論文の概要: Graph-theoretical approach to robust 3D normal extraction of LiDAR data
- arxiv url: http://arxiv.org/abs/2205.11460v1
- Date: Mon, 23 May 2022 16:54:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-24 21:19:47.221672
- Title: Graph-theoretical approach to robust 3D normal extraction of LiDAR data
- Title（参考訳）: グラフ理論によるLiDARデータのロバスト3次元正規抽出
- Authors: Arpan Kusari and Wenbo Sun
- Abstract要約: 平面のような)LiDAR点雲からの低次元原始的特徴抽出は、LiDARデータ処理タスクの大多数の基礎となる。
本稿では,LiDAR点雲からの正規推定にグラフィカルアプローチを用いることで,このギャップを埋めようとしている。
- 参考スコア（独自算出の注目度）: 10.332465264309693
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Low dimensional primitive feature extraction from LiDAR point clouds (such as
planes) forms the basis of majority of LiDAR data processing tasks. A major
challenge in LiDAR data analysis arises from the irregular nature of LiDAR data
that forces practitioners to either regularize the data using some form of
gridding or utilize a triangular mesh such as triangulated irregular network
(TIN). While there have been a handful applications using LiDAR data as a
connected graph, a principled treatment of utilizing graph-theoretical approach
for LiDAR data modelling is still lacking. In this paper, we try to bridge this
gap by utilizing graphical approach for normal estimation from LiDAR point
clouds. We formulate the normal estimation problem in an optimization
framework, where we find the corresponding normal vector for each LiDAR point
by utilizing its nearest neighbors and simultaneously enforcing a graph
smoothness assumption based on point samples. This is a non-linear constrained
convex optimization problem which can then be solved using projected conjugate
gradient descent to yield an unique solution. As an enhancement to our
optimization problem, we also provide different weighted solutions based on the
dot product of the normals and Euclidean distance between the points. In order
to assess the performance of our proposed normal extraction method and
weighting strategies, we first provide a detailed analysis on repeated randomly
generated datasets with four different noise levels and four different tuning
parameters. Finally, we benchmark our proposed method against existing
state-of-the-art approaches on a large scale synthetic plane extraction
dataset. The code for the proposed approach along with the simulations and
benchmarking is available at
https://github.com/arpan-kusari/graph-plane-extraction-simulation.
- Abstract（参考訳）: 平面のような)LiDAR点雲からの低次元原始的特徴抽出は、LiDARデータ処理タスクの大多数の基礎を形成する。
LiDARデータ分析における大きな課題は、LiDARデータの不規則な性質から発生し、ある形態のグリッドでデータを正規化するか、三角不規則ネットワーク(TIN)のような三角形メッシュを使用するように強制する。
連結グラフとしてLiDARデータを用いるアプリケーションもいくつか存在するが、LiDARデータモデリングにグラフ理論的アプローチを利用するという基本的な処理はいまだに不足している。
本稿では,LiDAR点雲からの正規推定にグラフィカルアプローチを用いて,このギャップを埋めようとしている。
そこで,各lidar点に対して最寄りの近傍を利用して対応する正規ベクトルを探索し,点サンプルに基づくグラフ平滑性仮定を同時に実施する最適化フレームワークにおいて,正規推定問題を定式化する。
これは非線形制約付き凸最適化問題であり、射影共役勾配降下を用いて解いて一意解が得られる。
最適化問題の強化として、正規点の点積と点間のユークリッド距離に基づいて異なる重み付き解を提供する。
提案する正規抽出法と重み付け戦略の性能を評価するために,まず4つの異なるノイズレベルと4つの異なるチューニングパラメータを持つランダムに生成されたデータセットについて詳細な分析を行う。
最後に,提案手法を大規模合成平面抽出データセットの既存手法に対してベンチマークする。
提案手法とシミュレーションとベンチマークのコードはhttps://github.com/arpan-kusari/graph-plane- Extraction-simulationで公開されている。
関連論文リスト
- Robust Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric [5.153195958837083]
我々は,LiDAR BAアルゴリズムの最適化目標を構築するために,新しい平均2乗群計量(MSGM)を提案する。
堅牢なカーネル関数を統合することで、BAアルゴリズムに関わるメトリクスを再重み付けし、ソリューションプロセスの堅牢性を高める。
論文 参考訳（メタデータ） (2024-09-03T12:53:39Z) - SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [76.40993825836222]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - Differentially Private Optimization with Sparse Gradients [60.853074897282625]
微分プライベート(DP)最適化問題を個人勾配の空間性の下で検討する。
これに基づいて、スパース勾配の凸最適化にほぼ最適な速度で純粋および近似DPアルゴリズムを得る。
論文 参考訳（メタデータ） (2024-04-16T20:01:10Z) - Neural Gradient Learning and Optimization for Oriented Point Normal
Estimation [53.611206368815125]
本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。
局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。
本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
論文 参考訳（メタデータ） (2023-09-17T08:35:11Z) - Multi-Linear Kernel Regression and Imputation in Data Manifolds [12.15802365851407]
本稿では、データ回帰とインプットのための効率的なマルチ線形非パラメトリック近似フレームワークとその動的磁気共鳴イメージング(dMRI)への応用について紹介する。
データ特徴は、ヒルベルト空間を再現するカーネルに埋め込まれた滑らかな多様体に、あるいは近くに存在すると仮定される。ランドマーク点は、接空間の概念を滑らかに模倣する線形近似パッチにより、特徴の点雲を記述するために特定される。
マルチ線形モデルは次元の削減に影響を及ぼし、効率的な計算を可能にし、トレーニングデータや追加情報なしでデータパターンとその幾何学を抽出する。
論文 参考訳（メタデータ） (2023-04-06T12:58:52Z) - Orthogonal Matrix Retrieval with Spatial Consensus for 3D Unknown-View
Tomography [58.60249163402822]
未知視トモグラフィ(UVT)は、未知のランダムな向きで2次元投影から3次元密度マップを再構成する。
提案したOMRはより堅牢で、従来の最先端のOMRアプローチよりも大幅に性能が向上している。
論文 参考訳（メタデータ） (2022-07-06T21:40:59Z) - Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D
Edge Alignment [85.32080531133799]
本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。
エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。
3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
論文 参考訳（メタデータ） (2020-12-15T11:42:17Z) - Depth Completion using Piecewise Planar Model [94.0808155168311]
深度マップは一連の学習された基底で表現することができ、閉じた解法で効率的に解ける。
しかし、この方法の1つの問題は、色境界が深さ境界と矛盾する場合にアーチファクトを生成することである。
私たちは、より厳密な深度回復モデルを実行します。
論文 参考訳（メタデータ） (2020-12-06T07:11:46Z) - Bayesian learning of orthogonal embeddings for multi-fidelity Gaussian
Processes [3.564709604457361]
プロジェクション」マッピングは、事前未知と見なされる正則行列から成り、GPパラメータと共同で推論する必要がある。
提案するフレームワークをGPを用いたマルチ忠実度モデルに拡張し,複数の出力を同時にトレーニングするシナリオを含む。
提案手法の利点は, 産業用ガスタービン用最終段翼の3次元空力最適化に難渋するものである。
論文 参考訳（メタデータ） (2020-08-05T22:28:53Z) - Nonlinear Dimensionality Reduction for Data Visualization: An
Unsupervised Fuzzy Rule-based Approach [5.5612170847190665]
本稿では,主にデータ可視化のための教師なしファジィ規則に基づく次元削減手法を提案する。
入力データ中のクラスタを用いて,一階の高木-菅野型モデルを用いてルール前駆体を生成する。
提案手法を3つの実世界のデータセットと3つの実世界のデータセットに適用し、その結果を他の4つの標準データ可視化手法と視覚的に比較する。
論文 参考訳（メタデータ） (2020-04-08T10:33:06Z)
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。