論文の概要: Loop Closure via Maximal Cliques in 3D LiDAR-Based SLAM

• arxiv url: http://arxiv.org/abs/2603.05397v1
• Date: Thu, 05 Mar 2026 17:24:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-06 22:06:11.340871
• Title: Loop Closure via Maximal Cliques in 3D LiDAR-Based SLAM
• Title（参考訳）: 3次元LiDARを用いたSLAMにおける最大傾きによるループ閉鎖
• Authors: Javier Laserna, Saurabh Gupta, Oscar Martinez Mozos, Cyrill Stachniss, Pablo San Segundo,
• Abstract要約: ループクロージャ検証のための新しい決定論的アルゴリズムであるCliRegを導入する。 RANSAC検証を、特徴対応の互換性グラフ上の最大傾き探索に置き換える。 RANSACよりも低いポーズエラーとより信頼性の高いループクロージャを一貫して達成する。
• 参考スコア（独自算出の注目度）: 20.123895043037443
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable loop closure detection remains a critical challenge in 3D LiDAR-based SLAM, especially under sensor noise, environmental ambiguity, and viewpoint variation conditions. RANSAC is often used in the context of loop closures for geometric model fitting in the presence of outliers. However, this approach may fail, leading to map inconsistency. We introduce a novel deterministic algorithm, CliReg, for loop closure validation that replaces RANSAC verification with a maximal clique search over a compatibility graph of feature correspondences. This formulation avoids random sampling and increases robustness in the presence of noise and outliers. We integrated our approach into a real- time pipeline employing binary 3D descriptors and a Hamming distance embedding binary search tree-based matching. We evaluated it on multiple real-world datasets featuring diverse LiDAR sensors. The results demonstrate that our proposed technique consistently achieves a lower pose error and more reliable loop closures than RANSAC, especially in sparse or ambiguous conditions. Additional experiments on 2D projection-based maps confirm its generality across spatial domains, making our approach a robust and efficient alternative for loop closure detection.
• Abstract（参考訳）: 信頼性の高いループ閉鎖検出は、3D LiDARベースのSLAMにおいて重要な課題であり、特にセンサノイズ、環境のあいまいさ、視点の変化条件下での課題である。 RANSACは、外れ値の存在下で幾何モデルフィッティングのループ閉包の文脈でよく用いられる。 しかし、このアプローチは失敗する可能性があり、不整合をマップする。 我々は、RANSAC検証を特徴対応の互換性グラフ上の最大傾き探索に置き換える、ループクロージャ検証のための新しい決定論的アルゴリズムであるCliRegを導入する。 この定式化はランダムサンプリングを回避し、ノイズや外れ値の存在下で堅牢性を高める。 我々は,2進3次元記述子を用いたリアルタイムパイプラインと,2進2進木対応のハミング距離を組み込んだ2進2進2進2進2進2進2進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進3進 多様なLiDARセンサを特徴とする複数の実世界のデータセットで評価した。 その結果,提案手法はRANSACよりも低いポーズ誤差とより信頼性の高いループクロージャを連続的に達成できることがわかった。 2次元プロジェクションに基づくマップのさらなる実験により、空間領域間の一般化が確認され、我々のアプローチはループ閉包検出の堅牢で効率的な代替手段となる。

関連論文リスト

• ITS3D: Inference-Time Scaling for Text-Guided 3D Diffusion Models [88.04431808574581]
  ITS3Dは、最も効果的なガウス雑音入力を特定するための最適化問題としてタスクを定式化するフレームワークである。 安定性, 効率, 探索能力を向上させるための3つの技術を紹介する。 実験により、ITS3Dはテキストから3D生成の品質を向上させることが示された。
  論文  参考訳（メタデータ） (2025-11-27T13:46:16Z)
• Multi-modal Loop Closure Detection with Foundation Models in Severely Unstructured Environments [10.028232479762075]
  本稿では,マルチモーダルパイプラインであるMPRFについて述べる。 S3LIデータセットとS3LI Vulcanoデータセットの実験は、MPRFが最先端の検索方法よりも精度が高いことを示している。 SLAMバックエンドに適した解釈可能な対応を提供することにより、MPRFは精度、効率、信頼性の間の良好なトレードオフを達成する。
  論文  参考訳（メタデータ） (2025-11-07T16:30:35Z)
• 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)
• LDRFusion: A LiDAR-Dominant multimodal refinement framework for 3D object detection [5.820124526272312]
  既存のLiDAR-Camera融合法は3次元物体検出において大きな成果を上げている。 我々は,LDRFusionを提案する。LDRFusionは,マルチセンサフュージョンのための新しい2段階改良フレームワークである。 当社のフレームワークは,複数のカテゴリと難易度をまたいだパフォーマンスを継続的に達成しています。
  論文  参考訳（メタデータ） (2025-07-22T04:35:52Z)
• Visual Loop Closure Detection Through Deep Graph Consensus [7.744347341643204]
  位置認識によって得られる視覚的類似の幾何を利用してループ閉鎖コンセンサスを推定するグラフニューラルネットワークアーキテクチャであるLoopGNNを導入する。 提案手法は,高精度なリコールを維持しながら高精度な推定値が得られる。
  論文  参考訳（メタデータ） (2025-05-27T20:42:47Z)
• Fully Sparse Fusion for 3D Object Detection [69.32694845027927]
  現在広く使われているマルチモーダル3D検出法は、通常、密度の高いBird-Eye-View特徴マップを使用するLiDARベースの検出器上に構築されている。 完全にスパースなアーキテクチャは、長距離知覚において非常に効率的であるため、注目を集めている。 本稿では,新たに出現するフルスパースアーキテクチャにおいて,画像のモダリティを効果的に活用する方法を検討する。
  論文  参考訳（メタデータ） (2023-04-24T17:57:43Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• GLENet: Boosting 3D Object Detectors with Generative Label Uncertainty Estimation [70.75100533512021]
  本稿では,対象物の潜在的可算有界箱の多様性として,ラベルの不確実性問題を定式化する。 本稿では,条件付き変分オートエンコーダを応用した生成フレームワークであるGLENetを提案する。 GLENetが生成するラベルの不確実性はプラグアンドプレイモジュールであり、既存のディープ3D検出器に便利に統合することができる。
  論文  参考訳（メタデータ） (2022-07-06T06:26:17Z)
• Loop closure detection using local 3D deep descriptors [22.93552565583209]
  局所3次元深部記述子(L3D)を用いた同時局所化・マッピングにおけるループ閉鎖検出手法を提案する。 本稿では,互いにアレスト近傍の記述子に対応する点間の距離誤差を計算し,ループ検出のための新しい重なり測定手法を提案する。 この手法により,ループを正確に検出し,重なりが小さければ6自由度ポーズを推定できる。
  論文  参考訳（メタデータ） (2021-10-31T09:18:38Z)
• SA-LOAM: Semantic-aided LiDAR SLAM with Loop Closure [12.970919078106634]
  LOAM(SA-LOAM)をベースとしたループ閉鎖型セマンティック支援LiDAR SLAMを提案する。 局所化精度を改善し、ループ閉鎖を効果的に検出し、大規模シーンにおいてもグローバルな一貫したセマンティックマップを構築することができる。
  論文  参考訳（メタデータ） (2021-06-22T03:14:20Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)

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。