JP6482844B2 - 状態推定装置、プログラムおよび集積回路 - Google Patents
状態推定装置、プログラムおよび集積回路 Download PDFInfo
- Publication number
- JP6482844B2 JP6482844B2 JP2014250985A JP2014250985A JP6482844B2 JP 6482844 B2 JP6482844 B2 JP 6482844B2 JP 2014250985 A JP2014250985 A JP 2014250985A JP 2014250985 A JP2014250985 A JP 2014250985A JP 6482844 B2 JP6482844 B2 JP 6482844B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- reliability
- observation
- likelihood
- probability distribution
- 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.)
- Active
Links
- 238000009826 distribution Methods 0.000 claims description 334
- 238000001514 detection method Methods 0.000 claims description 232
- 238000000034 method Methods 0.000 claims description 74
- 239000002245 particle Substances 0.000 description 165
- 238000012986 modification Methods 0.000 description 56
- 230000004048 modification Effects 0.000 description 56
- 238000012545 processing Methods 0.000 description 49
- 230000015572 biosynthetic process Effects 0.000 description 32
- 238000003786 synthesis reaction Methods 0.000 description 32
- 238000003384 imaging method Methods 0.000 description 29
- 238000010586 diagram Methods 0.000 description 23
- 101100063435 Caenorhabditis elegans din-1 gene Proteins 0.000 description 19
- 239000002131 composite material Substances 0.000 description 16
- 239000013598 vector Substances 0.000 description 13
- 238000012952 Resampling Methods 0.000 description 9
- 238000004364 calculation method Methods 0.000 description 8
- 238000012937 correction Methods 0.000 description 6
- 239000000284 extract Substances 0.000 description 5
- 230000007704 transition Effects 0.000 description 5
- 230000002194 synthesizing effect Effects 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000000605 extraction Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000005856 abnormality Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000005295 random walk Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
Classifications
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N7/00—Television systems
- H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
- H04N7/181—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast for receiving images from a plurality of remote sources
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20076—Probabilistic image processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30244—Camera pose
Landscapes
- Engineering & Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Signal Processing (AREA)
- Image Analysis (AREA)
Description
システムモデル:xt〜f(xt|xt−1)
観測モデル:yt〜h(yt|xt)
から、観測系列(時刻tまでの観測ベクトルの集合)y1:t={y1,y2,・・・,yt}が与えられたとき、状態系列x0:t={x0,x1,・・・,xt}の条件付確率分布p(xt|y1:t)を求める手法である。
対象の内部状態のシステムモデル:xt=f(xt−1,vt)
対象を観測した時の観測モデル:yt=h(xt,wt)
f(xt−1,vt):時刻t−1と時刻tとの状態変化を表す状態遷移関数
h(xt,wt):状態xtのときに得られる観測ベクトルを表す関数
このとき、1期先予測は、
であり、ベイズ則により、時刻tにおける事後確率分布p(xt|y1:t)は、
となる。なお、h(yt|xt)は尤度(状態xtのときに、観測ベクトルytを得る確率)であり、p(xt|y1:t−1)は予測確率分布である。
(1)粒子生成(1期先予測)
以下の数式に相当する処理により、各サンプル(各パーティクル)について、時刻tにおける予測サンプルを生成する。つまり、時刻t−1の事後確率分布(時刻t−1の観測対象の内部状態の確率分布)から、システムモデル(状態遷移関数)により予測した確率分布(予測確率分布)を取得する。具体的には、システムモデルfに従って、時刻t−1の各サンプル(各パーティクル)を遷移させて予測サンプルを生成する。
xat (i)〜f(xt|xt−1 (i))
xat={xat (1),xat (2),xat (3),・・・,xat (M)}
xat:状態遷移関数f()による状態ベクトルxtの予測(推定)ベクトル
(2)重みの計算(尤度計算)
以下の数式に相当する処理により、処理(1)で生成された各予測サンプルについて、重み(尤度)を算出する。つまり、観測モデルhに従って、観測ベクトルytを得る確率(尤度)を推定する。
wat (i)〜h(yt|xat (i))
wat={wat (1),wat (2),wat (3),・・・,wat (M)}
wat:関数h()による重み(尤度)wtの予測(推定)ベクトル(尤度の予測値の集合)
(3)リサンプリング
重み(尤度)wat (i)に比例する割合でM個の粒子を復元抽出する(粒子xat (i)を抽出する)。このようにして復元抽出されたM個の粒子の分布から、時刻tの事後確率分布(時刻tの観測対象の内部状態の確率分布)を取得する。
(4)時刻tを進めて(1)に戻る。このとき、処理(3)で取得した事後確率分布(時刻tでの事後確率分布)を、次の時刻(時刻t+1)の事前確率分布とする。
第1実施形態について、図面を参照しながら、以下、説明する。
図1は、第1実施形態に係る状態推定装置1000の概略構成図である。
以上のように構成された状態推定装置1000の動作について、以下、説明する。
St|t−1={st|t−1 (1),st|t−1 (2),・・・,st|t−1 (M)}
とし、事後確率分布p(xt|yt)に従って生成されたサンプル集合(パーティクルの集合)St|tを
St|t={st|t (1),st|t (2),・・・,st|t (M)}
とする。
st|t (i)=(Xt (i),Yt (i),Wt (i),Ht (i))
であるものとする。
st|t−1 (i)=f(st−1|t−1 (i),vt (i))
f():時刻t−1と時刻tとの状態変化を表す状態遷移関数
vt (i):システムノイズ
により、予測処理後のパーティクルの集合St|t−1を取得する。
Xt|t−1 (i)=Xt−1|t−1 (i)+ΔX(i)
Yt|t−1 (i)=Yt−1|t−1 (i)+ΔY(i)
Wt|t−1 (i)=Wt−1|t−1 (i)+W(i)
Ht|t−1 (i)=Ht−1|t−1 (i)+H(i)
により、事前確率分布予測部7は、物体TG1の予測処理後のパーティクルの集合st|t−1を取得する。なお、ΔX(i)、ΔY(i)、ΔW(i)、ΔH(i)は、それぞれ、ガウス分布に従う。
w1(i3)=0.4
w1(i4)=0.95
w1(i5)=0.8
w1(i6)=0.25
上記のようにして取得された第1尤度(各パーティクルの第1尤度値を含むデータ)は、第1尤度取得部3から尤度合成部5に出力される。
w2 (i4)=0.6
w2 (i5)=0.2
上記のようにして取得された第2尤度(各パーティクルの第2尤度値を含むデータ)は、第2尤度取得部4から尤度合成部5に出力される。
wc(i)=P(1)/{P(1)+P(2)}×w1(i)+P(2)/{P(1)+P(2)}×w2(i)
により、i番目のパーティクルの合成尤度値wc(i)を取得する。
wc(i1)=wc(i2)=wc(i7)=wc(i8)=wc(i9)=0
wc(i3)=0.5×w1(i3)+0.5×w2(i3)
=0.5×0.4+0.5×0.0=0.2
wc(i4)=0.5×w1(i4)+0.5×w2(i4)
=0.5×0.95+0.5×0.6=0.775
wc(i5)=0.5×w1(i5)+0.5×w2(i5)
=0.5×0.8+0.5×0.2=0.5
wc(i6)=0.5×w1(i5)+0.5×w2(i5)
=0.5×0.25+0.5×0.0=0.125
上記のようにして取得された合成尤度(各パーティクルの合成尤度値を含むデータ)は、尤度合成部5から事後確率分布取得部6に出力される。
St|t={st|t (1),st|t (2),・・・,st|t (M1)}
を取得する。
次に、第1実施形態の第1変形例について、説明する。
次に、第2実施形態について、説明する。
図8は、第2実施形態に係る状態推定装置2000の概略構成図である。
以上のように構成された状態推定装置2000の動作について、以下、説明する。
まず、状態推定装置2000が明るい環境下に置かれている場合について、説明する。
P(1)=P(2)=1
とする。
wc(i)=P(1)/{P(1)+P(2)}×w1(i)+P(2)/{P(1)+P(2)}×w2(i)
により、i番目のパーティクルの合成尤度値wc(i)を取得する。
wc(i1)=wc(i2)=wc(i7)=wc(i8)=wc(i9)=0
wc(i3)=0.5×w1(i3)+0.5×w2(i3)
=0.5×0.4+0.5×0.0=0.2
wc(i4)=0.5×w1(i4)+0.5×w2(i4)
=0.5×0.95+0.5×0.6=0.775
wc(i5)=0.5×w1(i5)+0.5×w2(i5)
=0.5×0.8+0.5×0.2=0.5
wc(i6)=0.5×w1(i5)+0.5×w2(i5)
=0.5×0.25+0.5×0.0=0.125
上記のようにして取得された合成尤度(各パーティクルの合成尤度値を含むデータ)は、尤度合成部5から事後確率分布取得部6に出力される。
次に、状態推定装置2000が暗い環境下に置かれている場合について、説明する。
P(1)=0
に設定するものとする。
P(2)=1
に設定するものとする。
wc(i)=P(1)/{P(1)+P(2)}×w1(i)+P(2)/{P(1)+P(2)}×w2(i)
=w2(i)
により、i番目のパーティクルの合成尤度値wc(i)を取得する。
wc(i1)=wc(i2)=wc(i3)=wc(i6)=wc(i7)=wc(i8)=wc(i9)=0
wc(i4)=w2(i4)=0.6
wc(i5)=w2(i5)=0.2
上記のようにして取得された合成尤度(各パーティクルの合成尤度値を含むデータ)は、尤度合成部5から事後確率分布取得部6に出力される。
St|t={st|t (1),st|t (2),・・・,st|t (M1)}
を取得する。
次に、第2実施形態の第1変形例について、説明する。
f1(x)=(x−Lmin)/(Lmax−Lmin)
Lmin≦S_det≦Lmax
とする。
P’(1)=f1(S_det)×P(1)
P’(2)={1−f1(S_det)}×P(2)
により、修正信頼度データP’(1)とP’(2)とを取得する。
P’’(1)=P’(1)/(P’(1)+P’(2))
P’’(2)=P’(2)/(P’(1)+P’(2))
により、正規化した修正信頼度データP’’(1)とP’’(2)とを取得する。
wc=P’’(1)×w1+P’’(2)×w2
により、合成尤度wcを取得する。
(A)P(1)=P(2)=1であり、S_det=Lmaxの場合(照度が最大値である場合)、尤度合成部5Aは、
wc=w1
として、合成尤度wcを取得する。つまり、この場合、尤度合成部5Aは、可視光用イメージセンサーを有する撮像装置により取得された信号(データ)Din1に基づいて、取得された尤度w1を合成尤度wcとする。
(B)P(1)=P(2)=1であり、S_det=Lminの場合(照度が最小値である場合)、尤度合成部5Aは、
wc=w2
として、合成尤度wcを取得する。つまり、この場合、尤度合成部5Aは、赤外光用イメージセンサーを有する撮像装置により取得された信号(データ)Din2に基づいて、取得された第2尤度w2を合成尤度wcとする。
(1)環境光の照度が高い場合(明るい環境下の場合)、尤度合成部5Aは、明るい環境下でより精度の高いデータを取得できる可視光用イメージセンサーを有する撮像装置により取得された信号(データ)Din1に基づいて、合成尤度wcを取得し、
(2)環境光の照度が低い場合(暗い環境下の場合)、尤度合成部5Aは、暗い環境下でより精度の高いデータを取得できる赤外光用イメージセンサーを有する撮像装置により取得された信号(データ)Din2に基づいて、合成尤度wcを取得し、
(3)環境光の照度が中間である場合(上記(1)、(2)の中間の明るさの環境下の場合)、尤度合成部5Aは、可視光用イメージセンサーを有する撮像装置により取得された信号(データ)Din1による第1尤度w1と、赤外光用イメージセンサーを有する撮像装置により取得された信号(データ)Din2による第2尤度w2とを、例えば、照度に基づいて算出された内分比で合成した値を、合成尤度wcとして取得する。
次に、第2実施形態の第2変形例について、説明する。
時刻t0〜t1の期間において、第1検出精度データおよび第2検出精度データの精度が十分高いものとする。この場合、時刻t0〜t1の期間において、第1信頼度取得部9Aは、第1検出精度データに基づいて、信頼度データP(1)を、信頼度が高いことを示す値「1」に設定し、設定した信頼度データP(1)を、尤度合成部5に出力する。また、第2信頼度取得部10Aは、第2検出精度データに基づいて、信頼度データP(2)を、信頼度が高いことを示す値「1」に設定し、設定した信頼度データP(2)を、尤度合成部5に出力する。
wc=(P(1)×w1+P(2)×w2)/(P(1)+P(2))
=0.5×w1+0.5×w2
に相当する処理により、合成尤度wcを取得する。
時刻t1〜t2の期間において、状態推定装置2000Bは、明るい環境下に置かれているものとする。この場合、センサー部S2は、照度センサーにより取得された検出信号に基づいて、センサー検出値S_detを、照度が高いことを示す値「1」に設定する。そして、センサー部S2は、センサー検出値S_det(=1)を、第1信頼度取得部9Aおよび第2信頼度取得部10Aに出力する。なお、センサー検出値S_detは、0≦S_det≦1であり、照度が高い程「1」に近い値をとるものとする。
P(1)=S_det×f2(D1)
f2(Dx):データDxの信頼度を取得する関数
に相当する処理により、信頼度データP(1)を取得する。本変形例において、(センサー検出値を考慮しない場合の)第1観測データD1の信頼度は高く、f2(D1)=1であるものとする。なお、関数f2(Dx)は、0≦f2(Dx)≦1であり、データDxの信頼度が高い程、「1」に近い値となるものとする(以下、同様)。
P(1)=S_det×f2(D1)
=S_det
により、信頼度データP(1)を取得する。
P(2)=(1−S_det)×f2(D2)
f2(Dx):データDxの信頼度を取得する関数
に相当する処理により、信頼度データP(2)を取得する。本変形例において、(センサー検出値を考慮しない場合の)第2観測データD2の信頼度は高く、f2(D2)=1であるものとする。
P(2)=(1−S_det)×f2(D1)
=1−S_det
により、信頼度データP(2)を取得する。
wc=(P(1)×w1+P(2)×w2)/(P(1)+P(2))
=S_det×w1+(1−S_det)×w2
に相当する処理により、合成尤度wcを取得する。S_det=1であるので、尤度合成部5は、wc=w1として、合成尤度wcを取得する。
時刻t2〜t3の期間において、状態推定装置2000Bは、環境光が明るい状態から暗い状態に徐々に移行する環境下に置かれているものとする。そして、センサー部S2により取得されるセンサー検出値S_detは、図18に示すように、時刻t2において、S_det=1であり、時刻t2から時刻t3において、線形的に減少して、時刻t3において、S=0となるものとする。
P(1)=S_det×f2(D1)
f2(Dx):データDxの信頼度を取得する関数
に相当する処理により、信頼度データP(1)を取得する。本変形例において、(センサー検出値を考慮しない場合の)第1観測データD1の信頼度は高く、f2(D1)=1であるものとする。
P(1)=S_det×f2(D1)
=S_det
により、信頼度データP(1)を取得する。
P(2)=(1−S_det)×f2(D2)
f2(Dx):データDxの信頼度を取得する関数
に相当する処理により、信頼度データP(2)を取得する。本変形例において、(センサー検出値を考慮しない場合の)第2観測データD2の信頼度は高く、f2(D2)=1であるものとする。
P(2)=(1−S_det)×f2(D1)
=1−S_det
により、信頼度データP(2)を取得する。
wc=(P(1)×w1+P(2)×w2)/(P(1)+P(2))
=S_det×w1+(1−S_det)×w2
に相当する処理により、合成尤度wcを取得する。
時刻t3〜t4の期間において、状態推定装置2000Bは、暗い環境下に置かれているものとする。この場合、センサー部S2は、照度センサーにより取得された検出信号に基づいて、センサー検出値S_detを、照度が低いことを示す値「0」に設定する。そして、センサー部S2は、センサー検出値S_det(=0)を、第1信頼度取得部9Aおよび第2信頼度取得部10Aに出力する。なお、センサー検出値S_detは、0≦S_det≦1であり、照度が高い程「1」に近い値をとるものとする。
P(1)=S_det×f2(D1)
f2(Dx):データDxの信頼度を取得する関数
に相当する処理により、信頼度データP(1)を取得する。本変形例において、(センサー検出値を考慮しない場合の)第1観測データD1の信頼度は高く、f2(D1)=1であるものとする。
P(1)=S_det×f2(D1)
=S_det
により、信頼度データP(1)を取得する。
P(2)=(1−S_det)×f2(D2)
f2(Dx):データDxの信頼度を取得する関数
に相当する処理により、信頼度データP(2)を取得する。本変形例において、(センサー検出値を考慮しない場合の)第2観測データD2の信頼度は高く、f2(D2)=1であるものとする。
P(2)=(1−S_det)×f2(D1)
=1−S_det
により、信頼度データP(2)を取得する。
wc=(P(1)×w1+P(2)×w2)/(P(1)+P(2))
=S_det×w1+(1−S_det)×w2
に相当する処理により、合成尤度wcを取得する。S_det=0であるので、尤度合成部5は、wc=w2として、合成尤度wcを取得する。
次に、第2実施形態の第3変形例について、説明する。
となるように、n個の信頼度を正規化する。
により、合成尤度wcを取得する。
上記実施形態および変形例を組み合わせて状態推定装置を構成するようにしてもよい。
1、1A 第1観測取得部
2、2A 第2観測取得部
3 第1尤度取得部
4 第2尤度取得部
5、5A 尤度合成部
6 事後確率分布取得部
7 事前確率分布予測部
8 初期状態設定部
9 第1信頼度取得部
10 第2信頼度取得部
Claims (9)
- 観測対象の内部状態を推定する状態推定装置であって、
観測可能な事象から得られる第1観測データを、任意の時間間隔で取得する第1観測取得部と、
観測可能な事象から得られる第2観測データを、任意の時間間隔で取得する第2観測取得部と、
前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻tにおける事前確率分布データとし、当該時刻tにおける事前確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測部と、
前記第1観測データに基づいて、第1尤度を取得する第1尤度取得部と、
前記第2観測データに基づいて、第2尤度を取得する第2尤度取得部と、
前記第1尤度と、前記第2尤度と、前記第1観測データの信頼度を示す第1信頼度データと、前記第2観測データの信頼度を示す第2信頼度データと、に基づいて、合成尤度を取得する尤度合成部と、
前記合成尤度と前記予測確率分布データとから、現時刻tにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得部と、
1または複数のセンサーにより検出された所定の物理量に基づいて、1または複数のセンサー検出値を取得するセンサー部と、
前記第1信頼度データを取得する第1信頼度取得部と、
前記第2信頼度データを取得する第2信頼度取得部と、
を備え、
前記第1観測取得部は、第1観測データの検出精度に関するデータである第1検出精度データを取得し、
前記第2観測取得部は、第2観測データの検出精度に関するデータである第2検出精度データを取得し、
前記第1信頼度取得部は、前記第1検出精度データに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得部は、前記第2検出精度データに基づいて、前記第2信頼度データを取得し、
前記尤度合成部は、
前記センサー部により取得された前記センサー検出値に基づいて、前記第1信頼度データを修正することで修正第1信頼度データを取得し、
前記センサー部により取得された前記センサー検出値に基づいて、前記第2信頼度データを修正することで修正第2信頼度データを取得し、
前記修正第1信頼度データおよび前記修正第2信頼度データに基づいて、前記合成尤度を取得する、
状態推定装置。 - 観測対象の内部状態を推定する状態推定装置であって、
観測可能な事象から得られる第1観測データを、任意の時間間隔で取得する第1観測取得部と、
観測可能な事象から得られる第2観測データを、任意の時間間隔で取得する第2観測取得部と、
前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻tにおける事前確率分布データとし、当該時刻tにおける事前確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測部と、
前記第1観測データに基づいて、第1尤度を取得する第1尤度取得部と、
前記第2観測データに基づいて、第2尤度を取得する第2尤度取得部と、
前記第1尤度と、前記第2尤度と、前記第1観測データの信頼度を示す第1信頼度データと、前記第2観測データの信頼度を示す第2信頼度データと、に基づいて、合成尤度を取得する尤度合成部と、
前記合成尤度と前記予測確率分布データとから、現時刻tにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得部と、
1または複数のセンサーにより検出された所定の物理量に基づいて、1または複数のセンサー検出値を取得するセンサー部と、
前記第1信頼度データを取得する第1信頼度取得部と、
前記第2信頼度データを取得する第2信頼度取得部と、
を備え、
前記第1観測取得部は、第1観測データの検出精度に関するデータである第1検出精度データを取得し、
前記第2観測取得部は、第2観測データの検出精度に関するデータである第2検出精度データを取得し、
前記第1信頼度取得部は、前記第1検出精度データに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得部は、前記第2検出精度データに基づいて、前記第2信頼度データを取得し、
前記第1信頼度取得部は、前記センサー部により取得された前記センサー検出値と、前記第1検出精度データとに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得部は、前記センサー部により取得された前記センサー検出値と、前記第2検出精度データとに基づいて、前記第2信頼度データを取得する、
状態推定装置。 - 前記第1信頼度データは、固定値であり、
前記第2信頼度データは、固定値である、
請求項1または2に記載の状態推定装置。 - 前記第1信頼度データは、2値データであり、
前記第2信頼度データは、2値データである、
請求項1または2に記載の状態推定装置。 - 前記第1信頼度データは、連続値であり、
前記第2信頼度データは、連続値である、
請求項1または2に記載の状態推定装置。 - 観測対象の内部状態を推定する状態推定方法をコンピュータに実行させるプログラムであって、
観測可能な事象から得られる第1観測データを、任意の時間間隔で取得する第1観測取得ステップと、
観測可能な事象から得られる第2観測データを、任意の時間間隔で取得する第2観測取得ステップと、
前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻tにおける事前確率分布データとし、当該時刻tにおける事前確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測ステップと、
前記第1観測データに基づいて、第1尤度を取得する第1尤度取得ステップと、
前記第2観測データに基づいて、第2尤度を取得する第2尤度取得ステップと、
前記第1尤度と、前記第2尤度と、前記第1観測データの信頼度を示す第1信頼度データと、前記第2観測データの信頼度を示す第2信頼度データと、に基づいて、合成尤度を取得する合成尤度取得ステップと、
前記合成尤度と前記予測確率分布データとから、現時刻tにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得ステップと、
1または複数のセンサーにより検出された所定の物理量に基づいて、1または複数のセンサー検出値を取得するセンサーステップと、
前記第1信頼度データを取得する第1信頼度取得ステップと、
前記第2信頼度データを取得する第2信頼度取得ステップと、
を備え、
前記第1観測取得ステップでは、第1観測データの検出精度に関するデータである第1検出精度データを取得し、
前記第2観測取得ステップでは、第2観測データの検出精度に関するデータである第2検出精度データを取得し、
前記第1信頼度取得ステップでは、前記第1検出精度データに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得ステップでは、前記第2検出精度データに基づいて、前記第2信頼度データを取得し、
前記合成尤度取得ステップでは、
前記センサーステップにより取得された前記センサー検出値に基づいて、前記第1信頼度データを修正することで修正第1信頼度データを取得し、
前記センサーステップにより取得された前記センサー検出値に基づいて、前記第2信頼度データを修正することで修正第2信頼度データを取得し、
前記修正第1信頼度データおよび前記修正第2信頼度データに基づいて、前記合成尤度を取得する、
状態推定方法をコンピュータに実行させるプログラム。 - 観測対象の内部状態を推定する状態推定方法をコンピュータに実行させるプログラムであって、
観測可能な事象から得られる第1観測データを、任意の時間間隔で取得する第1観測取得ステップと、
観測可能な事象から得られる第2観測データを、任意の時間間隔で取得する第2観測取得ステップと、
前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻tにおける事前確率分布データとし、当該時刻tにおける事前確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測ステップと、
前記第1観測データに基づいて、第1尤度を取得する第1尤度取得ステップと、
前記第2観測データに基づいて、第2尤度を取得する第2尤度取得ステップと、
前記第1尤度と、前記第2尤度と、前記第1観測データの信頼度を示す第1信頼度データと、前記第2観測データの信頼度を示す第2信頼度データと、に基づいて、合成尤度を取得する合成尤度取得ステップと、
前記合成尤度と前記予測確率分布データとから、現時刻tにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得ステップと、
1または複数のセンサーにより検出された所定の物理量に基づいて、1または複数のセンサー検出値を取得するセンサーステップと、
前記第1信頼度データを取得する第1信頼度取得ステップと、
前記第2信頼度データを取得する第2信頼度取得ステップと、
を備え、
前記第1観測取得ステップでは、第1観測データの検出精度に関するデータである第1検出精度データを取得し、
前記第2観測取得ステップでは、第2観測データの検出精度に関するデータである第2検出精度データを取得し、
前記第1信頼度取得ステップでは、前記第1検出精度データに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得ステップでは、前記第2検出精度データに基づいて、前記第2信頼度データを取得し、
前記第1信頼度取得ステップでは、前記センサーステップにより取得された前記センサー検出値と、前記第1検出精度データとに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得ステップでは、前記センサーステップにより取得された前記センサー検出値と、前記第2検出精度データとに基づいて、前記第2信頼度データを取得する、
状態推定方法をコンピュータに実行させるプログラム。 - 観測対象の内部状態を推定する集積回路であって、
観測可能な事象から得られる第1観測データを、任意の時間間隔で取得する第1観測取得部と、
観測可能な事象から得られる第2観測データを、任意の時間間隔で取得する第2観測取得部と、
前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻tにおける事前確率分布データとし、当該時刻tにおける事前確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測部と、
前記第1観測データに基づいて、第1尤度を取得する第1尤度取得部と、
前記第2観測データに基づいて、第2尤度を取得する第2尤度取得部と、
前記第1尤度と、前記第2尤度と、前記第1観測データの信頼度を示す第1信頼度データと、前記第2観測データの信頼度を示す第2信頼度データと、に基づいて、合成尤度を取得する尤度合成部と、
前記合成尤度と前記予測確率分布データとから、現時刻tにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得部と、
1または複数のセンサーにより検出された所定の物理量に基づいて、1または複数のセンサー検出値を取得するセンサー部と、
前記第1信頼度データを取得する第1信頼度取得部と、
前記第2信頼度データを取得する第2信頼度取得部と、
を備え、
前記第1観測取得部は、第1観測データの検出精度に関するデータである第1検出精度データを取得し、
前記第2観測取得部は、第2観測データの検出精度に関するデータである第2検出精度データを取得し、
前記第1信頼度取得部は、前記第1検出精度データに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得部は、前記第2検出精度データに基づいて、前記第2信頼度データを取得し、
前記尤度合成部は、
前記センサー部により取得された前記センサー検出値に基づいて、前記第1信頼度データを修正することで修正第1信頼度データを取得し、
前記センサー部により取得された前記センサー検出値に基づいて、前記第2信頼度データを修正することで修正第2信頼度データを取得し、
前記修正第1信頼度データおよび前記修正第2信頼度データに基づいて、前記合成尤度を取得する、
集積回路。 - 観測対象の内部状態を推定する集積回路であって、
観測可能な事象から得られる第1観測データを、任意の時間間隔で取得する第1観測取得部と、
観測可能な事象から得られる第2観測データを、任意の時間間隔で取得する第2観測取得部と、
前時刻t−1に取得された観測対象の内部状態の確率分布である事後確率分布データを現時刻tにおける事前確率分布データとし、当該時刻tにおける事前確率分布データに対して予測処理を行い、現時刻tにおける観測対象の内部状態の確率分布である予測確率分布データを取得する事前確率分布予測部と、
前記第1観測データに基づいて、第1尤度を取得する第1尤度取得部と、
前記第2観測データに基づいて、第2尤度を取得する第2尤度取得部と、
前記第1尤度と、前記第2尤度と、前記第1観測データの信頼度を示す第1信頼度データと、前記第2観測データの信頼度を示す第2信頼度データと、に基づいて、合成尤度を取得する尤度合成部と、
前記合成尤度と前記予測確率分布データとから、現時刻tにおける観測対象の内部状態の確率分布である事後確率分布データを取得する事後確率分布取得部と、
1または複数のセンサーにより検出された所定の物理量に基づいて、1または複数のセンサー検出値を取得するセンサー部と、
前記第1信頼度データを取得する第1信頼度取得部と、
前記第2信頼度データを取得する第2信頼度取得部と、
を備え、
前記第1観測取得部は、第1観測データの検出精度に関するデータである第1検出精度データを取得し、
前記第2観測取得部は、第2観測データの検出精度に関するデータである第2検出精度データを取得し、
前記第1信頼度取得部は、前記第1検出精度データに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得部は、前記第2検出精度データに基づいて、前記第2信頼度データを取得し、
前記第1信頼度取得部は、前記センサー部により取得された前記センサー検出値と、前記第1検出精度データとに基づいて、前記第1信頼度データを取得し、
前記第2信頼度取得部は、前記センサー部により取得された前記センサー検出値と、前記第2検出精度データとに基づいて、前記第2信頼度データを取得する、
集積回路。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014250985A JP6482844B2 (ja) | 2014-12-11 | 2014-12-11 | 状態推定装置、プログラムおよび集積回路 |
EP15195370.0A EP3032496B1 (en) | 2014-12-11 | 2015-11-19 | State estimation apparatus, program, and integrated circuit |
US14/950,302 US10375360B2 (en) | 2014-12-11 | 2015-11-24 | State estimation apparatus, state estimation method, integrated circuit, and non-transitory computer-readable storage medium |
CN201510820272.0A CN105701839B (zh) | 2014-12-11 | 2015-11-24 | 状态估计装置、状态估计方法以及集成电路 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014250985A JP6482844B2 (ja) | 2014-12-11 | 2014-12-11 | 状態推定装置、プログラムおよび集積回路 |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2016114988A JP2016114988A (ja) | 2016-06-23 |
JP2016114988A5 JP2016114988A5 (ja) | 2018-01-11 |
JP6482844B2 true JP6482844B2 (ja) | 2019-03-13 |
Family
ID=54780057
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014250985A Active JP6482844B2 (ja) | 2014-12-11 | 2014-12-11 | 状態推定装置、プログラムおよび集積回路 |
Country Status (4)
Country | Link |
---|---|
US (1) | US10375360B2 (ja) |
EP (1) | EP3032496B1 (ja) |
JP (1) | JP6482844B2 (ja) |
CN (1) | CN105701839B (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6820204B2 (ja) * | 2017-01-18 | 2021-01-27 | 日本放送協会 | 状態推定器、及びプログラム |
US11468275B1 (en) * | 2019-03-05 | 2022-10-11 | Apple Inc. | Computer vision using a prior probability distribution selected based on an image capture condition |
JP7355115B2 (ja) * | 2019-04-23 | 2023-10-03 | 日本電気株式会社 | 操作結果を予測する方法、電子機器、及びコンピュータプログラム製品 |
JP7322622B2 (ja) * | 2019-09-17 | 2023-08-08 | 富士通株式会社 | 情報処理装置、情報処理方法及び情報処理プログラム |
JP7249919B2 (ja) * | 2019-09-17 | 2023-03-31 | 株式会社東芝 | 推定装置、推定方法及びプログラム |
JP2022175094A (ja) * | 2021-05-12 | 2022-11-25 | 株式会社Soken | 追跡装置 |
JP7357659B2 (ja) * | 2021-06-30 | 2023-10-06 | 本田技研工業株式会社 | データ異常判定装置及び内部状態予測システム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US6882959B2 (en) * | 2003-05-02 | 2005-04-19 | Microsoft Corporation | System and process for tracking an object state using a particle filter sensor fusion technique |
JP4568223B2 (ja) * | 2005-12-21 | 2010-10-27 | 株式会社デンソー | 推定装置 |
JP4991595B2 (ja) * | 2008-02-21 | 2012-08-01 | 株式会社東芝 | パーティクルフィルタを使用する追跡システム |
JP4582174B2 (ja) * | 2008-03-28 | 2010-11-17 | ソニー株式会社 | 追跡処理装置、追跡処理方法、プログラム |
CN102105811B (zh) * | 2009-02-19 | 2013-10-16 | 松下电器产业株式会社 | 物体位置推定系统、物体位置推定装置、物体位置推定方法及物体位置推定程序 |
EP2416132B1 (de) * | 2010-08-05 | 2013-03-27 | Mettler-Toledo (Albstadt) GmbH | Waage mit Anzeige- und Bedieneinheit |
JP5674550B2 (ja) | 2011-05-09 | 2015-02-25 | 日本電信電話株式会社 | 状態追跡装置、方法、及びプログラム |
US8594982B2 (en) * | 2011-06-09 | 2013-11-26 | Pulsar Informatics, Inc. | Systems and methods for distributed calculation of fatigue-risk prediction and optimization |
JP2013196294A (ja) * | 2012-03-19 | 2013-09-30 | Toshiba Corp | 人物画像処理装置、及び人物画像処理方法 |
US20140275886A1 (en) * | 2013-03-14 | 2014-09-18 | Streamline Automation, Llc | Sensor fusion and probabilistic parameter estimation method and apparatus |
JP6194450B2 (ja) * | 2013-04-15 | 2017-09-13 | 株式会社メガチップス | 状態推定装置、プログラムおよび集積回路 |
-
2014
- 2014-12-11 JP JP2014250985A patent/JP6482844B2/ja active Active
-
2015
- 2015-11-19 EP EP15195370.0A patent/EP3032496B1/en active Active
- 2015-11-24 US US14/950,302 patent/US10375360B2/en active Active
- 2015-11-24 CN CN201510820272.0A patent/CN105701839B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
EP3032496B1 (en) | 2019-04-17 |
EP3032496A1 (en) | 2016-06-15 |
CN105701839A (zh) | 2016-06-22 |
US20160171717A1 (en) | 2016-06-16 |
JP2016114988A (ja) | 2016-06-23 |
US10375360B2 (en) | 2019-08-06 |
CN105701839B (zh) | 2019-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6482844B2 (ja) | 状態推定装置、プログラムおよび集積回路 | |
KR101411639B1 (ko) | 영상 정합 방법 및 장치 | |
JP6194450B2 (ja) | 状態推定装置、プログラムおよび集積回路 | |
US10679363B2 (en) | Image noise reduction | |
JP6366999B2 (ja) | 状態推定装置、プログラムおよび集積回路 | |
CN114556268B (zh) | 一种姿势识别方法及装置、存储介质 | |
US9805443B2 (en) | Image processing method, image processing apparatus, program, storage medium, production apparatus, and method of producing assembly | |
JP2010009375A (ja) | 画像処理装置、画像処理方法及び画像処理プログラム | |
AU2010209473B2 (en) | Detecting potential changed objects in images | |
US20170263005A1 (en) | Method for moving object detection by a kalman filter-based approach | |
JP2009265732A (ja) | 画像処理装置及びその方法 | |
JP2016114988A5 (ja) | ||
US20120051662A1 (en) | Image processing apparatus and storage medium | |
JP6371515B2 (ja) | X線画像処理装置、x線画像処理方法、及びプログラム | |
JP5431501B2 (ja) | 画像処理装置、及びその方法 | |
JP2021089493A (ja) | 情報処理装置およびその学習方法 | |
CN113269812B (zh) | 图像预测模型的训练及应用方法、装置、设备、存储介质 | |
JP6291763B2 (ja) | 追尾装置、追尾方法及び追尾プログラム | |
WO2020044866A1 (ja) | 変位計測装置及び変位計測方法 | |
JPWO2017109997A1 (ja) | 画像処理装置、画像処理方法およびプログラム | |
JP2012198877A (ja) | 動き検出装置、動き検出方法及び動き検出プログラム | |
JP2011081613A (ja) | 画像処理装置 | |
CN117647263A (zh) | 基于非线性优化的单光子相机视觉惯性里程计方法及系统 | |
TWI478554B (zh) | 影像雜訊消除方法及其產生移動向量資料結構之方法 | |
JP2004213572A (ja) | 物体抽出装置、物体抽出方法、プログラム及び記録媒体 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171109 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20171109 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171205 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180213 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20181015 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20181030 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20181212 |
|
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: 20190129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190213 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6482844 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |