Fugu-MT 論文翻訳(概要): Optimised Least Squares Approach for Accurate Rectangle Fitting

論文の概要: Optimised Least Squares Approach for Accurate Rectangle Fitting

arxiv url: http://arxiv.org/abs/2307.06528v1
Date: Thu, 13 Jul 2023 02:31:06 GMT
ステータス: 処理完了
システム内更新日: 2023-07-14 15:56:25.212935
Title: Optimised Least Squares Approach for Accurate Rectangle Fitting
Title（参考訳）: 高精度矩形フィッティングのための最適最小二乗法
Authors: Yiming Quan, Shian Chen
Abstract要約: 提案手法は,シミュレーションデータと実データの両方を用いて,文献中の既存手法と比較する。提案手法は,実際のデータセットの適合度を約81%改善し,センチメートルレベルの精度を実現する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This study introduces a novel and efficient least squares based method for rectangle fitting, using a continuous fitness function that approximates a unit square accurately. The proposed method is compared with the existing method in the literature using both simulated data and real data. The real data is derived from aerial photogrammetry point clouds of a rectangular building. The simulated tests show that the proposed method performs better than the reference method, reducing the root-mean-square error by about 93% and 14% for clean datasets and noisy point clouds, respectively. The proposed method also improves the fitting of the real dataset by about 81%, achieving centimetre level accuracy. Furthermore, the test results show that the proposed method converges in fewer than 10 iterations.
Abstract（参考訳）: 本研究は, 単位正方形を正確に近似する連続的適合関数を用いて, 長方形フィッティングの新規かつ効率的な最小二乗法を提案する。提案手法は,シミュレーションデータと実データの両方を用いて,文献中の既存手法と比較する。実際のデータは、長方形の建物の空中測光点雲から導かれる。シミュレーション実験により,提案手法は基準法よりも優れた性能を示し,クリーンなデータセットとノイズの多い点雲に対して,ルート平均二乗誤差を約93%,14%削減した。提案手法は,実際のデータセットの適合度を約81%改善し,センチメートルレベルの精度を実現する。さらに, 実験結果から, 提案手法は10回未満で収束することがわかった。

関連論文リスト

Adaptive Surface Normal Constraint for Geometric Estimation from Monocular Images [56.86175251327466]
本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
論文参考訳（メタデータ） (2024-02-08T17:57:59Z)
Geometrically Consistent Partial Shape Matching [50.29468769172704]
3次元形状の対応を見つけることは、コンピュータビジョンとグラフィックスにおいて重要な問題である。しばしば無視されるが、整合幾何学の重要な性質は整合性である。本稿では,新しい整数型線形計画部分形状整合式を提案する。
論文参考訳（メタデータ） (2023-09-10T12:21:42Z)
Robust Ellipse Fitting Based on Maximum Correntropy Criterion With Variable Center [25.20786549560683]
我々は,コネレンをベースとした外接点に頑健な楕円嵌合法を開発した。提案手法は, シミュレーションデータと実画像の両方において, 既存の手法よりも有意に優れた性能を示すことを示す。
論文参考訳（メタデータ） (2022-10-24T01:59:22Z)
Probabilistic Registration for Gaussian Process 3D shape modelling in the presence of extensive missing data [63.8376359764052]
本稿では,ガウス過程の定式化に基づく形状適合/登録手法を提案する。様々な変換を持つ2次元の小さなデータセットと耳の3次元データセットの両方で実験が行われる。
論文参考訳（メタデータ） (2022-03-26T16:48:27Z)
DPFM: Deep Partial Functional Maps [28.045544079256686]
我々は、潜在的に有意な部分性を有する非剛体形状間の密接な対応を計算することの問題を考察する。部分的な非剛体形状対応を直接目的とする初等学習手法を提案する。我々のアプローチは関数マップフレームワークを使用し、教師なしまたは教師なしの方法で訓練し、データから直接記述子を学習する。
論文参考訳（メタデータ） (2021-10-19T14:05:37Z)
Manifold Hypothesis in Data Analysis: Double Geometrically-Probabilistic Approach to Manifold Dimension Estimation [92.81218653234669]
本稿では, 多様体仮説の検証と基礎となる多様体次元推定に対する新しいアプローチを提案する。我々の幾何学的手法はミンコフスキー次元計算のためのよく知られたボックスカウントアルゴリズムのスパースデータの修正である。実データセットの実験では、2つの手法の組み合わせに基づく提案されたアプローチが強力で効果的であることが示されている。
論文参考訳（メタデータ） (2021-07-08T15:35:54Z)
Adaptive Surface Normal Constraint for Depth Estimation [102.7466374038784]
アダプティブサーフェスノーマル(ASN)制約と呼ばれるシンプルで効果的な手法を導入し、深さ推定と幾何学的一貫性を相関させます。本手法は3次元形状を忠実に再構成でき,境界,鋭角,雑音などの局所形状変化に頑健である。
論文参考訳（メタデータ） (2021-03-29T10:36:25Z)
New Methods for Detecting Concentric Objects With High Accuracy [0.0]
デジタルデータに幾何学的オブジェクトを適合させることは、虹彩検出、自律ナビゲーション、産業ロボット操作など、多くの分野において重要な問題である。データに幾何学的形状を合わせるには、幾何学的(定形)アプローチと代数的(非定形)アプローチの2つの一般的なアプローチがある。他の反復的手法の信頼性の高い初期推定として使用できる新しい推定器を開発した。
論文参考訳（メタデータ） (2021-02-16T08:19:18Z)
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)
Deep Geometric Functional Maps: Robust Feature Learning for Shape Correspondence [31.840880075039944]
非剛体3次元形状間の対応性を計算するための新しい学習手法を提案する。提案手法の鍵となるのは, 生形状から直接学習する特徴抽出ネットワークである。
論文参考訳（メタデータ） (2020-03-31T15:20:17Z)
Geometry, Computation, and Optimality in Stochastic Optimization [24.154336772159745]
問題幾何学の計算および統計的結果とオンライン最適化について検討する。制約集合と勾配幾何学に焦点をあてて、どの次法と適応次法が最適(minimax)であるかという問題族を特徴づける。
論文参考訳（メタデータ） (2019-09-23T16:14:26Z)

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。