2次元･3次元的アプローチにおける基本技術

　一般的には，ロボットがハンドリングする対象物はほとんど常に3Dです。これをRGBカメラで撮影すると2D画像に，3Dのデプスカメラで撮影すると3Dデータ（点群）になります。この2つの情報ソースを使い，モデル等とマッチングすることが重要ですが，これには3つのタイプがあると考えています。1つめの「タイプA」は，2Dの画像に対して2Dのモデルを比較照合していくもの，2つめの「タイプB」は，2D画像に対して3Dのモデルを当てはめ，3Dのモデルを2D画像群として表現するものです。そして，3つめの「タイプC」は，3Dデータを3Dモデルとダイレクトに比較照合するものです。
　タイプAの2次元的アプローチによる物体認識は，さらに3種類に分類できます。1つめは，画像の画素そのものをダイレクトに利用する方法で，著名な技術としては，テンプレートマッチングがあります。2つめは，画像中のキーポイント特徴量を利用する方法で，キーポイントマッチングと呼ばれます。3つめは，図形の輪郭や幾何学的モデルを利用するもので，Merlin法などがあります。
　テンプレートマッチングは，入力画像のなかからテンプレートとよく似た「画像」パターンを見つける手法です。一方，キーポイントマッチングは，あらかじめテンプレートの画像のなかからキーポイントと呼ばれるいくつかの点を抽出し，一つひとつの点を特徴づける特徴量を記述し，これをもとにマッチングします。特徴量を手がかりとしてマッチングするので，よい特徴量の設計が重要になってきます。有名なものにはSIFT特徴量マッチングがあります。
　3次元的アプローチに関しては，タイプBとして3Dのモデルを2Dの画像群として表現するアピアランスベース物体認識があります。3Dの対象物を通常のカメラで多種多様な方向から撮影し，データベース化します。1枚の画像は2Dの画像ですが，複数の画像によって全方向の3D的な情報を併せもった辞書データになります。タイプCはモデルベース物体認識で，3Dセンサーを活用し，3Dの点群データとして撮影し，3D同士でマッチングさせます。タイプCの具体的な手法としてはキーポイントマッチングが主流であり，2Dキーポイントマッチングと同じように，よい3次元特徴量の設計が重要になります。

＜次ページへ続く＞