論文の概要: LiDAR Based Semantic Perception for Forklifts in Outdoor Environments
- arxiv url: http://arxiv.org/abs/2505.22258v1
- Date: Wed, 28 May 2025 11:45:14 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-29 17:35:50.579593
- Title: LiDAR Based Semantic Perception for Forklifts in Outdoor Environments
- Title（参考訳）: 外部環境におけるLiDARによるフォークリフトのセマンティック認識
- Authors: Benjamin Serfling, Hannes Reichert, Lorenzo Bayerlein, Konrad Doll, Kati Radkhah-Lens,
- Abstract要約: 複雑な屋外環境で動作する自律フォークリフトに適した,新しいLiDARベースのセマンティックセマンティックセマンティックセマンティクスフレームワークを提案する。
私たちのアプローチの中心は、前方と下向きのLiDARセンサーを組み合わせたデュアルLiDARシステムの統合です。
2つのセンサーから取得した高分解能な3D点雲を用いて、本手法では、ポイント雲を安全クリティカルなインスタンスクラスに分割する軽量で堅牢なアプローチを採用する。
- 参考スコア（独自算出の注目度）: 0.31457219084519
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In this study, we present a novel LiDAR-based semantic segmentation framework tailored for autonomous forklifts operating in complex outdoor environments. Central to our approach is the integration of a dual LiDAR system, which combines forward-facing and downward-angled LiDAR sensors to enable comprehensive scene understanding, specifically tailored for industrial material handling tasks. The dual configuration improves the detection and segmentation of dynamic and static obstacles with high spatial precision. Using high-resolution 3D point clouds captured from two sensors, our method employs a lightweight yet robust approach that segments the point clouds into safety-critical instance classes such as pedestrians, vehicles, and forklifts, as well as environmental classes such as driveable ground, lanes, and buildings. Experimental validation demonstrates that our approach achieves high segmentation accuracy while satisfying strict runtime requirements, establishing its viability for safety-aware, fully autonomous forklift navigation in dynamic warehouse and yard environments.
- Abstract（参考訳）: 本研究では,複雑な屋外環境で動作する自律フォークリフトに適した,LiDARに基づくセマンティックセマンティックセマンティックセマンティクスフレームワークを提案する。
当社のアプローチの中心は、前方と下向きのLiDARセンサーを組み合わせたデュアルLiDARシステムの統合です。
二重構成は、動的および静的な障害物の検出とセグメンテーションを高い空間精度で改善する。
提案手法では,高解像度の3D点雲を2つのセンサから捉えることで,歩行者,車両,フォークリフトなどの安全クリティカルなインスタンスクラスと,走行可能な地面,車線,建物などの環境クラスに分割する。
実験により, 本手法は厳密な実行条件を満たしつつ高いセグメンテーション精度を実現し, 動的倉庫やヤード環境において, 安全に配慮した完全自律式フォークリフトナビゲーションの実現可能性を確立した。
関連論文リスト
- WLTCL: Wide Field-of-View 3-D LiDAR Truck Compartment Automatic Localization System [9.07574138083974]
広視野3次元LiDAR車両コンパートメント自動位置決めシステムを提案する。
様々な大きさの車両に対して、このシステムはLiDARを利用して広い視野範囲で高密度の点雲を生成する。
コンパートメントキーポイント位置決めアルゴリズムは、コンパートメントの幾何学的特徴を利用して、コーナーポイントを正確に特定する。
論文 参考訳（メタデータ） (2025-04-26T09:35:47Z) - Salient Object Detection in Traffic Scene through the TSOD10K Dataset [22.615252113004402]
Traffic Salient Object Detection (TSOD) は、セマンティック(衝突リスクなど)と視覚的サリエンスを組み合わせることで、安全を運転する上で重要なオブジェクトを分割することを目的としている。
本研究は,インテリジェントトランスポートシステムにおける安全対応型サリエンシ分析の基盤を初めて確立するものである。
論文 参考訳（メタデータ） (2025-03-21T07:21:24Z) - Semantic Scene Completion Based 3D Traversability Estimation for Off-Road Terrains [10.521569910467072]
オフロード環境は、自動運転車にとって重要な課題である。
主に構造化された環境のために設計された伝統的な知覚アルゴリズムは、しばしばこれらの条件下で失敗する。
本稿では, ORDformer を用いて, 前向きの視点から, 高密度の移動可能な占有率予測を行う。
論文 参考訳（メタデータ） (2024-12-11T08:36:36Z) - Grammarization-Based Grasping with Deep Multi-Autoencoder Latent Space Exploration by Reinforcement Learning Agent [0.0]
本稿では,高次元の目標とグリップの特徴を圧縮するアイデアに基づく,ロボットグルーピングのための新しいフレームワークを提案する。
提案手法は,対象とグリップに専用の3つのオートエンコーダと,その潜在表現を融合させる第3のオートエンコーダを用いて,把握を簡略化する。
論文 参考訳（メタデータ） (2024-11-13T12:26:08Z) - Is Your LiDAR Placement Optimized for 3D Scene Understanding? [8.233185931617122]
一般的な運転データセットは、主に単一LiDARシステムを使用し、悪条件を伴わないデータを収集する。
そこで我々は,LiDAR配置最適化,データ生成,下流評価を含む全サイクルパイプラインであるPlace3Dを提案する。
各種気象・センサ故障条件下でのLiDARセマンティックセマンティックセグメンテーションと3次元物体検出タスクにおいて, 例外的な結果を示す。
論文 参考訳（メタデータ） (2024-03-25T17:59:58Z) - Benchmarking the Robustness of LiDAR Semantic Segmentation Models [78.6597530416523]
本稿では,LiDARセマンティックセグメンテーションモデルのロバスト性を,様々な汚職の下で包括的に解析することを目的とする。
本稿では,悪天候,計測ノイズ,デバイス間不一致という3つのグループで16のドメイン外LiDAR破損を特徴とするSemanticKITTI-Cというベンチマークを提案する。
我々は、単純だが効果的な修正によってロバスト性を大幅に向上させるロバストLiDARセグメンテーションモデル(RLSeg)を設計する。
論文 参考訳（メタデータ） (2023-01-03T06:47:31Z) - LiDAR-based 4D Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
本稿では,ポイントクラウド領域における効果的な単視分割フレームワークとして機能する動的シフトネットワーク(DS-Net)を提案する。
提案するDS-Netは,両タスクの現在の最先端手法よりも優れた精度を実現する。
DS-Netを4次元パノプティカルLiDARセグメンテーションに拡張し、一列のLiDARフレーム上で時間的に統一されたインスタンスクラスタリングを行う。
論文 参考訳（メタデータ） (2022-03-14T15:25:42Z) - Transferable Deep Reinforcement Learning Framework for Autonomous
Vehicles with Joint Radar-Data Communications [69.24726496448713]
本稿では,AVの最適決定を支援するために,マルコフ決定プロセス(MDP)に基づくインテリジェントな最適化フレームワークを提案する。
そこで我々は,近年の深層強化学習技術を活用した効果的な学習アルゴリズムを開発し,AVの最適方針を見出す。
提案手法は,従来の深部強化学習手法と比較して,AVによる障害物ミス検出確率を最大67%削減することを示す。
論文 参考訳（メタデータ） (2021-05-28T08:45:37Z) - LiDAR-based Panoptic Segmentation via Dynamic Shifting Network [56.71765153629892]
LiDARベースのパノプティカルセグメンテーションは、オブジェクトとシーンを統一的に解析することを目的としている。
本稿では,ポイントクラウド領域における効果的な単視分割フレームワークとして機能する動的シフトネットワーク(DS-Net)を提案する。
提案するDS-Netは,現在の最先端手法よりも優れた精度を実現する。
論文 参考訳（メタデータ） (2020-11-24T08:44:46Z) - LIBRE: The Multiple 3D LiDAR Dataset [54.25307983677663]
We present LIBRE: LiDAR Benchmarking and Reference, a first-of-in-kind dataset with 10 different LiDAR sensor。
LIBREは、現在利用可能なLiDARを公平に比較するための手段を提供するために、研究コミュニティに貢献する。
また、既存の自動運転車やロボティクス関連のソフトウェアの改善も促進する。
論文 参考訳（メタデータ） (2020-03-13T06:17:39Z)
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。