論文の概要: Robust Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric
- arxiv url: http://arxiv.org/abs/2409.01856v2
- Date: Mon, 23 Sep 2024 02:38:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-11-07 23:56:04.341815
- Title: Robust Second-order LiDAR Bundle Adjustment Algorithm Using Mean Squared Group Metric
- Title（参考訳）: 平均二乗群計量を用いたロバスト二階LiDARバンドル調整アルゴリズム
- Authors: Tingchen Ma, Yongsheng Ou, Sheng Xu,
- Abstract要約: 我々は,LiDAR BAアルゴリズムの最適化目標を構築するために,新しい平均2乗群計量(MSGM)を提案する。
堅牢なカーネル関数を統合することで、BAアルゴリズム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。
- 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, the BA method constructs a joint estimation model for both poses and landmarks, enabling the system to generate refined maps and reduce front-end localization errors. However, there are unique challenges when applying the BA for LiDAR data, due to the large volume of 3D points. Exploring a robust LiDAR BA estimator and achieving accurate solutions is a very important issue. In this work, firstly we propose a novel mean square group metric (MSGM) to build the optimization objective in the LiDAR BA algorithm. This metric applies mean square transformation to uniformly process the measurement of plane landmarks from one sampling period. The transformed metric ensures scale interpretability, and does not requie a time-consuming point-by-point calculation. Secondly, by integrating a robust kernel function, the metrics involved in the BA algorithm are reweighted, and thus enhancing the robustness of the solution process. Thirdly, based on 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. Finally, we verify the merits of 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）: バンドル調整(BA)アルゴリズムは、同時局所化マッピング(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、BA法は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。
しかし、LiDARデータにBAを適用する際には、大量の3Dポイントがあるため、ユニークな課題がある。
堅牢なLiDAR BA推定器を探索し、正確なソリューションを実現することは、非常に重要な問題である。
そこで本研究では,まず,LiDAR BAアルゴリズムの最適化目標を構築するために,平均2乗平均測度(MSGM)を提案する。
この計量は平均二乗変換を適用し、1つのサンプリング周期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スケールの解釈可能性を確保し、ポイント・バイ・ポイントの計算に要しない。
次に、ロバストカーネル関数を統合することにより、BAアルゴリズム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ロバスト性を高める。
第三に、提案した頑健な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。
最後に、提案したROS-BA推定器の既存の暗黙の2次推定と、公に利用可能なデータセットを用いた明示的な2次推定器に対する利点を検証する。
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
- Truncating Trajectories in Monte Carlo Policy Evaluation: an Adaptive Approach [51.76826149868971]
モンテカルロシミュレーションによる政策評価は多くのMC強化学習(RL)アルゴリズムの中核にある。
本研究では,異なる長さの軌跡を用いた回帰推定器の平均二乗誤差のサロゲートとして品質指標を提案する。
本稿では,Robust and Iterative Data Collection Strategy Optimization (RIDO) という適応アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-10-17T11:47:56Z) - OPUS: Occupancy Prediction Using a Sparse Set [64.60854562502523]
学習可能なクエリの集合を用いて、占有された場所とクラスを同時に予測するフレームワークを提案する。
OPUSには、モデルパフォーマンスを高めるための非自明な戦略が組み込まれている。
最も軽量なモデルではOcc3D-nuScenesデータセットの2倍 FPS に優れたRayIoUが得られる一方、最も重いモデルは6.1 RayIoUを上回ります。
論文 参考訳（メタデータ） (2024-09-14T07:44:22Z) - 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) - Adaptive operator learning for infinite-dimensional Bayesian inverse problems [7.716833952167609]
本研究では,局所的に精度の高いサロゲートを強制することによって,モデリングエラーを段階的に低減できる適応型演算子学習フレームワークを開発した。
UKIフレームワークを用いて線形の場合において厳密な収束を保証する。
その結果,逆精度を維持しながら計算コストを大幅に削減できることがわかった。
論文 参考訳（メタデータ） (2023-10-27T01:50:33Z) - 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) - 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) - 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) - Fast and Robust Certifiable Estimation of the Relative Pose Between Two
Calibrated Cameras [0.0]
カメラの相対Pose問題(RPp)は、2つのカメラ間のペアワイズ回転のセットを与えられた相対方向変換(構成)を目指しています。
本稿では,検出された最適解の比率を高めるための証明書群について紹介する。
提案手法が高速でロバストなポーズ推定を実現することを,合成および実データにより証明する。
論文 参考訳（メタデータ） (2021-01-21T10:07:05Z) - Distributed Variational Bayesian Algorithms Over Sensor Networks [6.572330981878818]
一般ベイズ推論問題に対する2つの新しい分散VBアルゴリズムを提案する。
提案アルゴリズムは、核融合センターで利用可能な全データに依存する集中型VBアルゴリズムとほぼ同等の性能を有する。
論文 参考訳（メタデータ） (2020-11-27T08:12:18Z) - 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。