Fugu-MT 論文翻訳(概要): On the Derivation of Tightly-Coupled LiDAR-Inertial Odometry with VoxelMap

論文の概要: On the Derivation of Tightly-Coupled LiDAR-Inertial Odometry with VoxelMap

arxiv url: http://arxiv.org/abs/2603.15471v1
Date: Mon, 16 Mar 2026 16:06:19 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-21 18:33:56.876797
Title: On the Derivation of Tightly-Coupled LiDAR-Inertial Odometry with VoxelMap
Title（参考訳）: 厳密結合LiDAR-慣性オドメトリーのVoxelMapによる導出について
Authors: Zhihao Zhan,
Abstract要約: このノートは、密結合したLiDAR-慣性オドメトリーの簡潔な数学的定式化を示す。新しいアルゴリズムを提案するのではなく、幾何学的モデリングと確率的状態推定を統一する明確で自己完結した導出を提供する。
参考スコア（独自算出の注目度）: 1.343385701148698
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This note presents a concise mathematical formulation of tightly-coupled LiDAR-Inertial Odometry within an iterated error-state Kalman filter framework using a VoxelMap representation. Rather than proposing a new algorithm, it provides a clear and self-contained derivation that unifies the geometric modeling and probabilistic state estimation through consistent notation and explicit formulations. The document is intended to serve both as a technical reference and as an accessible entry point for a foundational understanding of the system architecture and estimation principles.
Abstract（参考訳）: 本稿では,VoxelMap表現を用いた反復誤り状態カルマンフィルタフレームワーク内での密結合LiDAR-慣性オドメトリーの簡潔な数学的定式化について述べる。新しいアルゴリズムを提案するのではなく、一貫した記法と明示的な定式化を通じて幾何学的モデリングと確率的状態推定を統合する、明確で自己完結な導出を提供する。この文書は、技術的参照と、システムアーキテクチャと推定原則の基本的な理解のためのアクセス可能なエントリポイントの両方として機能することを意図している。

関連論文リスト

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)
Merging Hazy Sets with m-Schemes: A Geometric Approach to Data Visualization [0.09320657506524149]
本稿では,密度認識正規化による計量の局所的な調整から生じる異性関数を集約するフレームワークを提案する。確率的測度におけるtノルムやtノルムと密接に関連する手法のクラスであるm-スキームとしてこれらのアプローチを定式化する。
論文参考訳（メタデータ） (2025-03-03T15:40:08Z)
Sigma Flows for Image and Data Labeling and Learning Structured Prediction [5.875121114945721]
本稿では,リーマン多様体上で観測されたデータの構造化ラベル付け予測のためのシグマフローモデルを提案する。このアプローチは、約25年前にSochen、Kimmel、Malladiが導入したイメージデノナイズとエンハンスメントのためのLaplace-Beltramiフレームワークと、著者らが導入し研究した代入フローアプローチを組み合わせたものだ。
論文参考訳（メタデータ） (2024-08-28T17:04:56Z)
The Foundations of Tokenization: Statistical and Computational Concerns [51.370165245628975]
トークン化は、NLPパイプラインにおける重要なステップである。 NLPにおける標準表現法としての重要性は認識されているが、トークン化の理論的基盤はまだ完全には理解されていない。本稿では,トークン化モデルの表現と解析のための統一的な形式的枠組みを提案することによって,この理論的ギャップに対処することに貢献している。
論文参考訳（メタデータ） (2024-07-16T11:12:28Z)
Towards One Model for Classical Dimensionality Reduction: A Probabilistic Perspective on UMAP and t-SNE [8.121681696358717]
本稿では,Ravuri 等で導入されたモデルに対応するMAP推論手法として,次元性低減手法を再放送する。グラフラプラシアンによって暗示される共分散を記述するためによく知られたカーネルが利用できることを示す。同様の次元削減手法を研究できるツールを紹介した。
論文参考訳（メタデータ） (2024-05-27T17:57:12Z)
One-shot backpropagation for multi-step prediction in physics-based system identification -- EXTENDED VERSION [0.0]
本稿では,物理および構造的洞察を直接バックプロパゲーションに基づく学習アルゴリズムに反映する,力学系の同定のための物理に基づく枠組みを提案する。得られたアルゴリズムを用いて, 宇宙デブリの未知の慣性行列を同定し, 推定パラメータの物理的付着を捉える手法の信頼性を示す。
論文参考訳（メタデータ） (2023-10-31T15:56:17Z)
Aligning Logits Generatively for Principled Black-Box Knowledge Distillation [49.43567344782207]
Black-Box Knowledge Distillation (B2KD)は、クラウドからエッジへのモデル圧縮において、サーバ上にホストされる見えないデータとモデルによって定式化された問題である。民営化と蒸留による2段階のワークフローを形式化する。そこで本研究では,ブラックボックスの煩雑なモデルを軽量に蒸留するKD (MEKD) を新たに提案する。
論文参考訳（メタデータ） (2022-05-21T02:38:16Z)
Improving Metric Dimensionality Reduction with Distributed Topology [68.8204255655161]
DIPOLEは、局所的、計量的項と大域的、位相的項の両方で損失関数を最小化し、初期埋め込みを補正する次元推論後処理ステップである。 DIPOLEは、UMAP、t-SNE、Isomapといった一般的な手法よりも多くの一般的なデータセットで優れています。
論文参考訳（メタデータ） (2021-06-14T17:19:44Z)
A Unifying and Canonical Description of Measure-Preserving Diffusions [60.59592461429012]
ユークリッド空間における測度保存拡散の完全なレシピは、最近、いくつかのMCMCアルゴリズムを単一のフレームワークに統合した。我々は、この構成を任意の多様体に改善し一般化する幾何学理論を開発する。
論文参考訳（メタデータ） (2021-05-06T17:36:55Z)

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。