CN111164376A - 身体朝向推断装置以及身体朝向推断程序 - Google Patents

身体朝向推断装置以及身体朝向推断程序 Download PDF

Info

Publication number
CN111164376A
CN111164376A CN201980004746.0A CN201980004746A CN111164376A CN 111164376 A CN111164376 A CN 111164376A CN 201980004746 A CN201980004746 A CN 201980004746A CN 111164376 A CN111164376 A CN 111164376A
Authority
CN
China
Prior art keywords
quadratic function
orientation
user
quadratic
ranging data
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980004746.0A
Other languages
English (en)
Inventor
渡边丰
冈田真规
久野和宏
高桥正树
万礼应
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Equos Research Co Ltd
Keio University
Original Assignee
Equos Research Co Ltd
Keio University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Equos Research Co Ltd, Keio University filed Critical Equos Research Co Ltd
Publication of CN111164376A publication Critical patent/CN111164376A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/24—Measuring arrangements characterised by the use of optical techniques for measuring contours or curvatures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/26—Measuring arrangements characterised by the use of optical techniques for measuring angles or tapers; for testing the alignment of axes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24133—Distances to prototypes
    • G06F18/24137—Distances to cluster centroïds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/521—Depth or shape recovery from laser ranging, e.g. using interferometry; from the projection of structured light
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Human Computer Interaction (AREA)
  • Multimedia (AREA)
  • Mathematical Physics (AREA)
  • Computational Mathematics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Mathematical Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Algebra (AREA)
  • Software Systems (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Artificial Intelligence (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Optics & Photonics (AREA)
  • Evolutionary Computation (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明提供在传感器与对象者的位置关系发生各种变化的环境下也能够检测对象者的朝向的身体朝向推断装置以及身体朝向推断程序。移动体(1)根据由测距传感器(16)测量出的测距数据(MP)计算近似椭圆(C)、以及基于xy轴、yx轴的二次函数(Qxy)、(Qyx)。选择接近用户(H)的肩宽(W1)以及厚度(W2)的近似椭圆(C)，并选择与测距数据(MP)的近似误差最小的二次函数(Qxy)、(Qyx)。而且，根据选择的近似曲线推断用户(H)的位置以及朝向。即，在基于一个形状或者坐标系的近似曲线不适合用户(H)的情况下，根据基于其它形状或者坐标系的近似曲线推断用户(H)的位置以及朝向。因此，即使测距传感器(16)与用户(H)的位置关系发生各种变化也能够检测用户(H)的位置以及朝向。

