論文の概要: PlaneSDF-based Change Detection for Long-term Dense Mapping
- arxiv url: http://arxiv.org/abs/2207.08323v1
- Date: Mon, 18 Jul 2022 00:19:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-20 07:40:49.771283
- Title: PlaneSDF-based Change Detection for Long-term Dense Mapping
- Title（参考訳）: 平面SDFによる長期密度マッピングのための変化検出
- Authors: Jiahui Fu, Chengyuan Lin, Yuichi Taguchi, Andrea Cohen, Yifu Zhang,
Stephen Mylabathula, and John J. Leonard
- Abstract要約: 我々はPlane Signed Distance Fields(PlaneSDF)と呼ばれる新しい地図表現に基づく変更検出の問題について検討する。
ソースとターゲットシーンの点群を考慮し,PlaneSDFに基づく3段階の変更検出手法を提案する。
合成と実世界の両方のデータセットに対する我々のアプローチを評価し、オブジェクト検出のタスクを通じてその効果を実証する。
- 参考スコア（独自算出の注目度）: 10.159737713094119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The ability to process environment maps across multiple sessions is critical
for robots operating over extended periods of time. Specifically, it is
desirable for autonomous agents to detect changes amongst maps of different
sessions so as to gain a conflict-free understanding of the current
environment. In this paper, we look into the problem of change detection based
on a novel map representation, dubbed Plane Signed Distance Fields (PlaneSDF),
where dense maps are represented as a collection of planes and their associated
geometric components in SDF volumes. Given point clouds of the source and
target scenes, we propose a three-step PlaneSDF-based change detection
approach: (1) PlaneSDF volumes are instantiated within each scene and
registered across scenes using plane poses; 2D height maps and object maps are
extracted per volume via height projection and connected component analysis.
(2) Height maps are compared and intersected with the object map to produce a
2D change location mask for changed object candidates in the source scene. (3)
3D geometric validation is performed using SDF-derived features per object
candidate for change mask refinement. We evaluate our approach on both
synthetic and real-world datasets and demonstrate its effectiveness via the
task of changed object detection.
- Abstract（参考訳）: 複数のセッションにまたがる環境マップの処理能力は、長期にわたって動作するロボットにとって不可欠である。
具体的には、自律エージェントが異なるセッションのマップ間の変化を検知し、現在の環境の矛盾のない理解を得ることが望ましい。
本稿では,平面署名距離場(Plane Signed Distance Fields,PlaneSDF)と呼ばれる新しい地図表現に基づく変化検出の問題について考察する。
1)平面SDFボリュームは各シーン内でインスタンス化され、平面ポーズを用いてシーン間で登録され、2次元の高さマップとオブジェクトマップは高さプロジェクションと連結成分分析によりボリューム毎に抽出される。
2) 高さマップをオブジェクトマップと比較, 交差させ, ソースシーンにおける変更対象候補に対する2次元変更位置マスクを生成する。
(3)3次元幾何検証は、変更マスク改質のための対象候補毎のSDF特徴を用いて行われる。
我々は,合成データと実世界のデータの両方に対するアプローチを評価し,その効果をオブジェクト検出のタスクを通して実証する。
関連論文リスト
- Boosting Cross-Domain Point Classification via Distilling Relational Priors from 2D Transformers [59.0181939916084]
従来の3Dネットワークは主に局所幾何学的詳細に焦点を当て、局所幾何学間の位相構造を無視する。
そこで本稿では,大規模画像上においてよく訓練されたトランスフォーマーから前駆体を抽出する,新しい先駆体蒸留法を提案する。
PointDA-10とSim-to-Realデータセットの実験は、提案手法が点クラウド分類におけるUDAの最先端性能を一貫して達成していることを検証する。
論文 参考訳（メタデータ） (2024-07-26T06:29:09Z) - VFMM3D: Releasing the Potential of Image by Vision Foundation Model for Monocular 3D Object Detection [80.62052650370416]
モノクル3Dオブジェクト検出は、自律運転やロボティクスなど、さまざまなアプリケーションにおいて重要な役割を担っている。
本稿では,VFMM3Dを提案する。VFMM3Dは,ビジョンファウンデーションモデル(VFM)の機能を利用して,単一ビュー画像を正確にLiDARポイントクラウド表現に変換する,革新的なフレームワークである。
論文 参考訳（メタデータ） (2024-04-15T03:12:12Z) - Towards Generalizable Multi-Camera 3D Object Detection via Perspective
Debiasing [28.874014617259935]
マルチカメラ3Dオブジェクト検出(MC3D-Det)は,鳥眼ビュー(BEV)の出現によって注目されている。
本研究では,3次元検出と2次元カメラ平面との整合性を両立させ,一貫した高精度な検出を実現する手法を提案する。
論文 参考訳（メタデータ） (2023-10-17T15:31:28Z) - Constructing Metric-Semantic Maps using Floor Plan Priors for Long-Term
Indoor Localization [29.404446814219202]
本稿では,長期オブジェクトベースローカライゼーションを目的としたメートル法セマンティックマップ構築の課題に対処する。
モノラルなRGBフレームからの3次元物体検出,オブジェクトベースのマップ構築,および構築されたマップのグローバルなローカライズに活用する。
オフィスビルにおける地図構築を評価し,同じ環境下で9ヶ月にわたって記録された課題列に対する長期的局所化アプローチを検証した。
論文 参考訳（メタデータ） (2023-03-20T09:33:05Z) - Object-level 3D Semantic Mapping using a Network of Smart Edge Sensors [25.393382192511716]
我々は,分散エッジセンサのネットワークとオブジェクトレベルの情報からなる多視点3次元意味マッピングシステムを拡張した。
提案手法は,数cm以内でのポーズ推定と,実験室環境におけるセンサネットワークを用いた実環境実験により,Behaveデータセットを用いて評価した。
論文 参考訳（メタデータ） (2022-11-21T11:13:08Z) - CAGroup3D: Class-Aware Grouping for 3D Object Detection on Point Clouds [55.44204039410225]
本稿では,CAGroup3Dという新しい2段階完全スパース3Dオブジェクト検出フレームワークを提案する。
提案手法は,まず,オブジェクト表面のボクセル上でのクラス認識型局所群戦略を活用することによって,高品質な3D提案を生成する。
不正なボクセルワイドセグメンテーションにより欠落したボクセルの特徴を回復するために,完全にスパースな畳み込み型RoIプールモジュールを構築した。
論文 参考訳（メタデータ） (2022-10-09T13:38:48Z) - Robust Change Detection Based on Neural Descriptor Fields [53.111397800478294]
我々は、部分的に重なり合う観測結果とノイズのある局所化結果に頑健なオブジェクトレベルのオンライン変化検出手法を開発した。
形状符号の類似性を利用して物体を連想させ, 局所的な物体近傍の空間配置を比較することにより, 観測重複や局所雑音に対する頑健性を示す。
論文 参考訳（メタデータ） (2022-08-01T17:45:36Z) - TSDF++: A Multi-Object Formulation for Dynamic Object Tracking and
Reconstruction [57.1209039399599]
我々は,シーン全体とその中のすべてのオブジェクトに対して,単一のボリュームを維持できるマップ表現を提案する。
複数の動的オブジェクト追跡および再構成シナリオにおいて,本表現は,近接して移動する他のオブジェクトによって一時的にオクルードされても,表面の正確な再構成を維持できる。
提案したTSDF++の定式化を公開合成データセット上で評価し,標準のTSDFマップ表現と比較した場合の閉塞面の復元性を示す。
論文 参考訳（メタデータ） (2021-05-16T16:15:05Z) - DOPS: Learning to Detect 3D Objects and Predict their 3D Shapes [54.239416488865565]
LIDARデータに対する高速な1段3次元物体検出法を提案する。
我々の手法の中核となる新規性は高速かつシングルパスアーキテクチャであり、どちらも3次元の物体を検出し、それらの形状を推定する。
提案手法は,ScanNetシーンのオブジェクト検出で5%,オープンデータセットでは3.4%の精度で結果が得られた。
論文 参考訳（メタデータ） (2020-04-02T17:48:50Z) - Extending Maps with Semantic and Contextual Object Information for Robot
Navigation: a Learning-Based Framework using Visual and Depth Cues [12.984393386954219]
本稿では,RGB-D画像からのセマンティック情報を用いて,シーンのメートル法表現を付加する問題に対処する。
オブジェクトレベルの情報を持つ環境の地図表現を拡張化するための完全なフレームワークを提案する。
論文 参考訳（メタデータ） (2020-03-13T15:05:23Z) - 3D Object Detection on Point Clouds using Local Ground-aware and
Adaptive Representation of scenes' surface [1.9336815376402714]
新規で適応的な地上認識と費用対効果の高い3次元物体検出パイプラインを提案する。
2段Lidar物体検出パイプラインにおける最先端3次元物体検出性能について提案する。
論文 参考訳（メタデータ） (2020-02-02T05:42:23Z)
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。