論文の概要: Multi-modal panoramic 3D outdoor datasets for place categorization

• arxiv url: http://arxiv.org/abs/2604.13142v1
• Date: Tue, 14 Apr 2026 14:43:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-16 20:38:32.226114
• Title: Multi-modal panoramic 3D outdoor datasets for place categorization
• Title（参考訳）: 位置分類のためのマルチモーダルパノラマ3次元屋外データセット
• Authors: Hojung Jung, Yuki Oto, Oscar M. Mozos, Yumi Iwashita, Ryo Kurazume,
• Abstract要約: 本研究では, 森林, 海岸, 住宅地, 都市部, 屋内・屋外駐車場の6つのカテゴリーで, セマンティックな場所分類のための2つのデータセットを提示する。 最初のデータセットは、高密度(9,000,000点)の3Dカラーの650の静的パノラマスキャンと、同期カラー画像を持つFAROレーザースキャナを用いて得られた反射点雲で構成されている。 第2のデータセットは、車の運転中にVelodyneレーザースキャナーを用いて得られたスパース(70,000点)3D反射点雲の34,200のリアルタイムパノラマスキャンで構成されている。
• 参考スコア（独自算出の注目度）: 3.0408645115035036
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present two multi-modal panoramic 3D outdoor (MPO) datasets for semantic place categorization with six categories: forest, coast, residential area, urban area and indoor/outdoor parking lot. The first dataset consists of 650 static panoramic scans of dense (9,000,000 points) 3D color and reflectance point clouds obtained using a FARO laser scanner with synchronized color images. The second dataset consists of 34,200 real-time panoramic scans of sparse (70,000 points) 3D reflectance point clouds obtained using a Velodyne laser scanner while driving a car. The datasets were obtained in the city of Fukuoka, Japan and are publicly available in [1], [2]. In addition, we compare several approaches for semantic place categorization with best results of 96.42% (dense) and 89.67% (sparse).
• Abstract（参考訳）: 森林, 海岸, 住宅地, 都市部, 屋内・屋外駐車場の6つのカテゴリーで, セマンティックな場所分類のための2つのマルチモーダルパノラマ3D屋外データセットを提示する。 最初のデータセットは、高密度(9,000,000点)の3Dカラーの650の静的パノラマスキャンと、同期カラー画像を持つFAROレーザースキャナを用いて得られた反射点雲で構成されている。 第2のデータセットは、車の運転中にVelodyneレーザースキャナーを用いて得られたスパース(70,000点)3D反射点雲の34,200のリアルタイムパノラマスキャンで構成されている。 これらのデータセットは福岡市で取得され, [1], [2]で公開されている。 さらに、セマンティックな場所分類のためのいくつかのアプローチを96.42% (dense) と89.67% (sparse) の最良の結果と比較した。

関連論文リスト

• Learning Geometric and Photometric Features from Panoramic LiDAR Scans for Outdoor Place Categorization [4.255191342050174]
  本稿では,畳み込みニューラルネットワーク(CNN)を用いた屋外空間の分類手法を提案する。 CNNは3次元LiDARから得られる全方向の深度/反射像を入力とする。 マルチモーダルパノラマ3次元屋外(MPO)という大規模屋外空間データセットを構築した。
  論文  参考訳（メタデータ） (2026-03-13T05:11:39Z)
• 3DRealCar: An In-the-wild RGB-D Car Dataset with 360-degree Views [28.122493907945312]
  3D車は一般的に、自動運転システム、バーチャル/拡張現実、ゲームで使われている。 既存の3Dカーデータセットは、合成または低品質であり、実用シナリオでの応用を制限する。 3DRealCarと呼ばれる,3つの特徴を備えた,最初の大規模3D実車データセットを提案する。
  論文  参考訳（メタデータ） (2024-06-07T12:14:27Z)
• Sparse Points to Dense Clouds: Enhancing 3D Detection with Limited LiDAR Data [68.18735997052265]
  単分子と点雲に基づく3次元検出の利点を組み合わせたバランスの取れたアプローチを提案する。 本手法では,低コストで低解像度のセンサから得られる3Dポイントを少数必要としている。 3次元検出の精度は最先端の単分子検出法と比較して20%向上する。
  論文  参考訳（メタデータ） (2024-04-10T03:54:53Z)
• A Benchmark Grocery Dataset of Realworld Point Clouds From Single View [12.353627651884095]
  微細な食料品の物体認識は、自動チェックアウト、店内ロボットナビゲーション、視覚障害者のための補助技術など幅広い用途において重要なコンピュータビジョン問題である。 既存の食料品のデータセットは主に2Dイメージである。これらのデータセットでトレーニングされたモデルは、通常の2Dグリッドからの学習機能に限られる。 モバイル3Dセンサーが利用可能であるにもかかわらず、現在、食料品用の大規模な3Dデータセット専用のリアルタイムベンチマークは存在しない。
  論文  参考訳（メタデータ） (2024-02-12T17:24:35Z)
• Argoverse 2: Next Generation Datasets for Self-Driving Perception and Forecasting [64.7364925689825]
  Argoverse 2(AV2)は、自動運転分野の研究の知覚と予測のための3つのデータセットの集合である。 Lidarデータセットには、ラベルなしのLidar点雲とマップ整列ポーズの2万のシーケンスが含まれている。 Motion Forecastingデータセットには、各ローカルシーンにおける自動運転車と他のアクター間の興味深い、挑戦的なインタラクションのために採掘された25万のシナリオが含まれている。
  論文  参考訳（メタデータ） (2023-01-02T00:36:22Z)
• SensatUrban: Learning Semantics from Urban-Scale Photogrammetric Point Clouds [52.624157840253204]
  センサットウルバン(SensatUrban)は、イギリスの3都市から収集された7.6km2の30億点近くからなる、都市規模のUAV測光点クラウドデータセットである。 データセットの各ポイントは、粒度の細かいセマンティックアノテーションでラベル付けされ、その結果、既存の最大のフォトグラムポイントクラウドデータセットの3倍の大きさのデータセットが生成される。
  論文  参考訳（メタデータ） (2022-01-12T14:48:11Z)
• VPFNet: Improving 3D Object Detection with Virtual Point based LiDAR and Stereo Data Fusion [62.24001258298076]
  VPFNetは、ポイントクラウドとイメージデータを仮想のポイントで巧みに調整し集約する新しいアーキテクチャである。 当社のVPFNetは,KITTIテストセットで83.21%の中等度3D AP,91.86%中等度BEV APを達成し,2021年5月21日以来の1位となった。
  論文  参考訳（メタデータ） (2021-11-29T08:51:20Z)
• Semantic Segmentation on Swiss3DCities: A Benchmark Study on Aerial Photogrammetric 3D Pointcloud Dataset [67.44497676652173]
  スイスの3つの都市から採取された総面積2.7 km2$の屋外3Dポイントクラウドデータセットを紹介した。 データセットは、ポイントごとのラベルによるセマンティックセグメンテーションのために手動でアノテートされ、高解像度カメラを備えたマルチローターによって取得された画像のフォトグラムを用いて構築される。
  論文  参考訳（メタデータ） (2020-12-23T21:48:47Z)

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。