文献

J-GLOBAL ID：202302265498503159   整理番号：23A1123451

局所幾何特徴量の学習による高精度LiDARオドメトリ推定

LiDAR Odometry Estimation with Trainable Local Geometric Features

著者 (5件)： 本田康平 (名古屋大) ,  小出健司 (産業技術総合研 デジタルアーキテクチャ研究セ) ,  横塚将志 (産業技術総合研 デジタルアーキテクチャ研究セ) ,  大石修士 (産業技術総合研 デジタルアーキテクチャ研究セ) ,  阪野貴彦 (産業技術総合研 デジタルアーキテクチャ研究セ)
資料名： ロボティクスシンポジア予稿集  (ロボティクスシンポジア講演論文集)
巻： 28th  ページ： 134-137  発行年： 2023年03月15日 
JST資料番号： L1084B  ISSN： 1881-7300  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・点の周囲の多様な局所幾何学形状をシームレスにLiDARオドメトリ推定に組み込むことによって,位置推定の精度を向上する新たなフレームワークを提案。
・連続的な局所幾何特徴量をLiDARオドメトリ推定に用いるため,一般化反復的最近接点(GICP)アルゴリズムに小規模ニューラルネットワークを組み込むことを提案。
・GICPのモデルに連続的な局所幾何特徴量を,ニューラルネットワークを用いて組み込むことにより,点群同士のデータ対応付けとマッチングコストが改善し推定精度が向上。

シソーラス用語： *指標 ,  特性 ,  学習 ,  *LIDAR ,  追従制御 ,  推定 ,  *アルゴリズム ,  ニューラルネットワーク ,  精度 ,  *ICPアルゴリズム ,  オドメトリ ,  位置推定 ,  *局所特徴量 ,  推定精度
準シソーラス用語： 幾何学的特徴

分類 (2件)： パターン認識  (JE07000S) ,  ロボットの設計・製造・構造要素  (IC04013A)

引用文献 (14件)：

• Ji Zhang and Sanjiv Singh. ′′loam: Lidar odometry and mapping in real-time′′. In Robotics: Science and Systems, Vol.2, pp.1-9, 2014.
• Aleksandr Segal, Dirk Haehnel, and Sebastian Thrun. ′′generalized-icp′′. In Robotics: science and systems, Vol.2, p.435, 2009.
• Leopoldo Armesto, Javier Minguez, and Luis Montesano. ′′a generalization of the metric-based iterative closest point technique for 3d scan matching′′. In International Conference on Robotics and Automation, pp.1367-1372, 2010.
• Charles Ruizhongtai Qi, Li Yi, Hao Su, and Leonidas J Guibas. ′′pointnet++: Deep hierarchical feature learning on point sets in a metric space′′. Advances in Neural Information Processing Systems, Vol.30, 2017.
• Qingyong Hu, Bo Yang, Linhai Xie, Stefano Rosa, Yulan Guo, Zhihua Wang, Niki Trigoni, and Andrew Markham. ′′randla-net: Efficient semantic segmentation of large-scale point clouds′′. In Conference on Computer Vision and Pattern Recognition, pp.11108-11117, 2020.

タイトルに関連する用語 (6件)： 幾何 ,  特徴量 ,  学習 ,  LIDAR ,  オドメトリ ,  推定