論文の概要: Improving the perception of visual fiducial markers in the field using Adaptive Active Exposure Control

• arxiv url: http://arxiv.org/abs/2404.12055v1
• Date: Thu, 18 Apr 2024 10:10:56 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-19 19:21:31.464236
• Title: Improving the perception of visual fiducial markers in the field using Adaptive Active Exposure Control
• Title（参考訳）: Adaptive Active Exposure Control を用いた視野における視覚的イメージマーカーの知覚の改善
• Authors: Ziang Ren, Samuel Lensgraf, Alberto Quattrini Li,
• Abstract要約: 本稿では、画像取得時のシャープ照明変動に対処するための勾配型アクティブカメラ露光制御手法を提案する。 視覚タグを用いた水中操作の典型的なシナリオを考慮し,本手法と他の最先端露光制御法との比較実験を行った。 その結果,ロボットの局所化精度は有意に向上した。
• 参考スコア（独自算出の注目度）: 8.928513884805097
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Accurate localization is fundamental for autonomous underwater vehicles (AUVs) to carry out precise tasks, such as manipulation and construction. Vision-based solutions using fiducial marker are promising, but extremely challenging underwater because of harsh lighting condition underwater. This paper introduces a gradient-based active camera exposure control method to tackle sharp lighting variations during image acquisition, which can establish better foundation for subsequent image enhancement procedures. Considering a typical scenario for underwater operations where visual tags are used, we proposed several experiments comparing our method with other state-of-the-art exposure control method including Active Exposure Control (AEC) and Gradient-based Exposure Control (GEC). Results show a significant improvement in the accuracy of robot localization. This method is an important component that can be used in visual-based state estimation pipeline to improve the overall localization accuracy.
• Abstract（参考訳）: 正確な位置決めは、自律型水中車両(AUV)が操作や建設などの精密な作業を行うための基礎となる。 フィデューシャルマーカーを使った視覚ベースのソリューションは有望だが、水中の厳しい照明条件のために非常に難しい。 本稿では、画像取得時のシャープな照明変動に対処するための勾配に基づくアクティブカメラ露光制御手法を提案する。 視覚的タグを用いた水中操作の典型的なシナリオを考慮し, アクティブ露光制御 (AEC) やグラディエントベース露光制御 (GEC) を含む他の最先端露光制御法との比較実験を行った。 その結果,ロボットの局所化精度は有意に向上した。 この手法は,視覚に基づく状態推定パイプラインにおいて,全体の局所化精度を向上させるために使用できる重要なコンポーネントである。

関連論文リスト

• FAFA: Frequency-Aware Flow-Aided Self-Supervision for Underwater Object Pose Estimation [65.01601309903971]
  無人水中車両(UUV)の6次元ポーズ推定のための周波数認識フロー支援フレームワークであるFAFAを紹介する。 我々のフレームワークは、3DモデルとRGB画像のみに依存しており、実際のポーズアノテーションや奥行きのような非モダリティデータの必要性を軽減しています。 本研究では,一般的な水中オブジェクトポーズベンチマークにおけるFAFAの有効性を評価し,最先端手法と比較して顕著な性能向上を示した。
  論文  参考訳（メタデータ） (2024-09-25T03:54:01Z)
• Pose Estimation from Camera Images for Underwater Inspection [0.0]
  ビジュアルローカライゼーションは慣性ナビゲーションシステムに代わる費用対効果がある。 画像からの機械学習によるポーズ推定は,水中環境において有望であることを示す。 我々は、新しいビュー合成モデルを用いて、探索されていない地域でのポーズ推定を大幅に強化し、強化されたトレーニングデータを生成する。
  論文  参考訳（メタデータ） (2024-07-24T03:00:53Z)
• Dual High-Order Total Variation Model for Underwater Image Restoration [13.789310785350484]
  水中画像の高画質化と復元(UIER)は,水中画像の画質向上のための重要な手段である。 拡張水中画像形成モデル(UIFM)に基づく効果的な変分フレームワークを提案する。 提案フレームワークでは,重み係数に基づく色補正とカラーバランスを組み合わせることで,減衰した色チャネルを補償し,色キャストを除去する。
  論文  参考訳（メタデータ） (2024-07-20T13:06:37Z)
• An Efficient Detection and Control System for Underwater Docking using Machine Learning and Realistic Simulation: A Comprehensive Approach [5.039813366558306]
  この研究は、水中ドッキングの検出と分類を行うために異なるディープラーニングアーキテクチャと比較する。 GAN(Generative Adversarial Network)は画像から画像への変換に用いられ、ガゼボのシミュレーション画像を水中画像に変換する。 その結果,水中の潮流によらず,高濁度シナリオでは20%の改善が見られた。
  論文  参考訳（メタデータ） (2023-11-02T18:10:20Z)
• WaterFlow: Heuristic Normalizing Flow for Underwater Image Enhancement and Beyond [52.27796682972484]
  既存の水中画像強調法は, 画像品質の向上に重点を置いており, 実践への影響を無視している。 本稿では,検出駆動型水中画像強調のための正規化フローであるWaterFlowを提案する。 微分可能性や解釈可能性を考慮すると、事前をデータ駆動マッピング手法に組み込む。
  論文  参考訳（メタデータ） (2023-08-02T04:17:35Z)
• Investigation of the Challenges of Underwater-Visual-Monocular-SLAM [0.0]
  本研究では,水中ロボットにおける単眼視覚同時位置決め法とマッピング法(vSLAM)の課題について検討する。 まず, 水中環境において, 水中環境における性能の低下を示すとともに, 水中環境における性能の低下を示す。 本研究の最終目標は,これらの条件下でのSLAM法の精度とロバスト性を向上させる技術を明らかにすることである。
  論文  参考訳（メタデータ） (2023-06-14T20:44:40Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• CuDi: Curve Distillation for Efficient and Controllable Exposure Adjustment [86.97592472794724]
  そこで我々は, 対や不対のデータを必要とせず, 効率よくかつ制御可能な露光調整のためのCuDi曲線蒸留法を提案する。 提案手法は,ゼロ参照学習と曲線ベースのフレームワークを,実効的な低照度画像強調手法であるゼロDCEから継承する。 提案手法は, 高速で頑健でフレキシブルな性能に優れ, 実シーンにおける最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-07-28T17:53:46Z)
• Designing An Illumination-Aware Network for Deep Image Relighting [69.750906769976]
  本稿では、階層的なサンプリングから1つの画像からシーンを段階的にリライトするためのガイダンスに従うイルミネーション・アウェア・ネットワーク(IAN)を提案する。 さらに、物理レンダリングプロセスの近似として、イルミネーション・アウェア・残留ブロック(IARB)が設計されている。 実験の結果,提案手法は従来の最先端手法よりも定量的,定性的な照準結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-07-21T16:21:24Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)

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。