論文の概要: Development and accuracy evaluation of Coded Phase-shift 3D scanner
- arxiv url: http://arxiv.org/abs/2110.10520v1
- Date: Wed, 20 Oct 2021 12:16:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-23 20:30:57.481004
- Title: Development and accuracy evaluation of Coded Phase-shift 3D scanner
- Title(参考訳): 符号化位相シフト3Dスキャナの開発と精度評価
- Authors: Pranav Kant Gaur, D.M.Sarode, S.K.Bose
- Abstract要約: 本稿では,2次符号化パターンと正弦波位相シフトパターンの組み合わせによる構造光3Dスキャナの開発の概要について述べる。
この種の研究は、現在の構造化光3Dスキャナの基本動作を理解するのに有用であることが期待されている。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we provide an overview of development of a structured light
3D-scanner based on combination of binary-coded patterns and sinusoidal
phase-shifted fringe patterns called Coded Phase-shift technique. Further, we
describe the experiments performed to evaluate measurement accuracy and
precision of the developed system. A study of this kind is expected to be
helpful in understanding the basic working of current structured-light 3D
scanners and the approaches followed for their performance assessment.
- Abstract(参考訳): 本稿では,2次符号化パターンと正弦波位相シフトパターンの組み合わせによる構造光3Dスキャナの開発の概要について述べる。
さらに,本システムの測定精度と精度を評価するために実施した実験について述べる。
この種の研究は、現在の構造化光3dスキャナの基本動作と、それに続くアプローチとの性能評価を理解するのに役立つと期待されている。
関連論文リスト
- Towards Fair and Comprehensive Comparisons for Image-Based 3D Object
Detection [73.32210225999056]
モジュール設計と3Dオブジェクト検出のための統一的なトレーニング標準の構築を行う。
また,検出モデルの詳細な特徴を評価するために,誤り診断ツールボックスを設計する。
論文 参考訳(メタデータ) (2023-10-09T06:43:48Z) - Volumetric Semantically Consistent 3D Panoptic Mapping [84.2638617094967]
非構造環境における自律エージェントに適したセマンティック3Dマップを生成することを目的としたオンライン2次元から3次元のセマンティック・インスタンスマッピングアルゴリズムを提案する。
マッピング中にセマンティック予測の信頼性を統合し、セマンティックおよびインスタンス一貫性のある3D領域を生成する新しい方法を導入する。
提案手法は,パブリックな大規模データセット上での最先端の精度を実現し,多くの広く使用されているメトリクスを改善した。
論文 参考訳(メタデータ) (2023-09-26T08:03:10Z) - High-Throughput and Accurate 3D Scanning of Cattle Using Time-of-Flight
Sensors and Deep Learning [1.2599533416395765]
牛の表現型を測定するための高スループット3Dスキャンソリューションを提案する。
このスキャナーは深度センサー、すなわち飛行時間(Tof)センサーの配列を利用しており、それぞれ専用の組み込みデバイスによって管理されている。
このシステムは高忠実度3Dポイントの雲を発生させるのに優れており、牛の地形を忠実に再構築する正確なメッシュを容易に作成することができる。
論文 参考訳(メタデータ) (2023-08-07T18:15:03Z) - 3D-Aware Encoding for Style-based Neural Radiance Fields [50.118687869198716]
我々は、入力画像をNeRFジェネレータの潜時空間に投影する反転関数を学び、潜時符号に基づいて原画像の新しいビューを合成する。
2次元生成モデルのGANインバージョンと比較して、NeRFインバージョンは、1)入力画像の同一性を維持するだけでなく、2)生成した新規なビューにおいて3D一貫性を確保する必要がある。
スタイルベースNeRFインバージョンのための2段階エンコーダを提案する。
論文 参考訳(メタデータ) (2022-11-12T06:14:12Z) - From 2D to 3D: Re-thinking Benchmarking of Monocular Depth Prediction [80.67873933010783]
我々は,MDPが現在,3Dアプリケーションにおける予測の有用性を評価するのに有効な指標に頼っていることを論じる。
これにより、2Dベースの距離を最適化するのではなく、シーンの3D構造を正確に認識し、推定に向けて改善する新しい手法の設計と開発が制限される。
本稿では,MDP手法の3次元幾何評価に適した指標セットと,提案手法に不可欠な室内ベンチマークRIO-D3Dを提案する。
論文 参考訳(メタデータ) (2022-03-15T17:50:54Z) - Phase-SLAM: Phase Based Simultaneous Localization and Mapping for Mobile
Structured Light Illumination Systems [14.9174946109114]
Phase-SLAMは、高速かつ正確なSLIセンサのポーズ推定と3Dオブジェクト再構成のためのフレームワークである。
シミュレーションプラットフォームとロボットアームをベースとしたSLIシステムの両方のデータセットを現実に構築し,提案手法の検証を行う。
実験結果から,提案したPhase-SLAMは,ポーズ推定や3次元再構成の点で,他の最先端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) (2022-01-22T13:47:06Z) - Towards Deep Learning-based 6D Bin Pose Estimation in 3D Scans [0.0]
本稿では,3次元スキャンにおけるビンの6次元ポーズ推定の特定のタスクに焦点を当てた。
合成データと実スキャンからなる高品質なデータセットを,正確なアノテーションを付加した構造化光スキャナーにより取得する。
論文 参考訳(メタデータ) (2021-12-17T16:19:06Z) - Deep Continuous Fusion for Multi-Sensor 3D Object Detection [103.5060007382646]
本稿では,LIDARとカメラを併用して高精度な位置検出を実現する3Dオブジェクト検出器を提案する。
我々は,連続畳み込みを利用して画像とlidar特徴マップを異なるレベルの解像度で融合する,エンドツーエンド学習可能なアーキテクチャを設計した。
論文 参考訳(メタデータ) (2020-12-20T18:43:41Z) - It's All Around You: Range-Guided Cylindrical Network for 3D Object
Detection [4.518012967046983]
本研究は,360度深度スキャナーによって生成された3次元データを解析するための新しい手法を提案する。
距離誘導畳み込みの概念を導入し,エゴ車と物体のスケールからの距離で受容場を適応させる。
我々のネットワークは、現在の最先端アーキテクチャに匹敵するnuScenesチャレンジにおいて、強力な結果を示す。
論文 参考訳(メタデータ) (2020-12-05T21:02:18Z) - Lightweight Multi-View 3D Pose Estimation through Camera-Disentangled
Representation [57.11299763566534]
空間校正カメラで撮影した多視点画像から3次元ポーズを復元する手法を提案する。
我々は3次元形状を利用して、入力画像をカメラ視点から切り離したポーズの潜在表現に融合する。
アーキテクチャは、カメラプロジェクション演算子に学習した表現を条件付け、ビュー当たりの正確な2次元検出を生成する。
論文 参考訳(メタデータ) (2020-04-05T12:52:29Z)
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。