論文の概要: TCM-ICP: Transformation Compatibility Measure for Registering Multiple
LIDAR Scans
- arxiv url: http://arxiv.org/abs/2001.01129v2
- Date: Fri, 31 Jan 2020 17:20:47 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-14 12:57:51.705108
- Title: TCM-ICP: Transformation Compatibility Measure for Registering Multiple
LIDAR Scans
- Title（参考訳）: TCM-ICP:複数のLIDARスキャンを登録するための変換適合度測定
- Authors: Aby Thomas, Adarsh Sunilkumar, Shankar Shylesh, Aby Abahai T.,
Subhasree Methirumangalath, Dong Chen and Jiju Peethambaran
- Abstract要約: 本稿では,複数重複するLiDARスキャンを登録するアルゴリズムを提案する。
本研究では,TCM(Transform Compatibility Measure)と呼ばれる幾何学的指標を導入する。
提案手法を実世界の4つの場面で評価し,実験結果から,提案手法の登録性能が従来の登録方式と同等か優れていることを示す。
- 参考スコア（独自算出の注目度）: 4.5412347600435465
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Rigid registration of multi-view and multi-platform LiDAR scans is a
fundamental problem in 3D mapping, robotic navigation, and large-scale urban
modeling applications. Data acquisition with LiDAR sensors involves scanning
multiple areas from different points of view, thus generating partially
overlapping point clouds of the real world scenes. Traditionally, ICP
(Iterative Closest Point) algorithm is used to register the acquired point
clouds together to form a unique point cloud that captures the scanned real
world scene. Conventional ICP faces local minima issues and often needs a
coarse initial alignment to converge to the optimum. In this work, we present
an algorithm for registering multiple, overlapping LiDAR scans. We introduce a
geometric metric called Transformation Compatibility Measure (TCM) which aids
in choosing the most similar point clouds for registration in each iteration of
the algorithm. The LiDAR scan most similar to the reference LiDAR scan is then
transformed using simplex technique. An optimization of the transformation
using gradient descent and simulated annealing techniques are then applied to
improve the resulting registration. We evaluate the proposed algorithm on four
different real world scenes and experimental results shows that the
registration performance of the proposed method is comparable or superior to
the traditionally used registration methods. Further, the algorithm achieves
superior registration results even when dealing with outliers.
- Abstract（参考訳）: マルチビューおよびマルチプラットフォームLiDARスキャンの剛体登録は、3Dマッピング、ロボットナビゲーション、大規模都市モデリングアプリケーションにおいて基本的な問題である。
lidarセンサーによるデータ取得は、異なる視点から複数の領域をスキャンすることで、現実世界のシーンの一部が重なり合う点雲を生成する。
伝統的に、ICP(Iterative Closest Point)アルゴリズムは、取得した点雲を登録して、スキャンした実世界のシーンをキャプチャするユニークな点雲を形成する。
従来のICPは局所的なミニマ問題に直面し、しばしば最適に収束するために粗い初期アライメントを必要とする。
本研究では,複数重畳したLiDARスキャンを登録するアルゴリズムを提案する。
アルゴリズムの各イテレーションにおいて、最もよく似た点群を選択するのに役立つ変換適合度測定(TCM)と呼ばれる幾何学的計量を導入する。
参照LiDARスキャンと最もよく似たLiDARスキャンは、単純な技術を用いて変換される。
勾配降下法と模擬焼鈍法を併用した変換の最適化を行い, 登録精度の向上を図る。
提案手法を実世界の4つの場面で評価し,実験結果から,提案手法の登録性能が従来の登録方式と同等か優れていることを示す。
さらに、このアルゴリズムは、外れ値を扱う場合でも優れた登録結果が得られる。
関連論文リスト
- Incremental Multiview Point Cloud Registration with Two-stage Candidate Retrieval [12.528821749262931]
マルチビューポイントクラウド登録は、様々なコンピュータビジョンタスクの基盤となる。
本稿では,すべてのスキャンを段階的にメタ形状に登録するインクリメンタルなマルチビューポイントクラウド登録手法を提案する。
論文 参考訳（メタデータ） (2024-07-10T10:24:28Z) - Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。
我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。
4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
論文 参考訳（メタデータ） (2024-03-30T17:29:13Z) - MB-RACS: Measurement-Bounds-based Rate-Adaptive Image Compressed Sensing Network [65.1004435124796]
本稿では,MB-RACS(Message-Bounds-based Rate-Adaptive Image Compressed Sensing Network)フレームワークを提案する。
実験により,提案手法が現在の先行手法を超越していることが実証された。
論文 参考訳（メタデータ） (2024-01-19T04:40:20Z) - Quadric Representations for LiDAR Odometry, Mapping and Localization [93.24140840537912]
現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を利用する。
3次元オブジェクトのよりコンパクトな表現である2次元曲面を用いたシーン記述法を提案する。
提案手法は低レイテンシとメモリの有効性を維持しつつ、競争力があり、しかも精度も優れている。
論文 参考訳（メタデータ） (2023-04-27T13:52:01Z) - RegFormer: An Efficient Projection-Aware Transformer Network for
Large-Scale Point Cloud Registration [73.69415797389195]
本稿では,大規模クラウドアライメントのためのエンドツーエンドトランス (RegFormer) ネットワークを提案する。
具体的には、プロジェクション対応階層変換器を提案し、長距離依存を捕捉し、外乱をフィルタする。
我々の変圧器は線形複雑であり、大規模シーンでも高い効率が保証される。
論文 参考訳（メタデータ） (2023-03-22T08:47:37Z) - GraphReg: Dynamical Point Cloud Registration with Geometry-aware Graph
Signal Processing [0.0]
本研究では,3次元点雲登録のための高精度,効率的,物理的に誘導された手法を提案する。
我々は、粒子(点)の動きを制御し、より正確で頑健な登録を実現するために、幾何学を意識した剛体力学を探求する。
その結果,提案手法は精度において最先端の手法よりも優れており,大規模点雲の登録に適していることがわかった。
論文 参考訳（メタデータ） (2023-02-02T14:06:46Z) - Overlap-guided Gaussian Mixture Models for Point Cloud Registration [61.250516170418784]
確率的3Dポイントクラウド登録法は、ノイズ、アウトレーヤ、密度変動を克服する競合性能を示した。
本稿では,一致したガウス混合モデル(GMM)パラメータから最適変換を演算する,重複誘導確率登録手法を提案する。
論文 参考訳（メタデータ） (2022-10-17T08:02:33Z) - A Robust Multimodal Remote Sensing Image Registration Method and System
Using Steerable Filters with First- and Second-order Gradients [7.813406811407584]
非線形ラジオメトリック差(NRD)と有意な幾何学的歪みのため,マルチモーダルリモートセンシング画像の同時登録は現在も進行中の課題である。
本稿では,2つの重要なステップからなるステアブルフィルタに基づくロバストマッチング手法を提案する。
提案手法の性能を多種類のマルチモーダルRS画像を用いて評価した。
論文 参考訳（メタデータ） (2022-02-27T12:22:42Z) - 3DMNDT:3D multi-view registration method based on the normal
distributions transform [23.427473819499145]
本稿では,正規分布変換(3DMNDT)に基づく3Dマルチビュー登録法を提案する。
提案手法はK平均クラスタリングとリー代数ソルバを統合し,マルチビュー登録を実現する。
ベンチマークデータセットで実験を行った結果,提案手法がマルチビュー登録の最先端性能を達成できることが判明した。
論文 参考訳（メタデータ） (2021-03-20T03:20:31Z) - Robust Odometry and Mapping for Multi-LiDAR Systems with Online
Extrinsic Calibration [15.946728828122385]
本稿では,複数のLiDARのロバストかつ同時キャリブレーション,オドメトリー,マッピングを実現するシステムを提案する。
キャリブレーションとSLAMのための10列(全長4.60km)の広範囲な実験により,本手法の性能を検証した。
提案手法は,様々なマルチLiDARセットアップのための完全で堅牢なシステムであることを示す。
論文 参考訳（メタデータ） (2020-10-27T13:51:26Z) - Learning multiview 3D point cloud registration [74.39499501822682]
本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。
このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
論文 参考訳（メタデータ） (2020-01-15T03:42:14Z)
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。