文献

J-GLOBAL ID：202202297709929927   整理番号：22A0480664

生産ワークショップにおける3Dオブジェクト検出のためのマルチモーダル特徴融合【JST・京大機械翻訳】

Multi-modal feature fusion for 3D object detection in the production workshop

著者 (5件)： Hou Rui (College of Nuclear Technology and Automation Engineering, Chengdu University of Technology, Chengdu, China) ,  Chen Guangzhu (College of Computer Science and Cyber Security, Chengdu University of Technology, Chengdu, China) ,  Han Yinhe (College of Computer Science and Cyber Security, Chengdu University of Technology, Chengdu, China) ,  Tang Zaizuo (College of Computer Science and Cyber Security, Chengdu University of Technology, Chengdu, China) ,  Ru Qingjun (College of Computer Science and Cyber Security, Chengdu University of Technology, Chengdu, China)
資料名： Applied Soft Computing  (Applied Soft Computing)
巻： 115  ページ： Null  発行年： 2022年 
JST資料番号： W2175A  ISSN： 1568-4946  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 3D物体検出技術は,知的認識を実現し,ワークショップの生産安全性を確保するために非常に重要である。既存の3D物体検出は,大規模,高品質3Dアノテーションデータに依存し,実際のワークショップシーンの認識には不適当である。本論文では,生産ワークショップのためのマルチモーダル特徴融合3D物体検出法(MFF3D)を提案した。MFF3Dの設計は次の段階を含む。(1)改良YOLOv3はオブジェクトの2D事前領域を達成し,RGB-D顕著性検出は,その領域でオブジェクト画像画素を得る。(2)対象物に対応する深さ画像画素は,オブジェクトのフラータムポイントクラウドを作り出すために予測して,マルチモード特性融合戦略は,異常値ポイントを除去して,ポイントクラウドの数を減らすために,対象物のフラストーポイントクラウドを簡素化した。これは深いニューラルネットワークに基づく3Dオブジェクト推論プロセスを置き換えることができる。(3)軸配列境界ボックスアルゴリズムを用いて,オブジェクトの3D境界ボックスを生成し,主成分分析アルゴリズム(PCA)を用いて,物体の姿勢情報を計算した。MFF3Dをワークショップに適用し,実験は実現可能性と検出精度を検証した。実験評価のために生産ワークショップオブジェクトデータセット(PWOD)を設定した。少量の2Dアノテーションデータおよび3Dアノテーションデータの場合,実験結果は,3Dオブジェクト(IoU3D)の結合上の交差の閾値が0.5であるとき,3Dオブジェクト(mAP3D)の平均精度値が60.31に達し,そして,検出率が3FPSに達することを示した。MFF3Dは3Dアノテーションデータに依存せず,生産ワークショップのオブジェクトを効果的に検出することができる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  簡素化 ,  ニューラルネットワーク ,  画素 ,  検出法 ,  二次元 ,  *多モード ,  異常値 ,  *三次元 ,  主成分分析
準シソーラス用語： *物体検出 ,  高品質 ,  検出率 ,  検出精度 ,  RGB-D , 【Automatic Indexing@JST】

著者キーワード (5件)： 生産ワークショップ ,  RGB-D ,  マルチモーダル特徴融合 ,  3Dオブジェクト検出 ,  YOLOv3

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： ワークショップ ,  3D ,  オブジェクト検出 ,  マルチモーダル ,  特徴融合