画像によるロボットのナビゲーションのための照明変化に堅牢な画像マッチング手法
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]]
*画像によるロボットのナビゲーションのための照明変化に堅牢...
#contents
*はじめに [#q9e56ffe]
近年、人間による制御によらず屋内外を自律的に走行するロボ...
現在はレーザーレンジファインダー(LRF)により周囲の空間の...
こうした問題に対し、比較的安価に搭載できるカメラを用い...
移動ロボットの画像マッチングに適した自己位置推定法とし...
これは予めロボットが移動するルートを撮影した連続画像群と...
*既存手法とその問題点 [#id1fc80d]
**SeqSLAM [#wea156e7]
SeqSLAMはM.Milfordらによって提案された手法であり、予めロ...
次に、SeqSLAMの手順を説明する.予め用意した移動ルートの...
CENTER:#ref(Seq_p.png,center,80%)
CENTER:図1: 小領域への区分
既存手法では小領域内の画素の最高輝度を255、最低輝度を0 と...
CENTER:^Di = (Di - Di)/σl ……(1)
次の図2に各入力画像のスコアマトリックスMと、Mに局所領域強...
CENTER:#ref(Seq_m.png,center,60%)
CENTER:図2: スコアマトリックスと局所領域強調
続いて、Mを用いて対応する連続画像を探索する. この探索はテ...
CENTER:#ref(Seq_s.png,center,60%)
CENTER:図3: 対応画像探索
このような手順で探索することで、SeqSLAMは堅牢な対応画像探...
**動作実験と問題点 [#wea156e7]
***動作実験 [#b41638e1]
ロボットが違う照明条件で同じ場所を走行しながら1mごとに撮...
CENTER:#ref(Ex0_T.png,center,60%)
~
CENTER:#ref(Ex0_I.png,center,60%)
CENTER:図4: 動作実験画像群(92枚)
今回の実験では画像番号と撮影位置が対応した画像を使用する...
***実験結果 [#mdf0b7b3]
動作実験の結果のスコアマトリックスと対応画像探索結果を次...
CENTER:#ref(Ex0_rst.png,center,100%)
CENTER:[1] スコアマトリックス [2] 対応画像探索
CENTER:図5: 動作実験結果
このスコアマトリックスを見ると、大よそ対角に黒い線ができ...
2つの画像を比較すると、テンプレート画像は日光が差している...
SeqSLAM は画像を小領域に分割し個々の領域内で正規化するこ...
*提案手法 [#d6e01886]
**ヒストグラム平坦化 [#l07972a5]
ヒストグラム平坦化は画像の画素の輝度値の分布を表すヒスト...
[1] 適用前[2] 適用後
図7: ヒストグラム平坦化の効果
図7 のようにヒストグラムを平坦化することで画像のコントラ...
**正規化相互相関(ZNCC) [#bff1d01e]
正規化相互相関は画像の輝度値の平均値を引いて正規化し、そ...
画像の幅をM、高さをNとしたとき、テンプレート画像の画素をT...
CENTER:#ref(Coordinate.jpg,center,40%)
CENTER:&size(12){図3:2つの座標系(右:ロボットの座標系，左:...
&br;
ここで、正規化相互相関の結果が-1に近い場合について考える...
例えば、昼間の画像と夜間の画像をマッチングする際に窓から...
**増分符号相関(ISC) [#bff1d01e]
増分符号相関[2] は画像間の明るさの変化傾向を符号化し、ど...
図9 のグラフから分かるように、明るさの絶対値や変化量は2つ...
続いて、増分符号相関の手順について説明する．テンプレー...
同様に入力画像の画素列G'={fg'}(n=0,1,……,M+N)に対応するビ...
CENTER:R_isc =1/M + NMΣ+Nn=1(bn × b'n + (1 - bn) × (1 - b...
本研究では、手法の適用前にガウシアンフィルタを適用して画...
**方向符号照合(OCM) [#bff1d01e]
方向符号照合[3] は画像の各画素の輝度勾配の方向に対し符号...
続いて、方向符号照合の手順について説明する．テンプレー...
