論文の概要: Graph-Loc: Robust Graph-Based LiDAR Pose Tracking with Compact Structural Map Priors under Low Observability and Occlusion

• arxiv url: http://arxiv.org/abs/2602.08417v1
• Date: Mon, 09 Feb 2026 09:19:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-23 08:17:41.276029
• Title: Graph-Loc: Robust Graph-Based LiDAR Pose Tracking with Compact Structural Map Priors under Low Observability and Occlusion
• Title（参考訳）: Graph-Loc:低可観測性と排除条件下でのコンパクト構造マップを用いたロバストグラフベースLiDAR追跡
• Authors: Wentao Zhao, Yihe Niu, Zikun Chen, Rui Li, Yanbo Wang, Tianchen Deng, Jingchuan Wang,
• Abstract要約: Graph-Locはグラフベースのローカライゼーションフレームワークで、コンパクトな構造マップの先行に対するプラットフォームポーズを追跡する。 パブリックベンチマーク、コントロールされたストレステスト、実世界のデプロイに関する実験では、KBレベルの事前処理による正確で安定したトラッキングが示されている。
• 参考スコア（独自算出の注目度）: 17.402591767257775
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Map-based LiDAR pose tracking is essential for long-term autonomous operation, where onboard map priors need be compact for scalable storage and fast retrieval, while online observations are often partial, repetitive, and heavily occluded. We propose Graph-Loc, a graph-based localization framework that tracks the platform pose against compact structural map priors represented as a lightweight point-line graph. Such priors can be constructed from heterogeneous sources commonly available in practice, including polygon outlines vectorized from occupancy/grid maps and CAD/model/floor-plan layouts. For each incoming LiDAR scan, Graph-Loc extracts sparse point and line primitives to form an observation graph, retrieves a pose-conditioned visible subgraph via LiDAR ray simulation, and performs scan-to-map association through unbalanced optimal transport with a local graph-context regularizer. The unbalanced formulation relaxes mass conservation, improving robustness to missing, spurious, and fragmented structures under occlusion. To enhance stability in low-observability segments, we estimate information anisotropy from the refinement normal matrix and defer updates along weakly constrained directions until sufficient constraints reappear. Experiments on public benchmarks, controlled stress tests, and real-world deployments demonstrate accurate and stable tracking with KB-level priors from heterogeneous map sources, including under geometrically degenerate and sustained occlusion and in the presence of gradual scene changes.
• Abstract（参考訳）: マップベースのLiDARのポーズトラッキングは、長期の自律的な操作には不可欠であり、オンボードマップの事前処理は、スケーラブルなストレージと高速な検索のためにコンパクトでなければならない。 本稿では,グラフベースのローカライズフレームワークであるGraph-Locを提案する。 このような先行は、占有/グリッドマップからベクトル化されたポリゴンアウトラインやCAD/モデル/フロアプランレイアウトなど、実際に利用可能な異種ソースから構築することができる。 受信するLiDARスキャン毎に、Graph-Locはスパース点とラインプリミティブを抽出して観測グラフを作成し、LiDAR線シミュレーションによりポーズ条件の可視部分グラフを検索し、局所グラフコンテキスト正規化器との不均衡な最適輸送によりスキャン・マップアソシエーションを行う。 不均衡な定式化は、質量保存を緩和し、閉塞下の欠如、急激な、断片化された構造に対する堅牢性を改善する。 低可観測領域の安定性を高めるため、精製正規行列から情報異方性を推定し、十分な制約が現れるまで、弱い拘束方向に沿って更新を延期する。 公的なベンチマーク、制御されたストレステスト、実世界の展開に関する実験は、幾何学的に退化・持続する閉塞や段階的なシーン変化の存在を含む、異種地図ソースからのKBレベルの事前追跡による正確で安定した追跡を実証している。

