論文の概要: LST-SLAM: A Stereo Thermal SLAM System for Kilometer-Scale Dynamic Environments
- arxiv url: http://arxiv.org/abs/2602.20925v1
- Date: Tue, 24 Feb 2026 14:04:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-02-25 17:34:53.775502
- Title: LST-SLAM: A Stereo Thermal SLAM System for Kilometer-Scale Dynamic Environments
- Title(参考訳): LST-SLAM:キロメータースケール動的環境のためのステレオ熱SLAMシステム
- Authors: Zeyu Jiang, Kuan Xu, Changhao Chen,
- Abstract要約: LST-SLAMは、複雑でダイナミックなシーンで堅牢な性能を実現する、新しい大規模ステレオ熱SLAMシステムである。
提案手法は, 自己教師付き熱特徴学習, ステレオデュアルレベルモーショントラッキング, 幾何ポーズ最適化を組み合わせたものである。
キロスケールのダイナミックサーマルデータセットの実験により、LST-SLAMは最近の代表的なSLAMシステムよりも著しく優れていることが示された。
- 参考スコア(独自算出の注目度): 9.986292956956953
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thermal cameras offer strong potential for robot perception under challenging illumination and weather conditions. However, thermal Simultaneous Localization and Mapping (SLAM) remains difficult due to unreliable feature extraction, unstable motion tracking, and inconsistent global pose and map construction, particularly in dynamic large-scale outdoor environments. To address these challenges, we propose LST-SLAM, a novel large-scale stereo thermal SLAM system that achieves robust performance in complex, dynamic scenes. Our approach combines self-supervised thermal feature learning, stereo dual-level motion tracking, and geometric pose optimization. We also introduce a semantic-geometric hybrid constraint that suppresses potentially dynamic features lacking strong inter-frame geometric consistency. Furthermore, we develop an online incremental bag-of-words model for loop closure detection, coupled with global pose optimization to mitigate accumulated drift. Extensive experiments on kilometer-scale dynamic thermal datasets show that LST-SLAM significantly outperforms recent representative SLAM systems, including AirSLAM and DROID-SLAM, in both robustness and accuracy.
- Abstract(参考訳): 熱カメラは、難解な照明と気象条件下でロボットの知覚に強い可能性を秘めている。
しかし、特に大規模屋外環境において、信頼性の低い特徴抽出、不安定な動き追跡、不整合なグローバルポーズとマップ構築のため、熱的同時局在マッピング(SLAM)は依然として困難である。
これらの課題に対処するために,複雑でダイナミックなシーンでロバストな性能を実現する,新しい大規模ステレオ熱SLAMシステム LST-SLAM を提案する。
提案手法は, 自己教師付き熱特徴学習, ステレオデュアルレベルモーショントラッキング, 幾何ポーズ最適化を組み合わせたものである。
また,フレーム間の幾何的整合性に欠ける潜在的動的特徴を抑制する意味幾何学的ハイブリッド制約を導入する。
さらに、ループ閉鎖検出のためのオンラインインクリメンタルバッグ・オブ・ワードモデルと、蓄積ドリフトを緩和するためのグローバルポーズ最適化を併用する。
LST-SLAMはAirSLAMやDROID-SLAMを含む最近の代表的なSLAMシステムよりも頑丈さと精度で著しく優れていた。
関連論文リスト
- VIGS-SLAM: Visual Inertial Gaussian Splatting SLAM [75.55522219717137]
視覚-慣性3DガウスプラッティングSLAMシステムであるVIGS-SLAMについて述べる。
堅牢なリアルタイムトラッキングと高忠実度再構築を実現する。
本手法は,一貫した最適化フレームワーク内に視覚的および慣性的キューを密結合する。
論文 参考訳(メタデータ) (2025-12-02T00:19:13Z) - HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
イベントカメラは例外的な時間分解能と範囲(モード)を提供する
RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
論文 参考訳(メタデータ) (2025-10-22T13:15:13Z) - WildGS-SLAM: Monocular Gaussian Splatting SLAM in Dynamic Environments [48.51530726697405]
WildGS-SLAMは、動的環境を扱うために設計された、堅牢で効率的な単分子RGB SLAMシステムである。
本研究では,浅い多層パーセプトロンとDINOv2の特徴によって予測される不確実性マップを導入し,追跡とマッピングの両方において動的物体除去を誘導する。
その結果,WildGS-SLAMの動的環境における性能は最先端の手法に比べて優れていた。
論文 参考訳(メタデータ) (2025-04-04T19:19:40Z) - SLAM in the Dark: Self-Supervised Learning of Pose, Depth and Loop-Closure from Thermal Images [14.322021490470414]
複雑な照明条件下での非正規な深層学習に基づく単分子熱SLAMシステムであるDarkSLAMを提案する。
提案手法は,視覚計測におけるECA(Efficient Channel Attention)機構と深度推定におけるSKA(Selective Kernel Attention)機構を取り入れたものである。
夜間の挑戦的な環境においても、正確な位置決めと3D高密度マッピングを提供する。
論文 参考訳(メタデータ) (2025-02-26T08:34:23Z) - Monte Carlo Tree Search with Velocity Obstacles for safe and efficient motion planning in dynamic environments [49.30744329170107]
本稿では,動的障害物に関する情報を最小限に抑えた最適オンライン動作計画手法を提案する。
提案手法は,モデルシミュレーションによるオンライン最適計画のためのモンテカルロ木探索 (MCTS) と障害物回避のためのVelocity Obstacles (VO) を組み合わせた。
我々は,非線形モデル予測制御(NMPC)を含む最先端のプランナーに対して,衝突速度,計算,タスク性能の向上の観点から,我々の方法論の優位性を示す。
論文 参考訳(メタデータ) (2025-01-16T16:45:08Z) - ROVER: A Multi-Season Dataset for Visual SLAM [7.296917102476635]
ROVERは、様々な環境条件下で視覚SLAMアルゴリズムを評価するためのベンチマークデータセットである。
5つの屋外に39の録音があり、季節ごとの収集と様々な照明のシナリオがある。
その結果, ステレオ慣性・RGBD構成は, 照明条件下では良好であるが, SLAMシステムの多くは低照度・高植生環境では不十分であることがわかった。
論文 参考訳(メタデータ) (2024-12-03T15:34:00Z) - NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。
近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
論文 参考訳(メタデータ) (2023-02-07T17:06:34Z) - Dense RGB-D-Inertial SLAM with Map Deformations [25.03159756734727]
密結合型RGB-D-慣性SLAMシステムを提案する。
我々は,RGB-DのみのSLAMシステムよりも,低テクスチャ,低幾何学的変動の速い動きや周期に対して,より堅牢であることを示す。
論文 参考訳(メタデータ) (2022-07-22T08:33:38Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳(メタデータ) (2020-11-02T18:02:26Z)
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。