論文の概要: 3DGS_LSR:Large_Scale Relocation for Autonomous Driving Based on 3D Gaussian Splatting
- arxiv url: http://arxiv.org/abs/2507.05661v1
- Date: Tue, 08 Jul 2025 04:43:46 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-09 16:34:37.562354
- Title: 3DGS_LSR:Large_Scale Relocation for Autonomous Driving Based on 3D Gaussian Splatting
- Title（参考訳）: 3DGS_LSR:Large_Scale Relocation for autonomous Driving based on 3D Gaussian Splatting
- Authors: Haitao Lu, Haijier Chen, Haoze Liu, Shoujian Zhang, Bo Xu, Ziao Liu,
- Abstract要約: 3DGS-LSR: 3DGSを活用した大規模な再ローカライズフレームワークで、クライアント側で単一の単眼RGB画像のみを使用してセンチメートルレベルの位置決めを可能にする。
ロボット側のローカライゼーションは標準的なカメラ入力のみを必要とするのに対し、マルチセンサデータを組み合わせて大規模な屋外シーンで高精度な3DGSマップを構築する。
私たちの中心となるイノベーションは、ステップバイステップレンダリングによってローカライゼーション結果を洗練する反復的な最適化戦略であり、リアルタイムの自律ナビゲーションに適しています。
- 参考スコア（独自算出の注目度）: 3.2768514034762863
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In autonomous robotic systems, precise localization is a prerequisite for safe navigation. However, in complex urban environments, GNSS positioning often suffers from signal occlusion and multipath effects, leading to unreliable absolute positioning. Traditional mapping approaches are constrained by storage requirements and computational inefficiency, limiting their applicability to resource-constrained robotic platforms. To address these challenges, we propose 3DGS-LSR: a large-scale relocalization framework leveraging 3D Gaussian Splatting (3DGS), enabling centimeter-level positioning using only a single monocular RGB image on the client side. We combine multi-sensor data to construct high-accuracy 3DGS maps in large outdoor scenes, while the robot-side localization requires just a standard camera input. Using SuperPoint and SuperGlue for feature extraction and matching, our core innovation is an iterative optimization strategy that refines localization results through step-by-step rendering, making it suitable for real-time autonomous navigation. Experimental validation on the KITTI dataset demonstrates our 3DGS-LSR achieves average positioning accuracies of 0.026m, 0.029m, and 0.081m in town roads, boulevard roads, and traffic-dense highways respectively, significantly outperforming other representative methods while requiring only monocular RGB input. This approach provides autonomous robots with reliable localization capabilities even in challenging urban environments where GNSS fails.
- Abstract（参考訳）: 自律型ロボットシステムでは、正確な位置決めは安全なナビゲーションの前提条件である。
しかし、複雑な都市環境では、GNSS位置決めは信号閉塞とマルチパス効果に悩まされ、信頼性の低い絶対位置決めに繋がる。
従来のマッピングアプローチは、ストレージ要件と計算不効率によって制約されており、リソースに制約のあるロボットプラットフォームに適用性を制限する。
これらの課題に対処するために、3DGS-LSR: 3D Gaussian Splatting(3DGS)を利用した大規模再局在化フレームワークを提案する。
ロボット側のローカライゼーションは標準的なカメラ入力のみを必要とするのに対し、マルチセンサデータを組み合わせて大規模な屋外シーンで高精度な3DGSマップを構築する。
機能抽出とマッチングにSuperPointとSuperGlueを使用することで、当社のコアイノベーションは、ステップバイステップレンダリングによるローカライゼーション結果を洗練し、リアルタイムな自律ナビゲーションに適したものにする、反復的な最適化戦略です。
KITTIデータセットの実験的検証により, 都市道路, 幹線道路, 幹線道路の3DGS-LSRの平均位置精度は0.026m, 0.029m, 0.081mであり, 単分子RGB入力のみを必要としながら, 他の代表的手法よりも有意に優れていた。
このアプローチは、GNSSが失敗する都市環境においても、信頼性の高いローカライズ機能を備えた自律型ロボットを提供する。
関連論文リスト
- APR-Transformer: Initial Pose Estimation for Localization in Complex Environments through Absolute Pose Regression [3.2584852202495806]
本稿では,最先端の手法に触発されたモデルアーキテクチャであるAPR-Transformerを紹介する。
提案手法は,確立したベンチマークデータセット上での最先端性能を実現する。
論文 参考訳（メタデータ） (2025-05-14T13:06:42Z) - GS-LTS: 3D Gaussian Splatting-Based Adaptive Modeling for Long-Term Service Robots [33.19663755125912]
3D Gaussian Splatting (3DGS)は、ロボット工学において、鮮明で高忠実なシーン表現のために大きな注目を集めている。
室内ロボットによる動的環境における多様なタスクの時間的管理を可能にする3DGSベースのシステムであるGS-LTSを提案する。
論文 参考訳（メタデータ） (2025-03-22T11:26:47Z) - GSplatLoc: Ultra-Precise Camera Localization via 3D Gaussian Splatting [0.0]
超精密ポーズ推定に3次元ガウススプラッティングの可変レンダリング機能を利用するカメラローカライズ手法であるGSplatLocを提案する。
GSplatLocは、高密度マッピングのローカライズのための新しいベンチマークを設定し、ロボット工学や拡張現実のような正確なリアルタイムローカライズを必要とするアプリケーションに重要な意味を持つ。
論文 参考訳（メタデータ） (2024-12-28T07:14:14Z) - GSPR: Multimodal Place Recognition Using 3D Gaussian Splatting for Autonomous Driving [9.023864430027333]
我々はGPSRと呼ばれる3次元ガウススプラッティングに基づくマルチモーダル位置認識ネットワークを提案する。
マルチビューRGB画像とLiDAR点雲を時間的に統一されたシーン表現とMultimodal Gaussian Splattingを明示的に組み合わせている。
提案手法は,多視点カメラとLiDARの相補的強度を有効活用し,ソタ位置認識性能を向上し,ソタ位置認識性能を向上する。
論文 参考訳（メタデータ） (2024-10-01T00:43:45Z) - SplatLoc: 3D Gaussian Splatting-based Visual Localization for Augmented Reality [50.179377002092416]
より少ないパラメータで高品質なレンダリングが可能な効率的なビジュアルローカライズ手法を提案する。
提案手法は,最先端の暗黙的視覚的ローカライゼーションアプローチに対して,より優れた,あるいは同等なレンダリングとローカライゼーション性能を実現する。
論文 参考訳（メタデータ） (2024-09-21T08:46:16Z) - GOI: Find 3D Gaussians of Interest with an Optimizable Open-vocabulary Semantic-space Hyperplane [53.388937705785025]
3Dオープンボキャブラリのシーン理解は、拡張現実とロボット応用の推進に不可欠である。
GOIは2次元視覚言語基礎モデルから3次元ガウススプラッティング(3DGS)に意味的特徴を統合するフレームワークである。
提案手法では,特徴空間内の超平面分割として特徴選択処理を扱い,クエリに関連性の高い特徴のみを保持する。
論文 参考訳（メタデータ） (2024-05-27T18:57:18Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Automated classification of pre-defined movement patterns: A comparison
between GNSS and UWB technology [55.41644538483948]
リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。
本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
論文 参考訳（メタデータ） (2023-03-10T14:46:42Z) - Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
論文 参考訳（メタデータ） (2021-08-12T15:22:33Z)
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。