論文の概要: A High-accuracy Event-based Underwater SLAM System

• arxiv url: http://arxiv.org/abs/2606.18951v2
• Date: Thu, 18 Jun 2026 01:09:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 13:55:51.899008
• Title: A High-accuracy Event-based Underwater SLAM System
• Title（参考訳）: 高精度イベントベース水中SLAMシステム
• Authors: Yifan Peng, Qihang Liu, Haoying Li, Yuzhe Li, Junfeng Wu, Ziyang Hong,
• Abstract要約: イベントカメラは水中SLAMに大きな可能性を秘めている。 既存のタイムサーフェス(TS)ベースの手法は、水中に展開する際は非常に信頼性が低い。 我々は,最初の高精度イベントベース水中ステレオSLAMシステムの開発を行った。
• 参考スコア（独自算出の注目度）: 17.722270830763957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While event cameras offer immense potential for underwater SLAM, existing Time Surface (TS)-based methods prove highly unreliable when deployed underwater. Fluctuating camera velocities severely degrade TS imaging quality, while wide stereo baselines and repetitive underwater textures induce critical matching failures, frequently triggering system failure. To overcome these challenges, we develop the first high-accuracy event-based underwater stereo SLAM system. A structure-aware metric for TS is designed based on structure tensor coherence and gradients to quantitatively evaluate TS structural information density. By decoupling the optimal TS generation into two distinct stages based on system initialization, Bayesian Optimization(BO) first predicts an optimal prior TS sequentially before initialization while we set an asynchronous online local searching method periodically to obtain appropriate TS in real-time during the tracking stage. We use the prior disparity to guarantee precise data association and "latest-observation-first'' triangulation mechanism to realize stable triangulation. As a benchmark for these solutions and a resource for the community, we also contribute UWE, the first high-quality real-world underwater event dataset containing variable camera motions, complex textures and different trajectory features. Extensive evaluations on public datasets and UWE show the competitive accuracy performance of the proposed SLAM system compared to the state-of-the-art event-based method. The code and data will be open-sourced.
• Abstract（参考訳）: イベントカメラは、水中SLAMにとって大きな可能性を秘めているが、既存のTime Surface(TS)ベースの手法は、水中展開時に非常に信頼性が低いことを証明している。 カメラ速度の変動は、TS画像の品質を著しく低下させる一方、広いステレオベースラインと反復的な水中テクスチャは、重要な整合性障害を引き起こし、システム障害を頻繁に引き起こす。 これらの課題を克服するために,我々は,最初の高精度イベントベース水中ステレオSLAMシステムの開発を行った。 TSの構造情報密度を定量的に評価するために、構造テンソルコヒーレンスと勾配に基づいてTSの構造認識計量を設計する。 システム初期化に基づいて最適なTS生成を2つの異なるステージに分離することにより、ベイジアン最適化(BO)はまず、初期化前に最適な事前TSを逐次予測し、非同期なオンライン局所探索法を周期的に設定し、追跡段階で適切なTSをリアルタイムで取得する。 我々は、事前の格差を利用して正確なデータアソシエーションと「最新観測優先」三角測量機構を保証し、安定した三角測量を実現する。 これらのソリューションのベンチマークとコミュニティのためのリソースとして、可変カメラモーション、複雑なテクスチャ、異なる軌道特徴を含む最初の高品質な実世界の水中イベントデータセットであるUWEも提供します。 公開データセットとUWEの広範囲な評価は、最先端のイベントベース手法と比較して、提案したSLAMシステムの競合精度性能を示している。 コードとデータはオープンソースになる。

関連論文リスト

• Flow-Matching Guided Deep Unfolding for Hyperspectral Image Reconstruction [53.26903617819014]
  Flow-Matching-Guided Unfolding Network (FMU)は、最初にフローマッチングをHSI再構成に統合する。 学習力学をさらに強化するために,平均速度損失を導入する。 シミュレーションと実データの両方の実験により、FMUは復元品質において既存のアプローチよりも大幅に優れていることが示された。
  論文  参考訳（メタデータ） (2025-10-02T11:32:00Z)
• SPHERE: Semantic-PHysical Engaged REpresentation for 3D Semantic Scene Completion [52.959716866316604]
  カメラベース3Dセマンティックシーンコンプリート(SSC)は自動運転システムにおいて重要な課題である。 本稿では,SPHERE (Semantic-PHysical Engaged Representation) を提案する。 SPHEREは、意味情報と物理的情報の共同利用のためのボクセルとガウス表現を統合している。
  論文  参考訳（メタデータ） (2025-09-14T09:07:41Z)
• Leveraging Consistent Spatio-Temporal Correspondence for Robust Visual Odometry [7.517597541959445]
  S-Temporal Visual Odometry (STVO) は,マルチフレームフローマッチングの精度と一貫性を高めるための,新しいディープネットワークアーキテクチャである。 我々のSTVOはETH3Dベンチマークの最先端性能とKITTI Odometryベンチマークの38.9%を実現している。
  論文  参考訳（メタデータ） (2024-12-22T08:47:13Z)
• ALOcc: Adaptive Lifting-Based 3D Semantic Occupancy and Cost Volume-Based Flow Predictions [91.55655961014027]
  シーン理解には3次元セマンティック占有とフロー予測が不可欠である。 本稿では,3つの改善点を目標とした視覚ベースのフレームワークを提案する。 我々の純粋な畳み込みアーキテクチャは、セマンティック占有率とジョイントセマンティックフロー予測の両方のために、複数のベンチマーク上で新しいSOTA性能を確立する。
  論文  参考訳（メタデータ） (2024-11-12T11:32:56Z)
• Enhancing Maritime Situational Awareness through End-to-End Onboard Raw Data Analysis [4.441792803766689]
  本研究は、小型衛星の厳密な帯域幅、エネルギー、遅延制約に対処する枠組みを提案する。 衛星画像からの船舶の直接検出・分類における深層学習手法の適用について検討した。 本手法は,車載処理チェーンの簡素化により,キャリブレーションや整形などの計算集約的なステップを必要とせず,直接解析を容易にする。
  論文  参考訳（メタデータ） (2024-11-05T18:38:42Z)
• 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)
• Self-Supervised Multi-Frame Monocular Scene Flow [61.588808225321735]
  自己監督学習に基づくマルチフレーム一眼的シーンフローネットワークを導入。 自己監督学習に基づく単眼的シーンフロー法における最新の精度を観察する。
  論文  参考訳（メタデータ） (2021-05-05T17:49:55Z)

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。