文献

J-GLOBAL ID：201802210025445755   整理番号：18A1508612

ライダに基づくループクロージャ検出のための同期敵対特徴学習【JST・京大機械翻訳】

Synchronous Adversarial Feature Learning for LiDAR based Loop Closure Detection

著者 (6件)： Yin Peng (Shenyang Institute of Automation, Chinese Academy of Sciences, State Key Laboratory of Robotics, Shenyang, 110016) ,  He Yuqing (Shenyang Institute of Automation, Chinese Academy of Sciences, State Key Laboratory of Robotics, Shenyang, 110016, China) ,  Xu Lingyun (Shenyang Institute of Automation, Chinese Academy of Sciences, State Key Laboratory of Robotics, Shenyang, 110016) ,  Peng Yan (School of Mechatronic Engineering and Automation, Robotics, Shanghai, China) ,  Han Jianda (Shenyang Institute of Automation, Chinese Academy of Sciences, State Key Laboratory of Robotics, Shenyang, 110016, China) ,  Xu Weiliang (University of Auckland, Department of Mechanical Engineering, New Zealand China)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2018  号： ACC  ページ： 234-239  発行年： 2018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： ループC確実検出(LCD)は,同時位置決めとマッピング(SLAM)タスクにおける必須モジュールである。現在の外観ベースSLAM法において,視覚入力は通常照明,外観および視点変化により影響される。視覚入力と比較して,能動的性質,光検出と測距(LiDAR)ベースの点雲入力は照明と外観変化に不変である。本論文では,LiDAR入力から3Dボクセルマップと2Dトップビューマップを抽出し,前者は局所幾何学を単純化3Dボクセルフォーマットに捉えることができ,後者は局所道路構造を2D画像フォーマットに捉えることができた。しかし,最も挑戦的な問題は,3Dと2Dマップからの効率的な特徴を得ることである。本論文では,ラベルデータなしに異なるドメインから高レベル抽象特徴を学習することができる,LCDタスクのための同期敵特徴学習法を提案した。著者らの知る限りでは,本研究は,実時間でのLCDタスクに対するマルチドメインの敵の特徴を抽出する最初のものである。性能を調査するために,KITTIオドメトリーデータセットに関する提案方法をテストした。広範な実験結果により,提案した方法は,大きな視点差の下でもLCD精度を大幅に改善できることを示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 光検出 ,  平面図 ,  視覚 ,  ボクセル ,  簡素化 ,  位置決め ,  *学習 ,  三次元 ,  距離測定 ,  不変性 ,  幾何学 ,  照明 ,  二次元 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  オドメトリ , 【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 (5件)： ライダ ,  ループ ,  クロージャ ,  敵対 ,  学習