論文の概要: Motion-Bias-Free Feature-Based SLAM

• arxiv url: http://arxiv.org/abs/2309.06792v1
• Date: Wed, 13 Sep 2023 08:27:24 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 15:00:22.422039
• Title: Motion-Bias-Free Feature-Based SLAM
• Title（参考訳）: モーションバイアスフリー特徴ベースSLAM
• Authors: Alejandro Fontan, Javier Civera, Michael Milford
• Abstract要約: 我々は,同じ経路の前後方向の軌道推定値の整合性は,最先端の課題であることを示した。 現在のパイプラインは、進行方向と逆方向の間に有意な偏りを示しており、またどの方向がより良い性能を示すかにも矛盾がある。 我々は,ORB-SLAM2で実施したコントリビューションにより,前方運動と後方運動の偏りが著しく低減され,さらに累積軌道誤差も改善されたことを示す。
• 参考スコア（独自算出の注目度）: 72.5624386710243
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: For SLAM to be safely deployed in unstructured real world environments, it must possess several key properties that are not encompassed by conventional benchmarks. In this paper we show that SLAM commutativity, that is, consistency in trajectory estimates on forward and reverse traverses of the same route, is a significant issue for the state of the art. Current pipelines show a significant bias between forward and reverse directions of travel, that is in addition inconsistent regarding which direction of travel exhibits better performance. In this paper we propose several contributions to feature-based SLAM pipelines that remedies the motion bias problem. In a comprehensive evaluation across four datasets, we show that our contributions implemented in ORB-SLAM2 substantially reduce the bias between forward and backward motion and additionally improve the aggregated trajectory error. Removing the SLAM motion bias has significant relevance for the wide range of robotics and computer vision applications where performance consistency is important.
• Abstract（参考訳）: SLAMが非構造化の現実世界環境に安全にデプロイされるためには、従来のベンチマークには含まれないいくつかの重要な特性を持つ必要がある。 本稿では、SLAMの可換性、すなわち、同じ経路の前後方向と逆方向における軌道推定の整合性が、最先端の課題であることを示す。 現在のパイプラインは、進行方向と逆方向の間に有意な偏りを示し、またどの方向がより良い性能を示すかについても矛盾する。 本稿では,動作バイアス問題を解決する機能ベースのslamパイプラインに対するいくつかの貢献を提案する。 ORB-SLAM2で実施したコントリビューションは, 前方運動と後方運動のバイアスを著しく低減し, また, 累積軌道誤差も改善した。 SLAMの動作バイアスを除去することは、パフォーマンスの整合性が重要である幅広いロボティクスやコンピュータビジョンアプリケーションに重要な意味を持つ。

関連論文リスト

• RopeTP: Global Human Motion Recovery via Integrating Robust Pose Estimation with Diffusion Trajectory Prior [10.093695199050071]
  RopeTPは,ロバストポーズ推定と拡散軌道を組み合わせた新しいフレームワークである。 RopeTPは2つのベンチマークデータセットの現在のメソッドを上回っている。
  論文  参考訳（メタデータ） (2024-10-27T07:19:39Z)
• FlowIE: Efficient Image Enhancement via Rectified Flow [71.6345505427213]
  FlowIEはフローベースのフレームワークであり、基本的な分布から高品質な画像への直線パスを推定する。 私たちのコントリビューションは、合成および実世界のデータセットに関する包括的な実験を通じて、厳密に検証されています。
  論文  参考訳（メタデータ） (2024-06-01T17:29:29Z)
• Two-step dynamic obstacle avoidance [0.0]
  本稿では、教師付きおよび強化学習(RL)を組み合わせることにより、動的障害物回避(DOA)タスクを扱うための2段階アーキテクチャを提案する。 最初のステップでは、リカレントニューラルネットワークを用いて障害物の衝突リスク(CR)を推定するデータ駆動アプローチを導入する。 第2ステップでは、これらのCR推定値をRLエージェントの観察空間に含め、その状況意識を高める。
  論文  参考訳（メタデータ） (2023-11-28T14:55:50Z)
• STGlow: A Flow-based Generative Framework with Dual Graphormer for Pedestrian Trajectory Prediction [22.553356096143734]
  歩行者軌跡予測(STGlow)のための二重グラフマーを用いた新しい生成フローベースフレームワークを提案する。 本手法は,動作の正確なログライクな振る舞いを最適化することにより,基礎となるデータ分布をより正確にモデル化することができる。 いくつかのベンチマークによる実験結果から,本手法は従来の最先端手法に比べて性能が向上することが示された。
  論文  参考訳（メタデータ） (2022-11-21T07:29:24Z)
• D2-TPred: Discontinuous Dependency for Trajectory Prediction under Traffic Lights [68.76631399516823]
  本稿では,空間的動的相互作用グラフ(SDG)と行動依存グラフ(BDG)を用いて,交通信号に対する軌道予測手法D2-TPredを提案する。 実験の結果,VTP-TLではADEとFDEでそれぞれ20.45%,20.78%以上を達成できた。
  論文  参考訳（メタデータ） (2022-07-21T10:19:07Z)
• Motion Deblurring with Real Events [50.441934496692376]
  本稿では,イベントベースの動作を自己教師型で記述するエンド・ツー・エンドの学習フレームワークを提案する。 実世界のイベントは、データ不整合によるパフォーマンス劣化を軽減するために利用される。
  論文  参考訳（メタデータ） (2021-09-28T13:11:44Z)
• Deep Motion Prior for Weakly-Supervised Temporal Action Localization [35.25323276744999]
  Weakly-Supervised Temporal Action Localization (WSTAL) は、ビデオレベルのラベルだけで、未トリミングビデオ内のアクションをローカライズすることを目的としている。 現在、最先端のWSTALメソッドのほとんどは、Multi-Instance Learning (MIL)パイプラインに従っています。 既存の手法では,1)動作情報の不十分な使用,2)広汎なクロスエントロピートレーニング損失の相容れない2つの重要な欠点が指摘されている。
  論文  参考訳（メタデータ） (2021-08-12T08:51:36Z)
• SGCN:Sparse Graph Convolution Network for Pedestrian Trajectory Prediction [64.16212996247943]
  歩行者軌道予測のためのスパースグラフ畳み込みネットワーク(SGCN)を提案する。 具体的には、SGCNはスパース指向の相互作用をスパース指向の空間グラフと明確にモデル化し、適応的な相互作用歩行者を捉える。 可視化は,歩行者の適応的相互作用とその運動特性を捉えることができることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:17:42Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。