論文の概要: D-BDM: A Direct and Efficient Boundary-Based Occupancy Grid Mapping Framework for LiDARs

• arxiv url: http://arxiv.org/abs/2604.12436v1
• Date: Tue, 14 Apr 2026 08:27:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-15 19:11:32.336413
• Title: D-BDM: A Direct and Efficient Boundary-Based Occupancy Grid Mapping Framework for LiDARs
• Title（参考訳）: D-BDM:LiDARのための直接的かつ効率的な境界ベースOccupupancy Grid Mappingフレームワーク
• Authors: Benxu Tang, Yixi Cai, Fanze Kong, Longji Yin, Fu Zhang,
• Abstract要約: 未知の環境下での自律ロボットアプリケーションには、3D占有マッピングが不可欠である。 伝統的な占有グリッド表現は2つの基本的な制限に悩まされている。 我々は,更新ボクセル数を劇的に削減するトランキャット型レイキャスティング戦略を導入する。 さらに,補助的な局所的3次元占有グリッドの必要性を解消する直接境界更新機構を提案する。
• 参考スコア（独自算出の注目度）: 7.867072723965022
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Efficient and scalable 3D occupancy mapping is essential for autonomous robot applications in unknown environments. However, traditional occupancy grid representations suffer from two fundamental limitations. First, explicitly storing all voxels in three-dimensional space leads to prohibitive memory consumption. Second, exhaustive ray casting incurs high update latency. A recent representation alleviate memory demands by maintaining only the voxels on the two-dimensional boundary, yet they still rely on full ray casting updates. This work advances the boundary-based framework with a highly efficient update scheme. We introduce a truncated ray casting strategy that restricts voxel traversal to the exterior of the boundary, which dramatically reduces the number of updated voxels. In addition, we propose a direct boundary update mechanism that removes the need for an auxiliary local 3D occupancy grid, further reducing memory usage and simplifying the map update pipeline. We name our framework as D-BDM. Extensive evaluations on public datasets demonstrate that our approach achieves significantly lower update time and reduced memory consumption compared with the baseline methods, as well as the prior boundary-based approach.
• Abstract（参考訳）: 未知の環境下での自律ロボットアプリケーションには、効率的でスケーラブルな3D占有率マッピングが不可欠である。 しかし、伝統的な占有グリッド表現は2つの基本的な制限に悩まされている。 まず、すべてのボクセルを3次元空間に明示的に保存すると、メモリ消費が禁止される。 第2に、徹底的なレイキャストは、高い更新遅延を引き起こす。 最近の表現では、2次元境界におけるボクセルのみを維持することでメモリ要求を緩和しているが、それでも完全なレイキャスト更新に頼っている。 この作業は、高度に効率的な更新スキームで境界ベースのフレームワークを前進させる。 本稿では, ボクセルの移動を境界の外側に制限し, ボクセルの更新数を劇的に減らすトランキャスティング戦略を提案する。 さらに、補助的なローカル3D占有グリッドの必要性を排除し、メモリ使用量をさらに削減し、マップ更新パイプラインを簡素化する、直接境界更新機構を提案する。 フレームワークをD-BDMと名付けます。 公開データセットに対する広範囲な評価により,本手法はベースライン法や境界ベース手法と比較して,更新時間とメモリ消費の大幅な削減を実現していることが明らかとなった。

関連論文リスト

• Semantic Zone-Based Map Management for Stable AI-Integrated Mobile Robots [0.552480439325792]
  本稿では,メモリ制約下での高密度マップ利用を安定化するためのセマンティックゾーンベースのマップ管理手法を提案する。 大規模室内環境とNVIDIA Jetson Orin Nano上でのSLAM-VLM同時実行による提案手法の評価を行った。
  論文  参考訳（メタデータ） (2026-03-31T11:50:14Z)
• Memory-Efficient Boundary Map for Large-Scale Occupancy Grid Mapping [10.412534456908288]
  伝統的な占有グリッドマッピング手法は、環境を3つの占有状態(自由、占有、または未知)のうちの1つに関連付けて、ボクセルのグリッドに分割する。 これらの方法は、マッピングされたボリューム内のすべてのボクセルを明示的に保持し、その位置が該当するボクセルを直接クエリすることで、位置の占有状態を決定する。 しかし、すべてのグリッドボクセルを高解像度で大規模なシナリオで維持するには、かなりのメモリリソースが必要である。 本稿では,写像された体積の境界のみを保持する新しい表現を提案する。
  論文  参考訳（メタデータ） (2026-03-23T10:14:55Z)
• XGrid-Mapping: Explicit Implicit Hybrid Grid Submaps for Efficient Incremental Neural LiDAR Mapping [25.768483326085956]
  ニューラルネットワークのLiDARマッピングのために,明示的かつ暗黙的な表現を利用するハイブリッドグリッドフレームワークを提案する。 VDB構造とサブマップベースの組織を結合することにより、このフレームワークは計算負荷を低減する。 提案手法は,ボクセル誘導方式の効率限界を克服しつつ,優れたマッピング品質を実現する。
  論文  参考訳（メタデータ） (2025-12-24T06:08:50Z)
• No Cache Left Idle: Accelerating diffusion model via Extreme-slimming Caching [17.396336005757025]
  トレーニングフリーでキャッシュベースのアクセラレータであるX-Slim(e-Xtreme-Slimming Caching)を提案する。 タイムステップ、構造(ブロック)、空間(トークン)にわたってキャッシュ可能な冗長性を利用する最初の統一されたフレームワークである。 遅延を最大4.97倍と3.52倍に減らし、知覚損失を最小限に抑える。
  論文  参考訳（メタデータ） (2025-12-14T09:02:18Z)
• Semantic Zone based 3D Map Management for Mobile Robot [0.552480439325792]
  3Dマップは大量のメモリを消費するので、限られた計算資源内で完全なマップデータを維持することは困難である。 既存のSLAMフレームワークは通常、メモリ管理のために幾何学的距離や時間的メトリクスに依存している。 本稿では,そのパラダイムを幾何学中心の制御から意味論中心の制御へシフトさせるセマンティックゾーンに基づく3Dマップ管理手法を提案する。
  論文  参考訳（メタデータ） (2025-12-13T07:55:40Z)
• Scaling Up Occupancy-centric Driving Scene Generation: Dataset and Method [54.461213497603154]
  作業中心の手法は、最近、フレームとモダリティをまたいだ一貫した条件付けを提供することで、最先端の結果を得た。 Nuplan-Occは、広く使われているNuplanベンチマークから構築された、これまでで最大の占有率データセットである。 高品質な占有、多視点ビデオ、LiDAR点雲を共同で合成する統合フレームワークを開発した。
  論文  参考訳（メタデータ） (2025-10-27T03:52:45Z)
• LODGE: Level-of-Detail Large-Scale Gaussian Splatting with Efficient Rendering [75.67501939005119]
  メモリ制約デバイス上での3次元ガウススプラッティングのための新しいレベル・オブ・ディーテール(LOD)法を提案する。 カメラ距離に基づいてガウスの最適部分集合を反復的に選択する。 本手法は,屋外(階層型3DGS)と屋内(Zip-NeRF)の両方で最先端の性能を実現する。
  論文  参考訳（メタデータ） (2025-05-29T06:50:57Z)
• FLARES: Fast and Accurate LiDAR Multi-Range Semantic Segmentation [52.89847760590189]
  3Dシーンの理解は、自動運転における重要な課題である。 近年の手法では、レンジビュー表現を利用して処理効率を向上している。 範囲ビューに基づくLiDARセマンティックセマンティックセグメンテーションのためのワークフローを再設計する。
  論文  参考訳（メタデータ） (2025-02-13T12:39:26Z)
• ALSTER: A Local Spatio-Temporal Expert for Online 3D Semantic Reconstruction [62.599588577671796]
  本稿では,RGB-Dフレームのストリームから3次元セマンティックマップを段階的に再構成するオンライン3次元セマンティックセマンティックセマンティクス手法を提案する。 オフラインの手法とは異なり、ロボット工学や混合現実のようなリアルタイムな制約のあるシナリオに直接適用できます。
  論文  参考訳（メタデータ） (2023-11-29T20:30:18Z)

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。