論文の概要: VIP-SLAM: An Efficient Tightly-Coupled RGB-D Visual Inertial Planar SLAM
- arxiv url: http://arxiv.org/abs/2207.01158v1
- Date: Mon, 4 Jul 2022 01:45:24 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-05 16:26:33.097805
- Title: VIP-SLAM: An Efficient Tightly-Coupled RGB-D Visual Inertial Planar SLAM
- Title（参考訳）: VIP-SLAM - RGB-Dビジュアル慣性平面SLAM
- Authors: Danpeng Chen, Shuai Wang, Weijian Xie, Shangjin Zhai, Nan Wang, Hujun
Bao, Guofeng Zhang
- Abstract要約: 本稿では,RGB,Depth,IMU,構造化平面情報とを融合した密結合SLAMシステムを提案する。
我々は、最適化において多数の平面点のパラメータを除去するために、ホモグラフィ制約を用いる。
グローバルバンドル調整はスパースポイントベースのSLAMアルゴリズムの約2倍高速である。
- 参考スコア（独自算出の注目度）: 25.681256050571058
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a tightly-coupled SLAM system fused with RGB,
Depth, IMU and structured plane information. Traditional sparse points based
SLAM systems always maintain a mass of map points to model the environment.
Huge number of map points bring us a high computational complexity, making it
difficult to be deployed on mobile devices. On the other hand, planes are
common structures in man-made environment especially in indoor environments. We
usually can use a small number of planes to represent a large scene. So the
main purpose of this article is to decrease the high complexity of sparse
points based SLAM. We build a lightweight back-end map which consists of a few
planes and map points to achieve efficient bundle adjustment (BA) with an equal
or better accuracy. We use homography constraints to eliminate the parameters
of numerous plane points in the optimization and reduce the complexity of BA.
We separate the parameters and measurements in homography and point-to-plane
constraints and compress the measurements part to further effectively improve
the speed of BA. We also integrate the plane information into the whole system
to realize robust planar feature extraction, data association, and global
consistent planar reconstruction. Finally, we perform an ablation study and
compare our method with similar methods in simulation and real environment
data. Our system achieves obvious advantages in accuracy and efficiency. Even
if the plane parameters are involved in the optimization, we effectively
simplify the back-end map by using planar structures. The global bundle
adjustment is nearly 2 times faster than the sparse points based SLAM
algorithm.
- Abstract（参考訳）: 本稿では,RGB,Depth,IMU,構造化平面情報とを融合した密結合SLAMシステムを提案する。
従来のスパースポイントに基づくSLAMシステムは、常に環境をモデル化するためのマップポイントの質量を保持する。
膨大な数のマップポイントが計算の複雑さをもたらし、モバイルデバイスにデプロイすることが困難になります。
一方、平面は人造環境、特に屋内環境において一般的な構造である。
通常、少数の飛行機を使って大きなシーンを表現できます。
ですから、この記事の主な目的は、スパースポイントベースのslamの複雑さを下げることです。
我々は,数平面と地図点からなる軽量なバックエンドマップを構築し,同一以上の精度で効率的なバンドル調整(BA)を実現する。
ホモグラフィ制約を用いて、最適化における多数の平面点のパラメータを排除し、BAの複雑さを低減する。
ホモグラフィおよび点対平面制約におけるパラメータと測定値を分離し、測定部を圧縮し、baの速度をさらに効果的に改善する。
また,平面情報をシステム全体に統合し,ロバストな平面特徴抽出,データアソシエーション,グローバルな一貫した平面再構成を実現する。
