JP6592245B2 - モバイルデバイスにおけるユーザの動きの方向の推定 - Google Patents

Description

[0001] 本発明は、一般に、個人の動きの方向の推定に関し、特に、モバイルデバイスにおけるユーザの動きの方向の推定に関する（ただしこれに限定されるわけではない）。

[0002] ユビキタスコンピューティングに向かう傾向の中で、コンテキストアウェアネスは、ユーザの動きの方向の推定に基づく個人の位置特定を伴う応用分野で重要な要素になりつつある。例えばスマートフォンまたはその他の同様のモバイルデバイスを使用した個人の動きの方向の推定では、埋込み型の、全世界測位システム（ＧＰＳ）、および／または例えば加速度計などの慣性センサを利用する。

[0003] 添付の図面を参照して、詳細に説明する。これらの図面において、参照番号の頭の１つまたは複数の数字は、その参照番号が最初に記される図面を示している。全ての図面を通じて、同じ特徴および構成要素は、同じ番号を使用して示す。

[0004]本主題の実施形態による、ユーザの動きの方向を推定するモバイルデバイスを示す図である。 [0005]本主題の実施形態による、モバイルデバイスの３本の軸を示す図である。 [0006]本主題の実施形態による、モバイルデバイス上のユーザの動きの方向を推定する方法を示す図である。

[0007] 当業者なら、本明細書のあらゆるブロック図は、本主題の原理を実施する例示的なシステムを示す概念的な図であることを理解されたい。同様に、あらゆるフローチャート、流れ図、状態遷移図、擬似コードなども、コンピュータ可読媒体中に実質的に表現することができ、コンピューティングデバイスまたはプロセッサが明示的に示されているか否かに関わらずコンピューティングデバイスまたはプロセッサによって実質的に実行することができる様々なプロセスを表現していることも理解されたい。

[0008] 個人の動きの方向を推定する従来の方法では、埋込み型のＧＰＳおよび例えば加速度計などの慣性センサを利用する。しかし、ＧＰＳによって得られる個人の動きの方向に関する情報は、衛星から直接見える特定の屋外環境でしか信頼できない。慣性センサのデータは、一般にノイズが多く、正確な位置情報を得ることができない。

[0009] 歩行者ナビゲーションシステムは、慣性センサを使用して歩行者の動きの方向を推定および監視する従来のシステムである。歩行者ナビゲーションシステムでは、歩行者の動きの方向は、歩行者が移動する一歩一歩の集積に基づいて推定する。ステップ検出は、通常は、慣性センサデータのピーク検出に依拠するが、慣性センサデータは、ノイズおよびその他の無関係の動きに敏感であり、高い割合で偽陽性が生じる。さらに、歩行者ナビゲーションシステムは、追跡を行うのに、ユーザの身体上に配置された専用慣性センサデバイスに依拠している。

[0010] 近年、特定の改良された歩行者ナビゲーション方法では、歩行者の動きの方向を推定するのに、加速度計を備えたスマートフォンなど、広く入手できるモバイルデバイスを活用するようになっている。しかし、このような歩行者ナビゲーションシステムをスマートフォン上で実施すると、重要な問題にぶつかる。例えば、歩行者が歩いているときには、手やポケットの中などスマートフォンの位置が、センサの読みに影響を及ぼす可能性がある。これにより、スマートフォンの位置によって検出の信頼性が低くなる可能性がある。さらに、スマートフォンに組み込まれた加速度計のデータは、ノイズが多すぎるので、歩行者の位置特定が不正確になる。

[0011] 本主題では、ユーザの動きの方向を推定するモバイルデバイス、およびそのモバイルデバイスにおいてユーザの動きの方向を推定する方法について述べる。

[0012] 本明細書で述べるモバイルデバイスとしては、慣性センサを備えるスマートフォン、携帯情報端末（ＰＤＡ）、タブレットコンピュータあるいはその他の携帯可能または手持ち型のコンピューティングデバイスが挙げられる。慣性センサとしては、ユーザの加速に基づく移動または動きを測定するために使用される加速度計が挙げられる。微小電気機械システム（ＭＥＭＳ）技術によって、モバイルデバイスに組み込まれる大きさの慣性センサの製造が可能になっている。このような慣性センサは、コストが低く、電力消費が少ない。本主題の状況では、ユーザは、モバイルデバイスを手に持って、あるいはシャツのポケット、ズボンのポケット、腰ポケットまたは腰に付けた電話ホルダに入れて持ち運んで歩行／移動している個人とすることができる。

