Development of Image Segmentation for Autonomous Driving of Air-land Unmanned Aerial Vehicle

点击翻译按钮获取中文摘要

地域における物流の効率化によるCO2排出削減に向けて，空陸両用自律無人機での配送システムの開発が不可欠である．しかし，空陸両用自律無人機の活用において，自律的に飛行と走行を切り替える着陸点位置などの知能的環境感知の課題が残っている．そこで，本研究の学術的「問い」は「複雑環境に対する頑健性を飛躍的に向上させる新たな環境認識を確立できるか？」である．本研究では人工知能を用いた運転環境感知の自動化を持つ自律無人機の開発を目的としている．具体的には空から陸上の周囲環境を人工知能により認識し，安全に自律離着陸できるアルゴリズムを開発する．周囲環境を人工知能により認識するための有効な手段の一つはセグメンテーションである。セグメンテーションは，画像中の物体と背景の境界まで切り分け，その輪郭まで正確に推定するタスクであり，コンピュータビジョンの分野で最も重要なトピックの一つとして古くから研究が行われている．コンピュータに実行してほしい多くの視覚機能の中で，シーンを解析し，その中に含まれる物体を全て認識することは，現在でも最も挑戦的な課題である．本研究ではPV-RCNNというボクセルベースの手法とポイントベースの手法を組み合わせたフレームワークが提案されている．この手法では，点群のボクセル化データをもとに，3次元ボクセルCNNを用いて物体の特徴を抽出する．しかし，CNNによる分解能低下に伴い，物体の位置特定に影響を与えてしまう．そこで，本研究では，ボクセルCNNからの単一の出力のみでなく，より高分解能の出力も含めた複数の出力をRPNに入力させ，より小さい物体に対する検出精度を向上させることを行なっている．