論文の概要: CAOS-SLAM: Class-Agnostic Object-Aware Real-Time vSLAM for Dynamic Environments

• arxiv url: http://arxiv.org/abs/2610.26633v1
• Date: Mon, 19 Oct 2026 16:00:00 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:17:55.035584
• Title: CAOS-SLAM: Class-Agnostic Object-Aware Real-Time vSLAM for Dynamic Environments
• Title（参考訳）: CAOS-SLAM:動的環境のためのクラス非依存オブジェクト対応リアルタイムvSLAM
• Abstract要約: 本稿では,ORB-SLAM3を拡張した動的vSLAMフレームワークであるCAOS-SLAMを提案する。 複数の動的RGB-Dデータセットと実世界の実験による実験結果は、最先端のダイナミックvSLAMアプローチよりも、ローカライズ精度が向上したことを示している。
• 参考スコア（独自算出の注目度）: 3.024864049450637
• License:
• Abstract: Robust visual Simultaneous Localization and Mapping (vSLAM) in dynamic environments faces challenges due to the presence of moving objects that may introduce erroneous observations, corrupt the map reconstruction and overall degrade localization accuracy. Existing vSLAM approaches often rely on predefined semantic classes or costly pixel-wise classification, limiting their robustness or applicability in real-world scenarios. This paper presents CAOS-SLAM, a dynamic vSLAM framework that extends ORB-SLAM3 with a hybrid perception pipeline to detect, track, and filter both semantically known and previously unseen moving objects in real-time. On-demand panoptic segmentation is performed for object discovery, with candidate unknown objects instantiated through depth-based clustering of unclassified regions. Between panoptic updates, persistent object tracks are updated using lightweight detection when available or temporal mask propagation based on world-frame Kalman prediction, depth consistency, and appearance similarity. The estimated object motion is then used to reject dynamic features from the SLAM pipeline. Experimental results on multiple dynamic RGB-D datasets and real-world experiments demonstrate improved localization accuracy over state-of-the-art dynamic vSLAM approaches, achieving up to 59% lower localization error in scenes characterized by unknown dynamic objects and up to 88% lower error in heavily occluded scenes, while achieving a median processing rate of 30 FPS on a laptop. Furthermore, the tracking module provides estimates of object trajectories and velocities, supporting potential future applications in perception, navigation, and motion-planning tasks in dynamic environments. Code and dataset will be released upon acceptance.
• Abstract（参考訳）: 動的環境におけるロバスト視覚的同時局在マッピング(vSLAM)は、誤った観測、地図再構成の破損、全体の局所化精度の低下など、移動物体の存在による課題に直面している。 既存のvSLAMアプローチは、しばしば事前に定義されたセマンティッククラスやコストのかかるピクセル単位の分類に依存し、現実のシナリオにおける堅牢性や適用性を制限する。 本稿では,ORB-SLAM3を拡張した動的vSLAMフレームワークであるCAOS-SLAMを提案する。 オブジェクト発見のためのオンデマンド・パノプティクス・セグメンテーションが行われ、未分類領域の深さに基づくクラスタリングによって未知の候補オブジェクトがインスタンス化される。 パン光学更新の間、永続的なオブジェクトトラックは、利用可能な場合の軽量な検出や、ワールドフレームのカルマン予測、深さの一貫性、外観の類似性に基づく時間的マスクの伝搬によって更新される。 推定されたオブジェクトの動きは、SLAMパイプラインの動的な特徴を拒否するために使用される。 複数の動的RGB-Dデータセットと実世界の実験による実験により、最先端のダイナミックvSLAMアプローチによるローカライズ精度の向上が示され、未知の動的オブジェクトによって特徴付けられるシーンでは最大59%のローカライズエラー、重閉塞なシーンでは最大88%のローカライズエラーが達成され、ラップトップ上では中央値の30FPSの処理速度が達成された。 さらに、トラッキングモジュールは、オブジェクトの軌道と速度の推定を提供し、動的環境における知覚、ナビゲーション、モーションプランニングタスクにおける潜在的な将来の応用をサポートする。 コードとデータセットは受理時にリリースされる。

関連論文リスト

• A Stereo Visual SLAM System Using Object-Level Motion Estimation and Geometric Filtering Based on Cross Disparity [0.0]
  OCD SLAMはORB-SLAM2を拡張する動的ステレオビジュアルSLAMフレームワークである。 OCD SLAMは3Dオブジェクト検出モジュール(SMOKE)とカルマンフィルタに基づくオブジェクトトラッキングを統合し、オブジェクトレベルの動作分類を行う。 その結果, OCD SLAM は ORB-SLAM2 およびいくつかの最先端動的SLAM 法と比較して軌道精度を著しく向上することを示した。
  論文  参考訳（メタデータ） (2026-07-02T10:41:10Z)
• DROID-SLAM in the Wild [76.259688785743]
  本稿では,異なる不確かさを意識したバンドル調整を利用して動的環境を処理するリアルタイムRGB SLAMシステムを提案する。 提案システムは,10FPS前後でリアルタイムに動作しながら,散在する動的シナリオにおいて,最先端カメラのポーズとシーン形状を実現する。
  論文  参考訳（メタデータ） (2026-03-19T16:02:12Z)
• UP-SLAM: Adaptively Structured Gaussian SLAM with Uncertainty Prediction in Dynamic Environments [1.4117999181375773]
  UP-SLAMは動的環境のためのリアルタイムRGB-D SLAMシステムである。 並列化フレームワークを通じて追跡とマッピングを分離する。 実験により、ローカライズ精度とレンダリング品質の両方において最先端の手法より優れていることが示唆された。
  論文  参考訳（メタデータ） (2025-05-28T13:23:16Z)
• WildGS-SLAM: Monocular Gaussian Splatting SLAM in Dynamic Environments [48.51530726697405]
  WildGS-SLAMは、動的環境を扱うために設計された、堅牢で効率的な単分子RGB SLAMシステムである。 本研究では,浅い多層パーセプトロンとDINOv2の特徴によって予測される不確実性マップを導入し,追跡とマッピングの両方において動的物体除去を誘導する。 その結果,WildGS-SLAMの動的環境における性能は最先端の手法に比べて優れていた。
  論文  参考訳（メタデータ） (2025-04-04T19:19:40Z)
• Event-based Simultaneous Localization and Mapping: A Comprehensive Survey [52.73728442921428]
  ローカライゼーションとマッピングタスクのための非同期および不規則なイベントストリームの利点を利用する、イベントベースのvSLAMアルゴリズムのレビュー。 Paperは、イベントベースのvSLAMメソッドを、特徴ベース、ダイレクト、モーション補償、ディープラーニングの4つのカテゴリに分類する。
  論文  参考訳（メタデータ） (2023-04-19T16:21:14Z)
• Using Detection, Tracking and Prediction in Visual SLAM to Achieve Real-time Semantic Mapping of Dynamic Scenarios [70.70421502784598]
  RDS-SLAMは、一般的に使用されているIntel Core i7 CPUのみを使用して、動的シナリオのためのオブジェクトレベルでのセマンティックマップをリアルタイムで構築することができる。 我々は, TUM RGB-DデータセットにおけるRDS-SLAMを評価し, 動的シナリオにおいて, RDS-SLAMはフレームあたり30.3msで動作可能であることを示した。
  論文  参考訳（メタデータ） (2022-10-10T11:03:32Z)
• TwistSLAM++: Fusing multiple modalities for accurate dynamic semantic SLAM [0.0]
  TwistSLAM++は、ステレオ画像とLiDAR情報を融合するセマンティックでダイナミックなSLAMシステムである。 従来のベンチマークでは,マルチモーダル情報に基づく融合手法によりオブジェクト追跡の精度が向上していることが示されている。
  論文  参考訳（メタデータ） (2022-09-16T12:28:21Z)
• DOT: Dynamic Object Tracking for Visual SLAM [83.69544718120167]
  DOTはインスタンスセグメンテーションとマルチビュー幾何を組み合わせて、動的オブジェクトのマスクを生成する。 実際にどのオブジェクトが動いているかを判断するために、DOTは、潜在的にダイナミックなオブジェクトの最初のインスタンスを抽出し、次に推定されたカメラモーションで、測光再投射誤差を最小限にして、そのようなオブジェクトを追跡する。 提案手法はORB-SLAM 2の精度とロバスト性を大幅に向上することを示す。
  論文  参考訳（メタデータ） (2020-09-30T18:36:28Z)

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。