JP3569326B2 - 情報融合システムおよびロボット誘導システム - Google Patents
情報融合システムおよびロボット誘導システム Download PDFInfo
- Publication number
- JP3569326B2 JP3569326B2 JP28526294A JP28526294A JP3569326B2 JP 3569326 B2 JP3569326 B2 JP 3569326B2 JP 28526294 A JP28526294 A JP 28526294A JP 28526294 A JP28526294 A JP 28526294A JP 3569326 B2 JP3569326 B2 JP 3569326B2
- Authority
- JP
- Japan
- Prior art keywords
- robot
- robots
- information
- measurement
- variance
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Manipulator (AREA)
- Complex Calculations (AREA)
- Indication And Recording Devices For Special Purposes And Tariff Metering Devices (AREA)
Description
【産業上の利用分野】
本発明は,冗長性を持つ複数の情報を融合もしくは統合し,より正確な情報を得る情報融合システムおよびロボット誘導システムに関する。
【0002】
ロボットシステム等において,複数のセンサ等の多数の情報源から得られる冗長な情報を情報源の特性やシステム全体の状態に応じて適切に融合,統合することにより確度,精度の高い情報を抽出することが可能である。
【0003】
本発明は,このような観測システムに冗長性を持たせ,情報を融合することにより確度,精度の高い情報を得ることのできる情報融合システムおよびロボット誘導システムを提供する。
【0004】
【従来の技術】
これまで提案されている情報融合システムにおいて,複数の冗長な情報を融合することにより精度の高い情報を得る方法として最小二乗法,カマルマンフィルタを用いたもの,最尤推定法(ベイズ推定法)を用いる方法がある。
【0005】
一例として,最尤推定法を用いた複数の情報融合手法について説明する。測定対象Aをn個の独立した測定手法により独立に測定した場合を考える。このとき,各手法で得られる測定値と真値の誤差関係が正規分布に従うと仮定し,手法iによる測定値をxi ,その分散をσi 2 とすると,これらを融合して得られる測定対象Aの最尤推定値は,
n
と与えられる。
【0006】
(証明)
手法iで得られる測定値xの分布li (x)は,正規分布の仮定により
で与えられる。よって,n個の測定値を重ね合わせて得られる分布は,
n
となるので,このL(x)を最尤関数とおき,これが最大となるxの最尤推定値を求める。
【0007】
n n
i=1 が最尤推定値である。
【0008】
図7は従来の技術を示す。図7は3ロボットによる自立走行ロボット群システムである。自立走行ロボット群システムは複数のロボットから構成される自立走行ロボットの位置測定をし,ロボットを所定の位置に誘導するものである。未知あるいは不整地環境にあって,ロボットの展開位置を高精度で測定する手法として,自立走行ロボット群による「協調ポジショニング法」が提案されている(“廣瀬,長田,倉爪「群ロボットによる協調ポジショニング法」,第10回日本ロボット学会学術講演会予稿集,pp.1135-1138,1992", "R.Kurazume,S.Nagata and S.Hirose,Cooperative Positioning with Multiple Robots,Proc.of IEEE Int.Conf.on Robotics and Automation,pp1250-1257,1994.")。
【0009】
3ロボットの自立走行ロボット群について,ロボットの位置測定方法を説明する。
【0010】
図7において,31はロボット1である。32はロボット2である。33はロボット3である。θ1 はロボット1を中心としたロボット2とロボット3の角度である。θ2 はロボット2を中心としたロボット1とロボット2の角度である。φ1 はロボット1のロボット3に対する迎角である。φ2 はロボット2のロボット3に対する迎角である。
1.先ずロボット1(31)とロボット2(32)の初期位置を測定する。そして,ロ ボット3が移動し,静止する。
2.ロボット1がロボット2とロボット3の相対角度θ1 ,及びロボット3の迎角φ1 を測定する。
3.ロボット2がロボット1とロボット3の相対角度θ2 ,及びロボット3の迎角φ2 を測定する。
4.ロボット1とロボット2の位置,および計測されたθ1 ,θ2 ,φ1 ,φ2 を用いて三角測量法によりロボット3の位置を計算する。
5.次に,ロボット1を移動させ,同様の処理を繰り返す。
上記の処理を繰り返し,ロボットを目標位置に移動させるものである。
【0011】
【発明が解決しようとする課題】
これまでに実際に扱われてきた情報融合システム(図7のようなロボット群等のセンサフュージョンシステム)における情報融合手法は,各々の情報源から得られる情報は互いに独立であり,その測定誤差には相関が存在しないものとしてとり扱われた。例えば,上記の例において,手法iと手法jの間の誤差の相関はない,即ちσij 2 =0(i≠j)であると仮定している。例えば,図7の場合,ロボット1とロボット2の測定した位置情報はそれぞれ独立しているものとして扱われた。
【0012】
実際の観測システムにおいては,複数の情報源から得られる情報が互いに時間的,空間的に独立であることはまれであり,大半の場合にはそれぞれの情報源が同様に影響を受ける特定の誤差要因が存在する。例えば,複数センサシステムにおいては,それぞれのセンサには部屋の温度,湿度あるいは同一の震源から生じる振動等といった共通の誤差要因が存在するのが一般的である。
【0013】
従って,現実のシステムではこれらの複数情報間に存在する測定誤差の相関関係を考慮した,新たな情報融合手法(情報融合システム)の開発が必要とされる。
【0014】
本発明は,複数の情報源から得られる冗長な情報を融合,統合し,より正確な情報を得ることを目的とした情報融合システムおよびロボット誘導システムにおいて,複数情報間に相関関係が存在する場合においても適切な情報融合を可能とすることを目的とする。
【0015】
【課題を解決するための手段】
本発明の原理を説明する。ある測定対象Aをn個の測定手法で計測し,n個の測定値X1 ,X2 ,・・・,Xn が得られたとする。但し,これらの測定値の誤差の間にはある相関関係が存在するものとし,測定値の存在確率が中心x0 ,x1 ,・・・,xn ,分散
【0016】
【数1】
【0017】
で示されるn次元正規分布
に従うものとする。但し,
【0018】
【数2】
【0019】
である。
【0020】
さて,ここでXi (i=0〜n)は同じ測定量xを表していると考え,最尤関数を
とおく,
但し,
【0021】
【数3】
【0022】
である。式(11)をxで微分すると,
となり,さらに,
【0023】
【数4】
【0024】
とおくと,
【0025】
【数5】
【0026】
より,式(11)で表される最尤関数L(x)は,
で極値を取ることがわかる。但し,式(17)では,お互いの測定値への誤差の影響は等しいと仮定し,σ* ij -2=σ* ji -2を用いた。式(17)は複数情報間の測定誤差に相関関係の存在する場合の式(1) に代わる新たな情報融合式である。
【0027】
なお,n=2の場合には,式(17)は
となり,これは式(1) で与えられる従来用いられている最尤推定値
の拡張された形であることがわかる。
【0028】
図1は本発明の基本構成を示す。図1において,1は観測システムであって,情報融合システムである。2は観測対象である。3は冗長測定手段であって,複数の測定手段により冗長な測定情報を得るものである。4は冗長測定値群であって,冗長測定手段3により測定された測定値群である。5は分散算出手段であって,測定値群の測定値の分散を算出するものである。また分散算出手段は共分散を算出し,共分散行列を求めるものである。6は相関算出手段であって,各測定値間もしくは測定値群の間の相関行列を算出するものである。7は測定結果融合手段であって,各測定値もしくは各測定値群の共分散行列と相関行列に基づいて測定結果を融合するものである(例えば,最尤推定法等)。8は測定結果出力手段であって,最も確からしい推定値を出力するものである。
【0029】
冗長測定手段3において,10は測定手段Aである。11は測定手段Bである。12は測定手段Nであって,それぞれ観測対象2の物理量を測定するものである。
【0030】
冗長測定値群4において,15は測定値Gaである。16は測定値Gbである。17は測定値Gnである。各測定値Ga(15),測定値Gb(16),測定値Gn(17)はそれぞれ各測定手段A(10),測定手段B(11),測定手段N(12)の各測定手段により得られた測定値もしくは複数の各測定手段(10),(11),(12)の異なる組み合わせにより得られた測定値群である。
【0031】
分散算出手段5において,18は分散算出部であって,各測定値Ga,測定値Gb,測定値Gnの誤差分散を算出するものである。19は共分散算出部であって,各測定値Ga,測定値Gb,測定値Gnの共分散を算出するものである。
【0032】
【作用】
図1の本発明の基本構成の動作を説明する。
【0033】
各測定手段A(10),測定手段B(11),測定手段N(12)は,それぞれに観測対象2を測定し,例えば,位置,速度,温度等を測定する。各測定値は測定値Ga(15),測定値Gb(16),測定値Gn(17)として保持される。
【0034】
分散算出手段5は各測定値の誤差の分散,共分散を算出する。相関算出手段6は各測定値間の相関を算出する。測定結果融合手段7は各測定値を,例えば最尤推定法等で融合し,最も確からしい測定値を算出する。測定結果出力手段8は最も確からしい測定結果を出力する。
【0035】
本発明によれば,冗長性を有する測定値により各測定値の相関を考慮して最も確からしい測定値を得ることができる。そのため,測定対象が測定結果に基づいて制御されるような場合には,測定対象のシステムの性能を向上することができる。
【0036】
【実施例】
本発明を協調ロボットボジショニングシステムに適用する場合について説明する。群ロボットによる協調ボジショニングシステムの場合,ロボット台数を増やし,各ロボットの位置同定に同時に多くのロボットを使用し,情報を融合することによりロボット位置同定の精度を向上することができる。
【0037】
図2は4ロボットによる本発明の実施例を示す。
【0038】
図2 (a)は4ロボットの構成であり,図2 (b)は4ロボットのうちの3台のロボットの関係を示す。
【0039】
図2 (a), (b)において,30はロボット0である。31はロボット1である。32はロボット2である。33はロボット3である。
【0040】
図2 (a)の動作は後述する。図2 (b)において,ロボット1の位置X0 =(x0 ,y0 )T ,ロボット1の位置X1 =(x1 ,y1 )T ,ロボット2の位置X2 =(x2 ,y2 )T とし,図示のように重力軸回りの方位角をθ1 ,θ2 とする。
【0041】
ロボット1とロボット2により測定したロボット0の位置をX0 a とする。
【0042】
ロボット0の位置X0 a =(x0 a ,y0 a )は,次式で表される。
【0043】
但し,
t1 =tanθ1 ,t2 =tanθ
c1 =cosθ1 , c2 =cosθ2
である。
【0044】
推定値を(x* n ,y* n )とし,測定誤差を(Δxn ,Δyn )とする。
【0045】
位置測定誤差Δxn ,Δyn ,および角度測定誤差Δθn が期待値0,分散σ2 xn,σ2 yn,σ2 snの正規分布に従うとする。ここでσ2 xn,σ2 yn,σ2 snはそれぞれΔxn ,Δyn ,Δθn の分散を表す。
【0046】
式(20),(21)をテイラー展開し,ロボット0の位置の位置測定誤差の分散,共分散は次のように求めることができる。
【0047】
式(20),(21)をテイラー展開すると次のようになる。
【0048】
【数6】
【0049】
M0 a ,M1 a ,M2 a 等は微分行列である。
【0050】
従って,ロボット0の共分散行列は,ロボット1,2の共分散行列Σ11, Σ22, および角度誤差の共分散行列Σsaを用いて,
と計算される。但し,Eは期待値であり,角度誤差の共分散行列Σsa以外の共分散行列Σ11,Σ12等の初期値は0である。
【0051】
次に図3により,4台のロボットを使用して情報を融合することにより測定精度を高める方法について説明する。
【0052】
図3 (a)は4台のロボットの位置関係の説明図である。説明を簡単にするために,4台のロボットは,図3 (a),図3 (b)に示すようにxy平面上をy方向に移動するものとする。
【0053】
図3 (b)において,0はロボット0の位置,1はロボット1の位置,2はロボット2の位置,3はロボット3の位置である。Pはロボットを誘導する目標位置である。図3 (b)に示すように,初期位置を(1) とする。まず,ロボット2を移動する(2) 。次にロボット3を移動する(3) 。さらにロボット0を移動する(4) 。このような動作を繰り返しロボットを目標位置Pに移動する。
【0054】
4ロボットの位置を(X0 ,X1 ,X2 ,X3 )とする。但し,X0 (x0 ,y0)T ,X1 (x1 ,y1 )T ,X2 (x2 ,y2 )T ,X3 (x3 ,y3 )T である。
【0055】
さらに,図3 (a)に示すように,ロボット0,ロボット1,ロボット2からなる三角形を△a,ロボット0,ロボット1,ロボット3からなる三角形を△b,ロボット0,ロボット3,ロボット2からなる三角形を△cとする。また,ロボット0−ロボット1−ロボット2のつくる角をθ1 ,ロボット0−ロボット2−ロボット1のつくる角をθ2 ,ロボット0−ロボット1−ロボット3のつくる角をθ3 , ロボット1−ロボット3−ロボット0のつくる角をθ4 , ロボット0−ロボット3−ロボット2のつくる角をθ5 , ロボット3−ロボット2−ロボット0のつくる角をθ6 とする。
【0056】
また,θa =(θ1 ,θ2 )T ,θb =(θ3 ,θ4 )T ,θc =(θ5 ,θ6 )T とする。
【0057】
△aのロボット0の位置は上記のように求まる。
【0058】
同様に,三角形Δbについてロボット0の位置を計算すると,次のようになる。
【0059】
ロボット1の位置X1 =(x1 ,y1 )T ,ロボット3の位置X3 =(x3 ,y3 )T および,重力軸の方位角θ3 ,θ4 を計測することにより,ロボット0の位置X0 b =(x0 b ,y0 b )T は次にように計算される。
【0060】
式(30),(30') をテイラー展開すると,
【0061】
【数7】
【0062】
である。
【0063】
但し,
t3 =tanθ3 ,t4 =tanθ4
c3 =cosθ3 ,c4 =cosθ4
である。
従って,測定a,b間の相関行列は式(25),(32)より,
Σab=E〔Δx0 a Δx0 b T 〕
と計算される。
【0064】
△cについても同様に求まる。
【0065】
ここでX0 についての最尤関数を
但し,
【0066】
【数8】
【0067】
である。ここで,Σ-1を後述の式(42)であらわすと,最尤関数L(X0 )はX0 で極値をもち,
X0 =Σ0 -1Σ Σ (Σ* ij -1)X0 j
i=a.b.c,j=a,b,c
である。但し,Σ0 -1 は後述の式(44)である。
【0068】
そこで,本発明を用いて,これらの冗長な位置情報をそれぞれの情報の精度に応じて適切に融合し,位置測定システムの精度を向上させる方法について説明する。
【0069】
図4は本発明の実施例のフローチャートである。
【0070】
S1,S2 まず測定対象となるロボットが移動,静止した後に,各ロボット対に対象ロボットの位置を同定する。静止していたロボットについての位置を計算することのできる全てのロボットの組み合わせにより対象ロボットの位置Xi (i=1〜n:Nは組み合わせ)を計算する。
【0071】
S3 各ロボット対毎に対象ロボットの分散,共分散を計算する。各ロボットとの組み合わせにより対象ロボットの分散,共分散(共分散行列)Σii(i=1〜n:nは組み合わせ数)を計算する。
【0072】
S4 各ロボット対間の測定相関値を計算する。即ち,各ロボットの組み合わせによる対象ロボットの共分散行列から相関値Σij(i,j=1〜n:nは組み合わせ数)を計算する。
【0073】
S5 S1,S2,S3,S4で計算された量を用いて,次式により対象ロボットの位置X,共分散行列Σを計算する。
【0074】
n n
但し,Σ* ij -1は
【0075】
【数9】
【0076】
である。
【0077】
次に式(40)で計算される対象ロボットの位置Xが各ロボットの組み合わせによって計算される推定位置Xi の最尤推定量になることを示す。但し,ここでは簡単のため,図3に示すように平面上をy方向に移動する4台のロボット0,1,2,3を用いた場合について証明する。
【0078】
〔証明〕
各ロボットの位置をX0 ,X1 ,X2 ,X3 ∈R2X1 とする。ロボット0の位置は△a,△b,△cそれぞれについて計算することができ,
X0 a =fa (X1 ,X2 ,θa ) (37’)
X0 b =fb (X1 ,X3 ,θb ) (38’)
X0 c =fc (X2 ,X3 ,θc ) (39’)
で表すことができる。
【0079】
ここで,各ロボットの位置および測定角度はそれぞれ平均0の正規分布に従う誤差が存在するものと仮定し,各ロボットの移動中の位置推定誤差を誤差分布行列として評価する。
【0080】
(37 ’) ,(38 ’) ,(39 ’) テイラー展開すると次の式が得られる。
【0081】
ΔX0 a =M0 a Δx1 +M1 a Δx2 +M2 a Δθa (40 ’)
ΔX0 b =M0 b Δx1 +M1 b Δx3 +M2 b Δθb (41 ’)
ΔX0 c =M0 c Δx3 +M1 c Δx2 +M2 c Δθc (42 ’)
但し,M0 a ,M1 a ,M2 a ,M0 b ,M1 b ,M2 b ,M0 c ,M1 c ,M2 c はそれぞれ微分係数行列である((26)式等)。
【0082】
従って,それぞれの共分散行列(Σaa等),および相関行列(Σab等)は,
と求められる。
【0083】
但し,Σij(i,j=1,2,3)はロボットi,j間の相関行列,Σs は角度測定誤差である。また,角度の共分散行列Σs 以外の共分散行列Σ11, Σ12等の初期値は全て0とする。
【0084】
ここでX0 についての最尤関数を
L(X0 )=1/((2π)6 |Σ|)1/2 exp((−1/2)(ΔX0 T Σ-1ΔX0 )) (前述の(36)式に同じ)
但し,ΔX0 は前述の(37)式に同じである。Σ-1は前述の(38)式に同じである。
【0085】
さらに,ここで
【0086】
【数10】
【0087】
とおくと,式(36)を微分することにより最尤関数L(X0 )は,
で極値を持つことがわかる。但し,
である。
【0088】
なお,上記において,情報融合に最尤推定法について説明したが,本発明によらない手法ではあるがロボット0の位置についての冗長な情報を次の相加平均値により融合することも可能である。以下本発明と比較するため説明する。
【0089】
X0 =(x0 a +x0 b +x0 c )/3 (45)
図5は本発明と従来の方法のシミュレーションによる比較結果であり,移動距離と同定精度の関係を示す。
(1) は3ロボットによる従来の方法である。
(2) は4ロボットが移動する場合について冗長情報を前述の相加平均値(45)により位置を推定した場合である。
(3) は本発明の方法であり,4ロボットが移動する場合について冗長情報を前述の最尤推定量を計算する場合である。
【0090】
各ロボットの初期位置は(−0.433,0.5),(0.433,1.0),(−0.433,−0.5),(0.433,0)(距離1の正方形の各頂点)であり,目標位置は(−0.433,10.5)である。ロボットの移動形態は前述のとおりである。また,各方式とも角度平均誤差は平均0度,標準偏差0.1度の正規分布に従うものとした。
【0091】
目標位置での位置同定誤差が,3台のロボットを用い,冗長な位置情報が存在しない場合(1) の42%,4台のロボットを用い冗長な位置情報の相加平均を用いる場合(2) の60%に誤差が減少することが確認された。
【0092】
上記において,4ロボットの自立走行ロボットボジショニングシステムに本発明を適用する場合について説明してきたが,本発明は3ロボットにより,例えば,ロボット0,ロボット1,ロボット2がそれぞれに他のロボットの方向と距離を測定する手段を持ち,各ロボット1の冗長な位置情報を融合することも可能である。
【0093】
図6は本発明を3ロボットのシステムに適用する場合のロボット移動方法の例を示す。0はロボット0,1はロボット1,2はロボット2であり,各ロボットは,それぞれに他のロボットの距離と方向を測定する手段を備えているものとする。Pはロボットの目標位置である。
(1) ロボット0,ロボット1の初期位置を定める。
(2) ロボット2が移動する。ロボット2の静止後に,ロボット0はロボット2の位置を測定する。ロボット1はロボット2の位置を測定する。ロボット0とロボット1の測定結果を融合し,ロボット2の正確な位置を推定する。
(3) ロボット1が移動する。ロボット1の静止後に,ロボット0はロボット1の位置を測定する。ロボット2はロボット1の位置を測定する。ロボット0とロボット2の測定結果を融合し,ロボット1の正確な位置を推定する。
上記の処理を繰り返し,ロボットを目標位置Pに誘導する。
【0094】
【発明の効果】
本発明によれば,複数情報源に相関関係がある情報融合システムにおいて,各情報から得られる冗長な環境情報をそれらの相関値に基づいて適切に融合することができ,システムの性能を大幅に向上させることができる。
【図面の簡単な説明】
【図1】本発明の基本構成を示す図である。
【図2】本発明の実施例を示す図である。
【図3】本発明の実施例を示す動作例を示す図である。
【図4】本発明の実施例のフローチャートを示す図である。
【図5】本発明と従来方法の比較結果を示す図である。
【図6】本発明は3ロボットシステムに適用する場合のロボット移動方法の例を示す図である。
【図7】従来の技術の例を示す図である。
【符号の説明】
1:観測システム
2:観測対象
3:冗長測定手段
4:冗長測定値群
5:分散算出手段
6:相関算出手段
7:測定結果融合手段
8:測定結果出力手段
10:測定手段A
11:測定手段B
12:測定手段N
15:測定値Ga
16:測定値Gb
17:測定値Gn
18:分散算出部
19:共分散算出部
Claims (3)
- 複数の測定手段の測定結果を統合して観測結果を導く情報融合システムにおいて,
該複数の測定手段は互いに相関のあるものであって,その分散行列の対角項はそれぞれの相関のない場合の分散を表し,非対角項に互いに相関する分散を表すものとして,測定結果に基づいて分散を算出する分散算出手段とを備え,
各測定手段の測定値と該分散行列の非対角項に基づく誤差を冗長情報とし,該分散行列の対角項に基づく誤差と,分散行列の非対角項に基づく誤差を統合して観測結果を導くことを特徴とする情報融合システム。 - n台のロボットによりロボットの互いの位置関係を確定できるロボット誘導システムにおいて,
m(m>n)台のロボットを備え,m台のうちから選択される移動させるロボットを少なくとも一台は含むn台のロボットにより構成される複数組のロボット群を選択し,各ロボット群毎にロボットの位置情報を求めて冗長情報とし,各ロボット群の移動ロボットの複数の位置情報に基づいて移動ロボットの位置の測定誤差の共分散行列および相関分散行列を求め,該共分散行列および相関行列に基づいて移動ロボットの位置情報の最小値を求め,該ロボットを目標位置に移動させることを特徴とするロボット誘導システム。 - 3台のロボットにより互いの位置を確定できるロボット誘導システムであって,
4台以上のロボットのうちから移動するロボットを含む2組以上の3台のロボットにより構成されるロボット群を選択し,該選択された複数ロボット群における移動ロボットの位置情報を冗長情報として,ロボットを目標位置に移動させることを特徴とする請求項2に記載のロボット誘導システム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP28526294A JP3569326B2 (ja) | 1994-11-18 | 1994-11-18 | 情報融合システムおよびロボット誘導システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP28526294A JP3569326B2 (ja) | 1994-11-18 | 1994-11-18 | 情報融合システムおよびロボット誘導システム |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH08145714A JPH08145714A (ja) | 1996-06-07 |
JP3569326B2 true JP3569326B2 (ja) | 2004-09-22 |
Family
ID=17689229
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP28526294A Expired - Fee Related JP3569326B2 (ja) | 1994-11-18 | 1994-11-18 | 情報融合システムおよびロボット誘導システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP3569326B2 (ja) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6374155B1 (en) * | 1999-11-24 | 2002-04-16 | Personal Robotics, Inc. | Autonomous multi-platform robot system |
CN108089154B (zh) * | 2017-11-29 | 2021-06-11 | 西北工业大学 | 分布式声源探测方法及基于该方法的声音探测机器人 |
JP7173187B2 (ja) * | 2021-02-22 | 2022-11-16 | 株式会社安川電機 | 電流検出装置、電流検出方法、電流制御装置および電流制御方法 |
-
1994
- 1994-11-18 JP JP28526294A patent/JP3569326B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JPH08145714A (ja) | 1996-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Filion et al. | Robot calibration using a portable photogrammetry system | |
CN111795686B (zh) | 一种移动机器人定位与建图的方法 | |
Forsberg et al. | Mobile robot navigation using the range-weighted hough transform | |
Lupton et al. | Visual-inertial-aided navigation for high-dynamic motion in built environments without initial conditions | |
CN113074739B (zh) | 基于动态鲁棒容积卡尔曼的uwb/ins融合定位方法 | |
CN111207774A (zh) | 一种用于激光-imu外参标定的方法及系统 | |
BR102015007157B1 (pt) | Aparelho e método para guiar uma plataforma móvel dentro de um ambiente | |
Brookshire et al. | Automatic calibration of multiple coplanar sensors | |
Zhou et al. | Determining 3-D relative transformations for any combination of range and bearing measurements | |
He et al. | Adaptive error-state Kalman filter for attitude determination on a moving platform | |
Demim et al. | Cooperative SLAM for multiple UGVs navigation using SVSF filter | |
Huang et al. | Consistent unscented incremental smoothing for multi-robot cooperative target tracking | |
Zhang et al. | On the comparison of gauge freedom handling in optimization-based visual-inertial state estimation | |
Žlajpah et al. | Kinematic calibration for collaborative robots on a mobile platform using motion capture system | |
Li et al. | Joint localization based on split covariance intersection on the Lie group | |
Zhu et al. | Quantifying feature association error in camera-based positioning | |
JP3569326B2 (ja) | 情報融合システムおよびロボット誘導システム | |
Zikos et al. | L-SLAM: Reduced dimensionality FastSLAM with unknown data association | |
Armesto et al. | On multi-rate fusion for non-linear sampled-data systems: Application to a 6D tracking system | |
Chen et al. | Perception system design for low-cost commercial ground robots: Sensor configurations, calibration, localization and mapping | |
Dellaert et al. | Intrinsic localization and mapping with 2 applications: Diffusion mapping and macro polo localization | |
Won et al. | Improving mobile robot navigation performance using vision based SLAM and distributed filters | |
Zhang et al. | Cumulative error estimation from noisy relative measurements | |
Lee et al. | Analysis on the performance of VIO according to Trajectory Planning of UAV | |
Jordan et al. | Offline GNSS/camera extrinsic calibration using RTK and fiducials |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20040106 |
|
A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20040308 |
|
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: 20040615 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20040618 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090625 Year of fee payment: 5 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100625 Year of fee payment: 6 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110625 Year of fee payment: 7 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120625 Year of fee payment: 8 |
|
LAPS | Cancellation because of no payment of annual fees |