論文の概要: DICP: Doppler Iterative Closest Point Algorithm
- arxiv url: http://arxiv.org/abs/2201.11944v1
- Date: Fri, 28 Jan 2022 05:51:07 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-01 04:05:20.869387
- Title: DICP: Doppler Iterative Closest Point Algorithm
- Title(参考訳): DICP:ドップラー反復閉点アルゴリズム
- Authors: Bruno Hexsel, Heethesh Vhavle and Yi Chen
- Abstract要約: 本稿では,瞬時視線速度を計測できる距離センサの点雲登録のための新しいアルゴリズムであるドップラーICPを提案する。
本稿では,各点のドップラー計測とセンサの現在の動き推定との整合性を利用した新しいドップラー速度客観的関数を提案する。
その結果,ドップラー速度勾配によって導かれる高速収束の利点を付加することにより,登録精度において大幅な性能向上が得られた。
- 参考スコア(独自算出の注目度): 5.934931737701265
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we present a novel algorithm for point cloud registration for
range sensors capable of measuring per-return instantaneous radial velocity:
Doppler ICP. Existing variants of ICP that solely rely on geometry or other
features generally fail to estimate the motion of the sensor correctly in
scenarios that have non-distinctive features and/or repetitive geometric
structures such as hallways, tunnels, highways, and bridges. We propose a new
Doppler velocity objective function that exploits the compatibility of each
point's Doppler measurement and the sensor's current motion estimate. We
jointly optimize the Doppler velocity objective function and the geometric
objective function which sufficiently constrains the point cloud alignment
problem even in feature-denied environments. Furthermore, the correspondence
matches used for the alignment are improved by pruning away the points from
dynamic targets which generally degrade the ICP solution. We evaluate our
method on data collected from real sensors and from simulation. Our results
show a significant performance improvement in terms of the registration
accuracy with the added benefit of faster convergence guided by the Doppler
velocity gradients.
- Abstract(参考訳): 本稿では,向きの瞬時速度を計測できる距離センサのための点雲登録のための新しいアルゴリズムであるドップラーicpを提案する。
既存のICPの変種は、通常、非識別的な特徴を持つシナリオや、廊下、トンネル、高速道路、橋などの反復幾何学構造を持つシナリオにおいて、センサーの運動を正確に見積もることができない。
本稿では,各点のドップラー計測とセンサの現在の動き推定との整合性を利用した新しいドップラー速度客観的関数を提案する。
我々は,特徴量の多い環境においても,ドップラー速度目標関数と,点雲アライメント問題を十分に制約する幾何学的対象関数を共同で最適化する。
さらに、ICP溶液を一般的に分解する動的ターゲットから点を切り離すことにより、アライメントに使用する対応マッチングを改善した。
本手法は,実センサから収集したデータとシミュレーションから評価する。
その結果,ドップラー速度勾配によって導かれる高速収束の利点を付加することにより,登録精度において大幅な性能向上が得られた。
関連論文リスト
- SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳(メタデータ) (2024-05-30T15:55:04Z) - Vanishing Point Estimation in Uncalibrated Images with Prior Gravity
Direction [82.72686460985297]
我々はマンハッタンのフレームを推定する問題に取り組む。
2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。
また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
論文 参考訳(メタデータ) (2023-08-21T13:03:25Z) - GraphReg: Dynamical Point Cloud Registration with Geometry-aware Graph
Signal Processing [0.0]
本研究では,3次元点雲登録のための高精度,効率的,物理的に誘導された手法を提案する。
我々は、粒子(点)の動きを制御し、より正確で頑健な登録を実現するために、幾何学を意識した剛体力学を探求する。
その結果,提案手法は精度において最先端の手法よりも優れており,大規模点雲の登録に適していることがわかった。
論文 参考訳(メタデータ) (2023-02-02T14:06:46Z) - Correlating sparse sensing for large-scale traffic speed estimation: A
Laplacian-enhanced low-rank tensor kriging approach [76.45949280328838]
本稿では,Laplacian enhanced Low-rank tensor (LETC) フレームワークを提案する。
次に,提案したモデルをネットワークワイド・クリグにスケールアップするために,複数の有効な数値手法を用いて効率的な解アルゴリズムを設計する。
論文 参考訳(メタデータ) (2022-10-21T07:25:57Z) - Globally Optimal Event-Based Divergence Estimation for Ventral Landing [55.29096494880328]
イベントセンシングはバイオインスパイアされた飛行誘導と制御システムの主要なコンポーネントである。
本研究では, イベントカメラを用いた腹側着陸時の表面との接触時間予測について検討する。
これは、着陸時に発生する事象の流れから放射光の流れの速度である発散(逆TTC)を推定することで達成される。
我々のコアコントリビューションは、イベントベースの発散推定のための新しいコントラスト最大化定式化と、コントラストを正確に最大化し、最適な発散値を求めるブランチ・アンド・バウンドアルゴリズムである。
論文 参考訳(メタデータ) (2022-09-27T06:00:52Z) - StreamYOLO: Real-time Object Detection for Streaming Perception [84.2559631820007]
将来を予測する能力を備えたモデルを提供し、ストリーミング知覚の結果を大幅に改善する。
本稿では,複数の速度を駆動するシーンについて考察し,VasAP(Velocity-Awared streaming AP)を提案する。
本手法は,Argoverse-HDデータセットの最先端性能を実現し,SAPとVsAPをそれぞれ4.7%,VsAPを8.2%改善する。
論文 参考訳(メタデータ) (2022-07-21T12:03:02Z) - LiDAR Point--to--point Correspondences for Rigorous Registration of
Kinematic Scanning in Dynamic Networks [0.0]
本稿では,LiDAR点雲の登録を改善するための新しい軌道調整手法を提案する。
本稿では、新しい観測モデルとして、動的ネットワークにどのように挿入されるか、および対応を選択する方法について述べる。
次に、低コストMEMS慣性センサを用いた実用的な空中レーザー走査シナリオにおける提案手法の性能評価実験について述べる。
論文 参考訳(メタデータ) (2022-01-03T11:53:55Z) - GPCO: An Unsupervised Green Point Cloud Odometry Method [64.86292006892093]
軽量な点状クラウド・オドメトリー法を提案し, GPCO法と名付けた。
GPCOは、連続点雲スキャンの特徴と一致することによって物体の動きを予測する教師なし学習法である。
GPCOは、モデルサイズが大幅に小さく、トレーニング時間も少ないのに対して、ディープラーニング手法のベンチマークを精度で上回ることが観察された。
論文 参考訳(メタデータ) (2021-12-08T00:24:03Z) - Efficient Real-Time Radial Distortion Correction for UAVs [1.7149364927872015]
慣性測定ユニット(IMU)を備えた無人航空機(UAV)の車載半径歪み補正のための新しいアルゴリズムを提案する。
このアプローチは校正手順を冗長にし、即時光の交換を可能にする。
焦点長, 半径歪み分布, 運動パラメータをホモグラフから同時に推定する高速で頑健な最小解法を提案する。
論文 参考訳(メタデータ) (2020-10-08T18:34:56Z) - Real-Time Point Cloud Fusion of Multi-LiDAR Infrastructure Sensor Setups
with Unknown Spatial Location and Orientation [0.0]
外部からの援助から完全に切り離され、完全に自動的に実行されるアルゴリズムを提案する。
本手法は,LiDAR点雲の高精度融合に焦点を当てる。
シミュレーションおよび実測値を用いた実験により,64層LiDARの連続点雲登録をリアルタイムに行うことを確認した。
論文 参考訳(メタデータ) (2020-07-28T08:43:39Z) - Fast and Robust Iterative Closest Point [32.42799285301607]
イテレーティブ・クローズト・ポイント(ICP)は、2つの点集合間の剛性登録のための基本技術である。
Sparse ICPのような最近の研究は、計算速度を犠牲にしてスパース性最適化によって堅牢性を達成する。
本稿では,古典的な点対点ICPを最大化最小化(MM)アルゴリズムとして扱えることを示す。
論文 参考訳(メタデータ) (2020-07-15T11:32:53Z)
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。