[0013] 本主題の一実施形態によれば、モバイルデバイスの３本の軸に沿った加速度値を、モバイルデバイス内の慣性センサによって測定する。一実施態様では、加速度値の測定のために、ユーザの動きを表す加速度信号を、データストリームの形態で慣性センサが捉える。慣性センサからの加速度信号のデータストリームは、所定の期間を有する複数の時間ウィンドウに分割される。その後、時間ウィンドウごとに加速度信号を処理して、加速度値を得る。慣性センサが取り込んだ加速度信号は、一般にノイズが多すぎ、また、モバイルデバイスが静止しているときには静的バイアスも含んでいる可能性がある。したがって、測定加速度値は、この実施形態では、さらに処理を行う前に静的バイアスおよびノイズを除去することによって補正する。この補正は、モバイルデバイスの３本の軸全てに沿って得られた加速度値について行われることは明らかである。

[0014] 静的バイアスおよびノイズを除去した後で得られた加速度値は、以下、補正済み加速度値と呼ぶ。次いで、これらの補正済み加速度値を使用して、重力の方向を決定する。重力の方向の決定は、低域フィルタを用いて補正済み加速度値をフィルタリングすることによって行う。これにより、重力成分を加速度値から取り除く。本明細書で言及する重力成分とは、３本の軸に沿った重力による加速度値の寄与分を指す。

[0015] 重力成分を決定することにより、重力およびその方向をさらに決定することができるようになり、それにより重力の方向に直交する平面を決定することができるようになる。この平面は、重力の方向に直交する２本の軸を含む。これらの軸は、以下、直交軸と呼ぶ。

[0016] 平面の２本の直交軸を決定した後で、２本の直交軸それぞれに沿った変位の値を決定する。ある実施態様では、変位値の決定は、モバイルデバイスがユーザの身体に対して配置される位置に依存する。この依存性は、個人の歩き方の観察に基づいて決定されている。観察によれば、歩行中に、個人の足は、地面を後方に蹴る。これが、個人を前進させる反力を生み出す。しかし、この反力は、身体の下半身で感じられるものである。したがって、慣性センサは、身体の下半身と接触しているときには、前方への力を受ける。一方、身体の下半身によって引き起こされるこの動きによって引っ張られる身体の上半身は、後方への慣性力を感じる。個人の身体は、一歩進むごとにいったん停止するので、このプロセスが繰り返される。このように、身体の上半身で観察される力は、真の動きの方向に対して反対になる。

[0017] したがって、携帯電話が、例えばシャツのポケットやウエストポーチの中など身体の上半身に配置されている場合、あるいはズボンのポケットの中など身体の下半身に配置されている場合には、ユーザの身体に対するモバイルデバイスの位置が、変位値に影響を及ぼすことになる。したがって、モバイルデバイスの位置が変位値に与える大小の影響を打ち消すために、また真の変位値を計算するために、ユーザの身体に対するモバイルデバイスの配置に関するユーザ入力を受け取り、次いで動きの軸に沿って、加速度値に対して所定値によるスケーリングを行う。ある実施態様では、この所定値は＋１および−１である。この実施態様では、携帯電話が、例えば頭から腰までなどユーザの上半身に近いところに配置されている場合には、動きの軸に沿って、各補正済み加速度値に値−１を乗算し、例えば腰より下などユーザの下半身に近いところに配置されている場合には、動きの軸に沿って、補正済み加速度値に値１を乗算して、加速度値をスケーリングする。

[0018] さらに、ある実施態様では、変位値の決定は、時間に関してモバイルデバイスの３本の軸に沿った補正済み加速度値の積分に基づく。この実施態様では、加速度値を時間に関して積分して速度値を得、次いで、これらの速度値を時間に関して積分して、平面の２本の直交軸のそれぞれに沿った変位値を得る。２本の直交軸に沿った変位値の比が、ユーザの動きの方向を与える。

