JP7140933B1 - 機械学習システム - Google Patents
機械学習システム Download PDFInfo
- Publication number
- JP7140933B1 JP7140933B1 JP2022053024A JP2022053024A JP7140933B1 JP 7140933 B1 JP7140933 B1 JP 7140933B1 JP 2022053024 A JP2022053024 A JP 2022053024A JP 2022053024 A JP2022053024 A JP 2022053024A JP 7140933 B1 JP7140933 B1 JP 7140933B1
- Authority
- JP
- Japan
- Prior art keywords
- dimensional
- information
- generating
- virtual space
- machine learning
- 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
- 238000010801 machine learning Methods 0.000 title claims abstract description 85
- 230000006870 function Effects 0.000 claims abstract description 51
- 239000003550 marker Substances 0.000 claims abstract description 9
- 238000012545 processing Methods 0.000 claims description 9
- 230000000295 complement effect Effects 0.000 claims description 7
- 238000009877 rendering Methods 0.000 claims 2
- 238000000605 extraction Methods 0.000 claims 1
- 238000005192 partition Methods 0.000 claims 1
- 238000010586 diagram Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 239000000284 extract Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Processing Or Creating Images (AREA)
- Image Analysis (AREA)
Abstract
【解決手段】機械学習システム1は、3次元仮想空間・生成描画手段10、AI認識対象物・情報生成描画手段20、3次元仮想空間・シーン生成描画手段30、機械学習用データ生成手段40、AIモデル機械学習手段50及び機械学習済みモデル実行手段60を備える。AI認識対象物・情報生成描画手段20は、3次元仮想空間における認識対象物の特徴点の3次元空間情報を生成するAI認識対象物特徴点・3次元空間情報生成機能と、3次元空間情報を参照し、3次元仮想空間の指定された位置にAI認識対象物の3次元空間情報(マーカ)を配置、描画するマーカ配置・描画機能と、AI認識対象物の2次元画像上の位置情報(ランドマーク)を生成するAI認識対象物特徴点・2次元画像位置情報生成機能を有している。
【選択図】図1
Description
3次元CGにより、物体を3次元仮想空間に生成して描画する3次元仮想空間・生成描画手段と、3次元CGにより、前記3次元仮想空間にAIモデルの認識対象物に関する情報を生成して描画するAI認識対象物・情報生成描画手段と、3次元CGにより、前記3次元仮想空間と前記認識対象物の少なくとも一方の設定を変更することで様々なシーンを生成して描画する3次元仮想空間・シーン生成描画手段と、前記3次元仮想空間・シーン生成描画手段で生成された前記認識対象物を含むCG画像と、前記AI認識対象物・情報生成描画手段で生成された前記認識対象物に関する情報から前記AIモデルの機械学習に必要な学習用データを生成する機械学習用データ生成手段と、前記機械学習用データ生成手段によって生成された前記学習用データを用いて、前記AIモデルの学習を行うAIモデル機械学習手段と、前記AIモデル機械学習手段によって学習された学習済みモデルを用いて、前記AIモデルによる処理を実行するAI機械学習済みモデル実行手段と、を備え、
前記AI認識対象物・情報生成描画手段は、前記3次元仮想空間における前記認識対象物の特徴点の3次元空間情報を生成する3次元空間情報生成機能と、前記3次元空間情報を参照し、前記3次元仮想空間の指定された位置に前記認識対象物の3次元空間情報を配置、描画する3次元空間情報配置描画機能と、前記3次元空間情報配置描画機能によって描画された前記認識対象物の2次元画像上の位置情報を生成する2次元画像位置情報生成機能と、を有することを特徴とする。
図1は、本発明の第1実施形態に係る機械学習システムの全体構成を示している。図1において、白矢印は画像情報の流れを示し、黒矢印はAIモデルの機械学習の際、教師データ(正解情報)となる数値情報の流れを示している。以下では、適宜図2~図9を参照して説明を補足する。
3次元仮想空間・生成描画手段10は、3次元CG(Computer Graphics)により3次元仮想空間に物体を生成し、描画する。ここでいう「物体」とは、道路、車両、車線、ガードレール、道路標識、背景(山、建物、木々等)のことをいう。
AI認識対象物・情報生成描画手段20は、3次元CGにより3次元仮想空間にAIモデルの認識対象物に関する情報を生成し、描画する。ここで、図1に示すように、AI認識対象物・情報生成描画手段20は、(1)AI認識対象物特徴点・3次元空間情報生成機能と、(2)マーカ配置・描画機能と、(3)AI認識対象物特徴点・2次元画像位置情報生成機能を有している。
3次元仮想空間・シーン生成描画手段30は、3次元CGにより、3次元仮想空間や認識対象物の設定(位置、形状、角度、テクスチャ画像等)を変更することで様々なシーンを生成して描画する。3次元仮想空間・シーン生成描画手段30により、機械学習用データのバリエーションを増加させることができる。
機械学習用データ生成手段40は、3次元仮想空間・シーン生成描画手段30で生成された認識対象物を含む「画像データ」と、AI認識対象物・情報生成描画手段20で生成された認識対象物の「教師数値データ」とからAIモデルの機械学習に必要な機械学習用データを生成する。
AIモデル機械学習手段50は、機械学習用データ生成手段40によって生成された機械学習用データ(「画像データ」と、それに紐付けされた特徴点の「教師数値データ」)を用いて、AIモデルに機械学習をさせる。機械学習用データ生成手段40により多くのパターンの機械学習用データが作成され、機械学習に利用される。
機械学習済みモデル実行手段60は、AIモデル機械学習手段50によって学習された学習済みモデルを用いて、AIモデルを実行する。この実行の結果、入力データからパイロンの列を認識することができる。
次に、図10~図15を参照して、本発明の第2実施形態に係る機械学習システムについて説明する。なお、システムの全体構成は第1実施形態と同じであるが、AI認識対象物・情報生成描画手段20の機能が一部異なる。
次に、図16~図20を参照して、本発明の第3実施形態に係る機械学習システムについて説明する。ここでも、システムの全体構成は第1実施形態と同じであるが、AI認識対象物・情報生成描画手段20の機能が一部異なる。
Claims (8)
- 3次元CGにより、物体を3次元仮想空間に生成して描画する3次元仮想空間・生成描画手段と、
3次元CGにより、前記3次元仮想空間にAIモデルの認識対象物に関する情報を生成して描画するAI認識対象物・情報生成描画手段と、
3次元CGにより、前記3次元仮想空間と前記認識対象物の少なくとも一方の設定を変更することで様々なシーンを生成して描画する3次元仮想空間・シーン生成描画手段と、
前記3次元仮想空間・シーン生成描画手段で生成された前記認識対象物を含むCG画像と、前記AI認識対象物・情報生成描画手段で生成された前記認識対象物に関する情報から前記AIモデルの機械学習に必要な学習用データを生成する機械学習用データ生成手段と、
前記機械学習用データ生成手段によって生成された前記学習用データを用いて、前記AIモデルの学習を行うAIモデル機械学習手段と、
前記AIモデル機械学習手段によって学習された学習済みモデルを用いて、前記AIモデルによる処理を実行するAI機械学習済みモデル実行手段と、を備え、
前記AI認識対象物・情報生成描画手段は、
前記3次元仮想空間における前記認識対象物の特徴点の3次元空間情報を生成する3次元空間情報生成機能と、
前記3次元空間情報を参照し、前記3次元仮想空間の指定された位置に前記認識対象物の3次元空間情報を配置、描画する3次元空間情報配置描画機能と、
前記3次元空間情報配置描画機能によって描画された前記認識対象物の2次元画像上の位置情報を生成する2次元画像位置情報生成機能と、
を有し、
前記3次元仮想空間内の一領域を参照して、前記一領域内を区画する複数の特徴点の3次元空間情報を生成し、
前記3次元空間情報を参照して、前記3次元仮想空間の指定された位置に、前記認識対象物のテクスチャ画像を有するマーカ及び単色のテクスチャ画像を有する平面であるランドマークを配置、描画することを特徴とする機械学習システム。 - 3次元CGにより、物体を3次元仮想空間に生成して描画する3次元仮想空間・生成描画手段と、
3次元CGにより、前記3次元仮想空間にAIモデルの認識対象物に関する情報を生成して描画するAI認識対象物・情報生成描画手段と、
3次元CGにより、前記3次元仮想空間と前記認識対象物の少なくとも一方の設定を変更することで様々なシーンを生成して描画する3次元仮想空間・シーン生成描画手段と、
前記3次元仮想空間・シーン生成描画手段で生成された前記認識対象物を含むCG画像と、前記AI認識対象物・情報生成描画手段で生成された前記認識対象物に関する情報から前記AIモデルの機械学習に必要な学習用データを生成する機械学習用データ生成手段と、
前記機械学習用データ生成手段によって生成された前記学習用データを用いて、前記AIモデルの学習を行うAIモデル機械学習手段と、
前記AIモデル機械学習手段によって学習された学習済みモデルを用いて、前記AIモデルによる処理を実行するAI機械学習済みモデル実行手段と、を備え、
前記AI認識対象物・情報生成描画手段は、
前記3次元仮想空間における前記認識対象物の特徴点の3次元空間情報を生成する3次元空間情報生成機能と、
前記3次元空間情報を参照し、前記3次元仮想空間の指定された位置に前記認識対象物の3次元空間情報を配置、描画する3次元空間情報配置描画機能と、
前記3次元空間情報配置描画機能によって描画された前記認識対象物の2次元画像上の位置情報を生成する2次元画像位置情報生成機能と、
を有し、
前記3次元仮想空間内の一領域を参照して、前記一領域の一方向の中心線を決定し、前記中心線上の前記3次元仮想空間の原点から指定距離だけ離れた前記中心線上の複数の特徴点の3次元空間情報を生成し、
前記3次元空間情報を参照して、前記3次元仮想空間の指定された位置に単色のテクスチャ画像を有する平面であるランドマークを配置、描画することを特徴とする機械学習システム。 - 前記2次元画像位置情報生成機能は、
前記3次元仮想空間の指定された位置に前記ランドマークを配置して前記ランドマークを第1色で描画し、前記ランドマーク以外の部分を前記第1色とは異なる第2色で描画するランドマーク・背景単色描画機能と、
前記ランドマーク・背景単色描画機能によって描画された画像から、画像処理により前記第1色で描画された領域を抽出する指定色領域抽出機能と、
前記指定色領域抽出機能によって抽出された領域の輪郭と重心座標を取得する指定色領域重心座標取得機能と、で構成される、請求項1又は2に記載の機械学習システム。 - 前記AI機械学習済みモデル実行手段は、
前記マーカを認識することにより前記特徴点の2次元画像上の位置を推定し、前記特徴点同士を結んで前記2次元画像上の境界線を形成する、請求項1に記載の機械学習システム。 - 前記AI機械学習済みモデル実行手段は、
前記3次元仮想空間内の一領域を認識し、前記一領域内において前記原点から指定距離だけ離れた前記複数の特徴点の2次元画像上の位置を推定する、請求項2に記載の機械学習システム。 - 前記AI機械学習済みモデル実行手段は、
前記複数の特徴点から構成される補完曲線を生成し、前記補完曲線から前記一領域内における前記特徴点の間の距離を推定する、請求項5に記載の機械学習システム。 - 前記AI認識対象物・情報生成描画手段は、
前記3次元仮想空間内の一領域を参照して、前記一領域の一方向の中心線を決定し、前記中心線上の前記3次元仮想空間の原点から指定距離だけ離れた前記中心線上の複数の第1特徴点と、前記原点から最も近い前記第1特徴点に対して前記中心線と直交する方向に配置された複数の第2特徴点と、前記原点から最も遠い前記第1特徴点に対して前記中心線と直交する方向に配置された複数の第3特徴点との3次元空間情報を生成し、
前記3次元空間情報を参照して、前記3次元仮想空間の指定された位置に単色のテクスチャ画像を有する平面であるランドマークを配置、描画する、請求項2に記載の機械学習システム。 - 前記AI認識対象物・情報生成描画手段は、前記原点から最も遠い前記第1特徴点と前記第3特徴点とを囲む領域を切り取って拡大した拡大画像を生成し、
前記AI機械学習済みモデル実行手段は、前記拡大画像を用いて前記AIモデルによる処理を実行する、請求項7に記載の機械学習システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022053024A JP7140933B1 (ja) | 2022-03-29 | 2022-03-29 | 機械学習システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022053024A JP7140933B1 (ja) | 2022-03-29 | 2022-03-29 | 機械学習システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7140933B1 true JP7140933B1 (ja) | 2022-09-21 |
JP2023146041A JP2023146041A (ja) | 2023-10-12 |
Family
ID=83354810
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022053024A Active JP7140933B1 (ja) | 2022-03-29 | 2022-03-29 | 機械学習システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7140933B1 (ja) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7298063B1 (ja) | 2022-11-15 | 2023-06-27 | Pciソリューションズ株式会社 | 機械学習認識システム |
JP7507299B1 (ja) | 2023-10-03 | 2024-06-27 | Pciソリューションズ株式会社 | 移動体制御装置及び移動体制御システム |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019023858A (ja) | 2017-07-21 | 2019-02-14 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 学習データ生成装置、学習データ生成方法、機械学習方法及びプログラム |
-
2022
- 2022-03-29 JP JP2022053024A patent/JP7140933B1/ja active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019023858A (ja) | 2017-07-21 | 2019-02-14 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカPanasonic Intellectual Property Corporation of America | 学習データ生成装置、学習データ生成方法、機械学習方法及びプログラム |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7298063B1 (ja) | 2022-11-15 | 2023-06-27 | Pciソリューションズ株式会社 | 機械学習認識システム |
JP2024071886A (ja) * | 2022-11-15 | 2024-05-27 | Pciソリューションズ株式会社 | 機械学習認識システム |
JP7507299B1 (ja) | 2023-10-03 | 2024-06-27 | Pciソリューションズ株式会社 | 移動体制御装置及び移動体制御システム |
Also Published As
Publication number | Publication date |
---|---|
JP2023146041A (ja) | 2023-10-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11521009B2 (en) | Automatically generating training data for a lidar using simulated vehicles in virtual space | |
JP7140933B1 (ja) | 機械学習システム | |
CN111874006B (zh) | 路线规划处理方法和装置 | |
US20180131924A1 (en) | Method and apparatus for generating three-dimensional (3d) road model | |
WO2022016311A1 (zh) | 基于点云的三维重建方法、装置和计算机设备 | |
JP7133926B2 (ja) | 情報処理装置、システム、情報処理方法 | |
US11727169B2 (en) | Systems and methods for inferring simulated data | |
CN111089597A (zh) | 基于图像和地图数据来定位的方法和装置 | |
KR102667741B1 (ko) | 3차원 객체를 표시하는 방법 및 장치 | |
CN112097732A (zh) | 一种基于双目相机的三维测距方法、系统、设备及可读存储介质 | |
US20200380085A1 (en) | Simulations with Realistic Sensor-Fusion Detection Estimates of Objects | |
JP2020119523A (ja) | 疑似3dバウンディングボックスを検出する方法及びこれを利用した装置 | |
CN117576652B (zh) | 道路对象的识别方法、装置和存储介质及电子设备 | |
JP7298063B1 (ja) | 機械学習認識システム | |
CN116645649A (zh) | 车辆位姿及尺寸估计方法、设备及存储介质 | |
CN113282088A (zh) | 工程车的无人驾驶方法、装置、设备、存储介质及工程车 | |
CN115439621A (zh) | 一种煤矿井下巡检机器人三维地图重建及目标检测方法 | |
CN115700796A (zh) | 模型生成方法、模型生成装置、非瞬时性存储介质、移动体姿势推定方法及其推定装置 | |
CN109490926B (zh) | 一种基于双目相机和gnss的路径规划方法 | |
CN113158779B (zh) | 一种行走方法、装置和计算机存储介质 | |
CN112800822A (zh) | 利用结构约束和物理约束进行3d自动标记 | |
JP2021060860A (ja) | 自動図化装置、自動図化方法および自動図化プログラム | |
CN109901589B (zh) | 移动机器人控制方法和装置 | |
CN112747757A (zh) | 用于提供雷达数据的方法和设备、计算机程序和计算机可读存储介质 | |
Hu et al. | Solution of camera registration problem via 3d-2d parameterized model matching for on-road navigation |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220329 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20220329 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220517 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220608 |
|
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: 20220830 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220908 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7140933 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |