論文の概要: SAVMap: Structure-Aided Visual Mapping of Large-Scale 2.5D Manhattan Wireframes from Panoramic Video
- arxiv url: http://arxiv.org/abs/2606.01939v1
- Date: Mon, 01 Jun 2026 09:04:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-03 00:57:58.950018
- Title: SAVMap: Structure-Aided Visual Mapping of Large-Scale 2.5D Manhattan Wireframes from Panoramic Video
- Title（参考訳）: SAVMap:パノラマビデオによる大規模2.5Dマンハッタンワイヤーフレームの構造支援ビジュアルマッピング
- Authors: Howard Huang, Bharath Surianarayanan, Keifer Lee, Chenyu Wang, Chen Feng,
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.4930367702378655
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Precise 3D representations of industrial environments enable tasks such as robot localization and digital twin generation. We propose SAVMap, a method for generating a semantic wireframe map of warehouse shelf and light structures using only a panoramic video camera as the sensor input. Sequences of rectified images with shelf and ceiling-facing views are extracted from a panoramic video captured along the warehouse aisles. Using a semantic segmentation network front end, a set of sparse, semantic structure feature points (e.g., corners of shelf structures, centers of lights) are extracted from each image and tracked across the sequences. By accounting for real-world geometric relationships among the points such as Manhattan grids, a constrained structure-from-motion algorithm yields the 3D points that form a wireframe map. We demonstrate the scalability and accuracy of our proposal in a warehouse with 46 shelving rows, each with faces spanning 55\,m by 7\,m. From an hour of panoramic video content, we create wireframe maps for over 5000 shelf elements across the rows, achieving an aggregate mean absolute error of 4.8\,cm with respect to ground-truth.
- Abstract（参考訳）: 産業環境の精密な3D表現は、ロボットのローカライゼーションやデジタルツインジェネレーションといったタスクを可能にする。
本研究では,センサ入力としてパノラマビデオカメラのみを用いて,倉庫棚と光構造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SAVMapを提案する。
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。
セマンティックセグメンテーションネットワークのフロントエンドを用いて、各画像からスパース、セマンティック構造特徴点(例えば、棚構造の角、光の中心)を抽出し、シーケンスにわたって追跡する。
マンハッタン格子のような点間の実世界の幾何学的関係を考慮し、制約付き構造移動アルゴリズムはワイヤーフレームマップを形成する3Dポイントを生成する。
46列のシェルヴィング列を持つ倉庫において,提案手法のスケーラビリティと精度を実演する。
1時間のパノラマビデオコンテンツから、列をまたいだ5000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を達成する。
関連論文リスト
- COMPASS: COmpact Multi-channel Prior-map And Scene Signature for Floor-Plan-Based Visual Localization [0.15635627702544694]
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。
論文 参考訳（メタデータ） (2026-04-28T08:59:44Z) - SceneScribe-1M: A Large-Scale Video Dataset with Comprehensive Geometric and Semantic Annotations [88.8747004592363]
SceneScribe-1Mは新しい大規模多時間ビデオデータセットである。
そこには100万本のビデオが含まれており、それぞれに詳細なテキスト記述、正確なパラメータ、深度マップ、一貫性のある3Dポイントトラックなどが含まれている。
