要約
この論文では、低照度ビジュアル SLAM パイプラインの比較研究を紹介します。特に、最先端の低照度画像強調アルゴリズムと、標準および現代の同時位置特定およびマッピング (SLAM) フレームワークとの効率的な組み合わせを評価することによって決定することに焦点を当てています。
困難な低照度条件下でのパフォーマンスを向上させます。
この研究では、文献内の他の研究のような部分的に薄暗いデータセットとは対照的に、暗いデータセットおよび/または照明が不十分なデータセットに対するいくつかの異なる低照度 SLAM パイプラインのパフォーマンスを調査します。
私たちの研究では、機能ベースのビジュアル SLAM を強化するために、選択したモジュールの組み合わせを定性的および定量的に比較する実験的アプローチが採用されています。
要約(オリジナル)
This paper presents a comparative study of low-light visual SLAM pipelines, specifically focusing on determining an efficient combination of the state-of-the-art low-light image enhancement algorithms with standard and contemporary Simultaneous Localization and Mapping (SLAM) frameworks by evaluating their performance in challenging low-light conditions. In this study, we investigate the performance of several different low-light SLAM pipelines for dark and/or poorly-lit datasets as opposed to just partially dim-lit datasets like other works in the literature. Our study takes an experimental approach to qualitatively and quantitatively compare the chosen combinations of modules to enhance the feature-based visual SLAM.
arxiv情報
| 著者 | Surya Pratap Singh,Dhyey Manish Rajani,Billy Mazotti,Sarvesh Mayilvahanan,Guoyuan Li,Maani Ghaffari |
| 発行日 | 2023-11-27 23:30:15+00:00 |
| arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google