関連論文リスト

• MapGCLR: Geospatial Contrastive Learning of Representations for Online Vectorized HD Map Construction [44.37176678126708]
  自動運転車は周囲の世界を理解するために地図情報に依存している。 よりスケーラブルな代替手段は、オンラインのHDマップ構築にある。 本研究は、ベクトル化されたオンラインHDマップ構築モデルにおいて、潜伏鳥眼ビュー(BEV)特徴グリッド表現を改善することに焦点を当てる。 我々は、単一トラバーサルラベル付きデータの縮小セットを用いて教師付き同じモデルを訓練し、マルチトラバーサル要求に従ってより広範なラベル付きデータセットに基づいて自己教師する。
  論文  参考訳（メタデータ） (2026-03-11T11:58:23Z)
• LinearRAG: Linear Graph Retrieval Augmented Generation on Large-scale Corpora [17.929144506419064]
  Retrieval-Augmented Generation (RAG) は大規模言語モデル(LLM)の幻覚を軽減するために広く用いられている。 既存のグラフベースのRAG法は、グラフ構築のための不安定でコストのかかる関係抽出に依存している。 信頼性の高いグラフ構築と正確な経路抽出を可能にする効率的なフレームワークであるLinearRAGを提案する。
  論文  参考訳（メタデータ） (2025-10-11T08:43:45Z)
• Point or Line? Using Line-based Representation for Panoptic Symbol Spotting in CAD Drawings [67.5600169375126]
  ベクトルグラフィカルプリミティブからなるCAD図面におけるパノプティカルシンボルスポッティングの課題について検討する。 既存の手法は通常、画像化、グラフ構築、あるいは点ベースの表現に依存している。 本稿では,プリミティブの行ベースの表現を通じてこれらの課題に対処する新しい手法であるVecFormerを提案する。
  論文  参考訳（メタデータ） (2025-05-29T12:33:11Z)
• Gaussian Embedding of Temporal Networks [12.09704836128003]
  TGNE (textbfTemporal textbfGaussian textbfNetwork textbfEmbedding)は、Latent Space Models (LSM)citeHoff2002および時間グラフ機械学習を介してネットワークの統計解析を橋渡しする。 元のグラフを再構成し、不確実性をモデル化するTGNEの有効性を評価する。
  論文  参考訳（メタデータ） (2024-05-27T15:07:57Z)
• Deep Manifold Graph Auto-Encoder for Attributed Graph Embedding [51.75091298017941]
  本稿では,属性付きグラフデータに対する新しいDeep Manifold (Variational) Graph Auto-Encoder (DMVGAE/DMGAE)を提案する。 提案手法は,最先端のベースラインアルゴリズムを,一般的なデータセット間でのダウンストリームタスクの差を大きく越える。
  論文  参考訳（メタデータ） (2024-01-12T17:57:07Z)
• Improving embedding of graphs with missing data by soft manifolds [51.425411400683565]
  グラフ埋め込みの信頼性は、連続空間の幾何がグラフ構造とどの程度一致しているかに依存する。 我々は、この問題を解決することができる、ソフト多様体と呼ばれる新しい多様体のクラスを導入する。 グラフ埋め込みにソフト多様体を用いることで、複雑なデータセット上のデータ解析における任意のタスクを追求するための連続空間を提供できる。
  論文  参考訳（メタデータ） (2023-11-29T12:48:33Z)
• Learning Spatial-Temporal Regularized Tensor Sparse RPCA for Background Subtraction [6.825970634402847]
  正確な背景抽出のための時空間正規化テンソルスパース RPCA アルゴリズムを提案する。 6つのパブリックなバックグラウンドサブトラクションデータセットで実験が行われる。
  論文  参考訳（メタデータ） (2023-09-27T11:21:31Z)
• E-Graph: Minimal Solution for Rigid Rotation with Extensibility Graphs [61.552125054227595]
  重なり合う領域を持たない2つの画像間の相対的な回転推定を解くために,新しい最小解を提案する。 E-Graphに基づいて、回転推定問題はより単純でエレガントになる。 回転推定戦略を6-DoFカメラのポーズと高密度3Dメッシュモデルを得る完全カメラ追跡マッピングシステムに組み込む。
  論文  参考訳（メタデータ） (2022-07-20T16:11:48Z)
• Spatial-spectral Hyperspectral Image Classification via Multiple Random Anchor Graphs Ensemble Learning [88.60285937702304]
  本稿では,複数のランダムアンカーグラフアンサンブル学習(RAGE)を用いた空間スペクトルHSI分類手法を提案する。 まず、各選択されたバンドのより記述的な特徴を抽出し、局所的な構造と領域の微妙な変化を保存するローカルバイナリパターンを採用する。 次に,アンカーグラフの構成に適応隣接代入を導入し,計算複雑性を低減した。
  論文  参考訳（メタデータ） (2021-03-25T09:31:41Z)

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。