【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、とくに地球外の天体において、環境をセンシングしながら自律走行する移動ロボットに用いられるグローバル地図構築方法に関するものである。

【０００２】

【従来の技術】一般に、この種の移動ロボットは、外界センサにより限られた領域をセンシングして三次元のローカル地図を取得し、ローカル地図に基づいて障害物などの走行不能領域を回避しながら目標へ向う経路を計画し、計画経路に沿って移動するように走行駆動系を制御する。 また、この種の移動ロボットでは、目標の変更などにより、かつて走行した領域の情報も利用する。 そこで、走行しながら環境のセンシングを間欠的に行い、順次取得したローカル地図を用いて広域の地図すなわちグローバル地図を構築する。 このグローバル地図により厳密な経路計画などが可能になる。 このような移動ロボットにおいて、グローバル地図を構築するには、順次取得されるローカル地図をマップマッチングによって合成する方法があった。

【０００３】なお、この種の移動ロボットでは、例えば、絶対的な位置の計測手段によって自己位置や方位を正確に判断することも可能ではあるが、地球外の天体といった特異な環境で走行させることや、消費エネルギーの節約が望ましいことなどを考慮すると、絶対位置の計測手段を常時使用することが不可欠であるとは言い難いため、計測手段の使用を制限し、所定の範囲においてはある程度の位置や方向の誤差を容認して走行させることが考えられている。 このような状況下では、順次取得したローカル地図をマップマッチングで正確に合成することにより、位置や方位の誤差を修正しつつグローバル地図を構築することが可能である。

【０００４】

【発明が解決しようとする課題】しかしながら、マップマッチングを用いた従来のグローバル地図構築方法にあっては、計算負荷が非常に大きく、しかも、屋外自然地形における走行不能領域は形状が複雑であるために計算負荷はさらに大きなものとなり、移動距離の増大とともに記憶データ量も膨大なものとなる。 このため、移動ロボットのオンボードコンピュータ（一般的に非力）では、移動時間の間に処理しきれなかったり、長距離を移動するとシステムのリソース不足が生じたりする恐れがあると共に、必要な情報を検索する際の計算負荷も高くなるという問題があり、このような問題を解決することが課題であった。

【０００５】

【発明の目的】本発明は、上記従来の課題に着目して成されたもので、移動ロボットの自己位置や方位の誤差、
あるいはセンシング誤差等の各種誤差を許容したグローバル地図とし、計算負荷および記憶データ量の低減や情報検索の簡便化などを実現することができる移動ロボットのグローバル地図構築方法を提供することを目的としている。

【０００６】

【課題を解決するための手段】本発明に係わる移動ロボットのグローバル地図構築方法は、請求項１として、環境を間欠的にセンシングしながら自立走行を行う移動ロボットのグローバル地図構築方法であって、センシングにより取得したローカル地図内の走行不能領域に対して略外接する楕円を求め、座標上における楕円の中心位置と、長径および短径と、座標軸に対する傾斜角度を走行不能領域のデータとして記憶する構成とし、請求項２として、走行不能領域をチェイン符号化し、そのチェイン符号列を用いて最大セグメント長を求め、ＸＹ座標において最大セグメント長方向の座標軸に対する傾斜角度を求めると共に、ＸＹ座標における走行不能領域の最大値および最小値を求め、最大値および最小値によって楕円の中心位置と長径および短径を求めたのち、楕円を最大セグメント長方向の傾斜角度分中心回りに回転させる構成とし、請求項３として、複数の走行不能領域に各々対応する楕円同士の距離が所定範囲内になったとき、複数の走行不能領域を１つの走行不能領域として楕円を求める構成とし、請求項４として、センシング毎に走行不能領域に対する楕円を求めて各楕円を重ね合わせ、各楕円内の分割領域について重合数とセンシング数により確率値を求めたのち、同一確率値の分割領域を含む確率楕円を求め、各確率楕円の長径および短径と、中心位置と、
長径の傾斜角度を走行不能領域のデータとして記憶する構成としており、上記の構成を課題を解決するための手段としている。

