要旨

本研究では，ロボットが屋外不整地において自律移動を行うために必要な路面のモデル化および同路面の走行可否判定手法を構築した．本手法は，多くの先行研究と同じように，三つのステップから構成される．同ステップは，まず，（１）ロボットの周辺路面をグリッド分割し，（２）各グリッドについて路面モデルを生成したのち，（３）同モデルを評価することによって同路面の走行可否判定を行うというものである．本手法は，モデル化する路面のグリッドサイズを最適化することにより，屋外不整地の路面を平面でモデル化することの妥当性を担保することができる点で新規性を有しており，さらに計測点群の外れ値や最大最小値付近のノイズに堅牢かつ設定パラメータが少ないという特徴を有する．傾斜や凹凸面，障害物を含む屋外不整地環境に本手法を適用した結果，ロボットは路面の走行可否判定を正しく行い，同環境における自律移動をすることができた．

参考文献

1. （１） Duckett, T., Pearson, S., Blackmore, S., Grieve, B.: Agricultural robotics: the future of roboticAgriculture, UK-RAS White Papers, EPSRC UK-Robotics and Autonomous Systems Network, (2018)
2. （２） Suger, B., Steder, B., Burgard, W.: Traversability analysis for mobile robots in outdoor environments: a semi-supervised learning approach based on 3d-lidar data, In: Proceedings—IEEE international conference on robotics and automation, p. 3941–3946, (2015)
3. （３） Chavez-Garcia, R. O., Guzzi, J., Gambardella, L. M., Giusti. A.: Image classification for ground traversability estimation in robotics, Proc. 18th Int. Conf. Adv. Concepts Intell. Vision Syst., p. 325-336, (2017)
4. （４) Chavez-Garcia, R. O., Guzzi, J., Gambardella, L. M., Giusti, A.: Learning ground traversability from simulations, IEEE Robot. Autom. Lett., vol. 3, no. 3, p. 1695-1702, (2018)
5. （５） Hirose, N., Sadeghian, A., Vázquez, M., Goebel, P., Savarese, S.: Gonet: A semi-supervised deep learning approach for traversability estimation, Proc. IEEE/RSJ Int. Conf. Intell. Robots Syst., p. 3044-3051, (2018)
6. （６） Hirose, N., Sadeghian, A., Xia, F., Martín-Martín, R., Savarese, S.: Vunet: Dynamic scene view synthesis for traversability estimation using an RGB camera, IEEE Robot. Autom. Lett., vol. 4, no. 2, p. 2062-2069, (2019)
7. （７） Bekhti, M. A., Kobayashi, Y.: Regressed Terrain Traversability Cost for Autonomous Navigation Based on Image Textures, MDPI. applied sciences. Vol. 10, no. 1195, (2020)
8. （８） Schilling, F., Chen, X., Folkesson, J., Jensfelt, P.: Geometric and visual terrain classification for autonomous mobile navigation, 2017 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), p. 2678-2684, (2017)
9. （９） Bogoslavskyi, I. Vysotska, O., Serafin, J., Grisetti, G., Stachniss, C.: Efficient traversability analysis for mobile robots using the kinect sensor, European Conference on Mobile Robots (ECMR), (2013)
10. （10） Škoda, J.: 3D Navigation for Mobile Robots, (2017)
11. （11） Fischler, M. A., Bolles, R. C.: Random sample consensus: A paradigm for modelfitting with applications to image analysis and automated cartography, Communications of the ACM, 24(6):381–395, (1981)
12. （12） Braun, T., Bitsch, H., Berns, K.: Visual terrain traversability estimation using a combined slope/elevation model, in LNCS, vol. 5243, (2008)
13. （13） Chilian, A., Hirschmuller, H.: Stereo camera based navigation of mobile robots on rough terrain, Intell. Robots and Systems (IROS), p. 4571-4576, (2009)
14. （14） Ye, C., Borenstein, J.: A Method for Mobile Robot Navigation on Rough Terrain, Proceedings of the 2004 IEEE International Conference on Robotics and Automation, p. 3863-3869, (2004)
15. （15） Tanaka, Y., Ji, Y., Yamashita, A., Asama, H.: Fuzzy Based Traversability Analysis for a Mobile Robot on Rough Terrain, Proceedings of the 2015 IEEE International Conference on Robotics and Automation, p. 3965-3970, (2015)

著者(所属)

• 日高 真太朗（ライフクリエーションセンター）
• 根木 教男（ライフクリエーションセンター）

掲載情報

Honda R&D Technical Review　Vol.32 No.2 収録 (140 - 148)

論文PDF

引用情報