自己位置推定と環境地図作成の技術は、ドローン、ロボットや自動車の自動走行からスマートフォン向けAR/VRにいたるまで多岐にわたるアプリケーションの基盤技術です。これらの技術は、カメラを主たるセンサとして実現しているものが広く用いられています。LiDAR等の他のセンサと比べ、センチ単位の位置・方向推定、高フレームレートな推定、さらには視覚情報に基づく空間認識と組み合わせた高度な制御を実現できることが特徴です。
　本セミナーでは、コンピュータビジョンの初学者から包括的に学びなおしたい方、上記技術に従事することになった方などを対象に、3次元的な自己位置推定・環境地図作成のためのコンピュータビジョン技術を初歩から概説します。具体的には特徴点マッチングや画像検索等の画像処理技術及びカメラの透視投影モデル、三角測量、バンドル調整等のコンピュータビジョン技術を説明します。その後、写真測量の基盤となるSfMやMVS、オンライン自己位置推定技術であるVisual SLAM、さらには近年注目されているディープラーニングに基づく環境地図作成技術のNeRFを説明します。これらの技術は密接に関係があるため、それらを包括的に学ぶことが望ましいです。
　コンピュータビジョン技術を実運用する場合、期待した精度が出ない、動作が不安定といった問題に直面することが多いと思います。そこで、上記技術の長所や短所、カメラのみでは解決できない問題点などを説明し、コンピュータビジョンに基づくアプリケーションを設計または使用する場合の適切なシステムデザインをできる知識が得られることを目指します。最後に、最新の技術動向に基づいた今後の展望についても紹介いたします。

1. 自己位置推定・環境地図作成技術の歴史
2. 画像処理の基礎
   1. 特徴点マッチング
   2. 画像検索
3. カメラ幾何の基礎
   1. 座標系と3次元幾何変換
   2. 透視投影モデル
   3. 三角測量
4. SLAMを例とした自己位置推定と環境地図作成のアルゴリズム
   1. Initialization
   2. Localization
   3. Mapping + Bundle adjustment
   4. Loop closure
   5. Relocalization
5. 他の自己位置推定と環境地図作成のアルゴリズム
   1. Structure from Motion (SfM)
   2. Multi-view Stereo (MVS)
   3. Neural Radiance Fields (NeRF)