論文の概要: Structure from Motion-based Motion Estimation and 3D Reconstruction of Unknown Shaped Space Debris

• arxiv url: http://arxiv.org/abs/2408.01035v1
• Date: Fri, 2 Aug 2024 06:18:39 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-05 14:26:49.205617
• Title: Structure from Motion-based Motion Estimation and 3D Reconstruction of Unknown Shaped Space Debris
• Title（参考訳）: 動きに基づく動き推定と未知の形状空間デブリの3次元再構成
• Authors: Kentaro Uno, Takehiro Matsuoka, Akiyoshi Uchida, Kazuya Yoshida,
• Abstract要約: 本稿では,限られた資源で未知形状の空間デブリの運動推定を行うための,動きに基づく構造的アルゴリズムを提案する。 本手法は, 微小重力実験により生成した現実的な画像データセットを用いて, 2次元気流実験場と3次元運動学シミュレーションを用いて検証した。
• 参考スコア（独自算出の注目度）: 3.037387520023979
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: With the boost in the number of spacecraft launches in the current decades, the space debris problem is daily becoming significantly crucial. For sustainable space utilization, the continuous removal of space debris is the most severe problem for humanity. To maximize the reliability of the debris capture mission in orbit, accurate motion estimation of the target is essential. Space debris has lost its attitude and orbit control capabilities, and its shape is unknown due to the break. This paper proposes the Structure from Motion-based algorithm to perform unknown shaped space debris motion estimation with limited resources, where only 2D images are required as input. The method then outputs the reconstructed shape of the unknown object and the relative pose trajectory between the target and the camera simultaneously, which are exploited to estimate the target's motion. The method is quantitatively validated with the realistic image dataset generated by the microgravity experiment in a 2D air-floating testbed and 3D kinematic simulation.
• Abstract（参考訳）: 今後数十年で打ち上げられる宇宙船の数が増えるにつれ、宇宙デブリの問題は極めて重要になっている。 持続可能な宇宙利用のために、宇宙ゴミの継続的な除去は人類にとって最も深刻な問題である。 軌道上でのデブリ捕獲ミッションの信頼性を最大化するためには、目標の正確な動き推定が不可欠である。 宇宙デブリは姿勢と軌道制御能力を失い、その形状は壊れたために不明である。 本稿では,入力として2次元画像のみを必要とする限られた資源で未知の形状の空間デブリ運動推定を行うための,動きに基づく構造的アルゴリズムを提案する。 次に、未知物体の再構成形状と、被写体とカメラの間の相対ポーズ軌跡を同時に出力し、被写体の動きを推定する。 本手法は, 微小重力実験により生成した現実的な画像データセットを用いて, 2次元気流実験ベッドと3次元運動シミュレーションを用いて定量的に検証する。

関連論文リスト

• Event-based Structure-from-Orbit [23.97673114572094]
  ロボット工学や視覚に基づくナビゲーションの応用には、静的カメラの前で円形または回転する物体の3次元認識が必要である。 静的なイベントカメラから観測された高速回転物体の3次元構造を再構成するイベントベース構造(eSf)を提案する。
  論文  参考訳（メタデータ） (2024-05-10T03:02:03Z)
• Instantaneous Perception of Moving Objects in 3D [86.38144604783207]
  周囲の交通参加者の3次元運動の認識は、運転安全に不可欠である。 本研究では,物体点雲の局所的な占有率の達成を利用して形状を密度化し,水泳人工物の影響を軽減することを提案する。 広汎な実験は、標準的な3次元運動推定手法よりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-05-05T01:07:24Z)
• Reconstructing Satellites in 3D from Amateur Telescope Images [44.20773507571372]
  本稿では、小型アマチュア望遠鏡で撮影した映像を利用して、低地球軌道上の衛星の3次元再構成のための枠組みを提案する。 これらの望遠鏡から得られたビデオデータは、激しい動きのぼかし、大気の乱流、広汎な背景光汚染、焦点距離の延長、観測視点の制約など、標準的な3D再構成作業のデータと大きく異なる。 我々は,中国の宇宙ステーションの合成データセットと実際の観測データを用いて,地上観測から3次元空間オブジェクトを再構築する既存の手法に対する大きな優位性を示す。
  論文  参考訳（メタデータ） (2024-04-29T03:13:09Z)
• SpatialTracker: Tracking Any 2D Pixels in 3D Space [71.58016288648447]
  本稿では,画像投影による問題点を軽減するために,3次元空間における点軌道の推定を提案する。 この手法はSpatialTrackerと呼ばれ、2Dピクセルをモノクロ深度推定器を用いて3Dにリフトする。 3Dでのトラッキングにより、ピクセルを異なる剛性部分にクラスタ化する剛性埋め込みを同時に学習しながら、ARAP(as-rigid-as-possible)制約を活用することができます。
  論文  参考訳（メタデータ） (2024-04-05T17:59:25Z)
• Characterizing Satellite Geometry via Accelerated 3D Gaussian Splatting [0.0]
  本稿では,3次元ガウス散乱に基づく軌道上の衛星のマッピング手法を提案する。 ループ型衛星モックアップにおけるモデルトレーニングと3次元レンダリング性能を実演する。 我々のモデルでは、未知の衛星の高品質な新しいビューを、従来のNeRFベースのアルゴリズムよりも2桁近く高速にトレーニングし、レンダリングすることが可能であることが示されている。
  論文  参考訳（メタデータ） (2024-01-05T00:49:56Z)
• Uncertainty-aware State Space Transformer for Egocentric 3D Hand Trajectory Forecasting [79.34357055254239]
  ハンドトラジェクトリ予測は、AR/VRシステムと対話する際の人間の意図の迅速な理解を可能にするために不可欠である。 既存の方法では、現実の3Dアプリケーションでは不十分な2次元画像空間でこの問題に対処する。 初対人視点で観察されたRGBビデオから3次元空間のハンドトラジェクトリを予測することを目的とした,エゴセントリックな3Dハンドトラジェクトリ予測タスクを構築した。
  論文  参考訳（メタデータ） (2023-07-17T04:55:02Z)
• GraMMaR: Ground-aware Motion Model for 3D Human Motion Reconstruction [61.833152949826946]
  本研究では,GraMMaRという3次元人体動作再構成のための新しいグラウンド・アウェア・モーション・モデルを提案する。 GraMMaRは、動きシーケンスの各時間ステップにおいて、ポーズにおける遷移の分布と、各関節面と接地面の間の相互作用を学習する。 運動と地面への距離変化との整合性を明確に促進するように訓練されている。
  論文  参考訳（メタデータ） (2023-06-29T07:22:20Z)
• Machine Learning in Orbit Estimation: a Survey [1.9336815376402723]
  約100万個の天体が現在地球を公転していると推定されている。 現在の近似物理学に基づく手法は、7日間の予測に数キロの誤差がある。 本稿では,軌道決定,軌道予測,大気密度モデリングに機械学習を適用した研究の概要について述べる。
  論文  参考訳（メタデータ） (2022-07-19T00:17:27Z)
• Space Non-cooperative Object Active Tracking with Deep Reinforcement Learning [1.212848031108815]
  DRLAVTと命名されたDQNアルゴリズムに基づくエンドツーエンドのアクティブなトラッキング手法を提案する。 追尾宇宙船のアプローチを、色やRGBD画像にのみ依存した任意の空間の非協力目標に導くことができる。 位置ベースのビジュアルサーボベースラインアルゴリズムでは、最先端の2DモノクロトラッカーであるSiamRPNをはるかに上回っている。
  論文  参考訳（メタデータ） (2021-12-18T06:12:24Z)
• Attentive and Contrastive Learning for Joint Depth and Motion Field Estimation [76.58256020932312]
  単眼視システムからシーンの3次元構造とともにカメラの動きを推定することは複雑な作業である。 モノクロ映像からの3次元物体運動場推定のための自己教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-13T16:45:01Z)
• Gravity-Aware Monocular 3D Human-Object Reconstruction [73.25185274561139]
  本稿では,共同マーカーレス3次元モーションキャプチャとモノクロRGB映像からの物体軌跡推定のための新しい手法を提案する。 自由飛行中に部分的に観察された物体を含むシーンに焦点を当てた。 実験では, 各種計測値を用いた3次元モーションキャプチャにおいて, 最先端の精度を実現する。
  論文  参考訳（メタデータ） (2021-08-19T17:59:57Z)

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。