JP7350218B1 - 学習モデル生成装置、情報処理装置、学習モデル生成方法および情報処理方法 - Google Patents
学習モデル生成装置、情報処理装置、学習モデル生成方法および情報処理方法 Download PDFInfo
- Publication number
- JP7350218B1 JP7350218B1 JP2023529884A JP2023529884A JP7350218B1 JP 7350218 B1 JP7350218 B1 JP 7350218B1 JP 2023529884 A JP2023529884 A JP 2023529884A JP 2023529884 A JP2023529884 A JP 2023529884A JP 7350218 B1 JP7350218 B1 JP 7350218B1
- Authority
- JP
- Japan
- Prior art keywords
- unit
- image information
- inference
- learning model
- objects
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Multimedia (AREA)
- Image Analysis (AREA)
Abstract
Description
実施の形態1.
図1は、実施の形態1に係る情報処理装置1000の概略構成を示すブロック図であり、図2は、実施の形態1に係る対象物体検出部200の概略構成を示すブロック図である。情報処理装置1000は、複数の物体をカメラCAで撮影した際に、カメラCAから取得した画像情報に基づいて、当該複数の物体のうちのいずれかの物体を検出して選択する装置である。例えば、情報処理装置1000は、乱雑に山積みされた状態の複数の商品をロボットアームによって1つずつ移動させる際に、カメラCAから取得した山積みされた状態の複数の商品を含む画像情報に基づいて、山積みされた状態の複数の商品の中から移動させる商品として最適な商品を選択し、ロボットアームを制御する制御装置(不図示)に選択した結果を出力する装置である。なお、情報処理装置1000は、実施の形態1において、学習モデル生成装置を構成する。
また、例えば、候補選択部202は、画像情報取得部300が取得した画像情報に含まれる複数の物体のうち、検出した物体のセグメンテーションの面積及び当該物体のバウンディングボックスの面積に基づいて、いずれか1つの物体を選択してもよい。具体的には、候補選択部202は、画像情報取得部300が取得した画像情報に含まれる複数の物体のうち、検出した物体のバウンディングボックスの面積に対する当該物体のセグメンテーションの面積が最大となる物体を選択してもよい。また、例えば、候補選択部202は、画像情報取得部300が取得した画像情報に含まれる複数の物体のうち、検出した物体のバウンディングボックスの面積(Ab)に対する当該物体のセグメンテーションの面積(As)と、当該物体のセグメンテーションの面積(As)と、の積(As^2/Ab)が最大となる物体を選択してもよい。なお、これら物体のバウンディングボックスの面積に対する当該物体のセグメンテーションの面積、及び物体のバウンディングボックスの面積に対する当該物体のセグメンテーションの面積と当該物体のセグメンテーションの面積との積は、特徴量算出部203が算出してもよいし、特徴量算出部203が算出した物体のセグメンテーションの面積及びバウンディングボックスの面積に基づいて、候補選択部202が算出してもよい。
このように、候補選択部202が、候補選択部202によって選択された物体のいずれかの物体を特徴量算出部203の算出結果に基づいて選択することにより、例えば、複数の物体のうちロボットアームによって移動させる優先度が高い物体を検出することが可能になり、ロボットアームによって物体を移動させる際の作業性の向上が可能となる。
複数の撮影点から物体を撮影した前記物体の画像情報を取得する画像情報取得部と、
前記画像情報取得部が取得した画像情報に基づいて前記物体の形状が予め設定された複数のクラスのそれぞれに該当する確度を算出する第1学習モデルによって推論を行う第1推論部と、
前記第1推論部による推論の結果に基づいて、前記物体の形状が該当するクラスを判定する判定部と、
前記判定部による判定の結果と、前記物体の画像情報と、に基づいて複数の前記物体に関する画像情報を含む学習データを生成する学習データ生成部と、
前記学習データ生成部が生成した学習データに基づいて、複数の前記物体を含む画像情報から前記物体の形状を検出するための第2学習モデルを生成する学習モデル生成部と、を備えた
ことを特徴とする学習モデル生成装置。
(付記2)
前記学習データ生成部は、前記物体の形状が前記複数のクラスのいずれにも該当しないと前記判定部が判定したことに基づいて、複数の前記物体に関する画像情報を含む学習データを生成する
ことを特徴とする付記1記載の学習モデル生成装置。