[0019] 上述のように、モバイルデバイスおよび本主題による方法は、加速度計データを処理して、ノイズおよび静的バイアスを解消し、加速度計データを処理してスケーリングした後で得られた変位値に依拠して、ユーザの動きの方向を特定または推定する。したがって、推定した動きの方向には誤差がなく、モバイルデバイスがユーザの身体に対してどこに配置されているかにかかわらず、正確に推定を行うことができる。この推定した動きの方向は、ユーザの屋内または屋外の位置特定を必要とする様々なアプリケーションで、入力として利用することができる。

[0020] モバイルデバイスおよび方法を実施する方法を、図１および図２を参照して詳細に説明する。記載する方法の特徴は、慣性センサを備えた、任意数の様々な携帯可能または手持ち型のコンピューティングデバイスおよび／または通信デバイスで実施することができる。

[0021] 図１（ａ）は、本主題の実施態様による、ユーザの動きの方向を推定するモバイルデバイス１００を示す図である。１実施態様では、モバイルデバイス１００は、慣性センサ１１２を有するデバイスであり、ユーザが歩行中に持ち運ぶことができるデバイスである。モバイルデバイス１００としては、スマートフォン、あるいは慣性センサを備えた携帯可能または手持ち型のコンピューティングデバイスおよび／または通信デバイスなどが挙げられる。ユーザは、モバイルデバイス１００を自分の手に持っていてもよいし、ポケットまたは鞄に入れていてもよいし、あるいは結合手段を用いて身に付けていてもよい。

[0022] １実施態様では、モバイルデバイス１００は、１つまたは複数のプロセッサ１０２を含む。１つまたは複数のプロセッサ１０２は、１つあるいは複数のマイクロプロセッサ、マイクロコンピュータ、マイクロコントローラ、デジタル信号プロセッサ、中央処理装置、状態機械、論理回路、および／または操作命令に基づいて信号を操作する任意のデバイスとして実装することができる。特に、１つまたは複数のプロセッサ１０２は、メモリに格納されたコンピュータ可読命令をフェッチして実行するように構成される。

[0023] モバイルデバイス１００は、さらに、１つまたは複数のインタフェース１０４を含む。１つまたは複数のインタフェース１０４としては、モバイルデバイス１００が、サーバ、データソースおよび外部リポジトリなど他のデバイスと通信することを可能にする、機械可読命令に基づくハードウェア型の様々なインタフェースが挙げられる。さらに、１つまたは複数のインタフェース１０４は、モバイルデバイス１００が、通信ネットワークを介してネットワークエンティティなど他の通信デバイスと通信することを可能にすることもできる。

[0024] さらに、モバイルデバイス１００は、メモリ１０６を含む。メモリ１０６は、１つまたは複数のプロセッサ１０２に結合することができる。メモリ１０６としては、例えばスタティックランダムアクセスメモリ（ＳＲＡＭ）およびダイナミックランダムアクセスメモリ（ＤＲＡＭ）などの揮発性メモリ、ならびに／あるいは読取り専用メモリ（ＲＯＭ）、消去可能読取り専用メモリ（ＲＯＭ）、消去可能プログラム可能ＲＯＭ、フラッシュメモリ、ハードディスク、光ディスクおよび磁気テープなどの不揮発性メモリなど、当技術分野で既知の任意のコンピュータ可読媒体を挙げることができる。

[0025] さらに、モバイルデバイス１００は、１つまたは複数のモジュール１０８、およびデータ１１０を含む。１つまたは複数のモジュール１０８およびデータ１１０は、１つまたは複数のプロセッサ１０２に結合することができる。特に、１つまたは複数のモジュール１０８は、特定のタスクを実行する、または特定の抽象データ型を実施するルーチン、プログラム、オブジェクト、構成要素、データ構造などを含む。また、１つまたは複数のモジュール１０８は、１つまたは複数の信号プロセッサ、１つまたは複数の状態機械、論理回路、ならびに／あるいは操作命令に基づいて信号を操作する任意のその他のデバイスまたは構成要素として実装することもできる。データ１１０は、特に、１つまたは複数のモジュール１０８がフェッチ、処理、受信または生成することができるデータを格納するリポジトリとして機能する。データ１１０は、モバイルデバイス１００の内部に示してあるが、モバイルデバイス１００に結合することができる外部リポジトリ（図示せず）内にあってもよいことを理解されたい。モバイルデバイス１００は、１つまたは複数のインタフェース１０４を介して外部リポジトリと通信することができる。

