論文の概要: Beyond Visibility: Real-Time Surface Accessibility Fields from Sparse LiDAR
- arxiv url: http://arxiv.org/abs/2608.06412v1
- Date: Wed, 05 Aug 2026 03:57:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.241708
- Title: Beyond Visibility: Real-Time Surface Accessibility Fields from Sparse LiDAR
- Title（参考訳）: 可視性を超えて: スパースLiDARによるリアルタイム表面アクセシビリティフィールド
- Abstract要約: 本稿では,与えられたツールの面アクセシビリティのポイントごとのラベル付けを提案する。
ストリーミングスパースLiDARからリアルタイムで生成され、プラットフォームが移動するとセンサーレートで更新される。
我々の知る限り、これはストリーミングスパースLiDARからポイント当たりの表面アクセシビリティをリアルタイムで推定する最初の方法である。
- 参考スコア（独自算出の注目度）: 0.00270839927451854
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Understanding which surfaces in a scene are physically accessible to a given tool is fundamental for robotic interaction, yet 3D perception systems typically stop at geometric reconstruction or visibility estimation. Existing geometric accessibility methods require complete, noise-free meshes and fixed kinematic bases, assumptions that fail for mobile platforms mapping incrementally from live data; visibility estimation cannot account for tool geometry or approach-corridor clearance. We propose the Accessibility Field: a per-point labelling of surface accessibility for a given tool, produced in real time from streaming sparse LiDAR and updated at sensor rate as the platform moves. Running entirely on GPU, our method evaluates each surface point against precomputed geometry kernels representing the tool at a set of rotated approach orientations, checking tool collisions and approach-corridor clearance. A scan-centric Truncated Signed Distance Field integration scheme underpins our system, updating only voxels near each observed return rather than projecting every frustum voxel each frame -- critical for nonrepetitive sensors like the Livox Mid-360, where some bins contain no returns. Our system is tool-agnostic, needs no prior scene model, and runs on workstation and Jetson Orin edge hardware. We evaluate quantitatively on synthetic objects and mature-scale Pinus radiata models, showing visibility alone is insufficient as an accessibility proxy: our method achieves F1=90.8 vs. 69.8 for a Hidden Point Removal baseline on mixed-accessibility geometry, and correctly identifies 56.8% of pine branch surfaces as inaccessible despite being visible from the sensor. To our knowledge, this is the first method to estimate per-point surface accessibility in real time from streaming sparse LiDAR without a prior scene model or fixed base frame -- a capability visibility estimation cannot provide.
- Abstract（参考訳）: シーン内のどの表面が、特定のツールに物理的にアクセス可能であるかを理解することは、ロボットの相互作用の基本であるが、3D認識システムは通常、幾何学的再構成や可視性推定で停止する。
既存の幾何学的アクセシビリティ手法では、完全でノイズのないメッシュと固定されたキネマティックベース、ライブデータから漸進的にマッピングするモバイルプラットフォームで失敗する仮定が必要である。
本稿では,ストリーミングスパースLiDARからリアルタイムに生成され,プラットフォームが移動するにつれてセンサレートで更新される,与えられたツールの表面アクセシビリティのポイントごとのラベル付けを行うアクセシビリティフィールドを提案する。
提案手法は, ツールの回転方向, ツール衝突のチェック, アプローチ補正クリアランスのセットにおいて, ツールを表す事前計算された幾何カーネルに対して, それぞれの表面点を評価する。
スキャン中心のTrncated Signed Distance Field統合スキームは、リボックス・ミッド360のような非繰り返しセンサーに欠かせない、各フレームにすべてのフラストタルボクセルを投射するのではなく、観測されたリターンの近くにのみボクセルを更新する。
我々のシステムはツールに依存しず、事前のシーンモデルを必要とせず、ワークステーションやJetson Orinエッジハードウェア上で動作します。
我々は,合成対象物と成熟スケールのPinus Radaモデルについて定量的に評価し,アクセシビリティ・プロキシとしてのみ可視性が不十分であることを示し,混合アクセシビリティ・ジオメトリーに基づく隠れ点除去ベースラインに対してF1=90.8 vs. 69.8を達成し,センサから見えるにもかかわらず松葉表面の56.8%を到達不能と正しく識別する。
