トーバーレス牽引車における航空機後輪ターゲットのデュアルLiDARを用いた姿勢推定手法の改善
An Improved PointPillars-Based Dual-LiDAR Method for Aircraft Relative Pose Estimation in Towbarless Towing Vehicles
トーバーレス牽引車による航空機地上牽引時の過剰操舵リスクに対処するため、航空機後輪ターゲットの検出と姿勢推定を行うデュアルLiDAR手法を提案する。本手法では、航空機ノーズランディングギアや牽引機構による後輪点群のオクルージョンを低減する補完的デュアルLiDAR取得戦略を採用する。また、後輪ターゲットのサイズが小さいことを考慮し、PointPillarsフレームワークに垂直密度強調エンコーディングと軽量CNN-Transformer BEVバックボーンを導入する。垂直密度強調エンコーディングは、各ピラー内の有効点の高さ方向の正規化分布を明示的に記述し、円筒形ホイール構造の表現を向上させる。CNN-Transformer BEVバックボーンは、ウィンドウベースの自己注意Transformerモジュールをディープ特徴に組み込み、BEV空間における局所的文脈モデリングを強化する。左右後輪の検出座標に基づき、航空機胴体の姿勢をTLTV座標系と組み合わせて推定する。固定検証分割での3シード実験では、提案手法(Full model)はmAP@0.5で0.8788±0.0161を達成し、元のPointPillarsベースラインを8.50パーセントポイント上回った。モデルは4.1069Mパラメータを含み、38.0732 FPSで動作する。牽引角度推定誤差は許容工学範囲内に収まる。これらの結果は、タスク固有の適応が、コンパクトなモデルとリアルタイム処理能力を維持しながら、後輪検出を改善することを示している。
- トーバーレス牽引車(TLTV)向けに、航空機後輪ターゲットを検出・姿勢推定するデュアルLiDAR手法を提案。ノーズランディングギアや牽引機構による後輪点群のオクルージョンを補完的に低減する取得戦略を採用。
- PointPillarsフレームワークに垂直密度強調エンコーディングと軽量CNN-Transformer BEVバックボーンを導入し、円筒形ホイール構造の表現とBEV空間の局所的文脈モデリングを強化。
- 固定検証分割での3シード実験でmAP@0.5 = 0.8788±0.0161を達成し、オリジナルのPointPillarsベースラインを8.50パーセントポイント上回った。
- モデルサイズ4.1069Mパラメータ、38.0732 FPSで動作し、牽引角度推定誤差も許容工学範囲内に収まり、コンパクトかつリアルタイムな後輪検出を実現。
トーバーレス牽引車(TLTV)による航空機地上牽引の自動化は、空港グランドハンドリングの省人化・運航効率化に直結する領域。本記事は学術的な知覚アルゴリズム改善(デュアルLiDAR+PointPillars改良でmAP@0.5 0.8788、38FPS、4.1Mパラメータ)であり直接の企業開示ではないが、後輪検出と牽引角度推定の精度・リアルタイム性が実用水準に近づいている点は、空港向け自律走行・ロボティクスへの商用展開のハードル低下を示す。車載LiDARとBEV知覚スタックの低コスト軽量モデル化の流れは、産業用自律移動ソリューションの投資判断で注目すべきシグナル。