2017 Fiscal Year Annual Research Report
Acquisition and application using geometry big data by multiple robots with high-resolution laser scanner
| Project/Area Number |
26249029
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
倉爪 亮 九州大学, システム情報科学研究院, 教授 (70272672)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
中澤 篤志 京都大学, 情報学研究科, 准教授 (20362593)
河村 晃宏 九州大学, システム情報科学研究院, 助教 (60706555)
諸岡 健一 九州大学, システム情報科学研究院, 准教授 (80323806)
|
|---|
| Project Period (FY) |
2014-04-01 – 2018-03-31
|
| Keywords | 知能ロボティクス / レーザ計測 / ビッグデータ / 環境モデリング / 空間知能化 |
|---|
| Outline of Annual Research Achievements |
平成29年度は，前年度までに取得，公開した福岡市都市部，周辺部における大規模ジオメトリデータなどを用い，大規模ジオメトリビッグデータを活用したアプリケーションの例として，①大規模ジオメトリビッグデータを用いた空間種別の識別システム，②大規模ジオメトリビッグデータを用いた路面種別の識別システムの2種類の識別システム，③大規模点群データを用いたパーソナルモビリティビークルの誘導システムを開発した．①については，距離データのみならず，全方位レーザ距離センサから得られる反射率データも用い，畳み込みニューラルネットワークにより周囲の空間種別をリアルタイムで識別する手法を新たに開発した．使用したデータ数は34,200組であり，識別する空間種別は海岸，森林，屋内駐車場，屋外駐車場，住宅地，市街地の6種類である．実験の結果，距離画像を用いた場合で97.2％，反射強度を用いた場合で95.9％，両者を同時に用いDeep Neural Networkで統合した場合で97.9％であり，いずれの手法とも高精度で空間種別が識別可能であることを確認した．②については，テクスチャ解析のための既存手法であるLocal Binary PatternとSupport Vector Machineを用いた手法，および深層学習を用いた手法の2種類のシステムを構築した．深層学習で用いたDeep Neural Networkは，全結合層2層を含み，全6層からなるニューラルネットワークである．実験の結果，アスファルト，小石，芝生，砂，タイルの5つの異なる路面種別に対して，深層学習を用いた場合で98.2％の高精度で路面識別が可能であることが確認された．③については，大規模点群データに対して，代表者らが提案しているNDTを用いた高速な位置同定手法を適用し，車いす型ロボットが屋外環境を安定して自律移動できることを確認した．
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
