論文の概要: IDLS: Inverse Depth Line based Visual-Inertial SLAM

• arxiv url: http://arxiv.org/abs/2304.11748v2
• Date: Sun, 30 Jun 2024 07:50:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-02 18:19:41.176890
• Title: IDLS: Inverse Depth Line based Visual-Inertial SLAM
• Title（参考訳）: IDLS:逆深さ線に基づくビジュアル慣性SLAM
• Authors: Wanting Li, Shuo Wang, Yongcai Wang, Yu Shao, Xuewei Bai, Deying Li,
• Abstract要約: Inverse Depth Line SLAM (IDLS) を提案する。 IDLSは、複数の知覚的整合性データセットで広く評価されている。
• 参考スコア（独自算出の注目度）: 9.38589798999922
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: For robust visual-inertial SLAM in perceptually-challenging indoor environments,recent studies exploit line features to extract descriptive information about scene structure to deal with the degeneracy of point features. But existing point-line-based SLAM methods mainly use Pl\"ucker matrix or orthogonal representation to represent a line, which needs to calculate at least four variables to determine a line. Given the numerous line features to determine in each frame, the overly flexible line representation increases the computation burden and comprises the accuracy of the results. In this paper, we propose inverse depth representation for a line, which models each extracted line feature using only two variables, i.e., the inverse depths of the two ending points. It exploits the fact that the projected line's pixel coordinates on the image plane are rather accurate, which partially restrict the line. Using this compact line presentation, Inverse Depth Line SLAM (IDLS) is proposed to track the line features in SLAM in an accurate and efficient way. A robust line triangulation method and a novel line re-projection error model are introduced. And a two-step optimization method is proposed to firstly determine the lines and then to estimate the camera poses in each frame. IDLS 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 point-line-based SLAM methods.
• Abstract（参考訳）: 屋内環境における堅牢な視覚慣性SLAMを実現するために,近年の研究では,線特徴を利用してシーン構造に関する記述情報を抽出し,点特徴の縮退に対処している。 しかし、既存の点線ベースのSLAM法は主に、行を表すためにPl\"ucker行列または直交表現を使い、行を決定するために少なくとも4つの変数を計算する必要がある。 各フレームで決定する多数のライン特徴が与えられた場合、過度にフレキシブルなライン表現により計算負担が増加し、結果の精度が向上する。 本稿では,2つの変数,すなわち2つの終点の逆深さを用いて各抽出された直線特徴をモデル化したラインの逆深さ表現を提案する。 これは、投影された線の画像平面上のピクセル座標がかなり正確であるという事実を利用しており、線を部分的に制限している。 このコンパクトライン提示を用いて,逆深さ線SLAM(Inverse Depth Line SLAM)を提案する。 頑健な線三角法と新しい線再投影誤差モデルを導入する。 また,まず2段階の最適化手法を提案し,各フレームにおけるカメラのポーズを推定する。 IDLSは、複数の知覚的整合性データセットで広く評価されている。 以上の結果から,現状のポイントラインベースSLAM法よりも精度が高く,頑健であり,計算オーバーヘッドも低いことが示唆された。

関連論文リスト

• 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)
• 3D Line Mapping Revisited [86.13455066577657]
  LIMAPは、3Dラインマッピングのためのライブラリで、多視点画像から3Dラインマップを堅牢かつ効率的に作成する。 私たちのコードは、既存のポイントベースのStructure-from-Motionメソッドとシームレスに統合されます。 私たちの堅牢な3Dラインマップは、新たな研究方向も開きます。
  論文  参考訳（メタデータ） (2023-03-30T16:14:48Z)
• 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)
• Unfolding Projection-free SDP Relaxation of Binary Graph Classifier via GDPA Linearization [59.87663954467815]
  アルゴリズムの展開は、モデルベースのアルゴリズムの各イテレーションをニューラルネットワーク層として実装することにより、解釈可能で類似のニューラルネットワークアーキテクチャを生成する。 本稿では、Gershgorin disc perfect alignment (GDPA)と呼ばれる最近の線形代数定理を利用して、二進グラフの半定値プログラミング緩和(SDR)のためのプロジェクションフリーアルゴリズムをアンロールする。 実験結果から,我々の未学習ネットワークは純粋モデルベースグラフ分類器よりも優れ,純粋データ駆動ネットワークに匹敵する性能を示したが,パラメータははるかに少なかった。
  論文  参考訳（メタデータ） (2021-09-10T07:01:15Z)
• 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)
• PlueckerNet: Learn to Register 3D Line Reconstructions [57.20244406275875]
  本稿では,ユークリッド空間における2つの部分重畳された3次元線再構成の問題をニューラルネットワークで解く手法を提案する。 室内および屋外の両方のデータセットを用いた実験により,本手法の登録精度(回転と翻訳)は,ベースラインを著しく上回ることがわかった。
  論文  参考訳（メタデータ） (2020-12-02T11:31:56Z)
• Line Flow based SLAM [36.10943109853581]
  本稿では,3次元ラインセグメントの逐次2次元投影を表すラインフローを予測・更新するビジュアルSLAM法を提案する。 提案手法は, ラインフローの利用により, 最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-09-21T15:55:45Z)
• Deep Hough Transform for Semantic Line Detection [70.28969017874587]
  自然の場面で意味のある線構造、つまり意味的な線を検知する基本的なタスクに焦点をあてる。 従来の手法は線の性質を無視し、準最適性能をもたらす。 行検出のためのワンショットエンドツーエンド学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-10T13:08:42Z)
• Holistically-Attracted Wireframe Parsing [123.58263152571952]
  本稿では,入力画像中のベクトル化ワイヤフレームを1つのフォワードパスで検出する高速で類似的な解析手法を提案する。 提案手法は, (i) ラインセグメントとジャンクション提案生成, (ii) ラインセグメントとジャンクションマッチング, (iii) ラインセグメントとジャンクション検証の3つのコンポーネントから構成される。
  論文  参考訳（メタデータ） (2020-03-03T17:43:57Z)

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。