論文の概要: Evaluation and comparison of eight popular Lidar and Visual SLAM algorithms

• arxiv url: http://arxiv.org/abs/2208.02063v1
• Date: Wed, 3 Aug 2022 13:31:09 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-04 14:12:03.739731
• Title: Evaluation and comparison of eight popular Lidar and Visual SLAM algorithms
• Title（参考訳）: 8つの人気のあるLidarとVisual SLAMアルゴリズムの評価と比較
• Authors: Bharath Garigipati, Nataliya Strokina, Reza Ghabcheloo
• Abstract要約: LOAM, Lego LOAM, LIO SAM, HDL Graph, ORB SLAM3, Basalt VIO, SVO2の8つの人気かつオープンソースの3DライダーとビジュアルSLAMアルゴリズムを評価した。 室内および屋外におけるマルチカメラおよびマルチライダーデータを用いて, 環境事例の総合的分析, 検討を行い, 最適性能のシステムについて検討した。
• 参考スコア（独自算出の注目度）: 4.466804351949029
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: In this paper, we evaluate eight popular and open-source 3D Lidar and visual SLAM (Simultaneous Localization and Mapping) algorithms, namely LOAM, Lego LOAM, LIO SAM, HDL Graph, ORB SLAM3, Basalt VIO, and SVO2. We have devised experiments both indoor and outdoor to investigate the effect of the following items: i) effect of mounting positions of the sensors, ii) effect of terrain type and vibration, iii) effect of motion (variation in linear and angular speed). We compare their performance in terms of relative and absolute pose error. We also provide comparison on their required computational resources. We thoroughly analyse and discuss the results and identify the best performing system for the environment cases with our multi-camera and multi-Lidar indoor and outdoor datasets. We hope our findings help one to choose a sensor and the corresponding SLAM algorithm combination suiting their needs, based on their target environment.
• Abstract（参考訳）: 本稿では, LOAM, Lego LOAM, LIO SAM, HDL Graph, ORB SLAM3, Basalt VIO, SVO2 の8つの人気かつオープンソースの3DライダーとビジュアルSLAM (Simultaneous Localization and Mapping) アルゴリズムを評価する。 屋内および屋外の両方で,以下の項目の効果を調べる実験を考案した。 一 センサの設置位置の影響 二 地形の種類及び振動の効果 三 運動の効果(直線速度及び角速度の変動) 相対的および絶対的なポーズ誤差の観点からそれらの性能を比較する。 また,必要な計算資源の比較も行う。 室内および屋外におけるマルチカメラおよびマルチライダーデータを用いて, 環境事例の総合的分析, 検討を行い, 最適性能のシステムを特定した。 我々は,センサとそれに対応するslamアルゴリズムの組み合わせを,対象とする環境に応じて選択できることを期待する。

関連論文リスト

• DVI-SLAM: A Dual Visual Inertial SLAM Network [31.067716365926845]
  本稿では2つの視覚的要素を持つ新しいディープSLAMネットワークを提案する。 提案するネットワークは,両視覚要因の信頼度マップを動的に学習し,調整する。 大規模な実験により,提案手法はいくつかの公開データセットにおいて,最先端の手法を著しく上回っていることが確認された。
  論文  参考訳（メタデータ） (2023-09-25T01:42:54Z)
• PointHPS: Cascaded 3D Human Pose and Shape Estimation from Point Clouds [99.60575439926963]
  本稿では,実環境で捉えた点雲から正確な3次元HPSを実現するための基本的フレームワークであるPointHPSを提案する。 PointHPSは、カスケードアーキテクチャを通じてポイント機能を反復的に洗練する。 広範囲な実験により、ポイントHPSは強力な特徴抽出と処理方式を持ち、State-of-the-Art法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-08-28T11:10:14Z)
• UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
  我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。 本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-19T16:26:25Z)
• Event-based Simultaneous Localization and Mapping: A Comprehensive Survey [52.73728442921428]
  ローカライゼーションとマッピングタスクのための非同期および不規則なイベントストリームの利点を利用する、イベントベースのvSLAMアルゴリズムのレビュー。 Paperは、イベントベースのvSLAMメソッドを、特徴ベース、ダイレクト、モーション補償、ディープラーニングの4つのカテゴリに分類する。
  論文  参考訳（メタデータ） (2023-04-19T16:21:14Z)
• OOD-CV-v2: An extended Benchmark for Robustness to Out-of-Distribution Shifts of Individual Nuisances in Natural Images [59.51657161097337]
  OOD-CV-v2は、ポーズ、形状、テクスチャ、コンテキスト、気象条件の10のオブジェクトカテゴリのアウト・オブ・ディストリビューションの例を含むベンチマークデータセットである。 この新たなデータセットに加えて、一般的なベースライン手法を用いた広範な実験にも貢献する。
  論文  参考訳（メタデータ） (2023-04-17T20:39:25Z)
• Visual SLAM: What are the Current Trends and What to Expect? [0.0]
  視力に基づくセンサは、SLAMシステムにおいて、大幅な性能、精度、効率の向上を示した。 VSLAMs領域で発行された45件のインパクトのある論文について,詳細な文献調査を行った。
  論文  参考訳（メタデータ） (2022-10-19T11:56:32Z)
• 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)
• 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)
• DecAug: Augmenting HOI Detection via Decomposition [54.65572599920679]
  現在のアルゴリズムでは、データセット内のトレーニングサンプルやカテゴリの不均衡が不足している。 本稿では,HOI検出のためのDECAugと呼ばれる効率的かつ効率的なデータ拡張手法を提案する。 実験の結果,V-COCOおよびHICODETデータセットの3.3mAPと1.6mAPの改善が得られた。
  論文  参考訳（メタデータ） (2020-10-02T13:59:05Z)
• Map-merging Algorithms for Visual SLAM: Feasibility Study and Empirical Evaluation [0.0]
  最先端のvSLAMアルゴリズムは、移動ロボットが未知の環境を自律的にナビゲートできるように、精度の高い地図を構築することができる。 この問題は、異なる vSLAM マップを一貫した単一の表現にマージできるかどうかを問うものである。 本研究では,既存の2次元および3次元マップマージアルゴリズムについて検討し,現実的なシミュレーション環境において広範な実験的な評価を行う。
  論文  参考訳（メタデータ） (2020-09-12T16:15:16Z)

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。