論文の概要: Hilti-Trimble-Oxford Dataset: 360 Visual-Inertial Benchmark with Floor Plan Priors for SLAM and Localization
- arxiv url: http://arxiv.org/abs/2607.06464v1
- Date: Tue, 07 Jul 2026 16:25:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-08 21:24:51.58607
- Title: Hilti-Trimble-Oxford Dataset: 360 Visual-Inertial Benchmark with Floor Plan Priors for SLAM and Localization
- Title(参考訳): Hilti-Trimble-Oxford データセット: SLAM とローカライゼーションのためのフロアプランによる360度ビジュアル慣性ベンチマーク
- Abstract要約: アクティブな建設現場で収集した高品質なデータセットについて述べる。
データセットは、可変照明条件、動く作業者、速い動き、反復的な構造といった現実的な課題をキャプチャする。
本稿では,世界各国の視覚的SLAMとローカライゼーションシステムを評価するオープン・リサーチ・チャレンジの結果について報告する。
- 参考スコア(独自算出の注目度): 2.405612516777795
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Automated progress monitoring on construction sites is an active area of research and development. Robot and human-carried mapping systems have been developed to build 3D maps of building and infrastructure projects. While LiDAR-based mapping systems achieve high accuracy, the cost of LiDAR can be prohibitive. Consumer-grade cameras with wide field of view ("360 cameras") combined with embedded inertial measurement units (IMUs) provide a cost-effective alternative. To support change detection and progress monitoring, highly accurate visual Simultaneous Localization and Mapping (SLAM) and floor plan-referenced localization systems are required. In this paper we present a high-quality dataset collected at an active construction site, which captures realistic challenges such as variable lighting conditions, moving workers, fast motions, and repetitive structures. The dataset offers thirty visual-inertial sequences recorded across seven floors over an eight-month period of the construction project. Ground truth trajectories were collected using a high quality LiDAR-inertial SLAM system rigidly attached to the 360 camera. Additionally, we report the results of an open research challenge evaluating the best visual SLAM and localization systems from around the world. The Challenge attracted substantially higher participation in SLAM, with 62 teams compared to 22 in floor-plan-referenced localization, reflecting the broader maturity of SLAM methods. The higher errors in localization further highlight the difficulty of this task in construction and point to the need for continued research, which this dataset is intended to support. The dataset and the benchmark are publicly available at: https://hilti-trimble-challenge.com/dataset-2026.
- Abstract(参考訳): 建設現場の自動進捗監視は、研究開発の活発な領域である。
ロボットと人間によるマッピングシステムは、建築プロジェクトとインフラプロジェクトの3Dマップを構築するために開発された。
LiDARベースのマッピングシステムは精度が高いが、LiDARのコストは禁じることができる。
広視野のコンシューマグレードカメラ(360カメラ)と組み込み慣性測定ユニット(IMU)を組み合わせることで、コスト効率の良い代替手段を提供する。
変化検出と進捗監視を支援するためには,高度に正確な視覚的同時位置決めマッピング(SLAM)とフロアプラン参照位置決めシステムが必要である。
本稿では, 照明条件の変動, 作業員の移動, ファストモーション, 繰り返し構造などの現実的な課題を捉える, アクティブな建設現場で収集した高品質なデータセットについて述べる。
このデータセットは、建設計画の8ヶ月の間に、7つのフロアで記録された30の視覚的慣性シーケンスを提供する。
地上の真理軌道は、360度カメラに厳密に取り付けられた高品質LiDAR慣性SLAMシステムを用いて収集された。
さらに,世界各国の最高の視線SLAMとローカライゼーションシステムを評価するオープンな研究課題の結果を報告する。
このチャレンジは、SLAMメソッドの成熟度を反映したフロアプラン参照のローカライゼーションにおいて、62のチームが22に比較して、SLAMへのかなり高い参加を惹きつけた。
ローカライゼーションにおけるエラーの増大は、このタスクの構築の難しさをさらに浮き彫りにして、このデータセットのサポートを意図した継続的な研究の必要性を示している。
データセットとベンチマークは、https://hilti-trimble-challenge.com/dataset-2026で公開されている。
関連論文リスト
- iVISION-2DCD: A Long-Term Change Detection Dataset for Large-Scale Outdoor Construction Monitoring [50.60358463714119]
我々は,高密度LiDAR点雲からの大規模合成データセットiVISION-2DCDを提案する。
本データセットは,建設現場における2DCDの問題点を正式に定義する。
最先端の2DCDアルゴリズムを用いたベンチマーク評価は、iVISION-2DCDが新しい研究課題をもたらすことを示す。
論文 参考訳(メタデータ) (2026-07-03T18:29:13Z) - Cross-Session 3D LiDAR and Camera Fusion for Robust Localization of Unmanned Aerial Vehicles in GPS-Denied Environments [0.9749189465851389]
クロスフュージョン(Cross-Fusion)は、リアルタイムUAVローカライゼーションのための新しい手法である。
このシステムは、動き追跡と画像に基づく特徴マッチングにLiDARベースのオドメトリを使用して、単一の赤緑色(RGB)カメラでドリフトを補正し、精度を向上させる。
論文 参考訳(メタデータ) (2026-06-27T14:48:46Z) - SemCityLoc: Aerial 6DoF Localization Using Semantic 3D City Models [51.121529170856064]
本研究では,空中ポーズ推定を再構成する意味幾何学的アライメントシステムSemCityLocを提案する。
粗い輪郭や密集したテクスチャをマッチングする代わりに、本手法は、セマンティックサーフェスとモノクルディープを軽量なセマンティック3Dビルディングモデルと整合させる。
実験は、既存のマップベースのアプローチよりも大幅に改善されている。
論文 参考訳(メタデータ) (2026-06-25T18:13:39Z) - A 3D Reconstruction Benchmark for Asset Inspection [39.16724739487446]
地上の真理深度マップ,カメラポーズ,および3つの合成シーンのメッシュモデルを用いた新しいデータセットを提案する。
本研究では,このデータセット上での最先端の再構築手法について検討する。
論文 参考訳(メタデータ) (2026-03-18T04:42:14Z) - 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) - SuperEx: Enhancing Indoor Mapping and Exploration using Non-Line-of-Sight Perception [4.882290104560518]
本研究では,ロボット探査に非視線センシング(NLOS)を導入している。
我々は、隠れた物体の存在をエンコードする飛行時間ヒストグラムをキャプチャする単一光子LiDARを利用する。
我々は,NLOSセンシングを直接地図探索ループに統合するフレームワークであるSuperExを紹介する。
論文 参考訳(メタデータ) (2025-10-12T08:52:20Z) - Benchmarking Egocentric Visual-Inertial SLAM at City Scale [50.1245744173948]
本稿では,エゴセントリックなマルチモーダルデータを用いた視覚慣性SLAMのための新しいデータセットとベンチマークを提案する。
我々は、様々なセンサーを備えたメガネのような装置で、市内の中心部を何時間、何キロもの軌跡を記録している。
アカデミックによって開発された最先端のシステムは、これらの課題に対して堅牢ではないことを示し、これに責任を負うコンポーネントを特定します。
論文 参考訳(メタデータ) (2025-09-30T17:59:31Z) - TUM2TWIN: Introducing the Large-Scale Multimodal Urban Digital Twin Benchmark Dataset [90.97440987655084]
都市デジタルツインズ(UDT)は、都市管理と多様なソースからの複雑な異種データの統合に欠かせないものとなっている。
これらの課題に対処するために、最初の総合的マルチモーダルなUrban Digital TwinベンチマークデータセットTUM2TWINを紹介する。
このデータセットには、地理的にセマンティックに整合した3Dモデルとネットワーク、およびさまざまな地球、モバイル、航空、衛星観測結果、約10,000ドル以上のデータサブセット、そして現在767GBのデータが含まれている。
論文 参考訳(メタデータ) (2025-05-12T09:48:32Z) - The Oxford Spires Dataset: Benchmarking Large-Scale LiDAR-Visual Localisation, Reconstruction and Radiance Field Methods [11.967894642130206]
本稿では,オックスフォードの有名なランドマーク周辺で収集された大規模マルチモーダルデータセットを紹介する。
また、ローカライゼーション、再構築、新規ビュー合成を含むタスクのベンチマークも作成する。
我々のデータセットとベンチマークは、放射場法とSLAMシステムのより良い統合を容易にすることを意図している。
論文 参考訳(メタデータ) (2024-11-15T19:43:24Z) - LaMAR: Benchmarking Localization and Mapping for Augmented Reality [80.23361950062302]
異種ARデバイスでキャプチャされたリアルな軌跡とセンサストリームを共登録する,包括的キャプチャとGTパイプラインを備えた新しいベンチマークであるLaMARを紹介する。
私たちは、ヘッドマウントとハンドヘルドARデバイスで記録された多様な大規模シーンのベンチマークデータセットを公開します。
論文 参考訳(メタデータ) (2022-10-19T17:58:17Z) - R$^3$LIVE++: A Robust, Real-time, Radiance reconstruction package with a
tightly-coupled LiDAR-Inertial-Visual state Estimator [5.972044427549262]
同時ローカライゼーションとマッピング(SLAM)は、自律ロボット(例えば、自動運転車、無人ドローン)、3Dマッピングシステム、AR/VRアプリケーションに不可欠である。
この研究は、R$3$LIVE++と呼ばれる新しいLiDAR-慣性-視覚融合フレームワークを提案した。
論文 参考訳(メタデータ) (2022-09-08T09:26:20Z)
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。