論文の概要: A Dynamic Points Removal Benchmark in Point Cloud Maps

• arxiv url: http://arxiv.org/abs/2307.07260v1
• Date: Fri, 14 Jul 2023 10:21:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-17 14:23:06.104002
• Title: A Dynamic Points Removal Benchmark in Point Cloud Maps
• Title（参考訳）: ポイントクラウドマップにおける動的点除去ベンチマーク
• Authors: Qingwen Zhang, Daniel Duberg, Ruoyu Geng, Mingkai Jia, Lujia Wang, Patric Jensfelt
• Abstract要約: ロボット工学の分野では、点雲は重要な地図表現となっている。 点雲中の動的点を除去する既存の方法は、比較評価において明快さを欠くことが多い。 本稿では,地図の動的点を除去する手法を評価するため,拡張性のあるベンチマークフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 7.932462079146208
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In the field of robotics, the point cloud has become an essential map representation. From the perspective of downstream tasks like localization and global path planning, points corresponding to dynamic objects will adversely affect their performance. Existing methods for removing dynamic points in point clouds often lack clarity in comparative evaluations and comprehensive analysis. Therefore, we propose an easy-to-extend unified benchmarking framework for evaluating techniques for removing dynamic points in maps. It includes refactored state-of-art methods and novel metrics to analyze the limitations of these approaches. This enables researchers to dive deep into the underlying reasons behind these limitations. The benchmark makes use of several datasets with different sensor types. All the code and datasets related to our study are publicly available for further development and utilization.
• Abstract（参考訳）: ロボット工学の分野では、点雲は重要な地図表現となっている。 ローカライゼーションやグローバルパス計画といった下流タスクの観点からすると、動的オブジェクトに対応するポイントはパフォーマンスに悪影響を及ぼす。 点雲中の動的点を除去する既存の方法は、比較評価や包括的分析において明確性に欠けることが多い。 そこで本研究では,地図中の動的点を除去する手法を評価するためのベンチマークフレームワークを提案する。 これには、これらのアプローチの限界を分析するためのリファクタリングされた最先端メソッドと新しいメトリクスが含まれる。 これによって研究者は、これらの制限の背後にある根本的な理由を深く掘り下げることができる。 ベンチマークでは、センサタイプが異なる複数のデータセットを使用している。 私たちの研究に関連するコードとデータセットはすべて、さらなる開発と利用のために公開されています。

関連論文リスト

• ERASOR++: Height Coding Plus Egocentric Ratio Based Dynamic Object Removal for Static Point Cloud Mapping [5.056432027978704]
  3Dポイントクラウドマップの動的オブジェクトは、地図歪みと長いトレースを導入することができる。 本研究では,Pseudo OccupancyのEgocentric Ratioに基づく動的オブジェクトの効率的な除去手法であるERASOR++を提案する。 提案手法は既存の手法と比較して精度と効率の点で優れた性能を示す。
  論文  参考訳（メタデータ） (2024-03-08T03:45:04Z)
• Bidirectional Knowledge Reconfiguration for Lightweight Point Cloud Analysis [74.00441177577295]
  ポイントクラウド分析は計算システムのオーバーヘッドに直面し、モバイルやエッジデバイスでの利用を制限する。 本稿では,軽量点雲モデルのための特徴蒸留について検討する。 本研究では,教師から生徒への情報的文脈的知識を抽出するための双方向知識再構成を提案する。
  論文  参考訳（メタデータ） (2023-10-08T11:32:50Z)
• Few-Shot 3D Point Cloud Semantic Segmentation via Stratified Class-Specific Attention Based Transformer Network [22.9434434107516]
  数ショットのクラウドセマンティックセマンティックセグメンテーションのための新しい多層トランスフォーマーネットワークを開発した。 提案手法は,既存の数ショットの3Dポイントクラウドセグメンテーションモデルよりも15%少ない推論時間で,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-03-28T00:27:54Z)
• GPCO: An Unsupervised Green Point Cloud Odometry Method [64.86292006892093]
  軽量な点状クラウド・オドメトリー法を提案し, GPCO法と名付けた。 GPCOは、連続点雲スキャンの特徴と一致することによって物体の動きを予測する教師なし学習法である。 GPCOは、モデルサイズが大幅に小さく、トレーニング時間も少ないのに対して、ディープラーニング手法のベンチマークを精度で上回ることが観察された。
  論文  参考訳（メタデータ） (2021-12-08T00:24:03Z)
• Revisiting Point Cloud Shape Classification with a Simple and Effective Baseline [111.3236030935478]
  評価手法の違い,データ拡張戦略,損失関数などの補助的要因が,性能に大きな違いをもたらすことがわかった。 SimpleViewと呼ばれるプロジェクションベースのメソッドは驚くほどうまく機能します。 ポイントネット++の半分のサイズでありながら、ModelNet40の洗練された最先端メソッドよりも同等かそれ以上の結果が得られる。
  論文  参考訳（メタデータ） (2021-06-09T18:01:11Z)
• Investigate Indistinguishable Points in Semantic Segmentation of 3D Point Cloud [34.414363402029984]
  区別不能な点は、複雑な境界に位置する点と、類似した局所的なテクスチャを持つ点と、小さな硬い領域を分離する点からなる。 階層的セマンティック特徴を利用して,識別不能な点を適応的に選択する,識別不能な領域フォカライゼーションネットワーク(IAF-Net)を提案する。 IAF-Netは、いくつかの人気の3Dポイントクラウドデータセットで最先端のパフォーマンスで同等の結果を達成します。
  論文  参考訳（メタデータ） (2021-03-18T15:54:59Z)
• ERASOR: Egocentric Ratio of Pseudo Occupancy-based Dynamic Object Removal for Static 3D Point Cloud Map Building [0.1474723404975345]
  本稿では,pSeudo Occupancy-based dynamic object Removal の ERASOR, Egocentric RAtio という新しい静的マップ構築手法を提案する。 私たちのアプローチは、必然的に地面と接触している都市環境における最もダイナミックなオブジェクトの性質にその注意を向けます。
  論文  参考訳（メタデータ） (2021-03-07T10:29:07Z)
• SoftPoolNet: Shape Descriptor for Point Cloud Completion and Classification [93.54286830844134]
  本稿では,点雲に基づく3次元オブジェクトの補完と分類手法を提案する。 デコーダの段階では,グローバルな活性化エントロピーの最大化を目的とした新しい演算子である地域畳み込みを提案する。 我々は,オブジェクトの完成度や分類,最先端の精度の達成など,異なる3次元タスクに対するアプローチを評価する。
  論文  参考訳（メタデータ） (2020-08-17T14:32:35Z)
• Radar-based Dynamic Occupancy Grid Mapping and Object Detection [55.74894405714851]
  近年、古典的占有グリッドマップのアプローチが動的占有グリッドマップに拡張されている。 本稿では,従来のアプローチのさらなる発展について述べる。 複数のレーダセンサのデータを融合し、グリッドベースの物体追跡・マッピング手法を適用する。
  論文  参考訳（メタデータ） (2020-08-09T09:26:30Z)
• Point Set Voting for Partial Point Cloud Analysis [26.31029112502835]
  近年、ポイントクラウドの分類とセグメンテーションのための技術は、大きな合成データセットを活用することで、驚くべきパフォーマンスを実現している。 本稿では, 局所点集合投票戦略を適用して, 完全点群を符号化した潜在特徴を推定する部分点群解析の一般モデルを提案する。
  論文  参考訳（メタデータ） (2020-07-09T03:37:31Z)
• Few-shot 3D Point Cloud Semantic Segmentation [138.80825169240302]
  本稿では,新しい注意型マルチプロトタイプトランスダクティブ・ショットポイント・クラウドセマンティックセマンティック・セマンティクス法を提案する。 提案手法は,雲のセマンティックセマンティックセグメンテーション設定の違いによるベースラインに比べて,顕著で一貫した改善を示す。
  論文  参考訳（メタデータ） (2020-06-22T08:05:25Z)

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。