論文の概要: Towards View-invariant and Accurate Loop Detection Based on Scene Graph

• arxiv url: http://arxiv.org/abs/2305.14885v1
• Date: Wed, 24 May 2023 08:34:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 18:01:24.022710
• Title: Towards View-invariant and Accurate Loop Detection Based on Scene Graph
• Title（参考訳）: シーングラフに基づくビュー不変・高精度ループ検出に向けて
• Authors: Chuhao Liu and Shaojie Shen
• Abstract要約: ループ検出は、蓄積されたポーズドリフトを補正することで視覚SLAMにおいて重要な役割を果たす。 現在のセマンティック支援ループ検出手法は、あいまいなセマンティックインスタンスと劇的な視点差を扱う際の課題に直面している。 本稿では,段階的に生成されたシーングラフに基づく新しいループ検出手法を提案する。
• 参考スコア（独自算出の注目度）: 33.68204049028845
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Loop detection plays a key role in visual Simultaneous Localization and Mapping (SLAM) by correcting the accumulated pose drift. In indoor scenarios, the richly distributed semantic landmarks are view-point invariant and hold strong descriptive power in loop detection. The current semantic-aided loop detection embeds the topology between semantic instances to search a loop. However, current semantic-aided loop detection methods face challenges in dealing with ambiguous semantic instances and drastic viewpoint differences, which are not fully addressed in the literature. This paper introduces a novel loop detection method based on an incrementally created scene graph, targeting the visual SLAM at indoor scenes. It jointly considers the macro-view topology, micro-view topology, and occupancy of semantic instances to find correct correspondences. Experiments using handheld RGB-D sequence show our method is able to accurately detect loops in drastically changed viewpoints. It maintains a high precision in observing objects with similar topology and appearance. Our method also demonstrates that it is robust in changed indoor scenes.
• Abstract（参考訳）: ループ検出は、蓄積されたポーズドリフトを補正することにより、視覚的同時局在マッピング(SLAM)において重要な役割を果たす。 屋内シナリオでは、リッチに分散されたセマンティックランドマークはビューポイント不変であり、ループ検出において強い記述力を持つ。 現在のセマンティクス支援ループ検出は、セマンティクスインスタンス間のトポロジーを埋め込んでループを検索する。 しかし,現在のセマンティックス支援ループ検出手法では,曖昧な意味的インスタンスや劇的な視点の違いを扱うことが困難であり,文献では十分に対応されていない。 本稿では,屋内シーンにおける視覚的SLAMをターゲットとした,インクリメンタルなシーングラフに基づくループ検出手法を提案する。 マクロビュートポロジー、マイクロビュートポロジー、セマンティックインスタンスの占有を共同で考慮し、正しい対応を見つける。 ハンドヘルドrgb-dシークエンスを用いた実験では,大幅に変化する視点でループを正確に検出できることを示す。 類似したトポロジーと外観を持つ物体を観察する精度は高い。 また,室内環境の変化にもロバストであることを示す。

関連論文リスト

• GV-Bench: Benchmarking Local Feature Matching for Geometric Verification of Long-term Loop Closure Detection [32.54601978758081]
  ループクロージャは軌道推定における正しいドリフトを補正し、グローバルに一貫したマップを構築する。 偽ループ閉鎖は致命的であり、堅牢性を保証するための追加のステップとして検証が必要である。 本稿では,長期条件下でのループ閉鎖検出の幾何的検証を対象とする統一ベンチマークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T14:05:19Z)
• SemanticTopoLoop: Semantic Loop Closure With 3D Topological Graph Based on Quadric-Level Object Map [0.8158530638728501]
  ループクロージャはSLAMの重要なコンポーネントの1つです。 バッグ・オブ・ワード(英語版)モデルのような伝統的な外見に基づく手法は、しばしば局所的な2D特徴とトレーニングデータの量によって制限される。
  論文  参考訳（メタデータ） (2023-11-06T02:30:30Z)
• Semantics Meets Temporal Correspondence: Self-supervised Object-centric Learning in Videos [63.94040814459116]
  自己教師付き手法は、高レベルの意味論と低レベルの時間対応の学習において顕著な進歩を見せている。 融合した意味特徴と対応地図の上に,意味認識型マスキングスロットアテンションを提案する。 我々は、時間的コヒーレントなオブジェクト中心表現を促進するために、セマンティックおよびインスタンスレベルの時間的一貫性を自己スーパービジョンとして採用する。
  論文  参考訳（メタデータ） (2023-08-19T09:12:13Z)
• Self-Calibrating Anomaly and Change Detection for Autonomous Inspection Robots [0.07366405857677225]
  視覚異常または変化検出アルゴリズムは、参照画像やデータセットとは異なる画像の領域を特定する。 本研究では,事前の未知環境における異常や変化を検出するための総合的なディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-08-26T09:52:12Z)
• DPText-DETR: Towards Better Scene Text Detection with Dynamic Points in Transformer [94.35116535588332]
  ポリゴン点やベジエ曲線制御点を予測してテキストをローカライズするトランスフォーマーベースの手法は、シーンテキストの検出で非常に人気がある。 しかし、使用点ラベル形式は、トランスフォーマーモデルの堅牢性に影響を与える人間の読み順を意味する。 本稿では,DPText-DETRを提案する。これはクエリとしてポイント座標を直接使用し,デコーダ層間で動的に更新する。
  論文  参考訳（メタデータ） (2022-07-10T15:45:16Z)
• Automatic Vocabulary and Graph Verification for Accurate Loop Closure Detection [21.862978912891677]
  Bag-of-Words (BoW)は、機能と関連付け、ループを検出する視覚語彙を構築する。 本稿では,ノードの半径と特徴記述子のドリフトを比較することで,自然な収束基準を提案する。 本稿では,候補ループの検証のための新しいトポロジカルグラフ検証手法を提案する。
  論文  参考訳（メタデータ） (2021-07-30T13:19:33Z)
• 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)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• LiPo-LCD: Combining Lines and Points for Appearance-based Loop Closure Detection [1.6758573326215689]
  LiPo-LCDは外観に基づく新しいループ閉鎖検出法である。 以前の画像は、後期融合戦略を用いて検索する。 島の概念に基づくシンプルだが効果的なメカニズムは、画像候補探索の労力を減らすために、時間とともに類似した画像をグループ化する。
  論文  参考訳（メタデータ） (2020-09-03T10:43:16Z)
• 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)

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。