文献

J-GLOBAL ID：202102290491647224   整理番号：21A2454519

構造化光ベースRGB-Dセンサの厳密な誤差モデルによる平面適合精度の改善【JST・京大機械翻訳】

Improving Plane Fitting Accuracy with Rigorous Error Models of Structured Light-Based RGB-D Sensors

著者 (9件)： Li Yaxin (Shenzhen Research Institute, The Hong Kong Polytechnic University, Shenzhen 518057, China) ,  Li Yaxin (Department of Land Surveying and Geo-Informatics, The Hong Kong Polytechnic University, Hong Kong, China) ,  Li Wenbin (Department of Land Surveying and Geo-Informatics, The Hong Kong Polytechnic University, Hong Kong, China) ,  Darwish Walid (Geomatics Engineering Lab, Civil Engineering Department, Faculty of Engineering, Cairo University, Cairo 12613, Egypt) ,  Darwish Walid (Department of Electronic and Informatics, Faculty of Engineering, Vrije Universiteit Brussel, 1050 Brussels, Belgium) ,  Tang Shengjun (Guangdong Key Laboratory of Urban Informatics & Shenzhen Key Laboratory of Spatial Smart Sensing and Services & Guangdong Laboratory of Artificial Intelligence and Digital Economy (SZ) & Research Institute for Smart Cities, School of Architecture and Urban Planning, Shenzhen University, S...) ,  Hu Yuling (Department of Land Surveying and Geo-Informatics, The Hong Kong Polytechnic University, Hong Kong, China) ,  Chen Wu (Shenzhen Research Institute, The Hong Kong Polytechnic University, Shenzhen 518057, China) ,  Chen Wu (Department of Land Surveying and Geo-Informatics, The Hong Kong Polytechnic University, Hong Kong, China)
資料名： Remote Sensing (Web)  (Remote Sensing (Web))
巻： 12  号： 2  ページ： 320  発行年： 2020年 
JST資料番号： U7270A  ISSN： 2072-4292  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 平面フィッティングはポイントクラウドデータ処理のための基本的操作である。ポイントクラウド平面フィッティングのための大部分の既存の方法は,ポイントクラウドデータに等しい重みを与える高品質Lidarデータに基づいて開発した。近年,低品質RGB-Deth(RGB-D)センサを用いて,3Dモデルを生成することが多くの注目を集めている。しかし,低品質点雲データでは,RGB-Dセンサの距離誤差が距離関連であるので,等しい重み面フィッティング法は最適ではない。本論文では,構造化光(SL)ベースのRGB-Dセンサのための正確な平面フィッティング法を開発した。最初に,SLベースRGB-Dセンサからの点雲データセットの誤差モデルを,生測定から点座標までの誤差伝搬を通して導出した。次に,ランダムサンプルコンセンサス(RANSAC)ベースの平面フィッティング法に対して,導出した厳密な誤差モデルによる半径方向距離の最小化に基づく新しいコスト関数を提案した。実験結果は,著者らの方法が種々の操作範囲と種々の作動条件に対してロバストで実用的であることを示した。実験では,1.23メートルから4.31メートルまでの動作範囲に対して,平均平面角誤差は,およそ1度であり,平均平面距離誤差は,6センチメートル未満であった。データセットが大深度測定スケールであるとき,提案方法は,従来の非加重RANSAC方式から,それぞれ3.8度および16.8cmと比較して,平面角度誤差0.5度および平均距離誤差4.7cmで,平面適合精度を著しく改良することができた。また,実験結果は,提案した方法が異なるタイプのSLベースRGB-Dセンサに適用できることを示した。SLベースのRGB-Dセンサの厳密な誤差モデルは,異常値検出やデータ認証のような多くの応用に不可欠である。一方,本研究で開発した精密平面フィッティング法は,深さ較正,3D特徴ベース同時位置決めおよびマッピング(SLAM)のような高精度平面特徴および屋内建築物情報モデル(BIM)の生成に基づくアルゴリズムに利益を与える。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  半径方向 ,  位置決め ,  費用関数 ,  センサ ,  *三次元 ,  ロバスト性 ,  認証 ,  三次元モデル
準シソーラス用語： 高精度 ,  運転条件 ,  高品質 ,  RANSAC ,  点群データ ,  *RGB-D , 【Automatic Indexing@JST】

著者キーワード (4件)： 平面フィッティング ,  RGB-D ,  RANSAC ,  ポイントクラウド

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  ロボットの運動・制御  (IC04012J)

引用文献 (39件)：

• Dorninger, P.; Pfeifer, N. A comprehensive automated 3D approach for building extraction, reconstruction, and regularization from airborne laser scanning point clouds. Sensors 2008, 8, 7323-7343.
• Wang, C.; Cho, Y.K.; Kim, C. Automatic BIM component extraction from point clouds of existing buildings for sustainability applications. Autom. Constr. 2015, 56, 1-13.
• Patra, S.; Bhowmick, B.; Banerjee, S.; Kalra, P. High Resolution Point Cloud Generation from Kinect and HD Cameras using Graph Cut. VISAPP 2012, 12, 311-316.
• Seif, H.G.; Hu, X.J.E. Autonomous driving in the iCity-HD maps as a key challenge of the automotive industry. Engineering 2016, 2, 159-162.
• Yang, B.; Liang, M.; Urtasun, R. Hdnet: Exploiting hd maps for 3d object detection. In Proceedings of the Conference on Robot Learning, Osaka, Japan, 30 October-1 November 2019; pp. 146-155.

タイトルに関連する用語 (4件)： 構造化光 ,  RGB-Dセンサ ,  誤差 ,  モデル