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
ALICE-LRI: A General Method for Lossless Range Image Generation for Spinning LiDAR Sensors without Calibration Metadata
メーカーのキャリブレーション情報なしでスピニングLiDARの点群から内部幾何を自動推定し、点を一切失わない可逆なレンジ画像生成を実現した手法。
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: Samuel Soutullo, Miguel Yermo, David L. Vilariño, Óscar G. Lorenzo, José C. Cabaleiro, Francisco F. Rivera
分類: cs.CV, cs.RO
原文アブストラクト
3D LiDAR sensors are essential for autonomous navigation, environmental monitoring, and precision mapping in remote sensing applications. To efficiently process the massive point clouds generated by these sensors, LiDAR data is often projected into 2D range images that organize points by their angular positions and distances. While these range image representations enable efficient processing, conventional projection methods suffer from fundamental geometric inconsistencies that cause irreversible information loss, compromising high-fidelity applications. We present ALICE-LRI (Automatic LiDAR Intrinsic Calibration Estimation for Lossless Range Images), the first general, sensor-agnostic method that achieves lossless range image generation from spinning LiDAR point clouds without requiring manufacturer metadata or calibration files. Our algorithm automatically reverse-engineers the intrinsic geometry of any spinning LiDAR sensor by inferring critical parameters including laser beam configuration, angular distributions, and per-beam calibration corrections, enabling lossless projection and complete point cloud reconstruction with zero point loss. Comprehensive evaluation across the complete KITTI and DurLAR datasets demonstrates that ALICE-LRI achieves perfect point preservation, with zero points lost across all point clouds. Geometric accuracy is maintained well within sensor precision limits, establishing geometric losslessness with real-time performance. We also present a compression case study that validates substantial downstream benefits, demonstrating significant quality improvements in practical applications. This paradigm shift from approximate to lossless LiDAR projections opens new possibilities for high-precision remote sensing applications requiring complete geometric preservation.
関連論文
- ベクトル場可視化によるLiDAR点群の劣化要因の特性評価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
