距離・画像情報を統合したロボットのための屋内環境のカテゴリ識別

• Item type: SIG Technical Reports(1)
• 公開日: 2012-01-12
• タイトル: 距離・画像情報を統合したロボットのための屋内環境のカテゴリ識別
• タイトル / 言語: en
• タイトル: Indoor place categorization for service robots using camera and depth images
• 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: 九州大学大学院システム情報科学研究院
• 著者所属: 九州大学大学院システム情報科学府
• 著者所属: 九州大学大学院システム情報科学研究院
• 著者所属: 九州大学大学院システム情報科学研究院
• 著者所属: 九州大学大学院システム情報科学研究院
• 著者所属(英): en
• 著者所属(英): Kyushu University, Faculty of Information Science and Electrical Engineering
• 著者所属(英): en
• 著者所属(英): Kyushu University, Graduate School of Information Science and Electrical Engineering
• 著者所属(英): en
• 著者所属(英): Kyushu University, Faculty of Information Science and Electrical Engineering
• 著者所属(英): en
• 著者所属(英): Kyushu University, Faculty of Information Science and Electrical Engineering
• 著者所属(英): en
• 著者所属(英): Kyushu University, Faculty of Information Science and Electrical Engineering
• 著者名: マルティネスモゾス, オスカル; 水谷, 仁; 倉爪, 亮; 岩下, 友美; 長谷川, 勉
• 著者名(英): Oscar, MartinezMozos; Hitoshi, Mizutani; Ryo, Kurazume; Yumi, Iwashita; Tsutomu, Hasegawa
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 人と共生するサービスロボットにとって，ロボット周囲の空間の認識は高度で重要な機能の一つである．本論文では，KinectなどRGB-Dカメラから得られるRGB画像と距離画像を用いて，オフィス，台所など空間の認識を行う手法を提案する．提案手法では，まずRGB画像を濃淡画像に変換し，その濃淡画像および同時刻に得られた距離画像を，それぞれ局所二値パターンと短縮局所二値パターン，および局所ヒストグラムを用いて，近傍画素間の関係を表現した特徴ベクトルに変換する．その後，得られた濃淡および距離情報の特徴べクトルを結合し，サポートベクトルマシンなどの識別器により，空間の種別を認識する．5つの異なるカテゴリに属する部屋に対して認識実験を行った結果，提案手法により高い認識性能が得られることを確認した．
• 論文抄録(英) / 内容記述タイプ: Other
• 論文抄録(英) / 内容記述: An important capability for service robots working with humans in indoor environments is their ability to categorize the different places where they are located. In this paper we present an approach to categorize different areas in indoor environments using an RGB-D sensor like the Kinect camera. First, RGB images are transformed into grey scale images. Then, grey scale and depth images are transformed into histograms of local features that incorporate neighboring relations by applying local binary patterns and also a short version of this pattern. The feature vectors corresponding to grey scale and depth images are combined and categorized into different places using supervised classifiers like for example support vector machines. We apply this method to distinguish five different place categories and obtain high recognition rates.
• 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: 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 2012-CVIM-180, 号 29, p. 1-8, 発行日 2012-01-12
• 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