論文の概要: Robotic Inspection and 3D GPR-based Reconstruction for Underground
Utilities
- arxiv url: http://arxiv.org/abs/2106.01907v1
- Date: Thu, 3 Jun 2021 14:58:49 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-04 19:06:18.115084
- Title: Robotic Inspection and 3D GPR-based Reconstruction for Underground
Utilities
- Title（参考訳）: 地下設備のロボット検査と3次元GPRによる再構築
- Authors: Jinglun Feng, Liang Yang, Jiang Biao, Jizhong Xiao
- Abstract要約: 地中貫入レーダ (GPR) は、地中物体を検査・調査するための有効な非破壊評価(NDE)装置である。
GPRデータ収集の現在のプラクティスは、事前にマークされたグリッド線に沿ってGPRカートを動かすために、人間のインスペクタを必要とする。
本稿では,GPRデータの収集,GPRデータの解釈,地下ユーティリティのローカライズ,地下オブジェクトの高密度点雲モデルの再構築と可視化を行う新しいロボットシステムを提案する。
- 参考スコア（独自算出の注目度）: 11.601407791322327
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Ground Penetrating Radar (GPR) is an effective non-destructive evaluation
(NDE) device for inspecting and surveying subsurface objects (i.e., rebars,
utility pipes) in complex environments. However, the current practice for GPR
data collection requires a human inspector to move a GPR cart along pre-marked
grid lines and record the GPR data in both X and Y directions for
post-processing by 3D GPR imaging software. It is time-consuming and tedious
work to survey a large area. Furthermore, identifying the subsurface targets
depends on the knowledge of an experienced engineer, who has to make manual and
subjective interpretation that limits the GPR applications, especially in
large-scale scenarios. In addition, the current GPR imaging technology is not
intuitive, and not for normal users to understand, and not friendly to
visualize. To address the above challenges, this paper presents a novel robotic
system to collect GPR data, interpret GPR data, localize the underground
utilities, reconstruct and visualize the underground objects' dense point cloud
model in a user-friendly manner. This system is composed of three modules: 1) a
vision-aided Omni-directional robotic data collection platform, which enables
the GPR antenna to scan the target area freely with an arbitrary trajectory
while using a visual-inertial-based positioning module tags the GPR
measurements with positioning information; 2) a deep neural network (DNN)
migration module to interpret the raw GPR B-scan image into a cross-section of
object model; 3) a DNN-based 3D reconstruction method, i.e., GPRNet, to
generate underground utility model represented as fine 3D point cloud.
Comparative studies on synthetic and field GPR raw data with various
incompleteness and noise are performed.
- Abstract（参考訳）: 地中貫入レーダ(GPR)は、複雑な環境下で地下オブジェクト(リバー、ユーティリティパイプ)を検査・調査するための有効な非破壊評価(NDE)装置である。
しかし、現在のGPRデータ収集には、事前にマークされたグリッド線に沿ってGPRカートを移動させ、3D GPRイメージングソフトウェアによる後処理のために、X方向とY方向の両方でGPRデータを記録する必要がある。
広い地域を調査するのは時間と手間のかかる作業です。
さらに、地下ターゲットを特定することは、特に大規模シナリオにおいて、GPRアプリケーションを制限する手動および主観的な解釈をしなければならない経験豊富なエンジニアの知識に依存する。
さらに、現在のGPRイメージング技術は直感的ではなく、普通のユーザーが理解しやすく、視覚化に親しみやすいものではない。
本稿では,GPRデータを収集し,GPRデータを解釈し,地下ユーティリティをローカライズし,地下オブジェクトの高密度点雲モデルをユーザフレンドリーな方法で再構築・可視化する,新しいロボットシステムを提案する。
This system is composed of three modules: 1) a vision-aided Omni-directional robotic data collection platform, which enables the GPR antenna to scan the target area freely with an arbitrary trajectory while using a visual-inertial-based positioning module tags the GPR measurements with positioning information; 2) a deep neural network (DNN) migration module to interpret the raw GPR B-scan image into a cross-section of object model; 3) a DNN-based 3D reconstruction method, i.e., GPRNet, to generate underground utility model represented as fine 3D point cloud.
各種不完全性およびノイズを伴う合成およびフィールドGPR生データの比較研究を行った。
関連論文リスト
- Underground Mapping and Localization Based on Ground-Penetrating Radar [11.737279515161505]
本稿では,GPRセンサからのBスキャン画像を利用して,深部畳み込みニューラルネットワークに基づくパラボラ信号検出ネットワークを提案する。
検出されたキーポイントは、元のGPR Bスキャン画像をオブジェクトモデルの断面として解釈するのに使用されるパラボラ曲線を正確に適合させるのに役立つ。
未知の場所では、GPRのAスキャンデータを使用して、構築された地図内の対応するAスキャンデータとマッチングし、その位置をピンポイントして、モデルによる地図構築の精度を検証する。
論文 参考訳（メタデータ） (2024-09-24T20:26:16Z) - SEED: A Simple and Effective 3D DETR in Point Clouds [72.74016394325675]
ポイントクラウドの分散度が高く,不均一な分布のため,主な課題は困難である,と我々は主張する。
点雲から3次元物体を検出するための簡便で効果的な3次元DETR法(SEED)を提案する。
論文 参考訳（メタデータ） (2024-07-15T14:21:07Z) - Syn-to-Real Unsupervised Domain Adaptation for Indoor 3D Object Detection [50.448520056844885]
室内3次元物体検出における非教師なし領域適応のための新しいフレームワークを提案する。
合成データセット3D-FRONTから実世界のデータセットScanNetV2とSUN RGB-Dへの適応結果は、ソースオンリーベースラインよりも9.7%、9.1%のmAP25が顕著に改善されていることを示している。
論文 参考訳（メタデータ） (2024-06-17T08:18:41Z) - R$^2$-Gaussian: Rectifying Radiative Gaussian Splatting for Tomographic Reconstruction [53.19869886963333]
3次元ガウススプラッティング(3DGS)は画像のレンダリングと表面再構成において有望な結果を示した。
本稿では,Sparse-viewトモグラフィ再構成のための3DGSベースのフレームワークであるR2$-Gaussianを紹介する。
論文 参考訳（メタデータ） (2024-05-31T08:39:02Z) - Multi-View Fusion and Distillation for Subgrade Distresses Detection
based on 3D-GPR [19.49863426864145]
本稿では,3D-GPRデータからの多視点情報を活用することで,下級災害検知タスクの新たな手法を提案する。
マルチビューGPRデータセットを最適に活用するための新しいtextbfMulti-textbfView textbfVusion と textbfDistillation フレームワーク textbfGPR-MVFD を開発した。
論文 参考訳（メタデータ） (2023-08-09T08:06:28Z) - V-DETR: DETR with Vertex Relative Position Encoding for 3D Object
Detection [73.37781484123536]
DETRフレームワークを用いた点雲のための高性能な3次元物体検出器を提案する。
限界に対処するため,新しい3次元相対位置(3DV-RPE)法を提案する。
挑戦的なScanNetV2ベンチマークで例外的な結果を示す。
論文 参考訳（メタデータ） (2023-08-08T17:14:14Z) - Flattening-Net: Deep Regular 2D Representation for 3D Point Cloud
Analysis [66.49788145564004]
我々は、任意の幾何学と位相の不規則な3次元点雲を表現するために、Flattning-Netと呼ばれる教師なしのディープニューラルネットワークを提案する。
我々の手法は、現在の最先端の競合相手に対して好意的に機能する。
論文 参考訳（メタデータ） (2022-12-17T15:05:25Z) - Underground Diagnosis Based on GPR and Learning in the Model Space [17.738464689511773]
地中レーダ(GPR)はパイプライン検出や地下診断に広く用いられている。
本稿では,モデル空間における学習に基づくGPR Bスキャン画像診断手法を提案する。
論文 参考訳（メタデータ） (2022-11-25T07:28:27Z) - Improving the Anomaly Detection in GPR Images by Fine-Tuning CNNs with
Synthetic Data [15.135116675531574]
グラウンド・ペネトレーション・レーダー(GPR)は、いくつかの都市道路や地下施設の健全な運転を推定するために広く利用されている。
地表面の異常をGPRで特定する場合、得られたデータは不均衡にすることができる。
GPRBスキャン画像からの地表面異常検出を改善するために,新しい手法を提案する。
論文 参考訳（メタデータ） (2022-10-21T09:25:15Z) - Semi-Perspective Decoupled Heatmaps for 3D Robot Pose Estimation from
Depth Maps [66.24554680709417]
協調環境における労働者とロボットの正確な3D位置を知ることは、いくつかの実際のアプリケーションを可能にする。
本研究では、深度デバイスと深度ニューラルネットワークに基づく非侵襲的なフレームワークを提案し、外部カメラからロボットの3次元ポーズを推定する。
論文 参考訳（メタデータ） (2022-07-06T08:52:12Z) - GPR-based Model Reconstruction System for Underground Utilities Using
GPRNet [12.334006660346935]
地中貫入レーダ(GPR)は、地中物を検出し、位置を特定するための最も重要な非破壊評価(NDE)機器の一つである。
従来の研究では、GPR画像に基づく特徴検出のみに焦点が当てられており、粗いGPR測定を処理して、より詳細な地下物体の3Dモデルを再構築することは不可能である。
本稿では,GPRデータを収集し,地下ユーティリティをローカライズし,地下オブジェクトの高密度点クラウドモデルを再構築する,新しいロボットシステムを提案する。
論文 参考訳（メタデータ） (2020-11-05T03:26:01Z)
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。