Fugu-MT 論文翻訳(概要): A Survey on 3D LiDAR Localization for Autonomous Vehicles

論文の概要: A Survey on 3D LiDAR Localization for Autonomous Vehicles

arxiv url: http://arxiv.org/abs/2006.00648v2
Date: Sat, 21 Nov 2020 17:07:12 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 07:16:28.201316
Title: A Survey on 3D LiDAR Localization for Autonomous Vehicles
Title（参考訳）: 自動運転車の3次元LiDAR位置決めに関する調査
Authors: Mahdi Elhousni and Xinming Huang
Abstract要約: 自動運転車における3D LiDARのローカライゼーションに関する最新の知見を概説し、各手法による結果を分析した。 LiDARセンサーは、自動運転車の完全な自律性を達成する上で、最も重要なセンサーの1つになりつつある。
参考スコア（独自算出の注目度）: 7.355731223877616
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: LiDAR sensors are becoming one of the most essential sensors in achieving full autonomy for self driving cars. LiDARs are able to produce rich, dense and precise spatial data, which can tremendously help in localizing and tracking a moving vehicle. In this paper, we review the latest finding in 3D LiDAR localization for autonomous driving cars, and analyse the results obtained by each method, in an effort to guide the research community towards the path that seems to be the most promising.
Abstract（参考訳）: lidarセンサーは、自動運転車の完全な自律性を実現する上で最も重要なセンサーの1つになっている。 LiDARは、リッチで密度が高く、正確な空間データを生成することができ、移動中の車両のローカライズと追跡に非常に役立ちます。本稿では、自動運転車における3D LiDARのローカライゼーションの最新の発見を概観し、各手法による結果を分析し、研究コミュニティを最も有望と思われる経路へと導くことを目的とする。

関連論文リスト

Multi-Modal Data-Efficient 3D Scene Understanding for Autonomous Driving [58.16024314532443]
我々は、異なるLiDARスキャンからレーザービーム操作を統合するフレームワークであるLaserMix++を導入し、データ効率の学習を支援するためにLiDAR-カメラ対応を組み込んだ。結果は、LaserMix++が完全に教師付き代替よりも優れており、5倍のアノテーションで同等の精度を実現していることを示している。この大幅な進歩は、LiDARベースの3Dシーン理解システムにおける広範囲なラベル付きデータへの依存を減らすための半教師付きアプローチの可能性を示している。
論文参考訳（メタデータ） (2024-05-08T17:59:53Z)
Monocular 3D lane detection for Autonomous Driving: Recent Achievements, Challenges, and Outlooks [10.780826266192621]
道路構造や交通情報を3次元空間で抽出するため, 自動走行には3次元車線検出が不可欠である。近年の視覚知覚の進歩は, 信頼性の高い3次元車線検出アルゴリズムの開発に不適切と思われる。本稿では,3次元車線検出研究の成果を振り返って分析する。
論文参考訳（メタデータ） (2024-04-10T09:35:50Z)
Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。実世界のデータセットの実験では、大幅な改善が示されている。
論文参考訳（メタデータ） (2023-09-21T15:00:31Z)
Language-Guided 3D Object Detection in Point Cloud for Autonomous Driving [91.91552963872596]
我々は,LiDARグラウンディングと呼ばれるマルチモーダルな視覚的グラウンドニングタスクを提案する。言語特徴を持つLiDARベースの物体検出器を共同で学習し、検出器から直接対象領域を予測する。私たちの研究は、LiDARベースの接地作業に関する深い洞察を提供しており、自動運転コミュニティにとって有望な方向性を示すものと期待しています。
論文参考訳（メタデータ） (2023-05-25T06:22:10Z)
HUM3DIL: Semi-supervised Multi-modal 3D Human Pose Estimation for Autonomous Driving [95.42203932627102]
3Dの人間のポーズ推定は、自動運転車が歩行者の微妙で複雑な振る舞いを知覚し理解できるようにする新しい技術である。提案手法は,これらの補完信号を半教師付き方式で効率的に利用し,既存の手法よりも大きなマージンで性能を向上する。具体的には、LiDAR点を画素整列マルチモーダル特徴に埋め込み、トランスフォーマーの精細化段階を経る。
論文参考訳（メタデータ） (2022-12-15T11:15:14Z)
Real-Time And Robust 3D Object Detection with Roadside LiDARs [20.10416681832639]
道路沿いのLiDARにおける交通参加者をリアルタイムに検出できる3次元物体検出モデルを設計する。我々のモデルは既存の3D検出器をベースラインとして使用し、精度を向上させる。スマートシティのアプリケーションに使用できるLiDARベースの3D検出器に多大な貢献をしています。
論文参考訳（メタデータ） (2022-07-11T21:33:42Z)
Characterization of Multiple 3D LiDARs for Localization and Mapping using Normal Distributions Transform [54.46473014276162]
マッピングや車両のローカライゼーションのタスクにおいて,多種多様なメーカー,モデル,レーザー構成を含む10種類の3次元LiDARセンサの詳細な比較を行った。この研究で使用されるデータは、我々のLiDAR Benchmarking and Reference(LIBRE)データセットのサブセットであり、各センサーから独立して、各日の異なる時間に、公道で何度も運転される車両から取得される。我々は,(1)平均地図エントロピーに基づく評価マップの品質を含む3次元地図作成作業における各LiDARの性能と特性を解析し,(2)地上の真理参照マップを用いて6-DOFのローカライゼーションを行う。
論文参考訳（メタデータ） (2020-04-03T05:05:36Z)
LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。 LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
論文参考訳（メタデータ） (2020-03-13T06:17:39Z)
3D Point Cloud Processing and Learning for Autonomous Driving [26.285659927609213]
本稿では,自動運転のための3Dポイントクラウド処理と学習についてレビューする。 LiDARセンサーは、オブジェクトやシーンの外面を正確に記録する3Dポイントの雲を収集する。
論文参考訳（メタデータ） (2020-03-01T22:13:46Z)

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。