論文の概要: Swazure: Swarm Measurement of Pose for Flying Light Specks

• arxiv url: http://arxiv.org/abs/2606.25222v1
• Date: Tue, 23 Jun 2026 22:40:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-25 17:05:30.164212
• Title: Swazure: Swarm Measurement of Pose for Flying Light Specks
• Title（参考訳）: Swazure: 飛行する光のスペックのポースを計測するSwarm
• Authors: Hamed Alimohammadzadeh, Shahram Ghandeharizadeh,
• Abstract要約: FLS(Flying Light Specks)と呼ばれる小型ドローンは、複雑な3D形状と点雲内の点の座標に一致したアニメーションシーケンスを照らすために位置決めする。 FLSはカメラなどのセンサーを使って互いに相対的なポーズを測定する。 問題は、FLSがセンサーのスイートレンジの外で別のFLSを追跡する方法だ。 本研究では,FLS間の協調によるセンサデータの欠落を解消するSwazureという手法を提案する。
• 参考スコア（独自算出の注目度）: 3.6704226968275258
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: One may construct a 3D multimedia display using miniature drones configured with light sources, Flying Light Specks (FLSs). Swarms of FLSs localize to illuminate complex 3D shapes and animated sequences consistent with the coordinates of points in a point cloud. This requires FLSs to accurately measure their pose relative to one another using sensors such as cameras. Such sensors have a sweet range in which they provide the highest accuracy. A challenge is how an FLS tracks another FLS outside its sensor's sweet range, dictated by the point cloud data. We address this challenge by proposing a novel technique called Swazure that solves the missing sensor data using cooperation among FLSs. It implements physical data independence by abstracting the physical characteristics of the sensors, making point cloud data independent of the sensor hardware. The size of an FLS relative to the minimum distance between points of a point cloud is an important parameter. With medium-sized FLSs, Swazure is able to position 100% of the FLS's neighbors. Larger FLS sizes may result in potential obstructions that prevent Swazure from quantifying relative pose. We present two heuristics, Move Obstructing and Move Source, to address this limitation. Our experimental results show the superiority of the Move Obstructing heuristic which resolves approximately 30% of obstructions in the worst case scenario.
• Abstract（参考訳）: 光源とFLS(Flying Light Specks)を備えた小型ドローンを用いて、3Dマルチメディアディスプレイを構築することができる。 FLSの群は、点雲内の点の座標と一致した複雑な3次元形状とアニメーションシーケンスを照らすために局所化する。 これにより、FLSはカメラなどのセンサーを使って互いに相対的なポーズを正確に測定する必要がある。 このようなセンサーは、最高精度を提供するスイートレンジを持っている。 問題は、FLSがセンサーのスイートレンジの外で、ポイントクラウドデータによって予測される別のFLSを追跡する方法だ。 本研究では,FLS間の協調によるセンサデータの欠落を解消するSwazureという新しい手法を提案する。 センサーの物理的特性を抽象化して物理的データ独立性を実装し、ポイントクラウドデータをセンサーハードウェアから独立させる。 点雲の点間の最小距離に対するFLSのサイズは重要なパラメータである。 中型のFLSでは、SwazureはFLSの隣人の100%を配置できる。 より大きなFLSサイズは、スワズーアが相対的なポーズを定量化することを妨げる潜在的な障害をもたらす可能性がある。 この制限に対処するため、我々はMove ObstructingとMove Sourceという2つのヒューリスティックスを提示した。 以上の結果から,最悪の場合の閉塞の約30%を解消する移動閉塞ヒューリスティックの優位性を示した。

関連論文リスト

• Ghost-FWL: A Large-Scale Full-Waveform LiDAR Dataset for Ghost Detection and Removal [2.365650942022388]
  ゴーストポイント(ゴーストポイント、またはゴーストポイント)は、ガラスと反射面からのマルチパスレーザーの反射によって引き起こされる偽反射であり、3Dマッピングと位置決め精度が著しく低下している。 We exploit full-waveform LiDAR (FWL) which captures complete temporal intensity profiles not only peak distances。 Ghost-FWLは、ゴースト検出と削除のための最初の、そして最大のアノテートされたモバイルFWLデータセットである。
  論文  参考訳（メタデータ） (2026-03-30T09:46:55Z)
• Scalable Object Relation Encoding for Better 3D Spatial Reasoning in Large Language Models [50.14156501544165]
  空間的推論は3次元シーンにおける空間的関係に基づく対象物の位置決めに焦点を当てる。 従来のアプローチでは、大規模言語モデルの入力空間に3Dシーン表現を注入しようと試みてきた。 オブジェクト数に線形な入力長を持つ新しい位置埋め込み法であるQuatRoPEを提案する。
  論文  参考訳（メタデータ） (2026-03-25T18:46:23Z)
• Robust 3D Object Detection using Probabilistic Point Clouds from Single-Photon LiDARs [29.92823252627008]
  LiDARベースの3Dセンサーは、様々なシーン理解タスクで使用される標準的な3D表現である点雲を提供する。 現代のLiDARは、長距離や低アルベドオブジェクトのようないくつかの現実のシナリオで課題に直面し、スパースや誤点雲を発生させる。 本稿では,各点を確率属性で拡張した新しい3次元シーン表現である確率点雲(PPC)を提案する。
  論文  参考訳（メタデータ） (2025-07-31T21:32:21Z)
• PDM-SSD: Single-Stage Three-Dimensional Object Detector With Point Dilation [7.113034810057012]
  現在のポイントベースの検出器は、提供されたポイントからしか学べない。 単段3次元検出のための新しい点拡散機構(PDM-SSD)を提案する。 PDM-SSDは,68フレームの推論速度を持つ単一モード法において,マルチクラス検出の最先端性を実現する。
  論文  参考訳（メタデータ） (2025-02-10T12:41:13Z)
• Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a Light-Weight ToF Sensor [58.305341034419136]
  単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。 本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。 実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-08-28T07:56:13Z)
• Multi-Modal 3D Object Detection by Box Matching [109.43430123791684]
  マルチモーダル3次元検出のためのボックスマッチング(FBMNet)による新しいフュージョンネットワークを提案する。 3Dオブジェクトと2Dオブジェクトの提案を学習することで、ROI特徴を組み合わせることで、検出のための融合を効果的に行うことができる。
  論文  参考訳（メタデータ） (2023-05-12T18:08:51Z)
• LiDARCap: Long-range Marker-less 3D Human Motion Capture with LiDAR Point Clouds [58.402752909624716]
  既存のモーションキャプチャデータセットはほとんどが短距離であり、まだ長距離アプリケーションのニーズに合わない。 我々は,この制限を克服するために,LiDARがより長い範囲で捉えた新しい人間のモーションキャプチャーデータセットLiDARHuman26Mを提案する。 我々のデータセットには、IMUシステムによって取得された人間の動きと同期RGB画像も含まれている。
  論文  参考訳（メタデータ） (2022-03-28T12:52:45Z)
• Embracing Single Stride 3D Object Detector with Sparse Transformer [63.179720817019096]
  自律走行のためのLiDARを用いた3次元物体検出では、物体サイズと入力シーンサイズとの比が2次元検出の場合に比べて有意に小さい。 多くの3D検出器は2D検出器の一般的な慣習に従っており、点雲の定量化後も特徴マップを分解する。 本稿では,SST(Single-stride Sparse Transformer)を提案する。
  論文  参考訳（メタデータ） (2021-12-13T02:12:02Z)
• Multimodal Virtual Point 3D Detection [6.61319085872973]
  ライダーをベースとしたセンサーは、現在の自動運転車を駆動する。 現在のLidarセンサーは、解像度とコストに関して従来のカラーカメラより20年遅れている。 本稿では,RGBセンサをLidarベースの3D認識にシームレスに融合する手法を提案する。
  論文  参考訳（メタデータ） (2021-11-12T18:58:01Z)
• PC-DAN: Point Cloud based Deep Affinity Network for 3D Multi-Object Tracking (Accepted as an extended abstract in JRDB-ACT Workshop at CVPR21) [68.12101204123422]
  点雲は3次元座標における空間データの密集したコンパイルである。 我々は3次元多目的追跡(MOT)のためのPointNetベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2021-06-03T05:36:39Z)

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。