論文の概要: Reconstructing normal section profiles of 3D revolving structures via pose-unconstrained multi-line structured-light vision

• arxiv url: http://arxiv.org/abs/2004.12697v1
• Date: Mon, 27 Apr 2020 10:39:38 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 05:59:07.347768
• Title: Reconstructing normal section profiles of 3D revolving structures via pose-unconstrained multi-line structured-light vision
• Title（参考訳）: ポーズ非拘束多線構造光視覚による3次元回転構造の正常断面形状の再構成
• Authors: Junhua Sun and Zhou Zhang and Jie Zhang
• Abstract要約: 車両の車輪は3次元回転する幾何学的構造であり、通常の断面形状を再構築することは、鉄道安全のコミュニティにおいて車輪の臨界パラメータと摩耗を決定する効果的な方法である。 本稿では,多線構造光視覚センサによって得られた複数の3次元一般断面プロファイルを経由した3次元回転構造のためのポーズ制約のない正規断面プロファイル再構成フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 4.7723409517627395
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The wheel of the train is a 3D revolving geometrical structure. Reconstructing the normal section profile is an effective approach to determine the critical geometric parameter and wear of the wheel in the community of railway safety. The existing reconstruction methods typically require a sensor working in a constrained position and pose, suffering poor flexibility and limited viewangle. This paper proposes a pose-unconstrained normal section profile reconstruction framework for 3D revolving structures via multiple 3D general section profiles acquired by a multi-line structured light vision sensor. First, we establish a model to estimate the axis of 3D revolving geometrical structure and the normal section profile using corresponding points. Then, we embed the model into an iterative algorithm to optimize the corresponding points and finally reconstruct the accurate normal section profile. We conducted real experiment on reconstructing the normal section profile of a 3D wheel. The results demonstrate that our algorithm reaches the mean precision of 0.068mm and good repeatability with the STD of 0.007mm. It is also robust to varying pose variations of the sensor. Our proposed framework and models are generalized to any 3D wheeltype revolving components.
• Abstract（参考訳）: 列車の車輪は3D回転する幾何学構造である。 正常断面プロファイルの再構成は, 鉄道安全コミュニティにおいて, 重要な幾何学的パラメータと車輪の摩耗を決定するための効果的なアプローチである。 既存の再建法は、通常、制限された位置とポーズで作業するセンサーを必要とし、柔軟性が悪く、視野が限られている。 本稿では,多線構造光視覚センサにより取得された複数の3次元一般断面プロファイルを用いた3次元回転構造のためのポーズ制約なし正規断面形状再構成フレームワークを提案する。 まず、3次元回転幾何構造と正規断面形状の軸を対応する点を用いて推定するモデルを構築した。 そして,モデルを反復アルゴリズムに組み込んで対応する点を最適化し,最終的に正規部プロファイルを再構成する。 3dホイールの正常断面形状を再構成する実実験を行った。 その結果,本アルゴリズムの平均精度は0.068mm,STDは0.007mmであった。 また、センサーの様々なポーズのバリエーションにも堅牢である。 提案するフレームワークとモデルは,任意の3次元ホイール型回転部品に一般化される。

関連論文リスト

• Geometry-guided Feature Learning and Fusion for Indoor Scene Reconstruction [14.225228781008209]
  本稿では3次元シーン再構成のための新しい幾何学的統合機構を提案する。 提案手法は,特徴学習,特徴融合,ネットワーク監視という3段階の3次元幾何学を取り入れている。
  論文  参考訳（メタデータ） (2024-08-28T08:02:47Z)
• GeoGS3D: Single-view 3D Reconstruction via Geometric-aware Diffusion Model and Gaussian Splatting [81.03553265684184]
  単視点画像から詳細な3Dオブジェクトを再構成するフレームワークであるGeoGS3Dを紹介する。 本稿では,GDS(Gaussian Divergence Significance)という新しい指標を提案する。 実験により、GeoGS3Dはビュー間で高い一貫性を持つ画像を生成し、高品質な3Dオブジェクトを再構成することを示した。
  論文  参考訳（メタデータ） (2024-03-15T12:24:36Z)
• 3D Face Reconstruction with the Geometric Guidance of Facial Part Segmentation [28.104227855986185]
  3D Morphable Models (3DMM) は、様々なアプリケーションで有望な3D顔再構成を提供する。 既存の方法は、監督信号の欠陥により、極端な表情で顔を再構築するのに苦労している。 部分再投影距離損失(PRDL)は、顔部分のセグメンテーションを2Dポイントに変換し、再構成を画像面に再投影する。
  論文  参考訳（メタデータ） (2023-12-01T03:05:21Z)
• gSDF: Geometry-Driven Signed Distance Functions for 3D Hand-Object Reconstruction [94.46581592405066]
  我々は手の構造を利用してSDFによる形状復元の指導を行う。 我々は、ポーズ変換のキネマティック連鎖を予測し、SDFを高調波ハンドポーズと整列させる。
  論文  参考訳（メタデータ） (2023-04-24T10:05:48Z)
• Beyond 3DMM: Learning to Capture High-fidelity 3D Face Shape [77.95154911528365]
  3Dモーフィブルモデル(3DMM)の適合性は、その強力な3D先行性のため、顔解析に広く有用である。 以前に再建された3次元顔は、微細な形状が失われるため、視差の低下に悩まされていた。 本論文は, パーソナライズされた形状が対応する人物と同一に見えるよう, パーソナライズされた形状を捉えるための完全な解を提案する。
  論文  参考訳（メタデータ） (2022-04-09T03:46:18Z)
• 3D Reconstruction of Curvilinear Structures with Stereo Matching DeepConvolutional Neural Networks [52.710012864395246]
  本稿では,立体対における曲線構造の検出とマッチングのための完全自動パイプラインを提案する。 主に、TEM画像のステレオ対から転位を3次元再構成することに焦点を当てる。
  論文  参考訳（メタデータ） (2021-10-14T23:05:47Z)
• Learning to Reconstruct 3D Non-Cuboid Room Layout from a Single RGB Image [32.5277483805739]
  単一画像から部屋の囲い3次元構造を再構築することを目的としている。 本稿では,室内のより一般的な仮定,すなわち1つの天井,1つの床,2つの垂直壁からなる部屋配置について考察する。
  論文  参考訳（メタデータ） (2021-04-16T09:24:08Z)
• From Points to Multi-Object 3D Reconstruction [71.17445805257196]
  単一のRGB画像から複数の3Dオブジェクトを検出し再構成する方法を提案する。 キーポイント検出器は、オブジェクトを中心点としてローカライズし、9-DoF境界ボックスや3D形状を含む全てのオブジェクト特性を直接予測する。 提示されたアプローチは、軽量な再構築を単一ステージで実行し、リアルタイム能力を持ち、完全に微分可能で、エンドツーエンドのトレーナーブルである。
  論文  参考訳（メタデータ） (2020-12-21T18:52:21Z)
• Vid2Curve: Simultaneous Camera Motion Estimation and Thin Structure Reconstruction from an RGB Video [90.93141123721713]
  ワイヤーフレーム彫刻、フェンス、ケーブル、電力線、木の枝などの細い構造は現実世界では一般的である。 従来の画像ベースや深度ベースの再構築手法を用いて3Dデジタルモデルを入手することは極めて困難である。 ハンドヘルドカメラで撮影したカラービデオから,カメラの動きを同時に推定し,複雑な3次元薄膜構造の形状を高品質に再構成する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-07T10:39:20Z)

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。