WO2023062862A1

WO2023062862A1 - データ処理装置およびデータ処理方法

Info

Publication number: WO2023062862A1
Application number: PCT/JP2022/021170
Authority: WO
Inventors: 和也久田; 弓子加藤; 孝平菊池; 安寿稲田
Original assignee: パナソニックＩｐマネジメント株式会社
Priority date: 2021-10-13
Filing date: 2022-05-24
Publication date: 2023-04-20
Also published as: CN117999499A

Abstract

データ処理装置は、空間中の複数の計測点についての位置情報および速度情報を含む計測データを記憶する記憶装置と、処理回路と、を備える。前記処理回路は、前記記憶装置から前記計測データを取得し、前記速度情報に基づいて、前記複数の計測点から静止物体上の計測点を判別し、前記判別の結果に基づいて、前記静止物体上の計測点の前記位置情報を含む点群データを生成する。

Description

データ処理装置およびデータ処理方法

　本開示は、データ処理装置およびデータ処理方法に関する。

　自動搬送ロボット（Autonomous Mobile Robot:ＡＭＲまたはAutomated Guided Vehicle:ＡＧＶ）、自動運転車、および自律飛行ドローンなどの、自律的に移動することが可能な移動体の開発が近年盛んに進められている。これらの移動体は、例えばＬｉＤＡＲ（Light Detection and Ranging）またはイメージセンサなどのセンサを用いて自己位置推定を行いながら自律的に移動する。自己位置推定は、センサから出力されたセンサデータと、移動体の周辺環境の地図との照合（マッチング）によって行われ得る。地図は、例えば、ＳＬＡＭ（Simultaneous Localization and Mapping）などの技術を利用して生成される。ＳＬＡＭを利用して自動で移動する移動体は、移動中にセンサから逐次出力されたセンサデータに基づいて地図を生成または更新しながら移動する。そのような移動体は、センサを用いて検出されたランドマークと呼ばれる固定点と、地図上の対応する点とを照合することにより、自己位置推定および地図の更新を行いながら自動で移動することができる。

　上記のような移動体において、移動体の周辺の環境内に移動物体（例えば歩行者または走行する車両等）が存在すると、センサデータと地図との照合ができなかったり、移動物体を誤ってランドマークとしてしまったりする場合がある。その場合、自己位置推定および地図作成が失敗する。

　そのような問題を解決するための技術の例が、特許文献１に開示されている。特許文献１に開示された装置は、カメラが取得した時系列画像における特徴点をフレーム間で比較することによって画像中の移動物体を検出し、移動物体の情報を除去した地図を生成する。これにより、移動物体の情報を含まない地図を生成することができる。

　一方、ＦＭＣＷ（Frequency Modulated Continues Wave）技術を利用したＦＭＣＷ－ＬｉＤＡＲの開発が進められている。ＦＭＣＷ－ＬｉＤＡＲは、距離に関して広いダイナミックレンジと高い分解能を両立し、耐振動性が高く、センサと移動物体との相対速度を計測することができる。このため、自動運転のためのセンサとしての利用が期待されている。ＦＭＣＷ－ＬｉＤＡＲの例が、例えば非特許文献１に開示されている。

特開２０１６－１２６６６２号公報

Christopher V. Poulton, et al., "Frequency-modulated Continuous-wave LIDAR Module in Silicon Photonics", OFC2016, W4E.3, (2016).

　本開示は、移動体の自己位置推定または地図生成等に利用される点群データを、従来よりも効率的に生成するための技術を提供する。

　本開示の一態様に係るデータ処理装置は、空間中の複数の計測点についての位置情報および速度情報を含む計測データを記憶する記憶装置と、処理回路と、を備える。前記処理回路は、前記記憶装置から前記計測データを取得し、前記速度情報に基づいて、前記複数の計測点から静止物体上の計測点を判別し、前記判別の結果に基づいて、前記静止物体上の計測点の前記位置情報を含む点群データを生成する。

　本開示の包括的または具体的な態様は、システム、装置、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能な記録ディスク等の記録媒体によって実現されてもよく、システム、装置、方法、集積回路、コンピュータプログラムおよび記録媒体の任意の組み合わせによって実現されてもよい。コンピュータ読み取り可能な記録媒体は、揮発性の記録媒体を含んでいてもよいし、ＣＤ－ＲＯＭ（Compact Disc‐Read Only Memory）等の不揮発性の記録媒体を含んでいてもよい。装置は、１つ以上の装置で構成されてもよい。装置が２つ以上の装置で構成される場合、当該２つ以上の装置は、１つの機器内に配置されてもよく、分離した２つ以上の機器内に分かれて配置されてもよい。本明細書および特許請求の範囲では、「装置」とは、１つの装置を意味し得るだけでなく、複数の装置からなるシステムも意味し得る。

　本開示の実施形態によれば、移動体の自己位置推定または地図生成等に利用される点群データを、従来よりも効率的に生成することができる。

図１は、本開示の例示的な実施形態におけるシステムの構成例を示すブロック図である。図２は、センサの構成例を示すブロック図である。図３は、センサの他の構成例を示すブロック図である。図４は、センサのさらに他の構成例を示すブロック図である。図５Ａは、センサと対象物との距離が一定の場合における参照光、反射光、および干渉光の周波数の時間変化の例を示す図である。図５Ｂは、センサと対象物との相対速度が一定である場合における参照光、反射光、および干渉光の周波数の時間変化の例を示す図である。図６は、センサに対する対象物の相対速度を説明するための図である。図７は、処理回路が実行する動作の一例を示すフローチャートである。図８Ａは、ステップＳ１０１において取得される計測データの形式の一例を示す図である。図８Ｂは、ステップＳ１０２において取得されるセンサの位置情報および速度情報を含むデータの形式の一例を示す図である。図８Ｃは、ステップＳ１０３において生成される４次元点群データのデータ形式の一例を示す図である。図８Ｄは、３次元点群データのデータ形式の一例を示す図である。図９は、センサの移動速度Ｖと、対象物の移動速度ｖと、計測速度ｖｃとの関係の例を示す図である。図１０は、処理回路の動作の変形例を示すフローチャートである。図１１は、近傍の点を複数回計測する場合の動作の一例を示すフローチャートである。図１２Ａは、速度検出点であることを示すフラグの情報を含む点群データの形式の一例を示す図である。図１２Ｂは、フラグの情報を含む計測データの形式の一例を示す図である。図１３は、自動運転車両の構成例を示すブロック図である。図１４は、自動運転車両の処理回路によって実行される動作の例を示すフローチャートである。図１５は、ステップＳ２０７における自己位置推定の処理の例を示すフローチャートである。図１６は、ロボット掃除機の構成例を示すブロック図である。図１７は、ロボット掃除機における処理回路によって実行される動作の例を示すフローチャートである。図１８は、ステップＳ３０６の動作の詳細な例を示すフローチャートである。図１９は、ステップＳ３０７の動作の詳細な例を示すフローチャートである。図２０は、ステップＳ３０１の動作の詳細な例を示すフローチャートである。

　以下で説明される実施形態は、いずれも包括的または具体的な例を示すものである。以下の実施形態で示される数値、形状、材料、構成要素、構成要素の配置位置および接続形態、ステップ、およびステップの順序等は、一例であり、本開示の技術を限定する趣旨ではない。以下の実施形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。各図は模式図であり、必ずしも厳密に図示されたものではない。さらに、各図において、実質的に同一または類似の構成要素には同一の符号を付している。重複する説明は省略または簡略化されることがある。

　本開示において、回路、ユニット、装置、部材または部の全部または一部、またはブロック図における機能ブロックの全部または一部は、例えば、半導体装置、半導体集積回路（ＩＣ）、またはＬＳＩ（large scale integration）を含む１つまたは複数の電子回路によって実行され得る。ＬＳＩまたはＩＣは、１つのチップに集積されてもよいし、複数のチップを組み合わせて構成されてもよい。例えば、記憶素子以外の機能ブロックは、１つのチップに集積されてもよい。ここでは、ＬＳＩまたはＩＣと呼んでいるが、集積の度合いによって呼び方が変わり、システムＬＳＩ、ＶＬＳＩ（very large scale integration）、もしくはＵＬＳＩ（ultra large scale integration）と呼ばれるものであってもよい。ＬＳＩの製造後にプログラムされる、Field Programmable Gate Array（ＦＰＧＡ）、またはＬＳＩ内部の接合関係の再構成またはＬＳＩ内部の回路区画のセットアップができるreconfigurable logic deviceも同じ目的で使うことができる。

　さらに、回路、ユニット、装置、部材または部の全部または一部の機能または操作は、ソフトウェア処理によって実行することが可能である。その場合、ソフトウェアは１つまたは複数のＲＯＭ、光学ディスク、ハードディスクドライブなどの非一時的記録媒体に記録され、ソフトウェアが処理装置（processor）によって実行されたときに、そのソフトウェアで特定された機能が処理装置および周辺装置によって実行される。システムまたは装置は、ソフトウェアが記録されている１つまたは複数の非一時的記録媒体、処理装置、および必要とされるハードウェアデバイス、例えばインターフェースを備えていてもよい。

　（本開示の基礎となった知見）
　本開示の実施形態を説明する前に、本開示の基礎となった知見を説明する。

　特許文献１に開示された技術によれば、カメラが取得した時系列画像から移動物体の情報を除去することにより、移動物体の情報を含まない地図を生成することができる。このように、自己位置推定に利用される地図データから移動物体の情報を除去することは非常に有効である。しかし、特許文献１のようにカメラを用いた方法には、以下の課題がある。

　第１の課題は、画像から特徴点を抽出し、フレーム間で特徴点のオプティカルフロー（すなわち移動ベクトル）を算出するための信号処理コストが高く、処理時間が長くなることである。高い信号処理能力が必要となる上に、自動運転時の自己位置推定のように短時間での処理が求められるシーンにおいては、処理時間の長さは致命的になり得る。

　第２の課題は、特徴点が抽出できないシーンがあることである。例えば、大きなトラックの側面など、特に距離が近い場合には画像からの特徴点抽出が困難であり、それが移動物体であるかどうかを判定することができない。

