JP7217212B2 - 現場監視装置、現場監視方法及び現場監視プログラム - Google Patents

Description

本発明は、現場監視装置、現場監視方法及び現場監視プログラムに関する。

近時、ロボットが作業現場において使用されることが多い。ロボットの使用は、単に不足しがちな労働力確保の観点だけではなく、作業の精度を向上するという品質面、及び、危険な場所への人員派遣を避けるという安全面でも有利である。

特許文献１のロボットシステムは、外科医が患者の手術を行うのを支援する。複数の多関節アームを有するロボットは、外科医の実演動作を学習する。ロボットは、その後、外科医の監督下で学習結果に基づき自律的に作業（患部の縫合等）するステップと、外科医の指示に基づき外科医の道具となって作業するステップとを途切れなく繰り返す。ロボットシステムは、作業の間、患部の拡張現実（ＡＲ）を外科医の視野に提供する。

特許文献２の作業画面表示装置は、多関節アームを有するロボットが作業している様子を撮像する。作業箇所がロボットのアームによって隠蔽された場合、作業画面表示装置は、隠蔽箇所の画像を削除し、予め撮像しておいた完全な画像のうち視点位置が合致するものを、隠蔽箇所に貼り付ける。

特許文献３の作業支援システムは、作業周辺環境、作業内容及び制約条件に基づいて、作業を行う作業装置の構成を決定する。作業装置は、複数のモジュール（腕、関節）を有する。仮に作業周辺環境が変化した場合でも、作業支援システムは、その変化に応じて、作業装置の構成を見直すことができる。

特表２０１３－５４３７６４号公報 特開２０１４－７９８２４号公報 特開２０１７－４２８５３号公報

ロボットに現場作業をさせる場合、オペレータの詳細な指示を受けるまでもなく作業内容を簡便に決定するとともに、必要に応じて作業内容を部分的に見直し、さらに、作業の様子をカメラ等で監視することが求められている。特に、災害後の現場では、環境が時々刻々と変化し、予想外のタイミングに予想外の位置に予想外の障害物が出現する場合が多い。すると、その都度、作業内容の見直し及びカメラ位置の見直しが必要になる。しかしながら、引用文献１～３は、このような場合における作業内容の見直し及びカメラ位置の見直しには言及していない。
そこで、本発明は、作業現場の予想外の変化に応じ、ロボットの作業内容及びロボットを監視するカメラの位置を簡便に見直すことを目的とする。

本発明の現場監視装置は、多関節ロボットが現場に投入される前に、前記多関節ロボットを操作するためのロボットパラメータ及び前記多関節ロボットを撮像するカメラを操作するためのカメラパラメータを学習する準備処理部と、前記多関節ロボットが現場に投入されている間に前記多関節ロボットに対する障害物を検知した場合、前記学習したロボットパラメータ及び前記学習したカメラパラメータの将来部分を更新する現場処理部と、を備え、前記現場処理部は、前記カメラの視野において前記多関節ロボットの関節が前記障害物に隠蔽されており、かつ、前記カメラが移動可能である場合、対角線を境界として前記視野を分割した４つの領域であって、予め左右上下のいずれか１つの移動方向が関連付けられている領域のうち、前記障害物が存在する領域を特定し、前記特定した領域に関連付けられている前記移動方向に前記カメラが移動するように、前記カメラパラメータの将来部分を更新すること、を特徴とする。
その他の手段については、発明を実施するための形態のなかで説明する。

本発明によれば、作業現場の予想外の変化に応じ、ロボットの作業内容及びロボットを監視するカメラの位置を簡便に見直すことができる。

現場監視装置の構成等を説明する図である。 既存の制御例を説明する図である。 本実施形態の制御例を説明する図である。 障害物出現時のカメラパラメータの見直しを説明する図である。 準備処理手順のフローチャートである。 現場処理手順のフローチャートである。 現場処理手順のステップＳ２０６の詳細フローチャートである。 監視画面の一例である。

以降、本発明を実施するための形態（以降“本実施形態”とも呼ぶ）を、図等を参照しつつ詳細に説明する。本実施形態は、多関節ロボットが発電所等の現場で作業する例である。しかしながら、多関節ロボットの周辺に予想外の有体物が近づく可能性のある現場に対し、本発明は広く適用可能である。

（現場監視装置）
図１は、現場監視装置１の構成等を説明する図である。現場監視装置１は、一般的なコンピュータであり、中央制御装置１１、マウス、キーボード等の入力装置１２、ディスプレイ等の出力装置１３、主記憶装置１４、補助記憶装置１５及び通信装置１６を備える。これらは、バスで相互に接続されている。補助記憶装置１５は、ロボットパラメータ３１、カメラパラメータ３２及び環境モデル３３（詳細後記）を記憶している。

主記憶装置１４における準備処理部２１及び現場処理部２２は、プログラムである。中央制御装置１１は、これらのプログラムを補助記憶装置１５から読み出し主記憶装置１４にロードすることによって、それぞれのプログラムの機能（詳細後記）を実現する。現場２には、多関節ロボット３、固定カメラ４及び移動カメラ５が配置されている。多関節ロボット３、固定カメラ４及び移動カメラ５は、ネットワーク６を介して現場監視装置１に接続されており、画像、信号等のデータを現場監視装置１との間でリアルタイムに通信可能である。

