Fugu-MT 論文翻訳(概要): 3D Object Localization Using 2D Estimates for Computer Vision Applications

論文の概要: 3D Object Localization Using 2D Estimates for Computer Vision Applications

arxiv url: http://arxiv.org/abs/2009.11446v2
Date: Sat, 21 Aug 2021 09:37:25 GMT
ステータス: 処理完了
システム内更新日: 2022-10-15 05:07:07.145592
Title: 3D Object Localization Using 2D Estimates for Computer Vision Applications
Title（参考訳）: コンピュータビジョンのための2次元推定を用いた3次元物体位置推定
Authors: Taha Hasan Masood Siddique and Muhammad Usman
Abstract要約: ポーズ推定とカメラキャリブレーションに基づく物体位置推定手法を提案する。 3次元座標は、対象物の複数の2次元(2次元)画像を収集して推定し、カメラの校正に利用する。
参考スコア（独自算出の注目度）: 0.9543667840503739
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A technique for object localization based on pose estimation and camera calibration is presented. The 3-dimensional (3D) coordinates are estimated by collecting multiple 2-dimensional (2D) images of the object and are utilized for the calibration of the camera. The calibration steps involving a number of parameter calculation including intrinsic and extrinsic parameters for the removal of lens distortion, computation of object's size and camera's position calculation are discussed. A transformation strategy to estimate the 3D pose using the 2D images is presented. The proposed method is implemented on MATLAB and validation experiments are carried out for both pose estimation and camera calibration.
Abstract（参考訳）: ポーズ推定とカメラキャリブレーションに基づく物体位置推定手法を提案する。対象物の2次元(2次元)画像を複数収集して3次元(3次元)座標を推定し、カメラの校正に利用する。レンズ歪みの除去、物体の大きさの計算、カメラの位置計算のための内因的および外因的パラメータを含む多くのパラメータ計算を含むキャリブレーションステップについて論じる。 2次元画像を用いて3次元ポーズを推定する変換戦略を示す。提案手法はMATLABに実装され,ポーズ推定とカメラキャリブレーションの両面で検証実験を行った。

関連論文リスト

Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
論文参考訳（メタデータ） (2023-08-21T10:38:32Z)
Monocular 3D Object Detection with Depth from Motion [74.29588921594853]
我々は、正確な物体深度推定と検出にカメラエゴモーションを利用する。我々のフレームワークはDfM(Depth from Motion)と呼ばれ、2D画像の特徴を3D空間に持ち上げて3Dオブジェクトを検出する。我々のフレームワークは、KITTIベンチマークにおいて最先端の手法よりも大きなマージンで優れている。
論文参考訳（メタデータ） (2022-07-26T15:48:46Z)
Level Set-Based Camera Pose Estimation From Multiple 2D/3D Ellipse-Ellipsoid Correspondences [2.016317500787292]
2次元物体検出に対する3次元物体の投影を特徴付けるコスト関数の定義は簡単ではないことを示す。レベルセットのサンプリングに基づいて楕円楕円コストを開発し、部分的な可視オブジェクトを扱うための優れた特性を実証し、その性能を他の一般的なメトリクスと比較する。
論文参考訳（メタデータ） (2022-07-16T14:09:54Z)
3D object reconstruction and 6D-pose estimation from 2D shape for robotic grasping of objects [2.330913682033217]
本研究では,2次元画像からの3次元オブジェクト再構成と6次元位置推定手法を提案する。 2次元画像から直接変換パラメータを計算することにより、登録プロセスに必要な自由パラメータの数を削減できる。ロボット実験では、オブジェクトの把握が成功し、実際の環境でのユーザビリティが実証される。
論文参考訳（メタデータ） (2022-03-02T11:58:35Z)
A Critical Analysis of Image-based Camera Pose Estimation Techniques [18.566761146552537]
カメラのローカライゼーションは、自律運転、ロボットナビゲーション、拡張現実(AR)など、多くのコンピュータビジョン分野に恩恵をもたらす可能性がある本調査では,まず,異なるサブタスクに応じて,カメラのローカライゼーションポーズの特定の適用領域と評価指標を紹介する。
論文参考訳（メタデータ） (2022-01-15T09:57:45Z)
DETR3D: 3D Object Detection from Multi-view Images via 3D-to-2D Queries [43.02373021724797]
マルチカメラ3Dオブジェクト検出のためのフレームワークを提案する。本手法は3次元空間での予測を直接操作する。我々はnuScenes自動運転ベンチマークで最先端の性能を達成する。
論文参考訳（メタデータ） (2021-10-13T17:59:35Z)
Category-Level Metric Scale Object Shape and Pose Estimation [73.92460712829188]
本稿では,測度スケールの形状と1枚のRGB画像からのポーズを共同で推定するフレームワークを提案する。カテゴリーレベルのオブジェクトのポーズと形状を評価するために,合成と実世界の両方のデータセット上で本手法の有効性を検証した。
論文参考訳（メタデータ） (2021-09-01T12:16:46Z)
Calibrated and Partially Calibrated Semi-Generalized Homographies [65.29477277713205]
視点と一般化カメラから半一般化ホモグラフィーを推定するための最初の最小解を提案する。提案した解法は、多くの合成および実世界の実験で実証されたように安定かつ効率的である。
論文参考訳（メタデータ） (2021-03-11T08:56:24Z)
PLUME: Efficient 3D Object Detection from Stereo Images [95.31278688164646]
既存の手法では、2つのステップでこの問題に対処する: 第一深度推定を行い、その深さ推定から擬似LiDAR点雲表現を計算し、3次元空間で物体検出を行う。この2つのタスクを同一のメトリック空間で統一するモデルを提案する。提案手法は,既存の手法と比較して推定時間を大幅に削減し,挑戦的なKITTIベンチマークの最先端性能を実現する。
論文参考訳（メタデータ） (2021-01-17T05:11:38Z)
Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled Representation [57.11299763566534]
空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
論文参考訳（メタデータ） (2020-04-05T12:52:29Z)
Automatic Estimation of Sphere Centers from Images of Calibrated Cameras [11.816942730023886]
本稿では,カメラ画像中の楕円を自動的に検出すると共に,検出した2次元楕円に対応する球面の3次元位置を推定する。カメラ画像中の楕円を検出するための2つの新しい手法を提案し,その大きさが分かっていれば対応する球体の空間的位置を推定する。デジタルカメラ、深度センサー、LiDARデバイスを備えた自動運転車のセンサーシステムの校正に応用される。
論文参考訳（メタデータ） (2020-02-24T13:12:08Z)

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。