論文の概要: SpinDOE: A ball spin estimation method for table tennis robot
- arxiv url: http://arxiv.org/abs/2303.03879v1
- Date: Tue, 7 Mar 2023 13:24:40 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-08 15:22:39.515637
- Title: SpinDOE: A ball spin estimation method for table tennis robot
- Title(参考訳): SpinDOE:卓球ロボットの球スピン推定法
- Authors: Thomas Gossard, Jonas Tebbe, Andreas Ziegler and Andreas Zell
- Abstract要約: スピンは卓球において重要な役割を担い、ショットの軌道を読みやすくし、予測しにくくする。
既存の方法は、非常に高いフレームレートカメラを必要とするか、ボールのロゴを使うため信頼できないかのいずれかである。
本稿では,実装が容易で信頼性の高いスピン推定法を提案する。
- 参考スコア(独自算出の注目度): 15.28960454647216
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Spin plays a considerable role in table tennis, making a shot's trajectory
harder to read and predict. However, the spin is challenging to measure because
of the ball's high velocity and the magnitude of the spin values. Existing
methods either require extremely high framerate cameras or are unreliable
because they use the ball's logo, which may not always be visible. Because of
this, many table tennis-playing robots ignore the spin, which severely limits
their capabilities. This paper proposes an easily implementable and reliable
spin estimation method. We developed a dotted-ball orientation estimation (DOE)
method, that can then be used to estimate the spin. The dots are first
localized on the image using a CNN and then identified using geometric hashing.
The spin is finally regressed from the estimated orientations. Using our
algorithm, the ball's orientation can be estimated with a mean error of
2.4{\deg} and the spin estimation has an relative error lower than 1%. Spins up
to 175 rps are measurable with a camera of 350 fps in real time. Using our
method, we generated a dataset of table tennis ball trajectories with position
and spin, available on our project page.
- Abstract(参考訳): スピンは卓球において重要な役割を演じ、ショットの軌道を読みやすくし、予測しにくくする。
しかし、ボールの高速さとスピン値の大きさのため、スピンの測定は困難である。
既存の方法は、非常に高いフレームレートカメラを必要とするか、またはボールのロゴを使っているため信頼できない。
このため、多くの卓球ロボットはスピンを無視し、能力を大幅に制限する。
本稿では,実装が容易で信頼性の高いスピン推定法を提案する。
我々は、スピンを推定するために使用できるドットボール配向推定法(DOE)を開発した。
ドットはまずcnnを使って画像上にローカライズされ、次に幾何学的ハッシュを用いて識別される。
スピンは最終的に推定方向から後退する。
このアルゴリズムを用いて,ボールの向きを平均誤差2.4{\deg} で推定し,スピン推定は相対誤差が1%未満である。
最大175rpsのスピンは、350fpsのカメラでリアルタイムで測定できる。
提案手法を用いて,球の位置と回転を表とした,卓球軌跡のデータセットをプロジェクトページから生成した。
関連論文リスト
- Multi-Camera Asynchronous Ball Localization and Trajectory Prediction
with Factor Graphs and Human Poses [0.0]
ボールの迅速かつ正確な位置決めと予測は、ボールスポーツにおけるアジャイルロボットの開発に不可欠である。
実時間および非同期3次元球体ローカライゼーションのための因子グラフとマルチカメラシステムを組み合わせた革新的なアプローチを提案する。
時間的畳み込みネットワーク(TCN)を用いて人間のポーズデータを統合する。
以上の結果から,訓練されたTCNは5.27HzのRMSEでスピン先行を予測できることがわかった。
論文 参考訳(メタデータ) (2024-01-30T17:13:29Z) - A multi-modal table tennis robot system [12.590158763556186]
本稿では,高精度な視覚検出と高速なロボット反応を備えたテーブルテニスロボットシステムを提案する。
これまでの研究に基づいて、我々のシステムはKUKAロボットアームと6 DOF、フレームベースのカメラ4台とイベントベースのカメラ2台を搭載している。
論文 参考訳(メタデータ) (2023-10-29T16:35:29Z) - Black-Box vs. Gray-Box: A Case Study on Learning Table Tennis Ball
Trajectory Prediction with Spin and Impacts [12.103456313315764]
本稿では,テーブル球の軌道フィルタリングと予測手法を提案する。
我々は,ボールの初期条件を推測するダイナミックスモデル,拡張カルマンフィルタ,ニューラルモデルのパラメータをデータを用いて学習する。
論文 参考訳(メタデータ) (2023-05-24T14:28:22Z) - Table Tennis Stroke Detection and Recognition Using Ball Trajectory Data [5.735035463793008]
4人のプロの卓球選手が実行した6つのストローククラスからなるデータセットを取得するために、審判の視点に配置された1台のカメラが使用されている。
従来のオブジェクト検出モデルであるYOLOv4と、時間熱マップベースのモデルであるTrackNetv2を用いたボール追跡がデータセット上に実装されている。
球軌道データを用いてストロークの時間的境界を抽出する数学的アプローチにより,2023個の有効なストロークが得られた。
時間畳み込みネットワークは87.155%の精度で全く見えないデータでストローク認識を実行した。
論文 参考訳(メタデータ) (2023-02-19T19:13:24Z) - Monocular Visual Analysis for Electronic Line Calling of Tennis Games [57.14812636359967]
エレクトロニックラインコール(Electronic Line Calling)は、双眼ビジョン技術に基づくテニスの試合に使用される補助審判システムである。
本稿では,モノクルビジョン技術を用いたLCC法を提案する。
球のバウンス点が2次元画像におけるバウンス点とコート側線との相対的な位置に応じて境界外であるか否かを調べる。
論文 参考訳(メタデータ) (2021-07-20T04:23:11Z) - Extreme Rotation Estimation using Dense Correlation Volumes [73.35119461422153]
本稿では,RGB画像対の相対的な3次元回転を極端に推定する手法を提案する。
画像が重なり合わなくても、それらの幾何学的関係に関して豊富な隠れた手がかりがあるかもしれないと観察する。
本稿では,2つの入力画像間の全ての点を比較することで,そのような暗黙の手がかりを自動的に学習できるネットワーク設計を提案する。
論文 参考訳(メタデータ) (2021-04-28T02:00:04Z) - Back to the Feature: Learning Robust Camera Localization from Pixels to
Pose [114.89389528198738]
画像と3Dモデルから正確な6-DoFのポーズを推定するシーンに依存しないニューラルネットワークPixLocを導入する。
このシステムは、粗いポーズ前の大きな環境でもローカライズできるが、スパース特徴マッチングの精度も向上する。
論文 参考訳(メタデータ) (2021-03-16T17:40:12Z) - Sample-efficient Reinforcement Learning in Robotic Table Tennis [14.552652489374761]
強化学習(Reinforcement Learning, RL)は、様々なコンピュータゲームやシミュレーションにおいて、近年顕著な成功を収めている。
本稿では,テーブルテニスロボットの例として,サンプル効率のよいRLアルゴリズムを提案する。
提案手法は,シミュレーションと実ロボットの両方において,いくつかの挑戦的なシナリオで競合的に機能する。
論文 参考訳(メタデータ) (2020-11-06T10:42:41Z) - Position and spin in relativistic quantum mechanics [68.8204255655161]
Foldy-Wouthuysen表現における位置とスピン作用素は、古典的な位置とスピン変数の量子力学的な対応である。
軌道角運動量とレストフレームスピンの従来の作用素を用いると、スピン軌道相互作用は自由粒子には存在しない。
論文 参考訳(メタデータ) (2020-03-14T07:49:40Z) - Robust 6D Object Pose Estimation by Learning RGB-D Features [59.580366107770764]
本稿では、この局所最適問題を解くために、回転回帰のための離散連続的な新しい定式化を提案する。
我々はSO(3)の回転アンカーを均一にサンプリングし、各アンカーから目標への制約付き偏差を予測し、最適な予測を選択するための不確実性スコアを出力する。
LINEMOD と YCB-Video の2つのベンチマーク実験により,提案手法が最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2020-02-29T06:24:55Z) - Pedestrian orientation dynamics from high-fidelity measurements [65.06084067891364]
本研究では,歩行者の運動の一般的な物理的特性に基づいて学習するディープ・ニューラル・アーキテクチャに基づく新しい計測手法を提案する。
提案手法は, 誤差を7.5度まで低減し, 向きを推定できることを示す。
このツールは、方向が鍵となる人間の群集力学の研究において、新たな可能性を開く。
論文 参考訳(メタデータ) (2020-01-14T07:08:31Z)
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。