JP7429868B2 - mobile robot - Google Patents
mobile robot Download PDFInfo
- Publication number
- JP7429868B2 JP7429868B2 JP2020154374A JP2020154374A JP7429868B2 JP 7429868 B2 JP7429868 B2 JP 7429868B2 JP 2020154374 A JP2020154374 A JP 2020154374A JP 2020154374 A JP2020154374 A JP 2020154374A JP 7429868 B2 JP7429868 B2 JP 7429868B2
- Authority
- JP
- Japan
- Prior art keywords
- mobile robot
- camera
- housing
- calculation unit
- speed
- 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
- 238000004364 calculation method Methods 0.000 claims description 203
- 238000001514 detection method Methods 0.000 claims description 64
- 230000001133 acceleration Effects 0.000 claims description 55
- 230000003287 optical effect Effects 0.000 claims description 49
- 238000012545 processing Methods 0.000 description 56
- 238000010586 diagram Methods 0.000 description 48
- 238000000034 method Methods 0.000 description 45
- 238000003860 storage Methods 0.000 description 19
- 239000011159 matrix material Substances 0.000 description 18
- 238000013519 translation Methods 0.000 description 17
- 238000013461 design Methods 0.000 description 12
- 230000005484 gravity Effects 0.000 description 11
- 238000005259 measurement Methods 0.000 description 10
- 239000002131 composite material Substances 0.000 description 8
- 230000000694 effects Effects 0.000 description 8
- 239000000203 mixture Substances 0.000 description 7
- 239000000725 suspension Substances 0.000 description 6
- 238000004590 computer program Methods 0.000 description 4
- 230000010354 integration Effects 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000004140 cleaning Methods 0.000 description 2
- 238000013480 data collection Methods 0.000 description 2
- 230000004807 localization Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 238000010408 sweeping Methods 0.000 description 2
- NAWXUBYGYWOOIX-SFHVURJKSA-N (2s)-2-[[4-[2-(2,4-diaminoquinazolin-6-yl)ethyl]benzoyl]amino]-4-methylidenepentanedioic acid Chemical compound C1=CC2=NC(N)=NC(N)=C2C=C1CCC1=CC=C(C(=O)N[C@@H](CC(=C)C(O)=O)C(O)=O)C=C1 NAWXUBYGYWOOIX-SFHVURJKSA-N 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000002427 irreversible effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
Images
Landscapes
- Length Measuring Devices By Optical Means (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
Description
本発明は、所定の空間を自律走行する移動ロボットに関する。 The present invention relates to a mobile robot that autonomously moves in a predetermined space.
従来、自律的に移動する移動ロボットがある（例えば、特許文献１参照）。 Conventionally, there are mobile robots that move autonomously (for example, see Patent Document 1).
特許文献１に開示されている移動ロボットは、ホイールの回転を検知するためのセンサ等から検知される情報に基づいて、カーペット上での移動ロボットの走行状態を推定する。
The mobile robot disclosed in
この種の移動ロボットは、走行する空間における自己位置を推定しながら走行する。そのため、移動ロボットが推定する、当該空間における自己位置には、高い精度が要求される。 This type of mobile robot travels while estimating its own position in the space in which it travels. Therefore, high accuracy is required for the mobile robot's estimated self-position in the space.
本発明は、自己位置の推定精度を向上できる移動ロボットを提供する。 The present invention provides a mobile robot that can improve self-position estimation accuracy.
本発明の一態様に係る移動ロボットは、所定の空間を自律走行する移動ロボットであって、筐体と、前記筐体に取り付けられ、前記筐体の下方を撮影することで第１下方画像を生成する第１カメラと、前記筐体に取り付けられ、前記筐体の姿勢を検出するための検出部と、前記姿勢及び前記第１下方画像に基づいて前記移動ロボットの速度を算出する算出部と、前記速度に基づいて、前記所定の空間における前記移動ロボットの自己位置を推定する推定部と、前記自己位置に基づいて、前記移動ロボットを走行させる制御部と、を備える。 A mobile robot according to one aspect of the present invention is a mobile robot that autonomously travels in a predetermined space, and includes a housing, and a mobile robot that is attached to the housing and captures a first downward image by photographing the lower part of the housing. a first camera that generates the image; a detection unit that is attached to the casing and that detects the attitude of the casing; and a calculation unit that calculates the speed of the mobile robot based on the attitude and the first downward image. , an estimation unit that estimates the self-position of the mobile robot in the predetermined space based on the speed, and a control unit that causes the mobile robot to travel based on the self-position.
本発明の一態様に係る移動ロボットによれば、自己位置の推定精度を向上できる。 According to the mobile robot according to one aspect of the present invention, the accuracy of self-position estimation can be improved.
（本開示の基礎となった知見）
移動ロボットは、例えば、算出した移動経路に沿って移動しながら、掃除、掃海、又は、データ収集のようなタスクを実行する。このようなタスクを実行しながら自律的に移動する移動ロボットにおいては、所定の領域内をくまなく移動することが要求される。そのため、移動ロボットには、精度よく自己位置を推定できることが要求される。例えば、ＬＩＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）等のセンサを用いて、移動ロボットの周囲に位置する壁及び対象物等の位置を示す情報を検出し、検出した情報を用いて自己位置を推定する。移動ロボットは、例えば、局地化アルゴリズムを用いて、地図とＬＩＤＡＲで検出した情報とを比較することで、自己位置を推定する。
(Findings that formed the basis of this disclosure)
The mobile robot performs tasks such as cleaning, sweeping, or data collection while moving along a calculated movement path, for example. Mobile robots that move autonomously while performing such tasks are required to move throughout a predetermined area. Therefore, mobile robots are required to be able to accurately estimate their own position. For example, a sensor such as LIDAR (Light Detection and Ranging) is used to detect information indicating the positions of walls, objects, etc. located around the mobile robot, and the detected information is used to estimate the self-position. A mobile robot estimates its own position by, for example, using a localization algorithm and comparing a map with information detected by LIDAR.
図２８Ａは、移動ロボット１０００の検出範囲の第１例を説明するための図である。具体的には、図２８Ａは、移動ロボット１０００がＬＩＤＡＲを用いて周囲の物体を検出する際の検出範囲の第１例を説明するための概略上面図である。
FIG. 28A is a diagram for explaining a first example of the detection range of the
移動ロボット１０００は、例えば、ＬＩＤＡＲを用いて壁等の物体までの距離を計測する。移動ロボット１０００は、物体がＬＩＤＡＲで検出できる範囲内にある場合、ＬＩＤＡＲが壁に含まれる角部等の特徴となる位置を検出する。例えば、移動ロボット１０００は、ＬＩＤＡＲから出力される光線（図２８Ａに示す破線）の反射光から、１以上の検出位置（図２８Ａに丸で示す位置）を検出し、検出した１以上の検出位置の中で、角部等の特徴となる位置（特徴点）を検出する。これにより、移動ロボット１０００は、検出した角部の位置を基準にして、自己位置を推定（算出）する。
The
図２８Ｂは、移動ロボット１０００の検出範囲の第２例を説明するための図である。具体的には、図２８Ｂは、移動ロボット１０００がＬＩＤＡＲを用いて周囲の物体を検出する際の検出範囲の第２例を説明するための概略上面図である。
FIG. 28B is a diagram for explaining a second example of the detection range of the
第１例と同様に、移動ロボット１０００は、ＬＩＤＡＲから出力される光線の反射光から、１以上の検出位置を検出し、検出した１以上の検出位置の中で、曲面部等の特徴となる位置（特徴点）を検出する。これにより、移動ロボット１０００は、検出した曲面部の位置を基準にして、自己位置を推定する。
Similar to the first example, the
このように、移動ロボット１０００は、ＬＩＤＡＲを用いて特徴点を検出できた場合、当該特徴点を基準として自己位置を推定する。
In this way, when the
しかしながら、移動ロボット１０００は、ＬＩＤＡＲから得られる情報では自己位置を推定できない場合がある。
However, the
図２８Ｃは、移動ロボット１０００の検出範囲の第３例を説明するための図である。具体的には、図２８Ｃは、移動ロボット１０００がＬＩＤＡＲを用いて周囲の物体を検出する際の検出範囲の第３例を説明するための概略上面図である。
FIG. 28C is a diagram for explaining a third example of the detection range of the
第３例では、移動ロボット１０００は、ＬＩＤＡＲで物体を検出できる範囲外に壁が位置する。そのため、移動ロボット１０００は、壁の位置を検出できない。つまり、第３例では、移動ロボット１０００は、ＬＩＤＡＲを用いて自己位置を推定できない。
In the third example, the
図２８Ｄは、移動ロボット１０００の検出範囲の第４例を説明するための図である。具体的には、図２８Ｄは、移動ロボット１０００がＬＩＤＡＲを用いて周囲の物体を検出する際の検出範囲の第４例を説明するための概略上面図である。
FIG. 28D is a diagram for explaining a fourth example of the detection range of the
第４例では、ＬＩＤＡＲで物体を検出できる範囲内に壁が位置する。しかしながら、当該壁には、角部、曲面部等の、特徴点が含まれていない。そのため、第４例では、移動ロボット１０００は、図２８Ｄに示す一点鎖線上のいずれかの位置に位置していると自己位置を推定できるものの、一点鎖線上のいずれの位置に位置しているかまでは推定できない。つまり、第４例では、移動ロボット１０００は、自己位置を正確に推定できない。
In the fourth example, a wall is located within a range where objects can be detected by LIDAR. However, the wall does not include feature points such as corners and curved surfaces. Therefore, in the fourth example, although the
このように、例えば、移動ロボット１０００の周囲の環境が直線の通路のような、位置を特定するための角を有する壁又は対象物等が存在しない場合、移動ロボット１０００が位置する場所では、ＬＩＤＡＲ等のセンサから得られる情報が変化しないため、自己位置を正確に推定できない。
In this way, for example, if the environment around the
また、例えば、移動ロボット１０００が天井を撮影するカメラを備える場合、移動ロボット１０００は、当該カメラに撮影された天井に位置する物体の位置に基づいて、自己位置を推定できる。しかしながら、このような場合、移動ロボット１０００は、家具等の下に入りこむと、暗すぎる等により自己位置を正確に推定できない。
Further, for example, if the
そこで、移動ロボット１０００は、ＬＩＤＡＲ、カメラ等から得られる情報だけでなく、移動ロボット１０００を移動させるためのホイール等から得られるオドメトリ情報に基づいて、自己位置を推定する。
Therefore, the
ここで、オドメトリ情報とは、移動ロボット１０００の各ホイールがどの向きにどれだけ回転したかに関する情報である。なお、脚式ロボットの場合、オドメトリ情報とは、各脚がどのように動いたかを示す情報である。
Here, the odometry information is information regarding how much and in what direction each wheel of the
これにより、移動ロボット１０００は、移動ロボット１０００の周囲に位置する物体の情報を用いずに、移動ロボット１０００が実行した移動動作に関する情報であるオドメトリ情報に基づいて、自己位置を推定できる。
As a result, the
しかしながら、オドメトリ情報に基づいて推定される自己位置は、移動ロボット１０００の実際の位置に対して誤差が大きい。
However, the self-position estimated based on the odometry information has a large error with respect to the actual position of the
図２８Ｅは、移動ロボット１０００の走行状態を説明するための図である。具体的には、図２８Ｅは、移動ロボット１０００が推定した自己位置と実際の位置とのずれを説明するための概略上面図である。なお、図２８Ｅに示す例では、移動ロボット１０００は、図２８Ｅの（ａ）に示す自己位置が正確に推定できているとする。
FIG. 28E is a diagram for explaining the running state of
移動ロボット１０００は、走行し続けてしばらくすると、ホイールの回転に関するオドメトリ情報に基づいて、自己位置を推定できるようになる。
After the
ここで、例えば、移動ロボット１０００が走行中に、スリップ等によるずれ、横滑り等のドリフトにずれ等のヘディングドリフト（移動ロボット１０００の意図しない進行方向の変化）が発生したとする。この場合、このようなずれは、ホイールの回転等の情報を示すオドメトリ情報からは検出されない。そのため、例えば、移動ロボット１０００は、このようなずれが生じた場合、図２８Ｅの（ｂ）に示す位置に実際には位置しており、且つ、図２８Ｅの（ｂ）に示す向きに進行しているとしても、オドメトリ情報から自己位置を推定すると、図２８Ｅの（ｃ）に示す位置に位置しており、且つ、図２８Ｅの（ｃ）に示す向きに進行していると推定してしまう。つまり、オドメトリ情報のみから推定された自己位置は、実際の位置からずれる場合がある。
Here, for example, assume that while the
そのため、移動ロボット１０００がオドメトリ情報を用いて自己位置を推定し続けると、実際の位置と推定した位置とのずれが大きくなり続ける。
Therefore, if the
このようなずれは、新たにＬＩＤＡＲから情報が得られた場合に、移動ロボット１０００が当該情報に基づいて自己位置を推定することで小さくなる。しかしながら、長時間新たにＬＩＤＡＲから情報が得られない場合、移動ロボット１０００の自己位置の推定精度は、低下し続ける。
Such a deviation can be reduced by the
本願発明者らは、鋭意検討した結果、移動ロボットが撮影した当該移動ロボットの下方の画像と移動ロボットの姿勢とに基づいて速度を算出し、算出した速度に基づいて自己位置を推定することで、自己位置の推定精度を向上できることを見出した。 As a result of intensive study, the inventors of the present application have determined that the mobile robot can calculate the speed based on the lower image of the mobile robot taken by the mobile robot and the posture of the mobile robot, and estimate the self-position based on the calculated speed. We found that the accuracy of self-position estimation can be improved.
以下では、本発明に係る移動ロボットの実施の形態について、図面を用いて詳細に説明する。なお、以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置及び接続形態、ステップ、ステップの順序等は、一例であり、本発明を限定する主旨ではない。 DESCRIPTION OF THE PREFERRED EMBODIMENTS Below, embodiments of a mobile robot according to the present invention will be described in detail using the drawings. Note that the numerical values, shapes, materials, components, arrangement and connection forms of the components, steps, order of steps, etc. shown in the following embodiments are merely examples, and do not limit the present invention.
なお、当業者が本発明を十分に理解するために添付図面及び以下の説明を提供するのであって、これらによって特許請求の範囲に記載の主題を限定することを意図するものではない。 The accompanying drawings and the following description are provided to enable those skilled in the art to fully understand the present invention, and are not intended to limit the subject matter recited in the claims.
また、各図は、模式図であり、必ずしも厳密に図示されたものではない。また、各図において、実質的に同一の構成に対しては同一の符号を付しており、重複する説明は省略又は簡略化される場合がある。 Furthermore, each figure is a schematic diagram and is not necessarily strictly illustrated. Furthermore, in each figure, substantially the same configurations are denoted by the same reference numerals, and overlapping explanations may be omitted or simplified.
また、以下の実施の形態においては、所定の空間を走行する移動ロボットを鉛直上方側から見た場合を上面視とし、鉛直下方側から見た場合を底面視として記載する場合がある。また、移動ロボットが進行する向きを前方、移動ロボットが進行する向きの反対側を後方と記載する場合がある。 In the following embodiments, a mobile robot running in a predetermined space may be described as a top view when viewed from vertically above, and a bottom view when viewed from vertically below. Further, the direction in which the mobile robot moves may be referred to as the front, and the direction opposite to the direction in which the mobile robot moves may be referred to as the rear.
また、本明細書及び図面において、Ｘ軸、Ｙ軸及びＺ軸は、三次元直交座標系の三軸を示している。各実施の形態では、Ｚ軸方向を鉛直方向とし、Ｚ軸に垂直な方向（ＸＹ平面に平行な方向）を水平方向としている。 Furthermore, in this specification and the drawings, the X-axis, Y-axis, and Z-axis indicate three axes of a three-dimensional orthogonal coordinate system. In each embodiment, the Z-axis direction is the vertical direction, and the direction perpendicular to the Z-axis (direction parallel to the XY plane) is the horizontal direction.
なお、Ｚ軸の正方向を鉛直上方とし、Ｘ軸正方向を移動ロボットが進行する向き（前方）としている。 Note that the positive direction of the Z axis is vertically upward, and the positive direction of the X axis is the direction in which the mobile robot moves (forward).
また、移動ロボットの前側から当該移動ロボットを見た場合を正面視ともいう。また、移動ロボットが進行する向き及び鉛直方向に対して直交する向きから当該移動ロボットを見た場合を側面視ともいう。 Also, the case where the mobile robot is viewed from the front side is also referred to as a front view. In addition, a view of the mobile robot from a direction perpendicular to the direction in which the mobile robot is moving and the vertical direction is also referred to as a side view.
また、移動ロボットが走行する面を単に床面と記載する場合がある。 Further, the surface on which a mobile robot runs may be simply referred to as a floor surface.
また、本明細書においては、移動ロボットが進んだ向きに対する速度を並進速度又は単に速度といい、回転に対する速度を角速度（回転速度）といい、並進速度と角速度とを合わせた速度を合成速度又は単に速度ともいう。 In addition, in this specification, the speed with respect to the direction in which the mobile robot moves is referred to as translational speed or simply speed, the speed with respect to rotation is referred to as angular velocity (rotational speed), and the speed that is the sum of translational speed and angular velocity is referred to as composite speed or Also simply called speed.
