要約
LiDAR スキャン データから点群を正確かつ一貫して構築することは、3D モデリング アプリケーションの基礎です。
多視点点群の登録や LiDAR バンドル調整などの現在のソリューションは、主にローカル平面の仮定に依存しており、平面ジオメトリや大幅な初期姿勢エラーが欠如している複雑な環境では不十分である可能性があります。
この問題を軽減するために、この文書では、複雑な環境に適しており、改善された収束能力を示す、漸進的空間平滑化を使用した LiDAR バンドル調整を紹介します。
提案された方法は、空間平滑化モジュールと姿勢調整モジュールで構成されており、局所的な一貫性と全体的な精度の利点を組み合わせています。
空間スムージング モジュールを使用すると、さまざまなスケールにわたってスムージング カーネルを使用して、堅牢で豊富な表面制約を取得できます。
次に、姿勢調整モジュールが新しい表面制約を利用してすべての姿勢を修正します。
最終的に、提案された方法は、高品質の点群再構成に直接使用できる微細なポーズとパラメトリック サーフェスを同時に実現します。
私たちが提案したアプローチの有効性と堅牢性は、シミュレーションと現実世界のデータセットの両方で検証されています。
実験結果は、提案された方法が既存の方法よりも優れており、低平面構造の複雑な環境でより高い精度を達成できることを示しています。
要約(オリジナル)
Accurate and consistent construction of point clouds from LiDAR scanning data is fundamental for 3D modeling applications. Current solutions, such as multiview point cloud registration and LiDAR bundle adjustment, predominantly depend on the local plane assumption, which may be inadequate in complex environments lacking of planar geometries or substantial initial pose errors. To mitigate this problem, this paper presents a LiDAR bundle adjustment with progressive spatial smoothing, which is suitable for complex environments and exhibits improved convergence capabilities. The proposed method consists of a spatial smoothing module and a pose adjustment module, which combines the benefits of local consistency and global accuracy. With the spatial smoothing module, we can obtain robust and rich surface constraints employing smoothing kernels across various scales. Then the pose adjustment module corrects all poses utilizing the novel surface constraints. Ultimately, the proposed method simultaneously achieves fine poses and parametric surfaces that can be directly employed for high-quality point cloud reconstruction. The effectiveness and robustness of our proposed approach have been validated on both simulation and real-world datasets. The experimental results demonstrate that the proposed method outperforms the existing methods and achieves better accuracy in complex environments with low planar structures.
arxiv情報
著者 | Jianping Li,Thien-Minh Nguyen,Shenghai Yuan,Lihua Xie |
発行日 | 2024-03-10 07:56:54+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google