論文の概要: A New Framework for Registration of Semantic Point Clouds from Stereo and RGB-D Cameras

• arxiv url: http://arxiv.org/abs/2012.03683v1
• Date: Tue, 10 Nov 2020 23:26:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 08:17:51.427209
• Title: A New Framework for Registration of Semantic Point Clouds from Stereo and RGB-D Cameras
• Title（参考訳）: ステレオおよびrgb-dカメラからの意味点雲の登録のための新しい枠組み
• Authors: Ray Zhang, Tzu-Yuan Lin, Chien Erh Lin, Steven A. Parkison, William Clark, Jessy W. Grizzle, Ryan M. Eustice and Maani Ghaffari
• Abstract要約: 本稿では、新しい非パラメトリックな剛性点クラウド登録フレームワークについて報告する。 点雲は再現可能な核ヒルベルト空間における非パラメトリック関数として表される。 提案するフレームワークに固有の,新たなポイントクラウドアライメント指標を提案する。
• 参考スコア（独自算出の注目度）: 10.658332751840891
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper reports on a novel nonparametric rigid point cloud registration framework that jointly integrates geometric and semantic measurements such as color or semantic labels into the alignment process and does not require explicit data association. The point clouds are represented as nonparametric functions in a reproducible kernel Hilbert space. The alignment problem is formulated as maximizing the inner product between two functions, essentially a sum of weighted kernels, each of which exploits the local geometric and semantic features. As a result of the continuous models, analytical gradients can be computed, and a local solution can be obtained by optimization over the rigid body transformation group. Besides, we present a new point cloud alignment metric that is intrinsic to the proposed framework and takes into account geometric and semantic information. The evaluations using publicly available stereo and RGB-D datasets show that the proposed method outperforms state-of-the-art outdoor and indoor frame-to-frame registration methods. An open-source GPU implementation is also provided.
• Abstract（参考訳）: 本稿では,色や意味ラベルなどの幾何学的および意味的計測をアライメントプロセスに統合し,明示的なデータ関連付けを必要としない,新しい非パラメトリック剛性点クラウド登録フレームワークについて報告する。 点雲は再現可能な核ヒルベルト空間における非パラメトリック関数として表される。 アライメント問題は、2つの関数間の内積の最大化(本質的には重み付きカーネルの和)として定式化され、それぞれが局所幾何学的特徴と意味的特徴を利用する。 連続モデルの結果、解析的勾配を計算でき、剛体変換群に対する最適化により局所解を得ることができる。 さらに,提案フレームワークに固有の新たなポイントクラウドアライメント指標を提案し,幾何学的および意味的情報を考慮した。 公開ステレオおよびRGB-Dデータセットを用いて評価した結果,提案手法は屋外および屋内のフレーム・ツー・フレームの登録方法よりも優れていた。 オープンソースのGPU実装も提供されている。

関連論文リスト

• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• kNN-Res: Residual Neural Network with kNN-Graph coherence for point cloud registration [0.4129225533930966]
  本稿では,目標点集合の位相構造を保存した残差ニューラルネットワークを用いた点集合登録法を提案する。 提案手法は2次元トイの例を例に紹介し,高次元フローサイトメトリーを用いて実験を行った。
  論文  参考訳（メタデータ） (2023-03-31T18:06:26Z)
• Overlap-guided Gaussian Mixture Models for Point Cloud Registration [61.250516170418784]
  確率的3Dポイントクラウド登録法は、ノイズ、アウトレーヤ、密度変動を克服する競合性能を示した。 本稿では,一致したガウス混合モデル(GMM)パラメータから最適変換を演算する,重複誘導確率登録手法を提案する。
  論文  参考訳（メタデータ） (2022-10-17T08:02:33Z)
• Improving RGB-D Point Cloud Registration by Learning Multi-scale Local Linear Transformation [38.64501645574878]
  ポイントクラウド登録は、2つのポイントクラウドスキャン間の幾何学的変換を推定することを目的としている。 近年,RGB-Dデータをより正確な対応に利用しようと試みている。 マルチスケールな局所線形変換を用いたGAVE(Geometry-Aware Visual Feature Extractor)を提案する。
  論文  参考訳（メタデータ） (2022-08-31T14:36:09Z)
• Multiway Non-rigid Point Cloud Registration via Learned Functional Map Synchronization [105.14877281665011]
  我々は、点雲上に定義された学習関数に関する地図を同期させることにより、複数の非剛体形状を登録する新しい方法であるSyNoRiMを提案する。 提案手法は,登録精度において最先端の性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2021-11-25T02:37:59Z)
• UPDesc: Unsupervised Point Descriptor Learning for Robust Registration [54.95201961399334]
  UPDescは、ロバストポイントクラウド登録のためのポイント記述子を学習するための教師なしの方法である。 学習した記述子は既存の教師なし手法よりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-08-05T17:11:08Z)
• LSG-CPD: Coherent Point Drift with Local Surface Geometry for Point Cloud Registration [1.8876415010297891]
  剛点雲登録のための局所表面形状法 (LSG-CPD) を用いた CPD と呼ばれる新しい手法を提案する。 本手法は,局所表面の平坦度に基づいて,点対面のペナリゼーションに異なるレベルのペナリゼーションを適応的に付加する。 CPDの現代の実装よりもはるかに高速です。
  論文  参考訳（メタデータ） (2021-03-28T03:46:41Z)
• Robust Kernel-based Feature Representation for 3D Point Cloud Analysis via Circular Graph Convolutional Network [2.42919716430661]
  本稿では,回転,密度,スケール変動に堅牢な新しい局所特徴記述法を提案する。 局所記述子の表現を改善するために,グローバルアグリゲーション手法を提案する。 本手法は最先端手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2020-12-22T18:02:57Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• Nonparametric Continuous Sensor Registration [1.290382979353427]
  本稿では、データを用いた連続関数の非パラメトリックな関節意味と幾何学的表現を可能にする新しい数学的枠組みを開発する。 ジョイント埋め込みは、再生されたカーネルヒルベルト空間におけるプロセスを表現することによってモデル化される。 RGB-Dカメラのためのこのフレームワークの実装は、最先端の堅牢なビジュアル・オドメトリーよりも優れている。
  論文  参考訳（メタデータ） (2020-01-08T17:40:54Z)
• Quaternion Equivariant Capsule Networks for 3D Point Clouds [58.566467950463306]
  本稿では,3次元回転と翻訳に同値な点雲を処理するための3次元カプセルモジュールを提案する。 カプセル間の動的ルーティングをよく知られたWeiszfeldアルゴリズムに接続する。 オペレーターに基づいて、ポーズから幾何学をアンタングルするカプセルネットワークを構築します。
  論文  参考訳（メタデータ） (2019-12-27T13:51:17Z)

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。