論文の概要: LiDAR-based Registration against Georeferenced Models for Globally Consistent Allocentric Maps

• arxiv url: http://arxiv.org/abs/2412.02533v1
• Date: Tue, 03 Dec 2024 16:25:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-04 15:42:17.917917
• Title: LiDAR-based Registration against Georeferenced Models for Globally Consistent Allocentric Maps
• Title（参考訳）: 大域的同心写像のジオレファレンスモデルに対するLiDARに基づく登録
• Authors: Jan Quenzel, Linus T. Mallwitz, Benedikt T. Arnold, Sven Behnke,
• Abstract要約: 現代の無人航空機(UAV)は、状況の概要を把握したり、人員を危険にさらすことなくクローズアップを提供するため、捜索救難(SAR)ミッションでは不可能である。 しかし、UAVはオープンスペースでうまく機能するグローバルナビゲーション衛星システム(GNSS)に大きく依存しているが、その精度は建物周辺で劇的に低下している。 対照的に、CityGMLモデルは正確なジオレファレンスポーズを持つ近似的な建物形状を提供する。
• 参考スコア（独自算出の注目度）: 16.335109366948473
• License:
• Abstract: Modern unmanned aerial vehicles (UAVs) are irreplaceable in search and rescue (SAR) missions to obtain a situational overview or provide closeups without endangering personnel. However, UAVs heavily rely on global navigation satellite system (GNSS) for localization which works well in open spaces, but the precision drastically degrades in the vicinity of buildings. These inaccuracies hinder aggregation of diverse data from multiple sources in a unified georeferenced frame for SAR operators. In contrast, CityGML models provide approximate building shapes with accurate georeferenced poses. Besides, LiDAR works best in the vicinity of 3D structures. Hence, we refine coarse GNSS measurements by registering LiDAR maps against CityGML and digital elevation map (DEM) models as a prior for allocentric mapping. An intuitive plausibility score selects the best hypothesis based on occupancy using a 2D height map. Afterwards, we integrate the registration results in a continuous-time spline-based pose graph optimizer with LiDAR odometry and further sensing modalities to obtain globally consistent, georeferenced trajectories and maps. We evaluate the viability of our approach on multiple flights captured at two distinct testing sites. Our method successfully reduced GNSS offset errors from up-to 16 m to below 0.5 m on multiple flights. Furthermore, we obtain globally consistent maps w.r.t. prior 3D geospatial models.
• Abstract（参考訳）: 現代の無人航空機(UAV)は、状況の概要を把握したり、人員を危険にさらすことなくクローズアップを提供するため、捜索救難(SAR)ミッションでは不可能である。 しかし、UAVはオープンスペースでうまく機能するグローバルナビゲーション衛星システム(GNSS)に大きく依存しているが、その精度は建物周辺で劇的に低下している。 これらの不正確さは、SAR演算子のための統合ジオリファレンスフレームにおいて、複数のソースからの多様なデータの集約を妨げる。 対照的に、CityGMLモデルは正確なジオレファレンスポーズを持つ近似的な建物形状を提供する。 加えて、LiDARは3D構造の近くで最もうまく機能する。 そこで我々は、LDARマップをCityGMLとデジタル高度マップ(DEM)モデルに登録することにより、粗いGNSS測定を改良する。 直感的確率スコアは、2次元高さマップを用いて占有率に基づいて最適な仮説を選択する。 その後、連続時間スプラインベースのポーズグラフオプティマイザとLiDARオドメトリーを併用し、一様一貫したジオレファレンスな軌跡や地図を得るためのモダリティを付加した。 2つの異なる試験場で得られた複数の飛行に対するアプローチの有効性を評価した。 提案手法は,複数の飛行において最大16mから0.5m以下までGNSSオフセット誤差を低減できた。 さらに, 従来の3次元地理空間モデルを用いて, グローバルに一貫した地図を得る。

