論文の概要: Fitting and recognition of geometric primitives in segmented 3D point clouds using a localized voting procedure

• arxiv url: http://arxiv.org/abs/2205.15426v1
• Date: Mon, 30 May 2022 20:47:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-01 15:37:00.763855
• Title: Fitting and recognition of geometric primitives in segmented 3D point clouds using a localized voting procedure
• Title（参考訳）: 局所投票法による分断3次元点雲の幾何学的プリミティブの適合と認識
• Authors: Andrea Raffo, Chiara Romanengo, Bianca Falcidieno, Silvia Biasotti
• Abstract要約: 投票手順によって各タイプの原始パラメータを初期推定できる点雲処理手法を提案する。 これらの推定値を用いることで、最適解の探索を次元的に還元された空間に局所化し、HT を文献で一般的に見られるものよりもより原始的に拡張することが効率的となる。
• 参考スコア（独自算出の注目度）: 1.8352113484137629
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The automatic creation of geometric models from point clouds has numerous applications in CAD (e.g., reverse engineering, manufacturing, assembling) and, more in general, in shape modelling and processing. Given a segmented point cloud representing a man-made object, we propose a method for recognizing simple geometric primitives and their interrelationships. Our approach is based on the Hough transform (HT) for its ability to deal with noise, missing parts and outliers. In our method we introduce a novel technique for processing segmented point clouds that, through a voting procedure, is able to provide an initial estimate of the geometric parameters characterizing each primitive type. By using these estimates, we localize the search of the optimal solution in a dimensionally-reduced parameter space thus making it efficient to extend the HT to more primitives than those that are generally found in the literature, i.e. planes and spheres. Then, we extract a number of geometric descriptors that uniquely characterize a segment, and, on the basis of these descriptors, we show how to aggregate parts of primitives (segments). Experiments on both synthetic and industrial scans reveal the robustness of the primitive fitting method and its effectiveness for inferring relations among segments.
• Abstract（参考訳）: 点雲からの幾何学的モデルの自動生成はcad(リバースエンジニアリング、製造、組み立てなど)や、より一般的には形状モデリングや処理において多くの応用がある。 人造物体を表す分節点雲が与えられると、簡単な幾何学的プリミティブとその相互関係を認識する方法を提案する。 我々のアプローチはhough変換(hough transform:ht)に基づいており、ノイズ、欠落部分、異常値を扱うことができる。 提案手法では,各プリミティブタイプを特徴付ける幾何パラメータの初期推定を可能にするために,投票手続きを通じてセグメント化ポイントクラウドを処理する新しい手法を提案する。 これらの推定を用いて、次元還元されたパラメータ空間における最適解の探索をローカライズすることにより、平面や球面といった文献で一般的に見られるものよりも HT をよりプリミティブに拡張することが効率的になる。 次に,セグメントを一意に特徴付ける幾何的記述子を抽出し,これらの記述子に基づいて,プリミティブの部分(セグメント)を集約する方法を示す。 合成および工業用走査法における実験により, 初期フィッティング法のロバスト性, セグメント間の関係を推定する効果が明らかになった。

関連論文リスト

• Shrinking: Reconstruction of Parameterized Surfaces from Signed Distance Fields [2.1638817206926855]
  符号付き距離場(SDF)から明示的パラメータ化曲面を再構成する新しい手法を提案する。 本手法では, パラメータ化初期球面を対象のSDF形状に適合させ, 微分可能性と表面パラメータ化を連続的に保持する。 これにより、テクスチャマッピング、幾何学処理、アニメーション、有限要素解析などの下流アプリケーションが可能になる。
  論文  参考訳（メタデータ） (2024-10-04T03:39:15Z)
• Generalized Few-Shot Point Cloud Segmentation Via Geometric Words [54.32239996417363]
  ショットポイントクラウドセグメンテーションアルゴリズムは、ベースクラスのセグメンテーション精度を犠牲にして、新しいクラスに適応するように学習する。 一般化された数ショット点雲のセグメンテーションというより実践的なパラダイムの最初の試みを示す。 基本クラスと新規クラス間で共有される幾何学的要素を表す幾何学的単語を提案し,それらを新しい幾何学的意味表現に組み込む。
  論文  参考訳（メタデータ） (2023-09-20T11:24:33Z)
• Marching-Primitives: Shape Abstraction from Signed Distance Function [29.7543198254021]
  本稿では,SDF から直接原始的抽象化を得るために,マーチング・プリミティブと呼ばれる新しい手法を提案する。 本手法は, ボクセルの接続性を解析することにより, 幾何的プリミティブを反復的に成長させる。 合成および実世界の両方のデータセットにおいて,本手法の性能を評価する。
  論文  参考訳（メタデータ） (2023-03-23T11:42:35Z)
• Recognising geometric primitives in 3D point clouds of mechanical CAD objects [1.8352113484137629]
  本稿で直面する問題は、点雲における単純かつ複雑な幾何学的プリミティブの認識に関するものである。 多くの点、ノイズの存在、外れ値、欠落または冗長な部分、不均一な分布などが、このニーズを満たすために対処すべき主な問題である。 本稿では, 単純かつ複雑な幾何学的プリミティブを認識でき, ノイズ, 外れ値, 欠落部分に対して頑健なHough変換に基づく解を提案する。
  論文  参考訳（メタデータ） (2023-01-11T09:33:55Z)
• Zero-shot point cloud segmentation by transferring geometric primitives [68.18710039217336]
  ゼロショットポイントクラウドセマンティックセマンティックセマンティックセマンティクスについて検討し、そこではネットワークが見えないオブジェクトに対してトレーニングされ、見えないオブジェクトをセマンティクスできる。 本研究では,視覚的および視覚的カテゴリーのオブジェクトで共有される幾何学的プリミティブを学習し,言語と学習された幾何学的プリミティブとの微粒なアライメントを利用する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-10-18T15:06:54Z)
• Primitive-based Shape Abstraction via Nonparametric Bayesian Inference [29.7543198254021]
  本稿では,未知数の幾何学的プリミティブからなる抽象化を点雲から推論する,新しい非パラメトリックベイズ統計法を提案する。 提案手法は精度において最先端の手法より優れており,様々な種類のオブジェクトに対して一般化可能である。
  論文  参考訳（メタデータ） (2022-03-28T13:00:06Z)
• Neural Parts: Learning Expressive 3D Shape Abstractions with Invertible Neural Networks [118.20778308823779]
  Invertible Neural Network (INN) を用いてプリミティブを定義する新しい3次元プリミティブ表現を提案する。 私たちのモデルは、部品レベルの監督なしに3Dオブジェクトを意味的に一貫した部品配置に解析することを学びます。
  論文  参考訳（メタデータ） (2021-03-18T17:59:31Z)
• Deep Magnification-Flexible Upsampling over 3D Point Clouds [103.09504572409449]
  本稿では,高密度点雲を生成するためのエンドツーエンド学習ベースのフレームワークを提案する。 まずこの問題を明示的に定式化し、重みと高次近似誤差を判定する。 そこで我々は,高次改良とともに,統一重みとソート重みを適応的に学習する軽量ニューラルネットワークを設計する。
  論文  参考訳（メタデータ） (2020-11-25T14:00:18Z)
• Primal-Dual Mesh Convolutional Neural Networks [62.165239866312334]
  本稿では,グラフ・ニューラル・ネットワークの文献からトライアングル・メッシュへ引き起こされた原始双対のフレームワークを提案する。 提案手法は,3次元メッシュのエッジと顔の両方を入力として特徴付け,動的に集約する。 メッシュ単純化の文献から得られたツールを用いて、我々のアプローチに関する理論的知見を提供する。
  論文  参考訳（メタデータ） (2020-10-23T14:49:02Z)
• SEG-MAT: 3D Shape Segmentation Using Medial Axis Transform [49.51977253452456]
  入力形状の媒体軸変換(MAT)に基づく3次元形状分割の効率的な方法を提案する。 具体的には、MATに符号化された豊富な幾何学的および構造的情報により、3次元形状の異なる部分間の様々な種類の接合を識別することができる。 本手法は, セグメンテーション品質の点で最先端の手法より優れ, 桁違いに高速である。
  論文  参考訳（メタデータ） (2020-10-22T07:15:23Z)
• Geometric Attention for Prediction of Differential Properties in 3D Point Clouds [32.68259334785767]
  本研究では,このような特性を学習可能な方法で提供できる幾何学的注意機構を提案する。 本研究では,正規ベクトルの予測と特徴線の抽出に関する実験により,提案手法の有用性を確立した。
  論文  参考訳（メタデータ） (2020-07-06T07:40:26Z)

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。