第12回大学コンソーシアムとちぎ学生&企業研究発表会帝京大学理工学部ヒューマン情報システム学科 ○遠山貴則（3年），横松秀康，野村佳太，青木克之，熊倉瑞樹太陽光発電施設を自動点検する移動ロボットの開発概要：太陽光発電施設での点検・故障検知としてパネル上のホットスポットを熱画像から抽出する方法が期待されている．しかし，大規模施設において人が熱画像を撮影する方法には限界がある．そこで本研究では，自律移動ロボットを用いてパネルを裏側から撮影して異常を検知するシステムを開発する．地域貢献：栃木県では大規模太陽光発電の導入拡大に取り組んでおり，蓄電技術と組み合わせて災害時の電源としても期待されている．さらに，自律移動ロボットを用いて太陽光パネルの不具合を早期に発見できればより安定的な発電に貢献する. 活動スケジュールと役割：1年プロジェクト，自主活動と週1のミーティング，リーダー・遠山，視覚モジュール・横松，ソフトウェア・野村，太陽光パネルやホットスポット・青木＋熊倉 ◆ホットスポットとは？熱画像 RGB画像課題：メガソーラー発電施設の効率的な点検 ◎帝京スマートエネルギーセンター・山梨，千葉に26,000坪・発電量6MW • 熱画像からホットスポットを検出可能 • 大規模施設内を人力で撮影するのは負担大図2：ホットスポットの例図1：帝京スマートエネルギーセンターソーラーパネルの熱画像を撮影しながら施設内を巡回し解析システムに画像を送信する，自律移動型の施設設備点検ロボットを開発見た目では分からないが，周囲よりも温度が相対的に高い原因：鳥の糞，落ち葉などの汚れ，内部回路の不具合・故障 → 放置すると故障の原因，発電効率の低下パン・チルト機構 ◆フレーム・駆動系：オープンソースのロボットフレームi-Cart miniを利用・独立2輪駆動方式・高い汎用性・拡張性・屋外環境における十分な走行実績（つくばチャレンジなど） Raspberry Pi 2 熱画像カメラ（FLiR Dev Kit） ◆コンピュータ：市販のノートPC＋マイコン・メインコンピュータ（Apple MacBook Air×1）：自己位置の推定，障害物の回避など・モータドライバ（TF-2MD3-R6×1）：オドメトリ計算，モータ制御・サブコンピュータ（Raspberry Pi 2×1）：画像撮影，パターン認識・サブコンピュータ（Arduino×2）：センシング，GPS情報の取得 RGBカメラ 800mm ◆センサ：環境やロボット内部の情報をセンシングするために複数のセンサを搭載・測域センサ（UTM-30LX-EW×1，URG-04LX×1）：周囲の形状情報，障害物をセンシング・ロータリーエンコーダ：タイヤの回転数を計測・慣性センサ：姿勢や振動などの情報を取得 ◆カメラ：環境情報を取得するためのRGBカメラとホットスポット検知用の熱画像カメラ 600mm 400mm 図3：開発したロボットProgress-i 測域センサ Robot View Video Camera ◆自己位置推定：環境地図，測域センサとオドメトリからパーティクルフィルタを用いて推定（精度約0.1m） → 推定結果と地図から経路を計画 ◆走行モード・ウェイポイント追従：予め地図上に設定したウェイポイントへの方向を計算して最大0.6[m/s]で走行・障害物回避：ある一定の範囲に障害物を検知した場合に減速し，回避する方向へ最大0.15[m/s]で走行・路面状況判断：パターン認識器（SVMあるいはSDNN）を用いて路面状況を判断して減速ロボットの位置センサからの距離情報ウェイポイント RGB 画像および熱画像を撮影し，無線通信でデータを研究室サーバに送信 → 今後：ホットスポットを解析図4：パーティクルフィルタを用いた自己位置推定目的：複数の機能を統合して，屋外における基本的な自律走行能力を確認スタート＆ゴール方法：学内に帝京トライアルコース（約720[m]）を設定して様々な条件下で走行実験結果：今年度8～11月の間に繰り返し実験を行い，合計27回コース走破図書館現在位置本部棟 • • グラウンドスタート＆ゴール地域経済棟柔整棟バイオ棟実習工場航空・宇宙棟 ATC 走行位置格納庫 • 加速度情報など8次元入力機械棟本発表では，大規模施設を自動巡回するロボットProgress-iの開発について報告した．学内および街中における実験によって，屋外環境における基本的な自律走行能力を確認した． [m] 情報電子棟食堂図5：システムの構成 C4 C3 C2 C1 C3：アスファルト C4：砂利 C1：渡り廊下  メガソーラ発電施設における実験 • 山梨県南アルプス市 [step] 大学院棟図6：作成した環境地図精度0.1[m]で作成されたグリッドマップ．建物の壁や渡り廊下の柱などが存在するため，公園などの環境に比べて地図の作成が容易．しかし，大きなループを描く経路のため，歪みが生じており，スタートとゴールが一致していない．図7：路面状況判断識別器としてSVMを用いて，コース1周分のデータをサンプルとして与えて学習後，未学習データを適用．入力変数は，斜め下向きに設置したLRFの情報（前方の高さの平均値），並進速度，回転速度，Z軸方向の加速度，ヨー角，ピッチ角，ロール角など多次元の情報を前処理・正規化したもの．熱画像の解析方法の検討システム統合方法の検討 • ウェイポイント追従と障害物回避のバランス走破性・安定性の向上 • タイヤの径およびギアの変更 • ロボットフレームの更新による安定性向上図8：発電施設における実験雑草，砂利，凸凹，坂道など過酷な路面状況．走行可能領域を正確に判断する必要．走破性や安定性の向上も今後の課題．＊つくばチャレンジ2015（街中での実験）へ参加：期間中にトライアルコース（400m弱）を5度走破謝辞：本研究を進めるにあたり，様々なご指導とご助言を賜りました，帝京大学理工学部情報電子工学科の小林靖之先生と山根健先生に感謝致します．