【０００７】

【発明の作用】本発明の請求項１に係わる移動ロボットのグローバル地図構築方法では、センシングにより取得したローカル地図内の走行不能領域（障害物等）に対して略外接する楕円を求め、座標上における楕円の中心位置と、長径および短径と、座標軸に対する傾斜角度を走行不能領域のデータとして記憶するので、移動ロボットの自己位置や方位の誤差あるいはセンシング誤差がほぼ許容されたグローバル地図となり、走行不能領域はどの様な大きさのものであっても全て楕円の数学式で表現されることとなる。

【０００８】本発明の請求項２に係わる移動ロボットのグローバル地図構築方法では、走行不能領域をチェイン符号化し、ＸＹ座標において、チェイン符号列の最大セグメント長方向の座標軸に対する傾斜角度と、走行不能領域の最大値および最小値を求め、最大値および最小値によって楕円の中心位置と長径および短径を求める。 このとき、楕円は、ＸおよびＹのいずれか一方の最大値と最小値の差が長径となり、他方の最大値と最小値の差が短径となる。 そして、同楕円を最大セグメント長方向の傾斜角度分中心回りに回転させることにより、走行不能領域に対する楕円フィッティングが成される。

【０００９】本発明の請求項３に係わる移動ロボットのグローバル地図構築方法では、複数の走行不能領域に各々対応する楕円同士の距離が所定範囲内になったとき、
複数の走行不能領域を１つの走行不能領域として楕円を求めるので、その分計算負荷が小さくなり、記憶データ量も少なくなる。

【００１０】本発明の請求項４に係わる移動ロボットのグローバル地図構築方法では、センシング毎に走行不能領域に対する楕円を求めて各楕円を重ね合わせ、各楕円内の分割領域について重合数とセンシング数により確率値を求めたのち、同一確率値の分割領域を含む確率楕円を求め、各確率楕円の長径および短径と、中心位置と、
長径の傾斜角度を走行不能領域のデータとして記憶することから、走行不能領域が全て確率楕円の数学式で表現されると共に、移動ロボットの自己位置や方位の誤差あるいはセンシング誤差が完全に許容されたグローバル地図となる。

【００１１】

【発明の効果】本発明の請求項１に係わる移動ロボットのグローバル地図構築方法によれば、屋外自然地形における複雑な形状の走行不能領域を全て楕円の数学式すなわち楕円の中心位置と、長径および短径と、座標軸に対する傾斜角度で効率良くデータ化して表現することから、移動ロボットの自己位置や方位の誤差あるいはセンシング誤差がほぼ許容されたグローバル地図が得られ、
大きな走行不能領域であっても記憶データ量を数バイトで表現することができ、例えばマップマッチングによるグローバル地図の構築に比べて、計算負荷および記憶データ量を大幅に低減することができると共に、記憶データの簡素化によりシステムリソースを有効的に活用することができ、グローバル地図を利用する際には楕円の中心位置を検索するだけで良いので、情報検索の簡便化ならびに高速化なども実現することができる。

【００１２】本発明の請求項２に係わる移動ロボットのグローバル地図構築方法によれば、請求項１と同様の効果を得ることができるうえに、走行不能領域のチェイン符号列に基づくＸＹ座標において楕円を求めることから、走行不能領域に対して楕円が必要以上に大きくなることもなく、走行不能領域に対する楕円の算出をより一層簡単に行うことができ、計算負荷のさらなる低減化に大きく貢献することができる。

【００１３】本発明の請求項３に係わる移動ロボットのグローバル地図構築方法によれば、請求項１および２と同様の効果を得ることができるうえに、例えば複数の走行不能領域の間隔が移動ロボットの通過が困難な距離である場合に、複数の走行不能領域を１つの走行不能領域とみなすことができ、これにより、計算負荷および記憶データ量のさらなる低減を実現することができる。

【００１４】本発明の請求項４に係わる移動ロボットのグローバル地図構築方法によれば、請求項１〜３と同様の効果を得ることができるうえに、楕円の重ね合わせを行って走行不能領域を全て確率楕円の数学式で表現することから、移動ロボットの自己位置や方位の誤差あるいはセンシング誤差等の各種誤差を最小化させる高度な計算を必要とせずに走行不能領域の情報を記憶することができると共に、各種誤差を完全に許容し且つ走行不能領域を確率表現したグローバル地図を得ることができ、これにより、走行中に取得した走行不能領域を合成する際に各種誤差により生じる同領域の膨脹や、センシング誤差によってある地点では障害物として認識されたものが別の地点では障害物として認識されなかった場合の処置の問題も解消することができる、また、走行不能領域の確率表現により、例えば、迷路地形のような環境から脱出する際に、走行不能領域を確実に回避したい場合には確率値が低いグローバル地図を用い、走行不能領域を短時間で回避したい場合には確率値が高いグローバル地図を用いるというように、走行計画等に応じて経路や目標地点の選択を幅広く且つ非常に容易に行うことができる。

