MULTI-HASH の概要

Figure 2.2

MULTI-HASH をブロックダイアグラムで表したものが、Figure 2.2 である。 MULTI-HASH の処理は、大きく分けて次の３つに分かれる。

1. オフライン処理
   

   多次元属性ハッシュテーブルを生成する。点線ボックスで囲まれた部分。

2. オンライン処理
   

   対象の画像を撮り、LFS を抽出し、対応するモデルの推定を行う。

3. 物体の姿勢の推定と検証
   

オフライン処理の入力には、オンライン処理によって得られるデータが必要で ある。

Figure 2.3

この章では、主にオフライン処理について述べる。Figure 2.3 に示すのが、 インタラクティブトレーニングを行っている画面である。ユーザは物体を（も しくは複数の物体）をセンサの前に置き、特殊な光センサで物体のレンジデー タと色データを得る。Figure 2.3 のメインウィンドウの左が光センサの入力 画像であり、右が面でセグメンテーションされた結果である。次に、ユーザは 画像から抽出された LFS を対応するモデルの LFS にメニューを使って対応づ ける。図の上側の小さなウィンドウは、モデルを色々な方向から描画した画像 を表している。ユーザは、適切なウィンドウ内をマウスでクリックすることで、 入力画像中の面とモデルの面との対応をシステムに指示することもできる。

物体の姿勢の異なる複数の入力画像についてこの処理を行うことで、システム は複数の画像上の LFS と１つのモデルの LFS の対応及び、複数の画像上の面 と１つのモデルの面との対応をデータベースに格納する。

LFS の対応はハッシュテーブル構成のために必要であり、面の対応は色のシン ボル名（yellowなど）と実際の観察される色との対応を得るために必要である。

Figure 2.4

光センサは、まず縞状のレーザー光を対象物体に投影し、それをカメラで撮像 し距離データを得ると共に、その同じ場所に白色光を当て色の情報を獲得する。 Figure 2.4(a) の物体群に対して、レーザ光を投影した画像が 2.4(b) のよう に得られ、2.3(e) - 2.3(h) では各物体を認識した時に使用された feature が白で表示されている。

これ以外の物体は、物体が十分に見えていない、またはセグメンテーションの 誤りのために認識されなかった。また、この例では、全部で161個の LFS がハッ シュテーブルから検出されている。