JP6872660B1 - 情報処理装置及び、プログラム - Google Patents
情報処理装置及び、プログラム Download PDFInfo
- Publication number
- JP6872660B1 JP6872660B1 JP2020177365A JP2020177365A JP6872660B1 JP 6872660 B1 JP6872660 B1 JP 6872660B1 JP 2020177365 A JP2020177365 A JP 2020177365A JP 2020177365 A JP2020177365 A JP 2020177365A JP 6872660 B1 JP6872660 B1 JP 6872660B1
- Authority
- JP
- Japan
- Prior art keywords
- furniture
- reference line
- image
- unit
- stereoscopic image
- 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.)
- Active
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 62
- 238000004364 calculation method Methods 0.000 claims abstract description 10
- 238000012545 processing Methods 0.000 claims description 44
- 238000012937 correction Methods 0.000 claims description 14
- 238000013135 deep learning Methods 0.000 claims description 14
- 238000001514 detection method Methods 0.000 claims description 11
- 238000000605 extraction Methods 0.000 claims description 10
- 239000000284 extract Substances 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 6
- 230000008859 change Effects 0.000 claims description 5
- 230000006870 function Effects 0.000 claims description 5
- 240000004050 Pentaglottis sempervirens Species 0.000 claims description 4
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 4
- 238000004590 computer program Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 abstract description 19
- 238000000034 method Methods 0.000 description 34
- 230000008569 process Effects 0.000 description 15
- 238000004891 communication Methods 0.000 description 10
- 230000013016 learning Effects 0.000 description 9
- 238000013527 convolutional neural network Methods 0.000 description 8
- 238000013528 artificial neural network Methods 0.000 description 4
- 238000013500 data storage Methods 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 239000000470 constituent Substances 0.000 description 2
- 238000009434 installation Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000005034 decoration Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000010438 heat treatment Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
Images
Landscapes
- Image Analysis (AREA)
- Processing Or Creating Images (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
【解決手段】パノラマ画像内における基準線長さを取得し、基準線長さと他の部位の直線の長さとの比率を算出し、当該比率に基づいて予め付与された基準線の実際長さを示す基準線実測値から各直線の長さを算出する算出部38と、パノラマ画像から、画像中に表示される各部位を部屋の構成要素として分類して認識するとともに、部屋の形を示す3DデータであるVR立体画像へと変換するVR立体画像情報処理部39を備える。
【選択図】図4
Description
近時、物体の認識について、畳み込みニューラルネットワーク(CNN:Convolutional Neural Network)は、画像のクラス分類(画像認識)だけでなく、物体の位置や大きさの検出(物体検出)や形状の抽出(領域抽出)にも用いられ、例えば、物体検出には、リージョンCNNであるR−CNN(さらに、Faster R−CNN)、Yoloなどが、領域抽出にはSegNetや画像のセグメンテーションを推定するU−Net(U字型の畳み込みネットワーク)などのニューラルネットワークが用いられるようになってきている。
本発明の実施形態に係るハードウェアの基本的な構成を説明する。まず、情報処理装置3は、サーバを念頭に置いているが、たとえば、スマートフォンやタブレット端末などのモバイル端末、ノートブックコンピュータ、デスクトップコンピュータなどの電子機器であってもよい。情報処理装置3は、物理的な演算装置(CPUおよび/またはGPU、図示せず)、一時的な作業内容を記憶しておく作業メモリ(RAM、図示せず)等、情報処理装置として必須の物理的構成を備えている。
本情報処理システムは、ユーザ端末装置5をさらに含んでも良い(図2)。ユーザ端末装置5(端末5aおよび端末5b)は、ユーザが入出力するためのクライアント端末を意味する。たとえば、スマートフォンやタブレット端末などのモバイル端末、ノートブックコンピュータ、デスクトップコンピュータ、ワークステーションなどの電子機器であってもよい。これらのユーザ端末装置5と情報処理装置3とは、ネットワーク4を介して接続される。なお、変形例2においては、端末装置5はカメラを搭載したロボットやカメラを搭載した自動運転車であるが、これも、情報処理装置3にネットワーク4を通じてアクセスすることができるクライアント端末の一例であることに変わりはない。
間取り図画像(以下、単に「間取り図」とも称する。)は、建物における部屋(複数の場合もあり得る。)の配置の図(たとえば、平面図)であり、通常は、一律の縮尺で描かれている。不動産小売業者、建築家、不動産仲介業者、不動産情報業者等によって用いられる様々なタイプ又はスタイルの間取り図がある。通常は部屋の平面的な形状のみならず、部屋内の一定の物体(たとえば、扉、扉の開閉方向、キッチン、トイレ、バスタブ、床暖房の位置など)の位置と種類が、一定のルールで記載されている。間取り図画像は、JPEG、TIFF、GIF、BMP、PNG等を含む任意の画像フォーマットのものとすることができる。
本発明において「部屋写真」は、部屋内部ないしは建物内部の空間を撮影したカラー、グレースケールまたはモノクロ等の写真を意味するものとする。部屋写真は、JPEG、TIFF、GIF、BMP、PNG等を含む任意の画像フォーマットのものとすることができる。
本発明においては、事前に推定を行う画像等に関する学習(重みの自動調整)をさせたデータ(「学習済みモデル」)を記憶部33に記憶することになる。たとえば、本発明の一実施形態では、事前に、パノラマ画像を入力とした部屋の種類を推定するタスクを畳み込みニューラルネットワークにより学習させ、その結果得られる学習済みモデルを記憶部33に記憶しておく。学習は、情報処理装置3の制御部32において行われてもよいが、他の情報処理装置において行われ、情報処理装置3の記憶部33に記憶されてもよい。
以下では、実施形態1における情報処理の詳細を説明する。図4は本実施形態における情報処理装置3の機能構成を示す図であり、これらの機能は通信部31、制御部32、及び記憶部33の組みあわせによって実現されている。情報処理装置3には、入力部34、直線抽出部35、補正処理部36、基準線検出部37、算出部38、VR立体画像情報処理部39、家具情報記憶部40、描画部41、及び家具配置処理部42、VR立体画像情報記憶部43を備えている。入力部34は、撮影された部屋の平面写真の入力を受け付ける。部屋の写真は例えばスマートフォンやデジタルカメラなどによって撮影され、データ転送やクラウドを通じたアップロードすることによって情報処理装置3にパノラマ画像が入力される。直線抽出部35は、入力されたパノラマ画像に含まれる壁や床、ドアといった各部位から直線部分を抽出する。図5は、パノラマ画像から直線を抽出した際の態様を示したものであり、こうした直線の抽出においてはハフ変換と呼ばれるアルゴリズムを用いて行われるが、この方法については既知の技術であることから、その詳細は省略する。また、直線抽出のアルゴリズムは、一般的なハフ変換以外でも、確率的ハフ変換や、LineSegmentDetector、FastLineDetectorといったアルゴリズムを利用してもよい。
(ステップS106)。
なお、本発明は上記実施の形態に限られたものではなく、要旨を逸脱しない範囲で適宜変更することが可能である。例えば、図15に示されるように、家具の配置の際に、部屋を上方からみた状態に視点を変更し、この状態で家具の移動や配置を行うことができるようにしてもよい。この場合、家具が壁に接触しているかなども確認がしやすいため、部屋の家具移動が容易に行うことができるようになる。
情報処理装置 3
通信部 31
制御部 32
記憶部 33
ネットワーク 4
ユーザ端末装置 5
通信部 51
制御部 52
記憶部 53
入力部 54
表示部 55
Claims (9)
- 撮影された部屋のパノラマ画像の入力を受け付ける入力部と、
入力された前記パノラマ画像から直線を抽出する直線抽出部と、
抽出された前記直線のうち、互いに平行となるよう想定される直線が、前記パノラマ画像内で平行となるよう傾きを補正する補正処理部と、
前記パノラマ画像において予め設定された基準部位に該当する直線を基準線として検出する基準線検出部と、
前記パノラマ画像内における基準線長さを取得し、前記基準線長さと他の部位の直線の長さとの比率を算出し、当該比率に基づいて予め付与された前記基準線の実際長さを示す基準線実測値から各直線の長さを算出する算出部と、
家具の家具モデリングデータ、テクスチャデータ及び縦、横、高さの寸法データを含む家具情報記憶部と、
前記パノラマ画像から、画像中に表示される各部位を部屋の構成要素として分類して認識するとともに、部屋の形を示す3DデータであるVR立体画像へと変換するVR立体画像情報処理部と、
前記VR立体画像を記憶するVR立体画像情報記憶部と、
前記家具の寸法データと、前記基準線実測値との比率に基づいて家具の家具モデリングデータの大きさを自動で調整して、前記VR立体画像内に配置可能とする家具配置処理部と、
前記VR立体画像を描画する描画部と、
を備え、
前記描画部は配置された前記家具の家具モデリングデータを前記VR立体画像内に描画する
ことを特徴とする情報処理装置。 - 前記VR立体画像情報処理部は、前記パノラマ画像中の構成要素をピクセル単位で推定する深層学習と、前記パノラマ画像中の部屋の壁や床のコーナーを推定する深層学習とを併用して、前記構成要素の認識を行う
ことを特徴とする請求項1に記載の情報処理装置。 - 前記パノラマ画像は、メタデータとして撮影時の傾きを示す傾きメタ情報を含んでおり、
前記補正処理部は、抽出された前記直線のうち、前記パノラマ画像中における傾きが、前記傾きメタ情報と比較して所定の値より大きい直線は平行に傾き補正する処理から除外する
ことを特徴とする請求項1又は2に記載の情報処理装置。 - 前記基準線長さを、利用者が入力して設定可能である
ことを特徴とする請求項1〜3のいずれか一項に記載の情報処理装置。 - 前記家具配置処理部は、選択された前記家具の家具モデリングデータを配置する際に、いずれの前記構成要素に対する配置の優先度を算出し、前記家具モデリングデータを、高い前記優先度数値が付与された前記VR立体画像内の構成要素に対して自動的に配置する
ことを特徴とする請求項1〜4のいずれか一項に記載の情報処理装置。 - 前記家具情報記憶部において、所定の家具においては、対となる家具の識別情報が、セット家具として設定されており、
前記家具配置処理部は、前記セット家具が設定された家具の前記家具モデリングデータを予め設定された所定の位置関係に従って 前記VR立体画像内に配置する
ことを特徴とする請求項5に記載の情報処理装置。 - 前記家具配置処理部は、前記VR立体画像における壁と、前記家具モデリングデータとの接触判定を行い、接触が起こらない位置において前記家具モデリングデータを配置可能とする
ことを特徴とする請求項5、及び6のいずれか一項に記載の情報処理装置。 - 前記描画部は、前記VR立体画像、及び前記家具モデリングデータを部屋における上方から俯瞰した視点で描画が可能であり、
前記家具配置処理部は、上方から俯瞰した視点で前記家具モデリングデータの移動の操作がされた場合に、前記家具モデリングデータの配置位置を変更可能である
ことを特徴とする請求項1〜7のいずれか一項に記載の情報処理装置。 - コンピュータを、
撮影された部屋のパノラマ画像の入力を受け付ける入力部と、
入力された前記パノラマ画像から直線を抽出する直線抽出部と、
抽出された前記直線のうち、互いに平行となるよう想定される直線が、前記パノラマ画像内で平行となるよう傾きを補正する補正処理部と、
前記パノラマ画像において予め設定された基準部位に該当する直線を基準線として検出する基準線検出部と、
前記パノラマ画像内における基準線長さを取得し、前記基準線長さと他の部位の直線の長さとの比率を算出し、当該比率に基づいて予め付与された前記基準線の実際長さを示す基準線実測値から各直線の長さを算出する算出部と、
家具の家具モデリングデータ、テクスチャデータ及び縦、横、高さの寸法データを含む家具情報記憶部と、
前記パノラマ画像から、画像中に表示される各部位を部屋の構成要素として分類して認識するとともに、部屋の形を示す3DデータであるVR立体画像へと変換するR立体画像情報処理部と、
前記VR立体画像を記憶するVR立体画像情報記憶部と、
前記家具の寸法データと、前記基準線実測値との比率に基づいて家具の家具モデリングデータの大きさを自動で調整して、前記VR立体画像内に配置可能とする家具配置処理部と、
前記VR立体画像を描画する描画部と、
として機能させ、
前記描画部は配置された前記家具の家具モデリングデータを前記VR立体画像内に描画する
コンピュータプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020177365A JP6872660B1 (ja) | 2020-10-22 | 2020-10-22 | 情報処理装置及び、プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020177365A JP6872660B1 (ja) | 2020-10-22 | 2020-10-22 | 情報処理装置及び、プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6872660B1 true JP6872660B1 (ja) | 2021-05-19 |
JP2022068596A JP2022068596A (ja) | 2022-05-10 |
Family
ID=75896317
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020177365A Active JP6872660B1 (ja) | 2020-10-22 | 2020-10-22 | 情報処理装置及び、プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6872660B1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926371A (zh) * | 2022-06-27 | 2022-08-19 | 北京五八信息技术有限公司 | 一种全景图的垂直校正、灭点检测方法、设备及存储介质 |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7369374B1 (ja) | 2022-05-20 | 2023-10-26 | 株式会社スペースリー | 表示対象物変化装置及び表示対象物変化プログラム |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017203710A1 (ja) * | 2016-05-27 | 2017-11-30 | 楽天株式会社 | 3次元モデル生成システム、3次元モデル生成方法、及びプログラム |
JP6688518B1 (ja) * | 2019-09-26 | 2020-04-28 | 株式会社アクトキューブ | 三次元空間における座標軸決定方法並びに面特定方法 |
-
2020
- 2020-10-22 JP JP2020177365A patent/JP6872660B1/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2017203710A1 (ja) * | 2016-05-27 | 2017-11-30 | 楽天株式会社 | 3次元モデル生成システム、3次元モデル生成方法、及びプログラム |
JP6688518B1 (ja) * | 2019-09-26 | 2020-04-28 | 株式会社アクトキューブ | 三次元空間における座標軸決定方法並びに面特定方法 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114926371A (zh) * | 2022-06-27 | 2022-08-19 | 北京五八信息技术有限公司 | 一种全景图的垂直校正、灭点检测方法、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
JP2022068596A (ja) | 2022-05-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10777002B2 (en) | 3D model generating system, 3D model generating method, and program | |
US10482674B1 (en) | System and method for mobile augmented reality | |
US10026218B1 (en) | Modeling indoor scenes based on digital images | |
US10607405B2 (en) | 3D model generating system, 3D model generating method, and program | |
JP5538617B2 (ja) | 複数カメラのキャリブレーション用の方法および構成 | |
EP3226211B1 (en) | Method and program of automatic three-dimensional solid modeling based on two-dimensional drawing | |
US20230138762A1 (en) | Automated Building Floor Plan Generation Using Visual Data Of Multiple Building Images | |
JP6872660B1 (ja) | 情報処理装置及び、プログラム | |
US11062422B2 (en) | Image processing apparatus, image communication system, image processing method, and recording medium | |
US11688135B2 (en) | Computer vision systems and methods for generating building models using three-dimensional sensing and augmented reality techniques | |
WO2020202865A1 (ja) | 人検出装置および人検出方法 | |
US20230154027A1 (en) | Spatial construction using guided surface detection | |
JP2015049776A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
WO2022237026A1 (zh) | 平面信息检测方法及系统 | |
CN110163956A (zh) | 三维户型图生成方法、装置、设备和存储介质 | |
EP4012654A2 (en) | Feature determination, measurement, and virtualization from 2-d image capture | |
WO2017024954A1 (zh) | 图像显示方法及装置 | |
JP6830561B1 (ja) | 情報処理装置、情報処理方法、情報処理システム、情報処理プログラム | |
US20220068024A1 (en) | Determining a three-dimensional representation of a scene | |
JP7540671B2 (ja) | 三次元モデル生成装置及び三次元モデル生成プログラム | |
US20240303909A1 (en) | Image processing method, image processing apparatus, and non-transitory computer-readable recording medium | |
US20230351706A1 (en) | Scanning interface systems and methods for building a virtual representation of a location | |
CN115830237A (zh) | 三维场景处理方法、图像处理方法及电子设备 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201022 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201022 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210113 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210119 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210121 |
|
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: 20210408 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210419 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6872660 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |