抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】