論文の概要: MarkerPose: Robust Real-time Planar Target Tracking for Accurate Stereo Pose Estimation

• arxiv url: http://arxiv.org/abs/2105.00368v1
• Date: Sun, 2 May 2021 01:09:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-05 05:20:09.599428
• Title: MarkerPose: Robust Real-time Planar Target Tracking for Accurate Stereo Pose Estimation
• Title（参考訳）: MarkerPose: 正確なステレオポース推定のためのロバストなリアルタイム平面目標追跡
• Authors: Jhacson Meza, Lenny A. Romero, Andres G. Marrugo
• Abstract要約: MarkerPoseは3つの円の平面的目標とステレオ視覚システムに基づくリアルタイムポーズ推定システムである。 本手法は,マーカー点検出のための2つの深層ニューラルネットワークからなる。 3Dフリーハンド超音波システムにおけるMarkerPoseの適合性を示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Despite the attention marker-less pose estimation has attracted in recent years, marker-based approaches still provide unbeatable accuracy under controlled environmental conditions. Thus, they are used in many fields such as robotics or biomedical applications but are primarily implemented through classical approaches, which require lots of heuristics and parameter tuning for reliable performance under different environments. In this work, we propose MarkerPose, a robust, real-time pose estimation system based on a planar target of three circles and a stereo vision system. MarkerPose is meant for high-accuracy pose estimation applications. Our method consists of two deep neural networks for marker point detection. A SuperPoint-like network for pixel-level accuracy keypoint localization and classification, and we introduce EllipSegNet, a lightweight ellipse segmentation network for sub-pixel-level accuracy keypoint detection. The marker's pose is estimated through stereo triangulation. The target point detection is robust to low lighting and motion blur conditions. We compared MarkerPose with a detection method based on classical computer vision techniques using a robotic arm for validation. The results show our method provides better accuracy than the classical technique. Finally, we demonstrate the suitability of MarkerPose in a 3D freehand ultrasound system, which is an application where highly accurate pose estimation is required. Code is available in Python and C++ at <https://github.com/jhacsonmeza/MarkerPose>.
• Abstract（参考訳）: 近年は注目マーカーレスポーズ推定が注目されているが、マーカーベースのアプローチは制御された環境条件下でも精度が低い。 したがって、ロボット工学やバイオメディカル応用など多くの分野で使用されているが、主に古典的なアプローチによって実装されているため、異なる環境下での信頼性の高いパフォーマンスには多くのヒューリスティックやパラメータチューニングが必要となる。 本研究では,3つの円の平面目標とステレオビジョンシステムに基づく,ロバストでリアルタイムなポーズ推定システムであるmarkerposeを提案する。 MarkerPoseは高精度なポーズ推定アプリケーションを目的としている。 本手法は,マーカー点検出のための2つの深層ニューラルネットワークからなる。 ピクセルレベルの精度キーポイントの同定と分類のためのスーパーポイントライクネットワークと,サブピクセルレベルの精度キーポイント検出のための軽量な楕円型セグメンテーションネットワークであるellipsegnetを紹介する。 マーカーのポーズはステレオ三角測量によって推定される。 目標点検出は、低い照明条件と動きのぼやき条件にロバストである。 我々は,ロボットアームを用いた従来のコンピュータビジョン技術に基づく検出手法と比較した。 その結果,従来の手法よりも精度が高いことがわかった。 最後に,高精度なポーズ推定が要求される3次元自由手超音波システムにおいて,マーカーポスが適合することを示す。 コードはPythonとC++でhttps://github.com/jhacsonmeza/MarkerPose>で入手できる。

関連論文リスト

• Learning to Make Keypoints Sub-Pixel Accurate [80.55676599677824]
  本研究は,2次元局所特徴の検出におけるサブピクセル精度の課題に対処する。 本稿では,検出された特徴に対するオフセットベクトルを学習することにより,サブピクセル精度で検出器を拡張できる新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2024-07-16T12:39:56Z)
• KeyPosS: Plug-and-Play Facial Landmark Detection through GPS-Inspired True-Range Multilateration [28.96448680048584]
  KeyPoint Positioning System (KeyPosS) は、関心点と完全な畳み込みネットワークによって予測されるアンカー点の距離を三角にして正確なランドマーク座標を導出する最初のフレームワークである。 4つのデータセットの実験では、計算オーバーヘッドが最小限であるにもかかわらず、KeyPosSは、解像度の低い設定で既存のメソッドを上回り、最先端のパフォーマンスを示している。
  論文  参考訳（メタデータ） (2023-05-25T19:30:21Z)
• CheckerPose: Progressive Dense Keypoint Localization for Object Pose Estimation with Graph Neural Network [66.24726878647543]
  単一のRGB画像から固い物体の6-DoFのポーズを推定することは、非常に難しい課題である。 近年の研究では、高密度対応型解の大きな可能性を示している。 そこで本研究では,CheckerPoseというポーズ推定アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-29T17:30:53Z)
• Optimizing Fiducial Marker Placement for Improved Visual Localization [24.614588477086503]
  本稿では,シーン内のマーカーの自動配置の問題について考察する。 我々は、視覚的位置決めの精度を向上させるために、シーン内の最適化マーカー位置を計算する。 我々は,カメラのローカライザビリティ・フレームワークをベースとした,グレディなアルゴリズムである最適化マーカー配置(OMP)を提案する。
  論文  参考訳（メタデータ） (2022-11-02T23:18:14Z)
• SASA: Semantics-Augmented Set Abstraction for Point-based 3D Object Detection [78.90102636266276]
  SASA(Semantics-Augmented Set Abstraction)と呼ばれる新しい集合抽象化手法を提案する。 そこで本研究では, 推定点前景スコアに基づいて, より重要な前景点の維持を支援するセマンティックス誘導点サンプリングアルゴリズムを提案する。 実際には、SASAは、前景オブジェクトに関連する貴重な点を識別し、ポイントベースの3D検出のための特徴学習を改善するのに有効である。
  論文  参考訳（メタデータ） (2022-01-06T08:54:47Z)
• Few-Shot Keypoint Detection as Task Adaptation via Latent Embeddings [17.04471874483516]
  既存のアプローチでは、1つのフォワードパスに密なキーポイントの埋め込みを計算するか、その全容量をスパースポイントのセットに割り当てる。 本稿では,ある時点における関連点数が典型的には少ないという観測に基づいて,中間点を探索する。 私たちの主な貢献は、キーポイント埋め込みでスパーススタイルのネットワークを条件付けることができる、少数ショットタスク適応にインスパイアされた、新しいアーキテクチャです。
  論文  参考訳（メタデータ） (2021-12-09T13:25:42Z)
• Progressive Coordinate Transforms for Monocular 3D Object Detection [52.00071336733109]
  本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。 本稿では,学習座標表現を容易にするために,PCT(Em Progressive Coordinate Transforms)と呼ばれる,新しい軽量なアプローチを提案する。
  論文  参考訳（メタデータ） (2021-08-12T15:22:33Z)
• Soft Expectation and Deep Maximization for Image Feature Detection [68.8204255655161]
  質問をひっくり返し、まず繰り返し可能な3Dポイントを探し、次に検出器を訓練して画像空間にローカライズする、反復的半教師付き学習プロセスSEDMを提案する。 以上の結果から,sdmを用いてトレーニングした新しいモデルでは,シーン内の下位3dポイントのローカライズが容易になった。
  論文  参考訳（メタデータ） (2021-04-21T00:35:32Z)
• Pose Estimation for Robot Manipulators via Keypoint Optimization and Sim-to-Real Transfer [10.369766652751169]
  キーポイント検出は多くのロボットアプリケーションにとって重要なビルディングブロックである。 ディープラーニング手法は、マーカーのない方法でユーザ定義キーポイントを検出できる。 これらの課題を克服するキーポイントを定義するための,新たな自律的手法を提案する。
  論文  参考訳（メタデータ） (2020-10-15T22:38:37Z)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  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。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。