論文の概要: Scan2Plan: Efficient Floorplan Generation from 3D Scans of Indoor Scenes
- arxiv url: http://arxiv.org/abs/2003.07356v1
- Date: Mon, 16 Mar 2020 17:59:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-23 03:41:19.183850
- Title: Scan2Plan: Efficient Floorplan Generation from 3D Scans of Indoor Scenes
- Title(参考訳): Scan2Plan:3次元室内シーンからの効率的なフロアプラン生成
- Authors: Ameya Phalak, Vijay Badrinarayanan, Andrew Rabinovich
- Abstract要約: Scan2Planは,室内環境の構造要素の3次元スキャンから,フロアプランを正確に推定するための新しい手法である。
提案手法は、初期ステージがシーンの無秩序な点雲をクラスタリングする2段階のアプローチを取り入れたものである。
その後の段階では、各部屋について単純なポリゴンによってパラメータ化された閉周を推定する。
最後のフロアプランは、グローバル・コーディネート・システムにおけるすべての部屋周計の集合である。
- 参考スコア(独自算出の注目度): 9.71137838903781
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce Scan2Plan, a novel approach for accurate estimation of a
floorplan from a 3D scan of the structural elements of indoor environments. The
proposed method incorporates a two-stage approach where the initial stage
clusters an unordered point cloud representation of the scene into room
instances and wall instances using a deep neural network based voting approach.
The subsequent stage estimates a closed perimeter, parameterized by a simple
polygon, for each individual room by finding the shortest path along the
predicted room and wall keypoints. The final floorplan is simply an assembly of
all such room perimeters in the global co-ordinate system. The Scan2Plan
pipeline produces accurate floorplans for complex layouts, is highly
parallelizable and extremely efficient compared to existing methods. The voting
module is trained only on synthetic data and evaluated on publicly available
Structured3D and BKE datasets to demonstrate excellent qualitative and
quantitative results outperforming state-of-the-art techniques.
- Abstract(参考訳): Scan2Planは,室内環境の構造要素の3次元スキャンから,フロアプランを正確に推定するための新しい手法である。
提案手法は,初期ステージがシーンの無秩序な点クラウド表現を,ディープニューラルネットワークによる投票手法を用いて部屋のインスタンスや壁のインスタンスにクラスタする2段階のアプローチを含む。
その後の段階では、予測された部屋と壁のキーポイントに沿った最短経路を見つけることで、各部屋に対して単純なポリゴンでパラメータ化された閉周を推定する。
最後のフロアプランは、グローバルなコーディネートシステムにおけるすべての部屋周の集合である。
scan2planパイプラインは複雑なレイアウトの正確なフロアプランを生成し、非常に並列性があり、既存の方法に比べて非常に効率的である。
投票モジュールは合成データのみに基づいてトレーニングされ、公開利用可能なstructured3dおよびbkeデータセット上で評価され、最先端技術よりも優れた質的かつ定量的な結果を示す。
関連論文リスト
- ALSTER: A Local Spatio-Temporal Expert for Online 3D Semantic
Reconstruction [62.599588577671796]
本稿では,RGB-Dフレームのストリームから3次元セマンティックマップを段階的に再構成するオンライン3次元セマンティックセマンティックセマンティクス手法を提案する。
オフラインの手法とは異なり、ロボット工学や混合現実のようなリアルタイムな制約のあるシナリオに直接適用できます。
論文 参考訳(メタデータ) (2023-11-29T20:30:18Z) - PointOcc: Cylindrical Tri-Perspective View for Point-based 3D Semantic
Occupancy Prediction [72.75478398447396]
本稿では,点雲を効果的かつ包括的に表現する円筒型三重対視図を提案する。
また,LiDAR点雲の距離分布を考慮し,円筒座標系における三点ビューを構築した。
プロジェクション中に構造の詳細を維持するために空間群プーリングを使用し、各TPV平面を効率的に処理するために2次元バックボーンを採用する。
論文 参考訳(メタデータ) (2023-08-31T17:57:17Z) - A Hybrid Semantic-Geometric Approach for Clutter-Resistant Floorplan
Generation from Building Point Clouds [2.0859227544921874]
本研究では,レーザ走査型ビルディングポイント雲からのクラッタ耐性フロアプラン生成のためのハイブリッドセマンティック・ジオメトリ手法を提案する。
提案手法は,精度,リコール,インターセクション・オーバー・ユニオン(IOU),ベティ誤差,ワープ誤差の計測値を用いて評価する。
論文 参考訳(メタデータ) (2023-05-15T20:08:43Z) - 2D Floor Plan Segmentation Based on Down-sampling [1.4502611532302039]
ダウンサンプリング手法に基づく新しい2次元フロアプランセグメンテーション手法を提案する。
本手法では, フロアプランに連続的なダウンサンプリングを適用し, 構造情報の維持と複雑さの低減を図る。
論文 参考訳(メタデータ) (2023-03-24T04:39:50Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳(メタデータ) (2022-12-17T15:05:25Z) - Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。
平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。
提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
論文 参考訳(メタデータ) (2022-05-05T17:59:55Z) - 360-DFPE: Leveraging Monocular 360-Layouts for Direct Floor Plan
Estimation [43.56963653723287]
能動センサや3D情報に頼ることなく,360-DFPEを直接入力として利用するシーケンシャルフロアプラン推定法である360-DFPEを提案する。
以上の結果から, 現状のアルゴリズムに対して, 単分子解が良好な性能を達成できることが示唆された。
論文 参考訳(メタデータ) (2021-12-12T08:36:41Z) - MonteFloor: Extending MCTS for Reconstructing Accurate Large-Scale Floor
Plans [41.31546857809168]
うるさい3次元点雲からフロアプランを再構成する新しい手法を提案する。
私たちの主な貢献は、モンテカルロ木探索(mcts)アルゴリズムに依存する原則に基づくアプローチです。
本手法は, 構造化3Dおよびフロア-SPデータセットを用いて評価した。
論文 参考訳(メタデータ) (2021-03-20T11:36:49Z) - 3D Sketch-aware Semantic Scene Completion via Semi-supervised Structure
Prior [50.73148041205675]
セマンティック・シーン・コンプリート(SSC)タスクの目標は、単一視点で観察することで、ボリューム占有率とシーン内のオブジェクトの意味ラベルの完全な3Dボクセル表現を同時に予測することである。
低解像度のボクセル表現で深度情報を埋め込む新しい幾何学的手法を提案する。
提案手法は,SSCフレームワークからの深度特徴学習よりも有効である。
論文 参考訳(メタデータ) (2020-03-31T09:33:46Z) - Plane Pair Matching for Efficient 3D View Registration [7.920114031312631]
室内シーンにおける重なり合う3次元ビュー間の動き行列を推定する新しい手法を提案する。
マンハッタンの世界仮定を用いて、平面の四角形の下での軽量な幾何学的制約を問題に導入する。
我々は,玩具の例にアプローチを検証し,最近の最先端手法と比較し,公開RGB-Dデータセットの定量的実験を行った。
論文 参考訳(メタデータ) (2020-01-20T11:15:26Z) - Learning multiview 3D point cloud registration [74.39499501822682]
本稿では,エンドツーエンドで学習可能なマルチビュー3Dポイントクラウド登録アルゴリズムを提案する。
このアプローチは、エンドツーエンドのトレーニングが可能で、計算コストが小さく、最先端のマージンよりも優れています。
論文 参考訳(メタデータ) (2020-01-15T03:42:14Z)
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。