論文の概要: Sub-Footprint Effect Correction in FW-LiDAR Point Clouds via Intra-Footprint Target Unmixing
- arxiv url: http://arxiv.org/abs/2605.09845v1
- Date: Mon, 11 May 2026 00:56:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-05-12 23:28:50.448549
- Title: Sub-Footprint Effect Correction in FW-LiDAR Point Clouds via Intra-Footprint Target Unmixing
- Title（参考訳）: フートプリント内ターゲットアンミックスによるFW-LiDAR点雲のサブフートプリント効果補正
- Authors: Zhen Xiao, Yanfeng Gu, Xian Li,
- Abstract要約: レーザーフットプリント内のサブフットプリントターゲット混合は、LiDAR強度の不確かさを著しく増大させる。
フルウェーブ形式のLiDAR点雲におけるサブフットプリント強度補正を明示的に解決する物理に基づく新しいフレームワークを提案する。
制御と実世界の両方のLiDARデータセットの実験により、提案手法は異種対象間のセマンティックセパビリティを著しく向上し、同種対象間の強度一貫性を向上することを示した。
- 参考スコア（独自算出の注目度）: 19.082428979007485
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sub-footprint target mixing within a laser footprint significantly increases LiDAR intensity uncertainty, especially in complex environments where heterogeneous materials inside one footprint cause nonlinear distortions that impair intensity-based applications. However, the forward mixing inherent to the single-pixel detection mode of LiDAR systems blurs sub-footprint contributions, making sub-footprint effects difficult to address effectively in existing studies. To address this issue, we introduce a novel, physics-based framework that explicitly resolves sub-footprint intensity correction in full-waveform LiDAR (FW-LiDAR) point clouds. The key innovation is to make the otherwise implicit intra-footprint mixing process explicit: we first develop a spatiotemporal laser-beam distribution model to physically characterize within-footprint forward mixing of multi-target returns. Building on this formulation, we incorporate ancillary information including waveform parameters and surface geometry as constraints to pose a well-defined inverse unmixing problem and decompose each footprint into fractional contributions from multiple sub-targets. We then recover sub-footprint-corrected intensities by inverting the observed mixtures through a unified combination of parametric and model-driven approaches. To the best of our knowledge, few prior studies explicitly establish sub-footprint inversion and correction within a single laser footprint, and our framework offers a principled, physics-grounded solution. Experiments on both controlled and real-world LiDAR datasets demonstrate that the proposed method significantly enhances semantic separability across heterogeneous targets and intensity consistency across homogeneous targets.
- Abstract（参考訳）: レーザーフットプリント内のサブフットプリントターゲット混合は、特に1フットプリント内の不均一物質が強度に基づく非線形歪みを引き起こす複雑な環境において、LiDAR強度の不確実性を著しく向上させる。
しかし、LiDARシステムの単一画素検出モードに固有の前方混合は、サブフットプリントの寄与を曖昧にし、既存の研究において、サブフットプリント効果を効果的に扱うのが困難になる。
この問題に対処するため,本研究では,フルウェーブフォームLiDAR(FW-LiDAR)点雲におけるサブフットプリント強度補正を明示的に解決する物理ベースの新しいフレームワークを提案する。
我々はまず,多ターゲットリターンのフットプリント内前方混合を物理的に特徴付ける時空間レーザービーム分布モデルを開発した。
この定式化に基づいて、波形パラメータや表面幾何を含む補助情報を制約として組み込んで、適切に定義された逆混合問題に対処し、各フットプリントを複数のサブターゲットからの分数的な寄与に分解する。
次に、パラメトリックとモデル駆動の統一的な組み合わせにより、観測された混合物を反転させることにより、サブフットプリント補正強度を回復する。
我々の知る限りでは、1つのレーザーフットプリント内でのサブフットプリントの反転と補正を明確に確立する以前の研究はほとんどなく、我々のフレームワークは原則的、物理学的な解を提供する。
制御と実世界の両方のLiDARデータセットの実験により、提案手法は異種対象間のセマンティックセパビリティを著しく向上し、同種対象間の強度一貫性を向上することを示した。
関連論文リスト
- CDPR: Cross-modal Diffusion with Polarization for Reliable Monocular Depth Estimation [12.658602122161989]
CDPRは、推定ロバスト性を高めるために物理的に接地された偏光前処理を統合する新しい拡散ベースのフレームワークである。
また,CDPRは,標準シーンにおける競争性能を維持しつつ,挑戦的な領域においてRGBのみのベースラインを著しく上回ることを示す。
論文 参考訳（メタデータ） (2026-04-13T07:12:49Z) - MirrorLA: Reflecting Feature Map for Vision Linear Attention [49.41670925034762]
リニアアテンションはトランスフォーマーの2次から線形への計算複雑性を著しく低下させるが、パフォーマンスにおけるソフトマックスに基づくアテンションの遅れは一貫して遅れる。
我々は、受動トランケーションをアクティブなリオリエンテーションに置き換える幾何学的枠組みであるMirrorLAを提案する。
MirrorLAは標準的なベンチマークで最先端のパフォーマンスを実現し、表現の忠実さを損なうことなく厳密な線形効率を実現できることを示した。
論文 参考訳（メタデータ） (2026-02-04T09:14:09Z) - Plug-and-play Diffusion Models for Image Compressive Sensing with Data Consistency Projection [11.296566218142521]
プラグイン・アンド・プレイ(プレイ)法とインプリシット・インプリシット・モデル(DDIM)の関連性について検討する。
我々は、学習した事前を物理フォワードモデルと原則的に統合する統一的なフレームワークを提供する。
論文 参考訳（メタデータ） (2025-09-11T11:30:31Z) - Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。
既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。
本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文 参考訳（メタデータ） (2024-09-21T04:39:45Z) - FlowDepth: Decoupling Optical Flow for Self-Supervised Monocular Depth Estimation [8.78717459496649]
本稿では,ダイナミックモーションフローモジュール (DMFM) が機構ベースのアプローチで光学フローを分離し,動的領域をワープし,ミスマッチ問題を解くフローDepthを提案する。
高フレック領域と低テクスチャ領域による光度誤差の不公平性については,入力と損失レベルでそれぞれDepth-Cue-Aware Blur(DCABlur)とCost-Volumeの空間損失を用いて解決する。
論文 参考訳（メタデータ） (2024-03-28T10:31:23Z) - RobustCalib: Robust Lidar-Camera Extrinsic Calibration with Consistency
Learning [42.90987864456673]
LiDARカメラ外部推定の現在の手法は、オフラインの目標と人間の努力に依存している。
本稿では,外因性キャリブレーション問題に頑健で自動的で単発的な方法で対処する新しい手法を提案する。
我々は,異なるデータセットの総合的な実験を行い,本手法が正確かつ堅牢な性能を実現することを示す。
論文 参考訳（メタデータ） (2023-12-02T09:29:50Z) - NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。
本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
論文 参考訳（メタデータ） (2023-11-22T06:28:30Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳（メタデータ） (2021-03-24T08:16:32Z) - Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian
Photometric Stereo [61.6260594326246]
空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。
分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
論文 参考訳（メタデータ） (2021-03-22T18:06:58Z) - High-Contrast Reflection Tomography with Total-Variation Constraints [26.873262435961333]
逆散乱とは、物体の散乱電位の空間分布を、その周りの散乱波動場を測定することによって推定する過程である。
本稿では,オブジェクトの背景モデルからの側情報を必要としない制約付きインクリメンタル周波数インバージョンフレームワークを提案する。
論文 参考訳（メタデータ） (2020-05-06T15:26:55Z)
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。
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。