論文の概要: Global Unifying Intrinsic Calibration for Spinning and Solid-State
LiDARs
- arxiv url: http://arxiv.org/abs/2012.03321v1
- Date: Sun, 6 Dec 2020 16:55:58 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-21 13:54:10.148600
- Title: Global Unifying Intrinsic Calibration for Spinning and Solid-State
LiDARs
- Title（参考訳）: スピン化と固相LiDARのためのグローバル統一固有の校正
- Authors: Jiunn-Kai Huang, Chenxi Feng, Madhav Achar, Maani Ghaffari, and Jessy
W. Grizzle
- Abstract要約: スピンおよび固体LiDARの新しいキャリブレーションモデルを提案する。
提案モデルが適切に向き付けされた4つの対象に対して十分に制約された(一意の答えを持つ)ことを数学的に証明する。
スピンリングLiDARにおいて,提案した行列Lie GroupモデルがP2P距離を低減しつつ,ノイズに対してより頑健であることを示す実験データを用いて実験を行った。
- 参考スコア（独自算出の注目度）: 1.6252896527001484
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sensor calibration, which can be intrinsic or extrinsic, is an essential step
to achieve the measurement accuracy required for modern perception and
navigation systems deployed on autonomous robots. To date, intrinsic
calibration models for spinning LiDARs have been based on hypothesized based on
their physical mechanisms, resulting in anywhere from three to ten parameters
to be estimated from data, while no phenomenological models have yet been
proposed for solid-state LiDARs. Instead of going down that road, we propose to
abstract away from the physics of a LiDAR type (spinning vs solid-state, for
example), and focus on the spatial geometry of the point cloud generated by the
sensor. By modeling the calibration parameters as an element of a special
matrix Lie Group, we achieve a unifying view of calibration for different types
of LiDARs. We further prove mathematically that the proposed model is
well-constrained (has a unique answer) given four appropriately orientated
targets. The proof provides a guideline for target positioning in the form of a
tetrahedron. Moreover, an existing Semidefinite programming global solver for
SE(3) can be modified to compute efficiently the optimal calibration
parameters. For solid state LiDARs, we illustrate how the method works in
simulation. For spinning LiDARs, we show with experimental data that the
proposed matrix Lie Group model performs equally well as physics-based models
in terms of reducing the P2P distance, while being more robust to noise.
- Abstract（参考訳）: センサキャリブレーションは内在的あるいは外在的であり、自律ロボットに展開する現代の認識とナビゲーションシステムに必要な測定精度を達成するための重要なステップである。
これまでのところ、回転LiDARの固有キャリブレーションモデルは、その物理機構に基づいて仮説化されており、データから推定されるパラメータが3から10であるのに対して、固体LiDARの現象モデルはまだ提案されていない。
この道を進む代わりに、LiDAR型(スピン対固体状態など)の物理学を抽象化し、センサによって生成された点雲の空間幾何学に焦点を当てることを提案する。
特殊行列リー群の要素としてキャリブレーションパラメータをモデル化することにより、異なるタイプのLiDARに対するキャリブレーションの統一ビューを実現する。
さらに,提案モデルが(一意的な回答を持つ)適切な向き付け目標を4つ与えていることを数学的に証明する。
この証明は、四面体形の標的位置決めのガイドラインを提供する。
さらに、SE(3)の既定プログラム大域解法を最適化して最適な校正パラメータを効率的に計算することができる。
固体LiDARの場合、シミュレーションでどのように動作するかを説明する。
スピンリングLiDARにおいて,提案した行列Lie Groupモデルが,P2P距離を低減しつつ,ノイズに対してより堅牢な物理モデルと同等に動作することを示す。
関連論文リスト
- LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [50.808933338389686]
LiDARシミュレーションは、自動運転におけるクローズドループシミュレーションにおいて重要な役割を果たす。
都市景観におけるLiDARセンサスキャンをリアルタイムに再現するために,最初のLiDARガウス法であるLiDAR-GSを提案する。
我々の手法は、深度、強度、レイドロップチャンネルを同時に再現することに成功し、公開可能な大規模シーンデータセットにおけるフレームレートと品質の両方のレンダリング結果を達成する。
論文 参考訳（メタデータ） (2024-10-07T15:07:56Z) - Tightly-Coupled LiDAR-IMU-Wheel Odometry with Online Calibration of a Kinematic Model for Skid-Steering Robots [18.94074811198885]
トンネルと長い廊下は、これらの環境でLiDARポイントクラウドが縮退するので、移動ロボットにとって困難な環境である。
本研究では,スキッドステアリングロボットのオンラインキャリブレーションを用いた,密結合型LiDAR-IMUホイールオドメトリーアルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-03T07:07:29Z) - Data-freeWeight Compress and Denoise for Large Language Models [101.53420111286952]
パラメータ行列を圧縮する手法として,データフリーなジョイントランクk近似を提案する。
キャリブレーションデータなしで、元の性能の93.43%を維持しながら80%のパラメータのモデルプルーニングを実現する。
論文 参考訳（メタデータ） (2024-02-26T05:51:47Z) - Automatic Parameterization for Aerodynamic Shape Optimization via Deep
Geometric Learning [60.69217130006758]
空力形状最適化のための形状パラメータ化を完全に自動化する2つの深層学習モデルを提案する。
どちらのモデルも、深い幾何学的学習を通じてパラメータ化し、人間の事前知識を学習された幾何学的パターンに埋め込むように最適化されている。
2次元翼の形状最適化実験を行い、2つのモデルに適用可能なシナリオについて論じる。
論文 参考訳（メタデータ） (2023-05-03T13:45:40Z) - Support Vector Machine for Determining Euler Angles in an Inertial
Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。
提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文 参考訳（メタデータ） (2022-12-07T10:01:11Z) - Learning to Simulate Realistic LiDARs [66.7519667383175]
リアルLiDARセンサのデータ駆動シミュレーションのためのパイプラインを提案する。
本モデルでは, 透明表面上の落下点などの現実的な効果を符号化できることが示される。
我々は2つの異なるLiDARセンサのモデルを学習し、それに従ってシミュレーションされたLiDARデータを改善する。
論文 参考訳（メタデータ） (2022-09-22T13:12:54Z) - gLaSDI: Parametric Physics-informed Greedy Latent Space Dynamics
Identification [0.5249805590164902]
物理インフォームド・グレディ・ラテント・スペース・ダイナミクス同定法(gLa)を提案する。
インタラクティブなトレーニングアルゴリズムがオートエンコーダとローカルDIモデルに採用され、単純な潜在空間のダイナミクスを識別できる。
提案手法の有効性は, 様々な非線形力学問題をモデル化することによって実証される。
論文 参考訳（メタデータ） (2022-04-26T00:15:46Z) - LiDAR Snowfall Simulation for Robust 3D Object Detection [116.10039516404743]
そこで本研究では,降雪の影響をシミュレーションする物理的手法を提案する。
本手法では,LiDARの各線に対して2次元空間の雪粒子をサンプリングし,誘導幾何を用いて各LiDAR線の測定を修正した。
我々はシミュレーションを用いて、部分的に合成された雪のLiDARデータを生成し、これらのデータを利用して、降雪に頑健な3次元物体検出モデルを訓練する。
論文 参考訳（メタデータ） (2022-03-28T21:48:26Z) - LiDAR Point--to--point Correspondences for Rigorous Registration of
Kinematic Scanning in Dynamic Networks [0.0]
本稿では,LiDAR点雲の登録を改善するための新しい軌道調整手法を提案する。
本稿では、新しい観測モデルとして、動的ネットワークにどのように挿入されるか、および対応を選択する方法について述べる。
次に、低コストMEMS慣性センサを用いた実用的な空中レーザー走査シナリオにおける提案手法の性能評価実験について述べる。
論文 参考訳（メタデータ） (2022-01-03T11:53:55Z) - CRLF: Automatic Calibration and Refinement based on Line Feature for
LiDAR and Camera in Road Scenes [16.201111055979453]
道路シーンにおけるライダーとカメラの遠距離パラメータを校正する新しい手法を提案する。
道路の車線やポールなどの静的な直線形状の物体を画像と点群の両方で線状化します。
KITTIと社内データセットに関する広範な実験を行い、定量的および定性的な結果は、当社の方法の堅牢性と正確性を示しています。
論文 参考訳（メタデータ） (2021-03-08T06:02:44Z) - Spatiotemporal Camera-LiDAR Calibration: A Targetless and Structureless
Approach [32.15405927679048]
ターゲットレスで構造のないカメラ-DARキャリブレーション法を提案する。
本手法は, 時間的パラメータの初期調整を必要としないような, 閉形式解と非構造束を結合する。
提案手法の精度とロバスト性をシミュレーションおよび実データ実験により実証する。
論文 参考訳（メタデータ） (2020-01-17T07:25:59Z)
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。