論文の概要: Coverage Optimization of Camera Network for Continuous Deformable Object

• arxiv url: http://arxiv.org/abs/2203.08632v1
• Date: Wed, 16 Mar 2022 13:58:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-17 15:33:38.607618
• Title: Coverage Optimization of Camera Network for Continuous Deformable Object
• Title（参考訳）: 連続変形対象物に対するカメラネットワークの被覆最適化
• Authors: Chang Li, Xi Chen, Li Chai
• Abstract要約: 視覚的カバレッジを目的とし、デフォルマブルオブジェクトをカメラの展開として検討する。 計算複雑性を低減するため、連続的な変形過程を表すいくつかの特徴点を慎重に選択する。 次に、最適化問題を解くために、改良されたオオカミ群アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 10.385496577732562
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: In this paper, a deformable object is considered for cameras deployment with the aim of visual coverage. The object contour is discretized into sampled points as meshes, and the deformation is represented as continuous trajectories for the sampled points. To reduce the computational complexity, some feature points are carefully selected representing the continuous deformation process, and the visual coverage for the deformable object is transferred to cover the specific feature points. In particular, the vertexes of a rectangle that can contain the entire deformation trajectory of every sampled point on the object contour are chosen as the feature points. An improved wolf pack algorithm is then proposed to solve the optimization problem. Finally, simulation results are given to demonstrate the effectiveness of the proposed deployment method of camera network.
• Abstract（参考訳）: 本稿では,視覚的カバレッジを目的とし,デフォルマブルオブジェクトをカメラの展開に適用する。 対象輪郭をメッシュとしてサンプル点に離散化し、その変形をサンプル点の連続軌跡として表現する。 計算複雑性を低減するために、連続変形過程を表す特徴点を慎重に選択し、変形可能な物体の視覚被覆を移動して特定の特徴点を被覆する。 特に、対象輪郭上の各サンプル点の変形軌跡全体を含む長方形の頂点を特徴点として選択する。 最適化問題を解くために改良されたwolf packアルゴリズムが提案されている。 最後に,カメラネットワークの展開方式の有効性を示すシミュレーション結果を示した。

関連論文リスト

• Robust 3D Tracking with Quality-Aware Shape Completion [67.9748164949519]
  そこで本研究では,高密度および完全点の雲からなる合成対象表現について,ロバストな3次元追跡のための形状完備化により正確に表現する。 具体的には, 形状が整ったボキセル化3次元追跡フレームワークを設計し, ノイズのある歴史的予測の悪影響を軽減するために, 品質に配慮した形状完備化機構を提案する。
  論文  参考訳（メタデータ） (2023-12-17T04:50:24Z)
• iPUNet:Iterative Cross Field Guided Point Cloud Upsampling [20.925921503694894]
  3Dスキャン装置によって取得される点雲は、しばしば疎く、ノイズが多く、一様ではないため、幾何学的特徴が失われる。 任意の比率で高密度および均一な点を生成する学習ベースポイントアップサンプリング手法iPUNetを提案する。 iPUNetは、ノイズや不均一に分散された入力を処理し、最先端のクラウドサンプリング手法より優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-13T13:24:37Z)
• TransPoser: Transformer as an Optimizer for Joint Object Shape and Pose Estimation [25.395619346823715]
  連続観察されたRGB-D画像から剛体物体の形状と姿勢の結合推定法を提案する。 本稿では、カメラの視点と視線方向が与えられた物体の深度画像を直接出力するニューラルネットワークであるDeep Directional Distance Function(DeepDDF)を紹介する。 結合推定自体をTransPoserと呼ぶTransformerとして定式化する。
  論文  参考訳（メタデータ） (2023-03-23T17:46:54Z)
• Category-level Shape Estimation for Densely Cluttered Objects [94.64287790278887]
  そこで本研究では,密に散らばった物体のカテゴリレベルの形状推定手法を提案する。 我々のフレームワークは、多視点視覚情報融合によって、各オブジェクトをクラッタに分割する。 シミュレーション環境と実世界の実験から,本手法が高精度な形状推定を実現することが示された。
  論文  参考訳（メタデータ） (2023-02-23T13:00:17Z)
• Shape Completion with Points in the Shadow [13.608498759468024]
  単一視点のクラウド補完は、限られた観測のみに基づいてオブジェクトの完全な幾何を復元することを目的としている。 コンピュータグラフィックスにおける古典的なシャドウボリューム技術に着想を得て,解空間を効果的に削減する新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-17T14:58:56Z)
• Localization and Tracking of User-Defined Points on Deformable Objects for Robotic Manipulation [0.0]
  本稿では,変形可能なオブジェクトの表面上のユーザ定義点をローカライズする効率的な手法を提案する。 複数ステップの非線形ソルバパイプラインを用いて,実行時に推定される離散化変形場を提案する。 本手法は, 産業生産プロセスにおける非剛体物体の認識に最適であるように, データ並列方式でオンラインのローカライズ問題を解くことができる。
  論文  参考訳（メタデータ） (2021-05-19T11:25:33Z)
• 3D Object Classification on Partial Point Clouds: A Practical Perspective [91.81377258830703]
  点雲は3次元オブジェクト分類において一般的な形状表現である。 本稿では,任意のポーズの下でオブジェクトインスタンスの部分点雲を分類する実践的な設定を提案する。 本稿では,アライメント分類手法による新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-18T04:00:56Z)
• SPU-Net: Self-Supervised Point Cloud Upsampling by Coarse-to-Fine Reconstruction with Self-Projection Optimization [52.20602782690776]
  実際のスキャンされたスパースデータからトレーニング用の大規模なペアリングスパーススキャンポイントセットを得るのは高価で面倒です。 本研究では,SPU-Net と呼ばれる自己監視型点群アップサンプリングネットワークを提案する。 本研究では,合成データと実データの両方について様々な実験を行い,最先端の教師付き手法と同等の性能が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-08T14:14:09Z)
• Category Level Object Pose Estimation via Neural Analysis-by-Synthesis [64.14028598360741]
  本稿では、勾配に基づくフィッティング法とパラメトリックニューラルネットワーク合成モジュールを組み合わせる。 画像合成ネットワークは、ポーズ設定空間を効率的に分散するように設計されている。 本研究では,2次元画像のみから高精度に物体の向きを復元できることを実験的に示す。
  論文  参考訳（メタデータ） (2020-08-18T20:30:47Z)
• Point-Set Anchors for Object Detection, Instance Segmentation and Pose Estimation [85.96410825961966]
  中心点から抽出された画像の特徴は、離れたキーポイントや境界ボックスの境界を予測するための限られた情報を含んでいると論じる。 推論を容易にするために,より有利な位置に配置された点集合からの回帰を行うことを提案する。 我々は、オブジェクト検出、インスタンス分割、人間のポーズ推定にPoint-Set Anchorsと呼ばれるこのフレームワークを適用した。
  論文  参考訳（メタデータ） (2020-07-06T15:59:56Z)

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。