ベクトル場可視化によるLiDAR点群の劣化要因の特性評価
Characterizing Lidar Point-Cloud Adversities Using a Vector Field Visualization
LiDARスキャンマッチングに影響を与える劣化モードを分類するため、2つの位置合わせ済み点群間の局所的な不一致をベクトル場プロットで可視化する手法を提案し、シミュレーションと実地実験で有効性を示した。
詳しい要約
1. どんなもの？
2. 先行研究と比べてどこがすごい？
3. 技術・手法の肝は？
4. どうやって有効だと検証した？
5. 議論はある？
6. 次に読むべき論文は？
※ AIが要旨から生成した要約です。正確性は原文をご確認ください。
著者: Daniel Choate, Jason Rife
分類: cs.RO
原文アブストラクト
In this paper we introduce a visualization methodology to aid a human analyst in classifying adversity modes that impact lidar scan matching. Our methodology is intended for offline rather than real-time analysis. The method generates a vector-field plot that characterizes local discrepancies between a pair of registered point clouds. The vector field plot reveals patterns that would be difficult for the analyst to extract from raw point-cloud data. After introducing our methodology, we apply the process to two proof-of-concept examples: one a simulation study and the other a field experiment. For both data sets, a human analyst was able to reason about a series of adversity mechanisms and iteratively remove those mechanisms from the raw data, to help focus attention on progressively smaller discrepancies.
関連論文
- ALICE-LRI: キャリブレーション情報不要でスピニングLiDARの可逆レンジ画像を生成する汎用手法LiDAR/点群処理
- LiDAR画像のカラー化と超解像によるLiDAR点群サンプリングの強化LiDAR/点群処理
- 自律 heterogeneous ロボットシステムによる捜索救助のための3D LiDARを用いた効率的リアルタイム煙フィルタリングLiDAR/点群処理
- Sliced Wasserstein距離によるLiDARアップサンプリングLiDAR/点群処理
- DSLR: 敵対的学習オートエンコーダによる動的LiDARスキャンから静的スキャンへの再構成LiDAR/点群処理
- CANバスデータを用いた走行車両のLiDAR点群補正LiDAR/点群処理
