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: 翻訳完了
- 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
- EVolSplat: Efficient Volume-based Gaussian Splatting for Urban View Synthesis [61.1662426227688]
既存のNeRFおよび3DGSベースの手法は、フォトリアリスティックレンダリングを実現する上で有望な結果を示すが、スローでシーンごとの最適化が必要である。
本稿では,都市景観を対象とした効率的な3次元ガウススプレイティングモデルEVolSplatを紹介する。
論文 参考訳（メタデータ） (2025-03-26T02:47:27Z) - Automating 3D Dataset Generation with Neural Radiance Fields [0.0]
パフォーマンス検出モデルのトレーニングには、多様な、正確に注釈付けされた、大規模なデータセットが必要である。
任意のオブジェクトに対する3Dデータセットの自動生成のためのパイプラインを提案する。
私たちのパイプラインは速く、使いやすく、高度な自動化があります。
論文 参考訳（メタデータ） (2025-03-20T10:01:32Z) - The Oxford Spires Dataset: Benchmarking Large-Scale LiDAR-Visual Localisation, Reconstruction and Radiance Field Methods [10.265865092323041]
本稿では,オックスフォードの有名なランドマーク周辺で収集された大規模マルチモーダルデータセットを紹介する。
また、ローカライゼーション、再構築、新規ビュー合成を含むタスクのベンチマークも作成する。
我々のデータセットとベンチマークは、放射場法とSLAMシステムのより良い統合を容易にすることを意図している。
論文 参考訳（メタデータ） (2024-11-15T19:43:24Z) - DeBaRA: Denoising-Based 3D Room Arrangement Generation [22.96293773013579]
有界環境における正確で制御可能で柔軟なアレンジメント生成に適したスコアベースモデルであるDeBaRAを紹介する。
本研究では,オブジェクトの空間特性に着目して,シーン合成や完了,再配置など,複数のダウンストリームアプリケーションを実行するために,単一トレーニングされたDeBaRAモデルをテスト時に活用できることを実証する。
論文 参考訳（メタデータ） (2024-09-26T23:18:25Z) - Outdoor Scene Extrapolation with Hierarchical Generative Cellular Automata [70.9375320609781]
我々は,自律走行車(AV)で多量に捕獲された大規模LiDARスキャンから微細な3次元形状を生成することを目指している。
本稿では,空間的にスケーラブルな3次元生成モデルである階層型生成セルオートマトン (hGCA) を提案する。
論文 参考訳（メタデータ） (2024-06-12T14:56:56Z) - EM-GANSim: Real-time and Accurate EM Simulation Using Conditional GANs for 3D Indoor Scenes [55.2480439325792]
実時間電磁伝搬のための新しい機械学習手法(EM-GANSim)を提案する。
実際には、3D屋内環境のあらゆる場所で数ミリ秒で信号強度を計算することができる。
論文 参考訳（メタデータ） (2024-05-27T17:19:02Z) - MM3DGS SLAM: Multi-modal 3D Gaussian Splatting for SLAM Using Vision, Depth, and Inertial Measurements [59.70107451308687]
カメラ画像と慣性測定による地図表現に3Dガウスアンを用いることで、精度の高いSLAMが実現できることを示す。
我々の手法であるMM3DGSは、より高速なスケール認識と軌道追跡の改善により、事前レンダリングの限界に対処する。
また,カメラと慣性測定ユニットを備えた移動ロボットから収集したマルチモーダルデータセットUT-MMもリリースした。
論文 参考訳（メタデータ） (2024-04-01T04:57:41Z) - 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) - 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) - 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。