Fugu-MT 論文翻訳(概要): PLD-SLAM: A Real-Time Visual SLAM Using Points and Line Segments in Dynamic Scenes

論文の概要: PLD-SLAM: A Real-Time Visual SLAM Using Points and Line Segments in Dynamic Scenes

arxiv url: http://arxiv.org/abs/2207.10916v1
Date: Fri, 22 Jul 2022 07:40:00 GMT
ステータス: 処理完了
システム内更新日: 2022-07-25 13:51:22.102098
Title: PLD-SLAM: A Real-Time Visual SLAM Using Points and Line Segments in Dynamic Scenes
Title（参考訳）: PLD-SLAM:動的シーンにおけるポイントとラインセグメントを用いたリアルタイムビジュアルSLAM
Authors: BaoSheng Zhang
Abstract要約: 本稿では,点と線の特徴を組み合わせたリアルタイムステレオ間接視覚SLAMシステム PLD-SLAMを提案する。また,適切な選択と効率的なループ閉鎖検出を実現するため,グローバルグレー類似度(GGS)アルゴリズムを提案する。
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: In this paper, we consider the problems in the practical application of visual simultaneous localization and mapping (SLAM). With the popularization and application of the technology in wide scope, the practicability of SLAM system has become a new hot topic after the accuracy and robustness, e.g., how to keep the stability of the system and achieve accurate pose estimation in the low-texture and dynamic environment, and how to improve the universality and real-time performance of the system in the real scenes, etc. This paper proposes a real-time stereo indirect visual SLAM system, PLD-SLAM, which combines point and line features, and avoid the impact of dynamic objects in highly dynamic environments. We also present a novel global gray similarity (GGS) algorithm to achieve reasonable keyframe selection and efficient loop closure detection (LCD). Benefiting from the GGS, PLD-SLAM can realize real-time accurate pose estimation in most real scenes without pre-training and loading a huge feature dictionary model. To verify the performance of the proposed system, we compare it with existing state-of-the-art (SOTA) methods on the public datasets KITTI, EuRoC MAV, and the indoor stereo datasets provided by us, etc. The experiments show that the PLD-SLAM has better real-time performance while ensuring stability and accuracy in most scenarios. In addition, through the analysis of the experimental results of the GGS, we can find it has excellent performance in the keyframe selection and LCD.
Abstract（参考訳）: 本稿では,視覚的同時ローカライゼーションとマッピング(SLAM)の実用化における問題点について考察する。この技術の普及と適用により、SLAMシステムの実用性は、例えばシステムの安定性を保ち、低テクスチャ環境や動的環境における正確なポーズ推定を実現する方法や、実際のシーンにおけるシステムの普遍性とリアルタイム性能の向上など、新たなホットトピックとなっている。本稿では,高ダイナミック環境における動的物体の影響を回避し,点特徴と線特徴を組み合わせたリアルタイムステレオ間接視覚SLAMシステム PLD-SLAMを提案する。また,適度なキーフレーム選択と効率的なループクロージャ検出(lcd)を実現するための新しいグローバルグレー類似性(ggs)アルゴリズムを提案する。 GGSの恩恵を受け、PDD-SLAMは、巨大な特徴辞書モデルを事前訓練しロードすることなく、ほとんどの実シーンでリアルタイムに正確なポーズ推定を実現することができる。提案システムの性能を検証するために,我々は,公開データセットkitti,euroc mav,屋内ステレオデータセットなどにおいて,既存のsota(state-of-the-art)手法と比較した。実験の結果, PLD-SLAMはほとんどのシナリオで安定性と精度を確保しつつ, リアルタイム性能が向上していることがわかった。さらに,GGS実験結果の分析により,キーフレーム選択やLCDの性能に優れた結果が得られた。