最後に,アブレーション実験を行い,シミュレーションや実環境データにおいて同様の手法との比較を行った。
システムは精度と効率において明らかな利点を享受する。
平面パラメータが最適化に関わっているとしても、平面構造を用いてバックエンドマップを効果的に単純化する。
グローバルバンドルの調整はスパースポイントベースのslamアルゴリズムの約2倍高速である。
関連論文リスト
- SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - Splat-SLAM: Globally Optimized RGB-only SLAM with 3D Gaussians [87.48403838439391]
3D Splattingは、RGBのみの高密度SLAMの幾何学と外観の強力な表現として登場した。
本稿では,高密度な3次元ガウス写像表現を持つRGBのみのSLAMシステムを提案する。
Replica、TUM-RGBD、ScanNetのデータセットに対する実験は、グローバルに最適化された3Dガウスの有効性を示している。
論文 参考訳（メタデータ） (2024-05-26T12:26:54Z) - PAS-SLAM: A Visual SLAM System for Planar Ambiguous Scenes [41.47703182059505]
平面不明瞭なシーンを対象とした平面的特徴に基づく視覚的SLAMシステムを提案する。
本稿では,平面パラメータ,意味情報,投影IoU,非パラメトリックテストを組み合わせた統合データアソシエーション戦略を提案する。
最後に、カメラポーズ最適化のための多重制約係数グラフのセットを設計する。
論文 参考訳（メタデータ） (2024-02-09T01:34:26Z) - SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。
いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
論文 参考訳（メタデータ） (2023-08-16T14:25:30Z) - Structure PLP-SLAM: Efficient Sparse Mapping and Localization using
Point, Line and Plane for Monocular, RGB-D and Stereo Cameras [13.693353009049773]
本稿では,PPRモジュールを組み込んだ高機能カメラローカライゼーションを実現するために,ポイント・ライン・クラウドを用いた視界SLAMシステムを提案する。
再構成された線や平面上での複数の実行時最適化を提案することにより,幾何的プリミティブをスケールのあいまいさで再構築するという課題に対処する。
その結果,提案したSLAMはセマンティック機能をしっかりと組み込んで,トラッキングとバックエンドの最適化を強化していることがわかった。
論文 参考訳（メタデータ） (2022-07-13T09:05:35Z) - Keeping Less is More: Point Sparsification for Visual SLAM [1.370633147306388]
本研究では,SLAMシステムにおける地図点のスペース化のための効率的なグラフ最適化を提案する。
具体的には、最小コストの最大フローグラフ最適化問題として、最大ポーズ可視性と最大空間多様性問題を定式化する。
提案手法は既存のSLAMシステムの追加ステップとして機能し,従来のSLAMシステムと学習ベースのSLAMシステムの両方で使用することができる。
論文 参考訳（メタデータ） (2022-07-01T06:39:38Z) - Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense
Forest Canopy [48.51396198176273]
本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。
我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。
ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
論文 参考訳（メタデータ） (2021-09-14T07:24:53Z) - Edge Federated Learning Via Unit-Modulus Over-The-Air Computation
(Extended Version) [64.76619508293966]
本稿では,効率の良いエッジフェデレーション学習を実現するために,UM-AirCompフレームワークを提案する。
ローカルモデルパラメータを同時にアップロードし、アナログビームフォーミングを通じてグローバルモデルパラメータを更新する。
車両間自動運転シミュレーションプラットフォームにおけるUM-AirCompの実装を実演する。
論文 参考訳（メタデータ） (2021-01-28T15:10:22Z) - Stereo Plane SLAM Based on Intersecting Lines [10.892478925743967]
平面機能はSLAMシステムのドリフト誤差を低減するために安定なランドマークである。
ステレオ画像から抽出した交差線を用いた平面パラメータの計算手法を提案する。
論文 参考訳（メタデータ） (2020-08-19T01:35:49Z) - An Efficient Planar Bundle Adjustment Algorithm [23.419382737725623]
本稿では,平面間コストを用いた最小二乗問題に対する効率的なアルゴリズムを提案する。
深度センサーのポーズと平面パラメータを3D再構成のために共同で最適化することを目的としている。
論文 参考訳（メタデータ） (2020-05-30T05:54:22Z) - Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。
我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。
特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
論文 参考訳（メタデータ） (2020-03-17T03:52:17Z)
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。