論文の概要: SLAM for Indoor Mapping of Wide Area Construction Environments

• arxiv url: http://arxiv.org/abs/2404.17215v1
• Date: Fri, 26 Apr 2024 07:42:20 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-29 13:44:15.356721
• Title: SLAM for Indoor Mapping of Wide Area Construction Environments
• Title（参考訳）: 広域建設環境の屋内マッピングのためのSLAM
• Authors: Vincent Ress, Wei Zhang, David Skuddis, Norbert Haala, Uwe Soergel,
• Abstract要約: 工場のホールや建設現場のような複雑な環境でのデータ収集を目的とした大規模アプリケーションが実現可能になっている。 本研究では,4台のステレオカメラと3Dレーザースキャナを備えたロボットシステムによる大規模工場ホールにおけるデータ収集を実現する。 そこで我々は,現在最先端のLiDARと視覚SLAMを応用し,これらの環境における軌跡推定と高密度マップ生成のための異なるセンサタイプの長所と短所について検討する。
• 参考スコア（独自算出の注目度）: 3.4493887433886687
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Simultaneous localization and mapping (SLAM), i.e., the reconstruction of the environment represented by a (3D) map and the concurrent pose estimation, has made astonishing progress. Meanwhile, large scale applications aiming at the data collection in complex environments like factory halls or construction sites are becoming feasible. However, in contrast to small scale scenarios with building interiors separated to single rooms, shop floors or construction areas require measures at larger distances in potentially texture less areas under difficult illumination. Pose estimation is further aggravated since no GNSS measures are available as it is usual for such indoor applications. In our work, we realize data collection in a large factory hall by a robot system equipped with four stereo cameras as well as a 3D laser scanner. We apply our state-of-the-art LiDAR and visual SLAM approaches and discuss the respective pros and cons of the different sensor types for trajectory estimation and dense map generation in such an environment. Additionally, dense and accurate depth maps are generated by 3D Gaussian splatting, which we plan to use in the context of our project aiming on the automatic construction and site monitoring.
• Abstract（参考訳）: 同時局所化とマッピング(SLAM)、すなわち3Dマップで表される環境の再構築と同時ポーズ推定は驚くべき進歩を遂げた。 一方,工場や建設現場などの複雑な環境下でのデータ収集を目的とした大規模アプリケーションが実現可能になっている。 しかし、建物内部を1つの部屋、店の床、あるいは建設現場に分けた小規模なシナリオとは対照的に、照明の難易度が低い場合、より広い距離での測度を必要とする。 GNSS測度は通常の屋内応用のため利用できないため、ポース推定はさらに増大する。 本研究では,4台のステレオカメラと3Dレーザースキャナを備えたロボットシステムによる大規模工場ホールにおけるデータ収集を実現する。 そこで我々は,現在最先端のLiDARと視覚SLAMを応用し,これらの環境における軌跡推定と高密度マップ生成のための異なるセンサタイプの長所と短所について検討する。 さらに,3次元ガウススプラッティングにより高密度かつ高精度な深度マップが生成される。

関連論文リスト

• Towards Localizing Structural Elements: Merging Geometrical Detection with Semantic Verification in RGB-D Data [0.0]
  本稿では, 壁面や地表面などの構造成分を局所化するための実時間パイプラインについて, 純三次元平面検出のための幾何計算を統合した。 並列なマルチスレッドアーキテクチャを持ち、環境中で検出されたすべての平面のポーズと方程式を正確に推定し、汎視的セグメンテーション検証を用いて地図構造を形成するものをフィルタリングし、検証された構成部品のみを保持する。 また、検出されたコンポーネントを統一された3次元シーングラフに(再)関連付けることで、幾何学的精度と意味的理解のギャップを埋めることもできる。
  論文  参考訳（メタデータ） (2024-09-10T16:28:09Z)
• Mixed Diffusion for 3D Indoor Scene Synthesis [55.94569112629208]
  混合離散連続拡散モデルアーキテクチャであるMiDiffusionを提案する。 シーンレイアウトを2次元のフロアプランとオブジェクトの集合で表現し、それぞれがそのカテゴリ、場所、サイズ、方向で定義する。 実験により,MiDiffusionは床条件下での3次元シーン合成において,最先端の自己回帰モデルや拡散モデルよりもかなり優れていることが示された。
  論文  参考訳（メタデータ） (2024-05-31T17:54:52Z)
• 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)
• 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)
• BS3D: Building-scale 3D Reconstruction from RGB-D Images [25.604775584883413]
  本稿では,消費者向け深度カメラを用いた大規模3次元再構築のための使い易いフレームワークを提案する。 複雑で高価な買収設定とは異なり、当社のシステムはクラウドソーシングを可能にする。
  論文  参考訳（メタデータ） (2023-01-03T11:46:14Z)
• Floorplan-Aware Camera Poses Refinement [2.294014185517203]
  フロアプランは空間情報の有用な情報源であり、3次元モデルの最適化を導くことができる。 本稿では,シーン構造に関する事前知識をフロアプラン形式で活用する,従来のBAを拡張した新しい最適化アルゴリズムを提案する。 レッドウッドデータセットと自己キャプチャーデータを用いた実験により,フロアプランの利用により3次元再構成の精度が向上することが示された。
  論文  参考訳（メタデータ） (2022-10-10T11:24:10Z)
• Semi-Perspective Decoupled Heatmaps for 3D Robot Pose Estimation from Depth Maps [66.24554680709417]
  協調環境における労働者とロボットの正確な3D位置を知ることは、いくつかの実際のアプリケーションを可能にする。 本研究では、深度デバイスと深度ニューラルネットワークに基づく非侵襲的なフレームワークを提案し、外部カメラからロボットの3次元ポーズを推定する。
  論文  参考訳（メタデータ） (2022-07-06T08:52:12Z)
• Walk2Map: Extracting Floor Plans from Indoor Walk Trajectories [23.314557741879664]
  室内を歩く人の軌跡からフロアプランを生成するデータ駆動型アプローチであるWalk2Mapを紹介します。 データ駆動慣性オドメトリーの進歩により、そのような最小限の入力データは、コンシューマレベルのスマートフォンのIMU読み取りから得ることができる。 スキャンした3d屋内モデルを用いてネットワークをトレーニングし、屋内歩行軌跡にカスケードな方法で適用する。
  論文  参考訳（メタデータ） (2021-02-27T16:29:09Z)
• Deep Continuous Fusion for Multi-Sensor 3D Object Detection [103.5060007382646]
  本稿では,LIDARとカメラを併用して高精度な位置検出を実現する3Dオブジェクト検出器を提案する。 我々は,連続畳み込みを利用して画像とlidar特徴マップを異なるレベルの解像度で融合する,エンドツーエンド学習可能なアーキテクチャを設計した。
  論文  参考訳（メタデータ） (2020-12-20T18:43:41Z)
• 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)

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。