（実施の形態１）
［構成］
図１は、実施の形態１に係る移動ロボット１００を示す側面図である。図２は、実施の形態１に係る移動ロボット１００を示す正面図である。なお、図１及び図２では、移動ロボット１００が備える構成要素の一部を省略して示している。
(Embodiment 1)
[composition]
FIG. 1 is a side view showing a
移動ロボット１００は、例えば、ＳＬＡＭ（Ｓｉｍｕｌｔａｎｅｏｕｓ Ｌｏｃａｌｉｚａｔｉｏｎ ａｎｄ Ｍａｐｐｉｎｇ）技術を利用して自律移動しながら、掃除、掃海、又は、データ収集のようなタスクを実行する装置である。
The
移動ロボット１００は、筐体１０と、第１カメラ２１０と、ホイール２０と、サスペンションアーム３０と、ばね４０と、を備える。
The
筐体１０は、移動ロボット１００の外郭筐体である。移動ロボット１００が備える各構成要素は、筐体１０に取り付けられている。
The
第１カメラ２１０は、筐体１０に取り付けられ、筐体１０の下方を撮影するカメラである。より具体的には、第１カメラ２１０は、光軸（第１カメラ２１０が撮影する向き）が下方（より具体的には、移動ロボット１００が走行する床面）に向けられるように、筐体１０の下方に取り付けられている。
The
なお、第１カメラ２１０は、移動ロボット１００の下方を撮影できればよく、筐体１０の側面、底面、内部等、任意の位置に取り付けられてよい。
Note that the
また、第１カメラ２１０の撮影方向は、移動ロボット１００の鉛直下方だけでなく、鉛直方向に対して傾いた斜め下方でもよい。
Furthermore, the shooting direction of the
ホイール２０は、移動ロボット１００を移動（走行）させるためのホイールである。筐体１０には、キャスターホイール２１と２つの牽引ホイール２２とが取り付けられている。
The
２つの牽引ホイール２２は、それぞれ、ホイールハブ３２及びサスペンションアーム３０を介して筐体１０に取り付けられており、サスペンションピボット３１を回動軸として筐体１０に対して移動可能となっている。サスペンションアーム３０は、ばね４０によって筐体１０に取り付けられている。
The two
図３は、実施の形態１に係る移動ロボット１００の構成を示すブロック図である。図４は、実施の形態１に係る移動ロボット１００が備えるセンサ部２００の各構成要素の配置レイアウトを模式的に示す図である。なお、図４では、センサ部２００の一部の配置レイアウトを筐体１０の底面側から見た場合を示しており、センサ部２００の他の一部の構成要素及びホイール２０等の図示を省略している。
FIG. 3 is a block diagram showing the configuration of
移動ロボット１００は、センサ部２００と、周囲センサ部１６０と、算出部１１０と、ＳＬＡＭ部１２０と、制御部１３０と、駆動部１４０と、記憶部１５０と、を備える。
The
センサ部２００は、移動ロボット１００の速度を算出するための情報を検出するセンサ群である。本実施の形態では、センサ部２００は、第１カメラ２１０と、光源２２０と、検出部２３０と、角速度センサ２５０と、オドメトリセンサ２６０と、を備える。
The
第１カメラ２１０は、筐体１０に取り付けられ、筐体１０の下方を撮影することで画像（第１下方画像）を生成するカメラである。第１カメラ２１０は、生成した第１下方画像を算出部１１０に定期的に繰り返し出力する。第１カメラ２１０は、後述する光源２２０に基づく光の分布を検出できればよく、検出する光の波長、ピクセル数等は特に限定されない。
The
光源２２０は、筐体１０に取り付けられ、筐体１０の下方に向けて光を出射する光源である。例えば、第１カメラ２１０は、光源２２０が出射した光の、移動ロボット１００が走行する床面での反射光を検出することで第１下方画像を生成する。光源２２０は、例えば、ＬＥＤ（Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）、ＬＤ（Ｌａｓｅｒ Ｄｉｏｄｅ）等の光源である。光源２２０が出力する光の波長は、第１カメラ２１０が検出できる波長であればよく、特に限定されない。
The
検出部２３０は、筐体１０に取り付けられ、筐体１０の姿勢を検出するための装置である。具体的には、検出部２３０は、予め定められた基準方向に対しての筐体１０の傾き（後述するα及びγ）と、筐体１０と床面との距離（供述するｈ）とを検出するための装置である。
The
本実施の形態では、検出部２３０は、３つの測距センサ２４０を有する。
In this embodiment, the
３つの測距センサ２４０は、それぞれ、移動ロボット１００が走行する床面と筐体１０との距離を計測するセンサである。測距センサ２４０は、例えば、アクティブ型の赤外線センサである。
The three
図４に示すように、例えば、筐体１０を底面視した場合、第１カメラ２１０は、筐体１０の中央部に取り付けられ、光源２２０は、第１カメラ２１０の近傍に取り付けられている。また、３つの測距センサ２４０は、例えば、筐体１０を底面視した場合、筐体１０の周縁部に、互いに距離が離れて取り付けられている。
As shown in FIG. 4, for example, when the
３つの測距センサ２４０は、それぞれ、測定した距離（高さ）の情報（高さ情報）を算出部１１０に定期的に繰り返し出力する。
The three ranging
なお、検出部２３０は、３つ以上の測距センサ２４０を有していればよく、４つ有してもよいし、５つ以上有してもよい。
Note that the
再び図３を参照し、角速度センサ２５０は、筐体１０に取り付けられ、移動ロボット１００の角速度（回転速度）を計測するセンサである。角速度センサ２５０は、例えば、ジャイロセンサを含むＩＭＵ（Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ／慣性計測装置）である。角速度センサ２５０は、計測した角速度（角速度情報）を算出部１１０に定期的に繰り返し出力する。
Referring again to FIG. 3, the
オドメトリセンサ２６０は、ホイール２０の回転数（オドメトリ情報）を計測するためのセンサである。オドメトリセンサ２６０は、計測したオドメトリ情報を定期的に繰り返し算出部１１０に出力する。
The
第１カメラ２１０、検出部２３０、及び、オドメトリセンサ２６０は、例えば、算出部１１０等の処理部によって同期して動作され、同時刻における情報をそれぞれ定期的に繰り返し算出部１１０に出力する。
The
周囲センサ部１６０は、移動ロボット１００が走行する所定の空間の情報を検出するセンサ群である。具体的には、周囲センサ部１６０は、所定の空間における障害物、壁等の位置、特徴点等を検出することで、移動ロボット１００が自己位置を推定して走行するための情報を検出するためのセンサ群である。
The surrounding
周囲センサ部１６０は、周囲カメラ１６１と、周囲測距センサ１６２と、を備える。
The surrounding
周囲カメラ１６１は、移動ロボット１００の側方及び上方等の周囲を撮影するカメラである。つまり、周囲カメラ１６１は、移動ロボット１００が走行する所定の空間に位置する障害物、壁等の物体を撮影することで、所定の空間の画像を生成する。周囲カメラ１６１は、生成した画像（画像情報）をＳＬＡＭ部１２０に出力する。
The surrounding
周囲測距センサ１６２は、移動ロボット１００の側方等の周囲に位置する障害物、壁等の物体との距離を計測するＬＩＤＡＲである。周囲測距センサ１６２は、計測した距離（距離情報）をＳＬＡＭ部１２０に出力する。
The surrounding
算出部１１０は、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１００の速度（並進速度）を算出する処理部である。例えば、算出部１１０は、３つ以上の測距センサ２４０のそれぞれから得られる距離に基づいて、筐体１０の姿勢を算出する。例えば、算出部１１０は、第１カメラ２１０から繰り返し第１下方画像を取得し、取得した画像の変化を比較することで、画像の移動速度、つまり、移動ロボット１００の速度（並進速度）を算出する。
The
また、算出部１１０は、算出した並進速度と、角速度センサ２５０から取得した角速度とから、移動ロボット１００が走行した向きも考慮された速度（合成速度）を算出する。算出部１１０は、算出した合成速度をＳＬＡＭ部１２０に出力する。なお、算出部１１０は、算出した並進速度と、角速度センサ２５０から取得した角速度とのそれぞれの情報を、合成せずにＳＬＡＭ部１２０に出力してもよい。
Further, the
ＳＬＡＭ部１２０は、上記したＳＬＡＭ技術を用いて移動ロボット１００が走行する所定の空間の地図（地図情報）を生成したり、所定の空間における移動ロボット１００の自己位置（より具体的には、所定の空間の地図における座標）を算出（推定）する処理部である。ＳＬＡＭ部１２０は、推定部１２１と、地図生成部１２２と、を有する。
The
推定部１２１は、所定の空間における移動ロボット１００の自己位置を推定する。具体的には、算出部１１０が算出した速度（並進速度）に基づいて、所定の空間における移動ロボット１００の自己位置を推定する。本実施の形態では、推定部１２１は、角速度センサ２５０が計測した角速度及び算出部が算出した並進速度に基づいて、移動ロボット１００の自己位置を推定する。
The
例えば、推定部１２１は、周囲センサ部１６０から取得した情報に基づいて、移動ロボット１００の自己位置を推定する。或いは、推定部１２１は、周囲センサ部１６０から取得した情報に基づいて、移動ロボット１００の自己位置を推定できない場合、算出部１１０から取得した移動ロボット１００の並進速度及び角速度（つまり、合成速度）に基づいて、移動ロボット１００の自己位置を推定する。例えば、推定部１２１は、初期位置、又は、周囲センサ部１６０から取得した情報に基づいて、移動ロボット１００の自己位置を推定した後であれば、その後に移動ロボット１００が走行したとしても、当該自己位置と合成速度とから、移動ロボット１００の現在の自己位置を推定できる。
For example, the
地図生成部１２２は、上記したＳＬＡＭ技術を用いて移動ロボット１００が走行する所定の空間の地図を生成する。例えば、地図生成部１２２は、所定の空間の地図が記憶部１５０に記憶されていない場合、センサ部２００及び周囲センサ部１６０から情報を取得しながら、制御部１３０に駆動部１４０を制御させて移動ロボット１００を走行させることで、所定の空間の地図を生成し、記憶部１５０に記憶される。
The
なお、所定の空間の地図は、記憶部１５０に記憶されていてもよい。この場合、ＳＬＡＭ部１２０は、地図生成部１２２を有さなくてもよい。
Note that the map of the predetermined space may be stored in the
制御部１３０は、駆動部１４０を制御することで、移動ロボット１００を走行させる処理部である。具体的には、制御部１３０は、推定部１２１が推定した自己位置に基づいて、移動ロボット１００を走行させる。例えば、制御部１３０は、地図生成部１２２が生成した地図に基づいて、走行経路を算出する。制御部１３０は、推定部１２１が推定した自己位置に基づいて、算出した走行経路に沿って移動ロボット１００を走行させるように、駆動部１４０を制御する。
The
なお、走行経路（走行経路情報）は、記憶部１５０に予め記憶されていてもよい。
Note that the driving route (driving route information) may be stored in the
算出部１１０、ＳＬＡＭ部１２０、及び、制御部１３０等の処理部は、例えば、上記した処理を実行するための制御プログラムと、当該制御プログラムを実行するＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）とから実現される。各種処理部は、１つのＣＰＵで実現されてもよいし、複数のＣＰＵで実現されてもよい。なお、それぞれの当該処理部の構成要素は、ソフトウェアではなく、それぞれ１つ又は複数の専用の電子回路等による専用のハードウェアで構成されてもよい。
The processing units such as the
駆動部１４０は、移動ロボット１００を走行させるための装置である。駆動部１４０は、例えば、ホイール２０、キャスターホイール２１を回転させるための駆動モータ等を有する。制御部１３０は、例えば、当該駆動モータを制御することで、キャスターホイール２１を回転させて移動ロボット１００を走行させる。
The
記憶部１５０は、所定の空間の地図、算出部１１０、ＳＬＡＭ部１２０、及び、制御部１３０等の各種処理部が実行する制御プログラムを記憶する記憶装置である。記憶部１５０は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）、フラッシュメモリ等により実現される。
The
［速度算出処理］
続いて、移動ロボット１００の合成速度の具体的な算出方法について説明する。具体的には、移動ロボット１００の姿勢を示すα及びγ（ともに筐体１０の向きを示す角度）と、ｈ（筐体１０と床面との距離（高さ））とに基づいて、移動ロボット１００の速度（並進速度）の成分であるｖｘ及びｖｙと、角速度の成分であるωと、を算出する手順について説明する。
[Speed calculation process]
Next, a specific method for calculating the composite speed of the
移動ロボット１００は、キャスターホイール２１が筐体１０に対して可動であることで、例えば、走行する床面に対して筐体１０の姿勢が適宜変化されることで、小さな物体であれば簡単に乗り越えて走行したり、凸凹のある床面であっても適切に走行できる。
The
ここで、筐体１０は、キャスターホイール２１が筐体１０に対して可動となっているため、必ずしも床面に対して平行に位置しない。例えば、筐体１０の底面は、移動ロボット１００が走行中に床面に対して傾き方が随時変化する。つまり、筐体１０の底面と床面との姿勢（より具体的には、距離）は、移動ロボット１００が走行中に随時変化する。
Here, the
そのため、例えば、光軸方向（撮影方向）が床面の法線に平行になるような初期位置で筐体１０に配置された第１カメラ２１０は、走行中に筐体１０の前後方向（例えば、筐体１０の底面）が床面に対して傾くため、移動ロボット１００が走行中に当該法線に対して傾く。
Therefore, for example, the
例えば、第１カメラ２１０の光軸方向は、側面視した場合、図１に示すように、床面の法線に対して角度αｘで傾く。
For example, when viewed from the side, the optical axis direction of the
また、例えば、図２に示すように、移動ロボット１００は、キャスターホイール２１にサスペンションアーム３０を介して接続されている左右両側のばね４０の張力の違いにより、左右方向（移動ロボット１００を上面した場合における移動ロボット１００の進行方向に垂直な両方向）に傾く。 For example, as shown in FIG. (in both directions perpendicular to the direction of movement of the mobile robot 100).
例えば、第１カメラ２１０の光軸方向は、正面視した場合、図２に示すように、床面の法線に対して角度αｙで傾く。
For example, when viewed from the front, the optical axis direction of the
ここで、移動ロボット１００が平らな床面を走行しているとする。また、床面に対する移動ロボット１００の参照系（ｒｅｆｅｒｅｎｃｅ ｆｒａｍｅ）は、床面からの距離（高さ）ｈにあり、ｒｏｔ［ｃｏｓ（γ）、ｓｉｎ（γ）、０］Ｔの軸の方向に平行な軸（回転軸）と、当該軸周りの角度α［ｒａｄ］での回転とに対応する四元数（クォータニオン）は、下記の式（１）で表される。
Here, it is assumed that the
ここで、γは、筐体１０が床面に対して（より具体的には、筐体１０が筐体１０の基準となる姿勢に対して）どのように傾いているかを示す角度［ｒａｄ］である。例えば、γ＝０の場合、筐体１０が左又は右に傾いていること（正面視した場合の傾き）を示し、γ＝π／２の場合、筐体１０が前又は後ろに傾いていること（側面視した場合の傾き）を示す。
Here, γ is an angle [rad] indicating how the
また、上記の式（１）における、ｉ、ｊ、及び、ｋは、それぞれ四元数の単位である。 Moreover, i, j, and k in the above formula (1) are each a quaternion unit.
また、参照系とは、移動ロボット１００を基準として任意に定められる座標である。例えば、参照系では、移動ロボット１００の重心位置を原点として、移動ロボット１００の前後方向をＸ方向、移動ロボット１００の左右方向をＹ方向、及び、移動ロボット１００の上下方向をＺ方向として定められる。なお、本明細書では、ｗは、世界座標系であることを示し、ｃは、本発明に係る移動ロボットが備えるカメラを基準として座標系であることを示す。
Further, the reference system is coordinates arbitrarily determined with the
ここで、α≧０の場合における姿勢（－α、γ＋π）と、α＜０の場合における姿勢（α、γ）とが、等価であるとする。 Here, it is assumed that the posture (-α, γ+π) in the case of α≧0 and the posture (α, γ) in the case of α<0 are equivalent.
また、ｉ個の第１カメラ２１０が、それぞれ移動ロボット１００の参照系において位置［ｒｉｃｏｓ（Ψｉ）、ｒｉｓｉｎ（Ψｉ）、ｂｉ］Ｔで筐体１０に取り付けられているとする。この場合、ｉ番目の第１カメラ２１０の四元数は、下記の式（２）で表される。
In addition, the i
つまり、ｉ番目の第１カメラ２１０の四元数は、ｉ番目の第１カメラ２１０のＺ座標における四元数と、ｉ番目の第１カメラ２１０の床面における撮影位置との積によって表される。また、式（２）におけるｚは、移動ロボット１００のＺ軸周りの回転を意味する。また、ｘｙは、ＸＹ平面と平行となるように任意に設定された軸周りの回転を意味する。
In other words, the quaternion of the i-th
なお、Ψｉ、ｒｉ、及び、ｂｉは、それぞれ移動ロボット１００の構成要素の位置関係によって予め定まる設計パラメータである。Ψは、予め定められた基準原点（例えば、移動ロボット１００の重心位置に対応する仮想点）からみて、予め定められた基準軸（例えば、基準原点を通過し、移動ロボット１００の前方に平行な仮想軸）とのなす角度［ｒａｄ］である。ｒは、当該基準原点と第１カメラ２１０（例えば、第１カメラ２１０における受光センサの中心）との距離である。及び、ｂは、基準軸が含まれる基準面（例えば、基準原点を通過し、且つ、移動ロボット１００が動作していない場合における筐体１０の底面に平行な仮想面）からの高さ方向における距離を示す。
Note that Ψ i , r i , and b i are each design parameters determined in advance based on the positional relationship of the components of the
また、
なお、β、及び、θは、それぞれ移動ロボット１００の構成要素の位置関係によって予め定まる設計パラメータである。βは、基準軸に対して、予め定められた、基準面内で基準軸が直交し、且つ、第１カメラ２１０（例えば、第１カメラ２１０における受光センサの中心）を通過する軸周りの回転角度［ｒａｄ］を示す。また、θは、基準面に直交し、且つ、第１カメラ２１０（例えば、第１カメラ２１０における受光センサの中心）を通過する軸周りの回転角度［ｒａｄ］を示す。
Note that β and θ are design parameters that are determined in advance depending on the positional relationship of the components of the
このようにして、ｉ番目の第１カメラ２１０は、下記の式（５）に示すように、世界座標系（予め任意に定められる座標系）に対する位置が定められる。
In this way, the position of the i-th
また、ｉ番目の第１カメラ２１０の回転（予め定められた任意の方向からの回転）を表す四元数は、下記の式（６）で表される。
Further, a quaternion representing the rotation (rotation from any predetermined direction) of the i-th
また、この場合、ｉ番目の第１カメラ２１０は、下記の式（７）に示す床面の位置であるｐｉを撮影する。
Further, in this case, the i-th
ここで、ｐｉ，ｘ及びｐｉ，ｙは、下記の式（８）及び式（９）を満たす。 Here, p i,x and p i,y satisfy the following equations (8) and (9).
