論文の概要: A Complete System for Automated 3D Semantic-Geometric Mapping of Corrosion in Industrial Environments
- arxiv url: http://arxiv.org/abs/2404.13691v1
- Date: Sun, 21 Apr 2024 15:40:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-23 17:52:05.988506
- Title: A Complete System for Automated 3D Semantic-Geometric Mapping of Corrosion in Industrial Environments
- Title（参考訳）: 産業環境における腐食の3次元セマンティック・ジオメトリーマッピングの自動化システム
- Authors: Rui Pimentel de Figueiredo, Stefan Nordborg Eriksen, Ignacio Rodriguez, Simon Bøgh,
- Abstract要約: 産業環境における半自動腐食識別とマッピングのための完全システムを提案する。
我々は、視覚に基づくセマンティックセグメンテーション深層学習技術を用いて、LiDARに基づくローカライズとマッピング手法の最近の進歩を活用している。
室内実験環境における実験のセットは、LiDARを用いた3Dマッピングとローカライゼーションシステムの精度を定量的に示すものである。
- 参考スコア（独自算出の注目度）: 0.6749750044497731
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Corrosion, a naturally occurring process leading to the deterioration of metallic materials, demands diligent detection for quality control and the preservation of metal-based objects, especially within industrial contexts. Traditional techniques for corrosion identification, including ultrasonic testing, radio-graphic testing, and magnetic flux leakage, necessitate the deployment of expensive and bulky equipment on-site for effective data acquisition. An unexplored alternative involves employing lightweight, conventional camera systems, and state-of-the-art computer vision methods for its identification. In this work, we propose a complete system for semi-automated corrosion identification and mapping in industrial environments. We leverage recent advances in LiDAR-based methods for localization and mapping, with vision-based semantic segmentation deep learning techniques, in order to build semantic-geometric maps of industrial environments. Unlike previous corrosion identification systems available in the literature, our designed multi-modal system is low-cost, portable, semi-autonomous and allows collecting large datasets by untrained personnel. A set of experiments in an indoor laboratory environment, demonstrate quantitatively the high accuracy of the employed LiDAR based 3D mapping and localization system, with less then $0.05m$ and 0.02m average absolute and relative pose errors. Also, our data-driven semantic segmentation model, achieves around 70\% precision when trained with our pixel-wise manually annotated dataset.
- Abstract（参考訳）: 金属材料の劣化につながる自然発生過程である腐食は、特に工業的文脈において、品質管理と金属系物質の保存のための厳密な検出を要求する。
超音波検査、ラジオグラフィー検査、磁束漏れなど、従来の腐食識別技術は、効率的なデータ取得のために高価でかさばる機器を現場に配置する必要がある。
探索されていない代替手段としては、軽量で従来のカメラシステムと最先端のコンピュータビジョン手法をその識別に使用することが含まれる。
本研究では, 産業環境における半自動腐食識別とマッピングのための完全システムを提案する。
我々は,産業環境のセマンティック・ジオメトリ・マップを構築するために,視覚に基づくセマンティックセグメンテーション深層学習技術を用いて,LiDARに基づくローカライゼーションとマッピング手法の最近の進歩を活用している。
文献で利用可能な従来の腐食識別システムとは異なり、我々の設計したマルチモーダルシステムは低コストでポータブルで半自律的であり、訓練されていない人によって大規模なデータセットを収集することができる。
室内実験環境における一連の実験は、LiDARをベースとした3Dマッピングとローカライゼーションシステムの精度を定量的に証明し、平均的な絶対的および相対的なポーズ誤差は0.05m$と0.02m以下である。
また、我々のデータ駆動セマンティックセグメンテーションモデルでは、ピクセル単位で手動でアノテートしたデータセットでトレーニングすると、約70倍の精度が得られる。
関連論文リスト
- Self-supervised cross-modality learning for uncertainty-aware object detection and recognition in applications which lack pre-labelled training data [6.892494758401737]
我々は、不確実性を認識したディープニューラルネットワークが2次元RGB画像中の物体を検出し、認識し、ローカライズするためにどのように訓練されるかを示す。
本手法は,ラベル付きデータセットが一般に利用できない,多くの重要な産業タスクに適用可能である。
論文 参考訳（メタデータ） (2024-11-05T13:26:31Z) - Automated Defect Detection and Grading of Piarom Dates Using Deep Learning [0.0]
本稿では,ピアロム日付のリアルタイム検出・分類・評価に特化して設計された,革新的なディープラーニングフレームワークを提案する。
我々のフレームワークは、最先端のオブジェクト検出アルゴリズムと畳み込みニューラルネットワーク(CNN)を統合し、欠陥同定の高精度化を実現している。
実験の結果,既存の手法よりも精度と計算効率が優れていた。
論文 参考訳（メタデータ） (2024-10-23T18:25:20Z) - A Comprehensive Library for Benchmarking Multi-class Visual Anomaly Detection [52.228708947607636]
本稿では,新しい手法のモジュラーフレームワークであるADerを包括的視覚異常検出ベンチマークとして紹介する。
このベンチマークには、産業ドメインと医療ドメインからの複数のデータセットが含まれており、15の最先端メソッドと9つの包括的なメトリクスを実装している。
我々は,異なる手法の長所と短所を客観的に明らかにし,多クラス視覚異常検出の課題と今後の方向性について考察する。
論文 参考訳（メタデータ） (2024-06-05T13:40:07Z) - IPAD: Industrial Process Anomaly Detection Dataset [71.39058003212614]
ビデオ異常検出(VAD)は,ビデオフレーム内の異常を認識することを目的とした課題である。
本稿では,産業シナリオにおけるVADに特化して設計された新しいデータセットIPADを提案する。
このデータセットは16の異なる産業用デバイスをカバーし、合成ビデオと実世界のビデオの両方を6時間以上保存している。
論文 参考訳（メタデータ） (2024-04-23T13:38:01Z) - Self-supervised Feature Adaptation for 3D Industrial Anomaly Detection [59.41026558455904]
具体的には,大規模ビジュアルデータセット上で事前学習されたモデルを利用した初期のマルチモーダルアプローチについて検討する。
本研究では,アダプタを微調整し,異常検出に向けたタスク指向の表現を学習するためのLSFA法を提案する。
論文 参考訳（メタデータ） (2024-01-06T07:30:41Z) - SimMining-3D: Altitude-Aware 3D Object Detection in Complex Mining
Environments: A Novel Dataset and ROS-Based Automatic Annotation Pipeline [0.9790236766474201]
鉱業環境における3次元物体検出に特化して設計された合成データセットSimMining 3Dを提案する。
このデータセットは、鉱山のベンチ内のさまざまな高さに位置する物体やセンサーを捉え、正確な採掘シナリオを正確に反映している。
本研究では,センサ対オブジェクトの高さ変化と点雲密度を考慮した評価指標を提案し,正確なモデル評価を可能にする。
論文 参考訳（メタデータ） (2023-12-11T04:33:45Z) - Classification of structural building damage grades from multi-temporal
photogrammetric point clouds using a machine learning model trained on
virtual laser scanning data [58.720142291102135]
実世界の点雲からの多層建築物の損傷を自動的に評価する新しい手法を提案する。
我々は、仮想レーザースキャン(VLS)データに基づいて訓練された機械学習モデルを使用する。
このモデルでは、高いマルチターゲット分類精度(全精度:92.0% - 95.1%)が得られる。
論文 参考訳（メタデータ） (2023-02-24T12:04:46Z) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳（メタデータ） (2022-09-21T08:14:34Z) - Learning-based Localizability Estimation for Robust LiDAR Localization [13.298113481670038]
LiDARベースのローカライゼーションとマッピングは、多くの現代のロボットシステムにおける中核的なコンポーネントの1つである。
本研究では,ロボット動作中の(非)局所性を検出するニューラルネットワークに基づく推定手法を提案する。
論文 参考訳（メタデータ） (2022-03-11T01:12:00Z) - Self-Supervised Depth Completion for Active Stereo [55.79929735390945]
アクティブステレオシステムは、低コストで高品質な深度マップのため、ロボット産業で広く利用されている。
これらの深度センサーはステレオアーチファクトに悩まされており、密度の深い深度推定を提供していない。
本稿では, 高精度な深度マップを推定するアクティブステレオシステムのための, 自己監督型深度補完法を提案する。
論文 参考訳（メタデータ） (2021-10-07T07:33:52Z) - Real-World Anomaly Detection by using Digital Twin Systems and
Weakly-Supervised Learning [3.0100975935933567]
本稿では, 産業環境における異常検出に対する弱い制御手法を提案する。
これらのアプローチでは、Digital Twinを使用して、機械の通常の動作をシミュレートするトレーニングデータセットを生成する。
提案手法の性能を,実世界のデータセットに応用した様々な最先端の異常検出アルゴリズムと比較した。
論文 参考訳（メタデータ） (2020-11-12T10:15:56Z)
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。