2020 Fiscal Year Annual Research Report
Development of super-resolution method for 3D consumer scanner data using deep learning
Project/Area Number |
18K11418
|
Research Institution | Sasebo National College of Technology |
Principal Investigator |
手島 裕詞 佐世保工業高等専門学校, 電子制御工学科, 准教授 (60387503)
|
Project Period (FY) |
2018-04-01 – 2021-03-31
|
Keywords | 点群 / 欠損補間 / 機械学習 / 3次元スキャナー / 点群強調 |
Outline of Annual Research Achievements |
本研究の課題は、コンシューマ向け3Dスキャナーを用いて取得した点群データに頻発する欠損(穴などのノイズ)の問題に対して、信頼性の高い点群データを生成する手法の提案である。これまでに点群モルフォロジーを用いた欠損検出手法の検証を行ってきたが、令和2年度においては入力データ数と構造要素の大きさとの関係について詳細に検証を行い、提案手法の有効性をまとめた。 前年度より引き続き取り組んでいる機械学習による欠損の補間については、入力データをボクセルとするネットワークと入力データを点群とするネットワークの二通りのアプローチを続けている。ボクセルモデルを用いた機械学習(CNN)においては、ネットワークの構造やチャネル数との関係についてより詳細な検証を行い、さらに画像処理による補間法と比較し、有効性を確認した。また、ネットワークの中間層を可視化する実験を行ったところ、欠損部分を抽出している可能性がある層が存在していることを確認した。点群を入力した機械学習を用いた補間実験においても、モデル全体を超解像するまでは検証していないが、点群セグメンテーションなどにより、領域を限定したデータに対して欠損補間の効果があることを確認した。曲面化やメッシュ化においては、一部のモデルでの実験結果になるため、引き続き詳細な検証が必要である。また、補間後の後処理に位置付けている点群整形処理では、これまでの手法に対して、点を移動させる処理に改良を加えることで整形精度を高めることができた。さらにモデル強調による整形を評価したところ従来法と比較して提案手法の有意性を確認できた。 既存物体のスキャンについても継続して行っており、今後はデータベース化することで、より効率よく実験が行えると考えている。
|