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】P2024131649
(43)【公開日】2024-09-30
(54)【発明の名称】自走式ロボット、及び、自走式ロボットの制御方法
(51)【国際特許分類】
G05D 1/43 20240101AFI20240920BHJP
【ＦＩ】
G05D1/02 L
【審査請求】未請求
【請求項の数】11
【出願形態】ＯＬ
(21)【出願番号】P 2023042049
(22)【出願日】2023-03-16
(71)【出願人】
【識別番号】000005108
【氏名又は名称】株式会社日立製作所
(74)【代理人】
【識別番号】110000925
【氏名又は名称】弁理士法人信友国際特許事務所
(72)【発明者】
【氏名】小谷 匡士
(72)【発明者】
【氏名】室谷 和哉
(72)【発明者】
【氏名】長谷島 範安
(72)【発明者】
【氏名】酒井 貴大
(72)【発明者】
【氏名】山田 崇弘
【テーマコード（参考）】
5H301
【Ｆターム（参考）】
5H301AA01
5H301AA03
5H301AA10
5H301BB10
5H301BB14
5H301CC03
5H301CC06
5H301GG07
5H301GG08
5H301LL06
(57)【要約】
【課題】不整地を含む走行経路においても、走行動作の継続が可能な自走式ロボット、及び、自走式ロボットの制御方法を提供する。
【解決手段】走行経路を含む領域の構造物の情報を検出する環境認識センサと、環境認識センサで検出された情報に基づいて、路面形状を推定する路面形状推定部と、環境認識センサで検出された情報に基づいて、路面粗さを推定する路面粗さ推定部と、路面形状推定部及び路面粗さ推定部で推定された値に基づいて、走行装置の制御方法を変更する走行継続処理部とを備える
【選択図】図２
【解決手段】走行経路を含む領域の構造物の情報を検出する環境認識センサと、環境認識センサで検出された情報に基づいて、路面形状を推定する路面形状推定部と、環境認識センサで検出された情報に基づいて、路面粗さを推定する路面粗さ推定部と、路面形状推定部及び路面粗さ推定部で推定された値に基づいて、走行装置の制御方法を変更する走行継続処理部とを備える
【選択図】図２
【特許請求の範囲】
【請求項1】
所定の走行経路を走行する自走式ロボットであって
所定の走行経路に沿って走行するための走行装置と、
前記走行装置を制御する情報処理装置と、を備え、
前記情報処理装置は、
前記走行経路を含む領域の構造物の情報を検出する環境認識センサと、
前記環境認識センサで検出された情報に基づいて、路面形状を推定する路面形状推定部と、
前記環境認識センサで検出された情報に基づいて、路面粗さを推定する路面粗さ推定部と、
前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて、前記走行装置の制御方法を変更する走行継続処理部と、を備える
自走式ロボット。
所定の走行経路に沿って走行するための走行装置と、
前記走行装置を制御する情報処理装置と、を備え、
前記情報処理装置は、
前記走行経路を含む領域の構造物の情報を検出する環境認識センサと、
前記環境認識センサで検出された情報に基づいて、路面形状を推定する路面形状推定部と、
前記環境認識センサで検出された情報に基づいて、路面粗さを推定する路面粗さ推定部と、
前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて、前記走行装置の制御方法を変更する走行継続処理部と、を備える
自走式ロボット。
【請求項2】
前記路面形状推定部は、前記走行経路の路面の高低差を算出し、前記高低差に基づいて路面形状を推定する
請求項１に記載の自走式ロボット。
請求項１に記載の自走式ロボット。
【請求項3】
前記路面粗さ推定部は、前記走行経路の路面の高さ方向における分散値を算出し、前記分散値に基づいて路面粗さを推定する
請求項１に記載の自走式ロボット。
請求項１に記載の自走式ロボット。
【請求項4】
前記走行継続処理部は、前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて走行経路を変更する
請求項１に記載の自走式ロボット。
請求項１に記載の自走式ロボット。
【請求項5】
前記走行継続処理部は、前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて前記走行装置の速度を変更する
請求項１に記載の自走式ロボット。
請求項１に記載の自走式ロボット。
【請求項6】
前記情報処理装置は、さらに、所定の点検ポイントにおいて周囲を撮影する点検装置を備え、
前記走行継続処理部は、前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて、前記点検装置の制御方法を変更する
請求項１に記載の自走式ロボット。
前記走行継続処理部は、前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて、前記点検装置の制御方法を変更する
請求項１に記載の自走式ロボット。
【請求項7】
前記走行継続処理部は、走行経路が変更された場合であって、変更前の走行経路に点検ポイントが設定されていた場合には、変更後の走行経路に新たな点検ポイントを設定する
請求項６に記載の自走式ロボット。
請求項６に記載の自走式ロボット。
【請求項8】
前記走行継続処理部は、前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて、進行方向に対する前記点検装置の向きを変更する
請求項６に記載の自走式ロボット。
請求項６に記載の自走式ロボット。
【請求項9】
前記点検装置は、高さを変更可能な昇降装置に装着されており、
前記走行継続処理部は、前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて、前記昇降装置の高さを変更する
請求項６に記載の自走式ロボット。
前記走行継続処理部は、前記路面形状推定部及び前記路面粗さ推定部で推定された値に基づいて、前記昇降装置の高さを変更する
請求項６に記載の自走式ロボット。
【請求項10】
前記情報処理装置は、前記走行経路を含む領域であって、事前に収集された地図情報に基づいて取得された路面形状及び路面粗さを記憶する地形データベースを備え、
前記走行継続処理部は、前記地形データベースに記憶された情報に基づいて、前記走行装置の制御方法を制御する
請求項１に記載の自走式ロボット。
前記走行継続処理部は、前記地形データベースに記憶された情報に基づいて、前記走行装置の制御方法を制御する
請求項１に記載の自走式ロボット。
【請求項11】
所定の走行経路を走行するように制御された走行装置を備える自走式ロボットの制御方法であって、
前記走行経路を含む領域の構造物の情報を検出し、
前記検出された情報に基づいて、前記走行経路の路面形状を推定すると共に、路面粗さを推定し、
推定された路面形状及び路面粗さに基づいて、走行装置を制御する
自走式ロボットの制御方法。
前記走行経路を含む領域の構造物の情報を検出し、
前記検出された情報に基づいて、前記走行経路の路面形状を推定すると共に、路面粗さを推定し、
推定された路面形状及び路面粗さに基づいて、走行装置を制御する
自走式ロボットの制御方法。
【発明の詳細な説明】
【技術分野】
【0001】
本発明は、自走式ロボット、及び、自走式ロボットの制御方法に関する。
【背景技術】
【0002】
インフラ設備等の老朽化が進む一方、少子高齢化に起因した労働力不足により、自走式ロボットの巡視による点検業務の需要が高まっている。自走式ロボットは、自己の位置を推定しながら所定の経路を自立走行し、設備の点検等の作業を行う。このような自走式ロボットによる巡視では、予め設定された目的地へ自立走行し、カメラ等により点検対象の画像を取得する。
【0003】
特許文献１では、所定の拠点内を移動して点検対象物を撮影するロボットの撮影処理を制御する情報処理装置において、移り込み状態が異なる複数の基準画像のそれぞれに対して対象物の撮影条件を関連付けて記憶させる構成が開示されている。特許文献１では、撮影条件を関連付けて基準画像を記憶させることにより、異なる撮影環境においても対象物の状態を確認できる効果が得られる。
【先行技術文献】
【特許文献】
【0004】
【特許文献1】特開２０２２－１２８４９６公報
【発明の概要】
【発明が解決しようとする課題】
【0005】
ところで、自走式ロボットを走行させて点検や組立作業等を行う場所によっては、不整地を走行する必要もある。したがって、自走式ロボットが敷石等の不整地を走行した場合、走行中におけるスタックが起こる可能性がある。また、走行経路に障害物がある場合には、走行、及び、点検や組立等の作業が継続できなくなるという恐れもある。
【0006】
そこで、本発明は、不整地を含む走行経路においても、走行動作の継続が可能な自走式ロボット、及び、自走式ロボットの制御方法を提供する。
【課題を解決するための手段】
【0007】
上記課題を解決し、本発明の目的を達成するため、本発明の自走式ロボットは、所定の走行経路を走行する自走式ロボットであって、所定の走行経路に沿って走行するための走行装置と、走行装置を制御する情報処理装置と、を備える。情報処理装置は、走行経路を含む領域の構造物の情報を検出する環境認識センサを備える。また、環境認識センサで検出された情報に基づいて、路面形状を推定する路面形状推定部と、環境認識センサで検出された情報に基づいて、路面粗さを推定する路面粗さ推定部とを備える。さらに、路面形状推定部及び路面粗さ推定部で推定された値に基づいて、走行装置の制御方法を変更する走行継続処理部を備える。
【0008】
本発明の自走式ロボットの制御方法は、所定の走行経路を走行するように制御された走行装置を備える自走式ロボットの制御方法であって、走行経路を含む領域の構造物の情報を検出する。検出された情報に基づいて、走行経路の路面形状を推定すると共に、路面粗さを推定する。推定された路面形状及び路面粗さに基づいて、走行装置を制御する。
【発明の効果】
【0009】
本発明によれば、走行経路に不整地を含む場合にも、走行動作の継続が可能となる。
【図面の簡単な説明】
【0010】
【図2】本発明の第１の実施形態に係る自走式ロボット１の制御構成を示したブロック図である。
【図3】本発明の第１の実施形態に係る自走式ロボット１が、所定の点検経路を走行する場合の動作例を示した図である。
【図4】本発明の第１の実施形態に係る自走式ロボット１の路面形状推定部５１、及び路面粗さ推定部５２で計測されるＸＹ平面における計測範囲の一例を示した図である。
【図6】路面形状推定部５１における路面形状の推定方法に係るフローチャートである。
【図7】路面粗さ推定部５２における路面粗さの推定方法に係るフローチャートである。
【図8】本発明の第１の実施形態に係る自走式ロボット１の制御方法の一例を示すフローチャートである。
【図9】点検経路Ｒ０上に障害物３０が有る場合に設定される回避経路Ｒ１の一例を示した図である。
【図10】撮影ポイントＰｈ０が設定されていたノードＰ２上に、障害物３０が配置された例を示した図である。
【図12】点検経路Ｒ０の舗装路の領域２３と非舗装領域２５との間に段差２７が発生しており、その段差２７が自走式ロボット１の走行方向に対して斜めである場合の例を示した図である。
【図13】自走式ロボット１が凹凸の異なる非舗装路を通過する場合の走行装置１１の制御例を示した図である。
【図14】図１４Ａは、舗装領域２３において、点検経路Ｒ０に直角の曲がり角が有る場合の制御例を示した図であり、図１４Ｂは、非舗装路において点検経路Ｒ０に直角の曲がり角が有る場合の制御例を示した図である。
【図15】第２の実施形態に係る自走式ロボット８０の制御系の構成を示したブロック図である。
【図16】第２の実施形態に係る自走式ロボット８０の制御例を示した概略構成図である。
【発明を実施するための形態】
【0011】
本発明による自走式ロボットは、所定の経路を自立的に走行しながら、所定の作業を行うことができるロボットである。本発明における自立式ロボットは、例えば、発電所や変電所等の電力施設等に代表されるインフラ設備において、所定の走行経路を自律的に走行して設備の点検を行う。なお、以下の実施形態では、自走式ロボットの作業内容として、点検作業を行う例について説明するが、作業内容は点検に限定されず、組立や搬送等、別の作業内容に変更することも可能である。
【0012】
以下、本発明の実施形態に係る自走式ロボット、及び、自走式ロボットの制御方法の一例を、図面を参照しながら説明する。以下で説明する各図において、共通の部材には同一の符号を付している。
【0013】
＜１．第１の実施形態＞
１－１ 自走式ロボットの構成
まず、本発明の第１の実施形態に係る自走式ロボットについて、図面を参照して説明する。図１Ａは、本発明の第１の実施形態（以下、本実施形態とする）に係る自走式ロボット１の概略構成図である。
