研究内容
Universal Map: クラウド型位置推定インフラストラクチャシステム
あらゆる人工物の位置を把握し、不確実性を減少させ、人と人工知能システムが共生する空間を創出します。
位置推定演算の高精度・高効率化
現時点で100 m^2 の大きさの空間内で撮影された1枚の写真の撮影位置を精度 0.17 m で推定します。演算時間はおよそ 0.7 秒です。さらなる高精度・高効率化に向けて演算アルゴリズムの改良を行っています。
小型クライアントモジュール
最小構成としてカメラと通信機能のみを持つ小型モジュールを開発し、あらゆる人工物にモジュールを埋め込むことを目指しています。また、センサを複数にした場合の精度と負荷のトレードオフ関係の検証、全天球ビジョンセンサを用いたクライアント開発を行っています。
環境マップの自律更新システム
構造物の床や壁などの時不変の特徴と掲示物などの時間経過によって変化しうる視覚特徴の両方が混在したハイブリッドマップを構築しました。次の目標として、 SfM(Structure from Motion)によって得られる3D点群データをCADマップと統合し、よりリッチなハイブリッドマップの構築を目指しています。
事前マップ要求精度の検証
どんなに精巧な3D CADモデルを構築しても、実在する建造物との "ずれ" が必ず存在します。事前マップの元となるCADモデルと実在建造物の "ずれ" が位置推定精度にどのように影響するかを実験的に検証します。建築学科柴田研究室との共同研究です。
システム評価用の真値データセットの作成
提案するシステムを評価するためには、真値(正しいセンシング座標)と紐づいたセンシングデータが大量に必要です。カメラより精度よく位置推定を行えるLiDAR(レーザ測域センサ)を真値として、効率よく真値データセットを作成する手法を開発しています。カメラとLiDARによる異種センサ位置合わせが重要な技術となります。
SLAM技術との統合による次世代屋内位置推定技術の確立
ORB-SLAM2によって自己位置推定を行う移動ロボットに、外部信号としてUMapによる矯正データを送りSLAMによって発生した累積誤差を取り除くことを目指しています。
異種・複数移動ロボットの協調制御
俊敏移動ロボット
プロジェクトスタートに向けて準備を進めています。
タスクアロケーション
プロジェクトスタートに向けて準備を進めています。