論文の概要: PCR-ORB: Enhanced ORB-SLAM3 with Point Cloud Refinement Using Deep Learning-Based Dynamic Object Filtering

• arxiv url: http://arxiv.org/abs/2512.23318v1
• Date: Mon, 29 Dec 2025 09:10:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-30 22:37:30.448606
• Title: PCR-ORB: Enhanced ORB-SLAM3 with Point Cloud Refinement Using Deep Learning-Based Dynamic Object Filtering
• Title（参考訳）: PCR-ORB:Deep Learning-based Dynamic Object Filtering を用いたポイントクラウドリファインメントによるORB-SLAM3の強化
• Authors: Sheng-Kai Chen, Jie-Yu Chao, Jr-Yu Chang, Po-Lien Wu, Po-Chiang Lin,
• Abstract要約: ORB-SLAM3フレームワークは、ディープラーニングベースのポイントクラウド改善を統合し、動的オブジェクト干渉を緩和する。 YOLOv8セマンティックセグメンテーションと地上加速処理を組み合わせることでリアルタイムなパフォーマンスを実現する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Visual Simultaneous Localization and Mapping (vSLAM) systems encounter substantial challenges in dynamic environments where moving objects compromise tracking accuracy and map consistency. This paper introduces PCR-ORB (Point Cloud Refinement ORB), an enhanced ORB-SLAM3 framework that integrates deep learning-based point cloud refinement to mitigate dynamic object interference. Our approach employs YOLOv8 for semantic segmentation combined with CUDA-accelerated processing to achieve real-time performance. The system implements a multi-stage filtering strategy encompassing ground plane estimation, sky region removal, edge filtering, and temporal consistency validation. Comprehensive evaluation on the KITTI dataset (sequences 00-09) demonstrates performance characteristics across different environmental conditions and scene types. Notable improvements are observed in specific sequences, with sequence 04 achieving 25.9% improvement in ATE RMSE and 30.4% improvement in ATE median. However, results show mixed performance across sequences, indicating scenario-dependent effectiveness. The implementation provides insights into dynamic object filtering challenges and opportunities for robust navigation in complex environments.
• Abstract（参考訳）: VSLAM(Visual Simultaneous Localization and Mapping)システムは、移動物体の追跡精度とマップの一貫性を損なう動的環境において、重大な課題に直面する。 本稿では,深層学習をベースとしたポイントクラウド改良を統合し,動的オブジェクト干渉を緩和する拡張型ORB-SLAM3フレームワークであるPCR-ORB(Point Cloud Refinement ORB)を紹介する。 提案手法では,CUDAの高速化処理と組み合わせたセマンティックセマンティックセマンティックセマンティクスのYOLOv8を用いて,リアルタイムな性能を実現する。 本システムは,地平面推定,空域除去,エッジフィルタリング,時間的整合性検証を含む多段階フィルタリング方式を実装している。 KITTIデータセットの総合評価 (00-09) では, 環境条件やシーンタイプの違いによる性能特性が示されている。 特定のシーケンスで顕著な改善が見られ、シーケンス04はATE RMSEで25.9%、ATE中央値で30.4%向上した。 しかし, 結果から, シナリオ依存の有効性が示唆された。 この実装は、動的オブジェクトフィルタリングの課題と複雑な環境で堅牢なナビゲーションの機会に関する洞察を提供する。

関連論文リスト

• Topology-Aware Modeling for Unsupervised Simulation-to-Reality Point Cloud Recognition [63.55828203989405]
  我々はオブジェクトポイントクラウド上でSim2Real UDAのための新しいTopology-Aware Modeling (TAM)フレームワークを紹介する。 提案手法は,低レベルの高周波3次元構造を特徴とするグローバル空間トポロジを利用して,領域間隙を緩和する。 本稿では,クロスドメイン・コントラスト学習と自己学習を組み合わせた高度な自己学習戦略を提案する。
  論文  参考訳（メタデータ） (2025-06-26T11:53:59Z)
• ADA-DPM: A Neural Descriptors-based Adaptive Noise Filtering Strategy for SLAM [5.845408757630474]
  本稿では ADA-DPM という SLAM のためのニューラルディスクリプタに基づく適応ノイズフィルタリング手法を提案する。 動的物体干渉に対処するために,動的特徴点の予測とフィルタリングを行う動的ヘッドを設計する。 第2に,ノイズと非構造的特徴点の影響を軽減するため,グローバル・コンパタンス・スコアリング・ヘッドを提案する。 最後に、複数の公開データセットに対する実験的検証により、ADA-DPMの有効性が確認された。
  論文  参考訳（メタデータ） (2025-06-22T12:48:11Z)
• YOLOv13: Real-Time Object Detection with Hypergraph-Enhanced Adaptive Visual Perception [58.06752127687312]
  高精度で軽量な物体検出器YOLOv13を提案する。 ハイパーグラフに基づく適応相関強化(HyperACE)機構を提案する。 また,FullPAD(Full-Pipeline Aggregation-and-Distribution)パラダイムを提案する。
  論文  参考訳（メタデータ） (2025-06-21T15:15:03Z)
• UP-SLAM: Adaptively Structured Gaussian SLAM with Uncertainty Prediction in Dynamic Environments [1.4117999181375773]
  UP-SLAMは動的環境のためのリアルタイムRGB-D SLAMシステムである。 並列化フレームワークを通じて追跡とマッピングを分離する。 実験により、ローカライズ精度とレンダリング品質の両方において最先端の手法より優れていることが示唆された。
  論文  参考訳（メタデータ） (2025-05-28T13:23:16Z)
• HIF: Height Interval Filtering for Efficient Dynamic Points Removal [15.084345581223287]
  動的オブジェクトの削除は、動的シナリオ内のポイントクラウドベースのマップ構築において重要な課題となっている。 しかし、既存のアプローチはしばしば計算オーバーヘッドが大きくなり、リアルタイム処理の要求を満たすことは困難である。 本研究では,垂直次元を確率的にモデル化するための柱型高さ間隔表現を構成するハイトインターバルフィルタ(HIF)手法を提案する。 公開データセットの実験では、HIFは既存のSOTAメソッドと同等の精度で、時間効率を7.7倍改善することを示した。
  論文  参考訳（メタデータ） (2025-03-10T02:40:49Z)
• Implicit Event-RGBD Neural SLAM [54.74363487009845]
  神経性SLAMは近年顕著な進歩を遂げている。 既存の手法は、非理想的なシナリオにおいて重大な課題に直面します。 本稿では,最初のイベントRGBD暗黙的ニューラルSLAMフレームワークであるEN-SLAMを提案する。
  論文  参考訳（メタデータ） (2023-11-18T08:48:58Z)
• Object recognition in atmospheric turbulence scenes [2.657505380055164]
  乱流環境におけるオブジェクトの型を検知・分類するための歪み特徴を学習する新しいフレームワークを提案する。 具体的には、変形可能な畳み込みを利用して空間変位を処理する。 提案手法は平均精度(mAP)が30%を超えるベンチマークよりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-10-25T20:21:25Z)
• Learning Consistency Pursued Correlation Filters for Real-Time UAV Tracking [12.292672531693794]
  本研究は,動的整合性追従相関フィルタ,すなわちCPCFトラッカーを用いた新しい手法を提案する。 実用的な理想整合写像とスケジュールされた理想整合写像との差を最小化することにより、整合度は時間的滑らかさを維持するために制約される。 提案されたトラッカーは、1つのCPU上でのリアルタイムランニング速度(sim$43FPS)の他の25の最先端トラッカーを好んで上回っている。
  論文  参考訳（メタデータ） (2020-08-09T10:22:52Z)
• Hierarchical Dynamic Filtering Network for RGB-D Salient Object Detection [91.43066633305662]
  RGB-D Salient Object Detection (SOD) の主な目的は、相互融合情報をよりよく統合し活用する方法である。 本稿では,これらの問題を新たな視点から考察する。 我々は、より柔軟で効率的なマルチスケールのクロスモーダルな特徴処理を実装している。
  論文  参考訳（メタデータ） (2020-07-13T07:59:55Z)

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。