SLAM2026/3/1arXiv:2603.17229

月面ナビゲーションのためのDEMアンカーリングを用いたビジュアルSLAM

Visual SLAM with DEM Anchoring for Lunar Surface Navigation

月面探査ローバーの長距離自律走行のために、学習ベースの特徴検出・マッチングとDEM（数値標高モデル）による絶対的な地表制約を統合したステレオビジュアルSLAMシステムを提案し、ドリフトを低減することを実証した。

詳しい要約

1. どんなもの？

- 月面探査ローバーの長距離自律ナビゲーション向けのステレオVisual SLAMシステム。 - 学習ベースの特徴検出・マッチングと、DEM（Digital Elevation Model）からのグローバル制約を統合。 - 月面の極端な照明、低テクスチャ、反復地形に対応し、ドリフトを抑えた globally consistent な地図生成を目指す。

2. 先行研究と比べてどこがすごい？

- 従来のVisual-Inertial Odometryは長距離走行でドリフトが蓄積する問題があった。 - 本手法はDEM由来の高さ・表面法線因子をpose graphに組み込み、絶対的な表面制約を与えることで長期ドリフトを軽減。 - 学習ベースの特徴抽出・マッチングにより、照明極値や反復地形に対するロバスト性を向上。

3. 技術・手法の肝は？

- フロントエンド：学習ベースの特徴抽出とマッチングを採用し、照明変化や反復テクスチャに頑健化。 - バックエンド：DEMから得られる高さと表面法線を因子としてpose graphに統合。 - これにより絶対的な表面制約をSLAMに付与し、長期的なドリフトを抑制。

4. どうやって有効だと検証した？

- Unreal Engineで生成したシミュレーション月面走行データを使用。 - エトナ山で収集した実際の月/火星アナログデータも使用。 - 結果、DEMアンカリングがベースラインSLAMと比較して絶対軌道誤差を一貫して低減し、反復・視覚的エイリアシング地形でも長距離ナビゲーションのドリフトを低減。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究や関連手法：Visual-Inertial Odometry、ベースラインSLAM手法、DEMを利用したSLAM。 - 同分野の定番：ORB-SLAM、LSD-SLAM、DSO、VINS-Monoなど。

※ 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: Adam Dai, Guillem Casadesus Vila, Grace Gao

分類: cs.RO, cs.CV

原文アブストラクト

Future lunar missions will require autonomous rovers capable of traversing tens of kilometers across challenging terrain while maintaining accurate localization and producing globally consistent maps. However, the absence of global positioning systems, extreme illumination, and low-texture regolith make long-range navigation on the Moon particularly difficult, as visual-inertial odometry pipelines accumulate drift over extended traverses. To address this challenge, we present a stereo visual simultaneous localization and mapping (SLAM) system that integrates learned feature detection and matching with global constraints from digital elevation models (DEMs). Our front-end employs learning-based feature extraction and matching to achieve robustness to illumination extremes and repetitive terrain, while the back-end incorporates DEM-derived height and surface-normal factors into a pose graph, providing absolute surface constraints that mitigate long-term drift. We validate our approach using both simulated lunar traverse data generated in Unreal Engine and real Moon/Mars analog data collected from Mt. Etna. Results demonstrate that DEM anchoring consistently reduces absolute trajectory error compared to baseline SLAM methods, lowering drift in long-range navigation even in repetitive or visually aliased terrain.

arXivで原文を読む →arXiv概要ページ

月面ナビゲーションのためのDEMアンカーリングを用いたビジュアルSLAM

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？

原文アブストラクト

関連論文

今週よく読まれている記事

FRONTIER（GPU搭載BTOパソコン）

双腕モバイルマニピュレーター OpenShell