論文の概要: A comprehensive survey on point cloud registration
- arxiv url: http://arxiv.org/abs/2103.02690v1
- Date: Wed, 3 Mar 2021 21:17:06 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-05 15:00:23.037863
- Title: A comprehensive survey on point cloud registration
- Title(参考訳): ポイントクラウド登録に関する総合調査
- Authors: Xiaoshui Huang, Guofeng Mei, Jian Zhang, Rana Abbas
- Abstract要約: 最近のディープラーニングの成功は、登録の堅牢性と効率を大幅に改善した。
この調査は、クロスソースポイントクラウド登録の開発をレビューし、最新の登録アルゴリズムを評価するための新しいベンチマークを構築します。
- 参考スコア(独自算出の注目度): 11.69025325594053
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Registration is a problem of transformation estimation between two point
clouds, which has experienced a long history of development from an
optimization aspect. The recent success of deep learning has vastly improved
registration robustness and efficiency. This survey tries to conduct a
comprehensive review and build the connection between optimization-based
methods and deep learning methods, to provide further research insight.
Moreover, with the recent development of 3D sensors and 3D reconstruction
techniques, a new research direction also emerges to align cross-source point
clouds. This survey reviews the development of cross-source point cloud
registration and builds a new benchmark to evaluate the state-of-the-art
registration algorithms. Besides, this survey summarizes the benchmark data
sets and discusses point cloud registration applications across various
domains. Finally, this survey proposes potential research directions in this
rapidly growing field.
- Abstract(参考訳): 登録は、2つのポイントクラウド間の変換推定の問題であり、最適化の観点から長い開発の歴史を経験してきた。
最近のディープラーニングの成功は、登録の堅牢性と効率を大幅に改善した。
本調査では,最適化手法と深層学習手法の関連性を総合的に検討し,さらなる研究知見を提供する。
さらに,近年の3次元センサと3次元再構成技術により,新たな研究方向が明らかになってきた。
この調査は、クロスソースポイントクラウド登録の開発をレビューし、最新の登録アルゴリズムを評価するための新しいベンチマークを構築します。
さらに、この調査はベンチマークデータセットを要約し、さまざまなドメインにまたがるポイントクラウド登録アプリケーションについても論じている。
最後に,この急成長分野における研究の方向性について考察する。
関連論文リスト
- State-Space Modeling in Long Sequence Processing: A Survey on Recurrence in the Transformer Era [59.279784235147254]
このサーベイは、シーケンシャルなデータ処理の反復モデルに基づく最新のアプローチの詳細な概要を提供する。
新たなイメージは、標準のバックプロパゲーション・オブ・タイムから外れた学習アルゴリズムによって構成される、新しいルートを考える余地があることを示唆している。
論文 参考訳(メタデータ) (2024-06-13T12:51:22Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳(メタデータ) (2023-10-28T06:31:06Z) - A Survey of Label-Efficient Deep Learning for 3D Point Clouds [109.07889215814589]
本稿では,点雲のラベル効率学習に関する包括的調査を行う。
本稿では,ラベルの種類によって提供されるデータ前提条件に基づいて,ラベル効率のよい学習手法を整理する分類法を提案する。
それぞれのアプローチについて、問題設定の概要と、関連する進展と課題を示す広範な文献レビューを提供する。
論文 参考訳(メタデータ) (2023-05-31T12:54:51Z) - Efficient and Deterministic Search Strategy Based on Residual Projections for Point Cloud Registration with Correspondences [18.509532571594995]
現在の3D特徴マッチングアプローチは、通常、多くの外乱対応をもたらし、外乱登録技術は不可欠である。
本稿では,残射影に基づく新しいポーズデカップリング戦略を導入し,生の登録問題を3つのサブプロブレムに分解する。
本手法は,同時ポーズと登録の困難な問題に適応することができる。
論文 参考訳(メタデータ) (2023-05-19T14:52:40Z) - Revisiting the Minimalist Approach to Offline Reinforcement Learning [52.0035089982277]
ReBRACはTD3+BC法上に構築された設計要素を統合する最小限のアルゴリズムである。
D4RLとV-D4RLのベンチマークを用いて,51データセット上のReBRACの評価を行った。
論文 参考訳(メタデータ) (2023-05-16T22:37:01Z) - Point Cloud Registration for LiDAR and Photogrammetric Data: a Critical
Synthesis and Performance Analysis on Classic and Deep Learning Algorithms [7.874736360019618]
本稿では,SOTA(State-of-the-art)ポイントクラウド登録手法について概観する。
本研究では,屋内から衛星まで多様な点雲データを用いて,これらの手法を解析・評価する。
古典的な手作り、ディープラーニングに基づく特徴対応、堅牢なC2C手法を含む10以上の手法が試験された。
論文 参考訳(メタデータ) (2023-02-14T16:52:26Z) - A Survey of Non-Rigid 3D Registration [28.853099966806056]
非剛性登録は、ソース表面とターゲット表面とのアライメントを非剛性的に計算する。
非剛性登録は変形可能な形状の取得に応用され、幅広い用途がある。
論文 参考訳(メタデータ) (2022-03-11T15:54:19Z) - Comprehensive Review of Deep Learning-Based 3D Point Cloud Completion
Processing and Analysis [14.203228394483117]
本研究の目的は、ポイントベース、畳み込みベース、グラフベース、生成モデルベースアプローチなど、様々な手法に関する包括的な調査を行うことである。
このレビューでは、よく使われるデータセットをまとめ、ポイントクラウド補完の応用について説明する。
論文 参考訳(メタデータ) (2022-03-07T11:47:14Z) - Fast and Robust Registration of Partially Overlapping Point Clouds [5.073765501263891]
部分的に重なる点雲のリアルタイム登録は、自動運転車の協調認識に新たな応用をもたらす。
これらのアプリケーションにおける点雲間の相対的な変換は、従来のSLAMやオドメトリーアプリケーションよりも高い。
本稿では,効率の良い特徴エンコーダを用いて対応を学習する部分重複点群に対する新しい登録法を提案する。
論文 参考訳(メタデータ) (2021-12-18T12:39:05Z) - Deep Learning for Community Detection: Progress, Challenges and
Opportunities [79.26787486888549]
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
この記事では、ディープニューラルネットワークにおける様々なフレームワーク、モデル、アルゴリズムの貢献について要約する。
論文 参考訳(メタデータ) (2020-05-17T11:22:11Z) - Learning multiview 3D point cloud registration [74.39499501822682]
本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。
このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
論文 参考訳(メタデータ) (2020-01-15T03:42:14Z)
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。