論文の概要: Phase-SLAM: Phase Based Simultaneous Localization and Mapping for Mobile
Structured Light Illumination Systems
- arxiv url: http://arxiv.org/abs/2201.09048v1
- Date: Sat, 22 Jan 2022 13:47:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-25 17:22:25.466472
- Title: Phase-SLAM: Phase Based Simultaneous Localization and Mapping for Mobile
Structured Light Illumination Systems
- Title(参考訳): 位相SLAM:位相に基づく移動構造照明システムの同時局在とマッピング
- Authors: Xi Zheng, Rui Ma, Rui Gao, and Qi Hao
- Abstract要約: Phase-SLAMは、高速かつ正確なSLIセンサのポーズ推定と3Dオブジェクト再構成のためのフレームワークである。
シミュレーションプラットフォームとロボットアームをベースとしたSLIシステムの両方のデータセットを現実に構築し,提案手法の検証を行う。
実験結果から,提案したPhase-SLAMは,ポーズ推定や3次元再構成の点で,他の最先端手法よりも優れていることが示された。
- 参考スコア(独自算出の注目度): 14.9174946109114
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Structured Light Illumination (SLI) systems have been used for reliable
indoor dense 3D scanning via phase triangulation. However, mobile SLI systems
for 360 degree 3D reconstruction demand 3D point cloud registration, involving
high computational complexity. In this paper, we propose a phase based
Simultaneous Localization and Mapping (Phase-SLAM) framework for fast and
accurate SLI sensor pose estimation and 3D object reconstruction. The novelty
of this work is threefold: (1) developing a reprojection model from 3D points
to 2D phase data towards phase registration with low computational complexity;
(2) developing a local optimizer to achieve SLI sensor pose estimation
(odometry) using the derived Jacobian matrix for the 6 DoF variables; (3)
developing a compressive phase comparison method to achieve high-efficiency
loop closure detection. The whole Phase-SLAM pipeline is then exploited using
existing global pose graph optimization techniques. We build datasets from both
the unreal simulation platform and a robotic arm based SLI system in real-world
to verify the proposed approach. The experiment results demonstrate that the
proposed Phase-SLAM outperforms other state-of-the-art methods in terms of the
efficiency and accuracy of pose estimation and 3D reconstruction. The
open-source code is available at https://github.com/ZHENGXi-git/Phase-SLAM.
- Abstract(参考訳): SLI(Structured Light Illumination)システムは、位相三角測量による高密度屋内3次元走査に利用されている。
しかし、360度3次元再構成のためのモバイルSLIシステムは、高い計算複雑性を含む3Dポイントクラウドの登録を要求する。
本稿では,高速かつ高精度なSLIセンサのポーズ推定と3次元オブジェクト再構成のための位相ベース同時局在マッピング(Phase-SLAM)フレームワークを提案する。
本研究の目新しさは,(1)3次元点から2次元位相データへの再投影モデルの開発,(2)6自由度変数に対するヤコビ行列を用いたsliセンサポーズ推定(オドメトリ)を実現する局所最適化器の開発,(3)高効率ループクロージャ検出のための圧縮位相比較法の開発,の3つである。
フェーズ-SLAMパイプライン全体は、既存のグローバルポーズグラフ最適化技術を用いて利用される。
提案手法を検証するために,非現実的なシミュレーションプラットフォームとロボットアームベースのSLIシステムの両方からデータセットを構築した。
実験の結果,提案手法はポーズ推定と3次元再構成の効率と精度で他の最先端手法よりも優れていた。
オープンソースコードはhttps://github.com/zhengxi-git/phase-slamで入手できる。
関連論文リスト
- Q-SLAM: Quadric Representations for Monocular SLAM [89.05457684629621]
モノクラーSLAMは、3Dジオメトリを正確にモデル化するという課題に長い間取り組んできた。
ニューラルラジアンス場(NeRF)をベースとしたモノキュラーSLAMの最近の進歩は、将来性を示している。
本稿では,2次形式のレンズを通して体積表現を再現する新しい手法を提案する。
論文 参考訳(メタデータ) (2024-03-12T23:27:30Z) - Gaussian Splatting SLAM [17.90035087300551]
移動単眼カメラとRGB-Dカメラを用いて3次元ガウススプラッティングをインクリメンタルな3次元再構成に適用した。
3fpsでライブで動作するSLAM法は,ガウスを唯一の3次元表現として利用している。
論文 参考訳(メタデータ) (2023-12-11T18:19:04Z) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [54.56928482110888]
本稿では,まず3次元ガウス表現を同時局所化・マッピングシステムで利用するtextbfGS-SLAM$を紹介する。
提案手法では,地図の最適化とRGB-D再レンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。
提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
論文 参考訳(メタデータ) (2023-11-20T12:08:23Z) - GOOD: General Optimization-based Fusion for 3D Object Detection via
LiDAR-Camera Object Candidates [10.534984939225014]
3次元物体検出は、自律運転における知覚タスクの中核となる基礎となる。
Goodは汎用的な最適化ベースの融合フレームワークで、追加のモデルをトレーニングすることなく、満足度の高い検出を実現できる。
nuScenesとKITTIデータセットの両方の実験を行い、その結果、GOODはPointPillarsと比較してmAPスコアで9.1%上回っていることが示された。
論文 参考訳(メタデータ) (2023-03-17T07:05:04Z) - FD-SLAM: 3-D Reconstruction Using Features and Dense Matching [18.577229381683434]
本稿では,高密度フレーム・モデル・オードメトリーを用いたRGB-D SLAMシステムを提案する。
マップ構築をさらに安定化させる3次元特徴に基づく学習ベースのループクロージャコンポーネントを組み込んだ。
このアプローチは、他のシステムがしばしば失敗する大きなシーンにも拡張できる。
論文 参考訳(メタデータ) (2022-03-25T18:58:46Z) - Multi-initialization Optimization Network for Accurate 3D Human Pose and
Shape Estimation [75.44912541912252]
我々はMulti-Initialization Optimization Network(MION)という3段階のフレームワークを提案する。
第1段階では,入力サンプルの2次元キーポイントに適合する粗い3次元再構成候補を戦略的に選択する。
第2段階では, メッシュ改質トランス (MRT) を設計し, 自己保持機構を用いて粗い再構成結果をそれぞれ洗練する。
最後に,RGB画像の視覚的証拠が与えられた3次元再構成と一致するかどうかを評価することで,複数の候補から最高の結果を得るために,一貫性推定ネットワーク(CEN)を提案する。
論文 参考訳(メタデータ) (2021-12-24T02:43:58Z) - Efficient 3D Deep LiDAR Odometry [16.388259779644553]
PWCLO-Netという名前の効率的な3Dポイント・クラウド・ラーニング・アーキテクチャが最初に提案される。
アーキテクチャ全体は、コストボリュームとマスクの適応的な学習を実現するために、徹底的にエンドツーエンドに最適化されています。
論文 参考訳(メタデータ) (2021-11-03T11:09:49Z) - Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
論文 参考訳(メタデータ) (2021-07-08T15:19:36Z) - SCFusion: Real-time Incremental Scene Reconstruction with Semantic
Completion [86.77318031029404]
本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。
我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
論文 参考訳(メタデータ) (2020-10-26T15:31:52Z) - Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled
Representation [57.11299763566534]
空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。
我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。
アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
論文 参考訳(メタデータ) (2020-04-05T12:52:29Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。