SceneScribe-1Mの汎用性と価値は、単眼深度推定、シーン再構成動的点追跡、テキスト・ビデオ合成などの生成タスク、カメラ制御の有無にかかわらず、幅広い下流タスクのベンチマークを確立することで示される。
論文 参考訳（メタデータ） (2026-04-09T08:59:33Z) - S3KF: Spherical State-Space Kalman Filtering for Panoramic 3D Multi-Object Tracking [24.79542959759503]
パノラマ多対象追跡は、産業安全監視、広域ロボット認識、大規模ワークスペースにおけるインフラストラクチャライト展開において重要である。
既存の画像平面トラッカーは、カメラ投影に強く結合され、パノラマ画像では信頼性が低い。
回転する電動LiDARとクワッドフィッシュカメラリグをベースとしたパノラマ3次元多物体追跡フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-29T06:01:29Z) - Raster2Seq: Polygon Sequence Generation for Floorplan Reconstruction [21.366278792227785]
本稿では,シーケンス・ツー・シーケンス・タスクとしてフロアプランをフレーミングするRaster2Seqを提案する。
自己回帰デコーダは、画像特徴および以前に生成されたコーナーに基づいて、次のコーナーを予測することを学ぶ。
提案手法は,標準ベンチマーク上での最先端性能を実現する。
論文 参考訳（メタデータ） (2026-02-09T18:58:46Z) - MV-SAM: Multi-view Promptable Segmentation using Pointmap Guidance [79.57732829495843]
本稿では,ポイントマップを用いた3次元一貫性を実現する多視点セグメンテーションフレームワークMV-SAMを紹介する。
MV-SAMは画像を持ち上げて3D空間にプロンプトし、明示的な3Dネットワークや注釈付き3Dデータを必要としない。
論文 参考訳（メタデータ） (2026-01-25T15:00:37Z) - St4RTrack: Simultaneous 4D Reconstruction and Tracking in the World [106.91539872943864]
St4RTrackは、RGB入力から世界座標フレーム内の動的ビデオコンテンツを同時に再構成し、追跡するフレームワークである。
静的および動的シーン幾何学の両方をキャプチャして、同じ世界において、同時に両方のポイントマップを予測する。
統合されたデータ駆動フレームワークの有効性と効率を実証し、世界フレームの再構築と追跡のための新しい広範囲なベンチマークを構築します。
論文 参考訳（メタデータ） (2025-04-17T17:55:58Z) - View-Consistent Hierarchical 3D Segmentation Using Ultrametric Feature Fields [52.08335264414515]
我々は3次元シーンを表すニューラル・レージアンス・フィールド(NeRF)内の新しい特徴場を学習する。
本手法は、ビュー一貫性の多粒性2Dセグメンテーションを入力とし、3D一貫性のセグメンテーションの階層構造を出力として生成する。
提案手法と,多視点画像と多粒性セグメンテーションを用いた合成データセットのベースラインの評価を行い,精度と視点整合性を向上したことを示す。
論文 参考訳（メタデータ） (2024-05-30T04:14:58Z) - Neural Implicit Dense Semantic SLAM [83.04331351572277]
本稿では,屋内シーンのメモリ効率,高密度な3次元形状,セマンティックセマンティックセグメンテーションをオンラインで学習する新しいRGBD vSLAMアルゴリズムを提案する。
私たちのパイプラインは、従来の3Dビジョンベースのトラッキングとループクローズとニューラルフィールドベースのマッピングを組み合わせたものです。
提案アルゴリズムはシーン認識を大幅に向上させ,様々なロボット制御問題を支援する。
論文 参考訳（メタデータ） (2023-04-27T23:03:52Z) - Monocular Road Planar Parallax Estimation [25.36368935789501]
乾燥可能な表面および周囲環境の3次元構造を推定することは、補助的かつ自律的な運転にとって重要な課題である。
単眼画像からの3Dセンシングのための新しいディープニューラルネットワークであるRoad Planar Parallax Attention Network (RPANet)を提案する。
RPANetは、路面のホモグラフィに整列した一対の画像を入力として取り、3D再構成のための$gamma$mapを出力する。
論文 参考訳（メタデータ） (2021-11-22T10:03:41Z) - Learning to Parse Wireframes in Images of Man-Made Environments [40.471924713855735]
人為的環境の表現課題に対する「ワイヤーフレーム」に基づくアプローチを提案する。
2つの大きな線とその分岐点を抽出するのに適したネットワークを構築した。
論文 参考訳（メタデータ） (2020-07-15T07:54:18Z) - 3D Crowd Counting via Geometric Attention-guided Multi-View Fusion [50.520192402702015]
本稿では,3次元シーンレベルの密度マップと3次元特徴融合により,多視点群カウントタスクを解くことを提案する。
2D融合と比較すると、3D融合はz次元(高さ)に沿った人々のより多くの情報を抽出し、複数のビューにわたるスケールの変動に対処するのに役立つ。
3D密度マップは、和がカウントである2D密度マップの特性を保ちながら、群衆密度に関する3D情報も提供する。
論文 参考訳（メタデータ） (2020-03-18T11:35:11Z)
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。