JP2021056904A - 点群データ同一性推定装置及び点群データ同一性推定システム - Google Patents
点群データ同一性推定装置及び点群データ同一性推定システム Download PDFInfo
- Publication number
- JP2021056904A JP2021056904A JP2019181004A JP2019181004A JP2021056904A JP 2021056904 A JP2021056904 A JP 2021056904A JP 2019181004 A JP2019181004 A JP 2019181004A JP 2019181004 A JP2019181004 A JP 2019181004A JP 2021056904 A JP2021056904 A JP 2021056904A
- Authority
- JP
- Japan
- Prior art keywords
- point cloud
- cloud data
- data
- identity
- neural network
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 claims abstract description 79
- 238000013528 artificial neural network Methods 0.000 claims abstract description 78
- 238000005259 measurement Methods 0.000 claims description 37
- 230000009467 reduction Effects 0.000 claims description 9
- 238000013500 data storage Methods 0.000 description 27
- 238000000034 method Methods 0.000 description 20
- 238000006243 chemical reaction Methods 0.000 description 16
- 230000008569 process Effects 0.000 description 15
- 230000006870 function Effects 0.000 description 14
- 230000008859 change Effects 0.000 description 8
- 238000012545 processing Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 230000007547 defect Effects 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008602 contraction Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 230000000644 propagated effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T9/00—Image coding
- G06T9/002—Image coding using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/09—Supervised learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
- G06N5/041—Abduction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/08—Feature extraction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computational Linguistics (AREA)
- Mathematical Physics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Multimedia (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Geometry (AREA)
- Quality & Reliability (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
Abstract
Description
3次元点群データからなる第1点群データ及び第2点群データを取得する点群データ取得部と、
第1点群データに関する情報を入力して第1点群データ特徴量を出力する第1ニューラルネットワークと、
第2点群データに関する情報を入力して第2点群データ特徴量を出力する第2ニューラルネットワークと、
前記第1点群データ特徴量と前記第2点群データ特徴量とに基づいて、前記第1点群データと前記第2点群データの同一性に関する評価を出力する同一性評価部と、を有し、
前記第1ニューラルネットワークと前記第2ニューラルネットワークとは互いに重みが共有されている。
互いに同一の3次元形状を元にして作成された2つの3次元点群データに関する情報を第1教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、同一性評価部が同一性が高いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新し、
互いに異なる3次元形状を元にして作成された2つの3次元点群データに関する情報を第2教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、前記同一性評価部が同一性が低いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新する。
前記第1教師データは、互いに同一の3次元形状を元にして作成された2つの3次元点群データに関する情報のうち少なくとも一方を欠損させたもの、または、少なくとも一方にノイズを加えたものである。
前記第1教師データは、互いに同一の3次元形状を異なる条件で計測したものを元にして作成された2つの3次元点群データに関する情報である。
前記第1点群データに関する情報及び前記第2点群データに関する情報は、それぞれ、3次元点群データである。
所定の3次元形状を元にして作成された3次元点群データ、及び、前記所定の3次元形状を傾けない或いは所定の角度未満傾けたものを元にして作成された3次元点群データを、第3教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、同一性評価部が同一性が高いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新し、
所定の3次元形状を元にして作成された3次元点群データ、及び、前記所定の3次元形状を前記所定の角度以上傾けたものを元にして作成された3次元点群データを、第4教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、前記同一性評価部が同一性が低いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新する。
