論文の概要: Deep Unsupervised Segmentation of Log Point Clouds

• arxiv url: http://arxiv.org/abs/2503.14244v1
• Date: Tue, 18 Mar 2025 13:28:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-19 14:15:47.267065
• Title: Deep Unsupervised Segmentation of Log Point Clouds
• Title（参考訳）: ログポイント雲の深部非教師的セグメンテーション
• Authors: Fedor Zolotarev, Tuomas Eerola, Tomi Kauppi,
• Abstract要約: 製材所では、木製丸太などの原料を正確に測定し、製材工程を最適化することが不可欠である。 以前の研究では、レーザースキャナーによって生成された表面点雲だけでログの内部構造を正確に予測できることが示されている。 本稿では,非教師付きでログ表面に属する点を見つけることを学ぶポイントトランスフォーマーに基づくポイントクラウドセグメンテーション手法を提案する。
• 参考スコア（独自算出の注目度）: 0.04681661603096333
• License:
• Abstract: In sawmills, it is essential to accurately measure the raw material, i.e. wooden logs, to optimise the sawing process. Earlier studies have shown that accurate predictions of the inner structure of the logs can be obtained using just surface point clouds produced by a laser scanner. This provides a cost-efficient and fast alternative to the X-ray CT-based measurement devices. The essential steps in analysing log point clouds is segmentation, as it forms the basis for finding the fine surface details that provide the cues about the inner structure of the log. We propose a novel Point Transformer-based point cloud segmentation technique that learns to find the points belonging to the log surface in unsupervised manner. This is obtained using a loss function that utilises the geometrical properties of a cylinder while taking into account the shape variation common in timber logs. We demonstrate the accuracy of the method on wooden logs, but the approach could be utilised also on other cylindrical objects.
• Abstract（参考訳）: 製材所では、木製丸太などの原料を正確に測定し、製材工程を最適化することが不可欠である。 以前の研究では、レーザースキャナーによって生成された表面点雲だけでログの内部構造を正確に予測できることが示されている。 これは、X線CTベースの測定装置のコスト効率と高速な代替手段を提供する。 ログポイント雲を分析するための重要なステップはセグメンテーションであり、ログの内部構造に関する手がかりを提供する細かな表面の詳細を見つけるための基盤を形成する。 本稿では,非教師付きでログ表面に属する点を見つけることを学ぶポイントトランスフォーマーに基づくポイントクラウドセグメンテーション手法を提案する。 これは、木製丸太に共通する形状変化を考慮しつつ、シリンダーの幾何学的性質を利用した損失関数を用いて得られる。 本手法の精度を木製丸太に示すが,他の円筒形にも適用可能である。

関連論文リスト

• Reconstruction for Sparse View Tomography of Long Objects Applied to Imaging in the Wood Industry [0.42855555838080833]
  木材産業では、ログは、いくつかのソース位置から動くコンベヤベルト上の離散X線スキャンによって、一般的に品質が検査される。 本稿では,シーケンシャルスキャンに適した学習されたPrimal-Dualニューラルネットワークに基づく反復的再構成手法を提案する。
  論文  参考訳（メタデータ） (2024-03-05T09:44:19Z)
• Improving Knot Prediction in Wood Logs with Longitudinal Feature Propagation [0.0]
  本稿では,丸太の外形から内部欠陥の位置を推定する作業について述べる。 データセットは、X線測定で輪郭と結び目の両方を抽出することによって構築される。 本稿では,畳み込みリカレントニューラルネットワークを利用して,この二分分割課題を解決することを提案する。
  論文  参考訳（メタデータ） (2023-08-22T09:12:11Z)
• GPCO: An Unsupervised Green Point Cloud Odometry Method [64.86292006892093]
  軽量な点状クラウド・オドメトリー法を提案し, GPCO法と名付けた。 GPCOは、連続点雲スキャンの特徴と一致することによって物体の動きを予測する教師なし学習法である。 GPCOは、モデルサイズが大幅に小さく、トレーニング時間も少ないのに対して、ディープラーニング手法のベンチマークを精度で上回ることが観察された。
  論文  参考訳（メタデータ） (2021-12-08T00:24:03Z)
• UPDesc: Unsupervised Point Descriptor Learning for Robust Registration [54.95201961399334]
  UPDescは、ロバストポイントクラウド登録のためのポイント記述子を学習するための教師なしの方法である。 学習した記述子は既存の教師なし手法よりも優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2021-08-05T17:11:08Z)
• Machine Learning for Nondestructive Wear Assessment in Large Internal Combustion Engines [0.8795040582681388]
  既存の摩耗の定量化には, 検査ライナーの分解, 切断が必要である。 リニア表面の反射rgb画像から表面表現軸受荷重曲線の計算を可能にするディープラーニングフレームワークを提案する。 この目的のために、畳み込みニューラルネットワークを訓練し、対応する深さプロファイルの軸受荷重曲線を推定する。
  論文  参考訳（メタデータ） (2021-03-15T16:01:17Z)
• An Efficient Hypergraph Approach to Robust Point Cloud Resampling [57.49817398852218]
  ハイパーグラフ信号処理(hgsp)に基づくポイントクラウド再サンプリングの検討 点群の信号ノード間の多面的な相互作用を捕捉するハイパーグラフスペクトルフィルタを設計する。 実験の結果, 点雲のハイパーグラフ解析の有効性が検証された。
  論文  参考訳（メタデータ） (2021-03-11T23:19:54Z)
• A Point-Cloud Deep Learning Framework for Prediction of Fluid Flow Fields on Irregular Geometries [62.28265459308354]
  ネットワークは空間位置とCFD量のエンドツーエンドマッピングを学習する。 断面形状の異なるシリンダーを過ぎる非圧縮層状定常流を考察する。 ネットワークは従来のCFDの数百倍の速さで流れ場を予測する。
  論文  参考訳（メタデータ） (2020-10-15T12:15:02Z)
• Refined Plane Segmentation for Cuboid-Shaped Objects by Leveraging Edge Detection [63.942632088208505]
  本稿では,セグメント化された平面マスクを画像に検出されたエッジと整列するための後処理アルゴリズムを提案する。 これにより、立方体形状の物体に制限を加えながら、最先端のアプローチの精度を高めることができます。
  論文  参考訳（メタデータ） (2020-03-28T18:51:43Z)
• Automatic marker-free registration of tree point-cloud data based on rotating projection [23.08199833637939]
  本研究では,1本の木を複数スキャンした点クラウドデータの登録のための粗大な自動登録手法を提案する。 粗い登録では、各スキャンによって生成された点雲を球面に投影して一連の2次元画像を生成する。 対応する特徴点対は、これらの一連の2次元画像から抽出される。 微細な登録では、点雲データスライシングとフィッティング法を用いて、対応する中心茎と分岐中心を抽出する。
  論文  参考訳（メタデータ） (2020-01-30T06:53:59Z)
• Hypergraph Spectral Analysis and Processing in 3D Point Cloud [80.25162983501308]
  3Dポイントクラウドは、3Dオブジェクトや周囲を特徴付ける基本的なデータ構造になっている。 3次元点雲を効率的に処理するには、基礎となる構造と外周騒音に適したモデルが常に重要である。 本稿では,高速な解析と処理が可能なハイパーグラフベースの新しいポイントクラウドモデルを提案する。
  論文  参考訳（メタデータ） (2020-01-08T05:30:16Z)

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。