日本バーチャルリアリティ学会 » バーチャルリアリティとは
バーチャルリアリティのバーチャルが仮想とか虚構あるいは擬似と訳されているようであるが，これらは明らかに誤りである．バーチャル (virtual) とは，The American Heritage Dictionary によれば，「Existing in essence or effect though not in actual fact or form」と定義されている．つまり，｢みかけや形は原物そのものではないが，本質的あるいは効果としては現実であり原物であること｣であり，これはそのままバーチャルリアリティの定義を与える． バーチャルの反意語は，ノミナル（nominal）すなわち｢名目上の｣という言葉であって，バーチャルは決して リアル（real）と対をなす言葉ではない．虚は imaginaryに対応し虚数 (imaginary number) などの訳に適している．因みに，虚像はvi
香港城市大学ら、手書きスケッチからリアルタイムに法線マップを自動生成する敵対生成学習GANを用いたインタラクティブシステムを発表
香港城市大学ら、手書きスケッチからリアルタイムに法線マップを自動生成する敵対生成学習GANを用いたインタラクティブシステムを発表 2018-04-14 香港城市大学、中国科学技術大学、大連理工大学、湖南大学の研究者らは、ニューラルネットワークを用いて、2D手書きスケッチからリアルタイムに法線マッピング（ノーマルマッピング）を生成するインタラクティブシステムを発表しました。 論文：Interactive Sketch-Based Normal Map Generation with Deep Neural Networks 著者：Wanchao Su, Dong Du, Xin Yang, Shizhe Zhou, Hongbo Fu 本稿は、手書きスケッチからリアルタイムに法線マップを自動的に推論するニューラルネットワークを用いた手法を提案します。提案手法では、入力スケッチを法線マップに変
粒子フィルタ - Wikipedia
この項目「粒子フィルタ」は途中まで翻訳されたものです。（原文：en:Particle Filter 15:26, 20 September 2007） 翻訳作業に協力して下さる方を求めています。ノートページや履歴、翻訳のガイドラインも参照してください。要約欄への翻訳情報の記入をお忘れなく。（2007年10月） 粒子フィルタ（りゅうしフィルタ、英: particle filter）や逐次モンテカルロ法（ちくじモンテカルロほう、英: sequential Monte Carlo; SMC）とは、シミュレーションに基づく複雑なモデルの推定法である。1993年1月に北川源四郎がモンテカルロフィルタの名称で[1]、1993年4月にN.J. Gordonらがブートストラップフィルタの名称で[2]それぞれ同時期に同様のものを発表した。 この手法はふつうベイズモデルを推定するのに用いられ、バッチ処理である
Particle Filterを使用した自己位置推定MATLAB, Pythonサンプルプログラム - MyEnigma
目次 目次 はじめに パーティクルフィルタとは 利点1 確率分布の近似誤差が少ない 利点2 複雑なモデルでも利用できる 利点3 実装が簡単 欠点1 計算コストが大きい 欠点 2 乱数を使っているため毎回同じ結果がでない MATLABサンプルプログラム Pythonサンプルプログラム その他のロボティクスアルゴリズムのサンプルコード 参考資料 はじめに 以前、自律ロボットの位置計測のサンプルプログラムとして、 拡張カルマンフィルタを使用したものと、 myenigma.hatenablog.com Unscented Kalman Filterを使用したもの、 myenigma.hatenablog.com Histogram Filterを利用したものを myenigma.hatenablog.com 紹介しましたが、 今回はもう一つ非常に有名なベイズフィルタの一つである Particle
粒子フィルタのPython実装 - Qiita
はじめに ありがちなやつですが、作成したので置いておきます。 気が向いたら解説を追加します。 はじめロックするまでは変なところをウロウロしてます。 何点かわざと外れ値を入れていますが、きちんとフィルタリングしているようです。 こここうした方がいいよとか間違ってね？とかあったら気軽にコメントください。 あと、よくわかんないから教えてとかでも歓迎します。 2016/12/14 修正 ソースがごちゃごちゃしていたのを書き直し。割りとスッキリかけた気がする numpyをforで回すと遅いらしいので、リサンプリングをcythonで書き直してみた（あまり変わらず） cupyで動かそうとしたが、案の定うまくインストールできず無事死亡（そもそもNVIDIA製のGPUじゃなくてCUDAが動かなかったみたいです。残念） カルマンフィルタをおまけで追加 ソース概要 粒子フィルタ particle.py test
Pythonでパーティクルフィルタを実装してみる
パーティクルフィルタ（Particle filter）は，隠れマルコフモデルやカルマンフィルタと同じように，システムの観測$Y$から状態$X$を推定する手法．どれもベイジアンフィルタに基づくもので，確率分布$p(X_t;Y_{0:t})$の表し方が異なる1のですが，パーティクルフィルタでは有限個のサンプリングによって確率分布を近似します．今回は重点サンプリング2を使ったパーティクルフィルタを実装してみます．ほかのフィルタに比べてループぐるぐる回すだけだからすごく簡単！ 1. 隠れマルコフモデルはヒストグラム（離散），カルマンフィルタはガウシアン（パラメトリック），パーティクルフィルタはサンプリング（ノンパラメトリック）で表す 2. SciPyには有名ドコロの確率分布からサンプリングする関数が用意されている．任意の確率分布からサンプリングしたい場合には逆関数法，棄却サンプリング，重点サンプリ
パーティクルフィルタによる自己位置推定動作の可視化 - Qiita
はじめに 前回は拡張カルマンフィルタによる、自己位置推定の可視化を実演しました。 今回はもう一つの推定アルゴリズムである、パーティクルフィルタ(Particle Filter)を用いた 自己位置推定の可視化を実演していこうと思います。 パーティクルフィルタ(Particle Filter) パーティクルフィルタは基本的に以下４つのサイクルを実行していく形になります。 リサンプリング 予測 観測 尤度の計算 パーティクルフィルタアルゴリズムの詳細については色んなサイトで紹介されているので、あえてここでは説明はしません。 アルゴリズムを知りたい方は以下のサイトが参考になると思います。 ・パーティクルフィルタ理論と特性 ・Pythonでパーティクルフィルタを実装してみる ・粒子フィルタのPython実装 ・Particle Filterを使用した自己位置推定MATLABサンプルプログラム ここで
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
写真で見る世界のライフスタイル | サービス産業 - 産業別に見る - ジェトロ
Robot Web Tools