論文の概要: BIM-Constrained Optimization for Accurate Localization and Deviation Correction in Construction Monitoring

• arxiv url: http://arxiv.org/abs/2504.17693v1
• Date: Thu, 24 Apr 2025 16:02:02 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-02 19:15:53.452785
• Title: BIM-Constrained Optimization for Accurate Localization and Deviation Correction in Construction Monitoring
• Title（参考訳）: 建設モニタリングにおけるBIM制約による正確な位置推定と偏差補正
• Authors: Asier Bikandi, Muhammad Shaheer, Hriday Bavle, Jayan Jevanesan, Holger Voos, Jose Luis Sanchez-Lopez,
• Abstract要約: 建築モニタリングのためのAR(Augmented Reality)アプリケーションは、建築要素を可視化するためのリアルタイム環境トラッキングに依存している。 しかし, 建設現場は, 特徴のない表面, 動的変化, 漂流蓄積などにより, 従来の追跡手法に重要な課題を呈している。 本稿では,これらの課題に対処するBIM対応ドリフト補正手法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Augmented reality (AR) applications for construction monitoring rely on real-time environmental tracking to visualize architectural elements. However, construction sites present significant challenges for traditional tracking methods due to featureless surfaces, dynamic changes, and drift accumulation, leading to misalignment between digital models and the physical world. This paper proposes a BIM-aware drift correction method to address these challenges. Instead of relying solely on SLAM-based localization, we align ``as-built" detected planes from the real-world environment with ``as-planned" architectural planes in BIM. Our method performs robust plane matching and computes a transformation (TF) between SLAM (S) and BIM (B) origin frames using optimization techniques, minimizing drift over time. By incorporating BIM as prior structural knowledge, we can achieve improved long-term localization and enhanced AR visualization accuracy in noisy construction environments. The method is evaluated through real-world experiments, showing significant reductions in drift-induced errors and optimized alignment consistency. On average, our system achieves a reduction of 52.24% in angular deviations and a reduction of 60.8% in the distance error of the matched walls compared to the initial manual alignment by the user.
• Abstract（参考訳）: 建築モニタリングのためのAR(Augmented Reality)アプリケーションは、建築要素を可視化するためのリアルタイム環境トラッキングに依存している。 しかし, 建設現場では, 特徴のない表面, 動的変化, ドリフトの蓄積などにより, 従来の追跡手法に重大な課題が生じ, デジタルモデルと物理世界との相違が生じている。 本稿では,これらの課題に対処するBIM対応ドリフト補正手法を提案する。 SLAMベースのローカライゼーションにのみ依存するのではなく、実環境からの ``as-build' 検出プレーンを、BIMの ``as-planned' アーキテクチャプレーンと整列させる。 本手法は, SLAM (S) と BIM (B) の原点フレーム間の変換(TF)を, 時間とともにドリフトを最小限に抑える最適化手法を用いて, 頑健な平面マッチングを行う。 BIMを事前構造知識として組み込むことで,騒音の多い建設環境における長期的局所化とARの可視化精度の向上を実現することができる。 本手法は実世界の実験により評価され,ドリフト誘起誤差の大幅な低減とアライメントの整合性を示した。 本システムでは, 角度ずれの52.24%, 一致壁の距離誤差の60.8%の低減を実現している。

関連論文リスト

• Deblur Gaussian Splatting SLAM [57.35366732452066]
  Deblur-SLAMは、モーションブルーの入力から鋭い復元を回復するために設計された堅牢なRGB SLAMパイプラインである。 我々は、動きブル画像の物理画像形成過程をモデル化し、観察されたぼやけた画像とぼやけた画像との誤差を最小化する。 我々は,合成および実世界のぼやけた入力データを用いて,シャープマップ推定とサブフレームトラジェクトリ回復のための最先端結果を得る。
  論文  参考訳（メタデータ） (2025-03-16T16:59:51Z)
• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• SMORE: Simultaneous Map and Object REconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、世界が厳格に動く物体と背景に分解される動的なシーンの構成モデルを総合的に捉え、最適化する。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• SLAIM: Robust Dense Neural SLAM for Online Tracking and Mapping [15.63276368052395]
  ニューラルラジアンスフィールドSLAM(NeRF-SLAM)に適した,新しい粗い粒度追跡モデルを提案する。 既存の NeRF-SLAM システムは、従来の SLAM アルゴリズムに比べて、追跡性能が劣っている。 局所バンドル調整とグローバルバンドル調整の両方を実装し、ロバストな(粗大な)(KL正規化器)と正確な(KL正規化器)SLAMソリューションを生成する。
  論文  参考訳（メタデータ） (2024-04-17T14:23:28Z)
• AdaSfM: From Coarse Global to Fine Incremental Adaptive Structure from Motion [48.835456049755166]
  AdaSfMは粗粒度適応型SfMアプローチであり、大規模かつ挑戦的なデータセットにスケーラブルである。 当社のアプローチはまず,低コストセンサによる計測を利用して,ビューグラフの信頼性を向上させる,粗大なグローバルSfMを実現する。 本手法では,全局所再構成をグローバルSfMの座標フレームに整合させるため,しきい値適応戦略を用いる。
  論文  参考訳（メタデータ） (2023-01-28T09:06:50Z)
• Revisiting Rolling Shutter Bundle Adjustment: Toward Accurate and Fast Solution [6.317266060165099]
  本研究では,ローリングシャッター(RS)カメラを用いて,カメラの6-DoFポーズと環境形状を推定し,ロバストで高速なバンドル調整ソリューションを提案する。 これは、センサーの追加、フレームレートの高い動画の入力、カメラの動きに対する制限的な仮定、読み出し方向、効率の低下など、既存の作業の課題に対処する。
  論文  参考訳（メタデータ） (2022-09-18T08:21:07Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• Extrapolation for Large-batch Training in Deep Learning [72.61259487233214]
  我々は、バリエーションのホストが、我々が提案する統一されたフレームワークでカバー可能であることを示す。 本稿では,この手法の収束性を証明し,ResNet,LSTM,Transformer上での経験的性能を厳格に評価する。
  論文  参考訳（メタデータ） (2020-06-10T08:22:41Z)
• Minimal Solvers for Indoor UAV Positioning [1.7149364927872015]
  本稿では,視覚的室内UAVナビゲーションへの応用において自然に発生する相対的なポーズ問題について考察する。 分解器は、室内のさまざまな現実的なシナリオのために、部分的にキャリブレーションされたカメラ用に設計されている。 提案した解法は, 数値安定性が向上し, より高速で, より少ない点対応が要求される。
  論文  参考訳（メタデータ） (2020-03-16T11:07:38Z)

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。