論文の概要: LDL: Line Distance Functions for Panoramic Localization

• arxiv url: http://arxiv.org/abs/2308.13989v1
• Date: Sun, 27 Aug 2023 02:57:07 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 17:45:51.720489
• Title: LDL: Line Distance Functions for Panoramic Localization
• Title（参考訳）: ldl:パノラマ局在のための線距離関数
• Authors: Junho Kim, Changwoon Choi, Hojun Jang, Young Min Kim
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 22.46846444866008
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We introduce LDL, a fast and robust algorithm that localizes a panorama to a 3D map using line segments. LDL focuses on the sparse structural information of lines in the scene, which is robust to illumination changes and can potentially enable efficient computation. While previous line-based localization approaches tend to sacrifice accuracy or computation time, our method effectively observes the holistic distribution of lines within panoramic images and 3D maps. Specifically, LDL matches the distribution of lines with 2D and 3D line distance functions, which are further decomposed along principal directions of lines to increase the expressiveness. The distance functions provide coarse pose estimates by comparing the distributional information, where the poses are further optimized using conventional local feature matching. As our pipeline solely leverages line geometry and local features, it does not require costly additional training of line-specific features or correspondence matching. Nevertheless, our method demonstrates robust performance on challenging scenarios including object layout changes, illumination shifts, and large-scale scenes, while exhibiting fast pose search terminating within a matter of milliseconds. We thus expect our method to serve as a practical solution for line-based localization, and complement the well-established point-based paradigm. The code for LDL is available through the following link: https://github.com/82magnolia/panoramic-localization.
• Abstract（参考訳）: 我々は,パノラマを線分を用いて3dマップにローカライズする高速でロバストなアルゴリズム ldl を提案する。 LDLはシーン内のラインのスパース構造情報に重点を置いており、照明の変化に対して堅牢であり、効率的な計算を可能にする可能性がある。 従来手法では精度や計算時間を犠牲にしてきたが,パノラマ画像と3dマップ内の直線の全体分布を効果的に観察した。 具体的には,LDLは2次元線距離関数と3次元線距離関数の分布に一致し,さらに直線の主方向に沿って分解して表現性を高める。 距離関数は、従来の局所的特徴マッチングを用いてさらに最適化された分布情報を比較することで粗いポーズ推定を提供する。 パイプラインは線幾何学と局所的特徴のみを活用するため、ライン固有の特徴や対応マッチングのトレーニングに費用がかからない。 しかし,本手法は,オブジェクトレイアウトの変更,照明シフト,大規模シーンなどの難易度の高いシナリオに対して,高速なポーズ探索を数ミリ秒以内で終了することを示す。 そこで我々は,本手法がラインベースローカライゼーションの実践的解決策となることを期待し,確立されたポイントベースパラダイムを補完する。 LDLのコードは、https://github.com/82magnolia/panoramic-localization.comのリンクから入手できる。

関連論文リスト

• Fully Geometric Panoramic Localization [16.200889977514862]
  本稿では,2次元3次元線の形状のみを利用する軽量かつ高精度な位置決め手法を提案する。 プレキャプチャされた3Dマップからパノラマ画像のローカライズを行う。 我々の完全に幾何学的なアプローチは、広範囲なパラメータチューニングやニューラルネットワークのトレーニングを伴わないため、現実の世界に容易に展開できる実用的なアルゴリズムです。
  論文  参考訳（メタデータ） (2024-03-29T01:07:20Z)
• Representing 3D sparse map points and lines for camera relocalization [1.2974519529978974]
  軽量ニューラルネットワークが3Dポイントとラインの両方の特徴を表現するためにどのように学習できるかを示す。 テストにおいて,本手法は,最先端の学習手法に対する最も顕著な向上を図っている。
  論文  参考訳（メタデータ） (2024-02-28T03:07:05Z)
• ALSTER: A Local Spatio-Temporal Expert for Online 3D Semantic Reconstruction [62.599588577671796]
  本稿では,RGB-Dフレームのストリームから3次元セマンティックマップを段階的に再構成するオンライン3次元セマンティックセマンティックセマンティクス手法を提案する。 オフラインの手法とは異なり、ロボット工学や混合現実のようなリアルタイムな制約のあるシナリオに直接適用できます。
  論文  参考訳（メタデータ） (2023-11-29T20:30:18Z)
• PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic Occupancy Prediction [72.75478398447396]
  本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。 また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。 プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
  論文  参考訳（メタデータ） (2023-08-31T17:57:17Z)
• SeMLaPS: Real-time Semantic Mapping with Latent Prior Networks and Quasi-Planar Segmentation [53.83313235792596]
  本稿では,RGB-Dシーケンスからのリアルタイム意味マッピングのための新しい手法を提案する。 2DニューラルネットワークとSLAMシステムに基づく3Dネットワークと3D占有マッピングを組み合わせる。 本システムは,2D-3Dネットワークベースシステムにおいて,最先端のセマンティックマッピング品質を実現する。
  論文  参考訳（メタデータ） (2023-06-28T22:36:44Z)
• IDLS: Inverse Depth Line based Visual-Inertial SLAM [9.38589798999922]
  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。
  論文  参考訳（メタデータ） (2023-04-23T20:53:05Z)
• 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)
• LCPFormer: Towards Effective 3D Point Cloud Analysis via Local Context Propagation in Transformers [60.51925353387151]
  本稿では,近隣地域間のメッセージパッシングを活用するために,LCP (Local Context Propagation) という新しいモジュールを提案する。 隣接するローカル領域の重複点を仲介として使用した後、異なるローカルリージョンからの共有ポイントの特徴を再重み付けし、その後、次のレイヤに渡す。 提案手法は, 異なるタスクに適用可能であり, 3次元形状分類や高密度予測タスクを含むベンチマークにおいて, 様々なトランスフォーマーベースの手法より優れる。
  論文  参考訳（メタデータ） (2022-10-23T15:43:01Z)
• 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)
• Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled Representation [57.11299763566534]
  空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。 我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。 アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
  論文  参考訳（メタデータ） (2020-04-05T12:52:29Z)

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。