| 研究課題/領域番号 |
20K04399
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分20020:ロボティクスおよび知能機械システム関連
|
|---|
| 研究機関 | 和歌山大学 |
|---|
研究代表者 |
中村 恭之 和歌山大学, システム工学部, 教授 (50291969)
|
|---|
| 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 |
4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2022年度: 1,820千円 (直接経費: 1,400千円、間接経費: 420千円)
2021年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2020年度: 2,080千円 (直接経費: 1,600千円、間接経費: 480千円)
|
|---|
| キーワード | 3次元点群データ補完 / 深層学習 / 点群データの補間と補完 / U-Net型生成器 / 補完の評価指標 / PU-GAN / Rand-LA Net / マルチタスク学習 / TecoGAN / 3D LIDAR / GAN / 3次元点群の補間 |
|---|
| 研究開始時の研究の概要 |
環境の3次元構造を計測するために，近年3D LIDARセンサが用いられることが多く，自動運転車等にとって欠かせないセンサとなっている．しかしながら，3D LIDARセンサの原理上の制約から，センサによって取得される3次元点群は疎かつ偏在したものとなる．
そこで，本研究では，（１）3D LIDARセンサから取得される疎な3次元点群から，観測された環境が持つ本来の構造を正確に反映するような密かつ一様な3次元点群を生成するアップサンプリング手法を開発する．また，（２）この手法を車輪型自律移動ロボットの自律走行システムに組み込んで，（１）で開発した手法の応用面での有効性を検証する．
|
| 研究成果の概要 |
本研究では, 空間的計算量を抑えつつ周囲環境を計測して得られた大規模な3次元点群データに対して補完処理を行う深層学習ネットワークと，入力点群の隙間を適切に補完できたかを表す3次元点群データの補完のための新たな評価指標を考案した．また,その評価指標を損失関数の一部に用いて考案した深層学習ネットワークを学習させて，適切に点群を生成できることを実験的に示した．考案した手法の有効性を示すために，自動運転車のための実環境の3次元点群データセットして有名なSemanticKITTIデータセットやSemanticPOSSデータセットを用いて検証実験を行い，その有効性を示した．
|
| 研究成果の学術的意義や社会的意義 |
最近の自動運転車などに多く用いられているLiDARセンサで取得された3次元点群データは，疎かつ偏在しているため，本来の構造を正確に捉えることができないことがある．この問題を解決するために，本研究では，疎に分布している，または，一部が欠損したような3次元点群データを，密かつ一様に分布する3次元点群のデータに変換する手法を開発した．本研究課題で扱ったような大規模な3次元点群データを対象とした手法は，我々の知る限りこれまでに存在しない．また，開発した手法により，本来の構造を正確に捉えた3次元点群データを生成することが可能になり，その結果として自動運転車の安全性を向上することに寄与することができる．
|
