Top > 研究内容 > 人を支えるデジタルヒューマン > 距離画像からのパーティクルフィルタを用いた自己位置同定と小障害物発見

研究内容

距離画像からのパーティクルフィルタを用いた自己位置同定と小障害物発見

目的

警備

配達

案内

etc...
  • 目的地点へ行く
  • 決められたコースを巡回
自律移動
  • 自己位置同定: 誤差縮小
  • 障害物回避: 障害物発見
NOMADO 200

パーティクルフィルタ自己位置同定

  1. Resampling: サンプル点(パーティクル)を配置
    パーティクル(ロボットの位置、姿勢の候補点)をばらまく
  1. Prediction: ロボットの移動
    オドメトリ情報からパーティクルを移動させる。
    この時、オドメトリのノイズを考慮する(モーションモデル)
  1. Mesurement: 観測データからその場所にいる確からしさを計算

  1. Reselection: ロボットの存在確率が高いパーティクルを残す

Top ∆

自己位置同定実験

ロボットNOMADO200
カメラMEGA-DCS
光ジャイロJG-35FD
CPUPentium III 800MHz
メモリ384MB
OSLinux GNU Debian2.4.18
通信IEEE802.11a

オドメトリ(青): 蓄積誤差が存在
パーティクルフィルタ: 位置、姿勢を逐次更新
→ パーティクルフィルタでは蓄積誤差が現れないため、精度が改善される

Result of Localization

オンライン: 約0.1[m/s]で移動中
約1.6[s/frame]で計算

誤差(横軸の数字は上図の数字と対応)

Top ∆

誤差の原因

Top ∆

すべりによる誤差の低減

角を曲がる時のすべりによる影響大    ファイバオプティカルジャイロ(FOG)でヨー軸の回転角度を補正

実験: 約90度の回転滑りをあたえるFOGによって、すべりによる回転の誤差を補正できた。

Course of Experimentation
Results of Localization (緑: 補正なし、赤: 補正あり)

Top ∆

小障害物による影響の低減

青: 走行経路、円内: 障害物

Scan line 1: 障害物を壁と誤認識=精度が悪化

(赤: 推定経路、青: 走行経路)

a) outward
b) homeward
c) error
Result of Estimate

Scan line 2: 障害物の影響なし=精度が向上

a) outward
b) homeward
c) error
Result (Use High Information)

Top ∆