JP5192868B2 - Traveling area discrimination device and traveling area discrimination method for mobile robot - Google Patents
Traveling area discrimination device and traveling area discrimination method for mobile robot Download PDFInfo
- Publication number
- JP5192868B2 JP5192868B2 JP2008077984A JP2008077984A JP5192868B2 JP 5192868 B2 JP5192868 B2 JP 5192868B2 JP 2008077984 A JP2008077984 A JP 2008077984A JP 2008077984 A JP2008077984 A JP 2008077984A JP 5192868 B2 JP5192868 B2 JP 5192868B2
- Authority
- JP
- Japan
- Prior art keywords
- region
- area
- state
- mobile robot
- profile data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000012850 discrimination method Methods 0.000 title description 5
- 238000005259 measurement Methods 0.000 claims description 54
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000000034 method Methods 0.000 claims description 19
- 238000012545 processing Methods 0.000 claims description 17
- 230000003746 surface roughness Effects 0.000 claims description 13
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 8
- 238000005457 optimization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 230000011218 segmentation Effects 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 235000019592 roughness Nutrition 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Description
本発明は、自律して走行する移動ロボットの走行経路を決める段階において、移動ロボットの前方側の領域を走行可能領域及び障害などによる走行不能領域に区分けするのに用いられる走行領域判別装置及び走行領域判別方法に関するものである。 The present invention relates to a travel region discriminating apparatus and a travel device that are used to divide a region on the front side of a mobile robot into a travelable region and a travel impossible region due to an obstacle or the like at the stage of determining a travel route of a mobile robot that travels autonomously. The present invention relates to an area discrimination method.
従来、上記したような走行領域判別方法としては、例えば、１軸スキャンタイプのレーザレンジファインダを用いて外界データを取得し、このレーザレンジファインダで得たデータを統計処理することで平滑な領域を検出して走行可能領域とすると共に、平滑な領域に対して高さのある領域を検出して障害による走行不能領域とするようにした手法がある（特許文献１参照）。
ところが、上記した従来の走行領域判別方法では、レーザレンジファインダなどのセンサで取得したデータが、走行可能な平滑な領域の基準線やこの平滑な領域に対して高さのある領域の基準線を構成するものとして仮定するようにしていることから、走行領域の判別がレーザレンジファインダの揺動の影響を受けやすいうえ、不整地環境や任意の未舗装道路における走行領域の判別に適用することが困難であるという問題を有しており、この問題を解決することが従来の課題となっていた。 However, in the conventional traveling region discrimination method described above, the data acquired by a sensor such as a laser range finder can be used to calculate a reference line for a smooth region that can be traveled or a reference line for a region that is higher than the smooth region. Since it is assumed to be configured, the determination of the traveling area is easily affected by the fluctuation of the laser range finder, and it can be applied to the determination of the traveling area in rough terrain environment or any unpaved road. It has a problem that it is difficult, and it has been a conventional problem to solve this problem.
本発明は、上述した従来の課題に着目してなされたもので、レーザレンジファインダの揺動が激しい不整地環境や未舗装道路で移動ロボットを自律走行させる場合において、レーザレンジファインダにより取得した任意の位置及び任意の方向からのデータに基づいて、走行可能領域であるか否かの判別を安定して行うことが可能である走行領域判別装置及び走行領域判別方法を提供することを目的としている。 The present invention has been made by paying attention to the above-described conventional problems, and in the case where the mobile robot autonomously travels in rough terrain environment or unpaved road where the oscillation of the laser range finder is severe, an arbitrary acquired by the laser range finder It is an object of the present invention to provide a travel region discriminating apparatus and a travel region discriminating method capable of stably determining whether or not the vehicle is a travelable region based on the position of the vehicle and data from an arbitrary direction. .
ここで、ラインスキャンタイプの1軸レーザレンジファインダは、１回のスキャンで計測対象のプロファイルデータを取得可能であり、この際、スキャンレートが１００Ｈｚ程度なので、この1軸レーザレンジファインダが激しく揺動したとしても、得られるプロファイルデータは揺動の影響を受け難い。
このようなラインスキャンタイプの1軸レーザレンジファインダによる水平方向のスキャンラインＳＬを図１０に模式的に示し、不整地環境や未舗装路で取得される路面のプロファイルデータＰＤを図１１に模式的に示す。なお、図１０，図１１及び以下に示す図１２〜図１５中、ｚ方向は鉛直方向（上向き）であり、ｙ方向は移動ロボットの進行するｘ方向と直交する方向である。
Here, the line scan type single-axis laser range finder can acquire profile data to be measured in one scan. At this time, since the scan rate is about 100 Hz, the single-axis laser range finder swings violently. Even so, the profile data obtained is less susceptible to fluctuations.
FIG. 10 schematically shows a horizontal scan line SL by such a line scan type single-axis laser range finder, and FIG. 11 schematically shows road profile data PD acquired in an uneven terrain environment or an unpaved road. Shown in 10 and 11 and FIGS. 12 to 15 shown below, the z direction is a vertical direction (upward), and the y direction is a direction orthogonal to the x direction in which the mobile robot travels.
図１１に示すように、不整地環境や未舗装路で取得される路面のプロファイルデータＰＤは、（Ｎ）個の計測点データＰ（Ｐ＝ｐ１，ｐ２，…，ｐＮ）から構成されており、この場合、中央部分が走行可能領域、その左右の部分が走行不能領域を模擬している。
図１２に示すように、上記プロファイルデータＰＤを走行可能領域Ｂ及び走行不能領域Ａ，Ｃに正しく分割することができれば、それぞれの領域Ａ〜Ｃ内のデータに基づいて、低次の最小自乗近似等の簡便な手法により、勾配や表面粗さを正しく評価することができる。
As shown in FIG. 11, road surface profile data PD acquired in an uneven terrain environment or an unpaved road is composed of (N) pieces of measurement point data P (P = p1, p2,..., PN). In this case, the central part simulates a travelable area, and the left and right parts simulate a travel impossible area.
As shown in FIG. 12, if the profile data PD can be correctly divided into the travelable area B and the travel impossible areas A and C, a low-order least square approximation is performed based on the data in the respective areas A to C. The gradient and the surface roughness can be correctly evaluated by a simple method such as the above.
しかし、図１３に示すように、上記プロファイルデータＰＤの分割箇所を間違えると、領域Ａ〜Ｃ内のデータをサンプルデータとした場合には、勾配や表面粗さを正しく評価することができないため、その結果、走行可能領域及び走行不能領域を正しく評価することができない。
そこで、図１４に示すように、上記プロファイルデータＰＤを構成する（Ｎ）個の計測点データＰ（Ｐ＝ｐ１，ｐ２，…，ｐＮ）間における（Ｎ−１）個の境界点位置に、新たに状態変数Ｂ（Ｂ＝ｂ１，ｂ２，…，ｂｉ，…，ｂ（Ｎ−１））を定義し、この際、境界点ｂｉがとり得る値を（１）又は（−１）の２状態として、互いに隣接する計測点データＰ同士が同一領域であるか否かに応じて、図１５に示すように、該境界点ｂｉを（１）又は（−１）で表すことで、プロファイルデータの任意の領域分割状態を、２（Ｎ−１）の状態空間のうちの一状態として表現すことができる。
However, as shown in FIG. 13, if the division location of the profile data PD is wrong, when the data in the areas A to C is sample data, the gradient and the surface roughness cannot be correctly evaluated. As a result, the travelable area and the travel impossible area cannot be correctly evaluated.
Therefore, as shown in FIG. 14, at (N-1) boundary point positions between (N) measurement point data P (P = p1, p2,..., PN) constituting the profile data PD, A new state variable B (B = b1, b2,..., Bi,..., B (N−1) ) is defined. At this time, a value that the boundary point bi can take is set to 2 of (1) or (−1). According to whether the measurement point data P adjacent to each other is in the same region as the state, the boundary data bi is represented by (1) or (-1) as shown in FIG. Can be expressed as one state in 2 (N-1) state spaces.
この際、上記領域分割を行う指針として、以下のような評価関数を用いることとする。
すなわち、走行可能領域及び走行不能領域は、互いに異なる表面粗さを有すると推測できるので、各々の表面粗さを評価する値として、上記一状態における領域分割した計測点データ群を最小自乗近似し、これで得た近似線からのばらつきを加味した評価関数を用いることとした。この際、各領域はできるだけ連続性を持つことが望ましいので、類似する幾何的特徴を有する領域の連続性も評価関数に加味することとした。
At this time, the following evaluation function is used as a guideline for performing the region division.
That is, since it can be estimated that the travelable region and the travelless region have different surface roughnesses, the measurement point data group obtained by dividing the region in the one state is approximated by the least square as a value for evaluating each surface roughness. Therefore, an evaluation function that takes into account variations from the approximate line obtained in this way is used. At this time, since it is desirable that each region has continuity as much as possible, the continuity of regions having similar geometric characteristics is also taken into consideration in the evaluation function.
これにより、如何にして正しい領域分割を行うかという上記した問題は、２（Ｎ−１）の状態空間の中から上記評価関数を最大化させる分割状態を見つけ出す、という最適化問題に帰着することとなる。
上記した問題は、２（Ｎ−１）の状態空間のうちの一状態が２値の離散値であって微分が定義できないことから、ニュートン法などの適用が困難であるうえ、計測点データＰの数が数百個程度になるので、すべての状態を探索すると計算コストが膨大になる。
As a result, the above-described problem of how to perform correct region partitioning results in an optimization problem of finding a partition state that maximizes the evaluation function in 2 (N-1) state spaces. It becomes.
The problem described above is that one of the 2 (N-1) state spaces is a binary discrete value and cannot be differentiated, so that it is difficult to apply the Newton method or the like, and the measurement point data P Since there are about several hundreds, the computational cost becomes enormous if all states are searched.
したがって、本発明において、マルコフ連鎖モンテカルロ法（ＭＣＭＣ）を用いて最適解を求めることとした。このマルコフ連鎖モンテカルロ法は、ランダムサンプリングによる状態空間の探索時において、状態の確率分布に基づいて、よりもっともらしいと思われる状態の探索とサンプリングを行う手法である。なお、このマルコフ連鎖モンテカルロ法については、［伊庭幸人 他５名著 ２００５統計科学のフロンティア１２計算系統IIマルコフ連鎖モンテカルロ法とその周辺 岩波書店発行］にその詳細な説明が記載されている。 Therefore, in the present invention, the optimum solution is determined using the Markov chain Monte Carlo method (MCMC). The Markov chain Monte Carlo method is a method of searching and sampling a state that seems more plausible based on the probability distribution of the state when searching the state space by random sampling. The Markov chain Monte Carlo method is described in detail in [Yoshito Iba et al., 5 authors, 2005 Frontier 12 Computational System II Statistical Markov Chain Monte Carlo Method of Statistical Science and its Iwanami Shoten].
具体的に説明すれば、逐次的に異なる領域分割を試行して、評価関数が最大となる領域分割状態を探索することとなる。
上記試行におけるモンテカルロステップ動作の理解のため、ダミーデータを用いた領域分割結果を図１６（ａ）〜（ｄ）に示し、図１７（ａ）〜（ｇ）には、モンテカルロステップの回数（０，１００，１０００，２０００，３０００，４０００，５０００）毎のスナップショットを示す。
More specifically, different region divisions are tried sequentially to search for a region division state in which the evaluation function is maximized.
In order to understand the Monte Carlo step operation in the trial, the region division results using dummy data are shown in FIGS. 16A to 16D, and FIGS. 17A to 17G show the number of Monte Carlo steps (0). , 100, 1000, 2000, 3000, 4000, 5000).
図１６（ａ）〜（ｄ）に示す各例において、いずれも左側がモンテカルロステップを開始する初期状態であり、右側がモンテカルロステップの終了状態である。また、各図中、点は計測点データであり、互いに隣接する計測点データ同士が同じ領域であれば隣と同じ色（白又は黒）で表示し、一方、互いに隣接する計測点データ同士が同じ領域でなければ隣と異なる色で表示していて、色自体は意味をもっていない。 In each example shown in FIGS. 16A to 16D, the left side is an initial state in which a Monte Carlo step is started, and the right side is an end state of the Monte Carlo step. Moreover, in each figure, a point is measurement point data, and if the measurement point data adjacent to each other are the same region, they are displayed in the same color (white or black) as the adjacent, while the measurement point data adjacent to each other are displayed. If they are not in the same area, they are displayed in a different color from the next, and the colors themselves have no meaning.
