論文の概要: APVI-SLAM: Real-Time Acoustic-Pressure-Visual-Inertial Localization and Photorealistic Mapping System in Complex Underwater Environment
- arxiv url: http://arxiv.org/abs/2607.06222v1
- Date: Tue, 07 Jul 2026 12:45:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.513935
- Title: APVI-SLAM: Real-Time Acoustic-Pressure-Visual-Inertial Localization and Photorealistic Mapping System in Complex Underwater Environment
- Title（参考訳）: APVI-SLAM: 複雑な水中環境における実時間音響-画像-慣性位置定位と光リアルマッピングシステム
- Abstract要約: APVI-SLAM(APVI-SLAM)は、水中の正確な位置決めと光リアルマッピングを実現するリアルタイムマルチセンサー融合SLAMシステムである。
本手法では,センサ推定器を動的に再重み付けする信頼性を考慮したローカライゼーションフレームワークを提案する。
高忠実度シーン再構築のために,効率的なクワッドツリー誘導マッピングモジュールを提案する。
- 参考スコア（独自算出の注目度）: 22.489669412924346
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Extreme subsea environments often cause severe feature de-gradation and estimator divergence in underwater visual-inertial SLAM. Although sensors like Doppler Velocity Logs (DVL) and pressure gauges provide auxiliary constraints, robust multi-sensor fusion during intermittent visual failure remains challenging. To address this, we present APVI-SLAM, a real-time multi-sensor fusion SLAM system that achieves both accurate underwater localization and photorealistic mapping. Our approach introduces a reliability-aware localization framework that dynamically reweights sensor estimators and employs a sliding-window freezing strategy to recover from tracking failures, substantially enhancing system robustness. Furthermore, for high-fidelity scenes reconstruction, we propose an efficient quadtree-guided mapping module that facilitates incremental water-medium modeling and 3D Gaussian optimization. Recognizing the lack of benchmark for underwater mapping evaluation, we also contribute a coral reef surveying dataset with synchronized multi-modality data. Extensive experiments on public and our proposed benchmarks demonstrate that APVI-SLAM achieves state-of-the-art localization and reconstruction quality at real-time speeds.
- Abstract（参考訳）: 極端海底環境は、水中の視覚-慣性SLAMにおいて深刻な特徴劣化と推定値のばらつきを引き起こすことが多い。
ドップラー速度ログ(DVL)や圧力計のようなセンサは補助的な制約を提供するが、断続的な視覚障害時の堅牢なマルチセンサー融合は依然として困難である。
そこで本研究では, リアルタイムマルチセンサ融合SLAMシステムであるAPVI-SLAMについて述べる。
提案手法では,センサ推定器を動的に再重み付けし,故障の追跡から回復するためのスライディングウインドウ凍結戦略を用いて,システムロバスト性を大幅に向上する信頼性認識型ローカライゼーションフレームワークを提案する。
さらに,高忠実度シーン再構築のために,インクリメンタルな水-ナトリウムモデリングと3次元ガウス最適化を容易にするクアッドツリー誘導マッピングモジュールを提案する。
また,水中マッピング評価のためのベンチマークの欠如を認識し,サンゴ礁調査データセットと同期したマルチモーダルデータも提供した。
本研究では,APVI-SLAMがリアルタイムな局所化と再現性を実現していることを示す。
関連論文リスト
- DIVO: Continuous-time DVL-Inertial-Visual Odometry for Unmanned Underwater Vehicles [5.099953098986464]
本稿では,連続時間軌道推定フレームワークを利用した新しい音響-視覚-慣性オドメトリー法を提案する。
提案システムは実世界の水中検査データセットで広範囲に検証されている。
最先端のビジュアル・慣性および音響・視覚・慣性SLAMアルゴリズムを精度、堅牢性、軌道のカバレッジで上回る。
論文 参考訳（メタデータ） (2026-07-06T02:47:03Z) - 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) - Large-scale Photorealistic Outdoor 3D Scene Reconstruction from UAV Imagery Using Gaussian Splatting Techniques [0.734084539365505]
本稿では,ドローンでキャプチャした映像ストリームを低レイテンシで高忠実度な3D再構成に変換できるエンドツーエンドパイプラインを提案する。
我々の目標は,RTMPストリーミング,同期センサ融合,カメラポーズ推定,3DGS最適化によるライブビデオ取得を併用した効率的なアーキテクチャを提案することである。
論文 参考訳（メタデータ） (2026-02-23T20:40:26Z) - FAR-AVIO: Fast and Robust Schur-Complement Based Acoustic-Visual-Inertial Fusion Odometry with Sensor Calibration [7.394651310128268]
水中ロボットに適した音響・視覚・慣性計測フレームワークであるFAR-AVIOについて述べる。
私たちの実装はhttps://far-vido.gitbook.io/far-vido-docs.comでオープンソースソフトウェアとしてリリースされました。
論文 参考訳（メタデータ） (2025-12-23T13:36:47Z) - MARVO: Marine-Adaptive Radiance-aware Visual Odometry [0.5336398444466023]
MARVOは,水中画像形成モデル,識別可能なマッチング,強化学習を融合した物理認識・学習統合化フレームワークである。
強化に基づく PoseGraph は、SE(2) 上の最適リトラクション作用を学習することにより、古典的最小二乗の局所ミニマを超えてグローバルなトラジェクトリを洗練する。
論文 参考訳（メタデータ） (2025-11-28T03:31:40Z) - RT-DETRv4: Painlessly Furthering Real-Time Object Detection with Vision Foundation Models [48.91205564876609]
軽量物体検出器の高効率化を目的とした,コスト効率・高適合性蒸留フレームワークを提案する。
当社のアプローチは、さまざまなDETRベースのモデルに対して、目立って一貫したパフォーマンス向上を実現しています。
我々の新しいモデルファミリーRT-DETRv4はCOCOの最先端結果を達成し、APスコアは49.7/53.5/55.4/57.0で、対応する速度は273/169/124/78 FPSである。
論文 参考訳（メタデータ） (2025-10-29T08:13:17Z) - 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) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - AQUA-SLAM: Tightly-Coupled Underwater Acoustic-Visual-Inertial SLAM with Sensor Calibration [9.727021664098485]
本稿では, 密結合型音響-視覚-慣性SLAM手法を提案する。
グラフ最適化フレームワーク内に、ドップラー速度ログ(DVL)、ステレオカメラ、慣性測定ユニット(IMU)を融合させる。
本手法は, 位置推定精度とロバスト性の観点から, 現在最先端の水中・ビジュアル・慣性SLAMシステムを超えていることを示す。
論文 参考訳（メタデータ） (2025-03-14T14:03:33Z) - Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。
本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
論文 参考訳（メタデータ） (2025-03-06T05:13:19Z) - KFD-NeRF: Rethinking Dynamic NeRF with Kalman Filter [49.85369344101118]
KFD-NeRFは,Kalmanフィルタに基づく効率的かつ高品質な運動再構成フレームワークと統合された,新しい動的ニューラル放射場である。
我々のキーとなる考え方は、動的放射場を、観測と予測という2つの知識源に基づいて時間的に異なる状態が推定される動的システムとしてモデル化することである。
我々のKFD-NeRFは、同等の計算時間と最先端の視線合成性能で、徹底的な訓練を施した類似または優れた性能を示す。
論文 参考訳（メタデータ） (2024-07-18T05:48:24Z)
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。