Fugu-MT 論文翻訳(概要): Image-Based Alignment of 3D Scans

論文の概要: Image-Based Alignment of 3D Scans

arxiv url: http://arxiv.org/abs/2109.06526v1
Date: Tue, 14 Sep 2021 08:48:00 GMT
ステータス: 処理完了
システム内更新日: 2021-09-16 00:16:25.464610
Title: Image-Based Alignment of 3D Scans
Title（参考訳）: 画像に基づく3Dスキャンのアライメント
Authors: Dolores Messer (1), Jakob Wilm (1 and 2), Eythor R. Eiriksson (1), Vedrana A. Dahl (1) and Anders B. Dahl (1) ((1) Technical University of Denmark, Visual Computing, Denmark, (2) University of Southern Denmark, Maersk Mc-Kinney Moller Institute, Denmark)
Abstract要約: 物体のスキャンを2つの異なるポーズで整列する完全自動手法を提案する。これは、2つのポーズの画像間で2D特徴をマッチングし、スキャンされた点雲と画像の対応性を活用することで実現される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Full 3D scanning can efficiently be obtained using structured light scanning combined with a rotation stage. In this setting it is, however, necessary to reposition the object and scan it in different poses in order to cover the entire object. In this case, correspondence between the scans is lost, since the object was moved. In this paper, we propose a fully automatic method for aligning the scans of an object in two different poses. This is done by matching 2D features between images from two poses and utilizing correspondence between the images and the scanned point clouds. To demonstrate the approach, we present the results of scanning three dissimilar objects.
Abstract（参考訳）: 構造光走査と回転ステージを組み合わせることで、全3次元走査を効率的に得ることができる。しかし、この設定では、オブジェクト全体をカバーするために、オブジェクトを再配置し、異なるポーズでスキャンする必要があります。この場合、オブジェクトが移動されたため、スキャン間の対応が失われる。本稿では,物体のスキャンを2つの異なるポーズで整列する完全自動手法を提案する。これは、2つのポーズの画像間で2D特徴をマッチングし、スキャンされた点雲と画像の対応性を利用する。本手法を実証するために,3つの異種物体の走査結果を示す。

関連論文リスト

TP3M: Transformer-based Pseudo 3D Image Matching with Reference Image [0.9831489366502301]
トランスフォーマーを用いた擬似3次元画像マッチング手法を提案する。ソース画像から抽出した2D特徴を参照画像の助けを借りて3D特徴にアップグレードし、目的地画像から抽出した2D特徴にマッチする。複数のデータセットに対する実験結果から, 提案手法は, ホモグラフィ推定, ポーズ推定, 視覚的ローカライゼーションのタスクにおいて, 最先端の課題を達成できることが示唆された。
論文参考訳（メタデータ） (2024-05-14T08:56:09Z)
RelPose++: Recovering 6D Poses from Sparse-view Observations [66.6922660401558]
スパースビュー画像集合(2-8画像)から6次元カメラポーズを推定する作業に対処する。我々は,画像対上の相対回転よりも分布を推定するネットワークを学習するRelPoseフレームワークを構築した。最終システムは,先行技術よりも6次元ポーズ予測を大幅に改善する。
論文参考訳（メタデータ） (2023-05-08T17:59:58Z)
Multi-Projection Fusion and Refinement Network for Salient Object Detection in 360{\deg} Omnidirectional Image [141.10227079090419]
我々は,360度全方位画像中の有向物体を検出するために,MPFR-Net(Multi-Projection Fusion and Refinement Network)を提案する。 MPFR-Netは、等角射影像と対応する4つの立方体展開像を入力として使用する。 2つの全方位データセットの実験結果から,提案手法は定性的かつ定量的に,最先端の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2022-12-23T14:50:40Z)
Dynamic 3D Scene Analysis by Point Cloud Accumulation [32.491921765128936]
マルチビームLiDARセンサーは、自動運転車や移動ロボットに使われている。各フレームは、角度のスキャンの解像度と閉塞が制限されているため、わずかにシーンをカバーしている。本研究では,屋外の街路景観の帰納的バイアスを利用して,その幾何学的レイアウトとオブジェクトレベルの剛性を求める手法を提案する。
論文参考訳（メタデータ） (2022-07-25T17:57:46Z)
Coupled Iterative Refinement for 6D Multi-Object Pose Estimation [64.7198752089041]
既知の3DオブジェクトのセットとRGBまたはRGB-Dの入力画像から、各オブジェクトの6Dポーズを検出して推定する。我々のアプローチは、ポーズと対応を緊密に結合した方法で反復的に洗練し、アウトレーヤを動的に除去して精度を向上させる。
論文参考訳（メタデータ） (2022-04-26T18:00:08Z)
Learning Stereopsis from Geometric Synthesis for 6D Object Pose Estimation [11.999630902627864]
現在のモノクラーベース6Dオブジェクトポーズ推定法は、一般的にRGBDベースの手法よりも競争力の低い結果が得られる。本稿では,短いベースライン2ビュー設定による3次元幾何体積に基づくポーズ推定手法を提案する。実験により,本手法は最先端の単分子法よりも優れ,異なる物体やシーンにおいて堅牢であることが示された。
論文参考訳（メタデータ） (2021-09-25T02:55:05Z)
Sparse Pose Trajectory Completion [87.31270669154452]
サンプルの少ないビューにのみオブジェクトが出現するデータセットを使用しても学習する方法を提案する。これはクロスモーダルポーズ軌道伝達機構によって実現される。この手法はPix3DおよびShapeNetデータセット上で評価される。
論文参考訳（メタデータ） (2021-05-01T00:07:21Z)
Stereo Object Matching Network [78.35697025102334]
本稿では,画像からの2次元コンテキスト情報と3次元オブジェクトレベル情報の両方を利用するステレオオブジェクトマッチング手法を提案する。コストボリューム空間における3次元オブジェクト性を扱うための新しい方法として, 選択的サンプリング (RoISelect) と 2D-3D 融合がある。
論文参考訳（メタデータ） (2021-03-23T12:54:43Z)
Object-centered image stitching [15.850092529468004]
画像ステッチは通常、登録、シーム発見、ブレンディングの3つのフェーズに分けられる。ここでは、オブジェクトが収穫されたり、省略されたり、複製されたりする際に、このアプローチの最も問題となる障害が発生することを観察する。我々は、オブジェクト検出の最近の進歩を活用して、オブジェクト中心のアプローチを問題に適用する。
論文参考訳（メタデータ） (2020-11-23T23:20:09Z)
Learning 2D-3D Correspondences To Solve The Blind Perspective-n-Point Problem [98.92148855291363]
本稿では、6-DoFの絶対カメラポーズ2D--3D対応を同時に解決するディープCNNモデルを提案する。実データとシミュレーションデータの両方でテストした結果,本手法は既存手法よりも大幅に優れていた。
論文参考訳（メタデータ） (2020-03-15T04:17:30Z)

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。