Weiwei Song
収録論文 10本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- F-LIVO:LiDAR・慣性・視覚オドメトリのための特徴量レベル幾何計測フレームワークVLA2026/10/16
視覚点とLiDAR平面を特徴量レベルの点-平面拘束で結びつけ、密な光度属性を地図に保持せずコンパクトな地図で動作するフィルタ型LIVOを提案。劣化条件下でも低ドリフトで推定を維持し、CPU使用率とメモリも抑える。
- LIR-LIVO: 照明に頑健な深層特徴を用いた軽量でロバストなLiDAR・視覚・慣性オドメトリVLA2025/2/1
照明が厳しい環境でも安定して動くよう、深層学習ベースの照明耐性特徴とLiDAR点群による深度統合、SuperPoint/LightGlueによる適応的マッチングを組み合わせた軽量なLiDAR-慣性-視覚オドメトリを提案し、複数データセットで高精度・低計算コストを実証した。
- SuperVINS: 厳しい撮像条件に挑むリアルタイム視覚慣性SLAMフレームワークSLAM2024/7/1
VINS-Fusionをベースに、深層学習による特徴抽出(SuperPoint)と特徴マッチング(LightGlue)を統合し、低照度やモーションブラー下でも高精度・高ロバストなリアルタイム視覚慣性SLAMを実現した。
- GNSSドロップアウトに耐性を持つLiDAR慣性SLAMと鉱山サービス車両への応用SLAM2023/8/1
鉱山環境でのGNSS信号途絶や知覚劣化に対応するため、LiDAR・IMU・車輪オドメトリを誤差状態カルマンフィルタで融合し、サーフェル登録とループ閉じ込み再初期化を組み合わせたSLAMシステムを提案した。
- 鉄道車両における4年間のマルチモーダルオドメトリとマッピングSLAM2023/8/1
LiDAR・視覚・IMU・車輪エンコーダを慣性中心に統合し、線路平面や電柱の幾何情報も活用して鉄道車両の自己位置推定と地図生成を長期にわたり実現するフレームワークを提案した。
- 複数LiDARによる鉄道車両の自己位置推定と環境マッピングSLAM2021/12/1
複数のLiDAR入力を用いた鉄道向けSLAMシステムを提案し、レールの平面制約やオンライン外部キャリブレーションを活用して3000km超のデータで高精度な位置推定と大規模環境マッピングを実現した。
- LiDAR・視覚・慣性・GNSS融合による鉄道車両の高精度自己位置推定と地図生成SLAM/センサフュージョン2021/12/1
線路の平面・直線構造を制約に用い、LiDAR・カメラ・IMU・GNSSを因子グラフで統合して鉄道車両の位置推定と地図生成を行う手法を提案し、800km超の実走データでトンネル等の劣化環境でも高精度・リアルタイムに動作することを示した。
- MetroLoc: LiDAR・カメラ・慣性統合による地下鉄車両の地図構築と自己位置推定SLAM2021/11/1
IMUを中心にLiDAR・カメラ・慣性を緩結合で統合し、線・面特徴も活用して大規模地下鉄環境での車両自己位置推定と地図構築を高精度・リアルタイムに行うフレームワークを提案した。
- RailLoMer: LiDAR・IMU・オドメトリ・GNSS融合による鉄道車両の自己位置推定と地図生成SLAM/センサフュージョン2021/11/1
2台のLiDAR、IMU、車輪オドメトリ、GNSSを因子グラフで統合し、線路の平面拘束を活用して鉄道車両の高精度なオドメトリと地図生成を実現した研究。
- 複数の非反復走査LiDARを統合した大規模地図構築フレームワークSLAM/地図構築2021/10/1
複数の非反復走査LiDARを慣性・エンコーダ・GNSSと密結合し、同期・特徴点融合・因子グラフ最適化によりロバストで高精度な大規模地図生成を実現した。
