論文の概要: VISO: Robust Underwater Visual-Inertial-Sonar SLAM with Photometric Rendering for Dense 3D Reconstruction

• arxiv url: http://arxiv.org/abs/2601.01144v2
• Date: Fri, 06 Mar 2026 16:46:12 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:40.615217
• Title: VISO: Robust Underwater Visual-Inertial-Sonar SLAM with Photometric Rendering for Dense 3D Reconstruction
• Title（参考訳）: VISO:高密度3次元再構成のための測光レンダリングによる水中のロバストなビジュアル・慣性・ソナーSLAM
• Authors: Shu Pan, Simon Archieri, Ahmet Cinar, Jonatan Scharff Willners, Ignacio Carlucho, Yvan Petillot,
• Abstract要約: VISOは、ステレオカメラと慣性測定ユニット(IMU)と3Dソナーを融合させる堅牢な水中SLAMシステムである。 我々は,VISOが現在最先端の水中および視覚に基づくSLAMアルゴリズムを,ローカライゼーションの堅牢性と精度の観点から上回っていることを示す。
• 参考スコア（独自算出の注目度）: 2.095709224275874
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Visual challenges in underwater environments significantly hinder the accuracy of vision-based localisation and the high-fidelity dense reconstruction. In this paper, we propose VISO, a robust underwater SLAM system that fuses a stereo camera, an inertial measurement unit (IMU), and a 3D sonar to achieve accurate 6-DoF localisation and enable efficient dense 3D reconstruction with high photometric fidelity. We introduce a coarse-to-fine online calibration approach for extrinsic parameters estimation between the 3D sonar and the camera. Additionally, a photometric rendering strategy is proposed for the 3D sonar point cloud to enrich the sonar map with visual information. Extensive experiments in a laboratory tank and an open lake demonstrate that VISO surpasses current state-of-the-art underwater and visual-based SLAM algorithms in terms of localisation robustness and accuracy, while also exhibiting real-time dense 3D reconstruction performance comparable to the offline dense mapping method.
• Abstract（参考訳）: 水中環境における視覚的課題は、視覚に基づく局部化と高忠実度高密度再構成の精度を著しく損なう。 本稿では,ステレオカメラと慣性測定ユニット(IMU)と3Dソナーを融合させ,高精度な6-DoFローカライゼーションを実現し,高光度忠実度で高密度な3D再構成を可能にする,ロバストな水中SLAMシステムであるVISOを提案する。 本稿では,3次元ソナーとカメラ間の外部パラメータ推定のための粗大なオンラインキャリブレーション手法を提案する。 さらに,3次元ソナー点雲に対して,視覚情報でソナーマップをリッチ化するための光度レンダリング戦略を提案する。 実験室タンクとオープンレイクでの大規模な実験により、VISOは現在の水中および視覚ベースのSLAMアルゴリズムを、局所的な堅牢性と精度の観点から超越し、オフラインの高密度マッピング法に匹敵するリアルタイムの高密度3D再構成性能を示した。

関連論文リスト

• InsSo3D: Inertial Navigation System and 3D Sonar SLAM for turbid environment inspection [1.9956365893560395]
  InsSo3Dは3次元ソナーと慣性ナビゲーションシステム(INS)を用いた大規模3次元同時局在マッピング(SLAM)の高精度かつ効率的な方法である 我々は,INSを先行として3次元ソナーデータに適用し,ループのクロージャを検出し,ポーズグラフの最適化を行う,堅牢で現代的なSLAMフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-01-09T14:22:26Z)
• OceanSplat: Object-aware Gaussian Splatting with Trinocular View Consistency for Underwater Scene Reconstruction [4.325717217536016]
  OceanSplatは、水中のシーンで3D幾何学を表現するための新しい3Dガウススプレイティングベースのアプローチである。 そこで,OceanSplatは,散乱媒体におけるシーン復元と復元の両方において,既存の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2026-01-08T14:38:39Z)
• 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)
• 3D-UIR: 3D Gaussian for Underwater 3D Scene Reconstruction via Physics Based Appearance-Medium Decoupling [30.985414238960466]
  3D Gaussian Splatting (3DGS)はリアルタイムレンダリング機能を提供するが、水中の不均一な環境に苦しむ。 水媒体効果から物体の外観を遠ざける物理ベースの枠組みを提案する。 提案手法は,高品質な新規ビュー合成と物理的に正確なシーン復元を実現する。
  論文  参考訳（メタデータ） (2025-05-27T14:19:30Z)
• EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
  既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。 本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
  論文  参考訳（メタデータ） (2025-03-26T02:47:27Z)
• GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
  本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。 提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
  論文  参考訳（メタデータ） (2024-05-17T07:31:20Z)
• 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)
• Spatiotemporally Consistent HDR Indoor Lighting Estimation [66.26786775252592]
  本研究では,屋内照明推定問題を解決するための物理動機付きディープラーニングフレームワークを提案する。 深度マップを用いた1枚のLDR画像から,任意の画像位置における空間的に一貫した照明を予測できる。 我々のフレームワークは、最先端の単一画像やビデオベースの手法と比較して、高画質で光リアリスティック照明予測を実現する。
  論文  参考訳（メタデータ） (2023-05-07T20:36:29Z)
• Underwater 3D Reconstruction Using Light Fields [41.23269538226359]
  光界カメラを用いた水中3次元再構成法を提案する。 まず、カメラパラメータを同時に推定する光場カメラキャリブレーションアルゴリズムを開発する。 次に、3次元再構成のための新しい深度推定アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2021-09-05T16:23:39Z)
• D3VO: Deep Depth, Deep Pose and Deep Uncertainty for Monocular Visual Odometry [57.5549733585324]
  D3VOは、深度、ポーズ、不確実性推定という3つのレベルでディープネットワークを利用する、単眼の視覚計測のための新しいフレームワークである。 まず,ステレオビデオを用いた自己監督型単眼深度推定ネットワークを提案する。 入力画像上の画素の光度不確かさをモデル化し、深度推定精度を向上させる。
  論文  参考訳（メタデータ） (2020-03-02T17:47:13Z)

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。