JP3095189B2 - ナビゲーション装置 - Google Patents
ナビゲーション装置Info
- Publication number
- JP3095189B2 JP3095189B2 JP23010491A JP23010491A JP3095189B2 JP 3095189 B2 JP3095189 B2 JP 3095189B2 JP 23010491 A JP23010491 A JP 23010491A JP 23010491 A JP23010491 A JP 23010491A JP 3095189 B2 JP3095189 B2 JP 3095189B2
- Authority
- JP
- Japan
- Prior art keywords
- error
- detecting
- moving body
- moving
- navigation device
- 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.)
- Expired - Fee Related
Links
Landscapes
- Instructional Devices (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Description
【０００１】
【産業上の利用分野】本発明は自動車等の移動体に搭載
されるナビゲーション装置に係り、特に、移動体の現在
位置に関する情報を高精度に示すことができるナビゲー
ション装置に関する。
されるナビゲーション装置に係り、特に、移動体の現在
位置に関する情報を高精度に示すことができるナビゲー
ション装置に関する。
【０００２】
【従来の技術】良く知られているナビゲーション方式に
は、移動体の移動に伴う微小時間区間内での移動距離及
び進行方向をセンサを用いて計測し、それらを移動に従
って累積し、出発地点や基準地点からの移動体の現在位
置を推定する慣性航法と、全世界測位システム（ＧＰＳ
Ｓ）に代表されるように、人工衛星等からの情報に基づ
いて各瞬間での位置情報を算出する電波航法がある。ま
た、おおよその位置が求まっているときに、地図との照
合（マップマッチング）を行い、移動体の位置，移動距
離及び進行方向の精度を上げる方式も近年になって検討
されている（例えば、特開平２−２４８８１５号）。前
記した慣性航法と電波航法を組み合せて現在位置を推定
し、推定結果を地図情報と照合しより精度の高い位置情
報を求める方式も研究開発されてきている。図５にその
ナビゲーション装置の構成を示す。このナビゲーション
装置では、移動距離を距離センサ１０にて検出し、進行
方向をジャイロ等の方向センサ１１にて検出し、人工衛
星等からの情報を受信し測位部１２にて三次元位置を求
め、これらの検出値等から位置算出部１３は移動体の現
在位置を算出する。そして、予め記憶装置１４に格納し
てある地図情報と算出部１３の算出した現在位置とを照
合部１５にて照合するようになっている。このようなナ
ビゲーション装置に関連する従来技術として、「ア カ
ルマンフィルタフォー インテグレーティング デッド
レカニング，マップマッチング アンド ジーピーエ
ス ホジショニング」（E.J.Krakiwsky et al.:"A Kalm
an Filter for Integrating Dead Reckonning ,Map Mat
chingand GPS Positioning",Position Location and Na
vigation Symposium,IEEE(1988)）がある。
は、移動体の移動に伴う微小時間区間内での移動距離及
び進行方向をセンサを用いて計測し、それらを移動に従
って累積し、出発地点や基準地点からの移動体の現在位
置を推定する慣性航法と、全世界測位システム（ＧＰＳ
Ｓ）に代表されるように、人工衛星等からの情報に基づ
いて各瞬間での位置情報を算出する電波航法がある。ま
た、おおよその位置が求まっているときに、地図との照
合（マップマッチング）を行い、移動体の位置，移動距
離及び進行方向の精度を上げる方式も近年になって検討
されている（例えば、特開平２−２４８８１５号）。前
記した慣性航法と電波航法を組み合せて現在位置を推定
し、推定結果を地図情報と照合しより精度の高い位置情
報を求める方式も研究開発されてきている。図５にその
ナビゲーション装置の構成を示す。このナビゲーション
装置では、移動距離を距離センサ１０にて検出し、進行
方向をジャイロ等の方向センサ１１にて検出し、人工衛
星等からの情報を受信し測位部１２にて三次元位置を求
め、これらの検出値等から位置算出部１３は移動体の現
在位置を算出する。そして、予め記憶装置１４に格納し
てある地図情報と算出部１３の算出した現在位置とを照
合部１５にて照合するようになっている。このようなナ
ビゲーション装置に関連する従来技術として、「ア カ
ルマンフィルタフォー インテグレーティング デッド
レカニング，マップマッチング アンド ジーピーエ
ス ホジショニング」（E.J.Krakiwsky et al.:"A Kalm
an Filter for Integrating Dead Reckonning ,Map Mat
chingand GPS Positioning",Position Location and Na
vigation Symposium,IEEE(1988)）がある。
【０００３】
【発明が解決しようとする課題】上述した従来技術は、
移動体が基準地点から短い距離を移動する場合にはそれ
ほど問題はないが、長い距離を移動しその間に何度も方
向転換を行うと、誤差が累積して、精度が落ちてしまう
という問題がある。
移動体が基準地点から短い距離を移動する場合にはそれ
ほど問題はないが、長い距離を移動しその間に何度も方
向転換を行うと、誤差が累積して、精度が落ちてしまう
という問題がある。
【０００４】本発明の目的は、誤差の累積を回避して精
度の向上を図るナビゲーション装置を提供することにあ
る。
度の向上を図るナビゲーション装置を提供することにあ
る。
【０００５】
【課題を解決するための手段】上記目的は、移動体の移
動距離を検出する第１検出手段と、移動体の進行方向を
検出する第２検出手段と、移動体の三次元位置を検出す
る第３検出手段と、前記第１，第２，第３検出手段の出
力から移動体の位置を推定する位置算出手段と、この推
定位置と地図とを照合して現在位置を求める照合手段と
を備えるナビゲーション装置において、前記各検出手段
の検出信号の誤差要因を計測する誤差要因計測手段と、
各検出手段の誤差の教師データ作成手段と、前記誤差要
因計測手段の計測値と教師データとに基づいて各検出手
段の誤差を学習にて求めるニューラルネットワークと、
学習済みの前記ニューラルネットワークにて各検出手段
の誤差を補正して前記推定手段に位置を推定させる補正
手段とを設けることで、達成される。
動距離を検出する第１検出手段と、移動体の進行方向を
検出する第２検出手段と、移動体の三次元位置を検出す
る第３検出手段と、前記第１，第２，第３検出手段の出
力から移動体の位置を推定する位置算出手段と、この推
定位置と地図とを照合して現在位置を求める照合手段と
を備えるナビゲーション装置において、前記各検出手段
の検出信号の誤差要因を計測する誤差要因計測手段と、
各検出手段の誤差の教師データ作成手段と、前記誤差要
因計測手段の計測値と教師データとに基づいて各検出手
段の誤差を学習にて求めるニューラルネットワークと、
学習済みの前記ニューラルネットワークにて各検出手段
の誤差を補正して前記推定手段に位置を推定させる補正
手段とを設けることで、達成される。
【０００６】
【作用】解析的，定量的に求めることが不可能な誤差で
あっても、誤差の要因となる値を計測し、この誤差要因
が教師データを与えるようにニューラルネットワークに
学習させ、各ニューロン間の重み係数を求める。そし
て、実際にナビゲーションを行う場合には、この学習済
みニューラルネットワークに誤差要因の計測値を与えて
その時のセンサの誤差を出力させることで、このセンサ
の誤差を補正することが可能となる。
あっても、誤差の要因となる値を計測し、この誤差要因
が教師データを与えるようにニューラルネットワークに
学習させ、各ニューロン間の重み係数を求める。そし
て、実際にナビゲーションを行う場合には、この学習済
みニューラルネットワークに誤差要因の計測値を与えて
その時のセンサの誤差を出力させることで、このセンサ
の誤差を補正することが可能となる。
【０００７】
【実施例】以下、本発明の一実施例を図面を参照して説
明する。図１は、本発明の一実施例に係るナビゲーショ
ン装置の構成図である。センサとしては、移動体の移動
距離を計測する検出部１０と、移動体の進行方向を検出
する検出部１１を備える。三次元位置測位部１２は慣性
航法，電波航法等により現在位置計測し、位置算出部１
３はこれら検出部１０，１１，１２の信号に基づいて移
動体の現在位置を算出する。そして、記憶装置１４に格
納されている地図情報とを照合部１５で照合し、高精度
に現在位置を求め、これを表示画面（図示せず）に表示
する。ここまでの構成は図５に示す従来技術のものと同
じである。
明する。図１は、本発明の一実施例に係るナビゲーショ
ン装置の構成図である。センサとしては、移動体の移動
距離を計測する検出部１０と、移動体の進行方向を検出
する検出部１１を備える。三次元位置測位部１２は慣性