また、κは、下記の式（１０）を満たす。 Further, κ satisfies the following formula (10).
移動ロボット１００が並進速度
また、ｉ番目の第１カメラ２１０の撮影結果から算出されるｉ番目の第１カメラ２１０の速度（つまり、移動ロボット１００の合成速度）は、下記の式（１２）を満たす。
Furthermore, the speed of the i-th first camera 210 (that is, the combined speed of the mobile robot 100) calculated from the photographic results of the i-th
なお、第１カメラ２１０がテレセントリックカメラである場合の行列Ｊｉは、下記の式（１３）で表される。
Note that the matrix J i when the
ここで、ｍは、世界座標系から参照系に値を変換する回転並進行列を示す。 Here, m indicates a rotation-translation matrix that transforms values from the world coordinate system to the reference system.
なお、テレセントリックカメラとは、受光センサと、光源と、視差を除去するためのレンズであるテレセントリックレンズと、を備え、光源からテレセントリックレンズを介して光を出射し、床面等の対象物での反射光を受光センサで検出（つまり、撮影）するカメラである。 Note that a telecentric camera is equipped with a light receiving sensor, a light source, and a telecentric lens that is a lens for removing parallax, and emits light from the light source via the telecentric lens to capture images on objects such as floors. This is a camera that detects (that is, photographs) reflected light with a light receiving sensor.
或いは、第１カメラ２１０がピンホールカメラである場合の行列Ｊｉは、下記の式（１４）で表される。
Alternatively, the matrix J i when the
なお、ピンホールカメラとは、レンズを用いず孔（ピンヒール）を利用したカメラである。 Note that a pinhole camera is a camera that uses a hole (spin heel) without using a lens.
ピンホールカメラ、及び、テレセントリックレンズではないいわゆる通常のレンズが採用されたカメラ等では、撮影された物体の画像における大きさは、物体とカメラとの距離に離れるにつれて小さくなる。本実施の形態では、第１カメラ２１０は、テレセントリックカメラでもよいし、テレセントリックカメラでなくてもよい。
In pinhole cameras and cameras that employ so-called normal lenses that are not telecentric lenses, the size of a photographed object in an image becomes smaller as the distance between the object and the camera increases. In this embodiment, the
ここで、Ｊｐ１１、Ｊｐ１２、Ｊｐ１３、及び、Ｊｐ１４は、下記の式（１５）、式（１６）、式（１７）、及び、式（１８）を満たす。 Here, J p11 , J p12 , J p13 , and J p14 satisfy the following formulas (15), (16), (17), and (18).
なお、ｆは、第１カメラ２１０の焦点距離を示す。
Note that f indicates the focal length of the
また、各ｍは、下記の式（１９）～式（２８）で表される。 Further, each m is expressed by the following formulas (19) to (28).
上記した通り、第１カメラ２１０の撮影結果から算出される移動ロボット１００の速度は、αとγとによって表される筐体１０の向き、及び、ｈによって表される筐体１０の高さに依存する。
As described above, the speed of the
また、第１カメラ２１０の撮影結果から算出される移動ロボット１００の並進速度は、移動ロボット１００の設計パラメータであるｒｉ、Ψｉ、ｂｉ、βｉ、及び、θｉに依存する。なお、これらの設計パラメータは、移動ロボット１００のサイズ、レイアウト等によって定められる値であり、予め定められる既知の値である。
Further, the translational speed of the
つまり、算出部１１０は、αとγとｈとが取得できれば、第１カメラ２１０から得られる情報（第１下方画像）を用いて移動ロボット１００の並進速度（所定の基準軸に沿った方向の速度）を精度よく算出できる。さらに、算出部１１０は、αとγとｈとを取得し、且つ、角速度（所定の基準軸からの回転速度）を算出することで、並進速度と角速度とから、所定の時刻における移動ロボット１００の合成速度を精度よく算出できる。
In other words, if α, γ, and h can be obtained, the
なお、本実施の形態では、３つの測距センサ２４０を用いて、筐体１０と床面との距離を計測する。
Note that in this embodiment, three
ここで、Ｎｄ（≧３）個の測距センサ２４０が、それぞれ、移動ロボット１００の参照系における位置（ｘｉ，ｙｉ，ｚｉ）で筐体１０に取り付けられているとする。
Here, it is assumed that Nd (≧3)
なお、距離センサの数は、３個以上であればよく、特に限定されない。本実施の形態では、移動ロボットが備える距離センサの数は、３個である。 Note that the number of distance sensors is not particularly limited as long as it is three or more. In this embodiment, the number of distance sensors included in the mobile robot is three.
例えば、ｉ番目の測距センサ２４０は、筐体１０と床面との間の距離（ｈｉ）を計測する。
For example, the i-th
なお、以下では説明を簡単にするために、ｉ番目の測距センサ２４０は、Ｚ軸方向に沿ってｈｉを測定するとする。
Note that, in order to simplify the explanation below, it is assumed that the i-th
測距センサ２４０は、設計上又は製造上の許容誤差により、鉛直方向に対して傾いている場合がある。この場合、算出部１１０は、予め許容誤差がわかっているとき、当該許容誤差に基づいて測距センサ２４０から取得されるｈｉを補正してもよい。
The
算出部１１０は、ｉ個の測距センサ２４０のそれぞれから得られるｈｉに基づいて、１≦ｉ≦Ｎｄの条件から、ｈ、α、及び、γを計算できる。
The
例えば、下記の式（２９）及び式（３０）のようにＨ及びＸを定義する。 For example, H and X are defined as in the following formulas (29) and (30).
これにより、下記の式（３１）が導出される。 As a result, the following equation (31) is derived.
上記した式（３１）から、検出部２３０が測距センサ２４０を３つ以上有することにより、ＸＸＴが非可逆行列とならずに算出できることがわかる。
From the above equation (31), it can be seen that when the
また、以上の式（２９）～式（３１）から、下記の式（３２）～式（３４）が導出される。 Furthermore, the following equations (32) to (34) are derived from the above equations (29) to (31).
また、上記した式（１２）の逆数から、下記の式（３５）が導出される。 Further, the following equation (35) is derived from the reciprocal of the above equation (12).
なお、
また、
最後に、上記した式（１１）の逆数から、下記の式（３６）及び式（３７）が導出される。 Finally, the following equation (36) and equation (37) are derived from the reciprocal of the above equation (11).
これにより、移動ロボット１００の合成速度が算出される。
As a result, the combined speed of the
なお、上記した式（３６）及び式（３７）のｖｘ及びｖｙに付しているハットは、推定値であることを示すための符号である。以下で用いるハットについても同様である。 Note that the hats attached to v x and v y in equations (36) and (37) above are symbols to indicate that they are estimated values. The same applies to the hats used below.
［処理手順］
続いて、移動ロボット１００の処理手順について説明する。
[Processing procedure]
Next, the processing procedure of the
＜概要＞
図５は、実施の形態１に係る移動ロボット１００の処理手順の概要を示すフローチャートである。なお、以下で説明するフローチャートでは、まず、移動ロボット１００は、ステップＳ１１０（又は後述するステップＳ１１１若しくはステップＳ１２３）の前に、所定の空間における移動ロボット１００の自己位置（第１自己位置と呼称する）を推定できているとする。また、第１カメラ２１０は、筐体１０の下方を撮影することで、当該第１自己位置で、第１下方画像を生成する。第１カメラ２１０は、生成した第１下方画像を算出部１１０に出力する。また、制御部１３０は、駆動部１４０を制御することで、例えば記憶部１５０に記憶されている走行経路に沿って、当該第１自己位置から移動ロボット１００を走行させる。
<Summary>
FIG. 5 is a flowchart showing an overview of the processing procedure of the
第１カメラ２１０は、移動ロボット１００が走行中に、筐体１０の下方を撮影することで、第１下方画像を生成する（ステップＳ１１０）。第１カメラ２１０は、生成した第１下方画像を算出部１１０に出力する。
The
次に、算出部１１０は、筐体１０の姿勢を算出する（ステップＳ１２０）。本実施の形態では、算出部１１０は、３つの測距センサ２４０のそれぞれから距離を取得する。算出部１１０は、取得した距離から、筐体１０の姿勢を示す筐体１０の向き（α及びγ）と、高さ（ｈ）と、を算出する。
Next, the
次に、算出部１１０は、筐体１０の姿勢及び第１下方画像に基づいて、移動ロボット１００の並進速度を算出する（ステップＳ１３０）。具体的には、算出部１１０は、筐体１０の姿勢と、第１自己位置で生成された第１下方画像と、移動ロボット１００が走行中に生成された第１下方画像と、に基づいて、移動ロボット１００の並進速度を算出する。
Next, the
次に、算出部１１０は、角速度を取得する（ステップＳ１４０）。本実施の形態では、算出部１１０は、移動ロボット１００が走行中に角速度センサ２５０から角速度を取得する。
Next, the
次に、推定部１２１は、並進速度及び角速度に基づいて、所定の空間における移動ロボット１００の自己位置を推定する（ステップＳ１５０）。具体的には、推定部１２１は、並進速度及び角速度と、第１自己位置とに基づいて、所定の空間における移動ロボット１００の、第１自己位置から移動した後の自己位置（第２自己位置）を推定する。例えば、推定部１２１は、第１自己位置の座標及び当該第１自己位置に移動ロボット１００が位置している時刻と、算出部１１０が算出した並進速度及び角速度、並びに、移動後の時刻（より具体的には、第２自己位置に移動ロボット１００が位置している時刻）とに基づいて、第２自己位置の座標を算出する。或いは、推定部１２１は、第１自己位置の座標と、算出部１１０が算出した並進速度及び角速度と、第１自己位置から第２自己位置までの移動時間とに基づいて、当該第２自己位置の座標を算出する。
Next, the
なお、移動ロボット１００は、時間を取得するためにＲＴＣ（Ｒｅａｌ Ｔｉｍｅ Ｃｌｏｃｋ）等の計時部を備えてもよい。
Note that the
次に、制御部１３０は、駆動部１４０を制御することで、推定部１２１が推定した自己位置に基づいて、移動ロボット１００を走行させる（ステップＳ１６０）。具体的には、制御部１３０は、駆動部１４０を制御することで、例えば記憶部１５０に記憶されている走行経路に沿って、当該第２自己位置からさらに移動ロボット１００を走行させる。
Next, the
＜具体例＞
図６は、実施の形態１に係る移動ロボット１００の処理手順を示すフローチャートである。
<Specific example>
FIG. 6 is a flowchart showing the processing procedure of the
まず、第１カメラ２１０は、移動ロボット１００が走行中に、筐体１０の下方を撮影することで、第１下方画像を生成する（ステップＳ１１０）。
First, the
次に、算出部１１０は、３つの測距センサ２４０のそれぞれから得られる距離に基づいて、筐体１０の姿勢を算出する（ステップＳ１２１）。具体的には、算出部１１０は、取得した距離から、筐体１０の姿勢を示す筐体１０の向き（α及びγ）と、高さ（ｈ）と、を算出する。
Next, the
次に、算出部１１０は、筐体１０の姿勢及び第１下方画像に基づいて、移動ロボット１００の並進速度を算出する（ステップＳ１３０）。
Next, the
次に、算出部１１０は、移動ロボット１００が走行中に角速度センサ２５０から角速度を取得する（ステップＳ１４１）。
Next, the
次に、推定部１２１は、並進速度及び角速度に基づいて、所定の空間における移動ロボット１００の自己位置を推定する（ステップＳ１５０）。
Next, the
次に、制御部１３０は、駆動部１４０を制御することで、推定部１２１が推定した自己位置に基づいて、移動ロボット１００を走行させる（ステップＳ１６０）。
Next, the
［効果等］
以上説明したように、実施の形態１に係る移動ロボット１００は、所定の空間を自律走行する移動ロボットである。移動ロボット１００は、筐体１０と、筐体１０に取り付けられ、筐体１０の下方を撮影することで第１下方画像を生成する第１カメラ２１０と、筐体１０に取り付けられ、筐体１０の姿勢を検出するための検出部２３０と、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１００の速度（上記した並進速度）を算出する算出部１１０と、算出部１１０が算出した速度に基づいて、所定の空間における移動ロボット１００の自己位置を推定する推定部１２１と、推定部１２１が推定した自己位置に基づいて、移動ロボット１００を走行させる制御部１３０と、を備える。
[Effects etc.]
As explained above, the
上記したように、算出部１１０は、筐体１０の姿勢及び速度を算出することで、間接的に筐体１０と相対的な姿勢及び位置関係が変わらないように取り付けられた第１カメラ２１０の姿勢及び速度を算出する。これによれば、算出部１１０は、第１カメラ２１０の姿勢を補正できるため、より正確な第１カメラ２１０の速度を算出できる。つまり、算出部１１０は、より正確な筐体１０、言い換えると、移動ロボット１００の速度を算出できる。これにより、移動ロボット１００は、精度よく算出された速度を用いて、自己位置を精度よく算出できる。
As described above, by calculating the attitude and speed of the
また、例えば、検出部２３０は、移動ロボット１００が走行する床面と筐体１０との距離をそれぞれが計測する３つ以上の測距センサ２４０を備える。この場合、例えば、算出部１１０は、３つ以上の測距センサ２４０のそれぞれから得られる距離に基づいて、筐体１０の姿勢を算出する。
Further, for example, the
これによれば、算出部１１０は、３つ以上の測距センサ２４０のそれぞれから得られる距離に基づいて、簡便な算出処理で筐体１０の姿勢を算出できる。
According to this, the
また、例えば、移動ロボット１００は、さらに、筐体１０に取り付けられ、移動ロボット１００の角速度を計測する角速度センサ２５０を備える。この場合、推定部１２１は、移動ロボット１００の角速度及び速度（つまり、上記した合成速度）に基づいて、自己位置を推定する。
Furthermore, for example, the
これによれば、算出部１１０は、簡便な構成で移動ロボット１００の角速度を取得でき、推定部１２１は、自己位置をさらに精度よく推定できる。また、推定部１２１は、当該自己位置における移動ロボット１００（より具体的には、筐体１０）の向きを精度よく推定できる。これによれば、移動ロボット１００は、当該自己位置からさらに走行する際に、さらに適切な向きに走行を開始できる。
According to this, the
（実施の形態２）
以下、実施の形態２に係る移動ロボットについて説明する。なお、実施の形態２の説明においては、実施の形態１に係る移動ロボット１００との差異点を中心に説明し、移動ロボット１００と実質的に同様の構成及び処理手順についてはそれぞれ同様の符号を付し、説明を一部簡略化又は省略する場合がある。
(Embodiment 2)
A mobile robot according to Embodiment 2 will be described below. In the description of the second embodiment, the differences from the
［構成］
図７は、実施の形態２に係る移動ロボット１０１の構成を示すブロック図である。図８は、実施の形態２に係る移動ロボット１０１が備えるセンサ部２０１の各構成要素の配置レイアウトを模式的に示す図である。なお、図８では、センサ部２０１の一部の配置レイアウトを筐体１０の底面側から見た場合を示しており、センサ部２０１の他の一部の構成要素及びホイール２０等の図示を省略している。
[composition]
FIG. 7 is a block diagram showing the configuration of
移動ロボット１０１は、３つの測距センサ２４０と１つの画像とに基づいて並進速度を算出し、２つの画像に基づいて角速度を算出する。
The
移動ロボット１０１は、センサ部２０１と、周囲センサ部１６０と、算出部１１１と、ＳＬＡＭ部１２０と、制御部１３０と、駆動部１４０と、記憶部１５０と、を備える。
The
センサ部２０１は、移動ロボット１０１の速度を算出するための情報を検出するセンサ群である。本実施の形態では、センサ部２０１は、第１カメラ２１０と、光源２２０と、検出部２３０と、第２カメラ２５１と、オドメトリセンサ２６０と、を備える。
The
第２カメラ２５１は、筐体１０に取り付けられ、筐体１０の下方を撮影することで画像（第２下方画像）を生成するカメラである。第２カメラ２５１は、生成した第２下方画像を算出部１１１に定期的に繰り返し出力する。第２カメラ２５１は、後述する光源２２０に基づく光の分布を検出できればよく、検出する光の波長、ピクセル数等は特に限定されない。
The
なお、本実施の形態では、移動ロボット１０１は、２台のカメラ（第１カメラ２１０及び第２カメラ２５１）を備えるが、３台以上のカメラを備えてもよい。
Note that in this embodiment, the
なお、図８には、第１カメラ２１０及び第２カメラ２５１のそれぞれに対応する光源２２０を１つずつ図示しているが、センサ部２０１が備える光源２２０の数は、１つでもよい。
Although FIG. 8 shows one
図８に示すように、例えば、筐体１０を底面視した場合、第１カメラ２１０及び第２カメラ２５１は、筐体１０の中央部に並んで取り付けられている。
As shown in FIG. 8, for example, when the
第１カメラ２１０、検出部２３０、第２カメラ２５１、及び、オドメトリセンサ２６０は、例えば、算出部１１１等の処理部によって同期して動作され、同時刻における情報をそれぞれ定期的に繰り返し算出部１１１に出力する。
The
算出部１１１は、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０１の速度（並進速度）を算出する処理部である。本実施の形態では、算出部１１１は、第１下方画像と第２下方画像とに基づいて、移動ロボット１０１の角速度を算出する。具体的な角速度の算出方法については、後述する。
The
また、算出部１１１は、算出した並進速度と、算出した角速度とから、移動ロボット１０１が走行した向きも考慮された速度（合成速度）を算出する。算出部１１１は、算出した合成速度をＳＬＡＭ部１２０に出力する。なお、算出部１１１は、算出した並進速度と、算出した角速度とのそれぞれの情報を、合成せずにＳＬＡＭ部１２０に出力してもよい。
Further, the
［速度算出処理］
続いて、移動ロボット１０１の合成速度の具体的な算出方法について説明する。なお、以下の説明では、移動ロボット１０１が筐体１０の下方を撮影するＮｃ（≧２）台のカメラ（第１カメラ２１０及び第２カメラ２５１の両方を含むカメラの台数）を備えるとして説明する。
[Speed calculation process]
Next, a specific method for calculating the composite speed of the
まず、上記した式（３５）から、
次に、下記の式（３８）に示すように、行列Ａを定義する。 Next, matrix A is defined as shown in equation (38) below.
これによれば、移動ロボット１０１の並進速度及び角速度は、下記の式（３９）から算出できる。
According to this, the translational velocity and angular velocity of the
このように、上記した式（３９）によって、算出部１１１は、２台以上のカメラから得られる情報（画像）に基づいて、並進速度及び角速度を算出できる。より具体的には、算出部１１１は、２台以上のカメラから得られる画像の走行前後の相対的な位置関係の変化に基づいて、移動ロボット１０１の角速度を算出できる。
In this way, the
［処理手順］
図９は、実施の形態２に係る移動ロボット１０１の処理手順を示すフローチャートである。
[Processing procedure]
FIG. 9 is a flowchart showing the processing procedure of the
まず、第１カメラ２１０は、移動ロボット１０１が走行中に、筐体１０の下方を撮影することで、第１下方画像を生成する（ステップＳ１１０）。
First, the
次に、算出部１１１は、３つの測距センサ２４０のそれぞれから得られる距離に基づいて、筐体１０の姿勢を算出する（ステップＳ１２１）。具体的には、算出部１１１は、取得した距離から、筐体１０の姿勢を示す筐体１０の向き（α及びγ）と、高さ（ｈ）と、を算出する。
Next, the
次に、算出部１１１は、筐体１０の姿勢及び第１下方画像に基づいて、移動ロボット１０１の並進速度を算出する（ステップＳ１３０）。
Next, the
次に、第２カメラ２５１は、移動ロボット１０１が走行中に、筐体１０の下方を撮影することで、第２下方画像を生成する（ステップＳ１４２）。第２カメラ２５１は、生成した第２下方画像を算出部１１１に出力する。
Next, the
なお、第２カメラ２５１は、移動ロボット１０１が走行を開始する前の地点（上記した第１自己位置）において、筐体１０の下方を撮影することで、第２下方画像を生成している。この場合にも、第２カメラ２５１は、生成した第２下方画像を算出部１１１に出力する。
Note that the
なお、第１カメラ２１０が撮影するタイミング、及び、第２カメラ２５１が撮影するタイミングは、同じタイミングである。つまり、ステップＳ１１０、及び、ステップＳ１４２は、同時刻に行われる。
Note that the timing at which the
次に、算出部１１１は、第１下方画像及び第２下方画像に基づいて、移動ロボット１０１の角速度を算出する（ステップＳ１４３）。
Next, the
次に、推定部１２１は、並進速度及び角速度に基づいて、所定の空間における移動ロボット１０１の自己位置を推定する（ステップＳ１５０）。
Next, the
次に、制御部１３０は、駆動部１４０を制御することで、推定部１２１が推定した自己位置に基づいて、移動ロボット１０１を走行させる（ステップＳ１６０）。
Next, the
［効果等］
以上説明したように、実施の形態２に係る移動ロボット１０１は、筐体１０と、第１カメラ２１０と、検出部２３０（３つ以上の測距センサ２４０）と、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０１の速度（上記した並進速度）を算出する算出部１１１と、推定部１２１と、制御部１３０と、を備える。また、移動ロボット１０１は、さらに、筐体１０に取り付けられ、移動ロボット１０１（より具体的には、筐体１０）の下方を撮影することで第２下方画像を生成する第２カメラ２５１を備える。この場合、例えば、算出部１１１は、第１下方画像と第２下方画像とに基づいて、移動ロボット１０１の角速度を算出する。
[Effects etc.]
As described above, the
これによれば、算出部１１１は、例えば、ＩＭＵ等の角速度を検出するための装置を用いるよりも、２台のカメラから得られる画像に基づいて移動ロボット１０１の角速度を精度よく算出できる。
According to this, the
（実施の形態３）
以下、実施の形態３に係る移動ロボットについて説明する。なお、実施の形態３の説明においては、実施の形態１、２に係る移動ロボット１００、１０１との差異点を中心に説明し、移動ロボット１００、１０１と実質的に同様の構成及び処理手順については同様の符号を付し、説明を一部簡略化又は省略する場合がある。
(Embodiment 3)
A mobile robot according to Embodiment 3 will be described below. In the description of the third embodiment, the differences from the
［構成］
図１０は、実施の形態３に係る移動ロボット１０２の構成を示すブロック図である。図１１は、実施の形態３に係る移動ロボット１０２が備えるセンサ部２０２の各構成要素の配置レイアウトを模式的に示す図である。なお、図１１では、センサ部２０２の一部の配置レイアウトを筐体１０の底面側から見た場合を示しており、センサ部２０２の他の一部の構成要素及びホイール２０等の図示を省略している。
[composition]
FIG. 10 is a block diagram showing the configuration of
移動ロボット１０２は、構造化光を検出することで生成される画像に基づいて並進速度を算出し、角速度センサ２５０を用いて角速度を計測する。
The
移動ロボット１０２は、センサ部２０２と、周囲センサ部１６０と、算出部１１２と、ＳＬＡＭ部１２０と、制御部１３０と、駆動部１４０と、記憶部１５０と、を備える。
The
センサ部２０２は、移動ロボット１０２の速度を算出するための情報を検出するセンサ群である。本実施の形態では、センサ部２０２は、第１カメラ２１０と、検出部２３１と、角速度センサ２５０と、オドメトリセンサ２６０と、を備える。
The
また、検出部２３１は、移動ロボット１０２の下方に向けて構造化光を出射する光源（構造化光源）２４１を有する。第１カメラ２１０は、光源２４１が出射した構造化光の、移動ロボット１０２が走行する床面での反射光を検出することで第１下方画像を生成する。
Furthermore, the
なお、本実施の形態では、第１カメラ２１０は、テレセントリックカメラである。
Note that in this embodiment, the
構造化光とは、予め定められた特定の向きに出射された光であって、当該光の投影面において特定の光分布を有する光である。 Structured light is light that is emitted in a predetermined specific direction and has a specific light distribution on the projection plane of the light.
図１１に示すように、例えば、光源２４１は、筐体１０を底面視した場合、第１カメラ２１０を囲むように配置された３つのレーザ光源からなる。当該３つのレーザ光源から出射されるレーザ光は、それぞれ、予め定められた向きで床面に向けて出射される。
As shown in FIG. 11, for example, the
図１２Ａ～図１３Ｂは、構造化光を説明するための図である。なお、図１２Ｂは、図１２Ａに対応する、第１カメラ２１０における撮像中心を中央（原点）に位置させた場合の構造化光の各照射位置を示す図である。また、図１３Ｂは、図１３Ａに対応する、第１カメラ２１０における撮像中心を中央（原点）に位置させた場合の構造化光の各照射位置を示す図である。
12A to 13B are diagrams for explaining structured light. Note that FIG. 12B corresponds to FIG. 12A and is a diagram showing each irradiation position of the structured light when the imaging center of the
また、図１２Ａ及び図１２Ｂは、筐体１０が床面に対して傾いていない状態における、第１カメラ２１０及び光源２４１が有するレーザ光源２４１ａ、２４１ｂ、２４１ｃと、構造化光の床面における光の照射位置とを模式的に示している。一方、図１３Ａ及び図１３Ｂは、筐体１０が床面に対して所定の角度で傾いている状態における、第１カメラ２１０及び光源２４１が有するレーザ光源２４１ａ、２４１ｂ、２４１ｃと、構造化光の床面における光の照射位置とを模式的に示している。つまり、図１３Ａ及び図１３Ｂに示す状態では、第１カメラ２１０の光軸及び光源２４１が有するレーザ光源２４１ａ、２４１ｂ、２４１ｃの出射方向が、図１２Ａ及び図１２Ｂに示す状態からそれぞれ傾いている。
Further, FIGS. 12A and 12B show the
図１２Ａに示すように、レーザ光源２４１ａ、２４１ｂ、２４１ｃのそれぞれから出射されるレーザ光からなる構造化光は、第１カメラ２１０の光軸に対して傾いた光軸を有する少なくとも３つのレーザ光で構成される。
As shown in FIG. 12A, the structured light consisting of laser light emitted from each of the
なお、これらの３つのレーザ光は、本実施の形態のようにそれぞれ独立した光源から出射されてもよいし、ミラー、ハーフミラー、又は、ビームスプリッタ等の光学系によって単一の光源から出射されたレーザ光が複数に分割されることで生成されてもよい。 Note that these three laser beams may be emitted from independent light sources as in this embodiment, or may be emitted from a single light source using an optical system such as a mirror, a half mirror, or a beam splitter. The laser light may be generated by dividing the laser light into a plurality of parts.
レーザ光が照射された床面の位置（照射位置３２０、３２１、３２２）は、図１２Ｂに示すように、第１カメラ２１０が生成する画像から座標が取得できる。これらの位置は、筐体１０の高さ（ｈ）と、筐体１０の向き（α及びγ）とに依存する。つまり、これらの位置は、筐体１０の姿勢に依存する。
The coordinates of the positions of the floor surface irradiated with the laser light (irradiation positions 320, 321, and 322) can be obtained from the image generated by the
例えば、筐体１０が床面に対して傾いた場合、図１３Ａに示すように、レーザ光源２４１ａ、２４１ｂ、２４１ｃのそれぞれから出射されたレーザ光の床面における照射位置３２０ａ、３２１ａ、３２２ａは、図１２Ａに示す照射位置３２０、３２１、３２２から移動する。
For example, when the
例えば、第１カメラ２１０の光軸と床面との交点である撮影中心位置３１０ａと、照射位置３２０ａ、３２１ａ、３２２ａとを、互いの位置関係を変えずに、撮影中心位置３１０ａを図１２Ｂに示す撮影中心位置３１０と重なるように移動させるとする。この場合、例えば、照射位置３２０ａは、照射位置３２０に対して左に移動している。また、照射位置３２１ａは、照射位置３２１に対して右下に移動している。また、照射位置３２２ａは、照射位置３２２に対して左下移動している。
For example, without changing the positional relationship between the
このように、構造化光を検出することで生成された画像における光の照射位置は、筐体１０の姿勢に依存する。言い換えると、構造化光を検出することで生成された画像における光の照射位置に基づいて、筐体１０の姿勢を算出することができる。
In this way, the irradiation position of light in an image generated by detecting structured light depends on the attitude of the
第１カメラ２１０、検出部２３１、角速度センサ２５０、及び、オドメトリセンサ２６０は、例えば、算出部１１２等の処理部によって同期して動作され、同時刻における情報をそれぞれ定期的に繰り返し算出部１１２に出力する。
The
算出部１１２は、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０２の速度（並進速度）を算出する処理部である。本実施の形態では、算出部１１２は、光源２４１が出射した構造化光の、移動ロボット１０２が走行する床面での反射光を検出することで生成された第１下方画像に基づいて、筐体１０の姿勢及び速度を並進算出する。また、算出部１１２は、実施の形態１に係る算出部１１０と同様に、角速度センサ２５０から移動ロボット１０２の角速度を取得する。算出部１１２は、算出した並進速度と、角速度センサ２５０から取得した角速度とから、移動ロボット１０２の合成速度を算出する。
The
算出部１１２は、算出した合成速度をＳＬＡＭ部１２０に出力する。なお、算出部１１２は、算出した並進速度と、角速度センサ２５０から取得した角速度とのそれぞれの情報を、合成せずにＳＬＡＭ部１２０に出力してもよい。
The
［速度算出処理］
続いて、移動ロボット１０２の合成速度の具体的な算出方法について説明する。なお、以下の説明では、移動ロボット１０２がＮｌ（≧３）個のレーザ光源を有するとして説明する。つまり、以下の説明では、光源２４１がＮｌ個のレーザ光源からなるとして説明する。
[Speed calculation process]
Next, a specific method for calculating the composite speed of the
なお、第１カメラ２１０の光軸とｉ番目のレーザ光源から出射されるレーザ光の光軸とのなす角度をηとする。ただし、１≦ｉ≦Ｎｌであるとする。
Note that the angle between the optical axis of the
この場合、移動ロボット１０２を上面視した場合における、ｉ番目のレーザ光源と、当該ｉ番目のレーザ光源から出射されるレーザ光の床面における照射位置の距離をｌｉとすると、下記の式（４０）からｈｉを算出できる。
In this case, if the distance between the i-th laser light source and the irradiation position on the floor surface of the laser light emitted from the i-th laser light source is l i when the
なお、ηｉは、設計パラメータ（第１カメラ２１０の光軸とｉ番目のレーザ光源の光軸とのなす角度）である。つまり、ηｉは、予め定められる定数である。
Note that η i is a design parameter (the angle between the optical axis of the
移動ロボット１０２を上面視した場合における、ｉ番目のレーザ光源の位置は、筐体１０に配置された第１カメラ２１０等の位置関係等の設計情報に基づいて算出できる。
The position of the i-th laser light source when the
また、上記した式（４０）、及び、上記した式（２９）～式（３７）から、ｈ、α、及び、γが算出できる。そのため、算出部１１２は、移動ロボット１０２の並進速度が算出できる。
Further, h, α, and γ can be calculated from the above equation (40) and the above equations (29) to (37). Therefore, the
なお、この場合、上記した式に用いられるｘｉ、ｙｉ、及び、ｚｉは、移動ロボット１０２の参照系で表される、第１カメラ２１０の平面（撮像面に平行な平面）上のレーザ光の照射位置から算出される。
In this case, x i , y i , and z i used in the above equation are on the plane of the first camera 210 (the plane parallel to the imaging plane), which is expressed in the reference system of the
また、本実施の形態では、構造化光は、床面において３つの光スポットを形成したが、床面でＮ個の離散的な点（つまり、複数の光スポット）になっている必要はない。例えば、構造化光は、環状、又は、移動ロボット１０２の高さと向きとに応じて床面において光スポットの形状が変化する光でもよい。
Furthermore, in this embodiment, the structured light forms three light spots on the floor surface, but it is not necessary that the structured light forms N discrete points (that is, multiple light spots) on the floor surface. . For example, the structured light may be annular, or light in which the shape of the light spot changes on the floor depending on the height and orientation of the
また、上記した説明では、１つのカメラ（第１カメラ２１０）から得られる情報（画像）に基づいて、筐体１０の向き及び高さと、移動ロボット１０２の並進速度とを算出した。例えば、移動ロボット１０２は、１つのカメラを備え、且つ、構造化光を出射する光源２４１のオンとオフとを切り替え可能な構成でもよい。
Furthermore, in the above description, the orientation and height of the
これによれば、構造化光を検出することで生成した画像に基づいて筐体１０の高さと向きとを算出し、且つ、構造化光を検出することで生成した画像と、構造化光以外の光（例えば、構造化光以外の光を出射する光源２２０）を検出することで生成した画像と、に基づいて、移動ロボット１０２の速度を算出してもよい。
According to this, the height and orientation of the
また、第１カメラ２１０が構造化光を検出することで画像を生成する場合、移動ロボット１０２は、移動していてもよいし、停止していてもよい。
Furthermore, when the
また、移動ロボット１０２は、構造化光を検出するカメラ（つまり、光源２４１と、テレセントリックカメラである第１カメラ２１０との組）を２つ備えてもよい。例えば、一の組では、算出部１１２が移動ロボット１０２の並進速度を算出するための画像を生成し、他の組では、算出部１１２が移動ロボット１０２の姿勢を算出するための画像を生成してもよい。この場合、それぞれのカメラは、移動ロボット１０２の状態に関する情報を出力するスタンドアロンセンサとみなすことができる。
Furthermore, the
［処理手順］
図１４は、実施の形態３に係る移動ロボット１０２の処理手順を示すフローチャートである。
[Processing procedure]
FIG. 14 is a flowchart showing the processing procedure of the
まず、第１カメラ２１０は、移動ロボット１０２が走行中に、光源２４１が出射した構造化光の、移動ロボット１０２が走行する床面での反射光を検出することで、第１下方画像を生成する（ステップＳ１１１）。
First, while the
次に、算出部１１２は、第１カメラ２１０が、光源２４１が出射した構造化光の、移動ロボット１０２が走行する床面での反射光を検出することで生成した第１下方画像に基づいて、筐体１０の姿勢を算出する（ステップＳ１２２）。具体的には、算出部１１２は、取得した第１下方画像に基づいて、筐体１０の姿勢を示す筐体１０の向き（α及びγ）と、高さ（ｈ）と、を算出する。
Next, the
次に、算出部１１２は、筐体１０の姿勢及び第１下方画像に基づいて、移動ロボット１０２の並進速度を算出する（ステップＳ１３０）。
Next, the
次に、算出部１１２は、移動ロボット１０２が走行中に角速度センサ２５０から角速度を取得する（ステップＳ１４１）。
Next, the
次に、推定部１２１は、並進速度及び角速度に基づいて、所定の空間における移動ロボット１０２の自己位置を推定する（ステップＳ１５０）。
Next, the
次に、制御部１３０は、駆動部１４０を制御することで、推定部１２１が推定した自己位置に基づいて、移動ロボット１０２を走行させる（ステップＳ１６０）。
Next, the
［効果等］
以上説明したように、実施の形態３に係る移動ロボット１０２は、筐体１０と、第１カメラ２１０と、検出部２３１と、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０２の速度（上記した並進速度）を算出する算出部１１２と、推定部１２１と、制御部１３０と、を備える。また、例えば、検出部２３１は、移動ロボット１０２の下方に向けて構造化光を出射する光源２４１を有する。この場合、例えば、第１カメラ２１０は、光源２４１が出射した構造化光の、移動ロボット１０２が走行する床面での反射光を検出することで第１下方画像を生成する。算出部１１２は、第１カメラ２１０が、光源２４１が出射した構造化光の、移動ロボット１０２が走行する床面での反射光を検出することで生成した第１下方画像に基づいて、筐体１０の姿勢及び移動ロボット１０２の速度を算出する。
[Effects etc.]
As described above, the
これによれば、例えば、算出部１１２は、実施の形態１に係る移動ロボット１００が備える検出部２３０が有する３つの測距センサ２４０を用いることなく筐体１０の姿勢を算出できる。そのため、移動ロボット１０２の構造は、簡素化され得る。
According to this, for example, the
（実施の形態４）
以下、実施の形態４に係る移動ロボットについて説明する。なお、実施の形態４の説明においては、実施の形態１～３に係る移動ロボット１００～１０２との差異点を中心に説明し、移動ロボット１００～１０２と実質的に同様の構成及び処理手順については同様の符号を付し、説明を一部簡略化又は省略する場合がある。
(Embodiment 4)
A mobile robot according to Embodiment 4 will be described below. In the description of the fourth embodiment, the differences from the
［構成］
図１５は、実施の形態４に係る移動ロボット１０３の構成を示すブロック図である。図１６は、実施の形態４に係る移動ロボット１０３が備えるセンサ部２０３の各構成要素の配置レイアウトを模式的に示す図である。なお、図１６では、センサ部２０３の一部の配置レイアウトを筐体１０の底面側から見た場合を示しており、センサ部２０３の他の一部の構成要素及びホイール２０等の図示を省略している。
[composition]
FIG. 15 is a block diagram showing the configuration of
移動ロボット１０３は、構造化光を検出することで生成される画像に基づいて並進速度を算出し、互いに異なるカメラで生成された２つの画像に基づいて角速度を算出する。
The
移動ロボット１０３は、センサ部２０３と、周囲センサ部１６０と、算出部１１３と、ＳＬＡＭ部１２０と、制御部１３０と、駆動部１４０と、記憶部１５０と、を備える。
The
センサ部２０３は、移動ロボット１０３の速度を算出するための情報を検出するセンサ群である。本実施の形態では、センサ部２０３は、第１カメラ２１０と、検出部２３１と、第２カメラ２５１と、オドメトリセンサ２６０と、を備える。
The
また、検出部２３１は、移動ロボット１０３の下方に向けて構造化光を出射する光源（構造化光源）２４１を有する。第１カメラ２１０は、光源２４１が出射した構造化光の、移動ロボット１０３が走行する床面での反射光を検出することで第１下方画像を生成する。
Furthermore, the
なお、本実施の形態では、第１カメラ２１０は、テレセントリックカメラである。
Note that in this embodiment, the
図１６に示すように、例えば、光源２４１は、筐体１０を底面視した場合、第１カメラ２１０を囲むように配置された３つのレーザ光源からなる。また、例えば、筐体１０を底面視した場合、第１カメラ２１０及び第２カメラ２５１は、筐体１０の中央部に並んで取り付けられている。
As shown in FIG. 16, for example, the
第１カメラ２１０、検出部２３１、第２カメラ２５１、及び、オドメトリセンサ２６０は、例えば、算出部１１３等の処理部によって同期して動作され、同時刻における情報をそれぞれ定期的に繰り返し算出部１１３に出力する。
The
算出部１１３は、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０３の速度（並進速度）を算出する処理部である。本実施の形態では、算出部１１３は、実施の形態３に係る算出部１１２と同様に、光源２４１が出射した構造化光の、移動ロボット１０３が走行する床面での反射光を検出することで生成された第１下方画像に基づいて、筐体１０の姿勢及び速度を並進算出する。
The
具体的には、算出部１１３は、上記した式（３９）から、構造化光を検出することで生成される画像に基づいて、高さｈｉを算出する。ただし、１≦ｉ≦Ｎｌであり、Ｎｌ≧３であるとする。また、例えば、上記した式（２９）～式（３５）を用いて、算出部１１３は、２つのカメラ（第１カメラ２１０及び第２カメラ２５１）のそれぞれの速度を算出する。
Specifically, the
また、算出部１１３は、実施の形態２に係る算出部１１１と同様に、第１下方画像及び第２下方画像に基づいて、移動ロボット１０３の角速度を算出する。
Further, similar to the
算出部１１３は、算出した並進速度と、算出した角速度とから、移動ロボット１０３の合成速度を算出する。具体的には、上記した式（２９）～式（３５）を用いて算出される２つのカメラのそれぞれの速度から、上記した式（３９）を用いて、移動ロボット１０３の角速度を算出する。
The
算出部１１３は、算出した合成速度をＳＬＡＭ部１２０に出力する。なお、算出部１１３は、算出した並進速度と、算出した角速度とのそれぞれの情報を、合成せずにＳＬＡＭ部１２０に出力してもよい。
The
なお、図１６に示すように、第１カメラ２１０及び第２カメラ２５１のうち一方の近傍にのみ構造化光を出射する光源２４１が配置されているが、これに限定されない。第１カメラ２１０及び第２カメラ２５１のそれぞれの近傍に構造化光を出射する光源２４１がそれぞれ配置されていてもよい。
Note that, as shown in FIG. 16, the
これによれば、算出部１１３は、第１カメラ２１０及び第２カメラ２５１のそれぞれにおいて、筐体１０の高さ（上記したｈ）、及び、筐体１０の姿勢（上記したα及びγ）を算出できるので、移動ロボット１０３の並進速度及び角速度をさらに精度よく算出できる。
According to this, the
また、移動ロボット１０３は、２つのカメラ（第１カメラ２１０及び第２カメラ２５１）を備えるが、これに限定されない。移動ロボット１０３は、筐体１０に取り付けられ、筐体１０の下方を撮影することで画像を生成するカメラを３台以上を備えてもよい。
Furthermore, although the
これによれば、算出部１１３は、それぞれのカメラから得られる画像それぞれについて速度を算出し、算出した複数の速度の平均値を移動ロボット１０３の速度とすることで、さらに精度よく移動ロボット１０３の速度を算出できる。
According to this, the
［処理手順］
図１７は、実施の形態４に係る移動ロボット１０３の処理手順を示すフローチャートである。
[Processing procedure]
FIG. 17 is a flowchart showing the processing procedure of the
まず、第１カメラ２１０は、移動ロボット１０３が走行中に、光源２４１が出射した構造化光の、移動ロボット１０３が走行する床面での反射光を検出することで、第１下方画像を生成する（ステップＳ１１１）。
First, while the
次に、算出部１１３は、第１カメラ２１０が、光源２４１が出射した構造化光の、移動ロボット１０３が走行する床面での反射光を検出することで生成した第１下方画像に基づいて、筐体１０の姿勢を算出する（ステップＳ１２２）。具体的には、算出部１１３は、取得した第１下方画像に基づいて、筐体１０の姿勢を示す筐体１０の向き（α及びγ）と、高さ（ｈ）と、を算出する。
Next, the
次に、算出部１１３は、筐体１０の姿勢及び第１下方画像に基づいて、移動ロボット１０３の並進速度を算出する（ステップＳ１３０）。
Next, the
次に、第２カメラ２５１は、移動ロボット１０３が走行中に、筐体１０の下方を撮影することで、第２下方画像を生成する（ステップＳ１４２）。
Next, the
次に、算出部１１３は、第１下方画像及び第２下方画像に基づいて、移動ロボット１０３の角速度を算出する（ステップＳ１４３）。
Next, the
次に、推定部１２１は、並進速度及び角速度に基づいて、所定の空間における移動ロボット１０３の自己位置を推定する（ステップＳ１５０）。
Next, the estimating
次に、制御部１３０は、駆動部１４０を制御することで、推定部１２１が推定した自己位置に基づいて、移動ロボット１０３を走行させる（ステップＳ１６０）。
Next, the
［効果等］
以上説明したように、実施の形態４に係る移動ロボット１０３は、筐体１０と、第１カメラ２１０と、検出部２３１と、算出部１１３と、推定部１２１と、制御部１３０と、第２カメラ２５１と、を備える。また、検出部２３１は、構造化光を出射する光源２４１を有する。例えば、第１カメラ２１０は、光源２４１が出射した構造化光の、移動ロボット１０３が走行する床面での反射光を検出することで第１下方画像を生成する。算出部１１３は、第１カメラ２１０が、光源２４１が出射した構造化光の、移動ロボット１０３が走行する床面での反射光を検出することで生成した第１下方画像に基づいて、筐体１０の姿勢及び移動ロボット１０３の速度を算出する。また、算出部１１３は、第１下方画像と、第２カメラ２５１に生成された第２下方画像とに基づいて、移動ロボット１０３の角速度を算出する。
[Effects etc.]
As described above, the
これによれば、例えば、算出部１１３が、実施の形態３に係る移動ロボット１０２と同様に、３つの測距センサ２４０を用いることなく筐体１０の姿勢を算出できるため、移動ロボット１０３の構造は、簡素化され得る。また、算出部１１３は、実施の形態２に係る算出部１１１と同様に、ＩＭＵ等の角速度を検出するための装置を用いるよりも、２台のカメラから得られる画像に基づいて移動ロボット１０３の角速度を精度よく算出できる。
According to this, for example, like the
このように、各実施の形態に係る移動ロボットの各構成要素が、任意に組み合わされてよい。 In this way, each component of the mobile robot according to each embodiment may be combined arbitrarily.
（実施の形態５）
以下、実施の形態５に係る移動ロボットについて説明する。なお、実施の形態５の説明においては、実施の形態１～４に係る移動ロボット１００～１０３との差異点を中心に説明し、移動ロボット１００～１０３と実質的に同様の構成及び処理手順については同様の符号を付し、説明を一部簡略化又は省略する場合がある。
(Embodiment 5)
A mobile robot according to Embodiment 5 will be described below. In addition, in the description of the fifth embodiment, the differences from the
［構成］
図１８は、実施の形態５に係る移動ロボット１０４の構成を示すブロック図である。図１９は、実施の形態５に係る移動ロボット１０４が備えるセンサ部２０４の各構成要素の配置レイアウトを模式的に示す図である。なお、図１９では、センサ部２０４の一部の配置レイアウトを筐体１０の底面側から見た場合を示しており、センサ部２０４の他の一部の構成要素及びホイール２０等の図示を省略している。図２０は、実施の形態５に係る移動ロボット１０４が備えるカメラの撮影方向を模式的に示す図である。具体的には、図２０は、実施の形態５に係る移動ロボット１０４が備える第１カメラ２１０及び第２カメラ２５１それぞれの光軸方向を模式的に示す概略側面図である。
[composition]
FIG. 18 is a block diagram showing the configuration of
移動ロボット１０４は、加速度センサが計測した移動ロボット１０４の加速度に基づいて筐体１０の姿勢を算出し、当該姿勢、及び、筐体１０の下方を撮像することで生成された画像に基づいて並進速度を算出し、互いに異なるカメラで生成された２つの画像に基づいて角速度を算出する。
The
移動ロボット１０４は、センサ部２０４と、周囲センサ部１６０と、算出部１１４と、ＳＬＡＭ部１２０と、制御部１３０と、駆動部１４０と、記憶部１５０と、を備える。
The
センサ部２０４は、移動ロボット１０４の速度を算出するための情報を検出するセンサ群である。本実施の形態では、センサ部２０４は、第１カメラ２１０と、光源２２０と、検出部２３２と、第２カメラ２５１と、オドメトリセンサ２６０と、を備える。
The
第１カメラ２１０は、光源２２０が出射した光の、移動ロボット１０４が走行する床面での反射光を検出することで第１下方画像を生成する。第２カメラ２５１は、光源２２０が出射した光の、移動ロボット１０４が走行する床面での反射光を検出することで第２下方画像を生成する。
The
また、第１カメラ２１０と第２カメラ２５１とは、光軸が平行にならないように筐体１０に取り付けられている。具体的には、図２０に示すように、第１カメラ２１０の光軸３００と、第２カメラ２５１の光軸３０１とは、平行にならないように筐体１０に取り付けられている。これによれば、後述する式（５５）がＦＴＦ０にならない。
Further, the
なお、本実施の形態では、第１カメラ２１０及び第２カメラ２５１は、テレセントリックカメラである。
Note that in this embodiment, the
検出部２３２は、加速度センサ２４２を有する。
The
加速度センサ２４２は、移動ロボット１０４の加速度を計測するセンサである。具体的には、加速度センサ２４２は、移動ロボット１０４の重力方向を算出するため移動ロボット１０４の加速度を計測するセンサである。加速度センサ２４２は、例えば、アクセレロメータを含むＩＭＵである。加速度センサ２４２は、計測した加速度（加速度情報）を算出部１１４に定期的に繰り返し出力する。
第１カメラ２１０、光源２２０、検出部２３２、第２カメラ２５１、及び、オドメトリセンサ２６０は、例えば、算出部１１４等の処理部によって同期して動作され、同時刻における情報をそれぞれ定期的に繰り返し算出部１１４に出力する。
The
算出部１１４は、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０４の速度（並進速度）を算出する処理部である。
The
本実施の形態では、算出部１１４は、加速度センサ２４２から取得した加速度に基づいて移動ロボット１０４の姿勢を算出する。具体的には、まず、算出部１１４は、取得した加速度に基づいて移動ロボット１０４の重力方向を算出する。次に、算出部１１４は、算出した重力方向に基づいて、予め定められた筐体１０の姿勢からの床面に対する傾き（つまり、姿勢）を算出する。具体的には、算出部１１４は、加速度センサ２４２から重力と移動ロボット１０４との加速度の和を示す情報を取得する。さらに、算出部１１４は、オドメトリ情報から、移動ロボット１０４の加速度を推定する。算出部１１４は、上記した和を示す情報と推定した加速度との差から、重力（重力方向）を算出する。算出部１１４は、算出した重力が加速度センサ２４２の各軸（Ｘ軸、Ｙ軸、及び、Ｚ軸）にどう現れるに基づいて、筐体１０の傾きを推定する。
In this embodiment,
また、算出部１１４は、算出した移動ロボット１０４の姿勢、第１下方画像、及び、第２下方画像に基づいて移動ロボット１０４の並進速度を算出する。
Further, the
また、算出部１１４は、実施の形態２に係る算出部１１１と同様に、第１下方画像及び第２下方画像に基づいて、移動ロボット１０４の角速度を算出する。
Further, like the
算出部１１４は、算出した並進速度と、算出した角速度とから、移動ロボット１０４の合成速度を算出する。
The
算出部１１４は、算出した合成速度をＳＬＡＭ部１２０に出力する。なお、算出部１１４は、算出した並進速度と、算出した角速度とのそれぞれの情報を、合成せずにＳＬＡＭ部１２０に出力してもよい。
The
［速度算出処理］
続いて、移動ロボット１０４の合成速度の具体的な算出方法について説明する。
[Speed calculation process]
Next, a specific method for calculating the composite speed of the
＜カメラがテレセントリックカメラである場合＞
上記した式（８）～式（１０）に基づいて、下記の式（４１）～式（４５）を算出できる。
<If the camera is a telecentric camera>
Based on the above equations (8) to (10), the following equations (41) to (45) can be calculated.
なお、上記した式（４１）～式（４５）における各ｐは、それぞれ下記の式（４６）～式（５０）で算出される。 Note that each p in the above equations (41) to (45) is calculated using the following equations (46) to (50), respectively.
ここで、移動ロボット１０４が、それぞれが筐体１０の下方を撮影するカメラであって、筐体１０の下方に出射されて床面で反射された光を検出するＮｃ個（Ｎｃ≧２）のテレセントリックカメラを備えるとする。この場合、複数のテレセントリックカメラのそれぞれについて、下記の式（５１）に示す行列Ｆｉ（ただし、１≦ｉ≦Ｎｃ）が定義される。
Here, the
また、複数のテレセントリックそれぞれの速度は、下記の式（５２）で表される。 Further, the speed of each of the plurality of telecentrics is expressed by the following equation (52).
また、下記の式（５３）及び式（５４）に示すように、行列Ｆ及び行列ｖｃを定義する。 Furthermore, a matrix F and a matrix vc are defined as shown in equations (53) and (54) below.
以上の各式から、下記の式（５５）が導出される。 The following equation (55) is derived from each of the above equations.
以上のように、移動ロボット１０４は、第１カメラ２１０及び第２カメラ２５１がそれぞれテレセントリックカメラであれば、上記した式（５５）を用いて並進速度及び角速度（つまり、合成速度）を算出できる。
As described above, if the
上記のとおり、行列Ｆは、筐体１０と床面との距離（ｈ）に依存しない。また、行列Ｆは、筐体１０の向き（α及びγ）に依存する。なお、行列Ｆは、移動ロボット１０４の設計パラメータにも依存するが、既知であるか、キャリブレーションによって取得できる。
As described above, the matrix F does not depend on the distance (h) between the
具体的には、治具で移動ロボット１０４を予め定められた姿勢になるように、コンベヤーベルトのような、上下に可動な駆動体に配置する。次に、予め定められた速度及び角速度で移動ロボット１０４を上下に動かして、移動ロボット１０４に配置されたカメラ（例えば第１カメラ２１０）から速度を算出する。当該姿勢、並びに、当該速度及び当該角速度を変更しながら複数の条件から得られる移動ロボット１０４の速度に基づいて、設計パラメータ（上記したｒｉ、ｂｉ、θｉ、及び、βｉ）を算出できる。
Specifically, a jig is used to place the
また、移動ロボット１０４の加速度が無視できる場合又は測定されている場合、及び、床面が重力に対して垂直であることがわかっている場合、α及びγは、加速度センサ２４２から得られる加速度によって算出できる。
Furthermore, if the acceleration of the
また、例えば、移動ロボット１０４は、図示しない上向きカメラ（移動ロボット１０４の上方を撮影するカメラ）を備える場合、当該上向きカメラが移動ロボット１０４の上方を撮影することで生成した画像（上方画像）に基づいて、α及びγを算出できる。
For example, if the
いずれの場合でも、移動ロボット１０４は、α及びγが算出（又は取得）できれば、上記した式（５４）から移動ロボット１０４の速度を算出できる。つまり、移動ロボット１０４は、ＩＭＵ、上向きカメラ等、α及びγを算出するための情報を取得するセンサを備えてもよい。
In either case, if α and γ can be calculated (or obtained), the
また、移動ロボット１０４が算出する速度の精度は、上記した設計パラメータに依存する。移動ロボット１０４から見て全ての方向に対して精度を最適化するには、Ψｉ（Ψｉ＝２πｉ／Ｎｃ［ｒａｄ］）の方向を除いて、各カメラの設計パラメータを等しくする必要がある。
Further, the accuracy of the speed calculated by the
より具体的には、θｉ＝０の場合、移動ロボット１０４が算出する移動ロボット１０４の速度の精度が最もよい。
More specifically, when θ i =0, the accuracy of the velocity of the
ここで、移動ロボット１０４の最大傾斜角（より具体的には、床面と筐体１０の底面とのなす角度）が１５ｄｅｇ（１５［ｄｅｇ］＝π／１２［ｒａｄ］）であるとする。この場合、０≦γ≦２π、且つ、０≦α≦π／１２の範囲において、移動ロボット１０４が備えるカメラの数（Ｎｃ）に依存するｒｉ／ｈ及びβｉを最も精度よく算出できる。
Here, it is assumed that the maximum inclination angle of the mobile robot 104 (more specifically, the angle between the floor surface and the bottom surface of the housing 10) is 15 deg (15 [deg]=π/12 [rad]). In this case, in the range of 0≦γ≦2π and 0≦α≦π/12, r i /h and β i that depend on the number (Nc) of cameras included in the
一般に、βｉが３６［ｄｅｇ．］～３９［ｄｅｇ．］の範囲であり、且つ、ｒｉ／ｈが１．１～１．２の範囲である場合、移動ロボット１０４は、移動ロボット１０４の速度を最も精度よく算出できる。
Generally, β i is 36 [deg. ] ~ 39 [deg. ] and r i /h is in the range of 1.1 to 1.2, the
なお、移動ロボット１０４の速度の算出するためには、α及びγが取り得る値に対して、上記した行列Ｆで表現されるＦＴＦが可逆行列のままであればよい。つまり、ｒｉ、ψｉ、θｉ、及び、βｉが取り得る値の範囲は、上記に限定されない。
Note that in order to calculate the speed of the
＜カメラがテレセントリックカメラでない場合＞
また、移動ロボット１０４の構成及び移動ロボット１０４の速度の算出方法は、上記に限定されない。例えば、第１カメラ２１０及び第２カメラ２５１は、テレセントリックカメラでなくてもよい。
<If the camera is not a telecentric camera>
Further, the configuration of the
例えば、移動ロボット１０４が、それぞれが筐体１０の下方を撮影するＮｃ台のカメラを備えるとする。例えば、移動ロボット１０４が備えるＮｃ台のカメラのそれぞれから得られる画像に基づいて、ｖｉ，ｘ、及び、ｖｉ，ｙを算出する。これによれば、移動ロボット１０４は、Ｎｃ台のカメラから得られる画像に基づいて、２Ｎｃ個の速度を算出できる。
For example, assume that the
これらの２Ｎｃ個の速度から、以下に示すように、６つの未知数を推定（算出）できる。 From these 2Nc velocities, six unknowns can be estimated (calculated) as shown below.
まず、下記の式（５６）及び式（５７）に示すように、Ｇｉ及びＧ（α、γ、ｈ）を定義する。 First, G i and G (α, γ, h) are defined as shown in equations (56) and (57) below.
なお、上記した式（５７）では、行列Ｇがα、γ、及び、ｈに依存することを説明するために行列ＧをＧ（α，γ，ｈ）と記載している。 Note that in the above equation (57), the matrix G is written as G(α, γ, h) to explain that the matrix G depends on α, γ, and h.
また、Ｇ（α、γ、ｈ）は、下記の式（５８）に示す最小二乗問題から算出できる。具体的には、α、γ、ｈ、ｖｘ、ｖｙ、及び、ωは、下記の式（５８）に示す最小二乗問題から算出できる。 Further, G (α, γ, h) can be calculated from the least squares problem shown in Equation (58) below. Specifically, α, γ, h, v x , v y , and ω can be calculated from the least squares problem shown in equation (58) below.
Ｇ（α、γ、ｈ）は、α、γ、及び、ｈのそれぞれと非線形に依存する。 G (α, γ, h) depends nonlinearly on each of α, γ, and h.
一般に、上記した式（５８）には、複数の解がある。ここで、ＩＭＵ等のセンサでは、それぞれの値の初期値を計測できる。これにより、移動ロボット１０４は、上記した式（５８）から得られる複数の解の中から適切な解を決定する際、ＩＭＵ等のセンサで計測した初期値の近傍に位置する解を適切な解とすることで、解を１つに決定できる。
In general, equation (58) above has multiple solutions. Here, a sensor such as an IMU can measure the initial value of each value. As a result, when determining an appropriate solution from among the multiple solutions obtained from equation (58) above, the
このような算出方法によれば、算出部１１４は、上記した式（５６）及び式（５７）を用いることで、並進速度及び角速度の両方を第１カメラ２１０及び第２カメラ２５１から得られる画像に基づいて移動ロボット１０４の速度を算出できる。そのため、移動ロボット１０４は、移動ロボット１０４の速度を算出するため構成を簡素化できる。また、上記した式（５５）を用いて算出される速度よりも、α及びγの算出結果の精度を向上できるため、移動ロボット１０４の速度の算出結果の精度を向上できる。また、このような算出方法によれば、移動ロボット１０４が備えるカメラがテレセントリックカメラである必要がないため、構造をさらに簡素化できる。
According to such a calculation method, the
テレセントリックカメラにより生成された画像における物体の大きさは、当該物体とテレセントリックカメラとの距離によらず変化しない。この影響は、上記した式（１３）及び式（１４）に現れる。 The size of an object in an image generated by a telecentric camera does not change regardless of the distance between the object and the telecentric camera. This effect appears in equations (13) and (14) above.
上記した式（１３）に示すように、Ｊｉ，ｔは、ｈに依存しない。一方、Ｊｉ，ｐは、上記した式（２８）から、
これらのことから、第１カメラ２１０及び第２カメラ２５１がテレセントリックカメラの場合、ｈに無関係な行列で表現されるため、上記した式（５５）によれば、移動ロボット１０４の並進速度及び角速度を算出できる。
For these reasons, when the
一方、上記した式（５６）は、第１カメラ２１０及び第２カメラ２５１の種別によらず、どのような種別のカメラであっても（例えば、テレセントリックカメラ、及び、ピンホールカメラのいずれあっても）用いられ得る。
On the other hand, the above equation (56) applies regardless of the type of the
また、Ｇは、ｈに依存する。そのため、第１カメラ２１０及び第２カメラ２５１それぞれがどのような種別のカメラであっても、上記した式（５８）によれば、筐体１０の姿勢（α、γ、ｈ）、並進速度、及び、角速度を算出できる。
Furthermore, G depends on h. Therefore, no matter what type of camera each of the
［処理手順］
図２１は、実施の形態５に係る移動ロボット１０４の処理手順を示すフローチャートである。
[Processing procedure]
FIG. 21 is a flowchart showing the processing procedure of the
まず、加速度センサ２４２は、移動ロボット１０４の加速度を計測する（ステップＳ１２３）。加速度センサ２４２は、計測した加速度を算出部１１４に出力する。
First, the
次に、算出部１１４は、加速度センサ２４２から取得した加速度に基づいて、筐体１０の姿勢を算出する（ステップＳ１２４）。具体的には、算出部１１４は、取得した加速度に基づいて移動ロボット１０４の重力方向を算出し、算出した重力方向に基づいて、予め定められた筐体１０の姿勢からの床面に対する傾き、つまり、筐体１０の姿勢を算出する。なお、予め定められる筐体１０の姿勢等の情報は、記憶部１５０に記憶されていればよい。
Next, the
次に、第１カメラ２１０及び第２カメラ２５１は、移動ロボット１０４が走行中に、光源２２０が出射した光の、移動ロボット１０４が走行する床面での反射光を検出することで、画像（第１下方画像及び第２下方画像）を生成する（ステップＳ１２５）。
Next, while the
次に、算出部１１４は、筐体１０の姿勢及び第１下方画像に基づいて、移動ロボット１０４の並進速度を算出する（ステップＳ１３０）。
Next, the
次に、算出部１１４は、第１下方画像及び第２下方画像に基づいて、移動ロボット１０４の角速度を算出する（ステップＳ１４３）。
Next, the
次に、推定部１２１は、並進速度及び角速度に基づいて、所定の空間における移動ロボット１０４の自己位置を推定する（ステップＳ１５０）。
Next, the
次に、制御部１３０は、駆動部１４０を制御することで、推定部１２１が推定した自己位置に基づいて、移動ロボット１０４を走行させる（ステップＳ１６０）。
Next, the
［効果等］
以上説明したように、実施の形態５に係る移動ロボット１０４は、筐体１０と、第１カメラ２１０と、検出部２３２と、算出部１１４と、推定部１２１と、制御部１３０と、第２カメラ２５１と、を備える。検出部２３２は、移動ロボット１０４の加速度を計測する加速度センサ２４２を有する。第１カメラ２１０と第２カメラ２５１とは、光軸が平行にならないように筐体１０に取り付けられている。算出部１１４は、加速度センサ２４２が計測した移動ロボット１０４の加速度に基づいて筐体１０の姿勢を算出し、算出した筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０４の速度を算出し、且つ、第１下方画像及び第２下方画像に基づいて移動ロボット１０４の角速度を算出する。推定部１２１は、移動ロボット１０４の角速度及び速度に基づいて、自己位置を推定する。
[Effects etc.]
As described above, the
これによれば、算出部１１４は、加速度センサ２４２から取得する加速度に基づいて筐体１０の姿勢を算出するため、当該姿勢が精度よく算出される。そのため、算出部１１４は、移動ロボット１０４の速度をさらに精度よく算出できる。これにより、移動ロボット１０４によれば、自己位置がさらに精度よく算出できる。
According to this, the
（実施の形態６）
以下、実施の形態６に係る移動ロボットについて説明する。なお、実施の形態６の説明においては、実施の形態１～５に係る移動ロボット１００～１０４との差異点を中心に説明し、移動ロボット１００～１０４と実質的に同様の構成については同様の符号を付し、説明を一部簡略化又は省略する場合がある。
(Embodiment 6)
A mobile robot according to Embodiment 6 will be described below. Note that in the description of the sixth embodiment, differences from the
［構成］
図２２は、実施の形態６に係る移動ロボット１０５の構成を示すブロック図である。図２３は、実施の形態６に係る移動ロボット１０５が備えるセンサ部２０５の各構成要素の配置レイアウトを模式的に示す図である。なお、図２３では、センサ部２０５の一部の配置レイアウトを筐体１０の底面側から見た場合を示しており、センサ部２０５の他の一部の構成要素及びホイール２０等の図示を省略している。
[composition]
FIG. 22 is a block diagram showing the configuration of
移動ロボット１０５は、加速度センサを用いて筐体１０の姿勢を算出し、当該姿勢、及び、互いに異なるカメラで生成された複数の画像に基づいて並進速度、及び、角速度を算出する。
The
移動ロボット１０５は、センサ部２０５と、周囲センサ部１６０と、算出部１１５と、ＳＬＡＭ部１２０と、制御部１３０と、駆動部１４０と、記憶部１５０と、を備える。
The
センサ部２０５は、移動ロボット１０５の速度を算出するための情報を検出するセンサ群である。本実施の形態では、センサ部２０５は、第１カメラ２１０と、光源２２０と、検出部２３２と、第２カメラ２５１と、第３カメラ２５２と、第４カメラ２５３と、オドメトリセンサ２６０と、を備える。
The
第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３は、それぞれ、光源２２０が出射した光の、移動ロボット１０５が走行する床面での反射光を検出することで画像（第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像）を生成する。
The
図２３に示すように、本実施の形態では、光源２２０は、筐体１０を底面視した場合、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３のそれぞれの近傍に１つずつ配置されたＬＥＤ等の光源からなる。
As shown in FIG. 23, in this embodiment, the
また、第１カメラ２１０と、第２カメラ２５１と、第３カメラ２５２と、第４カメラ２５３とは、光軸が平行にならないように筐体１０に取り付けられている。具体的には、図２３に示すように、第１カメラ２１０の光軸３００と、第２カメラ２５１の光軸３０１と、第３カメラ２５２の光軸３０２と、第４カメラ２５３の光軸３０３とは、平行にならないように筐体１０に取り付けられている。
Further, the
なお、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３のそれぞれのカメラの種別は、例えば、ピンホールカメラでもよいし、テレセントリックカメラでもよく、特に限定されない。
Note that the types of the
第１カメラ２１０、検出部２３２、第２カメラ２５１、第３カメラ２５２、第４カメラ２５３、及び、オドメトリセンサ２６０は、例えば、算出部１１５等の処理部によって同期して動作され、同時刻における情報をそれぞれ定期的に繰り返し算出部１１５に出力する。
The
算出部１１５は、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０５の速度（並進速度）を算出する処理部である。
The
本実施の形態では、算出部１１５は、実施の形態５に係る算出部１１４と同様に、加速度センサ２４２から取得した加速度に基づいて移動ロボット１０５の姿勢を算出する。
In this embodiment, the
また、算出部１１５は、算出した移動ロボット１０５の姿勢、第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像に基づいて移動ロボット１０５の並進速度を算出する。
Further, the
また、算出部１１５は、第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像に基づいて、移動ロボット１０５の角速度を算出する。
Further, the
算出部１１５は、算出した並進速度と、算出した角速度とから、移動ロボット１０５の合成速度を算出する。
The
算出部１１５は、算出した合成速度をＳＬＡＭ部１２０に出力する。なお、算出部１１５は、算出した並進速度と、算出した角速度とのそれぞれの情報を、合成せずにＳＬＡＭ部１２０に出力してもよい。
［処理手順］
図２４は、実施の形態６に係る移動ロボット１０５の処理手順を示すフローチャートである。
[Processing procedure]
FIG. 24 is a flowchart showing the processing procedure of the
まず、加速度センサ２４２は、移動ロボット１０５の加速度を計測する（ステップＳ１２３）。加速度センサ２４２は、計測した加速度を算出部１１５に出力する。
First, the
次に、算出部１１５は、加速度センサ２４２から取得した加速度に基づいて、筐体１０の姿勢を算出する（ステップＳ１２４）。
Next, the
次に、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３は、それぞれ、移動ロボット１０５が走行中に、光源２２０が出射した光の、移動ロボット１０５が走行する床面での反射光を検出することで、画像（第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像）を生成する（ステップＳ１２５）。これにより、同時刻に撮影位置が異なる複数の画像が生成される。
Next, the
次に、算出部１１５は、筐体１０の姿勢及び複数の画像に基づいて、移動ロボット１０５の並進速度を算出する（ステップＳ１３１）。
Next, the
次に、算出部１１５は、複数の画像に基づいて、移動ロボット１０５の角速度を算出する（ステップＳ１４４）。
Next, the
次に、推定部１２１は、並進速度、及び、角速度に基づいて、所定の空間における移動ロボット１０５の自己位置を推定する（ステップＳ１５０）。
Next, the
次に、制御部１３０は、駆動部１４０を制御することで、推定部１２１が推定した自己位置に基づいて、移動ロボット１０５を走行させる（ステップＳ１６０）。
Next, the
［効果等］
以上説明したように、実施の形態６に係る移動ロボット１０５は、筐体１０と、第１カメラ２１０と、光源２２０と、検出部２３２と、算出部１１５と、推定部１２１と、制御部１３０と、第２カメラ２５１と、第３カメラ２５２と、第４カメラ２５３と、を備える。また、検出部２３２は、移動ロボット１０５の加速度を計測する加速度センサ２４２を有する。第１カメラ２１０と第２カメラ２５１と第３カメラ２５２と第４カメラ２５３とは、それぞれ、光軸が平行にならないように筐体１０に取り付けられている。算出部１１５は、加速度センサ２４２が計測した移動ロボット１０５の加速度に基づいて筐体１０の姿勢を算出する。また、算出部１１５は、算出した筐体１０の姿勢及びそれぞれのカメラから得られる複数の画像に基づいて移動ロボット１０５の並進速度を算出し、且つ、複数の画像に基づいて移動ロボット１０５の角速度を算出する。推定部１２１は、移動ロボット１０５の角速度、及び、並進速度に基づいて、自己位置を推定する。
[Effects etc.]
As described above, the
これによれば、算出部１１５は、加速度センサ２４２から取得する加速度に基づいて筐体１０の姿勢を算出するため、当該姿勢が精度よく算出される。そのため、算出部１１５は、移動ロボット１０５の速度をさらに精度よく算出できる。さらに、算出部１１５は、複数のカメラから得られる複数の画像に基づいて並進速度、及び、角速度を算出する。例えば、各カメラがテレセントリックカメラの場合、カメラが多い程、上記した式（５５）におけるＦＴの列の数、及び、ｖｃの行の数が増える。そのため、例えば、各行に誤差が含まれても、各誤差が独立であれば、行が多い程、算出する合成速度における当該誤差の影響が小さくできる。同様に、各カメラがピンホールカメラの場合、カメラが多い程、上記した式（５８）における、ｖｃ及びＧそれぞれの行数が増える。そのため、各ｖｃの行で発生する誤差が独立であれば、行数が多い程、α、γ、ｈ、ｖｘ、ｖｙ、及び、ωの推定誤差を小さくできる。これにより、推定部１２１は、自己位置をさらに精度よく算出できる。
According to this, the
（実施の形態７）
以下、実施の形態７に係る移動ロボットについて説明する。なお、実施の形態７の説明においては、実施の形態１～６に係る移動ロボット１００～１０５との差異点を中心に説明し、移動ロボット１００～１０５と実質的に同様の構成については同様の符号を付し、説明を一部簡略化又は省略する場合がある。
(Embodiment 7)
A mobile robot according to Embodiment 7 will be described below. In the explanation of Embodiment 7, differences from
［構成］
図２５は、実施の形態７に係る移動ロボット１０６の構成を示すブロック図である。図２６は、実施の形態７に係る移動ロボット１０６が備えるセンサ部２０６の各構成要素の配置レイアウトを模式的に示す図である。なお、図２６では、センサ部２０６の一部の配置レイアウトを筐体１０の底面側から見た場合を示しており、センサ部２０６の他の一部の構成要素及びホイール２０等の図示を省略している。
[composition]
FIG. 25 is a block diagram showing the configuration of
移動ロボット１０６は、互いに異なるカメラ（本実施の形態では、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３の４つのカメラ）のそれぞれで生成された複数の画像に基づいて筐体１０の姿勢、並進速度、及び、角速度を算出する。
The
移動ロボット１０６は、センサ部２０６と、周囲センサ部１６０と、算出部１１６と、ＳＬＡＭ部１２０と、制御部１３０と、駆動部１４０と、記憶部１５０と、を備える。
The
センサ部２０６は、移動ロボット１０６の速度を算出するための情報を検出するセンサ群である。本実施の形態では、センサ部２０６は、第１カメラ２１０と、光源２２０と、検出部２３３と、オドメトリセンサ２６０と、を備える。
The
また、検出部２３３は、第２カメラ２５１と、第３カメラ２５２と、第４カメラ２５３と、を備える。
Further, the
第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３は、それぞれ、光源２２０が出射した光の、移動ロボット１０６が走行する床面での反射光を検出することで画像（第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像）を生成する。
The
図２５に示すように、本実施の形態では、光源２２０は、筐体１０を底面視した場合、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３のそれぞれの近傍に配置されたＬＥＤ等の光源からなる。本実施の形態では、光源２２０は、第１カメラ２１０に対して配置された１つの光源と、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３に対して１つの光源と、からなる。
As shown in FIG. 25, in this embodiment, the
また、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３とのうちの３つのカメラは、それぞれ、光軸が所定の位置３３０を通過するように筐体１０に取り付けられている。本実施の形態では、第２カメラ２５１と、第３カメラ２５２と、第４カメラ２５３とは、光軸（光軸３０１、３０２、及び３０３）が互いに平行にならないように筐体１０に取り付けられている。具体的には、第２カメラ２５１と、第３カメラ２５２と、第４カメラ２５３とは、それぞれ、光軸（光軸３０１、３０２、及び３０３）が所定の位置３３０を通過するように筐体１０に取り付けられている。具体的には、図２６に示すように、第２カメラ２５１の光軸３０１と、第３カメラ２５２の光軸３０２と、第４カメラ２５３の光軸３０３とは、所定の位置３３０（図２６に黒点で示す位置）を通過するように、筐体１０に取り付けられている。所定の位置は、任意に定められてよく、特に限定されない。
Furthermore, the three cameras, the
一方、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３とのうちの上記した３つのカメラを除く１つのカメラは、光軸が所定の位置３３０を通過しないように筐体１０に取り付けられている。本実施の形態では、第１カメラ２１０は、第１カメラ２１０の光軸が所定の位置３３０を通過しないように筐体１０に取り付けられている。
On the other hand, one camera out of the
なお、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３のそれぞれのカメラの種別は、例えば、テレセントリックカメラである。
Note that the types of the
第１カメラ２１０、検出部２３３（第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３）、並びに、オドメトリセンサ２６０は、例えば、算出部１１６等の処理部によって同期して動作され、同時刻における情報をそれぞれ定期的に繰り返し算出部１１６に出力する。
The
算出部１１６は、筐体１０の姿勢及び第１下方画像に基づいて移動ロボット１０６の速度（並進速度）を算出する処理部である。
The
本実施の形態では、算出部１１６は、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３のそれぞれが撮像した第２下方画像、第３下方画像、及び、第４下方画像に基づいて移動ロボット１０６の姿勢を算出する。
In the present embodiment, the
また、算出部１１６は、算出した移動ロボット１０６（より具体的には、筐体１０）の姿勢、第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像に基づいて移動ロボット１０６の並進速度を算出する。
The
また、算出部１１６は、第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像に基づいて、移動ロボット１０６の角速度を算出する。
Further, the
算出部１１６は、算出した並進速度と、算出した角速度とから、移動ロボット１０６の合成速度を算出する。
The
算出部１１６は、算出した合成速度をＳＬＡＭ部１２０に出力する。なお、算出部１１６は、算出した並進速度と、算出した角速度とのそれぞれの情報を、合成せずにＳＬＡＭ部１２０に出力してもよい。
The
［速度算出処理］
続いて、移動ロボット１０６の合成速度の具体的な算出方法について説明する。
[Speed calculation process]
Next, a specific method for calculating the composite speed of the
移動ロボット１０６は、少なくとも４台のカメラ（より具体的には、４つのテレセントリックカメラ）を備える。
また、移動ロボット１０６が備える少なくとも３台のカメラの光軸は、同じ点を通過する。本実施の形態では、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３は、それぞれの光軸が所定の位置３３０を通過するように、筐体１０に取り付けられている。
Furthermore, the optical axes of at least three cameras included in the
また、移動ロボット１０６が備える少なくとも１つのカメラは、光軸が上記した同じ点を通過しない。本実施の形態では、第１カメラ２１０は、光軸が所定の位置３３０を通過しない。
Furthermore, the optical axis of at least one camera included in the
移動ロボット１０６が備えるカメラがテレセントリックカメラであるとすると、以下の式（５９）～式（６６）が定義される。
Assuming that the camera included in the
なお、式（６６）に示すＩは、下記の式（６７）で表される単位行列（ｉｄｅｎｔｉｔｙ ｍａｔｒｉｘ）である。 Note that I shown in equation (66) is an identity matrix expressed by equation (67) below.
上記した式（５９）～式（６７）から、行列Ｆｉ（上記した式（５１））は、下記の式（６８）で表される。 From the above equations (59) to (67), the matrix F i (the above equation (51)) is expressed by the following equation (68).
なお、式（６８）に示す「×」は、外積を示す。 Note that "x" shown in equation (68) indicates an outer product.
次に、下記の式（６９）及び式（７０）を定義する。 Next, the following equations (69) and (70) are defined.
ここで、移動ロボット１０６における参照系での所定の位置３３０を点ｐｏとすると、点ｐｏの速度（並進速度）ｖｏ及び距離（高さ）ｈｏは、下記の式（７１）及び式（７２）で表される。
Here, if the
次に、上記した式（５２）、式（６８）、式（７１）及び式（７２）から下記の式（７３）が算出される。 Next, the following equation (73) is calculated from the above equation (52), equation (68), equation (71), and equation (72).
なお、上記した式（７３）におけるＰｉは、下記の式（７４）で定義される。 Note that P i in the above equation (73) is defined by the following equation (74).
ここで、点ｐｏが移動ロボット１０６が備えるカメラの光軸上に位置するとする。この場合、上記した式（７３）から、下記の式（７５）が算出される。
Here, it is assumed that the point po is located on the optical axis of the camera included in the
また、移動ロボット１０６が備える少なくとも３台のカメラの光軸が点ｐｏを通過するとする。一般性を損なわないようにするために、光軸が点ｐｏを通過する３台のカメラのインデックスを、１、２、及び、３とする。
It is also assumed that the optical axes of at least three cameras included in the
また、下記の式（７６）及び式（７７）を定義する。 Furthermore, the following equations (76) and (77) are defined.
それから、下記の式（７８）及び式（７９）を定義する。 Then, the following equations (78) and (79) are defined.
外積の特性を利用することで、つまり、外積計算から、下記の式（８０）及び式（８１）を定義する。 By using the characteristics of the cross product, that is, from the cross product calculation, the following equations (80) and (81) are defined.
さらに、下記の式（８２）及び式（８３）を定義する。 Furthermore, the following equations (82) and (83) are defined.
次に、上記した式（８１）から下記の式（８４）を算出する。 Next, the following equation (84) is calculated from the above equation (81).
ここで、ω≠０且つｈｏ≠０として、下記の式（８５）及び式（８６）を定義する。 Here, the following equations (85) and (86) are defined as ω≠0 and h o ≠0.
ρ１及びρ２の値は、設計パラメータ（ψｉ、βｉ、及び、θｉ）並びに未知数であるα及びγにのみ依存する。一方、ρ１及びρ２の値は、上記した式（６１）、式（６４）、式（７６）、及び、式（７７）から、未知数であるｈ、ｖｘ、ｖｙ、及び、ωから独立していることがわかる。 The values of ρ 1 and ρ 2 depend only on the design parameters (ψ i , β i , and θ i ) and the unknowns α and γ. On the other hand, the values of ρ 1 and ρ 2 are obtained from the above equations (61), (64), (76), and (77), which are unknowns h, v x , v y , and ω It can be seen that it is independent from
ρ１及びρ２の各値は、２つの組である（α、γ）及び（α′、γ′）に対応する。具体的には、（ρ１、ρ２）は、未知数であるα及びγにのみに依存する。ここで、（ρ１、ρ２）とα及びγとは、一対一の関係性ではない。しかしながら、（ρ１、ρ２）の解が多数算出されるが、（α、γ）≠（α′、γ′）は、同じ（ρ１、ρ２）で算出される。つまり、（ρ１、ρ２）の値が既知であれば、（α、γ）は、多数の解の中から２つの解に絞られ得る。また、当該２つの解のうちの一方が正しい（つまり、移動ロボット１０６の実体の向き）から算出される値であり、他方は正しくない（つまり、移動ロボット１０６の実体に適さない）値である。
Each value of ρ 1 and ρ 2 corresponds to two sets: (α, γ) and (α', γ'). Specifically, (ρ 1 , ρ 2 ) depends only on the unknowns α and γ. Here, (ρ 1 , ρ 2 ) and α and γ do not have a one-to-one relationship. However, although many solutions of (ρ 1 , ρ 2 ) are calculated, (α, γ)≠(α′, γ′) are calculated using the same (ρ 1 , ρ 2 ). That is, if the values of (ρ 1 , ρ 2 ) are known, (α, γ) can be narrowed down to two solutions from a large number of solutions. Furthermore, one of the two solutions is a correct value (that is, the orientation of the
なお、以下では、（α、γ）から算出される量をＸとし、（α′、γ′）から算出される量をｘ′とする。 Note that in the following, the amount calculated from (α, γ) will be referred to as X, and the amount calculated from (α', γ') will be referred to as x'.
これらの２つの解は、ｕ１ｕ１′＝ｕ２ｕ２′＝ｕ３ｕ３′を満たすことから、下記の式（８７）、式（８８）、及び、式（８９）が算出される。 Since these two solutions satisfy u 1 u 1 ′=u 2 u 2 ′=u 3 u 3 ′, the following equations (87), (88), and (89) are calculated. Ru.
続いて、移動ロボット１０６の並進速度（ｖｘ及びｖｙ）及び角速度（ω）を算出するための計算方法について説明する。
Next, a calculation method for calculating the translational velocity (v x and v y ) and angular velocity (ω) of the
また、式（７８）から、ｓを算出する。 Furthermore, s is calculated from equation (78).
ここで、
また、
当該２つの解が算出される（つまり、既知となる）ことで、
続いて、上記した式（８０）から下記の式（９０）を定義する。 Next, the following equation (90) is defined from the above equation (80).
また、ωｈｏは、下記の式（９１）に示すように算出（推定）できる。 Further, ωh o can be calculated (estimated) as shown in equation (91) below.
次に、式（８４）を用いて、２つの速度
ここで、式（７１）から、ｖｏが
このことから、一般に、上記した２つの解のいずれかを除外して、正しい解を決定できる。 From this, in general, one of the two solutions mentioned above can be excluded to determine the correct solution.
しかしながら、ｖｏが
の両方に直交する場合、上記した２つの解のいずれが正しいかを判定できない。 is orthogonal to both, it is not possible to determine which of the above two solutions is correct.
実際には、測定誤差のために、
ここで、カメラＮｏ＋１～カメラＮｃのそれぞれの光軸が、点ｐｏを通過しないとする。 Here, it is assumed that the optical axes of cameras N o +1 to N c do not pass through point po .
この場合、上記した式（７３）から、以下の式（９２）～式（９８）を定義する。 In this case, the following equations (92) to (98) are defined from the above equation (73).
次に、下記の式（９９）からωを算出できる。 Next, ω can be calculated from the following equation (99).
次に、下記の式（１００）からｈｏの推定値を簡便に算出できる。 Next, the estimated value of ho can be easily calculated from the following equation (100).
理論的には、
この結果は、上記した２つの解のいずれが正しい解であるかを決定するために用いることができる。 This result can be used to determine which of the two solutions above is the correct one.
なお、ここでも、測定誤差のために、値が正確に０になることはなく、上記した閾値を用いることができる。 Note that here, too, the value will not be exactly 0 due to measurement errors, and the above-mentioned threshold value can be used.
また、上記した２つの解の両方の値が０になることもある。 Furthermore, the values of both of the above two solutions may be zero.
これは、下記の式（１０１）を満たす場合に発生する。 This occurs when the following equation (101) is satisfied.
このようにして、上記した２つの解のうち、正しい解が適切に選択され得る。 In this way, the correct solution can be appropriately selected from the above two solutions.
なお、移動ロボット１０６は、加速度センサ等のセンサを備えてもよい。この場合、移動ロボット１０６は、当該センサを用いてから得られる値、２つの解のうち、当該センサを用いてから得られる値にどちらが近いかを判定し、値が近い方の解を正しい解と判定してもよい。
Note that the
また、上記したように、移動ロボット１０６（より具体的には、筐体１０）の傾きが短時間であまり変化しないとして、最後に計算された値に最も近い解を正しい解として選択してもよい。 Furthermore, as described above, assuming that the tilt of the mobile robot 106 (more specifically, the housing 10) does not change much in a short period of time, even if the solution closest to the last calculated value is selected as the correct solution. good.
最後に、上記した式（７１）及び式（７２）を用いて、下記に示す式（１０２）及び式（１０３）の通り、ｖｘ、ｖｙ、及び、ｈを算出（推定）する。 Finally, using the above equations (71) and (72), v x , v y , and h are calculated (estimated) according to equations (102) and (103) shown below.
移動ロボット１０６によれば、例えば、ω＝０等のいくつかの場合を除いて、カメラ以外にＩＭＵ等の他のセンサを用いずに精度よく速度（合成速度）を算出できる。さらに、上記した計算方法によれば、算出される値がオドメトリセンサ２６０等の他のセンサから完全に独立しているため、カメラが生成した画像から算出される値（推定値）の誤差は、オドメトリセンサ２６０等から得られる走行距離等の値の誤差から完全に独立されていると考えられる。したがって、これら２つの値を組み合わせることで、最終的に算出される自己位置の誤差は、これら２つのそれぞれから算出される自己位置の誤差よりも低くなることが期待される。
According to the
［処理手順］
図２７は、実施の形態７に係る移動ロボット１０６の処理手順を示すフローチャートである。
[Processing procedure]
FIG. 27 is a flowchart showing the processing procedure of the
まず、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３は、それぞれ、移動ロボット１０５が走行中に、光源２２０が出射した光の、移動ロボット１０５が走行する床面での反射光を検出することで、画像（第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像）を生成する（ステップＳ１２６）。これにより、同時刻に撮影位置が異なる複数の画像が生成される。
First, the
次に、算出部１１６は、それぞれの光軸が所定の位置３３０を通過する複数のカメラで生成された複数の画像に基づいて、筐体１０の姿勢を算出する（ステップＳ１７０）。具体的には、算出部１１６は、第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像に基づいて、筐体１０の姿勢を算出する。
Next, the
次に、算出部１１６は、筐体１０の姿勢及び複数の画像に基づいて、移動ロボット１０６の並進速度を算出する（ステップＳ１３１）。
Next, the
次に、算出部１１６は、複数の画像に基づいて、移動ロボット１０６の角速度を算出する（ステップＳ１４４）。
Next, the
次に、推定部１２１は、並進速度、及び、角速度に基づいて、所定の空間における移動ロボット１０６の自己位置を推定する（ステップＳ１５０）。
Next, the
次に、制御部１３０は、駆動部１４０を制御することで、推定部１２１が推定した自己位置に基づいて、移動ロボット１０６を走行させる（ステップＳ１６０）。
Next, the
［効果等］
以上説明したように、実施の形態７に係る移動ロボット１０６は、筐体１０と、第１カメラ２１０と、光源２２０と、検出部２３３と、算出部１１６と、推定部１２１と、制御部１３０と、を備える。また、検出部２３３は、第２カメラ２５１と、第３カメラ２５２と、第４カメラ２５３と、を備える。具体的には、検出部２３３は、筐体１０に取り付けられ、筐体１０の下方を撮影することで第２下方画像を生成する第２カメラ２５１と、筐体１０に取り付けられ、筐体１０の下方を撮影することで第３下方画像を生成する第３カメラ２５２と、筐体１０に取り付けられ、筐体１０の下方を撮影することで第４下方画像を生成する第４カメラ２５３と、を有する。
[Effects etc.]
As described above, the
第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３のうちの３つのカメラ（本実施の形態では、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３）は、それぞれ、光軸が所定の位置３３０を通過するように筐体１０に取り付けられている。一方、第１カメラ２１０、第２カメラ２５１、第３カメラ２５２、及び、第４カメラ２５３のうちの当該３つのカメラを除く１つのカメラ（本実施の形態では、第１カメラ２１０）は、光軸が所定の位置３３０を通過しないように筐体１０に取り付けられている。算出部１１６は、第１下方画像、第２下方画像、第３下方画像、及び、第４下方画像に基づいて移動ロボット１０６の角速度及び筐体１０の姿勢を算出する。
Three cameras among the
推定部１２１は、移動ロボット１０６の角速度及び速度に基づいて、移動ロボット１０６の自己位置を推定する。
The
これによれば、算出部１１６は、複数のカメラから取得する画像に基づいて筐体１０の姿勢を算出するため、当該姿勢が精度よく算出される。さらに、移動ロボット１０６は、ＩＭＵ等のセンサを備えないため、簡便な構造で実現される。
According to this, the
（その他の実施の形態）
以上、本発明に係る移動ロボットについて、上記各実施の形態に基づいて説明したが、本発明は、上記各実施の形態に限定されるものではない。
(Other embodiments)
Although the mobile robot according to the present invention has been described above based on the above embodiments, the present invention is not limited to the above embodiments.
例えば、上記したｂ、ｈ等の距離を表す数値の単位は、それぞれ同じ単位が採用されていればよく、特に限定されない。 For example, the units of numerical values representing distances such as b and h described above are not particularly limited as long as the same units are adopted.
また、例えば、上記実施の形態では移動ロボットが備える算出部等の処理部は、それぞれＣＰＵと制御プログラムとによって実現されると説明した。例えば、それぞれの当該処理部の構成要素は、それぞれ１つ又は複数の電子回路で構成されてもよい。１つ又は複数の電子回路は、それぞれ、汎用的な回路でもよいし、専用の回路でもよい。１つ又は複数の電子回路には、例えば、半導体装置、ＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、又は、ＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）等が含まれてもよい。ＩＣ又はＬＳＩは、１つのチップに集積されてもよく、複数のチップに集積されてもよい。ここでは、ＩＣ又はＬＳＩと呼んでいるが、集積の度合いによって呼び方が変わり、システムＬＳＩ、ＶＬＳＩ（Ｖｅｒｙ Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）、又は、ＵＬＳＩ（Ｕｌｔｒａ Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ）と呼ばれるかもしれない。また、ＬＳＩの製造後にプログラムされるＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）も同じ目的で使うことができる。 Furthermore, for example, in the above embodiment, it has been explained that the processing units such as the calculation unit included in the mobile robot are each realized by the CPU and the control program. For example, each of the components of the processing unit may be composed of one or more electronic circuits. Each of the one or more electronic circuits may be a general-purpose circuit or a dedicated circuit. The one or more electronic circuits may include, for example, a semiconductor device, an IC (Integrated Circuit), an LSI (Large Scale Integration), or the like. An IC or LSI may be integrated into one chip or into multiple chips. Here, it is called an IC or LSI, but the name changes depending on the degree of integration, and may be called a system LSI, VLSI (Very Large Scale Integration), or ULSI (Ultra Large Scale Integration). Furthermore, an FPGA (Field Programmable Gate Array) that is programmed after the LSI is manufactured can also be used for the same purpose.
また、上記した各処理部が実行する処理手順は、あくまで一例であって、特に限定されない。例えば、算出部は、合成速度を算出せず、推定部が、合成速度を算出してもよい。また、並進速度を算出する処理部と、角速度を算出する処理部とが、異なるＣＰＵ又は専用の電子回路で実現されてもよい。 Furthermore, the processing procedures executed by each of the processing units described above are merely examples, and are not particularly limited. For example, the calculation unit may not calculate the combined speed, but the estimation unit may calculate the combined speed. Furthermore, the processing section that calculates the translational velocity and the processing section that calculates the angular velocity may be implemented by different CPUs or dedicated electronic circuits.
また、例えば、算出部は、算出した姿勢、並進速度及び角速度を、オドメトリセンサから得られる情報に基づいて補正してもよい。或いは、例えば、算出部は、上記したカメラから得られる画像と、オドメトリセンサから得られる情報とに基づいて、移動ロボットの姿勢、並進速度及び角速度を算出してもよい。 Further, for example, the calculation unit may correct the calculated posture, translational velocity, and angular velocity based on information obtained from an odometry sensor. Alternatively, for example, the calculation unit may calculate the posture, translational velocity, and angular velocity of the mobile robot based on the image obtained from the above-described camera and the information obtained from the odometry sensor.
また、各実施の形態における構成要素は、任意に組み合わされてもよい。 Moreover, the components in each embodiment may be combined arbitrarily.
また、本発明の全般的又は具体的な態様は、システム、装置、方法、集積回路又はコンピュータプログラムで実現されてもよい。或いは、当該コンピュータプログラムが記憶された光学ディスク、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）若しくは半導体メモリ等のコンピュータ読み取り可能な非一時的記録媒体で実現されてもよい。また、システム、装置、方法、集積回路、コンピュータプログラム及び記録媒体の任意な組み合わせで実現されてもよい。 Further, general or specific aspects of the invention may be implemented in a system, apparatus, method, integrated circuit, or computer program product. Alternatively, the computer program may be realized by a computer-readable non-temporary recording medium such as an optical disk, an HDD (Hard Disk Drive), or a semiconductor memory in which the computer program is stored. Further, the present invention may be realized by any combination of a system, an apparatus, a method, an integrated circuit, a computer program, and a recording medium.
その他、各実施の形態に対して当業者が思いつく各種変形を施して得られる形態や、本発明の趣旨を逸脱しない範囲で各実施の形態における構成要素及び機能を任意に組み合わせることで実現される形態も本発明に含まれる。 In addition, forms obtained by applying various modifications to each embodiment that those skilled in the art can think of, or by arbitrarily combining the constituent elements and functions of each embodiment without departing from the spirit of the present invention. The form is also included in the present invention.
本発明は、自律移動しながら掃除する自律走行型掃除機に広く利用可能である。 INDUSTRIAL APPLICABILITY The present invention can be widely used in autonomous vacuum cleaners that clean while autonomously moving.
１０ 筐体
２０ ホイール
２１ キャスターホイール
２２ 牽引ホイール
３０ サスペンションアーム
３１ サスペンションピボット
３２ ホイールハブ
４０ ばね
１００、１０１、１０２、１０３、１０４、１０５、１０６、１０００ 移動ロボット
１１０、１１１、１１２、１１３、１１４、１１５、１１６ 算出部
１２０ ＳＬＡＭ部
１２１ 推定部
１２２ 地図生成部
１３０ 制御部
１４０ 駆動部
１５０ 記憶部
１６０ 周囲センサ部
１６１ 周囲カメラ
１６２ 周囲測距センサ
２００、２０１、２０２、２０３、２０４、２０５、２０６ センサ部
２１０ 第１カメラ
２２０ 光源
２４１ 光源（構造化光源）
２３０、２３１、２３２、２３３ 検出部
２４０ 測距センサ
２４１ａ、２４１ｂ、２４１ｃ レーザ光源
２４２ 加速度センサ
２５０ 角速度センサ
２５１ 第２カメラ
２５２ 第３カメラ
２５３ 第４カメラ
２６０ オドメトリセンサ
３００、３０１、３０２、３０３ 光軸
３１０、３１０ａ 撮影中心位置
３２０、３２０ａ、３２１、３２１ａ、３２２、３２２ａ 照射位置
３３０ 所定の位置
10
230, 231, 232, 233
Claims (6)
筐体と、
前記筐体に取り付けられ、前記筐体の下方を撮影することで第１下方画像を生成する第１カメラと、
前記筐体に取り付けられ、前記筐体の姿勢を検出するための検出部と、
前記姿勢及び前記第１下方画像に基づいて前記移動ロボットの速度を算出する算出部と、
前記速度に基づいて、前記所定の空間における前記移動ロボットの自己位置を推定する推定部と、
前記自己位置に基づいて、前記移動ロボットを走行させる制御部と、を備え、
前記検出部は、前記移動ロボットが走行する床面と前記筐体との距離をそれぞれが計測する３つ以上の測距センサを備え、
前記算出部は、前記３つ以上の測距センサのそれぞれから得られる距離に基づいて、前記姿勢を算出する
移動ロボット。 A mobile robot that autonomously moves in a predetermined space,
A casing and
a first camera that is attached to the housing and generates a first downward image by photographing the lower part of the housing;
a detection unit attached to the housing to detect the attitude of the housing;
a calculation unit that calculates the speed of the mobile robot based on the posture and the first downward image;
an estimation unit that estimates the self-position of the mobile robot in the predetermined space based on the speed;
a control unit that causes the mobile robot to travel based on the self-position ;
The detection unit includes three or more distance measuring sensors each measuring a distance between the floor surface on which the mobile robot runs and the housing,
The calculation unit calculates the attitude based on the distance obtained from each of the three or more distance measuring sensors.
mobile robot.
筐体と、
前記筐体に取り付けられ、前記筐体の下方を撮影することで第１下方画像を生成する第１カメラと、
前記筐体に取り付けられ、前記筐体の姿勢を検出するための検出部と、
前記姿勢及び前記第１下方画像に基づいて前記移動ロボットの速度を算出する算出部と、
前記速度に基づいて、前記所定の空間における前記移動ロボットの自己位置を推定する推定部と、
前記自己位置に基づいて、前記移動ロボットを走行させる制御部と、を備え、
前記検出部は、前記移動ロボットの下方に向けて構造化光を出射する光源を有し、
前記第１カメラは、前記光源が出射した構造化光の、前記移動ロボットが走行する床面での反射光を検出することで前記第１下方画像を生成し、
前記算出部は、前記第１下方画像に基づいて、前記姿勢及び前記速度を算出する
移動ロボット。 A mobile robot that autonomously moves in a predetermined space,
A casing and
a first camera that is attached to the housing and generates a first downward image by photographing the lower part of the housing;
a detection unit attached to the housing to detect the attitude of the housing;
a calculation unit that calculates the speed of the mobile robot based on the posture and the first downward image;
an estimation unit that estimates the self-position of the mobile robot in the predetermined space based on the speed;
a control unit that causes the mobile robot to travel based on the self-position ;
The detection unit includes a light source that emits structured light toward below the mobile robot,
the first camera generates the first downward image by detecting reflected light of structured light emitted by the light source on a floor surface on which the mobile robot runs;
The calculation unit calculates the attitude and the speed based on the first lower image.
mobile robot.
前記推定部は、前記角速度及び前記速度に基づいて、前記自己位置を推定する
請求項１又は２に記載の移動ロボット。 Furthermore, an angular velocity sensor is attached to the housing and measures the angular velocity of the mobile robot,
The mobile robot according to claim 1 or 2 , wherein the estimation unit estimates the self-position based on the angular velocity and the velocity.
前記算出部は、前記第１下方画像と前記第２下方画像とに基づいて、前記移動ロボットの角速度を算出し、
前記推定部は、前記角速度及び前記速度に基づいて、前記自己位置を推定する
請求項１又は２に記載の移動ロボット。 The mobile robot further includes a second camera attached to the housing and generating a second downward image by photographing the lower part of the housing,
The calculation unit calculates an angular velocity of the mobile robot based on the first lower image and the second lower image,
The mobile robot according to claim 1 or 2 , wherein the estimation unit estimates the self-position based on the angular velocity and the velocity.
筐体と、
前記筐体に取り付けられ、前記筐体の下方を撮影することで第１下方画像を生成する第１カメラと、
前記筐体に取り付けられ、前記筐体の姿勢を検出するための検出部と、
前記姿勢及び前記第１下方画像に基づいて前記移動ロボットの速度を算出する算出部と、
前記速度に基づいて、前記所定の空間における前記移動ロボットの自己位置を推定する推定部と、
前記自己位置に基づいて、前記移動ロボットを走行させる制御部と、を備え、
前記移動ロボットは、さらに、前記筐体に取り付けられ、前記筐体の下方を撮影することで第２下方画像を生成する第２カメラを備え、
前記検出部は、前記移動ロボットの加速度を計測する加速度センサを有し、
前記第１カメラと前記第２カメラとは、光軸が平行にならないように前記筐体に取り付けられており、
前記算出部は、前記加速度に基づいて前記姿勢を算出し、算出した前記姿勢及び前記第１下方画像に基づいて前記速度を算出し、且つ、前記第１下方画像及び前記第２下方画像に基づいて前記移動ロボットの角速度を算出し、
前記推定部は、前記角速度及び前記速度に基づいて、前記自己位置を推定する
移動ロボット。 A mobile robot that autonomously moves in a predetermined space,
A casing and
a first camera that is attached to the housing and generates a first downward image by photographing the lower part of the housing;
a detection unit attached to the housing to detect the attitude of the housing;
a calculation unit that calculates the speed of the mobile robot based on the posture and the first downward image;
an estimation unit that estimates the self-position of the mobile robot in the predetermined space based on the speed;
a control unit that causes the mobile robot to travel based on the self-position ;
The mobile robot further includes a second camera attached to the housing and generating a second downward image by photographing the lower part of the housing,
The detection unit includes an acceleration sensor that measures acceleration of the mobile robot,
The first camera and the second camera are attached to the housing so that their optical axes are not parallel to each other,
The calculation unit calculates the posture based on the acceleration, calculates the speed based on the calculated posture and the first lower image, and calculates the speed based on the first lower image and the second lower image. calculate the angular velocity of the mobile robot,
The estimation unit estimates the self-position based on the angular velocity and the velocity.
mobile robot.
筐体と、
前記筐体に取り付けられ、前記筐体の下方を撮影することで第１下方画像を生成する第１カメラと、
前記筐体に取り付けられ、前記筐体の姿勢を検出するための検出部と、
前記姿勢及び前記第１下方画像に基づいて前記移動ロボットの速度を算出する算出部と、
前記速度に基づいて、前記所定の空間における前記移動ロボットの自己位置を推定する推定部と、
前記自己位置に基づいて、前記移動ロボットを走行させる制御部と、を備え、
前記検出部は、前記筐体に取り付けられ、前記筐体の下方を撮影することで第２下方画像を生成する第２カメラと、前記筐体に取り付けられ、前記筐体の下方を撮影することで第３下方画像を生成する第３カメラと、前記筐体に取り付けられ、前記筐体の下方を撮影することで第４下方画像を生成する第４カメラと、を有し、
前記第１カメラ、前記第２カメラ、前記第３カメラ、及び、前記第４カメラのうちの３つのカメラは、それぞれ、光軸が所定の位置を通過するように前記筐体に取り付けられており、
前記第１カメラ、前記第２カメラ、前記第３カメラ、及び、前記第４カメラのうちの前記３つのカメラを除く１つのカメラは、光軸が前記所定の位置を通過しないように前記筐体に取り付けられており、
前記算出部は、前記第１下方画像、前記第２下方画像、前記第３下方画像、及び、前記第４下方画像に基づいて前記移動ロボットの角速度及び前記姿勢を算出し、
前記推定部は、前記角速度及び前記速度に基づいて、前記自己位置を推定する
移動ロボット。 A mobile robot that autonomously moves in a predetermined space,
A casing and
a first camera that is attached to the housing and generates a first downward image by photographing the lower part of the housing;
a detection unit attached to the housing to detect the attitude of the housing;
a calculation unit that calculates the speed of the mobile robot based on the posture and the first downward image;
an estimation unit that estimates the self-position of the mobile robot in the predetermined space based on the speed;
a control unit that causes the mobile robot to travel based on the self-position ;
The detection unit includes a second camera that is attached to the housing and generates a second downward image by photographing the lower part of the housing, and a second camera that is attached to the housing and generates a second lower image by photographing the lower part of the housing. a third camera that generates a third downward image, and a fourth camera that is attached to the housing and generates a fourth downward image by photographing the lower side of the housing,
Three cameras among the first camera, the second camera, the third camera, and the fourth camera are each attached to the housing so that their optical axes pass through predetermined positions. ,
Of the first camera, the second camera, the third camera, and the fourth camera, one camera other than the three cameras is arranged in the housing so that the optical axis does not pass through the predetermined position. It is attached to
The calculation unit calculates the angular velocity and the attitude of the mobile robot based on the first lower image, the second lower image, the third lower image, and the fourth lower image,
The estimation unit estimates the self-position based on the angular velocity and the velocity.
mobile robot.
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| US17/403,488 US20220066451A1 (en) | 2020-08-25 | 2021-08-16 | Mobile robot |
| CN202110941387.0A CN114098566A (en) | 2020-08-25 | 2021-08-17 | Mobile robot |
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2020141504 | 2020-08-25 | ||
| JP2020141504 | 2020-08-25 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2022037843A JP2022037843A (en) | 2022-03-09 |
| JP7429868B2 true JP7429868B2 (en) | 2024-02-09 |
Family
ID=80494854
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2020154374A Active JP7429868B2 (en) | 2020-08-25 | 2020-09-15 | mobile robot |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP7429868B2 (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011203224A (en) | 2010-03-26 | 2011-10-13 | Shimizu Corp | System and method for detection of moving body position |
-
2020
- 2020-09-15 JP JP2020154374A patent/JP7429868B2/en active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2011203224A (en) | 2010-03-26 | 2011-10-13 | Shimizu Corp | System and method for detection of moving body position |
Also Published As
| Publication number | Publication date |
|---|---|
| JP2022037843A (en) | 2022-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9744670B2 (en) | Systems and methods for use of optical odometry sensors in a mobile robot | |
| ES2610755T3 (en) | Robot positioning system | |
| TWI634403B (en) | An automatic cleaning robot and a controlling method of the same | |
| JP6872159B2 (en) | Autonomous traveling device and ranging device | |
| US7507948B2 (en) | Method of detecting object using structured light and robot using the same | |
| US20200250843A1 (en) | Device and method for indoor mobile mapping of an environment | |
| JP2009136987A (en) | Mobile robot and method of correcting floor surface shape data | |
| JP5067215B2 (en) | Mobile robot and environmental map generation method | |
| JP7429868B2 (en) | mobile robot | |
| JP6180158B2 (en) | Position / orientation measuring apparatus, control method and program for position / orientation measuring apparatus | |
| JP2016218024A (en) | Map generation device and map generation method | |
| US20220066451A1 (en) | Mobile robot | |
| TWI711913B (en) | Information processing device and mobile robot | |
| JP4552907B2 (en) | Form measuring device deviation amount acquisition method, deviation amount acquisition program, and deviation amount acquisition reference workpiece | |
| JP2008264946A (en) | Mobile robot and correcting method for data of floor surface shape | |
| JP2021026302A (en) | Information processing apparatus, information processing method, and program | |
| JP2010020366A (en) | Traveling boundary detection device and traveling boundary detection method | |
| JP2008260117A (en) | Leg-wheel type robot and leg-wheel device | |
| TWI734465B (en) | Optical navigation apparatus | |
| WO2023017624A1 (en) | Drive device, vehicle, and method for automated driving and/or assisted driving | |
| Vila Clarà et al. | A Method to Compensate for the Errors Caused by Temperature in Structured-Light 3D Cameras | |
| JP2023019708A (en) | Information processing device, information processing method, autonomous travel robot device, and computer program | |
| JP2005351836A (en) | Instrument for measuring position of moving body |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20221206 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20230929 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231017 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231110 |
|
| 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: 20240109 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240116 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 7429868 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |