論文の概要: Globally Optimal Boresight Alignment of UAV-LiDAR Systems

• arxiv url: http://arxiv.org/abs/2202.13501v1
• Date: Mon, 28 Feb 2022 01:48:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-01 16:38:34.796376
• Title: Globally Optimal Boresight Alignment of UAV-LiDAR Systems
• Title（参考訳）: UAV-LiDARシステムのグローバル最適ボレストアライメント
• Authors: Smitha Gopinath, Hassan L. Hijazi, Adam Collins, Julian Dann Nathan Lemons, Emily Schultz-Fellenz, Russell Bent, Amira Hijazi, Gert Riemersma
• Abstract要約: 空中光検出・測光システム(LiDAR)の故障は、不正確な3D点雲を引き起こす可能性がある。 本稿では,このミスアライメント問題をグローバルに解決できるMIQCQP(mixed-integer quadratally constrained Program)を提案する。 また,ネストした空間分岐とバウンド(nsBB)アルゴリズムを提案し,計算性能を向上する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In airborne light detection and ranging (LiDAR) systems, misalignments between the LiDAR-scanner and the inertial navigation system (INS) mounted on an unmanned aerial vehicle (UAV)'s frame can lead to inaccurate 3D point clouds. Determining the orientation offset, or boresight error is key to many LiDAR-based applications. In this work, we introduce a mixed-integer quadratically constrained quadratic program (MIQCQP) that can globally solve this misalignment problem. We also propose a nested spatial branch and bound (nsBB) algorithm that improves computational performance. The nsBB relies on novel preprocessing steps that progressively reduce the problem size. In addition, an adaptive grid search (aGS) allowing us to obtain quick heuristic solutions is presented. Our algorithms are open-source, multi-threaded and multi-machine compatible.
• Abstract（参考訳）: 空中光検出・測光システム(LiDAR)では、LiDARスキャナーと無人航空機(UAV)のフレームに搭載された慣性航法システム(inertial navigation system、INS)とのミスアライメントが不正確な3D点雲を引き起こす可能性がある。 多くのLiDARベースのアプリケーションでは、オリエンテーションオフセットの決定やボアセットエラーが重要である。 本研究では,このミスアライメント問題を世界規模で解決できるMIQCQP(mixed-integerally constrained quadratatic Program)を提案する。 また,計算性能を向上させるnested spatial branch and bound (nsbb)アルゴリズムを提案する。 nsBBは、問題のサイズを徐々に小さくする新しい前処理ステップに依存している。 さらに,高速なヒューリスティックな解が得られる適応格子探索(aGS)を提案する。 我々のアルゴリズムはオープンソース、マルチスレッド、マルチマシン互換です。

関連論文リスト

• ILP-based Resource Optimization Realized by Quantum Annealing for Optical Wide-area Communication Networks -- A Framework for Solving Combinatorial Problems of a Real-world Application by Quantum Annealing [5.924780594614675]
  近年の研究では、D-Wave AdvantageTM量子アニールシステムに組み込むことができる2次非拘束二元最適化(QUBO)問題として、そのような問題をいかに実装できるかを実証した。 本稿では、システムパラメータの最適化に関する調査と、ソリューションの品質をさらに向上させるために機械学習(ML)技術をどのように取り入れているかについて報告する。 我々は、このNNを単純な整数線形プログラミング(ILP)の例で実装し、D-Waveが取得しなかった解空間をNNが完全にマッピングする方法を実証した。
  論文  参考訳（メタデータ） (2024-01-01T17:52:58Z)
• Global Context Aggregation Network for Lightweight Saliency Detection of Surface Defects [70.48554424894728]
  我々は,エンコーダ・デコーダ構造上の表面欠陥を簡易に検出するためのGCANet(Global Context Aggregation Network)を開発した。 まず、軽量バックボーンの上部層に新しいトランスフォーマーエンコーダを導入し、DSA(Depth-wise Self-Attention)モジュールを通じてグローバルなコンテキスト情報をキャプチャする。 3つの公開欠陥データセットの実験結果から,提案したネットワークは,他の17の最先端手法と比較して,精度と実行効率のトレードオフを良好に達成できることが示された。
  論文  参考訳（メタデータ） (2023-09-22T06:19:11Z)
• UnLoc: A Universal Localization Method for Autonomous Vehicles using LiDAR, Radar and/or Camera Input [51.150605800173366]
  UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。 本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
  論文  参考訳（メタデータ） (2023-07-03T04:10:55Z)
• Adaptive Federated Minimax Optimization with Lower Complexities [82.51223883622552]
  本稿では,これらのミニマックス問題の解法として,適応最小最適化アルゴリズム(AdaFGDA)を提案する。 運動量に基づく還元および局所SGD技術を構築し、様々な適応学習率を柔軟に組み込む。
  論文  参考訳（メタデータ） (2022-11-14T12:32:18Z)
• Efficient Beam Search for Initial Access Using Collaborative Filtering [1.496194593196997]
  ビームフォーミング可能なアンテナアレイは、高いキャリア周波数での高自由空間パス損失を克服する。 ビームは、最高出力がユーザ機器(UE)に向けて放射される(かつ受信される)ことを保証するために、適切にアライメントされなければならない。
  論文  参考訳（メタデータ） (2022-09-14T14:25:56Z)
• Optimal Solutions for Joint Beamforming and Antenna Selection: From Branch and Bound to Machine Learning [47.10315221141495]
  本研究は、不完全なチャネル状態情報(CSI)の下で、継手ビームフォーミング(BF)とアンテナ選択(AS)の問題およびロバストビームフォーミング(RBF)バージョンを再検討する。 この研究の主な貢献は3つある。まず、関心事の問題を解決する効果的な分岐と境界(B&B)フレームワークを提案する。 第二に、潜在的にコストのかかるB&Bアルゴリズムを高速化するために、B&B検索ツリーの中間状態を省略する機械学習(ML)ベースのスキームが提案されている。
  論文  参考訳（メタデータ） (2022-06-11T17:43:02Z)
• End-To-End Optimization of LiDAR Beam Configuration for 3D Object Detection and Localization [87.56144220508587]
  与えられたアプリケーションに対するLiDARビーム構成の最適化を学ぶために、新しい経路を取る。 ビーム構成を自動的に最適化する強化学習に基づく学習最適化フレームワークを提案する。 本手法は低解像度(低コスト)のLiDARが必要な場合に特に有用である。
  論文  参考訳（メタデータ） (2022-01-11T09:46:31Z)
• Covariance-Free Sparse Bayesian Learning [62.24008859844098]
  共分散行列の明示的な反転を回避する新しいSBL推論アルゴリズムを導入する。 私たちの手法は、既存のベースラインよりも数千倍も高速です。 我々は,SBLが高次元信号回復問題に難なく対処できる新しいアルゴリズムについて紹介する。
  論文  参考訳（メタデータ） (2021-05-21T16:20:07Z)
• Sum-Rate Maximization for UAV-assisted Visible Light Communications using NOMA: Swarm Intelligence meets Machine Learning [15.385078410753986]
  非直交多重アクセスネットワークを用いたUAV支援可視光通信(VLC)を検討する。 サービス利用者とUAVの位置の合計を最大化するために、電力配分とUAV配置の問題を策定します。 ハリスホークス最適化(HHO)を用いて定式化課題の解法と効率的な解法を提案する。
  論文  参考訳（メタデータ） (2021-01-10T08:21:49Z)
• Joint Deep Reinforcement Learning and Unfolding: Beam Selection and Precoding for mmWave Multiuser MIMO with Lens Arrays [54.43962058166702]
  離散レンズアレイを用いたミリ波マルチユーザマルチインプット多重出力(MU-MIMO)システムに注目が集まっている。 本研究では、DLA を用いた mmWave MU-MIMO システムのビームプリコーディング行列の共同設計について検討する。
  論文  参考訳（メタデータ） (2021-01-05T03:55:04Z)
• Robust Odometry and Mapping for Multi-LiDAR Systems with Online Extrinsic Calibration [15.946728828122385]
  本稿では,複数のLiDARのロバストかつ同時キャリブレーション,オドメトリー,マッピングを実現するシステムを提案する。 キャリブレーションとSLAMのための10列(全長4.60km)の広範囲な実験により,本手法の性能を検証した。 提案手法は,様々なマルチLiDARセットアップのための完全で堅牢なシステムであることを示す。
  論文  参考訳（メタデータ） (2020-10-27T13:51:26Z)

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。