[0026] さらに、１つまたは複数のモジュール１０８は、ハードウェアとして実装してもよいし、処理ユニットによって実行される命令として実施してもよいし、あるいはそれらの組合せとして実装してもよい。処理ユニットは、コンピュータ、プロセッサ、状態機械、論理アレイ、または命令を処理することができるその他の任意の適当なデバイスを含むことができる。処理ユニットは、汎用プロセッサにタスクを実行させる命令を実行する汎用プロセッサであってもよいし、あるいは必要な機能を実行するための専用のユニットであってもよい。本主題の別の態様では、１つまたは複数のモジュール１０８は、プロセッサ／処理ユニットによって実行されたときに所望の機能のいずれかを実行する機械可読命令（ソフトウェア）とすることもできる。機械可読命令は、電子メモリデバイス、ハードディスク、光ディスク、あるいはその他の機械可読記憶媒体または非一時的媒体に格納することができる。ある実施態様では、機械可読命令は、ネットワーク接続を介して記憶媒体にダウンロードしてもよい。

[0027] ある実施態様では、１つまたは複数のモジュール１０８は、静的バイアス推定モジュール１１４、バイアス除去モジュール１１６、ノイズ除去モジュール１１８、方向推定モジュール１２０、および１つまたは複数のその他のモジュール１２２を含む。１つまたは複数のその他のモジュール１２２は、モバイルデバイス１００が実行するアプリケーションまたは機能を補足するプログラムまたはコード化命令を含むことができる。この実施態様では、データ１１０は、静的バイアス１２４、加速度値１２６、補正済み加速度値１２８、配置情報１３０、変位値１３２、方向情報１３４、およびその他のデータ１３６を含む。その他のデータ１３６は、特に、１つまたは複数のモジュール１０８のうちの１つまたは複数の実行の結果として処理、受信または生成されるデータを格納するリポジトリとして機能することができる。

[0028] 以下の説明では、ユーザによって実行される、モバイルデバイス１００におけるユーザの動きの方向の推定について述べる。１実施態様では、ユーザの歩行中に、モバイルデバイス１００内の慣性センサ１１２は、ユーザの動きを検出して、そのユーザの動きに対応する加速度信号のデータストリームを生成する。

[0029] ある実施態様では、加速度信号のデータストリームは、例えば２〜３秒など所定の期間を有する時間ウィンドウについて得ることができ、これらの加速度信号を使用して、既知の方法を用いて慣性センサ１１２が捉えた加速度信号からモバイルデバイス１００の３本の軸に沿った加速度値を測定する。モバイルデバイス１００のこれらの３本の軸を、図１（ｂ）に示す。図１（ｂ）に示すように、モバイルデバイス１００の３本の軸は、「ｘ」軸、「ｙ」軸および「ｚ」軸を含む。３本の軸全てに沿って、加速度値が得られる。したがって、このようにして得られた加速度値は、データ１１０内に加速度値１２６として格納することができる。

[0030] 次いで、測定加速度値を、バイアス除去モジュール１１６およびノイズ除去モジュール１１８が、測定加速度値から静的バイアスおよびノイズを除去することに基づいて補正する。静的バイアスの除去では、最初に、モバイルデバイス１００についての静的バイアスを、静的バイアス推定モジュール１１４によって推定する。静的バイアス推定モジュール１１４は、モバイルデバイス１００が静止しているときに、モバイルデバイス１００の３本の軸全てに沿った加速度値を取得する。モバイルデバイス１００が静止しているので、以下に数式（１）として示す運動方程式によれば、変位はゼロに等しい。

ここで、Ｓ＝変位、
ｕ＝速度、
ｔ＝時間、および
ａ＝加速度である。

[0031] モバイルデバイス１００が静止しているときには速度「ｕ」がゼロであるので、全ての瞬間において、進行する全距離Ｓは、

であり、

となる。ここで、一定のバイアス「ｂ」を考え、「ａ」を「ｂ」で置換すると、以下の式が得られる。

[0032] 上記の数式（２）を、モバイルデバイス１００の３本全ての軸について独立して使用して、既知の最小２乗推定技術に従って静的バイアス「ｂ_ｘ」、「ｂ_ｙ」および「ｂ_ｚ」を推定する。ある実施態様では、静的バイアス推定モジュール１１４は、これらの推定静的バイアス値を、データ１１０内に静的バイアス１２４として格納する。次いで、バイアス除去モジュール１１６が、測定加速度値から３本の軸についての推定静的バイアスを減算して、静的バイアスを除去する。

[0033] 静的バイアスを除去した後で、ノイズ除去モジュール１１８が、ノイズフロアの所定の範囲内の全ての測定加速度値を生成することに基づいて測定加速度値からノイズを除去する。ある実施態様では、このノイズフロアの所定の範囲は、±０．０１２である。上記のように、静的バイアスおよびノイズが除去された加速度値を、本明細書全体を通じて、補正済み加速度値と呼ぶ。ある実施態様では、補正済み加速度値は、データ１１０内に補正済み加速度値１２８として格納される。

[0034] 静的バイアスおよびノイズを除去した後で、方向推定モジュール１２０が、ユーザの動きの方向を推定する。動きの方向の推定では、方向推定モジュール１２０は、従来の低域フィルタを用いて３本の軸に沿った補正済み加速度値をフィルタリングすることによって重力を評価し、重力の絶対値を計算し、この重力の絶対値を各軸に沿った既定の許容値と比較して加速度値から重力成分を取り除くことに基づいて重力の方向を決定する。１実施態様では、既定の許容値は２２％である。この実施態様では、ある軸に沿った重力の絶対値が２２％未満である場合、すなわち許容値未満である場合には、この軸に沿った重力成分を無視する、または取り除く。絶対重力を決定することにより、重力の方向に直交する平面を決定することができる。この平面は、重力の方向に直交する２本の直交軸を含む。

[0035] その後、方向推定モジュール１２０は、これら２本の直交軸に沿った変位値を評価する。この評価は、ユーザの身体に対するモバイルデバイス１００の配置についてのユーザ入力を受信することに基づく。例えば、モバイルデバイス１００は、シャツのポケット、ズボンのポケット、または腰のポケット／ユーザの腰に付けられた電話ホルダの中に配置されている可能性がある。１つの例では、ユーザが、ユーザの身体に対するモバイルデバイス１００の配置についてのユーザ入力を提供することができる。方向推定モジュール１２０は、このユーザ入力を、データ１１０内には配置情報１３０として格納することができる。モバイルデバイス１００の配置が変化した場合には、更新されたユーザ入力を受信し、それに従って配置情報１３０を更新することができる。

[0036] ユーザの身体に対するモバイルデバイス１００の配置に応じて、方向推定モジュール１２０は、動きの軸に沿って、値＋１／−１による加速度値のスケーリングを実行する。前述のように、方向推定モジュール１２０は、モバイルデバイス１００が例えば頭から腰までなどユーザの上半身に配置されている場合には、加速度値を−１によってスケーリングし、すなわち加速度値に−１を乗算し、例えば腰より下などユーザの下半身に配置されている場合には、加速度値を＋１によってスケーリングする。

[0037] スケーリングの後で、方向推定モジュール１２０は、これらの加速度値を、すなわちモバイルデバイス１００の３本の軸に沿った補正およびスケーリング済みの加速度値を、時間に関して積分する。加速度値を時間に関して積分して速度値を得、さらに速度値を時間に関して積分して、平面の２本の直交軸に沿った変位値を得る。１実施態様では、方向推定モジュール１２０は、この評価した変位値を、データ１１０内に変位値１３２として格納する。

