JP2009175932A - 移動ロボットの走行領域判別装置及び走行領域判別方法 - Google Patents

Abstract

【課題】簡単な条件設定のみで移動ロボットの前方領域を走行可能領域及び走行不能領域に区分けする走行領域判定装置及び走行領域判定方法を提供する。
【解決手段】レーザレンジファインダ１１と、これで得たセンサ座標系データを直交座標系データへ変換するバーチカルジャイロ１３を具備した外界計測部１０と、事前データメモリ３０ａ内の事前データと上記形状データの幾何的な特徴量とから、移動ロボットＲの前方側を走行可能領域及び走行不能領域に区分けする処理部３０を備え、事前データは、計測用車両の走行で得た形状データの幾何的な特徴量と、形状データをマッピングした２次元地図上で分類された走行可能領域及び走行不能領域の分類結果とから成り、処理部３０では、外界計測部１０で得た形状データの幾何的な特徴量に対して、事前データを教師データとする分類器を適用して、移動ロボットＲの前方側を走行可能領域及び走行不能領域に区分けする。
【選択図】図１

Description

本発明は、自律して走行する移動ロボットの走行経路を決める段階において、移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分けするのに用いられる走行領域判別装置及び走行領域判別方法に関するものである。

従来、上記したような走行領域判別方法としては、例えば、１軸スキャンタイプのレーザレンジファインダを用いて外界データを取得し、このレーザレンジファインダで得たデータを統計処理することで平滑な領域を検出して走行可能領域とすると共に、平滑な領域に対して高さのある領域を検出して障害による走行不能領域とするようにした手法がある（特許文献１参照）。

また、レーザレンジファインダやＣＣＤカメラや接触センサや超音波センサなどのセンサを複数用いて外界データを取得し、これらのデータに基づいて平坦で走行に差し支えない領域及び凹凸のある走行不能領域を判別するようにした手法がある（特許文献２参照）ほか、屋内において各種センサで３次元データを取得し、これらの３次元データの形状の特徴量（特に形状の高さ方向の特徴量）と、あらかじめ設定された障害物モデルとを比較して障害物を検出する、いわゆる特徴量のパターンマッチングを用いて障害物を検出するようにした手法がある（特許文献３参照）。
特開2000-075032号公報 特許第02769972号公報 特開2004-326264号公報

ところが、上記した従来の走行領域判別方法において、レーザレンジファインダなどのセンサで取得した形状情報から得られるさまざまな特徴について、閾値を用いて高さや勾配などの判別を行う場合には、その閾値の決定が煩雑であるのに加えて、それぞれの特徴量同士の相関関係を判別に反映させることが非常に困難である。
とくに、屋外の不整地環境では、既知障害物モデルとのパターンマッチングによる障害物検出は困難であるという問題を有しており、これらの問題を解決することが従来の課題となっていた。

本発明は、上述した従来の課題に着目してなされたもので、屋外で移動ロボットを自律走行させる場合において、簡単な条件設定のみで走行可能領域であるか否かの判別が可能であり、例えば、河原などの道路地図がない未整備の環境で自律走行させる場合においても、轍などの微かな車両通過跡に沿った道なり走行を行わせることが可能であり、加えて、判別を行う際のデータ処理において、収束演算を行わない分だけ計算コストを低減することができると共に、リアルタイムな処理を行うことが可能である走行領域判別装置及び走行領域判別方法を提供することを目的としている。

本発明者らは、水平ラインスキャンタイプの1軸レーザレンジファインダにより取得される計測対象の断面プロファイル形状データから複数の幾何的な特徴量を抽出し、これらの特徴量に対して、機械学習（教師付き学習を用いた分類器）を適用することによって、複雑な地形においても、容易に走行可能な領域、例えば、轍などの微かな車両通過跡と、それ以外の領域とに分類して、移動ロボットに車両通過跡に沿った道なり走行を行わせ得ることを見出した。

すなわち、本発明の請求項１に係る発明は、自律して走行する移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分けする走行領域判別装置であって、レーザ光を走査して前記移動ロボットの前方側の形状データを取得するレーザレンジファインダと、このレーザレンジファインダで得たセンサ座標系データを直交座標系データへ変換する座標変換手段を具備した外界計測部と、事前データメモリを具備して、この事前データメモリに格納した事前データと前記外界計測部で得た形状データの幾何的な特徴量とから、前記移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分け処理する処理部を備え、前記処理部の事前データメモリに格納した事前データは、前記外界計測部を具備した車両を実際に走行させてそのレーザレンジファインダにより取得した形状データの複数の幾何的な特徴量と、このレーザレンジファインダにより取得した形状データをマッピングした２次元地図上において分類された走行可能領域及び走行不能領域の分類結果とから成り、前記処理部では、前記外界計測部で得た形状データの複数の幾何的な特徴量に対して、前記事前データメモリに格納した前記事前データを教師データとする収束演算を用いない分類器を適用して、前記移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分け処理する構成としたことを特徴としており、この移動ロボットの走行領域判別装置の構成を前述の従来の課題を解決するための手段としている。

また、本発明の請求項２に係る移動ロボットの走行領域判別装置において、前記処理部は、特に走行領域が屋外不整地である場合に、轍などの微かな車両通過跡に沿った経路を走行可能領域として処理する構成とし、本発明の請求項３に係る移動ロボットの走行領域判別装置において、前記処理部は、前記外界計測部で得た形状データの複数の幾何的な特徴量の値に対して、対数をとった値を用いて前記区分け処理を行う構成としている。

一方、本発明の請求項４に係る発明は、自律して走行する移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分けする走行領域判別方法であって、車両を実際に走行させてこの車両に搭載したレーザレンジファインダにより取得した形状データから抽出した複数の幾何的な特徴量と、前記レーザレンジファインダにより取得した形状データをマッピングした２次元地図上において分類された走行可能領域及び走行不能領域の分類結果とから成る事前データをあらかじめ作成し、前記移動ロボットを走行させる時点において、この移動ロボットに搭載したレーザレンジファインダからレーザ光を走査して該移動ロボットの前方側の形状データを取得すると共に、このレーザレンジファインダで得たセンサ座標系データを直交座標系データへ変換した後、前記移動ロボットのレーザレンジファインダで得た形状データから抽出した複数の幾何的な特徴量に対して、あらかじめ作成した前記事前データを教師データとする収束演算を用いない分類器を適用して前記移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分けする構成としたことを特徴としており、この移動ロボットの走行領域判別方法の構成を前述の従来の課題を解決するための手段としている。

また、本発明の請求項５に係る移動ロボットの走行領域判別方法は、特に走行領域が屋外不整地である場合に、轍などの微かな車両通過跡に沿った経路を走行可能領域として処理する構成とし、本発明の請求項６に係る移動ロボットの走行領域判別方法は、前記外界計測部で得た形状データの複数の幾何的な特徴量の値に対して、対数をとった値を用いて前記区分け処理を行う構成としている。

この場合、外界計測部としては、移動ロボットの前方側の形状データを取得する水平ラインスキャンタイプの１軸レーザレンジファインダに加えて、３Ｄスキャンタイプの２軸レーザレンジファインダを用いることができるほか、例えば、ステレオカメラを用いることができる。
また、移動ロボットの自己位置を求めて上記外界計測部による計測地点を明確化する自己位置計測手段として、例えば、デッドレコニングやＧＰＳ（グローバル・ポジショニング・システム）を用いることができる。

本発明に係る移動ロボットの走行領域判別装置及び移動ロボットの走行領域判別方法では、それぞれ上記した構成としたから、屋外で移動ロボットを自律走行させる場合において、簡単な条件設定のみで移動ロボットの前方側の領域が走行可能領域であるか否かを判別することができ、例えば、河原などの道路地図のない未整備の環境で自律走行させる場合においても、轍などの微かな車両通過跡に沿った道なり走行を行わせることが可能であるという非常に優れた効果がもたらされる。

加えて、判別を行う際のデータ処理において、収束演算を行わない分だけ計算コストを低減することができると共に、リアルタイムな処理を行うことが可能であるという非常に優れた効果がもたらされる。

以下、本発明に係る移動ロボットの走行領域判別装置及び走行領域判別方法を図面に基づいて説明する。
図１〜図６は、本発明に係る移動ロボットの走行領域判別装置の一実施形態を示しており、この実施形態では、移動ロボットが車両タイプである場合を例に挙げて説明する。
図１及び図２に示すように、この走行領域判別装置１は、レーザ光を走査して移動ロボットＲの前方側の形状データを取得する水平ラインスキャンタイプの1軸レーザレンジファインダ１１，３Ｄスキャンタイプの２軸レーザレンジファインダ１２及び1軸レーザレンジファインダ１１で得たセンサ座標系データを鉛直上向きを１軸とする直交座標系データへ変換するデータを供するバーチカルジャイロ（座標変換手段）１３を具備した外界計測部１０と、デッドレコニング用のホイルオドメータ２１，ヨーレートセンサ２２及びＧＰＳ２３を具備して、移動ロボットＲの自己位置を求める自己位置計測部２０と、外界計測部１０で得た外界データ及び自己位置計測部２０で得た自己位置データが入出力回路２を介して入力される処理部３０と、この処理部３０とＬＡＮ３を介して接続する地図作成部４０を備えている。

この場合、外界計測部１０は移動ロボットＲの前端部（図２（ａ）左端部）に搭載され、一方、自己位置計測部２０はデータ解析部３０，地図作成部４０及び後述する車体制御部６０とともに移動ロボットＲの後端部（図２（ａ）右端部）に搭載されており、この移動ロボットＲの後端部にはＧＰＳ２３用のアンテナ２４が配置してある。
そして、移動ロボットＲにおける車体駆動部５０の操舵手段５１は、ドライバ５２及び入出力回路４を介して車体制御部６０と接続していると共に、車体駆動部５０の車速制御手段５３は、コンバータ５４及び入出力回路４を介して車体制御部６０と接続しており、この車体制御部６０には、地図作成部４０からの制御信号がＬＡＮ３を介して入力されるようになっている。

上記処理部３０は、図３にも示すように、事前データメモリ３０ａに格納した事前データと外界計測部１０で得た形状データの幾何的な特徴量とから、移動ロボットＲの前方側の領域を走行可能領域及び障害による走行不能領域に区分け処理する障害物検出モジュール３０Ａを有していると共に、自己位置計測部２０で得た車速やヨーレート等による自己位置データに基づいて自己位置推定結果を生成する自己位置情報生成モジュール３０Ｂを有している。

ここで、処理部３０の事前データメモリ３０ａに格納してあるあらかじめ作成された事前データは、外界計測部１０を具備した車両を実際に走行させてそのレーザレンジファインダ１１，１２により取得した形状データの複数の幾何的な特徴量と、このレーザレンジファインダ１１，１２により取得した形状データをマッピングした２次元地図上において人為的に分類された走行可能領域及び走行不能領域の分類結果とから成っており、処理部３０では、移動ロボットＲの外界計測部１０で得た形状データの複数の幾何的な特徴量に対して、事前データを教師データとする分類器を適用して、移動ロボットＲの前方側の領域を走行可能領域及び障害による走行不能領域に区分け処理するようにしている。

また、上記地図作成部４０は、処理部３０から得た走行可能領域及び障害による走行不能領域の判別情報に基づいてベース地図を作成する地図作成モジュール４０Ａを有していると共に、この地図作成モジュール４０Ａで作成されたベース地図に基づいて移動ロボットＲの走行経路を決める走行経路決定モジュール４０Ｂを有している。
上記した走行領域判別装置１では、外界計測部１０において、１軸レーザレンジファインダ１１で得たセンサ座標系データをバーチカルジャイロ１３からの姿勢情報を用いて鉛直上向きを１軸とする直交座標系データへ変換しているが、１軸レーザレンジファインダ１１及びバーチカルジャイロ１３はいずれも雲台６に固定されているので、変換に用いる座標変換行列は、１軸レーザレンジファインダ１１及びバーチカルジャイロ１３の相対的な姿勢よりあらかじめ決定しておく。

これにより、移動ロボットＲの揺動によるセンサ光軸の揺れが発生した場合における鉛直方向を基準とした座標系での処理が可能であり、１軸レーザレンジファインダ１１の一走査データ内では、鉛直方向を基準とした相対的な高さ成分の比較が可能である。なお、移動ロボットＲの上下方向の並進動作は、現実的に計測不可能であることから、異なるタイミングで取得したデータ（高さ方向の値）相互の比較は行わない。

また、処理部３０の事前データメモリ３０ａに格納した事前データにおいて、これを構成する形状データの幾何的な特徴量には、以下に示すような四つの特徴量を用いた。
ア．近傍領域の凹凸
１軸レーザレンジファインダ１１の一走査ライン内において、隣接するデータ間における高さ方向の差の絶対値
イ．曲率
１レーザレンジファインダ１１の一走査ライン内において、互いに隣接する三点のデータ間における高さ方向の２階差分値の絶対値
ウ．乱雑さ(凹凸の分散値)
１軸レーザレンジファインダ１１の一走査ライン内において、互いに隣接する六点程度のデータの２次関数フィッティング後における曲線からの分散
エ．移動ロボット１の前方側を平面と仮定した場合の距離値と実測値との差
図４（ａ）に示す移動ロボット１の前方側が平面であると仮定した場合の距離値Ｌ１と、図４（ｂ）に示す路肩に高さのある障害物Ｓが存在する場合の実測値Ｌ２との差の絶対値。

上記四つの特徴量(ア)〜(エ)のうちの特徴量(ア)〜(ウ)は、路面の勾配に大きな影響を受けない。特徴量(エ)については、路面の勾配の変化、例えば、上り坂の入り口における勾配の変化では誤差要因となるが、それ以外においては走行可能領域を特徴付けるよい指針となる。
さらに、処理部３０の事前データメモリ３０ａに格納した事前データは、その作成に際して、まず、走行が想定される環境において前記外界計測部１０を具備した車両を実際に走行させて、そのレーザレンジファインダ１１，１２により形状データを取得し、図５に示すように、この形状データ（高さ情報）をＧＰＳなどによる自己位置情報に基づいて２次元の地図データにマッピングする。図５において、黒色部分が低位置Ｌｏ、白色部分が高位置Ｈｉ、灰色部分が未計測位置Ｍである。

次いで、上記車両を実際に走行させた際の静止画又は動画に基づいて、図６に示すように、２次元の地図データ上で人の判断により走行可能領域及び走行不能領域にそれぞれ着色して色分けする。図６において、白色部分が走行可能領域Ｇ、黒色部分が走行不能領域ＮＧである。
そして、区分した部分において、上記レーザレンジファインダ１１，１２による形状データの計測がなされた部位では、この形状データから上述した四つの幾何的な特徴量（ア）〜（エ）を抽出しており、これらの幾何的な特徴量（ア）〜（エ）と、２次元地図上における走行可能領域及び走行不能領域の分類結果とを組み合わせることで、走行可能領域及び走行不能領域に分類した事前データが作成される。

なお、人の判断により、２次元の地図データ上において走行可能領域及び走行不能領域を区分けするに際して、例えば、轍と草との境界部分などについては、走行可能領域及び走行不能領域の各データが混在しているため、敢えて区分けを見送ることで、取得されるデータの分離性の向上を図っている。
この実施形態では、上述したように、処理部３０において、事前データを教師データとする分類器を用いるようにしているが、ここで、教師データ（事前データ）の構成要素として取得した特徴量(ア)について、図７に示すように、その統計をヒストグラムとして表した。この特徴量(ア)は、過去に車両が複数回通過することにより生じた轍及びその周囲の草むらにおいて取得した値である。

このヒストグラムから、走行可能領域及び走行不能領域における特徴量(ア)の値の分布について、走行可能領域では段差などが小さな値として集中しており、一方、走行不能領域では段差などが小さい値から大きな値までの広い分布をとっていることが判るが、単純な閾値による区別は困難である。
次に、図８に示すように、特徴量(ア)の値に対数をとって、改めてヒストグラムを作成した。

このヒストグラムから、走行可能領域及び走行不能領域において、それぞれ平均値が独立していて、分散が同じ規模の正規分布として現れていることが判る。この理由として、未整備の自然界に生じた走行可能領域及び走行不能領域に含まれる凹凸の高低差のオーダーが異なることが挙げられ、具体的には、轍の領域における凹凸が高低差数十ｍｍ程度のランダムな構造であるのに対して、それ以外の草むら等の領域における凹凸が高低差数百ｍｍ程度のランダムな構造をとっていることが挙げられる。

分類すべきデータの統計量をあわせることは、特に数値計算を行う際に、丸め誤差を防ぐうえで重要である。また、学習モデルとしてもっとも平易な正規分布を仮定したモデルを適用するうえで分類性能が向上する。つまり、このような分布を持つ特徴量が複数種類取得可能であれば、機械学習により正解率の高い分類が可能である。
そこで、この実施形態では、走行可能領域及び走行不能領域の各クラスが、上記のようにして前処理を行うことで各特徴量（ア）〜（エ）の混合正規分布で表されると仮定し、処理部３０の分類器 (機械学習手法)として以下に示すベイズの公式（式（１））を用いた。

（式１）

このベイズの公式において、事後確率を計算することができ、ここで、Ｃは走行可能領域及び走行不能領域の２クラスであり、Ｄは４次元の特徴量ベクトルである。
各クラスにおける事前データの計測において、特徴量の確率分布密度が混合正規分布であると仮定した場合の確率は、以下の式（２）で求められる。

（式２）

この式２を計算することにより、事後確率を計算することができ、ここで、μｋはクラスｋにおける特徴量の平均値であり、Σｋはクラスｋにおける共分散行列である。
したがって、事前の学習として、教師データに基づいて、それぞれのクラス毎に各特徴量の平均値μと共分散行列Σを求める。分類の際には、走行可能領域及び走行不能領域の各クラスにおいて、計測データから取得した特徴量を上記式２の特徴量ベクトルＤに代入し、確率Ｐ（Ｄ｜Ｃ）が大きい方のクラスが推定されるクラスとなる。

外界計測部１０で得た形状データに対して、事前の学習により構成した分類器を用いて、移動ロボットＲの前方側の領域を走行可能領域及び障害による走行不能領域に区分け処理した結果を図９に示す。図９において、白色部分が走行可能領域Ｇ、黒色部分が走行不能領域ＮＧである。
上記ベイズの公式を用いるような分類手法を行う際のデータ処理は、収束演算を行わない分だけ計算コストを低減することができると共に、リアルタイムな処理を行うことが可能である。

上記した走行領域判別装置１では、1軸レーザレンジファインダ１１により計測された局所的な形状データのみから走行可能領域及び障害による走行不能領域を分類しているので、走行可能領域である走行路の中央に生えた草などのように、走行可能領域の範囲内に細かな走行不能領域が存在することがある。
このような場合には、走行可能領域が連続的に広がっていると仮定して、走行可能領域に囲まれた小さな走行不能領域を、例えば、メジアンフィルタを用いて、ノイズとして除去処理してもよく、これにより、事前の地図(経路情報)の存在しない自然発生的な轍についても、それらを検出して走行すべきルートであると判断することができ、轍に沿った道なり走行が可能になる。

また、このようなノイズ処理によって、実際の障害物まで除去してしまう可能性も残されているが、その際には、走行可能領域と判定した１軸レーザレンジファインダ１１の形状データから、改めて凹凸や勾配などの走行に関係する情報を抽出することにより、詳細なパスプランや速度制御が可能となる。
そして、この走行領域判別装置１では、学習データを取得した環境（例えば、河原）と、移動ロボット１が走行する環境（例えば、林道）が異なる場合であったとしても、同程度の分類性能が得られる。

次に、上記した移動ロボットＲの走行経路決定用地図の作成要領を説明する。
まず、走行領域判別装置１の処理部３０における障害物検出モジュール３０Ａは、外界計測部１０から得た形状データ及び自己位置計測部２０から得た車速やヨーレート等による自己位置データに基づいて、走行可能領域及び障害による走行不能領域の判別処理を行う。

具体的には、レーザレンジファインダ１１により得られた形状データの複数の幾何的な特徴量に対して、事前データメモリ３０ａに格納した事前データを教師データとする分類器を適用して、移動ロボットＲの前方側の領域において、自然発生的な轍を走行可能領域と判定し、それ以外の領域を障害による走行不能領域と判定する。
一方、処理部３０における自己位置推定のための自己位置計測部２０で得た車速やヨーレート等による自己位置データを受け取る自己位置情報生成モジュール３０Ｂは、これらの自己位置データを受け取った時点で、自己位置推定結果を生成する。具体的には、車速度とヨーレートとの積分によるデッドレコ情報を生成する。

次いで、地図作成部４０の地図作成モジュール４０Ａでは、処理部３０から得た走行可能領域及び障害による走行不能領域の判別情報に基づいて、整合性のあるベース地図を連続的に作成する。
続いて、走行経路決定モジュール４０Ｂでは、地図作成モジュール４０Ａで作成したベース地図に基づいて走行経路を決定して指令信号を車体制御部６０に出力し、車体制御部６０において操舵角度及び速度を決定して車体駆動部５０の操舵手段５１及び車速制御手段５３に制御信号を出力すると、移動ロボットＲの轍に沿った道なり走行が成されることとなる。

したがって、上記した走行領域判別装置１では、簡単な条件設定のみで移動ロボット１の前方側の領域が走行可能領域であるか否かを判別することができ、未整備の環境で自律走行させる場合には、轍などの微かな車両通過跡に沿った道なり走行を行わせることが可能である。
上記した走行領域判別装置１では、外界計測部１０が、１軸レーザレンジファインダ１１，３軸レーザレンジファインダ１２及びバーチカルジャイロ１３を具備している場合を示したが、外界計測部１０の1軸レーザレンジファインダ１１以外の構成や配置はこれに限定されるものではない。

また、上記した走行領域判別装置及び走行領域判別方法では、処理部３０の事前データメモリ３０ａに格納した事前データにおいて、これを構成する形状データの幾何的な特徴量として、四つの特徴量(ア)〜(エ)を用いたが、これらに限定されるものではなく、走行可能領域及び走行不能領域において互いに統計の差異が見られるものであれば、それを用いることが可能である。

さらに、上記した走行領域判別装置及び走行領域判別方法では、事前データを構成する形状データの幾何的な特徴量として、１軸レーザレンジファインダ１１の測距データを用いたが、これに限定されるものではなく、測距データ以外にも、１軸レーザレンジファインダ１１の反射強度データを併用することができるほか、画像やその他の外界センサによるデータを併用することが可能である。

さらにまた、上記した走行領域判別装置及び走行領域判別方法では、走行可能領域及び走行不能領域の各クラスが、各特徴量（ア）〜（エ）の混合正規分布で表されると仮定して、処理部３０の分類器 (機械学習手法)にベイズの公式を用いたが、これに限定されるものではなく、多層パーセプトロンやサポートベクターマシン等の分類器を用いることが可能であり、分類器として、サポートベクターマシンなどのより一層分類性能の高いものを用いた場合には、１軸レーザレンジファインダ１１の近傍数点の生データを特徴量としてそのまま用い得ると考えられる。

さらにまた、上記した走行領域判別装置及び走行領域判別方法の発展形として、自動的に教師データを取得する(オンライン学習)などが考えられる。
さらにまた、上記した一実施形態では、移動ロボットが車両タイプである場合を示したが、これに限定されるものではない。

本発明に係る移動ロボットの走行領域判別装置の一実施形態を示すブロック図である。 図１における走行領域判別装置を搭載した移動ロボットの側面説明図（ａ）及び外界計測部のレイアウト説明図（ｂ）である。 図１における走行領域判別装置の制御フローを示すブロック図である。 図１における走行領域判別装置において移動ロボットの前方側が平面であると仮定した場合の距離値を示す平面説明図（ａ）及び移動ロボットの前方側路肩に高さのある障害物が存在する場合の実測値を示す平面説明図（ｂ）である。 事前データ作成時において実際に走行させる車両に搭載したレーザレンジファインダにより取得した形状データを自己位置情報に基づいてマッピングした状態の２次元地図のデータ説明図である。 事前データ作成時において２次元地図データ上で走行可能領域及び走行不能領域に色分けした状態の２次元地図のデータ説明図である。 走行可能領域及び走行不能領域における特徴量である近傍領域の凹凸の分布を示すヒストグラムである。 走行可能領域及び走行不能領域における特徴量である近傍領域の凹凸の値に対数をとって示すヒストグラムである。 図１における走行領域判別装置を用いて移動ロボットの前方側の領域を走行可能領域及び走行不能領域に区分け処理した際の結果説明図である。

符号の説明

１ 移動ロボットの走行領域判別装置
１０ 外界計測部
１１ １軸レーザレンジファインダ
１３ バーチカルジャイロ（座標変換手段）
３０ 処理部
３０ａ 事前データメモリ
Ｇ 走行可能領域
ＮＧ 走行不能領域
Ｒ 移動ロボット

Claims (6)

1. 自律して走行する移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分けする走行領域判別装置であって、
   レーザ光を走査して前記移動ロボットの前方側の形状データを取得するレーザレンジファインダと、このレーザレンジファインダで得たセンサ座標系データを直交座標系データへ変換する座標変換手段を具備した外界計測部と、
   事前データメモリを具備して、この事前データメモリに格納した事前データと前記外界計測部で得た形状データの幾何的な特徴量とから、前記移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分け処理する処理部を備え、
   前記処理部の事前データメモリに格納した事前データは、前記外界計測部を具備した車両を実際に走行させてそのレーザレンジファインダにより取得した形状データの複数の幾何的な特徴量と、このレーザレンジファインダにより取得した形状データをマッピングした２次元地図上において分類された走行可能領域及び走行不能領域の分類結果とから成り、
   前記処理部では、前記外界計測部で得た形状データの複数の幾何的な特徴量に対して、前記事前データメモリに格納した前記事前データを教師データとする分類器を適用して、前記移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分け処理する
   ことを特徴とする移動ロボットの走行領域判別装置。
2. 前記処理部は、特に走行領域が屋外不整地である場合に、轍などの微かな車両通過跡に沿った経路を走行可能領域として処理する請求項１に記載の移動ロボットの走行領域判別装置。
3. 前記処理部は、前記外界計測部で得た形状データの複数の幾何的な特徴量の値に対して、対数をとった値を用いて前記区分け処理を行う請求項１又は２に記載の移動ロボットの走行領域判別装置。
4. 自律して走行する移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分けする走行領域判別方法であって、
   車両を実際に走行させてこの車両に搭載したレーザレンジファインダにより取得した形状データから抽出した複数の幾何的な特徴量と、前記レーザレンジファインダにより取得した形状データをマッピングした２次元地図上において分類された走行可能領域及び走行不能領域の分類結果とから成る事前データをあらかじめ作成し、
   前記移動ロボットを走行させる時点において、この移動ロボットに搭載したレーザレンジファインダからレーザ光を走査して該移動ロボットの前方側の形状データを取得すると共に、このレーザレンジファインダで得たセンサ座標系データを直交座標系データへ変換した後、
   前記移動ロボットのレーザレンジファインダで得た形状データから抽出した複数の幾何的な特徴量に対して、あらかじめ作成した前記事前データを教師データとする分類器を適用して前記移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分けする
   ことを特徴とする移動ロボットの走行領域判別方法。
5. 特に走行領域が屋外不整地である場合において、轍などの微かな車両通過跡に沿った経路を走行可能領域として処理する請求項４に記載の移動ロボットの走行領域判別方法。
6. 前記レーザレンジファインダで得た形状データの複数の幾何的な特徴量の値に対して、対数をとった値を用いて前記区分け処理を行う請求項４又は５に記載の移動ロボットの走行領域判別方法。