各距離画像センサの原理から3Dセンサへの展開、周辺ソフトウェアや応用事例まで〜StructuredLight,TimeofFlight,LiDAR等の様々なセンサを基礎から解説〜【デモ機多数あり】

★3Dセンサの基本・拡張機能から各方式別の測距原理、ソフトウェアで実現できる応用例、そして非接触バイタルセンシングへの適用例、生体認証の注意点やプライバシーの話題まで。
★当日はデモ機を多数持ち込み解説。五感で3Dセンサを感じる事が出来る実践的なセミナーです。

講師

株式会社フォスメガ（東工大発ベンチャーNo.45）　代表取締役社長
私設研究所Neo-Tech-Lab
上田 智章 先生

受講料

1名47,520円(税込（消費税8％）、資料・昼食付) 　
＊1社2名以上同時申込の場合 、1名につき36,720円 　　　　　
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナー開催にあたって

■はじめに：
　自動車分野では、自動運転化を実現するための探索センサ、搭乗者の健康状態モニタ、ユーザーインターフェースとして、距離画像センサを組み込んだ３Ｄセンサに関心が集まっている。また、世界的な先進国少子高齢化を踏まえ、2025年開催予定の大阪万博のテーマは『健康と医療』に決まり、非接触な見守り・看取りシステムに対する関心も高い。
　本セミナーでは距離画像センサとカラーカメラを組み込んだ３Ｄセンサの基本機能、ソフトウェアで実現できる応用事例をデモを通して紹介するとともに、方式別に測距原理の説明を行い、非接触生体センシングを中心とする応用とその原理について解説を行う。また、Shannonのチャンネル容量の法則を利用した増感処理やマッチング処理の原理や応用についても触れる。

■受講対象者：
・デプスカメラを開発されようとお考えの方
・3D認証や3Dスキャン、ヒューマンインターフェース等のデプスカメラを用いた応用システムの開発をお考えの方
・通常のカラーカメラやデプスカメラによる非接触生体センシングでどのような生体情報が抽出できるのかについて興味をお持ちの方
・高解像度カラーカメラの動画や静止画からの非接触生体センシング・システムを開発されようとお考えの方

■必要な予備知識：
・高校卒業程度の数学知識
・Visual C#の基礎的な記述と文法に関する知識

■本セミナーで習得できること（一例）：
・各種デプスカメラの動作原理の理解
・センサアレイを用いた超高感度センシングの動作原理の理解
・デプスカメラを用いた非接触生体センシングで抽出できる生体情報の知識
・生体認証の危険性の理解
・監視カメラ画像で侵害されるプライバシーの範囲と活用による社会的貢献度
・可視光静止画（JPEGフォーマット）から抽出できる生体情報の知識
・非接触生体センシングを使いこなす上で必要な数学知識

セミナー内容

★当日はデモを行いながら説明を行います。時間の都合により１章、２章、３章を中心に説明を行います。資料は以下の範囲が含まれます。

【イントロダクション編】
【３Ｄセンサとは？】
【拡大するデプスカメラ市場】
【デプスカメラの技術マップ】

**********************************************************
***【第１章】　3Dセンサの機能
**********************************************************
デモを行いながら、3Dセンサに要求される機能について説明を行います。

【3Dセンサの基本機能】
　1.1　Color　カラー映像を撮影するカメラ
　1.2　Depth　画素単位にデプス（奥行き距離）を取得するカメラ
　　　距離はmm単位整数で出力するものが多い。
　　a）モノクロ（256階調）表示
　　b）カラーＬＵＴ表示
　　c）光源計算（Lighting）による反射光表示
　　　デプス⇒法線ベクトル⇒反射光画像
　　d）ポイントクラウド
　　e）ポリゴン表示
　1.3　BodyIndex　人検出（人物のいる領域）を取得する機能
　1.4　Infrared　環境オフセットを除去し、照明による反射画像を取得する機能（アクティブ赤外線）
　1.5　Body　骨格トラッキング（人体の姿勢を25点の関節３次元座標で取得、手のグー、チョキ、パー検出）
　1.6　Audio　音声データ（音源方向検出とビームフォーミング、音声認識に利用）

【３Ｄセンサの拡張機能】
　1.7　Face　５つ（両眼、鼻、口角）の特徴点の３次元座標と数種類の表情や状態を検出
　1.8　HD Face　2,000点の顔モデルと多数の特徴点のキャプチャー
　1.9　Kinect Fusion 3Dスキャナ

【ソフトウェアで実現可能な拡張機能】
　1.10　AfterImage　 骨格トラッキングされた関節の軌跡（残像）
　1.11　BodyBalance 平衡感覚の老化測定をおこなう
　1.12　AR Sensing 　 １チャンネルのセンサで空間に分布状態を可視化
　1.13　Acceleration　非接触３軸加速度センシング
　　関節３次元座標{ x（t）, y（t）, z（t） }を要素ごとに放物線近似
　　O（t） = a*t*t + b*t + c とすれば、時刻t=0の加速度は2a, 速度はb
　1.14　PointCloud　床法線ベクトルの検出。点群データの活用により観察方向を任意変更
　　　　　　　　　　沈水、転倒、うずくまり、横たわり
　1.15　Face3D　３次元顔認証（顔の３次元形状の切り出し）
　1.16　Body3D　実測デプス値に基づいて3D Bodyポリゴンモデルをフィッティング
　　体重参照があれば非接触体脂肪率測定が行える
　1.17　HandGesture　NUI（Natural User Interface）
　　　　　　　　　　 Air Tap, Bloom
　1.18　Cyber Eye　距離を音に変換する視覚障碍者向けデバイス

【非接触バイタルセンシング（第一世代）
　1.19　FaceHeartBeat　顔の観測（Color or Infrared）で心拍を観測
　1.20　Breathing　胸部観測（Depth）で呼吸・心拍を観測

【HyperSenseによる機能（第二世代）】
　チャンネル容量の法則を利用して高感度化。カラーカメラ画像をマルチスペクトルカメラとして取り扱う
　1.21　ColorVector　色をベクトルとして精密分析
　1.22　ColorMap　ヘモグロビン、メラニン色素、ビリルビン、ウロビリノーゲン等の色変化を観測
　1.23　VesselVisualizer　血管の可視化（BとGから真皮層の毛細血管分布を、GとRから皮下組織内の血管を可視化）
　1.24　Hyper_HeartBeat　脈波の２次元観測（血流等も）
　1.25　BumpVisualizer　指紋・掌紋の可視化

【３Ｄセンサ応用】
　1.26　EyeTracking　瞳孔輪郭を検出し、視線ベクトルを算出
　1.27　RobotEyeContact　前に立った人を見つめるロボット制御
　1.28　VirtualMusicalInstrument　仮想楽器
　1.29　HomeControl　家電制御

【付録】PC間通信、ToFセンサの特性
1.30　WebSocket　サーバー⇔クライアント
1.31　UDP　一方的送信
1.32　DepthPrecision　ToFデプス精度の検証

**********************************************************
***【第２章】　『３Ｄセンサの動作原理』
**********************************************************

【Structured Light法】
　2.1　光源と観測位置の座標の違いを利用する（光三角法）
　　2.1.1　光切断法
　　2.1.2　モアレ法
　　2.1.3　Structured Light法
　　　2.1.3.1　Structured Light固定パターン投影法
　　　　・ランダムドットパターンを用いた相関方法（KinectV1, Carmine）
　　　　・高速高分解能カメラで各ドットを追尾するHyper Depth
　　　2.1.3.2　Structured Light時分割パターン法

【Time of Flight法】
　2.2　光パルスの往復時間または位相遅れを利用する（Time of Flight）
　　2.2.1　地球から月面までの距離を精密測定するのに使われたLiDAR（カウンタ方式）
　　2.2.2　ToF方式（位相遅れを測定する）
　　　2.2.2.1　単純２値の位相差を用いる方式
　　　2.2.2.2　３パターン測定法（照明指向性、吸光度、法線ベクトルの影響を補正する方法）
　　　2.2.２.3　距離によって、照明強度とフェーズを変更する方式
　　　2.2.２.4　マルチフェーズで高精度補正を行う方式
　　2.2.3　LiDAR（Light Detection and Ranging）　[Laser Imaging Detection and Ranging]
　　　2.2.3.1　メカニカルスキャン法
　　　2.2.3.2　メカニカルスキャン法の欠点
　　　2.2.3.3　高速・低価格な非メカニカルスキャン法
　　　　　　　 Multi-beams LiDAR