Description

身体朝向推断装置以及身体朝向推断程序
技术领域
本发明涉及即使在传感器与对象者的位置关系发生各种变化的环境下，也能够检测对象者的朝向的身体朝向推断装置以及身体朝向推断程序。
背景技术
根据专利文献1的面部朝向检测装置，通过沿水平方向设置于头枕3的多个距离传感器11a～11e分别检测到头部4的距离，并基于该头部距离创建近似曲线5。使创建的近似曲线5的一部分更近似椭圆6，并基于该椭圆6的长轴来推断头部4的偏转角。
另外，根据专利文献2的人体朝向推断装置，具备距离传感器50，根据距离传感器50的测量结果以椭圆近似对象者，并计算其重心位置。跟踪该重心位置的变化，计算对象者的移动方向，并将其推断为对象者的朝向。同样地，专利文献3的位置检测装置也通过多个距离传感器11～14测量对象者，并根据该测距点群以椭圆近似对象者的轮廓，并跟踪其重心位置的变化，计算对象者的移动方向，并将其推断为对象者的朝向。
专利文献1：日本特开2016－175509号公报
专利文献2：日本特开2011－081634号公报
专利文献3：日本特开2010－169521号公报
如专利文献1那样，若是靠着头枕3的头部4的朝向，则各传感器11a～11e与头部4的位置关系大致确定。因此，能够根据基于到头部4的距离计算出的椭圆来推断头部4的偏转角。
然而，如专利文献2、3那样，在传感器与对象者(身体)的位置关系发生各种变化的环境下，存在根据传感器与对象者的位置关系，测距数据的获取方式改变，而不能使近似曲线很好地适合对象者的情况。在这样的情况下，无法检测对象者的朝向。
发明内容
本发明是为了解决上述的问题点而完成的，目的在于即使在传感器与对象者的位置关系发生各种变化的环境下，也能够检测对象者的朝向的身体朝向推断装置以及身体朝向推断程序。
为了实现该目的，本发明的身体朝向推断装置具备：测距单元，对对象者进行测距；二次函数计算单元，基于多个坐标系分别计算与由该测距单元测量出的多个测距数据取近似的二次函数；二次函数选择单元，选择由该二次函数计算单元计算出的多个二次函数中与多个上述测距数据的近似误差最小的二次函数；以及朝向推断单元，基于由该二次函数选择单元选择出的二次函数来推断上述对象者的朝向。
另外，本发明的身体朝向推断程序使计算机实现如下功能：测距获取功能，获取对对象者测量出的测距数据；二次函数计算功能，基于多个坐标系分别计算与通过该测距获取功能获取到的多个测距数据取近似的二次函数；二次函数选择功能，选择通过该二次函数计算功能计算出的多个二次函数中与多个上述测距数据的近似误差最小的二次函数；以及朝向推断功能，基于通过该二次函数选择功能选择出的二次函数来推断上述对象者的朝向。
根据本发明的身体朝向推断装置以及身体朝向推断程序，基于多个坐标系分别计算与对对象者测量出的多个测距数据取近似的二次函数。选择该计算出的多个二次函数中与多个测距数据的近似误差最小的二次函数，并基于该选择出的二次函数来推断对象者的朝向。即，在基于一个坐标系计算出的二次函数不能很好地适合对象者的情况下，根据基于其它坐标系计算出的二次函数来推断对象者的朝向。因此，具有即使在测距单元(传感器)与对象者的位置关系发生各种变化的环境下，也能够检测对象者的朝向的效果。
附图说明
图1是移动体的外观图。
图2是表示移动体的电气结构的框图。
图3是移动体的流程图。
图4是表示用户的近似椭圆的计算的图。
图5(a)是表示根据测距数据的瞬间的偏差计算出尺寸不同的近似椭圆的情况的图，图5(b)是表示用户的身体的肩宽以及厚度、和近似椭圆的长轴以及短轴的图。
图6(a)是表示两种二次函数的计算的图，图6(b)是表示二次函数的顶点未存在于两端的测距数据之间的情况的图。
图7(a)是表示二次函数的顶点存在于集群边缘间，且一个集群边缘比二次函数的顶点靠外侧并且远离顶点的情况的图，图7(b)是表示二次函数的顶点存在于集群边缘间，且一个集群边缘比二次函数的顶点靠外侧并且接近顶点T的情况的图。
具体实施方式
以下，参照附图对本发明的优选的实施方式进行说明。首先，参照图1对本实施方式中的移动体1的结构进行说明。图1是移动体1的外观图。移动体1作为在用户H的前方相对于用户(对象者)H移动到适当的位置并能够跟随用户H的装置发挥作用。
如图1所示，移动体1具有主要为大致圆柱状的外壳2、配设于该外壳2的内部并控制移动体1的各部的控制部10、测距传感器16、以及车轮17。测距传感器16是配置于外壳2的上部，通过对全方位(360度)照射激光来检测测距传感器16与物体的距离(测距)的装置。测距传感器16将对每个任意的角度检测出的与对象物的距离与该角度建立对应关系并发送至控制部10。另外，测距传感器16构成为能够在上下方向上移动，并预先适当地设定测距传感器16的上下方向的位置以使来自测距传感器16的激光照射至用户H的肩周边。以下，将由测距传感器16检测的距离以及角度称为“测距数据”。
车轮17是分别设置于外壳2的下部的左右两端的车轮。左右的车轮17与马达(未图示)连接，通过基于来自后述的驱动部18(参照图2)的控制信号使马达驱动，从而移动体1移动。通过使左右的马达以相同的输出正转以及反转来进行移动体1的前方移动以及后方移动，另外，通过使马达差动，来进行移动体1的移动方向的变更。即，移动体1能够在配设这样的车轮17的正交方向亦即前后方向上移动，另一方面，由于无法在左右方向上直接移动，所以移动体1通过具有非完整的拘束条件的车轮17以及驱动部18移动。
接下来，参照图2对移动体1的电气结构进行说明。图2是表示移动体1的电气结构的框图。移动体1具有控制部10，该控制部10具有CPU11、闪存ROM12、以及RAM13，它们经由总线线路14分别与输入输出端口15连接。在输入输出端口15还连接有测距传感器16、以及驱动部18。
CPU11是控制通过总线线路14连接的各部的运算装置。闪存ROM12是储存有由CPU11执行的程序、固定值数据等的可改写的非易失性的存储装置，存储控制程序12a。若通过CPU11执行控制程序12a，则图3的主处理被执行。
