HOG特徴と色特徴を用いたつくばチャレンジにおけるロボット走行可能領域推定手法の提案
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]]
*HOG特徴と色特徴を用いたつくばチャレンジにおけるロボット...
#contents
*はじめに [#lfd60c44]
**つくばチャレンジ [#kcaaecf7]
人間と共存するロボットの技術開発及び発展のために,様々な...
つくばチャレンジは「人間とロボットが共存する社会の実現...
一昨年行われたつくばチャレンジ2019は,ロボットに自律走行...
CENTER:#ref(M1.png,center,50%)
CENTER:&size(14){図1:つくばチャレンジ全体MAP};~
**つくばチャレンジの公園内における走行エリア識別のための...
つくばチャレンジのロボットは自律走行であるために,あらか...
また,つくばチャレンジのコースはつくば市区所の周りを様々...
CENTER:#ref(M2.png,center,50%)
CENTER:&size(14){図2:つくばチャレンジ公園内MAP};~
これには,ICNet[1]やLaser Range Finderを用いた深層学習に...
*古典的手法を用いたカメラによる路面識別 [#hb6ccaf5]
**従来の古典的手法を用いたカメラによる路面識別 [#gd000ffc]
つくばチャレンジにおける路面識別の手法には,前章で述べた...
このような中で古典的手法を用いたカメラによる路面識別をす...
**SVMの概要と説明 [#lef0c204]
SVMはサポートベクターマシンと呼ばれる教師あり学習による...
CENTER:#ref(L1.png,center,50%)
CENTER:&size(14){図3:線形SVMと非線形SVM};~
SVMとは学習データを用いて学習することで,それらのデータ...
SVMは現在知られている古典的手法の中でも優れた学習モデル...
その理由としては,ハイパーパラメータと呼ばれる人間が検出...
CENTER:#ref(L2.png,center,50%)
CENTER:&size(14){図4:SVMのマージン};~
**SVMを使用する際に用いられる特徴量 [#j066a9c8]
SVMを用いて物体検出などの処理を行う際に必要となるのが,...
SVM自体はハイパーパラメータが大きくなるほど速度が遅く融...
しかし,この特徴量によっては速度や精度が全く変わって来る...
このような特徴量の中で今回候補として挙げられるのはテク...
そのため本研究では簡単な特徴量で速度においては群を抜い...
**色特徴量の概要と説明 [#c45f8c8e]
色特徴量とは,その名前の通り画像の画素値の要素である色を...
デジタル画像を表すことのできるカラー画像の表色系である,...
今回はつくばチャレンジの公園内走行を想定しており,実環境...
CENTER:#ref(C1.png,center,100%)
CENTER:&size(14){図5:HSV表色系};~
**HOG特徴量の概要と説明 [#o51ae68d]
HOG特徴量[6]とは,Histgrams of Oriented Gradients特徴量...
手法としてはまず,画像をリサイズしグレースケールで読み込...
そのような分割を行った後,グレースケールにおける画像の各...
勾配強度と勾配方向を算出した後,予め決めておいた小領域で...
その後,それらのヒストグラムを最初に設定した局所領域であ...
このような正規化を全てのブロックに行い,それら全てを統合...
LBP特徴量と同じように輝度の勾配を用いてヒストグラムを作...
また,処理自体も正規化の処理が少し重いが,精度にしては速...
更に,LBP特徴量と違い,処理のスケールサイズを前述のように...
CENTER:#ref(H1.png,center,50%)
CENTER:&size(14){図6:HOG特徴量の説明};~
*評価実験 [#ucb2a5ae]
**SVMの学習方法 [#o1f34bd8]
SVMで学習を行う際は,使用する特徴量を決定して,それを用い...
今回はつくばチャレンジ公園内における道路と芝生の路面識...
それらの画像の作成の際は,様々な方法を用いて撮影環境などに...
**学習に使用したデータセットの作成方法 [#l3f03c14]
本研究室が以前に出場したつくばチャレンジにて,コースの走...
また,その際には以下のような手法を用いて学習データの作成...
まず,走行中の画像群の中から公園内の画像群を抜き出して処...
