本当に準備不足で恥ずかしいのですが、リンクくらいは貼ってあります。

1. 点群処理
株式会社Innovotion
髙田智広
takata@innovotion.co.jp
@wingcloud

2. 私はさっきのプレゼンに全力を注ぎました

3. 準備不足です

4. 点群に関する全般的な話は
http://derivecv.tumblr.com/merumaga
http://www.mag2.com/m/0001623632.html
http://derivecv.tumblr.com/serialization
http://www.slideshare.net/payashim/20141004cvsaisentanpclandwhy3dvision
スライド資料
ブログのPCLを触ってみようシリーズ
林昌希さん
有料ですがメールマガジンもオススメ
がわかりやすい

5. 点群(Point Cloud)とは
Kinectなど多点デプスセンサーで得られる
２Dまたは３Dのたくさんの点の集まり

6. Kinectスケルトントラッキン
グとの関係
Kinectデプスセンサー
点群
スケルトン

7. Kinectでなぜ点群処理が必要
なのか？
うまく認識できないポーズ
人間以外の物体

8. 点群処理の難しさ
 Kinect V2のデプスセンサーは512x424<22万点
 人間の細胞の直径は0.006mm～0.025mm
横に512個並べても精々13mm
 デプスカメラで人間の形状が分かるわけがない
 「たぶんこうだろう」という仮定や
「○○はこういうものだ」といった事前知識を用いる

9. PCL(Point Cloud Library)
 オープンソースの2次元・3次元画像処理・点群処理の大
規模ライブラリ
 BSDライセンスで商用利用可能
 新しいアルゴリズムでは原論文も引用されていることが
多い
http://pointclouds.org/

10. 物体の切り出し
https://www.youtube.com/watch?v=ZTK7NR1Xx4c

11. 物体認識
http://pointclouds.org/documentation/tutorials/correspondence_grouping.php

12. 物体表面の再構成
https://www.youtube.com/watch?v=FqHroDuo_I8

13. 点群の合成