論文の概要: Efficient LiDAR Odometry for Autonomous Driving

• arxiv url: http://arxiv.org/abs/2104.10879v1
• Date: Thu, 22 Apr 2021 06:05:09 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-23 13:45:17.658839
• Title: Efficient LiDAR Odometry for Autonomous Driving
• Title（参考訳）: 自律走行のための効率的なLiDARオドメトリー
• Authors: Xin Zheng, Jianke Zhu
• Abstract要約: LiDARオドメトリーは、自律ナビゲーションの自己局在化とマッピングにおいて重要な役割を果たします。 近年の球面範囲画像ベース手法は球面マッピングによる高速近接探索の利点を享受している。 そこで本稿では,非球面画像と鳥眼視図の両面を基盤点に利用して,新しい効率的なLiDARオドメトリー手法を提案する。
• 参考スコア（独自算出の注目度）: 16.22522474028277
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LiDAR odometry plays an important role in self-localization and mapping for autonomous navigation, which is usually treated as a scan registration problem. Although having achieved promising performance on KITTI odometry benchmark, the conventional searching tree-based approach still has the difficulty in dealing with the large scale point cloud efficiently. The recent spherical range image-based method enjoys the merits of fast nearest neighbor search by spherical mapping. However, it is not very effective to deal with the ground points nearly parallel to LiDAR beams. To address these issues, we propose a novel efficient LiDAR odometry approach by taking advantage of both non-ground spherical range image and bird's-eye-view map for ground points. Moreover, a range adaptive method is introduced to robustly estimate the local surface normal. Additionally, a very fast and memory-efficient model update scheme is proposed to fuse the points and their corresponding normals at different time-stamps. We have conducted extensive experiments on KITTI odometry benchmark, whose promising results demonstrate that our proposed approach is effective.
• Abstract（参考訳）: LiDARオドメトリーは、通常、スキャン登録問題として扱われる自律ナビゲーションの自己局在化とマッピングにおいて重要な役割を担っている。 KITTI odometryベンチマークで有望な性能を達成したが、従来の探索木に基づくアプローチでは、大規模なクラウドを効率的に扱うことが困難である。 近年の球面範囲画像ベース手法は,球面マッピングによる高速近接探索の利点を享受している。 しかし、LiDARビームとほぼ平行な接地点を扱うのはあまり効果的ではない。 これらの問題に対処するために,非球面領域画像と鳥眼視図の両面を活かして,新しい効率的なLiDARオドメトリー手法を提案する。 さらに,局所表面の正規性を頑健に推定する範囲適応法を導入する。 さらに,高速かつメモリ効率のよいモデル更新スキームを提案し,各点と対応する正規値を異なるタイムスタンプで融合する。 我々は,KITTI odometry ベンチマークで広範囲に実験を行い,提案手法が有効であることを示す有望な結果を得た。

関連論文リスト

• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Quadric Representations for LiDAR Odometry, Mapping and Localization [93.24140840537912]
  現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を利用する。 3次元オブジェクトのよりコンパクトな表現である2次元曲面を用いたシーン記述法を提案する。 提案手法は低レイテンシとメモリの有効性を維持しつつ、競争力があり、しかも精度も優れている。
  論文  参考訳（メタデータ） (2023-04-27T13:52:01Z)
• Real-Time Simultaneous Localization and Mapping with LiDAR intensity [9.374695605941627]
  実時間LiDAR強調画像を用いた同時位置推定とマッピング手法を提案する。 提案手法は高精度でリアルタイムに動作可能であり,照度変化,低テクスチャ,非構造化環境でも有効である。
  論文  参考訳（メタデータ） (2023-01-23T03:59:48Z)
• LMBAO: A Landmark Map for Bundle Adjustment Odometry in LiDAR SLAM [2.218316486552747]
  既存のLiDARオドメトリーは、単に以前の固定位置スキャンと反復的に新しいスキャンと一致し、徐々にエラーを蓄積する傾向にある。 この手紙は、これらの問題を解決するためにLiDAR SLAMにおけるバンドル調整オドメトリー(LMBAO)のランドマークマップと呼ばれる新しい戦略を設計した。 具体的には,スライディングウィンドウにおける特徴点のみでなく,地図上の安定なランドマーク全体を保存し,アクティブグレードに応じてランドマークを削除する。
  論文  参考訳（メタデータ） (2022-09-19T07:48:28Z)
• ECTLO: Effective Continuous-time Odometry Using Range Image for LiDAR with Small FoV [20.452961476175812]
  非繰り返し走査パターンを持つリズレープリズムに基づくLiDARに対する実効連続時間LiDARオドメトリー(ECTLO)法を提案する。 効率的な地図表現には、LiDARの小さなFoVの歴史的点をカバーする単一のレンジ画像が採用されている。 プリズムをベースとしたLiDARを走査パターンの異なる様々なテストベッドで実験を行った。
  論文  参考訳（メタデータ） (2022-06-17T02:41:48Z)
• Fast and Robust Ground Surface Estimation from LIDAR Measurements using Uniform B-Splines [3.337790639927531]
  自動走行車におけるLIDAR測定から地上面を高速かつ頑健に推定する手法を提案する。 本稿では,線形問題として再計算可能なLS最適化問題として推定過程をモデル化する。 実世界のシナリオにおける研究車両のアプローチを検証する。
  論文  参考訳（メタデータ） (2022-03-02T15:26:51Z)
• Real-time Multi-Adaptive-Resolution-Surfel 6D LiDAR Odometry using Continuous-time Trajectory Optimization [33.67478846305404]
  6次元LiDARオドメトリーのリアルタイム手法を提案する。 本手法は,連続時間b-スプライン軌道表現とガウス混合モデル(gmm)を組み合わせることで,局所多解像度サーフェル写像を協調的に整列する。 徹底した実験評価により,2つのデータセットと実ロボット実験におけるアプローチの性能を実証した。
  論文  参考訳（メタデータ） (2021-05-05T12:14:39Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• 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)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Rethinking Localization Map: Towards Accurate Object Perception with Self-Enhancement Maps [78.2581910688094]
  本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。 特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
  論文  参考訳（メタデータ） (2020-06-09T12:35:55Z)

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。