続いて,走行中の画像だが走行の際に様々な方向を向くため,...
そのため,どの場所でも同じ路面の材質やタイルであれば同じ...
CENTER:#ref(R1.png,center,50%)
CENTER:&size(14){図7:路面画像化後の公園内画像};~
その後,路面画像化を30×30の画像チップに分割する.それらの...
そうして,SVMにおいての正解画像群として道路画像群を,不正...
このような方法を用いて,図のような道路画像と芝生画像を作...
作成した枚数としては,30×30の道路画像がおよそ22000枚,30×30...
正当な学習の関係上,道路画像と芝生画像の枚数を揃えるため...
CENTER:#ref(T1.png,center,100%)
CENTER:&size(14){図8:作成した学習・識別用画像データ};~
*実験方法 [#z81658af]
今回,学習を行うにあたって道路画像と芝生画像の画像の枚数...
実際に,実験の前に事前に行った検出では道路画像の検出率の...
よって今回は,枚数の少ない芝生画像に学習画像の枚数を合わ...
これらのデータセットを用いて,SVMと用意した特徴量にて検...
反対に芝生画像の識別用画像を識別している際に,どれだけの画...
また,使用する特徴量についてはHOG特徴量と色特徴量が存在...
さらに,HOG特徴量と色特徴がお互いに古典的手法であり,比較...
*実験結果 [#r0bef618]
**HOG特徴量による路面識別 [#g6d41003]
SVMのハイパーパラメータの御判別の度合いを決める式の一部...
今回はHOG特徴量のみを用いて検出を行った.&br;
前述の実験方法の通り,事前に学習データを用いてHOG特徴量...
それにより,道路であるならば道路画像,道路でないならば芝...
そして,それぞれ識別用データセットと検出結果を照らし合わ...
以下のような図が道路画像をSVMとHOG特徴量にて,学習及び検...
また,その下の図が芝生画像をSVMとHOG特徴量にて学習及び検出...
図においては,それぞれの図で最も高い検出率である数字を赤く...
また,ハイパーパラメータについては少しづつ変えながら検出を...
CENTER:#ref(K1.png,center,50%)
CENTER:&size(14){図9:HOG特徴量を用いた道路画像の正検出率};~
CENTER:#ref(K2.png,center,50%)
CENTER:&size(14){図10:HOG特徴量を用いた芝生画像の正検出率...
これらの図をみると特徴的なことが幾つかある.
まず前提として,どちらも検出率が低いといった点である.&br;
道路画像の識別については,最大である検出率でさえハイパー...
道路画像の検出率の低下については,ハイパーパラメータCが...
取り分け,γが10から20になるときが最も低下している.&br;
続いて芝生画像の識別については平均的に検出率が低く,最も...
芝生画像の検出率の低下については道路画像のようにパラメ...
以上が,検出の図を見て分かる特徴である.
また,これらのプログラムを実行して識別を行った際の実行時...
しかしながら,一番検出率の高かったγ=10,C=10にて実行時間...
**色特徴による路面識別 [#yb3ae63d]
色特徴量のみを用いてSVMにて検出を行った.色のヒストグラ...
また,ハイパーパラメータを変えながら実験を行ったところ,割...
前述の通り,事前に学習データを用いて色特徴量で学習させて...
それにより,道路であるならば道路画像,道路でないならば芝...
そして,それぞれ識別用データセットと検出結果を照らし合わ...
結果は以下のとおりである.
色特徴量のみの検出の結果,道路画像を正しく検出できた比率...
正しく識別できた検出率としては,芝生画像が母数が少ないと...
ただし特徴的なこととして,図のような誤検出例が多くあった...
また,下が芝生画像の誤検出例で,芝生画像の誤検出は少なか...
CENTER:#ref(G1.png,center,50%)
CENTER:&size(14){図11:色特徴量による誤検出例(上:道路,下:...
**色+HOG特徴量による路面識別 [#hdd01bb8]
SVMのハイパーパラメータの御判別の度合いを決める式の一部...
今回は色特徴量とHOG特徴量の双方を並行して用いて検出を行...
前述の実験方法の通り,事前に学習データを用いて色+HOG特徴...
