Atsuhiko Banno
収録論文 16本 ・ フィジカルAI/ロボット学習
※arXiv著者名で収集。同姓同名の別人の論文が含まれる場合があります。
論文
- オンラインニューラル運動学モデル学習を組み込んだLiDAR-IMU-車輪オドメトリの密結合最適化自己位置推定2024/7/1
LiDAR点群が劣化する環境でもロバストな自己位置推定を実現するため、車輪の運動学モデルをニューラルネットでオンライン学習し、因子グラフ上でLiDAR-IMU-車輪オドメトリと統合的に最適化する手法を提案した。
- GLIM: GPU加速スキャンマッチング因子を用いた3次元レンジ慣性ローカリゼーションとマッピングSLAM2024/7/1
GPU並列処理を活用したスキャンマッチングにより、劣化したレンジデータにも対応しつつリアルタイムで動作する3次元レンジ慣性SLAMフレームワークを提案。
- スキッドステアロボットの運動学モデルをオンライン校正するLiDAR-IMU-車輪の密結合オドメトリ自己位置推定/センサフュージョン2024/4/1
スキッドステアロボット向けに、車輪オドメトリの運動学モデルをオンラインで校正しながらLiDAR・IMU・車輪を密結合する手法を提案し、トンネルや長い廊下など点群が退化する環境でも高精度な自己位置推定を実現した。
- MegaParticles: GPU加速Stein粒子フィルタによる距離ベース6自由度モンテカルロ位置推定位置推定2024/4/1
GPU加速Stein粒子フィルタを用いて、100万粒子をリアルタイムに評価し、初期姿勢なしでロバストな姿勢初期化と再位置推定を可能にする距離ベース6自由度モンテカルロ位置推定法を提案した。
- 3D事前地図上でのスライディングウィンドウ因子グラフ最適化に基づく密結合レンジ慣性ローカリゼーションローカリゼーション2024/2/1
スキャン間・スキャン地図間の点群レジストレーションとIMUをスライディングウィンドウ因子グラフで密結合し、点群劣化や地図欠損領域でも頑健に自己位置推定する手法を提案。
- 3D-BBS: 分枝限定法を用いた3D点群スキャンマッチングの大域的位置推定位置推定2023/10/1
分枝限定法を3Dに拡張し、疎なハッシュテーブルとGPU並列化で高速化したLiDAR点群の大域的位置合わせ手法を提案。
- 大域軌道最適化のための厳密な点群ダウンサンプリング点群レジストレーション2023/7/1
点群レジストレーション誤差を評価点で厳密に再現する重み付き残差サブセットを選ぶことで、精度を保ちつつ処理時間とメモリを大幅削減する手法を提案。
- グラフ理論的対応付けによる単発グローバル位置推定位置推定2023/6/1
クエリと事前地図のインスタンスをグラフ理論的にマッチングし、最大クリーク問題に基づいて単発でグローバル位置推定を行う手法を提案した論文。
- 汎用・単発・ターゲット不要・自動LiDARカメラ外部キャリブレーションツールボックスキャリブレーション2023/2/1
LiDARとカメラの外部キャリブレーションを、ターゲットなしの1回のデータ取得で自動的に行うオープンソースツールボックスを提案。SuperGlueによる初期対応推定と相互情報量に基づく直接位置合わせで高精度・高ロバストにキャリブレーションする。
- 汎用化LOAM:学習可能な局所幾何特徴を用いたLiDARオドメトリ推定LiDARオドメトリ2022/10/1
点周辺の局所幾何形状を小さなニューラルネットで学習し、GICPに組み込むことで、従来のLOAMより高精度にLiDARオドメトリを推定する手法を提案した。
- 3D事前地図上でのグラフ理論に基づく大規模フィデューシャルタグ位置推定位置推定2022/7/1
3D事前環境地図上でフィデューシャルタグの位置を高精度かつスケーラブルに推定する手法を提案し、シミュレーションと実環境で有効性を示した。
- グローバルに整合した密結合3D LiDAR慣性マッピングSLAM2022/2/1
GPU加速ボクセル化GICPとIMU前積分を密結合し、オドメトリ推定・局所・大域マッピングを統合したリアルタイム3Dマッピング手法を提案。特徴の乏しい環境でも高精度な位置推定と地図生成を実現。
- GPU高速化GICPマッチングコスト因子を用いた大域的に一貫した3D LiDARマッピングSLAM2021/9/1
フレーム間のマッチングコストを因子グラフで直接最小化し、GPU並列処理でリアルタイムに大域的に一貫した3D LiDAR地図を構築する手法を提案した論文。
- ブラックボックスLiDARオドメトリのための適応的ハイパーパラメータチューニングLiDARオドメトリ2021/7/1
内部構造を必要とせず、オフラインで誤差予測モデルを構築しオンラインで環境に応じてパラメータを適応選択することで、ブラックボックスな3D LiDARオドメトリの精度を向上させる枠組みを提案した。
- 4Dアテンション:時空間視線マッピングの統合フレームワーク視線計測2021/7/1
アイトラッキンググラスを用いて静的・動的物体の両方に視線を統合的にマッピングするフレームワークを提案し、実環境での有効性を示した。
- LiTAMIN2: KLダイバージェンスと幾何近似を用いた超軽量LiDAR SLAMSLAM2021/3/1
点群登録の点数を大幅に削減しつつ、対称KLダイバージェンスをICPコストに導入することで分布形状の差も考慮し、500〜1000Hzで動作する高精度・超軽量な3次元LiDAR SLAMを実現した。
