複数枚写真からの３次元形状復元

複数枚写真からの３次元形状復元 ～カメラ運動推定に向けて～ 3605T081-9 村田研究室三村純一

目次 • 卒論までの研究概要 • 卒論後に進めてきた研究 • 実写真での隠れ点推定 • カメラ運動推定に向けて • これからの展望

4 1 2 3 5 6 7 8 卒論までの研究概要 • 特徴点　N個、写真　F枚での形状復元　（隠れ点なし限定） • 隠れ点推定に向けてのシミュレーション　（PCAMDアルゴリズム）復元！隠れ点０個隠れ点１２個オリジナル

卒論までの研究概要 • シミュレーション結果左上がり

設定被写体：　ゴミ箱（Dust Box）特徴点：　１０点写真数：　８枚カメラ配置：　均等データ数：　１４４個エラー数：　１６個（最大６９個まで可能）今回の研究（実写真シミュレーション） • 実写真での隠れ点推定・・・　フレーム・・・　特徴点　実測値と比較して、シミュレーションの精度を検証！

今回の研究（実写真シミュレーション） • シミュレーション結果オリジナル係数倍重心の位置上部のデータ下部のデータ

今回の研究（カメラ運動推定に向けて） • 確認事項 • 特徴点の世界座標は相対的に求まる。 • 同様にカメラ位置、向きも同空間上に求まる。 • 絶対的な値は求まらない。（大きさは不定）空間上に配置されたカメラ座標から、カメラ運動を考えてみる！カメラ２カメラ３カメラ１カメラ４？

球　・・・・カメラ位置と向き　）小円を使い、カメラ運動をフィッティングする。（今回の研究（カメラ運動推定に向けて） • 単純なモデルを考える（球面上の小円推定）理想的なカメラ運動直線的なカメラ運動

シミュレーション 設定球：　半径　１　　（中心を原点）分布点数：　１００点位置：　大円　　（赤道付近）ノイズ：　0～0.2 rad 　　（極座標θ方向）基準点：　[0，0，0.25] （極座標系）今回の研究（カメラ運動推定に向けて）基準点理想形の円対称点

有名な！ ⇒ニュートン法を使う！更新！更新！更新！今回の研究（カメラ運動推定に向けて） • どのようにアプローチしていくか。初期値 ※注意・・・ニュートン法では初期値が重要である！！

今回の研究（カメラ運動推定に向けて） • ニュートン法初期値　（３次元⇒２次元）射影基準点＊対称点＊対称点の接平面

近似円 近似円を推定する！ノイズ小ノイズ大重み付き近似円ノイズ大ノイズ小今回の研究（カメラ運動推定に向けて） • ニュートン法初期値（つづき）３次元データ点対称点基準点 * * 小円円２次元平面に射影

③ 重み付き近似円 ② ④ 重み付き近似円（ニュートン法）近似円今回の研究（カメラ運動推定に向けて） • 球面上に反映　（２次元⇒３次元） ① 理想的な円

これからの展望 • カメラ運動推定に向けて • 実際にカメラ運動をシミュレーションし、視覚的にどのように感じるか検証。 • また、直線的に結んだカメラ運動との比較。