シミ ュ レ ーショ ン 実験

5.3 シミ ュ レ ーショ ン 実験

Fig. 5.2: Simulation experimental environment [55]

Fig. 5.3: Magnetic map used in the simulation experimental environment [55]

30 mと し た． ま た， すべて のセン サデータ に対し て ， 適当な 正規乱数を 加え る こ と と し て いる ． Fig. 5.2には， シミ ュ レ ーショ ン 実験の環境を 示す． 黒色の部分は， 幾何ラ ン ド マ ー ク と し て 利用でき る 物体を 示す． すなわち ， Xが約-40から 30 mの地点では， LIADRを 用 いて 幾何ラ ン ド マーク を 観測する こ と ができ ない． こ の環境において ， 一直線の指定経路を 設定し ， 自己位置推定の結果に基づく 自律移動を 行わせた． 指定経路上のz軸方向の磁場強 度， およ びxy平面の磁場方位を 走行距離に従いプロ ッ ト し た図がFig. 5.3である ． ロ ボッ ト はこ の磁場を 地図化し ， 上記提案手法を 実行する も のと する ． なお実験は， オド メ ト リ に よ る 位置推定， LIDARのみを 用いたMCL， およ び提案手法の3種類を 用いて 行っ た．

Fig. 5.4には， 各手法で自律移動を 行っ た際の走行軌跡を 示す． オド メ ト リ によ る 位置推 定のみでは， 累積誤差を 修正でき ずに， 大き く 経路から 逸脱する 結果と なっ た． LIDARを 用いたMCL， およ び提案手法で自己位置推定を 行っ た場合， 目的地ま でたど り 着く こ と が でき た． し かし LIDARのみを 用いたMCLの場合， 幾何ラ ン ド マ ーク が観測でき ない地点 で経路から 逸脱し て し ま う 結果と なっ た． こ れは， こ の地点で累積誤差を 修正でき なく なっ

5.3 シミ ュ レ ーショ ン 実験

Fig. 5.4: Trajectories by each method [55]

Fig. 5.5: Values of rz and rθ. These values are used as reliability of the magnetic field since these mean variation amount of the magnetic field. [55]

たためである ． 対し て 提案手法は， 幾何ラ ン ド マ ーク が観測でき ない地点において も ， 指定 経路の正確な追従を 実現し た． 実験中に計算さ れた式(4.5)と 式(4.13)の値を Fig. 5.5に示 す． 多く の地点で事前に設定し た閾値を 越え て いる のが確認でき ， 磁場地図を 用いた姿勢修 正が行われている こ と が確認でき る ． 姿勢修正を 行う こ と で指定経路の正確な追従ができ て いたこ と から も ， 式(5.5)を 用いた姿勢修正の結果， ロ ボッ ト の姿勢が真値周辺で推定さ れ て いる こ と がわかる ． こ れら の結果から ， 磁場地図を 用いた位置推定法を 幾何地図ベースの 位置推定法に組み込むこ と で， 自己位置推定の精度を 向上さ せら れる こ と が確認でき た．

さ ら にFig. 5.6に は， LIDARのみを 用いたMCL， およ び提案法に おけ る パーティ ク ル の各成分(位置x, yと 姿勢θ)の標準偏差を 比較し た結果を 示す． 顕著な 違いが現れて いる のは， y軸およ びθ軸方向に関する 分布である ． 提案手法では， 磁場地図を 用いた姿勢修正 を 行い， その結果を 反映し て パーティ ク ルの姿勢の提案分布を 修正する ． そのため， 姿勢修 正が行われた場合には， 姿勢の分布を 小さ く さ せる こ と が可能である ． 前述の通り ， こ の際