| 研究課題/領域番号 |
20H02052
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分18030:設計工学関連
|
|---|
| 研究機関 | 電気通信大学 |
|---|
研究代表者 |
増田 宏 電気通信大学, 大学院情報理工学研究科, 教授 (40302757)
|
|---|
| 研究分担者 |
遊佐 泰紀 電気通信大学, 大学院情報理工学研究科, 助教 (70756395)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| 研究課題ステータス |
完了 (2022年度)
|
| 配分額 *注記 |
18,200千円 (直接経費: 14,000千円、間接経費: 4,200千円)
2022年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2021年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2020年度: 10,920千円 (直接経費: 8,400千円、間接経費: 2,520千円)
|
|---|
| キーワード | 点群処理 / 機械学習 / 設備保全 / 物体認識 / 形状モデリング / 劣化検出 / ３次元計測 / 構造解析 / 工業設備 / 3次元計測 / 深層学習 |
|---|
| 研究開始時の研究の概要 |
生産設備や大型構造物などの人工物の保全作業を計算機で支援するためには，高密度に計測された点群データが有用である．しかし，その処理には，対象物や計測環境の知識を織り込んだ点群処理手法の開発が必要である．これまで専門家が対象物ごとにカスタマイズしたシステムを開発してきたが，本研究では，この作業を機械学習によって吸収し，汎用化するための方法論について研究する．その実現のために，点群処理と深層学習を組み合わせた，知的点群処理基盤を確立することを目指す．また，その基盤をベースとして，形状再構成，知的自動計測ロボット，高精度の劣化検出手法，不完全な点群からの構造解析手法について研究を行う．
|
| 研究成果の概要 |
近年，大型構造物の老朽化が大きな問題となっており，保全業務の効率化が大きな課題となっている．本研究では，この問題を解決するために，機械学習や対象設備の構造知識を用いることで，大規模構造物の３次元計測データを用いて設備保全を支援するための知的点群処理基盤を確立する．具体的には， (1) 深層学習による点群のセグメンテーションと物体認識手法，(2) 不完全な点群からの形状再構成手法，(3) 点群自動計測のための最適計測位置算出手法，(4) 深層学習を用いた点群からの劣化検出手法，(5) 不完全な点群からの構造解析手法の研究を行う．
|
| 研究成果の学術的意義や社会的意義 |
本研究は，測量用のレーザスキャナで得られた点群を用いて，大規模な設備保全を効率的に行うための手法である．近年，機械学習が進歩しているが，点群の利用や設備保全への応用においては，必ずしも有効な手法とはなっていない．本研究では，機械学習を工業設備の保全に利用するために，５つの課題を設定して点群処理手法を開発し，その有効性を検証している．本研究は，工学的に新しい手法を提案するとともに，実際の大規模点群にも活用できるという点で実用的にも有用なものである．
|
