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

形状分布と光反射率に基づく高次元特徴量を用いた自律走行車両の大域的自己位置認識

使用基于形状分布和光反射率的高维特征进行自动驾驶车辆的全局自定位识别

基本信息

批准号：
12J02589
负责人：
原祥尭
金额：
$ 1.73万
依托单位：
University of Tsukuba
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2012
资助国家：
日本
起止时间：
2012-04-01 至 2015-03-31
项目状态：
已结题

项目摘要

本研究では、大規模な歩行者空間における自律走行車両の実用化を目的として、大域的自己位置認識に取り組んだ。大規模な歩行者空間には広大な環境や見通しの悪い環境が存在し、LIDAR: Light Detection and Ranging（レーザスキャナとも呼ばれる）などのセンサ視野が不足するため、自己位置推定や地図生成が困難である。また、屋内環境と比較して多様な障害物が存在するため、その検出も難しい。本年度の取り組みでは、自己位置推定に用いる地図生成の新たな手法を提案して評価すると共に、自己位置推定や障害物検出の技術と組み合わせてシステムインテグレーションを行い、一般の人々がいる市街地における自律走行を実現した。従来の地図生成手法では、ランドマークとなる測定対象物を充分に計測できずに現在のセンサデータの情報量が乏しい場合、自己位置の推定を誤って地図生成に失敗してしまう問題があった。そこで本研究では、過去の複数回のセンサデータを蓄積して重ね合わせることで、仮想的にセンサデータの情報量を増やして正しく地図生成を行う新規手法を提案した。市街地における自律走行の実験の場であるつくばチャレンジ2014の環境で、走行距離 1.5 [km] 程度にわたって地図生成を行い、性能を評価した。過去5秒間、10秒間のスキャンを利用した提案手法では、生成した地図の形状誤差は最大でも 0.6 [m] となった。一方で従来手法では、20 [m] 以上の誤差が発生している。次に、過去のセンサデータを利用した地図生成手法と、形状データに基づくパーティクルフィルタを用いた自己位置推定手法、3次元形状からの障害物検出手法を新たに実装して組み合わせることで、自律走行のシステムを構築した。前述のつくばチャレンジ2014の環境での実験の結果、走行距離 1.5 [km] 程度の自律走行を成功率80%で達成した。

This study では, large-scale な step walker space における self-discipline tripper struck の be in turn を purpose として know their position and large domain に group take りんだ. Large mass な step walker space には hiroo な environment や see tong しの悪い environment がし, LIDAR: Light Detection and held (レーザスキャナとも shout ばれる) などのセンサ lack of vision がするため presumption, their location 図 generate が difficulty with やである. Youdaoplaceholder0, the indoor environment と is relatively <s:1> て. There are many な harmful substances が present, するため, そ and 検 are difficult to be removed. This year の group take りみでは presumption, their location に with いる図 to generate new たのな technique proposed をして review 価すると altogether に, constructive や handicap of their position 検みとの technique group and わせてシステムインテグレーションを line い, general の々がいる city street to における self-discipline go line を be presently した. 従図 generation technique to のでは, ランドマークとなる determination as content を seaborne fully に measuring できずに now のセンサデータの intelligence quantity が spent しい occasions, his position presumption のを mistakenly って in 図 failure generating にしてしまう problem があった. そこで this study では, past の plural のセンサデータを accumulation して heavy ね close わせることで, 仮 think にセンサデータの intelligence quantity を raised やして is しく図 to generate line をう proposed new rules gimmick をした. City street to における discipline direction の be 験の field であるつくばチャレンジの environment で, 2014 line distance (km) 1.5 degree にわたって in 図 generated ををい, performance evaluation of 価した. Over the past five seconds, 10 seconds のスキャンを using した proposal gimmick では, generate した to 図の shape error は biggest でも 0.6 [m] となった. One party で従 comes with でで, and a <s:1> error of more than 20 [m] が causes a てるるる. に, past のセンサデータを using した図と formed, shape データに base づくパーティクルフィルタを with いた their presumption location technique, three dimensional shape からの handicap of content 検 out technique を new たに be loaded して group み close わせることで, discipline direction のシステムを build した. The foregoing のつくばチャレンジ 2014 の environment での be 験の results, go line distance (km) 1.5 degree の direction を success rate 80% で achieve self-discipline した.