関連論文リスト

OmniPose6D: Towards Short-Term Object Pose Tracking in Dynamic Scenes from Monocular RGB [40.62577054196799]
実環境の多様性を反映した大規模合成データセットOmniPose6Dを提案する。本稿では,ポーズ追跡アルゴリズムの総合的な比較のためのベンチマークフレームワークを提案する。
論文参考訳（メタデータ） (2024-10-09T09:01:40Z)
LiveHPS: LiDAR-based Scene-level Human Pose and Shape Estimation in Free Environment [59.320414108383055]
シーンレベルの人間のポーズと形状推定のための単一LiDARに基づく新しいアプローチであるLiveHPSを提案する。多様な人間のポーズを伴う様々なシナリオで収集される巨大な人間の動きデータセットFreeMotionを提案する。
論文参考訳（メタデータ） (2024-02-27T03:08:44Z)
DK-SLAM: Monocular Visual SLAM with Deep Keypoint Learning, Tracking and Loop-Closing [13.50980509878613]
公開されているデータセットに対する実験的評価は、DK-SLAMが従来のSLAMシステムと学習ベースのSLAMシステムより優れていることを示している。本システムでは,キーポイント抽出ネットワークの学習を最適化するために,モデル非依存メタラーニング(MAML)戦略を採用している。累積的な位置決め誤差を軽減するため、DK-SLAMはループ閉鎖検出にバイナリ機能を利用する新しいオンライン学習モジュールを組み込んだ。
論文参考訳（メタデータ） (2024-01-17T12:08:30Z)
NID-SLAM: Neural Implicit Representation-based RGB-D SLAM in dynamic environments [9.706447888754614]
動的環境におけるニューラルSLAMの性能を大幅に向上させるNID-SLAMを提案する。本稿では, セマンティックマスクにおける不正確な領域, 特に辺縁領域における不正確な領域を強化するための新しいアプローチを提案する。また,ダイナミックシーンの選択戦略を導入し,大規模オブジェクトに対するカメラトラッキングの堅牢性を高める。
論文参考訳（メタデータ） (2024-01-02T12:35:03Z)
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)
Implicit Event-RGBD Neural SLAM [54.74363487009845]
神経性SLAMは近年顕著な進歩を遂げている。既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
論文参考訳（メタデータ） (2023-11-18T08:48:58Z)
Using Detection, Tracking and Prediction in Visual SLAM to Achieve Real-time Semantic Mapping of Dynamic Scenarios [70.70421502784598]
RDS-SLAMは、一般的に使用されているIntel Core i7 CPUのみを使用して、動的シナリオのためのオブジェクトレベルでのセマンティックマップをリアルタイムで構築することができる。我々は, TUM RGB-DデータセットにおけるRDS-SLAMを評価し, 動的シナリオにおいて, RDS-SLAMはフレームあたり30.3msで動作可能であることを示した。
論文参考訳（メタデータ） (2022-10-10T11:03:32Z)
Det-SLAM: A semantic visual SLAM for highly dynamic scenes using Detectron2 [0.0]
本研究では,視覚的SLAMシステムであるORB-SLAM3とディテクトロン2を組み合わせて,Det-SLAMシステムを提案する。 Det-SLAMは従来の動的SLAMシステムよりも弾力性が高く、動的屋内シナリオにおけるカメラ姿勢推定誤差を低減できる。
論文参考訳（メタデータ） (2022-10-01T13:25:11Z)
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)
Greedy-Based Feature Selection for Efficient LiDAR SLAM [12.257338124961622]
本論文では,L-SLAMシステムの精度と効率を,機能のサブセットを積極的に選択することで大幅に向上できることを実証する。提案手法は,最先端のL-SLAMシステムと比較して,ローカライズ誤差と高速化が低いことを示す。
論文参考訳（メタデータ） (2021-03-24T11:03:16Z)
Object-based Illumination Estimation with Rendering-aware Neural Networks [56.01734918693844]
個々の物体とその局所画像領域のRGBD外観から高速環境光推定手法を提案する。推定照明により、仮想オブジェクトは実際のシーンと一貫性のあるシェーディングでARシナリオでレンダリングできる。
論文参考訳（メタデータ） (2020-08-06T08:23:19Z)

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。