セミナーレポート
器用なロボットの実現を目指した3Dセンシング中京大学工学部テニュアトラック助教 秋月 秀一
本記事は、画像センシング展2019にて開催された誰にでもわかる特別講演を記事化したものになります。
>> OplusE 2019年11・12月号(第470号)記事掲載 <<
3次元データ処理の利便性とその方法
3Dデータは,いろいろなところに活躍の場が広がってきています。ロボットピッキングでの対象物の位置姿勢推定や,自動運転のLiDARによる物体検出,3D形状同士の検索,デスクトップサイズから部屋規模・建物規模までの形状モデリング,そしてエンターテインメント・医療・作業支援のためのAR/MRなど,見かけの情報(RGB)に追加して,形状情報を直接手がかりにしたアルゴリズムの実装が行えます。3Dデータを扱うときのデータ構造には,点群データと距離画像があります。点群データ(またはメッシュ)は,物体の表面全周囲を表現することができますが,効率的なアクセスには工夫が必要です。距離画像(またはRGB-D画像)は画像形式(2Dマップ)のため,データ処理のためのアクセスが容易ですが,単一視点からの情報のみしかデータ化されません。点群データでは,法線方向やラベル,RGBなどの情報を点群に追加して表現することが可能です。距離画像では,RGB画像に距離画像を重ねたRGBD画像があり,距離値を使った背景除去などの処理が容易にできるようになります。
3Dデータ処理を行う際には,点群処理ライブラリや可視化ツールとしてオープンソースが公開されています。点群処理ライブラリで有名なのが,Point Cloud Library(PCL)とOpen3D,可視化ツールで有名なのが,MeshLabとCloud Compareです。Open3Dは,PythonやC++両方から扱えます。Open3DはPCLと比較し,コードが圧倒的に少なくて済み,ビルドが早く導入が簡単です。単純な前処理系の基本機能が実装済みで,RGBD画像処理が利用できます。可視化が美しく,Scene Reconstructionのためのサポートが厚いなどの特徴があります。ただし,現状で実装されているアルゴリズムの種類は限定的です。Cloud Compareは,多機能な点群ビューワで,フィルタリング処理,複数点群のインタラクティブな位置合わせなど,様々な機能が実装されています。
3D点群の基本的な処理には,フィルタリング,法線推定,近傍点探索があり,これらによって物体認識などの具体的なアプリケーションを作っていくことになります。
<次ページへ続く>
中京大学工学部テニュアトラック助教 秋月 秀一
2016年中京大学大学院博士後期課程修了。2016年度日本学術振興会特別研究員(DC2,PD)。2017-2018年度慶應義塾大学理工学部助教,現在,中京大学工学部テニュアトラック助教。慶應義塾大学訪問助教(兼任)。博士(情報科学)。3次元物体認識技術の研究に従事。2012,2017年画像センシングシンポジウム優秀学術賞,2015年MIRUインタラクティブ発表賞等受賞。電子情報通信学会,精密工学会,IEEE各会員。