高精度EV充電ポート姿勢推定のためのCBAM-YOLOv11と幾何学的制約強化PnP
CBAM-YOLOv11 and Geometric Constraint-Enhanced PnP for High-Precision EV Charging Port Pose Estimation
本論文は、散乱した屋外環境における電気自動車(EV)充電ポートの正確な検出と姿勢推定の課題に対処するため、注意機構を組み込んだ検出ネットワークと幾何学的に制約された姿勢最適化を統合したハイブリッド認識フレームワークを提案する。検出には、バックボーンネットワークにシーケンシャルチャネル・空間アテンションモジュールを組み込んだCBAM-YOLOv11を提案し、テクスチャのない小さなターゲットの特徴表現を強化しつつ、背景のノイズやグレアを抑制する。次に、正確な姿勢推定のためにトポロジカル幾何学的制約ベースの手法を開発し、2D-3D対応を精製してから効率的なEPnPソルバーに入力し、剛体距離事前情報を用いた非線形洗練を正則化として適用する。データセットと物理的なロボットプラットフォームでの広範な実験により、提案された検出器は99.2%のmAP@0.5を達成し、ベースラインYOLOv11と比較してmAP@0.5:0.95で24.6パーセントポイントの改善が見られた。姿勢推定モジュールは、X、Y、Z軸に沿った位置決め標準偏差をそれぞれ4.72 mm、5.65 mm、5.60 mmに低減し、従来のEPnPを約60%上回った。30回の繰り返しロボット挿入試験では、システムは約78 msで93.3%の成功率を達成し、自律EV充電のリアルタイム性と精度要件を完全に満たした。
- CBAM-YOLOv11検出器がEV充電ポート検出で99.2%のmAP@0.5を達成し、ベースラインYOLOv11対比でmAP@0.5:0.95が24.6パーセントポイント向上
- 幾何学的制約強化PnPによる姿勢推定がX/Y/Z軸方向の位置決め標準偏差をそれぞれ4.72mm/5.65mm/5.60mmに低減し、従来EPnPを約60%上回る精度を達成
- 物理ロボットプラットフォームでの30回繰り返し挿入試験で約78msの処理時間にて93.3%の挿入成功率を達成し、自律EV充電のリアルタイム要件を満たした
本論文はEV自律充電のロボット挿入タスクにおける検出精度と姿勢推定精度の大幅な向上を実証しており、ロボティクス分野の実用技術進展として投資判断上注目に値する。特にX/Y/Z軸で最大約60%の姿勢推定誤差低減と、実ロボット試験で93.3%の挿入成功率を達成した点は、EV充電の自動化市場における実装可能性を示す具体的な裏付けとなる。