代表的構造発見と3D固有誤差モデリングによるロバストな自己教師付きLiDARオドメトリー【JST・京大機械翻訳】

Xu Yan; Lin Junyi; Shi Jianping; Zhang Guofeng; Wang Xiaogang; Li Hongsheng

プレプリント

J-GLOBAL ID：202202211637835845 整理番号：22P0295965

代表的構造発見と3D固有誤差モデリングによるロバストな自己教師付きLiDARオドメトリー【JST・京大機械翻訳】

Robust Self-Supervised LiDAR Odometry via Representative Structure Discovery and 3D Inherent Error Modeling

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 (6件)： , , , , ,
資料名：
発行年： 2022年02月27日プレプリントサーバーでの情報更新日： 2022年02月27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)

正しいエゴモーション推定は,隣接LiDARスキャン間の対応の理解に基本的に依存する。しかし,複雑なシナリオと低解像度LiDARを考えると,対応を識別するための信頼できる構造を見つけることは,挑戦的である。本論文では,正確な自己教師付きエゴモーション推定のための構造信頼性をデーブし,訓練,推論およびマッピングフェーズにおける信頼できない構造の影響を軽減することを目指した。3つの側面から,自己監督LiDARオドメトリーを実質的に改善した。1)2段階オドメトリー推定ネットワークを開発し,そこでは,サブ領域変換の集合を推定し,それらを運動投票機構で平均化し,代表的構造に焦点を当てたネットワークを奨励する。2)エゴモーション最適化によって除去できない固有のアラインメント誤差を,3D点共分散推定に基づく損失でダウンロードした。3)発見された代表的構造と学習点共分散をマッピングモジュールに組み込み,地図構築のロバスト性を改善した。著者らの2フレームオドメトリーは,KITTIデータセットの並進/回転誤差に関して,従来の最先端技術よりも16%/12%優れており,Apollo-Soutbayデータセット上で一貫して良好に機能した。マッピングモジュールとより多くのラベルなし訓練データで,完全に監督された対応者を到着できる。【JST・京大機械翻訳】

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

ロボットの運動・制御 , 図形・画像処理一般

, , , , , , , , ,

前のページに戻る