論文の概要: BIM-Loc: BIM-Integrated Discrepancy-Aware LiDAR-based Indoor Localization
- arxiv url: http://arxiv.org/abs/2606.14237v1
- Date: Fri, 12 Jun 2026 08:20:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-15 16:00:42.820154
- Title: BIM-Loc: BIM-Integrated Discrepancy-Aware LiDAR-based Indoor Localization
- Title（参考訳）: BIM-Loc: BIM-Integrated Discrepancy-Aware LiDAR-based Indoor Localization
- Abstract要約: 本稿では,建物情報モデルを直接統合した,新たな不一致を考慮したLiDARに基づくローカライズ手法を提案する。
Bim-Locは、BIM座標系に沿った軌道を同時に推定し、現実世界の観測と設計済みのBIMとの相違を識別する。
1) 効率的なBIM点データアソシエーションと2次元テクスチャ空間への3次元観察の投影のための新しいマルチヒートレイキャスティング戦略,(2) 計測,シーケンシャルスキャン,BIM構造間の一貫性を強制するBIM積分因子を用いたポーズグラフ最適化フレームワーク,(3) 連続した2次元表面を漸進的に更新する階層的ベイズ推論モジュール。
- 参考スコア（独自算出の注目度）: 14.51636803055026
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate and robust localization is a fundamental requirement for service and inspection robots, particularly in feature-sparse indoor environments where traditional systems struggle due to a lack of distinct landmarks. While prior maps can enhance robustness, precise and compact maps capturing real-world details are often unavailable for new or frequently changing environments. This paper presents BIM-Loc, a novel discrepancy-aware LiDAR-based localization method that directly integrates Building Information Models (BIM) from the design phase. BIM-Loc simultaneously estimates trajectories aligned with the BIM coordinate system and identifies discrepancies between real-world observations and the as-designed BIM in an online fashion. Our core contributions include: (1) a novel multi-hit ray casting strategy for efficient BIM-point data association and projection of 3D observations into 2D texture space; (2) a pose graph optimization framework with BIM-integrated factors that enforces consistency among odometry, sequential scans, and BIM structures; and (3) a hierarchical Bayesian inference module that incrementally updates a continuous 2D surface representation for discrepancy detection, propagating updates from the pixel to the structure level. Extensive evaluations in both simulation and real-world applications demonstrate that BIM-Loc significantly outperforms state-of-the-art map-based methods in localization accuracy and robustness.
- Abstract（参考訳）: 正確なローカライゼーションとロバストなローカライゼーションは、特に特徴の少ない屋内環境では、目立ったランドマークが欠如しているため、サービスとインスペクションロボットの基本的な要件である。
以前の地図は堅牢性を高めることができるが、現実の細部を捉える正確でコンパクトな地図は、しばしば新しい環境や頻繁に変化する環境では利用できない。
本稿では,設計段階からビルディングインフォメーションモデル(BIM)を直接統合した,新しい離散性を考慮したLiDARに基づくローカライズ手法であるBIM-Locを提案する。
BIM-Locは、BIM座標系に沿った軌道を同時に推定し、オンライン方式で現実世界の観測と設計済みのBIMとの相違を識別する。
本研究の中心的貢献は,(1) 効率的なBIM点データアソシエーションと3次元観察の2次元テクスチャ空間への投影のための新しいマルチヒート・レイ・キャスティング・ストラテジー,(2) オードメトリー,シーケンシャルスキャン,BIM構造間の一貫性を強制するBIM積分因子を用いたポーズグラフ最適化・(3) 離散性検出のための連続2次元表面表現を段階的に更新し,画素から構造レベルへの更新を伝搬する階層型ベイズ推論・モジュールである。
BIM-Locは局所化精度とロバスト性において最先端の地図ベースの手法よりも優れていた。
関連論文リスト
- KineBench: Benchmarking Embodied World Models via IDM-Free Kinematic Grounding [58.541098216700796]
エンボディド・ワールド・モデルの 物理的整合性を評価することは 重要なオープン・チャレンジです
既存のフレームワークはほとんどがアクション抽出に逆ダイナミクスモデル(IDM)に依存している。
IDMのないEWMのためのクローズドループベンチマークであるKineBenchを紹介する。
論文 参考訳（メタデータ） (2026-07-22T08:04:17Z) - BIMStruct3D: A Fully Automated Hybrid Learning Scan-to-BIM Pipeline with Integrated Topology Refinement [13.23291316265073]
IFC準拠のビルディングインフォメーションモデルを生成するモジュールパイプラインを3次元の点群から提案する。
ハイブリッドアプローチは、学習に基づくセマンティックセグメンテーションと、トポロジを意識した幾何学的再構成を組み合わせたものである。
DeKHとCV4AECデータセットの実験は、RANSACベースのベースラインよりも大幅に改善されている。
論文 参考訳（メタデータ） (2026-04-27T11:01:20Z) - BIM-Constrained Optimization for Accurate Localization and Deviation Correction in Construction Monitoring [0.15635627702544694]
建築モニタリングのためのAR(Augmented Reality)アプリケーションは、建築要素を可視化するためのリアルタイム環境トラッキングに依存している。
しかし, 建設現場は, 特徴のない表面, 動的変化, 漂流蓄積などにより, 従来の追跡手法に重要な課題を呈している。
本稿では,これらの課題に対処するBIM対応ドリフト補正手法を提案する。
論文 参考訳（メタデータ） (2025-04-24T16:02:02Z) - STAMICS: Splat, Track And Map with Integrated Consistency and Semantics for Dense RGB-D SLAM [8.208389210258593]
本稿では,3次元ガウス表現と意味情報を統合して局所化とマッピングの精度を向上させる新しい手法STAMICSを紹介する。
実験により、STAMICSはカメラのポーズ推定とマップの品質を著しく改善し、再現誤差を低減しつつ、最先端の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） (2025-03-27T12:10:51Z) - GEAL: Generalizable 3D Affordance Learning with Cross-Modal Consistency [50.11520458252128]
既存の3Dアベイランス学習手法は、注釈付きデータに制限があるため、一般化と堅牢性に苦慮している。
本稿では,大規模事前学習型2Dモデルを活用することで,3次元アベイランス学習の一般化と堅牢性を高めるための新しいフレームワークであるGEALを提案する。
GEALは、既存のメソッドと、新しいオブジェクトカテゴリ、および破損したデータにおいて、一貫して優れています。
論文 参考訳（メタデータ） (2024-12-12T17:59:03Z) - BIMCaP: BIM-based AI-supported LiDAR-Camera Pose Refinement [0.3749861135832073]
本稿では,移動体3DスパースLiDARデータとカメラ計測をビルディング情報モデルと統合する新しい手法であるBIMCaPを紹介する。
実世界のオープンアクセスデータを用いて実験したところ、BIMCaPは精度が良く、翻訳誤差を4cm以上削減できることがわかった。
論文 参考訳（メタデータ） (2024-12-04T16:26:17Z) - Hierarchical Temporal Context Learning for Camera-based Semantic Scene Completion [57.232688209606515]
カメラによるセマンティックシーンの補完を改善するための,新たな時間的文脈学習パラダイムであるHTCLを提案する。
提案手法は,Semantic KITTIベンチマークで1st$をランク付けし,mIoUの点でLiDARベースの手法を超えている。
論文 参考訳（メタデータ） (2024-07-02T09:11:17Z) - 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) - Urban GeoBIM construction by integrating semantic LiDAR point clouds
with as-designed BIM models [31.081640657066227]
グローバルナビゲーション衛星システムと統合された光検出・測光(LiDAR)は、地理的に参照された空間情報を提供することができる。
グローバルナビゲーション衛星システムと統合された光検出・測光(LiDAR)は、地理的に参照された空間情報を提供することができる。
LiDARデータセットの全体セグメンテーション精度は最大90%に達し、BIMモデルの平均位置推定精度は極状物体が0.023m、建物が0.156mである。
論文 参考訳（メタデータ） (2023-04-23T18:16:14Z) - Ret3D: Rethinking Object Relations for Efficient 3D Object Detection in
Driving Scenes [82.4186966781934]
Ret3Dと呼ばれるシンプルで効率的で効果的な2段階検出器を導入する。
Ret3Dの中核は、新しいフレーム内およびフレーム間関係モジュールの利用である。
無視できる余分なオーバーヘッドにより、Ret3Dは最先端のパフォーマンスを達成する。
論文 参考訳（メタデータ） (2022-08-18T03:48:58Z) - Robust Self-Supervised LiDAR Odometry via Representative Structure
Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。
本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。
我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文 参考訳（メタデータ） (2022-02-27T12:52:27Z)
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。