航法，電波航法等により現在位置計測し、位置算出部１
３はこれら検出部１０，１１，１２の信号に基づいて移
動体の現在位置を算出する。そして、記憶装置１４に格
納されている地図情報とを照合部１５で照合し、高精度
に現在位置を求め、これを表示画面（図示せず）に表示
する。ここまでの構成は図５に示す従来技術のものと同
じである。
【０００８】移動体の進行方向を検出する検出部１１と
しは、ジャイロが広く使用されているので、本実施例で
もジャイロを使用する。ジャイロは、角速度を検出する
センサで、出力を積分して進行方向を求めるものであ
る。このジャイロの誤差は、温度，温度変化，角速度等
の影響を受けることが良く知られている。この様な誤差
を減少させることがナビゲーション装置の精度を高める
上で必要であるが、温度等とそれによる誤差との定量的
な関係を求めることは困難である。この誤差は、地図と
照合して得られた位置と、検出部１０，１１の出力から
推定された位置との差を時系列的に計算し、その計算結
果から各検出部１０，１１の誤差がどの程度であるかを
知ることができる。また、以下に述べる実施例の様に、
ニューラルネットワーク１７に学習させることで、この
誤差を求めることも可能である。
しは、ジャイロが広く使用されているので、本実施例で
もジャイロを使用する。ジャイロは、角速度を検出する
センサで、出力を積分して進行方向を求めるものであ
る。このジャイロの誤差は、温度，温度変化，角速度等
の影響を受けることが良く知られている。この様な誤差
を減少させることがナビゲーション装置の精度を高める
上で必要であるが、温度等とそれによる誤差との定量的
な関係を求めることは困難である。この誤差は、地図と
照合して得られた位置と、検出部１０，１１の出力から
推定された位置との差を時系列的に計算し、その計算結
果から各検出部１０，１１の誤差がどの程度であるかを
知ることができる。また、以下に述べる実施例の様に、
ニューラルネットワーク１７に学習させることで、この
誤差を求めることも可能である。
【０００９】本実施例では、ニューラルネットワーク１
７を用い、これに教師信号計算部１６で生成した教師デ
ータと、前記の温度，温度変化，角速度等の誤差要因測
定部１８の検出データとをニューラルネットワーク１７
に与え、誤差要因と誤差との関係を学習にて求める。こ
こで、慣性航法，電波航法等で求めた推定位置情報と地
図とのマッチングから算出した移動体の進行方向を真値
と仮定し、この真値とジャイロ計測値との誤差を教師デ
ータとする。
７を用い、これに教師信号計算部１６で生成した教師デ
ータと、前記の温度，温度変化，角速度等の誤差要因測
定部１８の検出データとをニューラルネットワーク１７
に与え、誤差要因と誤差との関係を学習にて求める。こ
こで、慣性航法，電波航法等で求めた推定位置情報と地
図とのマッチングから算出した移動体の進行方向を真値
と仮定し、この真値とジャイロ計測値との誤差を教師デ
ータとする。
【００１０】ニューラルネットワーク１７の学習手順の
フローチャートを図３に示す。学習をスタート（ステッ
プ１）させると、ステップ２で、温度，温度変化，角速
度等の誤差要因を計測し、これらをニューラルネットワ
ーク１７に入力する（ステップ３）。次ぎのステップ４
では、上記の教師データを求めてこれをニューラルネッ
トワーク１７に入力する。そして、ステップ５で、ニュ
ーラルネットワーク１７の出力と教師データとの差とが
小さくなるようにニューロン間の結合の重みをバックプ
ロパゲーション等のアルゴリズムにより変化させニュー
ラルネットワーク１７の学習を行う。これらの学習手順
を、移動体の移動に伴って一定期間繰り返す。
フローチャートを図３に示す。学習をスタート（ステッ
プ１）させると、ステップ２で、温度，温度変化，角速
度等の誤差要因を計測し、これらをニューラルネットワ
ーク１７に入力する（ステップ３）。次ぎのステップ４
では、上記の教師データを求めてこれをニューラルネッ
トワーク１７に入力する。そして、ステップ５で、ニュ
ーラルネットワーク１７の出力と教師データとの差とが
小さくなるようにニューロン間の結合の重みをバックプ
ロパゲーション等のアルゴリズムにより変化させニュー
ラルネットワーク１７の学習を行う。これらの学習手順
を、移動体の移動に伴って一定期間繰り返す。
【００１１】以上の学習後の移動体の移動においては、
ナビゲーション装置の構成を図２の構成とする。つま
り、ニューラルネットワーク１７の出力にて位置算出部
１３にに設けてあるセンサ誤差補正部１３ａでジャイロ
の誤差を補正し、補正後のデータで移動体の現在位置を
求める。このときの処理手順を図４に示す。先ず、セン
サ誤差要因計測部で温度，温度変化，角速度等の誤差要
因を計測し（ステップ７）、次ぎのこれらの計測値を学
習済みのニューラルネットワーク１７に入力する。ニュ
ーラルネットワーク１７はこれらの誤差要因の大きさに
よりその条件下でのジャイロ誤差を出力する。従って、
このジャイロ誤差で進行方向検出部１１の検出信号を補
正すると、誤差の累積がなくなり、位置算出の精度が高
くなる。
ナビゲーション装置の構成を図２の構成とする。つま
り、ニューラルネットワーク１７の出力にて位置算出部
１３にに設けてあるセンサ誤差補正部１３ａでジャイロ
の誤差を補正し、補正後のデータで移動体の現在位置を
求める。このときの処理手順を図４に示す。先ず、セン
サ誤差要因計測部で温度，温度変化，角速度等の誤差要
因を計測し（ステップ７）、次ぎのこれらの計測値を学
習済みのニューラルネットワーク１７に入力する。ニュ
ーラルネットワーク１７はこれらの誤差要因の大きさに
よりその条件下でのジャイロ誤差を出力する。従って、
このジャイロ誤差で進行方向検出部１１の検出信号を補
正すると、誤差の累積がなくなり、位置算出の精度が高
くなる。
【００１２】以上は、進行方向を検出するジャイロの誤
差を補正する方法であるが、移動距離を検出する検出部
１０の誤差や、三次元位置測位部１２の誤差も同様にニ
ューラルネックワーク１７で補正することができる。
差を補正する方法であるが、移動距離を検出する検出部
１０の誤差や、三次元位置測位部１２の誤差も同様にニ
ューラルネックワーク１７で補正することができる。
【００１３】移動体の移動距離を検出する検出部１０と
しては、本実施例では、車速センサを用いる。この車速
センサの誤差要因には、速度，加速度，タイヤ温度等が
ある。そして、地図との照合で得られた位置と、車速セ
ンサの検出値から算出した位置との誤差を教師データと
し、この教師データと誤差要因の計測値とをニューラル
ネットワーク１７に入力し、学習させる。これにより、
誤差要因を計測することでその条件下での車速センサの
誤差が求まるので、この誤差を補正してから位置を算出
する。
しては、本実施例では、車速センサを用いる。この車速
センサの誤差要因には、速度，加速度，タイヤ温度等が
ある。そして、地図との照合で得られた位置と、車速セ
ンサの検出値から算出した位置との誤差を教師データと
し、この教師データと誤差要因の計測値とをニューラル
ネットワーク１７に入力し、学習させる。これにより、
誤差要因を計測することでその条件下での車速センサの
誤差が求まるので、この誤差を補正してから位置を算出
する。
【００１４】三次元測位による測位誤差には様々な要因
があり、正確に評価するのは困難である。例えば、現在
時刻の誤差は過去の誤差の時系列の影響を受けると考え
られる。現在の誤差が過去の誤差の線形結合で表される
とき、線形予測法を用いるが、ナビゲーション装置では
線形結合となる保証はないので、ニューラルネットワー
ク１７を用いて過去の誤差の時系列から現在の誤差を推
定する。ニューラルネットワーク１７の入力は、過去の
誤差の時系列で、教師データは、地図との照合の結果得
られた測位誤差とする。出力が教師データに近付くよう
にニューロン間の結合の重みを変化させる。
があり、正確に評価するのは困難である。例えば、現在
時刻の誤差は過去の誤差の時系列の影響を受けると考え
られる。現在の誤差が過去の誤差の線形結合で表される
とき、線形予測法を用いるが、ナビゲーション装置では
線形結合となる保証はないので、ニューラルネットワー
ク１７を用いて過去の誤差の時系列から現在の誤差を推
定する。ニューラルネットワーク１７の入力は、過去の
誤差の時系列で、教師データは、地図との照合の結果得
られた測位誤差とする。出力が教師データに近付くよう
にニューロン間の結合の重みを変化させる。
【００１５】次ぎに、カルマンフィルタを用いて慣性航
法と電波航法を組み合せた方式を説明する。カルマンフ
ィルタを用いるためには、移動体の航法システムを次ぎ
の数１，数２のような線形なダイナミクスで表す必要が
ある。数１は慣性航法，数２は電波航法に夫々対応す
る。
法と電波航法を組み合せた方式を説明する。カルマンフ
ィルタを用いるためには、移動体の航法システムを次ぎ
の数１，数２のような線形なダイナミクスで表す必要が
ある。数１は慣性航法，数２は電波航法に夫々対応す
る。
【００１６】
【数１】
【００１７】
【数２】
【００１８】ここで、推定量ｘ（ｋ）は移動体の時刻ｋ
における平面上の位置であり、出力ｙ（ｋ）は、推定量
ｘ（ｋ）の電波航法による観測値とする。ｌ（ｋ）は時
刻ｋ−１からｋまでに移動した距離であり、θ（ｋ）は
時刻ｋにおける進行方向である。ｖ（ｋ）はプロセスノ
イズであり、ｗ（ｋ）は観測ノイズと呼ばれる雑音であ
り、システムの線形化誤差や観測の際に生じる誤差等に
起因するものである。これらの雑音が小さいほどカルマ
ンフィルタによる推定値は真値に近付く。
における平面上の位置であり、出力ｙ（ｋ）は、推定量
ｘ（ｋ）の電波航法による観測値とする。ｌ（ｋ）は時
刻ｋ−１からｋまでに移動した距離であり、θ（ｋ）は
時刻ｋにおける進行方向である。ｖ（ｋ）はプロセスノ
イズであり、ｗ（ｋ）は観測ノイズと呼ばれる雑音であ
り、システムの線形化誤差や観測の際に生じる誤差等に
起因するものである。これらの雑音が小さいほどカルマ
ンフィルタによる推定値は真値に近付く。
【００１９】カルマンフィルタは、プロセスノイズと観
測ノイズが白色雑音であり、更に夫々の共分散行列と、
初期値ｘ（０）の共分散行列が既知であるとき、最適値
を保証するフィルタである。しかし、現実には、これら
のノイズは白色雑音ではなく、更にこのノイズの性質を
解析的または統計的手段を用いて求めるのは困難であ
る。
測ノイズが白色雑音であり、更に夫々の共分散行列と、
初期値ｘ（０）の共分散行列が既知であるとき、最適値
を保証するフィルタである。しかし、現実には、これら
のノイズは白色雑音ではなく、更にこのノイズの性質を
解析的または統計的手段を用いて求めるのは困難であ
る。
【００２０】前記の数１を始めとする慣性航法のアルゴ
リズムは、移動体の現在時刻の位置から次ぎの時刻の位
置を線形近似するものなので、慣性航法の誤差ｖ（ｋ）
は移動体の速度，加速度，角速度等の影響を受ける。従
って、移動体の速度，加速度，角速度等をニューラルネ
ットワーク１７に入力し、地図との照合の結果得られた
位置情報ｘ（ｋ）を用いて数１から計算したプロセスノ
イズｖ（ｋ）を教師データとして、学習させれば、プロ
セスノイズを直ちに推定できる。推定したプロセスノイ
ズは、カルマンフィルタを計算する際、次ぎの数３に示
すようにモデルに組み込まれるので、改めてプロセスノ
イズとして更に振幅の小さい白色雑音を仮定すればよ
い。
リズムは、移動体の現在時刻の位置から次ぎの時刻の位
置を線形近似するものなので、慣性航法の誤差ｖ（ｋ）
は移動体の速度，加速度，角速度等の影響を受ける。従
って、移動体の速度，加速度，角速度等をニューラルネ
ットワーク１７に入力し、地図との照合の結果得られた
位置情報ｘ（ｋ）を用いて数１から計算したプロセスノ
イズｖ（ｋ）を教師データとして、学習させれば、プロ
セスノイズを直ちに推定できる。推定したプロセスノイ
ズは、カルマンフィルタを計算する際、次ぎの数３に示
すようにモデルに組み込まれるので、改めてプロセスノ
イズとして更に振幅の小さい白色雑音を仮定すればよ
い。
【００２１】
【数３】
【００２２】以上、進行方向，移動距離，三次元位置の
各センサ出力の補正及びカルマンフィルタのモデルの補
正について述べたが、これらは、図１，図２の構成とし
てまとめることができる。
各センサ出力の補正及びカルマンフィルタのモデルの補
正について述べたが、これらは、図１，図２の構成とし
てまとめることができる。
【００２３】
【発明の効果】本発明によれば、移動体の現在位置を高
精度に求めることができ、ナビゲーション装置を実際の
移動体に組み込むことが可能となる。
精度に求めることができ、ナビゲーション装置を実際の
移動体に組み込むことが可能となる。
【図１】本発明の一実施例に係るナビゲーション装置の
ニューラルネットワーク学習時の構成図である。
ニューラルネットワーク学習時の構成図である。
【図２】図１に示すナビゲーション装置によりニューラ
ルネットワークの誤差補償を行いながら位置情報を求め
るときの構成図である。
ルネットワークの誤差補償を行いながら位置情報を求め
るときの構成図である。
【図３】ニューラルネットワークの学習手順を示すフロ
ーチャートである。
ーチャートである。
【図４】学習済みニューラルネットワークを用いて誤差
補償を行うときの処理手順を示すフローチャートであ
る。
補償を行うときの処理手順を示すフローチャートであ
る。
【図５】従来のナビゲーション装置の構成図である。
１０…移動距離検出部、１１…進行方向検出部、１２…
三次元位置測位部、１３ａ…センサ誤差補正部、１３…
位置算出部、１４…地図情報格納用記憶装置、１５…地
図照合部、１６…教師データ（信号）計算部、１７…ニ
ューラルネットワーク、１８…センサ誤差要因測定部。
三次元位置測位部、１３ａ…センサ誤差補正部、１３…
位置算出部、１４…地図情報格納用記憶装置、１５…地
図照合部、１６…教師データ（信号）計算部、１７…ニ
ューラルネットワーク、１８…センサ誤差要因測定部。
