A survey on real-time 3D scene reconstruction with SLAM methods in embedded systems

要約

同時ローカリゼーションとマッピング (SLAM) の 3D 再構築は、ドローン、サービス ロボット、モバイル AR/VR デバイスなどの輸送システムの分野における重要なトピックです。
点群表現と比較して、メッシュとボクセルに基づく 3D 再構成は、障害物の回避や物理環境との相互作用などの高レベルの機能に特に役立ちます。
この記事では、リソースに制約のあるハードウェア プラットフォーム上でのビジュアルベースの 3D シーン再構築パイプラインの実装についてレビューします。
リアルタイム パフォーマンス、メモリ管理、低消費電力は組み込みシステムにとって重要です。
センサーから 3D 再構築までの従来の SLAM パイプラインについて、深層学習の潜在的な使用を含めて説明します。
限られたリソースでの高度な機能の実装について詳しく説明します。
最近のシステムでは、さまざまな粒度の 3D 再構成手法の組み込み実装が提案されています。
リアルタイムの位置特定と再構築に必要な精度とリソース消費との間のトレードオフは、未解決の研究課題の 1 つであり、この論文で特定され議論されています。

要約(オリジナル)

The 3D reconstruction of simultaneous localization and mapping (SLAM) is an important topic in the field for transport systems such as drones, service robots and mobile AR/VR devices. Compared to a point cloud representation, the 3D reconstruction based on meshes and voxels is particularly useful for high-level functions, like obstacle avoidance or interaction with the physical environment. This article reviews the implementation of a visual-based 3D scene reconstruction pipeline on resource-constrained hardware platforms. Real-time performances, memory management and low power consumption are critical for embedded systems. A conventional SLAM pipeline from sensors to 3D reconstruction is described, including the potential use of deep learning. The implementation of advanced functions with limited resources is detailed. Recent systems propose the embedded implementation of 3D reconstruction methods with different granularities. The trade-off between required accuracy and resource consumption for real-time localization and reconstruction is one of the open research questions identified and discussed in this paper.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google