JP2022142602A - 電磁波レーダ装置および電磁波レーダ装置の学習方法 - Google Patents

Abstract

【課題】 媒質内の探査時間を短縮でき、かつ媒質に適合した状態で媒質内の検出対象を判別することができる。【解決手段】 コントローラ６は、車体情報取得装置４から取得した車体２の位置と姿勢の情報に基づいて、予め決められた経路Ｒに従って車体２を自動走行させる自動走行制御部７と、自動走行制御部７によって車体２が経路Ｒを自動走行するときに、探査装置５が受信した反射波に基づいて、経路Ｒに沿った２次元の画像情報を生成する信号処理部８と、オートエンコーダ１０によって構成され、信号処理部８によって生成された画像情報Ｇに基づいて、地中の検出対象を判別する画像判別部９と、を備えている。コントローラ６は、自動走行制御部７を用いて経路Ｒに沿って車体２を自動走行させたときに、信号処理部８が生成した画像情報Ｇを記憶部１１に記憶し、記憶部１１に記憶された画像情報Ｇを用いて、画像判別部９のオートエンコーダ１０を教師なしで自己学習させる。【選択図】 図２

Description

新規性喪失の例外適用申請有り

本開示は、例えば地中やコンクリート等の媒質内の探査を行う電磁波レーダ装置および電磁波レーダ装置の学習方法に関する。

電磁波レーダ装置の一例である地中レーダ装置は、地上から非破壊に地中の情報を可視化することができる。このため、地中レーダ装置は、近年問題になっており市場規模も大きい道路空洞やコンクリート亀裂の検出に有益である。しかし、従来技術による地中レーダ装置は、人や自動車で牽引して探査するため、地中探査に時間を要する。これに加え、地中レーダ装置で得られるレーダ画像からの状態識別は、人手によるものであり、精度や客観性に問題があった。これに対し、人工知能技術を用いて地中探査のレーダ画像から物体の材質や形状を自動識別する技術が知られている（特許文献１）。

特許第６７３７５０２号公報

ところで、従来技術による地中レーダ装置は、人や自動車で牽引して探査するため、地中探査に時間を要する。また、特許文献１に開示された技術では、人工的に作成した学習データを用いて人工知能の学習を行っている。しかしながら、実際の探査現場は、その場所毎に土壌環境が異なる。これに対し、特許文献１に開示された技術を用いて学習した識別装置は、実際の土壌環境のような地中の状態を十分に反映したものではないという問題があった。

本発明の目的は、媒質内の探査時間を短縮でき、かつ媒質に適合した状態で媒質内の検出対象を判別することができる電磁波レーダ装置および電磁波レーダ装置の学習方法を提供することにある。

本発明は、車体の走行中に媒質に向けて探査波を放射し、受信した反射波に基づいて媒質内の検出対象を特定する電磁波レーダ装置であって、前記車体の位置と姿勢の情報を取得する車体情報取得装置と、前記車体に搭載され、媒質に向けて前記探査波を放射し、前記反射波を受信する探査装置と、前記車体の走行と前記探査装置を制御する制御装置と、を備え、前記制御装置は、前記車体情報取得装置から取得した前記車体の位置と姿勢の情報に基づいて、予め決められた経路に従って前記車体を自動走行させる自動走行制御部と、前記自動走行制御部によって前記車体が前記経路を自動走行するときに、前記探査装置が受信した前記反射波に基づいて、前記経路に沿った２次元の画像情報を生成する信号処理部と、ニューラルネットワークによって構成され、前記信号処理部によって生成された前記画像情報に基づいて、媒質内の検出対象を判別する画像判別部と、を備え、前記制御装置は、前記自動走行制御部を用いて前記経路に沿って前記車体を自動走行させたときに、前記信号処理部が生成した前記画像情報を記憶部に記憶し、前記記憶部に記憶された前記画像情報を用いて、前記画像判別部の前記ニューラルネットワークを教師なしで自己学習されていることを特徴としている。

