抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
本論文では,RGB-Dカメラの深さ画像測定を改善するために,確率的フレームワーク内での新しい学習ベースのマルチモーダルセンシングパラダイムを提案した。提案した手法は,確率論的推論フレームワーク内で畳込みニューラルネットワーク(CNN)近似を用いて改良された深さ画像を提供するために,RGB-Dカメラとレーザ距離ファインダを用いた。同期RGB-Dとレーザ測定を,モデルを訓練するために環境で収集し,次に,深さ画像精度改善とセンサ距離拡張に使用した。モデルは,画素レベル測定の精度を強化するために,深さキューを含む付加的RGB情報を利用した。CNNの計算的に効率的な実装により,改良された深さ画像測定を提供するために未知の領域を探索しながらモデルを訓練することができる。この手法により,提案された操作限界をはるかに超える空間情報を含む深さ画像が得られる。最大範囲で類似のカメラ精度を維持しながら,ほぼ3倍の深さ範囲拡張(3:5mから10m)を実証した。平均絶対誤差も元の深さ画像から6倍減少した。この手法の有効性を非構造化オフィス空間で実証した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】