論文の概要: NM-LIO: Multiple LiDAR-Inertial Odometry Addressing LiDAR Measurement Noise Discrepancy
- arxiv url: http://arxiv.org/abs/2610.04551v1
- Date: Sat, 03 Oct 2026 14:33:27 GMT
- ステータス: 情報取得中
- システム内更新日: 2026-10-06 21:22:53.586094
- Title: NM-LIO: Multiple LiDAR-Inertial Odometry Addressing LiDAR Measurement Noise Discrepancy
- Title（参考訳）: NM-LIO:LiDAR計測ノイズの相違に対処した多重LiDAR慣性オドメトリー
- Abstract要約: ノイズの相違に対処するノイズ対応多重LiDAR慣性オドメトリー(NM-LIO)を提案する。
我々は,各LiDARの測定ノイズを定量化するためにノイズモデルを統合し,残差の不確かさを推定する。
提案手法は, パブリックな複数のLiDARデータセットを用いて評価し, 最先端の手法と比較した。
- 参考スコア（独自算出の注目度）: 12.168638031984239
- License:
- Abstract: Multiple LiDAR-inertial odometry methods have been widely applied in robotic applications owing to their enhanced accuracy and reliability. However, adopting multiple LiDAR systems can be challenging due to the discrepancies in measurement noise across different LiDARs. Existing methods have typically overlooked the noise discrepancies, which can significantly affect accuracy. In this paper, we propose Noise-aware Multiple LiDAR-Inertial Odometry (NM-LIO) that addresses the noise discrepancies. We integrate a noise model to quantify the measurement noise of each LiDAR. Additionally, we estimate the uncertainty of the residuals based on the measurement noise, allowing the measurement model to capture the noise discrepancies. Our proposed method is evaluated on a public multiple LiDAR dataset and compared with state-of-the-art methods. The experimental results demonstrate that the proposed method can accurately estimate the odometry in various environments by accounting for the noise discrepancies.
- Abstract（参考訳）: 複数のLiDAR慣性オドメトリー法がロボット応用に広く応用されている。
しかし、複数のLiDARシステムを採用することは、異なるLiDAR間での計測ノイズの相違により困難になる可能性がある。
既存の手法は通常ノイズの差を見落としており、精度に大きな影響を及ぼす可能性がある。
本稿では,ノイズの相違に対処する雑音対応多重LiDAR-慣性オドメトリー(NM-LIO)を提案する。
我々は各LiDARの測定ノイズを定量化するためにノイズモデルを統合する。
さらに, 測定ノイズに基づいて残差の不確かさを推定し, 測定モデルがノイズの差を捉えられるようにした。
提案手法は, パブリックな複数のLiDARデータセットを用いて評価し, 最先端の手法と比較した。
実験の結果,提案手法は騒音の相違を考慮し,様々な環境における音韻を正確に推定できることがわかった。
関連論文リスト
- Towards Robust Optimal Measurements Against Noise in Quantum Metrology [1.6417409087671928]
我々はフィッシャー情報計測ノイズの感受性理論に基づいて,ロバストな最適測定を実験的に検討した。
偏極型マッハ・ツェンダー干渉計により制御雑音下で位相推定を行う。
その結果、異なる測定値がノイズに対して異なる感度を示すことが示唆された。
論文 参考訳（メタデータ） (2026-06-24T09:44:05Z) - Triply Laplacian Scale Mixture Modeling for Seismic Data Noise Suppression [51.87076090814921]
ポーラシティに基づくテンソルリカバリ法は, 地震データノイズを抑制する大きな可能性を示している。
本研究では, 3次元ラプラシアンスケール混合(TLSM)による地震波の抑制手法を提案する。
論文 参考訳（メタデータ） (2025-02-20T08:28:01Z) - Fast, accurate, and error-resilient variational quantum noise spectroscopy [0.0]
本稿では,現在の雑音スペクトルの限界を克服する新しい手法を提案する。
量子センサーと環境との相互作用を特徴付けるノイズスペクトルを自己一貫性で抽出する。
ダイヤモンド中の窒素空孔センサのノイズスペクトルを再構成するために,本手法を用いた。
論文 参考訳（メタデータ） (2024-11-26T03:04:05Z) - Learning Radio Environments by Differentiable Ray Tracing [56.40113938833999]
本稿では, 材料特性, 散乱, アンテナパターンの微分パラメトリゼーションによって補う, 勾配式キャリブレーション法を提案する。
提案手法は,MIMO(分散マルチインプットマルチインプット・マルチアウトプット・チャネル・サウンドア)を用いて,合成データと実世界の屋内チャネル計測の両方を用いて検証した。
論文 参考訳（メタデータ） (2023-11-30T13:50:21Z) - The role of noise in denoising models for anomaly detection in medical
images [62.0532151156057]
病理脳病変は脳画像に多彩な外観を示す。
正規データのみを用いた教師なし異常検出手法が提案されている。
空間分解能の最適化と雑音の大きさの最適化により,異なるモデル学習体制の性能が向上することを示す。
論文 参考訳（メタデータ） (2023-01-19T21:39:38Z) - Improve Noise Tolerance of Robust Loss via Noise-Awareness [60.34670515595074]
本稿では,NARL-Adjuster(NARL-Adjuster for brevity)と呼ばれる,ハイパーパラメータ予測関数を適応的に学習するメタラーニング手法を提案する。
4つのSOTAロバストな損失関数を我々のアルゴリズムに統合し,提案手法の一般性および性能をノイズ耐性と性能の両面で検証した。
論文 参考訳（メタデータ） (2023-01-18T04:54:58Z) - Adaptive Multi-View ICA: Estimation of noise levels for optimal
inference [65.94843987207445]
Adaptive MultiView ICA (AVICA) はノイズの多いICAモデルであり、各ビューは共有された独立したソースと付加的なノイズの線形混合である。
AVICAは、その明示的なMMSE推定器により、他のICA法よりも優れたソース推定値が得られる。
実脳磁図(MEG)データでは,分解がサンプリングノイズに対する感度が低く,ノイズ分散推定が生物学的に妥当であることを示す。
論文 参考訳（メタデータ） (2021-02-22T13:10:12Z) - Real-time estimation of the optically detected magnetic resonance shift
in diamond quantum thermometry [47.50219326456544]
ナノダイヤモンド(NDs)における窒素空孔中心の光検出磁気共鳴(ODMR)の周波数シフトのリアルタイム推定手法について検討する。
近年,多点ODMR測定とND粒子追跡を蛍光顕微鏡に効果的に統合することで,生体内温度の安定なモニタリングが実証されている。
論文 参考訳（メタデータ） (2020-06-12T01:44:35Z)
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。