JP7001076B2 - 形状推定装置、およびプログラム - Google Patents

Description

本発明は、形状推定装置、およびプログラムに係り、特に、未知構造物の形状を推定する形状推定装置、およびプログラムに関する。

従来、構造物の形状を推定するための技術がある。

例えば、特許文献１には、構造物の点検システムおよび点検方法が記載されている。特許文献１の技術では、安全にかつ簡単に構造物点検用の画像を撮影することが可能な点検システムおよび点検方法を提供している。

また、非特許文献１には、カメラの位置、方向、焦点距離と与えられた点検箇所(ターゲットと呼ぶ)の位置、方向を考慮したカメラの可視度を定義し、可視度が最大になるようにカメラの位置と方向を制御する技術が記載されている。図１は、ターゲットに対するカメラの可視度を定義し、移動軌跡を制御した一例を示す図である。

また、特許文献２には、監視対象に対して対処を行うのに適した位置まで飛行装置を移動制御する監視システムが記載されている。

また、特許文献３には、監視対象の中に未知の監視対象および既知の監視対象が混在しても、相互に最適化を図って監視制御を行うことができる技術が記載されている。

特開２０１７－１３８１６２号公報 特開２０１６－１１８９９６号公報 特開２０１９－０１６３０６号公報

A. Adaldo, S. S. Mansouri, C. Kanellakis, D. V. Dimarogonas, K. H. Johansson and G. Nikolakopoulos, "Cooperative coverage for surveillance of 3D structures," in IEEE International Conference on Intelligent Robots and Systems (IROS), IEEE, 2017, pp. 1838-1845.

しかし、従来技術では、構造物の点群データの位置と方向が事前情報として必要であり、未知構造物を網羅的に監視するカバレッジに適用できないという問題があった。そこで、未知構造物を形状推定しながら、構造物表面の分布推定とターゲットの捕捉を同時に行い、表面全体をカバーする技術が求められる。

本発明は、上記事情を鑑みて成されたものであり、形状推定を複数台に分散化することで、形状推定に要する計算負荷を小さくすることができる形状推定装置、およびプログラムを提供することを目的とする。

上記目的を達成するために、本発明に係る形状推定装置は、領域に配置された移動体であるセンサ部の各々によって計測されたセンサ情報に基づいて、観測地点の各々の占有度の観測データを観測する観測部と、前記領域を複数の分割領域に分割し、複数の分割領域ごとに、前記分割領域の外側の境界に対応するグリッドを割り当て、前記グリッドに対応する前記観測データに基づいて、前記グリッドの各々の占有度の予測平均および予測分散を推定し、割り当てた前記グリッドと前記観測データとにより求まる当該分割領域の前記占有度の分布の勾配に基づいて、観測構造物の推定法線を推定する分散形状推定部と、前記分割領域ごとの前記占有度に基づいて、前記センサ部の観測の対象とするターゲットを選択するターゲット選択部と、選択した前記ターゲットに応じて前記センサ部の各々の位置および方向を制御する移動制御部と、を含んで構成されている。

また、本発明に係る形状推定装置において、前記分散形状推定部は、前記分割領域について、前記境界の近傍から割り当てられたグリッドから求まる当該分割領域の前記占有度の分布の勾配に基づいて、観測構造物の推定法線を推定するようにしてもよい。

また、本発明に係る形状推定装置において、前記ターゲット選択部は、前記グリッドの各々の占有度の平均および分散を評価するための評価関数により求まるターゲット候補の各々から、前記ターゲット候補の観測地点と、前記センサ部の各々の位置とに基づいて、前記ターゲットを選択するようにしてもよい。

また、本発明に係る形状推定装置において、前記観測部、前記分散形状推定部、前記ターゲット選択部および前記移動制御部の各々の処理を所定の条件を満たすまで繰り返す判定部を更に含むようにしてもよい。

本発明に係るプログラムは、コンピュータを、領域に配置された移動体であるセンサ部の各々によって計測されたセンサ情報に基づいて、観測地点の各々の占有度の観測データを観測する観測部、前記領域を複数の分割領域に分割し、複数の分割領域ごとに、前記分割領域の外側の境界に対応するグリッドを割り当て、前記グリッドに対応する前記観測データに基づいて、前記グリッドの各々の占有度の予測平均および予測分散を推定し、割り当てた前記グリッドと前記観測データとにより求まる当該分割領域の前記占有度の分布の勾配に基づいて、観測構造物の推定法線を推定する分散形状推定部、前記分割領域ごとの前記占有度に基づいて、前記センサ部の観測の対象とするターゲットを選択するターゲット選択部、および選択した前記ターゲットに応じて前記センサ部の各々の位置および方向を制御する移動制御部、として機能させるためのプログラムである。