また、本発明による電磁波レーダ装置の学習方法は、走行可能な車体と、前記車体の位置と姿勢の情報を取得する車体情報取得装置と、前記車体に搭載され、媒質に向けて探査波を放射し、反射波を受信する探査装置と、前記車体の走行と前記探査装置を制御する制御装置と、を備えた電磁波レーダ装置に適用され、前記制御装置は、前記車体情報取得装置から取得した前記車体の位置と姿勢の情報に基づいて、予め決められた経路に従って前記車体を自動走行させる自動走行制御部と、前記自動走行制御部によって前記車体が前記経路を自動走行するときに、前記探査装置が受信した前記反射波に基づいて、前記経路における２次元の画像情報を生成する信号処理部と、ニューラルネットワークによって構成され、前記信号処理部によって生成された前記画像情報に基づいて、媒質内の検出対象を判別する画像判別部と、を備え、前記制御装置は、前記自動走行制御部を用いて前記経路に沿って前記車体を自動走行させたときに、前記信号処理部が生成した前記画像情報を記憶部に記憶し、前記記憶部に記憶された前記画像情報を用いて、前記画像判別部の前記ニューラルネットワークを教師なしで自己学習させることを特徴としている。

本発明によれば、媒質内の探査時間を短縮でき、かつ媒質に適合した状態で媒質内の検出対象を判別することができる。

本発明の実施形態による地中レーダ装置を示す斜視図である。 図１中のコントローラ等を示すブロック図である。 コントローラによる自動走行処理を示す流れ図である。 コントローラによる学習処理を示す流れ図である。 作業エリアと経路の一例を示す説明図である。 オートエンコーダを示す説明図である。 エンコーダからの出力をクラスタリングしたときの一例を示す説明図である。

以下、本発明の実施形態による電磁波レーダ装置および電磁波レーダ装置の学習方法として、例えば地中レーダ装置に適用した場合を例に挙げ、添付図面に従って詳細に説明する。

図１ないし図７は、本発明の実施形態を示している。図１に示すように、実施形態による地中レーダ装置１は、走行可能な車体２と、車体２の位置と姿勢の情報を取得する車体情報取得装置４と、車体２に搭載され、地中（媒質）に向けて探査波を放射し、反射波を受信する探査装置５と、車体２の走行と探査装置５を制御するコントローラ６（制御装置）と、を備えている。

車体２は、例えば無限軌道式の走行装置３を備えている。具体的には、走行装置３は、遊動輪３Ａと、電動モータによって回転駆動する駆動輪３Ｂと、駆動輪３Ｂによって駆動される一対の無限軌道３Ｃとを備えている。無限軌道３Ｃは、例えばゴム材料によって形成され、遊動輪３Ａと駆動輪３Ｂとの間に巻回されている。車体２の駆動輪３Ｂは、コントローラ６によってその回転駆動が制御される。なお、走行装置３は、無限軌道式に限らず、例えば操舵輪と駆動輪とを備えた車輪式でもよい。

図２に示すように、車体情報取得装置４は、車体２の位置情報を取得するＧＮＳＳ４Ａ（Global Navigation Satellite System）と、車体２の姿勢情報を取得する姿勢センサ４Ｂとを備えている。ＧＮＳＳ４Ａは、例えばＧＰＳ衛星等のような測位用の人工衛星からの測位信号に基づいて車体２の位置情報を取得する。ＧＮＳＳ４Ａは、車体２の位置情報をコントローラ６に出力する。

なお、車体２の位置情報は、ＧＮＳＳに限らず、リアルタイムキネマティック（ＲＴＫ）やセンチメートル級測位補強サービス（ＣＬＡＳ）などのような高精度測位方式を用いて取得してもよい。

姿勢センサ４Ｂは、例えば３軸加速度センサおよび３軸ジャイロセンサからなるモーションセンサ、地磁気センサ等からなる方位センサ等を含んで構成されている。姿勢センサ４Ｂは、方位センサを用いて現在地から目標地点に向かう目標角（方位角）を取得する。姿勢センサ４Ｂは、モーションセンサを用いて車体２の方向姿勢情報を取得する。姿勢センサ４Ｂは、これらの目標角や方向姿勢情報をコントローラ６に出力する。

