論文の概要: On Enhancing Ground Surface Detection from Sparse Lidar Point Cloud
- arxiv url: http://arxiv.org/abs/2105.11649v1
- Date: Tue, 25 May 2021 03:58:18 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-27 03:50:20.607739
- Title: On Enhancing Ground Surface Detection from Sparse Lidar Point Cloud
- Title（参考訳）: スパースライダー点雲からの地表面検出の促進について
- Authors: Bo Li
- Abstract要約: 本稿では,低ビーム分解能ライダーにより捕捉された多くのスペーサー点雲に適用可能な地盤検出手法を提案する。
この手法はRANSACの平面フィッティング方式に基づいている。
- 参考スコア（独自算出の注目度）: 6.577622354490276
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ground surface detection in point cloud is widely used as a key module in
autonomous driving systems. Different from previous approaches which are mostly
developed for lidars with high beam resolution, e.g. Velodyne HDL-64, this
paper proposes ground detection techniques applicable to much sparser point
cloud captured by lidars with low beam resolution, e.g. Velodyne VLP-16. The
approach is based on the RANSAC scheme of plane fitting. Inlier verification
for plane hypotheses is enhanced by exploiting the point-wise tangent, which is
a local feature available to compute regardless of the density of lidar beams.
Ground surface which is not perfectly planar is fitted by multiple
(specifically 4 in our implementation) disjoint plane regions. By assuming
these plane regions to be rectanglar and exploiting the integral image
technique, our approach approximately finds the optimal region partition and
plane hypotheses under the RANSAC scheme with real-time computational
complexity.
- Abstract（参考訳）: 点雲における地表面検出は、自律運転システムのキーモジュールとして広く利用されている。
従来のアプローチとは異なり、主に高ビーム解像度のライダー向けに開発された。
Velodyne HDL-64では,低ビーム分解能ライダーによって捕捉された多くのスペーサー点雲に適用可能な地中検出手法を提案する。
VLP-16。
この手法はRANSACの平面フィッティング方式に基づいている。
平面仮説に対する不規則な検証は、ライダービームの密度に関係なく計算できる局所的な特徴である点接を利用して強化される。
平面的でない地表面は、複数の(具体例では4)非接合面領域に収まる。
これらの平面領域を直方体と仮定し, 積分像法を応用することにより, 実時間計算複雑性を持つransacスキームの下での最適領域分割と平面仮説を近似的に求める。
関連論文リスト
- Plane2Depth: Hierarchical Adaptive Plane Guidance for Monocular Depth Estimation [38.81275292687583]
平面情報を適応的に利用し,階層的なフレームワーク内での深度予測を改善するPlane2Depthを提案する。
提案する平面案内深度発生器 (PGDG) では, 現場の平面をソフトにモデル化し, 画素ごとの平面係数を予測するためのプロトタイプとして, 一連の平面クエリを設計する。
提案するアダプティブプレーンクエリアグリゲーション(APGA)モジュールでは,マルチスケール平面特徴のアグリゲーションを改善するために,新たな機能インタラクションアプローチを導入する。
論文 参考訳（メタデータ） (2024-09-04T07:45:06Z) - Arbitrary-Scale Point Cloud Upsampling by Voxel-Based Network with
Latent Geometric-Consistent Learning [52.825441454264585]
Voxel-based Network (textbfPU-VoxelNet) を用いた任意のスケールのクラウド・アップサンプリング・フレームワークを提案する。
ボクセル表現から継承された完全性と規則性により、ボクセルベースのネットワークは3次元表面を近似する事前定義されたグリッド空間を提供することができる。
密度誘導グリッド再サンプリング法を開発し、高忠実度点を生成するとともに、サンプリング出力を効果的に回避する。
論文 参考訳（メタデータ） (2024-03-08T07:31:14Z) - Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。
これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。
TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-20T18:03:17Z) - An Efficient Plane Extraction Approach for Bundle Adjustment on LiDAR
Point clouds [6.530864926156266]
我々は,LiDARバンドル調整のための点関連性を提供するために特別に設計された平面抽出のための,新規で効率的なボクセルベースアプローチを提案する。
HILTIを用いた実験結果から,提案手法が他の平面抽出法と比較して,最も高精度かつ最小の時間コストを達成できることが示唆された。
論文 参考訳（メタデータ） (2023-04-29T15:47:29Z) - Grid-guided Neural Radiance Fields for Large Urban Scenes [146.06368329445857]
近年のアプローチでは、シーンを地理的に分割し、複数のサブNeRFを採用して各領域を個別にモデル化する手法が提案されている。
もう一つの解決策は、計算効率が良く、大きなシーンに自然にスケールできる機能グリッド表現を使用することである。
本稿では,大規模都市における高忠実度レンダリングを実現し,計算効率を向上する枠組みを提案する。
論文 参考訳（メタデータ） (2023-03-24T13:56:45Z) - Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D
Object Detection [92.75961303269548]
先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである
本稿では,両問題を一度に解決するGPENetを提案する。
我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
論文 参考訳（メタデータ） (2022-11-03T02:21:35Z) - PlaneDepth: Self-supervised Depth Estimation via Orthogonal Planes [41.517947010531074]
複数の前頭平行面に基づく深度推定は、自己教師付き単眼深度推定(MDE)において顕著な結果を示した
本研究では,垂直面と接地面を含む新しい平面ベースプレゼンテーションであるPlaneDepthを提案する。
本手法は, 自律走行において重要な, 教師なしの方法で地上面を抽出することができる。
論文 参考訳（メタデータ） (2022-10-04T13:51:59Z) - Patchwork: Concentric Zone-based Region-wise Ground Segmentation with
Ground Likelihood Estimation Using a 3D LiDAR Sensor [0.1657441317977376]
地上のセグメンテーションは、地上の移動プラットフォームがナビゲーションや近隣の物体認識を行うために不可欠である。
提案手法は, 未分割問題に対処するために頑健なtextitPatchwork という新しいグラウンドセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2021-08-12T06:52:10Z) - Accurate and Robust Scale Recovery for Monocular Visual Odometry Based
on Plane Geometry [7.169216737580712]
地上面の高精度かつロバストな推定を生かした軽量なスケール復元フレームワークを開発した。
KITTIデータセットの実験により,提案したフレームワークが翻訳誤りの点から最先端の精度を達成できることが示されている。
軽量な設計のため、我々のフレームワークはデータセット上で20Hzの高周波数を示す。
論文 参考訳（メタデータ） (2021-01-15T07:21:24Z) - Reconfigurable Voxels: A New Representation for LiDAR-Based Point Clouds [76.52448276587707]
本稿では,3次元点群から表現を構成する新しい手法であるReconfigurable Voxelsを提案する。
具体的には,各地区を一定数のボクセルで適応的にカバーするランダムウォーク方式を考案する。
この手法は,特に疎水領域において,ボクセル特性の安定性を効果的に向上することがわかった。
論文 参考訳（メタデータ） (2020-04-06T15:07:16Z) - From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized
3D Point Clouds [59.98665358527686]
直交平面の分割自由結合推定法を提案する。
このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。
本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
論文 参考訳（メタデータ） (2020-01-21T06:51:47Z)
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。