Affordance Detection of Tool Parts from Geometric Features
@ICRA 2015
背景介绍
Affordence 解释:Affordence
本文提出从定位和几何原语提出两种方法学习Affordence:基于高像素的层次匹配(S-HMP)和结构化随机森林(SRF)。
S-HMP
深度特征:首先应用平滑和插值算子来减少噪声和失去的深度值。然后,从块中减去平均值获得深度绝对变化的鲁帮性。这些块直接用HMP学习层次稀疏编码字典。第一层,HMP捕捉原始结构像变化方向的深度边缘,更高层编码越来越抽象的表示。
曲面法线:使用深度相机的内参从估计的3D曲面法线恢复3D点云。
主曲率:主曲率是局部块几何的外在不变量,与视点无关。主曲率(k1,k2k_{1},k_{2}k1,k2)k1>k2k_{1}>k_{2}k1>k2描述曲面如何在不同的方向弯曲。
形状指数和曲率(SI+CV):
SI=−2πarctan(k1+k2k1−k2),CV=k12+k122SI=-\frac{2 }{\pi}arctan(\frac{k_{1}+k_{2}}{k_{1}-k_{2}}),CV=\sqrt{\frac{k_{1}^{2}+k_{1}^{2}}{2}}SI=−π2arctan(k1−k2k1+k2),CV=2k12+k12
给一张RGB-D图,使用SLIC算法合并深度和曲面法线信息将RGB-D图像中的物体分割成表面小碎片。使用多特征分割是必要的。对于每个高像素,使用HMP从每个不同的几何衡量计算层次稀疏编码HMP。
SRF
随机森林是集成学习的方法组合KKK个决策树,可以进行分类或者回归。这篇论文工作,在输入和输出中对标准的随机森林加入结构化约束:
Gj=H(Dj−∑cϵL,R∣Djc∣∣Dj∣H(Djc)G_{j}=H(D_{j}-\underset{c\epsilon{L,R}}{\sum}\frac{\left | D_{j}^{c} \right | }{\left | D_{j} \right|}H(D_{j}^{c})Gj=H(Dj−cϵL,R∑∣Dj∣∣Djc∣H(Djc)
结果
Affordance Detection of Tool Parts from Geometric Features相关推荐
- 论文阅读学习 - AffordanceNet for Object Affordance Detection
AffordanceNet - Object Affordance Detection [Paper] [Code-Caffe] 摘要: AffordanceNet, 主要用于从 RGB 图片中同时检 ...
- [CVPR 2020] D3Feat: Joint Learning of Dense Detection and Description of 3D Local Features
零.概要 论文: D3Feat: Joint Learning of Dense Detection and Description of 3D Local Features tag: CVPR 20 ...
- Scale-Dependent 3D Geometric Features
这篇文章主要讲如何提取3D模型中的corner和edge. 但是是scale-dependent的 我理解的scale就是文中平滑的时候影响的范围大小
- An End-to-End Steel Surface Defect Detection Approach via Fusing Multiple Hierarchical Features
网络结构 建立了一个端到端的ADI系统,即缺陷检测网络(DDN).使用ResNet在每个阶段生成特征图,然后所提出的多级特征融合网络(MFN)将ResNet的所有阶段的特征合并到一个特征中,该特征可以 ...
- Tongue shape classification by geometric features总结
这篇文章的主要讲的是给舌头形状分类,首先采用自动轮廓提取和3个几何准则(length,area,angle)对舌头进行校正,然后利用7个基于length.area.angle信息的子特征进行舌头形状分 ...
- (CVPR 20) D3Feat: Joint Learning of Dense Detection and Description of 3D Local Features
想要了解深入了解D3Feat产生的原因,建议可以先去看一下D2Net[1],再来看D3Feat. D3Feat核心优势: D3Feat提供了一种联合框架,在学习描述子的同时进行关键点的检测,传统匹配可 ...
- 笔记:A Novel Representation of Parts for Accurate 3D Object Detection and Tracking in Monocular Images
A Novel Representation of Parts for Accurate 3D Object Detection and Tracking in Monocular Images 20 ...
- object detection
原地址:https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html Object Detection Pu ...
- Object Detection(目标检测神文)
目标检测神文,非常全而且持续在更新.转发自:https://handong1587.github.io/deep_learning/2015/10/09/object-detection.html,如 ...
最新文章
- python opencv 图像旋转
- python hbase 报错by_【hbase】使用thrift with python 访问HBase
- Oracle数据库在Nokia
- 冰雪奇缘,白色世界:四个IT人的四姑娘山双桥沟游记
- 【C++ Primer | 15】面试问题
- 【转】飞扬青云_Qt开发经验
- php中isset() , unnset(), empty()函数
- 给刚博士毕业的年轻学者9点建议,最后一条:抓紧结婚,生娃!
- 厉害了!顶级学术期刊封面的“中国元素”
- 以前看书时记得一些笔记(二),很早了,现在再看都有些看不懂了
- 【转】C# 过滤HTML,脚本,数据库关键字,特殊字符
- 变革中的技术——2010-2011回顾与展望
- 加载Selenium2Library却显示红色
- 《大型网站技术架构》读后感
- 实现74HC151的8选1数据选择器功能以及用两片74HC151组成一个16选1数据选择器
- Linux 复制文件命令
- 什么是PSD(功率谱密度)
- 在 JDK 1.4 中打印
- 5.7 UITableView单元格间隔背景色 [原创iOS开发-Xcode教程]
- 感谢孙权、欢迎行癫,阿里云在路上!
热门文章
- man fclose
- createfile失败(createfile错误,此操作失败怎么办)
- wireshark长时间抓包分多个文件
- 裸辞三个月之后,我差点崩溃了
- 这写孩子对计算机游戏上瘾了,孩子游戏上瘾怎么办?
- vs提示: the following site was not found in the following configuration files解决办法
- 22种实用方法,让你如何管理好员工?
- mysql数据库存储表情都是问号_数据库保存中文全为问号以及emoji表情保存出错...
- 在计算机系统中 控制和管理各种资源,操作系统试题2
- 央视《对话》| “中国脑计划”:向最后的前沿进发