論文の概要: DUFOMap: Efficient Dynamic Awareness Mapping

• arxiv url: http://arxiv.org/abs/2403.01449v2
• Date: Fri, 12 Apr 2024 08:40:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-15 17:23:29.224109
• Title: DUFOMap: Efficient Dynamic Awareness Mapping
• Title（参考訳）: DUFOMap: 効率的なダイナミックアウェアネスマッピング
• Authors: Daniel Duberg, Qingwen Zhang, MingKai Jia, Patric Jensfelt,
• Abstract要約: 現実世界のダイナミックな性質は、ロボット工学における大きな課題の1つだ。 現在のソリューションは後処理によく適用され、パラメータチューニングによって特定のデータセットの設定を調整することができる。 本研究では,効率的なオンライン処理を目的とした動的認識マッピングフレームワークであるDUFOMapを提案する。
• 参考スコア（独自算出の注目度）: 3.3580006471376205
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The dynamic nature of the real world is one of the main challenges in robotics. The first step in dealing with it is to detect which parts of the world are dynamic. A typical benchmark task is to create a map that contains only the static part of the world to support, for example, localization and planning. Current solutions are often applied in post-processing, where parameter tuning allows the user to adjust the setting for a specific dataset. In this paper, we propose DUFOMap, a novel dynamic awareness mapping framework designed for efficient online processing. Despite having the same parameter settings for all scenarios, it performs better or is on par with state-of-the-art methods. Ray casting is utilized to identify and classify fully observed empty regions. Since these regions have been observed empty, it follows that anything inside them at another time must be dynamic. Evaluation is carried out in various scenarios, including outdoor environments in KITTI and Argoverse 2, open areas on the KTH campus, and with different sensor types. DUFOMap outperforms the state of the art in terms of accuracy and computational efficiency. The source code, benchmarks, and links to the datasets utilized are provided. See https://kth-rpl.github.io/dufomap for more details.
• Abstract（参考訳）: 現実世界のダイナミックな性質は、ロボット工学における大きな課題の1つだ。 それを扱う最初のステップは、世界のどの部分がダイナミックかを検出することです。 典型的なベンチマークタスクは、例えばローカライゼーションとプランニングをサポートする、世界の静的部分のみを含むマップを作成することである。 現在のソリューションは後処理によく適用され、パラメータチューニングによって特定のデータセットの設定を調整することができる。 本稿では,効率的なオンライン処理を目的とした動的認識マッピングフレームワークであるDUFOMapを提案する。 すべてのシナリオで同じパラメータ設定を持つにもかかわらず、パフォーマンスは向上し、最先端のメソッドと同等である。 レイキャスティングは、完全に観察された空の領域を識別し分類するために用いられる。 これらの領域は空で観測されているため、その中の任意の領域は動的でなければならない。 KITTIとArgoverse 2の屋外環境やKTHキャンパスのオープンエリア,センサタイプなど,さまざまなシナリオで評価が行われている。 DUFOMapは精度と計算効率の点で最先端の性能を誇っている。 使用したデータセットのソースコード、ベンチマーク、リンクが提供される。 詳細はhttps://kth-rpl.github.io/dufomapを参照。

関連論文リスト

• BeautyMap: Binary-Encoded Adaptable Ground Matrix for Dynamic Points Removal in Global Maps [15.124066060292593]
  既存の動的除去法では、計算効率と精度のバランスが取れない。 高忠実度グローバルマップの静的な特徴を維持しつつ,動的ポイントを効率的に除去するために,BeautyMapを提案する。 本手法では, 環境特徴を効率的に抽出するために, バイナリ符号化行列を用いる。
  論文  参考訳（メタデータ） (2024-05-12T13:48:18Z)
• 3D LiDAR Mapping in Dynamic Environments Using a 4D Implicit Neural Representation [33.92758288570465]
  正確な地図の構築は、自動運転車の信頼性の高いローカライゼーション、計画、ナビゲーションを可能にする重要なビルディングブロックである。 我々は、4Dシーンを新しい暗黙的ニューラルマップ表現に符号化する。 提案手法は, 高精度で完全な3次元地図を再構成しながら, 入力点雲の動的部分を除去することができる。
  論文  参考訳（メタデータ） (2024-05-06T11:46:04Z)
• PRISM-TopoMap: Online Topological Mapping with Place Recognition and Scan Matching [42.74395278382559]
  本稿では,局所的な位置のグラフを保持するトポロジカルマッピング手法であるPRISM-TopoMapを紹介する。 提案手法は,ローカライゼーションとループ閉鎖のためのスキャンマッチングパイプラインと組み合わせた学習可能なマルチモーダル位置認識を含む。 提案手法の広範な実験的評価を,写真実写環境および実ロボット上で行った。
  論文  参考訳（メタデータ） (2024-04-02T06:25:16Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
  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。
  論文  参考訳（メタデータ） (2024-02-14T18:18:32Z)
• Towards Real-World Visual Tracking with Temporal Contexts [64.7981374129495]
  時間的文脈を効率的に活用できる2段階フレームワーク(TCTrack)を提案する。 これに基づいて、現実世界の視覚的トラッキング、すなわちTCTrack++のためのより強力なバージョンを提案する。 特徴抽出のために,空間的特徴を高めるために注意に基づく時間適応的畳み込みを提案する。 類似性マップの改良のために,時間的知識を効率的に符号化する適応型時間的変換器を導入する。
  論文  参考訳（メタデータ） (2023-08-20T17:59:40Z)
• 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)
• Neural Map Prior for Autonomous Driving [17.198729798817094]
  高精細(HD)セマンティックマップは、自動運転車が都市環境をナビゲートするために不可欠である。 オフラインのHDマップを作成する従来の方法には、労働集約的な手動アノテーションプロセスが含まれる。 近年,オンラインセンサを用いた局所地図作成手法が提案されている。 本研究では,グローバルマップのニューラル表現であるニューラルマッププライオリティ(NMP)を提案する。
  論文  参考訳（メタデータ） (2023-04-17T17:58:40Z)
• Weakly-Supervised Multi-Granularity Map Learning for Vision-and-Language Navigation [87.52136927091712]
  我々は,ロボットエージェントが言語指導によって記述された経路をたどって,環境の中をナビゲートするよう訓練する,現実的かつ困難な問題に対処する。 高精度かつ効率的なナビゲーションを実現するためには,環境オブジェクトの空間的位置と意味情報の両方を正確に表現した地図を構築することが重要である。 より包括的にオブジェクトを表現するために,オブジェクトの細粒度(色,テクスチャなど)とセマンティッククラスの両方を含む多粒度マップを提案する。
  論文  参考訳（メタデータ） (2022-10-14T04:23:27Z)
• MAOMaps: A Photo-Realistic Benchmark For vSLAM and Map Merging Quality Assessment [0.0]
  本稿では,視覚に基づく同時ローカライゼーションとマッピング(vSLAM)とマップマージアルゴリズムの品質を定量的に評価することを目的とした,新しいベンチマークを提案する。 データセットはフォトリアリスティックで、ローカライゼーションとマップグラウンドの真理データの両方を提供する。 vSLAMで構築した地図と地上の地図を比較するために、SLAMコンテキストを考慮に入れた、それらの間の対応を見つける新しい方法を導入する。
  論文  参考訳（メタデータ） (2021-05-31T14:30:36Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。