航空宇宙、自動車組立などのハイエンド製造分野における姿勢測定の緊急なニーズに対応し、高速高精度なレーザートラッカー向け姿勢測定方法を提案する。深層学習と視覚的PnPモデルを組み合わせて、レーザートラッキング過程で被測定部品の姿勢を自動測定する。PnP姿勢解法モデルに必要な3D特徴点と2D特徴点の対応関係が直接決定しにくい問題に対して、特徴点対応の高次元特徴を抽出する特徴抽出ネットワークを設計し、最適輸送理論を用いて特徴ベクトル間の結合確率分布を決定し、3D-2D特徴点の自動マッチングを実現。Ransac-P3PとEPnPアルゴリズムを組み合わせ、マッチングされた3D特徴点と2Dピクセル点で姿勢を解法し、高精度な姿勢情報を取得。その上で、陰関数微分理論を利用してPnP解法過程のヤコビ行列を計算し、PnP姿勢解法モデルをネットワークに統合してネットワーク訓練を指導し、深層ネットワークのマッチング能力とPnPモデルの姿勢解法能力の相乗効果を実現し、解法精度を向上させた。最後に、レーザートラッカー向け姿勢測定ネットワークの訓練に用いる豊富な注釈情報を含むデータセットを作成。高精度二次元回転台を用いた姿勢測定実験を行い、その結果、3m地点でのピッチ角測定精度は0.31°以内、ロール角精度は0.03°以内、単回測定時間は約40msで、レーザートラッカーの高精度な姿勢測定を実現可能であることを示した。

レーザートラッカー;姿勢測定;単眼視覚;深層学習