文献

J-GLOBAL ID：201202292859520152   整理番号：12A1465971

視点生成型学習による頑健な平面位置姿勢推定

Robust Planar Pose Estimation by Viewpoint Generative Learning

著者 (4件)： 吉田拓洋 (慶応大) ,  斎藤英雄 (慶応大) ,  清水雅芳 (富士通研) ,  田口哲典 (富士通研)
資料名： 日本バーチャルリアリティ学会論文誌  (Transactions of the Virtual Reality Society of Japan)
巻： 17  号： 3  ページ： 191-200  発行年： 2012年09月30日 
JST資料番号： L3202A  ISSN： 1344-011X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 物体認識や拡張現実感を実現するためにあらかじめ登録された平面パターンと入力画像の間で正確な点対応を得るにあたり,局所特徴の頑健性は拡大縮小や回転変化に限られる。本論文では,カメラの視点変化が大きいと特徴点同士の対応がとれなくなる課題に対し,生成型学習の枠組みを用いて対象となる平面の正面画像1枚から様々なパターン群を生成して,学習を行う平面の位置姿勢推定法を提案した。まず,射影変換によって正面画像1枚から仮想的に視点変化パターン群を生成し,見えの変化に頑健な高い可検証性を持つ特徴点を局所特徴検出器によって抽出する。特徴点検出と同時に収集された全特徴量をデータベースに登録するとマッチング時の探索に膨大な時間を必要とするので,特徴点の特徴量ごとにクラスタリングしてその重心となる特徴量だけを登録する。次に,入力画像から得た特徴量を前記データベース内の特徴量と比較し,ユークリッド距離が最も近い特徴量と2番目に近い特徴量を用いて点対応を求める。そして,ロバスト推定法のRANSAC(Random Sample Consensus)で誤対応を除し,レーベンバーグ・マルカート法で算出した平面射影変換行列によって位置姿勢を得る。評価実験では本手法が精度と処理時間の両面において有効なことが確かめられた。

シソーラス用語： *パターンマッチング ,  推定 ,  *コンピュータビジョン ,  *画像分析 ,  数学的変換 ,  位置 ,  ロバスト性 ,  *特徴抽出 ,  点 ,  *クラスタ化 ,  距離 ,  ロバスト推定 ,  評価試験 ,  精度
準シソーラス用語： *姿勢推定 ,  射影変換 ,  視点 ,  特徴点 ,  *クラスタリング ,  Euclid距離 ,  RANSAC

分類 (3件)： パターン認識  (JE07000S) ,  図形・画像処理一般  (JE04010I) ,  システム・制御理論一般  (IA02010H)

引用文献 (23件)：

• AGRAWAL, Motilal. Censure : Center surround extremas for realtime feature detection and watching. ECCV, 2008. 2008, 5305, 102-115
• AMBAI, Mitsuru. Compact and real-time descriptors. ICCV, 2011. 2011
• ARTHUR, D. k-means++ : The advantages of careful seeding. Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, 2007. 2007, 1027-1035
• BAUMBERG, Adam. Reliable feature matching across widely separated views. CVPR, 2000. 2000, 774-781
• BAY, Herbert. Surf : Speeded up robust features. ECCV, 2006. 2006, 3951, 404-417

タイトルに関連する用語 (3件)： 視点 ,  生成型学習 ,  姿勢推定