Fugu-MT 論文翻訳(概要): CT-CPP: Coverage Path Planning for 3D Terrain Reconstruction Using Dynamic Coverage Trees

論文の概要: CT-CPP: Coverage Path Planning for 3D Terrain Reconstruction Using Dynamic Coverage Trees

arxiv url: http://arxiv.org/abs/2010.09231v3
Date: Thu, 2 Dec 2021 05:45:39 GMT
ステータス: 翻訳完了
システム内更新日: 2022-10-05 23:00:12.529012
Title: CT-CPP: Coverage Path Planning for 3D Terrain Reconstruction Using Dynamic Coverage Trees
Title（参考訳）: CT-CPP:動的被覆木を用いた3次元地形復元のための被覆経路計画
Authors: Zongyuan Shen and Junnan Song and Khushboo Mittal and Shalabh Gupta
Abstract要約: 提案手法はCT-CPPと呼ばれ,地形データを収集するために3次元領域の層走査を行う。その結果,CT-CPPは軌道長,エネルギー消費,再建誤差を著しく減少させることがわかった。
参考スコア（独自算出の注目度）: 1.4337588659482516
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This letter addresses the 3D coverage path planning (CPP) problem for terrain reconstruction of unknown obstacle rich environments. Due to sensing limitations, the proposed method, called CT-CPP, performs layered scanning of the 3D region to collect terrain data, where the traveling sequence is optimized using the concept of a coverage tree (CT) with a TSP-inspired tree traversal strategy. The CT-CPP method is validated on a high-fidelity underwater simulator and the results are compared to an existing terrain following CPP method. The results show that CT-CPP yields significant reduction in trajectory length, energy consumption, and reconstruction error.
Abstract（参考訳）: 本稿では、未知の障害物環境の地形復元のための3Dカバレッジパス計画(CPP)問題に対処する。センサの制限により,CT-CPPと呼ばれる提案手法は3次元領域を階層走査して地形データを収集し,TSPにインスパイアされたツリートラバース戦略を用いたカバレッジツリー(CT)の概念を用いて走行シーケンスを最適化する。高忠実度水中シミュレータ上でCT-CPP法を検証し,CPP法に従って既存の地形と比較した。その結果,CT-CPPは軌道長,エネルギー消費,再建誤差を著しく減少させることがわかった。

