近年、3次元センサや人工知能 (AI) の急激な普及により、さまざまな分野、特に生産、物流、家庭の3分野で、3次元対象物体を認識するロボットビジョン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 (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い。
　一方、現状の3次元センサの性能は汎用性が十分とはいえず、光沢物体、小型物体など、データ化しにくい対象物も少なくないことから、3次元認識ではなく、2次元認識技術を適用すべき事案もあり、近年では実用的ロボットの開発に当たって、2次元認識の注目度も高まっている。
そこで本講習会では、2次元認識と3次元認識の両方について、基礎と応用をわかりやすく解説する。2次元画像処理については、パターン検出を中心として、特徴量マッチングと画素ベース物体検出を概説し、最新技術についても紹介する。また3次元認識については、センサの基本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、当研究室が出場したAmazon物流ロボット競技大会、World Robot Summitコンビニロボット大会にも用いられた技術、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解説する。
　この講習会では、単に原理を説明するのみならず、各種事例や実際の計測データ例をまじえながら、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1日で把握していただけるように構成している。

1. イントロダクション
   1. AIとその産業応用
   2. Deep Learning を用いた画像処理の動向と課題
   3. 次元画像認識の基礎技術・新技術
   4. 画像パターン検出技術の分類と概要
   5. 特徴量ベースの物体検出
      • 代表例:SIFTマッチング
   6. 画素ベースの物体検出
      • 代表例:テンプレートマッチングとその周辺
   7. 新技術:画素削減型テンプレートマッチング (CPTM) とその周辺
   8. 次元画像認識の基礎技術・新技術
   9. 3次元センサの概要と実例
      • パッシブ法
      • アクティブ法
   10. 3次元物体認識の概要
   11. 基礎技術
       • 3次元局所特徴量の基礎
   12. 新技術
       • モデルレス把持位置推定
   13. 展望
       • AI・ロボットの最近の動向
2. 生産・物流・生活分野におけるAIによるロボット知能化研究の実例
   1. 生産分野
      • 熟練作業の分析システム
   2. 物流分野
      • 知能ロボット開発 ～国際ロボット大会への参画を通じて～
   3. 生活分野
      • 対象物の「機能」認識
3. まとめ・AI・ロボット新時代にむけた課題の整理と展望
• 質疑応答