Item type |
SIG Technical Reports(1) |
公開日 |
2023-03-16 |
タイトル |
|
|
タイトル |
強化学習を用いた3D LiDAR SLAM向け入力点群削減手法 |
タイトル |
|
|
言語 |
en |
|
タイトル |
A Point-Cloud Size Reduction Technique using Reinforcement Learning for 3D LiDAR SLAM |
言語 |
|
|
言語 |
jpn |
キーワード |
|
|
主題Scheme |
Other |
|
主題 |
深層学習 |
資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
著者所属 |
|
|
|
慶應義塾大学大学院理工学研究科 |
著者所属 |
|
|
|
慶應義塾大学大学院理工学研究科 |
著者所属 |
|
|
|
慶應義塾大学大学院理工学研究科 |
著者所属(英) |
|
|
|
en |
|
|
Graduate School of Science and Technology, Keio University |
著者所属(英) |
|
|
|
en |
|
|
Graduate School of Science and Technology, Keio University |
著者所属(英) |
|
|
|
en |
|
|
Graduate School of Science and Technology, Keio University |
著者名 |
小島, 瑠斗
杉浦, 圭祐
松谷, 宏紀
|
著者名(英) |
Ryuto, Kojima
Keisuke, Sugiura
Hiroki, Matsutani
|
論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
自動運転等に応用され,自己位置推定・環境地図作成を同時に行う Lidar SLAM において点群は,アルゴリズムの根幹を成す重要なデータである.しかし点群はデータ量が非常に大きいため,ノードが相互通信する場合,全転送時のデータ量は膨大となる.本研究においては,代表的な 3 次元 Lidar SLAM アルゴリズムである LOAM を対象とし,SLAMアルゴリズムに最適化された点群の削減手法を検討する.その過程で,強化学習を用いた削減法の検討と実験を行った. |
書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11451459 |
書誌情報 |
研究報告システムとLSIの設計技術(SLDM)
巻 2023-SLDM-202,
号 29,
p. 1-6,
発行日 2023-03-16
|
ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8639 |
Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |