2016 Fiscal Year Research-status Report
高精度ステレオビジョンを中核としたインテリジェント海上交通システム
| Project/Area Number |
15K06620
|
|---|
| Research Institution | Kobe University |
|---|
Principal Investigator |
山本 茂広 神戸大学, 海事科学研究科, 准教授 (60294261)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
橋本 岳 静岡大学, 工学部, 准教授 (60228418)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | 船舶 / 海上交通 / 画像計測 / ステレオビジョン / 三次元位置 / 深層学習 / サポートベクターマシン / 追跡 |
|---|
| Outline of Annual Research Achievements |
船舶を安全に航行させるために，特に画像処理・画像計測技術を利用した高度な情報処理技術を取り入れたインテリジェント海上交通システムを構築するための技術基盤を確立することを目指して研究を行っている。平成28年度は，ステレオ画像計測の高精度化の検討，機械学習を用いた船舶の検出，広域監視のためのカメラ配置問題の検討，カメラの船舶追従制御などを検討した。まず，ステレオ画像計測の高精度化では，前年度に引き続き，船舶の計測に必要な遠距離計測を３台のカメラで行う方法を詳しく検討し，３台のデータを同時に使用するのではなく，２台ずつで得た計測結果を平均するのがよいという新たな知見が得られた。また，海上画像から船舶を検出する方法として，サポートベクターマシンや深層学習（ディープラーニング）といった機械学習を取り入れることで，波などによる光の反射の影響を取り除き，船舶のみを検出できる手法を開発した。この方法は，船種など，画像に写っている物体を識別する方法に発展させることができる。そして，海峡や港など広域で海上を監視するには，多数のカメラを適した場所に設置する必要がある。そのための，カメラ配置問題について検討し，カメラ配置（場所，向き，カメラの画角）を計算するプログラムを作成した。さらに，そのような広域監視を行う場合，望遠レンズを用いてカメラの向きを変えながら船舶を監視する必要も出てくる。そのため，画像中で検出した船舶を追跡し，その方向にカメラを向け続けるシステムの試作も行った。以上の研究は，カメラを用いた船舶の安全航行を支援するシステムの要素技術となるものであり，実現に向けて一歩前進したといえる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
研究の進捗状況についてはおおむね順調であると考えている。研究実績の概要でも述べたとおり，船舶の航行の安全を支援するインテリジェント海上交通システムの実現に向けて，幅広い視点から必要な要素技術について検討や装置の試作を行うことができた。
交付申請書に記載した平成2８年の研究計画と照らし合わせてみても，(1)船舶の識別手法の改良については，サポートベクターマシンや深層学習（ディープラーニング）といった機械学習をとりいれ，海上画像から船舶を検出・認識する手法の基礎を確立できた。さらに，学習データを増やすことで，船舶とその他の物体，海面などとを認識して区別すること，また，同じ船舶でも船種（客船，フェリー，貨物船，タンカー，コンテナ船，漁船，プレジャーボートなど）を認識することも可能になると考えられる。研究計画(2)広域海上監視のためのカメラ配置の検討についても，自動的に配置を計算する基本的なアルゴリズムを考案することができた。ただ，最適化までは到っていないため，その点は今後の課題である。
研究成果については，国際会議で2件，国内学会で3件の発表を行なった。うち1件で，研究協力者の大学院生に発表を行なってもらったが，その発表が日本マリンエンジニアリング学会学術講演会優秀講演賞を受賞するなど，他の学会発表で受賞している平成27年度につづき，まずまずの評価が得られたと考えている。今後，研究データを精査して，著名なジャーナル等への投稿も検討していく。
|
| Strategy for Future Research Activity |
平成29年度は本研究課題の最終年度であり，これまでの研究成果の改良や発展，さらに，個別の成果を１つに統合する方向で進め，研究結果をまとめる。
まず，船舶の検出・認識について，学習データを増やすことで，船舶とその他の物体，海面などとの認識精度を高める。また，船舶の場合は船種なども判別できるようにする。これにステレオ計測による３次元位置情報をフィードバックすることを検討する。すなわち，ステレオ計測により，画像上の物体の実際の大きさも分かるようになるので，認識結果の確認に利用することができる。さらに，AIS(船舶自動識別装置)の情報が使える場合は，それも利用して，どの位置をどちら向きにどのような船が航行しているか，総合的に情報を得るシステムを構築していく。このとき，AIS非搭載の小型船舶などは，より情報を得るためカメラをズームアップして撮影する必要も出てくる。したがって，画像認識技術と連動してカメラコントロールを行ったり，あるいは，レーダーに映る主体不明の像の確認のため，そちらにカメラを向ける制御が必要になったりする。その研究も行う。
以上のように，これまで研究・開発してきた技術と，既存のレーダー，AIS，GPS測位装置等の連係，情報の融合方法を検討し，総合的な港湾，海峡内の船舶航行監視，交通管制システムへの応用を提案する。
研究体制については，研究代表者と研究分担者の他，研究協力者として研究代表者の所属する神戸大学大学院海事科学研究科の大学院生（博士課程後期課程）2名に加わってもらう。
|
| Causes of Carryover |
平成28年度は，国際会議での発表も行ったが，国内での発表であったので旅費の使用が少なかった。また，ジャーナル等への投稿も平成28年度中には行なわなかったので投稿料の支払いがなかった。研究データの整理等に対する謝金も発生しなかった。
|
| Expenditure Plan for Carryover Budget |
平成29年度は，平成28年度の研究成果でまだ未発表のものも含めて積極的に発表を行ないたいと考えており，そのための旅費や論文投稿料などが必要になってくる。また，取得する研究データの量も多くなってくるため，研究協力者にデータの取得や整理を依頼し謝金を支出することも予定している。物品では，機械学習には多くの計算コストが必要なため，処理の高速化のための高性能パソコン，または，ワークステーションの購入を検討している。
|
