JP2015146091A - 移動ロボットの自己位置推定方法 - Google Patents

Abstract

【課題】移動ロボットのより正確な自己位置推定方法を提供すること。
【解決手段】本発明にかかる移動ロボットの自己位置推定方法は、車輪を駆動して移動する移動ロボットにおいて、地図上に車輪の移動量に基づいて自己位置の候補点を推定し、候補点を基準にして、複数の測定点を定め、地図上での測定点から壁までの距離を評価距離として算出し、評価距離に基づいて、一致する度合いを評価し、さらに、外界センサから測定点を向く方向の単位ベクトルである測定方向ベクトルと、測定点から最寄りの壁を向くベクトルである壁方向ベクトルと、の内積を評価関数として評価するものである。
【選択図】図１

Description

本発明は移動ロボットの自己位置推定方法に関する。

移動ロボットにおける自己位置推定技術として、ある位置にロボットがいると仮定した場合に、センサ等による現在の観測値と、仮定された位置における地図と、の一致を評価し、最も一致した位置にロボットがいると推定する方法が知られている。一致の評価は、移動ロボットから観測される構造物までの距離等の観測値と、ある位置に移動ロボットがいると仮定した場合における地図上での構造物までの距離の推定値と、がどれくらい近いかを数値化することにより行われる。

特許文献１には、移動環境内の対象物までの位置を計測する距離センサと、移動環境内の地点を複数の計測向きから見た場合の各計測向きに対応する複数の地図データが含まれる環境地図を記憶する環境地図記憶部と、距離センサによって対象物の計測を行った際の計測向きに対応する地図データを複数の地図データから選択するとともに、選択された地図データ及び距離センサにより得られる対象物の距離情報に基づいて当該移動ロボットの自己位置を推定する自己位置推定部と、を備える移動ロボットが記載されている。

特開２００９−２０５２２６号公報

しかしながら、特許文献１に記載の技術は、移動環境内の地図を複数の計測向きから見た場合の各計測向きに対応する複数の地図データを用いるため、メモリの使用量が大きいという問題があった。

また、上記のような自己位置推定方法では、本来ならば、観測値と推定値と、の一致度が最も高い位置が、正しい位置となるはずである。しかし、環境の変化（たとえば机や棚が移動するなど）によっては、間違った推定位置で一致度が最も高くなり、位置の誤推定が発生することがある。誤推定が発生すると、自律移動ロボットが仕事を継続できない等の状況に陥ってしまう。

本願発明はこのような問題を解決するためになされたものであり、移動ロボットのより正確な自己位置推定方法を提供することを目的とする。

本発明にかかる移動ロボットの自己位置推定方法は、外界センサが障害物までの距離を環境情報又はロボットの移動量として測定し、距離マップ作成部が、記憶部が記憶する地図情報に基づいて壁からの距離を各グリットに記録した距離マップを作成し、方向マップ作成部が、前記壁マップに基づき、最寄りの壁を向くベクトルである壁方向ベクトルを各グリットに記録した方向マップを作成し、自己位置推定部が、自己位置を推定する、自己位置推定方法であって、前記自己位置推定部は、前記地図上に、前記移動量に基づいて自己位置の候補点を推定し、前記候補点を基準にして、前記地図上に複数の測定点を定め、前記距離マップに基づき、前記測定点から壁までの距離を評価距離とし、第１評価工程において、前記評価距離に基づいて、一致する度合いを評価し、第２の評価工程において、前記外界センサから前記測定点を向く方向の単位ベクトルである測定方向ベクトルと、前記測定点の壁方向ベクトルと、の内積を評価関数として評価し、前記第１の評価工程において一致が大きく、かつ前記第２の評価工程において評価関数が大きい候補点を、自己位置として推定する、ものである。これにより、測定方向ベクトルと壁方向ベクトルとの内積を評価して、推定位置をより正確にすることができる。

本発明によれば、移動ロボットのより正確な自己位置推定方法を提供することができる。

実施の形態にかかる移動ロボットを示すブロック図である。 実施の形態にかかる移動ロボットのシステムにおける、自己位置推定ロジックの位置づけを示す図である。 実施の形態にかかる移動ロボットの制御フローを示す図である。 実施の形態にかかる自己位置推定ロジックの評価フローを示す図である。 実施の形態にかかる移動ロボットと測定点における壁方向ベクトルと観測方向ベクトルとを示す図である。 実施の形態にかかる可視性評価関数を示すグラフである。