(付記3)
複数の撮影点から複数の物体を撮影し、前記複数の物体の画像情報を取得する画像情報取得部と、
前記画像情報取得部が取得した画像情報に基づいて、前記複数の物体のそれぞれの形状を検出するための第2学習モデルによって推論を行う第2推論部と、
前記第2推論部による推論の結果に基づいて、前記複数の物体のうちのいずれかの物体を選択する選択部と、を備えた
ことを特徴とする情報処理装置。
(付記4)
前記第2推論部による推論の結果に基づいて、前記複数の物体のそれぞれの位置を算出する算出部を備え、
前記選択部は、前記算出部による算出の結果に基づいて、前記複数の物体のうちのいずれかの物体を選択する
ことを特徴とする付記3記載の情報処理装置。
(付記5)
前記第2推論部による推論の結果に基づいて、前記複数の物体のそれぞれのセグメンテーションの面積を算出する算出部を備え、
前記選択部は、前記算出部による算出の結果に基づいて、前記複数の物体のうちのいずれかの物体を選択する
ことを特徴とする付記3又は4記載の情報処理装置。
(付記6)
前記選択部が選択した前記複数の物体のうちのいずれかの物体を移動可能な、ロボットアームのエンドエフェクタの位置に関する情報を取得する位置情報取得部を備え、
前記選択部は、前記算出部による算出の結果と、前記位置情報取得部が取得した情報と、に基づいて、前記複数の物体のうちのいずれかの物体を選択する
ことを特徴とする付記4又は5記載の情報処理装置。
(付記7)
画像情報取得部と、第1推論部と、判定部と、学習データ生成部と、学習モデル生成部と、を備えた装置が行う学習モデル生成方法であって、
前記画像情報取得部が、複数の撮影点から物体を撮影し、前記物体の画像情報を取得するステップと、
前記第1推論部が、前記画像情報取得部が取得した画像情報に基づいて前記物体の形状が予め設定された複数のクラスのそれぞれに該当する確度を算出する第1学習モデルによって推論を行うステップと、
前記判定部が、前記第1推論部による推論の結果に基づいて、前記物体の形状が該当するクラスを判定するステップと、
前記学習データ生成部が、前記判定部による判定の結果と、前記物体の画像情報と、に基づいて複数の前記物体に関する画像情報を含む学習データを生成するステップと、
前記学習モデル生成部が、前記学習データ生成部が生成した学習データに基づいて、複数の前記物体を含む画像情報から前記物体の形状を検出するための第2学習モデルを生成すると、を備えた
ことを特徴とする学習モデル生成方法。
(付記8)
画像情報取得部と、第2推論部と、選択部と、を備えた装置が行う情報処理方法であって、
前記画像情報取得部が、複数の撮影点から複数の物体を撮影し、前記複数の物体の画像情報を取得するステップと、
前記第2推論部が、前記画像情報取得部が取得した画像情報に基づいて、前記複数の物体のそれぞれの形状を検出するための第2学習モデルによって推論を行うステップと、
前記選択部が、前記第2推論部による推論の結果に基づいて、前記複数の物体のうちのいずれかの物体を選択するステップと、を備えた
ことを特徴とする情報処理方法。
Claims (8)
- 複数の撮影点から物体を撮影した前記物体の画像情報を取得する画像情報取得部と、
前記画像情報取得部が取得した画像情報に基づいて前記物体の形状が予め設定された複数のクラスのそれぞれに該当する確度を算出する第1学習モデルによって推論を行う第1推論部と、
前記第1推論部による推論の結果に基づいて、前記物体の形状が該当するクラスを判定する判定部と、
前記判定部による判定の結果と、前記物体の画像情報と、に基づいて複数の前記物体に関する画像情報を含む学習データを生成する学習データ生成部と、
前記学習データ生成部が生成した学習データに基づいて、複数の前記物体を含む画像情報から前記物体の形状を検出するための第2学習モデルを生成する学習モデル生成部と、を備えた
ことを特徴とする学習モデル生成装置。 - 前記学習データ生成部は、前記物体の形状が前記複数のクラスのいずれにも該当しないと前記判定部が判定したことに基づいて、複数の前記物体に関する画像情報を含む学習データを生成する
ことを特徴とする請求項1記載の学習モデル生成装置。 - 複数の撮影点から複数の物体を撮影し、前記複数の物体の画像情報を取得する画像情報取得部と、
前記画像情報取得部が取得した画像情報に基づいて、前記複数の物体のそれぞれの形状を検出するための第2学習モデルによって推論を行う第2推論部と、
前記第2推論部による推論の結果に基づいて、前記複数の物体のうちのいずれかの物体を選択する選択部と、を備えた
ことを特徴とする情報処理装置。 - 前記第2推論部による推論の結果に基づいて、前記複数の物体のそれぞれの位置を算出する算出部を備え、
前記選択部は、前記算出部による算出の結果に基づいて、前記複数の物体のうちのいずれかの物体を選択する
ことを特徴とする請求項3記載の情報処理装置。 - 前記第2推論部による推論の結果に基づいて、前記複数の物体のそれぞれのセグメンテーションの面積を算出する算出部を備え、
