論文の概要: Explicit Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric
- arxiv url: http://arxiv.org/abs/2409.01856v1
- Date: Tue, 3 Sep 2024 12:53:39 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 01:36:22.871066
- Title: Explicit Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric
- Title（参考訳）: 平均二乗群距離を用いた2次LiDARバンドル調整アルゴリズム
- Authors: Tingchen Ma, Yongsheng Ou, Sheng Xu,
- Abstract要約: 平面ランドマークの測定を単一視点で均一に行うための平均二乗計量(MSGM)を提案する。
堅牢なカーネル関数を統合することで、BAモデルに関わるメトリクスを再重み付けし、ソリューションプロセスの堅牢性を高める。
提案手法は,既存の暗黙二階推定と明示的な近似二階推定とに対して提案した RSO-BA 推定器を評価する。
- 参考スコア（独自算出の注目度）: 5.153195958837083
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The Bundle Adjustment (BA) algorithm is a widely used nonlinear optimization technique in the backend of Simultaneous Localization and Mapping (SLAM) systems. By leveraging the co-view relationships of landmarks from multiple perspectives, it constructs a joint estimation model for both poses and landmarks, enabling the system to generate refined maps and reduce front-end localization errors. However, applying BA to LiDAR data presents unique challenges due to the large volume of 3D points typically present in point clouds, making robust and accurate model solving more complex. In this work, we propose a novel mean square group metric (MSGM). This metric applies mean square transformation to uniformly process the measurement of plane landmarks from a single perspective. The transformed metric ensures scale interpretability while avoiding the time-consuming point-by-point calculations. By integrating a robust kernel function, the metrics involved in the BA model are reweighted, enhancing the robustness of the solution process. On the basis of the proposed robust LiDAR BA model, we derived an explicit second-order estimator (RSO-BA). This estimator employs analytical formulas for Hessian and gradient calculations, ensuring the precision of the BA solution. We evaluated the proposed RSO-BA estimator against existing implicit second-order and explicit approximate second-order estimators using the publicly available datasets. The experimental results demonstrate that the RSO-BA estimator outperforms its counterparts regarding registration accuracy and robustness, particularly in large-scale or complex unstructured environments.
- Abstract（参考訳）: Bundle Adjustment (BA)アルゴリズムは、SLAMシステムのバックエンドで広く使われている非線形最適化手法である。
複数の視点からランドマークのコビュー関係を活用することで、ポーズとランドマークの両方のジョイント推定モデルを構築し、洗練されたマップを生成し、フロントエンドのローカライゼーションエラーを低減することができる。
しかし、BAをLiDARデータに適用することは、通常点雲に存在する大量の3Dポイントにより、より堅牢で正確なモデルの解法がより複雑になるため、ユニークな課題を示す。
本研究では,新しい平均二乗計量(MSGM)を提案する。
この計量は平均二乗変換を適用し、1つの視点から平面ランドマークの測定を均一に処理する。
変換されたメートル法は、時間を要するポイント・バイ・ポイントの計算を避けながら、スケールの解釈可能性を保証する。
堅牢なカーネル関数を統合することで、BAモデルに関わるメトリクスを再重み付けし、ソリューションプロセスの堅牢性を高める。
提案したロバストなLiDAR BAモデルに基づいて,明示的な2次推定器 (RSO-BA) を導出した。
この推定器はヘッセンおよび勾配の計算に解析公式を使用し、BA溶液の精度を保証している。
提案したROS-BA推定器を,公開データセットを用いて既存の暗黙の2次および明示的な近似2次推定器に対して評価した。
実験結果から, RSO-BA推定器は, 大規模・複雑な非構造環境において, 登録精度とロバスト性において, 高い性能を示した。
関連論文リスト
- An Accurate and Real-time Relative Pose Estimation from Triple Point-line Images by Decoupling Rotation and Translation [10.05584976985694]
3D-2D制約は、Visual Odometry (VO) やStructure-from-Motion (SfM) システムで広く使われている。
回転変換デカップリング推定に基づく新しい3次元ポーズ解決器を提案する。
論文 参考訳（メタデータ） (2024-03-18T10:21:05Z) - Stochastic Gradient Descent for Additive Nonparametric Regression [13.28914458950716]
本稿では,メモリストレージと計算要求を満足する加法モデルの反復的学習アルゴリズムを提案する。
得られた推定値が不等式を満たすことを示し,その不等式がモデルの誤特定を許容することを示した。
3つの異なる訓練段階の学習速度を慎重に選択することにより、そのリスクがトレーニングサンプルのサイズとデータの寸法依存性の点で極小であることを示す。
論文 参考訳（メタデータ） (2024-01-01T08:03:52Z) - 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) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳（メタデータ） (2022-09-22T07:50:48Z) - Robust Self-Supervised LiDAR Odometry via Representative Structure
Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。
本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。
我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文 参考訳（メタデータ） (2022-02-27T12:52:27Z) - 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) - Measure Estimation in the Barycentric Coding Model [13.621495571281201]
偏心符号モデルの下で測度を推定することは、未知の偏心座標を推定することと同値である。
我々は,BCMに基づく測度推定のための新しい幾何学的,統計的,および計算的洞察を提供する。
論文 参考訳（メタデータ） (2022-01-28T15:51:30Z) - Semi-Supervised Quantile Estimation: Robust and Efficient Inference in High Dimensional Settings [0.5735035463793009]
2つの利用可能なデータセットを特徴とする半教師付き環境での量子推定を考察する。
本稿では,2つのデータセットに基づいて,応答量子化(s)に対する半教師付き推定器群を提案する。
論文 参考訳（メタデータ） (2022-01-25T10:02:23Z) - Manifold learning-based polynomial chaos expansions for high-dimensional
surrogate models [0.0]
システム記述における不確実性定量化(UQ)のための多様体学習に基づく手法を提案する。
提案手法は高精度な近似を達成でき、UQタスクの大幅な高速化につながる。
論文 参考訳（メタデータ） (2021-07-21T00:24:15Z) - Square Root Bundle Adjustment for Large-Scale Reconstruction [56.44094187152862]
QR分解によるランドマーク変数のnullspace marginalizationに依存するバンドル調整問題の新たな定式化を提案する。
平方根束調整と呼ばれる私たちのアプローチは、一般的に使用されるSchur補完トリックと代数的に等価です。
BALデータセットを用いた実世界での実験では、提案されたソルバが単一の精度でも平均的等しく正確なソリューションで達成できることを示す。
論文 参考訳（メタデータ） (2021-03-02T16:26:20Z) - Making Affine Correspondences Work in Camera Geometry Computation [62.7633180470428]
局所的な特徴は、ポイント・ツー・ポイント対応ではなく、リージョン・ツー・リージョンを提供する。
本稿では,全モデル推定パイプラインにおいて,地域間マッチングを効果的に活用するためのガイドラインを提案する。
実験により、アフィンソルバはより高速な実行時にポイントベースソルバに匹敵する精度を達成できることが示された。
論文 参考訳（メタデータ） (2020-07-20T12:07:48Z)
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。