論文の概要: Appearance-Based Loop Closure Detection for Online Large-Scale and Long-Term Operation

• arxiv url: http://arxiv.org/abs/2407.15304v1
• Date: Mon, 22 Jul 2024 00:13:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-23 16:30:24.193388
• Title: Appearance-Based Loop Closure Detection for Online Large-Scale and Long-Term Operation
• Title（参考訳）: オンライン大規模・長期運用のための出現型ループクロージャ検出
• Authors: Mathieu Labbé, François Michaud,
• Abstract要約: 外見に基づくローカライゼーションとマッピングでは、ループクロージャ検出(ループクロージャ検出)は、現在の観測が以前に訪れた場所や新しい場所から来ている場合、その検出に使用されるプロセスである。 本稿では,大規模・長期運用におけるオンラインループ閉鎖検出手法を提案する。
• 参考スコア（独自算出の注目度）: 1.1279808969568252
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In appearance-based localization and mapping, loop closure detection is the process used to determinate if the current observation comes from a previously visited location or a new one. As the size of the internal map increases, so does the time required to compare new observations with all stored locations, eventually limiting online processing. This paper presents an online loop closure detection approach for large-scale and long-term operation. The approach is based on a memory management method, which limits the number of locations used for loop closure detection so that the computation time remains under real-time constraints. The idea consists of keeping the most recent and frequently observed locations in a Working Memory (WM) used for loop closure detection, and transferring the others into a Long-Term Memory (LTM). When a match is found between the current location and one stored in WM, associated locations stored in LTM can be updated and remembered for additional loop closure detections. Results demonstrate the approach's adaptability and scalability using ten standard data sets from other appearance-based loop closure approaches, one custom data set using real images taken over a 2 km loop of our university campus, and one custom data set (7 hours) using virtual images from the racing video game ``Need for Speed: Most Wanted''.
• Abstract（参考訳）: 外見に基づくローカライゼーションとマッピングでは、ループクロージャ検出(ループクロージャ検出)は、現在の観測が以前に訪れた場所や新しい場所から来ている場合、その検出に使用されるプロセスである。 内部マップのサイズが大きくなるにつれて、新しい観測をすべての保存された場所と比較するのに要する時間も増加し、最終的にはオンライン処理が制限される。 本稿では,大規模・長期運用におけるオンラインループ閉鎖検出手法を提案する。 この手法はメモリ管理手法に基づいており、ループクロージャ検出に使用される位置の数を制限し、計算時間をリアルタイムの制約下に置く。 このアイデアは、ループクロージャ検出に使用されるワーキングメモリ(WM)の最も最近で頻繁に観測される場所を保持し、他の場所を長期メモリ(LTM)に転送する、というものだ。 現在の位置とWMに格納されている位置との一致が見つかった場合、LTMに格納されている関連する位置を更新し、追加のループ閉鎖検出のために記憶することができる。 結果は、他の外見に基づくループクロージャアプローチによる10の標準データセット、大学キャンパスの2kmループで撮影された実画像を用いた1つのカスタムデータセット、レーシングビデオゲーム『Need for Speed: Most Wanted』の仮想イメージを用いた1つのカスタムデータセット(7時間)を用いて、アプローチの適応性とスケーラビリティを実証する。

関連論文リスト

• Online Temporal Action Localization with Memory-Augmented Transformer [61.39427407758131]
  オンライン時間的行動ローカライゼーションのためのメモリ拡張変換器(MATR)を提案する。 MATRは過去のセグメントの特徴を選択的に保存し、推論に長期的コンテキストを活用する。 また,現在進行中の動作の終了時刻を予測するために入力セグメントを観測し,メモリキューにアクセスして動作開始時刻を推定する新たな動作ローカライズ手法を提案する。
  論文  参考訳（メタデータ） (2024-08-06T04:55:33Z)
• 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)
• GV-Bench: Benchmarking Local Feature Matching for Geometric Verification of Long-term Loop Closure Detection [32.54601978758081]
  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。
  論文  参考訳（メタデータ） (2024-07-16T14:05:19Z)
• Dual Memory Aggregation Network for Event-Based Object Detection with Learnable Representation [79.02808071245634]
  イベントベースのカメラはバイオインスパイアされたセンサーで、各ピクセルの明るさ変化を非同期に捉える。 イベントストリームは、正極性と負極性の両方のためにx-y-t座標の格子に分割され、3次元テンソル表現として柱の集合が生成される。 長メモリは適応型convLSTMの隠れ状態に符号化され、短メモリはイベントピラー間の空間的時間的相関を計算することによってモデル化される。
  論文  参考訳（メタデータ） (2023-03-17T12:12:41Z)
• Tracking by Associating Clips [110.08925274049409]
  本稿では,オブジェクト関連をクリップワイドマッチングとして扱う方法を検討する。 我々の新しい視点では、1つの長いビデオシーケンスを複数のショートクリップとみなし、そのトラックはクリップ内とクリップ間の両方で実行される。 この新しい手法の利点は2つある。まず、ビデオチャンキングによって中断フレームをバイパスできるため、エラーの蓄積や伝播の追跡に頑健である。 次に、クリップワイドマッチング中に複数のフレーム情報を集約し、現在のフレームワイドマッチングよりも高精度な長距離トラックアソシエーションを実現する。
  論文  参考訳（メタデータ） (2022-12-20T10:33:17Z)
• Loop closure detection using local 3D deep descriptors [22.93552565583209]
  局所3次元深部記述子(L3D)を用いた同時局所化・マッピングにおけるループ閉鎖検出手法を提案する。 本稿では,互いにアレスト近傍の記述子に対応する点間の距離誤差を計算し,ループ検出のための新しい重なり測定手法を提案する。 この手法により,ループを正確に検出し,重なりが小さければ6自由度ポーズを推定できる。
  論文  参考訳（メタデータ） (2021-10-31T09:18:38Z)
• Temporal Memory Relation Network for Workflow Recognition from Surgical Video [53.20825496640025]
  本研究では, 長期および多スケールの時間パターンを関連づける, エンドツーエンドの時間メモリ関係ネットワーク (TMNet) を提案する。 我々はこのアプローチを2つのベンチマーク手術ビデオデータセットで広範囲に検証した。
  論文  参考訳（メタデータ） (2021-03-30T13:20:26Z)
• DeepVideoMVS: Multi-View Stereo on Video with Recurrent Spatio-Temporal Fusion [67.64047158294062]
  提案手法は,提案するビデオストリームに対するオンライン多視点深度予測手法である。 前のタイムステップで計算されたシーン形状情報を現在のタイムステップに伝搬する。 評価指標のほとんどにおいて、既存の最先端のマルチビューステレオ手法よりも優れています。
  論文  参考訳（メタデータ） (2020-12-03T18:54:03Z)
• Fast and Incremental Loop Closure Detection with Deep Features and Proximity Graphs [13.328790865796224]
  本稿では、FILD++という名前の外観に基づくループクロージャ検出パイプラインを提案する。 システムは連続した画像によって供給され、単一の畳み込みニューラルネットワークを2回通すことで、大域的および局所的な深い特徴を抽出する。 画像と画像のペアリングは、局所的な特徴を利用して空間情報を評価する。
  論文  参考訳（メタデータ） (2020-09-29T02:42:47Z)
• Learning Spatio-Appearance Memory Network for High-Performance Visual Tracking [79.80401607146987]
  既存のオブジェクトトラッキングは通常、フレーム間の視覚的ターゲットにマッチするバウンディングボックスベースのテンプレートを学習する。 本稿では,局所時間メモリネットワークを備え,正確な時空間対応を学習するセグメンテーションに基づくトラッキングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-09-21T08:12:02Z)
• Fast Loop Closure Detection via Binary Content [25.571788215801003]
  本稿では,既存の高速ループ閉包検出手法をバイナリコンテンツを介して高速化するために,情報をバイナリ画像に活用・圧縮する。 提案手法は最先端のループクロージャ検出法と比較し, 従来手法よりも高速かつ高速に性能を向上することを示した。
  論文  参考訳（メタデータ） (2020-02-25T01:59:54Z)

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。