論文の概要: DK-SLAM: Monocular Visual SLAM with Deep Keypoints Adaptive Learning, Tracking and Loop-Closing

• arxiv url: http://arxiv.org/abs/2401.09160v1
• Date: Wed, 17 Jan 2024 12:08:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-18 16:01:55.264375
• Title: DK-SLAM: Monocular Visual SLAM with Deep Keypoints Adaptive Learning, Tracking and Loop-Closing
• Title（参考訳）: DK-SLAM: 適応学習,追跡,ループクローズ機能を備えた単眼視覚SLAM
• Authors: Hao Qu, Lilian Zhang, Jun Mao, Junbo Tie, Xiaofeng He, Xiaoping Hu, Yifei Shi, Changhao Chen
• Abstract要約: 適応的な深部局所特徴を持つ視覚的SLAMシステムであるDK-SLAMを提案する。 MAMLはこれらの特徴のトレーニングを最適化し、粗い特徴追跡手法を導入する。 オンライン学習バイナリ機能ベースのオンラインループクロージャモジュールは、シーケンス内のループノードを特定する。
• 参考スコア（独自算出の注目度）: 14.091675189495426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Unreliable feature extraction and matching in handcrafted features undermine the performance of visual SLAM in complex real-world scenarios. While learned local features, leveraging CNNs, demonstrate proficiency in capturing high-level information and excel in matching benchmarks, they encounter challenges in continuous motion scenes, resulting in poor generalization and impacting loop detection accuracy. To address these issues, we present DK-SLAM, a monocular visual SLAM system with adaptive deep local features. MAML optimizes the training of these features, and we introduce a coarse-to-fine feature tracking approach. Initially, a direct method approximates the relative pose between consecutive frames, followed by a feature matching method for refined pose estimation. To counter cumulative positioning errors, a novel online learning binary feature-based online loop closure module identifies loop nodes within a sequence. Experimental results underscore DK-SLAM's efficacy, outperforms representative SLAM solutions, such as ORB-SLAM3 on publicly available datasets.
• Abstract（参考訳）: 手作り機能における信頼できない特徴抽出とマッチングは、複雑な実世界のシナリオにおける視覚SLAMのパフォーマンスを損なう。 局所的な特徴を学習し、cnnを活用し、ハイレベルな情報をキャプチャする能力を示し、ベンチマークのマッチングに優れる一方で、連続的なモーションシーンにおける課題に遭遇し、一般化が悪く、ループ検出精度に影響を及ぼす。 これらの問題に対処するために,適応的な深部局所特徴を持つ単眼視覚SLAMシステムDK-SLAMを提案する。 MAMLはこれらの特徴のトレーニングを最適化し、粗い特徴追跡手法を導入する。 最初は、連続するフレーム間の相対的なポーズを近似し、続いて精巧なポーズ推定のための特徴マッチング手法を用いる。 累積位置決めエラーに対抗するために、新しいオンラインラーニングバイナリ機能ベースのオンラインループクロージャモジュールは、シーケンス内のループノードを識別する。 DK-SLAMの有効性を評価した結果、ORB-SLAM3のような代表的なSLAMソリューションを公開データセットで上回る結果となった。

