2020 Fiscal Year Research-status Report
Realizing robust SLAM using a non-uniform group of UGVs and UAVs for large-scale field management
| Project/Area Number |
20K04392
|
|---|
| 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) |
2020-04-01 – 2023-03-31
|
| Keywords | SLAM |
|---|
| Outline of Annual Research Achievements |
本研究では、広域な森林管理に有効な無人飛行体（UAV, Unmanned Aerial Vehicle）と無人地上移動機 （UGV, Unmanned Ground Vehicle）との連携による地図生成と自己位置同定の同時解決問題 （SLAM, Simultaneous Localization And Mapping）を目的とする。林業においては樹木を植栽してから伐採するまでの様々な作業において機械化が進んでいるが、育林初期における下草刈りは大きなコスト、人手が必要にもかかわらず作業の自動化が進んでいない。本研究では、UGVに搭載したカメラ画像認識による樹木と下草の識別精度向上に取り組むとともに、UAVからの情報を補完的に利用することにより樹木や地形をロバストに認識し、さらに認識結果を生かした高精度マップを構築することによって林業環境における除草作業の軽労化・自動化実現を目指す。令和２年度の研究実績概要は以下のとおりである。
課題1[画像認識]：画像情報を利用して樹木と雑草を識別するために、物体検出器・HOG を対象となる樹木に適用し、パターン認識手法・SVMの手法と組み合わせることで対象となる樹木を検出する検出器を作成した。
課題2[SLAM]：樹木に覆われて衛星が補足できないという森林環境では樹木を特徴点として利用する確率的な手法が有効である。そこで、RGB-Dカメラによって得られた3次元情報と樹木の検出器の情報を組み合わせることで、GNSSの情報が間欠的にしか得られないような森林環境下において、より精度の高いロボットの自己位置推定を行う手法について研究した。
課題3[UGV-UAV連携]：UAVとUGV間の通信と、充電のためのドッキング機構に関する基礎的研究を行った。ロバストなドッキングを実現する機構および制御手法について研究を行った。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
令和２年度の研究目標は、広域な森林管理に有効なUAVとUGVとの連携によるロバストなSLAMを実現するために、上記の課題1～課題3を解決することである。課題1および課題2については実フィールドによって得られたデータに基づいて研究を進める必要があるが、令和２年度はコロナ禍の影響によりフィールドにおけるデータ収集を頻繁に行うことができなかったため、特に検証については今年度の課題として残っている。しかしながら、これまでのプロジェクトで我々が蓄積したデータを利用することによって研究を推進した。課題3については当初の計画以上に進展することができた。これをもって、研究プロジェクトトータルとしては「おおむね順調に進展している」とする。以下、それぞれについて詳細に説明する。
課題1[画像認識]：研究室でこれまでに取得したデータを利用することによって、HOGおよびSVMによる樹木の認識器を構成したが、サンプルデータを増やすための実験を行うことができなかった。対象となる樹木のバリエーションを増やす、また認識精度を向上させるためにはサンプルとなるデータを増やす必要があるため、この部分が課題として残っている。
課題2[SLAM]：「みちびき」として知られるQZSSのサービスを利用することによって屋外環境においてセンチメートルオーダーの測位がこれまでの比較的低コストで実現できる環境が整ってきた。このデータをGround Truthとして利用することによって自己位置同定精度を評価できるが、コロナ禍の影響によりデータ取得実験の回数が不足した。
課題3[UGV-UAV連携]：UGV-UAVのドッキング機構を3Dプリンタによって作成し、その制御手法について研究を行うことにより、ロバストなドッキングを実現することが可能になった。
|
| Strategy for Future Research Activity |
令和３年度は育林初期のフィールドにおいて実証実験を実施し、令和２年度に確立した要素技術の統合を図る。また、令和２年度にコロナ禍の影響により実施できなかった実フィールドにおける実証実験を可能な限り実施し、提案手法の検証及びブラッシュアップに努める。なお、当初の計画ではフィリピンのバナナ、タイのゴム、マレーシアの油ヤシ（パームツリー）などに代表される海外プランテーションにおける調査を予定していたが、令和３年度においても海外におけるデータ収集は非常に難しいと考えられる。そこで国内、特に北海道内のフィールドにおいて実証実験を行うべく準備を進める。具体的な取り組みとして、課題1および課題3について以下のように研究を進める。
課題1[画像認識]：雑草と樹木の識別精度は、天候などの条件によって大きく変動することが考えられる。令和２年度の成果をもとに、深層学習の分野の成果を取り入れながら樹木をロバストに認識可能となるような改良を図る。地図が作成された後は樹木の位置は大きく変わらないことから、自己位置同定の結果を利用することによる、地図情報をもとにした認識の高速化などについても検討する。
課題3[UGV-UAV連携]：GNSSの情報が安定して利用できない環境下でのUAVの自律的運用について検討し、複数のUAV間の通信を確立するとともに、UGVとも通信して正確な現在位置を獲得する手法を確立する。この時、UAVとUGVの間には、速度や実際に通過可能な経路の違いが存在する。これらの情報を動的に融合することによる、３次元的なSLAMとしての問題解決に取り組む。
|
| Causes of Carryover |
当初計画では地上移動ロボット、LiDAR等を導入する計画であったが、他プロジェクトで導入した物品を効率的に運用することにより予算を効率的に執行することができた。そこで、屋外環境における運用が容易であり、効率的なデータ収集を行うことができるUAVとしてDJI社 MATRICE 300 RTK Enterprise Shield Basicを導入した。
この事例をはじめとして、研究代表者・研究協力者が所有する計測機器などを効率的に利用することにより予算の執行を効率的に行い、結果として1,162円を次年度使用額として繰り越した。
繰越額が相対的に大きな金額ではないため、令和３年度は当初の研究計画に基づき、効率的な予算執行に努める。
|
