論文の概要: InsSo3D: Inertial Navigation System and 3D Sonar SLAM for turbid environment inspection
- arxiv url: http://arxiv.org/abs/2601.05805v2
- Date: Fri, 06 Mar 2026 16:58:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.716389
- Title: InsSo3D: Inertial Navigation System and 3D Sonar SLAM for turbid environment inspection
- Title（参考訳）: InsSo3D: 乱流環境検査のための慣性ナビゲーションシステムと3次元ソナーSLAM
- Authors: Simon Archieri, Ahmet Cinar, Shu Pan, Jonatan Scharff Willners, Michele Grimaldi, Ignacio Carlucho, Yvan Petillot,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 1.9956365893560395
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents InsSo3D, an accurate and efficient method for large-scale 3D Simultaneous Localisation and Mapping (SLAM) using a 3D Sonar and an Inertial Navigation System (INS). Unlike traditional sonar, which produces 2D images containing range and azimuth information but lacks elevation information, 3D Sonar produces a 3D point cloud, which therefore does not suffer from elevation ambiguity. We introduce a robust and modern SLAM framework adapted to the 3D Sonar data using INS as prior, detecting loop closure and performing pose graph optimisation. We evaluated InsSo3D performance inside a test tank with access to ground truth data and in an outdoor flooded quarry. Comparisons to reference trajectories and maps obtained from an underwater motion tracking system and visual Structure From Motion (SFM) demonstrate that InsSo3D efficiently corrects odometry drift. The average trajectory error is below 21cm during a 50-minute-long mission, producing a map of 10m by 20m with a 9cm average reconstruction error, enabling safe inspection of natural or artificial underwater structures even in murky water conditions.
- Abstract（参考訳）: 本稿では,InsSo3Dを提案する。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手法である。
距離と方位情報を含む2D画像を生成する従来のソナーとは異なり、3Dソナーは3D点雲を生成するため、高度の曖昧さに悩まされない。
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。
実験槽内におけるInsSo3Dの性能を,地上の真実データと屋外の浸水採石場で評価した。
水中の運動追跡システムから得られた基準軌跡や地図や、SFM (Structure From Motion) と比較すると、InsSo3Dはドリフトを効率的に補正する。
平均軌道誤差は50分間のミッションで21cm未満であり、平均軌道誤差が9cmの10m×20mの地図を作成した。
関連論文リスト
- VISO: Robust Underwater Visual-Inertial-Sonar SLAM with Photometric Rendering for Dense 3D Reconstruction [2.095709224275874]
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。
論文 参考訳（メタデータ） (2026-01-03T10:18:09Z) - 3D Ground Truth Reconstruction from Multi-Camera Annotations Using UKF [4.898782241137317]
本稿では,UKF(Unscented Kalman Filter)を用いて2次元境界ボックスを融合させたり,キーポイント基底真理アノテーションを3次元基底真理に応用する新しい手法を提案する。
提案手法は,ヒトのアノテートした接地トラス2Dを利用して,ホログラフィベースの投影とUKFベースの融合により,2次元画像座標をロバストな3次元世界座標に変換する。
我々は,CMC,Wildtrack,Panopticの3次元局所化の精度を,利用可能な3次元地上真実と比較して高い精度で評価した。
論文 参考訳（メタデータ） (2025-11-18T08:15:14Z) - 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) - Plenodium: UnderWater 3D Scene Reconstruction with Plenoptic Medium Representation [31.47797579690604]
Plenodiumは、オブジェクトと参加メディアの両方を共同でモデリングできる3D表現フレームワークである。
ビュー依存モデリングにのみ依存する既存の媒体表現とは対照的に,本手法では指向性情報と位置情報の両方を包含する。
実世界の水中データセットを用いた実験により,本手法は3次元再構成において大きな改善をもたらすことが示された。
論文 参考訳（メタデータ） (2025-05-27T14:37:58Z) - 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) - 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) - Time and Cost-Efficient Bathymetric Mapping System using Sparse Point
Cloud Generation and Automatic Object Detection [0.0]
サイドスキャンソナーセンサーは安価で、特に魚用ファインダーで利用できる。
サイドスキャンソナー画像から3D情報を抽出することは、信号対雑音比が低いため難しい課題である。
本稿では,サイドスキャンソナー画像からスパース3D点雲を生成する効率的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2022-10-19T02:58:08Z) - PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。
この2つのタスクを同一のメトリック空間で統一するモデルを提案する。
提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-01-17T05:11:38Z) - Cylinder3D: An Effective 3D Framework for Driving-scene LiDAR Semantic
Segmentation [87.54570024320354]
大規模運転シーンのLiDARセマンティックセマンティックセグメンテーションのための最先端の手法は、しばしば2D空間の点雲を投影して処理する。
3D-to-2Dプロジェクションの問題に取り組むための簡単な解決策は、3D表現を保ち、3D空間の点を処理することである。
我々は3次元シリンダー分割と3次元シリンダー畳み込みに基づくフレームワークをCylinder3Dとして開発し,3次元トポロジの関係と運転シーンの点雲の構造を利用する。
論文 参考訳（メタデータ） (2020-08-04T13:56:19Z) - DSGN: Deep Stereo Geometry Network for 3D Object Detection [79.16397166985706]
画像ベースとLiDARベースの3Dオブジェクト検出器の間には大きなパフォーマンスギャップがある。
我々の手法であるDeep Stereo Geometry Network (DSGN)は,このギャップを著しく低減する。
初めて、シンプルで効果的な1段ステレオベースの3D検出パイプラインを提供する。
論文 参考訳（メタデータ） (2020-01-10T11:44:37Z)
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。