論文の概要: Visual SLAM: What are the Current Trends and What to Expect?

• arxiv url: http://arxiv.org/abs/2210.10491v1
• Date: Wed, 19 Oct 2022 11:56:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-20 15:21:46.326142
• Title: Visual SLAM: What are the Current Trends and What to Expect?
• Title（参考訳）: visual slam: 現在のトレンドと期待は何か?
• Authors: Ali Tourani, Hriday Bavle, Jose Luis Sanchez-Lopez, Holger Voos
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vision-based sensors have shown significant performance, accuracy, and efficiency gain in Simultaneous Localization and Mapping (SLAM) systems in recent years. In this regard, Visual Simultaneous Localization and Mapping (VSLAM) methods refer to the SLAM approaches that employ cameras for pose estimation and map generation. We can see many research works that demonstrated VSLAMs can outperform traditional methods, which rely only on a particular sensor, such as a Lidar, even with lower costs. VSLAM approaches utilize different camera types (e.g., monocular, stereo, and RGB-D), have been tested on various datasets (e.g., KITTI, TUM RGB-D, and EuRoC) and in dissimilar environments (e.g., indoors and outdoors), and employ multiple algorithms and methodologies to have a better understanding of the environment. The mentioned variations have made this topic popular for researchers and resulted in a wide range of VSLAMs methodologies. In this regard, the primary intent of this survey is to present the recent advances in VSLAM systems, along with discussing the existing challenges and trends. We have given an in-depth literature survey of forty-five impactful papers published in the domain of VSLAMs. We have classified these manuscripts by different characteristics, including the novelty domain, objectives, employed algorithms, and semantic level. We also discuss the current trends and future directions that may help researchers investigate them.
• Abstract（参考訳）: 視覚に基づくセンサは,近年,slamシステムにおいて有意な性能向上,精度,効率向上を実現している。 この点において、VSLAM(Visual Simultaneous Localization and Mapping)法は、ポーズ推定とマップ生成にカメラを用いるSLAM法を指す。 vslamがlidarのような特定のセンサーのみに依存する従来の方法よりも優れていることを示す多くの研究成果が、低コストでも見ることができる。 VSLAMアプローチは様々なカメラタイプ(モノクラー、ステレオ、RGB-Dなど)を使用し、様々なデータセット(KITTI、TUM RGB-D、EuRoCなど)や異種環境(屋内や屋外など)でテストされ、環境をよりよく理解するために複数のアルゴリズムと方法論を使用している。 前述のバリエーションは、この話題を研究者に広め、様々なVSLAMの方法論をもたらした。 この点に関して、この調査の主な目的は、vslamシステムの最近の進歩と、既存の課題とトレンドについて議論することである。 VSLAMs領域で発行された45件の論文について詳細な文献調査を行った。 我々はこれらの写本を,新規性領域,目的,採用アルゴリズム,意味レベルなど,異なる特徴に分類した。 また、研究者が研究する上で役立つ現在の傾向や今後の方向性についても論じる。

関連論文リスト

• Adapter-based Approaches to Knowledge-enhanced Language Models -- A Survey [48.52320309766703]
  知識強化言語モデル(KELM)は、大規模言語モデルとドメイン固有の知識のギャップを埋めるための有望なツールとして登場した。 KELMsは知識グラフ(KGs)を利用することで、より現実的な精度と幻覚を達成することができる
  論文  参考訳（メタデータ） (2024-11-25T14:10:24Z)
• Continual Learning with Pre-Trained Models: A Survey [61.97613090666247]
  継続的な学習は、新しい知識を学ぶ際に、かつての知識の破滅的な忘れを克服することを目的としている。 本稿では, PTM を用いた CL の最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2024-01-29T18:27:52Z)
• 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)
• Common Practices and Taxonomy in Deep Multi-view Fusion for Remote Sensing Applications [3.883984493622102]
  リモートセンシング技術の進歩は、地球観測への応用を後押ししている。 深層学習モデルは複数の視点から情報を融合するために応用されている。 本稿は,地球観測のための多視点融合について,文献における共通プラクティスとアプローチに着目した研究をまとめたものである。
  論文  参考訳（メタデータ） (2022-12-20T15:12:27Z)
• 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)
• Semantic Visual Simultaneous Localization and Mapping: A Survey [18.372996585079235]
  本稿ではまず, セマンティックvSLAMの開発について概観し, その強みと相違点に着目する。 次に、意味情報の抽出と関連付け、意味情報の応用、意味vSLAMの利点の3つについて検討する。 最後に,セマンティックvSLAMの今後の発展に向けた青写真を提供する今後の方向性について論じる。
  論文  参考訳（メタデータ） (2022-09-14T05:45:26Z)
• A Review on Visual-SLAM: Advancements from Geometric Modelling to Learning-based Semantic Scene Understanding [3.0839245814393728]
  自律移動ロボットの基本問題の一つに、同時局所マッピング(SLAM)がある。 Visual-SLAMは、地図の表現を収集し、検知するために、移動ロボットから様々なセンサーを使用する。 ディープラーニング技術などのコンピュータビジョンの最近の進歩は、Visual-SLAM問題に対処するためのデータ駆動型アプローチを提供してきた。
  論文  参考訳（メタデータ） (2022-09-12T13:11:25Z)
• 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)
• Lighting the Darkness in the Deep Learning Era [118.35081853500411]
  低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。 この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。 アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
  論文  参考訳（メタデータ） (2021-04-21T19:12:19Z)
• LIFT-SLAM: a deep-learning feature-based monocular visual SLAM method [0.0]
  従来のジオメトリベースのVSLAMと深層学習に基づく特徴記述子の可能性を組み合わせることを提案する。 KITTIとEurocのデータセットを用いた実験では、ディープラーニングが従来のVSLAMシステムの性能向上に有効であることが示されている。
  論文  参考訳（メタデータ） (2021-03-31T20:35:10Z)
• AdaLAM: Revisiting Handcrafted Outlier Detection [106.38441616109716]
  ローカルな特徴マッチングは多くのコンピュータビジョンパイプラインの重要なコンポーネントである。 本稿では,AdaLAMに繋がる新しいアイデアを統合するとともに,有効外乱検出のための階層パイプラインを提案する。 AdaLAMは、現代の並列ハードウェアを効果的に活用するために設計されており、非常に高速で、しかも非常に正確で、外れやすいフィルタとなっている。
  論文  参考訳（メタデータ） (2020-06-07T20:16:36Z)

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。