JP7068054B2 - 距離計測装置、および距離計測方法 - Google Patents
距離計測装置、および距離計測方法 Download PDFInfo
- Publication number
- JP7068054B2 JP7068054B2 JP2018109559A JP2018109559A JP7068054B2 JP 7068054 B2 JP7068054 B2 JP 7068054B2 JP 2018109559 A JP2018109559 A JP 2018109559A JP 2018109559 A JP2018109559 A JP 2018109559A JP 7068054 B2 JP7068054 B2 JP 7068054B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- data
- input
- noise
- distance
- 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
- 238000000034 method Methods 0.000 title claims description 48
- 230000009467 reduction Effects 0.000 claims description 121
- 238000013528 artificial neural network Methods 0.000 claims description 15
- 238000012545 processing Methods 0.000 description 320
- 230000006870 function Effects 0.000 description 177
- 238000006243 chemical reaction Methods 0.000 description 68
- 238000002591 computed tomography Methods 0.000 description 67
- 238000013527 convolutional neural network Methods 0.000 description 58
- 230000005540 biological transmission Effects 0.000 description 47
- 238000010586 diagram Methods 0.000 description 46
- 230000000875 corresponding effect Effects 0.000 description 40
- 238000012905 input function Methods 0.000 description 27
- 230000007246 mechanism Effects 0.000 description 24
- 230000001133 acceleration Effects 0.000 description 23
- 230000008569 process Effects 0.000 description 21
- 230000003028 elevating effect Effects 0.000 description 14
- 238000007781 pre-processing Methods 0.000 description 13
- 230000003287 optical effect Effects 0.000 description 11
- 230000004913 activation Effects 0.000 description 10
- 238000001514 detection method Methods 0.000 description 10
- 230000000694 effects Effects 0.000 description 9
- 238000012549 training Methods 0.000 description 9
- 238000001228 spectrum Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 7
- 239000007787 solid Substances 0.000 description 6
- 238000007689 inspection Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 239000004065 semiconductor Substances 0.000 description 5
- 230000006866 deterioration Effects 0.000 description 4
- 239000004918 carbon fiber reinforced polymer Substances 0.000 description 3
- 230000001066 destructive effect Effects 0.000 description 3
- 238000010801 machine learning Methods 0.000 description 3
- 238000005259 measurement Methods 0.000 description 3
- XEEYBQQBJWHFJM-UHFFFAOYSA-N Iron Chemical compound [Fe] XEEYBQQBJWHFJM-UHFFFAOYSA-N 0.000 description 2
- 230000032683 aging Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 239000011152 fibreglass Substances 0.000 description 2
- 238000009499 grossing Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000009877 rendering Methods 0.000 description 2
- DNTFEAHNXKUSKQ-RFZPGFLSSA-N (1r,2r)-2-aminocyclopentane-1-sulfonic acid Chemical compound N[C@@H]1CCC[C@H]1S(O)(=O)=O DNTFEAHNXKUSKQ-RFZPGFLSSA-N 0.000 description 1
- 102100040287 GTP cyclohydrolase 1 feedback regulatory protein Human genes 0.000 description 1
- 101710185324 GTP cyclohydrolase 1 feedback regulatory protein Proteins 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 229910052782 aluminium Inorganic materials 0.000 description 1
- XAGFODPZIPBFFR-UHFFFAOYSA-N aluminium Chemical compound [Al] XAGFODPZIPBFFR-UHFFFAOYSA-N 0.000 description 1
- 238000005266 casting Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 229910052742 iron Inorganic materials 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 229910052751 metal Inorganic materials 0.000 description 1
- 239000002184 metal Substances 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 239000011347 resin Substances 0.000 description 1
- 229920005989 resin Polymers 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000005236 sound signal Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
- G01S17/42—Simultaneous measurement of distance and other co-ordinates
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
- G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
- G01S7/4808—Evaluating distance, position or velocity data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/048—Activation functions
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Electromagnetism (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Radar, Positioning & Navigation (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Remote Sensing (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Image Processing (AREA)
- Measurement Of Mechanical Vibrations Or Ultrasonic Waves (AREA)
- Measurement Of Optical Distance (AREA)
- Image Analysis (AREA)
Description
本実施形態における処理回路141によれば、入力層103に、処理対象信号101に加えて参照信号102も入力されるため、CNN105の学習において、入力層103から第1の中間層204に向けて、同じ重み係数でもノイズ量に応じて出力が変化する自由度が生まれる。これにより、本実施形態によれば、入力層103にノイズ低減対象画像だけを入力した場合に比べて、ノイズ低減対象画像101におけるノイズ量が画像の複数の領域各々において異なる場合であっても、処理対象信号101における部分領域ごとのノイズ量に応じた強度で、処理対象信号101におけるノイズを低減することができる。
本応用例と本実施形態との相違は、第2の学習済みモデルを用いて、ノイズ低減対象画像101に基づいてノイズ相関マップ102を生成することにある。図6は、本応用例における処理回路141の構成例を示すブロック図である。図6に示す処理回路141は、図1に示す処理回路141における各種機能に加えて、相関データ生成機能1419をさらに有する。処理回路141が有する相関データ生成機能1419は、相関データ生成部の一例である。
