論文の概要: Automated Weld Seam Recognition and 3D Mapping for Robotic Post Processing Using Photogrammetry and Semantic Segmentation

• arxiv url: http://arxiv.org/abs/2609.03970v1
• Date: Thu, 03 Sep 2026 15:07:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-04 18:28:39.125911
• Title: Automated Weld Seam Recognition and 3D Mapping for Robotic Post Processing Using Photogrammetry and Semantic Segmentation
• Title（参考訳）: フォトグラムとセマンティックセグメンテーションを用いたロボット後処理のための自動溶接シーム認識と3次元マッピング
• Abstract要約: 本稿では,溶接シームの局所化に関する実験的なビジョンベースパイプラインを提案する。 提案手法は,複数の視点からデータをキャプチャし,セマンティックセグメンテーションを用いて画像からシームを識別し,同定された溶接シームを再構成モデルに再構成することを含む。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate identification of weld seam geometries is essential for automated robotic post processing operations such as grinding, finishing, and inspection. For large workpieces, complete surface scanning using high precision laser scanners or structured light sensors can be time consuming and often generates substantial amount of data that are not relevant. This paper presents an experimental vision based pipeline for the approximate localization of weld seams. This serves as a preliminary stage before high precision measurement. The proposed approach aims to reduce the overall scanning effort and data acquisition efficiency. The proposed method includes capturing images of the workpiece from multiple viewpoints, identifying weld seams from the images using semantic segmentation, reconstructing the workpiece using photogrammetry, and projection of identified weld seams into the reconstructed model.
• Abstract（参考訳）: 研削, 仕上げ, 検査などのロボット加工作業の自動化には, 溶接シームの正確な識別が不可欠である。 大きなワークピースでは、高精度レーザースキャナーや構造化光センサーを用いた完全な表面スキャンは時間がかかり、無関係な大量のデータを生成することが多い。 本稿では,溶接シームの局所化に関する実験的なビジョンベースパイプラインを提案する。 これは高精度な測定の前に予備段階として機能する。 提案手法は,スキャンの全体的な労力削減とデータ取得効率の向上を目的としている。 提案手法は, 複数視点からの加工品の画像の取得, セマンティックセグメンテーションを用いた画像からの溶接品の識別, フォトグラメトリーによる加工品の再構成, 同定された溶接品の復元モデルへの投影を含む。

