論文の概要: TwistSLAM: Constrained SLAM in Dynamic Environment
- arxiv url: http://arxiv.org/abs/2202.12384v1
- Date: Thu, 24 Feb 2022 22:08:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-28 16:14:53.750948
- Title: TwistSLAM: Constrained SLAM in Dynamic Environment
- Title（参考訳）: TwistSLAM: 動的環境における制約付きSLAM
- Authors: Mathieu Gonzalez, Eric Marchand, Amine Kacete, J\'er\^ome Royan
- Abstract要約: 本稿では,シーン内の動的オブジェクトをトラッキングできる意味的・動的・ステレオSLAMシステムTwistSLAMを提案する。
我々のアルゴリズムは、それらの意味クラスに応じて点の集合を生成する。
環境の静的な部分を使って、カメラをしっかりとローカライズし、残りのオブジェクトを追跡する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Moving objects are present in most scenes of our life. However they can be
very problematic for classical SLAM algorithms that assume the scene to be
rigid. This assumption limits the applicability of those algorithms as they are
unable to accurately estimate the camera pose and world structure in many
scenarios. Some SLAM systems have been proposed to detect and mask out dynamic
objects, making the static scene assumption valid. However this information can
allow the system to track objects within the scene, while tracking the camera,
which can be crucial for some applications. In this paper we present TwistSLAM
a semantic, dynamic, stereo SLAM system that can track dynamic objects in the
scene. Our algorithm creates clusters of points according to their semantic
class. It uses the static parts of the environment to robustly localize the
camera and tracks the remaining objects. We propose a new formulation for the
tracking and the bundle adjustment to take in account the characteristics of
mechanical joints between clusters to constrain and improve their pose
estimation. We evaluate our approach on several sequences from a public dataset
and show that we improve camera and object tracking compared to state of the
art.
- Abstract（参考訳）: 動く物体は私たちの人生のほとんどの場面に存在します。
しかし、シーンが厳密であると仮定する古典的なSLAMアルゴリズムでは、非常に問題となる可能性がある。
この仮定は、多くのシナリオでカメラのポーズや世界構造を正確に推定できないため、これらのアルゴリズムの適用性を制限する。
いくつかのSLAMシステムは動的オブジェクトを検出し、隠蔽するために提案されており、静的なシーン仮定が妥当である。
しかし、この情報により、システムはシーン内のオブジェクトを追跡しながらカメラを追跡することができる。
本稿ではTwistSLAMについて,シーン内の動的オブジェクトをトラッキング可能な意味的,動的,ステレオSLAMシステムを提案する。
我々のアルゴリズムは意味クラスに応じて点の集合を生成する。
環境の静的な部分を使って、カメラをしっかりとローカライズし、残りのオブジェクトを追跡する。
本稿では,クラスタ間の機械関節の特性を考慮し,姿勢推定を制約し改善するためのトラッキングとバンドル調整の新しい定式化を提案する。
公開データセットから複数のシーケンスに対するアプローチを評価し,現状と比較してカメラとオブジェクトのトラッキングを改善したことを示す。
関連論文リスト
- PG-SLAM: Photo-realistic and Geometry-aware RGB-D SLAM in Dynamic Environments [49.38692556283867]
ガウススプラッティングを拡張した写真リアリスティックかつ幾何学的RGB-D SLAM法を提案する。
本手法は,1)非剛体人や剛体物を含む動的前景のマッピング,2)静的背景の再構築,3)カメラのローカライズを行うための3つの主要モジュールから構成される。
実世界の様々なデータセットに対する実験により、カメラのローカライゼーションとシーン表現の観点から、我々の手法が最先端のアプローチより優れていることが示された。
論文 参考訳（メタデータ） (2024-11-24T12:00:55Z) - DATAP-SfM: Dynamic-Aware Tracking Any Point for Robust Structure from Motion in the Wild [85.03973683867797]
本稿では,スムーズなカメラ軌跡を推定し,野生のカジュアルビデオのための高密度点雲を得るための,簡潔でエレガントでロバストなパイプラインを提案する。
提案手法は,複雑な動的課題シーンにおいても,カメラポーズ推定による最先端性能を実現する。
論文 参考訳（メタデータ） (2024-11-20T13:01:16Z) - DORT: Modeling Dynamic Objects in Recurrent for Multi-Camera 3D Object
Detection and Tracking [67.34803048690428]
本稿では、この問題を解決するためにRecurrenT(DORT)の動的オブジェクトをモデル化することを提案する。
DORTは、重い計算負担を軽減する動き推定のために、オブジェクトワイズローカルボリュームを抽出する。
フレキシブルで実用的で、ほとんどのカメラベースの3Dオブジェクト検出器に差し込むことができる。
論文 参考訳（メタデータ） (2023-03-29T12:33:55Z) - Semantic Attention Flow Fields for Monocular Dynamic Scene Decomposition [51.67493993845143]
時間変化の色、密度、シーンフロー、セマンティクス、アテンション情報をキャプチャするニューラルボリュームを再構成する。
セマンティクスと注意により、時空を通して背景から別々に有意な前景オブジェクトを特定できる。
本手法は,教師なしの方法で動的シーンを分解し,教師付き手法と競合する性能を示す。
論文 参考訳（メタデータ） (2023-03-02T19:00:05Z) - D-InLoc++: Indoor Localization in Dynamic Environments [2.9398911304923447]
移動物体には非無視的局所化誤差が組み込まれており,6自由度 (6DoF) がより頑健に作用することを示す新しい手法が提案されている。
動的オブジェクトのマスクは、相対的なポーズ推定ステップと、カメラポーズの提案の最終ソートで使用される。
論文 参考訳（メタデータ） (2022-09-21T08:35:32Z) - TwistSLAM++: Fusing multiple modalities for accurate dynamic semantic
SLAM [0.0]
TwistSLAM++は、ステレオ画像とLiDAR情報を融合するセマンティックでダイナミックなSLAMシステムである。
従来のベンチマークでは,マルチモーダル情報に基づく融合手法によりオブジェクト追跡の精度が向上していることが示されている。
論文 参考訳（メタデータ） (2022-09-16T12:28:21Z) - Visual-Inertial Multi-Instance Dynamic SLAM with Object-level
Relocalisation [14.302118093865849]
密結合型ビジュアル・慣性オブジェクトレベルのマルチインスタンス動的SLAMシステムを提案する。
カメラのポーズ、速度、IMUバイアスを強く最適化し、環境の高密度な3D再構成オブジェクトレベルマップを構築することができる。
論文 参考訳（メタデータ） (2022-08-08T17:13:24Z) - ParticleSfM: Exploiting Dense Point Trajectories for Localizing Moving
Cameras in the Wild [57.37891682117178]
本稿では,一対の光流からの高密度対応に基づく動画の高密度間接構造抽出手法を提案する。
不規則点軌道データを処理するために,新しいニューラルネットワークアーキテクチャを提案する。
MPIシンテルデータセットを用いた実験により,我々のシステムはより正確なカメラ軌道を生成することがわかった。
論文 参考訳（メタデータ） (2022-07-19T09:19:45Z) - DynaSLAM II: Tightly-Coupled Multi-Object Tracking and SLAM [2.9822184411723645]
DynaSLAM IIは、ステレオおよびRGB-D構成のための視覚的SLAMシステムであり、マルチオブジェクト追跡機能を密に統合している。
動的物体の追跡はシーン理解のための豊富な手がかりを提供するだけでなく、カメラ追跡にも有用であることを示す。
論文 参考訳（メタデータ） (2020-10-15T15:25:30Z) - DOT: Dynamic Object Tracking for Visual SLAM [83.69544718120167]
DOTはインスタンスセグメンテーションとマルチビュー幾何を組み合わせて、動的オブジェクトのマスクを生成する。
実際にどのオブジェクトが動いているかを判断するために、DOTは、潜在的にダイナミックなオブジェクトの最初のインスタンスを抽出し、次に推定されたカメラモーションで、測光再投射誤差を最小限にして、そのようなオブジェクトを追跡する。
提案手法はORB-SLAM 2の精度とロバスト性を大幅に向上することを示す。
論文 参考訳（メタデータ） (2020-09-30T18:36:28Z) - Removing Dynamic Objects for Static Scene Reconstruction using Light
Fields [2.286041284499166]
動的環境は視覚的同時ローカライゼーションとマッピング(SLAM)アルゴリズムに課題をもたらす。
光電場は、空間の1つの点から現れる光線の束を捉え、それらを再焦点を合わせることで、ダイナミックな物体を観察することができる。
動的オブジェクトの存在下で静的な背景のイメージを再集中的に合成する手法を提案する。
論文 参考訳（メタデータ） (2020-03-24T19:05:17Z)
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。