論文の概要: Photogrammetry for Digital Twinning Industry 4.0 (I4) Systems
- arxiv url: http://arxiv.org/abs/2407.18951v1
- Date: Fri, 12 Jul 2024 04:51:19 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-05 01:06:22.396954
- Title: Photogrammetry for Digital Twinning Industry 4.0 (I4) Systems
- Title（参考訳）: デジタルツインニング産業のためのフォトグラム計測 4.0(I4)システム
- Authors: Ahmed Alhamadah, Muntasir Mamun, Henry Harms, Mathew Redondo, Yu-Zheng Lin, Jesus Pacheco, Soheil Salehi, Pratik Satam,
- Abstract要約: デジタルツイン(Digital Twins、DT)は、物理プロセスの振る舞いを再現するためにソフトウェアシステムを活用する変換技術である。
本稿では,「物理過程」の正確な視覚表現を実現するために,フォトグラムメトリーと3次元走査技術の利用を探求することを目的とする。
その結果, コンシューマグレードデバイスを用いたフォトグラメトリは, スマート製造のためのDTを作成する上で, 効率的かつコスト効率のよいアプローチであることが示唆された。
- 参考スコア（独自算出の注目度）: 0.43127334486935653
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The onset of Industry 4.0 is rapidly transforming the manufacturing world through the integration of cloud computing, machine learning (ML), artificial intelligence (AI), and universal network connectivity, resulting in performance optimization and increase productivity. Digital Twins (DT) are one such transformational technology that leverages software systems to replicate physical process behavior, representing the physical process in a digital environment. This paper aims to explore the use of photogrammetry (which is the process of reconstructing physical objects into virtual 3D models using photographs) and 3D Scanning techniques to create accurate visual representation of the 'Physical Process', to interact with the ML/AI based behavior models. To achieve this, we have used a readily available consumer device, the iPhone 15 Pro, which features stereo vision capabilities, to capture the depth of an Industry 4.0 system. By processing these images using 3D scanning tools, we created a raw 3D model for 3D modeling and rendering software for the creation of a DT model. The paper highlights the reliability of this method by measuring the error rate in between the ground truth (measurements done manually using a tape measure) and the final 3D model created using this method. The overall mean error is 4.97\% and the overall standard deviation error is 5.54\% between the ground truth measurements and their photogrammetry counterparts. The results from this work indicate that photogrammetry using consumer-grade devices can be an efficient and cost-efficient approach to creating DTs for smart manufacturing, while the approaches flexibility allows for iterative improvements of the models over time.
- Abstract（参考訳）: 産業4.0の開始は、クラウドコンピューティング、機械学習(ML)、人工知能(AI)、ユニバーサルネットワーク接続の統合によって急速に製造業の世界を変え、パフォーマンスの最適化と生産性の向上をもたらしている。
デジタルツイン(Digital Twins, DT)は、ソフトウェアシステムを利用して物理プロセスの振る舞いを再現する技術である。
本稿では,写真を用いた物理オブジェクトを仮想3次元モデルに再構成するプロセスであるフォトグラメトリと3次元走査技術を用いて,ML/AIに基づく行動モデルと相互作用する「物理プロセス」の正確な視覚表現を実現することを目的とする。
これを実現するために、私たちは、ステレオビジョン機能を備えたiPhone 15 Proを使って、産業用4.0システムの奥行きを捉えました。
これらの画像を3Dスキャンツールを用いて処理することにより、DTモデルを作成するための3Dモデリングおよびレンダリングソフトウェアのための生の3Dモデルを作成しました。
本手法の信頼性は, 地中真理(テープ測度を用いた手作業による計測)と本手法を用いて作成した最終3次元モデルとの間の誤差率を計測することによって強調する。
全体的な平均誤差は4.97 %であり、標準偏差誤差は5.54 %である。
本研究の結果から,コンシューマグレードデバイスを用いたフォトグラメトリは,スマートマニュファクチャリングのためのDTを作成するための効率的かつコスト効率のよいアプローチであり,フレキシブルなアプローチは,時間とともにモデルの反復的な改善を可能にすることが示唆された。
関連論文リスト
- Scalable Cloud-Native Pipeline for Efficient 3D Model Reconstruction from Monocular Smartphone Images [9.61065600471628]
スマートフォンカメラで撮影したモノクロ2D画像から3Dモデルを自動的に再構築する,クラウドネイティブなパイプラインを提案する。
我々のソリューションは、組込み材料とテクスチャを備えた再利用可能な3Dモデルを作成し、外部ソフトウェアや3Dエンジンでエクスポート可能でカスタマイズできる。
論文 参考訳（メタデータ） (2024-09-28T11:15:26Z) - 3D-VirtFusion: Synthetic 3D Data Augmentation through Generative Diffusion Models and Controllable Editing [52.68314936128752]
本研究では,事前学習された大規模基盤モデルのパワーを活用して,3次元ラベル付きトレーニングデータを自動的に生成する新しいパラダイムを提案する。
各ターゲットセマンティッククラスに対して、まず、拡散モデルとチャットGPT生成したテキストプロンプトを介して、様々な構造と外観の1つのオブジェクトの2D画像を生成する。
我々は、これらの拡張画像を3Dオブジェクトに変換し、ランダムな合成によって仮想シーンを構築する。
論文 参考訳（メタデータ） (2024-08-25T09:31:22Z) - Atlas3D: Physically Constrained Self-Supporting Text-to-3D for Simulation and Fabrication [50.541882834405946]
我々は,テキストから3Dへの自動的実装であるAtlas3Dを紹介する。
提案手法は,新しい微分可能シミュレーションに基づく損失関数と,物理的にインスパイアされた正規化を組み合わせたものである。
我々は、Atlas3Dの有効性を広範囲な生成タスクを通して検証し、シミュレーションと実環境の両方で結果の3Dモデルを検証する。
論文 参考訳（メタデータ） (2024-05-28T18:33:18Z) - ViewDiff: 3D-Consistent Image Generation with Text-to-Image Models [65.22994156658918]
実世界のデータから1つの認知過程において多視点画像を生成することを学習する手法を提案する。
我々は、任意の視点でより多くの3D一貫性のある画像をレンダリングする自己回帰生成を設計する。
論文 参考訳（メタデータ） (2024-03-04T07:57:05Z) - DIO: Dataset of 3D Mesh Models of Indoor Objects for Robotics and
Computer Vision Applications [17.637438333501628]
現実世界の物体の正確な仮想モデルを作成することは、ロボットシミュレーションやコンピュータビジョンのような応用に不可欠である。
本稿では,現実世界のオブジェクトのメッシュモデルのデータベース生成に使用するさまざまな手法について述べる。
論文 参考訳（メタデータ） (2024-02-19T04:58:40Z) - AutoDecoding Latent 3D Diffusion Models [95.7279510847827]
本稿では,3次元オートデコーダをコアとした静的・明瞭な3次元アセットの生成に対して,新しいアプローチを提案する。
3D Autodecoderフレームワークは、ターゲットデータセットから学んだプロパティを潜時空間に埋め込む。
次に、適切な中間体積潜在空間を特定し、ロバストな正規化と非正規化演算を導入する。
論文 参考訳（メタデータ） (2023-07-07T17:59:14Z) - 3D Data Augmentation for Driving Scenes on Camera [50.41413053812315]
本稿では,Drive-3DAugと呼ばれる3次元データ拡張手法を提案する。
まずNeural Radiance Field(NeRF)を用いて,背景および前景の3次元モデルの再構成を行う。
そして、予め定義された背景の有効領域に適応した位置と向きの3Dオブジェクトを配置することにより、拡張駆動シーンを得ることができる。
論文 参考訳（メタデータ） (2023-03-18T05:51:05Z) - Fast mesh denoising with data driven normal filtering using deep
variational autoencoders [6.25118865553438]
本研究では,高密度3次元走査型産業モデルに対する高速で頑健な復調法を提案する。
提案手法は条件付き変分オートエンコーダを用いて顔正規化を効果的にフィルタする。
1e4面以上の3Dモデルでは、提示されたパイプラインは等価な再構成誤差を持つメソッドの2倍高速である。
論文 参考訳（メタデータ） (2021-11-24T20:25:15Z) - Geometric Processing for Image-based 3D Object Modeling [2.6397379133308214]
本稿では,幾何処理の3つの主要構成要素の最先端手法について紹介する:(1)ジオレファレンス; 2)画像密度マッチング3)テクスチャマッピング。
3Dオブジェクト再構成ワークフローにおける画像の大部分が自動化された幾何処理は、現実的な3Dモデリングの重要な部分となっている。
論文 参考訳（メタデータ） (2021-06-27T18:33:30Z) - A novel method for object detection using deep learning and CAD models [0.4588028371034407]
目的の検出(OD)は生産ラインの品質管理に使用することができる企業のための重要なコンピュータ視野問題です。
近年,Deep Learning (DL) 手法により,複雑な実世界の画像上でのODモデルの訓練が可能になった。
本稿では,オブジェクトのCADモデルを用いた完全自動化手法を導入し,このオブジェクトを検出するための完全に訓練されたODモデルを返す。
論文 参考訳（メタデータ） (2021-02-12T19:19:45Z) - Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image
Decomposition [67.9464567157846]
合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。
実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
論文 参考訳（メタデータ） (2020-06-29T12:53:58Z)
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。