本応用例における処理回路141によれば、参照信号102を処理対象信号101から生成できるため、参照信号102をノイズ低減対象画像101とは別に用意する必要がない。すなわち、本処理回路141によれば、参照信号102を収集する必要がないため、ノイズ低減対象画像101のデノイズ処理に関する効率を向上させることができる。
本応用例と本実施形態との相違は、入力層103にノイズ低減対象画像101だけを入力し、ノイズ相関マップ102をCNN105における少なくとも一つの中間層に入力することにある。すなわち、本応用例における入力層103は、第1の入力範囲104aのみを有する。また、本応用例においてノイズ相関マップ102が入力される中間層は、活性化関数により活性化された積和値が入力されるチャンネルに加えて、ノイズ相関マップ102が入力されるチャンネルを有する。
本適用例における距離計測装置は、本実施形態における処理回路141を搭載する。距離計測装置において、例えば、LIDAR(Light Detection And Ranging)、光波測距儀、電波測距儀などの光リモートセンシング技術が用いられる。例えば、本距離計測装置が車両に搭載された場合、本距離計測装置は、車両の周辺状況の把握、車両の進行に関する障害物を検知ために用いられる。距離計測装置に装備されたイメージセンサにおいて反射光の強度が小さいほど、あるいは、反射光以外の環境光などの外乱が多いほど、距離計測装置により生成された距離画像における誤差(ノイズ)は大きくなる。このため、距離画像を処理対象信号101とし、距離画像と同時に取得する反射光の強度や環境光の量をノイズ相関マップ102とすることで、距離画像における距離の精度を改善することができる。
本適用例におけるデノイズ処理は、距離画像101と、強度画像102とを用いたノイズ低減プログラムの実行により、デノイズ画像108を生成する処理である。図11は、本適用例におけるデノイズ処理に関する手順の一例を示すフローチャートである。
出射光の出射時刻と、立体角内における障害物で反射した反射光の受光時刻とに基づいて、距離画像101が生成される。図12は、光検出素子に関して、時間に対する反射光信号の強度および環境光信号の強度の一例を示す図である。図12におけるTtおよびTrは、レーザ光の発生時刻および反射光の受光時刻をそれぞれ示している。図12におけるIRLは、受光時刻Trにおける反射光の強度に対するパルスの高さRHを示している。反射光強度は、図12において、受光時刻Trにおいてイメージセンサ115から出力される電流のパルスの高さRHまたはパルスの面積に対応する。また、図12におけるIALは、レーザ光の発生時刻Ttから反射光の受光時刻Trまでの時間間隔(Tr-Tt)に亘る、受光強度の平均を示している。なお、環境光の強度は、受光強度の平均IALであってもよい。環境光の強度は、反射光によるパルスを含まない方が好ましい。処理回路141は、距離画像生成機能1411により、光検出素子各々に関して、時間間隔(Tr-Tt)に光速度を乗算することにより、距離を算出する。次いで、処理回路141は、光検出素子ごとに算出された距離を用いて距離画像101を生成する。
反射光の強さまたは環境光の強さに基づいて、ノイズ相関マップ102として強度画像102が生成される。以下、説明を具体的にするために、強度画像102は、反射光の強さを示す画像であるものとする。図15は、図13における位置Aから位置Bまでの区間において、強度画像102における反射光の強度のプロファイルの一例を示す図である。図15に示すように、反射光の強度は、図14に示すような鋸歯状のノイズに相関している。
距離画像101と強度画像102とがCNN105に入力される。具体的には、処理回路141は、入力機能1415により、距離画像101と強度画像102とを入力層103に入力する。より詳細には、処理回路141は、ステップSa1において生成された距離画像101における複数の画素値を、入力層103の第1の入力範囲104aにおける複数のノードに入力する。処理回路141は、ステップSa2において生成された強度画像102における複数の画素値を、入力層103の第2の入力範囲104bにおける複数のノードに入力する。
距離画像101のノイズが低減されたデノイズ画像108が生成される。具体的には、処理回路141は、ノイズ低減機能1417により、距離画像101と強度画像102とを用いたノイズ低減プログラムの実行により、CNN105を用いてデノイズ画像108を生成する。図16は、図13における位置Aから位置Bまでの区間において、デノイズ画像108における距離の一例を示す図である。図16に示すように、図13に比べて鋸歯状のノイズが低減されている。
本適用例における距離計測装置110によれば、出射された光が障害物で反射して反射光として戻ってくるまでの時間を用いて障害物までの距離を計測することにより、距離画像を生成し、反射光の強度または環境光の強度を計測することにより強度画像を生成し、距離画像と強度画像とに基づいて距離画像におけるノイズを低減したデノイズ画像を生成する学習済みモデルを記憶し、学習済みモデルに距離画像と強度画像とを入力し、学習済みモデルを用いてデノイズ画像108を生成することができる。
本適用例における音声処理装置は、本実施形態における処理回路141を搭載する。図17を参考にして、本適用例における音声処理装置201の全体構成について説明する。図17は、音声処理装置201の構成の一例を示す図である。図17に示すように、音声処理装置201は、第1マイクロフォン202と、第2マイクロフォン203と、メモリ(記憶部)207と、インタフェース209と、処理回路(処理部)141とを備える。処理回路141は、図1と同様に入力機能1415およびノイズ低減機能1417を有する。第1マイクロフォン202および第2マイクロフォン203は、時系列に沿って音声を取得する音声取得部の一例である。
本適用例におけるデノイズ処理は、第1音声データ101と、第2音声データと102とを用いたノイズ低減プログラムの実行により、デノイズデータ108を生成する処理である。図18は、本適用例におけるデノイズ処理に関する手順の一例を示すフローチャートである。
第1マイクロフォン202により、第1音声データ101が、時系列に沿って取得される。同時に、第2マイクロフォン203により、ノイズ相関データに対応する第2音声データ102が、時系列に沿って取得される。図19は、第1音声データ101の一例を示す図である。図19に示すように、第1音声データ101には、鋸歯状のノイズが現れている。
第1音声データ101と第2音声データ102とが、学習済みモデルに入力される。具体的には、処理回路141は、入力機能1415により、第1音声データ101と第2音声データ102とを入力層103に入力する。より詳細には、処理回路141は、第1音声データ101における時系列に沿った音声の振幅値を、入力層103の第1の入力範囲104aにおける複数のノードに入力する。処理回路141は、第2音声データ102における時系列に沿った音声の振幅値を、入力層103の第2の入力範囲104bにおける複数のノードに入力する。
第1音声データ101のノイズが低減されたデノイズデータ108が生成される。具体的には、処理回路141は、ノイズ低減機能1417により、第1音声データ101と第2音声データ102とを用いたノイズ低減プログラムの実行により、CNN105を用いてデノイズデータ108を生成する。図20は、時系列に沿ったデノイズデータ108の一例を示す図である。図20に示すように、図19に比べて鋸歯状のノイズが低減されている。処理回路141は、デノイズデータ108をインタフェース209に出力する。インタフェース209は、操作者の指示により、デノイズデータを音声としてスピーカから出力する。
本適用例における音声処理装置201によれば、時系列に沿って音声を取得し、取得された音声において時刻ごとの音声のノイズに相関するノイズ相関データ(第2音声データ)と音声のデータ(第1音声データ)とに基づいて音声のノイズを時系列に沿って低減したデノイズデータを生成する学習済みモデルを記憶し、学習済みモデルに音声のデータとノイズ相関データとを入力し、学習済みモデルを用いてデノイズデータを生成することができる。また、本音声処理装置201によれば、音声のデータ(第1音声データ)に基づいてノイズ相関データを生成する第2の学習済みモデルをさらに記憶し、音声のデータを第2の学習済みモデルに入力し、第2の学習済みモデルを用いて、ノイズ相関データを生成することができる。
本適用例における振動計測装置は、本実施形態における処理回路141を搭載する。振動計測装置は、構造物(橋、ビル、ダムなど)などに対する非破壊検査において用いられる。例えば、振動計測装置は、これらの構造物における亀裂などの罅の検出等に用いられる。図21を参考にして、本適用例における振動計測装置301の全体構成について説明する。図21は、振動計測装置301の構成の一例を示す図である。図21に示すように、振動計測装置301は、第1加速度センサ303と、第2加速度センサ305と、メモリ(記憶部)307と、インタフェース309と、ディスプレイ311と、処理回路(処理部)141とを備える。処理回路141は、変換機能3131に加えて、図1と同様に入力機能1415およびノイズ低減機能1417を有する。第1加速度センサ303および第2加速度センサ305は、時系列に沿って振動を計測する振動計測部の一例である。
本適用例におけるデノイズ処理は、第1変換データ101と、第2変換データと102とを用いたノイズ低減プログラムの実行により、デノイズデータ108を生成する処理である。図22は、本適用例におけるデノイズ処理に関する手順の一例を示すフローチャートである。
第1加速度センサ303は、第1振動データを、時系列に沿って取得する。同時に、第2加速度センサ305は、第2振動データを、時系列に沿って取得する。第1振動データおよび第2振動データは、処理回路141に出力される。
処理回路141は、変換機能3131により、第1振動データに対してフーリエ変換を実行する。処理回路141は、第2振動データに対してフーリエ変換を実行する。これらのフーリエ変換により、処理回路141は、第1振動データと第2振動データとにそれぞれ対応する第1変換データ101と第2変換データ102とを生成する。
第1変換データ101と第2変換データ102とが、学習済みモデルに入力される。具体的には、処理回路141は、入力機能1415により、第1変換データ101と第2変換データ102とを入力層103に入力する。より詳細には、処理回路141は、第1変換データ101における振動の周波数ごとの強度を、入力層103の第1の入力範囲104aにおける複数のノードに入力する。処理回路141は、第2変換データ102における振動の周波数ごとの強度を、入力層103の第2の入力範囲104bにおける複数のノードに入力する。
第1変換データにおけるノイズを周波数ごとに低減したデノイズデータ108が生成される。具体的には、処理回路141は、ノイズ低減機能1417により、第1変換データ101と第2変換データ102とを用いたノイズ低減プログラムの実行により、CNN105を用いてデノイズデータ108を生成する。
デノイズデータに対して逆フーリエ変換を実行することにより、振動デノイズデータが生成される。具体的には、処理回路141は、変換機能3131により、デノイズデータに対して逆フーリエ変換を実行する。処理回路141は、逆フーリヘ変換により、第1振動データのノイズが低減された振動デノイズデータを生成する。処理回路141は、振動デノイズデータを、ディスプレイ311に表示させる。
本適用例における振動計測装置301によれば、時系列に沿って振動を計測し、振動において周波数ごとの振動のノイズに相関するノイズ相関データ(第2変換データ)と振動における周波数ごとのデータ(第1変換データ)とに基づいて振動のノイズを周波数ごとに低減したデノイズデータを生成する学習済みモデルを記憶し、学習済みモデルに振動のデータとノイズ相関データとを入力し、学習済みモデルを用いてデノイズデータを生成することができる。また、本振動計測装置301によれば、振動のデータ(第1振動データ)に基づいてノイズ相関データを生成する第2の学習済みモデルをさらに記憶し、振動のデータを第2の学習済みモデルに入力し、第2の学習済みモデルを用いてノイズ相関データを生成することができる。
本適用例における産業用CT装置は、本実施形態における処理回路141を搭載する。産業用CT装置は、製造物(アルミダイカスト、鉄、鋳物、シリンダー、タイヤ、エンジンブロック、小型電子部品、電池、モールド品、樹脂、繊維、炭素繊維強化プラスチック(CFRP:Carbon-Fiber-Reinforced Plastic)、ガラス繊維強化プラスチック(GFRP:Glass-Fiber-Reinforced Plastic)、ネジなどの各種部品など)を含む構造物または構造物の一部分に対する非破壊検査において用いられる。以下、構造物として製造物を用いて説明する。非破壊検査などで用いられ産業用CT装置は、製造物を回転軸周りに回転させながら収集されたX線の透過量(サイノグラム)から断層画像を再構成する。
本適用例におけるデノイズ処理は、デノイズ前サイノグラム101と、透過長マップ102とを用いたノイズ低減プログラムの実行により、デノイズサイノグラム108を生成する処理である。図24は、本適用例におけるデノイズ処理の手順の一例を示すフローチャートである。
製造物MAに対するCTスキャンにより、投影データが生成される。具体的には、処理回路141は、前処理機能442により、X線検出器13から出力された検出データに対して前処理を行うことで、投影データを生成する。
投影データに基づいて製造物画像(構造物画像)が再構成される。具体的には、処理回路141は、再構成処理機能443により、投影データに対して再構成処理を行い、デノイズ前CT画像を再構成する。
投影データに基づいてサイノグラムが生成される。具体的には、処理回路141は、前処理機能442により、製造物MAに対するCTスキャンにおける複数の回転角度に亘る投影データを用いて、デノイズ前サイノグラム101を生成する。
製造物画像に基づいてデノイズ前サイノグラム101に対応するノイズ相関マップ102が生成される。具体的には、処理回路141は、画像処理機能444により、デノイズ前CT画像を用いて、複数の回転角度に各々において、複数のX線検出素子各々に入射するX線のレイに沿った透過長を算出する。処理回路141は、複数の回転角度各々および複数の素子番号各々に対応付けられた透過長を用いて、ノイズ相関マップとして、透過長マップ102を生成する。なお、透過長マップ102の生成は、処理回路141における他の機能において実施されてもよい。
デノイズ前サイノグラム101と、ノイズ相関マップ102とが学習済みモデルに入力される。具体的には、処理回路141は、入力機能1415により、デノイズ前サイノグラム101と透過長マップ102とを入力層103に入力する。より詳細には、処理回路141は、ステップSd3において生成されたデノイズ前サイノグラム101における複数の画素値を、入力層103の第1の入力範囲104aにおける複数のノードに入力する。処理回路141は、ステップSd4において生成された透過長マップ102における複数の画素値を、入力層103の第2の入力範囲104bにおける複数のノードに入力する。
サイノグラムのノイズが低減されたデノイズ画像が生成される。具体的には、処理回路141は、ノイズ低減機能1417により、デノイズ前サイノグラム101と透過長マップ102とを用いたノイズ低減プログラムの実行により、デノイズサイノグラム108を生成する。デノイズサイノグラム108は、デノイズ前サイノグラム101におけるノイズが低減された画像である。
デノイズ画像に対して再構成処理を実行することにより、ノイズが低減された製造物画像が生成される。具体的には、処理回路141は、再構成処理機能443により、デノイズサイノグラム108に対して再構成処理を実行することにより、デノイズCT画像を再構成する。
製造物画像に基づいてデノイズ前サイノグラムに対応する透過長を示すデータが生成される。透過長を示すデータは、図27に示す透過長マップに対応する。
透過長を示すデータを再構成することにより、ノイズ相関マップが生成される。具体的には、処理回路141は、再構成処理機能443により、透過長を示すデータに対して再構成処理を実行することで、透過長再構成画像を生成する。透過長再構成画像は、ノイズ相関マップ102に相当する。
デノイズ前CT画像101と透過長再構成画像102とが学習済みモデルに入力される。具体的には、処理回路141は、入力機能1415により、デノイズ前CT画像101と透過長再構成画像102とを入力層103に入力する。より詳細には、処理回路141は、ステップSe2において生成されたデノイズ前再構成画像101における複数の画素値を、入力層103の第1の入力範囲104aにおける複数のノードに入力する。処理回路141は、ステップSe4により生成された透過長再構成画像102における複数の画素値を、入力層103の第2の入力範囲104bにおける複数のノードに入力する。
デノイズ前CT画像101のノイズが低減されたデノイズ画像108が生成される。デノイズ画像は、デノイズCT画像に対応する。具体的には、処理回路141は、ノイズ低減機能1417により、デノイズ前CT画像101と透過長再構成画像102とを用いたノイズ低減プログラムの実行により、デノイズCT画像108を生成する。
本適用例における産業用CT装置10によれば、製造物MAに対して収集された投影データに基づいて生成された製造物画像(デノイズ前CT画像)または製造物画像を生成する前段の中間画像(デノイズ前サイノグラム)と、製造物画像または中間画像に含まれるノイズに相関するノイズ相関マップ(透過長マップまたは透過長再構成画像)とに基づいて製造物画像のノイズまたは中間画像のノイズを低減したデノイズ画像を生成するように機能付けられた学習済みモデルを記憶し、製造物画像または中間画像とノイズ相関マップとを学習済みモデルに入力し、学習済みモデルを用いて、製造物画像のノイズまたは中間画像のノイズが低減されたデノイズ画像を生成することができる。
11 X線管
12 X線の照射範囲
13 X線検出器
15 回転テーブル
16 回転昇降機構
17 シフト機構
41 メモリ
42 ディスプレイ
43 入力インターフェース
101 処理対象信号
102 参照信号
103 入力層
104 組み合わせデータ
104a 第1の入力範囲
104b 第2の入力範囲
105 学習済みモデル
106 信号
107 出力層
107a 出力ベクトル
108 デノイズ画像
110 距離計測装置
113 発光素子
115 イメージセンサ
117 メモリ
119 インタフェース
141 処理回路
201 音声処理装置
202 第1マイクロフォン
203 第2マイクロフォン
204 中間層
204a 畳み込み後入力範囲
204b マップ入力範囲
205 ノード
206 第3の中間層
207 メモリ
209 インタフェース
301 振動計測装置
303 第1加速度センサ
305 第2加速度センサ
307 メモリ
309 インタフェース
311 ディスプレイ
441 システム制御機能
442 前処理機能
443 再構成処理機能
444 画像処理機能
1411 距離画像生成機能
1413 強度画像生成機能
1415 入力機能
1417 ノイズ低減機能
1419 相関データ生成機能
3131 変換機能
2041 活性化されたデータ
Claims (5)
- 出射された光が障害物で反射して反射光としてイメージセンサに戻ってくるまでの時間を用いて前記障害物までの距離を計測することにより、前記距離を画素ごとに配列させた距離画像を生成する距離画像生成部と、
前記反射光以外の環境光の強度を前記イメージセンサで計測することにより、強度画像を生成する強度画像生成部と、
前記距離画像と前記強度画像とに基づいて前記距離画像におけるノイズを低減したデノイズ画像を生成する学習済みモデルを記憶する記憶部と、
前記学習済みモデルに、前記距離画像と前記強度画像とを入力する入力部と、
前記学習済みモデルを用いて、前記デノイズ画像を生成するノイズ低減部と、
を具備し、
前記強度画像生成部は、前記時間に亘る前記環境光の強度の平均を画素ごとに配列させた前記強度画像を生成する、距離計測装置。 - 前記学習済みモデルは、ニューラルネットワークであって、
前記入力部は、前記ニューラルネットワークにおける入力層の互いに別のチャンネルに、前記距離画像と前記強度画像とを入力する、
請求項1に記載の距離計測装置。 - 前記学習済みモデルは、ニューラルネットワークであって、
前記入力部は、
前記ニューラルネットワークにおける入力層に、前記距離画像を入力し、
前記ニューラルネットワークにおける複数の中間層のうち少なくとも一つに、前記強度画像を入力する、
請求項1に記載の距離計測装置。 - 前記強度画像は、複数の画素各々において、前記距離に対するノイズ量またはボケ量に相関する画素値を有する、
請求項1乃至3のうちいずれか一項に記載の距離計測装置。 - 出射された光が障害物で反射して反射光としてイメージセンサに戻ってくるまでの時間を用いて前記障害物までの距離を計測することにより、前記距離を画素ごとに配列させた距離画像を生成し、
前記反射光以外の環境光の強度を前記イメージセンサで計測することにより、前記時間に亘る前記環境光の強度の平均を画素ごとに配列させた強度画像を生成し、
前記距離画像と前記強度画像とに基づいて前記距離画像におけるノイズを低減したデノイズ画像を生成する学習済みモデルを記憶し、
前記学習済みモデルに、前記距離画像と前記強度画像とを入力し、
前記学習済みモデルを用いて、前記デノイズ画像を生成する、
ことを具備する距離計測方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018109559A JP7068054B2 (ja) | 2018-06-07 | 2018-06-07 | 距離計測装置、および距離計測方法 |
US16/285,997 US11315220B2 (en) | 2018-06-07 | 2019-02-26 | Distance measuring apparatus, vibration measuring apparatus, and industrial computed tomography apparatus |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018109559A JP7068054B2 (ja) | 2018-06-07 | 2018-06-07 | 距離計測装置、および距離計測方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019211391A JP2019211391A (ja) | 2019-12-12 |
JP7068054B2 true JP7068054B2 (ja) | 2022-05-16 |
Family
ID=68765280
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018109559A Active JP7068054B2 (ja) | 2018-06-07 | 2018-06-07 | 距離計測装置、および距離計測方法 |
Country Status (2)
Country | Link |
---|---|
US (1) | US11315220B2 (ja) |
JP (1) | JP7068054B2 (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR102095638B1 (ko) * | 2018-04-16 | 2020-03-31 | 한국과학기술원 | 와이어 마찰력 조절 장치 |
CN111881927B (zh) | 2019-05-02 | 2021-12-21 | 三星电子株式会社 | 电子装置及其图像处理方法 |
CN110349236B (zh) * | 2019-07-15 | 2022-12-06 | 上海联影医疗科技股份有限公司 | 一种图像校正方法和系统 |
CN111640073B (zh) * | 2020-05-15 | 2021-06-01 | 哈尔滨工业大学 | 图像盲去噪系统 |
CN111693139B (zh) * | 2020-06-19 | 2022-04-22 | 浙江讯飞智能科技有限公司 | 声音强度测量方法、装置、设备及存储介质 |
CN113029327B (zh) * | 2021-03-02 | 2023-04-18 | 招商局重庆公路工程检测中心有限公司 | 基于度量注意力卷积神经网络的隧道风机预埋基础损伤识别方法 |
CN113468955B (zh) * | 2021-05-21 | 2024-02-02 | 香港生产力促进局 | 用于估计交通场景中两点间距离的方法、设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017223648A (ja) | 2016-03-16 | 2017-12-21 | アナログ ディヴァイスィズ インク | 飛行時間型深度イメージングの際の消費電力の低減 |
JP2018077786A (ja) | 2016-11-11 | 2018-05-17 | 株式会社東芝 | 画像処理装置、画像処理方法、プログラム、運転制御システム、および、車両 |
JP2018084982A (ja) | 2016-11-24 | 2018-05-31 | キヤノン株式会社 | 画像処理装置、情報処理方法及びプログラム |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7583364B1 (en) * | 2004-03-19 | 2009-09-01 | University Corporation For Atmospheric Research | High pulse-energy, eye-safe lidar system |
US9898848B2 (en) * | 2012-10-05 | 2018-02-20 | Max-Planck-Gesellschaft Zur Foerderung Der Wissenschaften E. V. | Co-registration—simultaneous alignment and modeling of articulated 3D shapes |
US9734424B2 (en) * | 2014-04-14 | 2017-08-15 | Microsoft Technology Licensing, Llc | Sensor data filtering |
EP3289430B1 (en) * | 2015-04-27 | 2019-10-23 | Snap-Aid Patents Ltd. | Estimating and using relative head pose and camera field-of-view |
US20160321523A1 (en) * | 2015-04-30 | 2016-11-03 | The Regents Of The University Of California | Using machine learning to filter monte carlo noise from images |
JP7169094B2 (ja) | 2017-06-01 | 2022-11-10 | 株式会社東芝 | 画像処理システム及び医用情報処理システム |
US20190187253A1 (en) * | 2017-12-14 | 2019-06-20 | Vathys, Inc. | Systems and methods for improving lidar output |
-
2018
- 2018-06-07 JP JP2018109559A patent/JP7068054B2/ja active Active
-
2019
- 2019-02-26 US US16/285,997 patent/US11315220B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017223648A (ja) | 2016-03-16 | 2017-12-21 | アナログ ディヴァイスィズ インク | 飛行時間型深度イメージングの際の消費電力の低減 |
JP2018077786A (ja) | 2016-11-11 | 2018-05-17 | 株式会社東芝 | 画像処理装置、画像処理方法、プログラム、運転制御システム、および、車両 |
JP2018084982A (ja) | 2016-11-24 | 2018-05-31 | キヤノン株式会社 | 画像処理装置、情報処理方法及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20190378248A1 (en) | 2019-12-12 |
JP2019211391A (ja) | 2019-12-12 |
US11315220B2 (en) | 2022-04-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7068054B2 (ja) | 距離計測装置、および距離計測方法 | |
US20220254021A1 (en) | Medical image diagnostic apparatus | |
US9224216B2 (en) | High density forward projector for spatial resolution improvement for medical imaging systems including computed tomography | |
RU2510080C2 (ru) | Устройство для обработки изображения, способ обработки изображения и среда долговременного хранения информации | |
JP4656413B2 (ja) | 予備補正を備えたct再構成方法及びシステム | |
KR102219391B1 (ko) | 나선 컴퓨터 단층 촬영 | |
KR102301379B1 (ko) | 영상 처리 장치, 영상 촬영 장치, 영상 처리 방법 및 영상 촬영 장치의 제어 방법 | |
US9261467B2 (en) | System and method of iterative image reconstruction for computed tomography | |
JP4717511B2 (ja) | X線ct画像再構成方法およびx線ct装置 | |
US20130272490A1 (en) | Radio tomographic image generation method and device | |
CN107530040A (zh) | X射线ct装置、重构运算装置以及x射线ct图像生成方法 | |
IL172186A (en) | Method for fast image reconstruction with compact radiation source and detector arrangement using computerized tomography | |
JP4950607B2 (ja) | 画像処理方法およびx線ct装置 | |
JP7187131B2 (ja) | 画像生成装置、x線コンピュータ断層撮影装置及び画像生成方法 | |
JP7419413B2 (ja) | 信号処理装置、距離計測装置、および距離計測方法 | |
US10192328B2 (en) | Method for statistical weights design in iterative reconstruction algorithms | |
CN115363528A (zh) | 一种用于环阵光声计算层析系统的仰角分辨率的重建方法 | |
JP2020094893A (ja) | データ処理方法、データ処理装置、およびデータ処理プログラム | |
US12025748B2 (en) | Signal processing apparatus, distance measuring apparatus, and distance measuring method | |
CN115993611B (zh) | 一种基于瞬态信号超分辨网络的非视域成像方法及装置 | |
JP2011177373A (ja) | X線撮影装置 | |
CA3165949A1 (en) | Apparatus and method of producing a tomogram | |
Abraham | Development of Advanced X-ray Micro-Tomography Helical Scan andTomographic Data Processing | |
JP2016083038A (ja) | 光音響画像化装置および光音響画像化方法 | |
JPWO2021140309A5 (ja) |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200625 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210518 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210608 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210806 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220201 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220316 |
|
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: 20220405 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220428 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7068054 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |