論文の概要: SVIn+: Multi-Modal Framework for Robust Underwater State Estimation using 3D Sonar, Visual-Inertial, Water-Pressure, and DVL
- arxiv url: http://arxiv.org/abs/2610.36454v1
- Date: Tue, 27 Oct 2026 01:01:19 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-29 04:15:49.217707
- Title: SVIn+: Multi-Modal Framework for Robust Underwater State Estimation using 3D Sonar, Visual-Inertial, Water-Pressure, and DVL
- Title（参考訳）: SVIn+:3次元ソナー,視覚慣性,水圧,DVLを用いたロバスト水中状態推定のためのマルチモーダルフレームワーク
- Abstract要約: IMU、カメラ、水圧センサ、ドップラー速度ログ(DVL)、コンパクトな3Dソナーを備えたAUVの堅牢な状態推定のための多センサフレームワークであるSVIn+を提案する。
このフレームワークは、水圧とDVLの測定を密結合した非線形オプティミザイオンの定式化に統合することにより、確立されたオープンソースのビジュアル慣性SLAM、SVInを拡張している。
提案手法は,海難およびサンゴ礁の現地展開を通じて,漂流緩和とグローバルな整合性を示す。
- 参考スコア（独自算出の注目度）: 10.612932955413191
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: As expansion and scalability in underwater oper- ations becomes more important and challenging, autonomous underwater vehicles (AUVs) become more relevant and the necessity for reliable autonomy more critical. A fundamental challenge in any autonomous underwater operation, from control to safe navigation and mapping, is state estimation; a notorious hard problem to address, especially in low visibility conditions. In this paper, we tackle this problem, by presenting SVIn+, a multi-sensor framework for robust state estimation of AUVs equipped with an IMU, cameras, a water-pressure sensor, a Doppler Velocity Log (DVL), and a compact 3D sonar. This framework extends an established open-source state-of-the-art visual-inertial SLAM, SVIn, by integrating water-pressure and DVL measurements into a tightly-coupled nonlinear optimiza- tion formulation resulting in improved estimates. To leverage the structural information of recently available 3D acoustic sonars while maintaining computational efficiency, we introduce a hierarchical architecture that incorporates estimates from a decoupled front-end via KISS-ICP, treated as relative pose factors within the factor graph. The proposed framework is validated through field deployments in a shipwreck and coral reef, demonstrating drift mitigation and global consistency. To support further research in underwater multi-modal fusion, the code and the datasets can be found on project website https://cmburgul.github.io/projects/svin+/ https://dartmouthrobotics.github.io/svin-plus
- Abstract（参考訳）: 水中運用における拡張とスケーラビリティがより重要かつ困難になるにつれて、自律型水中車両(AUV)はより重要になり、信頼性の高い自律性の必要性がより重要になる。
制御から安全な航法とマッピングまで、あらゆる自律的な水中操作における根本的な課題は、状態推定であり、特に視界の低い環境では対処が難しい。
本稿では,IMU,カメラ,水圧センサ,ドップラー速度ログ(DVL),コンパクトな3次元ソナーを備えたAUVの高密度状態推定のためのマルチセンサフレームワークであるSVIn+を提案する。
このフレームワークは、水圧とDVLの測定を密結合した非線形オプティミザイオンの定式化に組み込むことにより、評価を改善することにより、確立された最先端のビジュアル慣性SLAM、SVInを拡張した。
計算効率を保ちながら最近利用可能となった3次元音響ソナーの構造情報を活用するために,KISS-ICPを介して疎結合されたフロントエンドからの推定を組み込んだ階層構造を導入し,因子グラフ内の相対的ポーズ因子として扱う。
提案手法は,海難およびサンゴ礁の現地展開を通じて,漂流緩和とグローバルな整合性を示す。
