論文の概要: SLAM in Low-Light Environments: Project Report
- arxiv url: http://arxiv.org/abs/2607.17699v1
- Date: Mon, 20 Jul 2026 08:47:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-07-21 18:48:37.554621
- Title: SLAM in Low-Light Environments: Project Report
- Title（参考訳）: 低光環境におけるSLAM:プロジェクト報告
- Abstract要約: ロボット工学の基本的な問題の一つに、同時局所化とマッピング(SLAM)がある。
機能ベース、ダイレクト、フィルタベース、学習ベースのパラダイムにまたがる6つのシステムをベンチマークします。
その結果、RGBのみのSLAMは、慣性融合と大域最適化の両方が存在する場合にのみ安定した低照度追跡を維持できることがわかった。
- 参考スコア（独自算出の注目度）: 13.846177322392725
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Simultaneous localization and mapping (SLAM) is one of the fundamental problems in robotics, as it enables autonomous operations in real-world scenarios. Under low illumination, reduced contrast, sensor noise, and motion blur degrade both feature extraction and feature matching, while compensating with LiDAR, depth, or thermal sensors raises cost, power draw, and integration complexity. Existing benchmarks remain dominated by well-lit indoor or daylight sequences, leaving open how far SLAM with standard RGB cameras can be pushed in the dark. We benchmark six systems spanning the feature-based, direct, filter-based, and learning-based paradigms - ORB-SLAM3, DSO, Kimera-VIO, OpenVINS, DPVO, and DPV-SLAM - on five LaMARia sequences of varying difficulty and illumination, reporting absolute and relative pose error alongside control-point recall. Kimera-VIO is the only system to track all five sequences to completion, combining the lowest relative pose error with steadily growing absolute error due to the absence of loop closure; DPVO and DPV-SLAM never lose tracking but incur absolute errors of roughly 100 m under low light; and the classical monocular pipelines (ORB-SLAM3, DSO) together with the filter-based OpenVINS fail outright or diverge on most of the harder and low-light sequences. The results suggest that RGB-only SLAM maintains stable low-light tracking only when both inertial fusion and global optimization are present. Closing the remaining gap will likely require low-light-specific learned front-ends or a return to complementary sensing.
- Abstract（参考訳）: 現実のシナリオにおける自律的な操作を可能にするため、ロボット工学の基本的な問題のひとつに、同時ローカライゼーションとマッピング(SLAM)がある。
低照度、コントラストの低減、センサノイズ、モーションブラーは特徴抽出と特徴マッチングの両方を劣化させ、LiDAR、深度、サーマルセンサーで補償するとコスト、パワードロー、統合の複雑さが増大する。
既存のベンチマークでは、室内や日光の鮮やかなシーケンスが支配されており、標準のRGBカメラでSLAMがどれだけ暗くなるかは未定だ。
ORB-SLAM3, DSO, Kimera-VIO, OpenVINS, DPVO, DPV-SLAM という機能ベース, 直接, フィルタベース, 学習ベースのパラダイムにまたがる6つのシステムを, 難易度と照度の異なる5つの LaMARia シーケンスでベンチマークし, 絶対的および相対的ポーズ誤差を制御ポイントリコールとともに報告する。
DPVOとDPV-SLAMは追跡をなくすことなく、約100mの低い光の下で絶対誤差を発生させ、古典的な単分子パイプライン(ORB-SLAM3, DSO)とフィルタベースのOpenVINSは、ほとんどの困難で低照度なシーケンスで完全にあるいは分岐する。
その結果,RGBのみのSLAMは,慣性融合と大域最適化の両方が存在する場合にのみ,安定した低照度追跡を維持できることがわかった。
残りのギャップを閉じるには、低照度固有の学習されたフロントエンドが必要か、補完的なセンシングに戻る必要があるだろう。
関連論文リスト
- LiveLight: Real-time Streaming Video Relighting with Interactive Control [50.08584152649119]
インタラクティブな3Dライティング制御を備えたリアルタイムストリーミングビデオリライティングのための,最初の拡散ベースのフレームワークであるLiveLightを紹介する。
拡散モデルに動的3D照明を効果的に注入し、低NFE予算下で高忠実度生成を維持し、対話型制御のための連続ストリーミングを容易にするという3つの重要な課題を克服する。
