論文の概要: SURGE: Sonar-fUsed Reconstruction and localization via image-gated Graph Estimation

• arxiv url: http://arxiv.org/abs/2610.07472v1
• Date: Mon, 05 Oct 2026 22:38:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-08 02:58:29.694112
• Title: SURGE: Sonar-fUsed Reconstruction and localization via image-gated Graph Estimation
• Title（参考訳）: SURGE:画像付きグラフ推定によるソナーファウズドレコンストラクションとローカライゼーション
• Abstract要約: 本稿では、ROV軌道と目標位置を共同で推定するカメラソナーフレームワークであるSURGEを紹介する。 実水中でのRGBソナー観測実験により、SURGEは従来の視覚に基づくポーズ推定よりも局在の整合性を大幅に改善することが示された。
• 参考スコア（独自算出の注目度）: 1.593222804814135
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Remotely operated vehicles (ROVs) are widely used to explore and inspect underwater environments such as caves, shipwrecks, and submerged infrastructure. These missions require accurate 3D understanding of the surrounding environment, which depends on both reliable vehicle localization and metric scene reconstruction. However, external positioning is often unavailable underwater, requiring small ROVs to rely primarily on onboard perception. Optic vision provides rich visual and geometric information but suffers from scale ambi- guity and trajectory drift, whereas 2D imaging sonar provides metric range but incomplete 3D geometry. Existing underwater reconstruction approaches typically address these limitations separately or assume known sensor poses, leaving localization and reconstruction disconnected. We present SURGE, a camera sonar framework that jointly estimates the ROV trajectory and target location by integrating visual and acoustic observations within a factor graph, then uses the recovered metric poses for sonar Gaussian splatting. Experiments on real underwater RGB sonar observations show that SURGE substantially improves localization consistency over conventional vision based pose estimation and produces a more compact, natively metric reconstruction than RGB Gaussian splatting baselines.
• Abstract（参考訳）: 遠隔操作車両(ROV)は、洞窟、難破船、水中インフラなどの水中環境を探索・調査するために広く使用されている。 これらのミッションは周囲の環境の正確な3次元理解を必要とする。 しかし、外部位置決めはしばしば水中では利用できないため、小型のROVは主に搭載された知覚に依存する必要がある。 オプティカル・ビジョンは豊富な視覚情報と幾何学情報を提供するが、スケールアンビグニティと軌跡ドリフトに苦しむ一方、2Dイメージングソナーは距離範囲を提供するが、不完全な3D幾何学を提供する。 既存の水中再構築アプローチは通常、これらの制限に別々に対処するか、既知のセンサーのポーズを仮定し、局所化と再構築は切断される。 SURGEというカメラソナー・フレームワークは,視覚的および音響的観察を因子グラフ内に組み込むことで,ROV軌跡と目標位置を共同で推定する。 水中でのRGBソナー観測実験により、SURGEは従来の視覚に基づくポーズ推定よりも局在の整合性を大幅に改善し、RGBガウスのスプラッティングベースラインよりもコンパクトでネイティブなメートル法再構成を生成することが示された。

関連論文リスト

• RIDE: Relocalization-Informed Depth Estimation with 3D Gaussian Splatting [20.29273985020268]
  本稿では,ロボットのRGBマップから深度を推定するRIDEを提案する。 実験では、深度精度が向上し、時間的整合性尺度のみの校正が可能になった。
  論文  参考訳（メタデータ） (2026-09-10T04:36:58Z)
• 3D-USE: From Image-Level to Scene-Level Underwater Enhancement [54.11922584483346]
  水中のシーンレベル向上(USE) 強化のための信頼性のあるシーン表現と、強化された3Dデータをペア化せずに一貫した拡張ターゲットを使用する。 水中での実際の実験では、視界と視界の整合性が向上し、復元品質が保たれた。
  論文  参考訳（メタデータ） (2026-08-28T07:34:13Z)
• Empowering Feed-Forward Reconstruction Models with Metric Scale via Satellite Images [17.10424609165589]
  フィードフォワード3D再構成における規模のあいまいさを解消するための衛星誘導フレームワークを提案する。 再構成されたシーンと衛星基準との一貫性を強制することにより、モデルは絶対スケールを推定し、シーンの幾何学を洗練し、メートル法座標フレームにおけるカメラのポーズを推定する。
  論文  参考訳（メタデータ） (2026-06-06T14:44:04Z)
• BALTIC: A Benchmark and Cross-Domain Strategy for 3D Reconstruction Across Air and Underwater Domains Under Varying Illumination [6.8920172327690175]
  BALTIC(Baltic, BALTIC, BALTIC)は, 近代的な3次元再構成手法を中・光の変動下で評価するためのベンチマークである。 このベンチマークは、2つのメディア(空気と水)と3つの照明条件(周囲、人工、混合)にまたがる13のデータセットで構成されている。 類似の照明条件下で観測された少数の水中ビューで水中画像列を増大させることにより、ドメイン間再構築を検討する。
  論文  参考訳（メタデータ） (2026-04-21T06:32:07Z)
• ReefMapGS: Enabling Large-Scale Underwater Reconstruction by Closing the Loop Between Multimodal SLAM and Gaussian Splatting [9.554102334590365]
  本稿では,3DGSをベースとした逐次再構築フレームワークReefMapGSを提案する。 複雑な地形を持つ2つの海底礁のCOLMAPフリーな3次元再構築と,700m以上の調査軌道上でのAUVのより正確なグローバルなポーズ推定について述べる。
  論文  参考訳（メタデータ） (2026-04-13T19:32:53Z)
• Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
  無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。 本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。 提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
  論文  参考訳（メタデータ） (2026-04-02T08:08:41Z)
• SpatialFly: Geometry-Guided Representation Alignment for UAV Vision-and-Language Navigation in Urban Environments [49.966170814478915]
  UAV VLNのための幾何学誘導空間表現フレームワークを提案する。 明示的な3次元再構成を伴わないRGB観測において、SpatialFlyは幾何学誘導2次元表示アライメント機構を導入する。 実験結果から、SpatialFlyは現状のUAV VLNベースラインを目に見える環境と見えない環境の両方で一貫して上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2026-03-22T03:56:58Z)
• Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
  本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。 テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
  論文  参考訳（メタデータ） (2026-03-15T22:20:59Z)
• Loc$^2$: Interpretable Cross-View Localization via Depth-Lifted Local Feature Matching [80.57282092735991]
  本稿では,高精度かつ解釈可能なクロスビューローカライズ手法を提案する。 地上画像の3自由度(DoF)のポーズを、その局所的な特徴と基準空中画像とをマッチングすることによって推定する。 実験では、クロスエリアテストや未知の向きといった挑戦的なシナリオにおいて、最先端の精度を示す。
  論文  参考訳（メタデータ） (2025-09-11T18:52:16Z)

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。