文献

J-GLOBAL ID：201702220362903676   整理番号：17A1271523

Gauss Markov確率場を用いた大規模2.5Dマッピングのための条件付き独立部分マップの結合【Powered by NICT】

Coupling conditionally independent submaps for large-scale 2.5D mapping with Gaussian Markov Random Fields

著者 (3件)： Sun Liye (Centre for Autonomous Systems at Faculty of Engineering and IT, University of Technology, Sydney NSW 2007, Australia) ,  Vidal-Calleja Teresa (Centre for Autonomous Systems at Faculty of Engineering and IT, University of Technology, Sydney NSW 2007, Australia) ,  Miro Jaime Valls (Centre for Autonomous Systems at Faculty of Engineering and IT, University of Technology, Sydney NSW 2007, Australia)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 3131-3137  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 空間相関を考慮した場合,建物の大規模2.5Dマップは非常に高価であるが,融合データのとき明確な利点である。最適サブマッピング戦略は大規模マッピングのためのGauss過程を用いた共分散形式で以前に検討されてきたが,本論文では,そのような概念を情報形式にに焦点を当てた。Gauss Markov確率場(GMRF)モデルの条件付き独立性を利用して,ほぼ最適な全球2.5Dマップを構築するためにサブマッピング手法を提案した。提案した手法ではデータが一つのセンサデータセットにGMRFを先ず当てはめることにより縮合条件付き独立サブマップは,このモデルを用いて推定し,到着新しいデータで個々に更新した。最後に,情報は部分マップ部分マップから伝搬した後に完全に更新されたマップを回復することである。これはGMRF,融合と伝搬すべての情報の形で固有の構造を利用することによって効率的に達成した。本稿の主な貢献は,最適サブマップ間の共通部分を更新するだけでサブマップによる情報を伝搬するアルゴリズムを導出することである。著者らの結果は,提案した方法は,完全なマッピングプロセスの計算の複雑さを減少させ精度を維持しながら示した。性能はカナダの数値標高データから合成データで評価した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： カナダ ,  共分散 ,  縮合反応 ,  *Gauss-Markov確率場 ,  モデル ,  アルゴリズム ,  計算量 ,  Gauss過程
準シソーラス用語： 標高データ ,  *確率場 ,  空間相関 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： Markov確率場 ,  大規模 ,  マッピング ,  マップ