論文の概要: RTISSLAM: In-air Imaging Sonar SLAM using a Robust Pose Graph and Occupancy Grid Mapping

• arxiv url: http://arxiv.org/abs/2610.18479v1
• Date: Tue, 13 Oct 2026 14:40:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 21:06:51.06925
• Title: RTISSLAM: In-air Imaging Sonar SLAM using a Robust Pose Graph and Occupancy Grid Mapping
• Title（参考訳）: RTISSLAM:ロバストポーズグラフとOccupupancy Grid Mappingを用いた空中撮像ソナーSLAM
• Abstract要約: 組込み3次元画像ソナーのための新しいソナー専用SLAMシステムであるRTISSLAMを紹介する。 特殊な壁を持つシミュレーションの世界では、RITSSLAMは、同じソナーデータ上のライダースタイルのグリッドSLAMが失敗するのに対して、車輪の形状の軌道誤差をSI8.2mからSI0.31mに減少させる。
• 参考スコア（独自算出の注目度）: 1.1951340882332946
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Sonar was one of the first sensors with which mobile robots built maps, and in-air sonar keeps working where cameras and lidar fail, in darkness, smoke, dust and next to glass. Classical sonar SLAM, however, relied on geometric features or occupancy grids built from sparse range readings, and both struggle with the specular reflections that dominate indoor sonar. In this letter, we introduce RTISSLAM, a novel sonar-only SLAM system for an embedded 3D imaging sonar, which combines the robust pose graph of BatSLAM 2.0 as back-end with an occupancy grid as map. Energyscapes from delay-multiply-and-sum beamforming with a range-wise CFAR serve as place descriptors for sequence-verified loop closures, acoustic odometry calibrates the wheel odometry online, recognized revisits are registered metrically, and the grid is stored per keyframe and anchored to the pose-graph nodes, so that it follows every loop closure. In simulated worlds with specular walls, RTISSLAM reduces the trajectory error of the wheel odometry from \SI{8.2}{\meter} to \SI{0.31}{\meter} in an office, while lidar-style grid SLAM on the same sonar data fails.
• Abstract（参考訳）: Sonarは、移動ロボットが地図を作った最初のセンサーの1つで、空のソナーは、カメラとライダーが暗闇、煙、塵、そしてガラスの隣で動作し続ける。 しかし古典的なソナーSLAMは、幾何学的特徴や、狭い範囲の読み上げから作られた占有格子に依存しており、どちらも屋内ソナーを支配している鏡像の反射と戦っている。 In this letter, RTISSLAM, a novel sonar-only SLAM system for a embedded 3D imaging sonar, which is combined the robust pose graph of BatSLAM 2.0 as back-end as an cupancy grid as map。 レンジワイズCFARによる遅延多重およびサマービームフォーミングからのエネルギースケープは、シーケンス検証ループクロージャのプレースディスクリプタとして機能し、アコースティック・オドメトリーは、ホイールオドメトリーをオンラインで校正し、認識されたリバイスをメートル単位で登録し、グリッドはキーフレーム毎に格納され、ポーズグラフノードに固定されるので、すべてのループクロージャに従う。 RTISSLAMは、鏡の壁を持つ模擬世界では、同じソナーデータ上のライダースタイルのグリッドSLAMが失敗するのに対して、車輪の形状の軌道誤差を、オフィスにおけるSI{8.2}{\meter} から \SI{0.31}{\meter} に減少させる。

関連論文リスト

• SING3R-SLAM: Submap-based Indoor Monocular Gaussian SLAM with 3D Reconstruction Priors [80.51557267896938]
  SING3R-SLAMはガウスベースの高密度RGB SLAMフレームワークである。 SING3R-SLAMは最先端のトラッキング、3D再構成、新しいビューレンダリングを実現し、12%以上の精度向上を実現し、より細かな幾何を創出する。
  論文  参考訳（メタデータ） (2025-11-21T12:40:55Z)
• ViSTA-SLAM: Visual SLAM with Symmetric Two-view Association [52.34293412010292]
  ViSTA-SLAMは、カメラのクロージャを必要とせずに動作するリアルタイムの単眼視SLAMシステムである。 提案手法は, カメラトラッキングと高密度3次元再構成品質の両方において, 優れた性能を実現する。
  論文  参考訳（メタデータ） (2025-09-01T16:12:23Z)
• GigaSLAM: Large-Scale Monocular SLAM with Hierarchical Gaussian Splats [20.98774763235796]
  本稿では,RGB NeRF/3DGSベースの大規模屋外環境向けSLAMフレームワークであるGigaSLAMを紹介する。 我々のアプローチは階層的なスパースボクセルマップ表現を採用しており、ガウシアンはニューラルネットワークによって複数の詳細レベルで復号化されている。 GigaSLAMは、都市の屋外ベンチマークで高精度なトラッキングと視覚的に忠実なレンダリングを提供する。
  論文  参考訳（メタデータ） (2025-03-11T06:05:15Z)
• PanoSLAM: Panoptic 3D Scene Reconstruction via Gaussian SLAM [105.01907579424362]
  PanoSLAMは、幾何学的再構成、3Dセマンティックセマンティックセマンティクス、3Dインスタンスセマンティクスを統合フレームワークに統合する最初のSLAMシステムである。 初めて、RGB-Dビデオから直接、オープンワールド環境のパノプティカル3D再構成を実現する。
  論文  参考訳（メタデータ） (2024-12-31T08:58:10Z)
• Q-SLAM: Quadric Representations for Monocular SLAM [85.82697759049388]
  四角形のレンズを通して体積表現を再現する。 我々は、RGB入力からノイズの深い深さ推定を正すために二次仮定を用いる。 本研究では,新たな二次分割変換器を導入し,二次情報を集約する。
  論文  参考訳（メタデータ） (2024-03-12T23:27:30Z)
• Loopy-SLAM: Dense Neural SLAM with Loop Closures [53.11936461015725]
  ポーズをグローバルに最適化するLoopy-SLAMと高密度3Dモデルを導入する。 我々は,データ駆動のポイントベースサブマップ生成手法を用いてフレーム・ツー・モデル追跡を行い,グローバルな位置認識を行うことで,オンラインのループクロージャをトリガーする。 合成Replicaおよび実世界のTUM-RGBDおよびScanNetデータセットの評価は、既存の高密度ニューラルネットワークRGBD SLAM法と比較して、追跡、マッピング、レンダリングの精度の競争力または優れた性能を示す。
  論文  参考訳（メタデータ） (2024-02-14T18:18:32Z)
• ESLAM: Efficient Dense SLAM System Based on Hybrid Representation of Signed Distance Fields [2.0625936401496237]
  ESLAMは、未知のカメラポーズでRGB-Dフレームを読み出し、シーン表現を漸進的に再構築する。 ESLAMは3次元再構成の精度を向上し、最先端の高密度視覚SLAM法のカメラローカライゼーションを50%以上向上する。
  論文  参考訳（メタデータ） (2022-11-21T18:25:14Z)

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。