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
- 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) - One Million Scenes for Autonomous Driving: ONCE Dataset [91.94189514073354]
自律運転シナリオにおける3次元物体検出のためのONCEデータセットを提案する。
データは、利用可能な最大の3D自動運転データセットよりも20倍長い144時間の運転時間から選択される。
我々はONCEデータセット上で、様々な自己教師的・半教師的手法を再現し、評価する。
論文 参考訳(メタデータ) (2021-06-21T12:28:08Z) - Deep Learning for LiDAR Point Clouds in Autonomous Driving: A Review [33.56857661598032]
我々は、LiDARポイントクラウドに適用された既存の魅力的なディープラーニングアーキテクチャを体系的にレビューする。
この調査では、過去5年間に140以上の重要なコントリビューションがまとめられている。
論文 参考訳(メタデータ) (2020-05-20T03:01:40Z) - 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。
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。