【００１５】

【実施例】以下、図面に基づいて、本発明に係わる移動ロボットのグローバル地図構築方法の一実施例を説明する。

【００１６】移動ロボットＲは、地球外の天体において環境を間欠的にセンシングしながら自立走行を行うものであって、図７に示すように、車輪、車輪駆動用モータおよび操舵装置などで構成した走行駆動機構１と、センサ装置２と、制御装置３を備えると共に、これらの動力源であるバッテリーなどを備えている。

【００１７】センサ装置２は、前方の一定範囲をセンシングする地形センサ４と、移動ロボットＲの姿勢を検出する姿勢センサ５と、方位センサ６と、走行駆動機構１
の車輪の回転数を検出する車輪回転数センサ７を備えている。 地形センサ４には、例えばレーザレンジファインダが用いられる。

【００１８】制御装置３は、移動ロボットＲの動作全般を統括するナビゲーションシステム統括部８と、地形センサ４および姿勢センサ５の検出信号により三次元のローカル地図を取得する地図生成部９と、方位センサ６および車輪回転数センサ７の検出信号により移動した位置を検出する自己位置算出部１０を備えている。 また、制御装置３は、地図生成部９で取得したローカル地図において走行経路を計画する走行経路計画部１１と、地図生成部９、姿勢センサ５、方位センサ６および自己位置算出部１０からの各信号が入力される経路誘導部１２を備えており、走行経路計画部１１および経路誘導部１２をナビゲーションシステム統括部８に接続すると共に、経路誘導部１２から走行駆動機構１の制御指令を出力する。

【００１９】上記の走行駆動機構１、センサ装置２および制御装置３を備えた移動ロボットＲは、方位センサ６
と車輪回転数センサ７の検出信号により、自己位置算出部１０において移動した位置を検出することから、例えば走行地面の状態によって車輪が空転した場合などには、実際の位置と当該移動ロボットＲが判断している位置とに誤差が生じることとなり、その誤差を修正せずに走行する。 このようにすることにより、計算負荷や消費電力を節約できる。 なお、位置誤差の修正が必要であれば、一定距離を走行したのち、絶対的な位置の計測手段を用いて位置誤差を修正することが可能である。

【００２０】上記の移動ロボットＲにおけるグローバル地図の構築は、当該移動ロボットＲの走行中においてナビゲーションシステム統括部８で行われる。 すなわち、
図１に示すように、ステップＳ１において、センシングにより三次元のローカル地図を取得し且つ取得位置および方角を検出したのち、ステップＳ２において、ローカル地図内の走行不能領域（障害物等）への楕円フィッティングを行う。

【００２１】楕円フィッティング（Ｓ２）は、図２に示すように、まずステップＳ２１において走行不能領域Ｎ
の周辺探索を行う。 これは、図３（ａ）に示すように、
移動ロボットＲの前方をセンシングすることによって取得したローカル地図ＭＬにおいて、走行不能領域Ｎを含む領域をチェイン符号化する。

【００２２】次に、楕円フィッティング（Ｓ２）では、
ステップＳ２２においてチェイン符号列を利用して最大セグメント長を抽出し、ステップＳ２３においてＸＹ座標における最大セグメント長方向の傾斜角度θを抽出する。 これは、図３（ｂ）に示すように、チェイン符号列のＸＹ座標において、走行不能領域Ｎの最も離間したセグメントＰ１，Ｐ２を選択することにより双方を結ぶ最大セグメント長Ｌを抽出し、この実施例では、Ｘ座標軸に対する最大セグメント長Ｌの方向の傾斜角度θを抽出している。

【００２３】次に、楕円フィッティング（Ｓ２）では、
ステップＳ２４において、ＸＹ座標における走行不能領域Ｎの最大値および最小値を抽出する。 すなわち、図３
（ｃ）に示すように、チェイン符号列のＸＹ座標において、走行不能領域ＮのＸ軸方向の最大値Ｘｍａｘおよび最小値Ｘｍｉｎと、Ｙ軸方向の最大値Ｙｍａｘおよび最小値Ｙｍｉｎを抽出する。

【００２４】次に、楕円フィッティング（Ｓ２）では、
ステップＳ２５において、走行不能領域Ｎの最大値Ｘｍ
ａｘ，Ｙｍａｘおよび最小値Ｘｍｉｎ，Ｙｍｉｎに基づいて楕円の長径ａ、短径ｂおよび中心位置ｃを抽出する。 この実施例では、図３（ｃ）に示すように、Ｘ軸方向の最大値Ｘｍａｘと最小値Ｘｍｉｎとの差が長径ａ
（ａ＝Ｘｍａｘ−Ｘｍｉｎ）であると共に、Ｙ軸方向の最大値Ｙｍａｘと最小値Ｙｍｉｎとの差が短径ｂ（ｂ＝
Ｙｍａｘ−Ｙｍｉｎ）であり、且つ最大値Ｘｍａｘ，Ｙ
ｍａｘおよび最小値Ｘｍｉｎ，Ｙｍｉｎで囲まれる長方形の２本の対角線の交点（Ｘｍａｘ−Ｘｍｉｎ／２，Ｙ
ｍａｘＹｍｉｎ／２）が中心位置ｃ（ｃｘ，ｃｙ）である楕円Ｅ１を抽出する。

【００２５】そして、楕円フィッティング（Ｓ２）では、ステップＳ２６において、長径ａ、短径ｂおよび中心位置（ｃｘ，ｃｙ）で形成される楕円Ｅ１を最大セグメント長Ｌ方向の傾斜角度θ分回転させる。 すなわち、
図３（ｄ）に示すように、長径ａおよび短径ｂである楕円Ｅ１をその中心位置ｃ（ｃｘ，ｃｙ）回りに最大セグメント長Ｌ方向の傾斜角度θ分回転させることにより、
同楕円Ｅ１を走行不能領域Ｎに対応させる。 このとき、
楕円Ｅ１は走行不能領域Ｎに概略外接するものとなり、
最大セグメント長Ｌ方向の傾斜角度θは座標軸に対する楕円Ｅ１の傾斜角度となる。

【００２６】上記の如く走行不能領域Ｎに対する楕円Ｅ
１のフィッティングを行ったのちには、図１に示すステップＳ３において、楕円Ｅ１のパラメータすなわち長径ａ，短径ｂ、中心位置ｃ（中心座標ｃｘ，ｃｙ）および傾斜角度θを抽出し、これらを記憶する。 このように、
当該グローバル地図構築方法では、屋外自然地形の複雑な形状の走行不能領域Ｎを楕円Ｅ１の数学式で表現するので、計算負荷が小さく且つ記憶データ量が少ないものとなる。 なお、走行不能領域Ｎの最大長から楕円Ｅ１を求めることも可能であるが、図２に示す楕円フィッティング処理のように、走行不能領域Ｎの最大値Ｘｍａｘ，
Ｙｍａｘおよび最小値Ｘｍｉｎ，Ｙｍｉｎに基づいて楕円Ｅ１を決定すれば、楕円Ｅ１の算出がきわめて容易であり、走行不能領域Ｎに対して楕円Ｅ１が必要以上に大きくなることもない。

【００２７】また、当該グローバル地図構築方法では、
上記の如く得た楕円Ｅ１と走行不能領域Ｎとの間に幾らかのずれが生じるが、このずれは移動ロボットＲの走行に影響を及ぼす恐れは無く、しかも、次に述べる楕円フィッティング後の処理過程においてずれの問題は解消される。

【００２８】グローバル地図構築方法では、図１に示すステップＳ４において、グローバル地図上に楕円Ｅ１を投影する。 ここで、移動ロボットＲは間欠的にセンシングを行っており、ナビゲーションシステム統括部８では、センシングの度に取得されるローカル地図ＭＬ内の走行不能領域Ｎに対して楕円フィッティングを行い、図４（ａ）に示すように、順次抽出した楕円Ｅ１，Ｅ２，
Ｅ３をグローバル地図ＭＧ上に投影する。 このとき、順次取得されるローカル地図ＭＬ内の同一の走行不能領域Ｎに楕円フィッティングを行うと、走行し続けている移動ロボットＲの自己位置および方位の誤差や、手前では認識できなかった走行不能領域Ｎの裏側の形状の認識などにより、各楕円Ｅ１，Ｅ２，Ｅ３にずれが生じる。

【００２９】そこで、当該グローバル地図構築方法は、
ステップＳ５において、複数の楕Ｅ１，Ｅ２，Ｅ３で表現された走行不能領域Ｎの確率表現化を行う。 すなわち、グローバル地図ＭＧのピクセル単位で、重合数を分子にし且つセンシング数（この実施例では３回）を分母とする確率値を求める。 これにより、図４（ｂ）に示すように、図中実線のハッチングで示す中央の分割領域Ａ
１の確率値は『３／３』となり、図中点線のハッチングで示す周囲３つの分割領域Ａ２〜Ａ４の確率値は『２／
３』となり、さらに、ハッチング無しの外側３つの分割領域Ａ５〜Ａ７の確率値は『１／３』となる。

【００３０】こののち、当該グローバル地図構築方法は、ステップＳ６において、確率値毎に楕円の再フィッティングを行う。 この再フィッティングは、先に述べた走行不能領域Ｎに対する楕円フィッティングと同じ要領で行うことができる。 これにより、図４（ｃ）に示すように、確率値『３／３』の分割領域Ａ１に対する確率楕円Ｅｐ１、確率値『２／３』の３つの分割領域Ａ２〜Ａ
４に対する確率楕円Ｅｐ２、および確率値『１／３』の３つの分割領域Ａ５〜Ａ７に対する確率楕円Ｅｐ３が求められる。

【００３１】そして、当該グローバル地図構築方法では、ステップＳ７において、各確率楕円Ｅｐ１，Ｅｐ
２，Ｅｐ３のパラメータつまり長径（ａ）および短径（ｂ）と、中心位置（ｃ：ｃｘ，ｃｙ）と、長径（ａ）
の傾斜角度（θ）を走行不能領域Ｎのデータとして記憶する。 このように、当該グローバル地図構築方法では、
グローバル地図ＭＧにおいて、走行不能領域Ｎを各確率楕円Ｅｐ１，Ｅｐ２，Ｅｐ３の数学式で表現するので、
移動ロボットＲの自己位置や方位の誤差あるいはセンシング誤差等の各種誤差を最小化させる高度な計算を必要とせずに走行不能領域Ｎの情報が記憶されることとなり、計算負荷が小さくて済むと共に、移動ロボットＲが長距離を移動しても記憶データ量が少なくて済み、しかも、上記各種誤差を完全に許容したグローバル地図ＭＧ
が得られる。

【００３２】なお、最終的に各確率楕円Ｅｐ１，Ｅｐ
２，Ｅｐ３のパラメータを記憶することから、先に抽出した走行不能領域Ｎに対する楕円Ｅ１〜Ｅ３のパラメータは消去してもよい。 また、先に述べた走行不能領域Ｎ
に対する楕円Ｅ１のずれ（図３参照）は、走行不能領域Ｎの確率表現化により移動ロボットＲの走行に影響しないものとなる。

【００３３】以上のように構築されたグローバル地図Ｍ
Ｇは、走行不能領域Ｎの形状や大きさに関係なく、同走行不能領域Ｎを確率楕円Ｅｐ１〜Ｅｐ３のパラメータで記憶しているので、記憶データ量が少ないことから情報検索も簡便に且つ高速で行うことが可能であって、走行不能領域Ｎの情報を得るには確率楕円Ｅｐ１〜Ｅｐ３の中心位置ｃつまり中心座標（ｃｘ，ｃｙ）を検索すればよい。 このような情報検索は、例えば、移動ロボットＲ
の走行計画の際に用いられる。

【００３４】グローバル地図ＭＧには、図５に模式的に示すように、複数の走行不能領域Ｎが確率楕円Ｅｐ１，
Ｅｐ２，Ｅｐ３で表現される。 このグローバル地図ＭＧ
上に設定した目標地点Ｔに向けて移動ロボットＲを走行させる場合には、複数の経路Ｑ１，Ｑ２を設定することができる。 図５では、走行不能領域Ｎを確実に回避して目標地点Ｔに至る第１経路Ｑ１と、間隔が小さい２つの走行不能領域Ｎ，Ｎの間を通過して目標地点Ｔに至る第２経路Ｑ２を示している。

