論文の概要: Efficient and Accurate Downfacing Visual Inertial Odometry

• arxiv url: http://arxiv.org/abs/2509.10021v1
• Date: Fri, 12 Sep 2025 07:30:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-15 16:03:08.00355
• Title: Efficient and Accurate Downfacing Visual Inertial Odometry
• Title（参考訳）: 上向き視覚慣性オドメトリーの有用性と精度
• Authors: Jonas Kühne, Christian Vogt, Michele Magno, Luca Benini,
• Abstract要約: 本稿では,マイクロUAVとナノUAVに最適化した,効率的かつ高精度なVIOパイプラインを提案する。 提案手法は, RISC-Vをベースとした超低消費電力並列システムに最適化・定量化されている。
• 参考スコア（独自算出の注目度）: 18.91672527573445
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual Inertial Odometry (VIO) is a widely used computer vision method that determines an agent's movement through a camera and an IMU sensor. This paper presents an efficient and accurate VIO pipeline optimized for applications on micro- and nano-UAVs. The proposed design incorporates state-of-the-art feature detection and tracking methods (SuperPoint, PX4FLOW, ORB), all optimized and quantized for emerging RISC-V-based ultra-low-power parallel systems on chips (SoCs). Furthermore, by employing a rigid body motion model, the pipeline reduces estimation errors and achieves improved accuracy in planar motion scenarios. The pipeline's suitability for real-time VIO is assessed on an ultra-low-power SoC in terms of compute requirements and tracking accuracy after quantization. The pipeline, including the three feature tracking methods, was implemented on the SoC for real-world validation. This design bridges the gap between high-accuracy VIO pipelines that are traditionally run on computationally powerful systems and lightweight implementations suitable for microcontrollers. The optimized pipeline on the GAP9 low-power SoC demonstrates an average reduction in RMSE of up to a factor of 3.65x over the baseline pipeline when using the ORB feature tracker. The analysis of the computational complexity of the feature trackers further shows that PX4FLOW achieves on-par tracking accuracy with ORB at a lower runtime for movement speeds below 24 pixels/frame.
• Abstract（参考訳）: 視覚慣性オドメトリー (VIO) は、カメラとIMUセンサーを介してエージェントの動きを決定するコンピュータビジョン法である。 本稿では,マイクロUAVとナノUAVに最適化した,効率的かつ高精度なVIOパイプラインを提案する。 提案設計では、チップ(SoC)上のRISC-Vベースの超低消費電力並列システムに最適化され、量子化された、最先端の機能検出・追跡手法(SuperPoint, PX4FLOW, ORB)が組み込まれている。 さらに, 剛体運動モデルを用いることで, 推定誤差を低減し, 平面運動シナリオの精度を向上させる。 パイプラインのリアルタイムVIOに対する適合性は、量子化後の計算要求と追跡精度の観点から、超低消費電力のSoCで評価される。 3つの機能トラッキングメソッドを含むパイプラインは、現実世界の検証のためにSoC上に実装された。 この設計は、計算能力の高いシステムで伝統的に動作する高精度なVIOパイプラインと、マイクロコントローラに適した軽量な実装のギャップを埋めるものである。 GAP9の低消費電力SoCの最適化パイプラインは、ORB機能トラッカーを使用すると、ベースラインパイプライン上でRMSEの最大3.65倍の削減率を示す。 特徴トラッカの計算複雑性の解析により、PX4FLOWは、24ピクセル/フレーム以下での移動速度の低いランタイムにおいて、ORBによるオンパートラッキング精度を実現する。

関連論文リスト

• Pseudo Depth Meets Gaussian: A Feed-forward RGB SLAM Baseline [64.42938561167402]
  本稿では,3次元ガウス型SLAMとフィードフォワードリカレント予測モジュールを組み合わせたオンライン3次元再構成手法を提案する。 このアプローチは、遅いテスト時間の最適化を高速なネットワーク推論に置き換え、トラッキング速度を大幅に改善する。 提案手法は,最先端のSplaTAMと同等の性能を示しながら,追跡時間を90%以上削減する。
  論文  参考訳（メタデータ） (2025-08-06T16:16:58Z)
• GaussianFlowOcc: Sparse and Weakly Supervised Occupancy Estimation using Gaussian Splatting and Temporal Flow [1.5129569747339653]
  職業推定は3次元コンピュータビジョンにおいて顕著な課題となっている。 本稿では,GaussianFlowOccと呼ばれる,新規な占有率推定手法を提案する。 ガウススプラッティングにインスパイアされ、伝統的な密度の強いボクセル格子をスパース3Dガウス表現に置き換える。
  論文  参考訳（メタデータ） (2025-02-24T16:16:01Z)
• FlowTS: Time Series Generation via Rectified Flow [67.41208519939626]
  FlowTSは、確率空間における直線輸送を伴う整流フローを利用するODEベースのモデルである。 非条件設定では、FlowTSは最先端のパフォーマンスを達成し、コンテキストFIDスコアはStockとETThデータセットで0.019と0.011である。 条件設定では、太陽予測において優れた性能を達成している。
  論文  参考訳（メタデータ） (2024-11-12T03:03:23Z)
• Low Latency Visual Inertial Odometry with On-Sensor Accelerated Optical Flow for Resource-Constrained UAVs [13.037162115493393]
  オンセンサーハードウェアアクセラレーションは、低遅延視覚慣性オドメトリー(VIO)を実現するための有望なアプローチである 本稿では,グローバルシャッターカメラとアプリケーション固有集積回路(ASIC)を組み合わせたコンパクトなOFセンサを利用したVIOセンサシステムの高速化について検討する。 VINS-Monoパイプラインの機能追跡ロジックをこのOFカメラのデータに置き換えることで、49.4%のレイテンシの削減と、元のVINS-Mono実装よりも53.7%の計算負荷の削減を実証した。
  論文  参考訳（メタデータ） (2024-06-19T08:51:19Z)
• Tiny-HR: Towards an interpretable machine learning pipeline for heart rate estimation on edge devices [6.59529078336196]
  本稿では,低消費電力エッジデバイスで取得した圧力センサデータから心拍数を抽出する機械学習(ML)パイプラインの概念実証を行う。 このパイプラインは、アップサンプラーニューラルネットワーク、信号品質分類器、効率的かつ正確な心拍数推定に最適化された1D畳み込みニューラルネットワークで構成されている。 その結果,提案したMLパイプラインとハイブリッドパイプラインは,従来のアルゴリズムに比べて82%と28%のエネルギーと時間を削減できることがわかった。
  論文  参考訳（メタデータ） (2022-08-16T22:38:10Z)
• GMFlow: Learning Optical Flow via Global Matching [124.57850500778277]
  光フロー推定学習のためのGMFlowフレームワークを提案する。 機能拡張のためのカスタマイズトランスフォーマー、グローバル機能マッチングのための相関層とソフトマックス層、フロー伝搬のための自己保持層である。 我々の新しいフレームワークは、挑戦的なSintelベンチマークにおいて、32項目RAFTのパフォーマンスより優れています。
  論文  参考訳（メタデータ） (2021-11-26T18:59:56Z)
• Physics and Computing Performance of the Exa.TrkX TrackML Pipeline [0.0]
  本論文では、Exa.TrkXパイプラインの物理性能と計算性能を研究するために必要な開発を文書化する。 パイプラインは、生産追跡アルゴリズムに似たトラッキング効率と純度を実現します。
  論文  参考訳（メタデータ） (2021-03-11T23:10:18Z)
• FastFlowNet: A Lightweight Network for Fast Optical Flow Estimation [81.76975488010213]
  ディセンス光学フロー推定は、多くのロボットビジョンタスクで重要な役割を果たしています。 現在のネットワークはしばしば多くのパラメータを占有し、計算コストがかかる。 提案したFastFlowNetは、周知の粗大なやり方で、以下のイノベーションで機能する。
  論文  参考訳（メタデータ） (2021-03-08T03:09:37Z)
• SADet: Learning An Efficient and Accurate Pedestrian Detector [68.66857832440897]
  本稿では,一段検出器の検出パイプラインに対する一連の最適化手法を提案する。 効率的な歩行者検出のための単発アンカーベース検出器(SADet)を形成する。 構造的には単純だが、VGA解像度の画像に対して最先端の結果と20ドルFPSのリアルタイム速度を示す。
  論文  参考訳（メタデータ） (2020-07-26T12:32:38Z)

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。