論文の概要: PanopticNDT: Efficient and Robust Panoptic Mapping

• arxiv url: http://arxiv.org/abs/2309.13635v2
• Date: Sat, 29 Jun 2024 14:18:59 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-02 17:50:16.407003
• Title: PanopticNDT: Efficient and Robust Panoptic Mapping
• Title（参考訳）: PanopticNDT: 効率的かつロバストなパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパノパ
• Authors: Daniel Seichter, Benedict Stephan, Söhnke Benedikt Fischedick, Steffen Müller, Leonard Rabes, Horst-Michael Gross,
• Abstract要約: そこで我々は, 占有率正規分布変換(NDT)に基づく, 効率的かつロバストなパノプティカルマッピング手法であるPanopticNDTを提案する。 その結果,本手法は,他の最先端手法よりも高精細度でパノプティクス情報を表現できることが判明した。 そこで本研究では,PanopticNDTの実世界の応用性を定性的な結果で実証する。
• 参考スコア（独自算出の注目度）: 6.543790007744934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As the application scenarios of mobile robots are getting more complex and challenging, scene understanding becomes increasingly crucial. A mobile robot that is supposed to operate autonomously in indoor environments must have precise knowledge about what objects are present, where they are, what their spatial extent is, and how they can be reached; i.e., information about free space is also crucial. Panoptic mapping is a powerful instrument providing such information. However, building 3D panoptic maps with high spatial resolution is challenging on mobile robots, given their limited computing capabilities. In this paper, we propose PanopticNDT - an efficient and robust panoptic mapping approach based on occupancy normal distribution transform (NDT) mapping. We evaluate our approach on the publicly available datasets Hypersim and ScanNetV2. The results reveal that our approach can represent panoptic information at a higher level of detail than other state-of-the-art approaches while enabling real-time panoptic mapping on mobile robots. Finally, we prove the real-world applicability of PanopticNDT with qualitative results in a domestic application.
• Abstract（参考訳）: モバイルロボットの応用シナリオが複雑で困難になりつつある中、シーン理解はますます重要になっている。 屋内環境で自律的に動作するはずの移動ロボットは、どの物体が存在するのか、どこにあるのか、空間的範囲は何か、どのように到達できるかといった正確な知識を持つ必要があり、つまり自由空間に関する情報も重要である。 パノプティカルマッピングはそのような情報を提供する強力な手段である。 しかし,空間解像度の高い3次元パノプティカルマップの構築は,計算能力に制限があるため,移動ロボットでは困難である。 本稿では, 占有率正規分布変換(NDT)に基づく, 効率的かつ堅牢なパノプティカルマッピング手法であるPanopticNDTを提案する。 我々はHypersimとScanNetV2の公開データセットに対するアプローチを評価した。 その結果,本手法は,移動ロボット上でのリアルタイムなパノプティクスマッピングを実現しつつ,他の最先端手法よりも高精細度でパノプティクス情報を表現できることが判明した。 最後に,PanopticNDTの実世界の応用性を,国内応用における定性的な結果で証明する。

関連論文リスト

• Polaris: Open-ended Interactive Robotic Manipulation via Syn2Real Visual Grounding and Large Language Models [53.22792173053473]
  我々はPolarisという対話型ロボット操作フレームワークを紹介した。 ポラリスはGPT-4と接地された視覚モデルを利用して知覚と相互作用を統合する。 本稿では,Syn2Real(Synthetic-to-Real)ポーズ推定パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-08-15T06:40:38Z)
• IN-Sight: Interactive Navigation through Sight [20.184155117341497]
  IN-Sightは自己監督型パスプランニングの新しいアプローチである。 可逆性のスコアを計算し、セマンティックマップに組み込む。 障害物を正確に回避するために、IN-Sightはローカルプランナーを使用している。
  論文  参考訳（メタデータ） (2024-08-01T07:27:54Z)
• Autonomous Marker-less Rapid Aerial Grasping [5.892028494793913]
  本稿では,自律的高速空中把握のための視覚ベースシステムを提案する。 検出対象の高密度点雲を生成し,幾何に基づく把握計画を行う。 飛行プラットフォームを用いた幾何学的把握技術の最初の利用例を示す。
  論文  参考訳（メタデータ） (2022-11-23T16:25:49Z)
• Incremental 3D Scene Completion for Safe and Efficient Exploration Mapping and Planning [60.599223456298915]
  本研究では,情報,安全,解釈可能な地図作成と計画に3次元シーン補完を活用することによって,深層学習を探索に統合する新しい手法を提案する。 本手法は,地図の精度を最小限に抑えることで,ベースラインに比べて環境のカバレッジを73%高速化できることを示す。 最終地図にシーン完了が含まれていなくても、ロボットがより情報的な経路を選択するように誘導し、ロボットのセンサーでシーンの測定を35%高速化できることが示される。
  論文  参考訳（メタデータ） (2022-08-17T14:19:33Z)
• Panoramic Panoptic Segmentation: Insights Into Surrounding Parsing for Mobile Agents via Unsupervised Contrastive Learning [93.6645991946674]
  我々はパノラマパノラマパノプティクスのセグメンテーションを最も総合的なシーン理解として紹介する。 完全な周囲の理解は、移動エージェントに最大限の情報を提供する。 本稿では,標準的なピンホール画像のモデルトレーニングを可能にし,学習した特徴を別のドメインに転送するフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-06-21T20:07:15Z)
• Neural Scene Representation for Locomotion on Structured Terrain [56.48607865960868]
  本研究では,都市環境を横断する移動ロボットの局所的な地形を再構築する学習手法を提案する。 搭載されたカメラとロボットの軌道からの深度測定のストリームを用いて、ロボットの近傍の地形を推定する。 ノイズ測定とカメラ配置の盲点からの大量の欠落データにもかかわらず,シーンを忠実に再構築する3次元再構成モデルを提案する。
  論文  参考訳（メタデータ） (2022-06-16T10:45:17Z)
• Solving Occlusion in Terrain Mapping with Neural Networks [7.703348666813963]
  本研究では,実世界のデータに基づいて,地上情報を必要としない自己教師付き学習手法を提案する。 私たちのニューラルネットワークは、自律的な地上ロボットに適したサンプリングレートで、CPUとGPUの両方でリアルタイムで実行できます。
  論文  参考訳（メタデータ） (2021-09-15T08:30:16Z)
• MPTP: Motion-Planning-aware Task Planning for Navigation in Belief Space [1.3535770763481902]
  大規模環境におけるナビゲーションのための統合型タスク・モーション・プランニング・フレームワークを提案する。 このフレームワークは、動作中の運動計画と感覚の不確かさを意図している。
  論文  参考訳（メタデータ） (2021-04-10T06:52:16Z)
• Occupancy Anticipation for Efficient Exploration and Navigation [97.17517060585875]
  そこで我々は,エージェントが自我中心のRGB-D観測を用いて,その占有状態を可視領域を超えて推定する,占有予測を提案する。 エゴセントリックなビューとトップダウンマップの両方でコンテキストを活用することで、私たちのモデルは環境のより広いマップを予測できます。 われわれのアプローチは、2020 Habitat PointNav Challengeの優勝だ。
  論文  参考訳（メタデータ） (2020-08-21T03:16:51Z)
• Learning to Move with Affordance Maps [57.198806691838364]
  物理的な空間を自律的に探索し、ナビゲートする能力は、事実上あらゆる移動型自律エージェントの基本的な要件である。 従来のSLAMベースの探索とナビゲーションのアプローチは、主にシーン幾何学の活用に重点を置いている。 学習可能な余剰マップは探索と航法の両方において従来のアプローチの強化に利用でき、性能が大幅に向上することを示します。
  論文  参考訳（メタデータ） (2020-01-08T04:05:11Z)

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。