関連論文リスト

• Mapping and Localization Using LiDAR Fiducial Markers [0.8702432681310401]
  Dissertationは、LiDARフィデューシャルマーカーを用いたマッピングとローカライゼーションのための新しいフレームワークを提案する。 Intensity Image-based LiDAR Fiducial Marker (IFM)システムを導入する。 LFMに基づく新しいマッピングとローカライズ手法は、順序のない低オーバーラップ点雲を登録する。
  論文  参考訳（メタデータ） (2025-02-05T17:33:59Z)
• Reliable-loc: Robust sequential LiDAR global localization in large-scale street scenes based on verifiable cues [8.074154946982516]
  逐次LiDARデータにおける検証可能なキューを利用した,LiDARに基づく信頼性のあるグローバルローカライゼーション(Reliable-loc)を提案する。 本稿では,シーケンシャルなポーズの不確実性によって誘導される局所状態監視機構を提案する。 信頼性の高い場所は、大規模で複雑なストリートシーンで高い堅牢性、正確性、効率性を示す。
  論文  参考訳（メタデータ） (2024-11-09T07:28:39Z)
• GeoLLM: Extracting Geospatial Knowledge from Large Language Models [49.20315582673223]
  大規模言語モデルから地理空間的知識を効果的に抽出する新しい手法であるGeoLLMを提案する。 我々は、人口密度や経済生活の計測など、国際社会への関心の中心となる複数の課題にまたがるアプローチの有用性を実証する。 実験の結果, LLMは試料効率が高く, 地理空間情報に富み, 世界中のロバストであることがわかった。
  論文  参考訳（メタデータ） (2023-10-10T00:03:23Z)
• Volumetric Semantically Consistent 3D Panoptic Mapping [77.13446499924977]
  非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。 マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。 提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
  論文  参考訳（メタデータ） (2023-09-26T08:03:10Z)
• DETR Doesn't Need Multi-Scale or Locality Design [69.56292005230185]
  本稿では,"プレーン"特性を維持できる改良型DETR検出器を提案する。 特定の局所性制約を伴わずに、単一スケールの機能マップとグローバルなクロスアテンション計算を使用する。 マルチスケールな特徴マップと局所性制約の欠如を補うために,2つの単純な技術が平易な設計において驚くほど効果的であることを示す。
  論文  参考訳（メタデータ） (2023-08-03T17:59:04Z)
• GraffMatch: Global Matching of 3D Lines and Planes for Wide Baseline LiDAR Registration [41.00550745153015]
  線や平面のような幾何学的ランドマークを使用することで、ナビゲーションの精度を高め、マップストレージの要求を低減できる。 しかし、ループクロージャ検出のようなアプリケーションに対するランドマークベースの登録は、信頼できる初期推定ができないため、難しい。 3次元直線と平面を表すアフィングラスマン多様体を採用し、2つのランドマーク間の距離が回転と変換に不変であることを証明する。
  論文  参考訳（メタデータ） (2022-12-24T15:02:15Z)
• Mosaic Zonotope Shadow Matching for Risk-Aware Autonomous Localization in Harsh Urban Environments [0.966840768820136]
  グローバルナビゲーション衛星システム(GNSS)によるリスク対応都市ローカライゼーションは未解決の問題である。 分類器に依存しないポリトープモザイクアーキテクチャを用いたモザイクゾノトープシャドウマッチング(MZSM)を提案する。 サンフランシスコの3Dビルディングマップを用いて高忠実度シミュレーションを行い、アルゴリズムのリスク認識の改善を検証する。
  論文  参考訳（メタデータ） (2022-04-30T21:01:03Z)
• 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)
• Searching Collaborative Agents for Multi-plane Localization in 3D Ultrasound [59.97366727654676]
  3D超音波(US)はその豊富な診断情報、可搬性、低コストのために広く用いられている。 米国における標準平面(SP)のローカライゼーションは,効率の向上とユーザ依存の低減だけでなく,米国における3D解釈の促進にも寄与する。 本稿では,複数の子宮SPを同時に3D USにローカライズするマルチエージェント強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-07-30T07:23:55Z)
• Agent with Warm Start and Active Termination for Plane Localization in 3D Ultrasound [56.14006424500334]
  超音波(US)診断には標準面の局在が不可欠である。 出生前のアメリカでは、何十もの標準的な飛行機が手動で2Dプローブで取得される。 胎児脳標準平面を3DUSで自動的に局所化するための新しい強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2019-10-10T02:21:52Z)

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。