論文の概要: LXD-SLAM: LiDAR+X Dense SLAM with $\sum_{i=0}^{5}C_5^i$ Configurable Sensor Combinations
- arxiv url: http://arxiv.org/abs/2606.27811v1
- Date: Fri, 26 Jun 2026 07:53:09 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-29 18:24:25.412071
- Title: LXD-SLAM: LiDAR+X Dense SLAM with $\sum_{i=0}^{5}C_5^i$ Configurable Sensor Combinations
- Title（参考訳）: LXD-SLAM:$\sum_{i=0}^{5}C_5^i$ Configurable Sensor CombinationによるLiDAR+XDense SLAM
- Abstract要約: 本稿では,LXD-SLAM(LiDAR+X Dense SLAM)を提案する。
我々は,適応的階層的予測戦略を備えた,数学的に統一された反復誤差行列カルマンフィルタを用いる。
グローバルな一貫性のために,GPサブメシから派生した拡張スキャンコンテキスト(ESC)を導入する。
- 参考スコア（独自算出の注目度）: 29.697667495253118
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Simultaneous Localization and Mapping (SLAM) is essential for autonomous systems, yet achieving reliable, globally consistent pose estimation and dense mapping in complex environments remains challenging due to geometric degeneracy and sensor drift. While multi-sensor fusion addresses these issues, existing systems often lack the modularity to adapt to diverse platforms and rely on mathematically inconsistent fusion or suboptimal map representations. To address these limitations, we propose LXD-SLAM (LiDAR+X Dense SLAM), a highly versatile and unified multi-sensor fusion framework. Centered around 3D LiDAR, our system allows for the plug-and-play integration of LiDAR, Camera, IMU, Wheel Encoder, and GNSS, supporting up to 32 distinct sensor combinations. We employ a mathematically unified Iterative Error-Sate Kalman Filter with an adaptive hierarchical prediction strategy and an update step that minimizes point-to-mesh distances and visual reprojection errors. To support this, the environment is modeled using continuous multi-layered Gaussian Process (GP) sub-meshes, which enables efficient ray-to-mesh depth recovery for visual features. For global consistency, we introduce an Extended Scan Context (ESC) descriptor derived from the GP sub-meshes alongside a Bidirectional PnP optimization for robust multi-modal loop closure within a hybrid pose graph. Extensive evaluations on public datasets and real-world experiments demonstrate that LXD-SLAM matches or exceeds state-of-the-art specialized odometry solutions across various configurations while generating high-fidelity, globally consistent dense meshes in real-time. The relevant codes and data will be made available at https://github.com/peterWon/LXD-SLAM upon publication.
- Abstract（参考訳）: 同時局所化マッピング(SLAM)は自律システムには不可欠であるが、幾何的縮退とセンサドリフトにより、複雑な環境における信頼性、一貫したポーズ推定と密集マッピングを実現することは依然として困難である。
マルチセンサー融合はこれらの問題に対処するが、既存のシステムは様々なプラットフォームに適応するモジュール性に欠け、数学的に矛盾する融合や準最適マップ表現に依存していることが多い。
これらの制約に対処するため,LXD-SLAM (LiDAR+X Dense SLAM) を提案する。
このシステムは3D LiDARを中心にして、LiDAR、Camera、IMU、Wheel Encoder、GNSSのプラグインとプレイの統合を可能にし、最大32種類のセンサーの組み合わせをサポートする。
