JP2015156136A - 算出装置、方法及びプログラム - Google Patents

算出装置、方法及びプログラム Download PDF

Info

Publication number
JP2015156136A
JP2015156136A JP2014030965A JP2014030965A JP2015156136A JP 2015156136 A JP2015156136 A JP 2015156136A JP 2014030965 A JP2014030965 A JP 2014030965A JP 2014030965 A JP2014030965 A JP 2014030965A JP 2015156136 A JP2015156136 A JP 2015156136A
Authority
JP
Japan
Prior art keywords
point
unit
interest
cloud data
descriptor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP2014030965A
Other languages
English (en)
Other versions
JP6230442B2 (ja
Inventor
伊藤 聡
Satoshi Ito
聡 伊藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toshiba Corp
Original Assignee
Toshiba Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Toshiba Corp filed Critical Toshiba Corp
Priority to JP2014030965A priority Critical patent/JP6230442B2/ja
Priority to US14/613,516 priority patent/US20150234782A1/en
Priority to CN201510083332.5A priority patent/CN104864821A/zh
Publication of JP2015156136A publication Critical patent/JP2015156136A/ja
Application granted granted Critical
Publication of JP6230442B2 publication Critical patent/JP6230442B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/64Three-dimensional objects
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00Image analysis
    • G06T7/30Determination of transform parameters for the alignment of images, i.e. image registration
    • G06T7/33Determination of transform parameters for the alignment of images, i.e. image registration using feature-based methods
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00Arrangements for image or video recognition or understanding
    • G06V10/70Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757Matching configurations of points or features
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06VIMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00Scenes; Scene-specific elements
    • G06V20/60Type of objects
    • G06V20/64Three-dimensional objects
    • G06V20/653Three-dimensional objects by matching three-dimensional models, e.g. conformal mapping of Riemann surfaces
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06TIMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00Indexing scheme for image analysis or image enhancement
    • G06T2207/10Image acquisition modality
    • G06T2207/10028Range image; Depth image; 3D point clouds

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computing Systems (AREA)
  • Geometry (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Image Processing (AREA)
  • Mathematical Physics (AREA)
  • Image Analysis (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Architecture (AREA)
  • Algebra (AREA)
  • Length Measuring Devices By Optical Means (AREA)

Abstract

【課題】着目点近傍の情報を表現する記述子の表現能力を向上させることができる算出装置、方法及びプログラムを提供する。【解決手段】実施形態の算出装置は、取得部と、抽出部と、算出部と、出力部と、を備える。取得部は、対象物の形状を表す点の集合である点群データを取得する。抽出部は、点群データから着目点を抽出する。算出部は、着目点と着目点の近傍に位置する1以上の近傍点それぞれとの距離を算出し、着目点と1以上の近傍点それぞれとの関係を表しかつ距離とは異なる関係情報を算出し、1以上の近傍点における距離と関係情報との共起頻度を算出し、共起頻度を着目点の記述子とする。出力部は、記述子を出力する。【選択図】図1

