物体カテゴリ依存の単眼深度補正手法の提案と定量的評価

カテゴリ：部門大会

論文No：OS4-1-4

グループ名：【C】2025年電気学会電子・情報・システム部門大会

発行日：2025/8/20

タイトル(英語)：Proposal and Quantitative Evaluation of Object Category-Dependent Monocular Depth Correction Method

著者名：藤原 徹平（徳島大学）,伊藤 桃代（徳島大学）,伊藤 伸一（徳島大学）,福見 稔（徳島大学）

著者名(英語)： Teppei Fujihara (Tokushima University),Momoyo Ito (Tokushima University),Shinichi Ito (Tokushima University),Minoru Fukumi (Tokushima University)

キーワード：深度推定,Depth Anything,電動キックボード電動キックボード,Depth estimation,Depth Anything,Electric kick scooter

要約(日本語)：近年，都市部では電動キックボードや自転車，歩行者が混在し，交通安全支援の必要性が高まっている．電動キックボードに対する運転支援として，単眼カメラを用いてシーン解析を行い，車両制御等に用いることが考えられる．単眼カメラによる深度推定は安価かつ小型なシステム実装に有利だが，学習モデル「Depth Anything」などの出力は相対的な奥行き構造に留まり，実距離の取得にはスケール補正が不可欠である．本研究では，YOLOによる物体検出で得たカテゴリ情報を活用し，カテゴリごとに学習した補正回帰モデル（線形・多項式・LightGBM）により相対深度を実距離へ変換する手法を提案する．Cityscapesの視差マップをGround Truthとした評価では，LightGBM回帰が他手法を上回る汎化性能を示し，カテゴリ依存補正の有効性を確認できた．本手法は，単眼深度推定の実用性を高め，モバイル端末への応用にも貢献することが期待される．

本誌掲載ページ：922-926p

原稿種別：日本語

PDFファイルサイズ：516Kバイト