本文へ移動
株式会社経営コンサル
〒105-0003
東京都港区西新橋2-9-3
TEL.03-3501-6811
FAX.03-3580-3580
0
4
7
9
9
4
 
自動運転のための
LiDARによる自己位置推定技術の基礎と実証
 
 

《開催・参加要領》

【開催日時】  2019年5月27日(月)   午後1時30分~4時30分
【会      場】  
港区立商工会館 会議室 東京都港区海岸1-4-28
【参加費用】  1名 32,200 (資料・税込み) (キャンセルは1週間前まで)
【支払方法】  申込受付後、参加証・会場図と併せて請求書を送付いたします

下記の項目で講義をすすめます

【講師】Profile

 
名古屋大学 情報学研究科 特任助教 工学博士 赤井 直紀 氏
 
 
2011年から14年まで「つくばチャレンジ」にて屋外自律移動ロボットに関する技術チャレンジに携わり課題を達成。2016年から名古屋大学に異動し公道での自動運転などの実証実験に従事、いずれの実験,検証においても自己位置推定系のプログラムを作成、自己位置推定に関する知見を深め現在に至る。
                                                                                                                                                   

重点講義内容

  LiDARを用いた自己位置推定技術に関する基礎、及び最新の技術について述べ自己位置推定の基本となるProbabilistic Robotics(MIT Press2005)で述べられている「観測モデル」
に関して説明し、この説明を基にして「なぜ自己位置推定が難しいのか」という根本的課題を共有し、理解を前提として現状なぜ自己位置推定が達成できているのかという理由やマルチレーヤーLiDARなどの必要性について議論し、我々のグループや世界で行われている最新の研究成果を紹介し、特に1どのように動的環境下で頑健な自己位置推定を行うか2自己位置推定結果に対する保証をどのように行うかというようなオープンイシュに焦点
を当て行きます。
   
Ⅰ 自動運転の基礎
     1 自動運転の開発現状    
           2 自動運転の要素技術
           3 自動運転の実用化に向けた課題、何が難しいのか   
           4 自動運転と自己位置推定
Ⅱ 自己位置推定の基本
     1 自己位置推定とはどのような問題か   
           2 どのように自己位置推定の問題を解くか
           3 なぜ自己位置推定が難しいのか
Ⅲ 最近の自己位置推定問題へのアプローチと問題点
     1 ICP(Iterative Closet Point)スキャンマッチング
           2 NDT(Normal Distributions Transform)スキャンマッチング 
           3 KF(Kalman Filter)とPF(Particle Filter)
Ⅳ 観測モデル
     1 地図と観測データのマッチング
     2 LMF(Likelihood Field Model)とBM(Beam Model)  
           3 既存観測モデルの問題点
Ⅴ 動的環境下での自己位置推定
     1 動的物体の棄却   
           2 環境の動的特性を考慮した観測モデル
     3 観測誤差をオンラインで同定する観測モデル   
           4 環境変化をオンラインで更新(SLAMよりの話)
Ⅵ 自己位置推定結果の性能保証
    1 自己位置「推定」の問題   
            2 自己位置推定における失敗の認識 
            3 自己位置推定結果の信頼度
Ⅶ その他/質疑応答
                                                                                                                  
お問合せ電話番号 03-3501-6811
 
TOPへ戻る