論文の概要: ICET Online Accuracy Characterization for Geometry-Based Laser Scan Matching

• arxiv url: http://arxiv.org/abs/2306.08690v1
• Date: Wed, 14 Jun 2023 18:21:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-16 17:40:51.576160
• Title: ICET Online Accuracy Characterization for Geometry-Based Laser Scan Matching
• Title（参考訳）: ICETによる幾何型レーザスキャンマッチングの精度評価
• Authors: Matthew McDermott and Jason Rife
• Abstract要約: Iterative Closest Ellipsoidal Transform (ICET)は、新しい3D LIDARスキャンマッチングアルゴリズムである。 ICETは、常にサブセンチメートルの精度でスキャンマッチングを行うことを示す。 このレベルの精度は、アルゴリズムが完全に解釈可能であるという事実と相まって、安全クリティカルな輸送用途に適している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Distribution-to-Distribution (D2D) point cloud registration algorithms are fast, interpretable, and perform well in unstructured environments. Unfortunately, existing strategies for predicting solution error for these methods are overly optimistic, particularly in regions containing large or extended physical objects. In this paper we introduce the Iterative Closest Ellipsoidal Transform (ICET), a novel 3D LIDAR scan-matching algorithm that re-envisions NDT in order to provide robust accuracy prediction from first principles. Like NDT, ICET subdivides a LIDAR scan into voxels in order to analyze complex scenes by considering many smaller local point distributions, however, ICET assesses the voxel distribution to distinguish random noise from deterministic structure. ICET then uses a weighted least-squares formulation to incorporate this noise/structure distinction into computing a localization solution and predicting the solution-error covariance. In order to demonstrate the reasonableness of our accuracy predictions, we verify 3D ICET in three LIDAR tests involving real-world automotive data, high-fidelity simulated trajectories, and simulated corner-case scenes. For each test, ICET consistently performs scan matching with sub-centimeter accuracy. This level of accuracy, combined with the fact that the algorithm is fully interpretable, make it well suited for safety-critical transportation applications. Code is available at https://github.com/mcdermatt/ICET
• Abstract（参考訳）: Distribution-to-Distribution (D2D)ポイントクラウド登録アルゴリズムは高速で、解釈可能で、非構造化環境ではよく機能する。 残念ながら、これらの方法のソリューションエラーを予測する既存の戦略は、特に大規模または拡張された物理オブジェクトを含む領域において、非常に楽観的である。 本稿では,第1原理からロバストな精度予測を実現するために,ndtを再構成した新しい3次元lidarスキャンマッチングアルゴリズムである反復的最接近楕円型変換(icet)を提案する。 ndtと同様に、icetはより小さな局所点分布を考慮して複雑なシーンを分析するために、lidarスキャンをvoxelに分割するが、icetはランダムノイズと決定論的構造を区別するためにvoxel分布を評価する。 icetは重み付き最小二乗法を用いて、このノイズ/構造区別を局所化解の計算と解エラー共分散の予測に組み込む。 精度予測の合理性を示すために,実世界の自動車データ,高忠実度シミュレーショントラジェクタ,コーナーケースシーンのシミュレーションを含む3つのlidarテストで3d icetを検証した。 それぞれのテストで、icetは一貫してサブセンチメートルの精度でスキャンマッチングを行う。 この精度のレベルは、アルゴリズムが完全に解釈可能であるという事実と相まって、安全クリティカルな輸送用途に適している。 コードはhttps://github.com/mcdermatt/ICETで入手できる。

関連論文リスト

• POPoS: Improving Efficient and Robust Facial Landmark Detection with Parallel Optimal Position Search [34.50794776762681]
  本稿では,高精度符号化・復号化フレームワークであるParallel Optimal Position Search (POPoS)を紹介する。 Pseudo-range multilateration は、ヒートマップエラーを補正し、ランドマークのローカライゼーションの精度を高めるために使用される。 1ステップ並列アルゴリズムを導入し、計算効率を大幅に向上し、処理時間を短縮する。
  論文  参考訳（メタデータ） (2024-10-12T16:28:40Z)
• OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
  学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。 OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。 最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
  論文  参考訳（メタデータ） (2024-09-14T07:44:22Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• Enhanced Laser-Scan Matching with Online Error Estimation for Highway and Tunnel Driving [0.0]
  Lidarデータは、自動運転車やモバイルロボットプラットフォームのナビゲーションのためのポイントクラウドを生成するために使用できる。 本稿では,2つの新しい改良点を提供するスキャンマッチングアルゴリズムであるIterative Closest Ellipsoidal Transform (ICET)を提案する。
  論文  参考訳（メタデータ） (2022-07-29T13:42:32Z)
• Rapid Person Re-Identification via Sub-space Consistency Regularization [51.76876061721556]
  Person Re-Identification (ReID) は、歩行者を分離したカメラで識別する。 実値特徴記述子を用いた既存のReID法は精度が高いが、ユークリッド距離計算が遅いため効率が低い。 本稿では,ReID 処理を 0.25 倍高速化するサブスペース一貫性規則化 (SCR) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2022-07-13T02:44:05Z)
• LiDAR Point--to--point Correspondences for Rigorous Registration of Kinematic Scanning in Dynamic Networks [0.0]
  本稿では,LiDAR点雲の登録を改善するための新しい軌道調整手法を提案する。 本稿では、新しい観測モデルとして、動的ネットワークにどのように挿入されるか、および対応を選択する方法について述べる。 次に、低コストMEMS慣性センサを用いた実用的な空中レーザー走査シナリオにおける提案手法の性能評価実験について述べる。
  論文  参考訳（メタデータ） (2022-01-03T11:53:55Z)
• 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)
• Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
  局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。 本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。 実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
  論文  参考訳（メタデータ） (2020-07-20T12:07:48Z)
• Expedited Multi-Target Search with Guaranteed Performance via Multi-fidelity Gaussian Processes [9.434133337939496]
  本研究では,自動運転車が3次元環境下で動作し,環境の2次元フロア上で未知の静止目標を探索するシナリオを考察する。 床面から異なる高度で利用可能なセンシング情報を体系的に記述する多要素ガウス法を用いて、センシング場をモデル化する。 センサモデルに基づいて,マルチターゲット探索 (EMTS) と呼ばれる新しいアルゴリズムを設計し,その適用範囲と精度のトレードオフに対処する。
  論文  参考訳（メタデータ） (2020-05-18T02:53:52Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。