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。
もくじ
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。
コメント