論文の概要: PSS-BA: LiDAR Bundle Adjustment with Progressive Spatial Smoothing

• arxiv url: http://arxiv.org/abs/2403.06124v1
• Date: Sun, 10 Mar 2024 07:56:54 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-13 08:33:28.566919
• Title: PSS-BA: LiDAR Bundle Adjustment with Progressive Spatial Smoothing
• Title（参考訳）: PSS-BA: プログレッシブ空間平滑化によるLiDARバンドル調整
• Authors: Jianping Li, Thien-Minh Nguyen, Shenghai Yuan, and Lihua Xie
• Abstract要約: 本稿では, プログレッシブ空間平滑化によるLiDARバンドル調整について述べる。 提案手法の有効性とロバスト性をシミュレーションと実世界のデータセットで検証した。
• 参考スコア（独自算出の注目度）: 27.060381833488172
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurate and consistent construction of point clouds from LiDAR scanning data is fundamental for 3D modeling applications. Current solutions, such as multiview point cloud registration and LiDAR bundle adjustment, predominantly depend on the local plane assumption, which may be inadequate in complex environments lacking of planar geometries or substantial initial pose errors. To mitigate this problem, this paper presents a LiDAR bundle adjustment with progressive spatial smoothing, which is suitable for complex environments and exhibits improved convergence capabilities. The proposed method consists of a spatial smoothing module and a pose adjustment module, which combines the benefits of local consistency and global accuracy. With the spatial smoothing module, we can obtain robust and rich surface constraints employing smoothing kernels across various scales. Then the pose adjustment module corrects all poses utilizing the novel surface constraints. Ultimately, the proposed method simultaneously achieves fine poses and parametric surfaces that can be directly employed for high-quality point cloud reconstruction. The effectiveness and robustness of our proposed approach have been validated on both simulation and real-world datasets. The experimental results demonstrate that the proposed method outperforms the existing methods and achieves better accuracy in complex environments with low planar structures.
• Abstract（参考訳）: LiDARスキャンデータからの点雲の高精度で一貫した構築は、3Dモデリングアプリケーションに不可欠である。 マルチビューポイントクラウド登録やlidarバンドル調整のような現在のソリューションは、主に局所平面仮定に依存しており、平面ジオメトリや実質的な初期ポーズエラーがない複雑な環境では不十分である。 この問題を軽減するため,本論文では,複雑な環境に適した空間平滑化を伴うlidarバンドル調整を提案する。 提案手法は空間平滑化モジュールとポーズ調整モジュールから構成され,局所的な一貫性と大域的精度の利点を組み合わせた。 空間平滑化モジュールでは,様々なスケールにわたる平滑化カーネルを用いて,堅牢でリッチな表面制約を得ることができる。 そして、ポーズ調整モジュールは、新しい表面制約を利用してすべてのポーズを補正する。 最終的に,提案手法は,高品質な点雲再構成に直接使用できる微細なポーズとパラメトリック面を同時に達成する。 提案手法の有効性とロバスト性をシミュレーションと実世界のデータセットで検証した。 実験の結果,提案手法は既存の手法よりも優れており,平面構造の低い複雑な環境では精度が向上することがわかった。

関連論文リスト

• Galibr: Targetless LiDAR-Camera Extrinsic Calibration Method via Ground Plane Initialization [13.409482818102878]
  Galibrは完全に自動化されたLiDARカメラの外付けキャリブレーションツールで、どんな自然環境でも地上の車両プラットフォーム用に設計されている。 この方法は、LiDARとカメラの入力の両方から地上平面とエッジ情報を利用して、キャリブレーションプロセスの合理化を行う。 提案手法はキャリブレーション性能を著しく向上させるが,これは新しい初期ポーズ推定法に起因している。
  論文  参考訳（メタデータ） (2024-06-14T08:25:10Z)
• RaNeuS: Ray-adaptive Neural Surface Reconstruction [87.20343320266215]
  微分可能放射場 eg NeRF を利用して、新しいビューレンダリングを生成するとともに、詳細な3次元表面を再構成する。 本研究では,SDFから放射場への射影を一様等間隔のアイコニカル正規化で定式化し,最適化することを考えると,光度重み付け係数を改良する。 提案する textitRaNeuS は,合成データと実データの両方で広く評価されている。
  論文  参考訳（メタデータ） (2024-06-14T07:54:25Z)
• Non-rigid Structure-from-Motion: Temporally-smooth Procrustean Alignment and Spatially-variant Deformation Modeling [34.606331252248886]
  非剛性構造移動(NRSfM)の研究が盛んに行われ、大きな進展が見られた。 広範に現実世界のアプリケーションを妨げる重要な課題はまだ残っている。 本稿では,空間時間モデルの観点から,上記の課題を解決することを提案する。
  論文  参考訳（メタデータ） (2024-05-07T13:33:50Z)
• SIGMA: Scale-Invariant Global Sparse Shape Matching [50.385414715675076]
  非剛体形状の正確なスパース対応を生成するための新しい混合整数プログラミング(MIP)法を提案する。 いくつかの挑戦的な3Dデータセットに対して,スパースな非剛性マッチングの最先端結果を示す。
  論文  参考訳（メタデータ） (2023-08-16T14:25:30Z)
• HSurf-Net: Normal Estimation for 3D Point Clouds by Learning Hyper Surfaces [54.77683371400133]
  本稿では,ノイズと密度の変動のある点群から正規性を正確に予測できるHSurf-Netという新しい正規推定手法を提案する。 実験結果から, HSurf-Netは, 合成形状データセット上での最先端性能を実現することがわかった。
  論文  参考訳（メタデータ） (2022-10-13T16:39:53Z)
• A Model for Multi-View Residual Covariances based on Perspective Deformation [88.21738020902411]
  マルチビューSfM, オードメトリ, SLAMセットアップにおける視覚的残差の共分散モデルの導出を行う。 我々は、合成データと実データを用いてモデルを検証し、それを光度および特徴量に基づくバンドル調整に統合する。
  論文  参考訳（メタデータ） (2022-02-01T21:21:56Z)
• 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)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)
• Spatiotemporal Camera-LiDAR Calibration: A Targetless and Structureless Approach [32.15405927679048]
  ターゲットレスで構造のないカメラ-DARキャリブレーション法を提案する。 本手法は, 時間的パラメータの初期調整を必要としないような, 閉形式解と非構造束を結合する。 提案手法の精度とロバスト性をシミュレーションおよび実データ実験により実証する。
  論文  参考訳（メタデータ） (2020-01-17T07:25:59Z)

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。