コンピュータビジョン
Computer Vision
このシリーズについて
コンピュータビジョンは、画像や動画などの視覚情報から、対象の形状・位置・種類・動き・3次元構造などを推定し、シーンを理解するための理論と技術を扱う分野である。本シリーズはそのうち幾何学的コンピュータビジョンを軸に構成しており、カメラの数学的モデルから始めて、特徴点検出、ステレオビジョン、Structure from Motion、そしてSLAMやNeRFまで段階的に学習する。
コンピュータビジョンは自動運転、AR/VR、ロボティクス、医療画像など幅広い分野で活用されている。
レベル別学習
学習の流れ
※ 3D の復元には、カメラの情報と、視点を変えた十分な視差が要る。画像だけでは実寸の尺度が決まらない場合もある。
主な学習内容
カメラ幾何学
ピンホールモデル、透視投影、内部・外部パラメータ。
特徴点検出・特徴記述
点を選ぶ Harris のようなコーナー検出と、SIFT・ORB のように点の検出とその周りを記述子に符号化する記述の両方を行う手法。
3D再構成
ステレオビジョンによる奥行き、SfM によるカメラの位置姿勢と疎な 3D 点、MVS による密な形状の復元。
SLAM
自己位置推定と環境地図構築を同時に行う技術。本シリーズでは画像を使う Visual SLAM を扱う（SLAM 一般では LiDAR なども使う）。