１－１ 自走式ロボットの構成
まず、本発明の第１の実施形態に係る自走式ロボットについて、図面を参照して説明する。図１Ａは、本発明の第１の実施形態（以下、本実施形態とする）に係る自走式ロボット１の概略構成図である。
【0014】
自走式ロボット１は、本体１０と、走行装置１１と、点検装置１３と、環境認識センサ１２とを備える。本体１０には、各部の制御装置及び駆動装置が内蔵された筐体である。走行装置１１は、本体１０を走行経路に沿って移動させる車輪等の移動機構であり、後述する情報処理装置５０（図２参照）からの制御指令に基づいて、走行駆動される。
【0015】
点検装置１３は、例えば、カメラなどの周囲の構造物を撮影可能な撮像装置で構成されており、本体１０上部に固定されている。点検装置１３としては、例えば、撮影方向を制御可能なＰＴＺ（Pan-Tilt-Zoom）カメラや、周囲３６０度を撮影可能な全天球カメラを適用することができる。点検装置１３で撮影された点検画像は、後述する情報処理装置５０に送信される。
【0016】
環境認識センサ１２は、自走式ロボット１の走行経路を含む周囲の構造物の形状の情報を取得するための要素である。環境認識センサ１２は、例えば、ＬｉＤＡＲ(Light Detection and Ranging)や、ステレオカメラなどのセンサを利用することができる。その他、環境認識センサ１２としては、単眼カメラを用い、深度推定することで、環境情報を取得する例としてもよい。本実施形態では、環境認識センサ１２は、本体１０の上部に固定された例を示すが、実装方法としては、環境情報を取得できればよく、図１Ａの例に限定されるものではない。環境認識センサ１２で取得された環境情報は、情報処理装置５０に送信される。
【0017】
なお、自走式ロボット１は、図１Ａの構成に限定されるものではない。以下に、変形例に係る自走式ロボットについて説明する。
【0018】
１－２ 変形例
図１Ｂに、変形例に係る自走式ロボット２の概略構成を示す。図１Ｂは、走行装置１４の形態と、点検装置１３の実装方法とが、図１Ａに示す自走式ロボット１と異なる。図１Ｂにおいて、図１Ａに対応する部分には同一符号を付し、重複説明を省略する。
図１Ｂに、変形例に係る自走式ロボット２の概略構成を示す。図１Ｂは、走行装置１４の形態と、点検装置１３の実装方法とが、図１Ａに示す自走式ロボット１と異なる。図１Ｂにおいて、図１Ａに対応する部分には同一符号を付し、重複説明を省略する。
【0019】
図１Ｂに示すように、変形例に係る自走式ロボット２では、走行装置１４は、主クローラ２０と、走行方向において、主クローラ２０の前後に設けられた一対の補助クローラ２１とで構成されている。補助クローラ２１は、主クローラ２０と同期して回転する。
【0020】
点検装置１３は、本体１０上部に設けられた昇降装置１５に設置されている。昇降装置１５は高さ方向に昇降移動可能な部材で構成されている。これにより、昇降装置１５は、点検装置１３の本体１０からの高さを調整することができる。
【0021】
変形例に係る自走式ロボット２では、走行装置１４がクローラで構成されることにより、不整地での走行する際のがたつきを低減することができ、本体１０への影響を低減することができる。また、点検装置１３の高さを調整することができる昇降装置１５を設けることにより、不整地等を走行時に、高さ等に変動が有る場合にも、所定の高さによる撮影を可能とする他、状況に応じて点検装置１３の重心位置を変えることができるため、点検装置１３の安定性を確保することができる。このように、本発明に適用可能な自走式ロボットの構成は、種々の変更が可能である。
【0022】
１－３ 自走式ロボットの制御系の構成
次に、本実施形態の自走式ロボット１の制御系の構成について説明する。図２は、本実施形態の自走式ロボット１の制御構成を示したブロック図である。図２に示すように、本実施形態の自走式ロボット１は、上述した環境認識センサ１２、走行装置１１及び点検装置１３の他、自己位置推定装置６０と、点検データベース７０と、情報処理装置５０とを備える。
次に、本実施形態の自走式ロボット１の制御系の構成について説明する。図２は、本実施形態の自走式ロボット１の制御構成を示したブロック図である。図２に示すように、本実施形態の自走式ロボット１は、上述した環境認識センサ１２、走行装置１１及び点検装置１３の他、自己位置推定装置６０と、点検データベース７０と、情報処理装置５０とを備える。
【0023】
自己位置推定装置６０は、自走式ロボット１の位置を推定して求める要素である。自己位置推定装置６０としては、屋外であれば、ＧＰＳ等を用いることができ、屋内であれば、ＳＬＡＭ（Simultaneous Localization and Mapping）技術、マップマッチング技術等を用いることができる。自走式ロボット１の位置としては、例えば、自走式ロボット１を上方から見た場合の本体１０の中心（重心）の位置など、任意の代表点の位置が推定される。自己位置推定装置６０で推定された自走式ロボット１の位置情報は、情報処理装置５０に随時送信される。
【0024】
点検データベース７０は、点検に必要な情報を蓄積したデータベースである。本実施形態では、点検データベース７０は、点検経路（本発明の走行経路に相当）に関する情報が蓄積された点検経路情報部７１、点検画像が蓄積された点検画像情報部７２、撮影設定に関する情報が蓄積された撮影設定情報部７３を有する。点検データベース７０に蓄積された各種情報は、必要に応じて、情報処理装置５０を構成する各部に読み出される。また、情報処理装置５０で検出された点検画像は、点検データベース７０の点検画像情報部７２に蓄積される。
【0025】
情報処理装置５０は、路面形状推定部５１、路面粗さ推定部５２、点検継続処理部５３、経路追従部５４、及び、点検装置制御部５５を備える。路面形状推定部５１は、環境認識センサ１２で検出された環境情報に基づいて、走行時における自走式ロボット１の姿勢変化を伴う路面の高低差を算出し、路面形状を推定する。路面粗さ推定部５２は、環境認識センサ１２で検出された環境情報に基づいて、路面表層の小さな凹凸からなる路面粗さを推定する。路面形状推定部５１における路面形状の推定方法、及び、路面粗さ推定部５２における路面粗さの推定方法については、後で詳述する。
【0026】
