Autonomous Mobile Robots

Mapping and Self-localization using Low-dimensional Features of 3D Pointcloud

Mapping and self-localization are crucial technologies for realizing autonomos mobile robots that can perform their tasks in real environments. This research focuses on computing low-dimensional geometric features from 3D pointcloud data obtained from a 3D laser range finder (LIDAR) and utilizing them for constructing maps with small data-size and realizing robust and computationally cheap self-localization.

屋外環境における移動ロボットの自律的な活動を実現する上で地図生成と自己位置推定が重要な技術です．本研究では三次元レーザ測域センサ（3D LIDAR）から得られる膨大な点群データからリアルタイムで低次元の特徴量を抽出し，これを用いて地図生成や自己位置推定を行う手法の開発を行っています．

Loop detection of out-door environment (Youtube)
屋外走行データのループ検出

Related Publications

[1]	Y. Tazaki, Y. Miyauchi, Y. Yokokohji: Loop Detection of Outdoor Environment Using Proximity Points of 3D Pointcloud, IEEE/SICE International Symposium on System Integration, 2017.
[2]	沢田雄介, 田崎勇一, 横小路泰義: 三次元点群の近接点特徴を用いた走行データからの複数ループ検出, 計測自動制御学会システムインテグレーション部門講演会, 3E5-07, 2017.
[3]	宮内勇貴, 田崎勇一, 横小路泰義: 近接点特徴量を用いた屋外環境におけるループ検出, ロボティクス・メカトロニクス講演会, 2P2-A01, 2017.