論文の概要: Offline-Online Hierarchical 3D Global Relocalization With Synthetic LiDAR Sensing and Descriptor-Space Retrieval

• arxiv url: http://arxiv.org/abs/2605.07741v1
• Date: Fri, 08 May 2026 13:46:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-11 19:43:39.080766
• Title: Offline-Online Hierarchical 3D Global Relocalization With Synthetic LiDAR Sensing and Descriptor-Space Retrieval
• Title（参考訳）: 合成LiDARセンシングとディスクリプタ空間検索によるオフライン階層型3次元グローバル再ローカライゼーション
• Authors: Jiahua Ren, Kai Shen, Muhua Zhang, Lei Ma,
• Abstract要約: 3Dグローバルな再ローカライゼーションは、実用アプリケーションにおけるモバイルロボットの重要な機能のひとつだ。 本稿では,検索空間を分離するオフライン・オンライン階層型フレームワークを提案する。 提案手法は,3次元環境における3秒平均再局在時間と8cm平均局在精度を実現する。
• 参考スコア（独自算出の注目度）: 10.166844590142665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: 3D global relocalization is one of the key capabilities for mobile robots in practical applications. However, in large scale spaces, existing methods often suffer from prolonged online relocalization time due to factors such as the massive pose search space and high computational overhead. To address these issues, this paper proposes an offline-online hierarchical framework that decouples the search space. In the offline phase, candidate positions and their corresponding geometric descriptor indices are generated in the map by simulating LiDAR scans within the grid map. In the online phase, a coarse pose estimate is first obtained via global retrieval, followed by point cloud registration to output precise 6-DoF pose estimates. Real-world experiments demonstrate that the proposed method achieves an average relocalization time of 3 s and an average localization accuracy of 8 cm in 3D environments. Compared with existing global relocalization methods, the proposed method achieves an order-of-magnitude improvement in computational efficiency while delivering comparable relocalization accuracy.
• Abstract（参考訳）: 3Dグローバルな再ローカライゼーションは、実用アプリケーションにおけるモバイルロボットの重要な機能のひとつだ。 しかし、大規模な空間では、大規模なポーズ探索空間や高い計算オーバーヘッドなどの要因により、既存の手法は長時間のオンライン再ローカライズ時間に悩まされることが多い。 これらの問題に対処するため,本論文では,検索空間を分離するオフライン階層型フレームワークを提案する。 オフラインフェーズでは、グリッドマップ内のLiDARスキャンをシミュレートすることにより、候補位置とその対応する幾何学的記述指標がマップ内で生成される。 オンラインフェーズでは、まずグローバル検索によって粗いポーズ推定が得られ、続いてポイントクラウド登録によって正確な6-DoFポーズ推定が出力される。 実世界の実験により,提案手法は3次元環境における3秒平均再局在時間と8cm平均局在精度を達成できることを示した。 従来のグローバルな再ローカライズ手法と比較して,提案手法は計算効率のオーダー・オブ・マグニチュード向上を実現し,これと同等な再ローカライズ精度を実現する。

関連論文リスト

• FRAME: A Modular Framework for Autonomous Map Merging: Advancements in the Field [12.247977717070773]
  本稿では,エゴセントリックなマルチロボット探査における3次元点雲マップの融合について述べる。 提案手法は、最先端の場所認識と学習記述子を利用して、地図間の重複を効率的に検出する。 提案手法の有効性は,ロボット探査の複数のフィールドミッションを通じて実証された。
  論文  参考訳（メタデータ） (2024-04-27T20:54:15Z)
• 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)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• TReR: A Lightweight Transformer Re-Ranking Approach for 3D LiDAR Place Recognition [2.6619797838632966]
  3D LiDARに基づくローカライズ手法では, 検索に基づく位置認識を用いて, 効率よく再訪場所を見つけることができる。 この研究は、情報検索の観点からこの問題に取り組み、ファーストレトリーブ・then-re-levelパラダイムを採用する。 提案手法は,場所認識モデルに依存せず,グローバルな記述子のみに依存する。
  論文  参考訳（メタデータ） (2023-05-29T11:10:38Z)
• IDLS: Inverse Depth Line based Visual-Inertial SLAM [9.38589798999922]
  Inverse Depth Line SLAM (IDLS) を提案する。 IDLSは、複数の知覚的整合性データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-04-23T20:53:05Z)
• FRAME: Fast and Robust Autonomous 3D point cloud Map-merging for Egocentric multi-robot exploration [2.433860819518925]
  本稿では,エゴセントリックなヘテロジニアスマルチロボット探索のための3次元クラウドマップ統合フレームワークを提案する。 提案した新しいソリューションは、最先端の場所認識学習ディスクリプタを利用して、フレームワークのメインパイプラインを通じて、高速で堅牢なリージョン重複推定を提供する。 提案手法の有効性を, 地下環境における複数フィールドマルチロボット探査計画に基づいて実験的に評価した。
  論文  参考訳（メタデータ） (2023-01-22T21:59:38Z)
• Phase-SLAM: Phase Based Simultaneous Localization and Mapping for Mobile Structured Light Illumination Systems [14.9174946109114]
  Phase-SLAMは、高速かつ正確なSLIセンサのポーズ推定と3Dオブジェクト再構成のためのフレームワークである。 シミュレーションプラットフォームとロボットアームをベースとしたSLIシステムの両方のデータセットを現実に構築し,提案手法の検証を行う。 実験結果から,提案したPhase-SLAMは,ポーズ推定や3次元再構成の点で,他の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-22T13:47:06Z)
• SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion [86.77318031029404]
  本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。 我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
  論文  参考訳（メタデータ） (2020-10-26T15:31:52Z)

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。