それにより,道路であるならば道路画像,道路でないならば芝...
そして,それぞれ識別用データセットと検出結果を照らし合わせ...
以下のような図が道路画像をSVMと色+HOG特徴量にて,学習及...
また,その下の図が芝生画像をSVMと色+HOG特徴量にて学習及び...
CENTER:#ref(K3.png,center,50%)
CENTER:&size(14){図12:HOG+色特徴量を用いた芝生画像の正検...
CENTER:#ref(K4.png,center,50%)
CENTER:&size(14){図13:HOG+色特徴量を用いた芝生画像の正検...
これらの図をみると特徴的なことがある.&br;
全体的に検出率が著しく高い点である.
道路画像の識別については検出率が一番低かったのが,ハイパ...
道路画像の学習用画像が3000枚であることに対して,識別画像...
また,芝生画像の識別についても,検出率が一番低い値こそγ=5...
実行時間については,一番検出率の高かったγ=10,C=10$にて実...
HOGよりも実行時間が短くなっているのは,恐らく環境か何か...
しかしながら,色特徴量自体あまり時間がかからない特徴量の...
*考察 [#x44a024e]
HOG特徴量のみによる検出の結果は,道路については最大で79....
このことから,つくばチャレンジ公園内において,走行禁止エ...
改善点としては,ハイパーパラメータが増えるたびに精度が下...
しかし,これ以上の枚数を作るにしてもコストがかかりすぎて...
次に色特徴量のみによる検出の結果は道路画像については85....
速度については他の手法の追随を許さないほどの速度であり,...
しかし,まず一つとして道路画像については少し検出率が低く...
今回はアスファルトで同じような色の場所のみを選んでいた...
また,芝生画像の識別についてはほぼ100%ではあるが,明らか...
つくばチャレンジは時期が11月近辺ということもあり,その年...
そのため,学習用画像にあるにもかかわらず花が検出できてい...
更に,色特徴量には輝度の変化に対するロバスト性がなく,つ...
そのため,検出自体はうまくいくものの,実際のつくばチャレ...
最後に,色+HOG特徴量による検出の結果だが,道路については...
失敗した画像についても,道路画像の中では異端となるマンホ...
また,芝生画像についてだが,最大96.2149%で最低77.9712%と...
色特徴量による検出よりも精度が落ちているのはHOG特徴量を...
さらに,HOG特徴量を加えたことにより輝度の変化に対するロ...
速度についても色特徴量が軽いため,殆どHOG特徴量と変わりな...
これらのことから,全体的に速度以外全てにおいて他の手法よ...
*まとめ [#y882c9e8]
結果と考察から,つくばチャレンジ公園内の走行可能エリア識...
速度に関しては余り秀でたものではなかったが.使用したpcの...
今後の展望としては,データセットに関しては芝生画像が相対...
また,それと並行して過学習のラインやSVMの境界線に対する...
更に,今回は色に違いがあったことや実環境であることから輝...
そして最終的には,目的であったつくばチャレンジ公園内の走...
*参考文献 [#l2075b41]
[1]安達 美穂,
単眼カメラを用いた意味的領域分割に基づくビジュアルナビゲ...
TSUKUBACHALLENGE2019参加レポート集 , pp.105~110, 2020
[2]棟本 真弘,
Convolutional Neural Networkを用いた通路認識と分岐検出に...
TSUKUBACHALLENGE2019参加レポート集 , pp.55~58, 2020
[3]V. Vapnik and A. Lerner,
Pattern recognition using generalized portrait method,
Automation and Remote Control, 24, 1963
[4]Ioannis Tsochantaridis, Thorsten Joachims, Thomas Hofm...
Large Margin Methods for Structured and Interdependent Ou...
The Journal of Machine Learning Research 6, pp.1453-1484,...
[5]N. Dalal and B. Triggs,
Histgrams of Oriented Gradients for Human Detection,
Proc. IEEE Conference on Computer Vision and Pattern Reco...
[6]Chew GOH Hock GOH, 吉田 俊之, 酒井 善則,
Image retrieval method based on color histogram,
信州学会秋季全国大会, 1995
[7]OpenCV : http://opencv.org/
終了行:
[[太田研 公開用Wiki]]
*HOG特徴と色特徴を用いたつくばチャレンジにおけるロボット...
#contents
*はじめに [#lfd60c44]
**つくばチャレンジ [#kcaaecf7]
人間と共存するロボットの技術開発及び発展のために,様々な...
つくばチャレンジは「人間とロボットが共存する社会の実現...
一昨年行われたつくばチャレンジ2019は,ロボットに自律走行...
CENTER:#ref(M1.png,center,50%)
CENTER:&size(14){図1:つくばチャレンジ全体MAP};~
**つくばチャレンジの公園内における走行エリア識別のための...
つくばチャレンジのロボットは自律走行であるために,あらか...
また,つくばチャレンジのコースはつくば市区所の周りを様々...
CENTER:#ref(M2.png,center,50%)
CENTER:&size(14){図2:つくばチャレンジ公園内MAP};~
これには,ICNet[1]やLaser Range Finderを用いた深層学習に...
*古典的手法を用いたカメラによる路面識別 [#hb6ccaf5]
**従来の古典的手法を用いたカメラによる路面識別 [#gd000ffc]
つくばチャレンジにおける路面識別の手法には,前章で述べた...
このような中で古典的手法を用いたカメラによる路面識別をす...
**SVMの概要と説明 [#lef0c204]
SVMはサポートベクターマシンと呼ばれる教師あり学習による...
CENTER:#ref(L1.png,center,50%)
CENTER:&size(14){図3:線形SVMと非線形SVM};~
SVMとは学習データを用いて学習することで,それらのデータ...
SVMは現在知られている古典的手法の中でも優れた学習モデル...
その理由としては,ハイパーパラメータと呼ばれる人間が検出...
CENTER:#ref(L2.png,center,50%)
CENTER:&size(14){図4:SVMのマージン};~
**SVMを使用する際に用いられる特徴量 [#j066a9c8]
SVMを用いて物体検出などの処理を行う際に必要となるのが,...
SVM自体はハイパーパラメータが大きくなるほど速度が遅く融...
しかし,この特徴量によっては速度や精度が全く変わって来る...
このような特徴量の中で今回候補として挙げられるのはテク...
そのため本研究では簡単な特徴量で速度においては群を抜い...
**色特徴量の概要と説明 [#c45f8c8e]
色特徴量とは,その名前の通り画像の画素値の要素である色を...
デジタル画像を表すことのできるカラー画像の表色系である,...
今回はつくばチャレンジの公園内走行を想定しており,実環境...
CENTER:#ref(C1.png,center,100%)
CENTER:&size(14){図5:HSV表色系};~
**HOG特徴量の概要と説明 [#o51ae68d]
HOG特徴量[6]とは,Histgrams of Oriented Gradients特徴量...
手法としてはまず,画像をリサイズしグレースケールで読み込...
そのような分割を行った後,グレースケールにおける画像の各...
勾配強度と勾配方向を算出した後,予め決めておいた小領域で...
その後,それらのヒストグラムを最初に設定した局所領域であ...
このような正規化を全てのブロックに行い,それら全てを統合...
LBP特徴量と同じように輝度の勾配を用いてヒストグラムを作...
また,処理自体も正規化の処理が少し重いが,精度にしては速...
更に,LBP特徴量と違い,処理のスケールサイズを前述のように...
CENTER:#ref(H1.png,center,50%)
CENTER:&size(14){図6:HOG特徴量の説明};~
*評価実験 [#ucb2a5ae]
**SVMの学習方法 [#o1f34bd8]
SVMで学習を行う際は,使用する特徴量を決定して,それを用い...
今回はつくばチャレンジ公園内における道路と芝生の路面識...
それらの画像の作成の際は,様々な方法を用いて撮影環境などに...
**学習に使用したデータセットの作成方法 [#l3f03c14]
本研究室が以前に出場したつくばチャレンジにて,コースの走...
また,その際には以下のような手法を用いて学習データの作成...
まず,走行中の画像群の中から公園内の画像群を抜き出して処...
続いて,走行中の画像だが走行の際に様々な方向を向くため,...
そのため,どの場所でも同じ路面の材質やタイルであれば同じ...
CENTER:#ref(R1.png,center,50%)
CENTER:&size(14){図7:路面画像化後の公園内画像};~
その後,路面画像化を30×30の画像チップに分割する.それらの...
そうして,SVMにおいての正解画像群として道路画像群を,不正...
このような方法を用いて,図のような道路画像と芝生画像を作...
作成した枚数としては,30×30の道路画像がおよそ22000枚,30×30...
正当な学習の関係上,道路画像と芝生画像の枚数を揃えるため...
CENTER:#ref(T1.png,center,100%)
CENTER:&size(14){図8:作成した学習・識別用画像データ};~
*実験方法 [#z81658af]
今回,学習を行うにあたって道路画像と芝生画像の画像の枚数...
実際に,実験の前に事前に行った検出では道路画像の検出率の...
よって今回は,枚数の少ない芝生画像に学習画像の枚数を合わ...
これらのデータセットを用いて,SVMと用意した特徴量にて検...
反対に芝生画像の識別用画像を識別している際に,どれだけの画...
また,使用する特徴量についてはHOG特徴量と色特徴量が存在...
さらに,HOG特徴量と色特徴がお互いに古典的手法であり,比較...
*実験結果 [#r0bef618]
**HOG特徴量による路面識別 [#g6d41003]
SVMのハイパーパラメータの御判別の度合いを決める式の一部...
今回はHOG特徴量のみを用いて検出を行った.&br;
前述の実験方法の通り,事前に学習データを用いてHOG特徴量...
それにより,道路であるならば道路画像,道路でないならば芝...
そして,それぞれ識別用データセットと検出結果を照らし合わ...
以下のような図が道路画像をSVMとHOG特徴量にて,学習及び検...
また,その下の図が芝生画像をSVMとHOG特徴量にて学習及び検出...
図においては,それぞれの図で最も高い検出率である数字を赤く...
また,ハイパーパラメータについては少しづつ変えながら検出を...
CENTER:#ref(K1.png,center,50%)
CENTER:&size(14){図9:HOG特徴量を用いた道路画像の正検出率};~
CENTER:#ref(K2.png,center,50%)
CENTER:&size(14){図10:HOG特徴量を用いた芝生画像の正検出率...
これらの図をみると特徴的なことが幾つかある.
まず前提として,どちらも検出率が低いといった点である.&br;
道路画像の識別については,最大である検出率でさえハイパー...
道路画像の検出率の低下については,ハイパーパラメータCが...
取り分け,γが10から20になるときが最も低下している.&br;
続いて芝生画像の識別については平均的に検出率が低く,最も...
芝生画像の検出率の低下については道路画像のようにパラメ...
以上が,検出の図を見て分かる特徴である.
また,これらのプログラムを実行して識別を行った際の実行時...
しかしながら,一番検出率の高かったγ=10,C=10にて実行時間...
**色特徴による路面識別 [#yb3ae63d]
色特徴量のみを用いてSVMにて検出を行った.色のヒストグラ...
また,ハイパーパラメータを変えながら実験を行ったところ,割...
前述の通り,事前に学習データを用いて色特徴量で学習させて...
それにより,道路であるならば道路画像,道路でないならば芝...
そして,それぞれ識別用データセットと検出結果を照らし合わ...
結果は以下のとおりである.
色特徴量のみの検出の結果,道路画像を正しく検出できた比率...
正しく識別できた検出率としては,芝生画像が母数が少ないと...
ただし特徴的なこととして,図のような誤検出例が多くあった...
また,下が芝生画像の誤検出例で,芝生画像の誤検出は少なか...
CENTER:#ref(G1.png,center,50%)
CENTER:&size(14){図11:色特徴量による誤検出例(上:道路,下:...
**色+HOG特徴量による路面識別 [#hdd01bb8]
SVMのハイパーパラメータの御判別の度合いを決める式の一部...
今回は色特徴量とHOG特徴量の双方を並行して用いて検出を行...
前述の実験方法の通り,事前に学習データを用いて色+HOG特徴...
それにより,道路であるならば道路画像,道路でないならば芝...
そして,それぞれ識別用データセットと検出結果を照らし合わせ...
以下のような図が道路画像をSVMと色+HOG特徴量にて,学習及...
また,その下の図が芝生画像をSVMと色+HOG特徴量にて学習及び...
CENTER:#ref(K3.png,center,50%)
CENTER:&size(14){図12:HOG+色特徴量を用いた芝生画像の正検...
CENTER:#ref(K4.png,center,50%)
CENTER:&size(14){図13:HOG+色特徴量を用いた芝生画像の正検...
これらの図をみると特徴的なことがある.&br;
全体的に検出率が著しく高い点である.
道路画像の識別については検出率が一番低かったのが,ハイパ...
道路画像の学習用画像が3000枚であることに対して,識別画像...
また,芝生画像の識別についても,検出率が一番低い値こそγ=5...
実行時間については,一番検出率の高かったγ=10,C=10$にて実...
HOGよりも実行時間が短くなっているのは,恐らく環境か何か...
しかしながら,色特徴量自体あまり時間がかからない特徴量の...
*考察 [#x44a024e]
HOG特徴量のみによる検出の結果は,道路については最大で79....
このことから,つくばチャレンジ公園内において,走行禁止エ...
改善点としては,ハイパーパラメータが増えるたびに精度が下...
しかし,これ以上の枚数を作るにしてもコストがかかりすぎて...
次に色特徴量のみによる検出の結果は道路画像については85....
速度については他の手法の追随を許さないほどの速度であり,...
しかし,まず一つとして道路画像については少し検出率が低く...
今回はアスファルトで同じような色の場所のみを選んでいた...
また,芝生画像の識別についてはほぼ100%ではあるが,明らか...
つくばチャレンジは時期が11月近辺ということもあり,その年...
そのため,学習用画像にあるにもかかわらず花が検出できてい...
更に,色特徴量には輝度の変化に対するロバスト性がなく,つ...
そのため,検出自体はうまくいくものの,実際のつくばチャレ...
最後に,色+HOG特徴量による検出の結果だが,道路については...
失敗した画像についても,道路画像の中では異端となるマンホ...
また,芝生画像についてだが,最大96.2149%で最低77.9712%と...
色特徴量による検出よりも精度が落ちているのはHOG特徴量を...
さらに,HOG特徴量を加えたことにより輝度の変化に対するロ...
速度についても色特徴量が軽いため,殆どHOG特徴量と変わりな...
これらのことから,全体的に速度以外全てにおいて他の手法よ...
*まとめ [#y882c9e8]
結果と考察から,つくばチャレンジ公園内の走行可能エリア識...
速度に関しては余り秀でたものではなかったが.使用したpcの...
今後の展望としては,データセットに関しては芝生画像が相対...
また,それと並行して過学習のラインやSVMの境界線に対する...
更に,今回は色に違いがあったことや実環境であることから輝...
そして最終的には,目的であったつくばチャレンジ公園内の走...
*参考文献 [#l2075b41]
[1]安達 美穂,
単眼カメラを用いた意味的領域分割に基づくビジュアルナビゲ...
TSUKUBACHALLENGE2019参加レポート集 , pp.105~110, 2020
[2]棟本 真弘,
Convolutional Neural Networkを用いた通路認識と分岐検出に...
TSUKUBACHALLENGE2019参加レポート集 , pp.55~58, 2020
[3]V. Vapnik and A. Lerner,
Pattern recognition using generalized portrait method,
Automation and Remote Control, 24, 1963
[4]Ioannis Tsochantaridis, Thorsten Joachims, Thomas Hofm...
Large Margin Methods for Structured and Interdependent Ou...
The Journal of Machine Learning Research 6, pp.1453-1484,...
[5]N. Dalal and B. Triggs,
Histgrams of Oriented Gradients for Human Detection,
Proc. IEEE Conference on Computer Vision and Pattern Reco...
[6]Chew GOH Hock GOH, 吉田 俊之, 酒井 善則,
Image retrieval method based on color histogram,
信州学会秋季全国大会, 1995
[7]OpenCV : http://opencv.org/
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