点検継続処理部５３（本発明の走行継続処理部に相当）は、路面形状推定部５１で推定された路面形状、路面粗さ推定部５２で推定された路面粗さ、及び、点検データベース７０から読み出された点検位置の情報に基づいて、走行装置１１及び点検装置１３の制御設定を行う。走行装置１１の設定としては、障害物を回避する回避経路の設定、走行速度の設定、撮影ポイントの設定等が挙げられる。また、点検装置１３の設定としては、初期位置の設定、カメラ方向の調整等が挙げられる。
【0027】
経路追従部５４は、点検データベース７０から読み出された点検経路、及び、点検継続処理部５３から送信されてきた回避経路や、走行速度に基づいて、走行装置１１を駆動制御する。
【0028】
点検装置制御部５５は、点検データベース７０から読み出された撮影設定、及び、点検継続処理部５３から送信されてきた初期位置や、カメラ方向の調整値に基づいて、点検装置１３を駆動制御する。また、点検装置制御部５５は、点検装置１３で検出された点検画像を取得すると共に、点検データベース７０にその点検画像を送信する。
【0029】
ところで、上述した、情報処理装置５０の各部は、それぞれ、図示を省略する制御処理部の制御の下、制御される。制御処理部は、例えば、バスにそれぞれ接続されたＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、不揮発性ストレージを備える。
【0030】
ＣＰＵは、各部において、本実施形態に係る各機能を実現するソフトウェアのプログラムコードをＲＯＭから読み出してＲＡＭに展開して実行する。なお、制御処理部は、ＣＰＵの代わりに、ＭＰＵ（Micro-Processing Unit）等の処理装置を備えてもよい。ＲＡＭには、演算処理の途中に発生した変数やパラメータ等が一時的に書き込まれる。
【0031】
不揮発性ストレージとしては、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、フレキシブルディスク、光ディスク、光磁気ディスク、ＣＤ－ＲＯＭ、ＣＤ－Ｒ、磁気テープ、不揮発性のメモリカード等を用いることができる。この不揮発性ストレージには、ＯＳ（Operating System）、各種のパラメータの他に、制御処理部を機能させるためのプログラム等が記録される。なお、プログラムは、ＲＯＭに格納されてもよい。
【0032】
プログラムは、コンピュータが読取り可能なプログラムコードの形態で格納され、ＣＰＵは、当該プログラムコードに従った動作を逐次実行する。つまり、ＲＯＭ又は不揮発性ストレージは、コンピュータによって実行されるプログラムを格納した、コンピュータ読取可能な非一過性の記録媒体の一例として用いられる。
【0033】
１－４ 自走式ロボットの動作例
ここで、本実施形態の自走式ロボット１の動作例について説明する。図３は、本実施形態の自走式ロボット１が、所定の点検経路を走行する場合の動作例を示した図である。図３に示すように、自走式ロボット１は、点検経路情報部７１から読み出された点検経路と、自己位置推定装置６０から送信されてくる自己位置に基づいて、走行する。点検経路の情報は、撮影地点となる位置や、旋回する点として記録された複数のノードＰ１、Ｐ２、Ｐ３～Ｐｎと、ノード間を結ぶ点列で構成されたリンクＲ０とで構成されている。以下の説明では、リンクＲ０を、点検経路Ｒ０と記載する。また、図３において、自走式ロボット１の点検経路Ｒ０は、路面が舗装された舗装領域２３に設定された例を示している。また、図３では、点検経路Ｒ０が設定された舗装領域２３以外の領域（図３の網掛けの領域）は、路面状態が未知の領域２５である。
ここで、本実施形態の自走式ロボット１の動作例について説明する。図３は、本実施形態の自走式ロボット１が、所定の点検経路を走行する場合の動作例を示した図である。図３に示すように、自走式ロボット１は、点検経路情報部７１から読み出された点検経路と、自己位置推定装置６０から送信されてくる自己位置に基づいて、走行する。点検経路の情報は、撮影地点となる位置や、旋回する点として記録された複数のノードＰ１、Ｐ２、Ｐ３～Ｐｎと、ノード間を結ぶ点列で構成されたリンクＲ０とで構成されている。以下の説明では、リンクＲ０を、点検経路Ｒ０と記載する。また、図３において、自走式ロボット１の点検経路Ｒ０は、路面が舗装された舗装領域２３に設定された例を示している。また、図３では、点検経路Ｒ０が設定された舗装領域２３以外の領域（図３の網掛けの領域）は、路面状態が未知の領域２５である。
【0034】
本実施形態では、図３に示すように点検経路Ｒ０の途中に障害物３０が有る場合、自走式ロボット１では、路面形状推定部５１、及び、路面粗さ推定部５２で推定された値に基づいて、障害物３０の有無が判断される。そして、点検継続処理部５３において、障害物３０が有ると判断された場合には、障害物３０を回避するための回避経路Ｒ１が設定される。回避経路Ｒ１は、例えば、アルゴリズムＡ*を用いて設定することができる。
【0035】
また、本実施形態では、図３に示すように、路面形状推定部５１、及び、路面粗さ推定部５２で推定された値に基づいて、点検継続処理部５３において、走行装置１１及び点検装置１３の制御に係る設定値を変更する。このため、路面状態が未知の領域２５に、回避経路Ｒ１が設定される場合においても、路面形状及び路面粗さに応じて走行装置１１及び点検装置１３を適宜制御することができる。
【0036】
以下に、路面形状推定部５１における路面形状推定方法、路面粗さ推定部５２における路面粗さ推定方法、及び、自走式ロボット１の制御方法の一例について説明する。
【0037】
１－５ 路面形状、及び、路面粗さの推定方法
次に、路面形状の推定方法、及び、路面粗さの推定方法を順に説明する。図４は、本実施形態の自走式ロボット１の路面形状推定部５１、及び路面粗さ推定部５２で計測されるＸＹ平面における計測範囲の一例を示した図である。また、図５Ａは、路面形状推定部５１で算出される路面の高低差を視覚的に示した図である。また、図５Ｂは、路面粗さ推定部５２で算出される路面の高さ方向における分散値を視覚的に示した図である。
次に、路面形状の推定方法、及び、路面粗さの推定方法を順に説明する。図４は、本実施形態の自走式ロボット１の路面形状推定部５１、及び路面粗さ推定部５２で計測されるＸＹ平面における計測範囲の一例を示した図である。また、図５Ａは、路面形状推定部５１で算出される路面の高低差を視覚的に示した図である。また、図５Ｂは、路面粗さ推定部５２で算出される路面の高さ方向における分散値を視覚的に示した図である。
【0038】
