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: 翻訳完了
- 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
- CaLiV: LiDAR-to-Vehicle Calibration of Arbitrary Sensor Setups via Object Reconstruction [0.8437187555622164]
自律システムでは、ダイナミック環境における安全で効率的なナビゲーションにはセンサキャリブレーションが不可欠である。
既存のLiDARキャリブレーション法の多くは、重なり合う視野を必要とするが、外部センサーデバイスを使ったり、機能豊富な環境を仮定するものもある。
本研究では,CaLiVと呼ばれるマルチLiDARシステムの外部センサ・センサ・センサ・バイヒクルキャリブレーションのための新しいターゲットベース手法を提案する。
このアルゴリズムは、重複しないFoVや任意のキャリブレーションターゲットに対して機能し、外部センサーデバイスを必要としない。
論文 参考訳（メタデータ） (2025-03-31T08:08:21Z) - 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) - Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。
本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
論文 参考訳（メタデータ） (2024-07-16T12:39:56Z) - DynST: Dynamic Sparse Training for Resource-Constrained Spatio-Temporal Forecasting [31.398965880415492]
地球科学システムは、センサーの広範な展開に大きく依存している。
従来のセンサー配置アプローチでは、特定のアルゴリズムを使用してセンサーを設計および展開する。
本稿では,スパース時間データダイナミックスパーストレーニングの概念を初めて紹介し,適応的かつ動的に重要な分布センサをフィルタリングすることにコミットする。
論文 参考訳（メタデータ） (2024-03-05T12:31:24Z) - 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) - Learning Camera Miscalibration Detection [83.38916296044394]
本稿では,視覚センサ,特にRGBカメラの誤校正検出を学習するためのデータ駆動型アプローチに焦点を当てた。
コントリビューションには、RGBカメラの誤校正基準と、この基準に基づく新しい半合成データセット生成パイプラインが含まれる。
深層畳み込みニューラルネットワークをトレーニングすることにより、カメラ固有のパラメータの再校正が必要か否かを判断するパイプラインの有効性を実証する。
論文 参考訳（メタデータ） (2020-05-24T10:32:49Z)
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。