論文の概要: 3D Registration in 30 Years: A Survey

• arxiv url: http://arxiv.org/abs/2412.13735v2
• Date: Thu, 19 Dec 2024 12:59:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-20 13:31:40.167750
• Title: 3D Registration in 30 Years: A Survey
• Title（参考訳）: 30年後の3D登録:調査
• Authors: Jiaqi Yang, Chu'ai Zhang, Zhengbao Wang, Xinyue Cao, Xuan Ouyang, Xiyu Zhang, Zhenxuan Zeng, Zhao Zeng, Borui Lu, Zhiyi Xia, Qian Zhang, Yulan Guo, Yanning Zhang,
• Abstract要約: 3Dポイントクラウドの登録は、コンピュータビジョン、コンピュータグラフィックス、ロボティクス、リモートセンシングなどの基本的な問題である。 本稿では,ペアワイズ粗い登録,ペアワイズ細粒度登録,マルチビュー登録,クロススケール登録,マルチインスタンス登録など,一連のサブ領域を網羅した3Dポイントクラウド登録に関する総合的な調査を行う。 本調査では, データセット, 評価指標, 方法分類, メリットとデメリットの議論, 今後の方向性についての洞察に富んだ考察を包括的に紹介する。
• 参考スコア（独自算出の注目度）: 48.20463054305839
• License:
• Abstract: 3D point cloud registration is a fundamental problem in computer vision, computer graphics, robotics, remote sensing, and etc. Over the last thirty years, we have witnessed the amazing advancement in this area with numerous kinds of solutions. Although a handful of relevant surveys have been conducted, their coverage is still limited. In this work, we present a comprehensive survey on 3D point cloud registration, covering a set of sub-areas such as pairwise coarse registration, pairwise fine registration, multi-view registration, cross-scale registration, and multi-instance registration. The datasets, evaluation metrics, method taxonomy, discussions of the merits and demerits, insightful thoughts of future directions are comprehensively presented in this survey. The regularly updated project page of the survey is available at https://github.com/Amyyyy11/3D-Registration-in-30-Years-A-Survey.
• Abstract（参考訳）: 3Dポイントクラウドの登録は、コンピュータビジョン、コンピュータグラフィックス、ロボティクス、リモートセンシングなどの基本的な問題である。 過去30年間、私たちは様々な種類のソリューションでこの分野の驚くべき進歩を目撃してきました。 いくつかの調査が実施されているが、その範囲は限られている。 本研究では,2対の粗い登録,ペアの微細登録,マルチビュー登録,クロススケール登録,マルチインスタンス登録など,一連のサブ領域を網羅した3Dポイントクラウド登録に関する総合的な調査を行う。 本調査では, データセット, 評価指標, 方法分類, メリットとデメリットの議論, 今後の方向性についての洞察に富んだ考察を包括的に紹介する。 この調査の定期的に更新されたプロジェクトページはhttps://github.com/Amyyy11/3D-Registration-in-30-Years-A-Surveyで公開されている。

関連論文リスト

• Robust Multiview Point Cloud Registration with Reliable Pose Graph Initialization and History Reweighting [63.95845583460312]
  本稿では,ポイントクラウドのマルチビュー登録のための新しい手法を提案する。 提案手法は,3DMatchデータセットの登録リコール率を11%,ScanNetデータセットの登録エラー率を13%向上させる。
  論文  参考訳（メタデータ） (2023-04-02T06:43:40Z)
• 3D Object Detection from Images for Autonomous Driving: A Survey [68.33502122185813]
  画像から3Dオブジェクトを検出することは、自動運転の基本的かつ困難な問題の一つだ。 この問題を2015年から2021年にかけて200以上の研究が行われ、理論、アルゴリズム、応用の幅広い範囲で研究されている。 我々は,この新奇で継続的な研究分野を包括的に調査し,画像に基づく3D検出に最もよく使用されるパイプラインを要約する。
  論文  参考訳（メタデータ） (2022-02-07T07:12:24Z)
• SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
  センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。 データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
  論文  参考訳（メタデータ） (2022-01-12T14:48:11Z)
• Multi-View Partial (MVP) Point Cloud Challenge 2021 on Completion and Registration: Methods and Results [127.87256927703415]
  本稿では,コンプリートと登録に関するマルチビュー部分点クラウドチャレンジ2021の手法と結果について報告する。 合計で128人の参加者が参加し、31のチームが有効な応募を行った。
  論文  参考訳（メタデータ） (2021-12-22T17:24:53Z)
• Consistent Two-Flow Network for Tele-Registration of Point Clouds [74.51029406361997]
  任意のポーズで提示される点群間の登録を可能とし,重複がほとんどあるいは全くない学習ベースの手法を提案する。 本手法は,一群の形状の先行を学習し,部分的な形状を完遂できる新しいニューラルネットワーク設計に基づいている。 個別のフローと比較して、この2フローのトレーニングが堅牢で信頼性の高い遠隔登録につながることを示す。
  論文  参考訳（メタデータ） (2021-06-01T09:03:21Z)
• Deep Learning Based 3D Segmentation: A Survey [42.44509605101214]
  3Dセグメンテーションは、自律運転とロボット工学の応用でコンピュータビジョンの根幹的で難しい問題である。 近年、ディープラーニング技術が3Dセグメンテーションタスクの選択ツールとなっている。 本稿では,ディープラーニングに基づく3Dセグメンテーション技術の最近の進歩を包括的に調査する。
  論文  参考訳（メタデータ） (2021-03-09T13:58:35Z)
• 3D Meta-Registration: Learning to Learn Registration of 3D Point Clouds [16.073358454663225]
  3D Meta-Registrationは、目に見えない3Dポイントクラウドのための新しい3D登録タスクに迅速に適応し、適切に一般化することができる。 我々は,合成データセット ModelNet と FlyingThings3D と実世界のデータセット KITTI を用いて実験を行った。
  論文  参考訳（メタデータ） (2020-10-22T07:45:09Z)
• Deep Learning for 3D Point Cloud Understanding: A Survey [16.35767262996978]
  自律運転やロボティクスといった実用アプリケーションの開発は、3Dポイントのクラウド理解に注意を向けている。 ディープラーニングは、画像ベースのタスクにおいて顕著な成功を収めていますが、大規模で非構造的でノイズの多い3Dポイントを処理する際に、ディープニューラルネットワークが直面する多くのユニークな課題があります。 本稿では,この領域における最近の顕著な研究成果を,いくつかの方向から要約する。
  論文  参考訳（メタデータ） (2020-09-18T16:34:12Z)

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。