OpenCVのインストール （Windows 8 & Visual Studio 2013）

OpenCVはVersionが3.0系が出ている。2系との違いは下記HPがわかりやすかったので、そちらを参照。
OpenCV3.0.0-alphaの特徴抽出・マッチングまとめ

結果、大きな違いの一つは特徴点抽出のインターフェースが違うことみたいだ。私の場合、基本からやりたかったので、最初から（追加をいれなくても）SIFTやSURFが使える2.4.10にした。以降、2.4.9を前提にインストールの手順を進める。

１．OpenCV公式パッケージの入手とインストール
公式ページからダウンロード。今回は、2.4.10。
展開する。展開場所はどこでもよいが、参考したページに従い、C:\dev\　にした。
パスにスペースが入ると動かいソフトもあるので、これがよいだろう。

２．環境変数に追加
C:\dev\opencv-2.4.10\opencv\build\x64\vc12\bin
ちゃんと追加されているか確認するために、commandを立ち上げて、「opencv_traincascade.exe」とでも打ち込み、エラーが表示されなければよいだろう。上手くいけば、引数が足りないといわれヘルプがでるだけ。

３．Visual Studio Project ファイルの設定
・インクルードパス
ソリューションエクスプローラーのプロジェクト名を右クリックし、プロパティを立ち上げる。
構成プロパティ->C/C++
　追加のインクルードディレクトリに下記を追加
　C:\dev\opencv-2.4.10\opencv\build\include

・ライブラリパス
ソリューションエクスプローラーのプロジェクト名を右クリックし、プロパティを立ち上げる。
構成プロパティ->リンカー
　追加のライブラリディレクトリに下記を追加
　C:\dev\opencv-2.4.10\opencv\build\x64\vc12\lib

・使用ライブラリの指定
ソリューションエクスプローラーのプロジェクト名を右クリックし、プロパティを立ち上げる。
構成をDebug若しくはReleaseにして、構成プロパティ->リンカー->入力
　追加の依存に下記を追加（下はDebugの時）
opencv_core2410d.lib
opencv_highgui2410d.lib
何のライブラリが必要かは、下の表見てね。（OpenCV入門（1）より）
(まぁ、cmakeを使えば勝手に集めてくれるが、執筆時点Cmakeが上手く動いてくれないので、直接入れている。)

モジュール名	ライブラリ名（OpenCV 3.0）	概要
core	opencv_core300.lib	画像・行列データ構造の提供、配列操作、図形描画、XMLおよびYAML入出力、コマンドラインパーサー、ユーティリティ機能など
imgproc	opencv_imgproc300.lib	フィルター処理、アフィン変換、エッジ検出、ハフ検出、色変換、ヒストグラム計算、ラベリングなど
calib3d	opencv_calib3d300.lib	カメラキャリブレーション、ステレオ対応点探索
features2d	opencv_features2d300.lib	特徴点抽出（ORB、BRISK、FREAKなど）
highgui	opencv_highgui2d300.lib	GUI（ウィンドウ表示、画像ファイル、動画ファイルの入出力、カメラキャプチャなど）
ml	opencv_ml300.lib	SVM、決定木、ブースティング、ニューラルネットワークなど
cuda	opencv_cuda300.lib	画像処理のCUDA（GPGPU）実装
objdetect	opencv_objdetect300.lib	オブジェクト検出（顔検出、人体検出など）
photo	opencv_photo300.lib	画像修復、ノイズ除去処理、HDR（High Dynamic Range）合成、画像合成など
shape	opencv_shape300.lib	形状マッチング
stitching	opencv_stitching300.lib	パノラマ合成
superres	opencv_superres300.lib	超解像処理
video	opencv_video300.lib	オプティカルフロー、カルマンフィルタ、背景差分など
viz	opencv_viz300.lib	3Dデータの可視化（内部的にVTKを使用）
nonfree	opencv_nonfree300.lib	一部の国で特許が取得されている、もしくは使用に制限がある可能性があるアルゴリズム（SIFT、SURF）

