点群位置合わせ2026/9/16arXiv:2609.18082

PESTO: 限られた重なりを持つLiDAR点群の形式的に正しい位置合わせ

PESTO: Formally Correct Registration of LiDAR Point Clouds with Limited Overlap

LiDAR点群の位置合わせ問題に対し、四面体を環境に依存しない「ユニバーサル特徴」として活用する新アルゴリズムPESTOを提案し、特に遮蔽環境で既存手法と競合する性能を示すとともに、位置合わせ誤差の最悪ケース保証を証明して形式的正しさを確立した。

詳しい要約

1. どんなもの？

- LiDAR point cloud registration problem を扱う新しいアルゴリズム PESTO を提案。 - tetrahedra を LiDAR データの「universal features」として活用。 - 環境に依存しない特徴量で、occlusion がある環境でも競争力がある。 - 形式的正しさを worst-case bounds で証明。

2. 先行研究と比べてどこがすごい？

- 既存の LiDAR point cloud 位置合わせ手法と比較して、特に occlusions 環境で競争力があることを実証。 - 形式的正しさ（worst-case bounds on alignment error）を証明している点が先行研究と異なる。 - ただし、具体的な先行研究名は要旨からは不明。

3. 技術・手法の肝は？

- tetrahedra を「universal features」として利用。 - LiDAR センサが展開される環境に依存しない特徴量。 - 形式的正しさを worst-case bounds で保証。 - 詳細なアルゴリズムは要旨からは不明。

4. どうやって有効だと検証した？

- 経験的に既存ソリューションと比較し、特に occlusions 環境での競争力を示した。 - 形式的正しさを worst-case bounds の証明により検証。 - 具体的なデータセットや評価指標は要旨からは不明。

5. 議論はある？

- 要旨からは不明。

6. 次に読むべき論文は？

- 要旨で参照/比較されている研究は明示されていない。 - 同分野の定番として、ICP (Iterative Closest Point)、NDT (Normal Distributions Transform)、Go-ICP などが挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Valen Yamamoto, Matteo Marchi, Paulo Tabuada

分類: eess.SY, cs.RO

原文アブストラクト

In this paper we tackle the problem of aligning LiDAR point clouds also known as the point cloud registration problem. We propose a new algorithm, PESTO, that exploits tetrahedra as "universal features" for LiDAR data, i.e., features that are agnostic to the environment where the LiDAR sensors are deployed. We show empirically that PESTO is competitive with existing solutions for aligning LiDAR point clouds, especially in environments with occlusions. Moreover, we establish PESTO's formal correctness by proving worst-case bounds on the alignment error.

arXivで原文を読む →arXiv概要ページ

PESTO: 限られた重なりを持つLiDAR点群の形式的に正しい位置合わせ

詳しい要約

1. どんなもの？

2. 先行研究と比べてどこがすごい？

3. 技術・手法の肝は？

4. どうやって有効だと検証した？

5. 議論はある？

6. 次に読むべき論文は？

原文アブストラクト

関連論文