JP6390540B2 - 自律移動体及び自律移動体の位置推定方法 - Google Patents

Description

本発明は自律移動体に関する。

移動体の位置を推定する技術が開発されている。例えば、特許文献１には、画像処理装置において、特徴情報とその位置情報とを記憶し、撮像画像から実特徴を抽出し、特徴情報と実特徴とを比較して移動体の位置を推定することが記載されている。

特開２０１１−２４８４４１号公報

上記の画像処理装置では、環境中に相互に類似する特徴点が複数存在する場合に、撮像画像から抽出した実特徴と類似する特徴点が特徴情報として複数記憶されているために、移動体の位置を正しく推定することができない。
本発明は、このような問題を解決するためになされたものであり、自己（自律移動体）の位置を正確に推定することができる自律移動体及び自律移動体の位置推定方法を提供することを目的とする。

本発明に係る自律移動体は、環境を撮像した画像から抽出した画像特徴と当該画像特徴の絶対位置とを対応付けた画像特徴マップを記憶するマップ記憶部と、自己の周囲の撮像画像と距離画像とを取得する画像取得部と、当該撮像画像から実画像特徴を抽出し、当該距離画像を用いて画像取得部に対する当該実画像特徴の位置情報を取得する特徴抽出部と、非対称な位置関係にある複数の実画像特徴と当該複数の実画像特徴の位置情報とを対応付けた実画像特徴の分布マップを作成するマップ作成部と、当該分布マップと画像特徴マップとを照合して、分布マップに対応する画像特徴マップ上の位置を検出し、実画像特徴の絶対位置を推定する特徴位置推定部と、実画像特徴の絶対位置と実画像特徴の位置情報とに基づいて、自己の絶対位置を推定する自己位置推定部とを備えるものである。

また、本発明に係る自律移動体の位置推定方法は、環境を撮像した画像から抽出した画像特徴と当該画像特徴の絶対位置とを対応付けた画像特徴マップを記憶するマップ記憶ステップと、自律移動体の画像取得部が自律移動体周囲の撮像画像と距離画像とを取得する画像取得ステップと、当該撮像画像から実画像特徴を抽出し、当該距離画像を用いて画像取得部に対する当該実画像特徴の位置情報を取得する特徴抽出ステップと、非対称な位置関係にある複数の実画像特徴と当該複数の実画像特徴の位置情報とを対応付けた実画像特徴の分布マップを作成するマップ作成ステップと、当該分布マップと画像特徴マップとを照合して、分布マップに対応する画像特徴マップ上の位置を検出し、実画像特徴の絶対位置を推定する特徴位置推定ステップと、実画像特徴の絶対位置と実画像特徴の位置情報とに基づいて、自律移動体の絶対位置を推定する移動体位置推定ステップとを有するものである。

本発明により、自己（自律移動体）の位置を正確に推定することができる自律移動体及び自律移動体の位置推定方法を提供することができる。

実施の形態に係る自律移動体１の概略システム構成を示すブロック図である。 実施の形態に係る自律移動体１のマップ処理の処理手順を示すフローチャートである。 実施の形態に係る作業環境を示す図である。 実施の形態に係る撮像画像と画像特徴とを示す図である。 実施の形態に係る画像特徴の２Ｄ投影結果を示す図である。 実施の形態に係る別の画像特徴の２Ｄ投影結果を示す図である。 実施の形態に係る自律移動体１の自己位置推定処理の処理手順を示すフローチャートである。 実施の形態に係る複数の実画像特徴の非対称な位置関係を説明するための図である。 実施の形態に係る実画像特徴の２Ｄ投影結果を示す図である。 実施の形態に係る照合結果を模式的に示す図である。 実施の形態に係る撮像画像と画像特徴とを示す別の図である。 実施の形態に係る複数の実画像特徴の非対称な位置関係を説明するための別の図である。

