Tsukada Lab. Computer Network Group

Reinforcement Learning Based Optimal Camera Placement for Depth Observation of Indoor Scenes

Yichuan Chen

Master Thesis, Graduate School of Information Science and Technology, The University of Tokyo (Esaki Lab), 2021年9月30日

3行要約

  • RL-OCPは、屋内の状況を観測しながら深度カメラを移動させ、配置を改善する手法。
  • シャドウマップで可視領域、観測範囲、奥行き誤差を推定するシミュレーターを作り、Soft Actor-Criticでカメラの移動を学習した。
  • 10の試験場面のうち7場面で観測誤差を下げ、合計誤差はオフライン比較手法の90%未満だった。

論文の図

図 4.1: 学習の流れの概要
図 4.1. 学習の流れの概要出典: 修士論文、東京大学、2021(著者版) の図 4.1エージェントとシミュレーション環境が、カメラの動き・既知の点群の観測・報酬をやり取りして学習する流れが分かる。
図 6.1: 各評価シーンでの手法別の深度観測誤差
図 6.1. 各評価シーンでの手法別の深度観測誤差出典: 修士論文、東京大学、2021(著者版) の図 6.110シーンで提案手法と2つの比較手法(TDSA・BPSO)の深度観測誤差を比べている。提案手法の合計誤差が最小。

引用方法

Y. Chen, “Reinforcement Learning Based Optimal Camera Placement for Depth Observation of Indoor Scenes,” in Master Thesis, Graduate School of Information Science and Technology, The University of Tokyo (Esaki Lab), 2021.

BibTeX

@mastersthesis{Chen2021b,
  title         = {Reinforcement Learning Based Optimal Camera Placement for Depth Observation of Indoor Scenes},
  author        = {Yichuan Chen},
  year          = {2021},
  date          = {2021-09-30},
  urldate       = {2021-09-30},
  school        = {Master Thesis, Graduate School of Information Science and Technology, The University of Tokyo (Esaki Lab)},
  keywords      = {SDM, Thesis},
  pubstate      = {published},
  tppubtype     = {mastersthesis}
}