論文の概要: A Benchmark for Point Clouds Registration Algorithms

• arxiv url: http://arxiv.org/abs/2003.12841v3
• Date: Tue, 26 Apr 2022 12:23:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 00:03:45.918047
• Title: A Benchmark for Point Clouds Registration Algorithms
• Title（参考訳）: ポイントクラウド登録アルゴリズムのベンチマーク
• Authors: Simone Fontana, Daniele Cattaneo, Augusto Luis Ballardini, Matteo Vaghi and Domenico Giorgio Sorrenti
• Abstract要約: ポイントクラウドの登録は多くのポイントクラウド処理パイプラインの基本的なステップである。 ほとんどのアルゴリズムは、アドホックに収集され、研究コミュニティと共有されていないデータでテストされる。 この作業は、著者がアドホックに収集されたデータではなく、公開と共有のベンチマークを使用することを奨励することを目的としている。
• 参考スコア（独自算出の注目度）: 6.667628085623009
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Point clouds registration is a fundamental step of many point clouds processing pipelines; however, most algorithms are tested on data that are collected ad-hoc and not shared with the research community. These data often cover only a very limited set of use cases; therefore, the results cannot be generalised. Public datasets proposed until now, taken individually, cover only a few kinds of environment and mostly a single sensor. For these reasons, we developed a benchmark, for localization and mapping applications, using multiple publicly available datasets. In this way, we are able to cover many kinds of environment and many kinds of sensor that can produce point clouds. Furthermore, the ground truth has been thoroughly inspected and evaluated to ensure its quality. For some of the datasets, the accuracy of the ground truth measuring system was not reported by the original authors, therefore we estimated it with our own novel method, based on an iterative registration algorithm. Along with the data, we provide a broad set of registration problems, chosen to cover different types of initial misalignment, various degrees of overlap, and different kinds of registration problems. Lastly, we propose a metric to measure the performances of registration algorithms: it combines the commonly used rotation and translation errors together, to allow an objective comparison of the alignments. This work aims at encouraging authors to use a public and shared benchmark, instead of data collected ad-hoc, to ensure objectivity and repeatability, two fundamental characteristics in any scientific field.
• Abstract（参考訳）: ポイントクラウドの登録は多くのポイントクラウド処理パイプラインの基本的なステップであるが、ほとんどのアルゴリズムはアドホックに収集され、研究コミュニティと共有されていないデータでテストされている。 これらのデータは、非常に限られたユースケースのみをカバーすることが多く、その結果は一般化できない。 これまで提案されていた公開データセットは、個別に捉えられ、いくつかの種類の環境とほとんど1つのセンサーのみをカバーする。 これらの理由から,複数の公開データセットを用いたローカライズおよびマッピングアプリケーションのためのベンチマークを開発した。 このようにして、多くの種類の環境と、ポイントクラウドを生成できる多くの種類のセンサーをカバーできるのです。 さらに、その品質を確保するため、根本的真理を徹底的に検査・評価してきた。 いくつかのデータセットでは, 原著者らは基底真理測定システムの精度を報告しなかったので, 反復的登録アルゴリズムに基づいて, 新たな手法で推定した。 データに加えて、異なるタイプの初期調整、様々な重複度、異なる種類の登録問題をカバーするために選択された幅広い登録問題も提供する。 最後に、一般に使われている回転と翻訳の誤りを組み合わせ、アライメントを客観的に比較できるように、登録アルゴリズムの性能を測定するための指標を提案する。 この研究は、著者に対して、任意の科学分野における2つの基本的な特徴である客観性と反復性を保証するために、収集されたデータの代わりに、公開および共有ベンチマークを使用することを奨励することを目的としている。

関連論文リスト

• PeFAD: A Parameter-Efficient Federated Framework for Time Series Anomaly Detection [51.20479454379662]
  私たちはaを提案します。 フェデレートされた異常検出フレームワークであるPeFADは、プライバシーの懸念が高まっている。 我々は、4つの実際のデータセットに対して広範な評価を行い、PeFADは既存の最先端ベースラインを最大28.74%上回っている。
  論文  参考訳（メタデータ） (2024-06-04T13:51:08Z)
• Fact Checking Beyond Training Set [64.88575826304024]
  本稿では,レトリバーリーダが,あるドメインのラベル付きデータに基づいてトレーニングし,別のドメインで使用する場合,性能劣化に悩まされることを示す。 本稿では,レトリバー成分を分散シフトに対して頑健にするための逆アルゴリズムを提案する。 次に、これらのデータセットから8つの事実チェックシナリオを構築し、モデルと強力なベースラインモデルのセットを比較します。
  論文  参考訳（メタデータ） (2024-03-27T15:15:14Z)
• An Algorithm for Streaming Differentially Private Data [7.726042106665366]
  我々は、特に空間データセットに対して計算された、微分プライベートな合成ストリーミングデータ生成のためのアルゴリズムを導出する。 本アルゴリズムの有効性は実世界とシミュレーションデータセットの両方で検証される。
  論文  参考訳（メタデータ） (2024-01-26T00:32:31Z)
• infoVerse: A Universal Framework for Dataset Characterization with Multidimensional Meta-information [68.76707843019886]
  infoVerseは、データセットの特徴付けのための普遍的なフレームワークである。 infoVerseは、様々なモデル駆動メタ情報を統合することで、データセットの多次元特性をキャプチャする。 実世界の3つのアプリケーション(データプルーニング、アクティブラーニング、データアノテーション)において、infoVerse空間で選択されたサンプルは、強いベースラインを一貫して上回る。
  論文  参考訳（メタデータ） (2023-05-30T18:12:48Z)
• Private Domain Adaptation from a Public Source [48.83724068578305]
  我々は、公開ラベル付きデータを持つソースドメインから、未ラベル付きプライベートデータを持つターゲットドメインへの適応のための差分プライベート離散性に基づくアルゴリズムを設計する。 我々の解は、Frank-WolfeとMirror-Descentアルゴリズムのプライベートな変種に基づいている。
  論文  参考訳（メタデータ） (2022-08-12T06:52:55Z)
• Are we ready for beyond-application high-volume data? The Reeds robot perception benchmark dataset [3.781421673607643]
  本稿ではロボット認識アルゴリズムの研究のためにReedsと呼ばれるデータセットを提案する。 このデータセットは、アプリケーション固有のソリューションをテストする環境を提供するのではなく、アルゴリズムに要求されるベンチマーク機会を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-09-16T23:21:42Z)
• 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)
• NWPU-Crowd: A Large-Scale Benchmark for Crowd Counting and Localization [101.13851473792334]
  我々は,5,109枚の画像からなる大規模集束群集NWPU-Crowdを構築し,合計2,133,375個の点と箱を付加したアノテートヘッドを構築した。 他の実世界のデータセットと比較すると、様々な照明シーンを含み、最大密度範囲 (020,033) を持つ。 本稿では,データ特性について述べるとともに,主要なSOTA(State-of-the-art)手法の性能を評価し,新たなデータに生じる問題を分析する。
  論文  参考訳（メタデータ） (2020-01-10T09:26:04Z)
• TCM-ICP: Transformation Compatibility Measure for Registering Multiple LIDAR Scans [4.5412347600435465]
  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。
  論文  参考訳（メタデータ） (2020-01-04T21:05:27Z)

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。