[0038] 次いで、方向推定モジュール１２０は、これらの変位値の比を計算して、ユーザの動きの方向を推定する。動きの方向は、ユーザの身体が重力の方向に直交する平面の直交軸に対してなす角度として推定される。１実施態様では、方向推定モジュール１２０は、以下の数式（３）を使用して、ユーザの動きの方向を推定する。１実施態様では、方向推定モジュール１２０は、この推定した動きの方向を、データ１１０内に方向情報１３４として格納する。

ここで、θ＝地面の平面に対する動きの方向、
Ｄ_ｘ＝第１の直交軸に沿った変位値、
Ｄ_ｙ＝第２の直交軸に沿った変位値である。

[0039] 上記の数式（３）によって推定された動きの方向は、生の加速度値を用いて推定した場合と比較して、比較的誤差がない。

[0040] 図２は、モバイルデバイスにおいてユーザの動きの方向を推定する方法２００を示す図である。方法２００は、モバイルデバイス１００で実施される。方法２００を説明する順序は、限定的なものとして解釈すべきものではなく、記載する方法ブロックのうちの任意数のブロックを任意の順序で組み合わせて、方法２００または任意の代替方法を実施することができる。さらに、本明細書に記載する本主題の主旨および範囲を逸脱することなく、個々のブロックを方法２００から削除することもできる。さらに、方法２００は、任意の適当なハードウェアで実施することができる。

[0041] 方法２００は、コンピュータ実行可能命令の一般的な文脈で説明することもできる。一般に、コンピュータ実行可能命令は、特定の機能を実行する、または特定の抽象データ型を実施するルーチン、プログラム、オブジェクト、構成要素、データ構造、手続き、モジュール、機能などを含むことができる。さらに、方法２００は、慣性センサを有する任意のモバイルデバイスで実施することができるが、図２に示す例では、方法２００は、説明を容易にするために、前述のモバイルデバイス１００の文脈で説明する。

[0042] 図２を参照すると、ブロック２０２で、モバイルデバイス１００内の慣性センサ１１２が、モバイルデバイス１００の３本の軸に沿った加速度値を測定する。これらの加速度値は、従来の方法を用いて慣性センサが捉えた加速度信号から、モバイルデバイス１００の３本の軸に沿って測定される。１実施態様では、ユーザの動きを表す加速度信号は、データストリームの形態で慣性センサ１１２によって捉えられる。慣性センサ１１２からの加速度信号のデータストリームは、所定の期間を有する複数の時間ウィンドウに分割される。次いで、時間ウィンドウごとに、加速度信号を処理する。したがって、加速度信号に対応する得られた加速度値は、時間ウィンドウに応じて１つ１つ処理される。

[0043] ブロック２０４で、測定加速度値から静的バイアスおよびノイズを除去して、補正済み加速度値を得る。既知のように、加速度計が捉える加速度信号はノイズが多すぎ、またモバイルデバイスが静止しているときには静的バイアスも含み、測定加速度値が不正確になる可能性がある。したがって、測定加速度値を、さらに処理する前に、方法２００によって静的バイアスおよびノイズを除去することに基づいて補正する。

[0044] ブロック２０６で、補正済み加速度値に基づいて、重力の方向を決定する。重力の方向は、従来の低域フィルタを用いて３本の軸に沿った補正済み加速度値をフィルタリングすることによって重力を評価し、重力の絶対値を計算し、この重力の絶対値を各軸に沿った既定の許容値と比較して加速度値から重力成分を取り除くことに基づいて決定される。１実施態様では、既定の許容値は２２％である。この実施態様では、ある軸に沿った重力の絶対値が２２％未満である場合、すなわち許容値未満である場合には、この軸に沿った重力成分を無視する、または取り除く。

[0045] ブロック２０８で、モバイルデバイスの回転行列を用いて、重力の方向に直交する平面を決定する。この平面は、例えば「ｘ」軸および「ｙ」軸など、２本の直交軸を含む。「ｘ」軸および「ｙ」軸は、両方とも重力の方向に直交する。

[0046] ブロック２１０で、平面の２本の直交軸に沿った変位値を、ユーザの身体に対するモバイルデバイスの配置についてのユーザ入力と、補正済み加速度値の時間に関する積分とに基づいて評価する。１実施態様では、ユーザの身体に対するモバイルデバイスの配置によっては、加速度値を＋１／−１によってスケーリングする工程を実行する。この実施態様によれば、ユーザの動きの軸に沿って、モバイルデバイス１００が例えば頭から腰までなどユーザの上半身に配置されている場合には、加速度値を−１によってスケーリングし、例えば腰より下などユーザの下半身に配置されている場合には、加速度値を＋１によってスケーリングする。

[0047] スケーリングの後で、これらの加速度値、すなわち補正およびスケーリング済みの加速度値を、時間に関して積分する。加速度値を時間に関して積分して速度値を得、さらに速度値を時間に関して積分して、平面の２本の直交軸に沿った変位値を得る。

[0048] ブロック２１２で、直前の方法ブロックで評価した変位値の比に基づいて、ユーザの動きの方向を推定する。

[0049] ユーザの動きの方向を推定するモバイルデバイスおよびモバイルデバイスにおいてユーザの動きの方向を推定する方法の様々な実施態様について述べたが、本主題は、記載したこれらの具体的な特徴または方法に必ずしも限定されないことを理解されたい。これらの具体的な特徴および方法は、モバイルデバイスにおけるユーザの動きの方向の推定の実施態様例として開示したものである。

Claims (9)

1. モバイルデバイスにおいてユーザの動きの方向を推定する方法であって、
   前記モバイルデバイス内の慣性センサによって、前記モバイルデバイスの３本の軸に沿った加速度値を測定する工程と、
   前記加速度値から静的バイアスおよびノイズを除去して、前記モバイルデバイスの前記３本の軸に沿った補正済み加速度値を得る工程と、
   低域フィルタを用いて前記３本の軸に沿った前記補正済み加速度値をフィルタリングすることによって重力を評価し、前記モバイルデバイスの前記３本の軸のそれぞれに沿った前記重力の絶対値を計算し、前記重力の絶対値を前記３本の軸のそれぞれに沿った既定の許容値と比較して前記補正済み加速度値から重力成分を取り除くことに基づいて、重力の方向を決定する工程と、
   前記重力の方向にそれぞれ直交する２本の直交軸を含む、前記重力の方向に直交する平面を特定する工程と、
   ユーザの身体に対する前記モバイルデバイスの配置についてのユーザ入力、および前記２本の直交軸に沿った前記補正済み加速度値の時間に関する積分に基づいて、前記２本の直交軸のそれぞれに沿った変位値を評価する工程と、
   前記２本の直交軸に沿った前記変位値の比に基づいて前記ユーザの動きの方向を推定する工程とを含み、
   前記変位値は、
   前記ユーザの身体に対する前記モバイルデバイスの配置に関する前記ユーザ入力に基づいて前記補正済み加速度値を所定値によってスケーリングして、スケーリング済みの加速度値を得ることであって、前記所定値は、前記ユーザの動きの軸に沿って、前記モバイルデバイスが前記ユーザの身体の上半身に配置されている場合には−１であり、前記モバイルデバイスが前記ユーザの身体の下半身に配置されている場合には＋１であることと、
   前記モバイルデバイスの３本の軸に沿った、補正およびスケーリング済みの加速度値を、時間に関して積分して、前記平面の前記２本の直交軸のそれぞれに沿った前記変位値を評価することと、
   によって評価される、方法。
2. 前記加速度値が、所定の期間を有する複数の時間ウィンドウで測定される、請求項１に記載の方法。
3. 前記既定の許容値が、２２％である、請求項１に記載の方法。
4. ユーザの動きの方向を推定するモバイルデバイスであって、
   プロセッサと、
   前記モバイルデバイスの３本の軸に沿った加速度値を測定するために、前記ユーザの動きに基づいて加速度信号を捉える慣性センサと、
   前記プロセッサに結合された方向推定モジュールであり、
   低域フィルタを用いて前記３本の軸に沿った補正済み加速度値をフィルタリングすることによって重力を評価し、前記モバイルデバイスの前記３本の軸のそれぞれに沿った前記重力の絶対値を計算し、前記重力の絶対値を前記３本の軸のそれぞれに沿った既定の許容値と比較して前記補正済み加速度値から重力成分を取り除くことに基づいて、重力の方向を決定し、前記補正済み加速度値は、測定された前記加速度値から静的バイアスおよびノイズを除去することによって取得され、
   前記重力の方向にそれぞれ直交する２本の直交軸を含む、前記重力の方向に直交する平面を特定し、
   ユーザの身体に対する前記モバイルデバイスの配置についてのユーザ入力、および前記２本の直交軸に沿った前記加速度値の時間に関する積分に基づいて前記２本の直交軸に沿った変位値を評価し、
   前記２本の直交軸に沿った前記変位値の比に基づいて前記ユーザの動きの方向を推定する、
   方向推定モジュールとを備え、
   前記変位値は、
   前記ユーザの身体に対する前記モバイルデバイスの配置に関する前記ユーザ入力に基づいて前記補正済み加速度値を所定値によってスケーリングして、スケーリング済みの加速度値を得ることであって、前記所定値は、前記ユーザの動きの軸に沿って、前記モバイルデバイスが前記ユーザの身体の上半身に配置されている場合には−１であり、前記モバイルデバイスが前記ユーザの身体の下半身に配置されている場合には＋１である、
   ことと、
   前記モバイルデバイスの３本の軸に沿った、補正およびスケーリング済みの加速度値を、時間に関して積分して、前記平面の前記２本の直交軸のそれぞれに沿った前記変位値を評価することと、
   によって評価される、モバイルデバイス。
5. 前記慣性センサが、加速度計である、請求項４に記載のモバイルデバイス。
6. 前記慣性センサが、前記加速度信号を、所定の期間を有する複数の時間ウィンドウにおいてデータストリームとして捉える、請求項４に記載のモバイルデバイス。
7. 前記プロセッサに結合された、前記加速度値から前記静的バイアスを除去するバイアス除去モジュールをさらに備える、請求項４に記載のモバイルデバイス。
8. 前記プロセッサに結合された、前記加速度信号から得られる前記加速度値から前記ノイズを除去するノイズ除去モジュールをさらに備える、請求項４に記載のモバイルデバイス。
9. 実行されたときに、モバイルデバイスに、
   前記モバイルデバイス内の慣性センサによって、前記モバイルデバイスの３本の軸に沿った加速度値を測定する工程と、
   前記加速度値から静的バイアスおよびノイズを除去して、前記モバイルデバイスの前記３本の軸に沿った補正済み加速度値を得る工程と、
   低域フィルタを用いて前記３本の軸に沿った前記補正済み加速度値をフィルタリングすることによって重力を評価し、前記モバイルデバイスの前記３本の軸のそれぞれに沿った前記重力の絶対値を計算し、前記重力の絶対値を前記３本の軸のそれぞれに沿った既定の許容値と比較して前記補正済み加速度値から重力成分を取り除くことに基づいて、重力の方向を決定する工程と、
   前記重力の方向にそれぞれ直交する２本の直交軸を含む、前記重力の方向に直交する平面を特定する工程と、
   ユーザの身体に対する前記モバイルデバイスの配置についてのユーザ入力、および前記２本の直交軸に沿った前記補正済み加速度値の時間に関する積分に基づいて、前記２本の直交軸のそれぞれに沿った変位値を評価する工程と、
   前記２本の直交軸に沿った前記変位値の比に基づいて前記ユーザの動きの方向を推定する工程とを実行させる１組のコンピュータ可読命令を有し、
   前記変位値は、
   前記ユーザの身体に対する前記モバイルデバイスの配置に関する前記ユーザ入力に基づいて前記補正済み加速度値を所定値によってスケーリングして、スケーリング済みの加速度値を得ることであって、前記所定値は、前記ユーザの動きの軸に沿って、前記モバイルデバイスが前記ユーザの身体の上半身に配置されている場合には−１であり、前記モバイルデバイスが前記ユーザの身体の下半身に配置されている場合には＋１である、
   ことと、
   前記モバイルデバイスの３本の軸に沿った、補正およびスケーリング済みの加速度値を、時間に関して積分して、前記平面の前記２本の直交軸のそれぞれに沿った前記変位値を評価することと、
   によって評価される、コンピュータ可読媒体。

Images