2022 Fiscal Year Annual Research Report
| Project/Area Number |
21K19800
|
|---|
| Research Institution | Tokai University |
|---|
Principal Investigator |
竹村 憲太郎 東海大学, 情報理工学部, 教授 (30435440)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
長松 隆 神戸大学, 海事科学研究科, 教授 (80314251)
|
|---|
| Project Period (FY) |
2021-07-09 – 2023-03-31
|
| Keywords | 視線計測 |
|---|
| Outline of Annual Research Achievements |
本研究の目的は，角膜表面上に反射する環境の像を用いることで，環境を直接撮像するカメラを頭部に装着すること無く自己位置を推定することである．令和４年度は，深層学習を用いたアピアランスベースの位置姿勢推定手法の精度向上を図るためにIMUをセンサに加え，Monte Carlo Localizationを採用することで，時系列情報を用いた確率的な位置推定を行った．IMUはVisual SLAMでも盛んに利用されていることや，最新の頭部装着型の視線計測装置には内蔵されているケースも多いため，積極的に利用することは重要である．また，相対的な移動量をIMUを用いずに画像から算出するDeepVOも実装し，提案手法との比較を行った．比較実験は，大学構内の教室にて行ったが，80 × 80 pixelの仮想接平面画像を用いて学習を行った位置推定器に，実際のアイカメラで撮影・生成した接平面画像を入力することで行った．真値は，LiDARを用いて取得したため，評価はxとyの2次元座標のみとなったが，IMUを用いた提案手法では約1.0 mの推定精度を実現した．一方で，DeepVOを用いた場合は約3.4 mの平均誤差となっており，提案手法の有効性が確認できた．昨年度の精度と比較すると提案手法はガイダンスシステム等への応用が十分に可能なレベルまで精度が向上した．しかしながら昨年度と同様に，回転時に生じた誤差の修正が十分でないことが確認された．これは，位置姿勢推定に利用している照明パターンが単純に繰り返されることが要因であると考えており，今後は抽出する接平面画像の画質を改善し，他の特徴量を利用する必要があることが確認された．
|
