知財求人 - 知財ポータルサイト「IP Force」
(19)【発行国】日本国特許庁(JP)
(12)【公報種別】公開特許公報(A)
(11)【公開番号】P2023081297
(43)【公開日】2023-06-09
(54)【発明の名称】移動体およびプログラム
(51)【国際特許分類】
G05D 1/02 20200101AFI20230602BHJP
B61B 13/00 20060101ALN20230602BHJP
【ＦＩ】
G05D1/02 S
B61B13/00 A
【審査請求】未請求
【請求項の数】8
【出願形態】ＯＬ
(21)【出願番号】P 2022168465
(22)【出願日】2022-10-20
(31)【優先権主張番号】P 2021194967
(32)【優先日】2021-11-30
(33)【優先権主張国・地域又は機関】JP
(31)【優先権主張番号】P 2022044252
(32)【優先日】2022-03-18
(33)【優先権主張国・地域又は機関】JP
(31)【優先権主張番号】P 2022088871
(32)【優先日】2022-05-31
(33)【優先権主張国・地域又は機関】JP
(71)【出願人】
【識別番号】000006747
【氏名又は名称】株式会社リコー
(74)【代理人】
【識別番号】110002147
【氏名又は名称】弁理士法人酒井国際特許事務所
(72)【発明者】
【氏名】保坂 健人
(72)【発明者】
【氏名】工藤 宏一
(72)【発明者】
【氏名】北原 拓
【テーマコード（参考）】
3D101
5H301
【Ｆターム（参考）】
3D101BA20
3D101BB18
3D101BB57
5H301AA01
5H301BB10
5H301CC03
5H301CC06
5H301CC10
5H301GG08
5H301GG09
5H301GG12
5H301GG16
5H301HH19
5H301LL01
5H301LL06
5H301LL07
5H301LL08
5H301LL11
5H301LL14
(57)【要約】
【課題】センサによるスキャンをしていない領域の障害物予測に基づいて、移動体を連続した障害物に衝突させずに走行させる。
【解決手段】移動領域の障害物マップに基づき走行路面を走行する移動体であって、移動体の進行方向前面に配置され、かつ、走行路面に対して所定の傾斜角度を有して斜め下向きに設けられた測距センサと、測距センサの測定結果が走行路面に対する凹凸を示す特徴量を含み、測距センサによる複数回の測定結果が類似する凹凸を示す特徴量を含む場合に、連続した障害物と判定する判定部と、凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、測距センサによってスキャンしていない移動体の前方領域の障害物マップを生成するマップ生成部と、を備える。
【選択図】図２
【解決手段】移動領域の障害物マップに基づき走行路面を走行する移動体であって、移動体の進行方向前面に配置され、かつ、走行路面に対して所定の傾斜角度を有して斜め下向きに設けられた測距センサと、測距センサの測定結果が走行路面に対する凹凸を示す特徴量を含み、測距センサによる複数回の測定結果が類似する凹凸を示す特徴量を含む場合に、連続した障害物と判定する判定部と、凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、測距センサによってスキャンしていない移動体の前方領域の障害物マップを生成するマップ生成部と、を備える。
【選択図】図２
【特許請求の範囲】
【請求項1】
移動領域の障害物マップに基づき走行路面を走行する移動体であって、
前記移動体の進行方向前面に配置され、かつ、前記走行路面に対して所定の傾斜角度を有して斜め下向きに設けられた測距センサと、
前記測距センサの測定結果が前記走行路面に対する凹凸を示す特徴量を含み、前記測距センサによる複数回の測定結果が類似する前記凹凸を示す特徴量を含む場合に、連続した障害物と判定する判定部と、
前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを生成するマップ生成部と、を備える、
移動体。
前記移動体の進行方向前面に配置され、かつ、前記走行路面に対して所定の傾斜角度を有して斜め下向きに設けられた測距センサと、
前記測距センサの測定結果が前記走行路面に対する凹凸を示す特徴量を含み、前記測距センサによる複数回の測定結果が類似する前記凹凸を示す特徴量を含む場合に、連続した障害物と判定する判定部と、
前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを生成するマップ生成部と、を備える、
移動体。
【請求項2】
前記判定部は、
前記凹凸を示す特徴量が連続した長さで続いている場合、前記凹凸に関する他の所定の特徴量が所定の長さで連続しているとみなす、
請求項１に記載の移動体。
前記凹凸を示す特徴量が連続した長さで続いている場合、前記凹凸に関する他の所定の特徴量が所定の長さで連続しているとみなす、
請求項１に記載の移動体。
【請求項3】
前記マップ生成部は、
カーブフィッティング予測を実施して、前記移動体の前記前方領域の前記障害物マップを生成する、
請求項１または請求項２に記載の移動体。
カーブフィッティング予測を実施して、前記移動体の前記前方領域の前記障害物マップを生成する、
請求項１または請求項２に記載の移動体。
【請求項4】
前記移動体の傾き量を検知する傾きセンサをさらに備え、
前記判定部は、
前記測距センサによって測定された前記走行路面に対する高低差を、前記傾き量に基づき補正する、
請求項１に記載の移動体。
前記判定部は、
前記測距センサによって測定された前記走行路面に対する高低差を、前記傾き量に基づき補正する、
請求項１に記載の移動体。
【請求項5】
前記測距センサは、
前記走行路面に対する前記傾斜角度が水平方向に対して３５度以上であり、
前記走行路面を走行する駆動部材の走行方向の先端部より１ｍ以上先を検知できる高さに設置されている、
請求項１に記載の移動体。
前記走行路面に対する前記傾斜角度が水平方向に対して３５度以上であり、
前記走行路面を走行する駆動部材の走行方向の先端部より１ｍ以上先を検知できる高さに設置されている、
請求項１に記載の移動体。
【請求項6】
前記測距センサは、２次元方向の測距が可能な２Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）である、
請求項１に記載の移動体。
請求項１に記載の移動体。
【請求項7】
前記測距センサは、３次元方向の測距が可能な３Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）である、
請求項１に記載の移動体。
請求項１に記載の移動体。
【請求項8】
走行路面に対して所定の傾斜角度を有して斜め下向きに設けられた測距センサを、進行方向前面に備える移動体を制御するコンピュータを、
前記測距センサの測定結果が前記走行路面に対する凹凸を示す特徴量を含み、前記測距センサによる複数回の測定結果が類似する前記凹凸を示す特徴量を含む場合に、連続した障害物と判定させ、
前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを作成させる、
ことを特徴とするプログラム。
前記測距センサの測定結果が前記走行路面に対する凹凸を示す特徴量を含み、前記測距センサによる複数回の測定結果が類似する前記凹凸を示す特徴量を含む場合に、連続した障害物と判定させ、
前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを作成させる、
ことを特徴とするプログラム。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、移動体およびプログラムに関する。
【背景技術】
【0002】
従来、化学プラントなどの屋外に設置されている構造物（配管、メータ、バルブなど）に漏れや異常が無いかについて、点検員が目視で点検していた。近年、上述の点検作業において、自律移動する移動体により無人化しようとする技術が開発されている。
【0003】
例えば、特許文献１には、距離測定装置による一次元のレーザ走査をＫ回行い、ａ回前（Ｋ－ａ回）の走査からＫ回目までのレーザ走査の全てについて、連続して凹形状の障害物として検出する技術が開示されている。
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかしながら、特許文献１の技術によれば、レーザ走査しているライン上の障害物しか検知できないので、障害物が前方に続いているかどうか、などの予測に基づいた動作をすることができない、という課題がある。
【0005】
本発明は、上記に鑑みてなされたものであって、センサによるスキャンをしていない領域の障害物予測に基づいて、移動体を連続した障害物に衝突させずに走行させることを目的とする。
【課題を解決するための手段】
【0006】
上述した課題を解決し、目的を達成するために、本発明は、移動領域の障害物マップに基づき走行路面を走行する移動体であって、前記移動体の進行方向前面に配置され、かつ、前記走行路面に対して所定の傾斜角度を有して斜め下向きに設けられた測距センサと、前記測距センサの測定結果が前記走行路面に対する凹凸を示す特徴量を含み、前記測距センサによる複数回の測定結果が類似する前記凹凸を示す特徴量を含む場合に、連続した障害物と判定する判定部と、前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを生成するマップ生成部と、を備える。
【発明の効果】
【0007】
本発明によれば、センサによるスキャンをしていない領域の障害物予測に基づいて、移動体を連続した障害物に衝突させずに走行させることができる。
【図面の簡単な説明】
【0008】
【発明を実施するための形態】
【0009】
以下、発明を実施するための最良の形態を、図面に従って詳細に説明する。
【0010】
（走行装置の構成例）
図１は、実施形態にかかる走行装置１の構成の一例を示す図である。
図１は、実施形態にかかる走行装置１の構成の一例を示す図である。
【0011】
図１（ａ）は、本実施の形態にかかる走行装置１の外観斜視図である。図１（ｂ）は、実施形態にかかる走行装置１の前面図（図１（ａ）のＰ矢視図）である。図１（ｃ）は、本実施形態にかかる走行装置１の側面図（図１（ａ）のＱ矢視図）である。
【0012】
なお、本明細書において、ｘ方向は走行装置１の横幅方向を意味する。また、ｙ方向は走行装置１の進行方向を意味し、ｚ方向は走行装置１の高さ方向を示す。また、これらｘ，ｙ，ｚで表される座標をロボット座標と呼ぶことがある。すなわち、ロボット座標は走行装置１を中心とする座標である。
【0013】
移動体としての走行装置１は、履帯式走行体１１ａ,１１ｂおよび本体１０を有する。
【0014】
履帯式走行体１１ａ,１１ｂは、走行装置１の移動手段となるユニットである。また、履帯式走行体１１ａ,１１ｂは、金属またはゴム製のベルトを用いた履帯（クローラ）式の走行体である。
【0015】
履帯式の走行体は、自動車のようなタイヤで走行する走行体と比較して接地面積が広く、例えば、足場の悪い環境においても、安定した走行を行うことができる。また、タイヤで走行する走行体は、回転動作を行う際に旋回スペースを必要とするのに対して、履帯式の走行体を備えた走行装置は、いわゆる超信地旋回を行うことができるため、限られたスペースでも回転動作をスムーズに行うことができる。
【0016】
ここで、超信地旋回とは、左右の履帯を互いに逆方向に等速回転させることによって、車体の中心を軸としてその場で旋回することを指す。このような旋回方法は、スピンターン（ｓｐｉｎ ｔｕｒｎ）等とも呼ばれる。
【0017】
２つの履帯式走行体１１ａ,１１ｂは、本体１０を挟んで、走行装置１が走行可能な状態で設置される。なお、履帯式走行体の数は、２つに限定されるものではなく、３つ以上であってもよい。例えば、走行装置１は、３つの履帯式走行体を平行に三列に整列させる等、走行装置１が走行可能な状態で設置されてもよい。また例えば、走行装置１は、４つの履帯式走行体を自動車のタイヤのように前後左右に配列させてもよい。
【0018】
履帯式走行体１１（１１ａ，１１ｂ）は、三角形の形状を有する。三角形の形状の履帯式走行体１１によれば、例えば前後のサイズに制約がある場合、前後の限られたサイズの中で接地面積を大きくすることができる。これにより、上述のように、走行時の安定性を向上させることができる。一方で、下側（転輪側）よりも上側（駆動輪側）の方が長い、いわゆる戦車タイプの履帯は、前後のサイズに制約がある場合には全体的に接地面積が小さくなって不安定になる。このように、履帯式走行体１１は、比較的に小型の走行装置１の走行性を高める場合に有効である。
【0019】
本体１０は、履帯式走行体１１ａ,１１ｂを走行可能な状態で支持する支持体であるとともに、走行装置１を駆動させるための制御を行う制御装置である。また、本体１０は、履帯式走行体１１ａ,１１ｂを駆動させるための電力を供給する図示しないバッテリを搭載する。
【0020】
走行装置１の本体１０は、電源ボタン１２、起動ボタン１３、非常停止ボタン１４、状態表示ランプ１５、および蓋部１６を備える。
【0021】
電源ボタン１２は、走行装置１の周辺にいる人が、走行装置１の電源をオンまたはオフする際に押下する操作手段である。起動ボタン１３は、走行装置１の周辺にいる人が、２つの履帯式走行体１１ａ,１１ｂをスタートさせる際に押下する操作手段である。非常停止ボタン１４は、走行装置１の周辺にいる人が、走行中の走行装置１を停止させる際に押下する操作手段である。
【0022】
状態表示ランプ１５は、走行装置１の状態を通知するための通知手段である。状態表示ランプ１５は、例えば、バッテリ残量の低下等の走行装置１の状態が変化した場合、周囲の人に、走行装置１の状態変化を知らせるために点灯する。また、状態表示ランプ１５は、例えば走行装置１の走行を妨げる障害物の存在等が検知された場合等、異常発生のおそれがある場合に点灯する。
【0023】
なお、図１は、走行装置１に状態表示ランプ１５が２つ備えられている例を示すが、状態表示ランプ１５の数は、１つであってもよく、３つ以上であってもよい。また、通知手段は、状態表示ランプ１５のみならず、スピーカから発せられる警告音等によって走行装置１の状態を通知する構成であってもよい。
【0024】
蓋部１６は、本体１０の上面に設けられ、本体１０の内部を封止する。また、蓋部１６は、本体１０の内部の通気を行うための通気口を有する通気部１６ａを有する。
【0025】
走行装置１は、本体１０の進行方向前面に、水平方向検知用の測距センサ１１２を備える。水平方向検知用の測距センサ１１２は、光による検知と２次元方向の測距を行う２Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）方式のセンサであり、ＭＥＭＳ（Ｍｉｃｒｏ Ｅｌｅｃｔｒｏ Ｍｅｃｈａｎｉｃａｌ Ｓｙｓｔｅｍｓ）方式や回転ミラー方式が有る。
【0026】
測距センサ１１２は、レーザ光を物体に照射し、物体に当たって跳ね返ってくるまでの時間の計測結果に基づいて、物体までの距離および物体が存在する方向を測定する。
【0027】
加えて、走行装置１は、本体１０の進行方向前面に、斜め方向検知用の測距センサ１１３を備える。斜め方向検知用の測距センサ１１３もまた、２次元方向の測距が可能な２Ｄ－ＬｉＤＡＲ方式のセンサであり、ＭＥＭＳ方式や回転ミラー方式が有る。測距センサ１１３は、水平な走行路面に対しては所定の傾斜角度を有して斜め下向きになるように、水平よりも下方に角度をつけて取り付けられる。
【0028】
測距センサ１１３は、レーザ光を路面障害物等の物体に照射し、物体に当たって跳ね返ってくるまでの時間の計測結果に基づいて、物体までの距離および物体が存在する方向を測定する。
【0029】
ところで、測距センサ１１３の設置位置には、履帯式走行体１１ａ,１１ｂの履帯の幅および長さによって、また、検知したい物体の大きさ、幅、深さ、高さによって、適正値がある。
【0030】
図２は、実施形態にかかる走行装置１の測距センサ１１３の設置例を示す図である。図２（ａ）は、測距センサ１１３の設置角度および設置高さの例を示す図である。図２（ｂ）は、測距センサ１１３のレーザ照射範囲の一例を示す図である。
【0031】
図２（ａ）に示すように、測距センサ１１３は、例えば走行路面への照射角度が走行路面を基準として３５度以上となるように設置される。また、測距センサ１１３は、走行路面を走行する駆動部材（駆動輪）である履帯式走行体１１ａ,１１ｂの走行方向の先端部から１ｍ以上先を検知できるような高さに設置されている。
【0032】
ここで、測距センサ１１３は、測距センサ１１３前方のｘ方向を含む所定範囲に、レーザ照射を行うことができる。図２（ｂ）は、このようなレーザ照射範囲のうちｘｙ平面またはｘｚ平面の断面を切り取ったものである。
【0033】
図２（ｂ）に示すように、測距センサ１１３のレーザ照射範囲は、測距センサ１１３前方のｘ方向を中心として、例えば２７０度の範囲に設定可能である。すなわち、測距センサ１１３は、ｘ方向を９０度として－４５度以上＋４５度以下の範囲ＳＧ、つまり、１８０度±４５度の範囲ＳＧにレーザを照射することができる。
【0034】
なお、測距センサ１１３の走行路面に対する上述の照射角度は、測距センサ１１３の照射面に対して直角に照射されるレーザの照射角度である。つまり、測距センサ１１３は、照射面が走行路面に対して３５度以上の傾斜角度となるよう、斜め下向きに設けられている。
【0035】
測距センサ１１３は、この２７０°の照射範囲において、例えば０．２５°のステップ角でレーザ照射をするよう設定可能である。すなわち、測距センサ１１３は、２７０°の範囲内を１０８０ステップに分割する分解能で、レーザを照射することができる。
【0036】
また、測距センサ１１３のレーザ照射距離Ｌｉｒは、例えば１０ｍ以上２０ｍ以下に設定可能である。
【0037】
なお、例えば走行装置１の高速走行ではより遠くが見たい、走行装置１の旋回時には足元が見たい、という要望がある。そこで、走行装置１の走行速度、路面障害物等の検知物体の大きさなどに応じて、測距センサ１１３のレーザ照射角度を適正化するようにしてもよい。
【0038】
測距センサ１１３としては、３次元方向の測距が可能な３Ｄ－ＬｉＤＡＲを用いることができる。３Ｄ－ＬｉＤＡＲとしては、レーザービームの走査方向と直交する方向に複数のレーザービームを照射して同時に複数の照射角の測距データを取得できるようにしたものや、ＭＥＭＳミラーなどを用いてレーザービームを３次元の方向に走査して、３次元データを取得するものなどがある。３Ｄ－ＬｉＤＡＲは、一度に３次元のデータを取得するため、２Ｄ－ＬｉＤＡＲと比較して、ロボットの振動やチルト方向のブレによる走行路面の検知への悪影響が少ない。
【0039】
３Ｄ－ＬｉＤＡＲの設置位置については、観測したい路面位置は変わらないため、２Ｄ－ＬｉＤＡＲと同じような条件で設置すると良い。前方方向については１ｍ以上前方の路面情報を得たいので、３Ｄ－ＬｉＤＡＲは、レーザービームの照射位置を、１ｍ以上前方を見ることができるような配置とする。また、３Ｄ－ＬｉＤＡＲは、レーザービームの照射位置を、進行方向に対して上下の角度（チルト方向）についても１ｍ先の路面が３５°以上の角度でレーザービームを照射できるような配置とする。
【0040】
走行装置１は、上述の図１に示した履帯式走行体１１ａ,１１ｂを備えることにより、走行路面に凹凸を有するような不整地においても安定して走行することができる。
【0041】
ただし、履帯式走行体１１ａ,１１ｂにおいては、不整地の走行路面の凹凸によって、履帯の一部が接地できずに浮いてしまうことがある。そのため、不整地を走行時に本体１０が前後に揺れることに起因して、測距センサが検出する高さ位置が変化してしまう、という課題がある。
【0042】
加えて、走行時の振動で測距センサが誤動作する可能性がある、という課題がある。例えば、ＭＥＭＳ方式のようなミラー偏光タイプのセンサは振動に弱く、振動で停止する場合がある。
【0043】
そこで、実施形態においては、走行装置１は、慣性計測装置（ＩＭＵ：Ｉｎｅｒｔｉａｌ Ｍｅａｓｕｒｅｍｅｎｔ Ｕｎｉｔ）を本体１０に備える。ＩＭＵは、走行装置１の傾き量を検知する傾きセンサである。ＩＭＵの詳細構成については後述する。
【0044】
さらに、測距センサ１１３を、バネやゴムなどで支持した衝撃吸収構造の上に取り付けるようにしてもよい。また、ＩＭＵも、衝撃吸収構造の上に取り付けるようにしてもよい。これにより、測距センサ１１３の揺れを抑えることができるので、走行装置１の走行時の振動での誤動作を軽減することができる。
【0045】
なお、衝撃吸収構造をアクティブステアリング機構とした場合には、測距センサ１１３を水平に保つことも可能である。また、測距センサ１１３は、アームを介して本体１０に設けられていてもよい。
【0046】
ところで上述のように、測距センサ１１３の走行路面に対する照射角度が直角に近くなるほど、走行装置１の進行方向であるｘ方向の分解能が高まり検知精度を高めることができる。したがって、照射角度がなるべく深くなるよう測距センサ１１３を設置することが好ましい。
【0047】
一方で、上記のように測距センサ１１３を設置すると、走行装置１の進行方向であるｘ方向にレーザ照射される距離が短くなり、走行装置１の進行方向における検知距離が短くなってしまうため、遠方まで検知することができなくなってしまう。
【0048】
測距センサ１１３による走行路面へのレーザの照射角度を浅くすれば遠方まで検知することができるが、走行装置１の振動による揺らぎ及びばらつきの影響が大きくなってしまう。また、照射角度が浅いと、下り坂を走行する場合等には走行路面への照射ができなくなってしまう可能性もある。
【0049】
そこで、測距センサ１１３の設置位置を高くすることで、同じ照射角度であっても遠方まで検知することが可能となり、上記のような課題を解決することができる。このように、測距センサ１１３の照射角度と設置高さとの双方が適正な値に調整されていることが好ましい。
【0050】
ここで、図３を用いて、上記のように、測距センサ１１３の走行路面への照射角度を水平方向に対して３５度以上とし、測距センサ１１３を履帯式走行体１１ａ,１１ｂの走行方向の先端部より１ｍ以上先を検知できる高さとする設定位置の根拠について詳細に説明する。
【0051】
図３は、実施形態にかかる走行装置１が備える測距センサ１１３の設定位置の根拠について説明する図である。図３（ａ）は、測距センサ１１３に必要とされる照射距離の根拠を説明する図である。図３（ｂ）は、測距センサ１１３の照射角度および高さ位置の設定根拠を説明する図である。
【0052】
測距センサ１１３の照射角度は、例えば走行装置１の速度、検知が必要な物体の大きさ等で適正化されていることが好ましい。
【0053】
図３（ａ）に示すように、走行装置１が接地長Ｌ及び幅Ｗの履帯式走行体１１を備える場合、例えば長さＬ／２以下、または幅Ｗ／２以下の穴に転落する恐れは略ない。このため、制動距離ＬＢ、及び測距センサ１１３の検知距離ＬＳの走行装置１が、前方の障害物に接触または転落することなく停止するためには、少なくとも検知距離ＬＳ＞制動距離ＬＢ－Ｌ／２、より好ましくは検知距離ＬＳ＞制動距離ＬＢに設定すればよい。
【0054】
上記のように、検知距離ＬＳ＞制動距離ＬＢとなるよう、測距センサ１１３の検知距離ＬＳを設定することで、走行装置１を安全に停止させることができる。ここで、走行装置１の制動距離ＬＢが例えば０．６０ｍである場合、走行装置１を安全に停止可能な検知距離ＬＳを例えば１ｍなどとすることができる。
【0055】
図３（ｂ）に示すように、測距センサ１１３の取り付け可能高さｚとして、走行装置１のレイアウトに照らし、例えばｚ＝０．４１２５ｍと、ｚ＝０．９７ｍとの２点を想定することとする。また、このとき、走行装置１において最も進行方向側に突き出したバンパーの先端位置から１ｍの検知距離ｘｄが得られるように、測距センサ１１３の照射角度θを調整することとする。
【0056】
取り付け可能高さｚを０．４１２５ｍとした場合、測距センサ１１３の取り付け角度、つまり、走行路面に対する照射角度θは２０度となり、照射角度θの傾きａは、ｔａｎθ＝ｔａｎ２０＝０．３６である。
【0057】
取り付け可能高さｚを０．９７ｍとした場合、測距センサ１１３の取り付け角度、つまり、走行路面に対する照射角度θは３５度となり、照射角度θの傾きａは、ｔａｎθ＝ｔａｎ３６＝０．７０である。
【0058】
走行路面に細かい凹凸がある場合、それぞれの取り付け可能高さｚにおける傾きａの逆数で、測距センサ１１３の検知距離が変動して検知精度が低下してしまう。このことから、３５度の深い角度を取ることができる取り付け可能高さｚ＝０．９７ｍを採用することとする。
【0059】
以上のことから、測距センサ１１３の走行路面への照射角度の適正値として、上述のように水平方向に対して３５度以上の設定値を採用した。また、測距センサ１１３の検知距離の適正値として、測距センサ１１３を履帯式走行体１１ａ,１１ｂの走行方向の先端部より１ｍ以上の設定値を採用した。また、測距センサ１１３の取り付け高さの適正値として、測距センサ１１３を履帯式走行体１１ａ,１１ｂの走行方向の先端部より１ｍ以上先を検知できる０．９７ｍを採用した。
【0060】
ここで、例えば特許文献１では、距離測定装置の検知距離を考慮したうえでの照射角度および設置高さの詳細について検討されていない。したがって、例えば特許文献１の技術では、距離測定装置から適正な検知結果を得ることができない。このため、移動体を安全に走行させることが困難となってしまう場合があると考えられる。
【0061】
なお、測距センサ１１３として３Ｄ－ＬｉＤＡＲを用いる場合においても、上述の設置設計の考え方は変わらない。ビーム照射角３５度以下は段差検知が難しいため、３Ｄ－ＬｉＤＡＲは、３５度以下のビームができる角度、かつ１ｍ程度前方が検知できる高さで取り付ける。また、ＭＥＭＳスキャン方式で円錐状のビーム照射範囲を持つ３Ｄ－ＬｉＤＡＲを測距センサ１１３として用いる場合においては、中心から外れるほど検知幅が狭くなってしまう。そのため、測距センサ１１３として３Ｄ－ＬｉＤＡＲを用いる場合においては、ビームの中心が照射角度３５度、１ｍ先を検知する位置になるように設置することが望ましい。
【0062】
【0063】
図４に示すように、走行装置１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１０１、メモリ１０２、補助記憶装置１０３、カメラ１１１、測距センサ１１２，１１３、衛星測位システム１１４、ＩＭＵ１１５、バッテリ１２１、モータドライバ１２２ａ，１２２ｂ、走行用モータ１３２ａ，１３２ｂ、ブレーキドライバ１２３ａ，１２３ｂ、ブレーキ用モータ１３３ａ，１３３ｂ、電源ＳＷ１４１、起動ＳＷ１４２、及び非常停止ＳＷ１４３を有する。
【0064】
ＣＰＵ１０１は、走行装置１全体の制御を行う。ＣＰＵ１０１は、メモリ１０２に記憶された走行プログラムに従って動作することにより、判定部および障害物マップを生成するマップ生成部として機能する。ＣＰＵ１０１は、メモリ１０２に記憶された走行プログラムに従って動作することにより、マップ生成部が生成した障害物マップを用いて走行する。メモリ１０２は、ＣＰＵ１０１により走行プログラム等を実行するための一時記憶領域である。補助記憶装置１０３は、ＣＰＵ１０１により実行される走行プログラム等を格納する。
【0065】
走行装置１で実行される走行プログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ－ＲＯＭ、フレキシブルディスク（ＦＤ）、ＣＤ－Ｒ、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｃ）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。
【0066】
また、走行装置１で実行される走行プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、走行装置１で実行される走行プログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。また、走行装置１で実行される走行プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。
【0067】
モータドライバ１２２（１２２ａ，１２２ｂ）は、２つの履帯式走行体１１ａ,１１ｂにそれぞれ設けられた走行用モータ１３２（１３２ａ，１３２ｂ）のドライバである。ブレーキドライバ１２３（１２３ａ，１２３ｂ）は、２つの履帯式走行体１１ａ,１１ｂにそれぞれ設けられたブレーキ用モータ１３３（１３３ａ，１３３ｂ）のドライバである。モータドライバ１２２及びブレーキドライバ１２３は、ＣＰＵ１０１からのコマンドを受けて走行用モータ１３２及びブレーキ用モータ１３３をそれぞれ制御する。
【0068】
電源ＳＷ１４１は、走行装置１の電源をオンまたはオフするスイッチである。電源ＳＷ１４１は、上述の電源ボタン１２（図１参照）の押下と連動して作動する。起動ＳＷ１４２は、２つの履帯式走行体１１ａ,１１ｂをスタートさせるスイッチである。起動ＳＷ１４２は、上述の起動ボタン１３（図１参照）の押下と連動して作動する。非常停止ＳＷ１４３は、２つの履帯式走行体１０ａ,１０ｂを非常停止させるスイッチである。非常停止ＳＷ１４３は、上述の非常停止ボタン１４（図１参照）の押下と連動して作動する。
【0069】
カメラ１１１は、全天球カメラ、ステレオカメラ、赤外線カメラ等を含む。測距センサ１１２は、上述の通り、水平方向検知用のＬｉＤＡＲ方式のセンサである。測距センサ１１３は、上述の通り、斜め方向検知用のＬｉＤＡＲ方式のセンサである。
【0070】
衛星測位システム１１４は、衛星からの電波を受信して、その受信結果に基づいて、地球上における走行装置１の位置を測定する。衛星測位システム１１４は、ＲＴＫ（Real Time Kinematic）－ＧＮＳＳ（Global Navigation Satellite System）を使用する。ＲＴＫ－ＧＮＳＳによる位置推定においては、ＲＴＫ－ＧＮＳＳ測位における高精度測位解（Ｆｉｘ解）が得られているときは、数ｃｍの精度を得ることができる。
【0071】
衛星測位システム１１４は、ＧＮＳＳ受信用の２つのアンテナを備える。衛星測位システム１１４は、２つのアンテナで得られた位置情報に一定距離以上のずれがあるときには、位置情報の信頼性（精度）が低くなっていると判断する。
【0072】
ＩＭＵ１１５は、３軸の加速度センサ及び回転角速度センサなどを備える。走行装置１は、ＩＭＵ１１５の計測データを用いて走行装置１の本体１０の傾き量を検出して、測距センサ１１３によって測定された走行路面に対する高低差を、走行装置１の傾き量に基づき補正する。
【0073】
なお、ＩＭＵ１１５は、測距センサ１１３の近傍に設けられていることが好ましい。測距センサ１１３がアームを介して本体１０に設けられている場合には、ＩＭＵ１１５はアームに設けられていることが好ましい。また、本実施形態においては、ＩＭＵ１１５は、走行装置１の姿勢を推定する自己位置推定用のＩＭＵを兼ねる。
【0074】
これにより、不整地を走行時に本体１０が前後に揺れることに起因して、測距センサ１１３が検出する高さ位置が変化してしまう、という課題を解決することができる。
【0075】
判定部として機能するＣＰＵ１０１は、測距センサ１１３による１回の測定結果に走行路面に対する凹凸を示す特徴量が含まれており、測距センサ１１３による複数回（Ｎ回）の測定結果において、同じ場所に同じくらいの凹凸が測定された場合、つまり、これらの凹凸を類似する凹凸として、これらの類似する凹凸を示す特徴量が含まれている場合に、連続した障害物と判定する。
【0076】
また、マップ生成部として機能するＣＰＵ１０１は、所定の半径内に凹凸を示す特徴量が所定個数続いた場合に、凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいてカーブフィッティング予測を実施して、斜め方向検知用の測距センサ１１３によってスキャンしていない移動体の前方領域の障害物マップを生成する。
【0077】
続いて、走行装置１の自律走行にかかる動作について説明する。
【0078】
図５は、走行装置１の自律走行にかかる機能構成を示すブロック図である。図５に示すように、走行装置１の自律走行においては、衛星測位システム１１４を用いた走行装置１の自己位置推定にかかる機能と、走行装置１の走行制御にかかる機能と、を含む。
【0079】
まず、走行装置１の自己位置推定について説明する。
【0080】
図５に示すように、走行装置１は、走行装置１の自己位置推定にかかる機能として、オドメトリ計算部１５１と、自己位置推定部１５２と、を備える。
【0081】
走行装置１の自己位置推定に関しては、上述のように衛星測位システム１１４を用いた高精度位置情報を利用するが、位置更新周期が２００ｍｓ～１ｓ程度とばらつきが大きい。そのため、オドメトリ計算部１５１は、２つの履帯式走行体１１ａ,１１ｂをそれぞれ駆動する走行用モータ１３２ａ，１３２ｂの回転角ωから走行装置１の自己位置を推定するオドメトリ計算を行う。走行用モータ１３２ａ，１３２ｂの回転角ωは、走行用モータ１３２ａ，１３２ｂのモータ駆動用のホールセンサパルスや、エンコーダ、タコメータなどの外部センサから得ることができる。
【0082】
自己位置推定部１５２は、自己位置推定結果（Ｘ，Ｙ，θ）を出力する。より詳細には、自己位置推定部１５２は、オドメトリ計算部１５１で計算したオドメトリ情報を、ＲＴＫ－ＧＮＳＳを含む衛星測位システム１１４で得られた位置情報とＩＭＵ１１５で計測された姿勢変化とを用いて補正することで、安定した自己位置推定を行う。
【0083】
ところで、ＲＴＫ－ＧＮＳＳによる位置情報は、反射物などの影響で急に数十ｃｍ～数ｍずれることが有る。したがって、自己位置推定部１５２は、このような急な位置推定のずれにより不安定な動作をしないように、前述の２つのアンテナで取得された位置情報が一定以上ずれていない時には、上述したようなオドメトリ計算部１５１で計算したオドメトリ情報の補正を行う。一方、自己位置推定部１５２は、前述の２つのアンテナで取得された位置情報が一定以上ずれていたり、ＲＴＫ－ＧＮＳＳ測位における高精度測位解（Ｆｉｘ解）が得られていなかったりする場合には、オドメトリ計算部１５１でのオドメトリの計算結果のみで自己位置推定を行う。
【0084】
次に、走行装置１の速度制御について説明する。
【0085】
図５に示すように、走行装置１は、走行装置１の速度制御にかかる機能として、グローバルプランナ部１５３と、ローカルプランナ部１５４と、障害物検知部１５５と、ステアリングコントロール部１５６と、を備える。
【0086】
グローバルプランナ部１５３は、スタート地点からゴールまでの大域的なプラニング（ＷＰリスト）を行い、到達可能なＷＡＹＰＯＩＮＴ（ＷＰ（ｎ））のシーケンスを出力する。ＷＡＹＰＯＩＮＴは、走行装置１の走行経路上の点の集合である。ＷＡＹＰＯＩＮＴは、位置（ｘ，ｙ，ｚ）以外に方向および速度（Ｖｍａｘ）の情報を有している。
【0087】
ローカルプランナ部１５４は、グローバルプランナ部１５３から得られるＷＡＹＰＯＩＮＴ（ＷＰ（ｎ））の情報を基にして、実際にＷＡＹＰＯＩＮＴとＷＡＹＰＯＩＮＴとを結ぶ経路を生成するとともに、目標方向（ＷＰベクトル）を計算する。
【0088】
障害物検知部１５５は、測距センサ１１２，１１３による検知結果に基づいて、障害物検知を行う。障害物検知部１５５は、検知した障害物に応じて、ステアリングコントロール部１５６に対して、回避方向（θ）、速度指示（Ｖ）、停止指示（Ｖ）を出力する。障害物検知部１５５はまた、障害物検知の結果を用いて、走行装置１の走行路面の障害物マップを生成する。
【0089】
ステアリングコントロール部１５６は、走行装置１の速度，角速度を演算するとともに、ステアリング制御するための左右の履帯式走行体１１ａ,１１ｂの速度（ＶＬ，ＶＲ）を計算する。ステアリングコントロール部１５６は、左右の履帯式走行体１１ａ,１１ｂの速度（ＶＬ，ＶＲ）を、シリアルＩＦ（Ｉｎｔｅｒｆａｃｅ）１５７およびモータドライバ１２２ａ，１２２ｂに渡し、走行用モータ１３２ａ，１３２ｂを制御する。
【0090】
ここで、ステアリングコントロール部１５６の速度制御にかかる機能構成について説明する。図６は、ステアリングコントロール部１５６の速度制御にかかる機能構成を示すブロック図である。
【0091】
左右の履帯式走行体１１ａ,１１ｂを独立駆動するクローラ型ロボットである走行装置１は、左右の履帯式走行体１１ａ,１１ｂの速度差によって旋回する。走行負荷の異なる様々な路面で安定した走行をするためには、負荷に依らず左右の履帯式走行体１１ａ,１１ｂを指定した速度で回転させる必要がある。
【0092】
このため、図６に示すように、ステアリングコントロール部１５６は、ステアリングを制御するメジャーループと、左右それぞれの履帯式走行体１１ａ,１１ｂの速度を制御するマイナーループとに分けて、走行装置１の走行制御を実行する。
【0093】
図６に示すように、ステアリングコントロール部１５６は、位置ＰＩＤ（Proportional-Integral-Differential）１６１と、速度ＰＩＤ（Proportional-Integral-Differential）１６２ａ，１６２ｂと、速度演算部１６３ａ，１６３ｂと、を備える。
【0094】
位置ＰＩＤ１６１は、設定値と測定値との差分（位置偏差）から、ステアリング制御するための左右の履帯式走行体１１ａ,１１ｂの操作量を計算する。
【0095】
速度ＰＩＤ１６２ａ，１６２ｂは、速度偏差から操作量の変化分を求める。
【0096】
速度演算部１６３ａ，１６３ｂは、走行用モータ１３２ａ，１３２ｂに取り付けられたホールセンサの信号（モータパルス）に基づいて速度演算部１６３ａ，１６３ｂにてモータ速度の推定を行う。
【0097】
ステアリングコントロール部１５６は、メジャーループでは、走行用モータ１３２ａ，１３２ｂのモータパルスを用いたオドメトリ計算部１５１でのオドメトリの計算結果を、ＲＴＫ－ＧＮＳＳを含む衛星測位システム１１４で得られた位置情報とＩＭＵ１１５で計測された姿勢変化（θｇｐｓ）および速度変化（Ｖｇｐｓ）とを用いて自己位置推定部１５２で補正した自己位置推定結果と、目標地点への目標方向（θｓｅｔ）と目標位置（Ｐｓｅｔ）との差分（位置偏差）を計算する。
【0098】
より詳細には、ステアリングコントロール部１５６は、計算した差分（位置偏差）を位置ＰＩＤ１６１に出力する。
【0099】
位置ＰＩＤ１６１は、設定値と測定値との差分（位置偏差）から、ステアリング制御するための左右の履帯式走行体１１ａ,１１ｂの操作量ＶＬｓｅｔ，ＶＲｓｅｔ（指示速度Ｖおよび走行用モータ１３２ａ，１３２ｂの回転角ω）を計算する。
【0100】
走行装置１は、左右の履帯式走行体１１ａ,１１ｂをメジャーループからの操作量ＶＬｓｅｔ，ＶＲｓｅｔに従って制御されることで、安定した走行を実現することができる。
【0101】
加えて、ステアリングコントロール部１５６は、マイナーループでは、走行用モータ１３２ａ，１３２ｂに取り付けられたホールセンサの信号（モータパルス）に基づいて速度演算部１６３ａ，１６３ｂにてモータ速度の推定を行う。そして、ステアリングコントロール部１５６は、速度演算部１６３ａ，１６３ｂからの速度推定結果と目標速度との差分（速度偏差）に基づき、速度ＰＩＤ１６２ａ，１６２ｂにて走行用モータ１３２ａ，１３２ｂに対するモータ印加電圧を制御して、速度をフィードバック制御する。このようにマイナーループで速度をフィードバック制御するのは、走行用モータ１３２ａ，１３２ｂに対する外乱トルクによる速度変動を抑制するためである。
【0102】
（走行装置の障害物検知処理の例）
次に、図７を用いて、走行装置１の自立走行の制御処理のうち、走行装置１の走行路面における路面障害物の検知について説明する。図７は、実施形態にかかる走行装置１における路面障害物の検知処理の手順の一例を示すフローチャートである。なお、図７に示す処理手順は、測距センサ１１３として２Ｄ－ＬｉＤＡＲを用いる例である。
次に、図７を用いて、走行装置１の自立走行の制御処理のうち、走行装置１の走行路面における路面障害物の検知について説明する。図７は、実施形態にかかる走行装置１における路面障害物の検知処理の手順の一例を示すフローチャートである。なお、図７に示す処理手順は、測距センサ１１３として２Ｄ－ＬｉＤＡＲを用いる例である。
【0103】
図７に示すように、ＣＰＵ１０１は、測距センサ１１６による走査を開始し（ステップＳ１）、照射角度フィルタ処理を実行する（ステップＳ２）。具体的には、ＣＰＵ１０１は、ステップＳ２において、測距センサ１１３によって検出したスキャン方向－６２～＋６２度のデータであって、横方向±３ｍ以内のデータのみを抽出する。
【0104】
次いで、ＣＰＵ１０１は、９点分のデータを用い、周辺画素値の大小比較を行って中央値（Ｍｅｄｉａｎ）の画素に変換して平滑化するメディアンフィルタ処理を実行する（ステップＳ３）。
【0105】
次に、ＣＰＵ１０１は、測距センサ１１３のＬａｓｅｒｓｃａｎ型のデータを、走行装置１を中心とするロボット座標の点群データ（Ｐｏｉｎｔ Ｃｌｏｕｄ型データ）に変換する（ステップＳ４）。
【0106】
次に、ＣＰＵ１０１は、全ての点に対して現在の点と５点先の点とがなす高さ方向の角度、つまり、ｙｚ平面における角度を計算し、段差・平面候補点抽出処理を実行する（ステップＳ５）。
【0107】
その後、ＣＰＵ１０１は、抽出した段差候補点同士で距離クラスタリングを行う段差候補点クラスタリング処理を実行する（ステップＳ６）。
【0108】
その後、ＣＰＵ１０１は、抽出した平面候補点同士で高さクラスタリングを行う平面候補点クラスタリング処理を実行する（ステップＳ７）。
【0109】
そして、ＣＰＵ１０１は、平面候補クラスタ内で一番距離が長いものを地面スキャン面として検出する地面スキャン面検出処理を実行する（ステップＳ８）。
【0110】
また、ＣＰＵ１０１は、検出した地面スキャン面の高さ、つまり、ｚ方向の位置を平均して、地面の高さとして算出する地面スキャン面の高さ算出処理を実行する（ステップＳ９）。
【0111】
次いで、ＣＰＵ１０１は、縁石検知処理を実行する（ステップＳ１０）。
【0112】
次いで、ＣＰＵ１０１は、溝検知処理を実行する（ステップＳ１１）。
【0113】
次いで、ＣＰＵ１０１は、検出履歴保存処理を実行する（ステップＳ１２）。ここで、検出履歴保存処理を実行する理由について説明する。図８は、検出履歴保存処理を実行する理由を示す図である。図８に示すように、測距センサ１１３として２Ｄ－ＬｉＤＡＲを用いる場合には一回のスキャンでは一つのスキャン面しか得られないため、連続した障害物の情報を得たい場合、一回のスキャンの結果（例えば、図８に示すＯ１）から検知した履歴を保存する必要があるからである。具体的には、ＣＰＵ１０１は、検出した縁石・溝の検出データを補助記憶装置１０３に保存する。
【0114】
次いで、ＣＰＵ１０１は、重複データ除去処理を実行する（ステップＳ１３）。ここで、重複データ除去処理を実行する理由について説明する。図９は、重複データ除去処理を実行する理由を示す図である。図９に示すように、測距センサ１１３として２Ｄ－ＬｉＤＡＲを用いる場合には、移動している物体（歩いている人の足等）（例えば、図９に示すＯ２）も連続した障害物として検知するため、検知履歴を保存したままだと移動している物体も連続する障害物としてデータがそのまま残ってしまう。この問題を解決するため、ＣＰＵ１０１は、測距センサ１１２の検出データと同じｘｙ位置にある障害物データを、“重複”するデータとして除去する処理を行う。具体的には、ＣＰＵ１０１は、検出履歴保存用の領域に移動させた履歴データが、水平方向検知用の測距センサ１１２のｘｙ座標におけるデータと近い場合は縁石・溝検出履歴データを除去する。
【0115】
最後に、ＣＰＵ１０１は、縁石・溝検出履歴データのクラスタリング処理を行って、予測される障害物を特定する予測処理を実行する（ステップＳ１４）。
【0116】
以上により、実施形態の走行装置１における路面障害物の検知処理が終了する。
【0117】
ここで、走行装置１の走行路面における路面障害物の検知の別の例について説明する。
【0118】
ここで、図１０は実施形態にかかる走行装置１における路面障害物の検知処理の手順の別の一例を示すフローチャートである。図１０に示す例は、測距センサ１１３として３Ｄ－ＬｉＤＡＲを用いる場合における路面障害物の検知処理を示すものである。
【0119】
図１０に示す測距センサ１１３として３Ｄ－ＬｉＤＡＲを用いる場合における路面障害物の検知処理は、図７に示す測距センサ１１３として２Ｄ－ＬｉＤＡＲを用いる場合における路面障害物の検知処理と比べて、検出履歴保存処理（ステップＳ１２）および重複データ除去処理（ステップＳ１３）を省略した点で、異なっている。
【0120】
ここで、検出履歴保存処理を省略する理由について説明する。図１１は、検出履歴保存処理を省略する理由を示す図である。図１１に示すように、測距センサ１１３として３Ｄ－ＬｉＤＡＲを用いる場合には、スキャン面が複数あるため、それぞれの面の検知結果を使用すれば連続した障害物データ（例えば、図１１に示すＯ３）を得ることができるため、複数回のスキャンの結果から検知した履歴を保存する検出履歴保存処理が不要となるためである。
【0121】
次に、重複データ除去処理を省略する理由について説明する。図１２は、重複データ除去処理を省略する理由を示す図である。図１２に示すように、測距センサ１１３として３Ｄ－ＬｉＤＡＲを用いる場合には、スキャン面が複数あるため、複数の面での障害物の検知が可能である。そのため、測距センサ１１３である３Ｄ－ＬｉＤＡＲは、人の足などの移動障害物（例えば、図１２に示すＯ４）も誤検知するが、リアルタイムのスキャンデータで検知アルゴリズムを実行するため、移動障害物がセンサの範囲外に出ると検知されなくなる。したがって、測距センサ１１３として３Ｄ－ＬｉＤＡＲを用いる場合には、移動障害物を除去する重複データ除去処理が必要なくなる。
【0122】
図１３は、実施形態にかかる走行装置１による検知例を示す図である。図１３に示すように、ＣＰＵ１０１は、上述の縁石検知処理において、測距センサ１１３によって検出した高さ方向のエッジデータを「縁石」として検知する。また、ＣＰＵ１０１は、上述の溝検知処理において、測距センサ１１３によって検出した走行路面の高さより低いデータを「溝」として検知する。
【0123】
【0124】
図１４は、実施形態にかかる走行装置１における段差・平面候補点抽出処理の手順の一例を示すフローチャートである。図１４に示す処理は、上述の図７のステップＳ５および図１０のステップＳ５の処理の詳細例である。
【0125】
図１４に示すように、段差・平面候補点抽出処理において、ＣＰＵ１０１は、上述の図７のステップＳ４および図１０のステップＳ４の処理で得られた、ロボット座標に変換済みの点群データを用いる（ステップＳ１５１）。
【0126】
次に、ＣＰＵ１０１は、ループＬ１５ｓ～Ｌ１５ｅ内のステップＳ１５２～Ｓ１５５の処理を繰り返し、全ての点群データについて段差・平面候補点抽出処理を行う。
【0127】
ループＬ１５ｓ～Ｌ１５ｅにおいて、ＣＰＵ１０１は、１つの点群データに対し、現在の点と５点先の点とがなす高さ方向の角度、つまり、ｙｚ平面における角度を計算する（ステップＳ１５２）。
【0128】
そして、ＣＰＵ１０１は、高さ方向の角度が４０度以上であれば（ステップＳ１５３：Ｙｅｓ）、その点群データを段差候補として抽出する（ステップＳ１５４）。一方、ＣＰＵ１０１は、高さ方向の角度が４０度未満であれば（ステップＳ１５３：Ｎｏ）、その点群データを平面候補として抽出する（ステップＳ１５５）。
【0129】
全ての点群データについて、これらのステップＳ１５２～Ｓ１５５の処理を繰り返すことで、ＣＰＵ１０１は、段差候補点抽出点群データおよび平面候補点抽出点群データを生成する（ステップＳ１５６，Ｓ１５７）。
【0130】
以上により、実施形態の走行装置１における段差・平面候補点抽出処理が終了する。
【0131】
図１５は、実施形態にかかる走行装置１における段差候補点クラスタリング処理の手順の一例を示すフローチャートである。図１５に示す処理は、上述の図７のステップＳ６および図１０のステップＳ６の処理の詳細例である。
【0132】
【0133】
次に、ＣＰＵ１０１は、ループＬ１６ｓ～Ｌ１６ｅ内のステップＳ１６２～Ｓ１６５の処理を繰り返し、全ての段差候補点抽出点群データについて段差候補点クラスタリング処理を行う。
【0134】
ループＬ１６ｓ～Ｌ１６ｅにおいて、ＣＰＵ１０１は、１つの段差候補点抽出点群データに対し、その段差候補点抽出点群データが表す点と次の点との距離を計算する（ステップＳ１６２）。
【0135】
そして、ＣＰＵ１０１は、対象の点から次の点までの距離が半径０．１ｍ以内であれば（ステップＳ１６３：Ｙｅｓ）、それらの点は同一クラスタであると判定する（ステップＳ１６４）。一方、ＣＰＵ１０１は、対象の点から次の点までの距離が半径０．１ｍを超えていれば（ステップＳ１６３：Ｎｏ）、それらの点は別のクラスタであると判定する（ステップＳ１６５）。
【0136】
全ての段差候補点抽出点群データについて、これらのステップＳ１６２～Ｓ１６５の処理を繰り返すことで、ＣＰＵ１０１は、段差候補クラスタデータを生成する（ステップＳ１６６）。
【0137】
以上により、実施形態の走行装置１における段差候補点クラスタリング処理が終了する。
【0138】
図１６は、実施形態にかかる走行装置１における平面候補点クラスタリング処理の手順の一例を示すフローチャートである。図１６に示す処理は、上述の図７のステップＳ７および図１０のステップＳ７の処理の詳細例である。
【0139】
【0140】
次に、ＣＰＵ１０１は、ループＬ１７ｓ～Ｌ１７ｅ内のステップＳ１７２～Ｓ１７５の処理を繰り返し、全ての平面候補点抽出点群データについて平面候補点クラスタリング処理を行う。
【0141】
ループＬ１７ｓ～Ｌ１７ｅにおいて、ＣＰＵ１０１は、１つの平面候補点抽出点群データに対し、その平面候補点抽出点群データが表す点から３点先までの高さを計算する（ステップＳ１７２）。
【0142】
そして、ＣＰＵ１０１は、対象の点から３点先までの高さが０．０３ｍ以内であれば（ステップＳ１７３：Ｙｅｓ）、それらの点は同一クラスタであると判定する（ステップＳ１７４）。一方、ＣＰＵ１０１は、対象の点から３点先までの高さが０．０３ｍを超えていれば（ステップＳ１７３：Ｎｏ）、それらの点は別のクラスタであると判定する（ステップＳ１７５）。
【0143】
全ての段差候補点抽出点群データについて、これらのステップＳ１７２～Ｓ１７５の処理を繰り返すことで、ＣＰＵ１０１は、平面候補クラスタデータを生成する（ステップＳ１７６）。
【0144】
以上により、実施形態の走行装置１における平面候補点クラスタリング処理が終了する。
【0145】
【0146】
【0147】
次に、ＣＰＵ１０１は、ループＬ１０ｓ～Ｌ１０ｅ内のステップＳ１０２～Ｓ１０７の処理を繰り返し、全ての段差候補クラスタデータについて縁石検出処理を行う。
【0148】
ループＬ１０ｓ～Ｌ１０ｅにおいて、ＣＰＵ１０１は、１つの段差候補クラスタデータについて、その段差候補クラスタデータ内で高さが最大値ｚ１を示すデータを抽出する（ステップＳ１０２）。
【0149】
そして、ＣＰＵ１０１は、その段差候補クラスタデータ中で最高点のｚ１と、地面スキャン面のｚとの差分を計算する（ステップＳ１０３）。具体的には、ＣＰＵ１０１は、最高点の段差候補クラスタの地面との高さを、式（クラスタ最高点のｚ－地面スキャン面のｚ）を用いて計算する。
【0150】
次に、ＣＰＵ１０１は、最高点の段差候補クラスタの地面との高さが０．０５ｍ以上０．３ｍ以内であれば（ステップＳ１０４：Ｙｅｓ）、その段差候補クラスタが縁石であると判定し（ステップＳ１０５）、縁石の障害物としてメモリ１０２に格納する（ステップＳ１０６）。一方、ＣＰＵ１０１は、最高点の段差候補クラスタの地面との高さが０．０５ｍ以上０．３ｍ以内の範囲を外れていれば（ステップＳ１０４：Ｎｏ）、その段差候補クラスタが縁石ではないと判定する（ステップＳ１０７）。
【0151】
全ての段差候補クラスタデータについて、これらのステップＳ１０２～Ｓ１０７の処理を繰り返すことで、ＣＰＵ１０１は、縁石として検出されたデータ群である縁石検出データを生成する（ステップＳ１０８）。
【0152】
以上により、実施形態の走行装置１における縁石検出処理が終了する。
【0153】
ＣＰＵ１０１が、縁石検出処理で得られた各々の縁石検出データが示す座標をプロットしていくことで、所定の方向に延びる縁石を把握することができる。図１８に、ＣＰＵ１０１がプロットした縁石検出データの一例を示す。
【0154】
図１８は、実施形態にかかる走行装置１における縁石検出処理で得られる縁石検出データのプロット例を示す図である。
【0155】
図１８に示すように、縁石を示すと判定された複数の点群データをプロットしていくことで、所定の方向に延びる縁石のプロットが得られる。つまり、上述のように、測距センサ１１３による複数回（Ｎ回）の測定結果に類似する凹凸を示す特徴量が含まれていた場合に、これらをクラスタリングし、縁石検出データとして保持することで、連続した縁石等の障害物を検出することができる。
【0156】
【0157】
【0158】
次に、ＣＰＵ１０１は、これらの点群データから地面スキャン面と判定されたデータを除去する（ステップＳ１１２）。
【0159】
次に、ＣＰＵ１０１は、ループＬ１１ｓ～Ｌ１１ｅ内のステップＳ１１３～Ｓ１１７の処理を繰り返し、全ての点群データについて溝検出処理を行う。
【0160】
ループＬ１１ｓ～Ｌ１１ｅにおいて、ＣＰＵ１０１は、地面スキャン面のデータを除去した点群データのうち、１つの点群データと地面スキャン面との高さを計算する（ステップＳ１１３）。具体的には、ＣＰＵ１０１は、点群データと地面スキャン面との高さを、式（地面スキャン面のｚ－各点のｚ）を用いて計算する。
【0161】
次に、ＣＰＵ１０１は、計算した高さが－０．０５ｍ以下であれば（ステップＳ１１４：Ｙｅｓ）、その点群データが溝であると判定し（ステップＳ１１５）、検出された点の方向と地面の高さとの交点を障害物としてメモリ１０２に格納する（ステップＳ１１６）。一方、ＣＰＵ１０１は、計算した高さが－０．０５ｍを超えていれば（ステップＳ１１４：Ｎｏ）、その点群データが溝ではないと判定する（ステップＳ１１７）。
【0162】
全ての点群データについて、これらのステップＳ１１３～Ｓ１１７の処理を繰り返すことで、ＣＰＵ１０１は、縁石として検出されたデータ群である溝検出データを生成する（ステップＳ１１８）。
【0163】
以上により、実施形態の走行装置１における溝検出処理が終了する。
【0164】
ＣＰＵ１０１が、溝検出処理で得られた各々の溝検出データが示す座標をプロットしていくことで、所定の方向に延びる溝を把握することができる。図２０に、ＣＰＵ１０１が検出した溝検出データ、及びそれらのプロットの一例を示す。
【0165】
図２０は、実施形態にかかる走行装置１における溝検出処理で得られる溝検出データのプロット例を示す図である。図２０（ａ）は、上述の図１９のステップＳ１１６の処理を詳細に説明する図である。図２０（ｂ）は、走行装置１が、複数の溝検出データをプロットした例を示す。
【0166】
図２０（ａ）に示すように、ＣＰＵ１０１は、１の点群データが溝であると判定した場合、上述の図１９のステップＳ１１６の処理において、その点群データが示す座標Ｐ（ｘ，ｙ，ｚ）から、その点群データが示す方向と地面の高さとの交点Ｐ’（ｘｐ，ｙｐ，ｚｐ）を計算する。
【0167】
交点Ｐ’の座標ｘｐは、以下の式から求めることができる。
【0168】
ｘｐ＝ｘ×（ｚ１１３）／｜ｚ｜
【0169】
上記の式において、距離ｚ１１３は、測距センサ１１３から地面スキャン面までの高さである。距離ｚは、測距センサ１１３の高さ位置と、座標Ｐ（ｘ，ｙ，ｚ）のｚ座標が示す高さ位置との差である。
【0170】
交点Ｐ’の座標ｚｐは、地面スキャン面の高さ位置が示すｚ座標である。交点Ｐ’の座標ｙｐは、測距センサ１１３の位置を示す座標と座標Ｐ（ｘ，ｙ，ｚ）とを結ぶ線分上であって、座標ｚｐの高さ位置にあるｙ座標である。
【0171】
これにより、ＣＰＵ１０１は、上記の点群データが示す方向と地面の高さとの交点Ｐ’ （ｘｐ，ｙｐ，ｚｐ）を計算することができる。
【0172】
図２０（ｂ）に示すように、溝を示すと判定された複数の点群データをプロットしていくことで、所定の方向に延びる溝のプロットが得られる。つまり、上述のように、測距センサ１１３による複数回（Ｎ回）の測定結果に類似する凹凸を示す特徴量が含まれていた場合に、これらをクラスタリングし、溝検出データとして保持することで、連続した溝等の障害物を検出することができる。
【0173】
【0174】
図２１に示すように、検出履歴保存処理において、ＣＰＵ１０１は、上述の図１７のステップＳ１０８の処理で得られた縁石検出データ、及び上述の図１９のステップＳ１１８の処理で得られた溝検出データを対象とする（ステップＳ１２１）。
【0175】
ＣＰＵ１０１は、検出履歴保存処理を実行する（ステップＳ１２２）。具体的には、ＣＰＵ１０１は、オドメトリ（ｏｄｏｍｅｔｒｙ）を用いて、実空間でのロボットの移動量・移動方向を算出し、算出した移動量・移動方向の分、ロボット座標においてこれらの検出データを移動させ、ロボット座標原点から半径２ｍ以内にある検出データを補助記憶装置１０３内の検出履歴保存用の領域に移動させて保存する。
【0176】
ここで、オドメトリとは、車輪型移動ロボットにおける車輪やステアリングの回転角度の計算から、それぞれの移動量を求め、その累積計算からロボットの位置を推定する手法であり、自己位置姿勢推定法などと呼ばれる。
【0177】
次に、ＣＰＵ１０１は、重複データ除去処理を実行する（ステップＳ１２３）。具体的には、ＣＰＵ１０１は、検出履歴保存用の領域に移動させた履歴データと、水平方向検知用の測距センサ１１２のｘｙ座標におけるデータとを照らし合わせ、移動させた履歴データが例えば、０．３ｍ以内等と、測距センサ１１２のデータと近い場合は、移動させた縁石・溝検出履歴データを除去する。
【0178】
これらの処理により、ＣＰＵ１０１は、縁石・溝検出履歴データを生成して保存する（ステップＳ１２４）。
【0179】
以上により、実施形態の走行装置１における縁石・溝検出履歴データ生成・保存処理が終了する。
【0180】
ところで、例えば特許文献１の技術によれば、走行路面の路面障害物を早く見つけるためになるべく前方をスキャンしたいが、足元の穴や段差などの路面障害物の検知ができず、旋回した場合に路面障害物に当たる可能性がある、という課題がある。
【0181】
実施形態の走行装置１が備えるＣＰＵ１０１は、ノイズ及び小さな穴等を路面障害物として検知しないように、上述のように、一定期間のデータを保存し、あるいは所定の距離分のデータを保存して、連続的な障害物や穴の大きさを判定して直線状の路面障害物と認識することで、走行路面の縁石、側溝などの溝、アスファルト剥げなどの穴等の路面障害物と判定する。
【0182】
図２２は、実施形態にかかる走行装置１が過去のスキャン結果を参照して移動方向を変更する例を示す図である。
【0183】
図２２に示すように、ＣＰＵ１０１は、測距センサ１１３で検知した１スキャンの走行路面の障害物の情報を、一定時間あるいは所定の距離分蓄積し、連続したポイントを１つの障害物として認識させる。これにより、部分的に遮蔽物が有る場合においても通過できない障害物が有ると判定する。図２２に示す例によれば、過去のスキャン結果から走行装置１が左旋回しようとすると穴があることがわかる。
【0184】
上述のようにスキャン結果を一定時間、あるいは所定の距離分を保存しておくことにより、移動方向を変える際に、障害物が無いかを判定することができる。
【0185】
また、例えば特許文献１の技術によれば、穴および段差などの障害物が草などによって隠されることで、穴が小さく見えたりするなど、穴および段差などの障害物が部分的に見えない場合がある。このように、走行路面と同じ高さの草で覆われている場合、走行路面が連続しているように見えてしまう、という課題がある。
【0186】
実施形態の走行装置１が備えるＣＰＵ１０１は、上述のように、測距センサ１１３で検知した判定エリア内に特定の特徴量が含まれる場合に、連続した穴および段差などの障害物の大きさを認識する。
【0187】
図２３は、実施形態にかかる走行装置１による遮蔽物に対する対応例を示す図である。
【0188】
図２３に示すように、例えば側溝のふたが開いているときに、草が側溝を覆ってしまうことがある。ここで、特定の特徴量として下記の３つの特徴量を適用するものとする。
【0189】
特徴量１：凹凸を示す特徴量が連続している
特徴量２：凹みの深さ
特徴量３：凹みの最大幅
特徴量２：凹みの深さ
特徴量３：凹みの最大幅
【0190】
上記の３つの特徴量のうち、特徴量１は、特徴量が例えば直線状の凹み等である場合を指す。
【0191】
ＣＰＵ１０１は、草などの遮蔽物によって部分的に側溝が隠されている場合にも、直線状の凹みであって、所定以上の深さがある凹みであれば、判定エリア内の凹みの最大幅が所定の長さで連続しているとみなす。
【0192】
【0193】
図２４に示すように、ＣＰＵ１０１は、まず、縁石・溝検出履歴データを取得し（ステップＳ１４１）、半径０．１ｍ以内に他の点があればその点は同一クラスタとする、縁石・溝検出履歴データクラスタリング処理を実行する（ステップＳ１４２）。
【0194】
次に、ＣＰＵ１０１は、クラスタの点数が１０個以上であれば（ステップＳ１４３：Ｙｅｓ）、クラスタ内データを用いた４次以上の多項式近似によるカーブフィッティング処理を実行する（ステップＳ１４４）。ここで、カーブフィッティングとは、曲線あてはめとも呼ばれ、実験的に得られたデータまたは制約条件に最もよく当てはまるような曲線を求めることである。
【0195】
そして、ＣＰＵ１０１は、カーブフィッティング結果から最新検出結果より１４点先まで、つまり、１ｍ先までを障害物として抽出する予測障害物データ抽出処理を実行する（ステップＳ１４５）。
【0196】
より詳細には、ＣＰＵ１０１は、所定の半径内に穴および段差などの凹凸を示す特徴量が所定個数続いた場合に、凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいてカーブフィッティング予測を実施して、測距センサ１１３によってスキャンしていない走行装置１の前方領域の障害物マップを生成する。
【0197】
一方、ＣＰＵ１０１は、クラスタの点数が１０個未満であれば（ステップＳ１４３：Ｎｏ）、そのまま処理を終了する。
【0198】
以上により、実施形態の走行装置１における予測処理が終了する。
【0199】
ここで、例えば特許文献１の技術によれば、測距センサ１１３のレーザ照射ラインである検知ラインより前方の穴および段差などの障害物を検知することができない、という課題がある。
【0200】
実施形態の走行装置１が備えるＣＰＵ１０１は、連続した特徴のある障害物を検知した場合に、上述のように、未検知のエリアにもその障害物が連続して存在しているものとみなして判定エリアを延長する。すなわち、ＣＰＵ１０１は、検知していない未検知のエリアも、判定エリアに含める。これにより、ＣＰＵ１０１は、連続性のあるデータに基づいて、前方の障害物を予測する。
【0201】
図２５は、実施形態にかかる走行装置１が検知ラインＤＬより前方の障害物の予測をした例を示す図である。
【0202】
図２５に示す例では、ＷＰ１からＷＰ２に至る走行装置１の進行方向に、高さのある障害物ＯＢｈが存在し、かつ、走行装置１の走行路面の側方には側溝または縁石といった障害物ＯＢｓが存在する。また、障害物ＯＢｓは、ＷＰ１からＷＰ２に至る走行装置１の進行方向において、障害物ＯＢｈに対して徐々に近づくように設けられている。
【0203】
図２５（ａ）に示すように、比較例の走行装置２においては、走行装置２の斜め方向検知用の測距センサ２２３は、検知ラインＤＬ２より前方を検知することができない。また、走行装置２は、障害物を回避する回避方向として、なるべく直線に近い経路を選択する。この場合、走行装置２は、矢印ａの方向に進むことになる。しかし、進行方向の未検知の判定エリアには障害物ＯＢｓが存在するため、障害物ＯＢｓに対する回避および停止が間に合わなくなってしまう。
【0204】
図２５（ｂ）に示すように、実施形態の走行装置１においては、直線状に連続した障害物の場合、検知ラインＤＬより前方にも連続していると予測して、障害物を延長する。これにより、走行装置１は、障害物を回避する回避方向として、障害物ＯＢｈと障害物ＯＢｓとの間は通過することができないと判断し、障害物ＯＢｓが存在する側とは反対方向である矢印Ａの方向への回避ルートを選択する。
【0205】
なお、ＣＰＵ１０１は、画像と組み合わせて、画像上で連続性が有ることで上記判定を行うようにしてもよい。また、ＣＰＵ１０１は、障害物が有りそうなエリアにおいては、測距センサ１１３の検出感度を変えるようにしてもよい。
【0206】
このように実施形態の走行装置１によれば、穴および段差などの障害物が連続していそうな場合には連続した障害物として認識させることで、移動体を障害物に衝突させずに安全に走行させることができる。
【0207】
なお、実施形態の走行装置１によれば、走行路面の路肩の側溝や縁石を検知することで、路肩からの距離を一定にする走行制御ができるという、副次効果を得ることができる。
【0208】
以上、実施形態について説明したが、その各部の具体的な構成、処理の内容等は、実施形態で説明したものに限るものではない。
【0209】
本発明の態様は、例えば、以下のとおりである。
＜１＞
移動領域の障害物マップに基づき走行路面を走行する移動体であって、
前記移動体の進行方向前面に配置され、かつ、前記走行路面に対して所定の傾斜角度を有して斜め下向きに設けられた測距センサと、
前記測距センサによる１回の測定結果に前記走行路面に対する凹凸を示す特徴量が含まれており、前記測距センサによる複数回の測定結果に類似する前記凹凸を示す特徴量が含まれている場合に、連続した障害物と判定する判定部と、
前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを生成するマップ生成部と、を備える、
移動体。
＜２＞
前記判定部は、
前記凹凸を示す特徴量が連続した長さで続いている場合、前記凹凸に関する他の所定の特徴量が所定の長さで連続しているとみなす、
＜１＞に記載の移動体。
＜３＞
前記マップ生成部は、
カーブフィッティング予測を実施して、前記移動体の前記前方領域の前記障害物マップを生成する、
＜１＞または＜２＞に記載の移動体。
＜４＞
前記移動体の傾き量を検知する傾きセンサをさらに備え、
前記判定部は、
前記測距センサによって測定された前記走行路面に対する高低差を、前記傾き量に基づき補正する、
＜１＞乃至＜３＞のいずれかに記載の移動体。
＜５＞
前記測距センサは、
前記走行路面に対する前記傾斜角度が水平方向に対して３５度以上であり、
前記走行路面を走行する駆動部材の走行方向の先端部より１ｍ以上先を検知できる高さに設置されている、
＜１＞乃至＜４＞のいずれかに記載の移動体。
＜６＞
前記測距センサは、２次元方向の測距が可能な２Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）である、
＜１＞に記載の移動体。
＜７＞
前記測距センサは、３次元方向の測距が可能な３Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）である、
＜１＞に記載の移動体。
＜８＞
走行路面に対して所定の傾斜角度を有して斜め下向きに設けられ、前記走行路面に対する高低差を非接触で測定する測距センサを、進行方向前面に備える移動体を制御するコンピュータを、
前記測距センサによる１回の測定結果に前記走行路面に対する凹凸を示す特徴量が含まれており、前記測距センサによる複数回の測定結果に類似する前記凹凸を示す特徴量が含まれている場合に、連続した障害物と判定させ、
前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを作成させる、
ことを特徴とするプログラム。
＜１＞
移動領域の障害物マップに基づき走行路面を走行する移動体であって、
前記移動体の進行方向前面に配置され、かつ、前記走行路面に対して所定の傾斜角度を有して斜め下向きに設けられた測距センサと、
前記測距センサによる１回の測定結果に前記走行路面に対する凹凸を示す特徴量が含まれており、前記測距センサによる複数回の測定結果に類似する前記凹凸を示す特徴量が含まれている場合に、連続した障害物と判定する判定部と、
前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを生成するマップ生成部と、を備える、
移動体。
＜２＞
前記判定部は、
前記凹凸を示す特徴量が連続した長さで続いている場合、前記凹凸に関する他の所定の特徴量が所定の長さで連続しているとみなす、
＜１＞に記載の移動体。
＜３＞
前記マップ生成部は、
カーブフィッティング予測を実施して、前記移動体の前記前方領域の前記障害物マップを生成する、
＜１＞または＜２＞に記載の移動体。
＜４＞
前記移動体の傾き量を検知する傾きセンサをさらに備え、
前記判定部は、
前記測距センサによって測定された前記走行路面に対する高低差を、前記傾き量に基づき補正する、
＜１＞乃至＜３＞のいずれかに記載の移動体。
＜５＞
前記測距センサは、
前記走行路面に対する前記傾斜角度が水平方向に対して３５度以上であり、
前記走行路面を走行する駆動部材の走行方向の先端部より１ｍ以上先を検知できる高さに設置されている、
＜１＞乃至＜４＞のいずれかに記載の移動体。
＜６＞
前記測距センサは、２次元方向の測距が可能な２Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）である、
＜１＞に記載の移動体。
＜７＞
前記測距センサは、３次元方向の測距が可能な３Ｄ－ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）である、
＜１＞に記載の移動体。
＜８＞
走行路面に対して所定の傾斜角度を有して斜め下向きに設けられ、前記走行路面に対する高低差を非接触で測定する測距センサを、進行方向前面に備える移動体を制御するコンピュータを、
前記測距センサによる１回の測定結果に前記走行路面に対する凹凸を示す特徴量が含まれており、前記測距センサによる複数回の測定結果に類似する前記凹凸を示す特徴量が含まれている場合に、連続した障害物と判定させ、
前記凹凸を示す特徴量が所定個数続いたことを示す連続情報に基づいて、前記測距センサによってスキャンしていない前記移動体の前方領域の障害物マップを作成させる、
ことを特徴とするプログラム。
【符号の説明】
【0210】
１ 走行装置
１０ 本体
１１ 履帯式走行体
１０１ ＣＰＵ
１１２，１１３ 測距センサ
１０ 本体
１１ 履帯式走行体
１０１ ＣＰＵ
１１２，１１３ 測距センサ
【先行技術文献】
【特許文献】
【0211】
【特許文献1】特開２０００－０７５０３２号公報
【図1】
【図2】
【図3】
【図4】
【図5】
【図6】
【図7】
【図8】
【図9】
【図10】
【図11】
【図12】
【図13】
【図14】
【図15】
【図16】
【図17】
【図18】
【図19】
【図20】
【図21】
【図22】
【図23】
【図24】
【図25】