文献

J-GLOBAL ID：201902228619237792   整理番号：19A2098479

畳込みネットワークによるLIDAR点雲の運動場の学習【JST・京大機械翻訳】

Learning motion field of LiDAR point cloud with convolutional networks

著者 (5件)： Zou Cheng (School of Mechanical Engineering and Automation, Fuzhou University, Fuzhou, PR China) ,  He Bingwei (School of Mechanical Engineering and Automation, Fuzhou University, Fuzhou, PR China) ,  Zhu Mingzhu (School of Mechanical Engineering and Automation, Fuzhou University, Fuzhou, PR China) ,  Zhang Liwei (School of Mechanical Engineering and Automation, Fuzhou University, Fuzhou, PR China) ,  Zhang Jianwei (TAMS, Department of Informatics, University of Hamburg, Hamburg, Germany)
資料名： Pattern Recognition Letters  (Pattern Recognition Letters)
巻： 125  ページ： 514-520  発行年： 2019年 
JST資料番号： H0913A  ISSN： 0167-8655  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,物体検出,点状運動,および物体レベル運動が階層的に学習される畳込みニューラルネットワーク(CNN)による2つの連続LiDARスキャンにおける運動場推定のための新しい方法を提案した。入力段階において,独特のマッピングモデルはLiDAR点雲とその運動を記述するのに役立つ。符号化ネットワークにおいて,2つの入力マップを空間圧縮にかけ,相関層に融合した。デコードネットワークにおいて,モデル出力データは,オブジェクト検出,ポイントごとの動き,およびオブジェクトレベルの動きを網羅している。既存の地上トルースデータセットはCNNを訓練するために十分に大きくないので,訓練のための合成車両運動データセットを生成する。この集合は,模擬LiDARによって記録されたいくつかの同時に移動する3D車両を持つシーンを含んでいる。実際のデータセットと合成データセットの両方で行った実験は,提案した方法が他の最先端の運動場推定法より優れていることを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 復号化 ,  走査 ,  *ネットワーク ,  *畳込み ,  三次元 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  推定法 ,  車両運動 ,  畳込みニューラルネットワーク ,  物体検出 ,  *運動場 , 【Automatic Indexing@JST】

著者キーワード (3件)： 運動場 ,  CNN ,  ライダ

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)： 畳込み ,  LIDAR ,  点雲 ,  運動場 ,  学習