論文の概要: Adaptive Depth-Map-Guided Bundle Adjustment for Correspondence-Free Multi-View Point Cloud Registration

• arxiv url: http://arxiv.org/abs/2609.01089v1
• Date: Tue, 01 Sep 2026 11:28:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-02 16:31:36.60458
• Title: Adaptive Depth-Map-Guided Bundle Adjustment for Correspondence-Free Multi-View Point Cloud Registration
• Title（参考訳）: 対応のない多視点クラウド登録のための適応深度マップ誘導バンドル調整
• Authors: Yiran Zhou, Yingyu Wang, Shoudong Huang, Liang Zhao,
• Abstract要約: 本稿では,対応のないマルチビューポイントクラウド登録のための適応層化深度マップ誘導バンドル調整フレームワークを提案する。 自己収集型産業データセットの実験により,提案手法が一貫した競争力のある復元精度を実現することを示す。
• 参考スコア（独自算出の注目度）: 10.891615423471317
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Robotic processing of irregular steel scrap requires dense 3-D measurement to replace manual visual assessment in hazardous cutting workcells. The reconstructed map is used to estimate piece dimensions, boundary geometry, feasible preheating and cutting regions, and collision-aware torch paths. The reconstruction errors therefore propagate directly to downstream measurement and planning. Existing multi-view registration methods commonly rely on feature extraction and data association to establish correspondences between views. In workcells with smooth metallic surfaces, repeated structures, occlusions, and partial overlaps, however, wrong correspondences may be established, leading to inaccurate pose estimation and distorted reconstruction. This paper presents an adaptive layered depth-map-guided bundle adjustment framework for correspondence-free multi-view point cloud registration. The scene is represented by a global 2.5-D grid, where each cell can adaptively maintain multiple depth hypotheses. Raw depth observations are directly projected into the global map to form depth constraints without explicit feature correspondences. At grid cells where multiple surfaces produce conflicting depths, a softmax-based layer assignment links each observation to compatible depth hypotheses. The resulting nonlinear least-squares formulation jointly refines sensor poses and the layered depth map, with correspondences implicitly induced by the depth-map representation and projection model. Experiments on self-collected industrial datasets show that the proposed method achieves consistently competitive reconstruction accuracy while maintaining robustness and low computational cost in challenging industrial scenarios. We release the open-source code implementation at: https://github.com/YiranZhou-Robotics/ADM-BA.git
• Abstract（参考訳）: 不規則なスチールスクラップのロボット処理は、危険な切削作業場の手作業による視覚的評価を置き換えるために、密集した3次元計測を必要とする。 再構成された地図は、ピース次元、境界幾何学、実現可能な予熱領域と切断領域、衝突対応トーチ経路を推定するために使用される。 したがって、再構成エラーは下流の計測と計画に直接伝播する。 既存のマルチビュー登録手法は、一般的に、ビュー間の対応を確立するために特徴抽出とデータアソシエーションに依存している。 しかし、スムーズな金属表面を持つワークセル、繰り返しの構造、閉塞、部分的な重なり合いを持つワークセルでは、誤った対応が確立され、不正確なポーズ推定と歪んだ再構成が実現される。 本稿では,対応のないマルチビューポイントクラウド登録のための適応層化深度マップ誘導バンドル調整フレームワークを提案する。 シーンはグローバルな2.5Dグリッドで表現され、各セルは複数の深度仮説を適応的に維持することができる。 生深度観測はグローバルマップに直接投影され、明示的な特徴対応なしに深度制約を形成する。 複数の表面が矛盾する深度を生成する格子セルでは、ソフトマックスベースの層割り当てが各観測を互換性のある深度仮説にリンクする。 結果として生じる非線形最小二乗の定式化は、深度マップ表現と投影モデルによって暗黙的に誘導される、センサポーズと層状深度マップを共同で洗練する。 自己収集型産業データセットの実験により, 提案手法は, 産業シナリオの挑戦において, 頑健さと計算コストの低さを維持しつつ, 一貫して競争力のある復元精度を達成できることが示されている。 https://github.com/YiranZhou-Robotics/ADM-BA.git

関連論文リスト

• From Uncertainty to Determinism: Coarse-to-Fine Visual Floorplan Localization without Ray Matching [12.273420964874058]
  本稿では,不確実性から決定論へと進展する粗大な視覚的FLOCフレームワークを提案する。 改良段階において,候補中心の作物から有界なサブメーターの残差を予測できる局所精製器を提案する。 本手法は,オフラインマップ前処理やテストタイムのルックアップテーブルを必要とせずに,グローバルなマルチハイプセシストラッキングと局所サブメーター改善のバランスを効果的に行う。
  論文  参考訳（メタデータ） (2026-07-29T12:10:00Z)
• SiLVR: Scalable Lidar-Visual Radiance Field Reconstruction with Uncertainty Quantification [0.6445605125467574]
  本稿では,ライダーと視覚データを融合したNeRFを用いた大規模再構成システムを提案する。 我々のシステムはライダーを組み込むために最先端のNeRF表現を採用する。 ライダーデータを追加すると、深さと表面の正規値に強い幾何学的制約が加わる。
  論文  参考訳（メタデータ） (2025-02-04T19:00:49Z)
• Refinement of Monocular Depth Maps via Multi-View Differentiable Rendering [6.372979654151044]
  現在の最先端のモノクル深度推定器は、広範囲なデータセットで訓練され、よく一般化されているが、多くのアプリケーションに必要な3D一貫性が欠如している。 本稿では,これらの一般化単分子深度推定手法の強度を多視点データと組み合わせ,これを解析・合成最適化問題としてフレーミングする。 提案手法は,室内シナリオの難易度においても,詳細な,高品質なビュー一貫性のある,正確な深度マップを生成でき,また,そのようなデータセット上での最先端のマルチビュー深度再構成手法よりも優れる。
  論文  参考訳（メタデータ） (2024-10-04T18:50:28Z)
• 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)
• Neural Semantic Surface Maps [52.61017226479506]
  本稿では,2つの属とゼロの形状の地図を自動計算する手法を提案する。 提案手法は,手動のアノテーションや3Dトレーニングデータ要求を排除し,意味的表面-表面マップを生成する。
  論文  参考訳（メタデータ） (2023-09-09T16:21:56Z)
• A Unified BEV Model for Joint Learning of 3D Local Features and Overlap Estimation [12.499361832561634]
  本稿では,3次元局所特徴の同時学習と重なり推定のための統合鳥眼ビュー(BEV)モデルを提案する。 提案手法は,特に重複の少ないシーンにおいて,重複予測における既存手法よりも優れていた。
  論文  参考訳（メタデータ） (2023-02-28T12:01:16Z)
• Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
  本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。 平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。 提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
  論文  参考訳（メタデータ） (2022-05-05T17:59:55Z)
• SCFusion: Real-time Incremental Scene Reconstruction with Semantic Completion [86.77318031029404]
  本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。 我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
  論文  参考訳（メタデータ） (2020-10-26T15:31:52Z)

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。