論文の概要: AgriGS-SLAM: Orchard Mapping Across Seasons via Multi-View Gaussian Splatting SLAM

• arxiv url: http://arxiv.org/abs/2510.26358v1
• Date: Thu, 30 Oct 2025 11:08:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-31 16:05:09.773133
• Title: AgriGS-SLAM: Orchard Mapping Across Seasons via Multi-View Gaussian Splatting SLAM
• Title（参考訳）: AgriGS-SLAM:多視点ガウス散乱SLAMによる季節ごとのオーチャードマッピング
• Authors: Mirko Usuelli, David Rapado-Rincon, Gert Kootstra, Matteo Matteucci,
• Abstract要約: AgriGS-SLAMは、LiDARループとマルチカメラ3Dレンダリングを結合したVisual-LiDAR SLAMフレームワークである。 我々は,リンゴとナシ果樹園の畑のプラットフォームに,開花と収穫にシステムを展開する。 AgriGS-SLAMは、最近の最先端の3DGS-SLAMベースラインよりも、より鋭く、より安定した再構築と安定した軌道を提供する。
• 参考スコア（独自算出の注目度）: 8.192196628081136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Autonomous robots in orchards require real-time 3D scene understanding despite repetitive row geometry, seasonal appearance changes, and wind-driven foliage motion. We present AgriGS-SLAM, a Visual--LiDAR SLAM framework that couples direct LiDAR odometry and loop closures with multi-camera 3D Gaussian Splatting (3DGS) rendering. Batch rasterization across complementary viewpoints recovers orchard structure under occlusions, while a unified gradient-driven map lifecycle executed between keyframes preserves fine details and bounds memory. Pose refinement is guided by a probabilistic LiDAR-based depth consistency term, back-propagated through the camera projection to tighten geometry-appearance coupling. We deploy the system on a field platform in apple and pear orchards across dormancy, flowering, and harvesting, using a standardized trajectory protocol that evaluates both training-view and novel-view synthesis to reduce 3DGS overfitting in evaluation. Across seasons and sites, AgriGS-SLAM delivers sharper, more stable reconstructions and steadier trajectories than recent state-of-the-art 3DGS-SLAM baselines while maintaining real-time performance on-tractor. While demonstrated in orchard monitoring, the approach can be applied to other outdoor domains requiring robust multimodal perception.
• Abstract（参考訳）: 果樹園の自律ロボットは、繰り返し行の幾何学、季節的な外観の変化、風駆動の葉の動きにもかかわらず、リアルタイムで3Dシーンを理解する必要がある。 本稿では,マルチカメラ3Dガウス・スティング(3DGS)レンダリングと直接LiDARオドメトリーとループクロージャを結合した視覚-LiDAR SLAMフレームワークであるAgriGS-SLAMを提案する。 相補的な視点によるバッチラスタ化は、オクルージョンの下で果樹園構造を復元する一方、キーフレーム間で実行される統一的な勾配駆動マップライフサイクルは、細部と境界メモリを保存する。 ポースリファインメントは、確率的LiDARに基づく奥行き整合項によって導かれ、カメラプロジェクションを通してバックプロパゲーションされ、幾何学的・外観的結合が強化される。 本研究では,リンゴ,ナシ果樹園のフィールドプラットフォーム上に,トレーニングビューと新規ビュー合成の両方を評価する標準軌跡プロトコルを用いて,休眠,開花,収穫の3DGSオーバーフィットを低減した。 AgriGS-SLAMは、最近の最先端の3DGS-SLAMベースラインよりも、より鋭く、より安定した再構築とより安定した軌道を提供する。 果樹園のモニタリングで実証されているが、このアプローチは堅牢なマルチモーダル知覚を必要とする他の屋外領域にも適用することができる。

関連論文リスト

• MS-GS: Multi-Appearance Sparse-View 3D Gaussian Splatting in the Wild [47.52462219920857]
  野生の写真コレクションは、しばしば限られた量の画像を含んでおり、複数の外観を示す。 3DGS を用いたスパースビューシナリオにおけるマルチアジュアンス機能を備えた新しいフレームワーク MS-GS を提案する。 我々は,MS-GSが様々な難解な視界とマルチアジュアンス条件下でフォトリアリスティックレンダリングを実現することを実証した。
  論文  参考訳（メタデータ） (2025-09-19T03:06:49Z)
• MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping [52.99503784067417]
  3次元ガウス平板上に構築した初のRGBベースのマルチカメラSLAMシステムMCGS-SLAM(3DGS)を提案する。 マルチカメラバンドル調整(MCBA)は、高密度の測光および幾何残差を介してポーズと深さを共同で洗練し、スケール整合モジュールはビューを横断する計量アライメントを強制する。 合成および実世界のデータセットの実験は、MCGS-SLAMが一貫して正確な軌道と光現実的再構成をもたらすことを示している。
  論文  参考訳（メタデータ） (2025-09-17T17:27:53Z)
• Outdoor Monocular SLAM with Global Scale-Consistent 3D Gaussian Pointmaps [13.325879149065008]
  3D Gaussian Splatting (3DGS) は、高忠実性合成とリアルタイムな新規ビュー性能によりSLAMにおいて一般的なソリューションとなっている。 以前の3DGS SLAM法では、屋外のシーンに幾何学的な先行性がないため、追跡に微分可能なレンダリングパイプラインを使用していた。 技術的には、3DGSポイントマップに固定された自己整合性トラッキングモジュールを構築し、累積スケールドリフトを回避し、より正確でロバストなトラッキングを実現する。
  論文  参考訳（メタデータ） (2025-07-04T17:56:43Z)
• TVG-SLAM: Robust Gaussian Splatting SLAM with Tri-view Geometric Constraints [22.121665995381324]
  TVG-SLAMはRGBのみの堅牢な3DGS SLAMシステムである。 本手法はロバスト性を向上し,平均的絶対軌道誤差(ATE)を69.0%削減し,最先端のレンダリング品質を実現する。
  論文  参考訳（メタデータ） (2025-06-29T12:31:05Z)
• MonoGSDF: Exploring Monocular Geometric Cues for Gaussian Splatting-Guided Implicit Surface Reconstruction [86.87464903285208]
  高品質な再構成のための神経信号距離場(SDF)とプリミティブを結合する新しい手法であるMonoGSDFを紹介する。 任意のスケールのシーンを扱うために,ロバストな一般化のためのスケーリング戦略を提案する。 実世界のデータセットの実験は、効率を保ちながら、以前の方法よりも優れています。
  論文  参考訳（メタデータ） (2024-11-25T20:07:07Z)
• PF3plat: Pose-Free Feed-Forward 3D Gaussian Splatting [54.7468067660037]
  PF3platは、設計選択を検証した包括的なアブレーション研究によってサポートされた、すべてのベンチマークに新しい最先端を設定します。 本フレームワークは,3DGSの高速,スケーラビリティ,高品質な3D再構成とビュー合成機能を活用している。
  論文  参考訳（メタデータ） (2024-10-29T15:28:15Z)
• MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements [59.70107451308687]
  カメラ画像と慣性測定による地図表現に3Dガウスアンを用いることで、精度の高いSLAMが実現できることを示す。 我々の手法であるMM3DGSは、より高速なスケール認識と軌道追跡の改善により、事前レンダリングの限界に対処する。 また,カメラと慣性測定ユニットを備えた移動ロボットから収集したマルチモーダルデータセットUT-MMもリリースした。
  論文  参考訳（メタデータ） (2024-04-01T04:57:41Z)

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。