JPWO2013076829A1 - 自律移動システム - Google Patents

Abstract

３次元空間を複数に分割して決定した設定領域における物体の有無を測定するための形状検出器（２）及び移動量検出器（３）と、各設定領域のうち静止物が存在すると設定された領域を示す地図データが記憶される記憶装置（１０ａ，１０ｂ）と、設定領域ごとの所定時間中における形状検出器による物体の検出頻度に基づいて、各設定領域で検出された物体が静止物か移動物かを判別する判別部（４）と、判別部によって静止物が存在すると判別された領域と地図データをマッチングすることで、車両ｖの位置を推定する位置推定部（５）とを備える。これにより移動物が存在する環境においても高精度な位置検出ができる。

Description

本発明は、空間における自己位置を推定しながら移動する移動体の自律移動システムに関する。

空間における自己位置を推定しながら移動する移動体（車両等）の自律移動システムには、内界センサ（移動体自体の状態を計測するためのセンサ）や外界センサ（移動体の移動に必要な周囲の状態を計測するためのセンサ）等の測定装置による測定データから生成した地図を参照しながら目的地まで移動するものがある。

この種の自律移動システムとしては、（１）カメラを外界センサとして用いて、特定の形状をランドマーク（目印）として認識し、地図を生成して自律移動を行うものや（特開２００４−１１０８０２号公報参照）、（２）レーザスキャナを外界センサとして用いて、現在時刻に取得した周辺物体の形状データを、１つ前の時刻に現在とは異なる位置で取得した周辺物体の形状データと逐次的にマッチング（重ね合わせ）することにより、周辺物体の形状データを測定した領域を拡大していくことで地図を生成して自律移動を行うものがある（特開２００８−２７６３４８号公報参照）。

特開２００４−１１０８０２号公報 特開２００８−２７６３４８号公報

上記のように、従来の自律移動システムは、レーザスキャナやステレオカメラなどの測定装置を用いて測定した周辺物体の形状データを、予め周辺物体の形状が記憶された地図とマッチング（重ね合わせ）することで、車両の自己位置の推定を実現していた。

しかしながら、移動体の走行環境中には、他の車両、歩行者、自転車、砂埃、落ち葉、動物、その他の可動設置物（例えば、テーブル、イス、プランターなど）などの移動物が存在する。そのため、これらの移動物を測定した形状データと地図をマッチングしてしまうと、移動物は地図に記載されていないために地図の形状と上手く重ならない事態が発生する。その結果、自己位置推定の誤差が大きくなって、自律移動システムが自己位置や目標経路を見失い、移動の継続が困難になることが懸念される。

本発明の目的は、移動物が存在する環境においても高精度な位置検出が可能な自律移動システムを提供することにある。

本発明は、上記目的を達成するために、空間における自己位置を推定しながら移動する移動体の自律移動システムであって、所定の規則で前記空間を複数に分割することで決定した各領域における物体の有無を測定するための測定手段と、前記各領域のうち静止物が存在すると設定された領域を示す地図データとが記憶される記憶手段と、前記領域ごとの所定時間中における前記測定手段による物体の検出頻度に基づいて、前記各領域で検出された物体が静止物か移動物かを判別する判別手段と、前記判別手段によって静止物が存在すると判別された領域と、前記地図データにおいて静止物が存在すると設定された領域とをマッチングすることで、前記移動体の位置を推定する推定手段とを備えるものとする。

本発明によれば、検出した周辺物体を静止物と移動物に判別するので、移動物が存在する環境においても高精度なマッチングができ、これにより自己位置や目標経路を見失うことなく目的地に到達することができる。

本発明の第１の実施の形態に係る自律移動システム概略構成図。 本発明の第１の実施の形態に係る自律移動システムが実行する処理内容のフローチャート。 形状検出器２が車両ｖの周辺に存在する物体の形状を測定する様子を示す図。 形状検出器２によって所定時間α中の異なる時刻に測定された複数の形状データを示す図。 本発明の第１の実施の形態に係る回数算出部９が実行する処理の詳細なフローチャート。 時刻ｔ−１に形状検出器２が測定した３次元形状ｄを３次元ボクセルｂ内に示した図。 時刻ｔに形状検出器２が測定した３次元形状ｄを３次元ボクセルｂ内に示した図。 本発明の第１の実施の形態に係る地図更新部７が実行する処理の詳細なフローチャート。 本発明の第１の実施の形態に係る地図ｒ（地図データ）の図。 本発明の第２の実施の形態に係る自律移動システム概略構成図。