実世界のベンチマークと合成ベンチマークの実験は、LiveLightがリアルタイムに実行しながら最先端のリライト品質を達成することを示した。
論文 参考訳（メタデータ） (2026-08-03T06:45:00Z) - LLM-Empowered Multimodal Fusion Framework for Autonomous Driving: Semantic Enhancement and Channel-Adaptive Design [56.76240343283953]
本稿では,大規模言語モデル中心のセマンティック・レイヤ・チャネル・アウェア・インテグレート・パーセプション・フレームワークを提案する。
ローカルな視覚ストリームと、知覚盲点をカバーするために使用される品質の変化した外部レーダーストリームを融合させる。
nuScenesとVIRATの実験は、我々のアプローチを検証する。
論文 参考訳（メタデータ） (2026-07-02T06:44:02Z) - TRGS-SLAM: IMU-Aided Gaussian Splatting SLAM for Blurry, Rolling Shutter, and Noisy Thermal Images [9.011910869866702]
熱慣性SLAMシステムであるTRGS-SLAMについて述べる。
熱データ処理の課題を克服するため,3DGS SLAMにモデル対応の3DGSレンダリング手法といくつかの一般的な革新を導入する。
我々のシステムは、実世界、高速な動き、高雑音の熱データを正確に追跡し、他のすべてのSLAM法が失敗することを示す。
論文 参考訳（メタデータ） (2026-03-20T19:18:31Z) - Edged USLAM: Edge-Aware Event-Based SLAM with Learning-Based Depth Priors [1.504944269180605]
イベントカメラは、これらの問題を高時間分解能と高ダイナミックレンジで緩和する。
We present Edged USLAM, a hybrid visual-inertial system that extends Ultimate SLAM with a edge-aware front-end and a light depth module。
論文 参考訳（メタデータ） (2026-03-09T09:28:52Z) - Adaptive Illumination Control for Robot Perception [6.718749267591075]
Lightningは、ビジュアルSLAMのためのクローズドループ照明制御フレームワークである。
ライティング、オフライン最適化、模倣学習を組み合わせたものだ。
SLAM軌道を大幅に改善し、不要な照明電力を低減させる。
論文 参考訳（メタデータ） (2026-02-13T03:34:01Z) - VIGS-SLAM: Visual Inertial Gaussian Splatting SLAM [75.55522219717137]
視覚-慣性3DガウスプラッティングSLAMシステムであるVIGS-SLAMについて述べる。
堅牢なリアルタイムトラッキングと高忠実度再構築を実現する。
本手法は,一貫した最適化フレームワーク内に視覚的および慣性的キューを密結合する。
論文 参考訳（メタデータ） (2025-12-02T00:19:13Z) - Taming the Light: Illumination-Invariant Semantic 3DGS-SLAM [17.050977825997617]
極端露出は3Dマップ再構成とセマンティックセグメンテーションの精度を劣化させる。
本稿では2つの設計を持つ新しいセマンティックSLAMフレームワークを提案する。
まず、内在性正規化モジュールは、過渡的な照明からアルベドのような内在性特性を積極的に切り離す。
第二に、DRB-Loss(Dynamic Radiance Balancing Loss)は、極端な露出でフレームを反応的に処理する。
論文 参考訳（メタデータ） (2025-11-28T08:19:40Z) - MCGS-SLAM: A Multi-Camera SLAM Framework Using Gaussian Splatting for High-Fidelity Mapping [52.99503784067417]
3次元ガウス平板上に構築した初のRGBベースのマルチカメラSLAMシステムMCGS-SLAM(3DGS)を提案する。
マルチカメラバンドル調整(MCBA)は、高密度の測光および幾何残差を介してポーズと深さを共同で洗練し、スケール整合モジュールはビューを横断する計量アライメントを強制する。
合成および実世界のデータセットの実験は、MCGS-SLAMが一貫して正確な軌道と光現実的再構成をもたらすことを示している。
論文 参考訳（メタデータ） (2025-09-17T17:27:53Z) - SuperPoint-SLAM3: Augmenting ORB-SLAM3 with Deep Features, Adaptive NMS, and Learning-Based Loop Closure [0.42855555838080844]
我々は,ORBを自己監督型SuperPoint検出器-ディスクリプタに置き換えるドロップインアップグレードであるSuperPoint-SLAM3を紹介する。
SuperPoint-SLAM3は平均翻訳誤差を4.15%から0.34%に、回転誤差を0.0027 deg/mから0.0010 deg/mに下げる。
論文 参考訳（メタデータ） (2025-06-16T04:27:32Z) - SOTA: Spike-Navigated Optimal TrAnsport Saliency Region Detection in Composite-bias Videos [50.51658520045165]
Spike-d TrAnsport Saliency Region Detection (SOTA)は、スパイクカメラの強度を活用しつつ、空間次元と時間次元の両方のバイアスを緩和するフレームワークである。
本手法では,微妙なフレーム・ツー・フレームの変動を捉えるために,スパイクに基づくマイクロデビア(SM)を導入する。
SOTAは様々な条件にまたがる不整合を減らして予測を洗練させる。
論文 参考訳（メタデータ） (2025-05-01T08:30:40Z) - GlORIE-SLAM: Globally Optimized RGB-only Implicit Encoding Point Cloud SLAM [53.6402869027093]
フレキシブルなニューラルポイントクラウド表現シーンを用いたRGBのみの高密度SLAMシステムを提案する。
また,単分子深度とともに暗黙のポーズと深さを最適化する新しいDSPO層を導入する。
論文 参考訳（メタデータ） (2024-03-28T16:32:06Z)
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。