2020 Fiscal Year Annual Research Report
A Study on Soft Computing Techniques for Computer Vision
| Project/Area Number |
17K00351
|
|---|
| Research Institution | Osaka Electro-Communication University |
|---|
Principal Investigator |
渡邊 俊彦 大阪電気通信大学, 工学部, 教授 (10340639)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | モデリング / ロバスト推定 / コンピュータビジョン / 三次元計測 / ファジィ集合 / モンテカルロ法 / 三次元復元 |
|---|
| Outline of Annual Research Achievements |
コンピュータビジョンにおいて重要なカメラとプロジェクタのモデルの高精度化技術を非線形モデル構築に適したファジィモデルやタイルコーディングなどのソフトコンピューティング技術を適用して取り組み、能動方式による三次元計測精度の大幅な向上と三次元計測の適用対象の拡大を図るとともに、三次元復元の高性能化を目標として研究開発に取り組んできた。
当該年度では，コンピュータビジョンシステムにおいて，対象物の三次元計測結果である三次元点群データを用いて，対象物の三次元形状をコンピュータ内部に適格に表現する三次元再構成技術の開発に取り組んだ．これまでに開発してきたカメラモデルやコンピュータビジョンシステムを構成するモデルの高性能化を目的としたモデル化時の残差のファジィ集合による評価に基づくLMedS法およびRANSAC法に強化学習の概念を導入し，強化学習に基づくサンプリングとデータの適切性の学習を同時に行う方法を三次元再構成技術に適用する．この方法ではサンプリング方法に強化学習の探索と最適化のバランスをとる方法を応用し，また学習初期段階ではサンプリングを行わず学習状況を反映した重み付き推定に基づくモデリングを併用する方法を適用することにより，従来の方法と比較して外れ値ノイズが多いデータに対してもモデル化精度だけでなく，そのバラツキ及び計算速度が大幅に改善されることがモデリング実験により確認できている．
三次元点群データは，カメラ画像の二次元座標と深さのデータで計測されるが，二入力一出力の簡略ファジィ推論モデルを仮定してモデリングを行った．モデル精度は従来のLMedS法と比較して改善されることが三次元計測実験により確認できた．実際の問題に柔軟に対応するためには対象の三次元モデルの解像度を適切に決定する必要があり，解像度を徐々に下げていく方法などの検証を引き続き進めていく予定である．
|
