JP6973107B2 - 自己位置推定装置 - Google Patents

Description

本発明は、自己位置推定装置に関する。

特許文献１には、距離センサで計測された計測結果、距離センサで受光される光の輝度データ、及び、環境地図を用いて、移動体の位置を推定する自己位置推定装置が開示されている。特許文献１において位置を推定するために使用している環境地図は、距離データ及び輝度データを処理した、物体の位置ｐ（ｘ，ｙ，ｚ）に関する多次元分布データを用いた多次元正規分布地図である。

特開２０１６−０９１２０２号公報

しかしながら、特許文献１に記載の技術で使用される多次元正規分布地図は、距離センサで計測された情報を用いて生成されるため、季節で変化してしまう草や木の情報も地図情報として使用していることになる。よって、特許文献１に記載の自己位置推定装置では、多次元正規分布地図作成時と自己位置推定時とで、季節要因の植生変化により草や木の形状に変化があると、正しくマッチングができず、自己位置の推定精度が悪化する。

そこで、本発明の目的は、多次元正規分布地図を用いて自己位置を推定するに際し、推定精度を向上させることが可能な自己位置推定装置を提供することにある。

上記目的を達成するための本発明の一態様は、
多次元正規分布地図において多次元正規分布で表現された楕円体の重みを、前記楕円体の形状及び向きの少なくとも一方に基づいて判定する重み判定部を有し、
測距センサの検出結果を、前記重み判定部で判定された楕円体の重みを考慮した多次元正規分布地図と照合して、自己位置を推定する、
自己位置推定装置である。

この一態様に係る自己位置推定装置によれば、楕円体の形状及び向きの少なくとも一方に基づいて、測距センサの検出結果と照合する際の重みを変更できるため、多次元正規分布地図を用いても、自己位置の推定精度が悪化することを抑制することができる。よって、この一態様によれば、多次元正規分布地図を用いて自己位置を推定するに際し、推定精度を向上させることが可能な自己位置推定装置を提供することができる。

本発明によれば、多次元正規分布地図を用いて自己位置を推定するに際し、推定精度を向上させることが可能な自己位置推定装置を提供することができる。

本発明の一実施形態に係る自己位置推定装置の一構成例を示すブロック図である。 ある場所の航空写真を示す模式図である。 図２の航空写真の場所について生成された多次元正規分布地図の一例を概略的に示す図である。 本発明の一実施形態に係る自己位置推定装置を含むシステムの具体的な構成例を示すブロック図である。 多次元正規分布により表現された木の葉っぱの一例を示す図である。 多次元正規分布により表現された川岸の一例を示す図である。 多次元正規分布により表現された建物の壁の一例を示す図である。 多次元正規分布により表現された電柱やポール等の柱状構造物の一例を示す図である。 図４における重み判定部で実行される重み判定処理の一例を説明するためのフロー図である。 図４におけるシステムにおける自己位置推定処理を行う部位を詳細に説明するためのブロック図である。 本発明の一実施形態に係る自己位置推定装置のハードウェア構成の一例を示す図である。

以下、本発明の一実施形態に係る自己位置推定装置について、図面を参照しながら説明する。

図１は本実施形態に係る自己位置推定装置の一構成例を示すブロック図である。
図１に示すように、本実施形態に係る自己位置推定装置１は、多次元正規分布地図を用いて自己位置を推定する装置であって、後述する重み判定部１１を有する。

自己位置推定装置１では、上述のように自己位置推定用の地図として多次元正規分布地図を使用する。この多次元正規分布地図について、図２及び図３を参照しながら簡単に説明する。図２は、ある場所の航空写真を示す模式図で、図３は、図２の航空写真の場所について生成された多次元正規分布地図の一例を概略的に示す図である。

多次元正規分布地図は、ライダー、他種の測距センサなどの測距センサで計測された点群について、空間を区切ったボクセル内の点群を楕円体で近似したものである。なお、ボクセルは、２次元の場合にはグリッドに相当する。また、ライダーは、ＬＩＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）を指す。つまり、多次元正規分布地図とは、一定空間（ボクセル）内又は一定領域（グリッド）内で計測される点群を多次元正規分布（平面での処理であれば２次元分布、３次元空間での処理であれば３次元分布）で定式化される楕円体で表現するものである。なお、２次元の場合における楕円体は、楕円を指す。

点群の広がり方が直線的である場合には細長い楕円体となり、広がり方が面的である場合には面上のつぶれた楕円体となる。例えば、木を多次元正規分布で表現した場合、葉っぱの部分はいろいろな方向から点群が計測されるので、球状に近い楕円体となり、幹の部分は細長い楕円体となる。また、多次元正規分布地図で路面を表現した場合、つぶれた楕円体となる。

よって、例えば図２で示す木Ｔｒ、草の生えた土手Ｂａ、及び建物Ｂｕについて多次元正規分布で表現した場合、図３で同じ符号で示すように、それらは異なる形状の楕円体となる。なお、図３では、便宜上、楕円体の形状及び向きの違いによりハッチングを分けて図示しているが、実際の多次元正規分布地図では、楕円体で物体が表現されている。また、ここでは平面的に説明しているが、実際には、自己位置推定装置１を搭載する移動体からの視点に基づく地図が移動体の自己位置を推定するために用いられることが望ましい。

本実施形態の主たる特徴である重み判定部１１は、多次元正規分布地図において多次元正規分布で表現された楕円体の重みを、その楕円体の形状及び向きの少なくとも一方に基づいて判定する。つまり、重み判定部１１は、計測点の存在確率を多次元正規分布で表現する楕円体（２次元の場合には楕円）のそれぞれに対し、形状と向き、もしくはどちらか一方により重みを設定し、重み付き多次元正規分布地図を出力する。自己位置を推定する際のマッチングに使いたくない楕円体は、重みを小さくすればよい。

そして、自己位置推定装置１は、測距センサ（距離センサ）の検出結果を重み付き多次元正規分布地図と照合して、自己位置を推定する。ここで、重み付き多次元正規分布地図は、重み判定部１１で判定された楕円体の重みを考慮した多次元正規分布地図を指す。つまり、重み判定部１１で判定される楕円体の重みは、距離センサの検出結果と照合（マッチング）するために用いられる。

この距離センサは、例えば、上述したＬＩＤＡＲなど、周辺にある物体（障害物）までの距離を計測するためのセンサである。この距離センサは、自己位置推定装置１を搭載する移動体に設けておくことができる。この移動体は、この距離センサの検出結果に基づき自己位置を推定し、自律的に移動させるように構成することもできる。この距離センサは、このような自律制御に用いることができるため、自律センサと称することもできる。

次に、図４〜図１０を参照しながら、図１に示す自己位置推定装置１の具体例及びその適用例について説明する。

まず、図４を参照しながら、本実施形態に係る自己位置推定装置を含むシステムの具体的な構成例について説明する。図４は、本実施形態に係る自己位置推定装置を含むシステムの具体的な構成例を示すブロック図である。

図４に示すシステムは、自己位置推定装置１ａと自律移動装置（移動体）２とがネットワークＮを介して接続されて構成される。自律移動装置２が移動するため、ネットワークＮは無線ネットワークを含む。

自己位置推定装置１ａは、図１に示す自己位置推定装置１と同様に重み判定部１１を有するほか、自己位置推定部１２、記憶部１３、及び通信部１４を有する。ここで、重み判定部１１及び自己位置推定部１２は、自己位置推定装置１ａの制御部１０とすることができる。

自己位置推定装置１ａは、ネットワークＮ上に配されたサーバ装置とすることができる。制御部１０は、例えば、ＣＰＵ（Central Processing Unit）、作業用メモリ、及び不揮発性の記憶装置などによって、或いは集積回路（Integrated Circuit）によって実現される。この記憶装置にＣＰＵによって実行される制御プログラムを格納しておき、ＣＰＵがその制御プログラムを作業用メモリに読み出して実行することで、制御部１０の機能を果たすことができる。制御部１０は、この例に限らず、自己位置推定装置１ａの全体又は少なくとも一部を制御する機能が果たせればよい。なお、上記の記憶装置は、記憶部１３とすることもできる。

記憶部１３は、多次元正規分布地図Ｍａを記憶する記憶装置である。多次元正規分布地図Ｍａは、基本的に、自律移動装置２が移動する前に作成（生成）され、記憶されるものとする。多次元正規分布地図Ｍａは、上述したように、計測された点群を一定空間（ボクセル）毎に多次元正規分布により表現した地図とすることができ、既知の技術により作成することができる。また、通信部１４は、ネットワークＮを介して自律移動装置２と通信するための通信インタフェース等で構成することができる。

制御部１０における重み判定部１１は、多次元正規分布地図Ｍａを読み込み、多次元正規分布地図Ｍａにおいて多次元正規分布で表現された楕円体の重みを、その楕円体の形状及び向きの少なくとも一方（好ましくは双方）に基づいて判定する。以降、より好ましい例として、重み判定部１１は、楕円体の重みを、その楕円体の形状及び向きの双方に基づいて判定するものとして説明する。上述したように、重み判定部１１は、自己位置を推定する際のマッチングに使いたくない楕円体の重みを小さく判定（決定）すればよい。マッチングに使いたくない楕円体は、例えば、季節要因の植生変化により形状が変化するような木等の物体とすることができる。

重みの判定は、多次元正規分布地図Ｍａに含まれる全ての楕円体について行うことができる。或いは、重みの判定は、多次元正規分布地図Ｍａに含まれる全ての楕円体のうち、自律移動装置２について前回推定された位置の近隣の範囲、又は自律移動装置２から送信された測位情報が示す位置の近隣の範囲に含まれる全ての楕円体について行うことができる。

重み判定部１１は、判定した楕円体の重みに基づき、多次元正規分布地図Ｍａを更新する。なお、重み判定部１１は、判定した楕円体の重みにより重み付けした重み付き多次元正規分布地図を別データとして保存するようにしてもよい。換言すると、重み判定部１１は、楕円体の形状及び向きによりその楕円体についての重み付け係数を算出し、この重み付け係数が付加された多次元正規分布地図を作成し、更新又は別データとしての保存を行う。

自己位置推定部１２は、自律移動装置２側から受信した距離センサ２３の検出結果（距離データ）を、重み付き多次元正規分布地図と照合して（つまり重みを考慮した地図マッチングを行い）、自己位置を推定する。但し、ここで言うところの自己位置とは、自律移動装置２の位置を指す。

自律移動装置２は、自己位置推定装置１ａで自己位置を推定させた結果に基づき、自律移動する装置であり、自律移動ロボットと称することもできる。自律移動装置２は、その全体を制御する制御部２０を有するとともに、通信部２１、駆動部２２、及び距離センサ２３を有する。通信部２１は、ネットワークＮを介して自己位置推定装置１ａと通信するための通信インタフェース等で構成することができる。駆動部２２は、自律移動装置２を移動させるため駆動制御部及び駆動機構などで構成することができる。距離センサ２３は、上述した自律センサとして機能するセンサである。

制御部２０は、距離センサ２３での検出結果である距離データを、通信部２１を介して自己位置推定装置１ａに送信する。なお、自律移動装置２は、ＧＰＳ（Global Positioning System）における測位センサを有することができ、この測位センサで測位された測位情報を、通信部２１を介して自己位置推定装置１ａに送信することができる。この測位情報は、上述したような重みを判定する対象の楕円体を選択する場面で、自律移動装置２の大まかな位置を示す情報として利用することができる。

制御部２０は、距離データの送信への応答として、自己位置推定装置１ａで推定された結果を示すデータを、通信部２１を介して受信する。これにより、制御部２０は、現在の自己位置を把握することができる。制御部２０は、現在の自己位置に基づき、例えば予め定められた経路に沿って移動するように、駆動部２２に指示し、駆動部２２がその指示に従って自律移動装置２を移動させることができる。

次に、図４に示すようなシステムにおいて実行される具体的な重み判定処理について、図５〜図９を併せて参照しながら説明する。図５は、多次元正規分布により表現された木の葉っぱの一例を示す図、図６は、多次元正規分布により表現された川岸の一例を示す図である。また、図７は、多次元正規分布により表現された建物の壁の一例を示す図、図８は、多次元正規分布により表現された電柱やポール等の柱状構造物の一例を示す図である。また、図９は、重み判定部１１で実行される重み判定処理の一例を説明するためのフロー図である。

例えば、図２に示す航空写真に対応する図３の多次元正規分布地図では、木、草の生えた土手、及び建物などが存在しているが、木や、草の生えた土手は、季節要因や剪定などで形状変動し易いため、重みを低くしたい。一方で、人工物である建物やポールなどは、このような形状変動があまりないため、重みを大きくしたい。

これらの物体は、楕円体の長軸（λ１）、中軸（λ２）、短軸（λ３）の長さの比較や、楕円体の向きを考慮することで、自動的に分類することができる。λ１〜λ３の長さ及び向きは、主成分分析により計算可能であり、また、物体の分類も一般的に確率が高い種類に分類することはできる。なお、人手により形状や向きを判断して手動で重み付けを行うこともできるため、判定が難しい物体については手動で重みを入力することもできる。

例えば、図５に示すように、木の葉っぱを表現した楕円体は、球に近い楕円体となる。λ１≒λ３のとき球状になるため、λ１とλ３とを比較することで、球に近い楕円体を判定することができ、そのような楕円体を木の葉っぱを表現するものと分類することができる。なお、λ１≒λ３の判定や後述するλ２＞＞λ３の判定などは、両者の比を基準値と比べることで実行することができる。

また、図６に示すように、土手を表現した楕円体は、その楕円体の法線が鉛直より傾いているため、そのような楕円体を土手に分類することができる。なお、鉛直より傾いているとは、例えば、鉛直方向から所定の角度以上傾いていることを指す。また、図６に示すように、路面を表現した楕円体は、形状がつぶれた楕円体（λ２＞＞λ３）であり、且つ、その楕円体の面の向きが鉛直方向、或いはスロープなども考慮すると鉛直に近い方向を向いている。よって、そのような楕円体は、路面に分類することができる。なお、鉛直に近い方向とは、例えば、鉛直方向を含む所定の角度範囲に該当する方向を指す。

また、図７に示すように、建物の壁を表現した楕円体は、形状がつぶれた楕円体（λ２＞＞λ３）であり、且つ、その楕円体の面の向きが水平方向を向いている。よって、そのような楕円体は、建物の壁に分類することができる。また、図８に示すように、電柱やポール等の柱状構造物を表現した楕円体は、形状が細長い楕円体（λ１＞＞λ２）であり、且つ、垂直に立っている。よって、そのような楕円体は、電柱やポール等の柱状構造物に分類することができる。

ここで、図９に沿って、建物の壁についての判定ロジックを例に挙げて説明する。
まず、重み判定部１１は、多次元正規分布地図を読み込む（ステップＳ１）。重み判定部１１は、読み込んだ多次元正規分布地図から楕円体ｊを取り出す（ステップＳ２）。なお、楕円体ｊはｊ（ｊは正の整数）番目の楕円体を指し、決められた規則に従って順番に選択すればよい。

重み判定部１１は、取り出した楕円体ｊの向き及び大きさ（λ１，λ２，λ３）を計算する（ステップＳ３）。重み判定部１１は、「λ２＞＞λ３であり且つ面の向きが９０°に近い」という条件を満たすか否かを判定し、満たす場合には重みＡｊを“１”に決定し、満たさない場合には重みＡｊを“０”に決定する（ステップＳ４）。次いで、重み判定部１１は、全ての楕円体の取り出しが完了したか否かを判定し（ステップＳ５）、ＹＥＳの場合には処理を終了し、ＮＯの場合にはステップＳ２の処理に戻る。

なお、建物の壁についての判定ロジックのみ説明したが、例えば土手等の他の種類の物体についての判定も同様に行うことができる。無論、その場合には、ステップＳ４で用いる条件は物体の種類により異なることになる。そして、同じ楕円体ｊについて、複数種類の物体についての判定を行い、それらの重みを掛け合わせ又は上書きし、最終的な重みＡｊを得ることができる。なお、上書きする場合には、上書きされることを考慮して判定の順序を決めておけばよい。

次に、図１０を参照しながら、重みを考慮した地図マッチング（重み付き多次元正規分布地図とのマッチング）による自己位置推定処理の具体例について説明する。図１０は、図４におけるシステムにおける自己位置推定処理を行う部位を詳細に説明するためのブロック図である。

図１０に示す自己位置推定部３０は、上述した自己位置推定部１２の一例であり、自己位置推定部１２をパーティクルフィルタにて実装したものである。パーティクルフィルタとは、現在の自己位置の候補点を大量のパーティクルとして持ち、それらをオドメトリ情報や距離センサからの測距情報で更新していくことで、尤もらしい自己位置を計算する手法である。なお、パーティクルフィルタについては、例えば、次の参考文献等に記載されている。

［参考文献］
“Normal Distributions Transform Monte-Carlo Localization (NDT-MCL)”, Jari Saarinen, Henrik Andreasson, Todor Stoyanov and Achim J. Lilienthal

図１０に示すように、自己位置推定部３０は、パーティクル動作更新部３１、ローカル多次元正規分布地図生成部３２、及びパーティクル重み計算部３３を有することができる。また、パーティクル重み計算部３３で計算された値は、パーティクル観測更新部３４に入力されるようになっている。そして、自己位置推定部３０及びパーティクル観測更新部３４は、自己位置を推定するに際し、新しい測距情報が入力される度に、以下に説明するような処理を行う。

パーティクル動作更新部３１は、オドメトリ情報を元に、パーティクル群をオドメトリの移動分だけ動かす。なお、オドメトリ情報は、例えば、自律移動装置２に設けたオドメトリセンサの出力値として、或いはその出力値等から既知の計算方法により算出した値として、得ることができる。

ローカル多次元正規分布地図生成部３２は、既知の方法により、現在の距離センサ２３からの測距情報を元に、自律移動装置２の位置を中心としたローカルの多次元正規分布地図を生成（作成）する。

そして、パーティクル重み計算部３３は、重み付き多次元正規分布地図を読み込み、現在時刻ｔのパーティクルフィルタのパーティクルｋの重みｗ＿ｋｔを、例えば下式で計算する。なお、移動後のパーティクル群の情報は、パーティクル動作更新部３１からローカル多次元正規分布地図生成部３２を介して入力することができる。

そして、パーティクル観測更新部３４は、パーティクル重み計算部３３によって計算された各パーティクルｋの重みｗ＿ｋｔにより、パーティクル群のリサンプリングを実施し、自己位置の推定結果を得る。

上述したように、重み付き多次元正規分布地図は、楕円体の形状及び向きに基づいて決定された重みＡｊが考慮されている。そして、測距情報が入力される度に、パーティクル重み計算部３３が上式に従いそのような重みＡｊを用いてパーティクルｋの重みを更新していき、パーティクル観測更新部３４がパーティクル群のリサンプリングを実施していく。よって、パーティクル観測更新部３４の出力結果である自己位置推定結果は、楕円体の形状及び向きに基づいた重みが反映されたものとなる。

以上に説明したように、本実施形態では、楕円体の形状及び向きの少なくとも一方に基づいて、測距センサの検出結果と照合する際の重みを変更する。例えば、多次元正規分布地図を構成する楕円体の形状によりそれが草木なのか建物のような人工物なのかを自動的に判定し、草木と判定された楕円についてはマップマッチングの重みを小さくする。よって、本実施形態によれば、多次元正規分布地図を用いても、自己位置の推定精度が悪化することを抑制することができる。

（代替例）
次に、本実施形態における代替例について説明する。
また、図４で説明した構成では、自律移動装置２の自己位置を推定するための、重み判定処理及び自己位置推定処理をネットワークＮに接続された自己位置推定装置１ａで行った。これに対し、自律移動装置２の制御部２０に自己位置推定部１２を移した構成を採用することもできる。この場合、自己位置推定装置１ａは、自己位置推定機能が除かれ、地図を作成する機能が残るため、地図作成装置となる。

このような構成における重み判定処理及び自己位置推定処理について簡単に説明する。
制御部１０における重み判定部１１は、多次元正規分布地図Ｍａを読み込み、同様に楕円体の重みを判定する。この判定は、多次元正規分布地図Ｍａに含まれる全ての楕円体について行う。そして、重み判定部１１は、判定した楕円体の重みにより多次元正規分布地図Ｍａを更新する、或いは、判定した楕円体の重みにより重み付けした重み付き多次元正規分布地図を別データとして保存する。これにより、記憶部１３には、重み付き多次元正規分布地図が記憶された状態となり、自律移動装置２がネットワークＮを介して参照する際に自己位置推定処理にかかる処理時間や負荷を減らすことができ、効率的である。

一方で、自律移動装置２に設けた自己位置推定部１２は、通信部２１及びネットワークＮ経由で重み付き多次元正規分布地図を参照し、距離センサ２３の検出結果を重み付き多次元正規分布地図と照合し、自己位置を推定する。自律移動装置２の制御部２０は、自己位置推定部１２で自己位置を推定させた結果に基づき、例えば予め定められた経路に沿って移動するように、駆動部２２に指示し、駆動部２２がその指示に従って自律移動装置２を移動させる。

さらに他の代替例として、図４で説明した構成において、自律移動装置２側に、重み判定部１１、自己位置推定部１２、及び記憶部１３を備えることができる。なお、この場合、自律移動装置２に通信部２１を設けなくてもよい。

また、上述した自己位置推定装置１は、次のようなハードウェア構成を有していてもよい。図１１は、自己位置推定装置１のハードウェア構成の一例を示す図である。

図１１に示す自己位置推定装置１００は、プロセッサ１０１及びメモリ１０２を有する。上述した自己位置推定装置１は、プロセッサ１０１がメモリ１０２に記憶されたプログラムを読み込んで実行することにより実現される。つまり、このプログラムは、プロセッサ１０１を上述した自己位置推定装置１として機能させるためのプログラムである。なお、メモリ１０２は、図４における記憶部１３など、重み付け前の多次元正規分布地図及び重み付け後の多次元正規分布地図の少なくとも一方を記憶する記憶部として、機能させることもできる。

上述の例において、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、コンピュータ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）を含む。さらに、この例は、ＣＤ−ＲＯＭ（Read Only Memory）、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリを含む。この半導体メモリとしては、例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory）などが挙げられる。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）によってコンピュータに供給されてもよい。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、プログラムをコンピュータに供給できる。

以上に、本実施形態について説明したが、上記実施形態は、以下の特徴を有する。
即ち、上記実施形態に係る自己位置推定装置１，１ａは、多次元正規分布地図において多次元正規分布で表現された楕円体の重みを、その楕円体の形状及び向きの少なくとも一方に基づいて判定する重み判定部１１を有する。自己位置推定装置１は、測距センサの検出結果を、重み判定部１１で判定された楕円体の重みを考慮した多次元正規分布地図と照合して、自己位置を推定する。

以上の構成の自己位置推定装置１，１ａによれば、楕円体の形状及び向きの少なくとも一方に基づいて、測距センサの検出結果と照合する際の重みを変更できるため、多次元正規分布地図を用いても、自己位置の推定精度が悪化することを抑制することができる。よって、この自己位置推定装置１，１ａによれば、多次元正規分布地図を用いて自己位置を推定するに際し、推定精度を向上させることができる。

１，１ａ，１００ 自己位置推定装置
２ 自律移動装置
１０ 制御部
１１ 重み判定部
１２，３０ 自己位置推定部
１３ 記憶部
１４ 通信部
２０ 自律移動装置側の制御部
２１ 自律移動装置側の通信部
２２ 駆動部
２３ 距離センサ（測距センサ）
３１ パーティクル動作更新部
３２ ローカル多次元正規分布地図生成部
３３ パーティクル重み計算部
３４ パーティクル観測更新部
１０１ プロセッサ
１０２ メモリ

Claims (1)

1. 多次元正規分布地図において多次元正規分布で表現された楕円体の重みを、前記楕円体の形状及び向きの少なくとも一方に基づいて判定する重み判定部を有し、
   測距センサの検出結果を、前記重み判定部で判定された楕円体の重みを考慮した多次元正規分布地図と照合して、自己位置を推定する、
   自己位置推定装置。

Images