式(7)で求めた輝度方向θ(i,j)を量子幅Δθ = 2π/Pにより量子化...
同様に、入力画像の注目画素I(i,j)の水平方向の微分∇Ixと垂直...
と同じく1画素に対する符号によるマッチングを行うためロボッ...
*実験 [#m57178db]
**ロボットが移動しながら撮影した画像群に対しての実験 [#ac...
***実験I:撮影位置の対応した画像群 [#nb62bfee]
動作実験と同じく図4に示した、画像番号と撮影位置が対応した...
定量値として、1つのテンプレート画像に対して画像番号の同...
***実験I結果 [#w3937bfa]
実験結果のスコアマトリックスを図12に、定量比較の結果を表1...
CENTER:#ref(Ex1_r.png,center,60%)
CENTER:図12: 実験I結果
| |>|CENTER:明度強調前|>|CENTER:明度強調後|
|~|相違度平均|相違度が1以上|相違度平均|相違度が1以上|
|CENTER:既存手法|CENTER:0.94|CENTER:9|CENTER:0.64|CENTER:4|
|CENTER:ヒストグラム平坦化|CENTER:0.93|CENTER:6|CENTER:0....
|CENTER:ZNCC|CENTER:0.58|CENTER:7|CENTER:0.52|CENTER:5|
|CENTER:絶対値ZNCC|CENTER:0.59|CENTER:7|CENTER:0.49|CENTE...
|CENTER:ISC|CENTER:0.59|CENTER:39|CENTER:0.49|CENTER:5|
|CENTER:拡張ISC|CENTER:0.92|CENTER:12|CENTER:1.70|CENTER:8|
|CENTER:OCM|CENTER:0.71|CENTER:5|CENTER:0.45|CENTER:2|
|CENTER:拡張OCM|CENTER:0.69|CENTER:6|CENTER:0.48|CENTER:3|
各手法のスコアマトリックスを比較すると、既存手法ではうま...
次に定量比較の結果を見ると、明暗の強調前では正規化相互...
これらの結果より、この実験においては既存手法と比べヒス...
***実験II:屋外環境を走行した画像群 [#q56fe91c]
こちらの実験は、自律走行ロボットが人のいる屋外環境を走行...
CENTER:#ref(Ex2_1_T.png,center,60%)
~
CENTER:#ref(Ex2_1_I.png,center,60%)
CENTER:図13: 実験画像群1(92枚)
~
~
CENTER:#ref(Ex2-2_T.png,center,60%)
~
CENTER:#ref(Ex2-2_I.png,center,60%)
CENTER:図14: 実験画像群2(92枚)
実験Iと同じく8つの手法を実装したSeqSLAMでそれぞれスコアマ...
***実験II結果 [#d63b64f5]
CENTER:#ref(Ex2-1_s.png,center,60%)
CENTER:図14: 実験II結果1(スコアマトリックス)
CENTER:#ref(Ex2-1_l.png,center,60%)
CENTER:図14: 実験II結果1(対応画像探索)
CENTER:#ref(Ex2-1_D.png,center,60%)
CENTER:図14: 実験II結果1(DP探索)
~
CENTER:#ref(Ex2-2_s.png,center,60%)
CENTER:図14: 実験II結果2(スコアマトリックス)
CENTER:#ref(Ex2-2_l.png,center,60%)
CENTER:図14: 実験II結果2(対応画像探索)
CENTER:#ref(Ex2-2_D.png,center,60%)
CENTER:図14: 実験II結果2(DP探索)
既存手法と比較すると、実験Iと同じく正規化相互相関と方向符...
次に、対応画像探索を行った結果は画像群1についてはSeqSLA...
**定点観測画像に対しての実験 [#ec562dc1]
***実験III:定点から撮影した時間変化画像に対する実験 [#v65...
3箇所の定点から2日分、9:00～17:50までの10分毎に撮影した画...
***実験III結果 [#jcbeb177]
CENTER:#ref(Ex3_g.png,center,60%)
CENTER:図14: 実験III結果
図23に示す各グラフを見ると、ヒストグラム平坦化、方向符号...
*考察 [#hdc9d4e0]
**実験Iについて [#ua8c8c50]
実験Iでは明度強調前では正規化相互相関が最も数値が小さくな...
また、増分符号相関で上手くマッチングできなかった画像の例...
このように、少しの撮影位置の違いでも増分符号相関では影響...
**実験IIについて [#yc307757]
実験IIの結果について、画像群2のDP探索による実験結果は各手...
使用した画像群の撮影位置が同じ画像を目視で確認し、撮影位...
CENTER:#ref(Ex2_add.png,center,60%)
CENTER:図(左:既存手法 中央:ZNCC 右:OCM)
||対応した画像とDP探索の差|
|CENTER:既存手法|CENTER:362|
|CENTER:ZNCC|CENTER:215|
|CENTER:OCM|CENTER:157|
表2の結果より方向符号照合のズレの合計値が最も小さく、目視...
**実験IIIについて [#f3e2fa27]
実験IIIの結果において、グラフを比較するとヒストグラム平坦...
CENTER:#ref(Ex4_im.png,center,30%)
CENTER:#ref(Ex4_r.png,center,60%)
図28に示す各手法の結果を比較すると、既存手法は小領域の中...
一方で拡張増分符号相関、拡張方向符号照合は既存手法より...
これらの結果より、定点観測画像に対しての実験では方向符...
*まとめ [#sd4b3a7c]
本論文では、屋外を自律走行するロボットに適した画像による...
提案手法はヒストグラム平坦化、正規化相互相関、増分符号...
画像番号と撮影位置を対応させたロボットの移動ルート画像...
定点観測画像に対する実験では、定点から撮影した時間ごと...
今後の課題としては、様々な画像群に対して実験を行い、様...
*参考文献 [#k534e044]
[1] M.J. Milford and G.F. Wyeth"SeqSLAM: Visual RouteBase...
[2] 村瀬一朗, 金子俊一, 五十嵐悟"増分符号相関による画像照...
[3] F.Ullah,S.Kaneko,S.Igarashi"Orientation code matching...
終了行:
[[太田研 公開用Wiki]]
*画像によるロボットのナビゲーションのための照明変化に堅牢...
#contents
*はじめに [#q9e56ffe]
近年、人間による制御によらず屋内外を自律的に走行するロボ...
現在はレーザーレンジファインダー(LRF)により周囲の空間の...
こうした問題に対し、比較的安価に搭載できるカメラを用い...
移動ロボットの画像マッチングに適した自己位置推定法とし...
これは予めロボットが移動するルートを撮影した連続画像群と...
*既存手法とその問題点 [#id1fc80d]
**SeqSLAM [#wea156e7]
SeqSLAMはM.Milfordらによって提案された手法であり、予めロ...
次に、SeqSLAMの手順を説明する.予め用意した移動ルートの...
CENTER:#ref(Seq_p.png,center,80%)
CENTER:図1: 小領域への区分
既存手法では小領域内の画素の最高輝度を255、最低輝度を0 と...
CENTER:^Di = (Di - Di)/σl ……(1)
次の図2に各入力画像のスコアマトリックスMと、Mに局所領域強...
CENTER:#ref(Seq_m.png,center,60%)
CENTER:図2: スコアマトリックスと局所領域強調
続いて、Mを用いて対応する連続画像を探索する. この探索はテ...
CENTER:#ref(Seq_s.png,center,60%)
CENTER:図3: 対応画像探索
このような手順で探索することで、SeqSLAMは堅牢な対応画像探...
**動作実験と問題点 [#wea156e7]
***動作実験 [#b41638e1]
ロボットが違う照明条件で同じ場所を走行しながら1mごとに撮...
CENTER:#ref(Ex0_T.png,center,60%)
~
CENTER:#ref(Ex0_I.png,center,60%)
CENTER:図4: 動作実験画像群(92枚)
今回の実験では画像番号と撮影位置が対応した画像を使用する...
***実験結果 [#mdf0b7b3]
動作実験の結果のスコアマトリックスと対応画像探索結果を次...
CENTER:#ref(Ex0_rst.png,center,100%)
CENTER:[1] スコアマトリックス [2] 対応画像探索
CENTER:図5: 動作実験結果
このスコアマトリックスを見ると、大よそ対角に黒い線ができ...
2つの画像を比較すると、テンプレート画像は日光が差している...
SeqSLAM は画像を小領域に分割し個々の領域内で正規化するこ...
*提案手法 [#d6e01886]
**ヒストグラム平坦化 [#l07972a5]
ヒストグラム平坦化は画像の画素の輝度値の分布を表すヒスト...
[1] 適用前[2] 適用後
図7: ヒストグラム平坦化の効果
図7 のようにヒストグラムを平坦化することで画像のコントラ...
**正規化相互相関(ZNCC) [#bff1d01e]
正規化相互相関は画像の輝度値の平均値を引いて正規化し、そ...
画像の幅をM、高さをNとしたとき、テンプレート画像の画素をT...
CENTER:#ref(Coordinate.jpg,center,40%)
CENTER:&size(12){図3:2つの座標系(右:ロボットの座標系，左:...
&br;
ここで、正規化相互相関の結果が-1に近い場合について考える...
例えば、昼間の画像と夜間の画像をマッチングする際に窓から...
**増分符号相関(ISC) [#bff1d01e]
増分符号相関[2] は画像間の明るさの変化傾向を符号化し、ど...
図9 のグラフから分かるように、明るさの絶対値や変化量は2つ...
続いて、増分符号相関の手順について説明する．テンプレー...
同様に入力画像の画素列G'={fg'}(n=0,1,……,M+N)に対応するビ...
CENTER:R_isc =1/M + NMΣ+Nn=1(bn × b'n + (1 - bn) × (1 - b...
本研究では、手法の適用前にガウシアンフィルタを適用して画...
**方向符号照合(OCM) [#bff1d01e]
方向符号照合[3] は画像の各画素の輝度勾配の方向に対し符号...
続いて、方向符号照合の手順について説明する．テンプレー...
式(7)で求めた輝度方向θ(i,j)を量子幅Δθ = 2π/Pにより量子化...
同様に、入力画像の注目画素I(i,j)の水平方向の微分∇Ixと垂直...
と同じく1画素に対する符号によるマッチングを行うためロボッ...
*実験 [#m57178db]
**ロボットが移動しながら撮影した画像群に対しての実験 [#ac...
***実験I:撮影位置の対応した画像群 [#nb62bfee]
動作実験と同じく図4に示した、画像番号と撮影位置が対応した...
定量値として、1つのテンプレート画像に対して画像番号の同...
***実験I結果 [#w3937bfa]
実験結果のスコアマトリックスを図12に、定量比較の結果を表1...
CENTER:#ref(Ex1_r.png,center,60%)
CENTER:図12: 実験I結果
| |>|CENTER:明度強調前|>|CENTER:明度強調後|
|~|相違度平均|相違度が1以上|相違度平均|相違度が1以上|
|CENTER:既存手法|CENTER:0.94|CENTER:9|CENTER:0.64|CENTER:4|
|CENTER:ヒストグラム平坦化|CENTER:0.93|CENTER:6|CENTER:0....
|CENTER:ZNCC|CENTER:0.58|CENTER:7|CENTER:0.52|CENTER:5|
|CENTER:絶対値ZNCC|CENTER:0.59|CENTER:7|CENTER:0.49|CENTE...
|CENTER:ISC|CENTER:0.59|CENTER:39|CENTER:0.49|CENTER:5|
|CENTER:拡張ISC|CENTER:0.92|CENTER:12|CENTER:1.70|CENTER:8|
|CENTER:OCM|CENTER:0.71|CENTER:5|CENTER:0.45|CENTER:2|
|CENTER:拡張OCM|CENTER:0.69|CENTER:6|CENTER:0.48|CENTER:3|
各手法のスコアマトリックスを比較すると、既存手法ではうま...
次に定量比較の結果を見ると、明暗の強調前では正規化相互...
これらの結果より、この実験においては既存手法と比べヒス...
***実験II:屋外環境を走行した画像群 [#q56fe91c]
こちらの実験は、自律走行ロボットが人のいる屋外環境を走行...
CENTER:#ref(Ex2_1_T.png,center,60%)
~
CENTER:#ref(Ex2_1_I.png,center,60%)
CENTER:図13: 実験画像群1(92枚)
~
~
CENTER:#ref(Ex2-2_T.png,center,60%)
~
CENTER:#ref(Ex2-2_I.png,center,60%)
CENTER:図14: 実験画像群2(92枚)
実験Iと同じく8つの手法を実装したSeqSLAMでそれぞれスコアマ...
***実験II結果 [#d63b64f5]
CENTER:#ref(Ex2-1_s.png,center,60%)
CENTER:図14: 実験II結果1(スコアマトリックス)
CENTER:#ref(Ex2-1_l.png,center,60%)
CENTER:図14: 実験II結果1(対応画像探索)
CENTER:#ref(Ex2-1_D.png,center,60%)
CENTER:図14: 実験II結果1(DP探索)
~
CENTER:#ref(Ex2-2_s.png,center,60%)
CENTER:図14: 実験II結果2(スコアマトリックス)
CENTER:#ref(Ex2-2_l.png,center,60%)
CENTER:図14: 実験II結果2(対応画像探索)
CENTER:#ref(Ex2-2_D.png,center,60%)
CENTER:図14: 実験II結果2(DP探索)
既存手法と比較すると、実験Iと同じく正規化相互相関と方向符...
次に、対応画像探索を行った結果は画像群1についてはSeqSLA...
**定点観測画像に対しての実験 [#ec562dc1]
***実験III:定点から撮影した時間変化画像に対する実験 [#v65...
3箇所の定点から2日分、9:00～17:50までの10分毎に撮影した画...
***実験III結果 [#jcbeb177]
CENTER:#ref(Ex3_g.png,center,60%)
CENTER:図14: 実験III結果
図23に示す各グラフを見ると、ヒストグラム平坦化、方向符号...
*考察 [#hdc9d4e0]
**実験Iについて [#ua8c8c50]
実験Iでは明度強調前では正規化相互相関が最も数値が小さくな...
また、増分符号相関で上手くマッチングできなかった画像の例...
このように、少しの撮影位置の違いでも増分符号相関では影響...
**実験IIについて [#yc307757]
実験IIの結果について、画像群2のDP探索による実験結果は各手...
使用した画像群の撮影位置が同じ画像を目視で確認し、撮影位...
CENTER:#ref(Ex2_add.png,center,60%)
CENTER:図(左:既存手法 中央:ZNCC 右:OCM)
||対応した画像とDP探索の差|
|CENTER:既存手法|CENTER:362|
|CENTER:ZNCC|CENTER:215|
|CENTER:OCM|CENTER:157|
表2の結果より方向符号照合のズレの合計値が最も小さく、目視...
**実験IIIについて [#f3e2fa27]
実験IIIの結果において、グラフを比較するとヒストグラム平坦...
CENTER:#ref(Ex4_im.png,center,30%)
CENTER:#ref(Ex4_r.png,center,60%)
図28に示す各手法の結果を比較すると、既存手法は小領域の中...
一方で拡張増分符号相関、拡張方向符号照合は既存手法より...
これらの結果より、定点観測画像に対しての実験では方向符...
*まとめ [#sd4b3a7c]
本論文では、屋外を自律走行するロボットに適した画像による...
提案手法はヒストグラム平坦化、正規化相互相関、増分符号...
画像番号と撮影位置を対応させたロボットの移動ルート画像...
定点観測画像に対する実験では、定点から撮影した時間ごと...
今後の課題としては、様々な画像群に対して実験を行い、様...
*参考文献 [#k534e044]
[1] M.J. Milford and G.F. Wyeth"SeqSLAM: Visual RouteBase...
[2] 村瀬一朗, 金子俊一, 五十嵐悟"増分符号相関による画像照...
[3] F.Ullah,S.Kaneko,S.Igarashi"Orientation code matching...
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
