論文の概要: 3D Reconstruction in Noisy Agricultural Environments: A Bayesian
Optimization Perspective for View Planning
- arxiv url: http://arxiv.org/abs/2310.00145v1
- Date: Fri, 29 Sep 2023 21:09:02 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-05 06:23:51.884396
- Title: 3D Reconstruction in Noisy Agricultural Environments: A Bayesian
Optimization Perspective for View Planning
- Title(参考訳): 騒音環境下における3次元復元:ビュープランニングのためのベイズ最適化視点
- Authors: Athanasios Bacharis, Konstantinos D. Polyzos, Henry J. Nelson,
Georgios B. Giannakis, Nikolaos Papanikolopoulos
- Abstract要約: この研究は、閉形式表現を必要とせず、比較的少数の雑音実現にのみ依存する、新しい幾何学的関数を提唱する。
幾何関数の解析的表現がないため、この研究はノイズの存在下での正確な3次元再構成のためのベイズ最適化アルゴリズムを提示する。
- 参考スコア(独自算出の注目度): 33.18341401505798
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: 3D reconstruction is a fundamental task in robotics that gained attention due
to its major impact in a wide variety of practical settings, including
agriculture, underwater, and urban environments. An important approach for this
task, known as view planning, is to judiciously place a number of cameras in
positions that maximize the visual information improving the resulting 3D
reconstruction. Circumventing the need for a large number of arbitrary images,
geometric criteria can be applied to select fewer yet more informative images
to markedly improve the 3D reconstruction performance. Nonetheless,
incorporating the noise of the environment that exists in various real-world
scenarios into these criteria may be challenging, particularly when prior
information about the noise is not provided. To that end, this work advocates a
novel geometric function that accounts for the existing noise, relying solely
on a relatively small number of noise realizations without requiring its
closed-form expression. With no analytic expression of the geometric function,
this work puts forth a Bayesian optimization algorithm for accurate 3D
reconstruction in the presence of noise. Numerical tests on noisy agricultural
environments showcase the impressive merits of the proposed approach for 3D
reconstruction with even a small number of available cameras.
- Abstract(参考訳): 3D再構築は、農業、水中、都市環境など、さまざまな実践的な環境において大きな影響を与えているロボット工学の基本的な課題である。
ビュープランニング(View Planning)として知られるこのタスクの重要なアプローチは、多数のカメラを視覚情報を最大化し、その結果の3D再構成を改善することである。
多数の任意画像の必要性を回避して、幾何的基準を適用してより少ないがより有意義な画像を選択し、3d再構成性能を著しく向上させることができる。
それにもかかわらず、様々な現実のシナリオに存在する環境のノイズをこれらの基準に組み込むことは、特にノイズに関する事前情報が提供されていない場合、困難である。
この目的のために、この研究は、閉形式表現を必要とせず、比較的少数の雑音実現にのみ依存する、既存の雑音を考慮に入れた新しい幾何学的関数を提唱する。
幾何関数の解析的な表現がなければ、ノイズの存在下で正確な3次元再構成のためのベイズ最適化アルゴリズムを考案する。
騒音の多い農業環境における数値実験は,少数のカメラを用いた3次元復元手法の印象的なメリットを示している。
関連論文リスト
- OccNeRF: Advancing 3D Occupancy Prediction in LiDAR-Free Environments [77.0399450848749]
本稿では,OccNeRF法を用いて,3次元監視なしで占有ネットワークを訓練する手法を提案する。
我々は、再構成された占有領域をパラメータ化し、サンプリング戦略を再編成し、カメラの無限知覚範囲に合わせる。
意味的占有予測のために,事前学習した開語彙2Dセグメンテーションモデルの出力をフィルタリングし,プロンプトを洗練するためのいくつかの戦略を設計する。
論文 参考訳(メタデータ) (2023-12-14T18:58:52Z) - Scene 3-D Reconstruction System in Scattering Medium [9.044356059297595]
既存の水中3D再構築システムは、大規模な訓練時間や低効率といった課題に直面している。
本稿では,これらの課題に対処し,高速で高品質な3次元再構成を実現するため,水中3次元再構成システムを提案する。
論文 参考訳(メタデータ) (2023-12-14T14:55:16Z) - Instance-aware Multi-Camera 3D Object Detection with Structural Priors
Mining and Self-Boosting Learning [93.71280187657831]
カメラによる鳥眼視(BEV)知覚パラダイムは、自律運転分野において大きな進歩を遂げている。
画像平面のインスタンス認識をBEV検出器内の深度推定プロセスに統合するIA-BEVを提案する。
論文 参考訳(メタデータ) (2023-12-13T09:24:42Z) - Unifying Correspondence, Pose and NeRF for Pose-Free Novel View Synthesis from Stereo Pairs [57.492124844326206]
この研究は、3次元視覚における挑戦的で先駆的な課題であるステレオペアからのポーズレスノベルビュー合成の課題に踏み込んだ。
我々の革新的なフレームワークは、これまでとは違って、シームレスに2D対応マッチング、カメラポーズ推定、NeRFレンダリングを統合し、これらのタスクの相乗的強化を促進します。
論文 参考訳(メタデータ) (2023-12-12T13:22:44Z) - R3D3: Dense 3D Reconstruction of Dynamic Scenes from Multiple Cameras [106.52409577316389]
R3D3は高密度3次元再構成とエゴモーション推定のためのマルチカメラシステムである。
提案手法は,複数のカメラからの時空間情報と単眼深度補正を利用する。
この設計により、困難で動的な屋外環境の密集した一貫した3次元再構成が可能になる。
論文 参考訳(メタデータ) (2023-08-28T17:13:49Z) - Bag of Views: An Appearance-based Approach to Next-Best-View Planning
for 3D Reconstruction [3.637651065605852]
Bag-of-Views (BoV) は、キャプチャされたビューにユーティリティを割り当てるのに使用される、完全な外観ベースのモデルである。
View Planning Toolbox(VPT)は、機械学習ベースのビュープランニングフレームワークのトレーニングとテストのための軽量パッケージである。
論文 参考訳(メタデータ) (2023-07-11T22:56:55Z) - 3D Reconstruction of Spherical Images based on Incremental Structure
from Motion [2.6432771146480283]
本研究では, 球面対応を用いた相対配向アルゴリズム, シーンと球面間の3次元対応を用いた絶対配向, BA最適化のためのコスト関数について検討した。
上記のアルゴリズムを用いて,球面画像に対して段階的SfM(Structure from Motion)ワークフローを提案する。
論文 参考訳(メタデータ) (2023-06-22T09:49:28Z) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳(メタデータ) (2022-05-25T17:59:53Z) - A Pose-only Solution to Visual Reconstruction and Navigation [23.86386627769292]
大規模なシーンやクリティカルなカメラの動きは、この目標を達成するために研究コミュニティが直面する大きな課題です。
私たちは、これらの課題を解決できるポーズオンリーのイメージングジオメトリフレームワークとアルゴリズムを立ち上げました。
論文 参考訳(メタデータ) (2021-03-02T07:21:08Z) - SCFusion: Real-time Incremental Scene Reconstruction with Semantic
Completion [86.77318031029404]
本研究では,シーン再構成とセマンティックシーン補完を段階的かつリアルタイムに共同で行うフレームワークを提案する。
我々のフレームワークは、3Dグローバルモデルでセマンティックコンプリートを正確かつ効率的に融合させるために、占有マップを処理し、ボクセル状態を活用するように設計された新しいニューラルアーキテクチャに依存している。
論文 参考訳(メタデータ) (2020-10-26T15:31:52Z)
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。