Robust localization for an autonomous vehicle by sensing information selection based on the divergence between probability distributions

本研究は、自律移動体自身が持つセンサ情報だけでなく、環境に設置されているセンサ情報や他の自律移動体のセンサ情報を適切に選択・統合することで、移動環境に依存しない頑健かつ高精度な自律移動体の自己位置推定の実現を目的している。2021年度までに、環境に設置されたセンサ情報を統合した位置推定手法確立の第一段階として、近年様々な所に数多く設置されている監視カメラから取得された画像をセンサ情報の具体例として取り上げた。そして、画像を用いて監視カメラから見た時の自律移動体の相対位置推定システムを構築した。画像と相対位置を持つ学習データ取得システムを構築し、取得した画像と位置の関係を深層学習を用いて学習することで、画像を用いた自律移動体の位置推定を実現している。2022年度は、構築した位置推定システムの精度検証並びに誤差評価を行った。位置推定システムに用いる深層学習モデルの入出力構成を何種類か設定し、位置推定精度を検証した結果、ロボットの3次元位置と3次元姿勢角を別の学習器で学習・推定することで精度向上が見られた。一方で、深層学習モデルの学習に使った画像データを解析した所、取得データの一部に偏り見られたため、これが位置推定精度向上の妨げになっていることが考えられた。更に、複数個所に設置した監視カメラから取得した画像による位置推定結果を統合した所、位置推定精度の向上が見られた。また、後のセンサ情報統合のための確率分布モデルを導出するため誤差評価を行った所、正規分布での誤差分布近似の可能性が見い出せた。以上の結果について、国内の学術講演会にて4件発表を行った。

本研究は、自律移動体自身が持つセンサ情報だけでなく、環境に設置されているセンサ情報や他の自律移動体のセンサ情報を適切に選択・統合することで、移動環境に依存しない頑健かつ高精度な自律移動体の自己位置推定の実現を目的している。2021年度までに、環境に設置されたセンサ情報を統合した位置推定手法確立の第一段階として、近年様々な所に数多く設置されている監視カメラから取得された画像をセンサ情報の具体例として取り上げた。そして、画像を用いて監視カメラから見た時の自律移動体の相対位置推定システムを構築した。画像と相対位置を持つ学習データ取得システムを構築し、取得した画像と位置の関係を深層学習を用いて学習することで、画像を用いた自律移動体の位置推定を実現している。2022年度は、構築した位置推定システムの精度検証並びに誤差評価を行った。位置推定システムに用いる深層学習モデルの入出力構成を何種類か設定し、位置推定精度を検証した結果、ロボットの3次元位置と3次元姿勢角を別の学習器で学習・推定することで精度向上が見られた。一方で、深層学習モデルの学習に使った画像データを解析した所、取得データの一部に偏り見られたため、これが位置推定精度向上の妨げになっていることが考えられた。更に、複数個所に設置した監視カメラから取得した画像による位置推定結果を統合した所、位置推定精度の向上が見られた。また、後のセンサ情報統合のための確率分布モデルを導出するため誤差評価を行った所、正規分布での誤差分布近似の可能性が見い出せた。以上の結果について、国内の学術講演会にて4件発表を行った。