Fugu-MT 論文翻訳(概要): PESTO: Formally Correct Registration of LiDAR Point Clouds with Limited Overlap

論文の概要: PESTO: Formally Correct Registration of LiDAR Point Clouds with Limited Overlap

arxiv url: http://arxiv.org/abs/2609.18082v1
Date: Wed, 16 Sep 2026 03:40:34 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-20 08:55:53.626584
Title: PESTO: Formally Correct Registration of LiDAR Point Clouds with Limited Overlap
Title（参考訳）: PESTO: オーバーラップが限定されたLiDAR点雲の形式的に正しい登録
Abstract要約: 我々は,LiDARデータに対して,テトラヘドラを「普遍的特徴」として活用する新しいアルゴリズム PESTO を提案する。我々は、PESTOが既存のソリューションと競合し、LiDARポイントクラウドの整合性を示す。
参考スコア（独自算出の注目度）: 2.75918928424708
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we tackle the problem of aligning LiDAR point clouds also known as the point cloud registration problem. We propose a new algorithm, PESTO, that exploits tetrahedra as "universal features" for LiDAR data, i.e., features that are agnostic to the environment where the LiDAR sensors are deployed. We show empirically that PESTO is competitive with existing solutions for aligning LiDAR point clouds, especially in environments with occlusions. Moreover, we establish PESTO's formal correctness by proving worst-case bounds on the alignment error.
Abstract（参考訳）: 本稿では,ポイントクラウド登録問題としても知られるLiDAR点雲の整合性の問題に取り組む。我々は,LiDARデータに対してテトラヘドラを「普遍的特徴」として活用する新しいアルゴリズム PESTO を提案する。我々はPESTOが既存のソリューションと競合し、特に閉塞のある環境においてLiDAR点雲の整合性を示すことを実証的に示す。さらに、アライメント誤差の最悪のケース境界を証明し、PESTOの形式的正当性を確立する。

関連論文リスト

LiDARDraft: Generating LiDAR Point Cloud from Versatile Inputs [16.062937048950946]
我々は,現実的で多様なLiDAR点雲を生成するためにLiDARDraftを提案する。 3Dレイアウトは、様々なユーザー入力から自明に生成できる。我々は、レンジマップベースのコントロールネットを使用して、LiDARポイントクラウド生成をガイドします。
論文参考訳（メタデータ） (2025-12-23T07:03:31Z)
SRMamba: Mamba for Super-Resolution of LiDAR Point Clouds [1.2277343096128712]
スパースシーンにおけるLiDAR点雲の高分解能化手法であるスペーシャアンバを提案する。具体的には, Hough Voting と Hole Compensation に基づく射影手法を実装し, 距離画像の水平線穴を除去する。非対称なU-Netネットワークは、ビーム数が異なるLiDARの入力特性に適応し、マルチビーム点雲の超解像再構成を可能にする。
論文参考訳（メタデータ） (2025-05-15T14:41:35Z)
UltraLiDAR: Learning Compact Representations for LiDAR Completion and Generation [51.443788294845845]
我々は、シーンレベルのLiDAR補完、LiDAR生成、LiDAR操作のためのデータ駆動フレームワークであるUltraLiDARを提案する。スパース点雲の表現を高密度点雲の表現に合わせることで、スパース点雲を密度化できることが示される。個別のコードブック上で事前学習を行うことで、多種多様な現実的なLiDARポイントクラウドを自動走行のために生成できます。
論文参考訳（メタデータ） (2023-11-02T17:57:03Z)
Detecting the Anomalies in LiDAR Pointcloud [8.827947115933942]
逆の気象条件は、LiDARが散乱ノイズ点や異常強度値などの異常なパターンを持つ点雲を発生させる可能性がある。そこで本研究では,LiDARが点雲特性を解析して異常点雲を発生しているかどうかを検知する手法を提案する。
論文参考訳（メタデータ） (2023-07-31T22:53:42Z)
LaserMix for Semi-Supervised LiDAR Semantic Segmentation [56.73779694312137]
We study the underexplored semi-supervised learning (SSL) in LiDAR segmentation。当社の中核となる考え方は、LiDAR点雲の強い空間的手がかりを活用して、ラベルのないデータをうまく活用することです。我々は、異なるLiDARスキャンからレーザービームを混合し、一貫性と自信のある予測を行うことを奨励するLaserMixを提案する。
論文参考訳（メタデータ） (2022-06-30T18:00:04Z)
Scribble-Supervised LiDAR Semantic Segmentation [102.62963605429508]
我々は、LiDARの点雲に注釈をつけるためにスクリブルを使用し、LiDARセマンティックセマンティックセグメンテーションのための最初のスクリブルアノテートデータセットであるScribbleKITTIをリリースする。私たちのパイプラインは3つのスタンドアロンコントリビューションで構成されており、すべてのLiDARセマンティックセグメンテーションモデルと組み合わせて、完全に管理されたパフォーマンスの95.7%を達成できます。
論文参考訳（メタデータ） (2022-03-16T11:01:23Z)
FLAVA: Find, Localize, Adjust and Verify to Annotate LiDAR-Based Point Clouds [93.3595555830426]
アノテーションプロセスにおけるヒューマンインタラクションを最小化するための体系的アプローチであるFLAVAを提案する。具体的には、アノテーションパイプラインを、検索、ローカライズ、調整、検証の4つの部分に分割します。また,本システムでは,実験結果を伝搬する軽量で効果的な機構を導入することにより,インタラクションの量を大幅に削減する。
論文参考訳（メタデータ） (2020-11-20T02:22:36Z)
ePointDA: An End-to-End Simulation-to-Real Domain Adaptation Framework for LiDAR Point Cloud Segmentation [111.56730703473411]
LiDARデータ上でディープニューラルネットワーク(DNN)をトレーニングするには、大規模なポイントワイドアノテーションが必要である。シミュレーション・トゥ・リアル・ドメイン適応(SRDA)は、DNNを無制限の合成データと自動生成されたラベルで訓練する。 ePointDAは、自己教師付きドロップアウトノイズレンダリング、統計不変および空間適応型特徴アライメント、転送可能なセグメンテーション学習の3つのモジュールで構成されている。
論文参考訳（メタデータ） (2020-09-07T23:46:08Z)
DeepCLR: Correspondence-Less Architecture for Deep End-to-End Point Cloud Registration [12.471564670462344]
この研究は、ディープニューラルネットワークを用いたポイントクラウド登録の問題に対処する。重なり合うデータ内容を持つ2つの点雲間のアライメントを予測する手法を提案する。提案手法は,最先端の精度と比較手法の最低実行時間を実現する。
論文参考訳（メタデータ） (2020-07-22T08:20:57Z)
Reconfigurable Voxels: A New Representation for LiDAR-Based Point Clouds [76.52448276587707]
本稿では,3次元点群から表現を構成する新しい手法であるReconfigurable Voxelsを提案する。具体的には,各地区を一定数のボクセルで適応的にカバーするランダムウォーク方式を考案する。この手法は,特に疎水領域において,ボクセル特性の安定性を効果的に向上することがわかった。
論文参考訳（メタデータ） (2020-04-06T15:07:16Z)

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。