論文の概要: Line-Augmented cuVSLAM: Robust Visual Odometry in Low-Texture Environments
- arxiv url: http://arxiv.org/abs/2610.20958v1
- Date: Wed, 14 Oct 2026 21:29:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-16 19:13:16.079022
- Title: Line-Augmented cuVSLAM: Robust Visual Odometry in Low-Texture Environments
- Title（参考訳）: 線増設cuVSLAM:低テクスチュア環境におけるロバスト視覚オドメトリー
- Abstract要約: 直線は幾何輸送のためのチャンカー座標としてパラメータ化され、バルトーリとシュトゥルム・フライブルクの最小4-DOF正規正規表現としてパラメータ化される。
適応的な情報重みは、点特徴が不足するにつれて、正確に見積の重みを仮定する。
ラインは平均的な絶対軌道誤差をTUM RGB-D3コレクションの22のシーケンスで38.5%減らし、8レプリカの部屋とオフィスのシーケンスで30.1%減らした。
- 参考スコア（独自算出の注目度）: 34.68300508142794
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous mobile robots in warehouses and production facilities operate in precisely the environments that defeat point-feature visual odometry: featureless aisles, uniform walls, repetitive racking and specular floors. Such environments are, however, rich in straight-edge structure: rack uprights, door frames, wall junctions and cabinet outlines present high-contrast linear edges stable across wide viewpoint changes. A line-feature extension to cuVSLAM, a CUDA-accelerated visual-SLAM system, is presented that recovers this signal. Lines are parameterised as Plücker coordinates for geometric transport and as the minimal 4-DOF orthonormal representation of Bartoli and Sturm for optimisation; a Cauchy-robust point-to-line residual with analytic Jacobians is folded directly into cuVSLAM's per-frame Gauss-Newton pose solve, and the same line state is jointly refined in the Schur-complement sliding-window bundle adjustment. An adaptive information weight causes lines to assume more of the estimation burden exactly as point features become scarce, and the extension adds residual blocks to existing solvers rather than introducing a second estimator, reducing exactly to the unmodified point pipeline when disabled. Evaluated in RGB-D mode under SE(3) Umeyama alignment with no scale correction, line features reduce mean absolute trajectory error by 38.5% over the 22 sequences of the TUM RGB-D Freiburg3 collection and by 30.1% over the 8 Replica room and office sequences, where median translation error falls by 38.9% and median rotation error by 66.4%, with zero tracking failures in any configuration tested.
- Abstract（参考訳）: 倉庫や生産施設における自律的な移動ロボットは、特徴のない通路、均一な壁、反復的なラックング、そして特異な床といった、ポイント機能のある視覚的オードメトリーを倒す環境において、正確に機能する。
ラックアップライト、ドアフレーム、壁のジャンクション、キャビネットアウトラインは広い視点で安定な高コントラスト線形エッジを示す。
CUDA加速視覚SLAMシステムであるcuVSLAMのライン機能拡張を提示し、この信号を回復する。
直線は幾何輸送のためのプリュッカー座標と、最適化のためのバルトーリとストゥルムの最小4-DOF正規正規正規表現としてパラメータ化され、解析的ジャコビアンによるコーシー・ローバスト点-直線残差は、cuVSLAMのフレームあたりのガウス・ニュートン・ポーズに直接折り畳まれ、シュル・コンプリメント・スライディング・ウインドウ・バンドルの調整において同じライン状態が一緒に洗練される。
適応的な情報重みは、点特徴が不足するにつれて正確に推定負担を仮定し、拡張は第2の推定器を導入するのではなく、既存の解法に残差ブロックを追加し、無効化時に正確に修正されていない点パイプラインに還元する。
SE(3)梅山アライメントにおけるRGB-Dモードの評価では、TUM RGB-D Freiburg3コレクションの22のシーケンスで平均絶対軌道誤差を38.5%削減し、8のリプリカルームとオフィスシーケンスで30.1%削減した。
関連論文リスト
- BAT-NO: A Boundary-Condition-Aware Transformer Neural Operator for Crashworthiness Prediction of Vehicle Components [9.368489153302326]
本研究では、過渡変位場の自己回帰予測のための境界条件対応変圧器ニューラル演算子(BAT-NO)を提案する。
Bピラーシミュレーションフレームワークは、幾何、衝突位置、速度のバリエーションの一般化を評価し、剛性をサポートする。
BAT-NOは, 評価ベースラインのうち, 最終段階の平均ユークリッド変位誤差が最低となる。
論文 参考訳（メタデータ） (2026-10-02T17:06:21Z) - GAUGE: Group-Wise View-Inconsistency Rectification for Feed-Forward 4D Tracking [48.91477882822122]
本稿では,GAUGE(Group-wise Adaptive Unsupervised Gauge Estimation)について述べる。
方向整合性と空間接続性から運動群を復元し、フレーム単位のラジアルスケールとグループレベルの変換を推定する。
D4RT, 4RC, SM4RTを含む8つのトラッカーの動的クエリポイントでは, 訂正されていない予測に対して, 終端誤差を15.1%から62.6%削減する。
論文 参考訳（メタデータ） (2026-09-26T13:14:53Z) - Neural ODEs Meet Concurrent Learning: Stable Online Learning with Lyapunov Guarantees [1.14219428942199]
我々は,NODE-CLが3つの速度測定ノイズに対して最小の中央値予測誤差が得られることを示す。
4つのDeepMind Control Suiteドメインにおいて、NODE-CLは3つの速度測定ノイズに対して最小の中央値予測誤差を達成している。
論文 参考訳（メタデータ） (2026-09-26T06:22:28Z) - RINS: Residual-Image Neural Subspace Solvers for Large Sparse Linear Systems [66.18534568860517]
Gate-RINSは、キャッシュされた残留プローブから補正ベースを生成するニューラルネットワークサブスペースソルバである。
Gate-RINSはGMRESよりも、同期ウォールクロック時間で固定された相対残差閾値に達する。
論文 参考訳（メタデータ） (2026-09-09T08:53:53Z) - VGGT-Align: Bridging Local Reconstruction and Global Consistency for Long-Sequence 3D Reconstruction [8.983872448985627]
本稿では,シーンを駆動するなどの構造的環境において,時間的セグメント間での幾何量の変化は本質的に不変である,という重要な洞察に基づいて構築されたスケール一貫性向上フレームワークを提案する。
SGIA(Scene Geometric Invariant Anchoring)を提案する。
複数のロングシーケンスベンチマークの実験では、最先端の性能を示し、絶対軌道誤差を最大32%削減し、軌道安定性と復元品質を大きく向上させた。
論文 参考訳（メタデータ） (2026-08-15T14:32:55Z) - Adaptive Bregman Proximal Stochastic Gradient with a Stabilized Barzilai--Borwein Step Size [43.46286813814826]
Bregman finite proximal ergo gradient (BPSG) 法は、ユークリッドの滑らかさによって幾何が不十分な対象に分散還元された合成サイズをもたらす。
生の曲率推定は変動するが、行検索は繰り返し検索を追加する。
本稿では,スパース値と非負行列分解率を組み合わせた線探索手法であるAdaBPSGを紹介する。
論文 参考訳（メタデータ） (2026-08-12T12:46:05Z) - GrainGS: Gradient-Decoupled Gaussian Splatting for Efficient Dynamic Novel View Synthesis [94.20462261657525]
GrainGSは階層的なアンカー足場とガウス単位の変形を組み合わせた動的フレームワークである。
高いリコンストラクション品質、リアルタイムの新規ビュー合成、コンパクトストレージを実現している。
論文 参考訳（メタデータ） (2026-07-23T15:52:35Z) - Semantic Landmark Particle Filter for Robot Localisation in Vineyards [1.1077058391970922]
平行な作物列は、ほぼ同じLiDAR観測を発生させ、幾何学のみのSLAM系と視覚ベースのSLAM系が間違った回廊に収束する。
本稿では,トランクおよびポールランドマーク検出を2次元LiDARと統合したセマンティックランドマーク粒子フィルタを提案する。
論文 参考訳（メタデータ） (2026-03-11T14:57:14Z) - RiemanLine: Riemannian Manifold Representation of 3D Lines for Factor Graph Optimization [49.83974390433746]
本稿では,3次元ラインの最小限の統一表現である textbfRiemanLine を紹介する。
私たちのキーとなるアイデアは、各行のランドマークをグローバルなコンポーネントとローカルなコンポーネントに分離することです。
ICL-NUIM, TartanAir, および総合ベンチマークを用いた実験により, 提案手法はより精度の高いポーズ推定とライン再構成を実現することが示された。
論文 参考訳（メタデータ） (2025-08-06T11:27:38Z)
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。