Fugu-MT 論文翻訳(概要): The Invisible Map: Visual-Inertial SLAM with Fiducial Markers for Smartphone-based Indoor Navigation

論文の概要: The Invisible Map: Visual-Inertial SLAM with Fiducial Markers for Smartphone-based Indoor Navigation

arxiv url: http://arxiv.org/abs/2310.10862v1
Date: Mon, 16 Oct 2023 22:22:33 GMT
ステータス: 処理完了
システム内更新日: 2023-10-18 18:46:32.897218
Title: The Invisible Map: Visual-Inertial SLAM with Fiducial Markers for Smartphone-based Indoor Navigation
Title（参考訳）: Invisible Map:スマートフォンを用いた屋内ナビゲーションのためのフィデューシャルマーカー付きビジュアル慣性SLAM
Authors: Paul Ruvolo, Ayush Chakraborty, Rucha Dave, Richard Li, Duncan Mazza, Xierui Shen, Raiyan Siddique and Krishna Suresh
Abstract要約: グラフSLAMの例として3Dマッピング問題を定式化する。環境を通したランドマークと航行可能な経路の両方の位置を推測する。本結果は,正確な3次元地図作成能力を示すものである。
参考スコア（独自算出の注目度）: 4.55480419900404
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a system for creating building-scale, easily navigable 3D maps using mainstream smartphones. In our approach, we formulate the 3D-mapping problem as an instance of Graph SLAM and infer the position of both building landmarks (fiducial markers) and navigable paths through the environment (phone poses). Our results demonstrate the system's ability to create accurate 3D maps. Further, we highlight the importance of careful selection of mapping hyperparameters and provide a novel technique for tuning these hyperparameters to adapt our algorithm to new environments.
Abstract（参考訳）: 本稿では,メインストリームのスマートフォンを用いた3Dマップ作成システムを提案する。提案手法では,グラフSLAMの例として3次元マッピング問題を定式化し,ランドマーク(画像マーカー)とナビゲーション可能な環境(音声ポーズ)の両方の位置を推定する。本結果は,正確な3次元地図作成能力を示すものである。さらに,ハイパーパラメータを慎重に選択することの重要性を強調し,これらのハイパーパラメータを調整してアルゴリズムを新しい環境に適応させる手法を提案する。

関連論文リスト

MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements [59.70107451308687]
カメラ画像と慣性測定による地図表現に3Dガウスアンを用いることで、精度の高いSLAMが実現できることを示す。我々の手法であるMM3DGSは、より高速なスケール認識と軌道追跡の改善により、事前レンダリングの限界に対処する。また,カメラと慣性測定ユニットを備えた移動ロボットから収集したマルチモーダルデータセットUT-MMもリリースした。
論文参考訳（メタデータ） (2024-04-01T04:57:41Z)
GaussNav: Gaussian Splatting for Visual Navigation [92.13664084464514]
インスタンスイメージゴールナビゲーション(IIN)では、エージェントが探索されていない環境で、目標画像に描かれた特定のオブジェクトを見つける必要がある。我々のフレームワークは3次元ガウススプラッティングに基づく新しい地図表現を構築する(3DGS) 我々のフレームワークは、Habitat-Matterport 3D(HM3D)データセットに挑戦するPath Length(SPL)が0.252から0.578に重み付けしたSuccessの増加によって証明された、パフォーマンスの著しい飛躍を示す。
論文参考訳（メタデータ） (2024-03-18T09:56:48Z)
Neural Implicit Dense Semantic SLAM [83.04331351572277]
本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
論文参考訳（メタデータ） (2023-04-27T23:03:52Z)
Predicting Topological Maps for Visual Navigation in Unexplored Environments [28.30219170556201]
本研究では,未探索環境における自律探査とナビゲーションのためのロボット学習システムを提案する。本手法のコアとなるのは,目標に基づく視覚ナビゲーションを支援するために,確率的レイアウトグラフを構築し,予測し,使用するプロセスである。我々はMatterport3Dで我々のフレームワークをテストし、目に見えない環境でより成功し、効率的なナビゲーションを示す。
論文参考訳（メタデータ） (2022-11-23T00:53:11Z)
SHINE-Mapping: Large-Scale 3D Mapping Using Sparse Hierarchical Implicit Neural Representations [37.733802382489515]
本稿では, 3次元LiDAR計測を用いて, 暗示表現を用いた大規模3次元再構成を実現する際の課題について述べる。我々はオクツリーに基づく階層構造を通じて暗黙的な特徴を学習し、保存する。我々の3D再構成は、現在の最先端3Dマッピング法よりも正確で、完全で、メモリ効率が高いことを示す。
論文参考訳（メタデータ） (2022-10-05T14:38:49Z)
Vision-based Large-scale 3D Semantic Mapping for Autonomous Driving Applications [53.553924052102126]
ステレオカメラシステムのみに基づく3次元セマンティックマッピングのための完全なパイプラインを提案する。パイプラインは、直接視覚的オドメトリーのフロントエンドと、グローバルな時間統合のためのバックエンドで構成されている。本稿では,3次元点ラベルの品質と一貫性を向上する,単純だが効果的な投票方式を提案する。
論文参考訳（メタデータ） (2022-03-02T13:18:38Z)
Deep Virtual Markers for Articulated 3D Shapes [14.986945006208849]
本研究では,人間のような3次元調音モデルの3次元点を仮想マーカーラベルにマッピングするフレームワークを提案する。スパース畳み込みニューラルネットワークを採用し、明瞭なモデルの3Dポイントを仮想マーカーラベルに分類する。非剛性登録、テクスチャ転送、深度マップからのリアルタイム高密度マーカー予測などの仮想マーカーを用いた追加の応用を示す。
論文参考訳（メタデータ） (2021-08-20T04:55:23Z)
OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems [88.41004332322788]
超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
論文参考訳（メタデータ） (2020-03-18T05:52:10Z)
Visual Semantic SLAM with Landmarks for Large-Scale Outdoor Environment [47.96314050446863]
我々は,ORB SLAMの3DポイントクラウドとPSPNet-101のセマンティックセマンティックセグメンテーション情報を組み合わせて,大規模環境のセマンティック3Dマップを作成するシステムを構築した。実世界のランドマークとポイントクラウドマップを関連付ける方法を見つけ、セマンティックマップに基づいたトポロジマップを構築した。
論文参考訳（メタデータ） (2020-01-04T03:34:23Z)

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。