論文の概要: ECTLO: Effective Continuous-time Odometry Using Range Image for LiDAR
with Small FoV
- arxiv url: http://arxiv.org/abs/2206.08517v2
- Date: Thu, 19 Oct 2023 03:25:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-20 21:20:20.824644
- Title: ECTLO: Effective Continuous-time Odometry Using Range Image for LiDAR
with Small FoV
- Title(参考訳): ECTLO:小さなFVを持つLiDARにおけるレンジ画像を用いた効果的な連続時間オドメトリー
- Authors: Xin Zheng, Jianke Zhu
- Abstract要約: 非繰り返し走査パターンを持つリズレープリズムに基づくLiDARに対する実効連続時間LiDARオドメトリー(ECTLO)法を提案する。
効率的な地図表現には、LiDARの小さなFoVの歴史的点をカバーする単一のレンジ画像が採用されている。
プリズムをベースとしたLiDARを走査パターンの異なる様々なテストベッドで実験を行った。
- 参考スコア(独自算出の注目度): 20.452961476175812
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Prism-based LiDARs are more compact and cheaper than the conventional
mechanical multi-line spinning LiDARs, which have become increasingly popular
in robotics, recently. However, there are several challenges for these new
LiDAR sensors, including small field of view, severe motion distortions, and
irregular patterns, which hinder them from being widely used in LiDAR odometry,
practically. To tackle these problems, we present an effective continuous-time
LiDAR odometry (ECTLO) method for the Risley-prism-based LiDARs with
non-repetitive scanning patterns. A single range image covering historical
points in LiDAR's small FoV is adopted for efficient map representation. To
account for the noisy data from occlusions after map updating, a filter-based
point-to-plane Gaussian Mixture Model is used for robust registration.
Moreover, a LiDAR-only continuous-time motion model is employed to relieve the
inevitable distortions. Extensive experiments have been conducted on various
testbeds using the prism-based LiDARs with different scanning patterns, whose
promising results demonstrate the efficacy of our proposed approach.
- Abstract(参考訳): PrismベースのLiDARは、最近ロボット工学で人気が高まっている従来のメカニカルなマルチライン回転式LiDARよりもコンパクトで安価である。
しかし、これらの新しいlidarセンサーには、小さな視野、激しい動きの歪み、不規則なパターンなど、いくつかの課題があり、lidarのオドメトリーで広く使われることを妨げている。
これらの問題に対処するため,リズリープリズムに基づく非反復走査型LiDARのための実効連続時間LiDARオドメトリー(ECTLO)法を提案する。
効率的な地図表現には、LiDARの小さなFoVの歴史的点をカバーする単一のレンジ画像が採用されている。
マップ更新後のオクルージョンからのノイズデータを考慮し,ロバストな登録のためにフィルタに基づく点-面混合モデルを用いる。
さらに、LiDARのみの連続時間運動モデルを用いて、避けられない歪みを緩和する。
プリズムをベースとしたLiDARを走査パターンの異なる様々なテストベッドで大規模な実験を行い,提案手法の有効性を実証した。
関連論文リスト
- UltraLiDAR: Learning Compact Representations for LiDAR Completion and
Generation [51.443788294845845]
我々は、シーンレベルのLiDAR補完、LiDAR生成、LiDAR操作のためのデータ駆動フレームワークであるUltraLiDARを提案する。
スパース点雲の表現を高密度点雲の表現に合わせることで、スパース点雲を密度化できることが示される。
個別のコードブック上で事前学習を行うことで、多種多様な現実的なLiDARポイントクラウドを自動走行のために生成できます。
論文 参考訳(メタデータ) (2023-11-02T17:57:03Z) - Traj-LO: In Defense of LiDAR-Only Odometry Using an Effective
Continuous-Time Trajectory [20.452961476175812]
本文では,LiDARのみのオドメトリーを連続的視点で検討する。
提案するTraj-LOアプローチは,LiDARの空間的・時間的一貫した動きを回復しようとする。
私たちの実装はGitHubでオープンソース化されています。
論文 参考訳(メタデータ) (2023-09-25T03:05:06Z) - Detecting the Anomalies in LiDAR Pointcloud [8.827947115933942]
逆の気象条件は、LiDARが散乱ノイズ点や異常強度値などの異常なパターンを持つ点雲を発生させる可能性がある。
そこで本研究では,LiDARが点雲特性を解析して異常点雲を発生しているかどうかを検知する手法を提案する。
論文 参考訳(メタデータ) (2023-07-31T22:53:42Z) - LiDAR-NeRF: Novel LiDAR View Synthesis via Neural Radiance Fields [112.62936571539232]
本稿では,LiDARセンサのための新しいビュー合成手法を提案する。
スタイルトランスファーニューラルネットワークを用いた従来のモデルベースLiDARシミュレータは、新しいビューのレンダリングに応用できる。
ニューラル放射場(NeRF)を用いて幾何学と3D点の属性の連成学習を容易にする。
論文 参考訳(メタデータ) (2023-04-20T15:44:37Z) - Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。
このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。
nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
論文 参考訳(メタデータ) (2022-06-30T01:44:30Z) - Stress-Testing LiDAR Registration [52.24383388306149]
本稿では,LiDARデータセットからフレームペアの挑戦的集合である平衡登録集合を選択する手法を提案する。
おそらく予想外のことに、最も高速かつ同時に正確なアプローチは、先進RANSACのバージョンであることがわかった。
論文 参考訳(メタデータ) (2022-04-16T05:10:55Z) - LiDAR Distillation: Bridging the Beam-Induced Domain Gap for 3D Object
Detection [96.63947479020631]
多くの現実世界の応用において、大量生産されたロボットや車両が使用するLiDARポイントは通常、大規模な公開データセットよりもビームが少ない。
異なるLiDARビームによって誘導される領域ギャップをブリッジして3次元物体検出を行うLiDAR蒸留法を提案する。
論文 参考訳(メタデータ) (2022-03-28T17:59:02Z) - LiDARCap: Long-range Marker-less 3D Human Motion Capture with LiDAR
Point Clouds [58.402752909624716]
既存のモーションキャプチャデータセットはほとんどが短距離であり、まだ長距離アプリケーションのニーズに合わない。
我々は,この制限を克服するために,LiDARがより長い範囲で捉えた新しい人間のモーションキャプチャーデータセットLiDARHuman26Mを提案する。
我々のデータセットには、IMUシステムによって取得された人間の動きと同期RGB画像も含まれている。
論文 参考訳(メタデータ) (2022-03-28T12:52:45Z) - 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) - Cirrus: A Long-range Bi-pattern LiDAR Dataset [35.87501129332217]
我々は、自律運転タスクのための新しい長距離二パターンLiDARパブリックデータセットであるCirrusを紹介する。
我々のプラットフォームには高解像度ビデオカメラと250メートルの有効範囲のLiDARセンサーが装備されている。
Cirrusでは、8つのカテゴリのオブジェクトが、有効範囲全体のLiDAR点雲に完全に注釈付けされている。
論文 参考訳(メタデータ) (2020-12-05T03:18:31Z)
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。