                                   主要モジュールとその機能概要

注意：Debugでやっているときは *d.libが必要となるので注意。Releaseのときはdがつかないやつを追加。

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
教訓
最初は最新版が使いたくてVisual Studio 2015で挑戦していたが、どうしてもうまくいかない。どこが上手くいかないかというと、コンパイルは通るのだが、実際に動かす段階でDLLの参照（特徴点抽出）でエラーがでる。どうやら、原因は２つ。
１．Visual Studio 2013 と　2015のｃ＋＋のコンパイラは異なる。
２．OpenCVは異なるコンパイラから生成されたDLLを用いると、使う関数（これ重要）によってはエラーがでる。最低限動かすだけならでないこともある。

ーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーーー
参考：
OpenCVのインストール
http://www.buildinsider.net/small/opencv/02

新たな戦闘教義「群（Swarm）」の実現に向けた実験

この分野は、Vijayさんのところのニュースが多いなー
http://hiah.minibird.jp/?p=1790

同じく無人機関係のニュースですが、こちらは別枠で紹介したいと思います。自動運転する無人ボート13隻を「群」としてコントロールした実験です。実験は８月に行われたとのこと。

• 米海軍がテストしている「無人ボート」の群行動：（動画あり）（WIRED.jp，2014/10/21）

なぜこのニュースに注目したかというと、無人機の群制御は新たな戦争の「教義」となる可能性があるためです。戦闘教義とは、作戦や戦闘における軍部隊の運用思想を言います。例えばヒトラーの「電撃戦」や、第二次大戦での「艦船に対する航空攻撃」は、その時代の新たな戦闘教義として威力を誇りました。

無人機の最先端動向をレポートした『ロボット兵士の戦争』（2010）では、ドローンの普及に伴い研究されている新たな戦闘教義として、「母艦」と「群」を挙げています。このうち「群（Swarm）」は、低コストな無人機を大量に準備し、群れとして強大な攻撃力を持たせるという思想です。

• ロボット・無人兵器がもたらす４つの変化（『ロボット兵士の戦争』書評 3/3）（希望は天上にあり，2013/7/8）

無人ボートの実験は、米軍の「群」教義の進捗を知るうえで気になるニュースでした。無人機の群行動については次の記事も参考になります。

• 極小ロボヘリ、驚異の群行動：動画（WIRED.jp，2012/2/6））
• 見よ、この編隊飛行する超小型クワッドコプターたちを（TechCrunch，2014/10/18）

頻発するドローンの異常接近と、法規制

面白い記事があったので、一部抜粋
http://hiah.minibird.jp/?p=1790

ドローンが注目を集めており、この３ヶ月でもドローンに関するニュースがたくさんありました。ちょっと３ヶ月のニュースをまとめてみたいと思います。

まずこの３ヶ月で目立っていたのが、ドローンによる事故や、ドローンを利用した事件です。ドローンの空中衝突等は以前から問題視されていますが、この３ヶ月はとくに目立っていたように思います。まだ大事件には至っていないようですが‥。

• ドローン乱入で試合中止：サッカーのセルビア・アルバニア戦（WIRED.jp，2014/10/16）
• ドローンによる「意図的な」旅客機ニアミス事件が多発（WIRED.jp，2014/10/27）
• 原発上空にまた無人機、グリーンピースは関与を否定 フランス（AFPBB，2014/11/2）
• フランスの13原発に、正体不明のドローン接近（WIRED.jp，2014/11/4）
• 第9回湘南国際マラソン 空撮用ラジコンヘリ墜落と辻堂おでんセンター火事（湘南オヤジのブログ，2014/11/3）
• 航空機へのドローン異常接近が頻発。「ドロニー」も流行（WIRED.jp，2014/11/28）

ドローンに対する法整備は進められているようですが、まだ時間がかかりそう。

• 無人機「ドローン」に免許制検討　米航空局、商用拡大視野に（47NEWS，2014/11/25）
• 「空の産業革命」をけん引するドローンの可能性–用途拡大で求められる法整備（ZDNet Japan、2014/12/3）