【Infrared Depth法】
　2.3 拡散反射光の性質を利用する（Infrared Depth）

【その他のデプスアルゴリズム】
　2.4　カメラ位置の違いから特徴点/テクスチャのマッチングを利用
　　2.4.1　PTAM（Parallel Tracking and Mapping）
　　2.4.2　SLAM（Simultaneous Localization and Mapping）
　　　自己位置推定と環境地図作成を同時に行う
　　2.4.3　マルチカメラ
　　2.4.4　自己位置推定用シートマーカーを用いる方法（Qlone）
　2.5　ステレオ・マッチング
　2.6　機械学習から静止画から３Ｄ顔モデルを再構成する
　　cvl-demos.cs.nott.ac.uk/vrn/
　2.7　Make3D（視覚処理の模倣）
　2.8　カラー開口フィルタ（東芝）

【付録】
　Hyper Depth
　Structured Light法とToF法の比較により、ToFカメラの欠点を説明

**********************************************************
***【第３章】　『HyperSense方式の動作原理』
**********************************************************
　特殊なカメラを使用せずに、デプスセンシングと非接触生体センシングを行う方式の提案（ＣＱ出版インターフェース誌５月号記事に関連）

　3.1　【CMOSイメージセンサについて】
　3.2　【C.E.Shannonのチャンネル容量の法則】
　　メガ級センサ・アレイで、超高感度を実現する
　3.3　【チャンネル容量の法則の適用例】
　　JPEG圧縮に伴うブロックノイズやモスキートノイズも抑制する
　　高感度化アルゴリズムとその結果
　3.4　【波長による透過深度（表皮深さ）の違いを利用する】
　　通常のカメラをマルチスペクトルカメラととらえ、
　　波長間の僅かな違いを可視化する抽出アルゴリズムと事例紹介
　3.5　【色ベクトルとメラニン色素】
　3.6　【単眼３Ｄセンシング】
　3.7　【単眼３Ｄセンシングの問題点】
　3.8　【ステレオ３Ｄセンシング】
　3.9　【まとめ】

**********************************************************
***【第４章】　『非接触バイタル・センシング』
**********************************************************

【心拍・呼吸に関する基礎知識】
　4.1　心臓の構造と心電図
　4.2　呼吸動作と酸素供給の関係
　4.3　呼吸と心拍揺らぎの関係
　4.4　入浴中の心拍揺らぎと年齢
　4.5　脈波から何がわかるのか
　　4.5.1　加速度脈波と血管年齢（動脈硬化）
　　4.5.2　大動脈脈波伝搬速度
　　4.5.3　２波長観測でSpO2（動脈血中のヘモグロビンの酸素濃度）
　　4.5.4　脈波伝搬遅延と血圧

【心拍・呼吸センシングの原理】
　4.5　カラー画像または赤外線画像からの心拍センシング
　4.6　デプスデータからの呼吸・心拍センシング
　4.7　KinectV1での非接触呼吸・心拍センシング
　4.8　スポット光方式
　　反射光強度分布を放物面関数で近似して精密測距
　4.9　マーカー方式
　　濃度分布関数または円形マーカーを用いた精密測距

★以下内容はテキストには含まれますが、時間の関係上、当日の説明は割愛します。ご質問等ありましたら別途お受けします。
〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜〜

**********************************************************
***【第５章】　『アルゴリズムの原理』
**********************************************************

　5.1　FIFOアルゴリズム
　　5.1.1　FIFO
　　5.1.2　高速移動平均
　　5.1.3　矩形波相関法
　5.2　基底遷移アルゴリズム
　　5.2.1　放物線補間と３軸加速度検出 や ノイズ除去
　　5.2.2　放物面補間（輝度分布中心の推定）
　　5.2.3　線スペクトルとDCオフセットノイズ除去
　　5.2.4　適応フィルタ
　　5.2.5　デコンボリューション（逆畳み込み演算）
　　5.2.6　２次元ポイントクラウド⇒円の中心座標⇒半径
　　5.2.7　３次元ポイントクラウド⇒円の中心座標⇒半径
　　5.2.8　３次元ポイントクラウド⇒球の中心座標⇒半径
　5.3　最小２乗法
　　5.3.1　放物線補間
　　5.3.2　放物面補間
　　5.3.3　２Ｄデータのマッチング
　　5.3.4　１Ｄデータのマッチング

**********************************************************
***【第６章】　『３次元グラフィックスの基礎知識』
**********************************************************
　6.1　３Ｄ−ＣＧモデル
　6.2　ポリゴン描画
　6.3　透視変換と光源計算
　6.4　Kinect Fusionと光源計算
　6.5　光源計算
　6.6　Bone
　6.7　Boneと物理演算

＜質疑応答・個別質問・講師との名刺交換＞

■ご講演中のキーワード：
　ToF（Time of Flight）, Structured Light, LiDAR