論文の概要: Unsigned Distance Maps on 2D Point Cloud Registration

• arxiv url: http://arxiv.org/abs/2609.25932v2
• Date: Wed, 30 Sep 2026 09:04:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-02 04:51:24.268588
• Title: Unsigned Distance Maps on 2D Point Cloud Registration
• Title（参考訳）: 2次元ポイントクラウド登録における符号なし距離マップ
• Abstract要約: 2Dポイントクラウドの登録は、移動ロボットのレーザーオドメトリーとSLAMに発生する。 本稿では,符号のない距離マップに基づいて,ユークリッド距離を最寄り基準点まで事前計算する2次元点雲登録手法を提案する。 合成ベンチマークと実世界のIILABS 3Dデータセットでは、事前計算されたポイント・ツー・ポイントの変種が解析的な結果を上回っている。
• 参考スコア（独自算出の注目度）: 1.6901458945163788
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: 2D point cloud registration arises in laser odometry and Simultaneous Localization and Mapping (SLAM) for mobile robots. Iterative Closest Point (ICP) is one of the most widely used approaches. Still, its iterative procedure recomputes correspondences via nearest-neighbor search at every iteration, whereas correspondence-free alternatives focus on scan-to-map alignment. This paper proposes a 2D point cloud registration approach based on unsigned distance maps, precomputing the Euclidean distance to the nearest reference point, along with its spatial derivatives, over a discrete grid, replacing the per-iteration search with O(1) lookups. Moreover, point-to-point and point-to-plane error formulations are derived on the SE(2) manifold and solved via Gauss-Newton optimization. On a synthetic benchmark and the real-world IILABS 3D dataset, the precomputed point-to-point variant outperforms its analytical counterparts, achieving competitive laser-odometry drift compared to point-to-plane formulations, as the precomputed gradient regularizes correspondences in the presence of sensor noise.
• Abstract（参考訳）: 2Dポイントクラウドの登録は、移動ロボットのためのレーザーオドメトリーと同時局在マッピング(SLAM)に発生する。 イテレーティブ・クローズト・ポイント(ICP)は最も広く使われているアプローチの1つである。 それでも、反復的な手順は、各イテレーションで最寄りの検索によって、通信を再計算する一方、対応なしの代替手段は、スキャン・ツー・マップアライメントに重点を置いている。 本稿では,未符号距離マップに基づく2次元点雲登録手法を提案し,その空間微分とともにユークリッド距離を最近基準点にプリ計算し,離散格子上に配置し,O(1)検索に置き換える。 さらに、SE(2)多様体上で点対点および点対面誤差の定式化が導出され、ガウス・ニュートン最適化によって解かれる。 合成ベンチマークと実世界のIILABS 3Dデータセットでは、事前計算されたポイント・ツー・ポイントの変種は、センサーノイズの存在下での対応を正規化するため、点・平面の定式化よりも競合するレーザー・オーソメトリードリフトを達成する。

関連論文リスト

• SPARE: Symmetrized Point-to-Plane Distance for Robust Non-Rigid 3D Registration [77.13381026159111]
  本研究では,SPAREを提案する。SPAREは,非剛性登録のための対称化点-平面間距離を用いた新しい定式化である。 提案手法は, 厳密でない登録問題の精度を大幅に向上し, 比較的高い解効率を維持する。
  論文  参考訳（メタデータ） (2024-05-30T15:55:04Z)
• Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local Geometry-driven Distance Metric [62.365983810610985]
  そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。 CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。 一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
  論文  参考訳（メタデータ） (2023-06-01T11:16:20Z)
• Enhanced Laser-Scan Matching with Online Error Estimation for Highway and Tunnel Driving [0.0]
  Lidarデータは、自動運転車やモバイルロボットプラットフォームのナビゲーションのためのポイントクラウドを生成するために使用できる。 本稿では,2つの新しい改良点を提供するスキャンマッチングアルゴリズムであるIterative Closest Ellipsoidal Transform (ICET)を提案する。
  論文  参考訳（メタデータ） (2022-07-29T13:42:32Z)
• Learning to Register Unbalanced Point Pairs [10.369750912567714]
  最近の3D登録法は,大規模あるいは部分的に重複する点対を効果的に扱うことができる。 非平衡点対に対する新しい3次元登録手法であるUPPNetを提案する。
  論文  参考訳（メタデータ） (2022-07-09T08:03:59Z)
• Canny-VO: Visual Odometry with RGB-D Cameras based on Geometric 3D-2D Edge Alignment [85.32080531133799]
  本稿では,自由形式の曲線登録に関する古典的な問題をレビューし,効率的なrgbdビジュアルオドメトリシステムcanny-voに適用する。 エッジ登録でよく用いられる距離変換の代替として、近似近接近傍場と配向近接近傍場という2つの方法が提案されている。 3D2Dエッジアライメントは、効率性と精度の両方の観点から、これらの代替製剤の恩恵を受けます。
  論文  参考訳（メタデータ） (2020-12-15T11:42:17Z)
• RPM-Net: Robust Point Matching using Learned Features [79.52112840465558]
  RPM-Netは、より敏感で、より堅牢なディープラーニングベースのアプローチである。 既存の方法とは異なり、我々のRPM-Netは、部分的な可視性を備えた対応や点雲の欠如を処理します。
  論文  参考訳（メタデータ） (2020-03-30T13:45:27Z)
• Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
  本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。 我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。 LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-02-29T06:24:55Z)

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。