論文の概要: BeautyMap: Binary-Encoded Adaptable Ground Matrix for Dynamic Points Removal in Global Maps
- arxiv url: http://arxiv.org/abs/2405.07283v1
- Date: Sun, 12 May 2024 13:48:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-14 17:30:59.166033
- Title: BeautyMap: Binary-Encoded Adaptable Ground Matrix for Dynamic Points Removal in Global Maps
- Title（参考訳）: BeautyMap:グローバルマップにおける動的点除去のためのバイナリエンコード適応グラウンドマトリックス
- Authors: Mingkai Jia, Qingwen Zhang, Bowen Yang, Jin Wu, Ming Liu, Patric Jensfelt,
- Abstract要約: 既存の動的除去法では、計算効率と精度のバランスが取れない。
高忠実度グローバルマップの静的な特徴を維持しつつ,動的ポイントを効率的に除去するために,BeautyMapを提案する。
本手法では, 環境特徴を効率的に抽出するために, バイナリ符号化行列を用いる。
- 参考スコア（独自算出の注目度）: 15.124066060292593
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Global point clouds that correctly represent the static environment features can facilitate accurate localization and robust path planning. However, dynamic objects introduce undesired ghost tracks that are mixed up with the static environment. Existing dynamic removal methods normally fail to balance the performance in computational efficiency and accuracy. In response, we present BeautyMap to efficiently remove the dynamic points while retaining static features for high-fidelity global maps. Our approach utilizes a binary-encoded matrix to efficiently extract the environment features. With a bit-wise comparison between matrices of each frame and the corresponding map region, we can extract potential dynamic regions. Then we use coarse to fine hierarchical segmentation of the $z$-axis to handle terrain variations. The final static restoration module accounts for the range-visibility of each single scan and protects static points out of sight. Comparative experiments underscore BeautyMap's superior performance in both accuracy and efficiency against other dynamic points removal methods. The code is open-sourced at https://github.com/MKJia/BeautyMap.
- Abstract（参考訳）: 静的環境機能を正しく表現するグローバルポイントクラウドは、正確なローカライゼーションと堅牢なパス計画を容易にする。
しかし、動的オブジェクトは、静的環境と混ざった望ましくないゴーストトラックを導入します。
既存の動的除去法は通常、計算効率と精度のバランスをとるのに失敗する。
これに対して,高忠実度グローバルマップの静的な特徴を維持しつつ,動的点を効率的に除去するBeautyMapを提案する。
本手法では, 環境特徴を効率的に抽出するために, バイナリ符号化行列を用いる。
各フレームの行列と対応するマップ領域をビット単位で比較することにより、ポテンシャル動的領域を抽出できる。
次に、粗さを用いて、地形変動を扱うために、$z$-軸の階層的セグメンテーションを微調整する。
最終的な静的復元モジュールは、各スキャンのレンジ可視性を考慮し、視界外の静的ポイントを保護する。
比較実験は、他の動的点除去法と比較して、精度と効率の両面で、BeautyMapの優れた性能を示している。
コードはhttps://github.com/MKJia/BeautyMapで公開されている。
関連論文リスト
- PG-SLAM: Photo-realistic and Geometry-aware RGB-D SLAM in Dynamic Environments [49.38692556283867]
ガウススプラッティングを拡張した写真リアリスティックかつ幾何学的RGB-D SLAM法を提案する。
本手法は,1)非剛体人や剛体物を含む動的前景のマッピング,2)静的背景の再構築,3)カメラのローカライズを行うための3つの主要モジュールから構成される。
実世界の様々なデータセットに対する実験により、カメラのローカライゼーションとシーン表現の観点から、我々の手法が最先端のアプローチより優れていることが示された。
論文 参考訳（メタデータ） (2024-11-24T12:00:55Z) - Efficient Masked AutoEncoder for Video Object Counting and A Large-Scale Benchmark [52.339936954958034]
前景の動的不均衡は、ビデオオブジェクトのカウントにおいて大きな課題である。
本稿では,密度埋め込み型効率的なマスドオートエンコーダカウント(E-MAC)フレームワークを提案する。
また,高効率化のための密度マップから導出した空間適応マスクを提案する。
論文 参考訳（メタデータ） (2024-11-20T06:08:21Z) - 3D LiDAR Mapping in Dynamic Environments Using a 4D Implicit Neural Representation [33.92758288570465]
正確な地図の構築は、自動運転車の信頼性の高いローカライゼーション、計画、ナビゲーションを可能にする重要なビルディングブロックである。
我々は、4Dシーンを新しい暗黙的ニューラルマップ表現に符号化する。
提案手法は, 高精度で完全な3次元地図を再構成しながら, 入力点雲の動的部分を除去することができる。
論文 参考訳（メタデータ） (2024-05-06T11:46:04Z) - DUFOMap: Efficient Dynamic Awareness Mapping [3.3580006471376205]
現実世界のダイナミックな性質は、ロボット工学における大きな課題の1つだ。
現在のソリューションは後処理によく適用され、パラメータチューニングによって特定のデータセットの設定を調整することができる。
本研究では,効率的なオンライン処理を目的とした動的認識マッピングフレームワークであるDUFOMapを提案する。
論文 参考訳（メタデータ） (2024-03-03T09:07:16Z) - A Dynamic Points Removal Benchmark in Point Cloud Maps [7.932462079146208]
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。
論文 参考訳（メタデータ） (2023-07-14T10:21:26Z) - Efficient Map Sparsification Based on 2D and 3D Discretized Grids [47.22997560184043]
マップが大きくなると、より多くのメモリが必要になり、ローカライゼーションが非効率になる。
以前の地図スペーシフィケーション法は、選択されたランドマークの均一分布を強制するために混合整数計画において二次項を追加する。
本稿では,効率的な線形形式で地図スペーシフィケーションを定式化し,2次元離散格子に基づく一様分布ランドマークを選択する。
論文 参考訳（メタデータ） (2023-03-20T05:49:14Z) - 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) - 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) - Dynamic Object Tracking and Masking for Visual SLAM [1.37013665345905]
動的環境下では、動いた物体から得られる視覚的特徴によって視覚的SLAM技術の性能が損なわれる可能性がある。
本稿では、ディープニューラルネットワーク、拡張カルマンフィルタ、視覚SLAMを用いて、ローカライゼーションとマッピングの両方を改善するパイプラインを提案する。
論文 参考訳（メタデータ） (2020-07-31T20:37:14Z) - Rethinking Localization Map: Towards Accurate Object Perception with
Self-Enhancement Maps [78.2581910688094]
本研究は, カテゴリーラベルのみを監督として, 正確な対象位置分布マップと対象境界を抽出する, 新たな自己強調手法を提案する。
特に、提案されたセルフエンハンスメントマップは、ILSVRC上で54.88%の最先端のローカライゼーション精度を達成する。
論文 参考訳（メタデータ） (2020-06-09T12:35:55Z) - Voxel Map for Visual SLAM [57.07800982410967]
視覚SLAMのための点を効率的にマッピングするボクセルマップ表現を提案する。
本手法は,カメラの視野に落下することを幾何的に保証し,隠蔽点を特定・除去できる。
実験結果から,我々のボクセルマップ表現は5sの地図と同等に効率的であり,EuRoCデータセット上での局所化精度(平均46%の改善)が有意に高いことがわかった。
論文 参考訳（メタデータ） (2020-03-04T18:39:14Z)
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。