位置姿勢推定2026/9/1arXiv:2609.00713v1

重力事前情報に基づく変換分離とポーズ最適化による高効率・高ロバストな絶対位置姿勢推定

Efficient and Robust Absolute Pose Estimation via Gravity-Prior-Driven Transformation Decoupling and Pose Refinement

重力方向を事前情報として利用し、6自由度の絶対位置姿勢推定を4自由度問題に分解して効率化し、さらにポーズ最適化で精度を高める手法を提案した。

詳しい要約

1. どんなもの？

本論文は、重力方向の事前情報を利用した物体の絶対姿勢推定（absolute pose estimation）のための、効率的かつロバストな手法を提案している。提案手法は、重力事前情報から導かれる幾何学的関係を用いて変換を分離し、元の6自由度（DoF）問題を4-DoF問題（回転角1-DoFと並進3-DoF）に簡略化する。回転角は1次元の大域的投票アルゴリズムで推定し、その後、誤対応をフィルタリングして並進を線形に解く。さらに、姿勢精度を高めるためのrefinementアルゴリズムも導入している。

2. 先行研究と比べてどこがすごい？

先行研究では、重力方向を事前情報として用いることで問題を簡略化する試みがあったが、大量の誤対応（mismatches）に対してロバストで効率的なアルゴリズムの開発が課題であり、重力事前情報を持つインライア対応から正確な姿勢解を得ることも未解決だった。本手法は、変換分離により問題を4-DoFに削減し、1-DoF回転角の推定に大域的投票を用いることで、効率性とロバスト性を向上させている。また、姿勢refinementを導入し、回転と並進の精度を高めている点が新しい。

3. 技術・手法の肝は？

手法の肝は、重力事前情報から導かれる幾何学的関係を用いた変換分離戦略である。具体的には、元の6-DoF問題を、重力方向に依存する回転成分とそれ以外の成分に分離し、回転角の1-DoF推定と並進の3-DoF推定に分解する。回転角は1次元の大域的投票アルゴリズムで最適推定し、得られた回転を用いて誤対応を事前にフィルタリングする。並進は線形問題として解く。さらに、精度向上のためのpose refinementアルゴリズムを導入し、回転と並進の両方を改善する。

4. どうやって有効だと検証した？

合成データと、TUM RGB-D、ETH3D、RobotCarの3つの公開実世界データセットを用いた広範な実験により、既存のSOTA手法と比較して優れた性能を示した。さらに、提案手法をORB-SLAM2に統合し、KITTIデータセットで評価した結果、リローカライゼーション時のドリフト低減と軌道アライメント改善が確認された。

5. 議論はある？

要旨からは、提案手法の限界や特定の条件下での性能低下などについての議論は不明である。また、計算コストや実時間性に関する詳細な議論も要旨には含まれていない。

6. 次に読むべき論文は？

要旨で参照されている関連研究として、重力方向を事前情報として用いる絶対姿勢推定の既存手法、およびORB-SLAM2などのSLAMシステムが挙げられる。具体的な論文名は要旨に明記されていないため、同分野の定番として、gravity priorを用いたpose estimationの論文や、robust estimation（RANSACなど）に関する論文を読むことが推奨される。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Hu Cao, Qianyi Yang, Xinyi Li, Jiong Liu, Yinlong Liu, Alois Knoll

分類: cs.CV

原文アブストラクト

Estimation of the absolute pose of an object is an essential task for various robotic applications. Recently, incorporating gravity direction as prior information has emerged as a popular approach to simplify absolute pose estimation. However, developing a robust and efficient algorithm to solve this challenging problem remains a difficult question due to large amounts of mismatches. In addition, obtaining an accurate pose solution from selected inlier correspondences with gravity prior is still a research gap. In this paper, we propose a novel transformation strategy that exploits geometric relations derived from the gravity prior. Through transformation decoupling, the original 6 degrees of freedom (DoF) absolute pose estimation problem is simplified into a 4-DoFs problem: 1-DoF for the rotation angle and 3-DoFs for translation, significantly improving the efficiency. For the 1-DoF rotation angle, we apply a one-dimensional global voting algorithm for optimal estimation. Once the optimal rotation is obtained, the mismatched correspondences are preliminarily filtered, and translation estimation, a linear problem, can be easily solved. Furthermore, to obtain accurate pose results, we introduce a novel pose refinement algorithm to enhance the accuracy of both rotation and translation. Extensive experiments on synthetic data and three publicly available real-world datasets (TUM RGB-D, ETH3D, and RobotCar) demonstrate that the proposed method achieves stronger performance compared to existing state-of-the-art (SOTA) approaches. To further validate our method, we integrated it into ORB-SLAM2. The results on the KITTI dataset show it effectively reduces drift and improves trajectory alignment during relocalization. The source code will be released upon acceptance.

arXivで原文を読む →arXiv概要ページ

← 論文一覧