論文の概要: Efficient divide-and-conquer registration of UAV and ground LiDAR point
clouds through canopy shape context
- arxiv url: http://arxiv.org/abs/2201.11296v1
- Date: Thu, 27 Jan 2022 03:29:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-28 14:39:06.912481
- Title: Efficient divide-and-conquer registration of UAV and ground LiDAR point
clouds through canopy shape context
- Title(参考訳): 天蓋形状によるUAVおよび地上LiDAR点雲の効率的な分割・対数登録
- Authors: Jie Shao, Wei Yao, Peng Wan, Lei Luo, Jiaxin Lyu, Wuming Zhang
- Abstract要約: 本研究では,森林におけるTLSと地上のLiDAR点雲を自動かつ効率的に登録する手法を提案する。
提案手法は粗いアライメントと細かな登録を用い, 点雲の粗いアライメントを垂直および水平のアライメントに分割する。
実験結果から,異なるプロットにおけるLSデータと地上LiDARデータを登録し,水平方向のアライメント誤差が0.02m未満であることが確認された。
- 参考スコア(独自算出の注目度): 35.08788703582076
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Registration of unmanned aerial vehicle laser scanning (ULS) and ground light
detection and ranging (LiDAR) point clouds in forests is critical to create a
detailed representation of a forest structure and an accurate inversion of
forest parameters. However, forest occlusion poses challenges for marker-based
registration methods, and some marker-free automated registration methods have
low efficiency due to the process of object (e.g., tree, crown) segmentation.
Therefore, we use a divide-and-conquer strategy and propose an automated and
efficient method to register ULS and ground LiDAR point clouds in forests.
Registration involves coarse alignment and fine registration, where the coarse
alignment of point clouds is divided into vertical and horizontal alignment.
The vertical alignment is achieved by ground alignment, which is achieved by
the transformation relationship between normal vectors of the ground point
cloud and the horizontal plane, and the horizontal alignment is achieved by
canopy projection image matching. During image matching, vegetation points are
first distinguished by the ground filtering algorithm, and then, vegetation
points are projected onto the horizontal plane to obtain two binary images. To
match the two images, a matching strategy is used based on canopy shape context
features, which are described by a two-point congruent set and canopy overlap.
Finally, we implement coarse alignment of ULS and ground LiDAR datasets by
combining the results of ground alignment and image matching and finish fine
registration. Also, the effectiveness, accuracy, and efficiency of the proposed
method are demonstrated by field measurements of forest plots. Experimental
results show that the ULS and ground LiDAR data in different plots are
registered, of which the horizontal alignment errors are less than 0.02 m, and
the average runtime of the proposed method is less than 1 second.
- Abstract(参考訳): 森林における無人航空機レーザ走査(uls)と地上光検出・測光(lidar)点雲の登録は、森林構造の詳細な表現と森林パラメータの正確な反転を作成するのに不可欠である。
しかし,森林伐採はマーカベース登録法では課題となり,マーカフリー自動登録法では対象物(樹冠,樹冠など)のセグメンテーションにより効率が低下する。
そこで本研究では,森林におけるALSと地上のLiDAR点雲を自動かつ効率的に登録する手法を提案する。
登録には粗いアライメントと細かな登録が含まれており、ポイント雲の粗いアライメントは垂直と水平に分けられる。
垂直アライメントは、接地点雲の正規ベクトルと水平平面との変換関係によって達成される接地アライメントによって達成され、水平アライメントはキャノピー投影画像マッチングにより達成される。
画像マッチングにおいて、植生点をまず地表面フィルタリングアルゴリズムで識別し、次いで水平面に植生点を投影して2つのバイナリ画像を得る。
2つの画像とマッチングするために、2点合同集合とキャノピー重なりによって記述されるキャノピー形状の文脈特徴に基づいてマッチング戦略を用いる。
最後に、地上アライメントと画像マッチングの結果を組み合わせて、ULSと地上LiDARデータセットの粗いアライメントを実装し、詳細な登録を行う。
また,提案手法の有効性,精度,効率を森林プロットのフィールド計測により実証した。
実験の結果,異なるプロットにおけるulsデータと地上lidarデータが登録されており,水平方向アライメント誤差は0.02m以下であり,提案手法の平均実行時間は1秒以下であることがわかった。
関連論文リスト
- LPRnet: A self-supervised registration network for LiDAR and photogrammetric point clouds [38.42527849407057]
LiDARとフォトグラムは、それぞれポイントクラウド取得のためのアクティブおよびパッシブリモートセンシング技術である。
感知機構、空間分布、座標系に根本的な違いがあるため、それらの点雲は密度、精度、ノイズ、重なり合いにおいて大きな違いを示す。
本稿では, マスク付きオートエンコーダをベースとした自己教師型登録ネットワークを提案し, 異種LiDARと光グラム点雲に着目した。
論文 参考訳(メタデータ) (2025-01-10T02:36:37Z) - Automatic marker-free registration based on similar tetrahedras for single-tree point clouds [14.043846409201112]
本稿では,類似のテトラヘドラに基づく単一ツリー点雲のマーカーフリー自動登録法を提案する。
提案手法はICPとNDTの両方の登録精度を著しく上回り、ICPとNDTの最大速度は593倍、NDTの最大速度は113倍である。
論文 参考訳(メタデータ) (2024-11-20T06:34:47Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳(メタデータ) (2023-08-16T02:51:52Z) - Boosting Few-shot Fine-grained Recognition with Background Suppression
and Foreground Alignment [53.401889855278704]
FS-FGR (Few-shot Fine-fine Recognition) は、限られたサンプルの助けを借りて、新しいきめ細かなカテゴリを認識することを目的としている。
本研究では,背景アクティベーション抑制 (BAS) モジュール,フォアグラウンドオブジェクトアライメント (FOA) モジュール,および局所的局所的(L2L) 類似度測定器からなる2段階の背景アライメントとフォアグラウンドアライメントフレームワークを提案する。
複数のベンチマークで行った実験により,提案手法は既存の最先端技術よりも大きなマージンで優れていることが示された。
論文 参考訳(メタデータ) (2022-10-04T07:54:40Z) - 2D LiDAR and Camera Fusion Using Motion Cues for Indoor Layout
Estimation [2.6905021039717987]
地上ロボットは、単一の床と垂直の壁を持つ屋内空間を探索し、一連の強度画像と2D LiDARデータセットを収集する。
センサ出力と画像セグメンテーションのアライメントは、LiDAR点をアライメントすることで、共同で計算される。
地層境界抽出のための画像の曖昧さをLiDAR観測の助けを借りて除去する。
論文 参考訳(メタデータ) (2022-04-24T06:26:02Z) - Precise Aerial Image Matching based on Deep Homography Estimation [21.948001630564363]
本研究では,2つの空中画像に精度よく一致する深部ホモグラフィアライメントネットワークを提案する。
提案するネットワークは、より高い自由度でマッチングネットワークをトレーニングすることができる。
本稿では,学習が難しいホモグラフィ推定ネットワークを効果的に学習する手法を提案する。
論文 参考訳(メタデータ) (2021-07-19T11:52:52Z) - Where am I looking at? Joint Location and Orientation Estimation by
Cross-View Matching [95.64702426906466]
ジオタグ付き空中画像の大規模データベースを考えると、クロスビューなジオローカライゼーションは問題となる。
地上画像と空中画像の向きを知ることは、これらの2つのビュー間のあいまいさを著しく軽減することができる。
局所化時の横方向のアライメントを推定する動的類似マッチングネットワークを設計する。
論文 参考訳(メタデータ) (2020-05-08T05:21:16Z) - Plan2Vec: Unsupervised Representation Learning by Latent Plans [106.37274654231659]
Plan2vecは、強化学習にインスパイアされた教師なしの表現学習手法である。
Plan2vecは、近距離を用いて画像データセット上に重み付きグラフを構築し、その局所距離を、計画された経路上の経路積分を蒸留することによって、大域的な埋め込みに外挿する。
1つのシミュレーションと2つの実世界の画像データセットに対する Plan2vec の有効性を実証する。
論文 参考訳(メタデータ) (2020-05-07T17:52:23Z) - Automatic marker-free registration of tree point-cloud data based on
rotating projection [23.08199833637939]
本研究では,1本の木を複数スキャンした点クラウドデータの登録のための粗大な自動登録手法を提案する。
粗い登録では、各スキャンによって生成された点雲を球面に投影して一連の2次元画像を生成する。
対応する特徴点対は、これらの一連の2次元画像から抽出される。
微細な登録では、点雲データスライシングとフィッティング法を用いて、対応する中心茎と分岐中心を抽出する。
論文 参考訳(メタデータ) (2020-01-30T06:53:59Z) - 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。