【００３５】つまり、距離や時間はかかっても確実に走行不能領域Ｎを回避したい場合には第１経路Ｑ１を選択し、確実性は劣るが短距離で速やかに目標地点Ｔに達したい場合には第２経路Ｑ２を選択することとなり、走行計画に応じた経路設定が可能となる。 また、グローバル地図ＭＧは、同一目標地点Ｔに対する経路計画だけではなく、例えば迷路地形から脱出する際に、目標地点候補を複数設定する場合にも用いることができる。 なお、図５のグローバル地図ＭＧは、模式的に全ての確率楕円Ｅ
ｐ１〜Ｅｐ３を示しているが、実際のデータは確率楕円Ｅｐ１〜Ｅｐ３のパラメータであるから、走行計画に応じて確率値毎のグローバル地図を用いることができる。

【００３６】さらに、図５において第２経路Ｑ２を選択した場合、最も確率値の低い確率楕円Ｅｐ３に接近あるいは領域内に入り込むこととなり、走行不能領域Ｎに干渉する可能性が零ではないことになるが、グローバル地図ＭＧに基づいて走行しているときも移動ロボットＲは間欠的なセンシングを行っているので、走行不能領域Ｎ
に干渉することは無い。 また、このときのセンシングにより取得したローカル地図ＭＬにおいて走行不能領域Ｎ
に対する楕円フィッティングを行い、グローバル地図Ｍ
Ｇ上の確率楕円を修正することも可能である。

【００３７】そしてさらに、当該移動ロボットＲのグローバル地図構築方法では、図６に示すように、楕円フィッティングの際に、複数の走行不能領域Ｎ，Ｎに各々対応する楕円Ｅ，Ｅ同士の距離が所定範囲内になったとき、複数の走行不能領域Ｎ，Ｎを１つの走行不能領域Ｎ
として楕円Ｅを求めることも行う。 楕円Ｅ，Ｅ同士の距離範囲は、例えば移動ロボットＲの幅寸法に基づいて設定する。 つまり、楕円Ｅ，Ｅ同士の距離が所定範囲内であるということは、複数の走行不能領域Ｎ，Ｎの間隔が移動ロボットＲの通過が困難な距離である場合であり、
双方間の領域も移動ロボットＲにとって走行不能領域であるから、これらを１つの走行不能領域Ｎとみなして処理することにより、計算負荷や記憶データ量のさらなる低減を実現する。

【図面の簡単な説明】

【図１】本発明に係わる移動ロボットのグローバル地図構築方法による処理過程を説明するフローチャートである。

【図２】図１に示す処理過程における楕円フィッティングの処理過程を説明するフローチャートである。

【図３】楕円フィッティングにおいて、ローカル地図をチェイン符号化する状態を示す説明図（ａ）、ＸＹ座標における最大セグメント長およびその傾斜角度の抽出を示す説明図（ｂ）、ＸＹ座標における走行不能領域の最大値および最小値による楕円の抽出を示す説明図（ｃ）、および走行不能領域に楕円を対応させた状態を示す説明図（ｄ）である。

【図４】ＸＹ座標において、センシング毎に抽出した楕円を重ね合わせた状態を示す説明図（ａ）、各楕円内の分割領域とその確率値を示す説明図（ｂ）、および確率楕円の抽出を示す説明図（ｃ）である。

【図５】グローバル地図および走行経路を模式的に示す説明図である。

【図６】複数の走行不能領域に１つの楕円を対応させた状態を示す説明図である。

【図７】移動ロボットの構成を説明するブロック図である。

【符号の説明】

Ａ１〜７Ａ 分割領域 Ｅ Ｅ１ Ｅ２ Ｅ３ 楕円 Ｅｐ１ Ｅｐ２ Ｅｐ３ 確率楕円 ＭＧ グローバル地図 ＭＬ ローカル地図 Ｎ 走行不能領域 Ｒ 移動ロボット ａ 長径 ｂ 短径 ｃ 中心位置（ｃｘ，ｃｙ） θ 傾斜角度