論文の概要: Loopy-SLAM: Dense Neural SLAM with Loop Closures
- arxiv url: http://arxiv.org/abs/2402.09944v1
- Date: Wed, 14 Feb 2024 18:18:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-16 15:37:39.000813
- Title: Loopy-SLAM: Dense Neural SLAM with Loop Closures
- Title(参考訳): Loopy-SLAM:ループクロージャ付き高密度ニューラルネットワークSLAM
- Authors: Lorenzo Liso, Erik Sandstr\"om, Vladimir Yugay, Luc Van Gool, Martin
R. Oswald
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 56.00799739701623
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Neural RGBD SLAM techniques have shown promise in dense Simultaneous
Localization And Mapping (SLAM), yet face challenges such as error accumulation
during camera tracking resulting in distorted maps. In response, we introduce
Loopy-SLAM that globally optimizes poses and the dense 3D model. We use
frame-to-model tracking using a data-driven point-based submap generation
method and trigger loop closures online by performing global place recognition.
Robust pose graph optimization is used to rigidly align the local submaps. As
our representation is point based, map corrections can be performed efficiently
without the need to store the entire history of input frames used for mapping
as typically required by methods employing a grid based mapping structure.
Evaluation on the synthetic Replica and real-world TUM-RGBD and ScanNet
datasets demonstrate competitive or superior performance in tracking, mapping,
and rendering accuracy when compared to existing dense neural RGBD SLAM
methods. Project page: notchla.github.io/Loopy-SLAM.
- Abstract(参考訳): ニューラルrgbdスラム技術は、密集した同時ローカライゼーションとマッピング(slam)において有望であるが、カメラトラッキング中にエラーが蓄積し、歪んだマップが発生するなどの課題に直面している。
これに対し,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。
データ駆動型ポイントベースサブマップ生成法とトリガーループクロージャを用いたフレーム・ツー・モデルトラッキングを用いて,グローバル位置認識を行う。
ロバストポーズグラフ最適化は局所部分写像を厳密に整列するために用いられる。
我々の表現はポイントベースであるため、グリッドベースのマッピング構造を用いる手法で一般的に必要とされるマッピングに使用される入力フレームの履歴全体を格納することなく、マップの修正を効率的に行うことができる。
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。
プロジェクトページ: notchla.github.io/Loopy-SLAM
関連論文リスト
- PIN-SLAM: LiDAR SLAM Using a Point-Based Implicit Neural Representation
for Achieving Global Map Consistency [30.5868776990673]
PIN-SLAMは、弾性的かつコンパクトな点ベースの暗黙的ニューラルマップ表現に基づいて、一貫した一貫したマップを構築するシステムである。
我々の暗黙の地図は、ループを閉じる際の大域的なポーズ調整とともに、本質的に弾性で変形可能なスパース最適化可能なニューラルポイントに基づいている。
PIN-SLAMは、最先端のLiDARオドメトリーやSLAMシステムと同等のポーズ推定精度を達成する。
論文 参考訳(メタデータ) (2024-01-17T10:06:12Z) - 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) - GS-SLAM: Dense Visual SLAM with 3D Gaussian Splatting [54.56928482110888]
本稿では,まず3次元ガウス表現を同時局所化・マッピングシステムで利用するtextbfGS-SLAM$を紹介する。
提案手法では,地図の最適化とRGB-D再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) - HI-SLAM: Monocular Real-time Dense Mapping with Hybrid Implicit Fields [11.627951040865568]
最近のニューラルマッピングフレームワークは有望な結果を示しているが、RGB-Dやポーズ入力に依存している。
我々のアプローチは、高密度SLAMとニューラル暗黙の場を統合する。
ニューラルネットワークの効率的な構築には,マルチレゾリューショングリッド符号化と符号付き距離関数を用いる。
論文 参考訳(メタデータ) (2023-10-07T12:26:56Z) - Volumetric Semantically Consistent 3D Panoptic Mapping [84.2638617094967]
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) - GO-SLAM: Global Optimization for Consistent 3D Instant Reconstruction [45.49960166785063]
GO-SLAMは、リアルタイムでポーズと3D再構成をグローバルに最適化するディープラーニングベースの高密度ビジュアルSLAMフレームワークである。
さまざまな合成および実世界のデータセットの結果から、GO-SLAMはロバスト性や復元精度の追跡において最先端のアプローチよりも優れていることが示されている。
論文 参考訳(メタデータ) (2023-09-05T17:59:58Z) - 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) - 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) - TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view
Stereo [55.30992853477754]
本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。
ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。
TANDEMは最先端のリアルタイム3D再構成性能を示す。
論文 参考訳(メタデータ) (2021-11-14T19:01:02Z)
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。