論文の概要: SOCC-ICP: Semantics-Assisted Odometry based on Occupancy Grids and ICP

• arxiv url: http://arxiv.org/abs/2605.15074v1
• Date: Thu, 14 May 2026 17:00:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-15 21:45:34.962814
• Title: SOCC-ICP: Semantics-Assisted Odometry based on Occupancy Grids and ICP
• Title（参考訳）: SOCC-ICP: Occupancy GridとICPに基づく意味支援オドメトリー
• Authors: Johannes Scherer, Sebastian Hirt, Henri Meeß,
• Abstract要約: SOCC-ICPはセマンティックOCCupancyグリッドマッピングとLiDARスキャンアライメントを共同で実行するセマンティック支援オドメトリーフレームワークである。 最先端のLiDARオドメトリーと性能を競い合っており、幾何的に退化した環境でも頑丈である。 SOCC-ICPは,1つの表現内でのオードメトリとセマンティック占有グリッドマッピングを統一することにより,冗長なマップ構造を排除している。
• 参考スコア（独自算出の注目度）: 1.2744523252873352
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reliable pose estimation in previously unseen environments is a fundamental capability of autonomous systems. Existing LiDAR odometry methods typically employ point-, surfel-, or NDT-based map representations, which are distinct from the semantic occupancy grids commonly used for downstream tasks such as motion planning. We introduce SOCC-ICP, a semantics-assisted odometry framework that jointly performs Semantic OCCupancy grid mapping and LiDAR scan alignment. Each map voxel encodes geometric and semantic statistics, enabling adaptive point-to-point or point-to-plane ICP based on local planarity. Further, the occupancy grid naturally filters dynamic objects through raycasting-based free-space updates. Across diverse evaluation scenarios, SOCC-ICP achieves performance competitive with state-of-the-art LiDAR odometry and remains robust in geometrically degenerate environments, even in the absence of semantic cues. When semantic labels are available, integrating them into map construction, downsampling, and correspondence weighting yields further accuracy gains. By unifying odometry and semantic occupancy grid mapping within a single representation, SOCC-ICP eliminates redundant map structures and directly provides a map suitable for downstream robotic applications.
• Abstract（参考訳）: 未確認環境における信頼性の高いポーズ推定は、自律システムの基本的な能力である。 既存のLiDARのオドメトリー法は、通常、ポイント、サーベイル、あるいはNDTベースの地図表現を用いるが、これは、モーションプランニングのような下流のタスクによく使われる意味的占有グリッドとは異なる。 我々はセマンティックOCCupancy Grid MappingとLiDARスキャンアライメントを共同で行うセマンティック・オドメトリー・フレームワークSOCC-ICPを紹介する。 それぞれの地図ボクセルは幾何学的および意味的な統計を符号化し、局所的な平面性に基づいて適応的な点対点または点対面ICPを可能にする。 さらに、占有グリッドは、レイキャストベースの自由空間更新を通じて、動的オブジェクトを自然にフィルタリングする。 様々な評価シナリオにおいて、SOCC-ICPは最先端のLiDARオドメトリーと性能を競い合っており、意味的な手がかりがなくても幾何学的に退化した環境では頑健である。 セマンティックラベルが利用可能であれば、それらをマップ構築、ダウンサンプリング、および対応重み付けに統合すると、さらなる精度向上が得られる。 SOCC-ICPは,1つの表現内にオードメトリとセマンティック占有グリッドマッピングを統一することにより,冗長なマップ構造を排除し,下流ロボットアプリケーションに適したマップを直接提供する。

