論文の概要: Sphere-VIO: Fast and Robust Visual-Inertial Odometry via Unified Spherical Representation for Heterogeneous Multi-Camera Systems
- arxiv url: http://arxiv.org/abs/2606.29910v1
- Date: Mon, 29 Jun 2026 07:46:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.099861
- Title: Sphere-VIO: Fast and Robust Visual-Inertial Odometry via Unified Spherical Representation for Heterogeneous Multi-Camera Systems
- Title（参考訳）: Sphere-VIO:不均一多カメラシステムのための統一球面表現による高速かつロバストな視覚慣性オドメトリー
- Abstract要約: マルチカメラ・ビジュアル・慣性オドメトリー(VIO)は、視野を広げることによって純粋な視覚系の固有の限界を克服する。
ヘテロジニアスマルチカメラシステムのための球面表現を統一した軽量フィルタベースのVIOフレームワークであるSphere-VIOを提案する。
Sphere-VIOは, 精度, 堅牢性, 効率, クロスカメラの汎用性とのトレードオフが優れていることを示す。
- 参考スコア（独自算出の注目度）: 11.777651307702174
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Multi-camera visual-inertial odometry (VIO) overcomes the inherent limitations of pure visual systems by expanding the field of view. However, existing algorithms are typically tailored for fixed camera setups and lack unified compatibility with heterogeneous multi-camera systems. Meanwhile, due to the absence of a unified cross-camera representation and association mechanism, current methods struggle to achieve a balance among robust cross-camera feature tracking, stable depth estimation, and reliable real-time performance. To address these issues, we present Sphere-VIO, a lightweight filter-based VIO framework with unified spherical representation for heterogeneous multi-camera systems. Specifically, we first propose a Unified Spherical Panorama Model (USPM) that supports all standard camera models and enables bidirectional fast mapping between multi-camera images and a shared spherical space without sequential stitching, simplifying cross-camera feature management and improving triangulation efficiency. Second, we design a parallel-accelerated depth-guided semi-direct tracking pipeline, namely Hierarchical Omnidirectional Feature Alignment (HOFA), with global spherical constraints for robust cross-camera matching, and fuse multi-camera depth observations into a standard depth filter for stable initialization. Finally, we develop a multi-camera-adapted ESKF backend that employs spherical bearing residuals and Schur complement marginalization to minimize computational overhead, enabling accurate real-time state estimation on resource-constrained devices. Extensive experiments on public benchmarks and a custom omnidirectional dataset show that Sphere-VIO achieves superior trade-offs between accuracy, robustness, efficiency, and cross-camera generality.
- Abstract（参考訳）: マルチカメラ・ビジュアル・慣性オドメトリー(VIO)は、視野を広げることによって純粋な視覚系の固有の限界を克服する。
しかし、既存のアルゴリズムは固定カメラの設定に最適化されており、異種マルチカメラシステムとの統一互換性が欠如している。
一方、一貫したクロスカメラ表現とアソシエーション機構が存在しないため、現在の手法では、堅牢なクロスカメラ特徴追跡、安定した深さ推定、信頼性の高いリアルタイム性能のバランスを達成できない。
これらの問題に対処するために、異種マルチカメラシステムのための球面表現を統一した軽量フィルタベースのVIOフレームワークであるSphere-VIOを提案する。
具体的には,全標準カメラモデルをサポートする統一球状パノラマモデル (USPM) を提案する。
第2に,高速深度誘導型半方向追跡パイプライン,すなわち階層的全方位特徴アライメント(HOFA)を設計し,ロバストなクロスカメラマッチングのための球面制約を大域的に設定し,マルチカメラ深度観測を標準深度フィルタに融合して安定な初期化を行う。
最後に,マルチカメラ適応型ESKFバックエンドを開発した。これは球面軸受残差とSchur補間限界化を利用して計算オーバーヘッドを最小化し,資源制約されたデバイス上での正確なリアルタイム状態推定を可能にする。
公開ベンチマークとカスタム全方位データセットに関する大規模な実験により、Sphere-VIOは精度、堅牢性、効率性、カメラ間の一般性の間で優れたトレードオフを達成している。
関連論文リスト
- FFVO: A Feedforward Pose Decoder for Long-Horizon Visual Odometry [31.83986431141471]
本稿では,効率的かつ時間的に安定なカメラ位置推定のための共同再構成アーキテクチャのポーズ特化適応であるFeedforward Visual Odometry (FFVO)を提案する。