本実施形態では、車体情報取得装置４は、ＧＮＳＳ４Ａによって車体２の位置情報を取得するものとした。本発明はこれに限らず、例えばトンネル内のように衛星からの測位信号が受信できない場所では、車体情報取得装置４は、例えば予め記憶した地図情報と車体２の移動軌跡等に基づいて、車体２の位置情報を取得してもよい。

探査装置５は、作業エリアの経路Ｒに沿って車体２が走行したときに、車体２の下面に設けられたアンテナ（図示せず）から所定の電磁波からなる探査波を地中に放射する。経路Ｒは、探査作業の対象となる所定の作業エリアに予め設定される。探査波は、例えば中心周波数が８００ＭＨｚのパルス波である。探査波の中心周波数は、８００ＭＨｚに限らない。探査波の使用周波数帯は、例えば５０ＭＨｚ～４．５ＧＨｚの間で探査装置５の仕様や作業エリアに応じて適宜設定される。探査波は、パルス波に限らず、例えば一定周波数の連続波でもよく、周波数変調されたチャープ波でもよい。放射された電磁波の伝播経路に埋設管などの埋設物が存在すると、その位置で電磁波は反射される。探査装置５は、このときの反射波を受信する。探査装置５は、反射波のデータをコントローラ６に出力する。

図５に示すように、経路Ｒは、所定の作業エリアを漏れなく覆うために、例えば互いに略平行に延びる複数の測線Ｓ1～Ｓnを往復したものになっている。このため、探査装置５は、測線Ｓ1～Ｓn毎に反射波のデータを取得する。なお、探査装置５は、測線Ｓ1～Ｓnに限らず、経路Ｒ全体に対して所定の区間毎に反射波のデータを取得してもよい。また、経路Ｒは、複数の測線Ｓ1～Ｓnを往復させたものに限らない。経路Ｒは、例えば曲線状でもよく、折り返し部分を備えないものでもよい。また、探査装置５は、車体２の左右方向（走行方向と直交した方向）に複数個のアンテナを備え、複数の測線（例えば測線Ｓ1，Ｓ2）での探査を同時に行うものでもよい。

コントローラ６は、車体２の走行と探査装置５を制御する制御装置を構成している。図２に示すように、コントローラ６は、自動走行制御部７、信号処理部８、画像判別部９を備えている。コントローラ６は、例えばＲＯＭ、ＲＡＭ等からなる記憶部１１に接続されている。記憶部１１は、コントローラ６と共に車体２に搭載されている。記憶部１１は、コントローラ６に内蔵されたものでもよく、コントローラ６とは別個に設けられたものでもよい。

なお、コントローラ６は、通信部１２を介して外部と通信可能としてもよい。この場合、記憶部１１は、車体２に搭載されている必要はなく、通信部１２を介して接続された外部の記憶装置でもよい。また、コントローラ６の自動走行制御部７、信号処理部８、画像判別部９も、通信部１２を介して接続された外部のサーバコンピュータによって構成してもよく、クラウドサーバによって構成してもよい。

自動走行制御部７は、車体情報取得装置４から取得した車体２の位置と姿勢の情報に基づいて、予め決められた経路Ｒに従って車体２を自動走行させる。具体的には、自動走行制御部７は、図３に示す自動走行処理のプログラムを実行する。ステップ１では、自動走行制御部７は、ＧＮＳＳ４Ａから車体２の位置情報を取得する。ステップ２では、自動走行制御部７は、姿勢センサ４Ｂの方位センサで現在地から目標地点への目標角を算出すると共に、現在地から目標地点までの距離を算出する。ステップ３では、自動走行制御部７は、姿勢センサ４Ｂのモーションセンサによって、車体２の方向姿勢情報を取得する。ステップ４では、自動走行制御部７は、車体２の方向姿勢情報に基づいて目標角を修正し、車体２を目標地点に向けて走行させる。自動走行制御部７は、ステップ１～４の処理を繰り返し実行することによって、経路Ｒに従って車体２を自動走行させる。

信号処理部８は、自動走行制御部７によって車体２が経路Ｒを自動走行するときに、探査装置５が受信した反射波に基づいて、経路Ｒに沿った２次元の画像情報Ｇを生成する。このとき、探査装置５は、測線Ｓ1～Ｓn毎に反射波のデータを取得する。このため、信号処理部８は、反射波データによる２次元の画像情報Ｇを、測線Ｓ1～Ｓn毎に生成する。なお、信号処理部８は、単一の測線（例えば測線Ｓ1）に対して、複数の画像情報Ｇを生成してもよい。また、探査装置５が経路Ｒ全体に対して所定の区間毎に反射波のデータを取得する場合には、信号処理部８は、これら複数の所定区間に応じて複数の画像情報Ｇを生成してもよい。

画像判別部９は、ニューラルネットワークによって構成され、信号処理部８によって生成された画像情報Ｇに基づいて、地中（媒質内）の検出対象を判別する。図６に示すように、画像判別部９は、画像情報Ｇが入力されたときに検出対象の特徴を抽出して出力するエンコーダ１０Ａと、エンコーダ１０Ａの出力に基づいて元の画像情報を復元するデコーダ１０Ｂとを備えたオートエンコーダ１０によって構成されている。オートエンコーダ１０のネットワークは、エンコーダ１０Ａによって入力したデータの次元数をいったん低下させた後、デコーダ１０Ｂによって次元数を再び戻して出力するという構造になっている。

エンコーダ１０Ａは、例えば４層のニューラルネットワークによって構成されている。デコーダ１０Ｂも、エンコーダ１０Ａと同様に例えば４層のニューラルネットワークによって構成されている。各層は、複数のニューロン（ノード）を備えており、隣り合う２つの層のニューロンは、重み係数で結合されている。重み係数は、学習によって設定される。オートエンコーダ１０は、多層のニューラルネットワークを含む積層オートエンコーダによって構成されている。なお、ニューラルネットワークの層数は、画像の判別精度等を考慮して適宜設定される。

オートエンコーダ１０は、複数の画像情報Ｇを入力することにより、教師なし学習が行われる。複数の画像情報Ｇは、例えば測線Ｓ1～Ｓn毎の画像情報である。オートエンコーダ１０の学習は、入力データ（画像情報Ｇ）と一致するデータを出力することを目的とする教師なし学習である。オートエンコーダ１０の学習過程では、入出力が一致するように、隣り合う２つの層のニューロン間で重み係数（重み付け）が調整される。画像判別部９のエンコーダ１０Ａは、この学習結果を使って画像情報Ｇが入力されたときに検出対象の特徴を抽出して出力する。

エンコーダ１０Ａの出力は、入力したデータよりも次元数の少ない特徴量となる。図７に示すように、画像判別部９は、エンコーダ１０Ａの出力をデータの特徴毎にクラスタリング（分類）する。なお、図７は、線形空間での主成分分析の第１主成分Ｚ１と、第２主成分Ｚ2のような特徴量でクラスタリングした場合を例示している。クラスタリングの結果と実際の埋設物との関係を明確化することによって、画像判別部９は、クラスタリングの結果に基づいて、例えば各種管路、空洞、木材、岩石等のような地中の検出対象を判別することができる。なお、画像判別部９は、画像情報Ｇの特徴量に基づいて、埋設物を含めた地中状態の２次元または３次元の画像を生成することができる。

本実施形態による地中レーダ装置１は、上述の如き構成を有するもので、次に、地中レーダ装置１の画像判別部９を学習する学習処理（学習方法）について、図４を参照して説明する。

まず、地中レーダ装置１を作業エリアに配置する。このとき、地中レーダ装置１のコントローラ６には、作業エリアに応じた経路Ｒが予め設定されている。ステップ１１では、コントローラ６は、自動走行制御部７を用いて経路Ｒに沿って車体２を自動走行させる。ステップ１２では、コントローラ６は、車体２が経路Ｒに沿って自動走行するときに、探査装置５を駆動させ、地中に向けて探査波を放射し、反射波を受信する。ステップ１３では、コントローラ６は、探査装置５が受信した反射波に基づいて、信号処理部８によって経路Ｒに沿った２次元の画像情報Ｇを生成する。ステップ１４では、コントローラ６は、信号処理部８によって生成した画像情報Ｇを記憶部１１に記憶する。このとき、コントローラ６は、画像情報Ｇを取得した位置情報（測線の位置情報）も画像情報Ｇと一緒に記憶部１１に記憶する。

ステップ１５では、コントローラ６は、記憶部１１に記憶された画像情報Ｇを用いて、画像判別部９のニューラルネットワークからなるオートエンコーダ１０を教師なしで自己学習させる。具体的には、オートエンコーダ１０は、入力データ（画像情報Ｇ）と出力データが一致するように重み付けを教師なし学習する。このとき、オートエンコーダ１０は、入力データと出力データとの間の誤差が最小化するように、重み付けを学習する。これらステップ１１～１５の処理を繰り返すことによって、オートエンコーダ１０を自動的に自己学習させることができる。この結果、学習済みの画像判別部９が形成されるから、画像判別部９を用いて地中の埋設物を判別することができる。

なお、図４は、単一の画像情報Ｇが記憶部１１に記憶される毎に、オートエンコーダ１０を自己学習する場合を例示した。本発明はこれに限らず、例えば経路Ｒの走行が完了して複数の画像情報Ｇを記憶部１１に記憶した後に、オートエンコーダ１０を教師なしで自己学習してもよい。オートエンコーダ１０は、初期状態から全て学習過程で教師なし学習を行ってもよく、例えば人工的に作成した学習データを用いて予め学習を行った後に、教師なし学習を行ってもよい。また、オートエンコーダ１０は、入力データと出力データとの間の誤差が予め設定された閾値よりも低下したときに、学習を完了してもよい。

かくして、本実施形態による地中レーダ装置１は、車体２の位置と姿勢の情報を取得する車体情報取得装置４と、車体２に搭載され、地中に向けて探査波を放射し、反射波を受信する探査装置５と、車体２の走行と探査装置５を制御するコントローラ６（制御装置）と、を備えている。

また、コントローラ６は、車体情報取得装置４から取得した車体２の位置と姿勢の情報に基づいて、予め決められた経路Ｒに従って車体２を自動走行させる自動走行制御部７と、自動走行制御部７によって車体２が経路Ｒを自動走行するときに、探査装置５が受信した反射波に基づいて、経路Ｒに沿った２次元の画像情報を生成する信号処理部８と、ニューラルネットワークによって構成され、信号処理部８によって生成された画像情報Ｇに基づいて、地中の検出対象を判別する画像判別部９と、を備えている。

そして、コントローラ６は、自動走行制御部７を用いて経路Ｒに沿って車体２を自動走行させたときに、信号処理部８が生成した画像情報Ｇを記憶部１１に記憶し、記憶部１１に記憶された画像情報Ｇを用いて、画像判別部９のニューラルネットワークを教師なしで自己学習されている。

このとき、地中レーダ装置１は、車体２を自動走行させて、多数の画像情報Ｇを取得することができるから、これらの多数の画像情報Ｇを用いて画像判別部９のニューラルネットワークを教師なしで自己学習させることができる。このため、例えばシミュレーションによる画像情報Ｇを用いて画像判別部９を学習させた場合に比べて、例えば作業エリアの土壌環境等に応じて画像判別部９を学習させることができる。この結果、画像判別部９を作業エリアに合わせてチューニングすることができ、探査現場毎の高精度な識別モデルを作成することができる。これに加え、車体２を自動走行させて地中探査を行うから、人や自動車で地中レーダ装置を牽引して探査する場合に比べて、地中探査の時間を短縮することができる。

このように、本実施形態では、地中レーダ装置１の自律・自動化を行うことにより、自動判定などの知能化が可能になる。これにより、例えば夜間に指定した範囲を地中レーダ装置１で探査し、道路の空洞などの異常箇所をピンポイントで把握できるようになる。このため、近年問題になっている道路や橋脚など社会インフラ点検を高度化することができる。また，大規模自然災害において捜索が必要な箇所を、人間に代って２４時間捜索できるようになるから、人命救助の７２時間問題にも貢献することができる。

また、本実施形態では、画像判別部９のニューラルネットワークは、画像情報Ｇが入力されたときに検出対象の特徴を抽出して出力するエンコーダ１０Ａと、エンコーダ１０Ａの出力に基づいて元の画像情報Ｇを復元するデコーダ１０Ｂとを備えたオートエンコーダ１０を構成し、コントローラ６は、画像情報Ｇがエンコーダ１０Ａに入力されたときに、デコーダ１０Ｂから同じ画像情報Ｇが出力されるように、オートエンコーダ１０を教師なしで自己学習させる。

これにより、オートエンコーダ１０は、入力データ（画像情報Ｇ）と一致するデータを出力するように教師なし学習を行う。このため、車体２を自動走行させた状態で、取得した画像情報Ｇに基づいてオートエンコーダ１０の学習を進めることができる。画像判別部９の学習を効率的に行うことができる。

また、本実施形態では、車体情報取得装置４は、衛星からの測位信号を受信して車体２の位置情報を取得するＧＮＳＳ４Ａ（衛星測位システム）と、車体２の姿勢情報を取得する姿勢センサ４Ｂと、を備え、自動走行制御部７は、ＧＮＳＳ４Ａから取得した車体２の位置情報と、姿勢センサ４Ｂから取得した車体２の姿勢情報とに基づいて、経路Ｒに沿うように、車体２を走行させる。

これにより、自動走行制御部７は、高精度に経路Ｒをトレースした状態で車体２を走行させることができる。このため、例えば探査作業の対象となる作業エリア全体を覆うように経路Ｒを設定することによって、作業エリア全体の地中探査を自動的に行うことができる。また、コントローラ６は、画像情報Ｇを取得した位置情報を画像情報Ｇと一緒に記憶部１１に記憶する。このため、例えば地上の状態が変化したときや地上に目印がないときでも、埋設物の位置を容易に特定することができる。

さらに、本実施形態では、車体２は、無限軌道式の走行装置３を備えている。これにより、例えば車輪式の走行装置を用いた場合に比べて、複数の測線Ｓ1～Ｓnをその場旋回により効率的に車体２を走行させることができる。このため、経路Ｒ全体の計測時間を短縮することができるから、地中レーダ装置１は、短時間で多数の画像情報Ｇを取得することができる。この結果、短時間でオートエンコーダ１０の学習を進めることができ、画像判別部９による検出精度を効率的に高めることができる。また、車体２は無限軌道式の走行装置３を備えているから、不整地の作業エリアであっても地中探査を行うことができる。

前記実施形態では、オートエンコーダ１０を例に挙げて、画像判別部９のニューラルネットワークを教師なしで自己学習するものとしたが、本発明はこれに限らない。画像判別部の特徴抽出部分は、教師なし学習で低次元特徴を抽出するものであればよい。このため、ｋ平均法（ｋ－ｍｅａｎｓ）、自己組織化マップ（ＳＯＭ）、ｔ分布型確率的近傍埋め込み法（ｔ－ＳＮＥ）等を用いて、画像判別部のニューラルネットワークを教師なしで自己学習してもよい。

前記実施形態では、地中の埋設物を探査する地中レーダ装置を例に挙げて説明した。本発明はこれに限らず、道路やコンクリート等の内部不良個所を、電磁波を用いて検出する電磁波レーダ装置に適用してもよい。

１ 地中レーダ装置（電磁波レーダ装置）
２ 車体
３ 走行装置
３Ｃ 無限軌道
４ 車体情報取得装置
４Ａ ＧＮＳＳ（衛星測位システム）
４Ｂ 姿勢センサ
５ 探査装置
６ コントローラ（制御装置）
７ 自動走行制御部
８ 信号処理部
９ 画像判別部
１０ オートエンコーダ
１０Ａ エンコーダ
１０Ｂ デコーダ
１１ 記憶部

Claims (5)

1. 車体の走行中に媒質に向けて探査波を放射し、受信した反射波に基づいて媒質内の検出対象を特定する電磁波レーダ装置であって、
   前記車体の位置と姿勢の情報を取得する車体情報取得装置と、
   前記車体に搭載され、媒質に向けて前記探査波を放射し、前記反射波を受信する探査装置と、
   前記車体の走行と前記探査装置を制御する制御装置と、を備え、
   前記制御装置は、
   前記車体情報取得装置から取得した前記車体の位置と姿勢の情報に基づいて、予め決められた経路に従って前記車体を自動走行させる自動走行制御部と、
   前記自動走行制御部によって前記車体が前記経路を自動走行するときに、前記探査装置が受信した前記反射波に基づいて、前記経路に沿った２次元の画像情報を生成する信号処理部と、
   ニューラルネットワークによって構成され、前記信号処理部によって生成された前記画像情報に基づいて、媒質内の検出対象を判別する画像判別部と、を備え、
   前記制御装置は、前記自動走行制御部を用いて前記経路に沿って前記車体を自動走行させたときに、前記信号処理部が生成した前記画像情報を記憶部に記憶し、前記記憶部に記憶された前記画像情報を用いて、前記画像判別部の前記ニューラルネットワークを教師なしで自己学習されていることを特徴とする電磁波レーダ装置。
2. 前記画像判別部の前記ニューラルネットワークは、前記画像情報が入力されたときに前記検出対象の特徴を抽出して出力するエンコーダと、前記エンコーダの出力に基づいて元の画像情報を復元するデコーダとを備えたオートエンコーダを構成し、
   前記制御装置は、前記画像情報が前記エンコーダに入力されたときに、前記デコーダから同じ画像情報が出力されるように、前記オートエンコーダを教師なしで自己学習させることを特徴とする請求項１に記載の電磁波レーダ装置。
3. 前記車体情報取得装置は、衛星からの測位信号を受信して前記車体の位置情報を取得する衛星測位システムと、前記車体の姿勢情報を取得する姿勢センサと、を備え、
   前記自動走行制御部は、前記衛星測位システムから取得した前記車体の位置情報と、前記姿勢センサから取得した前記車体の姿勢情報とに基づいて、前記経路に沿うように、前記車体を走行させることを特徴とする請求項１または２に記載の電磁波レーダ装置。
4. 前記車体は、無限軌道式の走行装置を備えることを特徴とする請求項１ないし３のいずれかに記載の電磁波レーダ装置。
5. 走行可能な車体と、
   前記車体の位置と姿勢の情報を取得する車体情報取得装置と、
   前記車体に搭載され、媒質に向けて探査波を放射し、反射波を受信する探査装置と、
   前記車体の走行と前記探査装置を制御する制御装置と、を備えた電磁波レーダ装置に適用され、
   前記制御装置は、
   前記車体情報取得装置から取得した前記車体の位置と姿勢の情報に基づいて、予め決められた経路に従って前記車体を自動走行させる自動走行制御部と、
   前記自動走行制御部によって前記車体が前記経路を自動走行するときに、前記探査装置が受信した前記反射波に基づいて、前記経路における２次元の画像情報を生成する信号処理部と、
   ニューラルネットワークによって構成され、前記信号処理部によって生成された前記画像情報に基づいて、媒質内の検出対象を判別する画像判別部と、を備え、
   前記制御装置は、前記自動走行制御部を用いて前記経路に沿って前記車体を自動走行させたときに、前記信号処理部が生成した前記画像情報を記憶部に記憶し、前記記憶部に記憶された前記画像情報を用いて、前記画像判別部の前記ニューラルネットワークを教師なしで自己学習させることを特徴とする電磁波レーダ装置の自己学習方法。

Images