ロボット知覚のためのスーパーLiDAR強度

- 低コスト LiDAR の疎な scan から高密度な LiDAR intensity image を生成する枠組みを提案する研究。 - 対象は non-repeating scanning LiDAR (NRS-LiDAR)。 - 生成した dense intensity image を loop closure や traffic lane detection などロボット知覚タスクへ応用する。 - LiDAR を Camera のように扱う『active optical sensing』の新パラダイムを掲げる。

- 従来 vision は passive optical sensing と捉えられがちだが、本手法は能動的光センシングの利点を活かす。 - LiDAR intensity は照明変動に不変な surface reflectance 推定を可能にし、detection・recognition・segmentation・SLAM に有用。 - 低コスト LiDAR の scan 疎性という課題に対し、NRS-LiDAR の特性を利用した densification を提案。 - 具体的な先行研究との定量比較は要旨からは不明。

- NRS-LiDAR の非反復走査という特性を利用し、疎データから dense LiDAR intensity image を生成する densification network を設計。 - intensity calibration を扱う点が肝。 - static から dynamic scene domain への遷移に対処し、実環境での再構成を目指す。 - 専用 dataset を構築し、network と組み合わせる構成。

- LiDAR intensity image densification 用の包括的 dataset を構築。 - 生成した dense intensity image を用いて loop closure と traffic lane detection を実施。 - 実験結果により提案手法の有効性を確認したと述べる。 - 定量指標や比較対象の詳細は要旨からは不明。

- 低コスト LiDAR システムの適用範囲拡大と、active optical sensing によるロボット vision の新パラダイム確立を主張。 - computer vision 技術と LiDAR データ処理の統合を図る点を強調。 - 限界・失敗事例・計算コストなどの議論は要旨からは不明。

- non-repeating scanning LiDAR (NRS-LiDAR) に関する研究。 - LiDAR intensity calibration に関する研究。 - LiDAR intensity image を用いた loop closure および traffic lane detection の関連研究。 - LiDAR と camera を統合する computer vision 手法。 - 要旨で明示的な参照論文はないため、上記は関連手法・分野の一般名。詳細は要旨からは不明。