WO2014132509A1 - 周囲環境認識装置、それを用いた自律移動システムおよび周囲環境認識方法 - Google Patents

Abstract

　自律移動システムである清掃ロボット（１）は、前方斜め下向きに配置した距離画像センサ（２０）で計測して得た３次元座標データを座標変換し、床面基準の３次元座標データを生成する。このデータに床面（Ｆ）からの高さによって段差や障害物などを判別してラベル付けを行い、清掃ロボット本体の真上から見た俯瞰図画像データを作成する。俯瞰図画像データを走査して、ラベルが特定の順序で並んでいる場合に限り、未確定領域を段差として置き換える処理を施す。これにより、死角によって発生する段差のエッジの位置ずれを補正し、段差位置を正確に把握することができる。

Description

周囲環境認識装置、それを用いた自律移動システムおよび周囲環境認識方法

　本発明は、対象となる周囲環境の距離を計測したデータから、その計測範囲に含まれる床面および障害物や段差などの領域を正しく認識するための周囲環境認識装置、それを用いた自律移動システムおよび周囲環境認識方法に関するものである。

　ロボットや無人搬送車などの自律移動システムにおいては、移動時に前方にある障害物や段差を検出し、衝突や転落を防止する必要がある。このような障害物や段差の検出のために、センサを用いた周囲環境認識装置の開発が進んでいる。

　このような用途に用いられるセンサには、レーザレンジファインダ（ＬＲＦ）や距離画像センサが存在する。

　レーザレンジファインダは、計測対象物にレーザ光を投射しながら角度スキャンを行い、その反射光を検出することで対象物までの距離を計測する構造である。比較的高い計測精度が得られるが、角度スキャンは通常１方向であるため、１回の計測で１次元的な距離の分布情報しか得られない。２次元的な距離の分布を得るためには、複数のレーザレンジファインダを並列に配置して計測したり、機械的に動かしながら複数回計測したりするなどの工夫が必要となる。

　距離画像センサには、距離の計測手法によってパターン光照射方式、ＴＯＦ（Time Of Flight）方式、ステレオ方式などの幾つかの方式が存在するが、いずれも撮像素子の視野範囲内の計測対象物について距離情報を画素の濃淡で表現した距離画像を出力することを特徴としており、１回の計測で２次元的な距離情報を一度に得ることができる。従って、周囲に存在する物体までの距離を迅速に取得し、それらが障害物や段差であるかどうかを認識するような周囲環境認識装置のセンサとして用いるのに適している。

　特許文献１（特開２００６－２６０１０５号公報）に示される自律移動システムでは、進行方向の前方下方を視野範囲とするよう取付けられた距離画像センサを用いて、前方の走行面上に存在する凸状の障害物および凹状の段差の有無を検出している。さらに、距離画像を座標変換した後に、２つの異なるしきい値で２値化することにより、それらの障害物および段差の形状がスロープ状であるかステップ状であるかを判別している。

特開２００６－２６０１０５号公報 特開２０１０－２８７０２９号公報

　しかし、特許文献１に示された自律移動システムでは、距離画像センサの配置によって段差の一部に死角が存在する場合に、その段差の境界を正しく検出できないという課題が存在する。そのため、自律移動システムを急旋回もしくは急発進させた時などに、段差の回避動作が間に合わず、自律移動システムが段差に転落する危険がある。また、自律移動システムが段差に向かって移動するにつれて段差と検出される位置が変化するため、段差位置を目印とした走行制御や地図上の自己位置認識を行うことができず、自律移動システムを用いた作業の効率が低下する恐れがある。

　本発明は、上記従来の問題点に鑑みてなされたものであって、周囲環境に存在する段差を確実かつ正確に検出することで安全性を高め、さらに作業効率を向上させる周囲環境認識装置、それを用いた自律移動システムおよび周囲環境認識方法を提供することにある。

　上記課題を解決するために、本発明の周囲環境認識装置は、
　距離センサと、
　上記距離センサから得られた距離データに基づいて、少なくとも床面より低い凹状領域を判別する凹部判別部と、
　上記距離データを、上記床面を基準に座標変換して俯瞰図データを作成する俯瞰図データ作成部と、
　上記俯瞰図データ内において、上記距離センサの死角によって生じる凹状領域と、その凹状領域以外の領域との境界の位置のずれを補正する補正処理部と
を備えることを特徴としている。

　１実施形態では、
　上記補正処理部は、上記俯瞰図データにおいて、上記凹部判別部によって判別されたデータが特定の順序に配列されているか否かに基づいて、上記境界の位置のずれの補正の可否を決定する。

　１実施形態では、
　上記補正処理部は、上記距離センサの取付角度と、上記凹状領域の深さ情報と、上記凹状領域の距離データとに基づいて、上記距離センサの死角の大きさを計算して、凹状領域に対する補正量を決定する。

　本発明の自律移動システムは、
　上記周囲環境認識装置を備え、進行方向前方の移動可能な領域を認識しながら移動することを特徴としている。

　本発明の周囲環境認識方法は、
　前方斜め下向きに配置された距離センサによって床面を計測して床面基準の３次元座標データを生成し、
　この３次元座標データに基づいて、床面領域と、上記床面よりも低い凹状領域とを判別して、３次元座標データのラベル付けを行って、俯瞰図データを作成し、
　上記俯瞰図データを走査して、上記ラベルが特定の順序で並んでいるときに、距離センサの死角によって生じる凹状領域と、その凹状領域以外の領域との境界の位置のずれを補正することを特徴としている。

　以上のように、本発明の周囲環境認識装置は、死角がある場合でも段差を確実かつ正確に検出することで、周囲環境の認識精度を高めることができる。

　また、本発明の自律移動システムでは、段差を確実に検出することで段差への転落を防止することができる。

　また、本発明の周囲環境認識方法は、死角がある場合でも段差を確実かつ正確に検出することで、周囲環境の認識精度を高めることができる。

本発明における周囲環境認識装置を用いた自律移動システムの１実施形態である清掃ロボットを示し、（ａ）は外観図、（ｂ）は断面図である。 上記清掃ロボットの内部構造を示すブロック図である。 上記清掃ロボットの、距離画像センサおよびレーザレンジファインダの取り付け位置および座標系を示す図であり、（ａ）は斜視図、（ｂ）は断面図である。 上記清掃ロボットにおける演算処理のフローチャートである。 上記清掃ロボットの距離画像および俯瞰図の生成を示す図であり、（ａ）は模式断面図、（ｂ）および（ｃ）は距離画像を示す図、（ｄ）は俯瞰図である。 上記清掃ロボットにおける段差までの距離による見え方の違いと計測誤差の発生を示す図であり、（ａ１）、（ａ２）、（ａ３）は模式断面図、（ｂ１）、（ｂ２）、（ｂ３）は距離画像を示す図、（ｃ１）、（ｃ２）、（ｃ３）は俯瞰図である。 上記清掃ロボットにおける段差エッジの補正方法を示す図であり、（ａ）、（ｂ）、（ｃ）、（ｄ）は俯瞰図である。 上記清掃ロボットにおけるマップ情報を示す図であり、（ａ）はマップ情報メモリに記憶されているマップ情報を示す図、（ｂ）は（ａ）にエッジが上書きされたマップ情報を示す図である。 本発明における周囲環境認識装置を用いた自律移動システムの１実施形態である監視ロボットの外観図である。 本発明における周囲環境認識装置を用いた自律移動システムの１実施形態である自動搬送ロボットの外観図である。 本発明における周囲環境認識装置を用いた自律移動システムの１実施形態である清掃ロボットを示し、（ａ）は外観図、（ｂ）はレーザレンジファインダとその座標系を示す図である。 上記清掃ロボットに搭載されたレーザレンジファインダの計測対象および計測データを示す図であり、（ａ）レーザレンジファインダ１０１の計測面を断面とした状態の計測対象を示す図、（ｂ）レーザレンジファインダ１０１の計測データを示す図、（ｃ）レーザレンジファインダ１０２の計測データを示す図である。 上記清掃ロボットの内部構造を示すブロック図である。 上記清掃ロボットの俯瞰図の生成および補正を示す図であり、（ａ）補正前の俯瞰図、（ｂ）補正後の俯瞰図である。 上記清掃ロボットの俯瞰図における補正量の計算を説明する図である。 上記清掃ロボットの段差領域の抽出を示す図であり、（ａ）,(ｂ)は補正なしの場合の図であり、（ａ）は俯瞰図データの上書き更新による統合を説明する図、（ｂ）は上書き更新によって得られる段差領域を示す図、（ｃ）,(ｄ)は補正ありの場合の図であり、（ｃ）は俯瞰図データの上書き更新による統合を説明する図、（ｄ）は上書き更新によって得られる段差領域を示す図である。

　以下、本発明を図示の実施形態について詳細に説明する。

　（第１の実施形態）
　本発明の好適な第１の実施形態について、図１から図８に基づいて説明する。まず、本発明の周囲環境認識装置を含む自律移動システムの１実施形態である清掃ロボット１の外観図および断面図を図１（ａ）、（ｂ）に示す。

　図１（ａ）、（ｂ）において、１は清掃ロボット（自律移動システム）であり、２は清掃ロボット１底部の左右に配置された２つの駆動輪であり、３は清掃ロボット１底部に回転自在に取り付けた従輪であり、４は清掃ロボット１に動作電源を供給するバッテリである。また、５は洗浄液を貯留する洗浄液タンク、６は洗浄液タンク５に連結された洗浄液吐出部であり、両者は円筒形のパイプによって接続されて、洗浄液吐出ユニットを構成している。さらに、７は清掃ロボット１内部に吸い込んだ廃液（塵や埃等を含む）を溜める廃液タンク、８は清掃ロボット１底部に設けられた廃液を吸い込む吸引口であり、これらも同様にパイプによって接続されて、廃液回収ユニットを構成している。９は吸引口８の付近に設けられた清掃ブラシであり、ブラシモータ１０によって駆動される。１１はこれらの機構全体を覆う筐体であり、１２は洗浄液の飛散や異物の巻き込みを防止するための保護部材である。その他、各種モードの設定や自動走行／手動走行の切替、走行／停止の切替などを行なうための操作パネル１３、非常時に停止させるための緊急停止スイッチつまり非常停止スイッチ１４、手動走行時の走行方向を決定する走行制御レバー１５、および手動走行時に作業者が清掃ロボット本体を支持するための把手１６等を備える。

　なお、清掃ロボット１の形態は、上記のような洗浄液を使用して洗浄するタイプに限定されるものではなく、ファン、集塵室、吸込口などを備えたいわゆる家庭用掃除機のような態様の清掃ロボットであってもよい。

　ここで、図１（ａ）、（ｂ）に示す清掃ロボット１は、紙面右方向が基本的な進行（走行）方向である。「基本的」というのは、状況またはユーザーの操作（遠隔操作も含む）によって、紙面左方向への走行（後退）、あるいは、紙面手前または奥方向への移動の可能性があるからである。なお、以降では、基本的な進行（走行）方向を単に進行方向と記載する。

　清掃ロボット１には、距離画像センサ２０が配置されている。距離画像センサ２０は、筐体１１に設けられた開口部２１から外部の状態が把握可能な位置に取り付けられている。

　距離画像センサ２０は赤外パターン光投射方式の距離画像センサであり、その内部に赤外光の投射素子を含む投射光学系と、赤外光の撮像素子を含む撮像光学系を有する。所定の規則的もしくは不規則なパターン（濃淡模様）を有する赤外光を外部に投影照射し、外部物体からの反射光を撮像素子で撮影することで、撮像光学系の視野範囲内にある物体までの距離を計測することができる。距離計測結果は、視野範囲に含まれる物体までの距離を画像上の画素のグレースケール値（濃淡）として表現した距離画像（深度画像、デプス画像）として出力される。なお、上記のような赤外パターン光投射方式以外でも、距離画像が出力できるセンサであれば、ＴＯＦ（Time Of Flight）方式やステレオ計測方式など他の方式であっても構わない。

　また、清掃ロボット１にはレーザレンジファインダ２２が搭載されており、筺体１１前部に設けられた透明な窓２１から外部の計測が可能となるよう取り付けられている。

　さらに、清掃ロボット１の内部には、清掃ロボット１全体の動作を制御する演算装置３０が搭載されている。演算装置３０は、上述のブラシモータ１０、スイッチ１４，１５類、距離画像センサ２０などの各部品と電気的に接続されている。

　清掃ロボット１のブロック図を図２に示す。演算装置３０は、距離画像演算ブロック３１、走行制御ブロック３２、清掃制御ブロック３３、マップ情報メモリ３４および自己位置演算ブロック３５からなる。さらに、距離画像演算ブロック３１内部には、３次元座標演算部３６、座標変換部３７、凹部判別部の一例としての障害物・段差判別部３８、俯瞰図作成部３９、補正処理部としてのデータ補正部４０が存在する。

　距離画像演算ブロック３１は、距離画像センサ２０からの距離画像を受信し、座標変換等の処理を行い、障害物・段差情報を抽出して自己位置演算ブロック３５に送信する。

　走行制御ブロック３２は、ジャイロセンサや駆動輪２に取り付けられたロータリーエンコーダ４３の情報に基づき、清掃ロボット１の移動距離および現在の向きを把握する。この移動距離および向きに関する情報（以下では「オドメトリ情報」と呼ぶ）は、自己位置演算ブロック３５に送られる。

　自己位置演算ブロック３５は、距離画像演算ブロック３１から出力された障害物・段差情報とレーザレンジファインダ２２から得られた障害物情報とを統合する。さらに、これらの障害物・段差情報と予めマップ情報メモリ３４に記憶されている周囲環境の形状に関するマップ情報、および走行制御ブロック３２から送信されたオドメトリ情報を照合し、清掃ロボット１自身が現在マップ内のどの位置に存在するかを計算する。

　以上で述べた距離画像センサ２０、距離画像演算ブロック３１、レーザレンジファインダ２２、マップ情報メモリ３４および自己位置演算ブロック３５は、本発明における「周囲環境認識装置」８０としての役割を有している。さらに、距離画像演算ブロック３１内部に存在する障害物・段差判別部３８、俯瞰図作成部３９、データ補正部４０が、本発明における「凹部判別部」、「俯瞰図データ作成部」、「補正処理部」にそれぞれ対応する。なお、距離画像演算ブロック３１および自己位置演算ブロック３５の動作の詳細については後ほど説明する。

　走行制御ブロック３２は、自己位置演算ブロック３５からマップ上の自己位置と周囲の障害物や段差までの距離に関する情報を受け取り、障害物や段差を回避するように走行経路を決定し、実際に駆動輪２の駆動輪モータ４４を制御する。また、操作パネル１３、手動走行時の走行方向を決定する走行制御レバー１５および非常時に停止させるための非常停止スイッチとしての緊急停止スイッチ１４などの制御スイッチからの信号を受信すると、それに応じて非常停止や走行方向の変更など必要な動作を行う。これらの制御に関する情報は操作パネル１３に表示され、リアルタイムに更新される。

　清掃制御ブロック３３は、走行制御ブロック３２からのコマンドを受けて、清掃ブラシ９、廃液回収ユニット７，８および洗浄液吐出ユニット５，６の動作開始／停止切替など清掃に関する部分の制御を行う。

　距離画像センサ２０およびレーザレンジファインダ２２の取付位置の詳細を図３（ａ）に示す。これらの距離画像センサ２０およびレーザレンジファインダ２２は、清掃ロボット１が清掃対象とする床面Ｆ（走行路面）から垂直に所定距離離間した位置に配設されている。具体的には、距離画像センサ２０は、清掃ロボット１の上部における進行方向の前側に、水平よりも下向きに取り付けられている。本第１の実施形態では、距離画像センサ２０は、図３（ｂ）に示すように、床面Ｆからの高さＨ_Ｓ＝９８０［ｍｍ］の位置に、鉛直軸に対する角度θ_Ｓ＝２０［ｄｅｇ］で進行方向前方の斜め下向きに取り付けられている。また、レーザレンジファインダ２２は、床面Ｆからの高さＨ_Ｌ＝３５０［ｍｍ］の位置に、床面Ｆと平行に、つまり、水平になるよう取り付けられている。実際には、取付位置は組立誤差等により多少変動する。なお、距離画像センサ２０やレーザレンジファインダ２２の配置や個数は上記に限定されず、複数個を並べて配置することも可能である。

　レーザレンジファインダ２２のスキャン範囲即ち計測可能範囲は、図３（ａ）、（ｂ）に示すように、床面Ｆから高さＨ_Ｌの半円状の領域である。但し、図３（ａ）では見やすくするため，半円状の領域の半径方向の長さを縮小して表示している。実際には、レーザ投射光が遮られず到達する限りかなりの遠距離（５～１０ｍ）まで計測可能である。しかし、床面Ｆからの高さがＨ_Ｌよりも低い高さの障害物や床面Ｆより低い段差については、レーザ光のスキャン範囲外であるため検出することができない。一方、距離画像センサの計測可能範囲はセンサの画角に依存する。本第１の実施形態に用いている距離画像センサ２０の場合、水平方向の画角は７０ｄｅｇ、垂直方向の画角は５５ｄｅｇ程度である。床面Ｆ上に投影した視野範囲は図３（ａ）の台形Ａ_ＳＢ_ＳＣ_ＳＤ_Ｓの範囲であり、検出可能な範囲自体はレーザレンジファインダ２２よりも狭いが、２次元的に高さ情報を取得するため、範囲内にある障害物や段差を漏れなく検出することができる。従って、この２者の併用により、近傍から遠方までの広い範囲の障害物および段差をバランス良く検出することができる。

　距離画像センサ２０は、計測結果である距離画像を、距離画像センサ基準の座標系で出力する。座標系の定義を図３（ａ）に示す。距離画像センサ２０の光学中心を原点Ｏ_Ｓとし、進行方向を向いたときに左右方向をＸ_Ｓ軸（左向きを正）、上下方向をＹ_Ｓ軸（上向きを正）、前後方向、即ちセンサの光軸方向をＺ_Ｓ軸（奥行き方向を正）にとる。これに対し、レーザレンジファインダ２２は取付位置および角度が異なるため、センサ基準の座標系も互いに異なっている。これらの座標系で表した距離と、清掃ロボット１本体から床面Ｆに沿って計測した距離との間にはズレが存在するため、対象物までの正確な距離を求めるためには、床面基準の座標系に座標変換を行って、距離画像センサ２０とレーザレンジファインダ２２との２つのデータを統合する必要がある。

　そのため、距離画像センサ２０基準のＸ_ＳＹ_ＳＺ_Ｓ座標系とは別に、清掃ロボット１本体の座標系であるＸ_ＲＹ_ＲＺ_Ｒ座標系を定義する。清掃ロボット１本体先端から床面Ｆに下ろした垂線の足を原点Ｏ_Ｒとし、清掃ロボット１の進行方向をＺ_Ｒ軸、床面Ｆの法線方向をＹ_Ｒ軸、Ｚ_Ｒ軸およびＹ_Ｒ軸に垂直な方向をＸ_Ｒ軸（進行方向に向かって左向きを正）とする。

　なお、本第１の実施形態では、進行方向即ちＺ_Ｒ軸と、距離画像センサ２０の光軸方向であるＺ_Ｓ軸とは、進行方向にむかって左右方向に関して、ほぼ一致している。これは即ち距離画像センサ２０が床面Ｆに対して左右方向に傾いて取り付けられてはおらず、床面Ｆと距離画像センサ２０との傾きは奥行き方向の傾きθ_Ｓだけであるということを意味する。厳密には取り付け誤差による角度ずれが発生するが、それでも左右方向の傾き角は奥行き方向の傾き角θ_Ｓに比べて十分小さいと考えられる。

　本第１の実施形態における清掃ロボット１は、演算装置３０内の距離画像演算ブロック３１において、距離画像に床面Ｆ基準の座標変換を施し、その情報から障害物や段差を判別する処理を行うが、その際に死角によって生じる段差の計測位置の誤差を補正することを特徴としている。これらの演算の詳細について以下で説明する。図４に、距離画像演算ブロック３１および自己位置演算ブロック３５での処理のフローを示す。

　距離画像演算ブロック３１内の３次元座標演算部３６は、まず、距離画像センサ２０から出力される距離画像を取得する（図４のステップＳ１０１、以下同じ）。図５（ａ）に示すように、床面Ｆの一部に凹状領域つまり段差Ｃが存在する場合、得られる距離画像は図５（ｂ）のようになる。この距離画像は、距離画像センサ２０の光学中心Ｏ_Ｓから計測した距離Ｄを画素の濃淡で示しており、距離が小さい（近い）程白く、大きい（遠い）ほど黒く表示されている。

　３次元座標演算部３６は、この距離画像データから距離画像センサ基準（Ｘ_ＳＹ_ＳＺ_Ｓ座標系）の３次元座標データ（Ｘ_Ｓ，Ｙ_Ｓ，Ｚ_Ｓ）を算出する（Ｓ１０２）。座標データのうち、Ｚ_Ｓは距離画像に含まれる距離Ｄそのものであり、Ｘ_ＳおよびＹ_Ｓは、距離画像センサ２０の光学系の焦点距離ｆ、画素ピッチｐ、光軸と撮像素子中心との画素ズレ量ｃなどが分かれば、三角測量の原理によりＺ_Ｓから計算することができる。本第１の実施形態では、事前に距離画像センサ２０に対しキャリブレーションを行い、これらのパラメータを求めておく。これにより、距離画像が得られれば、その画像に含まれる全画素について距離画像センサ基準の座標データ（Ｘ_Ｓ，Ｙ_Ｓ，Ｚ_Ｓ）、即ち３次元点群（Point Cloud）データを得ることができる。

　座標変換部３７では、距離画像センサ２０基準の３次元点群データに対して、床面情報を用いて座標変換を行い、清掃ロボット本体基準のＸ_ＲＹ_ＲＺ_Ｒ座標系で表した３次元点群データに変換する（Ｓ１１１）。清掃ロボット本体基準の座標系に変換するのは、床面Ｆからの高さを判別しやすくするためであり、また後でレーザレンジファインダ２２から得られた障害物データを統合するためでもある。

　床面情報は、距離画像センサ２０の取付位置に基づいて距離画像演算ブロック３１内部に予め設定されている。例えば、図３（ｂ）に示すように距離画像センサ２０が床面Ｆからの高さＨ_Ｓに取付角度θ_Ｓで取付けられている場合、座標変換は、Ｘ_Ｒ軸周りの角度－θ_Ｓの回転とＹ_Ｒ軸周りの－Ｈ_Ｓの平行移動で実現される。

　但し、床平面の傾きやうねり、清掃ロボット１自体の振動、距離画像センサ２０の計測誤差や経時変化などの原因により、床面Ｆと距離画像センサ２０との位置関係が時間的・空間的に変動することがある。その場合は、上記のような固定的な座標変換では誤差が生じるため、距離画像センサ２０基準の３次元点群データから床面Ｆを構成する点を抽出し、そこから床面Ｆの高さや角度を都度求める処理、即ち床面Ｆの検出処理が必要となる。このような処理を、距離画像を取得するフレームごと、もしくは一定フレーム間隔または一定時間間隔ごとに行い、その時点での最適な床面Ｆのパラメータを求め、これを上記の回転角度および並進移動量に換算する。このような床面Ｆの検出処理を行って、最適な回転角度および並進移動量を求めてから座標変換を行うことで、清掃ロボット本体基準の３次元点群データに変換することができる。

　このようにして得られた清掃ロボット本体基準の３次元点群データ（Ｘ_Ｒ，Ｙ_Ｒ，Ｚ_Ｒ）は、Ｙ_Ｒがそのまま床面Ｆからの高さを表しているので、Ｙ_Ｒの値の大小をグレースケール階調で表すと図５（ｃ）のような距離画像が得られる。この距離画像では、床面Ｆが一定の高さであるためほぼ一様なグレースケール階調となっており、床面Ｆより低い段差の部分はそれよりも暗い階調で表されていることが分かる。

　座標変換部３７で行われた上記処理の後、凹部判別部の一例としての障害物・段差判別部３８は、３次元点群データを構成する各点（Ｘ_Ｒ，Ｙ_Ｒ，Ｚ_Ｒ）について、床平面より高いか低いかによって障害物および段差を判別する（Ｓ１２１）。具体的には、Ｙ_Ｒがそのまま床面Ｆからの高さを表していることから、図３（ａ），（ｂ）に示すように、床面Ｆよりも高い第１基準面を表すしきい値ｔを設けて、Ｙ_Ｒがｔよりも大きければ床よりも高い凸状領域Ｋつまり「障害物」、床面Ｆよりも低い第２基準面を表すしきい値－ｔよりも小さければ床面より低い凹状領域Ｃつまり「段差」、ｔと－ｔの間にあれば床面領域つまり「床面」と判別する。しきい値ｔは、床平面の凹凸の大きさや、距離画像センサ２０の計測誤差などを考慮して予め決定しておく。本第１の実施形態では、ｔ＝１０ｍｍとしている。なお、第１基準面および第２基準面を表すしきい値の絶対値は、異なっていてもよい。

　なお、「段差」、「障害物」および「床面」を判別する手法としては、上記のような床面Ｆからの高さＹ_Ｒに対するしきい値を用いる方法以外に、下記のような勾配を用いる方法も考えられる。

　３次元点群データ（Ｘ_Ｒ，Ｙ_Ｒ，Ｚ_Ｒ）に対し、まずバーストノイズ除去のための平滑化フィルタを適用した後、Ｘ_Ｒ軸方向およびＺ_Ｒ軸方向に隣接した２点間の勾配を計算する。

　勾配の絶対値　　
　　（（ΔＹ_Ｒ／ΔＸ_Ｒ）^２＋（ΔＹ_Ｒ／ΔＺ_Ｒ）^２）^１／２
が所定の勾配限界値以上で、かつ奥行き方向の勾配
　　ΔＹ_Ｒ／ΔＺ_Ｒ
が正である場合、清掃ロボット１が乗り越えられない上り勾配であると見なし、その先、即ち清掃ロボット１から遠い側の点を「障害物」であると判別する。また、勾配の絶対値が所定の勾配限界値以上で、かつ奥行き方向の勾配が負であれば、乗り越えられない下り勾配であると見なし、その先、即ち清掃ロボット１から遠い側の点を「段差」であると判別する。上記勾配限界値は、清掃ロボット１の駆動輪モータ４４の駆動トルク、駆動輪２および床面Ｆの材質などから、清掃ロボット本体の登坂能力を算出して、それに基づいて決定することができる。

　また、上記高さに関するしきい値と勾配限界値の両方を用いて判別する方法なども考えられる。

　上記の判別結果は、３次元点群データの各々にラベル情報として付加される。座標値が異常値である場合などで「段差」、「障害物」、「床面」いずれでもないと判別された領域は「未確定」のラベル情報が付加される。なお、ラベルは上記４種類に限るものではなく、床面Ｆからの高さによってさらに細分化して分類したり、清掃ロボット本体が通行できる大きさかどうかによって「進入不可」などの新たなラベルを付加したりしても良い。この処理により、距離画像センサ２０の視野範囲内の各画素について、その３次元座標に加えて「段差」、「障害物」、「床面」、「未確定」その他のラベルが付加された３次元点群データが得られる。

　俯瞰図作成部３９は、上記の処理によって得られたラベルが付加された３次元点群データを、「段差」、「障害物」、「床面」などのラベル区分ごとに色分けしてＸ_Ｒ－Ｚ_Ｒ平面にプロットした画像データを作成する（図４のフローＳ１２２）。この画像を図５（ｄ）に示す。これは丁度清掃ロボット１の真上から床面Ｆ方向を見下ろした状態に変換した図に相当するため、以下では「俯瞰図」と呼ぶ。図５（ａ）で清掃ロボット１本体の前方にある段差つまり凹状領域Ｃが距離画像センサ２０によって計測され、図５（ｄ）で表示されていることが見て取れる。しかし、図５（ａ）で段差の底面に存在するＰ・Ｑ・Ｒ点のうち、清掃ロボット１の距離画像センサ２０から見てＰ－Ｑ間は見えるものの、Ｑ－Ｒ間は死角になっているため距離が計測できていない。そのため、図５（ｄ）ではＰ－Ｑ間に相当する部分は正しく「段差」ラベル色で表示されているが、Ｑ－Ｒ間に相当する部分は計測データが存在しないため「未確定」ラベル色として表示されている。

　なお、「未確定」ラベルの領域には、計測データが元々存在しない領域、即ち「計測抜け」と、距離画像取得時のノイズ等に起因して計測不能もしくは計測異常値となった領域、即ち「計測異常」との２種類が存在する。しかし、例えばある点が計測異常によってその点の真の座標値から大きく外れた点として計測された場合、真の座標値に相当する点は計測抜けとなる。そのため、ある「未確定」ラベルの領域が「計測抜け」と「計測異常」のいずれの原因で生じたものであるかは、俯瞰図からは判別できない。

　本第１の実施形態では、説明を容易にするため、実際に表示することが可能な画像として俯瞰図を作成しているが、必ずしもこのような構成とする必要はない。画面に表示して確認する必要がなければ、俯瞰図画像ではなくそれに等価な数値データ、即ち「俯瞰図データ」を演算装置内部で生成することでこれに代えることができる。そのような場合でも、該「俯瞰図データ」の各要素にラベルの付加を行い、さらに以下で説明するのと同様の処理を行えば、本第１の実施形態と同等の効果を得ることができる。

　ここで、図５（ａ）に示す段差Ｃに対して清掃ロボットが徐々に近づいていったときの様子を図６（ａ１）、（ａ２）、（ａ３）に示す。まず、図６（ａ１）は清掃ロボットが段差Ｃから比較的離れている状態の位置関係を示す図であり、図６（ｂ１）はその時距離画像カメラ２０を視点とするとどのように見えるかを示す画像、図６（ｃ１）は図５（ｄ）と同様に段差・障害物情報が付加された３次元点群データをＸ_Ｒ－Ｚ_Ｒ平面に色分けしてプロットして得た俯瞰図である。次に、図６（ａ２）は、清掃ロボット１が段差Ｃに少し近づいた状態の位置関係を示す図であり、図６（ｂ２）、（ｃ２）はその状態での図６（ｂ１）、（ｃ１）と同様の図である。そして、図６（ａ３）は、清掃ロボット１が段差Ｃにさらに近づいた状態の位置関係を示す図であり、図６（ｂ３）、（ｃ３）はその状態での図６（ｂ１）、（ｃ１）と同様の図である。

　これらの図６（ａ１）、（ａ２）、（ａ３）、（ｃ１）、（ｃ２）、（ｃ３）には、分かりやすいように、清掃ロボット本体基準の座標系Ｘ_ＲＹ_ＲＺ_Ｒ（清掃ロボット本体とともに移動する）とは別に、床面Ｆのある位置Ｏ_Ｍを原点として固定した座標系Ｘ_ＭＹ_ＭＺ_Ｍを示している。この固定座標系で、原点Ｏ_Ｍから段差Ｃの清掃ロボット１に近い側のエッジまでの距離はＬである。

　清掃ロボット１本体が図６（ａ１）から（ａ２）、さらに（ａ３）と段差Ｃに近づくにつれて、距離画像センサ２０と段差Ｃの位置関係が変化するため、距離画像センサ２０から見た段差Ｃの死角も変化する。これは図６（ｂ１）、（ｂ２）、（ｂ３）の変化の様子を示す画像からも明らかである。その結果、俯瞰図は、図６（ｃ１）、（ｃ２）、（ｃ３）のように変化する。この俯瞰図上で、床面固定座標系Ｘ_ＭＹ_ＭＺ_Ｍの原点Ｏ_Ｍから段差領域Ｃの前端エッジまでの距離は、図６（ｃ１）ではＬ_１、図６（ｃ２）ではＬ_２、図６（ｃ３）ではＬ_３となり、清掃ロボット１が段差Ｃに近づくにつれて変化することが分かる。これは、距離画像センサ２０が認識する段差Ｃのエッジ位置が、清掃ロボット１の移動につれて変化することを意味している。

　以上の考察から、真の段差Ｃのエッジ位置までの距離が（原点Ｏ_Ｍから測って）Ｌであるにもかかわらず、死角の影響によって計測したエッジ位置はＬよりも大きな（遠い）値となり、段差Ｃに近づくにつれその値がＬに漸近することが分かる。つまり、清掃ロボット１が段差Ｃに近づくにつれて、最初に計測した時よりもエッジ位置が徐々に近づいてくることになる。

　自律移動システムの例としての自律移動ロボット（例えば、清掃ロボット等）では、無人の状態で安全に走行するために、周囲の段差の位置を正確に把握する必要がある。通常は、検出した段差のエッジの位置が移動中に変動したとしても、走行制御ブロックが移動速度および移動方向を都度修正することで転落を回避することが可能である。しかし、急旋回や急発進を行う場合などで、それまで距離画像センサの視野範囲外であった領域から視野範囲の中に段差が突然現れるようなことが考えられ、そのような場合に回避動作が間に合わなくなる恐れがある。自律移動ロボットには、距離画像センサのような周囲環境検出装置以外に、筐体の下部に個別に床面検出センサ等を設けるなどして２重３重の転落防止策を講じているが、それでも上記のような死角による位置計測誤差が頻繁に発生すると、床面検出センサが過剰に反応するなどして挙動が不安定になる恐れを排除できない。

　特に、本第１の実施形態のような清掃ロボット１では、段差Ｃのエッジに近いぎりぎりの位置まで寄って清掃を行う場合があるため、段差Ｃの位置の検出はとりわけ精度良く行うことが求められる。従って、段差Ｃのエッジの位置計測誤差が少しでも生じると、清掃ロボット１本体が段差Ｃに転落する危険が発生する。

　本第１の実施形態の清掃ロボット１では、上記のような不具合を防止するために、俯瞰図作成部３９の後段に配置された補正処理部としてのデータ補正部４０によって段差Ｃの位置の補正を行うことを特徴とする（図４のフローＳ１３１）。データ補正部４０による補正の手順を図７（ａ）、（ｂ）、（ｃ）、（ｄ）に示す。

　図５（ｄ）と同様に段差・障害物情報が付加された３次元点群データをＸ_Ｒ－Ｚ_Ｒ平面に色分けしてプロットして得た「俯瞰図」が図７（ａ）のようになっており、死角による「未確定」ラベルが付与された領域Ｕが存在するとする。このとき、データ補正部４０は距離データをＺ_Ｒの正の方向（清掃ロボット１に近い側から遠い側、点線矢印の方向）にスキャンし、「床面（または障害物）」－「未確定」－「段差」の順にラベルが並んでいる部分を探索する。そのような部分が見つかったら、「未確定」のラベルが付加された点を「段差」のラベルに置き換える。これにより図７（ｂ）のような俯瞰図が得られる。死角による影響が排除され、床面Ｆと段差Ｃとの境界、即ち段差Ｃのエッジが正しい位置に補正されていることが分かる。

　なお、段差Ｃが清掃ロボット１本体に対して傾いた配置で存在する図７（ｃ）のような場合にも、同様の処理を行うことで図７（ｄ）のような補正済みの俯瞰図が得られる。この場合でも、段差Ｃのエッジはほぼ正しい位置に補正されている。

　なお、先に述べたように、「未確定」ラベル領域には、死角が原因となって発生するもの以外に計測ノイズなどが原因となって発生するものが存在する。そのため、例えば俯瞰図内の「未確定」ラベル領域を一律に「段差」ラベル領域に置き換えただけでは、段差でない領域を段差と誤判別する事象が発生すると考えられる。これに対し、本第１の実施形態の清掃ロボット１では、ラベルが上記所定の順序で並んでいる場合に限り補正を行うので、ノイズ等で計測不能になることによる未確定領域が存在する場合であっても、それらと死角によって生じる未確定領域とを明確に区別して、死角部分の補正を確実に行うことができる。

　この死角部に対する補正量は、補正処理部としてのデータ補正部４０によって、次のようにして行われる。図６（ａ２）を参照して、具体的に説明する。図６（ａ２）に示すように、距離センサとしての画像距離センサ２０の走査時の振れ角も含む取付角度（鉛直面に対する傾斜角）θ_Ｓ、凹状領域としての段差Ｃの深さ情報ｈ、原点Ｏ_Ｍから段差Ｃ迄の見かけの距離データＬ_２、原点Ｏ_Ｍから段差Ｃのエッジ迄の真の距離Ｌとすると、
　　Ｌ_２－Ｌ＝ｈ・tanθ_Ｓ
となるから、補正量はｈ・tanθ_Ｓとなって、段差Ｃ迄の見かけの距離データＬ_２から補正量ｈ・tanθ_Ｓを減算して、原点Ｏ_Ｍから段差Ｃのエッジ迄の真の距離Ｌは、
　　Ｌ＝Ｌ_２－ｈ・tanθ_Ｓ
として算出される。

　ここで、ｈおよびtanθ_Ｓは、以下のようにして計算することができる。
図６（ａ２）において、段差の手前側エッジの床面側端点をＥ、直線Ｏ_ＳＥと床面との交点をＱとする。ＥおよびＱは距離画像センサから見えている（死角にはない）点であるので、その距離画像センサ基準（Ｘ_ＳＹ_ＳＺ_Ｓ座標系）の３次元座標を取得することができる。このＥ、Ｑ、および距離画像センサの原点Ｏ_Ｓの３次元座標をロボット本体基準（Ｘ_ＲＹ_ＲＺ_Ｒ座標系）に変換して得た３次元座標値を、それぞれ（Ｘ_Ｅ，Ｙ_Ｅ，Ｚ_Ｅ）、（Ｘ_Ｑ，Ｙ_Ｑ，Ｚ_Ｑ）、（Ｘ_ＯＳ，Ｙ_ＯＳ，Ｚ_ＯＳ）とする。このとき、ｈおよびtanθ_Ｓは
　　ｈ＝Ｙ_Ｅ－Ｙ_Ｑ
　　tanθ_Ｓ＝（Ｚ_Ｅ－Ｚ_ＯＳ）／（Ｙ_Ｅ－Ｙ_ＯＳ）
として求められる。これにより、補正量ｈ・tanθ_Ｓが計算できる。

　ある特定の段差Ｃに対して、ｈ即ち段差の深さは不変であるが、tanθ_Ｓは清掃ロボットが移動するにつれて変化する。そのため、補正量ｈ・tanθ_Ｓはその都度計算しなおす必要がある。

　さらに、データ補正部４０は、上述の補正量ｈ・tanθ_Ｓを参照して、上記「未確定」ラベル領域の長さが妥当な長さよりも長いもしくは短い場合は、死角によって発生する「未確定」ラベル領域ではないと判断して補正を行わないことができる。これにより、ノイズ等で計測不能になることによる「未確定」ラベル領域が存在する場合であっても、死角の大きさを正確に検出し、補正を精度良く行うことができる。

　なお、移動体において３次元情報から俯瞰図を生成することで死角によって生じる段差位置のずれの補正を行う手法としては、特許文献２（特開２０１０－２８７０２９号公報）が知られている。

　特許文献２では、移動体に取り付けたステレオカメラを用いて取得した３次元情報に基づき、移動体の上方から見た俯瞰図を作成する。ステレオカメラから見て、前方の窪み（段差）の一部に死角が存在する場合、俯瞰図上では死角によって生じる計測点が存在しない領域が発生するため、この計測点が存在しない領域を危険領域と判定している（同文献の図１４および図１５参照）。

　しかし、特許文献２では、本第１の実施形態での未確定領域に相当する計測点が存在しない領域を一律に危険領域と判定するため、例えば床面の一部がノイズ等によって一時的に未確定領域となっている場合にも、その領域を危険領域として誤判定して、その領域への移動ができなくなってしまう恐れがある。

　これに対し、本第１の実施形態では、先に述べた手順により、３次元点群データに付与したラベルが特定の順序で並んでいる場合にのみ補正を行うため、ノイズ等による未確定領域と死角によって生じる未確定領域とを明確に区別し、段差のエッジ位置の補正を確実に行うことができる。また、距離データに含まれる段差の深さおよび距離センサの取付角度の情報に基づき、段差の死角部分の補正量を計算してその分だけ補正を行うため、段差位置の補正を特許文献２の手法よりも精度よく行うことができる。

　また、特許文献２では、計測点が存在しない領域を危険領域と判定するだけで、段差のエッジ位置についての情報は補正されていないが、本第１の実施形態では、段差のエッジ位置についても補正を行うことで、正しい段差のエッジ位置を得ることができる。これにより、補正後のエッジ情報を自己位置認識の手がかりとして用いることができるので、マップ上での自己位置認識の精度が高まり、自律移動システムのマップ情報に基づく走行の信頼性を高めることができる。

　データ補正部４０は、この補正された俯瞰図から、清掃ロボット１本体に近い段差および障害物の情報を抽出して、これを段差・障害物情報として自己位置演算ブロック３５に送信する（図４のフローＳ１３２）。

　段差・障害物データの形式は、後で走行制御ブロック３２が処理しやすいように任意の形式に変換することができる。データの座標系は、清掃ロボット基準のＸ_ＲＹ_ＲＺ_Ｒ直交座標系のまま送ることもできるし、極座標（Ｒ－θ座標系）に変換することもできる。検出した全ての障害物・段差をデータ化する手法以外に、データの間引き・補間、ノイズ除去処理を行ったり、清掃ロボット１本体に最も近い障害物・段差データのみを抽出したりする手法も考えられる。

　先に述べたように、自己位置演算ブロック３５は、レーザレンジファインダ２２から障害物情報を取得する（Ｓ１４１）。その後、距離画像演算ブロック３１から出力された障害物・段差情報とレーザレンジファインダ２２から得られた障害物情報とを統合する（Ｓ１４２）。例えば、レーザレンジファインダ２２で計測された障害物Ａの前に、距離画像センサ２０で計測された別の障害物Ｂがある場合、距離の近い障害物Ｂのデータが優先するようにしてデータを統合することができる。

　その後、自己位置演算ブロック３５は、走行制御ブロック３２からオドメトリ情報を取得する（Ｓ１４３）。

　さらに、自己位置演算ブロック３５は、マップ情報メモリ３４に記憶されている周囲環境の形状に関するマップ情報を取り出す（Ｓ１４４）。マップ情報メモリ３４に記憶されているマップ情報の一例を図８（ａ）に示す。図８（ａ）に示すように、清掃ロボット１が清掃を行うエリア全体について、床面Ｆ、障害物、段差および進入禁止領域が区別されて登録されている。清掃ロボット１は、このマップ情報に設定されている床面Ｆの部分のみを清掃するように、走行制御ブロック３２によって制御される。

　自己位置演算ブロック３５は、上記の処理で得た障害物・段差情報、マップ情報、およびオドメトリ情報を照合し、清掃ロボット１自身が現在マップ内のどの位置に存在するかを計算する（Ｓ１４５）。自己位置演算ブロック３５が自己位置の演算を行う際には、図８（ｂ）に示すように、レーザレンジファインダ２２が検出した障害物情報に基づくエッジ（太実線）および距離画像センサ２０が検出した障害物・段差情報に基づくエッジ（太点線）がマップ上に上書き表示される。マップ上に予め登録された障害物や段差のエッジと実際に検出したエッジとの齟齬をなるべく小さくし、かつオドメトリ情報との差異がなるべく小さくなるように、所定のアルゴリズムで自己位置の推定が行われる。このような自己位置推定のアルゴリズムとしては、パーティクルフィルタ、拡張カルマンフィルタなどの手法が知られている。

　この自己位置推定処理の際に、距離画像センサ２０の死角による段差エッジ計測誤差が存在すると、自己位置推定値に誤差が生じ、マップ情報に沿って精度良く走行することができなくなってしまう。これに対し、本第１の実施形態の清掃ロボット１は、上述の段差エッジの補正を行うことで、正しい段差位置を得ることができるため、自己位置推定を正確に行い、マップ情報に基づく効率よい走行制御を行うことが可能になる。

　自己位置演算ブロック３５は、計算結果として得られる現在マップ内の自己位置情報を走行制御ブロック３２に送信する（Ｓ１４６）。走行制御ブロック３２には、予め定められた幾つかの走行パターンが登録されており、そのうちの一つが選択されている。走行パターンには、例えば「壁に沿ってエリア内を１周するまで走行する」、「壁に囲まれた内側の領域を塗りつぶすように走行する」、「所定の距離もしくは時間だけランダムに向きを変えながら走行する」などが存在する。走行制御ブロック３２は、自己位置情報と設定された走行パターンとを照合して、移動すべき方向および移動速度を決定し、清掃ロボットの走行制御を行う。

　以上で述べたように、本第１の実施形態の清掃ロボット１は、死角がある場合でも段差Ｃを確実かつ正確に検出することで、周囲環境の認識精度を高め、段差Ｃへの転落を防止することができる。

　また、距離画像計測時にノイズ等で計測不能になることによって発生する未確定領域が存在し、死角によって発生する未確定領域と混在する場合であっても、死角の大きさを正確に検出し、補正することができる。さらに、段差位置を目印とした走行制御や地図上の自己位置認識を行うことで、自律移動しながら清掃作業を行う際の作業効率を向上させることができる。

　（第２の実施形態）
　次に、本発明の周囲環境認識装置を自律移動システムの一例としての監視用ロボットに適用した第２の実施形態について、図９を用いて説明する。第１の実施形態と同様の部分については同じ記号を付し、説明は省略する。

　自律移動ロボットである監視ロボット１０１は、第１の実施形態と同様、赤外パターン光照射方式の距離画像センサ（図示しないが第１の実施形態の距離画像センサ２０と全く同じ構成、機能を有する。）を用いた周囲環境認識装置（図示しないが第１の実施形態の周囲環境認識装置８０と全く同じ構成、機能を有する。）を搭載している。清掃ブラシ、洗浄液タンク、廃液タンクなど清掃に関係する機能は省かれており、代わりに状態を周囲に知らせるための表示灯１０２、外部の端末と無線によるデータ通信を行うためのアンテナ１０３、全方位カメラ１０４、照明灯１０５、スピーカ１０６が設けられている。全方位カメラ１０４は、監視ロボットの周囲３６０度の状況を常時録画し、アンテナ１０３を経由して遠隔地に存在する管理用端末（図示せず）に無線で送信する。管理用端末の管理者は、受信した全方位カメラ１０４の画像データを確認し、異常がないかどうかチェックを行う。管理者が不在の場合は、監視ロボット１０１本体内部で全方位カメラ１０４の画像データを解析することにより自動で異常監視を行うモードに設定することも可能となっている。

　監視ロボット１０１は、夜間など人が不在となる時間帯に、オフィスビル内の予め設定された監視エリアを常時移動しながら監視を行う。その際、予め監視ロボット１０１本体に記憶されているマップ情報を参照しながら監視エリア内の通路を移動する。第１の実施形態と同様に、距離画像センサで計測した情報に基づいて自己位置認識と段差・障害物の回避を行う。

　何らかの異常が発見された場合には、現場へ急行して照明灯１０５を点灯させて現場の画像を撮影し、管理者に無線で送信する。不審な人間が存在する場合は、スピーカ１０６から警告音を発生させたり、退出を促すメッセージを流したりすることができる。

　以上のように、本第２の実施形態では、監視ロボット１０１をオフィスビル内で運用することで、人手によらず安全に監視を行うことができる。本発明の周囲環境認識装置を用いることで、監視エリア内の通路近辺に段差等が存在する場合であっても、その段差のエッジを死角にかかわらず正しく認識し、転落を防止することができる。また、監視エリア内をマップ情報に基づいて自己位置を認識しながら走行する場合に、自己位置認識の目印として補正後の段差のエッジ情報を使用することで認識精度を高め、監視エリア内での移動の効率を向上させることができる。

　（第３の実施形態）
　続いて、本発明の周囲環境認識装置を工場用の自動搬送ロボットに搭載した第３の実施形態について、図１０を用いて説明する。第１および第２の実施形態と同様の部分については同じ記号を付し、説明は省略する。

　自律移動システムの一例である自動搬送ロボット２０１は、第１および第２の実施形態と同様、赤外パターン光照射方式の距離画像センサを用いた周囲環境認識装置（第１および第２の実施形態の周囲環境認識装置と全く同じ構成、機能を有する。）を搭載している。清掃ブラシ、洗浄液タンク、廃液タンクなど清掃に関係する機能は省かれており、代わりに荷物を搭載ながら移動するための荷物積載部２０２を有する。荷物積載部２０２の底面にはベルトコンベヤ２０３が取り付けられており、自動で荷物の積み込みおよび積み下ろしが可能な構造となっている。また、第２の実施形態と同様、状態を周囲に知らせるための表示灯１０２および外部の端末と無線によるデータ通信を行うためのアンテナ１０３が設けられている。

　自動搬送ロボット２０１は、工場内に設けられた集荷ターミナルに常時待機しており、荷物が到着すると底面のベルトコンベヤ２０３を用いて積載部２０２に格納する。あわせて集荷ターミナルの端末から無線で荷物の内容および配送先についての情報が自動搬送ロボット２０１本体に送信される。

　全ての荷物の積み込みが完了した後、自動搬送ロボット２０１は移動を開始し、予めロボット本体に記憶されているマップ情報を参照しながら工場内の通路を移動する。第１の実施形態と同様に、距離画像センサで計測した情報に基づいて自己位置認識と段差・障害物の回避を行う。配送目的地である配荷ポイントに到着すると、配荷ポイントの端末に無線で荷物の内容および発送元についての情報を送信する。その後、底面のベルトコンベヤ２３を用いて荷物の積み下ろしを行う。

　積み下ろしが完了すると、次の荷物の配送目的地への移動を開始する。このようにして全ての荷物の目的地への積み下ろしが完了すると、マップ情報を参照しながら元の集荷ターミナルに戻る。

　このような自動搬送ロボット２０１を工場内で複数台運用することで、大量の荷物を人手によらず安全に工場内で搬送することができる。本発明の周囲環境認識装置を用いることで、工場内の通路近辺に段差等が存在する場合であっても、その段差のエッジを死角にかかわらず正しく認識し、転落を防止することができる。また、工場内をマップ情報に基づいて自己位置を認識しながら走行する場合に、自己位置認識の目印として補正後の段差のエッジ情報を使用することで認識精度を高め、工場内での移動の効率を向上させることができる。

　なお、上記の第１～第３の実施形態では、周囲環境認識装置に用いる距離センサとして赤外パターン光投射方式の距離画像センサ２０を用いていたが、ステレオ方式やＴＯＦ方式など、他方式の距離画像センサを用いることも可能である。ステレオ方式の距離画像センサの場合、ステレオ配置された左右カメラから得られる左右画像に対し、対応点探索などの手法によって視差を計算する。視差の値から三角測量の原理によって対象物までの距離を求めることができる。

　（第４の実施形態）
　続いて、赤外パターン光照射方式距離画像センサの代わりにレーザレンジファインダ（ＬＲＦ）を距離センサとして使用した第４の実施形態について、図１１から図１６を用いて説明する。第１の実施形態と同様の部分については同じ記号を付し、説明は省略する。

　本第４の実施形態における自律移動システムである清掃ロボット３００の外観を図１１（ａ）に示す。本清掃ロボット３００は、第１の実施形態における距離画像センサ２０の代わりに、２台の距離センサとしてのレーザレンジファインダ（ＬＲＦ）３０１および３０２を搭載している。水平方向に取付けられたＬＲＦ、即ち「水平ＬＲＦ」２２と区別するために、以下ではこれらを「段差用ＬＲＦ」と呼ぶ。水平ＬＲＦと段差用ＬＲＦは同じ機種であっても良いし、異なる機種であっても良い。

　上記段差用ＬＲＦ３０１および３０２は、左右方向（清掃ロボット基準座標系におけるＸ_Ｒ軸方向）に互いに数十ｍｍから１００ｍｍ程度の距離を隔てて、床面（ロボット基準のＸ_ＲＹ_ＲＺ_Ｒ座標系においてＸ_ＲＺ_Ｒ平面）に対して斜め下向きに取付けられており、計測用の赤外レーザ光が走査されることによって形成される面、即ち計測面が、取付位置から数十ｃｍ～数ｍの距離において床面と交差するようになっている。水平ＬＲＦ２２の計測面は床面と平行であるため、床面より低い段差や床面付近の障害物は計測できなかったが、段差用ＬＲＦは上記のように斜め下向きに取り付けられているため、床面より低い段差や床面付近の障害物を検出することが可能になっている。

　上記段差用ＬＲＦ３０１および３０２は、それぞれ計測面内において－９０ｄｅｇから＋９０ｄｅｇの範囲の半円状のエリアに赤外レーザ光を投射し、物体の計測を行うことができる。ここで、計測範囲の中央即ち０ｄｅｇ方向をＬＲＦの前方と定義する。また、図１１（ｂ）に示すように、ＬＲＦ３０１基準の座標系として、赤外レーザ光の出射位置即ち計測の原点をＯ_Ｓ１、前方にＺ_Ｓ１軸、計測面に垂直な方向にＹ_Ｓ１軸、Ｚ_Ｓ１軸およびＹ_Ｓ１軸に垂直な方向にＸ_Ｓ１軸を取ったＸ_Ｓ１Ｙ_Ｓ１Ｚ_Ｓ１座標系を定義する。同様に、ＬＲＦ３０２基準の座標系としてＸ_Ｓ２Ｙ_Ｓ２Ｚ_Ｓ２座標系を定義する。

　上記段差用ＬＲＦ３０１のＺ_Ｓ１軸および３０２のＺ_Ｓ２軸は、ロボットの進行方向即ちＺ_Ｒ方向に対し、Ｙ_Ｒ軸中心に互いに反対方向にθ_Ｙ［ｄｅｇ］だけ回転した向きに取付けられている。そのため、段差用ＬＲＦ３０１および３０２の計測面と床面との交線は、Ｚ_Ｒ軸に対しそれぞれθ_Ｙ[ｄｅｇ]、－θ_Ｙ［ｄｅｇ］だけ傾いた直線となる。なお、本第４の実施形態においてはθ_Ｙ＝４５ｄｅｇであるが、これに限るものではない。図１１（ａ）では、これらの直線をそれぞれＡ_１Ｂ_１、Ａ_２Ｂ_２で示している。２つの直線は、ロボット本体の前方約１ｍの距離で、点Ｃ_１２において交わっている。これらの直線Ａ_１Ｂ_１、Ａ_２Ｂ_２は、床面上における段差用ＬＲＦ３０１および３０２の計測可能領域を示すものである。ＬＲＦは投射光の走査方向が１次元であるため距離画像センサのように２次元状のエリアを一度に計測することはできないが、上記のように斜め下向きに配置した２個のＬＲＦを組み合わせることで、清掃ロボット前方の比較的広い範囲を計測範囲としてカバーすることができる。

　上記清掃ロボット３００本体から段差用ＬＲＦ３０１，３０２の計測可能領域Ａ_１Ｂ_１、Ａ_２Ｂ_２までの距離は、段差用ＬＲＦ３０１，３０２の取付位置および角度を調整することによってある程度調整することができる。計測可能領域が清掃ロボット３００本体よりも遠すぎると、それよりも近くに存在する段差や障害物の計測漏れが発生する恐れがある。逆に清掃ロボット本体に近すぎると、移動中に段差や障害物を検出しても回避動作が間に合わず、衝突や転落の恐れがある。これらの事を考慮して、計測可能領域は回避動作が可能な範囲でなるべく近い距離に設定することが望ましい。

　図１１（ａ）では、清掃ロボット３００の前方の床面上に段差が存在する。このような場合に段差用ＬＲＦ３０１の計測で得られるデータがどのようになるかを、図１２（ａ）を用いて説明する。図１２（ａ）は、段差用ＬＲＦ３０１の計測面、即ちＸ_Ｓ１Ｚ_Ｓ１平面で切断した図である。段差が存在せず床面だけの場合、ＬＲＦ３０１からの投射光はＡ_１Ｂ_１を結ぶ線分上に照射され、この部分の距離が計測されるが、段差が存在する場合には、Ａ_１からＳ_１（床面）、Ｑ_１からＰ_１（段差の底面）、Ｐ_１からＴ_１（段差の側面）、Ｔ_１からＢ_１（床面）の範囲の距離が計測される。段差の底面のうちＲ_１からＱ_１の範囲は、段差用ＬＲＦ３０１から見て死角になるため計測されていない。

　上記段差用ＬＲＦ３０１は、計測面（Ｘ_Ｓ１Ｙ_Ｓ１Ｚ_Ｓ１座標系におけるＸ_Ｓ１Ｚ_Ｓ１平面）内の計測対象物までの距離情報を、極座標形式、即ち計測面内の角度θと、θにおける計測原点Ｏ_Ｓ１からの距離ｒのセットからなるデータとして、清掃ロボット３００の演算装置３３０（図１３を参照）に出力する。

　本第４の実施形態における清掃ロボット３００のブロック図を図１３に示す。清掃ロボット３００内の演算装置３３０は、第１の実施形態の清掃ロボット１における距離画像演算ブロック３１に代わり、ＬＲＦデータ演算ブロック３１０を備えている。それ以外の構成は第１の実施形態と同様である。なお、３８０は、周囲環境認識装置を示している。

　上記ＬＲＦデータ演算ブロック３１０内に存在するデータ取得部３１１は、段差用ＬＲＦ３０１から取得した極座標データを直交座標に変換して、Ｘ_Ｓ１Ｚ_Ｓ１平面上にプロットしたデータを作成する。これを図１２（ｂ）に示す。図１２（ａ）のＡ_１からＳ_１（床面）、Ｑ_１からＰ_１（段差の底面）、Ｐ_１からＴ_１（段差の側面）、Ｔ_１からＢ_１（床面）に対応する点が計測されているのに対し、ＬＲＦ３０１から見て死角になる段差の底面Ｒ_１からＱ_１は計測されていないため、データが存在しないことが分かる。同様に、段差用ＬＲＦ３０２から受信した計測データを直交座標に変換し、Ｘ_Ｓ２Ｙ_Ｓ２Ｚ_Ｓ２座標系（図１１（ｂ）において、Ｏ_Ｓ１，Ｘ_Ｓ１，Ｙ_Ｓ１，Ｚ_Ｓ１をＯ_Ｓ２，Ｘ_Ｓ２，Ｙ_Ｓ２，Ｚ_Ｓ２に置き換えた座標系）におけるＸ_Ｓ２Ｚ_Ｓ２２平面上にプロットしたデータが作成される。これを図１２（ｃ）に示す。

　次に、ＬＲＦデータ演算ブロック３１０内に存在する座標変換部３１２は、データ取得部３１１で作成された段差用ＬＲＦ３０１のデータに対し、座標変換処理を施す。予め記憶されているロボット３００本体に対する段差用ＬＲＦ３０１の取付位置および角度のパラメータを用いて、計測データをＬＲＦ３０１基準の座標系（Ｘ_Ｓ１Ｙ_Ｓ１Ｚ_Ｓ１座標系）での座標値から、ロボット３００本体基準の座標系（Ｘ_ＲＹ_ＲＺ_Ｒ座標系）での座標値に変換する。同様に、段差用ＬＲＦ３０２のデータについても、ＬＲＦ３０２基準の座標系（Ｘ_Ｓ２Ｙ_Ｓ２Ｚ_Ｓ２座標系）での座標値から、ロボット本体基準の座標系（Ｘ_ＲＹ_ＲＺ_Ｒ座標系）での座標値に変換する座標変換処理を施す。これにより、段差用ＬＲＦ３０１および３０２のデータから清掃ロボット本体基準の３次元点群データを得ることができる。

　その後、これらのデータは凹部判定部としてのデータ統合・判定部３１３に送られる。前段の座標変換処理により、段差用ＬＲＦ３０１および３０２の２つのデータが同一のロボット３００本体基準の３次元点群データとして表されたことになるので、これを１つのデータに統合することができる。さらに、データ統合・判定部３１３では、第１の実施形態と同様に、３次元点群データを構成する各点に対し、ロボット本体座標系におけるＹ_Ｒ即ち床面からの高さの値によって「段差」、「障害物」、「床面」、「未確定」などのラベル情報を付加する。

　ラベル情報を付加した３次元点群データは、俯瞰図データ作成部としての俯瞰図作成部３１４に送られる。俯瞰図作成部では、３次元点群データをロボット本体基準座標系のＸ_ＲＺ_Ｒ平面にプロットすることで、ロボット本体の上方から見下ろした俯瞰図画像を作成する。この俯瞰図画像を図１４（ａ）に示す。本図では、統合前の図１２（ｂ）および（ｃ）におけるＡ_１，Ｂ_１，Ｐ_１等に対応する点を、それぞれＡ_１’，Ｂ_１’，Ｐ_１’のようにダッシュを付けて表している。

　俯瞰図画像は補正処理部としてのデータ補正部３１５に送られ、ここで段差位置の補正が行われる。データ補正部は、俯瞰図画像において計測データ点の存在するＡ_１’からＢ_１’およびＡ_２’からＢ_２’の範囲を探索する。計測データ点のラベル情報が「段差」である場合は、その段差の位置を、以下で説明する補正量Ｌだけ清掃ロボット本体に近い側に補正する。その際に、ラベルは「段差」のままとする。この補正処理は、その段差の位置に段差ではなく床面が存在すると仮定した場合の床面の位置に置き換えることに相当する。

　段差補正量の算出について、図１５を用いて説明する。段差Ｐ_１’Ｑ_１’上の点Ｕ_１’について、その位置に段差ではなく床面が存在すると仮定した場合の床面の位置をＶ_１’とすると、補正量ＬはＵ_１’Ｖ_１’に相当する。

　Ｌは、段差の深さ（３次元点群データのＹ_Ｒ座標値に相当する）Ｙ_Ｅと図１５に示すθ_Ｅを用いると
　　Ｌ＝Ｙ_Ｅ／ｔａｎθ_Ｅ
で表される。θ_Ｅは、ＬＲＦ３０１の取付角度θ_Ｐ、およびＬＲＦ３０１の計測面内においてＯ_Ｓ１Ｕ_１’がＺ_Ｓ１軸となす角度θにより
　　ｓｉｎθ_Ｅ＝ｃｏｓθ_Ｐ・ｃｏｓθ
によって表されるので、
　　Ｌ＝Ｙ_Ｅ／ｔａｎ（ｓｉｎ^－１（ｃｏｓθ_Ｐ・ｃｏｓθ））
となる。

　上式により、段差上の任意の点について、Ｙ_Ｅ、θ_Ｐおよびその点についてのθが与えられると、その点での段差位置補正量Ｌを計算することができる。

　データ補正部３１５は、俯瞰図画像に含まれる３次元点群データのうち、補正が必要な「段差」ラベルを有する点すべてについて上記の補正量Ｌを計算し、その距離Ｌの補正を行った俯瞰図画像を新たに生成する。データ補正部３１５において補正を行った後の俯瞰図画像を図１４（ｂ）に示す。図１４（ａ）では段差を示すＰ_１’Ｑ_１’およびＰ_１’Ｔ_１’の線分が、床面を示す線分Ａ_１’Ｂ_１’よりも遠い距離に表示されているが、図１４（ｂ）では段差位置Ｓ_１’Ｔ_１’は床面Ａ_１’Ｂ_１’と同一直線上に存在することが分かる。

　補正を行わない場合、俯瞰図上での段差エッジ位置までの距離は、死角の影響によって真の段差エッジ位置までの距離（図１４（ａ）に示すＯ_ＲＳ_１’）よりも遠い値（同図のＯ_ＲＱ_１’）となり、清掃ロボット本体が段差に近づくにつれその値が真の値に漸近する。つまり、清掃ロボットが段差に近づくにつれて、最初に計測した時よりも段差エッジの位置が徐々に近づいてくることになる。

　清掃ロボットのような自律移動ロボットでは、無人の状態で安全に走行するために、周囲の段差の位置を正確に把握する必要がある。通常は、検出した段差のエッジの位置が移動中に変動したとしても、走行制御ブロックが移動速度および移動方向を都度修正することで転落を回避することが可能である。しかし、急旋回や急発進を行う場合などで、それまで距離画像センサの視野範囲外であった領域から視野範囲の中に段差が突然現れるようなことが考えられ、そのような場合に回避動作が間に合わなくなる恐れがある。自律移動ロボットには、段差用ＬＲＦのような周囲環境検出装置以外に、筐体の下部に個別に床面検出センサ等を設けるなどして２重３重の転落防止策を講じているが、それでも上記のような死角による位置計測誤差が頻繁に発生すると、床面検出センサが過剰に反応するなどして挙動が不安定になる恐れを排除できない。

　これに対し、本第４の実施形態の清掃ロボットでは、データ補正部３１５によって上記のような段差位置の補正が施されるので、段差のエッジは常に正しい位置（図１４（ｂ）に示すＯ_ＲＳ_１’）となる。

　なお、上記のような段差位置補正量Ｌの計算とそれに基づく補正を行わなくても、機械的な置き換え処理だけで同等の効果を得ることは可能である。例えば、図１４（ａ）に示す「段差」ラベルが付与されたＰ_１’Ｑ_１’およびＰ_１’Ｔ_１’の線分が存在する場合に、これを機械的にＳ_１’Ｔ_１’の線分に置き換えるような処理が考えられる。しかし、この場合、例えば、床面の端であるＳ_１’が表面の反射率やノイズ等の問題がある計測となり、Ｓ_１’から離れた位置Ｓ_１”（図示せず）として計測されてしまった場合、線分がＳ_１’Ｔ_１’ではなくＳ_１”Ｔ_１’に補正されるため、段差のエッジが真の位置から外れてしまうことになる。これに対し、上述の段差位置補正量Ｌの計算においては、Ｌはあくまで段差の深さであるＹ_Ｅと段差用ＬＲＦ３０１，３０２の取付角θ_Ｐおよび計測角度θだけから計算されるので、床面の端Ｓ_１’の位置に誤差があっても補正後の段差データには影響は及ばない。つまり、段差補正量Ｌをその都度計算して適切な量だけ補正を行うことで、床面の端Ｓ_１’の計測値に多少計測誤差があっても適切な段差のエッジを求めることができる。

　ＬＲＦ３０１，３０２は、距離画像センサと異なり１次元の走査しか行えないので、計測可能な領域は床面上の直線状の領域となり、清掃ロボット３００が静止した状態では、この直線上にない段差は検出することができない。しかし、清掃ロボット３００本体が走行しながら連続して計測を行うことで、計測可能領域を示す直線が床面上を移動するため、結果として床面上の全範囲を計測領域に含めることが可能になる。

　本第４の実施形態の清掃ロボット３００では、オドメトリ情報および水平ＬＲＦ２２が取得した障害物・段差情報から、第１の実施形態と同様の自己位置認識手法を用いて、清掃ロボット３００自身が現在マップ内のどの位置に存在するかを計算する。段差用ＬＲＦ３０１，３０２から得られた段差情報が含まれる俯瞰図データをこのマップ上に重ね合わせて表示し、清掃ロボット３００の移動に合わせて俯瞰図データをその時点の現在位置に上書きして更新する。このとき、データ補正部３１５において、段差端の計測点Ｑ１’がエッジの位置Ｓ１’に正しく補正されていれば、上書き更新することで形成される「床面」ラベルの点と「段差」ラベルの点との境界の点の集合は、段差のエッジを正しく表すことになる。

　図１６の（ａ）～（ｄ）に、段差位置補正を行う場合と行わない場合の検出結果の比較を示す。段差位置補正を行わない場合、俯瞰図上での段差端を示す点が真の段差端よりも奥側（清掃ロボット本体から遠い側）にずれており、しかも清掃ロボット３００が移動するにつれてＬＲＦの死角が変化することでずれ量が変化する。この様子を図１６（ａ）に示す。これらのデータをマップ上で重ね合わせて得られる段差領域の情報は図１６（ｂ）のような形状になり、清掃ロボット本体に近い方のエッジの位置が、実際の段差エッジの位置からずれてしまうことになる。これに対し、段差位置補正を行う場合、図１６（ｃ）のように俯瞰図上での段差端を示す点が正しい位置で得られるため、このデータをマップ上で重ね合わせることにより、図１６（ｄ）のように正しい段差領域の情報が得られることになる。以上のことから、段差位置補正を行い、その結果をマップ上で重ね合わせることで、段差が存在する領域およびそのエッジを正しく検出できることが分かる。

　以上のようにして抽出された段差情報は、同様に抽出された床面より高い障害物の情報と統合され、段差・障害物情報として自己位置演算ブロック３５に送信される。段差・障害物データの形式は、後で走行制御ブロック３２が処理しやすいように任意の形式に変換することができる。データの座標系は、清掃ロボット基準のＸ_ＲＹ_ＲＺ_Ｒ直交座標系のまま送ることもできるし、極座標（Ｒ－θ座標系）に変換することもできる。検出した全ての障害物・段差をデータ化する手法以外に、データの間引き・補間、ノイズ除去処理を行ったり、清掃ロボット３００本体に最も近い障害物・段差データのみを抽出したりする手法も考えられる。

　自己位置認識や清掃など、清掃ロボット３００のその他の部分の構造や動作については、第１の実施形態で説明したものと同様であり、説明は省略する。

　なお、先の第１の実施形態で述べた特許文献２では、段差情報の補正のために俯瞰図データを作成する点については本発明と類似しているものの、３次元情報の取得にステレオカメラを用いているので、本第４の実施形態のように段差用ＬＲＦ３０１，３０２の１次元的な計測データからの段差情報の補正を行うことは想定されていない。また、特許文献２では、計測点が存在しない領域を危険領域と判定するだけで、段差のエッジ位置についての情報は補正されていないが、本第４の実施形態では、距離センサとして段差用ＬＲＦ３０１，３０２を用いる場合であっても、死角によって生じる段差のエッジ位置のずれを正しく補正することができる。さらに、段差のエッジ位置について補正を行うことで、正しい段差のエッジ位置を取得でき、これにより、補正後のエッジ情報を自己位置認識の手がかりとして用いることができる。従って、マップ上での自己位置認識の精度が高まり、自律移動システムのマップ情報に基づく走行の信頼性を高めることができる。

　以上のとおり、本第４の実施形態では、自律移動システムである清掃ロボット３００の距離センサとして段差用ＬＲＦ３０１，３０２を用いる場合であっても、死角によって生じる段差のエッジ位置のずれを正しく補正し、段差のエッジを精度よく抽出することで、段差への転落を防止し、自律移動の精度を高めることができる。

　また、本第４の実施形態と第２の実施形態もしくは第３の実施形態とを組み合わせることで、段差用ＬＲＦを搭載した監視ロボットや段差用ＬＲＦを搭載した自動搬送ロボットを実現することができる。

　（その他の実施形態）
　本発明の周囲環境認識装置は、独立した装置として産業用、民生用その他用途に用いる他、汎用的な携帯情報端末などの一部に組み込んだり、演算回路の一部または全部を集積回路（ＩＣ）化して利用したりすることもできる。

　第４の実施形態においては、段差エッジ位置の補正処理を１回の計測ごとに行っているが、複数回計測した結果を統合した後に行うことも可能である。複数回の計測結果を統合すると、図１６（ａ）および（ｂ）に示すとおり２次元的な段差情報が得られるので、第１の実施形態と類似の処理で死角によって生じる段差エッジ位置の補正を行うことができる。

　第１の実施形態においては距離画像センサ２０を１台、第４の実施形態においては段差用ＬＲＦ３０１，３０２を２台用いているが、それぞれ他の台数であっても構わない。また、第１の実施形態と第４の実施形態を組み合わせて、距離画像センサやＬＲＦを複数個搭載し、それらを併用しながら距離情報を得るような場合にも、本発明は適用可能である。

　上記第１～第４の実施形態では、凹部判別部の一例としての障害物・段差判別部３８は、図３（ａ），（ｂ）に示すように、床よりも高い凸状領域Ｋつまり「障害物」と、床面Ｆよりも低い凹状領域Ｃつまり「段差」と、床面領域Ｆつまり「床面」と判別するが、本発明の凹部判別部は、少なくとも、床面よりも低い凹状領域を判別できればよい。

　上記の第１～第４の実施形態では、自律移動システムの一形態としての清掃ロボット、監視ロボットおよび自動搬送ロボットについて説明したが、その他にも、例えば自動走行車、介護用ロボット、災害救助用ロボット、農作業用ロボット、エンターテイメント用ロボットなど他の自律移動システムにも適用可能である。

　本発明および実施形態を纏めると、次のようになる。

　本発明の周囲環境認識装置８０，３８０は、
　距離センサ２０，３０１，３０２と、
　上記距離センサ２０，３０１，３０２から得られた距離データに基づいて、少なくとも床面Ｆより低い凹状領域Ｃを判別する凹部判別部（障害物・段差判別部３８、データ統合・判定部３１３）と、
　上記距離データを、上記床面Ｆを基準に座標変換して俯瞰図データを作成する俯瞰図データ作成部３９，３１４と、
　上記俯瞰図データ内において、上記距離センサ２０の死角によって生じる凹状領域と、その凹状領域以外の領域との境界の位置のずれを補正する補正処理部４０，３１５と
を備えることを特徴としている。

　上記構成において、上記距離センサ２０，３０１，３０２から得られた距離データに基づいて、凹部判別部（障害物・段差判別部３８、データ統合・判定部３１３）は、少なくとも凹状領域Ｃを判別し、上記俯瞰図データ作成部３９は、上記距離データを、上記床面Ｆを基準に座標変換して俯瞰図データを作成し、補正処理部４０，３１５は、上記距離センサ２０，３０１，３０２の死角によって生じる凹状領域と、その凹状領域以外の領域との境界の位置のずれを補正する。例えば、上記凹状領域Ｃが表された俯瞰図データ内において、上記距離センサ２０，３０１，３０２の死角によって生じる距離データの存在しない領域Ｕを、凹状領域Ｃとして補正する。

　従って、本発明の周囲環境認識装置８０，３８０によれば、死角がある場合でも段差を確実かつ正確に検出することで、周囲環境の認識精度を高めることができる。

　１実施形態では、
　上記補正処理部４０，３１５は、上記俯瞰図データにおいて、上記凹部判別部（障害物・段差判別部３８、データ統合・判定部３１３）によって判別されたデータが特定の順序に配列されているか否かに基づいて、上記境界の位置のずれの補正の可否を決定する。

　上記実施形態によれば、上記凹部判別部（障害物・段差判別部３８、データ統合・判定部３１３）によって判別されたデータが特定の順序に配列されているか否かに基づいて、上記境界の位置のずれの補正の可否、上記データの欠落している領域の補正の可否を決定するので、ノイズ等で計測不能が原因となって発生する未確定領域と、死角によって発生する未確定領域とが混在する場合であっても、死角の大きさを正確に検出することができる。

　上記特定の順序は、例えば、距離センサ２０，３０１，３０２に近い順に、凸状領域または床面領域、未確定領域Ｕ、凹状領域Ｃと並んでいる順序とすることができる。

　１実施形態では、
　上記補正処理部４０は、上記距離センサ２０の取付角度θ_Ｓと、上記凹状領域Ｃの深さ情報ｈと、上記凹状領域Ｃの距離データＬ-_２とに基づいて、上記距離センサ２０の死角の大きさを計算して、凹状領域Ｃに対する補正量ｈ・tanθ_Ｓを決定する。

　上記実施形態によれば、簡単、正確に凹状領域Ｃに対する補正量を決定することができる。

　本発明の自律移動システム１，１０１，２０１，３００は、
　上記周囲環境認識装置８０，３８０を備え、進行方向前方の移動可能な領域を認識しながら移動することを特徴としている。

　本発明の自律移動システム１，１０１，２０１，３００は、上記周囲環境認識装置８０，３８０によって凹状領域つまり段差Ｃのエッジを正確かつ確実に検出することができるので、段差Ｃへの転落を防止することができる。

　１実施形態の自律移動システム１，１０１，２０１，３００は、
　更新可能な地図データを保有し、上記周囲環境認識装置８０，３８０からのデータに基づいて、上記地図データ上の自己位置の推定を行いながら移動する。

　上記実施形態によれば、上記周囲環境認識装置で補正後の凹状領域Ｃのエッジを目印として、地図データ上の自己位置の推定を正確にできて、移動の効率を向上することができる。

　本発明の周囲環境認識方法は、
　前方斜め下向きに配置された距離センサ２０，３０１，３０２によって床面Ｆを計測して床面基準の３次元座標データを生成し、
　この３次元座標データに基づいて、床面領域と、上記床面Ｆよりも低い凹状領域Ｃとを判別して、３次元座標データのラベル付けを行って、俯瞰図データを作成し、
　上記俯瞰図データを走査して、上記ラベルが特定の順序で並んでいるときに、距離センサ２０の死角によって生じる凹状領域と、その凹状領域以外の領域との境界の位置のずれを補正することを特徴としている。

　本発明の周囲環境認識方法によれば、死角がある場合でも凹状領域Ｃを確実かつ正確に検出できるので、周囲環境の認識精度を高めることができる。

　その他、本発明の趣旨を損なわない範囲で種々の変更を加えることが可能である。

　本発明は、計測対象となる画像データに含まれる障害物や段差などを検出するための周囲環境認識装置およびそれを用いた自律移動システムに関するものであり、周囲環境認識装置自体を独立した装置として清掃、監視、自動搬送を始めとする産業用、民生用その他用途に用いる他、他の装置の一部に組み込んで利用したり、装置の一部または全部を集積回路（ＩＣ）化して利用したりすることも可能である。

　１、１０１，３００　　　清掃ロボット（自律移動システム）
　２　　　駆動輪
　３　　　従輪
　４　　　バッテリ
　５　　　洗浄液タンク
　６　　　洗浄液吐出部
　７　　　廃液タンク
　８　　　廃液吸引口
　９　　　清掃ブラシ
　１０　　モータ
　１１　　筐体
　１２　　保護部材
　１３　　操作パネル
　２０　　距離画像センサ
　２１　　窓
　２２　　レーザレンジファインダ（ＬＲＦ）
　３０，３３０　　演算装置
　３１　　距離画像演算ブロック
　３２　　走行制御ブロック
　３３　　清掃制御ブロック
　３４　　マップ情報メモリ
　３５　　自己位置演算ブロック
　３６　　３次元座標演算部
　３７　　座標変換部
　３８　　障害物・段差判別部（凹部判別部）
　３９　　俯瞰図作成部
　３０１，３０２　　　段差用レーザレンジファインダ（ＬＲＦ）
　３１０　ＬＲＦデータ演算ブロック

Claims (5)

1. 　距離センサ（２０，３０１，３０２）と、
   　上記距離センサ（２０，３０１，３０２）から得られた距離データに基づいて、少なくとも床面（Ｆ）より低い凹状領域（Ｃ）を判別する凹部判別部（３８，３１３）と、
   　上記距離データを、上記床面（Ｆ）を基準に座標変換して俯瞰図データを作成する俯瞰図データ作成部（３９，３１４）と、
   　上記俯瞰図データ内において、上記距離センサ（２０）の死角によって生じる凹状領域と、その凹状領域以外の領域との境界の位置のずれを補正する補正処理部（４０，３１５）と
   を備えることを特徴とする周囲環境認識装置。
2. 　上記補正処理部（４０，３１５）は、上記俯瞰図データにおいて、上記凹部判別部（３８，３１３）によって判別されたデータが特定の順序に配列されているか否かに基づいて、上記境界の位置のずれの補正の可否を決定することを特徴する請求項１に記載の周囲環境認識装置。
3. 　上記補正処理部（４０）は、上記距離センサ（２０）の取付角度（θ_Ｓ）と、上記凹状領域（Ｃ）の深さ情報（ｈ）と、上記凹状領域（Ｃ）の距離データ（Ｌ-_２）とに基づいて、上記距離センサ（２０）の死角の大きさを計算して、凹状領域（Ｃ）に対する補正量（ｈ・tanθ_Ｓ）を決定することを特徴する請求項１に記載の周囲環境認識装置。
4. 　請求項１から３のいずれか１つに記載の周囲環境認識装置（８０，３８０）を備え、進行方向前方の移動可能な領域を認識しながら移動することを特徴とする自律移動システム。
5. 　前方斜め下向きに配置された距離センサ（２０，３０１，３０２）によって床面（Ｆ）を計測して床面基準の３次元座標データを生成し、
   　この３次元座標データに基づいて、床面領域と、上記床面（Ｆ）よりも低い凹状領域（Ｃ）とを判別して、３次元座標データのラベル付けを行って、俯瞰図データを作成し、
   　上記俯瞰図データを走査して、上記ラベルが特定の順序で並んでいるときに、距離センサ（２０）の死角によって生じる凹状領域と、その凹状領域以外の領域との境界の位置のずれを補正することを特徴とする周囲環境認識方法。

Images