論文の概要: Graph Theoretical Outlier Rejection for 4D Radar Registration in Feature-Poor Environments
- arxiv url: http://arxiv.org/abs/2604.14857v1
- Date: Thu, 16 Apr 2026 10:44:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-17 21:29:31.847696
- Title: Graph Theoretical Outlier Rejection for 4D Radar Registration in Feature-Poor Environments
- Title（参考訳）: 特徴量環境における4次元レーダ登録のためのグラフ理論的外乱除去
- Abstract要約: 自動車用4Dイメージングレーダーは、ほこりの多い低視界環境での運用に適している。
しかし、ノイズやマルチパスリフレクションによるスキャンの間隔と急激な検出のため、登録は依然として困難である。
斜線グラフ(PCM)に対するレーダ適応型ペアワイズ距離不変スコアリング関数を提案する。
提案手法は,1mセグメントで29.6%,100mセグメントで最大で29.6%削減する。
- 参考スコア（独自算出の注目度）: 0.6171990546748666
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Automotive 4D imaging radar is well suited for operation in dusty and low-visibility environments, but scan registration remains challenging due to scan sparsity and spurious detections caused by noise and multipath reflections. This difficulty is compounded in feature-poor open-pit mines, where the lack of distinctive landmarks reduces correspondence reliability. We integrate graph-based pairwise consistency maximization (PCM) as an outlier rejection step within the iterative closest points (ICP) loop. We propose a radar-adapted pairwise distance-invariant scoring function for graph-based (PCM) that incorporates anisotropic, per-detection uncertainty derived from a radar measurement model. The consistency maximization problem is approximated with a greedy heuristic that finds a large clique in the pairwise consistency graph. The refined correspondence set improves robustness when the initial association set is heavily contaminated. We evaluate a standard Euclidean distance residual and our uncertainty-aware residual on an open-pit mine dataset collected with a 4D imaging radar. Compared to the generalized ICP (GICP) baseline without PCM, our method reduces segment relative position error (RPE) by 29.6% on 1 m segments and by up to 55% on 100 m segments. The presented method is intended for integration into localization pipelines and is suitable for online use due to the greedy heuristic in graph-based (PCM).
- Abstract（参考訳）: 自動車用4Dイメージングレーダーは、ほこりの多い低視界環境での運用には適しているが、スキャンの間隔とノイズやマルチパス反射による急激な検出のため、スキャン登録は依然として困難である。
この難易度は、特徴的なランドマークの欠如が対応信頼性を低下させる特徴の少ない露天掘り鉱山で複雑になる。
我々は,グラフベースのペアワイズ整合性最大化(PCM)を,反復的最近点(ICP)ループの外れ値拒否ステップとして統合する。
レーダ計測モデルから導かれる異方性, 検出毎の不確実性を含むグラフベース(PCM)に対するレーダ適応型ペアワイド距離不変スコアリング関数を提案する。
整合性最大化問題は、ペアの整合性グラフに大きな傾きを求める強欲なヒューリスティックと近似される。
精巧な対応セットは、初期関連セットが重汚染されたときに堅牢性を向上させる。
