論文の概要: A Look at Improving Robustness in Visual-inertial SLAM by Moment Matching

• arxiv url: http://arxiv.org/abs/2205.13821v1
• Date: Fri, 27 May 2022 08:22:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-30 14:38:40.135043
• Title: A Look at Improving Robustness in Visual-inertial SLAM by Moment Matching
• Title（参考訳）: モーメントマッチングによる視覚慣性SLAMのロバスト性向上の検討
• Authors: Arno Solin, Rui Li, Andrea Pilzer
• Abstract要約: 本稿では,拡張カルマンフィルタ(EKF)がもたらす実用的意味と限界について批判的な考察を行う。 我々は,視覚-慣性計測と視覚SLAMの両方にモーメントマッチング(未開のカルマンフィルタリング)アプローチを採用する。
• 参考スコア（独自算出の注目度）: 17.995121900076615
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The fusion of camera sensor and inertial data is a leading method for ego-motion tracking in autonomous and smart devices. State estimation techniques that rely on non-linear filtering are a strong paradigm for solving the associated information fusion task. The de facto inference method in this space is the celebrated extended Kalman filter (EKF), which relies on first-order linearizations of both the dynamical and measurement model. This paper takes a critical look at the practical implications and limitations posed by the EKF, especially under faulty visual feature associations and the presence of strong confounding noise. As an alternative, we revisit the assumed density formulation of Bayesian filtering and employ a moment matching (unscented Kalman filtering) approach to both visual-inertial odometry and visual SLAM. Our results highlight important aspects in robustness both in dynamics propagation and visual measurement updates, and we show state-of-the-art results on EuRoC MAV drone data benchmark.
• Abstract（参考訳）: カメラセンサと慣性データの融合は、自律的およびスマートデバイスにおけるエゴモーショントラッキングの先駆的手法である。 非線形フィルタリングに依存する状態推定技術は、関連する情報融合タスクを解決するための強力なパラダイムである。 この空間におけるデファクト推論法は有名な拡張カルマンフィルタ(EKF)であり、力学モデルと測定モデルの両方の1階線形化に依存している。 本稿では,EKFが生み出す実用的意味と限界,特に視覚的特徴相関の欠陥と強い共起雑音の存在について批判的な考察を行う。 代わりとして,ベイズフィルタの仮定密度の定式化を再考し,視慣性オドメトリと視覚スラムの両方にモーメントマッチング(無香りカルマンフィルタリング)アプローチを適用する。 本結果は,ダイナミックス伝搬と視覚計測の両面でのロバスト性の重要な側面を強調し,EuRoC MAVのドローンデータベンチマークで最先端の結果を示す。

関連論文リスト

• Localized Gaussians as Self-Attention Weights for Point Clouds Correspondence [92.07601770031236]
  本稿では,エンコーダのみのトランスフォーマーアーキテクチャのアテンションヘッドにおける意味的意味パターンについて検討する。 注意重みの修正はトレーニングプロセスの促進だけでなく,最適化の安定性の向上にも寄与する。
  論文  参考訳（メタデータ） (2024-09-20T07:41:47Z)
• KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
  KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。 我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。 我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-07-18T05:48:24Z)
• A Gentle Approach to Multi-Sensor Fusion Data Using Linear Kalman Filter [6.17569685604975]
  この研究論文はLKF(Linear Kalman Filter)を掘り下げ、複数のセンサーからのデータをマージすることの重要性を強調した。 我々の焦点は、LKFのシステム力学、測定ノイズ、初期条件に関する仮定による線形力学系である。 この融合は多様な感覚入力を統合するために不可欠であり、それによって状態推定の精度と信頼性が向上する。
  論文  参考訳（メタデータ） (2024-05-27T17:46:58Z)
• Diffusion-Based Particle-DETR for BEV Perception [94.88305708174796]
  Bird-Eye-View (BEV)は、自律走行車(AV)における視覚知覚のための最も広く使われているシーンの1つである。 近年の拡散法は、視覚知覚のための不確実性モデリングに有望なアプローチを提供するが、BEVの広い範囲において、小さな物体を効果的に検出することができない。 本稿では,BEVにおける拡散パラダイムと最先端の3Dオブジェクト検出器を組み合わせることで,この問題に対処する。
  論文  参考訳（メタデータ） (2023-12-18T09:52:14Z)
• Graph Signal Diffusion Model for Collaborative Filtering [22.727100820178414]
  協調フィルタリングはレコメンデータシステムにおいて重要な手法である。 拡散モデルに関する既存の研究は、暗黙のフィードバックをモデル化するための効果的な解決策を欠いている。 協調フィルタリングのためのグラフ信号拡散モデル(GiffCF)を提案する。
  論文  参考訳（メタデータ） (2023-11-15T07:25:14Z)
• Towards Scale-Aware, Robust, and Generalizable Unsupervised Monocular Depth Estimation by Integrating IMU Motion Dynamics [74.1720528573331]
  教師なし単眼深度と自我運動推定は近年広く研究されている。 我々は、視覚情報とIMUモーションダイナミクスを統合した新しいスケールアウェアフレームワークDynaDepthを提案する。 我々は、KITTIおよびMake3Dデータセット上で広範囲な実験とシミュレーションを行うことにより、DynaDepthの有効性を検証する。
  論文  参考訳（メタデータ） (2022-07-11T07:50:22Z)
• DepthFormer: Exploiting Long-Range Correlation and Local Information for Accurate Monocular Depth Estimation [50.08080424613603]
  高精度な単分子深度推定には長距離相関が不可欠である。 我々は,このグローバルコンテキストを効果的な注意機構でモデル化するためにTransformerを活用することを提案する。 提案したモデルであるDepthFormerは、最先端のモノクル深度推定手法をはるかに超えている。
  論文  参考訳（メタデータ） (2022-03-27T05:03:56Z)
• Depth-conditioned Dynamic Message Propagation for Monocular 3D Object Detection [86.25022248968908]
  モノラル3Dオブジェクト検出の問題を解決するために、コンテキストと奥行きを認識する特徴表現を学びます。 KITTIベンチマークデータセットにおける単眼的アプローチにおける最新の結果を示す。
  論文  参考訳（メタデータ） (2021-03-30T16:20:24Z)
• Robust Correlation Tracking via Multi-channel Fused Features and Reliable Response Map [10.079856376445598]
  本稿では,2つのアイデアに基づく頑健な相関追跡アルゴリズム(RCT)を提案する。 まず,追跡対象の勾配や色情報をより自然に記述するために,特徴を融合する手法を提案する。 第二に、応答マップにおけるノイズを著しく低減し、従ってモデルドリフトの問題を緩和する新しい戦略を提案する。
  論文  参考訳（メタデータ） (2020-11-25T07:15:03Z)
• Robust Ego and Object 6-DoF Motion Estimation and Tracking [5.162070820801102]
  本稿では,動的多体視覚計測における高精度な推定と一貫した追跡性を実現するためのロバストな解を提案する。 セマンティック・インスタンスレベルのセグメンテーションと正確な光フロー推定の最近の進歩を活用して、コンパクトで効果的なフレームワークを提案する。 追従点の品質と運動推定精度を向上させる新しい定式化SE(3)運動と光流が導入された。
  論文  参考訳（メタデータ） (2020-07-28T05:12:56Z)

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。