Googleさんの「Cloud Vision API」をたたいてみた

テストしてみた顔認識の入力画像:( SKEyewear で使えるかな?という調査 )

 

 

 

 

Googleさんの出力

 

右の眉毛はここ、鼻はここ、といった、XY座標で出力されてますね。

 

{ “responses”: [ { “faceAnnotations”: [ { “boundingPoly”: { “vertices”: [ { “x”: 35 }, { “x”: 997 }, { “x”: 997, “y”: 1023 }, { “x”: 35, “y”: 1023 } ] }, “fdBoundingPoly”: { “vertices”: [ { “x”: 164, “y”: 273 }, { “x”: 900, “y”: 273 }, { “x”: 900, “y”: 1008 }, { “x”: 164, “y”: 1008 } ] }, “landmarks”: [ { “type”: “LEFT_EYE”, “position”: { “x”: 379.09708, “y”: 512.9182, “z”: -0.0035719858 } }, { “type”: “RIGHT_EYE”, “position”: { “x”: 692.2014, “y”: 504.98523, “z”: 17.198246 } }, { “type”: “LEFT_OF_LEFT_EYEBROW”, “position”: { “x”: 271.443, “y”: 446.3512, “z”: 18.494772 } }, { “type”: “RIGHT_OF_LEFT_EYEBROW”, “position”: { “x”: 468.86835, “y”: 458.9002, “z”: -62.220333 } }, { “type”: “LEFT_OF_RIGHT_EYEBROW”, “position”: { “x”: 614.698, “y”: 452.65558, “z”: -54.532906 } }, { “type”: “RIGHT_OF_RIGHT_EYEBROW”, “position”: { “x”: 791.4072, “y”: 437.67944, “z”: 44.52209 } }, { “type”: “MIDPOINT_BETWEEN_EYES”, “position”: { “x”: 539.54724, “y”: 509.89087, “z”: -54.090206 } }, { “type”: “NOSE_TIP”, “position”: { “x”: 549.6621, “y”: 682.443, “z”: -109.46843 } }, { “type”: “UPPER_LIP”, “position”: { “x”: 547.452, “y”: 787.9144, “z”: -25.935995 } }, { “type”: “LOWER_LIP”, “position”: { “x”: 546.24554, “y”: 874.2333, “z”: 9.500529 } }, { “type”: “MOUTH_LEFT”, “position”: { “x”: 425.80505, “y”: 823.4164, “z”: 52.853046 } }, { “type”: “MOUTH_RIGHT”, “position”: { “x”: 662.73663, “y”: 815.1807, “z”: 66.73165 } }, { “type”: “MOUTH_CENTER”, “position”: { “x”: 545.68353, “y”: 823.5897, “z”: 2.2815921 } }, { “type”: “NOSE_BOTTOM_RIGHT”, “position”: { “x”: 616.59656, “y”: 712.9523, “z”: 9.308188 } }, { “type”: “NOSE_BOTTOM_LEFT”, “position”: { “x”: 475.38727, “y”: 715.9169, “z”: -0.5304815 } }, { “type”: “NOSE_BOTTOM_CENTER”, “position”: { “x”: 547.12274, “y”: 731.35, “z”: -36.35701 } }, { “type”: “LEFT_EYE_TOP_BOUNDARY”, “position”: { “x”: 392.76923, “y”: 502.9001, “z”: -22.035137 } }, { “type”: “LEFT_EYE_RIGHT_CORNER”, “position”: { “x”: 446.1575, “y”: 525.97986, “z”: 6.1234713 } }, { “type”: “LEFT_EYE_BOTTOM_BOUNDARY”, “position”: { “x”: 382.2821, “y”: 541.0646, “z”: 1.9413836 } }, { “type”: “LEFT_EYE_LEFT_CORNER”, “position”: { “x”: 322.50433, “y”: 516.0885, “z”: 26.407192 } }, { “type”: “LEFT_EYE_PUPIL”, “position”: { “x”: 388.10706, “y”: 521.47125, “z”: -7.180469 } }, { “type”: “RIGHT_EYE_TOP_BOUNDARY”, “position”: { “x”: 683.7959, “y”: 495.6776, “z”: -5.7105966 } }, { “type”: “RIGHT_EYE_RIGHT_CORNER”, “position”: { “x”: 749.6993, “y”: 506.82166, “z”: 49.96618 } }, { “type”: “RIGHT_EYE_BOTTOM_BOUNDARY”, “position”: { “x”: 689.4647, “y”: 535.0767, “z”: 18.457733 } }, { “type”: “RIGHT_EYE_LEFT_CORNER”, “position”: { “x”: 626.1424, “y”: 520.6325, “z”: 15.827335 } }, { “type”: “RIGHT_EYE_PUPIL”, “position”: { “x”: 686.228, “y”: 514.26575, “z”: 9.075204 } }, { “type”: “LEFT_EYEBROW_UPPER_MIDPOINT”, “position”: { “x”: 380.13187, “y”: 422.14667, “z”: -51.425316 } }, { “type”: “RIGHT_EYEBROW_UPPER_MIDPOINT”, “position”: { “x”: 695.8692, “y”: 414.42413, “z”: -33.777462 } }, { “type”: “LEFT_EAR_TRAGION”, “position”: { “x”: 183.83867, “y”: 606.6314, “z”: 371.10687 } }, { “type”: “RIGHT_EAR_TRAGION”, “position”: { “x”: 851.16785, “y”: 588.6188, “z”: 406.92557 } }, { “type”: “FOREHEAD_GLABELLA”, “position”: { “x”: 540.5287, “y”: 454.71814, “z”: -70.487366 } }, { “type”: “CHIN_GNATHION”, “position”: { “x”: 546.2589, “y”: 1005.02893, “z”: 71.741165 } }, { “type”: “CHIN_LEFT_GONION”, “position”: { “x”: 229.85832, “y”: 807.9502, “z”: 284.4725 } }, { “type”: “CHIN_RIGHT_GONION”, “position”: { “x”: 826.6798, “y”: 793.2037, “z”: 318.0036 } } ], “rollAngle”: -0.90915877, “panAngle”: 3.253379, “tiltAngle”: -9.302529, “detectionConfidence”: 0.9998878, “landmarkingConfidence”: 0.7961827, “joyLikelihood”: “VERY_UNLIKELY”, “sorrowLikelihood”: “VERY_UNLIKELY”, “angerLikelihood”: “VERY_UNLIKELY”, “surpriseLikelihood”: “VERY_UNLIKELY”, “underExposedLikelihood”: “VERY_UNLIKELY”, “blurredLikelihood”: “VERY_UNLIKELY”, “headwearLikelihood”: “VERY_UNLIKELY” } ] } ] }

工作機械シミュレーター

物理シミュレーターライブラリを使って製作しました。

手動運転でぶつかると「表示」や「音」を出すことができます。
複数のロボット間でも干渉を検出することができます。

さまざまな機械・機構の動きを、リアルタイムでシミュレーションできます。

インバースキネマティックを組み込むこともできます。

“工作機械シミュレーター” の続きを読む

頭部3Dスキャンの技術提供(アタマースキャン)

どんなことが出来る? 

 
 
 
顏の3Dデータは全体はもちろんですが、局所的に変形をすることもできます。(PDや顏幅の調整など)

スキャンサービスの提供

(特定の人の)頭のデータだけをとる場合は、スキャンしてデータをお送りします。

1回では失敗することがありますので、2回スキャンをして取得します。

 

企業向け(技術導入)

必要なハードウエア、基本スキャニングソフトウエア、基礎講習、基礎サポート(半日)で、実施します。活用方法やシステム化のご相談などもお受けいたします。

あれば使えるもの(なければ納入します)

 

PC: Core i5 以上、64bit Windows (7以降)、Rhinoceros5.0 (64bit)

講習時に持参は不要です。撮影後のデータ処理時などに使います。
一部のソフトを利用するために、無線LAN、ファイアーウオールの設定などが必要となります。

Rhinocerosの基礎的な知識があり、操作が出来ることを前提としています。

 
 
 
 
 

お問い合わせについて

 

レンズ

ranb-2

グリッドのおかげで乱視の矯正レンズだな、と、なんとなく分かると思うのですが、レンズを作っている人はグリッドがなくても、斜めからみてわかるそうです。

大きな空間とPython

あれこれ計算。


手計算でやっていくと、あるところから、計算機があると助かります。

コンピューターは、計算機であったのです。


Pythonでは分数が正しく扱えます。
Python 3系では扱う非常に巨大な整数の演算が可能です。
 
大きな空間を計算するとき、小さな空間を計算するときは、Pythonが良いです。
 
 
 

おもしろいロボみつけた

おもしろいロボットの方向性など・・最近みつけたものをご紹介します。

写真をクリックするとリンク先にジャンプします。

  • YOKIさんのロボット
    みどころ:「直観的コミュニケーションをエコに」「手頃な価格で高性能」「オープンソースでカスタマイズ自由」

 

  • ロボットのほん
    みどころ:「ゲスト執筆者多数!」

 

  • NIKKEI ASIAN REVIEW
    みどころ:「あなたの関与なしでは完成しないロボット」

宇宙シミュレータ

七夕です。宇宙のいろいろなエッセンスをプロダクトやデザインに応用したいなぁ、と、漠然と考えています。

この夏は、宇宙を語らいたい。

 

sp4

sp3

sp2

sp1

いろんな物理シミュレーションをするために、いろいろなソースコード、情報がインターネット上に公開されています。一人でも、あるいは、大きな会社でも、書ききれない英知の集まり。

咲和惟は、オープンでフリーな世界をデザインやエンジニアリングに取り入れ、会社の質量をゼロ以下にして、光速を超えて進んでいこうと思います。

コンピューター・サイエンスと 3D

アメリカ ハワイ州 3DイノベーションLLC様でミーティングをおこなうことになり行くことにしました。ホノルルにあるハワイ大学マノア校の敷地内にあります。

3Dモデリングと、STEM教育について、いろいろなことをやっていらっしゃるそうです。

ちかくにオバマ大統領が通ったナプホウ高校があります。

そのオバマ大統領のビデオをご紹介します。

オバマ大統領が語りかけるメッセージ。

 

世界にはいろんな職業があります。

人のためになる、ということは、自分の心で、その技術、仕事を好きになり、そして、自分を好きになり、他の人を好きになり。

だれでもが、自分が好きなこと、自分のまわりを喜ばせることを、どんどんやっていると、それが世界のお役に立ってしまう、そんな新しい時代になったといえます。

3D と IoT、I4.0を統合する、ちいさな事業をはじめました。