論文の概要: An Adaptive ICP LiDAR Odometry Based on Reliable Initial Pose

• arxiv url: http://arxiv.org/abs/2509.22058v1
• Date: Fri, 26 Sep 2025 08:40:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-29 20:57:54.306867
• Title: An Adaptive ICP LiDAR Odometry Based on Reliable Initial Pose
• Title（参考訳）: 信頼初期値に基づく適応ICP LiDARオドメトリー
• Authors: Qifeng Wang, Weigang Li, Lei Nie, Xin Xu, Wenping Liu, Zhe Xu,
• Abstract要約: 反復クローズトポイント法(ICP)に基づく手法は,LiDARオドメトリーのコア技術となっている。 適応機構の欠如は、複雑な動的環境の効果的処理を妨げる。 本稿では,信頼度の高い初期ポーズに依存する適応型ICPベースのLiDARオドメトリー法を提案する。
• 参考スコア（独自算出の注目度）: 11.704772923028976
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: As a key technology for autonomous navigation and positioning in mobile robots, light detection and ranging (LiDAR) odometry is widely used in autonomous driving applications. The Iterative Closest Point (ICP)-based methods have become the core technique in LiDAR odometry due to their efficient and accurate point cloud registration capability. However, some existing ICP-based methods do not consider the reliability of the initial pose, which may cause the method to converge to a local optimum. Furthermore, the absence of an adaptive mechanism hinders the effective handling of complex dynamic environments, resulting in a significant degradation of registration accuracy. To address these issues, this paper proposes an adaptive ICP-based LiDAR odometry method that relies on a reliable initial pose. First, distributed coarse registration based on density filtering is employed to obtain the initial pose estimation. The reliable initial pose is then selected by comparing it with the motion prediction pose, reducing the initial error between the source and target point clouds. Subsequently, by combining the current and historical errors, the adaptive threshold is dynamically adjusted to accommodate the real-time changes in the dynamic environment. Finally, based on the reliable initial pose and the adaptive threshold, point-to-plane adaptive ICP registration is performed from the current frame to the local map, achieving high-precision alignment of the source and target point clouds. Extensive experiments on the public KITTI dataset demonstrate that the proposed method outperforms existing approaches and significantly enhances the accuracy of LiDAR odometry.
• Abstract（参考訳）: 移動ロボットにおける自律走行と位置決めのための重要な技術として、光検出と距離測定(LiDAR)が自律走行アプリケーションで広く利用されている。 The Iterative Closest Point (ICP)-based method has become the core technique in LiDAR odometry because its efficient and accurate point cloud registration capabilities。 しかし、既存のICPベースの手法では初期ポーズの信頼性を考慮せず、この手法が局所的な最適値に収束する可能性がある。 さらに、適応機構が存在しないことで複雑な動的環境の効果的処理が妨げられ、登録精度が著しく低下する。 これらの問題に対処するために,本研究では,信頼度の高い初期ポーズに依存する適応型ICPベースのLiDARオドメトリー法を提案する。 まず、密度フィルタリングに基づく分散粗い登録を用いて、初期ポーズ推定を行う。 信頼された初期ポーズは、動き予測ポーズと比較することで選択され、ソースとターゲットポイントの雲との間の初期誤差が低減される。 その後、現在のエラーと過去のエラーを組み合わせることで、動的環境におけるリアルタイムな変化に対応するために適応しきい値を動的に調整する。 最後に、信頼性の高い初期ポーズと適応しきい値に基づいて、現在のフレームからローカルマップへのポイント・ツー・プレーン適応ICP登録を行い、ソースとターゲットの点雲の高精度なアライメントを実現する。 公開KITTIデータセットの大規模な実験により,提案手法は既存の手法よりも優れており,LiDAR odometry の精度が著しく向上することが示された。

関連論文リスト

• Towards Robust LiDAR Localization: Deep Learning-based Uncertainty Estimation [1.9268905951820923]
  反復クローズトポイント(ICP)は、特徴のない環境や動的なシーンでエラーを起こしやすいため、不正確なポーズ推定につながる。 本稿では、深層学習を利用したデータ駆動型フレームワークを提案し、マッチング前にICPの登録誤差共分散を推定する。 本手法はカルマンフィルタにおけるICPのシームレスな統合を可能にし,局所化精度とロバスト性を向上させる。
  論文  参考訳（メタデータ） (2025-09-23T13:02:44Z)
• RAPID Quantum Detection and Demodulation of Covert Communications: Breaking the Noise Limit with Solid-State Spin Sensors [5.246986428523558]
  固体スピンセンサを用いた秘密電磁信号の検出と復調のための包括的枠組みを提案する。 我々のアプローチはRAPIDと呼ばれ、2段階のハイブリッド戦略であり、窒素空調センターを利用して古典的な騒音床の下を走行する。 この研究は、電子戦争や秘密監視のようなセキュリティクリティカルなアプリケーションに量子センサーを配置するための理論的に厳格で実用的な経路を確立する。
  論文  参考訳（メタデータ） (2025-09-09T22:12:28Z)
• Efficient Test-time Adaptive Object Detection via Sensitivity-Guided Pruning [73.40364018029673]
  連続的なテスト時間適応オブジェクト検出(CTTA-OD)は、源となる事前訓練された検出器を常に変化する環境にオンライン適応させることを目的としている。 私たちのモチベーションは、学習したすべての特徴が有益であるとは限らないという観察に起因しています。 FLOPの計算オーバヘッドを12%削減し,優れた適応性を実現する。
  論文  参考訳（メタデータ） (2025-06-03T05:27:56Z)
• What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
  本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。 我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。 また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
  論文  参考訳（メタデータ） (2025-01-28T14:12:32Z)
• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• Galibr: Targetless LiDAR-Camera Extrinsic Calibration Method via Ground Plane Initialization [13.409482818102878]
  Galibrは完全に自動化されたLiDARカメラの外付けキャリブレーションツールで、どんな自然環境でも地上の車両プラットフォーム用に設計されている。 この方法は、LiDARとカメラの入力の両方から地上平面とエッジ情報を利用して、キャリブレーションプロセスの合理化を行う。 提案手法はキャリブレーション性能を著しく向上させるが,これは新しい初期ポーズ推定法に起因している。
  論文  参考訳（メタデータ） (2024-06-14T08:25:10Z)
• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Transferable Calibration with Lower Bias and Variance in Domain Adaptation [139.4332115349543]
  ドメイン適応(DA)は、ラベル付きソースドメインからラベル付きターゲットドメインへの学習マシンの転送を可能にする。 DAモデルの予測的不確実性を推定する方法は、安全クリティカルなシナリオにおける意思決定に不可欠である。 TransCalは既存のDAメソッドの校正に簡単に適用できる。
  論文  参考訳（メタデータ） (2020-07-16T11:09:36Z)
• SOIC: Semantic Online Initialization and Calibration for LiDAR and Camera [18.51029962714994]
  本稿では,LiDARとカメラセンサのためのセマンティックベースのオンラインキャリブレーション手法SOICを提案する。 我々は,提案手法をGTで評価するか,KITTIデータセット上で予測する。
  論文  参考訳（メタデータ） (2020-03-09T17:02:31Z)

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。