JP2021105913A

JP2021105913A - 情報処理システム、情報処理方法、プログラム

Info

Publication number: JP2021105913A
Application number: JP2019237729A
Authority: JP
Inventors: 中山　正明; Masaaki Nakayama; 正明中山
Original assignee: Canon Marketing Japan Inc; Canon IT Solutions Inc
Current assignee: Canon Marketing Japan Inc; Canon IT Solutions Inc
Priority date: 2019-12-27
Filing date: 2019-12-27
Publication date: 2021-07-26
Anticipated expiration: 2039-12-27
Also published as: JP7473780B2

Abstract

【課題】３次元データに対する推論処理において、注目領域をより把握しやすくすること【解決手段】３次元データの形状を評価する情報処理システムであって、３次元データをボクセル変換し、当該３次元データの形状の評価に対する影響度をボクセル毎に取得し、取得されたボクセル毎の影響度を表示する。３次元データの断面であって、所定の条件を満たす平面による断面に、ボクセル毎の影響度を付加した断面図を表示する。【選択図】図１

Description

本発明は、情報処理システム、情報処理方法、プログラムに関する。

近年、画像解析や言語解析など様々な分野においてＡＩ（深層学習による推論）が用いられている。深層学習による推論は、高精度であるものの、なぜそのような結論を導いたのか、その根拠・プロセスを把握することが難しく、実務への導入の障壁にもなっている。

このような課題を解決すべく、近年では、推定結果に至るプロセスが人間によって理解できるようなＡＩ（ＸＡＩ（ＥｘｐｌａｉｎａｂｌｅＡＩ））に関する技術開発も進められている。

例えば、特許文献１には、ニューラルネットワークを用いた画像認識処理について、推定結果の根拠となった特徴量を出力する技術について開示されている。

特開２０１９−８２８８３号公報

また、特許文献１の他にも、ＣＡＭ（ＣｌａｓｓＡｃｔｉｖａｔｉｏｎＭａｐｐｉｎｇ）と呼ばれる注目領域の可視化技術についても研究が進められている。２次元データについては、ＣＡＭを用いることで、注目領域を可視化した画像を得られ、得られた画像は人間が見ても理解しやすいデータであるが、３次元データについてＣＡＭを用いたとしても、得られる画像は３次元画像となることから、直感的にどこが注目領域であるのか理解し難い。

そこで、本発明では、３次元データに対する推論処理において、注目領域をより把握しやすくする仕組みを提供することを目的とする。

本発明の情報処理システムは、３次元データの形状を評価する情報処理システムであって、前記３次元データをボクセル変換し、当該３次元データの形状の評価に対する影響度をボクセル毎に取得する影響度取得手段と、前記影響度取得手段により取得されたボクセル毎の影響度を表示する表示手段と、３次元データの断面であって、所定の条件を満たす平面による断面を特定する特定手段と、を備え、前記表示手段は、特定手段により特定された断面に、前記影響度取得手段により取得されたボクセル毎の影響度を付加した断面図を表示することを特徴とする。

本発明によれば、３次元データに対する推論処理において、注目領域をより把握しやすくすることが可能となる。

情報処理システムの一例を示す図クライアント端末１０１、サーバ装置１０２のハードウエア構成の一例を示す図本実施形態における処理内容を示すフローチャートステップＳ３０５の注目軸の決定処理の詳細を示すフローチャートステップＳ３０６の注目断面の決定処理の詳細を示すフローチャートステップＳ５０１の断面の優先度を決める関数を決定する処理の詳細を示すフローチャート３Ｄ設計データの一例を示す図影響度点群と３Ｄ設計データとを重ね合わせて描画した図ステップＳ４０２で得られる画像の一例を示す図ステップＳ４０３の処理を行った場合のイメージを示す図ステップＳ３０７で表示される断面図を説明する図

以下、図面を参照して、本発明の実施形態を詳細に説明する。

図１は、本発明における情報処理システムの構成の一例を示す図である。

図１に示す通り、クライアント端末１０１とサーバ装置１０２がＬＡＮ１０３によって通信可能に接続されている。

図２は、本発明のクライアント端末１０１、サーバ装置１０２に適用可能な情報処理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２に示すように、情報処理装置は、システムバス２００を介してＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）２０１、ＲＯＭ（ＲｅａｄＯｎｌｙＭｅｍｏｒｙ）２０２、ＲＡＭ（ＲａｎｄｏｍＡｃｃｅｓｓＭｅｍｏｒｙ）２０３、記憶装置２０４、入力コントローラ２０５、音声コントローラ２０６、ビデオコントローラ２０７、メモリコントローラ２０８、よび通信Ｉ／Ｆコントローラ２０９が接続される。

ＣＰＵ２０１は、システムバス２００に接続される各デバイスやコントローラを統括的に制御する。

ＲＯＭ２０２あるいは外部メモリ２１３は、ＣＰＵ２０１が実行する制御プログラムであるＢＩＯＳ（ＢａｓｉｃＩｎｐｕｔ／ＯｕｔｐｕｔＳｙｓｔｅｍ）やＯＳ（ＯｐｅｒａｔｉｎｇＳｙｓｔｅｍ）や、本情報処理方法を実現するためのコンピュータ読み取り実行可能なプログラムおよび必要な各種データ（データテーブルを含む）を保持している。

ＲＡＭ２０３は、ＣＰＵ２０１の主メモリ、ワークエリア等として機能する。ＣＰＵ２０１は、処理の実行に際して必要なプログラム等をＲＯＭ２０２あるいは外部メモリ２１３からＲＡＭ２０３にロードし、ロードしたプログラムを実行することで各種動作を実現する。

入力コントローラ２０５は、キーボード２１０や不図示のマウス等のポインティングデバイス等の入力装置からの入力を制御する。入力装置がタッチパネルの場合、ユーザがタッチパネルに表示されたアイコンやカーソルやボタンに合わせて押下（指等でタッチ）することにより、各種の指示を行うことができることとする。

また、タッチパネルは、マルチタッチスクリーンなどの、複数の指でタッチされた位置を検出することが可能なタッチパネルであってもよい。

ビデオコントローラ２０７は、ディスプレイ２１２などの外部出力装置への表示を制御する。ディスプレイは本体と一体になったノート型パソコンのディスプレイも含まれるものとする。なお、外部出力装置はディスプレイに限ったものははく、例えばプロジェクタであってもよい。また、前述のタッチ操作を受け付け可能な装置については、入力装置も提供する。

なおビデオコントローラ２０７は、表示制御を行うためのビデオメモリ（ＶＲＡＭ）を制御することが可能で、ビデオメモリ領域としてＲＡＭ２０３の一部を利用することもできるし、別途専用のビデオメモリを設けることも可能である。

メモリコントローラ２０８は、外部メモリ２１３へのアクセスを制御する。外部メモリとしては、ブートプログラム、各種アプリケーション、フォントデータ、ユーザファイル、編集ファイル、および各種データ等を記憶する外部記憶装置（ハードディスク）、フレキシブルディスク（ＦＤ）、或いはＰＣＭＣＩＡカードスロットにアダプタを介して接続されるコンパクトフラッシュ（登録商標）メモリ等を利用可能である。

通信Ｉ／Ｆコントローラ２０９は、ネットワークを介して外部機器と接続・通信するものであり、ネットワークでの通信制御処理を実行する。例えば、ＴＣＰ／ＩＰを用いた通信やＩＳＤＮなどの電話回線、および携帯電話の４Ｇ回線、５Ｇ回線等を用いた通信が可能である。

尚、ＣＰＵ２０１は、例えばＲＡＭ２０３内の表示情報用領域へアウトラインフォントの展開（ラスタライズ）処理を実行することにより、ディスプレイ２１２上での表示を可能としている。また、ＣＰＵ２０１は、ディスプレイ２１２上の不図示のマウスカーソル等でのユーザ指示を可能とする。

次に図３のフローチャートを用いて、３Ｄ設計データについて良形状か否かを判定する根拠となる評価結果を表示する処理について説明する。

図３のフローチャートで示す処理は、クライアント端末１０１のＣＰＵ２０１が所定の制御プログラムを読み出して実行する処理である。なお、本実施例においては、クライアント端末１０１のＣＰＵ２０１が処理を実行するものとして説明するが、ステップＳ３０１〜Ｓ３０６の処理については、サーバ装置１０２のＣＰＵ２０１が実行しても良い。

ステップＳ３０１では、評価対象となる３Ｄ設計データを取得する。３Ｄ設計データについては、予め様々なパターンのものを生成しておき、サーバ装置１０２などの記憶領域に保存されているものとする。

３Ｄ設計データの一例を図７に示す。図７に示す３Ｄ設計データは、円柱状の土台の上に、２本の円柱が乗っている構成となっている。例えば、土台の上に乗っている２本の円柱について、その配置や太さ、長さを様々に変化させたパターンのデータを生成しておき、それらのデータに対して良形状か否かの判定を行うのが、本発明の処理である。

ステップＳ３０２では、３Ｄ設計データをボクセルデータに変換する。すなわち、三角形を張り合わせたメッシュ構造で表現される３Ｄ設計データを、空間を格子状に分割し、その格子内に部品が含まれるか否かを示すボクセルデータに変換している。例えば、１辺の格子の分割数を１２８とすると、３Ｄ設計データは１２８×１２８×１２８のボクセルデータとして表現されることになる。

ステップＳ３０３では、ステップＳ３０２で取得した３Ｄボクセルデータに対して、当該設計データが優れた形状のデータであるか否かの評価（良形状判定）を行う。

この良形状判定は、深層学習による推論によって実現することが可能である。具体的には、３Ｄ設計データを変換したボクセルデータとその３Ｄ設計データの良形状指標を学習データとして、３次元の畳み込みニューラルネットワークに対して学習を行う。良形状指標としては、例えば、３Ｄ設計データに流体シミュレーションによる流量値や、応力解析による最大応力値にマイナスをかけた値などが考えられる。生成された学習済みモデルを用いて、評価を行うことが可能である。

ステップＳ３０４では、ステップＳ３０３で実行した評価結果、影響度を取得する。ここで取得される評価結果は、評価対象の３Ｄ設計データが良形状であるか否の情報である。また影響度は、良形状である方向に影響を与えた部分（３Ｄ設計データのうちどの部分の形状がどの程度良形状との判定に影響を与えたのか）、悪形状である方向に影響を与えた部分（３Ｄ設計データのうちどの部分の形状がどの程度悪形状との判定に影響を与えたのか）に関する情報である。影響度はニューラルネットワークに入力したボクセルデータと同じ次元のボクセルデータとして取得される。

ステップＳ３０５では、ステップＳ３０４で取得した影響度に基づき、注目軸を決定する。ステップＳ３０５の処理の詳細は、図４のフローチャートを用いて説明する。

ステップＳ３０６では、注目断面を決定する。ステップＳ３０６の処理の詳細は、図５、図６のフローチャートを用いて説明する。

ステップＳ３０７では、ステップＳ３０６（図５のステップＳ５０５）で決定した注目断面に影響度を示す情報を付加した断面図を表示部に表示する。ステップＳ３０７で表示される断面図を図１１（Ｃ）に示す。

次に図４のフローチャートを用いて、ステップＳ３０５の注目軸の決定処理の詳細について説明する。

ステップＳ４０１では、ステップＳ３０４で取得した影響度を（−１〜１）の範囲に正規化する。

ステップＳ４０２では、ステップＳ４０１で取得した影響度を点群化している。すなわち、点群の色を正規化した影響度の値−１〜０〜１に応じた青色〜白色〜赤色とし、点群位置をボクセル中心のｘｙｚ座標とする点群に変換する。

ステップＳ４０２で得られる画像の一例を図８に示す。

図８は、影響度点群と３Ｄ設計データとを重ね合わせて描画した図である。

図８に示す通り、影響度は部品が存在しないボクセルに対しても小さな値ではあるが出力されるため、単純に描画をするだけでは、非常に解釈しづらい可視化結果となる。

ステップＳ４０３では、ステップＳ４０２で取得した影響度点群の影響度の絶対値を取り、閾値処理を行う。具体的には、閾値処理は、絶対値が０〜０．５までの点群は削除し、０．５〜１までの点群を残す処理である。

ステップＳ４０３で得られる画像の一例を図９に示す。

図９に示す通り、土台の上に乗っていた太い円柱については、良形状との判定に影響を与える形状であることから、赤く表示され、細い円柱については、悪形状との判定に影響を与える形状であることから、青く表示されている。また、土台部分については、良形状にも悪形状にも影響を与えない形状であるから、表示されていない。

ステップＳ４０４では、ステップＳ４０３で得られた点群の主成分分析を行い、第３主成分ベクトルを取得する。

ステップＳ４０４の処理を行った場合のイメージを図１０に示す。図１０に示す通り、点群の広がりが大きい順に第１主成分、第２主成分、第３主成分として特定される。

ステップＳ４０５では、ステップＳ４０４で得られた第３主成分ベクトルを注目軸として返却する。

次に、図５、図６のフローチャートを用いて、ステップＳ３０６の注目断面の決定処理について説明する。

ステップＳ５０１では、断面の優先度を決める関数を決定する。ステップＳ５０１の処理の詳細について、図６のフローチャートを用いて説明する。

ステップＳ６０１では、ステップＳ４０１で正規化した結果として、「正の値の点群のみ」または「負の値の点群のみ」で構成されているかを判定する。

「正の値の点群のみ」または「負の値の点群のみ」で構成されている場合（ステップＳ６０１：ＹＥＳ）は、処理をステップＳ６０２に移行する。

正の値と負の値の点群が存在する場合（ステップＳ６０１：ＮＯ）は、処理をステップＳ６０３に移行する。

ステップＳ６０２では、断面の優先度の決定方法として、断面中（平面中）に含まれる点群の影響度の絶対値の最大値を当該断面の優先度と決定する方法を採用する。

ステップＳ６０３では、断面の優先度の決定方法として、断面中（平面中）に含まれる点群の影響度の最大値と最小値の差を断面の優先度と決定する方法を採用する。

本実施例における説明で使用している例（図７に示す３Ｄ設計データ）においては、図９に示す通り、正の値と負の値の両方を含む点群であるから、ステップＳ６０２においてＮＯと判定され、その結果、断面中（平面中）に含まれる点群の最大値と最小値の差を断面の優先度として決定する方法が採用される。

図５の説明に戻る。

ステップＳ５０２では、図４のフローチャートの処理により決定された注目軸に沿って、所定の間隔で平面（注目軸と直行する平面）を取得する。取得した平面のうち、部品（形状の良否判定の対象となる部品）と交点がある平面を特定する。所定の間隔としては、例えば、部品の最大長の１０００分の１の長さなどが考えられる。

図１１（Ａ）は、取得される平面の一例を示す図である。図１１（Ａ）に示す通り、第３主成分（図１０）の軸と直行する平面であって、土台の上に乗る２本の円柱状の部品を含む平面が取得されている。

図１１（Ｂ）は、図１１（Ａ）の位置における断面を示す画像である。

ステップＳ５０３では、ステップＳ５０２で取得した平面の優先度を算出する。優先度の算出にあたっては、図６のフローチャートで決定された算出方法を用いて算出するものとする。

複数の平面が取得された場合には、取得したすべての平面について優先度を算出する（Ｓ５０４）。

ステップＳ５０５では、ステップＳ５０３で算出された優先度が最も高い平面を注目断面として決定し、返却する。

そして、上述の通り、ステップＳ３０６において、ステップＳ５０５で決定した注目断面に影響度を示す情報を付加した断面図を表示部に表示する。ステップＳ３０６で表示される断面図を図１１（Ｃ）に示す。

図１１（Ｃ）に示す通り、円柱状の土台の上に乗る２つの円柱状の部品のうち、影響度の高い（良形状との判定に影響を与える）太い円柱状の部品を赤色で表示し、影響度の低い（悪形状との判定に影響を与える）細い円柱状の部品を青色で表示することで、影響度を識別可能に表示している。

以上説明した通り、本発明においては、深層学習による推論によって３次元のデータに対する評価を実行した場合の注目領域について、２次元の図面として表示することが可能となる。これにより、ユーザは、推論モデルが３次元データのどの部分にどれだけ注目して良形状であるか悪形状であるかの判定を行ったのかを認識することが可能となり、推論モデルによる判定処理の過程（根拠）を理解することが可能となる。

以上、情報処理装置としての実施形態について示したが、本発明は、例えば、システム、装置、方法、プログラムもしくは記録媒体等としての実施態様をとることが可能である。具体的には、複数の機器から構成されるシステムに適用しても良いし、また、一つの機器からなる装置に適用しても良い。

また、本発明におけるプログラムは、図３〜図６に示すフローチャートの処理方法をコンピュータが実行可能なプログラムであり、本発明の記憶媒体は図３〜図６の処理方法をコンピュータが実行可能なプログラムが記憶されている。なお、本発明におけるプログラムは図３〜図６の各装置の処理方法ごとのプログラムであってもよい。

以上のように、前述した実施形態の機能を実現するプログラムを記録した記録媒体を、システムあるいは装置に供給し、そのシステムあるいは装置のコンピュータ（またはＣＰＵやＭＰＵ）が記録媒体に格納されたプログラムを読み出し、実行することによっても本発明の目的が達成されることは言うまでもない。

この場合、記録媒体から読み出されたプログラム自体が本発明の新規な機能を実現することになり、そのプログラムを記録した記録媒体は本発明を構成することになる。

プログラムを供給するための記録媒体としては、例えば、フレキシブルディスク、ハードディスク、光ディスク、光磁気ディスク、ＣＤ−ＲＯＭ、ＣＤ−Ｒ、ＤＶＤ−ＲＯＭ、磁気テープ、不揮発性のメモリカード、ＲＯＭ、ＥＥＰＲＯＭ、シリコンディスク等を用いることが出来る。

また、コンピュータが読み出したプログラムを実行することにより、前述した実施形態の機能が実現されるだけでなく、そのプログラムの指示に基づき、コンピュータ上で稼働しているＯＳ（オペレーティングシステム）等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

さらに、記録媒体から読み出されたプログラムが、コンピュータに挿入された機能拡張ボードやコンピュータに接続された機能拡張ユニットに備わるメモリに書き込まれた後、そのプログラムコードの指示に基づき、その機能拡張ボードや機能拡張ユニットに備わるＣＰＵ等が実際の処理の一部または全部を行い、その処理によって前述した実施形態の機能が実現される場合も含まれることは言うまでもない。

また、本発明は、複数の機器から構成されるシステムに適用しても、ひとつの機器から成る装置に適用しても良い。また、本発明は、システムあるいは装置にプログラムを供給することによって達成される場合にも適応できることは言うまでもない。この場合、本発明を達成するためのプログラムを格納した記録媒体を該システムあるいは装置に読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。

さらに、本発明を達成するためのプログラムをネットワーク上のサーバ、データベース等から通信プログラムによりダウンロードして読み出すことによって、そのシステムあるいは装置が、本発明の効果を享受することが可能となる。なお、上述した各実施形態およびその変形例を組み合わせた構成も全て本発明に含まれるものである。

１０１クライアント端末
１０２サーバ装置
１０３ＬＡＮ

Claims

３次元データの形状を評価する情報処理システムであって、
前記３次元データをボクセル変換し、当該３次元データの形状の評価に対する影響度をボクセル毎に取得する影響度取得手段と、
前記影響度取得手段により取得されたボクセル毎の影響度を表示する表示手段と、
３次元データの断面であって、所定の条件を満たす平面による断面を特定する特定手段と、
を備え、
前記表示手段は、特定手段により特定された断面に、前記影響度取得手段により取得されたボクセル毎の影響度を付加した断面図を表示することを特徴とする情報処理システム。
前記影響度取得手段は、深層学習により学習された学習済みモデルを用いた推論により、影響度を取得することを特徴とする請求項１に記載の情報処理システム。
前記特定手段は、所定の条件を満たす平面として、前記影響度に対する主成分分析に基づき決定される注目軸に直行する平面を特定することを特徴とする請求項１または２に記載の情報処理システム。
前記特定手段は、所定の条件を満たす平面として、前記影響度に対する主成分分析に基づき決定される注目軸に直行する平面のうち、当該平面中に含まれる点群の影響度の絶対値の最大値が最大の平面を特定することを特徴とする請求項３に記載の情報処理システム。
前記特定手段は、所定の条件を満たす平面として、前記影響度に対する主成分分析に基づき決定される注目軸に直行する平面のうち、当該平面中に含まれる点群の影響度の絶対値の最大値と最小値の差が最大の平面を特定することを特徴とする請求項３に記載の情報処理システム。
３次元データの形状を評価する情報処理システムにおける情報処理方法であって、
影響度取得手段が、前記３次元データをボクセル変換し、当該３次元データの形状の評価に対する影響度をボクセル毎に取得する影響度取得工程と、
表示手段が、前記影響度取得工程により取得されたボクセル毎の影響度を表示する表示工程と、
特定手段が、３次元データの断面であって、所定の条件を満たす平面による断面を特定する特定工程と、
を備え、
前記表示工程は、特定手段により特定された断面に、前記影響度取得手段により取得されたボクセル毎の影響度を付加した断面図を表示することを特徴とする情報処理方法。
コンピュータを、
前記３次元データをボクセル変換し、当該３次元データの形状の評価に対する影響度をボクセル毎に取得する影響度取得手段と、
前記影響度取得手段により取得されたボクセル毎の影響度を表示する表示手段と、
３次元データの断面であって、所定の条件を満たす平面による断面を特定する特定手段として機能させ、
前記表示手段を、特定手段により特定された断面に、前記影響度取得手段により取得されたボクセル毎の影響度を付加した断面図を表示する手段として機能させるためのプログラム。