実施の形態１
以下、図面を参照して本発明の実施の形態について説明する。
図１は、本実施の形態にかかる移動ロボット１を示すブロック図である。移動ロボット１は、記憶部２１と、距離マップ作成部２２と、方向マップ作成部２３と、駆動部２４と、外界センサ２５と、自己推定部２６と、を有する。

記憶部２１は、あらかじめ入力された、壁の位置が記された地図情報である壁マップを記憶する。距離マップ作成部２２は、記憶部２１から壁マップを読み出して、壁からの距離を各グリッドに記録した距離マップを作成する。距離マップ作成部２２は距離マップを自己位置推定部２６と方向マップ作成部２３とに出力する。

方向マップ作成部２３は、距離マップ作成部２２から受け取った距離マップに基づき、方向マップを作成する。方向マップ作成部２３は、方向マップを自己位置推定部２６に出力する。

方向マップは、最寄りの壁方向を向く単位方向ベクトルである壁方向ベクトルの向きを、各グリットに記録したものである。言い換えれば、方向マップとは、壁マップや距離マップと同様に、空間を碁盤の目状に離散化されたセルによって構成されるグリッドマップである。

方向マップの作成方法について説明する。あるセル（便宜上セルＸとする。）の最寄の壁方向を算出する場合、まず、距離マップ上でセルＸの位置にあるセル（セルＹとする）及びセルＹの周囲にある８個のセルを合わせた計９個のセルに記録されている壁からの距離を求める。次にこの９個のセルに記録されたこれらの距離に対して、平面を最小自乗フィッティングする。この最小自乗フィッティングした最急上昇方向を、セルＸの最寄の壁方向としてセルＸに記録する。

この処理をすべてのセルについて実施することで方向マップは作成される。なお、このように、あらかじめ作成した方向マップを参照することで、自己位置推定を行う際に、壁方向ベクトルを高速に算出することが可能である。

駆動部２４は、移動ロボット１を移動させるためものであり、ロボット移動量計測手段としての回転角センサ２４１と、駆動機構（不図示）とを有する。駆動機構は、具体的には車輪と車輪を駆動させるモータとを備える。回転角センサ２４１は、車輪の回転角を検出する。

外界センサ２５は、障害物等の距離の情報であるの環境情報を検出する。具体的には、レーザーセンサ等で構成される。

自己位置推定部２６は、距離マップと方向マップと回転角と環境情報とに基づき、自己位置を推定する。自己位置の推定方法については、後述する。

図２は、実施の形態にかかる移動ロボット１のシステムにおける、自己位置推定ロジックの位置付けを示す図である。図に示すように、壁マップ等の地図情報と、外界センサ２５等での環境計測と、回転角センサ２４１による車輪の回転角から算出される移動距離と、に基づいて、地図と計測情報とのマッチングを行い、自己位置を推定する。そして、推定した位置を出力する。なお、自己位置推定の際に、回転角センサ２４１の検出結果に基づいた移動距離を考慮せず、壁マップ等の地図情報と、外界センサ２５の環境計測から算出された距離情報と、に基づいて自己位置を推定してもよい。

図３は、実施の形態にかかる移動ロボット１の制御フローを示す図である。まず、外界センサ２５により環境情報が検出される。また、ここでは、回転角センサ２４１により、車輪の回転角が検出され、車輪の回転角に基づいて、移動量を計測する（ステップＳ１０）。

次に、移動量に基づき、自己位置の候補位置を予測する（ステップＳ１１）。そして、外界センサ２５の検出した環境情報に基づき、予測された候補位置を評価する（ステップＳ１２）。最後に、評価に基づき、現在位置を推定する（ステップＳ１３）。

次に、自己位置推定部２６の処理である、候補位置の評価（ステップＳ１２）について、より詳細に説明する。図４は、実施の形態にかかる自己位置推定ロジックの評価フローを示す図である。まず、地図（壁マップ）上に候補位置を置く（ステップＳ１１１）。次に、候補位置を基準にして、複数の測定点を定めて、測定点の地図上での位置を算出する（ステップＳ１１２）。ここで、測定点を置く、とは、地図（壁マップ）上のある点にロボット１があることを仮定して、その位置から実際の測定値（距離）を地図上に投影（プロット）することである。

次に、距離マップに基づき、測定点から壁までの距離を評価距離として算出する（ステップＳ１１３）。その評価距離が小さい場合には、評価を高くする（ステップＳ１１４）。

ここで、評価についてより詳細に説明する。まず、距離マップ上のセルに測定距離をプロットし、プロットされたセル状に格納されている値（測定点の壁からの距離の評価値）と比較して評価する。ある候補位置で測定される測定点全てを評価したものが、候補位置の壁からの距離の評価値となる。

次に、外界センサ２５を基点として測定点方向を向く単位ベクトルである、測定方向ベクトルＡと、測定点における壁ベクトルであるベクトルＡと、の内積値によって、その壁が移動ロボット１から観測可能か否か判定して、測定点の可視性を評価する（ステップＳ１１５）。

可視性の評価について説明する。図５は、実施の形態にかかる移動ロボットと測定点における壁方向ベクトルと観測方向ベクトルとを示す図である。曲線２は壁から一定の距離をつないだ線である。点３は外界センサ２５の位置を示す。図５（ａ）に示すように、移動ロボット１から見て、測定点が壁の向こう側にある場合、ベクトルＡとベクトルＢとの内積は負の値となる。図５（ｂ）に示すように、移動ロボット１から見て、測定点が壁よりこちら側にある場合、ベクトルＡとベクトルＢとの内積は正の値となる。

内積の値を利用して、可視性の評価を行う。図７は、可視性評価（neff_visibility）関数の一例を示すグラフである。図７のように可視性評価関数を定めることにより、移動ロボット１から測定点が観測可能な場合には、その測定点に高い評価を、観測不可能な場合には低い評価を与える。

図４に戻って、測定点の可視性の評価が終わると（ステップＳ１１５）、次に候補位置の評価値を算出する（ステップＳ１１５）。評価値の算出は、例えば候補位置毎に、ステップＳ１１４における測定点の評価距離と測定距離との一致の度合いと可視性との評価と掛け合わせるなどしてもよい。

次に、すべての候補位置について評価が終わったか確認し（ステップＳ１１６）、終わっていた場合（ステップＳ１１６：Ｙｅｓ）は、ステップ１３に進む。すべての候補位置について評価が終わっていなかった場合（ステップＳ１１６：Ｎｏ）、終わっていない候補位置について、ステップＳ１１１〜１１５の処理を行う。

実施の形態にかかる移動ロボット１の自己位置推定方法においては、地図上の測定点と現在の測定点との一致を評価するだけではなく、壁ベクトルと観測方向ベクトルとの内積を評価することにより、より自己位置の推定を正確に行うことができる。また、距離マップや方向マップをあらかじめ作成することにより、より自己位置推定時の処理を早く行うことができる。

なお、上記の形態においては、移動量検出手段として回転角センサ２４１を用いたが、ロボットの移動量を計測する方法として、カメラ画像やレーザーセンサのオプティカルフローを利用するようにしてもよい。

なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。

１ 移動ロボット
２１ 記憶部
２２ 距離マップ作成部
２３ 方向マップ作成部
２４ 駆動部
２４１ 回転角センサ
２５ 外界センサ
２６ 自己位置推定部

Claims (1)

1. 移動ロボットにおいて、
   外界センサが障害物までの距離を環境情報又はロボットの移動量として測定し、
   距離マップ作成部が、記憶部が記憶する地図情報に基づいて壁からの距離を各グリットに記録した距離マップを作成し、
   方向マップ作成部が、前記壁マップに基づき、最寄りの壁を向くベクトルである壁方向ベクトルを各グリットに記録した方向マップを作成し、
   自己位置推定部が、自己位置を推定する、自己位置推定方法であって、
   前記自己位置推定部は、
   前記地図上に、前記移動量に基づいて自己位置の候補点を推定し、
   前記候補点を基準にして、前記地図上に複数の測定点を定め、
   前記距離マップに基づき、前記測定点から壁までの距離を評価距離とし、
   第１評価工程において、前記評価距離に基づいて、一致する度合いを評価し、
   第２の評価工程において、前記外界センサから前記測定点を向く方向の単位ベクトルである測定方向ベクトルと、前記測定点の壁方向ベクトルと、の内積を評価関数として評価し、
   前記第１の評価工程において一致が大きく、かつ前記第２の評価工程において評価関数が大きい候補点を、自己位置として推定する、移動ロボットの自己位置推定方法。

Images