論文の概要: Mapping Pamir: Multi-Session Visual-Inertial SLAM and 3D Reconstruction of an Underwater Shipwreck
- arxiv url: http://arxiv.org/abs/2607.10925v1
- Date: Sun, 12 Jul 2026 21:16:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-14 15:40:48.580325
- Title: Mapping Pamir: Multi-Session Visual-Inertial SLAM and 3D Reconstruction of an Underwater Shipwreck
- Title（参考訳）: マッピングパミル:マルチセッションビジュアル慣性SLAMと水中船の3次元再構築
- Abstract要約: 本稿では,安価なアクションカメラを用いた水中環境のマルチセッションマッピングのためのフレームワークを提案する。
画像-慣性データは、ダイブコンピュータからの水深記録によって拡張される。オープンソースのVI-SLAMフレームワークであるSVIn2を使用して、各セッションの軌跡とスパース再構成を生成する。
初めて、船体外装とアクセス可能な内装の両方が2つのセッションでマッピングされ、第3のセッションでは異なる視野の2つのカメラが使用された。
- 参考スコア（独自算出の注目度）: 10.536069356484083
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents a framework for multi-session mapping of underwater environments utilizing an affordable action camera. The Visual-Inertial data are augmented by water depth recordings from a dive computer. SVIn2, an open-source VI-SLAM framework, is utilized to generate a trajectory and a sparse reconstruction for each session. Utilizing the keyframes extracted from SVIn2 and the estimated camera poses, a Structure-from-Motion (SfM) framework, COLMAP, is employed for global optimization and to produce a dense reconstruction of the target environment. The presence of calibration targets at fixed locations, when available, is used to estimate the coordinate transformation between different data collection sessions, thus transforming the different sessions into the same coordinate frame. The proposed pipeline is employed for the mapping of a shipwreck off the coast of Barbados. For the first time, both the exterior and the accessible interior parts of the wreck were mapped in two sessions, while a third session employed two cameras with different fields of view.
- Abstract（参考訳）: 本稿では,安価なアクションカメラを用いた水中環境のマルチセッションマッピングのためのフレームワークを提案する。
ビジュアル・慣性データは、潜水コンピュータからの水深記録によって拡張される。
SVIn2は、オープンソースのVI-SLAMフレームワークであり、各セッションの軌跡とスパース再構成を生成するために使用される。
SVIn2から抽出したキーフレームと推定カメラポーズを利用して、グローバルな最適化とターゲット環境の高密度な再構築を実現するために、COLMAP(Structure-from-Motion)フレームワークを使用する。
固定位置における校正対象の存在は、利用可能な場合、異なるデータ収集セッション間の座標変換を推定するために使用され、それによって異なるセッションを同じ座標フレームに変換する。
提案されたパイプラインはバルバドス沖の難破船のマッピングに使用されている。
初めて、船体外装部とアクセス可能な内装部は2つのセッションでマッピングされ、第3のセッションでは異なる視野の2つのカメラが使用された。
関連論文リスト
- ReefMapGS: Enabling Large-Scale Underwater Reconstruction by Closing the Loop Between Multimodal SLAM and Gaussian Splatting [9.554102334590365]
本稿では,3DGSをベースとした逐次再構築フレームワークReefMapGSを提案する。
複雑な地形を持つ2つの海底礁のCOLMAPフリーな3次元再構築と,700m以上の調査軌道上でのAUVのより正確なグローバルなポーズ推定について述べる。
論文 参考訳（メタデータ） (2026-04-13T19:32:53Z) - S3KF: Spherical State-Space Kalman Filtering for Panoramic 3D Multi-Object Tracking [24.79542959759503]
パノラマ多対象追跡は、産業安全監視、広域ロボット認識、大規模ワークスペースにおけるインフラストラクチャライト展開において重要である。
既存の画像平面トラッカーは、カメラ投影に強く結合され、パノラマ画像では信頼性が低い。
回転する電動LiDARとクワッドフィッシュカメラリグをベースとしたパノラマ3次元多物体追跡フレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-29T06:01:29Z) - GRS-SLAM3R: Real-Time Dense SLAM with Gated Recurrent State [29.91962530945268]
本稿では,高密度シーン再構築のためのエンドツーエンドSLAMフレームワークであるGRS-SLAM3Rを紹介する。
本手法は,グローバル座標における逐次的入力と計量スケールの点群を漸進的に推定する。
各種データセットを用いた実験により, リアルタイム性能を維持しつつ, より優れた復元精度を実現することができた。
論文 参考訳（メタデータ） (2025-09-28T08:33:34Z) - MapAnything: Universal Feed-Forward Metric 3D Reconstruction [63.79151976126576]
MapAnythingは1つ以上の画像を取り込み、カメラの内在性、ポーズ、深さ、部分的な再構築など、任意の幾何学的入力を行う。
そして、メーター3Dシーンの幾何学とカメラを直接補強する。
MapAnythingは、単一のフィードフォワードパスで幅広い3Dビジョンタスクに対処する。
論文 参考訳（メタデータ） (2025-09-16T18:00:14Z) - ViSTA-SLAM: Visual SLAM with Symmetric Two-view Association [52.34293412010292]
ViSTA-SLAMは、カメラのクロージャを必要とせずに動作するリアルタイムの単眼視SLAMシステムである。
提案手法は, カメラトラッキングと高密度3次元再構成品質の両方において, 優れた性能を実現する。
論文 参考訳（メタデータ） (2025-09-01T16:12:23Z) - St4RTrack: Simultaneous 4D Reconstruction and Tracking in the World [106.91539872943864]
St4RTrackは、RGB入力から世界座標フレーム内の動的ビデオコンテンツを同時に再構成し、追跡するフレームワークである。
静的および動的シーン幾何学の両方をキャプチャして、同じ世界において、同時に両方のポイントマップを予測する。
統合されたデータ駆動フレームワークの有効性と効率を実証し、世界フレームの再構築と追跡のための新しい広範囲なベンチマークを構築します。
論文 参考訳（メタデータ） (2025-04-17T17:55:58Z) - Driv3R: Learning Dense 4D Reconstruction for Autonomous Driving [116.10577967146762]
マルチビュー画像シーケンスからフレーム単位のポイントマップを直接回帰するフレームワークであるDriv3Rを提案する。
我々は4次元フロー予測器を用いてシーン内の移動物体を識別し、これらの動的領域の再構築をより重視する。
Driv3Rは4D動的シーン再構築において従来のフレームワークより優れており、推論速度は15倍高速である。
論文 参考訳（メタデータ） (2024-12-09T18:58:03Z) - Enhanced Stable View Synthesis [86.69338893753886]
本稿では,自由に動くカメラから撮影した画像から,新しいビュー合成を強化するアプローチを提案する。
導入されたアプローチは、正確な幾何学的足場とカメラのポーズの復元が困難な屋外シーンに焦点を当てている。
論文 参考訳（メタデータ） (2023-03-30T01:53:14Z) - TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view
Stereo [55.30992853477754]
本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。
ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。
TANDEMは最先端のリアルタイム3D再構成性能を示す。
論文 参考訳（メタデータ） (2021-11-14T19:01:02Z) - DSP-SLAM: Object Oriented SLAM with Deep Shape Priors [16.867669408751507]
対象物に対する高密度3次元モデルのリッチで正確な関節マップを構築するオブジェクト指向SLAMシステムを提案する。
DSP-SLAMは特徴ベースのSLAMシステムによって再構築された3Dポイントクラウドを入力として取り込む。
本評価では,近年の深層構造復元法に対して,物体の姿勢と形状の復元が改善したことを示す。
論文 参考訳（メタデータ） (2021-08-21T10:00:12Z) - Mesh Reconstruction from Aerial Images for Outdoor Terrain Mapping Using
Joint 2D-3D Learning [12.741811850885309]
本稿では,無人航空機から得られた頭上画像を用いて,屋外地形のマッピングを行う。
飛行中の航空画像からの深度推定は困難です。
各カメラの局所メッシュを再構成する2d-3d学習手法を共同開発し,地球環境モデルとして構築する。
論文 参考訳（メタデータ） (2021-01-06T02:09:03Z)
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。