学習された ddometry と Gaussian Splatting を活用した熱検出器による熱 odometry と高密度マッピング

arXiv:2602.07493v1 Announce Type: new Abstract: 煙粒子より波長の長い波長を持つ赤外線熱センサは、暗さ、埃、そして煙にも関与せず画像を捕捉できる。この頑健さは、ロボットにおける運動推定と環境認識において、特に悪条件でますます価値を提供している。しかしながら、既存の熱 odometry とマッピング手法は主に幾何学的なものであり、多様なデータセット間で失敗し、さらに高密度マップを生成する能力を欠いている。最近の Gaussian Splatting(GS) テクニクの効率性と高品質な再構築能力に刺激された、我々は TOMP-GS を提案する。TOMP-GS は、学習ベースの odometry と GS ベースの高密度マッピングを統合した、熱 odometry とマッピング手法である。TOMP-GS は、熱カメラ用に特化した GS ベースの SLAM システムの最初の数に属し、熱画像の強化と単眼深度統合を特徴としている。運動推定と新規視点レンダリングに関する広範な実験は、TOMP-GS が既存の学習ベースの手法を上回っていることを示しており、頑健な熱 odometry と高密度再構築のために学習パイプラインの利益を証明している。

arXiv:2602.07493v1 Announce Type: new Abstract: Thermal infrared sensors, with wavelengths longer than smoke particles, can capture imagery independent of darkness, dust, and smoke. This robustness has made them increasingly valuable for motion estimation and environmental perception in robotics, particularly in adverse conditions. Existing thermal odometry and mapping approaches, however, are predominantly geometric and often fail across diverse datasets while lacking the ability to produce dense maps. Motivated by the efficiency and high-quality reconstruction ability of recent Gaussian Splatting (GS) techniques, we propose TOM-GS, a thermal odometry and mapping method that integrates learning-based odometry with GS-based dense mapping. TOM-GS is among the first GS-based SLAM systems tailored for thermal cameras, featuring dedicated thermal image enhancement and monocular depth integration. Extensive experiments on motion estimation and novel-view rendering demonstrate that TOM-GS outperforms existing learning-based methods, confirming the benefits of learning-based pipelines for robust thermal odometry and dense reconstruction.