論文の概要: Occlusion-Resistant LiDAR Fiducial Marker Detection
- arxiv url: http://arxiv.org/abs/2209.01072v2
- Date: Tue, 1 Aug 2023 22:44:35 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-03 18:22:48.883682
- Title: Occlusion-Resistant LiDAR Fiducial Marker Detection
- Title(参考訳): 咬合抵抗性ライダーfiducial marker検出法
- Authors: Yibo Liu, Jinjun Shan, Hunter Schofield
- Abstract要約: LiDARフィデューシャルマーカーは、LiDARセンサーに人工的な特徴を与えるのに便利なリソースである。
現在のLiDARフィデューシャルマーカー検出法は、オクルージョンフリーの点雲に限られている。
咬合抵抗性LiDAR線維マーカー検出のための新しいアプローチを提案する。
- 参考スコア(独自算出の注目度): 1.2891210250935146
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The LiDAR fiducial marker, akin to the well-known AprilTag used in camera
applications, serves as a convenient resource to impart artificial features to
the LiDAR sensor, facilitating robotics applications. Unfortunately, current
LiDAR fiducial marker detection methods are limited to occlusion-free point
clouds. In this work, we present a novel approach for occlusion-resistant LiDAR
fiducial marker detection. We first extract 3D points potentially corresponding
to the markers, leveraging the 3D intensity gradients. Afterward, we analyze
the 3D spatial distribution of the extracted points through clustering.
Subsequently, we determine the potential marker locations by examining the
geometric characteristics of these clusters. We then successively transfer the
3D points that fall within the candidate locations from the raw point cloud
onto a designed intermediate plane. Finally, using the intermediate plane, we
validate each location for the presence of a fiducial marker and compute the
marker's pose if found. We conduct both qualitative and quantitative
experiments to demonstrate that our approach is the first LiDAR fiducial marker
detection method applicable to point clouds with occlusion while achieving
better accuracy.
- Abstract(参考訳): LiDARのフィデューシャルマーカーは、カメラアプリケーションでよく使われる AprilTagに似ているが、LiDARセンサーに人工的な機能を付与する便利なリソースとして機能し、ロボット工学の応用を容易にする。
残念ながら、現在のLiDARフィデューシャルマーカー検出方法は、閉塞のない点雲に限られている。
そこで本研究では, 咬合抵抗性lidarfiducial marker検出のための新しいアプローチを提案する。
まずマーカーに対応する3D点を抽出し、3D強度勾配を利用する。
その後,抽出した点の3次元空間分布をクラスタリングにより解析する。
その後、これらのクラスターの幾何学的特徴を調べることにより、潜在的なマーカーの位置を決定する。
次に、候補位置にある3D点を原点雲から設計した中間平面に連続的に転送する。
最後に、中間面を用いて、図示マーカーの存在の各々の位置を検証し、見つかった場合のマーカーのポーズを計算する。
本手法は, 咬合を伴う点雲に適用できる最初のlidar核マーカー検出法であることを示すために, 定性的かつ定量的な実験を行った。
関連論文リスト
- LiDAR-based curb detection for ground truth annotation in automated
driving validation [2.954315548942922]
本稿では,LiDARセンサから取得した点雲列中の3次元ストレッチを検出する手法を提案する。
シーケンスレベル処理ステップは、車両のオドメトリーを用いて、再構成された点雲内の3D縁石を推定する。
これらの検出は、ラベリングパイプラインの事前アノテーションとして使用して、ストレッチ関連地上真実データを効率的に生成することができる。
論文 参考訳(メタデータ) (2023-12-01T12:15:09Z) - Semantics-aware LiDAR-Only Pseudo Point Cloud Generation for 3D Object
Detection [0.7234862895932991]
近年の進歩は擬似LiDAR、すなわち合成高密度点雲を導入し、カメラなどの追加のモダリティを使って3Dオブジェクト検出を強化している。
我々は,LiDARセンサとシーンセマンティクスに頼って,密度の高い擬似点雲で生スキャンを増強する,新しいLiDAR専用フレームワークを提案する。
論文 参考訳(メタデータ) (2023-09-16T09:18:47Z) - KECOR: Kernel Coding Rate Maximization for Active 3D Object Detection [48.66703222700795]
我々は、ラベルの取得に最も有用なポイントクラウドを特定するために、新しいカーネル戦略を利用する。
1段目(SECOND)と2段目(SECOND)の両方に対応するため、アノテーションに選択した境界ボックスの総数と検出性能のトレードオフをよく組み込んだ分類エントロピー接点を組み込んだ。
その結果,ボックスレベルのアノテーションのコストは約44%,計算時間は26%削減された。
論文 参考訳(メタデータ) (2023-07-16T04:27:03Z) - SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object
Detection [78.90102636266276]
SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。
そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。
実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
論文 参考訳(メタデータ) (2022-01-06T08:54:47Z) - Anchor-free 3D Single Stage Detector with Mask-Guided Attention for
Point Cloud [79.39041453836793]
我々は、点雲をアンカーフリーで検出する新しい1段3次元検出器を開発した。
ボクセルをベースとしたスパース3D特徴量からスパース2D特徴量マップに変換することでこれを克服する。
検出信頼度スコアとバウンディングボックス回帰の精度との相関性を改善するために,IoUに基づく検出信頼度再校正手法を提案する。
論文 参考訳(メタデータ) (2021-08-08T13:42:13Z) - Unsupervised Object Detection with LiDAR Clues [70.73881791310495]
本稿では,LiDARの手がかりを用いた非教師対象検出のための最初の実用的手法を提案する。
提案手法では,まず3次元点雲に基づく候補オブジェクトセグメントを生成する。
そして、セグメントラベルを割り当て、セグメントラベルネットワークを訓練する反復的なセグメントラベル処理を行う。
ラベル付けプロセスは、長い尾とオープンエンドの分布の問題を軽減するために慎重に設計されている。
論文 参考訳(メタデータ) (2020-11-25T18:59:54Z) - Complete & Label: A Domain Adaptation Approach to Semantic Segmentation
of LiDAR Point Clouds [49.47017280475232]
3次元点雲のセマンティックラベリングにおける教師なし領域適応問題について検討する。
セグメンテーションネットワークに渡す前に、基盤となる表面を復元するためにComplete と Label のアプローチを採用する。
回収された3D表面は標準領域として機能し、そこからセマンティックラベルが異なるLiDARセンサー間で転送される。
論文 参考訳(メタデータ) (2020-07-16T17:42:05Z) - On the Arbitrary-Oriented Object Detection: Classification based
Approaches Revisited [94.5455251250471]
まず,既存の回帰型回転検出器が抱える境界問題は,角周期性や角秩序によって引き起こされることを示した。
我々は、角予測タスクを回帰問題から分類問題に変換する。
得られた円形分布角分類問題に対して、まず、角度の周期性に対処し、隣り合う角度に対する誤差耐性を高めるために、円スムースラベル法を考案する。
論文 参考訳(メタデータ) (2020-03-12T03:23:54Z)
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。