2019 Fiscal Year Annual Research Report
Realization of robust SLAM in non-artificial environment based on feature extraction function of deep learning
| Project/Area Number |
17K06485
|
|---|
| Research Institution | Hokkaido University |
|---|
Principal Investigator |
江丸 貴紀 北海道大学, 工学研究院, 准教授 (30440952)
|
|---|
| Project Period (FY) |
2017-04-01 – 2020-03-31
|
| Keywords | SLAM |
|---|
| Outline of Annual Research Achievements |
本研究では農林業が行われているフィールドに代表される非人工環境において高精度な自己位置推定を行うために，深層学習によって自動的に抽出された特徴点を利用したロバストなSLAMの実現を目的とする。これまでの研究で屋内環境におけるSLAMの基礎的研究はほぼ達成されており，現在は自動運転車に代表される屋外におけるSLAM研究が盛んである。しかしながら屋外環境には自動車が走行するような人工環境だけではなく農林業を行うような非人工環境も存在しており，非人工環境を対象としたSLAMに関する研究はほとんど無い。そこで，本提案では深層学習を用いたマルチモーダル認識と熟練者のスキルを深層学習に組み込むという新しい手法によって非人工環境におけるロバストなSLAMを実現することを目的とする。平成29年度は農業・林業環境において深層学習を利用することにより作物・雑草の認識を行い，特徴点を自動的に抽出することを目的に研究を実施した。平成30年度はRGB-Dを利用した深層学習によって類似した作物・雑草の識別方法を提案した。さらに深層学習に用いる大量のデータを効率的に取得するための画像処理方法について提案した。これらを踏まえ，最終年度は以下の課題について研究を実施した：
１：雑草・作物の識別方法について，RGB（画像情報），Depth（奥行き情報）に加えサーマル情報（熱情報）を加えたマルチモーダル深層学習システムを提案し，その有効性について実際に圃場で取得したデータを用いて検証を行い有効性を確認した。
２：圃場において低コストで自律走行可能なシステムを実現するために，安価なDepthセンサによって環境を認識し自律走行するシステムを構築し，シミュレーション並びに実機実験によって検証を行った。
|
