JP2020129241A - 移動体、画像補正装置、及び学習器 - Google Patents
移動体、画像補正装置、及び学習器 Download PDFInfo
- Publication number
- JP2020129241A JP2020129241A JP2019021202A JP2019021202A JP2020129241A JP 2020129241 A JP2020129241 A JP 2020129241A JP 2019021202 A JP2019021202 A JP 2019021202A JP 2019021202 A JP2019021202 A JP 2019021202A JP 2020129241 A JP2020129241 A JP 2020129241A
- Authority
- JP
- Japan
- Prior art keywords
- image
- captured
- captured image
- learning device
- unit
- 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
Links
- 238000003702 image correction Methods 0.000 title claims abstract description 38
- 238000005286 illumination Methods 0.000 claims abstract description 58
- 238000003860 storage Methods 0.000 claims abstract description 44
- 238000010801 machine learning Methods 0.000 claims abstract description 12
- 238000012549 training Methods 0.000 claims description 72
- 239000011159 matrix material Substances 0.000 claims description 52
- 238000013527 convolutional neural network Methods 0.000 claims description 27
- 238000005457 optimization Methods 0.000 claims description 23
- 230000006870 function Effects 0.000 claims description 20
- 230000007246 mechanism Effects 0.000 claims description 18
- 239000003550 marker Substances 0.000 description 76
- 238000000034 method Methods 0.000 description 42
- 238000012937 correction Methods 0.000 description 27
- 238000004519 manufacturing process Methods 0.000 description 19
- 238000013528 artificial neural network Methods 0.000 description 14
- 238000003384 imaging method Methods 0.000 description 12
- 238000011176 pooling Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 12
- 238000012545 processing Methods 0.000 description 12
- 230000008859 change Effects 0.000 description 10
- 238000004891 communication Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000003287 optical effect Effects 0.000 description 6
- 230000009466 transformation Effects 0.000 description 6
- 239000000470 constituent Substances 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 238000001514 detection method Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 230000015654 memory Effects 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000014509 gene expression Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 230000007787 long-term memory Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000002945 steepest descent method Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
Abstract
Description
また、夕方には、西日の影響によって色が変化することもあるが、そのような変化に対応することもできないという問題もあった。
このような構成により、学習器を用いることによって、撮影画像を適切に補正することができる。また、その補正後の撮影画像が用いられることによって、移動体の周囲の状況をより正確に把握することができるようになる。その結果として、例えば、より正確な位置を取得したり、より正確な周囲環境の情報を取得したり、より正確なユーザからの指示を取得したりすることができるようになる。また、撮影画像を補正するために、光量検出手段などを用いる必要もないため、装置の複雑化や、それに応じたコストの増大も回避することができる。また、例えば、西日などに対応するための色の調整をも行うことができるようになる。
このような構成により、入力画像について、形状は撮影画像に近づき、テクスチャの特徴は基準撮影画像に近づくように最適化を行うことができ、結果として、撮影画像が、基準照明条件で撮影されたものとなるように補正することができる。
このような構成により、学習器に撮影画像を適用することによって、基準照明条件で撮影されたものとなるように補正することができる。また、学習器が畳み込みニューラルネットワークである場合には、例えば、その補正された撮影画像を短期間で取得することもでき、リアルタイムで補正を行うことも可能になる。
このような構成により、補正後の撮影画像を用いて現在位置が取得されるため、より正確な現在位置の取得が可能となる。その結果、移動体の移動がより精度の高いものになる。
このような構成により、この学習器を用いることによって、撮影画像が基準照明条件で撮影されたものとなるように容易に補正することができるようになる。
(px,py,pz,1)T=PCM(px1,py1,pz1,1)T
(ステップS101)移動制御部17は、移動を開始するかどうか判断する。そして、移動を開始する場合には、ステップS102に進み、そうでない場合には、移動を開始するまでステップS101の処理を繰り返す。なお、移動制御部17は、例えば、新たな目的地までの移動の指示を受け付けた場合に、移動を開始すると判断してもよく、その他のタイミングで移動を開始すると判断してもよい。
(ステップS201)訓練画像受付部21は、訓練用入力画像と訓練用出力画像との複数の組を受け付けたかどうか判断する。そして、訓練用入力画像と訓練用出力画像との複数の組を受け付けた場合には、ステップS202に進み、そうでない場合には、それらを受け付けるまでステップS201の処理を繰り返す。
なお、図4のフローチャートにおける処理の順序は一例であり、同様の結果を得られるのであれば、各ステップの順序を変更してもよい。
まず、訓練画像を取得するため、移動体1を動作させて、時間帯や天気、季節などが異なる種々の状況における撮影画像を取得させる。このようにして、移動体1の移動領域における異なる照明条件での撮影画像を取得することができる。この撮影画像が、訓練用入力画像となる。次に、ユーザは、写真編集ソフトウェアを用いて、訓練用入力画像である撮影画像が、基準照明条件で撮影された撮影画像となるように、手作業で露出や色温度等を調整する。基準照明条件を満たすように調整された撮影画像が、訓練用出力画像となる。このようにして、訓練用入力画像と訓練用出力画像との組である訓練画像を複数用意することができる。
また、本実施の形態による学習器製造装置2によれば、複数の訓練画像を用いて、撮影画像の照明条件に関する補正を行うために用いられる学習器を生成することができるようになる。
文献:Leon A. Gatys, Alexander S. Ecker, Matthias Bethge,「A Neural Algorithm of Artistic Style」、Nature Communications, 2015
Claims (5)
- 教師あり機械学習によって学習された学習器が記憶される学習器記憶部と、
移動体に装着された撮影部によって撮影された撮影画像を、前記学習器を用いて、基準となる照明条件である基準照明条件で撮影された撮影画像となるように補正する画像補正部と、を備えた画像補正装置。 - 前記学習器は、物体認識用の畳み込みニューラルネットワークの所定の中間層までを少なくとも含む物体認識学習器であり、
前記画像補正部は、
前記撮影部によって撮影された撮影画像を前記物体認識学習器に適用することによって、あらかじめ決められた中間層の出力画像であるコンテンツ出力画像を取得する出力画像取得部と、
基準照明条件で撮影された撮影画像である基準撮影画像が前記物体認識学習器に適用されることによって得られた、中間層の出力画像のチャネル間の相関であるスタイル行列が記憶されるスタイル行列記憶部と、
入力画像を前記物体認識学習器に適用することによって得られる前記あらかじめ決められた中間層の出力画像と前記コンテンツ出力画像との誤差、及び前記入力画像を前記物体認識学習器に適用することによって得られる中間層の出力画像のチャネル間の相関である出力行列と前記スタイル行列との誤差に応じた目的関数を最適化する前記入力画像である補正後の撮影画像を取得する最適化部と、を備えた、請求項1記載の画像補正装置。 - 前記学習器は、撮影画像である訓練用入力画像と、当該撮影画像に対応する画像であり、基準照明条件での画像である訓練用出力画像との組を複数用いて学習された学習器であり、
前記画像補正部は、前記撮影部によって撮影された撮影画像を前記学習器に適用することによって、基準照明条件で撮影されたように補正された撮影画像を取得する、請求項1記載の画像補正装置。 - 自律的に移動する移動体であって、
撮影画像を取得する撮影部と、
前記撮影画像について補正を行う、請求項1から請求項3のいずれか記載の画像補正装置と、
補正後の前記撮影画像を用いて、前記移動体の現在位置を取得する現在位置取得部と、
前記移動体を移動させる移動機構と、
前記現在位置取得部によって取得された現在位置を用いて、前記移動機構を制御する移動制御部と、を備えた移動体。 - 撮影画像である訓練用入力画像と、当該撮影画像に対応する画像であり、基準となる照明条件である基準照明条件での画像である訓練用出力画像との複数の組の学習結果である学習器であって、
撮影画像が適用されると、基準照明条件で撮影されたように補正された撮影画像を取得することができる、学習器。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019021202A JP7237625B2 (ja) | 2019-02-08 | 2019-02-08 | 移動体、及び画像補正装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019021202A JP7237625B2 (ja) | 2019-02-08 | 2019-02-08 | 移動体、及び画像補正装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020129241A true JP2020129241A (ja) | 2020-08-27 |
JP7237625B2 JP7237625B2 (ja) | 2023-03-13 |
Family
ID=72174630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019021202A Active JP7237625B2 (ja) | 2019-02-08 | 2019-02-08 | 移動体、及び画像補正装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7237625B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419172A (zh) * | 2020-09-02 | 2021-02-26 | 中国人民解放军93114部队 | 倾斜图像校正去模糊的遥感图像处理方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000311243A (ja) * | 1999-04-28 | 2000-11-07 | Sony Corp | 画像色補正方法及び装置 |
JP2005018401A (ja) * | 2003-06-26 | 2005-01-20 | Hitachi Eng Co Ltd | 照明変化対応画像処理装置 |
JP2009512088A (ja) * | 2005-10-31 | 2009-03-19 | 韓國電子通信研究院 | リアルタイムに位置を算出するためのシステムおよび方法 |
WO2017215767A1 (en) * | 2016-06-17 | 2017-12-21 | Huawei Technologies Co., Ltd. | Exposure-related intensity transformation |
JP2019008796A (ja) * | 2017-06-23 | 2019-01-17 | ウーバー テクノロジーズ,インコーポレイテッド | 自律可能車両用衝突回避システム |
-
2019
- 2019-02-08 JP JP2019021202A patent/JP7237625B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2000311243A (ja) * | 1999-04-28 | 2000-11-07 | Sony Corp | 画像色補正方法及び装置 |
JP2005018401A (ja) * | 2003-06-26 | 2005-01-20 | Hitachi Eng Co Ltd | 照明変化対応画像処理装置 |
JP2009512088A (ja) * | 2005-10-31 | 2009-03-19 | 韓國電子通信研究院 | リアルタイムに位置を算出するためのシステムおよび方法 |
WO2017215767A1 (en) * | 2016-06-17 | 2017-12-21 | Huawei Technologies Co., Ltd. | Exposure-related intensity transformation |
JP2019008796A (ja) * | 2017-06-23 | 2019-01-17 | ウーバー テクノロジーズ,インコーポレイテッド | 自律可能車両用衝突回避システム |
Non-Patent Citations (1)
Title |
---|
LEON A. GATYS ET AL.: "Image Style Transfer Using Convolutional Neural networks", 2016 IEEE CONFERENCE ON COMPUTER VISION AND PATTERN RECOGNITION(CVPR), JPN6022043734, 30 June 2016 (2016-06-30), pages 2414 - 2423, XP033021421, ISSN: 0004942337, DOI: 10.1109/CVPR.2016.265 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112419172A (zh) * | 2020-09-02 | 2021-02-26 | 中国人民解放军93114部队 | 倾斜图像校正去模糊的遥感图像处理方法 |
CN112419172B (zh) * | 2020-09-02 | 2022-10-21 | 中国人民解放军93114部队 | 倾斜图像校正去模糊的遥感图像处理方法 |
Also Published As
Publication number | Publication date |
---|---|
JP7237625B2 (ja) | 2023-03-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110103219B (zh) | 执行自动相机校准以进行机器人控制的方法和系统 | |
US20210141378A1 (en) | Imaging method and device, and unmanned aerial vehicle | |
CN101527860B (zh) | 白平衡控制设备及其控制方法和摄像设备 | |
CN113601503B (zh) | 手眼标定方法、装置、计算机设备和存储介质 | |
US20200074657A1 (en) | Methods and systems for processing an image | |
US11354772B2 (en) | Cross-modality image generation | |
CN107192376B (zh) | 基于帧间连续性的无人机多帧图像目标定位校正方法 | |
JPH10124658A (ja) | 神経回路網を利用したカメラの映像歪補正方法 | |
CN108600638B (zh) | 摄像机自动调焦系统及方法 | |
CN111461963B (zh) | 一种鱼眼图像拼接方法及装置 | |
JP2019125116A (ja) | 情報処理装置、情報処理方法、およびプログラム | |
US20210183089A1 (en) | Aperture Supervision for Single-View Depth Prediction | |
CN104881869A (zh) | 一种移动平台上的实时全景跟踪与拼接方法 | |
CN110260866A (zh) | 一种基于视觉传感器的机器人定位与避障方法 | |
CN109472778B (zh) | 一种基于无人机的高耸结构外观检测方法 | |
CN114667541A (zh) | 使用人体关节校准无人驾驶飞行器上的摄影机 | |
JP7237625B2 (ja) | 移動体、及び画像補正装置 | |
Wang et al. | Automated camera-exposure control for robust localization in varying illumination environments | |
US20210270611A1 (en) | Navigation apparatus, navigation parameter calculation method, and medium | |
CN117252933A (zh) | 基于无人机的相机内参自动标定方法、系统及电子设备 | |
CN110211190B (zh) | 相机自运动参数估计模型的训练方法、装置及存储介质 | |
JP2021089493A (ja) | 情報処理装置およびその学習方法 | |
CN113330487A (zh) | 参数标定方法及装置 | |
WO2021210492A1 (ja) | 情報処理装置、情報処理方法、およびプログラム | |
JP7153443B2 (ja) | 移動体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211007 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20221013 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221018 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221114 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221213 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230110 |
|
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: 20230207 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230301 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7237625 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |