論文の概要: Sequential Testing for Descriptor-Agnostic LiDAR Loop Closure in Repetitive Environments

• arxiv url: http://arxiv.org/abs/2512.09447v1
• Date: Wed, 10 Dec 2025 09:20:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-11 15:14:53.462008
• Title: Sequential Testing for Descriptor-Agnostic LiDAR Loop Closure in Repetitive Environments
• Title（参考訳）: 繰り返し環境におけるディスクリプタ非依存LiDARループクロージャの逐次試験
• Authors: Jaehyun Kim, Seungwon Choi, Tae-Wan Kim,
• Abstract要約: 逐次確率比テスト(SPRT)としてLiDARループクロージャを定式化する多フレームループクロージャ検証法を提案する。 単一の記述子比較から決定したり、後期反復閉点(ICP)検証と固定しきい値を使用する代わりに、検証者はクエリと各候補間の記述子類似性の短い時間ストリームを蓄積する。 この精度優先ポリシーは、構造的に反復的な屋内環境における偽陽性を抑制するように設計されている。
• 参考スコア（独自算出の注目度）: 12.304166871828777
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a descriptor-agnostic, multi-frame loop closure verification method that formulates LiDAR loop closure as a truncated Sequential Probability Ratio Test (SPRT). Instead of deciding from a single descriptor comparison or using fixed thresholds with late-stage Iterative Closest Point (ICP) vetting, the verifier accumulates a short temporal stream of descriptor similarities between a query and each candidate. It then issues an accept/reject decision adaptively once sufficient multi-frame evidence has been observed, according to user-specified Type-I/II error design targets. This precision-first policy is designed to suppress false positives in structurally repetitive indoor environments. We evaluate the verifier on a five-sequence library dataset, using a fixed retrieval front-end with several representative LiDAR global descriptors. Performance is assessed via segment-level K-hit precision-recall and absolute trajectory error (ATE) and relative pose error (RPE) after pose graph optimization. Across descriptors, the sequential verifier consistently improves precision and reduces the impact of aliased loops compared with single-frame and heuristic multi-frame baselines. Our implementation and dataset will be released at: https://github.com/wanderingcar/snu_library_dataset.
• Abstract（参考訳）: 逐次確率比テスト(SPRT)としてLiDARループクロージャを定式化する記述子に依存しないマルチフレームループクロージャ検証法を提案する。 単一の記述子比較から決定したり、後期反復クローズトポイント(ICP)検証と固定しきい値を使用する代わりに、検証者はクエリと各候補間の記述子類似性の短い時間ストリームを蓄積する。 そして、ユーザが指定したType-I/IIエラー設計ターゲットに従って、十分なマルチフレーム証拠が観測されたら、アクセプション/リジェクトの判断を適応的に発行する。 この精度優先ポリシーは、構造的に反復的な屋内環境における偽陽性を抑制するように設計されている。 我々は,複数の代表的LiDARグローバル記述子を用いた固定検索フロントエンドを用いて,5系列のライブラリデータセット上で検証を行う。 ポーズグラフ最適化後のセグメントレベルのK-hit精度リコールと絶対軌道誤差(ATE)と相対ポーズ誤差(RPE)を用いて性能を評価する。 ディスクリプタ全体にわたって、シーケンシャル検証は精度を一貫して改善し、シングルフレームやヒューリスティックなマルチフレームベースラインと比較してエイリアスループの影響を低減する。 実装とデータセットは、https://github.com/wanderingcar/snu_library_dataset.comでリリースされます。

