JP7342864B2 - 測位プログラム、測位方法、及び測位装置 - Google Patents

Description

本技術は、測位装置、測位方法、及びプログラムに関し、特に、加速度センサ及び角速度センサにより歩行者等の測定対象の位置を測定する測位装置、測位方法、及びプログラムに関する。

加速度センサ及び角速度センサを使用して歩行者の位置を測定する技術として歩行者自律航法（ＰＤＲ：Pedestrian Dead Reckoning）が知られている。

ＰＤＲの技術を用いた自律航法装置として、特許文献１には、予め歩行者の平均歩幅を求めておき、計測データから検出した歩行者の歩数と平均歩幅とに基づいて歩行者の移動距離を算出することが開示されている。

また、特許文献２には、衛星測位システム（ＧＰＳ：Global Positioning System）等などの他の測位からＰＤＲによる測位に切り替える際に、他の測位による測位結果から算出された誤差の少ない基準位置と移動方向を取得してこれに基づいてＰＤＲによる測位を開始することが開示されている。

また、特許文献３には、加速度センサ、地磁気センサ、及びＧＰＳ測位のデータから移動方向を推定する技術が開示されている。

特開２０１６－２１８０２６号公報 特開２０１７－１１１０９８号公報 特開２０１８－５４４１４号公報

加速度センサ及び角速度センサを用いて高精度の測位を行うことが要請されている。

本技術は、このような状況に鑑みてなされたものであり、特に、加速度センサ及び角速度センサを用いて高精度の測位を行えるようにするものである。

本技術の一側面の測位プログラムは、メモリに格納され、プロセッサが実行することにより、前記プロセッサが、機体の加速度データを検出する加速度センサにより検出された前記加速度データと、前記機体の角速度データを検出する角速度センサにより検出された前記角速度データとを所定の時間周期で取得する取得手段と、前記取得手段により前記所定の時間周期で取得される前記加速度データと前記角速度データに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定する移動ベクトル推定手段とを含む情報提供装置として機能するための測位プログラムである。

本技術の一側面の測位方法は、測位装置が、機体の加速度データを検出する加速度センサにより検出された前記加速度データと、前記機体の角速度データを検出する角速度センサにより検出された前記角速度データとを所定の時間周期で取得する取得ステップと、前記取得ステップの処理により前記所定の時間周期で取得される前記加速度データと前記角速度データに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定する移動ベクトル推定ステップとを含む測位方法である。
本技術の一側面の測位装置は、機体の加速度データを検出する加速度センサにより検出された前記加速度データと、前記機体の角速度データを検出する角速度センサにより検出された前記角速度データとを所定の時間周期で取得する取得手段と、前記取得手段により前記所定の時間周期で取得される前記加速度データと前記角速度データに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定する移動ベクトル推定手段とを備える測位装置である。

本技術の一側面の測位プログラム、測位方法、及び測位装置においては、機体の加速度データを検出する加速度センサにより検出された前記加速度データと、前記機体の角速度データを検出する角速度センサにより検出された前記角速度データとが所定の時間周期で取得され、前記所定の時間周期で取得される前記加速度データと前記角速度データに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルが機械学習モデルにより推定される。

本技術に係る測位方法の概要を示す模式図である。 本技術を適用した測位装置の一実施の形態の構成例を示すブロック図である。 機体座標系と世界座標系を例示した図である。 座標変換部の処理内容を説明する図である。 積算部の処理内容を説明する図である。 ＰＤＲ絶対位置化部の処理内容を説明する図である。 世界座標系の座標値により生成された軌跡データの表示例を示した図である。 測位装置が行う処理の例を説明するフローチャートである。 機械学習モデルの生成に使用するモデル生成機及びデータ収集機の構成例を示したブロック図である。 モデル生成機及びデータ収集機が行う処理の例を説明するフローチャートである。 機械学習モデルの入出力形態を説明する図である。 機械学習モデルの入出力形態を説明する図である。 機械学習モデルの入出力形態を説明する図である。 本技術を適用した本実施の形態における測位装置と、比較装置との測位データの誤差評価を示した図である。 本技術を適用した本実施の形態における測位装置と、比較装置との測位データの誤差評価を示した図である。 比較装置における移動量または移動方向の検出に誤差を生じさせる要素であって本技術では十分な精度を得る対応が可能な要素を示した図である。 移動量誤差を生じる要素を例示した図である。 移動方向誤差を生じる要素を例示した図である。 歩数及び歩幅による移動量の推定におけるセンサの装着部位による難しさの違いを説明する図である。 本技術が適用された測位装置と比較装置との移動ベクトルの誤差の相違を説明する図である。 本技術が適用された測位装置と比較装置との移動ベクトルの誤差の相違を説明する図である。 施設内における地磁気の乱れの様子を例示した図である。 施設内における地磁気の乱れの様子を例示した図である。 一連の処理をプログラムにより実行するコンピュータのハードウェアの構成例を示すブロック図である。

