論文の概要: Voxel-Based Indoor Reconstruction From HoloLens Triangle Meshes
- arxiv url: http://arxiv.org/abs/2002.07689v1
- Date: Tue, 18 Feb 2020 16:15:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-30 20:17:23.417833
- Title: Voxel-Based Indoor Reconstruction From HoloLens Triangle Meshes
- Title（参考訳）: HoloLensトライアングルメッシュを用いたボクセルを用いた室内再構成
- Authors: P. H\"ubner, M. Weinmann, S. Wursthorn
- Abstract要約: 三角形メッシュのような非構造3次元からの室内自動再構築のための新しいボクセルベース手法を提案する。
提案手法はマンハッタン・ワールドのシナリオに限らず、平面的な部屋面に依存しない。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Current mobile augmented reality devices are often equipped with range
sensors. The Microsoft HoloLens for instance is equipped with a Time-Of-Flight
(ToF) range camera providing coarse triangle meshes that can be used in custom
applications. We suggest to use the triangle meshes for the automatic
generation of indoor models that can serve as basis for augmenting their
physical counterpart with location-dependent information. In this paper, we
present a novel voxel-based approach for automated indoor reconstruction from
unstructured three-dimensional geometries like triangle meshes. After an
initial voxelization of the input data, rooms are detected in the resulting
voxel grid by segmenting connected voxel components of ceiling candidates and
extruding them downwards to find floor candidates. Semantic class labels like
'Wall', 'Wall Opening', 'Interior Object' and 'Empty Interior' are then
assigned to the room voxels in-between ceiling and floor by a rule-based voxel
sweep algorithm. Finally, the geometry of the detected walls and their openings
is refined in voxel representation. The proposed approach is not restricted to
Manhattan World scenarios and does not rely on room surfaces being planar.
- Abstract（参考訳）: 現在のモバイル拡張現実デバイスは、しばしばレンジセンサーを備えている。
例えばMicrosoft HoloLensは、カスタムアプリケーションで使用できる粗い三角形メッシュを提供するTime-Of-Flight (ToF)レンジカメラを備えている。
本稿では,屋内モデルの自動生成にトライアングルメッシュを用い,位置依存情報と物理的対応性を高める基盤となることを提案する。
本稿では,三角形メッシュのような非構造な3次元ジオメトリからの屋内自動再構成のためのvoxelに基づく新しい手法を提案する。
入力データの初期ボクセル化後、天井候補の連結ボクセル成分をセグメント化して下方に押出してフロア候補を見つけることにより、結果のボクセルグリッドに部屋を検出する。
Wall'、'Wall Opening'、'Interior Object'、'Empty Insider'といったセマンティックなクラスラベルは、ルールベースのvoxel sweepアルゴリズムによって、天井と床の間にある部屋のvoxelに割り当てられる。
最後に、検出された壁とその開口部の形状をボクセル表現で洗練する。
提案されたアプローチはマンハッタンの世界シナリオに限定されず、平面であるルームサーフェスに依存しない。
関連論文リスト
- Structure-preserving Planar Simplification for Indoor Environments [0.0]
本稿では,屋内シーンポイント雲の構造保存型平面簡易化のための新しい手法を提案する。
キャプチャされた各シーンを、構造化された(壁焼床)と非構造化された(屋内オブジェクト)のシーンに分割する。
天井と床を正確に表現するために,壁面の正常性に対して天井と床のメッシュを切断するメッシュクリッピングアルゴリズムを用いる。
論文 参考訳（メタデータ） (2024-08-13T11:10:26Z) - Voxel Mamba: Group-Free State Space Models for Point Cloud based 3D Object Detection [59.34834815090167]
3Dボクセルをシリアライズして複数のシーケンスにグループ化し、トランスフォーマーに入力するシリアライズベースの手法は、3Dオブジェクト検出においてその効果を実証している。
グループフリー戦略を用いて、ボクセルの全空間を1つのシーケンスにシリアライズするVoxel SSMを提案する。
論文 参考訳（メタデータ） (2024-06-15T17:45:07Z) - Voxel or Pillar: Exploring Efficient Point Cloud Representation for 3D
Object Detection [49.324070632356296]
我々は3次元および2次元のスパース畳み込みにより点雲をボクセルと柱の特徴に符号化するスパース・ボクセル・ピラーエンコーダを開発した。
我々の効率的で完全なスパース法は、密度検出器とスパース検出器の両方にシームレスに統合できる。
論文 参考訳（メタデータ） (2023-04-06T05:00:58Z) - SceneHGN: Hierarchical Graph Networks for 3D Indoor Scene Generation
with Fine-Grained Geometry [92.24144643757963]
3D屋内シーンは、インテリアデザインからゲーム、バーチャルおよび拡張現実に至るまで、コンピュータグラフィックスで広く使われている。
高品質な3D屋内シーンは、専門知識が必要であり、手動で高品質な3D屋内シーンを設計するのに時間を要する。
SCENEHGNは3次元屋内シーンの階層的なグラフネットワークであり,部屋レベルからオブジェクトレベルまでの全階層を考慮し,最後にオブジェクト部分レベルに展開する。
提案手法は, 立体形状の細かな家具を含む, 可塑性3次元室内容を直接生成し, 直接的に生成することができる。
論文 参考訳（メタデータ） (2023-02-16T15:31:59Z) - Voxurf: Voxel-based Efficient and Accurate Neural Surface Reconstruction [142.61256012419562]
本稿では,ボクセルをベースとした表面再構成手法であるVoxurfを提案する。
ボクサーフは,(1)コヒーレントな粗い形状を達成し,細部を連続的に再現する2段階の訓練手順,2)色-幾何学的依存性を維持する2色ネットワーク,3)ボクセル間の情報伝達を促進する階層的幾何学的特徴などを通じて,上記の課題に対処する。
論文 参考訳（メタデータ） (2022-08-26T14:48:02Z) - 3D Room Layout Estimation from a Cubemap of Panorama Image via Deep
Manhattan Hough Transform [17.51123287432334]
学習可能なハフ変換ブロックにおける長距離幾何学的パターンをモデル化することにより、3次元空間の壁面を推定する別の手法を提案する。
我々は、この特徴を立方体写像タイルからマンハッタン世界のハフ空間に変換し、その特徴を直接幾何学的出力にマッピングする。
畳み込み層は局所勾配のような線の特徴を学習するだけでなく、グローバル情報を利用して単純なネットワーク構造で閉塞壁を予測する。
論文 参考訳（メタデータ） (2022-07-19T14:22:28Z) - Voxel Transformer for 3D Object Detection [133.34678177431914]
Voxel Transformer(ヴォクセルトランスフォーマー、VoTr)は、点雲から3Dオブジェクトを検出するための、新鮮で効果的なボクセルベースのトランスフォーマーバックボーンである。
提案するVoTrは、KITTIデータセットとOpenデータセットの計算効率を維持しながら、畳み込みベースラインよりも一貫した改善を示す。
論文 参考訳（メタデータ） (2021-09-06T14:10:22Z) - From Voxel to Point: IoU-guided 3D Object Detection for Point Cloud with
Voxel-to-Point Decoder [79.39041453836793]
We present an Intersection-over-Union (IoU) guided two-stage 3D object detector with a voxel-to-point decoder。
本稿では,Voxel based Region Proposal Network (RPN) からマップビュー機能に加えて,点特徴を抽出する残余のvoxel-to-pointデコーダを提案する。
そこで本研究では,推定したIoUと改良された提案ボックスをより関連性の高いローカライゼーション信頼度として整列する,簡便で効率的な手法を提案する。
論文 参考訳（メタデータ） (2021-08-08T14:30:13Z) - Learning Indoor Layouts from Simple Point-Clouds [0.8376091455761261]
そこで我々は,GoogleのTangoのようなスマートフォンで得られた点雲から部屋を認識するフロアプランを自動生成するシステムを提案する。
特に、ポインタネットワークを用いたリカレントニューラルネットワークと、Mask-RCNNを用いた畳み込みニューラルネットワークに基づくアプローチの2つのアプローチを提案する。
論文 参考訳（メタデータ） (2021-08-07T06:47:09Z) - GeoLayout: Geometry Driven Room Layout Estimation Based on Depth Maps of
Planes [18.900646770506256]
レイアウト推定のための深層学習に幾何学的推論を取り入れることを提案する。
提案手法では,画素レベルの表面パラメータを推定することにより,シーン内の支配面の深さマップを推測する。
支配平面の画素レベル深度アノテーションを用いた新しいデータセットを提案する。
論文 参考訳（メタデータ） (2020-08-14T10:34:24Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。