JP6157105B2 - Traveling area discrimination device and traveling area discrimination method for mobile robot - Google Patents
Traveling area discrimination device and traveling area discrimination method for mobile robot Download PDFInfo
- Publication number
- JP6157105B2 JP6157105B2 JP2012274711A JP2012274711A JP6157105B2 JP 6157105 B2 JP6157105 B2 JP 6157105B2 JP 2012274711 A JP2012274711 A JP 2012274711A JP 2012274711 A JP2012274711 A JP 2012274711A JP 6157105 B2 JP6157105 B2 JP 6157105B2
- Authority
- JP
- Japan
- Prior art keywords
- area
- mobile robot
- region
- undulation
- state
- 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
- 238000012850 discrimination method Methods 0.000 title description 5
- 238000005259 measurement Methods 0.000 claims description 63
- 238000000034 method Methods 0.000 claims description 27
- 238000011156 evaluation Methods 0.000 claims description 20
- 238000012545 processing Methods 0.000 claims description 19
- 230000003746 surface roughness Effects 0.000 claims description 15
- 238000000342 Monte Carlo simulation Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 8
- 230000001174 ascending effect Effects 0.000 description 6
- 101100048435 Caenorhabditis elegans unc-18 gene Proteins 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000002922 simulated annealing Methods 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- 230000007704 transition Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Optical Radar Systems And Details Thereof (AREA)
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など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。 The present invention relates to a travel region discriminating apparatus and a travel device that are used to divide a region on the front side of a mobile robot into a travelable region and a travel impossible region due to an obstacle or the like at the stage of determining a travel route of a mobile robot that travels autonomously. The present invention relates to an area discrimination method.
従来、上記したような移動ロボットの走行領域判別方法としては、例えば、特許文献１に開示された手法がある。
この移動ロボットの走行領域判別方法では、移動ロボットに搭載した1軸スキャンタイプのレーザレンジファインダによって移動ロボット前方側の水平方向のプロファイルデータを取得し、この水平方向のプロファイルデータにおける幾何的特徴などから領域の分割を行ったうえで、分割した領域毎に起伏の有無や表面粗さを評価して、これらの分割した領域を走行可能領域及び走行不能領域に区分けするようにしている。
Conventionally, as a traveling region discrimination method for a mobile robot as described above, for example, there is a method disclosed in Patent Document 1.
In this mobile robot travel area discrimination method, the horizontal profile data on the front side of the mobile robot is acquired by a single-axis scan type laser range finder mounted on the mobile robot, and the geometric characteristics in this horizontal profile data are used. After the areas are divided, the presence / absence of undulations and the surface roughness are evaluated for each divided area, and these divided areas are divided into a runnable area and a non-runnable area.
ところが、上記した従来の走行領域判別方法では、移動ロボットの前方領域を分割した後に行う分割領域毎のプロファイルデータの処理において、例えば、図１７（ａ）に示すように、移動ロボットｒの前方領域に存在する上り斜面ｓｌをレーザレンジファインダ によって計測した場合と、図１７（ｂ）に示すように、移動ロボットｒの前方領域に存在する上り段差ｓｔをレーザレンジファインダ によって計測した場合とでは、図１８（ａ），（ｂ）に示すように、上り斜面ｓｌ及び上り段差ｓｔの各水平方向プロファイルデータｓｌｄ，ｓｔｄが互いに類似して、両者の区別がつき難くなる。 However, in the conventional traveling region discrimination method described above, in the profile data processing for each divided region performed after dividing the front region of the mobile robot, for example, as shown in FIG. In the case where the ascending slope sl existing in FIG. 17 is measured by the laser range finder and the case where the ascending step st existing in the front area of the mobile robot r is measured by the laser range finder as shown in FIG. As shown in 18 (a) and 18 (b), the horizontal profile data sld and std of the ascending slope sl and the ascending step st are similar to each other, making it difficult to distinguish them.
つまり、前方の領域に存在する上り段差ｓｔが、実際には走行不可能な段差であるにもかかわらず、走行可能な上り斜面ｓｌとして誤認識されて、この領域判別の後工程において誤った環境地図が作成されてしまい、その結果、移動ロボットｒの移動に支障を来す虞があるという問題を有しており、この問題を解決することが従来の課題となっていた。 In other words, the ascending step st existing in the front area is erroneously recognized as the ascending slope sl that can be traveled despite the fact that the traveling is impossible, and an erroneous environment is detected in the subsequent process of the region discrimination. As a result, there is a problem that the map is created, which may hinder the movement of the mobile robot r, and it has been a conventional problem to solve this problem.
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、整地環境や舗装道路は勿論のこと、不整地環境や未舗装道路で移動ロボットを自律走行させる場合において、判別コストの低減を図ったうえで、レーザレンジファインダにより取得した任意の位置及び任意の方向からのデータに基づいて、走行可能領域であるか否かの判別を安定して行うことが可能であり、加えて、前方に走行不可能な段差が存在していたとしても、この段差を確実に見つけ出して走行不可能領域と判定することができ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。 The present invention has been made paying attention to the above-mentioned conventional problems, and it is possible to reduce the discrimination cost when the mobile robot autonomously travels in an uneven terrain environment or an unpaved road as well as a grading environment and a paved road. In addition, based on the data from any position and any direction acquired by the laser range finder, it is possible to stably determine whether or not it is a travelable area, in addition to the front It is an object of the present invention to provide a travel area discriminating apparatus and a travel area discriminating method capable of reliably finding out the level difference and determining it as a travel impossible region even if there is a travel impossible step.
ここで、ラインスキャンタイプの1軸レーザレンジファインダは、１回の水平方向スキャンで計測対象のプロファイルデータ及び反射したレーザ光のパルス幅を取得可能であり、この際、スキャンレートが１００Ｈｚ程度なので、この1軸レーザレンジファインダが激しく揺動したとしても、得られるプロファイルデータは揺動の影響を受け難い。 Here, the line scan type single-axis laser range finder can acquire the profile data to be measured and the pulse width of the reflected laser light in one horizontal scan, and at this time, the scan rate is about 100 Hz. Even if this single-axis laser range finder swings violently, the obtained profile data is not easily affected by the swing.
このような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る水平方向のスキャンラインＳｃを図３に模式的に示し、不整地環境や未舗装路で取得される路面のプロファイルデータＰＤを図９に模式的に示す。なお、この図９及び以下に示す図１０〜図１４中、ｚ方向は鉛直方向（上向き）であり、ｙ方向は移動ロボットの進行するｘ方向と直交する方向である。 A horizontal scan line Sc by such a line scan type single-axis laser range finder is schematically shown in FIG. 3, and road surface profile data PD acquired in an uneven terrain environment or an unpaved road is schematically shown in FIG. Shown in In FIG. 9 and FIGS. 10 to 14 shown below, the z direction is the vertical direction (upward), and the y direction is a direction orthogonal to the x direction in which the mobile robot travels.
図１０に示すように、不整地環境や未舗装路で取得される路面のプロファイルデータＰＤは、（Ｎ）個の計測点データＰ（Ｐ＝ｐ１，ｐ２，…，ｐＮ）から構成されており、この場合、中央部分が走行可能領域、その左右の部分が走行不能領域を模擬している。 As shown in FIG. 10, road surface profile data PD acquired in an uneven terrain environment or an unpaved road is composed of (N) pieces of measurement point data P (P = p1, p2,..., PN). In this case, the central part simulates a travelable area, and the left and right parts simulate a travel impossible area.
図１１に示すように、上記プロファイルデータＰＤを走行可能領域Ｂ及び走行不能領域Ａ，Ｃに正しく分割することができれば、それぞれの領域Ａ〜Ｃ内のデータに基づいて、低次の最小自乗近似等の簡便な手法により、起伏の有無や表面粗さを正しく評価することができる。 As shown in FIG. 11, if the profile data PD can be correctly divided into the travelable area B and the travel impossible areas A and C, the low-order least square approximation is performed based on the data in the respective areas A to C. The presence or absence of undulations and the surface roughness can be correctly evaluated by a simple method such as the above.
しかし、図１２に示すように、上記プロファイルデータＰＤの分割箇所を間違えると、領域Ａ〜Ｃ内のデータをサンプルデータとした場合には、勾配や表面粗さを正しく評価することができないため、その結果、走行可能領域及び走行不能領域を正しく評価することができない。 However, as shown in FIG. 12, if the division location of the profile data PD is wrong, the gradient and surface roughness cannot be correctly evaluated when the data in the areas A to C is used as sample data. As a result, the travelable area and the travel impossible area cannot be correctly evaluated.
そこで、図１３に示すように、上記プロファイルデータＰＤを構成する（Ｎ）個の計測点データＰ（Ｐ＝ｐ１，ｐ２，…，ｐＮ）間における（Ｎ−１）個の境界点位置に、新たに状態変数Ｂ（Ｂ＝ｂ１，ｂ２，…，ｂｉ，…，ｂ(N-1)）を定義し、この際、境界点ｂｉがとり得る値を（１）又は（−１）の２状態として、互いに隣接する計測点データＰ同士が同一領域であるか否かに応じて、図１４に示すように、該境界点ｂｉを（１）又は（−１）で表すことで、プロファイルデータの任意の領域分割状態を、２(N-1)の状態空間のうちの一状態として表現すことができる。 Therefore, as shown in FIG. 13, at (N−1) boundary point positions between (N) measurement point data P (P = p1, p2,..., PN) constituting the profile data PD, A new state variable B (B = b1, b2,..., Bi,..., B (N-1) ) is defined. At this time, a value that can be taken by the boundary point bi is set to 2 of (1) or (-1). According to whether the measurement point data P adjacent to each other is in the same region as the state, the boundary point bi is represented by (1) or (-1) as shown in FIG. Can be expressed as one state in 2 (N-1) state spaces.
この際、上記領域分割を行う指針として、以下のような評価関数を用いることとする。
すなわち、走行可能領域及び走行不能領域は、互いに異なる表面粗さを有すると推測できるので、各々の表面粗さを評価する値として、上記一状態における領域分割した計測点データ群を最小自乗近似し、これで得た近似線からのばらつきを加味した評価関数を用いることとした。この際、各領域はできるだけ連続性を持つことが望ましいので、類似する幾何的特徴を有する領域の連続性も評価関数に加味することとした。
At this time, the following evaluation function is used as a guideline for performing the region division.
That is, since it can be estimated that the travelable region and the travelless region have different surface roughnesses, the measurement point data group obtained by dividing the region in the one state is approximated by the least square as a value for evaluating each surface roughness. Therefore, an evaluation function that takes into account variations from the approximate line obtained in this way is used. At this time, since it is desirable that each region has continuity as much as possible, the continuity of regions having similar geometric characteristics is also taken into consideration in the evaluation function.
これにより、如何にして正しい領域分割を行うかという上記した問題は、２(N-1)の状態空間の中から上記評価関数を最大化させる分割状態を見つけ出す、という最適化問題に帰着することとなる。
上記した問題は、２(N-1)の状態空間のうちの一状態が２値の離散値であって微分が定義できないことから、ニュートン法などの適用が困難であるうえ、計測点データＰの数が数百個程度になるので、すべての状態を探索すると計算コストが膨大になる。
As a result, the above-mentioned problem of how to perform correct region partitioning results in an optimization problem of finding a partition state that maximizes the above evaluation function in 2 (N-1) state spaces. It becomes.
The problem described above is that one of the 2 (N-1) state spaces is a binary discrete value and cannot be differentiated, so that it is difficult to apply the Newton method or the like, and the measurement point data P Since there are about several hundreds, the computational cost becomes enormous if all states are searched.
したがって、本発明において、マルコフ連鎖モンテカルロ法（ＭＣＭＣ）を用いて最適解を求めることとした。このマルコフ連鎖モンテカルロ法は、ランダムサンプリングによる状態空間の探索時において、状態の確率分布に基づいて、よりもっともらしいと思われる状態の探索とサンプリングを行う手法である。なお、このマルコフ連鎖モンテカルロ法については、［伊庭幸人 他５名著 ２００５統計科学のフロンティア１２計算系統IIマルコフ連鎖モンテカルロ法とその周辺 岩波書店発行］にその詳細な説明が
記載されている。
Therefore, in the present invention, the optimum solution is determined using the Markov chain Monte Carlo method (MCMC). The Markov chain Monte Carlo method is a method of searching and sampling a state that seems more plausible based on the probability distribution of the state when searching the state space by random sampling. The Markov chain Monte Carlo method is described in detail in [Yoshito Iba et al., 5 authors, 2005 Frontier 12 Computational System II Statistical Markov chain Monte Carlo method and its related publication published by Iwanami Shoten].
具体的に説明すれば、逐次的に異なる領域分割を試行して、評価関数が最大となる領域分割状態を探索することとなる。
上記試行におけるモンテカルロステップ動作の理解のため、ダミーデータを用いた領域分割結果を図１５（ａ）〜（ｄ）に示し、図１６（ａ）〜（ｇ）には、モンテカルロステップの回数（０，１００，１０００，２０００，３０００，４０００，５０００）毎のスナップショットを示す。
More specifically, different region divisions are tried sequentially to search for a region division state in which the evaluation function is maximized.
In order to understand the Monte Carlo step operation in the trial, the region division results using dummy data are shown in FIGS. 15A to 15D, and FIGS. 16A to 16G show the number of Monte Carlo steps (0). , 100, 1000, 2000, 3000, 4000, 5000).
図１５（ａ）〜（ｄ）に示す各例において、いずれも左側がモンテカルロステップを開始する初期状態であり、右側がモンテカルロステップの終了状態である。また、各図中、点は計測点データであり、互いに隣接する計測点データ同士が同じ領域であれば隣と同じ色（白又は黒）で表示し、一方、互いに隣接する計測点データ同士が同じ領域でなければ隣と異なる色で表示していて、色自体は意味をもっていない。 In each example shown in FIGS. 15A to 15D, the left side is the initial state in which the Monte Carlo step is started, and the right side is the end state of the Monte Carlo step. Moreover, in each figure, a point is measurement point data, and if the measurement point data adjacent to each other are the same region, they are displayed in the same color (white or black) as the adjacent, while the measurement point data adjacent to each other are displayed. If they are not in the same area, they are displayed in a different color from the next, and the colors themselves have no meaning.
このように、マルコフ連鎖モンテカルロ法を用いることで、上記した２(N-1)の状態空間の中から評価関数を最大化させる分割状態を見つけ出すことが可能となる。さらに、分割された領域内のデータに対し、低次の最小自乗近似を適用することにより、起伏である斜面や段差を正しく評価することができ、走行可能領域であるか否かの判別を安定して行うことが可能となる。 In this way, by using the Markov chain Monte Carlo method, it is possible to find a divided state that maximizes the evaluation function from the above-described 2 (N-1) state space. Furthermore, by applying low-order least-squares approximation to the data in the divided areas, it is possible to correctly evaluate undulating slopes and steps, and to determine whether or not it is a travelable area Can be performed.
具体的には、図７（ａ），（ｂ）に示すように、なだらかな上り勾配の斜面Ｓｌには水平方向にスキャンされるレーザ光Ｌが斜めに当たるので、図７（ｃ）に示すように、斜面Ｓｌで反射して戻るパルス幅Ｗｓｌが大きくなる。これに対して、図８（ａ），（ｂ）に示すように、段差Ｓｔにはその起立した立壁面Ｓｔｗにレーザ光Ｌが正対するようにして当たるので、図８（ｃ）に示すように、立壁面Ｓｔｗで反射して戻るパルス幅Ｗｓｔが小さくなる。 Specifically, as shown in FIGS. 7 (a) and 7 (b), since the laser beam L scanned in the horizontal direction is obliquely applied to the gently sloping slope S1, as shown in FIG. 7 (c). In addition, the pulse width Wsl reflected by the slant surface S1 is increased. On the other hand, as shown in FIGS. 8A and 8B, the laser beam L strikes the stepped surface St so as to face the standing wall surface Stw as shown in FIG. 8C. Furthermore, the pulse width Wst reflected by the standing wall surface Stw is reduced.
この斜面Ｓｌで反射して戻るパルス幅Ｗｓｌと、段差Ｓｔの立壁面Ｓｔｗで反射して戻るパルス幅Ｗｓｔとの違いを利用して、計測点（レーザ光Ｌの反射点）が斜面Ｓｌの領域にあるのか、段差Ｓｔの立壁面Ｓｔｗの領域にあるのかを閾値を用いて区別し、且つ、その領域が斜面Ｓｌであるか段差Ｓｔであるかを判別して、走行可能領域と走行不能領域とを決定する。 Using the difference between the pulse width Wsl reflected and returned by the inclined surface Sl and the pulse width Wst reflected and returned by the standing wall surface Stw of the step St, the measurement point (the reflection point of the laser beam L) is an area of the inclined surface Sl. And whether it is in the area of the standing wall Stw of the level difference St using a threshold value, and whether the area is the slope S1 or the level difference St, the travelable area and the non-travelable area And decide.
したがって、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走行不能領域に区分けする本発明の請求項１に係る走行領域判別装置において、レーザ光を走査して前記移動ロボットの前方側のプロファイルデータを取得する水平ラインスキャンタイプのレーザレンジファインダを具備した外界計測部と、この外界計測部のレーザレンジファインダで得たプロファイルデータ及び反射したレーザ光のパルス幅を構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同一領域であるか否かに応じた２状態の状態変数を定義することで、前記プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現し、互いに異なる幾何的特徴を有する領域を評価する値として、前記一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用い、前記２（Ｎ−１）の状態空間の中から前記評価関数を最大とする領域分割状態をマルコフ連鎖モンテカルロ法により求め、分割後の該領域内の計測点データから、起伏の有無や表面粗さなどの幾何的特徴量を評価することにより、前記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する処理部を備え、この処理部では、前記区分け処理による走行可能領域内に起伏が存在する場合に、該領域内の計測点データのうちの前記起伏で反射して戻ったレーザ光のパルス幅に基づいて前記起伏が斜面であるか段差であるかを判別し、前記起伏が斜面であると判定した場合には、該斜面の勾配を計算し、前記起伏が段差であると判定した場合には、該段差の高低差を計算して、前記移動ロボットの前記起伏部分での走行の可否を判定処理する構成としており、この走行領域判別装置の構成を課題を解決するための手段としている。 Therefore, in the traveling region discrimination device according to claim 1 that divides the region on the front side of the mobile robot that travels autonomously into a travelable region and a travel impossible region, the front of the mobile robot is scanned by laser light. The external field measuring unit having a horizontal line scan type laser range finder for acquiring the side profile data, and the profile data obtained by the laser range finder of the external field measuring unit and the pulse width of the reflected laser light are configured (N). By defining two-state state variables according to whether or not adjacent measurement point data are in the same region at (N-1) boundary point positions between the measurement point data, the profile Arbitrary region division state of data is expressed as one state in 2 (N-1) state spaces and has different geometric features As a value for evaluating a region to be evaluated, an evaluation taking into account variations from an approximate line obtained by least square approximation of the measurement point data group divided into regions in the one state and continuity of regions having similar geometric features Using a function, a region division state that maximizes the evaluation function is obtained from the 2 (N-1) state space by the Markov chain Monte Carlo method, and whether or not there is undulation from the measurement point data in the region after division And a processing unit that performs processing to classify the region on the front side of the mobile robot into a travelable region and a non-runnable region by evaluating geometric features such as surface roughness and surface roughness. When undulations exist in the travelable area, the undulations are slopes or steps based on the pulse width of the laser beam reflected back from the undulations of the measurement point data in the area. If it is determined that the undulation is a slope, the slope of the slope is calculated, and if the undulation is determined to be a step, the difference in level of the step is calculated , The mobile robot is configured to determine whether or not it can travel on the undulating portion, and the configuration of the travel area determination device is a means for solving the problem.
また、本発明の請求項２に係る走行領域判別装置において、前記処理部では、前記区分け処理による走行可能領域内に起伏が存在する際に、該領域内の計測点データのうちの前記起伏で反射して戻ったレーザ光のパルス幅が閾値以上である場合を前記起伏が斜面であると判定し、前記起伏で反射して戻ったレーザ光のパルス幅が閾値よりも小さい場合を前記起伏が段差であると判定する構成としている。 Moreover, in the travel area discriminating apparatus according to claim 2 of the present invention, when the undulation exists in the travelable area by the classification process, the processing unit uses the undulation of the measurement point data in the area. When the pulse width of the laser beam reflected and returned is greater than or equal to the threshold, the undulation is determined to be a slope, and when the pulse width of the laser beam reflected and returned by the undulation is smaller than the threshold, the undulation is It is set as the structure determined to be a level | step difference.
一方、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走行不能領域に区分けする本発明の請求項３に係る走行領域判別方法にあっては、前記移動ロボットに搭載した水平ラインスキャンタイプの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プロファイルデータ及び反射したレーザ光のパルス幅を取得した後、前記移動ロボットのレーザレンジファインダで得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同一領域にあるか否かに応じた２状態の状態変数を定義することで、前記プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現し、互いに異なる幾何的特徴を有する領域を評価する値として、前記一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用いて、前記２（Ｎ−１）の状態空間の中から前記評価関数を最大とする領域分割状態をマルコフ連鎖モンテカルロ法により求め、分割後の該領域内の計測点データから、起伏の有無や表面粗さなどの幾何的特徴量を評価することにより、前記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するのに続いて、この区分け処理による走行可能領域内に起伏が存在する場合に、該領域内の計測点データのうちの前記起伏で反射して戻ったレーザ光のパルス幅に基づいて前記起伏が斜面であるか段差であるかを判別し、前記起伏が斜面であると判定した場合には、該斜面の勾配を計算し、前記起伏が段差であると判定した場合には、該段差の高低差を計算して、前記移動ロボットの前記起伏部分での走行の可否を判定処理する構成としており、この走行領域判別方法の構成を課題を解決するための手段としている。 On the other hand, in the traveling region determination method according to claim 3 of dividing the region on the front side of the mobile robot that travels autonomously into a travelable region and a travel impossible region, a horizontal line mounted on the mobile robot. After scanning the laser beam from the scan type laser range finder to obtain the profile data on the front side of the mobile robot and the pulse width of the reflected laser beam, the profile data obtained by the laser range finder of the mobile robot is constructed. By defining two-state state variables according to whether or not adjacent measurement point data are in the same region at (N-1) boundary point positions among (N) measurement point data. , Representing an arbitrary region division state of the profile data as one state in 2 (N-1) state spaces, and different geometric features As a value for evaluating a region having, the variation from the approximate line obtained by least square approximation of the measurement point data group divided into regions in the one state and the continuity of regions having similar geometric features are taken into account Using the evaluation function, the region division state that maximizes the evaluation function is obtained from the 2 (N-1) state space by the Markov chain Monte Carlo method, and the undulation is obtained from the measurement point data in the divided region. Next, the area on the front side of the mobile robot is divided into a runnable area and a non-runnable area by evaluating geometric features such as presence / absence and surface roughness. If there is a undulation, determine whether the undulation is a slope or a step based on the pulse width of the laser light reflected back from the undulation of the measurement point data in the region , When it is determined that the undulation is a slope, the slope of the slope is calculated, and when the undulation is determined to be a step, the height difference of the step is calculated and the undulation of the mobile robot is calculated. It is configured to determine whether or not a part can travel, and the structure of the traveling region determination method is a means for solving the problem.
そして、本発明の請求項４に係る走行領域判別方法では、前記区分け処理による走行可能領域内に起伏が存在する際に、該領域内の計測点データのうちの前記起伏で反射して戻ったレーザ光のパルス幅が閾値以上である場合を前記起伏が斜面であると判定し、前記起伏で反射して戻ったレーザ光のパルス幅が閾値よりも小さい場合を前記起伏が段差であると判定する構成としている。 In the running area determination method according to claim 4 of the present invention, when a undulation exists in the travelable area by the classification process, the reflected area is reflected by the undulation of the measurement point data in the area and returned. When the pulse width of the laser beam is greater than or equal to a threshold value, the undulation is determined to be a slope, and when the pulse width of the laser beam reflected and returned by the undulation is smaller than the threshold value, the undulation is determined to be a step. It is configured to do.
本発明において、上記評価関数をエネルギに見立て、評価が高い場合をエネルギが低いとし、一方、評価が低い場合をエネルギが高いとした。
また、状態の確率分布には、統計物理のアナロジより、評価関数をエネルギに見立てたボルツマン分布を適用し、遷移確率の決定には、状態の確率分布をもとにメトロポリス法を適用した。
さらに、本発明において、効率的な最適化を行うために、シミュレーテッドアニーリングを適用した。
In the present invention, the evaluation function is regarded as energy. When the evaluation is high, the energy is low. On the other hand, when the evaluation is low, the energy is high.
For the probability distribution of states, a Boltzmann distribution with an evaluation function as energy was applied from a statistical physics analogy, and the metropolis method was applied based on the probability distribution of states to determine the transition probability.
Furthermore, in the present invention, simulated annealing is applied in order to perform efficient optimization.
そして、上記のようにして正しい領域分割を行った後、それぞれの領域に含まれる計測点群に対して、図１１に示すように、幾何的特徴である起伏の有無や表面粗さ等の物理量（幾何的特徴量）を推定すれば、走行可能領域及び走行不能領域が決定され、この結果を自律走行の経路計画地図の生成に供し得ることとなる。 Then, after performing correct area division as described above, as shown in FIG. 11, physical quantities such as the presence or absence of undulations and surface roughness, which are geometric features, are measured for the measurement point group included in each area. If the (geometric feature amount) is estimated, a travelable area and a travel impossible area are determined, and this result can be used to generate a route plan map for autonomous travel.
この際、上記のようにして正しく分割された領域のうちの走行可能と判定された走行可能領域内に起伏が存在する場合には、該領域内の計測点データのうちの起伏で反射して戻ったレーザ光のパルス幅に基づいて起伏が斜面であるか段差であるかを判別（段差であると判定した場合には段差の高低差も計算）すれば、移動ロボットの起伏部分での走行の可否が決定され、この結果も自律走行の経路計画地図の生成に供すれば、より一層有益な自律走行の経路計画地図を作成し得ることとなる。 At this time, if there is a undulation in the travelable area that is determined to be travelable among the areas correctly divided as described above, it is reflected by the undulation in the measurement point data in the area. If it is determined whether the undulation is a slope or a step based on the pulse width of the returned laser light (if the step is determined to be a step, the difference in level of the step is also calculated), the vehicle will run on the undulation portion. If this result is also used to generate a route plan map for autonomous travel, a more useful route plan map for autonomous travel can be created.
なお、移動ロボットの自己位置を求めて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、ジャイロやＧＰＳ（グローバル・ポジショニング・システム）やデッドレコニングを用いることができる。 For example, a gyro, GPS (Global Positioning System), or dead reckoning can be used as a self-position measuring unit that obtains the self-position of the mobile robot and clarifies the measurement point by the external measurement unit.
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、整地環境や舗装道路のみならず、不整地環境や未舗装道路で移動ロボットを自律走行させる場合において、１台の水平ラインスキャンタイプのレーザレンジファインダのみを使用するようにして判別コストの低減を図ったうえで、この水平ラインスキャンタイプのレーザレンジファインダにより取得した任意の位置及び任意の方向からのデータに基づいて、走行可能領域及び走行不能領域の判別を安定して行うことが可能であり、加えて、走行可能領域及び走行不能領域のそれぞれの領域における起伏の有無や凹凸の度合いなどの物理量を精度良く得られるため、移動ロボットの走破性能に合わせた効率のよい経路計画が可能になり、さらに、走行可能領域内に斜面や段差等の起伏があったとしても、この起伏が斜面であるか段差であるかを判別して、移動ロボットの起伏部分での走行の可否を判定することができるので、移動ロボットのより有益な経路計画が可能になるという非常に優れた効果がもたらされる。 In the mobile robot travel area discriminating apparatus and the mobile robot travel area discriminating method according to the present invention, when a mobile robot autonomously travels not only in a leveling environment and a paved road, but also in an uneven ground environment and an unpaved road, Based on the data from any position and any direction obtained by this horizontal line scan type laser range finder after reducing the discrimination cost by using only the horizontal line scan type laser range finder. In addition, it is possible to stably determine the runnable area and the non-runnable area, and in addition, accurately obtain physical quantities such as the presence of undulations and the degree of unevenness in each of the runnable area and the non-runnable area. Therefore, efficient route planning that matches the running performance of the mobile robot is possible, and it is possible to run further. Even if there are undulations such as slopes or steps in the area, it is possible to determine whether this undulation is a slope or a step and whether or not the mobile robot can run on the undulations can be determined. This has the great effect of enabling more useful path planning for the robot.
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８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。
DETAILED DESCRIPTION OF THE PREFERRED EMBODIMENTS A mobile robot travel area determination device and a travel area determination method according to the present invention will be described below with reference to the drawings.
FIGS. 1-8 has shown one Embodiment of the traveling area discrimination | determination apparatus of the mobile robot based on this invention, In this embodiment, the case where a mobile robot is a vehicle type is mentioned as an example and demonstrated.
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の前方側のプロファイルデータ及び反射したレーザ光のパルス幅を取得する水平ラインスキャンタイプの1軸のレーザレンジファインダ１１を具備した外界計測部１０と、バーチカルジャイロ２１及びＧＰＳ２２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で得た外界データがＬＡＮ２を介して入力されると共に自己位置計測部２０で得た自己位置データが入出力回路３を介して入力される処理部３０と、この処理部３０とＬＡＮ２を介して接続する地図作成部４０を備えており、外界計測部１０の1軸のレーザレンジファインダ１１では、図３に模式的に示すように、水平スキャンラインＳｃに沿う水平方向のプロファイルデータを取得するものとなっている。 As shown in FIGS. 1 and 2, this travel region discriminating apparatus 1 is a horizontal line scan type 1 that scans a laser beam to acquire profile data on the front side of the mobile robot R and a pulse width of the reflected laser beam. An external field measurement unit 10 having an axis laser range finder 11, a vertical gyro 21 and a GPS 22, a self-position measurement unit 20 for determining the self-position of the mobile robot R, and external field data obtained by the external field measurement unit 10 are A processing unit 30 that is input via the LAN 2 and receives the self-position data obtained by the self-position measuring unit 20 via the input / output circuit 3, and a map creation unit 40 that is connected to the processing unit 30 via the LAN 2. In the uniaxial laser range finder 11 of the external measurement unit 10, as shown schematically in FIG. 3, a horizontal line along the horizontal scan line Sc is provided. It has become a thing to get the profile data for direction.
この場合、外界計測部１０のレーザレンジファインダ１１は、移動ロボットＲの中央上部に搭載され、一方、自己位置計測部２０，処理部３０，地図作成部４０及び後述する車体制御部６０のコンピュータ群は、移動ロボットＲの後端部（図２左端部）に搭載されており、この移動ロボットＲの後端上部にはＧＰＳ２２用のアンテナ２３が配置してある。 In this case, the laser range finder 11 of the external measurement unit 10 is mounted on the upper center of the mobile robot R, while the self-position measurement unit 20, the processing unit 30, the map creation unit 40, and a computer group of a vehicle body control unit 60 described later. Is mounted on the rear end portion (left end portion in FIG. 2) of the mobile robot R, and an antenna 23 for the GPS 22 is disposed on the rear end upper portion of the mobile robot R.
そして、移動ロボットＲにおける車体駆動部５０である操舵手段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、同じく車体駆動部５０である車速制御手段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ＬＡＮ２を介して入力されるようになっている。 And the steering means 51 which is the vehicle body drive unit 50 in the mobile robot R is connected to the vehicle body control unit 60 via the driver 52 and the input / output circuit 4, and the vehicle speed control means 53 which is also the vehicle body drive unit 50 is The control unit 54 is connected to the vehicle body control unit 60 via the converter 54 and the input / output circuit 4, and a control signal from the map creation unit 40 is input to the vehicle body control unit 60 via the LAN 2. .
上記処理部３０は、図４にも示すように、外界計測部１０のレーザレンジファインダ１１で得た移動ロボットＲの前方側のプロファイルデータ及び自己位置計測部２０のバーチカルジャイロ２１で得た姿勢データに基づいて前方側領域を走行可能領域及び走行不能領域に区分け処理する走行可否領域分割処理モジュール３０Ａを有していると共に、自己位置計測部２０で得た姿勢データやＧＰＳデータ等の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。 As shown in FIG. 4, the processing unit 30 also includes profile data on the front side of the mobile robot R obtained by the laser range finder 11 of the external measurement unit 10 and posture data obtained by the vertical gyro 21 of the self-position measurement unit 20. And a travel enable / disable region division processing module 30A that divides the front side region into a travelable region and a travel impossible region, and self-position data such as attitude data and GPS data obtained by the self-position measurement unit 20 A self-position information generation module 30B that generates a self-position estimation result based on
この処理部３０では、外界計測部１０のレーザレンジファインダ１１で得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同じ領域に属するか否かに応じた２状態の状態変数を定義して（１）又は（−１）で表すことで、プロファイルデータの任意の領域分割状態を２(N-1)の状態空間のうちの一状態として表現する処理と、この一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用いて、この評価関数を最大とする領域分割状態を上記２(N-1)の状態空間の中からマルコフ連鎖モンテカルロ法により求める処理とを行って、分割後の該領域内の計測点データから、起伏の有無や表面粗さなどの幾何的特徴量を評価することで、移動ロボットＲ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するようにしている。 In this processing unit 30, measurement points adjacent to each other at (N-1) boundary point positions among (N) measurement point data constituting the profile data obtained by the laser range finder 11 of the external field measurement unit 10. By defining two-state state variables according to whether the data belong to the same region and expressing them by (1) or (-1), any region division state of the profile data can be expressed as 2 (N-1). Of the state space, and variations from the approximate line obtained by least square approximation of the measurement point data group obtained by dividing the region in this one state, and regions having similar geometric features Using an evaluation function that takes continuity into account, the region division state that maximizes this evaluation function is obtained from the state space of 2 (N-1) by the Markov chain Monte Carlo method. Within the area From station data, so that to evaluate the geometric characteristics of the presence or absence and the surface roughness of the undulating, partitioning the front side region of the mobile robot R to the travelable area and the wheelchair-stranded region.
加えて、この処理部３０では、区分け処理による走行可能領域内に起伏が存在する場合において、この走行可能領域内の起伏部分の計測点データから、この起伏が斜面であるか段差であるかを判別すると共に、起伏が段差であると判定した際には段差の高低差も計算して、移動ロボットＲの起伏部分での走行の可否を判定処理するようにしている。 In addition, in the processing unit 30, in the case where there are undulations in the travelable area by the segmentation process, it is determined whether the undulations are slopes or steps from the measurement point data of the undulations in the travelable area. At the same time, when it is determined that the undulation is a step, the difference in level of the step is also calculated to determine whether or not the mobile robot R can travel on the undulating portion.
ここで、上記マルコフ連鎖モンテカルロ法を用いた領域分割アルゴリズムを具体的に説明すると、図５に示すように、ステップＳ１でモンテカルロステップｔ＝０の初期状態にある状態変数Ｂ（０）（Ｂ＝ｂ１，ｂ２，…，ｂｉ，…，ｂ(N-1)）に対して、ステップＳ２において、初期エネルギＥ（０）を計算してこの初期状態の評価を行う。 Here, the region segmentation algorithm using the Markov chain Monte Carlo method will be described in detail. As shown in FIG. 5, in step S1, the state variable B (0) (B = b1, (N-1) ), the initial energy E (0) is calculated and the initial state is evaluated in step S2.
次いで、ステップＳ３において、状態Ｂのインデックスｉをランダムに決めてｂｉの値を（１）→（−１）或いは（−１）→（１）に変更して状態Ｂ´を生成し、ステップＳ４において、状態Ｂ´に基づいてエネルギＥ（Ｂ´）を計算してこの状態の評価を行う。 Next, in step S3, the index i of state B is randomly determined and the value of bi is changed from (1) → (−1) or (−1) → (1) to generate state B ′, and step S4. , Energy E (B ′) is calculated based on the state B ′, and this state is evaluated.
次に、ステップＳ５において、変更前のエネルギＥ（Ｂ（ｔ））及び変更後のエネルギＥ´に基づいて、確率Ｐ（Ｂ（ｔ）β）及びＰ（Ｂ´β）を計算するのに続いて、ステップＳ６において、遷移確率を決定するために、メトロポリス法に用いる一様乱数０≦ｒ＜１を生成する。 Next, in step S5, the probabilities P (B (t) β) and P (B′β) are calculated based on the energy E (B (t)) before the change and the energy E ′ after the change. Subsequently, in step S6, a uniform random number 0 ≦ r <1 used for the metropolis method is generated to determine the transition probability.
この後、ステップＳ７において、上記で求めた確率Ｐ（Ｂ（ｔ）β）及びＰ（Ｂ´β）の比であるＰ（Ｂ（ｔ）β）／Ｐ（Ｂ´β）と一様乱数ｒとを比較して、一様乱数ｒがＰ（Ｂ（ｔ）β）／Ｐ（Ｂ´β）よりも小さければ、ステップＳ８において、変更した状態Ｂ´を次の状態とし、一方、一様乱数ｒがＰ（Ｂ（ｔ）β）／Ｐ（Ｂ´β）よりも大きければ、ステップＳ９において、変更前の状態Ｂ（ｔ）を次の状態として、ステップＳ１０において、モンテカルロステップｔが所定回数（５０００回程度）に達するまで上記ステップＳ３以降の操作を繰り返すと、移動ロボットＲの前方側の領域が類似した幾何的特徴を有する連続領域に区分けされることとなる。 Thereafter, in step S7, P (B (t) β) / P (B′β), which is the ratio of the probabilities P (B (t) β) and P (B′β) determined above, and a uniform random number If the uniform random number r is smaller than P (B (t) β) / P (B′β), the changed state B ′ is set as the next state in step S8, while If the random number r is larger than P (B (t) β) / P (B′β), in step S9, the state B (t) before the change is set as the next state, and in step S10, the Monte Carlo step t is When the operation after step S3 is repeated until the predetermined number of times (about 5000 times) is reached, the area on the front side of the mobile robot R is divided into continuous areas having similar geometric characteristics.
この区分けの後、領域内の計測点データから、起伏の有無や表面粗さを評価することにより、走行可能領域及び走行不能領域に区分けすることができ、さらに、上記区分け処理による走行可能領域内に起伏が存在する場合には、この走行可能領域内の起伏部分の計測点データから、この起伏が斜面であるか段差であるかを判別し、起伏が段差であると判定した際には段差の高低差をも計算して、移動ロボットＲの起伏部分での走行の可否を判定することができる。 After this classification, it is possible to classify into the runnable area and the runnable area by evaluating the presence / absence of undulations and surface roughness from the measurement point data in the area. If there is a undulation in the travelable area, determine whether the undulation is a slope or a step from the measurement point data of the undulation, and if it is determined that the undulation is a step, It is possible to determine whether or not the mobile robot R can travel on the undulating portion by calculating the height difference.
この実施形態では、上記ステップＳ３以降の操作を繰り返す過程のステップＳ１１において、シミュレーテッドアニーリングを適用しており、モンテカルロステップｔを増す毎に、パラメータβをあらかじめ決定しておいたΔβ分ずつ増加させている。これにより、状態がローカルミニマムに陥るのを防ぎつつモンテカルロステップｔを実行して、全体最適解を効率よく求め得るようにしている。 In this embodiment, simulated annealing is applied in step S11 in the process of repeating the operations after step S3, and each time the Monte Carlo step t is increased, the parameter β is increased by a predetermined Δβ. ing. As a result, the Monte Carlo step t is executed while preventing the state from falling into the local minimum so that the overall optimum solution can be obtained efficiently.
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走行不能領域の判別情報や、走行可能領域内における起伏部分の走行の可否判定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。 In addition, the map creation unit 40 creates a base map based on the determination information on the travelable area and the travel impossible area obtained from the processing unit 30 and the travelability determination information on the undulating portion in the travelable area. It has a module 40A and a travel route determination module 40B that determines the travel route of the mobile robot R based on the base map created by the map creation module 40A.
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、図６に示すように、ステップＳ２１において、走行領域判別装置１の処理部３０に対して、外界計測部１０からのプロファイルデータ及び自己位置計測部２０からのジャイロ２１やＧＰＳ２２等による自己位置データが入力され、ステップＳ２２において、レーザレンジファインダ１１で得たセンサ座標系データが鉛直上向きを１軸とする直交座標系データ（ジャイロ座標系データ）へ変換される。
Next, a procedure for creating the travel route determination map of the mobile robot R will be described.
First, as shown in FIG. 6, in step S <b> 21, the profile data from the external measurement unit 10, the gyro 21 from the self-position measurement unit 20, the self-position by the GPS 22, etc. Data is input, and in step S22, the sensor coordinate system data obtained by the laser range finder 11 is converted into orthogonal coordinate system data (gyro coordinate system data) having a vertically upward axis as one axis.
続いて、ステップＳ２３において、処理部３０の走行可否領域分割処理モジュール３０Ａにおける上記マルコフ連鎖モンテカルロ法（ＭＣＭＣ）を用いた走行可能領域及び走行不能領域の分割処理が成され、ステップＳ２４において、分割された走行可能領域及び走行不能領域の各々のプロファイルデータに対して、幾何的特徴である起伏の有無及び表面粗さなどの物理量（幾何的特徴量）の計算が成される。 Subsequently, in step S23, a process for dividing the runnable area and the non-runnable area using the Markov chain Monte Carlo method (MCMC) in the runnable / unrunable area dividing module 30A of the processing unit 30 is performed. Calculation of physical quantities (geometric feature quantities) such as the presence / absence of undulations and surface roughness, which are geometric features, is performed on the profile data of the travelable area and the non-travelable area.
次いで、ステップＳ２５において、分割された走行可能領域内の起伏の有無が問われ、起伏が存在しない場合（Ｎｏ）には、ステップＳ２６において、処理部３０の走行可否領域分割処理モジュール３０Ａから得た走行可能領域及び走行不能領域の判別情報と、自己位置情報生成モジュール３０Ｂから得たジャイロ２１やＧＰＳ２２等による自己位置情報とに基づいて、地図作成部４０の地図作成モジュール４０Ａによって整合性のあるベース地図が連続的に作成される。 Next, in step S25, whether or not there are undulations in the divided travelable area is asked, and if there is no undulation (No), in step S26, obtained from the travelable area division processing module 30A of the processing unit 30. Based on the discriminating information of the runnable area and the runnable area and the self-position information obtained from the self-position information generation module 30B by the gyro 21 or the GPS 22 or the like, the map creation module 40A of the map creation unit 40 has a consistent base. Maps are created continuously.
一方、ステップＳ２５において、分割された走行可能領域内に起伏が存在する場合（Ｙｅｓ）には、ステップＳ２７において、領域内の起伏における計測点（レーザ光Ｌの反射点）が選択され、ステップＳ２８において、起伏で反射して戻ったレーザ光Ｌのパルス幅に基づいて、起伏が斜面であるか段差であるかを判定する。 On the other hand, if undulations exist in the divided travelable area in step S25 (Yes), a measurement point (reflection point of the laser beam L) in the undulation in the area is selected in step S27, and step S28 is performed. In FIG. 5, it is determined whether the undulation is a slope or a step based on the pulse width of the laser beam L reflected and returned by the undulation.
具体的には、図７（ａ），（ｂ）に示すように、なだらかな上り勾配の斜面Ｓｌには水平方向にスキャンされるレーザ光Ｌが斜めに当たるので、図７（ｃ）に示すように、斜面Ｓｌで反射して戻るパルス幅Ｗｓｌが大きくなる。これに対して、図８（ａ），（ｂ）に示すように、段差Ｓｔにはその起立した立壁面Ｓｔｗにレーザ光Ｌが正対するようにして当たるので、図８（ｃ）に示すように、立壁面Ｓｔｗで反射して戻るパルス幅Ｗｓｔが小さくなる。 Specifically, as shown in FIGS. 7 (a) and 7 (b), since the laser beam L scanned in the horizontal direction is obliquely applied to the gently sloping slope S1, as shown in FIG. 7 (c). In addition, the pulse width Wsl reflected by the slant surface S1 is increased. On the other hand, as shown in FIGS. 8A and 8B, the laser beam L strikes the stepped surface St so as to face the standing wall surface Stw as shown in FIG. 8C. Furthermore, the pulse width Wst reflected by the standing wall surface Stw is reduced.
したがって、斜面Ｓｌで反射して戻るレーザ光Ｌのパルス幅Ｗｓｌと、段差Ｓｔの立壁面Ｓｔｗで反射して戻るレーザ光Ｌのパルス幅Ｗｓｔとの違いを利用して、ステップＳ２８において、反射して戻ったレーザ光Ｌのパルス幅が閾値よりも小さい場合（Ｙｅｓ）を起伏が段差Ｓｔであると判定し、反射して戻ったレーザ光Ｌのパルス幅が閾値以上である場合（Ｎｏ）を起伏が斜面Ｓｌであると判定する。 Accordingly, the difference between the pulse width Wsl of the laser beam L reflected and returned by the inclined surface Sl and the pulse width Wst of the laser beam L reflected and returned by the standing wall surface Stw of the step St is reflected in step S28. When the pulse width of the returned laser light L is smaller than the threshold (Yes), it is determined that the undulation is the level difference St, and when the pulse width of the reflected laser light L is equal to or larger than the threshold (No). It is determined that the undulation is the slope Sl.
このステップＳ２８において、反射して戻ったレーザ光Ｌのパルス幅が閾値以上であって起伏が斜面Ｓｌであると判定された場合には、ステップＳ２９において、斜面Ｓｌの勾配が計算され、一方、ステップＳ２８において、反射して戻ったレーザ光Ｌのパルス幅が閾値よりも小さくて起伏が段差Ｓｔであると判定された場合には、ステップＳ３０において、段差Ｓｔの高低差が計算され、いずれの場合も、斜面Ｓｌの勾配の計算結果及び段差Ｓｔの高低差の計算結果が、ステップＳ２６におけるベース地図の作成に供される。 If it is determined in step S28 that the pulse width of the reflected laser light L is greater than or equal to the threshold value and the undulation is the slope Sl, the slope of the slope Sl is calculated in step S29, If it is determined in step S28 that the pulse width of the reflected laser beam L is smaller than the threshold value and the undulation is the level difference St, the level difference of the level difference St is calculated in step S30. Also in this case, the calculation result of the slope S1 and the difference in level of the step St is used for creating the base map in step S26.
上記したように、この実施形態に係る移動ロボットの走行領域判別装置１によれば、マルコフ連鎖モンテカルロ法（ＭＣＭＣ）を用いて走行可能領域及び走行不能領域の分割を行った後、それぞれの領域に含まれる計測点群に対して、幾何的特徴である起伏の有無や表面粗さ等の幾何的特徴量を評価することで、走行可能領域及び走行不能領域を決定することができるので、この結果を自律走行の経路計画地図の生成に供すれば、有益な自律走行の経路計画地図を作成し得ることとなる。 As described above, according to the mobile robot travel region discriminating apparatus 1 according to this embodiment, after dividing the travelable region and the travel impossible region using the Markov chain Monte Carlo method (MCMC), As a result, it is possible to determine the runnable area and the runnable area by evaluating geometric features such as the presence or absence of undulations and surface roughness, which are geometric features, for the included measurement points. Can be used to generate a route plan map for autonomous travel, a useful autonomous route plan map can be created.
加えて、上記のようにして正しく分割された領域のうちの走行可能領域内に起伏があったとしても、この起伏が斜面Ｓｌであるか段差Ｓｔであるかを判別（段差Ｓｔであると判定した場合には段差の高低差も計算）して、移動ロボットＲの起伏部分での走行の可否を決定することができるので、この結果も自律走行の経路計画地図の生成に供すれば、移動ロボットＲのより一層有益な自律走行の経路計画地図を作成し得ることとなり、この経路計画地図の作成に際しては、１台の水平ラインスキャンタイプのレーザレンジファインダ１１のみを使用するようにしているので、判別コストの低減が図られることとなる。 In addition, even if there is a undulation in the travelable area among the areas correctly divided as described above, it is determined whether the undulation is the slope S1 or the step St (determined to be the step St). In this case, it is possible to determine whether or not the mobile robot R can travel on the undulating portion by calculating the difference in level of the step). If this result is also used to generate a route plan map for autonomous travel, It is possible to create a route plan map for the robot R that is more useful for autonomous traveling. In creating this route plan map, only one horizontal line scan type laser range finder 11 is used. Therefore, the discrimination cost can be reduced.
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。 In the travel region discriminating apparatus 1 described above, the external measurement unit 10 includes the uniaxial laser range finder 11, but the configuration and arrangement of the external measurement unit 10 other than the uniaxial laser range finder 11 are the same. It is not limited to.
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。 In the above-described embodiment, the mobile robot is a vehicle type. However, the present invention is not limited to this.
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
３０ 処理部
Ｌ レーザ光
Ｒ 移動ロボット
Ｓｌ 斜面
Ｓｔ 段差
Ｗｓｌ 斜面で反射したレーザ光のパルス幅
Ｗｓｔ 段差で反射したレーザ光のパルス幅
DESCRIPTION OF SYMBOLS 1 Mobile robot travel area discriminating device 10 External measurement unit 11 Single-axis laser range finder 30 Processing unit L Laser beam R Mobile robot Sl Slope St Step Wsl Pulse width of laser beam reflected by slope Wst Pulse of laser beam reflected by step width
Claims (4)
レーザ光を走査して前記移動ロボットの前方側のプロファイルデータ及び反射したレーザ光のパルス幅を取得する水平ラインスキャンタイプのレーザレンジファインダを具備した外界計測部と、
この外界計測部のレーザレンジファインダで得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同一領域であるか否かに応じた２状態の状態変数を定義することで、前記プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現し、互いに異なる幾何的特徴を有する領域を評価する値として、前記一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用い、前記２（Ｎ−１）の状態空間の中から前記評価関数を最大とする領域分割状態をマルコフ連鎖モンテカルロ法により求め、分割後の該領域内の計測点データから、起伏の有無や表面粗さなどの幾何的特徴量を評価することにより、前記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する処理部を備えた移動ロボットの走行領域判別装置において、
前記処理部では、前記区分け処理による走行可能領域内に起伏が存在する場合に、該領域内の計測点データのうちの前記起伏で反射して戻ったレーザ光のパルス幅に基づいて前記起伏が斜面であるか段差であるかを判別し、前記起伏が斜面であると判定した場合には、該斜面の勾配を計算し、前記起伏が段差であると判定した場合には、該段差の高低差を計算して、前記移動ロボットの前記起伏部分での走行の可否を判定処理する
ことを特徴とする移動ロボットの走行領域判別装置。 A traveling area determination device that divides an area on the front side of a mobile robot that travels autonomously into a travelable area and a travel impossible area,
An external field measurement unit equipped with a horizontal line scan type laser range finder that scans a laser beam to acquire profile data on the front side of the mobile robot and a pulse width of the reflected laser beam;
The measurement point data adjacent to each other at the (N-1) boundary point positions among the (N) measurement point data constituting the profile data obtained by the laser range finder of the external measurement unit is the same region. By defining a state variable of two states according to whether or not, an arbitrary region division state of the profile data is expressed as one state in 2 (N-1) state spaces, and different geometric features As a value for evaluating a region having, the variation from the approximate line obtained by least square approximation of the measurement point data group divided into regions in the one state and the continuity of regions having similar geometric features are taken into account using an evaluation function, the 2 (N-1) obtains the area dividing state to maximize the evaluation function from the state space by a Markov chain Monte Carlo methods, within that region of the measurement after the division A mobile robot equipped with a processing unit that divides the area on the front side of the mobile robot into a runnable area and a non-runnable area by evaluating geometric features such as undulations and surface roughness from the data. In the travel area discrimination device,
In the processing unit, when undulations exist in the travelable area by the classification process, the undulations are generated based on the pulse width of the laser beam reflected and returned by the undulations in the measurement point data in the area. When it is determined whether the undulation is a slope, the slope of the slope is calculated, and when the undulation is determined to be a step, the level of the step is determined. A mobile robot travel region determination device characterized by calculating a difference and determining whether or not the mobile robot can travel on the undulating portion.
前記移動ロボットに搭載した水平ラインスキャンタイプの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プロファイルデータ及び反射したレーザ光のパルス幅を取得した後、
前記移動ロボットのレーザレンジファインダで得たプロファイルデータを構成する（Ｎ）個の計測点データ間における（Ｎ−１）個の境界点位置に、互いに隣接する計測点データ同士が同一領域にあるか否かに応じた２状態の状態変数を定義することで、前記プロファイルデータの任意の領域分割状態を２（Ｎ−１）の状態空間のうちの一状態として表現し、
互いに異なる幾何的特徴を有する領域を評価する値として、前記一状態における領域分割した計測点データ群を最小自乗近似して得た近似線からのばらつき、及び、類似する幾何的特徴を有する領域の連続性を加味した評価関数を用いて、
前記２（Ｎ−１）の状態空間の中から前記評価関数を最大とする領域分割状態をマルコフ連鎖モンテカルロ法により求め、分割後の該領域内の計測点データから、起伏の有無や表面粗さなどの幾何的特徴量を評価することにより、前記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するのに続いて、
この区分け処理による走行可能領域内に起伏が存在する場合に、該領域内の計測点データのうちの前記起伏で反射して戻ったレーザ光のパルス幅に基づいて前記起伏が斜面であるか段差であるかを判別し、前記起伏が斜面であると判定した場合には、該斜面の勾配を計算し、前記起伏が段差であると判定した場合には、該段差の高低差を計算して、前記移動ロボットの前記起伏部分での走行の可否を判定処理する
ことを特徴とする移動ロボットの走行領域判別方法。 A traveling area determination method that divides an area on the front side of a mobile robot that travels autonomously into a travelable area and a travel impossible area,
After scanning the laser beam from a horizontal line scan type laser range finder mounted on the mobile robot to obtain the profile data on the front side of the mobile robot and the pulse width of the reflected laser beam,
Whether (N-1) boundary point positions among (N) measurement point data constituting the profile data obtained by the laser range finder of the mobile robot are adjacent to each other in the same region. By defining a state variable of two states according to whether or not, an arbitrary region division state of the profile data is expressed as one state in 2 (N-1) state spaces,
As a value for evaluating a region having different geometric features, variation from an approximate line obtained by least square approximation of the measurement point data group obtained by dividing the region in the one state, and a region having a similar geometric feature Using an evaluation function that takes continuity into account,
The region division state that maximizes the evaluation function is obtained from the 2 (N-1) state space by the Markov chain Monte Carlo method, and the presence or absence of undulations and the surface roughness are obtained from the measurement point data in the divided region. In order to divide the area on the front side of the mobile robot into a travelable area and a travel impossible area by evaluating geometric feature quantities such as
If there are undulations in the travelable area by this segmentation process, the undulations are slopes or steps based on the pulse width of the laser beam reflected back from the undulations of the measurement point data in the area If it is determined that the undulation is a slope, the slope of the slope is calculated, and if it is determined that the undulation is a step, the height difference of the step is calculated. A method for determining whether or not the mobile robot is traveling in the undulating portion is characterized in that the mobile robot travels in the region.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012274711A JP6157105B2 (en) | 2012-12-17 | 2012-12-17 | Traveling area discrimination device and traveling area discrimination method for mobile robot |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012274711A JP6157105B2 (en) | 2012-12-17 | 2012-12-17 | Traveling area discrimination device and traveling area discrimination method for mobile robot |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2014119349A JP2014119349A (en) | 2014-06-30 |
| JP6157105B2 true JP6157105B2 (en) | 2017-07-05 |
Family
ID=51174304
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012274711A Active JP6157105B2 (en) | 2012-12-17 | 2012-12-17 | Traveling area discrimination device and traveling area discrimination method for mobile robot |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6157105B2 (en) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| SE538372C2 (en) | 2014-12-23 | 2016-05-31 | Husqvarna Ab | Improved map generation by a robotic work tool |
| JP6601670B2 (en) * | 2015-08-28 | 2019-11-06 | 学校法人早稲田大学 | Road surface condition recognition device, program thereof, and mobile system |
| JP6649054B2 (en) * | 2015-11-19 | 2020-02-19 | アイシン精機株式会社 | Moving body |
| JP6910277B2 (en) | 2017-12-14 | 2021-07-28 | 株式会社小松製作所 | Work machine control systems, methods, and work machines |
| JP6946227B2 (en) * | 2018-03-29 | 2021-10-06 | 株式会社小松製作所 | Work vehicle control systems, methods, and work vehicles |
| CN114882461B (en) * | 2022-05-25 | 2023-09-29 | 阿波罗智能技术(北京)有限公司 | Equipment environment recognition method and device, electronic equipment and automatic driving vehicle |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003065740A (en) * | 2001-08-27 | 2003-03-05 | Nissan Motor Co Ltd | Device for determining slope of forward road |
| JP4556597B2 (en) * | 2004-09-29 | 2010-10-06 | 日産自動車株式会社 | Leading vehicle detection device |
| JP2011145156A (en) * | 2010-01-14 | 2011-07-28 | Ihi Aerospace Co Ltd | Apparatus and method for determining traveling area of mobile robot |
-
2012
- 2012-12-17 JP JP2012274711A patent/JP6157105B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2014119349A (en) | 2014-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US11681746B2 (en) | Structured prediction crosswalk generation | |
| JP5192868B2 (en) | Traveling area discrimination device and traveling area discrimination method for mobile robot | |
| CN109521756B (en) | Obstacle motion information generation method and apparatus for unmanned vehicle | |
| JP6157105B2 (en) | Traveling area discrimination device and traveling area discrimination method for mobile robot | |
| US11709058B2 (en) | Path planning method and device and mobile device | |
| Ruchti et al. | Localization on openstreetmap data using a 3d laser scanner | |
| CN110674705B (en) | Small-sized obstacle detection method and device based on multi-line laser radar | |
| CN102248947B (en) | Object and vehicle detecting and tracking using a 3-D laser rangefinder | |
| Guo et al. | Graph-based 2D road representation of 3D point clouds for intelligent vehicles | |
| JP2011145156A (en) | Apparatus and method for determining traveling area of mobile robot | |
| JP7059888B2 (en) | Assistance control system | |
| CN107766405A (en) | Automotive vehicle road model defines system | |
| JP7232946B2 (en) | Information processing device, information processing method and program | |
| Pannen et al. | Hd map change detection with a boosted particle filter | |
| JP2009175932A (en) | Traveling area detection device and method for mobile robot | |
| CN112880694A (en) | Method for determining the position of a vehicle | |
| EP4160146A1 (en) | Quadtree based data structure for storing information relating to an environment of an autonomous vehicle and methods of use thereof | |
| CN114119920A (en) | Three-dimensional point cloud map construction method and system | |
| Rato et al. | LIDAR based detection of road boundaries using the density of accumulated point clouds and their gradients | |
| Wang et al. | Two-stage road terrain identification approach for land vehicles using feature-based and markov random field algorithm | |
| Dey et al. | Robust perception architecture design for automotive cyber-physical systems | |
| JP5414618B2 (en) | Traveling area discrimination device and traveling area discrimination method for mobile robot | |
| Zhou et al. | Crater identification simulation using LiDAR on Lunar rover | |
| CN105180955A (en) | Real-time precise positioning method and real-time precise positioning device of motor vehicles | |
| KR20180086951A (en) | Region selection method and device for generating precise map |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20151216 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161104 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161116 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161228 |
|
| 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: 20170524 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170606 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6157105 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |