論文の概要: ROEVO: Robust Organized Edge Feature-based Visual Odometry Using RGB-D Cameras

• arxiv url: http://arxiv.org/abs/2608.09112v1
• Date: Mon, 10 Aug 2026 04:38:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-11 19:16:37.081538
• Title: ROEVO: Robust Organized Edge Feature-based Visual Odometry Using RGB-D Cameras
• Title（参考訳）: ROEVO:RGB-Dカメラを用いたロバストなエッジ特徴ベースビジュアルオドメトリー
• Authors: Mingrui Liu, Xingxing Zuo, Renlang Huang, Minglei Zhao, Jiming Chen, Liang Li,
• Abstract要約: 本研究は,画像エッジ特徴を利用した視覚計測システム(VO)を提案する。 本稿では,不整合エッジ画素を逐次化クラスタに変換する,テキスト化エッジと呼ばれる新しい特徴表現を提案する。 追跡のために、ピクセル単位の残差ではなくエッジ単位を定式化し、堅牢で正確なフレーム間登録を実現する。 共同最適化のために,新しい形状保存エッジフィッティング法と組織化されたエッジベースバンドル調整(BA)手法を導入する。
• 参考スコア（独自算出の注目度）: 40.627014939508136
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This work presents a visual odometry (VO) system that leverages image edge features. Edges are spatially expressive cues commonly present across diverse environments, offering rich textural and structural information. However, existing edge-based VO methods often fail to fully exploit this potential. To this end, we introduce a novel feature representation termed \textit{organized edges}, which transforms disjoint edge pixels into sequentialized clusters, enabling more effective retention and utilization of the underlying textural and structural information. Another nice property of this formulation is that organized edges can perform edge-level association across multiple frames, enabling the establishment of a co-visibility graph. To achieve precise and efficient pose estimation, we propose a range of particularly designed tracking and joint optimization methods based on the characteristics of organized edges. For tracking, we formulate edge-wise rather than pixel-wise residuals to achieve robust and accurate inter-frame registration. For joint optimization, we introduce a novel shape-preserving edge-fitting method and an organized edge-based Bundle Adjustment (BA) approach, which decomposes the traditional BA problem into fitting and registration to preserve the structural integrity. Based on these novel techniques, we develop a complete VO system that exclusively employs organized edge features, achieving efficient tracking and precise local mapping. Extensive experiments demonstrate its accuracy and robustness in indoor environments, outperforming or achieving comparable performance to state-of-the-art methods. The source code is publicly available at https://github.com/liumingrui814/ROEVO
• Abstract（参考訳）: 本研究は,画像エッジ特徴を利用した視覚計測システム(VO)を提案する。 エッジは、様々な環境に共通して存在し、豊富なテクスチャと構造情報を提供する空間表現的手がかりである。 しかし、既存のエッジベースのVOメソッドは、この可能性を完全に活用できないことが多い。 そこで本研究では,不整合エッジピクセルを逐次化クラスタに変換し,より効率的な保持と基盤となるテクスチャおよび構造情報の活用を可能にする,‘textit{organized edges’という特徴表現を導入する。 この定式化のもう1つの良い性質は、組織化されたエッジが複数のフレームにわたってエッジレベルアソシエーションを実行でき、コビジュアビリティグラフの確立を可能にすることである。 高精度かつ効率的なポーズ推定を実現するために,組織化されたエッジの特性に基づいて,特に設計されたトラッキングと共同最適化手法を提案する。 追跡のために、ピクセル単位の残差ではなくエッジ単位を定式化し、堅牢で正確なフレーム間登録を実現する。 共同最適化のために,従来のBA問題を適合と登録に分解して構造的整合性を維持する,新しい形状保存エッジフィッティング法と組織的エッジベースバンドル調整(BA)アプローチを導入する。 これらの新しい手法に基づき,効率的な追跡と高精度な局所マッピングを実現するために,組織化されたエッジ機能のみを利用する完全なVOシステムを開発した。 大規模な実験は、室内環境におけるその正確さと堅牢性を示し、最先端の手法に匹敵する性能を発揮または達成している。 ソースコードはhttps://github.com/liumingrui814/ROEVOで公開されている。

関連論文リスト

• Learning Structural Latent Points for Efficient Visual Representations in Robotic Manipulation [28.481044299307346]
  暗黙の表現は明示的な構造的手がかりを欠くが、明示的な表現は幾何を保存するが、分解限界と弱一般化に苦しむ。 本稿では,ハイブリッドな表現-構造的潜在点を学習する新しい事前学習フレームワークを提案する。 結果として生じるコンパクト潜水剤は粗い構造的傾向を保ち、正確な幾何学を符号化するのではなく、よりリッチな粗い形状と意味情報をキャプチャする。
  論文  参考訳（メタデータ） (2026-05-20T14:48:01Z)
• CAGE: Continuity-Aware edGE Network Unlocks Robust Floorplan Reconstruction [24.09888364478496]
  我々は,点-雲密度マップから直接ベクトルフロアプランを再構築する堅牢なフレームワークであるCAGEを提案する。 CAGEは最先端のパフォーマンスを達成し、F1スコアは99.1%(部屋)、91.7%(コーナー)、89.3%(角度)である。
  論文  参考訳（メタデータ） (2025-09-18T22:10:37Z)
• Geometry-Editable and Appearance-Preserving Object Compositon [67.98806888489385]
  汎用オブジェクト合成(GOC)は、対象オブジェクトを望まれる幾何学的性質を持つ背景シーンにシームレスに統合することを目的としている。 近年のアプローチは意味的埋め込みを導出し、それらを高度な拡散モデルに統合し、幾何学的に編集可能な生成を可能にする。 本稿では,まずセマンティックな埋め込みを活用して,所望の幾何学的変換を暗黙的にキャプチャするDistangled Geometry-editable and Outearance-Preserving Diffusionモデルを提案する。
  論文  参考訳（メタデータ） (2025-05-27T09:05:28Z)
• SuperEdge: Towards a Generalization Model for Self-Supervised Edge Detection [2.912976132828368]
  最先端のピクセルワイドアノテーションは労働集約的であり、手作業で取得すると矛盾する。 本稿では, マルチレベルのマルチホログラフィー技術を用いて, 合成データセットから実世界のデータセットへアノテーションを転送する, エッジ検出のための新しい自己教師型アプローチを提案する。 提案手法は,手動の注釈付きエッジラベルへの依存性を排除し,多様なデータセット間の一般化性を向上させる。
  論文  参考訳（メタデータ） (2024-01-04T15:21:53Z)
• Edge-aware Plug-and-play Scheme for Semantic Segmentation [4.297988192695948]
  提案手法は, 改良を伴わない任意の最先端(SOTA)モデルにシームレスに統合できる。 実験結果から,提案手法は改良を伴わない任意の最先端(SOTA)モデルにシームレスに統合できることが示唆された。
  論文  参考訳（メタデータ） (2023-03-18T02:17:37Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• EA-Net: Edge-Aware Network for Flow-based Video Frame Interpolation [101.75999290175412]
  補間フレーム内のエッジを保存することにより,画像のぼかしを低減し,オブジェクトの明確な形状を得る。 提案するエッジアウェアネットワーク(eanet)は、エッジ情報をフレームタスクに統合する。 フローマップの推定において,フレームエッジを強調する3つのエッジアウェア機構が開発されている。
  論文  参考訳（メタデータ） (2021-05-17T08:44:34Z)
• Improving Semantic Segmentation via Decoupled Body and Edge Supervision [89.57847958016981]
  既存のセグメンテーションアプローチは、グローバルコンテキストをモデル化することでオブジェクトの内部の一貫性を改善すること、あるいはマルチスケールの特徴融合によって境界に沿ったオブジェクトの詳細を洗練することを目的としている。 本稿では,セマンティックセグメンテーションのための新しいパラダイムを提案する。 我々の洞察は、セマンティックセグメンテーションの魅力ある性能には、画像の高頻度と低頻度に対応するオブジェクトのテキストボディとテキストエッジを具体的にモデル化する必要があるということである。 さまざまなベースラインやバックボーンネットワークを備えた提案したフレームワークが,オブジェクト内部の一貫性とオブジェクト境界を向上させることを示す。
  論文  参考訳（メタデータ） (2020-07-20T12:11:22Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)

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。