論文の概要: REGRACE: A Robust and Efficient Graph-based Re-localization Algorithm using Consistency Evaluation

• arxiv url: http://arxiv.org/abs/2503.03599v1
• Date: Wed, 05 Mar 2025 15:32:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-06 15:51:14.265257
• Title: REGRACE: A Robust and Efficient Graph-based Re-localization Algorithm using Consistency Evaluation
• Title（参考訳）: 一貫性評価を用いたロバストかつ効率的なグラフベース再局在アルゴリズムREGRACE
• Authors: Débora N. P. Oliveira, Joshua Knights, Sebastián Barbas Laina, Simon Boche, Wolfram Burgard, Stefan Leutenegger,
• Abstract要約: ループ閉包は、ドリフトを補正し、一貫した地図を作成するのに不可欠である。 高精度な位置認識のための高密度点雲を用いた現在の手法は、計算コストの高いスキャン・スキャン・スキャン比較のため、うまくスケールしない。 我々は、スケーラビリティと再ローカライゼーションにおける視点差のこれらの課題に対処する新しいアプローチであるREGRACEを紹介する。
• 参考スコア（独自算出の注目度）: 23.41000678070751
• License:
• Abstract: Loop closures are essential for correcting odometry drift and creating consistent maps, especially in the context of large-scale navigation. Current methods using dense point clouds for accurate place recognition do not scale well due to computationally expensive scan-to-scan comparisons. Alternative object-centric approaches are more efficient but often struggle with sensitivity to viewpoint variation. In this work, we introduce REGRACE, a novel approach that addresses these challenges of scalability and perspective difference in re-localization by using LiDAR-based submaps. We introduce rotation-invariant features for each labeled object and enhance them with neighborhood context through a graph neural network. To identify potential revisits, we employ a scalable bag-of-words approach, pooling one learned global feature per submap. Additionally, we define a revisit with geometrical consistency cues rather than embedding distance, allowing us to recognize far-away loop closures. Our evaluations demonstrate that REGRACE achieves similar results compared to state-of-the-art place recognition and registration baselines while being twice as fast.
• Abstract（参考訳）: ループクロージャは、特に大規模ナビゲーションの文脈において、ドリフトを補正し、一貫したマップを作成するのに不可欠である。 高精度な位置認識のための高密度点雲を用いた現在の手法は、計算コストの高いスキャン・スキャン・スキャン比較のため、うまくスケールしない。 オルタナティブなオブジェクト指向アプローチはより効率的だが、視点の変化に対する感受性に苦慮することが多い。 本稿では,LiDARをベースとしたサブマップを用いた再ローカライズにおけるスケーラビリティと視点差の課題に対処する新しいアプローチであるREGRACEを紹介する。 ラベル付きオブジェクト毎に回転不変な特徴を導入し、グラフニューラルネットワークを用いて近傍コンテキストで拡張する。 潜在的なリビジョンを特定するため、我々はスケーラブルなbacker-of-wordsアプローチを採用し、サブマップ毎に学習したグローバル機能1つをプールする。 さらに, 距離を埋め込むのではなく, 幾何的整合性を持つ再検討を定義することにより, 遠距離ループの閉包を認識できる。 評価の結果,REGRACEは最先端の場所認識や登録ベースラインに比べて2倍高速であることがわかった。

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)
• Deep Homography Estimation for Visual Place Recognition [49.235432979736395]
  本稿では,変換器を用いたディープホモグラフィー推定(DHE)ネットワークを提案する。 バックボーンネットワークによって抽出された濃密な特徴写像を入力とし、高速で学習可能な幾何的検証のためにホモグラフィーに適合する。 ベンチマークデータセットを用いた実験により,本手法はいくつかの最先端手法より優れていることが示された。
  論文  参考訳（メタデータ） (2024-02-25T13:22:17Z)
• Adaptive Local-Component-aware Graph Convolutional Network for One-shot Skeleton-based Action Recognition [54.23513799338309]
  骨格に基づく行動認識のための適応的局所成分認識グラフ畳み込みネットワークを提案する。 我々の手法はグローバルな埋め込みよりも強力な表現を提供し、我々のモデルが最先端に到達するのに役立ちます。
  論文  参考訳（メタデータ） (2022-09-21T02:33:07Z)
• 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)
• Object-Augmented RGB-D SLAM for Wide-Disparity Relocalisation [3.888848425698769]
  本稿では、一貫したオブジェクトマップを構築し、地図内のオブジェクトのセントロイドに基づいて再局在を行うことができるオブジェクト拡張RGB-D SLAMシステムを提案する。
  論文  参考訳（メタデータ） (2021-08-05T11:02:25Z)
• 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)
• DiSCO: Differentiable Scan Context with Orientation [13.797651328615347]
  そこで我々は、LiDARに基づく位置認識手法、DiSCO(diffariable Scan Context with Orientation)を提案する。 同時にスキャンを同じ場所で見つけ、相対的な向きを推定する。 DiSCOは長期の屋外条件を持つ3つのデータセットで検証される。
  論文  参考訳（メタデータ） (2020-10-21T12:38:21Z)
• 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)
• RPM-Net: Robust Point Matching using Learned Features [79.52112840465558]
  RPM-Netは、より敏感で、より堅牢なディープラーニングベースのアプローチである。 既存の方法とは異なり、我々のRPM-Netは、部分的な可視性を備えた対応や点雲の欠如を処理します。
  論文  参考訳（メタデータ） (2020-03-30T13:45:27Z)

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。