Fugu-MT 論文翻訳(概要): Real-time SLAM Pipeline in Dynamics Environment

論文の概要: Real-time SLAM Pipeline in Dynamics Environment

arxiv url: http://arxiv.org/abs/2303.02272v1
Date: Sat, 4 Mar 2023 00:08:52 GMT
ステータス: 処理完了
システム内更新日: 2023-03-07 20:43:54.801857
Title: Real-time SLAM Pipeline in Dynamics Environment
Title（参考訳）: 動的環境におけるリアルタイムslamパイプライン
Authors: Alex Fu, Lingjie Kong
Abstract要約: 我々は,RGB-D SLAM と YOLO リアルタイムオブジェクト検出を用いて動的シーンの分割と削除を行い,静的シーン3D を構築するソリューションを提案する。我々は、セマンティクス、幾何学、物理学を共同で検討できるデータセットを収集し、全ての動的オブジェクトをフィルタリングしながら静的なシーンを再構築することを可能にする。
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: Inspired by the recent success of application of dense data approach by using ORB-SLAM and RGB-D SLAM, we propose a better pipeline of real-time SLAM in dynamics environment. Different from previous SLAM which can only handle static scenes, we are presenting a solution which use RGB-D SLAM as well as YOLO real-time object detection to segment and remove dynamic scene and then construct static scene 3D. We gathered a dataset which allows us to jointly consider semantics, geometry, and physics and thus enables us to reconstruct the static scene while filtering out all dynamic objects.
Abstract（参考訳）: ORB-SLAMとRGB-D SLAMを用いた高密度データ手法の最近の成功に触発されて、動的環境におけるリアルタイムSLAMのより良いパイプラインを提案する。静的シーンのみを処理できる従来のSLAMとは異なり、RGB-D SLAMとYOLOリアルタイムオブジェクト検出を使って動的シーンを分割・削除し、静的シーン3Dを構築するソリューションを提示している。我々は、セマンティクス、幾何学、物理学を共同で検討できるデータセットを集め、全ての動的オブジェクトをフィルタリングしながら静的シーンを再構築することを可能にする。

関連論文リスト

PG-SLAM: Photo-realistic and Geometry-aware RGB-D SLAM in Dynamic Environments [49.38692556283867]
ガウススプラッティングを拡張した写真リアリスティックかつ幾何学的RGB-D SLAM法を提案する。本手法は,1)非剛体人や剛体物を含む動的前景のマッピング,2)静的背景の再構築,3)カメラのローカライズを行うための3つの主要モジュールから構成される。実世界の様々なデータセットに対する実験により、カメラのローカライゼーションとシーン表現の観点から、我々の手法が最先端のアプローチより優れていることが示された。
論文参考訳（メタデータ） (2024-11-24T12:00:55Z)
V3D-SLAM: Robust RGB-D SLAM in Dynamic Environments with 3D Semantic Geometry Voting [1.3493547928462395]
動体とカメラのポーズの相関関係から,高度にダイナミックな環境下での同時位置決めとマッピング(SLAM)は困難である。 2つの軽量再評価段階を経て移動物体を除去するロバストな手法 V3D-SLAM を提案する。 TUM RGB-Dベンチマーク実験により,直近のSLAM法よりも高い性能を示した。
論文参考訳（メタデータ） (2024-10-15T21:08:08Z)
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)
3DS-SLAM: A 3D Object Detection based Semantic SLAM towards Dynamic Indoor Environments [1.4901625182926226]
3DS-SLAM, 3D Semantic SLAMを導入する。 3DS-SLAMは、意味的制約と幾何学的制約の両方を逐次解決する密結合アルゴリズムである。 TUM RGB-Dデータセットの動的シーケンスを平均98.01%改善している。
論文参考訳（メタデータ） (2023-10-10T07:48:40Z)
NeuSE: Neural SE(3)-Equivariant Embedding for Consistent Spatial Understanding with Objects [53.111397800478294]
本稿では,ニューラルSE(3)-等価なオブジェクトの埋め込みであるNeuSEを紹介する。 NeuSE は完全なオブジェクトモデルのためのコンパクトな点クラウドサロゲートとして機能する。提案するSLAMパラダイムは,物体形状やポーズ特性にNeuSEを用いて,通常のSLAMシステムと独立に,あるいは連携して動作することができる。
論文参考訳（メタデータ） (2023-03-13T17:30:43Z)
NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
論文参考訳（メタデータ） (2023-02-07T17:06:34Z)
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)
Learning to Segment Dynamic Objects using SLAM Outliers [5.4310785842119795]
本稿では,SLAMアウトレイラを用いて動的オブジェクトのセグメントを自動的に学習する手法を提案する。トレーニングには動的オブジェクトごとに1つのモノクラーシーケンスしか必要とせず、SLAMアウトリーチを使用して動的オブジェクトをローカライズし、マスクを作成し、これらのマスクを使用してセマンティックセグメンテーションネットワークをトレーニングする。
論文参考訳（メタデータ） (2020-11-12T08:36:54Z)
DOT: Dynamic Object Tracking for Visual SLAM [83.69544718120167]
DOTはインスタンスセグメンテーションとマルチビュー幾何を組み合わせて、動的オブジェクトのマスクを生成する。実際にどのオブジェクトが動いているかを判断するために、DOTは、潜在的にダイナミックなオブジェクトの最初のインスタンスを抽出し、次に推定されたカメラモーションで、測光再投射誤差を最小限にして、そのようなオブジェクトを追跡する。提案手法はORB-SLAM 2の精度とロバスト性を大幅に向上することを示す。
論文参考訳（メタデータ） (2020-09-30T18:36:28Z)
Dynamic Object Tracking and Masking for Visual SLAM [1.37013665345905]
動的環境下では、動いた物体から得られる視覚的特徴によって視覚的SLAM技術の性能が損なわれる可能性がある。本稿では、ディープニューラルネットワーク、拡張カルマンフィルタ、視覚SLAMを用いて、ローカライゼーションとマッピングの両方を改善するパイプラインを提案する。
論文参考訳（メタデータ） (2020-07-31T20:37:14Z)
FlowFusion: Dynamic Dense RGB-D SLAM Based on Optical Flow [17.040818114071833]
ダイナミック/静的セグメンテーションとカメラのエゴモーション推定を同時に実現する新しいRGB-D SLAMソリューションを提案する。我々の新しい特徴は、RGB-D点雲のダイナミックセマンティクスを強調するために光学フロー残基を使うことである。
論文参考訳（メタデータ） (2020-03-11T04:00:49Z)

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。