Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
Initialising ...
高橋 弘毅*; 加藤 徹*; 山下 圏*; 土井 章男*; 今渕 貴志
Proceedings of 29th International Symposium on Artificial Life and Robotics (AROB 2024) (Internet), p.1093 - 1096, 2024/01
When performing shape recognition using machine learning from point cloud data, data expansion can be expected to improve accuracy. In this research, we developed a virtual 3D scanner, VCC (Virtual Cloud Creator), that automatically generates data with a distribution close to actual measurement from large-scale point clouds. VCC can generate labeled point cloud data with an appropriate point cloud density from any viewpoint using 3D measured point cloud data and CAD data created from the point cloud data. It was confirmed that shape recognition accuracy was improved by using the augmented data generated by VCC for learning.
土井 章男*; 山下 圏*; 高橋 弘毅*; 加藤 徹*; 今渕 貴志; 羽成 敏秀; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、構造物の状態、空間線量率等の情報を計測・収集・可視化・データ蓄積が行える「線源・線量率推定システム」の開発を行っている。構造物の状態は廃炉作業終了後に巡回する3D計測ロボットにより取得する。計測したデータは既知のデータと同期して差分情報のみを抽出することで自動的にデータベースを更新する。本研究では、この更新作業を容易に実施するために、抽出された差分情報に対して、Pointnet++による点群データ自動認識を行った。Pointnet++は点群データを直接入力して学習が行えるニューラルネットワークである。本ネットワークは入力点群の順序や密度に出力が変化しない特徴を有している。さらに認識された点群データは、必要に応じて、3角形メッシュ,平面,円筒,立方体(ボクセル)に自動変換され、「線源逆推定エンジン」のシミュレーションモデル更新に利用される。
土井 章男*; 山下 圏*; 高橋 弘毅*; 加藤 徹*; 今渕 貴志; 羽成 敏秀; 谷藤 祐太; 伊藤 倫太郎
no journal, ,
廃炉作業を安全かつ効率的に行うために、被ばく低減を目的とした環境・線源分布のデジタル化技術の開発を進めている。作業環境のデジタル化のために環境内の構造物の状態は3D計測ロボットにより取得し、得られたデータはデータベースに蓄積されている過去のデータとの同期により2時刻間の差分情報を抽出することで効率的なデータの更新・蓄積を行う。データ更新の際、環境中に新たに追加された点群データは深層学習を用いて形状からの構造物の認識・分類を行う。また、新たに追加された点群データは必要に応じて3角形メッシュ、ボクセルデータに自動変換(3Dモデル化)され、線源推定のためのシミュレーションの構造モデルとして利用される。現在、我々は作業環境のデジタル化技術として、この工程を自動化するための研究を進めている。本発表では、環境データの更新・蓄積作業を効率的に実施するために、深層学習を用いた点群データの自動認識および点群データからの3Dモデル化を試みた結果について報告する。