Кубоид (компьютерное зрение)

В компьютерном зрении термин кубоид используется для описания небольшого пространственно-временного объема, извлеченного в целях распознавания поведения . ^{[ 1 ]} Кубоид считается основным геометрическим примитивом и используется для изображения трехмерных объектов в трехмерном представлении плоского двухмерного изображения. ^{[ 2 ]}

Производство

Кубоиды могут быть созданы как из двухмерных, так и из трехмерных изображений. ^{[ 3 ]}

Один из методов, используемых для создания кубоидов, использует базы данных примитивов понимания сцены (SUN), которые представляют собой коллекции изображений, которые уже содержат кубоиды. Сортируя базы данных примитивов SUN с помощью инструментов машинного обучения, компьютеры наблюдают за условиями, в которых кубоиды создаются в изображениях из баз данных примитивов SUN, и могут научиться создавать кубоиды из других изображений. ^{[ 2 ]}

Изображения RGB-D, представляющие собой изображения RGB , которые также записывают глубину каждого пикселя, иногда используются для создания кубоидов, поскольку компьютерам больше не нужно определять глубину объекта, как они обычно делают, поскольку глубина уже записана. ^{[ 4 ]}

Кубовидная форма чувствительна к изменениям цвета и освещенности, закупорке и помехам фона. Это означает, что компьютерам сложно создавать кубоиды объектов, которые являются разноцветными, неравномерно освещенными или частично закрытыми, или если на заднем плане много объектов. Частично это связано с тем, что алгоритмы создания кубоидов все еще относительно просты. ^{[ 3 ]}

Использование

Кубоиды создаются для облаков точек и могут использоваться в различных ситуациях, таких как дополненная реальность, трехмерных карт на основе ^{[ 5 ]} автоматизированное управление автомобилями, дронами и роботами, ^{[ 4 ]} и обнаружение объектов. ^{[ 3 ]}

Кубоиды позволяют программному обеспечению идентифицировать сцену посредством геометрических описаний «объектно-агностическим» способом. ^{[ 2 ]}

Точки интереса, местоположения на изображениях, которые компьютер определяет как важные для идентификации изображения, созданные на основе двухмерных изображений, могут использоваться с кубоидами для сопоставления изображений, идентификации комнаты или сцены и распознавания экземпляров. Точки интереса, созданные из трехмерных изображений, можно использовать с кубоидами для распознавания действий. Это возможно, поскольку точки интереса помогают программному обеспечению сосредоточиться только на самых важных аспектах изображений. ^{[ 3 ]}

Изображения RGB-D и системы SLAM используются вместе в системах RGB-D SLAM, которые используются системами автоматизированного проектирования для создания трехмерных карт на основе облаков точек. ^{[ 4 ]}

Большинство промышленных многоосных обрабатывающих инструментов используют компьютеризированное производство и впоследствии работают в кубовидных рабочих пространствах. ^{[ 6 ]}

Ссылки

^ П. Доллар; В. Рабо; Г. Коттрелл; С. Белонги (октябрь 2005 г.). Распознавание поведения с помощью разреженных пространственно-временных признаков . 2-й совместный международный семинар IEEE по визуальному наблюдению и оценке эффективности систем слежения и наблюдения. стр. 65–72. CiteSeerX 10.1.1.77.5712 . дои : 10.1109/ВСПЕЦ.2005.1570899 .
^ Jump up to: ^а ^б ^с Сяо, Цзяньсюн; Рассел, Брайан С.; Торральба, Антонио (2012). «Локализация 3D-кубоидов в изображениях с одним изображением» . Материалы 25-й Международной конференции по нейронным системам обработки информации - Том 1 . НИПС'12. США: Curran Associates Inc.: 746–754.
^ Jump up to: ^а ^б ^с ^д Аггарвал, Дж. К.; Ся, Лу (2013). «Функция пространственно-временного сходства кубоида по глубине для распознавания активности с использованием камеры глубины» : 2834–2841. {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )
^ Jump up to: ^а ^б ^с Мисима, Масаси; Утияма, Хидеаки; Томас, Диего; Танигучи, Рин-итиро; Роберто, Рафаэль; Лима, Жуан-Паулу; Тейхриб, Вероника (06 января 2019 г.). «Инкрементное 3D-моделирование кубовидной формы с компенсацией дрейфа» . Датчики (Базель, Швейцария) . 19 (1): 178. Бибкод : 2019Senso..19..178M . дои : 10.3390/s19010178 . ISSN 1424-8220 . ПМК 6339002 . ПМИД 30621340 .
^ и, и (сентябрь 1999 г.). «Новый подход к дополненной реальности без калибровки, основанный на параметризованной кубовидной структуре». Материалы седьмой международной конференции IEEE по компьютерному зрению . Том. 1. С. 30–37 т.1. дои : 10.1109/ICCV.1999.791194 . ISBN 0-7695-0164-8 . S2CID 45247014 .
^ Ван, З.; Ван, Г.; Джи, С.; Ван, Ю.; Юань, К. (декабрь 2007 г.). «Оптимальная конструкция линейного дельта-робота для предписанного кубовидного маневренного рабочего пространства». 2007 Международная конференция IEEE по робототехнике и биомиметике (ROBIO) . стр. 2183–2188. дои : 10.1109/РОБИО.2007.4522508 . ISBN 978-1-4244-1761-2 . S2CID 2186542 .

