文献

J-GLOBAL ID：202202246007564838   整理番号：22A1531043

エコロケーションに基づく視覚シーンの再構成手法の提案と入力特徴量の検討

Visual Scene Reconstruction based on Echolocation with a Generative Adversarial Network

著者 (5件)： 岸波華彦 (東京工業大学工学院システム制御系) ,  糸山克寿 (東京工業大学工学院システム制御系) ,  西田健次 (東京工業大学工学院システム制御系) ,  中臺一博 (東京工業大学工学院システム制御系) ,  中臺一博 ((株)ホンダ・リサーチ・インスティチュート・ジャパン)
資料名： 日本ロボット学会誌  (ロボ學)
巻： 40  号： 4  ページ： 351-354(J-STAGE)  発行年： 2022年 
JST資料番号： Y0482A  ISSN： 0289-1824  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 本論文では,ロボットとシステムに対する聴覚シーン理解を開発することを目的として,エコロケーションに基づく視覚シーンの再構成に取り組んでいる。カメラとLIDARによるシーン理解技術はよく研究されているが,照明条件が変化しやすい傾向があり,見えない材料を検出するのが困難である。超音波センサは広く用いられているが,それらの使用は距離推定に限定されている。ほとんどの超音波出力が,不可聴周波数領域に存在するので,超音波曝露の避けられないリスクがある。これらの問題を解決するために,エコロケーションに基づくシーン再構成(ELSR)のためのフレームワークを提案している。ELSRは,送受信された可聴音を使用して視覚シーンを再構築でき,生成的敵対的ネットワーク(GAN)を利用して,入力音から視覚シーンへの変換を学習する。GANは元々画像入力用に設計されているため,画像入力と音声入力の違いを慎重に検討し,入力オーディオ機能に相互相関および三角関数ベースの機能を導入することを提案している。提案されたフレームワークは,条件付きGANの一種であるpix2pixに基づいて実装され,28の屋内場所で記録された10800ペアの入力音と深度画像からなるELSRのデータセットが新たに作成された。データセットを用いた実験結果は,提案したフレームワークELSRとオーディオ特徴の有効性を示した。(翻訳著者抄録)

シソーラス用語： *ロボット ,  *画像認識 ,  *画像理解 ,  反響定位 ,  再構成 ,  入力 ,  情報 ,  特徴量
準シソーラス用語： *シーン理解 ,  再構築

著者キーワード (4件)： 可聴音 ,  空間認識 ,  GAN ,  シーン再構成

分類 (1件)： ロボットの設計・製造・構造要素  (IC04013A)

引用文献 (12件)：

• 1) S. Thrun, W. Burgard and D. Fox: Probabilistic robotics. Cambridge, Mass.: MIT Press, 2005.
• 2) J.Biswas and M.Veloso: “Depth camera based indoor mobile robot localization and navigation,” ICRA2012, pp.1697-1702, 2012.
• 3) Y.-T. Wang, et al.: “A single lidar-based feature fusion indoor localization algorithm,” Sensors, vol.18, p.1294, 2018.
• 4) K. Nakadai, T. Lourens, H.G. Okuno and H. Kitano: “Active audition for humanoid,” AAAI 2000, pp.832-839, 2000.
• 5) M. Daneshmand, et al.: “Medical robots with potential applications in participatory and opportunistic remote sensing: A review,” Robotics and Autonomous Systems, vol.95, pp.160-180, 2017.

タイトルに関連する用語 (6件)： 視覚 ,  シーン ,  再構成 ,  手法 ,  提案 ,  特徴量