このように、マルコフ連鎖モンテカルロ法を用いることで、上記した２（Ｎ−１）の状態空間の中から評価関数を最大化させる分割状態を見つけ出すことが可能となる。さらに、分割された領域内のデータに対し、低次の最小自乗近似を適用することにより、勾配や表面粗さを正しく評価することができ、走行可能領域であるか否かの判別を安定して行うことが可能となる。 As described above, by using the Markov chain Monte Carlo method, it is possible to find a divided state that maximizes the evaluation function from the above-described 2 (N-1) state space. Furthermore, by applying low-order least squares approximation to the data in the divided area, it is possible to correctly evaluate the gradient and the surface roughness, and to stabilize the determination as to whether or not it is a travelable area. Can be performed.
したがって、自律して走行する移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分けする本発明に係る走行領域判別装置では、レーザ光を走査して前記移動ロボットの前方側のプロファイルデータを取得するレーザレンジファインダを具備した外界計測部と、この外界計測部のレーザレンジファインダで得たプロファイルデータに基づいて、前記移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分け処理する処理部を備え、前記処理部では、前記外界計測部のレーザレンジファインダで得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同一領域にあるか否かに応じた２状態の状態変数を定義して（１）又は（−１）で表すことで、前記プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現し、互いに異なる幾何的特徴を有する領域を評価する値として、前記一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用い、前記２（Ｎ−１）の状態空間の中から前記評価関数を最大とする領域分割状態をマルコフ連鎖モンテカルロ法により求め、分割後の該領域内の計測点データから、勾配や表面粗さを評価することにより、前記移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分け処理する構成としており、この走行領域判別装置の構成を課題を解決するための手段としている。 Therefore, in the traveling region discrimination device according to the present invention that divides the region on the front side of the mobile robot that travels autonomously into the region where travel is possible and the region where travel is impossible, profile data on the front side of the mobile robot by scanning laser light Based on the profile data obtained by the laser range finder having the laser range finder for acquiring the range and the laser range finder of the external field measurement unit, the area on the front side of the mobile robot is divided into the runnable area and the runnable area. And (N-1) boundary point positions among (N) measurement point data constituting the profile data obtained by the laser range finder of the external field measurement unit. Define two state variables according to whether adjacent measurement point data are in the same region or not (1) or (-1) In Succoth, as a value representing the arbitrary region divided state of the profile data as a state of the state space of 2 (N-1), to evaluate the regions having different geometric characteristics from each other, in the one state Using the evaluation function that takes into account the variation from the approximate line obtained by least square approximation of the region-divided measurement point data group and the continuity of regions having similar geometric features, the above 2 (N-1) The state division state that maximizes the evaluation function is obtained from the state space by the Markov chain Monte Carlo method, and the gradient and the surface roughness are evaluated from the measurement point data in the region after the division. The area on the front side is divided into a travelable area and a travel impossible area, and the configuration of the travel area determination device is used as a means for solving the problem.
一方、自律して走行する移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分けする本発明に係る走行領域判別方法にあっては、前記移動ロボットに搭載したレーザレンジファインダからレーザ光を走査して該移動ロボットの前方側のプロファイルデータを取得した後、前記移動ロボットのレーザレンジファインダで得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同一領域であるか否かに応じた２状態の状態変数を定義して（１）又は（−１）で表すことで、前記プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現し、互いに異なる幾何的特徴を有する領域を評価する値として、前記一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何特徴を有する領域の連続性を加味した評価関数を用いて、前記２（Ｎ−１）の状態空間の中から前記評価関数を最大とする領域分割状態をマルコフ連鎖モンテカルロ法により求め、分割後の該領域内の計測点データから、勾配や表面粗さを評価することにより、前記移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分けする構成としており、この走行領域判別方法の構成を課題を解決するための手段としている。 On the other hand, in the traveling region discrimination method according to the present invention in which a region on the front side of a mobile robot that travels autonomously is divided into a travelable region and a travel impossible region, a laser beam is emitted from a laser range finder mounted on the mobile robot. To obtain profile data on the front side of the mobile robot, and then (N-1) pieces of (N-1) pieces of measurement data constituting the profile data obtained by the laser range finder of the mobile robot. By defining a state variable in two states according to whether or not the measurement point data adjacent to each other are in the same region at the boundary point position, it is represented by (1) or (-1), so that any of the profile data The region division state is expressed as one state in 2 (N-1) state spaces, and the one state is used as a value for evaluating regions having different geometric features. 2 (N-1) using an evaluation function that takes into account the variation from the approximate line obtained by least square approximation of the measurement point data group divided into regions and the continuity of regions having similar geometric features The mobile robot is obtained by obtaining a region division state maximizing the evaluation function from the state space by a Markov chain Monte Carlo method and evaluating the gradient and the surface roughness from the measurement point data in the divided region The region on the front side of the vehicle is divided into a travelable region and a travel impossible region, and the configuration of the travel region determination method is a means for solving the problem.
本発明において、上記評価関数をエネルギに見立て、評価が高い場合をエネルギが低いとし、一方、評価が低い場合をエネルギが高いとした。
また、状態の確率分布には、統計物理のアナロジより、評価関数をエネルギに見立てたボルツマン分布を適用し、遷移確率の決定には、状態の確率分布をもとにメトロポリス法を適用した。
In the present invention, the evaluation function is regarded as energy. When the evaluation is high, the energy is low. On the other hand, when the evaluation is low, the energy is high.
For the probability distribution of states, a Boltzmann distribution with an evaluation function as energy was applied from a statistical physics analogy, and the metropolis method was applied based on the probability distribution of states to determine the transition probability.
さらに、本発明において、効率的な最適化を行うために、シミュレーテッドアニーリングを適用した。
そして、上記のようにして正しい領域分割を行った後、それぞれの領域に含まれる計測点群に対して、図１２に示すように、幾何的特徴である勾配や表面粗さ等の物理量を推定すれば、走行可能領域及び走行不能領域が決定され、この結果を自律走行の経路計画地図の生成に供し得ることとなる。
Furthermore, in the present invention, simulated annealing is applied in order to perform efficient optimization.
Then, after performing correct area division as described above, as shown in FIG. 12, physical quantities such as gradients and surface roughness, which are geometric features, are estimated for the measurement point group included in each area. Then, the travelable area and the travel impossible area are determined, and the result can be used for generating a route plan map for autonomous travel.
なお、外界計測部としては、移動ロボットの前方側のプロファイルデータを取得する水平ラインスキャンタイプの１軸レーザレンジファインダが少なくとも一組あれば事足りるが、断面的な勾配データしか得ることができないデメリットを補うべく、垂直ラインスキャンタイプなどの水平とは異なる方向のラインスキャンタイプの１軸レーザレンジファインダを少なくとも一組使用することが望ましい。 It should be noted that it is sufficient for the external measurement unit to have at least one horizontal line scan type single-axis laser range finder for acquiring profile data of the front side of the mobile robot, but it has the disadvantage that only sectional gradient data can be obtained. In order to compensate, it is desirable to use at least one set of one-axis laser range finder of a line scan type in a direction different from the horizontal such as a vertical line scan type.
また、移動ロボットの自己位置を求めて上記外界計測部による計測地点を明確化する自己位置計測手段として、例えば、デッドレコニングやＧＰＳ（グローバル・ポジショニング・システム）を用いることができる。 Further, dead reckoning or GPS (Global Positioning System) can be used as self-position measuring means for obtaining the self-position of the mobile robot and clarifying the measurement point by the external measurement unit.
本発明に係る移動ロボットの走行領域判別装置及び移動ロボットの走行領域判別方法では、それぞれ上記した構成としたから、レーザレンジファインダの揺動が激しい不整地環境や未舗装道路で移動ロボットを自律走行させる場合であったとしても、レーザレンジファインダにより取得した任意の位置及び任意の方向からのデータに基づいて、走行可能領域及び走行不能領域の判別を安定して行うことができ、加えて、走行可能領域及び走行不能領域のそれぞれの領域における勾配や凹凸の度合いなどの物理量を精度良く得られるため、移動ロボットの走破性能に合わせた効率のよい経路計画が可能になるという非常に優れた効果がもたらされる。 The mobile robot travel area discriminating apparatus and the mobile robot travel area discriminating method according to the present invention have the above-described configurations, so that the mobile robot autonomously travels in rough terrain or unpaved roads where the laser rangefinder swings heavily. Even if it is a case, it is possible to stably determine the runnable area and the non-runnable area based on the data from any position and any direction acquired by the laser range finder. Since physical quantities such as the gradient and the degree of unevenness in each of the possible area and the inoperable area can be obtained with high accuracy, it has the excellent effect of enabling efficient route planning that matches the running performance of the mobile robot. Brought about.
以下、本発明に係る移動ロボットの走行領域判別装置及び走行領域判別方法を図面に基づいて説明する。
図１〜図８は、本発明に係る移動ロボットの走行領域判別装置の一実施形態を示しており、この実施形態では、移動ロボットが車両タイプである場合を例に挙げて説明する。
図１〜図２に示すように、この走行領域判別装置１は、レーザ光を走査して移動ロボットＲの前方側のプロファイルデータを取得する水平ラインスキャンタイプの1軸レーザレンジファインダ１１，垂直ラインスキャンタイプの1軸レーザレンジファインダ１２及びこれらのレーザレンジファインダ１１，１２で得たセンサ座標系データを鉛直上向きを１軸とする直交座標系データへ変換するデータを供するバーチカルジャイロ１３を具備した外界計測部１０と、デッドレコニング用のホイルオドメータ２１，ヨーレートセンサ２２及びＧＰＳ２３を具備して、移動ロボットＲの自己位置を求める自己位置計測部２０と、外界計測部１０で得た外界データ及び自己位置計測部２０で得た自己位置データが入出力回路２を介して入力される処理部３０と、この処理部３０とＬＡＮ３を介して接続する地図作成部４０を備えており、外界計測部１０の1軸レーザレンジファインダ１１では、図３に模式的に示すように、水平スキャンラインＳＬに沿う水平方向のプロファイルデータを取得し、一方、1軸レーザレンジファインダ１２では、垂直スキャン位置ＶＬにおける上下方向のプロファイルデータを取得するものとなっている。
DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS A mobile robot travel area determination device and a travel area determination method according to the present invention will be described below with reference to the drawings.
FIGS. 1-8 has shown one Embodiment of the traveling area discrimination | determination apparatus of the mobile robot based on this invention, In this embodiment, the case where a mobile robot is a vehicle type is mentioned as an example and demonstrated.
As shown in FIG. 1 to FIG. 2, the travel region discriminating apparatus 1 is a horizontal line scan type single-axis laser range finder 11 that scans a laser beam and acquires profile data on the front side of the mobile robot R, a vertical line. A scan type single-axis laser range finder 12 and an external environment provided with a vertical gyro 13 for providing data for converting sensor coordinate system data obtained by the laser range finders 11 and 12 into orthogonal coordinate system data having a vertical upward direction as one axis. A measurement unit 10, a dead reckoning wheel odometer 21, a yaw rate sensor 22, and a GPS 23, a self-position measurement unit 20 for obtaining the self-position of the mobile robot R, and external world data and self-position obtained by the external world measurement unit 10 A processing unit in which self-position data obtained by the measuring unit 20 is input via the input / output circuit 2 0 and a map creation unit 40 connected to the processing unit 30 via the LAN 3, and the uniaxial laser range finder 11 of the external measurement unit 10 has a horizontal scan line SL as schematically shown in FIG. On the other hand, the uniaxial laser range finder 12 acquires the profile data in the vertical direction at the vertical scan position VL.
この場合、外界計測部１０は移動ロボットＲの前端部（図２（ａ）左端部）に搭載され、一方、自己位置計測部２０は処理部３０，地図作成部４０及び後述する車体制御部６０とともに移動ロボットＲの後端部（図２（ａ）右端部）に搭載されており、この移動ロボットＲの後端部にはＧＰＳ２３用のアンテナ２４が配置してある。
そして、移動ロボットＲにおける車体駆動部５０の操舵手段５１は、ドライバ５２及び入出力回路４を介して車体制御部６０と接続していると共に、車体駆動部５０の車速制御手段５３は、コンバータ５４及び入出力回路４を介して車体制御部６０と接続しており、この車体制御部６０には、地図作成部４０からの制御信号がＬＡＮ３を介して入力されるようになっている。
In this case, the external environment measurement unit 10 is mounted on the front end portion (left end portion of FIG. 2A) of the mobile robot R, while the self-position measurement unit 20 includes a processing unit 30, a map creation unit 40, and a vehicle body control unit 60 described later. At the same time, it is mounted at the rear end of the mobile robot R (the right end in FIG. 2A), and an antenna 24 for the GPS 23 is disposed at the rear end of the mobile robot R.
