物体の姿勢推定技術

　3Dデータ処理の具体例の1つとして，位置姿勢推定を紹介します。これは，キーポイントマッチングを使い，シーン中に存在する対象物の位置姿勢である並進成分，回転成分を推定する手法です。対象物の3Dモデルをシーンと照合して，誤差を最小化する位置姿勢を算出します。全体の手順としては，モデルとターゲットのデータを入力し，キーポイントを検出します。特徴量を記述し，RANSACによる姿勢推定を行い，ICPによる精密位置決めを行い，姿勢変換行列を求めます。
　キーポイント検出では，特徴量を計算するための点を少数選択します。例えば，ダウンサンプリング結果を特徴点とするように，まばらな点に分割しておき，それぞれの点を特徴づけるような特徴量を付加させます。特徴量では一点一点のデータにIDをもたせます。例えば，Pという点に対して3次元の情報が載ってきます。特徴量記述では，ほかの点と区別しやすい特徴量を記述するのがポイントになります。
　次に，類似する特徴量同士を対応づけします。基本的な方法としては，特徴量間のユークリッド距離を閾値にする方法があります。ただし，これだけでは誤った対応点が発生します。視点の違いによる見えていた部分が消え，見えていなかった部分が出現するといったことや，外乱物体の混入によるデータ欠損，よく似た形状の別部分の存在など，様々な要因で起こります。ですから，間違いを取り除き，正しいものだけを残すことが必要になります。
　その1つに，RANSACによる誤った対応の除外と姿勢推定があります。これは，ミスを含む対応群から正しい対応づけのみを選択し，姿勢変換行列を推定するものです。対応点をランダムにサンプリングし，枝刈り処理を行い，推定・整合性をチェックするステップを繰り返します。
　特徴点マッチングで得られた点のみから位置推定を決定すると若干の誤差が残ります。そこで，得られた位置姿勢を初期値とし，最終的にICPアルゴリズムによって誤差を修正します。このようにして，物体の姿勢推定を行います。

＜次ページへ続く＞