論文の概要: PAS-SLAM: A Visual SLAM System for Planar Ambiguous Scenes
- arxiv url: http://arxiv.org/abs/2402.06131v1
- Date: Fri, 9 Feb 2024 01:34:26 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-18 14:23:34.149860
- Title: PAS-SLAM: A Visual SLAM System for Planar Ambiguous Scenes
- Title（参考訳）: PAS-SLAM:平面曖昧なシーンのためのビジュアルSLAMシステム
- Authors: Xinggang Hu, Yanmin Wu, Mingyuan Zhao, Linghao Yang, Xiangkui Zhang,
Xiangyang Ji
- Abstract要約: 平面不明瞭なシーンを対象とした平面的特徴に基づく視覚的SLAMシステムを提案する。
本稿では,平面パラメータ,意味情報,投影IoU,非パラメトリックテストを組み合わせた統合データアソシエーション戦略を提案する。
最後に、カメラポーズ最適化のための多重制約係数グラフのセットを設計する。
- 参考スコア（独自算出の注目度）: 41.47703182059505
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Visual SLAM (Simultaneous Localization and Mapping) based on planar features
has found widespread applications in fields such as environmental structure
perception and augmented reality. However, current research faces challenges in
accurately localizing and mapping in planar ambiguous scenes, primarily due to
the poor accuracy of the employed planar features and data association methods.
In this paper, we propose a visual SLAM system based on planar features
designed for planar ambiguous scenes, encompassing planar processing, data
association, and multi-constraint factor graph optimization. We introduce a
planar processing strategy that integrates semantic information with planar
features, extracting the edges and vertices of planes to be utilized in tasks
such as plane selection, data association, and pose optimization. Next, we
present an integrated data association strategy that combines plane parameters,
semantic information, projection IoU (Intersection over Union), and
non-parametric tests, achieving accurate and robust plane data association in
planar ambiguous scenes. Finally, we design a set of multi-constraint factor
graphs for camera pose optimization. Qualitative and quantitative experiments
conducted on publicly available datasets demonstrate that our proposed system
competes effectively in both accuracy and robustness in terms of map
construction and camera localization compared to state-of-the-art methods.
- Abstract（参考訳）: 平面的特徴に基づく視覚SLAM(Simultaneous Localization and Mapping)は,環境構造認識や拡張現実といった分野に広く応用されている。
しかし、現在の研究は、主に採用されている平面的特徴とデータ関連付け方法の精度が低かったため、平面的曖昧なシーンにおける正確な局所化とマッピングの課題に直面している。
本稿では,平面的不明瞭な場面を対象とし,平面処理やデータアソシエーション,マルチ制約因子グラフ最適化などを含む平面的特徴に基づく視覚的SLAMシステムを提案する。
本稿では,意味情報を平面特徴と統合し,平面選択,データアソシエーション,ポーズ最適化などのタスクで活用すべき平面のエッジと頂点を抽出する平面処理戦略を提案する。
次に,平面パラメータ,意味情報,投影IoUと非パラメトリックテストを組み合わせた統合データアソシエーション戦略を提案し,平面不明瞭なシーンにおける高精度で堅牢な平面データアソシエーションを実現する。
最後に,カメラポーズ最適化のための複数制約因子グラフを設計する。
公開データセットを用いた定性的,定量的な実験により,提案システムでは,現状の手法と比較して,地図構築とカメラのローカライゼーションの両面において,精度とロバスト性の両方に効果的に競合することを示した。
関連論文リスト
- Planning as In-Painting: A Diffusion-Based Embodied Task Planning
Framework for Environments under Uncertainty [56.30846158280031]
具体的AIのためのタスクプランニングは、最も難しい問題の1つだ。
In-paintingとしての計画」というタスク非依存の手法を提案する。
提案するフレームワークは,様々な具体的AIタスクにおいて,有望なパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-02T10:07:17Z) - ShaRP: Shape-Regularized Multidimensional Projections [71.30697308446064]
本稿では,生成した散布板の視覚的シグネチャをユーザが明示的に制御できる新しいプロジェクション技術,ShaRPを提案する。
ShaRPは次元とデータセットサイズによく対応し、任意の定量的データセットを汎用的に処理する。
論文 参考訳（メタデータ） (2023-06-01T11:16:58Z) - PlanT: Explainable Planning Transformers via Object-Level
Representations [64.93938686101309]
PlanTは、自動運転のコンテキストにおける計画のための新しいアプローチである。
PlanTは、コンパクトなオブジェクトレベルの入力表現を持つ模倣学習に基づいている。
この結果から,PlanTは幾何学的に距離をおいても,現場で最も関連性の高い物体に焦点を合わせることが可能であることが示唆された。
論文 参考訳（メタデータ） (2022-10-25T17:59:46Z) - Structure PLP-SLAM: Efficient Sparse Mapping and Localization using
Point, Line and Plane for Monocular, RGB-D and Stereo Cameras [13.693353009049773]
本稿では,PPRモジュールを組み込んだ高機能カメラローカライゼーションを実現するために,ポイント・ライン・クラウドを用いた視界SLAMシステムを提案する。
再構成された線や平面上での複数の実行時最適化を提案することにより,幾何的プリミティブをスケールのあいまいさで再構築するという課題に対処する。
その結果,提案したSLAMはセマンティック機能をしっかりと組み込んで,トラッキングとバックエンドの最適化を強化していることがわかった。
論文 参考訳（メタデータ） (2022-07-13T09:05:35Z) - VIP-SLAM: An Efficient Tightly-Coupled RGB-D Visual Inertial Planar SLAM [25.681256050571058]
本稿では,RGB,Depth,IMU,構造化平面情報とを融合した密結合SLAMシステムを提案する。
我々は、最適化において多数の平面点のパラメータを除去するために、ホモグラフィ制約を用いる。
グローバルバンドル調整はスパースポイントベースのSLAMアルゴリズムの約2倍高速である。
論文 参考訳（メタデータ） (2022-07-04T01:45:24Z) - Differentiable Spatial Planning using Transformers [87.90709874369192]
本研究では、長距離空間依存を計画して行動を生成する障害マップを与えられた空間計画変換器(SPT)を提案する。
エージェントが地上の真理マップを知らない環境では、エンド・ツー・エンドのフレームワークで事前訓練されたSPTを利用する。
SPTは、操作タスクとナビゲーションタスクの両方のすべてのセットアップにおいて、最先端の差別化可能なプランナーよりも優れています。
論文 参考訳（メタデータ） (2021-12-02T06:48:16Z) - Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction [11.215334675788952]
本稿では,インスタンス平面セグメンテーションネットワークからのキューを用いたポーズ推定とマッピングを改善する意味平面SLAMシステムを提案する。
メインストリームのアプローチはRGB-Dセンサーを使用するが、そのようなシステムを備えた単眼カメラを使うことは、ロバストデータアソシエーションや正確な幾何モデルフィッティングといった課題に直面している。
論文 参考訳（メタデータ） (2021-08-09T18:16:08Z) - Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。
Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。
1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
論文 参考訳（メタデータ） (2020-05-07T17:52:23Z)
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。
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。