Description

本発明の実施形態は、算出装置、方法及びプログラムに関する。
対象物の3次元形状を計測する場合、対象物の全てを1回で計測することは困難であるため、複数回に分けて計測することが一般的である。この場合、計測毎に得られる点群データはそれぞれ座標系が異なるため、点群データ同士で位置合わせを行うことで、全ての点群データの座標系を共通化し、全ての点群データを統合する。
このような点群データ同士の位置合わせ手法として、それぞれの点群データから特徴点などの着目点を抽出し、抽出した着目点の記述子を比較することで、着目点同士の対応付けを行う手法が知られている。この手法では、着目点同士の対応付けの精度は、記述子に依存する。
着目点の記述子は、着目点近傍の情報を表現したものであり、例えば、1以上の近傍点毎に算出した着目点との3種類の相対角度を、相対角度毎にヒストグラム化して連結したものなどが挙げられる。
R.B.Rusu and N.Blodow and M.Beetz,"Fast Point Feature Histograms(FPFH) for 3D Registration,"Int. Conf. on Robotics and Automation,2009
しかしながら、上述したような従来技術では、記述子は、着目点近傍の情報を十分に表現できておらず、表現能力が低い。このため、上述したような記述子を用いた場合、着目点同士の対応付けの精度が悪く、点群データ同士の位置合わせが失敗しやすい。
本発明が解決しようとする課題は、着目点近傍の情報を表現する記述子の表現能力を向上させることができる算出装置、方法及びプログラムを提供することを目的とする。
実施形態の算出装置は、取得部と、抽出部と、算出部と、出力部と、を備える。取得部は、対象物の形状を表す点の集合である点群データを取得する。抽出部は、前記点群データから着目点を抽出する。算出部は、前記着目点と前記着目点の近傍に位置する1以上の近傍点それぞれとの距離を算出し、前記着目点と前記1以上の近傍点それぞれとの関係を表しかつ前記距離とは異なる関係情報を算出し、前記1以上の近傍点における前記距離と前記関係情報との共起頻度を算出し、前記共起頻度を前記着目点の記述子とする。出力部は、前記記述子を出力する。
第1実施形態の算出装置の例を示す構成図。 第1実施形態の点群データの例を示す図。 第1実施形態の着目点及び1以上の近傍点の例の説明図。 第1実施形態の着目点と近傍点の距離と関係情報の算出手法の例の説明図。 第1実施形態の着目点と近傍点の関係情報の算出手法の他の例の説明図。 第1実施形態の距離及び関係情報の共起ヒストグラムの例を示す図。 第1実施形態の距離及び関係情報の共起ヒストグラムの例を示す図。 第1実施形態で行われる処理例を示すフローチャート。 第1実施形態との比較例を示す図。 第2実施形態の算出装置の例を示す構成図。 第2実施形態で行われる処理例を示すフローチャート。 第3実施形態の算出装置の例を示す構成図。 第3実施形態で行われる処理例を示すフローチャート。 第4実施形態の算出装置の例を示す構成図である。 第4実施形態で行われる処理例を示すフローチャート。 各実施形態の算出装置のハードウェア構成例を示す図。
以下、添付図面を参照しながら、実施形態を詳細に説明する。
(第1実施形態)
図1は、第1実施形態の算出装置10の一例を示す構成図である。図1に示すように、算出装置10は、取得部11と、抽出部13と、算出部15と、出力部17と、記憶部19とを、備える。取得部11、抽出部13、算出部15、及び出力部17は、例えば、CPU(Central Processing Unit)などの処理装置にプログラムを実行させること、即ち、ソフトウェアにより実現してもよいし、IC(Integrated Circuit)などのハードウェアにより実現してもよいし、ソフトウェア及びハードウェアを併用して実現してもよい。記憶部19は、例えば、HDD(Hard Disk Drive)、SSD(Solid State Drive)、メモリカード、光ディスク、ROM(Read Only Memory)、及びRAM(Random Access Memory)などの磁気的、光学的、又は電気的に記憶可能な記憶装置により実現できる。
取得部11は、対象物の形状を表す点の集合である点群データを取得する。
点群データに含まれる各点は、対象物の表面の位置を表す位置情報を保持する。位置情報は、3次元直交座標系に配置された3次元座標であることが好ましいが、これに限定されるものではない。位置情報は、3次元直交座標系に変換可能な座標系に配置された3次元座標であってもよく、例えば、3次元極座標系や3次元円筒座標系に配置された3次元座標であってもよい。位置情報が3次元直交座標系に変換可能な座標系に配置された3次元座標である場合、取得部11は、この3次元座標を、3次元直交座標系に配置された3次元座標に変換しておくことが好ましい。
図2は、第1実施形態の点群データ41の一例を示す図であり、図示せぬ対象物の一部分での点群データを示す。図2に示す例では、点群データ41に含まれる各点の位置情報は、3次元直交座標系に配置された3次元座標となっている。
なお、取得部11が取得する点群データは、レーザセンサやステレオカメラなどを用いた3次元計測によって生成されたものであってもよいし、3D―CAD(Computer Aided Design)などのソフトウェアで生成されたものであってもよい。
また、取得部11が取得した点群データに含まれる各点は、位置情報以外の情報を含んでいてもよい。例えば、点群データがアクティブセンサを用いた3次元計測によって生成された場合、点群データは、各点の反射強度を更に含むことができる。また例えば、点群データが可視光カメラを用いた3次元計測によって生成された場合、点群データは、各点の輝度値を更に含むことができる。また例えば、点群データがカラーカメラを用いた3次元計測によって生成された場合、点群データは、各点の色情報(RGB値)を更に含むことができる。また例えば、点群データがレーザセンサやステレオカメラなどを用いた時系列の3次元計測によって生成された場合、点群データは、各点の信頼度を更に含むことができる。信頼度は、実際にその場所に点が存在することの信頼性を表す。また例えば、点群データがレーザセンサやステレオカメラなどを用いた照度差ステレオ法による3次元計測によって生成された場合、点群データは、各点の法線ベクトルを更に含むことができる。また例えば、点群データが3D―CADによって生成された場合、点群データは、各点の色情報や材質情報など3Dモデルが保有する情報を更に含むことができる。
抽出部13は、取得部11により取得された点群データから着目点を抽出する。着目点は、ユーザなどにより予め指定された点であってもよいし、特徴的な点である特徴点であってもよい。着目点が予め指定された点である場合、抽出部13は、点群データからこの予め指定された点を抽出する。着目点が特徴点である場合、抽出部13は、公知の特徴点検出手法を用いて、点群データからこの特徴点を抽出する。公知の特徴点検出手法としては、例えば、“A Performance Evaluation of 3D Keypoint Detectors,”S. Salti et al.,2011に記載の方法が挙げられる。
なお、抽出部13が着目点の抽出に用いるパラメータは、記憶部19に記憶されており、抽出部13は、このパラメータを用いて点群データから着目点を抽出する。着目点の抽出に用いるパラメータは、例えば、予め指定された点を示す情報や、特徴点の検出に用いられるパラメータなどが挙げられる。
算出部15は、抽出部13により抽出された着目点近傍の情報を表現する記述子を算出する。記述子は、取得部11により取得された点群データを他の点群データと位置合わせする際に用いられるものである。具体的には、記述子は、着目点周りの局所的な情報を数値化したものであり、一般的には、実数ベクトルで表されることが多い。なお、点群データの位置合わせについては、第2実施形態で説明するため、第1実施形態では説明を省略する。
ここで、点群データ同士の位置合わせを行う上で求められる記述子の要件について説明する。
第1に、記述子が点群データの各点の位置を定める座標系のとり方に依らないことが求められる。
例えば、対象物が円錐であり、点群データが円錐の表面の各点の集合であり、着目点が円錐の頂点であるとする。この場合であれば、円錐の底面をxy平面、高さ方向をz軸としても、円錐の底面をyz平面、高さ方向をx軸としても、着目点(頂点)の記述子の値が同一であることが求められる。
これは、点群データ同士の位置合わせを行う場合、点群データはそれぞれ座標系が異なるためである。つまり、記述子の値が座標系のとり方に依って異なってしまうと、取得部11により取得された点群データの着目点と他の点群データの着目点が同一点であったとしても、取得部11により取得された点群データの着目点の記述子と他の点群データの着目点の記述子との値が異なってしまい、点群データ同士の位置合わせに失敗してしまうためである。
第2に、記述子の表現能力が高いことが求められる。