関連論文リスト

Three-dimentional reconstruction of complex, dynamic population canopy architecture for crops with a novel point cloud completion model: A case study in Brassica napus rapeseed [4.377318975816766]
本研究では, 複雑でダイナミックな個体群キャノピーの3次元再構築手法を提案する。トレーニングデータセットの自動アノテーションのために、完全なポイントクラウド生成フレームワークが開発された。次に,多分解能動的グラフ畳み込みエンコーダ (MRDG) と点ピラミッドデコーダ (PPD) を用いて,閉鎖点の予測を行った。
論文参考訳（メタデータ） (2025-06-23T05:02:31Z)
Revisiting Depth Representations for Feed-Forward 3D Gaussian Splatting [57.43483622778394]
本稿では,事前学習した変圧器によって予測される点マップに基づく新しい正規化損失PM-Lossを紹介する。改良された深度マップにより,様々なアーキテクチャやシーンのフィードフォワード3DGSを大幅に改善する。
論文参考訳（メタデータ） (2025-06-05T17:58:23Z)
CoCPF: Coordinate-based Continuous Projection Field for Ill-Posed Inverse Problem in Imaging [78.734927709231]
スパース・ビュー・コンピュート・トモグラフィー(SVCT)の再構成は,スパース・サンプリングによるCT画像の取得を目的としている。暗黙的な神経表現(INR)技術は、不備のため、その分野に「かなりの穴」(すなわち、未モデル化空間)を残し、準最適結果をもたらす可能性がある。 SVCT再構成のためのホールフリー表現場を構築することを目的としたコーディネート型連続射影場(CoCPF)を提案する。
論文参考訳（メタデータ） (2024-06-21T08:38:30Z)
GEOcc: Geometrically Enhanced 3D Occupancy Network with Implicit-Explicit Depth Fusion and Contextual Self-Supervision [49.839374549646884]
本稿では,視覚のみのサラウンドビュー知覚に適したジオメトリ強化OccupancyネットワークであるGEOccについて述べる。提案手法は,Occ3D-nuScenesデータセット上で,画像解像度が最小で,画像バックボーンが最大である状態-Of-The-Art性能を実現する。
論文参考訳（メタデータ） (2024-05-17T07:31:20Z)
Convolution-based Probability Gradient Loss for Semantic Segmentation [0.0]
本稿では,意味的セグメンテーションのための新しいConvolution-based Probability Gradient (CPG)ロスを提案する。ソベル演算子に似た畳み込みカーネルを使用し、画像中のピクセル強度の勾配を計算することができる。我々は,CPG損失が3つの確立されたネットワークに与える影響を評価するために,定性的かつ定量的な分析を行う。
論文参考訳（メタデータ） (2024-04-10T03:20:33Z)
OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
論文参考訳（メタデータ） (2023-12-14T18:58:52Z)
TSAR-MVS: Textureless-aware Segmentation and Correlative Refinement Guided Multi-View Stereo [3.6728185343140685]
テクスチャレス・アンド・コリレーティブ・リファインメント・ガイド付きマルチビューステレオ (TSAR-MVS) 法を提案する。フィルター,精細化,セグメンテーションによる3次元再構成におけるテクスチャレス領域による課題を効果的に解決する。 ETH3D, Tanks & Temples および Strecha データセットの実験により,提案手法の優れた性能と強みが示された。
論文参考訳（メタデータ） (2023-08-19T11:40:57Z)
Learning Deep Intensity Field for Extremely Sparse-View CBCT Reconstruction [10.06715158736831]
Sparse-view cone-beam CT (CBCT) 再建は放射線線量削減と臨床応用のための重要な方向である。従来のボクセルベースの生成方法は、CTを離散ボクセルとして表現する。超高速視界から高画質CBCT再構成を行うための新しいDIF-Netを開発した。
論文参考訳（メタデータ） (2023-03-12T14:54:22Z)
Neural 3D Scene Reconstruction with the Manhattan-world Assumption [58.90559966227361]
本稿では,多視点画像から3次元屋内シーンを再構築する課題について述べる。平面的制約は、最近の暗黙の神経表現に基づく再構成手法に便利に組み込むことができる。提案手法は, 従来の手法よりも3次元再構成品質に優れていた。
論文参考訳（メタデータ） (2022-05-05T17:59:55Z)
From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction [80.67873933010783]
我々は,MDPが現在,3Dアプリケーションにおける予測の有用性を評価するのに有効な指標に頼っていることを論じる。これにより、2Dベースの距離を最適化するのではなく、シーンの3D構造を正確に認識し、推定に向けて改善する新しい手法の設計と開発が制限される。本稿では,MDP手法の3次元幾何評価に適した指標セットと,提案手法に不可欠な室内ベンチマークRIO-D3Dを提案する。
論文参考訳（メタデータ） (2022-03-15T17:50:54Z)
A three-dimensional dual-domain deep network for high-pitch and sparse helical CT reconstruction [13.470588027095264]
我々はヘリカルCT再構成のためのKatsevichアルゴリズムのGPU実装を提案する。本実装では, シングラムを分割し, CT画像のピッチをピッチで再構成する。この実装をネットワークに埋め込むことにより,高ピッチヘリカルCT再構成のためのエンドツーエンドのディープネットワークを提案する。
論文参考訳（メタデータ） (2022-01-07T03:26:15Z)
Depth Completion using Piecewise Planar Model [94.0808155168311]
深度マップは一連の学習された基底で表現することができ、閉じた解法で効率的に解ける。しかし、この方法の1つの問題は、色境界が深さ境界と矛盾する場合にアーチファクトを生成することである。私たちは、より厳密な深度回復モデルを実行します。
論文参考訳（メタデータ） (2020-12-06T07:11:46Z)

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。