文献

J-GLOBAL ID：201702238069576326   整理番号：17A1773123

ディープニューラルネットワークオートエンコーダを用いた位置確認のための3次元点群レジストレーション【Powered by NICT】

3D Point Cloud Registration for Localization Using a Deep Neural Network Auto-Encoder

著者 (3件)： Elbaz Gil ,  Avraham Tamar ,  Fischer Anath
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 2472-2481  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： 大規模点雲と近接走査点雲のレジストレーションのためのアルゴリズムを提案した,二点群座標系の初期位置に関する事前情報の完全に独立な局在解を提供した。LORAXを示し,このアルゴリズムは超点-点の局所的サブセットを選択し,低次元記述子を用いて各の幾何学的構造を述べた。これらの記述子は,効率的な粗レジストレーションプロセスとそれに続く微調整段階でマッチング領域を推定するために使用した。超点の集合は,重なり球を用いた点雲をカバーし,低品質またはnonsalient領域をフィルタリングして選択した。記述子は最先端の教師なし機械学習を用いて計算した深層ニューラルネットワークに基づくオートエンコーダの技術を利用している。抜粋この新しいフレームワーク粗点雲レジストレーションのための手作業で設計したキーポイント記述子を用いる一般の実行に強力な代替を提供する。キーポイントの代わりに超点を利用した利用可能な幾何学的データを可能にする正しい変換を見出すことより有効であった。伝統的記述子の代わりに深層ニューラルネットワークオートエンコーダを用いたコード局所3D幾何学的構造は,他のコンピュータビジョン応用で見られる傾向を続けていると実際に優れた結果をもたらした。アルゴリズムは挑戦的な点雲登録データセットでテストし,以前のアプローチに対するその性能的優位性と同様に密度変化,雑音や欠損データに対してロバスト性を示した。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： ロバスト性 ,  *三次元 ,  コンピュータビジョン ,  フィルタリング ,  *点群 ,  機械学習 ,  雑音 ,  部分集合 ,  深層 ,  *位置決め ,  マッチング ,  アルゴリズム ,  *ニューラルネットワーク
準シソーラス用語： 欠測値 ,  事前知識 , 【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)： 位置確認 ,  3次元 ,  点群 ,  レジストレーション