RAM13是用于在CPU11执行控制程序12a时可改写地存储各种工作数据、标志等的存储器，设置了存储由测距传感器16测量出的测距数据MP的测距数据存储器13a、椭圆位置朝向存储器13b、二次函数位置朝向存储器13c、卡尔曼滤波器预测位置朝向存储器13d(以下简称为“KF预测位置朝向存储器13d”)、相关结果位置朝向存储器13e、推断当前位置朝向存储器13f、以及前次值存储器13g。
椭圆位置朝向存储器13b是存储根据基于测距数据存储器13a的测距数据MP近似出的近似椭圆C(参照图4)推断出的用户H的位置以及朝向的存储器。二次函数位置朝向存储器13c是存储根据基于测距数据存储器13a的测距数据MP近似出的二次函数Qxy或者Qyx(参照图6)推断出的用户H的位置以及朝向的存储器。
KF预测位置朝向存储器13d是存储根据后述的前次值存储器13g的值，基于卡尔曼滤波器预测步骤(式9)推断出的用户H的当前的位置以及朝向的存储器。相关结果位置朝向存储器13e是存储椭圆位置朝向存储器13b以及二次函数位置朝向存储器13c中存储的多个用户H的位置以及朝向中被推断为最有可能是用户H的用户H的位置以及朝向的存储器。
推断当前位置朝向存储器13f是存储基于相关结果位置朝向存储器13e的值通过卡尔曼滤波器推断出的用户H的位置以及朝向的存储器，前次值存储器13g是存储前次的推断当前位置朝向存储器13f的值、和推断出的用户H的速度以及角速度的存储器。
驱动部18是用于使移动体1移动动作的装置，由车轮17(参照图1)以及成为车轮17的驱动源的马达(未图示)等构成。若从控制部10将控制信号输入至驱动部18，则马达基于输入的控制信号而旋转，该马达的旋转成为动力而驱动车轮17，使移动体1动作。
接下来，参照图3～7对由移动体1的CPU11执行的主处理进行说明。图3是移动体1的主处理的流程图。主处理在移动体1的电源接通之后执行。主处理首先将从测距传感器16获取到的测距数据MP保存至测距数据存储器13a(S1)。在S1的处理之后，基于测距数据存储器13a中存储的测距数据MP，计算用户H的近似椭圆C(S2)。在这里，参照图2对基于测距数据MP的用户H的近似椭圆C的计算进行说明。
图4是表示用户H的近似椭圆C的计算的图。在图4中，用空心的四边形表示从测距传感器16获取到的用户H的测距数据MP。通过基于测距数据MP的最小平方法等计算一个近似椭圆C。在本实施方式中，将近似椭圆C的中心CP设为“用户H的位置”，并将近似椭圆C中的短轴的朝向DC1、DC2设为“用户H的朝向”。朝向DC1、DC2这两个朝向被计算为用户H的朝向是因为根据近似椭圆C无法区别用户H朝向哪个方向(前面或者背面)。此外，将朝向DC1、DC2中的哪一个设为用户H的最终的朝向在后述的S7的处理中判定。
返回到图3。在S2的处理之后，在计算出的近似椭圆C接近用户H的身体尺寸的情况下，将该近似椭圆C中的用户H的位置以及朝向保存至椭圆位置朝向存储器13b(S3)。在S2的处理中，由于测距数据MP的瞬间的偏差、由测距数据MP的测距误差引起的波动等，存在计算出的近似椭圆C配合用户H的身体尺寸、偏离用户H的身体尺寸等各种情况。因此，在S3的处理中，判断计算出的近似椭圆C是否接近用户H的身体尺寸，在近似椭圆C接近用户H的身体尺寸的情况下，根据该近似椭圆C计算用户H的位置以及朝向。参照图5对这样的S3的处理中的近似椭圆C的选择进行说明。
图5(a)是表示由于测距数据MP的瞬间的偏差而计算出尺寸不同的近似椭圆C的情况的图，图5(b)是表示用户H的身体的肩宽W1以及厚度W2、和近似椭圆C的长轴a以及短轴b的图。通过图3的S2的处理，根据测距数据MP计算一个近似椭圆C，但由于测距数据MP的瞬间的偏差，如图5(a)所示，存在计算出接近用户H的身体尺寸的近似椭圆C1的情况、和计算出与近似椭圆C1尺寸不同的近似椭圆C2的情况。特别是，近似椭圆C2以比用户H的肩周边的身体的外周大的圆周来近似。在这样的近似椭圆C2中，无法正确地计算用户H的位置以及朝向。
因此，在图3的S3的处理中，如图5(b)所示，基于近似椭圆C的长轴a以及短轴b、和用户H的肩周边的标准的肩宽W1以及厚度W2，判断计算出的近似椭圆C是否接近用户H的肩周边的外周。具体而言，判断为满足以下的式1的条件的近似椭圆C接近用户H的身体尺寸。
[公式1]
Figure BDA0002426827540000061
在本实施方式中，作为肩宽W1例示出“0.6m”，作为厚度W2例示出“0.3m”。即，在近似椭圆C的长轴a的2倍的长度为用户H的肩宽W1的±10％以内，并且短轴b的2倍的长度为用户H的厚度W2的±10％以内的情况下，判断为近似椭圆C接近用户H的尺寸。像这样，在判断为近似椭圆C接近用户H的身体的尺寸的情况下，将该近似椭圆C的中心CP以及朝向DC1、DC2保存至椭圆位置朝向存储器13b。
返回到图3。在S3的处理之后，基于测距数据存储器中存储的测距数据MP，分别计算基于xy坐标系的二次函数Qxy、和基于yx坐标系的二次函数Qyx(S4)。在这里，参照图6(a)对二次函数Qxy、Qyx的计算进行说明。
图6(a)是示意性地表示两种二次函数Qxy、Qyx的计算的图。如图6(a)所示，基于测距数据MP，计算出在xy坐标系中以二次函数近似的二次函数Qxy、和在yz坐标系中以二次函数近似的二次函数Qxy。二次函数Qxy基于以下的式2来计算，二次函数Qyx基于式3来计算。
[公式2]
y＝a1x2+b1x+c1···(式定2)
x＝a2y2+b2y+c2···(式3)
在这里，式2中的a1、b1、c1是系数，这些系数基于式2和测距数据MP的最小平方法来决定。另外，式3中的a2、b2、c2也是系数，这些系数基于式3和测距数据MP的最小平方法来决定。即，本实施方式的二次函数Qxy为沿着x轴直立的形状，二次函数Qyx的轴线与沿着y轴直立的形状平行。
然而，测距传感器16由于通过对全方位照射激光来获取与用户H的距离，所以用户H的身体的一部分被作为用户H的测距数据MP获取。即，从测距传感器16获取的测距数据MP在其分布中产生偏差。另外，如图6(a)所示，基于xy坐标系的二次函数Qxy为向上(或者下)凸的形状，基于yx坐标系的二次函数Qyx为向左(或者右)凸的形状。
