日本フィジカルAI新聞

世界のフィジカルAIを、日本語で。

レジストレーションarXiv:2607.14639

整流フローによるLiDARアップサンプリングで簡単になった画像-点群レジストレーション

Image-to-Point Cloud Registration Made Easy with Rectified Flow-based LiDAR Upsampling

シェア:XThreadsFacebookLINEはてブBluesky

単一の疎なLiDARスキャンから整流フローで密な強度画像を生成し、カメラ画像と特徴マッチングしてPnP-RANSACで6自由度の相対姿勢を推定する、シンプルで効果的な画像-点群レジストレーション手法を提案した。

詳しい要約

1. どんなもの?

- 画像とLiDAR点群の位置合わせ(Image-to-Point Cloud Registration, I2P)を簡単かつ効果的に行う手法を提案。 - LiDARを撮像センサとして扱い、単一の疎なLiDARスキャンからConditional Rectified Flowを用いて密なLiDAR強度画像を生成。 - 事前学習済み特徴マッチャでカメラ画像とマッチングし、PnP-RANSACで6-DoF相対姿勢を推定。 - 自己教師あり画像補完タスクで事前学習し、少量のLiDARデータでファインチューニング(画像-点群ペアや正解姿勢は不要)。 - 多様なLiDAR・カメラ構成にスケール可能。

2. 先行研究と比べてどこがすごい?

- 従来のI2P手法と比べ、高精度と強い汎化性を両立。 - 画像-点群ペアや正解センサ姿勢を必要とせず、自己教師あり学習と少量のLiDARデータのみで学習可能。 - R3LIVEデータセットで平均誤差4.89°/1.63mを達成し、既存手法を上回る性能。 - 単一登録を約0.68秒で完了する効率性。

3. 技術・手法の肝は?

- Conditional Rectified Flowを用いて疎なLiDARスキャンから密なLiDAR強度画像を生成。 - 生成画像とカメラ画像を事前学習済み特徴マッチャでマッチング。 - PnP-RANSACにより6-DoF相対姿勢を推定。 - 自己教師あり画像補完タスクで事前学習し、少量のLiDARデータでファインチューニング。

4. どうやって有効だと検証した?

- R3LIVEデータセットでの実験により、平均誤差4.89°/1.63mを達成し、既存手法を上回ることを確認。 - 単一登録の処理時間が約0.68秒であることを検証。

5. 議論はある?

- 要旨からは不明。

6. 次に読むべき論文は?

- Conditional Rectified Flow、PnP-RANSAC、R3LIVEデータセットに関連する研究。

※ 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: Reon Tabata, Kenji Koide, Shuji Oishi, Masashi Yokozuka, Taku Okawara, Aoki Takanose, Jun Miura

分類: cs.RO, cs.CV

原文アブストラクト

Image-to-Point Cloud Registration (I2P) is essential for integrating camera and LiDAR in perception and autonomous systems, yet the modality gap between images and point clouds makes it difficult to achieve both high accuracy and strong generalization. In this paper, we propose a simple yet effective I2P method that treats LiDAR as an imaging sensor: from a single sparse LiDAR scan, we generate a dense LiDAR intensity image using Conditional Rectified Flow, match it with a camera image using a pre-trained feature matcher, and estimate the 6-DoF relative pose via PnP-RANSAC. The proposed model is pre-trained through a self-supervised image completion task and fine-tuned on a small amount of LiDAR data (neither image-point cloud pairs nor ground-truth sensor poses are required), enabling it to scale to diverse LiDAR and camera configurations. Experiments on the R3LIVE dataset show that the proposed method achieves a mean error of 4.89{\deg} / 1.63 m, outperforming existing methods, while completing a single registration in approximately 0.68 s.

関連論文

  1. 1Boston Dynamics、車輪付きAtlasの研究試作機を紹介研究・技術
  2. 2GXOとApptronik、Apolloの物流現場試験を拡大 最大1,000台の展開を構想量産・展開
  3. 3newmoとKDDIが資本業務提携 2028年に堺市で自動運転タクシー商用化目指す提携・買収
  4. 4NVIDIA、CoRLでGR00T 2とIsaac Lab 3.0を発表新製品・発表
  5. 5UC BerkeleyとNVIDIAの研究者、AIエージェントでロボット制御コードを仮想環境で改善研究・技術

PR・アフィリエイト広告

OZ GAMING(GPU搭載BTOゲーミングPC)

OZ GAMING(GPU搭載BTOゲーミングPC)の公式広告バナーOZ GAMINGで完成品PCを見る ↗
PR本紙発行元 EmplifAI