本研究では,実際に移動車両が走行により得た経験を反映した屋外環境の認識方法を提案し,研究最終年度においては,これまでに構成した実験機器および実装済みの方法を用いて屋外不整地環境での走行検証実験を行った.カメラにより屋外不整地環境を観測し,その地形を走行するロボットの運動情報を予測する方法を開発し実機移動ロボットにより検証した.動作指令用PC,加速度センサ,CCDカメラを搭載した4輪型移動車両を用いる実機実験システムを用いた. 路面の画像から視覚特徴を抽出する方法として,カメラの透視投影モデルと座標変換モデルにもとづいた画像の変換(鉛直上方から見下ろした画像への変換)と画像テクスチャ解析に用いられるSFTA特徴とを用いた.移動車両の車輪が通る場所を画像内の領域として特定し,その領域のSFTA特徴量と,実際に路面を走行させて得られた加速度情報との間の関係を関数近似器を用いて学習させた.また,より凹凸の大きな路面に対応するため,ステレオカメラを用いた3次元像再構成およびStructure from Motionによる3次元再構成を実装し,段差等の障害物の高さ計測を行えるようにした.関数近似器には,階層型ニューラルネットワーク,ガウシアンプロセス,ガウシアンプロセスの入力依存ノイズへの拡張版などを用いた.また,均一の模様を持つ路面だけでなく,草地の中の木の根など,部分的に均一でない模様を含んだ地形も加えて評価を行った.テストデータにおける検証において,段差の高さにもとづく振動の推定が約65%程度のデータについて可能であることが確認された.SFTAによる振動の推定に関しては,局所的に現れる特異的な突起等が誤差の大きな原因となっていることを特定した.そのような局所的な突起等を識別して対処するための情報処理が求められることが確認された.
|