特許ウォッチ

公開番号2025074681
公報種別公開特許公報(A)
公開日2025-05-14
出願番号2023185668
出願日2023-10-30
発明の名称自己位置推定システム、自己位置推定装置、自己位置推定方法、及び、プログラム
出願人日本電気株式会社
代理人個人
主分類B61L 25/02 20060101AFI20250507BHJP(鉄道)
要約【課題】遠距離点群を用いた高精度な自己位置推定技術を提供する。
【解決手段】自己位置推定用の参照環境点群を記憶する参照環境点群記憶手段と、広視野の近距離点群と、前記近距離点群よりも遠方で且つ狭視野の遠距離点群と、を取得する点群取得手段と、前記近距離点群を前記参照環境点群に位置合わせすることで自己位置を粗推定する粗推定手段と、前記粗推定手段による粗推定結果を初期条件として、前記遠距離点群を前記参照環境点群に位置合わせすることで前記自己位置を精密推定する精密推定手段と、を含む、自己位置推定システムが提供される。
【選択図】図1
特許請求の範囲【請求項１】
自己位置推定用の参照環境点群を記憶する参照環境点群記憶手段と、
広視野の近距離点群と、前記近距離点群よりも遠方で且つ狭視野の遠距離点群と、を取得する点群取得手段と、
前記近距離点群を前記参照環境点群に位置合わせすることで自己位置を粗推定する粗推定手段と、
前記粗推定手段による粗推定結果を初期条件として、前記遠距離点群を前記参照環境点群に位置合わせすることで前記自己位置を精密推定する精密推定手段と、
を含む、
自己位置推定システム。
続きを表示（約 1,300 文字）【請求項２】
請求項１に記載の自己位置推定システムであって、
前記精密推定手段は、前記遠距離点群のうち精密推定に寄与する寄与点群を抽出し、抽出した寄与点群を前記参照環境点群に位置合わせすることで前記自己位置を精密推定する、
自己位置推定システム。
【請求項３】
請求項２に記載の自己位置推定システムであって、
前記寄与点群は、所定距離以上の連続性を有する点群である、
自己位置推定システム。
【請求項４】
請求項２に記載の自己位置推定システムであって、
前記精密推定に寄与する複数の建造物の位置情報を示す建造物位置データベースを記憶する建造物位置データベース記憶手段を更に備え、
前記精密推定手段は、前記建造物位置データベースを参照することにより、前記遠距離点群から、前記複数の建造物のうち少なくとも何れか１つの建造物に対応する点群を前記寄与点群として抽出する、
自己位置推定システム。
【請求項５】
請求項４に記載の自己位置推定システムであって、
前記参照環境点群から、前記複数の建造物に対応する測距点以外の測距点を削除して成る部分参照環境点群を記憶する部分参照環境点群記憶手段を更に含み、
前記精密推定手段は、前記寄与点群を前記部分参照環境点群に位置合わせすることで前記自己位置を精密推定する、
自己位置推定システム。
【請求項６】
請求項１に記載の自己位置推定システムであって、
前記近距離点群及び前記遠距離点群は、何れも、車両の進行方向前方を測距して得られる点群である、
自己位置推定システム。
【請求項７】
請求項１に記載の自己位置推定システムであって、
前記近距離点群の視野と前記遠距離点群の視野は、互いに重複している、
自己位置推定システム。
【請求項８】
自己位置推定用の参照環境点群を記憶する参照環境点群記憶手段と、
広視野の近距離点群と、前記近距離点群よりも遠方で且つ狭視野の遠距離点群と、を取得する点群取得手段と、
前記近距離点群を前記参照環境点群に位置合わせすることで自己位置を粗推定する粗推定手段と、
前記粗推定手段による粗推定結果を初期条件として、前記遠距離点群を前記参照環境点群に位置合わせすることで前記自己位置を精密推定する精密推定手段と、
を含む、
自己位置推定装置。
【請求項９】
自己位置推定用の参照環境点群を記憶し、
広視野の近距離点群と、前記近距離点群よりも遠方で且つ狭視野の遠距離点群と、を取得し、
前記近距離点群を前記参照環境点群に位置合わせすることで自己位置を粗推定し、
前記粗推定の粗推定結果を初期条件として、前記遠距離点群を前記参照環境点群に位置合わせすることで前記自己位置を精密推定する、
自己位置推定方法。
【請求項１０】
コンピュータに、
請求項９に記載の自己位置推定方法を実行させるプログラム。

発明の詳細な説明【技術分野】
【０００１】
本開示は、自己位置推定システム、自己位置推定装置、自己位置推定方法、及び、プログラムに関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
特許文献１は、第１のLiDAR（Light Detection And Ranging）及び第２のLiDARを含むセンサユニットを備えた自律走行型車両を開示している。具体的には、第１のLiDARは、車両から１００メートル程度離れたオブジェクトを検出するのに用いられる。第１のLiDARは、水平角が３６０度であり垂直角が２０度のFoV（Field of View）で測距するように構成される。一方、第２のLiDARは、車両から３００メートル程度離れたオブジェクトを検出するのに用いられる。第２のLiDARは、水平角が８度であり垂直角が１５度のFoVで測距するように構成される。車両は、第１のLiDARから出力される点群と第２のLiDARから出力される点群に基づいて自律走行する。
【先行技術文献】
【特許文献】
【０００３】
特開２０１８－０４９０１４号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
ところで、自動車の自動運転技術の分野においては、LiDAR点群を用いたSLAM（Simultaneous Localization and Mapping）が実用化されつつある。鉄道の分野においても同様にSLAMを用いた自動運転の実用化が期待されている。
【０００５】
例えば時速100キロメートル以上で走行する列車の自動運転を実現するには、前方の障害物を検知して安全に停止できる制動距離を考慮すると、典型的には列車の500メートル以上前方を監視する必要がある。このように遠方を監視には前述のSLAMを用いて列車の進行方向前方の環境の三次元マップを遠方まで高精度に再構築することが求められる。
【０００６】
SLAMを用いて三次元マップを高精度に再構築するには、列車に搭載されたLiDAR装置から取得したLiDAR点群を列車の移動に応じて高精度に位置補正することが欠かせない。なぜなら、三次元マップは、適切に位置補正されたLiDAR点群を幾度となく重ね合わせて再構築されるからである。また、そもそもLiDAR装置から出力されるLiDAR点群の座標値は、三次元マップのマップ座標系ではなく、LiDAR装置に固定されたLiDAR座標系で表現されるからである。そして、上記の高精度な位置補正を実現するには、そもそも、三次元マップのマップ座標系におけるLiDAR座標系の位置を高精度に推定しなければならない。ここで、LiDAR座標系の位置を推定することは、一般的に、自己位置推定と呼ばれている。また、三次元マップのマップ座標系におけるLiDAR座標系の位置は、三軸並進成分と三軸回転成分から構成される。
【０００７】
しかしながら、LiDAR装置の特性上、LiDAR装置から遠方のLiDAR点群の点群密度は相対的に低い。従って、LiDAR装置から遠方のLiDAR点群を用いて自己位置を高い精度で推定することは相当困難である。
【０００８】
これに対し、LiDAR装置のFoVを絞ることで、LiDAR装置から遠方のLiDAR点群の点群密度を高めることが考えられる。しかしながら、この場合、LiDAR点群が極めて小さな塊となることから、LiDAR点群をリファレンス点群に位置合わせする位置合わせ（Registration）演算が誤った解に収束する虞があり、上記同様に、高精度な自己位置推定が困難となるだろう。
【０００９】
以上のことから、SLAMを用いて列車の進行方向前方の環境の三次元マップを遠方まで高精度に再構築することは容易ではない。従って、列車の進行方向前方を遠方まで十分に監視することができなかった。
【００１０】
そこで、本開示の目的は、遠距離点群を用いた高精度な自己位置推定技術を提供することにある。
【課題を解決するための手段】
（【００１１】以降は省略されています）

関連特許