|
3次元物体形状のモデル表現するニューラルネットワークを開発し、ニューラルネットワークの特色である学習能力を活用して、3次元物体形状モデルを多様なセンサー情報を訓練データとして自動構築する(学習する)方式を与えた。また3次元世界のモデル及び3次元物体形状のモデルをカメラから入力する実視覚データと照合して、カメラの位置・姿勢及び対象物体の位置・姿勢を算出する方式を与えた。さらに画像情報からステレオマッチングなどによって得られる3次元形状情報と、近赤外線の反射強度から推定される3次元形状情報を相補的に用いて高精度なモデル生成とモデルと対象物体の照合を高速かつロバストに行う方式を与えた。これらの方法をコンピュータ上に実装して多数の画像を用いて有効性を評価した。具体的には、三角測量を原理とする距離計測方式と比べて、使用環境に制約が少なく移動体への搭載に適する近赤外線反射強度に基づく距離計測方式と、微小視差から3次元情報を推定するステレオマッチング方式を相補的に利用して、さらに多視点から計測した画像情報と照合し、精度と信頼性を向上し、3次元物体形状モデルを自動構築する方式を与えた。またこの理論に基づき具体的にプログラム開発を行い、3次元物体形状のモデルをニューラルネットワークの結線構造中に表現する方式を実装した。この方式において、ニューラルネットワークの特色である学習能力を活用して、3次元物体形状モデルを多視点画像情報と赤外線反射強度情報、微小視差情報を複合的に訓練データとして自動構築する(学習する)方式を与えた。以上の各手法を多種多様な実画像データを用いて評価し、高精度化、高速化、ロバスト化する工夫を導入した。
|
