MIT、画像認識力を向上させる点群データの識別手法を開発

膨大な3D点群データに隠れている物体を、3ステップで迅速に特定する技術Image: Christine Daniloff, MIT

MITの研究チームが、膨大な3D点群データの中に隠れている物体を、ロボットが迅速に特定できる技術を開発した。3Dステレオグラム「マジックアイ」をじっくりと眺めると、隠されていた3D図形が徐々に浮かび上がるように、センサーが収集した3D点群データの中から物体を、数秒以内に正確に識別することができる。将来的に、完全自動運転車両や支援ロボットなど、高速で高精度の機械認識が必要な用途に活用できると期待している。研究成果は、2019年6月22日~26日にドイツで開催された「Robotics Science and Systems Conference」で発表されている。

現在のロボットは、センサーが収集した実世界の点群データと、テンプレートにある物体、例えば、ウサギの3Dドット表現を比較することにより、物体を識別しようとしている。テンプレートの画像は、ウサギの耳や尻尾など、物体の特徴的な曲線や角度を表現するドット群を含んでいる。既存のアルゴリズムでは、実世界の点群の中から類似した特徴的な姿を抽出し、これをテンプレートの画像と対応付け、回転や移動してテンプレートに揃えながら、点群にこの物体が含まれているかを決定する。しかし、センサーが収集する点群データには、位置や間隔についてのエラーが常に存在するため、多数の誤った対応付けが生じ、最終的に物体を誤って特定、あるいは特定に失敗する。

最先端のアルゴリズムでは、良い対応付けと悪い対応付けを区別できるが、これには“指数関数的な時間”を要し、高速なコンピューター群を使っても常識的な時間内に終わらない。また、迅速な対応付けを行うアルゴリズムもあるが、研究チームによれば、「間違っていることを認識せずに間違う、最悪なアルゴリズム」もある。

研究チームは、点群データの中からテンプレートに類似した物体を抽出し、その後サイズ、位置、方向という3ステップで対応付け、かつ悪い対応付けを排除する手法を開発した。この手法には、点群データとテンプレートの対応付けにおいて、変動するサイズや位置の対応比の最も確からしい値を決定する「適応投票方式」アルゴリズムと、物体を回転してテンプレートの方向に揃える際に「凸緩和」を利用する「凸最適化アルゴリズム」を導入している。

その結果、膨大な点群においても、比較的短時間で物体を特定するとともに、悪い対応付けを排除できるようになり、実際にリビングルームの中でシリアルの箱と野球帽を見つけることに成功した。研究チームは、「将来的に、複雑なセンサーやデータを使う自動運転車で、膨大な点群データを解析できるようになる。更にナビゲーションや家庭用ロボットなどにも応用できる」と、その活用に期待している。

関連リンク

Spotting objects amid clutter

関連記事

アーカイブ

fabcross
meitec
next
メルマガ登録
ページ上部へ戻る