論文の概要: ROVER: Robust Loop Closure Verification with Trajectory Prior in Repetitive Environments

• arxiv url: http://arxiv.org/abs/2508.13488v1
• Date: Tue, 19 Aug 2025 03:34:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-08-20 15:36:31.785794
• Title: ROVER: Robust Loop Closure Verification with Trajectory Prior in Repetitive Environments
• Title（参考訳）: ROVER: 繰り返し環境に先立って軌道を用いたロバストループクロージャ検証
• Authors: Jingwen Yu, Jiayi Yang, Anjun Hu, Jiankun Wang, Ping Tan, Hong Zhang,
• Abstract要約: ループ検出は同時局所化と閉鎖(SLAM)に重要である 本稿では,過去の軌道を疑似ループを拒否するための事前制約として活用するループ閉鎖検証手法であるROVERを提案する。 ベンチマークと実世界の実験により,提案手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 29.075108845201164
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Loop closure detection is important for simultaneous localization and mapping (SLAM), which associates current observations with historical keyframes, achieving drift correction and global relocalization. However, a falsely detected loop can be fatal, and this is especially difficult in repetitive environments where appearance-based features fail due to the high similarity. Therefore, verification of a loop closure is a critical step in avoiding false positive detections. Existing works in loop closure verification predominantly focus on learning invariant appearance features, neglecting the prior knowledge of the robot's spatial-temporal motion cue, i.e., trajectory. In this letter, we propose ROVER, a loop closure verification method that leverages the historical trajectory as a prior constraint to reject false loops in challenging repetitive environments. For each loop candidate, it is first used to estimate the robot trajectory with pose-graph optimization. This trajectory is then submitted to a scoring scheme that assesses its compliance with the trajectory without the loop, which we refer to as the trajectory prior, to determine if the loop candidate should be accepted. Benchmark comparisons and real-world experiments demonstrate the effectiveness of the proposed method. Furthermore, we integrate ROVER into state-of-the-art SLAM systems to verify its robustness and efficiency. Our source code and self-collected dataset are available at https://github.com/jarvisyjw/ROVER.
• Abstract（参考訳）: ループクロージャ検出は、現在の観測を歴史的なキーフレームに関連付け、ドリフト補正とグローバル再ローカライゼーションを達成する、同時局所化とマッピング(SLAM)において重要である。 しかし、誤検出されたループは致命的であり、外見に基づく特徴が高い類似性のために失敗する反復的な環境では特に困難である。 したがって、ループクロージャの検証は偽陽性検出を避けるための重要なステップである。 ループクロージャ検証における既存の作業は、主に、ロボットの時空間運動キュー(つまり軌道)の事前の知識を無視して、不変の外観の特徴を学習することに焦点を当てている。 本稿では, 繰り返しの繰り返し環境において, 疑似ループを拒否する事前制約として, 履歴軌跡を利用したループ閉鎖検証手法であるROVERを提案する。 各ループ候補に対して、まず、ポーズグラフ最適化を用いてロボット軌跡を推定する。 この軌道は、ループのない軌道に対するコンプライアンスを評価するスコアリングスキームに送信され、ループ候補が受け入れられるべきかどうかを決定するために、ループ前の軌道と呼ばれる。 ベンチマークと実世界の実験により,提案手法の有効性が示された。 さらに、ROVERを最先端SLAMシステムに統合し、その堅牢性と効率性を検証する。 ソースコードと自己収集データセットはhttps://github.com/jarvisyjw/ROVER.comで公開されています。

関連論文リスト

• Pseudo-Simulation for Autonomous Driving [54.0732376977553]
  既存の自動運転車(AV)の評価パラダイムは、重大な制限に直面している。 現実世界の評価は、安全上の懸念と現実主義の欠如のためにしばしば困難である。 オープンループ評価は、一般的に複合的なエラーを見落としているメトリクスに依存する。
  論文  参考訳（メタデータ） (2025-06-04T17:57:53Z)
• Visual Loop Closure Detection Through Deep Graph Consensus [7.744347341643204]
  位置認識によって得られる視覚的類似の幾何を利用してループ閉鎖コンセンサスを推定するグラフニューラルネットワークアーキテクチャであるLoopGNNを導入する。 提案手法は,高精度なリコールを維持しながら高精度な推定値が得られる。
  論文  参考訳（メタデータ） (2025-05-27T20:42:47Z)
• 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)
• RTracker: Recoverable Tracking via PN Tree Structured Memory [71.05904715104411]
  本稿では,木構造メモリを用いてトラッカーと検出器を動的に関連付け,自己回復を可能にするRTrackerを提案する。 具体的には,正負と負のターゲットサンプルを時系列に保存し,維持する正負のツリー構造メモリを提案する。 我々の中核となる考え方は、正と負の目標カテゴリーの支持サンプルを用いて、目標損失の信頼性評価のための相対的距離に基づく基準を確立することである。
  論文  参考訳（メタデータ） (2024-03-28T08:54:40Z)
• Revisiting Rotation Averaging: Uncertainties and Robust Losses [51.64986160468128]
  現在の手法の主な問題は、推定エピポーラを通して入力データと弱い結合しか持たない最小コスト関数である。 本稿では,点対応から回転平均化への不確実性を直接伝播させることにより,基礎となる雑音分布をモデル化することを提案する。
  論文  参考訳（メタデータ） (2023-03-09T11:51:20Z)
• Bi-directional Loop Closure for Visual SLAM [0.0]
  本稿では,双方向ループ閉鎖に対するアプローチを提案する。 これにより、反対方向に移動しても、ロケーションに再ローカライズすることが可能になります。 本稿では,大規模データセットからトレーニングデータを選択する手法を提案する。
  論文  参考訳（メタデータ） (2022-04-01T14:06:42Z)
• 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)
• 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)
• Cascaded Regression Tracking: Towards Online Hard Distractor Discrimination [202.2562153608092]
  本稿では,2段階の逐次回帰トラッカーを提案する。 第1段階では, 容易に同定可能な負の候補を抽出する。 第2段階では、残留するあいまいな硬質試料をダブルチェックするために、離散サンプリングに基づくリッジ回帰を設計する。
  論文  参考訳（メタデータ） (2020-06-18T07:48:01Z)
• Solving Missing-Annotation Object Detection with Background Recalibration Loss [49.42997894751021]
  本稿では,新しい,かつ困難な検出シナリオに焦点を当てる。 真のオブジェクト/インスタンスの大部分は,データセットにラベル付けされていない。 従来, ソフトサンプリングを用いて, 正の例と重なり合うRoIsの勾配を再重み付けする手法が提案されてきた。 本稿では、予め定義されたIoU閾値と入力画像に基づいて損失信号を自動的に校正できる、バックグラウンド校正損失(BRL)と呼ばれる優れた解を提案する。
  論文  参考訳（メタデータ） (2020-02-12T23:11:46Z)

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。