自動運転におけるLiDAR点群の高さ方向分散に基づく地図生成および自己位置推定
Map Generation and Localization based on Height Variance of LiDAR Point Cloud for Autonomous Driving
- 提供方法
- 本サイト上にてダウンロード・閲覧可
- 形態
- 価格
- 一般価格(税込)：￥1,100 会員価格(税込)：￥880
- 文献番号
- 20225013
- 文献・情報種別
- 学術講演会予稿集（春）
No.3-22
- 掲載ページ
- 1-6(Total 6 p)
- 発行年月
- 2022年 5月
- 出版社
- (公社)自動車技術会
- 言語
- 日本語
- イベント
- 2022年春季大会
書誌事項
| 著者 | 1) 柳瀬 龍, 2) 川堰 未弥, 3) Mohammad Aldibaja, 4) 米陀 佳祐, 5) 菅沼 直樹 |
|---|---|
| 著者（英） | 1) Ryo Yanase, 2) Miya Kawaseki, 3) Mohammad Aldibaja, 4) Keisuke Yoneda, 5) Naoki Suganuma |
| 勤務先 | 1) 金沢大学, 2) 金沢大学, 3) 金沢大学, 4) 金沢大学, 5) 金沢大学 |
| 勤務先（英） | 1) Kanazawa University, 2) Kanazawa University, 3) Kanazawa University, 4) Kanazawa University, 5) Kanazawa University |
| 抄録 | 自動運転の自己位置推定技術として，LiDARの3次元点群地図を用いた点群マッチングに基づく手法が挙げられる．しかし，点群地図は管理コストが大きく季節による植物の形状変化が起こる．点群の高さ方向の分散に基づいて柱状物体などの特徴を得ることで，2次元画像地図生成および自己位置推定の手法を提案する． |
| 抄録（英） | LiDAR has been popularly used for self-localization due to its accurate ranging, and one of the main methods is based on matching point clouds using a 3D point cloud map. However, the maintenance cost is higher than that of a 2D image map, and when the map contains points such as plants, the shape of the map changes depending on the season, which has a large influence on the position estimation. In this paper, we propose a method for generating 2D image maps and localization by extracting features such as pole-like objects based on the height variance of point clouds. 翻訳 |
