Robust localization for an autonomous vehicle by sensing information selection based on the divergence between probability distributions
| Project/Area Number |
21K12076
|
|---|
| Research Category |
Grant-in-Aid for Scientific Research (C)
|
| Allocation Type | Multi-year Fund |
|---|
| Section | 一般 |
|---|
| Review Section |
Basic Section 61050:Intelligent robotics-related
|
|---|
| Research Institution | Aichi Institute of Technology |
|---|
Principal Investigator |
道木 加絵 愛知工業大学, 工学部, 教授 (00350942)
|
|---|
| Project Period (FY) |
2021-04-01 – 2024-03-31
|
| Project Status |
Granted (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2023: ¥650,000 (Direct Cost: ¥500,000、Indirect Cost: ¥150,000)
Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
Fiscal Year 2021: ¥1,950,000 (Direct Cost: ¥1,500,000、Indirect Cost: ¥450,000)
|
|---|
| Keywords | 自己位置推定 / 自律移動体 / センサフュージョン / 深層学習 / 確率分布間距離 |
|---|
| Outline of Research at the Start |
自律移動体が屋内外で搬送・点検・清掃等の多岐に亘る作業を実現するには、頑健かつ高精度な自己位置推定が必要不可欠である。本研究では、移動環境に依存しない頑健かつ高精度な自己位置推定実現のため、自律移動体自身が持つセンサ情報だけでなく、他の自律移動体、更には環境に設置されているセンサ情報を適切に選択・統合する手法の構築を目指す。本研究では各センサ情報から算出される自律移動体の推定位置は確率分布で表されるとする。そして、これらを確率分布間の重み付き距離に基づき選択的に統合することで自己位置推定の頑健化・高精度化を実現する。
|
| Outline of Annual Research Achievements |
本研究は、自律移動体自身が持つセンサ情報だけでなく、環境に設置されているセンサ情報や他の自律移動体のセンサ情報を適切に選択・統合することで、移動環境に依存しない頑健かつ高精度な自律移動体の自己位置推定の実現を目的している。
2021年度までに、環境に設置されたセンサ情報を統合した位置推定手法確立の第一段階として、近年様々な所に数多く設置されている監視カメラから取得された画像をセンサ情報の具体例として取り上げた。そして、画像を用いて監視カメラから見た時の自律移動体の相対位置推定システムを構築した。画像と相対位置を持つ学習データ取得システムを構築し、取得した画像と位置の関係を深層学習を用いて学習することで、画像を用いた自律移動体の位置推定を実現している。
2022年度は、構築した位置推定システムの精度検証並びに誤差評価を行った。位置推定システムに用いる深層学習モデルの入出力構成を何種類か設定し、位置推定精度を検証した結果、ロボットの3次元位置と3次元姿勢角を別の学習器で学習・推定することで精度向上が見られた。一方で、深層学習モデルの学習に使った画像データを解析した所、取得データの一部に偏り見られたため、これが位置推定精度向上の妨げになっていることが考えられた。更に、複数個所に設置した監視カメラから取得した画像による位置推定結果を統合した所、位置推定精度の向上が見られた。また、後のセンサ情報統合のための確率分布モデルを導出するため誤差評価を行った所、正規分布での誤差分布近似の可能性が見い出せた。以上の結果について、国内の学術講演会にて4件発表を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
2021年度前期に、本研究を遂行するための基礎システムとなる画像と相対位置を持つ画像データ取得システム、深層学習モデルを用いた監視カメラからの相対位置推定システムの構築を終えていた。しかし、2021年度の下期に病気の治療・療養のため半年研究を中断したため、2021年度の計画にかなりの遅れが生じていた。2022年度は研究協力者並びに研究補助者の人数を増やし、複数の実験を並行して行ったため2021年度の遅れをかなり挽回できたと考える。しかし、様々な実験条件における精度検証や誤差評価や深層学習モデルを用いた位置推定システム単体の位置推定精度向上に関してはまだまだ課題が残る状況である。
|
| Strategy for Future Research Activity |
次年度は得られた誤差分布モデルを用い、センサ情報の選択・統合による自律移動体の位置推定を、環境中に設置されたカメラ画像情報を用いて行い、自己位置推定の安定性・頑健性・精度についての評価を研究の中心課題として実施する予定である。また、昨年度から残る深層学習モデルを用いた位置推定システム単体の位置推定精度の向上についても取り組む。更に、環境中に設置された別のセンサ（電波型センサを想定）についても同様のシステム構築並びに実験を行っていく予定である。
|
Report
(2 results)
Research Products
(4 results)
