論文の概要: SLOAM: Semantic Lidar Odometry and Mapping for Forest Inventory

• arxiv url: http://arxiv.org/abs/1912.12726v1
• Date: Sun, 29 Dec 2019 20:38:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 07:46:54.392267
• Title: SLOAM: Semantic Lidar Odometry and Mapping for Forest Inventory
• Title（参考訳）: sloam:セマンティックlidarオドメトリと森林目録のマッピング
• Authors: Steven W. Chen, Guilherme V. Nardari, Elijah S. Lee, Chao Qu, Xu Liu, Roseli A. F. Romero, Vijay Kumar
• Abstract要約: 本稿では,木径推定のための終端パイプラインについて,セマンティックセグメンテーションとライダー・オドメトリーとマッピングを用いて述べる。 本稿では,ロボットのポーズを推定しながら,木モデルの改良を同時に行う意味的特徴に基づくポーズ最適化を提案する。 従来のライダーと画像に基づく手法は,無人航空機 (UAV) とハンドキャリーシステムの両方の森林環境において失敗することを示す。
• 参考スコア（独自算出の注目度）: 9.927061361867237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper describes an end-to-end pipeline for tree diameter estimation based on semantic segmentation and lidar odometry and mapping. Accurate mapping of this type of environment is challenging since the ground and the trees are surrounded by leaves, thorns and vines, and the sensor typically experiences extreme motion. We propose a semantic feature based pose optimization that simultaneously refines the tree models while estimating the robot pose. The pipeline utilizes a custom virtual reality tool for labeling 3D scans that is used to train a semantic segmentation network. The masked point cloud is used to compute a trellis graph that identifies individual instances and extracts relevant features that are used by the SLAM module. We show that traditional lidar and image based methods fail in the forest environment on both Unmanned Aerial Vehicle (UAV) and hand-carry systems, while our method is more robust, scalable, and automatically generates tree diameter estimations.
• Abstract（参考訳）: 本稿では,セマンティクスセグメンテーションとライダーオドメトリーとマッピングに基づく木径推定のためのエンドツーエンドパイプラインについて述べる。 このタイプの環境の正確なマッピングは、地面と木々が葉、くちばし、くちばしに囲まれているため困難であり、センサーは通常極端な動きを経験する。 本研究では,ロボットのポーズ推定中に木モデルを同時に洗練する,意味的特徴に基づくポーズ最適化を提案する。 このパイプラインは、セマンティックセグメンテーションネットワークのトレーニングに使用される3Dスキャンのラベル付けにカスタムバーチャルリアリティツールを使用する。 masked point cloudは、slamモジュールが使用する個々のインスタンスを特定し、関連する機能を抽出するtrellisグラフの計算に使用される。 従来のlidarおよび画像ベース手法は,無人航空機 (uav) とハンドキャリーシステムの両方の森林環境では失敗するが,本手法はより堅牢でスケーラブルであり,木径推定を自動的に生成する。

関連論文リスト

• Open-Vocabulary Octree-Graph for 3D Scene Understanding [54.11828083068082]
  Octree-Graphはオープンな3Dシーン理解のための新しいシーン表現である。 セマンティクスを記憶し、その形状に応じてオブジェクトの占有度を調節するアダプティブ・オクツリー構造を開発する。
  論文  参考訳（メタデータ） (2024-11-25T10:14:10Z)
• NeRF-Accelerated Ecological Monitoring in Mixed-Evergreen Redwood Forest [0.0]
  混合常緑樹林における幹径推定を目的としたMLSとNeRF林の復元の比較を行った。 凸ハルモデルを用いた改良DBH推定法を提案する。
  論文  参考訳（メタデータ） (2024-10-09T20:32:15Z)
• ViTree: Single-path Neural Tree for Step-wise Interpretable Fine-grained Visual Categorization [56.37520969273242]
  細かな視覚分類のための新しいアプローチであるViTreeを紹介する。 ツリーパスをトラバースすることで、ViTreeは変換処理された機能からパッチを効果的に選択し、情報のあるローカルリージョンをハイライトする。 このパッチとパスの選択性は、ViTreeのモデルの解釈可能性を高め、モデルの内部動作に関するより良い洞察を可能にする。
  論文  参考訳（メタデータ） (2024-01-30T14:32:25Z)
• Benchmarking Individual Tree Mapping with Sub-meter Imagery [6.907098367807166]
  我々は,任意の物理的環境において,個々の木マッピングに適した評価フレームワークを提案する。 異なるアプローチと深いアーキテクチャをレビューし比較し、セグメンテーションと検出のよい妥協であることを示す新しい手法を実験的に導入する。
  論文  参考訳（メタデータ） (2023-11-14T08:21:36Z)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• CherryPicker: Semantic Skeletonization and Topological Reconstruction of Cherry Trees [3.8697834534260447]
  木々の測光点雲を再構築する自動パイプラインであるCherryPickerを紹介する。 本システムでは, 3D 植物表現型アプリケーションにおいて, 自動処理を実現するために, 最先端のアルゴリズムを組み合わせている。
  論文  参考訳（メタデータ） (2023-04-10T16:54:05Z)
• ALSO: Automotive Lidar Self-supervision by Occupancy estimation [70.70557577874155]
  本稿では,ポイントクラウド上で動作している深層知覚モデルのバックボーンを事前学習するための自己教師型手法を提案する。 中心となる考え方は、3Dポイントがサンプリングされる表面の再構成であるプリテキストタスクでモデルをトレーニングすることである。 直感的には、もしネットワークがわずかな入力ポイントのみを考慮し、シーン表面を再構築できるなら、おそらく意味情報の断片をキャプチャする。
  論文  参考訳（メタデータ） (2022-12-12T13:10:19Z)
• Tree Detection and Diameter Estimation Based on Deep Learning [0.0]
  樹木認識は、自律的な林業活動に向けた重要なビルディングブロックである。 データセットでトレーニングされたディープニューラルネットワークモデルは、木検出の精度90.4%を達成する。 結果は、自律的な倒木作戦への有望な道を提供する。
  論文  参考訳（メタデータ） (2022-10-31T15:51:32Z)
• TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view Stereo [55.30992853477754]
  本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。 ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。 TANDEMは最先端のリアルタイム3D再構成性能を示す。
  論文  参考訳（メタデータ） (2021-11-14T19:01:02Z)
• Large-scale Autonomous Flight with Real-time Semantic SLAM under Dense Forest Canopy [48.51396198176273]
  本研究では,大規模自律飛行とリアルタイムセマンティックマッピングを,挑戦的なアンダーキャノピー環境下で実現可能な統合システムを提案する。 我々は、スキャン全体で関連付けられ、木のトランクモデルと同様にロボットのポーズを制約するために使用されるLiDARデータから、木の幹と地面の平面を検出し、モデル化する。 ドリフト補償機構は、プランナー最適性とコントローラ安定性を維持しつつ、セマンティックSLAM出力を用いたドリフトをリアルタイムで最小化するように設計されている。
  論文  参考訳（メタデータ） (2021-09-14T07:24:53Z)
• SimTreeLS: Simulating aerial and terrestrial laser scans of trees [0.0]
  我々は,ユーザ定義センサ,軌道,木の形状,レイアウトパラメータによる走査をシミュレートする点雲を生成するオープンソースツールSimTreeLSを提案する。 材料分類はポイントワイズに維持されているため、葉や木質の物質は完全に知られている。 SimTreeLSは、公開ライブラリ上に構築されたオープンソースリソースとして利用できる。
  論文  参考訳（メタデータ） (2020-11-24T08:25:42Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。