Twilight SLAM: Navigating Low-Light Environments

要約

このペーパーでは、最先端 (SOTA) の低照度画像強調アルゴリズムと標準および最新の SLAM フレームワークとの統合に焦点を当て、低照度視覚同時位置特定およびマッピング (SLAM) パイプラインの詳細な検証を示します。
私たちの研究の主な目的は、極めて重要な質問に対処することです。照明による視覚入力は、半暗い環境と暗い環境の両方で位置特定の精度を大幅に向上させますか?
主に部分的に薄暗いデータセットに対処する以前の研究とは対照的に、私たちは、薄暗い環境全体にわたるさまざまな低照度 SLAM パイプラインを包括的に評価します。
綿密な実験的アプローチを採用して、イメージエンハンサーと SLAM フレームワークのさまざまな組み合わせを定性的および定量的に評価し、機能ベースのビジュアル SLAM で最もパフォーマンスの高い組み合わせを特定します。
この研究結果は、厳しい照明条件下での位置特定精度を向上させるために視覚入力を強化することの実際的な意味を強調することで、低照度 SLAM を前進させます。
このホワイトペーパーはまた、貴重な洞察を提供し、現実世界のシナリオで SLAM パフォーマンスを強化するための視覚強化戦略のさらなる探究を奨励します。

要約(オリジナル)

This paper presents a detailed examination of low-light visual Simultaneous Localization and Mapping (SLAM) pipelines, focusing on the integration of state-of-the-art (SOTA) low-light image enhancement algorithms with standard and contemporary SLAM frameworks. The primary objective of our work is to address a pivotal question: Does illuminating visual input significantly improve localization accuracy in both semi-dark and dark environments? In contrast to previous works that primarily address partially dim-lit datasets, we comprehensively evaluate various low-light SLAM pipelines across obscurely-lit environments. Employing a meticulous experimental approach, we qualitatively and quantitatively assess different combinations of image enhancers and SLAM frameworks, identifying the best-performing combinations for feature-based visual SLAM. The findings advance low-light SLAM by highlighting the practical implications of enhancing visual input for improved localization accuracy in challenging lighting conditions. This paper also offers valuable insights, encouraging further exploration of visual enhancement strategies for enhanced SLAM performance in real-world scenarios.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google