|
2. 実験装置および方法 3次元点群は，センサを動かしながら得られる多視野からの距離情報を，演算によって重ね合わせることで得ることができる．本研究では，センサとしてMicrosoft社製Kinect for windowsを用い，演算ソフトとしてKinect Fusion Explorer-D2Dを使用し，最大30 fpsで3次元点群をリアルタイムに作成した． KinectはRGBカラーカメラ（解像度640 (H)×480 (V)）および3次元距離センサ（解像度640×480，視野角57°×43°，有効測定距離0.4〜4.0 m）を内蔵している．それらにより，作成した3次元点群は3次元座標およびRGB値を有する． まず，3次元点群の精度を確認するために実験室内において撮影を行った．果実は，ターンテーブルに果柄部分が上になるよう置いて1回転させ，接地面を除く果実全体の情報を取得した．対象の回転を認識できるようにセンサの俯角を30°，果実との距離を約0.5 mとし，房状のトマトを含む28個の3次元点群を得た． つぎに，実際の作物列における3次元点群を取得するため，夕方から夜の山陽圏フィールド科学センターの温室で撮影を行った．温室内で栽培されたトマトの作物列に対して，約0.6 mの距離にレールを設置し，センサを移動させて入力を行った．これらで得られた3次元点群について，果実や障害物が認識できるか目視で確認を行った． 3. 実験結果および考察 Fig. 1に果実単体のRGB画像と3次元点群の例を示す．3次元点群は，視認しやすいように表面にポリゴンを貼り付けて示した． Kinectを用いた場合，従来では果実のエッジ付近の情報が欠落しやすく，右側には視差による影が発生していたが，多視野からの撮影によって情報を補完し，接地面以外は果実の3次元点群が良好に作成できた．果実直径は，実際にノギスで測った値と誤差±2 mm以内であった．主茎や果柄においては，5 mm以上の太さがあれば情報が得られた．また，果柄周辺の凹部分については認識できたが，ガクは全く認識できなかった．これはガク片の厚みが1 mm程度しかないためだと考えられる． 実際の作物列では，同様にガクの認識は難しかったが，主茎や葉，果実などは良好に行えた．Fig. 2に果房周辺の3次元点群を示す．果実とともに，主茎や葉，果柄といった障害物も認識可能で，それぞれの3次元的な位置関係を把握することができた． これにより，障害物を避けての収穫動作や，果実への適切なアプローチラインを求めることが可能であると考えられた．例えばFig. 3の果房周辺では，従来の距離画像では(a)のロボットの正面からの情報しか得ることができなかった．これでは果実が障害物に隠れていることしか認識できず，収穫対象から除外されていた．一方(b)は(a)から仮想視野を左に45°回り込ませたものである．この果房のように葉と果実の間に障害物が無く，エンドエフェクタが入る十分な空間がある場合，矢印方向から果実の果頂部に対してアームを接近させることで，収穫を行うことができると考えられた． |
|
|
