論文の概要: A Single Correspondence Is Enough: Robust Global Registration to Avoid Degeneracy in Urban Environments

• arxiv url: http://arxiv.org/abs/2203.06612v1
• Date: Sun, 13 Mar 2022 09:57:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-15 16:44:38.421300
• Title: A Single Correspondence Is Enough: Robust Global Registration to Avoid Degeneracy in Urban Environments
• Title（参考訳）: 単一の対応だけで十分:都市環境の縮退を避けるためのロバストなグローバル登録
• Authors: Hyungtae Lim, Suyong Yeon, Soohyun Ryu, Yonghan Lee, Youngji Kim, Jaeseong Yun, Euigon Jung, Donghwan Lee and Hyun Myung
• Abstract要約: そこで我々はQuatroと呼ばれるデジェネリティー・ロバスト・デカップリングに基づくグローバルな登録手法を提案する。 本手法では,アトランタの都市環境における仮定を利用して準SO(3)推定を行い,回転推定における縮退を回避する。 室内および屋外の3次元LiDARデータセットで検証した結果,提案手法は,他のグローバルな登録手法と比較して,堅牢なグローバルな登録性能が得られることがわかった。
• 参考スコア（独自算出の注目度）: 8.044778017349024
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Global registration using 3D point clouds is a crucial technology for mobile platforms to achieve localization or manage loop-closing situations. In recent years, numerous researchers have proposed global registration methods to address a large number of outlier correspondences. Unfortunately, the degeneracy problem, which represents the phenomenon in which the number of estimated inliers becomes lower than three, is still potentially inevitable. To tackle the problem, a degeneracy-robust decoupling-based global registration method is proposed, called Quatro. In particular, our method employs quasi-SO(3) estimation by leveraging the Atlanta world assumption in urban environments to avoid degeneracy in rotation estimation. Thus, the minimum degree of freedom (DoF) of our method is reduced from three to one. As verified in indoor and outdoor 3D LiDAR datasets, our proposed method yields robust global registration performance compared with other global registration methods, even for distant point cloud pairs. Furthermore, the experimental results confirm the applicability of our method as a coarse alignment. Our code is available: https://github.com/url-kaist/quatro.
• Abstract（参考訳）: 3Dポイントクラウドを使用したグローバルな登録は、モバイルプラットフォームがローカライズやループ閉鎖の状況を管理する上で重要な技術である。 近年,多くの研究者が,多数の外乱対応に対処するためのグローバルな登録手法を提案している。 残念なことに、推定インレーヤ数が3より少なくなる現象を表す縮退問題は、いまだに避けられない。 この問題に対処するために、Quatroと呼ばれるデジェネリティー・ロバスト・デカップリングに基づくグローバルな登録手法を提案する。 特に,都市環境におけるアトランタ・ワールドの仮定を活用し,回転推定の縮退を回避することで擬似so(3)推定を行う。 したがって、我々の手法の最小自由度(DoF)は3から1に減少する。 屋内および屋外の3dlidarデータセットで検証されたように,提案手法は,遠方の点クラウドペアであっても,他のグローバル登録手法と比較してロバストなグローバル登録性能をもたらす。 さらに, 実験結果から, 粗いアライメントとしての適用性を確認した。 コードはhttps://github.com/url-kaist/quatro.com/。

関連論文リスト

• Correspondence-Free SE(3) Point Cloud Registration in RKHS via Unsupervised Equivariant Learning [13.098807543505028]
  本稿では,ポイント対応を必要としないロバストなSE(3)ポイントクラウド登録手法を提案する。 ノイズ、外周、非対称データの中で信頼性の高い性能を提供する新しいRKHS距離測定法が提案されている。 提案手法は, 合成 (ModelNet40) と実世界 (ETH3D) の両方のノイズ, 外れ値の多いデータセットの登録精度において, 古典的, 教師ありの手法より優れている。
  論文  参考訳（メタデータ） (2024-07-29T17:57:38Z)
• Pyramid Semantic Graph-based Global Point Cloud Registration with Low Overlap [27.362946585463824]
  グローバルポイントクラウドの登録は、ループ閉鎖や再ローカライゼーションといった多くのロボティクスタスクにおいて不可欠である。 残念なことに、登録はポイントクラウド間の重複が低いことに悩まされることが多い。 本稿では,重複度が低い点登録問題に対処する頑健な枠組みを提案する。
  論文  参考訳（メタデータ） (2023-07-22T16:05:23Z)
• Efficient and Deterministic Search Strategy Based on Residual Projections for Point Cloud Registration with Correspondences [18.509532571594995]
  現在の3D特徴マッチングアプローチは、通常、多くの外乱対応をもたらし、外乱登録技術は不可欠である。 本稿では,残射影に基づく新しいポーズデカップリング戦略を導入し,生の登録問題を3つのサブプロブレムに分解する。 本手法は,同時ポーズと登録の困難な問題に適応することができる。
  論文  参考訳（メタデータ） (2023-05-19T14:52:40Z)
• Divide and Contrast: Source-free Domain Adaptation via Adaptive Contrastive Learning [122.62311703151215]
  Divide and Contrast (DaC) は、それぞれの制限を回避しつつ、両方の世界の善良な端を接続することを目的としている。 DaCは、ターゲットデータをソースライクなサンプルとターゲット固有なサンプルに分割する。 さらに、ソースライクなドメインと、メモリバンクベースの最大平均離散性(MMD)損失を用いて、ターゲット固有のサンプルとを整合させて、分散ミスマッチを低減する。
  論文  参考訳（メタデータ） (2022-11-12T09:21:49Z)
• Open-Set Semi-Supervised Learning for 3D Point Cloud Understanding [62.17020485045456]
  半教師付き学習(SSL)では、ラベル付きデータと同じ分布からラベル付きデータが引き出されることが一般的である。 サンプル重み付けによりラベルなしデータを選択的に活用することを提案する。
  論文  参考訳（メタデータ） (2022-05-02T16:09:17Z)
• Local Learning Matters: Rethinking Data Heterogeneity in Federated Learning [61.488646649045215]
  フェデレートラーニング(FL)は、クライアントのネットワーク(エッジデバイス)でプライバシ保護、分散ラーニングを行うための有望な戦略である。
  論文  参考訳（メタデータ） (2021-11-28T19:03:39Z)
• ICOS: Efficient and Highly Robust Point Cloud Registration with Correspondences [6.8858952804978335]
  ポイントクラウド登録は、ロボット工学とコンピュータビジョンの基本的な問題である。 本論文では,通信型ポイントクラウド登録問題に対する,新規で効率的かつ堅牢なソリューションであるICOSについて述べる。
  論文  参考訳（メタデータ） (2021-04-30T05:41:53Z)
• IRON: Invariant-based Highly Robust Point Cloud Registration [6.8858952804978335]
  本稿では,多量の外れ値を持つ点クラウド登録のための非最小かつ高ロバストな解を提案する。 IRONは効率が高く,精度が高く,99%のアウトレーヤに対して堅牢であることを示す。
  論文  参考訳（メタデータ） (2021-03-07T13:46:56Z)
• On Efficient and Robust Metrics for RANSAC Hypotheses and 3D Rigid Registration [51.64236850960365]
  本稿では, 高精度な3次元剛性登録を実現するために, RANSAC仮説の効率的かつ堅牢な評価指標の開発に焦点をあてる。 Inlierとoutlierのコントリビューションを分析し、RANSAC仮説の異なる設計モチベーションを持つ、いくつかの効率的で堅牢なメトリクスを提案する。
  論文  参考訳（メタデータ） (2020-11-10T02:22:45Z)
• Deep Global Registration [90.05565444450524]
  Deep Global Registrationは、現実世界の3Dスキャンをペアで登録するための、差別化可能なフレームワークである。 我々の手法は、学習ベースと古典的両方の最先端の手法を実世界のデータで上回ります。
  論文  参考訳（メタデータ） (2020-04-24T05:47:32Z)
• Unsupervised Domain Adaptation in Person re-ID via k-Reciprocal Clustering and Large-Scale Heterogeneous Environment Synthesis [76.46004354572956]
  個人再識別のための教師なし領域適応手法を提案する。 実験結果から,ktCUDA法とSHRED法は,再同定性能において,+5.7 mAPの平均的改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-01-14T17:43:52Z)

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。