論文の概要: Efficient Minimal Solvers for Relative Pose Estimation in Autonomous Driving Applications
- arxiv url: http://arxiv.org/abs/2606.09569v1
- Date: Mon, 08 Jun 2026 14:43:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:07.273748
- Title: Efficient Minimal Solvers for Relative Pose Estimation in Autonomous Driving Applications
- Title（参考訳）: 自律運転アプリケーションにおける相対ポース推定のための最適最小解法
- Authors: Tao Li, Liang Liu, Jianli Han, Weimin Lv,
- Abstract要約: マルチカメラシステムにおける相対的なポーズ推定は,正確な車両位置推定と環境認識に不可欠である。
既存の手法はしばしば高い計算コストを伴い、豊富な特徴マッチングに大きく依存する。
本稿では,新しい翻訳パラメタライゼーションと一階回転近似に基づく,効率的な相対ポーズ推定のための統一的なフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 6.7028173995782
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the advancement of visual sensing systems, computer vision is playing an increasingly important role in autonomous driving and robot navigation. Relative pose estimation in multi-camera systems is essential for accurate vehicle localization and environment perception, demanding high real-time performance and robustness. Existing methods, however, often involve high computational costs and rely heavily on abundant feature matches, limiting their applicability in time-sensitive driving scenarios. To address these limitations, this paper introduces a unified framework for efficient relative pose estimation, built upon a novel translation parameterization and first-order rotation approximation. Within this framework, we propose three efficient minimal solvers specifically designed for autonomous vehicles. The first solver integrates the vertical direction prior from Inertial Measurement Units (IMUs), the second utilizes the rotation axis direction prior during steering maneuvers, and the third is designed for planar motion - a realistic assumption for ground vehicles operating on structured roads. By reducing both the minimal number of point correspondences and the algebraic complexity, our methods enable faster hypothesis generation within RANSAC-based pipelines, improving suitability for real-time systems. Extensive experiments on synthetic datasets and the KITTI autonomous driving benchmark demonstrate that the proposed solvers achieve a favorable balance between speed and accuracy compared to existing state-of-the-art algorithms.
- Abstract（参考訳）: 視覚センサーシステムの進歩により、コンピュータビジョンは自律走行とロボットナビゲーションにおいてますます重要な役割を担っている。
マルチカメラシステムにおける相対的なポーズ推定は,高精度な車両位置推定と環境認識に不可欠であり,高いリアルタイム性能とロバスト性を要求される。
しかし、既存の手法は、しばしば高い計算コストを伴い、豊富な特徴マッチングに大きく依存し、時間に敏感な運転シナリオにおける適用性を制限している。
これらの制約に対処するために、新しい翻訳パラメータ化と一階回転近似に基づく効率的な相対ポーズ推定のための統一的なフレームワークを提案する。
本枠組みでは,自律走行車に特化して設計された3つの効率的な最小解法を提案する。
第1の解法は慣性測定ユニット(IMU)より前の垂直方向を統合し、第2の解法は操舵操作の前の回転軸方向を利用しており、第3の解法は平面運動のために設計されている。
最小点数の対応と代数的複雑性を両立させることで,RANSACパイプライン内での仮説生成を高速化し,リアルタイムシステムへの適合性を向上する。
合成データセットとKITTI自律運転ベンチマークの大規模な実験により、提案手法は既存の最先端アルゴリズムと比較して、速度と精度のバランスが良好であることを実証した。
関連論文リスト
- RRT$^η$: Sampling-based Motion Planning and Control from STL Specifications using Arithmetic-Geometric Mean Robustness [7.121834057343983]
RRT$は,時間点とサブ形式をまたいだロバストネス対策を統合するサンプリングベースの計画フレームワークである。
誘導信号が制限されたマルチ制約シナリオにおいて,従来のSTLロバスト性に基づくプランナよりも優れた性能を示す。
論文 参考訳（メタデータ） (2026-02-18T19:45:43Z) - A Unified Experimental Architecture for Informative Path Planning: from Simulation to Deployment with GuadalPlanner [69.43049144653882]
本稿では,車種別制御から高レベルの意思決定を分離する統一アーキテクチャを提案する。
提案アーキテクチャは、計画、センシング、車両実行の標準化されたインターフェースを定義するGuaralPlannerを通じて実現されている。
論文 参考訳（メタデータ） (2026-02-11T10:02:31Z) - Fast Near Time-Optimal Motion Planning for Holonomic Vehicles in Structured Environments [8.195916347194315]
磁気浮上を用いた平面運動系における運動計画の課題を解決することを目的としている。
提案手法は, 自由空間廊下を用いた環境表現を符号化し, 移動プリミティブを用いて車両の走行を表現している。
この手法は最先端のXPlanarシステムよりもはるかに低い時間で実現され、実世界のBeckhoff XPlanarシステム上で検証される。
論文 参考訳（メタデータ） (2026-02-02T21:26:30Z) - Mini Autonomous Car Driving based on 3D Convolutional Neural Networks [0.6349729476511409]
信頼性があり信頼性の高い自律システムの開発は、高い複雑さ、長い訓練期間、本質的な不確実性のレベルといった課題を引き起こす。
ミニオートマチックカー (MAC) は、小規模の設備における自律制御手法の検証を可能にする実用的なテストベッドとして使用される。
本研究では、シミュレーション環境におけるMAC自律運転のためのRGB-D情報と3次元畳み込みニューラルネットワーク(3次元CNN)に基づく方法論を提案する。
論文 参考訳（メタデータ） (2025-08-29T00:21:34Z) - Planar Velocity Estimation for Fast-Moving Mobile Robots Using Event-Based Optical Flow [1.4447019135112429]
本稿では,車輪と表面のトラクションの仮定から分離した速度推定手法を提案する。
提案手法は1:10スケールの自律レースプラットフォーム上でのフィールド実験により評価される。
論文 参考訳（メタデータ） (2025-05-16T11:00:33Z) - DriveTransformer: Unified Transformer for Scalable End-to-End Autonomous Driving [62.62464518137153]
DriveTransformerは、スケールアップを簡単にするためのシンプルなE2E-ADフレームワークである。
タスク・セルフ・アテンション、センサー・クロス・アテンション、時間的クロス・アテンションという3つの統合された操作で構成されている。
シミュレーションされたクローズドループベンチマークBench2Driveと、FPSの高い実世界のオープンループベンチマークnuScenesの両方で、最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2025-03-07T11:41:18Z) - Scalable Vehicle Re-Identification via Self-Supervision [66.2562538902156]
自動車再同定は、都市規模の車両分析システムにおいて重要な要素の1つである。
車両再設計のための最先端のソリューションの多くは、既存のre-idベンチマークの精度向上に重点を置いており、計算の複雑さを無視することが多い。
推論時間に1つのネットワークのみを使用する自己教師型学習によって、シンプルで効果的なハイブリッドソリューションを提案する。
論文 参考訳（メタデータ） (2022-05-16T12:14:42Z) - Model-based Decision Making with Imagination for Autonomous Parking [50.41076449007115]
提案アルゴリズムは,駐車前に結果を予測するための想像モデル,高速探索ランダムツリー(RRT)の改良,経路平滑化モジュールの3つの部分から構成される。
われわれのアルゴリズムは、実際のキネマティックな車両モデルに基づいており、実際の自動運転車にアルゴリズムを適用するのにより適している。
アルゴリズムの有効性を評価するため,3つの異なる駐車シナリオにおいて,従来のRTとアルゴリズムを比較した。
論文 参考訳（メタデータ） (2021-08-25T18:24:34Z) - Efficient and Robust LiDAR-Based End-to-End Navigation [132.52661670308606]
我々は,LiDARをベースとした効率的なエンドツーエンドナビゲーションフレームワークを提案する。
本稿では,スパース畳み込みカーネル最適化とハードウェア対応モデル設計に基づくFast-LiDARNetを提案する。
次に,単一の前方通過のみから予測の不確かさを直接推定するハイブリッド・エビデンシャル・フュージョンを提案する。
論文 参考訳（メタデータ） (2021-05-20T17:52:37Z) - A Robust Real-Time Computing-based Environment Sensing System for
Intelligent Vehicle [5.919822775295222]
低消費電力のモバイルプラットフォームをベースとしたリアルタイム運転支援システムを構築した。
このシステムは、ステレオマッチングアルゴリズムと機械学習に基づく障害物検出アプローチを組み合わせたリアルタイムマルチスキーマ統合イノベーションシステムである。
実験結果から,インテリジェントな車両に対して,堅牢で正確なリアルタイム環境認識を実現することができることがわかった。
論文 参考訳（メタデータ） (2020-01-27T10:47:50Z)
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。