論文の概要: Stereo-LiDAR Fusion by Semi-Global Matching With Discrete Disparity-Matching Cost and Semidensification

• arxiv url: http://arxiv.org/abs/2504.05148v1
• Date: Mon, 07 Apr 2025 14:54:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-08 14:09:42.362428
• Title: Stereo-LiDAR Fusion by Semi-Global Matching With Discrete Disparity-Matching Cost and Semidensification
• Title（参考訳）: 離散距離マッチングコストとセミデンシフィケーションを用いた半グロバルマッチングによるステレオLiDAR融合
• Authors: Yasuhiro Yao, Ryoichi Ishikawa, Takeshi Oishi,
• Abstract要約: ステレオカメラ入力で光検出・ランキング(LiDAR)データを融合するリアルタイム非学習深度推定法を提案する。 KITTIデータセットで評価すると,提案手法は2.79%の誤差率を達成した。 本手法のリアルタイム・非学習性は,ロボット工学や自動化の応用に極めて有用であると考えている。
• 参考スコア（独自算出の注目度）: 0.358439716487063
• License:
• Abstract: We present a real-time, non-learning depth estimation method that fuses Light Detection and Ranging (LiDAR) data with stereo camera input. Our approach comprises three key techniques: Semi-Global Matching (SGM) stereo with Discrete Disparity-matching Cost (DDC), semidensification of LiDAR disparity, and a consistency check that combines stereo images and LiDAR data. Each of these components is designed for parallelization on a GPU to realize real-time performance. When it was evaluated on the KITTI dataset, the proposed method achieved an error rate of 2.79\%, outperforming the previous state-of-the-art real-time stereo-LiDAR fusion method, which had an error rate of 3.05\%. Furthermore, we tested the proposed method in various scenarios, including different LiDAR point densities, varying weather conditions, and indoor environments, to demonstrate its high adaptability. We believe that the real-time and non-learning nature of our method makes it highly practical for applications in robotics and automation.
• Abstract（参考訳）: ステレオカメラ入力で光検出・ランキング(LiDAR)データを融合するリアルタイム非学習深度推定法を提案する。 提案手法は, 半グローバルマッチング(SGM)ステレオと離散異性マッチングコスト(DDC), LiDARの半統一化, ステレオ画像とLiDARデータを組み合わせた整合性チェックの3つの主要な手法からなる。 これらのコンポーネントは、リアルタイムのパフォーマンスを実現するためにGPU上で並列化するために設計されている。 KITTIデータセットで評価すると,提案手法は2.79 %の誤差率を達成し,その誤差率を3.05 %とした従来の最先端のステレオLiDAR融合法より優れていた。 さらに, 異なるLiDAR点密度, 異なる気象条件, 屋内環境など, 様々なシナリオで提案手法を検証し, 高い適応性を示した。 本手法のリアルタイム・非学習性は,ロボット工学や自動化の応用に極めて有用であると考えている。

