論文の概要: Towards Accurate Ground Plane Normal Estimation from Ego-Motion

• arxiv url: http://arxiv.org/abs/2212.04224v1
• Date: Thu, 8 Dec 2022 12:06:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 16:17:23.995108
• Title: Towards Accurate Ground Plane Normal Estimation from Ego-Motion
• Title（参考訳）: エゴ運動による正確な地平面正規推定に向けて
• Authors: Jiaxin Zhang, Wei Sui, Qian Zhang, Tao Chen and Cong Yang
• Abstract要約: 本稿では,車輪付き車両の地上面正規推定のための新しい手法を提案する。 実際には、地平面はブレーキと不安定な路面によって動的に変化する。 提案手法は, 実時間で正確な地平面正規ベクトルを入力し, 推定するためにオドメトリーのみを用いる。
• 参考スコア（独自算出の注目度）: 10.22470503842832
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we introduce a novel approach for ground plane normal estimation of wheeled vehicles. In practice, the ground plane is dynamically changed due to braking and unstable road surface. As a result, the vehicle pose, especially the pitch angle, is oscillating from subtle to obvious. Thus, estimating ground plane normal is meaningful since it can be encoded to improve the robustness of various autonomous driving tasks (e.g., 3D object detection, road surface reconstruction, and trajectory planning). Our proposed method only uses odometry as input and estimates accurate ground plane normal vectors in real time. Particularly, it fully utilizes the underlying connection between the ego pose odometry (ego-motion) and its nearby ground plane. Built on that, an Invariant Extended Kalman Filter (IEKF) is designed to estimate the normal vector in the sensor's coordinate. Thus, our proposed method is simple yet efficient and supports both camera- and inertial-based odometry algorithms. Its usability and the marked improvement of robustness are validated through multiple experiments on public datasets. For instance, we achieve state-of-the-art accuracy on KITTI dataset with the estimated vector error of 0.39{\deg}. Our code is available at github.com/manymuch/ground_normal_filter.
• Abstract（参考訳）: 本稿では,車輪付き車両の地上面正規推定のための新しい手法を提案する。 実際には、ブレーキと不安定な路面により地平面が動的に変化する。 その結果、車両のポーズ、特にピッチ角は微妙から明白に振動している。 したがって、様々な自律運転タスク(3次元物体検出、路面再構築、軌道計画など)のロバスト性を向上させるために符号化できるため、地平面正規性の推定は有意義である。 提案手法は, 実時間で正確な地平面正規ベクトルを入力し, 推定するためにオドメトリーのみを用いる。 特に、エゴポーズオドメトリー(エゴモーション)と、その近傍の地上面との間の基礎的な接続を完全に活用している。 これを基にした不変拡張カルマンフィルタ(iekf)は、センサの座標の正規ベクトルを推定するために設計されている。 したがって,提案手法は単純かつ効率的であり,カメラと慣性に基づくオドメトリーアルゴリズムの両方をサポートする。 その使いやすさとロバスト性の改善は、公開データセットで複数の実験を通じて検証される。 例えば、KITTIデータセットの最先端精度は、推定ベクトル誤差 0.39{\deg} で達成する。 私たちのコードはgithub.com/manymuch/ground_normal_filterで利用可能です。

関連論文リスト

• Automatic dimensionality reduction of Twin-in-the-Loop Observers [1.6877390079162282]
  本稿では,高複雑性オブザーバを寸法を小さくすることで調整する手法を提案する。 これらの戦略は、実世界のデータに対する速度とヨーレートの推定のために検証されている。
  論文  参考訳（メタデータ） (2024-01-18T10:14:21Z)
• NeuralGF: Unsupervised Point Normal Estimation by Learning Neural Gradient Function [55.86697795177619]
  3次元点雲の正規推定は3次元幾何処理の基本的な課題である。 我々は,ニューラルネットワークが入力点雲に適合することを奨励する,ニューラルグラデーション関数の学習のための新しいパラダイムを導入する。 広範に使用されているベンチマークの優れた結果から,本手法は非指向性および指向性正常推定タスクにおいて,より正確な正規性を学習できることが示されている。
  論文  参考訳（メタデータ） (2023-11-01T09:25:29Z)
• Neural Gradient Learning and Optimization for Oriented Point Normal Estimation [53.611206368815125]
  本研究では,3次元点雲から勾配ベクトルを一貫した向きで学習し,正規推定を行うためのディープラーニング手法を提案する。 局所平面幾何に基づいて角距離場を学習し、粗勾配ベクトルを洗練する。 本手法は,局所特徴記述の精度と能力の一般化を図りながら,グローバル勾配近似を効率的に行う。
  論文  参考訳（メタデータ） (2023-09-17T08:35:11Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Normal Transformer: Extracting Surface Geometry from LiDAR Points Enhanced by Visual Semantics [6.516912796655748]
  本稿では,3次元点雲と2次元カラー画像から正規分布を推定する手法を提案する。 我々は,視覚的セマンティクスと3次元幾何データのハイブリッド情報を活用することを学ぶトランスフォーマーニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2022-11-19T03:55:09Z)
• Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D Object Detection [92.75961303269548]
  先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである 本稿では,両問題を一度に解決するGPENetを提案する。 我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
  論文  参考訳（メタデータ） (2022-11-03T02:21:35Z)
• Uncertainty-Aware Camera Pose Estimation from Points and Lines [101.03675842534415]
  Perspective-n-Point-and-Line (Pn$PL) は、2D-3D特徴座標の3Dモデルに関して、高速で正確で堅牢なカメラローカライゼーションを目指している。
  論文  参考訳（メタデータ） (2021-07-08T15:19:36Z)
• Accurate and Robust Scale Recovery for Monocular Visual Odometry Based on Plane Geometry [7.169216737580712]
  地上面の高精度かつロバストな推定を生かした軽量なスケール復元フレームワークを開発した。 KITTIデータセットの実験により,提案したフレームワークが翻訳誤りの点から最先端の精度を達成できることが示されている。 軽量な設計のため、我々のフレームワークはデータセット上で20Hzの高周波数を示す。
  論文  参考訳（メタデータ） (2021-01-15T07:21:24Z)
• Train in Germany, Test in The USA: Making 3D Object Detectors Generalize [59.455225176042404]
  ディープラーニングにより、LiDARやステレオカメラデータなどの3Dオブジェクト検出精度が大幅に向上した。 自動運転のためのほとんどのデータセットは、1つの国内の都市の狭い部分で収集される。 本稿では,あるデータセットから別のデータセットに3Dオブジェクト検出器を適応させる作業について考察する。
  論文  参考訳（メタデータ） (2020-05-17T00:56:18Z)

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。