BIMCaP: BIM-based AI-supported LiDAR-Camera Pose Refinement

要約

このペーパーでは、モバイル 3D スパース LiDAR データとカメラ測定を既存のビルディング インフォメーション モデル (BIM) と統合し、手頃な価格のセンサーで高速かつ正確な屋内マッピングを強化する新しい方法である BIMCaP を紹介します。
BIMCaP は、3D BIM を活用し、バンドル調整手法を採用して現実世界の測定値をモデルと一致させることで、センサーのポーズを調整します。
実世界のオープンアクセス データを使用した実験では、BIMCaP が優れた精度を達成し、現在の最先端の方法と比較して並進誤差を 4 cm 以上削減できることが示されています。
この進歩により、SLAM などの 3D マッピング手法の精度と費用対効果が向上します。
BIMCaP の改善は、より良い意思決定と生産性を実現する最新の調整されたデジタル マップを提供することで、建設現場の管理や緊急対応などのさまざまな分野に利益をもたらします。
リポジトリへのリンク: https://github.com/MigVega/BIMCaP

要約(オリジナル)

This paper introduces BIMCaP, a novel method to integrate mobile 3D sparse LiDAR data and camera measurements with pre-existing building information models (BIMs), enhancing fast and accurate indoor mapping with affordable sensors. BIMCaP refines sensor poses by leveraging a 3D BIM and employing a bundle adjustment technique to align real-world measurements with the model. Experiments using real-world open-access data show that BIMCaP achieves superior accuracy, reducing translational error by over 4 cm compared to current state-of-the-art methods. This advancement enhances the accuracy and cost-effectiveness of 3D mapping methodologies like SLAM. BIMCaP’s improvements benefit various fields, including construction site management and emergency response, by providing up-to-date, aligned digital maps for better decision-making and productivity. Link to the repository: https://github.com/MigVega/BIMCaP

arxiv情報

提供元, 利用サービス

arxiv.jp, Google