所定の3次元形状を元にして作成された3次元点群データ、及び、前記所定の3次元形状と同一サイズのもの或いは前記所定の3次元形状を所定範囲内の拡大率または縮小率で拡大または縮小したものを元にして作成された3次元点群データを、第5教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、同一性評価部が同一性が高いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新し、
所定の3次元形状を元にして作成された3次元点群データ、及び、前記所定の3次元形状を前記所定範囲を超えた拡大率または縮小率で拡大または縮小したものを元にして作成された3次元点群データを、第6教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、前記同一性評価部が同一性が低いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新する。
前記点群データ同一性推定装置は、
3次元点群データからなる第1点群データ及び第2点群データを取得する点群データ取得部と、
第1点群データに関する情報を入力して第1点群データ特徴量を出力する第1ニューラルネットワークと、
第2点群データに関する情報を入力して第2点群データ特徴量を出力する第2ニューラルネットワークと、
前記第1点群データ特徴量と前記第2点群データ特徴量とに基づいて、前記第1点群データと前記第2点群データの同一性に関する評価を出力する同一性評価部と、を有し、
前記第1ニューラルネットワークと前記第2ニューラルネットワークとは互いに重みが共有されている。
<点群データ同一性推定システムのシステム構成>
はじめに、第1の実施形態に係る点群データ同一性推定システムのシステム構成について説明する。図1は、点群データ同一性推定システムのシステム構成の一例を示す図である。
・第1の計測装置110が計測することで取得された3次元点群データを分割した複数の局所3次元点群データと、
・第2の計測装置111が計測することで取得された3次元点群データを分割した複数の局所3次元点群データと、
を互いに対応付けて格納する。
・互いに対応付けられた2つの局所3次元点群データの組を入力データとして、ディープニューラルネットワーク(DNN:Deep Neural Network、例えば、3次元点群データ用のDNNであるPointNet)を実行し、
・同一の3次元形状を元にして作成されたものであるか否かを示す情報を正解ラベルとして、該ディープニューラルネットワーク(例えば、3次元点群データ用のDNNであるPointNet)に含まれる重みパラメータを更新する、
学習処理を行う。
・互いに対応付けられた2つの局所3次元点群データの組を入力データとして、ディープニューラルネットワーク(例えば、3次元点群データ用のDNNであるPointNet)を実行し、
・互いに対応付けられた2つの局所3次元点群データの元となる3次元形状が、同一であるか否かを推論する、
推論処理を行う。
次に、点群データ同一性推定装置120のハードウェア構成について説明する。図2は、点群データ同一性推定装置のハードウェア構成の一例を示す図である。
次に、学習用データ格納部126に格納される学習用データの具体例について説明する。図3は、学習用データの一例を示す図である。図3に示すように、学習用データ300は、情報の項目として、"第1点群データ"、"第2点群データ"、"正解ラベル"を有する。
・"第1点群データ"の局所3次元点群データと、
・"第2点群データ"の局所3次元点群データと、
で、互いに対応付けられた2つの局所3次元点群データが、同一の3次元形状を元にして作成されたものであるか否かを示す情報として、"同一"または"非同一"のいずれかが格納される。
次に、データ拡張部123の機能構成の詳細について説明する。図4は、データ拡張部の機能構成の一例を示す図である。
次に、学習部124の機能構成の詳細について説明する。図5は、学習部の機能構成の一例を示す図である。図5に示すように、学習部124は、2つの局所3次元点群データが互いに同一の3次元形状を元にして作成されたものであるか否かを推論するために(同一性を評価するために)、シャム(Siamese)ネットワーク構造を利用する。
・2つの局所3次元点群データの同一性に関する評価を出力するのに適した点群データ特徴量が出力されるように、重みパラメータを学習することができる、
・学習用データ300において、"第1点群データ"及び"第2点群データ"にそれぞれ格納された局所3次元点群データの特性に偏りがあった場合でも、汎化性能の高い重みパラメータを学習することができる、
といった効果を奏することになる。この結果、第1の実施形態によれば、同一性の評価の精度を向上させることができる。
次に、学習部124による学習処理の流れについて説明する。図6は、学習部による学習処理の流れを示すフローチャートである。
次に、推論部125の機能構成の詳細について説明する。図7は、推論部の機能構成の一例を示す図である。学習部124と同様、推論部125は、2つの局所3次元点群データが、互いに同一の3次元形状を元にして作成されたものであるか否かを推論するために(同一性を評価するために)、シャム(Siamese)ネットワーク構造を利用する。
・2つの局所3次元点群データの同一性に関する評価を出力するのに適した点群データ特徴量を出力することができる、
・2つの局所3次元点群データを第1DNN部702と第2DNN部712のいずれに入力するかによらず、同一性に関する評価として、同じデータを出力することができる、
といった効果を奏することになる。この結果、第1の実施形態によれば、同一性の評価の精度を向上させることができる。
次に、推論部125による推論処理の流れについて説明する。図8は、推論部による推論処理の流れを示すフローチャートである。
次に、推論部125による推論結果の具体例について説明する。図9は、推論結果の具体例を示す図である。
以上の説明から明らかなように、第1の実施形態に係る点群データ同一性推定システムは、点群データ同一性推定装置が、
・3次元点群データからなる第1点群データ及び第2点群データを取得する第1点群データ取得部及び第2点群データ取得部を有する。
・第1点群データを入力して第1点群データ特徴量を出力する第1DNN部と、第2点群データを入力して第2点群データ特徴量を出力する第2DNN部とを有する。
・第1点群データ特徴量と第2点群データ特徴量とに基づいて、第1点群データと第2点群データの同一性に関する評価を出力する同一性評価部を有する。
・第1DNN部と第2DNN部とは、互いに重みパラメータが共有されている。
上記第1の実施形態では、点群データに関する情報が、3次元点群データそのものであるとして説明した。しかしながら、点群データに関する情報は、3次元点群データそのものに限定されず、メッシュデータ(ポリゴンデータ)やサーフェスデータ、CADデータ等であってもよい。
・角度変更部406が角度を変更する場合、及び、
・拡縮部407がサイズを変更する場合、
に変更の度合いに応じて、"正解ラベル"が"同一"の教師データと、"正解ラベル"が"非同一"の教師データとを生成するものとして説明した。
110、111 :第1、第2の計測装置
120 :点群データ同一性推定装置
121 :データ取得部
122 :データ変換部
123 :データ拡張部
124 :学習部
125 :推論部
300 :学習用データ
310、320 :3次元点群データ
311、312、321 :局所3次元点群データ
401 :読み出し部
402 :密度変更部
403 :欠損部
404 :ノイズ付加部
405 :バイアス付加部
406 :角度変更部
407 :拡縮部
408 :シフト部
501 :第1点群データ入力部
502 :第1DNN部
511 :第2点群データ入力部
512 :第2DNN部
521 :同一性評価部
531 :比較部
701 :第1点群データ入力部
702 :第1DNN部
711 :第2点群データ入力部
712 :第2DNN部
721 :同一性評価部
731 :出力部
Claims (8)
- 2つの3次元点群データの元となる対象物の同一性を推定する点群データ同一性推定装置であって、
3次元点群データからなる第1点群データ及び第2点群データを取得する点群データ取得部と、
第1点群データに関する情報を入力して第1点群データ特徴量を出力する第1ニューラルネットワークと、
第2点群データに関する情報を入力して第2点群データ特徴量を出力する第2ニューラルネットワークと、
前記第1点群データ特徴量と前記第2点群データ特徴量とに基づいて、前記第1点群データと前記第2点群データの同一性に関する評価を出力する同一性評価部と、を有し、
前記第1ニューラルネットワークと前記第2ニューラルネットワークとは互いに重みが共有されている、点群データ同一性推定装置。 - 互いに同一の3次元形状を元にして作成された2つの3次元点群データに関する情報を第1教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、同一性評価部が同一性が高いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新し、
互いに異なる3次元形状を元にして作成された2つの3次元点群データに関する情報を第2教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、前記同一性評価部が同一性が低いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新する、請求項1に記載の点群データ同一性推定装置。 - 前記第1教師データは、互いに同一の3次元形状を元にして作成された2つの3次元点群データに関する情報のうち少なくとも一方を欠損させたもの、または、少なくとも一方にノイズを加えたものである、請求項2に記載の点群データ同一性推定装置。
- 前記第1教師データは、互いに同一の3次元形状を異なる条件で計測したものを元にして作成された2つの3次元点群データに関する情報である、請求項2に記載の点群データ同一性推定装置。
- 前記第1点群データに関する情報及び前記第2点群データに関する情報は、それぞれ、3次元点群データである、請求項1に記載の点群データ同一性推定装置。
- 所定の3次元形状を元にして作成された3次元点群データ、及び、前記所定の3次元形状を傾けない或いは所定の角度未満傾けたものを元にして作成された3次元点群データを、第3教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、同一性評価部が同一性が高いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新し、
所定の3次元形状を元にして作成された3次元点群データ、及び、前記所定の3次元形状を前記所定の角度以上傾けたものを元にして作成された3次元点群データを、第4教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、前記同一性評価部が同一性が低いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新する、請求項5に記載の点群データ同一性推定装置。 - 所定の3次元形状を元にして作成された3次元点群データ、及び、前記所定の3次元形状と同一サイズのもの或いは前記所定の3次元形状を所定範囲内の拡大率または縮小率で拡大または縮小したものを元にして作成された3次元点群データを、第5教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、同一性評価部が同一性が高いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新し、
所定の3次元形状を元にして作成された3次元点群データ、及び、前記所定の3次元形状を前記所定範囲を超えた拡大率または縮小率で拡大または縮小したものを元にして作成された3次元点群データを、第6教師データとして前記第1ニューラルネットワーク及び前記第2ニューラルネットワークに入力した場合に、前記同一性評価部が同一性が低いと示す評価を出力するように、前記第1ニューラルネットワーク及び前記第2ニューラルネットワークの重みを互いに共有させながら更新する、請求項5に記載の点群データ同一性推定装置。 - 対象物を計測し、3次元点群データを作成する計測装置と、
2つの3次元点群データの元となる対象物の同一性を推定する点群データ同一性推定装置と、を有する点群データ同一性推定システムであって、
前記点群データ同一性推定装置は、
3次元点群データからなる第1点群データ及び第2点群データを取得する点群データ取得部と、
第1点群データに関する情報を入力して第1点群データ特徴量を出力する第1ニューラルネットワークと、
第2点群データに関する情報を入力して第2点群データ特徴量を出力する第2ニューラルネットワークと、
前記第1点群データ特徴量と前記第2点群データ特徴量とに基づいて、前記第1点群データと前記第2点群データの同一性に関する評価を出力する同一性評価部と、を有し、
前記第1ニューラルネットワークと前記第2ニューラルネットワークとは互いに重みが共有されている、点群データ同一性推定システム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019181004A JP6819758B1 (ja) | 2019-09-30 | 2019-09-30 | 点群データ同一性推定装置及び点群データ同一性推定システム |
CN202080066282.9A CN114424244B (zh) | 2019-09-30 | 2020-09-17 | 点云数据相同性估计装置及点云数据相同性估计*** |
US17/754,219 US11704841B2 (en) | 2019-09-30 | 2020-09-17 | Apparatus for estimating sameness of point cloud data and system for estimating sameness of point cloud data |
