JP3896665B2 - 脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、脊椎動物やこれを模倣したロボットの力学的構造に関する数値モデルを計算機上で構築する方法に関するものである。
【０００２】
【従来の技術】
人間を含む動物の構造や動きについて計算機上での数値モデルを作成することによって、人間や動物の運動をコンピュータ上で画像表示したり、あるいは、実際の人物の動画像に基づいて３Ｄゲーム等における登場人物を描画する等の用途、又は人間や動物の構造を模倣したロボット（例えば、２足歩行型ロボット等。）の駆動制御、あるいは運動神経疾患に対して義肢の駆動制御を行うといった医療分野での用途に上記数値モデルを利用することが有益である。
【０００３】
そして、数値モデルの作成にあたっては、対象の骨格構造を含む力学的構造に関する多量のデータを入力する必要があり、例えば、Ｘ線ＣＴスキャナ等によって対象の断層写真を撮影してその解析結果に基づいて骨の形状や大きさ等に関する数値をコンピュータに対して逐一に入力する方法が考えられる。
【０００４】
【発明が解決しようとする課題】
しかしながら、上記した方法にあっては、大掛かりな装置が必要であること、また、数値モデルを作成するために必要なデータが膨大であるため、その完成までに長い時間と労力を要するといった問題がある。
【０００５】
そこで、本発明は、人間や動物あるいはこれらを模倣したロボットの力学的構造に関する数値モデルを効率良く構築することを課題とする。
【０００６】
【課題を解決するための手段】
本発明は上記した課題を解決するために、対象について体型の分類を行うとともに、分類された各基準体型について全ての骨の形状、長さや重量を含む骨格データを用意した後、対象に関する体長、体重、外形形状のデータを入力し、これらの入力データから対象の体型形を特定するとともに、各基準体型の骨格データに基づいて補間計算を行い、対象に係る骨格データの換算比率を算出し、該換算比率及び事前に入力した対象の体長や重量に基づいて対象の各骨の長さや重量を決定して骨格の数値モデルを作成するようにしたものである。
【０００７】
従って、本発明によれば、対象の体長、体重、外形形状のデータに基づく比率の計算によって対象に係る数値モデルを作成することができる。
【０００８】
【発明の実施の形態】
本発明は、脊椎動物若しくはこれを模倣したロボットの力学的構造に関する数値モデルの作成方法に関し、「脊椎動物」には人間も含まれ、骨格構造を有することが前提となる。
【０００９】
例えば、数値モデルには、下記のモデルが含まれる。
【００１０】
（ｉ）骨格モデル
（ｉｉ）筋肉モデル
（ｉｉｉ）神経（運動神経や感覚神経等。）モデル
（ｉｖ）皮膚モデル
（ｖ）脂肪や内臓のモデル
尚、（ｉｉｉ）の神経モデルには高度な情報処理を行う脳神経は含まれず、対象の力学的構造や運動に直接的な関係を有する神経が含まれる。また、（ｖ）の脂肪や内臓のモデルについては、機能に係る具体的な構造ではなくその重量及び位置が身体のバランスや重心運動に与える影響だけに関心が置かれる。
【００１１】
脊椎動物を模倣したロボットについては、その構成物を上記（ｉ）乃至（ｖ）に対応した人工物に置換すれば良く、（ｉ）については人工骨格としてのフレーム構造のモデル、（ｉｉ）については人工筋肉としてのアクチュエータ等に関するモデル、（ｉｉｉ）については電気配線や油圧、空圧配管の配置や駆動信号、センサー及びその検出信号に関するモデル、（ｉｖ）についてはロボットの表皮となる部材に関するモデル、（ｖ）についてはウェイトやバランサーの配置や振動等に関するモデル等がそれぞれ対応する。
【００１２】
従って、動物の身体的構造とこれを模倣したロボットの構成との間には並行的な対応関係があり、また、数値モデルの対象を特定の動物に限定して説明を行っても議論の普遍性を損なう虞はないので、以下では最も身近な人体を例にして説明を行うことにする。
【００１３】
数値モデルのうち最も簡単なものは、上記（ｉ）の骨格モデルだけを含むものであり、下記の手順によって作成することができる。
【００１４】
（１）体型の分類を行うとともに、分類された各基準体型について全ての骨の形状、長さや重量を含む骨格データを用意する
（２）対象者に関する身長、体重、外形形状のデータを入力する
（３）（２）の入力データから対象者の体型を特定し、各基準体型の骨格データに基づいて補間計算を行い、対象者に係る骨格データの換算比率を算出する
（４）（３）の換算比率及び対象者の身長や重量に基づいて対象者の各骨の長さや重量を決定して骨格の数値モデルを作成する。
【００１５】
先ず、（１）では人体の基準体型を、例えば、図１に示すように、痩せ型、闘士型、肥満型に分類する。即ち、痩せ型（ａｓｔｈｅｎｉｃｕｓ。以下、「ａｓ」と略記する。）は肉細の体型、闘士型（ａｔｈｅｔｉｃｕｓ。以下、「ａｔ」と略記する。）は胸胴部が逆３角形をした体型、肥満型（ｐｉｋｎｉｃｕｓ。以下、「ｐｉ」と略記する。）は腹部等の肥大した体型である。
【００１６】
そして、各体型を代表する人体をそれぞれ一人ずつ選び出して、各々の対象者について、骨格データ（骨の形状、長さ、重量を含む。）を取得するか、あるいは人体教本等による既存のデータを利用する。即ち、痩せ型、闘士型、肥満型をそれぞれ代表する各人体について骨格に関する全ての情報を調べてこれらをデータベース化することにより数値モデル（以下、「基準体型モデル」という。）を作成する。尚、その際、性別の違いによって基準体型への影響が認められる場合には、これを考慮してモデル作成を行うことが好ましい。そのためには、性別毎に異なる基準体型モデルを用意する方法や、両性のうちの一方の性について各体型の基準体型モデルを用意しておき、他方の性については当該基準体型モデルに対する換算比率を示すデータから各体型の基準体型モデルを導出する方法が挙げられる。また、各骨の形状については３次元モデルのデータ（例えば、ポリゴンデータ等）としてコンピュータ上の画像表示（立体的表示等）に適した形式を用いることが好ましい。
【００１７】
取得した骨格データについては、各骨の長さや重量の値自体の他、身長や体重に占める割合（比率）のデータを求めておき、後述するようにこれらの比率データに基づいて対象者に係る比率データを算出する際に使用する。
【００１８】
また、各体型を代表する人体の身長が異なるのではデータの比較作業が面倒であるので、基準身長を設定して各データを当該身長に換算したときのデータを用意しておくことが好ましい。
【００１９】
図２に示すモデルＭにおいて、「ＨＥＩＧＨＴ＿ｒｅｆ」は基準体型モデルの身長（基準身長）を示しており、変数「ＨＥＩＧＨＴ＿ｘｘ＿ＸＸ」は立位姿勢における人体各部の鉛直方向の長さを示している（「ｘｘ」が人体の部位を示し、「ＸＸ」が基準体型形を示す。）。例えば、「ＨＥＩＧＨＴ＿ａｒｍ＿ｕ＿ａｓ」は、痩せ型の基準体型モデルにおける上腕の長さを示し、「ＨＥＩＧＨＴ＿ｃｈｅｓｔ＿ａｔ」は、闘士型の基準体型モデルにおける胸部の長さを示している。
【００２０】
この場合の「ＨＥＩＧＨＴ」は骨格及び筋肉を含む人体各部の長さを示しているが、「ＨＥＩＧＨＴ」を鉛直方向若しくは長手方向における骨の長さとすれば、「ＨＥＩＧＨＴ＿ｘｘ＿ＸＸ」を基準身長「ＨＥＩＧＨＴ＿ｒｅｆ」で割った比率（以下、「＿ｈｒ＿ｘｘ＿ＸＸ」と記す。）から骨の長さ比率を計算することができる。
【００２１】
また、上記「ＨＥＩＧＨＴ」を、人体の部位や各骨の重量を示す「ＷＥＩＧＨＴ」に置き換えた変数「ＷＥＩＧＨＴ＿ｘｘ＿ＸＸ」を、体重「ＷＥＩＧＨＴ＿ｒｅｆ＿ＸＸ」で割ることによって同様に重量の比率（以下、「＿ｍｒ＿ｘｘ＿ＸＸ」と記す。）を求めることができる。
【００２２】
図３は上記した体型形の概念を２次元座標平面（Ｘ−Ｙ平面）上にグラフ化して示すものであり、原点Ｏを起点とする３軸「Ａｘ＿ＸＸ」（ＸＸ＝ａｓ、ａｔ、ｐｉ）が互いに１２０°の角度間隔をもつように設定されている。
【００２３】
そして、原点Ｏを中心とする円ｃｉｒと各軸Ａｘ＿ＸＸとの交点Ｐ＿ＸＸが各基準体型モデルの占める位置を示している。つまり、点「Ｐ＿ａｓ」が痩せ型のモデルについてのＸ−Ｙ平面上の位置を示し、点「Ｐ＿ａｔ」が闘士型のモデルについてのＸ−Ｙ平面上の位置を示し、点「Ｐ＿ｐｉ」が肥満型のモデルについてのＸ−Ｙ平面上の位置を示している。
【００２４】
例えば、対象者が痩せ型と闘士型の丁度中間に位置する体型を有している場合には、原点Ｏを通り２軸Ａｘ＿ａｓ（図ではＹの正軸に一致する軸）及びＡｘ＿ａｔに対してそれぞれ６０°の角度をなして延びる軸Ｂｘ上の点（例えば、軸Ｂｘと円ｃｉｒの交点Ｑ等）が対象者の体型を示している。
【００２５】
尚、Ｘ−Ｙ平面に対してｒ軸及びθ軸からなる極座標系を設定したときの各軸の意味については後で詳述する。
【００２６】
図４は図３のＸ−Ｙ平面に対して直交軸（Ｚ軸）を付与した空間（以下、「体型形座標空間」という。）を示している。
【００２７】
例えば、Ｚ軸として上記した長さの比率「＿ｈｒ＿ｘｘ＿ＸＸ」をとった場合には、上記した各点Ｐ＿ＸＸに対して「＿ｈｒ＿ｘｘ＿ＸＸ」の値を示す点「Ｈ＿ｘｘ＿ＸＸ」がそれぞれ対応する。
【００２８】
例えば、ｘｘの示す部位を上腕骨（ｈｕｍｅｒｕｓ）とし、ＸＸの示す体型を痩せ型（ａｓ）とすると、点「Ｈ＿ｈｕｍｅｒｕｓ＿ａｓ」の示す値（つまり、当該点からＸ−Ｙ平面に垂ろした垂線の足の高さ（Ｚ値））は、痩せ型の基準体型モデルにおいて上腕骨の長さの基準長（身長）に対する比率を示す。
【００２９】
３点Ｐ＿ＸＸ（ＸＸ＝ａｓ、ａｔ、ｐｉ）のそれぞれに対する点「Ｈ＿ｘｘ＿ＸＸ」が決まると、これらの点を通る一つの平面（πｈ＿ｘｘ）を決めることができる。即ち、３点「Ｈ＿ｘｘ＿ＸＸ」のうちの任意の２点を選び出することによって両点を結ぶベクトルを２つ作ることができる（例えば、点「Ｈ＿ｘｘ＿ｐｉ」から点「Ｈ＿ｘｘ＿ａｓ」へ向かうベクトルと、点「Ｈ＿ｘｘ＿ｐｉ」から点「Ｈ＿ｘｘ＿ａｔ」へ向かうベクトル等。）ので、両ベクトルに直交する方向の法線ベクトルをベクトルｎ（ａ，ｂ，ｃ）（但し、ａ、ｂ、ｃはそれぞれＸ、Ｙ、Ｚ軸方向の成分を示す。）とするとき、上記平面πｈ＿ｘｘは数式「ａ・Ｘ＋ｂ・Ｙ＋ｃ・Ｚ＝ｄ」（但し、ｄは定数。）で表すことができる。従って、例えば、Ｘ−Ｙ平面上における点Ｐｔ（ｘｔ、ｙｔ）が決まれば、Ｘ＝ｘｔ、Ｙ＝ｙｔを上式に代入することによってＺ値を求めることができる。
【００３０】
尚、平面πｈ＿ｘｘは、ｘｘに示す部位毎に多数存在し、その意味でＺ軸は多変数をまとめて１軸として示す変数軸であるとみなすことができる。
【００３１】
図５は、重量の比率「＿ｍｒ＿ｘｘ＿ＸＸ」をさらに体型形座標空間のＺ軸に追加したときの状況を示しており、各点Ｐ＿ＸＸに対して「＿ｍｒ＿ｘｘ＿ＸＸ」の値を示す点「Ｍ＿ｘｘ＿ＸＸ」がそれぞれ対応する。
【００３２】
例えば、ｘｘの示す部位を上腕骨（ｈｕｍｅｒｕｓ）とし、ＸＸの示す体型を痩せ型（ａｓ）とすると、点「Ｍ＿ｈｕｍｅｒｕｓ＿ａｓ」の示す値（つまり、当該点からＸ−Ｙ平面に垂ろした垂線の足の高さ（Ｚ値））は、痩せ型の基準体型モデルにおいて上腕骨が重量の体重に占める比率を示している。
【００３３】
そして、３点Ｐ＿ＸＸのそれぞれに対する各点「Ｍ＿ｘｘ＿ＸＸ」が決まると、これらの点を通る一つの平面（πｍ＿ｘｘ）を決めることができる（当該面の法線ベクトルをベクトルｎｎ（ａａ，ｂｂ，ｃｃ）とするとき、数式「ａａ・Ｘ＋ｂｂ・Ｙ＋ｃｃ・Ｚ＝ｄｄ」（但し、ｄｄは定数）で表される。）ので、例えば、Ｘ−Ｙ平面上における点Ｐｔ（ｘｔ、ｙｔ）が決まれば、Ｘ＝ｘｔ、Ｙ＝ｙｔを上式に代入することによってＺ値を求めることができる。
【００３４】
尚、図４や図５においては基準体型モデルが３つしかないため、一般には体型形座標空間内で関数式「Ｚ＝Ｆｎ（Ｘ，Ｙ）」（但し、ｎは、上記＿ｈｒ＿ｘｘや、＿ｍｒ＿ｘｘ等を示す。）で表される曲面が平面とされたが、基準体型モデルの数を増やしたり、あるいは、多数の対象者に係るデータ（体型形や比率等）の蓄積結果を利用して補間処理（例えば、ベヂエ（Ｂｅｚｉｅｒ）、スプライン補間等。）を行うことで関数式（曲面表現式）について精度の向上を図ることができることは勿論である。
【００３５】
また、上記した基準体型モデルの決定にあたっては、各体型に属する複数の人体を選出したり、あるいはデータの平均化処理等を行う方法もあるが、以下では説明の簡単化及び理解度を優先させるために、各基準体型を代表する人体がそれぞれ１体であるとし、また、性別については両性のうちの一方に固定し、かつ年齢の影響を無視した上で説明を行うことにする。
【００３６】
次工程（２）では、対象者に関する基本データとして、身長、体重、外形形状のデータを入力する。
【００３７】
入力方法としては、手動で入力する方法や、対象者の画像データ等から入力値を取得する方法がある。
【００３８】
例えば、身長、体重については、対象者の知識により値が既知である場合にキーボード等の入力手段を用いて数値を直接入力する方法や、身長、体重計によって計測した値を自動的に入力する方法がある。
【００３９】
また、形状については、対象者の画像データや３次元データを取得して人体の各部位の形状を認識することで、形状データの自動入力を行う方法が挙げれる（尚、画像データや３次元データの取得方法については後述する。）。
【００４０】
図６は立位姿勢の対象者について取得した画像データＧを概略的に示すものであり、左側に示す図において「ＨＥＩＧＨＴ＿ｔｇｔ」が対象者の身長を示している。また、その右側の図は、対象者の画像データを上記基準身長に縮小（あるいは伸張）したもの、つまり、画像データＧについて全ての構成部分の長さに「ＨＥＩＧＨＴ＿ｒｅｆ／ＨＥＩＧＨＴ＿ｔｇｔ」の比率を掛けることによって得られる画像Ｇ′を示している。尚、この比率「ＨＥＩＧＨＴ＿ｒｅｆ／ＨＥＩＧＨＴ＿ｔｇｔ」については後の工程で必要となるのでメモリ等に記憶しておく必要がある。
【００４１】
図７乃至図９は、立位姿勢の対象者について取得した３次元データ（外形形状データ及び表面状態のデータ）に基づいて高さ方向に沿って所定の間隔ｄｓでスライス処理を行った断層面のサンプリング例を示している。
【００４２】
頭頂に近い方から足先にかけて付与された識別番号ｉ（ｉ＝１、２、・・・）を有する各断層面での面積素片ΔＳ＿ｉ（ｉ＝１、２、・・・）については、その形状と断面積だけが意味をもっており、面積素片ΔＳ＿ｉに関する内部構造を示すデータは存在しない。何故なら、対象者の３次元データは、対象者の外形に係る形状データと外表面の状態に係るデータ（画像データ等）によって構成されることが必要十分条件とされ、体の内部構造は不要とされるからである。
【００４３】
従って、対象者の３次元データから抽出される情報は各面積素片ΔＳ＿ｉがどのような形状をしているか及び断面積の大小である。尚、本例ではスライス処理から面積素片を得たが、その代わりに面積素片にスライス方向の間隔ｄｓを掛けることで得られる体積素片（この場合には断面積の代わりに体積を使用する。）を用いても良い。
【００４４】
また、スライスの間隔ｄｓについてはこれを均等に設定しても良いが、体の形状を特徴的に示す特定の部分（腹部や胸部等）についてスライスの間隔を小さくして当該部分に関してより詳細なサンプリングを行うようにしても良い。
【００４５】
以上の方法により、対象者の３次元データを取得し、当該データから対象の断層面における形状及び断面積若しくは断層面間の体積についてのデータを取得することで対象者の体の形状に係るデータを効率良く取得することができ、データの入力作業を容易に行うことができる。
【００４６】
次工程（３）では、先ず、対象者の体型を特定する処理を行う。
【００４７】
例えば、上記（２）で得た各面積素片ΔＳ＿ｉの形状を示すデータ（例えば、断面形状を楕円で近似したときの離心率等、形状の変形率を示すデータ）を「ｔ＿ｉ」（ｉ＝１、２、・・・）とし、面積素片ΔＳ＿ｉの面積を「ｓ＿ｉ」（ｉ＝１、２、・・・）としたとき、図１０に示すように、Ｘ−Ｙ平面に設定した極座標（ｒ，θ）において点ＰＴ＿ｉ（ｓ＿ｉ，ｔ＿ｉ）をプロットする。つまり、Ｘ−Ｙ平面において原点Ｏを中心とする円の半径が断面積を示し、θ方向が面積素片の形状を表すことになる。
【００４８】
図１１は図１０をＺ軸方向から見たときのＸ−Ｙ平面図を示しており、各面積素片ΔＳ＿ｉについて点ＰＴ＿ｉ（ｓ＿ｉ，ｔ＿ｉ）（ｉ＝１、２、・・・）が対応している。
【００４９】
点ＰＴ＿ｉの位置を全てＸ−Ｙ平面上にプロットした後は、各点ＰＴ＿ｉを頂点とする多角形（凸角形や凹角形を含む。）の重心（これを点Ｇと記す。）を求める。例えば、図示するように、点ＰＴ＿ｉ，点ＰＴ＿（ｉ＋１）、点ＰＴ＿（ｉ＋２）（但し、ｉ＝１、２、・・・、ｎ−２であり、ｎは自然数である。）を頂点とする３角形の重心をそれぞれ「Ｇｉ」としたとき、点Ｇｉの合成重心が上記重心Ｇである。つまり、原点Ｏを基準とする点Ｇｉの位置ベクトルをベクトル「Ｖ＿Ｇｉ」とし、点Ｇの位置ベクトルをベクトル「Ｖ＿Ｇ」とするとき、ベクトル「Σ（Ｖ＿Ｇｉ−Ｖ＿Ｇ）＝０」（但し、「Σ」はｉについての総和を示す。）を満たす点Ｇの座標を計算することによって重心位置が決定される。
【００５０】
尚、図１１では各点ＰＴ＿ｉがＸ−Ｙ平面上の同一象限に位置しているとしたが、場合によっては、同図に点ＰＴ′や点ＰＴ′′で示すように点ＰＴ＿ｉとは別の象限に位置していたり、あるいは多数の点がまとまって位置している領域から離れたところに孤立して存在する場合（例えば、大半の点がａｓ軸とａｔ軸とで囲まれた扇形領域に属しているのに、一部の点がａｓ軸とｐｉ軸とで囲まれた扇形領域に属している場合等。）があるが、これらの点については無視するか、あるいは、例外として取り扱うことが好ましい。
【００５１】
また、上記したサンプリングの結果得られる面積素片（若しくは体積素片）については、必ずしもこれらを全て利用する必要はなく、体型を特徴的に示す特定の部分（腹部や胸部等）に係るサンプリング結果だけを選出することで処理の高速化を図るようにしても良いことは勿論である。
【００５２】
以上のように、体型形についてのデータを示す座標平面（Ｘ−Ｙ平面）上に極座標（ｒ，θ）を設定した後、対象者の断層面における形状データ（ｔ＿ｉ）から極角θが規定され、かつ、当該断層面における断面積のデータ（ｓ＿ｉ）若しくは断層面間の体積データ（体積素片の体積データ）から極半径（ｒ）が規定される点（ＰＴ＿ｉ）を座標平面（Ｘ−Ｙ平面）上に配置して、各点の間を線分で結んでできる多角形の重心Ｇの位置から対象者の体型形を特定することができ、しかも、その算出に要する計算には四則演算程度の計算量で済むため、面積素片若しくは体積素片の数が増えたとしても計算上の負担が著しく増加することがない。
【００５３】
重心Ｇの座標（これを極座標表示で「（ｒｇ，θｇ）」と記す。）が決まると、上記した体型形座標空間内における関数式Ｚ＝Ｆｎ（Ｘ，Ｙ）から対象者に係る骨格データの換算比率（対象者に係るモデル作成に使用する比率）を算出することができる。即ち、上記したように関数式Ｚ＝Ｆｎ（Ｘ，Ｙ）は各基準体型の骨格データに基づく補間計算から求められるので、極座標系から２次元直交座標系への変換式を用いて「Ｘｇ＝ｒｇ・ｃｏｓ（θｇ）」、「Ｙｇ＝ｒｇ・ｓｉｎ（θｇ）」を計算してこれらを関数式に代入することで、Ｆｎ（Ｘｇ，Ｙｇ）の値を求めることができる。
【００５４】
図１２は重心Ｇ（Ｘｇ，Ｙｇ）から関数値を求める様子を概念的に示したものであり、Ｆｎ（Ｘ，Ｙ）については、ｎを「＿ｈｒ＿ｘｘ」に選んだ場合と、ｎを「＿ｍｒ＿ｘｘ」に選んだ場合とを併せて示している。つまり、点Ｑ＿ｈｒの高さ（Ｚ＿ｈｒ）が長さの比率に係るＦｎ（Ｘｇ，Ｙｇ）の値（＿ｈｒ＿ｘｘ）を示しており、点Ｑ＿ｍｒの高さ（Ｚ＿ｍｒ）が重量比率に係るＦｎ（Ｘｇ，Ｙｇ）の値（＿ｍｒ＿ｘｘ）を示している。