FFVOは、(i) 時間的アグリゲーションを計算的に効率的に行うためのコンパクトなカメラトーケン表現、(ii) 階層的局所-言語的時間的デコーダ、(iii) 時間的安定性を促進する中間軌道監督を使用する。
論文 参考訳（メタデータ） (2026-09-12T05:56:52Z) - OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。
射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。
代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
論文 参考訳（メタデータ） (2026-09-08T19:45:58Z) - ViPSim: Collaborating Visual and Parameter Spaces for Consistent Long-Horizon Embodied World Models [11.15585863355844]
エンボディード・ワールド・モデル(EWM)は、エンボディード・インテリジェンスを促進するためのスケーラブルでリスクのないパラダイムとして登場した。
EWMは、低次元アクションと高次元ビデオ合成の間の表現ギャップによってしばしば妨げられる。
本稿では,一貫した長軸生成を実現するフレームワークであるViPSimを提案する。
論文 参考訳（メタデータ） (2026-06-27T08:18:09Z) - High-Resolution Single-Shot Polarimetric Imaging Made Easy [76.04914313843774]
EasyPolarは多視点偏光イメージングフレームワークである。
3つの同期RGBカメラは、1つの非偏光ビューと2つの異なる方向の偏光ビューをキャプチャする。
多視点核融合における潜在的なミスアライメントに対処するために、信頼誘導偏光再構成ネットワークを提案する。
論文 参考訳（メタデータ） (2026-04-07T08:20:58Z) - DAGE: Dual-Stream Architecture for Efficient and Fine-Grained Geometry Estimation [72.89376712495464]
DAGEは、グローバルコヒーレンスを細部から切り離すデュアルストリームトランスフォーマーである。
低解像度ストリームは、フレーム/言語的注意を交互に交互に付加したアグレッシブなダウンサンプリングフレームで動作し、ビュー一貫性表現を構築する。
高解像度のストリームは、フレーム毎に元のイメージを処理し、シャープな境界と小さな構造を保存する。
この設計は、解像度とクリップ長を独立にスケールし、2Kまでの入力をサポートし、実用的な推論コストを維持する。
論文 参考訳（メタデータ） (2026-03-04T05:29:29Z) - Stereo-Inertial Poser: Towards Metric-Accurate Shape-Aware Motion Capture Using Sparse IMUs and a Single Stereo Camera [54.967647497048205]
本稿では,距離精度と形状を考慮した3次元動作を推定するリアルタイムモーションキャプチャシステムであるStereo-Inertial Poserを提案する。
モノクラーRGBをステレオビジョンに置き換え、直接3次元キーポイント抽出と形状パラメータ推定を可能にした。
ドリフトフリーなグローバル翻訳を長い記録時間で生成し,フットスケート効果を低減させる。
論文 参考訳（メタデータ） (2026-03-02T17:46:38Z) - Unified Spherical Frontend: Learning Rotation-Equivariant Representations of Spherical Images from Any Camera [12.448357304482668]
統一球面フロントエンド(英: Unified Spherical Frontend、USF)は、レンズに依存しないフレームワークで、任意のカメラからの画像を光線方向対応によって単位球表現に変換する。
USFは高解像度の球面画像を効率的に処理し、ランダムなテスト時間回転で1%未満のパフォーマンス低下を維持する。
論文 参考訳（メタデータ） (2025-11-22T19:57:46Z) - HAD: Hierarchical Asymmetric Distillation to Bridge Spatio-Temporal Gaps in Event-Based Object Tracking [80.07224739976911]
イベントカメラは例外的な時間分解能と範囲(モード)を提供する
RGBカメラは高解像度でリッチテクスチャを捉えるのに優れていますが、イベントカメラは例外的な時間分解能とレンジ(モダル)を提供します。
論文 参考訳（メタデータ） (2025-10-22T13:15:13Z) - Multi-LVI-SAM: A Robust LiDAR-Visual-Inertial Odometry for Multiple Fisheye Cameras [24.95534498798919]
マルチカメラLiDAR-visual-inertial odometryフレームワークであるMulti-LVI-SAMを提案する。
複数の魚眼カメラからの視覚情報の効率よく一貫した統合を実現するため,パノラマ画像特徴モデルを導入し,マルチカメラ観測を単一の表現に統一する。
論文 参考訳（メタデータ） (2025-09-06T15:06:55Z) - ESVO2: Direct Visual-Inertial Odometry with Stereo Event Cameras [41.992980062962495]
イベントベースビジュアル・オドメトリーは、追跡とサブプロブレムのマッピング(典型的には並列)を解決することを目的としている
直接パイプライン上に,イベントベースのステレオビジュアル慣性オドメトリーシステムを構築した。
結果として得られるシステムは、現代の高解像度のイベントカメラでうまくスケールする。
論文 参考訳（メタデータ） (2024-10-12T05:35:27Z) - VICAN: Very Efficient Calibration Algorithm for Large Camera Networks [49.17165360280794]
ポースグラフ最適化手法を拡張する新しい手法を提案する。
我々は、カメラを含む二部グラフ、オブジェクトの動的進化、各ステップにおけるカメラオブジェクト間の相対変換について考察する。
我々のフレームワークは従来のPGOソルバとの互換性を維持しているが、その有効性はカスタマイズされた最適化方式の恩恵を受けている。
論文 参考訳（メタデータ） (2024-03-25T17:47:03Z) - Light Field Spatial Super-resolution via Deep Combinatorial Geometry
Embedding and Structural Consistency Regularization [99.96632216070718]
ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。
LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。
本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-05T14:39:57Z)
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。