JPH05322524A

JPH05322524A - 導管環境認識装置

Info

Publication number: JPH05322524A
Application number: JP12703192A
Authority: JP
Inventors: Keiji Kawaguchi; 圭史川口
Original assignee: Osaka Gas Co Ltd
Current assignee: Osaka Gas Co Ltd
Priority date: 1992-05-20
Filing date: 1992-05-20
Publication date: 1993-12-07
Anticipated expiration: 2016-03-07
Also published as: JP3143207B2

Abstract

(57)【要約】【目的】ガス導管内の幾何学的環境を簡単、正確に認
識できる導管環境認識装置を提供すること。【構成】管内において光を管内壁に照射する光源３
と、管内壁での光の反射光を受けて管内壁の光の照射状
態を撮像する撮像手段４と、各種の管についての光の照
射状態に関するデータが予め格納されたデータ格納手段
５と、撮像手段４により得られた光の照射状態について
のデータとデータ格納手段５に格納されているデータと
を比較して、その光の照射された場所の管の幾何学的環
境状態を認識する認識手段６とを備え、認識手段６は、
先に、光の照射された場所の管の形状を認識し、次に、
その形状情報に基づいて、その光の照射された場所の管
の姿勢を認識する装置である。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、ガス管などの導管の内
部の幾何学的環境状態を認識するための導管環境認識装
置に関するものである。

【０００２】

【従来の技術】ガス導管の維持管理はガスの安定供給を
堅持する上で最も重要な作業項目の１つである。現在既
に導管内を走行し溶接を行うロボットが実用化されてい
る。このロボットは外部に末端が出ているケーブルで牽
引されるために、地上設備を必要とする。そして、地上
設備の移設しないですむ範囲を一日の移動距離と考える
と、このようなロボットの一日の管内の移動能力（作業
能力）は高々百数十ｍ／日である。これに対して、ガス
導管の総延長は数千ｋｍにも及ぶことから、現在さらに
高能率な作業を行えるロボットが求められている。

【０００３】

【発明が解決しようとする課題】そこで、その効率化を
上げるためには、ケーブルで牽引することをやめ、ロボ
ット自身が管内環境を自律的に認識して進めるようにす
る必要がある。

【０００４】もっともケーブルをなくし、電波、音波等
を利用して、地上で人間がＣＣＤカメラの映像を見なが
ら管内環境を認識し遠隔制御を行うことも考えられる
が、ロボットは地下に存在する管内を移動しているので
通信が不正確になりがちである。ロボット自身が環境を
認識して自律的に移動する方が効率的である。従ってロ
ボットが導管内の環境認識を行えることが望ましい。

【０００５】本発明は、このような要望を考慮して、導
管内の環境を簡単、正確に認識できる導管環境認識装置
を提供することを目的とする。

【０００６】

【課題を解決するための手段】本発明は、管内において
光を管内壁に照射する光源と、管内壁での光の反射光を
受けて管内壁の光の照射状態を撮像する撮像手段と、各
種の管についての光の照射状態に関するデータが予め格
納されたデータ格納手段と、撮像手段により得られた光
の照射状態についてのデータとデータ格納手段に格納さ
れているデータとを比較して、その光の照射された場所
の管の幾何学的環境状態を認識する認識手段とを備えた
導管環境認識装置である。

【０００７】また、その場合、認識手段は、先に、光の
照射された場所の管の形状を認識し、次に、その形状情
報に基づいて、その光の照射された場所の管の姿勢を認
識する導管環境認識装置である。

【０００８】

【作用】予め、各種形状の管についての光の照射状態に
関するデータをデータ格納手段に格納しておき、光源か
ら管内において光を管内壁に照射し、撮像手段が、管内
壁での光の反射光を受けて管内壁の光の照射状態を撮像
する。認識手段が、撮像手段により得られた光の照射状
態についてのデータとデータ格納手段に格納されている
データとを比較して、その光の照射された場所の管の幾
何学的環境状態を認識する。

【０００９】また、その場合、認識手段は、先に、光の
照射された場所の管の形状を認識し、次に、その形状
情報に基づいて、その光の照射された場所の管の姿勢を
認識する。

【００１０】

【実施例】以下、本発明の実施例について図面を参照し
て説明する。

【００１１】図１は本発明の一実施例にかかる導管環境
認識装置を示す略示断面図である。円管である導管１内
にロボット２が置かれている。ロボット２にはリング帯
状光を所定角度に照射する光源３と、導管１の内壁に照
射され反射した光を撮像するＣＣＤカメラ４が取り付け
られている。この光源３とＣＣＤカメラ４は導管１の中
心軸上に設けられている。

【００１２】他方、ロボット２には、直管、Ｌ字管、Ｔ
字管等の各種管についての光の照射状態に関するデータ
を予め格納した、ＲＡＭ、ディスク等のデータ格納手段
５が設けられている。さらに、ロボット２には、そのデ
ータ格納手段５に格納されているデータとＣＣＤカメラ
４により得られた光の照射状態についてのデータとを比
較し、その光の照射された場所の管の幾何学的環境状態
を認識する認識手段６が設けられている（ただし、この
データ格納手段５と認識手段６とは図面上はロボット２
の外にブロックとして描いてある）。

【００１３】次に、本実施例の動作を説明する。

【００１４】まず、本発明の基本的原理を説明する。図
１において、光源３から照射される光の角度をθとし、
光源３から光の照射される管部分までの距離をＬとし、
光の照射される管部分からのＣＣＤカメラ４に対する入
射角度をφとすると、ＣＣＤカメラ４から光の照射され
る管部分までの奥行き距離Ｘは、Ｘ＝Ｌtanθ／（tanφ−tanθ）で表わされる。また、図２に示すように、各画素におけ
る方向情報ψは保存されている。

【００１５】いま、tanφはＣＣＤカメラ４の撮像画面
上のリング状映像の周上の各画素の位置（中心から画素
までの距離）から得ることが出来る。図３（ａ）は直
管、図３（ｂ）はＬ字管、図３（ｃ）はＴ字管にリング
帯状光を照射した場合に得られる映像である。斜線部分
は比較のため直管の場合の仮の映像を示す。

【００１６】そこで、tanφを計ることによって、距離
Ｘが導かれ、そこから管の種類が判明することになる。

【００１７】従って、上記実施例のデータ格納手段５に
は、予め直管、Ｌ字管、Ｔ字管等の各種管について、上
記のようなロボット２でリング帯状光を照射した場合、
撮像手段４に得られるリング状映像の周上の各画素のta
nφを得、そこから距離のヒストグラムに変換したデー
タを用意しておく。図４はそのヒストグラムの一例であ
る。黒丸線は直管の場合のヒストグラム例、黒三角線は
Ｔ字管の場合のヒストグラム例、単純線は、Ｌ字管の場
合のヒストグラム例である。ここで、基準距離は、理想
的な真円の円管の場合の映像の画素の距離を示す。横軸
は距離を示し、右側ほど基準距離より短い。基準距離よ
り外れれば外れるほどその画素の部分は歪んでいるとい
える。定性的に表現すれば、直管の場合は基準距離のと
ころにほとんどの画素が集まり、Ｔ字管の場合は、基準
距離の所にはそれほど集まらず、とくに、基準距離より
短い画素が増え、また、Ｌ字管の場合は、基準距離の所
には殆ど集まらず、基準距離より短い画素と、長い画素
が増える（図３参照）。

【００１８】このように、あらかじめ各種管のヒストグ
ラムデータをデータ格納手段５に格納しておく。

【００１９】そして、光源３からリンク帯状光を照射
し、管内壁で反射された光がＣＣＤカメラ４へ入射され
る。

【００２０】認識手段６は、そのＣＣＤカメラ４で得ら
れる映像データを入力する。そして、リング状の映像の
周上の各画素のtanφを測定する。さらに、その測定デ
ータを距離に変換してそれをヒストグラム化する。他
方、データ格納手段５からヒストグラムデータを入力
し、両ヒストグラムを比較する。図５はその様子を示す
ものである。その比較の手法としては、後述する自己組
織化データべース手法を用いる。

【００２１】その比較の結果、最も類似しているヒスト
グラムの管の種類が認識結果として出力される。これに
よって、管の種類、すなわち、形状を判明する。

【００２２】つぎに、認識手段６はその得られた管の種
類（形状）データから、その管の姿勢を判断する。すな
わち、例えば、Ｌ字管と認識された場合を例にとる。

【００２３】判断例１：距離値の最小の方向と最大の方
向は１８０度反転しており、それをつないだ直線の傾き
が姿勢値となる。

【００２４】判断例２：距離値の小さいものからｎ個の
方向の平均と大きいものからｎ個の方向の平均をつない
だ直線の傾きが姿勢値となる。

【００２５】判断例３：距離値の小さいものからｎ個と
距離値の大きいものからｎ個の点をつないだ直線ｎ２個
の傾きの平均が姿勢値となる。

【００２６】このような判断手法によって、管の傾き、
姿勢が判明する。

【００２７】なお、ＣＣＤカメラ４から得られた画像デ
ータから、管の種類を認識する手法としては、上述した
手法の他に次のような方法も可能である。

【００２８】すなわち、図６に示すように、画像上にリ
ング帯状の不感帯を設ける。この不感帯はある程度の幅
を持たし、最も頻繁に走行する直管における反射光のほ
とんどがこの中に収まるようにする。そして、ＣＣＤカ
メラ４から得られた画像データの内、この不感帯に収ま
る画素は無視してしまう（図における白丸と屑入れ箱が
それを意味する）。その不感帯に収まらない画像データ
のみを、先ず累算して光量を算出する。次に、平均値を
算出し、さらに分散を算出する。

【００２９】この様にして得られる光量、平均値、分散
値は、各種管同士比較すると、表１のような特徴が考え
られる。

【００３０】

【表１】

【００３１】例えば、光量に付いて述べれば、直管の画
像データはほとんどが不感帯に収まるはずである。従っ
て、光量は小となり、Ｌ字管ははみ出す部分が多いの
で、光量は大きくなり、Ｔ字管はその中間ということに
なる。

【００３２】従って、このような表１をデータベース格
納手段５に予め格納しておき、認識手段６によって、実
際のＣＣＤカメラ４に入力されて来る画像データと比較
することによって、簡単に管の種類を認識することが出
来る。

【００３３】また、そのような比較の手法としては、前
記自己組織化データベース手法をここでも用いる（鈴木
寿、大西弘之、有本卓、「連想データベース自己組織化
と自律移動知能ロボットへの応用」、日本ロボット学会
誌５巻６号、431/4411(1987)）。

【００３４】ところで自己組織化データベースを用いる
としても基本的にはマッチング法であり、その類似度に
対する指標は用途に応じて決定する必要がある（この類
似度を用いて未知環境の判定を行うためこれは重要であ
る）。不感帯の方の特徴量に関しては、３つのパラメー
ター（光量、平均、分散）が異次元量であり確固とした
類似度を定義することは難しく試行錯誤的に解決する必
要がある。ヒストグラムの方の特徴量に関してはヒスト
グラムの各値をベクトルとしてユークリッドノルムによ
って類似度を評価すればよい。

【００３５】このような自己組織化データベースの有効
性を確かめるためにシミュレーションを行った。ここで
の目的は自己組織化データベースが教示データを効率的
かつ堅実に蓄積しているかを調べることである。つまり
いかにデータベースを小さくできるか（もちろんこれは
対象に依存するので前述の２つの特徴量の比較にな
る）、その（小さな）データベースですべての教示デー
タ（蓄えなかったデータ）を正しく判別することができ
ているかである。

【００３６】データの獲得方法は次のように行った。中
空円錐状（リング状）の光がガス導管と交わった点集合
を反復計算で求め、その点集合からの反射を仮想的にＣ
ＣＤカメラで検出したものとして計算しその情報を１枚
のデータとした。これを径が１５０、２００ｍｍの直
管、Ｔ字管、Ｌ字管の６種類で相対的な位置を変えなが
ら（Ｔ，Ｌ字管までの距離を変えながら）合計１５３０
枚獲得した。

【００３７】これをもとに不感帯特徴量、ヒストグラム
特徴量（閾値は２４６．５〜３６６．５まで２０刻み７
層とした）を用いて自己組織化データベースを構築し
た。ただし類似度として不感帯特徴量については、次に
示すｘ² ・・・（１）｜ｙ｜・・・（２）｜ｚ｜・・・（３）ｘ²＋ｙ²・・・（４）ｘ²＋ｙ²／１０・・・（５）ｘ²＋ｙ²／１００・・・（６）ｘ²＋｜ｚ｜・・・（７）ｘ²＋１０｜ｚ｜・・・（８）ｘ²＋｜ｚ｜／１０・・・（９）ｙ²＋｜ｚ｜・・・（１０）１０ｙ²＋｜ｚ｜・・・（１１）ｙ²＋１０｜ｚ｜・・・（１２）ｘ²＋ｙ²＋｜ｚ｜・・・（１３）ｘ²＋１０ｙ²＋｜ｚ｜・・・（１４）ｘ²＋ｙ²＋１０｜ｚ｜・・・（１５）１０ｘ²＋ｙ²＋｜ｚ｜・・・（１６）１００ｘ²＋ｙ²＋｜ｚ｜・・・（１７）ｘ²＋ｙ²／４００＋｜ｚ｜／１６０・・・（１８）（ｘ：光量ｙ：距離平均ｚ：距離分散のそれぞれの
誤差）の式を、ヒストグラム特徴量については７次のベクトル
のユークリッドノルムを用いた。

【００３８】また自己組織化データベースでは教示の順
序・回数が影響を与えるため次のような教示を行った。

【００３９】セット（１〜４回）セット−逆セットセット−逆セット−セットセット−逆セット−セット−逆セット（ただし１５０ｍｍの直管、Ｌ字管、直管、Ｔ字管、２
００ｍｍの直管、Ｌ字管、直管、Ｔ字管の順で１５３０
枚を１つのセットとする。また逆セットはセットの逆の
順番にデータが並んでいるものを言う）さらにこの７種
類についてそれぞれ各種類の代表点を最初に教示して同
じことを行わせ（合計１４種類）、（予め教えている）
セットに対する認識率を調べた。

【００４０】その結果最も認識率の良かったものが不感
帯特徴量については予め代表値を教示してから４セット
学習させたもので９９．６％（類似度は上記（１８）
式）であり、ヒストグラム特徴量については予め代表値
を教示しないセット−逆セット−セット−逆セットの教
示で９９．４％だった。またデータベースに蓄えられた
量は前者が１５０に対して後者が６４であった。前者が
１つのデータに３つの特徴量を含み、後者が１つのデー
タに７つの特徴量を含んでいることから、これらの２つ
のデータベースに蓄えられた実数はほぼ同じである。

【００４１】ところで最終的に残った誤認識を見るとＬ
字管の径の認識誤りであることから（管の種類の認識は
正しいが、管径の認識が誤っている）、同じ径の導管の
みでデータベースを構築した場合には１００％の認識が
できる可能性がある。そこで径別で自己組織化データベ
ースの構築を行った（ここではレジューサーをデータと
して追加している）。その結果２種類の径それぞれに対
してヒストグラムを特徴量とすると１００％の認識率が
獲得できた。これより径別による自己組織化データベー
スは既教示データ（形状）を効率的に保存しており、こ
れを用いたマッチングによる認識は効果的な方法である
ことがわかった。

【００４２】ガス管において径別にデータベースを構築
することは十分実用的な方法である。ガス管の径が変化
するのはレジューサ（異径管を接続するためのジョイン
ト）を通過する場合であり、あまり頻度としては低いか
らである。

【００４３】なお、比較の方法としては、この様な自己
組織化データベース手法を用いる他に、データベースと
のマッチングによる判断、ファジー推論による判断、ル
ールベースによる判断、ニューラルネットによる判断等
が可能である。すなわち、これらの２種類の、ヒストグ
ラム特徴量と、不感帯特徴量（光量、平均、分散）は、
それぞれｎ次（ヒストグラムのレベル数により決ま
る）、３次のベクトル量と見なすことができるので、上
述のデータベースマッチング方法など、いずれの方法も
適用することができる。もっとも、導管環境認識とい
う、未知の環境データに対して対応できなければならな
い点からみると、いずれももう一つの点がある。例えば
If-thenルールのような論理的な方法はルールの追加が
非常に難しく、ファジー推論やデータベースを用いたマ
ッチングも同様の欠点がある。ニューラルネットワーク
を用いた方法は学習能力あるが、１つのデータに対して
すべてのパラメーターを操作（変更）することになる。
従って、学習結果の追加が容易な自己組織化データベー
スを用いたマッチングによる認識が最もよいと考えられ
る。また、上記実施例では、先ず管の種類（形状）を
認識し、その後そのデータを利用して管の姿勢を判断し
た。これは、ガス管内には水や泥のように反射光が拡散
するノイズが多く含まれているので、ノイズに強い方法
が必要だからである。しかし、そのようなノイズが小さ
い場合は、そのような２段階の認識でなく、得られた画
像データから直接管の姿勢を認識するようにしてももち
ろんよい。

【００４４】また、光源から発射する光は、上記実施例
では、リング帯状の光であったが、これに限らず、全面
照射であっても、スリット状光であってもかまわない。

【００４５】また、本発明の撮像手段としては、ＣＣＤ
カメラに限らず、他の固体撮像手段あるいは撮像管等も
可能である。

【００４６】また、本発明の認識手段は、ハード回路で
実現しても、コンピュータのソフトウェアを利用して実
現してもかまわない。

【００４７】

【発明の効果】以上述べたところから明らかなように、
本発明は、各種の管についての光の照射状態に関するデ
ータが予め格納されたデータ格納手段と、撮像手段によ
り得られた光の照射状態についてのデータとデータ格納
手段に格納されているデータとを比較して、その光の照
射された場所の管の幾何学的環境状態を認識する認識手
段とをそなえているので、導管内の幾何学的環境を簡
単、正確に認識できる長所を有する。

【００４８】また、先に、光の照射された場所の管の形
状を認識し、次に、その形状情報に基づいて、その光の
照射された場所の管の姿勢を認識する場合は、管内の泥
や水等によるノイズに対して強い認識力を持つ長所を有
する。

【図面の簡単な説明】

【図１】本発明にかかる一実施例の導管環境認識装置が
搭載されたロボットが管内に配置された状態の模式的の
断面図である。

【図２】その状態の管軸方向からみた図である。

【図３】同実施例のＣＣＤカメラで撮像した画像を示す
図である。

【図４】同実施例のヒストグラムを示す図である。

【図５】同実施例のヒストグラムと画像との関係を示す
図である。

【図６】同実施例の不感帯を設けた場合の画像を示す図
である。

【符号の説明】

１導管２ロボット３光源４ＣＣＤカメラ５データ格納手段６認識手段

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁵ 識別記号庁内整理番号ＦＩ技術表示箇所Ｇ０６Ｆ 15/62 ３８０ 9287−5Ｌ

Claims

【特許請求の範囲】

【請求項１】管内において光を管内壁に照射する光源
と、前記管内壁での光の反射光を受けて管内壁の光の照
射状態を撮像する撮像手段と、各種の管についての光の
照射状態に関するデータが予め格納されたデータ格納手
段と、前記撮像手段により得られた光の照射状態につい
てのデータと前記データ格納手段に格納されているデー
タとを比較して、その光の照射された場所の管の幾何学
的環境状態を認識する認識手段とを備えたことを特徴と
する導管環境認識装置。
【請求項２】前記認識手段は、先に、前記光の照射され
た場所の管の形状を認識し、次に、その形状情報に基づ
いて、その光の照射された場所の管の姿勢を認識するこ
とを特徴とする請求項１記載の導管環境認識装置。
【請求項３】前記管は円管であり、照射される光はリン
グ帯状であって、前記認識手段が前記管の形状を認識す
る際には、前記撮像手段によって撮像されるリング帯状
映像の円周上の各点の円中心からの距離に対応した所定
値をヒストグラム化し、そのヒストグラムの特徴から管
形状を認識することを特徴とする請求項２記載の導管環
境認識装置。
【請求項４】前記管は円管であり、照射される光はリン
グ帯状であって、前記認識手段が前記管の形状を認識す
る際には、前記撮像手段によって撮像されるリング帯状
映像に関して、直管部分のリング帯状映像部分に不感帯
を設けておき、その不感帯から外れて出現する部分的リ
ング帯状映像部分の特徴から管形状を認識することを特
徴とする請求項２記載の導管環境認識装置。