以下、本発明の実施の形態について図面を用いて説明する。なお、以下の実施の形態では、移動体として車輪を備えた車両ｖ（例えば自動車）を例に挙げて説明するが、クローラを備える移動体や脚を備えるロボットなどにも本発明は適用可能であり、移動体の移動形式には特に限定されない。

図１は本発明の第１の実施の形態に係る自律移動システムの概略構成図である。この図に示す自律移動システムは、車両ｖに搭載された車載部１ａと、建物等の管理設備内の管理端末（例えば、コンピュータ）に搭載された管理部１ｂを備えている。図１に示した車載部１ａと管理部１ｂは、無線ネットワークを介して接続されており、当該ネットワークを介してデータ通信を行っている。

車載部１ａは、形状検出器２と、移動量検出器３と、回数計測部９と、判別部４と、位置推定部５と、走行制御部６と、各種の制御プログラムを実行するための演算処理装置（例えば、ＣＰＵ（図示せず））と、当該制御プログラムをはじめ各種データを記憶するための第１記憶装置１０ａ（例えば、ＲＯＭ、ＲＡＭ、ＨＤＤ、フラッシュメモリ）を備えている。

本実施の形態における形状検出器２、移動量検出器３及び回数算出部９は、車両ｖが走行する３次元空間を所定の規則で複数に分割することで決定した各領域（以下では、「設定領域」又は単に「領域」と称することがある。）における物体の有無を測定するための測定手段として機能している。なお、後に詳述するが、本実施の形態では、設定領域として、３次元空間を所定の大きさの３次元ボクセルで分割して得られる立方体状の閉領域を利用している。

形状検出器（形状検出手段）２は、車両ｖの周辺に存在する物体（建物、樹木及び地形（例えば、丘及び崖等）等の静止物と、自車両ｖ以外の車両、歩行者、自転車、砂埃、落ち葉、動物及び可動設置物（例えば、テーブルやイスやプランターなど）等の移動物）の形状を検出するための装置である。形状検出器２としては、例えば、レーザスキャナ、ステレオカメラ、又はTime-of-Flight（TOF）距離画像カメラ等を用いることができる。形状検出器２によって測定された周辺物体の形状は、その測定時刻とともに第１記憶装置１０ａに入力され、形状データとして記憶される。

移動量検出器（移動量検出手段）３は、車両ｖの移動量を検出するための装置である。本実施の形態では、車両ｖの車輪回転量を累積することで、所定の制御周期前（例えば１周期前）に車両ｖが存在した位置に対する現在位置の相対的な位置の移動量を検出している。この種の検出方法としては、例えば、Inertial Measurement Unit（IMU）と呼ばれる慣性センサやジャイロセンサを用いた公知の方法（参考文献：J. Borenstein and L. Feng、Gyrodometry: A New Method for Combining Data from Gyros and Odometry in Mobile Robots、Proc. of ICRA '96、１９９６年）が利用可能である。移動量検出器３によって検出された移動量は、第１記憶装置１０ａに入力され、移動量データとして記憶される。

回数算出部（回数算出手段）９は、車両ｖが移動する３次元空間を分割することで決定した各設定領域について、形状検出器２によって異なる時刻に物体の有無が測定された回数（測定回数）と、当該物体の有無を測定した回数のうち形状検出器２によって当該設定領域内で物体が検出された回数（検出回数）を算出する処理を実行する部分である。なお、重ねて説明するが、ここにおける「測定回数」とは、所定の設定領域について形状検出器２が物体の有無を測定した回数のことを示し、検出結果の如何は問わずに増加する。また、「検出回数」とは、形状検出器２が物体の有無を測定しようとしたときに当該所定の設定領域に実際に物体が検出された回数のことを示し、物体が検出された場合にのみ増加する。

詳細は後述するが、本実施の形態における回数算出部９は、第１記憶装置１０ａに記憶された形状データ、移動量データ及び領域区分データに基づいて回数データ（測定回数データ及び検出回数データ）を算出している。回数算出部９によって算出された測定回数及び検出回数は、第１記憶装置１０ａに入力され、測定回数データ及び検出回数データ（以下、これらをまとめて「回数データ」と称することがある）として記憶される。

判別部４は、設定領域ごと（すなわち、本実施の形態では「３次元ボクセルごと」）の所定時間中（現在から所定時刻前までの間）における形状検出器２による物体の検出頻度に基づいて、各設定領域で検出された物体が静止物か移動物かを判別する処理を実行する部分である。詳細は後述するが、本実施の形態における判別部４は、所定時間中に車両ｖが測定手段（形状検出器２、移動量検出器３及び回数算出部９）によって得た回数データ（測定回数及び検出回数）に基づいて物体の検出頻度を算出し、当該検出頻度に基づいて各設定領域の物体が静止物か移動物かを判別している。判別部４によって判別された結果は、第１記憶装置１０ａに入力され、判別データとして記憶される。

第１記憶装置（第１記憶手段）１０ａには、形状検出器２で検出される形状データと、移動量検出器３で検出される移動量データと、回数算出部９で算出される回数データと、判別部４で算出される判別データと、領域区分データが記憶されている。ここで、領域区分データとは、上述の回数データを得る際に利用する各設定領域の区分を示すものであり、車両ｖが移動する３次元空間が複数の閉領域（設定領域）にどのように分割されているかを示すデータである。本実施の形態では、車両ｖが移動する３次元空間内のどこに各３次元ボクセルが位置しているかが記憶されている。形状データと領域区分データを関連付けることで、各物体又はその一部がどの領域に位置するかを判別することができる。

位置推定部（推定手段）５は、判別部４によって静止物が存在すると判別された領域（すなわち、車両ｖによって測定された静止物の形状）と、第２記憶装置１０ｂにおける地図データ（後述）で静止物が存在すると設定された領域とをマッチング（重ね合わせ）することで、車両ｖの位置を推定する処理を実行する部分である。ここにおけるマッチングの具体的方法としては公知の方法（参考文献：増田健，岡谷（清水）郁子，佐川立昌、距離データ処理−複数距離画像からの形状モデル生成技術、Proc. of the 146th CVIM、２００４年）を利用することができる。

走行制御部６は、車両ｖの車輪などを駆動し、自律走行を制御する部分である。予め定められた目標経路に従って車両ｖが目的地まで走行するように、位置推定部５の演算結果を利用して車両ｖの制御を行う。

管理部１ｂは、地図更新部７と、表示制御部８と、各種の制御プログラムを実行するための演算処理装置（図示せず（例えば、ＣＰＵ））と、当該制御プログラムをはじめ各種データを記憶するための第２記憶装置１０ｂ（例えば、ＲＯＭ、ＲＡＭ、ＨＤＤ、フラッシュメモリ）と、表示装置１１を備えている。

第２記憶装置（第２記憶手段）１０ｂに記憶されているデータには、各設定領域のうち静止物が存在すると設定された領域を示す地図データと、第１記憶装置１０ａと同じ領域区分データ、判別データ及び回数データとが含まれている
地図データは、位置推定部５で車両ｖの位置推定を行う際に基準となるデータであり、事前の詳細な測定などに基づいて、各設定領域のうち静止物が存在すると設定した領域を示すデータである。本実施の形態における地図データは、設定領域と同様に３次元ボクセルで表現されたデータ形式となっており、３次元空間中の静止物は複数のボクセルの集合で定義されている。すなわち、二次元画像でのビットマップ形式を３次元に拡張したデータ形式に相当する。また、本実施の形態では、地図データは、判別部４の判別結果に基づいて適宜更新される。

なお、図に示した例では、第１記憶装置１０ａのデータとして、領域区分データ、判別データ及び回数データが記憶されているが、その他のデータを記憶するようにしても良い。また、ここでは、第１記憶装置１０ａから第２記憶装置１０ｂへのデータ入力は無線ネットワークを介して所定の間隔で自動的に行われるものとするが、定期的に有線接続や他の記憶媒体を介して第１記憶装置１０ａから第２記憶装置１０ｂにデータを移動させる構成としても良い。 地図更新部７は、第２記憶装置１０ｂ中の地図データで静止物が存在すると設定されている設定領域を、判別部４の判別結果（判別データ）に基づいて更新する処理を実行する部分である。すなわち、本実施の形態における地図更新部７は、車両ｖが得た判別データに基づいて、第２記憶装置１０ｂ中の地図データを更新する処理を実行する。

表示制御部８は、第２記憶部１０ｂから入力される地図データ及び位置推定部５から入力される位置データに基づいて、地図データ及び車両ｖの推定位置を表示装置１１に表示するための表示信号を算出する処理を実行する部分である。表示装置１１は、表示制御部８から入力される表示信号に基づいて周辺の地図情報と車両ｖの位置を表示する。なお、表示装置１１は、管理端末と一体に構成しても良いし、管理端末と独立して構成しても良い。

次に図面を参照しつつ、本実施の形態に係る自律移動システムの具体的な処理内容について説明する。図２は本発明の第１の実施の形態に係る自律移動システムが実行する処理内容のフローチャートである。自律移動システムがこの図に示すフローチャートの処理を実行することで、測定した周辺物体の形状データが静止物と移動物に判別されるので、移動物（自車両以外の車両、歩行者、自転車、砂埃、落ち葉、動物、テーブルやイスやプランターなどの可動設置物など）が存在する走行環境においても高精度な自己位置推定が可能になる。以下、図２に示すフローチャートの各ステップでの処理を詳細に説明する。

処理を開始したら、自律移動システムの車載部１ａが、まず、形状検出器２によって車両ｖの周辺に存在する物体（静止物と移動物の両方を含む）の３次元形状を測定して形状データを取得するとともに、移動量検出器３によって車両ｖの移動量を測定して移動量データを取得する（Ｓ１１）。

図３は形状検出器２が車両ｖの周辺に存在する物体の形状を測定する様子を示す図である。３次元空間中の走行可能領域（例えば、道路）を走行している車両ｖに搭載された形状検出器２は、その測定範囲ａ内に存在する物体の３次元形状を測定する。ここで取得された形状データには、建物などの静止物の形状と、他の車両などの移動物の形状の両方が含まれる。

なお、形状検出器２としてレーザスキャナを利用した場合には、車両ｖから略同心円状の破線で定義される測定範囲ａ内であっても、検出された物体の背後に隠れた物体は検出されない。すなわち、実際の検出範囲は図３中の測定範囲ａ内に付した斜線の領域になり、当該斜線内に含まれる各設定領域についての測定回数及び検出回数が増加することになる。

図４は形状検出器２によって所定時間α中の異なる時刻に測定された複数の形状データを示す図である。この図において、現在の時刻を時刻ｔとすると、時刻ｔにおいて３次元形状ｄ１が測定されている。また、１単位時間前の時刻ｔ−１において３次元形状ｄ２が測定されており、さらに１単位時間前の時刻ｔ−２において３次元形状ｄ３が測定されている。ここで１単位時間とは、形状検出器２が１回測定するのに要する時間であり、例えば、形状検出器２として１秒周期のレーザスキャナを用いた場合には１単位時間は１秒間となる。

Ｓ１１が終わったら、回数算出部９が、各設定領域についての測定回数及び検出回数を算出する（Ｓ１２）。回数算出部９がＳ１２で行う処理の詳細なフローチャートを図５に示す。

図５に示すように、回数算出部９は、各回数算出の前処理として、まず、第１記憶装置１０ａに記憶された領域区分データを参照して、形状検出器２によって物体の有無が測定された車両ｖの周囲の空間（図３中で斜線を付した領域に相当）を設定領域（３次元ボクセル）で分割する（Ｓ２１）。本実施の形態では、各設定領域は、３次元空間を立方体で複数に分割した３次元ボクセルによって定義されている。各ボクセルの大きさは、どの程度の大きさの物体を静止物／移動物として判別するかに依存して決定されている。例えば自動車や建物などの大きさを対象とする場合、１辺の大きさが０．５〜１メートル程度のボクセルを設定する。なお、便宜上、本実施の形態では各設定領域を立方体で定義したが、各設定領域はその他の立体形状（直方体、球、三角錐等）で定義しても良い。

次に、回数算出部９は、所定の時間中に形状検出器２が測定した各時刻の３次元形状ｄに対して、移動量検出器３で測定された車両ｖの移動量の分だけ座標変換を行うことで車両ｖの動きをキャンセルし、各３次元形状ｄの位置を車両座標系（車両ｖに固定された座標系）のものから絶対座標系のものに変換する。（Ｓ２２）。

その後、回数算出部９は、絶対座標系上で各３次元形状ｄがどのボクセル（設定領域）に含まれるかに基づいて検出回数を算出する（Ｓ２３）。すなわち、自車両ｖの近傍の３次元ボクセルに対して、形状検出器２で測定された３次元形状ｄが各ボクセル内に存在した場合には、当該ボクセルについての検出回数を増加する。この処理は、現在の時刻ｔから所定の時間前の時刻ｔ−αまでの３次元形状ｄに対して行う（αは設定値）。すなわち、この処理によって各ボクセルの測定回数は、最大で、形状検出器２の１単位時間でαを除した回数だけ増加する。

また、回数算出部９は、上記の検出回数の算出とともに各ボクセルの測定回数も算出する（Ｓ２４）。測定回数の算出は、所定時刻に形状検出器２によって実際に物体の有無が測定された領域（図３の斜線領域）に含まれるボクセルを特定し、その特定された各ボクセルについての測定回数を１だけ増加することで行う。Ｓ２３，２４において回数算出部９によって算出された測定回数及び検出回数は、第１記憶装置１０ａに入力され、回数データとして記憶される。

Ｓ２４が完了したら図２のＳ１３へ進む。Ｓ１３において、判別部４は、所定時間α中のボクセルごとの測定回数及び検出回数を参照し、各ボクセル内に検出された物体が静止物か移動物かを判別する。ここでは、まず、各ボクセル内に物体が存在するか否かを判別する。そして、物体が存在する場合には当該物体が静止物又は移動物であるかを判別し、物体が存在しない場合には自由空間であると判別する。本実施の形態における判別部４は、各ボクセルの判別に際して、第１記憶装置１０ａに記憶された回数データを参照し、ボクセルごとの測定回数に対する検出回数の割合（すなわち、「検出回数／測定回数」であり、以下では「占有スコア」と称することがある）を算出する。そして、占有スコアが、所定の閾値β（例えば、０．８）以上の場合には当該ボクセルに存在した物体は「静止物」であると判別し、当該閾値β未満の場合は「移動物」であると判別し、ゼロの場合は自由空間であると判別する。各ボクセルの判別結果は、判別部４から第１記憶装置１０ａに入力され、判別データとして記憶される。

なお、静止物が含まれるボクセルでは過去から現在まで継続して３次元形状ｄが測定されるために占有スコアが高くなる。移動物が含まれるボクセルでは過去から現在の一部の時間だけ３次元形状ｄが測定されるために静止物のときよりも占有スコアが相対的に低くなる。自由空間に該当するボクセルでは、３次元形状ｄが測定されないために占有スコアがゼロになる。

例として、図６及び図７に、異なる時刻（時刻ｔ−１と時刻ｔ）に形状検出器２が測定した３次元形状ｄを３次元ボクセルｂ内に示す。この例では、静止物ｃと移動物ｍが測定されている。空間を分割した３次元ボクセルｂのうち、静止物ｃが存在するボクセルは、時刻ｔ−１と時刻ｔの両方で３次元形状ｄが測定される。そのため、占有スコアが高くなり、Ｓ１３の処理で静止物と判別される。一方、移動物ｍが通過したボクセルは、時刻ｔ−１と時刻ｔのいずれか一方でしか３次元形状ｄが測定されないため、占有スコアが低くなり、Ｓ１３の処理で移動物と判別される。また、物体が存在しないボクセルは、時刻ｔ−１と時刻ｔの両方で３次元形状ｄが測定されないため、占有スコアがゼロになり、Ｓ１３の処理で自由空間と判別される。

Ｓ１３が終了したら、位置推定部５が、判別部４によって静止物が存在すると判別された設定領域と、第２記憶装置１０ｂにおける地図データで静止物が存在すると設定された設定領域とをマッチングすることで、車両ｖの位置を推定する（Ｓ１４）。

ここで、まず、位置推定部５は、判別部４で静止物が存在すると判別された領域を特定するために、第１記憶装置１０ａの判別データを参照し、静止物に判別されたボクセルに属する３次元形状ｄを静止物の形状として抽出する。次に、第２記憶装置１０ｂの地図データを参照し、静止物に判別されたボクセルに属する３次元形状を静止物の形状として抽出する。そして両者をマッチング（重ね合わせ）することで車両ｖの位置を推定する。上記のように構成された本実施の形態によれば、移動物を除いた静止物の形状のみを地図データとマッチングするため、移動物が存在する走行環境においても高精度な車両ｖの位置推定を実現できる。

このようにＳ１４まで実行したら、Ｓ１４で算出された位置と目的地の位置を比較することで当該目的地に到着したか否かを判定し、最初の処理（Ｓ１１）に戻っても良いが、ここでは下記のように地図更新処理を続ける。

Ｓ１４が終了したら、車載部１ａは、Ｓ１３で算出して第１記憶装置１０ａに記憶した判別データを、無線ネットワークを介して管理部１ｂの第２記憶装置１０ｂに送信する（Ｓ１５）。これにより所定時間αについての各ボクセルにおける物体が静止物か移動物かを示すデータが管理部１ｂに蓄積される。

次に、地図更新部７は、Ｓ１５で入力された判別データに基づいて、Ｓ１５以前から第２記憶装置１０ｂに記憶されていた地図データを更新する（Ｓ１６）。Ｓ１６は、Ｓ１５で車載部１ａから判別データを受信したとき、または当該受信間隔以外の所定の間隔で行えば良い。ここで、地図更新部７がＳ１６で行う処理の詳細なフローチャートを図８に示す。

図８に示すように、地図更新部７は、まず、判別データを参照することで、地図データ中の各３次元ボクセルｇについて、所定時間α中に移動物が存在すると判別された回数（移動物スコア）を加算する（Ｓ３１）。各ボクセルの移動物スコアは地図データの一部として第２記憶装置１０ｂに記憶される。これにより、移動物が頻繁に出現する場所に配置されたボクセルに、相対的に高い移動物スコアを持たせることができる。また、逆に移動物が出現しない場所のボクセルは、相対的に低い移動物スコアを持つことになる。なお、所定の期間にわたって形状検出器２の測定範囲に該当しなかったボクセルは、静止物の情報を削除して自由空間として扱い、かつ移動物スコアを連続的に下げていくようにすることで、過去のデータが残り続けることを防止しても良い。

続いて、地図更新部７は、判別データを参照することで、地図データ中で静止物が存在すると設定されている領域を更新する（Ｓ３２）。例えば、地図データの作成当時は存在しなかった建物が新たに建設された場合などは、判別データの結果と地図データの内容が一致しないという事態が発生する。そこで、Ｓ３２では、判別部４によって静止物が存在すると判別されたボクセルが、地図データ上で静止物が存在すると設定されていない場合には、判別データに合わせて地図データ上の当該ボクセルの設定を更新する。すなわち、地図データ上の当該ボクセルに静止物が追加される。逆に、地図データ上で静止物が存在すると設定されているボクセルが、判別部４によって静止物が存在すると判別されなかった場合には、判別データに合わせて地図データ上の当該ボクセルの設定を更新する。すなわち、地図データ上の当該ボクセルから静止物が削除される。これにより、新たな建物の建設などの環境の変化が発生しても、常に地図データを最新の状態に保つことができる。

図９に、地図更新部７の処理により移動物スコアが加算されるとともに静止物のボクセルが更新された地図ｒを示す。この図に示す地図ｒは、実際には３次元ボクセルｇによって表現されているが、図９では平面図として平行面に投影して描画している。図９の上部に示すように、地図ｒには静止物の形状が記憶されている。また図９の下部に示すように、地図のデータ形式である３次元ボクセルｇは、それぞれが移動物スコアｐの情報も持つ。例えば、他の車両や砂埃などの移動物が頻繁に出現する道に該当する３次元ボクセルｇの移動物スコアｐは相対的に高い値になり、建物や樹木などの静止物に該当する３次元ボクセルｇの移動物スコアｐは相対的に低い値になる。

Ｓ１４において位置推定部５が地図データとのマッチングを行う際に、上記の移動物スコアｐを活用すれば、車両ｖの位置推定をより高精度に行うことができる。例えば、移動物スコアｐの逆数を信頼度（重み）とし、信頼度の低い場所（移動物の出現回数が多い場所）で測定された静止物は移動物とみなすように設定するものがある（参考文献：Szymon Rusinkiewicz, Marc Levoy、Efficient Variants of the ICP Algorithm、Proc. of International Conference on 3-D Digital Imaging and Modeling、２００１年）。したがって、このようにマッチングを行えば、移動物が存在する走行環境においても高精度な自己位置推定を実現できる。

また、本実施の形態では判別データを第２記憶装置１０ｂに入力し、当該判別データに基づいて地図データの更新を行った。しかし、第２記憶装置１０ｂにＳ１２で算出した回数データを入力し、Ｓ１３で行った処理と同様に判別処理を行い、当該判別結果に基づいて地図データを更新しても良い。このよう更新すると、長期間に渡って静止物として存在するものを正確に地図データに反映することができる。また、ここでの判別処理に用いる閾値は、Ｓ１３で使用したβと異なる値を利用しても良い。すなわち、静止物の抽出精度を向上する観点からはＳ１３よりも大きな値を閾値にすることが好ましい。

図２のフローチャートに戻る。地図データの更新（Ｓ１６）が終了したら、管理部１ｂの表示制御部８が、管理部１ｂ内のオペレータに対して、Ｓ１４で推定された車両ｖの位置と、Ｓ１６で更新された地図データを表示装置１１に表示する（Ｓ１７）。

また、走行制御部６は、Ｓ１４で推定された車両ｖの位置に基づき、予め定められた目標経路に従って車両ｖが目的地まで走行するように自律走行を制御する（Ｓ１８）。ここでの自律走行には公知の方法が利用可能である（参考文献：太田 順, 倉林 大輔, 新井 民夫、知能ロボット入門、コロナ社、２００１年）。

そして走行制御部６が、目的地に到達したかどうかを判定する（Ｓ１９）。目的地に到達していない場合には、Ｓ１１の処理に戻る。一方、目的地に到達した場合には一連の処理を終了する。これにより自律移動システム１は、測定した周辺物体の形状データを静止物と移動物に判別し、移動物が存在する走行環境においても高精度な自己位置推定を行って目的地に到達することができる。

したがって、上記のように構成した本実施の形態によれば、周辺物体を静止物と移動物に判別することができるので、種々の移動物が存在する走行環境においても高精度なマッチングができ、これにより車両を初めとする各種移動体の自己位置や目標経路を見失うことなく目的地に到達することができる。

なお、上記の実施の形態では、第２記憶装置１０ｂ、地図更新部７、表示制御部８及び表示装置１１を管理端末（管理部１ｂ）に搭載した場合について説明したが、これらを車両ｖ（車載部１ａ）に搭載してすべての処理を車両ｖ側で行うようにしても良い。また、形状検出器２、移動量検出器３及び走行制御部６を車両ｖに搭載し、その他の構成を管理端末に搭載する構成を採用しても良い。この場合には、検出器２，３のデータを無線等のデータ通信で車両ｖから管理部１ｂに送信し、その後の処理を管理部１ｂで行い、推定した車両位置を返信するように構成すれば良い。

また、上記の実施の形態では、１台の車両ｖに搭載された形状検出器２及び移動量検出器３からのデータに基づいて当該車両の位置推定等を行ったが、複数台の車両で測定されたデータに基づいて自己車両の位置推定等を行っても良い。この場合について以下に説明する。

図１０は、本発明の第２の実施の形態に係る自律移動システム概略構成図である。この図に示す自律移動システムは、複数の車両ｖ１，ｖ２，ｖ３にそれぞれ搭載された車載部１ａａ，１ａｂ，１ａｃと、管理端末に搭載された管理部１ｂを備えている。なお、先の図と同じ部分には同じ符号を付して説明は省略することがある。

この図に示す各車載部１ａａ，１ａｂ，１ａｃは、それぞれ、形状検出器２ａ，２ｂ，２ｃと、移動量検出器３ａ，３ｂ，３ｃと、記憶装置１０ａａ，１０ａｂ，１０ａｃと、走行制御部６ａ，６ｂ，６ｃを備えており、検出器２ａ，２ｂ，２ｃ，３ａ，３ｂ，３ｃで検出したデータ（形状データ及び移動量データ）を管理部１ｂの記憶装置１０ｂに出力している。管理部１ｂは、回数算出部９、判別部４及び位置推定部５を備えており、図２におけるＳ１２〜Ｓ１７の処理は管理部１ｂで行われる。Ｓ１８，１９の処理は各車両ｖ１，ｖ２，ｖ３で行われる。

すなわち、本実施の形態では、複数台の車両ｖに搭載された形状検出器２が所定時間中の異なる時刻に測定した複数の形状データを利用して、移動物と静止物の判別を行っている。このように構成したシステムでは、１台の車両が取得した形状データよりも多くの形状データを参照することができるので、移動物と静止物の判別をより正確に行うことができる。なお、同様の処理が可能であれば図に示した以外の構成でも良い。

ところで、上記の説明では、自己位置を推定しながら移動する移動体の自律移動システムで適用した場合について説明したが、移動体が自律移動しない場合でも、当該移動体の位置推定が必要なシステムであれば、本発明は適用可能である。

１ａ 車載部
１ｂ 管理部
２ 形状検出器（測定手段）
３ 移動量検出器（測定手段）
４ 判別部（判別手段）
６ 走行制御部
７ 地図更新部（地図更新手段）
８ 表示制御部
９ 回数算出部
１０ａ 第１記憶装置（第１記憶手段）
１０ｂ 第２記憶装置（第２記憶手段）
１１ 表示装置（表示手段）

Claims (10)

1. 空間における自己位置を推定しながら移動する移動体の自律移動システムであって、
   所定の規則で前記空間を複数に分割することで決定した各領域における物体の有無を測定するための測定手段と、
   前記各領域のうち静止物が存在すると設定された領域を示す地図データとが記憶される記憶手段と、
   前記領域ごとの所定時間中における前記測定手段による物体の検出頻度に基づいて、前記各領域で検出された物体が静止物か移動物かを判別する判別手段と、
   前記判別手段によって静止物が存在すると判別された領域と、前記地図データにおいて静止物が存在すると設定された領域とをマッチングすることで、前記移動体の位置を推定する推定手段とを備えることを特徴とする自律移動システム。
2. 請求項１に記載の自律移動システムにおいて、
   前記記憶手段には、前記測定手段によって所定時間中の異なる時刻に物体の有無が測定された回数を前記領域ごとに示した測定回数データと、前記測定手段によって前記所定時間中の異なる時刻に物体が検出された回数を前記領域ごとに示した検出回数データとが記憶されており、
   前記判別手段は、前記領域ごとの前記測定回数及び前記検出回数に基づいて前記物体の検出頻度を算出することを特徴とする自律移動システム。
3. 請求項１又は２に記載の自律移動システムにおいて、
   前記地図データにおいて静止物が存在すると設定された領域を、前記判別手段の判別結果に基づいて更新する地図更新手段をさらに備えることを特徴とする自律移動システム。
4. 請求項１から３のいずれかに記載の自律移動システムにおいて、
   前記測定手段、前記判定手段及び前記推定手段は、前記移動体に搭載されており、
   前記記憶手段は、管理端末に搭載されており、
   前記移動体と前記管理端末との間のデータ通信は、無線によって行われていることを特徴とする自律移動システム。
5. 請求項１から３のいずれかに記載の自律移動システムにおいて、
   前記測定手段は、前記移動体を含む複数の移動体に搭載されており、
   前記記憶手段には、前記複数の測定手段によって所定時間中の異なる時刻に物体の有無が測定された回数を前記領域ごとに示した測定回数データと、前記複数の測定手段によって前記所定時間中の異なる時刻に物体が検出された回数を前記領域ごとに示した検出回数データが記憶されていることを特徴とする自律移動システム。
6. 請求項１から５のいずれかに記載の自律移動システムにおいて、
   前記推定手段によって推定された前記移動体の位置及び前記地図データを表示するための表示手段をさらに備えることを特徴とする自律移動システム。
7. 請求項１から６のいずれかに記載の自律移動システムにおいて、
   前記各領域は、前記空間を直方体で複数に分割することで決定されたものであることを特徴とする自律移動システム。
8. 請求項１から７のいずれかに記載の自律移動システムにおいて、
   前記測定手段は、前記移動体の周辺に存在する物体の形状データを検出する形状検出手段と、前記移動体の移動量を検出する移動量検出手段とを備え、
   前記測定手段は、前記形状データ及び前記移動量に基づいて前記各領域における物体の有無を測定することを特徴とする自律移動システム。
9. 請求項２から８のいずれかに記載の自律移動システムにおいて、
   前記判別手段は、前記領域ごとの前記測定回数に対する前記検出回数の割合の大きさに基づいて、前記各領域で検出された物体が静止物か移動物かを判別することを特徴とする自律移動システム。
10. 請求項９に記載の自律移動システムにおいて、
    前記判別手段は、前記割合の大きさが閾値β以上のときは当該領域に存在した物体は静止物であると判別し、前記割合の大きさが閾値β未満のときは当該領域に存在した物体は移動物であると判別することを特徴とする自律移動システム。

Images