SLIM-VDB: リアルタイム3D確率的セマンティックマッピングフレームワーク
SLIM-VDB: A Real-Time 3D Probabilistic Semantic Mapping Framework
OpenVDBデータ構造とベイズ更新を統合し、閉集合・開集合の両方のセマンティックラベルを扱える軽量な3Dセマンティックマッピングシステムを提案。メモリと統合時間を大幅に削減しつつ、同等のマッピング精度を実現した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Anja Sheppard, Parker Ewen, Joey Wilson, Advaith V. Sethuraman, Benard Adewole, Anran Li, Yuzhen Chen, Ram Vasudevan, Katherine A. Skinner
分類: cs.RO, cs.CV
原文アブストラクト
This paper introduces SLIM-VDB, a new lightweight semantic mapping system with probabilistic semantic fusion for closed-set or open-set dictionaries. Advances in data structures from the computer graphics community, such as OpenVDB, have demonstrated significantly improved computational and memory efficiency in volumetric scene representation. Although OpenVDB has been used for geometric mapping in robotics applications, semantic mapping for scene understanding with OpenVDB remains unexplored. In addition, existing semantic mapping systems lack support for integrating both fixed-category and open-language label predictions within a single framework. In this paper, we propose a novel 3D semantic mapping system that leverages the OpenVDB data structure and integrates a unified Bayesian update framework for both closed- and open-set semantic fusion. Our proposed framework, SLIM-VDB, achieves significant reduction in both memory and integration times compared to current state-of-the-art semantic mapping approaches, while maintaining comparable mapping accuracy. An open-source C++ codebase with a Python interface is available at https://github.com/umfieldrobotics/slim-vdb.
関連論文
- ReForesight: 動的セマンティックマッピングのための遮蔽に頑健な再同定と将来占有予測セマンティックマッピング
- 動的オントロジーに基づくセマンティックマッピングのためのハイブリッドパイプラインセマンティックマッピング
- SemanticXR: オブジェクトレベルのデバイス-クラウドアーキテクチャによる低消費電力・リアルタイムなセマンティックマッピングセマンティックマッピング
- 時空間認識に基づく効率的な連続セマンティックマッピングセマンティックマッピング
- ガウススプラッティングを用いた園芸環境の能動的セマンティックマッピングセマンティックマッピング
- 屋内環境のアセット中心メトリック・セマンティックマップセマンティックマッピング