4次元イメージングレーダで収集した露天掘り鉱山の標準ユークリッド距離残差と不確実性認識残差を評価した。
PCMのない一般化ICP(GICP)ベースラインと比較して、1mセグメントで29.6%、100mセグメントで55%削減する。
提案手法はローカライズパイプラインへの統合を目的としており,グラフベース(PCM)における欲求的ヒューリスティック(greedy heuristic)のため,オンライン利用に適している。
関連論文リスト
- Sub-Pixel Affine Registration of Space Debris Images via the Radon Point Spread Function [8.083475003173758]
フレーム間のアフィンのミスアライメントは、光監視におけるポイントターゲットの多フレーム分析に根本的な課題となる。
我々は、Randon変換領域における点目標を特徴付けるために、RPSF(Radon Point Spread Function)を導入する。
我々は,フレーム間の変換と回転を,フレームペアあたり4つのRPSFサンプルから共同で推定するクローズドフォームフレームワークを考案した。
論文 参考訳（メタデータ） (2026-09-07T01:56:13Z) - FIRE-LIVWO: Robust LiDAR-Inertial-Visual-Wheel Odometry via Failure-Immune mmWave Radar Enhancement [15.680013764871966]
FIRE-LIVWO:Failure-Immune mmWave Radar-Enhanced LiDAR-Inertial-Visual-Wheel Odometry
繰り返し誤差状態カルマンフィルタ(IESKF)に基づく密結合型マルチモーダルオドメトリーフレームワークを提案する。
煙に埋もれた環境では、4D mmWaveレーダーの強い浸透を利用して、点方向ドップラー速度の制約を導入する。
非ホロノミック制約 (NHC) とオンラインレバーアーム補償を用いて, ドリフトの低減を図る。
論文 参考訳（メタデータ） (2026-09-04T16:19:58Z) - Rethinking Pixel Mean Flows via Interval Denoiser [95.11499828543344]
潜在自由生成のためのフレームワークであるInterval Denoiserを提案する。
その結果,FIDは1ステップ (1-NFE) で4.55, 2ステップ (2-NFE) で3.98であった。
論文 参考訳（メタデータ） (2026-08-05T13:22:43Z) - RaDiVe: Robust 4D Radar Odometry with Distance-Bounded NDT and Velocity-Discrepancy Point Uncertainty [12.2982667950681]
RaDiVeは、レーダーポイントクラウド登録の精度と堅牢性を改善するために設計された4Dレーダーオドメトリーフレームワークである。
距離制限付き正規分布変換(NDT)を導入し,最適化安定性と計算効率を向上させる。
我々は、暗黙的ニューラルマッピングによるサイン付き距離関数(SDF)に基づく表面点抽出を組み込んで、幾何学的に一貫性がありノイズフィルタリングされた局所部分マップを構築する。
論文 参考訳（メタデータ） (2026-07-30T11:26:41Z) - Dense Soft Weighting for Radar Ego-Velocity Estimation [6.356174487225252]
本稿では,エゴ速度推定のための分析レーダフロントエンドであるDense Soft Weightingを提案する。
すべてのレンジドップラーセルを2値検出閾値を強制するのではなく、連続した信頼度にマッピングする。
これは、最強のCFARポイントクラウドベースラインと比較して平均的な絶対的なポーズエラーを31-45%削減する。
論文 参考訳（メタデータ） (2026-07-29T14:37:52Z) - Cross-Coordinate Correspondence Pruning for Image-to-Point Cloud Registration [70.44225088078274]
そこで本研究では,不整合度を低く抑えつつ十分な不整合を得るための新しいCCP戦略を提案する。
提案手法は, 各種ベンチマークにおける登録リコールにおいて, 既存の最先端手法を少なくとも8.6%上回り, 大幅な性能向上を実現している。
論文 参考訳（メタデータ） (2026-07-19T11:45:14Z) - Flow Map Denoisers: Traversing the Distortion-Perception Plane for Inverse Problems [48.501415601682815]
画像復元は基本的なトレードオフに直面している: エラーを最小限に抑える手法はぼやけた再構成を生み出し、知覚的品質を最大化する手法はシャープだが忠実でない画像を生み出す。
フローマップモデルは、歪み知覚フロンティアを連続的に分散する1パラメータのデノイザ群を暗黙的に定義する。
Plug-and-Playソルバ内では、同じメカニズムが一般的な逆問題にまで拡張され、知覚的アライメントとデータの一貫性のトレードオフを制御する。
論文 参考訳（メタデータ） (2026-06-18T05:15:43Z) - Closed-Form Spectral Regularization for Multi-Task Model Merging [96.82449201305234]
