論文の概要: Comparative Study of Visual SLAM-Based Mobile Robot Localization Using Fiducial Markers

• arxiv url: http://arxiv.org/abs/2309.04441v1
• Date: Fri, 8 Sep 2023 17:05:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-11 12:42:46.392862
• Title: Comparative Study of Visual SLAM-Based Mobile Robot Localization Using Fiducial Markers
• Title（参考訳）: 図形マーカーを用いた視力SLAMに基づく移動ロボットの局在比較
• Authors: Jongwon Lee, Su Yeon Choi, David Hanley, Timothy Bretl
• Abstract要約: 本稿では,視覚的SLAMに基づく3つの移動ロボット位置決め方式の比較検討を行った。 SLAMベースのアプローチを比較する理由は、以前の研究が機能のみのメソッドよりも優れたパフォーマンスを示しているためである。 ハードウェア実験では、3つのモードで一貫した軌道誤差レベルを示し、ローカライゼーションモードはその中で最も短いランタイムを示す。
• 参考スコア（独自算出の注目度）: 4.918853205874711
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper presents a comparative study of three modes for mobile robot localization based on visual SLAM using fiducial markers (i.e., square-shaped artificial landmarks with a black-and-white grid pattern): SLAM, SLAM with a prior map, and localization with a prior map. The reason for comparing the SLAM-based approaches leveraging fiducial markers is because previous work has shown their superior performance over feature-only methods, with less computational burden compared to methods that use both feature and marker detection without compromising the localization performance. The evaluation is conducted using indoor image sequences captured with a hand-held camera containing multiple fiducial markers in the environment. The performance metrics include absolute trajectory error and runtime for the optimization process per frame. In particular, for the last two modes (SLAM and localization with a prior map), we evaluate their performances by perturbing the quality of prior map to study the extent to which each mode is tolerant to such perturbations. Hardware experiments show consistent trajectory error levels across the three modes, with the localization mode exhibiting the shortest runtime among them. Yet, with map perturbations, SLAM with a prior map maintains performance, while localization mode degrades in both aspects.
• Abstract（参考訳）: 本稿では,視覚的SLAMに基づく移動ロボットのローカライズのための3つのモード(白黒格子パターンの正方形人工ランドマーク)の比較検討を行い,事前マップのSLAM,事前マップのSLAM,および事前マップのローカライズについて述べる。 図形マーカーを利用したSLAMベースのアプローチを比較する理由は、従来の研究が特徴限定手法よりも優れた性能を示しており、局所化性能を損なうことなく特徴検出とマーカー検出の両方を用いる手法に比べて計算負担が少ないためである。 複数のfiducial markerを内蔵したハンドヘルドカメラで撮影した屋内画像シーケンスを用いて評価を行う。 パフォーマンスメトリクスには絶対軌道誤差とフレーム毎の最適化プロセスの実行時が含まれている。 特に,最後の2つのモード (slam, localization with a prior map) について,各モードがそのような摂動に対して耐性を持つ程度を調べるために,事前マップの質を摂動することでその性能を評価する。 ハードウェア実験では、3つのモードで一貫した軌道誤差レベルを示し、ローカライゼーションモードはその中で最も短いランタイムを示す。 しかし、マップの摂動により、事前マップを持つSLAMはパフォーマンスを維持し、ローカライゼーションモードは両方の面で劣化する。

関連論文リスト

• Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
  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)
• Learning Saliency From Fixations [0.9208007322096533]
  本稿では, 画像の並列デコードを利用して, 修正マップからのみサリエンシを学習する, 画像中のサリエンシ予測のための新しいアプローチを提案する。 我々のアプローチは、Saliency TRansformer (SalTR) と呼ばれ、SaliconとMIT300ベンチマークの最先端のアプローチと同等のスコアを得る。
  論文  参考訳（メタデータ） (2023-11-23T16:04:41Z)
• GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [51.96353586773191]
  我々は,まず3次元ガウス表現を利用したtextbfGS-SLAM を提案する。 提案手法は,地図の最適化とRGB-Dレンダリングの大幅な高速化を実現するリアルタイム微分可能なスプレイティングレンダリングパイプラインを利用する。 提案手法は,Replica,TUM-RGBDデータセット上の既存の最先端リアルタイム手法と比較して,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-11-20T12:08:23Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• A Locality-based Neural Solver for Optical Motion Capture [37.28597049192196]
  ノイズの多いマーカーデータから、マーカーと関節を異なるタイプのノードとして扱う異種グラフニューラルネットワークを提案する。 本手法は,隠蔽マーカー位置誤差の予測精度の観点から,最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-09-01T12:40:17Z)
• Boosting Few-shot Fine-grained Recognition with Background Suppression and Foreground Alignment [53.401889855278704]
  FS-FGR (Few-shot Fine-fine Recognition) は、限られたサンプルの助けを借りて、新しいきめ細かなカテゴリを認識することを目的としている。 本研究では,背景アクティベーション抑制 (BAS) モジュール,フォアグラウンドオブジェクトアライメント (FOA) モジュール,および局所的局所的(L2L) 類似度測定器からなる2段階の背景アライメントとフォアグラウンドアライメントフレームワークを提案する。 複数のベンチマークで行った実験により,提案手法は既存の最先端技術よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-10-04T07:54:40Z)
• FD-SLAM: 3-D Reconstruction Using Features and Dense Matching [18.577229381683434]
  本稿では,高密度フレーム・モデル・オードメトリーを用いたRGB-D SLAMシステムを提案する。 マップ構築をさらに安定化させる3次元特徴に基づく学習ベースのループクロージャコンポーネントを組み込んだ。 このアプローチは、他のシステムがしばしば失敗する大きなシーンにも拡張できる。
  論文  参考訳（メタデータ） (2022-03-25T18:58:46Z)
• CAMERAS: Enhanced Resolution And Sanity preserving Class Activation Mapping for image saliency [61.40511574314069]
  バックプロパゲーション画像のサリエンシは、入力中の個々のピクセルのモデル中心の重要性を推定することにより、モデル予測を説明することを目的としている。 CAMERASは、外部の事前処理を必要とせずに、高忠実度バックプロパゲーション・サリエンシ・マップを計算できる手法である。
  論文  参考訳（メタデータ） (2021-06-20T08:20:56Z)
• Improved Real-Time Monocular SLAM Using Semantic Segmentation on Selective Frames [15.455647477995312]
  先進的運転支援システムと自律運転システムでは単眼同時位置決めマッピング(slam)が登場している。 本稿では,深層学習に基づくセマンティックセグメンテーションを用いたリアルタイム一眼SLAMの改良を提案する。 6本の映像列を用いた実験により,提案方式により精度の高い軌道追尾精度が得られた。
  論文  参考訳（メタデータ） (2021-04-30T22:34:45Z)
• Accurate Visual-Inertial SLAM by Feature Re-identification [4.263022790692934]
  空間時空間感度サブグローバルマップから既存の特徴を再同定し,効率的なドリフトレスSLAM法を提案する。 本手法は67.3%,87.5%の絶対翻訳誤差を最小の計算コストで削減する。
  論文  参考訳（メタデータ） (2021-02-26T12:54:33Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)

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。