小惑星画像の対応点決定を目的とした SIFT と AKAZE の性能比較
をテンプレートにして作成
[
トップ
] [
新規
|
一覧
|
検索
|
最終更新
|
ヘルプ
|
ログイン
]
開始行:
[[太田研 公開用Wiki]]
*小惑星画像の対応点決定を目的としたSIFTとAKAZEの性能比較 ...
#contents
*はじめに [#e2fff901]
2014年に打ち上げられ、今現在宇宙空間を飛んでいるはやぶ...
質を持ち帰ることである。C型の小惑星は、構成物質に有機物や...
球誕生の謎や、海の水の起源や生命の原材料となった有機物の...
できる。これを小惑星で行う理由は、地球は大気や重力の影響...
えてしまっているからである。~
さて、ミッションである小惑星の物質を持ち帰る方法は、小...
し、衝突装置の衝撃で撒きあがった物質(砂礫など)を採取する...
こで、タッチダウンに関して重要なことは、出来るだけフラッ...
ダウンしなければならないということだ。タッチダウンするた...
単位の精度で場所がわかっていないといけない。そこで、小惑...
う。はやぶさ2は1年半、小惑星の上空に滞在し、その間に小惑...
する。その小惑星の画像を用いて、画像処理で形状復元に必要...
具体的な方法としては、小惑星の同じ部分を異なる位置から撮...
像間において、1枚目の画像のある凹凸と同じものが2枚目の画...
を対応づける。これによって、カメラからのその凹凸の位置や...
れを多くの画像間に対して行うことで形状復元ができる。~
その対応付けを自動で行うアルゴリズム(検出器、記述子)は...
BRISK、ORB、KAZE、AKAZEなど、多くある。実際にこれらの性能...
たデータはあるが、それはあくまでも地球上で撮影されたもの...
て、小惑星画像を用いて AKAZE を除く多くのアルゴリズムの性...
ところ、SIFTが最も優れているという結果であった。しかしSIF...
から使用が容易ではないため、SIFTに代わるものとしてAKAZEが...
を検証したのが本研究である。~
*関連研究 [#f47552bb]
つくばチャレンジにおける人物検出手法の例としては[2, 3, ...
一方，[4, 5] の手法では，カメラ画像からの色情報とLRF で...
を検出した場合探索対象が存在すると判断している．しかし，...
[5] の手法では，色情報の変化が小さく形状が一定である立...
の解像度によっては図4 のように解像度の低い画像になってし...
に移動するため，本来の探索対象である人物から1.5m 以上離れ...
CENTER:#ref(omni.png,center,70%)
CENTER:&size(14){図4:双曲面ミラーを用いた全方位カメラ画像...
&br;
以上の関連研究を考慮し，本研究では，色情報・形状情報が...
た際にアプローチするという手法を採用した．さらに，探索対...
以上のように，ディープラーニングのような複雑な手法を用...
**ロボットの構成と開発環境 [#t0ac59e8]
つくばチャレンジ2016 のために開発したロボットの外観を図...
USB カメラはImagingSource 社製のUSB カメラ「DFK22AUC03...
ロボットの制御にはVecow社製PC「ECS4000-PoER」を用いた．...
以上のハードウェア構成で，要求される機能を十分に実現で...
CENTER:#ref(robot.png,center,50%)
CENTER:&size(14){図5:ロボットの外観(左：外装有り，右：外...
&br;
CENTER:&size(14){表1:ハードウェア構成};~
|CENTER:外形寸法|CENTER:W610×L634×H800mm|
|CENTER:ホイール径|CENTER:300mm|
|CENTER:総重量|CENTER:70.0kg|
|CENTER:動力源|CENTER:DCモーター×4|
|CENTER:最大速度|CENTER:800mm/s|
|CENTER:センサ|CENTER:LRF×2 &br; (LMS151,TiM551) &br; エ...
|CENTER:バッテリー|CENTER:Li-ion(7S20Ah)|
|CENTER:制御用CPU|CENTER:Intel i7 5650U|
~
CENTER:&size(14){表2:看板検出に用いたUSBカメラの仕様};~
|CENTER:解像度|CENTER:744×480|
|CENTER:FPS|CENTER:30fps|
|CENTER:シャッター方式|CENTER:グローバルシャッター|
|CENTER:視野角|CENTER:約94.2°|
~
CENTER:&size(14){表3:看板検出に用いたLRF(LMS151)の仕様};~
|CENTER:計測範囲|CENTER:270°|
|CENTER:分解能|CENTER:0.5°|
|CENTER:計測周期|CENTER:50Hz|
|CENTER:計測距離|CENTER:50m|
~
CENTER:#ref(lrf_in.png,center,60%)
CENTER:&size(12){(a)LRFデータを取得した場所};~
&br;
CENTER:#ref(lrf_out.png,center,40%)
CENTER:&size(12){(b)LRFから得られる距離情報をもとにした環...
&br;
CENTER:&size(14){図6:LRFから得られる距離情報をもとにした...
*看板検出アルゴリズム [#ge39481f]
**カメラ画像からの特定色領域の抽出 [#k6277fdc]
カメラ画像から色情報を抽出して立て看板の探索を行う方法...
***対象となる色範囲の設定 [#ce9ef547]
CENTER:#ref(color_patch.png,center,50%)
CENTER:&size(14){図7:パッチ画像の作成例};~
&br;
実環境で撮影された画像は, 撮影時の場所や天候・時間帯に...
具体的には, はじめに図7 のようなつくばチャレンジの実験...
まれる色のみを抽出する．なお，つくばチャレンジ2016 では，...
図9 に示す色領域画像はそれぞれ横軸がH，縦軸がS を表して...
CENTER:#ref(color_range.png,center,30%)
CENTER:&size(14){図8:立て看板のオレンジ領域と水色領域の色...
&br;
CENTER:#ref(color_mask.png,center,30%)
CENTER:&size(14){図9:立て看板のオレンジ領域と水色領域の色...
&br;
***特定色領域の抽出方法 [#wcf98896]
入力画像の例を図10 に示す．特定色領域の抽出は，3 方向に...
CENTER:#ref(input.png,center,80%)
CENTER:&size(14){図10:入力画像の例};~
色情報を用いた特定色領域の抽出の手順は以下のとおりである．
+オレンジ色領域の抽出~
HSV 表色系に変換した入力画像に対しオレンジの色領域内の画...
+水色領域の抽出~
1. と同様の手順で水色の画素を抽出し二値画像を作成．
+オレンジ領域と水色領域のラベリング~
それぞれの二値画像に対しラベリング処理を行い，矩形領域Roi...
+オレンジ領域と水色領域の面積比を計算~
0.03 ≦ Abj/Aoi ≦ 0.75 である色領域のペアのみ以下の処理を...
+オレンジ領域と水色領域のペアの探索~
オレンジ領域Roi と水色領域Rbj の重心(mo,mb) の位置を比較...
&br;
はじめに，入力画像をHSV 表色系に変換しオレンジの色領域...
次に，色抽出により生成された二値画像に対してラベリング...
続いて，オレンジの矩形領域Roi と水色の矩形領域Rbj の面...
オレンジ領域Roi と水色領域Rbj の重心(mo,mb) の位置関係...
CENTER:#ref(bin.png,center,60%)
CENTER:&size(14){図11:二値画像の例};~
&br;
CENTER:#ref(board_cog.png,center,70%)
CENTER:&size(14){図12:看板のオレンジ領域と水色領域の重心...
&br;
以上の処理を3 方向に向けたカメラから得られるそれぞれの...
CENTER:#ref(x_lrf_l.png,center,40%)
CENTER:&size(12){(a)左カメラの画像の対応};~
&br;
CENTER:#ref(x_lrf_c.png,center,40%)
CENTER:&size(12){(b)中央カメラの画像の対応};~
&br;
CENTER:#ref(x_lrf_r.png,center,40%)
CENTER:&size(12){(c)右カメラの画像の対応};~
&br;
CENTER:&size(14){図13:各カメラの画像上のx座標と実空間上の...
**LRFを用いた特定形状の検出 [#eed4918b]
本手法を適用してカメラ画像を解析し求められる情報は対象...
本手法は単純に看板を検出した方向に移動してしまうと図14b...
+同一平面上に存在する物体のクラスタリング~
点群の距離情報di(0 ≦ i ≦ 540) をi = 0 から走査していきdi≦...
+立て看板の幅に相当するクラスタの抽出~
クラスタの端点間の距離が280～420[mm] のクラスタを看板のク...
+人物の幅に相当するクラスタの抽出~
クラスタの端点間の距離が250～650[mm] のクラスタを人物のク...
+カメラ画像から得られた看板の方向との比較~
カメラ画像から得られた看板の方向の10◦ の範囲に看板の幅に...
+人物と看板の中間点の取得~
看板クラスタと人物クラスタの距離d が200[mm]< d < 1000[mm]...
+目標地点の設定~
看板クラスタと人物クラスタを通る直線を計算し，この直線に...
終了行:
[[太田研 公開用Wiki]]
*小惑星画像の対応点決定を目的としたSIFTとAKAZEの性能比較 ...
#contents
*はじめに [#e2fff901]
2014年に打ち上げられ、今現在宇宙空間を飛んでいるはやぶ...
質を持ち帰ることである。C型の小惑星は、構成物質に有機物や...
球誕生の謎や、海の水の起源や生命の原材料となった有機物の...
できる。これを小惑星で行う理由は、地球は大気や重力の影響...
えてしまっているからである。~
さて、ミッションである小惑星の物質を持ち帰る方法は、小...
し、衝突装置の衝撃で撒きあがった物質(砂礫など)を採取する...
こで、タッチダウンに関して重要なことは、出来るだけフラッ...
ダウンしなければならないということだ。タッチダウンするた...
単位の精度で場所がわかっていないといけない。そこで、小惑...
う。はやぶさ2は1年半、小惑星の上空に滞在し、その間に小惑...
する。その小惑星の画像を用いて、画像処理で形状復元に必要...
具体的な方法としては、小惑星の同じ部分を異なる位置から撮...
像間において、1枚目の画像のある凹凸と同じものが2枚目の画...
を対応づける。これによって、カメラからのその凹凸の位置や...
れを多くの画像間に対して行うことで形状復元ができる。~
その対応付けを自動で行うアルゴリズム(検出器、記述子)は...
BRISK、ORB、KAZE、AKAZEなど、多くある。実際にこれらの性能...
たデータはあるが、それはあくまでも地球上で撮影されたもの...
て、小惑星画像を用いて AKAZE を除く多くのアルゴリズムの性...
ところ、SIFTが最も優れているという結果であった。しかしSIF...
から使用が容易ではないため、SIFTに代わるものとしてAKAZEが...
を検証したのが本研究である。~
*関連研究 [#f47552bb]
つくばチャレンジにおける人物検出手法の例としては[2, 3, ...
一方，[4, 5] の手法では，カメラ画像からの色情報とLRF で...
を検出した場合探索対象が存在すると判断している．しかし，...
[5] の手法では，色情報の変化が小さく形状が一定である立...
の解像度によっては図4 のように解像度の低い画像になってし...
に移動するため，本来の探索対象である人物から1.5m 以上離れ...
CENTER:#ref(omni.png,center,70%)
CENTER:&size(14){図4:双曲面ミラーを用いた全方位カメラ画像...
&br;
以上の関連研究を考慮し，本研究では，色情報・形状情報が...
た際にアプローチするという手法を採用した．さらに，探索対...
以上のように，ディープラーニングのような複雑な手法を用...
**ロボットの構成と開発環境 [#t0ac59e8]
つくばチャレンジ2016 のために開発したロボットの外観を図...
USB カメラはImagingSource 社製のUSB カメラ「DFK22AUC03...
ロボットの制御にはVecow社製PC「ECS4000-PoER」を用いた．...
以上のハードウェア構成で，要求される機能を十分に実現で...
CENTER:#ref(robot.png,center,50%)
CENTER:&size(14){図5:ロボットの外観(左：外装有り，右：外...
&br;
CENTER:&size(14){表1:ハードウェア構成};~
|CENTER:外形寸法|CENTER:W610×L634×H800mm|
|CENTER:ホイール径|CENTER:300mm|
|CENTER:総重量|CENTER:70.0kg|
|CENTER:動力源|CENTER:DCモーター×4|
|CENTER:最大速度|CENTER:800mm/s|
|CENTER:センサ|CENTER:LRF×2 &br; (LMS151,TiM551) &br; エ...
|CENTER:バッテリー|CENTER:Li-ion(7S20Ah)|
|CENTER:制御用CPU|CENTER:Intel i7 5650U|
~
CENTER:&size(14){表2:看板検出に用いたUSBカメラの仕様};~
|CENTER:解像度|CENTER:744×480|
|CENTER:FPS|CENTER:30fps|
|CENTER:シャッター方式|CENTER:グローバルシャッター|
|CENTER:視野角|CENTER:約94.2°|
~
CENTER:&size(14){表3:看板検出に用いたLRF(LMS151)の仕様};~
|CENTER:計測範囲|CENTER:270°|
|CENTER:分解能|CENTER:0.5°|
|CENTER:計測周期|CENTER:50Hz|
|CENTER:計測距離|CENTER:50m|
~
CENTER:#ref(lrf_in.png,center,60%)
CENTER:&size(12){(a)LRFデータを取得した場所};~
&br;
CENTER:#ref(lrf_out.png,center,40%)
CENTER:&size(12){(b)LRFから得られる距離情報をもとにした環...
&br;
CENTER:&size(14){図6:LRFから得られる距離情報をもとにした...
*看板検出アルゴリズム [#ge39481f]
**カメラ画像からの特定色領域の抽出 [#k6277fdc]
カメラ画像から色情報を抽出して立て看板の探索を行う方法...
***対象となる色範囲の設定 [#ce9ef547]
CENTER:#ref(color_patch.png,center,50%)
CENTER:&size(14){図7:パッチ画像の作成例};~
&br;
実環境で撮影された画像は, 撮影時の場所や天候・時間帯に...
具体的には, はじめに図7 のようなつくばチャレンジの実験...
まれる色のみを抽出する．なお，つくばチャレンジ2016 では，...
図9 に示す色領域画像はそれぞれ横軸がH，縦軸がS を表して...
CENTER:#ref(color_range.png,center,30%)
CENTER:&size(14){図8:立て看板のオレンジ領域と水色領域の色...
&br;
CENTER:#ref(color_mask.png,center,30%)
CENTER:&size(14){図9:立て看板のオレンジ領域と水色領域の色...
&br;
***特定色領域の抽出方法 [#wcf98896]
入力画像の例を図10 に示す．特定色領域の抽出は，3 方向に...
CENTER:#ref(input.png,center,80%)
CENTER:&size(14){図10:入力画像の例};~
色情報を用いた特定色領域の抽出の手順は以下のとおりである．
+オレンジ色領域の抽出~
HSV 表色系に変換した入力画像に対しオレンジの色領域内の画...
+水色領域の抽出~
1. と同様の手順で水色の画素を抽出し二値画像を作成．
+オレンジ領域と水色領域のラベリング~
それぞれの二値画像に対しラベリング処理を行い，矩形領域Roi...
+オレンジ領域と水色領域の面積比を計算~
0.03 ≦ Abj/Aoi ≦ 0.75 である色領域のペアのみ以下の処理を...
+オレンジ領域と水色領域のペアの探索~
オレンジ領域Roi と水色領域Rbj の重心(mo,mb) の位置を比較...
&br;
はじめに，入力画像をHSV 表色系に変換しオレンジの色領域...
次に，色抽出により生成された二値画像に対してラベリング...
続いて，オレンジの矩形領域Roi と水色の矩形領域Rbj の面...
オレンジ領域Roi と水色領域Rbj の重心(mo,mb) の位置関係...
CENTER:#ref(bin.png,center,60%)
CENTER:&size(14){図11:二値画像の例};~
&br;
CENTER:#ref(board_cog.png,center,70%)
CENTER:&size(14){図12:看板のオレンジ領域と水色領域の重心...
&br;
以上の処理を3 方向に向けたカメラから得られるそれぞれの...
CENTER:#ref(x_lrf_l.png,center,40%)
CENTER:&size(12){(a)左カメラの画像の対応};~
&br;
CENTER:#ref(x_lrf_c.png,center,40%)
CENTER:&size(12){(b)中央カメラの画像の対応};~
&br;
CENTER:#ref(x_lrf_r.png,center,40%)
CENTER:&size(12){(c)右カメラの画像の対応};~
&br;
CENTER:&size(14){図13:各カメラの画像上のx座標と実空間上の...
**LRFを用いた特定形状の検出 [#eed4918b]
本手法を適用してカメラ画像を解析し求められる情報は対象...
本手法は単純に看板を検出した方向に移動してしまうと図14b...
+同一平面上に存在する物体のクラスタリング~
点群の距離情報di(0 ≦ i ≦ 540) をi = 0 から走査していきdi≦...
+立て看板の幅に相当するクラスタの抽出~
クラスタの端点間の距離が280～420[mm] のクラスタを看板のク...
+人物の幅に相当するクラスタの抽出~
クラスタの端点間の距離が250～650[mm] のクラスタを人物のク...
+カメラ画像から得られた看板の方向との比較~
カメラ画像から得られた看板の方向の10◦ の範囲に看板の幅に...
+人物と看板の中間点の取得~
看板クラスタと人物クラスタの距離d が200[mm]< d < 1000[mm]...
+目標地点の設定~
看板クラスタと人物クラスタを通る直線を計算し，この直線に...
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
