Core Concepts
本研究は、イベントカメラ、画像、IMUデータを統合的に活用し、高精度かつロバストな実時間の6自由度姿勢推定と3D密集マッピングを実現する。
Abstract
本研究は、イベントカメラ、画像、IMUデータを統合的に活用し、高精度かつロバストな実時間の6自由度姿勢推定と3D密集マッピングを実現する。
姿勢推定モジュールでは、特徴点ベースの手法と直接ベースの手法を統合した新しいハイブリッド手法を提案する。特徴点ベースの手法は頑健性に優れ、直接ベースの手法は高精度を実現する。両者の長所を活かすことで、極端な照明条件や高速運動下でも安定した姿勢推定を実現する。
マッピングモジュールでは、イベントベースの半密集深度マップを生成し、画像情報を活用して密集深度マップを復元する。さらに、TSDF融合を用いて、グローバルに整合性のある3Dテクスチャマップを構築する。これは、従来のイベントベースの密集マッピング手法とは一線を画す非学習型アプローチである。
実験評価では、様々な環境下でのロバスト性と高精度を定量的・定性的に実証する。特に、極端な照明条件や高速運動下でも優れた性能を発揮することを示す。また、オンボードシステムでの実装評価も行い、実用性を検証する。
Stats
高速運動下での平均位置誤差は0.26%、平均姿勢誤差は2.08%
HDR環境下での平均位置誤差は0.11%、平均姿勢誤差は0.026%
Quotes
"本研究は、イベントカメラ、画像、IMUデータを統合的に活用し、高精度かつロバストな実時間の6自由度姿勢推定と3D密集マッピングを実現する。"
"特徴点ベースの手法は頑健性に優れ、直接ベースの手法は高精度を実現する。両者の長所を活かすことで、極端な照明条件や高速運動下でも安定した姿勢推定を実現する。"
"本研究は、従来のイベントベースの密集マッピング手法とは一線を画す非学習型アプローチである。"