Automatic Operation of an Articulated Dump Truck: State Estimation by Combined QZSS CLAS and Moving-Base RTK Using Multiple GNSS Receivers

要約

建設業界では少子化による労働力不足が深刻な問題となっており，その解決策として建設作業の自動化が注目されている．本稿では、ダンプトラックの自動運転のために、複数のGNSSを用いてダンプトラックの位置・姿勢・アーティキュレーション角の状態推定を実現する手法を提案する。建設機械の自動運転にはRTK-GNSSが一般的に利用されているが、山間部ではモバイルネットワークが不安定な場合が多く、GNSS基準局を利用したRTK-GNSSは利用できない。そこで本論文では、日本の準天頂衛星システム（QZSS）のセンチメートルレベル補強サービス（CLAS）を利用することで、GNSS基準局を必要としないダンプトラックの状態推定手法を開発した。CLASはセンチメートルレベルの位置推定が可能であるが、その測位精度やアンビギュイティ修正率はRTK-GNSSよりも低い。この問題を解決するために、複数のGNSSアンテナ間でCLAS測位とムービングベースRTK-GNSSを組み合わせたファクターグラフ最適化による状態推定法を構築する。実環境下での評価試験により、提案手法は従来のRTK-GNSSと同等の精度でダンプトラックの状態を推定できることが示されたが、GNSS基準局は不要である。

要約(オリジナル)

Labor shortage due to the declining birth rate has become a serious problem in the construction industry, and automation of construction work is attracting attention as a solution to this problem. This paper proposes a method to realize state estimation of dump truck position, orientation and articulation angle using multiple GNSS for automatic operation of dump trucks. RTK-GNSS is commonly used for automation of construction equipment, but in mountainous areas, mobile networks often unstable, and RTK-GNSS using GNSS reference stations cannot be used. Therefore, this paper develops a state estimation method for dump trucks that does not require a GNSS reference station by using the Centimeter Level Augmentation Service (CLAS) of the Japanese Quasi-Zenith Satellite System (QZSS). Although CLAS is capable of centimeter-level position estimation, its positioning accuracy and ambiguity fix rate are lower than those of RTK-GNSS. To solve this problem, we construct a state estimation method by factor graph optimization that combines CLAS positioning and moving-base RTK-GNSS between multiple GNSS antennas. Evaluation tests under real-world environments have shown that the proposed method can estimate the state of dump trucks with the same accuracy as conventional RTK-GNSS, but does not require a GNSS reference station.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL