論文の概要: TRGS-SLAM: IMU-Aided Gaussian Splatting SLAM for Blurry, Rolling Shutter, and Noisy Thermal Images
- arxiv url: http://arxiv.org/abs/2603.20443v1
- Date: Fri, 20 Mar 2026 19:18:31 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-24 19:11:38.917445
- Title: TRGS-SLAM: IMU-Aided Gaussian Splatting SLAM for Blurry, Rolling Shutter, and Noisy Thermal Images
- Title（参考訳）: TRGS-SLAM:IMU支援ガウス鋳型SLAMによるブラリー, 転がりシャッター, ノイズ熱画像
- Authors: Spencer Carmichael, Katherine A. Skinner,
- Abstract要約: 熱慣性SLAMシステムであるTRGS-SLAMについて述べる。
熱データ処理の課題を克服するため,3DGS SLAMにモデル対応の3DGSレンダリング手法といくつかの一般的な革新を導入する。
我々のシステムは、実世界、高速な動き、高雑音の熱データを正確に追跡し、他のすべてのSLAM法が失敗することを示す。
- 参考スコア（独自算出の注目度）: 9.011910869866702
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thermal cameras offer several advantages for simultaneous localization and mapping (SLAM) with mobile robots: they provide a passive, low-power solution to operating in darkness, are invariant to rapidly changing or high dynamic range illumination, and can see through fog, dust, and smoke. However, uncooled microbolometer thermal cameras, the only practical option in most robotics applications, suffer from significant motion blur, rolling shutter distortions, and fixed pattern noise. In this paper, we present TRGS-SLAM, a 3D Gaussian Splatting (3DGS) based thermal inertial SLAM system uniquely capable of handling these degradations. To overcome the challenges of thermal data, we introduce a model-aware 3DGS rendering method and several general innovations to 3DGS SLAM, including B-spline trajectory optimization with a two-stage IMU loss, view-diversity-based opacity resetting, and pose drift correction schemes. Our system demonstrates accurate tracking on real-world, fast motion, and high-noise thermal data that causes all other tested SLAM methods to fail. Moreover, through offline refinement of our SLAM results, we demonstrate thermal image restoration competitive with prior work that required ground truth poses.
- Abstract（参考訳）: 熱カメラは、移動ロボットとの同時ローカライゼーションとマッピング(SLAM)の利点として、暗黒環境での操作に受動的で低消費電力のソリューションを提供し、急速に変化するか高ダイナミックレンジの照明に不変であり、霧、塵、煙を通して見ることができる。
しかし、ほとんどのロボティクスアプリケーションで唯一の実用的選択肢である非冷却式マイクロボロメーター熱カメラは、大きな動きのぼやけ、ローリングシャッター歪み、固定パターンノイズに悩まされている。
本稿では, TRGS-SLAM, 3D Gaussian Splatting (3DGS) を用いた熱慣性SLAMシステムについて述べる。
熱データの課題を克服するため,モデル対応3DGSレンダリング手法と3DGS SLAMにいくつかの一般技術を導入し,B-スプライン軌道最適化と2段階IMU損失,ビューディバーシティに基づく不透明度リセット,ドリフト補正方式を提案する。
我々のシステムは、現実世界、高速な動き、高ノイズの熱データを正確に追跡し、他のすべてのSLAM法が失敗することを示す。
さらに, SLAM結果のオフライン改善により, 地中真実のポーズを必要とする先行作業と熱画像復元の競争性を実証した。
関連論文リスト
- LST-SLAM: A Stereo Thermal SLAM System for Kilometer-Scale Dynamic Environments [9.986292956956953]
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。
論文 参考訳（メタデータ） (2026-02-24T14:04:54Z) - 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) - MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping [52.99503784067417]
3次元ガウス平板上に構築した初のRGBベースのマルチカメラSLAMシステムMCGS-SLAM(3DGS)を提案する。
マルチカメラバンドル調整(MCBA)は、高密度の測光および幾何残差を介してポーズと深さを共同で洗練し、スケール整合モジュールはビューを横断する計量アライメントを強制する。
合成および実世界のデータセットの実験は、MCGS-SLAMが一貫して正確な軌道と光現実的再構成をもたらすことを示している。
論文 参考訳（メタデータ） (2025-09-17T17:27:53Z) - GI-SLAM: Gaussian-Inertial SLAM [2.186901738997927]
3D Gaussian Splatting(3DGS)は、高密度局所化マッピング(SLAM)のための幾何学と外観の強力な表現として登場した。
GI-SLAMは,IMU強化カメラトラッキングモジュールと現実的な3Dガウスベース地図表現からなるガウス慣性SLAMシステムである。
論文 参考訳（メタデータ） (2025-03-24T01:45:40Z) - FlashSLAM: Accelerated RGB-D SLAM for Real-Time 3D Scene Reconstruction with Gaussian Splatting [14.130327598928778]
FlashSLAMは、3Dガウススプラッティングを有効かつ堅牢な3Dシーン再構築に活用する新しいSLAMアプローチである。
既存の3DGSベースのSLAMメソッドは、スパースビューの設定や大きなカメラの動きの間、しばしば不足する。
提案手法は,従来手法よりも平均追跡精度を最大92%向上させる。
論文 参考訳（メタデータ） (2024-12-01T05:44:38Z) - MBA-SLAM: Motion Blur Aware Gaussian Splatting SLAM [15.752529196306648]
本稿では、重度動きブルレッド入力を処理し、画像ブルリングを強化するために、濃密な視覚ディブルSLAMパイプライン(MBA-SLAM)を提案する。
提案手法では,効率的な運動ぼかし対応トラッカーをニューラルネットワークとガウススプラッティングベースのマッパーに統合する。
実験では,MBA-SLAMがカメラのローカライゼーションとマップ再構成の両方において,従来の最先端手法を上回ることを示した。
論文 参考訳（メタデータ） (2024-11-13T01:38:06Z) - GUS-IR: Gaussian Splatting with Unified Shading for Inverse Rendering [83.69136534797686]
GUS-IRは、粗く光沢のある表面を特徴とする複雑なシーンの逆レンダリング問題に対処するために設計された新しいフレームワークである。
本稿では、逆レンダリング、フォワードシェーディング、遅延シェーディングに広く使われている2つの顕著なシェーディング技術を分析し、比較することから始める。
両手法の利点を組み合わせた統合シェーディングソリューションを提案する。
論文 参考訳（メタデータ） (2024-11-12T01:51:05Z) - Event3DGS: Event-Based 3D Gaussian Splatting for High-Speed Robot Egomotion [54.197343533492486]
Event3DGSは高速移動下で高忠実度3D構造と外観を再構築することができる。
複数の合成および実世界のデータセットの実験は、既存のイベントベースの高密度な3Dシーン再構築フレームワークと比較して、Event3DGSの優位性を示している。
また, 構造的精度を損なうことなく, 外観の忠実度をより高められるように, フレームベースで数回の動特性測定を再構成プロセスに組み込むことも可能である。
論文 参考訳（メタデータ） (2024-06-05T06:06:03Z) - 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)
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。