関連論文リスト

• Self-Supervised Geometry-Guided Initialization for Robust Monocular Visual Odometry [9.79428015716139]
  本稿では,屋外ベンチマークにおける主要な障害事例を分析し,学習ベースSLAMモデル(DROID-SLAM)の欠点を明らかにする。 本研究では, 凍結した大規模単分子深度推定を利用して, 密集束調整過程を初期化する自己教師付き事前計算手法を提案する。 その単純さにもかかわらず,提案手法は, DDADベンチマークと同様に, KITTIオドメトリーの大幅な改善を示す。
  論文  参考訳（メタデータ） (2024-06-03T01:59:29Z)
• NGD-SLAM: Towards Real-Time Dynamic SLAM without GPU [4.959552873584984]
  本稿では,マスク予測機構を組み込んだオープンソースのリアルタイム動的SLAMシステムを提案する。 本システムは,ラップトップCPU上でのトラッキングフレームレート56FPSを実現しつつ,動的環境における高いローカライズ精度を維持している。
  論文  参考訳（メタデータ） (2024-05-12T23:00:53Z)
• LEAP-VO: Long-term Effective Any Point Tracking for Visual Odometry [52.131996528655094]
  本稿では,LEAP(Long-term Effective Any Point Tracking)モジュールについて述べる。 LEAPは、動的トラック推定のために、視覚的、トラック間、時間的キューと慎重に選択されたアンカーを革新的に組み合わせている。 これらの特徴に基づき,強靭な視力計測システムLEAP-VOを開発した。
  論文  参考訳（メタデータ） (2024-01-03T18:57:27Z)
• DNS SLAM: Dense Neural Semantic-Informed SLAM [92.39687553022605]
  DNS SLAMは、ハイブリッド表現を備えた新しいRGB-DセマンティックSLAMアプローチである。 本手法は画像に基づく特徴抽出と多視点幾何制約を統合し,外観の細部を改良する。 実験により, 合成データと実世界のデータ追跡の両面において, 最先端の性能が得られた。
  論文  参考訳（メタデータ） (2023-11-30T21:34:44Z)
• UncLe-SLAM: Uncertainty Learning for Dense Neural SLAM [60.575435353047304]
  我々は、高密度ニューラルネットワークの同時局所化とマッピング(SLAM)のための不確実性学習フレームワークを提案する。 本稿では,2次元入力データのみから自己教師付きで学習可能なセンサ不確実性推定のためのオンラインフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-19T16:26:25Z)
• Point-SLAM: Dense Neural Point Cloud-based SLAM [61.96492935210654]
  本稿では,モノクラーRGBD入力に対する高密度ニューラルネットワークの局所化とマッピング(SLAM)手法を提案する。 トラッキングとマッピングの両方が、同じポイントベースのニューラルシーン表現で実行可能であることを実証する。
  論文  参考訳（メタデータ） (2023-04-09T16:48:26Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• PLD-SLAM: A Real-Time Visual SLAM Using Points and Line Segments in Dynamic Scenes [0.0]
  本稿では,点と線の特徴を組み合わせたリアルタイムステレオ間接視覚SLAMシステム PLD-SLAMを提案する。 また,適切な選択と効率的なループ閉鎖検出を実現するため,グローバルグレー類似度(GGS)アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-22T07:40:00Z)
• LIFT-SLAM: a deep-learning feature-based monocular visual SLAM method [0.0]
  従来のジオメトリベースのVSLAMと深層学習に基づく特徴記述子の可能性を組み合わせることを提案する。 KITTIとEurocのデータセットを用いた実験では、ディープラーニングが従来のVSLAMシステムの性能向上に有効であることが示されている。
  論文  参考訳（メタデータ） (2021-03-31T20:35:10Z)
• DXSLAM: A Robust and Efficient Visual SLAM System with Deep Features [5.319556638040589]
  本稿では、深層畳み込みニューラルネットワーク(CNN)による特徴抽出を、現代のSLAMフレームワークにシームレスに組み込むことができることを示す。 提案システムでは,最新のCNNを用いて各画像フレーム内のキーポイントを検出し,キーポイント記述子だけでなく,全体像のグローバル記述子も提供する。
  論文  参考訳（メタデータ） (2020-08-12T16:14:46Z)
• Learning to Explore using Active Neural SLAM [99.42064696897533]
  この研究は、3D環境を探索するポリシーを学ぶためのモジュラーで階層的なアプローチを示す。 提案されたモデルはPointGoalタスクに簡単に移行することができ、CVPR 2019 Habitat PointGoal Navigation Challengeの勝者となった。
  論文  参考訳（メタデータ） (2020-04-10T17:57:29Z)

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。