論文の概要: Real-Time Ground Normal Vector Estimation for Spherical Mobile 3D Mapping using LiDAR-Inertial Odometry
- arxiv url: http://arxiv.org/abs/2610.28701v1
- Date: Tue, 20 Oct 2026 11:30:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-10-23 00:40:06.104021
- Title: Real-Time Ground Normal Vector Estimation for Spherical Mobile 3D Mapping using LiDAR-Inertial Odometry
- Title（参考訳）: LiDAR慣性オドメトリーを用いた球状移動体3次元マッピングのための実時間地上標準ベクトル推定
- Abstract要約: 球状移動体マッピングシステムにおいて, 地上面の正規分布推定はオドメトリーに不可欠である。
我々は,通常のベクトルスコアリングと多段階検証による単一スキャン推定と,グローバル3Dマップを用いたLiDAR慣性オドメトリー(LIO)に基づく推定という,RANSACに基づく2つのアプローチを提案する。
- 参考スコア（独自算出の注目度）: 2.3686606788554614
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Accurate ground plane normal estimation is essential for odometry in spherical mobile mapping systems (SMMS), which face challenges from rapid rotations and limited ground coverage. We propose two RANSAC-based approaches: single-scan estimation with normal vector scoring and multi-step validation, and LiDAR-inertial odometry (LIO)-based estimation using a global 3D map. Evaluated across diverse real-world datasets against terrestrial laser scanner ground truth, results show that LIO-based estimation significantly outperforms single-scan methods in accuracy and robustness. Integrating ground normal estimates into the motion model improves pose estimation, supporting autonomous navigation in challenging and hazardous environments.
- Abstract（参考訳）: 球状移動体マッピングシステム (SMMS) では, 高速回転と限られた接地範囲の課題に直面している。
我々は,通常のベクトルスコアリングと多段階検証による単一スキャン推定と,グローバル3Dマップを用いたLiDAR慣性オドメトリー(LIO)に基づく推定という,RANSACに基づく2つのアプローチを提案する。
地上のレーザースキャナーの真実に対する様々な実世界のデータセットで評価した結果、LOOに基づく推定は精度とロバスト性においてシングルスキャン法を著しく上回っていることが示された。
地面の通常の推定をモーションモデルに統合することで、ポーズ推定を改善し、困難で危険な環境で自律的なナビゲーションをサポートする。
関連論文リスト
- MIRAGE: Metric Inference and Reliability-Aware Gaussian Estimation from Feed-Forward Vision [93.94532245173828]
フィードフォワードの3Dプリエントは信頼性の高いメートル法を欠き、長期の軌道漂流に悩まされることが多い。
対照的に、LiDAR-慣性推定はメートル法的に正確な動きを提供するが、高忠実度再構成に必要な画像空間の整合性は欠いている。
We propose $MIRAGE$, which is anchors feed-forward visual geometry to LiDAR-IMU metric motion and regulations online pose corrects。
論文 参考訳（メタデータ） (2026-10-08T18:00:56Z) - DIMM: Decoupled Multi-hierarchy Kalman Filter for 3D Object Tracking [50.038098341549095]
状態推定は、高い操作性を持つ3次元物体追跡において困難である。
本稿では,各方向の異なる動きモデルから推定される推定を効果的に組み合わせる新しいフレームワークであるDIMMを提案する。
DIMMは既存の状態推定手法のトラッキング精度を31.61%99.23%向上させる。
論文 参考訳（メタデータ） (2025-05-18T10:12:41Z) - LiSu: A Dataset and Method for LiDAR Surface Normal Estimation [12.282805218676208]
地上の真理面の正規アノテーションを付加した,最初の大規模合成LiDAR点クラウドデータセットLiSuを提案する。
また、自律運転データの時間特性を利用して、表面正規推定精度を向上させる新しいアノテート手法を提案する。
我々は,LiDAR表面の正規化評価において,LiSuに対する手法の有効性を実証する。
論文 参考訳（メタデータ） (2025-03-11T16:35:22Z) - ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。
累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。
その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
論文 参考訳（メタデータ） (2025-01-04T02:44:27Z) - An Atmospheric Correction Integrated LULC Segmentation Model for High-Resolution Satellite Imagery [0.0]
本研究では、大気の反射率と透過率を推定するために、ルックアップテーブルに基づく放射移動シミュレーションを用いる。
その後、修正された表面反射データは、教師付きおよび半教師付きセグメンテーションモデルで使用された。
論文 参考訳（メタデータ） (2024-09-09T10:47:39Z) - Towards Accurate Ground Plane Normal Estimation from Ego-Motion [10.22470503842832]
本稿では,車輪付き車両の地上面正規推定のための新しい手法を提案する。
実際には、地平面はブレーキと不安定な路面によって動的に変化する。
提案手法は, 実時間で正確な地平面正規ベクトルを入力し, 推定するためにオドメトリーのみを用いる。
論文 参考訳（メタデータ） (2022-12-08T12:06:36Z) - Normal Transformer: Extracting Surface Geometry from LiDAR Points Enhanced by Visual Semantics [7.507853813361308]
本稿では,LiDARとカメラセンサから得られた3次元点雲と2次元カラー画像を利用して表面正規化を行うマルチモーダル手法を提案する。
本稿では,視覚的意味論と3次元幾何学的情報を巧みに融合した,トランスフォーマーに基づくニューラルネットワークアーキテクチャを提案する。
交通シーンを模倣したシミュレーション3D環境から,提案モデルが学習可能であることが確認された。
論文 参考訳（メタデータ） (2022-11-19T03:55:09Z) - Robust Self-Supervised LiDAR Odometry via Representative Structure
Discovery and 3D Inherent Error Modeling [67.75095378830694]
そこで我々は,2段階のオドメトリ推定ネットワークを構築し,一連の部分領域変換を推定してエゴモーメントを求める。
本稿では,トレーニング,推論,マッピングフェーズにおける信頼できない構造の影響を軽減することを目的とする。
我々の2フレームのオードメトリーは、翻訳/回転誤差の点で、過去の芸術の状態を16%/12%上回っている。
論文 参考訳（メタデータ） (2022-02-27T12:52:27Z) - PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。
この2つのタスクを同一のメトリック空間で統一するモデルを提案する。
提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
論文 参考訳（メタデータ） (2021-01-17T05:11:38Z)
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。