論文の概要: ShotcreteDepth: A Bi-modal Dataset for Robust Robotic Depth Perception in Shotcrete Construction Environments

• arxiv url: http://arxiv.org/abs/2606.23152v1
• Date: Mon, 22 Jun 2026 10:56:57 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-24 23:48:26.521341
• Title: ShotcreteDepth: A Bi-modal Dataset for Robust Robotic Depth Perception in Shotcrete Construction Environments
• Title（参考訳）: ShotcreteDepth: ショットクレット構築環境におけるロバストロボット深度知覚のためのバイモーダルデータセット
• Authors: Jakub Gregorek, Lars Arnold Dethlefsen, Patrick Schmidt, Mads Essenbæk, Jonas Flink Bentzen, Lazaros Nalpantidis,
• Abstract要約: ShotcreteDepthは、アクティブなショットクリティングプロセスと一般的な構築環境の両方をキャプチャするバイモーダルデータセットである。 データセットはステレオRGBイメージと、厳しい現実世界条件下で取得されたLiDARポイントクラウドで構成されている。
• 参考スコア（独自算出の注目度）: 1.6871228928273352
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We introduce ShotcreteDepth, a bi-modal dataset from the construction domain that captures both an active shotcreting process and general construction environments. The dataset comprises stereo RGB imagery and LiDAR point clouds acquired under harsh real-world conditions, including high turbidity and poor illumination. Such conditions adversely affect sensor measurements, leading to incomplete and noisy observations that pose significant challenges for perception systems in autonomous applications. Alongside the dataset, we release a lightweight annotation tool designed for time-efficient labeling of LiDAR point clouds. ShotcreteDepth consists of 11,252 temporally synchronized data samples, of which 220 are annotated for evaluation purposes. The dataset supports research in stereo matching, depth completion, and depth estimation under conditions that closely reflect the operational complexities found in industrial settings. Project repository: https://github.com/dtu-pas/shotcrete-depth
• Abstract（参考訳）: ShotcreteDepthは、アクティブショットクレッティングプロセスと一般的な構築環境の両方をキャプチャする、建設ドメインからのバイモーダルデータセットである。 データセットはステレオRGB画像と、高濁度や照明不良など、厳しい現実世界条件下で取得されたLiDAR点雲で構成されている。 このような条件はセンサ測定に悪影響を及ぼし、不完全でノイズの多い観測結果をもたらし、自律的なアプリケーションにおいて認識システムに重大な課題をもたらす。 データセットとともに、LiDARポイントクラウドの時間効率なラベル付け用に設計された軽量アノテーションツールをリリースする。 ShotcreteDepthは11,252の時間同期データサンプルで構成され、そのうち220は評価目的で注釈付けされている。 このデータセットは、産業環境で見られる運用上の複雑さを深く反映した条件下でのステレオマッチング、深さ完了、深さ推定の研究を支援する。 プロジェクトリポジトリ:https://github.com/dtu-pas/shotcrete-deepth

関連論文リスト

• SpikeStereoNet: A Brain-Inspired Framework for Stereo Depth Estimation from Spike Streams [70.9610707466343]
  バイオインスパイクカメラは、マイクロ秒レベルの解像度で非同期イベントを出力し、代替のセンシングモードを提供する。 既存の手法には、スパイクデータに適した特別なステレオアルゴリズムとベンチマークが欠けている。 本稿では,脳にインスパイアされたフレームワークであるSpikeStereoNetを提案する。
  論文  参考訳（メタデータ） (2025-05-26T04:14:34Z)
• Panoptic-CUDAL: Rural Australia Point Cloud Dataset in Rainy Conditions [16.64392291219147]
  本稿では,雨天地におけるパノプティカルセグメンテーションを目的とした新しいデータセットであるPanoptic-CUDALデータセットを紹介する。 高解像度のLiDAR、カメラ、ポーズデータを記録することで、Panoptic-CUDALは、挑戦的なシナリオにおいて、多種多様な情報豊富なデータセットを提供する。 我々は,記録データの解析を行い,LiDAR点雲上でのパノプティクス,セマンティックセグメンテーション,および3D占有率予測のためのベースライン結果を提供する。
  論文  参考訳（メタデータ） (2025-03-20T17:41:16Z)
• Helvipad: A Real-World Dataset for Omnidirectional Stereo Depth Estimation [83.841877607646]
  全方位ステレオ深度推定のための実世界のデータセットであるHelvipadを紹介する。 このデータセットは、3Dポイント雲を等方形画像に投影することで、正確な深度と不均質のラベルを含む。 標準画像と全方位画像のステレオ深度推定モデルをベンチマークする。
  論文  参考訳（メタデータ） (2024-11-27T13:34:41Z)
• HazyDet: Open-Source Benchmark for Drone-View Object Detection with Depth-Cues in Hazy Scenes [54.24350833692194]
  HazyDetは、ヘイジーな環境でドローンビューオブジェクトを検出するために特別に設計された、最初の大規模ベンチマークである。 本稿では,迷路による視覚劣化に対処するため,Depth-Conditioned Detector (DeCoDet)を提案する。 HazyDetは、検出アルゴリズムを前進させるための挑戦的で現実的なテストベッドを提供する。
  論文  参考訳（メタデータ） (2024-09-30T00:11:40Z)
• ConstScene: Dataset and Model for Advancing Robust Semantic Segmentation in Construction Environments [1.4070907500169874]
  本稿では,建設現場に適したセマンティックセグメンテーションデータセットを提案する。 このデータセットは、オブジェクト検出モデルのトレーニングと評価を強化するように設計されている。
  論文  参考訳（メタデータ） (2023-12-27T10:49:19Z)
• Creating and Leveraging a Synthetic Dataset of Cloud Optical Thickness Measures for Cloud Detection in MSI [3.4764766275808583]
  雲の形成は、しばしば地球の地表を観測する光学衛星による不明瞭な観測である。 雲の光学的厚さ推定のための新しい合成データセットを提案する。 信頼性と汎用性を備えたクラウドマスクを実データで取得するために活用する。
  論文  参考訳（メタデータ） (2023-11-23T14:28:28Z)
• Multimodal Dataset from Harsh Sub-Terranean Environment with Aerosol Particles for Frontier Exploration [55.41644538483948]
  本稿では, エアロゾル粒子を用いた過酷で非構造的な地下環境からのマルチモーダルデータセットを提案する。 ロボットオペレーティング・システム(ROS)フォーマットのすべてのオンボードセンサーから、同期された生データ計測を含んでいる。 本研究の焦点は、時間的・空間的なデータの多様性を捉えることだけでなく、取得したデータに厳しい条件が及ぼす影響を示すことである。
  論文  参考訳（メタデータ） (2023-04-27T20:21:18Z)
• A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
  本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。 このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。 このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
  論文  参考訳（メタデータ） (2022-06-13T19:14:06Z)
• The Hilti SLAM Challenge Dataset [41.091844019181735]
  構築環境は、同時局所化とマッピング(SLAM)アルゴリズムに難しい問題を引き起こす。 本研究を支援するために,Hilti SLAM Challengeデータセットという新しいデータセットを提案する。 各データセットには正確な基底真理が含まれており、SLAM結果を直接テストすることができる。
  論文  参考訳（メタデータ） (2021-09-23T12:02:40Z)

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。