論文の概要: GeoFlow-SLAM++: A Robust Multi-Camera Visual-Inertial SLAM System with Relocalization

• arxiv url: http://arxiv.org/abs/2606.22051v1
• Date: Sat, 20 Jun 2026 14:08:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:29.997222
• Title: GeoFlow-SLAM++: A Robust Multi-Camera Visual-Inertial SLAM System with Relocalization
• Title（参考訳）: GeoFlow-SLAM++: 再ローカライゼーションによるロバストなマルチカメラビジュアル-慣性SLAMシステム
• Authors: Wei Fen, Tingyang Xiao, Liu Liu, Xiaolin Zhou, Zhizhong Su,
• Abstract要約: GeoFlow-SLAM++は密結合型マルチカメラ・ビジュアル・慣性SLAMシステムである。 従来のORBフロントエンドと、SuperPointとLightGlue上に構築されたニューラルネットワーク機能(NN-Feature)の2つの交換可能なビジュアルフロントエンドをサポートする。 我々は,EuRoC,OpenLORIS,TUM,HiltiのGeoFlow-SLAM++と自作ハンドヘルドマルチカメラデータセットの評価を行った。
• 参考スコア（独自算出の注目度）: 6.231279588282628
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Monocular and RGB-D visual-inertial SLAM systems remain susceptible to limited field of view, sensor-specific failure modes, and unreliable cross-session relocalization. To address these issues, we present GeoFlow-SLAM++, a tightly coupled multi-camera visual-inertial SLAM system that extends GeoFlow-SLAM from a single RGB-D sensor to a calibrated multi-camera rig with a unified body-centric formulation. Within this multi-camera framework, GeoFlow-SLAM++ supports two interchangeable visual front-ends: a conventional ORB front-end and a neural network feature (NN-Feature) front-end built on SuperPoint and LightGlue. The system unifies tracking, mapping, and relocalization on a shared body state, and combines multi-camera reprojection constraints, IMU pre-integration, cross-view place recognition, and dual-stream optical flow/NN-Feature tracking for robust localization. As an optional extension, the system can further incorporate cross-view-consistent pseudo-depth predictions from RGB images as auxiliary geometric constraints. We evaluate GeoFlow-SLAM++ on EuRoC, OpenLORIS, TUM, Hilti, and a self-collected handheld multi-camera dataset. Results show that the NN-Feature front-end improves robustness in appearance-challenging scenarios, the multi-camera formulation achieves competitive localization accuracy on Hilti, and the unified cross-view relocalization design reaches LiDAR-comparable performance on the handheld dataset.
• Abstract（参考訳）: 単眼およびRGB-D視覚慣性SLAMシステムは、限られた視野、センサー固有の障害モード、信頼性の低いクロスセッション再ローカライゼーションの影響を受ける。 これらの問題に対処するため,GeoFlow-SLAM++は,GeoFlow-SLAMを単一のRGB-Dセンサから,統一されたボディ中心の定式化により校正したマルチカメラリグまで拡張する,密結合型マルチカメラ・慣性SLAMシステムである。 このマルチカメラフレームワークの中で、GeoFlow-SLAM++は2つの交換可能なビジュアルフロントエンドをサポートしている。 このシステムは、共有体状態におけるトラッキング、マッピング、再ローカライゼーションを統一し、マルチカメラ再プロジェクション制約、IMU事前統合、クロスビュー位置認識、ロバストなローカライゼーションのためのデュアルストリーム光フロー/NN-Featureトラッキングを組み合わせる。 任意の拡張として、RGB画像からのクロスビュー一貫性を持つ擬似深度予測を補助的な幾何学的制約として組み込むことができる。 我々は,EuRoC,OpenLORIS,TUM,HiltiのGeoFlow-SLAM++と自作ハンドヘルドマルチカメラデータセットの評価を行った。 その結果、NN-Featureフロントエンドは外観整合シナリオの堅牢性を向上し、マルチカメラの定式化はHilti上での競争的ローカライゼーション精度を達成し、統合されたクロスビュー再ローカライゼーション設計はハンドヘルドデータセット上でLiDAR互換の性能に達することがわかった。

関連論文リスト

• Edged USLAM: Edge-Aware Event-Based SLAM with Learning-Based Depth Priors [1.504944269180605]
  イベントカメラは、これらの問題を高時間分解能と高ダイナミックレンジで緩和する。 We present Edged USLAM, a hybrid visual-inertial system that extends Ultimate SLAM with a edge-aware front-end and a light depth module。
  論文  参考訳（メタデータ） (2026-03-09T09:28:52Z)
• MASt3R-Fusion: Integrating Feed-Forward Visual Model with IMU, GNSS for High-Functionality SLAM [12.158063913401575]
  フィードフォワード・ポイントマップ・レグレッションと相補的なセンサ情報を統合するマルチセンサ支援視覚SLAMフレームワークMASt3R-Fusionを提案する。 実時間スライディングウインドウ最適化とアグレッシブループ閉鎖を伴う大域的最適化の両立が可能な階層的因子グラフ設計法を開発した。 我々は、公開ベンチマークと自己収集データセットの両方に対するアプローチを評価し、精度とロバスト性を大幅に改善したことを示す。
  論文  参考訳（メタデータ） (2025-09-25T05:26:28Z)
• MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping [52.99503784067417]
  3次元ガウス平板上に構築した初のRGBベースのマルチカメラSLAMシステムMCGS-SLAM(3DGS)を提案する。 マルチカメラバンドル調整(MCBA)は、高密度の測光および幾何残差を介してポーズと深さを共同で洗練し、スケール整合モジュールはビューを横断する計量アライメントを強制する。 合成および実世界のデータセットの実験は、MCGS-SLAMが一貫して正確な軌道と光現実的再構成をもたらすことを示している。
  論文  参考訳（メタデータ） (2025-09-17T17:27:53Z)
• GeoFlow-SLAM: A Robust Tightly-Coupled RGBD-Inertial and Legged Odometry Fusion SLAM for Dynamic Legged Robotics [12.041115472752594]
  GeoFlow-SLAMは、攻撃的かつ高周波な動作を行うロボティクスのための堅牢で効果的なRGBD慣性SLAMである。 本手法は,テクスチャレスシーンにおける特徴マッチングと視覚的特徴障害の3つの重要な課題に対処する。 提案アルゴリズムは,収集した脚ロボットとオープンソースデータセット上で,最先端のSOTA(State-of-the-art)を実現する。
  論文  参考訳（メタデータ） (2025-03-18T13:35:49Z)
• GlORIE-SLAM: Globally Optimized RGB-only Implicit Encoding Point Cloud SLAM [53.6402869027093]
  フレキシブルなニューラルポイントクラウド表現シーンを用いたRGBのみの高密度SLAMシステムを提案する。 また,単分子深度とともに暗黙のポーズと深さを最適化する新しいDSPO層を導入する。
  論文  参考訳（メタデータ） (2024-03-28T16:32:06Z)
• NICER-SLAM: Neural Implicit Scene Encoding for RGB SLAM [111.83168930989503]
  NICER-SLAMは、カメラポーズと階層的なニューラル暗黙マップ表現を同時に最適化するRGB SLAMシステムである。 近年のRGB-D SLAMシステムと競合する高密度マッピング,追跡,新しいビュー合成において,高い性能を示す。
  論文  参考訳（メタデータ） (2023-02-07T17:06:34Z)

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。