研究内容

人が大きいものや重いものを運ぶときには，御神輿かつぎのように，大勢で協力します．それは，移動ロボットのときも一緒だと思います．
というわけで，ロボットが障害物を避けつつ，協力して重いものを運ぶ研究をしました．
左図は，移動ロボットです．
右図は，4台の移動ロボットが大きなものを運んでいる様子です．ロボットや障害物にはLEDがつけてあって（赤く光っているところ），天井にあるカメラで見て位置・姿勢が分かるようになっています．

参考文献: E-1, E-5, G-1

注：参考文献の番号は，研究業績のページ（日本語）の論文の番号を表しています．


Fig. 移動ロボットの概観	Fig. 協調搬送の様子

道具を用いた移動ロボットによる作業（1996年4月～1998年3月）

人間も道具を使って作業するように，移動ロボットも道具を使って作業した方が良いのではないか？という思いから研究を始めました．
左図が開発した移動ロボットです．自分で考え，自分で行動できるように，頭脳（コンピュータ）・電源（バッテリ）を搭載しています．各ロボットは，有線で他のロボットと通信しながらお互いの情報を共有することができます．また，道具を持つためのハンド（簡単な把持機構）を持っており，道具を取り扱うことが可能です．
中央の図は，移動ロボットが棒を道具として用いて，整頓作業（たくさんあるものの位置・姿勢をそろえる作業）を行っている様子です．
右図は，移動ロボットが紐を道具として用いて，仕分け作業（赤い箱と青い箱を分けて運ぶ作業）を行っている様子です．

参考文献: B-2, E-2, E-3, E-6, E-8, G-2


Fig. 移動ロボットの概観	Fig. 棒を用いた整頓作業の様子	Fig. 紐を用いた仕分け作業の様子

移動ロボットによる協調物体操作計画（1998年4月～2001年3月）

移動ロボットでものを操作するにはどうしたら良いか？について考えています．
そこで，安定性を保ちつつ物体の姿勢を変化させる方法をコンピュータによって計算しました．
協調物体走査計画結果は，移動ロボットが棒を使って，大きなものの姿勢をかえている様子です．

参考文献: A-1, A-7, B-4, C-2, D-1, D-2, E-9, E-10, E-12, G-3



	Fig. 協調物体操作計画結果

移動ロボットによる協調搬送計画（1998年4月～2001年3月）

移動ロボットが大きなものを運ぶときには，壁にぶつかったりしないようにしなければなりません．そこで，大きな物体の姿勢を柔軟に変化させながら，ロボットが物体を運ぶための動作計画手法を構築しました．
ここでは，物体を安全に運べること（＝障害物からの距離をとる），作業効率が良いこと（＝ゴールに素早く到着する），計算コストが小さいこと（コンピュータでの計算時間が短い）などを考慮しました．
左のシミュレーション結果は，青いＬ型の物体を黒い円形のロボットが運んでいる様子を表したものです．
また，右図のロボット（理化学研究所製全方向移動ロボット ZEN）で実作業を行い，その有効性を検証しました．

参考文献: A-3, A-7, B-5, B-7, C-2, D-2, E-11, E-13, E-16, G-3


Fig. 協調物体搬送計画結果	Fig. 全方向移動ロボット

不整地走破能力を有する全方向移動ロボット（1998年4月～2001年3月）

これまでに開発された全方向移動ロボット（どの方向にも動けるロボット）は，ちょっとした段差も越えられないといった欠点がありました．そこで，段差を乗り越えることが可能な不整地走破能力を有する全方向移動ロボットを開発しました．
左の図は初期型ロボットで，12個も車輪がついていて，パワーで段差を登っていくタイプです．
中央の図は2号機ロボットで，車輪が9個に減ったことに加え，ロボット本体が段差にあわせて柔軟に変化して，滑らかに段差を登れます．
右の図は3号機ロボットで，車輪が7個になり，本体の柔軟性も向上しています．更にコンピュータやバッテリも搭載し，完全自律型ロボットとなっています．

参考文献: A-2, A-8, B-6, E-14, E-15, E-17


Fig. 初号機ロボット	Fig. 2号機ロボット	Fig. 3号機ロボット

悪天候時の視野鮮明化（2001年4月～現在）

雨や雪の日には，車のフロントガラスや展望台のガラスに水滴が付いて，視野が妨害されることがあります．
そこで，複数視点からの情報を融合することや，首振りカメラの方向を変化させて複数画像を取得することにより，鮮明な画像を再生する手法を提案しました．
左と中央の図のように水滴がたくさん付いた複数画像に統計的処理をベースにした画像処理を施すことにより，左図の綺麗な画像に再生することができました．

参考文献: A-4, A-10, B-11, B-16, B-22, D-3, D-4, E-19, E-24, E-25, E-26, E-27


Fig. 水滴付き画像1	Fig. 水滴付き画像2	Fig. 水滴除去画像

既存文書の電子化（2001年4月～現在）

分厚い本をコピーしようとしたときに，綴じ目の部分が黒く歪んでしまったことはありませんか？
近年，様々な書籍のデジタル化が急速に進んでいますが，綴じ目が綺麗に撮影できないという問題は，文字の自動認識などの結果が悪くなり，非常に手間がかかります．
そこで，ステレオカメラにより書籍表面の映像を取得し，3次元形状を測定することにより綺麗な紙面を再生する手法を提案しました．
上図のように湾曲した書籍においても，左下図のように正確に紙面形状を計測し，その結果を利用して歪んだ画像を補正したことにより文字認識率を向上させることができました．

参考文献: A-5, B-12, E-18, E-28


Fig. 分厚い書籍	Fig. 歪んだ画像（補正前）

Fig. 形状計測結果	Fig. 補正画像

ステレオカメラによる物体計測（2001年4月～2002年3月）

人間と同じように2つの目をロボットに持たせることにより，見ている物体の位置・姿勢を求めることができます．そこで，カメラの方向を変化させ，移動している物体に追従しつつ位置・姿勢を計測するシステムを開発しました．
ベルトコンベア上を流れる物体を流れる物体をステレオカメラで計測し，マニピュレーター（腕型ロボット）を使って掴めることを確認しました．

参考文献: A-9, B-9, B-10, C-1, E-20, E-21, E-34



	Fig. 移動物体計測結果

市松模様背景を用いたクロマキー（2001年4月～現在）

青や緑の背景などを使って被写体を撮影し，別の背景と組み合わせる技術をクロマキーと言います．しかしこの方法では，背景と同じ色の服は色が抜けてしまうという欠点があります．
そこで，市松模様の背景の前で撮影することで，背景と同じ色の服を着ている場合にも対応する方法を提案しました．
また，視差のついた左眼用画像と右眼用画像を作成することで立体的に見える画像を作成する方法を提案しました．

参考文献: A-11, A-20, A-23, B-13, B-17


Fig. 合成前の原画像	Fig. 画像合成

画像・音響信号処理を用いた打音検査（2002年4月～2004年3月）

物体の内部構造などは，目で見ても分かりません．この場合には，叩いた音で判定する打音検査が有効です．そこで，画像から叩いた場所，音響信号から内部構造をそれぞれ解析する方法を提案しました．
上図においては，黒色の四角形で囲まれた部分が他の場所より分厚くなっています．実験の結果，分厚い場所を正しく判定することができました．
また，下図においては実際の様子（色：厚みを表す，形：外部形状を現す）と打音検査結果が一致することも確認できます．

参考文献: B-20, E-23, E-35


Fig. 打音検査の結果	（赤色：分厚い部分，黄色：薄い部分）

Fig. 実際の様子	Fig. 打音検査結果

楽器の同定・和音の同定（2003年4月～2004年3月）

音楽にそれほど詳しくない人でも，楽器による音の違いやドレミの違いが分かると思います．
FFT（高速フーリエ変換）などを利用したりして取得した音をコンピュータで自動的に解析し，楽器の種類を同定したり，どんな和音が鳴っているのかを判別する研究を行っています．


Fig. 管楽器の例	Fig. FFT結果

移動ロボットのナビゲーション（2002年4月～2005年3月）

移動ロボットが作業をする上で，自分自身の位置を知ることは重要です．そこで環境中に設置されたランドマークを観測することで，自己位置同定を正確に行いながら目的地に向かう方法を提案しました．
そこでまず，人間と同じように首を振ったり両目を動かしたりすることができる移動ロボットを開発しました（左図）．また右図に，迷わずに目的地に到達するためにはどのタイミングでどのランドマークを見れば良いかを計画した結果（赤色の四角形：観測地点，青色の扇形：ロボットの視野方向）を示します．

参考文献: B-18, E-29, E-36


Fig. ステレオカメラ付移動ロボット	Fig. ナビゲーション計画結果

水中物体センシング（2001年4月～現在）

水中にある物体は光の屈折により像が歪みます（左図）．従って，正しい位置や大きさを計測することができません．そこで，光の屈折を考慮した物体センシング手法を提案しました．

参考文献: B-21, E-30, E-32, E-37


Fig. 水面の画像	Fig. 補正した画像	Fig. 3次元計測結果

レーザ搭載移動ロボットによる環境認識（2002年4月～現在）

移動ロボットが作業を行うためには，環境の地図が必要です．そこで，ロボットが周囲の環境地図を自分自身で作成する方法を提案しました．
左図に示す開発したロボットは，レーザを用いて障害物までの距離を正確に計測できます．どんどんロボットが移動しながら環境地図を更新していきますが，残念ながらロボットの移動精度はあまり良くありません．従って，何も考えずに地図を作成すると中央の図のように歪んでしまいますが，計測データから移動誤差を推定することにより右図のような正確な地図を作成することができます．

参考文献: B-27, E-53, E-68


Fig. レーザ搭載移動ロボット	Fig. 修正前の地図	Fig. 修正後の地図

全方位カメラ搭載移動ロボットによる環境認識（2004年4月～現在）

全方位カメラは，周囲360度すべての方向を同時に見ることができるカメラです．
このカメラを搭載した移動ロボットが，周囲環境のセンシングを行う研究を行っています．

参考文献: A-22, B-38, E-73, E-82, E-91


Fig. 全方位カメラ搭載移動ロボット	Fig. 全方位カメラの画像	Fig. センシング結果（上から見た障害物の位置）

ウェアラブルビジョンシステム（2004年4月～現在）

視覚障害者の方の目の機能のかわりをするウェアラブルビジョンシステムを研究しています．
街中では，例えば音によって信号の色を教えたり，点字によって何が書いてあるかが提示されたりしています．しかし，コンピュータやディスプレイ技術の発達により，銀行のATMに代表されるようにタッチパネルが多く使用されるようになってきました．タッチパネルは目で確認しながらボタンを押す必要があります．そこで，タッチパネルを使用する際に人間を誘導するためのステレオ型の視覚支援システムの開発を行っています．


Fig. ウェアラブルビジョンシステム	Fig. タッチパネル上での誘導

チップマウンタ吸着動作の最適化（2005年4月～現在）

プリント配線板上に電子部品を実装するチップマウンタの動きを賢くする研究をしています．
チップマウンタのモータの性能がいくら良くても，部品をプリント配線板上に置く順番や，部品供給を行うパーツフィーダから部品を取る順番が良くないと，プリント配線板を作る時間は遅くなってしまいます．
本研究では，複数パーツ同時吸着を優先したチップマウンタ吸着動作の最適化を行い，製造時間の短縮を図ることに成功しました．

参考文献: E-92


Fig. プリント基板	Fig. 吸着動作の最適化結果

複数カメラを用いた人物追跡（2006年4月～現在）

セキュリティニーズの高まりにより，カメラを用いて監視を行う機会が増加してきました．しかし監視作業に用いることができる人的資源には限りがあるため，この作業を自動化することが必要不可欠です．
そこで本研究では，カメラで撮影した画像から人間の顔を自動的に検出し，その人物を追跡する手法を提案しています．複数カメラを用いることにより，追跡している人物が後ろを向いた（顔が見えない）ときでも連続して追跡することが可能となりました．

参考文献: E-89


Fig. 研究室メンバー全員の顔を検出	Fig. 後ろを向いた人物の追跡

ホーム

講義

Tips

リンク