权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

非GPS環境下における移動ロボット車の内外部カメラ映像を用いた自律走行制御

在非 GPS 环境下使用移动机器人车辆的内部和外部摄像头图像进行自动驾驶控制

基本信息

批准号：
21K05852
负责人：
佐藤和也
金额：
$ 2.5万
依托单位：
Saga University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究では植物工場やビニールハウスなどの非GPS環境下で，カメラ映像を用いて移動ロボット車を自律制御走行させることを目的としている．研究初年度では，内部カメラ映像により移動ロボット車と特徴点とするパイロンとの相対的な位置を計測する際，パイロンの認識方法として簡単な画像処理手法を用いたが，床面の反射や外光などの影響により特徴点の抽出が困難である場合があることが判明した．そこで研究2年度目は，機械学習による特徴点認識方法について検討を行った．また，さらにパイロンの置き方を工夫することで移動ロボット車の直進走行距離を伸ばすことを検討するとともに，2種類の特徴点を準備して認識の違いにより移動ロボット車が左右に旋回する方法を考案した．考案した方法を用いて実証実験を行い，結果も含めて査読付き国際会議にて発表した．さらに，画像処理方法に比べ機械学習による特徴点を認識した方が，よりロバストに認識できることを確認し，さまざまな環境において機械学習による特徴点認識の有効性を検証するとともに，自律走行制御が可能であることを実機実験により検証し，査読付き英文誌に論文を掲載した．一方，屋内などの非GPS環境下のみならず，果樹園などの圃場においても果実収穫の際にGPSを使わずに自律走行可能な移動ロボット車の導入が求められており，上記システムの導入を検討した．草地帯における特徴点認識に際して機械学習に用いるアノテーション画像を大量に準備し，芝生上での移動ロボット車の自律走行制御を行った．

In this study, plant plant plants were used in non-GPS environments, and the purpose of the study was to monitor the movement of vehicles and autonomous vehicles. At the beginning of the study, when measuring the relative positions of the characteristic points of the moving vehicles, the recognition methods of the characteristic points and the simplified image processing methods, it is difficult to extract the characteristic points due to the influence of the reflection of the bed surface and the external light. 2 years of research, mechanical learning, feature point recognition methods, research and implementation. 2. The characteristic points of the vehicle are prepared to recognize the violation of the law. The method of examination was used to prove the implementation of the project, and the results included the examination of the international conference and the presentation of the report. In addition, the method of image processing is more effective than mechanical learning in recognizing characteristic points, confirming the recognition of characteristic points, and verifying the recognition of characteristic points in mechanical learning in environment. On the one hand, in the house, in the non-GPS environment, in the orchard, in the fruit field, in the fruit field, in the GPS field, in the GPS field, in the automatic travel possible, in the mobile phone, in the vehicle, in the vehicle. The characteristics of grassland are recognized in the machine learning, and the automatic driving control of mobile vehicles is prepared in large quantities.