JP4346952B2 - 荷重分布パターンによる駆動制御装置 - Google Patents
荷重分布パターンによる駆動制御装置 Download PDFInfo
- Publication number
- JP4346952B2 JP4346952B2 JP2003134955A JP2003134955A JP4346952B2 JP 4346952 B2 JP4346952 B2 JP 4346952B2 JP 2003134955 A JP2003134955 A JP 2003134955A JP 2003134955 A JP2003134955 A JP 2003134955A JP 4346952 B2 JP4346952 B2 JP 4346952B2
- Authority
- JP
- Japan
- Prior art keywords
- distribution pattern
- data
- image data
- load distribution
- load
- 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
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/60—Other road transportation technologies with climate change mitigation effect
- Y02T10/72—Electric energy management in electromobility
Landscapes
- Motorcycle And Bicycle Frame (AREA)
- Image Processing (AREA)
- Electric Propulsion And Braking For Vehicles (AREA)
- Image Analysis (AREA)
- Braking Elements And Transmission Devices (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明は、運転者が走行装置に対する運転操作として所定の部位に作用させる力の荷重分布パターンに基づいて走行装置の走行駆動源を制御する荷重分布パターンによる駆動制御装置に関する。
【０００２】
【従来の技術】
従来、車両等の人間を乗せて運ぶ手段としての走行装置を有人で運転する場合には、ハンドル、アクセル、ブレーキ等をそれぞれ操作しなければならず、操作に習熟が必要であるばかりでなく、負担がかかる。
【０００３】
このため、従来から運転操作を支援するための各種技術が提案されており、例えば、特開平１１−３２６０８４号公報には、車両のシート座面及びシート背面にマトリクス状に圧力センサやフィルム状の圧力センサを配置するとともに車体振動成分を検出するための加速度センサを車体内に配置し、圧力センサの出力信号から車体振動成分をキャンセルしたシート座面及びシート背面の体圧分布を求め、この体圧分布の時間変化を検出してドライバの覚醒度や疲労度を求め、必要に応じて警報を発する技術が開示されている。
【０００４】
【特許文献１】
特開平１１−３２６０８４号公報
【０００５】
【発明が解決しようとする課題】
しかしながら、従来の技術では、運転操作の負担を軽減するに止まり、運転操作そのものは同じであるため、必ずしも人間の感覚に一致しない操作を強いられることにはかわりがない。更に、運転者の操作状態を認識するには、複雑な処理が必要であり、システムの負荷が大きくなり制御応答性が低下する虞がある。
【０００６】
例えば、左右２つの車輪が進行方向に並行に配置され、左右２つの車輪の上部に設けた運転台に立ち姿勢で搭乗し、固定ハンドルを把持しながら走行する２輪車（並行２輪電動車）等では、運転者の手や足の押付け方、体重移動等による荷重分布パターンを認識することで、前進、後退、旋回、停止等の駆動制御を行うことが可能であるが、荷重分布パターンが同じでも、運転者の乗車姿勢の変化等により、足形や手形等の操作形状が回転／移動した場合には、同じ荷重分布パターンでありながら異なった入力データとなるため、別個に認識しなければならず、認識処理に要するデータ量及び時間が膨大なものとなる。
【０００７】
本発明は上記事情に鑑みてなされたもので、人間の感覚に合致した容易な運転操作としつつ、運転者の操作意図を認識する際のシステムの負荷を低減して制御応答性を向上することのできる荷重分布パターンによる駆動制御装置を提供することを目的としている。
【０００８】
【課題を解決するための手段】
上記目的を達成するため、本発明は、運転者が走行装置に対する運転操作として所定の部位に作用させる力の荷重分布パターンに基づいて上記走行装置の走行駆動源を制御する駆動制御装置であって、上記荷重分布パターンを、上記所定の部位に作用させる力による圧力値の平面的な分布を複数段階の階調の濃度分布で表す画像データとして取得し、上記画像データに対する主成分分析により求めた第１及び第２主成分を座標軸として上記画像データを再構築する手段と、再構築した画像データに基づき上記走行装置の走行駆動源を制御する手段とを備えたことを特徴とする。
【０００９】
その際、主成分分析は、荷重分布パターンの画像データを２値化したデータに対して実施しても良く、制御パターンは、再構築した画像データにおける各領域毎の荷重データをニューラルネットワークに入力することで特定することが可能である。
【００１０】
また、ニューラルネットワークに入力される荷重データは、再構築した画像から抽出した特徴データにより無次元化処理して求めることが望ましく、ニューラルネットワークの教師データは、主成分分析により求めた第１及び第２主成分を座標軸として再構築した画像データに基づいて作成することが望ましい。
【００１１】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を説明する。図１〜図８は本発明の実施の一形態に係わり、図１は駆動制御システムの構成図、図２はパターン認識処理に係わる機能ブロック図、図３は画像データの入力例を示す説明図、図４は主成分分析結果を示す説明図、図５は画像データの再構築を示す説明図、図６はニューラルネットワークへの入力データを示す説明図、図７はニューラルネットワークの構成例を示す説明図、図８は教師データ作成用の標準データを示す説明図である。
【００１２】
本発明は、電動モータやエンジン等によって駆動される走行装置において、運転者が所定の部位に作用させる力の荷重分布から操作意図を把握し、前進、後退、旋回、停止等の駆動制御を行うものであり、以下、走行駆動源としての電動モータで駆動される左右２つの車輪が進行方向に並行に配置され、左右２つの車輪の上部に設けた運転台に立ち姿勢で搭乗し、固定ハンドルを把持しながら走行する２輪車（並行２輪電動車）を例に取って説明する。
【００１３】
図１において、符号１Ｌ，１Ｒは、並行２輪電動車の左右の車輪を駆動する電動モータであり、コントローラ２によって制御される。コントローラ２には、運転者が作用させる力の荷重分布を測定するための荷重分布センサ３、車体の傾斜を検出するための傾斜センサ４、始動直後の経過時間等を計時するためのタイマ５、車体の加減速状態を検出するための加速度センサ（Ｇセンサ）６、車速を検出する車速センサ７等からの信号が入力され、これらの信号に基づいて、運転者の手や足の押付け方、体重移動等を認識し、前進、後退、旋回、停止等の駆動制御を行う。尚、タイマ５は、コントローラ２に外付けされるタイマのみならず、コントローラ２に内蔵されるタイマ（ハードウエアタイマ或いはソフトウエアタイマ）を使用しても良い。
【００１４】
本形態においては、運転者の足の踏み付けによる荷重分布（足圧力分布）を検出し、その検出結果に基づいて駆動制御を行う例について説明するが、足の踏付け力の代わりに、ハンドルを握る手の握力、シートへの座り方等の体を壁に押付ける力等で置き換えることも可能である。
【００１５】
足圧力分布の検出は、運転者が足を乗せる運転台のフットプレートに、例えば、シート面の圧力分布測定等に使用されるシート状の圧力センサ（センサシート）を配設し、このセンサシートによって足の踏付け力の荷重分布を検出する。すなわち、フットプレートに配設したセンサシート上に運転者が足を乗せると、この足の押付け力が圧力値としてセンシングされ、計測される圧力値の低から高の複数の段階に対応した階調での濃度分布の画像データが、足の押付け力の圧力分布パターン（足圧力分布パターン）として得られる。以下、荷重分布センサ３をセンサシート３として説明する。
【００１６】
センサシート３で測定した足圧力分布パターンは、コントローラ２に入力されて処理される。コントローラ２では、足圧力分布パターンを認識し、例えば、以下の（１）〜（４）に示すように、前進、後退、旋回、停止等の制御パターンを特定して左右の電動モータ１Ｌ，１Ｒを駆動する。
【００１７】
（１）前進走行
両足のつま先側に体重を掛けることにより、後側の領域（かかと側の領域）よりも前側の領域（つま先側の領域）の荷重値が大きい分布となる。この足圧力分布パターンを認識したとき、左右の電動モータ１Ｌ，１Ｒを前進方向に制御する。この場合、つま先側の荷重値の大きさで、電動モータの回転速度を変化させ、前進走行時の走行速度を変化させることが可能である。
【００１８】
（２）後退走行
両足のかかと側に体重を掛けることにより、前側の領域（つま先側の領域）よりも後側の領域（かかと側の領域）の荷重値が大きい分布となる。この足圧力分布パターンを認識したとき、左右の電動モータ１Ｌ，１Ｒを後退方向に制御する。この場合、かかと側の荷重値の大きさで、電動モータの回転速度を変化させ、後退速度を変化させることが可能である。
【００１９】
（３）旋回（右旋回、左旋回）走行
右足側に体重を掛けることで、左足側の領域の荷重値よりも右足側の領域の荷重値のほうが大きくなる。この足圧力分布パターンを認識したとき、右の電動モータ１Ｒをニュートラル状態として、左の電動モータ１Ｌを前進方向に回転するよう制御することで、右旋回させる。一方、左旋回は、右旋回と逆のパターン、すなわち左足側に体重を掛けた足圧力分布パターンに対応し、左の電動モータ１Ｌをニュートラル状態として、右の電動モータ１Ｒを前進方向に回転するよう制御することで、左旋回させる。
【００２０】
（４）停止
両足の荷重データが検出されない状態、すなわち、両足をフットプレートから降ろした状態では、左右の電動モータ１Ｌ，１Ｒを停止させる。
【００２１】
以上の制御パターンの特定は、足圧力分布パターンと制御パターンとの相関関係を事前に学習・調整してあるニューラルネットワークを用いて行われる。ニューラルネットワークによるパターン認識では、足圧力分布パターンが同じでも、運転者の乗車姿勢の変化等により足形が回転／移動した場合には、センサシート３からの画像データが異なった画像データとなるため、足形の回転／移動に対応した教師データを用意しなければならず、教師データ数が膨大なものとなる。従って、本形態においては、センサシート３からの画像データを主成分分析を用いて再構築し、パターン認識に要する教師データ数を低減する。
【００２２】
コントローラ２のパターン認識処理に係わる機能は、図２に示すように、センサシート３からの画像データを入力処理する画像入力部１０、入力した画像データを主成分分析処理する主成分分析処理部１１、主成分分析した画像データを再構築する画像再構築処理部１２、再構築した画像データから足圧分布パターンの特徴データを抽出する特徴データ抽出部１３、抽出した特徴データを処理してニューラルネットワークへの入力データを作成するニューラルネットワーク入力データ作成部１４、ニューラルネットワーク入力データ作成部１４で作成した入力データに対し、画像データベースＤＢに蓄積されている学習データを用いて制御パターンを特定するニューラルネットワーク処理部１５を主として構成される。ニューラルネットワーク処理部１５の処理結果は、駆動制御部１７に出力され、左右の電動モータ１Ｌ，１Ｒが駆動制御される。
【００２３】
詳細には、センサシート３からの信号を画像入力部１０で処理し、図３に示すようなデジタル化した足圧力分布パターンの画像データを取得する。この画像データは、前述したように足の踏付け力による圧力値に応じた階調の濃度分布画像であり、この入力画像データに対して主成分分析処理部１１で主成分分析を実施し、入力画像のデータの分布から一番分散が大きい軸を演算し、この軸にデータを再投影して変数の数を減少させ、この少ない変数の情報から、より多くの情報を獲得する。具体的には、第１主成分と第２主成分との２つの主成分を設定し、図４に示すように、入力画像の重心（例えば、濃度の平均値で与えられる）を通り、各ピクセルからの距離が最小となる主成分を第１主成分とし、この第１主成分に直交する主成分を第２主成分として設定する。
【００２４】
尚、以上の主成分分析は、入力元画像を２値化した画像に対して行っても良い。但し、２値化した場合と２値化しない場合とでは、第１主成分及び第２主成分は異なる。
【００２５】
そして、画像再構築処理部１２において、図５に示すように、第１主成分と第２主成分とを座標軸として足形を含む処理領域（処理枠）を入力元画像に設定し、この領域内のピクセルデータを第１主成分軸及び第２主成分軸に投影してデータ変換を行うことで、画像データを再構築する。画像データを再構築する処理領域は、画像全体に渡るのではなく、第１主成分軸及び第２主成分軸に対して予め範囲を設定しておく。図５においては、足形を含む矩形領域である。すなわち、第１及び第２主成分を座標軸として、予め設定した領域に限定して入力画像データを再構築することで、足圧力分布パターンが同じであれば、足形が回転／移動しても同じ足形として扱うことを可能とする。
【００２６】
再構築した画像データからは、足圧力分布パターンを特徴付けるデータ、例えば、各圧力コンター値の面積、足形面積、重心位置等の特徴データを特徴データ抽出部１３にて抽出し、処理領域を細分化したサブ領域毎の属性データとする。そして、ニューラルネットワーク入力データ作成部１４において、再構築した画像の各ピクセル毎の荷重値を特徴データを用いて無次元化する等の処理を行い、図６に示すように、ニューラルネットワーク処理部１５への入力データａ１，ａ２，…，ｂ１，ｂ２，…を作成する。
【００２７】
ニューラルネットワーク処理部１５では、入力データａ１，ａ２，…，ｂ１，ｂ２，…から画像データベースＤＢの学習データを用いて制御パターンを特定し、制御パターンに従った電動モータ１Ｌ，１Ｒの制御指示値（モータ回転数或いはトルク）を駆動制御部１７に出力する。図７は、ニューラルネットワークの例を示し、例えば、ニューロン間の結合係数としてシグモイド関数を用いた４層のニューラルネットワークに、各ピクセル毎の荷重データ（無次元化したデータ）を入力することで、前進、後退、旋回、停止等の制御パターンを特定し、モータ制御指示値を出力する。
【００２８】
この場合、画像データベースＤＢには、図８に示すように、予め足の回転や移動の無い状態の足圧力分布パターンの画像データを上述の主成分分析結果に基づいて再構築し、これを標準データとして教師データを作成することで、事前に学習データとしてストアしておく。
【００２９】
このように本実施の形態においては、前進したいと思えば前方に体重移動し、右折したければ右側に体重移動するといったように、運転者の手や足の押し付け力や体重移動等による荷重分布パターンから運転者の操作意図を把握し、前進、後退、旋回、停止等の制御を行うので、運転者が作用させる力と車輪の回転を人間の感覚に一致させることができる。
【００３０】
すなわち、容易な操作で柔軟性の高い走行駆動制御を実現することができ、しかも、荷重分布パターンを認識する際に、運転者の乗車姿勢の変化等により足形等の操作形状が回転／移動しても、荷重分布パターンが同じであれば、同じ入力データとして扱うことができ、パターン認識に要するデータ量を低減してシステムの負荷を軽減し、制御応答性を向上することができる。
【００３１】
【発明の効果】
以上説明したように本発明によれば、人間の感覚に合致した容易な運転操作としつつ、運転者の操作意図を認識する際のシステムの負荷を低減して制御応答性を向上することができる。
【図面の簡単な説明】
【図１】駆動制御システムの構成図
【図２】パターン認識処理に係わる機能ブロック図
【図３】画像データの入力例を示す説明図
【図４】主成分分析結果を示す説明図
【図５】画像データの再構築を示す説明図
【図６】ニューラルネットワークへの入力データを示す説明図
【図７】ニューラルネットワークの構成例を示す説明図
【図８】教師データ作成用の標準データを示す説明図
【符号の説明】
１Ｌ，１Ｒ 電動モータ
２ コントローラ
３ 荷重分布センサ
１０ 画像入力部
１１ 主成分分析処理部
１２ 画像再構築処理部
１３ 特徴データ抽出部
１４ ニューラルネットワーク入力データ作成部
１５ ニューラルネットワーク処理部
１７ 駆動制御部
【発明の属する技術分野】
本発明は、運転者が走行装置に対する運転操作として所定の部位に作用させる力の荷重分布パターンに基づいて走行装置の走行駆動源を制御する荷重分布パターンによる駆動制御装置に関する。
【０００２】
【従来の技術】
従来、車両等の人間を乗せて運ぶ手段としての走行装置を有人で運転する場合には、ハンドル、アクセル、ブレーキ等をそれぞれ操作しなければならず、操作に習熟が必要であるばかりでなく、負担がかかる。
【０００３】
このため、従来から運転操作を支援するための各種技術が提案されており、例えば、特開平１１−３２６０８４号公報には、車両のシート座面及びシート背面にマトリクス状に圧力センサやフィルム状の圧力センサを配置するとともに車体振動成分を検出するための加速度センサを車体内に配置し、圧力センサの出力信号から車体振動成分をキャンセルしたシート座面及びシート背面の体圧分布を求め、この体圧分布の時間変化を検出してドライバの覚醒度や疲労度を求め、必要に応じて警報を発する技術が開示されている。
【０００４】
【特許文献１】
特開平１１−３２６０８４号公報
【０００５】
【発明が解決しようとする課題】
しかしながら、従来の技術では、運転操作の負担を軽減するに止まり、運転操作そのものは同じであるため、必ずしも人間の感覚に一致しない操作を強いられることにはかわりがない。更に、運転者の操作状態を認識するには、複雑な処理が必要であり、システムの負荷が大きくなり制御応答性が低下する虞がある。
【０００６】
例えば、左右２つの車輪が進行方向に並行に配置され、左右２つの車輪の上部に設けた運転台に立ち姿勢で搭乗し、固定ハンドルを把持しながら走行する２輪車（並行２輪電動車）等では、運転者の手や足の押付け方、体重移動等による荷重分布パターンを認識することで、前進、後退、旋回、停止等の駆動制御を行うことが可能であるが、荷重分布パターンが同じでも、運転者の乗車姿勢の変化等により、足形や手形等の操作形状が回転／移動した場合には、同じ荷重分布パターンでありながら異なった入力データとなるため、別個に認識しなければならず、認識処理に要するデータ量及び時間が膨大なものとなる。
【０００７】
本発明は上記事情に鑑みてなされたもので、人間の感覚に合致した容易な運転操作としつつ、運転者の操作意図を認識する際のシステムの負荷を低減して制御応答性を向上することのできる荷重分布パターンによる駆動制御装置を提供することを目的としている。
【０００８】
【課題を解決するための手段】
上記目的を達成するため、本発明は、運転者が走行装置に対する運転操作として所定の部位に作用させる力の荷重分布パターンに基づいて上記走行装置の走行駆動源を制御する駆動制御装置であって、上記荷重分布パターンを、上記所定の部位に作用させる力による圧力値の平面的な分布を複数段階の階調の濃度分布で表す画像データとして取得し、上記画像データに対する主成分分析により求めた第１及び第２主成分を座標軸として上記画像データを再構築する手段と、再構築した画像データに基づき上記走行装置の走行駆動源を制御する手段とを備えたことを特徴とする。
【０００９】
その際、主成分分析は、荷重分布パターンの画像データを２値化したデータに対して実施しても良く、制御パターンは、再構築した画像データにおける各領域毎の荷重データをニューラルネットワークに入力することで特定することが可能である。
【００１０】
また、ニューラルネットワークに入力される荷重データは、再構築した画像から抽出した特徴データにより無次元化処理して求めることが望ましく、ニューラルネットワークの教師データは、主成分分析により求めた第１及び第２主成分を座標軸として再構築した画像データに基づいて作成することが望ましい。
【００１１】
【発明の実施の形態】
以下、図面を参照して本発明の実施の形態を説明する。図１〜図８は本発明の実施の一形態に係わり、図１は駆動制御システムの構成図、図２はパターン認識処理に係わる機能ブロック図、図３は画像データの入力例を示す説明図、図４は主成分分析結果を示す説明図、図５は画像データの再構築を示す説明図、図６はニューラルネットワークへの入力データを示す説明図、図７はニューラルネットワークの構成例を示す説明図、図８は教師データ作成用の標準データを示す説明図である。
【００１２】
本発明は、電動モータやエンジン等によって駆動される走行装置において、運転者が所定の部位に作用させる力の荷重分布から操作意図を把握し、前進、後退、旋回、停止等の駆動制御を行うものであり、以下、走行駆動源としての電動モータで駆動される左右２つの車輪が進行方向に並行に配置され、左右２つの車輪の上部に設けた運転台に立ち姿勢で搭乗し、固定ハンドルを把持しながら走行する２輪車（並行２輪電動車）を例に取って説明する。
【００１３】
図１において、符号１Ｌ，１Ｒは、並行２輪電動車の左右の車輪を駆動する電動モータであり、コントローラ２によって制御される。コントローラ２には、運転者が作用させる力の荷重分布を測定するための荷重分布センサ３、車体の傾斜を検出するための傾斜センサ４、始動直後の経過時間等を計時するためのタイマ５、車体の加減速状態を検出するための加速度センサ（Ｇセンサ）６、車速を検出する車速センサ７等からの信号が入力され、これらの信号に基づいて、運転者の手や足の押付け方、体重移動等を認識し、前進、後退、旋回、停止等の駆動制御を行う。尚、タイマ５は、コントローラ２に外付けされるタイマのみならず、コントローラ２に内蔵されるタイマ（ハードウエアタイマ或いはソフトウエアタイマ）を使用しても良い。
【００１４】
本形態においては、運転者の足の踏み付けによる荷重分布（足圧力分布）を検出し、その検出結果に基づいて駆動制御を行う例について説明するが、足の踏付け力の代わりに、ハンドルを握る手の握力、シートへの座り方等の体を壁に押付ける力等で置き換えることも可能である。
【００１５】
足圧力分布の検出は、運転者が足を乗せる運転台のフットプレートに、例えば、シート面の圧力分布測定等に使用されるシート状の圧力センサ（センサシート）を配設し、このセンサシートによって足の踏付け力の荷重分布を検出する。すなわち、フットプレートに配設したセンサシート上に運転者が足を乗せると、この足の押付け力が圧力値としてセンシングされ、計測される圧力値の低から高の複数の段階に対応した階調での濃度分布の画像データが、足の押付け力の圧力分布パターン（足圧力分布パターン）として得られる。以下、荷重分布センサ３をセンサシート３として説明する。
【００１６】
センサシート３で測定した足圧力分布パターンは、コントローラ２に入力されて処理される。コントローラ２では、足圧力分布パターンを認識し、例えば、以下の（１）〜（４）に示すように、前進、後退、旋回、停止等の制御パターンを特定して左右の電動モータ１Ｌ，１Ｒを駆動する。
【００１７】
（１）前進走行
両足のつま先側に体重を掛けることにより、後側の領域（かかと側の領域）よりも前側の領域（つま先側の領域）の荷重値が大きい分布となる。この足圧力分布パターンを認識したとき、左右の電動モータ１Ｌ，１Ｒを前進方向に制御する。この場合、つま先側の荷重値の大きさで、電動モータの回転速度を変化させ、前進走行時の走行速度を変化させることが可能である。
【００１８】
（２）後退走行
両足のかかと側に体重を掛けることにより、前側の領域（つま先側の領域）よりも後側の領域（かかと側の領域）の荷重値が大きい分布となる。この足圧力分布パターンを認識したとき、左右の電動モータ１Ｌ，１Ｒを後退方向に制御する。この場合、かかと側の荷重値の大きさで、電動モータの回転速度を変化させ、後退速度を変化させることが可能である。
【００１９】
（３）旋回（右旋回、左旋回）走行
右足側に体重を掛けることで、左足側の領域の荷重値よりも右足側の領域の荷重値のほうが大きくなる。この足圧力分布パターンを認識したとき、右の電動モータ１Ｒをニュートラル状態として、左の電動モータ１Ｌを前進方向に回転するよう制御することで、右旋回させる。一方、左旋回は、右旋回と逆のパターン、すなわち左足側に体重を掛けた足圧力分布パターンに対応し、左の電動モータ１Ｌをニュートラル状態として、右の電動モータ１Ｒを前進方向に回転するよう制御することで、左旋回させる。
【００２０】
（４）停止
両足の荷重データが検出されない状態、すなわち、両足をフットプレートから降ろした状態では、左右の電動モータ１Ｌ，１Ｒを停止させる。
【００２１】
以上の制御パターンの特定は、足圧力分布パターンと制御パターンとの相関関係を事前に学習・調整してあるニューラルネットワークを用いて行われる。ニューラルネットワークによるパターン認識では、足圧力分布パターンが同じでも、運転者の乗車姿勢の変化等により足形が回転／移動した場合には、センサシート３からの画像データが異なった画像データとなるため、足形の回転／移動に対応した教師データを用意しなければならず、教師データ数が膨大なものとなる。従って、本形態においては、センサシート３からの画像データを主成分分析を用いて再構築し、パターン認識に要する教師データ数を低減する。
【００２２】
コントローラ２のパターン認識処理に係わる機能は、図２に示すように、センサシート３からの画像データを入力処理する画像入力部１０、入力した画像データを主成分分析処理する主成分分析処理部１１、主成分分析した画像データを再構築する画像再構築処理部１２、再構築した画像データから足圧分布パターンの特徴データを抽出する特徴データ抽出部１３、抽出した特徴データを処理してニューラルネットワークへの入力データを作成するニューラルネットワーク入力データ作成部１４、ニューラルネットワーク入力データ作成部１４で作成した入力データに対し、画像データベースＤＢに蓄積されている学習データを用いて制御パターンを特定するニューラルネットワーク処理部１５を主として構成される。ニューラルネットワーク処理部１５の処理結果は、駆動制御部１７に出力され、左右の電動モータ１Ｌ，１Ｒが駆動制御される。
【００２３】
詳細には、センサシート３からの信号を画像入力部１０で処理し、図３に示すようなデジタル化した足圧力分布パターンの画像データを取得する。この画像データは、前述したように足の踏付け力による圧力値に応じた階調の濃度分布画像であり、この入力画像データに対して主成分分析処理部１１で主成分分析を実施し、入力画像のデータの分布から一番分散が大きい軸を演算し、この軸にデータを再投影して変数の数を減少させ、この少ない変数の情報から、より多くの情報を獲得する。具体的には、第１主成分と第２主成分との２つの主成分を設定し、図４に示すように、入力画像の重心（例えば、濃度の平均値で与えられる）を通り、各ピクセルからの距離が最小となる主成分を第１主成分とし、この第１主成分に直交する主成分を第２主成分として設定する。
【００２４】
尚、以上の主成分分析は、入力元画像を２値化した画像に対して行っても良い。但し、２値化した場合と２値化しない場合とでは、第１主成分及び第２主成分は異なる。
【００２５】
そして、画像再構築処理部１２において、図５に示すように、第１主成分と第２主成分とを座標軸として足形を含む処理領域（処理枠）を入力元画像に設定し、この領域内のピクセルデータを第１主成分軸及び第２主成分軸に投影してデータ変換を行うことで、画像データを再構築する。画像データを再構築する処理領域は、画像全体に渡るのではなく、第１主成分軸及び第２主成分軸に対して予め範囲を設定しておく。図５においては、足形を含む矩形領域である。すなわち、第１及び第２主成分を座標軸として、予め設定した領域に限定して入力画像データを再構築することで、足圧力分布パターンが同じであれば、足形が回転／移動しても同じ足形として扱うことを可能とする。
【００２６】
再構築した画像データからは、足圧力分布パターンを特徴付けるデータ、例えば、各圧力コンター値の面積、足形面積、重心位置等の特徴データを特徴データ抽出部１３にて抽出し、処理領域を細分化したサブ領域毎の属性データとする。そして、ニューラルネットワーク入力データ作成部１４において、再構築した画像の各ピクセル毎の荷重値を特徴データを用いて無次元化する等の処理を行い、図６に示すように、ニューラルネットワーク処理部１５への入力データａ１，ａ２，…，ｂ１，ｂ２，…を作成する。
【００２７】
ニューラルネットワーク処理部１５では、入力データａ１，ａ２，…，ｂ１，ｂ２，…から画像データベースＤＢの学習データを用いて制御パターンを特定し、制御パターンに従った電動モータ１Ｌ，１Ｒの制御指示値（モータ回転数或いはトルク）を駆動制御部１７に出力する。図７は、ニューラルネットワークの例を示し、例えば、ニューロン間の結合係数としてシグモイド関数を用いた４層のニューラルネットワークに、各ピクセル毎の荷重データ（無次元化したデータ）を入力することで、前進、後退、旋回、停止等の制御パターンを特定し、モータ制御指示値を出力する。
【００２８】
この場合、画像データベースＤＢには、図８に示すように、予め足の回転や移動の無い状態の足圧力分布パターンの画像データを上述の主成分分析結果に基づいて再構築し、これを標準データとして教師データを作成することで、事前に学習データとしてストアしておく。
【００２９】
このように本実施の形態においては、前進したいと思えば前方に体重移動し、右折したければ右側に体重移動するといったように、運転者の手や足の押し付け力や体重移動等による荷重分布パターンから運転者の操作意図を把握し、前進、後退、旋回、停止等の制御を行うので、運転者が作用させる力と車輪の回転を人間の感覚に一致させることができる。
【００３０】
すなわち、容易な操作で柔軟性の高い走行駆動制御を実現することができ、しかも、荷重分布パターンを認識する際に、運転者の乗車姿勢の変化等により足形等の操作形状が回転／移動しても、荷重分布パターンが同じであれば、同じ入力データとして扱うことができ、パターン認識に要するデータ量を低減してシステムの負荷を軽減し、制御応答性を向上することができる。
【００３１】
【発明の効果】
以上説明したように本発明によれば、人間の感覚に合致した容易な運転操作としつつ、運転者の操作意図を認識する際のシステムの負荷を低減して制御応答性を向上することができる。
【図面の簡単な説明】
【図１】駆動制御システムの構成図
【図２】パターン認識処理に係わる機能ブロック図
【図３】画像データの入力例を示す説明図
【図４】主成分分析結果を示す説明図
【図５】画像データの再構築を示す説明図
【図６】ニューラルネットワークへの入力データを示す説明図
【図７】ニューラルネットワークの構成例を示す説明図
【図８】教師データ作成用の標準データを示す説明図
【符号の説明】
１Ｌ，１Ｒ 電動モータ
２ コントローラ
３ 荷重分布センサ
１０ 画像入力部
１１ 主成分分析処理部
１２ 画像再構築処理部
１３ 特徴データ抽出部
１４ ニューラルネットワーク入力データ作成部
１５ ニューラルネットワーク処理部
１７ 駆動制御部
Claims (5)
- 運転者が走行装置に対する運転操作として所定の部位に作用させる力の荷重分布パターンに基づいて上記走行装置の走行駆動源を制御する駆動制御装置であって、
上記荷重分布パターンを、上記所定の部位に作用させる力による圧力値の平面的な分布を複数段階の階調の濃度分布で表す画像データとして取得し、上記画像データに対する主成分分析により求めた第１及び第２主成分を座標軸として上記画像データを再構築する手段と、
再構築した画像データに基づき上記走行装置の走行駆動源を制御する手段とを備えたことを特徴とする荷重分布パターンによる駆動制御装置。 - 上記主成分分析を、上記荷重分布パターンの画像データを２値化したデータに対して実施することを特徴とする請求項１記載の荷重分布パターンによる駆動制御装置。
- 上記再構築した画像データにおける各領域毎の荷重データをニューラルネットワークに入力し、上記走行駆動源を制御する制御パターンを特定することを特徴とする請求項１又は２記載の荷重分布パターンによる駆動制御装置。
- 上記ニューラルネットワークに入力される荷重データを、上記再構築した画像から抽出した特徴データにより無次元化処理して求めることを特徴とする請求項３記載の荷重分布パターンによる駆動制御装置。
- 上記ニューラルネットワークの教師データを、上記主成分分析により求めた第１及び第２主成分を座標軸として再構築した画像データに基づいて作成することを特徴とする請求項３記載の荷重分布パターンによる駆動制御装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003134955A JP4346952B2 (ja) | 2003-05-13 | 2003-05-13 | 荷重分布パターンによる駆動制御装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2003134955A JP4346952B2 (ja) | 2003-05-13 | 2003-05-13 | 荷重分布パターンによる駆動制御装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2004343841A JP2004343841A (ja) | 2004-12-02 |
| JP4346952B2 true JP4346952B2 (ja) | 2009-10-21 |
Family
ID=33525369
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2003134955A Expired - Fee Related JP4346952B2 (ja) | 2003-05-13 | 2003-05-13 | 荷重分布パターンによる駆動制御装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP4346952B2 (ja) |
Families Citing this family (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4556418B2 (ja) * | 2003-11-04 | 2010-10-06 | トヨタ自動車株式会社 | 走行装置及びその制御方法 |
| JP2006282160A (ja) * | 2005-03-07 | 2006-10-19 | Univ Of Tokyo | 全方向移動ロボット及び該ロボットの全方向移動駆動機構 |
| JP4697206B2 (ja) * | 2007-09-20 | 2011-06-08 | トヨタ自動車株式会社 | ブレーキペダルの姿勢制御装置及びブレーキ入力装置 |
| JP6032119B2 (ja) | 2013-05-07 | 2016-11-24 | トヨタ自動車株式会社 | 倒立移動体及びその制御方法 |
| WO2019021095A1 (ja) * | 2017-07-26 | 2019-01-31 | 株式会社半導体エネルギー研究所 | 二次電池の充電制御システム及び二次電池の異常検出方法 |
| CN112319240B (zh) * | 2020-11-17 | 2021-12-24 | 安徽江淮汽车集团股份有限公司 | 电动车驾驶性管理方法、装置、设备及存储介质 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2787766B2 (ja) * | 1995-06-30 | 1998-08-20 | 有限会社ニューテクノロジー研究所 | 自走式ローラーボード |
| JPH1023613A (ja) * | 1996-07-04 | 1998-01-23 | Yamaha Motor Co Ltd | 電動式移動体 |
| US6302230B1 (en) * | 1999-06-04 | 2001-10-16 | Deka Products Limited Partnership | Personal mobility vehicles and methods |
| JP3493521B2 (ja) * | 2002-02-18 | 2004-02-03 | 光成 祐川 | 自走式スケートボード |
-
2003
- 2003-05-13 JP JP2003134955A patent/JP4346952B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JP2004343841A (ja) | 2004-12-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7090619B2 (en) | Two-wheeled vehicle simulation apparatus | |
| US7601097B2 (en) | Bicycle simulation apparatus | |
| JP6648181B2 (ja) | 制御装置 | |
| CN111407590B (zh) | 一种上下肢训练装置、系统及方法 | |
| EP2930047A1 (en) | Vehicle and wheel force acquisition device | |
| CN110843613B (zh) | 一种基于人因工程学的座椅自动调节方法 | |
| JP4346952B2 (ja) | 荷重分布パターンによる駆動制御装置 | |
| CN109552289A (zh) | 一种汽车自适应辅助制动系统及其控制方法 | |
| US20200391617A1 (en) | System and method for reducing driver fatigue using vehicle seat | |
| CN109941390A (zh) | 助力自行车智能感应系统 | |
| TW201924965A (zh) | 車輛 | |
| US7809577B2 (en) | Apparatus for simulating the operation of a vehicle | |
| CN110015300B (zh) | 车辆用控制装置 | |
| CN114889542A (zh) | 一种基于驾驶员监测与识别的座舱协同控制系统和方法 | |
| JP2004140949A (ja) | 圧力分布パターンによる走行制御装置 | |
| EP3900993A1 (en) | Vehicle travel control device | |
| KR20120068625A (ko) | 뇌파센서를 이용한 장애인용 드라이빙 시뮬레이터의 가감속 시스템 및 뇌파센서를 이용한 장애인용 차량의 가감속그 제어방법 | |
| CN108298011B (zh) | 一种基于模型的自平衡无人驾驶自行车及其数据采集驱动的控制方法 | |
| JPH09301264A (ja) | 補助駆動装置 | |
| CN108725648A (zh) | 人机互动运动设备及其控制方法与装置 | |
| JP2005205955A (ja) | 圧力分布パターンによる操舵制御装置 | |
| JP4223261B2 (ja) | 圧力分布パターンによる駆動制御装置 | |
| JP2008071305A (ja) | ペダル位置調整装置 | |
| JP3811821B2 (ja) | 電動力補助車両の補助力制御装置 | |
| JP2021065468A (ja) | 電動車両、電動車両の制御方法および制御プログラム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20060414 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090113 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090217 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20090414 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20090512 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20090623 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20090715 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120724 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20120724 Year of fee payment: 3 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20130724 Year of fee payment: 4 |
|
| LAPS | Cancellation because of no payment of annual fees |