論文の概要: 3D Lidar Mapping Relative Accuracy Automatic Evaluation Algorithm

• arxiv url: http://arxiv.org/abs/2006.00857v1
• Date: Mon, 1 Jun 2020 11:30:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 07:33:18.926270
• Title: 3D Lidar Mapping Relative Accuracy Automatic Evaluation Algorithm
• Title（参考訳）: 3次元ライダーマッピング相対精度自動評価アルゴリズム
• Authors: Guibin Chen, Jiong Deng, Dongze Huang, Shuo Zhang
• Abstract要約: 3Dライダーに基づくHD(High Definition)マップは、自動運転車のローカライゼーション、計画、意思決定、知覚などにおいて重要な役割を果たす。 SLAMに関連する多くの3次元ライダーマッピング技術は、高い精度を確保するためにHDマップ構築に使用されている。 3次元ライダーマッピングの精度を評価するため、最も一般的な手法はポーズの基底真理を用いて推定されたポーズと基底真理の誤差を計算する。 本稿では,3次元ライダーマッピングで構築したHDマップの精度を自動的に評価する相対的精度評価アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 7.4977759910523964
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: HD (High Definition) map based on 3D lidar plays a vital role in autonomous vehicle localization, planning, decision-making, perception, etc. Many 3D lidar mapping technologies related to SLAM (Simultaneous Localization and Mapping) are used in HD map construction to ensure its high accuracy. To evaluate the accuracy of 3D lidar mapping, the most common methods use ground truth of poses to calculate the error between estimated poses and ground truth, however it's usually so difficult to get the ground truth of poses in the actual lidar mapping for autonomous vehicle. In this paper, we proposed a relative accuracy evaluation algorithm that can automatically evaluate the accuracy of HD map built by 3D lidar mapping without ground truth. A method for detecting the degree of ghosting in point cloud map quantitatively is designed to reflect the accuracy indirectly, which takes advantage of the principle of light traveling in a straight line and the fact that light can not penetrate opaque objects. Our experimental results confirm that the proposed evaluation algorithm can automatically and efficiently detect the bad poses whose accuracy are less than the set threshold such as 0.1m, then calculate the bad poses percentage P_bad in all estimated poses to obtain the final accuracy metric P_acc = 1 - P_bad.
• Abstract（参考訳）: 3dlidarに基づくhd(high definition)マップは、自動運転車のローカライズ、計画、意思決定、知覚などにおいて重要な役割を果たす。 SLAM(Simultaneous Localization and Mapping)に関連する多くの3次元ライダーマッピング技術がHDマップ構築に使われ、精度が向上する。 3次元ライダーマッピングの精度を評価するために、最も一般的な方法はポーズの基底真理を使って推定されたポーズと基底真理の誤差を計算するが、自動運転車の実際のライダーマッピングではポーズの基底真理を得るのがとても難しい。 本論文では,3次元ライダーマッピングにより構築したhdマップの精度を自動的に評価する相対精度評価アルゴリズムを提案する。 点雲マップにおけるゴーストの度合いを定量的に検出する方法は、直線を走行する光の原理と光が不透明な物体を貫通できないという事実を活かして、間接的に精度を反映するように設計されている。 実験の結果,提案手法は0.1m等の設定しきい値よりも精度が低い悪質なポーズを自動的にかつ効率的に検出し,推定されたすべてのポーズにおける悪質ポーズ率p_badを算出し,最終精度指標p_acc = 1 - p_badを得ることができた。

関連論文リスト

• Map-aided annotation for pole base detection [0.0]
  本稿では2次元HDマップを用いて,画像中の極状特徴を自動的にアノテートする。 高さ情報がない場合、地図の特徴は地上のポールベースとして表現される。 ポールベースを検出するためにオブジェクト検出器をどのように訓練するかを示す。
  論文  参考訳（メタデータ） (2024-03-04T09:23:11Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Satellite Image Based Cross-view Localization for Autonomous Vehicle [59.72040418584396]
  本稿では,市販の高精細衛星画像を使用可能な地図として利用することにより,良好な精度でクロスビュー車両のローカライゼーションを実現することができることを示す。 本手法はKITTIとFord Multi-AVの季節データセットを地上ビューとして,Google Mapsを衛星ビューとして検証した。
  論文  参考訳（メタデータ） (2022-07-27T13:16:39Z)
• Monocular Camera Localization for Automated Vehicles Using Image Retrieval [8.594652891734288]
  本研究では,1台のカメラを用いて,自動運転車の現在位置と方向角をリアルタイムで検出する問題に対処する。 リアルタイムにLiDARと高精細3Dマップを必要とする手法と比較して,提案手法はスケーラブルで計算効率がよい。
  論文  参考訳（メタデータ） (2021-09-13T20:12:42Z)
• Probabilistic and Geometric Depth: Detecting Objects in Perspective [78.00922683083776]
  3次元物体検出は、運転支援システムなどの様々な実用用途で必要とされる重要な機能である。 双眼視やLiDARに頼っている従来の設定に比べて、経済的な解決策として単眼3D検出が注目されているが、それでも満足のいく結果が得られていない。 本稿ではまず,この問題に関する系統的研究を行い,現在の単分子3次元検出問題をインスタンス深度推定問題として単純化できることを考察する。
  論文  参考訳（メタデータ） (2021-07-29T16:30:33Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• The Effect of Ground Truth Accuracy on the Evaluation of Localization Systems [6.702815463331469]
  本研究では,地中真理誤差が局地化システム評価に与える影響を理論的に解析する枠組みを提案する。 そこで我々は,検証誤差とマーキング・マップの真理誤差から,実際のアルゴリズム誤差を計算するための2つのアルゴリズムを設計した。 マーキング誤差アルゴリズムは実誤差CDFを4%以内でマッチングし,マップが6mずれた場合には中央値/テール誤差を150%/72%精度で推定する。
  論文  参考訳（メタデータ） (2021-06-25T13:07:59Z)
• PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
  既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。 この2つのタスクを同一のメトリック空間で統一するモデルを提案する。 提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-01-17T05:11:38Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。