論文の概要: LOL: Lidar-Only Odometry and Localization in 3D Point Cloud Maps

• arxiv url: http://arxiv.org/abs/2007.01595v1
• Date: Fri, 3 Jul 2020 10:20:53 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-14 06:04:48.709682
• Title: LOL: Lidar-Only Odometry and Localization in 3D Point Cloud Maps
• Title（参考訳）: LOL: 3Dポイントクラウドマップにおけるライダーオンリーオドメトリーとローカライゼーション
• Authors: David Rozenberszki, Andras Majdik
• Abstract要約: 都市部を走行するライダー搭載車両の軌道計測と位置推定の問題に対処する。 オンライン3Dポイントクラウドと事前オフラインマップとの間の幾何学的に類似した位置を検出するために,位置認識手法を適用した。 異なる長さと環境の複数のKittiデータセット上で,提案するLOLシステムの有用性を実証する。
• 参考スコア（独自算出の注目度）: 0.6091702876917281
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper we deal with the problem of odometry and localization for Lidar-equipped vehicles driving in urban environments, where a premade target map exists to localize against. In our problem formulation, to correct the accumulated drift of the Lidar-only odometry we apply a place recognition method to detect geometrically similar locations between the online 3D point cloud and the a priori offline map. In the proposed system, we integrate a state-of-the-art Lidar-only odometry algorithm with a recently proposed 3D point segment matching method by complementing their advantages. Also, we propose additional enhancements in order to reduce the number of false matches between the online point cloud and the target map, and to refine the position estimation error whenever a good match is detected. We demonstrate the utility of the proposed LOL system on several Kitti datasets of different lengths and environments, where the relocalization accuracy and the precision of the vehicle's trajectory were significantly improved in every case, while still being able to maintain real-time performance.
• Abstract（参考訳）: 本稿では,都市環境下で走行するライダー搭載車両の軌道計測と位置決めの問題に対処する。 本研究では,lidarのみのオドメトリの累積ドリフトを補正するために,オンライン3dポイントクラウドと事前オフラインマップの幾何学的に類似した位置を検出する位置認識手法を適用した。 提案システムでは,最新のLidarのみのオドメトリーアルゴリズムと,その利点を補完して最近提案された3Dポイントセグメントマッチング手法を統合する。 また,オンライン・ポイント・クラウドとターゲット・マップとの誤一致を少なくし,適切な一致が検出されるたびに位置推定誤差を精度良くする追加の強化も提案する。 異なる長さと環境の複数のKittiデータセットに対して提案したLOLシステムの有用性を実演し、車体軌跡の再局在精度と精度は、実時間性能を維持しつつ、すべてのケースにおいて大幅に改善された。

関連論文リスト

• Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
  本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。 本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。 我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
  論文  参考訳（メタデータ） (2024-10-10T10:10:03Z)
• Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
  局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。 ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。 これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
  論文  参考訳（メタデータ） (2024-02-27T10:10:12Z)
• Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local Geometry-driven Distance Metric [62.365983810610985]
  そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。 CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。 一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
  論文  参考訳（メタデータ） (2023-06-01T11:16:20Z)
• 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)
• Learnable Spatio-Temporal Map Embeddings for Deep Inertial Localization [21.300194809454077]
  本稿では,地図上のユーザ位置に関するデータ駆動型事前提案を行う。 従来の手作業で定義した手法よりも,どの地図領域がユーザにとって実現可能な場所かを,より正確にエンコードすることを学びました。
  論文  参考訳（メタデータ） (2022-11-14T18:58:21Z)
• CoFi: Coarse-to-Fine ICP for LiDAR Localization in an Efficient Long-lasting Point Cloud Map [21.20066952518376]
  本稿では,点集合を微細な点集合に変換するアルゴリズムを提案する。 また、フレームから意味点を抽出し、ポーズを推定するためにCoFiを適用した地図ベースのLiDARローカライゼーションアルゴリズムを提案する。 提案したCoFiの助けを借りて,提案したCoFiはセマンティックセグメンテーションのためのCylinder3Dアルゴリズムを実証する。
  論文  参考訳（メタデータ） (2021-10-19T18:23:08Z)
• Efficient LiDAR Odometry for Autonomous Driving [16.22522474028277]
  LiDARオドメトリーは、自律ナビゲーションの自己局在化とマッピングにおいて重要な役割を果たします。 近年の球面範囲画像ベース手法は球面マッピングによる高速近接探索の利点を享受している。 そこで本稿では,非球面画像と鳥眼視図の両面を基盤点に利用して,新しい効率的なLiDARオドメトリー手法を提案する。
  論文  参考訳（メタデータ） (2021-04-22T06:05:09Z)
• Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
  質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。 以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
  論文  参考訳（メタデータ） (2021-04-21T00:35:32Z)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Reconfigurable Voxels: A New Representation for LiDAR-Based Point Clouds [76.52448276587707]
  本稿では,3次元点群から表現を構成する新しい手法であるReconfigurable Voxelsを提案する。 具体的には,各地区を一定数のボクセルで適応的にカバーするランダムウォーク方式を考案する。 この手法は,特に疎水領域において,ボクセル特性の安定性を効果的に向上することがわかった。
  論文  参考訳（メタデータ） (2020-04-06T15:07:16Z)

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。