多関節ロボット３は、走行機構７、複数のセグメント８（８ａ～８ｆ）、複数の関節９（９ａ～９ｆ）、手４０及び手先カメラ４１を有する。セグメント８及び関節９は、集合的に腕と呼ばれる。走行機構７は、現場２内の任意の位置に移動することができる。関節９のそれぞれは、３つの軸を有しており（自由度＝３）、その末端側にあるセグメント８を回転させることができる。この結果、腕の末端にある手４０は、関節９ａを中心とし、半径が“腕の長さ－セグメント８ａの長さ”である球のうち、現場２の床（地面）上の空間内の任意の位置に届く。

手４０は、例えば、現場２に存在する物体４２を把持し、容器４３内に格納することができる。手先カメラ４１は、手４０の周辺を撮像する。手先カメラ４１は、３６０度のパン及びチルト並びに所定範囲のズームが可能である。固定カメラ４は、固定台４４に固定されている。固定カメラ４もまた、３６０度のパン及びチルト並びに所定範囲のズームが可能である。移動カメラ５は、走行機構４５に高さの調節が可能な柱４６を介して固定されている。移動カメラ５もまた、３６０度のパン及びチルト並びに所定範囲のズームが可能である。障害物７４については後記する。

（ロボットパラメータ）
現場監視装置１は、多関節ロボット３に対してロボットパラメータＲ_ｔを設定する。ロボットパラメータＲ_ｔは、以下のような“３＋３×ｉ”次元の時系列データである。
Ｒ_ｔ＝［（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ），Ｊ_ｉｔ（θ_ｉｔ，φ_ｉｔ，ψ_ｉｔ）］

ここで、“ｔ”は、時刻である。“（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ）”は、走行機構７の３次元空間における位置座標である。“ｉ”は、関節の番号であり、走行機構７に近いほうからｉ＝１、２、３、・・・である。なお、図１のように、多関節ロボット３の走行機構７が現場２の床面上のみを走行する場合、ｚ_ｔは“０”に固定される。走行機構７が床面から離れたガイド路面（図示せず）を走行する場合、ｚ_ｔは、正値を有することになる。“Ｊ_ｉｔ（θ_ｉｔ，φ_ｉｔ，ψ_ｉｔ）”は、ｉ番目の関節９の軸の回転角度である。説明の単純化のため、前記したように、すべての関節の自由度は“３”であるとする。関節９間の各セグメント８の長さは、既知である。

（カメラパラメータ）
現場監視装置１は、移動カメラ５及び固定カメラ４に対してカメラパラメータＣ_ｔを設定する。移動カメラ５は、現場２の３次元空間内の任意の位置に移動することができる。カメラパラメータＣ_ｔは、以下のような６次元の時系列データである。カメラパラメータＣ_ｔは、移動カメラ５及び固定カメラ４のそれぞれについて定義される。
Ｃ_ｔ＝［（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ），（α_ｔ，β_ｔ，γ_ｔ）］

ここで、“ｔ”は、時刻である。“（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ）”は、移動カメラ５及び固定カメラ４のカメラ本体の３次元空間における位置座標である。“（α_ｔ，β_ｔ，γ_ｔ）”のうち、“α_ｔ”は、左右方向の角度（パン）である。“β_ｔ”は、上下方向の角度（チルト）である。“γ_ｔ”は、画角（ズーム比）である。結局、“（α_ｔ，β_ｔ，γ_ｔ）”は、カメラの可視範囲を決定する。固定カメラ４のカメラパラメータＣ_ｔの“（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ）”が定数であるのに対して、移動カメラ５のカメラパラメータＣ_ｔの“（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ）”は、変数である。

（環境モデル）
環境モデル３３は、多関節ロボット３が作業する現場２の３次元の地図である。環境モデル３３は、建物の構造物（床面、壁面、柱及び天井面）、設備、配管等を記載している。そして、環境モデル３３は、建物の竣工時に初期作成される。設備の増設・除去がある都度、環境モデル３３が更新されるのが理想である。しかしながら、災害直後の設備の変化（設備の破片が床面に飛散する等）は、そもそも予測することが困難であり、環境モデル３３は、簡単には更新され得ない。そこで、ロボットパラメータ及びカメラパラメータが環境モデル３３に基づいて一旦学習された後、多関節ロボットが現場２に投入された時点で、ロボットパラメータＲ_ｔ及びカメラパラメータＣ_ｔを現状に即して修正する必要性が生じる。

（既存の制御例）
図２は、既存の制御例を説明する図である。任意の位置に設置されているカメラ（図１の例では、固定カメラ４又は移動カメラ５）は、ロボットの作業対象となる物体４２及び多関節ロボットの手４０を撮像することによって、物体と手との位置関係を検知する（符号５１）。既存の現場監視装置は、カメラから物体と手との位置関係を受信する（符号５２）。現場監視装置は、位置関係に基づき、その時点におけるロボットパラメータの変化量及びカメラパラメータの変化量を決定する（符号５３）。

現場監視装置は、決定したロボットパラメータの変化量を多関節ロボットに送信し、決定したカメラパラメータの変化量をカメラに送信する（符号５４）。すると、多関節ロボットは、受信したロボットパラメータの変化量に従い走行機構及び関節を動かす。カメラは、受信したカメラパラメータの変化量に従い走行機構（移動カメラの場合）を動かし、パン、チルト及び画角を変化させ、多関節ロボットを画面上で追跡する。このような一連の動作が時点ｔ１において終了した後、カメラは、新たな位置から新たなパン等の値で、物体及び手を撮像することによって、物体と手との位置関係を検知する。その後、同様の処理が繰り返される（時点ｔ２、ｔ３、ｔ４、・・・）ことになる。

結局、カメラが物体と手との位置関係を現場監視装置に送信する“フィードバック”、及び、現場監視装置がパラメータの変化量を多関節ロボット及びカメラに送信する“フィードフォワード”が交互かつ連鎖的に繰り返されることになる。ここでカメラが物体と手との位置関係を撮像する例を記述したのは、通常、多関節ロボットは手を使用して物体に働きかけるからである。図２の全期間において現場監視装置は、カメラが撮像した多関節ロボットと物体以外の周辺環境（他設備、天井面、壁面、障害物等）との位置関係に基づいて、多関節ロボットが周辺環境と接触しないようにロボットパラメータを決定する。

（本願の制御例）
図３は、本実施形態の制御例を説明する図である。本実施形態の現場監視装置は、カメラが障害物を検知するまでの正常期間６１においては、カメラ及び多関節ロボットとの間で、フィードバック及びフィードフォワードの繰り返し処理を実行しない。ここでのカメラは、固定カメラ４及び移動カメラ５を総括する概念である。

現場監視装置は、時点ｔ１において、３次元教師付き学習データを使用して、仮想空間において時系列のロボットパラメータ及びカメラパラメータを学習する（符号６２）。ここでの学習データは、作業前の３次元画像及び作業後の３次元画像の組合せである。多関節ロボットが行うべき作業が、物体を容器に格納する作業である場合、作業前の３次元画像には、作業空間を画定する壁面、床面に転がっている作業対象の物体、及び、床面に置かれた空の容器が写り込んでいる。作業後の３次元画像には、作業空間を画定する壁面、及び、床面に置かれ、作業対象の物体を格納した容器が写り込んでいる。

現場監視装置は、例えば、ニューラルネットワークの入力層に作業前の３次元画像を入力し、ニューラルネットワークの中間層に無作為に作成した重み（時系列のロボットパラメータ及びカメラパラメータに相当する）を入力する。そして、現場監視装置は、ニューラルネットワークの出力層の出力結果と、作業後の３次元画像との差分を算出する。現場監視装置は、当該処理を繰り返し、最も差分が小さくなる重みを、時系列のロボットパラメータ及びカメラパラメータとする。現場監視装置は、ニューラルネットワークを使用する代わりに、多関節ロボット自体を仮想空間内で模擬運転してもよい。

現場監視装置は、学習済みの時系列のロボットパラメータ及びカメラパラメータを多関節ロボット及びカメラに送信する（符号６３）。多関節ロボットは、時系列のロボットパラメータのうちその時点の変化量を“小出し”にして、関節及び走行機構を動かす（符号６４）。カメラについても同様である。

正常期間６１において、カメラは、時々刻々と変化する作業環境を撮像するとともに、撮像した作業環境を現場監視装置に送信する（符号６５）。ここでの撮像は、専ら障害物の検知を目的としており、図２のようにロボットパラメータ及びカメラパラメータの決定を目的としたものではない。現場監視装置は、受信した作業環境と環境モデル３３（正常状態にある作業環境のサンプル）とを比較し（符号６６）、予想外の障害物が存在していることを検知する（符号６７）。

ここでの作業環境とは、多関節ロボットが作業する現場の現況である。ここでの障害物とは、学習済の時系列のロボットパラメータＲ_ｔ又はカメラパラメータＣ_ｔの将来部分の変更を余儀なくさせる異物であり、例えば、災害後の現場における天井からの落下物である。落下物は、例えば多関節ロボットの腕の動きを妨害し、カメラが多関節ロボットの関節等を撮像する視野を遮る。

正常期間６１においてカメラが作業環境を撮像している（符号６５）とき、そのカメラに設定されているカメラパラメータは、時点ｔ１においてカメラが現場監視装置から受信（符号６３）した学習済のものである。したがって、正常期間６１においてカメラは、多関節ロボットの作業と全く無関係な作業環境を撮像することはない。つまり、カメラは、あらゆる障害物を検知するのではなく、多関節ロボットの作業に直接関係のある位置に出現した障害物のみを検知する。

（作業環境を撮像するカメラの型式）
作業環境を撮像するカメラは、図１の移動カメラ５であってもよいし、固定カメラ４であってもよいし、その他のカメラであってもよい。作業環境を撮像するカメラの型式は、ステレオカメラ、３次元レーザカメラ等を含む。作業監視装置は、ステレオカメラ又は３次元レーザカメラが取得した現場の現況を示す３次元点群モデル又は３次元メッシュモデルと、環境モデル３３とを比較してもよい

作業監視装置は、障害物を検知する（符号６７）と、学習済の時系列のロボットパラメータＲ_ｔを廃棄し、以降は、その都度送信されるロボットパラメータＲ_ｔに従う旨の指示を多関節ロボットに送信する（符号６８）。同時に、作業監視装置は、学習済の時系列のカメラパラメータＣ_ｔを廃棄し、以降は、その都度送信されるカメラパラメータＣ_ｔに従うとともに、物体及び手の位置関係を撮像する旨の指示をカメラに送信する（符号６８）。これらの指示は、“シーケンス組み換え指示”と呼ばれる。その後の期間は、“異常期間６９”となり、図２の処理が繰り返される。つまり、現場監視装置は、カメラが撮像した多関節ロボットと物体以外の周辺環境（他設備、天井面、壁面、障害物等）との位置関係に基づいて、多関節ロボットが周辺環境と接触しないようにロボットパラメータを決定する。

図２に比して図３の正常期間６１は、現場監視装置、多関節ロボット及びカメラが負担すべき情報処理量が少なくなる。例えば、多関節ロボットが現場内のほぼ同じ位置でほぼ同じ作業を毎日繰り返す（１分×１０回／日＝１０分／日）場合、予想外の障害物が出現しない限り、現場監視装置が多関節ロボットに送信する時系列のロボットパラメータＲ_ｔは、ほぼ同じものとなる。時系列のカメラパラメータＣ_ｔについても同様である。よって、現場監視装置は、フィードバック及びフィードフォワードの繰り返し処理を省略し、正常期間６１の処理負担を軽減する。一方、障害物が出現すると、現場監視装置は、本来のフィードバック及びフィードフォワードの繰り返し処理を行う。

