文献

J-GLOBAL ID：201602243037725443   整理番号：16A0654174

3D LIDARとカメラを用いた確率的横断可能性マップの生成【Powered by NICT】

Probabilistic traversability map generation using 3D-LIDAR and camera

著者 (4件)： Sock Juil (Agency for Defense Development, Republic of Korea) ,  Kim Jun (Agency for Defense Development, Republic of Korea) ,  Min Jihong (Agency for Defense Development, Republic of Korea) ,  Kwak Kiho (Agency for Defense Development, Republic of Korea)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2016  号： ICRA  ページ： 5631-5637  発行年： 2016年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 起伏の多い地形の踏破の推定屋外移動ロボットのための重要なタスクである。構造化された環境を分類する多数のトレーニングデータから学ぶことができるが,非構造起伏の多い地形の踏破を学習し,見積もるために非常に困難な作業である。さらに,多くの場合単一センサからの情報は,車線マーキングまたは縁石のような人工ランドマークの不在下で踏破を推定する信頼性のための十分でないかもしれない。提案アプローチでは,地形の走行性能を推定し,3D-LIDARおよびカメラを用いたオンライン2D確率グリッドマップを構築した。は相補的情報を提供するので,LIDARとカメラの組み合わせは,多くのロボット応用で有利であった。著者らのアプローチは,これらの二個のセンサが独立で獲得されたデータを仮定し,別々の踏破マップを構築し,一センサから得られた情報を用いた。車両は地形を通過する時に視覚センサを用いた通過可能性推定が自律的に人間の介入なしに,訓練データと最新情報分類器を収集する。3D-LIDARを用いた通過可能性推定は,走行性能を予測するための地盤の傾斜を測定した。二個の独立に構築された確率的地図はBayes検出性能を改善するためのルールを用いて融合した。これは,各センサは異なるタスクを実行する他の方法と対照的である。UGV(無人地上車両)のアルゴリズムを実装し,検出性能を評価するために粗い地形上で提案アプローチを試験した。Copyright 2016 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 構造形成 ,  ロボット ,  センサ ,  *カメラ ,  視覚センサ ,  マーキング ,  走行性能 ,  移動ロボット ,  *三次元 ,  *LIDAR
準シソーラス用語： *レーザレーダ ,  検出能 ,  訓練データ ,  自律性 ,  ランドマーク ,  縁石 , 【Automatic Indexing@JST】

分類 (1件)： 計測機器一般  (AD02000X)

タイトルに関連する用語 (5件)： 3D ,  LIDAR ,  確率 ,  可能性 ,  マップ