論文の概要: Discrete Fourier Transform-based Point Cloud Compression for Efficient SLAM in Featureless Terrain
- arxiv url: http://arxiv.org/abs/2601.04551v1
- Date: Thu, 08 Jan 2026 03:28:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-23 08:17:40.693851
- Title: Discrete Fourier Transform-based Point Cloud Compression for Efficient SLAM in Featureless Terrain
- Title（参考訳）: 離散フーリエ変換を用いた高効率SLAMのための特徴地形のポイントクラウド圧縮
- Authors: Riku Suzuki, Ayumi Umemura, Shreya Santra, Kentaro Uno, Kazuya Yoshida,
- Abstract要約: 離散フーリエ変換(DFT)を利用して点雲マップを圧縮する新しい手法を提案する。
提案手法はDEM(Digital Elevation Model)を周波数領域2D画像に変換し,その高周波成分を省略する。
この方法は、点雲を著しく劣化させることなく、データサイズを圧縮するのに有効である。
- 参考スコア（独自算出の注目度）: 2.9046275676164757
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Simultaneous Localization and Mapping (SLAM) is an essential technology for the efficiency and reliability of unmanned robotic exploration missions. While the onboard computational capability and communication bandwidth are critically limited, the point cloud data handled by SLAM is large in size, attracting attention to data compression methods. To address such a problem, in this paper, we propose a new method for compressing point cloud maps by exploiting the Discrete Fourier Transform (DFT). The proposed technique converts the Digital Elevation Model (DEM) to the frequency-domain 2D image and omits its high-frequency components, focusing on the exploration of gradual terrains such as planets and deserts. Unlike terrains with detailed structures such as artificial environments, high-frequency components contribute little to the representation of gradual terrains. Thus, this method is effective in compressing data size without significant degradation of the point cloud. We evaluated the method in terms of compression rate and accuracy using camera sequences of two terrains with different elevation profiles.
- Abstract（参考訳）: 同時局在マッピング(SLAM)は、無人探査ミッションの効率性と信頼性に欠かせない技術である。
オンボードの計算能力と通信帯域幅は著しく制限されているが、SLAMで処理されるポイントクラウドデータは大規模であり、データ圧縮手法に注目が集まる。
そこで本稿では,離散フーリエ変換(DFT)を利用して点雲マップを圧縮する手法を提案する。
提案手法は,DEM(Digital Elevation Model)を周波数領域の2D画像に変換し,その高周波成分を省略する。
人工環境のような詳細な構造を持つ地形とは異なり、高周波成分は緩やかな地形の表現にはほとんど寄与しない。
したがって、この方法は点雲を著しく劣化させることなく、データサイズを圧縮するのに有効である。
標高分布の異なる2つの地形のカメラシーケンスを用いて, 圧縮速度と精度を比較検討した。
関連論文リスト
- FLaTEC: Frequency-Disentangled Latent Triplanes for Efficient Compression of LiDAR Point Clouds [52.997038111673966]
FLaTECは、圧縮率の高いフルスキャンの圧縮を可能にする周波数対応圧縮モデルである。
ボキセル化埋め込みを三面体表現に変換することで、空間性、計算コスト、ストレージ要件を低減する。
提案手法は,最先端の速度歪み性能を実現し,標準コーデックのBDレートを78%,94%向上させる。
論文 参考訳（メタデータ） (2025-11-25T08:37:49Z) - Have We Scene It All? Scene Graph-Aware Deep Point Cloud Compression [18.40946383877556]
セマンティックシーングラフに基づくディープ圧縮フレームワークを提案する。
このフレームワークは最先端の圧縮速度を実現し,データサイズを最大98%削減することを示す。
マルチロボットのポーズグラフ最適化やマップマージといった下流アプリケーションをサポートする。
論文 参考訳（メタデータ） (2025-10-09T17:45:09Z) - Bidirectional Feature-aligned Motion Transformation for Efficient Dynamic Point Cloud Compression [97.66080040613726]
特徴空間における動きを暗黙的にモデル化する双方向特徴整合運動変換(Bi-FMT)フレームワークを提案する。
Bi-FMTは、時間的に一貫した潜在表現を生成するために、過去と将来の両方のフレームで機能を調整する。
圧縮効率とランタイムの両方において, Bi-FMT が D-DPCC と AdaDPCC を上回っていることを示す。
論文 参考訳（メタデータ） (2025-09-18T03:51:06Z) - Implicit Neural Compression of Point Clouds [61.491532656446054]
NeRC$3$は、新しいポイントクラウド圧縮フレームワークである。
NeRC$3$は密度点雲の幾何学と属性の両方を符号化する。
動的点雲の場合、4D-NeRC$3$は優れた幾何圧縮性能を達成する。
論文 参考訳（メタデータ） (2024-12-11T03:22:00Z) - Rendering-Oriented 3D Point Cloud Attribute Compression using Sparse Tensor-based Transformer [52.40992954884257]
3D視覚化技術は、私たちがデジタルコンテンツと対話する方法を根本的に変えてきた。
ポイントクラウドの大規模データサイズは、データ圧縮において大きな課題を呈している。
そこで我々はPCACと差別化可能なレンダリングをシームレスに統合するエンドツーエンドのディープラーニングフレームワークを提案する。
論文 参考訳（メタデータ） (2024-11-12T16:12:51Z) - Point Cloud Compression with Bits-back Coding [32.9521748764196]
本稿では,深層学習に基づく確率モデルを用いて,点雲情報のシャノンエントロピーを推定する。
点雲データセットのエントロピーを推定すると、学習されたCVAEモデルを用いて点雲の幾何学的属性を圧縮する。
本手法の新規性は,CVAEの学習潜在変数モデルを用いて点雲データを圧縮することである。
論文 参考訳（メタデータ） (2024-10-09T06:34:48Z) - 3D Point Cloud Compression with Recurrent Neural Network and Image
Compression Methods [0.0]
多くのAVアプリケーションでは、LiDARポイントクラウドデータの保存と送信が不可欠である。
データの幅と秩序のない構造のため、ポイントクラウドデータを低ボリュームに圧縮することは困難である。
圧縮アルゴリズムが空間相関を効率的に活用できる新しい3D-to-2D変換を提案する。
論文 参考訳（メタデータ） (2024-02-18T19:08:19Z) - Quadric Representations for LiDAR Odometry, Mapping and Localization [93.24140840537912]
現在のLiDARオードメトリ、マッピング、ローカライズ手法は、3Dシーンのポイントワイズ表現を利用する。
3次元オブジェクトのよりコンパクトな表現である2次元曲面を用いたシーン記述法を提案する。
提案手法は低レイテンシとメモリの有効性を維持しつつ、競争力があり、しかも精度も優れている。
論文 参考訳（メタデータ） (2023-04-27T13:52:01Z) - Variable Rate Compression for Raw 3D Point Clouds [5.107705550575662]
そこで本研究では,生の3Dポイントクラウドデータを用いた新しい可変レート深部圧縮アーキテクチャを提案する。
我々のネットワークは、ポイントクラウドを明示的に処理し、圧縮された記述を生成することができる。
論文 参考訳（メタデータ） (2022-02-28T15:15:39Z) - DeepCompress: Efficient Point Cloud Geometry Compression [1.808877001896346]
本稿では,ポイントクラウド圧縮のためのより効率的なディープラーニングベースのエンコーダアーキテクチャを提案する。
CENIC(Efficient Neural Image Compression)から学習した活性化関数を組み込むことで,効率と性能が劇的に向上することを示す。
提案手法は,BjontegardデルタレートとPSNR値において,ベースラインアプローチよりも小さなマージンで優れていた。
論文 参考訳（メタデータ） (2021-06-02T23:18:11Z)
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。