論文の概要: Realtime Robust Shape Estimation of Deformable Linear Object

• arxiv url: http://arxiv.org/abs/2403.16146v1
• Date: Sun, 24 Mar 2024 13:36:23 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-26 17:15:57.989132
• Title: Realtime Robust Shape Estimation of Deformable Linear Object
• Title（参考訳）: 変形可能な線形物体のリアルタイムロバスト形状推定
• Authors: Jiaming Zhang, Zhaomeng Zhang, Yihao Liu, Yaqian Chen, Amir Kheradmand, Mehran Armand,
• Abstract要約: 本研究では, 線形変形可能な物体の形状を, 分散鍵点と非順序鍵点を用いてリアルタイムで推定するロバストな手法を提案する。 鍵点が部分的に無視されている場合の手法のロバスト性を示す。 提案手法は,長さ1m,半径5mmのケーブルの形状を追跡するためのUnityのシミュレーションにも組み込まれている。
• 参考スコア（独自算出の注目度）: 5.63550507123537
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Realtime shape estimation of continuum objects and manipulators is essential for developing accurate planning and control paradigms. The existing methods that create dense point clouds from camera images, and/or use distinguishable markers on a deformable body have limitations in realtime tracking of large continuum objects/manipulators. The physical occlusion of markers can often compromise accurate shape estimation. We propose a robust method to estimate the shape of linear deformable objects in realtime using scattered and unordered key points. By utilizing a robust probability-based labeling algorithm, our approach identifies the true order of the detected key points and then reconstructs the shape using piecewise spline interpolation. The approach only relies on knowing the number of the key points and the interval between two neighboring points. We demonstrate the robustness of the method when key points are partially occluded. The proposed method is also integrated into a simulation in Unity for tracking the shape of a cable with a length of 1m and a radius of 5mm. The simulation results show that our proposed approach achieves an average length error of 1.07% over the continuum's centerline and an average cross-section error of 2.11mm. The real-world experiments of tracking and estimating a heavy-load cable prove that the proposed approach is robust under occlusion and complex entanglement scenarios.
• Abstract（参考訳）: 連続体とマニピュレータのリアルタイム形状推定は,正確な計画・制御パラダイムの開発に不可欠である。 カメラ画像から高密度点雲を生成したり、変形可能な物体上で識別可能なマーカーを使用する既存の方法は、大きな連続体/マニピュレータのリアルタイム追跡に制限がある。 マーカーの物理的閉塞は、しばしば正確な形状推定を損なうことがある。 本研究では, 線形変形可能な物体の形状を, 分散鍵点と非順序鍵点を用いてリアルタイムで推定するロバストな手法を提案する。 確率に基づくロバストなラベリングアルゴリズムを用いて,検出したキーポイントの真の順序を特定し,断片的なスプライン補間を用いて形状を再構成する。 アプローチは、キーポイントの数と隣り合う2つのポイント間の間隔を知ることのみに依存する。 鍵点が部分的に無視されている場合の手法のロバスト性を示す。 提案手法は,長さ1m,半径5mmのケーブルの形状を追跡するためのUnityのシミュレーションにも組み込まれている。 シミュレーションの結果,提案手法は連続体の中心線平均長誤差が1.07%,断面積平均誤差が2.11mmであることがわかった。 重荷ケーブルの追跡と推定の現実的な実験は、提案手法が閉塞および複雑な絡み合いのシナリオ下で堅牢であることを証明する。

関連論文リスト

• PointOBB-v2: Towards Simpler, Faster, and Stronger Single Point Supervised Oriented Object Detection [14.396629790635474]
  単一点教師付きオブジェクト指向オブジェクト検出が注目され、コミュニティ内で最初の進歩を遂げた。 本稿では,よりシンプルで高速で,より強力な手法であるPointOBB-v2を提案する。
  論文  参考訳（メタデータ） (2024-10-10T17:59:56Z)
• KP-RED: Exploiting Semantic Keypoints for Joint 3D Shape Retrieval and Deformation [87.23575166061413]
  KP-RED は KeyPoint 主導の Retrieval and deformation フレームワークである。 オブジェクトスキャンを入力として、最も幾何学的に類似したCADモデルを共同で検索し、変形させる。
  論文  参考訳（メタデータ） (2024-03-15T08:44:56Z)
• Robust 3D Tracking with Quality-Aware Shape Completion [67.9748164949519]
  そこで本研究では,高密度および完全点の雲からなる合成対象表現について,ロバストな3次元追跡のための形状完備化により正確に表現する。 具体的には, 形状が整ったボキセル化3次元追跡フレームワークを設計し, ノイズのある歴史的予測の悪影響を軽減するために, 品質に配慮した形状完備化機構を提案する。
  論文  参考訳（メタデータ） (2023-12-17T04:50:24Z)
• A 5-Point Minimal Solver for Event Camera Relative Motion Estimation [47.45081895021988]
  本稿では,直線パラメータと線形カメラ速度予測を推定し,複数の直線を考慮した場合の1つの平均線形速度に融合できる新しい最小5点解法を提案する。 本手法は,既存の閉形式解法が23%から70%しか達成できない線形速度の推定において,連続的に100%の成功率を達成する。
  論文  参考訳（メタデータ） (2023-09-29T08:30:18Z)
• DPPD: Deformable Polar Polygon Object Detection [3.9236649268347765]
  我々は,ポリゴン形状の物体を検出するための新しい変形可能な極ポリゴン物体検出法(DPPD)を開発した。 DPPDは、自律運転のための様々な物体検出タスクで成功している。
  論文  参考訳（メタデータ） (2023-04-05T06:43:41Z)
• Deformable One-Dimensional Object Detection for Routing and Manipulation [8.860083597706502]
  本稿では, 交差や閉塞を扱える変形可能な一次元物体の検出手法を提案する。 本アルゴリズムは, 変形可能な物体を含む画像を取得し, 受動球面継手に接続された固定長円筒セグメントの連鎖を出力する。 実験と実験により, 様々な複雑な条件下で変形可能な一次元物体を正確に検出できることが判明した。
  論文  参考訳（メタデータ） (2022-01-18T07:19:17Z)
• 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)
• Random Matrix Based Extended Target Tracking with Orientation: A New Model and Inference [0.0]
  本稿では,動的物体の範囲を時間方向の楕円体として表現できる新しい対象追跡アルゴリズムを提案する。 対角正半定行列は、ランダム行列フレームワーク内のオブジェクトの範囲をモデル化するために定義される。 共役性がないため、真の後部の閉形式解析式を見つけることは不可能である。
  論文  参考訳（メタデータ） (2020-10-17T16:33:06Z)
• A Self-Training Approach for Point-Supervised Object Detection and Counting in Crowds [54.73161039445703]
  本稿では,ポイントレベルのアノテーションのみを用いて訓練された典型的なオブジェクト検出を可能にする,新たな自己学習手法を提案する。 トレーニング中、利用可能なポイントアノテーションを使用して、オブジェクトの中心点の推定を監督する。 実験の結果,本手法は検出タスクとカウントタスクの両方において,最先端のポイント管理手法よりも有意に優れていた。
  論文  参考訳（メタデータ） (2020-07-25T02:14:42Z)
• Point-Set Anchors for Object Detection, Instance Segmentation and Pose Estimation [85.96410825961966]
  中心点から抽出された画像の特徴は、離れたキーポイントや境界ボックスの境界を予測するための限られた情報を含んでいると論じる。 推論を容易にするために,より有利な位置に配置された点集合からの回帰を行うことを提案する。 我々は、オブジェクト検出、インスタンス分割、人間のポーズ推定にPoint-Set Anchorsと呼ばれるこのフレームワークを適用した。
  論文  参考訳（メタデータ） (2020-07-06T15:59:56Z)
• 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)

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。