論文の概要: Semantic-weighted ICP for LiDAR Odometry: Class-Aware Residual Reweighting for Robust Scan Registration

• arxiv url: http://arxiv.org/abs/2606.03905v1
• Date: Tue, 02 Jun 2026 17:00:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-03 22:00:05.192576
• Title: Semantic-weighted ICP for LiDAR Odometry: Class-Aware Residual Reweighting for Robust Scan Registration
• Title（参考訳）: LiDARオドメトリーのための意味重み付きICP:ロバストスキャン登録のためのクラスアウェア残留重み付け
• Authors: Vasco Carvalho, Tiago Barros, Urbano J. Nunes,
• Abstract要約: LiDARオドメトリーは自律ロボットシステムの基本的な構成要素であり、エゴモーションを推定するために連続する点雲間の幾何学的登録に依存している。 伝統的な幾何学的アプローチは、動いた物体、まばらな幾何学的特徴、植生、意味的に曖昧な構造によって生じる信頼できない対応によって、動的または非構造的な環境においてしばしば劣化する。 そこで本研究では,LiDAR odometry のためのセマンティッククラス重み付きICPを提案し,その予測した幾何安定性に基づいて意味圏に属する点の残差を重み付けする。
• 参考スコア（独自算出の注目度）: 0.6627152091494143
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: LiDAR odometry is a fundamental component of autonomous robotic systems, relying on geometric registration between consecutive point clouds to estimate ego-motion. However, traditional geometric approaches often degrade in dynamic or unstructured environments due to unreliable correspondences caused by moving objects, sparse geometric features, vegetation, and semantically ambiguous structures. Existing works have shown that, some of these limitations can be addressed by introducing semantic information from the environment in the registration process. In this work, we build on this, and show that not all elements in the environment are equally relevant for registration. Hence, we propose a semantic class-weighted ICP for LiDAR odometry. Instead of strictly filtering out points belonging to specific semantic classes, the proposed approach weights the residuals of points belonging to semantic categories based on their expected geometric stability. This strategy enables informative but potentially unstable structures, to contribute to the registration process while mitigating the influence of dynamic objects. The experimental evaluation was conducted on the SemanticKITTI and RELLIS-3D datasets, which include urban, highway, rural, and off-road environments. The empirical results show that the proposed Semantic-weighted ICP improves pose estimation, especially in challenging off-road scenarios where conventional rigid features are scarce. Furthermore, the analysis reveals that the effectiveness of this weighting strategy is highly environment-dependent, influenced by the structural and semantic composition of the scene.
• Abstract（参考訳）: LiDARオドメトリーは自律ロボットシステムの基本的な構成要素であり、エゴモーションを推定するために連続する点雲間の幾何学的登録に依存している。 しかし、従来の幾何学的アプローチは、動いた物体、粗い幾何学的特徴、植生、意味的に曖昧な構造によって生じる信頼できない対応によって、動的または非構造的な環境において劣化することが多い。 既存の研究によると、これらの制限のいくつかは、登録プロセスの環境から意味情報を導入することで対処できる。 この作業では、この上に構築し、環境内のすべての要素が、登録に等しく関連しているわけではないことを示す。 そこで本研究では,LiDAR odometry のための意味クラス重み付きICPを提案する。 特定の意味クラスに属する点を厳密にフィルタリングする代わりに、提案手法は期待される幾何学的安定性に基づいて意味圏に属する点の残差を重み付けする。 この戦略により、情報的かつ不安定な構造は、動的オブジェクトの影響を緩和しながら、登録プロセスに寄与することができる。 都市, 高速道路, 農村, オフロード環境を含むセマンティックKITTIおよびRELLIS-3Dデータセットを用いて実験を行った。 実証実験の結果,提案したセマンティック重み付きICPは,特に従来の厳密な特徴が乏しいオフロードシナリオにおいて,ポーズ推定を改善することが示された。 さらに, この重み付け手法の有効性は, シーンの構造的, 意味的構成の影響を受け, 環境に依存していることが明らかとなった。

関連論文リスト

• Beyond Point-Wise Matching: Structural Representation Alignment for Accelerating Diffusion Transformers [93.3976834364707]
  本稿では,特徴写像のリレーショナル幾何における整合性を実現する構造的RePresentation AlignmentフレームワークであるsREPAを提案する。 モデルが事前訓練された特徴から全体的空間配置と構造的相関を内包するように促すことにより、sREPAはより高速でより安定した収束を達成する。
  論文  参考訳（メタデータ） (2026-05-16T12:01:04Z)
• SOCC-ICP: Semantics-Assisted Odometry based on Occupancy Grids and ICP [1.2744523252873352]
  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。
  論文  参考訳（メタデータ） (2026-05-14T17:00:38Z)
• Reasoning emerges from constrained inference manifolds in large language models [98.6966322378456]
  我々は推論中の内部表現の進化を調べることによって、本質的な力学過程としての推論を研究する。 このような幾何学的圧縮は広く普及しているが、安定的あるいは信頼性のある推論には不十分である。
  論文  参考訳（メタデータ） (2026-05-02T10:41:20Z)
• SpatialEvo: Self-Evolving Spatial Intelligence via Deterministic Geometric Environments [75.60795462502949]
  SpaceEvoは3D空間推論のための自己進化型フレームワークである。 16の空間推論タスクカテゴリを明示的な幾何学的検証規則で定式化する。 注釈のない3Dシーンをゼロノイズのインタラクティブなオラクルに変換し、モデルコンセンサスを客観的な物理的フィードバックに置き換える。
  論文  参考訳（メタデータ） (2026-04-15T17:59:12Z)
• Uncertainty Estimation for Deep Reconstruction in Actuatic Disaster Scenarios with Autonomous Vehicles [68.82821445619759]
  原理的不確実性定量化は 能動センシング戦略に不可欠です Evidential Deep Learningは、すべてのセンサ構成で最高の再構築精度と不確実性校正を実現する。 これらの知見は、リアルタイムの自動運転車配備における不確実性認識フィールド再構築の方法として、エビデンシャル・ディープ・ラーニングを支持している。
  論文  参考訳（メタデータ） (2026-04-07T19:17:44Z)
• SGMatch: Semantic-Guided Non-Rigid Shape Matching with Flow Regularization [43.12848612518533]
  SGMatchは意味誘導型非厳密な形状マッチングのための学習ベースのフレームワークである。 具体的には,視覚基盤モデルから幾何学的記述子への意味的特徴を統合するセマンティックガイド型ローカルクロスアテンションモジュールを設計する。 本研究では,時間変化速度場を監督し,回復した対応の空間的滑らかさを促進する条件付きフローマッチングに基づく正規化目標を提案する。
  論文  参考訳（メタデータ） (2026-03-13T12:31:43Z)
• Invariance on Manifolds: Understanding Robust Visual Representations for Place Recognition [19.200074425090595]
  本稿では,2次幾何統計フレームワークを提案する。 提案手法では、固定されたトレーニング済みのバックボーン上に構築されたトレーニング不要のフレームワークを導入し、パラメータ更新なしで強力なゼロショット一般化を実現する。
  論文  参考訳（メタデータ） (2026-01-31T18:12:29Z)
• MMP-A*: Multimodal Perception Enhanced Incremental Heuristic Search on Path Planning [8.522882937983972]
  MMP-A* は、視覚言語モデルの空間的接地機能と、新しい適応的減衰機構を統合するマルチモーダルフレームワークである。 MMP-A* は操作コストを大幅に削減し, ほぼ最適軌道を達成できることを示す。
  論文  参考訳（メタデータ） (2026-01-05T08:55:27Z)
• Pole-centric Descriptors for Robust Robot Localization: Evaluation under Pole-at-Distance (PaD) Observations using the Small Pole Landmark (SPL) Dataset [0.7734726150561086]
  本稿では,記述子設計から記述子堅牢性に関する体系的な研究へと焦点を移す。 我々の主な貢献は、スモールポールランドマーク(SPL)データセットを中心とした、特別な評価フレームワークの確立である。 このフレームワークを用いて、コントラスト学習(CL)とスーパーバイザード学習(SL)のパラダイムの比較分析を行う。
  論文  参考訳（メタデータ） (2025-12-29T02:09:32Z)
• GeoGNN: Quantifying and Mitigating Semantic Drift in Text-Attributed Graphs [59.61242815508687]
  テキスト分散グラフ(TAG)上のグラフニューラルネットワーク(GNN)は、事前訓練された言語モデル(PLM)を使用してノードテキストを符号化し、これらの埋め込みを線形近傍アグリゲーションを通じて伝播する。 本研究は,意味的ドリフトの度合いを計測する局所PCAベースの計量を導入し,異なる凝集機構が多様体構造にどのように影響するかを解析するための最初の定量的枠組みを提供する。
  論文  参考訳（メタデータ） (2025-11-12T06:48:43Z)
• The efficacy of Neural Planning Metrics: A meta-analysis of PKL on nuScenes [77.83263286776938]
  自律運転(AD)における高性能物体検出システムの役割 通常、平均的精度で評価されるパフォーマンスは、シーン内のアクターの向きや距離を考慮していない。 近年、フィリオンらは、プランナーの軌道と基底経路のKL分散に基づく神経計画測度(PKL)を提案した。
  論文  参考訳（メタデータ） (2020-10-19T09:32:48Z)

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。