|
先行研究の物体認識システムでは，物体同士が重畳し，物体の姿勢が変化しすることで，もしくは，部分的に物体が隠蔽されることによって，その識別精度が大きく低下するという問題があった．
この問題を解決するために，本研究ではRGB-Dセンサを導入し，従来のカラー情報だけでなく，重畳物体の三次元形状を取得することで，重なった物体を正しく分離し，姿勢の変化した物体については視点の正規化を行うことで，学習時と同等の画像特徴を取得できるようになり，識別率が改善することを確認した．一方，他の物体に部分的に隠蔽された場合には，凸包に基づく形状補間を行うことで，従来５０％程度の隠蔽で識別が全くできなくなったのに対し，６０％程度隠蔽されても６０％以上の識別率を確保できることを確認した．
さらに，物体の隠蔽率が上がった場合にも対応するために，撮影するカメラの台数を増やすことを検討した．ロボットアームによりカメラ位置を少しずつ変化させながら撮影を行い，２方向からの撮影データを合成したものを利用することで，識別率を改善できることを確認した．このとき，２方向からの撮影データの合成では，２台の撮影間隔を拡げすぎると共通部分が少なくなり，三次元データ間の統合に失敗し，間隔を狭めすぎると取得できるデータが増えないため，識別率の改善につながらないことを明らかにした．実験の結果，２台のカメラが９０度の関係にある場合に，最も識別率が改善された．一方，２台のカメラが完全に固定され事前に校正が可能であれば，１８０度離して撮影すれば，下部物体の可視率を上げることができ，識別率も最大となる．
このように，本研究の成果により，物体が密集した状態での識別率を改善することに成功した．
|
