論文の概要: Estimating the Direction and Radius of Pipe from GPR Image by Ellipse Inversion Model

• arxiv url: http://arxiv.org/abs/2201.10184v1
• Date: Tue, 25 Jan 2022 09:01:51 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-26 14:33:39.160671
• Title: Estimating the Direction and Radius of Pipe from GPR Image by Ellipse Inversion Model
• Title（参考訳）: 楕円インバージョンモデルによるgpr画像からの管の方向と半径の推定
• Authors: Xiren Zhou, Qiuju Chen, Shengfei Lyu, Huanhuan Chen
• Abstract要約: 地中貫入レーダ (GPR) は埋設施設を推定するための非破壊的手法として広く用いられている。 現実世界のアプリケーションでは、既存のパイプラインマップ上のパイプラインの方向が不正確な可能性がある。 パイプラインの方向と半径を推定し,GPR Bスキャン画像から既存のパイプラインマップを修正するための新しいモデルを提案する。
• 参考スコア（独自算出の注目度）: 21.43182752819447
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ground Penetrating Radar (GPR) is widely used as a non-destructive approach to estimate buried utilities. When the GPR's detecting direction is perpendicular to a pipeline, a hyperbolic characteristic would be formed on the GPR B-scan image. However, in real-world applications, the direction of pipelines on the existing pipeline map could be inaccurate, and it is hard to ensure the moving direction of GPR to be actually perpendicular to underground pipelines. In this paper, a novel model is proposed to estimate the direction and radius of pipeline and revise the existing pipeline map from GPR B-scan images. The model consists of two parts: GPR B-scan image processing and Ellipse Iterative Inversion Algorithm (EIIA). Firstly, the GPR B-scan image is processed with downward-opening point set extracted. The obtained point set is then iteratively inverted to the elliptical cross section of the buried pipeline, which is caused by the angle between the GPR's detecting direction and the pipeline's direction. By minimizing the sum of the algebraic distances from the extracted point set to the inverted ellipse, the most likely pipeline's direction and radius are determined. Experiments on real-world datasets are conducted, and the results demonstrate the effectiveness of the method.
• Abstract（参考訳）: 地中貫入レーダ(GPR)は埋設施設を推定するための非破壊的手法として広く用いられている。 GPRの検出方向がパイプラインに垂直である場合、GPRBスキャン画像上に双曲特性が形成される。 しかし、実世界のアプリケーションでは、既存のパイプラインマップ上のパイプラインの方向が不正確であり、gprの移動方向が実際に地下パイプラインと垂直であることを保証するのは難しい。 本稿では,パイプラインの方向と半径を推定し,GPR Bスキャン画像から既存のパイプラインマップを修正するための新しいモデルを提案する。 モデルは、GPR Bスキャン画像処理と楕円反復反転アルゴリズム(EIIA)の2つの部分で構成されている。 まず、GPRBスキャン画像を下向き開点セットを抽出して処理する。 その後、得られた点集合は埋設管路の楕円断面に反復反転され、これはgprの検出方向と管路方向の角度によって引き起こされる。 抽出された点から逆楕円への代数距離の和を最小化することにより、最も可能性の高いパイプラインの方向と半径が決定される。 実世界のデータセットの実験を行い,本手法の有効性を実証した。

関連論文リスト

• Underground Mapping and Localization Based on Ground-Penetrating Radar [11.737279515161505]
  本稿では,GPRセンサからのBスキャン画像を利用して,深部畳み込みニューラルネットワークに基づくパラボラ信号検出ネットワークを提案する。 検出されたキーポイントは、元のGPR Bスキャン画像をオブジェクトモデルの断面として解釈するのに使用されるパラボラ曲線を正確に適合させるのに役立つ。 未知の場所では、GPRのAスキャンデータを使用して、構築された地図内の対応するAスキャンデータとマッチングし、その位置をピンポイントして、モデルによる地図構築の精度を検証する。
  論文  参考訳（メタデータ） (2024-09-24T20:26:16Z)
• Blind Channel Estimation and Joint Symbol Detection with Data-Driven Factor Graphs [31.8050631698684]
  時間変化型シンボル間干渉チャネルにおけるブラインドジョイントチャネル推定およびシンボル検出のためのフレームワークの適用について検討する。 本稿では,適切な因子グラフ上の信念パラメータ(BP)アルゴリズムを用いて,後部伝播を効率よく近似することにより,この問題に対処する。 さらに,BP更新のモーメントを導入し,適切なEM更新スケジュールを学習するデータ駆動型アルゴリズムを提案する。 数値解析実験により、提案したブラインド検出器の優れた性能を示し、高信号対雑音のシナリオにおいてコヒーレントBP検出よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-01-23T10:26:15Z)
• RGB-based Category-level Object Pose Estimation via Decoupled Metric Scale Recovery [72.13154206106259]
  本研究では、6次元のポーズとサイズ推定を分離し、不完全なスケールが剛性変換に与える影響を緩和するパイプラインを提案する。 具体的には,事前学習した単分子推定器を用いて局所的な幾何学的情報を抽出する。 別個のブランチは、カテゴリレベルの統計に基づいてオブジェクトのメートル法スケールを直接復元するように設計されている。
  論文  参考訳（メタデータ） (2023-09-19T02:20:26Z)
• Category-Level 6D Object Pose Estimation with Flexible Vector-Based Rotation Representation [51.67545893892129]
  モノクロRGB-D画像からカテゴリレベルの6次元ポーズとサイズ推定のための新しい3次元グラフ畳み込みに基づくパイプラインを提案する。 まず,3次元グラフ畳み込みを用いた向き対応オートエンコーダの設計を行った。 そして, 回転情報を潜在特徴から効率的に復号化するために, フレキシブルなベクトルベースデコンポーザブルな回転表現を設計する。
  論文  参考訳（メタデータ） (2022-12-09T02:13:43Z)
• Underground Diagnosis Based on GPR and Learning in the Model Space [17.738464689511773]
  地中レーダ(GPR)はパイプライン検出や地下診断に広く用いられている。 本稿では,モデル空間における学習に基づくGPR Bスキャン画像診断手法を提案する。
  論文  参考訳（メタデータ） (2022-11-25T07:28:27Z)
• Detecting Rotated Objects as Gaussian Distributions and Its 3-D Generalization [81.29406957201458]
  既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。 このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。 回転した物体をガウス分布としてモデル化することを提案する。 2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
  論文  参考訳（メタデータ） (2022-09-22T07:50:48Z)
• Copy-Move Image Forgery Detection Based on Evolving Circular Domains Coverage [5.716030416222748]
  提案手法はブロックベースとキーポイントベースの両方の偽造検出手法を統合する。 実験結果から, CMFD方式により, 種々の攻撃による検出性能が向上することが示唆された。
  論文  参考訳（メタデータ） (2021-09-09T16:08:03Z)
• 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)
• GDR-Net: Geometry-Guided Direct Regression Network for Monocular 6D Object Pose Estimation [71.83992173720311]
  単一のRGB画像からの6次元ポーズ推定はコンピュータビジョンの基本課題である。 GDR-Net(Geometry-Guided Direct Regression Network)を用いて6Dポーズをエンドツーエンドで学習する。 提案手法は, LM, LM-O, YCB-Vデータセットの最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2021-02-24T09:11:31Z)
• Progressively Guided Alternate Refinement Network for RGB-D Salient Object Detection [63.18846475183332]
  我々は,RGB-Dの高次物体検出のための効率的かつコンパクトなディープネットワークを開発することを目指している。 そこで本研究では,改良のための改良ネットワークを提案する。 我々のモデルは、既存の最先端のアプローチよりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2020-08-17T02:55:06Z)
• An Innovative Approach to Determine Rebar Depth and Size by Comparing GPR Data with a Theoretical Database [0.7219077740523682]
  地中貫入レーダ (GPR) は, コンクリート構造物の埋設鉄筋を迅速に認識する手法である。 GPRデータから信号を取り出すのが難しいため、同時にレバー深さとサイズを決定することは困難である。 本稿では,この問題に対処する革新的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-19T03:35:30Z)

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。

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。