技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

LiDARを用いた自己位置推定の基礎と高度自己位置推定システム

LiDARを用いた自己位置推定の基礎と高度自己位置推定システム

オンライン 開催

開催日

  • 2022年9月22日(木) 13時00分 17時00分

修得知識

  • 自己位置推定の基本 (なぜ必要か、どのように行うか、なぜ難しいか)
    • 自動運転において自己位置推定は重要な技術ですが、その重要性はまだ広く認知されていないようにも思えます。
      本セミナーではまず「なぜ自己位置推定が必要なのか」という基本的なことから触れます。その後「どのように自己位置推定を行うか」を簡単に説明した上で、「なぜ難しいのか」という根本の問に対する解を提供いたします。これらを理解していただければ、自己位置推定技術に対する評価指針などを理解できます。
  • 最新の自己位置推定 (動的物体への頑健性、マルチレイヤーLiDARと必要性)
    • 上述の「なぜ難しいか」を理解していただいた後には、その難しさを解決するために行われている最新の研究例を紹介します。もちろん最新研究は難しい内容が多いので、概略を理解していただければ、後ほど個別に質問には対応いたします。またこれらに加え、近年加速するLiDARの開発動向も踏まえながら、「マルチレイヤーLiDARは必要か」という議論も展開していきます。この際には、自己位置推定だけでなく、自動運転システムという全体を見渡した上で、その必要性を議論していきます。
  • 「推定」を超える新たなアプローチ (これからのブレイクスルー)
    • 自己位置「推定」と言いますが、推定とは「正しそうなことを求めること」であり、求めたものの正しさは保証されていません。しかし現状の自動運転システムは、その推定結果を信じて走行しています。すなわち、間違った解が求められていたとしても、その間違いに自動運転車両が気づく術がありません。本セミナーの最後では、この課題を解決するために近年行われているアプローチを解説します。

プログラム

  • 自己位置推定がなぜ必要か、どの様な自己位置推定法があるのか

 自動運転において自己位置推定は重要な技術です。しかし、自己位置推定とはその名の通り「自己 (自動運転車両) の位置を知る」技術でしかありませんので、なぜ自動運転に重要かが想像しにくい部分があると思います。本セミナーではまず「なぜ自己位置推定が必要なのか」という基本的なことから説明します。また、自己位置推定がないと自動運転の実装がどうして難しくなるのかといった説明を行います。そして、現在使われている自己位置推定法に関して、その概略・概要をまとめて説明します。

  • 自己位置推定をどのように行うか、なぜ自己位置推定は難しいのか

 自己位置推定をどの様に行うか、つまり定式化に関する説明を行います。これにより、自己位置推定問題が数学的にどの様な問題として帰着するかを理解して頂きます。そして、この問題を解く具体的な実装方法 (観測モデルのモデル化など) を説明します。
 実装方法を理解した後には、「自己位置推定がなぜ難しいのか」という根本的な原因を説明します。この原因は「観測の独立性の仮定」に起因しますが、これを理解していただければ、自己位置推定技術とは単に「位置を知る」という問題を解くのではなく、より抽象的なモデル化の議論として理解することができる様になり、問題の本質が見えてくる様になります。

  • 最新の自己位置推定技術

 上述の「なぜ難しいか」を理解していただいた後に、その問題解決を行うことを目的とした講演者の最新研究について紹介します。講演者はこれらの試みを「自己位置推定の高度化」と呼んでいます。これは単に、自己位置推定の精度や頑健性を上げることを目的とせず、「自己位置推定のできないことをできるようにする」ということをモチベーションとしているためです。またこれを実現するにあたり、自己位置推定以外の問題も解きます。そしてその結果自己位置推定の性能が向上するため、自己位置推定の高度化と呼んでいます。
 これらを正しく理解するためには数学的知識が必須となりますが、講演では直感的な理解を優先して説明します。なお、これらの説明に関しては、2022年6月発売予定の「LiDARを用いた高度自己位置推定システム~移動ロボットのための自己位置推定の高性能化とその実装例~ (コロナ社) 」に詳細が記載されています。
 また、サンプルプログラムは以下にて公開しています。

サンプルプログラム

 本セミナーではまず自己位置推定に関する基礎的なこと、および自己位置推定問題の定式化について説明します。その後、自己位置推定を実施するにあたり最も重要な役割を担う「観測モデル」について説明します。そして、この観測モデルを構築する際に用いる「観測の独立性」について解説します。観測の独立性を理解することで、自己位置推定の限界を理解することができます。その後、パーティクルフィルタを用いた自己位置推定であるモンテカルロ自己位置推定 (MCL) の説明を行います。ここまでは一般的な話となります。なお、4で説明するMCLの実装例に関しては、ROSのパッケージとして以下で公開しています。

 その後、講演者の最近の研究を基にした「自己位置推定の高度化」という内容に関する説明を行います。5では、MCLと機械学習を用いたEnd – to – End自己位置推定の融合を行うことにより、自己位置推定の失敗からの高速な復帰方法の実現について説明します。6では、動的環境下で頑健に自己位置推定を行うための高度化方法に関して説明します。7では、自己位置推定結果の信頼度を推定する方法に関して説明します。なお、5から7の説明の順序は、わかりやすさを優先した順序となっています。

  1. 自己位置推定の基礎
    1. 自己位置推定とは何か
    2. なぜ自動運転に自己位置推定が重要か
    3. 自己位置推定のあるなしの自動運転の違い
    4. Iterative Closest Points (ICP) とMonte Carlo Localization (MCL)
    5. ベイズフィルタSLAMとグラフSLAM
    6. 自己位置推定とSLAMの手法
  2. 自己位置推定の定式化
    1. グラフィカルモデルからの定式化
    2. 自己位置推定問題のベイズフィルタとしてへの帰着
    3. ベイズフィルタと最適化の違い
  3. 観測モデル
    1. ビームモデルと尤度場モデル
    2. 動的環境で自己位置が失敗するかの理解
    3. 観測の独立性の仮定の重要性とそれが引き起こす問題
  4. パーティクルフィルタを用いた自己位置推定 (MCL)
    1. MCLの概要
    2. MCLの実装 (C++を例に)
  5. MCLと機械学習を用いたEnd – to – End自己位置推定の融合
    1. 重点サンプリング
    2. End – to – End自己位置推定とモンテカルロドロップアウト
    3. 重点サンプリングを介したEnd – to – End自己位置とMCLの融合
  6. 動的環境下での自己位置推定
    1. 観測物体のクラスを考慮した自己位置推定
    2. 環境変化に対する頑健性の向上
    3. 計算・メモリコストを増大させない頑健性の向上
  7. 自己位置推定結果の信頼度推定
    1. 信頼度付き自己位置推定
    2. 深層学習を用いた自己位置推定の失敗検出
    3. 深層学習の不確かさを考慮したモデル化
    4. 信頼度に基づく自己位置推定結果の正誤理解
  8. まとめ

講師

  • 赤井 直紀
    名古屋大学 大学院 工学研究科 航空宇宙工学専攻
    助教

主催

お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 46,000円 (税別) / 50,600円 (税込)
1口
: 56,000円 (税別) / 61,600円 (税込) (3名まで受講可)

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。

これから開催される関連セミナー

開始日時 会場 開催方法
2022/10/3 自動車の電動化動向とLIB (リチウムイオン電池) 、関連部材の事業動向および日本の課題 オンライン
2022/10/12 欧州における車載樹脂のリサイクル技術の動向 オンライン
2022/10/13 リチウム、コバルト、ニッケル等のレアメタルと希ガスの見通しと次世代自動車計画の動き オンライン
2022/10/14 振動工学実践講座 オンライン
2022/10/17 自動運転、AI搭載システムの安全設計と安全性論証技術 オンライン
2022/10/21 EV化により留意したい騒音と対策技術 オンライン
2022/10/27 LiDARの基礎と選定方法およびシステム構築への応用技術・今後の展望 オンライン
2022/10/28 自動車市場の激変を前にした内燃機関系自動車部品メーカーの成長戦略 オンライン
2022/11/1 自動車の自動運転におけるセンシング技術と移動物追跡技術 オンライン
2022/11/9 自動車分野における吸音・遮音のメカニズムと材料開発の指針 大阪府 会場
2022/11/15 電気自動車 (EV) における振動騒音現象とその対策 オンライン
2022/11/16 航空機産業の動向と空飛ぶクルマの可能性 オンライン
2022/11/18 距離画像センサの測距原理と3Dセンサの応用 会場
2022/11/18 CAEを活用した樹脂部品開発、自動車会社での先進的活用 オンライン
2022/11/26 航空機産業の動向と空飛ぶクルマの可能性 オンライン
2022/11/30 LiDARの基礎と活用技術および最新動向と今後の展望 オンライン
2022/12/6 EV/PHVのPCU (パワーコントロールユニット) の基礎と自動車用パワーエレクトロニクス技術動向 東京都 会場

関連する出版物

発行年月
2022/6/30 自動運転車に向けた電子機器・部品の開発と制御技術
2022/5/31 自動車マルチマテリアルに向けた樹脂複合材料の開発
2022/5/6 EV、PHEV、HEVと燃料電池車の環境・走行性能分析 (書籍版)
2022/5/6 EV、PHEV、HEVと燃料電池車の環境・走行性能分析 (書籍+PDF版)
2022/4/15 2022年版 スマートモビリティ市場の実態と将来展望
2022/2/4 世界のxEV、車載用LIB・LIB材料 最新業界レポート
2021/9/30 自動車室内の静粛性向上と、防音・防振技術、材料の開発
2021/4/13 GAFA+Mの自動運転車開発最前線
2021/3/1 LiDAR技術 (米国特許日本語版) (CD-ROM版)
2021/3/1 LiDAR技術 (米国特許日本語版)
2021/1/31 次世代EV/HEV用モータの高出力化と関連材料の開発
2020/12/25 次世代自動車の熱マネジメント
2019/12/13 2020年版 次世代自動車市場・技術の実態と将来展望
2019/1/31 センサフュージョン技術の開発と応用事例
2018/12/14 2019年版 次世代自動車市場・技術の実態と将来展望
2018/11/30 EV・HEV向け電子部品、電装品開発とその最新事例
2018/6/30 ADAS・自動運転を支えるセンサーの市場動向
2018/4/12 自動車用プラスチック部品の開発・採用の最新動向 2018
2017/11/17 2018年版 燃料電池市場・技術の実態と将来展望
2017/5/31 車載センシング技術の開発とADAS、自動運転システムへの応用