論文の概要: Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors

• arxiv url: http://arxiv.org/abs/2504.02439v1
• Date: Thu, 03 Apr 2025 09:57:51 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-11 19:56:47.651889
• Title: Estimating Scene Flow in Robot Surroundings with Distributed Miniaturized Time-of-Flight Sensors
• Title（参考訳）: 分散型小型飛行時間センサを用いたロボット周囲の流れの推定
• Authors: Jack Sander, Giammarco Caroleo, Alessandro Albini, Perla Maiolino,
• Abstract要約: 本研究では,ロボット本体上に分散した時間飛行(ToF)センサから得られた低密度・雑音点雲からのシーンフロー推定手法を提案する。 提案手法は,連続するフレームからクラスタリングし,高密度な動きの流れを推定するために反復閉点(ICP)を適用した。 我々は、静止点と移動点を区別するために適合度に基づく分類と、幾何学的対応を洗練させるために不整合除去戦略を用いる。
• 参考スコア（独自算出の注目度）: 41.45395153490076
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Tracking motions of humans or objects in the surroundings of the robot is essential to improve safe robot motions and reactions. In this work, we present an approach for scene flow estimation from low-density and noisy point clouds acquired from miniaturized Time of Flight (ToF) sensors distributed on the robot body. The proposed method clusters points from consecutive frames and applies Iterative Closest Point (ICP) to estimate a dense motion flow, with additional steps introduced to mitigate the impact of sensor noise and low-density data points. Specifically, we employ a fitness-based classification to distinguish between stationary and moving points and an inlier removal strategy to refine geometric correspondences. The proposed approach is validated in an experimental setup where 24 ToF are used to estimate the velocity of an object moving at different controlled speeds. Experimental results show that the method consistently approximates the direction of the motion and its magnitude with an error which is in line with sensor noise.
• Abstract（参考訳）: ロボットの周囲の人間や物体の動きを追跡することは、安全なロボットの動きや反応を改善するために不可欠である。 本研究では,ロボット本体に分布する小型飛行時間(ToF)センサから得られた低密度および雑音点雲からのシーンフロー推定手法を提案する。 提案手法は連続するフレームから点を抽出し,高密度な動きの流れを推定するために反復閉点(ICP)を適用し,センサノイズと低密度データポイントの影響を軽減するための追加ステップを導入する。 具体的には、静止点と移動点を区別するためのフィットネスに基づく分類と、幾何学的対応を洗練するための不整合除去戦略を用いる。 提案手法は24ToFを用いて異なる制御速度で移動する物体の速度を推定する実験装置で検証した。 実験結果から, センサノイズに一致した誤差により, 動きの方向と大きさを連続的に近似することがわかった。

関連論文リスト

• Event-Based Tracking Any Point with Motion-Augmented Temporal Consistency [58.719310295870024]
  本稿では,任意の点を追跡するイベントベースのフレームワークを提案する。 出来事の空間的空間性や動きの感度によって引き起こされる課題に対処する。 競合モデルパラメータによる処理を150%高速化する。
  論文  参考訳（メタデータ） (2024-12-02T09:13:29Z)
• Solution for Point Tracking Task of ICCV 1st Perception Test Challenge 2023 [50.910598799408326]
  Tracking Any Point (TAP) タスクは、ビデオを通じて任意の物理的表面を追跡する。 既存のいくつかのアプローチは、スムーズな運動軌跡を得るための時間的関係を考慮し、TAPを探索してきた。 我々は,静的カメラが撮影したビデオの静的点追跡の修正に焦点を当てた,信頼度の高い静的点付きTAP(TAPIR+)を提案する。
  論文  参考訳（メタデータ） (2024-03-26T13:50:39Z)
• Neural Implicit Swept Volume Models for Fast Collision Detection [0.0]
  本稿では,深層学習に基づく符号付き距離計算の高速化と幾何衝突チェッカーの精度保証を併用したアルゴリズムを提案する。 シミュレーションおよび実世界のロボット実験において、我々のアプローチを検証するとともに、商用ビンピッキングアプリケーションを高速化できることを実証する。
  論文  参考訳（メタデータ） (2024-02-23T12:06:48Z)
• RMS: Redundancy-Minimizing Point Cloud Sampling for Real-Time Pose Estimation [13.163076804805732]
  本稿では,3次元点群内の冗長性を最小化する RMS という新しい点群サンプリング手法を提案する。 RMSをポイントベースKISS-ICPと機能ベースLOAMオドメトリーパイプラインに統合する。 実験により、RMSは高度で幾何学的に生成された設定において、最先端の手法よりも高速、圧縮、精度が優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-12T14:55:49Z)
• DICP: Doppler Iterative Closest Point Algorithm [5.934931737701265]
  本稿では,瞬時視線速度を計測できる距離センサの点雲登録のための新しいアルゴリズムであるドップラーICPを提案する。 本稿では,各点のドップラー計測とセンサの現在の動き推定との整合性を利用した新しいドップラー速度客観的関数を提案する。 その結果,ドップラー速度勾配によって導かれる高速収束の利点を付加することにより,登録精度において大幅な性能向上が得られた。
  論文  参考訳（メタデータ） (2022-01-28T05:51:07Z)
• Nonprehensile Riemannian Motion Predictive Control [57.295751294224765]
  本稿では,リアル・ツー・シムの報酬分析手法を導入し,リアルなロボット・プラットフォームに対する行動の可能性を確実に予測する。 連続的なアクション空間でオブジェクトを反応的にプッシュするクローズドループコントローラを作成します。 我々は,RMPCが乱雑な環境だけでなく,乱雑な環境においても頑健であり,ベースラインよりも優れていることを観察した。
  論文  参考訳（メタデータ） (2021-11-15T18:50:04Z)
• Online Body Schema Adaptation through Cost-Sensitive Active Learning [63.84207660737483]
  この作業は、icubロボットシミュレータの7dofアームを使用して、シミュレーション環境で実行された。 コストに敏感な能動学習手法は最適な関節構成を選択するために用いられる。 その結果,コスト依存型能動学習は標準的な能動学習手法と同等の精度を示し,実行運動の約半分を減らした。
  論文  参考訳（メタデータ） (2021-01-26T16:01:02Z)
• FMODetect: Robust Detection and Trajectory Estimation of Fast Moving Objects [110.29738581961955]
  高速移動物体の検出と軌道推定のための最初の学習ベースアプローチを提案する。 提案手法は, 高速移動物体を軌道への切り離された距離関数として検出する。 シャープな外観推定のために,エネルギー最小化に基づくデブロワーリングを提案する。
  論文  参考訳（メタデータ） (2020-12-15T11:05:34Z)
• Drosophila-Inspired 3D Moving Object Detection Based on Point Clouds [22.850519892606716]
  我々はショウジョウバエの浅部視覚神経経路に基づく運動検出装置を開発した。 この検出器は物体の動きに敏感であり、背景雑音を十分に抑制することができる。 次に、改良された3Dオブジェクト検出ネットワークを用いて、各提案の点雲を推定し、3D境界ボックスとオブジェクトカテゴリを効率的に生成する。
  論文  参考訳（メタデータ） (2020-05-06T10:04:23Z)
• Any Motion Detector: Learning Class-agnostic Scene Dynamics from a Sequence of LiDAR Point Clouds [4.640835690336654]
  動き検出と動きパラメータ推定のための時間的文脈アグリゲーションの新しいリアルタイム手法を提案する。 本稿では,固有点雲列の固有オドメトリック変換に匹敵する性能で,リアルタイムな推論を実現するためのエゴモーション補償層を提案する。
  論文  参考訳（メタデータ） (2020-04-24T10:40:07Z)

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。