論文の概要: Stereovision Image Processing for Planetary Navigation Maps with Semi-Global Matching and Superpixel Segmentation

• arxiv url: http://arxiv.org/abs/2509.05645v1
• Date: Sat, 06 Sep 2025 08:53:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-09 14:07:03.625569
• Title: Stereovision Image Processing for Planetary Navigation Maps with Semi-Global Matching and Superpixel Segmentation
• Title（参考訳）: 半球マッチングとスーパーピクセルセグメンテーションを用いたプラネタリーナビゲーションマップの立体視画像処理
• Authors: Yan-Shan Lu, Miguel Arana-Catania, Saurabh Upadhyay, Leonard Felicetti,
• Abstract要約: 本稿では,SGM(Semi-Global Matching)とスーパーピクセルベースの精細化を用いて,ブロックアーチファクトを緩和し,紛失した詳細を復元する。 提案手法は3つのデータセットで評価され,結果が得られた。
• 参考スコア（独自算出の注目度）: 0.6610866298726173
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Mars exploration requires precise and reliable terrain models to ensure safe rover navigation across its unpredictable and often hazardous landscapes. Stereoscopic vision serves a critical role in the rover's perception, allowing scene reconstruction by generating precise depth maps through stereo matching. State-of-the-art Martian planetary exploration uses traditional local block-matching, aggregates cost over square windows, and refines disparities via smoothness constraints. However, this method often struggles with low-texture images, occlusion, and repetitive patterns because it considers only limited neighbouring pixels and lacks a wider understanding of scene context. This paper uses Semi-Global Matching (SGM) with superpixel-based refinement to mitigate the inherent block artefacts and recover lost details. The approach balances the efficiency and accuracy of SGM and adds context-aware segmentation to support more coherent depth inference. The proposed method has been evaluated in three datasets with successful results: In a Mars analogue, the terrain maps obtained show improved structural consistency, particularly in sloped or occlusion-prone regions. Large gaps behind rocks, which are common in raw disparity outputs, are reduced, and surface details like small rocks and edges are captured more accurately. Another two datasets, evaluated to test the method's general robustness and adaptability, show more precise disparity maps and more consistent terrain models, better suited for the demands of autonomous navigation on Mars, and competitive accuracy across both non-occluded and full-image error metrics. This paper outlines the entire terrain modelling process, from finding corresponding features to generating the final 2D navigation maps, offering a complete pipeline suitable for integration in future planetary exploration missions.
• Abstract（参考訳）: 火星探査には、予測不可能でしばしば危険な地形を横断する安全なローバーナビゲーションを確保するために、正確で信頼性の高い地形モデルが必要である。 立体視はローバーの知覚において重要な役割を担い、ステレオマッチングによって正確な深度マップを生成することでシーンの再構築を可能にする。 最先端の火星惑星探査では、伝統的な局所的なブロックマッチング、四角い窓の費用の集約、滑らかさの制約による格差の洗練が使用されている。 しかし, この手法は, 限られた近傍画素のみを考慮し, シーンコンテキストのより広い理解を欠くため, 低テクスチャ画像やオクルージョン, 繰り返しパターンに苦慮することが多い。 本稿では,SGM(Semi-Global Matching)とスーパーピクセルベースの精細化を用いて,ブロックアーチファクトを緩和し,紛失した詳細を復元する。 このアプローチは、SGMの効率性と精度のバランスをとり、よりコヒーレントな深度推論をサポートするためにコンテキスト認識のセグメンテーションを追加する。 提案手法は3つのデータセットで評価され,火星の類似で得られた地形図は,特に傾斜部や閉塞部において,構造的整合性が改善された。 生の格差出力に共通する岩の後方の大きな隙間は減少し、小さな岩や縁のような表面の細部はより正確に捕獲される。 この方法の一般的な堅牢性と適応性をテストするために評価された別の2つのデータセットは、より正確な不均一性マップとより一貫性のある地形モデルを示し、火星での自律的なナビゲーションの要求に適しており、非閉塞およびフルイメージのエラーメトリクスの競合精度を示している。 本稿では,地形モデリングのプロセス全体について概説する。対応する特徴の発見から最終2次元ナビゲーションマップの生成に至るまで,将来の惑星探査計画の統合に適した完全なパイプラインを提供する。

関連論文リスト

• M3Depth: Wavelet-Enhanced Depth Estimation on Mars via Mutual Boosting of Dual-Modal Data [16.951488779261343]
  火星探査機に適した深度推定モデルであるM3Depthを提案する。 火星の地形のスムーズでスムーズなテクスチャを考えると,このモデルにはウェーブレット変換に基づく畳み込みカーネルが組み込まれている。 M3Depthは、深さ推定における他の最先端手法と比較して、深さ推定精度が16%向上した。
  論文  参考訳（メタデータ） (2025-05-20T10:13:00Z)
• EarthMapper: Visual Autoregressive Models for Controllable Bidirectional Satellite-Map Translation [50.433911327489554]
  制御可能な衛星マップ翻訳のための新しいフレームワークであるEarthMapperを紹介する。 また,中国38都市を対象とした302,132組の衛星マップからなる大規模データセットであるCNSatMapをコントリビュートした。 CNSatMapとNew Yorkデータセットの実験は、EarthMapperの優れたパフォーマンスを実証している。
  論文  参考訳（メタデータ） (2025-04-28T02:41:12Z)
• Depth-aware Volume Attention for Texture-less Stereo Matching [67.46404479356896]
  実用的な屋外シナリオにおけるテクスチャ劣化に対処する軽量なボリューム改善手法を提案する。 画像テクスチャの相対的階層を抽出し,地中深度マップによって教師される深度体積を導入する。 局所的な微細構造と文脈は、体積凝集時のあいまいさと冗長性を緩和するために強調される。
  論文  参考訳（メタデータ） (2024-02-14T04:07:44Z)
• Pixel to Elevation: Learning to Predict Elevation Maps at Long Range using Images for Autonomous Offroad Navigation [10.898724668444125]
  本稿では,車載エゴセントリック画像のみをリアルタイムに利用して,長距離の地形標高マップを予測できる学習型アプローチを提案する。 複雑で非構造的な地形における自律型オフロードロボットナビゲーションへの提案手法の適用性を実験的に検証した。
  論文  参考訳（メタデータ） (2024-01-30T22:37:24Z)
• View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
  本稿では,屋外ロボットのための微細な自己局在化手法を提案する。 提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。 これは、動的環境における知覚を増強する初めての疎視のみの手法である。
  論文  参考訳（メタデータ） (2023-08-16T02:51:52Z)
• Beyond Cross-view Image Retrieval: Highly Accurate Vehicle Localization Using Satellite Image [91.29546868637911]
  本稿では,地上画像と架空衛星地図とをマッチングすることにより,車載カメラのローカライゼーションの問題に対処する。 鍵となる考え方は、タスクをポーズ推定として定式化し、ニューラルネットベースの最適化によってそれを解くことである。 標準自動運転車のローカライゼーションデータセットの実験により,提案手法の優位性が確認された。
  論文  参考訳（メタデータ） (2022-04-10T19:16:58Z)
• Towards Robust Monocular Visual Odometry for Flying Robots on Planetary Missions [49.79068659889639]
  火星に着陸したばかりのIngenuityは、トラバーサビリティの影響を受けない新時代の探検の始まりとなるでしょう。 高速な光フロートラッキングを用いた高能率単分子オードメトリーアルゴリズムを提案する。 また、相対翻訳情報行列の主成分分析に基づいて、スケールドリフトの現在のリスクを推定する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-09-12T12:52:20Z)
• Gaussian Process Gradient Maps for Loop-Closure Detection in Unstructured Planetary Environments [17.276441789710574]
  以前にマップされた位置を認識する能力は、自律システムにとって不可欠な機能である。 非構造的な惑星のような環境は、地形の類似性のためにこれらのシステムに大きな課題をもたらす。 本稿では,空間情報のみを用いたループ閉鎖問題の解法を提案する。
  論文  参考訳（メタデータ） (2020-09-01T04:41:40Z)

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。