27 AR

27 AR 28 2 19 12111002

AR AR

1 3 1.1....................... 3 1.1.1...................... 3 1.1.2.................. 4 1.2............................ 4 1.2.1 AR......................... 5 1.2.2...................... 6 1.2.3............................. 6 1.2.4....... 7 1.3.................................... 8 2 9 2.1 AR............... 9 2.2 2............ 9 3 1: 11 3.1.................................... 11 3.1.1................................ 11 3.1.2........................... 12 3.2.................................... 12 3.3.................................. 13 4 2: 15 4.1................................ 15 4.2..................... 15 1

4.3................................ 17 5 18 5.1...................................... 18 5.1.1................................ 18 5.1.2........................... 18 5.2.................................... 19 5.3.................................... 20 5.4.......................... 20 5.5............................... 22 5.6...................................... 24 6 25 6.1..................................... 25 6.2............................... 26 28 29 2

1 AR AR 1.1 1.1.1 [1] [2, 3] 3

[4] 1.1.2 [5, 6] 1.1 PC AR AR ID AR [5] ID PC 1.2 AR 4

1.1: 1.2.1 AR AR ID ARToolkit[7] 2 ID ARToolkit ARTag[8] 5

1.2.2 [9] AR ARTag ID 1.2 1.2: 1.2.3 2 2 LLAH(Locally Likely Arrangement Hashing ) 6

1 LLAH [10] 4 ( ) 4 1.3 n m m 4 1.3 7 6 LLAH RANSAC RANSAC[11] LLAH 1.3: p ([10] ) 1.2.4 1.4 7

Random Dot Markers[9] RANSAC 40 6 100ms RANSAC 1.4: ( 100 ) 1.3 AR ( ) 8

2 AR 2.1 AR [12] AR ARToolkit[7] 2 AR HSV 2 ARToolkit HSV 2.2 2 2 [13] 2 1 9

2 2 1 64 9 1 1 3 10

3 1: 1 3.1 [14] 1 2 HSV 1 3.1 3.1.1 1 ( 2 ) 1 http://limu.ait.kyushu-u.ac.jp/ uchiyama/me/index_e.html 11

3.1: 3.1.2 PC Panasonic CF-SX1(Core i5-2540m vpro 2.60GHz 4GB Microsoft LifeCam Studio( 640 480) 210 210 1cm 20 21 3.2 5 20 1.5m 2 ( 3.2 ) 2.4m( 3.2 ) 3.4m( 3.2 ) 4.0m( 3.2 ) 5 12

3.3 ( 3.2) 3 ( 3.3) 2 3 109 2 240 2 1 2 1 1 2 2 13

図 3.2: 従来手法の認識結果 図 3.3: 赤色ドットマーカの認識結果 14

4 2: 1 4.1 4.1 4.1: 4.2 4.1 ( 4.2) 15

[12] HSV HSV 8 ( 4.3) 2 4.2: 16

4.3: 4.3 HSV 17

5 2 2 5.1 5.1.1 2 2 2 4 4 3 5 5.1.2 PC Panasonic CF-SX1(Core i5-2540m vpro 2.60GHz 4GB PC ( 640 480) A4 (210 297 ) 1cm 25 3 1( 5.1) 4 2( 5.2) 27 3( 5.3) 76 18

図 5.1: 環境 1 図 5.2: 環境 2 5.2 実験方法 実際の教室における机の位置で実験を行ったため マーカを設置する距離は環境によっ て異なる 環境 1 では 2.5m の位置に 環境 2 では 3.4m 環境 3 では 3.0m の位置に横一 列に 4 つマーカを並べた プログラムをスタートし 初めて 4 つのマーカを同時に検出 した時の検出処理時間を計測し またそのときのドットの数を記録する 19

5.3: 3 5.3 5.1 5.2 5.1 2 5.4 5.1: [ ] 1 2 3 2 2 2 1 192 130 166 131 136 127 2 205 130 182 136 155 126 3 210 130 181 132 158 126 4 197 127 175 130 158 120 5 199 129 177 129 158 124 199.8 129.2 176.2 131.6 153.2 124.6 5.4 2 20

5.2: [ms] 1 2 3 2 2 2 1 103 75 111 86 58 91 2 98 100 108 86 142 90 3 104 99 200 74 102 80 4 111 109 120 107 123 93 5 106 78 111 92 126 105 104.4 92.2 130 89 110.2 91.8 5.4: 2 1 5.5 100 2.5m PC 5.1 226.8ms 2 98.2ms 21

図 5.5: 特徴点が多い環境での実験の様子 表 5.3: ドットが多い環境での比較結果 ドット数 [個] 5.5 処理時間 [ms] 従来手法 提案手法 2 従来手法 提案手法 2 1 回目 288 129 188 99 2 回目 294 125 212 86 3 回目 291 126 229 196 4 回目 286 128 196 91 5 回目 292 126 309 110 平均 290.2 126.8 226.8 98.2 認識距離について 認識距離において 従来手法と提案手法 2 の比較実験についても行った 提案手法 1 の評価実験と同じように カメラからマーカの距離が 1.5m の位置に 2 つ 2.4m に 1 つ 3.4m に 1 つ 4.0m に 1 つの計 5 つのマーカが認識可能であるか両手法で実験を行った 機材については本実験と同じものを用いた 照明環境について 日光は遮断していて蛍 光灯を点灯させた室内で実験を行った 結果は 従来手法については図 5.6 提案手法 2 については図 5.7 のようになった 従来手法では 3.4m までの位置にある 4 つのマーカを 認識できた 提案手法 2 では 3.4m のマーカまで認識できているが 1.5m 位置の右側の 22

マーカが認識されなかった 図 5.8 から 赤色領域の抽出はできているため 2 値化処理 の際に特徴点の抽出に失敗していることが原因であると考える 今回はマーカを設置し た台の影がドットの抽出を邪魔していて 解決策としては厚紙に印刷して裏写りしない ようにすることが挙げられる したがって 提案手法 2 の認識距離は従来手法と同等で あると考える 図 5.6: 従来手法の認識距離 図 5.7: 提案手法 2 の認識距離 23

5.8: 2 5.6 2 130 100ms 24

6 6.1 AR 2 HSV 3 2 2 2 AR 25

6.2 4 1 6.1 [15] AR 26

図 6.1: 置き型マーカの例 27

28

[1] Jen-Kai Liang Huang, Chi-Wei and Hsu-Yie Wang. Educlick: A computer-supported formative evaluation system with wireless devices in ordinary classroom. In Proceedings of ICCE 2001 (2001): 1462-1469. [2] Jane E. Caldwell. Clickers in the large classroom: Current research and best-practice tips. In CBE-Life Sciences Education 6.1 (2007): 9-20. [3],. ( ) :.. (2012): 11-19. [4],,,,,,,,,,,,,.., 28(5), 49-56., 2014. [5] Andrew Cross, Edward Cutrell, and William Thies. Low-cost audience polling using computer vision. Proceedings of the 25th Annual ACM Symposium on User Interface Software and Technology, UIST 12, pp. 4554, New York, NY, USA, 2012. ACM. [6] Motoki Miura and Toyohisa Nakada. Device-Free Personal Response System based on Fiducial Markers. In Proceedings of the 7th IEEE International Conference on Wireless, Mobile, and Ubiquitous Technologies in Education (WMUTE2012), Takamatsu, Kagawa, pp. 87-91., 2012. [7] Hirokazu Kato and Mark Billinghurst. Marker tracking and hmd calibration for a videobased augmented reality conferencing system. In Augmented Reality, 1999.(IWAR 99) Proceedings. 2nd IEEE and ACM International Workshop on (pp. 85-94). IEEE, 1999. 29

[8] Mark Fiala. ARTag, a fiducial marker system using digital techniques. In Computer Vision and Pattern Recognition, 2005. CVPR 2005. IEEE Computer Society Conference on. (Vol. 2, pp. 590-596). IEEE, 2005. [9] Hideaki Uchiyama and Hideo Saito. Random Dot Markers. In Virtual Reality Conference (VR), 2011 IEEE (pp. 35-38). [10] Tomohiro Nakai, Koichi Kise, and Masakazu Iwamura. Use of affine invariants in locally likely arrangement hashing for camera-based document image retrieval. In Document Analysis Systems VII. Springer Berlin Heidelberg, 2006. 541-552. [11] Martin A. Fischler and Robert C. Bolles. Random sample consensus: a paradigm for model fitting with applications to image analysis and automated cartography. In Communications of the ACM 24.6 (1981): 381-395. [12],. AR. Vol.2013. [13]. 2., 2011. [14],,.. (MIRU2011) 2011 (2011): 496-503. [15],.. 2016(to appear). 30

2016 (to appear) 2016 3 Manabu Ito, Motoki Miura: Portable Vision-based Response Analyzer with Sheet Bending Recognition, Proceedings of GCCE 2015, Osaka, Japan, pp. 143-144, October 2015. 31