論文の概要: Memory-Efficient Boundary Map for Large-Scale Occupancy Grid Mapping

• arxiv url: http://arxiv.org/abs/2603.21774v1
• Date: Mon, 23 Mar 2026 10:14:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-24 19:11:39.602745
• Title: Memory-Efficient Boundary Map for Large-Scale Occupancy Grid Mapping
• Title（参考訳）: 大規模運用グリッドマッピングのためのメモリ効率の良い境界マップ
• Abstract要約: 伝統的な占有グリッドマッピング手法は、環境を3つの占有状態(自由、占有、または未知)のうちの1つに関連付けて、ボクセルのグリッドに分割する。 これらの方法は、マッピングされたボリューム内のすべてのボクセルを明示的に保持し、その位置が該当するボクセルを直接クエリすることで、位置の占有状態を決定する。 しかし、すべてのグリッドボクセルを高解像度で大規模なシナリオで維持するには、かなりのメモリリソースが必要である。 本稿では,写像された体積の境界のみを保持する新しい表現を提案する。
• 参考スコア（独自算出の注目度）: 10.412534456908288
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Determining the occupancy status of locations in the environment is a fundamental task for safety-critical robotic applications. Traditional occupancy grid mapping methods subdivide the environment into a grid of voxels, each associated with one of three occupancy states: free, occupied, or unknown. These methods explicitly maintain all voxels within the mapped volume and determine the occupancy state of a location by directly querying the corresponding voxel that the location falls within. However, maintaining all grid voxels in high-resolution and large-scale scenarios requires substantial memory resources. In this paper, we introduce a novel representation that only maintains the boundary of the mapped volume. Specifically, we explicitly represent the boundary voxels, such as the occupied voxels and frontier voxels, while free and unknown voxels are automatically represented by volumes within or outside the boundary, respectively. As our representation maintains only a closed surface in two-dimensional (2D) space, instead of the entire volume in three-dimensional (3D) space, it significantly reduces memory consumption. Then, based on this 2D representation, we propose a method to determine the occupancy state of arbitrary locations in the 3D environment. We term this method as boundary map. Besides, we design a novel data structure for maintaining the boundary map, supporting efficient occupancy state queries. Theoretical analyses of the occupancy state query algorithm are also provided. Furthermore, to enable efficient construction and updates of the boundary map from the real-time sensor measurements, we propose a global-local mapping framework and corresponding update algorithms. Finally, we will make our implementation of the boundary map open-source on GitHub to benefit the community:https://github.com/hku-mars/BDM.
• Abstract（参考訳）: 環境中の場所の占有状況を決定することは、安全クリティカルなロボット応用の基本的な課題である。 伝統的な占有グリッドマッピング手法は、環境を3つの占有状態(自由、占有、または未知)のうちの1つに関連付けて、ボクセルのグリッドに分割する。 これらの方法は、マッピングされたボリューム内のすべてのボクセルを明示的に保持し、その位置が該当するボクセルを直接クエリすることで、位置の占有状態を決定する。 しかし、すべてのグリッドボクセルを高解像度で大規模なシナリオで維持するには、かなりのメモリリソースが必要である。 本稿では,写像された体積の境界のみを保持する新しい表現を提案する。 具体的には、占有されたボクセルやフロンティアのボクセルなどの境界ボクセルを明示的に表現し、自由なボクセルと未知のボクセルはそれぞれ境界内または外側のボリュームで自動的に表現する。 私たちの表現は、三次元(3D)空間の体積全体ではなく、2次元(2D)空間の閉曲面のみを保持するため、メモリ消費は著しく減少する。 そして, この2次元表現に基づいて, 3次元環境における任意の位置の占有状況を決定する手法を提案する。 この手法を境界写像と呼ぶ。 さらに,効率的な占有状態クエリをサポートする境界マップの維持のための新しいデータ構造を設計する。 また、占有状態問合せアルゴリズムの理論的解析も提供する。 さらに,実時間センサ計測による境界マップの効率的な構築と更新を可能にするため,グローバルマッピングフレームワークとそれに対応する更新アルゴリズムを提案する。 最後に、コミュニティに利益をもたらすために、GitHubでバウンダリマップの実装をオープンソースにします。

関連論文リスト

• D-BDM: A Direct and Efficient Boundary-Based Occupancy Grid Mapping Framework for LiDARs [7.867072723965022]
  未知の環境下での自律ロボットアプリケーションには、3D占有マッピングが不可欠である。 伝統的な占有グリッド表現は2つの基本的な制限に悩まされている。 我々は,更新ボクセル数を劇的に削減するトランキャット型レイキャスティング戦略を導入する。 さらに,補助的な局所的3次元占有グリッドの必要性を解消する直接境界更新機構を提案する。
  論文  参考訳（メタデータ） (2026-04-14T08:27:03Z)
• Analysis of Efficient Transmission Methods of Grid Maps for Intelligent Vehicles [0.8753650841543927]
  既存の圧縮アルゴリズムを利用してグリッドマップデータを効率よく送信するパッチベースの通信パイプラインを提案する。 我々は、車内通信とV2Xベースの通信の両方において、このパイプラインを包括的に分析する。
  論文  参考訳（メタデータ） (2026-04-02T08:19:19Z)
• Semantic Zone-Based Map Management for Stable AI-Integrated Mobile Robots [0.552480439325792]
  本稿では,メモリ制約下での高密度マップ利用を安定化するためのセマンティックゾーンベースのマップ管理手法を提案する。 大規模室内環境とNVIDIA Jetson Orin Nano上でのSLAM-VLM同時実行による提案手法の評価を行った。
  論文  参考訳（メタデータ） (2026-03-31T11:50:14Z)
• Semantic Zone based 3D Map Management for Mobile Robot [0.552480439325792]
  3Dマップは大量のメモリを消費するので、限られた計算資源内で完全なマップデータを維持することは困難である。 既存のSLAMフレームワークは通常、メモリ管理のために幾何学的距離や時間的メトリクスに依存している。 本稿では,そのパラダイムを幾何学中心の制御から意味論中心の制御へシフトさせるセマンティックゾーンに基づく3Dマップ管理手法を提案する。
  論文  参考訳（メタデータ） (2025-12-13T07:55:40Z)
• UM3: Unsupervised Map to Map Matching [9.65888302364086]
  マップ・ツー・マップマッチング(Map-to-map matching)は異種ソース間で空間データを整列させる重要なタスクである。 3つの重要な革新を通じてこれらの課題に対処する、教師なしグラフベースのフレームワークを提案する。 提案手法は,タスクマッチングにおける最先端の精度を実現し,既存の手法を大きなマージンで上回っている。
  論文  参考訳（メタデータ） (2025-08-23T02:14:52Z)
• Cross-Modal Geometric Hierarchy Fusion: An Implicit-Submap Driven Framework for Resilient 3D Place Recognition [9.411542547451193]
  本稿では,密度に依存しない幾何学的推論により3次元位置認識を再定義するフレームワークを提案する。 具体的には、元のシーンポイント雲密度の干渉に免疫する弾性点に基づく暗黙の3次元表現を導入する。 これら2種類の情報を活用することで,鳥眼視と3Dセグメントの両視点から幾何学的情報を融合する記述子を得る。
  論文  参考訳（メタデータ） (2025-06-17T07:04:07Z)
• VoxDet: Rethinking 3D Semantic Occupancy Prediction as Dense Object Detection [67.09867723723934]
  3Dのセマンティック占有予測は,周囲環境の3D形状とセマンティックスを再構築することを目的としている。 密接なボクセルラベルでは、以前の研究は通常、これを密接なセグメンテーションタスクとして定式化し、それぞれのボクセルを独立に分類する。 本稿では,Voxelレベルの占有率予測を高密度オブジェクト検出として再構成する,インスタンス中心のフレームワークであるVoxDetを提案する。
  論文  参考訳（メタデータ） (2025-06-05T04:31:55Z)
• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• FUSELOC: Fusing Global and Local Descriptors to Disambiguate 2D-3D Matching in Visual Localization [52.57327385675752]
  直接2D-3Dマッチングではメモリが大幅に削減されるが、より大きくあいまいな検索空間のために精度が低下する。 重み付き平均演算子を用いて局所的および大域的記述子を融合することにより、この曖昧さに対処する。 メモリを43%削減し、1.6倍高速に動作しながら、階層的な手法に近いパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2024-08-21T23:42:16Z)
• ALSTER: A Local Spatio-Temporal Expert for Online 3D Semantic Reconstruction [62.599588577671796]
  本稿では,RGB-Dフレームのストリームから3次元セマンティックマップを段階的に再構成するオンライン3次元セマンティックセマンティックセマンティクス手法を提案する。 オフラインの手法とは異なり、ロボット工学や混合現実のようなリアルタイムな制約のあるシナリオに直接適用できます。
  論文  参考訳（メタデータ） (2023-11-29T20:30:18Z)
• GridMM: Grid Memory Map for Vision-and-Language Navigation [40.815400962166535]
  ビジョン・アンド・ランゲージナビゲーション(VLN)は、エージェントが3D環境における自然言語の指示に従って遠隔地へ移動できるようにする。 訪問環境を構築するために、トップダウンのエゴセントリックで動的に成長するグリッドメモリマップを構築します。 地球から見ると、歴史的観測はトップダウンの視点で統一グリッドマップに投影され、環境の空間的関係をよりよく表すことができる。
  論文  参考訳（メタデータ） (2023-07-24T16:02:42Z)
• Constructing Metric-Semantic Maps using Floor Plan Priors for Long-Term Indoor Localization [29.404446814219202]
  本稿では,長期オブジェクトベースローカライゼーションを目的としたメートル法セマンティックマップ構築の課題に対処する。 モノラルなRGBフレームからの3次元物体検出,オブジェクトベースのマップ構築,および構築されたマップのグローバルなローカライズに活用する。 オフィスビルにおける地図構築を評価し,同じ環境下で9ヶ月にわたって記録された課題列に対する長期的局所化アプローチを検証した。
  論文  参考訳（メタデータ） (2023-03-20T09:33:05Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• Enabling Visual Action Planning for Object Manipulation through Latent Space Roadmap [72.01609575400498]
  高次元状態空間を有する複雑な操作タスクの視覚的行動計画のための枠組みを提案する。 低次元潜時空間におけるシステムダイナミクスを世界規模で捉えたグラフベースの構造であるタスク計画のためのLatent Space Roadmap(LSR)を提案する。 実ロボットで実行された2つの模擬ボックス積み重ねタスクと折り畳みタスクについて,本フレームワークの徹底的な検討を行う。
  論文  参考訳（メタデータ） (2021-03-03T17:48:26Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。