ロボットビジョン用特徴抽出VLSIプロセッサシステムの構成に関する研究

未知環境下で自律的に作業を行う次世代知能ロボットシステムを構築するためには、視覚情報に基づき環境認識を行い、認識結果をフィードバックして自己の持つ環境モデルを逐次的に更新させながら制御していくことが重要となる。特に、実世界での応用を前提とした知能集積システムにおいては、上述した環境の変化を入力画像から迅速、かつ的確に検知することが必要不可欠であると考えられる。本研究では、画像認識を行う上で重要となる特徴量としてエッジ抽出に着目し、それを系統的かつ高速に処理するプロセッサシステムの構成について考察した。すなわち、濃淡階調を有する入力画像に対して単に論理微分処理を行っただけでは物体の輪郭線には複数の不連続な部分が生じてしまう。そこで、認識対象物体に関するモデルに基づいてトップダウン的に推論を施し、総合的に認識物体のエッジ抽出を行った。また高速処理に関しては、多値電流モード回路に基づく新しいスイッチング基本回路を考案し、高速演算回路の実現可能性をシミュレーションやレイアウト設計により実証してきた。上記の研究成果は、従来のソフトウェア中心で研究されてきたロボットビジョン研究に対して、ハードウェアによる実現可能性とその有効性を示す新しい試みであり、わが国の独創的研究の一つとして貢献できたと確信する。

未知環境下で自律的に作業を行う次世代知能ロボットシステムを構築するためには、視覚情報に基づき環境認識を行い、認識結果をフィードバックして自己の持つ環境モデルを逐次的に更新させながら制御していくことが重要となる。特に、実世界での応用を前提とした知能集積システムにおいては、上述した環境の変化を入力画像から迅速、かつ的確に検知することが必要不可欠であると考えられる。本研究では、画像認識を行う上で重要となる特徴量としてエッジ抽出に着目し、それを系統的かつ高速に処理するプロセッサシステムの構成について考察した。すなわち、濃淡階調を有する入力画像に対して単に論理微分処理を行っただけでは物体の輪郭線には複数の不連続な部分が生じてしまう。そこで、認識対象物体に関するモデルに基づいてトップダウン的に推論を施し、総合的に認識物体のエッジ抽出を行った。また高速処理に関しては、多値電流モード回路に基づく新しいスイッチング基本回路を考案し、高速演算回路の実現可能性をシミュレーションやレイアウト設計により実証してきた。上記の研究成果は、従来のソフトウェア中心で研究されてきたロボットビジョン研究に対して、ハードウェアによる実現可能性とその有効性を示す新しい試みであり、わが国の独創的研究の一つとして貢献できたと確信する。