JP4650752B2 - 自己位置同定方法と装置および三次元形状の計測方法と装置 - Google Patents
自己位置同定方法と装置および三次元形状の計測方法と装置 Download PDFInfo
- Publication number
- JP4650752B2 JP4650752B2 JP2007550243A JP2007550243A JP4650752B2 JP 4650752 B2 JP4650752 B2 JP 4650752B2 JP 2007550243 A JP2007550243 A JP 2007550243A JP 2007550243 A JP2007550243 A JP 2007550243A JP 4650752 B2 JP4650752 B2 JP 4650752B2
- Authority
- JP
- Japan
- Prior art keywords
- voxel
- self
- measurement
- error distribution
- dimensional shape
- 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
- 238000000034 method Methods 0.000 title claims description 68
- 238000000691 measurement method Methods 0.000 title claims description 14
- 238000005259 measurement Methods 0.000 claims description 410
- 238000009826 distribution Methods 0.000 claims description 343
- 230000007613 environmental effect Effects 0.000 claims description 77
- 238000011156 evaluation Methods 0.000 claims description 75
- 238000010276 construction Methods 0.000 claims description 17
- 238000013519 translation Methods 0.000 claims description 14
- 230000005540 biological transmission Effects 0.000 claims description 9
- 238000007476 Maximum Likelihood Methods 0.000 claims description 5
- 230000008859 change Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 25
- 238000012545 processing Methods 0.000 description 24
- 238000004364 calculation method Methods 0.000 description 23
- 239000011159 matrix material Substances 0.000 description 19
- 230000006870 function Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 11
- 238000009825 accumulation Methods 0.000 description 7
- 230000000694 effects Effects 0.000 description 7
- 238000012937 correction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 239000003550 marker Substances 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000010355 oscillation Effects 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 238000010972 statistical evaluation Methods 0.000 description 1
- 238000000528 statistical test Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000003786 synthesis reaction Methods 0.000 description 1
- 230000017105 transposition Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
- G01B11/00—Measuring arrangements characterised by the use of optical techniques
- G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/50—Depth or shape recovery
- G06T7/55—Depth or shape recovery from multiple images
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/75—Determining position or orientation of objects or cameras using feature-based methods involving models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/77—Determining position or orientation of objects or cameras using statistical methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Remote Sensing (AREA)
- Electromagnetism (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Life Sciences & Earth Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Probability & Statistics with Applications (AREA)
- Length Measuring Devices By Optical Means (AREA)
- Image Processing (AREA)
- Length Measuring Devices With Unspecified Measuring Means (AREA)
Description
本発明は、外界の三次元情報を取り入れて、自己位置を同定する自己位置同定方法と装置および三次元形状の計測方法と装置に関する。
この目的に適した三次元センサとして、超音波センサ、画像センサ、距離センサが挙がられる。しかし、超音波センサは、計測範囲が狭く精度が低い問題点があり、画像センサは照明条件に影響を受けやすい、という問題点がある。
ICPアルゴリズムは、対応点が既知でない場合の位置合わせ手段の1つであり、先の計測データに対するその後の計測データの最も近傍の点を求め、回転・並進を行いながらその距離の総和が最小になる状態を一致状態となるように解を求めるものである(非特許文献2)。
この特許文献1では、図1に示すように、平面内を移動する移動体101の、該平面内における周囲外環境物体102との位置関係を、離散化したデータとしてメモリ上に保持する外環境地図を用いる。前記データは前記移動体上に固定された点を原点103とし、所定の間隔に離散化した前記移動体からの方向データ104と、前記方向における所定の間隔に離散化した前記周囲外環境物体までの距離データ105との組からなる。
さらに、このような距離センサは、一般に測定距離に例えば約20cm前後の誤差を有する。
従って、三次元レーザレーダのような距離センサを用いる場合、以下の制約条件A〜Cがある。
条件A:計測データに点数が少ない(例えば、1フレーム=166×50点)
条件B:計測データに誤差を含む(例えば、測定距離に約20cm前後)
条件C:計測データは同じ計測点を計るとは限らない。
すなわち、得られる距離データは横方向及び垂直方向に離散した点群であり、計測毎に位置が相違するため対応点がなく、測定距離に比較的大きな誤差を含んでいる。
(1)誤差の蓄積
ICPアルゴリズムは、2つの距離データの重ね合わせ手段であり、先のデータとその後のデータとの比較を繰り返し、その差分を積分しても、対応点がほとんどないため、誤差が蓄積してしまう。
(2)計算量が多い
ICPアルゴリズムは、繰り返し計算であるため、計算量が膨大となる。すなわち、ICPアルゴリズムは、計測データの各データ点に対応するモデルデータを探索する必要があるため、モデルデータ点数および計測データ点数が増加すると計算量が増大する。具体的には、モデルデータの点数をM、計測データの点数をNとした場合、例えば全探索時の計算オーダは、O(M×N)となる。
(3)計測点が少ない場合を扱えない
ICPアルゴリズムは、密な距離データを対象としているため、離散した点群であり、空間的に疎である場合は、誤った結果に収束してしまう。
(1)メモリ効率の良い周囲環境のためのデータ構造
逐次得られる計測データを全て保存する方法では無尽蔵にメモリを必要とする。よって、周囲環境を計測した結果を効率良く格納するデータ構造が必要である。
(2)計測データの点数不足および誤差に対する安定性
計測データの点数が少ない場合、および、誤差を含む場合であっても、できるだけ位置同定精度が低下しない必要がある。
(3)位置同定のための計算の効率化
周囲環境を計測して獲得した環境情報と計測データの比較により、自己位置同定を行うが、この比較処理に多くの計算を必要とする。
新たな計測位置において、三次元形状上の座標値をコンピュータに入力するデータ入力ステップと、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築ステップと、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチングステップとを実施し、
先の計測位置おける前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値(例えば、当該距離の総和)が最小になるように位置合わせする精密合わせステップと、
前記精密合わせステップにおける回転量及び並進量から自己位置を同定する自己位置同定ステップを実施する、ことを特徴とする自己位置同定方法が提供される。なお、更に前記自己位置を出力装置に出力する出力ステップを実施してもよい。
また、本発明によれば、外界の三次元形状の被計測点の座標値から三次元形状を復元し、三次元形状データを出力する三次元形状の計測方法であって、
新たな計測位置において、三次元形状上の座標値をコンピュータに入力するデータ入力ステップと、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築ステップと、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチングステップとを実施し、
