論文の概要: Deep Soft Procrustes for Markerless Volumetric Sensor Alignment

• arxiv url: http://arxiv.org/abs/2003.10176v1
• Date: Mon, 23 Mar 2020 10:51:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 23:40:37.261641
• Title: Deep Soft Procrustes for Markerless Volumetric Sensor Alignment
• Title（参考訳）: マーカーレス容積センサアライメントのための深軟突起
• Authors: Vladimiros Sterzentsenko and Alexandros Doumanoglou and Spyridon Thermos and Nikolaos Zioulis and Dimitrios Zarpalas and Petros Daras
• Abstract要約: 本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
• 参考スコア（独自算出の注目度）: 81.13055566952221
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the advent of consumer grade depth sensors, low-cost volumetric capture systems are easier to deploy. Their wider adoption though depends on their usability and by extension on the practicality of spatially aligning multiple sensors. Most existing alignment approaches employ visual patterns, e.g. checkerboards, or markers and require high user involvement and technical knowledge. More user-friendly and easier-to-use approaches rely on markerless methods that exploit geometric patterns of a physical structure. However, current SoA approaches are bounded by restrictions in the placement and the number of sensors. In this work, we improve markerless data-driven correspondence estimation to achieve more robust and flexible multi-sensor spatial alignment. In particular, we incorporate geometric constraints in an end-to-end manner into a typical segmentation based model and bridge the intermediate dense classification task with the targeted pose estimation one. This is accomplished by a soft, differentiable procrustes analysis that regularizes the segmentation and achieves higher extrinsic calibration performance in expanded sensor placement configurations, while being unrestricted by the number of sensors of the volumetric capture system. Our model is experimentally shown to achieve similar results with marker-based methods and outperform the markerless ones, while also being robust to the pose variations of the calibration structure. Code and pretrained models are available at https://vcl3d.github.io/StructureNet/.
• Abstract（参考訳）: コンシューマーグレードの深度センサーの出現により、低コストのボリュームキャプチャーシステムは容易に展開できる。 広く採用されているのは、ユーザビリティと、複数のセンサを空間的に調整する実用性の拡張によるものだ。 既存のアライメントアプローチのほとんどは、例えばチェッカーボードやマーカーのような視覚パターンを採用しており、高いユーザの関与と技術的な知識を必要とする。 よりユーザフレンドリーで使いやすいアプローチは、物理的な構造の幾何学的パターンを利用するマーカーレスメソッドに依存している。 しかし、現在のSoAアプローチは、配置の制限とセンサーの数によって制限されている。 本研究では,より堅牢で柔軟なマルチセンサ空間アライメントを実現するために,マーカーレスデータ駆動対応推定を改善する。 特に,典型的なセグメンテーションベースモデルに幾何学的制約をエンドツーエンドに取り入れ,対象ポーズ推定タスクと中間密分類タスクを橋渡しする。 これは、セグメンテーションを定式化し、ボリュームキャプチャシステムのセンサ数に制限されずに、拡張されたセンサ配置構成で高い外部キャリブレーション性能を達成するソフトで微分可能なprocrustes分析によって達成される。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,キャリブレーション構造のポーズ変動にも頑健であることがわかった。 コードと事前トレーニングされたモデルはhttps://vcl3d.github.io/structurenet/で入手できる。

