論文の概要: COMPASS: COmpact Multi-channel Prior-map And Scene Signature for Floor-Plan-Based Visual Localization
- arxiv url: http://arxiv.org/abs/2604.25388v1
- Date: Tue, 28 Apr 2026 08:59:44 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-29 16:49:17.78578
- Title: COMPASS: COmpact Multi-channel Prior-map And Scene Signature for Floor-Plan-Based Visual Localization
- Title（参考訳）: CompASS:Floor-Plan-based Visual Localizationのためのマルチチャネル事前マップとシーンシグナチャ
- Abstract要約: 本稿では,2台の魚眼カメラを備えたロボットのポーズを推定するために,フロアプランからの幾何学的および意味論的事前情報を利用するアルゴリズムを提案する。
位置を囲む幾何学的レイアウトを符号化する多チャンネルラジアルディスクリプタを設計する。
フロアプランから、X線を360方位ビンにキャストし、その結果を正規化範囲、構造的ヒットタイプ(壁、窓、開口)、レンジ勾配、逆範囲、ローカルレンジばらつきの5つのチャネルに符号化する。
完全クロスモーダルマッチングに向けた第一歩として,魚眼用ウィンドウ検出アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.15635627702544694
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Architectural floor plans are widely available priors which contain not only geometry but also the semantic information of the environment, yet existing localization methods largely ignore this semantic information. To address this, we present COMPASS, an algorithm that exploits both geometric and semantic priors from floor plans to estimate the pose of a robot equipped with dual fisheye cameras. Inspired by scan context descriptor from LiDAR-based place recognition, we design a multi-channel radial descriptor that encodes the geometric layout surrounding a position. From the floor plan, rays are cast in 360 azimuth bins and the results are encoded into five channels: normalized range, structural hit type (wall, window, or opening), range gradient, inverse range, and local range variance. From the image side, the same descriptor structure is populated by detecting structural elements in the fisheye imagery. As a first step toward full cross-modal matching, we present a window detection algorithm for fisheye images that uses a line segment detector to identify window frames via vertical edge clustering and brightness verification. Detected windows are projected to azimuthal bearings through the fisheye camera model, producing the hit-type channel of the visual descriptor. As a proof of concept, we generate both descriptors at a single known pose from the Hilti-Trimble SLAM Challenge 2026 dataset and demonstrate that the wall-window pattern extracted from the first frame of each camera closely matches the floor plan descriptor, validating the feasibility of cross-modal structural matching.
- Abstract（参考訳）: 建築的なフロアプランは、幾何学だけでなく環境のセマンティック情報も含んでいるが、既存のローカライゼーション手法はこのセマンティック情報をほとんど無視している。
そこで本研究では,2台の魚眼カメラを備えたロボットのポーズを推定するために,フロアプランからの幾何学的および意味論的事前情報を利用するアルゴリズムCompASSを提案する。
位置を囲む幾何学的レイアウトを符号化する多チャンネルラジアルディスクリプタを設計する。
フロアプランから、X線を360方位ビンにキャストし、その結果を正規化範囲、構造的ヒットタイプ(壁、窓、開口)、レンジ勾配、逆範囲、ローカルレンジばらつきの5つのチャネルに符号化する。
画像側から、魚眼画像の構造要素を検出することにより、同じ記述子構造を集約する。
そこで本研究では, 線分検出装置を用いて垂直エッジクラスタリングと輝度検証により, ウィンドウフレームの識別を行う魚眼画像のウィンドウ検出アルゴリズムを提案する。
検出されたウィンドウは、魚眼カメラモデルを通してアジムタール軸受に投影され、視覚ディスクリプタのヒット型チャネルを生成する。
概念実証として,Hilti-Trimble SLAM Challenge 2026データセットから,両記述子を1つの既知のポーズで生成し,各カメラの第1フレームから抽出した壁面パターンがフロアプラン記述子と密に一致し,クロスモーダルな構造マッチングの可能性を検証する。
関連論文リスト
- OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。
射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。
代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
論文 参考訳（メタデータ） (2026-09-08T19:45:58Z) - SAVMap: Structure-Aided Visual Mapping of Large-Scale 2.5D Manhattan Wireframes from Panoramic Video [6.4930367702378655]
SAVMapは,倉庫棚と光構造物のセマンティックワイヤフレームマップを生成する手法である。
倉庫の通路に沿って撮影したパノラマ映像から,棚と天井面の景色を写した整形画像のシーケンスを抽出した。
我々は,5000個以上のシェルフ要素のワイヤフレームマップを作成し,地上構造に対して平均絶対誤差4.8,cmを達成した。
論文 参考訳（メタデータ） (2026-06-01T09:04:29Z) - An End-to-End Room Geometry Constrained Depth Estimation Framework for Indoor Panorama Images [50.84536164535991]
既存の手法ではピクセルレベルの精度に重点を置いており、部屋の角が乱れ、ノイズ感度が低下する。
室内形状制約に基づく奥行き推定フレームワークを提案する。
本フレームワークには,部屋形状に基づく背景深度解決戦略と,背景分割誘導型融合機構の2つの戦略が組み込まれている。
論文 参考訳（メタデータ） (2025-10-09T05:52:48Z) - Monocular Visual Place Recognition in LiDAR Maps via Cross-Modal State Space Model and Multi-View Matching [2.400446821380503]
我々はRGB画像とポイントクラウドの両方のディスクリプタを学習するための効率的なフレームワークを導入する。
視覚状態空間モデル(VMamba)をバックボーンとして、ピクセルビューとシーンの共同トレーニング戦略を採用している。
視覚的な3Dポイントオーバーラップ戦略は、マルチビューの監視のために、ポイントクラウドビューとRGBイメージの類似性を定量化するように設計されている。
論文 参考訳（メタデータ） (2024-10-08T18:31:41Z) - Anyview: Generalizable Indoor 3D Object Detection with Variable Frames [60.48134767838629]
我々は,AnyViewという新しい3D検出フレームワークを実用化するために提案する。
本手法は, 単純かつクリーンなアーキテクチャを用いて, 高い一般化性と高い検出精度を実現する。
論文 参考訳（メタデータ） (2023-10-09T02:15:45Z) - Multitask AET with Orthogonal Tangent Regularity for Dark Object
Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。
自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。
我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
論文 参考訳（メタデータ） (2022-05-06T16:27:14Z) - P2-Net: Joint Description and Detection of Local Features for Pixel and
Point Matching [78.18641868402901]
この研究は、2D画像と3D点雲の微粒な対応を確立するための取り組みである。
画素領域と点領域の固有情報変動を緩和するために,新しい損失関数と組み合わせた超広帯域受信機構を設計した。
論文 参考訳（メタデータ） (2021-03-01T14:59:40Z) - CORAL: Colored structural representation for bi-modal place recognition [12.357478978433814]
視覚とLiDARの2つのモードから複合グローバル記述子を抽出できるバイモーダル位置認識法を提案する。
具体的には,まず3次元点から生成された標高像を構造表現として構築する。
次に,3次元点と画像画素の対応関係を導出し,画素単位の視覚的特徴を高架マップグリッドにマージする。
論文 参考訳（メタデータ） (2020-11-22T04:51:40Z) - LCD -- Line Clustering and Description for Place Recognition [29.053923938306323]
本稿では,RGB-Dカメラとラインクラスタを視覚的および幾何学的特徴として利用し,位置認識のための新しい学習ベースのアプローチを提案する。
本稿では,フレームワイド線クラスタリングのアテンション機構に基づくニューラルネットワークアーキテクチャを提案する。
同様のニューラルネットワークは、128個の浮動小数点数のコンパクトな埋め込みによるこれらのクラスタの記述に使用される。
論文 参考訳（メタデータ） (2020-10-21T09:52:47Z) - Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。
まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。
これらの深度マップは、異なるビューを粗く整列するために使用される。
本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
論文 参考訳（メタデータ） (2020-03-27T21:28:54Z)
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。