主成分分析を用いた画像照合による産業応用に向けたパターン認識技術に関する研究

点击翻译按钮获取中文摘要

単眼カメラ画像を用いた物体認識手法である固有値テンプレート法を応用した物体の3次元姿勢推定法の実現について取組んだ。画像照合により物体の3次元的な位置姿勢を認識する場合、2次元的な認識と比較して対象物の姿勢変化の自由度は高くなる。これより、姿勢変化による見かけの変動を表す学習画像が大量に必要となる。固有値テンプレート法では、学習画像を主成分分析（PCA）により次元圧縮し、得られた基底に基づいた固有空間上の特徴ベクトルを照合に用いる。学習画像および探索領域の特徴ベクトルを比較することで、元の画像よりも少ないデータ量で照合可能となる。ここで、大量の学習画像を低次元の特徴ベクトルへと次元圧縮した場合、情報損失量が大きくなるため特徴ベクトルの局所性が失われ、認識精度が低下する。また、3次元姿勢推定では、特徴ベクトル探索すべきデータ数、次元数が増加するため処理時間も増加する。課題解決のために、特徴ベクトルに独立成分分析（ICA）を適用するICAテンプレート法を提案した。提案手法の特徴ベクトルでは、PCAと比較して低次元における局所性の損失が少ない。また、特徴ベクトルによる近似近傍探索において、局所性鋭敏型ハッシュによる探索法を採用し、処理の高速化を図った。提案手法について、シミュレーション画像による画像認識性能の評価実験を行った。実験より、複数種類の認識対象物を画像中に含む物体認識において提案手法は従来法に比べ、約10[%]認識精度が向上し、約12[%]処理時間が削減されたことを確認した。産業応用への取組みとして、単眼カメラ及び産業用6軸ロボットアームから成るロボットピッキングシステムを構築した。単眼カメラ撮影画像を用いて、提案手法による画像認識を行い、ステージ上の認識対象物の認識および把持可能であることを示した。これにより、提案手法の産業応用への可能性を示した。