先の計測位置における前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値が最小になるように位置合わせする精密合わせステップと、
前記精密合わせステップにおける回転量及び並進量から自己位置を同定する自己位置同定ステップとを実施し、
更に前記自己位置、前記自己位置に基づいた前記ボクセル位置、代表点、および、誤差分布の少なくともいずれかを出力装置に出力する出力ステップを有する、ことを特徴とする三次元形状の計測方法が提供される。
なお、上記自己位置同定方法または三次元形状の計測方法において、上記距離に関する評価値は、当該距離の総和の代わりに、当該距離の平均値、当該距離の2乗の総和、または、当該距離の最大値であってもよく、他の適切な評価値であってもよい。
なお、計測データおよび誤差分布と近接する代表点を有するボクセル間との距離に関する上記評価値は、当該距離の総和の代わりに、当該距離の平均値、当該距離の2乗の総和、または、当該距離の最大値であってもよく、他の適切な評価値であってもよい。
また、代表点を有するボクセル間の距離に関する上記評価値は、当該距離の総和の代わりに、当該距離の総和の代わりに、当該距離の平均値、当該距離の2乗の総和、または、当該距離の最大値であってもよく、他の適切な評価値であってもよい。
なお、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値に関する上記評価値は、当該確率値の総和の代わりに、当該確率値の平均値、または、当該確率値の2乗の総和、または、当該確率値の最小値であってもよく、他の適切な評価値であってもよい。
また、近接するボクセルが持つ確率値の差に関する上記評価値は、当該確率値の差の総和の代わりに、当該確率値の差の平均値、当該確率値の差の2乗の総和、または、当該確率値の差の最大値であってもよく、他の適切な評価値であってもよい。
原点と被計測点の間に物体が存在しないものとして、その間に位置するボクセル内の代表点と誤差分布を再設定もしくは消去する。
該ボクセル内に代表点がない場合に、前記座標値と誤差分布を代表点の座標値と誤差分布として設定する。
前記ボクセル内に既に設定した代表点がある場合に、新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較し、
誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する。ボクセルの分割には、例えば八分木やK−D木を用いる。
また、自己位置の同定とともに、自己位置の誤差分布を同定し、現在の自己位置と誤差分布および同定した自己位置と誤差分布とからカルマンフィルタによって、自己位置と誤差分布を補正し、自己位置と誤差分布を出力する。
該他のボクセル内に代表点がない場合に、該新たな誤差分布と該新たな代表点を該他のボクセルの内部に設定し、
該他のボクセル内に既に設定した代表点がある場合に、該新たな誤差分布と既に設定した該他のボクセル内の誤差分布とを比較し、(A)誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、(B)誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する。
該モデル更新ステップにおいて、新たに入力された被計測点の座標値およびその誤差分布と、既に設定したボクセル内の代表点およびその誤差分布とから、カルマンフィルタにより新たな代表点と誤差分布を取得して再設定する。
三次元形状上の座標値をコンピュータに入力するデータ入力装置と、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築装置と、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチング装置と、
自己位置を出力装置に出力するデータ伝達装置とを備え、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値(例えば、当該距離の総和)が最小になるように位置合わせし、
前記位置合わせにおける回転量及び並進量から自己位置を同定する、ことを特徴とする自己位置同定装置が提供される。
また、本発明によれば、三次元形状上の被計測点の座標値から三次元形状を復元し、三次元形状データを出力する三次元形状の計測装置であって、
三次元形状上の座標値をコンピュータに入力するデータ入力装置と、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築装置と、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチング装置と、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値が最小になるように位置合わせし、
前記位置合わせにおける回転量及び並進量から自己位置を同定し、
更に前記自己位置、前記自己位置に基づいた前記ボクセル位置、代表点、および、誤差分布の少なくともいずれかを出力装置に出力するデータ伝達装置とを備える、ことを特徴とする三次元形状の計測装置が提供される。
該モデル更新装置は、
新たに入力された被計測点の座標値に対応するボクセルを探索し、
原点と被計測点の間に物体が存在しないものとして、その間に位置するボクセル内の代表点と誤差分布を再設定もしくは消去する。
該モデル更新装置は、新たに入力された被計測点の座標値に対応するボクセルを探索し、
該ボクセル内に代表点がない場合に、前記座標値と誤差分布を代表点の座標値と誤差分布として設定する。
前記ボクセル内に既に設定した代表点がある場合に、新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較し、
誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する。
該他のボクセル内に代表点がない場合に、該新たな誤差分布と該新たな代表点を該他のボクセルの内部に設定し、
該他のボクセル内に既に設定した代表点がある場合に、該新たな誤差分布と既に設定した該他のボクセル内の誤差分布とを比較し、(A)誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、(B)誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する。
該モデル更新装置は、新たに入力された被計測点の座標値と、既に設定したボクセル内の代表点およびその誤差分布とから、カルマンフィルタにより新たな代表点と誤差分布を取得して再設定する。
上記本発明の方法と装置によれば、三次元形状の存在する空間領域を、複数のボクセルに分割し、各ボクセル位置を記憶するので、計測対象物が大きい場合であっても、データ量をボクセル数に比例する小さいデータサイズに抑えることができる。
また、座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するので、ボクセルの分解能以上の情報を表現することができる。
従って、本発明のデータ構造により、複数視点の計測データを固定サイズに統合できる。
また、現在の計測位置を過去の計測位置の変化から推定し、もしくは現在の計測位置を取得可能なセンサにより取得し、もしくは計測データの距離値だけでなく反射強度を利用し、照合する範囲を制限するので、検索時間を抑えることができる。
もしくは新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値に関する評価値(例えば、当該確率値の総和)が最大になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接するボクセルが持つ確率値の差に関する評価値(例えば、当該確率値の差の総和)が最小になるように、位置合わせするので、誤差の蓄積を防ぎながら、短時間に代表点を有するボクセル同士の位置合わせができる。
従って、本発明による複数視点からのデータの統合処理により、誤差の蓄積を防ぎながら、高精度な形状取得を可能にできる。
従って、周囲環境と計測データの位置合わせ(ICPアルゴリズム)を行う際に探索対象となるデータ量が減少することから、計算を効率化できる。
特に、カルマンフィルタを用いたモデル更新ステップを繰り返すことで、誤差を含むデータであってもカルマンフィルタの効果により真値に収束した高精度な形状が得られる。
本発明のその他の目的及び有利な特徴は、添付図面を参照した以下の説明から明らかになろう。
なお、本発明において、距離センサ以外のオドメータ、カメラ、GPS、姿勢センサは不可欠ではなく、必要に応じてオプションとして用いる。以下、距離センサを用いた例を説明する。
この図に示すように、三次元レーザレーダ10は、レーダヘッド12と制御器20から構成される。レーザダイオード13から発振されたパルスレーザ光1は、投光レンズ14で平行光2に整形され、ミラー18a,18bと回転・揺動するポリゴンミラー15で二次元方向に走査され、測定対象物に照射される。測定対象物から反射されたパルスレーザ光3は、ポリゴンミラー15を介して受光レンズ16で集光され、光検出器17で電気信号に変換される。
rは計測位置(レーダヘッド設置位置)を原点とする距離であり、r=c×t/2 の式で求められる。ここでcは光速である。
判定処理ユニット23は、信号処理ボードからの極座標データを、レーダヘッド設置位置を原点とした三次元空間データ(x,y,z)へ変換して、検出処理を行うようになっている。なおこの図で24はドライブユニットである。
また、計測データを各画素に対して奥行き方向の距離値を持った距離画像で表示する場合、1フレームの計測点数を、横方向166点、スキャン方向50点とすると、1フレームに166×50=8300点が表示される。この場合にフレームレートは、例えば約2フレーム/秒である。
図4Aに示すように、任意の計測位置を原点とする極座標値(r,θ,φ)を計測結果として計測する。距離センサによる計測結果には、図に示すような誤差分布が通常存在する。
この誤差分布は、誤差分布のrs,θs,φsでの存在確率をP(rs,θs,φs)とした場合、誤差分布は計測の軸r,θ,φ方向に正規分布しているとし、例えば式(1)で表すことができる。ここで、r,θ,φはセンサからの計測値、σr,σθ,σφは は標準偏差、Aは規格化定数である。
図4Bに示すように、誤差分布は、通常r方向に長い切頭円錐形(左図)に内包される分布であるが、遠方においてaとbの差は小さい。従って、この誤差分布を直方体に包含される楕円体として安全サイドに近似することができる。
外部記憶装置33は、ハードディスク、フロッピー(登録商標)ディスク、磁気テープ、コンパクトディスク等である。外部記憶装置33は、環境モデルのサイズが大きく後述する内部記憶装置34に入力された三次元形状上の座標値、ボクセル位置、及び代表点とその誤差分布の全体を保持できない場合には、環境モデルの一部範囲または全体範囲に対する、入力された三次元形状上の座標値、ボクセル位置、及び代表点とその誤差分布の一部または全体を記憶し、かつ本発明の方法を実行するためのプログラムを記憶する。
内部記憶装置34は、例えばRAM,ROM等であり、環境モデルの一部範囲または全体範囲に対する、入力された三次元形状上の座標値、ボクセル位置、及び代表点とその誤差分布の一部または全体を保管し、かつ演算情報を保管する。
中央処理装置35(CPU)は、モデル構築装置、マッチング装置、粗合わせと精密合わせの位置合わせ装置、モデル更新装置、データ伝達装置として機能し、演算や入出力等を集中的に処理し、内部記憶装置34と共に、プログラムを実行する。モデル構築装置は、後述のモデル構築ステップを行う装置であり、マッチング装置は、後述のマッチングステップを行う装置であり、位置合わせ装置は、後述の粗合わステップと精密合わせステップを行う装置であり、モデル更新装置は、後述のモデル更新ステップを行う装置であり、データ伝達装置は、出力装置36へデータを出力する装置である。
出力装置36は、例えば表示装置、プリンタ、外部装置等であり、内部記憶装置34および外部記憶装置33の少なくともいずれかに記憶したデータ及びプログラムの実行結果を出力するようになっている。外部装置とのインターフェイスは、LAN、USB、IEEE1394等であり、入力された三次元形状上の座標値に対して該当するボクセル内の代表点、誤差分布、ボクセル位置などを付加した結果や、環境モデル全体または環境モデル一部を要求に応じて出力する。
本発明の方法は、外界の三次元形状を取り入れて自己位置を同定する自己位置同定方法、および三次元形状の計測方法であり、データ入力ステップS1、データ補正ステップS2、探索範囲限定ステップS3、モデル構築ステップS4、マッチングステップS5、自己位置同定ステップS7、S10、粗合わせステップS8、精密合わせステップS9、モデル更新ステップS11及び出力ステップS12を有する。
なお、これら一連の処理のうち、S1、S2、S3,S5〜S12は、計測データが得られる毎に実施し、S4は初めて計測データが得られたときにだけ実施する。
なおこのデータ入力ステップS1において、三次元レーザレーダ10を用いて、三次元形状上の座標値を任意の計測位置を原点とする距離データとして原点を移動しながら順次取得するのがよい。
距離データの補正処理では、孤立点の除去、統計的処理、等を行う。孤立点は、周囲の点から孤立して存在する点であり、計測データは複数の近接する点で構成されることから、孤立点は誤計測と仮定して除去することができる。統計的処理は、計測データが含む誤差分布を考慮して、複数回の計測を統計処理(例えば平均値等)することで、距離の補正を行う。
さらに、対象とする三次元形状が、直線近似又は平面近似できる場合にはこれらを行うのがよい。
探索範囲を限定せずに環境モデルに対する計測データのマッチング処理を行うと、複数の解(被計測点)が得られる可能性がある。そこで、(1)現在のセンサ位置を過去のセンサ位置の変化から推定し、センサ位置推定結果の近傍を探索する、(2)オドメータを用いてセンサ位置を推定し、探索範囲を限定する、(3)距離データのうち、距離値だけでなく、反射強度値も利用して探索結果を絞り込む、等を実施する。
モデル構築ステップS4では、この図に示すように、三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセル6に分割し、各ボクセル位置を記憶する環境モデルを構築する。
ボクセル6の形状は、各辺の長さが等しい立方体でも、各辺の長さが異なる直方体でもよい。
また、ボクセル6の各辺の長さは、最大のボクセル6を必要最小限の分解能に相当する大きさに設定するのがよい。以下、最大のボクセル6をレベル1のボクセルと呼ぶ。
また、単一のボクセル内に複数の被計測点が存在する場合には、単一のボクセル内に単一の被計測点のみが存在するように、例えば八分木を選んだ場合は、ボクセルを更に八分割して階層的に複数のボクセルに分割する。以下、最大のボクセル6の八分割を1回実施した空間領域をレベル2のボクセル、k回実施した空間領域をレベルk+1のボクセルと呼ぶ。
マッチングステップS5では、この図に示すように、三次元形状上の座標値に対応するボクセル6の内部に代表点7とその誤差分布8を設定し記憶する。末端のボクセルは計測値の代表点を1つだけ持つことができる。各ボクセルが計測値の代表点とその誤差分布を持つことで、物体の形状を表す。また、物体の存在確率を表す確率値をボクセルに持たせることもできる。
この図において、図9Aは、各ボクセルデータのメモリレイアウト例である。この図において、矢印はデータへのリンクを表し、値としてはデータへのポインタを保持する。
図9Bは、レベル2(1,1,0)のボクセルが代表点を持つ場合の例を示している。なおこの図において、nullは空集合を表す。
(1)内容:空間を小直方体で分割して各ボクセルに計測点の代表点と誤差分布を保持する。
(2)精度:ボクセル毎に持つ計測点の代表値相当である。
(3)存在:物体の存在の有無を表現できる。
(4)データ量:ボクセルの個数に比例してメモリを必要とするが、サイズ固定である。
(5)点群からの変換:適しており、計算量は少ない。
(6)アクセス速度:シンプルな構造をしているため、要素へのアクセスが高速である。
効果A:誤差を考慮した表現が可能である。
効果B:必要なメモリ量と計算量が一定量以下である。
効果C:物体の存在だけでなく、物体が存在しないことを表せる。
この同定は、逐次移動する移動体の初期位置において、既知の6自由度位置(例えばグローバル座標系の原点)で実施するのが好ましい。また、この同定において、新たな計測位置の位置(3自由度)と姿勢(3自由度)を含む6自由度位置を同定するのがよい。
図10は、粗合わせステップS8と精密合わせステップS9のデータ処理フロー図であり、図11は粗合わせステップS8の模式図、図12は精密合わせステップS9の模式図である。
新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセル間との距離に関する評価値(例えば、当該距離の総和)が最小になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、代表点を有するボクセル間の距離に関する評価値(例えば、当該距離の総和)が最小になるように、
もしくは、新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値に関する評価値(例えば、当該確率値の総和)が最大になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接するボクセルが持つ確率値の差に関する評価値(例えば、当該確率値の差の総和)が最小になるように、位置合わせする。
一致度の算出には、例えば最短距離法を用いることができる。最短距離法を用いた場合のボクセル間の距離は、2つのボクセル空間をx(1)、x(2)、ボクセルの総数Iを、ボクセルの値xi (n)とすると、[数4]の式(3)で定義できる。
計測データの最適な位置・姿勢は、位置(x,y,z)、姿勢(θ,φ,ψ)を変化させることによってεを最小にする最小自乗法によって算出できる。
また、環境モデルはボクセル空間上で、計測データは代表値と誤差分布表現した場合には、計測データの代表値、および誤差分布が近接する環境モデルのボクセルの確率値に関する評価値(例えば、当該確率値の総和)を用いることができる。この場合は一致度を最大にするように、計測データの最適な位置・姿勢を変化させる。
精密合わせステップS7における環境モデルと計測データの精密合わせ位置合わせには、点群と点群の位置合わせが可能なICPアルゴリズムに誤差分布を考慮した手法を利用する。位置合わせの初期値には、粗い位置合わせにより得られた位置・姿勢を利用する。
ICPアルゴリズムに利用する誤差分布間の距離の算出には、例えば誤差分布が交差する場合を同一計測点と考え、その場合の距離値に分布の一致度から求めた重みを掛け合わせて算出する。分布の一致には例えばマハラノビス距離のような距離尺度を利用できる。
この場合の環境モデルと計測データの距離は、環境モデルデータをpMi、環境モデルデータの誤差分布をΣMi、計測データをPDi、計測データの誤差分布をΣDi、誤差分布の合成関数をw、計測データに対応する環境モデルデータの個数をNとすると、[数5]の式(4)で定義できる。ここで、Tは転置を表す。
計測データの最適な位置・姿勢は、計測データを計測した位置(x,y,z) 、姿勢(θ,φ,ψ)を変化させてPDiを移動することによりεを最小にする最小自乗法によって算出できる。
また、自己位置・姿勢の同定とともに、自己位置の誤差分布を同定し、現在の自己位置と誤差分布および同定した自己位置と誤差分布とからカルマンフィルタによって、自己位置と誤差分布を補正する。
また、このステップST3において、新しい計測位置(原点)と被計測点の間には、原理的に物体が存在しないはずである。従って新しい計測位置(原点)と被計測点の間に位置するボクセル内の代表点と誤差分布を再設定、もしくは消去する。
図13のステップST2で該当するボクセル内に既に設定した代表点がある場合には、ステップST4で新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較する(すなわち異なる点か同一点かを判断する)。
この比較で、誤差分布が互いに重複する場合(図14の(A))には、ステップST5で両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定する(すなわち誤差分布を合成する)。
またこの比較で、誤差分布が互いに重複しない場合(図14の(B))には、ステップST6、ST7で単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に八分割して階層的に複数のボクセルに分割し新規に登録する。
分割と合成の基準は、例えば誤差分布の一致度から判断する。誤差分布の一致度には例えば、マハラノビス距離のような距離尺度を利用できる。また、2つの誤差分布に基づき、両者が同一点を表しているかを統計的検定によって判定してもよい。
なお、図15は、ステップST5で両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな誤差分布の中心を再設定した結果、新たな代表点が他のボクセル内へ移動する場合を示している。
また、出力ステップS12において、ボクセルの代表点の位置を三次元形状の計測値として出力装置36に出力するとともに、該計測値の信頼性または精度を示す指標(例えば、数値)を、該ボクセルの内部の誤差分布の大きさに基づいて、出力装置36に出力してもよい。さらに、出力ステップS12において、ボクセルの代表点の位置を三次元形状の計測値として出力装置36に出力するときに、該ボクセルの内部の誤差分布の大きさ(広がり)が所定の基準値よりも大きい場合に、該計測値の信頼性または精度が所定の基準よりも低いとして、該ボクセルの前記計測値(即ち、このボクセルの代表点の位置)を出力装置36に出力しないようにしてもよい。
また、座標値に対応するボクセル6の内部に代表点7とその誤差分布8を設定し記憶するので、ボクセルの分解能以上の情報を表現することができる。
従って、本発明のデータ構造により、複数視点の計測データを固定サイズに統合できる。
また、現在の計測位置を過去の計測位置の変化から推定し、もしくは現在の計測位置を取得可能なセンサにより取得し、もしくは計測データの距離値だけでなく反射強度を利用し、照合する範囲を制限するので、検索時間を抑えることができる。
もしくは新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値に関する評価値(例えば、当該確率値の総和)が最大になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接するボクセルが持つ確率値の差に関する評価値(例えば、当該確率値の差の総和)が最小になるように、位置合わせするので、誤差の蓄積を防ぎながら、短時間に代表点を有するボクセル同士の位置合わせができる。
従って、本発明による複数視点からのデータの統合処理により、誤差の蓄積を防ぎながら、高精度な形状取得を可能にできる。
誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に八分割して階層的に複数のボクセルに分割する、ことにより、誤差の蓄積を回避しながら高精度な形状に収束させることができる。
L(j)は、距離センサによる計測位置である。例えば、L(j)は、距離センサのセンサ座標系において三次元LRF(レーザレンジファインダ)の計測点j(j=1,...,N)の位置L(j)=(xL(j),yL(j),zL(j))tである。ここで、tは転置行列を示す(以下、同様)。
hm(Rr,tr,m(i))は、L(j)に対する観測系モデルである。
Rrは、距離センサを搭載した移動体(例えば移動ロボット)のワールド座標系に対する姿勢を表す回転行列Rr=R(θx,θy,θz)である。なお、θx,θy,θzは、それぞれx軸、y軸、z軸周りの回転角を示す(以下、同様)。
trは、上記移動体のワールド座標系に対する位置を表す並進ベクトルtr=(x,y,z)である。
vL(i)は、距離センサの計測値L(j)に加わる観測ノイズである。
Rsは、センサ座標系の移動体座標系に対する回転行列Rs=R(θx,θy,θz)である。
tsは、センサ座標系の移動体座標系に対する位置を表す併進ベクトルts=(x,y,z)である。
添え字kは、離散時刻kでの値であることを表す。
mk(i)について、m’k(i)はmk(i)の更新値(事後推定値)を示し、mk,k−1(i)はm’k−1(i)に基づいたmk(i)の予測値(事前推定値)を示す。なお、環境(測定対象物)は静止しているので、mk,k-1(i)=m’k-1(i)である。
Σmk(i)は、ボクセル内部の代表点mk(i)の誤差共分散行列(即ち、上述の誤差分布)である。また、Σmk(i)について、 Σ’mk(i)はΣmk(i)の更新値(事後推定値)を示し、Σmk,k−1(i)はΣ’mk−1(i)に基づいたΣmk(i)の予測値(事前推定値)を示す。センサ座標系において三次元LRFの計測点j(j=1,…,N)の位置をL(j)で表し、その誤差共分散行列をΣL(j)で表す。ここでNは、三次元LRFで得られた計測点の総数である。三次元LRFの誤差モデルとして計測距離に関係ない一定の正規分布を仮定する。センサ座標系のx軸方向にレーザを照射する場合の誤差共分散行列をΣSとする。レーザの照射方向に応じて誤差分布も姿勢を変える。ΣL(j)は、基準の方向に対するレーザ照射方向を回転行列RL(j)を用いてΣL(j)=RL(j)ΣSRL t(j)と表される。計測点jのワールド座標系における位置z(j)、およびその誤差共分散行列Σz(j)は、それぞれz(j)=Rr(RsL(j)+ts)+tr、Σz(j)=RrRsΣL(j)Rs tRr tと表すことができる。
Kmk(i) は、 mk(i)に対するカルマンゲインである。
hmk(Rrk,trk,mk,k−1(i))は、Lk(j)、i=pk(j)に対する観測系モデルである。i=pk(j)は、計測点jに対応付けられた環境地図(即ち、環境モデル)上の点である。
Hmkは、Lk(j)、i=pk(j)に対する観測系モデルのヤコビアン行列であり、次の[数8]で表わされる。
(1)これら更新値m’k(i)、Σ’mk(i)を、新たな代表点、誤差分布として再設定する。
(2)上述(1)の結果、代表点の位置が別のボクセル内に移動した場合、移動先のボクセルが代表点を保持していないときは、移動後の代表点とその誤差共分散行列を移動先のボクセルに保持させ、移動元のボクセルからは代表点等を取り除く。移動先のボクセルが既に代表点を保持しているときには、2つの代表点において、これらの両誤差分布が重複するかを判断する(上述のST4における判断と同様)。その後の処理は、図13のST4以降の処理と同じであってよい。
(3)モデル点群上の代表点m(i)と対応付けが行われなかった距離センサによる計測点について、当該計測点が含まれるボクセルが代表点を持たない場合は、計測点とその誤差分布をそのボクセルの代表点と誤差分布として追加し保持する。もし、ボクセル内に既に代表点が存在する場合には、ボクセル内にある対応付けが行われなかった他の複数の計測点を含め、既存の代表点と各計測点とが全て異なるボクセルに含まれるように、ボクセルを分割した上で分割後のボクセルに代表点等を継承させる。
図18は、カルマンフィルタを用いたモデル更新ステップにより得られた結果を示す。図19は図18の一部拡大図である。これら図において、初期のボクセルの1辺の長さを100cmとし、再分割数を6分割まで許している。対象が存在している領域では、ボクセルの再分割を繰り返した結果、計測対象を精度良く表現している。対象が存在しない領域ではボクセルの再分割は行われず、必要十分なデータ量で環境を表現できることがわかる。また、各ボクセル内の代表点の誤差分布も小さく、環境地図を高精度で表現できている。このように、誤差を含むデータであってもカルマンフィルタの効果により、真値に収束した結果が得られる。さらに、この方法では計測データ数を増加させることによって標準偏差が小さくなり、精度のさらなる向上が期待できる。
この場合について詳しく説明する。
具体的には、計測点jに対応付けられた環境地図上の点i=p(j)の位置が、平均値(代表点)m(i)、誤差共分散行列Σm(i)の正規分布に従うと仮定した上で、三次元LRFで計測した結果、L(j)なる計測データが得られる確率値Pr(L(j)|m(i),Σm(i))を点iと点jとの評価関数EM(i,j)とし、その総乗が最大となるように次の[数9]で評価関数を定める。
ここで、Pr(L(j)|q)を環境地図の点がqの位置にある場合にL(j)なる計測データが得られる確率値を表すものとし、Pr(q|m(i),Σm(i))を平均値m(i)、誤差共分散行列Σm(i)の正規分布に従うと仮定した上で環境地図の点がqの位置にある確率値を表すものとすると、数[10]が成り立つ。
(1)対象とする計測点jの誤差共分散行列ΣL(j)の範囲(例えば標準偏差の3倍の範囲)と交わる最上位のボクセルとそのボクセルに隣接している最上位のボクセルを求め、下層のボクセルも含めこれらのボクセル内に存在する代表点を対応点の候補とする。ボクセルが階層構造となっているため、この候補点の探索には計算コストはほとんどかからない。このとき、候補となる代表点がない場合には、対応点がないものとみなす。隣接するボクセルも候補に加える理由は、ボクセル内の代表点の位置によっては、誤差共分散行列の範囲が隣接するボクセルまではみ出すことがあるからである。
(2)候補となるボクセルの代表点iと誤差共分散行列を用いて、評価関数EM(i,j)の値を求める。
(3)評価関数EM(i,j)の値が最も大きい代表点iを対応点とする。ただし、評価関数の値がある閾値未満の場合には、対応点がないものとみなす。
本実施例では、対応付けの評価関数EM(i,j)として、尤度に基づいた式を採用しており、対応点の有無に関して統計的に明確な判断尺度があるため、対応点が存在しないと考えられる場合においても無理に対応付けを行うようなことはない。なお、対応点がない場合には、対象となる計測点はこれまで未計測の部分に相当する点であると解釈し、環境地図に追加する。
また、上記出力ステップにおいて、前記ボクセル位置、代表点、および誤差分布のすべてを出力しなくてもよく、例えば、これらすべてが無くても三次元形状が把握できる場合や、これらのうち1つ又は2つが必要な場合などにおいては、前記ボクセル位置、代表点、および誤差分布の少なくともいずれかを出力装置に出力してもよい。
Claims (31)
- 外界の三次元形状を取り入れて自己位置を同定する自己位置同定方法であって、
新たな計測位置において、三次元形状上の座標値をコンピュータに入力するデータ入力ステップと、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築ステップと、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチングステップとを実施し、
先の計測位置おける前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離の総和が最小になるように位置合わせする精密合わせステップと、
前記精密合わせステップにおける回転量及び並進量から自己位置を同定する自己位置同定ステップとを実施し、
更に前記自己位置を出力装置に出力する出力ステップを実施する、ことを特徴とする自己位置同定方法。 - 前記マッチングステップにおいて、ボクセルの内部に代表点とその誤差分布に加え、ボクセル内に物体の存在確率を表す確率値を設定し、記憶する、ことを特徴とする請求項1に記載の自己位置同定方法。
- 前記精密合わせステップの前に、先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセル間との距離の総和が最小になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、代表点を有するボクセル間の距離の総和が最小になるように、位置合わせする粗合わせステップを有する、ことを特徴とする請求項1に記載の自己位置同定方法。
- 前記精密合わせステップの前に、先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値の総和が最大になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接するボクセルが持つ確率値の差の総和が最小になるように、位置合わせする粗合わせステップを有する、ことを特徴とする請求項1に記載の自己位置同定方法。
- 前記データ入力ステップの後に、現在の計測位置を過去の計測位置の変化から推定し、もしくは現在の計測位置を取得可能なセンサにより取得し、もしくは計測データの距離値だけでなく反射強度値を利用し、照合する範囲を限定する探索範囲限定ステップを有する、ことを特徴とする請求項1に記載の自己位置同定方法。
- 前記自己位置同定ステップにおいて、先の計測位置における位置及び姿勢から新たな計測位置の6自由度位置を同定する、ことを特徴とする請求項1に記載の自己位置同定方法。
- 前記精密合わせステップにおいて、誤差分布が交差する場合を同一計測点とし、その場合の距離値に分布の一致度から求めた重みを掛け合わせて誤差分布間の距離を算出する、ことを特徴とする請求項1に記載の自己位置同定方法。
- 前記モデル構築ステップにおいて、最大のボクセルを必要最小限の分解能に相当する大きさに設定し、かつ単一のボクセル内に複数の被計測点が存在する場合に、単一のボクセル内に単一の被計測点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項1に記載の自己位置同定方法。
- 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
原点と被計測点の間に物体が存在しないものとして、その間に位置するボクセル内の代表点と誤差分布を再設定もしくは消去する、ことを特徴とする請求項1に記載の自己位置同定方法。 - 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
該ボクセル内に代表点がない場合に、前記座標値と誤差分布を代表点の座標値と誤差分布として設定する、ことを特徴とする請求項1に記載の自己位置同定方法。 - 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
前記ボクセル内に既に設定した代表点がある場合に、新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較し、
誤差分布が互いに重複する場合に、両誤差分布から新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項1に記載の自己位置同定方法。 - 前記自己位置同定ステップにおいて、自己位置の同定とともに、自己位置の誤差分布を同定し、前記出力ステップの前に、現在の自己位置と誤差分布および同定した自己位置と誤差分布とからカルマンフィルタによって、自己位置と誤差分布を補正し、出力ステップにおいて、自己位置と誤差分布を出力する、ことを特徴とする請求項1に記載の自己位置同定方法。
- 前記モデル更新ステップにおいて、前記新たに取得した誤差分布と前記既に設定したボクセル内の誤差分布とを比較し、誤差分布が互いに重複する場合に、両誤差分布から新たな誤差分布と新たな代表点を再設定した結果、新たな代表点が他のボクセル内へ移動したとき、
該他のボクセル内に代表点がない場合に、該新たな誤差分布と該新たな代表点を該他のボクセルの内部に設定し、
該他のボクセル内に既に設定した代表点がある場合に、該新たな誤差分布と既に設定した該他のボクセル内の誤差分布とを比較し、(A)誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、(B)誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項1に記載の自己位置同定方法。 - 前記自己位置同定ステップの後に、前記環境モデルを更新するモデル更新ステップを有し、
該モデル更新ステップにおいて、新たに入力された被計測点の座標値およびその誤差分布と、既に設定したボクセル内の代表点およびその誤差分布とから、カルマンフィルタにより新たな代表点と誤差分布を取得して再設定する、ことを特徴とする請求項1に記載の自己位置同定方法。 - 前記精密合わせステップにおいて、前記近接する誤差分布間の距離に関する評価値が最小になるように位置合わせする代わりに、前記近接する誤差分布間に基づく最尤推定値によって定めた一致度に関する評価値が最大となるように、先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、もしくは新たな計測位置に対する環境モデルを回転及び並進させて位置合わせする、ことを特徴とする請求項1に記載の自己位置同定方法。
- 外界の三次元形状を取り入れて自己位置を同定する自己位置同定方法であって、
新たな計測位置において、三次元形状上の座標値をコンピュータに入力するデータ入力ステップと、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築ステップと、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチングステップとを実施し、
先の計測位置おける前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値が最小になるように位置合わせする精密合わせステップと、
前記精密合わせステップにおける回転量及び並進量から自己位置を同定する自己位置同定ステップとを実施する、ことを特徴とする自己位置同定方法。 - 前記自己位置を出力装置に出力する出力ステップを実施する、ことを特徴とする請求項17に記載の自己位置同定方法。
- 前記マッチングステップにおいて、ボクセルの内部に代表点とその誤差分布に加え、ボクセル内に物体の存在確率を表す確率値を設定し、記憶する、ことを特徴とする請求項17に記載の自己位置同定方法。
- 前記精密合わせステップの前に、先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセル間との距離に関する評価値が最小になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、代表点を有するボクセル間の距離に関する評価値が最小になるように、位置合わせする粗合わせステップを有する、ことを特徴とする請求項17に記載の自己位置同定方法。
- 前記精密合わせステップの前に、先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、計測データおよび誤差分布と近接する代表点を有するボクセルの確率値に関する評価値が最大になるように、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接するボクセルが持つ確率値の差に関する評価値が最小になるように、位置合わせする粗合わせステップを有する、ことを特徴とする請求項17に記載の自己位置同定方法。
- 外界の三次元形状の被計測点の座標値から三次元形状を復元し、三次元形状データを出力する三次元形状の計測方法であって、
新たな計測位置において、三次元形状上の座標値をコンピュータに入力するデータ入力ステップと、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築ステップと、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチングステップとを実施し、
先の計測位置における前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測データおよび誤差分布を回転及び並進させ、もしくは新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値が最小になるように位置合わせする精密合わせステップと、
前記精密合わせステップにおける回転量及び並進量から自己位置を同定する自己位置同定ステップとを実施し、
更に前記自己位置、前記自己位置に基づいた前記ボクセル位置、代表点、および、誤差分布の少なくともいずれかを出力装置に出力する出力ステップを有する、ことを特徴とする三次元形状の計測方法。 - 前記出力ステップにおいて、前記ボクセルの位置、代表点の位置および誤差分布の位置の少なくともいずれかを三次元形状の計測値として出力装置に出力するとともに、該計測値の信頼性または精度を示す指標を、該ボクセルの内部の誤差分布の大きさに基づいて、出力装置に出力する、ことを特徴とする請求項22に記載の三次元形状の計測方法。
- 前記出力ステップにおいて、前記ボクセルの位置、代表点の位置および誤差分布の位置の少なくともいずれかを三次元形状の計測値として出力装置に出力するときに、該ボクセルの内部の誤差分布の大きさが所定の基準値よりも大きい場合に、該計測値の信頼性または精度が所定の基準よりも低いとして、該ボクセルの前記計測値を出力装置に出力しない、ことを特徴とする請求項22に記載の三次元形状の計測方法。
- 前記マッチングステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
該ボクセル内に代表点がない場合に、前記座標値と誤差分布を代表点の座標値と誤差分布として設定する、ことを特徴とする請求項22に記載の三次元形状の計測方法。 - 前記マッチングステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、
前記ボクセル内に既に設定した代表点がある場合に、新たに取得した誤差分布と既に設定したボクセル内の誤差分布とを比較し、
誤差分布が互いに重複する場合に、両誤差分布から、または、両誤差分布とボクセル内に既に設定した代表点と新たに入力された被計測点の座標値から、新たな誤差分布と新たな代表点を再設定し、
誤差分布が互いに重複しない場合に、単一のボクセル内に単一の代表点のみが存在するように、該ボクセルを更に分割して階層的に複数のボクセルに分割する、ことを特徴とする請求項22に記載の三次元形状の計測方法。 - 前記マッチングステップの後に、前記環境モデルを更新するモデル更新ステップを有し、該モデル更新ステップにおいて、新たに入力された被計測点の座標値に対応するボクセルを探索し、前記ボクセル内の代表点および誤差分布の少なくともいずれかが新たに設定される、または再設定される、または該ボクセルを更に分割して階層的に複数のボクセルに分割される場合、前記出力ステップにおいて、当該ボクセルの代表点の位置を三次元形状の計測値として出力装置に出力する、ことを特徴とする請求項22に記載の三次元形状の計測方法。
- 前記出力ステップにおいて、距離センサの位置から距離センサが位置計測可能な範囲の環境モデル内のボクセルの代表点の位置を三次元形状の計測値として出力装置に出力する、ことを特徴とする請求項22に記載の三次元形状の計測方法。
- 外界の三次元形状を取り入れて自己位置を同定する自己位置同定装置であって、
三次元形状上の座標値をコンピュータに入力するデータ入力装置と、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築装置と、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチング装置と、
自己位置を出力装置に出力する出力装置とを備え、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離の総和が最小になるように位置合わせし、
前記位置合わせにおける回転量及び並進量から自己位置を同定する、ことを特徴とする自己位置同定装置。 - 外界の三次元形状を取り入れて自己位置を同定する自己位置同定装置であって、
三次元形状上の座標値をコンピュータに入力するデータ入力装置と、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築装置と、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチング装置と、
自己位置を出力装置に出力する出力装置とを備え、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値が最小になるように位置合わせし、
前記位置合わせにおける回転量及び並進量から自己位置を同定する、ことを特徴とする自己位置同定装置。 - 三次元形状上の被計測点の座標値から三次元形状を復元し、三次元形状データを出力する三次元形状の計測装置であって、
三次元形状上の座標値をコンピュータに入力するデータ入力装置と、
前記三次元形状の存在する空間領域を、境界表面が互いに直交する直方体からなる複数のボクセルに分割し、各ボクセル位置を記憶する環境モデルを構築するモデル構築装置と、
前記座標値に対応するボクセルの内部に代表点とその誤差分布を設定し記憶するマッチング装置と、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在しない場合には、新たな計測位置を自己位置と同定し、
新たな計測位置において、先の計測位置おける前記三次元形状のデータが存在する場合には、
先の計測位置に対する環境モデルに対し、新たな計測位置に対する環境モデルを回転及び並進させ、近接する誤差分布間の距離に関する評価値が最小になるように位置合わせし、
前記位置合わせにおける回転量及び並進量から自己位置を同定し、
更に前記自己位置、前記自己位置に基づいた前記ボクセル位置、代表点、および、誤差分布の少なくともいずれかを出力装置に出力するデータ伝達装置とを備える、ことを特徴とする三次元形状の計測装置。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2005363320 | 2005-12-16 | ||
JP2005363320 | 2005-12-16 | ||
PCT/JP2006/325051 WO2007069726A1 (ja) | 2005-12-16 | 2006-12-15 | 自己位置同定方法と装置および三次元形状の計測方法と装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPWO2007069726A1 JPWO2007069726A1 (ja) | 2009-05-28 |
JP4650752B2 true JP4650752B2 (ja) | 2011-03-16 |
Family
ID=38163028
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007550243A Active JP4650752B2 (ja) | 2005-12-16 | 2006-12-15 | 自己位置同定方法と装置および三次元形状の計測方法と装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US8121399B2 (ja) |
JP (1) | JP4650752B2 (ja) |
CN (1) | CN101331379B (ja) |
DE (1) | DE112006003363B4 (ja) |
WO (1) | WO2007069726A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104501811A (zh) * | 2014-11-24 | 2015-04-08 | 杭州申昊科技股份有限公司 | 一种基于环境直线特征的地图匹配方法 |
Families Citing this family (56)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4455417B2 (ja) * | 2005-06-13 | 2010-04-21 | 株式会社東芝 | 移動ロボット、プログラム及びロボット制御方法 |
DE112006003361T5 (de) * | 2005-12-16 | 2008-10-16 | Ihi Corporation | Verfahren und Vorrichtung für das Aufzeichnen/Anzeigen von dreidimensionalen Formdaten und Verfahren und Vorrichtung für das Messen einer dreidimensionalen Form |
US8116558B2 (en) * | 2005-12-16 | 2012-02-14 | Ihi Corporation | Three-dimensional shape data position matching method and device |
JP4675811B2 (ja) * | 2006-03-29 | 2011-04-27 | 株式会社東芝 | 位置検出装置、自律移動装置、位置検出方法および位置検出プログラム |
JP5380792B2 (ja) * | 2007-06-15 | 2014-01-08 | 株式会社Ihi | 物体認識方法および装置 |
JP5246468B2 (ja) * | 2007-11-21 | 2013-07-24 | 株式会社Ihi | バリまたは欠損認識方法と装置およびバリ取り方法と装置 |
US9520064B2 (en) | 2008-07-10 | 2016-12-13 | Mitsubishi Electric Corporation | Train-of-vehicle travel support device, control system and processor unit |
US8855819B2 (en) * | 2008-10-09 | 2014-10-07 | Samsung Electronics Co., Ltd. | Method and apparatus for simultaneous localization and mapping of robot |
KR20100081881A (ko) * | 2009-01-07 | 2010-07-15 | 삼성전자주식회사 | 데이터 매칭 장치, 데이터 매칭 방법, 및 이를 이용한 이동로봇 |
TWI409717B (zh) * | 2009-06-22 | 2013-09-21 | Chunghwa Picture Tubes Ltd | 適用於電腦產品與影像顯示裝置的影像轉換方法 |
US8224071B2 (en) * | 2009-06-30 | 2012-07-17 | Mitsubishi Electric Research Laboratories, Inc. | Method for registering 3D points with 3D planes |
JP5614118B2 (ja) * | 2010-06-15 | 2014-10-29 | 富士通株式会社 | ランドマーク検知方法、ロボット及びプログラム |
DE102010017630B4 (de) * | 2010-06-29 | 2016-06-02 | Leica Microsystems Cms Gmbh | Verfahren und Einrichtung zur lichtmikroskopischen Abbildung einer Probenstruktur |
WO2012086029A1 (ja) * | 2010-12-22 | 2012-06-28 | 株式会社日立製作所 | 自律移動システム |
US20120173185A1 (en) * | 2010-12-30 | 2012-07-05 | Caterpillar Inc. | Systems and methods for evaluating range sensor calibration data |
EP2477000A1 (de) * | 2011-01-14 | 2012-07-18 | Leica Geosystems AG | Vermessungsgerät mit einer automatischen Darstellungswechsel-Funktionalität |
CN103717995B (zh) * | 2011-08-29 | 2016-05-11 | 株式会社日立制作所 | 监视装置、监视系统及监视方法 |
KR20140070595A (ko) * | 2011-09-13 | 2014-06-10 | 오에스아이 옵토일렉트로닉스 | 개선된 레이저 레인지파인더 센서 |
US8868344B2 (en) * | 2011-09-22 | 2014-10-21 | Honeywell International Inc. | Systems and methods for combining a priori data with sensor data |
CN102661742B (zh) * | 2012-05-30 | 2014-04-02 | 北京信息科技大学 | 基于曲率特征加权质心点约束的自适应标志点布局方法 |
JP6429772B2 (ja) | 2012-07-04 | 2018-11-28 | クレアフォーム・インコーポレイテッドCreaform Inc. | 3d走査および位置決めシステム |
JP6267700B2 (ja) * | 2012-07-18 | 2018-01-24 | クレアフォーム・インコーポレイテッドCreaform Inc. | 3d走査および位置決めのインターフェース |
JP6192088B2 (ja) * | 2013-02-20 | 2017-09-06 | 国立大学法人九州工業大学 | 物体検出方法および物体検出装置 |
DE102013211126A1 (de) * | 2013-06-14 | 2014-12-18 | Robert Bosch Gmbh | Verfahren zum Modellieren eines Umfelds eines Fahrzeugs |
US8996207B2 (en) * | 2013-06-24 | 2015-03-31 | Honeywell International Inc. | Systems and methods for autonomous landing using a three dimensional evidence grid |
US9664784B2 (en) * | 2013-12-04 | 2017-05-30 | Trimble Inc. | System and methods for data point detection and spatial modeling |
EP2895819B1 (en) | 2013-12-10 | 2020-05-20 | SZ DJI Technology Co., Ltd. | Sensor fusion |
CN110174903B (zh) * | 2014-09-05 | 2023-05-09 | 深圳市大疆创新科技有限公司 | 用于在环境内控制可移动物体的系统和方法 |
EP3399381A1 (en) | 2014-09-05 | 2018-11-07 | SZ DJI Technology Co., Ltd. | Context-based flight mode selection |
JP6181300B2 (ja) | 2014-09-05 | 2017-08-16 | エスゼット ディージェイアイ テクノロジー カンパニー リミテッドSz Dji Technology Co.,Ltd | 無人航空機の速度を制御するシステム |
CN104503449A (zh) * | 2014-11-24 | 2015-04-08 | 杭州申昊科技股份有限公司 | 一种基于环境直线特征的定位方法 |
CN104501794A (zh) * | 2014-11-24 | 2015-04-08 | 杭州申昊科技股份有限公司 | 一种基于环境直线特征的地图创建方法 |
JP6354556B2 (ja) * | 2014-12-10 | 2018-07-11 | 株式会社デンソー | 位置推定装置、位置推定方法、位置推定プログラム |
US9519061B2 (en) * | 2014-12-26 | 2016-12-13 | Here Global B.V. | Geometric fingerprinting for localization of a device |
JP6601613B2 (ja) * | 2015-06-08 | 2019-11-06 | 株式会社パスコ | 位置推定方法、位置推定装置及び位置推定プログラム |
JP6528641B2 (ja) * | 2015-10-26 | 2019-06-12 | トヨタ自動車株式会社 | 自己位置推定方法 |
FR3046848B1 (fr) * | 2016-01-14 | 2018-01-05 | Donecle | Procede et systeme de determination de la position d'un engin mobile |
JP6331114B2 (ja) * | 2016-03-30 | 2018-05-30 | パナソニックIpマネジメント株式会社 | 位置推定装置、位置推定方法及び制御プログラム |
JP7111710B2 (ja) | 2016-08-08 | 2022-08-02 | ディープ・ブレイン・スティムレーション・テクノロジーズ・ピーティーワイ・リミテッド | 神経活動をモニタするためのシステム及び方法 |
JP6501420B2 (ja) | 2017-01-31 | 2019-04-17 | 株式会社トヨタマップマスター | プローブ情報処理装置、プローブ情報処理方法、コンピュータプログラム及びコンピュータプログラムを記録した記録媒体 |
JP6819441B2 (ja) * | 2017-04-24 | 2021-01-27 | 日産自動車株式会社 | 物標位置推定方法及び物標位置推定装置 |
US11298070B2 (en) | 2017-05-22 | 2022-04-12 | Deep Brain Stimulation Technologies Pty Ltd | Systems and methods for monitoring neural activity |
EP3633407A4 (en) * | 2017-05-24 | 2020-06-10 | Sony Corporation | INFORMATION PROCESSING APPARATUS, INFORMATION PROCESSING METHOD, AND PROGRAM |
WO2018221458A1 (ja) * | 2017-05-31 | 2018-12-06 | パイオニア株式会社 | 更新装置、制御方法、プログラム及び記憶媒体 |
US11175132B2 (en) | 2017-08-11 | 2021-11-16 | Zoox, Inc. | Sensor perturbation |
CN117607841A (zh) * | 2017-08-11 | 2024-02-27 | 祖克斯有限公司 | 车辆传感器的校准和定位 |
JP7051366B2 (ja) * | 2017-10-18 | 2022-04-11 | 株式会社東芝 | 情報処理装置、学習済モデル、情報処理方法、およびプログラム |
JP6923748B2 (ja) * | 2018-03-29 | 2021-08-25 | パイオニア株式会社 | 自己位置推定装置、自己位置推定方法、プログラム及び記憶媒体 |
EP3584662B1 (en) * | 2018-06-19 | 2022-04-13 | Panasonic Intellectual Property Management Co., Ltd. | Mobile robot |
CN108915470B (zh) * | 2018-06-26 | 2024-04-30 | 深圳拓邦股份有限公司 | 无轨电动门偏移检测装置及无轨电动门 |
EP3793899A4 (en) * | 2018-10-29 | 2021-07-07 | DJI Technology, Inc. | MOVABLE OBJECT TO PERFORM A REAL-TIME IMAGE |
WO2020157844A1 (ja) * | 2019-01-30 | 2020-08-06 | 三菱電機株式会社 | 計測装置、計測方法及び計測プログラム |
US11113873B1 (en) * | 2019-09-27 | 2021-09-07 | Zoox, Inc. | Modeling articulated objects |
CN112684727B (zh) * | 2019-10-17 | 2022-03-18 | 广东原点智能技术有限公司 | 一种基于激光slam的机器人码垛控制系统 |
KR102461980B1 (ko) * | 2020-11-30 | 2022-11-03 | (주)심스리얼리티 | 3차원 지도의 생성 방법 |
JP7444136B2 (ja) * | 2021-06-08 | 2024-03-06 | 株式会社デンソー | 物体認識システム、物体認識方法、物体認識プログラム |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63186308A (ja) * | 1987-01-28 | 1988-08-01 | Hitachi Ltd | 移動体の誘導方法、および装置 |
JPH0618221A (ja) * | 1991-03-11 | 1994-01-25 | Agency Of Ind Science & Technol | 多視点距離データの統合方法 |
JPH09231370A (ja) * | 1996-02-21 | 1997-09-05 | Canon Inc | 画像情報入力装置 |
JPH09229648A (ja) * | 1996-02-21 | 1997-09-05 | Canon Inc | 画像情報入出力装置及び画像情報入出力方法 |
JP2000113193A (ja) * | 1998-10-08 | 2000-04-21 | Minolta Co Ltd | 多視点3次元データの合成方法および記録媒体 |
JP2001022939A (ja) * | 1999-07-12 | 2001-01-26 | Nippon Telegr & Teleph Corp <Ntt> | 3次元情報抽出方法、装置、および3次元情報抽出プログラムを記録した記録媒体 |
JP2001236522A (ja) * | 1999-12-17 | 2001-08-31 | Canon Inc | 画像処理装置 |
JP2003296755A (ja) * | 2001-11-27 | 2003-10-17 | Samsung Electronics Co Ltd | 深さイメージに基づく3次元物体を表現するためのノード構造 |
JP2004005373A (ja) * | 2001-11-27 | 2004-01-08 | Samsung Electronics Co Ltd | 深さイメージに基づく3次元物体を表現するためのノード構造 |
JP2004521423A (ja) * | 2001-03-12 | 2004-07-15 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 8分木を用いた多数の画像からの3次元表現の生成 |
JP2005037379A (ja) * | 2003-06-30 | 2005-02-10 | Sanyo Electric Co Ltd | 三次元モデリング方法と装置 |
WO2007069724A1 (ja) * | 2005-12-16 | 2007-06-21 | Ihi Corporation | 三次元形状データの位置合わせ方法と装置 |
WO2007069721A1 (ja) * | 2005-12-16 | 2007-06-21 | Ihi Corporation | 三次元形状データの記憶・表示方法と装置および三次元形状の計測方法と装置 |
Family Cites Families (23)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR2625345A1 (fr) | 1987-12-24 | 1989-06-30 | Thomson Cgr | Procede de visualisation en trois dimensions d'objets codes numeriquement sous forme arborescente et dispositif de mise en oeuvre |
JPH03170345A (ja) | 1989-11-28 | 1991-07-23 | Asahi Glass Co Ltd | サーマルヘッドの抵抗体オーバーコートガラス組成物 |
JP3170345B2 (ja) | 1992-05-13 | 2001-05-28 | 日本電信電話株式会社 | 3次元情報抽出方法 |
JPH06223201A (ja) | 1993-01-22 | 1994-08-12 | Matsushita Electric Ind Co Ltd | 並列画像生成装置 |
US5724493A (en) | 1994-12-13 | 1998-03-03 | Nippon Telegraph & Telephone Corporation | Method and apparatus for extracting 3D information of feature points |
JPH0981788A (ja) | 1995-09-12 | 1997-03-28 | Toshiba Corp | 環境モデル入力装置 |
US5689629A (en) | 1995-12-12 | 1997-11-18 | The Regents Of The University Of California | Iterative optimizing quantization method for reconstructing three-dimensional images from a limited number of views |
US7486811B2 (en) * | 1996-09-16 | 2009-02-03 | The Research Foundation Of State University Of New York | System and method for performing a three-dimensional virtual examination of objects, such as internal organs |
US6064942A (en) | 1997-05-30 | 2000-05-16 | Rockwell Collins, Inc. | Enhanced precision forward observation system and method |
JPH1196374A (ja) | 1997-07-23 | 1999-04-09 | Sanyo Electric Co Ltd | 3次元モデリング装置、3次元モデリング方法および3次元モデリングプログラムを記録した媒体 |
JP3813343B2 (ja) | 1997-09-09 | 2006-08-23 | 三洋電機株式会社 | 3次元モデリング装置 |
US6026189A (en) | 1997-11-13 | 2000-02-15 | National Research Council Of Canada | Method of recognizing objects within two-dimensional and three-dimensional images |
US6476803B1 (en) | 2000-01-06 | 2002-11-05 | Microsoft Corporation | Object modeling system and process employing noise elimination and robust surface extraction techniques |
US6914601B2 (en) | 2001-06-12 | 2005-07-05 | Minolta Co., Ltd. | Method, apparatus, and computer program for generating three-dimensional shape data or volume data |
JP2003015739A (ja) | 2001-07-02 | 2003-01-17 | Yaskawa Electric Corp | 外環境地図、並びに自己位置同定装置および誘導制御装置 |
JP2003065736A (ja) | 2001-08-24 | 2003-03-05 | Sanyo Electric Co Ltd | 3次元モデリング装置 |
AU2002304133A1 (en) * | 2002-05-31 | 2003-12-19 | Fujitsu Limited | Remotely-operated robot, and robot self position identifying method |
EP1519318A4 (en) * | 2002-06-28 | 2008-11-19 | Fujitsu Ltd | PROGRAM AND METHOD FOR COMPARING THREE-DIMENSIONAL IMAGE AND APPARATUS THEREFOR |
US7317456B1 (en) | 2002-12-02 | 2008-01-08 | Ngrain (Canada) Corporation | Method and apparatus for transforming point cloud data to volumetric data |
US7843512B2 (en) | 2004-03-31 | 2010-11-30 | Honeywell International Inc. | Identifying key video frames |
US20060017720A1 (en) | 2004-07-15 | 2006-01-26 | Li You F | System and method for 3D measurement and surface reconstruction |
WO2006046552A1 (ja) | 2004-10-27 | 2006-05-04 | Toyama Chemical Co., Ltd. | 新規な含窒素複素環化合物およびその塩 |
US7653235B2 (en) | 2005-10-27 | 2010-01-26 | Honeywell International Inc. | Surface anomaly detection system and method |
-
2006
- 2006-12-15 JP JP2007550243A patent/JP4650752B2/ja active Active
- 2006-12-15 DE DE112006003363.8T patent/DE112006003363B4/de active Active
- 2006-12-15 WO PCT/JP2006/325051 patent/WO2007069726A1/ja active Application Filing
- 2006-12-15 US US12/096,830 patent/US8121399B2/en not_active Expired - Fee Related
- 2006-12-15 CN CN2006800474622A patent/CN101331379B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS63186308A (ja) * | 1987-01-28 | 1988-08-01 | Hitachi Ltd | 移動体の誘導方法、および装置 |
JPH0618221A (ja) * | 1991-03-11 | 1994-01-25 | Agency Of Ind Science & Technol | 多視点距離データの統合方法 |
JPH09231370A (ja) * | 1996-02-21 | 1997-09-05 | Canon Inc | 画像情報入力装置 |
JPH09229648A (ja) * | 1996-02-21 | 1997-09-05 | Canon Inc | 画像情報入出力装置及び画像情報入出力方法 |
JP2000113193A (ja) * | 1998-10-08 | 2000-04-21 | Minolta Co Ltd | 多視点3次元データの合成方法および記録媒体 |
JP2001022939A (ja) * | 1999-07-12 | 2001-01-26 | Nippon Telegr & Teleph Corp <Ntt> | 3次元情報抽出方法、装置、および3次元情報抽出プログラムを記録した記録媒体 |
JP2001236522A (ja) * | 1999-12-17 | 2001-08-31 | Canon Inc | 画像処理装置 |
JP2004521423A (ja) * | 2001-03-12 | 2004-07-15 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | 8分木を用いた多数の画像からの3次元表現の生成 |
JP2003296755A (ja) * | 2001-11-27 | 2003-10-17 | Samsung Electronics Co Ltd | 深さイメージに基づく3次元物体を表現するためのノード構造 |
JP2004005373A (ja) * | 2001-11-27 | 2004-01-08 | Samsung Electronics Co Ltd | 深さイメージに基づく3次元物体を表現するためのノード構造 |
JP2005037379A (ja) * | 2003-06-30 | 2005-02-10 | Sanyo Electric Co Ltd | 三次元モデリング方法と装置 |
WO2007069724A1 (ja) * | 2005-12-16 | 2007-06-21 | Ihi Corporation | 三次元形状データの位置合わせ方法と装置 |
WO2007069721A1 (ja) * | 2005-12-16 | 2007-06-21 | Ihi Corporation | 三次元形状データの記憶・表示方法と装置および三次元形状の計測方法と装置 |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104501811A (zh) * | 2014-11-24 | 2015-04-08 | 杭州申昊科技股份有限公司 | 一种基于环境直线特征的地图匹配方法 |
Also Published As
Publication number | Publication date |
---|---|
US20090167761A1 (en) | 2009-07-02 |
CN101331379A (zh) | 2008-12-24 |
CN101331379B (zh) | 2012-04-11 |
US8121399B2 (en) | 2012-02-21 |
WO2007069726A1 (ja) | 2007-06-21 |
DE112006003363B4 (de) | 2016-05-04 |
JPWO2007069726A1 (ja) | 2009-05-28 |
DE112006003363T5 (de) | 2009-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP4650752B2 (ja) | 自己位置同定方法と装置および三次元形状の計測方法と装置 | |
JP4650751B2 (ja) | 三次元形状データの位置合わせ方法と装置 | |
JP4650750B2 (ja) | 三次元形状データの記憶・表示方法と装置および三次元形状の計測方法と装置 | |
JP5380792B2 (ja) | 物体認識方法および装置 | |
Palomer et al. | Inspection of an underwater structure using point‐cloud SLAM with an AUV and a laser scanner | |
Alsadik et al. | The simultaneous localization and mapping (SLAM)-An overview | |
US11568559B2 (en) | Localization of a surveying instrument | |
EP3078935A1 (en) | Method and device for real-time mapping and localization | |
Yang et al. | On solving mirror reflection in lidar sensing | |
JP5627325B2 (ja) | 位置姿勢計測装置、位置姿勢計測方法、およびプログラム | |
US11867818B2 (en) | Capturing environmental scans using landmarks based on semantic features | |
US20220057518A1 (en) | Capturing environmental scans using sensor fusion | |
EP4109137A1 (en) | Capturing environmental scans using automated transporter robot | |
JP5246468B2 (ja) | バリまたは欠損認識方法と装置およびバリ取り方法と装置 | |
KR102130687B1 (ko) | 다중 센서 플랫폼 간 정보 융합을 위한 시스템 | |
US20230316567A1 (en) | Localization of a surveying instrument | |
US12086925B2 (en) | Targetless tracking of measurement device during capture of surrounding data | |
de Haag et al. | Laser‐Based Navigation | |
Steffen | Visual SLAM from image sequences acquired by unmanned aerial vehicles | |
Ferreira | Improving Lidar Odometry and Mapping in Real-time using Inertial Measurements | |
Casagrande | Relative pose estimation of a plane on an airfield with automotive-class solid-state LiDAR sensors: Enhancing vehicular localization with point cloud registration | |
Fossel | Improving Light Detection and Ranging Based Simultaneous Localization and Mapping with Advanced Map Representations | |
Shokrzadeh | Simultaneous Localization and Mapping for Semi-Sparse Point Clouds | |
Slattery | Alignment of Centimeter Scale Bathymetry using Six Degrees of Freedom | |
CN116524014A (zh) | 一种在线标定外参的方法、装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
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: 20101119 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20101202 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 4650752 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20131224 Year of fee payment: 3 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |