【技術記事】自動運転を支える「自己位置推定」技術

みなさん、こんにちは、
みむすたーです。

本日は、自動運転技術を支える自己位置推定について、解説します。

今回解説するのは、名古屋大学で研究されている、
自動運転ソフトウェア「autoware」の自己位置推定です。

現在では、主に大きく3つの自己位置推定方法が検討されています。
　・人工衛星によるGNSSでの自己位置推定
　・LiDARセンサーによる点群マップ(Point Cloud Map)と高精度3Dマップでの自己位置推定
　・IMU(角速度、角加速度)を用いた自己位置推定
それぞれのメリット・デメリットとしては、以下のとおりです。

自己位置推定方法	メリット	デメリット
GNSS	・高精度3Dマップがなくても、 　推定できる	・トンネルや地下など通信状況の悪い環境では使えない
LiDAR	・精度が良い	・高精度3Dマップが必要である 　(既存のデータがない場所では、推定できない) ・センサー周りに特徴が何もないとマッチングできない 　(周りに何もない場所では、推定できない)
IMU	・どこでも使用可能	・誤差の蓄積しやすい

では、それぞれの自己位置推定について、説明していきます。

GNSSでの自己位置推定

みなさんがご存知のGPSと同じほぼ同じ意味です。
GPSは、アメリカの衛星による地球測位システムのことです。

実は、日本を含めた全世界的にはGNSSが一般的な用語なのですが、
実際は、GPSの方が広く使われています。

衛星からの電波によって端末の位置を割り出します。

点群マップと高精度3Dマップでの自己位置推定

点群マップ(Point Cloud Map)は、
LiDARと呼ばれる光センサーによって取得できたマップ情報です。

高精度3Dマップは、
周りの建物などを3Dで表現した地図です。

これらを組み合わせることをスキャンマッチングと言います。
スキャンマッチングをすることで、自己位置推定を行います。

イメージとしては、パズルのような形だと思ってもらえれば良いです。
あらかじめ高精度3Dマップというパズルの額縁があったとして、
そこに点群マップと一致するパズルのピースを埋め込んでいくようなマッチングの方法です。

IMUにおける自己位置推定

IMU(Inertial Measure Unit)は、
ジャイロセンサー、兼、加速度センサーが搭載されたユニットです。

どの程度車体が移動したのか、どの程度車体が回転したのか、
を把握することができます。

移動距離、回転度合いによって、自己位置推定を行います。