関連論文リスト

• Towards a satellite image manipulation and deepfake localization benchmark dataset [0.5774786149181393]
  衛星画像の真正性を検証することが ますます重要になっている 生成人工知能の進歩から リモートセンシングコミュニティには、検出と画像鑑定アルゴリズムのトレーニングと評価に適した、高品質できめ細かい操作データセットが欠けている。 本稿では,衛星画像操作検出と局所化のための予備的なデータセット構築プロセスとプロトタイプベンチマークデータセットについて述べる。
  論文  参考訳（メタデータ） (2026-08-05T13:36:42Z)
• Breaking the Sub-Millimeter Barrier: Eyeframe Acquisition from Color Images [18.633528239379483]
  伝統的なフレームトレーサは正確な位置決めとキャリブレーションを必要とする機械ツールに依存している。 本研究は,多視点情報を利用した人工視覚に基づく新しいアプローチを提案する。
  論文  参考訳（メタデータ） (2026-02-18T09:06:06Z)
• LithoSeg: A Coarse-to-Fine Framework for High-Precision Lithography Segmentation [21.180887723277362]
  リソグラフィセグメンテーションに適した粗大なネットワークLithoSegを提案する。 粗い段階では、最小限の監督力で堅牢性を実現するために、SAM(Segment Anything Model)のためのHuman-in-the-Loopブートストラップ方式を導入する。 その後の微粒化では、粗いマスクを用いて溝幅プロファイルをサンプリングすることにより、2次元分割を1次元回帰問題として再キャストする。
  論文  参考訳（メタデータ） (2025-11-15T02:58:48Z)
• Single-image camera calibration with model-free distortion correction [0.0]
  本稿では,センサ全体をカバーする平面スペックルパターンの単一画像から,キャリブレーションパラメータの完全な集合を推定する方法を提案する。 デジタル画像相関を用いて校正対象の画像点と物理点との対応を求める。 プロシージャの最後には、画像全体にわたって、密度が高く均一なモデルフリーな歪みマップが得られる。
  論文  参考訳（メタデータ） (2024-03-02T16:51:35Z)
• Perceptual Artifacts Localization for Image Synthesis Tasks [59.638307505334076]
  我々は10,168個の画像からなる新しいデータセットを導入し,それぞれに知覚的アーティファクトラベルを付加した。 提案したデータセットに基づいてトレーニングされたセグメンテーションモデルは、さまざまなタスクにまたがるアーティファクトを効果的にローカライズする。 生成した画像の知覚的アーティファクトをシームレスに修正する,革新的なズームイン・インペインティングパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-10-09T10:22:08Z)
• Multi-Modal Dataset Acquisition for Photometrically Challenging Object [56.30027922063559]
  本稿では,3次元視覚タスクにおける現在のデータセットの限界について,精度,サイズ,リアリズム,および光度に挑戦する対象に対する適切な画像モダリティの観点から検討する。 既存の3次元認識と6次元オブジェクトポーズデータセットを強化する新しいアノテーションと取得パイプラインを提案する。
  論文  参考訳（メタデータ） (2023-08-21T10:38:32Z)
• EasyHeC: Accurate and Automatic Hand-eye Calibration via Differentiable Rendering and Space Exploration [49.90228618894857]
  我々は、マーカーレスでホワイトボックスであり、より優れた精度とロバスト性を提供するEasyHeCと呼ばれる手眼校正の新しいアプローチを導入する。 我々は,2つの重要な技術 – レンダリングベースのカメラポーズの最適化と整合性に基づく共同空間探索 – を利用することを提案する。 本評価は,合成および実世界のデータセットにおいて優れた性能を示す。
  論文  参考訳（メタデータ） (2023-05-02T03:49:54Z)
• An End-to-End Approach for Seam Carving Detection using Deep Neural Networks [0.0]
  シーム・カービング(Seam Carving)は、画像形状ではなく、その内容に基づいて画像の縮小と拡大の両面を縮小する計算方法である。 本稿では,自動シーム彫刻検出の課題に対処するためのエンドツーエンドアプローチを提案する。
  論文  参考訳（メタデータ） (2022-03-05T12:53:55Z)
• A parameter refinement method for Ptychography based on Deep Learning concepts [55.41644538483948]
  伝播距離、位置誤差、部分的コヒーレンスにおける粗いパラメトリゼーションは、しばしば実験の生存性を脅かす。 最新のDeep Learningフレームワークは、セットアップの不整合を自律的に補正するために使用され、ポチコグラフィーの再構築の質が向上する。 我々は,elettra シンクロトロン施設のツインミックビームラインで取得した合成データセットと実データの両方でシステムをテストした。
  論文  参考訳（メタデータ） (2021-05-18T10:15:17Z)
• Classification of Spot-welded Joints in Laser Thermography Data using Convolutional Neural Networks [52.661521064098416]
  レーザサーモグラフィーデータから得られた画像を用いてスポット溶接の品質検査を行う手法を提案する。 我々は畳み込みニューラルネットワークを用いて溶接品質を分類し、異なるモデルの性能を互いに比較する。
  論文  参考訳（メタデータ） (2020-10-24T20:38:12Z)
• Searching for Efficient Architecture for Instrument Segmentation in Robotic Surgery [58.63306322525082]
  ほとんどのアプリケーションは、高解像度の外科画像の正確なリアルタイムセグメンテーションに依存している。 我々は,高解像度画像のリアルタイム推論を行うために調整された,軽量で高効率なディープ残差アーキテクチャを設計する。
  論文  参考訳（メタデータ） (2020-07-08T21:38:29Z)

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。