論文の概要: Degeneracy-Orthogonal Geometric Constraints for LiDAR SLAM
- arxiv url: http://arxiv.org/abs/2609.36753v1
- Date: Tue, 29 Sep 2026 05:25:12 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-30 21:28:47.208597
- Title: Degeneracy-Orthogonal Geometric Constraints for LiDAR SLAM
- Title（参考訳）: LiDAR SLAMの縮退・直交幾何学的制約
- Abstract要約: LiDARのオドメトリーは基本的に、特徴弱の走行方向に沿った非拘束ドリフトによって制限される。
横断ランドマークのためのデジェネラル・オルソゴン・コンターオフセット記述子(DeCOD)を提案する。
DeCODは標準の3Dディスクリプタ上で頑健なランドマーク検索を実現し、様々なオードメトリのトラジェクトリを安定させる。
- 参考スコア（独自算出の注目度）: 2.887017020140607
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous robot navigation relies on simultaneous localization and mapping (SLAM) to estimate motion and maintain an accurate pose within an environment. However, in axially uniform corridors such as long tunnels and pipelines, LiDAR odometry is fundamentally limited by unconstrained drift along the feature-weak travel direction. This structural degeneracy cannot be resolved by local scan matching alone. To address this challenge, we propose the Degeneracy-orthogonal Contour Offset Descriptor (DeCOD), a structure-aligned geometric descriptor for cross-sectional landmarks. Cross-sectional boundaries, such as pipe joints and structural rings, provide metric constraints along this degenerate axis, but distinguishing individual landmarks requires capturing subtle surface variations across nearly identical profiles. The descriptor parameterizes signed normal deviation from estimated boundary contours, and matching explicitly resolves heading ambiguity and decouples first-order contour errors by distortion estimation. Matched landmarks yield geometric factors that enforce agreement in cross-section position and corridor axis alignment during pose-graph optimization, correcting longitudinal drift while leaving rotation about the common axis unconstrained. On a public benchmark and in field experiments, DeCOD achieves robust landmark retrieval over standard 3D descriptors and successfully stabilizes trajectories across different odometry frontends, reliably constraining longitudinal drift under geometric degeneracy.
- Abstract（参考訳）: 自律型ロボットナビゲーションは、動きを推定し、環境内で正確なポーズを維持するために、同時位置決めとマッピング(SLAM)に依存している。
しかし、長いトンネルやパイプラインのような軸方向の均一な廊下では、LiDARのオドメトリーは、特徴弱の走行方向に沿った非拘束的なドリフトによって根本的に制限される。
この構造的縮退は局所的なスキャンマッチングだけでは解決できない。
この課題に対処するために、断面ランドマークのための構造整列幾何記述子であるデジェネラル・オルソゴン・コンターオフセット記述子(DeCOD)を提案する。
パイプジョイントや構造環のような断面境界は、この縮退軸に沿ってメートル法的な制約を与えるが、個々のランドマークを区別するには、ほぼ同一のプロファイルで微妙な表面変化を捉える必要がある。
記述子は、推定された境界輪郭からの符号付き正規偏差をパラメータ化し、マッチングは、方向のあいまいさを明示的に解決し、歪み推定により一階の輪郭誤差を分離する。
マッチングされたランドマークは、ポーズグラフ最適化中に断面位置と回廊軸アライメントの一致を強制する幾何学的要因を生成し、コモン軸の回転を制限しないまま長手方向のドリフトを補正する。
公的なベンチマークやフィールド実験において、DeCODは標準の3次元記述子上で頑健なランドマーク検索を実現し、幾何的縮退下での縦方向のドリフトを確実に拘束し、異なるオードメトリのフロントエンドをまたいだ軌道の安定化に成功した。
関連論文リスト
- Landmark shape spaces with induced metrics [2.1665689529884697]
我々は、剛体運動を分解し、ユークリッド幾何学を備えたランドマーク構成に固定するケンドールのランドマーク形状空間を統一する。
降下計量の正則性はランドマークの衝突を防ぎ、距離はランドマークの数とは独立に周囲空間で定義され、局所的な剛性変換は保存され、大域的な剛性運動は取り除かれ、スケールは固定される。
論文 参考訳（メタデータ） (2026-07-30T11:41:19Z) - Robust 3D Alignment of Generative Reconstructions via Partial Monocular Observations [46.983222121901235]
生成から部分的単分子観測アライメントは、コンピュータビジョンにおける重要な課題であるが、未発見の課題である。
本稿では,3次元類似度変換によって生成した3次元前処理を基盤とした,学習不要かつ解釈可能な幾何学的アライメントフレームワークを提案する。
実験により,本手法は,古典的幾何学的パイプラインと最先端の学習ベースラインの両方を著しく上回り,安定かつ正確な登録を実現することが示された。
論文 参考訳（メタデータ） (2026-07-01T06:30:47Z) - Geodesics with Unified Tangent-constrained Priors and Curvature Regularization [24.540173691581575]
曲率ペンタライズされた測地線モデルは、大域的最適曲線の計算による画像分割において、その効果が証明されている。
本稿では, タンジェント制約前処理と曲率ペナリゼーションを統合した統合測地学フレームワークを提案する。
論文 参考訳（メタデータ） (2026-05-28T23:27:05Z) - Riemannian-Manifold Steering: Geometry-Aware Generative Autoencoders for Label-Free Steering [3.854000879223449]
我々は、活性化空間上のtextbfRiemann 測地線計算として多様体のステアリングをリキャストする。
我々はこれを、小さな概念整合スキーマ上で出力距離を訓練した学習エンコーダと近似する。
論文 参考訳（メタデータ） (2026-05-24T08:41:56Z) - A Mean Curvature Approach to Boundary Detection: Geometric Insights for Unsupervised Learning [52.452902154360565]
本稿では,幾何学的機械学習に基づく新しい幾何学的フレームワークであるMean Curvature Boundary Points (MCBP)を紹介する。
MCBPはデータ多様体の固有曲率を明示的にモデル化し、原理化された多様体のパラメトリゼーションを必要としない点平均曲率を計算する。
合成および実世界のデータセットの実験により、MCBPはクラスタリング性能を一貫して改善することを示した。
論文 参考訳（メタデータ） (2026-05-05T20:19:09Z) - Robust Sequential Tracking via Bounded Information Geometry and Non-Parametric Field Actions [0.0]
LiDARによるターゲット追跡、高周波暗号秩序フロー、量子状態トモグラフィーの3つの領域にわたる実証的なベンチマークでは、この情報ジオメトリが異常値を解析的に減らすことを実証している。
論文 参考訳（メタデータ） (2026-03-13T21:40:44Z) - Riemannian Flow Matching for Disentangled Graph Domain Adaptation [51.98961391065951]
グラフドメイン適応(GDA)は典型的には、ユークリッド空間におけるグラフ埋め込みの整列に逆学習を使用する。
DisRFMは、埋め込みとフローベースのトランスポートを統一する幾何学的なGDAフレームワークである。
論文 参考訳（メタデータ） (2026-01-31T11:05:35Z) - ARGUS: Adaptive Rotation-Invariant Geometric Unsupervised System [0.0]
本稿では,データ多様体の固定空間分割上での局所統計追跡としてドリフト検出を再現するフレームワークであるArgusを紹介する。
正準正則フレーム上のボロノイテッセルレーションは変換に不変なドリフト計量をもたらす。
孤立摂動からコヒーレントな分布シフトを区別するドリフト伝播のグラフ理論的特徴付けを開発した。
論文 参考訳（メタデータ） (2026-01-03T22:39:20Z) - 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) - From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized
3D Point Clouds [59.98665358527686]
直交平面の分割自由結合推定法を提案する。
このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。
本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
論文 参考訳（メタデータ） (2020-01-21T06:51:47Z)
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。