論文の概要: A Segment-Wise Gaussian Process-Based Ground Segmentation With Local
Smoothness Estimation
- arxiv url: http://arxiv.org/abs/2210.10515v1
- Date: Wed, 19 Oct 2022 12:42:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-20 16:07:38.653109
- Title: A Segment-Wise Gaussian Process-Based Ground Segmentation With Local
Smoothness Estimation
- Title（参考訳）: 局所スムースネス推定によるガウス過程に基づくグラウンドセグメンテーション
- Authors: Pouria Mehrabi, Hamid D. Taghirad
- Abstract要約: 地上と前方の表面の正確な情報モデルは、航行と障害物回避に不可欠である。
乱れや荒れの場面では、地表の特徴と機能の関係は地面の異なる領域で異なる可能性がある。
局所的な滑らかさを推定するセグメントワイズGPに基づくグラウンドセグメンテーション法を提案する。
- 参考スコア（独自算出の注目度）: 3.42658286826597
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Both in terrestrial and extraterrestrial environments, the precise and
informative model of the ground and the surface ahead is crucial for navigation
and obstacle avoidance. The ground surface is not always flat and it may be
sloped, bumpy and rough specially in off-road terrestrial scenes. In bumpy and
rough scenes the functional relationship of the surface-related features may
vary in different areas of the ground, as the structure of the ground surface
may vary suddenly and further the measured point cloud of the ground does not
bear smoothness. Thus, the ground-related features must be obtained based on
local estimates or even point estimates. To tackle this problem, the
segment-wise GP-based ground segmentation method with local smoothness
estimation is proposed. This method is an extension to our previous method in
which a realistic measurement of the length-scale values were provided for the
covariance kernel in each line-segment to give precise estimation of the ground
for sloped terrains. In this extension, the value of the length-scale is
estimated locally for each data point which makes it much more precise for the
rough scenes while being not computationally complex and more robust to
under-segmentation, sparsity and under-represent-ability. The segment-wise task
is performed to estimate a partial continuous model of the ground for each
radial range segment. Simulation results show the effectiveness of the proposed
method to give a continuous and precise estimation of the ground surface in
rough and bumpy scenes while being fast enough for real-world applications.
- Abstract（参考訳）: 地上環境と地球外環境の両方において、地上と前方の表面の正確な情報モデルがナビゲーションと障害物回避に不可欠である。
地面は常に平らではなく、傾斜し、隆起し、特にオフロードの地上シーンで乱雑である。
地表面の構造は突然に変化し,さらに地表面の観測点雲は滑らかさを伴わないため,地表面の特徴と機能の関係は,地表面の異なる領域で異なる可能性がある。
したがって、地上の特徴は局所的推定や偶数点推定に基づいて得る必要がある。
この問題に対処するために,局所平滑度推定を用いたセグメント別gpベース地盤セグメンテーション法を提案する。
本手法は, 傾斜地形の地盤の正確な推定を行うために, 各線区における共分散カーネルに対して, 実測値が実測値として提供される手法の拡張である。
この拡張では、長さスケールの値は各データポイントに対して局所的に推定されるので、粗いシーンは計算的に複雑ではなく、アンダーセグメンテーション、スパーシリティ、アンダーレ表現可能性に対してより堅牢である。
各放射範囲セグメントに対する地盤の部分連続モデルを推定するためにセグメント分割作業を行う。
シミュレーションの結果,実世界に適用できる速さを保ちながら,粗大な地表面を連続的かつ高精度に推定する手法の有効性が示された。
関連論文リスト
- Real-Time Stochastic Terrain Mapping and Processing for Autonomous Safe Landing [0.0]
本稿では,新しいリアルタイムな惑星地形マッピングアルゴリズムを開発した。
サンプル点間の地形的不確実性や、スパース3次元測定による不確かさを考慮に入れている。
論文 参考訳（メタデータ） (2024-09-14T05:12:14Z) - ImplicitTerrain: a Continuous Surface Model for Terrain Data Analysis [14.013976303831313]
ImplicitTerrainは、高解像度の地形を連続的に微分的にモデル化するための暗黙の神経表現(INR)アプローチである。
本実験では, 表面適合精度, 有効トポロジカル特徴抽出, 各種トポロジカル特徴抽出について検討した。
論文 参考訳（メタデータ） (2024-05-31T23:05:34Z) - Indoor Scene Reconstruction with Fine-Grained Details Using Hybrid Representation and Normal Prior Enhancement [50.56517624931987]
多視点RGB画像からの室内シーンの再構成は、平坦領域とテクスチャレス領域の共存により困難である。
近年の手法では、予測された表面正規化によって支援されたニューラルラジアンス場を利用してシーン形状を復元している。
本研究は, 上記の制限に対処して, 高忠実度表面を細かな詳細で再構築することを目的とする。
論文 参考訳（メタデータ） (2023-09-14T12:05:29Z) - View Consistent Purification for Accurate Cross-View Localization [59.48131378244399]
本稿では,屋外ロボットのための微細な自己局在化手法を提案する。
提案手法は,既存のクロスビューローカライゼーション手法の限界に対処する。
これは、動的環境における知覚を増強する初めての疎視のみの手法である。
論文 参考訳（メタデータ） (2023-08-16T02:51:52Z) - Minimal Neural Atlas: Parameterizing Complex Surfaces with Minimal
Charts and Distortion [71.52576837870166]
我々は、新しいアトラスに基づく明示的なニューラルサーフェス表現であるミニマルニューラルアトラスを提案する。
その中核は完全学習可能なパラメトリック領域であり、パラメトリック空間の開平方上で定義された暗黙の確率的占有場によって与えられる。
我々の再構成は、トポロジーと幾何学に関する懸念の分離のため、全体的な幾何学の観点からより正確である。
論文 参考訳（メタデータ） (2022-07-29T16:55:06Z) - Patchwork++: Fast and Robust Ground Segmentation Solving Partial
Under-Segmentation Using 3D Point Cloud [7.111443975103329]
いくつかのグラウンドセグメンテーション法では、周囲に応じてパラメータを微調整する必要がある。
部分的な部分分割問題は依然として発生しうるが、これは一部の地域でのグラウンドセグメンテーションの失敗を意味する。
3次元LiDARモデルに基づいて,仮想ノイズを効率的に除去する反射ノイズ除去(RNR)を提案する。
論文 参考訳（メタデータ） (2022-07-25T06:09:02Z) - A Novel Gaussian Process Based Ground Segmentation Algorithm with
Local-Smoothness Estimation [0.0]
粗い運転シナリオにおけるグラウンドセグメンテーションタスクに対して,新しい$mathcalGP$-based法を提案する。
2つのガウス過程を導入し、データの観測と局所特性を別々にモデル化する。
論文 参考訳（メタデータ） (2021-12-01T18:42:08Z) - Patchwork: Concentric Zone-based Region-wise Ground Segmentation with
Ground Likelihood Estimation Using a 3D LiDAR Sensor [0.1657441317977376]
地上のセグメンテーションは、地上の移動プラットフォームがナビゲーションや近隣の物体認識を行うために不可欠である。
提案手法は, 未分割問題に対処するために頑健なtextitPatchwork という新しいグラウンドセグメンテーション手法を提案する。
論文 参考訳（メタデータ） (2021-08-12T06:52:10Z) - Featurized Density Ratio Estimation [82.40706152910292]
本研究では,2つの分布を推定前の共通特徴空間にマッピングするために,可逆生成モデルを活用することを提案する。
この偉業化は、学習された入力空間の密度比が任意に不正確な場合、潜在空間において密度が密接な関係をもたらす。
同時に、特徴写像の可逆性は、特徴空間で計算された比が入力空間で計算された比と同値であることを保証する。
論文 参考訳（メタデータ） (2021-07-05T18:30:26Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳（メタデータ） (2020-03-28T18:51:43Z)
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。