Optimale Kamerapositionierung für 3D-Rekonstruktion in landwirtschaftlichen Umgebungen mit Rauschen
Eine neuartige geometriebasierte Rekonstruktionsqualitätsfunktion, die das vorhandene Rauschen der Umgebung berücksichtigt, ohne dessen geschlossene Ausdrucksform zu erfordern. Zur Optimierung dieser unbekannten Zielfunktion wird ein adaptiver Bayesianischer Optimierungsalgorithmus vorgestellt.
Effiziente Methode zur Ebenengruppierung in unordentlichen Umgebungen: Multi-Object RANSAC
Multi-Object RANSAC ist eine neuartige Methode zur effizienten Ebenengruppierung in unordentlichen Umgebungen, die die Leistung bei Robotergreifaufgaben in solchen Szenarien deutlich verbessert.
SOS-Match: Robuste Objektverfolgung und Lokalisierung in unstrukturierten Umgebungen
SOS-Match ist ein neuartiger Ansatz zur robusten Objektverfolgung und Lokalisierung in unstrukturierten Umgebungen, der eine effiziente Kartierung und Korrespondenzsuche ermöglicht, ohne Annahmen über den Inhalt der Umgebung zu treffen.
Visuelle Navigation mit StereoNavNet: Effiziente Hinderniserkennung und Pfadplanung durch Nutzung von Stereokameras
StereoNavNet ist ein neuartiger visueller Navigationsansatz, der eine modulare Lernarchitektur mit einer Wahrnehmungskomponente zur Schätzung eines 3D-Belegungsgitters und einer Steuerungskomponente zur Vorhersage von Navigationsbefehlen kombiniert. Dieser hybride Ansatz ermöglicht eine effiziente und robuste Navigation in bekannten und unbekannten Umgebungen.
Präzise und echtzeitfähige Schätzung der relativen Pose aus Dreifach-Punkt-Linien-Bildern durch Entkopplung von Rotation und Translation
Eine präzise und echtzeitfähige Methode zur Schätzung der relativen Pose aus Dreifach-Punkt-Linien-Bildern durch Entkopplung von Rotation und Translation.
Effiziente Synthese von Mehrfach-Greifposen für Holzstämme
Ein datengetriebenes Modell zur Synthese von Mehrfach-Greifposen aus RGB-D-Bildern und Instanzsegmentierungsmasken kann erfolgreich Greifposen für Holzstapel vorhersagen und dabei verschiedene Qualitätsmetriken berücksichtigen.
Effiziente Verbesserung der Leistung von Greiferkennungssystemen durch globale und lokale Anpassung von RGB-D-Daten aus Simulationen an die Realität
Eine globale-zu-lokale Methode zur Überbrückung der Domänenunterschiede zwischen simulierten und realen RGB-D-Daten sowie zur Ausrichtung von Multimodal-Merkmalen, um die Leistung von Greiferkennungssystemen in der Realität deutlich zu verbessern.
Sichere Roboternavigation und 3D-Szenenverständnis durch risikobasierte aktive Ansichtsgewinnung
Durch die Integration von Risikoeinschätzung in den Erkundungsprozess wird die Sicherheit der Roboternavigation und das Verständnis der 3D-Umgebung deutlich verbessert.
Effiziente Bildverarbeitung und Analyse zur Gewinnung von Erkenntnissen: RGBGrasp - Bildbasiertes Objektgreifen durch Erfassung mehrerer Ansichten während der Roboterarmenbewegung mit neuronalen Strahlungsfeldern
RGBGrasp ist ein innovativer Mehrfachansichts-Greifansatz, der hochauflösende 3D-Szenenrekonstruktionen durch die Integration von Tiefenvorhersagemodellen und beschleunigte 3D-Rekonstruktionsverfahren ermöglicht, um präzise Greifposen für transparente und spiegelnde Objekte zu bestimmen.
Ereignisbasierte rotatorische Bewegungsbündelausgleichsoptimierung und SLAM-System zur Kontrastmaximierung
Das vorgeschlagene CMax-SLAM-System nutzt den ereignisbasierten Kontrastmaximierungsansatz, um die kontinuierliche Trajektorie einer rotierenden Kamera zu schätzen und gleichzeitig eine scharfe panoramische Karte der Szene zu rekonstruieren.
© 2024 by Linnk AI