記述子の表現能力が高いとは、着目点近傍の形状(例えば、着目点と当該着目点の近傍に位置する1以上の近傍点との位置関係)がほぼ同一の形状であれば、ほぼ同一の値をとり、着目点近傍の形状が異なれば、異なる値をとる、ということである。
従って、例えば、着目点の近傍に位置する近傍点の数を記述子とすることは好ましくない。この場合、記述子は、点群データの座標系のとり方に依らず第1の要件を満たすが、着目点近傍の形状(着目点と1以上の近傍点との位置関係)が異なっていても近傍点の数が同一であれば同一の値をとってしまい第2の要件を満たさないためである。
このため第1実施形態では、算出部15は、抽出部13により抽出された着目点の記述子として、第1の要件及び第2の要件を満たす記述子を算出する。具体的には、算出部15は、抽出部13により抽出された着目点と着目点の近傍に位置する1以上の近傍点それぞれとの距離を算出し、着目点と1以上の近傍点それぞれとの関係を表しかつ距離とは異なる関係情報を算出し、1以上の近傍点における距離と関係情報との共起頻度を算出し、共起頻度を着目点の記述子とする。
なお、算出部15は、近傍点毎に関係情報を複数種類算出し、同一種類の関係情報毎に共起頻度を算出し、複数種類の共起頻度を記述子としてもよい。
以下、記述子の算出について、具体的に説明する。
まず、着目点の近傍点について説明する。
図3は、第1実施形態の着目点42及び1以上の近傍点43の一例の説明図である。図3に示す例では、算出部15は、抽出部13により点群データ41から抽出された着目点42との距離が閾値r以下の1以上の点を1以上の近傍点43としている。
例えば、閾値rは、点群データ41の座標系の縮尺を考慮して、実際の寸法が所定値になるように定めればよい。この場合、点群データ41において、閾値rの値は共通となる。また例えば、閾値rは、公知のscale space法を用いた着目点42の周囲の点の分布の解析結果に応じて定めてもよい。この場合、点群データ41において、閾値rの値は着目点毎に異なる。
また例えば、閾値rは、点群データ41の点の密度と位置合わせ対象の他の点群データの点の密度とが同一であれば、1以上の近傍点43の個数nが予め定められた数となるように定めてもよい。この場合、閾値rの値は、着目点42からn番目に近い点までの距離となる。但し、点群データ41の点の密度と位置合わせ対象の他の点群データの点の密度とが異なる場合、1以上の近傍点43の個数nが予め定められた数となるように閾値rを定めることは好ましくない。なぜなら、前述したように、第1実施形態では、着目点と近傍点との距離を記述子の算出に用いるが、点群データ間で点の密度が異なれば、着目点と近傍点との距離が異なり、記述子が第2の要件を満たさなくなるためである。
次に、着目点と近傍点との距離及び関係情報、並びに距離及び関係情報の共起頻度について説明する。
以下では、着目点42の位置情報(3次元直交座標系に配置された3次元座標)をp、着目点42のi番目の近傍点を43、近傍点43の位置情報(3次元直交座標系に配置された3次元座標)をpとする。また、前述したとおり、近傍点43の個数はnであり、iは1≦i≦nである。
図4は、第1実施形態の着目点42と近傍点43との距離及び関係情報の算出手法の一例の説明図である。
算出部15は、数式(1)を用いて、着目点42と近傍点43との距離d(図4参照)を算出する。
Figure 2015156136
なお、Pは着目点42を表し、Pは近傍点43を表す。
距離dは、座標系のとり方に依らないため第1の要件を満たすが、n個の近傍点43それぞれの距離dの頻度分布を記述子としても、表現能力は低く、第2の要件を満たさない。
このため、第1実施形態では、算出部15は、距離dとは異なる関係情報vを更に算出し、距離dと関係情報vとの共起頻度を記述子とする。なお、関係情報vの詳細については、後述する。この記述子は、共起する頻度であるため、どのくらいの距離にどのくらいの関係情報が発生したかを捉え、かつ点の密度の影響も受けにくいため、表現能力が高い。
距離dと関係情報vとの共起頻度の一例としては、距離dをL階調に量子化するとともに関係情報vをL階調に量子化し、それぞれが共起する頻度を算出した共起ヒストグラムが挙げられる。この場合、共起ヒストグラム(記述子)は、L×L個の要素をもつ。量子化した距離をs、量子化した関係情報をtとしたときの共起ヒストグラムH(s、t)は、数式(2)で表される。
Figure 2015156136
ここで、N(P)は、着目点Pのn個の近傍点の集合を表し、#(A)は、集合Aの要素の個数を表し、Q(P、P)は、着目点Pと近傍点Pとの距離をL階調に量子化した値を表し、Q(P、P)は、着目点Pと近傍点Pとの間の関係情報をL階調に量子化した値を表す。なお、Q(P、P)は、数式(3)で表される。
Figure 2015156136
ここで、floor(x)は床関数であり、xを超えない最大の整数を返す。
また、Q(P、P)もQ(P、P)と同様に定める。
なお、数式(2)で表される共起ヒストグラムは、距離および関係情報の量子化誤差を無視して最近傍に投票する方式であるが、量子化誤差を考慮しても構わない。例えば、共起ヒストグラム中の最近傍のビンのみへの投票ではなく、4近傍のビンに対して重み付き投票してもよい。投票の重みは、例えば、量子化誤差の大きさに応じて線形補間した値を用いればよい。
また、算出部15が算出する関係情報は、前述したように、1種類ではなく複数種類であってもよい。算出する関係情報が複数種類の場合、種類数をMとすると、算出部15は、距離と関係情報との共起頻度をM個算出するので、このM個の共起頻度を連結したものを記述子としてもよい。
ここで、着目点と近傍点との関係情報の詳細について説明する。
関係情報の一例としては、着目点42から近傍点43への変位ベクトル(p―p)と、近傍点43における法線ベクトルnとのなす角度β(図4参照)に基づく量が挙げられる。例えば、βそのものを関係情報としてもよいし、βを数式(4)で変換したγを関係情報としてもよいし、βを余弦関数などで変換した値を関係情報としてもよい。
Figure 2015156136
ここで、πは円周率を表す。なお、γは、変位ベクトル(p―p)、法線ベクトルnを、それぞれ直線とみなした場合になす角度を表す。
なお、点群データに含まれる各点が法線ベクトルの情報を有していない場合、例えば、算出部15は、各点に対して、局所的に平面フィッティングを行い、フィッティングした平面に直交する方向の単位ベクトルを、その点における法線ベクトルとすればよい。また例えば、算出部15は、他の法線推定手法を用いて、法線ベクトルを算出してもよい。
関係情報の他の例としては、着目点42の特徴量と近傍点43の特徴量との類似度が挙げられる。特徴量としては、点群データ41に含まれる各点の情報が挙げられる。特徴量の好適な例としては、法線ベクトルが挙げられる。
図5は、第1実施形態の着目点42と近傍点43との関係情報の算出手法の他の例の説明図である。図5に例では、着目点42における法線ベクトルnと近傍点43における法線ベクトルnとのなす角度αが特徴量の類似度(関係情報)となっている。
この場合、算出部15は、αが鈍角となる近傍点を排除し、即ちαが鈍角でない近傍点を用いて、距離dと関係情報v(角度α)との共起ヒストグラムを算出し、記述子とてもよい。これは、αが鈍角の場合、着目点42、近傍点43は、それぞれ、対象物の表面、裏面に存在する可能性が高く、表裏間の共起を排除するためである。3次元計測では、対象物の表側と裏側とを同時に計測できないことが多く、表裏間の共起は信頼性に欠ける情報となるため、このような排除は有効である。なお、特徴量は、法線ベクトルに限定されず、例えば、反射強度、輝度値、及びRGB値など点群データ41に含まれる各点が有する情報を用いてもよいし、SpinImageなどの公知の特徴量を用いてもよい。
そして、算出部15は、特徴量がベクトル表現されている場合、ユークリッド距離(L2距離)、マンハッタン距離(L1距離)、余弦類似度、特徴量間のなす角度などの尺度を用いて、着目点42の特徴量と近傍点43の特徴量との類似度を算出する。
なお、算出部15は、着目点42の特徴量と近傍点43の特徴量との類似度ではなく非類似度を算出してもよい。非類似度の符号を反転させれば、類似度となるためである。
図6及び図7は、第1実施形態の距離及び関係情報の共起ヒストグラムの一例を示す図である。例えば、角度βに基づく量(例えば、βそのもの)を関係情報とした場合、算出部15は、図6に示すような、距離dと角度β(関係情報v)との共起ヒストグラムを算出し、着目点42の記述子とする。また例えば、角度αを関係情報とした場合、算出部15は、図7に示すような、距離dと角度α(関係情報v)との共起ヒストグラムを算出し、着目点42の記述子とする。また例えば、角度β及び角度αを関係情報とした場合であれば、算出部15は、図6に示すような、距離dと角度β(関係情報v)との共起ヒストグラムと、図7に示すような、距離dと角度α(関係情報v)との共起ヒストグラムとを連結したものを記述子とする。
なお、算出部15が記述子の算出に用いるパラメータは、記憶部19に記憶されており、算出部15は、このパラメータを用いて着目点の記述子を算出する。着目点の算出に用いるパラメータは、例えば、閾値rの値や決め方を示すパラメータや、どの情報を関係情報に用いるかを示すパラメータなどが挙げられる。
出力部17は、算出部15により算出された記述子を出力する。
図8は、第1実施形態の算出装置10で行われる処理の手順の流れの一例を示すフローチャートである。
まず、取得部11は、点群データを取得する(ステップS101)。
続いて、抽出部13は、取得部11により取得された点群データから着目点を抽出する(ステップS103)。
続いて、算出部15は、抽出部13により抽出された着目点と着目点の近傍に位置する1以上の近傍点それぞれとの距離を算出し、着目点と1以上の近傍点それぞれとの関係を表しかつ距離とは異なる関係情報を算出し、1以上の近傍点における距離と関係情報との共起頻度を算出し、共起頻度を着目点の記述子とする(ステップS105)。
続いて、出力部17は、算出部15により算出された記述子を出力する(ステップS107)。
以上のように第1の実施形態によれば、1以上の近傍点における着目点との距離及び1以上の近傍点における着目点との関係(関係情報)の共起頻度を着目点の記述子とするため、記述子の表現能力を高めることができる。この記述子は、どのくらいの距離にどのくらいの関係情報が発生したかを捉え、かつ点の密度の影響も受けにくいため、表現能力が高い。
図9は、第1実施形態との比較例を示す図であり、非特許文献1の手法の記述子の説明図である。非特許文献1の手法では、1以上の近傍点毎に着目点との3種類の相対角度α、θ、φを算出し、相対角度α、θ、φそれぞれをヒストグラム化して連結したものを記述子とする。
このように、非特許文献1の手法では、相対角度α、θ、φそれぞれを独立に用いてヒストグラム化しているため、第1実施形態のような共起関係を表現できず、表現能力が低い。
(第2実施形態)
第2実施形態では、第1実施形態で算出した記述子を用いて、点群データ同士の位置合わせを行う例について説明する。以下では、第1実施形態との相違点の説明を主に行い、第1実施形態と同様の機能を有する構成要素については、第1実施形態と同様の名称・符号を付し、その説明を省略する。
図10は、第2実施形態の算出装置110の一例を示す構成図である。図10に示すように、第2実施形態の算出装置110では、取得部111、抽出部113、算出部115、出力部117、記憶部119、対応付け部121、及び推定部123が第1実施形態と相違する。
取得部111は、第1実施形態で説明した手法で、点群データとして、第1点群データと第2点群データとを取得する。第1点群データと第2点群データとは、異なる計測で得られる点群データであり、座標系が異なる。
抽出部113は、第1実施形態で説明した手法で、取得部111により取得された第1点群データから3つ以上の第1着目点を抽出するとともに、取得部111により取得された第2点群データから3つ以上の第2着目点を抽出する。
第2実施形態では、3つ以上の第1着目点及び3つ以上の第2着目点は、特徴点であるものとする。
算出部115は、第1実施形態で説明した手法で、抽出部113により抽出された第1着目点毎に、記述子として第1記述子を算出するとともに、抽出部113により抽出された第2着目点毎に、記述子として第2記述子を算出する。
対応付け部121は、算出部115により算出された3つ以上の第1記述子と3つ以上の第2記述子とを用いて、抽出部113により抽出された3つ以上の第1着目点と3つ以上の第2着目点とを対応付ける。対応付け処理(マッチング処理)は、画像処理分野で用いられる特徴点マッチング処理と同じであるため、特徴点マッチング処理を用いることができる。
具体的には、対応付け部121は、3つ以上の第1記述子それぞれと3つ以上の第2記述子それぞれとの非類似度を算出して、3つ以上の第1着目点と3つ以上の第2着目点とを対応付ける。
例えば、対応付け部121は、第1記述子毎に、算出した非類似度のうち最小の非類似度が所定の閾値以下となるか否か確認し、所定の閾値以下となれば、当該第1記述子の第1着目点と当該最小の非類似度となった第2記述子の第2着目点とを対応付ける。
また例えば、対応付け部121は、第1記述子毎に、算出した非類似度のうち最小の非類似度s1と2番目に小さい非類似度s2との比(s1/s2)が所定の閾値以下となるか否か確認し、所定の閾値以下となれば、当該第1記述子の第1着目点と当該最小の非類似度となった第2記述子の第2着目点とを対応付ける。
ここで、対応付け部121は、上述した第1着目点に対応する第2着目点のマッチング(対応付け)だけでなく、第2着目点に対応する第1着目点のマッチング(対応付け)を更に行い、両マッチング結果が一致した場合に、第1着目点と第2着目点との対応付けを確定してもよい。なお、両マッチング結果が一致しない場合、該当する第1着目点と第2着目点との対応付けを破棄してもよい。
なお、対応付け部121が対応付けに用いるパラメータは、記憶部119に記憶されており、対応付け部121は、このパラメータを用いて対応付けを行う。対応付けに用いるパラメータは、例えば、所定の閾値を示すパラメータなどが挙げられる。
推定部123は、対応付け部121により対応付けられた第1着目点と第2着目点との組を3組以上用いて、第1点群データの座標系から第2点群データの座標系への座標変換情報を推定する。
例えば、j番目の組の第1着目点の位置情報をp、第2着目点の位置情報をqとすると、座標変換の推定は、数式(5)の最小化問題となる。なお、数式(5)の最小化問題は、公知の最適化手法を用いて最小化することができる。
Figure 2015156136
ここで、Sは座標系の縮尺を変換する対角行列を表し、Rは回転行列を表し、tは並進ベクトルを表す。なお、第1点群データと第2点群データとの縮尺が同じ場合は、Sを単位行列とし、パラメータから除外すればよい。
また、対応付け部121により対応付けられた第1着目点と第2着目点との組が誤対応である場合を考慮して、推定部123は、RANSAC(RANdom SAmple Consensus)などを用いて、座標変換情報を推定してもよい。RANSACは、外れ値(誤対応)を含むデータに対する最適化手法である。
なお、対応付け部121により対応付けられた第1着目点と第2着目点との組が3組未満の場合は、推定部123は、座標変換情報を推定できないため、その旨を図示せぬ報知部に報知させてもよい。報知部は、例えば、ディスプレイやランプなどにより実現できる。
なお、推定部123が推定に用いるパラメータは、記憶部119に記憶されており、推定部123は、このパラメータを用いて推定を行う。推定に用いるパラメータは、例えば、数式(5)で用いるパラメータやRANSACで用いるパラメータなどが挙げられる。
出力部117は、推定部123により推定された座標変換情報を出力する。
図11は、第2実施形態の算出装置110で行われる処理の手順の流れの一例を示すフローチャートである。
まず、取得部111は、第1点群データと第2点群データとを取得する(ステップS201)。
続いて、抽出部113は、取得部111により取得された第1点群データから3つ以上の第1着目点を抽出するとともに、取得部111により取得された第2点群データから3つ以上の第2着目点を抽出する(ステップS203)。
続いて、算出部115は、抽出部113により抽出された第1着目点毎に第1記述子を算出するとともに、抽出部113により抽出された第2着目点毎に第2記述子を算出する(ステップS205)。
続いて、対応付け部121は、算出部115により算出された3つ以上の第1記述子と3つ以上の第2記述子とを用いて、抽出部113により抽出された3つ以上の第1着目点と3つ以上の第2着目点とを対応付ける(ステップS207)。
続いて、推定部123は、対応付け部121により対応付けられた第1着目点と第2着目点との組を3組以上用いて、第1点群データの座標系から第2点群データの座標系への座標変換情報を推定する(ステップS209)。
続いて、出力部117は、推定部123により推定された座標変換情報を出力する(ステップS211)。
以上のように第2実施形態によれば、第1実施形態で説明した手法で算出した記述子を用いて、点群データ同士の対応付けを行うため、着目点同士の対応付けの精度を向上させ、点群データ同士の位置合わせを成功させやすくすることができる。
(第3実施形態)
第3実施形態では、第2実施形態で説明した位置合わせを高精度化する例について説明する。以下では、第2実施形態との相違点の説明を主に行い、第2実施形態と同様の機能を有する構成要素については、第2実施形態と同様の名称・符号を付し、その説明を省略する。
図12は、第3実施形態の算出装置210の一例を示す構成図である。図12に示すように、第3実施形態の算出装置210では、出力部217、記憶部219、及び更新部225が第2実施形態と相違する。
更新部225は、第1点群データと第2点群データとの位置合わせ誤差を減少させるように、推定部123により推定された座標変換情報を更新する。具体的には、更新部225は、対応付け部121により対応付けられた第1着目点と第2着目点との組以外の情報を用いて、推定部123により推定された座標変換情報を更新する。
例えば、更新部225は、推定部123により推定された座標変換情報を初期値として、第1点群データ及び第2点群データにICP法(Iterative Closest Point)を適用することで、第1点群データと第2点群データとの位置合わせ誤差を減少させるように、座標変換情報を更新する。ICP法で用いる位置合わせ誤差は、公知のものを用いればよい。例えば、点と点との二乗距離で表現されるPoint−to−Point誤差を用いてもよいし、点と面との二乗距離で表現されるPoint−to−Plane誤差を用いてもよい。
なお、更新部225が更新に用いるパラメータは、記憶部219に記憶されており、更新部225は、このパラメータを用いて更新を行う。更新に用いるパラメータは、例えば、ICP法で用いるパラメータなどが挙げられる。
出力部217は、更新部225により更新された座標変換情報を出力する。
図13は、第3実施形態の算出装置210で行われる処理の手順の流れの一例を示すフローチャートである。
まず、ステップS301〜S309までの処理は、図11に示すフローチャートのステップS201〜S209までの処理と同様である。
続いて、更新部225は、第1点群データと第2点群データとの位置合わせ誤差を減少させるように、推定部123により推定された座標変換情報を更新する(ステップS311)。
続いて、出力部217は、更新部225により更新された座標変換情報を出力する(ステップS313)。
以上のように第3実施形態によれば、座標変換情報を更新するため、位置合わせの高精度化が可能となる。
(第4実施形態)
第4実施形態では、点群データ同士の位置合わせに失敗した場合にやり直し時間を短縮する例について説明する。以下では、第3実施形態との相違点の説明を主に行い、第3実施形態と同様の機能を有する構成要素については、第3実施形態と同様の名称・符号を付し、その説明を省略する。
ICP法を用いて座標変換情報を更新する場合、座標変換情報の推定がほぼできている状態、即ち、第1点群データと第2点群データとの位置合わせがほぼできている状態を初期値とする必要がある。これは、ICP(Iterative Closest Point)法は、点群データ同士の座標系がほぼ同一であることを前提とした手法であるためである。
座標変換情報の推定結果は、通常、この条件を満たすが、この条件を満たさずに座標変換情報の更新を行ってしまうと、処理時間が無駄となってしまい、結果として、点群データ同士の位置合わせのやり直し時間の長時間化につながる。特に、座標変換情報の更新は、大規模な点の集合となる第1点群データ及び第2点群データを用いて行うため、対応付けられた第1着目点と第2着目点との組を用いた座標変換情報の推定に比べ、計算負荷が大きく、より長い計算時間を要する。
このため、第4実施形態では、座標変換情報の更新を行う前に座標変換情報の推定をやり直し、点群データ同士の位置合わせのやり直し時間を短縮する。
図14は、第4実施形態の算出装置310の一例を示す構成図である。図14に示すように、第4実施形態の算出装置310では、推定部323、表示部327、入力部329、決定部331、及び変更部333が第3実施形態と相違する。
推定部323は、推定した座標変換情報を用いて位置合わせした第1点群データと第2点群データとを表示部327に表示させる。表示部327は、例えば、液晶ディスプレイやタッチパネルディスプレイなどの表示装置により実現できる。
決定部331は、座標変換情報の推定をやり直すか否かを決定する。具体的には、決定部331は、表示部327の表示結果を確認したユーザによる入力部329からの入力に基づいて、座標変換情報の推定をやり直すか否かを決定する。入力部329は、キーボードやマウスなどの入力装置により実現できる。
変更部333は、決定部331により座標変換情報の推定のやり直しが決定された場合、記憶部219に記憶されている抽出部113、算出部115、対応付け部121、推定部323、及び更新部225の少なくともいずれかで用いるパラメータを変更する。
例えば、変更部333は、ユーザによる入力部329からの入力に基づいて、パラメータを変更してもよいし、予め定められたパラメータ(予めセットされたパラメータ)に変更してもよい。
但し、更新部225で用いるパラメータの変更は、抽出部113、算出部115、対応付け部121、及び推定部323の少なくともいずれかで用いるパラメータの変更により変更の必要が生じた場合に変更される。
なお、変更部333によりパラメータが変更された場合、抽出部113による抽出処理から処理をやり直す。やり直しの処理では、各部は、変更部333により変更されたパラメータを用いて、処理をやり直す。
一方、決定部331により座標変換情報の推定結果の確定が決定された場合、更新部225は、第1点群データと第2点群データとの位置合わせ誤差を減少させるように、推定部323により推定された座標変換情報を更新する。
図15は、第4実施形態の算出装置310で行われる処理の手順の流れの一例を示すフローチャートである。
まず、ステップS401〜S409までの処理は、図11に示すフローチャートのステップS201〜S209までの処理と同様である。
続いて、推定部323は、推定した座標変換情報を用いて位置合わせした第1点群データと第2点群データとを表示部327に表示させる(ステップS411)。
続いて、決定部331は、表示部327の表示結果を確認したユーザによる入力部329からの入力に基づいて、座標変換情報の推定をやり直すか否かを決定する(ステップS413)。
座標変換情報の推定をやり直す場合(ステップS413でYes)、変更部333は、記憶部219に記憶されている抽出部113、算出部115、対応付け部121、推定部323、及び更新部225の少なくともいずれかで用いるパラメータを変更する(ステップS415)。そして、ステップS403へ戻る。以降、ステップS403〜S409及びS417の処理は、変更後のパラメータに基づいて行われる。
一方、座標変換情報の推定をやり直さない場合(ステップS413でNo)、更新部225は、第1点群データと第2点群データとの位置合わせ誤差を減少させるように、推定部123により推定された座標変換情報を更新する(ステップS417)。
続いて、出力部217は、更新部225により更新された座標変換情報を出力する(ステップS419)。
以上のように第4実施形態によれば、推定された座標変換情報を用いた位置合わせ結果を表示し、結果が好ましくない場合には、パラメータを変更して座標変換情報の推定を再度行うことで、点群データ同士の位置合わせのやり直し時間を短縮することができる。
(ハードウェア構成)
図16は、上記各実施形態の算出装置のハードウェア構成の一例を示すブロック図である。図16に示すように、上記各実施形態の算出装置は、CPUなどの制御装置901と、ROMやRAMなどの記憶装置902と、HDDやSSDなどの外部記憶装置903と、ディスプレイなどの表示装置904と、マウスやキーボードなどの入力装置905と、通信I/F906とを、備えており、通常のコンピュータを利用したハードウェア構成で実現できる。
上記各実施形態の算出装置で実行されるプログラムを、インストール可能な形式又は実行可能な形式のファイルでCD−ROM、CD−R、メモリカード、DVD、フレキシブルディスク(FD)等のコンピュータで読み取り可能な記憶媒体に記憶されて提供される。
上記各実施形態の算出装置で実行されるプログラムは、ROM等に予め組み込んで提供されるようにしてもよい。また、上記各実施形態の算出装置で実行されるプログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしてもよい。また、上記各実施形態の算出装置で実行されるプログラムを、インターネット等のネットワーク経由で提供または配布するようにしてもよい。
上記各実施形態の算出装置で実行されるプログラムは、上述した各部をコンピュータ上で実現させるためのモジュール構成となっている。実際のハードウェアとしては、例えば、制御装置901が外部記憶装置903からプログラムを記憶装置902上に読み出して実行することにより、上記各部がコンピュータ上で実現されるようになっている。
以上説明したとおり、上記各実施形態によれば、着目点近傍の情報を表現する記述子の表現能力を向上させることができる。
なお本発明は、上記各実施形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化することができる。また上記各実施形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成することができる。例えば、実施形態に示される全構成要素からいくつかの構成要素を削除してもよい。さらに、異なる実施形態にわたる構成要素を適宜組み合わせても良い。
例えば、上記実施形態のフローチャートにおける各ステップを、その性質に反しない限り、実行順序を変更し、複数同時に実施し、あるいは実施毎に異なった順序で実施してもよい。
10、110、210、310 算出装置
11、111 取得部
13、113 抽出部
15、115 算出部
17、117、217 出力部
19、119、219 記憶部
121 対応付け部
123、323 推定部
225 更新部
327 表示部
329 入力部
331 決定部
333 変更部

Claims (11)

  1. 対象物の形状を表す点の集合である点群データを取得する取得部と、
    前記点群データから着目点を抽出する抽出部と、
    前記着目点と前記着目点の近傍に位置する1以上の近傍点それぞれとの距離を算出し、前記着目点と前記1以上の近傍点それぞれとの関係を表しかつ前記距離とは異なる関係情報を算出し、前記1以上の近傍点における前記距離と前記関係情報との共起頻度を算出し、前記共起頻度を前記着目点の記述子とする算出部と、
    前記記述子を出力する出力部と、
    を備える算出装置。
  2. 前記算出部は、前記近傍点毎に前記関係情報を複数種類算出し、前記同一種類の関係情報毎に前記共起頻度を算出し、前記複数種類の共起頻度を前記記述子とする請求項1に記載の算出装置。
  3. 前記関係情報は、前記着目点から前記近傍点への変位ベクトルと、当該近傍点における法線ベクトルとのなす角度に基づく量である請求項1に記載の算出装置。
  4. 前記関係情報は、前記着目点の特徴量と前記近傍点の特徴量との類似度又は非類似度である請求項1に記載の算出装置。
  5. 前記特徴量は、法線ベクトルである請求項4に記載の算出装置。
  6. 前記取得部は、前記点群データとして、第1点群データと第2点群データとを取得し、
    前記抽出部は、前記第1点群データから3つ以上の第1着目点を抽出するとともに、前記第2点群データから3つ以上の第2着目点を抽出し、
    前記算出部は、前記第1着目点毎に前記記述子である第1記述子を算出するとともに、前記第2着目点毎に前記記述子である第2記述子を算出し、
    前記3つ以上の第1記述子と前記3つ以上の第2記述子とを用いて、前記3つ以上の第1着目点と前記3つ以上の第2着目点とを対応付ける対応付け部と、
    対応付けられた前記第1着目点と前記第2着目点との組を3組以上用いて、前記第1点群データの座標系から前記第2点群データの座標系への座標変換情報を推定する推定部と、を更に備え、
    前記出力部は、前記座標変換情報を出力する請求項1に記載の算出装置。
  7. 前記対応付け部は、前記3つ以上の第1記述子それぞれと前記3つ以上の第2記述子それぞれとの非類似度を算出して、前記3つ以上の第1着目点と前記3つ以上の第2着目点とを対応付ける請求項6に記載の算出装置。
  8. 前記第1点群データと前記第2点群データとの位置合わせ誤差を減少させるように、前記座標変換情報を更新する更新部を更に備え、
    前記出力部は、更新された前記座標変換情報を出力する請求項6に記載の算出装置。
  9. 推定された前記座標変換情報を用いて位置合わせした前記第1点群データと前記第2点群データとを表示する表示部と、
    前記座標変換情報の推定をやり直すか否かを決定する決定部と、
    前記座標変換情報の推定をやり直す場合、前記抽出部、前記算出部、前記対応付け部、前記推定部、及び前記更新部の少なくともいずれかで用いるパラメータを変更する変更部と、
    を備える請求項8に記載の算出装置。
  10. 対象物の形状を表す点の集合である点群データを取得する取得ステップと、
    前記点群データから着目点を抽出する抽出ステップと、
    前記着目点と前記着目点の近傍に位置する1以上の近傍点それぞれとの距離を算出し、前記着目点と前記1以上の近傍点それぞれとの関係を表しかつ前記距離とは異なる関係情報を算出し、前記1以上の近傍点における前記距離と前記関係情報との共起頻度を算出し、前記共起頻度を前記着目点の記述子とする算出ステップと、
    前記記述子を出力する出力ステップと、
    を含む算出方法。
  11. 対象物の形状を表す点の集合である点群データを取得する取得ステップと、
    前記点群データから着目点を抽出する抽出ステップと、
    前記着目点と前記着目点の近傍に位置する1以上の近傍点それぞれとの距離を算出し、前記着目点と前記1以上の近傍点それぞれとの関係を表しかつ前記距離とは異なる関係情報を算出し、前記1以上の近傍点における前記距離と前記関係情報との共起頻度を算出し、前記共起頻度を前記着目点の記述子とする算出ステップと、
    前記記述子を出力する出力ステップと、
    をコンピュータに実行させるためのプログラム。
JP2014030965A 2014-02-20 2014-02-20 算出装置、方法及びプログラム Expired - Fee Related JP6230442B2 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2014030965A JP6230442B2 (ja) 2014-02-20 2014-02-20 算出装置、方法及びプログラム
US14/613,516 US20150234782A1 (en) 2014-02-20 2015-02-04 Calculation device and method, and computer program product
CN201510083332.5A CN104864821A (zh) 2014-02-20 2015-02-16 计算设备和方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014030965A JP6230442B2 (ja) 2014-02-20 2014-02-20 算出装置、方法及びプログラム

Publications (2)

Publication Number Publication Date
JP2015156136A true JP2015156136A (ja) 2015-08-27
JP6230442B2 JP6230442B2 (ja) 2017-11-15

Family

ID=53798250

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014030965A Expired - Fee Related JP6230442B2 (ja) 2014-02-20 2014-02-20 算出装置、方法及びプログラム

Country Status (3)

Country Link
US (1) US20150234782A1 (ja)
JP (1) JP6230442B2 (ja)
CN (1) CN104864821A (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019045319A (ja) * 2017-09-01 2019-03-22 田中 成典 対応点導出方法および対応点算出装置
JP2020109626A (ja) * 2018-12-28 2020-07-16 パロ アルト リサーチ センター インコーポレイテッド 複数の3dポイントクラウドを使用して物理的オブジェクトの関節運動可能な部分を識別するための装置及び方法
KR20210108906A (ko) * 2020-02-25 2021-09-03 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 점군 데이터 처리방법, 장치, 전자기기 및 판독 가능 기록매체

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6868992B2 (ja) * 2016-09-27 2021-05-12 株式会社トプコン 画像処理装置、画像処理方法および画像処理用プログラム
CN111637837B (zh) * 2020-06-03 2022-04-08 龙永南 一种单目摄像头测量物体尺寸及距离的方法和系统
CN117171452A (zh) * 2022-05-12 2023-12-05 中国人民解放军国防科技大学 确定时空共现区、非公共场所及用户社会行为关系的方法
CN115761137B (zh) * 2022-11-24 2023-12-22 之江实验室 一种基于法向量和点云数据相互融合的高精度曲面重建方法和装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010044438A (ja) * 2008-08-08 2010-02-25 Toshiba Corp 特徴抽出装置、特徴抽出方法、画像処理装置、及び、プログラム
JP2011227614A (ja) * 2010-04-16 2011-11-10 Secom Co Ltd 画像監視装置
US8200010B1 (en) * 2007-09-20 2012-06-12 Google Inc. Image segmentation by clustering web images
JP2012526335A (ja) * 2009-05-12 2012-10-25 トヨタ自動車株式会社 物体認識方法、物体認識装置、自律移動ロボット

