RGB-D cameras [20], [13] are an eme

RGB-D cameras [20], [13] are an emerging trend of technologies that provide high quality synchronized depth and color data. Using active sensing techniques, robust depth estimation has been achieved at real time. Microsoft Kinect [13], a depth camera that has made it into consumer applications, is a huge success with far-reaching implications for real-world visual perception. One key area of depth camera usage is in object recognition, a fundamental problem in computer vision and robotics. Traditionally, the success of visual recognition has been limited to specific cases, such as handwritten digits and faces. The most recent trend in computer vision is large-scale recognition (hundreds of thousands of categories, as in ImageNet [7]). For real-world object recognition, recent studies (e.g. [14]) have shown that it is feasible to robustly recognize hundreds of household objects. Kinect has adopted a recognition-based approach to estimate human poses from depth images [23]. The core of a robust recognition system is to extract meaningful representations (features) from high-dimensional observations such as images, videos, 3D point clouds and audio. Given the wide availability of depth cameras, it is an open question what is the best way to extract features over a depth map. There has been a lot of work in robotics on 3D features from point clouds: Spin Images [12] is a classical example of local 3D features analogous to SIFT [19]; the Fast Point Feature Histogram [21] is another example of an efficient 3D feature. These 3D features, developed on point

ผลลัพธ์ (ไทย) 1:

กล้องสีแบบ RGB-D [20], [13] มีแนวโน้มการเกิดขึ้นของเทคโนโลยีที่มีคุณภาพสูงตรงความลึกและสีข้อมูล ใช้เทคนิคการตรวจงาน ประเมินความลึกแข็งแรงได้รับความในเวลาจริง Microsoft Kinect [13], กล้องความลึกที่มีทำให้มันเป็นโปรแกรมประยุกต์สำหรับผู้บริโภค เป็นความสำเร็จอย่างมากกับนัยผับสำหรับรับรู้ภาพของจริง เป็นหนึ่งในพื้นที่สำคัญของการใช้กล้องความลึกในการรับรู้วัตถุ ปัญหาพื้นฐานในคอมพิวเตอร์วิทัศน์และวิทยา ประเพณี ความสำเร็จของการแสดงผลถูกจำกัด specific กรณี เช่นตัวเลขที่เขียนด้วยลายมือและใบหน้า แนวโน้มล่าสุดในคอมพิวเตอร์วิทัศน์จะรู้ขนาดใหญ่ (หลายร้อยหลายพันหมวดหมู่ ใน ImageNet [7]) การรู้จำวัตถุจริง การศึกษาล่าสุด (เช่น [14]) ได้แสดงให้เห็นว่า จะเป็นไปได้อย่างทนทานรู้จักหลายร้อยครัวเรือนวัตถุ Kinect ได้นำวิธีการใช้การประเมินโพสท่ามนุษย์จากความลึกของภาพ [23] หลักของระบบการรู้จำที่แข็งแกร่งคือการ แยก (คุณลักษณะ) ที่ใช้แทนความหมายจากการสังเกตสูงมิติเช่นรูปภาพ วิดีโอ เมฆจุด 3D และเสียง กำหนดความกว้างความลึกกล้อง เป็นคำถามเปิดเป็นวิธีดีที่สุดเพื่อแยกคุณลักษณะผ่านแผนที่ความลึก ได้รับของในหุ่นในลักษณะ 3D จากเมฆจุด: หมุนภาพ [12] เป็นตัวอย่างที่คลาสสิกของคุณสมบัติ 3D ท้องถิ่นคล้ายคลึงกับ SIFT [19]; รวดเร็วจุดลักษณะฮิสโตแกรม [21] เป็นอีกตัวอย่างหนึ่งของคุณลักษณะการ 3D efficient คุณลักษณะเหล่านี้ 3D พัฒนาบนจุด

ผลลัพธ์ (ไทย) 2:

กล้อง RGB-D [20] [13] เป็นแนวโน้มที่เกิดขึ้นใหม่ของเทคโนโลยีที่ให้ความลึกตรงที่มีคุณภาพสูงและข้อมูลที่มีสี โดยใช้เทคนิคการตรวจจับการใช้งานประมาณความลึกที่แข็งแกร่งได้รับความสำเร็จในเวลาจริง Microsoft Kinect [13] กล้องความลึกที่ได้ทำมันลงไปในการใช้งานของผู้บริโภคเป็นความสำเร็จขนาดใหญ่ที่มีความหมายกว้างขวางสำหรับโลกแห่งความจริงการรับรู้ภาพ หนึ่งในพื้นที่ที่สำคัญของการใช้งานกล้องความลึกอยู่ในการรับรู้วัตถุเป็นปัญหาพื้นฐานในการมองเห็นของคอมพิวเตอร์และหุ่นยนต์ ตามเนื้อผ้าความสำเร็จของการรับรู้ภาพที่ได้รับการ จำกัด ให้เฉพาะเจาะจงกรณีคเช่นตัวเลขที่เขียนด้วยลายมือและใบหน้า แนวโน้มล่าสุดในคอมพิวเตอร์วิสัยทัศน์คือการรับรู้ขนาดใหญ่ (หลายร้อยหลายพันประเภทเช่นเดียวกับใน Imagenet [7]) สำหรับการรับรู้วัตถุโลกแห่งความจริงการศึกษาล่าสุด (เช่น [14]) ได้แสดงให้เห็นว่ามันเป็นไปได้ที่จะรับรู้อย่างมากหลายร้อยของวัตถุที่ใช้ในครัวเรือน Kinect ได้นำวิธีการรับรู้ที่ใช้ในการประเมินการโพสท่าของมนุษย์จากภาพความลึก [23] แกนหลักของระบบการรับรู้ที่มีประสิทธิภาพคือการดึงการแสดงที่มีความหมาย (คุณสมบัติ) จากการสังเกตมิติสูงเช่นรูปภาพ, วิดีโอ, เมฆจุด 3 มิติและเสียง ได้รับการว่างกว้างของกล้องความลึกมันเป็นคำถามที่เปิดสิ่งที่เป็นวิธีที่ดีที่สุดที่จะดึงคุณสมบัติกว่าแผนที่ความลึก มีการทำงานมากในหุ่นยนต์ใน 3D มีจุดจากเมฆ: ภาพปั่น [12] เป็นตัวอย่างที่คลาสสิกของมี 3D ท้องถิ่นคล้ายจะลอด [19]; Point อาหารจานคุณสมบัติ Histogram [21] เป็นตัวอย่างของสาย EF คุณลักษณะ 3D เพียงพออีก คุณสมบัติเหล่านี้ 3D ได้รับการพัฒนาในประเด็น

ผลลัพธ์ (ไทย) 3:

rgb-d กล้อง [ 20 ] , [ 13 ] เป็นแนวโน้มใหม่ของเทคโนโลยี ที่ให้คุณภาพสูงและข้อมูลที่ตรงกัน ความลึกสี การใช้เทคนิคตรวจวัดประมาณความลึกที่แข็งแกร่งได้ประสบในเวลาจริง Microsoft Kinect [ 13 ] , ความลึกที่กล้องได้ในการใช้งานของผู้บริโภค เป็นความสำเร็จที่ยิ่งใหญ่ที่มีความหมายกว้างขวางสำหรับการรับรู้ภาพที่เป็นจริงพื้นที่ที่สำคัญของการใช้กล้อง ความลึกในการรับรู้วัตถุ ปัญหาพื้นฐานในวิสัยทัศน์คอมพิวเตอร์และหุ่นยนต์ นอกจากนี้ ความสำเร็จของการรับรู้ภาพ ได้ถูก จำกัด ให้กาจึง C กรณี เช่นตัวเลขที่เขียนด้วยลายมือและใบหน้า แนวโน้มล่าสุดในคอมพิวเตอร์วิสัยทัศน์คือการรับรู้ขนาดใหญ่ ( หลายร้อยหลายพันประเภท เช่น imagenet [ 7 ] )เพื่อต่อยอดการรับรู้วัตถุ การศึกษา ( เช่น [ 14 ] ) ได้แสดงให้เห็นว่ามันเป็นไปได้ที่จะทนทานได้ร้อยของวัตถุที่ใช้ในครัวเรือน Kinect ได้ประกาศใช้การรับรู้วิธีการที่ใช้ประเมินคนโพสภาพจากความลึก [ 23 ] หลักของระบบรู้จำที่แข็งแกร่งเพื่อสกัดใช้แทนความหมาย ( คุณสมบัติ ) จากการสังเกตสูง - มิติ เช่น ภาพ วิดีโอจุด 3D เมฆ และ เสียง ให้กว้างพร้อมกล้องลึก เป็นการเปิดคำถามอะไรคือวิธีที่ดีที่สุดเพื่อดึงคุณสมบัติมากกว่าความลึกแผนที่ มีงานมากในหุ่นยนต์ในลักษณะ 3D จุดจากเมฆ : ภาพ [ ปั่น 12 ] เป็นตัวอย่างคลาสสิกของ 3D ท้องถิ่นคุณสมบัติคล้ายคลึงกับร่อน [ 19 ] ;จุดได้อย่างรวดเร็วคุณสมบัติ Histogram [ 21 ] เป็นอีกหนึ่งตัวอย่างของ EF จึง cient 3D คุณลักษณะ คุณสมบัติ 3D เหล่านี้ พัฒนาจุด