深い多目的記述子による自己教師付きポイントクラウドレジストレーション【JST・京大機械翻訳】

Liu Dongrui; Chen Chuanchuan; Xu Changqing; Qiu Robert; Chu Lei

プレプリント

J-GLOBAL ID：202202207636269946 整理番号：22P0279194

深い多目的記述子による自己教師付きポイントクラウドレジストレーション【JST・京大機械翻訳】

Self-Supervised Point Cloud Registration with Deep Versatile Descriptors

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年01月24日プレプリントサーバーでの情報更新日： 2023年04月12日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

知的輸送システムにおける基本的だが挑戦的な問題として,点クラウドレジストレーションは,大きな注目を引きつけ,様々な深層学習ベースアルゴリズムで達成されてきた。教師なしレジストレーションアルゴリズムは,人間アノテーションを必要とせずに,深いニューラルネットワークに利用可能な新しい表現学習の利点を利用し,それらを産業応用に適用できる。しかしながら,教師なし方法は,主に大域的記述子に依存し,局所幾何学の高レベル表現を無視している。本論文では,点雲の全ての局所幾何学が同じ変換の下で一貫して変換されるという重要な観察によって動機づけられる,自己監督された方法でポイントクラウドを登録するために,グローバルおよびローカル記述子の両方を共同利用することを提案した。したがって,局所形状を用いて,特徴抽出モジュールの表現能力を強化することができた。さらに,提案した局所記述子は柔軟であり,ほとんどの既存のレジストレーション法に統合でき,その性能を改善した。また,大域的および局所的記述子の変換認識を強化するために,点雲再構成および正常推定を利用した。最後に,1つの合成と3つの実世界データセットに関する広範囲な実験結果は,著者らの方式が既存の最先端の教師なし登録方法より優れていて,いくつかの事例で監督されたものさえ凌ぐことを示した。ロバスト性と計算効率評価も,提案した方法が知的車両に適用されることを示した。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , 【Automatic Indexing@JST】

パターン認識 , 図形・画像処理一般

, , ,

前のページに戻る