論文の概要: Fast and Robust Ground Surface Estimation from LIDAR Measurements using
Uniform B-Splines
- arxiv url: http://arxiv.org/abs/2203.01180v1
- Date: Wed, 2 Mar 2022 15:26:51 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-03 16:10:03.099555
- Title: Fast and Robust Ground Surface Estimation from LIDAR Measurements using
Uniform B-Splines
- Title(参考訳): 一様B線を用いたLIDAR計測による高速・ロバスト地表面推定
- Authors: Sascha Wirges, Kevin R\"osch, Frank Bieder, Christoph Stiller
- Abstract要約: 自動走行車におけるLIDAR測定から地上面を高速かつ頑健に推定する手法を提案する。
本稿では,線形問題として再計算可能なLS最適化問題として推定過程をモデル化する。
実世界のシナリオにおける研究車両のアプローチを検証する。
- 参考スコア(独自算出の注目度): 3.337790639927531
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a fast and robust method to estimate the ground surface from LIDAR
measurements on an automated vehicle. The ground surface is modeled as a UBS
which is robust towards varying measurement densities and with a single
parameter controlling the smoothness prior. We model the estimation process as
a robust LS optimization problem which can be reformulated as a linear problem
and thus solved efficiently. Using the SemanticKITTI data set, we conduct a
quantitative evaluation by classifying the point-wise semantic annotations into
ground and non-ground points. Finally, we validate the approach on our research
vehicle in real-world scenarios.
- Abstract(参考訳): 自動走行車におけるLIDAR測定から地上面を高速かつ頑健に推定する手法を提案する。
地表面は、様々な測定密度に対して頑健なUBSとしてモデル化され、それ以前の滑らかさを制御する単一のパラメータを持つ。
本稿では, 線形問題として再計算し, 効率よく解ける頑健なLS最適化問題として, 推定過程をモデル化する。
SemanticKITTIデータセットを用いて、ポイントワイドな意味アノテーションを基底点と非基底点に分類して定量的評価を行う。
最後に、実世界のシナリオにおける研究車両のアプローチを検証する。
関連論文リスト
- Observation-Guided Meteorological Field Downscaling at Station Scale: A
Benchmark and a New Method [66.80344502790231]
気象学的ダウンスケーリングを任意の散乱ステーションスケールに拡張し、新しいベンチマークとデータセットを確立する。
データ同化技術にインスパイアされた我々は、観測データをダウンスケーリングプロセスに統合し、マルチスケールの観測先行情報を提供する。
提案手法は、複数の曲面変数上で、他の特別に設計されたベースラインモデルよりも優れている。
論文 参考訳(メタデータ) (2024-01-22T14:02:56Z) - Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。
大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
論文 参考訳(メタデータ) (2023-10-09T14:30:06Z) - Estimation of Local Average Treatment Effect by Data Combination [3.655021726150368]
治療課題の遵守が不完全である場合には、局所的平均治療効果(LATE)を推定することが重要である。
以前提案されたLATE推定法では、関連するすべての変数を1つのデータセットで共同で観測することが必要であった。
最小値の定式化を回避し,より簡易なモデル選択を可能とする重み付き最小二乗推定器を提案する。
論文 参考訳(メタデータ) (2021-09-11T03:51:48Z) - Low-Rank Hankel Tensor Completion for Traffic Speed Estimation [7.346671461427793]
交通状態推定問題に対する純粋にデータ駆動型かつモデルフリーなソリューションを提案する。
このテンソル構造に低ランクな仮定を課すことで、大域的パターンと未知の複素局所力学の両方を近似することができる。
本研究では,合成シミュレーションデータと実世界の高分解能データの両方について数値実験を行い,提案モデルの有効性と優位性を実証した。
論文 参考訳(メタデータ) (2021-05-21T00:08:06Z) - Efficient LiDAR Odometry for Autonomous Driving [16.22522474028277]
LiDARオドメトリーは、自律ナビゲーションの自己局在化とマッピングにおいて重要な役割を果たします。
近年の球面範囲画像ベース手法は球面マッピングによる高速近接探索の利点を享受している。
そこで本稿では,非球面画像と鳥眼視図の両面を基盤点に利用して,新しい効率的なLiDARオドメトリー手法を提案する。
論文 参考訳(メタデータ) (2021-04-22T06:05:09Z) - GELATO: Geometrically Enriched Latent Model for Offline Reinforcement
Learning [54.291331971813364]
オフライン強化学習アプローチは、近近法と不確実性認識法に分けられる。
本研究では,この2つを潜在変動モデルに組み合わせることのメリットを実証する。
提案したメトリクスは、分布サンプルのアウトの品質と、データ内のサンプルの不一致の両方を測定します。
論文 参考訳(メタデータ) (2021-02-22T19:42:40Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳(メタデータ) (2021-02-15T10:37:52Z) - Extrapolation for Large-batch Training in Deep Learning [72.61259487233214]
我々は、バリエーションのホストが、我々が提案する統一されたフレームワークでカバー可能であることを示す。
本稿では,この手法の収束性を証明し,ResNet,LSTM,Transformer上での経験的性能を厳格に評価する。
論文 参考訳(メタデータ) (2020-06-10T08:22:41Z) - Variational Inference with Parameter Learning Applied to Vehicle
Trajectory Estimation [20.41604350878599]
雑音測定のみを用いたガウス変分推論におけるパラメータ学習について述べる。
我々はライダーを用いた自動車による36kmのデータセットを用いて高精細マップに対するローカライズを行う手法を実証した。
論文 参考訳(メタデータ) (2020-03-21T19:48:07Z) - Nonparametric Estimation in the Dynamic Bradley-Terry Model [69.70604365861121]
カーネルのスムース化に依存する新しい推定器を開発し、時間とともにペア比較を前処理する。
モデルに依存しない設定における推定誤差と余剰リスクの両方について時間変化のオラクル境界を導出する。
論文 参考訳(メタデータ) (2020-02-28T21:52:49Z)
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。