論文の概要: Robust Detection of Extremely Thin Lines Using 0.2mm Piano Wire
- arxiv url: http://arxiv.org/abs/2503.13473v1
- Date: Tue, 04 Mar 2025 07:05:33 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-03-23 07:08:07.136502
- Title: Robust Detection of Extremely Thin Lines Using 0.2mm Piano Wire
- Title（参考訳）: 0.2mmピアノワイヤーを用いた極薄線のロバスト検出
- Authors: Jisoo Hong, Youngjin Jung, Jihwan Bae, Seungho Song, Sung-Woo Kang,
- Abstract要約: 本研究では,エレベーターシャフト内の自動設置ロボットの位置を正確に決定する基準線(0.2mm厚のピアノワイヤ)を検出するアルゴリズムを開発した。
予備処理段階でフーリエ変換を利用した実験4(FCH)では,LtoL,LtoR,RtoLのデータセットが最も高い検出率を達成した。
本研究では,エレベーターシャフト設置時のロボットの位置を正確に計算し,制御できる基準線検出アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: This study developed an algorithm capable of detecting a reference line (a 0.2 mm thick piano wire) to accurately determine the position of an automated installation robot within an elevator shaft. A total of 3,245 images were collected from the experimental tower of H Company, the leading elevator manufacturer in South Korea, and the detection performance was evaluated using four experimental approaches (GCH, GSCH, GECH, FCH). During the initial image processing stage, Gaussian blurring, sharpening filter, embossing filter, and Fourier Transform were applied, followed by Canny Edge Detection and Hough Transform. Notably, the method was developed to accurately extract the reference line by averaging the x-coordinates of the lines detected through the Hough Transform. This approach enabled the detection of the 0.2 mm thick piano wire with high accuracy, even in the presence of noise and other interfering factors (e.g., concrete cracks inside the elevator shaft or safety bars for filming equipment). The experimental results showed that Experiment 4 (FCH), which utilized Fourier Transform in the preprocessing stage, achieved the highest detection rate for the LtoL, LtoR, and RtoL datasets. Experiment 2(GSCH), which applied Gaussian blurring and a sharpening filter, demonstrated superior detection performance on the RtoR dataset. This study proposes a reference line detection algorithm that enables precise position calculation and control of automated robots in elevator shaft installation. Moreover, the developed method shows potential for applicability even in confined working spaces. Future work aims to develop a line detection algorithm equipped with machine learning-based hyperparameter tuning capabilities.
- Abstract（参考訳）: 本研究では,エレベーターシャフト内の自動設置ロボットの位置を正確に決定する基準線(0.2mm厚のピアノワイヤ)を検出するアルゴリズムを開発した。
韓国のエレベーターメーカーであるH社の実験塔から合計3,245枚の画像を収集し, GCH, GSCH, GECH, FCHの4つの実験手法を用いて検出性能を評価した。
最初の画像処理段階では、ガウスのぼかし、シャープニングフィルタ、エンボスフィルタ、フーリエ変換が適用され、続いてCanny Edge DetectionとHough Transformが採用された。
特に、ハフ変換によって検出されたラインのx座標を平均化し、基準線を正確に抽出する手法を開発した。
このアプローチにより、ノイズやその他の干渉要因(例えば、エレベーターシャフト内のコンクリートのひび割れや撮影装置の安全バー)があっても、0.2mm厚のピアノワイヤーを高精度に検出することが可能となった。
実験の結果,前処理段階でフーリエ変換を利用した実験4(FCH)は,LtoL,LtoR,RtoLの各データセットに対して高い検出率を達成した。
ガウス的ぼかしとシャープニングフィルタを応用した実験2(GSCH)は,RtoRデータセットにおいて優れた検出性能を示した。
本研究では,エレベーターシャフト設置時のロボットの位置を正確に計算し,制御できる基準線検出アルゴリズムを提案する。
さらに,本手法は,狭い作業空間においても適用可能性を示す。
今後の研究は、機械学習に基づくハイパーパラメータチューニング機能を備えた線検出アルゴリズムの開発を目指している。
関連論文リスト
- Adaptive Signal Analysis for Automated Subsurface Defect Detection Using Impact Echo in Concrete Slabs [0.0]
本研究は,コンクリートスラブの地下欠陥発生領域を検出するための,新しい,自動化された,スケーラブルな手法を提案する。
このアプローチは、高度な信号処理、クラスタリング、および視覚分析を統合して、地下の異常を識別する。
結果は方法論の堅牢性を示し、最小限の偽陽性とほとんど欠陥のない欠陥発生領域を一貫して同定した。
論文 参考訳（メタデータ） (2024-12-23T20:05:53Z) - Frequency-Aware Deepfake Detection: Improving Generalizability through
Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。
既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。
本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文 参考訳（メタデータ） (2024-03-12T01:28:00Z) - Defect Detection in Synthetic Fibre Ropes using Detectron2 Framework [0.0]
条件監視(CM)アプリケーションにおける深層学習モデルは、合成繊維ロープ(SFR)の欠陥検出に対して、よりシンプルで効果的なアプローチを提供する。
本研究の目的は,SFRの欠陥を自動かつ効率的に検出し,検査プロセスを向上し,繊維ロープの安全性を確保することである。
論文 参考訳（メタデータ） (2023-09-04T09:26:04Z) - Detecting Rotated Objects as Gaussian Distributions and Its 3-D
Generalization [81.29406957201458]
既存の検出方法は、パラメータ化バウンディングボックス(BBox)を使用して(水平)オブジェクトをモデル化し、検出する。
このような機構は回転検出に有効な回帰損失を構築するのに基本的な限界があると主張する。
回転した物体をガウス分布としてモデル化することを提案する。
2次元から3次元へのアプローチを、方向推定を扱うアルゴリズム設計により拡張する。
論文 参考訳（メタデータ） (2022-09-22T07:50:48Z) - Decision Forest Based EMG Signal Classification with Low Volume Dataset
Augmented with Random Variance Gaussian Noise [51.76329821186873]
我々は6種類の手振りを限定的なサンプル数で分類できるモデルを作成し、より広い聴衆によく一般化する。
信号のランダムなバウンドの使用など、より基本的な手法のセットにアピールするが、これらの手法がオンライン環境で持てる力を示したいと考えている。
論文 参考訳（メタデータ） (2022-06-29T23:22:18Z) - Efficient Decoder-free Object Detection with Transformers [75.00499377197475]
視覚変換器(ViT)は、物体検出アプローチのランドスケープを変化させている。
本稿では,デコーダフリー完全トランス(DFFT)オブジェクト検出器を提案する。
DFFT_SMALLは、トレーニングおよび推論段階で高い効率を達成する。
論文 参考訳（メタデータ） (2022-06-14T13:22:19Z) - Learning High-Precision Bounding Box for Rotated Object Detection via
Kullback-Leibler Divergence [100.6913091147422]
既存の回転物体検出器は、主に水平検出パラダイムから受け継がれている。
本稿では,回転回帰損失の設計を帰納パラダイムから導出手法に変更することを目的としている。
論文 参考訳（メタデータ） (2021-06-03T14:29:19Z) - Grain Surface Classification via Machine Learning Methods [0.0]
レーダ信号を解析し,機械学習手法を用いて粒界型を分類した。
計5681個のAスキャン信号が収集された。
最高性能はSTFT+GLCM+SVMで達成された。
論文 参考訳（メタデータ） (2020-09-23T11:24:51Z) - Automatic Target Recognition (ATR) from SAR Imaginary by Using Machine
Learning Techniques [0.0]
合成開口レーダ(SAR)画像におけるターゲット自動認識(ATR)は、高レベルノイズを含むため、非常に難しい問題となる。
本研究では,SAR画像を用いた移動目標と静止目標を機械学習で検出する手法を提案する。
論文 参考訳（メタデータ） (2020-09-11T21:27:59Z) - Accurate Alignment Inspection System for Low-resolution Automotive and
Mobility LiDAR [125.41260574344933]
車両やロボットなどの移動システムにおいて,センサ装着後のLiDARアライメント誤差を正確に推定する検査システムを提案する。
提案手法は, 固定位置における1つのターゲットボードのみを用いて, 水平方向(回転, 傾き, ヨー)とLiDARアタッチメントの水平位置を, 水平方向の精度で推定する。
論文 参考訳（メタデータ） (2020-08-24T17:47:59Z)
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。