即，由于在二次函数Qxy和二次函数Qyx中形状不同，所以根据测距数据MP的分布，可能存在适合二次函数Qxy的测距数据MP的分布、或适合二次函数Qyx的测距数据MP的分布。因此，在本实施方式中，通过根据测距数据MP计算形状不同的2个二次函数Qxy、Qyx，能够举出可能更适合测距数据MP的分布的二次函数Q的候补。
返回到图3。在S4的处理之后，从二次函数Qxy、Qyx中，选择与测距数据存储器13a的值的近似误差最小的函数，并将该二次函数Qxy或者Qyx的位置以及朝向保存至二次函数位置朝向存储器13c(S5)。具体而言，首先，对在S4的处理中计算出的二次函数Qxy、Qyx的每一个，计算出与测距数据存储器13a中存储的测距数据MP的近似误差。选择这些二次函数Qxy、Qyx的近似误差较小的一方作为计算用户H的位置以及朝向的二次函数Q。
根据选择出的二次函数Q计算用户H的位置以及朝向。在本实施方式中，根据二次函数Q的顶点T与测距数据MP的位置关系计算用户H的位置以及朝向。在这里，参照图6(b)、图7对二次函数Q中的用户H的位置以及朝向的计算方法进行说明。
图6(b)是表示二次函数Q的顶点T未存在于两端的测距数据MP之间的情况的图。在这里，在图6(b)、图7中，将测距数据MP中与二次函数Q的一端侧相对应的测距数据称为“集群边缘E1”，将与二次函数Q的另一端侧相对应的测距数据MP称为“集群边缘E2”。
在图6(b)中，二次函数Q的顶点T位于集群边缘E1和集群边缘E2的外侧。即，测距数据MP被判断为能够对用户H的身体的一部分，具体而言，身体的前面(胸侧)或者背面(脊背侧)进行测距，但不能很好地对两肩进行测距。
因此，在本实施方式中，在二次函数Q的顶点T位于集群边缘E1和集群边缘E2的外侧的情况下，基于能够可靠地测距的集群边缘E1以及集群边缘E2计算用户H的位置以及朝向。具体而言，集群边缘E1与集群边缘E2的中点Ec为用户H的位置，与连结集群边缘E1和集群边缘E2的直线正交的朝向DQ1、DQ2为用户H的朝向。具体而言，若将集群边缘E1的x轴方向的坐标设为XE1、将y轴方向的坐标设为YE1、将集群边缘E2的x轴方向的坐标设为XE2、将y轴方向的坐标设为YE2，则用户H的朝向DQ1通过式4来计算，用户H的朝向DQ2通过式5来计算。
[公式3]
Figure BDA0002426827540000081
Figure BDA0002426827540000082
由此，由于即使在仅用户H的身体的一部分(前面或者背面)被作为测距数据MP测量出的情况下，也基于可靠地测量出的集群边缘E1和集群边缘E2计算用户H的位置以及朝向，所以能够将这样的用户H的位置以及朝向的误差抑制在最小限度。此外，与上述的近似椭圆C相同，朝向DQ1、DQ2这2个朝向被计算为用户H的朝向是因为根据二次函数Q无法区分用户H朝向哪个方向(前面或者背面)。此外，将朝向DQ1、DQ2中的哪一个设为用户H的最终的朝向在后述的S7的处理中判定。
接下来，参照图7对二次函数Q的顶点T存在于集群边缘E1与集群边缘E2之间的情况进行说明。在二次函数Q的顶点T存在于集群边缘E1与集群边缘E2之间的情况下，进一步，在集群边缘E1以及集群边缘E2均远离顶点T的情况(图7(a))、和集群边缘E1或者集群边缘E2的任意一方接近顶点T的情况下(图7(b))，用户H的位置以及朝向的计算方法不同。
图7(a)是表示二次函数Q的顶点T存在于集群边缘E1、E2之间，且集群边缘E2比二次函数Q的顶点T靠外侧并且远离顶点T的情况的图，图7(b)是表示二次函数Q的顶点T存在于集群边缘E1、E2之间，且集群边缘E2比二次函数Q的顶点T靠外侧并且接近顶点T的情况的图。以下，对集群边缘E1充分远离顶点T且集群边缘E2远离顶点T的情况和接近顶点T的情况进行说明，当然在集群边缘E2充分远离顶点T且集群边缘E1远离顶点T的情况或接近顶点T的情况下也相同。
在顶点T位于集群边缘E1与集群边缘E2之间的情况下，首先，判断集群边缘E2与顶点T的距离关系。具体而言，基于图7(a)、图7(b)所示的中点Ec与顶点T的距离、和中点Ec与集群边缘E2的距离，来判断集群边缘E2与顶点T的位置关系。在这里，当将中点Ec与顶点T的x轴方向的距离设为ΔXT、将y轴方向的距离设为ΔYT、将中点Ec与集群边缘E2的x轴方向的距离设为ΔXE、将y轴方向的距离设为ΔYE，并满足以下的式6的情况下，判断为集群边缘E2和顶点T远离。
[公式4]
Figure BDA0002426827540000091
即，在本实施方式中，在中点Ec与集群边缘E2的距离大于中点Ec与顶点T的距离的0.9倍的情况下，判断为集群边缘E2和顶点T远离。
首先，参照图7(a)对集群边缘E2和顶点T远离的情况下的用户H的位置以及朝向的计算方法进行说明。如图7(a)所示，由于集群边缘E2和顶点T远离，所以不仅在集群边缘E1与顶点T之间，在顶点T与集群边缘E2之间也测量多个测距数据MP。因此，根据测距数据MP，能够判断为对包含有两肩的用户H的身体的前面或者背面进行了广泛测距。在该情况下，顶点T附近被推断为用户H的胸部或脊背的中心位置，集群边缘E1和集群边缘E2被推断为两肩附近的位置。
因此，在本实施方式中，在集群边缘E2和顶点T远离的情况下，基于被推断为两肩的位置的集群边缘E1、E2计算用户H的位置以及朝向。具体而言，中点Ec为用户H的位置，与连结集群边缘E1和集群边缘E2的直线正交的朝向DQ1、DQ2为用户H的朝向。即，用户H的朝向通过上述的式4和式5计算。由此，由于基于推断为两肩的位置的集群边缘E1、E2计算用户H的位置以及朝向，所以能够更高精度地推断这样的用户H的位置以及朝向。
接下来，参照图7(b)对集群边缘E2和顶点T接近的情况，即，不满足上述的式6的情况下的用户H的位置以及朝向的计算方法进行说明。如图7(b)所示，集群边缘E2存在于比顶点T靠外侧并且与顶点T接近的位置。在这样的情况下，顶点T附近的位置被推断为用户H的左肩或者右肩附近的位置。
然而，由于集群边缘E2比顶点T靠外侧并邻接，所以在从测距传感器16(移动体1)观察的情况下，集群边缘E2位于顶点T的“里侧”。即，顶点T成为来自测距传感器16的激光的障碍(妨碍)，而来自测距传感器16的激光到不了集群边缘E2，集群边缘E2成为无法测距的状态。由此，由于不能对相应的左肩或者右肩整体进行测距，从而存在集群边缘E2未被正确测距的可能性。
因此，在本实施方式中，除了集群边缘E1、E2以外，还基于位于正确地获取测距数据MP的范围的顶点T，即成为左肩或者右肩的位置来计算用户H的朝向DQ1、DQ2。具体而言，若将中点Ec的x轴方向的坐标设为XC、将y轴方向的坐标设为YC、将顶点T的x轴方向的坐标设为XT、将y轴方向的坐标设为YT，则用户H的朝向DQ1通过以下的式7计算，朝向DQ2通过式8计算。
[公式5]
Figure BDA0002426827540000101
Figure BDA0002426827540000102
即，在集群边缘E2和顶点T接近的情况下，根据与连结中点Ec和顶点T的直线正交的直线的角度计算出朝向DQ1、DQ2。即，由于考虑到虽然位于正确地获取到测距数据MP的范围内但成为近似出的二次函数Q上的左肩或者右肩的位置的顶点T、以及虽然实际由测距传感器16测量出但由于顶点T附近的影响而存在未被正确地测距的可能性的集群边缘E2双方来计算朝向DQ1、DQ2，所以能够抑制这样的朝向DQ1、DQ2的误差。将如以上那样计算出的朝向DQ1、DQ2作为用户H的朝向，另外，将中点Ec作为用户的位置，并分别保存至二次函数位置朝向存储器13c。
返回到图3。在S5的处理之后，根据前次值存储器13g的值，基于卡尔曼滤波器预测步骤预测用户H的当前的位置以及朝向，并保存至KF预测位置朝向存储器13d(S6)。在前次值存储器13g中存储在后述的前次的S9或者S11的处理中推断出的最终的用户H的当前位置、朝向、速度、角速度。在这样的前次状态继续的情况下，计算预测出的用户H的位置以及朝向。
在这里，若将前次值存储器13g中存储的用户H的x轴方向的位置设为Px，k－1、将y轴方向的位置设为Py，k－1、将用户H的朝向设为Pθ，k－1、将用户H的x轴方向的速度设为Vx，k－1、将y轴方向的速度设为Vy，k－1、将用户H的角速度设为Vθ，k－1、将从前次的S9或者S11的处理开始的经过时间设为Δt、将由加速度干扰等引起的用户H的系统噪声成分设为nxs、nys、nθs，则预测出的用户H的x轴方向的位置Pxp，k、y轴方向的位置Pyp，k、用户H的朝向Pθp，k、用户H的x轴方向的速度Vxp，k、y轴方向的速度Vyp，k、用户H的角速度Vθp，k通过公知的卡尔曼滤波器预测步骤亦即式9来计算。
[公式6]
Figure BDA0002426827540000111
将通过这样的式9预测出的用户H的x轴方向的位置Pxp，k、y轴方向的位置Pyp，k、用户H的朝向Pθp，k、用户H的x轴方向的速度Vxp，k、y轴方向的速度Vyp，k、用户H的角速度Vθp，k存储至KF预测位置朝向存储器13d。
在S6的处理之后，基于椭圆位置朝向存储器13b、二次函数位置朝向存储器13c以及KF预测位置朝向存储器13d中存储的用户H的位置以及朝向来进行相关处理，并将相应的用户H的位置以及朝向保存至相关结果位置朝向存储器13e(S7)。
具体而言，首先，以将KF预测位置朝向存储器13d中存储的前次值作为基准的“闸门”，对椭圆位置朝向存储器13b以及二次函数位置朝向存储器13c中存储的用户H的位置以及朝向进行筛选。由此，排除与基于前次值的用户H的位置以及朝向差异较大的椭圆位置朝向存储器13b以及二次函数位置朝向存储器13c的用户H的位置以及朝向。
而且，从通过闸门筛选出的用户H的位置以及朝向中，选择进一步通过最近邻方法推断为最有可能是用户H的位置以及朝向的用户H的位置以及朝向，并存储至相关结果位置朝向存储器13e。此时，当通过利用闸门的筛选以及最近邻方法，一个用户H的位置以及朝向都未选择出的情况下，向相关结果位置朝向存储器13e中存储表示未选择出用户H的位置以及朝向的意思的值。此外，由于闸门以及最近邻方法是公知的技术，所以省略它们的详细说明。
通过这样的利用闸门的筛选以及最近邻方法，选择根据近似椭圆C以及二次函数Q计算出的用户H的位置以及朝向中被推断为最有可能是用户H的用户H的位置以及朝向。
在S7的处理之后，确认在相关结果位置朝向存储器13e中是否存储有用户H的位置以及朝向(S8)。在存储有用户H的位置以及朝向的情况下(S8：是)，根据相关结果位置朝向存储器13e的值，通过公知的卡尔曼滤波器推断用户的当前的位置以及朝向，并保存至推断当前位置朝向存储器13f(S9)。具体而言，若将相关结果位置朝向存储器13e中存储的用户H的x轴方向的位置设为Pxc、将y轴方向的位置设为Pyc、将用户H的朝向设为Pθc、将用户H的x轴方向的速度设为Vxc、将y轴方向的速度设为Vyc、将用户H的角速度设为Vθc、将由测距传感器16的检测误差、用户H的移动引起的似然函数等的观测误差成分设为nxp、nyp、nθp，则用户H的x轴方向的位置Px，k、y轴方向的位置Py，k、用户H的朝向Pθ，k通过式10计算。
[公式7]
Figure BDA0002426827540000121
此外，用户H的x轴方向的速度Vxc基于前次值存储器13g中存储的用户H的x轴方向的位置、和相关结果位置朝向存储器13e中存储的用户H的x轴方向的位置来计算，同样地，用户H的y轴方向的速度Vyc基于前次值存储器13g的用户H的y轴方向的位置和相关结果位置朝向存储器13e的y轴方向的位置来计算，用户H的角速度Vθc基于前次值存储器13g的用户H的朝向和相关结果位置朝向存储器13e的用户H的朝向来计算。
由此，由于当在S7的处理中存储于相关结果位置朝向存储器13e的被推断为最有可能是用户H的用户H的位置以及朝向中包含观测误差成分，即测距传感器16的检测误差、用户H的移动等在现实中可能产生的误差，所以能够推断与实际观测出的用户H的位置以及朝向的误差较小的用户H的位置以及朝向。