The steering means 51 of the vehicle body drive unit 50 in the mobile robot R is connected to the vehicle body control unit 60 via the driver 52 and the input / output circuit 4, and the vehicle speed control means 53 of the vehicle body drive unit 50 is a converter 54. In addition, the vehicle body control unit 60 is connected to the vehicle body control unit 60 via the input / output circuit 4, and a control signal from the map creation unit 40 is input to the vehicle body control unit 60 via the LAN 3.
上記処理部３０は、図４にも示すように、移動ロボットＲの前方側の領域を走行可能領域及び走行不能領域に区分け処理する走行可否領域分割処理モジュール３０Ａを有していると共に、自己位置計測部２０で得た車速やヨーレート等による自己位置データに基づいて自己位置推定結果を生成する自己位置情報生成モジュール３０Ｂを有している。
この処理部３０では、外界計測部１０のレーザレンジファインダ１１，１２で得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同じ領域に属するか否かに応じた２状態の状態変数を定義して（１）又は（−１）で表すことで、プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現する処理と、この一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用いて、この評価関数を最大とする領域分割状態を上記２（Ｎ−１）の状態空間の中からマルコフ連鎖モンテカルロ法により求める処理とを行って、分割後の該領域内の計測点データから、勾配や表面粗さを評価することにより、移動ロボットＲの前方側の領域を走行可能領域及び走行不能領域に区分けするようにしている。
As shown in FIG. 4, the processing unit 30 includes a travel allowance area division processing module 30 </ b> A that divides and processes the area on the front side of the mobile robot R into a travelable area and a travel impossible area. It has a self-position information generation module 30B that generates a self-position estimation result based on self-position data based on vehicle speed, yaw rate, and the like obtained by the measurement unit 20.
In this processing unit 30, (N−1) boundary point positions between (N) measurement point data constituting the profile data obtained by the laser range finders 11 and 12 of the external measurement unit 10 are adjacent to each other. By defining a state variable of two states according to whether or not the measurement point data belong to the same region and expressing it by (1) or (-1), an arbitrary region division state of the profile data is represented by 2 (N− 1) processing expressed as one state in the state space, variation from an approximate line obtained by least square approximation of the area-divided measurement point data group in this one state, and similar geometric features using an evaluation function that takes into account the continuity of the region, the region division condition to maximize the evaluation function performed a process of determining the Markov chain Monte Carlo from the state space of the 2 (N-1) From within that region of the measuring point data after the division, by evaluating the slope and roughness, so that partitioning the front side region of the mobile robot R to the travelable area and the wheelchair-stranded region.
ここで、上記マルコフ連鎖モンテカルロ法を用いた領域分割アルゴリズムを具体的に説明すると、図５に示すように、ステップＳ１でモンテカルロステップｔ＝０の初期状態にある状態変数Ｂ（０）（Ｂ＝ｂ１，ｂ２，…，ｂｉ，…，ｂ（Ｎ−１））に対して、ステップＳ２において、初期エネルギＥ（０）を計算してこの初期状態の評価を行う。
次いで、ステップＳ３において、状態Ｂのインデックスｉをランダムに決めてｂｉの値を（１）→（−１）或いは（−１）→（１）に変更して状態Ｂ´を生成し、ステップＳ４において、状態Ｂ´に基づいてエネルギＥ（Ｂ´）を計算してこの状態の評価を行う。
Here, the region division algorithm using the Markov chain Monte Carlo method will be described in detail. As shown in FIG. 5, in step S1, the state variable B (0) (B = b 1, b 2, ..., bi, ..., performed on b (N-1)), in step S2, to calculate the initial energy E (0) to evaluate the initial state.
Next, in step S3, the index i of state B is randomly determined and the value of bi is changed from (1) → (−1) or (−1) → (1) to generate state B ′, and step S4. , Energy E (B ′) is calculated based on the state B ′, and this state is evaluated.
次に、ステップＳ５において、変更前のエネルギＥ（Ｂ（ｔ））及び変更後のエネルギＥ´に基づいて、確率Ｐ（Ｂ（ｔ）β）及びＰ（Ｂ´β）を計算するのに続いて、ステップＳ６において、遷移確率を決定するために、メトロポリス法に用いる一様乱数０≦ｒ＜１を生成する。
この後、ステップＳ７において、上記で求めた確率Ｐ（Ｂ（ｔ）β）及びＰ（Ｂ´β）の比であるＰ（Ｂ（ｔ）β）／Ｐ（Ｂ´β）と一様乱数ｒとを比較して、一様乱数ｒがＰ（Ｂ（ｔ）β）／Ｐ（Ｂ´β）よりも小さければ、ステップＳ８において、変更した状態Ｂ´を次の状態とし、一方、一様乱数ｒがＰ（Ｂ（ｔ）β）／Ｐ（Ｂ´β）よりも大きければ、ステップＳ９において、変更前の状態Ｂ（ｔ）を次の状態として、ステップＳ１０において、モンテカルロステップｔが所定回数（５０００回程度）に達するまで上記ステップＳ３以降の操作を繰り返すと、移動ロボットＲの前方側の領域が類似した幾何的特徴を有する連続領域に区分けされることとなる。
Next, in step S5, the probabilities P (B (t) β) and P (B′β) are calculated based on the energy E (B (t) ) before the change and the energy E ′ after the change. Subsequently, in step S6, a uniform random number 0 ≦ r <1 used for the metropolis method is generated to determine the transition probability.
Thereafter, in step S7, P (B (t) β) / P (B'β), which is the ratio of the probabilities P (B (t) β) and P (B′β) obtained above, and a uniform random number If the uniform random number r is smaller than P (B (t) β) / P (B′β), the changed state B ′ is set as the next state in step S8. If the random number r is larger than P (B (t) β) / P (B′β), the state B (t) before the change is set as the next state in step S9, and the Monte Carlo step t is set in step S10. When the operation after step S3 is repeated until the predetermined number of times (about 5000 times) is reached, the area on the front side of the mobile robot R is divided into continuous areas having similar geometric characteristics.
この区分けの後、領域内の計測点データから、勾配や表面粗さを評価することにより、走行可能領域及び走行不能領域に区分けすることができる。
この実施形態では、上記ステップＳ３以降の操作を繰り返す過程のステップＳ１１において、シミュレーテッドアニーリングを適用しており、モンテカルロステップｔを増す毎に、パラメータβをあらかじめ決定しておいたΔβ分ずつ増加させている。これにより、状態がローカルミニマムに陥るのを防ぎつつモンテカルロステップｔを実行して、全体最適解を効率よく求め得るようにしている。
After this classification, it is possible to classify into a travelable area and a travel impossible area by evaluating the gradient and surface roughness from the measurement point data in the area.
