位置推定2026/9/8arXiv:2609.08385

重力整列ワイヤーフレームによる深度不要の単眼フロアプラン位置推定

GALoc: Gravity Aligned Wireframes for Depth-Free Monocular Floorplan Localization

深度予測の代わりに重力整列ワイヤーフレームを用いて、単眼RGB画像からフロアプランに対するカメラ位置を推定する新しい手法を提案した。

詳しい要約

1. どんなもの？

GALocは、モノキュラーRGB画像、カメラ内部パラメータ、相対ポーズ、IMUの向きを用いて、フロアプランに対する屋内ローカライゼーションを行うフレームワーク。深度予測の代わりに、垂直性と共平面性を構造的に満たすgravity-aligned wireframesを推定し、bird's-eye-viewレイアウトに変換してフロアプランとマッチングする。

2. 先行研究と比べてどこがすごい？

既存手法は深度ネットワークに依存しており、雑然としたシーンで脆弱である。GALocは深度予測を排除し、ジオメトリ優先のアプローチを採用。gravity-aligned wireframesを構築することで、深度推定の不確実性を回避し、構造が十分に見えるシーンでは深度ベースのベースラインを上回る性能を達成。

3. 技術・手法の肝は？

手法の核は、垂直性と共平面性を線形制約行列としてエンコードし、その最小特異値を最小化するカメラゲージを大域探索で見つける点。その後、閉形式でFOV整合性のある変換を用いてwireframesをbird's-eye-viewに投影し、メトリックフリーのSE(2)探索でフロアプランとマッチングする。

4. どうやって有効だと検証した？

Structured3Dでのエンドツーエンド評価、Gibsonでのキャリブレーション済みノイズ評価、実世界の著者収集シーケンスで検証。Gibsonでは100ステップのシーケンスで0.1m以内の逐次ローカライゼーション成功率88%を達成（ベースラインは68%）。構造が見えないシーンでは棄権する。

5. 議論はある？

要旨からは、構造が十分に見える場合に有効であるが、構造盲のシーンでは性能が低下する可能性が示唆される。また、深度ベースの手法と比較して、壁のジオメトリが十分に見える場合にのみ同等以上であるという条件付きの優位性がある。

6. 次に読むべき論文は？

要旨で参照されている深度ベースのベースライン手法や、関連するフロアプランローカライゼーションの研究。具体的には、深度ネットワークを用いた既存の屋内ローカライゼーション手法や、gravity-aligned wireframesの推定に関する研究が考えられる。

※ 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: Jeahn Han, Minji Kim, Jeongbin Sohn, Jonghyeok Park, Matthias Wuest, Pyojin Kim

分類: cs.CV, cs.RO

原文アブストラクト

Floorplans are compact, appearance-invariant maps ideal for indoor localization, yet existing methods rely on depth networks that are brittle in cluttered scenes. We propose GALoc, a geometry-first framework that replaces depth prediction with gravity-aligned wireframes that satisfy verticality and coplanarity by construction. Given monocular RGB, camera intrinsics, relative poses, and IMU orientation, GALoc constructs a linear constraint matrix encoding verticality and coplanarity, and finds the camera gauge minimizing its smallest singular value via global search. The rectified wireframes are projected into bird's-eye-view layouts through a closed-form, FOV-consistent transformation and matched against the floorplan via metric-free SE(2) search. We evaluate end-to-end on Structured3D, with calibrated noise on Gibson, and on real-world author-collected sequences. When sufficient wall geometry is visible, GALoc matches or outperforms depth-based baselines -- achieving 88% sequential localization success at 0.1m over 100-step sequences on Gibson vs the baseline's 68% -- while abstaining in structure-blind scenes.

arXivで原文を読む →arXiv概要ページ