特許ウォッチ

公開番号2025076647
公報種別公開特許公報(A)
公開日2025-05-16
出願番号2023188378
出願日2023-11-02
発明の名称情報処理装置、情報処理方法、及びプログラム
出願人日本電気株式会社
代理人弁理士法人ブライタス
主分類G06T 7/00 20170101AFI20250509BHJP(計算;計数)
要約【課題】 RANSACにおいて、アウトライアとインライアを分離する閾値を決定することができる。
【解決手段】情報処理装置は、複数のデータ点から抽出したサンプル点を用いて、サンプル点に適合する暫定幾何パラメータを推定する推定部と、複数のデータ点と暫定幾何パラメータとの誤差を算出する誤差算出部と、算出した誤差の対数空間を2以上のクラスに分類する境界値を算出し、算出した境界値を変換して閾値を決定する閾値決定部と、算出した誤差が算出した閾値以下のインライア数を数え上げ、数え上げたインライア数が増加した場合、現在の最良幾何パラメータと現在の最良インライア数を、暫定幾何パラメータとインライア数に更新する更新部と、を有する。
【選択図】図1

特許請求の範囲【請求項１】
複数のデータ点から抽出したサンプル点を用いて、前記サンプル点に適合する暫定幾何パラメータを推定する推定手段と、
前記複数のデータ点と前記暫定幾何パラメータとの誤差を算出する誤差算出手段と、
算出した前記誤差の対数空間を２以上のクラスに分類する境界値を算出し、算出した前記境界値を変換して閾値を決定する閾値決定手段と、
算出した前記誤差が算出した前記閾値以下のインライア数を数え上げ、数え上げた前記インライア数が増加した場合、現在の最良幾何パラメータと現在の最良インライア数を、前記暫定幾何パラメータと前記インライア数に更新する更新手段と、
を有する情報処理装置。
続きを表示（約 1,300 文字）【請求項２】
前記推定手段、前記誤差算出手段、前記閾値決定手段、前記更新手段が実行する一連の処理を、あらかじめ設定された反復回数の上限値に達するまで、繰り返し実行する、
請求項１に記載の情報処理装置。
【請求項３】
前記閾値決定手段は、分類した前記クラスに、事前に決定した確率分布を当てはめて、統計量から前記閾値を決定する、
請求項２に記載の情報処理装置。
【請求項４】
前記閾値決定手段は、算出した前記閾値が、事前に決定した最小閾値と最大閾値の範囲内である場合に前記閾値を出力し、前記範囲外である場合には前記最小閾値もしくは前記最大閾値に近いいずれか一方を出力する、
請求項３に記載の情報処理装置。
【請求項５】
前記閾値決定手段は、前回の最大閾値もしくは事前に決定した閾値よりも小さいインライア数が最小サンプル点数よりも多い場合、前記クラスを分類する、
請求項４に記載の情報処理装置。
【請求項６】
前記誤差算出手段は、複数の誤差関数を用いて、前記誤差関数ごとに前記複数のデータ点と前記暫定幾何パラメータとの前記誤差を算出し、
前記閾値決定手段は、前記誤差それぞれについて前記閾値を決定し、
前記更新手段は、前記閾値それぞれについてインライア数を数え上げ、数え上げた前記インライア数の全て又はいずれか一つ又は過半数が増加した場合、更新をする、
請求項２に記載の情報処理装置。
【請求項７】
前記更新手段において前記最良幾何パラメータが更新された場合、前記複数のデータ点に占めるインライアの割合に基づいて前記反復回数の上限値を変更する、
請求項２に記載の情報処理装置。
【請求項８】
情報処理装置は、
複数のデータ点から抽出したサンプル点を用いて、前記サンプル点に適合する暫定幾何パラメータを推定し、
前記複数のデータ点と前記暫定幾何パラメータとの誤差を算出し、
算出した前記誤差の対数空間を２以上のクラスに分類する境界値を算出し、算出した前記境界値を変換して閾値を決定し、
算出した前記誤差が算出した前記閾値以下のインライア数を数え上げ、数え上げた前記インライア数が増加した場合、現在の幾何パラメータと現在の最良インライア数を、前記暫定幾何パラメータと前記インライア数に更新する、
情報処理方法。
【請求項９】
コンピュータに、
複数のデータ点から抽出したサンプル点を用いて、前記サンプル点に適合する暫定幾何パラメータを推定させ、
前記複数のデータ点と前記暫定幾何パラメータとの誤差を算出させ、
算出した前記誤差の対数空間を２以上のクラスに分類する境界値を算出させ、算出させた前記境界値を変換して閾値を決定させ、
算出した前記誤差が算出した前記閾値以下のインライア数を数え上げ、数え上げた前記インライア数が増加した場合、現在の最良幾何パラメータと現在の最良インライア数を、前記暫定幾何パラメータと前記インライア数に更新させる、
プログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、幾何パラメータを推定するための情報処理装置、情報処理方法、及びプログラムに関する。
続きを表示（約 1,400 文字）【背景技術】
【０００２】
複数のデータ点に適合する幾何パラメータを推定する技術は、例えば、統計学、信号処理、コンピュータビジョンなどの分野において利用されている。幾何パラメータは、例えば、直線、楕円、平面、球面、超平面などである。また、コンピュータビジョンにおいては、幾何パラメータは、例えば、カメラ位置、射影変換などである。
【０００３】
ところが、データ点には一般的に観測ノイズが含まれる。そのような場合、複数のデータ点から幾何パラメータを推定する方法として、観測ノイズの確率分布が期待値ゼロの正規分布と仮定する推定最小二乗法が、統計的に最適（又は最尤推定）であることが知られている。統計的に最適とは、複数のデータ点と、算出した幾何パラメータとの間に生じる誤差（又は距離）が、正規分布の下では最小ということである。
【０００４】
また、データ点から幾何パラメータを推定する方法として、観測ノイズの確率分布がラプラス分布と仮定した場合、最小絶対値法が、最尤推定であることが知られている。さらに、確率分布が不明な場合、自然現象の多くは正規分布であるという経験則に従って、正規分布を用いて、データ点から幾何パラメータを推定することが知られている。
【０００５】
ここで、データ点から幾何パラメータを推定する場合、事前に仮定した確率分布に従うデータ点をインライア（inlier）と呼び、確率分布に従わないデータ点をアウトライア（outlier、又は外れ値）と呼ぶものとする。
【０００６】
アウトライアは、例えば、特異な個体、計測機器の観測限界などにより生じる。例えば、カメラで画像を撮像する場合、画素値は離散化するので、サンプリング限界を上回る又は下回る数値は特異な値となることがある。
【０００７】
このような正規分布に従わないアウトライアが、データ点に一つでも存在した場合、最小二乗法は、アウトライアに適合する幾何パラメータを推定するので、多くのインライアに対する幾何パラメータの適合精度が低下する。
【０００８】
関連する技術として非特許文献１には、アウトライアを除去して幾何パラメータを高精度に推定する方法として、Ｍ推定とＲＡＮＳＡＣ（Random Sample Consensus）が開示されている。Ｍ推定は、重みづけ最小二乗法とも呼ばれ、データ点の誤差が大きいほど小さい寄与率となる重みづけをし、パラメータを推定する。
【０００９】
関連する技術として特許文献１には、重み関数の閾値を自動調整するＭ推定が開示されている。ところが、Ｍ推定の安定的な収束はパラメータの初期値に大きく依存する。そのため、初期値によってはアウトライアを除去しきれず不正確なパラメータに収束することがある。
【００１０】
ＲＡＮＳＡＣは、入力データ点からパラメータ推定に必要な最小個数のサンプルを無作為に抽出してパラメータを推定し、全データ点との誤差を算出する。そして、事前に決定した閾値よりも誤差が小さいデータ点をインライア、大きいデータ点をアウトライアとして数え上げる。上記のランダムサンプリングと誤差計算を一定回数繰り返したのち、最もインライアが多くなったパラメータを最良値として決定する。
（【００１１】以降は省略されています）

関連特許