論文の概要: Odometer-Agnostic Drift Correction Using OpenStreetMap Lane Geometry

• arxiv url: http://arxiv.org/abs/2609.10336v1
• Date: Wed, 09 Sep 2026 15:33:40 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-10 19:44:09.084
• Title: Odometer-Agnostic Drift Correction Using OpenStreetMap Lane Geometry
• Title（参考訳）: OpenStreetMap Lane Geometry を用いたOdometer-Agnostic Drift Correction
• Abstract要約: 本稿では,短い軌跡セグメントをOpenStreetMap (OSM) レーン中心線に整列する,軽量なオープンソースオドメトリー非依存補正法を提案する。 LiDARとビジュアルオドメトリーバックエンドによる実験では、特に激しいドリフト下では、一貫した改善が見られた。
• 参考スコア（独自算出の注目度）: 0.3899855581265356
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite significant progress in odometry estimation, long-term drift remains a fundamental limitation of incremental pose integration, especially in large-scale or loop-free environments. Existing map-assisted methods can reduce drift, but often depend on dense maps, sensor-specific processing, or complex matching pipelines. We propose a lightweight open-source, odometry-agnostic correction method that aligns short trajectory segments to OpenStreetMap (OSM) lane centerlines. By formulating drift correction as a direct alignment between recent odometry and sparse lane geometry, the method enables efficient online operation without dense priors or expensive preprocessing. Experiments with LiDAR and visual odometry backends demonstrate consistent improvements, with particularly strong gains under severe drift.
• Abstract（参考訳）: ドメトリー推定の大幅な進歩にもかかわらず、特に大規模またはループフリー環境では、長期ドリフトはインクリメンタルポーズ統合の基本的な限界である。 既存の地図支援手法はドリフトを減らすことができるが、しばしば密度の高い地図、センサー固有の処理、複雑なマッチングパイプラインに依存する。 本稿では,短い軌跡セグメントをOpenStreetMap (OSM) レーン中心線に整列する,軽量なオープンソースオドメトリー非依存補正法を提案する。 ドリフト補正を最近のオドメトリーとスパースレーン幾何学の直接的な整合性として定式化することにより、密集した前処理や高価な前処理を伴わずに効率的なオンライン操作を可能にする。 LiDARとビジュアルオドメトリーバックエンドによる実験では、特に激しいドリフト下では、一貫した改善が見られた。

関連論文リスト

• Improving Map Consistency in Graph-Based LiDAR SLAM Through Information-Aware Odometry and Retroactive Loop Closure [22.762295959731233]
  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。
  論文  参考訳（メタデータ） (2026-07-15T07:12:14Z)
• SCOPE: Scale-Consistent One-Pass Estimation of 3D Geometry [69.89196162649091]
  SCOPE (Scale-Consistent One-Pass Estimation of 3D Geometry) は、拡張された単眼ビデオシーケンスから3次元幾何学を推定するための新しいアプローチである。 提案手法では,アフィン不変な3次元点マップを全列に共通パラメータで生成し,一貫したスケール不変表現を実現する。
  論文  参考訳（メタデータ） (2026-06-19T10:23:25Z)
• Geometry-Aware Neural Optimizer for Shape Optimization and Inversion [14.303592801147225]
  幾何学はPDEが支配するシステムの中心であり、形状最適化と反転を動機付けている。 textbftextscGANOは、幾何学表現、フィールドレベルの予測、および単一の潜在空間ループにおける自動最適化/反転を統一する。 textscGANOはヌルスペースプロジェクションによる部分的制御をサポートし、レメッシングフリープロジェクションを使用して幾何学処理を高速化する。
  論文  参考訳（メタデータ） (2026-05-06T03:51:22Z)
• CT-VIR: Continuous-Time Visual-Inertial-Ranging Fusion for Indoor Localization with Sparse Anchors [8.090575303185078]
  本稿では,視覚慣性配列(VIR)融合ローカライゼーションのための連続時間状態推定法を提案する。 イントロダクタ、ビジュアル、およびレンジリング制約は、スライドウインドウグラフの因子として定式化される。 パブリックデータセットと実世界の実験による評価は,提案手法の有効性と実用性を示すものである。
  論文  参考訳（メタデータ） (2026-04-16T02:23:57Z)
• Predicting Time-Dependent Flow Over Complex Geometries Using Operator Networks [5.074256535509654]
  幾何を考慮したDeep Operator Networkは、適度なRe流の速度場を予測する。 ホールドアウト形状では、相対的なL2単一ステップエラーとして$sim 5%$、CFD上で最大1000倍のスピードアップを達成する。
  論文  参考訳（メタデータ） (2025-12-04T04:00:22Z)
• DELTAv2: Accelerating Dense 3D Tracking [79.63990337419514]
  本稿では,ビデオ中の高密度3次元点追跡を高速化するための新しいアルゴリズムを提案する。 極小点の小さな部分集合で追跡を開始し、トラックされた軌道の集合を段階的に拡大する粗大な戦略を導入する。 新たに追加されたトラジェクトリは学習可能なモジュールを使用しており、トラッキングネットワークとともにエンドツーエンドでトレーニングされている。
  論文  参考訳（メタデータ） (2025-08-02T03:15:47Z)
• 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)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Efficient LiDAR Odometry for Autonomous Driving [16.22522474028277]
  LiDARオドメトリーは、自律ナビゲーションの自己局在化とマッピングにおいて重要な役割を果たします。 近年の球面範囲画像ベース手法は球面マッピングによる高速近接探索の利点を享受している。 そこで本稿では,非球面画像と鳥眼視図の両面を基盤点に利用して,新しい効率的なLiDARオドメトリー手法を提案する。
  論文  参考訳（メタデータ） (2021-04-22T06:05:09Z)
• CodeVIO: Visual-Inertial Odometry with Learned Optimizable Dense Depth [83.77839773394106]
  本稿では,軽量で密結合の深い深度ネットワークと視覚慣性オドメトリーシステムを提案する。 我々は、初期深度予測の精度を高めるために、以前にVIOから切り離されたスパース特徴を持つネットワークを提供する。 本稿では,ネットワークとコードヤコビアンでのみGPUアクセラレーションを活用しながら,シングルスレッド実行でリアルタイムに動作可能であることを示す。
  論文  参考訳（メタデータ） (2020-12-18T09:42:54Z)

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。