　第３の課題は、カメラから得られる情報の不確かさである。屋内であれば照明環境、屋外であれば太陽の当たり方または天気など、カメラで得られる情報は周囲の環境の明るさなどの影響を非常に受けやすい。このため、たとえ同じシーンでも安定した情報を得ることが難しい。

　本発明者らは、上記の考察に基づき、以下に説明する本開示の実施形態の構成に想到した。以下、本開示の実施形態の概要を説明する。

　本開示の例示的な実施形態によるデータ処理装置は、記憶装置と、処理回路とを備える。記憶装置は、空間中の複数の計測点についての位置情報および速度情報を含む計測データを記憶する。処理回路は、前記記憶装置から前記計測データを取得し、前記速度情報に基づいて、前記複数の計測点から静止物体上の計測点を判別し、前記判別の結果に基づいて、前記静止物体上の計測点の前記位置情報を含む点群データを生成する。

　上記の構成によれば、計測データは、複数の計測点についての位置情報に加え、速度情報を含む。このため、処理回路は、速度情報に基づいて、複数の計測点から静止物体上の計測点を判別することができる。処理回路は、判別の結果に基づいて、静止物体上の計測点の位置情報を含む点群データを生成する。例えば、処理回路は、移動物体の情報が除去された点群データ、または、移動物体と静止物体とを区別するためのフラグ等の情報を含む点群データを生成することができる。これにより、自己位置推定、または地図の生成もしくは更新に利用され得る点群データを効率的に生成することができる。

　空間中の複数の計測点についての位置情報および速度情報を含む計測データは、例えば、ＦＭＣＷ方式のＬｉＤＡＲセンサまたはレーダなどの、計測点の速度情報を取得可能なセンサによって生成され得る。そのようなセンサは、センサから計測点までの距離と、センサに向かう方向における計測点の速度成分とを計測することができる。計測データにおける計測点の「位置情報」は、計測点の位置を直接的に表す座標値などの情報に限定されない。計測点の位置情報は、センサから計測点までの距離および方向を示す情報のように、計測点の位置を算出するために利用される情報であってもよい。本開示における計測点の「速度情報」は、その計測点の絶対的な速度を示す情報に限らず、当該速度に関連する情報であってもよい。例えば、計測点の速度情報は、センサと当該計測点とを結ぶ直線に沿った方向における当該計測点の速度成分を示す情報であってもよい。あるいは、計測点の速度情報は、当該計測点の計測された速度の大きさが、閾値よりも大きいか否かを示す情報であってもよい。計測データは、センサから出力されたセンサデータそのものに限らず、センサデータに基づいて生成されたデータであってもよい。例えば、処理回路または他の装置が、センサデータに基づいて生成したデータを計測データとしてもよい。

　上記の構成によれば、ＬｉＤＡＲセンサまたはレーダなどの、自ら光または電波などの電磁波を発して距離を計測するアクティブデバイスを利用することにより、安定した計測データを取得することができる。さらに、特許文献１に開示されているような、時系列画像から抽出した特徴点のオプティカルフローを算出する処理を行うことなく、計測点ごとに、静止物体上の点であるか否かを高速に判別し、判別結果を反映した点群データを生成することができる。

　前記処理回路は、前記計測データから、判別した静止物体上の計測点以外の計測点に関する情報を除外することにより、前記点群データを生成してもよい。あるいは、前記処理回路は、前記計測データにおける前記複数の計測点のうち、判別した前記静止物体上の計測点に、静止物体であることを示すフラグを付与する処理により、前記点群データを生成してもよい。反対に、前記処理回路は、前記計測データにおける前記複数の計測点のうち、判別した前記静止物体上の計測点を除く計測点に、移動物体であることを示すフラグを付与する処理により、前記点群データを生成してもよい。そのような方法で点群データを生成することにより、点群データに基づいて、移動物体に関する情報が除去された地図データを容易に生成することができる。結果として、移動物体に影響されずに、点群データに基づく自己位置推定または地図の生成もしくは更新を行うことが可能になる。

　前記計測データにおける前記複数の計測点についての位置情報は、前記複数の計測点の各々の３次元座標値を含んでいてもよい。その場合、前記点群データは、前記静止物体上の各計測点の前記３次元座標値を含む３次元点群データであり得る。あるいは、前記計測データにおける前記複数の計測点についての位置情報は、前記複数の計測点の各々の２次元座標値を含んでいてもよい。その場合、前記点群データは、前記静止物体上の各計測点の前記２次元座標値を含む２次元点群データであり得る。このように、計測データおよび点群データにおける各計測点の位置情報は、３次元座標で表現されてもよいし、２次元座標で表現されてもよい。

　前記記憶装置は、複数のフレームの各々についての前記計測データを記憶してもよい。各フレームについての前記計測データは、前記空間中の複数の計測点についての前記位置情報および前記速度情報を含み得る。本開示において、「フレーム」とは、センサから出力されるひと纏まりのデータを意味する。センサは、例えば、各点の計測時刻、位置情報、および速度情報を含む計測データを、例えば一定のフレームレートで繰り返し出力してもよい。センサは、１フレーム分の計測データに１つの時刻を対応付けて出力してもよいし、計測点ごとに１つの時刻を対応付けて出力してもよい。

　前記計測データにおける前記複数の計測点についての前記速度情報は、異なる計測角度で計測することによって取得された第１速度情報および第２速度情報を含んでいてもよい。前記処理回路は、前記第１速度情報および前記第２速度情報に基づいて、前記静止物体上の計測点を判別してもよい。計測点によっては、センサと平行に移動している場合があり、その場合、ＦＭＣＷ方式のセンサは計測点の速度を計測できない。そのような場合を考慮し、センサは、同一または近くの計測点を異なる計測角度で２回以上計測することによって得られる２つ以上の速度情報を計測データに含めて出力してもよい。これにより、移動物体上の計測点と静止物体上の計測点とをより高い精度で判別することができる。

　前記計測データにおいて、前記速度情報を有する計測点の数は、前記位置情報を有する計測点の数と同一であってもよいし、異なっていてもよい。計測点によっては、位置情報のみが得られ、速度情報がエラーによって得られないことがある。その場合、速度情報を有する計測点の数は、位置情報を有する計測点の数よりも少なくなる。

　上記のように、前記計測データは、ＦＭＣＷを利用したセンサから出力されたセンサデータ、または前記センサデータに基づいて生成されたデータであり得る。ＦＭＣＷを利用することにより、計測点の速度情報を取得できる。このため、処理回路は、当該速度情報に基づいて、静止物体上の計測点と移動物体上の計測点との判別を短時間で実行することができる。

　センサは、例えばＦＭＣＷ方式のＬｉＤＡＲセンサであり得る。その場合、前記複数の計測点についての前記速度情報は、前記複数の計測点の各々の前記センサに対する相対速度の、前記センサと前記計測点とを結ぶ直線に沿った方向の速度成分を示す情報を含み得る。前記処理回路は、前記複数の計測点のうち、前記速度成分の大きさが閾値以下である計測点を前記静止物体上の計測点として判別してもよい。閾値は、例えばゼロ（０）またはゼロに近い正の値に設定され得る。

　あるいは、前記複数の計測点についての前記速度情報は、前記複数の計測点の各々の、前記複数の計測点の各々の前記センサに対する相対速度の、前記センサと前記計測点とを結ぶ直線に沿った方向の速度成分の大きさが閾値よりも大きいか否かを示すフラグを含んでいてもよい。前記処理回路は、前記フラグに基づいて、前記複数の計測点から前記静止物体上の計測点を判別してもよい。

　前記処理回路は、前記センサによってセンシングされる環境の地図データと、前記点群データとを照合することによって前記地図データの更新の要否を判断し、更新が必要な場合に前記点群データに基づいて前記地図データを更新してもよい。これにより、例えばセンサが搭載された移動体が移動しながら、周辺環境の地図データを逐次更新することができる。

　前記処理回路は、前記センサによってセンシングされる環境の地図データを取得し、前記点群データと前記地図データとを照合することによって前記センサの位置および／または向きを推定してもよい。これにより、例えばセンサが搭載された移動体の自己位置推定が可能になり、自律的に移動する移動体を実現することができる。

　前記処理回路は、前記複数の計測点から前記移動物体上の計測点を判別した後、前記センサに、前記移動物体上の計測点を再計測させてもよい。これにより、移動物体に関する情報をより詳細に取得することができるため、例えば、当該移動物を回避する必要があるか等の判断をより効果的に行うことができる。

　本開示の他の実施形態によるシステムは、上記のいずれかに記載のデータ処理装置と、前記計測データ、または前記計測データを生成するためのデータを生成するセンサとを備える。前記センサは、ＦＭＣＷ方式のＬｉＤＡＲセンサまたはレーダーであり得る。

　本開示のさらに他の実施形態によるデータ処理方法は、コンピュータによって実行され、空間中の複数の計測点についての位置情報および速度情報を含む計測データを取得することと、前記速度情報に基づいて、前記複数の計測点から静止物体上の計測点を判別することと、前記判別の結果に基づいて、前記静止物体上の計測点の前記位置情報を含む点群データを生成することとを含む。

　本開示のさらに他の実施形態によるコンピュータプログラムは、コンピュータ読み取り可能な非一時的記憶媒体に格納され、コンピュータに、空間中の複数の計測点についての位置情報および速度情報を含む計測データを取得することと、前記速度情報に基づいて、前記複数の計測点から静止物体上の計測点を判別することと、前記判別の結果に基づいて、前記静止物体上の計測点の前記位置情報を含む点群データを生成することとを実行させる。

　以下、添付の図面を参照しながら、本開示の例示的な実施形態をより詳細に説明する。但し、必要以上に詳細な説明は省略する場合がある。例えば、既によく知られた事項の詳細説明および実質的に同一の構成に対する重複する説明を省略する場合がある。これは、以下の説明が不必要に冗長になることを避け、当業者の理解を容易にするためである。

　なお、発明者らは当業者が本開示を十分に理解するために添付図面および以下の説明を提供するものであって、これらによって、特許請求の範囲に記載の主題を限定することを意図するものではない。

　（実施形態）
　図１は、本開示の例示的な実施形態におけるシステムの構成例を示すブロック図である。このシステムは、センサ２００と、データ処理装置１００とを備える。データ処理装置１００は、記憶装置１２０と、処理回路１３０とを備える。

　センサ２００は、複数の計測点の位置情報および速度情報を取得可能な計測装置である。センサ２００は、例えばＦＭＣＷ技術を利用して測距および速度計測を行うＬｉＤＡＲセンサであり得る。センサ２００は、ＬｉＤＡＲセンサに限らず、レーダなどの他の種類のセンサでもよい。センサ２００は、空間中の複数の計測点についての位置情報および速度情報を含む計測データを生成し、当該計測データを記憶装置１２０に蓄積する。以下の説明では、特に断らない限り、センサ２００がＦＭＣＷ方式のＬｉＤＡＲセンサ（以下、「ＦＭＣＷ－ＬｉＤＡＲ」とも称する。）であるものとする。

　記憶装置１２０は、例えばＳＲＡＭ（Static Random Access Memory）またはＤＲＡＭ（Dynamic Random Access Memory）などの半導体メモリであり得る。記憶装置１２０は、磁気記憶装置または光学記憶装置などの、他の種類の記憶装置でもよい。記憶装置１２０は、センサ２００から出力された計測データを記憶する。記憶装置１２０は、さらに、処理回路１３０によって実行されるコンピュータプログラムを記憶する。

　処理回路１３０は、例えばＣＰＵ（Central Processing Unit）またはＧＰＵ（Graphics Processing Unit）などのプロセッサを含む電子回路である。処理回路１３０は、複数のプロセッサの集合体であってもよい。処理回路１３０は、記憶装置１２０に格納されたコンピュータプログラムを実行することによって動作する。処理回路１３０は、以下の処理を行う。
・データ入力：記憶装置１２０から計測データを取得する。
・静止物体判別：計測データにおける各計測点の速度情報に基づいて、複数の計測点から静止物体上の計測点を判別する。
・点群データ生成：判別した静止物体上の各計測点の位置情報を含む点群データを生成する。
・データ出力：生成した点群データを出力する。

　上記の処理により、例えば移動体の自己位置推定、または地図データ（以下、単に「地図」と称することがある。）の生成もしくは更新に利用される点群データを、従来よりも効率的に短い時間でより正確に生成することができる。速度情報を取得できないセンサを用いて点群データを生成した場合、一時的に通過する移動物体上の計測点の情報が点群データに含まれることになる。その場合、自己位置推定、または地図の生成もしくは更新を正確に行うことができないことが想定される。本実施形態においては、速度情報を取得可能なセンサ２００を用いることにより、この課題が解決される。

　以下、本実施形態におけるシステムの構成および動作をより詳細に説明する。

　［１．センサの構成例］
　図２は、センサ２００の構成例を示すブロック図である。図２において、太い矢印は光の流れを表し、細い矢印は信号またはデータの流れを表す。図２には、距離および速度の計測対象である対象物と、センサ２００に接続される記憶装置１２０も示されている。対象物は、例えば、自動車または二輪車などの移動体であり得る。

　図２に示すセンサ２００は、光源２１０と、干渉光学系２２０と、光検出器２３０と、処理回路２４０と、計時回路２５０とを備える。光源２１０は、処理回路２４０から出力された制御信号に応答して、出射する光の周波数あるいは波長を変化させることができる。干渉光学系２２０は、光源２１０からの出射光を参照光と出力光とに分離し、出力光が対象物によって反射されて生じた反射光と参照光とを干渉させて干渉光を生成する。干渉光は、光検出器２３０に入射する。

　光検出器２３０は、干渉光を受け、干渉光の強度に応じた電気信号を生成して出力する。この電気信号を「検出信号」と呼ぶ。光検出器２３０は、１つ以上の受光素子を備える。受光素子は、例えばフォトダイオードなどの光電変換素子を含む。光検出器２３０は、例えばイメージセンサのような、複数の受光素子が２次元的に配列されたセンサであってもよい。

　処理回路２４０は、光源２１０を制御し、光検出器２３０から出力された検出信号に基づく処理を行う電子回路である。処理回路２４０は、光源２１０を制御する制御回路と、検出信号に基づく信号処理を行う信号処理回路とを含み得る。処理回路２４０は、１つの回路として構成されていてもよいし、分離した複数の回路の集合体であってもよい。処理回路２４０は、光源２１０に制御信号を送出する。制御信号は、光源２１０に出射光の周波数を所定の範囲内で周期的に変化させる。処理回路２４０は、さらに、光検出器２３０から出力された検出信号に基づいて、各計測点までの距離および各計測点の速度を計算する。処理回路２４０は、計時回路２５０から出力された時刻情報と、計算した距離および速度の情報とを関連付けて計測データとして出力する。計時回路２５０は、例えばリアルタイムクロック（ＲＴＣ）などの、時計の機能を備える回路である。

　この例における光源２１０は、駆動回路２１１と、発光素子２１２とを備える。駆動回路２１１は、処理回路２４０から出力される制御信号を受け、制御信号に応じた駆動電流信号を生成して発光素子２１２に入力する。発光素子２１２は、例えば半導体レーザ素子などの、高いコヒーレント性を持つレーザ光を出射する素子であり得る。発光素子２１２は、駆動電流信号に応答して、周波数が変調されたレーザ光を出射する。

　発光素子２１２から出射されるレーザ光の周波数は、一定の周期で変調される。周波数の変調周期は、例えば１マイクロ秒（μｓ）以上１０ミリ秒（ｍｓ）以下であり得る。周波数の変調振幅は、例えば１００ＭＨｚ以上１ＴＨｚ以下であり得る。レーザ光の波長は、例えば７００ｎｍ以上２０００ｎｍ以下の近赤外の波長域に含まれ得る。太陽光において、近赤外光の光量は可視光の光量よりも少ない。このため、レーザ光として近赤外光を使用することにより、太陽光の影響を低減することができる。用途によっては、レーザ光の波長は、４００ｎｍ以上７００ｎｍ以下の可視光の波長域、または紫外光の波長域に含まれていてもよい。

　処理回路２４０から駆動回路２１１に入力される制御信号は、所定の周期および所定の振幅で電圧が変動する信号である。制御信号の電圧は、例えば三角波状またはノコギリ波状に変調され得る。三角波またはノコギリ波のように、電圧が線形的な変化を繰り返す制御信号により、発光素子２１２から出射される光の周波数を線形に近い形態で掃引することができる。

　図２に示す例における干渉光学系２２０は、分岐器２２１、ミラー２２２、およびコリメータ２２３を含む。分岐器２２１は、光源２１０の発光素子２１２から出射されたレーザ光を参照光と出力光とに分け、対象物からの反射光と参照光とを結合させて干渉光を生成する。ミラー２２２は、参照光を反射して分岐器２２１に戻す。コリメータ２２３は、コリメートレンズを含み、出力光を平行に近い広がり角にして対象物に照射する。

　干渉光学系２２０は、図２に示す構成に限定されず、例えばファイバ光学系であってもよい。その場合、分岐器２２１としてファイバカップラが用いられ得る。参照光は必ずしもミラー２２２で反射される必要はなく、例えば光ファイバの引き回しで参照光を分岐器２２１に戻してもよい。

　図３は、干渉光学系２２０がファイバ光学系であるセンサ２００の構成例を示すブロック図である。図３に示す例では、干渉光学系２２０は、第１ファイバスプリッタ２２５と、第２ファイバスプリッタ２２６と、光サーキュレータ２２７とを含む。第１ファイバスプリッタ２２５は、光源２１０から出射されたレーザ光２０を参照光２１と出力光２２とに分離する。第１ファイバスプリッタ２２５は、参照光２１を第２ファイバスプリッタ２２６に入射させ、出力光２２を光サーキュレータ２２７に入射させる。光サーキュレータ２２７は、出力光２２をコリメータ２２３に入射させる。光サーキュレータ２２７はまた、対象物を出力光２２で照射して生じた反射光２３を第２ファイバスプリッタ２２６に入射させる。第２ファイバスプリッタ２２６は、参照光２１と反射光２３との干渉光２４を光検出器２３０に入射させる。コリメータ２２３は、出力光２２のビーム形状を整形し、出力光２２を対象物に向けて出射する。このような構成によっても、図２に示す構成と同様に、対象物の測距および速度計測が可能である。

　センサ２００は、出射光の方向を変化させる光偏向器などのスキャン機構をさらに備えていてもよい。図４は、光偏向器２７０を備えるセンサ２００の一例を示すブロック図である。光偏向器２７０は、例えばＭＥＭＳ（Micro Electro Mechanical System）ミラーまたはガルバノミラーを含み得る。光偏向器２７０は、処理回路２４０からの指令に従ってミラーの角度を変化させることにより、出力光２２の出射方向を変化させることができる。これにより、ビームスキャンによって広範囲の測距を実現することができる。

　図４に示す例では、図３に示す構成に光偏向器２７０が追加されているが、図２に示す構成に光偏向器２７０が追加された構成を採用してもよい。光偏向器２７０は、上記の構成に限定されず、例えば、国際公開第２０１９／２３０７２０号に記載されているような、光フェーズドアレイおよびスローライト導波路を用いたビームスキャンデバイスであってもよい。

　［２．計測データの例］
　次に、本実施形態において使用されるＦＭＣＷ－ＬｉＤＡＲによる測距および速度計測について説明する。ＦＭＣＷ－ＬｉＤＡＲ方式による測距および速度計測は、周波数変調された参照光と反射光との干渉によって生じる干渉光の周波数に基づいて行われる。

　図５Ａは、センサ２００と対象物との距離が一定の場合（例えば、両者が静止している場合）における参照光、反射光、および干渉光の周波数の時間変化の例を示している。ここでは、光源２１０からの出射光の周波数ｆが三角波状に変化し、周波数が増加する期間と周波数が減少する期間における単位時間あたりの周波数の変化率が同一である場合の例を説明する。以下の説明において、周波数が増加する期間を「アップチャープ期間」と呼び、周波数が時間の経過とともに減少する期間を「ダウンチャープ期間」と呼ぶ。図５Ａにおいて、点線は参照光を表し、破線は反射光を表し、太い実線は干渉光を表す。参照光に対して対象物からの反射光は、距離に応じた時間遅れを伴う。このため、反射光の周波数と、参照光の周波数との間には、周波数変調の折り返し時点の直後を除き、距離に応じた一定の差が生じる。干渉光は、参照光と反射光との周波数差に相当する周波数を有する。よって、周波数変調の折り返し時点の直後を除き、アップチャープ期間における干渉光の周波数ｆ_ｕｐとダウンチャープ期間における干渉光の周波数ｆ_ｄｏｗｎは等しい。光検出器２３０は、干渉光の強度を示す検出信号を出力する。当該検出信号はビート信号と呼ばれ、ビート信号の周波数はビート周波数と呼ばれる。ビート周波数は、参照光と反射光の周波数差に等しい。この周波数差は、センサ２００から対象物までの距離に依存する。よって、ビート周波数に基づき、センサ２００から対象物までの距離を算出することができる。

　ここで、光速をｃ、出射光の変調周波数をｆ_ＦＭＣＷ、出射光の周波数変調の幅（すなわち最高周波数と最低周波数との差）をΔｆ、ビート周波数をｆ_ｂ（＝ｆ_ｕｐ＝ｆ_ｄｏｗｎ）、センサ２００から対象物までの距離をｄとする。変調周波数ｆ_ＦＭＣＷは、出射光の周波数変調の周期の逆数である。距離ｄは、以下の式（１）に基づいて計算することができる。
　　　ｄ＝ｃ×ｆ_ｂ／（Δｆ×ｆ_ＦＭＣＷ）×（１／４）　　（１）

　図５Ｂは、センサ２００および対象物の少なくとも一方が移動しており、センサ２００と対象物との相対速度が一定である場合における参照光、反射光、および干渉光の周波数の時間変化の例を示している。図５Ｂの例では、センサ２００に対して対象物が一定の速度で近づいている。参照光と対象物からの反射光との間には、ドップラー効果により、周波数にずれが生じる。対象物が近づく場合、反射光の周波数は、対象物が静止している場合と比較して増加する。反射光の周波数がシフトする量は、センサ２００に対する対象物の相対速度の、センサ２００と計測点とを結ぶ直線に沿った方向の成分の大きさに依存する。この場合のビート周波数はアップチャープ期間とダウンチャープ期間とで異なる。これらのビート周波数の差に基づいて対象物の速度を算出することができる。図５Ｂの例において、ダウンチャープ期間におけるビート周波数ｆ_ｄｏｗｎは、アップチャープ期間におけるビート周波数ｆ_ｕｐよりも高い。反対に、対象物がセンサ２００から遠ざかる場合においては、反射光の周波数は、対象物が静止している場合と比較して減少する。その場合、ダウンチャープ期間におけるビート周波数ｆ_ｄｏｗｎは、アップチャープ期間におけるビート周波数ｆ_ｕｐよりも低くなる。その場合も、これらのビート周波数の差に基づいて対象物の速度を算出することができる。

　ここで、センサ２００に対する対象物の相対速度の、センサ２００と計測点とを結ぶ直線に沿った方向の成分をｖ_ｃ、出射光の波長をλ、ドップラー効果による周波数のシフト量をｆ_ｄとする。周波数のシフト量ｆ_ｄは、ｆ_ｄ＝（ｆ_ｄｏｗｎ－ｆ_ｕｐ）／２で表される。この場合、速度成分ｖ_ｃは、以下の式に基づいて計算することができる。
　　　ｖ_ｃ＝ｆ_ｄλ／２＝（ｆ_ｄｏｗｎ－ｆ_ｕｐ）λ／４　　（２）

　ｖ_ｃが正である場合、対象物がセンサ２００に近付く方向に移動していることを表す。反対に、ｖ_ｃが負である場合、対象物がセンサ２００から遠ざかる方向に移動していることを表す。この例とは反対に、対象物がセンサ２００に近付く方向に移動している場合にｖ_ｃが負、対象物がセンサ２００から遠ざかる方向に移動している場合にｖ_ｃが正になるように速度成分ｖ_ｃを定義してもよい。

　対象物がセンサ２００に対して移動している場合、距離ｄは、以下の式（３）に基づいて計算することができる。
　　　ｄ＝ｃ×（（ｆ_ｕｐ＋ｆ_ｄｏｗｎ）／２）／（Δｆ×ｆ_ＦＭＣＷ）×（１／４）　　（３）

　このように、処理回路２４０は、検出信号に基づく演算により、センサ２００から計測点までの距離と、センサ２００に対する計測点の相対速度の、センサ２００と計測点とを結ぶ直線に沿った方向の成分を求めることができる。

　処理回路２４０は、上記のビート周波数ｆ_ｕｐおよびｆ_ｄｏｗｎを決定するにあたり、例えば以下の処理を行う。処理回路２４０は、光検出器２３０から出力された検出信号に対して高速フーリエ変換を行うことにより、周波数ごとの信号強度を示すパワースペクトルを逐次算出する。処理回路２４０は、アップチャープにおけるパワースペクトルから、予め定められた閾値を超える信号強度を有するピーク周波数を、ビート周波数ｆ_ｕｐとして決定する。同様に、処理回路２４０は、ダウンチャープにおけるパワースペクトルから、閾値を超える信号強度を有するピーク周波数を、ビート周波数ｆ_ｄｏｗｎとして決定する。なお、処理回路２４０は、アップチャープとダウンチャープの少なくとも一方において、予め定められた閾値を超えるピークがない場合、速度を計算せず、エラーとして処理してもよい。

　図６は、センサ２００に対する対象物の相対速度を説明するための図である。図６において、センサ２００の位置を原点（０，０，０）とする極座標系において、対象物における計測点３０の位置が座標（ｒ、θ、φ）で示されている。センサ２００に対する計測点３０の実際の相対速度ベクトルをｖとする。ＦＭＣＷ方式のセンサ２００によって計測される速度は、実際の相対速度ベクトルｖではなく、相対速度ベクトルｖを、センサ２００と計測点３０とを結ぶ直線上に射影した成分ｖ_ｃである。図６に示すような相対速度が保たれている場合、ドップラー効果が発生し、参照光の周波数と反射光の周波数との関係は、図５Ｂに示すような関係となる。参照光の周波数に対して、反射光の周波数は、速度成分ｖ_ｃに応じてシフトする。このため、アップチャープ期間とダウンチャープ期間とで周波数差が発生する。この周波数差に基づいて、センサ２００と計測点３０との間の相対速度成分ｖ_ｃを求めることができる。

　このように、ＦＭＣＷ方式のＬｉＤＡＲにおいて計測される相対速度は、センサ２００と計測点３０とを結ぶ直線上の速度成分である。そのため、計測点３０の移動方向がセンサ２００から見て当該直線に沿った方向とは異なる場合であっても、計測点３０の速度ベクトルのうち、当該直線に沿った方向の成分のみが相対速度として計測される。

　［３．データ処理装置の動作］
　次に、図７を参照しながら、データ処理装置１００の動作をより詳細に説明する。ここでは、処理回路１３０が３次元（３Ｄ）の点群データを生成する場合の例を説明する。処理回路１３０は、３次元の点群データに限らず、例えば２次元（２Ｄ）の点群データを生成してもよい。

　図７は、処理回路１３０が実行する動作の一例を示すフローチャートである。この例において、センサ２００は、自動で移動する移動体に搭載されている。ここでは、移動体が自動運転車であるものとして説明する。移動体は、自動搬送ロボットまたは自律飛行ドローン等の、他の種類の移動体であってもよい。センサ２００は、移動体が移動している間、移動体の周辺環境をセンシングし、複数の計測点についての位置情報および速度情報を含む計測データを逐次生成して記憶装置１２０に蓄積する。処理回路１３０は、図７に示すステップＳ１０１からＳ１０５の動作を繰り返すことにより、移動体の周辺環境の地図を生成または更新する。当該地図は、移動体の自己位置推定または経路計画に利用され得る。以下、各ステップの動作を説明する。

　ステップＳ１０１において、処理回路１３０は、計測データを記憶装置１２０から取得する。計測データは、一定の時間内にセンサ２００によって計測された、空間中の複数の計測点についての距離および速度の情報を含む。センサ２００は、例えば、当該一定の時間内に計測した複数の計測点の位置情報および速度情報を含む計測データを、１フレームの計測データとして生成して出力する動作を繰り返す。処理回路１３０は、例えばフレームごとに計測データを処理する。

　図８Ａは、ステップＳ１０１において取得される計測データの形式の一例を示す図である。この例における計測データは、計測点ごとに、計測時刻、センサ２００に対する計測点の方向、センサ２００から計測点までの距離、および計測点の速度（以下、「計測速度」と称する。）の情報を含む。各計測点の方向は、例えば、センサ２００から計測点への方向を示すベクトル、または仰角（もしくは俯角）および方位角の組み合わせによって表現され得る。センサ２００から計測点までの方向および距離の情報から、センサ２００に対する計測点の相対位置が特定される。この相対位置と、別途計測または推定されるセンサ２００の位置とから、計測点の位置座標を計算することができる。本実施形態においては、各計測点の方向および距離の情報の組み合わせが、その計測点の「位置情報」に該当する。各計測点の計測速度は、センサ２００に対する計測点の相対速度の、センサ２００と当該計測点とを結ぶ直線に沿った方向における成分を示す。本実施形態においては、この計測速度が、計測点の「速度情報」に該当する。

　ここで、図９を参照しながら、計測点の実際の速度と、計測速度との関係を説明する。図９は、センサ２００の移動速度Ｖと、対象物の移動速度ｖと、計測速度ｖ_ｃとの関係の例を示す図である。図９に示す例において、センサ２００の移動速度Ｖと、センサ２００から対象物上の計測点３０に向かって出射されるレーザ光線の方向とのなす角をΘとする。また、対象物の移動速度ｖと、光線の方向とのなす角をθとする。センサ２００によって計測される計測点３０の計測速度ｖ_ｃは、以下の式（４）で表される。
　　　ｖ_ｃ＝ｖ・ｃｏｓθ－Ｖ・ｃｏｓΘ　　（４）

　この例では、センサ２００と計測点３０とが遠ざかっている場合に計測速度ｖ_ｃが正の値をとり、センサ２００と計測点３０とが近付いている場合に計測速度ｖ_ｃが負の値をとる。この例とは反対に、センサ２００と計測点３０とが近付いている場合に計測速度ｖ_ｃが正の値をとり、センサ２００と計測点３０とが遠ざかっている場合に計測速度ｖ_ｃが負の値をとるようにセンサ２００が構成されていてもよい。その場合には、計測速度ｖ_ｃは、以下の式（５）で表される。
　　　ｖ_ｃ＝Ｖ・ｃｏｓΘ－ｖ・ｃｏｓθ　　（５）

　再び図７を参照する。ステップＳ１０２において、処理回路１３０は、センサ２００の位置情報および速度情報を取得する。センサ２００の位置情報および速度情報は、例えば、移動体に搭載されたＥＣＵ（Electronic Control Unit）などの車載コンピュータによって生成され得る。車載コンピュータは、移動体に搭載されたＧＮＳＳ（Global Navigation Satellite System）受信機、ＩＭＵ（Inertial Measurement Unit）、および速度計などの各種の装置から取得したデータに基づいて、移動体およびセンサ２００の位置および速度を計算または推定することができる。センサ２００の位置は、予め作成された地図と計測データに基づく点群データとのマッチングによって推定されてもよい。センサ２００の速度は、速度計またはＩＭＵに含まれる加速度センサもしくはジャイロスコープ等から出力されたデータに基づいて計測され得る。移動体が車両である場合、車軸センサによって計測された車輪の回転速度および車輪の径と、ステアリングの方向の情報とに基づいて、速度を計算してもよい。あるいは、センサ２００などのＦＭＣＷ－ＬｉＤＡＲを用いて地面などの静止物を照射することによって速度を計測してもよい。センサ２００の位置および速度は、記憶装置１２０に逐次記録される。処理回路１３０は、記憶装置１２０から、センサ２００の位置情報および速度情報を取得する。なお、ステップＳ１０２の動作は、ステップＳ１０１よりも前に行われてもよいし、ステップＳ１０１と並行して行われてもよい。

　図８Ｂは、ステップＳ１０２において取得されるセンサ２００の位置情報および速度情報を含むデータの形式の一例を示す図である。この例において、処理回路１３０は、各計測点の計測時刻におけるセンサ２００の位置および速度の情報を記憶装置１２０から取得する。センサ２００の位置情報は、例えば、地球に固定されたグローバル座標系で表現された３次元の位置座標値を含み得る。センサ２００の速度情報は、グローバル座標系で表現された３次元の速度の値を含んでいてもよいし、速度の大きさの値のみを含んでいてもよい。速度情報が速度の大きさの値のみを含む場合、センサ２００の位置情報は、センサ２００の向きの情報も含み得る。言い換えれば、各時刻におけるセンサ２００のポーズ（すなわち、位置および向き）と、速度の大きさとが記録されてもよい。

　ステップＳ１０３において、処理回路１３０は、各計測点の位置座標（３次元）と速度（１次元）とを算出して４次元（４Ｄ）の点群データを生成する。処理回路１３０は、計測データと、センサ２００の位置情報および速度情報とに基づいて、各計測点の３次元位置座標と速度の値とを算出する。

　図８Ｃは、ステップＳ１０３において生成される４次元点群データのデータ形式の一例を示す図である。この例における４次元点群データは、各計測点の、グローバル座標系で表現された３次元の位置座標値と、速度の値とを含む。処理回路１３０は、センサ２００の位置および向きの情報と、計測点の方向および距離の情報とに基づいて、グローバル座標系における各計測点の３次元位置座標値を計算する。処理回路１３０はまた、計測速度から、センサ２００の移動速度による影響を除く演算により、４次元点群データにおける各計測点の速度を計算する。図９に示すように、センサ２００と対象物とが遠ざかっている場合に計測速度ｖ_ｃが正になるようにセンサ２００が構成されている場合、４次元点群データにおける計測点の速度ｖは、以下の式で表される。
　　ｖ＝（ｖ_ｃ＋Ｖ・ｃｏｓΘ）／ｃｏｓθ

　しかしながら、θは未知であるため、処理回路１３０は、ｖ_ｃ＋Ｖ・ｃｏｓΘ（＝ｖ・ｃｏｓθ）を、計測点の速度として計算する。図８Ｃには、一例として、３つ目の計測点の速度のみが０ではない値をもつ例が示されている。なお、上記の式（５）のように、センサ２００と計測点３０とが近付いている場合に計測速度ｖ_ｃが正の値をとるようにセンサ２００が構成されていてもよい。その場合には、処理回路１３０は、例えばｖ_ｃ－Ｖ・ｃｏｓΘ（＝－ｖ・ｃｏｓθ）を、計測点の速度として計算してもよい。

　処理回路１３０は、上記の演算を各計測点について繰り返すことにより、各計測点の３次元座標値に速度の値が加わった４次元点群データを生成する。

　ステップＳ１０４において、処理回路１３０は、４次元点群データから、速度の大きさが０に近い所定の閾値を超える計測点の情報を除外することにより、３次元点群データを生成する。４次元点群データにおいて速度の大きさが閾値を超える計測点は、移動物体上の計測点であると考えられる。このため、処理回路１３０は、そのような計測点の情報を４次元点群データから除外した３次元点群データを生成する。図８Ｄは、３次元点群データの一例を示している。この例では、３番目の計測点のみ、閾値を超える速度の値をもつため、その計測点の情報が除外されて３次元点群データが生成されている。

　ステップＳ１０５において、処理回路１３０は、ステップＳ１０４で生成した３次元点群データに基づいて、移動体の自動走行のための地図を生成または更新する。処理回路１３０は、異なるタイミングで取得された計測データに基づく点群データを部分的にマッチングして繋ぎ合わせることにより、地図を生成または更新することができる。地図の生成または更新には、例えばＳＬＡＭアルゴリズムが用いられ得る。

　以上の動作を繰り返すことにより、処理回路１３０は、移動物体上の計測点の情報を除いた３次元点群データおよび地図データを生成することができる。本実施形態によれば、センサ２００が計測点の速度情報を取得できるため、処理回路１３０は、その速度情報に基づいて、計測点が静止物体上の計測点であるか移動物体上の計測点であるかを素早く判定することができる。これにより、カメラによって取得された時系列画像のフレーム間比較によってオプティカルフローを検出して移動物体を検出する従来技術と比較して、処理に要する時間を短縮することができる。さらに、ＦＭＣＷ－ＬｉＤＡＲをセンサ２００として用いることにより、特徴点抽出などの処理を行うことなく、移動物体と静止物体とを高い精度で判別することができる。結果として、移動体の自己位置推定のために利用される高精度の地図を効率的に生成することができる。

　本実施形態では、光ビームを照射して計測点ごとに距離および速度の情報を取得するセンサ２００が用いられ、時系列で並ぶ複数の計測点のデータをある単位でまとめてフレームとして処理される。このため、処理回路１３０が１点ごとに計測データを記憶装置１２０から取得して処理する場合よりも効率的に計測点のデータを処理することができる。

　［４．データ処理装置の動作の変形例］
　図７の例では、処理回路１３０は、各計測点の３次元位置座標および速度の値を含む４次元点群データを生成し、４次元点群データから、速度の大きさが閾値を超える計測点の情報を除外することにより、３次元点群データを生成する。このような動作に代えて、図１０に示す動作を採用してもよい。

　図１０は、処理回路１３０の動作の変形例を示すフローチャートである。図１０に示すフローチャートは、図７に示すフローチャートにおけるステップＳ１０３およびＳ１０４が、ステップＳ１１３に置き換わったものである。ステップＳ１０１、Ｓ１０２、およびＳ１０５の動作は、図７の例と同じである。

　ステップＳ１１３において、処理回路１３０は、計測速度の大きさがセンサ２００の速度の大きさと同じで、計測速度の向きがセンサ２００の向きと逆である計測点の３次元座標を算出して３次元点群データを生成する。計測速度の大きさがセンサ２００の速度の大きさと同じで、計測速度の向きがセンサ２００の向きと逆である計測点は静止物体上の計測点であると考えられ、それ以外の計測点は移動物体上の計測点であると考えられる。このため、処理回路１３０は、静止物体上の計測点であると考えられる計測点についてのみ３次元座標を算出する。計測点の３次元座標は、当該計測点の方向および距離の情報と、センサ２００の位置および向きの情報とに基づいて算出される。これにより、図７の例と同様に、移動物体上の計測点の情報が除外された３次元点群データ（図８Ｄ参照）を生成することができる。

　本実施形態のように、ＦＭＣＷ－ＬｉＤＡＲを用いた計測では、センサ２００の光出射点と計測点とを結ぶ直線に沿った方向における計測点の速度成分が検出される。このため、当該直線と直交する方向に計測点が移動している場合には、速度を検出することができない。このような場合は相当まれであるが、これを回避するために、センサ２００の位置および向きを変化させて、近傍の点を複数回計測してもよい。計測方向（あるいは計測角度）の異なる複数回の計測により、一回の計測では速度が検出されない計測点についても、確実に速度（あるいは動いているか否か）を検出することができる。

　図１１は、同一または近傍の点を複数回計測する場合の動作の一例を示すフローチャートである。このフローチャートは、図７に示すフローチャートにおけるステップＳ１０３がステップＳ１２３からＳ１２７に置き換わったものである。ステップＳ１０１、Ｓ１０２、Ｓ１０４、Ｓ１０５の動作は、図７における対応するステップの動作と同じである。図１１の例では、空間中の複数の計測点についての計測データの取得が、センサ２００の位置および向きを変更して２回実行される。

　処理回路１３０は、ステップＳ１０１およびＳ１０２の動作の後、センサ２００を移動させる（ステップＳ１２３）。このとき、計測される領域が、１回目に計測された領域と概ね重なるように、センサ２００の位置および向きが変更される。この例では、システムは、センサ２００の位置および向きを変化させるアクチュエータを備える。

　ステップＳ１２４において、処理回路１３０は、ステップＳ１０１で取得した計測データにおける計測点と同一または近い点をセンサ２００に計測させ、計測データを取得する。

　ステップＳ１２５において、処理回路１３０は、各計測点の計測時刻におけるセンサ２００の位置情報および速度情報を取得する。この動作は、ステップＳ１０２の動作と同様である。

　ステップＳ１２６において、処理回路１３０は、ステップＳ１０１およびステップＳ１２４で取得した計測データにおける各計測点の３次元位置座標と速度を算出する。位置座標と速度の算出方法は、図７に示すステップＳ１０３における方法と同じである。

　ステップＳ１２７において、処理回路１３０は、ステップＳ１２６において算出した各計測点の３次元位置座標と速度とに基づいて、４次元点群データを生成する。このとき、実質的に同一の計測点について２つの速度値が得られている場合は、絶対値が大きい速度値がその計測点の速度として処理される。例えば、実質的に同一の点について、２回の計測の一方では速度の絶対値がほぼゼロで、他方の計測では速度の絶対値がゼロよりも大きい場合、処理回路１３０は、後者の速度をその計測点の速度として４次元点群データを生成する。

　このような動作により、１回の計測では速度がゼロとして誤って計測される計測点についても、確実に速度情報を取得することができる。なお、センサ２００を移動して行われる計測の回数は２回に限らず、３回以上であってもよい。また、ステップＳ１２６、Ｓ１２７、Ｓ１０４の動作の代わりに、図１０に示すステップＳ１１３と同様の動作を行ってもよい。その場合、処理回路１３０は、複数回の計測のいずれにおいても、計測速度の大きさがセンサ２００の速度の大きさと同じで向きが逆である計測点のみを静止物体上の計測点として、３次元点群データを生成する。

　図１１の例では、ステップＳ１０１およびステップＳ１２４のそれぞれにおいて、複数の計測点の計測が連続的に行われるが、各ステップにおいて、１つの計測点の計測のみが行われてもよい。その場合、ステップＳ１０１からＳ１２５の動作が、センサ２００を移動させながら、所定の計測点の数だけ繰り返され得る。

　センサ２００を移動させる代わりに、異なる位置に配置された複数のセンサ２００を用いて同様の機能を実現してもよい。その場合、処理回路１３０は、複数のセンサ２００によって異なる計測角度で取得された計測データに基づいて上記と同様の処理を行うことにより、移動物体上の計測点の情報を除いた３次元点群データを生成することができる。

　以上の各例では、処理回路１３０は、速度の大きさが閾値を超える計測点（以下、「速度検出点」と呼ぶ。）の位置情報を除外した３次元点群データを生成する。このような動作に代えて、速度検出点の位置情報を除外せずに、速度検出点であることを示すフラグの情報を含む点群データを生成してもよい。

　図１２Ａは、速度検出点であることを示すフラグの情報を含む点群データの形式の一例を示している。このようにフラグを付すことで、図１１の例のように同一の点を複数回計測する場合に再計測をしやすくしたり、後述する地図更新処理において重点的に計測する点をわかりやすくしたりすることができる。なお、この例では移動物体上の計測点にフラグが付されるが、反対に、静止物体上の計測点にフラグが付されてもよい。

　同様のフラグは、計測データに含まれていてもよい。例えば、図１２Ｂに示すように、センサ２００から出力される計測データが、計測速度の大きさが閾値（例えばゼロまたはゼロに近い正の所定値）よりも大きいか否かを示すフラグを含んでいてもよい。図１２Ｂの例では、移動物体上の計測点にフラグが付されるが、反対に、静止物体上の計測点にフラグが付されてもよい。このようなフラグを速度情報に含めるか否かは、センサ２００の処理回路２４０が、計測速度の大きさに基づいて決定する。処理回路２４０は、計測データに計測速度の情報を含めずに、フラグの情報のみを速度情報として含めてもよい。その場合でも、データ処理装置１００における処理回路１３０は、フラグに基づいて、複数の計測点から静止物体上の計測点と移動物体上の計測点とを判別することができる。

　［５．自動運転車両］
　次に、前述のデータ処理方法を利用して自己位置推定を行いながら走行する自動運転車両の実施形態を説明する。

　図１３は、自動運転車両３００の構成例を示すブロック図である。図１３には、車両３００の外部の要素である地図配信サーバ５００も示されている。車両３００は、第１記憶装置３１０と、第２記憶装置３２０と、処理回路３３０と、通信装置３４０と、ＬｉＤＡＲセンサ３５０と、慣性計測ユニット（ＩＭＵ）３６０と、ＧＮＳＳ受信機３７０と、制御回路３８０と、駆動装置３９０とを備える。サーバ５００は、記憶装置５２０と、処理装置５３０と、通信装置５４０とを備える。

　図１３の例において、第１記憶装置３１０、第２記憶装置３２０、および処理回路３３０は、図１に示すデータ処理装置１００と同様の役割を果たす。第１記憶装置３１０は、処理回路３３０によって生成された点群データを記憶する。第２記憶装置３２０は、車両３００の周辺の環境の地図を記憶する。第１記憶装置３１０および第２記憶装置３２０は、１つの記憶装置として統合されていてもよい。処理回路３３０は、図１に示す処理回路１３０と同様の機能を備える。ＬｉＤＡＲセンサ３５０は、図１に示すセンサ２００と同様の機能を備える。通信装置３４０は、例えばインターネットまたは携帯電話網などのネットワークを介してサーバ５００と通信する装置である。ＩＭＵ３６０は、加速度センサ、ジャイロスコープ、および地磁気センサなどの各種のセンサを含む装置である。ＩＭＵ３６０は、車両３００の加速度、速度、変位、および姿勢などの諸量を計測する。ＧＮＳＳ受信機３７０は、ＧＰＳ（Global Positioning System）、ＱＺＳＳ（Quasi-Zenith Satellite System）、ＧＬＯＮＡＳＳ、Ｇａｌｉｌｅｏ、またはＢｅｉＤｏｕなどの衛星測位システムにおける複数の衛星からの信号を受信し、当該信号に基づいて車両３００の位置を計算する。駆動装置３９０は、例えばエンジン、トランスミッション、およびパワーステアリングなどの、車両３００の走行に必要な各種の装置を含む。制御回路３８０は、駆動装置３９０を制御することにより、車両３００の走行およびステアリングなどの動作を制御する。処理回路３３０および制御回路３８０は、例えば電子制御ユニット（ＥＣＵ）などの車載コンピュータに含まれ得る。

　サーバ５００における記憶装置５２０は、車両３００に配信する地図を記憶する。処理装置５３０は、通信装置５４０を介して車両３００に地図を配信したり、車両３００から取得した情報に基づいて地図を更新したりするプロセッサである。通信装置５４０は、車両３００と通信を行う装置である。なお、サーバ５００は、図示されている車両３００に限らず、複数の自動運転車両に地図を配信してもよい。

　図１４は、処理回路３３０によって実行される動作の例を示すフローチャートである。処理回路３３０は、図１４に示すステップＳ２０１からＳ２１３の動作を実行する。以下、各ステップの動作を説明する。

　ステップＳ２０１において、処理回路３３０は、ユーザまたは他の装置から自動運転の停止指示が出されたか否かを判定する。停止指示が出されている場合、ステップＳ２１２に進む。停止指示が出されていない場合、ステップＳ２０２に進む。

　ステップＳ２０２において、処理回路３３０は、ＧＮＳＳ受信機３７０から、車両３００の位置情報を取得する。処理回路３３０は、ＧＮＳＳ受信機３７０から出力された位置情報に加えて、ＩＭＵ３６０から出力された信号に基づいて、位置情報を補正してもよい。

　ステップＳ２０３において、処理回路３３０は、車両３００の位置を含む領域の地図をサーバ５００から取得する。

　ステップＳ２０４において、処理回路３３０は、ＬｉＤＡＲセンサ３５０から出力された各計測点の距離および速度の情報を含む計測データを取得する。

　ステップＳ２０５において、処理回路３３０は、ＩＭＵ３６０から出力された信号に基づいて、車両３００の速度および姿勢を算出する。車両３００の速度は、速度計などの他のセンサから取得してもよい。

　ステップＳ２０６において、処理回路３３０は、点群データを生成する。処理回路３３０は、ステップＳ２０４で取得した各計測点の距離および速度の情報と、ステップＳ２０５で取得した車両３００の速度および姿勢の情報とに基づいて点群データを生成する。処理回路３３０は、例えば図７または図１０を参照して説明した方法で３次元の点群データを生成する。ここで生成される点群データは、例えば、図８Ｄに示すような、移動物体上の計測点の情報を除く３次元の点群データ、または、図１２Ａに示すような、移動物体上の計測点と静止物体上の計測点とを区別可能なフラグなどの情報を含む３次元の点群データであり得る。

　ステップＳ２０７において、処理回路３３０は、ステップＳ２０６で生成した点群データと、ステップＳ２０３で取得した地図データとをマッチングすることにより、自己位置推定を行う。これにより、処理回路３３０は、車両３００の精密な位置および姿勢（すなわちポーズ）を決定することができる。ステップＳ２０７の動作の詳細については後述する。

　ステップＳ２０８において、処理回路３３０は、生成した点群データを記憶装置３１０に記録する。

　ステップＳ２０９において、処理回路３３０は、点群データに基づいて障害物を認識する。例えば、パターンマッチングまたは機械学習などの方法で、点群データから、車両３００の走行の障害となり得る障害物を認識する。

　ステップＳ２１０において、処理回路３３０は、自己位置推定の結果、および障害物認識の結果に基づいて、車両３００の進路を決定し、車両３００の動作を決定する。例えば、障害物が認識された場合、処理回路３３０は、その障害物を回避可能な経路を決定し、その経路に沿って車両３００を走行させるためのパラメータ（例えば、速度および操舵角など）を決定する。

　ステップＳ２１１において、処理回路３３０は、決定したパラメータの情報を制御回路３８０に送り、制御回路３８０に動作指示を行う。制御回路３８０は、動作指示に従って、駆動装置３９０を制御して、車両３００に所望の動作を実行させる。ステップＳ２１１の後、ステップＳ２０１に戻る。

　処理回路３３０は、ステップＳ２０１において自動運転の停止指示を受けるまで、ステップＳ２０１からＳ２１１の動作を繰り返す。停止指示を受けた場合、ステップＳ２１２に進む。

　ステップＳ２１２において、処理回路３３０は、停止指示を受けるまでに生成した点群データに基づいて更新した地図をサーバ５００に送信するか否かを判断する。処理回路３３０は、例えば、車両３００の周辺の環境に変化があり、サーバ５００から取得した地図を修正する必要がある場合に、地図を送信すると判断してもよい。あるいは、処理回路３３０は、サーバ５００または他の装置から地図の送信要求を受けた場合に、更新した地図を送信すると判断してもよい。処理回路３３０は、地図を送信すると判断した場合、ステップＳ２１３に進み、地図を送信しないと判断した場合、動作を終了する。

　ステップＳ２１３において、処理回路３３０は、停止指示を受けるまでに生成した点群データに基づいて更新した地図をサーバ５００に送信し、動作を終了する。

　ここで、ステップＳ２０７における自己位置推定の処理をより詳細に説明する。

　図１５は、ステップＳ２０７における自己位置推定の処理の例を示すフローチャートである。ステップＳ２０７は、図１５に示すステップＳ２２１からＳ２２５の動作を含む。

　ステップＳ２２１において、処理回路３３０は、前回自己位置推定されたときに決定された車両３００の位置と、今回までの移動における車両３００の速度、方向、および移動距離とから推定される概略の自己位置を決定する。

　ステップＳ２２２において、処理回路３３０は、ステップＳ２０３で取得した地図の中から、概略の自己位置を含む比較的狭い範囲の部分を抽出する。

　ステップＳ２２３において、処理回路３３０は、抽出した地図の部分から、ステップＳ２０６で生成した点群データと照合すべき範囲を決定する。例えば、処理回路３３０は、点群データが示す点群の分布に対応すると推定される地図の範囲を決定する。なお、ステップＳ２２２で十分に狭い範囲の地図の部分が抽出されている場合は、ステップＳ２２３の処理を省略してもよい。

　ステップＳ２２４において、処理回路３３０は、点群データを座標変換して、点群と地図とのマッチングを行う。ここで、点群データが、図１２Ａに示す例のように、移動物体における計測点の情報を含んでいる場合、処理回路３３０は、移動物体における計測点の情報を除外した上でマッチングを行う。処理回路３３０は、例えば、点群データにおける計測点と地図内の点との距離の総和が最小になるように、点群データの座標変換を行う。マッチングのアルゴリズムは特定のものに限定されず、例えばＩＣＰ（Iterative Closest Point）またはＮＤＴ（Normal Distribution Transform）などの任意のマッチングアルゴリズムが用いられ得る。

　ステップＳ２２５において、処理回路３３０は、座標変換の結果に基づき、車両３００の現在の自己位置を決定する。処理回路３３０は、座標変換の結果に基づき、ステップＳ２２１で推定した概略の自己位置を修正することにより、現在の車両３００の位置および姿勢を自己位置として決定する。

　上記の動作によれば、ステップＳ２０６において、移動物体上の計測点の情報を含まない点群データ、または静止物体上の計測点と移動物体上の計測点とを区別することが可能な点群データが生成される。これにより、ステップＳ２０７において、移動物体上の計測点の情報を除く点群データを用いて地図データとのマッチングを行うことができる。移動物体上の計測点が除去されることで、比較を容易かつ正確に行うことができ、自己位置推定の精度を大幅に向上させることが可能である。

　［６．ロボット掃除機］
　次に、前述のデータ処理方法を利用して自己位置推定を行いながら移動するロボット掃除機の実施形態を説明する。

　図１６は、ロボット掃除機４００の構成例を示すブロック図である。このロボット掃除機４００は、ＬｉＤＡＲセンサ４５０と、ＩＭＵ４６０と、記憶装置４２０と、処理回路４３０と、制御回路４８０と、駆動装置４９０とを備える。これらの構成要素の機能は、図１３に示す自動運転車両３００における対応する構成要素の機能と同様である。記憶装置４２０および処理回路４３０は、図１に示すデータ処理装置１００と同様の役割を果たす。

　ロボット掃除機４００は、地図の作成または更新と、自己位置推定とを同時に行いながら自動で走行する。ロボット掃除機４００は、主に家庭で使用される。図１３に示す自動運転車両３００とは異なり、ロボット掃除機４００は、事前に作成された地図を有しない。このため、ロボット掃除機４００は、自ら地図を作成し、その地図を更新しながら動作する。

　図１７は、ロボット掃除機４００における処理回路４３０によって実行される動作の例を示すフローチャートである。図１４に示す動作との主な相違点は、ロボット掃除機４００は、自身の速度および姿勢と、ＬｉＤＡＲセンサ４５０で取得した各計測点の距離および速度の情報とに基づいて地図を自ら作成し、その地図を更新しながら自己位置推定を行って動作する点である。処理回路４３０は、図１７に示すステップＳ３０１からＳ３０９の動作を実行する。以下、各ステップの動作を説明する。図１４における対応するステップの動作と重複する点についての詳細な説明は省略する。

　ステップＳ３０１において、処理回路４３０は、掃除を終了するか否かを判断する。例えば、掃除対象の領域の全体にわたる掃除が完了した場合、またはユーザまたは外部の装置から停止指示を受けた場合、処理回路４３０は、掃除を終了する。掃除動作を継続する場合、ステップＳ３０２に進む。

　ステップＳ３０２において、処理回路４３０は、ＬｉＤＡＲセンサ４５０から出力された各計測点の距離および速度の情報を含む計測データを取得する。

　ステップＳ３０３において、処理回路４３０は、ＩＭＵ４６０から出力された信号に基づいて、ロボット掃除機４００の速度および姿勢を算出する。

　ステップＳ３０４において、処理回路４３０は、点群データを生成する。処理回路４３０は、ステップＳ４０２で取得した各計測点の距離および速度の情報と、ステップＳ３０３で取得した自身の速度および姿勢の情報とに基づいて点群データを生成する。処理回路４３０は、例えば図７または図１０を参照して説明した方法で点群データを生成することができる。なお、処理回路４３０は、３次元ではなく２次元の点群データを生成してもよい。ここで生成される点群データは、移動物体上の計測点の情報を除く点群データ、または、移動物体上の計測点と静止物体上の計測点とを区別可能なフラグなどの情報を含む点群データであり得る。

　ステップＳ３０５において、処理回路４３０は、既に生成された地図があるか否かを判定する。地図がある場合、ステップＳ３０６に進み、地図がない場合、ステップＳ３０７に進む。

　ステップＳ３０６において、処理回路４３０は、点群データと地図とをマッチングによって自己位置推定を行い、地図を更新する。ステップＳ３０６の動作の詳細については後述する。

　ステップＳ３０７において、処理回路４３０は、地図生成の動作を実行する。ステップＳ３０７の動作の詳細については後述する。

　ステップＳ３０８において、処理回路４３０は、自己位置推定の結果および地図に基づいて、ロボット掃除機４００の動作を決定する。例えば、処理回路４３０は、地図に示された壁または障害物等に衝突しない経路を決定し、その経路に沿ってロボット掃除機４００を走行させるためのパラメータ（例えば、各モータの回転速度等）を決定する。

　ステップＳ３０９において、処理回路４３０は、決定したパラメータの情報を制御回路４８０に送り、制御回路４８０に動作指示を行う。制御回路４８０は、動作指示に従って、駆動装置４９０を制御して、ロボット掃除機４００に掃除動作を実行させる。ステップＳ３０９の後、ステップＳ３０１に戻る。

　処理回路４３０は、ステップＳ３０１において掃除を終了すると判断するまでステップＳ３０１からＳ３０９の動作を繰り返す。

　次に、図１８および図１９を参照しながら、ステップＳ３０６およびＳ３０７の動作をより詳細に説明する。

　図１８は、ステップＳ３０６の動作の詳細を示すフローチャートである。ステップＳ３０６は、図１８に示すステップＳ３２１からＳ３２５の動作を含む。

　ステップＳ３２１において、処理回路４３０は、前回自己位置推定されたときに決定されたロボット掃除機４００の位置と、今回までの移動におけるロボット掃除機４００の速度、方向、および移動距離とから推定される概略の自己位置を決定する。

　ステップＳ３２２において、処理回路４３０は、地図から、ステップＳ３０４で生成した点群データと照合すべき範囲を決定する。例えば、処理回路４３０は、点群データが示す点群の分布に対応すると推定される地図の範囲を決定する。

　ステップＳ３２３において、処理回路４３０は、点群データを座標変換して、点群と地図とのマッチングを行う。この動作は、図１５におけるステップＳ２２４の動作と同様である。

　ステップＳ３２４において、処理回路４３０は、座標変換の結果に基づき、ロボット掃除機４００の現在の自己位置を決定する。この動作は、図１５におけるステップＳ２２５の動作と同様である。

　ステップＳ３２５において、処理回路４３０は、点群データを既成の地図に書き込むことにより、地図を更新する。具体的には、処理回路４３０は、点群データから、既存の地図上の点と座標が一致しない点を抽出し、それらの点のデータを既存の地図に書き込む。この際、既存の地図には存在するが、点群データには含まれていない点のデータが存在する場合、その点のデータを除外してもよい。以上の動作により、地図が更新される。

　図１９は、ステップＳ３０７の動作の詳細を示すフローチャートである。このフローチャートは、図１８に示すフローチャートからステップＳ３２２およびＳ３２４を除き、ステップＳ３２５をステップＳ３２６に置換したものである。ステップＳ３２１、Ｓ３２３の動作は、図１８に示す対応するステップの動作と同様である。ステップＳ３２６において、処理回路４３０は、座標変換した点群データをそのまま地図データとして記憶装置４２０に記録する。

　以上の動作により、ロボット掃除機４００は、地図を更新しながら、自動で移動および掃除を行うことができる。本実施形態では、移動物体の計測点の情報が点群データから除去された上で、点群データと地図との比較が行われるため、自己位置推定および地図の更新を容易かつ正確に行うことができる。

　本実施形態において、処理回路４３０は、移動物体上の計測点の情報が除外された点群データに基づいて地図データを生成するが、移動物体上の計測点の情報を地図データに含めてもよい。例えば、図１２Ａに示す点群データと同様に、処理回路４３０は、各計測点が移動物体上の点であるか静止物体上の点であるかを判別可能なフラグを付した地図データを生成してもよい。そのような地図データを生成することにより、次回の計測時に、フラグ情報に基づいて、移動物体上の計測点であると判別された計測点を重点的に計測するといった動作が可能になる。

　図２０は、移動物体上の計測点を重点的に計測する動作の一例を示すフローチャートである。このフローチャートは、図１７におけるステップＳ３０２の詳細な動作の例を示している。この例におけるステップＳ３０２は、ステップＳ３３１からＳ３３５を含む。

　ステップＳ３３１において、処理回路４３０は、前回作成した既成の地図を記憶装置４２０から取得する。この例における地図は、前回の計測時に速度が閾値よりも大きい計測点が存在する場合には、その計測点が移動物体上にあることを示すフラグの情報を含む。

　ステップＳ３３２において、処理回路４３０は、地図における点の中に、フラグをもつ点が含まれているかを判断する。フラグをもつ点が含まれている場合にはステップＳ３３３に進み、フラグをもつ点が含まれていない場合にはステップＳ３３４に進む。

　ステップＳ３３３において、処理回路４３０は、フラグ付きの計測点の近傍の領域を重点的に計測するようにセンサ４５０に指示する。例えば、フラグ付きの計測点を２回以上計測したり、フラグ付きの計測点の近傍を通常よりも高い空間密度で計測するようにセンサ４５０に指示する。なお、フラグが付されていない計測点については、通常の計測が行われる。

　ステップＳ３３４において、処理回路４３０は、通常の計測を行う。通常の計測は、例えば、予め設定された時間間隔で、計測対象の領域を所定の角度ごとにレーザビームで走査して行う計測であり得る。

　ステップＳ３３５において、処理回路４３０は、センサ４５０によって生成された計測データを取得する。

　以上のような動作により、移動物体であると推定される領域の計測データが時間的または空間的に高い密度で取得される。これにより、既成の地図上で移動物体が存在するために未確定であった方向の点の情報を補うことができ、より正確な地図を生成することができる。

　図２０に示す動作は、ロボット掃除機４００に限らず、前述の自動運転車両３００に適用されてもよい。例えば、図１４におけるステップＳ２０３およびＳ２０４に代えて、図２０に示す動作が実行されてもよい。その場合、ステップＳ３３１において、処理回路３３０は、サーバ５００から既成の地図を取得するか、以前の計測時に取得した地図および点群データに基づいて生成した地図を取得する。ここで取得される地図は、以前の計測で移動物体上の点として判別されフラグが付与された計測点の情報を含み得る。フラグが付与された計測点を重点的に計測することにより、移動物体の存在によって未計測であった点の情報を補うことができる。

　以上の各実施形態は例示であり、本開示は、上記の実施形態に限定されない。例えば、上記の実施形態における種々の特徴を部分的に組み合わせて新たな実施形態を構成してもよい。

　以上の実施形態では、自律的に移動する移動体にデータ処理装置が搭載されるが、本開示はそのような形態に限定されない。データ処理装置は、例えば道路の付近に配置された電柱などの固定物に搭載されていてもよい。また、データ処理装置は、ＬｉＤＡＲまたはレーダなどのセンサを備える移動体と通信するサーバなどのコンピュータであってもよい。その場合、データ処理装置は、移動体のセンサが生成した計測データをネットワークを介して受信し、当該計測データに基づいて、静止物体の計測点と移動物体上の計測点とを判別し、判別結果を反映した点群データおよび地図データを生成することができる。

　以上の実施形態におけるデータ処理装置は、センサが生成した計測データをリアルタイムで処理して点群データおよび地図データを生成する。そのような形態に限らず、データ処理装置は、センサが記憶装置に蓄積した計測データを事後的に取得して点群データおよび地図データを生成してもよい。

　本開示の技術は、例えば、自律的に移動する移動体の自己位置推定、または道路のインフラ点検などの、精密な地図の作成または更新が求められる用途への応用が可能である。

　１００　データ処理装置
　１２０　記憶装置
　１３０　処理回路
　２００　センサ
　２１０　光源
　２１１　駆動回路
　２１２　発光素子
　２２０　干渉光学系
　２２１　分岐器
　２２２　ミラー
　２２３　コリメータ
　２３０　光検出器
　２４０　処理回路
　２５０　計時回路
　３００　自動運転車両
　３１０、３２０　記憶装置
　３３０　処理回路
　３４０　通信装置
　３５０　ＬｉＤＡＲセンサ
　３６０　ＩＭＵ
　３７０　ＧＮＳＳ受信機
　３８０　制御回路
　３９０　駆動装置
　４２０　記憶装置
　４３０　処理回路
　４５０　ＬｉＤＡＲセンサ
　４６０　ＩＭＵ
　４８０　制御回路
　４９０　駆動装置
　４００　ロボット掃除機
　４２０　記憶装置
　４３０　処理回路
　４５０　ＬｉＤＡＲセンサ
　４６０　ＩＭＵ
　４８０　制御回路
　４９０　駆動装置
　５００　地図配信サーバ
　５２０　記憶装置
　５３０　処理装置
　５４０　通信装置

Claims

　空間中の複数の計測点についての位置情報および速度情報を含む計測データを記憶する記憶装置と、
　処理回路と、
　を備え、
　前記処理回路は、
　前記記憶装置から前記計測データを取得し、
　前記速度情報に基づいて、前記複数の計測点から静止物体上の計測点を判別し、
　前記判別の結果に基づいて、前記静止物体上の計測点の前記位置情報を含む点群データを生成する、
　データ処理装置。
　前記記憶装置は、複数のフレームの各々についての前記計測データを記憶し、
　各フレームについての前記計測データは、前記空間中の複数の計測点についての前記位置情報および前記速度情報を含む、
　請求項１に記載のデータ処理装置。
　前記計測データにおける前記複数の計測点についての前記速度情報は、異なる計測角度で計測することによって取得された第１速度情報および第２速度情報を含み、
　前記処理回路は、前記第１速度情報および前記第２速度情報に基づいて、前記静止物体上の計測点を判別する、
　請求項１または２に記載のデータ処理装置。
　前記処理回路は、前記計測データから、判別した前記静止物体上の計測点以外の計測点に関する情報を除外することにより、前記点群データを生成する、請求項１から３のいずれかに記載のデータ処理装置。
　前記処理回路は、前記計測データにおける前記複数の計測点のうち、判別した前記静止物体上の計測点に、静止物体であることを示すフラグを付与する処理、または、前記計測データにおける前記複数の計測点のうち、判別した前記静止物体上の計測点を除く計測点に、移動物体であることを示すフラグを付与する処理により、前記点群データを生成する、請求項１から３のいずれかに記載のデータ処理装置。
　前記複数の計測点についての前記位置情報は、前記複数の計測点の各々の３次元座標値を含み、
　前記点群データは、前記静止物体上の各計測点の前記３次元座標値を含む３次元点群データである、
　請求項１から５のいずれかに記載のデータ処理装置。
　前記計測データにおいて、前記速度情報を有する計測点の数は、前記位置情報を有する計測点の数と同一である、請求項１から６のいずれかに記載のデータ処理装置。
　前記計測データは、ＦＭＣＷ（Frequency Modulated Continuous Wave）を利用したセンサから出力されたセンサデータ、または前記センサデータに基づいて生成されたデータである、請求項１から７のいずれかに記載のデータ処理装置。
　前記複数の計測点についての前記速度情報は、前記複数の計測点の各々の前記センサに対する相対速度の、前記センサと前記計測点とを結ぶ直線に沿った方向の速度成分を示す情報を含み、
　前記処理回路は、前記複数の計測点のうち、前記速度成分の大きさが閾値以下である計測点を前記静止物体上の計測点として判別する、
　請求項８に記載のデータ処理装置。
　前記複数の計測点についての前記速度情報は、前記複数の計測点の各々の前記センサに対する相対速度の、前記センサと前記計測点とを結ぶ直線に沿った方向の速度成分の大きさが閾値よりも大きいか否かを示すフラグを含み、
　前記処理回路は、前記フラグに基づいて、前記複数の計測点から前記静止物体上の計測点を判別する、
　請求項８に記載のデータ処理装置。
　前記処理回路は、
　前記センサによってセンシングされる環境の地図データと、前記点群データとを照合することによって前記地図データの更新の要否を判断し、
　更新が必要な場合に前記点群データに基づいて前記地図データを更新する、
請求項８から１０のいずれかに記載のデータ処理装置。
　前記処理回路は、
　前記センサによってセンシングされる環境の地図データを取得し、
　前記点群データと前記地図データとを照合することによって前記センサの位置および／または向きを推定する、
　請求項８から１１のいずれかに記載のデータ処理装置。
　前記処理回路は、
　前記複数の計測点から前記移動物体上の計測点を判別した後、前記センサに、前記移動物体上の計測点を計測させる、
　請求項８から１２のいずれかに記載のデータ処理装置。
　請求項１から１３のいずれかに記載のデータ処理装置と、
　前記計測データ、または前記計測データを生成するためのデータを生成するセンサと、を備えるシステム。
　前記センサは、ＦＭＣＷ方式のＬｉＤＡＲセンサである、請求項１４に記載のシステム。
　前記センサは、レーダである、請求項１４に記載のシステム。
　コンピュータによって実行されるデータ処理方法であって、
　空間中の複数の計測点についての位置情報および速度情報を含む計測データを取得することと、
　前記速度情報に基づいて、前記複数の計測点から静止物体上の計測点を判別することと、
　前記判別の結果に基づいて、前記静止物体上の計測点の前記位置情報を含む点群データを生成することと、
　を含むデータ処理方法。
　コンピュータに、
　空間中の複数の計測点についての位置情報および速度情報を含む計測データを取得することと、
　前記速度情報に基づいて、前記複数の計測点から静止物体上の計測点を判別することと、
　前記判別の結果に基づいて、前記静止物体上の計測点の前記位置情報を含む点群データを生成することと、
　を実行させるコンピュータプログラム。