Pseudo-LiDARを使用したディープカメラポーズ回帰
正確で堅牢な大規模なローカリゼーションシステムは、自動運転車や拡張現実などの活発な研究分野に不可欠なコンポーネントです。この目的のために、RGBまたはRGB-D画像から6DOFカメラのポーズを予測する多くの学習アルゴリズムが提案されています。ただし、深度を組み込んだ以前の方法では、通常、データをRGB画像と同じように扱い、深度マップをRGB画像への追加チャネルとして追加し、畳み込みニューラルネットワーク（CNN）に渡します。この論文では、深度マップを疑似LiDAR信号に変換することで、6DOFカメラのポーズを正確に決定できる点群を投影することで、カメラの位置特定タスクをより適切に表現できることを示します。これは、最初に、疑似LiDAR表現のみで動作するネットワークと深度マップのみで動作するネットワークのローカリゼーション精度を比較することによって示されます。次に、疑似LiDARを使用して6
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
半教師あり 3D オブジェクト検出のための学習オブジェクト レベル ポイント オーグメンター
マルチ深度カメラ システムを使用したスキャンされた動物のセマンティック キーポイント抽出
X-NeRF: マルチシーン 360^∘ の不十分な RGB-D ビューの明示的なニューラル ラディアンス フィールド
RGB-Dカメラと3Dプリントマーカーを使用した新しい拡張現実超音波フレームワーク
屋内3Dシーンのシンプルで効果的な合成
2Dモデルから転送された知識によるデータ効率の高い3D学習者
3D-VField：3Dオブジェクト検出におけるドメイン一般化のための点群の敵対的増強