自律型車椅子向けに最適化されたリアルタイム定性HOGベース視覚サーボシステム

科学分野:

• ロボット工学
• コンピュータビジョン
• 支援技術

背景:

• リアルタイムパフォーマンスは、自律移動システムにとって非常に重要です。
• 既存の視覚サーボ手法は、低電力ハードウェアでの計算負荷に苦労することがよくあります。
• 支援移動には、信頼性が高く正確なナビゲーションが必要です。

研究 の 目的:

• 自律型車椅子ナビゲーションのための、計算効率の高い勾配方向ヒストグラム（HOG）ベースの視覚サーボ（QHOGVS）アプローチを提示すること。
• ナビゲーション精度を維持しながら、低電力ハードウェアでのリアルタイムパフォーマンスを達成すること。
• 組み込みシステムにおける計算効率とナビゲーション精度の間のトレードオフに対処すること。

主な方法:

• 定性勾配方向ヒストグラム（HOG）ベースの視覚サーボ（QHOGVS）アルゴリズムを開発しました。
• Pythonのベクトル化を使用して視覚サーボパイプラインを最適化しました。
• エラー収束を調整するために適応型活性化関数を組み込みました。

主要な成果:

• Raspberry Piで68倍の速度向上（0.08 FPSから5.5 FPS）を達成しました。
• ナビゲーション中の安定した軌道追従を実証しました。
• 実世界のタスクを通じて、物理的な車椅子プラットフォームでシステムの機能を検証しました。

結論:

• QHOGVSアプローチは、低電力組み込みシステムでのリアルタイム自律車椅子ナビゲーションを可能にします。
• この手法は、計算効率とナビゲーション精度の間のバランスをうまく取っています。
• この研究は、実用的な支援技術のための実行可能なソリューションを提供し、適応型視覚ナビゲーション研究の可能性を開きます。