另一方面，在相关结果位置朝向存储器13e中未存储有用户H的位置以及朝向的情况下(S8：否)，即，在S7的处理中，在相关结果位置朝向存储器13e中存储有表示未选择出用户H的位置以及朝向的意思的值的情况下，将KF预测位置朝向存储器13d的值保存至推断当前位置朝向存储器13f(S10)。即，在S7的处理中，即使在S2～S5的处理中计算出的用户H的位置以及朝向均被判断为不可能是用户H的情况下，也将基于前次值存储器13g的值的当前的用户H的位置以及朝向存储至推断当前位置朝向存储器13f，即便它是预测值。由此，能够抑制该用户H的位置以及朝向未被更新的情况。
在S9、S10的处理之后，将基于推断当前位置朝向存储器13f的用户H的位置以及朝向的控制信号输出至驱动部18(S11)，使驱动部18动作。由此，移动体1基于推断出的用户H的位置以及朝向进行移动动作。
在S12的处理之后，将推断当前位置朝向存储器13f中存储的用户H的位置以及朝向、和用户H的速度以及角速度保存至前次值存储器13g(S12)。具体而言，首先，根据推断当前位置朝向存储器13f的用户H的位置以及朝向、和前次值存储器13g中存储的用户H的位置以及朝向，来计算用户H的速度以及角速度，并在将这样的用户H的速度以及角速度保存至前次值存储器13g之后，保存为推断当前位置朝向存储器13f的用户H的位置以及朝向。然后，在S12的处理之后，反复S1以后的处理。
如以上说明的那样，本实施方式的移动体1基于由测距传感器16测量出的测距数据MP，来计算近似椭圆C、和基于xy轴以及yx轴的二次函数Qxy、Qyx，计算各个用户H的位置以及朝向。从计算出的多个用户H的位置以及朝向中，通过闸门以及最近邻方法选择被推断为最有可能是用户H的用户H的位置以及朝向，并根据该用户H的位置以及朝向推断当前的用户H的位置以及朝向。
在这里，移动体1与用户H的位置关系每时每刻都在发生各种变化。因此，在根据测距数据MP计算基于近似椭圆C、二次函数Qxy、Qyx这样的多个形状以及多个坐标系的近似曲线，在基于一个形状或者坐标系的近似曲线未很好地适合用户H的情况下，根据基于更适合的其它形状或者坐标系的近似曲线，来推断用户H的位置以及朝向。由此，即使测距传感器16与用户H的位置关系发生各种变化，也能够检测用户H的位置以及朝向。
以上，基于实施方式对本发明进行了说明，但本发明并不完全限定于上述的实施方式，能够容易地推断出可在不脱离本发明的主旨的范围内进行各种改进变更。
在上述实施方式中，为作为根据测距数据MP计算出的二次函数Q，使用基于xy坐标系的二次函数Qxy、和基于yx坐标系的二次函数Qyx这两种的结构。但是，不必限定于此，既可以计算基于xz坐标系、yz坐标系的二次函数，也可以计算基于其它坐标系的二次函数Q。
在上述实施方式中，为以二次函数近似测距数据MP的结构。但是，不必限定于此，也可以为通过三次函数、四次函数等次数为3以上的多项式函数来近似的结构。
在上述实施方式中，为二次函数Qxy为沿着x轴直立的形状，二次函数Qyx的轴线沿着y轴直立的结构。但是，不必限定于此，也可以为使二次函数Qxy、Qyx成为向x轴或者y轴侧倾斜的形状的结构。
在上述实施方式中，为通过测距传感器16对肩周边的身体进行测距的结构。但是，并不限定于此，只要是用户H的身体被测距的部位，也可以是腹部周边、腰周边等其它部位。
在上述实施方式中，为基于近似椭圆C和二次函数Q推断用户H的位置以及朝向的结构。但是，不必限定于此，也可以仅基于二次函数Q推断用户H的位置以及朝向，也可以仅基于近似椭圆C推断用户H的位置以及朝向。
在上述实施方式中，为在近似椭圆C的长轴a以及短轴b近似于用户H的肩宽W1以及厚度W2的情况下，将近似椭圆C的中心CP以及朝向DC1、DC2存储至椭圆位置朝向存储器13b的结构。但是，不必限定于此，也可以为在近似椭圆C的圆周与用户H的肩周边的外周的长度近似的情况下，将近似椭圆C的中心CP以及朝向DC1、DC2存储至椭圆位置朝向存储器13b的结构，在近似椭圆C的面积与用户H的肩周边的剖面积近似的情况下，将近似椭圆C的中心CP以及朝向DC1、DC2存储至椭圆位置朝向存储器13b的结构。
在上述实施方式中，将二次函数Q中的集群边缘E1、E2作为测距数据MP中的两端的测距数据MP。但是，不必限定于此，也可以为将是二次函数Q上的点且近似于测距数据MP中的一端的测距数据MP的点作为集群边缘E1，并将近似于另一端的测距数据MP的点作为集群边缘E2的结构。
在上述实施方式中，为将近似椭圆C中的用户H的位置设为近似椭圆C的中心CP，将二次函数Qxy、Qyx中的用户H的位置设为集群边缘E1、E2的中点Ec的结构。但是，不必限定于此，也可以将近似椭圆C以及二次函数Q中的用户H的位置均设为近似椭圆C的中心CP，也可以设为集群边缘E1、E2的中点Ec。另外，也可以使用通过基于测距数据MP的最小平方法等其它方法计算出的用户H的位置。
在上述实施方式中，为当顶点T存在于集群边缘E1与集群边缘E2之间，并且集群边缘E2与顶点T较近的情况下，根据与连结中点Ec和顶点T的直线正交的直线的角度计算朝向DQ1、DQ2的结构。但是，不必限定于此，也可以为在这样的情况下，与集群边缘E2和顶点T远离的情况相同地，根据与连结集群边缘E1和集群边缘E2的直线正交的直线的角度计算朝向DQ1、DQ2的结构。
在上述实施方式中举出的数值是一个例子，当然可以采用其它数值。
附图标记说明
10…控制部(身体朝向推断装置)；12a…控制程序(身体朝向推断程序)；H…用户(对象者)；16…测距传感器(测距单元、测距获取功能)；MP…测距数据；Q、Qxy、Qyx…二次函数；C、C1、C2…近似椭圆；E1、E2…集群边缘；S2…椭圆计算单元；S3…朝向推断单元、朝向推断功能；S4…二次函数计算单元、二次函数计算功能；S5…二次函数选择单元、二次函数选择功能、朝向推断单元、朝向推断功能、第一朝向推断单元、第二朝向推断单元；S7～S10…朝向推断单元、朝向推断功能；T…顶点。

