要約
本研究では、RKHS-BAと呼ばれるReproducing Kernel Hilbert Space (RKHS)表現を用いた新しいバンドル調整(BA)定式化について報告する。提案する定式化はコレスポンデンスフリーであり、BAがRGB-D/LiDARとセマンティックラベルを直接最適化に使用することを可能にし、直接法で一般的に使用される測光損失関数の一般化を提供する。RKHS-BAは、画像ピラミッドによる最適化を必要としない連続的な空間-意味関数表現に、外観と意味ラベルを組み込むことができる。RKHS-BAは、画像ピラミッドによる最適化を必要とせず、連続的な空間-意味関数表現の中に、外観と意味ラベルを組み込むことができる。
要約(オリジナル)
This work reports a novel Bundle Adjustment (BA) formulation using a Reproducing Kernel Hilbert Space (RKHS) representation called RKHS-BA. The proposed formulation is correspondence-free, enables the BA to use RGB-D/LiDAR and semantic labels in the optimization directly, and provides a generalization for the photometric loss function commonly used in direct methods. RKHS-BA can incorporate appearance and semantic labels within a continuous spatial-semantic functional representation that does not require optimization via image pyramids. We demonstrate its applications in sliding-window odometry and global LiDAR mapping, which show highly robust performance in extremely challenging scenes and the best trade-off of generalization and accuracy.
arxiv情報
著者 | Ray Zhang,Jingwei Song,Xiang Gao,Junzhe Wu,Tianyi Liu,Jinyuan Zhang,Ryan Eustice,Maani Ghaffari |
発行日 | 2024-03-02 16:25:09+00:00 |
arxivサイト | arxiv_id(pdf) |