Upload
kapono
View
47
Download
0
Embed Size (px)
DESCRIPTION
高速な三次元再構成のための 最適化アプローチ. CS 専攻 博士前期 2 年 システム数理研究室 正木 俊行 指導教官 : 久野 誉人. 3 次元再構成とは 本研究であつかう問題 研究の目的 俯瞰. はじめに. (1) 3 次元再構成とは. 3 次元再構成 2 次元の画像情報から 3 次元構造を復元 応用 モーションキャプチャー ( 光学式・画像式 ) 3D カメラ 映画の撮影 モバイル機器 AR ( 拡張現実感 ) ロボット工学 など多数の応用が考えられる. 3D カメラ. - PowerPoint PPT Presentation
Citation preview
高速な三次元再構成のための最適化アプローチ
CS 専攻 博士前期 2 年システム数理研究室
正木 俊行
指導教官 : 久野 誉人
2012/06/14 CS セミナー 1
はじめに
(1) 3 次元再構成とは(2) 本研究であつかう問題(3) 研究の目的(4) 俯瞰
2012/06/14 CS セミナー 2
(1) 3 次元再構成とは
2012/06/14 CS セミナー
3 次元再構成 2 次元の画像情報から 3 次元構造を復元
応用 モーションキャプチャー ( 光学式・画像式 ) 3D カメラ
映画の撮影 モバイル機器
AR ( 拡張現実感 ) ロボット工学
など多数の応用が考えられる
3
3D カメラ
http://www.smartkeitai.com/sprint-htc-evo-3d-review/htc-evo-3d-dual-3d-camera/
http://japan.internet.com/webtech/20100107/3.html
(2) 本研究で扱う問題
2012/06/14 CS セミナー
Structure and Motion Problems シーンの 3 次元構造 (and/or)
カメラの方向 位置・ ( 軌道 ) を求める問題の総称
何を求めるかによって
のように呼び分けられる4
Triangulation Camera Resectioning Homography Estimation Known Rotation (Orientation)
2012/06/14 CS セミナー
目的 : 大規模な Structure and Motion 問題 を 高速に 解きたい
手法 : 定式化の工夫により
扱いやすいクラスの 最適化問題 に帰着させる
⇒ 既存の高速なソルバーや専用のハードウェアを利用できる
5
(3) 研究の目的
2012/06/14 CS セミナー 6
(4) 俯瞰
実世界
三次元再構成
カメラモデル
最適化問題
ピンホールカメラモデル
① モデル化
アルゴリズム ソルバー
③ 解決
目的関数 制約
② 定式化
2012/06/14 CS セミナー 7
(4) 俯瞰
実世界
三次元再構成
カメラモデル
最適化問題
ピンホールカメラモデル
① モデル化
アルゴリズム ソルバー
③ 解決
目的関数 制約
② 定式化
ここがポイント!
問題の複雑さを
抑える工夫
これがうれしい!
大幅な高速化
モデル化
(1) ピンホールカメラモデルとは(2) ピンホールカメラによる射影
2012/06/14 CS セミナー 8
2012/06/14 CS セミナー
ピンホールカメラモデル :
カメラの機能を表現するための数理モデル
画像面 と 光学中心 とで構成される
9
(1) ピンホールカメラモデルとは
光学中心
画像面
被写体 ( オブジェクト )
画像面
像 ( イメージ )カメラ
2012/06/14 CS セミナー 10
(2) ピンホールカメラによる射影
3x 1x
2x
O
グローバルな座標系
2012/06/14 CS セミナー 11
(2) ピンホールカメラによる射影
3x 1x
2x
O
グローバルな座標系
・ ・ ・ ・・ ・ ・ ・・ ・ ・ ・
2012/06/14 CS セミナー 12
グローバルな座標系
・ ・ ・ ・・ ・ ・ ・・ ・ ・ ・
(2) ピンホールカメラによる射影
3x 1x
2x
O
O
13
(2) ピンホールカメラによる射影
原点 : 光学中心画像面–原点間の距離 : 1
となる座標系
2012/06/14 CS セミナー
O
14
(2) ピンホールカメラによる射影
原点 : 光学中心画像面–原点間の距離 : 1
となる座標系
2012/06/14 CS セミナー
15
O 1
(2) ピンホールカメラによる射影
2012/06/14 CS セミナー
原点 : 光学中心画像面–原点間の距離 : 1
となる座標系
16
O 1
(2) ピンホールカメラによる射影
2012/06/14 CS セミナー
原点 : 光学中心画像面–原点間の距離 : 1
となる座標系
17
O 1
(2) ピンホールカメラによる射影
2012/06/14 CS セミナー
原点 : 光学中心画像面–原点間の距離 : 1
となる座標系
18
(2) ピンホールカメラによる射影
2012/06/14 CS セミナー
まとめ
被写体:
カメラ行列:
像:
定式化
(1) Structure and Motion Problems(2) 従来の定式化と解法
2012/06/14 CS セミナー 19
Triangulation ー 被写体の 3 次元座標の推定
既知: ,
未知:
20
(1) Structure and Motion Problems
2012/06/14 CS セミナー
???
三次元空間
Triangulation ー 被写体の 3 次元座標の推定
既知: ,
未知:
21
(1) Structure and Motion Problems
2012/06/14 CS セミナー
三次元空間
?
?
????
Camera Resectioning ー カメラの姿勢を推定
既知: ,
未知:
22
(1) Structure and Motion Problems
2012/06/14 CS セミナー
三次元空間
???
Camera Resectioning ー カメラの姿勢を推定
既知: ,
未知:
23
(1) Structure and Motion Problems
2012/06/14 CS セミナー
?
三次元空間
???
Camera Resectioning ー カメラの姿勢を推定
既知: ,
未知:
24
(1) Structure and Motion Problems
2012/06/14 CS セミナー
??
?
三次元空間
???
Camera Resectioning ー カメラの姿勢を推定
既知: ,
未知:
25
(1) Structure and Motion Problems
2012/06/14 CS セミナー
??
?
三次元空間
???
Known Rotation (Orientation) ー 被写体 カメラの・ 3 次元座標を推定
既知: ,
未知: ,
26
(1) Structure and Motion Problems
2012/06/14 CS セミナー
三次元空間
???
カメラの“ 方向”のみ既知
Known Rotation (Orientation) ー 被写体 カメラの・ 3 次元座標を推定
既知: ,
未知: ,
27
(1) Structure and Motion Problems
2012/06/14 CS セミナー
三次元空間
???
カメラの“ 方向”のみ既知
?
Known Rotation (Orientation) ー 被写体 カメラの・ 3 次元座標を推定
既知: ,
未知: ,
28
(1) Structure and Motion Problems
2012/06/14 CS セミナー
三次元空間
???
カメラの“ 方向”のみ既知
?
Known Rotation (Orientation) ー 被写体 カメラの・ 3 次元座標を推定
既知: ,
未知: ,
29
(1) Structure and Motion Problems
2012/06/14 CS セミナー
三次元空間
???
カメラの“ 方向”のみ既知
?
?
Triangulation ー 被写体の 3 次元座標の推定
既知: ,
未知:
Camera Resectioning ー カメラの姿勢を推定
既知: ,
未知:
Known Rotation (Orientation) ー 被写体 カメラの・ 3 次元座標を推定
既知: ,
未知: ,
※
30
(1) Structure and Motion Problems
2012/06/14 CS セミナー
・ ・ ・ ・・ ・ ・ ・・ ・ ・ ・
: 回転行列 ( カメラの向
き )
: 並進ベクトル ( カメラ
の位置 )
Triangulation ー 被写体の 3 次元座標の推定
既知: ,
未知:
Camera Resectioning ー カメラの姿勢を推定
既知: ,
未知:
Known Rotation (Orientation) ー 被写体 カメラの・ 3 次元座標を推定
既知: ,
未知: ,
※
31
(1) Structure and Motion Problems
2012/06/14 CS セミナー
・ ・ ・ ・・ ・ ・ ・・ ・ ・ ・
: 回転行列 ( カメラの向
き )
: 並進ベクトル ( カメラ
の位置 )
センサー類による取得が容易
Triangulation
既知: ,
未知:
Camera Resectioning
既知: ,
未知:
Known Rotation (Orientation)
既知: ,
未知: ,
32
(1) Structure and Motion Problems
2012/06/14 CS セミナー
共通: が未知数について線形
[F.Kahl, R.Hartley 2008]
33
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
[F.Kahl, R.Hartley 2008]
34
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
残差:
[F.Kahl, R.Hartley 2008]
35
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
残差:
[F.Kahl, R.Hartley 2008]
36
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
残差:
[F.Kahl, R.Hartley 2008]
37
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
残差:
[F.Kahl, R.Hartley 2008]
38
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
残差:
総残差
[F.Kahl, R.Hartley 2008]
39
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
残差:
総残差
非線形
[F.Kahl, R.Hartley 2008]
40
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
残差:
総残差
∞
2
[F.Kahl, R.Hartley 2008]
41
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
∞
2
[F.Kahl, R.Hartley 2008]
2- ノルムの内側が非線形なので,解きにくい.
が定数であれば二次錐計画問題 (SOCP) になるので,
二分法探索を行い,実行可能な最小の を見つける.
42
(2) 従来の定式化と解法
2012/06/14 CS セミナー
[F.Kahl, R.Hartley 2008]
∞
2
提案モデル
(1) 線形な残差(2) 最適化問題への帰着(3) 無制約 QP と最小二乗法 ← New!!
(4) 従来モデルとの比較(5) ふたつのモデルの関係
2012/06/14 CS セミナー 43
442012/06/14 CS セミナー
残差:
(1) 線形な残差
452012/06/14 CS セミナー
残差:
(1) 線形な残差
46
(1) 線形な残差
2012/06/14 CS セミナー
残差:
残差:
47
(1) 線形な残差
2012/06/14 CS セミナー
残差:
残差:
48
(1) 線形な残差
2012/06/14 CS セミナー
残差:
線形
残差:
49
(1) 線形な残差
2012/06/14 CS セミナー
残差:
残差:
O 1 線形
50
(2) 最適化問題への帰着
2012/06/14 CS セミナー
51
(2) 最適化問題への帰着
2012/06/14 CS セミナー
p=2, q=∞
二次錐計画問題 (SOCP)
52
(2) 最適化問題への帰着
2012/06/14 CS セミナー
p=2, q=2
二次計画問題 (QP)
53
(2) 最適化問題への帰着
2012/06/14 CS セミナー
表 . p,q の組み合わせ
LP:QP:
SOCP:
線形計画問題二次計画問題二次錐計画問題
p, q
54
(3) 無制約 QP と最小二乗法
2012/06/14 CS セミナー
二次計画問題 (p =q=2)
55
(3) 無制約 QP と最小二乗法
2012/06/14 CS セミナー
二次計画問題 (p =q=2)
線形
56
(3) 無制約 QP と最小二乗法
2012/06/14 CS セミナー
二次計画問題 (p =q=2)
最小二乗法 Least Square Method
線形
57
(3) 無制約 QP と最小二乗法
2012/06/14 CS セミナー
二次計画問題 (p =q=2)
最小二乗法 Least Square Method
線形
MATLAB の場合
58
最適化問題のクラスとその解法
2012/06/14 CS セミナー
MATLABMATLAB
Optimization Toolbox
外部ソルバ
SOCP × ×(?) ◯
QP × ◯ ◯
LP × ◯ ◯
LSM ◯ ◯ ◯
MATLAB の場合
59
最適化問題のクラスとその解法
2012/06/14 CS セミナー
MATLABMATLAB
Optimization Toolbox
外部ソルバ
SOCP × ×(?) ◯
QP × ◯ ◯
LP × ◯ ◯
LSM ◯ ◯ ◯
>> A b
60
(4) 従来手法との比較
2012/06/14 CS セミナー
従来モデル:
ノルムの内側が非線形
二分探索による反復解法
q=∞ の場合しか解けない(※ 手頃な最適化問題としては )
提案モデル:
ノルムの内側が線形
ソルバーで直接解ける
q=1,2,∞ の全てで解ける
2012/06/14 CS セミナー 61
(5) ふたつのモデルの関係
2012/06/14 CS セミナー 62
最適解 :
目的関数 :
最適解 :
目的関数 :
(5) ふたつのモデルの関係
2012/06/14 CS セミナー 63
最適解 :
目的関数 :
最適解 :
目的関数 :
(5) ふたつのモデルの関係
2012/06/14 CS セミナー 64
最適解 :
目的関数 :
最適解 :
目的関数 :
(5) ふたつのモデルの関係
2012/06/14 CS セミナー 65
最適解 :
目的関数 :
最適解 :
目的関数 :
(5) ふたつのモデルの関係
2012/06/14 CS セミナー 66
最適解 :
目的関数 :
最適解 :
目的関数 :
(5) ふたつのモデルの関係
2012/06/14 CS セミナー 67
最適解 :
目的関数 :
最適解 :
目的関数 :
(5) ふたつのモデルの関係
1.
2. のいずれかが成り立つ
3.
2012/06/14 CS セミナー 68
(5) ふたつのモデルの関係
O
数値実験
(1) ベンチマーク(2) 実験結果(3) まとめと課題
2012/06/14 CS セミナー 69
Known Rotation Problem
被写体 n=60カメラ m=30
CPU: Intel Core2 Duo 2.66GHzメモリ : 2GB
MATLAB(R2009b) で実装 LP ソルバ : GLPK QP ソルバ : quadprog(Optimization Toolbox)
SOCP ソルバ : SeDuMi LSM ソルバ (?): >> A b
, を生成
2012/06/14 CS セミナー 70
(1) ベンチマーク
誤差 を評価
Known Rotation Problem
被写体 n=60カメラ m=30
CPU: Intel Core2 Duo 2.66GHzメモリ : 2GB
MATLAB(R2009b) で実装 LP ソルバ : GLPK QP ソルバ : quadprog(Optimization Toolbox)
SOCP ソルバ : SeDuMi LSM ソルバ (?): >> A b
2012/06/14 CS セミナー 71
(1) ベンチマーク
配置イメージ
10
100
200
2012/06/14 CS セミナー 72
(2) 実験結果
精度と計算時間 :n=60, m=30 (3 回の平均値 )
残差モデル p q 解法 誤差 CPU (s)時間
γ 2 ∞ SOCP+反復 0.000528 81.10
2 ∞ SOCP 0.000564 2.62
1 ∞ LP 0.001429 1.62
1 1 LP 0.000747 8.82
2 2 LSM 0.000519 0.29
δ
2012/06/14 CS セミナー 73
(2) 実験結果
精度と計算時間 :n=60, m=30 (3 回の平均値 )
LSM で解いた p=2, q=2 の δ モデルが優秀 速度は従来手法の 280倍,精度は同等
残差モデル p q 解法 誤差 CPU (s)時間
γ 2 ∞ SOCP+反復 0.000528 81.10
2 ∞ SOCP 0.000564 2.62
1 ∞ LP 0.001429 1.62
1 1 LP 0.000747 8.82
2 2 LSM 0.000519 0.29
δ
誤差比 速度比
1.00 1
1.07 31
2.71 50
1.41 9
0.98 280
2012/06/14 CS セミナー 74
(2) 実験結果
上界値 L の検証 :p=2q=∞ ⇒
0 1 2 3 4 5 6 7 8 9 100
1
2
3
4
5
6
7
8
9
10
実測値
理論上の上界
2012/06/14 CS セミナー 75
(3) まとめと方針
まとめ 線形な残差式を用いた新たなモデルを提案 従来のモデルとの関係式が得られた 精度を保ったまま大幅な高速化を実現
方針 提案手法が応用できる問題が他にないか
コンピュータビジョンや射影幾何では分数式がよく出てくる 線形に置き換えてみる
実際のカメラを用いた実験 レンズの歪みやブレなどがどう影響するか
おわりご清聴ありがとうございました
2012/06/14 CS セミナー 76