知能ロボット研究室 (English)

 

目次

-      最近の出来事(What’s New

-      研究テーマ

-      プロジェクト(English

-      メンバー(English


最近の出来事(Whats New

 

[2018/10/7-] IEEE International Conference on Systems, Man, and Cybernetics (SMC2018) Miyazaki, Japan において、1件の発表を行いました。

 

[2018/9/11-] SICE Annual Conference 2018 (SICE 2018) Nara, Japan において、1件の発表を行いました。

 

[2018/9/8-] 電気関係学会北陸支部大会2018 @ 石川において、6件の発表を行いました。

 

[2018/9/4-] 36回 日本ロボット学会学術講演会 Nagoya, Japan において、1件の発表を行いました。

 

[2018/6/26-] The 2018 IEEE Intelligent Vehicles Symposium (IV'18) Changshu, Suzhou, China において、1件の発表を行いました。

 

[2017/11/26-] IAPR 4th Asian Conference on Pattern Recognition (ACPR2017) Nanjing, China において、1件の発表を行いました。
- Change Detection with Global Viewpoint Localization


[2017/11/10-]
第60回自動制御連合講演会 @ 東京において、1件の発表を行いました。
-
大規模3次元点群地図からのスケーラブルな環境変化検出


[2017/10/16-] IEEE 20th International Conference on Intelligent Transportation Systems (ITSC), Yokohama, JAPAN. October 16 - 19, 2017
において、1件の発表を行いました。
- Cross-season Vehicle Localization Using Bag of Local 3D Features


[2017/9/18-] IPIN 2017 : Indoor Positioning and Indoor Navigation conference (http://www.ipin2017.org/)
において、1件の発表を行いました。
- Grammar-based Map Parsing for View Invariant Map Descriptor

[2017/9/11-] 電気関係学会北陸支部大会2017 @ 富山において、5件の発表を行いました。
-
深層畳込みニューラルネットワークを用いた教師なし場所認識手法
-
移動ロボットによる部品特徴を用いた変化検出
- 3
次元点群地図を用いた単眼画像からの変化検出
- BoLCF
特徴を用いた自然画像からのテクスチャ認識
-
深層学習に基づく自然画像からの植物認識

[2017/5/8-] Fifteenth IAPR International Conference on Machine Vision Applications (MVA) において、1件の発表を行いました。
- Unsupervised Place Discovery for Visual Place Classification

[2016/12/13-] 2016 IEEE/SICE International Symposium on System Integration (SII2016) @ 北海道において、3件の発表を行いました。
- Map Retrieval in 3D Using View-Dependent Local Map Descriptor
- Multi-Model Hypothesize-and-Verify Approach for Incremental Loop Closure Verification
- Compressive Change Retrieval for Moving Object Detection

[2016/12/3-] 2016 IEEE International Conference on Robotics and Biomimetics (ROBIO2016) @ Qingdao, China
において、3件の発表を行いました。
- Combining Grid Mapping with Local Map Descriptor for Fast Succinct Map Retrieval
- Mining DCNN Landmarks for Long-term Visual SLAM
- Local Map Descriptor for Compressive Change Retrieval

[2016/10/14] IROS Workshop on State Estimation and Terrain Perception for All Terrain Mobile Robots @ Daejeon, Korea
において、2件の発表(workshop papers)を行いました。
- An Experimental Study of the Effects of NBNN Scene Matching on BoW Scene Retrieval Across Domains|
- Map Retrieval in 3D Using View-Dependent Map Descriptor

[2016/10/9-] 2016 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2016) @ Daejeon, Korea 
において、1件の発表を行いました。
- Self-localization from images with small overlap

[2016/10/9-] IROS Late Breaking Poster Session @ Daejeon, Korea
において、1件の発表(late breaking poster)を行いました。
- Cross-Domain Self-Localization Using NBNN Scene Descriptor

[2016/9/13-]
電気関係学会北陸支部大会2016 @ 福井において、7件の発表を行いました。
-
移動ロボットによる格子地図生成と確率的ロードマップ法に基づく効率的な経路計画
- DCNN
のファインチューニングによる高信頼度なランドマーク検出
- DCNN
ランドマークをシーン記述に用いたロボットの自己位置推定
-
移動ロボットによる逐次的な再訪問認識アルゴリズムの研究
-
移動ロボットによるオプティカルフローに基づく移動物体検出
-
移動ロボットによる逐次的な経路地図作成
- Bag-of-Words
画像表現に基づく環境変化検出

[2016/9/7-]
34回日本ロボット学会学術講演会@山形において、3件の発表を行いました。
-
クロスビュー場所認識の研究:ビュー重複度に基づいて場所認識問題の難しさを定量化する
-
移動ロボットによる局所地図記述子に基づく高速・識別的な3次元マップマッチング
-
移動ロボットによる再訪問認識アルゴリズムの研究:再訪問仮説の計画的な生成・検証


 [2015/12/11-] IEEE/SICE International Conference on System Integration (SII) @
名古屋 において、Liu, 菅ヶ谷が研究発表を行いました。
  -Session Robotics Technology 3: Mining Visual Experience for Fast Cross-View UAV Localization
  -Session Robotics Technology 5: Use of Viewpoint Planning for Fast Succinct Map Matching

 [2015/9/28-] IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS) @ Hamburg, Germany
において、Liu、田中が2件の研究発表を行いました。
  -Session SLAM2: Cross-Season Place Recognition Using NBNN Scene Descriptor
  -Session Late breaking results posters: Discriminative Map Matching Using View Dependent Map Descriptor
  -Workshop PPNIV: Discriminative Map Matching Using View Dependent Map Descriptor

 [2015/9/11-]
電気関係学会北陸支部大会 @ 金沢 において、渡辺、吉川、高橋、村瀬が研究発表を行いました。
  -Session
パターン認識・理解1,コンピュータビジョン: ループクロージングSLAM
  -Session
パターン認識・理解1,コンピュータビジョン: RANSACマップマッチングに基づくステレオSLAMの開発
  -Session
パターン認識・理解3: 局所地図記述子に基づく高速・識別的なマップマッチング
  -Session  
画像工学3,知識処理: Image-to-Class 距離に基づく画像記述子の研究

 [2015/5/25-] IEEE International Conference on Robotics and Automation (ICRA2015) @ Seattle, Washington, USA
において、柳原、田中が研究発表を行いました。
  -Session Visual Place Recognition: Leveraging Image-Based Prior in Cross-Season Place Recognition
  -Session Vision-Based Mapping and Localization II: Unsupervised Part-Based Scene Modeling for Visual Robot Localization
  -Workshop VPRiCE: An Experimental Study of the Effects of Landmark Discovery and Retrieval on Visual Place Recognition Across Seasons

 [2015/5/18-] IAPR Machine Vision Applications (MVA) において塚本、田中が研究発表を行いました。

-Leveraging image based prior for visual place recognition

-Scene retrieval by unsupervised salient part discovery

 

 [2014/12/13] IEEE/SICE International Symposium on System Integration (SII) において、花田が一件の発表を行いました。

-M2t: Local map descriptor


 [2014/9/15] IEEE/RSJ International Conference on Intelligent Robots and Systems, Session: Mapping and Localizationにおいて、安藤が研究発表を行いました。
 -Mining Visual Phrases for Long-Term Visual SLAM

 [2014/9/14] IEEE/RSJ International Conference on Intelligent Robots and Systems, PRNIV14 workshopにおいて、猪口志が研究発表を行いました。
 -Landmark Discovery for Single-View Cross-Season Localization

 [2014/9/11] 電気関係学会北陸支部大会、画像工学セッションにおいて小川、塚本、田島、堀江、柳原が研究発表を行いました。
 -ビジュアルオドメトリに基づくビジュアルSLAMの開発
 -シーン画像からの顕著物体発見に関する研究
 -視覚移動ロボットのための物体発見技術の開発
 -視覚移動ロボットのための簡潔・識別的なマップマッチング手法の開発
 -視覚移動ロボットによる大域自己位置推定のための確率的推定アルゴリズムの研究
 
 [2014/5/27]ロボティクス・メカトロニクス講演会2014、移動ロボットの自己位置推定と地図構築セッションにおいて小川、塚本が研究発表を行いました。
  -
部品SLAM:教師無し部品モデルによる高速・簡潔な間接型マップマッチング
  -
幾何的整合性に基づく視野画像列を用いた自己位置推定の研究

 [2014/5/26]ロボティクス・メカトロニクス講演会2014、ロボットビジョンセッションにおいて中河が研究発表を行いました。
  -
部品SLAM:教師無し部品モデルに基づく簡潔・識別的な情景マッチング手法

 [2013/11/6] IAPR Asian Conference on Pattern Recognition (ACPR)oral session 1において安藤、Poster sesson1において猪口志が研究発表を行いました。
 -Common Landmark Discovery for Object-Level View Image Retrieval: Modeling and Matching of Scenes via Bag-of-Bounding-Boxes
  -Exploiting Repetitive Patterns for Fast Succinct Map Matching

 [2013/12/14] IEEE International Conference on Robotics and Biomimetics (ROBIO)において、猪口志、花田が研究発表を行いました。

-Part-based SLAM for partially changing environments
 -Fast, succinct, and indirect map matching via known reference maps as intermediary: A randomized visual phrase approach


 [2013/11/4] IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)ModT1セッションにおいて花田が研究発表を行いました。
 -PartSLAM: Unsupervised Part-Based Scene Modeling for Fast Succinct Map Matching

 [2013/11/3] IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)Interactive sessionにおいて稲垣が研究発表を行いました。
 -Object-Level View Image Retrieval via Bag-of-Bounding-Boxes

 [2013/9/17] SICE Annual ConferenceImage Processingセッションにおいて安藤、花田が研究発表を行いました。
 -A Bag-of-Bounding-Boxes Approach to Object-Level View Image Retrieval
 -PartSLAM:Fast Succinct Indirect Map Matching

 

  [2013/5/20] IAPR Machine Vision Applications (MVA) において、稲垣、猪口志が研究発表を行いました。

-Detecting rotational symmetry via global/local image analysis

-Common Landmark Discovery in Urban Scenes


研究テーマ


本研究室では、ロボットのSLAM問題を主な研究対象としています。

SLAM
問題とは?

ロボットが目的地まで安全かつ正確に走行するためには、周囲の地図を生成するとともに、この地図上で自己位置を推定する必要があります。このように、地図生成と自己位置を同時に行う問題を、SLAM(Simultaneous Localization And Mapping)と呼びます。SLAM問題は、ロボットの分野の最も基礎的な問題の一つです。主な応用としては、たとえば、自律走行車や環境再構築などがあります。具体的なサブテーマとしては、たとえば、物体識別(segmentation)、分類(classification)、動物体追跡(visual tracking)、パタン認識と機械学習(pattern recognition & machine learning)、フィルタリング(filtering)、全体最適化(optimization)、記憶と検索(database & information retrieval)、圧縮と復元(data compression & recovery)、知識発見(knowledge discovery)、ドメイン適応(domain adaptation)、物体認識(object recognition)、変化検出(change detection)などが挙げられます。

SLAM
の研究をはじめるには?

卒研などで、これからSLAMの研究をはじめる場合、手短な方法として、実際に、ソフトウェアを動かしてみる方法が考えられます。世界の様々な研究機関で、SLAM問題を解くためのアルゴリズムが開発されており、いくつかのアルゴリズムは、公開ソフトウェアとして提供されています(http://openslam.org/)。これらのソフトウェアを自分のPCにダウンロードして使ってみると、SLAMシステムが、どのように動作するのかについて、直感的に理解しやすいのではないかと思います。ソフトウェアを動かすために最低限必要な知識として、SLAM問題の全体像、目的、入出力などがあります。これらの知識を得るための解説書としては、2005年に出版されたprobabilistic roboticshttp://www.probabilistic-robotics.org/)や、その和訳版があります。また、ソフトウェアを動かすために必要な入力データは、多くの場合、ロボットの移動と知覚の時系列データです。これらのデータとしては、radishhttp://radish.sourceforge.net/)などのサイトで公開されているデータを利用できます。あるいは、カメラなどのセンサを使えば、自分でセンサデータを取得することも可能です。注意すべき点として、入出力のデータ形式は、ソフトウェアごとに異なっており、各々のソフトウェアに合ったデータ形式へ事前に変換しておく必要があります。なお、ソフトウェアが動作している様子は、動画サイト(http://www.youtube.com/)などで公開されていますので、事前にみておくと参考になります。SLAMの入門書(「SLAM入門: ロボットの自己位置推定と地図構築の技術」)が近年出版されています。


どんな研究がなされているのか?

SLAM
の最新の研究成果は、下記のような、ロボット関連の国際会議で発表されます。
- IEEE International Conference on Robotics and Automation (ICRA)
- IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS)
また、環境再構築(Structure from Motion)や場所認識(place recognition)の観点から、コンピュータビジョン関連の国際会議(ICCV,CVPR,ECCV)でも発表されます。その他、SLAM問題は、地図学習、地図データベースの観点から、機械学習の分野(NIPS,ICML)や、データベース分野(VLDB, SIGMOD)、人工知能の分野(AAAI)との関連があります。応用としては、拡張現実感、無人航空機(ドローン)や自動運転があります。自動運転の学会(ITSC, IV)において近年多くの研究発表があります。

アプローチ

本研究室では、1995年ごろから、マップマッチングと呼ぶ計算手法の研究に取り組んでいます。マップマッチングの基本的なアイデアは、2枚の地図を所与とし、一方を他方へ最も大きく重ねるような変換(回転・並進など)を推定することにあります。基本的な解法として、RANSACなどの照合手法や、ランダム写像などの検索手法が挙げられます。マップマッチング技術は、以下のような文脈において重要になります。

地図更新 マップマッチングを用いて、異なる時刻の地図を比較することで、静止物体(壁、標識)と動物体(人、イス)とを識別します。現在、多くのSLAM手法は、静止物体のみを地図に記録するという立場をとります。[* Hongbin Zha, Kanji Tanaka, Tsutomu Hasegawa, Detecting Changes in a Dynamic Environment for Updating its Maps by Using a Mobile Robot, Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems (IROS), 1997.]

地図結合 マップマッチングを用いて、小規模な地図群を位置合せ・結合することで、大規模な地図を生成します。[* Kanji Tanaka, Eiji Kondo, Incremental RANSAC for online relocation in large dynamic environments, Proc. Int. Conf. Robotics and Automation (ICRA), 2006.]

地図検索 マップマッチングを用いて、大規模な環境地図を検索し、ロボット周囲の局所地図と合致する箇所を見つけだすことで、ロボットの自己位置を推定します。[* Kanji Tanaka, Self-localization from images with small overlap, Proc. IEEE/RSJ Int. Conf. Intelligent Robots and Systems (IROS), 2016.]

地図圧縮 マップマッチングを用いて、地図間の重なり領域を求めることで、繰返しパタン(ドア、壁)を検出します。たとえば、地図圧縮の観点からは、繰返しパタンをすべて記憶することは冗長であり、その冗長性を圧縮の手段として利用することができます。[* Tomomi Nagasaka, Kanji Tanaka, Dictionary-based Map Compression for Sparse Feature Maps, Proc. Int. Conf. Robotics and Automation (ICRA), 2011.]


プロジェクト(English


メンバー(English