論文の概要: Crowd Source Scene Change Detection and Local Map Update

• arxiv url: http://arxiv.org/abs/2203.05205v1
• Date: Thu, 10 Mar 2022 07:36:06 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-11 14:31:56.568073
• Title: Crowd Source Scene Change Detection and Local Map Update
• Title（参考訳）: クラウドソースのシーン変更検出とローカルマップ更新
• Authors: Itzik Wilf, Nati Daniel, Lin Manqing, Firas Shama, Omri Asraf, Feng Wensen, Ofer Kruzel
• Abstract要約: 本稿では,地図更新に伴う構造やテクスチャのシーン変化を検知する手法を提案する。 この方法では、地図はLiDARまたはSFMを介して生成された記述子を持つ3Dポイントを含む。
• 参考スコア（独自算出の注目度）: 0.6927055673104934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As scene changes with time map descriptors become outdated, affecting VPS localization accuracy. In this work, we propose an approach to detect structural and texture scene changes to be followed by map update. In our method - map includes 3D points with descriptors generated either via LiDAR or SFM. Common approaches suffer from shortcomings: 1) Direct comparison of the two point-clouds for change detection is slow due to the need to build new point-cloud every time we want to compare; 2) Image based comparison requires to keep the map images adding substantial storage overhead. To circumvent this problems, we propose an approach based on point-clouds descriptors comparison: 1) Based on VPS poses select close query and map images pairs, 2) Registration of query images to map image descriptors, 3) Use segmentation to filter out dynamic or short term temporal changes, 4) Compare the descriptors between corresponding segments.
• Abstract（参考訳）: タイムマップ記述子でシーンが変化すると、VPSのローカライゼーション精度が悪くなる。 本研究では,地図更新に追従する構造やテクスチャのシーン変化を検出する手法を提案する。 この方法では、地図はLiDARまたはSFMを介して生成された記述子を持つ3Dポイントを含む。 一般的なアプローチは欠点に苦しむ。 1) 変更検出のための2つのポイントクラウドの直接比較は、比較するたびに新しいポイントクラウドを構築する必要があるため、遅い。 2)画像に基づく比較では,マップ画像にかなりのストレージオーバーヘッドを付加する必要がある。 この問題を回避するために,ポイントクラウド記述子比較に基づくアプローチを提案する。 1)vpsに基づくクローズクイッククエリとマップイメージペアの選択。 2)地図画像記述子への問合せ画像の登録 3)分節を用いて動的又は短期的な時間変化をフィルタリングする。 4) 対応するセグメント間で記述子を比較する。

関連論文リスト

• FUSELOC: Fusing Global and Local Descriptors to Disambiguate 2D-3D Matching in Visual Localization [57.59857784298536]
  直接2D-3Dマッチングアルゴリズムでは、メモリが大幅に削減されるが、より大きくあいまいな検索空間のために精度が低下する。 本研究では,2次元3次元探索フレームワーク内の重み付き平均演算子を用いて局所的およびグローバルな記述子を融合させることにより,この曖昧さに対処する。 ローカルのみのシステムの精度を常に改善し、メモリ要求を半減させながら階層的な手法に近い性能を達成する。
  論文  参考訳（メタデータ） (2024-08-21T23:42:16Z)
• DisPlacing Objects: Improving Dynamic Vehicle Detection via Visual Place Recognition under Adverse Conditions [29.828201168816243]
  本研究では,3次元マップを必要とせずに,シーン内の動的物体の検出を支援するために,先行マップを活用できるかどうかを検討する。 提案手法は,対象物検出の初期セットを洗練し,事前マップを用いて高精度な検出のサブセットを生成するアルゴリズムである。
  論文  参考訳（メタデータ） (2023-06-30T10:46:51Z)
• Position-Guided Point Cloud Panoptic Segmentation Transformer [118.17651196656178]
  この作業は、LiDARベースのポイントクラウドセグメンテーションにこの魅力的なパラダイムを適用し、シンプルだが効果的なベースラインを得ることから始まります。 スパース点雲のインスタンスはシーン全体に対して比較的小さく、しばしば類似した形状を持つが、画像領域では珍しいセグメンテーションの外観が欠如している。 position-guided Point cloud Panoptic segmentation transFormer (P3Former) と名付けられたこの手法は、Semantic KITTI と nuScenes のベンチマークでそれぞれ3.4%、そして 1.2%の性能をそれぞれ上回っている。
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)
• Long-term Visual Map Sparsification with Heterogeneous GNN [47.12309045366042]
  本稿では,環境変化を克服し,将来のローカライゼーションに有用な点を選択することで,地図サイズを同時に削減することを目的とする。 グラフニューラルネットワーク(GNN)の最近の進歩に触発されて,SfMマップを異種グラフとしてモデル化し,GNNを用いて3次元点重要度を推定する最初の研究を提案する。 2つの新しい監督手法が提案されている: 1) トレーニングクエリに基づく将来のローカライゼーションに有用なポイントを選択するためのデータ適合用語、2) スパースポイントをフルマップで選択するためのK-Cover用語。
  論文  参考訳（メタデータ） (2022-03-29T01:46:12Z)
• City-scale Scene Change Detection using Point Clouds [71.73273007900717]
  2つの異なる時間にカメラを設置して撮影した画像を用いて都市の構造変化を検出する手法を提案する。 変化検出のための2点雲の直接比較は、不正確な位置情報のため理想的ではない。 この問題を回避するために,ポイントクラウド上での深層学習に基づく非厳密な登録を提案する。 提案手法は,視点や照明の違いがあっても,シーン変化を効果的に検出できることを示す。
  論文  参考訳（メタデータ） (2021-03-26T08:04:13Z)
• Robust Place Recognition using an Imaging Lidar [45.37172889338924]
  本研究では,画像lidarを用いたロバストなリアルタイム位置認識手法を提案する。 本手法は真不変であり,逆再訪と逆逆再訪に対処できる。
  論文  参考訳（メタデータ） (2021-03-03T01:08:31Z)
• Scene Retrieval for Contextual Visual Mapping [22.37892767050086]
  ビジュアルナビゲーションは、視覚的マップとしても知られる場所画像の参照データベースに対してクエリプレース画像をローカライズする。 シーンクラスは、環境とタスクのコンテキストによって異なります。 歩行者と駅を含む4つの異なるシーンクラスが、北ランドとセントルシアの各データセットで識別されている。 シーン検索は、シーンクラスの参照画像に単一のクエリイメージを関連付けることで、テスト時に定義されたシーンの分類に画像検索を拡張する。
  論文  参考訳（メタデータ） (2021-02-25T08:23:19Z)
• Cross-Descriptor Visual Localization and Mapping [81.16435356103133]
  視覚のローカライゼーションとマッピングは、Mixed Realityとロボティクスシステムの大部分を支える重要な技術である。 特徴表現の連続的な更新を必要とする局所化とマッピングのための3つの新しいシナリオを提案する。 我々のデータ駆動型アプローチは特徴記述子型に非依存であり、計算要求が低く、記述アルゴリズムの数と線形にスケールする。
  論文  参考訳（メタデータ） (2020-12-02T18:19:51Z)
• SqueezeSegV3: Spatially-Adaptive Convolution for Efficient Point-Cloud Segmentation [66.49351944322835]
  大規模なポイントクラウドセグメンテーションでは、textitde factoメソッドは3Dポイントクラウドを投影して2D LiDARイメージを取得し、畳み込みを使用して処理する。 入力画像に応じて異なる位置の異なるフィルタを採用するための空間適応畳み込み(SAC)を提案する。 SACは、要素ワイド乗算、im2col、標準畳み込みのシリーズとして実装できるため、効率的に計算できる。
  論文  参考訳（メタデータ） (2020-04-03T22:47:56Z)

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。