近年、レンジファインダ等の3次元センサの急激な普及により、対象物や人物を3次元的に認識する技術が注目を集めている。なかでも、ポイントクラウドデータと呼ばれる3次元点群データをもとに、物体の位置や姿勢を認識したり、対象の種類を識別するためのモデルベース手法のキーとなる3次元特徴量の発展はめざましく、海外を中心にさまざまな手法が提案され、実用化されてきている。
　本講演では、3次元センサの基本的な原理の解説にはじまり、市販されているセンサの特徴や性能比較、さらに、3次元物体認識の基本原理、3次元特徴量の基礎について平易に解説する。また、具体的な応用事例として、たとえば生産ラインにおけるロボットピッキングや、Amazonロボット競技大会にも用いられた一連の物流・配送センターにおけるセンシングシステムに関する技術、さらには家庭内での人物認識や生活支援ロボットに関する最新の研究事例についても言及する。
　また、講演では、各種事例や実際の計測データ例をまじえながら、単に原理を説明するのみならず、エンジニアリングの観点から、実際に使える技術を念頭に、同分野の全体像を把握していただけるように内容を構成する。修得できる知識および技術としては、3次元センサの概要と原理、物体認識の概要と原理、モデルベース認識技術、3次元特徴量の詳細な知識、局所参照座標系の詳細な知識、さらにこれら3次元センシング技術を実際の産業用システムに適用するためのさまざまなノウハウなどがある。

1. ロボット視覚技術の基礎
   1. 3次元計測手法の概要
   2. センサ主要技術と実センサ事例
   3. 物体認識アルゴリズムの概要
   4. アピアランスベースとモデルベース
   5. 物体認識の周辺技術
   6. 次元局所特徴量を用いた物体認識技術
   7. キーポイントベース物体認識の概要
   8. 3次元特徴量の主要技術
   9. 局所参照座標系の主要技術
      1. 可観測性を考慮した物体認識
      2. 3D-CG技術の物体認識への応用
      3. 3次元的な起伏が少ない物体への対応 (GRF)
      4. 点群密度の変化への対応 (RPD特徴量)
      5. SHORT法:点群の空間占有率を用いた高速3D物体認識
2. アマゾン国際ロボット大会に関連する最先端技術
   1. 概要:Amazon Robotics Challenge 2015年〜2017年開催の目的と概要
   2. 課題分析:与えられた課題の整理
   3. アプローチ:開発した主要技術
3. ロボット視覚技術の将来展望
   1. 生活支援ロボットのための視覚技術
   2. ヒューマンセンシング技術
   3. その他の開発事例
   • 多数準備しています。
     例えば、以下のような開発事例の中から当日のご希望に応じて解説いたします。
     • 作業動作の認識と自動記述
     • 3Dモデルを利用した手指認識
     • 日常生活における非定常行動認識
     • 3次元特徴量による感性センシング
• 質疑応答