論文の概要: Improving Map Consistency in Graph-Based LiDAR SLAM Through Information-Aware Odometry and Retroactive Loop Closure
- arxiv url: http://arxiv.org/abs/2607.13516v1
- Date: Wed, 15 Jul 2026 07:12:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-16 16:39:12.68106
- Title: Improving Map Consistency in Graph-Based LiDAR SLAM Through Information-Aware Odometry and Retroactive Loop Closure
- Title（参考訳）: グラフベースLiDAR SLAMにおける情報認識オドメトリーとリトロアクティブループクロージャによるマップ整合性の向上
- Abstract要約: 我々は,3次元LiDAR SLAMにおけるグローバルな軌道推定と局所地図品質の改善の問題に対処する。
まず,ICP の幾何依存情報行列を効率的に推定する枠組みを提案し,ポーズグラフにおけるオドメトリー制約の原理的重み付けを可能にする。
次に、位置認識を幾何学的登録から切り離す階層的なループ閉鎖モジュールと、最適化されたポーズグラフを利用してループ閉鎖を復元する遡及的なループ閉鎖モジュールを導入する。
- 参考スコア（独自算出の注目度）: 22.762295959731233
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High-quality maps are fundamental for robotics tasks such as navigation and planning. Although modern graph-based LiDAR SLAM systems achieve good trajectory accuracies, a low trajectory error alone does not guarantee geometrically consistent maps, particularly at revisit locations where missed loop closures and residual drift can produce local misalignments. In this work, we address the problem of jointly improving global trajectory estimation and local map quality in 3D LiDAR SLAM. We first propose a framework to efficiently estimate geometry-dependent information matrices for ICP, enabling principled weighting of odometry constraints in a pose graph. We then introduce a hierarchical loop-closure module that decouples place recognition from geometric registration, together with a retroactive loop-closure module that exploits the optimized pose graph to recover missed loop closures. We also propose an evaluation protocol to measure map consistency at revisit locations. We evaluate our SLAM system on several datasets against state-of-the-art LiDAR SLAM systems. Experimental results demonstrate global trajectory accuracies on par with or better than existing methods while consistently improving local geometric map consistency at revisit locations. These results suggest that coupling uncertainty-aware odometry with geometry-guided loop-closure refinement leads to more accurate trajectories and higher-quality maps.
- Abstract（参考訳）: 高品質の地図は、ナビゲーションや計画といったロボティクスのタスクに欠かせない。
現代のグラフベースのLiDAR SLAMシステムは良好な軌道精度を実現するが、低軌道誤差だけでは幾何的に一貫した写像を保証しない。
本研究では,3次元LiDAR SLAMにおけるグローバル軌道推定と局所地図品質を共同で改善する問題に対処する。
まず,ICP の幾何依存情報行列を効率的に推定する枠組みを提案し,ポーズグラフにおけるオドメトリー制約の原理的重み付けを可能にする。
次に、位置認識を幾何学的登録から切り離す階層的なループ閉鎖モジュールと、最適化されたポーズグラフを利用してループ閉鎖を復元する遡及的なループ閉鎖モジュールを導入する。
また,再訪地点における地図の整合性を評価するための評価プロトコルを提案する。
我々は、最先端のLiDAR SLAMシステムに対して、複数のデータセット上でSLAMシステムを評価する。
実験により, 従来の手法と同等以上のグローバルな軌道精度を示すとともに, 再訪位置における局所的幾何地図の整合性を一貫して改善した。
これらの結果は、幾何誘導ループ閉鎖補正と不確実性を考慮したオドメトリーがより正確な軌道と高品質な地図をもたらすことを示唆している。
関連論文リスト
- Self-supervised Geometry Reasoning for LiDAR Simultaneous Localization and Mapping [11.695017334165287]
本稿では、局所幾何学の明示的な記号表現を学習し、LiDAR SLAMを改善するための自己教師型フレームワークを提案する。
様々なLiDAR解像度でのKITTI実験により, 提案手法は, オードメトリーとグローバルレジストレーションの両方を改善した。
論文 参考訳（メタデータ） (2026-06-29T11:43:20Z) - Geometry OR Tracker: Universal Geometric Operating Room Tracking [61.399734016038614]
手術室(OR)では、世界規模のマルチビュー3Dトラッキングは、外科医の行動認識のような下流のアプリケーションをサポートする。
カメラのキャリブレーションとRGB-Dの登録は常に信頼性が低く、幾何学的不整合が生じる。
我々は、不正確なキャリブレーションをスケール一貫性と幾何学的に整合したカメラ設定に修正する2段階パイプラインであるGeometry OR Trackerを紹介する。
論文 参考訳（メタデータ） (2026-02-28T09:21:21Z) - 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) - Incorporating GNSS Information with LIDAR-Inertial Odometry for Accurate Land-Vehicle Localization [1.9684593154403558]
高精度な3Dポイントクラウドマップのロバストなローカライゼーションを実現するLIDARベースの新しいローカライゼーションフレームワークを提案する。
このシステムは,LIDARを用いたオドメトリーとグローバル情報を統合し,位置決め状態を最適化する。
このアルゴリズムは、異なるデータセットの様々なマップでテストされ、他のローカライズアルゴリズムよりも堅牢性と精度が高い。
論文 参考訳（メタデータ） (2025-03-29T19:41:31Z) - ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。
累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。
その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
論文 参考訳（メタデータ） (2025-01-04T02:44:27Z) - SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。
我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。
合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
論文 参考訳（メタデータ） (2024-02-14T18:18:32Z) - LMBAO: A Landmark Map for Bundle Adjustment Odometry in LiDAR SLAM [2.218316486552747]
既存のLiDARオドメトリーは、単に以前の固定位置スキャンと反復的に新しいスキャンと一致し、徐々にエラーを蓄積する傾向にある。
この手紙は、これらの問題を解決するためにLiDAR SLAMにおけるバンドル調整オドメトリー(LMBAO)のランドマークマップと呼ばれる新しい戦略を設計した。
具体的には,スライディングウィンドウにおける特徴点のみでなく,地図上の安定なランドマーク全体を保存し,アクティブグレードに応じてランドマークを削除する。
論文 参考訳（メタデータ） (2022-09-19T07:48:28Z) - E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。
E-Graphに基づいて、回転推定問題はより単純でエレガントになる。
回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
論文 参考訳（メタデータ） (2022-07-20T16:11:48Z) - FD-SLAM: 3-D Reconstruction Using Features and Dense Matching [18.577229381683434]
本稿では,高密度フレーム・モデル・オードメトリーを用いたRGB-D SLAMシステムを提案する。
マップ構築をさらに安定化させる3次元特徴に基づく学習ベースのループクロージャコンポーネントを組み込んだ。
このアプローチは、他のシステムがしばしば失敗する大きなシーンにも拡張できる。
論文 参考訳（メタデータ） (2022-03-25T18:58:46Z) - LOL: Lidar-Only Odometry and Localization in 3D Point Cloud Maps [0.6091702876917281]
都市部を走行するライダー搭載車両の軌道計測と位置推定の問題に対処する。
オンライン3Dポイントクラウドと事前オフラインマップとの間の幾何学的に類似した位置を検出するために,位置認識手法を適用した。
異なる長さと環境の複数のKittiデータセット上で,提案するLOLシステムの有用性を実証する。
論文 参考訳（メタデータ） (2020-07-03T10:20:53Z)
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。