論文の概要: TomoSLAM: factor graph optimization for rotation angle refinement in microtomography

• arxiv url: http://arxiv.org/abs/2111.05562v1
• Date: Wed, 10 Nov 2021 08:00:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-11 20:01:53.960420
• Title: TomoSLAM: factor graph optimization for rotation angle refinement in microtomography
• Title（参考訳）: TomoSLAM:マイクロトモグラフィーにおける回転角補正のための因子グラフ最適化
• Authors: Mark Griguletskii, Mikhail Chekanov, Oleg Shipitko
• Abstract要約: 試料、検出器、信号源の相対軌道は伝統的に知られていると考えられている。 機械的反発、回転センサ測定誤差、熱変形、実際の軌道は所望のものとは異なる。 本研究の科学的新規性は、マイクロトモグラフィーにおける軌道改善の問題をSLAM問題として考察することである。
• 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 computed tomography (CT), the relative trajectories of a sample, a detector, and a signal source are traditionally considered to be known, since they are caused by the intentional preprogrammed movement of the instrument parts. However, due to the mechanical backlashes, rotation sensor measurement errors, thermal deformations real trajectory differs from desired ones. This negatively affects the resulting quality of tomographic reconstruction. Neither the calibration nor preliminary adjustments of the device completely eliminates the inaccuracy of the trajectory but significantly increase the cost of instrument maintenance. A number of approaches to this problem are based on an automatic refinement of the source and sensor position estimate relative to the sample for each projection (at each time step) during the reconstruction process. A similar problem of position refinement while observing different images of an object from different angles is well known in robotics (particularly, in mobile robots and self-driving vehicles) and is called Simultaneous Localization And Mapping (SLAM). The scientific novelty of this work is to consider the problem of trajectory refinement in microtomography as a SLAM problem. This is achieved by extracting Speeded Up Robust Features (SURF) features from X-ray projections, filtering matches with Random Sample Consensus (RANSAC), calculating angles between projections, and using them in factor graph in combination with stepper motor control signals in order to refine rotation angles.
• Abstract（参考訳）: CT(Computerd tomography)では、試料、検出器、信号源の相対軌道は、装置部品の意図的な事前プログラム運動によって引き起こされるため、伝統的に知られている。 しかし, メカニカルバックラッシュ, 回転センサ測定誤差により, 熱変形は所望の軌道と異なる。 これは断層再構成の結果の質に悪影響を及ぼす。 装置の校正や調整は、軌道の不正確さを完全に排除するものではないが、機器のメンテナンスコストを大幅に向上させる。 この問題に対する多くのアプローチは、復元過程における各プロジェクション(各時間ステップ)のサンプルに対するソースとセンサの位置の推定を自動的に改良することに基づいている。 異なる角度から物体の異なる画像を観察しながら位置修正を行う同様の問題は、ロボット工学(特に移動ロボットや自動運転車)でよく知られており、同時局在とマッピング(SLAM)と呼ばれている。 本研究の科学的新規性は、マイクロトモグラフィーにおける軌道改善の問題をSLAM問題として考察することである。 これは、X線プロジェクションからSURF(Speeded Up Robust Features)特徴を抽出し、ランダムサンプルコンセンサス(RANSAC)とのフィルタマッチングを行い、プロジェクション間の角度を計算し、ステッパーモータ制御信号と組み合わせて、回転角を改良することで実現される。

関連論文リスト

• GTransPDM: A Graph-embedded Transformer with Positional Decoupling for Pedestrian Crossing Intention Prediction [6.327758022051579]
  GTransPDMは多モード特徴を利用した歩行者横断意図予測のために開発された。 PIEデータセットでは92%の精度で、JAADデータセットでは87%の精度で処理速度は0.05msである。
  論文  参考訳（メタデータ） (2024-09-30T12:02:17Z)
• Kalib: Markerless Hand-Eye Calibration with Keypoint Tracking [52.4190876409222]
  ハンドアイキャリブレーションでは、カメラとロボット間の変換を推定する。 ディープラーニングの最近の進歩は、マーカーレス技術を提供するが、それらは課題を提示している。 自動的かつ普遍的なマーカーレスハンドアイキャリブレーションパイプラインであるKalibを提案する。
  論文  参考訳（メタデータ） (2024-08-20T06:03:40Z)
• Differentiable Biomechanics Unlocks Opportunities for Markerless Motion Capture [2.44755919161855]
  微分物理学シミュレータはGPU上で加速することができる。 これらのシミュレータは,逆運動学とマーカーレスモーションキャプチャーデータとの適合性を示す。
  論文  参考訳（メタデータ） (2024-02-27T04:18:15Z)
• Geo-Localization Based on Dynamically Weighted Factor-Graph [74.75763142610717]
  特徴に基づくジオローカライゼーションは、航空画像から抽出された特徴と車両のセンサーによって検出された特徴とを関連付けることに依存する。 これにより、ランドマークの種類は両方のソースから観測できなければならない。 車両軌道推定のための動的重み付き因子グラフモデルを提案する。
  論文  参考訳（メタデータ） (2023-11-13T12:44:14Z)
• Inertial Guided Uncertainty Estimation of Feature Correspondence in Visual-Inertial Odometry/SLAM [8.136426395547893]
  慣性ガイダンスを用いて特徴対応の不確かさを推定する手法を提案する。 また,近年の視覚-慣性オドメトリー/SLAMアルゴリズムの1つに組み込むことにより,本手法の有効性を実証する。
  論文  参考訳（メタデータ） (2023-11-07T04:56:29Z)
• RAGO: Recurrent Graph Optimizer For Multiple Rotation Averaging [62.315673415889314]
  本稿では,複数回転平均化(MRA)のための深部繰り返し回転平均化グラフ(RAGO)を提案する。 我々のフレームワークは、実世界のアプリケーションに小さなサイズでデプロイされた、リアルタイムに学習から最適化するローテーション平均化グラフである。
  論文  参考訳（メタデータ） (2022-12-14T13:19:40Z)
• Particle-Based Score Estimation for State Space Model Learning in Autonomous Driving [62.053071723903834]
  マルチオブジェクト状態推定はロボットアプリケーションの基本的な問題である。 粒子法を用いて最大形パラメータを学習することを検討する。 自動運転車から収集した実データに本手法を適用した。
  論文  参考訳（メタデータ） (2022-12-14T01:21:05Z)
• Learning High-Precision Bounding Box for Rotated Object Detection via Kullback-Leibler Divergence [100.6913091147422]
  既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。 本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
  論文  参考訳（メタデータ） (2021-06-03T14:29:19Z)
• Efficient Real-Time Radial Distortion Correction for UAVs [1.7149364927872015]
  慣性測定ユニット(IMU)を備えた無人航空機(UAV)の車載半径歪み補正のための新しいアルゴリズムを提案する。 このアプローチは校正手順を冗長にし、即時光の交換を可能にする。 焦点長, 半径歪み分布, 運動パラメータをホモグラフから同時に推定する高速で頑健な最小解法を提案する。
  論文  参考訳（メタデータ） (2020-10-08T18:34:56Z)
• Analytic Signal Phase in $N-D$ by Linear Symmetry Tensor--fingerprint modeling [69.35569554213679]
  解析信号位相とその勾配は2-D$以上の不連続性を持つことを示す。 この欠点は深刻なアーティファクトをもたらす可能性があるが、問題は1-D $シグナルには存在しない。 本稿では,複数のGaborフィルタに頼って線形シンメトリー位相を用いることを提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:17:26Z)

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。