論文の概要: GAN-SLAM: Real-Time GAN Aided Floor Plan Creation Through SLAM
- arxiv url: http://arxiv.org/abs/2504.19653v1
- Date: Mon, 28 Apr 2025 10:13:38 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:54.39867
- Title: GAN-SLAM: Real-Time GAN Aided Floor Plan Creation Through SLAM
- Title（参考訳）: GAN-SLAM:リアルタイムGAN支援のSLAMによるフロアプラン作成
- Authors: Leon Davies, Baihua Li, Mohamad Saada, Simon Sølvsten, Qinggang Meng,
- Abstract要約: 我々は,新しいSLAMアプローチであるGAN-SLAMを紹介した。
我々は3次元SLAMで一般的に使用される正確なポーズ推定手法を2次元形式に適応し、統合する。
その結果、最小限のノイズと誤差で、マップの忠実度と品質が大幅に向上した。
- 参考スコア（独自算出の注目度）: 3.165861186278497
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: SLAM is a fundamental component of modern autonomous systems, providing robots and their operators with a deeper understanding of their environment. SLAM systems often encounter challenges due to the dynamic nature of robotic motion, leading to inaccuracies in mapping quality, particularly in 2D representations such as Occupancy Grid Maps. These errors can significantly degrade map quality, hindering the effectiveness of specific downstream tasks such as floor plan creation. To address this challenge, we introduce our novel 'GAN-SLAM', a new SLAM approach that leverages Generative Adversarial Networks to clean and complete occupancy grids during the SLAM process, reducing the impact of noise and inaccuracies introduced on the output map. We adapt and integrate accurate pose estimation techniques typically used for 3D SLAM into a 2D form. This enables the quality improvement 3D LiDAR-odometry has seen in recent years to be effective for 2D representations. Our results demonstrate substantial improvements in map fidelity and quality, with minimal noise and errors, affirming the effectiveness of GAN-SLAM for real-world mapping applications within large-scale complex environments. We validate our approach on real-world data operating in real-time, and on famous examples of 2D maps. The improved quality of the output map enables new downstream tasks, such as floor plan drafting, further enhancing the capabilities of autonomous systems. Our novel approach to SLAM offers a significant step forward in the field, improving the usability for SLAM in mapping-based tasks, and offers insight into the usage of GANs for OGM error correction.
- Abstract（参考訳）: SLAMは現代の自律システムの基本コンポーネントであり、ロボットとそのオペレーターに環境のより深い理解を提供する。
SLAMシステムは、ロボットの動きの動的な性質によってしばしば問題に遭遇し、特にOccupancy Grid Mapsのような2D表現において、マッピングの品質が不正確になる。
これらのエラーはマップの品質を著しく低下させ、フロアプラン作成のような特定の下流タスクの有効性を妨げる。
この課題に対処するため、我々は新しいSLAMアプローチ「GAN-SLAM」を導入しました。これは、ジェネレーティブ・アドバーサリアル・ネットワークを利用して、SLAMプロセス中に占有グリッドをクリーンかつ完全にすることで、出力マップに導入されたノイズや不正確さの影響を低減します。
我々は3次元SLAMで一般的に使用される正確なポーズ推定手法を2次元形式に適応し、統合する。
これにより、近年の3D LiDAR-odometryは、2D表現に有効である。
以上の結果から,大規模複合環境における実世界地図アプリケーションにおいて,GAN-SLAMの有効性が確認された。
本研究では,実世界におけるリアルタイムなデータ操作と,有名な2次元マップの例について検証する。
出力マップの品質向上により、フロアプラン作成などの新たな下流タスクが実現され、自律システムの性能がさらに向上する。
SLAMに対する私たちの新しいアプローチは、マッピングベースのタスクにおけるSLAMのユーザビリティを向上させるとともに、OGMエラー修正のためのGANの使用方法に関する洞察を提供する。
関連論文リスト
- Transformation & Translation Occupancy Grid Mapping: 2-Dimensional Deep Learning Refined SLAM [3.165861186278497]
OGM(Occupancy Grid Mapping)は、しばしば騒々しく不明瞭な結果を生成する。
これは、証拠に基づく写像が不確実な観測に基づいて地図を表すという事実による。
我々は新しいトランスフォーメーションとトランスフォーメーション機能グリッドマッピング(TT-OGM)を提案する。
GAN(Generative Adversarial Networks)を用いて,3次元SLAMから2次元世界への高精度でロバストなポーズ推定手法を適用・実現し,地図品質を向上させる。
論文 参考訳（メタデータ） (2025-04-28T10:13:47Z) - GSFF-SLAM: 3D Semantic Gaussian Splatting SLAM via Feature Field [18.520468059548865]
GSFF-SLAMは3次元ガウススプラッティングに基づく新しい意味論的SLAMシステムである。
提案手法は, 様々な2次元先行情報, 特にスパース信号と雑音信号を用いた意味的再構成を支援する。
2D基底真理を利用する場合、GSFF-SLAMは95.03% mIoUで最先端のセマンティックセグメンテーション性能を達成する。
論文 参考訳（メタデータ） (2025-04-28T01:21:35Z) - WildGS-SLAM: Monocular Gaussian Splatting SLAM in Dynamic Environments [48.51530726697405]
WildGS-SLAMは、動的環境を扱うために設計された、堅牢で効率的な単分子RGB SLAMシステムである。
本研究では,浅い多層パーセプトロンとDINOv2の特徴によって予測される不確実性マップを導入し,追跡とマッピングの両方において動的物体除去を誘導する。
その結果,WildGS-SLAMの動的環境における性能は最先端の手法に比べて優れていた。
論文 参考訳（メタデータ） (2025-04-04T19:19:40Z) - FLARES: Fast and Accurate LiDAR Multi-Range Semantic Segmentation [52.89847760590189]
3Dシーンの理解は、自動運転における重要な課題である。
近年の手法では、レンジビュー表現を利用して処理効率を向上している。
範囲ビューに基づくLiDARセマンティックセマンティックセグメンテーションのためのワークフローを再設計する。
論文 参考訳（メタデータ） (2025-02-13T12:39:26Z) - GARAD-SLAM: 3D GAussian splatting for Real-time Anti Dynamic SLAM [9.060527946525381]
動的シーンに適したリアルタイム3DGSベースのSLAMシステムであるGARAD-SLAMを提案する。
追跡の面では、ガウスの動的セグメンテーションを直接実行し、それらをフロントエンドにマッピングして動的点ラベルを得る。
実世界のデータセットを用いた結果から,本手法はベースライン手法と比較して,トラッキングに競争力があることが示された。
論文 参考訳（メタデータ） (2025-02-05T14:44:17Z) - Advancing Dense Endoscopic Reconstruction with Gaussian Splatting-driven Surface Normal-aware Tracking and Mapping [12.027762278121052]
Endo-2DTAMは2次元ガウススプラッティング(2DGS)を用いたリアルタイム内視鏡SLAMシステムである
私たちのロバストなトラッキングモジュールは、ポイントツーポイントとポイントツープレーン距離のメトリクスを組み合わせています。
マッピングモジュールは, 通常の整合性および深さ歪みを利用して表面再構成品質を向上する。
論文 参考訳（メタデータ） (2025-01-31T17:15:34Z) - MAGiC-SLAM: Multi-Agent Gaussian Globally Consistent SLAM [23.318966306555915]
同時ローカライゼーションとマッピング(SLAM)システムは、拡張現実、ロボティクス、自律運転など、コンピュータビジョンで広く使われている。
近年の研究では、分散ニューラルシーン表現を用いてこの問題に対処している。
本稿では,厳格に変形可能な3次元ガウス型シーン表現を提案する。
合成および実世界のデータセット上でMAGiC-SLAMを評価し,その精度と精度について検討した。
論文 参考訳（メタデータ） (2024-11-25T08:34:01Z) - Multimodal LLM Guided Exploration and Active Mapping using Fisher Information [26.602364433232445]
本稿では,3次元ガウススプラッティング表現を用いた長期探査目標と短期行動のためのアクティブマッピングシステムを提案する。
GibsonとHabitat-Matterportの3Dデータセットで行った実験は、提案手法の最先端の結果を示している。
論文 参考訳（メタデータ） (2024-10-22T20:51:45Z) - 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) - GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。
提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
論文 参考訳（メタデータ） (2024-05-17T07:31:20Z) - Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。
マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。
提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
論文 参考訳（メタデータ） (2023-09-26T08:03:10Z) - DOT: Dynamic Object Tracking for Visual SLAM [83.69544718120167]
DOTはインスタンスセグメンテーションとマルチビュー幾何を組み合わせて、動的オブジェクトのマスクを生成する。
実際にどのオブジェクトが動いているかを判断するために、DOTは、潜在的にダイナミックなオブジェクトの最初のインスタンスを抽出し、次に推定されたカメラモーションで、測光再投射誤差を最小限にして、そのようなオブジェクトを追跡する。
提案手法はORB-SLAM 2の精度とロバスト性を大幅に向上することを示す。
論文 参考訳（メタデータ） (2020-09-30T18:36:28Z)
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。