Advancements in Point Cloud-Based 3D Defect Detection and Classification for Industrial Systems: A Comprehensive Survey

要約

近年、3D 点群 (PC) は、コンピュータ ビジョン (CV)、状態監視、仮想現実、ロボティクス、自動運転など、さまざまな分野での多様な応用により大きな注目を集めています。ディープ ラーニング (DL) が効果的であることが証明されています。
3D PC を活用して、2D ビジョンで以前に遭遇したさまざまな課題に対処します。
ただし、3D PC を処理するためのディープ ニューラル ネットワーク (DNN) のアプリケーションには、独自の一連の課題が存在します。
これらの課題に対処するために、数多くの方法が提案されています。
このホワイトペーパーでは、3D PC を使用した DL ベースの状態監視 (CM) の最近の進歩について詳しくレビューし、特に運用およびメンテナンスを目的とした産業用アプリケーション内の欠陥形状の分類とセグメンテーションに焦点を当てます。
産業メンテナンスにおけるこれらの側面の重要な役割を認識し、この論文では、レビューされた DL ベースの PC 処理方法の長所と限界についての展望を提供する洞察力に富んだ観察を提供します。
この知識の統合は、特に産業システムにおける残存耐用年数 (RUL) の枠組み内での CM プロセスの理解と強化に貢献することを目的としています。

要約(オリジナル)

In recent years, 3D point clouds (PCs) have gained significant attention due to their diverse applications across various fields such as computer vision (CV), condition monitoring, virtual reality, robotics, autonomous driving etc. Deep learning (DL) has proven effective in leveraging 3D PCs to address various challenges previously encountered in 2D vision. However, the application of deep neural networks (DNN) to process 3D PCs presents its own set of challenges. To address these challenges, numerous methods have been proposed. This paper provides an in-depth review of recent advancements in DL-based condition monitoring (CM) using 3D PCs, with a specific focus on defect shape classification and segmentation within industrial applications for operational and maintenance purposes. Recognizing the crucial role of these aspects in industrial maintenance, the paper provides insightful observations that offer perspectives on the strengths and limitations of the reviewed DL-based PC processing methods. This synthesis of knowledge aims to contribute to the understanding and enhancement of CM processes, particularly within the framework of remaining useful life (RUL), in industrial systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google