モデルマージは、個別に調整された複数の専門家をトレーニングデータなしで単一のマルチタスクモデルに結合する。
State-of-the-art merging method formulate merging as a layer-wise interference problem。
本稿では,逐次降下の勾配-流路に一致するソフト指数フィルタを組み合わせた閉形式手法SWUDIを提案する。
論文 参考訳（メタデータ） (2026-06-05T14:00:47Z) - H-RINS: Hierarchical Tightly-coupled Radar-Inertial Navigation via Smoothing and Mapping [2.3821762993135507]
ミリ波レーダーは、視覚的に劣化した環境で堅牢な知覚を提供する。
レーダー慣性状態推定は本質的にドリフトの影響を受けやすい。
本稿では,密結合型階層型レーダ慣性係数グラフフレームワークを提案する。
論文 参考訳（メタデータ） (2026-03-14T20:30:49Z) - Optimized Hybrid Feature Engineering for Resource-Efficient Arrhythmia Detection in ECG Signals: An Optimization Framework [0.0]
本研究では,複雑性よりも機能工学を優先する資源効率の高いデータ中心型フレームワークを提案する。
最適化されたパイプラインは、複雑で高次元の不整脈データを線形分離可能にします。
MIT-BIHとINCARTデータセットの検証では、98.44%の精度で8.54KBのモデルフットプリントが得られる。
論文 参考訳（メタデータ） (2026-01-01T03:44:42Z) - Super4DR: 4D Radar-centric Self-supervised Odometry and Gaussian-based Map Optimization [13.79944715452315]
そこで我々は,4次元レーダー中心のフレームワークであるSuper4DRを提案する。
Super4DRは、従来の自己監督手法よりも67%の性能向上を実現し、オードメトリーとほぼ一致し、LiDARとの地図品質格差を狭める。
実験の結果,Super4DRは従来の自己監督法に比べて67%の性能向上を達成し,オードメトリーとほぼ一致し,LiDARとの地図品質格差を狭めることがわかった。
論文 参考訳（メタデータ） (2025-12-10T12:55:05Z) - RadProPoser: A Framework for Human Pose Estimation with Uncertainty Quantification from Raw Radar Data [1.5318029014836756]
複素数値レーダテンソルを処理する確率的エンコーダデコーダアーキテクチャであるRadProPoserを紹介する。
変分推論をキーポイント回帰に組み込むことで、RadProPoserは26の3次元関節位置を共同で予測する。
RadProPoserは、光学式モーションキャプチャー地上真実を用いて、45度の角度で5.678cmの6.425cmの総合平均接合位置誤差(MPJPE)を達成した。
論文 参考訳（メタデータ） (2025-08-05T15:46:05Z) - SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。
提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
論文 参考訳（メタデータ） (2024-05-30T15:55:04Z) - Multi-Irreducible Spectral Synchronization for Robust Rotation Averaging [1.2289361708127877]
雑音の測定値として、SO$における未知の向きの集合を$R_1, ..., R_Nで推定する方法を示す。
その結果, 正確な推定を実現するために, エフェクトが保証される計測ネットワークを考案する方法が示唆された。
論文 参考訳（メタデータ） (2023-11-28T06:25:26Z) - Deep Metric Learning for Unsupervised Remote Sensing Change Detection [60.89777029184023]
リモートセンシング変化検出(RS-CD)は、マルチテンポラルリモートセンシング画像(MT-RSI)から関連する変化を検出することを目的とする。
既存のRS-CD法の性能は、大規模な注釈付きデータセットのトレーニングによるものである。
本稿では,これらの問題に対処可能なディープメトリック学習に基づく教師なしCD手法を提案する。
論文 参考訳（メタデータ） (2023-03-16T17:52:45Z) - The KFIoU Loss for Rotated Object Detection [115.334070064346]
本稿では,SkewIoU損失とトレンドレベルアライメントを両立できる近似的損失を考案する上で,有効な方法の1つとして論じる。
具体的には、対象をガウス分布としてモデル化し、SkewIoUのメカニズムを本質的に模倣するためにカルマンフィルタを採用する。
KFIoUと呼ばれる新たな損失は実装が容易で、正確なSkewIoUよりもうまく動作する。
論文 参考訳（メタデータ） (2022-01-29T10:54:57Z)
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。