論文の概要: Deformable One-Dimensional Object Detection for Routing and Manipulation
- arxiv url: http://arxiv.org/abs/2201.06775v1
- Date: Tue, 18 Jan 2022 07:19:17 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-19 17:46:05.451381
- Title: Deformable One-Dimensional Object Detection for Routing and Manipulation
- Title（参考訳）: ルーティングと操作のための変形可能な一次元物体検出
- Authors: Azarakhsh Keipour and Maryam Bandari and Stefan Schaal
- Abstract要約: 本稿では, 交差や閉塞を扱える変形可能な一次元物体の検出手法を提案する。
本アルゴリズムは, 変形可能な物体を含む画像を取得し, 受動球面継手に接続された固定長円筒セグメントの連鎖を出力する。
実験と実験により, 様々な複雑な条件下で変形可能な一次元物体を正確に検出できることが判明した。
- 参考スコア（独自算出の注目度）: 8.860083597706502
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Many methods exist to model and track deformable one-dimensional objects
(e.g., cables, ropes, and threads) across a stream of video frames. However,
these methods depend on the existence of some initial conditions. To the best
of our knowledge, the topic of detection methods that can extract those initial
conditions in non-trivial situations has hardly been addressed. The lack of
detection methods limits the use of the tracking methods in real-world
applications and is a bottleneck for fully autonomous applications that work
with these objects.
This paper proposes an approach for detecting deformable one-dimensional
objects which can handle crossings and occlusions. It can be used for tasks
such as routing and manipulation and automatically provides the initialization
required by the tracking methods. Our algorithm takes an image containing a
deformable object and outputs a chain of fixed-length cylindrical segments
connected with passive spherical joints. The chain follows the natural behavior
of the deformable object and fills the gaps and occlusions in the original
image. Our tests and experiments have shown that the method can correctly
detect deformable one-dimensional objects in various complex conditions.
- Abstract（参考訳）: 変形可能な1次元オブジェクト(ケーブル、ロープ、糸など)をビデオフレームのストリームでモデル化し追跡する多くの方法が存在する。
しかし、これらの方法はいくつかの初期条件の存在に依存する。
我々の知る限りでは、これらの初期条件を非自明な状況で抽出できる検出手法の話題はほとんど解決されていない。
検出方法の欠如は、現実世界のアプリケーションにおけるトラッキングメソッドの使用を制限し、これらのオブジェクトを扱う完全自律的なアプリケーションにとってボトルネックとなる。
本稿では, 交差や閉塞を扱える変形可能な一次元物体の検出手法を提案する。
ルーティングや操作などのタスクに使用することができ、トラッキングメソッドが必要とする初期化を自動的に提供する。
このアルゴリズムは変形可能な物体を含む画像を取り、受動球状関節に接続された固定長円筒セグメント列を出力する。
鎖は変形可能な物体の自然な挙動に従い、元の画像の隙間と閉塞を埋めます。
実験および実験により, 様々な複雑な条件下で変形可能な一次元物体を正しく検出できることが確認された。
関連論文リスト
- Realtime Robust Shape Estimation of Deformable Linear Object [5.63550507123537]
本研究では, 線形変形可能な物体の形状を, 分散鍵点と非順序鍵点を用いてリアルタイムで推定するロバストな手法を提案する。
鍵点が部分的に無視されている場合の手法のロバスト性を示す。
提案手法は,長さ1m,半径5mmのケーブルの形状を追跡するためのUnityのシミュレーションにも組み込まれている。
論文 参考訳（メタデータ） (2024-03-24T13:36:23Z) - Object-Centric Conformance Alignments with Synchronization (Extended Version) [57.76661079749309]
対象中心のペトリネットが一対多の関係を捉える能力と,その同一性に基づいたオブジェクトの比較と同期を行う識別子を持つペトリネットの能力を組み合わせた,新たな形式主義を提案する。
我々は、満足度変調理論(SMT)の符号化に基づく、そのようなネットに対する適合性チェック手法を提案する。
論文 参考訳（メタデータ） (2023-12-13T21:53:32Z) - Linear Object Detection in Document Images using Multiple Object
Tracking [58.720142291102135]
線形オブジェクトは文書構造に関する実質的な情報を伝達する。
多くのアプローチはベクトル表現を復元できるが、1994年に導入された1つのクローズドソース技術のみである。
複数オブジェクト追跡を用いた文書画像中の線形オブジェクトの正確なインスタンスセグメンテーションのためのフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-26T14:22:03Z) - Efficient Representations of Object Geometry for Reinforcement Learning
of Interactive Grasping Policies [29.998917158604694]
本稿では,様々な幾何学的に異なる実世界の物体の対話的把握を学習する強化学習フレームワークを提案する。
学習したインタラクティブなポリシーのビデオはhttps://maltemosbach.org/io/geometry_aware_grasping_policiesで公開されている。
論文 参考訳（メタデータ） (2022-11-20T11:47:33Z) - Detection and Physical Interaction with Deformable Linear Objects [10.707804359932604]
変形可能な線形オブジェクト(例えば、ケーブル、ロープ、スレッド)は、私たちの日常生活に一般的に現れます。
変形可能な線形オブジェクトをモデル化し追跡する手法はすでに成功している。
本研究では,地上および空中ロボットによるルーティングや操作などのタスクに本手法を用いることについて述べる。
論文 参考訳（メタデータ） (2022-05-17T01:17:21Z) - A Bayesian Treatment of Real-to-Sim for Deformable Object Manipulation [59.29922697476789]
本稿では,変形可能な物体の状態を分布埋め込みとして表現する手法を用いて,画像列から状態情報を抽出する手法を提案する。
実験により, 弾性, 摩擦, スケールなどの物性の後方分布を, 布やロープなどの高変形性物体で推定できることが確認された。
論文 参考訳（メタデータ） (2021-12-09T17:50:54Z) - Plug-and-Play Few-shot Object Detection with Meta Strategy and Explicit
Localization Inference [78.41932738265345]
本稿では, 微調整を行なわずに新しいカテゴリーの物体を正確に検出できるプラグ検出器を提案する。
局所化プロセスに2つの明示的な推論を導入し、アノテーション付きデータへの依存を減らす。
これは、様々な評価プロトコルの下で、効率、精度、リコールの両方において大きなリードを示している。
論文 参考訳（メタデータ） (2021-10-26T03:09:57Z) - Slender Object Detection: Diagnoses and Improvements [74.40792217534]
本稿では,超高アスペクト比,すなわちtextbfslender オブジェクトの特定タイプの検出について検討する。
古典的物体検出法では、細い物体に対してのみ評価される場合、COCO上の18.9%のmAPの劇的な低下が観察される。
論文 参考訳（メタデータ） (2020-11-17T09:39:42Z) - Tracking Partially-Occluded Deformable Objects while Enforcing Geometric
Constraints [11.247580943940916]
我々は、変形可能な物体の追跡を支援するために、高忠実度物理シミュレーションを構築した。
我々はRGBD画像と幾何運動推定に基づいてオブジェクトに焦点を当てる。
コントリビューションにより、従来の手法よりも精度の面で大きなマージンを達成できます。
論文 参考訳（メタデータ） (2020-11-01T21:13:18Z) - DOPS: Learning to Detect 3D Objects and Predict their 3D Shapes [54.239416488865565]
LIDARデータに対する高速な1段3次元物体検出法を提案する。
我々の手法の中核となる新規性は高速かつシングルパスアーキテクチャであり、どちらも3次元の物体を検出し、それらの形状を推定する。
提案手法は,ScanNetシーンのオブジェクト検出で5%,オープンデータセットでは3.4%の精度で結果が得られた。
論文 参考訳（メタデータ） (2020-04-02T17:48:50Z)
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。