Perception & Reasoning of AMSL Racing

　ロボットがより複雑な仕事をこなすようになるためには，今センサで見えているものが何かがわかり，ロボットが置かれた状況を理解できる必要があります．Team AMSL Racingでは主に画像を用いて研究をしています．ここでその一部を紹介しましょう．

まずは3次元情報を使った方法から．Fig.1は，なだらかな上り坂をステレオカメラで撮影した写真の一枚です．この写真と対をなすステレオペアの写真を用いて3次元復元処理を行い，地形解析を行います．

Fig.1 なだらかな斜面と段差のある地形

Fig.2 ステレオ処理による3次元復元モデル

Fig.2 はステレオ処理によって復元した地形の3次元モデルです．元の画像よりも若干低い視点から見た様子です．3次元モデルなので，あらゆる方向から見ることが出来ます．またこのモデルデータと，ロボットに備わっている傾斜角センサを用いて，主に高さ情報を元にして「通りやすさ・通りにくさ」の情報を得ることができます（Fig.3）．

Fig.3 高さ情報をベースに「通りにくさ」情報を取りだしたマップ

この様なことは，ステレオカメラの精度が十分発揮できる10数m以内の距離までなら有効に機能します．しかし，広い自然環境の中で，ロボットそれ自体が置かれた状況を把握するためには，もっと遠距離での環境理解が必要になります．また，数キロメートル以上離れた所までプランニングして自律移動したい場合，当然ながらステレオカメラによる3次元モデルは使えません．このような時，2次元画像からtexture（模様）を用いて，「そこが何であるか」を判別することができれば，見渡す限りの地形に対して，非常に有用な情報を得ることが出来るようになります．

Fig.4 Terrain Classification by Textured Patches

Fig.4 は，Fig.1の2次元情報のみから環境の判別を行った例です．元の絵に，走行不能領域と判別されたところを赤く，走行可能領域と判別されたところを青く塗っています．