論文の概要: Simultaneous Localisation and Mapping with Quadric Surfaces
- arxiv url: http://arxiv.org/abs/2203.08040v1
- Date: Tue, 15 Mar 2022 16:26:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-16 15:38:53.970001
- Title: Simultaneous Localisation and Mapping with Quadric Surfaces
- Title(参考訳): 四元曲面による同時局在とマッピング
- Authors: Tristan Laidlow and Andrew J. Davison
- Abstract要約: 二次曲面の最小表現を導入し、これを最小二乗の定式化に組み込む方法を示す。
また、我々の表現が、革命の四次数に見られるような四次数に関する追加の制約を含むように容易に拡張できることを示す。
- 参考スコア(独自算出の注目度): 19.516688657045613
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: There are many possibilities for how to represent the map in simultaneous
localisation and mapping (SLAM). While sparse, keypoint-based SLAM systems have
achieved impressive levels of accuracy and robustness, their maps may not be
suitable for many robotic tasks. Dense SLAM systems are capable of producing
dense reconstructions, but can be computationally expensive and, like sparse
systems, lack higher-level information about the structure of a scene.
Human-made environments contain a lot of structure, and we seek to take
advantage of this by enabling the use of quadric surfaces as features in SLAM
systems. We introduce a minimal representation for quadric surfaces and show
how this can be included in a least-squares formulation. We also show how our
representation can be easily extended to include additional constraints on
quadrics such as those found in quadrics of revolution. Finally, we introduce a
proof-of-concept SLAM system using our representation, and provide some
experimental results using an RGB-D dataset.
- Abstract(参考訳): 同時局所化とマッピング(SLAM)でマップを表現するには、多くの可能性がある。
希少でキーポイントベースのSLAMシステムは、驚くほどの精度と堅牢性を達成したが、それらのマップは多くのロボット作業に適していないかもしれない。
複雑なSLAMシステムは、密集した再構成を生成できるが、計算コストが高く、スパースシステムと同様に、シーンの構造に関する高レベルな情報がない。
人為的な環境には多くの構造があり、SLAMシステムの特徴として二次曲面を利用できるようにすることでこれを活用しようとしている。
二次曲面の最小表現を導入し、これを最小二乗の定式化に組み込む方法を示す。
また、我々の表現が、革命の四次数に見られるような四次数に関する追加の制約を含むように容易に拡張できることを示す。
最後に、この表現を用いた概念実証SLAMシステムを導入し、RGB-Dデータセットを用いた実験結果を示す。
関連論文リスト
- SplaTAM: Splat, Track & Map 3D Gaussians for Dense RGB-D SLAM [50.60694084264132]
3Dガウシアンによるシーンの表現は、単一の単眼のRGB-Dカメラを用いて高密度SLAMを実現することができることを示す。
私たちはオンラインのトラッキングとマッピングのパイプラインを採用し、基礎となるガウス表現を特に使用するように調整しています。
実験により、SplaTAMは、カメラポーズ推定、マップ構築、ノベルビュー合成において、最先端の性能を最大2倍に向上することが示された。
論文 参考訳(メタデータ) (2023-12-04T18:53:24Z) - DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。
本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。
実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
論文 参考訳(メタデータ) (2023-11-30T21:34:44Z) - Photo-SLAM: Real-time Simultaneous Localization and Photorealistic
Mapping for Monocular, Stereo, and RGB-D Cameras [27.543561055868697]
Photo-SLAMは、ハイパープリミティブマップを備えた新しいSLAMフレームワークである。
そこで我々は,局所化のための明示的な幾何学的特徴を利用して,観測環境のテクスチャ情報を表現するために暗黙的な測光的特徴を学習する。
提案システムは,オンラインフォトリアリスティックマッピングのための最先端SLAMシステムよりも優れている。
論文 参考訳(メタデータ) (2023-11-28T12:19:00Z) - Fast Monocular Scene Reconstruction with Global-Sparse Local-Dense Grids [84.90863397388776]
本稿では,スパルス・ボクセル・ブロック・グリッドにおける署名付き距離関数(SDF)を直接使用して,距離のない高速かつ正確なシーン再構成を実現することを提案する。
我々の世界規模で疎密で局所的なデータ構造は、表面の空間的空間性を利用して、キャッシュフレンドリーなクエリを可能にし、マルチモーダルデータへの直接拡張を可能にします。
実験により、我々のアプローチはトレーニングでは10倍、レンダリングでは100倍高速であり、最先端のニューラル暗黙法に匹敵する精度を実現していることがわかった。
論文 参考訳(メタデータ) (2023-05-22T16:50:19Z) - NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。
近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
論文 参考訳(メタデータ) (2023-02-07T17:06:34Z) - ESLAM: Efficient Dense SLAM System Based on Hybrid Representation of
Signed Distance Fields [2.0625936401496237]
ESLAMは、未知のカメラポーズでRGB-Dフレームを読み出し、シーン表現を漸進的に再構築する。
ESLAMは3次元再構成の精度を向上し、最先端の高密度視覚SLAM法のカメラローカライゼーションを50%以上向上する。
論文 参考訳(メタデータ) (2022-11-21T18:25:14Z) - Minimal Neural Atlas: Parameterizing Complex Surfaces with Minimal
Charts and Distortion [71.52576837870166]
我々は、新しいアトラスに基づく明示的なニューラルサーフェス表現であるミニマルニューラルアトラスを提案する。
その中核は完全学習可能なパラメトリック領域であり、パラメトリック空間の開平方上で定義された暗黙の確率的占有場によって与えられる。
我々の再構成は、トポロジーと幾何学に関する懸念の分離のため、全体的な幾何学の観点からより正確である。
論文 参考訳(メタデータ) (2022-07-29T16:55:06Z) - 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) - NICE-SLAM: Neural Implicit Scalable Encoding for SLAM [112.6093688226293]
NICE-SLAMは階層的なシーン表現を導入することでマルチレベルローカル情報を組み込んだ高密度SLAMシステムである。
最近の暗黙的SLAMシステムと比較して、私たちのアプローチはよりスケーラブルで効率的で堅牢です。
論文 参考訳(メタデータ) (2021-12-22T18:45:44Z) - CodeMapping: Real-Time Dense Mapping for Sparse SLAM using Compact Scene
Representations [20.79223452551813]
最先端の疎視的SLAMシステムは、カメラの軌跡とランドマークの位置を正確に推定する。
これらのスパースマップは、ローカライゼーションに有用であるが、障害物回避やシーン理解といった他のタスクには使用できない。
本稿では、カメラのポーズやスパースポイントを入力として捉えた疎視的SLAMシステムを補完する高密度マッピングフレームワークを提案する。
論文 参考訳(メタデータ) (2021-07-19T16:13:18Z)
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。