論文の概要: Pose Normalization of Indoor Mapping Datasets Partially Compliant to the Manhattan World Assumption

• arxiv url: http://arxiv.org/abs/2107.07778v1
• Date: Fri, 16 Jul 2021 09:07:01 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-19 14:39:52.591960
• Title: Pose Normalization of Indoor Mapping Datasets Partially Compliant to the Manhattan World Assumption
• Title（参考訳）: マンハッタン世界推定に部分的に適合した屋内マッピングデータセットの正当化
• Authors: Patrick H\"ubner, Martin Weinmann, Sven Wursthorn, Stefan Hinz
• Abstract要約: 室内マッピング点雲と三角形メッシュの新しいポーズ正規化法を提案する。 提案手法は,複数の屋内マッピングデータセットに対して定量的に評価される。
• 参考スコア（独自算出の注目度）: 0.802904964931021
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we present a novel pose normalization method for indoor mapping point clouds and triangle meshes that is robust against large fractions of the indoor mapping geometries deviating from an ideal Manhattan World structure. In the case of building structures that contain multiple Manhattan World systems, the dominant Manhattan World structure supported by the largest fraction of geometries is determined and used for alignment. In a first step, a vertical alignment orienting a chosen axis to be orthogonal to horizontal floor and ceiling surfaces is conducted. Subsequently, a rotation around the resulting vertical axis is determined that aligns the dataset horizontally with the coordinate axes. The proposed method is evaluated quantitatively against several publicly available indoor mapping datasets. Our implementation of the proposed procedure along with code for reproducing the evaluation will be made available to the public upon acceptance for publication.
• Abstract（参考訳）: 本稿では, 理想的なマンハッタン世界構造から逸脱した屋内マッピングジオメトリの多くに対して頑健な, 屋内マッピングポイント雲と三角形メッシュに対する新しいポーズ正規化手法を提案する。 複数のマンハッタン・ワールド・システムを含む建物では、最大のジオメトリーによって支えられた支配的なマンハッタン・ワールド・構造が決定され、アライメントに使用される。 第1のステップでは、選択された軸を水平床及び天井面に直交させる垂直配向を行う。 その後、得られた垂直軸まわりの回転が決定され、データセットを座標軸と水平に整列する。 提案手法は,複数の屋内マッピングデータセットに対して定量的に評価される。 提案手法の実装は,評価を再現するためのコードとともに公開を受理し,一般に公開する予定である。

関連論文リスト

• Learning Signed Hyper Surfaces for Oriented Point Cloud Normal Estimation [53.19926259132379]
  我々は,符号付きハイパー曲面の学習による点雲の向きの正規分布推定のためのSHS-Netと呼ばれる新しい手法を提案する。 符号付き超曲面は、局所的および大域的な情報を集約する高次元特徴空間において暗黙的に学習される。 注意重み付き正規予測モジュールをデコーダとして提案し,局所およびグローバル潜時符号を入力として向きの正規を推定する。
  論文  参考訳（メタデータ） (2023-05-10T03:40:25Z)
• Disentangling Orthogonal Planes for Indoor Panoramic Room Layout Estimation with Cross-Scale Distortion Awareness [38.096482841789275]
  複素シーンから平面を前分割することで1次元表現を解き放つことを提案する。 床の境界と天井の境界の対称性を考えると,ソフトフリップ融合戦略も設計する。 4つの人気のあるベンチマークの実験は、既存のSoTAソリューションよりも優れていることを示している。
  論文  参考訳（メタデータ） (2023-03-02T05:10:23Z)
• GeoUDF: Surface Reconstruction from 3D Point Clouds via Geometry-guided Distance Representation [73.77505964222632]
  スパース点雲から離散曲面を再構成する問題に対処する学習ベース手法であるGeoUDFを提案する。 具体的には、UDFのための幾何誘導学習法とその勾配推定を提案する。 予測されたUDFから三角形メッシュを抽出するために,カスタマイズされたエッジベースマーチングキューブモジュールを提案する。
  論文  参考訳（メタデータ） (2022-11-30T06:02:01Z)
• 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)
• MSC-VO: Exploiting Manhattan and Structural Constraints for Visual Odometry [3.1583465114791105]
  我々は,RGB-Dをベースとした視力計測手法であるMSC-VOを導入し,点と線の特徴を組み合わせ,もし存在するならば,その構造的規則性とシーンのマンハッタン軸を利用する。 MSC-VOは、いくつかの公開データセットを使用して評価され、他の最先端ソリューションよりも優れており、SLAMメソッドと比較しても好ましい。
  論文  参考訳（メタデータ） (2021-11-05T11:29:52Z)
• Single-Shot Cuboids: Geodesics-based End-to-end Manhattan Aligned Layout Estimation from Spherical Panoramas [25.683946679206716]
  単一ショットで全室レイアウトを推定する方法を示し、後処理の必要性を排除した。 私たちの仕事は、マンハッタンに沿ったアウトプットを直接推測する最初のものです。
  論文  参考訳（メタデータ） (2021-02-07T22:52:59Z)
• Better Patch Stitching for Parametric Surface Reconstruction [100.55842629739574]
  ローカルマッピングのグローバルな一貫性を明示的に促進するアプローチを導入する。 第一項は表面の正規性を利用しており、個々の写像内および全体にわたって推定された場合、局所的に一貫した状態を保つことを要求する。 第2項はさらに、新しい縫合誤差を最小化することにより、マッピングの空間構成を改善する。
  論文  参考訳（メタデータ） (2020-10-14T12:37:57Z)
• GeoLayout: Geometry Driven Room Layout Estimation Based on Depth Maps of Planes [18.900646770506256]
  レイアウト推定のための深層学習に幾何学的推論を取り入れることを提案する。 提案手法では,画素レベルの表面パラメータを推定することにより,シーン内の支配面の深さマップを推測する。 支配平面の画素レベル深度アノテーションを用いた新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2020-08-14T10:34:24Z)
• Manifold Learning via Manifold Deflation [105.7418091051558]
  次元削減法は、高次元データの可視化と解釈に有用な手段を提供する。 多くの一般的な手法は単純な2次元のマニフォールドでも劇的に失敗する。 本稿では,グローバルな構造を座標として組み込んだ,新しいインクリメンタルな空間推定器の埋め込み手法を提案する。 実験により,本アルゴリズムは実世界および合成データセットに新規で興味深い埋め込みを復元することを示した。
  論文  参考訳（メタデータ） (2020-07-07T10:04:28Z)
• From Planes to Corners: Multi-Purpose Primitive Detection in Unorganized 3D Point Clouds [59.98665358527686]
  直交平面の分割自由結合推定法を提案する。 このような統合されたシーン探索は、セマンティックプレーンの検出や局所的およびグローバルなスキャンアライメントといった、多目的のアプリケーションを可能にする。 本実験は,壁面検出から6次元トラッキングに至るまで,様々なシナリオにおいて,我々のアプローチの有効性を実証するものである。
  論文  参考訳（メタデータ） (2020-01-21T06:51:47Z)
• Plane Pair Matching for Efficient 3D View Registration [7.920114031312631]
  室内シーンにおける重なり合う3次元ビュー間の動き行列を推定する新しい手法を提案する。 マンハッタンの世界仮定を用いて、平面の四角形の下での軽量な幾何学的制約を問題に導入する。 我々は,玩具の例にアプローチを検証し,最近の最先端手法と比較し,公開RGB-Dデータセットの定量的実験を行った。
  論文  参考訳（メタデータ） (2020-01-20T11:15:26Z)

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。