Компьютерная наука > Компютерное видение и распознавание моделей [представлено 4 марта 2025 года (v1), последний пересмотренный вариант 8 сентября 2026 года (эта версия, v2)) Название: L2G-Map: Местное - глобальное картирование с помощью иерархической дифлификации и Elliptical Bayesian Fusion View PDF HTML (экспериментальное) Резюме: Карты высокого определения Offline содержат важные геометрические и топоологические приводы для автономных систем вождения. В силу их рентабельности и масштабности доминирующей парадигмой для офлайнового картографирования стали решения, основанные на чистом видении. Однако картирование на местном и глобальном уровнях в условиях визуального наблюдения сопряжено с двумя фундаментальными проблемами: одноразовые локальные наблюдения подвержены изменению точки зрения и воздействию окружающей среды, что ведет к геометрическим отклонениям, а многоисточники местной информации демонстрируют неоднородную уверенность, делая глобальные последовательные агрегирования затруднительными. Для решения этих проблем в настоящем документе предлагается система L2G-Map, включающая иерархическую предварительную совершенствование диффузии и эллиптическое космическое синтезирование байесов. В первом из них встроен временной контекст и центральные предпосылки для руководства завершением строительства и восстановлением топологии во время деноза, что позволяет уменьшить неполную информацию, присущую параметрам чистого видения. В последнем случае применяется адаптивная…
L2G-Map: Местное и глобальное картирование с помощью иерархической диффузии и элиптичной байезийской фьюзиации
arXiv: 2503,02578v2 Adminus Type: заменить резюме: Offline high-devision cartraphs содержит важные геометрические и топоологические приводы для автономных систем вождения. В силу их рентабельности и масштабности доминирующей парадигмой для офлайнового картографирования стали решения, основанные на чистом видении. Однако картирование на местном и глобальном уровнях в условиях визуального наблюдения сопряжено с двумя фундаментальными проблемами: одноразовые локальные наблюдения подвержены изменению точки зрения и воздействию окружающей среды, что ведет к геометрическим отклонениям, а многоисточники местной информации демонстрируют неоднородную уверенность, делая глобальные последовательные агрегирования затруднительными. Для решения этих проблем в настоящем документе предлагается система L2G-Map, включающая иерархическую предварительную совершенствование диффузии и эллиптическое космическое синтезирование байесов. Первый совместно встраивает временной контекст и центральные предпосылки для руководства завершением строительства и восстановлением топологии во время деноза, облегчая неполную информацию, присущую набору чистого видения