Smoothed Local Generalized Conesによる パーツ構造の復元

• Item type: SIG Technical Reports(1)
• 公開日: 1991-01-24
• タイトル: Smoothed Local Generalized Conesによる パーツ構造の復元
• タイトル / 言語: en
• タイトル: Recovering Part Structure by Smoothed Local Generalized Cones
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: NTTヒューマンインタフェース研究所
• 著者所属: NTTヒューマンインタフェース研究所
• 著者所属(英): en
• 著者所属(英): NTT Human Interface Laboratories
• 著者所属(英): en
• 著者所属(英): NTT Human Interface Laboratories
• 著者名: 佐藤, 嘉伸; 大谷, 淳
• 著者名(英): Yoshinobu, Sato; Jun, Ohya
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 本研究の目的は、視点に依存しない3D形状の分割記述を2．5D画像から復元することである。本稿では、Smoothed Local Generalized Cones (G)と呼ぶ新しい3D形状表現を提案する。この表現法は、Bradyの提案によるSmoothed Local Symmetries ()の3次元版と考えられる。まず、3D形状自体によって定まる局所基準座標系を推定する方法を示す。2D形状の局所座標系は局所対称により一意に定めることができるが、3D表面形状の局所面対称からは、局所座標系の位置と方向に関する拘束条件が得られるのみである。そこで、さらに、局所一般化円筒(cal Generalized Cones: LG)の当てはめを行うことによって、局所座標系の決定を行う。SLGCプリミティブは、滑らかに接続するLGCの系列を抽出することによって復元される。次に、抽出されたSLGCプリミティブを用いて、3D形状のパーツ構造を復元する方法を述べる。パーツ構造復元のためには、SLGCプリミティブの選択・統合を行う必要があり、その基準を論じ、組み合せ最適化問題として定式化する。本表現法の利点は、復元形状の多様性と復元の安定性である。局所的な規則性モデルを利用することにより、Superquadrics等のパラメトリックモデルや大局的一般化円筒に比べ、柔軟にデータに当てはめることができるので、多様な形状の復元が可能である。安定性の観点からも、数値的に不安定な大局的モデルの直接的な当てはめに比べ有利である。得られた記述は、3D物体認識において、形状の可変性を含む物体モデルの利用、大規模モデルベースの利用、および、物体モデル記述の学習を行う場合、特に有効である。
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: The goal of this work is to recover viewpoint-independant description of 3D shapes from 2.5D images. In this paper, we propose a novel 3D shape representation called the Smoothed Local Generalized Cones (SLGCs), which can be considered as a three dimensional extension of Brady's Smoothed Local Symmetries (SLSs). First, we present a method for estimating local canonical frames determined by the 3D shape itself. While local symmetry of 2D shapes determines its local frame, local (mirror) symmetry of 3D shapes only provides constraints on position and orientation of its local frame. The 3D local frames are estimated by finding frames where the Local Generalized Cones (LGCs) best fit to sensory data. The SLGC primitives can be recovered by extracting long sequences of LGCs connected smoothly. Next, we present a method for recovering a part structure of a 3D object using the SLGC primitives. The criteria for grouping and selecting the SLGc primitives to recover a part structure are presented and the problem is formulated as a combinatorial optimization. The advantages of the SLGCs are their versatility and stability through the use of local models. The local models can fit to data flexibly and do not suffer from unstable localization, as compared with using pamemetric models such as superquadrics or global Generalized Cones. Obtained descriptions are well-suited for object recognition with a large model database learning object models.
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AA11131797
• 書誌情報: 情報処理学会研究報告コンピュータビジョンとイメージメディア（CVIM）; 巻 1991, 号 10(1990-CVIM-070), p. 69-76, 発行日 1991-01-24
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会