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5847825A (en) * 1996-09-25 1998-12-08 Board Of Regents University Of Nebraska Lincoln Apparatus and method for detection and concentration measurement of trace metals using laser induced breakdown spectroscopy
JP2000357007A (ja) * 1999-06-15 2000-12-26 Minolta Co Ltd 3次元データ処理装置
JP2004348198A (ja) * 2003-05-20 2004-12-09 Nippon Telegr & Teleph Corp <Ntt> 座標変換処理処置、処理方法、この方法のプログラム、このプログラムを記録した記録媒体
WO2007069721A1 (ja) * 2005-12-16 2007-06-21 Ihi Corporation 三次元形状データの記憶・表示方法と装置および三次元形状の計測方法と装置
US20100259537A1 (en) * 2007-10-12 2010-10-14 Mvtec Software Gmbh Computer vision cad models
JP2011175477A (ja) * 2010-02-24 2011-09-08 Canon Inc 3次元計測装置、処理方法及びプログラム
US8199977B2 (en) * 2010-05-07 2012-06-12 Honeywell International Inc. System and method for extraction of features from a 3-D point cloud
KR101791590B1 (ko) * 2010-11-05 2017-10-30 삼성전자주식회사 물체 자세 인식장치 및 이를 이용한 물체 자세 인식방법
WO2013071981A1 (en) * 2011-11-18 2013-05-23 Metaio Gmbh Method of matching image features with reference features and integrated circuit therefor
US9349180B1 (en) * 2013-05-17 2016-05-24 Amazon Technologies, Inc. Viewpoint invariant object recognition
US9280825B2 (en) * 2014-03-10 2016-03-08 Sony Corporation Image processing system with registration mechanism and method of operation thereof

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8200010B1 (en) * 2007-09-20 2012-06-12 Google Inc. Image segmentation by clustering web images
JP2010044438A (ja) * 2008-08-08 2010-02-25 Toshiba Corp 特徴抽出装置、特徴抽出方法、画像処理装置、及び、プログラム
JP2012526335A (ja) * 2009-05-12 2012-10-25 トヨタ自動車株式会社 物体認識方法、物体認識装置、自律移動ロボット
JP2011227614A (ja) * 2010-04-16 2011-11-10 Secom Co Ltd 画像監視装置

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2019045319A (ja) * 2017-09-01 2019-03-22 田中 成典 対応点導出方法および対応点算出装置
JP7109891B2 (ja) 2017-09-01 2022-08-01 成典 田中 対応点導出方法および対応点算出装置
JP2020109626A (ja) * 2018-12-28 2020-07-16 パロ アルト リサーチ センター インコーポレイテッド 複数の3dポイントクラウドを使用して物理的オブジェクトの関節運動可能な部分を識別するための装置及び方法
JP7312685B2 (ja) 2018-12-28 2023-07-21 パロ アルト リサーチ センター インコーポレイテッド 複数の3dポイントクラウドを使用して物理的オブジェクトの関節運動可能な部分を識別するための装置及び方法
KR20210108906A (ko) * 2020-02-25 2021-09-03 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 점군 데이터 처리방법, 장치, 전자기기 및 판독 가능 기록매체
JP2021136037A (ja) * 2020-02-25 2021-09-13 ベイジン バイドゥ ネットコム サイエンス アンド テクノロジー カンパニー リミテッド 点群データ処理方法、装置、電子機器及び読み取り可能な記憶媒体
JP7131758B2 (ja) 2020-02-25 2022-09-06 ベイジン バイドゥ ネットコム サイエンス テクノロジー カンパニー リミテッド 点群データ処理方法、装置、電子機器及び読み取り可能な記憶媒体
US11521370B2 (en) 2020-02-25 2022-12-06 Beijing Baidu Netcom Science And Technology Co., Ltd. Point cloud data processing method, apparatus, electronic device and computer readable storage medium
KR102615957B1 (ko) * 2020-02-25 2023-12-19 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. 점군 데이터 처리방법, 장치, 전자기기 및 판독 가능 기록매체

Also Published As

Publication number Publication date
JP6230442B2 (ja) 2017-11-15
US20150234782A1 (en) 2015-08-20
CN104864821A (zh) 2015-08-26

Similar Documents

Publication Publication Date Title
JP6230442B2 (ja) 算出装置、方法及びプログラム
US10268917B2 (en) Pre-segment point cloud data to run real-time shape extraction faster
US10880541B2 (en) Stereo correspondence and depth sensors
US9135710B2 (en) Depth map stereo correspondence techniques
TWI607412B (zh) 多維度尺寸量測系統及其方法
US20170340419A1 (en) Tooth type judgment program, tooth type position judgment device and method of the same
US9208547B2 (en) Stereo correspondence smoothness tool
Stahs et al. Fast and robust range data acquisition in a low-cost environment
US10249052B2 (en) Stereo correspondence model fitting
AU2016262789B2 (en) 3d modeling by tracing 2d image ui
JP6872044B2 (ja) 対象物の外接枠を決定するための方法、装置、媒体及び機器
Masood Dominant point detection by reverse polygonization of digital curves
US11514607B2 (en) 3-dimensional reconstruction method, 3-dimensional reconstruction device, and storage medium
US20140244219A1 (en) Method of creating a pipe route line from a point cloud in three-dimensional modeling software
US10573040B2 (en) Image modification using detected symmetry
TW201616451A (zh) 點雲套索選取系統及方法
KR102566300B1 (ko) 실내 측위 방법, 장치, 장비 및 저장 매체
CN113705669A (zh) 一种数据匹配方法、装置、电子设备以及存储介质
CN110517300A (zh) 基于局部结构算子的弹性图像配准算法
JP7107015B2 (ja) 点群処理装置、点群処理方法およびプログラム
JP2009146150A (ja) 特徴位置検出方法及び特徴位置検出装置
de Lima-Hernandez et al. A hybrid approach to reassemble ancient decorated block fragments through a 3D puzzling engine
US20230040195A1 (en) Three-dimensional point cloud identification device, learning device, three-dimensional point cloud identification method, learning method and program
Ning et al. Hierarchical model generation for architecture reconstruction using laser-scanned point clouds
Chen et al. A 3-D point clouds scanning and registration methodology for automatic object digitization

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20151102

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20160829

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20170703

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20170711

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20170829

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20170919

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20171017

R151 Written notification of patent or utility model registration

Ref document number: 6230442

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

LAPS Cancellation because of no payment of annual fees