論文の概要: STD: Stable Triangle Descriptor for 3D place recognition

• arxiv url: http://arxiv.org/abs/2209.12435v1
• Date: Mon, 26 Sep 2022 05:55:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-27 17:33:44.672788
• Title: STD: Stable Triangle Descriptor for 3D place recognition
• Title（参考訳）: STD:3D位置認識のための安定な三角形記述子
• Authors: Chongjian Yuan, Jiarong Lin, Zuhao Zou, Xiaoping Hong and Fu Zhang
• Abstract要約: 安定三角形記述子(STD)と呼ばれる新しいグローバルディスクリプタを3次元位置認識のために提案する。 この特性に基づいて,まず3次元点群から局所鍵点を効率よく抽出するアルゴリズムを設計する。 そして、点雲間のディスクリプタの側長をマッチングすることにより、位置認識を実現する。
• 参考スコア（独自算出の注目度）: 6.007277539602981
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we present a novel global descriptor termed stable triangle descriptor (STD) for 3D place recognition. For a triangle, its shape is uniquely determined by the length of the sides or included angles. Moreover, the shape of triangles is completely invariant to rigid transformations. Based on this property, we first design an algorithm to efficiently extract local key points from the 3D point cloud and encode these key points into triangular descriptors. Then, place recognition is achieved by matching the side lengths (and some other information) of the descriptors between point clouds. The point correspondence obtained from the descriptor matching pair can be further used in geometric verification, which greatly improves the accuracy of place recognition. In our experiments, we extensively compare our proposed system against other state-of-the-art systems (i.e., M2DP, Scan Context) on public datasets (i.e., KITTI, NCLT, and Complex-Urban) and our self-collected dataset (with a non-repetitive scanning solid-state LiDAR). All the quantitative results show that STD has stronger adaptability and a great improvement in precision over its counterparts. To share our findings and make contributions to the community, we open source our code on our GitHub: https://github.com/hku-mars/STD.
• Abstract（参考訳）: 本研究では,3次元位置認識のためのグローバルな安定三角形記述子(STD)を提案する。 三角形の場合、その形状は辺の長さや含む角度によって一意に決定される。 さらに、三角形の形状は剛変換に完全に不変である。 この特性に基づいて、3Dポイントクラウドから局所キーポイントを効率よく抽出し、これらのキーポイントを三角記述子に符号化するアルゴリズムを設計する。 そして、ポイントクラウド間のディスクリプタの側の長さ(およびその他の情報)をマッチングすることにより、位置認識を実現する。 ディスクリプタマッチングペアから得られる点対応は幾何的検証にさらに利用することができ、位置認識の精度を大幅に向上させることができる。 実験では,提案システムと,公開データセット(kitti,nclt,complex-urban)上の他の最先端システム(m2dp,scanコンテキスト)と,自己収集型データセット(非繰り返し走査型固体ライダー)を比較した。 以上の結果から,STDの適応性が向上し,精度が向上したことが明らかとなった。 調査結果を共有し、コミュニティへのコントリビューションを行うため、githubでコードをオープンソースとして公開しています。

関連論文リスト

• IFTD: Image Feature Triangle Descriptor for Loop Detection in Driving Scenes [4.869910049066121]
  STD法に基づく高速で堅牢な画像特徴三角形記述子(IFTD)を提案する。 3つの公開データセットによる実験結果から、我々のIFTDは最先端の手法よりもロバスト性や精度を向上できることが示された。
  論文  参考訳（メタデータ） (2024-06-12T06:59:58Z)
• Coupled Laplacian Eigenmaps for Locally-Aware 3D Rigid Point Cloud Matching [0.0]
  局所構造を考慮したグラフラプラシアン固有写像に基づく新しい手法を提案する。 ラプラシアン固有写像の順序と符号のあいまいさに対処するために、結合ラプラシアンと呼ばれる新しい作用素を導入する。 これらの高次元空間間の類似性は、形状に一致するような局所的な意味のあるスコアを与えることを示す。
  論文  参考訳（メタデータ） (2024-02-27T10:10:12Z)
• ConDaFormer: Disassembled Transformer with Local Structure Enhancement for 3D Point Cloud Understanding [105.98609765389895]
  トランスフォーマーは、最近3Dポイントクラウド理解のために研究されている。 0.1万を超える多数のポイントは、ポイントクラウドデータに対してグローバルな自己注意を可能にする。 本稿では,ConDaFormerという新しい変圧器ブロックを開発する。
  論文  参考訳（メタデータ） (2023-12-18T11:19:45Z)
• CheckerPose: Progressive Dense Keypoint Localization for Object Pose Estimation with Graph Neural Network [66.24726878647543]
  単一のRGB画像から固い物体の6-DoFのポーズを推定することは、非常に難しい課題である。 近年の研究では、高密度対応型解の大きな可能性を示している。 そこで本研究では,CheckerPoseというポーズ推定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-29T17:30:53Z)
• CircNet: Meshing 3D Point Clouds with Circumcenter Detection [67.23307214942696]
  3次元点雲を三角形メッシュに再構成することは、計算幾何学と表面再構成の重要な問題である。 我々は,点雲三角測量を実現するために,周辺を検知するディープニューラルネットワークを導入する。 我々は水密面と開面面の両方の顕著なデータセットに対して本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2023-01-23T03:32:57Z)
• Deep Hough Voting for Robust Global Registration [52.40611370293272]
  6次元変換パラメータ空間におけるハフ投票を利用した実世界の3Dスキャンのペア登録のための効率的なフレームワークを提案する。 提案手法は, 3DMatch と 3DLoMatch のベンチマークにおいて, KITTI odometry データセットで同等の性能を達成しながら, 最先端の手法よりも優れている。
  論文  参考訳（メタデータ） (2021-09-09T14:38:06Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)
• The Devils in the Point Clouds: Studying the Robustness of Point Cloud Convolutions [15.997907568429177]
  本稿では,点群上の畳み込みネットワークであるPointConvの異なる変種を調査し,入力スケールと回転変化に対する堅牢性を検討する。 3次元幾何学的性質をpointconvへの入力として利用し,新しい視点不変ディスクリプタを導出する。 2D MNIST & CIFAR-10データセットと3D Semantic KITTI & ScanNetデータセットで実験が行われた。
  論文  参考訳（メタデータ） (2021-01-19T19:32:38Z)
• DH3D: Deep Hierarchical 3D Descriptors for Robust Large-Scale 6DoF Relocalization [56.15308829924527]
  生の3D点から直接3次元特徴の検出と記述を共同で学習するシームズネットワークを提案する。 3次元キーポイントを検出するために,局所的な記述子の識別性を教師なしで予測する。 各種ベンチマーク実験により,本手法はグローバルポイントクラウド検索とローカルポイントクラウド登録の両面で競合する結果が得られた。
  論文  参考訳（メタデータ） (2020-07-17T20:21:22Z)

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。