2015 Fiscal Year Annual Research Report
実世界知識データベース構築のための自律撮影ロボット行動計画に関する研究
| Project/Area Number |
26880004
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
金崎 朝子 東京大学, 情報理工学(系)研究科, 助教 (00738073)
|
|---|
| Project Period (FY) |
2014-08-29 – 2016-03-31
|
| Keywords | 物体認識 / 自律移動ロボット / 人工知能 |
|---|
| Outline of Annual Research Achievements |
TurtleBot2と呼ばれるロボットと色距離画像を取得するKinectセンサを組み合わせて自律的に行動するロボットプラットフォームを作成した．Turtlebot2はROSと呼ばれるロボットオープンソースプラットフォームから簡単に操作することが可能である．また，未知物体発見のトリガーとなる手法として，色・距離画像から物体らしい領域の候補を列挙する3D Selective Searchを提案し，ROS上で動くソースコードを公開した．3D Selective Searchは二次元画像上ではなく三次元空間におけるセグメント領域の隣接関係を評価するため，前景の物体のセグメントが隣接する背景のセグメントと誤って結合される心配がなく，より高精度に物体候補領域を求めることができる．また，3D Selective Searchは三次元空間におけるセグメント領域の大きさを評価するため，視点から物体までの距離に依らず一定の粒度で領域が分割される．提案手法はIEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) 2015に採択され，口頭発表を行った．
本年度はさらに，物体のシングルビューが得られたとき，その物体を回転させることで新たなビューを獲得して，物体カテゴリの識別結果を更新するシステムを開発した．提案手法は教師情報として姿勢ラベルを必要とせず，PCA等を用いて物体の基準軸を決定することもせずに，アピアランスベースで物体の姿勢ラベルを決定しながら識別のネットワークを学習する．3D model databaseとreal image datasetを用いた実験では，提案手法により，物体カテゴリを代表するビューの獲得とunsupervisedな物体姿勢の学習が可能であることを示した．そして，テスト時に推定された現在の姿勢から獲得された代表ビューへの回転を行うことで，物体カテゴリの識別率を向上させることに成功した．
|
| Research Progress Status |
27年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
27年度が最終年度であるため、記入しない。
|
