準動的環境における移動ロボットのセンサプラニングシステム構成法の研究

2011 Fiscal Year Research-status Report

• Project/Area Number: 23500247
• Research Institution: Chuo University
• Principal Investigator: 坂根 茂幸 中央大学, 理工学部, 教授 (10276694)
• Project Period (FY): 2011-04-28 – 2014-03-31
• Keywords: 移動ロボット / センサプラニング / 準動的環境 / 地図生成 / ICタグ

Research Abstract

本研究では、準動的環境における移動ロボットの自己位置推定、および、準動的物体のポーズ推定を行う際に、推定の信頼性・効率性の評価基準に基づいて、最適なセンシング行動を決定するセンサプラニングシステム(HSP-SD)の構成法を開拓する。HSP-SDでは、HSPに加えて新たな機能の実現が必要となる。　第一に、HSPで用いた分割セルの課題がある。これは階層化のために必要なもので、環境中のある場所と類似のセンシング特徴（レーザセンサによる距離プロフィールの幾何学的特徴）を持つ場所が同一クラスになるように、クラスタリングを行う。そして、準動的環境で地図生成を行うSLAM-SDでは、準動的物体が検出されると、そのポーズを地図上で更新する。　本研究では、これまで利用していたK-平均法に換えて、確率的なクラスタリング手法に基づく方法を試みた（ロボットに搭載されるLRFのセンサシミュレーションが可能なソフトウエアStageを利用した）。具体的には、2値画像化した地図データからボロノイ境界線上における観測点のPOSE集合を抽出し、各観測点で360°のLRFデータをサンプリング収集した。観測データをn×pの行列 ( nは1つのPOSEにおける距離データ数（最も単純な場合は４方向）、そしてpは観測点の数) として求め、MATLAB上で、新たにデリクレ過程混合モデル（Dirichlet Process Mixture）に基づくクラスタリング手法を適用した結果、入力にクラスタ数を与えることなく、妥当な結果が得られた。　 第二に、従来のレーザレンジファインダに加えて、カラー画像と距離画像の情報をセンサプラニングで利用することを検討し、そのためのセンサシステム（Microsoft製Kinect）について基本的な動作確認を行った。

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

類似している部分環境センシング特徴のクラスタリングについて、従来のK-平均法に変わるものとして、デリクレ過程混合モデルによる方法が利用できることが分かったことは意義がある。さらに、従来のLRF（レーザレンジファインダ）のセンシングデータに加えて、カラー画像データおよび距離画像データの両センシングデータ利用を検討し、そのためのサブシステムとして利用できる見通しが得られたこについても意義深いと考えている。

Strategy for Future Research Activity

前記のカラー画像データおよび距離画像データの両センシングデータを利用するサブシステムの構成を行うと共に、このサブシステム化に基づいて、準動的環境においてSLAMを信頼性良く行うために必要なセンサプラニング機能の構成を目指す。

Expenditure Plans for the Next FY Research Funding

センサプラニングのシステムの性能評価を行う実験に必要な機器（センサ類、実験用コンピュータシステムを含む）を購入する。