関連論文リスト

• Condition-Aware Multimodal Fusion for Robust Semantic Perception of Driving Scenes [56.52618054240197]
  本研究では,運転シーンのロバストな意味認識のための条件対応型マルチモーダル融合手法を提案する。 CAFuserは、RGBカメラ入力を用いて環境条件を分類し、複数のセンサの融合を誘導するコンディショントークンを生成する。 MUSESデータセットでは,マルチモーダルパノプティクスセグメンテーションの59.7 PQ,セマンティックセグメンテーションの78.2 mIoU,公開ベンチマークの1位にランクインした。
  論文  参考訳（メタデータ） (2024-10-14T17:56:20Z)
• Geometry-aware Feature Matching for Large-Scale Structure from Motion [10.645087195983201]
  大規模シナリオでは重なりが小さい場合にギャップを埋めるために,カラーキューに加えて幾何学的手がかりを導入する。 提案手法は, 検出器フリー法からの高密度対応が幾何的に整合性を持ち, 精度が高いことを保証する。 ベンチマークデータセットにおける最先端の機能マッチングメソッドよりも優れています。
  論文  参考訳（メタデータ） (2024-09-03T21:41:35Z)
• Kalib: Markerless Hand-Eye Calibration with Keypoint Tracking [52.4190876409222]
  ハンドアイキャリブレーションでは、カメラとロボット間の変換を推定する。 ディープラーニングの最近の進歩は、マーカーレス技術を提供するが、それらは課題を提示している。 自動的かつ普遍的なマーカーレスハンドアイキャリブレーションパイプラインであるKalibを提案する。
  論文  参考訳（メタデータ） (2024-08-20T06:03:40Z)
• SOAC: Spatio-Temporal Overlap-Aware Multi-Sensor Calibration using Neural Radiance Fields [10.958143040692141]
  自律運転のような急速に進化する領域では、動作精度と安定性を確保するために、異なるモードの複数のセンサーを使用することが不可欠である。 各センサが提供した情報を単一の共通フレームで正確に活用するためには、これらのセンサを正確に校正することが不可欠である。 我々は、共通の表現において異なるモダリティを表現するために、ニューラルラジアンス場(Neural Radiance Fields)の能力を利用する。
  論文  参考訳（メタデータ） (2023-11-27T13:25:47Z)
• Vanishing Point Estimation in Uncalibrated Images with Prior Gravity Direction [82.72686460985297]
  我々はマンハッタンのフレームを推定する問題に取り組む。 2つの新しい2行解法が導出され、そのうちの1つは既存の解法に影響を与える特異点に悩まされない。 また、局所最適化の性能を高めるために、任意の行で実行される新しい最小でないメソッドを設計する。
  論文  参考訳（メタデータ） (2023-08-21T13:03:25Z)
• Instance Segmentation with Cross-Modal Consistency [13.524441194366544]
  本稿では,複数センサモードの測定を協調的に活用するインスタンスセグメンテーションへの新しいアプローチを提案する。 本手法は, センサ・モダリティと時間領域の両面において, 現場の点に対してコントラスト学習を適用した。 この定式化は、視点の変化に不変な埋め込みを学ぶことをモデルに促すことを実証する。
  論文  参考訳（メタデータ） (2022-10-14T21:17:19Z)
• Automatic Extrinsic Calibration Method for LiDAR and Camera Sensor Setups [68.8204255655161]
  本論文では,LiDAR,単眼,ステレオカメラを含む任意のセンサのパラメータを校正する手法を提案する。 提案手法は、通常、車両のセットアップで見られるように、非常に異なる解像度とポーズのデバイスを扱うことができる。
  論文  参考訳（メタデータ） (2021-01-12T12:02:26Z)
• Dense Label Encoding for Boundary Discontinuity Free Rotation Detection [69.75559390700887]
  本稿では,分類に基づく比較的研究の少ない方法論について検討する。 我々は2つの側面でフロンティアを推し進めるための新しい手法を提案する。 航空画像のための大規模公開データセットの実験と視覚解析は,我々のアプローチの有効性を示している。
  論文  参考訳（メタデータ） (2020-11-19T05:42:02Z)
• Deep Phase Correlation for End-to-End Heterogeneous Sensor Measurements Matching [12.93459392278491]
  不均一なセンサ計測に適合するエンド・ツー・エンドのディープ位相相関ネットワーク(DPCN)を提案する。 主なコンポーネントは、学習可能な特徴抽出器にポーズエラーをバックプロパゲートする、微分可能な相関ベースの推定器である。 解釈可能なモデリングにより、ネットワークは軽量化され、より良い一般化が期待できる。
  論文  参考訳（メタデータ） (2020-08-21T13:42:25Z)

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。