抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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。