論文の概要: Rig-Aware 3D Reconstruction of Vehicle Undercarriages using Gaussian Splatting

• arxiv url: http://arxiv.org/abs/2601.14208v1
• Date: Tue, 20 Jan 2026 18:13:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-21 22:47:23.444795
• Title: Rig-Aware 3D Reconstruction of Vehicle Undercarriages using Gaussian Splatting
• Title（参考訳）: ガウススプラッティングによる車体下キャリッジの3次元リグアウェア再構築
• Authors: Nitin Kulkarni, Akhil Devarashetti, Charlie Cluss, Livio Forte, Dan Buckmaster, Philip Schneider, Chunming Qiao, Alina Vereshchaka,
• Abstract要約: 車両が走行する際、車体下部の映像を撮影するために3台のカメラ・リグを使用するエンドツーエンドパイプラインを提案する。 3Dモデルでは、検査官や顧客は下着を回転、ズーム、スライスして、さび、漏れ、衝撃を数秒で検出できる。 本手法は,正確なカメラキャリブレーション,同期映像ストリーム,カメラリグからの強い幾何学的先行情報を統合することで,広角レンズ歪みと低パララックスシーンの課題を克服する。
• 参考スコア（独自算出の注目度）: 15.633861502167663
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Inspecting the undercarriage of used vehicles is a labor-intensive task that requires inspectors to crouch or crawl underneath each vehicle to thoroughly examine it. Additionally, online buyers rarely see undercarriage photos. We present an end-to-end pipeline that utilizes a three-camera rig to capture videos of the undercarriage as the vehicle drives over it, and produces an interactive 3D model of the undercarriage. The 3D model enables inspectors and customers to rotate, zoom, and slice through the undercarriage, allowing them to detect rust, leaks, or impact damage in seconds, thereby improving both workplace safety and buyer confidence. Our primary contribution is a rig-aware Structure-from-Motion (SfM) pipeline specifically designed to overcome the challenges of wide-angle lens distortion and low-parallax scenes. Our method overcomes the challenges of wide-angle lens distortion and low-parallax scenes by integrating precise camera calibration, synchronized video streams, and strong geometric priors from the camera rig. We use a constrained matching strategy with learned components, the DISK feature extractor, and the attention-based LightGlue matcher to generate high-quality sparse point clouds that are often unattainable with standard SfM pipelines. These point clouds seed the Gaussian splatting process to generate photorealistic undercarriage models that render in real-time. Our experiments and ablation studies demonstrate that our design choices are essential to achieve state-of-the-art quality.
• Abstract（参考訳）: 使用中の車両の降ろしを検査することは労働集約的な作業であり、検査官は各車両の下にしゃがみ込んだりクロールしたりして徹底的に検査する必要がある。 さらに、オンライン購入者は下着写真を見ることはめったにない。 車両が走行するときに下着の映像を撮影する3カメラ・リグを用いたエンドツーエンドパイプラインを提案し,車体下着のインタラクティブな3Dモデルを作成する。 3Dモデルにより、検査官や顧客は下着を回転、ズーム、スライスし、さび、漏れ、衝撃を秒単位で検出し、職場の安全と購入者の信頼を向上することができる。 我々の主な貢献は、広角レンズ歪みと低パララックスシーンの課題を克服するために設計された、rig-aware Structure-from-Motion (SfM)パイプラインである。 本手法は,正確なカメラキャリブレーション,同期映像ストリーム,カメラリグからの強い幾何学的先行情報を統合することで,広角レンズ歪みと低パララックスシーンの課題を克服する。 我々は、学習したコンポーネント、Disk特徴抽出器、注意に基づくLightGlueマッチングを用いて、標準SfMパイプラインではしばしば達成できない高品質のスパースポイントクラウドを生成する。 これらの点雲はガウススプラッティング過程をシードし、リアルタイムでレンダリングするフォトリアリスティックアンダーキャリッジモデルを生成する。 我々の実験とアブレーション研究は、最先端の品質を達成するためには設計選択が不可欠であることを示した。

関連論文リスト

• ReCamDriving: LiDAR-Free Camera-Controlled Novel Trajectory Video Generation [38.23100905961028]
  ReCamDrivingは、ビジョンベースでカメラ制御されたノベル・トラジェクトリー・ビデオ生成フレームワークである。 本稿では,3DGSを用いたクロストラジェクトリデータキュレーション手法を提案する。
  論文  参考訳（メタデータ） (2025-12-03T09:55:25Z)
• DC-Gaussian: Improving 3D Gaussian Splatting for Reflective Dash Cam Videos [23.967885144420613]
  本稿では,車載ダッシュカムビデオから新しいビューを生成する手法であるDC-Gaussianを提案する。 本手法は,新規なビュー合成における最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-05-27T23:38:10Z)
• MagicDrive3D: Controllable 3D Generation for Any-View Rendering in Street Scenes [72.02827211293736]
  MagicDrive3Dは、コントロール可能な3Dストリートシーン生成のための新しいフレームワークである。 ロードマップ、3Dオブジェクト、テキスト記述を含むマルチコンディション制御をサポートする。 多様な高品質な3Dドライビングシーンを生成し、任意のビューレンダリングをサポートし、BEVセグメンテーションのような下流タスクを強化する。
  論文  参考訳（メタデータ） (2024-05-23T12:04:51Z)
• SGD: Street View Synthesis with Gaussian Splatting and Diffusion Prior [53.52396082006044]
  現在の手法では、トレーニングの観点から大きく逸脱する観点で、レンダリングの品質を維持するのに苦労しています。 この問題は、移動中の車両の固定カメラが捉えた、まばらなトレーニングビューに起因している。 そこで本研究では,拡散モデルを用いて3DGSのキャパシティを向上させる手法を提案する。
  論文  参考訳（メタデータ） (2024-03-29T09:20:29Z)
• An Efficient Wide-Range Pseudo-3D Vehicle Detection Using A Single Camera [10.573423265001706]
  本稿では,1台のカメラからの画像に基づく広帯域Pseudo-3D車両検出手法を提案する。 擬似3次元物体を検出するために,本モデルは特別に設計された検出ヘッドを採用する。 オブジェクトボックスとSPLを併用した共同制約損失はモデルトレーニング時に設計され、モデルの効率、安定性、予測精度が向上する。
  論文  参考訳（メタデータ） (2023-09-15T12:50:09Z)
• 3D Data Augmentation for Driving Scenes on Camera [50.41413053812315]
  本稿では,Drive-3DAugと呼ばれる3次元データ拡張手法を提案する。 まずNeural Radiance Field(NeRF)を用いて,背景および前景の3次元モデルの再構成を行う。 そして、予め定義された背景の有効領域に適応した位置と向きの3Dオブジェクトを配置することにより、拡張駆動シーンを得ることができる。
  論文  参考訳（メタデータ） (2023-03-18T05:51:05Z)
• Monocular 3D Vehicle Detection Using Uncalibrated Traffic Cameras through Homography [12.062095895630563]
  本稿では,1台の交通カメラから3次元世界における車両の位置とポーズを抽出する手法を提案する。 道路平面と画像平面の相同性が3D車両の検出に不可欠であることを観察する。 本稿では,BEV画像の歪み検出精度を高めるためのtextittailedr-box と textitdual-view Network アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2021-03-29T02:57:37Z)
• Road Curb Detection and Localization with Monocular Forward-view Vehicle Camera [74.45649274085447]
  魚眼レンズを装着した校正単眼カメラを用いて3Dパラメータを推定するロバストな手法を提案する。 我々のアプローチでは、車両が90%以上の精度で、リアルタイムで距離を抑えることができる。
  論文  参考訳（メタデータ） (2020-02-28T00:24:18Z)

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。