論文の概要: Self-Supervised Depth Completion for Active Stereo

• arxiv url: http://arxiv.org/abs/2110.03234v1
• Date: Thu, 7 Oct 2021 07:33:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-09 04:53:37.603725
• Title: Self-Supervised Depth Completion for Active Stereo
• Title（参考訳）: アクティブステレオの自己監督深度補完
• Authors: Frederik Warburg, Daniel Hernandez-Juarez, Juan Tarrio, Alexander Vakhitov, Ujwal Bonde, Pablo Alcantarilla
• Abstract要約: アクティブステレオシステムは、低コストで高品質な深度マップのため、ロボット産業で広く利用されている。 これらの深度センサーはステレオアーチファクトに悩まされており、密度の深い深度推定を提供していない。 本稿では, 高精度な深度マップを推定するアクティブステレオシステムのための, 自己監督型深度補完法を提案する。
• 参考スコア（独自算出の注目度）: 55.79929735390945
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Active stereo systems are widely used in the robotics industry due to their low cost and high quality depth maps. These depth sensors, however, suffer from stereo artefacts and do not provide dense depth estimates. In this work, we present the first self-supervised depth completion method for active stereo systems that predicts accurate dense depth maps. Our system leverages a feature-based visual inertial SLAM system to produce motion estimates and accurate (but sparse) 3D landmarks. The 3D landmarks are used both as model input and as supervision during training. The motion estimates are used in our novel reconstruction loss that relies on a combination of passive and active stereo frames, resulting in significant improvements in textureless areas that are common in indoor environments. Due to the non-existence of publicly available active stereo datasets, we release a real dataset together with additional information for a publicly available synthetic dataset needed for active depth completion and prediction. Through rigorous evaluations we show that our method outperforms state of the art on both datasets. Additionally we show how our method obtains more complete, and therefore safer, 3D maps when used in a robotic platform
• Abstract（参考訳）: アクティブステレオシステムは低コストで高品質の深度マップのためにロボット産業で広く利用されている。 しかし、これらの深度センサーはステレオアーティファクトに苦しめられ、深い深さの推定はできない。 本研究では, 高精度な深度マップを推定するアクティブステレオシステムのための, 自己監督型深度補完法を提案する。 我々のシステムは特徴に基づく視覚慣性SLAMシステムを利用して、動きの推定と正確な3Dランドマークを生成する。 3Dランドマークはモデル入力とトレーニング中の監督の両方に使用される。 動作推定は, 受動的ステレオフレームとアクティブステレオフレームの組み合わせに依拠し, 室内環境に共通するテクスチャレス領域の大幅な改善をもたらす。 利用可能なアクティブステレオデータセットが存在しないため、アクティブな深度補完と予測に必要な、公開可能な合成データセットの追加情報とともに、実際のデータセットをリリースする。 厳密な評価を通じて,本手法が両データセットの最先端技術を上回ることを示す。 さらに、ロボットプラットフォームで使用する場合、我々の手法がより完全でより安全な3Dマップを得る方法を示す。

関連論文リスト

• Stereo-Depth Fusion through Virtual Pattern Projection [37.519762078762575]
  本稿では,新しい汎用ステレオ・ディープデータ融合パラダイムを提案する。 これは、信頼できない物理パターンプロジェクターを奥行きセンサーに置き換えることで、アクティブなステレオ原理を模倣する。 従来のステレオカメラで取得した左右の画像に、シーン形状と整合した仮想パターンを投影する。
  論文  参考訳（メタデータ） (2024-06-06T17:59:58Z)
• DynamicStereo: Consistent Dynamic Depth from Stereo Videos [91.1804971397608]
  ステレオビデオの相違を推定するためにDynamicStereoを提案する。 ネットワークは、その予測の時間的一貫性を改善するために、隣接するフレームからの情報をプールすることを学ぶ。 スキャンされた環境における人や動物の合成ビデオを含む新しいベンチマークデータセットであるDynamic Replicaも導入した。
  論文  参考訳（メタデータ） (2023-05-03T17:40:49Z)
• 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)
• DSGN++: Exploiting Visual-Spatial Relation forStereo-based 3D Detectors [60.88824519770208]
  カメラベースの3Dオブジェクト検出器は、LiDARセンサーよりも広い展開と低価格のため歓迎されている。 我々は3次元幾何学と意味論の両方を表現するステレオボリューム構造について、以前のステレオモデリングDSGNを再考する。 本稿では,2次元から3次元のパイプラインを通しての情報フローを改善することを目的としたDSGN++を提案する。
  論文  参考訳（メタデータ） (2022-04-06T18:43:54Z)
• 3DVNet: Multi-View Depth Prediction and Volumetric Refinement [68.68537312256144]
  3DVNetは、新しいマルチビューステレオ(MVS)深度予測法である。 私たちのキーとなるアイデアは、粗い深度予測を反復的に更新する3Dシーンモデリングネットワークを使用することです。 本手法は, 深度予測と3次元再構成の両指標において, 最先端の精度を超えることを示す。
  論文  参考訳（メタデータ） (2021-12-01T00:52:42Z)
• A Learned Stereo Depth System for Robotic Manipulation in Homes [2.06216858680643]
  人間の環境に最適化された高密度で正確な点雲を生成する受動的ステレオ深度システムを提案する。 このシステムは、学習されたステレオマッチングとエンジニアリングされたフィルタリング、トレーニングとデータミキシングの方法論、センサーハードウェア設計を組み合わせたアルゴリズムで構成されている。
  論文  参考訳（メタデータ） (2021-09-23T20:53:55Z)
• SIDE: Center-based Stereo 3D Detector with Structure-aware Instance Depth Estimation [11.169586369931803]
  構造認識型立体3D検出器(SIDE)と呼ばれる立体像に基づくアンカーフリー3D検出法を提案する。 各オブジェクトのRoIからコストボリュームを構築することで,インスタンスレベルの深度情報を探索する。 本手法は, 深度マップ管理のない既存手法と比較して, 最先端の性能を実現する。
  論文  参考訳（メタデータ） (2021-08-22T08:09:38Z)
• OmniSLAM: Omnidirectional Localization and Dense Mapping for Wide-baseline Multi-camera Systems [88.41004332322788]
  超広視野魚眼カメラ(FOV)を用いた広視野多視点ステレオ構成のための全方向位置決めと高密度マッピングシステムを提案する。 より実用的で正確な再構築のために、全方向深度推定のための改良された軽量のディープニューラルネットワークを導入する。 我々は全方位深度推定をビジュアル・オドメトリー(VO)に統合し,大域的整合性のためのループ閉鎖モジュールを付加する。
  論文  参考訳（メタデータ） (2020-03-18T05:52:10Z)

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。