論文の概要: IDLL: Inverse Depth Line based Visual Localization in Challenging
Environments
- arxiv url: http://arxiv.org/abs/2304.11748v1
- Date: Sun, 23 Apr 2023 20:53:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-25 16:36:49.816781
- Title: IDLL: Inverse Depth Line based Visual Localization in Challenging
Environments
- Title(参考訳): IDLL: 混在環境における逆深さ線に基づく視覚的位置決め
- Authors: Wanting Li, Yu Shao, Yongcai Wang, Shuo Wang, Xuewei Bai, Deying Li
- Abstract要約: 本稿では,2つの逆深度変数を用いて抽出されたライン特徴をモデル化したIDLLを提案する。
IDLLはより正確で堅牢で、現在の機能ベースのVSLAMメソッドよりも計算オーバーヘッドが低い。
- 参考スコア(独自算出の注目度): 6.815346475833014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise and real-time localization of unmanned aerial vehicles (UAVs) or
robots in GNSS denied indoor environments are critically important for various
logistics and surveillance applications. Vision-based simultaneously locating
and mapping (VSLAM) are key solutions but suffer location drifts in
texture-less, man-made indoor environments. Line features are rich in man-made
environments which can be exploited to improve the localization robustness, but
existing point-line based VSLAM methods still lack accuracy and efficiency for
the representation of lines introducing unnecessary degrees of freedoms. In
this paper, we propose Inverse Depth Line Localization(IDLL), which models each
extracted line feature using two inverse depth variables exploiting the fact
that the projected pixel coordinates on the image plane are rather accurate,
which partially restrict the lines. This freedom-reduced representation of
lines enables easier line determination and faster convergence of bundle
adjustment in each step, therefore achieves more accurate and more efficient
frame-to-frame registration and frame-to-map registration using both point and
line visual features. We redesign the whole front-end and back-end modules of
VSLAM using this line model. IDLL is extensively evaluated in multiple
perceptually-challenging datasets. The results show it is more accurate,
robust, and needs lower computational overhead than the current
state-of-the-art of feature-based VSLAM methods.
- Abstract(参考訳): GNSSにおける無人航空機やロボットの高精度かつリアルタイムな位置決めは、様々な物流や監視用途において極めて重要である。
視覚に基づく同時位置決めとマッピング(VSLAM)は鍵となるソリューションであるが、テクスチャレスで人為的な屋内環境での位置ずれに悩まされている。
ラインの特徴は、ローカライゼーションの堅牢性を改善するために活用できる人工環境に富んでいるが、既存のポイントラインベースのvslam法は、不要な自由度をもたらすライン表現の精度と効率に欠けている。
本稿では,画像平面上の投影された画素座標が比較的正確であるという事実を生かした2つの逆深度変数を用いて,抽出された各ライン特徴をモデル化する逆深度ラインローカライゼーション(IDLL)を提案する。
この自由度の低い行の表現は、各ステップにおけるライン決定とより高速なバンドル調整の収束を可能にするため、ポイントとラインの両方の視覚的特徴を用いて、より正確で効率的なフレーム間登録とフレーム間マップ登録を実現する。
このラインモデルを用いて,VSLAMのフロントエンドモジュールとバックエンドモジュール全体を再設計する。
idllは、複数のパーセプタリーチャリングデータセットで広範囲に評価される。
結果は,従来の機能ベースVSLAM法よりも精度が高く,堅牢であり,計算オーバーヘッドも低いことを示した。
関連論文リスト
- Loopy-SLAM: Dense Neural SLAM with Loop Closures [56.00799739701623]
ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。
我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。
合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
論文 参考訳(メタデータ) (2024-02-14T18:18:32Z) - LDL: Line Distance Functions for Panoramic Localization [22.46846444866008]
線分を用いた3次元地図にパノラマをローカライズするアルゴリズム LDL を導入する。
提案手法は,パノラマ画像と3次元地図内のラインの全体分布を効果的に観察する。
論文 参考訳(メタデータ) (2023-08-27T02:57:07Z) - DSVT: Dynamic Sparse Voxel Transformer with Rotated Sets [95.84755169585492]
本研究では,屋外3次元知覚のためのシングルストライドウィンドウベースのボクセルトランスであるDynamic Sparse Voxel Transformer (DSVT)を提案する。
本モデルでは,3次元認識タスクを多岐にわたって行うことにより,最先端の性能を実現する。
論文 参考訳(メタデータ) (2023-01-15T09:31:58Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳(メタデータ) (2022-12-17T15:05:25Z) - 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) - Towards Scale Consistent Monocular Visual Odometry by Learning from the
Virtual World [83.36195426897768]
仮想データから絶対スケールを取得するための新しいフレームワークであるVRVOを提案する。
まず、モノクロ実画像とステレオ仮想データの両方を用いて、スケール対応の異種ネットワークをトレーニングする。
結果として生じるスケール一貫性の相違は、直接VOシステムと統合される。
論文 参考訳(メタデータ) (2022-03-11T01:51:54Z) - LOF: Structure-Aware Line Tracking based on Optical Flow [8.856222186351445]
光フロー(LOF)に基づく構造認識ライントラッキングアルゴリズムを提案する。
提案するLOFは, ライントラッキング精度, 堅牢性, 効率において, 最先端性能より優れる。
論文 参考訳(メタデータ) (2021-09-17T11:09:11Z) - Focus on Local: Detecting Lane Marker from Bottom Up via Key Point [10.617793053931964]
本研究では,局所パターンのモデル化とグローバルな構造予測に焦点をあてた新しいレーンマーカー検出ソリューションFOLOLaneを提案する。
具体的には、CNNは2つの異なる頭部を持つ低複雑局所パターンをモデル化し、第1は鍵点の存在を予測し、第2は局所範囲における鍵点の位置を洗練し、同じレーン線の鍵点を相関させる。
論文 参考訳(メタデータ) (2021-05-28T08:59:14Z) - SOLD2: Self-supervised Occlusion-aware Line Description and Detection [95.8719432775724]
単一深層ネットワークにおける回線セグメントの最初の共同検出と記述について紹介します。
我々の手法は注釈付き行ラベルを必要としないため、任意のデータセットに一般化することができる。
複数のマルチビューデータセットにおいて,従来の行検出と記述方法に対するアプローチを評価した。
論文 参考訳(メタデータ) (2021-04-07T19:27:17Z) - PL-VINS: Real-Time Monocular Visual-Inertial SLAM with Point and Line
Features [11.990163046319974]
本稿では,実時間最適化に基づく点と線の特徴を持つ単分子VINS法であるPL-VINSを提案する。
提案手法の局所化誤差は,VINS-Monoよりも12~16%小さく,更新頻度が同じであることを示す。
論文 参考訳(メタデータ) (2020-09-16T04:27:33Z) - ePointDA: An End-to-End Simulation-to-Real Domain Adaptation Framework
for LiDAR Point Cloud Segmentation [111.56730703473411]
LiDARデータ上でディープニューラルネットワーク(DNN)をトレーニングするには、大規模なポイントワイドアノテーションが必要である。
シミュレーション・トゥ・リアル・ドメイン適応(SRDA)は、DNNを無制限の合成データと自動生成されたラベルで訓練する。
ePointDAは、自己教師付きドロップアウトノイズレンダリング、統計不変および空間適応型特徴アライメント、転送可能なセグメンテーション学習の3つのモジュールで構成されている。
論文 参考訳(メタデータ) (2020-09-07T23:46:08Z)
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。