PCT/JP2020/035231 WO2021065538A1 (ja) | 2019-09-30 | 2020-09-17 | 点群データ同一性推定装置及び点群データ同一性推定システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019181004A JP6819758B1 (ja) | 2019-09-30 | 2019-09-30 | 点群データ同一性推定装置及び点群データ同一性推定システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6819758B1 JP6819758B1 (ja) | 2021-01-27 |
JP2021056904A true JP2021056904A (ja) | 2021-04-08 |
Family
ID=74200220
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019181004A Active JP6819758B1 (ja) | 2019-09-30 | 2019-09-30 | 点群データ同一性推定装置及び点群データ同一性推定システム |
Country Status (4)
Country | Link |
---|---|
US (1) | US11704841B2 (ja) |
JP (1) | JP6819758B1 (ja) |
CN (1) | CN114424244B (ja) |
WO (1) | WO2021065538A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024095380A1 (ja) * | 2022-11-02 | 2024-05-10 | 三菱電機株式会社 | 点群識別装置、学習装置、点群識別方法、および、学習方法 |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2023021559A1 (ja) * | 2021-08-16 | 2023-02-23 | 日本電気株式会社 | 推定モデル訓練装置、推定モデル訓練方法、認識装置、認識方法、及び非一時的なコンピュータ可読媒体 |
CN115880276B (zh) * | 2023-01-09 | 2023-05-12 | 广东电网有限责任公司肇庆供电局 | 一种基于多期点云对比的塔杆运行状态评估方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012057960A (ja) * | 2010-09-06 | 2012-03-22 | Topcon Corp | 点群位置データ処理装置、点群位置データ処理方法、点群位置データ処理システム、および点群位置データ処理プログラム |
JP2019101927A (ja) * | 2017-12-06 | 2019-06-24 | 株式会社日立製作所 | 学習システム及び画像検索システム |
JP2019133545A (ja) * | 2018-02-02 | 2019-08-08 | 株式会社デンソーアイティーラボラトリ | 特徴表現装置、それを含む認識システム、及び特徴表現プログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2674326C2 (ru) * | 2017-02-20 | 2018-12-06 | Автономная некоммерческая образовательная организация высшего образования "Сколковский институт науки и технологий" | Способ формирования архитектуры нейросети для классификации объекта, заданного в виде облака точек, способ ее применения для обучения нейросети и поиска семантически схожих облаков точек |
WO2018190805A1 (en) * | 2017-04-11 | 2018-10-18 | Siemens Aktiengesellschaft | Depth image pose search with a bootstrapped-created database |
US10679075B2 (en) * | 2017-08-31 | 2020-06-09 | Nec Corporation | Dense correspondence estimation with multi-level metric learning and hierarchical matching |
CN108228798B (zh) * | 2017-12-29 | 2021-09-17 | 百度在线网络技术(北京)有限公司 | 确定点云数据之间的匹配关系的方法和装置 |
CN108198145B (zh) * | 2017-12-29 | 2020-08-28 | 百度在线网络技术(北京)有限公司 | 用于点云数据修复的方法和装置 |
WO2019182974A2 (en) * | 2018-03-21 | 2019-09-26 | Nvidia Corporation | Stereo depth estimation using deep neural networks |
US10832084B2 (en) * | 2018-08-17 | 2020-11-10 | Nec Corporation | Dense three-dimensional correspondence estimation with multi-level metric learning and hierarchical matching |
CN110147706B (zh) * | 2018-10-24 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 障碍物的识别方法和装置、存储介质、电子装置 |
WO2020154973A1 (en) * | 2019-01-30 | 2020-08-06 | Baidu.Com Times Technology (Beijing) Co., Ltd. | Lidar localization using rnn and lstm for temporal smoothness in autonomous driving vehicles |
US20200311136A1 (en) * | 2019-03-25 | 2020-10-01 | HealthBlock, Inc. | Measuring and increasing the quality of user-provided information |
CN110246167A (zh) * | 2019-06-14 | 2019-09-17 | 北京百度网讯科技有限公司 | 用于处理点云数据的方法和装置 |
-
2019
- 2019-09-30 JP JP2019181004A patent/JP6819758B1/ja active Active
-
2020
- 2020-09-17 US US17/754,219 patent/US11704841B2/en active Active
- 2020-09-17 CN CN202080066282.9A patent/CN114424244B/zh active Active
- 2020-09-17 WO PCT/JP2020/035231 patent/WO2021065538A1/ja active Application Filing
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012057960A (ja) * | 2010-09-06 | 2012-03-22 | Topcon Corp | 点群位置データ処理装置、点群位置データ処理方法、点群位置データ処理システム、および点群位置データ処理プログラム |
JP2019101927A (ja) * | 2017-12-06 | 2019-06-24 | 株式会社日立製作所 | 学習システム及び画像検索システム |
JP2019133545A (ja) * | 2018-02-02 | 2019-08-08 | 株式会社デンソーアイティーラボラトリ | 特徴表現装置、それを含む認識システム、及び特徴表現プログラム |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2024095380A1 (ja) * | 2022-11-02 | 2024-05-10 | 三菱電機株式会社 | 点群識別装置、学習装置、点群識別方法、および、学習方法 |
Also Published As
Publication number | Publication date |
---|---|
US11704841B2 (en) | 2023-07-18 |
JP6819758B1 (ja) | 2021-01-27 |
US20220343553A1 (en) | 2022-10-27 |
WO2021065538A1 (ja) | 2021-04-08 |
CN114424244A (zh) | 2022-04-29 |
CN114424244B (zh) | 2022-09-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2021065538A1 (ja) | 点群データ同一性推定装置及び点群データ同一性推定システム | |
US9361728B2 (en) | Submarine topography construction method based on multi-source water depth data integration | |
US9928314B2 (en) | Fitting sample points with an isovalue surface | |
JP6359868B2 (ja) | 3次元データ表示装置、3次元データ表示方法、及び3次元データ表示プログラム | |
JP2016523394A (ja) | 3d点の集合にプリミティブ形状をフィッティングする方法 | |
WO2018113502A1 (zh) | 一种自动生成网格与着色器多层次细节的方法 | |
JPWO2013111195A1 (ja) | 描画データ生成装置及び画像描画装置 | |
CN108897836A (zh) | 一种机器人基于语义进行地图构建的方法和装置 | |
JP5372241B2 (ja) | 画像表示装置 | |
JPWO2009104218A1 (ja) | 地図表示装置 | |
KR20230167746A (ko) | 메시 정점 위치에 대한 반복 및 루트 찾기를 사용하여 표면에 근사하는 폴리곤 메시를 생성하기 위한 방법 및 시스템 | |
US9324187B2 (en) | Visualization apparatus and method | |
US20240193747A1 (en) | System and Method for Point Cloud Generation | |
JP6725310B2 (ja) | 画像処理装置及びプログラム | |
JP2006047700A (ja) | 3次元海底地形図表示装置及び方法 | |
JPWO2022180864A5 (ja) | ||
Liew et al. | Searching for the optimum value of the smoothing parameter for a radial basis function surface with feature area by using the bootstrap method | |
KR100684558B1 (ko) | 텍스쳐 밉매핑 장치 및 방법 | |
KR102056810B1 (ko) | 하이 오더 메쉬 구조를 갖는 그래픽 모델의 메쉬 품질 향상을 위한 그래픽 처리 장치 및 방법 | |
JP2023023446A (ja) | 点群データ同一性推定装置及び点群データ同一性推定システム | |
CN114004175B (zh) | 一种快速查找全域壁面距离和无量纲壁面距离的方法 | |
US11954802B2 (en) | Method and system for generating polygon meshes approximating surfaces using iteration for mesh vertex positions | |
CN111144064B (zh) | 文字变形方法、介质、设备及装置 | |
US20230394767A1 (en) | Method and system for generating polygon meshes approximating surfaces using root-finding and iteration for mesh vertex positions | |
JPH11328442A (ja) | 三次元物体の表面形成方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20200915 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200917 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200915 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20201201 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20201214 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6819758 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |