Jui-Ting Lu

Jui-Ting Lu

she/her

Posts by Collection

miscellaneous

publications

A Soft-Robotic Approach to Anthropomorphic Robotic Hand Dexterity

Published in IEEE Access, 2019

During my stay at Hong Kong, I worked on the calculation of soft-robotic hand bending angle estimation and grasping area estimation.

Recommended citation: J. Zhou et al., "A Soft-Robotic Approach to Anthropomorphic Robotic Hand Dexterity," in IEEE Access, vol. 7, pp. 101483-101495, 2019, doi: 10.1109/ACCESS.2019.2929690.
Download Paper

A New Lattice-based Plane-probing Algorithm

Published in Discrete Geometry and Mathematical Morphology, 2022

Summary:

Recommended citation: Lu, JT., Roussillon, T., Coeurjolly, D. (2022). A New Lattice-Based Plane-Probing Algorithm. In: Baudrier, É., Naegel, B., Krähenbühl, A., Tajine, M. (eds) Discrete Geometry and Mathematical Morphology. DGMM 2022. Lecture Notes in Computer Science, vol 13493. Springer, Cham. https://doi.org/10.1007/978-3-031-19897-7_29
Download Paper

talks

Week-end de Goutelas : Théorème de Cauchy-Kovalevski

Published:

J’ai présenté le théorème de Cauchy-Kovalevski au « Week-end de Goutelas », un événement annuel de rencontre et de partage scientifique organisé par le département de mathématiques de l’ENS de Lyon.

Algorithmes de type “plane-probing”

Published:

Un plan digital est un ensemble de points à coordonnées entières et localisés entre deux plans parallèles. Avec un point de départ bien choisi, les algorithmes de type “plane-probing” choisissent à la volée quels autres points traiter pour faire croître un triangle qui s’aligne avec le plan. L’intérêt de ce type d’algorithme est d’estimer un vecteur normal sans paramètre utilisateur. Dans cette présentation, nous introduirons un nouvel algorithme que nous comparerons avec les algorithmes existants H et R. Nous verrons qu’il possède une propriété géométrique plus forte que les précédents nous permettant de montrer que le triangle obtenu à l’arrêt de l’algorithme ne possède aucun angle obtus.

Algorithmes de type plane-probing : propriétés géométriques et applications

Published:

Résumé : Les volumes 3D discrets proviennent de diverses sources, notamment la segmentation d’images, la simulation numérique et les éditeurs basés sur les voxels. Leur étude s’intéresse particulièrement à la géométrie des surfaces discrètes qui les entourent, afin de reconnaître des structures locales telles que des segments de plans discrets. Toutefois, ces surfaces présentent une géométrie limitée, composée de surfels carrés alignés sur les axes. L’analyse de ces surfaces repose sur des algorithmes de type plane-probing, qui adaptent dynamiquement le voisinage autour d’un point en construisant itérativement une approximation de plan à partir des informations locales. Ce travail introduit ces algorithmes dans un cadre général et propose une variante exploitant un voisinage plus étendu que ceux des approches précédentes, tout en vérifiant certaines propriétés géométriques remarquables. Des ajustements sont également apportés afin d’adapter ces algorithmes aux surfaces discrètes et d’en déduire un estimateur de vecteurs normaux. L’étude se focalise en particulier sur la convergence multigrille de cet estimateur, observée expérimentalement sur des surfaces discrètes convexes.

Un descripteur de forme 3D compact basé sur la signature LIP

Published:

Cette présentation introduit une extension tridimensionnelle du descripteur de forme LIP (Largest Intersection and Projection). En analysant les profils projetés sur les plans principaux, notre méthode extrait des caractéristiques géométriques performantes pour la classification d’objets 3D. Cette approche offre une alternative hautement efficace et interprétable pour l’analyse de formes, tout en réduisant significativement la dimensionnalité des données.

A 3D Compact Shape Descriptor based on Largest Intersection and Projection Signature

Published:

This talk presents a 3D extension of the Largest Intersection and Projection (LIP) shape descriptor. By analyzing profiles projected onto principal planes, our method extracts high-performance geometric features for 3D object classification. Validated on ModelNet and industrial datasets (tree bark defects), the approach offers a highly efficient and interpretable alternative for shape analysis with reduced feature dimensionality.

teaching