論文の概要: Polarization Wavefront Lidar: Learning Large Scene Reconstruction from Polarized Wavefronts
- arxiv url: http://arxiv.org/abs/2406.03461v2
- Date: Tue, 11 Jun 2024 09:56:15 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-12 10:17:16.293690
- Title: Polarization Wavefront Lidar: Learning Large Scene Reconstruction from Polarized Wavefronts
- Title（参考訳）: 偏光波面ライダー:偏光波面からの大規模シーン再構成を学習する
- Authors: Dominik Scheuble, Chenyang Lei, Seung-Hwan Baek, Mario Bijelic, Felix Heide,
- Abstract要約: 我々は、放射光と受信光の偏光を変調する新しい長距離偏光波面センサ(PolLidar)を導入する。
我々は、新しい学習的再構成手法を用いて、屋外シナリオにおける正常、距離、材料特性を推定するために偏波波面を利用する。
- 参考スコア（独自算出の注目度）: 46.79906673307029
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Lidar has become a cornerstone sensing modality for 3D vision, especially for large outdoor scenarios and autonomous driving. Conventional lidar sensors are capable of providing centimeter-accurate distance information by emitting laser pulses into a scene and measuring the time-of-flight (ToF) of the reflection. However, the polarization of the received light that depends on the surface orientation and material properties is usually not considered. As such, the polarization modality has the potential to improve scene reconstruction beyond distance measurements. In this work, we introduce a novel long-range polarization wavefront lidar sensor (PolLidar) that modulates the polarization of the emitted and received light. Departing from conventional lidar sensors, PolLidar allows access to the raw time-resolved polarimetric wavefronts. We leverage polarimetric wavefronts to estimate normals, distance, and material properties in outdoor scenarios with a novel learned reconstruction method. To train and evaluate the method, we introduce a simulated and real-world long-range dataset with paired raw lidar data, ground truth distance, and normal maps. We find that the proposed method improves normal and distance reconstruction by 53\% mean angular error and 41\% mean absolute error compared to existing shape-from-polarization (SfP) and ToF methods. Code and data are open-sourced at https://light.princeton.edu/pollidar.
- Abstract（参考訳）: ライダーは3D視覚、特に大規模な屋外シナリオや自律運転において、基礎的なモダリティとなっている。
従来のライダーセンサーは、レーザーパルスを現場に放出し、反射の時間(ToF)を測定することで、精度の高い距離情報を提供することができる。
しかし、表面配向や材料特性に依存する受信光の偏光は、通常は考慮されない。
そのため、偏光モードは、距離測定以上のシーン再構成を改善する可能性がある。
本研究では、放射光と受信光の偏光を変調する新しい長距離偏光波面ライダーセンサ(PolLidar)を提案する。
従来のライダーセンサーとは別に、PolLidarは時間分解された偏波面へのアクセスを可能にする。
我々は、新しい学習的再構成手法を用いて、屋外シナリオにおける正常、距離、材料特性を推定するために偏波波面を利用する。
提案手法を訓練し,評価するために,2組の生ライダーデータ,接地真実距離,および通常の地図を用いたシミュレーションおよび実世界の長距離データセットを導入する。
提案手法は, 従来の形状偏極法 (SfP) やToF法と比較して, 平均角誤差 53 %, 平均絶対誤差 41 % で正規化と距離再構成を改善する。
コードとデータはhttps://light.princeton.edu/pollidar.comで公開されている。
関連論文リスト
- Robust Depth Enhancement via Polarization Prompt Fusion Tuning [112.88371907047396]
様々な深度センサによる不正確な深度測定を改善するために偏光イメージングを利用するフレームワークを提案する。
まず、偏光データとセンサ深度マップから高密度で完全な深度マップを推定するために、ニューラルネットワークを訓練した学習ベースの戦略を採用する。
大規模データセット上で事前学習したRGBモデルを有効に活用するためのPPFT(Polarization Prompt Fusion Tuning)戦略を提案する。
論文 参考訳（メタデータ） (2024-04-05T17:55:33Z) - Polarimetric Information for Multi-Modal 6D Pose Estimation of
Photometrically Challenging Objects with Limited Data [51.95347650131366]
6Dポーズ推定パイプラインは、RGBのみまたはRGB-Dデータに依存する。
このような制限を克服するために,補完分極情報を利用した教師付き学習ベース手法を提案する。
論文 参考訳（メタデータ） (2023-08-21T10:56:00Z) - UnLoc: A Universal Localization Method for Autonomous Vehicles using
LiDAR, Radar and/or Camera Input [51.150605800173366]
UnLocは、全ての気象条件におけるマルチセンサー入力によるローカライズのための、新しい統一型ニューラルネットワークアプローチである。
本手法は,Oxford Radar RobotCar,Apollo SouthBay,Perth-WAの各データセットで広く評価されている。
論文 参考訳（メタデータ） (2023-07-03T04:10:55Z) - Polarimetric Multi-View Inverse Rendering [13.391866136230165]
偏光カメラは、偏光の角度(AoP)と反射光の偏光の度合い(DoP)が物体の表面の正常と関係しているため、3次元再構成に大きな可能性がある。
入力された多視点カラー偏光画像から抽出した幾何的・測光的・偏光的手がかりを効果的に活用するポラリメトリック多視点逆レンダリング(Polarimetric Multi-View Inverse Rendering, Polarimetric MVIR)と呼ばれる新しい3次元再構成手法を提案する。
論文 参考訳（メタデータ） (2022-12-24T12:12:12Z) - Sparse Ellipsometry: Portable Acquisition of Polarimetric SVBRDF and
Shape with Unstructured Flash Photography [32.68190169944569]
ポーラリメトリックSVBRDFと3次元形状を同時にキャプチャする携帯型ポーラリメトリック取得法を提案する。
日ではなく、総取得時間は1オブジェクトあたり20分から30分である。
本研究は, 実世界の物体の捕集された偏光量計BRDFの地上観測データと強く一致していることを示す。
論文 参考訳（メタデータ） (2022-07-09T09:42:59Z) - KERPLE: Kernelized Relative Positional Embedding for Length
Extrapolation [72.71398034617607]
KERPLEは、位置差のカーネル化によって外挿のための相対的な位置埋め込みを一般化するフレームワークである。
CPDカーネルの多様性により、原則的に長さ外挿を可能にする様々な RPE を導出できる。
論文 参考訳（メタデータ） (2022-05-20T01:25:57Z) - Shape from Polarization for Complex Scenes in the Wild [93.65746187211958]
単一偏光画像からシーンレベルの正規推定を行うために,物理量に基づく新しいデータ駆動手法を提案する。
実世界のシーンレベルのSfPデータセットに、ペア化された入力偏光画像と接地トラス正規地図をコントリビュートする。
我々の訓練されたモデルは、偏光と表面の正常値の関係が距離に影響されないため、遠距離場屋外シーンに一般化することができる。
論文 参考訳（メタデータ） (2021-12-21T17:30:23Z) - Polarimetric Monocular Dense Mapping Using Relative Deep Depth Prior [8.552832023331248]
偏光カメラから利用できる全偏光キューを用いたオンライン再構成手法を提案する。
提案手法は, 深度マップの精度を向上し, 特に質感の悪い地域では, 密度を向上することができる。
論文 参考訳（メタデータ） (2021-02-10T01:34:37Z)
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。