ニューラルネッ卜ワークを用いて複数の推定手段を融合する移動ロボットの自己位置推定法

摘要

自律移動ロボットのための自己位置推定法が数多く提案されており，これまで，各方法の個々の性能を高める手法についての研究がなされている.パーティクルフィルタに代表されるモンテカルロ位置推定は，高い口バスト性を有し，大局的な位置推定が可能であるが，位置推 定の精度は低い.ICP(Iterative Closest Points)ァルゴ リズムを用いたマッチングによる位置推定は，周囲に直 線形状の壁とコーナーなどの特徴的な環境があれば高 い位置推定精度を実現する.しかし，特徴的な環境が少 ない場合は位置推定の誤差が大きくなりやすく，その状 況が継続するとより大きな誤差が発生するなど，口バス ト性が低い点について課題がある.本論文では，移動障 害物が存在しない屋内環境を想定し，ニューラルネット ワークを用いた学習により二つの位置推定法を融合し， その推定精度を向上させる手法を提案する.典型的な三 つの環境に対するシミュレーションを実行し，その提案 手法の有効性を検証する.%Many localization methods have been proposed for an autonomous mobile robot and many studies focus on enhancement of capability of each means. Monte Carlo localization such as particle environment. ICP(Iterative Closest Points) matching has good performance about estimation precision when there are many good features such as many straight walls but lacks robustness if there are few distinguish feature points around the robot. In this paper we propose a fusion strategy using neural network which can be applied to many fields in a building such as an indoor public space. Simulation results for 3 characteristic environments show effectiveness of the proposed strategy.