（パラメータの学習）
ロボットパラメータＲ_ｔが決まれば、多関節ロボット３の手４０の軌跡は一意に決まる。しかしながら、手４０の軌跡が決まっても、時系列パラメータＲ_ｔは、一意に決まらない。同じ手４０の軌跡を実現する“Ｊ_ｉｔ”の組合せが多く存在するからである（逆運動学）。そこで、多くの組合せの候補から、適当なものを選択する必要性が生じる。選択条件の例は、以下の通りである。

〈経済面〉
・関節を回転させるアクチュエータの消費電力が小さい。
・走行機構の移動距離が短い。
〈安全面〉
・多関節ロボットの重心が低い。
・多関節ロボットの重心移動が小さい。
・多関節ロボットの床投影面に重心が収まる。
・多関節ロボットと周辺環境（他設備、壁面、天井面等）との距離が小さい。

多くの時系列のロボットパラメータＲ_ｔの過去例から、所定の選択条件に基づき、今次作業用の時系列のロボットパラメータＲ_ｔを選択することを、ロボットパラメータの“学習”と呼ぶ。同様に、多くの時系列のカメラパラメータＣ_ｔの過去例から、所定の選択条件に基づき、今次作業用の時系列のカメラパラメータＣ_ｔを選択することを、カメラパラメータの“学習”と呼ぶ。カメラ用の選択条件も、前記した多関節ロボット用の選択条件に準ずる。

過去例の十分な蓄積がない場合、作業監視装置１は、環境モデル３３を使用したシミュレーションによって、今次作業用の時系列のロボットパラメータＲ_ｔ及び時系列のカメラパラメータＣ_ｔを作成することができる。例えば、作業監視装置１は、出力装置１３に、環境モデル３３を仮想空間として表示する。そして、作業監視装置１は、ユーザが特定の作業を想像しながら仮想空間内において、多関節ロボット３の手４０の軌跡及び移動カメラ５の軌跡及び光軸の向きを、入力装置１２を介して描画するのを受け付ける。このようにして作業監視装置１が今次作業用の時系列のロボットパラメータＲ_ｔ及びカメラパラメータＣ_ｔを作成することも“学習”と呼ぶ。

作業監視装置１は、前記したように、過去の画像を学習データとして、今次作業用の時系列のロボットパラメータＲ_ｔを機械学習してもよい。学習データとは、例えば、作業前の作業対象の物体の画像、及び、作業後の当該物体の画像である。学習データの収集はユーザが行うが、時系列のロボットパラメータＲ_ｔそのものは、作業監視装置１によって出力される。時系列のカメラパラメータＣ_ｔについても同様である。以上から明らかなように、本実施形態では、現場に予想外の障害物が存在しない、すなわち、環境モデル３３がそのまま使用できることを前提として時系列のロボットパラメータＲ_ｔ及び時系列のカメラパラメータＣ_ｔを作成することを、広く“学習”と呼んでいる。

（障害物検知時のカメラパラメータの見直し）
図４は、障害物検知時のカメラパラメータの見直しを説明する図である。まず、ケース１に注目する。俯瞰図７１は、移動カメラ５が関節９を撮像している様子を真上から見下ろすように俯瞰した図である。付近には、移動カメラ５の視野を遮る障害物は存在しない。このとき、現場監視装置は、カメラパラメータＣ_ｔのうち、“（α_ｔ，β_ｔ，γ_ｔ）”を僅かに変化させる。

すると、移動カメラ５は、関節９の最大拡大画像を画面７２の中央に捉える。“±Δα”は、パンの値を大きく又は小さくすることによって、カメラの光軸を右方向又は左方向にずらすことを意味する。“±Δβ”は、チルトの値を大きく又は小さくすることによって、カメラの光軸を上方向又は下方向にずらすことを意味する。“－Δγ”は、画角を最小にする（最大限度に拡大する）ことを意味する。

次に、ケース２に注目する。俯瞰図７３は、移動カメラ５が関節９を撮像している様子を真上から見下ろすように俯瞰した図である。移動カメラ５と関節９との間に、移動カメラ５の視野の一部を遮る障害物７４が存在する。ケース１と同様に、移動カメラ５は、関節９の最大拡大画像を画面７５の中央に捉えようとしている。なぜならば、他のカメラからのデータにより、当該移動カメラ５は、関節９の位置を知り得るからである。しかしながら、障害物７４が関節９を隠蔽している。

このとき、現場監視装置は、カメラパラメータＣ_ｔのうち、“ｘ_ｔ”を僅かに変化させる。すると、移動カメラ５は、障害物７４を回避して関節９を画面７６の中央に捉える。“＋Δｘ”は、カメラ本体の位置を、ｘ軸の正方向（右方向）にずらすことによって、カメラの光軸が障害物７４の右側に逸れることを意味する。このとき現場監視装置がカメラパラメータＣ_ｔのうち“ｘ_ｔ”を正方向にずらしたのは、障害物７４の画面上の重心が画面の重心７９を基準として左側の象限８０ａにあるからである。因みに、このとき、現場監視装置がカメラパラメータＣ_ｔのうち“（α_ｔ，β_ｔ，γ_ｔ）”をどのように変化させても、関節９は隠蔽されたままである。

同様に、ケース２において、移動カメラ５は、関節９の最大拡大画像を画面７７の中央に捉えようとしている。しかしながら、障害物７４が関節９を隠蔽している。ただし、画面７７における障害物７４の位置は、画面７５における障害物７４の位置とは僅かに異なる。

このとき、現場監視装置は、カメラパラメータＣ_ｔのうち、“ｚ_ｔ”を僅かに変化させる。すると、移動カメラ５は、障害物７４を回避して関節９を画面７８の中央に捉える。“＋Δｚ”は、カメラ本体の位置を、ｚ軸の正方向（上方向）にずらすことによって、カメラの光軸が障害物７４の上側に逸れることを意味する。このとき現場監視装置がカメラパラメータＣ_ｔのうち“ｚ_ｔ”を正方向にずらしたのは、障害物７４の画面上の重心が画面の重心７９を基準として下側の象限８０ｂにあるからである。因みに、このとき、現場監視装置がカメラパラメータＣ_ｔのうち、“（α_ｔ，β_ｔ，γ_ｔ）”をどのように変化させても、関節９は隠蔽されたままである。

（処理手順）
以降において、処理手順を説明する。処理手順は２つ存在し、それらは、準備処理手順及び現場処理手順である。現場処理手順の開始は、準備処理手順の終了が前提となる。

（準備処理手順）
図５は、準備処理手順のフローチャートである。
ステップＳ１０１において、作業監視装置１の準備処理部２１は、パラメータの過去例の組を作業種類ごとに分類する。具体的には、第１に、準備処理部２１は、時系列のロボットパラメータＲ_ｔの過去例及びそのロボットパラメータと同期して使用された時系列のカメラパラメータＣ_ｔの過去例を取得する。補助記憶装置１５は、これらの過去例を記憶しているものとする。

第２に、準備処理部２１は、パラメータの組を作業種類ごとに分類する。具体的には、準備処理部２１は、ステップＳ１０１の“第１”において取得した組を、その作業種類ごとに分類する。作業種類は、例えば“切断”、“移動”、“把持”等である。

ここで作業種類ごとに分類することとしたのは、あくまでも一例である。準備処理部２１は、作業対象の物体４２の種類（個体、液体、粉末等）、多関節ロボットの種類等を分類基準としてもよいし、それらの組合せを分類基準としてもよい。当然のことながら、現場が異なれば、作業内容は異なり、ロボットパラメータ及びカメラパラメータの時系列変化も異なる。よって、適当な検索キーを使用すれば候補となる過去例が絞り込める程度に分類の細かさを決めることが望ましい。ロボットパラメータ及びカメラパラメータは多次元ベクトルであるので、多次元空間における“ｋ平均法”を使用してこれらの組を分類するのも有効である。

ステップＳ１０２において、準備処理部２１は、仮想空間においてパラメータの組を学習する。具体的には、第１に、準備処理部２１は、出力装置１３に環境モデル３３を表示する。
第２に、準備処理部２１は、ユーザが環境モデル３３の仮想空間において、多関節ロボット３の手４０の軌跡、並びに、移動カメラ５の軌跡及び光軸の方向を、入力装置１２を介して描画するのを受け付ける。

第３に、準備処理部２１は、ステップＳ１０２の“第２”における描画の結果に対して、ユーザが作業種類を関連付けるのを受け付ける。ユーザは、前記したように、作業種類以外にも、作業対象の物体の種類、多関節ロボットの種類等を又はそれらの組合せを描画の結果に関連付けてもよい。

ステップＳ１０３において、準備処理部２１は、パラメータの組を機械学習によって取得する。具体的には、第１に、準備処理部２１は、ある作業種別の作業前の３次元画像及び作業後の３次元画像をユーザが入力装置１２を介して入力するのを受け付ける。前記したように、作業前の３次元画像は、作業前における作業対象の物体４２を撮像したものである。作業後の３次元画像は、作業後における作業対象の物体４２を撮像したものである。
第２に、準備処理部２１は、ステップＳ１０３の“第１”において受け付けた３次元画像を学習データとしてロボットパラメータ及びカメラパラメータを、作成（学習）する。

第３に、準備処理部２１は、ステップＳ１０３の“第２”において作成されたロボットパラメータ及びカメラパラメータの組に対して、ユーザが作業種類を関連付けるのを受け付ける。ユーザは、前記したように、作業種類以外にも、作業対象の物体の種類、多関節ロボットの種類等を又はそれらの組合せをロボットパラメータ及びカメラパラメータの組に対して関連付けてもよい。
その後、準備処理手順を終了する。

準備処理部２１は、ステップＳ１０１、Ｓ１０２及びＳ１０３のすべてを実行する必要はなく、このうちの少なくとも１つを実行すれば十分である。準備処理手順を終了した段階で、準備処理部２１は、作業種類等のラベルが付された、ロボットパラメータ及びカメラパラメータの多くの組を補助記憶装置１５に記憶していることになる。換言すれば、準備処理部２１は、多関節ロボットが行う作業の種類、又は、多関節ロボットが行う作業の対象となる物体の種類ごとに、ロボットパラメータ及びカメラパラメータを学習していることになる。

（現場処理手順）
図６は、現場処理手順のフローチャートである。
ステップＳ２０１において、作業監視装置１の準備処理部２１は、作業種類等を受け付ける。具体的には、準備処理部２１は、ユーザが入力装置１２を介して作業種類、作業対象の物体の種類、多関節ロボットの種類、又は、それらの組合せを入力するのを受け付ける。説明の便宜上、ここでは作業種類“移動”が入力されたとする。

ステップＳ２０２において、準備処理部２１は、適当なパラメータの組を取得する。具体的には、第１に、準備処理部２１は、補助記憶装置１５に記憶されている時系列のロボットパラメータ及び時系列のカメラパラメータの組のうちから、ラベル“移動”が付されている組を取得する。

第２に、準備処理部２１は、ユーザが選択条件を、入力装置１２を介して入力するのを受け付ける。説明の便宜上、ここでは以下の選択条件１～３が入力されたとする。
〈選択条件１〉多関節ロボットの関節を回転させるアクチュエータの消費電力が小さい。
〈選択条件２〉多関節ロボットの重心移動が小さい。
〈選択条件３〉移動カメラの走行機構の移動距離が短い。

第３に、準備処理部２１は、ステップＳ２０２の“第２”において受け付けた選択条件に従って、ステップＳ２０２の“第１”において取得した組のうちから、１つの組を抽出する。ここで抽出された組に属する時系列のロボットパラメータ及び時系列のカメラパラメータは、それぞれ“運用ロボットパラメータ”及び“運用カメラパラメータ”と呼ばれる。この段階で、準備処理部２１が主体となってロボットパラメータ及びカメラパラメータを学習する処理は終了し、その後の処理の主体は現場処理部２２となる。

ステップＳ２０３において、現場監視装置１の現場処理部２２は、現場作業の開始を指示する。具体的には、現場処理部２２は、多関節ロボット３に対し作業開始の指示、及び、運用ロボットパラメータを送信し、多関節ロボット３を現場に投入する。
ステップＳ２０４において、現場処理部２２は、作業環境の撮像を指示する。具体的には、現場処理部２２は、移動カメラ５及び固定カメラ４に対し、障害物の検知を目的とする作業環境の撮像の指示、及び、運用カメラパラメータを送信する。ステップＳ２０４の段階で、図３の正常期間６１が開始されることになる。

ステップＳ２０５において、現場処理部２２は、障害物を検知したか否かを判断する。具体的には、現場処理部２２は、カメラから受信した作業環境と、環境モデル３３との差分を監視することによって障害物を検知した場合（ステップＳ２０５“Ｙｅｓ”）、ステップＳ２０６に進む。現場処理部２２は、それ以外の場合（ステップＳ２０５“Ｎｏ”）、ステップＳ２０７に進む。
ステップＳ２０６において、現場処理部２２は、パラメータを更新する。ここで説明を一旦図７に移す。

図７は、現場処理手順のステップＳ２０６の詳細フローチャートである。
ステップＳ３０１において、現場処理部２２は、ロボットパラメータを更新する。具体的には、現場処理部２２は、運用ロボットパラメータのうち将来部分を修正し、修正後の運用ロボットパラメータを多関節ロボット３に送信する。当該処理は、図３の時点ｔ５以降の処理に相当する。例えば障害物が多関節ロボット３と作業対象の物体とを結ぶ線分上にある場合、現場処理部２２は、運用ロボットパラメータのうち“（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ）”を将来的に修正する。例えば障害物が当該線分の右側の至近距離内にある場合、現場処理部２２は、運用ロボットパラメータのうち“Ｊ_ｉｔ（θ_ｉｔ，φ_ｉｔ，ψ_ｉｔ）”を将来的に修正し、腕が当該線分の左側を通過するようにする。

ステップＳ３０２において、現場処理部２２は、未処理の関節を特定する。具体的には、現場処理部２２は、多関節ロボットの関節９のうち未処理の任意の１つ（例えば最も走行機構７に近い関節９ａ）を特定する。ここで特定された関節は、“対象関節”と呼ばれる。

ステップＳ３０３において、現場処理部２２は、未処理のカメラを特定する。具体的には、現場処理部２２は、移動カメラ５及び固定カメラ４のうち未処理の任意の１つを特定する。ここで特定されたカメラは、“対象カメラ”と呼ばれる。

ステップＳ３０４において、現場処理部２２は、処理中のカメラに処理中の関節の撮像を指示する。具体的には、現場処理部２２は、対象カメラに対して対象関節の最大拡大画像を撮像するように指示する。すると、対象カメラは自律的に図４の符号７５のような画像を取得する。運用カメラパラメータが十分学習されたものであれば、この段階で対象カメラの画角は、対象関節を捉えているはずである。なお、現場処理部２２が、対象カメラに対して、対象関節に加えて作業対象の物体４２を同じ画像で撮像する旨を指示する例を変形例として後記する。

ステップＳ３０５において、現場処理部２２は、関節が障害物に隠蔽されているか否かを判断する。具体的には、現場処理部２２は、対象カメラの画像内で対象関節が障害物によって隠蔽されている場合（ステップＳ３０５“Ｙｅｓ”）、ステップＳ３０６に進み、それ以外の場合（ステップＳ３０５“Ｎｏ”）、ステップＳ３０８に進む。

ステップＳ３０６において、現場処理部２２は、処理中のカメラは移動カメラ５であるか否かを判断する。具体的には、現場処理部２２は、対象カメラが移動カメラ５である場合（ステップＳ３０６Ｙｅｓ”）、ステップＳ３０７に進み、それ以外の場合（ステップＳ３０６“Ｎｏ”）、所定の時間だけ待機した後ステップＳ３０５に戻る。

ステップＳ３０７において、現場処理部２２は、処理中のカメラのパラメータを更新する。具体的には、現場処理部２２は、対象カメラの運用カメラパラメータのうち将来部分の“（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ）”を所定の変化幅だけ修正し、修正後の運用カメラパラメータを対象カメラに送信する。ここでの変化幅は、予めユーザが設置したΔｘ（左右方向）又はΔｚ（上下方向）である。現場処理部２２は、画像内における障害物の重心の位置に応じて、＋Δｘ（右方向）、－Δｘ（左方向）、＋Δｚ（上方向）又は－Δｚ（下方向）のうちのいずれかを選択する（図４参照）。その後、現場処理部２２は、ステップＳ３０５に戻る。

ステップＳ３０８において、現場処理部２２は、利用可能カメラとして登録する。具体的には、第１に、現場処理部２２は、対象カメラのうちステップＳ３０５“Ｎｏ”を経由したものを取得する。ここで取得された対象カメラは、“利用可能カメラ”と呼ばれる。対象カメラが固定カメラであって、障害物が対象関節を隠蔽している場合、その対象カメラは、その対象関節についての利用可能カメラとはならない。つまり、図示しないが、現場処理部２２は、ステップＳ３０５及びＳ３０６を所定の回数以上繰り返した場合、ステップＳ３０３に戻る。

第２に、現場処理部２２は、利用可能カメラの画像に捉えられた対象関節の面積が大きい順に、利用可能カメラを順序付ける。そして、現場処理部２２は、その順序に関連付けて利用可能カメラを特定する情報（カメラの識別子等）を補助記憶装置１５に記憶する。

ステップＳ３０９において、現場処理部２２は、未処理のカメラがあるか否かを判断する。具体的には、現場処理部２２は、未処理の対象カメラが残っている場合（ステップＳ３０９“Ｙｅｓ”）、ステップＳ３０３に戻り、それ以外の場合（ステップＳ３０９“Ｎｏ”）、ステップＳ３１０に進む。

ステップＳ３１０において、現場処理部２２は、未処理の関節があるか否かを判断する。具体的には、現場処理部２２は、未処理の対象関節が残っている場合（ステップＳ３１０“Ｙｅｓ”）、ステップＳ３０２に戻り、それ以外の場合（ステップＳ３１０“Ｎｏ”）、ステップＳ２０６を終了する。

ステップＳ３０２～Ｓ３１０の繰り返し処理が終了した段階で、補助記憶装置１５は、関節ごとに、その関節を撮像可能な複数のカメラの識別子のリストを記憶していることになる。さらに、その識別子は、関節の画像が大きい順に並んでいる。関節の数に比してカメラの数が少ない場合、ある特定のカメラの識別子が、複数のリストの先頭に位置する場合もある。説明を図６のステップＳ２０７に戻す。

ステップＳ２０７において、現場処理部２２は、関節の画像を表示する。具体的には、現場処理部２２は、出力装置１３に監視画面９１（図８）を表示する。監視画面９１は、俯瞰図欄９２、操作欄９３及び監視画像欄９４を有する。俯瞰図欄９２は、多関節ロボット３、移動カメラ５ａ及び５ｂ、固定カメラ４並びに作業対象の物体４２を表示している。当該表示は、例えば現場の天井に設置されたカメラが撮像した現在画像であってもよいし、コンピュータグラフィックによる模式図であってもよい。

操作欄９３は、カメラ選択ボタン９５、ジョイスティックを図案化したカメラ操作欄９６、関節選択ボタン９７及び被選択関節欄９８を有する。ユーザがカメラ選択ボタン９５を押下すると、カメラ４→カメラ５ａ→カメラ５ｂ→カメラ４→・・・のように、複数あるカメラのそれぞれがローテーション式に選択される。図８では、カメラ５ａが選択されている。ユーザが関節選択ボタン９７を押下すると、関節９ａ→関節９ｂ→関節９ｃ→関節９ａ→・・・のように、複数ある関節のそれぞれがローテーション式に選択される。図８では、関節９ｂが選択されている（被選択関節欄９８）。

カメラ及び関節が選択されると、現場処理部２２は、監視画像欄９４に、カメラ５ａが撮像した関節９ｂの画像を表示する。このとき、ユーザがカメラ操作欄９６の〇を上側に操作すると選択されたカメラのカメラパラメータのうち“β_ｔ”が変化しカメラの光軸が上方向へ動く（チルト）。すると、画像欄９４の画像が変化する。ユーザがカメラ操作欄９６の〇を右側に操作すると選択されたカメラのカメラパラメータのうち“α_ｔ”が変化しカメラの光軸が右側に動く（パン）。すると、画像欄９４の画像が変化する。

前記の例では、カメラ操作欄９６は、カメラのパン及びチルトを変化させている。しかしながら、選択されたカメラが移動カメラである場合、カメラ操作欄９６は、そのカメラの位置座標“（ｘ_ｔ，ｙ_ｔ，ｚ_ｔ）”のうちのいずれか２つを変化させてもよい。
ステップＳ２０７の後、現場処理手順を終了する。

（変形例）
移動カメラ５又は固定カメラ４が撮像する画像中に、対象関節及び作業対象の物体４２が同時に写り込んでいると、ユーザは作業の様子を容易に視認できる。そこで、ステップＳ３０４において、現場処理部２２は、対象カメラに対して、対象関節に加えて作業対象の物体４２を同じ画像で撮像する旨を指示してもよい。すると、対象カメラは、対象関節を画面の中心に捉えながら、物体４２が写り込むまで画角を徐々に大きくして行く。現場処理部２２は、例えば、腕の末端に近い対象関節についてのみ、このような指示を行ってもよい。

（本実施形態の効果）
本実施形態の現場監視装置の効果は以下の通りである。
（１）現場監視装置は、一旦学習したロボットパラメータ及びカメラパラメータの一部を、障害物の出現を契機として更新することができる。
（２）現場監視装置は、仮想空間において容易にパラメータを学習し、かつ、正常状態の作業環境にはなかった障害物を確実に検知することができる。
（３）現場監視装置は、多関節ロボットの関節を確実に監視することができる。

（４）現場監視装置は、実際の作業種類等に適合するパラメータを的確に学習することができる。
（５）現場監視装置は、カメラに多関節ロボットの関節及び作業対象の物体を同時に撮像させることができる。
（６）現場監視装置は、３次元点群又は３次元メッシュとして表現された実際の作業環境を、あるべき環境モデルと正確に比較することができる。

なお、本発明は前記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、前記した実施例は、本発明を分かり易く説明するために詳細に説明したものであり、必ずしも説明したすべての構成を備えるものに限定されるものではない。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、前記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウエアで実現してもよい。また、前記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウエアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしもすべての制御線や情報線を示しているとは限らない。実際には殆どすべての構成が相互に接続されていると考えてもよい。

１ 現場監視装置
２ 現場
３ 多関節ロボット
４ 固定カメラ（カメラ）
５ 移動カメラ（カメラ）
６ ネットワーク
９ 関節
１１ 中央制御装置
１２ 入力装置
１３ 出力装置
１４ 主記憶装置
１５ 補助記憶装置
１６ 通信装置
２１ 準備処理部
２２ 現場処理部
３１ ロボットパラメータ
３２ カメラパラメータ
３３ 環境モデル
４２ 物体
７４ 障害物
９１ 監視画面

Claims (7)

1. 多関節ロボットが現場に投入される前に、前記多関節ロボットを操作するためのロボットパラメータ及び前記多関節ロボットを撮像するカメラを操作するためのカメラパラメータを学習する準備処理部と、
   前記多関節ロボットが現場に投入されている間に前記多関節ロボットに対する障害物を検知した場合、前記学習したロボットパラメータ及び前記学習したカメラパラメータの将来部分を更新する現場処理部と、
   を備え、
   前記現場処理部は、
   前記カメラの視野において前記多関節ロボットの関節が前記障害物に隠蔽されており、かつ、前記カメラが移動可能である場合、
   対角線を境界として前記視野を分割した４つの領域であって、予め左右上下のいずれか１つの移動方向が関連付けられている領域のうち、前記障害物が存在する領域を特定し、前記特定した領域に関連付けられている前記移動方向に前記カメラが移動するように、前記カメラパラメータの将来部分を更新すること、
   を特徴とする現場監視装置。
2. 前記準備処理部は、
   仮想空間内で前記ロボットパラメータ及び前記カメラパラメータを学習し、
   前記現場処理部は、
   実際の作業環境と、正常状態にある前記作業環境のサンプルとを比較することによって、前記障害物を検知すること、
   を特徴とする請求項１に記載の現場監視装置。
3. 前記準備処理部は、
   前記多関節ロボットが行う作業の種類、又は、前記多関節ロボットが行う作業の対象となる物体の種類ごとに、前記ロボットパラメータ及び前記カメラパラメータを学習すること、
   を特徴とする請求項２に記載の現場監視装置。
4. 前記現場処理部は、
   前記カメラが、前記多関節ロボットの関節及び前記多関節ロボットの作業対象である物体を同一画面で撮像できるように、前記学習したカメラパラメータの将来部分を更新すること、
   を特徴とする請求項３に記載の現場監視装置。
5. 前記現場処理部は、
   ３次元の点群又は３次元のメッシュとして前記実際の作業環境を取得すること、
   を特徴とする請求項４に記載の現場監視装置。
6. 現場監視装置の準備処理部は、
   多関節ロボットが現場に投入される前に、前記多関節ロボットを操作するためのロボットパラメータ及び前記多関節ロボットを撮像するカメラを操作するためのカメラパラメータを学習し、
   前記現場監視装置の現場処理部は、
   前記多関節ロボットが現場に投入されている間に前記多関節ロボットに対する障害物を検知した場合、前記学習したロボットパラメータ及び前記学習したカメラパラメータの将来部分を更新するとともに、
   前記カメラの視野において前記多関節ロボットの関節が前記障害物に隠蔽されており、かつ、前記カメラが移動可能である場合、
   対角線を境界として前記視野を分割した４つの領域であって、予め左右上下のいずれか１つの移動方向が関連付けられている領域のうち、前記障害物が存在する領域を特定し、前記特定した領域に関連付けられている前記移動方向に前記カメラが移動するように、前記カメラパラメータの将来部分を更新すること、
   を特徴とする現場監視装置の現場監視方法。
7. 現場監視装置の準備処理部に対し、
   多関節ロボットが現場に投入される前に、前記多関節ロボットを操作するためのロボットパラメータ及び前記多関節ロボットを撮像するカメラを操作するためのカメラパラメータを学習する処理を実行させ、
   前記現場監視装置の現場処理部に対し、
   前記多関節ロボットが現場に投入されている間に前記多関節ロボットに対する障害物を検知した場合、前記学習したロボットパラメータ及び前記学習したカメラパラメータの将来部分を更新するとともに、
   前記カメラの視野において前記多関節ロボットの関節が前記障害物に隠蔽されており、かつ、前記カメラが移動可能である場合、
   対角線を境界として前記視野を分割した４つの領域であって、予め左右上下のいずれか１つの移動方向が関連付けられている領域のうち、前記障害物が存在する領域を特定し、前記特定した領域に関連付けられている前記移動方向に前記カメラが移動するように、前記カメラパラメータの将来部分を更新する処理を実行させること、
   を特徴とする現場監視装置を機能させるための現場監視プログラム。
   

Images