3Dセンシング技術の基礎と非接触生体センシング

～ToF, LiDAR, Structured Light, Infrared Depthから、
　”JPEG画像から信号処理で情報を絞り出す” 次世代技術『RGB Color Depth』まで～

イントロダクション編
　　3Dセンサとは？/KinectV2販売終了を受けて/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。
【基本機能】
　1.1　Color　…　フルHDカラーカメラのキャプチャ
　1.2　Depth　…　ToF（Time of Flight）方式デプスデータの画像化
　1.3　BodyIndex　…　人検出（人物のいる領域を示すデータ）
　1.4　Infrared　…　アクティブ赤外線画像データ
　1.5　Body　…　骨格トラッキング（25点の関節3次元座標、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）
　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
　1.9　Kinect Fusion 3Dスキャナ
【拡張機能】
●PC間通信
　1.10　WebSocket　…　サーバー⇔クライアント
　1.11　UDP　…　一方的送信
●FIFO利用（ノイズ抑制、残像等）
　1.12　DepthFIFO　…　フレームFIFOを用いた時系列方向の移動平均
　1.13　InfraredFIFO　…　フレームFIFOを用いた時系列方向の移動平均
　1.14　AfterImage　…　骨格トラッキングされた関節の軌跡（残像）
　1.15　Gesture（Circle）軌跡（点群データ）から円の中心座標を推定
●法線ベクトル推定
　1.16　DepthFusion　…　デプスの放物曲面推定で法線ベクトルを推定し、
　　　　光源計算（Lighting）により立体感のある表示法
●非接触バイタル・センシング
　1.17　Acceleration　…　骨格トラッキングで加速度検出（速度も可）
　1.18　FaceHeartBeat　…　顔の観測（Color or Infrared）で心拍を観測
　1.19　Breathing　…　胸部観測（Depth）で呼吸・心拍を観測
　1.20　PointCloud　…　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
　1.21　BodyBalance　…　平衡感覚の老化測定
【応用】
　1.22　HandGesture　…　NUI（Natural User Interface）
　1.23　AR Sensing　…　1チャンネルのセンサで空間に分布状態を可視化
　1.24　CyberEye　…　距離を音に変換する視覚障碍者向けデバイス
　1.25　EyeTracking　…　瞳孔輪郭を検出し、視線ベクトルを算出
　1.26　RobotEyeContact　…　前に立った人を見つめるロボット制御
　1.27　VirtualMusicalInstrument　…　仮想楽器
　1.28　HomeControl　…　家電制御
■ToFデプス精度の検証
　1.29　DepthPrecision　…　デプスのノイズ原因の検証用

第2章　3Dセンサの概要
【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　ToFカメラ
　　2.2.2　LiDAR（Light Detection and Ranging）
　　　　　　[Laser Imaging Detection and Ranging]
【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）
【Appendix】 
　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　RGB Color Depth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
【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

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

第6章　Kinect/RealSenseソフトウェア開発環境

第7章　基本プログラミング～基本的な使い方～
　7.1　Kinect V2編
　　7.1.1　Visual C#でWindows Form アプリケーションを作成
　　7.1.2　Formデザイン
　　7.1.3　コーディング（宣言部分）
　　7.1.4　コーディング（初期化処理と終了処理）
　　7.1.5　マルチ・ソース・フレーム
　　7.1.6　表示例
　7.2　RealSense R-200編
　　7.2.1　Visual C#でWindows Form アプリケーションを作成
　　7.2.2　Formデザイン
　　7.2.3　コーディング（宣言部分）
　　7.2.4　コーディング（初期化処理と終了処理）
　　7.2.5　コーディング（キャプチャ処理部分）
　　7.2.6　表示例

★以下はテキストに含まれますが時間の関係で割愛します。
第8章　付録
【付録1】　赤外線ハンドモーションセンサ
【付録2】　カメラで回転角度を検出する方法
【付録3】　Webカメラで心拍センシング
【Appendix A】　3次元グラフィックスの基礎知識
　①3D-CGモデル
　②ポリゴン描画
　③透視変換と光源計算
　④Kinect Fusionと光源計算
　⑤光源計算
　⑥Bone
　⑦Boneと物理演算
【Appendix B】　Hololens
【Unityプログラミング基礎】