論文の概要: FD-SLAM: 3-D Reconstruction Using Features and Dense Matching
- arxiv url: http://arxiv.org/abs/2203.13861v1
- Date: Fri, 25 Mar 2022 18:58:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-29 16:36:15.574270
- Title: FD-SLAM: 3-D Reconstruction Using Features and Dense Matching
- Title(参考訳): FD-SLAM:特徴とDense Matchingを用いた3次元再構成
- Authors: Xingrui Yang and Yuhang Ming and Zhaopeng Cui and Andrew Calway
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 18.577229381683434
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: It is well known that visual SLAM systems based on dense matching are locally
accurate but are also susceptible to long-term drift and map corruption. In
contrast, feature matching methods can achieve greater long-term consistency
but can suffer from inaccurate local pose estimation when feature information
is sparse. Based on these observations, we propose an RGB-D SLAM system that
leverages the advantages of both approaches: using dense frame-to-model
odometry to build accurate sub-maps and on-the-fly feature-based matching
across sub-maps for global map optimisation. In addition, we incorporate a
learning-based loop closure component based on 3-D features which further
stabilises map building. We have evaluated the approach on indoor sequences
from public datasets, and the results show that it performs on par or better
than state-of-the-art systems in terms of map reconstruction quality and pose
estimation. The approach can also scale to large scenes where other systems
often fail.
- Abstract(参考訳): 密マッチングに基づく視覚的SLAMシステムは局所的に正確であるが、長期のドリフトや地図の破損の影響も受けやすいことが知られている。
対照的に、特徴マッチング手法はより長期的な一貫性を実現することができるが、特徴情報が不足している場合、不正確な局所ポーズ推定に悩まされる可能性がある。
これらの観測に基づいてrgb-d slamシステムを提案する。 正確なサブマップとオンザフライ機能ベースのマッチングを構築し、グローバルマップ最適化を行うために、密なフレーム対モデルオドメトリを使用する。
さらに,地図構築を安定化させる3次元特徴に基づく学習型ループ閉鎖コンポーネントを組み込んだ。
本研究では,公開データセットから屋内シーケンスに対するアプローチを評価し,地図再構成品質とポーズ推定の観点から,最先端システムと同等かそれ以上の性能を示す。
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。
関連論文リスト
- Loopy-SLAM: Dense Neural SLAM with Loop Closures [56.00799739701623]
ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。
我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。
合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
論文 参考訳(メタデータ) (2024-02-14T18:18:32Z) - 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) - Volumetric Semantically Consistent 3D Panoptic Mapping [84.2638617094967]
非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。
マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。
提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
論文 参考訳(メタデータ) (2023-09-26T08:03:10Z) - SeMLaPS: Real-time Semantic Mapping with Latent Prior Networks and
Quasi-Planar Segmentation [53.83313235792596]
本稿では,RGB-Dシーケンスからのリアルタイム意味マッピングのための新しい手法を提案する。
2DニューラルネットワークとSLAMシステムに基づく3Dネットワークと3D占有マッピングを組み合わせる。
本システムは,2D-3Dネットワークベースシステムにおいて,最先端のセマンティックマッピング品質を実現する。
論文 参考訳(メタデータ) (2023-06-28T22:36:44Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳(メタデータ) (2022-12-17T15:05:25Z) - SHINE-Mapping: Large-Scale 3D Mapping Using Sparse Hierarchical Implicit
Neural Representations [37.733802382489515]
本稿では, 3次元LiDAR計測を用いて, 暗示表現を用いた大規模3次元再構成を実現する際の課題について述べる。
我々はオクツリーに基づく階層構造を通じて暗黙的な特徴を学習し、保存する。
我々の3D再構成は、現在の最先端3Dマッピング法よりも正確で、完全で、メモリ効率が高いことを示す。
論文 参考訳(メタデータ) (2022-10-05T14:38:49Z) - An Online Semantic Mapping System for Extending and Enhancing Visual
SLAM [2.538209532048867]
本稿では,2次元から3次元の物体検出パイプラインと,生成されたランドマークの高速なデータアソシエーションを用いた,移動型視覚システムのためのリアルタイムセマンティックマッピング手法を提案する。
我々のシステムは,65msの平均反復時間でリアルタイムに到達し,公開データセット上での最先端SLAMのポーズ推定を最大68%向上させることができる。
論文 参考訳(メタデータ) (2022-03-08T09:14:37Z) - Object-Augmented RGB-D SLAM for Wide-Disparity Relocalisation [3.888848425698769]
本稿では、一貫したオブジェクトマップを構築し、地図内のオブジェクトのセントロイドに基づいて再局在を行うことができるオブジェクト拡張RGB-D SLAMシステムを提案する。
論文 参考訳(メタデータ) (2021-08-05T11:02:25Z) - Leveraging Planar Regularities for Point Line Visual-Inertial Odometry [13.51108336267342]
モノクラー・ビジュアル・慣性オドメトリー(VIO)システムでは、3Dポイント・クラウドとカメラ・モーションを同時に推定することができる。
平面規則性だけでなく点特徴や線特徴を利用するPLP-VIOを提案する。
提案手法の有効性を,合成データと公開データセットの両方で検証した。
論文 参考訳(メタデータ) (2020-04-16T18:20:00Z) - OmniSLAM: Omnidirectional Localization and Dense Mapping for
Wide-baseline Multi-camera Systems [88.41004332322788]
超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。
より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。
我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
論文 参考訳(メタデータ) (2020-03-18T05:52:10Z)
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。