規則作りに関しては、ドローンによる配送を計画するAmazonもアプローチを行っています。ドローンを利用したサービスは以前まとめて紹介しました。どこまでのサービスや利用が実現するのか、引き続き注目です。

• アマゾン、ドローン屋外試験飛行の早急な認可をFAAに要請–米国外拠点での試験にも言及（CNET Japan，2014/12/11）
• アメリカでのドローン商用利用、一歩前進：ドローンでの映画製作が可能となった日（WIRED.jp，2014/9/28）
• 
  

シルクドゥ・ソレイユのドローンを使ったパフォーマンスは必見

その他のドローン用途にまつわるニュースもタイトルを列挙。色々提案されていますね。

• ウェアラブル・ドローンがカメラの定義を変える：腕に装着できる小型ドローン（動画あり）（WIRED.jp，2014/10/9）
• 「米国・メキシコ国境の半分」は無人機が監視（WIRED.jp，2014/11/22）
• インド警察、「暗視カメラ搭載ドローン」を導入へ（WIRED.jp，2014/12/15）

米海軍がテストしている「無人ボート」の群行動：（動画あり）

http://wired.jp/2014/10/21/navy-self-driving-swarmboats/

米海軍は、自律運転で群行動するボートの技術をテストしている。無人ボート13隻で行われたテストの動画を紹介。

ヴァージニア州ニューポートニューズのジェームズ川で8月に行われたテストで公開された、全長8.5mの「無人ボート」。

軍艦は、港で補給しているときや、狭い海峡や川を移動しているときに危険な状態になる。狭い場所は操舵が難しく、攻撃にさらされやすいからだ。

2000年にイエメンのアデン港で起きた米艦「コール」襲撃事件は、ミサイル駆逐艦コールが停泊・補給しているときに起きた。小型ボートが艦の左舷に接近し自爆攻撃を行ったこの襲撃では、米国の水兵17人が死亡。全長約154mのコールは左舷に12m四方の亀裂が生じ、港にいる軍艦を保護する必要性が再確認された。

こうした攻撃に対抗するため、米海軍では、小型警備艇で接近戦からの防御を行っている。しかしこれは、水兵が危険な場所にたつということだ。

そこで米海軍研究局（ONR）は、人に代わってその危険な任務に当たることができる小型「群ボート」の技術を開発することになった。

「群行動」についての関連記事
・リーダーの指揮で音楽を演奏する群ロボット
・群行動のロボヘリが音楽を演奏
・極小ロボヘリ、驚異の群行動：動画
・群行動する自律走行車『Autonomo』

技術名はCARACaS（Control Architecture for Robotic Agent Command and Sensing）。要するに、ほぼあらゆるボートに追加設置が可能な自動操船の技術だ。

ヴァージニア州ニューポートニューズのジェームズ川で8月に行われたテストでは、CARACaS技術を搭載した複合艇（複合型ゴムボート）13隻が「重要な」船を護送し、「敵船」を包囲した。

CARACaS技術を搭載した群ボートシステムでは、人間のオペレーターが、攻撃から保護するのはどの船かをノートパソコンから群ボートに指示すると、行き先や、舵とスロットルのタイミングなどを自ら判断する。人間からの指示は、ほかの船やヘリコプター、さらには現場から遠く離れた場所からでも可能だ。

地球の裏側にいるかもしれない人間の船長と通信ができなくなったボートは、そのまま水上で停止する。

8月のテストでは、群ボートからの発砲は行われなかったが、海軍はそれを可能にする方向で進めている。もっとも、攻撃対象やタイミングの判断を群ボートのロボットに任せることはしないという。

競争優位性の維持

なかなかいい記事を見つけた。

http://gendai.ismedia.jp/articles/-/43775

AIを使った工場の最適化とかあまりやってない（日本で１社知ってけど）ので、MachineLearningの応用の手段の一つとしてよさそうだ。

工場でなくても、工業系の何かの最適化をMachineLearningでやると、他社が追いつくのに学習に時間がかかる。機械学習で最適化した事業は、もし最適化し続けられるなら、先行の優位性を保てるだろう。

たしかに、Googleが最近　GooglePhotoを無料にしたが、バックグラウンドではMachine Learningをさせ続けているとのことだ。これを続けられると、他の企業は絶対に真似できないだろうな。

競争優位性の維持に面白いアプローチがでてきたもんだ。

PCL FLANN include時のwindows7, Visula stuidoでの書き換え必要なエラー(fopen etc...)の解消法

PCLのTriangulationを使いたくて、必要なヘッダファイルをインクルードしたら、それだけでコンパイルが通らない。

原因は、使っている3rd partyソフトウェアのFLANNの中にfopenとかを使っているかららしい。VC++8.0(VisualStudio2005)以降では、セキュリティのために、CRT（Cランタイムライブラリ）のセキュリティ強化版（"_s"が付いたやつ）があるからそっち使え、ってことらしい。めんどくさい・・・

その解消のための手順を記します。

１．Program files\PCL 1.7.2\3rdParty\　のアクセス権を変える。
Windows Vista/7/8/8.1では、セキュリティ強化機能として、User Account Control(略称:UAC) がサポートされているので、管理者権限が与えられているユーザーでも、一般ユーザーと同じく、フォルダに対してファイルの書き込み や更新ができません。

と、いくことでファイルを書き換える前にアクセス権を変更する必要があります。

Program files\PCL 1.7.2\3rdParty\　で右クリック　プロパティを開く
セキュリティのタブを押す
「Grope or Username」で「User」を選択し、PermissionにFull Controlを与える。

参考：http://www.trycut.com/uac.htm

２．書き換える
それでは、書きかえれるようになったので書き換えていきましょう。

C:\Program Files\PCL 1.7.2\3rdParty\FLANN\include\flann\util\serialization.h
　362行
　変更前：stream_ = fopen(filename, "w");
　変更後：fopen_s(&stream_,filename, "w");
　406行
　変更前：stream_ = fopen(filename, "w");
　変更後：fopen_s(&stream_,filename, "w");
C:\Program Files\PCL 1.7.2\3rdParty\FLANN\include\flann\util\saving.h
　65行
　変更前：strcpy(signature, FLANN_SIGNATURE_);
　変更後：strcpy_s(signature, FLANN_SIGNATURE_);
　67行
　変更前：strcpy(version, FLANN_VERSION_);
　変更後：strcpy_s(signature, FLANN_SIGNATURE_);
C:\Program Files\PCL 1.7.2\3rdParty\FLANN\include\flann\util\logger.h
　66行
　変更前：stream = fopen(name,"w");
　変更後：fopen_s(&stream, name, "w");

PS:多分大丈夫だと思いますが、使用する機能を使ったわけではないので、動作は保障しません。

参考：http://blog.livedoor.jp/mrcom511/archives/51270788.html

探索アルゴリズムを視覚的に比較

非常に面白い。ためになるので掲載

http://gigazine.net/news/20150619-search-algorithm-visualize/




出発点(問題)とゴール(解)が用意された時にどのような道順で進めばいいか調べるアルゴリズムが「探索アルゴリズム」です。この探索アルゴリズムには複数の種類が存在するのですが、中でも基本的なもの8つ＋ゲームデベロッパーの＠shohei909さん自作のアルゴリズム2つを合わせた全10種のアルゴリズムで迷路をクリアしようとすると、どのような探索が行われることになるのかを目で見て楽しめるようにしたのが「迷路で眺める探索アルゴリズム」です。

迷路で眺める探索アルゴリズム(Search algorithm visualize) - wonderfl build flash online
http://wonderfl.net/c/hq8p

迷路で眺める探索アルゴリズム | 机上のにゅーろん
http://spheresofa.net/blog/?p=1044

これが「迷路で眺める探索アルゴリズム」。


画面上部にはこんな感じの操作メニューが敷き詰められており……


赤枠部分から探索アルゴリズムを変更可能。使用可能なアルゴリズムは深さ優先・幅優先・反復深化深さ優先・山登り優先・最良優先・間違い制限・幅優先ビーム・最良優先ビーム・優良優先・二重制限の10種類あり、画面上部からいつでも選択できます。


「new」をクリックすればいつでも迷路の形を変更可能で、「speed」を調整してアルゴリズムが迷路を探索するスピードを調整することもできます。


「start」をクリックで探索がスタート。「＜＜」で探索のスタート時点に戻る、「＜」でひとつ前の段階に戻る、「＞」でひとつあとの段階に進む、「＞＞」で探索の終了時点に移動。


「S」と書かれた青色のマスがスタート地点


「G」と書かれた青色のマスがゴール地点


迷路自体はこんな感じ。薄いグレーが未探索部分で、濃いグレーが探索済の部分。


赤色マスは探索で発見した分岐点あるいは行き止まり


オレンジのマスは「不要な探索」と見なされ打ち切られた「枝刈り」の分岐点・行き止まりで、赤色マスに書かれた数字はゴールに近い順番に順位を付けたもの。


探索が終了すると迷路上に白色の線でゴールまでの道のりが記されます。濃いグレー色の部分は探索済みの箇所になるので、ゴールにたどり着くためにかなり無駄な探索を行ったことが分かります。


そして、迷路下部には「分岐数」や「探索回数」が書かれており、探索回数は迷路内で移動した回数、つまりは計算時間(CPU Time)に直結。そして、分岐数は探索中に発見した赤マスの数で、メモリの使用量に直結します。


実際に「深さ優先探索」で迷路をクリアするまでの探索の様子は以下のムービーで見られます。

「迷路で眺める探索アルゴリズム」を使ってみた - YouTube


というわけで、同一の迷路を各アルゴリズムがクリアすると、クリアまでの時間や分岐数、探索範囲などがどれくらい異なってくるのか調べてみました。

◆深さ優先探索(Depth-first search)


分岐数：8、探索回数：803、最大分岐数：15

10個のアルゴリズムの中で最大分岐数が最大。

◆幅優先探索(Breadth-first search)


分岐数：7、探索回数：820、最大分岐数：9

迷路をクリアしたアルゴリズムの中で最も多くの探索回数を要した。

◆反復深化深さ優先探索(Iterative deeping depth-first search)


分岐数：8、探索回数：775、最大分岐数：12、深さ制限：316

◆山登り法(Hill climbing)


分岐数：0、探索回数：19、最大分岐数：2

唯一迷路をクリアできない探索アルゴリズム

◆最良優先探索(Best-first search)


分岐数：10、探索回数：411、最大分岐数：10

10種類の中でも特に探索回数が少なくて済むアルゴリズム。

◆間違い制限探索(Limited discrepancy search)


分岐数：11、探索回数：600、最大分岐数：12、間違い制限：10

こちらも比較的探索回数が少なめ。ただし、分岐数は迷路をクリアしたアルゴリズムの中で最大。

◆幅優先ビームサーチ(Breadth-first beam search)


分岐数：5、探索回数：682、最大分岐数：7

分岐数のみ最小。

◆最良優先ビームサーチ(Best-first beam search)


分岐数：5、探索回数：394、最大分岐数：6

迷路をクリアした中では探索回数・分岐数共に最小。

◆優良優先探索(good-first search)


分岐数：7、探索回数：814、最大分岐数：8

◆二重制限探索(Double limit search, Good-first beam search)


分岐数：7、探索回数：809、最大分岐数：8

探索アルゴリズムによって迷路を探索するルートはかなり異なってくるようで、迷路の形次第では探索済ゾーンの形は大きく変わってきます。なお、「迷路で眺める探索アルゴリズム」で使用されている探索アルゴリズムは迷路だけでなくパズルやソリティアなどのゲームの探索に利用可能で、手を加えればチェスやオセロのような対戦ゲームに応用することもできるそうです。