図４に示すように、本実施形態では、自走式ロボット１が走行する平面領域２８を格子状に分割し、環境認識センサ１２において、各格子Ｇ（ｉ,ｊ）の計測値を検出する。路面形状推定部５１では、各格子Ｇ（ｉ,ｊ）の計測値を用いて路面の高低差を算出することで路面形状を推定する。一方、路面粗さ推定部５２では、各格子Ｇ（ｉ,ｊ）の計測値を用いて路面高さの分散値を算出することで、路面粗さを推定する。
【0039】
［路面形状推定部における路面形状の推定方法］
まず、路面形状推定部５１における路面形状の推定方法について説明する。図６は、路面形状推定部５１における路面形状の推定方法に係るフローチャートである。
まず、路面形状推定部５１における路面形状の推定方法について説明する。図６は、路面形状推定部５１における路面形状の推定方法に係るフローチャートである。
【0040】
まず、路面形状推定部５１は、環境認識センサ１２から送信されてくる深度情報を取得する（ステップＳ１）。次に、路面形状推定部５１は、深度情報を、現場の座標系の点情報に変換する（ステップＳ２）。次に、路面形状推定部５１は、ステップＳ２で抽出された各点が図４に示した格子地図で示される計測領域のどの位置（どの格子）に属するのかを計算する（ステップＳ３）。そして、路面形状推定部５１は、取得した点情報から格子内の路面高さの最大値、最小値、高低差を算出し、格子地図における路面形状情報を更新する（ステップＳ４）。これにより、路面形状の推定が終了する。
【0041】
以下に、ステップＳ４において格子内の路面高さの最大値、最小値、高低差を算出する際の算出式について説明する。ここでは、図４に示す格子地図において、基準の格子位置から、ｘ方向にｉ番目、ｙ方向にｊ番目の格子Ｇ（ｉ，ｊ）内における高さの最大値、最小値、及び高低差の算出するための式を、下記の[数１]に示す。
【0042】
【数1】
【0043】
上記、［数１］の式（１）～（３）における各記号の定義は、以下の通りである。
ｎ：格子内の点群の数
ｚｎ（ｉ,ｊ）：ｎ番目の点群ｐｎ（ｘｎ,ｙｎ,ｚｎ）のｚ方向の値（高さ）
ｈｎ,ｍａｘ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内における高さ値の最大値
ｈｎ,ｍｉｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内における高さ値の最小値
Δｈｎ＋１（ｉ,ｊ）：Ｇ（ｉ,ｊ）内の高低差
ｎ：格子内の点群の数
ｚｎ（ｉ,ｊ）：ｎ番目の点群ｐｎ（ｘｎ,ｙｎ,ｚｎ）のｚ方向の値（高さ）
ｈｎ,ｍａｘ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内における高さ値の最大値
ｈｎ,ｍｉｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内における高さ値の最小値
Δｈｎ＋１（ｉ,ｊ）：Ｇ（ｉ,ｊ）内の高低差
【0044】
［数１］の式（１）～（３）の各値は、格子Ｇ（ｉ,ｊ）内に位置する新しい点を環境認識センサ１２で取得するたびに、更新される。そして、［数１］の式（１）～（３）によって、格子Ｇ（ｉ,ｊ）内の高低差が算出される。
【0045】
以上のようにして、路面形状推定部５１では、環境認識センサ１２から取得した深度情報を用いて、各格子内の路面高さの最大値と最小値とを算出し、高低差が算出される。
【0046】
［路面粗さ推定部における路面粗さの推定方法］
次に、路面粗さ推定部５２における路面粗さの推定方法について説明する。図７は、路面粗さ推定部５２における路面粗さの推定方法に係るフローチャートである。
次に、路面粗さ推定部５２における路面粗さの推定方法について説明する。図７は、路面粗さ推定部５２における路面粗さの推定方法に係るフローチャートである。
【0047】
まず、路面粗さ推定部５２は、環境認識センサ１２から送信されてくる深度情報を取得する（ステップＳ１１）。次に、路面粗さ推定部５２は、深度情報を、現場の座標系の点情報に変換する（ステップＳ１２）。次に、路面粗さ推定部５２は、ステップＳ１２で抽出された各点が図４に示した格子地図で示される計測領域のどの位置（どの格子）に属するのかを計算する（ステップＳ１３）。そして、路面粗さ推定部５２は、取得した点情報から格子内の高さ方向（ｚ方向）の分散値を算出し、格子地図における路面粗さの情報を更新する（ステップＳ１４）。これにより、路面粗さ推定部５２における路面粗さの推定が終了する。
【0048】
以下に、ステップＳ１４において格子内の路面の高さ方向の分散値を算出するための算出式について説明する。以下に、図４に示す格子地図において、基準の格子位置から、ｘ方向のｉ番目、ｙ方向のｊ番目の格子Ｇ（ｉ，ｊ）内の高さ方向における分散値の算出式を、下記の[数２]に示す。
【0049】
【数2】
【0050】
上記、［数２］の式（４）、（５）における各記号の定義は、以下の通りである。
ｎ：格子内の点群の数
ｚｎ（ｉ,ｊ）：ｎ番目の点群ｐｎ（ｘｎ,ｙｎ,ｚｎ）ｚ方向の値（高さ）
μｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内のｎ個の点群の平均高さ
σｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内のｎ個の点群の高さ方向の分散値（積算値）
ｎ：格子内の点群の数
ｚｎ（ｉ,ｊ）：ｎ番目の点群ｐｎ（ｘｎ,ｙｎ,ｚｎ）ｚ方向の値（高さ）
μｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内のｎ個の点群の平均高さ
σｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内のｎ個の点群の高さ方向の分散値（積算値）
【0051】
以上のようにして、路面粗さ推定部５２では、環境認識センサ１２から取得した深度情報を用いて、各格子内の地形の分散値が算出される。
【0052】
本実施形態の自走式ロボット１では、路面形状推定部５１で算出された高低差と、路面粗さ推定部５２で算出された分散値とを用いて、路面形状や路面粗さに応じた制御が行われる。以下に、路面形状及び路面粗さに応じた自走式ロボットの制御方法について説明する。
【0053】
１－６ 自走式ロボットの制御方法
図８は、本実施形態の自走式ロボット１の制御方法の一例を示すフローチャートである。自走式ロボット１において予め設定されている点検経路に沿って走行が開始されることで、図８のフローチャートが開始される。また、図８のフローチャートは、図２の点検継続処理部５３で実施されるフローである。
図８は、本実施形態の自走式ロボット１の制御方法の一例を示すフローチャートである。自走式ロボット１において予め設定されている点検経路に沿って走行が開始されることで、図８のフローチャートが開始される。また、図８のフローチャートは、図２の点検継続処理部５３で実施されるフローである。
【0054】
まず、点検継続処理部５３は、路面形状推定部５１から、次のノードまでの路面形状の情報を取得する（ステップＳ２０）。ここでは、点検継続処理部５３は、図６のフローに基づいて推定された次のノードまでの路面形状の情報（高低差）を取得する。
【0055】
次に、点検継続処理部５３は、ステップＳ２０で取得された路面形状の情報（高低差）に基づいて、路面形状の判定を行う（ステップＳ２１）。点検継続処理部５３では、路面形状推定部５１で算出された高低差が閾値以上であるか否かに応じて、不整地判定が実施される。その判定には、例えば、下記の［数３］に示す式（６）が用いられる。
【0056】
【数3】
【0057】
上記［数３］の式（６）の各記号の定義は以下の通りである。
Δｈｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内の高低差
Δｈｔｈ（ｉ,ｊ）：段差判定に用いる路面の高さ値の閾値
Δｈｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内の高低差
Δｈｔｈ（ｉ,ｊ）：段差判定に用いる路面の高さ値の閾値
【0058】
なお、閾値Δｈｔｈ（ｉ,ｊ）には、種々の数値が適用される。例えば、走行不能な障害物の有無の判定に用いる閾値を設定することで、その閾値よりも高低差が大きいか否かに応じて、走行不能であるか否かを判定することができる。また、速度調整等、走行装置１１の制御が必要な段差の有無の判定に用いる閾値を設定することで、その閾値よりも高低差が大きいか否かに応じて、走行装置及び又は点検装置の制御の必要性を判定することができる。その他、路面形状に対する制御方法の違いに応じて、種々の閾値等を設定することができる。
【0059】
本実施形態では、ステップＳ２１の判定により、段差が無い場合、走行不可能な障害物が有る場合、及び、走行可能な段差が有る場合の３つに分ける例を示している。
【0060】
まず、ステップＳ２１において走行不可能と判定された場合について説明する。ステップＳ２１において、走行不可能と判定された場合、点検継続処理部５３は、障害物を回避する回避経路を算出する（ステップＳ２２）。
【0061】
【0062】
図９に示すように、環境認識センサ１２により障害物３０が検出された場合には、点検継続処理部５３は、回避経路Ｒ１を算出する。この場合、図９に示すように、ノードＰ１とノードＰ３を結び、障害物３０を回避できるルートを、回避経路Ｒ１として設定する。このように、障害物３０を回避でき、かつ、ノードＰ１からノードＰ３を結ぶ最短の経路が回避経路Ｒ１として設定される。
【0063】
次に、点検継続処理部５３は、初めに設定されていたノードＰ１とノードＰ３との間の点検経路Ｒ０上に、撮影ポイントが設定されていたか否かを判定する（ステップＳ２３）。図１０に、撮影ポイントＰｈ０が設定されていたノードＰ２上に、障害物３０が配置された例を示す。図１０に示すように、ステップＳ２２の回避経路Ｒ１の設定において、撮影ポイントＰｈ０から外れてしまう場合にはステップＳ２３において、「ＹＥＳ」と判定される。一方、図９に示したように、初めに設定されていたノードＰ１とノードＰ３との間の点検経路Ｒ０に撮影ポイントが設定されていなかった場合には、ステップＳ２３において「ＮＯ」と判定される。
【0064】
ステップＳ２３において「ＮＯ」と判定された場合、すなわち、図９に示すように、障害物３０が確認されたノードＰ１とノードＰ３との間の点検経路Ｒ０に撮影ポイントを含まない場合には、ステップＳ２０に戻る。
【0065】
一方、ステップＳ２３において「ＹＥＳ」と判定された場合、すなわち、図１０に示すように、障害物３０が確認されたノードＰ１とノードＰ３との間の点検経路Ｒ０に撮影ポイントＰｈ０が含まれている場合には、ステップＳ２４に進む。ステップＳ２４では、ステップＳ２２で設定された回避経路Ｒ１に撮影ポイントＰｈｘを設定する。ここで設定される撮影ポイントＰｈｘは、例えば、もともと設定されていた撮影ポイントＰｈ０に最も近い位置に設定される。その後、ステップＳ２０に戻る。この場合、ステップＳ２０からは、ステップＳ２２で設定された回避経路に対する路面形状の判定が実施される。
【0066】
次に、ステップＳ２１において、走行可能であるが、段差有りと判定された場合について説明する。ステップＳ２１において、段差有りと判定された場合には、点検継続処理部５３は、走行装置１１及び点検装置１３の制御を、段差通過時の制御に変更する(ステップＳ２５)。
【0067】
ここで、ステップＳ２１において段差が有ると判定された場合の走行装置１１及び点検装置１３の制御例について説明する。図１１Ａは、本実施形態の自走式ロボット１が段差２７を通過するときの概略構成図である。また、図１１Ｂは、変形例に係る自走式ロボット２が段差２７を通過するときの概略構成図である。
【0068】
図１１Ａに示すように、点検経路に段差２７があると判定された場合には、点検継続処理部５３は、段差通過時において、点検装置１３の撮影方向が走行方向と直交する方向となるように点検装置１３を、図１１Ａの矢印ｒ１に示すように９０度回転させる。撮影方向を変えることで、カメラ等の点検装置１３をピッチ方向に動かないようにすることができ、エンコーダなど点検装置１３内部の方位計測装置への振動の影響を低減させることができる。このように、点検経路に自走式ロボット１の姿勢変化を伴う段差２７が有る場合には、点検装置１３の向きを変える制御を行うことで、段差２７からの点検装置１３への影響を低減させる。
【0069】
また、図１１Ｂに示すように、走行装置１４が主クローラ２０とで構成される変形例の自走式ロボット２の場合には、段差２７の通過時に前方側の補助クローラ２１の角度を変更する制御をする。これにより、段差２７の通過を滑らかにすることができ、自走式ロボット２への振動を低減させることができる。さらに、点検装置１３が昇降装置１５に設置されている場合には、図１１Ｂの矢印ｈ１で示すように昇降装置１５を下げる制御を行うことで、点検装置１３の重心を低くし、点検装置１３への衝撃を低減させる。
【0070】
