| 研究課題/領域番号 |
17K06485
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
制御・システム工学
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
江丸 貴紀 北海道大学, 工学研究院, 准教授 (30440952)
|
|---|
| 研究期間 (年度) |
2017-04-01 – 2020-03-31
|
| 研究課題ステータス |
完了 (2019年度)
|
| 配分額 *注記 |
4,550千円 (直接経費: 3,500千円、間接経費: 1,050千円)
2019年度: 780千円 (直接経費: 600千円、間接経費: 180千円)
2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2017年度: 2,730千円 (直接経費: 2,100千円、間接経費: 630千円)
|
|---|
| キーワード | SLAM / 知能ロボティックス / 深層学習 |
|---|
| 研究成果の概要 |
本研究は農林業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の実現を目的としたものである。主な研究成果は以下の通りである：1)雑草・作物を識別方法するために，RGB，Depthに加え温度情報を加えたマルチモーダル深層学習システムを提案。2)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を提案。3)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センサにより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有効性を検証。
|
| 研究成果の学術的意義や社会的意義 |
これまでSLAMに関する研究は屋内・屋外人工環境で行われており，農林業環境に代表される非人工環境下でロバストに実現することは未だ行われていないため学術的・社会的にも非常に意義のある研究である。本研究を遂行する上で重要な要素技術となっている作物・樹木の3次元座標獲得および特徴点抽出は，ロバストなSLAMを実現すると同時に除草・収穫作業を効率的に行うための重要な情報となり，高機能農林業機械開発の中核的な技術となり得る。また個々の作物・樹木の情報を含むロバストな地図情報は，センサネットワークやビックデータ解析と組み合わせることにより飛躍的に情報の質を向上させ，同時に生産性の大幅な向上が期待できる。
|
