2017 Fiscal Year Annual Research Report
Part SLAM: A Succinct and Discriminative Method for Scene Matching via Unsupervised Part-based Modeling
| Project/Area Number |
26330297
|
|---|
| Research Institution | University of Fukui |
|---|
Principal Investigator |
田中 完爾 福井大学, 学術研究院工学系部門, 准教授 (30325899)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | 移動ロボット / SLAM / 自己位置推定 / 地図作成 / 部品モデル / 深層畳込みニューラルネットワーク / 物体認識 / データマイニング |
|---|
| Outline of Annual Research Achievements |
最終年度は、教師無し情景部品モデルを、様々な問題（３次元点群、深層畳込みニューラルネットワーク、テクスチャ認識、植物認識）へ応用し、実証実験を行った。（１）３次元ＬＩＤＡＲに基づく地図作成とマップマッチングのための高速・識別的なアプローチを開発した。具体的には、３次元点群センサデータからスキャンマッチングにより３次元点群地図を生成する処理、地図からフィルタリングにより物体を認識する処理、不変地図座標系を設定する処理、地図から局所特徴を抽出する処理、局所特徴を符号化する処理、質問地図から類似検索により記憶地図を検索する処理を開発した。（２）深層畳込みニューラルネットワークを用いた教師なし場所認識手法を開発した。具体的には、ロボットの作業空間を場所クラスへ分割する教師無し学習アルゴリズム、畳込みニューラルネットワークの学習認識手法を開発した。（３）３次元点群地図を用いた単眼画像からの部品発見手法を開発した。具体的には、（１）で開発した３次元点群地図を単眼画像と比較することで、情景部品のセグメンテーションを行う方法を開発した。情景部品の検出性能を向上させるために、教師あり・教師無しの物体発見手法を利用した。（４）自然画像からのテクスチャ認識手法を開発した。具体的には、深層畳込みニューラルネットワークの中間層信号を用いて、自然画像のテクスチャを学習認識する手法を開発した。ロボット応用では逐次学習が重要になるため、逐次的な学習に適したサポートベクタマシンを学習認識に利用した。（５）深層学習に基づく自然画像からの植物認識を開発した。
|