関連論文リスト

• Ensemble Threshold Calibration for Stable Sensitivity Control [0.0]
  本稿では,数千万組の幾何対もの幾何に対して,過度に分散した正確なリコールを実現するエンド・ツー・エンドのフレームワークを提案する。 我々のアプローチは、小さなエラーで常にリコールターゲットにヒットし、他のキャリブレーションと比較して冗長な検証を減らし、単一のTPU v3コア上でエンドツーエンドで実行します。
  論文  参考訳（メタデータ） (2025-10-02T15:22:28Z)
• Unsupervised Conformal Inference: Bootstrapping and Alignment to Control LLM Uncertainty [49.19257648205146]
  生成のための教師なし共形推論フレームワークを提案する。 我々のゲートは、分断されたUPPよりも厳密で安定した閾値を提供する。 その結果は、ラベルのない、API互換の、テスト時間フィルタリングのゲートになる。
  論文  参考訳（メタデータ） (2025-09-26T23:40:47Z)
• ROVER: Robust Loop Closure Verification with Trajectory Prior in Repetitive Environments [29.075108845201164]
  ループ検出は同時局所化と閉鎖(SLAM)に重要である 本稿では,過去の軌道を疑似ループを拒否するための事前制約として活用するループ閉鎖検証手法であるROVERを提案する。 ベンチマークと実世界の実験により,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2025-08-19T03:34:08Z)
• COIN: Uncertainty-Guarding Selective Question Answering for Foundation Models with Provable Risk Guarantees [51.5976496056012]
  COINは、統計的に有効な閾値を校正し、質問毎に1つの生成された回答をフィルタリングする不確実性保護選択フレームワークである。 COINはキャリブレーションセット上で経験的誤差率を推定し、信頼区間法を適用して真誤差率に高い確率上界を確立する。 リスク管理におけるCOINの堅牢性,許容回答を維持するための強いテストタイムパワー,キャリブレーションデータによる予測効率を実証する。
  論文  参考訳（メタデータ） (2025-06-25T07:04:49Z)
• Error-quantified Conformal Inference for Time Series [55.11926160774831]
  時系列予測の不確かさの定量化は、時系列データの時間的依存と分布シフトのために困難である。 量子化損失関数をスムースにすることで,iError-quantified Conformal Inference (ECI)を提案する。 ECIは有効な誤発見制御と、他のベースラインよりも厳密な予測セットを出力することができる。
  論文  参考訳（メタデータ） (2025-02-02T15:02:36Z)
• Decoupled Prototype Learning for Reliable Test-Time Adaptation [50.779896759106784]
  テスト時間適応(TTA)は、推論中にトレーニング済みのソースモデルをターゲットドメインに継続的に適応させるタスクである。 1つの一般的なアプローチは、推定擬似ラベルによるクロスエントロピー損失を伴う微調整モデルである。 本研究は, 各試料の分類誤差を最小化することで, クロスエントロピー損失の脆弱性がラベルノイズを引き起こすことを明らかにした。 本稿では,プロトタイプ中心の損失計算を特徴とする新しいDPL法を提案する。
  論文  参考訳（メタデータ） (2024-01-15T03:33:39Z)
• Semi-DETR: Semi-Supervised Object Detection with Detection Transformers [105.45018934087076]
  半教師付き物体検出(SSOD)におけるDETRに基づくフレームワークの解析 本報告では,第1次変圧器を用いたエンド・ツー・エンド半教師対象検出器であるSemi-DETRについて述べる。 我々の手法は、最先端の手法をクリアマージンで上回る。
  論文  参考訳（メタデータ） (2023-07-16T16:32:14Z)
• Lightweight Jet Reconstruction and Identification as an Object Detection Task [5.071565475111431]
  我々は、CERN大型ハドロン衝突型加速器で遭遇したジェットのエンド・ツー・エンドの識別と再構築作業に畳み込み技術を適用した。 PFJet-SSDは、クラスタジェットへの同時ローカライゼーション、分類、回帰タスクを実行し、特徴を再構築する。 3次ネットワークは、その完全精度の等価な性能と密に一致し、最先端のルールベースアルゴリズムより優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-09T15:01:53Z)
• AFP-SRC: Identification of Antifreeze Proteins Using Sparse Representation Classifier [5.285065659030821]
  極寒地に住む種は、解凍タンパク質(AFP)を用いた厳しい環境と戦う スパース再構成を用いたサンプル固有分類法を用いて,AFPの予測のための計算フレームワークを提案する。 提案手法は, 平衡精度とユーデン指数の点で優れていた。
  論文  参考訳（メタデータ） (2020-09-11T08:24:50Z)

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。