論文の概要: Virtual laser scanning with HELIOS++: A novel take on ray tracing-based simulation of topographic 3D laser scanning

• arxiv url: http://arxiv.org/abs/2101.09154v1
• Date: Thu, 21 Jan 2021 16:39:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-21 12:59:03.111720
• Title: Virtual laser scanning with HELIOS++: A novel take on ray tracing-based simulation of topographic 3D laser scanning
• Title（参考訳）: HELIOS++を用いた仮想レーザー走査--トポグラフィー3次元レーザー走査の光トレーシングに基づく新しいシミュレーション
• Authors: Lukas Winiwarter, Alberto Manuel Esmor\'is Pena, Hannah Weiser, Katharina Anders, Jorge Mart\'inez Sanchez, Mark Searle, Bernhard H\"ofle
• Abstract要約: HELIOS++は、C++で実装された地上静的、移動型、UAVベース、空中レーザースキャンのためのオープンソースのシミュレーションフレームワークである。 HELIOS++のユニークな特徴は、シミュレーションを制御するPythonバインディングの可用性と、3Dシーン表現のためのモデルタイプの範囲である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Topographic laser scanning is a remote sensing method to create detailed 3D point cloud representations of the Earth's surface. Since data acquisition is expensive, simulations can complement real data given certain premises are available: i) a model of 3D scene and scanner, ii) a model of the beam-scene interaction, simplified to a computationally feasible while physically realistic level, and iii) an application for which simulated data is fit for use. A number of laser scanning simulators for different purposes exist, which we enrich by presenting HELIOS++. HELIOS++ is an open-source simulation framework for terrestrial static, mobile, UAV-based and airborne laser scanning implemented in C++. The HELIOS++ concept provides a flexible solution for the trade-off between physical accuracy (realism) and computational complexity (runtime, memory footprint), as well as ease of use and of configuration. Unique features of HELIOS++ include the availability of Python bindings (pyhelios) for controlling simulations, and a range of model types for 3D scene representation. HELIOS++ further allows the simulation of beam divergence using a subsampling strategy, and is able to create full-waveform outputs as a basis for detailed analysis. As generation and analysis of waveforms can strongly impact runtimes, the user may set the level of detail for the subsampling, or optionally disable full-waveform output altogether. A detailed assessment of computational considerations and a comparison of HELIOS++ to its predecessor, HELIOS, reveal reduced runtimes by up to 83 %. At the same time, memory requirements are reduced by up to 94 %, allowing for much larger (i.e. more complex) 3D scenes to be loaded into memory and hence to be virtually acquired by laser scanning simulation.
• Abstract（参考訳）: 地形レーザースキャンは、地球表面の詳細な3次元点雲表現を作成するためのリモートセンシング手法である。 データ取得は高価であるため、シミュレーションは3Dシーンとスキャナーのモデル、ビームシーンの相互作用のモデル、物理的に現実的なレベルで計算可能に単純化されたアプリケーション、そして、シミュレーションされたデータが使用に適合するアプリケーションなど、特定の前提によって実際のデータを補完することができる。 異なる目的のレーザー走査シミュレータが多数存在し、 helios++ を提示することで富む。 HELIOS++は、C++で実装された地上静的、移動型、UAVベース、空中レーザースキャンのためのオープンソースのシミュレーションフレームワークである。 HELIOS++の概念は、物理精度(リアリズム)と計算複雑性(ランタイム、メモリフットプリント)のトレードオフに対する柔軟なソリューションと、使いやすさと構成の容易さを提供する。 HELIOS++のユニークな特徴は、シミュレーションを制御するPythonバインディング(pyhelios)と、3Dシーン表現のためのモデルタイプの範囲である。 HELIOS++はさらに、サブサンプリング戦略を用いてビーム分散のシミュレーションを可能にし、詳細な解析の基盤としてフルウェーブフォーム出力を作成することができる。 波形の生成と解析がランタイムに大きな影響を与える可能性があるため、ユーザはサブサンプリングのディテールレベルを設定するか、オプションでフルウェーブフォーム出力を完全に無効にすることができる。 計算上の考慮事項の詳細な評価と、HELIOS++と前任のHELIOSとの比較により、ランタイムの最大83%削減が明らかになった。 同時に、メモリ要求は最大94 %削減され、さらに大きな(すなわち)処理が可能になった。 より複雑な)3Dシーンをメモリにロードし、レーザー走査シミュレーションによって事実上取得する。

関連論文リスト

• Continual learning autoencoder training for a particle-in-cell simulation via streaming [52.77024349608834]
  今後のエクサスケール時代は 次世代の物理シミュレーションを 高解像度で提供します これらのシミュレーションは高解像度であり、ディスク上に大量のシミュレーションデータを格納することはほぼ不可能であるため、機械学習モデルのトレーニングに影響を与える。 この研究は、ディスク上のデータなしで、実行中のシミュレーションにニューラルネットワークを同時にトレーニングするアプローチを示す。
  論文  参考訳（メタデータ） (2022-11-09T09:55:14Z)
• PCGen: Point Cloud Generator for LiDAR Simulation [10.692184635629792]
  既存の方法は、実点雲よりもノイズが多く、完全なデータを生成する。 我々はFPAレイキャストと代理モデルレイドロップを提案する。 最小限のトレーニングデータによって、代理モデルは異なる地理やシーンに一般化することができる。 その結果、シミュレーションデータにより訓練されたオブジェクト検出モデルは、実際のデータトレーニングモデルと同じような結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-10-17T04:13:21Z)
• 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)
• IBISCape: A Simulated Benchmark for multi-modal SLAM Systems Evaluation in Large-scale Dynamic Environments [0.0]
  IBISCapeは高忠実度SLAMシステムのシミュレーションベンチマークである。 自動運転車のナビゲーションに適した34のマルチモーダルデータセットを提供します。 シミュレーションされた大規模動的環境において, 各種配列上でのORB-SLAM3システムの評価を行った。
  論文  参考訳（メタデータ） (2022-06-27T17:04:06Z)
• Simple and Effective Synthesis of Indoor 3D Scenes [78.95697556834536]
  1枚以上の画像から3D屋内シーンを没入する問題について検討する。 我々の狙いは、新しい視点から高解像度の画像とビデオを作成することである。 本稿では,不完全点雲の再投影から高解像度のRGB-D画像へ直接マップするイメージ・ツー・イメージのGANを提案する。
  論文  参考訳（メタデータ） (2022-04-06T17:54:46Z)
• Phase-SLAM: Phase Based Simultaneous Localization and Mapping for Mobile Structured Light Illumination Systems [14.9174946109114]
  Phase-SLAMは、高速かつ正確なSLIセンサのポーズ推定と3Dオブジェクト再構成のためのフレームワークである。 シミュレーションプラットフォームとロボットアームをベースとしたSLIシステムの両方のデータセットを現実に構築し,提案手法の検証を行う。 実験結果から,提案したPhase-SLAMは,ポーズ推定や3次元再構成の点で,他の最先端手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-22T13:47:06Z)
• Recovering and Simulating Pedestrians in the Wild [81.38135735146015]
  本研究では,自動車の走行によって野生で捕獲されたセンサから歩行者の形状と動きを復元することを提案する。 再建された歩行者資産銀行をリアルな3Dシミュレーションシステムに組み込む。 シミュレーションしたLiDARデータを用いて,視覚知覚タスクに必要な実世界のデータ量を大幅に削減できることを示す。
  論文  参考訳（メタデータ） (2020-11-16T17:16:32Z)
• Manual-Label Free 3D Detection via An Open-Source Simulator [50.74299948748722]
  我々は、CARLAシミュレータを利用して、大量の自己ラベル付きトレーニングサンプルを生成する手動ラベルフリーな3D検出アルゴリズムを提案する。 ドメイン適応型VoxelNet(DA-VoxelNet)は、合成データから実際のシナリオへの分散ギャップを横断することができる。 実験の結果、提案されたDA 3D検出器は、KITTI評価セット上で76.66%と56.64%のmAPを達成することができた。
  論文  参考訳（メタデータ） (2020-11-16T08:29:01Z)
• LiDARsim: Realistic LiDAR Simulation by Leveraging the Real World [84.57894492587053]
  物理に基づくシミュレーションと学習に基づくシミュレーションの両方のパワーをキャプチャする新しいシミュレータを開発した。 まず3Dシーン上でレイキャストを行い、次にディープニューラルネットワークを用いて物理シミュレーションから偏差を生成する。 本稿では,LiDARsimが長距離イベントにおける認識アルゴリズムのテストに有用であること,および安全クリティカルシナリオにおけるエンドツーエンドのクローズループ評価について紹介する。
  論文  参考訳（メタデータ） (2020-06-16T17:44:35Z)

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。