関連論文リスト

• Curvature-Aware PCA with Geodesic Tangent Space Aggregation for Semi-Supervised Learning [52.452902154360565]
  GTSA-PCAは主成分分析の幾何学的拡張である。 曲率認識と測地的整合性を統合されたスペクトルフレームワークに統合する。 以上の結果から,GTSA-PCAは次元減少に対する統計的および幾何学的アプローチの原則的ブリッジとして位置づけられた。
  論文  参考訳（メタデータ） (2026-04-20T20:36:36Z)
• Self-Organizing Maps with Optimized Latent Positions [0.0]
  本稿では,各データポイントに対して連続的な潜伏位置を導入する客観的な地形マッピング手法を提案する。 合成サドル多様体の実験、ディジットとMNISTデータセットのスケーラビリティの研究、16のベンチマークデータセットは、SOM-OLPが競合する近傍保存と量子化性能を達成することを示す。
  論文  参考訳（メタデータ） (2026-04-15T08:42:49Z)
• Inverting Self-Organizing Maps: A Unified Activation-Based Framework [39.146761527401424]
  我々は,SOMの活性化パターンを逆転させて,微妙な幾何学的条件下での正確な入力を復元できることを示す。 我々は,MUSIC (Manifold-Aware Unified SOM Inversion and Control) 更新ルールを導入する。 合成ガウス混合系, MNIST と Faces in the Wild を用いたアプローチを検証した。
  論文  参考訳（メタデータ） (2026-01-20T11:02:54Z)
• Unified Linear Parametric Map Modeling and Perception-aware Trajectory Planning for Mobile Robotics [1.7495208770207367]
  本稿では,高次元空間にデータをマッピングする軽量な線形パラメトリックマップを提案する。 UAVでは,Euclidean Signed Distance Field (ESDF) マップを用いた。 UGVでは、モデルは地形を特徴づけ、クローズドフォーム勾配を提供し、オンラインプランニングによって大きな穴を回避できる。
  論文  参考訳（メタデータ） (2025-07-12T16:39:19Z)
• A Geometry-Aware Message Passing Neural Network for Modeling Aerodynamics over Airfoils [61.60175086194333]
  空気力学は航空宇宙工学の重要な問題であり、しばしば翼のような固体物と相互作用する流れを伴う。 本稿では, 固体物体上の非圧縮性流れのモデル化について考察する。 ジオメトリを効果的に組み込むため,メッシュ表現に翼形状を効率よく,かつ効率的に統合するメッセージパッシング方式を提案する。 これらの設計選択は、純粋にデータ駆動の機械学習フレームワークであるGeoMPNNにつながり、NeurIPS 2024 ML4CFDコンペティションで最優秀学生賞を受賞し、総合で4位となった。
  論文  参考訳（メタデータ） (2024-12-12T16:05:39Z)
• Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud Analysis [66.49788145564004]
  我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。 我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-12-17T15:05:25Z)
• PSF-LO: Parameterized Semantic Features Based Lidar Odometry [11.790290341366353]
  自己設計型パラメータ化セマンティック特徴量(PSF)に基づく新しいセマンティック・ライダー・オドメトリー法を提案する。 まず、畳み込みニューラルネットワークに基づくアルゴリズムを用いて、入力されたレーザーポイントクラウドからポイントワイドセマンティクスを得る。 次に、セマンティックラベルを使用して道路、建物、交通標識、ポールのような点群を分離し、それらを個別に適合させて対応するPSFを得る。
  論文  参考訳（メタデータ） (2020-10-26T05:48:26Z)
• A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow Fields on Irregular Geometries [62.28265459308354]
  ネットワークは空間位置とCFD量のエンドツーエンドマッピングを学習する。 断面形状の異なるシリンダーを過ぎる非圧縮層状定常流を考察する。 ネットワークは従来のCFDの数百倍の速さで流れ場を予測する。
  論文  参考訳（メタデータ） (2020-10-15T12:15:02Z)
• Risk-Averse MPC via Visual-Inertial Input and Recurrent Networks for Online Collision Avoidance [95.86944752753564]
  本稿では,モデル予測制御(MPC)の定式化を拡張したオンライン経路計画アーキテクチャを提案する。 我々のアルゴリズムは、状態推定の共分散を推論するリカレントニューラルネットワーク(RNN)とオブジェクト検出パイプラインを組み合わせる。 本手法のロバスト性は, 複雑な四足歩行ロボットの力学で検証され, ほとんどのロボットプラットフォームに適用可能である。
  論文  参考訳（メタデータ） (2020-07-28T07:34:30Z)

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。