前記選択部は、前記算出部による算出の結果に基づいて、前記複数の物体のうちのいずれかの物体を選択する
ことを特徴とする請求項3記載の情報処理装置。 - 前記選択部が選択した前記複数の物体のうちのいずれかの物体を移動可能な、ロボットアームのエンドエフェクタの位置に関する情報を取得する位置情報取得部を備え、
前記選択部は、前記算出部による算出の結果と、前記位置情報取得部が取得した情報と、に基づいて、前記複数の物体のうちのいずれかの物体を選択する
ことを特徴とする請求項4又は5記載の情報処理装置。 - 画像情報取得部と、第1推論部と、判定部と、学習データ生成部と、学習モデル生成部と、を備えた装置が行う学習モデル生成方法であって、
前記画像情報取得部が、複数の撮影点から物体を撮影し、前記物体の画像情報を取得するステップと、
前記第1推論部が、前記画像情報取得部が取得した画像情報に基づいて前記物体の形状が予め設定された複数のクラスのそれぞれに該当する確度を算出する第1学習モデルによって推論を行うステップと、
前記判定部が、前記第1推論部による推論の結果に基づいて、前記物体の形状が該当するクラスを判定するステップと、
前記学習データ生成部が、前記判定部による判定の結果と、前記物体の画像情報と、に基づいて複数の前記物体に関する画像情報を含む学習データを生成するステップと、
前記学習モデル生成部が、前記学習データ生成部が生成した学習データに基づいて、複数の前記物体を含む画像情報から前記物体の形状を検出するための第2学習モデルを生成すると、を備えた
ことを特徴とする学習モデル生成方法。 - 画像情報取得部と、第2推論部と、選択部と、を備えた装置が行う情報処理方法であって、
前記画像情報取得部が、複数の撮影点から複数の物体を撮影し、前記複数の物体の画像情報を取得するステップと、
前記第2推論部が、前記画像情報取得部が取得した画像情報に基づいて、前記複数の物体のそれぞれの形状を検出するための第2学習モデルによって推論を行うステップと、
前記選択部が、前記第2推論部による推論の結果に基づいて、前記複数の物体のうちのいずれかの物体を選択するステップと、を備えた
ことを特徴とする情報処理方法。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2022/017895 WO2023199502A1 (ja) | 2022-04-15 | 2022-04-15 | 学習モデル生成装置、情報処理装置、学習モデル生成方法および情報処理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7350218B1 true JP7350218B1 (ja) | 2023-09-25 |
JPWO2023199502A1 JPWO2023199502A1 (ja) | 2023-10-19 |
Family
ID=88099195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023529884A Active JP7350218B1 (ja) | 2022-04-15 | 2022-04-15 | 学習モデル生成装置、情報処理装置、学習モデル生成方法および情報処理方法 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP7350218B1 (ja) |
WO (1) | WO2023199502A1 (ja) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011096135A (ja) | 2009-10-30 | 2011-05-12 | Canon Inc | 画像処理装置、画像処理方法 |
JP2020052981A (ja) | 2018-09-28 | 2020-04-02 | 株式会社東芝 | 情報処理装置、学習装置、情報処理システム、情報処理方法及びコンピュータプログラム |
JP2020077231A (ja) | 2018-11-08 | 2020-05-21 | 富士通株式会社 | 位置検出プログラム、位置検出方法及び位置検出装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS60118479A (ja) * | 1983-11-30 | 1985-06-25 | 株式会社日立製作所 | 部品供給組立装置 |
-
2022
- 2022-04-15 WO PCT/JP2022/017895 patent/WO2023199502A1/ja active Application Filing
- 2022-04-15 JP JP2023529884A patent/JP7350218B1/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011096135A (ja) | 2009-10-30 | 2011-05-12 | Canon Inc | 画像処理装置、画像処理方法 |
JP2020052981A (ja) | 2018-09-28 | 2020-04-02 | 株式会社東芝 | 情報処理装置、学習装置、情報処理システム、情報処理方法及びコンピュータプログラム |
JP2020077231A (ja) | 2018-11-08 | 2020-05-21 | 富士通株式会社 | 位置検出プログラム、位置検出方法及び位置検出装置 |
Also Published As
Publication number | Publication date |
---|---|
WO2023199502A1 (ja) | 2023-10-19 |
JPWO2023199502A1 (ja) | 2023-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10334168B2 (en) | Threshold determination in a RANSAC algorithm | |
JP6011102B2 (ja) | 物体姿勢推定方法 | |
JP2940317B2 (ja) | 画像処理装置 | |
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 | |
CN109934847B (zh) | 弱纹理三维物体姿态估计的方法和装置 | |
JP5406705B2 (ja) | データ補正装置及び方法 | |
EP3905194A1 (en) | Pose estimation method and apparatus | |
CN112164115B (zh) | 物体位姿识别的方法、装置及计算机存储介质 | |
JP2022519194A (ja) | 奥行き推定 | |
JP2011198349A (ja) | 情報処理方法及びその装置 | |
CN108364302B (zh) | 一种无标记的增强现实多目标注册跟踪方法 | |
JP2009230703A (ja) | オブジェクト検出方法、オブジェクト検出装置、およびオブジェクト検出プログラム | |
JP2020135679A (ja) | データセット作成方法、データセット作成装置、及びデータセット作成プログラム | |
CN112149590A (zh) | 一种手部关键点检测方法 | |
CN112287730A (zh) | 姿态识别方法、装置、系统、存储介质及设备 | |
JP5704909B2 (ja) | 注目領域検出方法、注目領域検出装置、及びプログラム | |
KR100691855B1 (ko) | 영상정보의 특징 추출장치 및 그 방법 | |
JP7350218B1 (ja) | 学習モデル生成装置、情報処理装置、学習モデル生成方法および情報処理方法 | |
JPWO2011099072A1 (ja) | パターン識別装置 | |
EP3905107A1 (en) | Computer-implemented method for 3d localization of an object based on image data and depth data | |
EP3905130A1 (en) | Computer-implemented method for 3d localization of an object based on image data and depth data | |
JP2021026778A (ja) | クロスドメイン距離学習のシステム及び方法 | |
JP6198104B2 (ja) | 3次元物体認識装置及び3次元物体認識方法 | |
Ramírez-Arias Ph D et al. | Object recognition through artificial intelligence techniques | |
KR101884874B1 (ko) | 부분 이미지 기반 객체 판별 방법 및 장치 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230517 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20230517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230613 |
|
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: 20230815 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230912 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7350218 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |