論文の概要: Lifelong 3D Mapping Framework for Hand-held & Robot-mounted LiDAR Mapping Systems
- arxiv url: http://arxiv.org/abs/2501.18110v1
- Date: Thu, 30 Jan 2025 03:29:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-31 15:14:14.941338
- Title: Lifelong 3D Mapping Framework for Hand-held & Robot-mounted LiDAR Mapping Systems
- Title（参考訳）: ハンドヘルド・ロボット搭載LiDARマッピングシステムのための生涯3次元マッピングフレームワーク
- Authors: Liudi Yang, Sai Manoj Prakhya, Senhua Zhu, Ziyuan Liu,
- Abstract要約: 本稿では,モジュール型でクラウドネイティブな3Dマッピングフレームワークを提案し,ハンドヘルドおよびロボット搭載の3DLiDARマッピングシステムで動作する。
提案するフレームワークは,動的点除去,マルチセッションマップアライメント,マップ変更検出,マップバージョン管理からなる。
- 参考スコア（独自算出の注目度）: 2.2395004005663766
- License:
- Abstract: We propose a lifelong 3D mapping framework that is modular, cloud-native by design and more importantly, works for both hand-held and robot-mounted 3D LiDAR mapping systems. Our proposed framework comprises of dynamic point removal, multi-session map alignment, map change detection and map version control. First, our sensor-setup agnostic dynamic point removal algorithm works seamlessly with both hand-held and robot-mounted setups to produce clean static 3D maps. Second, the multi-session map alignment aligns these clean static maps automatically, without manual parameter fine-tuning, into a single reference frame, using a two stage approach based on feature descriptor matching and fine registration. Third, our novel map change detection identifies positive and negative changes between two aligned maps. Finally, the map version control maintains a single base map that represents the current state of the environment, and stores the detected positive and negative changes, and boundary information. Our unique map version control system can reconstruct any of the previous clean session maps and allows users to query changes between any two random mapping sessions, all without storing any input raw session maps, making it very unique. Extensive experiments are performed using hand-held commercial LiDAR mapping devices and open-source robot-mounted LiDAR SLAM algorithms to evaluate each module and the whole 3D lifelong mapping framework.
- Abstract（参考訳）: そこで本研究では,手持ちの3次元LiDARマッピングシステムとロボット搭載の3次元LiDARマッピングシステムの両方で動作する,モジュール型でクラウドネイティブな3Dマッピングフレームワークを提案する。
提案するフレームワークは,動的点除去,マルチセッションマップアライメント,マップ変更検出,マップバージョン管理からなる。
まず、センサセットアップ非依存のダイナミックポイント除去アルゴリズムは、ハンドヘルドとロボット搭載のセットアップの両方でシームレスに動作し、クリーンな静的3Dマップを生成する。
第二に、マルチセッションマップアライメントは、これらのクリーンな静的マップを手動パラメータの微調整なしで、特徴記述子マッチングと微細登録に基づく2段階のアプローチを用いて、単一の参照フレームに自動的にアライメントする。
第3に、新しい地図変化検出法は、2つの地図間の正および負の変化を識別する。
最後に、マップバージョン制御は、環境の現在の状態を表す単一のベースマップを保持し、検出された正および負の変化と境界情報を保持する。
我々のユニークなマップバージョン管理システムは、以前のクリーンなセッションマップを再構築し、ユーザが入力された生のセッションマップを格納することなく、2つのランダムなマッピングセッション間の変更をクエリできるので、非常にユニークなものになります。
手持ちの商用LiDARマッピングデバイスとオープンソースのロボット搭載LiDAR SLAMアルゴリズムを用いて、各モジュールと3D生涯マッピングフレームワーク全体の評価を行う。
関連論文リスト
- Neural Semantic Map-Learning for Autonomous Vehicles [85.8425492858912]
本稿では,道路環境のコヒーレントな地図を作成するために,車両群から収集した局所部分写像を中心インスタンスに融合するマッピングシステムを提案する。
本手法は,シーン特異的なニューラルサイン距離場を用いて,雑音と不完全局所部分写像を併用する。
我々は,記憶効率の高いスパース機能グリッドを活用して大規模にスケールし,シーン再構築における不確実性をモデル化するための信頼スコアを導入する。
論文 参考訳（メタデータ） (2024-10-10T10:10:03Z) - GenMapping: Unleashing the Potential of Inverse Perspective Mapping for Robust Online HD Map Construction [20.1127163541618]
我々はGenMappingというユニバーサルマップ生成フレームワークを設計した。
このフレームワークは、主および二重補助枝を含む三進的なシナジーアーキテクチャで構築されている。
実験結果の網羅的な配列から,提案手法はセマンティックマッピングとベクトル化マッピングの両方において最先端の手法を超越し,高速な推論速度を維持した。
論文 参考訳（メタデータ） (2024-09-13T10:15:28Z) - 3D LiDAR Mapping in Dynamic Environments Using a 4D Implicit Neural Representation [33.92758288570465]
正確な地図の構築は、自動運転車の信頼性の高いローカライゼーション、計画、ナビゲーションを可能にする重要なビルディングブロックである。
我々は、4Dシーンを新しい暗黙的ニューラルマップ表現に符号化する。
提案手法は, 高精度で完全な3次元地図を再構成しながら, 入力点雲の動的部分を除去することができる。
論文 参考訳（メタデータ） (2024-05-06T11:46:04Z) - ADMap: Anti-disturbance framework for reconstructing online vectorized
HD map [9.218463154577616]
本稿では, 反ゆらぎマップ再構築フレームワーク (ADMap) を提案する。
点次ジッタを緩和するため、このフレームワークは、マルチスケール知覚ネック、インスタンスインタラクティブアテンション(IIA)、ベクトル方向差損失(VDDL)の3つのモジュールで構成されている。
論文 参考訳（メタデータ） (2024-01-24T01:37:27Z) - Online Map Vectorization for Autonomous Driving: A Rasterization
Perspective [58.71769343511168]
より優れた感度を有し,現実の自律運転シナリオに適した,新化に基づく評価指標を提案する。
また、精度の高い出力に微分可能化を適用し、HDマップの幾何学的監視を行う新しいフレームワークであるMapVR(Map Vectorization via Rasterization)を提案する。
論文 参考訳（メタデータ） (2023-06-18T08:51:14Z) - PlaneSDF-based Change Detection for Long-term Dense Mapping [10.159737713094119]
我々はPlane Signed Distance Fields(PlaneSDF)と呼ばれる新しい地図表現に基づく変更検出の問題について検討する。
ソースとターゲットシーンの点群を考慮し,PlaneSDFに基づく3段階の変更検出手法を提案する。
合成と実世界の両方のデータセットに対する我々のアプローチを評価し、オブジェクト検出のタスクを通じてその効果を実証する。
論文 参考訳（メタデータ） (2022-07-18T00:19:45Z) - TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view
Stereo [55.30992853477754]
本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。
ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。
TANDEMは最先端のリアルタイム3D再構成性能を示す。
論文 参考訳（メタデータ） (2021-11-14T19:01:02Z) - Semantic Image Alignment for Vehicle Localization [111.59616433224662]
単眼カメラからのセマンティックセグメンテーションを用いた高密度セマンティックマップにおける車両位置推定手法を提案する。
既存の視覚的ローカライゼーションアプローチとは対照的に、システムは追加のキーポイント機能、手作りのローカライゼーションランドマーク抽出器、高価なLiDARセンサーを必要としない。
論文 参考訳（メタデータ） (2021-10-08T14:40:15Z) - HDNET: Exploiting HD Maps for 3D Object Detection [99.49035895393934]
高精細度(hd)マップは、現代の3dオブジェクト検出器の性能と頑健性を高める強力な事前情報を提供する。
我々はHDマップから幾何学的特徴と意味的特徴を抽出する単一ステージ検出器を設計する。
地図は至る所では利用できないため、生のLiDARデータからフライ時の地図を推定するマップ予測モジュールも提案する。
論文 参考訳（メタデータ） (2020-12-21T21:59:54Z) - End-to-End Pseudo-LiDAR for Image-Based 3D Object Detection [62.34374949726333]
擬似LiDAR(PL)は、LiDARセンサに基づく手法と安価なステレオカメラに基づく手法の精度ギャップを劇的に減らした。
PLは最先端のディープニューラルネットワークと2D深度マップ出力を3Dポイントクラウド入力に変換することで3Dオブジェクト検出のための3D深度推定を組み合わせている。
我々は、PLパイプライン全体をエンドツーエンドにトレーニングできるように、差別化可能なRepresentation (CoR)モジュールに基づく新しいフレームワークを導入します。
論文 参考訳（メタデータ） (2020-04-07T02:18:38Z)
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。