研究紹介
ホーム  >  研究紹介

コンピュータビジョン

Fast Level Set Methodを用いた高速3次元幾何形状モデリング

高速で位相適応が可能な境界追跡法であるLevel Set Methodを高速に実現するアルゴリズムである「Fast Level Set Method」を提案し,高速な3次元幾何形状モデリング手法を開発しました.


Bunny のモデリング (Stanford Univ.) ワイヤーバスケットのモデリング
photo
Movie
photo
Movie
発表論文

Fast Level Set Methodを用いた複数移動物体の実時間同時追跡

「Fast Level Set Method」を用いて,複数の重なり合う移動物体の実時間同時追跡を実現しています.


複数物体の同時追跡 高速輪郭抽出 スケルトン抽出 移動物体追跡
photo
Movie
photo
Movie
photo
Movie
photo
Movie
発表論文

Fast Level Set Methodとステレオカメラを用いたオクリュージョンに頑強なモーションキャプチャの構築

「Fast Level Set Method」を用いて,複数の重なり合う移動物体の実時間同時追跡を実現しています.


実際の動作 キャプチャデータ テクスチャマッピング リアルタイムモーションキャプチャ
photo
Movie
photo
Movie
photo
Movie
photo
Movie
発表論文

幾何学的拘束を利用したテクスチャマッピング

九州大学芸術工学科 原健二准教授と共同で,幾何学的拘束を利用したテクスチャマッピングの研究を行いました. 通常のテクスチャマッピングでは3次元モデルを2次元画像に重ねて位置合わせを行いますが, この手法は逆に2次元画像を3次元モデルに重ね合わせ,投影された画像エッジの3次元空間での平行性,直交性を利用して 位置合わせを行います.


2D-3Dアラインメント 位置合わせ結果
photo
Movie
photo
Movie
発表論文

冗長性を利用した移動マニピュレータのVisual Servo

冗長自由度を利用したビジュアルサーボシステムを開発し,Stanford大の移動マニピュレータ Samm に実装しました.


冗長自由度トラッキング 冗長ビジュアルサーボ
photo
Movie
photo
Movie
発表論文

RGB-Dカメラおよびレーザースキャナを用いた空間識別

Microsoft Kinectやレーザースキャナを用いた,画像と距離情報を統合した空間識別手法を開発しています. 開発した手法は,センサから得られる距離情報,画像情報から画像特徴量を抽出し,機械学習の手法を適用して, 屋内であれば台所,居間,廊下など,屋外であれば駐車場,住宅街,都市部などの周囲の環境を識別します. 開発した手法は,サービスロボットによる周囲環境認識のみならず,状況に応じた安全な自動運転技術の実現にも利用できます.


Kinectを用いた空間識別
photo
データベース
corridors
(255 Mbyte,
5 categories)
genkiclub_f3_corridor_01, genkiclub_f4_corridor_01,
w2_10f_corridor_01, w2_7f_corridor_01,
w2_9f_corridor_02
kitchens
(204 Mbyte,
8 categories)
genkiclub_f3_kitchen_01, genkiclub_f3_kitchen_02,
w2_10f_kitchen_01, w2_10f_kitchen_09,
w2_9f_kitchen_01, w2_9f_kitchen_02,
w2_9f_kitchen_10, w4_6f_kitchen_01
labs
(583 Mbyte,
4 categories)
hasegawa_lab, kurazume_lab,
taniguchi_lab, uchida_lab
offices
(95 Mbyte,
3 categories)
hasegawa_office, kurazume_office,
morooka_office
studyrooms
(328 Mbyte,
8 categories)
w2_2f_studyroom_0 w2_2f_studyroom_02
w2_2f_tatamiroom_01, w2_2f_tatamiroom_02,
w4_2f_studyroom_01, w4_2f_studyroom_02,
w4_2f_tatamiroom_01, w4_2f_tatamiroom_02
toilets
(116 Mbyte, 3 categories)
w2_10f_toilet_01, w2_2f_toilet_01,
w2_9f_toilet_01

発表論文

Previewed Reality -未来の可視化システム-

本研究では,近未来に起こり得る出来事を自分の目で知覚できるPreviewed Reality を開発しています.本システムは情報構造化環境,没入感ゴーグルディスプレイ,光学式トラッカー,動力学シミュレ ータなどからなります.情報構造化環境には多数のセンサが設置され,物体や人間,ロボットの位置情報を常にデー タベースへ登録しています.ゴーグルの位置は光学式トラッカーにより計測され,動力学シミュレータで次時刻の 事象を予測し,近未来の仮想画像を合成します.合成された画像はAR技術により実画像へ重畳され,装着者へ提示 されます.本システムにより,危険な状況を事前に直観的に提示でき,人間とロボットが安全に共存できます.


Previewed Reality Previewed Reality
photo
Movie
photo
Movie

発表論文

第4人称センシング・第4人称キャプショニング

「第4人称センシング」「第4人称キャプショニング」とは, ユーザ,ロボット,環境の3つの視点(3つの人称)の情報を統合し, ユーザ周囲の状況をより正確に理解しようとする手法です. 「第4人称」とは,例えるなら,小説を読む「読者の視点」です. 読者は,主人公の感情や状況,相手の感情や状況,その他の登場人物の感情や状況など, 通常は知り得ない全ての情報を知ることができます(いうなれば「神の視点」). 「第4人称センシング」「第4人称キャプショニング」では, まるで全てを知り得る読者の視点のように,あらゆる人称からの情報を統合して, 包括的に状況を理解します.


第4人称センシング 第4人称キャプショニング
photo photo

発表論文