論文の概要: Extended Object Tracking and Classification based on Linear Splines

• arxiv url: http://arxiv.org/abs/2410.24183v1
• Date: Thu, 31 Oct 2024 17:46:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-01 17:01:35.839912
• Title: Extended Object Tracking and Classification based on Linear Splines
• Title（参考訳）: 線形スプラインに基づく拡張対象追跡と分類
• Authors: Matteo Tesori, Giorgio Battistelli, Luigi Chisci,
• Abstract要約: 本稿では,2次元拡張対象追跡と分類のための線形スプラインに基づくフレームワークを提案する。 拡張対象の輪郭上の任意の点からノイズ測定を散布できる場合に、正確な確率が導出される。 観測されたデータが所定の形状にどの程度収まるかを測定するために、適切な推定器を開発する。
• 参考スコア（独自算出の注目度）: 5.672223170618134
• License:
• Abstract: This paper introduces a framework based on linear splines for 2-dimensional extended object tracking and classification. Unlike state of the art models, linear splines allow to represent extended objects whose contour is an arbitrarily complex curve. An exact likelihood is derived for the case in which noisy measurements can be scattered from any point on the contour of the extended object, while an approximate Monte Carlo likelihood is provided for the case wherein scattering points can be anywhere, i.e. inside or on the contour, on the object surface. Exploiting such likelihood to measure how well the observed data fit a given shape, a suitable estimator is developed. The proposed estimator models the extended object in terms of a kinematic state, providing object position and orientation, along with a shape vector, characterizing object contour and surface. The kinematic state is estimated via a nonlinear Kalman filter, while the shape vector is estimated via a Bayesian classifier so that classification is implicitly solved during shape estimation. Numerical experiments are provided to assess, compared to state of the art extended object estimators, the effectiveness of the proposed one.
• Abstract（参考訳）: 本稿では,2次元拡張対象追跡と分類のための線形スプラインに基づくフレームワークを提案する。 最先端のモデルとは異なり、線形スプラインは、輪郭が任意の複素曲線である拡張対象を表現することができる。 拡張対象物の輪郭上の任意の点からノイズ測定を散布できる場合に、正確な確率が導出され、また、散乱点が物体表面上の、すなわち、その輪郭内またはその上にあり得る場合に、近似的なモンテカルロ確率が与えられる。 観測されたデータが所定の形状にどの程度収まるかを測定するために、適切な推定器を開発する。 提案した推定器は、物体の位置と向き、形状ベクトル、物体の輪郭と表面を特徴付ける。 運動状態は非線形カルマンフィルタで推定され、形状ベクトルはベイズ分類器で推定され、形状推定中に暗黙的に分類が解かれる。 提案手法の有効性を,最先端の拡張対象推定器と比較して評価するための数値実験を行った。

関連論文リスト

• Realtime Robust Shape Estimation of Deformable Linear Object [5.63550507123537]
  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。
  論文  参考訳（メタデータ） (2024-03-24T13:36:23Z)
• Shape And Structure Preserving Differential Privacy [70.08490462870144]
  正方形距離関数の勾配がラプラス機構よりも感度をよりよく制御できることを示す。 また,2乗距離関数の勾配を用いることで,ラプラス機構よりも感度を制御できることを示す。
  論文  参考訳（メタデータ） (2022-09-21T18:14:38Z)
• RBP-Pose: Residual Bounding Box Projection for Category-Level Pose Estimation [103.74918834553247]
  カテゴリーレベルのオブジェクトポーズ推定は、既知のカテゴリの集合からの任意のオブジェクトの3次元メートル法サイズだけでなく、6次元のポーズを予測することを目的としている。 近年の手法では, 観測された点雲を標準空間にマッピングし, 梅山アルゴリズムを用いてポーズとサイズを復元する手法が提案されている。 本稿では,オブジェクトのポーズと残差ベクトルを共同で予測する,幾何学誘導型残差オブジェクト境界ボックス投影ネットワーク RBP-Pose を提案する。
  論文  参考訳（メタデータ） (2022-07-30T14:45:20Z)
• CATRE: Iterative Point Clouds Alignment for Category-level Object Pose Refinement [52.41884119329864]
  カテゴリーレベルのオブジェクトポーズとサイズ精細化器 CATRE は、点雲からのポーズ推定を反復的に強化し、正確な結果が得られる。 提案手法は,REAL275,CAMERA25,LMのベンチマークを85.32Hzまで高速化する。
  論文  参考訳（メタデータ） (2022-07-17T05:55:00Z)
• On Hyperbolic Embeddings in 2D Object Detection [76.12912000278322]
  双曲幾何学が対象分類空間の基盤構造に適合するかどうかを考察する。 2段階、キーポイントベース、トランスフォーマーベースオブジェクト検出アーキテクチャに双曲型分類器を組み込む。 分類空間の構造に現れる分類階級階層を観察し、分類誤差を低くし、全体的な対象検出性能を高める。
  論文  参考訳（メタデータ） (2022-03-15T16:43:40Z)
• Towards Self-Supervised Category-Level Object Pose and Size Estimation [121.28537953301951]
  本研究は,一深度画像からのカテゴリレベルのオブジェクトポーズとサイズ推定のための自己教師型フレームワークを提案する。 我々は、同じ形状の点雲における幾何学的整合性を利用して自己超越する。
  論文  参考訳（メタデータ） (2022-03-06T06:02:30Z)
• Functional additive regression on shape and form manifolds of planar curves [0.0]
  我々は、形と形を、翻訳、回転、および -- 形状について -- の同値類として定義する。 平面曲線やランドマークの形状や形状のモデルに一般化された加法的回帰を拡張します。
  論文  参考訳（メタデータ） (2021-09-06T17:43:32Z)
• Optimal Pose and Shape Estimation for Category-level 3D Object Perception [24.232254155643574]
  カテゴリーレベルの知覚問題で、与えられたカテゴリのオブジェクトを撮影する3Dセンサーデータが与えられる。 ポーズと形状推定のための第1の最適CADソルバを提供する。 また, カテゴリレベルの知覚において, アウトレーヤを起点とするグラフ理論の定式化も行った。
  論文  参考訳（メタデータ） (2021-04-16T21:41:29Z)
• 3D Object Classification on Partial Point Clouds: A Practical Perspective [91.81377258830703]
  点雲は3次元オブジェクト分類において一般的な形状表現である。 本稿では,任意のポーズの下でオブジェクトインスタンスの部分点雲を分類する実践的な設定を提案する。 本稿では,アライメント分類手法による新しいアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-18T04:00:56Z)
• Shape Estimation for Elongated Deformable Object using B-spline Chained Multiple Random Matrices Model [5.94069939063928]
  伸縮変形可能な物体の幾何学的特性をモデル化するために, B-スプライン鎖型多元ランダム行列表現を提案する。 予測最大化(EM)法は、伸長変形可能な物体の形状を推定するために導出される。 提案アルゴリズムは, シナリオ内での伸長変形可能な物体の形状推定に有用である。
  論文  参考訳（メタデータ） (2020-04-10T21:15:54Z)

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。