![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
近年のロボット技術の向上に伴い, 私たちの生活の中でロボットを目にする機会 が増加した. このことにより家庭用ロボットなどの研究が進められ, 適切に行動可 能であることが必要不可欠となった. そのなかで実環境下でロボットを自立走行させる技術チャレンジである「つく ばチャレンジ」が毎年茨城県つくば市で開催されている. この技術チャレンジに参 加するために, 移動ロボットのための自立走行システムを開発する. つくばチャレンジは 2007 年からつくば市で開催されている. 遊歩道がある市街 地や公園など人々が生活する空間を用いた実環境の中で, 移動ロボットを自立走行 させる技術チャレンジである. 参加者それぞれが開発や実験を行い, 結果や経験を 共有することで, 現在のロボット技術について一般の人々に理解してもらうことを 目標としている. 例年, つくばチャレンジでは全参加チームが取り組むこととなっている必須課題 と, 参加チームそれぞれが任意で選択して取り組む選択課題が用意されており, 昨 年行われたつくばチャレンジ 2021 でも同様に必須課題と選択課題が用意された. 必須課題では以下図 1 内に示されている約 2.5km の自律走行である. この必須課 題は参加全チームが必須となっている. 選択課題は様々な物が有り, つくば市役所 ないを事前データを持ちいらずに走行させる「事前データなし」走行, 公園内に用 意されたチェックポイントを通過し, 公園内に用意された看板を迂回して走行を行 う「チェックポイント通過と経路封鎖迂回」, 公園内に設置されているマネキンを 検出する「探索対象発見」, 最後が本研究の課題としているコース内の交差点にお いて信号機の確認を行い, 横断する「信号認識横断」である. 本研究では最後の選 択課題「信号認識横断」課題の達成を目標としている. この信号認識横断は以下に示すつくばチャレンジのコースの図 1 内にある信号 のマークがある箇所で用いられる.
例年つくばチャレンジで物体認識課題に取り組んでいるチームの多くが深層学 習を用いた手法で取り組んでいる. この深層学習を用いた手法ではより高精度で物体認識を行う事が出来る一面, よ り多くの計算コストがかかってしまう.また,深層学習を用いる際には高性能なGPU を搭載したコンピュータを必要とする. 今後様々なロボットに搭載する際に汎用性 が低くなり, 今後のロボット技術の発展への繋がりも低下してしまう. また, 深層学 習には多くの画像を必要とし, 多くの労力が必要となる. また, つくばチャレンジで は実験走行を行う回数が指定されており, 研究に用いる画像の収集は実験走行内で 行うため, できるだけ少ない画像枚数での検出を行いたい. そこで本研究では, 深層学習を用いず, 単純な画像処理のみを用いて物体認識を 行うことで計算コストの低下と様々なロボットへの汎用性を高くすることを目的 としている. また, つくばチャレンジ内においてリアルタイム検出が可能とし, 選 択課題である「信号認識横断」の達成を目標としている.
本研究では信号の最も大きな特徴であると言うことが出来る色の情報を用いた 信号機の検出を行う. この色情報を用いる上でつくばチャレンジの選択課題である 信号認識横断の課題達成を目標としているため, 屋外での信号検出が必要となる. この際, 太陽光などといった環境光による色変換の影響を受けやすいため, 環境光 による影響を受けにくい HSV 表色系を用いる. この HSV 表色系の中でも環境光の 影響を受けにくい色相を用いる. ここで本研究では色相を用いたヒストグラムに よって検出することにした. 本手法では信号機の青, 赤といった色を信号機から抽出し, 抽出した領域の画像 に対してそれぞれ色相ヒストグラムを作成し, 比較対象としたヒストグラムとの差 分を用いて信号の判定を行う.
今回色抽出に用いるのはHSV表色系である.このHSV表色系とは色相(Hue),彩度(Saturation),明度(Value)の3つの組み合わせにより色を表現する手法である.
まず最初に本実験で用いる画像はつくばチャレンジ2021の実験走行内で撮影された画像である.この用いる画像内で歩行者用信号機は画像内の上部1/3,左部2/3に表示されているため,実行範囲をこの範囲に狭めることで多少ではあるが,実行時間の短縮を図ることが出来るため,範囲の縮小を行う.
