2020 Fiscal Year Annual Research Report
The realization of next-generation SLAM technique with incremental adaptation to changing domains: cross-domain map learning
| Project/Area Number |
17K00361
|
|---|
| Research Institution | University of Fukui |
|---|
Principal Investigator |
田中 完爾 福井大学, 学術研究院工学系部門, 准教授 (30325899)
|
|---|
| Project Period (FY) |
2017-04-01 – 2021-03-31
|
| Keywords | 移動ロボット / SLAM / 変化検出 / 地図 / SLAM / 自己位置推定 / ドメイン適応 / 深層学習 |
|---|
| Outline of Annual Research Achievements |
本年度は、クロスドメイン地図学習の実証実験を行った。具体的に、下記の研究課題を実施した。
（１）ドメイン適応のための自動機械学習システムの開発：クロスドメイン地図学習において、ドメインシフトに起因する、過学習が課題であった。この問題を解決するために、ドメインシフトへ逐次適応する自動機械学習システムを研究開発した。特に、本実験では、ラベル無し訓練画像列からランドマーク検出器を自動機械学習する応用に焦点を当てた。本実験のツールとして、新たに、訓練画像列からランドマーク群を発見する画像処理モジュール、および、ランドマーク群に対し検出器のニューラルネットワークのアーキテクチャを最適化する自動機械学習モジュールを開発した。実験により、アーキテクチャの最適化を行うことで、有意に性能が向上することを確認した。
（２）深層SLAMにおけるドメイン変化検出手法の開発：視覚場所分類器と視覚歩測からなる簡便な深層SLAMシステムを構築し、このシステムにおけるドメイン変化検出手法を研究開発した。マハラノビス距離に基づく簡便な変化検出手法を用いて、プロトタイプシステムを開発し、有効性を検証した。
（３）再帰的オートエンコーダを使用した場所固有の背景モデリング：最近の大規模なインテリジェント車両（IV）アプリケーションの観点から、すべての可能な場所に対して場所固有の背景モデルをトレーニングすることは、空間/時間効率の観点から非現実的である可能性がある。これらの問題に対処するために、AEベースの異常検出（AD）とAEベースの画像圧縮（IC）の利点を組み合わせた新しいオートエンコーダー（AE）ベースの効率的なICDフレームワークを提案した。
|
