| Project/Area Number |
22K12094
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61010:Perceptual information processing-related
|
|---|
| Research Institution | Kyushu Institute of Technology |
|---|
Principal Investigator |
芹川 聖一 九州工業大学, 大学院工学研究院, 教授 (60226686)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
北園 優希 北九州工業高等専門学校, 生産デザイン工学科, 准教授 (50612222)
|
|---|
| Project Period (FY) |
2022-04-01 – 2025-03-31
|
| Project Status |
Granted (Fiscal Year 2023)
|
| Budget Amount *help |
¥3,250,000 (Direct Cost: ¥2,500,000、Indirect Cost: ¥750,000)
Fiscal Year 2024: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2023: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
Fiscal Year 2022: ¥1,300,000 (Direct Cost: ¥1,000,000、Indirect Cost: ¥300,000)
|
|---|
| Keywords | 人工知能 / 空陸両用自律無人機 / ３次元物体認識 / セグメンテーション / 自律無人機 / 画像処理 |
|---|
| Outline of Research at the Start |
地域における物流の効率化によるCO2排出削減に向けて、空陸両用自律無人機での配送システムの開発が不可欠である。しかし、空陸両用自律無人機の活用において、自律的に飛行と走行を切り替える着陸点位置などの環境感知の課題が残っている。本研究では空陸両用無人機の自動運転のための画像セグメンテーションの開発を目的とする。具体的には空から陸上の周囲環境を人工知能により認識し、安全に自律離着陸できるアルゴリズムを開発する。そのために、深層学習を用いた複雑な着陸環境を認識する技術を開発する。本研究における強ノイズ環境下での画像情報を利用した空から撮影した小さなオブジェクトの認識は、学術的独自性と創造性がある。
|
| Outline of Annual Research Achievements |
地域における物流の効率化によるCO2排出削減に向けて、空陸両用自律無人機での配送システムの開発が不可欠である。しかし、空陸両用自律無人機の活用において、自律的に飛行と走行を切り替える着陸点位置などの知能環境感知の課題が残っている。そこで、本研究では３次元点群データの処理による物体検出が研究対象となっている。本提案の方法は、グローバルな特徴とローカルな特徴を抽出する方法を構築し、物体の外観的な特徴を記述して点群の特徴を抽出するとき、通常出現する無秩序性とスパース性の問題を解決する。候補領域を作成してマルチスケール予測ネットワークを用いて、目標領域の検出精度を向上させ、歩行者と自転車などの高精度で効率の良い３次元物体検出を実現する。
今年度では本研究における特徴の抽出ネットワークについて説明した。正規化した点群データをボクセル化し、点群データの無秩序性とスパース性の問題を解決した。その上で、画像生成器に基づく畳み込みニューラルネットワークを構築し、物体のグローバルな特徴とローカルな特徴を抽出した。そして、この２つの特徴をConcat構造で融合した。最後に、ボクセル化の方法の計算中の点群情報が損失するのを補うため、多層パーセプトロン（Multi-Layer Perceptron、MLP）を用いて元の点群をキーサンプリングし、できた外観記述子に特徴を補充して情報を監督することで、外観記述子の精度を向上させた。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
当初計画の２次元画像から情報抽出は、距離や深度データが欠かせるため、３次元で物体を検出する背景と自動運転技術で必要とされる３次元物体検出方法を切り替えた。３次元物体検出法は、主に３次元点群やRGB-D画像などの３次元データを用いて物体のクラスとその位置を取得することである。その中で、深層学習を用いた３次元物体検出法では、ラベル付き３次元データを使い、目標の特徴を学習し、より正確な３次元の位置とクラスを判別できる。この方法は主に、グリッドベース方法とポイントベース方法に分けられる。前者は、データをボクセル化して目標の特徴マトリックスを取得し、深層畳み込みニューラルネットワークを用いて物体を検出する。後者は、３次元点群データを入力し、全結合ニューラルネットワークを用いて特徴を抽出し、物体を検出する。
|
| Strategy for Future Research Activity |
本研究の独創性と新規性は、グローバルな特徴とローカルな特徴の抽出方法を組み合わせることにより、従来の単一特徴抽出方法の問題を解決した。物体の外観特徴を記述して点群の特徴を抽出するとき、通常出現する無秩序性とスパース性の問題も解決した。そして、Visual Transformerに基づく空陸両用無人飛行機の自動運転のための３次元物体検出方法を用いて、目標領域の検出精度を向上させ、自動運転への展開を期待できる。
|
