論文の概要: Gaussian kernel-based motion measurement
- arxiv url: http://arxiv.org/abs/2507.13693v1
- Date: Fri, 18 Jul 2025 06:49:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-21 20:43:26.200528
- Title: Gaussian kernel-based motion measurement
- Title（参考訳）: ガウスカーネルを用いた運動計測
- Authors: Hongyi Liu, Haifeng Wang,
- Abstract要約: 本稿では,ガウスカーネルの位置を追跡することによって,異なるフレーム間の動きを抽出するガウスカーネルに基づく新しい動き計測法を提案する。
本手法の精度とロバスト性を高めるため, 実用的な構造条件と超解像制約に適合する運動整合性を導入する。
数値的および実験的検証により、異なるテストサンプルに対するパラメータ設定をカスタマイズすることなく、常に高い精度に到達できることが示されている。
- 参考スコア（独自算出の注目度）: 18.979649159405962
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The growing demand for structural health monitoring has driven increasing interest in high-precision motion measurement, as structural information derived from extracted motions can effectively reflect the current condition of the structure. Among various motion measurement techniques, vision-based methods stand out due to their low cost, easy installation, and large-scale measurement. However, when it comes to sub-pixel-level motion measurement, current vision-based methods either lack sufficient accuracy or require extensive manual parameter tuning (e.g., pyramid layers, target pixels, and filter parameters) to reach good precision. To address this issue, we developed a novel Gaussian kernel-based motion measurement method, which can extract the motion between different frames via tracking the location of Gaussian kernels. The motion consistency, which fits practical structural conditions, and a super-resolution constraint, are introduced to increase accuracy and robustness of our method. Numerical and experimental validations show that it can consistently reach high accuracy without customized parameter setup for different test samples.
- Abstract（参考訳）: 構造的健康モニタリングの需要の高まりは、抽出された動きから得られる構造情報が構造の現状を効果的に反映できるため、高精度な運動計測への関心の高まりを招いている。
様々な動き計測技術の中で、低コスト、容易な設置、大規模測定のために視覚ベースの手法が際立っている。
しかし、サブピクセルレベルのモーション測定に関しては、現在の視覚ベースの手法では十分な精度が不足しているか、広範囲な手動パラメータチューニング(ピラミッド層、ターゲット画素、フィルタパラメータなど)が必要である。
そこで本研究では,ガウスカーネルの位置をトラッキングすることで,異なるフレーム間の動きを抽出できるガウスカーネルベースモーション計測法を開発した。
本手法の精度とロバスト性を高めるため, 実用的な構造条件と超解像制約に適合する運動整合性を導入する。
数値的および実験的検証により、異なるテストサンプルに対するパラメータ設定をカスタマイズすることなく、常に高い精度に到達できることが示されている。
関連論文リスト
- Event-based multi-view photogrammetry for high-dynamic, high-velocity target measurement [9.651861391083703]
既存の測定方法は、限られたダイナミックレンジ、不連続な観測、高コストといった課題に直面している。
本稿では,イベントベース多視点測光システムを活用した新しいアプローチを提案する。
軽ガスガンのフラグメント試験では, 電磁式速度計と比較して測定偏差が4.47%であった。
論文 参考訳（メタデータ） (2025-05-31T14:23:39Z) - 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) - A review on vision-based motion estimation [18.979649159405962]
接触センサを用いたモーション計測と比較して、視覚ベースのモーション計測は低コストで高効率の利点がある。
本稿では,既存の動き計測手法について概説する。
この問題に対処するため,我々はガウスカーネルを用いた運動計測法を開発した。
論文 参考訳（メタデータ） (2024-07-19T17:28:49Z) - Joint Spatial-Temporal Calibration for Camera and Global Pose Sensor [0.4143603294943439]
ロボット工学において、モーションキャプチャシステムはローカライズアルゴリズムの精度を測定するために広く利用されている。
これらの機能は、カメラとグローバルポーズセンサーの間で正確で信頼性の高い時空間キャリブレーションパラメータを必要とする。
本研究では,これらのキャリブレーションパラメータを推定する新しい2つの手法を提案する。
論文 参考訳（メタデータ） (2024-03-01T20:56:14Z) - GelFlow: Self-supervised Learning of Optical Flow for Vision-Based
Tactile Sensor Displacement Measurement [23.63445828014235]
本研究では,視覚に基づく触覚センサの変位計測において,深層学習に基づく自己監督型光フロー法を提案する。
提案する自己教師型ネットワークを,オープンソースデータセットを用いて訓練し,従来型およびディープラーニングベースの光フロー手法と比較した。
論文 参考訳（メタデータ） (2023-09-13T05:48:35Z) - GraphReg: Dynamical Point Cloud Registration with Geometry-aware Graph
Signal Processing [0.0]
本研究では,3次元点雲登録のための高精度,効率的,物理的に誘導された手法を提案する。
我々は、粒子(点)の動きを制御し、より正確で頑健な登録を実現するために、幾何学を意識した剛体力学を探求する。
その結果,提案手法は精度において最先端の手法よりも優れており,大規模点雲の登録に適していることがわかった。
論文 参考訳（メタデータ） (2023-02-02T14:06:46Z) - Support Vector Machine for Determining Euler Angles in an Inertial
Navigation System [55.41644538483948]
本稿では,機械学習(ML)法を用いたMEMSセンサを用いた慣性ナビゲーションシステムの精度向上について論じる。
提案アルゴリズムは,MEMSセンサに典型的なノイズの存在を正しく分類できることを実証した。
論文 参考訳（メタデータ） (2022-12-07T10:01:11Z) - Retrieving space-dependent polarization transformations via near-optimal
quantum process tomography [55.41644538483948]
トモグラフィー問題に対する遺伝的および機械学習アプローチの適用について検討する。
ニューラルネットワークベースのスキームは、リアルタイムにキャラクタリゼーションを必要とするアプリケーションにおいて、重要なスピードアップを提供する。
これらの結果は、より一般的な量子プロセスにおけるトモグラフィーアプローチの最適化の基礎となることを期待する。
論文 参考訳（メタデータ） (2022-10-27T11:37:14Z) - ParticleSfM: Exploiting Dense Point Trajectories for Localizing Moving
Cameras in the Wild [57.37891682117178]
本稿では,一対の光流からの高密度対応に基づく動画の高密度間接構造抽出手法を提案する。
不規則点軌道データを処理するために,新しいニューラルネットワークアーキテクチャを提案する。
MPIシンテルデータセットを用いた実験により,我々のシステムはより正確なカメラ軌道を生成することがわかった。
論文 参考訳（メタデータ） (2022-07-19T09:19:45Z) - Visual-tactile sensing for Real-time liquid Volume Estimation in
Grasping [58.50342759993186]
変形性容器内の液体をリアルタイムに推定するためのビジュオ触覚モデルを提案する。
我々は、RGBカメラからの生の視覚入力と、特定の触覚センサーからの触覚手がかりの2つの感覚モードを融合する。
ロボットシステムは、推定モデルに基づいて、リアルタイムで適切に制御され、調整される。
論文 参考訳（メタデータ） (2022-02-23T13:38:31Z) - Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
視覚SLAMシステムのための新しい最適化バックボーンを提案する。
従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。
我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
論文 参考訳（メタデータ） (2020-11-02T18:02:26Z) - Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。
我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。
実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
論文 参考訳（メタデータ） (2020-03-23T10:51:32Z)
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。