大人になった？SXSW 米スタートアップ祭典開幕 - 日本経済新聞世界中からスタートアップの経営者らが集まるテクノロジーの祭典「サウス・バイ・サウスウエスト（SXSW）」が9日、米テキサス州オースティンで開幕した。フェイク（偽）ニュースなどの世相を表してか、技術楽観論よりも社会問題にシビアな姿勢が印象に残る一方、ほやほやのスタートアップだけでないITの巨人の進出も目立つ。アップル・グーグルから「大物」集まる今年のSXSWで目立つのが、テクノロジー系大手の存
3Dプリンターで作る、24時間で建つお家。お値段100万円ほど、コストもセンスも良さげ
3Dプリンターで作る、24時間で建つお家。お値段100万円ほど、コストもセンスも良さげ2018.03.14 18:0079,461 そうこ 家のあり方が、まさに今変わろうとしています。 トップ画像のこのお家、なんと3Dプリンターで作られました。しかも、作るのに必要なのは12時間から24時間ほど。今から作り始めたら、明日の夜には家で寝れるという驚異のスピード。コストが1万ドル（約106万円）というのも、またびっくり。 3Dプリンターの家を手がけたのは、サステイナブル建築を行なうICON。使われた3DプリンターはVulcanが開発。現在、テキサス州オースティンで開催中のSXSWにて、モデルハウスを展示しており、その広さは60平方メートルほど。リビングと寝室に加え、ちょっとしたポーチまでついています。内装に使われているファブリックがカラフルな柄もの、置かれている家具がモダンでオシャレというのもあ
テキサス州オースティン ―全米で最も注目を集めるハイテク都市―
米国テキサス州にあるオースティンは全米第2位のハイテク都市である。なぜ、この都市ではこのようにハイテク産業が活発化したのか、そしていま、どんな活動が行われているのか。最新事情をレポートする。 2015年3月13日から17日まで米国テキサス州オースティンで開催されたSXSW（サウス・バイ・サウスウエスト）に、日本の科学技術をベースにしたスタートアップ*110チームが参加した。SXSWは1987年にテキサス大学オースティン校の学生が始めた音楽祭であったが、その後、映画祭とインタラクティブ部門(SXSWi、図1)が加わり、今では約20万人近い参加者が訪れる米国最大級のビジネスイベントとなっている。インタラクティブ部門は今やスタートアップの登竜門となっていて、Twitterや決済アプリのスクエア(Square)など、世界的に有名なサービスの多くがSXSWiでお披露目をしていることでも知られる。 今
米テキサスでまた爆発、２人負傷 今月４件目
（ＣＮＮ） 米テキサス州オースティンで１８日夕に爆発があり、当局によると２人が負傷した。重傷だが命に別条はないという。オースティンでは１２日にも小包に入った爆弾が爆発する事件が相次ぎ、死傷者が出ていた。 爆発の通報を受けた警察は、午後８時３２分に現場に駆け付けた。 郡の緊急医療当局によると、負傷した２人はいずれも２０代の男性で、ともに医療施設に運ばれた。 オースティンでは２日と１２日にも爆弾入りの小包で死傷者が出る事件が相次いでいた。これら３件の爆発で２人が死亡、２人が負傷した。 警察は動機について不明としながらも、非白人ばかりが狙われていることからヘイトクライム（憎悪犯罪）の可能性もあると見て調べている。 １８日の爆発が上記の事件と関係があるかどうかは明らかになっていない。オースティン警察の幹部は住民らに対し「小包もしくは小包とみられるものには決して触らないように。今の段階では近づいても
色相による物体の追跡
物体の検出と追跡 カメラ画像での物体の「検出」／「追跡」は、次のようなものです。 検出: detection画像中で対象物が映っている領域をみつける 追跡: trackingフレーム中での対象物の移動を把握する 今回は、対象物の色を手がかりにした追跡を行ってみます。 対象物が映っている領域の指定は、マウスでドラッグすることで行います。その後、指定した領域の特徴をもとに、追跡を行います。 検出と追跡の両方を行えば、例えばカメラに写った顔をみつけてそれがフレーム中でどのように移動していくのかを把握することができます。 色相による追跡の流れ 対象物の色相を特徴として、それを追跡します。 あらかじめ対象物が映っている領域を指定するので、このときにその領域のHueのヒストグラムが得られます。指定された領域とこのヒストグラムをもとに、追跡を行っていきます。追跡の流れは、次のとおりです。 RGB画像をH
3 次元点群への平面の近似 - MATLAB pcfitplane - MathWorks 日本
model = pcfitplane(ptCloudIn,maxDistance) は、インライア点から平面までの最大許容距離が指定されている点群に平面を近似します。この関数は、平面を表す幾何学的モデルを返します。 この関数は、M-estimator SAmple Consensus (MSAC) アルゴリズムを使用して平面を検出します。MSAC アルゴリズムは、RANdom SAmple Consensus (RANSAC) アルゴリズムのバリアントです。 model = pcfitplane(ptCloudIn,maxDistance,referenceVector) は、1 行 3 列の referenceVector 入力によって追加の方向の制約が指定されている点群に平面を近似します。
点群データへの平面のフィッティング
最小二乗法による点群データへの平面あてはめ (2015.09.18) ここで説明するのは、Kinectなどの３Ｄスキャナから取り込んだ３次元点群データにおいて、 点群との２乗距離の合計を最小にする平面を求める解析的方法についてである。 定式化については疑似逆行列を用いる多重回帰に類似しているが、結論はかなり異なっている。 けっこう需要がありそうな割に、なぜか検索してもあまり情報が無かったり、あっても明らかに間違いを含んでいたので、 以下のように導出を簡潔にまとめてみたのでご参考まで。 点群との二乗距離最小平面が、点群の重心を通ることを証明していないが、ここでは省略する。 当初、単なる２次関数の極値問題だろうから多重回帰と同様に疑似逆行列計算一発で答えが出るだろうとタカをくくっていたのだが、 行列の固有値問題に帰着されて解が３つ出てきてしまい、どの解を選択したら良いのか分からず混乱したが、
Monitoring System Page1
背景と目的 システム概要 メンバー 背景と目的 室内環境、例えば、研究室や社内オフィスといった場所は多くの人が出入りするので、誰が物を[持ち込んだ/持ち去った]のか特定することは困難です。さらに、室内の映像が保存されていたとしても、長時間の記録映像から目的のシーンを探し出すのは労力を要する上に見逃しの問題もはらんでいます。 そこで、このような大量の映像データをシステムが自動整理して効率よく保存しておき、ユーザは必要最低限の指示を行うだけで目的のシーンを検索できれば非常に便利です。 室内監視班では、監視映像下に起こる「物体の持ち込み/持ち去り/移動」といったイベントを自動的に検知・整理しておき、実シーン中で直接ジェスチャによって物体や空間を指し示すことで「これを持ってきたのは誰？」等と直観的に問い合わせできる検索操作システムを開発しています。 システム概要 システムの概要は右図のようになって
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://jp.reuters.com/video/2018/03/13/%E7%B1%B3%E3%83%86%E3%82%AD%E3%82%B5%E3%82%B9%E5%B7%9E%E3%81%A7%E3%80%8C%E5%B0%8F%E5%8C%85%E7%88%86%E5%BC%BE%E3%80%8D%E3%81%8C%E7%9B%B8%E6%AC%A1%E3%81%8E%E7%88%86%E7%99%BA-17%E6%AD%B3%E5%B0%91%E5%B9%B4%E3%81%8C%E6
Meanshift と Camshift — OpenCV-Python Tutorials 1 documentation
https://www.jstage.jst.go.jp/article/jrsj/32/6/32_32_558/_pdf
Mean Shift Clustering