視覚認識/3D再構成2026/9/3arXiv:2609.03970v1

写真測量とセマンティックセグメンテーションを用いたロボット後処理のための溶接シーム自動認識と3Dマッピング

Automated Weld Seam Recognition and 3D Mapping for Robotic Post Processing Using Photogrammetry and Semantic Segmentation

シェア:X Threads Facebook LINE はてブ Bluesky

複数視点の画像から溶接シームをセマンティックセグメンテーションで検出し、写真測量で再構成した3Dモデルに投影することで、大規模ワークの溶接シーム位置を効率的に特定するパイプラインを提案した。

詳しい要約

1. どんなもの？

本論文は、ロボットによる後処理（研削、仕上げ、検査など）の前段階として、溶接シームのおおよその位置を特定するための、実験的なビジョンベースのパイプラインを提案している。具体的には、ワークピースを複数の視点から撮影し、セマンティックセグメンテーションを用いて画像から溶接シームを識別し、フォトグラメトリによってワークピースを3次元再構成し、識別した溶接シームを再構成モデルに投影する。これにより、高精度なレーザースキャナや構造化光センサによる全面スキャンの時間とデータ量を削減し、その後の高精度計測の前段階として活用することを目指している。

2. 先行研究と比べてどこがすごい？

従来の高精度レーザースキャナや構造化光センサを用いた全面スキャンは、大型ワークピースに対して時間がかかり、関連性の低い大量のデータを生成するという問題があった。本提案は、セマンティックセグメンテーションとフォトグラメトリを組み合わせることで、溶接シームの位置を事前に特定し、スキャン対象を絞り込むことで、全体のスキャン労力とデータ取得効率を向上させる点が新しい。

3. 技術・手法の肝は？

手法の肝は、画像ベースのセマンティックセグメンテーションで溶接シームをピクセル単位で識別し、フォトグラメトリで3次元再構成したモデルに、そのセグメンテーション結果を投影して、溶接シームの3次元位置を推定する点にある。これにより、高精度センサによる全面スキャンを行う前に、溶接シームのおおよその位置を特定できる。

4. どうやって有効だと検証した？

要旨からは、具体的な検証方法（使用したデータセット、評価指標、比較対象など）は不明である。実験的なパイプラインとして提案されており、有効性の検証は行われている可能性があるが、詳細は要旨に記載されていない。

5. 議論はある？

要旨からは、提案手法の限界や課題についての議論は不明である。ただし、フォトグラメトリによる再構成精度や、セマンティックセグメンテーションの精度が、最終的な溶接シーム位置の推定精度に影響を与える可能性が考えられるが、要旨には明記されていない。

6. 次に読むべき論文は？

要旨で参照されている先行研究や関連手法は明示されていないが、同分野の定番として、溶接シーム検出のためのセマンティックセグメンテーション手法（例: U-Net, DeepLab）や、フォトグラメトリによる3次元再構成手法（例: Structure from Motion, Multi-View Stereo）に関する論文が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Augustin Raju, Abilash Madavath, Chandra Yuvesh Aubeeluck, Nicolas Pyschny, Felix Hackelöer, Florian Zwanzig

分類: cs.RO

原文アブストラクト

Accurate identification of weld seam geometries is essential for automated robotic post processing operations such as grinding, finishing, and inspection. For large workpieces, complete surface scanning using high precision laser scanners or structured light sensors can be time consuming and often generates substantial amount of data that are not relevant. This paper presents an experimental vision based pipeline for the approximate localization of weld seams. This serves as a preliminary stage before high precision measurement. The proposed approach aims to reduce the overall scanning effort and data acquisition efficiency. The proposed method includes capturing images of the workpiece from multiple viewpoints, identifying weld seams from the images using semantic segmentation, reconstructing the workpiece using photogrammetry, and projection of identified weld seams into the reconstructed model.

arXivで原文を読む →arXiv概要ページ

← 論文一覧