以下、図面を参照して本実施の形態に係る自律移動体について説明する。
まず、本実施の形態に係る自律移動体の構成について説明する。
本実施の形態に係る自律移動体は、例えば、作業環境内を自律的に移動し、作業環境内に存在する物体を認識して把持動作を実行するようなロボットである。自律移動体の外形は公知のものであって良く、ここでは図示を省略する。

図１は、本実施の形態に係る自律移動体１の概略システム構成を示すブロック図である。
自律移動体１は、画像取得部１０、特徴抽出部２０、マップ作成部３０、マップ記憶部４０、特徴位置推定部５０、自己位置推定部６０、制御部７０などを備えている。
画像取得部１０は、被写体の撮像画像（例えば、輝度画像、ＲＧＢ画像など）と、画像取得部１０から被写体までの距離を示す距離画像とを取得し、特徴抽出部２０に出力する。画像取得部１０は、例えば、ＲＧＢ−Ｄカメラで構成される。また、画像取得部１０は、自律移動体１の頭部（図示せず）に設けられており、自律移動体１がその頭部を回転などで移動させることにより、視野の異なる複数の撮像画像及び距離画像を取得することができる。

特徴抽出部２０は、撮像画像から実画像特徴を抽出する。実画像特徴としては、例えば、ＳＩＦＴ（Scale-Invariant Feature Transform）などの局所画像特徴量を用いて特徴点を抽出したり、エッジを抽出したりする。また、特徴抽出部２０は、距離画像を用いて実画像特徴の位置情報を取得し、実画像特徴とその位置情報とをマップ作成部３０に出力する。
なお、本明細書では説明を分りやすくするために、自律移動体１が自己位置を推定するときに抽出する画像特徴を「実画像特徴」と呼び、マップ記憶部４０に記憶させる画像特徴マップを作成するときに抽出する画像特徴を単に「画像特徴」と呼んで、区別することにする。
また、実画像特徴の位置情報とは、画像取得部１０又は自律移動体１に対する実画像特徴の相対的な位置の情報である。

マップ作成部３０は、実画像特徴と実画像特徴の位置情報とを対応付けた実画像特徴の分布マップ（例えば、２Ｄグリッドマップなど）を作成し、特徴位置推定部５０に出力する。
マップ記憶部４０は、環境を撮像した画像から抽出した画像特徴と当該画像特徴の絶対位置とを対応付けた画像特徴マップを記憶し、特徴位置推定部５０に出力する。

特徴位置推定部５０は、実画像特徴の分布マップと画像特徴マップとをパーティクルフィルタなどのマッチング手法により照合し、実画像特徴の分布マップに対応する画像特徴マップ上の位置を検出し、画像特徴の絶対位置に基づいて実画像特徴の絶対位置を推定し、自己位置推定部６０に出力する。
自己位置推定部６０は、実画像特徴の絶対位置と位置情報とに基づいて、自己の絶対位置、すなわち、自律移動体１の絶対位置を推定する。
制御部７０は、自律移動体１全体の動作を制御する。

なお、自律移動体１が実現する各構成要素は、例えば、制御部７０の制御によって、プログラムを実行させることによって実現できる。より具体的には、自律移動体１は、例えば、記憶部（図示せず）に格納されたプログラムを主記憶装置（図示せず）にロードし、制御部７０の制御によってプログラムを実行して実現する。また、各構成要素は、プログラムによるソフトウェアで実現することに限ることなく、ハードウェア、ファームウェア及びソフトウェアのうちのいずれかの組み合わせ等により実現しても良い。

上述したプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、自律移動体１に供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えば、フレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば、光磁気ディスク）、ＣＤ−ＲＯＭ（Read Only Memory）、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（random access memory））を含む。

また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によって自律移動体１に供給されても良い。一時的なコンピュータ可読媒体の例は、電気信号、光信号及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムを自律移動体１に供給できる。

続いて、本実施の形態に係る自律移動体１の動作、すなわち、自律移動体１の位置推定方法について、実際の画像なども参照しながら、具体的に説明する。
自律移動体１の動作には、作業環境を撮像した画像から画像特徴を抽出して画像特徴マップを作成し記憶するまでのマップ処理と、自己の周囲を撮像した画像から実画像特徴を抽出して自己の絶対位置を推定するまでの自己位置推定処理とが含まれる。

まず、自律移動体１のマップ処理について説明する。
図２は、本実施の形態に係る自律移動体１のマップ処理の処理手順を示すフローチャートである。
マップ処理を開始すると、画像取得部１０が、作業環境内で視野の異なる複数の撮像画像と距離画像とを取得する（ステップＳ１０）。

図３は、本実施の形態に係る作業環境を示す図である。自律移動体１の作業環境となる、机、イス、ベッドなどの家具類が置かれた部屋を上から見たときの図である。
自律移動体１はこの部屋の中を決められた経路で又はランダムに移動して複数の撮像画像と距離画像とを取得する。画像取得部１０が取得する撮像画像と距離画像との間には対応関係があり、撮像画像の各画素の被写体について、当該被写体と画像取得部１０との間の距離を距離画像から求めることができる。

次に、特徴抽出部２０が撮像画像から画像特徴を抽出する（ステップＳ２０）。
図４は、本実施の形態に係る撮像画像と画像特徴とを示す図である。
撮像画像には、画像左下に机とイスとが、画像中央にベッドが、画像左上に壁面収納棚が図３に示した配置とほぼ同じ配置で写っている。また、画像特徴はＳＩＦＴ特徴量を用いて抽出した特徴点であり、その位置を撮像画像中の楕円で示している。特徴点は、机などの家具類及び壁面収納棚の端部、壁と壁との境界、壁と床との境界などにおいて抽出されている。

次に、特徴抽出部２０が画像特徴の位置情報を算出する（ステップＳ３０）。
画像特徴の位置情報は、画像取得部１０又は自律移動体１に対する画像特徴の相対的な位置の情報であり、距離画像を用いて算出することができる。
次に、マップ作成部３０が画像特徴の位置情報を絶対位置に変換する（ステップＳ４０）。
ここでの絶対位置とは、例えば、図２に示すように部屋の隅（壁２面と床面との交点）を原点とする３次元空間の位置座標である。複数の撮像画像及び距離画像から得られた各画像特徴の位置情報、自律移動体１の移動量に関する情報などを総合して、各画像特徴の位置情報を絶対位置に変換することができる。

次に、マップ作成部３０が画像特徴の絶対位置を用いて、画像特徴マップを作成する（ステップＳ５０）。
まず、各画像特徴を、その絶対位置の高さ情報を０にして２Ｄ投影する。
図５は、本実施の形態に係る画像特徴の２Ｄ投影結果を示す図である。図４に示した画像特徴を２Ｄ投影したものである。やはり、画像特徴の位置を図５中の楕円で示している。なお、図４、５では、画像特徴の位置や数を厳密に一致させて図示していない。

図６は、本実施の形態に係る別の画像特徴の２Ｄ投影結果を示す図である。左図のように家具類が配置された部屋において、画像特徴を抽出し、２Ｄ投影すると右図のような画像になる。右図の各点が画像特徴の位置を示す。この画像は、部屋のどの位置に特徴的なものが多いか少ないかを示すものということもできる。
そして、２Ｄ投影したものを２Ｄグリッドマップとして離散化して画像特徴マップを完成する。
また、マップ作成部３０は、画像特徴を２Ｄ投影しないで、３Ｄ情報のまま、２．５Ｄマップ又はボクセルグリッドに離散化して画像特徴マップを完成させても良い。

次に、マップ記憶部４０が完成した画像特徴マップを記憶する（ステップＳ６０）。
自律移動体１は、以上説明したステップＳ１０〜ステップＳ６０の各処理を実行することにより、画像特徴マップを作成、記憶してマップ処理を終了する。

続いて、自律移動体１の自己位置推定処理について説明する。
図７は、本実施の形態に係る自律移動体１の自己位置推定処理の処理手順を示すフローチャートである。
自己位置推定処理を開始すると、画像取得部１０が、自律移動体１の周囲の撮像画像と距離画像とを取得する（ステップＳ１１０）。

次に、特徴抽出部２０が撮像画像から実画像特徴を抽出する（ステップＳ１２０）。
画像取得部１０がステップＳ１１０で取得する撮像画像、及び、特徴抽出部２０がステップＳ１２０で抽出する実画像特徴は、図４で示した撮像画像及び画像特徴と同様であり、ここでは図示を省略する。
次に、特徴抽出部２０が実画像特徴の位置情報を算出する（ステップＳ１３０）。
実画像特徴の位置情報は、画像取得部１０又は自律移動体１に対する実画像特徴の相対的な位置の情報であり、画像取得部１０がステップＳ１１０で取得した距離画像を用いて算出することができる。

次に、特徴抽出部２０が、複数の実画像特徴が非対称な位置関係にあるかどうかを判断する（ステップＳ１４０）。
特徴抽出部２０は、まず、抽出した特徴点が３つ以上あるかを判断する。抽出した特徴点が３つ以上ないときは、実画像特徴が非対称な位置関係にないと判断する（ステップＳ１４０のＮｏ）。

また、特徴抽出部２０は、抽出した特徴点が３つ以上あるときに、いずれか１つの特徴点を選択し、選択した特徴点を通るどのような平面に対しても残りの特徴点が非対称な位置にあるとき（又は、面対称な位置にないとき）に、複数の実画像特徴が非対称な位置関係にあると判断し（ステップＳ１４０のＹｅｓ）、選択した特徴点を通る平面に対して残りの特徴点が対称な位置にあるとき（又は、面対称な位置にあるとき）に、複数の実画像特徴が非対称な位置関係にないと判断する（ステップＳ１４０のＮｏ）。
もちろん、特徴点の非対称な位置についての判断手法は上記に限られるものではない。

図８は、本実施の形態に係る複数の実画像特徴の非対称な位置関係を説明するための図である。
左側の１例は複数の実画像特徴が非対称な位置関係にあると判断する場合であり、どの特徴点を選択しても、その特徴点を通るどのような平面に対しても残りの特徴点が非対称な位置にある。右側の２例は複数の実画像特徴が非対称な位置関係にないと判断する場合であり、中央の特徴点を選択した場合に、中央の特徴点を通る平面に対して左右の特徴点が対称な位置にある。
非対称な位置関係にある複数の実画像特徴を用いることにより、特徴位置推定部５０が実画像特徴の分布マップと画像特徴マップとを照合するときの誤照合を減らすことができる。

なお、特徴抽出部２０が複数の実画像特徴は非対称な位置関係にないと判断したときは（ステップＳ１４０のＮｏ）、ステップ１１０に戻る。そして、自律移動体１が頭部を移動して、画像取得部１０が前回とは異なる視野の撮像画像と距離画像とを取得し、改めてステップＳ１２０〜ステップＳ１４０の処理を行う。

また、ステップＳ１４０で特徴抽出部２０が複数の画像特徴が非対称な位置関係にあるかどうかを改めて判断するときは、ステップＳ１１０で取得した前回とは異なる視野の撮像画像と距離画像とから抽出した複数の画像特徴を用いても良いし、前回分も含めた視野の異なる複数の撮像画像と距離画像とから抽出した複数の画像特徴を自律移動体１の頭部の移動量で位置情報を調整して用いても良い。このようにすれば、画像取得部１０の画角が狭くても、撮像可能な範囲を拡大することができる。

次に、特徴抽出部２０が、複数の実画像特徴は非対称な位置関係にあると判断したときは（ステップＳ１４０のＹｅｓ）、マップ作成部３０が実画像特徴の位置情報を用いて、実画像特徴の分布マップを作成する（ステップＳ１５０）。実画像特徴の分布マップを作成する処理は、マップ作成部３０がステップＳ５０で画像特徴マップを作成するときと同様の処理である。
図９は、本実施の形態に係る実画像特徴の２Ｄ投影結果を示す図である。実画像特徴の位置を楕円で示すとともに、画像取得部１０とその視野１１とを参考に示している。

次に、特徴位置推定部５０が実画像特徴の分布マップと画像特徴マップとを照合して、実画像特徴の分布マップに対応する画像特徴マップ上の位置を検出する（ステップＳ１６０）。照合にはパーティクルフィルタなどの公知のマッチング手法を用いることができる。
次に、特徴位置推定部５０が実画像特徴の分布マップと画像特徴マップとは一対一で対応したか、すなわち、実画像特徴の分布マップに対応する画像特徴マップ上の位置を一意的に検出したかを判断する（ステップＳ１７０）。

実画像特徴の分布マップと画像特徴マップとが対応したと判断したときは（ステップＳ１７０のＹｅｓ）、特徴位置推定部５０は、各実画像特徴の絶対位置をそれぞれ対応する画像特徴の絶対位置と一致させて、各実画像特徴の絶対位置を推定する（ステップＳ１８０）。
図１０は、本実施の形態に係る照合結果を模式的に示す図である。
図９に示した実画像特徴の分布マップと、図５に示した画像特徴マップの一部（ベット及び棚で抽出された画像特徴の分布）とが対応していることが分かる。このため、図９に示した実画像特徴の絶対位置が、図５に示したベッド及び棚で抽出された画像特徴の絶対位置になると推定する。

実画像特徴の分布マップと画像特徴マップとが対応しないと判断したときは（ステップＳ１７０のＮｏ）、ステップＳ１１０に戻って画像取得部１０が撮像画像と距離画像とを取得する処理からやり直す。このとき、ステップＳ１２０に戻って特徴抽出部２０が実画像特徴を抽出する処理からやり直すなど、他のステップに戻って処理をやり直しても良い。

次に、自己位置推定部６０が、実画像特徴の絶対位置と、実画像特徴の位置情報（画像取得部１０又は自律移動体１に対する実画像特徴の相対的な位置の情報）とから自己の絶対位置、すなわち、自律移動体１の絶対位置を推定する（ステップＳ１９０）。自己位置推定部６０は、例えば、図１０に示したように、自律移動体１が机又はイスの近くに位置するを推定する。
自律移動体１は、以上説明したステップＳ１１０〜ステップＳ１９０の各処理を実行することにより、自己の絶対位置を推定して自己位置推定処理を終了する。

このように、本実施の形態に係る自律移動体１及び自律移動体１の自己位置推定方法は、自己（自律移動体）の位置を正確に推定することができる。このとき、環境中の画像特徴の分布（例えば、部屋のどの位置に特徴的なものが多いか少ないか）を示すマップを利用して自己位置を推定するので、廊下などの画像特徴が少ない環境であっても、画像特徴の分布に有意性があれば自律移動体の位置を正確に推定することができる。

なお、本実施の形態に係る自律移動体１及び自律移動体１の自己位置推定方法では、画像特徴及び実画像特徴としてエッジを抽出して用いても良い。
図１１は、本実施の形態に係る撮像画像と画像特徴とを示す別の図である。
図１１に示した撮像画像は図４に示したものと同じであるが、画像特徴としてエッジを抽出している。エッジは一般に細い直線、曲線などの線として抽出されるが、図１１ではその位置及び形状を明らかにするために、エッジを太い破線で示し、その位置も抽出されたところから若干ずらしている。エッジは、机、イス、ベッド及び壁面収納棚の端部、壁と壁との境界、壁と床との境界などにおいて抽出されている。

また、実画像特徴としてエッジを抽出するときには、特徴抽出部２０がステップＳ１４０で複数の実画像特徴は非対称な位置関係にあるかどうかを判断するときの判断手法が異なる。
図１２は、本実施の形態に係る複数の実画像特徴の非対称な位置関係を説明するための別の図である。
特徴抽出部２０は、エッジが２本以上あり、エッジが存在する空間のどのような平面に対してもエッジ同士が非対称となるときに、実画像特徴が非対称な位置関係にあると判断する。もちろん、エッジの非対称な位置についての判断手法もこれに限られるものではない。
画像特徴及び実画像特徴としてエッジを抽出するときでも、マップ作成、マップ照合などの他のステップは、特徴点のときと同様に処理することができる。

また、本実施の形態に係る自律移動体１及び自律移動体１の自己位置推定方法では、自律移動体１自体がマップ処理及び自己位置推定処理を実行していたが、これらの処理の一部のステップを他の装置に実行させるようにすることもできる。例えば、他の自律移動体やユーザが運転する移動体などが作業環境を撮像して画像特徴マップを作成するようにしても良し、自律移動体１が画像取得部１０と制御部７０とを備え、他の装置が特徴抽出部２０、マップ作成部３０などの構成を備えて、自律移動体１と他の装置とが無線又は有線の通信をしてマップ処理及び自己位置推定処理（自律移動体１の位置推定処理）を実行するようにしても良い。

以上、説明したように、本実施の形態に係る自律移動体１は、環境を撮像した画像から抽出した画像特徴と当該画像特徴の絶対位置とを対応付けた画像特徴マップを記憶するマップ記憶部４０と、自己の周囲の撮像画像と距離画像とを取得する画像取得部１０と、当該撮像画像から実画像特徴を抽出し、当該距離画像を用いて画像取得部１０に対する当該実画像特徴の位置情報を取得する特徴抽出部２０と、非対称な位置関係にある複数の実画像特徴と当該複数の実画像特徴の位置情報とを対応付けた実画像特徴の分布マップを作成するマップ作成部３０と、当該分布マップと画像特徴マップとを照合して、分布マップに対応する画像特徴マップ上の位置を検出し、実画像特徴の絶対位置を推定する特徴位置推定部５０と、実画像特徴の絶対位置と実画像特徴の位置情報とに基づいて、自己の絶対位置を推定する自己位置推定部６０とを備えるものである。
このような構成により、自己（自律移動体１）の位置を正確に推定することができる。

また、本実施の形態に係る自律移動体１は、特徴抽出部２０が、視野の異なる複数の撮像画像と距離画像とを用いて、非対称な位置関係にある複数の実画像特徴を検出することが好ましい。
このような構成により、自己の位置をより正確に推定することができる。
また、本実施の形態に係る自律移動体１は、画像特徴マップ及び分布マップが、２Ｄグリッドマップ、高さ情報を有する２Ｄグリッドマップ又はボクセルグリッドであって、特徴位置推定部５０は、画像特徴マップと分布マップとをパーティクルフィルタを用いて照合することが好ましい。
このような構成により、演算量を減らして自己の位置を推定することができる。

また、本実施の形態に係る自律移動体１の位置推定方法は、環境を撮像した画像から抽出した画像特徴と当該画像特徴の絶対位置とを対応付けた画像特徴マップを記憶するマップ記憶ステップＳ６０と、自律移動体１の画像取得部１０が自律移動体周囲の撮像画像と距離画像とを取得する画像取得ステップＳ１１０と、当該撮像画像から実画像特徴を抽出し、当該距離画像を用いて画像取得部１０に対する当該実画像特徴の位置情報を取得する特徴抽出ステップＳ１２０〜Ｓ１４０と、非対称な位置関係にある複数の実画像特徴と当該複数の実画像特徴の位置情報とを対応付けた実画像特徴の分布マップを作成するマップ作成ステップＳ１５０と、当該分布マップと画像特徴マップとを照合して、分布マップに対応する画像特徴マップ上の位置を検出し、実画像特徴の絶対位置を推定する特徴位置推定ステップＳ１６０〜Ｓ１８０と、実画像特徴の絶対位置と実画像特徴の位置情報とに基づいて、自律移動体１の絶対位置を推定する移動体位置推定ステップＳ１９０とを有するものである。
このような構成により、自律移動体１の位置を正確に推定することができる。

また、本実施の形態に係る自律移動体１の位置推定方法は、特徴抽出ステップＳ１４０では複数の実画像特徴が非対称な位置関係にあるどうかを判断し、特徴抽出ステップＳ１４０で複数の実画像特徴が非対称な位置関係にないと判断したときに、画像取得部１０が視野を変更し、画像取得ステップＳ１１０と特徴抽出ステップＳ１２０〜Ｓ１４０とを改めて実行することが好ましい。
このような構成により、自律移動体１の位置をより正確に推定することができる。

１ 自律移動体
１０ 画像取得部
２０ 特徴抽出部
３０ マップ作成部
４０ マップ記憶部
５０ 特徴位置推定部
６０ 自己位置推定部

Claims (5)

1. 環境を撮像した画像から抽出した画像特徴と前記画像特徴の絶対位置とを対応付けた画像特徴マップを記憶するマップ記憶部と、
   自己の周囲の撮像画像と距離画像とを取得する画像取得部と、
   前記撮像画像から実画像特徴を抽出し、前記距離画像を用いて前記画像取得部に対する前記実画像特徴の位置情報を取得する特徴抽出部と、
   非対称な位置関係にある複数の前記実画像特徴と前記複数の実画像特徴の位置情報とを対応付けた前記実画像特徴の分布マップを作成するマップ作成部と、
   前記分布マップと前記画像特徴マップとを照合して、前記分布マップに対応する前記画像特徴マップ上の位置を検出し、前記実画像特徴の絶対位置を推定する特徴位置推定部と、
   前記実画像特徴の絶対位置と前記実画像特徴の位置情報とに基づいて、自己の絶対位置を推定する自己位置推定部と
   を備えた自律移動体。
2. 前記特徴抽出部が、視野の異なる複数の前記撮像画像と前記距離画像とを用いて、前記非対称な位置関係にある複数の実画像特徴を検出する
   請求項１記載の自律移動体。
3. 前記画像特徴マップ及び前記分布マップは、２Ｄグリッドマップ、高さ情報を有する２Ｄグリッドマップ又はボクセルグリッドであって、
   前記特徴位置推定部は、前記画像特徴マップと前記分布マップとをパーティクルフィルタを用いて照合する
   請求項１又は請求項２記載の自律移動体。
4. 環境を撮像した画像から抽出した画像特徴と前記画像特徴の絶対位置とを対応付けた画像特徴マップを記憶するマップ記憶ステップと、
   自律移動体の画像取得部が前記自律移動体周囲の撮像画像と距離画像とを取得する画像取得ステップと、
   前記撮像画像から実画像特徴を抽出し、前記距離画像を用いて前記画像取得部に対する前記実画像特徴の位置情報を取得する特徴抽出ステップと、
   非対称な位置関係にある複数の前記実画像特徴と前記複数の実画像特徴の位置情報とを対応付けた前記実画像特徴の分布マップを作成するマップ作成ステップと、
   前記分布マップと前記画像特徴マップとを照合して、前記分布マップに対応する前記画像特徴マップ上の位置を検出し、前記実画像特徴の絶対位置を推定する特徴位置推定ステップと、
   前記実画像特徴の絶対位置と前記実画像特徴の位置情報とに基づいて、前記自律移動体の絶対位置を推定する移動体位置推定ステップと
   を有する自律移動体の位置推定方法。
5. 前記特徴抽出ステップでは前記複数の実画像特徴が非対称な位置関係にあるどうかを判断し、
   前記特徴抽出ステップで前記複数の実画像特徴が非対称な位置関係にないと判断したときに、前記画像取得部が視野を変更し、前記画像取得ステップと前記特徴抽出ステップとを改めて実行する
   請求項４記載の自律移動体の位置推定方法。