論文の概要: GV-Bench: Benchmarking Local Feature Matching for Geometric Verification of Long-term Loop Closure Detection

• arxiv url: http://arxiv.org/abs/2407.11736v1
• Date: Tue, 16 Jul 2024 14:05:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-17 14:52:24.929147
• Title: GV-Bench: Benchmarking Local Feature Matching for Geometric Verification of Long-term Loop Closure Detection
• Title（参考訳）: GV-Bench:長期ループクロージャ検出の幾何学的検証のための局所特徴マッチングベンチマーク
• Authors: Jingwen Yu, Hanjing Ye, Jianhao Jiao, Ping Tan, Hong Zhang,
• Abstract要約: ループクロージャは軌道推定における正しいドリフトを補正し、グローバルに一貫したマップを構築する。 偽ループ閉鎖は致命的であり、堅牢性を保証するための追加のステップとして検証が必要である。 本稿では,長期条件下でのループ閉鎖検出の幾何的検証を対象とする統一ベンチマークを提案する。
• 参考スコア（独自算出の注目度）: 32.54601978758081
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual loop closure detection is an important module in visual simultaneous localization and mapping (SLAM), which associates current camera observation with previously visited places. Loop closures correct drifts in trajectory estimation to build a globally consistent map. However, a false loop closure can be fatal, so verification is required as an additional step to ensure robustness by rejecting the false positive loops. Geometric verification has been a well-acknowledged solution that leverages spatial clues provided by local feature matching to find true positives. Existing feature matching methods focus on homography and pose estimation in long-term visual localization, lacking references for geometric verification. To fill the gap, this paper proposes a unified benchmark targeting geometric verification of loop closure detection under long-term conditional variations. Furthermore, we evaluate six representative local feature matching methods (handcrafted and learning-based) under the benchmark, with in-depth analysis for limitations and future directions.
• Abstract（参考訳）: 視覚ループクロージャ検出は、現在のカメラ観測と以前に訪れた場所を関連付ける視覚的同時位置決めとマッピング(SLAM)において重要なモジュールである。 ループクロージャは軌道推定における正しいドリフトを補正し、グローバルに一貫したマップを構築する。 しかし、偽ループ閉鎖は致命的であり、偽正ループを拒絶することで堅牢性を確保するための追加のステップとして検証が必要である。 幾何学的検証は、局所的特徴マッチングによって提供される空間的手がかりを利用して真の正を求める、よく認識された解である。 既存の特徴マッチング手法では、ホログラフィーとポーズ推定に焦点が当てられ、幾何的検証の基準が欠如している。 このギャップを埋めるために,長期条件下でのループ閉鎖検出の幾何的検証を目標とした統一ベンチマークを提案する。 さらに,6つの局所的特徴マッチング手法(手作り・学習ベース)をベンチマークで評価し,制約や今後の方向性を詳細に分析した。

関連論文リスト

• CLIP-Clique: Graph-based Correspondence Matching Augmented by Vision Language Models for Object-based Global Localization [0.0]
  オブジェクトマップ上のローカライズのための最も有望なアプローチの1つは、セマンティックグラフマッチングを使用することである。 従来の問題に対処するために、視覚言語モデルを用いた対応マッチングを強化する。 さらに、inlierはグラフ理論のアプローチを用いて決定的に推定される。
  論文  参考訳（メタデータ） (2024-10-04T00:23:20Z)
• Memory Management for Real-Time Appearance-Based Loop Closure Detection [1.1279808969568252]
  本稿では,大規模・長期SLAMのための新しいリアルタイムループ閉鎖検出手法を提案する。 本手法は,各観測時間を一定時間内に保持するメモリ管理手法に基づく。
  論文  参考訳（メタデータ） (2024-07-22T00:24:12Z)
• Unsupervised Landmark Discovery Using Consistency Guided Bottleneck [63.624186864522315]
  画像再構成に基づくパイプラインに一貫性のあるボトルネックを導入する。 本稿では,画像間のランドマーク対応を形成することによって,擬似スーパービジョンを得る手法を提案する。 この一貫性は、アダプティブ・ヒートマップの生成において発見されたランドマークの不確かさを変調する。
  論文  参考訳（メタデータ） (2023-09-19T10:57:53Z)
• Towards View-invariant and Accurate Loop Detection Based on Scene Graph [33.68204049028845]
  ループ検出は、蓄積されたポーズドリフトを補正することで視覚SLAMにおいて重要な役割を果たす。 現在のセマンティック支援ループ検出手法は、あいまいなセマンティックインスタンスと劇的な視点差を扱う際の課題に直面している。 本稿では,段階的に生成されたシーングラフに基づく新しいループ検出手法を提案する。
  論文  参考訳（メタデータ） (2023-05-24T08:34:43Z)
• Rethinking Spatial Invariance of Convolutional Networks for Object Counting [119.83017534355842]
  局所連結ガウス核を用いて元の畳み込みフィルタを置き換え、密度写像の空間位置を推定する。 従来の研究から着想を得て,大規模なガウス畳み込みの近似を好意的に実装するために,翻訳不変性を伴う低ランク近似を提案する。 提案手法は,他の最先端手法を著しく上回り,物体の空間的位置の有望な学習を実現する。
  論文  参考訳（メタデータ） (2022-06-10T17:51:25Z)
• 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)
• Automatic Vocabulary and Graph Verification for Accurate Loop Closure Detection [21.862978912891677]
  Bag-of-Words (BoW)は、機能と関連付け、ループを検出する視覚語彙を構築する。 本稿では,ノードの半径と特徴記述子のドリフトを比較することで,自然な収束基準を提案する。 本稿では,候補ループの検証のための新しいトポロジカルグラフ検証手法を提案する。
  論文  参考訳（メタデータ） (2021-07-30T13:19:33Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• 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)
• Scope Head for Accurate Localization in Object Detection [135.9979405835606]
  本研究では,各位置のアンカーを相互依存関係としてモデル化したScopeNetと呼ばれる新しい検出器を提案する。 我々の簡潔で効果的な設計により、提案したScopeNetはCOCOの最先端の成果を達成する。
  論文  参考訳（メタデータ） (2020-05-11T04:00:09Z)

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。