論文の概要: Colmap-PCD: An Open-source Tool for Fine Image-to-point cloud Registration

• arxiv url: http://arxiv.org/abs/2310.05504v1
• Date: Mon, 9 Oct 2023 08:09:15 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-12 06:47:43.010501
• Title: Colmap-PCD: An Open-source Tool for Fine Image-to-point cloud Registration
• Title（参考訳）: Colmap-PCD - イメージツーポイントクラウド登録のためのオープンソースツール
• Authors: Chunge Bai and Ruijie Fu and Xiang Gao
• Abstract要約: 本稿では, 既設のLiDARマップを固定制約として利用する, コスト効率の高い新しい再構築パイプラインを提案する。 本手法は,カメラとLiDARデータの同期キャプチャを必要とせずに,最初にポイントクラウドマップに画像を登録する手法である。
• 参考スコア（独自算出の注目度）: 7.860297360803415
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State-of-the-art techniques for monocular camera reconstruction predominantly rely on the Structure from Motion (SfM) pipeline. However, such methods often yield reconstruction outcomes that lack crucial scale information, and over time, accumulation of images leads to inevitable drift issues. In contrast, mapping methods based on LiDAR scans are popular in large-scale urban scene reconstruction due to their precise distance measurements, a capability fundamentally absent in visual-based approaches. Researchers have made attempts to utilize concurrent LiDAR and camera measurements in pursuit of precise scaling and color details within mapping outcomes. However, the outcomes are subject to extrinsic calibration and time synchronization precision. In this paper, we propose a novel cost-effective reconstruction pipeline that utilizes a pre-established LiDAR map as a fixed constraint to effectively address the inherent scale challenges present in monocular camera reconstruction. To our knowledge, our method is the first to register images onto the point cloud map without requiring synchronous capture of camera and LiDAR data, granting us the flexibility to manage reconstruction detail levels across various areas of interest. To facilitate further research in this domain, we have released Colmap-PCD${^{3}}$, an open-source tool leveraging the Colmap algorithm, that enables precise fine-scale registration of images to the point cloud map.
• Abstract（参考訳）: モノクロカメラの現在の技術は、主にStructure from Motion (SfM)パイプラインに依存している。 しかし、そのような手法は重要な規模の情報を欠いた再構成結果をもたらすことが多く、時間とともに画像の蓄積は避けられないドリフト問題を引き起こす。 対照的に、LiDARスキャンに基づくマッピング手法は、その正確な距離測定により大規模な都市景観復元に人気がある。 研究者は、マッピング結果の正確なスケーリングと色の詳細を追求するために、LiDARとカメラの同時測定を利用する試みを行っている。 しかし、結果には余分なキャリブレーションと時間同期精度が伴う。 本稿では,モノクラーカメラの再構成における固有のスケール課題を効果的に解決するために,既設のLiDARマップを固定制約として利用する,コスト効率の高い新しい再構築パイプラインを提案する。 我々の知る限りでは、カメラとLiDARデータの同期キャプチャを必要とせずに、最初にポイントクラウドマップに画像を登録し、様々な分野において、再構築の詳細レベルを管理する柔軟性を提供する。 この領域のさらなる研究を容易にするために、我々はcolmapアルゴリズムを活用したオープンソースのツールであるcolmap-pcd${^{3}}$をリリースした。

関連論文リスト

• Tightly-Coupled, Speed-aided Monocular Visual-Inertial Localization in Topological Map [0.7373617024876725]
  本稿では,トポロジカルマップを用いた車両速度支援単眼視覚慣性位置推定のための新しいアルゴリズムを提案する。 提案システムは、GPSやLiDARのような高価なセンサーに大きく依存する既存の手法の限界に対処することを目的としている。
  論文  参考訳（メタデータ） (2024-11-08T11:55:27Z)
• TASeg: Temporal Aggregation Network for LiDAR Semantic Segmentation [80.13343299606146]
  そこで本稿では, 時系列LiDARアグリゲーション・蒸留(TLAD)アルゴリズムを提案する。 時間画像のフル活用を目的として,カメラFOVを大幅に拡張できるTIAFモジュールを設計した。 また,静的移動スイッチ拡張(SMSA)アルゴリズムを開発し,時間的情報を利用してオブジェクトの動作状態を自由に切り替える。
  論文  参考訳（メタデータ） (2024-07-13T03:00:16Z)
• Simultaneous Map and Object Reconstruction [66.66729715211642]
  本稿では,LiDARから大規模都市景観を動的に再現する手法を提案する。 我々は、最近の新しいビュー合成法から着想を得て、大域的な最適化として再構築問題を提起する。 連続動作の慎重なモデリングにより, 回転するLiDARセンサの回転シャッター効果を補うことができる。
  論文  参考訳（メタデータ） (2024-06-19T23:53:31Z)
• AugUndo: Scaling Up Augmentations for Monocular Depth Completion and Estimation [51.143540967290114]
  本研究では,教師なし深度計算と推定のために,従来不可能であった幾何拡張の幅広い範囲をアンロックする手法を提案する。 これは、出力深さの座標への幾何変換を反転、あるいはアンドウイング(undo''-ing)し、深度マップを元の参照フレームに戻すことで達成される。
  論文  参考訳（メタデータ） (2023-10-15T05:15:45Z)
• (LC)$^2$: LiDAR-Camera Loop Constraints For Cross-Modal Place Recognition [0.9449650062296824]
  本稿では,先行点クラウドマップを使わずにLiDARローカライゼーションを実現するために, (LC)$2$と呼ばれる新しいクロスマッチング手法を提案する。 ネットワークは、異なる画像とレンジ画像からローカライズ記述子を抽出するために訓練される。 我々は、LiDARベースのナビゲーションシステムが画像データベースから最適化され、その逆も可能であることを実証する。
  論文  参考訳（メタデータ） (2023-04-17T23:20:16Z)
• Real-Time Simultaneous Localization and Mapping with LiDAR intensity [9.374695605941627]
  実時間LiDAR強調画像を用いた同時位置推定とマッピング手法を提案する。 提案手法は高精度でリアルタイムに動作可能であり,照度変化,低テクスチャ,非構造化環境でも有効である。
  論文  参考訳（メタデータ） (2023-01-23T03:59:48Z)
• A Deep Generative Approach to Oversampling in Ptychography [9.658250977094562]
  ptychographyの大きな欠点は、長いデータ取得時間である。 本稿では, 深層生成ネットワークから抽出したデータを用いて, わずかに取得したデータやアンダーサンプルデータを補完する手法を提案する。 深層生成ネットワークを事前学習し、データ収集時に出力を計算できるので、実験データとデータ取得時間を削減することができる。
  論文  参考訳（メタデータ） (2022-07-28T22:02:01Z)
• LiDARCap: Long-range Marker-less 3D Human Motion Capture with LiDAR Point Clouds [58.402752909624716]
  既存のモーションキャプチャデータセットはほとんどが短距離であり、まだ長距離アプリケーションのニーズに合わない。 我々は,この制限を克服するために,LiDARがより長い範囲で捉えた新しい人間のモーションキャプチャーデータセットLiDARHuman26Mを提案する。 我々のデータセットには、IMUシステムによって取得された人間の動きと同期RGB画像も含まれている。
  論文  参考訳（メタデータ） (2022-03-28T12:52:45Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• A Simple and Efficient Registration of 3D Point Cloud and Image Data for Indoor Mobile Mapping System [18.644879251473647]
  光画像による3次元LiDAR点雲の登録は、マルチソースデータの組み合わせにおいて重要である。 幾何学的ミスアライメントは元々、LiDAR点雲と光学画像の間のポーズデータに存在する。 我々は,初期ポーズの精度を向上させるため,シンプルだが効率的な登録方法を開発した。
  論文  参考訳（メタデータ） (2020-10-27T13:01:54Z)
• Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
  本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。 我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。 提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-04-02T17:59:04Z)

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。