我々は,適応的な階層的予測戦略と,ポイント・ツー・メッシュ距離と視覚的再投影誤差を最小化する更新ステップを備えた,数学的に統一された反復誤差・レートカルマンフィルタを用いる。
これをサポートするために、環境は連続した多層ガウスプロセス(GP)サブメッシュを用いてモデル化され、視覚的特徴に対する効率的なレイ・ツー・ミーシュ深度回復を可能にする。
グローバルな一貫性のために,GPサブメシェから派生した拡張スキャンコンテキスト(ESC)記述子と,ハイブリッドポーズグラフ内の堅牢なマルチモーダルループクロージャのための双方向PnP最適化を導入する。
公開データセットと実世界の実験に関する大規模な評価は、LXD-SLAMが様々な構成にわたる最先端の特殊オドメトリーソリューションと一致しているか、あるいは超越しているかを示し、高忠実で一貫した高密度メッシュをリアルタイムで生成することを示した。
関連するコードとデータは、公開時にhttps://github.com/peterWon/LXD-SLAMで公開される。
関連論文リスト
- Compact Keyframe-Optimized Multi-Agent Gaussian Splatting SLAM [4.458834881246724]
マルチエージェント3Dマッピングは未知の環境で動作しているロボットチームにとって不可欠だが、密度の高い表現はリアルタイムの交換を妨げる。
本稿では,地図の忠実性を保ちながら通信負荷を低減するマルチエージェント RGB-D Gaussian Splatting SLAM フレームワークを提案する。
論文 参考訳（メタデータ） (2026-04-01T12:11:20Z) - Adaptive Mesh-Quantization for Neural PDE Solvers [51.26961483962011]
グラフニューラルネットワークは複雑なジオメトリや境界条件に必要な不規則なメッシュを処理できるが、それでもすべてのノードで一様計算処理を適用できる。
適応メッシュ量子化(Adaptive Mesh Quantization): メッシュノード,エッジ,クラスタ特徴間の空間適応量子化であり,量子化モデルで使用されるビット幅を動的に調整する。
我々は,MP-PDEとGraphViTという2つの最先端モデルと統合して,複数のタスクのパフォーマンスを評価することで,フレームワークの有効性を実証する。
論文 参考訳（メタデータ） (2025-11-23T14:47:24Z) - SING3R-SLAM: Submap-based Indoor Monocular Gaussian SLAM with 3D Reconstruction Priors [80.51557267896938]
SING3R-SLAMはガウスベースの高密度RGB SLAMフレームワークである。
SING3R-SLAMは最先端のトラッキング、3D再構成、新しいビューレンダリングを実現し、12%以上の精度向上を実現し、より細かな幾何を創出する。
論文 参考訳（メタデータ） (2025-11-21T12:40:55Z) - 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) - GS-LIVO: Real-Time LiDAR, Inertial, and Visual Multi-sensor Fused Odometry with Gaussian Mapping [22.432252084121274]
LiDAR-Inertial-Visual (LIV) センサの構成は、ローカライゼーションと高密度マッピングにおいて優れた性能を示している。
本稿では,新しいリアルタイムガウス型同時ローカライズ・マッピングシステムを提案する。
このフレームワークは、堅牢なマルチセンサー融合機能を維持しながら、リアルタイムのパフォーマンスを実現する。
論文 参考訳（メタデータ） (2025-01-15T09:04:56Z) - Robust Incremental Structure-from-Motion with Hybrid Features [73.55745864762703]
本稿では,線とその構造的幾何学的関係を利用した漸進的構造移動システム(SfM)を提案する。
我々のシステムは、SfMの広く使われている点ベースの技術と比較すると、一貫して堅牢で正確である。
論文 参考訳（メタデータ） (2024-09-29T22:20:32Z) - Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。
我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。
4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
論文 参考訳（メタデータ） (2024-03-30T17:29:13Z) - Tightly-Coupled LiDAR-Visual SLAM Based on Geometric Features for Mobile
Agents [43.137917788594926]
幾何学的特徴に基づく密結合LiDAR視覚SLAMを提案する。
視覚サブシステムによって検出された全ラインセグメントは、LiDARサブシステムの制限を克服する。
本システムは,現在最先端のマルチモーダル手法と比較して,より正確でロバストなポーズ推定を実現する。
論文 参考訳（メタデータ） (2023-07-15T10:06:43Z) - 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) - Robust Odometry and Mapping for Multi-LiDAR Systems with Online
Extrinsic Calibration [15.946728828122385]
本稿では,複数のLiDARのロバストかつ同時キャリブレーション,オドメトリー,マッピングを実現するシステムを提案する。
キャリブレーションとSLAMのための10列(全長4.60km)の広範囲な実験により,本手法の性能を検証した。
提案手法は,様々なマルチLiDARセットアップのための完全で堅牢なシステムであることを示す。
論文 参考訳（メタデータ） (2020-10-27T13:51:26Z)
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。