論文の概要: Translation Invariant Global Estimation of Heading Angle Using Sinogram of LiDAR Point Cloud

• arxiv url: http://arxiv.org/abs/2203.00924v1
• Date: Wed, 2 Mar 2022 08:11:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-03 15:28:45.072904
• Title: Translation Invariant Global Estimation of Heading Angle Using Sinogram of LiDAR Point Cloud
• Title（参考訳）: LiDAR点雲のシングラムによる頭部角度の変換不変大域推定
• Authors: Xiaqing Ding, Xuecheng Xu, Sha Lu, Yanmei Jiao, Mengwen Tan, Rong Xiong, Huanjun Deng, Mingyang Li, Yue Wang
• Abstract要約: 重力整列点雲の高速かつ高精度な方向角推定法を提案する。 キーとなる考え方は、ラドン変換に基づいて表現の変換を生成することです。 異なる分布を持つ点雲間の向角推定のために、この向角推定器を微分可能な加群として実装する。
• 参考スコア（独自算出の注目度）: 16.94890748193492
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Global point cloud registration is an essential module for localization, of which the main difficulty exists in estimating the rotation globally without initial value. With the aid of gravity alignment, the degree of freedom in point cloud registration could be reduced to 4DoF, in which only the heading angle is required for rotation estimation. In this paper, we propose a fast and accurate global heading angle estimation method for gravity-aligned point clouds. Our key idea is that we generate a translation invariant representation based on Radon Transform, allowing us to solve the decoupled heading angle globally with circular cross-correlation. Besides, for heading angle estimation between point clouds with different distributions, we implement this heading angle estimator as a differentiable module to train a feature extraction network end- to-end. The experimental results validate the effectiveness of the proposed method in heading angle estimation and show better performance compared with other methods.
• Abstract（参考訳）: グローバルポイントクラウドの登録はローカライゼーションに不可欠なモジュールであり、初期値なしでローテーションを世界規模で推定することの主な困難さが存在する。 重力アライメントの助けを借りて、点雲の登録の自由度を4DoFに下げることができ、回転推定には方向角のみが必要となる。 本論文では,重力配向点雲に対する高速かつ高精度な大域方向角推定法を提案する。 我々の重要なアイデアは、ラドン変換に基づく変換不変表現を生成し、円クロス相関によってグローバルに分離された方向角を解決できるということです。 また,分布の異なる点群間の角度推定のために,この角度推定器を可変モジュールとして実装し,特徴抽出ネットワークをエンドツーエンドにトレーニングする。 実験により,提案手法の有効性を検証し,他の手法と比較して優れた性能を示した。

関連論文リスト

• Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
  マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。 我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
  論文  参考訳（メタデータ） (2024-03-30T17:29:13Z)
• One-Nearest Neighborhood Guides Inlier Estimation for Unsupervised Point Cloud Registration [24.275038551236907]
  教師なしポイントクラウド登録のための効果的な不整合推定法を提案する。 ソースポイントクラウドと対応するリファレンスポイントクラウドコピーとの間の幾何学的構造整合性を捉える。 提案したモデルを教師なしで訓練し,提案手法の有効性を示す合成および実世界のデータセットの実験を行った。
  論文  参考訳（メタデータ） (2023-07-26T08:04:01Z)
• CRIN: Rotation-Invariant Point Cloud Analysis and Rotation Estimation via Centrifugal Reference Frame [60.24797081117877]
  CRIN,すなわち遠心回転不変ネットワークを提案する。 CRINは点の座標を直接入力として取り、局所点を回転不変表現に変換する。 点に基づく3次元回転の連続分布を導入する。
  論文  参考訳（メタデータ） (2023-03-06T13:14:10Z)
• General Rotation Invariance Learning for Point Clouds via Weight-Feature Alignment [40.421478916432676]
  局所不変参照フレーム(IRF)を構築するために、ウェイト・フィーチャーアライメント(WFA)を提案する。 我々のWFAアルゴリズムは、すべての場面の点雲に対する一般的な解決策を提供する。
  論文  参考訳（メタデータ） (2023-02-20T11:08:07Z)
• PRIN/SPRIN: On Extracting Point-wise Rotation Invariant Features [91.2054994193218]
  点群解析における回転不変特徴抽出に着目した点集合学習フレームワークPRINを提案する。 さらに、PRINをスパースポイントクラウド上で直接動作するSPRINと呼ばれるスパースバージョンに拡張します。 その結果、ランダムに回転した点群を持つデータセットでは、SPRINはデータ拡張なしで最先端の方法よりも優れたパフォーマンスを発揮します。
  論文  参考訳（メタデータ） (2021-02-24T06:44:09Z)
• Robust Kernel-based Feature Representation for 3D Point Cloud Analysis via Circular Graph Convolutional Network [2.42919716430661]
  本稿では,回転,密度,スケール変動に堅牢な新しい局所特徴記述法を提案する。 局所記述子の表現を改善するために,グローバルアグリゲーション手法を提案する。 本手法は最先端手法と比較して優れた性能を示す。
  論文  参考訳（メタデータ） (2020-12-22T18:02:57Z)
• Mapping in a cycle: Sinkhorn regularized unsupervised learning for point cloud shapes [47.49826669394906]
  点雲形状間の密接な対応を見つけるための教師なし学習フレームワークを提案する。 点クラウドデータから識別点的特徴を学習するために、シンクホーン正規化に基づく正規化項を定式化する。 そこで本研究では, 部分分割性能を向上させるために, 教師付き手法により, 学習ポイントワイドな特徴を活用できることを述べる。
  論文  参考訳（メタデータ） (2020-07-19T05:21:33Z)
• A Rotation-Invariant Framework for Deep Point Cloud Analysis [132.91915346157018]
  ネットワーク入力時に一般的な3次元カルト座標を置き換えるために,新しい低レベル純粋回転不変表現を導入する。 また,これらの表現を特徴に組み込むネットワークアーキテクチャを提案し,点とその近傍の局所的関係とグローバルな形状構造を符号化する。 本手法は, 形状分類, 部分分割, 形状検索を含む多点雲解析タスクにおいて評価する。
  論文  参考訳（メタデータ） (2020-03-16T14:04:45Z)
• On the Arbitrary-Oriented Object Detection: Classification based Approaches Revisited [94.5455251250471]
  まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。 我々は、角予測タスクを回帰問題から分類問題に変換する。 得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
  論文  参考訳（メタデータ） (2020-03-12T03:23:54Z)

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。