【００５５】
このように骨の長さや重量について対象者の換算率が求められると、対象者の身長や重量に基づいて実際の長さや重量を計算することができ、この処理は次工程（４）において行われる。
【００５６】
例えば、長さの比率に係る関数式Ｆｎ（Ｘ，Ｙ）については、上記した各基準体型モデルの身長を基準身長に揃えるとともに、対象者の身長を基準身長に変換した場合に得られる値であるので、対象者の身長について骨の長さを計算するには、上記した比率「ＨＥＩＧＨＴ＿ｒｅｆ／ＨＥＩＧＨＴ＿ｔｇｔ」が必要となる。つまり、「＿ｈｒ＿ｘｘ」にＨＥＩＧＨＴ＿ｔｇｔをかけることによってｘｘで示す部位の長さが決定される。尚、骨の太さ等、長さの次元を有する他の諸量についても＿ｈｒ＿ｘｘの導出過程と全く同様に求めることができる。
【００５７】
また、重量の比率については対象者の重量（体重等）を「＿ｍｒ＿ｘｘ」に掛けることによりｘｘで示す部位の重量が決定され、断面積や体積等、長さのｎ乗（ｎは２以上の整数。）の次元を有する量について重量の導出過程と全く同様に求めることができる。
【００５８】
こうして、対象者に関する全ての骨の長さや重量を求めることによって対象者の骨格に関する数値モデルを作成することができ、例えば、数値モデルの表現形態としてポリゴンデータによるモデルを採用した場合には全骨のポリゴンデータを予め用意しておき、モーフィング等の変形処理を駆使することによって図１３に示すような骨格構造ＢＳを表示装置上に得ることができる（尚、図示した骨格構造は骨格の構成部位について部分的に誇張して示している。）。
【００５９】
上記の説明では、対象者の３次元データを取得して対象者の体型形に係るデータを求めたが、３次元データを利用することなく図６に示したような対象者の２次元画像データだけを用いることによって簡易なモデルを作成する場合には、画像データから体型を特徴的に示す人体部分の長さ比率（縦横比率等）を上記した面積素片の断面積に代用しても良いことは勿論である。例えば、胸部の形状について典型的には闘士型で逆３角形（逆台形）状となり、肥満型ではほぼ台形状、痩せ型ではほぼ長方形となるといった具合に、立位姿勢の対象者の画像データから体型形に係る情報を得ることができる。
【００６０】
これとは逆にモデルの精度を上げるためには、対象者の３次元データから得られる人体の各部位の長さに基づいてデータの補正を行ったり、あるいは全骨の重量和が体重を越えてしまうといった矛盾が生じないように構造モデルと実際の対象人体との間の誤差を極力低減する必要がある。
【００６１】
次に、骨格モデルに対して上記（ｉｉ）筋肉モデルを付加した数値モデルの作成について説明する。
【００６２】
この場合には、筋肉の形状、長さ、重量の他、筋肉の運動性能に関する諸量（例えば、筋肉の収縮率や、仕事率、筋収縮の反応速度等）を数値モデルの対象に含めることによって筋肉の性能を数値化することが好ましい。
【００６３】
つまり、筋肉の長さや重量については、上記した「＿ｈｒ＿ｘｘ」や「＿ｍｒ＿ｘｘ」と同様の手順を踏襲することによってこれらを求めることができる。即ち、「＿ｈｒ＿ｘｘ」がｘｘに示す各筋肉の長さの比率を示し、「＿ｍｒ＿ｘｘ」がｘｘに示す各筋肉の重量の比率を示すものと考えれば良い。
【００６４】
これに対して筋収縮率や仕事率等についてはこれらの値が何によって影響されるかに依存して決定される。
【００６５】
例えば、筋収縮率は、筋肉の自然長に対して筋肉がどれだけ収縮するかを示す比率であり、筋肉の基準長（自然長）を変数「Ｌ」で表し、筋収縮時における筋肉長を変数「ＬＬ」で表した場合に、関数式ｆ（Ｌ，ＬＬ）で表すことができ（単純なモデルでは「ｆ（Ｌ，ＬＬ）＝ＬＬ／Ｌ」である。）、該関数式については上記した関数Ｆｎ（Ｘ，Ｙ）と同様に各基準体型モデルのデータから算出することができる。よって、「Ｌｇ＝Ｆｎ（Ｘｇ、Ｙｇ）、ＬＬｇ＝Ｆｍ（Ｘｇ、Ｙｇ）」（但し、Ｆｎは上記Ｚ軸を変数Ｌにとった場合の関数を示し、Ｆｍは上記Ｚ軸を変数ＬＬにとった場合の関数を示す。）から算出した値を上記関数式に代入したｆ（Ｌｇ、ＬＬｇ）から対象者の筋収縮率を計算することができる。
【００６６】
同様にして仕事率（単位時間当たりの仕事量）は作用点の重量及び作用時間の関数として求めることができ、また、筋収縮の反応速度は、末端神経から筋肉までの距離及び筋収縮の開始時間の関数として求められる。
【００６７】
尚、骨格及び筋肉を含むモデルの作成過程については、上記した（１）の工程で骨の形状や長さ、重量の他、筋肉の形状や長さ、重量、筋収縮率を含む骨格及び筋肉のデータを用意するとともに、上記（３）の工程で各基準体型に係る骨格及び筋肉データに基づいて補間計算を行い、対象に係る骨格及び筋肉のデータの換算比率を算出する。そして、上記（４）の工程では（３）の工程で得た換算比率及び（２）の工程で入力した対象の体長や重量に基づいて対象の各骨や筋肉の長さ、重量、筋収縮率を決定すれば良い。
【００６８】
こうして作成されるモデルによれば、例えば、骨や関節等を動かしたときの筋肉の模擬的運動を現出させることが可能となる。
【００６９】
さらに上記（ｉｉｉ）の神経モデルを付加した数値モデルについては、神経の長さや断面積等の他、神経波の形状やその物理的な伝達に関する量（例えば、伝達時間や伝導速度、歪み率等）について数値化を行う。
【００７０】
例えば、神経波の伝導速度については、中枢神経から末端神経までの神経長を変数「ＮＬ」で表し、信号が中枢神経から末端神経に至るまでの時間を変数「Ｔ」で表した場合に、関数式ｆｆ（ＮＬ，Ｔ）で表すことができ（単純なモデルでは「ｆｆ（ＮＬ，Ｔ）＝ＮＬ／Ｔ」である。）、該関数式については上記Ｆｎ（Ｘ，Ｙ）と同様に各基準体型モデルのデータから算出することができる。よって、「ＮＬｇ＝Ｆｏ（Ｘｇ、Ｙｇ）、Ｔｇ＝Ｆｐ（Ｘｇ、Ｙｇ）」（但し、Ｆｏは上記Ｚ軸を変数ＮＬにとった場合の関数を示し、Ｆｐは上記Ｚ軸を変数Ｔにとった場合の関数を示す。）から算出した値を上記関数式に代入したｆｆ（ＮＬｇ、Ｔｇ）から伝導速度を計算することができる。尚、神経の断面積等をさらに考慮する場合には、関数ｆｆの独立変数を追加すれば良い。
【００７１】
同様にして神経波の伝達時間は神経長及び伝導速度の関数として求めることができ、また、歪み率は神経種に係る単位距離内の波形歪み（波形鈍り）を表すものであり、神経の種別や対象者の体型形に応じて求められる。
【００７２】
尚、骨格及び筋肉を含むモデルの作成過程については、上記した（１）の工程で神経長や神経波の伝達に関するデータを付加するとともに、上記（３）の工程で各基準体型に係る骨格、筋肉、神経のデータに基づいて補間計算を行い、対象に係る骨格、筋肉、神経に係るデータの換算比率を算出する。そして、上記（４）の工程において（３）の工程で得た換算比率及び（４）の工程で入力した対象の体長や重量に基づいて神経波の伝達に係る量を決定すれば良い。
【００７３】
こうして作成されるモデルによれば、例えば、筋肉によって骨や関節等を動かす際の神経波の伝播を模擬的に現出させることが可能となる。
【００７４】
対象者について作成される数値モデル（骨格、筋肉、神経を含む。）において、体型形座標空間のＺ軸に設定する事項と当該事項に係る人体の対象部位や対象事項を表形式にまとめたものを下表１に一例として示す。
【００７５】
【表１】

【００７６】
上記（ｉｖ）皮膚モデルについては、関節の動き等に起因する皺の量を、皮膚の老化に置き換えて処理する方法（関節の角度や関節からの距離、筋肉の緊張の度合に基づいて関節の周囲を覆っている表皮の領域毎に年齢や年代の異なる表皮（皮膚や体毛等）を付与する方法）が、計算量の低減の観点から好ましい。つまり、皺の寄り方を関節や筋肉の状態に基づくシミュレーション計算によって割り出す方法では計算が複雑化したり計算量が多すぎるといった不都合を伴うからである。
【００７７】
図１４は肘関節を曲げたときに生じる皺の量についての分布を概念的に示したものであり、年齢に応じた皺データ、例えば２０代、４０代、８０代の皺データを予め用意しておき、肘関節に近いために皺の多い領域Ｒａには８０代の皺データを付与し、領域Ｒｂの周囲に位置する領域Ｒｂには４０代の皺データを付与し、皺の少ない領域Ｒｃには２０代の皺データを付与するといった具合に、関節の角度や筋肉の緊張等に応じて皮膚の領域毎に老化の度合を局所的に操作することで皮膚モデルを構築することができる。
【００７８】
また、図１５は指の皺を概念的に示したものであり、皮膚の皺について縦皺と横皺を設けて、関節と関節との間の筋肉の緊張や引張に対しては主として縦皺を皮膚に付与し、筋肉の圧迫に対しては主として横皺を皮膚に付与する（例えば、指の第１関節を折り曲げた場合に当該関節近辺の横皺を増やす等。）といった処理を行うことが好ましい。
【００７９】
以上の処理によって関節や筋運動に伴う皮膚の皺を数値モデル上で表現することが可能となる。
【００８０】
尚、上記の説明では、対象者の年齢や性別の影響については考慮しなかったが、これらの事項については予め統計データ等から得た特性関数、例えば、対象者の年齢を示す変数「ａｇ」を独立変数とする関数＿Ａｇｒ＿ｘｘ（ａｇ）や、対象者の性別を示す変数「ｓｘ」を独立変数とする関数＿Ｓｘｒ＿ｘｘ（ｓｘ）を用意しておき、これら関数を体型形座標空間のＺ軸に設定される量に掛ける（例えば、ｘｘで示される部位の重量の比率に関して（＿ｍｒ＿ｘｘ）・（＿Ａｇｒ＿ｘｘ（ａｇ））・（＿Ｓｘｒ＿ｘｘ（ｓｘ））の値を求める。）ことで計算を行うことができる。
【００８１】
図１６は横軸に変数ａｇをとり、縦軸に＿Ａｇｒ＿ｘｘをとって関数形の一例を概略的に示したものであり、この例で年齢の増加に伴って関数値が減少する様子（例えば、筋肉の仕事率等。）を示している。
【００８２】
また、図１７は横軸に変数ｓｘをとり、縦軸に＿Ｓｘｒ＿ｘｘをとって関数形の一例を概略的に示したものであり、この例ではｓｘ＝Ｍ（男性を示す。）に対する関数値に比してｓｘ＝Ｆ（女性を示す。）に対する関数値の方が大きいことを示している（例えば、胸部脂肪の比率等。）。
【００８３】
尚、年齢の影響を考慮することが好ましい事項としては、関節の角度範囲や破壊係数、神経波の伝達時間や歪み、筋肉の仕事率や筋収縮の反応速度等が挙げられ、また、性別の影響を考慮することが好ましい事項としては、筋肉と贅肉との比率や関節の自由度等が挙げられる。
【００８４】
以上の説明では数値モデルを作成する対象を人間に特定したが、人間以外の動物やロボットを対象とする場合には、上記（１）乃至（４）の事項における「対象者」を「対象動物若しくはロボット」に、また、「身長」を「体高」や「体長」に、「筋肉」を「人工筋肉等」に、「神経」を「配線等」にといった具合に適宜に読み替えれば良い。
【００８５】
【実施例】
次に、本発明を人体構造モデルの作成方法に適用した実施例について説明する。尚、「人体構造モデル」とは、人体に関する体格や体重等の基礎データからその身体的特徴を、骨格、筋肉、神経、皮膚、脂肪等を含む構造的モデルとしてコンピュータ上に構築した数値モデルを意味し、その作成にあたって使用するハードウェア環境１としては、図１８に概念的に示すように、キーボードやポインティングデバイス等の一切の入力手段を含む入力部２と、コンピュータ及びメモリあるいは所定の記録媒体によって構成される計算装置３（モデル構築のためのデータベース（以下、「ＤＢ」と略記する。）３ａと、その管理システムを実現するモデル計算処理部３ｂとを含む。）と、作成されたモデルに関するデータ表示や印刷を行うための表示／印刷部４と、基本データの取得等に用いる周辺装置５（その具体例は後述する。）とを含んでいる。
【００８６】
人体構造モデルは多数のＤＢから構築され、当該ＤＢを大別すると、概念的には下記に示すＤＢが挙げられる。
【００８７】
（Ａ）骨に関するＤＢ
（Ｂ）関節や靱帯に関するＤＢ
（Ｃ）筋肉に関するＤＢ
（Ｄ）神経（運動神経や反射神経等）に関するＤＢ
（Ｅ）内臓や脂肪に関するＤＢ
（Ｆ）皮膚に関するＤＢ
（Ｇ）身体運動に関するＤＢ
先ず、（Ａ）は骨の重量や重量分布、形状、破断係数等の項目を含んでおり、骨格の基本情報に関するＤＢである。
【００８８】
また、（Ｂ）には関節の自由度や破断係数、対偶と対偶との接続関係、対偶と筋肉との接続関係、筋肉の収縮率と関節の角度との関係等についての情報が含まれる。
【００８９】
（Ｃ）には、筋肉の自由長や収縮（若しくは膨張）時の長さや収縮率、破断係数、重量、反応速度、仕事率等についての情報が含まれる。
【００９０】
（Ｄ）には、例えば、運動神経に関して脳幹、中枢神経、末端神経、筋収縮神経における運動神経信号と筋収縮との関係についての情報、あるいは、反射神経に関して、触覚神経、末端神経、中枢神経、脳幹における圧力、熱、痛覚の神経信号と筋収縮との関係についての情報等が含まれる。
【００９１】
（Ｅ）には、内臓や脂肪の重量や重量分布についての情報が含まれ、（Ｆ）には皮膚の老化や皺の寄り方についての情報が含まれる。
【００９２】
（Ｇ）は人体の力学的運動状態だけを表象するためのＤＢであり、これには、人体の全身運動や部分運動に係る情報をワイヤーフレームモデルとして抽出したデータと、運動に伴う重心位置の変化についての情報が含まれる（そのために必要な３次元データの取得方法については後述する。）。
【００９３】
尚、上記のＤＢはそれぞれ１個のＤＢとして生成されるとは限らない（本実施例では複数のＤＢの集合として構成される。）。
【００９４】
図１９は、人体構造モデルの作成に関する処理の大要を示すフローチャート図であり、各ステップでの処理内容は下記の通りである。
【００９５】
ステップＳＳ１：身体に関する基本データの入力
ステップＳＳ２：ＤＢに基づくデータ加工
ステップＳＳ３：人体についての３次元データの取得及び運動に関するワイヤーフレームモデルの生成
ステップＳＳ４：人体についての３次元データの取得及び運動に伴う重心位置データの取得
ステップＳＳ５：人体についての３次元データの取得及び三半規管神経によるバランス神経信号と身体バランスの取得
ステップＳＳ６：人体についての３次元データの取得及び筋電図等による運動神経信号と筋収縮との関係の取得
ステップＳＳ７：人体についての３次元データの取得及び反射神経テストによる筋収縮と圧力、熱、痛覚の神経信号との関係の取得。
【００９６】
先ず、ステップＳＳ１で、人体構造モデルの対象となる個人の体格や性別、年齢等のデータを入力した後、ステップＳＳ２では各種のＤＢに基づいてデータを加工して対象者の身体構造に関するＤＢを生成する。
【００９７】
尚、ここで各種のＤＢとは、例えば、下記（ａ）乃至（ｆ）に示す通りである。
【００９８】
（ａ）重量ＤＢ
骨、筋肉、脂肪、頭部、臓器等の重量比率（体重に占める割合）に関するＤＢである。
【００９９】
（ｂ）重量分布ＤＢ
骨、筋肉、脂肪、頭部、臓器等の重量分布（人体における位置や重心等）に関するＤＢである。
【０１００】
（ｃ）破壊係数ＤＢ
骨や靱帯、筋肉等の破壊係数（破断係数等）に関するＤＢである。
【０１０１】
（ｄ）関節自由度ＤＢ
各関節の自由度に関するＤＢであり、関節の可動範囲の設定に用いられる。
【０１０２】
（ｅ）接続関係ＤＢ
対偶と対偶との間、対偶と筋肉との間、対偶と靱帯との間等についての接続関係を規定するＤＢである。
【０１０３】
（ｆ）筋運動ＤＢ
関節の駆動角度と各作用筋の駆動比率や、筋肉の自由長や収縮率、仕事率、筋収縮の反応速度等に関するＤＢである。
【０１０４】
（ｇ）神経配置ＤＢ
人体における神経配置や長さ等に関するＤＢである。
【０１０５】
また、身体構造に関するＤＢ（以下、「身体構造ＤＢ」という。）とは、上記（ａ）乃至（ｆ）のＤＢに対して図２０に示す依存関係を有するＤＢとして定義される。尚、図中の矢印「→」は、「Ｘ→Ｙ」と記した場合にデータベースＹがデータベースＸに基づいて生成されることを意味している。
【０１０６】
そして、上記（ａ）乃至（ｆ）のＤＢと、上記した（Ａ）、（Ｂ）、（Ｃ） 、（Ｅ）に示すＤＢとの間の関係の一例を示すと、下表２の通りである。
【０１０７】
【表２】

【０１０８】
尚、表２において「○」は横欄に示す各ＤＢが縦欄に示すＤＢを包含することを意味し、「−」はそのような包含関係がないことを意味している。例えば、（Ａ）の骨に関するＤＢには、骨の重量や重量分布、骨の破断係数に関するＤＢが含まれる。また、（Ｂ）のＤＢについては関節の重量が主として骨部の重量から構成されるために靱帯についての重量や重量分布を無視しているが、これらについてもモデルに組み込むことでより詳細なモデル化を図ることができることは勿論である。
【０１０９】
そして、形状に関するＤＢについては、基準人体（上記基準体型モデル等。）の骨格や脂肪等の形状モデルに基づき前記した方法を用いて体型形や性別データ等から生成される。
【０１１０】
図２１及び図２２は、上記ステップＳＳ１、ＳＳ２について、具体例の要部を示すフローチャート図である。
【０１１１】
先ず、図２１のステップＳ１において予め規定されている下記のデータ項目について、対象者の数値を入力（手動又は自動入力）したり、選択値の場合にはそれらのいずれかを指定する。
【０１１２】
・身長（単位：ｍｍ）
・体重（単位：Ｋｇ）
・体型形（痩せ型、闘士型、肥満型等のタイプとその度合。）
・性別（男・女）
・年齢（単位：才）。
【０１１３】
例えば、入力値のデータ構造について下表３に示す例が挙げられる。
【０１１４】
【表３】

【０１１５】
つまり、この場合には、身長や体重等のように連続的な数値を格納する領域を要するものや、体型形等のように、タイプを示す値（上記体型形座標空間の座標軸θの値に対応する）とその度合示す数値（上記体型形座標空間の座標軸ｒの値に対応する）とを組み合わせた構造、あるいは、性別のように「０」又は「１」の１ビットデータで簡単に表現できるもの等が挙げられる。
【０１１６】
尚、身体構造モデルの生成にあたっては、上記のような比較的少数の入力パラメーターに基づいてモデルを生成するモード（以下、「ノーマルモード」という。）と、ノーマルモードで生成したモデルに変更を加えるためのモード（以下、「特殊モード」という。）とが存在するので、ステップＳ２でのモード判断処理において、先ずは、ノーマルモードを選択したものとして、ステップＳ３乃至Ｓ８での処理について説明する。
【０１１７】
ステップＳ３では、上記（ａ）の重量ＤＢを参照して重量設定処理を行う。即ち、対象者の体型形データに基づいて骨、筋肉、脂肪、頭部、臓器等についての重量比率を設定するとともに、筋肉や脂肪の重量についてはさらに胸部、腹部、上腕、下腕、上肢、下肢に区分して設定する。また、性別の如何によって筋肉脂肪のつき方が異なるので、その相違を考慮して重量比率の設定を行う。尚、設定後における総重量と上記した体重の入力値との差がほぼゼロとなるように重量の割り当てを行う必要があることは勿論である。
【０１１８】
次ステップＳ４では、上記（ｂ）の重量分布ＤＢを参照して、対象者の身長や体型形のデータに基づいて骨格や脂肪の形状について設定を行う。そして、骨の重量分布（重心や比重等）により骨と頭部の重量配分を設定するとともに、肉質の重量分布により筋肉や脂肪の重量配分を設定する。尚、ここで、「肉質の重量分布」について、上腕、下腕、上肢、下肢の場合と胸部の場合とに分けて説明すると、前者の場合には、骨の重量分布についての重量点を中心とした仮想の円軌道（これは立位姿勢の人体を正面から見た場合の形状であり、正確には球形状をしている。）を複数設定して、各軌道に対して重量を等間隔でもって均等に配分する。また、後者の場合には骨の重量分布における胸郭の重量点から外方へ一定の間隔をおいた距離に仮想の軌道を複数設定して、各軌道に対して重量を等間隔でもって均等に配分する。そして、性別の入力データが女性である場合には、胸部脂肪の重量分布について追加の設定を行う。
【０１１９】
内臓の重量分布については、頭内臓部、第１頚骨間関節と恥骨間を結ぶ内臓重量線上において等間隔で設定し、該重量分布は椎骨の運動によって変化する。また、腹部脂肪の重量分布については、内臓重量線上に沿って等間隔に設定される重量点を中心とする仮想の楕円形軌道（これは立位姿勢の人体を正面から見た場合の形状であり、正確には楕円体形状をしている。）を複数設定し、各軌道に対して重量を等間隔でもって均等に配分する。尚、この他、仮想の楕円形軌道内に、骨、筋肉、内蔵、脂肪の領域を設けて領域毎のＤＢを作っておき、各領域に等分布の重量をそれぞれ設定する方法がある。
【０１２０】
上記によって内臓や脂肪の分布が明らかとなるので、対偶の進入禁止範囲（対偶が内臓等を突き抜けて体内に進入するのを禁ずるための範囲）を設定することができる。
【０１２１】
ステップＳ５では、上記（ｃ）の破壊係数ＤＢから骨や靱帯、筋肉等についての破壊係数データを読み込む。これは骨や靱帯等の破損を招くような無理な力が加わる姿勢、つまり、健康体においてあり得ない人体の状態を人体構造モデルにおいて回避するために必要とされる。
【０１２２】
ステップＳ６では、上記（ｄ）の関節自由度ＤＢや（ｃ）の破壊係数ＤＢを参照して、体型形や性別のデータから関節の駆動範囲や自由度（破壊時の自由度を含む。）を設定する。尚、これは関節の構造からは健康体として許されない動きやありえない動きを排除するためである。
【０１２３】
ステップＳ７では、上記（ｅ）接続関係ＤＢを参照して各種の接続関係についてのデータを読み込んだ後、次ステップＳ８では筋運動についての設定を行う。
【０１２４】
筋運動については上記（ｆ）の筋運動ＤＢを参照して、入力データ（身長、体重、体型形、性別、年齢等）に基づいて駆動される対偶の重量を考慮して関節の駆動角度と作用筋の収縮率について設定する。
【０１２５】
以上のステップＳ３乃至Ｓ８によってノーマルモードでの身体構造モデル及びこれをデータベース化した身体構造ＤＢが作成される。尚、上記（ｇ）の神経配置ＤＢについては、身体構造ＤＢに合わせて基準人体（基準体型モデル等）の神経配置から単独の加工処理によって作成される。
【０１２６】
図２２のステップＳ９では特殊モードに進むか否かを判断し、特殊モードを選択した場合にはステップＳ１０に進み、選択しなければステップＳ１７に進む。
【０１２７】
上記ステップＳ２又はステップＳ９において特殊モードを選択した場合にはステップＳ１０に進み、比率変換モードを選択するか否かを判断する。尚、「比率変換モード」とは上記したノーマルモードにおいて生成したデータに対して腕、胴、脚部等の大きさを入力してデータ比較を行い、長さや重量の再設定を行うモードである。同ステップで比率変換モードを選択した場合にはステップＳ１１に進み、選択しない場合にはステップＳ１７に進む。
【０１２８】
ステップＳ１１では比率変換モードを更に２つにモード、つまり、「長さ設定モード」と「比率設定モード」とに分け、両者のうちのいずれかを選択する。そして、「長さ設定モード」を選択した場合にはステップＳ１２に進んで、腕、胴、脚部等の長さ（単位：ｍｍ）をそれぞれ入力する。また、「比率設定モード」を選択した場合にはステップＳ１３に進んで腕、胴、脚部等の基準長（例えば、身長等）に対する比率をそれぞれ入力する。尚、これらステップＳ１２、Ｓ１３での入力データは、例えば、上記（ｅ）の接続関係ＤＢにおける筋肉の自由長についての補正に用いられる。
【０１２９】
続くステップＳ１４では、重量モードについて２つのモード、つまり、「合わせ込みモード」と「加減調整モード」とに分け、両者のうちのいずれかを選択する。そして、「合わせ込みモード」を選択した場合にはステップＳ１５に進み、生成データから得られる重量を体重の入力データに合わせる処理を行ってから図２１のステップＳ２に戻る。また、「加減調整モード」を設定した場合には生成データから得られる重量について増減量を付与する処理を行った後ステップＳ２に戻る。これらのステップＳ１５、Ｓ１６により、上記ステップＳ３やＳ４での重量設定や重量分布の補正をさらに行うことができるようになる。
【０１３０】
ステップＳ１７では、「関節重量モード」を選択するか否かを判断し、選択する場合にはステップＳ１８に進み、選択しなければステップＳ１９に進む。尚、「関節重量モード」とは、例えば、２足歩行型ロボットにおいて関節駆動用のモータ等の重量を登録する場合等に用いられ、関節毎に１点の加重値を加減算して、全体のバランスが保たれるように対偶の重量分布を設定するためのモードである。尚、ステップＳ１８での処理後はステップＳ１９に進む。
【０１３１】
ステップＳ１９では、「筋肉重量モード」を選択するか否かを判断し、選択する場合にはステップＳ２０に進み、ここで各対偶に付随する筋や脂肪の重量毎に所望の加重値を加減算することで筋肉等の重量バランスを保つように設定を行う。
【０１３２】
尚、「筋肉重量モード」を選択しなければ身体構造モデルの生成を終了するが、これまでの工程において必要なデータは体格や性別等に関する比較的少数のデータだけである。
【０１３３】
次に上記したステップＳＳ３、ＳＳ４について、図２３に示す要部のフローチャート図に従って説明する。尚、本工程では、上記（Ｇ）身体運動に関するＤＢについて下記に示すＤＢが作成されるが、その内容は後述する処理の説明から明らかとなる。
【０１３４】
（Ｇ１）運動ワイヤーフレームＤＢ
（Ｇ２）運動重心位置ＤＢ
先ず、図２３のステップＳ１において重心位置検出用マーカー（後述する。）を付設した対象者に対して立位姿勢を維持してもらった後、次ステップＳ２では３次元データの取得法を用いて対象者の３次元データを得る。尚、ここで、「３次元データ」とは、平面上に貼り付けられた２次元画像と区別されるデータであり、３次元形状を構成する曲面及びこれに貼り付けられた画像データを意味する。
【０１３５】
３次元データの取得法としては、被写体の形状や画像を含むデータを得ることのできる方法であれば如何なる方法を用いても構わないが、例えば、干渉縞を用いる方法を挙げることができる。即ち、被写体に対して単色光や３原色光による干渉縞を発生させて被写体を撮影するとともに、被写体に生じた干渉縞の形成間隔から撮影方向における被写体の奥行き（凹凸）についてのデータを得て、これに干渉縞のない被写体画像を貼り付けることによって３次元データを得る方法である。
【０１３６】
図２４乃至図３４は単色光の干渉縞を使った例によって方法の原理について説明するための図である。
【０１３７】
図２４において、被写体６は円柱形状をしており、単色光の干渉縞を発生する干渉縞発生手段７と、撮影手段８とを配置し、干渉縞９の映った被写体６を撮影手段８によって撮影することで、被写体６に関する一次情報（画像情報）を得る。
【０１３８】
例えば、図２５に示すように、干渉縞が多数の同心円状のパターンとされている場合に、該干渉縞が平板１０に照射されたときには同心円状の縞模様１１ができることになるが、図２６に示すように円柱形状をした被写体６の側面に映る干渉縞１２は縦長の同心楕円状の模様となる。これは同図のＡ−Ａ断面に示すように、撮影方向Ｆから見た被写体６の奥行きｘが円柱表面において大きくなる程光路差の変化が大きくなって干渉縞の間隔が狭くなるためであり、換言すれば、被写体画像における干渉縞の間隔を調べることで奥行きｘを知ることができる。
【０１３９】
但し、被写体６を一方向から見ただけでは、図２６に示す干渉縞が、撮影方向Ｆから見て手前に突出した曲面１３によってできたものか、又は、図２７に示すように（下段の図は上段の図のＢ−Ｂ断面を示す。）、撮影方向Ｆから見て奥に引っ込んだ曲面１４によってできたものかの区別がつかない。
【０１４０】
従って、干渉縞を有する被写体画像を得る工程については、被写体に対して異なる角度をもって複数回行う必要がある。
【０１４１】
そして、干渉縞のない被写体を撮影する工程についても同様に被写体に対して異なる角度をもって複数回行うが、これには干渉縞の照射と非照射とを交互に繰り返すことによって時分割処理が可能であり、また、画像についての時間的な隣接相関性を利用して干渉縞で隠される画像部分を補完することも可能である。
【０１４２】
撮影手段８によって得られた干渉縞を有する各画像についてその干渉縞を等高線とみてその形成間隔から撮影方向における奥行きを決定する等高線処理を行うことで、図２８に示すように、被写体６の形状、つまり円筒１５の形状データを得ることができる。
【０１４３】
次に、形状データから表面を特定するとともに、当該表面を多数の区分領域（曲面パッチ）１６、１６、・・・に分割する。例えば、図２９に示すように、円筒１５をその中心軸回りに所定の角度間隔をもって等分割するか、あるいは円筒１５の側面から見た区分領域の面積が常に等しくなるように異なる角度間隔をもって分割し、また、円筒１５の中心軸方向については該中心軸に直交する等間隔の平面によって円筒１５を分割すれば良い。
【０１４４】
そして、区分領域に対して干渉縞のない撮影画像を貼り付けるにあたっては、該撮影画像を上記区分領域の分割と同程度の分割数でもって分割する。例えば、図３０に示すように、ある撮影方向から見た被写体６の画像１７が文字「Ａ」の模様を有する場合に当該画像を格子状に分割する。尚、この例では、図に横方向における格子間隔ｄが一定でなく周辺部に行くにつれて小さくなっている。
【０１４５】
こうして区分けされた各部分画像１８、１８、・・・を得て、これらを対応する上記区分領域１６、１６、・・・にそれぞれ割り付けることになるが、図３１に示すように円筒の場合にはその中心軸に直交する平面での断面形状が円形状をしているので、部分画像をそのまま区分領域に貼り付けたのでは歪みが生じてしまう（図３２の部分画像１８と区分領域１６との対応関係を参照。）。そこで、部分画像に対して区分領域の形状に応じた変形処理を施して歪み補正を行った後、当該部分画像をこれに対応する区分領域に貼り付ける。その際、当該部分画像が被写体を図３１とは異なる角度から撮影したときの画像の部分と矛盾しないようにする必要があることは勿論である。
【０１４６】
干渉縞のない全ての撮影画像について部分画像の区分領域への割り付けが終了すると、図３３に示すように、表面の状態（模様等）を含む形状モデル（サーフェスモデル）１９が得られ、これにより被写体の３次元データが取得される。
【０１４７】
尚、上記の説明では静止した被写体についてデータの取得方法を説明したが、動きのある被写体に適用することができることは勿論である（動画像は時間パラメータによって特定される静止画像の集合に過ぎないから。）。
【０１４８】
また、光源色を単色に限る必要はなく、３原色の光源による干渉縞を用いることによってカラー画像としてデータを取得することができる。
【０１４９】
つまり、３原色のうちの各原色の干渉縞をそれぞれ発生させる複数の干渉縞発生手段と、被写体画像を得るための撮影手段とを配置するとともに、撮影手段によって異なる角度から被写体を撮影する。尚、その際の撮影手段の数は、干渉縞発生手段と同じ数にすることが好ましく、また、干渉縞発生手段と撮影手段とを別々の装置として設けるよりは、両手段を一つの装置内に配置することによって干渉縞発生・読取装置としてまとめることが、省スペース化や作業性の観点から好ましい。
【０１５０】
図３４は干渉縞発生・読取装置を３原色（例えば、Ｒ−赤、Ｇ−緑、Ｂ−青）に対応する数（３つ）だけ設けた例を示すものであり、３つの干渉縞発生・読取手段２０Ｒ、２０Ｇ、２０Ｂが被写体６を中心とする正３角形の各頂点位置にそれぞれ配置されている。尚、これらの干渉縞発生・読取装置は図１８の周辺装置５に含まれる。
【０１５１】
図３５は干渉縞発生・読取装置の構成例２１を概略的に示すものであり、被写体に対して干渉縞を発生させる干渉縞発生部２２Ａと、被写体画像を得るための撮影部２２Ｂとを備えている。
【０１５２】
そして、干渉縞発生部２２Ａは、光源２３と、パターン情報指令部２４からの信号を受けて干渉縞のパターンを表示するパターン表示手段２５とを有している。例えば、図示するように、干渉縞発生部２２Ａにおいて、その光源２３と被写体とを通る軸Ｌ−Ｌが光軸を示しており、光源２３の前方には光の拡がり具合を調整するための調整用レンズ２６が設けられている。尚、光源２３としては、例えば、レーザー、放電灯、白熱電球等を用いることができる。また、調整用レンズ２６はモータを含む調整用レンズ調節サーボ手段２７によって光軸Ｌ−Ｌに沿って前後方向に移動される。
【０１５３】
パターン表示手段２５は調整用レンズ２６の前方に設けられており、パターン情報指令部２４からの映像信号が入力されることによって、フィルタ手段としての表示部２８上に所望の干渉縞パターン画像が表示されるように構成されている。尚、表示部２８としては、例えば、カラー液晶式表示装置（ＬＣＤ）等を用いることができる。
【０１５４】
干渉縞のパターンには、図３６に示すような多重円あるいは多重の楕円又は菱形状をしたパターン２９ａ乃至２９ｄを用いることができ、被写体の縦横の比率がほぼ１対１の場合には、図示する同心円状の図形（２９ａ）若しくは正方形を９０°回転させた図形とその相似図形を同心状に配置したもの（２９ｂ）を用い、また、被写体の縦横の比率が異なる場合（例えば、縦方向の長さが横方向の長さより大きい場合）には、縦長の楕円を同心状に配置したもの（２９ｃ）や縦長の菱形とその相似図形を同心状に配置したもの（２９ｄ）を用いれば良く、これらの図形の縦横比を被写体の縦横比に応じて決定すれば良い。尚、撮影画像に係る検出能力は干渉縞の間隔及び撮影部の分解能によって決定する必要がある。
【０１５５】
光源２３からの光によって表示部２８上に表示された画像は、前方のプリズム３０及び対物レンズ３１を介して被写体に向けて出射される（図３５参照。）。尚、本例に示すプリズム３０は光軸ＬーＬを含む平面で切断した断面形状が３角形状を有しており、対物レンズ３１側の面に形成された半透過膜３０ａが光軸Ｌ−Ｌに対して４５°の角度をもって傾斜している。また、対物レンズ３１はモータを含む対物レンズ調節サーボ手段３２により光軸Ｌ−Ｌに沿って前後方向に移動される。
【０１５６】
被写体の反射光は、上記プリズム３０において光路変更を受けた後撮影部２２Ｂに到達し、これによって被写体が撮影される。つまり、被写体の反射光は、図３５に破線で示すように対物レンズ３１を通して半透過膜３０ａで反射されることで進行方向が光軸Ｌ−Ｌに対して直交する方向に変更された後、撮影部２２Ｂに到達し、これによって被写体画像が読み込まれる。尚、撮影部２２Ｂに使用するカメラについては、例えば、撮像管や固体撮像素子（ＣＣＤ型あるいはＭＯＳ型エリアイメージセンサー）等を用いた各種方式（単管（板）式、多管（板）式等）が挙げられる。
【０１５７】
しかして、各干渉縞発生・読取装置はそれぞれの干渉縞発生部により１原色の干渉縞をそれぞれ発生し、被写体からの反射光を各々の撮影部によって取り込むとともに、撮影部により被写体を異なる複数の角度から撮影することで、被写体の色情報を含む干渉縞画像を得ることができ、これらに対して上記等高線処理等を施すことによって被写体の３次元データを取得することができる。
【０１５８】
尚、図３４に示した例では、３原色（ＲＧＢ）の各色に対応する１つの干渉縞発生・読取装置２０Ｒ、２０Ｇ、２０Ｂを設けたが、これに限らず、例えば、図３７に示すように、対をなす干渉縞発生・読取装置が被写体を挟んで対向する配置を採用することもできる。尚、図３７では６つの干渉縞発生・読取装置が被写体６を中心とする正６角形の各頂点位置にそれぞれ配置されており、干渉縞発生・読取装置２０Ｒ１と２０Ｒ２とが対をなして赤色の干渉縞の発生及び読取を行い、干渉縞発生・読取装置２０Ｇ１と２０Ｇ２とが対をなして緑色の干渉縞の発生及び読取を行い、干渉縞発生・読取装置２０Ｂ１と２０Ｂ２とが対をなして青色の干渉縞の発生及び読取を行う。
【０１５９】
このように、複数の干渉縞発生手段及び撮影手段を、被写体に対して互いに対向する位置関係をもって干渉縞の色毎に配置することによって、被写体表面の影等による影響を低減し、画像認識の精度を向上させることができる。
【０１６０】
尚、図３４において各干渉縞発生部の光源色をすべて同一色（例えば、白色）とする場合には、撮影にあたって各撮影部を順番に切り換えて異なる角度から被写体を撮影することができるので、干渉縞発生部２２Ａの光源色を光源２３の色によって固定的に規定するよりは、光源色を白色とし、上記表示部２８での画像の色設定をパターン情報指令部２４からの指示（色の選択指示）によって行うことが好ましい。
【０１６１】
また、被写体の移動を考慮して撮影を行う場合には、被写体が撮影画像の中心部からずれた場合に画像検出の分解能が低下する虞が生じる。
【０１６２】
このような不都合を避けるためには、被写体に重心位置検出用のマーカーを付設して、撮影手段に付設された追尾手段によって撮影手段がマーカーを追尾するように制御することが好ましい。つまり、マーカーを被写体の重心位置に取り付けることによって、被写体の移動中心である重心位置が常に撮影画像の中心部にくるように保つことができる。
【０１６３】
そのためには、被写体に付設されたマーカーの発する情報を検出する検出手段と、撮影手段の撮影方向を規定するための姿勢変更機構と、検出手段からの情報を受けて撮影手段の撮影方向をマーカーへと向けることで被写体を追尾するための制御信号を姿勢変更機構に送出する制御手段とを設けることが好ましい。
【０１６４】
追尾方法には、マーカーを単なる目印としマーカー自体はその位置や姿勢に関する特別な情報を発しないものとし、画像処理によってマーカーを捉えて当該マーカーの位置を撮影画像の中心に保つ方法（ビデオカメラの手振れ補正等に利用されている。）と、マーカーの発する電波の強度を検出して該マーカーの方向やマーカーとの距離を測定したり、あるいは、マーカーの発する位置や姿勢等の情報を電磁波等に変換してこれを検出手段で検出して撮影手段の姿勢を制御することによってマーカーの位置を撮影画像の中心に保つ方法等が挙げられる。
【０１６５】
図３５に示す例では、追尾手段が検出部３４、チルティング機構３５及びパンニング機構３６、制御装置３７によって構成されており、被写体６に付設されたマーカー３３を追尾するための検出部３４が装置２１に取り付けられ、これによって撮影方向を常に被写体に向けるための姿勢制御に必要な情報が得られる。
【０１６６】
つまり、装置２１の姿勢制御機構としてチルティング機構３５及びパンニング機構３６が設けられており、上記検出部３４によって得られる検出信号が制御装置３７に送出されると、該制御装置３７から上記機構３５、３６にそれぞれ送出される制御信号によって、撮影画像におけるマーカー３３の位置が常に画像の中心位置に来るように撮影方向の自動追尾制御が行われる。
【０１６７】
しかして、この方法を用いて対象者の立位姿勢に関する３次元データを取得してその体格を認識することができる。
【０１６８】
次ステップＳ３（図２３参照。）では、前ステップによって得られたモデルに対してその頭部から足先に向かって鉛直方向に沿ってスライス処理（つまり、断層断面を形成する。）を行うことで身体の各構成部分や対偶を認識する。例えば、図３８に概略的に示すモデル３８に関して矢印Ｒで示す方向がスライス方向であり、点Ｐｓが頭頂部を示し、領域「Ａ１」が頭部の認識に関する領域、領域「Ａ２」が頚椎の認識に関する領域、領域「Ａ３」が肩部の認識に関する領域、領域「Ａ４」が胸部及び腹部の認識に関する領域、領域「Ａ５」が脚部の認識に関する領域を代表的に示している。尚、同図の右側に概略的に示した断層図は領域Ａ１の下側境界面でスライスした領域の数が１個、領域Ａ３の下側境界面でスライスした領域の数が３個、脚部を途中でスライスした領域の数が２個であることをそれぞれ示している。
【０１６９】
また、対偶等の認識については、対象者の身体構造モデルと３次元データから得られるモデルとを比較・対照することで行う。例えば、被写体（対象者）に取り付けた重心位置検出用マーカーに対応する重心と頭部の中心点とを結ぶ軸を身体構造モデルの背骨軸であると認識したり、上肢の両肩関節の位置については背骨軸に関して左右対象であって最も突起した箇所として認識する等、人体の身体的特徴に基づいて求めることができる。
【０１７０】
図２３のステップＳ４では対象者に対して膝の屈伸運動を行ってもらい、上記ステップＳ２及びＳ３で説明したのと同様の方法によって３次元データの取得及び膝関節の認識に関する処理を行う。つまり、立位姿勢での３次元データだけでは膝関節の特定を正確に行うことができないためである。
【０１７１】
そして、ステップＳ５では対象者に対してその下腕が地面に平行になるように腕を動かしてもらって上記ステップＳ２、Ｓ３で説明したのと同様の方法によって３次元データの取得及び肘関節の認識に関する処理を行う。
【０１７２】
次ステップＳ６ではステップＳ２乃至Ｓ５において得られた基礎データについての補正（誤差の補正等）を行った後、次ステップＳ７に進み、データの確定、つまり、対象者に係る人体形状データを決定する。
【０１７３】
そして、ステップＳ８に進み、対象者の形状と上記ステップで得た人体形状データとの間に顕著な相違が生じないように形状について両者間の合わせ込み処理を行い、当該人体形状と上記身体構造モデルとの間に生じる差異を極力低減する。
【０１７４】
ステップＳ９では、対象者に所定の運動をしてもらい、上記ステップＳ２で説明したのと同様の方法を用いて運動状態についての３次元データを取得する。
【０１７５】
そして、ステップＳ１０では３次元データにおける頭部と重心位置検出用マーカーの位置に基づいて胴体を認識するとともに、対象者の身体運動に関する情報（対偶の状態等）を表象する枠体モデルとしてワイヤーフレームモデルを生成する。そして、該ワイヤーフレームモデルをデータベース化することにより上記の運動ワイヤーフレームＤＢを作成する。
【０１７６】
ステップＳ１１では、ワイヤーフレームモデル及び前記ステップで得られた人体形状に基づいて運動中心である重心位置及びその変化に関するデータだけを抽出して上記運動重心位置ＤＢを作成する。
【０１７７】
しかして、これまでに経た処理によって身体の構造や運動に関するモデルを得ることができ、これら対して筋肉や脂肪の形状についてのポリゴンデータ（多角形近似データ）を付加することによって人体に関するポリゴンモデルやこれをデータベース化したもの（以下、「人体ポリゴンＤＢ」という。）を得ることができる。
【０１７８】
図３９は人体ポリゴンＤＢについて、上記した身体構造ＤＢや運動ワイヤーフレームＤＢ、運動重心位置ＤＢの他、下記に示すＤＢとの依存関係の一例を示すものであり、図中の矢印「→」の意味は既述した通りである。
【０１７９】
（ｈ）筋肉ポリゴンＤＢ
（ｉ）脂肪ポリゴンＤＢ
（ｊ）特殊脂肪ポリゴンＤＢ
（ｋ）皮膚老化ポリゴンＤＢ。
【０１８０】
上記（ｈ）乃至（ｊ）のＤＢについて簡単に説明すると、先ず、（ｈ）筋肉ポリゴンＤＢは筋肉の収縮に対応した筋肉形状のポリゴンデータ集であり、（ｉ）脂肪ポリゴンＤＢは、筋肉の収縮と重心の運動に対応した脂肪形状のポリゴンデータ集である。また、（ｊ）特殊脂肪ポリゴンＤＢとは、筋肉の収縮には直接関係しないが重心の運動に主として関与する脂肪（内臓脂肪や胸部脂肪等。）の形状についてのポリゴンデータ集である。
【０１８１】
（ｋ）皮膚老化ポリゴンＤＢは、皮膚に対して人為的に老化させる処理を施す際に必要な皺の量や寄り方についてのポリゴンデータ集（あるいは２次元画像データ）であり、上記した（Ｆ）皮膚に関するＤＢを構成するものである。
【０１８２】
尚、図３９に示す「筋収縮ポリゴンＤＢ」は、筋肉ポリゴンＤＢ、身体構造ＤＢ、運動ワイヤーフレームＤＢ、運動重心位置ＤＢから生成されるデータベースであり、人体の運動に伴う筋肉の収縮状態を表現するために必要とされ、概ね下記の手順に沿って生成される。
【０１８３】
（１）身体構造ＤＢの生成
（２）運動ワイヤーフレームＤＢ及び運動重心位置ＤＢの生成
（３）筋肉ポリゴンＤＢと（１）や（２）のＤＢとの関連付け
また、「脂肪収縮ポリゴンＤＢ」は、筋肉ポリゴンＤＢ、身体構造ＤＢ、運動ワイヤーフレームＤＢ、運動重心位置ＤＢを参照しながら脂肪ポリゴンＤＢ及び特殊脂肪ポリゴンＤＢから生成されるデータベースであり、筋肉の収縮や重心運動に伴う脂肪の位置や厚さ等の変化を表現するために必要とされる。
【０１８４】
図４０は、人体ポリゴンＤＢの生成について処理例の要部を示すフローチャート図であり、筋収縮ポリゴンＤＢの生成に関する処理と、脂肪収縮ポリゴンＤＢに関する処理とを並列的に示している。
【０１８５】
先ず、筋収縮ポリゴンＤＢの生成に関する処理については、ステップＳ１において、筋肉ポリゴンＤＢ、身体構造ＤＢ、運動ワイヤーフレームＤＢ、運動重心位置ＤＢを用意した後、ステップＳ２では、人体の運動と各筋肉の収縮率の変化についての関係を得る。
【０１８６】
そして、ステップＳ３では全ての筋肉に関してその収縮に対応した筋肉形状を示すポリゴンデータ集、つまり、筋収縮ポリゴンＤＢを作成する。その際には、身体構造ＤＢのうち特に人体形状に関するデータ及び筋肉ポリゴンＤＢのデータを参照する。
【０１８７】
次ステップＳ４では、運動ワイヤーフレームＤＢに対して筋肉部のポリゴンデータを付加した後、ステップＳ５に進む。
【０１８８】
他方、脂肪、特殊脂肪のポリゴンＤＢに関する処理については、ステップＳＴ１において両ＤＢを用意した後、次ステップＳＴ２で人体の運動と各脂肪の収縮率の変化についての関係を得る。
【０１８９】
それからステップＳＴ３において全ての脂肪に関して筋肉の収縮や重心運動に対応した脂肪形状を示すポリゴンデータ集、つまり、脂肪収縮ポリゴンＤＢを作成する。その際に身体構造ＤＢのうち特に人体形状に関するデータ及び筋肉ポリゴンＤＢのデータを参照する必要がある。
【０１９０】
次ステップＳＴ４では、運動ワイヤーフレームＤＢに対して脂肪部のポリゴンデータを付加した後、ステップＳ５に進む。
【０１９１】
ステップＳ５では、筋肉や脂肪を加味した運動ワイヤーフレームモデルについて、画像データの１フレーム毎に筋肉や脂肪のポリゴンデータを加工することによって筋肉の躍動や脂肪の揺れ等を表現する。尚、この加工にはポリゴンの表面におけるドットやパッチに対するデータ処理として行なわれ、例えば、ドットに関する結線処理やベヂエ（Ｂｅｚｉｅｒ）化処理、あるいはこれらの処理を、一定表面の圧縮後に行う等の処理が含まれる。
【０１９２】
図４１ではＬ字状に屈曲した位置関係を有する２つの骨ポリゴン３９、４０に亘って筋肉ポリゴン４１が架け渡された様子を概略的に示している。
【０１９３】
次ステップＳ６では上記皮膚老化ポリゴンＤＢと運動ワイヤーフレームＤＢとのリンク（関連付け）を行う（図３９では両方向の矢印で示している）。これによって、例えば、ある関節の周囲における皮膚の皺を関節角度や関節からの距離に応じて変化させることができる。つまり、関節における皮膚の皺の本数は、関節の駆動角度に比例し、かつ、関節からの距離の反比例する。
【０１９４】
図４２、図４３は腕の肘関節について皺のより方を模式的に示すものであり、肘関節をまっすぐにした図４２の状態から肘関節をほぼ直角に曲げることによって、図４３に１点鎖線の円４２で囲んで示すように、肘関節からの距離が近い場所程皺の量が多くなる。
【０１９５】
尚、関節の角度や関節からの距離あるいは筋肉の緊張から関節の周囲を覆っている皮膚に対して前記したように老化処理を施す方法や、皮膚の皺を縦皺と横皺とから構成し、関節間の筋肉の緊張時や引張時には縦皺を相対的に多くし、筋肉の圧迫時には横皺を相対的に多くする方法等を用いる。
【０１９６】
しかして、上記人体ポリゴンＤＢが作成されるが、データの利用時に際してはデータに圧縮処理を施すことが好ましい。これは、例えば、上記した３次元データを３Ｄゲーム用データ等に用いる場合において、描画処理の高速化やデータ量の削減などの要請に答えるためである。
【０１９７】
例えば、３次元データからポリゴンモデルを生成して、これに被写体の画像を貼り付ける場合を想定すると、データ圧縮の方法については下記の方法が挙げられる。
【０１９８】
（Ｉ）ポリゴンの個数の減少を伴わない方法
（ＩＩ）ポリゴンの個数の減少を伴う方法
先ず、方法（Ｉ）には、ポリゴンモデルを構成するポリゴン（図２９、図３１の区分領域１６を参照。）の総数を減らすことなく、例えば、ポリゴンの形状データやこれに貼り付ける２次元画像データを既知の方法によって圧縮して、圧縮後における各ポリゴンデータと２次元画像データとの対応関係を改めて規定し直する方法が挙げられる。
【０１９９】
また、方法（ＩＩ）としては、ポリゴンの数を減少させる（分割数の減少やポリゴンの合成等。）とともに、減少したポリゴンに対応する２次元画像データの割り付けを再度行った後、２次元画像データの照度に変更を加える方法が挙げられる。
【０２００】
こうした工程によって人体ポリゴンＤＢが作成されるが、歩行におけるバランスの制御については、上記ステップＳＳ５（図１９参照）の工程が必要である。尚、歩行型ロボットについては、三半規管に相当するバランスセンサーの検出信号に対する脚部の運動制御について、歩行のパターンをデータベース化することにより、多種の歩行型ロボットに対してその駆動制御のアルゴズムを提供することができるという点で以下に示す方法は有用である。
【０２０１】
先ず、処理内容について説明する前に、使用する装置について図４４乃至図４７に従って説明する。
【０２０２】
対象者のとる姿勢に関しては、図４４に示すように、対象者ＴＧを測定台４３に載せて、当該測定台４３の姿勢を駆動装置４４によって自在に変化させることができるように設定する。つまり、図４４に矢印で示すように測定台４３を上下方向に移動させたり、あるいは図４５に矢印で示すように測定台４３を前後左右に移動させたり、図４６に矢印で示すように測定台４３を回転させることができるようにする。また、図４７に矢印で示すように、所定の基準点Ｏの回りで測定台４３を旋回させることができるようにする。
【０２０３】
測定台に乗せられた対象者（健常者）は、アイマスク等によって目隠しをされ（これは視覚に依らない三半規管だけによる行動のデータを取得するため。）、また、重心の位置や移動方向、移動速度等の情報を検出するためのマーカー（これは上記した重心位置検出用マーカーで代用しても良い。）を取り付けられる。
【０２０４】
そして、三半規管の神経パルスを測定するための三半規管神経パルス測定装置を対象者に対して付設することで、対象者の姿勢変化に対する神経パルスの情報を得ることができるようにする。
【０２０５】
尚、上記した対象者の画像を撮影するための撮影手段については、その対象者を含む所定の範囲（例えば、半径１ｍの仮想球内）で３次元の動画情報を取得できることを要する。
【０２０６】
また、測定台やその駆動装置、三半規管神経パルス測定装置等は、図１８の周辺装置５に含まれる。
【０２０７】
身体のバランス神経信号等の取得方法を簡単にまとめると下記のようになる。
【０２０８】
（１）対象者の姿勢を変化させる
（２）（１）の各姿勢における対象者の三半規管神経パルスデータを取得する
（３）（１）の各姿勢における対象者の３次元データを取得する
（４）（２）のデータからデータベース（以下、「三半規管神経パルスＤＢ」という。）を生成するとともに、これと（３）のデータから生成したデータベース（運動ワイヤーフレームＤＢ及び運動重心位置ＤＢ）とをリンクする
尚、上記（１）については、所定の水平面（地面等）上に直立した対象者に所定の加重をかけた運動や旋回運動等を行ってもらったり、あるいは測定台に乗せた対象者について測定台を傾けたり、測定台を水平面内で前後左右に移動させ、あるいは測定台の回転や旋回を行った場合に対象者が採る挙動を観察する。そして、上記（２）及び（３）の工程は、その数字の示す順番通りに遂行されるのではなく。（１）における対象者の姿勢変化と同時並行的に行われる。
【０２０９】
図４８乃至図５１は処理例を示すフローチャート図であり、図４８は平衡感覚に関する運動の形態（ステップＳ１乃至Ｓ５参照。）、三半規管の神経パルスデータの取得（ステップＳＴ１及びＳＴ２参照。）、運動に関する３次元データの取得（ステップＳＰ１及びＳＰ２参照。）の３者を並列的に示したものである。
【０２１０】
先ず、ステップＳ１で対象者の人体ポリゴンＤＢを作成した後（その際、対象者の利き腕や利き足の情報を考慮する。）、次ステップＳ２で対象者にアイマスクや重心位置検出用マーカーを取り付ける。そして、上記した３次元データの取得方法に必要な設備を設置するとともに対象者に三半規管神経パルス測定装置を接続する。
【０２１１】
ステップＳ３では対象者を測定台に乗せて運動姿勢を観察するか否かを判断し、所定の水平面（地面等）上で対象者の運動姿勢を観察する場合にはステップＳ４に進み、上記測定台で対象者の運動姿勢を観察する場合にはステップＳ５に進む。
【０２１２】
ステップＳ４では水平面上で対象者の各種の姿勢をとってもらい、主に下肢の平衡感覚を把握する。
【０２１３】
また、ステップＳ５では測定台を動かすことによって、主に対象者について体位の安定化手法を把握する。
【０２１４】
三半規管の神経パルスデータの取得については、ステップＳＴ１に示すように、ステップＳ４やＳ５での対象者の各運動姿勢について三半規管神経パルス測定装置を使って行い、ステップＳＴ２で測定結果から三半規管神経パルスＤＢを生成する。
【０２１５】
また、運動に関する３次元データの取得については、ステップＳＰ１に示すように、ステップＳ４やＳ５での対象者の各運動姿勢について３次元データを得た後、ステップＳＰ２において当該データから運動ワイヤーフレームＤＢ及び運動重心位置ＤＢを生成する。
【０２１６】
図４９は上記したステップＳ４の一例を示すフローチャート図であり、先ず、ステップＳ１において対象者に水平面での立位姿勢を維持してもらった後、次テップＳ２では運動について３つの場合分けを行い、ステップＳ３、Ｓ８、Ｓ１０のいずれかに進む。
【０２１７】
ステップＳ３に進んだ場合には対象者の立位面上に重量球を設置した後、次ステップＳ４で当該重量球を上肢で掴んでもらう。そして、ステップＳ５では該重量球を片手で持ち上げたり、両手で持ち上げる動作を対象者に実行してもらう。ステップＳ６では対象者が身体のバランスを崩さない範囲で重量球を移動してもらう。
【０２１８】
ステップＳ７では前記ステップの動作について重量球と対象者の体位の位置関係を多様に変化させて運動を観察する。尚、その際、加重重量を変化させて各動作を対象者に実行してもらうことが好ましい。
【０２１９】
各動作については上記したように三半規管の神経パルスデータ及び３次元データを得てステップＳＴ２やＳＰ２のＤＢを生成してこれらをリンクすることで、上肢運動による上体下肢の平衡感覚についての情報を取得することができる。
【０２２０】
また、ステップＳ８に進んだ場合には、対象者の上肢に加重をかけてその動作を観察する。そして、次ステップＳ９では、前ステップの動作について加重重量や上肢の傾きの角度及び方向を多様に変化させて運動を観察する。こうして、上記と同様にＤＢ（三半規管神経パルスＤＢ、運動ワイヤーフレームＤＢ、運動重心位置ＤＢ）の生成及びリンクを行うことで上肢運動による上体下肢の平衡感覚についての情報を取得することができる。
【０２２１】
ステップＳ１０に進んだ場合には、対象者に上体の前後や左右の旋回運動を実行してもらう。そして、次ステップＳ１１では、前ステップの動作について上体の旋回速度や上体の傾き角度及び方向を多様に変化させて運動を観察する。そして、これによって上体下肢の平衡感覚についての情報を取得することができる。
【０２２２】
図５０及び図５１は上記図４８のステップＳ５の一例を示すフローチャート図であり、ステップＳ１において対象者を測定台に乗せて台上で立位姿勢を維持してもらった後、次テップＳ２では運動について２つの場合分けを行い、ステップＳ３、Ｓ６のいずれかに進む。
【０２２３】
ステップＳ３に進んだ場合には測定台４３の位置が基準位置に来るように上記駆動装置４４を操作して初期状態を設定した後、次ステップＳ４で測定台を水平面に対して傾け、これに対する対象者の動作反応をみる。そして、ステップＳ５では測定台の傾動速度や傾き角度及び方向を多様に変化させて動作を観察し、各動作についての上記ＤＢ（三半規管神経パルスＤＢ、運動ワイヤーフレームＤＢ、運動重心位置ＤＢ）の生成及びリンクにより傾動変化に対する対象者の平衡感覚に関する情報を取得することができる。
【０２２４】
また、ステップＳ６に進んだ場合には測定台４３の姿勢が水平に保持されるように駆動装置４４を操作して初期状態を設定した後、図５１のステップＳ７で測定台４３の運動について３つの場合分けを行ってＳ８、Ｓ１１、Ｓ１４のいずれかのステップに進む。
【０２２５】
先ず、ステップＳ８に進んだ場合には、測定台４３を水平方向（前後方向や左右方向）に移動させるとともに、次テップＳ９で測定台の移動を任意の時間で停止させ、この間における対象者の動作反応をみる。そして、ステップＳ１０では測定台の加速度や移動方向、停止時間を多様に変化させて動作を観察し、各動作についての上記ＤＢ（三半規管神経パルスＤＢ、運動ワイヤーフレームＤＢ、運動重心位置ＤＢ）の生成及びリンクを行い、直線的な加速運動の開始時や急停止時に対象者が体位の安定化のためにとる挙動に関する情報を取得する。
【０２２６】
また、ステップＳ１１に進んだ場合には、測定台４３を水平面内で回転させるとともに、次テップＳ１２で測定台の回転を任意の時間で停止させ、この間における対象者の動作反応をみる。そして、ステップＳ１３では測定台の角加速度や回転方向、停止時間を多様に変化させて動作を観察し、各動作についての上記ＤＢ（三半規管神経パルスＤＢ、運動ワイヤーフレームＤＢ、運動重心位置ＤＢ）の生成及びリンクを行い、回転運動の開始時や急停止時に対象者が体位の安定化のためにとる挙動に関する情報を取得する。
【０２２７】
また、ステップＳ１４に進んだ場合には、測定台４３を水平にし又は水平面に対してやや傾けた状態にし、次ステップＳ１５で測定台を水平面内で旋回させた後、次テップＳ１６で測定台の旋回を任意の時間で停止させ、この間における対象者の動作反応をみる。そして、ステップＳ１７では測定台の旋回の加速度や方向、停止時間を多様に変化させて動作を観察し、各動作についての上記ＤＢ（三半規管神経パルスＤＢ、運動ワイヤーフレームＤＢ、運動重心位置ＤＢ）の生成及びリンクを行い、旋回運動の開始時や急停止時に対象者が体位安定化するためにとる挙動に関する情報を取得する。
【０２２８】
尚、上記したステップＳ８、Ｓ１１、Ｓ１５等における測定台の運動変化についてはこれを予め決められた手順に従って規則的に行うこともできるが、角度や速度等の値を乱数によって指定することで測定台の動きが対象者にとって不測の動きとなるようにすることが好ましい。
【０２２９】
以上により対象者のバランス神経信号と身体バランスに係る動作情報を得ることができる。
【０２３０】
次に、上記した（Ｄ）神経に関するＤＢのうち、下記に示す運動神経に係るＤＢの作成について説明する。
【０２３１】
（ｌ′）仮運動神経波形ＤＢ
（ｌ）運動神経波形ＤＢ
尚、（ｌ′）は確定前の運動神経波形ＤＢであり、また、（ｌ）は下記のＤＢ（これらについては後述する。）に基づいて作成される。
【０２３２】
（ｍ）末端神経波形ＤＢ
（ｎ）筋電波形ＤＢ
（ｏ）末端神経波周期ＤＢ
（ｐ）筋電波周期ＤＢ
（ｑ）末端神経波持久性ＤＢ
（ｒ）筋電波持久性ＤＢ
（ｓ）赤白筋比率ＤＢ
（ｔ）対基準筋性能比ＤＢ
（ｕ）補正運動神経波形ＤＢ
上記運動神経波形ＤＢは末端神経波形や周期、筋電波形や周期等のデータを含んでおり、（ｍ）乃至（ｕ）のＤＢに関して、図５２に示すような依存関係を有しており、最終的には運動ワイヤーフレームＤＢ、運動重心位置ＤＢ、身体構造ＤＢとリンクされる。
【０２３３】
図５３及び図５４は上記した図１９のステップＳＳ６の処理の一例を示すフローチャート図であり、対象者の３次元データの取得に関する処理と、運動神経波形ＤＢの生成に関する処理とを並列的に示している。
【０２３４】
運動神経波形ＤＢの生成に関する処理については、先ず、図５３のステップＳ１において、測定装置として、筋電計、末端神経波形計測器、乳酸値測定計を設置して対象者に接続する。尚、これらの装置は図１８の周辺装置５に含まれる。
【０２３５】
次ステップＳ２では、対象者に任意の運動を行ってもらい、このときの末端神経パルスの波形や筋電波形を末端神経波形計測器、筋電計によってそれぞれ測定する。そして、末端神経パルス波形の測定データから上記（ｍ）末端神経波形ＤＢを生成するとともに、筋電波形の測定データから上記（ｎ）筋電波形ＤＢを生成する。
【０２３６】
尚、対象者の３次元データの取得に関する処理としては、上記ステップＳ２に対応するステップＳＰ１に示すように、ステップＳ２における対象者の運動に関して上記したデータ取得法を用いて対象者の３次元データを得る。また、その際、対象者の利き腕や利き足を区別して測定データを得ることが好ましい。
【０２３７】
ステップＳ３では、速度変化を伴う任意の運動を対象者に行ってもらい、このときの、末端神経波の周期や筋電波の周期を末端神経波形計測器、筋電計によってそれぞれ測定する。そして、末端神経波の周期に係る測定データから上記（ｏ）末端神経波周期ＤＢを生成するとともに、筋電波の周期に係る測定データから上記（ｐ）筋電波周期ＤＢを生成する。
【０２３８】
ステップＳ４では、継続的（あるいは持続的）な任意運動を対象者に行ってもらい、そのときの乳酸値を乳酸値測定計により測定するとともに、末端神経パルスの波形や筋電波形の周期を末端神経波形計測器、筋電計によってそれぞれ測定する。そして、末端神経パルス波形の測定データから上記（ｑ）末端神経波持久性ＤＢを生成し、筋電波形の周期に係る測定データから上記（ｒ）筋電波持久性ＤＢを生成する。
【０２３９】
次ステップＳ５では前ステップＳ４で測定して乳酸値が所定値を越えたか否かを判断し、乳酸値が所定値を越えていればステップＳ６に進み、そうでなければステップＳ４に戻る。
【０２４０】
ステップＳ６では、ステップＳ４の運動を終了し、運動時間を測定する。そして該測定結果から上記（ｓ）赤白筋比率ＤＢを作成する。
【０２４１】
図５４のステップＳ７では、ステップＳ２乃至Ｓ４で行った運動の形態を２つに区分する。即ち、上記運動及び測定が特定の筋肉を対象として各別に行われたものか又は任意の筋肉について行われたものかによって場合分けを行い、前者の場合にはステップＳ８に進み、後者の場合にはステップＳ１０に進む。
【０２４２】
ステップＳ８では、上記（ｔ）対基準筋性能比ＤＢを生成する。これは、所定の基準筋を設定したときにこれに対して各筋肉の性能を比率値として含むＤＢである。
【０２４３】
ステップＳ９では、これまでの工程から（ｍ）乃至（ｔ）のＤＢが得られているので、必要に応じて（ｕ）補正運動神経波形ＤＢからの補正用データを参照して仮運動神経波形ＤＢを生成した後、ステップＳ１３に進む。尚、（ｕ）補正運動神経波形ＤＢは、例えば、運動神経疾患により義肢等を要する対象者の人体構造モデルに必要なものであり、これについては後述する。
【０２４４】
ステップＳ１０では上記した（ｍ）乃至（ｔ）のＤＢに基づいて仮運動神経波形ＤＢを生成するとともに、既に作成されている身体構造ＤＢから体格データ（体型形、身長、体重等を含むデータ）を得る。これによって体格データと仮運動神経波形ＤＢとの組み合わせが出来上るので、対象者の数が増えるに従ってこれらのデータを蓄積することができる。
【０２４５】
次ステップＳ１１では対象者の体格データに近似した体格データを仮運動神経波形ＤＢに基づいて複数（例えば、３つ）選び出して、次ステップＳ１２に進み、ここで仮運動神経波形ＤＢについての平均化補正を行う。尚、平均化補正としては単純平均法に限らず、対象者の体格データと、選出した体格データとの近さを定量化した加重平均法を用いることができる。
【０２４６】
ステップＳ１３では運動神経波形ＤＢを作成する。つまり、ステップＳ９から本ステップに到達した場合には仮運動神経波形ＤＢがそのまま運動神経波形ＤＢとなるが、ステップＳ１２から本ステップに到達した場合には平均化補正後の仮運動神経波形ＤＢが運動神経波形ＤＢとなる。そして、上記ステップＳＰ１で取得されている対象者の３次元データに基づいてステップＳＰ２では、運動ワイヤーフレームＤＢ及び運動重心位置ＤＢを生成するとともに、これと身体構造ＤＢとを併せて運動神経波形ＤＢにリンクする。
【０２４７】
次に、上記した（Ｄ）神経に関するＤＢのうち、下記に示す感覚神経に係るＤＢの作成について説明する。
【０２４８】
（ｖ′）仮感覚神経波形ＤＢ
（ｖ）感覚神経波形ＤＢ
尚、（ｖ′）は確定前における仮の感覚神経波形ＤＢであり、また、（ｖ）は下記のＤＢ（これらについては後述する。）に基づいて作成される。
【０２４９】
（ｍ）末端神経波形ＤＢ
（ｎ）筋電波形ＤＢ
（ｏ）末端神経波周期ＤＢ
（ｐ）筋電波周期ＤＢ
（ｗ）痛覚温度ＤＢ
（ｘ）痛覚圧力ＤＢ
（ｙ）対基準感覚性能比ＤＢ
（ｚ）補正感覚神経波形ＤＢ
感覚神経波形ＤＢは末端神経波形や周期、筋電波形や周期、痛覚温度や痛覚圧力等のデータを含んでおり、上記（ｍ）乃至（ｐ）、（ｗ）乃至（ｚ）のＤＢに関して、図５５に示すような依存関係を有しており、最終的には運動ワイヤーフレームＤＢ、運動重心位置ＤＢ、身体構造ＤＢとリンクされる。
【０２５０】
図５６及び図５７は上記図１９のステップＳＳ７の処理の一例を示すフローチャート図であり、対象者の３次元データの取得に関する処理と、感覚神経波形ＤＢの生成に関する処理とを並列的に示している。
【０２５１】
感覚神経波形ＤＢの生成に関する処理については、先ず、図５６のステップＳ１において、測定装置として、筋電計、末端神経波形計測器、加熱器（温度センサを含む）、加圧器（圧力センサを含む）を設置して対象者に接続する。尚、これらの装置は図１８の周辺装置５に含まれる。
【０２５２】
次ステップＳ２では、対象者に対して著しい熱さや痛さを感じない範囲内において一定温度での加熱や一定圧での加圧を行い、このときの末端神経パルスの波形や筋電波形を末端神経波形計測器、筋電計によってそれぞれ測定する。そして、末端神経パルス波形の測定データから上記（ｍ）末端神経波形ＤＢを生成するとともに、筋電波形の測定データから上記（ｎ）筋電波形ＤＢを生成する。
【０２５３】
次ステップＳ３では、対象者に対して前ステップＳ２での温度範囲や圧力範囲の制約を排除して加熱や加圧を行い、このときの、末端神経波の周期や筋電波の周期を末端神経波形計測器、筋電計によってそれぞれ測定する。つまり、前ステップＳ２では、対象者が回避行動を起さない程度の熱や圧力を加えているのに対して、本ステップでは加熱や加圧を介してから加熱温度や加圧量が高まると対象者が回避行動を起こす程度まで熱や圧力を加える。
【０２５４】
尚、本ステップでは末端神経波の周期に係る測定データから上記（ｏ）末端神経波周期ＤＢを生成するとともに、筋電波の周期に係る測定データから上記（ｐ）筋電波周期ＤＢを生成する。
【０２５５】
ステップＳ４では、痛覚による反射運動が開始したか否か、又は加熱温度や加圧量が所定値を越えたか否かを判断する。そして、反射運動が開始し又は加熱温度や加圧量が所定値を越えた場合には、ステップＳ５に進んで、そのときの加熱温度（痛覚温度）や加圧量（痛覚圧力）をそれぞれ測定する。そして、これらの測定データから上記（ｗ）痛覚温度ＤＢや（ｘ）痛覚圧力ＤＢをそれぞれ生成してステップＳ６に進む。
【０２５６】
また、反射運動が未だ開始しない場合又は加熱温度や加圧量が所定値を越えない場合には、ステップＳ３に戻る。
【０２５７】
尚、対象者の３次元データの取得に関する処理としては、上記ステップＳ２に対応するステップＳＰ１に示すように、ステップＳ２乃至Ｓ４における対象者の挙動（例えば、痛覚のように激しい感覚を得たときの体位の回避運動）に関して上記したデータ取得法を用いて対象者の３次元データを得る。
【０２５８】
ステップＳ６では加熱や加圧を終了した後、図５７のステップＳ７に進む。
【０２５９】
ステップＳ７では、ステップＳ２乃至Ｓ５で行った反射テストの形態を２つに区分する。即ち、テストが特定の感覚器官を対象として各別に行われたものか又は任意の感覚器官について行われたものかによって場合分けを行い、前者の場合にはステップＳ８に進み、後者の場合にはステップＳ１０に進む。
【０２６０】
ステップＳ８では、上記（ｙ）対基準感覚性能比ＤＢを生成する。これは、所定の基準感覚器官を設定したときにこれに対する各感覚器官の性能比率を含むＤＢである。
【０２６１】
ステップＳ９では、これまでの工程から（ｍ）乃至（ｐ）、（ｗ）乃至（ｙ）のＤＢが得られているので、必要に応じて（ｚ）補正感覚神経波形ＤＢからの補正用データを参照して仮感覚神経波形ＤＢを生成した後、ステップＳ１３に進む。尚、（ｚ）補正感覚神経波形ＤＢは、例えば、脳疾患や神経破断等による運動神経疾患の対象者についての人体構造モデルに必要なものであり、これについては後述する。
【０２６２】
ステップＳ１０では上記した（ｍ）乃至（ｐ）、（ｗ）乃至（ｙ）のＤＢに基づいて仮感覚神経波形ＤＢを生成するとともに、既に作成されている身体構造ＤＢから体格データを得る。これによって体格データと仮感覚神経波形ＤＢとの組み合わせが出来上るので、対象者の数が増えるに従ってこれらのデータを蓄積することができる。
【０２６３】
次ステップＳ１１では対象者の体格データに近似した体格データを仮感覚神経波形ＤＢに基づいて複数（例えば、３つ）選び出して、次ステップＳ１２に進み、ここで仮感覚神経波形ＤＢについての平均化補正（単純平均方や加重平均法等。）を行う。
【０２６４】
ステップＳ１３では感覚神経波形ＤＢを作成する。つまり、ステップＳ９から本ステップに到達した場合には仮感覚神経波形ＤＢがそのまま感覚神経波形ＤＢとなるが、ステップＳ１２から本ステップに到達した場合には平均化補正後の仮感覚神経波形ＤＢが感覚神経波形ＤＢとなる。そして、ステップＳＰ１で取得されている対象者の３次元データに基づいてステップＳＰ２では、運動ワイヤーフレームＤＢ及び運動重心位置ＤＢを作成するとともに、これと身体構造ＤＢとを併せて感覚神経波形ＤＢにリンクする。
【０２６５】
以上により、対象者（健常者）についての人体構造モデルを作成することができるが、運動神経疾患等の医療分野において患者の人体構造モデルを作成してこれを活用するとさらに有益である。
【０２６６】
図５８は神経対神経の接続についての概念的な説明図である。
【０２６７】
同図は神経切断の場合における中枢神経と末端神経との接続例を示しており、中枢神経側に位置する神経の切断部が一方の神経接続装置４５に接続され、また、末端神経側に位置する神経の切断部が他方の神経接続装置４６に接続されている。尚、両神経接続装置の間は、これを電線で結ぶよりも光通信や無線通信等によって信号伝送を行うことができるように接続することが好ましい。
【０２６８】
また、「神経接続装置」とは、神経に接続して信号を取り出したり、あるいは神経に電気信号を供給するための神経接続素子を有する装置を意味する。
【０２６９】
図５９は神経接続素子４７の基本構成例を示すものであり、入出力ポート４８、アナログ入力バッファ４９、アナログ出力バッファ５０、制御信号端子部５１、５２、そして入力端子部５３、出力端子部５４を備えている。
【０２７０】
神経に接続される入出力（Ｉ／Ｏ）ポート４８は、神経信号を一次情報として取り込んだり、あるいは電気信号を神経に伝える役割を持っている。
【０２７１】
アナログ入力バッファ４９は、その入力端子が入出力ポート４８に接続され、また、その出力端子が出力端子部５４に接続されている。尚、アナログ入力バッファ４９は入出力ポート４８側に設けられたインピーダンス変換部４９ａと、その後段に位置するアンプ４９ｂとから構成され、制御信号端子部５１からアンプ４９ｂに送出される制御信号によってゲートの開閉が制御される。そして、アンプ４９ｂの出力信号が、アナログ入力バッファ４９の出力信号を取り出すための出力端子部５４に送出される。
【０２７２】
アナログ出力バッファ５０は、その入力端子が入力端子部５３に接続され、また、その出力端子が入出力ポート４８に接続されている。尚、アナログ出力バッファ５０は入出力ポート４８側に設けられたインピーダンス変換部５０ａと、その前段に位置するアンプ５０ｂとから構成され、制御信号端子部５２からアンプ５０ｂに送出される制御信号によってゲートの開閉が制御される。そして、アナログ出力バッファ５０に入力信号を供給するための入力端子部５３への供給信号がアンプ５０ｂに入力される。
【０２７３】
尚、インピーダンス変換部４９ａ、５０ａは神経と電気回路との間でインピーダンスの整合をとるための回路である。
【０２７４】
この神経接続素子４７ではアナログ入力バッファ４９とアナログ出力バッファ５０の両方を有しているが、場合によってはこれらのいずれか一方だけを設けても良い。また、各バッファ等の構造については集積化に適した構造であればその如何は問わない。
【０２７５】
制御信号端子部５１、５２は、アナログ入力バッファ４９やアナログ出力バッファ５０を制御するための制御信号を各別に供給するが、これらの制御信号端子部を一個にして信号の切換手段を介してアナログ入力バッファ４９又はアナログ出力バッファ５０に選択的に制御信号を送出する構成を用いることもできる。
【０２７６】
しかして、上記神経接続素子４７においては、制御信号端子部５１からアナログ入力バッファ４９に供給される制御信号によって、入出力ポート４８からアナログ入力バッファ４９を介して出力端子部５４に信号を出力するか否かが規定される。また、制御信号端子部５２からアナログ出力バッファ５０に供給される制御信号によって、入力端子部５３からアナログ出力バッファ５０を介して入出力ポート４８に信号を出力するか否かが規定される。
【０２７７】
例えば、入出力ポート４８が運動神経に接続されている場合に、入力端子部５３を介して電気信号をアナログ出力バッファ５０のアンプ５０ｂに入力するとともに、制御信号端子部５２からアンプ５０ｂに送出される制御信号によってアンプ５０ｂの出力がインピーダンス変換部５０ａに伝達されることが許可され、入出力ポート４８を介して運動神経に信号が伝達される。尚、その際には、アナログ入力バッファ４９が機能しないように制御信号端子部５１からアンプ４９ｂに制御信号を送出することによりインピーダンス変換部４９ａから出力端子部５４への信号伝達が禁止されるようにしておく必要がある。
【０２７８】
入出力ポートと神経との接続については、神経の構造を考慮して入出力ポートの構造や材質等を決定する必要がある。
【０２７９】
神経の構造を簡単に説明すると、神経細胞の構成単位であるニューロン（ｎｅｕｒｏｎ）が細胞体、樹状突起、軸索で構成されており、軸索の髄鞘の有無によって神経繊維が有髄繊維と無髄繊維とに区別される。
【０２８０】
そして、髄鞘は、例えば、中枢神経ではオリゴデンドログリア（ｏｌｉｇｏｄｅｎｄｒｏｇｌｉａ）が軸索に幾重にも巻き付き、また末梢神経ではシュワン細胞（Ｓｃｈｗａｎｎ ｃｅｌｌ）が軸索に幾重にも巻き付いたものであり、電気抵抗が高く、軸索を周囲から電気的に絶縁している。また、髄鞘のくびれた箇所はランビエの絞輪（ｎｏｄｅ ｏｆ Ｒａｎｖｉｅｒ）と呼ばれ、電気抵抗が低いため、ここに電気が流れる。
【０２８１】
つまり、神経繊維の興奮はランビエの絞輪の部分で起こり、該興奮が絞輪から絞輪へと伝導し（これを跳躍伝導と称する。）、また髄鞘の存在によってその伝達速度が飛躍的に増大する。そして、伝導則には、隔絶伝導（ある神経繊維の興奮が隣接神経には伝導しない。）、両方向性伝導（神経繊維の一点で興奮が起きたときに、該興奮が中枢側（細胞体側）と末梢側の両方向に伝わる。）、不減衰伝導（活動電位の大きさが一定であり、減衰しない。）、等速伝導（神経繊維の径が一定であれば伝導速度が一定である。）が挙げられる。
【０２８２】
そこで、これらの事項を踏まえた上で、多数の神経接続素子を一つのウェハー上に配列させる。例えば、図６０に示す神経接続装置５５においては、これを構成するＩＣ基板５６上に多数の神経接続素子が設けられており、これらの入出力ポート４８、４８、・・・が平面的に配列されている。尚、図６０は入出力ポート４８、４８、・・・が設けられたＩＣ基板５６の面に神経の切断部５７が接合された様子を概略的に示しており、ＩＣ基板５６の周縁及び神経束皮膜５８の外周縁がネット５９によって覆われることで装置と神経とが物理的に結合されている。また、同図におい軸索６０の周囲の部分６１が髄鞘を示しており、髄鞘のくびれた部分がランビエの絞輪（例えば、破線の円６２内に示す。）を示している。
【０２８３】
図６０において実線の円内に示す軸索との接合部６３の要部を、接合面に直交する方向から見て拡大したものが図６１に示す概略図である。
【０２８４】
同図において６角形状をしたものがそれぞれ入出力ポートであり、微細なハニカム構造とされている。そして、神経接合面に直交する方向から見た各神経接続素子の入出力ポート４８、４８、・・・は、髄鞘との物理的な癒着が容易な絶縁体で形成された仕切部６４、６４、・・・によって仕切られている。
【０２８５】
図６２（Ａ）は入出力ポート４８の断面構造を概略的に示したものであり、半導体基板（シリコン基板等）６５上には絶縁層６６ａ（例えば、酸化シリコン等）と導電層６６ｂが形成されるとともに、これらの上層にハニカム構造体を構成する仕切部６４が形成されている。
【０２８６】
そして、仕切部６４によって囲まれた部分には、ナトリウムイオンやカリウムイオン等を吸着させるためのイオン吸着材６７（例えば、水素吸蔵合金等。）が設けられており、仕切部６４及びイオン吸着材６７の表面には、ナトリウムイオンやカリウムイオン等を選択的に透過させる選別手段６８（選択透過膜等のセパレータ。）が設けられている。
【０２８７】
これによって、選別手段６８を通して特定のイオンがイオン吸着材６７に吸着された後導電層６６ｂに到達することになるので、神経切断部が導電層（金属材料等）に直接触れる構成を用いる場合のように金属アレルギー反応等を伴うといった不都合を防ぐことができる。尚、イオンが出ない時には上記イオン吸着材６７を導電ポリマーとすることで同様に金属アレルギー反応等を防ぐことができる。
【０２８８】
選別手段６８は、例えば、メッシュ６８ａ（例えば、セラニーズ社製の「セルガード」（商標）等。）及び該メッシュ６８ａの表層に設けられた蛋白質接着剤６８ｂ（シュワン細胞やオリゴデンドログリア等の電気抵抗が高い部分との結合を図り、他神経との接続部の信号と重複しないようにするためのもの。）によって構成されており、表面から上記イオン吸着材６７に達する微細孔６８ｃ、６８ｃ、・・・が形成されている。
【０２８９】
尚、仕切部６４について微細なハニカム構造を得るには、例えば、電子ビーム露光技術や陽極酸化技術等を用いれば良い。
【０２９０】
また、イオン吸着材６７を必要としない場合には、例えば、図６２（Ｂ）に示すように、絶縁層６６ａ及び導電層６６ｂの上層に上記選別手段６８を設け、微細孔６８ｃ、６８ｃ、・・・からイオンが導電層６６ｂにそのまま到達する構造を用いることができ、これによって構成の簡単化を図ることができる。このような構造は、例えば、神経の実験等に使用することができる。
【０２９１】
図６１に示す２つの同心円６９、７０のうち小さい方の円６９の内部が軸索に対応する領域を表しており、該円６９と大円７０との間の領域がランビエの絞輪に対応する部分を表している。
【０２９２】
尚、各入出力ポートの外径はランビエの絞輪の厚みより小さくされている。また、入出力ポートの形状については上記ＩＣ基板５６の面上を隙間なく埋めつくすことができれば如何なる形状であっても良いが、接続面積や強度等の観点からは６角形が好ましい。
【０２９３】
図６３乃至図６５は入出力ポートと軸索との接続関係についての設定を変化させた例を示したものである。尚、これらの図において、各ポート内に記した「ｉｎＸ」は識別番号Ｘの入出力ポートが入力ポートであること、また、「ｏｕｔＸ」は識別番号Ｘの入出力ポートが出力ポートであることをそれぞれ示しており（「ｏｕｔ」は入出力ポートが出力ポートであることを単に示す。）、「ＨＺ」は入出力ポートと軸索とが高インピーダンスで結合していることを示している。
【０２９４】
図６３では円６９の中心に位置する入出力ポート７１が出力ポートとして機能し、また、該ポートの周囲に位置する６個の入出力ポート７２、７２、・・・が入力ポートとして機能するように、各制御信号端子部に信号が送出される。従って、この場合には軸索の中心部に電気信号を供給したり、その周囲の神経信号を取得することができる。
【０２９５】
また、図６４に示す例では、円６９の中心に位置する「ＨＺ」のポート７３の周囲に６個の出力ポート７４、７４、・・・が配置され、さらにその周囲に１２個の入力ポート７５、７５、・・・が配置されている。従って、この場合には円６９のすぐ内側の軸索に電気信号を供給したり、円６９のすぐ外側の部分から神経信号を取得することができる。
【０２９６】
図６５に示す例では、円６９内に位置する７個のポート７６、７６、・・・（ＨＺ）の周囲に１２個の出力ポート７７、７７、・・・が配置され、さらにその周囲に１８個の入力ポート７８、７８、・・・が配置されている。従って、この場合には円６９の外側近辺の軸索に電気信号を供給したり、その周囲の部分から神経信号を取得することができる。
【０２９７】
このように、多数の神経接続素子を基板上に配列するとともに、各神経接続素子の入出力ポートが、制御信号端子部に供給する信号に応じて入力ポート又は出力ポートとして選択的に指定されるように構成すると、ポートの配置を自由に組み換えることができるので径や形状等の異なる各種の神経への接合に対応することができる。
【０２９８】
尚、図６０に示す神経接続装置５５への信号の供給あるいは神経接続装置５５から別の神経接続装置等への信号伝送については、光ファイバーケーブル７９を用いて有線方式とするかあるいは無線伝送を用いることが好ましい。
【０２９９】
上記神経接続装置５５を使用する場合には、中枢神経部のウォーラー（Ｗａｌｌｅｒ）変性が発生した後における信号線名（神経名）が把握された神経（髄鞘で囲まれた神経繊維の軸索断面における神経）と入出力ポートとを接触させて、入出力ポートの仕切部と髄鞘との間には絶縁結合を誘発させ、選別手段の表面と髄鞘との間には物理的結合を誘発させる。
【０３００】
また、入出力ポートと神経切断面との接合時において、医療用接着剤を使用する場合には、該接着剤によって選別手段６８の微細孔６８ｃが閉塞されないように注意する必要がある（例えば、図６２において選別手段６８の表層に医療用接着剤を塗布した後、メッシュ６８ａを引き延ばして微細孔６８ｃの開口を確保する等。）。
【０３０１】
ところで、上記神経接続装置５５に接続される神経の形態は多種多様であるので、当該神経に対してポートの配置（入力ポートや出力ポート等の選択）を適切に規定する必要がある。
【０３０２】
そこで、例えば、図６６の神経接続装置５５Ａに示すように、上記神経接続素子４７に接続される制御部８０としては、各神経接続素子４７の入力端子部５３、出力端子部５４、制御信号端子部５１、５２にそれぞれ接続される接続端子部（８１乃至８４）を設けるとともに、神経接続素子４７と神経との間の絶縁状態又はインピーダンスを検出するための絶縁／インピーダンス認識部８５と、神経接続素子４７の出力端子部５４に接続された接続端子部８１を介して取得した信号を認識するための神経パルス認識部８７と、神経パルスの擬似信号を発生させてこれを神経接続素子４７の入力端子部５３に送出する神経パルス発生部９１とを設ける。
【０３０３】
そして、神経接続素子４７の制御信号端子部５１、５２に制御信号を送出して当該神経接続素子４７の入出力ポート４８の機能を入力ポート又は出力ポートとして設定するとともに、ポートの設定状態を記憶するための接続パターン設定／記憶部９４を設ける。
【０３０４】
制御部８０は、上記神経接続素子４７の入力端子部５３や出力端子部５４、制御信号端子部５１、５２にそれぞれ接続するための接続端子部（８１乃至８４）を有しており、互いに対応関係にある端子部同士がＦＰＧＡ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙの略）配線によって接続されている。尚、図６６では説明の簡単化を図るために神経接続素子の１つだけを取り出して制御部８０との接続関係を代表して示している（実際には後述する部分８０ａをＩＣ回路内に多数形成しておき、使用する部分８０ａの数や位置を接続対象となる神経数に応じて設定して、これらの部分と、図５９に示す構成の神経接続素子４７のうち各神経に接続されているものとをそれぞれＦＰＧＡ配線で接続する。）。
【０３０５】
上記したように神経接続素子４７は神経から信号を取得する経路と、神経に信号を送出する経路とを有しているので、先ず、前者について説明する。
【０３０６】
図示するように、神経接続素子４７の出力端子部５４は、接続端子部８１に接続されており、該接続端子部８１が絶縁／インピーダンス認識部８５を介してＡ（アナログ）−Ｄ（ディジタル）変換部８６に接続されている。尚、絶縁／インピーダンス認識部８５は、神経と神経接続素子との間が電気的絶縁状態であるか否か及び両者間のインピーダンスを把握するために設けられている。
【０３０７】
Ａ−Ｄ変換部８６の出力信号は、神経パルス認識部８７に送出されて神経パルスの形状、伝導速度、種別等が判別される。そして、神経パルス認識部８７の出力信号は外部出力インターフェース部８８を介して外部装置８９に送出される。尚、外部装置８９には、例えば、義肢の駆動装置や、神経情報をデータベース化して管理する装置等が挙げられる。
【０３０８】
神経に信号を送出する経路については、外部装置８９の発する信号が外部入力インターフェース部９０を介して神経パルス発生部９１に送出される。該神経パルス発生部９１は神経信号の擬似信号を生成してこれをＤ（ディジタル）−Ａ（アナログ）変換部９２を経た後ドライブバッファ９３に送出する。そして、該ドライブバッファ９３の出力信号が接続端子部８２から神経接続素子４７の入力端子部５３に送出される。
【０３０９】
神経接続素子４７の制御信号端子部５１、５２にそれぞれ接続された接続端子部８３、８４には接続パターン設定／記憶部９４からの制御信号が送出される。該接続パターン設定／記憶部９４は、各神経接続素子４７の制御信号端子部５１、５２に制御信号を送出することによって入出力ポートの機能を決定し、決定後における各ポートの配置状態を記憶する。
【０３１０】
尚、図６６に破線の四角形枠で囲んで示す部分８０ａを１つのセル内に収めるとともにこれを複数設けて各神経接続素子にそれぞれ接続し、接続パターン設定／記憶部９４についてはこれを１個にして各神経接続素子の設定状態を集中的に管理することが好ましい。また、上記神経接続装置５５Ａはコンピュータ等の計算手段を用いて構成することができ、例えば、接続パターン設定／記憶部９４の処理内容は制御プログラム９５により記述することができる。
【０３１１】
上記神経接続装置５５Ａを、例えば、中枢側の運動神経に対して使用する場合には、接続パターン設定／記憶部９４によって各神経接続素子４７の入出力ポート４８が入力ポートとして機能するように設定した後、運動神経から発生した電気信号をＡ−Ｄ変換部８６でディジタル化した後データを外部装置８９に伝達する。
【０３１２】
また、この装置５５Ａを末端側の運動神経に対して使用する場合には、接続パターン設定／記憶部９４によって各神経接続素子４７の入出力ポート４８が出力ポートとして機能するように設定した後、神経パルス発生部９１からの電気信号をＤ−Ａ変換部９２でアナログ信号に変換して運動神経に伝達する。
【０３１３】
そして、この装置５５Ａを感覚神経に対して使用する場合には、中枢側の神経接続素子の入出力ポートを出力ポートとして機能させ、末端側の神経接続素子の入出力ポートを入力ポートとして機能させるようにポートの設定を行えば良い。
【０３１４】
上記神経接続装置５５Ａに接続される実際の神経切断面における神経は、多数の神経が集積された神経群として存在するため、単独の神経を取り出して装置に接合することは困難である。
【０３１５】
従って、神経切断面において不規則に配列された神経群の種別を詳細に把握する必要があるので、以下では神経種別の認識及び入出力ポートの設定処理例を図６７乃至図７０のフローチャート図に従って説明する。
【０３１６】
先ず、図６７のステップＳ１では数ある神経接続素子の中からある素子を選択した後、次ステップＳ２では前ステップで選んだ神経接続素子の入出力ポートが出力ポートとして機能するように仮設定を行う。例えば、図６３に示すように入出力ポート７１を出力ポートに設定する。
【０３１７】
そして、次ステップＳ３では、前ステップＳ２で選択した入出力ポートの周囲に位置する入出力ポートが入力ポートとして機能するように仮設定を行う。例えば、図６３に示す例では入出力ポート７１の周囲の入出力ポート７２、７２、・・・を入力ポートに設定する。
【０３１８】
ステップＳ４では出力ポートに加えるテスト電流の種類を直流電流と交流電流の２種類に区別し、テスト電流を直流電流とする場合にはステップＳ５に進んで出力ポートに対して直流電流の供給を試みた後ステップＳ７に進む。また、テスト電流を交流電流とする場合にはステップＳ６に進んで出力ポートに対して交流電流の供給を試みた後ステップＳ７に進む。
【０３１９】
ステップＳ７では、ステップＳ３で設定した全ての入力ポートについて高インピーダンスかつ高インダクタンスであるという認識結果が上記絶縁／インピーダンス認識部８５によって得られるか否かを判断する。そして、当該認識結果が得られた場合には図６８のステップＳ１０に進み、そうでなければステップＳ８に進む。
【０３２０】
ステップＳ８では前ステップＳ７で導通状態又は低インダクタンスと判断された部分に対して高インピーダンスかつ高インダクタンスとなるまでテスト領域を拡大する（例えば、図６４や図６５に示すポート（ＨＺ）７３、７６を参照。）。
【０３２１】
そして、図６８に示す次ステップＳ９で全ての入力ポートについて高インピーダンスかつ高インダクタンスであるという認識結果が得られるか否かを判断する。そして、当該認識結果が得られればステップＳ１０に進み、そうでなければ図６７のステップＳ８に戻る。
【０３２２】
ステップＳ１０では、髄鞘との接続領域に関する地図（以下、「髄鞘接続領域地図」という。）を仮作成する。つまり、入出力ポートと髄鞘との接続関係を識別するための情報を地図データとして得る。
【０３２３】
次ステップＳ１１ではこれまで行ってきたテストを終了して入出力ポートの設定状態を記憶した後、次ステップＳ１２では神経接続装置の全ての入出力ポートについて上記のテストが終了したか否かを問い、終了した場合にはステップＳ１３に進んで作成済の髄鞘接続領域地図を確定する。また、テストが未終了の場合にはステップＳ１４に進んで未だテストを終えていないポートを選択した後、図６７のステップＳ２に戻る。尚、ステップＳ１４におけるポートの選択や、図６７のステップＳ２、Ｓ３でのポートの設定はステップＳ１１での記憶情報を参照して行われる。
【０３２４】
ステップＳ１５では神経の切断面での神経信号の認識を開始し、図６９に示す次ステップＳ１６では入力ポートから得られる神経信号に基づいて入出力ポートのうち下記の２通りの領域に対応するものを抽出する。
【０３２５】
（Ａ）導通領域及び低インダクタンス領域
（Ｂ）非導通領域で囲まれた領域及び高インダクタンス領域で囲まれた領域
そして、次ステップＳ１７では前ステップＳ１６の領域の形状がほぼ円形状をしているか否かを判断し、そうであればステップＳ２１に進み、そうでなければステップＳ１８に進む。
【０３２６】
ステップＳ１８ではステップＳ１６の領域の形状がほぼ瓢箪形をしているか否かを判断し、そうであればステップＳ１９に進み、そうでなければステップＳ２０に進む。
【０３２７】
ステップＳ１９では瓢箪形をした領域を複数の円形領域に再分割した後、ステップＳ２１に進む。また、ステップＳ２０では対象領域を髄鞘領域から除外した後ステップＳ２１に進む。
【０３２８】
尚、ステップＳ１８やＳ１９については、入出力ポートの大きさが充分に小さい場合には不要であり、このときにはステップＳ１７で領域の形状がほぼ円形状をしていないと判断されたときにステップＳ２０に進むことになる。
【０３２９】
ステップＳ２１では対象領域を髄鞘領域と判断してこれに識別番号を割り当てた後、図７０に示す次ステップＳ２２では当該髄鞘領域に対して使用される入出力ポートの番号（各ポートに予め付されている識別番号）を把握し、これらの番号の組みと髄鞘領域に付した識別番号とを関連付け、これを記憶する。尚、その際の入出力ポートについては、髄鞘領域の中央部に位置する一定数のポートに限られる。
【０３３０】
次ステップＳ２３では、上記ステップＳ２１の髄鞘領域に対して使用されている入出力ポートの数をカウントした後、ステップＳ２４に進んで当該髄鞘領域の面積を推定する。
【０３３１】
そして、ステップＳ２５において髄鞘領域のデータをその面積順に並べ替える。例えば、面積の大きい順に髄鞘領域の識別番号をインデックスとしてソーティング処理を行う。
【０３３２】
次ステップＳ２６では髄鞘領域の識別番号に対して神経種別の情報を関連付けする。その際には、神経情報に関する既存のデータベースを用いるとともに、神経切断面における髄鞘の種類や本数等を認識し、下表（医学書から抜粋したもの）等を参照しながら神経種別の情報を選定する。
【０３３３】
【表４】

【０３３４】
【表５】

【０３３５】
尚、表４は神経種別とのその関連情報を示したものであり、また、表５は神経種別と受容器との対応関係を示したものである。
【０３３６】
髄鞘領域の面積によってはこれに割り当てる神経種別情報が重複する場合が生じるが、入出力ポートを出力ポートとして指定する種別情報を優先させることが好ましい。但し、他の種別情報を切り捨てるのではなく、次の候補として残しておき、後発的な事態に対して優先順位を変更することができるように配慮することが望ましい。
【０３３７】
ステップＳ２７では各神経接続素子についての入出力ポートを仮に設定した後、ステップＳ２８で制御プログラム９５を仮作成する。
【０３３８】
以上の手順に従って、例えば、図６３乃至図６５に示すように軸索との結合部における入出力ポートの接続パターンを変化させていくことで当面のポート配置を決めることができる。つまり、図６３乃至図６５が神経接続素子の入出力ポートと髄鞘との接続位置を検出するための検出パターンを示す図であると考えれば良い。
【０３３９】
前記した図５８では神経対神経の接続例について説明したが、これに限らず、例えば、図７１に示す接続例を挙げることができる。
【０３４０】
図７１は脳性麻痺（下半身不随等）の場合における中枢神経と末端神経との接続例を示しており、中枢神経側に位置する神経が神経接続装置９６に接続されている。また、末端神経側に位置する神経の一方（例えば、手部の神経）が神経接続装置９７に接続され、他方の神経（例えば、背骨より下の下半身にかけての神経）が神経接続装置９８に接続されいる。
【０３４１】
そして、神経接続装置９６、９７、９８は切換部９９に接続されるとともに、該切換部９９は選択制御部１００からの制御信号によって、神経接続装置９６を、神経接続装置９７又は９８に選択的に接続するために設けられている。
【０３４２】
図７２は手の神経信号を代用して下肢を動かす場合において関節の対応関係を示すものであり、右手における第２指（人差し指）の第１関節１０１が左足首の関節に、第２指の第２関節１０２が左脚の膝関節に、第２指の第３関節１０３が左脚の股関節にそれぞれ対応している。そして、右手における第３指の第１関節１０４が右足首の関節に、第３指の第２関節１０５が右脚の膝関節に、第３指の第３関節１０６が右脚の股関節にそれぞれ対応しており、右手首の関節１０７が腰関節に対応している。
【０３４３】
図７１において、選択制御部１００から切換部９９に送出される制御信号により信号切換が行われ、例えば、神経接続装置９６と神経接続装置９８とが接続されると、本来は手部の神経に伝達されるべき信号が下半身に伝達されるためこれを動かすことができる（この場合、下半身の神経や体の機能等に損傷はないから。）。
【０３４４】
また、図７３は体内に埋め込まれて用いられる義肢（破線の四角形枠は皮膚を表している。）の接続例を示すものであり、神経接続装置１０８が中枢神経側に位置する神経に接続されるとともに、神経接続装置１０９を介して信号変換器１１０に接続され、かつ他の末端神経に接続されている。
【０３４５】
信号変換器１１０は、義肢の駆動装置及び人工触覚器（圧力や熱等をセンサによって感知する装置）１１１に接続されており、神経接続装置１０９からの信号を受けてこれに対応する制御信号を駆動装置に送出して義肢を動かしたり、あるいは、人工触覚器で得た感覚信号を神経信号に変換して神経接続装置１０９に送出するものである。
【０３４６】
図７４は体外で用いられる義肢の接続例を示すものであり、神経接続装置１１２が中枢神経側に位置する神経に接続されるとともに、神経接続装置１１３を介して信号変換器１１４に接続され、かつ他の末端神経に接続されている。そして、信号変換器１１４は、義肢の駆動装置及び人工触覚器（圧力や熱等をセンサによって感知する装置）１１５に接続されている。尚、この例では、神経接続装置１１２、１１３が破線の四角形枠で示す皮膚内に設けられ、信号変換器１１４や、義肢の駆動装置及び人工触覚器１１５が体外に付設される。
【０３４７】
上記した神経接続例において、神経接続装置間の信号伝達あるいは神経接続装置と信号変換器との間の信号伝送が、対象者の疾患前の状態と全く等価な状態で行われるのであれば何の問題はないが、義肢等を接続した当初から本人の意思通りに動くことはまずあり得ないため、失われた機能を回復するためには、疾患前と等価な状態を再現して機能を補完するための調整がリハビリテーションにとって必要となる。ところが、これを試行錯誤で行っていたのでは当人が義肢等をある程度思うように動かせるようになるまでにはかなりの時間を要することになる。そこで、本人の人体構造モデル若しくは本人の体型形データに最も近似する人体構造モデルを用いて、神経波の伝達に関する情報（波形の形状や歪み、ディレイ量等）を推定することにより、調整時間の短縮化を図ることが可能となる。
【０３４８】
図７５及び図７６は、義肢等を要する運動神経疾患において運動神経及び触覚神経に関する神経信号の擬似信号を生成する処理や、脳疾患や神経破断等による運動神経疾患において運動神経及び触覚神経の信号を補完するための処理を示すフローチャート図である。
【０３４９】
先ず、図７５のステップＳ１において、上記した神経接続法によって神経と神経との間、あるいは神経と義肢等との接続を行う。尚、神経接続装置間や神経接続装置と信号変換器との間を光ケーブルで接続する場合には該光ケーブルを張り巡らす際のテンションを考慮する必要がある。例えば、末端部と中枢部の神経に関して上腕の場合には関節の駆動によって数十ｍｍの収縮が生じるため、神経接続装置と光ケーブルとの間で応力が集中する虞がある。よって、このような場合には、光ケーブルに弛みを持たせたり、あるいは収縮性の良好な材料で光ケーブルを作成し、あるいは光ケーブルを螺旋巻きにしてコイル状とする等、弾性化の加工を行うことが望ましい。また、神経の収縮は一般に関節の周辺部で顕著に発生するので、関節部やその周辺の対偶に対して充分な弾性化加工を行うことが望ましい。
【０３５０】
次ステップＳ２では、感覚神経と神経接合部（上記神経接続素子が接続された部位）との間における神経接続の出力パターン設定（出力ポートの設定）を、上記感覚神経波形ＤＢを参照して行う。即ち、末端神経波形（擬似信号）をディジタル波形若しくはアナログ波形として出力した後、感覚強度に応じてその出力波形の周期を変更する。尚、感覚強度と周期とは反比例の関係を有しているので、周期の変更には同期クロック信号を変更する方法又は波形出力のタイミングを変更する方法を用いる。
【０３５１】
そして、感覚神経の反応部と神経の切断面との距離に基づき波形にディレイ量（遅延時間）を付与する。尚、ディレイ量は信号伝達に要する距離、神経の太さや種類等によって決まる。また、ディレイ量の付与の仕方については、これを各触覚部の信号出力時に設ける方法や各触覚部の出力情報に対して触覚部の位置を考慮したディレイ量を神経接合部において付与する方法等が挙げられる。
【０３５２】
ステップＳ３は、図７１、図７２に示したように他の部位の神経信号を利用する場合における信号補完処理であり、上記感覚神経波形ＤＢを参照して行われる。例えば、他の部位の感覚神経と、補完したい感覚神経とを仮に接続した後、前述したような加圧・加熱試験を行うことによって対象者の感覚を把握する。そして、感覚の最大値を取得し、これと感覚神経波形ＤＢからのデータとを比較し、両者間の差異を求め、これに基づいて上記補正感覚神経波形ＤＢを生成若しくは再生成する。図５５に示したように、感覚神経波形ＤＢは補正感覚神経波形ＤＢによるフィードバックを受け、新たな感覚神経波形ＤＢが生成されるため、これから得られるデータと対象者の感覚の最大値とをさらに比較するといった手続を繰り返していくことによってモデル誤差が最終的には許容範囲内に収束していくことになる。
【０３５３】
ステップＳ４は感覚神経強度について認識する工程であり、上記感覚神経波形ＤＢを参照して行われる。例えば、指先等のように最大の感覚感度を有する部位毎に、あるいは、各感覚認識部や各対偶の感覚認識部毎に加圧・加熱試験を行ったり、感覚器等の神経接続領域毎に加圧・加熱試験を行って対象者の感覚を把握する。そして、前ステップの場合と同様に感覚最大値を取得して、これと感覚神経波形ＤＢからのデータとを比較し、両者間の差異を求め、これに基づいて上記補正感覚神経波形ＤＢの生成若しくは再生成を繰り返すことでモデル誤差が低減され、信号補完がより確実なものとなる。
【０３５４】
ステップＳ５及びＳ６は運動神経等に係る擬似信号の生成に関する処理であり、ステップＳ５では運動神経と義肢の駆動部との間の神経波形の把握や制御パターン設定（入出力ポート設定）を、上記運動神経波形ＤＢを参照しながら行う。即ち、先ず、末端神経波形をディジタル波形として取得してこれを認識する。これには検出波（アナログ波形）を逐次にＡ−Ｄ変換する方法の他、検出波のレベルが所定の閾値を越えた区間についてのみ信号の量子化を行う方法等が挙げられる。その後、運動の強度によって変化する神経波の周期を取得する。尚、運動の強度と周期とは反比例の関係があるので、周期の取得にあたっては検出波のレベルが所定の閾値を越えた区間における間隔として取得する。それから運動神経の反応部と神経の切断面との距離に基づき波形にディレイ量を付与する。尚、ディレイ量の付与の仕方については、これを各神経接合部に対して設けることでその信号出力のタイミングを規定する方法や各駆動部の出力情報に対して当該駆動部の位置を考慮したディレイ量を駆動部に付与する方法等が挙げられる。
【０３５５】
ステップＳ６は運動神経強度について認識する工程であり、上記運動神経波形ＤＢを参照して行われる。
【０３５６】
図７６は処理例を示すフローチャート図であり、先ず、ステップＳ１において上記した３次元データの取得方法に必要な装備を設置した後、ステップＳ２に進む。
【０３５７】
ステップＳ２の段階では未だ義肢を接続せずに、対象者の運動神経波についてモニタリングを行う。尚、その際には感覚神経による影響を極力低減するために、例えば、アイマスクによる目隠しあるいは対象者の頭部に取り付けたヘッドマウントディスプレイ（所望の画像を特定者の視野内だけに映し出す表示装置であり、図７７に示す装置１１６を参照。）の画面を暗黒にする等の処置を講じる。
【０３５８】
そして、ステップＳ３では対象者に各関節について最大量（角度）での継続的運動を実行してもらう。尚、図７１及び図７２に示したように他の部位の神経信号を利用する場合には、当該部位（例えば、手部）の関節毎に最大限度での継続的運動を実行する。
【０３５９】
ステップＳ４では、事前に記録しておいた関節運動の動画像を、対象者の頭部に取り付けたヘッドマウントディスプレイ上に対象者の実画像データと重ねて表示（立体表示等。）し、対象者には当該運動を知覚認識した通りのイメージでこの運動を模倣してもらう。尚、このときの運動について対象者の３次元データを取得する。
【０３６０】
例えば、図７７の下方に図示するように、右手首の切断という疾患を有する対象者がヘッドマウントディスプレイで見たときの自己の上肢の実画像ＲＡに対して、３次元グラフィックで表示した右手首から先の部分の仮想的映像ＶＨを重ね、右腕の動きに動きに合わせて当該仮想的映像を動かすことによって、対象者に運動を知覚認識してもらうことで仮想現実感を得る方法が挙げられる。
【０３６１】
ステップＳ５では対象者の運動（義肢なし）が安定して運動神経波形が一定のパターンを示すまでになったか否かを判断し、なっていればステップＳ６に進み、そうでなければステップＳ４に戻って運動を繰り返す。
【０３６２】
ステップＳ６では運動神経波形についての補正（最大値補正）処理を行う。即ち、上記したように人体構造モデルでは運動神経波形ＤＢと運動ワイヤーフレームＤＢ等とがリンクされるので、対象者について作成されている人体構造モデルに基づいて、その運動神経波形ＤＢによるデータとステップＳ４で得た対象者の３次元データとから、関節の最大運動時における神経波形の推定値を得ることができる。そして、これと実際の神経波形との差異を求める処理を何回か行うことより上記補正運動神経波形ＤＢを生成若しくは再生成する。
【０３６３】
ステップＳ７では、図７３や図７４に示したように神経接続を行い、対象者に義肢を接続する。
【０３６４】
そして、次ステップＳ８では上記ステップＳ４と同様の運動を行ってもらい、当該運動に関して対象者の３次元データを取得する。
【０３６５】
ステップＳ９では、運動神経波形ＤＢから得られるデータと、実際に義肢を装着した状態でのデータとの間の相違を補正するために、補正運動神経波形ＤＢを再生成する。例えば、対象者が関節を９０°の角度をもって曲げようとしているにも関らず、実際には、７０°程度しか曲がっていないとすると、この２０°の差異をゼロに近づけるための補正データを補正運動神経波形ＤＢに反映させる。
【０３６６】
ステップＳ１０では、対象者に各関節毎に速度変化を伴う運動を実行してもらい、次ステップＳ１１では、対象者のヘッドマウントディスプレイ上に予め用意した各関節動作の運動に関する動画像を表示し、対象者にはこれを見ながら当該運動を模倣してもらい、次ステップＳ１２で反応速度に関するデータ補正を行う。その方法はステップＳ９の場合と同様であるが、本ステップでは運動の速度に関心があるために、対象者がヘッドマウントディスプレイ上に示された運動速度をもって義肢を動かすことができるか否か、つまり、速度差をゼロに近づけるための補正データを補正運動神経波形ＤＢに反映させる。
【０３６７】
以上のように補正運動神経波形ＤＢはステップＳ９やＳ１２において再生成（データ更新）されることになるが、図５２に示したように、運動神経波形ＤＢは補正運動神経波形ＤＢによるフィードバックを受け、新たな運動神経波形ＤＢが生成されるため、これから得られるデータと対象者の運動神経についての推定値とをさらに比較するといった手続を繰り返していくことによってモデル誤差が最終的には許容範囲内に収束していくことになり、対象者のほぼ思い通りに義肢を操ることができるようになる。最終的に確定した運動神経波形ＤＢのデータを図７３や図７４の信号変換部１１０、１１４に組み込んで信号伝達を制御することで、対象者は現時点での最良と思われる義肢の駆動制御を手に入れることができる。勿論、その後に何等かの不具合が生じた場合あるいは改良された義肢に取り換える場合等において、対象者の人体構造モデルをその都度更新したり、モデル精度を高めていくことができる。
【０３６８】
尚、図７５のステップＳ２やＳ５に関して上記神経接続装置における入出力ポートの設定や制御プログラム９５を確定するにあたっては、例えば、図７７に示すように対象者ＴＧにヘッドマウントディスプレイ１１６を装着するとともに、上記した３次元データ取得方法に必要な装備（上記干渉縞発生・読取装置等）を設置する。尚、対象者の一方の腕に体疾患がある場合には義肢を装着し、また腕に神経疾患がある場合にはそのままとする。
【０３６９】
そして、対象者がその腕や義肢における感覚場所を指定するためには、例えば、腕や義肢の表面を覆う接触センサー１１７を付設し、他方の腕の端部に設けた指示部材１１８を接触センサー１１７に接触させて場所を特定する方法や、接触センサーを設けることなく指示部材１１８として上記した重心位置検出用マーカーと同様のマーカーを用いて対象者の３次元データからマーカー位置を特定する方法が挙げられる。
【０３７０】
図７８及び図７９は入出力ポートの設定状態及び制御プログラムの確定のための手順例を示すフローチャート図である。
【０３７１】
先ず、図７８のステップＳ１において感覚神経の接続を確認した後、次ステップＳ２では神経種別が感覚神経であると認識されている入出力ポートの領域を選び出し、次ステップＳ３で当該領域の出力ポートに微弱な信号を供給して神経に感覚信号を伝える。尚、信号生成にあたっては上記感覚神経波形ＤＢを参照する。
【０３７２】
ステップＳ４において対象者に感覚反応があるか否かを判断し、反応が認められればステップＳ６に進み、また、反応が認められない場合にはステップＳ５に進み、上記ステップＳ２の選択領域について神経種別を感覚神経であるとしたことに原因があるので、対象領域の神経種別を運動神経に変更した後ステップＳ２に戻る。
【０３７３】
ステップＳ６では上記指示部材１１８によって感覚反応のある場所を対象者に指定してもらう。即ち、接触センサーを用いた方法では、指示部材１１８を感覚反応のある場所での接触センサーに接触させることで場所を指定し、また、上記重心位置マーカーと同様の指示部材を用いる方法では当該指示部材により感覚反応のある場所を指示してもらい、その状態における対象者の３次元データから場所を特定する。
【０３７４】
次ステップＳ７では、上記感覚神経波形ＤＢを参照しながら対象領域についての感覚神経名を特定する。
【０３７５】
そして、ステップＳ８において未だ特定されていない領域があるか否かを問い、全ての領域について神経種別が特定された場合には図７９のステップＳ９に進み、そうでなければステップＳ２に戻る。
【０３７６】
ステップＳ９では運動神経の接続を確認した後、次ステップＳ１０において神経種別が運動神経であると認識されている入出力ポートの領域を全て選び出す。
【０３７７】
そして、次ステップＳ１１ではヘッドマウントディスプレイ１１６上に規定の運動を表示する。尚、その際、上記運動ワイヤーフレームＤＢや運動重心位置ＤＢを参照する。
【０３７８】
ステップＳ１２では前ステップで表示した運動を対象者に模倣してもらい当該運動を反復して実行してもらう。そして、次ステップＳ１３で対象者の運動が安定してきたか否かを判断し、運動が安定していればステップＳ１４に進み、運動が安定していなければステップＳ１２に戻る。
【０３７９】
ステップＳ１４において神経切断面の運動神経信号を取得した後、次ステップＳ１５に進み、ここでは上記運動神経波形ＤＢ及び身体構造ＤＢを参照して得られるデータと、前ステップＳ１４で得た運動神経信号とを比較する。そして、ステップＳ１６で対象領域の運動神経名を特定した後、ステップＳ１７に進んで神経接続装置の入出力ポートの設定を確定し、次ステップＳ１８で上記制御プログラム９５を確定する。
【０３８０】
尚、上記した図７８及び図７９の説明において対象神経が運動神経又は感覚神経と認知されなかった場合には、反射を司る神経（以下、「伸張反射神経」という。）として対象神経を認識する。
【０３８１】
運動神経による筋の動作には、筋の運動量を認識する受容器（筋紡錘）が存在し、これが伸張されると、上表５のＩａ群繊維のインパルス発射頻度が高まり（動的反射）、ＩＩ群繊維は筋長に比例したインパルスを発射する（静的反射）。
【０３８２】
このときの２つの神経信号によって、筋紡錘からＩａ群繊維、運動ニューロン、筋の順路に沿って運動神経による筋の動作にフィードバック制御がかけられる。上記伸張反射神経はこの反射を司る神経である。
【０３８３】
伸張反射神経は基本的には運動神経に属するが、そのデータベース化については図５２乃至図５５での説明と相違する部分があるので、図８０乃至図８２を用いて説明する。
【０３８４】
本データベースは下記に示すＤＢを有している。
【０３８５】
（ｌｌ′）仮伸張反射神経波形ＤＢ
（ｌｌ）伸張反射神経波形ＤＢ
尚、（ｌｌ′）は確定前の伸張反射神経波形ＤＢであり、また、（ｌｌ）は下記のＤＢに基づいて作成される。
【０３８６】
（ｍｍ）対応部位ＤＢ
（ｎｎ）反応電圧ＤＢ
（ｏｏ）周波数・筋伸張特性ＤＢ
（ｔｔ）対基準伸張反射性能比ＤＢ
（ｕｕ）補正伸張反射神経波形ＤＢ
上記伸張反射神経波形ＤＢは神経に与えるインパルスの電圧変化や周波数変動等に係るデータを含んでおり、上記のＤＢに関して、図８０に示すような依存関係を有している。
【０３８７】
図８１及び図８２は処理例を示すフローチャート図である。
【０３８８】
先ず、図８１のステップＳ１において、前記の処理において運動神経又は感覚神経と認知されなかった神経領域を筋紡錘による伸張反射神経として認識する。
【０３８９】
ステップＳ２では、対象者にリラックス状態を維持してもらい、次ステップＳ３では各伸張反射神経に対して一定基準のインパルス（信号）を発生させ、当該インパルスにより駆動される人体の部位を把握することによって伸張反射神経とその対応部位との関係を認識する。そして、上記（ｍｍ）対応部位ＤＢを生成する。
【０３９０】
ステップＳ４では、上記インパルス電圧を変化させたときの反応電圧を筋電計等で測定して、測定データから上記（ｎｎ）反応電圧ＤＢを生成する。
【０３９１】
次ステップＳ５では、インパルスの周波数変動に関するデータを取得してこれに基づき周波数と筋の伸張反射率との関係を認識して上記（ｏｏ）周波数・筋伸張特性ＤＢを生成する。
【０３９２】
図８２のステップＳ６では、ステップＳ３乃至Ｓ５で行った測定を２つに区分する。即ち、上記測定が特定の筋紡錘を対象として各別に行われたものか又は任意の筋紡錘について行われたものかによって場合分けを行い、前者の場合にはステップＳ７に進み、後者の場合にはステップＳ９に進む。
【０３９３】
ステップＳ７では、上記（ｔｔ）対基準伸張反射性能比ＤＢを生成する。これは、所定の筋紡錘を設定したときにこれに対して各筋紡錘の伸張反射性能を比率値として含むＤＢである。
【０３９４】
ステップＳ８では、これまでの工程から得られたＤＢのデータと、必要に応じて（ｕｕ）補正伸張反射神経波形ＤＢからの補正用データを参照して仮伸張反射神経波形ＤＢを生成した後、ステップＳ１２に進む。尚、（ｕｕ）補正伸張反射神経波形ＤＢ（ｕ）は、モデル値との実際値との間の誤差を低減するために必要とされる。
【０３９５】
ステップＳ９では上記したＤＢに基づいて仮伸張反射神経波形ＤＢを生成するとともに、既に作成されている身体構造ＤＢから体格データを得る。これによって体格データと仮伸張反射神経波形ＤＢとの組み合わせが出来上るので、対象者の数が増えるに従ってこれらのデータを蓄積することができる。
【０３９６】
次ステップＳ１０では対象者の体格データに近似した体格データを仮伸張反射神経波形ＤＢに基づいて複数（例えば、３つ）選び出して、次ステップＳ１１に進み、ここで仮伸張反射神経波形ＤＢについての平均化補正（単純平均、加重平均等）を行う。
【０３９７】
ステップＳ１２では伸張反射神経波形ＤＢを完成させる。つまり、ステップＳ８から本ステップに到達した場合には仮伸張反射神経波形ＤＢがそのまま伸張反射神経波形ＤＢとなるが、ステップＳ１１から本ステップに到達した場合には平均化補正後の仮伸張反射神経波形ＤＢが伸張反射神経波形ＤＢとなる。
【０３９８】
尚、このように伸張反射神経を考慮すると、図７８、７９に示す処理の流れに若干の変更が生じる。即ち、この場合には、図７８のステップＳ３とＳ４との間に、神経接続素子の入力ポートに反応があるか否かを判断するステップを設け、該ステップで反応がある場合にはステップＳ５に進み、反応がない場合にはステップＳ４に進んで感覚反応があるか否かを判断する。そして、反応がある場合にはステップＳ６に進むが、反応がない場合には選択した領域を伸張反射神経としてステップＳ５に進み、これを運動神経情報とリンクする。また、図７９のステップＳ９では、ステップＳ５で運動神経情報とリンクした伸張反射神経について接続を確認した後、図８１、図８２の処理を実行してからステップＳ１０に進む。
【０３９９】
以上の手続により神経信号の補正に関する処理（信号補完や擬似信号生成）が終了する。
【０４００】
尚、義肢に用いる擬似信号の生成についてその主要な手順を手短にまとめる下記に示すようになる。
【０４０１】
（１）対象者の身体構造ＤＢを生成する
（２）対象者についての３次元データを取得して運動ワイヤーフレームＤＢ及び運動重心位置ＤＢを生成し、これを身体構造ＤＢにリンクする
（３）運動神経波形ＤＢを生成してこれを（２）で生成したＤＢにリンクする
（４）感覚神経波形ＤＢを生成してこれを（３）で生成したＤＢにリンクして人体構造ＤＢを生成する
（５）神経接続法を用いて義肢を接続する
（６）（４）の人体構造ＤＢによる義肢駆動についての推定結果と、実際に義肢を使用した結果とを比較する
（７）（６）の比較結果が許容範囲になるまで（１）乃至（６）に示す工程のうちの所要の工程を繰り返す
最後に、２足歩行型ロボットへの適用について簡単に説明する。
【０４０２】
上記の説明から明らかなように、人体の構成部を人工物に置き換えることによって人体構造を模倣したロボット（例えば、図１３に示したような骨格構造を金属材料や高強度の樹脂等によって製作し、手や足に人工触覚器を取り付けるとともに、人工筋肉や耐衝撃関節、足裏構造等の技術を駆使して製作したロボット）に対して上記人体構造モデルと同様に構造モデルを構築することができる。何故なら、脳のように高速コンピュータをもってしても未だシミュレートを行う見込みのない部分は本発明に係る数値モデルから予め排除されているので、人体の構成部分に対応するロボットの構成部分はその機能において本質的な相違がないからである。
【０４０３】
従って、これまでの説明から、人体構造を模倣したロボットの歩行制御に関する主要な手順は下記のようになることが分かる。
【０４０４】
（１）ロボットの身体構造モデルを生成する
（２）ロボットの運動について３次元データを取得して、運動ワイヤーフレームＤＢ及び運動重心位置ＤＢを生成する
（３）身体バランスについてのデータから上記三半規管神経パルスＤＢに相当するバランス情報のＤＢを生成する
（４）上記運動神経波形ＤＢに相当する人工筋肉等の制御情報に係るＤＢを生成する
（５）上記感覚神経波形ＤＢに相当する人工触覚器やセンサー情報に係るＤＢを生成する
（６）上記神経接続装置に相当する接続装置と光ケーブル等の接続手段から構成される人工神経網をロボットに貼り廻らせ、ロボット構造モデル（上記人体構造モデルに相当する。）に従って全身の人工筋肉や関節等を駆動することによりロボットの２足歩行を制御する
【０４０５】
【発明の効果】
以上に記載したところから明らかなように、請求項１に係る発明によれば、対象の体長、体重、外形形状のデータに基づく比率計算によって対象に係る数値モデルを作成することができるので、対象の内部構造についての詳細なデータは不要であり、対象の力学的構造に関する数値モデルを効率良く作成するとともに、作業時間の短縮化を図ることができる。
【０４０６】
請求項２に係る発明によれば、対象の３次元データから対象の断層面における形状及び断面積若しくは断層面間の体積のデータを取得して対象の体型形を特定することにより、対象の体の形状（外形形状）に係るデータを効率良く取得することができ、データの入力作業を容易に行うことができる。
【０４０７】
請求項３に係る発明によれば、対象の断層面における形状及び断面積若しくは断層面間の体積のデータから規定される座標点を極座標平面上に配置し、各点の間を線分によって結んだ多角形の重心を求める計算から対象の体型形を把握することで、断層面の数の増大により計算処理に著しい負担がかかるといった不都合がない。
【０４０８】
請求項４乃至６に係る発明によれば、対象の骨格構造に係るデータに加えて、筋肉の形状や長さ、重量、筋収縮率を含む筋肉のデータを包含する数値モデルを作成することで、骨格の運動状態と筋運動との間に関連性を持たせることができる。
【０４０９】
請求項７乃至９に係る発明によれば、対象の骨格や筋肉を含む構造に加えて、神経及び神経波のデータを包含する数値モデルを作成することで、骨格や筋肉の運動と神経波の伝播との間に関連性を持たせ、対象の力学的運動をより忠実に表現することが可能となる。
【０４１０】
請求項１０乃至１２に係る発明によれば、関節の周囲を覆っている表皮の領域毎に年齢の異なる表皮を付与することによって著しい計算量の負担を伴うことなく、関節や筋肉の運動に応じて表皮の状態を数値モデルとして表現することができる。
【図面の簡単な説明】
【図１】人体の体型分類についての説明図である。
【図２】基準体型モデルにおける諸量の定義を示す図である。
【図３】体型形座標空間を構成する２次元座標平面についての説明図である。
【図４】体型形座標空間におけるＺ軸に長さ比率の変数を設定した様子を示す図である。
【図５】体型形座標空間におけるＺ軸に長さ比率及び重量比率の変数を設定した様子を示す図である。
【図６】対象者から取得した画像データ及びその伸縮操作についての説明図である。
【図７】図８及び図９とともに対象者の３次元データについてのスライス処理に関する説明図であり、本図は立位姿勢の対象者を示す。
【図８】対象者の３次元データについてスライス処理と断層面との関係を示す図である。
【図９】対象者の３次元データについて断層面だけを示す図である。
【図１０】体型形座用空間を構成するＸ−Ｙ平面に設定した極座標系（ｒ，θ）において点の配置例を示す図である。
【図１１】多角形の重心計算によって対象者の体型形を特定する処理についての説明図である。
【図１２】重心Ｇ（Ｘｇ，Ｙｇ）からこれに対応する関数値を求める様子を示す図である。
【図１３】骨格構造のモデルの一例を示す図である。
【図１４】図１５とともに皮膚モデルについて説明するための図であり、本図は肘関節の近辺の皺を示す概略図である。
【図１５】指の皺を示す概略図である。
【図１６】年齢の影響を示す関数例を示すグラフ図である。
【図１７】性別の影響を示す関数例を示すグラフ図である。
【図１８】使用するハードウェア環境の一例を示す図である。
【図１９】人体構造モデルの作成に関する処理の大要を示すフローチャート図である。
【図２０】身体構造ＤＢとその構成ＤＢとの関係を示す図である。
【図２１】図２２とともに、図１９のステップＳＳ１、ＳＳ２に係る処理例を示すフローチャート図であり、本図は処理の前半部を示す。
【図２２】処理の後半部を示す。
【図２３】図１９のステップＳＳ３、ＳＳ４に係る処理例を示すフローチャート図である。
【図２４】図２５乃至図３４とともに単色光の干渉縞を使った例によって方法の原理について説明するための図であり、本図は被写体に対して設定される干渉縞発生手段及び撮影手段を示す概略図である。
【図２５】平板についての干渉縞を示す図である。
【図２６】円筒についての干渉縞を示す図である。
【図２７】撮影方向から見て凹面状に形状についての干渉縞を示す図である。
【図２８】円筒の形状モデルを示す図である。
【図２９】形状モデルの分割について説明するための図である。
【図３０】ある撮影方向から見た２次元画像の分割について説明するための図である。
【図３１】分割画像を形状モデルの区分領域に貼り付ける工程についての説明図である。
【図３２】画像の歪みについての説明図である。
【図３３】表面状態のデータを含む３次元形状モデルを示す図である。
【図３４】被写体に対する干渉縞発生・読取装置の配置例を示す図である。
【図３５】干渉縞発生・読取装置の構成例を示す図である。
【図３６】干渉縞のパターン例を示す図である。
【図３７】被写体に対して対をなすように干渉縞発生・読取装置を配置した例を示す図である。
【図３８】対象者の３次元データに関するスライス処理についての概略的な説明図である。
【図３９】人体ポリゴンＤＢとその構成ＤＢとの関係を示す図である。
【図４０】人体ポリゴンＤＢの生成に係る処理例を示すフローチャート図である。
【図４１】２つの骨ポリゴンに筋肉ポリゴンが架け渡された様子を示す概略図である。
【図４２】図４３とともに肘関節付近の皺について説明するための概略であり、本図は腕を直に伸ばした状態を示す。
【図４３】肘関節を曲げた状態を示す図である。
【図４４】対象者を測定台上に乗せた状態を示す概略図である。
【図４５】対象者を乗せた測定台を前後左右に移動させる様子を上方から見た概略図である。
【図４６】対象者を乗せた測定台を回転させる様子を上方から見た概略図である。
【図４７】対象者を乗せた測定台を旋回させる様子を上方から見た概略図である。
【図４８】図４９乃至図５１とともに、身体のバランス神経信号等の取得方法について説明するための図であり、本図は主要な手順を示すフローチャート図である。
【図４９】水平面上での対象者の運動姿勢について身体バランスに係る情報を取得する手順例を示すフローチャート図である。
【図５０】図５１とともに、測定台上での対象者の運動姿勢について身体バランスに係る情報を取得する手順例を示すフローチャート図であり、本図は測定台の傾動に関する身体バランス情報を取得手順を主に示す。
【図５１】測定台の移動、回転、旋回時における身体バランス情報を取得手順を示す。
【図５２】運動神経波形ＤＢとその構成ＤＢとの関係を示す図である。
【図５３】図５４とともには図１９のステップＳＳ６の処理例を示すフローチャート図であり、本図は処理の前半部を示す。
【図５４】処理の後半部を示す。
【図５５】感覚神経波形ＤＢとその構成ＤＢとの関係を示す図である。
【図５６】図５７とともに図１９のステップＳＳ７の処理例を示すフローチャート図であり、本図は処理の前半部を示す。
【図５７】処理の後半部を示す。
【図５８】神経対神経の接続例を示す図である。
【図５９】神経接続素子の基本構成を示す回路ブロック図である。
【図６０】神経接続装置と神経の端部との接続状態を概略的に示す断面図である。
【図６１】軸索との結合部における神経接続素子の入出力ポートを拡大して示す概略図である。
【図６２】入出力ポートの断面構造について説明するための図であり、（Ａ）はイオン吸着材を設けた構成例を示し、（Ｂ）はイオン吸着材を設けない構成例を示す。
【図６３】図６４及び図６５とともに入出力ポートの設定状態の一例を示す概略図であり、本図は中央に出力ポートが位置され、その周囲に入力ポートが配置された例を示す。
【図６４】中央に高インピーダンスのポートが１つ位置され、その周囲に出力ポートが位置され、さらにその周囲に入力ポートが配置された例を示す。
【図６５】中央に高インピーダンスのポートが複数位置され、その周囲に出力ポートが位置され、さらにその周囲に入力ポートが配置された例を示す。
【図６６】神経接続素子及びこれに接続された制御部の構成を示す回路ブロック図である。
【図６７】図６８乃至図７０とともに、神経種別の認識及び入出力ポートの設定処理について説明するためのフローチャート図であり、本図は処理の最初の部分を示す。
【図６８】図６７に続く処理部分を示す。
【図６９】図６８に続く処理部分を示す。
【図７０】処理の終盤部を示す。
【図７１】脳性麻痺の場合における中枢神経と末端神経との接続例を示す図である。
【図７２】手の神経信号を代用して下肢を動かす場合において関節の対応関係を示す概略図である。
【図７３】体内に埋め込んで用いる義肢と神経との接続例を示す説明図である。
【図７４】体外で用いる義肢と神経との接続例を示す説明図である。
【図７５】図７６とともに、神経信号の擬似信号に係る生成処理や、神経信号の補完処理について説明するためのフローチャート図であり、本図は処理の主要な流れを示す。
【図７６】図７５のステップＳ５、Ｓ６についての処理例を示すフローチャート図である。
【図７７】ヘッドマウントディスプレイを装着した対象者及びヘッドマウントディスプレイの映像を示す概略図である。
【図７８】入出力ポートの設定状態及び制御プログラムの確定のための手順例を示すフローチャート図であり、本図は処理の前半部を示す。
【図７９】処理の後半部を示す。
【図８０】伸張反射神経波形ＤＢとその構成ＤＢとの関係を示す図である。
【図８１】図８２とともに伸張反射神経波形ＤＢの生成処理例を示すフローチャート図であり、本図は処理の前半部を示す。
【図８２】処理の後半部を示す。
【符号の説明】
ａｓ、ａｔ、ｐｉ…基準体型、Ｘ−Ｙ…座標平面、θ…極角、ｒ…極半径、Ｇ…重心

Claims (12)

1. 脊椎動物若しくはこれを模倣したロボットを対象とし、その力学的構造に関する数値モデルを作成する、脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法であって、
   （イ）対象について体型の分類を行うとともに、分類された各基準体型について全ての骨の形状、長さや重量を含む骨格データを用意した後、
   （ロ）対象に関する体長、体重、外形形状のデータを入力し、
   （ハ）（ロ）の工程で入力したデータから対象の体型形を特定し、各基準体型の骨格データに基づいて補間計算を行い、対象に係る骨格データの換算比率を算出し、
   （ニ）（ハ）の工程で得た換算比率及び（ロ）の工程で入力した対象の体長や重量に基づいて対象の各骨の長さや重量を決定して骨格の数値モデルを作成することを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
2. 請求項１に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
   （ロ）の工程において対象の３次元データを取得し、当該データから対象の断層面における形状及び断面積若しくは断層面間の体積のデータを取得するとともに、これらのデータから対象の体型形を特定する
   ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
3. 請求項２に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
   体型形についてのデータを示す座標平面上に極座標を設定した後、
   対象の断層面における形状データから極角が規定され、かつ、当該断層面における断面積若しくは断層面間の体積のデータから極半径が規定される点を、上記座標平面上に配置し、
   各点の間を線分によって結んだ多角形の重心を求めることによって、対象の体型形を特定する
   ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
4. 請求項１に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
   （イ）の工程で骨の形状や長さ、重量の他、筋肉の形状や長さ、重量、筋収縮率を含む骨格及び筋肉のデータを用意するとともに、
   （ハ）の工程で各基準体型に係る骨格及び筋肉データに基づいて補間計算を行い、対象に係る骨格及び筋肉のデータの換算比率を算出し、
   （ニ）の工程では（ハ）の工程で得た換算比率及び（ロ）の工程で入力した対象の体長や重量に基づいて対象の各骨や筋肉の長さ、重量、筋収縮率を決定して骨格及び筋肉を含む数値モデルを作成する
   ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
5. 請求項２に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
   （イ）の工程で骨の形状や長さ、重量の他、筋肉の形状や長さ、重量、筋収縮率を含む骨格及び筋肉のデータを用意するとともに、
   （ハ）の工程で各基準体型に係る骨格及び筋肉データに基づいて補間計算を行い、対象に係る骨格及び筋肉のデータの換算比率を算出し、
   （ニ）の工程では（ハ）の工程で得た換算比率及び（ロ）の工程で入力した対象の体長や重量に基づいて対象の各骨や筋肉の長さ、重量、筋収縮率を決定して骨格及び筋肉を含む数値モデルを作成する
   ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
6. 請求項３に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
   （イ）の工程で骨の形状や長さ、重量の他、筋肉の形状や長さ、重量、筋収縮率を含む骨格及び筋肉のデータを用意するとともに、
   （ハ）の工程で各基準体型に係る骨格及び筋肉データに基づいて補間計算を行い、対象に係る骨格及び筋肉のデータの換算比率を算出し、
   （ニ）の工程では（ハ）の工程で得た換算比率及び（ロ）の工程で入力した対象の体長や重量に基づいて対象の各骨や筋肉の長さ、重量、筋収縮率を決定して骨格及び筋肉を含む数値モデルを作成する
   ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
7. 請求項４に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
   （イ）の工程で各基準体型についての神経長や神経波の伝達に関するデータを付加するとともに、
   （ハ）の工程で各基準体型に係る骨格、筋肉、神経のデータに基づいて補間計算を行い、対象に係る骨格、筋肉、神経に係るデータの換算比率を算出し、
   （ニ）の工程では（ハ）の工程で得た換算比率及び（ロ）の工程で入力した対象の体長や重量に基づいて対象の神経波の伝達に関するデータを含む数値モデルを作成する
   ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
8. 請求項５に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
   （イ）の工程で各基準体型についての神経長や神経波の伝達に関するデータを付加するとともに、
   （ハ）の工程で各基準体型に係る骨格、筋肉、神経のデータに基づいて補間計算を行い、対象に係る骨格、筋肉、神経に係るデータの換算比率を算出し、
   （ニ）の工程では（ハ）の工程で得た換算比率及び（ロ）の工程で入力した対象の体長や重量に基づいて対象の神経波の伝達に関するデータを含む数値モデルを作成する
   ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
9. 請求項６に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
   （イ）の工程で各基準体型についての神経長や神経波の伝達に関するデータを付加するとともに、
   （ハ）の工程で各基準体型に係る骨格、筋肉、神経のデータに基づいて補間計算を行い、対象に係る骨格、筋肉、神経に係るデータの換算比率を算出し、
   （ニ）の工程では（ハ）の工程で得た換算比率及び（ロ）の工程で入力した対象の体長や重量に基づいて対象の神経波の伝達に関するデータを含む数値モデルを作成する
   ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
10. 請求項７に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
    関節の角度や関節からの距離、筋肉の緊張の度合に基づいて関節の周囲を覆っている表皮の領域毎に年齢の異なる表皮を付与することによって表皮の状態に係るデータを含む数値モデルを作成する
    ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
11. 請求項８に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
    関節の角度や関節からの距離、筋肉の緊張の度合に基づいて関節の周囲を覆っている表皮の領域毎に年齢の異なる表皮を付与することによって表皮の状態に係るデータを含む数値モデルを作成する
    ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。
12. 請求項９に記載した脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法において、
    関節の角度や関節からの距離、筋肉の緊張の度合に基づいて関節の周囲を覆っている表皮の領域毎に年齢の異なる表皮を付与することによって表皮の状態に係るデータを含む数値モデルを作成する
    ことを特徴とする脊椎動物若しくはこれを模倣したロボットに関する数値モデルの作成方法。

Images