論文の概要: Quadric Representations for LiDAR Odometry, Mapping and Localization
- arxiv url: http://arxiv.org/abs/2304.14190v1
- Date: Thu, 27 Apr 2023 13:52:01 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-28 13:21:33.626461
- Title: Quadric Representations for LiDAR Odometry, Mapping and Localization
- Title（参考訳）: LiDARオドメトリー・マッピング・ローカライゼーションのための擬似表現法
- Authors: Chao Xia, Chenfeng Xu, Patrick Rim, Mingyu Ding, Nanning Zheng, Kurt
Keutzer, Masayoshi Tomizuka, Wei Zhan
- Abstract要約: 現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を利用する。
3次元オブジェクトのよりコンパクトな表現である2次元曲面を用いたシーン記述法を提案する。
提案手法は低レイテンシとメモリの有効性を維持しつつ、競争力があり、しかも精度も優れている。
- 参考スコア（独自算出の注目度）: 93.24140840537912
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Current LiDAR odometry, mapping and localization methods leverage point-wise
representations of 3D scenes and achieve high accuracy in autonomous driving
tasks. However, the space-inefficiency of methods that use point-wise
representations limits their development and usage in practical applications.
In particular, scan-submap matching and global map representation methods are
restricted by the inefficiency of nearest neighbor searching (NNS) for
large-volume point clouds. To improve space-time efficiency, we propose a novel
method of describing scenes using quadric surfaces, which are far more compact
representations of 3D objects than conventional point clouds. In contrast to
point cloud-based methods, our quadric representation-based method decomposes a
3D scene into a collection of sparse quadric patches, which improves storage
efficiency and avoids the slow point-wise NNS process. Our method first
segments a given point cloud into patches and fits each of them to a quadric
implicit function. Each function is then coupled with other geometric
descriptors of the patch, such as its center position and covariance matrix.
Collectively, these patch representations fully describe a 3D scene, which can
be used in place of the original point cloud and employed in LiDAR odometry,
mapping and localization algorithms. We further design a novel incremental
growing method for quadric representations, which eliminates the need to
repeatedly re-fit quadric surfaces from the original point cloud. Extensive
odometry, mapping and localization experiments on large-volume point clouds in
the KITTI and UrbanLoco datasets demonstrate that our method maintains low
latency and memory utility while achieving competitive, and even superior,
accuracy.
- Abstract（参考訳）: 現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を活用し、自律走行タスクにおいて高い精度を達成する。
しかし、ポイントワイズ表現を用いた手法の空間効率は、実用化における開発と利用を制限している。
特に、スキャンサブマップマッチングとグローバルマップ表現方法は、大容量の点雲に対する近接探索(NNS)の非効率性によって制限される。
時空間効率を向上させるために,従来の点雲よりもはるかにコンパクトな3dオブジェクト表現である二次曲面を用いたシーン記述法を提案する。
ポイントクラウドベースの手法とは対照的に,3dシーンを疎4次パッチの集まりに分解し,ストレージ効率を向上し,低速なポイントワイズnns処理を回避する。
まず,与えられた点群をパッチに分割し,各点群を二次暗黙関数に適合させる。
それぞれの関数はパッチの中心位置や共分散行列など、他の幾何学的記述子と結合される。
これらのパッチ表現は、元のポイントクラウドの代わりに使用でき、LiDARオドメトリー、マッピング、ローカライゼーションアルゴリズムで使用できる3Dシーンを完全に記述している。
さらに、元の点雲から2次曲面を繰り返し再適合させる必要がなくなる新しい二次表現の漸進的成長法を設計する。
KITTIおよびUrbanLocoデータセットにおける大規模点雲の大規模計測,マッピング,ローカライゼーション実験により,本手法が低レイテンシとメモリ効率を維持しつつ,競争力,さらに優れた精度を実現していることを示す。
関連論文リスト
- 3D Reconstruction with Fast Dipole Sums [12.865206085308728]
マルチビュー画像から高品質な3D再構成手法を提案する。
我々は、暗黙の幾何学と放射場を、高密度点雲の点当たりの属性として表現する。
これらのクエリは、レイトレーシングを使用して画像の効率と差別化を容易にする。
論文 参考訳（メタデータ） (2024-05-27T03:23:25Z) - iPUNet:Iterative Cross Field Guided Point Cloud Upsampling [20.925921503694894]
3Dスキャン装置によって取得される点雲は、しばしば疎く、ノイズが多く、一様ではないため、幾何学的特徴が失われる。
任意の比率で高密度および均一な点を生成する学習ベースポイントアップサンプリング手法iPUNetを提案する。
iPUNetは、ノイズや不均一に分散された入力を処理し、最先端のクラウドサンプリング手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-10-13T13:24:37Z) - PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic
Occupancy Prediction [72.75478398447396]
本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。
また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。
プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
論文 参考訳（メタデータ） (2023-08-31T17:57:17Z) - DELFlow: Dense Efficient Learning of Scene Flow for Large-Scale Point
Clouds [42.64433313672884]
2次元グリッドに3次元座標を格納することで,原点を高密度フォーマットに正規化する。
既存の作業でよく使われるサンプリング操作とは異なり、密度の高い2D表現はほとんどの点を保存する。
また,情報損失問題を緩和する新しいワーププロジェクション手法を提案する。
論文 参考訳（メタデータ） (2023-08-08T16:37:24Z) - Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local
Geometry-driven Distance Metric [62.365983810610985]
そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。
CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。
一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
論文 参考訳（メタデータ） (2023-06-01T11:16:20Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Revisiting Point Cloud Simplification: A Learnable Feature Preserving
Approach [57.67932970472768]
MeshとPoint Cloudの単純化手法は、3Dモデルの複雑さを低減しつつ、視覚的品質と関連する健全な機能を維持することを目的としている。
そこで本研究では,正解点の標本化を学習し,高速点雲の簡易化手法を提案する。
提案手法は、入力空間から任意のユーザ定義の点数を選択し、視覚的知覚誤差を最小限に抑えるために、その位置を再配置するよう訓練されたグラフニューラルネットワークアーキテクチャに依存する。
論文 参考訳（メタデータ） (2021-09-30T10:23:55Z) - SCTN: Sparse Convolution-Transformer Network for Scene Flow Estimation [71.2856098776959]
点雲は非秩序であり、その密度は著しく一様ではないため、点雲の3次元運動の推定は困難である。
本稿では,sparse convolution-transformer network (sctn) という新しいアーキテクチャを提案する。
学習した関係に基づく文脈情報が豊富で,対応点の一致に役立ち,シーンフローの推定に有効であることを示す。
論文 参考訳（メタデータ） (2021-05-10T15:16:14Z) - Robust Kernel-based Feature Representation for 3D Point Cloud Analysis
via Circular Graph Convolutional Network [2.42919716430661]
本稿では,回転,密度,スケール変動に堅牢な新しい局所特徴記述法を提案する。
局所記述子の表現を改善するために,グローバルアグリゲーション手法を提案する。
本手法は最先端手法と比較して優れた性能を示す。
論文 参考訳（メタデータ） (2020-12-22T18:02:57Z) - LOL: Lidar-Only Odometry and Localization in 3D Point Cloud Maps [0.6091702876917281]
都市部を走行するライダー搭載車両の軌道計測と位置推定の問題に対処する。
オンライン3Dポイントクラウドと事前オフラインマップとの間の幾何学的に類似した位置を検出するために,位置認識手法を適用した。
異なる長さと環境の複数のKittiデータセット上で,提案するLOLシステムの有用性を実証する。
論文 参考訳（メタデータ） (2020-07-03T10:20:53Z)
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。