関連論文リスト

• Stereo-LiDAR Depth Estimation with Deformable Propagation and Learned Disparity-Depth Conversion [16.164300644900404]
  SDG-Depth という名前のセミデンスヒント誘導を用いた新しいステレオLiDAR深度推定ネットワークを提案する。 我々のネットワークは、学習可能な変形可能なウィンドウを用いてスパースヒントを伝播することにより、半密度のヒントマップと信頼マップを生成する変形可能な伝搬モジュールを含む。 本手法は正確かつ効率的であり, ベンチマーク実験の結果, 優れた性能を示した。
  論文  参考訳（メタデータ） (2024-04-11T08:12:48Z)
• Uncertainty Guided Adaptive Warping for Robust and Efficient Stereo Matching [77.133400999703]
  相関に基づくステレオマッチングは優れた性能を達成した。 固定モデルによる現在のメソッドは、さまざまなデータセットで均一に動作しない。 本稿では,ロバストなステレオマッチングのための相関を動的に計算する新しい視点を提案する。
  論文  参考訳（メタデータ） (2023-07-26T09:47:37Z)
• MV-JAR: Masked Voxel Jigsaw and Reconstruction for LiDAR-Based Self-Supervised Pre-Training [58.07391711548269]
  Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training Masked Voxel Jigsaw and Reconstruction (MV-JAR) method for LiDAR-based self-supervised pre-training
  論文  参考訳（メタデータ） (2023-03-23T17:59:02Z)
• Resolving Class Imbalance for LiDAR-based Object Detector by Dynamic Weight Average and Contextual Ground Truth Sampling [7.096611243139798]
  実世界の運転データセットは、しばしばデータ不均衡の問題に悩まされる。 このデータ不均衡問題に対処する手法を提案する。 KITTIおよびnuScenesデータセットを用いた実験により,提案手法の有効性が確認された。
  論文  参考訳（メタデータ） (2022-10-07T05:23:25Z)
• Robust and accurate depth estimation by fusing LiDAR and Stereo [8.85338187686374]
  本稿では,LiDARとステレオカメラを融合させる高精度でロバストな手法を提案する。 この方法は、LiDARとステレオカメラの利点を完全に組み合わせている。 提案したパイプラインをKITTIベンチマークで評価した。
  論文  参考訳（メタデータ） (2022-07-13T11:55:15Z)
• Benchmarking the Robustness of LiDAR-Camera Fusion for 3D Object Detection [58.81316192862618]
  自律運転における3D知覚のための2つの重要なセンサーは、カメラとLiDARである。 これら2つのモダリティを融合させることで、3次元知覚モデルの性能を大幅に向上させることができる。 我々は、最先端の核融合法を初めてベンチマークした。
  論文  参考訳（メタデータ） (2022-05-30T09:35:37Z)
• LIF-Seg: LiDAR and Camera Image Fusion for 3D LiDAR Semantic Segmentation [78.74202673902303]
  本稿では,LiDAR分割のための粗大なLiDARとカメラフュージョンベースネットワーク(LIF-Seg)を提案する。 提案手法は,画像の文脈情報を完全に活用し,単純だが効果的な早期融合戦略を導入する。 これら2つのコンポーネントの協力により、効果的なカメラ-LiDAR融合が成功する。
  論文  参考訳（メタデータ） (2021-08-17T08:53:11Z)
• SMD-Nets: Stereo Mixture Density Networks [68.56947049719936]
  SMD-Nets(Stereo Mixture Density Networks)は、幅広い2Dおよび3Dアーキテクチャに対応したシンプルで効果的な学習フレームワークです。 具体的には,バイモーダル混合密度を出力表現として活用し,不連続近傍の鋭く正確な不一致推定を可能にすることを示す。 我々は8Mpx解像度のステレオペアと現実世界のステレオデータセットからなる、新しい高解像度でリアルな合成ステレオデータセットに関する包括的な実験を行う。
  論文  参考訳（メタデータ） (2021-04-08T16:15:46Z)
• SelfVoxeLO: Self-supervised LiDAR Odometry with Voxel-based Deep Neural Networks [81.64530401885476]
  本稿では,これら2つの課題に対処するために,自己教師型LiDARオドメトリー法(SelfVoxeLO)を提案する。 具体的には、生のLiDARデータを直接処理する3D畳み込みネットワークを提案し、3D幾何パターンをよりよく符号化する特徴を抽出する。 我々は,KITTIとApollo-SouthBayという2つの大規模データセット上での手法の性能を評価する。
  論文  参考訳（メタデータ） (2020-10-19T09:23:39Z)
• Expanding Sparse Guidance for Stereo Matching [24.74333370941674]
  局所特徴強調のためのRGB画像に関するスパースキューを拡大する新しい空間拡張手法を提案する。 提案手法は,最先端のステレオアルゴリズムを極めてスパースな手法で大幅に向上させる。
  論文  参考訳（メタデータ） (2020-04-24T06:41:11Z)

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。