Claims (11)

1.一种身体朝向推断装置，其特征在于，具备：
测距单元，对对象者进行测距；
二次函数计算单元，基于多个坐标系分别计算基于由上述测距单元测量出的多个测距数据近似得出的二次函数；
二次函数选择单元，选择由上述二次函数计算单元计算出的多个二次函数中与多个上述测距数据的近似误差最小的二次函数；以及
朝向推断单元，基于由上述二次函数选择单元选择出的二次函数来推断上述对象者的朝向。
2.根据权利要求1所述的身体朝向推断装置，其特征在于，
将由上述二次函数选择单元选择出的二次函数的计算所使用的测距数据中与该二次函数上的一端相对应的测距数据、和与该二次函数上的另一端相对应的测距数据这2点称为集群边缘，或者将由上述二次函数选择单元选择出的二次函数上的点且近似于多个上述测距数据中的一端的测距数据的点、和近似于多个上述测距数据中的另一端的测距数据的点这2点称为集群边缘，
上述朝向推断单元具备第一朝向推断单元，该第一朝向推断单元将与连结上述集群边缘的直线正交的方向推断为上述对象者的朝向。
3.根据权利要求2所述的身体朝向推断装置，其特征在于，
上述朝向推断单元在由上述二次函数选择单元选择出的二次函数的顶点未存在于上述集群边缘之间的情况下，通过上述第一朝向推断单元推断上述对象者的朝向。
4.根据权利要求2或3所述的身体朝向推断装置，其特征在于，
上述朝向推断单元在由上述二次函数选择单元选择出的二次函数的顶点存在于上述集群边缘之间并且满足第一规定条件的情况下，通过上述第一朝向推断单元推断上述对象者的朝向。
5.根据权利要求1～4中任一项所述的身体朝向推断装置，其特征在于，
将由上述二次函数选择单元选择出的二次函数的计算所使用的测距数据中与该二次函数上的一端相对应的测距数据、和与该二次函数上的另一端相对应的测距数据这2点称为集群边缘，或者将由上述二次函数选择单元选择的二次函数上的点，且近似于多个上述测距数据中的一端的测距数据的点、和近似于多个上述测距数据中的另一端的测距数据的点这2点称为集群边缘，
上述朝向推断单元具备第二朝向推断单元，该第二朝向推断单元将与连结上述集群边缘的中点和由上述二次函数选择单元选择出的二次函数的顶点的直线正交的方向推断为上述对象者的朝向。
6.根据权利要求5所述的身体朝向推断装置，其特征在于，
上述朝向推断单元在由上述二次函数选择单元选择出的二次函数的顶点存在于上述集群边缘之间并且满足第二规定条件的情况下，通过上述第二朝向推断单元推断上述对象者的朝向。
7.根据权利要求1～6中任一项所述的身体朝向推断装置，其特征在于，
上述二次函数计算单元基于xy坐标系和yx坐标系至少2个坐标系分别计算基于多个上述测距数据近似得出的二次函数。
8.根据权利要求1～7中任一项所述的身体朝向推断装置，其特征在于，
具备椭圆计算单元，基于由上述测距单元测量出的多个测距数据来计算近似椭圆，
上述朝向推断单元基于由上述椭圆计算单元计算出的椭圆或者由上述二次函数选择单元选择出的二次函数来推断上述对象者的朝向。
9.根据权利要求8所述的身体朝向推断装置，其特征在于，
上述朝向推断单元将基于由上述椭圆计算单元计算出的椭圆推断出的上述对象者的朝向、基于由上述二次函数选择单元选择出的二次函数推断出的上述对象者的朝向、以及基于上述对象者的前次推断出的朝向预测出的上述对象者的本次预测朝向中的任意一个朝向通过基于上述对象者的本次预测朝向的相关处理推断为上述对象者的朝向。
10.根据权利要求1～9中任一项所述的身体朝向推断装置，其特征在于，
上述朝向推断单元进一步通过卡尔曼滤波器更新上述对象者的上述推断出的朝向，并将该更新后的朝向推断为上述对象者的朝向。
11.一种身体朝向推断程序，其特征在于，
上述身体朝向推断程序使计算机实现如下功能：
测距获取功能，获取对对象者测量出的测距数据；
二次函数计算功能，基于多个坐标系分别计算基于通过上述测距获取功能获取到的多个测距数据近似得出的二次函数；
二次函数选择功能，选择通过上述二次函数计算功能计算出的多个二次函数中与多个上述测距数据的近似误差最小的二次函数；以及
朝向推断功能，基于通过上述二次函数选择功能选择出的二次函数来推断上述对象者的朝向。
CN201980004746.0A 2018-03-26 2019-03-25 身体朝向推断装置以及身体朝向推断程序 Pending CN111164376A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-057835 2018-03-26
JP2018057835A JP2019168394A (ja) 2018-03-26 2018-03-26 身体向推定装置および身体向推定プログラム
PCT/JP2019/012299 WO2019188865A1 (ja) 2018-03-26 2019-03-25 身体向推定装置および身体向推定プログラム

Publications (1)

Publication Number Publication Date
CN111164376A true CN111164376A (zh) 2020-05-15

Family

ID=68061872

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980004746.0A Pending CN111164376A (zh) 2018-03-26 2019-03-25 身体朝向推断装置以及身体朝向推断程序

Country Status (5)

Country Link
US (1) US20200242344A1 (zh)
EP (1) EP3779356A4 (zh)
JP (1) JP2019168394A (zh)
CN (1) CN111164376A (zh)
WO (1) WO2019188865A1 (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090116766A1 (en) * 2007-11-06 2009-05-07 Palo Alto Research Center Incorporated Method and apparatus for augmenting a mirror with information related to the mirrored contents and motion
JP2010169521A (ja) * 2009-01-22 2010-08-05 Nec Corp 位置検出装置、位置検出方法及びプログラム
JP2011081634A (ja) * 2009-10-07 2011-04-21 Sogo Keibi Hosho Co Ltd 人体向き推定装置及び人体向き推定方法
CN103733226A (zh) * 2011-05-16 2014-04-16 马普科技促进协会 快速的有关节运动的跟踪
CN104584078A (zh) * 2012-08-17 2015-04-29 日本电气方案创新株式会社 输入设备、装置、输入方法和记录介质
US20170236008A1 (en) * 2015-09-11 2017-08-17 Disney Enterprises, Inc. Systems and Methods for Detecting Free-Standing Groups of Individuals
CN107341179A (zh) * 2017-05-26 2017-11-10 深圳奥比中光科技有限公司 标准运动数据库的生成方法、装置及存储装置

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3726973B2 (ja) * 1996-05-29 2005-12-14 ソニー株式会社 被写体認識装置および方法
JP4776581B2 (ja) * 2007-04-06 2011-09-21 富士通株式会社 入眠状態検知方法、入眠状態検知装置、入眠状態検知システム及びコンピュータプログラム
JP5898199B2 (ja) * 2011-07-15 2016-04-06 パナソニック株式会社 姿勢推定装置、姿勢推定方法、および姿勢推定プログラム
JP2016175509A (ja) 2015-03-19 2016-10-06 カルソニックカンセイ株式会社 顔向き検知装置及び顔向き検知方法
JP6713619B2 (ja) * 2017-03-30 2020-06-24 株式会社エクォス・リサーチ 身体向推定装置および身体向推定プログラム

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20090116766A1 (en) * 2007-11-06 2009-05-07 Palo Alto Research Center Incorporated Method and apparatus for augmenting a mirror with information related to the mirrored contents and motion
JP2010169521A (ja) * 2009-01-22 2010-08-05 Nec Corp 位置検出装置、位置検出方法及びプログラム
JP2011081634A (ja) * 2009-10-07 2011-04-21 Sogo Keibi Hosho Co Ltd 人体向き推定装置及び人体向き推定方法
CN103733226A (zh) * 2011-05-16 2014-04-16 马普科技促进协会 快速的有关节运动的跟踪
CN104584078A (zh) * 2012-08-17 2015-04-29 日本电气方案创新株式会社 输入设备、装置、输入方法和记录介质
US20170236008A1 (en) * 2015-09-11 2017-08-17 Disney Enterprises, Inc. Systems and Methods for Detecting Free-Standing Groups of Individuals
CN107341179A (zh) * 2017-05-26 2017-11-10 深圳奥比中光科技有限公司 标准运动数据库的生成方法、装置及存储装置

Also Published As

Publication number Publication date
EP3779356A1 (en) 2021-02-17
US20200242344A1 (en) 2020-07-30
JP2019168394A (ja) 2019-10-03
WO2019188865A1 (ja) 2019-10-03
EP3779356A4 (en) 2021-12-29

Similar Documents

Publication Publication Date Title
EP3168705B1 (en) Domestic robotic system
KR100772912B1 (ko) 절대 방위각을 이용한 로봇 및 이를 이용한 맵 작성 방법
US9802619B2 (en) Moving amount estimating apparatus, autonomous mobile body, and moving amount estimating method
EP2821876A2 (en) Route planning method, route planning unit, and autonomous mobile device
CN107710094A (zh) 自主车辆运行期间的在线校准检查
CN105793731A (zh) 自主移动对象
JP5276931B2 (ja) 移動体および移動体の位置推定誤り状態からの復帰方法
US11137768B2 (en) Position estimation system, position detection method, and program
Adam et al. Fusion of fixation and odometry for vehicle navigation
CN111989631A (zh) 自身位置推定方法
EP3227634B1 (en) Method and system for estimating relative angle between headings
JP2020004342A (ja) 移動体制御装置
US20220276659A1 (en) Environment map creation device and method, local position estimation device, and autonomous moving body
US20150073707A1 (en) Systems and methods for comparing range data with evidence grids
US20200025878A1 (en) Body direction estimation device and body direction estimation program
JP2019215773A (ja) 無人搬送車の走行制御装置及び走行制御方法
JP5439552B2 (ja) ロボットシステム
CN111164376A (zh) 身体朝向推断装置以及身体朝向推断程序
US20230023651A1 (en) Information processing apparatus, control system for mobile object, information processing method, and storage medium
JP5895682B2 (ja) 障害物検出装置及びそれを備えた移動体
JP2020008461A (ja) 自律移動体の位置推定装置
CN114080548A (zh) 车载传感器装置
JP2020165945A (ja) 自己位置推定方法及び自己位置推定装置
JP2020009252A (ja) 自律移動体の位置推定装置
CN115164882B (zh) 一种激光畸变去除方法、装置、系统及可读存储介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
WD01 Invention patent application deemed withdrawn after publication
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20200515