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

通过基于概率分布之间的差异进行传感信息选择来实现自动驾驶车辆的鲁棒定位

基本信息

批准号：
21K12076
负责人：
道木加絵
金额：
$ 2.66万
依托单位：
Aichi Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2021
资助国家：
日本
起止时间：
2021-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

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。

本研究旨在通过适当选择和集成自主移动物体本身拥有的传感器信息、安装在环境中的传感器信息以及来自其他自主移动物体的传感器信息，提供不依赖于移动环境的鲁棒且独立的信息。目的是实现自主移动物体的高精度自位置估计。作为在2021财年建立整合安装在环境中的传感器信息的位置估计方法的第一步，我们将使用从近年来安装在许多地方的监视摄像机获得的图像作为传感器信息的具体示例。使用图像，我们构建了一个系统，用于估计从监控摄像头看到的自主移动物体的相对位置。通过构建具有图像和相对位置的学习数据采集系统，并利用深度学习学习获取的图像和位置之间的关系，我们实现了利用图像对自主移动物体进行位置估计。 2022财年，我们验证了我们构建的位置估计系统的准确性并评估了误差。我们为位置估计系统中使用的深度学习模型设置了几种类型的输入/输出配置，并验证了位置估计的准确性，通过使用单独的学习来学习和估计机器人的3D位置和3D姿态角，精度得到了提高。看到了改进。另一方面，在分析用于训练深度学习模型的图像数据时，发现某些获取的数据存在偏差，这被认为是提高位置估计精度的障碍。此外，当整合从安装在多个地点的监控摄像机获得的图像的位置估计结果时，位置估计的准确性得到提高。此外，当我们进行误差评估以导出概率分布模型以供以后集成传感器信息时，我们发现使用正态分布来近似误差分布的可能性。上述结果在日本学术会议上做了四次报告。