Fugu-MT 論文翻訳(概要): Automatic extraction and 3D reconstruction of split wire from point cloud data based on improved DPC algorithm

論文の概要: Automatic extraction and 3D reconstruction of split wire from point cloud data based on improved DPC algorithm

arxiv url: http://arxiv.org/abs/2401.08587v1
Date: Fri, 10 Nov 2023 05:29:25 GMT
ステータス: 処理完了
システム内更新日: 2024-01-22 10:03:23.379083
Title: Automatic extraction and 3D reconstruction of split wire from point cloud data based on improved DPC algorithm
Title（参考訳）: 改良DPCアルゴリズムに基づく点雲データからの分割線の自動抽出と3次元再構成
Authors: Jia Cheng
Abstract要約: 点雲データ分割線の自動分離と3次元再構成に関する研究が提案されている。クラウドコンテンツのすべての部分を決定するために,相対アンサンブルに基づくDPCスワムアルゴリズムを提案する。
参考スコア（独自算出の注目度）: 3.464123198395326
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: In order to solve the problem of point cloud data splitting improved by DPC algorithm, a research on automatic separation and 3D reconstruction of point cloud data split lines is proposed. First, the relative coordinates of each point in the cloud point are calculated. Second, it is planned to develop a relative ensemble-based DPC swarm algorithm for analyzing the number of separation lines to determine all parts in the cloud content. Finally, fit each separator using the least squares method. iron. The cloud point of the resulting split subconductors has a clear demarcation line, and the distance between adjacent split subconductors is 0.45 m, divided by the four vertices of the square.
Abstract（参考訳）: DPCアルゴリズムにより改善された点雲データ分割の問題を解決するため,点雲データ分割線の自動分離と3次元再構成に関する研究を行った。まず、雲点の各点の相対座標を算出する。第二に、クラウドコンテンツのすべての部分を決定するために、分離線数を分析するための相対アンサンブルベースのDPCスウォームアルゴリズムを開発する計画である。最後に、最小二乗法を用いて各セパレータに適合する。鉄だ得られた分割サブコンダクタの雲点は明確な区切り線を持ち、隣接する分割サブコンダクタ間の距離は0.45mであり、正方形の四頂点で区切られている。

関連論文リスト

Multiway Point Cloud Mosaicking with Diffusion and Global Optimization [74.3802812773891]
マルチウェイポイントクラウドモザイクのための新しいフレームワーク(水曜日)を紹介する。我々のアプローチの核心は、重複を識別し、注意点を洗練する学習されたペアワイズ登録アルゴリズムODINである。 4つの多種多様な大規模データセットを用いて、我々の手法は、全てのベンチマークにおいて大きなマージンで、最先端のペアとローテーションの登録結果を比較した。
論文参考訳（メタデータ） (2024-03-30T17:29:13Z)
Unleash the Potential of 3D Point Cloud Modeling with A Calibrated Local Geometry-driven Distance Metric [62.365983810610985]
そこで我々は,Callibated Local Geometry Distance (CLGD) と呼ばれる新しい距離測定法を提案する。 CLGDは、基準点の集合によってキャリブレーションされ誘導される基礎となる3次元表面の差を計算する。一般的な指標として、CLGDは3Dポイントのクラウドモデリングを前進させる可能性がある。
論文参考訳（メタデータ） (2023-06-01T11:16:20Z)
HybridFusion: LiDAR and Vision Cross-Source Point Cloud Fusion [15.94976936555104]
我々はHybridFusionと呼ばれるクロスソース点雲融合アルゴリズムを提案する。アウトドアの大きなシーンでは、異なる視角から、ソース間の密集点雲を登録することができる。提案手法は,定性的,定量的な実験を通じて総合的に評価される。
論文参考訳（メタデータ） (2023-04-10T10:54:54Z)
Semantic Segmentation of Urban Textured Meshes Through Point Sampling [0.0]
本研究では, サンプリング法, 抽出した雲の密度, 選択した特徴量, 訓練期間中に使用する点数など, 異なるパラメータの影響について検討した。 SUMデータセットでは,OAでは4ポイント,mIoUでは18ポイント,最先端のSUMデータセットでは2。
論文参考訳（メタデータ） (2023-02-21T12:49:31Z)
EPCS: Endpoint-based Part-aware Curve Skeleton Extraction for Low-quality Point Clouds [3.9243573226410278]
低品質点雲に対するエンドポイントベース部分認識曲線スケルトン(EPCS)抽出法を提案する。提案手法はいくつかの最先端手法と比較し, その堅牢性, 有効性, 効率性を検証した。
論文参考訳（メタデータ） (2022-11-17T12:13:49Z)
Point Cloud Semantic Segmentation using Multi Scale Sparse Convolution Neural Network [0.0]
本稿では,マルチスケール超スパース畳み込みに基づく特徴抽出モジュールと,チャネルアテンションに基づく特徴選択モジュールを提案する。マルチスケールのスパース畳み込みを導入することで、ネットワークは異なるサイズの畳み込みカーネルに基づいてよりリッチな特徴情報をキャプチャできる。
論文参考訳（メタデータ） (2022-05-03T15:01:20Z)
A Conditional Point Diffusion-Refinement Paradigm for 3D Point Cloud Completion [69.32451612060214]
実スキャンされた3Dポイントクラウドはしばしば不完全であり、下流アプリケーションのために完全なポイントクラウドを復元することが重要である。ほとんどの既存のポイントクラウド補完方法は、トレーニングにチャンファー距離(CD)損失を使用する。本稿では,点雲完了のためのPDR(Point Diffusion-Refinement)パラダイムを提案する。
論文参考訳（メタデータ） (2021-12-07T06:59:06Z)
PMP-Net: Point Cloud Completion by Learning Multi-step Point Moving Paths [54.459879603473034]
我々はPMP-Netと呼ばれる新しいニューラルネットワークを設計し、地球移動体の動作を模倣する。不完全な入力の各点を移動させ、ポイントクラウドを完結させ、ポイント移動パスの合計距離が最も短くなる。点レベルの厳密でユニークな対応を学習し、不完全な形状と完全なターゲットの間の詳細なトポロジーと構造的関係を捉えることができる。
論文参考訳（メタデータ） (2020-12-07T01:34:38Z)
Refinement of Predicted Missing Parts Enhance Point Cloud Completion [62.997667081978825]
点雲完了は、部分的な観測から3次元形状の点集合表現を用いて完全な幾何学を予測するタスクである。従来のアプローチでは、不完全点集合によって供給されるエンコーダ・デコーダモデルにより、点雲全体を直接推定するニューラルネットワークが提案されていた。本稿では、欠落した幾何を計算し、既知の入力と予測点クラウドを融合することに焦点を当てたエンドツーエンドニューラルネットワークアーキテクチャを提案する。
論文参考訳（メタデータ） (2020-10-08T22:01:23Z)
Point Set Voting for Partial Point Cloud Analysis [26.31029112502835]
近年、ポイントクラウドの分類とセグメンテーションのための技術は、大きな合成データセットを活用することで、驚くべきパフォーマンスを実現している。本稿では, 局所点集合投票戦略を適用して, 完全点群を符号化した潜在特徴を推定する部分点群解析の一般モデルを提案する。
論文参考訳（メタデータ） (2020-07-09T03:37:31Z)
GRNet: Gridding Residual Network for Dense Point Cloud Completion [54.43648460932248]
完全な3Dポイントクラウドを不完全なクラウドから推定することは、多くのビジョンやロボティクスアプリケーションにおいて重要な問題である。本稿では,ポイントクラウド補完のための新しいGridding Residual Network(GRNet)を提案する。実験結果から,提案したGRNetはShapeNet,Completion3D,KITTIベンチマークの最先端手法に対して良好に動作することがわかった。
論文参考訳（メタデータ） (2020-06-06T02:46:39Z)

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。