論文の概要: MFVINS: Multiple Fisheye Camera-Based Visual Inertial System
- arxiv url: http://arxiv.org/abs/2609.08626v1
- Date: Tue, 08 Sep 2026 12:00:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 16:10:10.757876
- Title: MFVINS: Multiple Fisheye Camera-Based Visual Inertial System
- Title（参考訳）: MFVINS: 複数の魚眼カメラによる視覚慣性システム
- Abstract要約: 魚眼カメラを用いたMFVINSと呼ばれる新しい視覚慣性システムを提案する。
ローカルな特徴の効率的な抽出とロバストなマッチングを可能にするマルチカメラのためのIMU支援FAST機能トラッカーを提案する。
- 参考スコア（独自算出の注目度）: 8.78943485604937
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A simultaneous localization and mapping (SLAM) method using a monocular camera and a low-cost inertial measurement unit (IMU) sensor is an effective way to fulfill a low-cost sensor configuration. Using this sensor configuration, visual-inertial system (VINS) focuses on fusing data from a camera and an IMU sensor to estimate the six degrees-of-freedom (DOF) of the sensor pose. Typically, VINS uses only a single camera as visual input, which lead to problems such as error accumulation due to occlusion, various illumination, and textureless environments. In this paper, we propose a new multiple fisheye camera-based visual-inertial system called MFVINS. We present an IMU-aided FAST feature tracker for multiple cameras that enables efficient extraction and robust matching of local features. Then, the proposed method filters out outliers caused by fisheye distortion on the normalized image plane. Subsequently, a new reprojection error with physical validity constraints is proposed for bundle adjustment using learning-based depth estimation. The proposed method is applied to various scenarios, and its effectiveness is demonstrated by comparing previous VINS methods. In particular, MFVINS is implemented in real-time process to leverage the advantages of using multiple cameras -- robustness against occlusion and textureless regions -- while reducing the computational burden.
- Abstract（参考訳）: 単眼カメラと低コスト慣性測定ユニット(IMU)センサを用いたSLAM法は,低コストなセンサ構成を実現する上で有効な方法である。
このセンサ構成を用いて、視覚慣性システム(VINS)は、センサーポーズの6自由度(DOF)を推定するために、カメラとIMUセンサーからのデータを融合することに焦点を当てる。
通常、VINSは1台のカメラのみを視覚入力として使用しており、閉塞によるエラーの蓄積、様々な照明、テクスチャレス環境などの問題を引き起こす。
本稿では,MFVINSと呼ばれる魚眼カメラを用いた視覚慣性システムを提案する。
ローカルな特徴の効率的な抽出とロバストなマッチングを可能にするマルチカメラのためのIMU支援FAST機能トラッカーを提案する。
そこで,本提案手法では,魚眼歪みによる異常値を正規化画像面にフィルタする。
その後、学習に基づく深度推定を用いたバンドル調整において、物理的妥当性の制約のある新しい再投影誤差を提案する。
提案手法は, 様々なシナリオに適用され, 従来のVINS法と比較し, その有効性を示す。
特に、MFVINSは、計算負担を軽減しつつ、複数のカメラ(閉塞領域やテクスチャレス領域に対する堅牢性)を使用することの利点を活用するために、リアルタイムプロセスで実装されている。
関連論文リスト
- OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。
射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。
代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
論文 参考訳（メタデータ） (2026-09-08T19:45:58Z) - A Height-Constrained 2-Point Minimal Solver for Pose Estimation from Active LED Markers with Event Cameras [51.7262911415172]
本研究では,モーションキャプチャシステムから実世界のデータを集めるイベントベースアクティブマーカーシステムを開発した。
合成データと実データの両方の実験では、最先端のP2Pソルバよりも精度が向上した。
論文 参考訳（メタデータ） (2026-08-10T12:19:24Z) - Aerial Image Stitching Using IMU Data from a UAV [0.0]
無人航空機(UAV)は航空写真やリモートセンシング用途に広く使われている。
主な課題の1つは、複数の画像を大きな領域をカバーする単一の高解像度画像に縫い合わせることである。
本稿では,UAVで撮影した画像の縫合にIMUデータとコンピュータビジョン技術を組み合わせた新しい手法を提案する。
論文 参考訳（メタデータ） (2025-11-10T08:33:00Z) - LCPR: A Multi-Scale Attention-Based LiDAR-Camera Fusion Network for
Place Recognition [11.206532393178385]
本稿では,マルチモーダル位置認識のための新しいニューラルネットワークLCPRを提案する。
位置認識性能を向上させるために,マルチビューカメラとLiDARデータを効果的に利用することができる。
論文 参考訳（メタデータ） (2023-11-06T15:39:48Z) - Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a
Light-Weight ToF Sensor [58.305341034419136]
単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。
本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。
実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
論文 参考訳（メタデータ） (2023-08-28T07:56:13Z) - Weakly-Supervised Optical Flow Estimation for Time-of-Flight [11.496094830445054]
再構成深度に直接光フローネットワークを監視できるトレーニングアルゴリズムを提案する。
本手法により,iToF深度画像における生のiToF測定値の整列と運動成果物の補償を可能にする。
論文 参考訳（メタデータ） (2022-10-11T09:47:23Z) - Robustifying the Multi-Scale Representation of Neural Radiance Fields [86.69338893753886]
実世界の画像の両問題を克服するために,頑健なマルチスケールニューラルラジアンス場表現手法を提案する。
提案手法は,NeRFにインスパイアされたアプローチを用いて,マルチスケール画像効果とカメラ位置推定問題に対処する。
例えば、日常的に取得したマルチビュー画像からオブジェクトの正確な神経表現を行うためには、カメラの正確な位置推定が不可欠であることを示す。
論文 参考訳（メタデータ） (2022-10-09T11:46:45Z) - Learning Monocular Dense Depth from Events [53.078665310545745]
イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。
最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。
本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-16T12:36:23Z) - MIMC-VINS: A Versatile and Resilient Multi-IMU Multi-Camera
Visual-Inertial Navigation System [44.76768683036822]
視覚慣性ナビゲーションシステムのためのリアルタイム一貫したマルチIMUマルチカメラ(CMU)-VINS推定器を提案する。
効率的な多状態制約フィルタ内では、提案したMIMC-VINSアルゴリズムは、すべてのセンサからの非同期測定を最適に融合する。
提案したMIMC-VINSはモンテカルロシミュレーションと実世界実験の両方で検証されている。
論文 参考訳（メタデータ） (2020-06-28T20:16:08Z) - Redesigning SLAM for Arbitrary Multi-Camera Systems [51.81798192085111]
SLAMシステムにより多くのカメラを追加することで、堅牢性と精度が向上するが、視覚的なフロントエンドの設計は大幅に複雑になる。
本研究では,任意のマルチカメラ装置で動作する適応SLAMシステムを提案する。
これらの修正を応用した最先端の視覚慣性計測装置を試作し, 改良したパイプラインが広い範囲のカメラ装置に適応可能であることを示す実験結果を得た。
論文 参考訳（メタデータ） (2020-03-04T11:44:42Z)
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。