研究課題
自動運転において、自車両の位置を特定するself-localization技術では、Velodyen等のような360度スキャン型のLIDARを活用して三次元計測を行う研究が多く行われ、高精度なlocalizationを行う技術として評価を得ている[1]。将来の自動運転において、LIDARを中心としてシステムが普及することは確実と思われるが、いくつかの課題が見えている。現在は、あらかじめ計測された距離データのpoint cloudをレファレンスとして、実走行で得られたpoint cloudとの比較を行う技術[1]が主流であるが、point cloudとして三次元地図はデータ量が膨大で、記録やダウンロードの目的に対して難点がある。また、アクティブセンサーは、コストや消費電力に課題があり、自動ブレーキ用のRadarのようにセンサー間の干渉という課題もすでに顕在化している。これまで、多くの研究やデモンストレーションは、独自に取得したpoint cloudデータを使用するのが一般的であり、標準となるようなディジタルフォーマットの議論はなされていない。本研究では、抽象化された地図によってもself-localizationの精度を保つことができるような、抽象化フォーマットを検討した。図4に示したように、NDT(Normal Distribution Transform)というベクターに誤差分布を付加したフォーマットを採用し、point cloudデータを圧縮することを試みた。その結果、1000～10000倍程度にデータを圧縮しても、self-localizationの精度がほとんど劣化しないことが分かった。また、NDTをplanerサーフェスモデルに拡張したフォーマットでも同様の結果が得られた。この結果は、国際会議で論文賞を受賞する等、先駆的な成果として国際的に高く評価された。
平成30年度が最終年度であるため、記入しない。
すべて 2018
すべて 雑誌論文 (4件) (うち査読あり 4件、 オープンアクセス 4件) 学会発表 (4件) (うち国際学会 3件)
IEEE Sensors Journal
巻: Vol. 19, No. 1 ページ: 287-296
10.1109/JSEN.2018.2874665
IEEE Access
巻: Vol. 6 ページ: 49850-49867
10.1109/ACCESS.2018.2868244
IATSS Research
巻: 0 ページ: 1-13
10.1016/j.iatssr.2018.05.001
International Journal of Automotive Engineering
巻: Vol. 9, No. 2 ページ: 79-85
10.20485/jsaeijae.9.2_79
