| 研究課題/領域番号 |
16K16100
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
間下 以大 大阪大学, サイバーメディアセンター, 講師 (00467606)
|
|---|
| 研究期間 (年度) |
2016-04-01 – 2018-03-31
|
| キーワード | 拡張現実 / カメラ位置姿勢推定 / 深層学習 |
|---|
| 研究実績の概要 |
拡張現実でバーチャル環境と実環境の幾何学的整合性をとるための方法の一つに，事前に作成した特徴量データベースと実画像の特徴量をマッチングさせてカメラの位置姿勢を推定する自己位置推定がある．しかし常に変化している実世界で自己位置推定を行う場合，時間帯や天候によって光源環境が変化する．その結果，入力画像とデータベース内の特徴量のマッチングの失敗による自己位置の精度の低下が問題となる．
このような問題について，多様な条件を含む特徴点群に対してマハラノビス距離を用いて特徴点のマッチングを行うことで，全てのデータを参照することなく特徴点のマッチングを行う手法を開発した．この手法ではあらかじめ実環境から構築したCG モデルを用いて様々な光源環境のシミュレーションを行い，各環境下において抽出した特徴点の中から代表点を選択し，各点について光源変化に対する特徴量の平均値と共分散行列をデータベースに記録する．一般的なマッチング手法では，すべての特徴点の特徴量とのユークリッド距離を計算する必要があるのに対し，提案手法では同一とみなせる特徴点に対しては平均値とのマハラノビス距離の計算のみで済むため，距離の比較回数を大幅に削減することができる．ただ，マハラノビス距離の計算にはユークリッド距離より大きな計算量を要するため，提案手法では特徴量に対して主成分分析を行い次元を削減することで計算量を削減する．
上記手法の場合，シミュレーションと現実の乖離が課題である．本研究計画ではさらに，自己符号化器で実画像の特徴量をバーチャル画像の特徴量に変換することによって，シミュレーションとの乖離を解決した．またランダムフォレストを用いることで高速で精度の高いマッチングを実現した．実験の結果，提案手法では従来手法と比較して少ない判定時間で精度の高い自己位置推定が行えることを確認した．
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
当初予定していた手法とは異なるが，自己符号化器の導入によってバーチャル環境と実環境の乖離問題について解決できた．また，ランダムフォレストを導入することで高速化がある程度実現された．上記理由から，概ね順調に進展していると言える．
|
| 今後の研究の推進方策 |
実験をより大規模な実験に移行する．CGモデルで変化するパラメータをより多く設定し，より多様な変化に対応できるDB の構築を目指す．対象とする環境も大規模なものを想定し，多数の部屋からなる建物の内外の全てや，工場の内部，小規模な町などを想定してDB を構築する．また，そのような環境では，物体の位置が移動したり建物が変わったりする，人や車など，多数の移動物体が存在するなど，変化が常に発生している．そのような動的な環境に対応可能な対応点探索手法の開発を行う．このような環境では，これまでの特徴点でシンプルに表現することは難しいと考えられる．そのため，物体の物理的な移動や他の物体による隠れの発生しやすさを事前確率として対応点の信頼性を表現する．これによって，物体の移動等によって不安定になりやすい特徴点の影響を制限する手法を開発する．探索の高速化については，あらかじめ早期棄却できるように特徴点を分類しておく手法や，DBを時間，天候等のコンテクストに基づいて分類しておき，クエリとなる画像のコンテクストから適切なDB を選択する手法の開発を行う．
|
| 次年度使用額が生じた理由 |
以前の研究で使用していた機材を使う事ができたため，また，一部の学会発表については共同研究者に発表を依頼することができたため．
|
| 次年度使用額の使用計画 |
当初の計画を変更して深層学習を用いた手法を開発しているため，効率的にネットワークの学習を行うための計算機を購入する．
|
