論文の概要: A Robust Loss for Point Cloud Registration
- arxiv url: http://arxiv.org/abs/2108.11682v1
- Date: Thu, 26 Aug 2021 09:56:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-27 14:03:04.963162
- Title: A Robust Loss for Point Cloud Registration
- Title(参考訳): ポイントクラウド登録におけるロバスト損失
- Authors: Zhi Deng, Yuxin Yao, Bailin Deng, Juyong Zhang
- Abstract要約: 表面登録の性能は、ソースとターゲット形状のアライメント誤差に使用されるメートル法に大きく依存する。
伝統的に、そのような計量は、原面上の点から目標表面上の最も近い点までの点対点距離または点対面距離に基づいている。
本稿では,2つの形状とランダムな直線との交点に基づく新しい計量法を提案するが,これは特定の対応を前提としない。
- 参考スコア(独自算出の注目度): 31.033915476145047
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The performance of surface registration relies heavily on the metric used for
the alignment error between the source and target shapes. Traditionally, such a
metric is based on the point-to-point or point-to-plane distance from the
points on the source surface to their closest points on the target surface,
which is susceptible to failure due to instability of the closest-point
correspondence. In this paper, we propose a novel metric based on the
intersection points between the two shapes and a random straight line, which
does not assume a specific correspondence. We verify the effectiveness of this
metric by extensive experiments, including its direct optimization for a single
registration problem as well as unsupervised learning for a set of registration
problems. The results demonstrate that the algorithms utilizing our proposed
metric outperforms the state-of-the-art optimization-based and unsupervised
learning-based methods.
- Abstract(参考訳): 表面レジストレーションの性能は、ソースとターゲット形状のアライメントエラーに使用されるメトリックに大きく依存している。
伝統的に、そのような計量は、原面上の点から目標面上の最も近い点までの点間距離に基づいており、最も近い点対応の不安定性による故障の影響を受ける。
本稿では、2つの形状とランダムな直線との交点に基づく新しい計量法を提案するが、これは特定の対応を前提としない。
単一登録問題に対する直接最適化や,一連の登録問題に対する教師なし学習を含む,広範な実験により,この指標の有効性を検証する。
その結果,提案手法を用いたアルゴリズムは,最先端の最適化手法と教師なし学習手法よりも優れていた。
関連論文リスト
- SEM-GAT: Explainable Semantic Pose Estimation using Learned Graph
Attention [10.883346969896621]
本稿では,信頼度の高いポイントクラウド登録候補の識別を導くために,意味論と局所幾何学を利用したグラフニューラルネットワーク(GNN)に基づく手法を提案する。
環境のセマンティックおよび形態学的特徴は、登録のための重要な基準点として機能し、正確なライダーベースのポーズ推定を可能にする。
提案手法をKITTIオドメトリデータセット上でテストし,ベンチマーク手法と比較して競合精度が向上し,より少ないネットワークパラメータに依存しながら,トラックのスムーズさが向上した。
論文 参考訳(メタデータ) (2023-08-07T16:43:46Z) - Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local
Geometry-driven Distance Metric [62.365983810610985]
そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。
CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。
一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
論文 参考訳(メタデータ) (2023-06-01T11:16:20Z) - Diffeomorphic Deformation via Sliced Wasserstein Distance Optimization
for Cortical Surface Reconstruction [43.160141829169]
この計量は、セットベースのアプローチを一般化する確率測度として表されるメッシュ上のワッサーシュタイン距離をスライスして定義される。
我々は、入力表面をターゲット形状に変形させるために、ニューラルネットワークの常微分方程式(ODE)を用いて、表面上の点の軌跡をモデル化する。
大脳皮質表面の再構成実験は、複数のデータセットやメトリクスにおいて、我々のアプローチが他の競合する手法を上回ることを示した。
論文 参考訳(メタデータ) (2023-05-27T19:10:19Z) - Large-Scale Sequential Learning for Recommender and Engineering Systems [91.3755431537592]
本稿では,現在の状況に適応してパーソナライズされたランキングを提供する自動アルゴリズムの設計に焦点を当てる。
前者はSAROSと呼ばれる新しいアルゴリズムを提案し,インタラクションの順序を学習するためのフィードバックの種類を考慮に入れている。
提案手法は, 電力網の故障検出に対する初期アプローチと比較して, 統計的に有意な結果を示す。
論文 参考訳(メタデータ) (2022-05-13T21:09:41Z) - Self-Point-Flow: Self-Supervised Scene Flow Estimation from Point Clouds
with Optimal Transport and Random Walk [59.87525177207915]
シーンフローを近似する2点雲間の対応性を確立するための自己教師型手法を開発した。
本手法は,自己教師付き学習手法の最先端性能を実現する。
論文 参考訳(メタデータ) (2021-05-18T03:12:42Z) - Efficient LiDAR Odometry for Autonomous Driving [16.22522474028277]
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。
論文 参考訳(メタデータ) (2021-04-22T06:05:09Z) - 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) - Towards Certified Robustness of Distance Metric Learning [53.96113074344632]
我々は,距離学習アルゴリズムの一般化とロバスト性を改善するために,入力空間に逆のマージンを付与することを提唱する。
アルゴリズム的ロバスト性の理論手法を用いることにより,拡張マージンは一般化能力に有益であることを示す。
論文 参考訳(メタデータ) (2020-06-10T16:51:53Z) - Feature-metric Registration: A Fast Semi-supervised Approach for Robust
Point Cloud Registration without Correspondences [8.636298281155602]
高速な特徴量ポイントクラウド登録フレームワークを提案する。
対応なしに特徴量プロジェクションエラーを最小限にすることで、登録の最適化を強制する。
提案手法を半教師なしあるいは教師なしの手法で訓練する。
論文 参考訳(メタデータ) (2020-05-03T07:26:59Z) - RPM-Net: Robust Point Matching using Learned Features [79.52112840465558]
RPM-Netは、より敏感で、より堅牢なディープラーニングベースのアプローチである。
既存の方法とは異なり、我々のRPM-Netは、部分的な可視性を備えた対応や点雲の欠如を処理します。
論文 参考訳(メタデータ) (2020-03-30T13:45:27Z) - Learning Flat Latent Manifolds with VAEs [16.725880610265378]
本稿では、ユークリッド計量がデータポイント間の類似性のプロキシとなる変分自動エンコーダのフレームワークの拡張を提案する。
我々は、変分オートエンコーダで一般的に使用されるコンパクトな以前のものを、最近発表されたより表現力のある階層型に置き換える。
提案手法は,ビデオ追跡ベンチマークを含む,さまざまなデータセットを用いて評価する。
論文 参考訳(メタデータ) (2020-02-12T09:54:52Z)
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。