2019 Fiscal Year Research-status Report
高密度・高精度点群処理による工業設備の保全支援システムの研究
| Project/Area Number |
17KT0040
|
|---|
| Research Institution | The University of Electro-Communications |
|---|
Principal Investigator |
増田 宏 電気通信大学, 大学院情報理工学研究科, 教授 (40302757)
|
|---|
| Project Period (FY) |
2017-07-18 – 2021-03-31
|
| Keywords | 点群処理 / 設備の保全 / 形状処理 / レーザスキャナ |
|---|
| Outline of Annual Research Achievements |
本研究では，測量分野のレーザスキャナを用いて取得された高密度・高精度点群を用いて，工業設備の保全支援システムを実現する．研究項目は，(1) 部材検出，(2) 劣化検出，(3) 点群の自動計測，(4) 点群の可視化である．(1) 部材検出では，生産設備と送電鉄塔の点群を例題として用いた．生産設備からの部材検出では，平面や円柱などの幾何曲面検出による手法が一般的であったが，バルブやメータなどの複雑な曲面を持つ小部材の検出は困難であった．この制約を解決するために，点群，反射強度，RGB を用いた深層学習による部材検出手法を開発した．また，送電鉄塔においては，遠方から計測した粗密の大きい点群を用いて，適応的な閾値による鋼材検出手法を開発した．さらに，交換部材の製作で必要となるボルト穴の位置を求めるために，高精度のボルト検出手法を開発した． (2) 劣化検出では，鋼材のたわみ検出手法と，燃焼炉の磨耗/付着/亀裂の検出手法の開発を行った．たわみ，摩耗，付着物については点群からの自動算出が行えたが，微小な亀裂の検出には点群密度が不十分であった．そこで，点群の反射強度による亀裂検出手法を開発した． (3) 点群の自動計測では，レーザスキャナを搭載した自動計測ロボットの開発を行った．本研究では，自律走行と自動計測のできるハードウェアを完成させ，さらに，広域計測で得られた点群から，経路探索と最適計測位置の検出を行う手法について開発を行った．(4) 点群の可視化においては，点群を用いた VR システムを構築し，検査箇所の解像度を選択的に操作することで，検査したい箇所の点群を詳細化する手法を開発した．なお，本研究では，新型コロナウィルスの影響により，発注した機材が最終年度内に納入できず，期間内に完了できなかったため，研究期間を1年延長した．
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
本研究の主な研究課題は， (1) 部材検出，(2) 劣化検出，(3) 点群の自動計測，(4) 点群の可視化である．これらの課題は本年度に完結させる予定であったが，新型コロナウィルスの影響による機器の納入遅延で一部に予定通り実施できなかった検証があるため，やや遅れている，という判断とした．ただし，納入延期の影響を受けた部分を除いて考えれば，概ね順調に推移しているといえる．個々の研究課題については，まず，部材検出においては，基礎的な手法の開発は完了しており，基礎的な検証実験を行った．また，劣化検出についても，比較的大きな劣化の検出手法は完了し，微小な亀裂の検出についても手法開発と基礎的な検証は完了している．一方で，これらの手法に関しての優位性を主張するには，既存の深層学習手法との比較や，場合によっては，深層学習との部分的な融合による性能向上が必要となるが，本年度には実施できなかったので，次年度に納入される機器を用いて行っていく．点群の自動計測においては，ハードウェアの基本機能の実装は完了しており，順調に推移していると言える．点群の可視化については，基本機能の開発は行えており，順調であるといえるが，解像度についてはハードウェアの影響を受ける．新規に納入される機器には，最新の GPU が搭載されているので，次年度において性能の検証を行い，場合によっては，手法改良についても検討を行う．
|
| Strategy for Future Research Activity |
本研究は，本年度に完結させる予定であったが，機器の納入遅延で実施できなかった検証があった．次年度は，実施できなかった検証実験を行い，その結果に基づいて手法の妥当性や問題点の検討を行う．まず，部材検出と劣化検出においては，既存手法との比較検討を行う．近年，開発されている手法の多くは深層学習を用いているため，そうした手法との比較が必要である．深層学習のコードの多くは公開されているため，新規に納入される機器を用いてそれらの手法の性能を調査し，我々が開発した手法の優位性や問題点を明らかにする．深層学習手法の特徴の一つは，抽出される特徴量が加算的なことにあるので，既存手法で抽出される特徴量空間と我々の手法の特徴量空間を融合できる可能性がある．それにより開発した手法を改善することができれば，新たな展開が期待できるため，それについて検討していく．また，研究期間が１年間延長となったことで，点群自動計測の点群処理手法や，点群可視化手法についても，検証と改良を行っていく予定である．
|
| Causes of Carryover |
新型コロナウィルスのため，発注した機器の納入に遅延が発生し，年度内に納入できなかったため．
|
