权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

ダイナミックプロジェクション計測による何でもみえるロボットビジョン

机器人视觉让您可以使用动态投影测量看到任何东西

基本信息

批准号：
18J20111
负责人：
千葉直也
金额：
$ 1.41万
依托单位：
Tohoku University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-25 至 2021-03-31
项目状态：
已结题

项目摘要

本研究の目的は，対称物体の反射特性によらずに物体をハンドリングするための三次元センシング手法の構築である．前提としてLight Transport Matrix (LMT) 推定による三次元形状計測手法を用いる．これはプロジェクタ・カメラを用いる三次元計測法であり，金属物体や半透明物体を精度よく計測できるという特性を持つ．一方，高解像度な計測を行う場合には計算コストが大きいという欠点を持つ．したがって，物体の位置姿勢推定に必要な情報だけを計測することで，「ばら積みピッキング」のような具体的なアプリケーションとしてみたときに高速化できるという着想を得た．LTMの推定にはL1ノルム最小化によるスパース推定を用いる．このときLTMが線形でない場合に推定に失敗することが確認できている．実際の観測では白飛び・黒つぶれが生じるため，これらに対応するため，Alternation Direction Method of Multipliers (ADMM)を用いたL1最小化法の観測モデルに修正を加えた，白飛び・黒つぶれ同時対応L1最小化を提案・検証し，実際にLTM推定の性能が向上していることを示した．LTM推定は低解像度では高速に計算できることに着目し，低解像度なLTMから得られる低密度な点群から物体の位置姿勢推定を行う手法の実現に向けて取り組んだ．既存の物体認識・位置姿勢推定手法と比較して低密度な点群を入力として用いる場合が多いため，点群深層学習によるアプローチでの物体認識・位置姿勢推定手法についての研究を進めた．さらに物体認識・位置姿勢推定手法とLTM推定による三次元計測法，さらに昨年度実装したロボットシステムを用いて実際にばら積みピッキングを実現した．計測・位置姿勢推定を合わせて20秒程度で金属物体の認識・位置姿勢推定を行った．

The purpose of this study is to refer to the reflection characteristics of objects and the construction of three-dimensional objects and techniques. The premise is that the Light Transport Matrix (LMT) is estimated and the three-dimensional shape measurement method is used. The これはプロジェクタ・カメラを uses the いる three-dimensional measurement method であり, and the precision of the metal object and the translucent object よく measurement できるという characteristics をhold つ． On the one hand, high-resolution measurement and measurement can be used for occasions and calculations.したがって, "Information necessary for estimating the position and posture of an object"グ　のようなSpecific なアプリケーションとしてみたときにHigh speed できるというを got た． LTM's estimation and L1's minimum estimation are used.このときLTMがlinearでない occasionにpresumptionにfailureすることがconfirmationできている. Alternation Direction Method of Multipliers (ADMM) Use the L1 minimization method to measure the モデルに correction and add the えた, white fly び・black つぶれ at the same time Proposal and proof of L1 minimization, performance improvement of LTM estimation, and improvement of LTM estimation performance. LTM estimation is based on low resolution and high speed calculation, and low resolution LTM is obtainedられる Low density point group から Object position and posture estimation を row う technique の実appear に directional けて take り group んだ. Comparison of existing object recognition and position and posture estimation techniques, low-density point group input, and use in many situationsめ, Point group deep learning is a research on object recognition and position and posture estimation techniques.さらにObject recognition and position and posture estimation techniques and LTM estimation によるThree-dimensional measurement method, さらに yesterday The annual 実装したロボットシステムを用いて実间にばら accumulates みピッキングを実现した. Measurement and position and posture estimation can be performed in 20 seconds. Recognition of metal objects and position and posture estimation can be performed in about 20 seconds.

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

点群深層学習による複数物体の位置姿勢推定

使用点云深度学习估计多个物体的位置和方向

DOI：
发表时间：
2019
期刊：
影响因子：
0
作者：
Joshua Owoyemi;Naoya Chiba;Koichi Hashimoto;千葉直也，橋本浩一;千葉直也，橋本浩一;福地伸晃，千葉直也，橋本浩一;戸田幸宏，千葉直也，橋本浩一
通讯作者：
戸田幸宏，千葉直也，橋本浩一

点群深層学習の研究動向

点云深度学习研究趋势

DOI：
发表时间：
2019
期刊：
影响因子：
0
作者：
Joshua Owoyemi;Naoya Chiba;Koichi Hashimoto;千葉直也
通讯作者：
千葉直也

Sparse Estimation under Saturated Condition for 3D Measurement and Its Application for Bin-Picking Robot

3D测量饱和条件下的稀疏估计及其在拣选机器人中的应用

DOI：
10.2493/jjspe.86.106
发表时间：
2020
期刊：
Journal of the Japan Society for Precision Engineering
影响因子：
0
作者：
Suzuki Yoshiyuki;Yamaguchi Akihiko;Nojiri Seita;Watanabe Tetsuyou;Hashimoto Koichi;千葉直也，橋本浩一
通讯作者：
千葉直也，橋本浩一

Discriminative Recognition of Point Cloud Gesture Classes through One-Shot Learning