Shusaku Taniguchi Bachelor Thesis

1. 逐次的手法を用いた疎な点群の
3次元メッシュの作成
理学部情報科学科4年 加藤研究室
谷口周作
1

2. 背景
● 自動運転等の次世代モビリティの 実
用化
○ 高精度3次元地図
○ 自己位置推定
○ LIDAR (Light Detection and
Ranging)
○ SLAM (Simultaneous Localization
and Mapping)
● 利用者に対する，視覚的な情報提示によ
る付加価値
○ メッシュによる地図データ補完
○ テクスチャによるコンテンツ生成
2
地図データ スキャンデータ
自己位置推定

3. 3
Kenjiro Yamada, Yoshitaka Izawa, Yushi Kaneshima, Takatoshi Jitsuhiro, Shinpei Kato,
Kazuya Takeda, Yoshio IshiguroReal oriented Virtuality: Immersive Game with Real
Real Oriented Virtuality

4. 先行研究
● メッシュ生成アルゴリズム
○ Ball pivoting algorithm
○ Octree
● メッシュ生成フレームワーク
○ Structure from Motion (SfM)
http://guides.archaeologydataservice.ac.uk/g2gp/3d_2-2
Fausto Bernardini, Joshua Mittleman, Holly Rushmeier,
Cĺaudio Silva, and Gabriel Taubin. The ball-pivoting algorithm for
surface reconstruction. IEEE transactions on visualization and
computer graphics, 5(4):349–359, 1999.
4
Hornung, A., Wurm, K. M., Bennewitz, M., Stachniss, C., &
Burgard, W. (2013). OctoMap: An efficient probabilistic 3D
mapping framework based on octrees. Autonomous
Robots, 34(3), 189-206.
Romanoni, A., Fiorenti, D., & Matteucci, M. (2017). Mesh-based
3D Textured Urban Mapping. arXiv preprint arXiv:1708.05543.

5. Meshlab
5
● 一括処理による時間コスト

6. 提案手法
6
一括処理● ではなく逐次処理でメッシュを生成
○ 新しいメッシュをリアルタイムに利用可能
入力● として疎な点群を使用
計算量○ の削減

7. 一括処理によるメッシュ生成
本研究で提案する逐次処理によるメッシュ生成
点群スキャン 001 - 200
スキャン
001 - 010
スキャン
011 - 020
スキャン
191 - 200
7
001
010
191
200

8. 与えられた点群に対するメッシュ生成手法
● 各点の法線を推定
○ 主成分分析を用いて接平面を推定
○ 計算量はO(N)
● 三角メッシュを生成
○ Ball Pivoting Algorithm
(Meshlabにて実装)
○ 1つの三角形からスタートして球体を辺にそっ
て回転
○ 球体が新しい点に接するたびに新しい三角
形をメッシュに追加
○ 計算量はO(N)
http://pointclouds.org/documentation/tutorials/normal_estimatio
n.php
Fausto Bernardini, Joshua Mittleman, Holly Rushmeier, Cl ́audio Silva, and Gabriel
Taubin. The ball-pivoting algorithm for surface reconstruction. IEEE transactions on visualization
and computer graphics, 5(4):349–359, 1999.
8

9. 評価1
一括処理● と逐次処理による結果のメッシュの比較
200○ 枚のスキャンを使用
逐次的○ に生成されたメッシュの重ね合わせ
逐次処理○ の粒度（利用スキャン数 n）を変化 （
n = 10, 20, 40）
10○ 枚 x 20回, 20枚 x 10回, 40枚 x 5回
9

10. 10
スキャン
01 - 10
スキャン
11 - 20
スキャン
191 - 200
スキャン
01 - 40
スキャン
41 - 80
スキャン
161 - 200
n = 10
n = 40
1回目 2回目 20回目
1回目 2回目 5回目

11. 評価2
11
疎な点群元の点群
1/30に
ダウンサンプル
http://pointclouds.org/
● 密な点群と疎な点群を使用した場合の比較
● PCL (Point Cloud Library)

12. 評価2
12
疎な点群元の点群
1/30に
ダウンサンプル
Voxel Grid Filter
(PCLにて実装)
http://pointclouds.org/
● 密な点群と疎な点群を使用した場合の比較
● PCL (Point Cloud Library)

13. 13
一括処理と逐次処理によるメッシュの比較

14. 14
一括処理と逐次処理によるメッシュの比較

15. n = 40
15
一括処理と逐次処理によるメッシュの比較
n = 20
n = 10一括処理

16. 密な点群と疎な点群を使用した場合の比較
16
密な点群により生成されたメッシュ 疎な点群により生成されたメッシュ

17. 結論
● 疎な点群を使って逐次的にメッシュ地図を作成
● 逐次処理の粒度によってメッシュ地図の視覚的構造を調整可能
● 適切な粒度で逐次処理することでオリジナルのメッシュに近い実用
的な地図を実現することが可能
17

18. ● 定量的な評価
○ オリジナル地図との座標情報の誤差
○ 逐次処理の粒度に対する計算時間
○ メモリ使用量など
● 動的物体の排除と古いメッシュ地図の更新
● メッシュ地図に更にテクスチャを追加して，利用者に対してリッチ
なコンテンツを提供
今後の課題
Vadim Litvinov and Maxime Lhuillier. Incremental solid modeling from
sparse and omnidirectional structure-from-motion data. In British Machine
Vision Conference, 2013.
Romanoni, A., Fiorenti, D., & Matteucci, M. (2017). Mesh-based 3D
Textured Urban Mapping. arXiv preprint arXiv:1708.05543.
18

19. 自己位置推定
● SLAM (Simultaneous
Localization and Mapping)
○ Localization (自己位置推定)
とmapping (地図生成)
○ Visual SLAM VS. LIDAR SLAM
○ ICP (Iterative Closest Point) VS.
NDT (Normal Distributions
Transform)
● LIDAR (light detection and
ranging) センサー
http://www.alphr.com/technology/1006536/what-is-lidar-how-it-works
19

20. 高精度三次元地図の利用 無し
● 入力点群のダウンサンプル
○ Voxel Grid Filter (PCLライブラリにて
実装)
○ 空間を等しいボクセルに分割して代表
点を選ぶ
● スキャンを位置合わせさせる
○ NDT (Normal Distributions
Transform)
○ 空間をセルに分割して各セルにおける
点の位置を正規分布で近似する
Takeuchi, E., & Tsubouchi, T. (2006, October). A 3-D scan
matching using improved 3-D normal distributions transform for mobile
robotic mapping. In Intelligent Robots and Systems, 2006 IEEE/RSJ
International Conference on (pp. 3068-3073). IEEE.
20

21. メッシュ
● 三角メッシュの生成
○ Ball pivoting algorithm
● メッシュ生成アルゴリズム
. Armin Hornung, Kai M Wurm, Maren Bennewitz, Cyrill Stachniss, and
Wol- fram Burgard. Octomap: An efficient probabilistic 3d mapping
framework based on octrees. Autonomous Robots, 34(3):189–206, 2013.
○ Structure from Motion (SfM)
http://guides.archaeologydataservice.ac.uk/g2gp/3d_2-2
Fausto Bernardini, Joshua Mittleman, Holly
Rushmeier, Cl ́audio Silva, and Gabriel Taubin. The ball-
pivoting algorithm for surface reconstruction. IEEE
transactions on visualization and computer graphics,
5(4):349–359, 1999.
21

22. SLAM (Simultaneous Localization and Mapping)
22
地図データ
スキャンデータ
自己位置推定

23. 一括（今まで）
インクリメンタル（今回）
スキャン 01 - 100
スキャン
01 - 10
スキャン
11 - 20
スキャン
91 - 100
一括でメッシュ化
少しづつメッシュ化
23

24. 2424