Hailiang Tang
収録論文 12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
- PA-LVIO: ポーズのみのバンドル調整によるリアルタイムLiDAR-視覚-慣性オドメトリとマッピングオドメトリ/マッピング2026/3/1
LiDAR・カメラ・IMUを統合したリアルタイムオドメトリ・マッピング手法を提案。ポーズのみのバンドル調整とフレーム間・フレーム対マップの制約を組み合わせ、高精度かつ効率的な自己位置推定と高品質なRGB点群地図構築を実現した。
- i2Nav-Robot:屋内・屋外対応の大規模マルチセンサ融合ナビゲーション用ロボットデータセットナビゲーション2025/8/1
全方位移動車両にLiDAR・4Dミリ波レーダー・ステレオカメラ・IMU・GNSS・車輪オドメトリを搭載し、屋内駐車場から屋外街路まで約17kmの走行データを高精度な正解位置とともに収録した大規模データセットを構築した。
- SELC: 低品質画像のための自己教師あり効率的局所対応学習特徴マッチング2025/4/1
手動アノテーション不要のハイブリッド自己教師あり学習で、低品質画像でも高解像度時に2〜10倍効率的な軽量特徴マッチングネットワークを提案。
- MR-ULINS: マルチエポック外れ値除去を備えたUWB-LiDAR-慣性の密結合推定器測位・SLAM2024/8/1
UWB・LiDAR・IMUを密結合し、UWBの系統誤差とNLOS外れ値をオンラインで推定・除去することで、GNSS拒否環境で約0.1mの高精度測位を実現した。
- MSC-LIO: 同一平面クラスタ追跡を用いたMSCKFベースのLiDAR慣性オドメトリLiDARオドメトリ2024/7/1
MSCKFフレームワークに基づく密結合LiDAR慣性オドメトリを提案し、同一平面クラスタ追跡による効率的なデータ対応と時間遅延推定を実現した。
- BA-LINS: LiDAR慣性ナビゲーションのためのフレーム間バンドル調整SLAM/ナビゲーション2024/1/1
LiDARキーフレーム間で同一平面上の点を対応付け、フレーム間バンドル調整とIMUプリインテグレーションを因子グラフ最適化で統合したLiDAR慣性ナビゲーション手法を提案し、適応的共分散推定により精度と効率を向上させた。
- SE-LIO: 樹木の多い環境向け意味論強化型ソリッドステートLiDAR慣性オドメトリLiDARオドメトリ2023/12/1
樹木の多い環境でLiDARと慣性センサを統合し、意味論情報で葉や動的物体を除去し、幹を円柱モデル化することで位置推定精度を43.1%向上させた。
- FF-LINS: 一貫性のあるフレーム間ソリッドステートLiDAR慣性状態推定器SLAM/状態推定2023/7/1
ソリッドステートLiDARの非反復走査を活かし、フレーム間データ対応と因子グラフ最適化でLiDAR-IMUの外部キャリブレーションと時間遅延をオンライン推定する一貫性の高い状態推定手法を提案。
- PO-VINS: LiDAR強化による効率的でロバストな姿勢のみの視覚慣性状態推定器VIO2023/5/1
視覚とLiDAR深度の計測を姿勢のみの表現で扱い、LiDAR外れ値除去とマルチステート制約を導入した高効率・高精度な視覚慣性状態推定手法を提案。
- 車輪ロボット向けINS中心の堅牢なリアルタイムGNSS-視覚-慣性ナビゲーションシステムGNSS-視覚-慣性融合2022/4/1
IMUを中心に据え、視覚処理の全工程で慣性情報を活用しつつGNSSで初期化と絶対位置推定を行う、車輪ロボット向けの堅牢なリアルタイム自己位置推定システムを提案した。
- 地球自転を考慮したIMUプリインテグレーションの精度検証GNSS/INS統合2021/9/1
地球自転を組み込んだ精密なIMUプリインテグレーションモデルを構築し、GNSS/INS統合で従来の粗いモデルより大幅に高精度であることを定量的に示した論文。
- OdoNet: 車輪式オドメータなしで車両ナビゲーションを支援する非拘束速度推定GNSS/INS統合ナビゲーション2021/9/1
単一のIMUからCNNで疑似オドメータ(前進速度)を推定し、GNSS/INS統合ナビの精度を車輪式オドメータに近い水準まで改善する手法を提案した論文。
