論文の概要: Extending Ground-Constraint LiDAR-IMU Calibration to Tilted Surfaces in a Continuous-Time Framework
- arxiv url: http://arxiv.org/abs/2608.25135v1
- Date: Tue, 25 Aug 2026 20:35:18 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-27 14:15:15.434568
- Title: Extending Ground-Constraint LiDAR-IMU Calibration to Tilted Surfaces in a Continuous-Time Framework
- Title（参考訳）: 連続時間フレームワークによる地盤拘束LiDAR-IMUキャリブレーションの傾斜面への応用
- Abstract要約: 本稿では,地中車両の目標のないLiDAR-IMUキャリブレーションを非平坦環境に拡張する手法を提案する。
通常、センサー・リグの完全な排他的操作を必要とするが、これは通常の運転では地上車両が満たさない要件である。
退化した平面運動に対処するために、最先端の手法は重力と物理的表面の正規ベクトルの線型性を仮定する残差を提案する。
- 参考スコア（独自算出の注目度）: 5.115643891749577
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a novel method that extends targetless LiDAR-IMU calibration for ground vehicles to non- flat environments. Calibration typically necessitates full exci- tation of the sensor rig, a requirement that is not fulfilled by ground vehicles in normal operation. To address the degenerate planar motion, state-of-the-art methods propose residuals that assume the colinearity of the gravity and physical surface normal vectors, restricting usage to cases where the ground is assumed flat. This paper proposes ground-plane residuals that do not require this assumption, and are applicable for planar motion on a tilted surface. Results are demonstrated on a dataset collected from a Husky ground vehicle, on the M2DGR dataset, as well as on an offroad vehicle dataset. Repeatability is shown to be improved both in tilted and flat-ground scenarios, with strong improvement demonstrated for the tilted case. The implementation and experiments are open-sourced at https://github.com/vkorotkine/licalib_tilted_ground.
- Abstract（参考訳）: 本稿では,地中車両の目標のないLiDAR-IMUキャリブレーションを非平坦環境に拡張する手法を提案する。
キャリブレーションは通常、通常の運転で地上車両が満たさない要求であるセンサーリグの完全な排他的操作を必要とする。
退化平面運動に対処するために、最先端の手法では、重力と物理的表面正規ベクトルの線型性を仮定する残差を提案し、地面が平らであると仮定する場合に使用を制限する。
本稿では、この仮定を必要とせず、傾斜面上の平面運動に適用可能な地上面残留物を提案する。
結果は、Husky地上車両から収集されたデータセット、M2DGRデータセット、およびオフロード車両データセットで実証される。
リピータビリティは傾きのシナリオと平らなシナリオの両方で改善され,傾きのケースでは強い改善が示された。
実装と実験はhttps://github.com/vkorotkine/licalib_tilted_ground.comで公開されている。
関連論文リスト
- Automated Hybrid Grounding Using Structural and Data-Driven Heuristics [68.08622864330296]
ハイブリットグラウンドリングは、標準ボトムアップグラウンドリングの強度と、グラウンドニング中にルールボディを分離する手法を組み合わせたものである。
ハイブリッド接地が身体分離接地をいつ使うか、標準ボトムアップ接地をいつ使うかは未定である。
我々は,データ構造に基づく分割アルゴリズムを導入し,身体分離接地と標準接地がいつ有用かを検出する。
論文 参考訳（メタデータ） (2025-07-23T13:19:02Z) - LiSu: A Dataset and Method for LiDAR Surface Normal Estimation [12.282805218676208]
地上の真理面の正規アノテーションを付加した,最初の大規模合成LiDAR点クラウドデータセットLiSuを提案する。
また、自律運転データの時間特性を利用して、表面正規推定精度を向上させる新しいアノテート手法を提案する。
我々は,LiDAR表面の正規化評価において,LiSuに対する手法の有効性を実証する。
論文 参考訳（メタデータ） (2025-03-11T16:35:22Z) - Unified Human Localization and Trajectory Prediction with Monocular Vision [64.19384064365431]
MonoTransmotionはトランスフォーマーベースのフレームワークで、モノクロカメラのみを使用して、ローカライゼーションと予測タスクを共同で解決する。
両タスクを統合フレームワークで共同でトレーニングすることにより,ノイズの多い入力による実環境シナリオにおいて,我々の手法がより堅牢であることを示す。
論文 参考訳（メタデータ） (2025-03-05T14:18:39Z) - ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。
累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。
その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
論文 参考訳（メタデータ） (2025-01-04T02:44:27Z) - PSS-BA: LiDAR Bundle Adjustment with Progressive Spatial Smoothing [27.060381833488172]
本稿では, プログレッシブ空間平滑化によるLiDARバンドル調整について述べる。
提案手法の有効性とロバスト性をシミュレーションと実世界のデータセットで検証した。
論文 参考訳（メタデータ） (2024-03-10T07:56:54Z) - Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。
これにより、ランドマークの種類は両方のソースから観測できなければならない。
車両軌道推定のための動的重み付き因子グラフモデルを提案する。
論文 参考訳（メタデータ） (2023-11-13T12:44:14Z) - Ground Plane Matters: Picking Up Ground Plane Prior in Monocular 3D
Object Detection [92.75961303269548]
先行する地平面は、モノクル3次元物体検出(M3OD)における非常に情報的な幾何学的手がかりである
本稿では,両問題を一度に解決するGPENetを提案する。
我々のGPENetは、他の手法よりも優れ、最先端のパフォーマンスを実現し、提案手法の有効性と優位性を示すことができる。
論文 参考訳（メタデータ） (2022-11-03T02:21:35Z) - Fast and Robust Ground Surface Estimation from LIDAR Measurements using
Uniform B-Splines [3.337790639927531]
自動走行車におけるLIDAR測定から地上面を高速かつ頑健に推定する手法を提案する。
本稿では,線形問題として再計算可能なLS最適化問題として推定過程をモデル化する。
実世界のシナリオにおける研究車両のアプローチを検証する。
論文 参考訳（メタデータ） (2022-03-02T15:26:51Z) - Surface Warping Incorporating Machine Learning Assisted Domain
Likelihood Estimation: A New Paradigm in Mine Geology Modelling and
Automation [68.8204255655161]
新たに取得した破砕孔データによって課される地球化学的および空間的制約に基づいて, モデル表面を再構成するバイーシアンワープ法が提案されている。
本稿では,このワーピングフレームワークに機械学習を組み込むことにより,可能性の一般化を図る。
その基礎は、p(g|c) が p(y(c)|g と似た役割を果たすような地質領域の確率のベイズ計算によって構成される。
論文 参考訳（メタデータ） (2021-02-15T10:37:52Z) - Surface Normal Estimation of Tilted Images via Spatial Rectifier [23.112310775824714]
既存のアプローチでは、重力整列画像を用いてトレーニングされたため、表面の正常を予測できる境界性能を示す。
この2つの仮説は,(1) 視覚的シーンレイアウトは重力方向の指標であり,(2) トレーニングデータの構造的分布から,すべての面が等しく学習された推定器で表されるわけではない,というものである。
傾斜画像の表面正規分布を重力分布に一致するものに変換する空間推定器を設計する。
論文 参考訳（メタデータ） (2020-07-17T22:22:34Z)
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。