2016 Fiscal Year Annual Research Report
Estimation of Coefficient of Static Friction of Surface by Image-Sensor
| Project/Area Number |
25420416
|
|---|
| Research Institution | Nippon Institute of Technology |
|---|
Principal Investigator |
田村 仁 日本工業大学, 工学部, 准教授 (60251584)
|
|---|
| Project Period (FY) |
2013-04-01 – 2017-03-31
|
| Keywords | テクスチャ解析 / 微小形状特徴 / 摩擦係数 / 画像計測 / ニューラルネットワーク / 自動符号化 |
|---|
| Outline of Annual Research Achievements |
本研究は，ロボットなどに応用することを想定し，ロボット前方の床面の静摩擦係数をロボットに搭載したカメラ映像により非接触で推定することを目的とする．
映像から抽出した床表面の粗さを，局所的な画像特徴量である微小形状特徴や，微小凹凸特徴として抽出し，機械学習によって摩擦係数の大小に応じたクラス分けを行い摩擦係数推定に利用する．推定は前方数メートル程度の床面・路面に対して行うことを目標とする．前方床面の画像からは詳細なテクスチャ特徴が得られないが，ロボット直下の床画像を用いて推定を行い，直下の床と前方床面が同種かどうか判定させることで実現する．非接触で摩擦係数をある程度推定できれば，ロボットの物体把持や歩行制御などに有用である．
当初研究に進めていた微小形状特徴は，細かい溝や粒状の模様などテクスチャの一部要素を検出するもので，その要素の密度などにより摩擦係数を推定するものであり，実験の結果実用的な精度で推定できることを示した．
最終年度は，近年画像認識の分野で急速な進歩を見せている機械学習手法を取り入れ，推定に必要な特徴自体を自動符号化器を用いて自動生成した．この結果，微小形状特徴と比較すると明確な形状特徴を含まない，平坦に近い画像でも，ゆるやかな濃度勾配を特徴として推定が可能となった．その精度を維持するニューラルネットワークは数段のもので十分であり，推定速度もGPUを用いれば微小形状特徴を用いた場合よりも向上した．
|
