この記事はMATLAB/Simulink Advent Calendar 2023の15日目の記事として書かれています。 qiita.com また、本記事のスクリプトなどは以下のページにアップロードされています。 github.com はじめに LiDAR（Light Detection and Ranging）は、主にレーザー光線を物体に照射することで対象までの距離を測定します。それにより、周辺の障害物を検知したり、その環境の3次元的な地図を作成したりすることができます。 LiDARは多くの種類がありますが、その中でもVelodyne LiDARが有名です。本記事では、Velodyne Li…

この記事はMATLAB/Simulink Advent Calendar 2023の16日目の記事として書かれています。 qiita.com 1. はじめに 3次元点群データは、XYZの点の集まりで表現されますが、「地球上での位置」を示すこともできます。 以下の図は、無料のGISソフトウェアであるQGISを利用して、地図上に3次元点群データを表示しています。 この際に、座標参照系（CRS）やEPSGコードというものを設定する必要があります。 この記事では、3次元点群データを地図上で見るために必要な座標参照系（CRS）やEPSGコードについてまとめます。 3次元点群データはiPhoneに搭載され…

はじめに この記事はMATLAB/Simulink Advent Calendar 2023の9日目の記事として書かれています。 qiita.com LiDARなどにより取得される3次元点群ファイルの有名なフォーマットにe57があります。 e57は、XML データ形式に基づいて点群や各種データを階層ツリー構造で格納します。米国試験材料協会 (ASTM) によって定められています。 例えば、Leica社のCycloneで点群をエキスポートするときや、iPhone LiDARのアプリである、Dot3Dで点群をエキスポートするときにE57形式を選択することができます。 以下の図は、Dot3Dで点群を…

はじめに この記事はMATLAB/Simulink Advent Calendar 2023の2日目の記事として書かれています。 qiita.com SOLOv2とは 画像中の物体ごとに色塗り（インスタンスセグメンテーション）をするネットワークです。 インスタンスセグメンテーションの有名な方法として、この他にMask R-CNNなどが知られています。 SOLOについては以下の記事がわかりやすかったです。 qiita.com MATLABではSOLOv2モデルを非常に簡単に動かすことができます。 本記事ではSOLOv2を利用して以下のようなセグメンテーション結果を得る方法ついて説明します。また利…

1. はじめに この記事では、3次元点群の閲覧や処理の無料ソフトであるCloud Compare (クラウドコンペア: 以下CCとする)を利用して、点群を上から見た画像に変換する方法についてまとめます。設定方法によっては、オルソ画像やデジタル標高モデル（DEM）に相当するファイルをエキスポートすることができます。 CCのダウンロードリンクは以下の通りです。 www.danielgm.net また、本記事のより詳しい内容は以下のページをご参照ください。 www.cloudcompare.org 本記事は、CCに点群をインポートする方法や閲覧する方法などはすでに把握しているとして進めます。 2. …

1. はじめに iPhoneに搭載されたLiDARを利用して3次元測量をするためのアプリは多く存在します。この記事では、DotProduct社の提供するDot3Dの使い方について簡単にまとめたいと思います。Dot3Dは以下のAppストアのページからダウンロード可能です。 なお、本記事においては、iPhone 13Pro Maxを利用しています。 www.dotproduct3d.com Dot3D - LiDAR 3D ScanningDotProduct LLC写真／ビデオ無料apps.apple.com また、別のiPhone LiDARのアプリである、Scaniverseや3dScann…

はじめに 非常に多くの行数のあるJSONファイルをPythonで読み込む方法について備忘録として残します。 以下の、izumi-lab/llm-japanese-dataset の一部を取り出して保存してみたいと思います。 拡張子を手動で.jsonlから.jsonに変更しました。 huggingface.co あらかじめ、こちらのJSONファイルををダウンロードしているとします。 また、本記事で利用したコードは以下のページにアップロードしています。 github.com Pythonコード モジュールのインポート import json import codecs ジェネレータ関数を作成する …

1. はじめに 本記事では、以下の画像のように、画像中のARマーカーを検出する方法についてまとめます。 まず、画像処理によってAprilTagを自動検出します。そして、そのAprilTagを底面とする立方体を可視化するために、カメラの位置や向きを自動的に計算します。 このような処理を動画の各フレームごとに行うことで、AprilTagを検出しながらカメラの位置を予測し、その位置に立方体を可視化することができます。 また、カメラの内部パラメータや外部パラメータの計算方法については、カメラキャリブレーションによって求めることができます。内部パラメータはあらかじめ計算しておき、外部パラメータはApri…

1. はじめに COCOデータセットをダウンロードする際に、ダウンロードリンクから直接ダウンロードできませんでした。 この記事は、wgetを利用したダウンロード方法についての備忘録です。 cocodataset.org なお、CocoはGoogle Cloud Platform (GCP)に格納されており、gsutil ツールを利用してダウンロードすることが推奨されています。 cloud.google.com 2. Wgetを利用したCocoデータセットのダウンロード ここでは、Windowsを利用します。 1. Wgetをインストールする インストール方法については、以下のページがわかりやす…

1. はじめに NeRF (Neural Radiance Field) とは、複雑なシーンに対して、任意の視点からの3次元的なシーンを画像から再構成する技術です。以下の動画にあるように、物体に対して、様々な角度から見たときのシーンをキレイに再現することができます。反射に関しても、それぞれの角度から見たときの見え方が反映されており、角度によって同じ場所でも微妙に違う反射特性を見て取ることができます。この手法を利用して、例えば、地点AとBで画像を取得した場合、その中間地点の任意の角度から対象物体を見たときのシーンを生成可能です。 この記事では、このNeRFと呼ばれる技術と、それを実行するにあたっ…

この記事は、MATLABアドベントカレンダー（その2）の12日目の記事として書かれています。 qiita.com 1 はじめに 本記事では、サポートベクトルマシン（Support Vector Machine: SVM）の仕組みについてまとめます。 サポートベクトルマシンは複数の次元を有するデータを超平面で分離する手法として有名です。色々な場面で利用でき、機械学習の代表的な手法の1つ言えます。以下の図は、3つの変数をもつデータを2つのクラスに分類しているときの図です。各軸が、それぞれの変数に対応しています。また、赤色の局面（超平面）によって、2つのクラスに分類されます。この図は3変数の場合を示…

この記事は、MATLABアドベントカレンダー（その2）の6日目の記事として書かれています。 qiita.com 1 はじめに 前回の記事では、1つの変数のみで、線形回帰（単回帰）を行うときの、数式の導出や自身の実装による検算を行いました。 線形回帰（単回帰分析）を1から実装して理解を深めてみよう kentapt.hatenablog.com 線形回帰（単回帰分析）を1から実装して理解を深めてみよう: つづき kentapt.hatenablog.com そこでは、y = ax + bという非常にシンプルな場合を扱いました。 今回は、 といったような、変数の数を増やした場合について考えたいと思い…

この記事は、MATLABアドベントカレンダー22日目の記事として書かれています。 qiita.com この記事の前編として以下の記事も投稿しています。ぜひご覧ください。 kentapt.hatenablog.com この記事では、iPhone LiDARで取得した3次元点群をMATLABにて読み込み、さらに、その領域の境界のデータをKMLファイルとして出力する方法を紹介します。言語はMATLABを使用します。 3次元点群を取得するためのアプリは3D Scanner Appを用いました。 詳しい使い方は、以下の記事がわかりやすかったです。 note.com また、以下の記事でもこちらのアプリの使…

この記事は、MATLABアドベントカレンダー（その2）の21日目の記事として書かれています。 qiita.com はじめに この記事では、物体検出の有名な手法である、YOLOv2について説明を行います。物体検出の手法を用いて、以下のように画像中から対象を自動的に検出することができます。 YOLOにより物体を検出しているときの動画の例も挙げます。以下の動画をご覧ください。 YOLOモデルは物体検出において非常に有名で、様々なバージョンが公開されています。この中でも、ネットワークがシンプルで、比較的高速かつ高精度に物体検出ができる、YOLOv2についてまとめたいと思います。YOLOなどの物体検出ネ…

この記事は、MATLABアドベントカレンダー（その2）の19日目の記事として書かれています。 qiita.com はじめに 私が数式を含むブログ記事を投稿するときの手順を紹介したいと思います。あくまで私が気に入っている方法であり、他にもよい方法があると思います。参考になれば幸いです。 例えば、以下のような数式が多い記事をブログ投稿したい場合を考えます。 kentapt.hatenablog.com そのような場合は、ここで紹介する方法が効果的でした。 大まかな手順として、以下の流れを想定しています。 1 内容をまとめ、ブログに掲載する数式を用意する 2 記事を執筆する 3 ブログ投稿がしやすい…

この記事は、MATLABアドベントカレンダー（その2）の11日目の記事として書かれています。 qiita.com 本記事の執筆にあたっては、 赤穂先生の「カーネル多変量解析」を非常に参考にさせていただきました。 カーネル多変量解析―非線形データ解析の新しい展開 (シリーズ確率と情報の科学) 赤穂 昭太郎 本 通販 Amazon 非常にわかりやすい書籍であり、大変おすすめです。 なお、本記事では、機械学習の中でも非常に有名な、サポートベクトルマシン（SVM）を理解するうえで非常に重要な手法（カーネル法）を扱います。機械学習を学習している方の参考になれば幸いです。本記事は自分の勉強の…

この記事は、MATLAB/Simulink Advent Calendar 2022の6日目の記事として書かれています。 qiita.com 1章 はじめに t-SNEと呼ばれる方法を用いて、高次元データを、2次元平面や3次元空間にプロットすることができます。 例えば、以下の図は、MNISTという0から9の手書き数字の画像の情報を2次元平面にプロットしたときの様子です。 0から9の画像のサンプルデータが、それぞれクラスタを形成しており、うまく可視化できていることがわかります。 PCA (主成分分析)と呼ばれる方法を用いて、次元圧縮を行い、上のような2次元や3次元上でのプロットを得ることもできま…

この記事は、MATLABアドベントカレンダー（その2）の5日目の記事として書かれています。 qiita.com 1 はじめに 前回の記事では、以下のように、線形回帰（単回帰分析）を行った時の、式の傾きや切片の求め方についてまとめました。 kentapt.hatenablog.com 例えば、以下の図では、y = 0.33x + 50.2 という式が得られています。この傾きや切片を、xとyのペアからどのように求めるか、ということでした。 具体的には、傾きは、 ...(前回の記事の17) であり、切片については以下の通りでした。 ...(前回の記事の18) しかし、文量が多くなってしまい、上の図中…

この記事は、MATLABアドベントカレンダー（その2）の4日目の記事として書かれています。 qiita.com 1 はじめに 以下の図のように、エクセルなどで、直線で回帰（フィッティング）した経験がある方も多いかもしれません。 以下の図では、y = 0.33x + 50.2 という式が得られています。 例えば、これにより、データ同士の相関関係を知ることができ、非常によく用いられる解析方法です。 このような線形回帰（単回帰）の説明としては、以下のページがわかりやすかったです。 回帰分析(単回帰分析)をわかりやすく徹底解説！ udemy.benesse.co.jp 実は簡単！ 10分あれば回帰分析…

この記事は、MATLABアドベントカレンダー3日目の記事として書かれています。 qiita.com この記事では、iPhone LiDARで取得した3次元点群をMATLABにて読み込み、さらに、地図（地球）上で可視化する方法について紹介します。言語はMATLABを使用します。 3次元点群を取得するためのアプリはScaniverseを用いました。 scaniverse.com 詳しい使い方は、以下の記事がわかりやすかったです。ここでは、すでにiPad LiDARにて計測し、PCに転送した状態から始めます。 note.com PCに転送（エキスポート）する方法は以下の図の通りです。右下のShare…