【論文100本ノックの32】局所形状の独自性に着目した物体認識に有効な 3-D 特徴点の自動抽出
1 目 的
点群に関する研究論文を読み、点群処理に関する知識を得るとともに、新たな研究のための気づきを得る。
2 はじめに
100本計画の32本目として、和文8ページの本論文を読む。
3 対象論文と要約
3.1 対象論文
永瀬誠信, 秋月秀一, and 橋本学.
"局所形状の独自性に着目した物体認識に有効な 3-D 特徴点の自動抽出."
研究報告コンピュータビジョンとイメージメディア (CVIM) 2013.26 (2013): 1-8.
3.2 研究概要
注目点周辺の局所形状を、周囲の法線分布ヒストグラムで記述し、属性値とする。
属性値の独自性が高いものから優先的に照合に用いることで、誤照合低減と高速化を目指す。
4 出現用語
・アピアランスベースの物体認識手法
・パラメトリック固有空間を用いてデータ量を圧縮する手法
・アンサンブル分類木を用いて高速化を図る手法
・モデルベース物体認識
・モデル内の点群の位置関係をヒストグラムとして表現する手法
・Spin Image・・・注目点の法線を基準とし、周辺テントの相対的な位置関係を2次元の投影面に投票した位置姿勢に不変な特徴量を入力距離画像と照合する
・3D Shape Context・・・注目点の周辺領域を複数に分割し、その領域に含まれる点群の密度情報をヒストグラムとして表現
・特徴点のみを用いる高速な手法
・Local Surface Patch・・・法線とShape Indexにより記述。
・距離アスペクト画像(DAI)を作成して照合する手法
・物体モデル内の点群の距離情報を保持したエッジを利用する手法
・SHOT・・・法線情報を用いて特徴を記述し、基準座標系を用いて照合
・CSHOT・・・SHOT+特徴量や物体モデルのテクスチャ情報
5 おわりに
点群処理の分野では、応用例にピッキングマシンがよく出てくる。
ピッキングマシンは、「探索対象が既知」「基本的に同種の物体しか存在しない」という特性があるため、応用分野としては非常に環境が整えられた、敷居の低いものである。
その分、学術的な基礎分野の研究の応用先として選びやすい。
本論文は、特徴量とピッキングを結びつけて論じている。
今後特徴量の論文を書く際、構成の参考にしたい。
6 今後調査したい事項
新出用語
7 参考文献
なし。