In this embodiment, simulated annealing is applied in step S11 in the process of repeating the operations after step S3, and each time the Monte Carlo step t is increased, the parameter β is increased by a predetermined Δβ. ing. As a result, the Monte Carlo step t is executed while preventing the state from falling into the local minimum so that the overall optimum solution can be obtained efficiently.
また、上記地図作成部４０は、処理部３０から得た走行可能領域及び走行不能領域の判別情報に基づいてベース地図を作成する地図作成モジュール４０Ａを有していると共に、この地図作成モジュール４０Ａで作成されたベース地図に基づいて移動ロボットＲの走行経路を決める走行経路決定モジュール４０Ｂを有している。
次に、上記した移動ロボットＲの走行経路決定用地図の作成要領を説明する。
The map creation unit 40 has a map creation module 40A that creates a base map based on the discrimination information of the travelable area and the travel impossible area obtained from the processing unit 30, and the map creation module 40A A travel route determination module 40B that determines the travel route of the mobile robot R based on the created base map is provided.
Next, a procedure for creating the travel route determination map of the mobile robot R will be described.
まず、図６に示すように、ステップＳ２１において、走行領域判別装置１の処理部３０に対して、外界計測部１０からのプロファイルデータ及び自己位置計測部２０からの車速やヨーレート等による自己位置データが入力され、ステップＳ２２において、バーチカルジャイロ１３によりレーザレンジファインダ１１，１２で得たセンサ座標系データが鉛直上向きを１軸とする直交座標系データへ変換される。 First, as shown in FIG. 6, in step S <b> 21, profile data from the external measurement unit 10 and self-position data based on vehicle speed, yaw rate, and the like from the self-position measurement unit 20 are processed with respect to the processing unit 30 of the travel area determination device 1. In step S22, the sensor coordinate system data obtained by the laser range finders 11 and 12 is converted by the vertical gyro 13 into Cartesian coordinate system data with the vertical upward direction as one axis.
続いて、ステップＳ２３において、処理部３０の走行可否領域分割処理モジュール３０Ａにおける上記マルコフ連鎖モンテカルロ法（ＭＣＭＣ）を用いた走行可能領域及び走行不能領域の分割処理が成され、ステップＳ２４において、分割された走行可能領域及び走行不能領域の各々のプロファイルデータに対して、幾何的特徴である勾配及び表面粗さの計算が成される。 Subsequently, in step S23, a process for dividing the runnable area and the non-runnable area using the Markov chain Monte Carlo method (MCMC) in the runnable / unrunable area dividing module 30A of the processing unit 30 is performed. The gradient and the surface roughness, which are geometric features, are calculated for the profile data of each of the travelable area and the non-travelable area.
次いで、ステップＳ２５において、処理部３０の走行可否領域分割処理モジュール３０Ａから得た走行可能領域及び走行不能領域の判別情報と、自己位置情報生成モジュール３０Ｂから得たデッドレコ情報などの自己位置情報とに基づいて、地図作成部４０の地図作成モジュール４０Ａによって整合性のあるベース地図が連続的に作成される。
そこで、上記した移動ロボットの走行領域判別装置１を用いて、河川敷及び未舗装林道の走行領域判別を試みた。
Next, in step S25, the discrimination information of the runnable area and the runnable area obtained from the runnable / unrunnable area division processing module 30A of the processing unit 30 and the self-position information such as dead record information obtained from the self-position information generation module 30B. On the basis, consistent base maps are continuously created by the map creation module 40A of the map creation unit 40.
Therefore, using the above-described traveling region discriminating device 1 of the mobile robot, an attempt was made to discriminate the traveling region of the riverbed and the unpaved forest road.
図７（ａ）及び図７（ｂ）は、それぞれ河川敷及び未舗装林道の画像を示している。
走行領域判別装置１の外界計測部１０によって実際に取得した図７（ａ）に示す河川敷及び図７（ｂ）に示す未舗装林道の各プロファイルデータに対して、処理部３０の走行可否領域分割処理モジュール３０Ａによるマルコフ連鎖モンテカルロ法を用いた走行可能領域及び走行不能領域の分割処理をそれぞれ行った後、分割された領域の各々のプロファイルデータに対して、勾配（１次フィッティングした直線の勾配）及び表面粗さ(２次フィッティングした曲線からの偏差の二乗和)の計算をそれぞれ行った。
FIG. 7A and FIG. 7B show images of a riverbed and an unpaved forest road, respectively.
For each profile data of the riverbed shown in FIG. 7 (a) and the unpaved forest road shown in FIG. 7 (b) actually acquired by the external field measuring unit 10 of the travel area discriminating apparatus 1, the travel enable / disable region division of the processing unit 30 After the processing module 30A performs the division process of the travelable area and the non-travelable area using the Markov chain Monte Carlo method, the gradient (gradient of the straight line obtained by the first-order fitting) is performed on the profile data of each of the divided areas. And surface roughness (sum of squared deviations from the curve fitted with the second-order fitting) were calculated.
そして、これで得た各データに対して閾値をそれぞれ設け、この閾値以下の部分を走行可能領域とすると共に、閾値以上の部分を走行不可能領域として、図７（ａ）に示す河川敷及び図７（ｂ）に示す未舗装林道を上から見た各地図に、上記走行可能領域及び走行不可能領域をそれぞれマッピングしたところ、図８（ａ），（ｂ）に示す分割領域表示地図が得られた。 Then, a threshold value is provided for each data obtained in this way, and a portion below this threshold is set as a travelable region, and a portion above the threshold value is set as a non-travelable region. When the above-mentioned runnable area and the non-runnable area are mapped to each map of the unpaved forest road shown in FIG. 7 (b), the divided area display map shown in FIGS. 8 (a) and 8 (b) is obtained. It was.
図８（ａ），（ｂ）の分割領域表示地図において、中央の筋状の濃い部分が走行可能領域Ｇを示しており、一方、走行可能領域の両側の薄い部分が走行不能領域ＮＧを示していて、周囲の濃い部分は未計測領域である。
図７（ａ）に示す河川敷の画像及び図７（ｂ）に示す未舗装林道の画像に、図８（ａ），（ｂ）の分割領域表示地図を重ねると、ほぼ正確に走行可能領域及び走行不能領域に分割されていることが判る。
In the divided area display maps of FIGS. 8 (a) and 8 (b), the dark portion at the center shows the runnable area G, while the thin parts on both sides of the runnable area show the non-runnable area NG. The surrounding dark area is an unmeasured area.
When the divided area display map of FIGS. 8 (a) and 8 (b) is superimposed on the riverbed image shown in FIG. 7 (a) and the unpaved forest road image shown in FIG. It can be seen that the vehicle is divided into areas where it cannot run.
したがって、上記した移動ロボットの走行領域判別装置１によれば、走行可能領域及び走行不能領域の判別を安定して行い得ることが実証できた。
実際の運用において、上記の閾値は移動ロボットＲの走破性能に合わせて設定する必要がある。また、物理量を連続値のまま地図に反映させ、より通行しやすい領域を選択する手法もある。
Therefore, according to the traveling region determination device 1 of the mobile robot described above, it has been demonstrated that the determination of the travelable region and the travel impossible region can be performed stably.
In actual operation, the above threshold needs to be set in accordance with the running performance of the mobile robot R. There is also a method of selecting a region that is easier to pass by reflecting the physical quantity as a continuous value on a map.
上記した走行領域判別装置１では、外界計測部１０が、１軸レーザレンジファインダ１１，１２及びバーチカルジャイロ１３を具備している場合を示したが、外界計測部１０の1軸レーザレンジファインダ１１以外の構成や配置はこれに限定されるものではない。
他の構成として、例えば、垂直ラインスキャンタイプの1軸レーザレンジファインダ１２に代えて水平ラインスキャンタイプの1軸レーザレンジファインダ１１をもう一組配置して、図９に模式的に示すように、両1軸レーザレンジファインダ１１の各水平スキャンラインＳＬ同士が互いに交差するようにしてもよい。
In the travel region discriminating apparatus 1 described above, the external measurement unit 10 includes the uniaxial laser range finders 11 and 12 and the vertical gyroscope 13, but other than the single axis laser range finder 11 of the external measurement unit 10. However, the configuration and arrangement are not limited to this.
As another configuration, for example, instead of the vertical line scan type single axis laser range finder 12, another set of horizontal line scan type single axis laser range finders 11 is arranged, as schematically shown in FIG. The horizontal scan lines SL of both uniaxial laser range finders 11 may intersect each other.
また、上記した一実施形態では、移動ロボットが車両タイプである場合を示したが、これに限定されるものではない。 In the above-described embodiment, the mobile robot is a vehicle type. However, the present invention is not limited to this.
１ 移動ロボットの走行領域判別装置
１０ 外界計測部
１１ １軸レーザレンジファインダ
３０ 処理部
Ｇ 走行可能領域
ＮＧ 走行不能領域
Ｒ 移動ロボット
DESCRIPTION OF SYMBOLS 1 Mobile robot travel area discriminating device 10 External field measurement unit 11 1-axis laser range finder 30 Processing unit G Travelable area NG Unmovable area R Mobile robot
Claims (2)
レーザ光を走査して前記移動ロボットの前方側のプロファイルデータを取得するレーザレンジファインダを具備した外界計測部と、
この外界計測部のレーザレンジファインダで得たプロファイルデータに基づいて、前記移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分け処理する処理部を備え、
前記処理部では、前記外界計測部のレーザレンジファインダで得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同一領域であるか否かに応じた２状態の状態変数を定義することで、前記プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現し、互いに異なる幾何的特徴を有する領域を評価する値として、前記一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用い、前記２（Ｎ−１）の状態空間の中から前記評価関数を最大とする領域分割状態をマルコフ連鎖モンテカルロ法により求め、分割後の該領域内の計測点データから、勾配や表面粗さを評価することにより、前記移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分け処理する
ことを特徴とする移動ロボットの走行領域判別装置。 A traveling area determination device that divides an area on the front side of a mobile robot that travels autonomously into a travelable area and a travel impossible area,
An external measurement unit equipped with a laser range finder that scans a laser beam to acquire profile data on the front side of the mobile robot;
Based on the profile data obtained by the laser range finder of this external measurement unit, a processing unit for dividing the area on the front side of the mobile robot into a travelable area and a travel impossible area,
In the processing unit, measurement point data adjacent to each other at (N-1) boundary point positions among (N) measurement point data constituting the profile data obtained by the laser range finder of the external measurement unit. By defining a state variable of two states according to whether or not they are the same region, an arbitrary region division state of the profile data is expressed as one state in 2 (N−1) state spaces, As a value for evaluating a region having different geometric features, variation from an approximate line obtained by least square approximation of the measurement point data group obtained by dividing the region in the one state, and a region having a similar geometric feature using an evaluation function that takes into account the continuity, obtained by Markov chain Monte Carlo area division state to maximize the evaluation function from the state space of 2 (N-1), after the division A traveling region of a mobile robot characterized in that the region on the front side of the mobile robot is divided into a travelable region and a non-travelable region by evaluating a gradient and a surface roughness from measurement point data in the region. Discriminator.
前記移動ロボットに搭載したレーザレンジファインダからレーザ光を走査して該移動ロボットの前方側のプロファイルデータを取得した後、
前記移動ロボットのレーザレンジファインダで得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同一領域にあるか否かに応じた２状態の状態変数を定義することで、前記プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現し、
互いに異なる幾何的特徴を有する領域を評価する値として、前記一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用いて、
前記２（Ｎ−１）の状態空間の中から前記評価関数を最大とする領域分割状態をマルコフ連鎖モンテカルロ法により求め、分割後の該領域内の計測点データから、勾配や表面粗さを評価することにより、前記移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分けする
ことを特徴とする移動ロボットの走行領域判別方法。 A traveling area determination method that divides an area on the front side of a mobile robot that travels autonomously into a travelable area and a travel impossible area,
After scanning the laser beam from the laser range finder mounted on the mobile robot to obtain the profile data on the front side of the mobile robot,
Whether (N-1) boundary point positions among (N) measurement point data constituting the profile data obtained by the laser range finder of the mobile robot are adjacent to each other in the same region. By defining a state variable of two states according to whether or not, an arbitrary region division state of the profile data is expressed as one state in 2 (N-1) state spaces,
As a value for evaluating a region having different geometric features, variation from an approximate line obtained by least square approximation of the measurement point data group obtained by dividing the region in the one state, and a region having a similar geometric feature Using an evaluation function that takes continuity into account,
The region division state that maximizes the evaluation function is obtained from the 2 (N-1) state space by the Markov chain Monte Carlo method, and the gradient and the surface roughness are evaluated from the measurement point data in the divided region. By doing so, a region on the front side of the mobile robot is divided into a travelable region and a travel-impossible region.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008077984A JP5192868B2 (en) | 2008-03-25 | 2008-03-25 | Traveling area discrimination device and traveling area discrimination method for mobile robot |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008077984A JP5192868B2 (en) | 2008-03-25 | 2008-03-25 | Traveling area discrimination device and traveling area discrimination method for mobile robot |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2009229394A JP2009229394A (en) | 2009-10-08 |
| JP5192868B2 true JP5192868B2 (en) | 2013-05-08 |
Family
ID=41244952
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008077984A Active JP5192868B2 (en) | 2008-03-25 | 2008-03-25 | Traveling area discrimination device and traveling area discrimination method for mobile robot |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5192868B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9851211B2 (en) | 2015-06-12 | 2017-12-26 | Ricoh Company, Ltd. | Information processing apparatus, computer-readable recording medium, and information processing system |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011145156A (en) * | 2010-01-14 | 2011-07-28 | Ihi Aerospace Co Ltd | Apparatus and method for determining traveling area of mobile robot |
| JP5414618B2 (en) * | 2010-05-19 | 2014-02-12 | 株式会社Ｉｈｉエアロスペース | Traveling area discrimination device and traveling area discrimination method for mobile robot |
| JP5605289B2 (en) * | 2011-04-05 | 2014-10-15 | トヨタ自動車株式会社 | Fault recognition method and fault recognition system for moving body |
| KR101247761B1 (en) * | 2011-07-15 | 2013-04-01 | 삼성중공업 주식회사 | Method for finding the movement area of a mobile robot on hull surface, a mobile robot, and recording medium |
| CN103760569B (en) * | 2013-12-31 | 2016-03-30 | 西安交通大学 | A kind of drivable region detection method based on laser radar |
| JP2018151217A (en) * | 2017-03-10 | 2018-09-27 | 日立建機株式会社 | Scanner, work machine, and car stop detector |
| WO2019119184A1 (en) * | 2017-12-18 | 2019-06-27 | 深圳市大疆创新科技有限公司 | Terrain prediction method, device and system, and drone |
| JP6909752B2 (en) * | 2018-03-30 | 2021-07-28 | 日立建機株式会社 | Work machine retreat support device |
| CN108955679B (en) * | 2018-08-16 | 2022-03-15 | 电子科技大学 | High-precision positioning method for intelligent inspection robot of transformer substation |
Family Cites Families (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0721404B2 (en) * | 1988-11-24 | 1995-03-08 | 三菱電機株式会社 | Width and step detection method |
| JPH09280818A (en) * | 1996-04-18 | 1997-10-31 | Nippon Telegr & Teleph Corp <Ntt> | Method for measuring object surface and instrument therefor |
| JP2000075032A (en) * | 1998-09-02 | 2000-03-14 | Komatsu Ltd | Method for detecting and estimating presence of obstacle on traveling path |
| JP4586138B2 (en) * | 2004-03-31 | 2010-11-24 | 株式会社国際電気通信基礎技術研究所 | robot |
| JP2008014814A (en) * | 2006-07-06 | 2008-01-24 | Mitsubishi Precision Co Ltd | Method for detecting end of road |
-
2008
- 2008-03-25 JP JP2008077984A patent/JP5192868B2/en active Active
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9851211B2 (en) | 2015-06-12 | 2017-12-26 | Ricoh Company, Ltd. | Information processing apparatus, computer-readable recording medium, and information processing system |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2009229394A (en) | 2009-10-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5192868B2 (en) | Traveling area discrimination device and traveling area discrimination method for mobile robot | |
| Gruyer et al. | Perception, information processing and modeling: Critical stages for autonomous driving applications | |
| CN107339997A (en) | The path planning apparatus and method of autonomous vehicle | |
| JP2011145156A (en) | Apparatus and method for determining traveling area of mobile robot | |
| WO2021034819A1 (en) | Polyline contour representations for autonomous vehicles | |
| JP6157105B2 (en) | Traveling area discrimination device and traveling area discrimination method for mobile robot | |
| US11657572B2 (en) | Systems and methods for map generation based on ray-casting and semantic class images | |
| Javanmardi et al. | Pre-estimating self-localization error of NDT-based map-matching from map only | |
| EP4160146A1 (en) | Quadtree based data structure for storing information relating to an environment of an autonomous vehicle and methods of use thereof | |
| Zhou et al. | Crater identification simulation using LiDAR on Lunar rover | |
| JP5414618B2 (en) | Traveling area discrimination device and traveling area discrimination method for mobile robot | |
| Gao et al. | Incomplete road information imputation using parallel interpolation to enhance the safety of autonomous driving | |
| Easa et al. | Visibility-based technologies and methodologies for autonomous driving | |
| Ugur et al. | Fast and efficient terrain-aware motion planning for exploration rovers | |
| Chen et al. | Improving Autonomous Vehicle Mapping and Navigation in Work Zones Using Crowdsourcing Vehicle Trajectories | |
| US20220221585A1 (en) | Systems and methods for monitoring lidar sensor health | |
| CN116724248A (en) | System and method for generating a modeless cuboid | |
| KR101947478B1 (en) | Method and Apparatus for Determining Placement for LiDAR Sensor | |
| Kortmann et al. | Creating value from in-vehicle data: Detecting road surfaces and road hazards | |
| Wang et al. | Detection and tracking dynamic vehicles for autonomous driving based on 2-D point scans | |
| CN116348739B (en) | Map generation system and method based on ray casting and semantic image | |
| US20240043022A1 (en) | Method, system, and computer program product for objective assessment of the performance of an adas/ads system | |
| Sun et al. | P4p: Conflict-aware motion prediction for planning in autonomous driving | |
| US12000965B2 (en) | Creating multi-return map data from single return lidar data | |
| US11919546B2 (en) | Systems and methods for estimating cuboids from LiDAR, map and image data |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20090702 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20101025 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20121031 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20121107 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20130123 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20130201 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5192868 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20160208 Year of fee payment: 3 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |