論文の概要: Benchmarking Egocentric Visual-Inertial SLAM at City Scale

• arxiv url: http://arxiv.org/abs/2509.26639v1
• Date: Tue, 30 Sep 2025 17:59:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-01 14:45:00.246582
• Title: Benchmarking Egocentric Visual-Inertial SLAM at City Scale
• Title（参考訳）: 都市スケールにおける自己中心型ビジュアル慣性SLAMのベンチマーク
• Authors: Anusha Krishnan, Shaohui Liu, Paul-Edouard Sarlin, Oscar Gentilhomme, David Caruso, Maurizio Monge, Richard Newcombe, Jakob Engel, Marc Pollefeys,
• Abstract要約: 本稿では,エゴセントリックなマルチモーダルデータを用いた視覚慣性SLAMのための新しいデータセットとベンチマークを提案する。 我々は、様々なセンサーを備えたメガネのような装置で、市内の中心部を何時間、何キロもの軌跡を記録している。 アカデミックによって開発された最先端のシステムは、これらの課題に対して堅牢ではないことを示し、これに責任を負うコンポーネントを特定します。
• 参考スコア（独自算出の注目度）: 50.1245744173948
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Precise 6-DoF simultaneous localization and mapping (SLAM) from onboard sensors is critical for wearable devices capturing egocentric data, which exhibits specific challenges, such as a wider diversity of motions and viewpoints, prevalent dynamic visual content, or long sessions affected by time-varying sensor calibration. While recent progress on SLAM has been swift, academic research is still driven by benchmarks that do not reflect these challenges or do not offer sufficiently accurate ground truth poses. In this paper, we introduce a new dataset and benchmark for visual-inertial SLAM with egocentric, multi-modal data. We record hours and kilometers of trajectories through a city center with glasses-like devices equipped with various sensors. We leverage surveying tools to obtain control points as indirect pose annotations that are metric, centimeter-accurate, and available at city scale. This makes it possible to evaluate extreme trajectories that involve walking at night or traveling in a vehicle. We show that state-of-the-art systems developed by academia are not robust to these challenges and we identify components that are responsible for this. In addition, we design tracks with different levels of difficulty to ease in-depth analysis and evaluation of less mature approaches. The dataset and benchmark are available at https://www.lamaria.ethz.ch.
• Abstract（参考訳）: 搭載センサーからの正確な6-DoF同時ローカライゼーションとマッピング(SLAM)は、エゴセントリックなデータをキャプチャするウェアラブルデバイスにとって重要である。 SLAMの最近の進歩は急速に進んでいるが、学術研究は依然としてこれらの課題を反映せず、十分な正確な真実のポーズを提供していないベンチマークによって推進されている。 本稿では,エゴセントリックなマルチモーダルデータを用いた視覚慣性SLAMのための新しいデータセットとベンチマークを提案する。 我々は、様々なセンサーを備えたメガネのような装置で、市内の中心部を何時間、何キロもの軌跡を記録している。 我々は調査ツールを活用して,メートル法,センチメートル精度,都市規模で利用可能な間接的ポーズアノテーションとして制御点を得る。 これにより、夜間の歩行や車内での移動を含む極端な軌道を評価することができる。 アカデミックによって開発された最先端のシステムは、これらの課題に対して堅牢ではないことを示し、これに責任を負うコンポーネントを特定します。 さらに、深度分析の容易化と、未成熟なアプローチの評価に難易度が異なるトラックを設計する。 データセットとベンチマークはhttps://www.lamaria.ethz.ch.comで公開されている。

関連論文リスト

• The Monado SLAM Dataset for Egocentric Visual-Inertial Tracking [38.93284476165776]
  ヒューマノイドロボットと複合現実ヘッドセットは、ヘッドマウントセンサーを使ってトラッキングする。 私たちは、最先端のトラッキングシステムが、ヘッドマウントされたユースケースで提示される困難な設定の多くを優雅に処理できないことを示しています。 複数のバーチャルリアリティーヘッドセットから得られたリアルシーケンスの集合であるMonado SLAMデータセットを提示する。
  論文  参考訳（メタデータ） (2025-07-31T18:28:07Z)
• Addressing Data Annotation Challenges in Multiple Sensors: A Solution for Scania Collected Datasets [41.68378073302622]
  自動運転車のデータアノテーションは、ディープニューラルネットワーク(DNN)ベースのモデルの開発における重要なステップである。 この記事では、主にScaniaが収集したデータセットのコンテキスト内で、この問題に対処することに焦点を当てます。 提案手法は,アノテートされた物体の軌跡を入力とし,移動水平推定(MHE)を用いてその速度を頑健に推定する。
  論文  参考訳（メタデータ） (2024-03-27T14:56:44Z)
• Amirkabir campus dataset: Real-world challenges and scenarios of Visual Inertial Odometry (VIO) for visually impaired people [3.7998592843098336]
  上記の問題に対処し,ナビゲーションシステムを改善するために,Amirkabirキャンパスデータセット(AUT-VI)を導入する。 AUT-VIは17の異なる場所で126の異なる配列を持つ、新しくて超混成的なデータセットである。 進行中の開発作業のサポートとして、データキャプチャ用のAndroidアプリケーションを一般向けにリリースしました。
  論文  参考訳（メタデータ） (2024-01-07T23:13:51Z)
• Event-based Simultaneous Localization and Mapping: A Comprehensive Survey [52.73728442921428]
  ローカライゼーションとマッピングタスクのための非同期および不規則なイベントストリームの利点を利用する、イベントベースのvSLAMアルゴリズムのレビュー。 Paperは、イベントベースのvSLAMメソッドを、特徴ベース、ダイレクト、モーション補償、ディープラーニングの4つのカテゴリに分類する。
  論文  参考訳（メタデータ） (2023-04-19T16:21:14Z)
• 4Seasons: Benchmarking Visual SLAM and Long-Term Localization for Autonomous Driving in Challenging Conditions [46.03430162297781]
  大規模4Seasonsデータセットに基づく課題条件下での自律運転のための新しい視覚的SLAMと長期局所化ベンチマークを提案する。 提案したベンチマークでは,季節変化や天候,照明条件の変動による劇的な外見の変化が報告されている。 本稿では,視覚計測,大域的位置認識,および地図に基づく視覚的位置決め性能を共同評価するための統合ベンチマークを提案する。
  論文  参考訳（メタデータ） (2022-12-31T13:52:36Z)
• The Hilti SLAM Challenge Dataset [41.091844019181735]
  構築環境は、同時局所化とマッピング(SLAM)アルゴリズムに難しい問題を引き起こす。 本研究を支援するために,Hilti SLAM Challengeデータセットという新しいデータセットを提案する。 各データセットには正確な基底真理が含まれており、SLAM結果を直接テストすることができる。
  論文  参考訳（メタデータ） (2021-09-23T12:02:40Z)
• Benchmarking high-fidelity pedestrian tracking systems for research, real-time monitoring and crowd control [55.41644538483948]
  実生活環境における高忠実な歩行者追跡は,群集動態研究において重要なツールである。 この技術が進歩するにつれて、社会においても益々有用になってきている。 歩行者追跡技術の研究と技術に成功させるためには、正確さの検証とベンチマークが不可欠である。 我々は、プライバシーに配慮した歩行者追跡技術のためのベンチマークスイートをコミュニティのオープンスタンダードに向けて提示し、議論する。
  論文  参考訳（メタデータ） (2021-08-26T11:45:26Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。