ところで、点検経路に段差が有る場合、その段差の面が走行方向に対して斜めに発生している場合がある。図１２に、点検経路Ｒ０の舗装路の領域２３と非舗装領域２５との間に段差２７が発生しており、その段差２７が自走式ロボット１の走行方向に対して斜めである場合の例を示す。図１２では、ノードＰ１とノードＰ２の間の点検経路Ｒ０に対して斜めの段差２７が発生している。このように、点検経路Ｒ０に対して斜めの段差２７が検出された場合には、点検継続処理部５３は、段差２７の面に対して斜めに走行するのを回避するための回避経路Ｒ１を新たに設定する。この場合、回避経路Ｒ１としては、自走式ロボット１が、段差２７に対して正対して段差２７を超えてから再び経路に沿うように新たな経路が設定される。これにより、自走式ロボット１が斜めに段差２７を横断した際の転倒リスクを少なくすることができる。なお、図１２に示す例においても、段差２７通過時においては、図１１Ａ及び図１２Ｂで説明した走行装置１１及び点検装置１３の制御の変更も同時に実施する。
【0071】
このように、段差があると判定された場合には、点検継続処理部５３は、走行装置１１及び点検装置１３の制御を段差に対応して制御に変更することで、自走式ロボット１への振動からの衝撃を低減させる。さらに、段差の発生方向によっては、点検経路を変更することで、自走式ロボット１の転倒リスクを低減する。
【0072】
ステップＳ２５において、上述したように段差有りの場合の制御変更が為された後に、ステップＳ２６に進む。また、ステップＳ２１において、段差が無いと判定された場合にも、ステップＳ２６に進む。次に、ステップＳ２６からの処理について説明する。
【0073】
ステップＳ２６では、点検継続処理部５３は、路面粗さ推定部５２から次のノードまでの路面粗さの情報を取得する。ここでは、点検継続処理部５３は、図７のフローに基づいて推定された次のノードまでの路面粗さの情報（分散値）を取得する（ステップＳ２６）。
【0074】
次に、点検継続処理部５３は、ステップＳ２６で取得された路面粗さの情報（分散値）に基づいて、走行予定の路面が、舗装路であるか否か（不整地であるか否か）を判定する（ステップＳ２７）。点検継続処理部５３では、路面粗さ推定部５２で算出された分散値が閾値以上であるか否かに応じて、不整地判定が実施される。その判定には、例えば、下記の［数４］に示す式（７）が用いられる。
【0075】
【数4】
【0076】
上記［数４］の式（７）における記号の定義は、以下の通りである。
σｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内のｎ個の点群の高さ方向の分散値（積算値）
σｔｈ：不整地判定に用いる路面の高さの分散値に関する閾値
σｎ（ｉ,ｊ）：Ｇ（ｉ，ｊ）内のｎ個の点群の高さ方向の分散値（積算値）
σｔｈ：不整地判定に用いる路面の高さの分散値に関する閾値
【0077】
なお、閾値σｔｈには、粗さレベルに応じて、種々の数値を適用することができる。粗さレベルに応じて、種々の閾値σｔｈを定めることにより、後述するステップＳ２８において、粗さ状態に応じた走行装置１１及び点検装置１３の制御設定を行うことができる。ステップＳ２７では、分散値σｎが、所定の閾値σｔｈより大きいか否かに応じて、舗装路であるか否かの判定がなされる。
【0078】
ステップＳ２７において「ＹＥＳ」と判定された場合、すなわち、舗装路であると判定された場合には、判定しているノード間の処理を終了する。
【0079】
一方、ステップＳ２７において「ＮＯ」と判定された場合、すなわち、舗装路ではないと判定された場合にはステップＳ２８に進む。ステップＳ２８では、点検継続処理部５３は、走行装置１１の制御を、非舗装路通過時の制御に変更する（ステップＳ２８）。被舗装路通過時の走行装置１１の制御例について説明する。
【0080】
図１３は、自走式ロボット１が凹凸の異なる非舗装路を通過する場合の走行装置１１の制御例を示した図である。図１３では、非舗装路Ａと、非舗装路Ａよりも凹凸の大きい非舗装路面Ｂを自走式ロボット１が通過する際の速度を模式的に示している。この場合、自走式ロボット１が、凹凸が少ない非舗装路面Ａを通過する場合の速度Ｓｐ１よりも、凹凸が大きい非舗装路面Ｂを通過する場合の速度Ｓｐ２が遅くなるように、走行装置１１の制御設定を変更する。このように、非舗装路面の凹凸の状態に応じて走行装置１１の速度制御を行うことで、砂利等の凹凸に車輪が埋まるのを防ぐ。
【0081】
図１４Ａは、舗装領域２３において、点検経路Ｒ０に直角の曲がり角が有る場合の制御例を示した図であり、図１４Ｂは、非舗装路において点検経路Ｒ０に直角の曲がり角が有る場合の制御例を示した図である。図１４Ａに示すように、点検経路Ｒ０において、ノードＰ２の地点において直角の曲がり角が有り、かつ、ノードＰ２が舗装路にある場合には、点検経路Ｒ０の変更は為されない。この場合、自走式ロボット１は、ノードＰ２の地点で、図１４Ａの矢印ｒで示すように９０度旋回する場合にも、路面の影響を受けにくい。
【0082】
一方、図１４Ｂに示すように、ノードＰ２の地点に直角の曲がり角があり、かつノードＰ２が非舗装路（不整地）にある場合には、点検継続処理部５３は、曲がり角を回避するための回避経路Ｒ１を設定する。回避経路Ｒ１は、自走式ロボット１が、ノードＰ２で旋回せずに、ノードＰ１からノードＰ３に架けて滑らかに旋回することができるように設定される。このように、非舗装路があり、かつ、非舗装路に直角な曲がり角がある(次のノードで方向転換がある)と判定された場合には、ステップＳ２８において、走行速度の制御と共に、回避経路Ｒ１の設定も実施される。
【0083】
以上により、ノード間における自走式ロボット１の制御は終了する。図８に示す制御フローは、ノード毎に繰り返し実施されるものである。
【0084】
本実施形態では、路面形状及び路面粗さに基づいて、走行装置及び点検装置の制御設定を変更することができる。これにより、所定の点検経路に障害物が有る場合にも、点検を継続することができる。また、非舗装路においても、路面形状や路面粗さに応じて走行装置及び点検装置が制御設定されるため、振動によるカメラの初期位置ずれや、閾値走行中における自走式ロボット１のスタックを防ぐことができる。
【0085】
なお、本実施形態の自走式ロボット１では、撮影ポイントで撮影された点検画像は、点検画像情報部７２に送信された後、異常検知に用いられる。本実施形態では、予め設定されていた撮影ポイントを自走式ロボット１が通過できなくなった場合にも、もともとの撮影ポイントの近傍に新たな撮影ポイントを設定することができるため、施設内の点検精度を維持することができる。
【0086】
＜２．第２の実施形態＞
次に、本発明の第２の実施形態に係る自走式ロボットについて説明する。図１５は、第２の実施形態に係る自走式ロボット８０の制御系の構成を示したブロック図である。第２の実施形態は、事前に取得された地図情報が得られる点で、第１の実施形態と異なる。図１５において、図２に対応する部分には同一符号を付し、重複説明を省略する。
次に、本発明の第２の実施形態に係る自走式ロボットについて説明する。図１５は、第２の実施形態に係る自走式ロボット８０の制御系の構成を示したブロック図である。第２の実施形態は、事前に取得された地図情報が得られる点で、第１の実施形態と異なる。図１５において、図２に対応する部分には同一符号を付し、重複説明を省略する。
【0087】
第２の実施形態に係る自走式ロボット８０における情報処理装置８１は、地形データベース８２を有する。地形データベース８２は、管理サーバ１００から送信されてくる地図情報が蓄積されている。
【0088】
管理サーバ１００は、遠隔地に設置されているサーバであり、地図情報記憶部１０１と、路面形状推定部１０２と、路面粗さ推定部１０３と、地形データベース１０４とを備える。地図情報記憶部１０１は、予め取得された点検施設内の点群地図が記憶されている。地図情報記憶部１０１に記憶された点群地図は、点検経路に沿う領域を含む。また、地図情報記憶部１０１に記憶された点群地図は、点検経路に沿う領域を含み、より広範囲な領域の情報であることが好ましい。
【0089】
路面形状推定部１０２は、地図情報記憶部１０１に記憶された点群地図に基づいて、路面形状を推定する。路面形状推定部１０２における路面形状の推定方法は、図６のフローに示した路面形状の推定方法と同様であるため、その説明は省略する。路面粗さ推定部１０３は、地図情報記憶部１０１に記憶された点群地図に基づいて、路面粗さを推定する。路面粗さ推定部１０３における路面粗さの推定方法は、図７のフローに示した路面粗さの推定方法と同様であるため、その説明は省略する。
【0090】
地形データベース１０４は、路面形状推定部１０２で推定された路面形状、及び、路面粗さ推定部１０３で推定された路面粗さの情報が蓄積されたデータベースである。
【0091】
第２の実施形態では、自走式ロボット８０の点検開始時に、管理サーバ１００の地形データベース１０４から、自走式ロボット８０の情報処理装置８１にある地形データベース８２に、路面形状及び路面粗さの情報をダウンロードする。
【0092】
第２の実施形態では、事前に路面粗さと路面形状とを計測し、管理サーバ１００側の地形データベース１０４に記憶させておく。これにより、回避経路生成の際に、環境認識センサ１２の計測範囲を超えた領域に回避経路を生成することができる。図１６を用いて、第２の実施形態における自走式ロボット８０の制御例について説明する。
【0093】
図１６は、第２の実施形態に係る自走式ロボット８０の制御例を示した概略構成図である。自走式ロボット８０の環境認識センサ１２の計測領域は、図１６の領域Ａ１に示すように、限られた範囲である。したがって、事前の地図情報が無い場合には、両脇に設けられた壁４０等の情報は、環境認識センサ１２で検出するまでは未知の情報である。事前の地図情報が無い状態で、図１６に示す障害物３００を避けるために、点検継続処理部５３において、例えば、回避経路Ｒｘが設定される場合、障害物３００と壁４０との位置関係によって行き止まりが発生してしまう。そうすると、自走式ロボット８０は移動できなくなり、また、通常の点検経路Ｒ０に復帰できなくなる。
【0094】
第２の実施形態では、管理サーバ１００の路面形状推定部１０２及び路面粗さ推定部１０３によって、予め取得された点群地図に基づいて、環境認識センサ１２で計測可能な計測領域よりも広い範囲の情報を取得しておく。そして、点検開始時に、管理サーバ１００の地形データベース１０４から、自走式ロボット８０の情報処理装置８１に備えられた地形データベース８２に、検査対象となる建物の地図情報をダウンロードした上で、図８に示すフローにより自走式ロボット８０を制御する。そして、図８に示すフローを実施する場合には、路面形状推定部１０２及び路面粗さ推定部１０３からの情報と、管理サーバ１００からダウンロードした路面形状及び路面粗さの情報とに基づいて、回避経路の設定や、走行装置１１及び点検装置１３の制御変更を行う。
【0095】
第２の実施形態では、壁４０の情報は環境認識センサ１２で検出されないが、地形データベース８２から取得することができる。このため、点検継続処理部５３は、障害物３００と壁４０とに衝突しない経路として、図１６に示す回避経路Ｒ１を設定することができる。
【0096】
このように、第２の実施形態では、事前の計測結果を用いて広範囲の領域から回避経路を生成することで、通常の点検経路への復帰確率を上げることができる。
【0097】
また、第２の実施形態では、事前に路面粗さと路面形状を計測しておくことで、事前計測結果と、環境認識センサ１２の出力データから算出した地形情報とを比較して、現場の異常を検出することができる。走行する点検経路上に倒木や土砂崩れを検出した際に、遠隔の管理者に通知を行うなどして、異常時の点検可否を判断し、悪路走行による自走式ロボット８０のスタックや故障を防ぐことが可能となる。
【0098】
上述した実施形態は、本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。例えば、実施形態の構成の一部を他の構成に置き換えることが可能であり、また、実施形態の構成について他の構成を加えることも可能である。また、実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。
【符号の説明】
【0099】
１、２、８０…自走式ロボット、８…情報処理装置、１０…本体、１１…走行装置、１２…環境認識センサ、１３…点検装置、１４…走行装置、１５…昇降装置、２０…主クローラ、２１…補助クローラ、２３…舗装領域、２５…非舗装領域、２７…段差、２８…平面領域、３０…障害物、４０…壁、５０…情報処理装置、５１…路面形状推定部、５２…路面粗さ推定部、５３…点検継続処理部、５４…経路追従部、５５…点検装置制御部、６０…自己位置推定装置、７０…点検データベース、７１…点検経路情報部、７２…点検画像情報部、７３…撮影設定情報部
【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】