フロントページの続き (72)発明者 園部 久雄 茨城県日立市久慈町4026番地 株式会社 日立製作所 日立研究所内 (72)発明者 郡司 康弘 茨城県日立市久慈町4026番地 株式会社 日立製作所 日立研究所内 (72)発明者 黒田 浩司 茨城県日立市久慈町4026番地 株式会社 日立製作所 日立研究所内 (72)発明者 遠藤 芳則 茨城県日立市久慈町4026番地 株式会社 日立製作所 日立研究所内 (72)発明者 高村 敦子 茨城県日立市久慈町4026番地 株式会社 日立製作所 日立研究所内 (56)参考文献 特開 昭61−11611（ＪＰ，Ａ) 特開 平２−296172（ＪＰ，Ａ) 特開 平３−51783（ＪＰ，Ａ) (58)調査した分野(Int.Cl.7，ＤＢ名) G01C 21/00 G08G 1/0969 G09B 29/10 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (7)
- 【請求項１】 移動体の移動距離を検出する第１検出手
段と、移動体の進行方向を検出する第２検出手段と、移
動体の三次元位置を検出する第３検出手段と、前記第
１，第２，第３検出手段の出力から移動体の位置を推定
する位置算出手段と、この推定位置と地図とを照合して
現在位置を求める照合手段とを備えるナビゲーション装
置において、前記各検出手段の検出信号の誤差要因を計
測する誤差要因計測手段と、各検出手段の誤差の教師デ
ータ作成手段と、前記誤差要因計測手段の計測値と教師
データとに基づいて各検出手段の誤差を学習にて求める
ニューラルネットワークと、学習済みの前記ニューラル
ネットワークにて各検出手段の誤差を補正して前記推定
手段に位置を推定させる補正手段とを備えることを特徴
とするナビゲーション装置。 - 【請求項２】 移動体の移動距離を検出する第１検出手
段と、移動体の進行方向を検出する第２検出手段と、移
動体の三次元位置を検出する第３検出手段と、前記第
１，第２，第３検出手段の出力から移動体の現在位置を
推定する位置算出手段と、この推定位置と地図とを照合
して現在位置を求める照合手段とを備えるナビゲーショ
ン装置において、前記位置算出手段の推定した位置と前
記照合手段で求めた現在位置との差を時系列的に計算し
その差から各検出手段の計測誤差を推定し推定結果によ
り前記位置算出手段での位置推定を補正する手段を備え
ることを特徴とするナビゲーション装置。 - 【請求項３】 センサ類から得られる移動体の移動距
離，進行方向を表す情報と、人工衛星による位置情報か
らカルマンフィルタを用いて前記移動体の位置を推定
し、この推定位置と地図とを照合して現在位置を求める
ナビゲーション装置において、前記推定位置と前記現在
位置との差を時系列的に計算しその差からカルマンフィ
ルタのモデル化誤差を推定し前記推定位置を補正する手
段を備えることを特徴とするナビゲーション装置。 - 【請求項４】 移動体の移動方向を検出するセンサとし
てジャイロを備え、移動体の移動距離と移動方向を積算
して求めた移動体の推定位置と地図とを照合して現在位
置を求めるナビゲーション装置において、前記ジャイロ
の誤差要因として少なくとも温度，温度変化，角速度を
検出する誤差要因計測手段と、前記推定位置と前記現在
位置との差を教師データとする教師データ作成手段と、
前記誤差要因計測手段の計測値と前記教師データとに基
づいて前記ジャイロの誤差を学習にて求めるニューラル
ネットワークと、学習済みの前記ニューラルネットワー
クにて求めた誤差の値で前記ジャイロの検出値を補正す
る手段を備えることを特徴とするナビゲーション装置。 - 【請求項５】 移動体の移動距離を検出するセンサとし
て車速センサを備え、移動体の移動距離と移動方向を積
算して求めた移動体の推定位置と地図とを照合して現在
位置を求めるナビゲーション装置において、前記車速セ
ンサの誤差要因として少なくとも速度，加速度，タイヤ
温度を検出する誤差要因計測手段と、前記推定位置と前
記現在位置との差を教師データとする教師データ作成手
段と、前記誤差要因計測手段の計測値と前記教師データ
とに基づいて前記車速センサの誤差を学習にて求めるニ
ューラルネットワークと、学習済みの前記ニューラルネ
ットワークにて求めた誤差の値で前記車速センサの検出
値を補正する手段を備えることを特徴とするナビゲーシ
ョン装置。 - 【請求項６】 請求項３において、カルマンフィルタの
モデル化誤差のうちプロセスノイズを推定するニューラ
ルネットワークを備え、該ニューラルネットワークに、
少なくとも速度，加速度，角速度の計測値を入力する手
段と、地図と照合して得られた位置情報から慣性航法の
アルゴリズムにより計算したプロセスノイズを教師デー
タとする手段を設けたことを特徴とするナビゲーション
装置。 - 【請求項７】 地図を表示する画面を持つ表示装置と、
請求項１乃至請求項６のいずれかに記載のナビゲーショ
ン装置であって該ナビゲーション装置で求めた移動体の
現在位置を前記画面中に前記地図に重ねて表示するナビ
ゲーション装置とを搭載したことを特徴とする移動体。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23010491A JP3095189B2 (ja) | 1991-09-10 | 1991-09-10 | ナビゲーション装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP23010491A JP3095189B2 (ja) | 1991-09-10 | 1991-09-10 | ナビゲーション装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH0566713A JPH0566713A (ja) | 1993-03-19 |
| JP3095189B2 true JP3095189B2 (ja) | 2000-10-03 |
Family
ID=16902624
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP23010491A Expired - Fee Related JP3095189B2 (ja) | 1991-09-10 | 1991-09-10 | ナビゲーション装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3095189B2 (ja) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109029432A (zh) * | 2018-05-31 | 2018-12-18 | 华南理工大学 | 一种基于六轴惯性传感信号的人体动作检测与识别方法 |
Families Citing this family (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2003028660A (ja) * | 2001-07-12 | 2003-01-29 | Toshihiko Furukawa | 位置検出システム |
| JP4124249B2 (ja) * | 2006-07-25 | 2008-07-23 | トヨタ自動車株式会社 | 測位装置、ナビゲーションシステム |
| JP4919979B2 (ja) * | 2008-01-28 | 2012-04-18 | 中国電力株式会社 | 通線装置 |
| JP6637472B2 (ja) * | 2017-07-06 | 2020-01-29 | 本田技研工業株式会社 | 情報処理方法及び情報処理装置 |
| US11055857B2 (en) * | 2018-11-30 | 2021-07-06 | Baidu Usa Llc | Compressive environmental feature representation for vehicle behavior prediction |
| JP7337617B2 (ja) * | 2019-09-17 | 2023-09-04 | 株式会社東芝 | 推定装置、推定方法及びプログラム |
| JP2021191648A (ja) * | 2020-06-05 | 2021-12-16 | トヨタ自動車株式会社 | 位置推定装置及び位置推定方法 |
| WO2022154103A1 (ja) * | 2021-01-18 | 2022-07-21 | 愛知製鋼株式会社 | 制御方法及び制御システム |
| WO2024029199A1 (ja) * | 2022-08-03 | 2024-02-08 | ソニーグループ株式会社 | 情報処理装置、情報処理プログラム、および情報処理方法 |
-
1991
- 1991-09-10 JP JP23010491A patent/JP3095189B2/ja not_active Expired - Fee Related
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109029432A (zh) * | 2018-05-31 | 2018-12-18 | 华南理工大学 | 一种基于六轴惯性传感信号的人体动作检测与识别方法 |
| CN109029432B (zh) * | 2018-05-31 | 2021-03-30 | 华南理工大学 | 一种基于六轴惯性传感信号的人体动作检测与识别方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH0566713A (ja) | 1993-03-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108139225B (zh) | 确定机动车的布局信息 | |
| US9360323B2 (en) | Systems and methods for estimating movements of a vehicle using a mobile device | |
| EP1315945B1 (en) | Calibration of multi-axis accelerometer in vehicle navigation system using gps data | |
| EP2519803B1 (en) | Technique for calibrating dead reckoning positioning data | |
| US8510044B2 (en) | Position sensing device and method | |
| EP2657920B1 (en) | Driving assist device | |
| US20160040992A1 (en) | Positioning apparatus and global navigation satellite system, method of detecting satellite signals | |
| US20100007550A1 (en) | Positioning apparatus for a mobile object | |
| US20080294342A1 (en) | Position Detecting Device And Position Detecting Method | |
| JP5586994B2 (ja) | 位置標定装置、位置標定装置の位置標定方法および位置標定プログラム | |
| JPH04235310A (ja) | ジャイロのバイアス補正装置 | |
| JP6413946B2 (ja) | 測位装置 | |
| JP3095189B2 (ja) | ナビゲーション装置 | |
| JP3218876B2 (ja) | 車両用現在位置検出装置 | |
| CN115060257A (zh) | 一种基于民用级惯性测量单元的车辆变道检测方法 | |
| JP2014240266A (ja) | センサドリフト量推定装置及びプログラム | |
| EP0806632A1 (en) | Vehicle navigation system with automatic calibration of on-board sensors | |
| JP4376738B2 (ja) | 角速度センサのゼロ点誤差検出装置および方法 | |
| JP3581392B2 (ja) | 積分型センシング装置 | |
| EP1206683B1 (en) | Integrated inertial/vms navigation system | |
| JP7028223B2 (ja) | 自己位置推定装置 | |
| CN113959433A (zh) | 一种组合导航方法及装置 | |
| JP3570121B2 (ja) | ナビゲーション装置 | |
| JPH05312933A (ja) | ナビゲーション方式 | |
| Zhu et al. | Improved Gaussian process regression-based method to bridge GPS outages in INS/GPS integrated navigation systems |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20070804 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080804 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080804 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090804 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (prs date is renewal date of database) |
Year of fee payment: 10 Free format text: PAYMENT UNTIL: 20100804 |
|
| LAPS | Cancellation because of no payment of annual fees |