本発明の形状推定装置、およびプログラムによれば、形状推定を複数台に分散化することで、形状推定に要する計算負荷を小さくすることができる。

ターゲットに対するカメラの可視度を定義し、移動軌跡を制御した一例を示す図である。 領域における未知構造物とカメラの可視域との関係の一例を示す図である。 領域ごとの分散的な形状推定の一例を示す図である。 占有度の平均μ（ｘ）の推定結果の一例を示す図である。 占有度の分散σ^２（ｘ）の推定結果の一例を示す図である。 本発明の実施の形態の形状推定システムの構成の一例を示すブロック図である。 形状推定装置の電気的な構成を示すブロック図である。 分散形状推定部の構成を示すブロック図である。 本発明の実施の形態に係る形状推定システムの形状推定装置の処理ルーチンを示すフローチャートである。 未知構造物の推定結果の一例を示す図である。

以下、図面を参照して本発明の実施の形態を詳細に説明する。まず本発明の実施の形態において前提となる問題設定について説明する。

［問題設定］

図２は、領域における未知構造物とカメラの可視域との関係の一例を示す図である。図２に示すように、与えられた領域の各グリッドにおける構造物の占有度の空間分布を移動体であるロボットの搭載センサ（カメラ、測距センサなど）で推定する。占有度は、構造物が存在する場合１、存在しない場合０となる。占有度の存在確率が高い目標観測点（ターゲット）に対して、最適な位置、方向になるようにセンサを配置する問題を考える。

次に本発明の実施の形態における原理について、（１）未知構造物の形状推定、（２）分散的な形状推定、（３)ターゲットの選択、（４）観測度に基づいたカバレッジのための移動則のそれぞれについて説明する。

（１）未知構造物の形状推定

まず、未知構造物を形状推定するため、領域Q内において構造物の占有度の分布を推定する問題を考える。観測されたグリッドの位置を入力とし、構造物の占有度を出力とすると、この問題は回帰問題と考えることができる。本実施形態では、ノンパラメトリックな回帰手法として知られるガウス過程（ＧＰ：Gaussian process）回帰を用いる。

まず、グリッドｘにおける構造物の占有度

は白色雑音εを含み、以下（１）式に従う。

・・・（１）

σ_ｗ ^２は出力ノイズの分散である。この時、グリッドの観測地点ｘ_１，・・・，ｘ_ｎに基づく新しい地点ｘ_＊における占有度の予測平均を以下（２）式、予測分散を以下（３）式で推定する。

・・・（２）

・・・（３）

ここで、ｋは共分散関数、（太字の）ｋ＝［ｋ（ｘ_＊，ｘ_１），・・・，ｋ（ｘ_＊，ｘ_ｎ）］^Ｔは共分散ベクトル、Ｋは（ｉ，ｊ）成分をｋ（ｘ_ｉ，ｘ_ｊ）とするグラム行列である。ｋ（ｘ_ｉ，ｘ_ｊ）は、占有度のグリッドの占有度の観測データに関する成分である。グラム行列Ｋは、計算対象の領域についての占有度の観測データを成分とするため、計算対象の領域を限定することで、計算効率が向上する。占有度の予測平均が高いほどグリッドに構造物が存在する確率が高く、低ければ構造物が存在する確率が低いことを示す。また、占有度の分散が大きいほどグリッドが未観測である確率が高く、分散が小さいほどグリッドが未観測である確率が低いことを示す。

次に、占有度の推定分布に基づいて、未知構造物表面の法線ベクトルを推定法線として推定する。（２）式より、占有度の推定分布の勾配は以下（４）式となる。

・・・（４）

さらに、ｋ（ｘ_＊，ｘ_ｉ），（ｉ＝１，・・・，ｎ）として、ガウシアンカーネルが以下であるとする。

σ_ｗ ^２はカーネルの分散である。この場合、以下（５）式に変形できる。

・・・（５）

（５）式を（４）式へ代入すると、任意のグリッドｘ_＊における占有度の推定分布の勾配が以下（６）式として得られる。

・・・（６）

未知構造物の場合、後述する（１０）式のターゲットｌ^＊の位置ｘ_ｌ ^＊を入力とした時の上記（６）式の占有度の推定分布の勾配をターゲットの推定方向と考えることができる。

以上が、（１）未知構造物の形状推定に関する説明である。

（２）分散的な形状推定

観測済みのグリッドをオンラインで分割領域に分割し、分割されたデータに基づいて形状推定する手法を紹介する。分割手法は、例えば特許文献３に記載のボロノイ分割の手法を用いて、センサ部２０の各々の位置に対応するように分割すればよい。観測済みのグリッドｌ∈Ｏ：＝｛１，・・・，ｎ｝は以下（７）式を用いてセンサｉに割り当てられる。

・・・（７）

各センサに対応した分割領域の各々について、（７）式で当該分割領域に割り当てられた観測済みのグリッドにおける占有度を用いて、各カメラの領域の期待値と分散を推定する。しかしながら、本手法では、分割領域外のデータが含まれないため、分割領域の境界において期待値と分散が不連続となることがある。この不連続性を回避するため、以下（８）式の分割領域の境界付近のターゲットの集合を、センサに追加で割り当てる。

・・・（８）

図３は、領域ごとの分散的な形状推定の一例を示す図である。分割領域のグリッドの追加の割り当ては、図３のｘ印のようにセンサに割り当てればよい。十字はセンサの位置、各種ドットは各センサに割り当てられた点、×印は領域境界付近のグリッド、矢印は推定法線を示す。

この時、各カメラはグリッドｌ∈Ｃ_ｉ∪Ｅ_ｉに対応する観測地点の観測データを用いて、各グリッドについて、（２）式および（３）式に基づいて、占有度の平均と分散を推定する。さらに、（６）式に基づいて、占有度の推定分布の勾配を計算する。

以上が、（２）分散的な形状推定に関する説明である。

（３)ターゲットの選択

占有度の推定結果に基づいて、カメラが次に捕捉するターゲットの選択方法を示す。

占有度の大きい地点の被覆と観測の不確かさが大きい地点の探索を両立するため、以下（９）式の評価関数を導入する。

・・・（９）

ここで、βは正のハイパーパラメータである。評価関数は、グリッドの各々の占有度の平均および分散を評価するための関数であり、平均が大きく、かつ、分散が大きいグリッドを次に捕捉すべきターゲット候補であると評価する。（９）式に基づいて選定したターゲット候補の中から、次にセンサが捕捉すべきターゲットｌ^＊を以下（１０）式で選択する。

・・・（１０）

ここで、Ｊ_０は正の定数である。

図４および図５を参照して、二次元平面内に存在する円の形状推定を例として考える。図４および図５は、ガウス過程回帰で推定された占有度の平均および分散について示した図である。図４は、占有度の平均μ（ｘ）の推定結果の一例を示す図である。図５は、占有度の分散σ^２（ｘ）の推定結果の一例を示す図である。図４、図５において黒丸（●）はロボットの現在位置、白丸（○）は観測地点を示す。星（★）は（１０）式に基づいて選択された次のターゲットである。

以上が、（３)ターゲットの選択に関する説明である。

（４）観測度に基づいたカバレッジのための移動則

移動則に関しては、非特許文献１の技術を参照して説明する。センサｉの位置をｐ_ｉ、センサｉの方向をｎ_ｉ、ターゲットｌ^＊の位置を

、ターゲットｌ^＊の推定方向を

とする。この時、ターゲットｌ^＊に対するセンサｉの観測度（カメラの場合、可視度）を以下（１１）式と定義する。

・・・（１１）

ここで、Ｄはセンサの最適な検知距離、α、β、γは正の定数、θ_ａとθ_ｂと

を満たす角度である。非特許文献１では、（１１）式の観測度が最大になるようにセンサの位置と方向を制御する。

次に、センサの位置および方向の制御方法を示す。ここで、ｉ番目のセンサは次のダイナミクスに従うものとする。

ここで、

はｐ_ｉ∈Ｒ^３時間微分、ｕ_ｉはセンサｉの速度入力、ω_ｉはセンサｉの角速度入力、×はベクトルの外積演算子、Ｓ（ｘ）∈Ｒ^３×３はｘ∈Ｒ３を要素にもつ歪対称行列を示す。（１１）式の観測度を最大にするため、勾配法を用いてセンサの位置と方向を制御する。この時、センサの速度入力と角速度入力は次の式となる。

ここで、ｋ_ｕとｋ_ｎとは正の定数である。ｋ番目の時間ステップ におけるセンサｉの位置をｐ_ｉ［ｋ］、目標位置を

、方向をｎ_ｉ（ｋ）

、目標方向を

、時間刻みをΔｔとすると、センサの目標位置と目標方向とを以下（１２）式として、センサの位置および方向を制御する。

・・・（１２）

以上が、（４）観測度に基づいたカバレッジのための移動則に関する説明である。

本発明の実施の形態では、以上の原理に基づいて、以下で説明する形状推定装置の各処理を実現する。

＜本発明の実施の形態に係る形状推定システムの構成＞

図６は、本発明の実施の形態の形状推定システムの構成の一例を示すブロック図である。図６に示す形状推定システム１００は、形状推定装置１０と、複数のセンサ部２０の各々とを含む。形状推定装置１０は、ＣＰＵと、ＲＡＭと、後述する各処理ルーチンを実行するためのプログラムおよび各種データを記憶したＲＯＭと、を含むコンピュータで構成することができる。センサ部２０は、移動体であるロボット（例えばドローン）に搭載されたセンサであり、カメラ、測距センサ等で構成することができる。センサ部２０は、移動しながら計測したセンサ情報を形状推定装置１０に送信する。センサ情報には、カメラで撮影した画像、測距センサで測定した構造物との距離を含むセンサデータと、センサの位置と、観測地点の位置とを含む。なお、観測地点の位置は、後述する観測部３０で求めるようにしてもよい。

例えば、形状推定装置１０は、図７に示すコンピュータ５０で実現することができる。コンピュータ５０はＣＰＵ５１、一時記憶領域としてのメモリ５２、および不揮発性の記憶部５３を備える。また、コンピュータ５０は、入出力装置等（図示省略）が接続される入出力interface（Ｉ／Ｆ）５４、および記録媒体に対するデータの読み込みおよび書き込みを制御するread/write（Ｒ／Ｗ）部５５を備える。また、コンピュータ５０は、インターネット等のネットワークに接続されるネットワークＩ／Ｆ５６を備える。ＣＰＵ５１、メモリ５２、記憶部５３、入出力Ｉ／Ｆ５４、Ｒ／Ｗ部５５、およびネットワークＩ／Ｆ５６は、バス５７を介して互いに接続される。

記憶部５３は、Hard Disk Drive（ＨＤＤ）、solid state drive（ＳＳＤ）、フラッシュメモリ等によって実現できる。記憶媒体としての記憶部５３には、コンピュータ５０を機能させるためのプログラムが記憶されている。ＣＰＵ５１は、プログラムを記憶部５３から読み出してメモリ５２に展開し、プログラムが有するプロセスを順次実行する。

以上が図７におけるコンピュータの電気的な構成の一例の説明である。

以下、図６の形状推定装置１０における各処理部について説明する。形状推定装置１０は、機能的には、図６に示されるように、観測部３０と、分散形状推定部３２と、ターゲット選択部３４と、移動制御部３６と、判定部３８とを備えている。

図８は、分散形状推定部３２の構成を示すブロック図である。分散形状推定部３２は、分割部４０と、グリッド追加部４２と、占有度推定部４４と、法線推定部４６とを含んで構成されている。

観測部３０は、センサ部２０の各々から受信したセンサ情報に基づいて、上記（１）式に従って、観測対象の領域における観測地点の各々の占有度の観測データを観測する。また、観測部３０は、複数のセンサ部２０で観測履歴を集約し、センサ部２０の各々に、他のセンサの観測データおよび位置を共有する。

次に分散形状推定部３２の各部の処理を説明する。

分割部４０は、上記（７）式に従って、観測対象の領域を複数の分割領域の各々に分割する。分割手法は、特許文献３に記載のボロノイ分割の手法を用いればよい。分割領域の各々は、センサ部２０の各々の位置に対応するように分割される。

グリッド追加部４２は、分割領域の各々について、上記（８）式に従って、当該分割領域の境界領域の外側の観測済みのグリッドｌを割り当てる。

占有度推定部４４は、センサｉに対応する分割領域の各々について、上記（２）式に従って、グリッドの各々の占有度の予測平均を推定し、上記（３）式に従って、グリッドの各々の占有度の予測分散を推定する。グリッドは割り当てたグリッドを含む。

法線推定部４６は、センサｉに対応する分割領域の各々について、上記（６）式に従って、割り当てたグリッドと観測データとにより求まる当該分割領域の占有度の分布の勾配に基づいて、観測構造物の推定法線を推定する。

ターゲット選択部３４は、グリッドの各々の占有度の予測平均および予測分散に基づいて、上記（９）式の評価関数に従って、ターゲット候補の各々を選定する。ターゲット候補の観測地点と、センサ部の各々の位置とに基づいて、上記（１０）式に従って、ターゲットｌ^＊を選択する。なお、分割領域間でグリッドが共通する部分に関しては尤もらしい予測平均および予測分散は、外れ値を除去して尤もらしい値を用いればよい。

移動制御部３６は、選択したターゲットｌ^＊の位置と、推定法線から得られるターゲットｌ^＊の推定方向とに基づいて、センサ部２０の各々について、上記（１２）式に従って、当該センサ部２０の位置および方向を計算する。移動制御部３６は、計算した位置および方向によりセンサ部２０の各々を制御する。

判定部３８は、所定の条件を満たすかを判定し、所定の条件を満たすまで、の各々の処理を繰り返す。所定の条件は、例えば、領域内の未観測地点が、閾値以下になったか等を定める。

＜本発明の実施の形態に係る形状推定システムの作用＞

次に、本発明の実施の形態に係る形状推定システム１００における形状推定装置１０の作用について説明する。図９は、本発明の実施の形態に係る形状推定システム１００の形状推定装置１０の処理ルーチンを示すフローチャートである。形状推定装置１０は、センサ部２０の各々からセンサ情報を受信して以下の処理を実行する。

ステップＳ１００では、観測部３０は、センサ部２０の各々から受信したセンサ情報に基づいて、上記（１）式に従って、観測対象の領域における観測地点の各々の占有度の観測データを観測する。

ステップＳ１０２では、観測部３０は、複数のセンサ部２０で観測履歴を集約し、センサ部２０の各々に、他のセンサの観測データおよび位置を共有する。

ステップＳ１０４では、分割部４０は、上記（７）式に従って、観測対象の領域を複数の分割領域の各々に分割する。

ステップＳ１０６では、グリッド追加部４２は、分割領域の各々について、上記（８）式に従って、当該分割領域の境界領域の外側の観測済みのグリッドｌを割り当てる。

ステップＳ１０８では、占有度推定部４４は、分割領域の各々について、上記（２）式に従って、グリッドの各々の占有度の予測平均を推定し、上記（３）式に従って、グリッドの各々の占有度の予測分散を推定する。

ステップＳ１１０では、法線推定部４６は、センサｉに対応する分割領域の各々について、上記（６）式に従って、割り当てたグリッドと観測データとにより求まる当該分割領域の占有度の分布の勾配に基づいて、観測構造物の推定法線を推定する。

ステップＳ１１２では、ターゲット選択部３４は、グリッドの各々の占有度の予測平均および予測分散に基づいて、上記（９）式の評価関数に従って、ターゲット候補の各々を選定する。

ステップＳ１１４では、ターゲット選択部３４は、ターゲット候補の観測地点と、センサ部の各々の位置とに基づいて、上記（１０）式に従って、ターゲットｌ^＊を選択する。

ステップＳ１１６では、移動制御部３６は、選択したターゲットｌ^＊の位置と、推定法線から得られるターゲットｌ^＊の推定方向とに基づいて、センサ部２０の各々について、上記（１２）式に従って、当該センサ部２０の目標位置および目標方向を計算する。

ステップＳ１１８では、移動制御部３６は、計算した目標位置および目標方向となるようにセンサ部２０の各々を制御する。

ステップＳ１２０では、判定部３８は、所定の条件を満たすかを判定し、所定の条件を満たせば処理を終了し、所定の条件を満たさなければステップＳ１００に戻って処理を繰り返す。

［実験例］

本発明の実施の形態の手法を検証するため、移動体のロボットとして三台のドローンを用いて、未知構造物の被覆実験を行った。図１０は、未知構造物の推定結果の一例を示す図である。初期時刻では、図１０（ａ）のように全てのターゲットは未観測のため、領域内に構造物の推定形状は存在しない。初期時刻から２０［ｓ］経過すると、図１０（ｂ）のように観測済みの構造物が存在する地点と存在しない地点の占有度に基づいて、占有度の平均が１となる表面が推定される。さらに、次に観測すべきターゲットの推定方向は未知構造物の表面に対して、およそ垂直な方向になった。また、ターゲットが構造物の表面上でなければ、（６）式の勾配がほぼ０となるため、法線は表示されない。ただし、この時点では未知構造物の表面を部分的にしか復元できていない。さらに時間が経過すると、図１０（ｃ）のように領域内のほとんどの地点における占有度が観測され、未知構造物の表面全体がおおよそ復元できた。最終的に、図１０（ｄ）のように未知構造物表面上の全てのターゲットを観測できた。

以上説明したように、本発明の実施の形態に係る形状推定システムによれば、形状推定を複数台に分散化することで、形状推定に要する計算負荷を小さくすることができる。

また、観測データを分割することで、形状推定に用いる観測データ数を小さくできるため、複数のセンサによって、形状推定に要する計算負荷を小さくできる。

また、観測データを分割した場合に生じる推定の不連続性を回避することで、未知構造物表面の法線を正しく推定できる。そのため、各センサは未知構造物を個別に推定しながら未知構造物の表面全体をカバーできる。

なお、本発明は、上述した実施の形態に限定されるものではなく、この発明の要旨を逸脱しない範囲内で様々な変形や応用が可能である。

１０ 形状推定装置
２０ センサ部
３０ 観測部
３２ 分散形状推定部
３４ ターゲット選択部
３６ 移動制御部
３８ 判定部
４０ 分割部
４２ グリッド追加部
４４ 占有度推定部
４６ 法線推定部
１００ 形状推定システム

Claims (5)

1. 領域に配置された移動体であるセンサ部の各々によって計測されたセンサ情報に基づいて、観測地点の各々の占有度の観測データを観測する観測部と、
   前記領域を複数の分割領域に分割し、複数の分割領域ごとに、前記分割領域の外側の境界に対応するグリッドを割り当て、前記グリッドに対応する前記観測データに基づいて、前記グリッドの各々の占有度の予測平均および予測分散を推定し、割り当てた前記グリッドと前記観測データとにより求まる当該分割領域の前記占有度の分布の勾配に基づいて、観測構造物の推定法線を推定する分散形状推定部と、
   前記グリッドの各々の前記予測平均および予測分散に基づいて、予め定められた評価関数に従って、前記センサ部の観測の対象とするターゲットを選択するターゲット選択部と、
   選択した前記ターゲットの位置と、前記推定法線から得られる前記ターゲットの推定方向とに基づいて、予め定められた移動則に従って、前記ターゲットに対する前記センサ部について予め定められた観測度が最大になるように、前記センサ部の各々の位置および方向を制御する移動制御部と、
   を含む形状推定装置。
2. 前記分散形状推定部は、前記分割領域について、前記境界の近傍から割り当てられたグリッドから求まる当該分割領域の前記占有度の分布の勾配に基づいて、観測構造物の推定法線を推定する請求項１に記載の形状推定装置。
3. 前記ターゲット選択部は、前記グリッドの各々の占有度の平均および分散を評価するための評価関数により求まるターゲット候補の各々から、前記ターゲット候補の観測地点と、前記センサ部の各々の位置とに基づいて、前記ターゲットを選択する請求項１または請求項２に記載の形状推定装置。
4. 前記観測部、前記分散形状推定部、前記ターゲット選択部および前記移動制御部の各々の処理を所定の条件を満たすまで繰り返す判定部を更に含む請求項１～請求項３の何れか１項に記載の形状推定装置。
5. コンピュータを、
   領域に配置された移動体であるセンサ部の各々によって計測されたセンサ情報に基づいて、観測地点の各々の占有度の観測データを観測する観測部、
   前記領域を複数の分割領域に分割し、複数の分割領域ごとに、前記分割領域の外側の境界に対応するグリッドを割り当て、前記グリッドに対応する前記観測データに基づいて、前記グリッドの各々の占有度の予測平均および予測分散を推定し、割り当てた前記グリッドと前記観測データとにより求まる当該分割領域の前記占有度の分布の勾配に基づいて、観測構造物の推定法線を推定する分散形状推定部、
   前記グリッドの各々の前記予測平均および予測分散に基づいて、予め定められた評価関数に従って、前記センサ部の観測の対象とするターゲットを選択するターゲット選択部、および
   選択した前記ターゲットの位置と、前記推定法線から得られる前記ターゲットの推定方向とに基づいて、予め定められた移動則に従って、前記ターゲットに対する前記センサ部について予め定められた観測度が最大になるように、前記センサ部の各々の位置および方向を制御する移動制御部、
   として機能させるためのプログラム。

Images