局所特徴に基づくAspectモデルの構築と3次元物体認識に関する研究

摘要

三次元物体認識の一方式として，観測方向によって変化する三次元物体の「見え」をモデル化する方法がある．例えば，パラメトリック固有空間法では対象の見えの変化を固有空間内の多様体としてモデル化し，物体の種別や姿勢変化などを認識する．しかし，この方法では，対象を撮影した画像全体を固有空間に射影するため，背景の変化やオクルージョンの影響を受けやすいという問題がある．この問題を解決するために，本稿では画像の局所特徴に基づき対象モデルを構築し，背景の変化やオクルージョンの影響を受けにくい物体認識法を提案する．但し，広い角度の対象の「見え」をグルーピングすると，個々の物体の弁別性が低下するため，弁別性を維持しつつコンパクトなモデル化を行うという問題を解決する必要がある．本稿ではDiverse Density（DD）を用いることにより，強い弁別性を持つ特徴を優先的に残し，弁別性を維持しながら対象の複数の見えをグルーピングする方法を提案する．Coil画像セットを用いた実験により，対象物体のすべての見えから抽出した局所特徴を用いたモデル化よりも，複数の「見え」をまとめることによって，不要な特徴を捨て，サイズを小さくしたモデルの方が高い認識率が得られる事を明らかにし，さらにクエリ画像に背景画像を付加してもパラメトリック固有空間法よりも高い認識率が達成できることを確認した．