JP7445909B1 - 害獣駆除システムおよび害獣駆除プログラム - Google Patents

Abstract

【課題】屋内でも害獣を追い払うことができる害獣駆除システムを提供する。【解決手段】害獣駆除システム１は、倉庫Ｒを撮影するカメラ２と、倉庫Ｒを飛行するドローン３と、制御装置５を有する。制御装置５は、機械学習により作成した動物検出モデル５６を用いてカメラ２により撮影したカメラ画像５０からネズミＡを検出する動物検出部５１と、動物検出モデル５６からの出力データおよび倉庫Ｒの３Ｄマップ６１を用いて倉庫ＲにおけるネズミＡの出現位置３４を特定する出現位置特定部５２と、３Ｄマップ６１を用いてドローン３を待機させた待機位置３０から出現位置３４へ向かう最適飛行ルート６２を決定する飛行ルート決定部５３と、最適飛行ルート６２を飛行する飛行命令、および、ドローン３に予め設定した威嚇動作を行わせる威嚇命令をドローン３に送信するドローン制御部５４を備える。【選択図】図３

Description

特許法第３０条第２項適用 配布日：令和４年９月１５日、配布場所：松本市秘書広報室

特許法第３０条第２項適用 発行日：令和４年１１月３０日 信州大学総務部総務課広報室発行、刊行物名：信大ＮＯＷ、第１３６号、第３－６頁

特許法第３０条第２項適用 発表日：令和４年９月２９日 開催場所：長野県松本工業高校（住所は長野県松本市筑摩４丁目１１番１号）

本発明は、ドローンなどの無人航空機を用いてネズミなどの害獣を駆除するための害獣駆除システムおよび害獣駆除プログラムに関する。

従来から、倉庫などの建物に侵入したネズミなどの小動物による被害が問題になっている。ネズミの駆除方法としては、ネズミ忌避剤（匂い）や電池式ネズミ駆除器（音）によりネズミを追い出す方法、ネズミの侵入経路を網や粘着シートにより遮断する方法が用いられている。

一方、近年においては、ドローンなどの小型の飛行装置を用いて害獣を追い払う技術の開発が行われている。特許文献１には、害獣を検知した場合に、ドローンにより害獣（例えば、鹿、猪、猿、鳥など）を追い払うシステム（無人飛行装置制御システム）が記載される。

特許文献１の無人飛行装置制御システムは、監視対象の領域にカメラを設置し、カメラの画像から害獣を機械学習モデルにより検知する。そして、害獣を検知した場合は、害獣の現在位置に基づいて、害獣が侵入中の領域から出ていきやすい位置（例えば、獣道）のうちの１つを退去位置に設定する。そして、退去位置へ害獣を向かわせるための飛行指示をドローンに送信する。例えば、害獣が検知された位置から退去位置へ害獣を追うように、あるいは、退去位置へ向けて害獣を誘導するようにドローンを飛行させる。

特許第６７０４９７９号公報

特許文献１のシステムは、屋外の開けた空間での運用を想定しており、様々な物資が収容される倉庫などのように、飛行経路が限定される空間での運用は想定されていない。また、ドローンの飛行経路の決定方法について具体的に示されていない。

ドローンにより害獣を追い払うシステムを屋内において運用する場合、障害物を回避しながら最短経路で飛行するのが難しい。また、飛行経路上の障害物を検知し、その都度回避運動をしながら飛行するのでは、検知された動物（害獣）に速やかに近づくことができない。そのため、害獣を追い払うことができないおそれがある。

本発明の目的は、このような点に鑑みて、屋内でも害獣を追い払うことができる害獣駆除システムを提供することにある。

上記の課題を解決するために、本発明の害獣駆除システムは、監視対象の屋内空間に設置されて前記屋内空間を撮影するカメラと、前記屋内空間を飛行する無人航空機と、前記無人航空機および前記カメラと通信可能な制御装置を有し、前記制御装置は、機械学習により作成した動物検出モデルを用いて前記カメラにより撮影したカメラ画像から駆除対象の動物を検出する動物検出部と、前記動物検出モデルからの出力データ、および、予め作成された前記屋内の空間の３次元データを用いて、前記３次元データの座標系における前記動物の出現位置の３次元座標を特定する出現位置特定部と、前記無人航空機を待機させた待機位置の３次元座標が前記３次元データの座標系上に設定されており、前記待機位置から前記出現位置へ向かう最適飛行ルートを、前記３次元データの座標系上で決定する飛行ルート決定部と、前記最適飛行ルートを飛行する飛行命令、および、前記無人航空機に予め設定した威嚇動作を行わせる威嚇命令を前記無人航空機に送信する無人航空機制御部を備えることを特徴とする。

また、本発明の害獣駆除プログラムは、機械学習により作成した動物検出モデルを用いて、監視対象の屋内空間に設置されたカメラにより撮影したカメラ画像から駆除対象の動物を検出する動物検出処理と、前記動物検出モデルからの出力データ、および、予め作成された前記屋内空間の３次元データを用いて、前記３次元データの座標系における前記動物の出現位置の３次元座標を特定する出現位置特定処理と、前記屋内空間を飛行する無人航空機を待機させた待機位置の３次元座標が前記３次元データの座標系上に設定されており、前記待機位置から前記出現位置へ向かう最適飛行ルートを、前記３次元データの座標系上で決定する飛行ルート決定処理と、前記最適飛行ルートを飛行する飛行命令、および、前記無人航空機に予め設定した威嚇動作を行わせる威嚇命令を前記無人航空機に送信する無人航空機制御処理と、を単独または複数のコンピュータに行わせることを特徴とする。

本発明によれば、監視対象の屋内空間に駆除対象の動物が現れた場合には、カメラ画像から動物を検出し、無人航空機を出現位置に向かわせて威嚇することができる。従って、
駆除対象の動物を自動処理によって追い払うことができる。その際、その際、予め作成された監視対象の屋内空間の３次元データを用いて動物の出現位置を特定し、無人航空機の飛行ルートとして予め作成された監視対象の屋内空間の３次元データを用いて決定した最適飛行ルートを用いることができるので、飛行経路に制限がある屋内空間でも、速やかに出現位置に無人航空機を向かわせることができる。従って、監視対象の屋内空間に侵入した動物を追い払うことができる。

本発明において、前記無人航空機は、前記屋内空間内に設定された互いに異なる複数の前記待機位置のそれぞれに待機し、前記飛行ルート決定部は、前記３次元データを複数の目標エリアに分割して、前記複数の目標エリアのそれぞれに対して、前記複数の前記待機位置のいずれかからの飛行ルートを対応づけた候補ルートデータセットの中から、前記出現位置を含む前記目標エリアに対応づけられた前記飛行ルートを前記最適飛行ルートとして決定することが好ましい。このようにすると、動物が出現した際には、出現位置に基づき予め設定された候補ルートデータセットの中から出現位置を含む目標エリアに対応づけられた飛行ルートを選択するだけでよい。従って、最適飛行ルートの決定処理に要する負荷を小さくすることができる。

本発明において、前記候補ルートデータセットに含まれる前記飛行ルートは、前記待機位置から前記目標エリアまで飛行する際の飛行時間および消費エネルギーの少なくとも一方に基づいて決定されていることが好ましい。例えば、飛行時間が最小の飛行ルートを設定することにより、最短時間で動物を威嚇することができる。あるいは、消費エネルギーが最小の飛行ルートを設定することにより、無人航空機のバッテリーの消耗を最も少なくすることができる。あるいは、飛行時間と消費エネルギーのバランスを考慮して飛行ルートを設定することもできる。

本発明において、前記候補ルートデータセットに含まれる前記飛行ルートは、前記飛行時間が予め設定した基準飛行時間よりも短いことが好ましい。このようにすると、基準飛行時間内に動物を威嚇することができる。また、基準飛行時間内に出現位置に到達できる飛行ルートの中で、飛行時間と消費エネルギーの組合せが異なる複数の飛行ルートを候補ルートデータセットに含めておくこともできる。この場合には、状況に応じて、飛行時間とバッテリー残量のどちらを優先するかを決定して、飛行ルートを選択することができる。例えば、前記候補ルートデータセットに含まれる前記飛行ルートは、前記無人航空機の運動方程式を用いて算出した前記飛行時間と前記消費エネルギーの組合せにより構成されるパレート解の集合の中で、前記飛行時間と前記消費エネルギーを最適化させた最適解に対応する飛行ルートであることが好ましい。また、前記最適解は、前記飛行時間が予め設定した基準飛行時間よりも短く、且つ、前記消費エネルギーが最小のパレート解であることが好ましい。

本発明において、前記３次元データは、前記屋内空間の３次元形状をＬｉＤＡＲカメラを用いて移動しながら計測したスキャンデータ、もしくは、前記屋内空間を動画撮影用カメラを用いて移動しながら撮影した撮影データを用いて３次元形状化処理を行い、さらに、前記無人航空機を飛行させる際に障害となる物体を包含する飛行禁止空間を設定して、前記飛行禁止空間を除外した空間に格子状の経路点を設定したデータであることが好まし
い。この場合に、前記候補ルートデータセットに含まれる前記飛行ルートは、前記経路点を結ぶルートであることが好ましい。このようにすると、飛行禁止空間に侵入しない飛行ルートを容易に設定できる。また、経路点を単純な形状（例えば、直線または円弧）で結ぶようにルートを設定することにより飛行コマンドの生成が容易となる。あるいは、離れた経路点を直線で結ぶ飛行ルートを設定することによって、飛行時間あるいはエネルギー消費の少ない飛行ルートを設定することも可能である。また、経路点毎に自己位置を検出して飛行プログラムを修正することが可能である。

本発明において、前記動物検出部は、前記動物検出モデルを用いて、前記カメラ画像から前記駆除対象の動物が写っている画像部位を抽出し、抽出した前記画像部位を取り囲む大きさのバウンディングボックスを生成し、前記出現位置特定部は、前記カメラ画像内の前記バウンディングボックスの座標から前記出現位置を示す３次元座標を特定することが好ましい。また、カメラ画像を３次元座標に変換する際、正確な実空間上の座標を特定するために、カメラ画像のゆがみを補正するなどの加工を行う。このようにすると、動物の出現位置として適正な座標を求めることができる。

本発明において、前記出現位置特定部は、前記出現位置を示す３次元座標をクラウドサーバに送信し、前記３次元データおよび前記候補ルートデータセットは、前記クラウドサーバに記憶されることが好ましい。このようにすると、専用のサーバや通信経路を構築する必要がないので、害獣駆除システムの構築が容易である。

本発明において、前記動物検出モデルからの出力データを前記クラウドサーバに設けられた動物検出履歴データベースに記憶させることが好ましい。このようにすると、今後の害獣対策に有用な情報をクラウドサーバに蓄積することができる。

本発明において、前記カメラは、前記屋内空間の壁面に沿って複数配置され、床を向いて撮影し、前記最適飛行ルートは、前記屋内空間の床に沿って飛行するルートであることが好ましい。このようにすると、監視対象の屋内空間（例えば、倉庫）の床を走り回るネズミなどの害獣が出現した場合に、カメラにその姿が映りやすい。従って、害獣の出現を検知しやすい。また、害獣の近くに無人航空機を飛ばすことができるので、効果的に追い払うことができる。

本発明において、前記カメラは、赤外線カメラであることが好ましい。このようにすると、監視対象の空間が暗い場合でも、出現した害獣を検知することができる。

本発明において、前記威嚇動作としてフリップ動作を行うことが好ましい。このようにすると、無人航空機において一般的に行われる動きを用いて威嚇するので、威嚇を行うための制御が容易であり、且つ、効果的に害獣を追い払うことができる。

本発明によれば、監視対象の屋内空間に駆除対象の動物が現れた場合には、カメラ画像から動物を検出し、無人航空機を出現位置に向かわせて威嚇することができる。従って、駆除対象の動物を自動処理によって追い払うことができる。その際、その際、予め作成された監視対象の屋内空間の３次元データを用いて動物の出現位置を特定し、無人航空機の飛行ルートとして予め作成された監視対象の屋内空間の３次元データを用いて決定した最適飛行ルートを用いることができるので、飛行経路に制限がある屋内空間でも、速やかに出現位置に無人航空機を向かわせることができる。従って、監視対象の屋内空間に侵入した動物を追い払うことができる。

本発明を適用した害獣駆除システムの概略構成図である。 倉庫の３Ｄマップを模式的に示す斜視図である。 害獣駆除システムの機能構成を示すブロック図である。 動物検出モデルの作成方法を示す概略フローチャートである。 動物検出モデルを用いてカメラ画像からネズミを検出する方法を示す概略フローチャートである。 ３Ｄマップの作成方法および最適飛行ルートの設定方法を示す概略フローチャートである。 ３Ｄマップの平面図上に飛行禁止空間、経路点、および最適飛行ルートの設定例を表示した説明図である。 害獣駆除システムによるネズミ駆除のシーケンス図である。

以下に、図面を参照して本発明を適用した害獣駆除システムの実施形態を説明する。なお、以下に説明する実施形態は本発明の一例を示すものであり、本発明は以下に説明する実施形態に限定されるものではない。

（全体構成）
害獣駆除システム１は、倉庫などの屋内空間を監視対象の空間とするものであり、駆除対象の害獣としてネズミなどの小動物を想定する。また、害獣を追い払うために小型の無人航空機（Unmanned Aerial Vehicle）を使用する。無人航空機としては、例えば、３以上のローターを持つマルチコプター（いわゆるドローン）や、ラジコン機を用いることができる。以下、監視対象の空間が倉庫Ｒであり、駆除対象の害獣がネズミＡであり、害獣を追い払う無人航空機がドローン３である場合を例にとって説明する。

図１は、本発明を適用した害獣駆除システム１の概略構成図である。図２は、倉庫Ｒの３Ｄマップ６１を模式的に示す斜視図である。図３は、害獣駆除システム１の機能構成を示すブロック図である。図１、図２に示すように、害獣駆除システム１は、監視対象の空間（本形態では、倉庫Ｒ）を撮影するカメラ２と、無人航空機としてのドローン３と、ルーター４を介してカメラ２のデータを取得するとともにドローン３の飛行を制御する制御装置５を備える。制御装置５は、インターネットなどのネットワークを介してクラウドサーバ６と通信可能である。

図１に示すように、本形態では、カメラ２が設置される倉庫Ｒにルーター４が設置されており、制御装置５は、倉庫Ｒとは別の建物に設置される。例えば、倉庫Ｒを管理する管理事務所に制御装置５が設置される。制御装置５としては、例えば、汎用のコンピュータを用いる。

害獣駆除システム１は、倉庫Ｒの内部空間をカメラ２により撮影した撮影画像（以下、カメラ画像５０という）に対して画像解析を行う。カメラ画像５０にネズミＡが含まれていることを検出した場合には、倉庫ＲにネズミＡが侵入したと判定し、倉庫Ｒの３次元データである３Ｄマップ６１および画像解析によるネズミＡの検出結果に基づいてネズミＡが出現した位置を特定する。そして、ネズミＡが出現した位置までドローン３を飛行させ、侵入したネズミＡを追い払うための威嚇動作をドローン３に行わせる。本形態では、３Ｄマップ６１およびドローン３の飛行経路を決定するために必要なデータは、クラウドサーバ６に記憶される。

カメラ２は、無線通信あるいは有線通信によりルーター４に接続される。カメラ画像５０は、ルーター４を介して制御装置５に送信される。カメラ２は、倉庫Ｒに設置された固定式の監視カメラである。図２に示すように、倉庫Ｒには、複数のカメラ２が設置される。複数のカメラ２は、隣り合うカメラ２の撮影画角が重なり合っており、倉庫Ｒ全体をカ
バーできるように設置される。

カメラ２としては、例えば、赤外線カメラを用いる。カメラ２の位置や向きは、ネズミＡの通路となる領域が写るように適宜設定する。例えば、図２に示すように、倉庫Ｒの壁面３１の上部に設置されたカメラ２により斜め下方を撮影する。ネズミＡが地面に近い位置から侵入することが多い場合には、このような向きにカメラ２を設置することにより、侵入したネズミＡがカメラ画像５０に写りやすい。また、壁面３１の上部から斜め下向きに撮影することにより、倉庫Ｒ内に集積された物資３２によってネズミＡの通路となる領域が遮蔽されにくくなる。従って、侵入したネズミＡがカメラ画像５０に写りやすい。

なお、撮影方向を変えながら撮影できる可動式のカメラ２を用いて、異なる撮影領域を順次撮影するように構成してもよい。また、カメラ２の配置および数は、適宜変更することができる。例えば、ネズミＡを重点的に駆除したい領域がある場合には、その領域のみ監視するようにカメラ２を配置してもよい。

ドローン３は、ルーター４を介して、制御装置５からの飛行命令を無線通信により受信する。倉庫Ｒには、ドローン３の待機位置３０が複数設定され、複数の待機位置３０のそれぞれにドローン３を待機させる。各待機位置３０には、無線給電装置を備えたドローン発着ステーションが設けられている。ドローン発着ステーションに着陸したドローン３は、無線給電装置に接続されて充電が開始されるようになっている。ドローン３の設置数や配置は、監視対象の空間の広さや形状によって適宜設定する。

（制御装置）
図３に示すように、制御装置５は、動物検出部５１と、出現位置特定部５２と、飛行ルート決定部５３と、無人航空機制御部としてのドローン制御部５４と、記憶部５５を備える。記憶部５５は、ＲＡＭ、ＲＯＭ、フラッシュメモリ、ＥＰＲＯＭおよびＥＥＰＲＯＭなどの不揮発性または揮発性のメモリを備える。記憶部５５は、ソフトウェアまたはファームウェアなどのプログラムおよびプログラムの処理に使用されるデータなどを記憶する。また、制御装置５は、記憶部５５に記憶されたプログラムを読み出して実行するＣＰＵやプロセッサなどの演算部（図示せず）を備える。

本形態では、制御装置５の記憶部５５に害獣駆除プログラムが記憶される。害獣駆除プログラムは、コンピュータに、動物検出処理、出現位置特定処理、飛行ルート決定処理、ドローン制御処理（無人航空機制御処理）などを行わせる。各処理の内容は後述する。制御装置５は、記憶部５５に記憶された害獣駆除プログラムを演算部が読み出して実行することにより、動物検出部５１、出現位置特定部５２、飛行ルート決定部５３、および、ドローン制御部５４などの機能を実現する。

動物検出部５１は、機械学習により作成した学習済みの動物検出モデル５６を用いてカメラ画像５０から駆除対象の動物（本形態では、ネズミＡ）を検出する動物検出処理を行う。動物検出モデル５６の詳細については後述する。

出現位置特定部５２は、カメラ画像５０からネズミＡが検出された場合に、動物検出モデル５６からの出力データ、および、倉庫Ｒの３Ｄマップ６１に基づき、検出されたネズミＡの出現位置３４を示す３次元座標を特定する出現位置特定処理を行う。

飛行ルート決定部５３は、ネズミＡの出現位置３４を示す３次元座標を特定した場合に、ドローン３を待機させた待機位置３０からネズミＡが出現した出現位置３４へ向かう最適飛行ルート６２を決定する飛行ルート決定処理を行う。最適飛行ルート６２は、倉庫Ｒの３Ｄマップ６１に基づいて決定する。

ドローン制御部５４は、最適飛行ルート６２が決定されると、最適飛行ルート６２に沿って飛行するための飛行命令をドローン３に送信するとともに、ドローン３に予め設定した威嚇動作を行わせる威嚇命令を送信するドローン制御処理を行う。威嚇命令は、ドローン３がネズミＡの出現位置３４に到達した時に威嚇動作を行わせる内容とする。あるいは、威嚇命令は、出現位置３４に到達した時でなく出現位置３４へ向かう途中でドローン３に威嚇動作を行わせる命令であってもよい。

（クラウドサーバ）
クラウドサーバ６は、倉庫Ｒの３Ｄマップ６１と、３Ｄマップ６１に基づいて設定された最適飛行ルート６２を記憶する。後述するように、最適飛行ルート６２は、複数の目標エリアＲＡ毎に設定されており、最適飛行ルート６２を各目標エリアＲＡに対応づけたデータが候補ルートデータセット６６としてクラウドサーバ６に記憶される。また、クラウドサーバ６は、動物検出履歴データベース６４を記憶する。動物検出モデル５６から出力されるデータセットは、ネズミＡが検出されたカメラ画像５０を撮影したカメラの情報（例えば、カメラ番号）と関連付けて、動物検出履歴データベース６４に蓄積される。

（動物検出モデル）
制御装置５に記憶されている学習済みの動物検出モデル５６は、ＡＩを活用した畳み込みニューラルネットワーク（ＣＮＮ）などの機械学習アルゴリズムからなる物体検知モデルであり、例えば、広く利用されているＹＯＬＯシリーズを用いることができる。

図４は、動物検出モデル５６の作成方法を示す概略フローチャートである。作成手順は一般的なものであるが、動物検出モデル５６の教師データとして、ネズミＡの撮影画像を含むデータセットを用いる。上記のように、本形態では、夜行性の害獣であるネズミＡの監視を行うため、カメラ２として赤外線カメラを用いる。そのため、教師データとして赤外線カメラの画像を使用して、夜間の監視に対応した学習済モデルを作成する。そのため、撮影するカメラの位置、角度、距離、明暗、ネズミの個体やその状態などを変えて学習用ネズミ画像を撮影し（ＳＴ１１）、学習用データセットを作成した（ＳＴ１２）。これらを教師データとして入力して、所望の検出結果が得られるようにディープラーニングを行わせ（ＳＴ１３）、ネズミを精度良く抽出可能な学習済モデルである動物検出モデル５６を得た（ＳＴ１４）。

本発明者らは、ディープラーニングにより複数の学習済モデルを作成し、検出精度と検出処理を行う際の負荷を検証した。害獣駆除システム１においては、動物検出モデル５６がインストールされるコンピュータである制御装置５のスペック等を考慮して、動物検出モデル５６として採用する学習済モデルを決定した。本形態では、ディープラーニングにより、学習済モデルＡ（精度低、負荷低）、学習済モデルＢ（精度高、負荷高）、学習済モデルＣ（精度中、負荷低）の３種類を作成し、精度と負荷のバランスが最も良いモデルである学習済モデルＣを動物検出モデル５６として採用した。

（動物検出処理）
図５は、動物検出モデル５６を用いてカメラ画像５０からネズミＡを検出する方法を示す概略フローチャートである。害獣駆除システム１は、倉庫Ｒに設置したカメラ２によって撮影を行う（ＳＴ２１）。カメラ２の画像データは、ルーター４を介してリアルタイムで制御装置５に送信される。制御装置５では、動くものがカメラ２の画角に入った場合にそのことを検出する（ＳＴ２２）。例えば、カメラ画像５０の差分を検出することにより、動くものを検出する。なお、動くものの検出方法は、画像の差分を検出する方法に限定されるものではなく、他の方法を用いても良い。

制御装置５では、動物検出モデル５６（学習済モデル）を用いて、動くものを検出した時のカメラ画像５０を解析する（ＳＴ２３～２５）。すなわち、動物検出モデル５６（学習済モデル）にカメラ画像５０を入力し（ＳＴ２３）、カメラ画像５０における各画像部位の特徴量を抽出し（ＳＴ２４）、特徴量に基づき、ネズミＡが写っている画像部位を抽出することで、ネズミＡを検出する（ＳＴ２５）。

図５に示すように、動物検出モデル５６は、ネズミＡが写っている画像部位を包含可能な最小限の大きさのバウンディングボックス５８（矩形枠）を生成する。生成したバウンディングボックス５８は、解析対象のカメラ画像５０上に表示することができる。例えば、制御装置５では、モニター上に、検知結果として、カメラ画像５０上にネズミＡを囲むバウンディングボックス５８を表示することができる。

動物検出モデル５６が出力するデータセットは、以下のデータを含む。
・バウンディングボックス５８の位置（左上角のｘ、ｙ座標）
・バウンディングボックス５８の大きさ（横幅ｗ、縦幅ｈ）
・撮影時刻のタイムスタンプ（yyyy-mm-dd(T)HH.MM.SS）
・確率値（抽出した画像部位がネズミＡである確率）
動物検出部５１は、動物検出モデル５６が出力する確率値が一定値を超えた場合に、ネズミＡを検出したと判定する。そして、カメラ画像５０からネズミＡが検出される毎に（すなわち、ネズミＡである確率値が一定値を超える画像部位を検出する毎に）、上記のデータセットを他のデータ（例えば、カメラ番号）と共にクラウドサーバ６に送信し、動物検出履歴データベース６４に蓄積する。

（３Ｄマップ、出現位置特定処理）
害獣駆除システム１では、ドローン３の飛行制御を行うために倉庫Ｒの３Ｄマップ６１を作成、使用する。出現位置特定部５２は、カメラ画像５０内にネズミＡが検出されると、動物検出モデル５６が出力するデータセットと、３Ｄマップ６１を用いて、３Ｄマップ６１上のネズミＡの出現位置３４の３次元座標を特定する。

例えば、本形態では倉庫Ｒに設置される複数のカメラ２は固定式であり、各カメラ２により撮影したカメラ画像５０上の２次元座標は、３Ｄマップ６１上の３次元座標に変換することが可能である。３Ｄマップ６１を作成する際、複数のカメラ２のそれぞれが撮影するカメラ画像５０上の２次元座標と、３Ｄマップ６１上の３次元座標との対応データを出現位置特定用データセット５７として作成する。その際、２次元のカメラ画像５０に対して歪みを補正する加工を行った上で、補正後の２次元画像上の座標と、３Ｄマップ上の３次元座標とを対応付ける。これにより、カメラ画像５０上の座標と、正確な実空間上の座標とを対応づけた出現位置特定用データセットを作成する。出現位置特定用データセット５７は、害獣駆除プログラムと共に制御装置５の記憶部５５に記憶される。なお、出現位置特定用データセット５７は、３Ｄマップ６１と共にクラウドサーバ６に記憶させておいてもよい。この場合は、制御装置５からクラウドサーバ６にアクセスして出現位置特定用データセット５７を参照することにより、出現位置特定処理を行う。

出現位置特定部５２は、カメラ画像５０からネズミＡが検出された場合は、出現位置特定用データセット５７を用いて、バウンディングボックス５８の中央の位置のｘ、ｙ座標を３Ｄマップ６１上の３次元座標に変換することにより、ネズミＡの出現位置３４の３次元座標を特定する。特定した３次元座標は、クラウドサーバ６に送信する。なお、出現位置３４の特定方法は、このような方法に限定されるものではなく、他の方法を用いてもよい。

（最適飛行ルートの設定）
図６は、３Ｄマップ６１の作成方法および最適飛行ルート６２の設定方法を示す概略フローチャートである。害獣駆除システム１を監視対象の空間に設置する際、監視対象の空間の３次元データである３Ｄマップ６１を作成する。例えば、ＬｉＤＡＲカメラを用いて、あるいは、３Ｄモデリングのための動画撮影用カメラを用いて、倉庫Ｒ内を移動しながらスキャンもしくは撮影を行う。しかる後に、スキャンデータもしくは撮影データを用いて３次元形状化処理を行い、３Ｄマップ６１を取得する（ＳＴ３１）。２次元画像からの３次元形状化処理の方法として、例えば、ＳｆＭ（Structure from Motion）を用いる。これにより、３次元座標を持った点の集合体である点群データを生成する。

次に、生成した３Ｄマップ６１に対して、飛行禁止空間Ｒ１と経路点Ｐの設定を行う（ＳＴ３２～３３）。図７（ａ）は、３Ｄマップ６１の平面図上に飛行禁止空間Ｒ１、経路点Ｐ、および最適飛行ルート６２の設定例を表示した説明図である。例えば、上記の３次元形状化処理によって生成した３Ｄマップ６１（点群データ）に対してノイズ除去の処理を行い、ドローン３を飛行させる際に障害物となる物体（例えば、倉庫Ｒ内の物資３２（図２参照））が存在する位置には、その物体を包含する直方体などの立体形状を飛行禁止空間Ｒ１として設定する（ＳＴ３２）。３Ｄマップ６１上において飛行禁止空間Ｒ１を除外した空間を飛行可能空間Ｒ０とし、飛行可能空間Ｒ０に格子状の経路点Ｐを設定する（ＳＴ３３）。経路点Ｐの間隔は、例えば、１ｍとすることができるが、１ｍに限定されるものではない。

続いて、倉庫Ｒ内のどの位置にネズミＡが出現した場合でも最適飛行ルート６２を決定できるようにするため、飛行可能空間Ｒ０を格子状に分割するなどして３Ｄマップ６１上に目標エリアＲＡを設定するとともに、３Ｄマップ６１上にドローン３の待機位置３０を設定する（ＳＴ３４）。図７（ａ）に示すように、各目標エリアＲＡは経路点Ｐを含むように設定する。目標エリアＲＡのサイズは、経路点Ｐの間隔や、ドローン３の位置制御の精度等を考慮して適宜設定すればよい。そして、設定した目標エリアＲＡのそれぞれに対して、複数の待機位置３０のいずれかからの飛行ルートを最適飛行ルート６２として決定し、全ての目標エリアＲＡに対して最適飛行ルート６２を対応づけた候補ルートデータセット６６を作成する（ＳＴ３５）。

（最適経路生成アルゴリズム）
各目標エリアＲＡに対する最適飛行ルート６２は、最適経路生成アルゴリズムにより決定される。最適経路生成アルゴリズムは、ドローン３の運動方程式を用いて飛行ルートを最適化する。ネズミＡを効果的に追い払うため、最適経路生成アルゴリズムは、ネズミＡの出現位置３４に到着するまでのドローン３の飛行時間を短くすることを最優先にして、最適飛行ルート６２を決定する。飛行時間を最優先にすることで、可能な限り早くネズミＡの出現位置３４にドローン３を到着させて威嚇することができる。

本形態では、待機位置３０を出発地点とし、目標エリアＲＡ内の経路点Ｐを目標地点ＰＴとして、出発地点（待機位置３０）と目標地点ＰＴとを結ぶ飛行ルートを設定する。飛行ルートは、経路点Ｐを通るように設定する。具体的には、図７（ａ）に示すように、待機位置３０を囲むように配置される複数の経路点Ｐのうちの１つを出発点として、出発点から目標地点ＰＴに向かって、近接する経路点Ｐ同士を直線または円弧で結ぶように飛行ルートを設定する。あるいは、飛行ルートの少なくとも一部で、離れた経路点Ｐ同士を直線または任意の曲線で結ぶように飛行ルートを設定する。

図７（ａ）に例示するように、各目標エリアＲＡに対して、異なる待機位置３０を出発点とする複数の飛行ルートＦ１、Ｆ２を設定できる。最適経路生成アルゴリズムは、３Ｄマップ６１上に設定した全ての待機位置３０からの飛行ルートを選択肢として、最適飛行ルート６２を決定する。また、同一の待機位置３０を出発点として異なる経路点Ｐを通る
様々な飛行ルートを選択肢として、最適飛行ルート６２を決定する。図７（ｂ）に示すように、最適経路生成アルゴリズムは、ドローン３の運動方程式を用いて、飛行ルート毎に目標地点ＰＴに到達するまでの飛行時間を算出し、最小飛行時間（飛行時間＝ｔ１）の飛行ルートＦ１を最適飛行ルート６２に決定する。

（最適経路生成アルゴリズムの変形例）
ここで、最適経路生成アルゴリズムは、１つの目的値（飛行時間）だけでなく、他の目的値（例えば、消費エネルギー）を含めた複数の目的値を同時に最適化するものとすることができる。ドローン３を飛行させる場合、飛行時間と消費エネルギーがトレードオフの関係になることがある。そのため、飛行時間と消費エネルギーとを最適化する場合には、最適経路生成アルゴリズムは、ドローン３の運動方程式を用いて、各飛行ルートの飛行時間と消費エネルギーを算出し、飛行時間と消費エネルギーの組合せの中から、最適解の集合（パレート解）を求める。そして、その中から１つの最適解を選択する。

パレート解は、例えば、ｔ１＜ｔ２＜ｔ３＜ｔ４、ｅ１＜ｅ２＜ｅ３＜ｅ４である場合に、以下のような解の集合体である。
・解１（飛行時間ｔ１、消費エネルギーｅ４）
・解２（飛行時間ｔ２、消費エネルギーｅ３）
・解３（飛行時間ｔ３、消費エネルギーｅ２）
・解４（飛行時間ｔ４、消費エネルギーｅ１）
最適経路生成アルゴリズムは、パレート解の中から１つを選択し、選択した解に対応する飛行ルートを最適飛行ルート６２に決定する。例えば、パレート解の中から、飛行時間が予め設定した基準飛行時間以下であり、且つ、消費エネルギーが最小の解を選択する。基準飛行時間は、例えば、ネズミＡが検知されてから、その場所にドローン３を到達させるまでの時間がどの程度短ければ良いかを検討して決定することができる。このようにすると、求める時間内にネズミＡの出現位置３４でドローン３の威嚇動作を行い、且つ、ドローン３のバッテリー残量を可能な限り多く確保することができる。

なお、基準飛行時間内に出現位置３４に到達できる飛行ルートの中で、飛行時間と消費エネルギーの組合せが異なる複数の飛行ルートを候補ルートデータセット６６に含めておくこともできる。この場合には、状況に応じて、飛行時間とバッテリー残量のどちらを優先するかを決定して、飛行ルートを選択するようなアルゴリズムを採用することができる。

あるいは、最適経路生成アルゴリズムは、ネズミＡが高い頻度で出現することを想定して、ドローン３のバッテリー残量確保のために、消費エネルギーを少なくすることを最優先にして、最適飛行ルート６２を決定するものとしてもよい。

本形態では、ドローン３の待機位置３０は倉庫Ｒの床面に近い位置とされている。ドローン３の飛行ルートは、倉庫Ｒ内において垂直方向の移動を含む。最適経路生成アルゴリズムは、床面から離れた高い位置まで上昇するルートでなく、床面に沿って飛行するルートの中から、最適飛行ルート６２を決定する。ネズミＡが床面に近い位置を移動する場合、低い位置を飛行することでネズミＡを効果的に威嚇することができる。また、飛行ルートを設定する際、倉庫Ｒの壁面３１や飛行禁止空間Ｒ１から一定距離以上離れた位置を飛行するように設定する。

（ネズミ駆除の実施例）
図８は、害獣駆除システム１によるネズミ駆除のシーケンス図である。上記のように構成した害獣駆除システム１の設置および必要なデータ作成が完了し、倉庫Ｒの監視を開始すると、カメラ２の撮影が開始され、リアルタイムで撮影データが制御装置５に送信され
る（ＳＴ４１、５１）。制御装置５では、上記のように、動くものが検出された場合のカメラ画像５０から、動物検出モデル５６を用いてネズミＡを検出する（ＳＴ５２）。ネズミＡを検出した場合は、直ちにネズミＡの出現位置３４の３次元座標を特定する（ＳＴ５３）。これにより、倉庫ＲへのネズミＡの侵入がリアルタイムで検出され、出現位置３４が特定される。

次に、制御装置５は、特定した座標（出現位置３４）までドローン３を飛行させるための最適飛行ルートを決定する（ＳＴ５４）。上記のように、本形態では、出現位置３４を含む目標エリアＲＡを決定し、目標エリアＲＡに対応付けられた最適飛行ルート６２を候補ルートデータセットの中から選択する。そのため、クラウドサーバ６にアクセスして、必要なデータを参照する。また、ネズミ検出履歴のデータをクラウドサーバ６に蓄積する（ＳＴ６１）。続いて、ドローン３に対して、決定した最適飛行ルート６２を飛ぶための飛行命令および威嚇命令を送信し、飛行制御を行う（ＳＴ５５）。

ドローン３は、倉庫Ｒに設置されたドローン発着ステーションで充電され、待機している（ＳＴ７１）。ドローン３は、制御装置５からの飛行命令に基づき、ドローン発着ステーションからスクランブル発進して（ＳＴ７２）、最適飛行ルート６２に沿って飛行する（ＳＴ７３）。例えば、制御装置５から、飛行命令として、複数の飛行コマンドを組み合わせたものが送出される。ドローン３は、飛行コマンドに従ってローターなどのアクチュエータを駆動し、必要に応じてドローン３の位置を制御対象とするフィードバック制御を行って最適飛行ルート６２からのずれを補正しながら、目標エリアＲＡまで飛行する。

最適飛行ルート６２からのドローン３の現在位置のずれを補正する手段としては、ドローン３にマーカーを付けて、現在位置を常に把握し、軌道修正するプログラムを用いることができる。例えば、マーカーとして、ドローン３が備える航行灯（赤外線ＬＥＤ）を利用する。この場合には、カメラ２の画像データに写った航行灯（赤外線ＬＥＤ）を検出して、検出した航行灯の３次元座標を求める処理を行い、求めた３次元座標と最適飛行ルート６２とのずれを解消するように飛行コマンドをプログラムにより補正する。

ドローン３は、目標エリアＲＡに到達すると、威嚇命令に従って威嚇動作を行う（ＳＴ７４）。なお、威嚇命令が出現位置３４へ向かう途中で威嚇動作を行わせる命令である場合は、出現位置３４へ向かって飛行する途中で威嚇動作を行わせる。威嚇動作としては、例えば、フリップ動作（ドローン３を１回転宙返りさせる動作）を行う。あるいは、威嚇動作は、威嚇用の音を発生させることであってもよいし、発光させることであってもよい。威嚇動作を終えると、帰還ルートに沿ってドローン３を飛行させ、待機位置３０に帰還させる（ＳＴ７５）。帰還ルートは、最適飛行ルート６２と同一のルートを用いてもよいし、他の飛行ルートを用いてもよい。例えば、消費エネルギー最小の飛行ルートを用いてもよい。ドローン３は待機位置３０への帰還により充電が開始され、次の飛行命令まで待機する。

（本形態の主な作用効果）
以上のように、本形態の害獣駆除システム１は、監視対象の空間である倉庫Ｒを撮影するカメラ２と、倉庫Ｒを飛行する無人航空機としてのドローン３と、ドローン３およびカメラ２と通信可能な制御装置５を有する。制御装置５は、機械学習により作成した動物検出モデル５６を用いてカメラ２により撮影したカメラ画像５０からネズミＡを検出する動物検出部５１と、動物検出モデル５６からの出力データおよび倉庫Ｒの３Ｄマップ６１を用いて倉庫ＲにおけるネズミＡの出現位置３４を特定する出現位置特定部５２と、３Ｄマップ６１を用いてドローン３を待機させた待機位置３０から出現位置３４へ向かう最適飛行ルート６２を決定する飛行ルート決定部５３と、最適飛行ルート６２を飛行する飛行命令、および、ドローン３に予め設定した威嚇動作を行わせる威嚇命令をドローン３に送信
するドローン制御部５４を備える。

また、本形態の害獣駆除プログラムは、機械学習により作成した動物検出モデル５６を用いて、倉庫Ｒに設置されたカメラ２により撮影したカメラ画像５０からネズミＡを検出する動物検出処理と、動物検出モデル５６からの出力データおよび倉庫Ｒの３Ｄマップ６１を用いて倉庫ＲにおけるネズミＡの出現位置３４を特定する出現位置特定処理と、倉庫Ｒを飛行するドローン３を待機させた待機位置３０から出現位置３４へ向かう最適飛行ルート６２を、３Ｄマップ６１を用いて決定する飛行ルート決定処理と、最適飛行ルート６２を飛行する飛行命令、および、ドローン３に予め設定した威嚇動作を行わせる威嚇命令をドローン３に送信するドローン制御処理と、を汎用のコンピュータである制御装置５に行わせる。

本形態によれば、倉庫ＲにネズミＡが現れた場合には、カメラ画像５０からネズミＡを検出し、ドローン３を出現位置３４に向かわせて威嚇することができる。従って、ネズミＡを自動処理によって追い払うことができる。その際、倉庫Ｒの３Ｄマップ６１を用いてネズミＡの出現位置３４を特定し、ドローン３の飛行ルートとして３Ｄマップ６１を用いて決定した最適飛行ルート６２を使用するので、飛行経路に制限がある屋内空間でも、速やかに出現位置３４にドローン３を到着させることができる。従って、倉庫Ｒに侵入したネズミＡを効果的に追い払うことができる。

本形態では、ドローン３は、倉庫Ｒ内に設定された互いに異なる複数の待機位置３０のそれぞれに待機し、飛行ルート決定部５３は、３Ｄマップ６１を複数の目標エリアＲＡに分割して、複数の目標エリアＲＡのそれぞれに対して複数の待機位置３０のいずれかからの飛行ルートを対応づけた候補ルートデータセット６６の中から、出現位置３４を含む目標エリアＲＡに対応づけられた飛行ルートを最適飛行ルート６２として決定する。このようにすると、ネズミＡが出現した際には、候補ルートデータセット６６の中から、出現位置３４を含む目標エリアＲＡに対応づけられた飛行ルートを選択するだけでよい。従って、最適飛行ルート６２の決定処理に要する負荷を小さくすることができる。

本形態では、候補ルートデータセット６６に含まれる飛行ルートは、待機位置３０から目標エリアＲＡまで飛行する際の飛行時間に基づいて決定されており、飛行時間が最小の飛行ルートが目標エリアＲＡ毎に決定されている。従って、短時間でネズミＡを威嚇することが可能である。

なお、上述したように、候補ルートデータセット６６に含まれる飛行ルートは、飛行時間と消費エネルギーの両方に基づいて決定してもよく、飛行時間と消費エネルギーのバランスを考慮して飛行ルートを決定してもよい。あるいは、ドローン３のバッテリー残量確保を最優先するために、消費エネルギーに基づいて飛行ルートを決定してもよい。

飛行時間と消費エネルギーのバランスを考慮する場合は、上記のように、候補ルートデータセット６６に含まれる飛行ルートを、飛行時間が予め設定した基準飛行時間よりも短いことを条件として選択することができる。このようにすると、求める時間内にネズミＡを威嚇することができる。

本形態では、候補ルートデータセット６６に含まれる飛行ルートは、３Ｄマップ６１上に飛行禁止空間Ｒ１を設定し、飛行禁止空間Ｒ１を除く領域に格子状に配置した経路点Ｐを結ぶルートである。このようにすると、飛行禁止空間Ｒ１に侵入しない飛行ルートを容易に設定できる。また、例えば、経路点Ｐを単純な形状（例えば、直線または円弧）で結ぶようにルートを設定することが可能であり、この場合には、飛行プログラムを単純化することができるので、ドローン３の制御が容易である。あるいは、離れた経路点Ｐを直線
で結ぶように飛行ルートを設定しても良く、この場合には、飛行時間あるいはエネルギー消費が少ない飛行ルートを作成しやすい。また、経路点Ｐ毎に自己位置を検出して飛行プログラムを修正することが可能である。

本形態では、動物検出部５１は、動物検出モデル５６を用いて、カメラ画像５０から駆除対象のネズミＡが写っている画像部位を抽出し、抽出した画像部位を取り囲む大きさのバウンディングボックス５８を生成し、出現位置特定部５２は、カメラ画像５０内のバウンディングボックス５８の座標から出現位置３４を示す３次元座標を特定する。このような処理を行うことで、ネズミＡの出現位置３４として適正な座標を求めることができる。

本形態では、出現位置特定部５２は、出現位置３４を示す３次元座標をクラウドサーバ６に送信し、３Ｄマップ６１および候補ルートデータセット６６は、クラウドサーバ６に記憶される。このように、クラウド上にデータを置いたシステムとすることで、専用のサーバや通信経路を構築する必要がない。従って、害獣駆除システム１の構築が容易である。

本形態では、動物検出モデル５６からの出力データをクラウドサーバ６に設けられた動物検出履歴データベース６４に記憶させるため、今後の害獣対策に有用な情報をクラウドサーバ６に蓄積することができる。例えば、ネズミＡの行動パターンや侵入経路の分析に有用である。

本形態では、カメラ２は、倉庫Ｒの壁面３１に沿って複数配置され、床を向いて撮影し、最適飛行ルート６２は、倉庫Ｒの床に沿って飛行するルートである。このような向きで撮影すれば、倉庫Ｒの床を走り回るネズミＡなどの害獣が出現した場合に、カメラ２にその姿が映りやすい。従って、ネズミＡの出現を検知できないおそれが少ない。また、このような飛行ルートを選択すれば、ネズミＡの近くにドローン３を飛行させることができるので、効果的に追い払うことができる。

本形態では、カメラ２として赤外線カメラを用いるため、監視対象の倉庫Ｒが暗い場合でも、出現したネズミＡを検知することができる。従って、ネズミＡの出現頻度が高い夜間にネズミＡを追い払うことができるので、ネズミＡの被害を少なくすることができる。

本形態では、ドローン３において一般的に行われる動き（フリップ動作）を用いてネズミＡを威嚇する。従って、威嚇動作を行わせるための制御が容易であり、且つ、効果的に害獣を追い払うことができる。

（他の実施形態）
（１）上記形態は、害獣駆除プログラムが単独のコンピュータである制御装置５にインストールされている形態であったが、害獣駆除プログラムによる処理を複数のコンピュータにおいて行うように構成してもよい。例えば、動物検出処理、出現位置特定処理、飛行ルート決定処理、ドローン制御処理のうちの一部を制御装置５とは別のコンピュータ（例えば、クラウドサーバ６）において行うように構成してもよい。

（２）上記形態は、クラウドサーバ６を利用してシステムを構築するものであったが、クラウドサーバ６を利用せず、３Ｄマップ６１、最適飛行ルート６２、および動物検出履歴データベース６４を制御装置５に記憶させるように構成してもよい。

（３）上記形態は、出現位置特定用データセット５７を制御装置５に記憶させるが、出現位置特定用データセット５７を３Ｄマップ６１と共にクラウドサーバ６に記憶させておいてもよい。

（４）上記形態は、夜間に監視を行ってネズミを追い払うシステムであったが、昼夜両方とも監視を行うシステムとすることができる。昼夜対応のシステムとする場合には、監視用のカメラとして昼夜撮影できるカメラを設置する。例えば、昼間は可視光モードで撮影を行い、夜間になると自動的に赤外線撮影モードで撮影するカメラを設置する。そして、動物検出モデルとして、赤外線撮影モードで撮影したネズミの画像と、可視光モードで撮影したネズミの画像の両方を含むデータセットを教師データとして機械学習を行った昼夜対応の学習済モデルを作成する。その上で、カメラの撮影モードに同期させて、昼夜でネズミを検出する。

（５）上記形態は、飛行ルートからのずれを補正するためにドローン３の現在位置を把握する手段として、カメラ２の画像に写った赤外線ＬＥＤなどのマーカーを検出する方法を用いるものであったが、マーカーは赤外線ＬＥＤに限定されない。例えば、赤外線反射テープを用いることができる。また、昼間の監視を行う場合は、可視光ＬＥＤを使用することができる。あるいは、昼用のマーカーとしてＡＲマーカーを使用してもよく、ＡＲマーカー以外の他のツールを用いて現在位置を確認するように構成してもよい。

（６）ドローン３の現在位置を把握する手段として、機械学習によりドローン検出モデルを作成し、ＡＩによりカメラ画像５０からドローン３が写っている部位を抽出することで、ドローン３の現在位置を把握する方法を用いることもできる。

（７）上記形態は、ネズミＡを検出した場合に１台のドローンを飛ばす形態であったが、複数のドローン３を飛ばして複数のドローン３でネズミＡを威嚇するように構成してもよい。この場合、倉庫Ｒに設置している複数のドローン３をそれぞれ個別に識別できるように機械学習を行ってドローン検出モデルを作成する。これにより、複数のドローン３を飛ばした場合にあっても、個別に識別を行いドローン３の現在位置を確認できる。

１…害獣駆除システム、２…カメラ、３…ドローン、４…ルーター、５…制御装置、６…クラウドサーバ、３０…待機位置、３１…壁面、３２…物資、３４…出現位置、５０…カメラ画像、５１…動物検出部、５２…出現位置特定部、５３…飛行ルート決定部、５４…ドローン制御部、５５…記憶部、５６…動物検出モデル、５７…出現位置特定用データセット、５８…バウンディングボックス、６１…３Ｄマップ、６２…最適飛行ルート、６４…動物検出履歴データベース、６６…候補ルートデータセット、Ａ…ネズミ、Ｐ…経路点、Ｒ…倉庫、Ｒ０…飛行可能空間、Ｒ１…飛行禁止空間、ＲＡ…目標エリア

Claims (21)

1. 監視対象の屋内空間に設置されて前記屋内空間を撮影するカメラと、
   前記屋内空間を飛行する無人航空機と、
   前記無人航空機および前記カメラと通信可能な制御装置を有し、
   前記制御装置は、
   機械学習により作成した動物検出モデルを用いて前記カメラにより撮影したカメラ画像から駆除対象の動物を検出する動物検出部と、
   前記動物検出モデルからの出力データ、および、予め作成された前記屋内空間の３次元データを用いて、前記３次元データの座標系における前記動物の出現位置の３次元座標を特定する出現位置特定部と、
   前記無人航空機を待機させた待機位置の３次元座標が前記３次元データの座標系上に設定されており、前記待機位置から前記出現位置へ向かう最適飛行ルートを、前記３次元データの座標系上で決定する飛行ルート決定部と、
   前記最適飛行ルートを飛行する飛行命令、および、前記無人航空機に予め設定した威嚇動作を行わせる威嚇命令を前記無人航空機に送信する無人航空機制御部を備えることを特徴とする害獣駆除システム。
2. 前記３次元データは、
   前記屋内空間の３次元形状をＬｉＤＡＲカメラを用いて移動しながら計測したスキャンデータ、もしくは、前記屋内空間を動画撮影用カメラを用いて移動しながら撮影した撮影データを用いて３次元形状化処理を行い、さらに、前記無人航空機を飛行させる際に障害となる物体を包含する飛行禁止空間を設定して、前記飛行禁止空間を除外した空間に格子状の経路点を設定したデータであることを特徴とする請求項１に記載の害獣駆除システム。
3. 前記無人航空機は、前記屋内空間内に設定された互いに異なる複数の前記待機位置のそれぞれに待機し、
   前記飛行ルート決定部は、前記３次元データを複数の目標エリアに分割して、前記複数
   の目標エリアのそれぞれに対して、前記複数の前記待機位置のいずれかからの飛行ルートを対応づけた候補ルートデータセットの中から、前記出現位置を含む前記目標エリアに対応づけられた前記飛行ルートを前記最適飛行ルートとして決定することを特徴とする請求項１に記載の害獣駆除システム。
4. 前記候補ルートデータセットに含まれる前記飛行ルートは、前記待機位置から前記目標エリアまで飛行する際の飛行時間および消費エネルギーの少なくとも一方に基づいて決定されていることを特徴とする請求項３に記載の害獣駆除システム。
5. 前記候補ルートデータセットに含まれる前記飛行ルートは、前記飛行時間が予め設定した基準飛行時間よりも短いことを特徴とする請求項４に記載の害獣駆除システム。
6. 前記候補ルートデータセットに含まれる前記飛行ルートは、前記無人航空機の運動方程式を用いて算出した前記飛行時間と前記消費エネルギーの組合せにより構成されるパレート解の集合の中で、前記飛行時間と前記消費エネルギーを最適化させた最適解に対応する飛行ルートであることを特徴とする請求項４に記載の害獣駆除システム。
7. 前記最適解は、前記飛行時間が予め設定した基準飛行時間よりも短く、且つ、前記消費エネルギーが最小のパレート解であることを特徴とする請求項６に記載の害獣駆除システム。
8. 前記３次元データは、
   前記屋内空間の３次元形状をＬｉＤＡＲカメラを用いて移動しながら計測したスキャンデータ、もしくは、前記屋内空間を動画撮影用カメラを用いて移動しながら撮影した撮影データを用いて３次元形状化処理を行い、さらに、前記無人航空機を飛行させる際に障害となる物体を包含する飛行禁止空間を設定して、前記飛行禁止空間を除外した空間に格子状の経路点を設定したデータであり、
   前記候補ルートデータセットに含まれる前記飛行ルートは、前記経路点を結ぶルートであることを特徴とする請求項３から７の何れか一項に記載の害獣駆除システム。
9. 前記動物検出部は、前記動物検出モデルを用いて、前記カメラ画像から前記駆除対象の動物が写っている画像部位を抽出し、抽出した前記画像部位を取り囲む大きさのバウンディングボックスを生成し、
   前記出現位置特定部は、前記カメラ画像内の前記バウンディングボックスの座標から前記出現位置を示す３次元座標を特定することを特徴とする請求項１に記載の害獣駆除システム。
10. 前記出現位置特定部は、前記出現位置を示す３次元座標をクラウドサーバに送信し、
    前記３次元データおよび前記候補ルートデータセットは、前記クラウドサーバに記憶されることを特徴とする請求項３に記載の害獣駆除システム。
11. 前記カメラは、前記屋内空間の壁面に沿って複数配置され、床を向いて撮影し、
    前記最適飛行ルートは、前記屋内空間の床に沿って飛行するルートであることを特徴とする請求項１に記載の害獣駆除システム。
12. 前記威嚇動作としてフリップ動作を行うことを特徴とする請求項１に記載の害獣駆除システム。
13. 機械学習により作成した動物検出モデルを用いて、監視対象の屋内空間に設置されたカメラにより撮影したカメラ画像から駆除対象の動物を検出する動物検出処理と、
    前記動物検出モデルからの出力データ、および、予め作成された前記屋内空間の３次元データを用いて、前記３次元データの座標系における前記動物の出現位置の３次元座標を特定する出現位置特定処理と、
    前記屋内空間を飛行する無人航空機を待機させた待機位置の３次元座標が前記３次元データの座標系上に設定されており、前記待機位置から前記出現位置へ向かう最適飛行ルートを、前記３次元データの座標系上で決定する飛行ルート決定処理と、
    前記最適飛行ルートを飛行する飛行命令、および、前記無人航空機に予め設定した威嚇動作を行わせる威嚇命令を前記無人航空機に送信する無人航空機制御処理と、を単独または複数のコンピュータに行わせることを特徴とする害獣駆除プログラム。
14. 前記３次元データは、
    前記屋内空間の３次元形状をＬｉＤＡＲカメラを用いて移動しながら計測したスキャンデータ、もしくは、前記屋内空間を動画撮影用カメラを用いて移動しながら撮影した撮影データを用いて３次元形状化処理を行い、さらに、前記無人航空機を飛行させる際に障害となる物体を包含する飛行禁止空間を設定して、前記飛行禁止空間を除外した空間に格子状の経路点を設定したデータであることを特徴とする請求項１３に記載の害獣駆除プログラム。
15. 前記無人航空機は、前記屋内空間内に設定された互いに異なる複数の前記待機位置のそれぞれに待機し、
    前記飛行ルート決定処理は、前記３次元データを複数の目標エリアに分割して、前記複数の目標エリアのそれぞれに対して、前記複数の前記待機位置のいずれかからの飛行ルートを対応づけた候補ルートデータセットの中から、前記出現位置を含む前記目標エリアに対応づけられた前記飛行ルートを前記最適飛行ルートとして決定する処理であることを特徴とする請求項１３に記載の害獣駆除プログラム。
16. 前記候補ルートデータセットに含まれる飛行ルートは、前記待機位置から前記目標エリアまで飛行する際の飛行時間および消費エネルギーの少なくとも一方に基づいて決定されていることを特徴とする請求項１５に記載の害獣駆除プログラム。
17. 前記候補ルートデータセットに含まれる前記飛行ルートは、前記飛行時間が予め設定した基準飛行時間よりも短いことを特徴とする請求項１６に記載の害獣駆除プログラム。
18. 前記候補ルートデータセットに含まれる前記飛行ルートは、前記無人航空機の運動方程式を用いて算出した前記飛行時間と前記消費エネルギーの組合せにより構成されるパレート解の集合の中で、前記飛行時間と前記消費エネルギーを最適化させた最適解に対応する飛行ルートであることを特徴とする請求項１６に記載の害獣駆除プログラム。
19. 前記最適解は、前記飛行時間が予め設定した基準飛行時間よりも短く、且つ、前記消費エネルギーが最小のパレート解であることを特徴とする請求項１８に記載の害獣駆除プログラム。
20. 前記３次元データは、
    前記屋内空間の３次元形状をＬｉＤＡＲカメラを用いて移動しながら計測したスキャンデータ、もしくは、前記屋内空間を動画撮影用カメラを用いて移動しながら撮影した撮影データを用いて３次元形状化処理を行い、さらに、前記無人航空機を飛行させる際に障害となる物体を包含する飛行禁止空間を設定して、前記飛行禁止空間を除外した空間に格子状の経路点を設定したデータであり、
    前記候補ルートデータセットに含まれる前記飛行ルートのそれぞれは、前記経路点を結ぶルートであることを特徴とする請求項１５から１９の何れか一項に記載の害獣駆除プロ
    グラム。
21. 前記動物検出処理は、前記動物検出モデルを用いて、前記カメラ画像から前記駆除対象の動物が写っている画像部位を抽出し、抽出した前記画像部位を取り囲む大きさのバウンディングボックスを生成する処理を含み、
    前記出現位置特定処理は、前記カメラ画像内の前記バウンディングボックスの座標から前記出現位置を示す３次元座標を特定する処理を含むことを特徴とする請求項１３に記載の害獣駆除プログラム。

Images