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
- 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) - Data-Induced Interactions of Sparse Sensors [3.050919759387984]
トレーニングデータによって引き起こされるセンサインタラクションの全体像を熱力学ビューで計算する。
これらのデータによって引き起こされるセンサーの相互作用をマッピングすることで、外部選択基準と組み合わせ、センサーの代替効果を予測することができる。
論文 参考訳(メタデータ) (2023-07-21T18:13:37Z) - The Treasure Beneath Multiple Annotations: An Uncertainty-aware Edge
Detector [70.43599299422813]
既存のメソッドは、単純な投票プロセスを使用して複数のアノテーションを融合し、エッジ固有の曖昧さを無視し、アノテータのラベル付けバイアスを無視する。
多様なアノテーションの主観性とあいまいさを調査するために不確実性を利用した新しい不確実性認識エッジ検出器(UAED)を提案する。
UAEDは複数のエッジ検出ベンチマークで一貫したパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-03-21T13:14:36Z) - Online Active Learning for Soft Sensor Development using Semi-Supervised
Autoencoders [0.7734726150561089]
データ駆動型ソフトセンサーは、産業や化学プロセスにおいて、ハード・トゥ・計測プロセスの変数を予測するために広く使われている。
アクティブな学習方法は、クエリに最も有意義なラベルを提案することができるため、非常に有益である。
本研究では,これらのアプローチのいくつかをストリームベースのシナリオに適用し,最も情報に富むデータポイントの選択にどのように使用できるかを示す。
論文 参考訳(メタデータ) (2022-12-26T09:45:41Z) - 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。