論文の概要: Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots

• arxiv url: http://arxiv.org/abs/2106.11239v1
• Date: Mon, 21 Jun 2021 16:35:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-22 15:16:37.930882
• Title: Domain and Modality Gaps for LiDAR-based Person Detection on Mobile Robots
• Title（参考訳）: 移動ロボットにおけるLiDARによる人物検出のための領域とモダリティギャップ
• Authors: Dan Jia and Alexander Hermans and Bastian Leibe
• Abstract要約: 本稿では,移動ロボットのシナリオに着目した既存のLiDAR人物検出装置について検討する。 実験は3Dと2D LiDARのセンサー間のモダリティのギャップだけでなく、運転と移動ロボットのシナリオ間の領域ギャップを回避している。 その結果、LiDARに基づく人物検出の実践的な洞察を与え、関連する移動ロボットの設計と応用に関する情報決定を容易にする。
• 参考スコア（独自算出の注目度）: 91.01747068273666
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Person detection is a crucial task for mobile robots navigating in human-populated environments and LiDAR sensors are promising for this task, given their accurate depth measurements and large field of view. This paper studies existing LiDAR-based person detectors with a particular focus on mobile robot scenarios (e.g. service robot or social robot), where persons are observed more frequently and in much closer ranges, compared to the driving scenarios. We conduct a series of experiments, using the recently released JackRabbot dataset and the state-of-the-art detectors based on 3D or 2D LiDAR sensors (CenterPoint and DR-SPAAM respectively). These experiments revolve around the domain gap between driving and mobile robot scenarios, as well as the modality gap between 3D and 2D LiDAR sensors. For the domain gap, we aim to understand if detectors pretrained on driving datasets can achieve good performance on the mobile robot scenarios, for which there are currently no trained models readily available. For the modality gap, we compare detectors that use 3D or 2D LiDAR, from various aspects, including performance, runtime, localization accuracy, robustness to range and crowdedness. The results from our experiments provide practical insights into LiDAR-based person detection and facilitate informed decisions for relevant mobile robot designs and applications.
• Abstract（参考訳）: 人検出は人混みの環境での移動ロボットにとって重要なタスクであり、LiDARセンサーは正確な深度測定と視野の広さから、このタスクを約束している。 本稿では,移動ロボットのシナリオ(例)に着目した既存のLiDARに基づく人検出装置について検討する。 サービスロボットまたはソーシャルロボット) 運転シナリオと比較して、人がより頻繁に、より近い範囲で観察される。 最近リリースされたjackrabbotデータセットと,3dおよび2dlidarセンサ(centerpointとdr-spaam)に基づく最先端検出器を用いて,一連の実験を行った。 これらの実験は、3Dと2DのLiDARセンサー間のモダリティのギャップと同様に、運転と移動ロボットのシナリオ間の領域ギャップを取り巻く。 ドメインギャップのために、私たちは、運転データセットに事前訓練された検出器が、現在トレーニング済みのモデルがないモバイルロボットのシナリオにおいて、優れたパフォーマンスを達成することができるかどうかを理解することを目的としています。 モダリティギャップについては、性能、ランタイム、ローカライゼーション精度、レンジに対する堅牢性、混雑性など、様々な側面から、3Dまたは2D LiDARを使用する検出器を比較する。 実験の結果は,LiDARに基づく人物検出の実践的洞察を与え,関連する移動ロボットの設計と応用に関する情報決定を容易にする。

関連論文リスト

• Tiny Robotics Dataset and Benchmark for Continual Object Detection [6.4036245876073234]
  本研究は,小型ロボットプラットフォームにおける物体検出システムの連続学習能力を評価するための新しいベンチマークを導入する。 i)TiROD(Tiny Robotics Object Detection)は、小さな移動ロボットを用いて収集された包括的なデータセットで、さまざまなドメインやクラスにわたるオブジェクト検出の適応性をテストするように設計されている。
  論文  参考訳（メタデータ） (2024-09-24T16:21:27Z)
• UADA3D: Unsupervised Adversarial Domain Adaptation for 3D Object Detection with Sparse LiDAR and Large Domain Gaps [2.79552147676281]
  3次元物体検出(UADA3D)のための教師なし反転領域適応法について紹介する。 様々な適応シナリオにおいて有効性を示し、自動運転車と移動ロボットの両方の領域で顕著に改善されていることを示す。 私たちのコードはオープンソースで、まもなく利用可能になります。
  論文  参考訳（メタデータ） (2024-03-26T12:08:14Z)
• Multimodal Anomaly Detection based on Deep Auto-Encoder for Object Slip Perception of Mobile Manipulation Robots [22.63980025871784]
  提案フレームワークは,RGBや深度カメラ,マイク,力トルクセンサなど,さまざまなロボットセンサから収集した異種データストリームを統合する。 統合されたデータは、ディープオートエンコーダを訓練して、通常の状態を示す多感覚データの潜在表現を構築するために使用される。 次に、トレーニングされたエンコーダの潜伏値と再構成された入力データの潜伏値との差によって測定された誤差スコアによって異常を識別することができる。
  論文  参考訳（メタデータ） (2024-03-06T09:15:53Z)
• Care3D: An Active 3D Object Detection Dataset of Real Robotic-Care Environments [52.425280825457385]
  本稿では,実環境の注釈付きデータセットを紹介する。 捕獲された環境は、ロボット医療研究の分野ですでに使われている領域を表している。 また,医療ロボット上で直接動作するSLAMアルゴリズムを評価するために,一室で真実データを提供する。
  論文  参考訳（メタデータ） (2023-10-09T10:35:37Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Comparative study of 3D object detection frameworks based on LiDAR data and sensor fusion techniques [0.0]
  知覚システムは、車両の環境をリアルタイムで正確に解釈する上で重要な役割を果たす。 ディープラーニング技術は、センサーから大量のデータを意味情報に変換する。 3Dオブジェクト検出法は、LiDARやステレオカメラなどのセンサーから追加のポーズデータを利用することで、オブジェクトのサイズと位置に関する情報を提供する。
  論文  参考訳（メタデータ） (2022-02-05T09:34:58Z)
• Cross-Modal Analysis of Human Detection for Robotics: An Industrial Case Study [7.844709223688293]
  ロボット工学で典型的に使用されるセンサとアルゴリズムの組み合わせの系統的相互モーダル分析を行う。 2Dレンジデータ,3Dライダーデータ,RGB-Dデータに対する最先端人検知器の性能の比較を行った。 我々は、強力な画像ベースRGB-D検出器を拡張し、弱い3次元境界ボックスラベルの形でライダー検出器の相互監視を行う。
  論文  参考訳（メタデータ） (2021-08-03T13:33:37Z)
• Achieving Real-Time LiDAR 3D Object Detection on a Mobile Device [53.323878851563414]
  本稿では,強化学習技術を用いたネットワーク拡張とpruning検索を組み込んだコンパイラ対応統一フレームワークを提案する。 具体的には,リカレントニューラルネットワーク(RNN)を用いて,ネットワークの強化とプルーニングの両面での統一的なスキームを自動で提供する。 提案手法は,モバイルデバイス上でのリアルタイム3次元物体検出を実現する。
  論文  参考訳（メタデータ） (2020-12-26T19:41:15Z)
• Self-Supervised Person Detection in 2D Range Data using a Calibrated Camera [83.31666463259849]
  2次元LiDARに基づく人検出器のトレーニングラベル(擬似ラベル)を自動生成する手法を提案する。 擬似ラベルで訓練または微調整された自己監視検出器が,手動アノテーションを用いて訓練された検出器を上回っていることを示した。 私達の方法は付加的な分類の努力なしで配置の間に人の探知器を改善する有効な方法です。
  論文  参考訳（メタデータ） (2020-12-16T12:10:04Z)
• LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
  We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。 LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。 また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
  論文  参考訳（メタデータ） (2020-03-13T06:17:39Z)

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。