適応打切り符号距離関数による自動運転車両のための大規模3Dセマンティック再構成【JST・京大機械翻訳】

Hu Haohao; Yang Hexing; Wu Jian; Lei Xiao; Bieder Frank; Pauls Jan-Hendrik; Stiller Christoph

プレプリント

J-GLOBAL ID：202202218097359288 整理番号：22P0296467

適応打切り符号距離関数による自動運転車両のための大規模3Dセマンティック再構成【JST・京大機械翻訳】

Large-Scale 3D Semantic Reconstruction for Automated Driving Vehicles with Adaptive Truncated Signed Distance Function

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 (7件)： , , , , , ,
資料名：
発行年： 2022年02月28日プレプリントサーバーでの情報更新日： 2022年02月28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)

大規模3D再構成,テクスチャリングおよび意味マッピングは,今日,自動駆動車両,バーチャルリアリティおよび自動データ生成のために広く使用されている。しかし,ほとんどの手法は,有色高密度点雲を持つRGB-Dカメラのために開発され,スパースLiDAR点雲を用いた大規模屋外環境に適していない。3D表面は,通常,異なる視点姿勢を有する複数のカメラ画像から観察できるので,テクスチャリングのための最適な画像パッチ選択と意味マッピングのための最適な意味クラス推定は,まだ困難である。これらの問題に取り組むために,LiDARとカメラセンサを用いた新しい3D再構成,テクスチャリングと意味マッピングシステムを提案した。適応Trunced Signed Distance関数を導入し,異なるLiDAR点スパース性を扱うことができ,モデル品質を改善した。次に,この陰関数抽出三角形メッシュマップを,最適画像パッチ選択戦略を適用することにより,一連の登録カメラ画像からテクスチャ化した。さらに,Markov確率場ベースデータ融合手法を提案し,各三角形メッシュの最適意味クラスを推定した。本アプローチを,合成データセット,KITTIデータセットおよび著者らの実験車両で記録したデータセットに関して評価した。結果は,著者らのアプローチを用いて生成された3Dモデルが,他の最先端の手法と比較してより正確であることを示した。テクスチャリングと意味マッピングも非常に有望な結果を達成した。【JST・京大機械翻訳】

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

図形・画像処理一般

, , , , , , ,

前のページに戻る