論文の概要: Icy Moon Surface Simulation and Stereo Depth Estimation for Sampling
Autonomy
- arxiv url: http://arxiv.org/abs/2401.12414v1
- Date: Tue, 23 Jan 2024 00:06:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-24 17:17:10.710928
- Title: Icy Moon Surface Simulation and Stereo Depth Estimation for Sampling
Autonomy
- Title（参考訳）: サンプリング自律性のための氷月面シミュレーションとステレオ深度推定
- Authors: Ramchander Bhaskara, Georgios Georgakis, Jeremy Nash, Marissa Cameron,
Joseph Bowkett, Adnan Ansar, Manoranjan Majji, Paul Backes
- Abstract要約: バルク光度特性のスペクトルにまたがる多目的ステレオデータセット生成のためのフレームワークを提案する。
またステレオベースの視覚認識システムに焦点をあて,ステレオマッチングによる深度推定のための従来の学習アルゴリズムと深度学習アルゴリズムの両方を評価する。
我々のフレームワークは、氷の月の地形の視覚的表現に関して、幅広い仮説に適合することができる。
- 参考スコア（独自算出の注目度）: 4.97538153735235
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Sampling autonomy for icy moon lander missions requires understanding of
topographic and photometric properties of the sampling terrain. Unavailability
of high resolution visual datasets (either bird-eye view or point-of-view from
a lander) is an obstacle for selection, verification or development of
perception systems. We attempt to alleviate this problem by: 1) proposing
Graphical Utility for Icy moon Surface Simulations (GUISS) framework, for
versatile stereo dataset generation that spans the spectrum of bulk photometric
properties, and 2) focusing on a stereo-based visual perception system and
evaluating both traditional and deep learning-based algorithms for depth
estimation from stereo matching. The surface reflectance properties of icy moon
terrains (Enceladus and Europa) are inferred from multispectral datasets of
previous missions. With procedural terrain generation and physically valid
illumination sources, our framework can fit a wide range of hypotheses with
respect to visual representations of icy moon terrains. This is followed by a
study over the performance of stereo matching algorithms under different visual
hypotheses. Finally, we emphasize the standing challenges to be addressed for
simulating perception data assets for icy moons such as Enceladus and Europa.
Our code can be found here: https://github.com/nasa-jpl/guiss.
- Abstract（参考訳）: 氷の月面着陸ミッションのためのサンプリング自律性は、サンプリング地形の地形と測光特性を理解する必要がある。
高解像度視覚データセット(バードアイビューまたはランダーからの視点)の有効性は、認識システムの選択、検証、開発のための障害である。
この問題を緩和しようと試みます
1)バルク測光特性のスペクトルにまたがる多用途ステレオデータセット生成のための氷月面シミュレーション(guiss)フレームワークのためのグラフィカルユーティリティの提案
2)ステレオベース視覚知覚システムに着目し,ステレオマッチングによる奥行き推定のための従来型および深層学習型アルゴリズムの評価を行う。
氷の月の地形(エンケラドゥスとエウロパ)の表面反射特性は、以前のミッションのマルチスペクトルデータセットから推定される。
手続き的な地形の生成と物理的に有効な照明源により、我々のフレームワークは氷の月の地形の視覚的表現に関して幅広い仮説に適合できる。
この後、異なる視覚仮説の下でのステレオマッチングアルゴリズムの性能に関する研究が行われる。
最後に、エンケラドゥスやエウロパのような氷の衛星の知覚データ資産をシミュレートするための立証課題について強調する。
コードは以下のとおり。 https://github.com/nasa-jpl/guiss。
関連論文リスト
- TanDepth: Leveraging Global DEMs for Metric Monocular Depth Estimation in UAVs [5.6168844664788855]
本研究は,推定時間における相対的推定値から計量深度値を求めるための,実践的なオンラインスケール回復手法であるTanDepthを提案する。
本手法は無人航空機(UAV)の用途に応用され,GDEM(Global Digital Elevation Models)のスパース計測をカメラビューに投影することで活用する。
推定深度マップから接地点を選択して、投影された基準点と相関するクラスシミュレーションフィルタへの適応を示す。
論文 参考訳（メタデータ） (2024-09-08T15:54:43Z) - ScaleDepth: Decomposing Metric Depth Estimation into Scale Prediction and Relative Depth Estimation [62.600382533322325]
本研究では,新しい単分子深度推定法であるScaleDepthを提案する。
提案手法は,距離深度をシーンスケールと相対深度に分解し,セマンティック・アウェア・スケール予測モジュールを用いて予測する。
本手法は,室内と屋外の両方のシーンを統一した枠組みで距離推定する。
論文 参考訳（メタデータ） (2024-07-11T05:11:56Z) - LuSNAR:A Lunar Segmentation, Navigation and Reconstruction Dataset based on Muti-sensor for Autonomous Exploration [2.3011380360879237]
環境認識とナビゲーションアルゴリズムが月探査の基盤となっている。
既存の月のデータセットのほとんどは、単一のタスクをターゲットにしています。
本稿では,マルチタスク,マルチシーン,マルチラベルのベンチマークデータセットLuSNARを提案する。
論文 参考訳（メタデータ） (2024-07-09T02:47:58Z) - Virtually Enriched NYU Depth V2 Dataset for Monocular Depth Estimation: Do We Need Artificial Augmentation? [61.234412062595155]
我々は、単眼深度推定のために設計された、ニューヨーク深度v2データセットの事実上拡張版であるANYUを紹介する。
仮想世界の完全な3Dシーンを利用して人工データセットを生成する、よく知られたアプローチとは対照的に、ANYUはバーチャルリアリティーオブジェクトのRGB-D表現を取り入れて作成された。
ANYUは,アーキテクチャがかなり異なるディープニューラルネットワークの単眼深度推定性能と一般化を改善したことを示す。
論文 参考訳（メタデータ） (2024-04-15T05:44:03Z) - Self-supervised Monocular Depth Estimation on Water Scenes via Specular Reflection Prior [3.2120448116996103]
本論文は,フレーム内事前情報を用いた深層学習深度推定のための最初のセルフスーパービジョンを提案する。
第1段階では、反射成分と全体像とを分離する分水ネットワークが実行される。
SmoothL1と新しい光度適応型SSIMを組み合わせた光度再投影誤差を定式化し、ポーズと深さの推定を最適化する。
論文 参考訳（メタデータ） (2024-04-10T17:25:42Z) - A Neural Height-Map Approach for the Binocular Photometric Stereo
Problem [36.404880059833324]
双眼鏡測光ステレオ(PS)フレームワークは単視PSと同じ取得速度を持つが、推定幾何の質は著しく向上する。
本手法は両眼立体装置に適応したDiLiGenT-MVデータセットの最先端性能と新しい両眼測光ステレオデータセットLUCES-STを実現する。
論文 参考訳（メタデータ） (2023-11-10T09:45:53Z) - SC-DepthV3: Robust Self-supervised Monocular Depth Estimation for
Dynamic Scenes [58.89295356901823]
自己監督型単眼深度推定は静的な場面で顕著な結果を示した。
トレーニングネットワークのマルチビュー整合性の仮定に依存するが、動的オブジェクト領域に違反する。
単一画像の深度を事前に生成するための,外部トレーニング付き単眼深度推定モデルを提案する。
我々のモデルは、高度にダイナミックなシーンのモノクロビデオからトレーニングしても、シャープで正確な深度マップを予測できる。
論文 参考訳（メタデータ） (2022-11-07T16:17:47Z) - TANDEM: Tracking and Dense Mapping in Real-time using Deep Multi-view
Stereo [55.30992853477754]
本稿では,リアルタイムな単分子追跡と高密度フレームワークであるTANDEMを紹介する。
ポーズ推定のために、TANDEMはアライメントのスライディングウィンドウに基づいて光度バンドル調整を行う。
TANDEMは最先端のリアルタイム3D再構成性能を示す。
論文 参考訳（メタデータ） (2021-11-14T19:01:02Z) - Neural Radiance Fields Approach to Deep Multi-View Photometric Stereo [103.08512487830669]
多視点測光ステレオ問題(MVPS)に対する現代的な解法を提案する。
我々は、光度ステレオ(PS)画像形成モデルを用いて表面配向を取得し、それを多視点のニューラルラディアンス場表現とブレンドして物体の表面形状を復元する。
本手法は,多視点画像のニューラルレンダリングを行い,深部光度ステレオネットワークによって推定される表面の正規性を活用している。
論文 参考訳（メタデータ） (2021-10-11T20:20:03Z) - A Flow Base Bi-path Network for Cross-scene Video Crowd Understanding in
Aerial View [93.23947591795897]
本稿では,これらの課題に対処し,ドローンから収集した視覚的データから参加者を自動的に理解する。
クロスシーンテストで発生する背景雑音を軽減するために, 二重ストリーム群カウントモデルを提案する。
極暗環境下での集団密度推定問題に対処するために,ゲームグランドセフトオートV(GTAV)によって生成された合成データを導入する。
論文 参考訳（メタデータ） (2020-09-29T01:48:24Z) - Learning Geocentric Object Pose in Oblique Monocular Images [18.15647135620892]
オブジェクトのジオセントリックなポーズは、地上の高さと重力に対する向きとして定義され、RGBD画像を用いたオブジェクトの検出、セグメンテーション、ローカライゼーションタスクのための現実世界の構造の強力な表現である。
我々は,この課題に対処するために,ジオセントリックなポーズの符号化を開発し,この表現を高密度に計算するために深層ネットワークを訓練する。
これらの属性を利用して斜め画像を修正し、観測対象視差を除去し、局所化の精度を劇的に向上させ、非常に異なる斜めの視点から撮影された複数の画像の正確なアライメントを可能にする。
論文 参考訳（メタデータ） (2020-07-01T20:06:19Z)
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。