我々の知る限り、これは、以前のシーンモデルや固定ベースフレームを使わずに、ストリーミングスパースLiDARから、ポイント毎の表面アクセシビリティをリアルタイムで推定する最初の方法です。
関連論文リスト
- OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。
射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。
代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
論文 参考訳（メタデータ） (2026-09-08T19:45:58Z) - Z-FLoc: Zero-Shot Floorplan Localization via Geometric Primitives [72.63181031215858]
そこで本研究では,ゼロショットフロアプランのローカライズ手法を提案する。
我々の重要な洞察は、支配的な幾何学的プリミティブが人間が作った環境でユビキタスであることである。
シミュレーションと実世界の両方のデータセットの実験により、我々のアプローチは、目に見えない環境における最先端の学習ベースの手法よりも優れています。
論文 参考訳（メタデータ） (2026-06-03T12:14:24Z) - EXACT-MPPI: Exact Signed-Distance Navigation for Arbitrary-Footprint Robots from Point Clouds via Path Integral Control [11.31921914039084]
EXACT-MPPIは、ローカルナビゲーションを直接モーションコマンドにマッピングするフレームワークである。
解析的かつ正確な符号付き距離評価器をモデル予測パス積分(MPPI)コントローラに組み込む。
同じフレームワークは、differial-drive、Ackermann、およびハイブリッドモードプラットフォーム上にデプロイされている。
論文 参考訳（メタデータ） (2026-05-28T09:23:54Z) - Perception-Aware Autonomous Exploration in Feature-Limited Environments [9.046854275196605]
ステレオ搭載無人航空機(UAV)のための階層的知覚認識探索フレームワークを提案する。
提案手法は,グローバルな特徴マップを用いて,各候補フロンティアと期待される特徴品質を関連付け,視覚的に有意なサブゴールを優先する。
提案手法は,特徴品質を無視し,かつ連続ヨーを最適化しないベースラインと比較して,より信頼性の高い特徴追跡を維持でき,ドリフトを低減でき,また,オドメトリ誤差が特定の閾値を超える前に平均30%高いカバレッジを達成できる。
論文 参考訳（メタデータ） (2026-03-16T17:55:56Z) - Unsupervised 3D Point Cloud Completion via Multi-view Adversarial Learning [61.14132533712537]
MAL-UPCは、領域レベルとカテゴリ固有の幾何学的類似性の両方を効果的に活用するフレームワークである。
我々のMAL-UPCは3Dの完全な監視を一切必要とせず、トレーニングセットにおける一視点部分的な観察のみを必要とする。
論文 参考訳（メタデータ） (2024-07-13T06:53:39Z) - Surface Reconstruction from Point Clouds via Grid-based Intersection Prediction [12.329450385760051]
本稿では,点対の線分と暗黙曲面との交点を直接予測する手法を提案する。
提案手法は,ShapeNet,MGN,ScanNetの3つのデータセット上での最先端性能を示す。
論文 参考訳（メタデータ） (2024-03-21T02:31:17Z) - CAP-UDF: Learning Unsigned Distance Functions Progressively from Raw Point Clouds with Consistency-Aware Field Optimization [54.69408516025872]
CAP-UDFは、生の点雲から一貫性を考慮したUDFを学ぶための新しい方法である。
我々は、クエリと近似曲面の関係を徐々に推測するようにニューラルネットワークを訓練する。
学習されたUDFの勾配を用いて表面を抽出する多角化アルゴリズムも導入する。
論文 参考訳（メタデータ） (2022-10-06T08:51:08Z) - iSDF: Real-Time Neural Signed Distance Fields for Robot Perception [64.80458128766254]
iSDFは実時間符号付き距離場再構成のための連続学習システムである。
より正確な再構築と、衝突コストと勾配のより良い近似を生成する。
論文 参考訳（メタデータ） (2022-04-05T15:48:39Z) - Self-supervised Point Cloud Completion on Real Traffic Scenes via
Scene-concerned Bottom-up Mechanism [14.255659581428333]
ポイントクラウド補完は、オブジェクトの不完全な3Dスキャンのための完全な形状を参照することを目的としている。
現在のディープラーニングベースのアプローチは、トレーニングプロセスにおける大規模な完全な形状に依存しています。
本研究では,交通現場の車両に対して,完全なデータを持たない自己監視点クラウド補完手法(TraPCC)を提案する。
論文 参考訳（メタデータ） (2022-03-20T14:42:37Z) - Unified Multi-Modal Landmark Tracking for Tightly Coupled
Lidar-Visual-Inertial Odometry [5.131684964386192]
視覚,ライダー,慣性情報を協調的に最適化するモバイルプラットフォームのための効率的なマルチセンサ・オドメトリーシステムを提案する。
ライダー点雲から3次元線と平面原始体を抽出する新しい手法を提案する。
システムは、脚のあるロボットによる地下探査や、動的に動くハンドヘルドデバイスによる屋外スキャンなど、さまざまなプラットフォームやシナリオでテストされてきた。
論文 参考訳（メタデータ） (2020-11-13T09:54:03Z) - 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) - Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge
Detection [63.942632088208505]
本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。
これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
論文 参考訳（メタデータ） (2020-03-28T18:51:43Z)
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。