Fugu-MT 論文翻訳(概要): 1-Point RANSAC-Based Method for Ground Object Pose Estimation

論文の概要: 1-Point RANSAC-Based Method for Ground Object Pose Estimation

arxiv url: http://arxiv.org/abs/2008.03718v2
Date: Thu, 10 Jun 2021 07:22:42 GMT
ステータス: 処理完了
システム内更新日: 2022-11-01 04:26:51.743552
Title: 1-Point RANSAC-Based Method for Ground Object Pose Estimation
Title（参考訳）: 1点RANSACによる地中物体位置推定法
Authors: Jeong-Kyun Lee and Young-Ki Baik and Hankyu Cho and Kang Kim and Duck Hoon Kim
Abstract要約: オブジェクトのポーズは、RANSACベースのスキームでn = 3, 4を検出するアルゴリズムで計算される。しかし、計算複雑性はnとともに増加し、高い複雑性は複数のオブジェクトのポーズをリアルタイムで推定するデバイスに深刻な歪みを課す。本論文では,1点RANSACに基づくオブジェクトのポーズを地上で推定する効率的な手法を提案する。
参考スコア（独自算出の注目度）: 5.954779483701331
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Solving Perspective-n-Point (PnP) problems is a traditional way of estimating object poses. Given outlier-contaminated data, a pose of an object is calculated with PnP algorithms of n = {3, 4} in the RANSAC-based scheme. However, the computational complexity considerably increases along with n and the high complexity imposes a severe strain on devices which should estimate multiple object poses in real time. In this paper, we propose an efficient method based on 1-point RANSAC for estimating a pose of an object on the ground. In the proposed method, a pose is calculated with 1-DoF parameterization by using a ground object assumption and a 2D object bounding box as an additional observation, thereby achieving the fastest performance among the RANSAC-based methods. In addition, since the method suffers from the errors of the additional information, we propose a hierarchical robust estimation method for polishing a rough pose estimate and discovering more inliers in a coarse-to-fine manner. The experiments in synthetic and real-world datasets demonstrate the superiority of the proposed method.
Abstract（参考訳）: perspective-n-point(pnp)問題を解決することは、従来のオブジェクトポーズの推定方法である。異常値が与えられた場合、オブジェクトのポーズは、ransacベースのスキームで n = {3, 4} の pnp アルゴリズムで計算される。しかし、計算複雑性はnとともに著しく増加し、高い複雑性は複数のオブジェクトのポーズをリアルタイムで推定するデバイスに深刻な歪みを課す。本論文では,地上の物体のポーズを推定するための1点RANSACに基づく効率的な手法を提案する。提案手法では,地中オブジェクト仮定と2次元オブジェクト境界ボックスを付加観測として1-DoFパラメータ化を用いてポーズを算出し,RANSAC法で最速の性能を実現する。また,追加情報の誤りに支障をきたすため,粗いポーズ推定を洗練し,粗大から細かな方法でより多くのイリアーを発見する階層的ロバスト推定手法を提案する。合成および実世界のデータセットにおける実験は,提案手法の優越性を示している。

関連論文リスト

DVMNet: Computing Relative Pose for Unseen Objects Beyond Hypotheses [59.51874686414509]
現在のアプローチは、多数の離散的なポーズ仮説を持つ連続的なポーズ表現を近似している。本稿では,DVMNet(Deep Voxel Matching Network)を提案する。提案手法は,最先端の手法に比べて計算コストの低い新しいオブジェクトに対して,より正確なポーズ推定を行う。
論文参考訳（メタデータ） (2024-03-20T15:41:32Z)
RGB-based Category-level Object Pose Estimation via Decoupled Metric Scale Recovery [72.13154206106259]
本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
論文参考訳（メタデータ） (2023-09-19T02:20:26Z)
KVN: Keypoints Voting Network with Differentiable RANSAC for Stereo Pose Estimation [1.1603243575080535]
我々は、よく知られた単分子ポーズ推定ネットワークに微分可能なRANSAC層を導入する。本稿では, RANSACが提案した層の精度に果たす役割について述べる。
論文参考訳（メタデータ） (2023-07-21T12:43:07Z)
LocPoseNet: Robust Location Prior for Unseen Object Pose Estimation [69.70498875887611]
LocPoseNetは、見えないオブジェクトに先立って、ロバストにロケーションを学習することができる。提案手法は,LINEMOD と GenMOP において,既存の作業よりも優れた性能を示す。
論文参考訳（メタデータ） (2022-11-29T15:21:34Z)
6DOF Pose Estimation of a 3D Rigid Object based on Edge-enhanced Point Pair Features [20.33119373900788]
本稿では,点対特徴量(PPF)に基づく効率的な6次元ポーズ推定手法を提案する。エッジマッチング度を計算することにより、対称曖昧性を解決するために、ポーズ仮説の検証手法を提案する。
論文参考訳（メタデータ） (2022-09-17T07:05:50Z)
Assembly Planning from Observations under Physical Constraints [65.83676649042623]
提案アルゴリズムは, 物理安定性制約, 凸最適化, モンテカルロ木探索の簡単な組み合わせを用いて, 集合を計画する。それは効率的で、最も重要なことは、オブジェクト検出のエラーに対して堅牢であり、実際のロボットシステムでは避けられないポーズ推定である。
論文参考訳（メタデータ） (2022-04-20T16:51:07Z)
Occlusion-Robust Object Pose Estimation with Holistic Representation [42.27081423489484]
State-of-the-art(SOTA)オブジェクトのポーズ推定器は2段階のアプローチを取る。我々は,新しいブロック・アンド・ブラックアウトバッチ拡張技術を開発した。また,総合的なポーズ表現学習を促進するためのマルチ精度監視アーキテクチャも開発している。
論文参考訳（メタデータ） (2021-10-22T08:00:26Z)
Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
論文参考訳（メタデータ） (2020-11-25T14:00:18Z)
A Hybrid Approach for 6DoF Pose Estimation [4.200736775540874]
本稿では,最先端のディープラーニング型インスタンス検出器を用いた6DoFポーズ推定手法を提案する。さらに、インスタンス検出器とトレーニングセットを検証セット上で最高のパフォーマンスで選択する自動メソッド選択も使用します。このハイブリッドアプローチは、CNNを用いて高度に構造化されていないデータをフィルタリングし、クラッタを切断し、頑健なポーズ推定のために証明された収束を伴う局所幾何学的アプローチを用いて、学習と古典的アプローチのベストを生かしている。
論文参考訳（メタデータ） (2020-11-11T09:58:23Z)
PrimiTect: Fast Continuous Hough Voting for Primitive Detection [49.72425950418304]
本手法は点を平面や円錐などの異なる幾何学的プリミティブに分類し,データのコンパクトな表現につながる。我々は、プリミティブの局所的で低次元のパラメータ化を使用して、ポイントが属するオブジェクトのタイプ、形状、ポーズを決定する。これにより、ロボットアプリケーションでしばしば必要とされるように、計算能力の低いデバイス上での動作に適したアルゴリズムが実現されます。
論文参考訳（メタデータ） (2020-05-15T10:16:07Z)
EAO-SLAM: Monocular Semi-Dense Object SLAM Based on Ensemble Data Association [13.066862774833867]
パラメトリックおよび非パラメトリック統計テストを統合するためのアンサンブルデータアソシエイト戦略を提案する。そこで我々は,アウトリーズ・ロスト・センタロイドとスケール推定アルゴリズムを開発した,正確なオブジェクトポーズ推定フレームワークを提案する。モノクロカメラを用いた半高精細もしくは軽量なオブジェクト指向マップを作成できるSLAMシステムを構築した。
論文参考訳（メタデータ） (2020-04-27T11:59:28Z)

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。