可辨识性感知LiDAR-惯性-BIM融合方法提出
热点事件持续更新
可辨识性感知LiDAR-惯性-BIM融合方法提出
1 篇报道1 个报道来源15 小时前更新
先了解这件事
AI 综述
Yujie Zhang等作者提出一种可辨识性感知的LiDAR-惯性-BIM融合定位方法，用于施工偏差下机器人BIM定位与故障归因。其做法是仅在故障可归因时才报告归因；否则保留候选，暂缓模糊方向上的BIM更新与基于BIM的位姿修正，待新参考到达后恢复。 在预注册的二维研究中，对可检测但不可归因的案例，该方法的条件错误率为0.83%，同答案率下采用不确定性弃权的基线为31.67%。在实验室房间（配其IFC模型）与SLABIM数据集三层的配对故障注入中，该方法未产生偏离目标的归因（实验室168个条件中0次，SLABIM 1302个条件中0次），并归因了实验室全部8个被预测为可归因的故障；两个复现基线在所有设置下均出现偏离目标的结构标记。
AI 根据报道生成 · 15 小时前更新
最新进展11月9日 13:00
何时信任BIM：面向竣工偏差的可辨识性感知LiDAR-惯性-BIM融合报道时间线
沿着报道，了解事件的不同侧面。
11月9日
- arXiv cs.RO何时信任BIM：面向竣工偏差的可辨识性感知LiDAR-惯性-BIM融合
论文将LiDAR-惯性里程计与BIM融合中扫描与模型不一致的归因问题形式化为三类故障识别，并推导出判断归因是否可行的几何判据。基于该判据的方法在可检测但不可归因的二维案例中条件错误率为0.83%，而采用不确定性弃权的基线为31.67%；在5,600个可归因案例中给出5,574次唯一归因且无错误归因。
本事件热度走势
- 可比范围当前
- 7
- 可比范围峰值
- 1011月9日 14:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月10日03:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。