自己位置

US2020160601
[0029] In one exemplary embodiment, a user can use an AR headset (e.g., the Microsoft HoloLens™ system) to capture and display images of a real-world or physical object in a real-world environment or scene.

例示的な一実施形態では、ユーザーは、現実世界環境又はシーン内の現実世界の又は物理的物体の画像を捕捉及び表示するために、ＡＲヘッドセット（例えば、Ｍｉｃｒｏｓｏｆｔ  ＨｏｌｏＬｅｎｓ（商標）システム）を使用し得る。

Note that the HoloLens can use an RGB-D (red green blue plus depth) camera plus a simultaneous localization and mapping (SLAM) style algorithm to build a model of the room, and allows a user to place 3D virtual objects (e.g., 3D CAD models) in the real-world scene containing the physical object.

ＨｏｌｏＬｅｎｓは、ＲＧＢ－Ｄ（赤緑青＋深さ）カメラ、及び部屋のモデルを構築する、同時の自己位置推定及び環境地図作成（ｓｉｍｕｌｔａｎｅｏｕｓ  ｌｏｃａｌｉｚａｔｉｏｎ  ａｎｄ  ｍａｐｐｉｎｇ、ＳＬＡＭ）スタイルアルゴリズムを使用し得、ユーザーが、物理的物体を含有する現実世界のシーン内に３Ｄ仮想物体（例えば、３ＤＣＡＤモデル）を配置することを可能にすることに留意されたい。

EP3605137
[0004] Increasingly, Lidar is finding applications in autonomous vehicles (AVs) such as partially or fully autonomous cars.

増加的に、ライダーは、部分的または完全自律型自動車などの自律型車両（ＡＶ：ａｕｔｏｎｏｍｏｕｓ  ｖｅｈｉｃｌｅ）への用途が見出されている。

Frequently, the intensity values returned by each Lidar channel are used in the localization, perception, prediction, and motion planning of AVs because these signals provide information related to the reflectance of detected objects.

多くの場合、各ライダーチャネルから戻される強度値は、これらの信号が検出された物体の反射率に関連する情報を提供するため、ＡＶの自己位置推定（ｌｏｃａｌｉｚａｔｉｏｎ）、認識（ｐｅｒｃｅｐｔｉｏｎ）、予測（ｐｒｅｄｉｃｔｉｏｎ）、および運行計画（ｍｏｔｉｏｎ  ｐｌａｎｎｉｎｇ）に使用される。

However, given the lack of uniformity of Lidar intensity values caused by signal noise and the other factors that impact intensity of return signals described above, use of the raw intensity values provided by the Lidar unit often leads to inaccuracies and other problems with localization, perception, prediction, and motion planning for autonomous and semi-autonomous vehicles.

しかしながら、上述の戻り信号の強度に影響を与える信号ノイズおよび他の要因によって引き起こされるライダー強度値の均一性の欠如があるとすると、ライダーユニットによって提供される未処理の強度値の使用は、自律型および半自律型車両の自己位置推定、認識、予測、および運行計画に関する不正確さおよび他の問題をもたらす。

WO2017076929
Localisation of mobile robots has been an active area of research since progress in robotics allowed for semi-autonomous and autonomous robots.

ロボット工学における進歩が、半自律的な及び自律的なロボットを可能にしたので、モバイルロボットの自己位置推定が、研究の活発な領域になってきた。

A moving robot must have a method of at least estimating its position in space to continue motion with a purpose.

移動するロボットが、目的をもって移動を継続するために、空間におけるその位置を少なくとも推定する方法を有しなければならない。

To estimate its position, the robot must use some sort of a map on which it can place itself.

ロボットの位置を推定するため、ロボットは、それ自体でその上に配置できる何らかの地図を使用しなければならない。

Such a map can be preloaded on a robot, or it can be obtained by the robot itself.

そのような地図が、ロボット上に予めロードされ得、又は、ロボットそれ自体により取得され得る。

In the latter case, the map can be obtained simultaneously with the robot localisation, or it can first be developed to be used later as part of localisation.

後者の場合、地図は、ロボット自己位置推定と同時に取得され得、又は、自己位置推定の一部として後で使用されるために最初に開発され得る。

The modern framework of localisation comprises a coordinate system with respect to which the localisation is done and a pose, which is a combination of position and orientation.

自己位置推定の近年の枠組みは、それに対して自己位置推定がなされる座標系及び姿勢を含み、それは、位置及び方向の組み合わせである。

Localisation can be done with respect to an absolute coordinate system (such as GPS coordinates) or a relative coordinate system (such as localisation with respect to some known location and/or object).

自己位置推定が、絶対座標系（ＧＰＳ座標等）又は相対座標系（何らかの知られた位置及び／又は目的物に対する自己位置推定等）に対して行われ得る。

The coordinate system can be chosen arbitrarily, as long as it is consistent and can be converted to some standard coordinate system (such as WGS84) if needed.

一貫性があり、必要に応じて（ＷＧＳ８４等の）何らかの標準座標系に変換され得る限り、座標系は、任意に選択され得る。