Эта словарному запасу статья, посвященная , незавершена . Вы можете помочь Википедии, расширив ее .

Эта искусственному интеллекту статья, посвященная , незавершена . Вы можете помочь Википедии, расширив ее .

[1] П. Доллар; В. Рабо; Г. Коттрелл; С. Белонги (октябрь 2005 г.). Распознавание поведения с помощью разреженных пространственно-временных признаков . 2-й совместный международный семинар IEEE по визуальному наблюдению и оценке эффективности систем слежения и наблюдения. стр. 65–72. CiteSeerX 10.1.1.77.5712 . дои : 10.1109/ВСПЕЦ.2005.1570899 .

[:0-2] Jump up to: ^а ^б ^с Сяо, Цзяньсюн; Рассел, Брайан С.; Торральба, Антонио (2012). «Локализация 3D-кубоидов в изображениях с одним изображением» . Материалы 25-й Международной конференции по нейронным системам обработки информации - Том 1 . НИПС'12. США: Curran Associates Inc.: 746–754.

[:1-3] Jump up to: ^а ^б ^с ^д Аггарвал, Дж. К.; Ся, Лу (2013). «Функция пространственно-временного сходства кубоида по глубине для распознавания активности с использованием камеры глубины» : 2834–2841. {{cite journal}}: Для цитирования журнала требуется |journal= ( помощь )

[:2-4] Jump up to: ^а ^б ^с Мисима, Масаси; Утияма, Хидеаки; Томас, Диего; Танигучи, Рин-итиро; Роберто, Рафаэль; Лима, Жуан-Паулу; Тейхриб, Вероника (06 января 2019 г.). «Инкрементное 3D-моделирование кубовидной формы с компенсацией дрейфа» . Датчики (Базель, Швейцария) . 19 (1): 178. Бибкод : 2019Senso..19..178M . дои : 10.3390/s19010178 . ISSN 1424-8220 . ПМК 6339002 . ПМИД 30621340 .

[5] и, и (сентябрь 1999 г.). «Новый подход к дополненной реальности без калибровки, основанный на параметризованной кубовидной структуре». Материалы седьмой международной конференции IEEE по компьютерному зрению . Том. 1. С. 30–37 т.1. дои : 10.1109/ICCV.1999.791194 . ISBN 0-7695-0164-8 . S2CID 45247014 .

[6] Ван, З.; Ван, Г.; Джи, С.; Ван, Ю.; Юань, К. (декабрь 2007 г.). «Оптимальная конструкция линейного дельта-робота для предписанного кубовидного маневренного рабочего пространства». 2007 Международная конференция IEEE по робототехнике и биомиметике (ROBIO) . стр. 2183–2188. дои : 10.1109/РОБИО.2007.4522508 . ISBN 978-1-4244-1761-2 . S2CID 2186542 .

[ 1 ]

[ 2 ]

[ 3 ]

[ 4 ]

[ 5 ]

[ 6 ]