水中でのマルチモーダル融合のさらなる研究を支援するため、コードとデータセットはプロジェクトのWebサイトhttps://cmburgul.github.io/projects/svin+/ https://dartmouthrobotics.github.io/svin-plusで見ることができる。
関連論文リスト
- APVI-SLAM: Real-Time Acoustic-Pressure-Visual-Inertial Localization and Photorealistic Mapping System in Complex Underwater Environment [22.489669412924346]
APVI-SLAM(APVI-SLAM)は、水中の正確な位置決めと光リアルマッピングを実現するリアルタイムマルチセンサー融合SLAMシステムである。
本手法では,センサ推定器を動的に再重み付けする信頼性を考慮したローカライゼーションフレームワークを提案する。
高忠実度シーン再構築のために,効率的なクワッドツリー誘導マッピングモジュールを提案する。
論文 参考訳（メタデータ） (2026-07-07T12:45:57Z) - FAR-AVIO: Fast and Robust Schur-Complement Based Acoustic-Visual-Inertial Fusion Odometry with Sensor Calibration [7.394651310128268]
水中ロボットに適した音響・視覚・慣性計測フレームワークであるFAR-AVIOについて述べる。
私たちの実装はhttps://far-vido.gitbook.io/far-vido-docs.comでオープンソースソフトウェアとしてリリースされました。
論文 参考訳（メタデータ） (2025-12-23T13:36:47Z) - VLA-AN: An Efficient and Onboard Vision-Language-Action Framework for Aerial Navigation in Complex Environments [12.689250855332569]
VLA-ANは、複雑な環境での自律ドローンナビゲーションに特化したフレームワークである。
既存の大型航法モデルの4つの大きな制限に対処する。
シングルタスクの成功率は98.1%に達する。
論文 参考訳（メタデータ） (2025-12-17T10:02:55Z) - Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。
Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。
高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
論文 参考訳（メタデータ） (2025-10-27T03:52:45Z) - VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。
大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。
水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。
本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
論文 参考訳（メタデータ） (2025-05-02T12:21:44Z) - A Data-Driven Method for INS/DVL Alignment [2.915868985330569]
慣性センサーとドップラー速度ログ(DVL)融合は長距離水中航法において有望な解決策である。
本稿では,アライメントプロセスのためのエンドツーエンドのディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-27T10:38:37Z) - SuperFlow++: Enhanced Spatiotemporal Consistency for Cross-Modal Data Pretraining [62.433137130087445]
SuperFlow++は、連続するカメラペアを使用して事前トレーニングと下流タスクを統合する新しいフレームワークである。
SuperFlow++は様々なタスクや運転条件で最先端のメソッドよりも優れています。
強力な一般化性と計算効率により、SuperFlow++は、自動運転におけるデータ効率の高いLiDARベースの認識のための新しいベンチマークを確立する。
論文 参考訳（メタデータ） (2025-03-25T17:59:57Z) - FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation [65.01601309903971]
無人水中車両(UUV)の6次元ポーズ推定のための周波数認識フロー支援フレームワークであるFAFAを紹介する。
我々のフレームワークは、3DモデルとRGB画像のみに依存しており、実際のポーズアノテーションや奥行きのような非モダリティデータの必要性を軽減しています。
本研究では,一般的な水中オブジェクトポーズベンチマークにおけるFAFAの有効性を評価し,最先端手法と比較して顕著な性能向上を示した。
論文 参考訳（メタデータ） (2024-09-25T03:54:01Z) - fVDB: A Deep-Learning Framework for Sparse, Large-Scale, and High-Performance Spatial Intelligence [55.582429009401956]
fVDBは、大規模な3Dデータのディープラーニングのための新しいフレームワークである。
私たちのフレームワークは、既存のパイプラインとの相互運用性を可能にするPyTorchと完全に統合されています。
論文 参考訳（メタデータ） (2024-07-01T20:20:33Z) - BEVFusion: Multi-Task Multi-Sensor Fusion with Unified Bird's-Eye View Representation [105.96557764248846]
本稿では,汎用マルチタスクマルチセンサ融合フレームワークであるBEVFusionを紹介する。
共有鳥眼ビュー表示空間におけるマルチモーダル特徴を統一する。
3Dオブジェクト検出では1.3%高いmAPとNDS、BEVマップのセグメンテーションでは13.6%高いmIoU、コストは1.9倍である。
論文 参考訳（メタデータ） (2022-05-26T17:59:35Z)
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。