論文の概要: EgoNN: Egocentric Neural Network for Point Cloud Based 6DoF Relocalization at the City Scale

• arxiv url: http://arxiv.org/abs/2110.12486v1
• Date: Sun, 24 Oct 2021 16:46:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-26 16:01:33.102351
• Title: EgoNN: Egocentric Neural Network for Point Cloud Based 6DoF Relocalization at the City Scale
• Title（参考訳）: EgoNN: 都市規模でのポイントクラウドベースの6DoF再ローカライゼーションのためのエゴセントリックニューラルネットワーク
• Authors: Jacek Komorowski, Monika Wysoczanska and Tomasz Trzcinski
• Abstract要約: 回転する3次元LiDARにより得られる点雲からグローバルおよび局所記述子を抽出するためのディープニューラルネットワークに基づく手法を提案する。 本手法は, スパースボキセル化表現に基づく, 単純で完全な畳み込み構造を有する。 私たちのコードと事前訓練されたモデルはプロジェクトのWebサイトで公開されています。
• 参考スコア（独自算出の注目度）: 15.662820454886202
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The paper presents a deep neural network-based method for global and local descriptors extraction from a point cloud acquired by a rotating 3D LiDAR. The descriptors can be used for two-stage 6DoF relocalization. First, a course position is retrieved by finding candidates with the closest global descriptor in the database of geo-tagged point clouds. Then, the 6DoF pose between a query point cloud and a database point cloud is estimated by matching local descriptors and using a robust estimator such as RANSAC. Our method has a simple, fully convolutional architecture based on a sparse voxelized representation. It can efficiently extract a global descriptor and a set of keypoints with local descriptors from large point clouds with tens of thousand points. Our code and pretrained models are publicly available on the project website.
• Abstract（参考訳）: 回転する3次元LiDARにより得られる点雲からグローバルおよび局所記述子を抽出するためのディープニューラルネットワークに基づく手法を提案する。 ディスクリプタは2段階の6DoF再ローカライズに使用できる。 まず、地理タグ付きポイントクラウドのデータベースに最も近いグローバルディスクリプタを持つ候補を見つけることにより、コース位置を検索する。 そして、ローカルディスクリプタをマッチングし、ransacなどのロバストな推定器を用いて、クエリポイントクラウドとデータベースポイントクラウドとの間の6dofポーズを推定する。 本手法は,スパースボクセル化表現に基づく簡素で完全畳み込み型アーキテクチャを有する。 グローバルディスクリプタと局所ディスクリプタによるキーポイントの集合を、数十万点の大点雲から効率的に抽出することができる。 私たちのコードと事前訓練されたモデルはプロジェクトのWebサイトで公開されています。

関連論文リスト

• PointRegGPT: Boosting 3D Point Cloud Registration using Generative Point-Cloud Pairs for Training [90.06520673092702]
  生成点クラウドペアを用いた3Dポイントクラウドの登録をトレーニングのために促進するPointRegGPTを提案する。 我々の知る限り、これは屋内のクラウド登録のためのリアルなデータ生成を探求する最初の生成的アプローチである。
  論文  参考訳（メタデータ） (2024-07-19T06:29:57Z)
• PointAttN: You Only Need Attention for Point Cloud Completion [89.88766317412052]
  ポイント・クラウド・コンプリート(Point cloud completion)とは、部分的な3次元ポイント・クラウドから3次元の形状を完成させることである。 そこで我々は,kNNを除去するために,ポイントクラウドをポイント単位に処理する新しいニューラルネットワークを提案する。 提案するフレームワークであるPointAttNはシンプルで簡潔で効果的であり、3次元形状の構造情報を正確に捉えることができる。
  論文  参考訳（メタデータ） (2022-03-16T09:20:01Z)
• Fast Point Voxel Convolution Neural Network with Selective Feature Fusion for Point Cloud Semantic Segmentation [7.557684072809662]
  本稿では,ポイントクラウド解析のための軽量畳み込みニューラルネットワークを提案する。 本手法はサンプリングなしで全点集合上で動作し,効率よく性能を向上する。
  論文  参考訳（メタデータ） (2021-09-23T19:39:01Z)
• UPDesc: Unsupervised Point Descriptor Learning for Robust Registration [54.95201961399334]
  UPDescは、ロバストポイントクラウド登録のためのポイント記述子を学習するための教師なしの方法である。 学習した記述子は既存の教師なし手法よりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-08-05T17:11:08Z)
• ODFNet: Using orientation distribution functions to characterize 3D point clouds [0.0]
  点まわりの点配向分布を利用して、点群の表現力のある局所近傍表現を得ます。 新しい ODFNet モデルは ModelNet40 と ScanObjectNN データセットのオブジェクト分類における最先端の精度を実現する。
  論文  参考訳（メタデータ） (2020-12-08T19:54:20Z)
• MinkLoc3D: Point Cloud Based Large-Scale Place Recognition [1.116812194101501]
  本稿では,位置認識のための識別型3Dポイントクラウド記述子を学習ベースで計算する手法を提案する。 我々は,分別的な3Dポイントクラウド記述子であるMinkLoc3Dを,分別的な3Dポイントクラウド表現と分別な3Dコンボリューションに基づいて提案する。
  論文  参考訳（メタデータ） (2020-11-09T16:11:52Z)
• SoftPoolNet: Shape Descriptor for Point Cloud Completion and Classification [93.54286830844134]
  本稿では,点雲に基づく3次元オブジェクトの補完と分類手法を提案する。 デコーダの段階では,グローバルな活性化エントロピーの最大化を目的とした新しい演算子である地域畳み込みを提案する。 我々は,オブジェクトの完成度や分類,最先端の精度の達成など,異なる3次元タスクに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2020-08-17T14:32:35Z)
• Self-Sampling for Neural Point Cloud Consolidation [83.31236364265403]
  本稿では,入力点クラウドのみから学習するニューラルポイントクラウドの統合技術を紹介する。 入力ポイントクラウドを、ディープニューラルネットワークのトレーニングに使用するグローバルサブセットで、繰り返し自己サンプルします。 様々な形状から点集合を集約する能力を示すとともに,出力器やノイズを除去する能力を示す。
  論文  参考訳（メタデータ） (2020-08-14T17:16:02Z)
• Cascaded Non-local Neural Network for Point Cloud Semantic Segmentation [37.33261773707134]
  提案するネットワークは、正確なセグメンテーションのために、ポイントクラウドの長距離依存関係を構築することを目的としている。 我々は,近隣レベル,スーパーポイントレベル,グローバルレベルの非ローカルブロックからなる新しい非ローカルモジュールを開発する。 提案手法は,最先端性能を実現し,時間消費とメモリ占有を効果的に削減する。
  論文  参考訳（メタデータ） (2020-07-30T14:34:43Z)
• DH3D: Deep Hierarchical 3D Descriptors for Robust Large-Scale 6DoF Relocalization [56.15308829924527]
  生の3D点から直接3次元特徴の検出と記述を共同で学習するシームズネットワークを提案する。 3次元キーポイントを検出するために,局所的な記述子の識別性を教師なしで予測する。 各種ベンチマーク実験により,本手法はグローバルポイントクラウド検索とローカルポイントクラウド登録の両面で競合する結果が得られた。
  論文  参考訳（メタデータ） (2020-07-17T20:21:22Z)

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。