以下、図面を参照しながら本技術の実施の形態について説明する。

＜＜本技術を適用した測位装置の概要＞＞

ＰＤＲでは特許文献１に記載の技術のように歩行者の歩数を検出し、歩数と歩幅とに基づいて移動量を推定することが一般的に行われる。

しかしながら、歩幅は、人物、歩行動作、歩行場所等の歩行状況によって変化し、歩幅の変化が移動量の誤差を生じさせ、測位精度を低下させる原因となる。

特許文献１によれば、歩行者ごとに平均歩幅が計測され、計測された平均歩幅を用いて移動量が算出されるため、人物ごとの歩幅の違いによる移動量の誤差は低減される。

しかしながら、同一人物であってもが歩き方や歩く場所等の歩行状況が相違すれば歩幅も相違するため、多様な歩行状況下において測位精度を向上させることは難しい。

また、特許文献２に記載の技術では、測位開始時における歩行者の位置及び移動方向の精度の向上が図られるが、その後の加速度センサ及び角速度センサを用いた測位精度の向上を図るものではない。

さらに、特許文献３に記載の技術は、ＧＰＳによる測位結果を用いて移動方向を推定する技術であり、ＧＰＳによる測位が必要となるため加速度センサと角速度センサとにより測位を行う技術とは相違する。

図１は、本技術を適用した測位方法の概要を示す模式図である。

図１において説明する測位方法は歩行者を測位対象とした例であり、本技術を適用した測位装置１０は、歩行者が保持（携帯）するスマートフォン２０に実装され、または、歩行者が身に着ける帽子等の装着品に専用機２２として取り付けられる。なお、歩行自体を目的としない対象が保持する装置、例えば、VR（仮想現実）、AR（拡張現実）、MR（複合現実）等で使用されるＨＭＤ（ヘッドマウントディスプレイ）２４に測位装置１０を装着または内蔵してもよい。

後述のように測位装置１０は、慣性センサとして３軸の加速度センサと３軸の角速度センサを搭載しており、歩行者の動きによって生じた加速度及び角速度を示す図１のセンサデータ１２をそれらの加速度センサ及び角速度センサから取得する。

続いて、測位装置１０は、機械学習のアルゴリズムにより構築された図１の機械学習モデル１４に対してセンサデータ１２を入力する。機械学習モデル１４は、入力されたセンサデータ１２に基づいて測位装置１０の移動量及び移動方向を示す移動ベクトルを推定（算出）する。この移動ベクトルは、前回の移動ベクトルの推定時からの測位装置１０の相対位置変化を示す。

機械学習モデル１４は、図１の学習用歩行データ１８を用いて事前に訓練（学習）される。学習用歩行データ１８は、色々な箇所に慣性センサを取り付けたときの歩行データ、色々な歩き方をしたときの歩行データ、色々な人に慣性センサを取り付けたときの歩行データ等、様々の状況を想定して収集されたデータにより生成される。

次いで、測位装置１０は、機械学習モデル１４により推定された移動ベクトルと、測位装置１０の実空間での初期位置及び初期方位と、測位装置１０の相対姿勢変化の推定情報とを統合する。この統合により、測位装置１０は、実空間において測位装置１０が通過した位置を求めて、図１の軌跡データ１６のように実空間における測位装置１０（歩行者）の移動軌跡を求める。

＜＜本技術を適用した測位装置１０の一実施の形態＞＞
図２は、本技術を適用した測位装置１０の一実施の形態の構成例を示したブロック図である。本実施の形態では図２の全ての構成部が支持体などを介して一体化されているものとし、例えば歩行者、自動車等の任意の移動体を測位対象として移動体の所望の部位に保持（装着、把持等）される。以下の説明では測位対象を歩行者と想定して説明する。

測位装置１０は、ＩＭＵ３０（Inertial Measurement Unit：慣性計測装置）と、ＡＨＲＳ３２（Attitude Heading Reference System）と、ＤＮＮ３４（Deep Neural Network）と、外界センサ３６と、センサ融合部３８とを備える。

ＩＭＵ３０は、慣性センサであり、３軸の加速度センサ４０と、３軸の角速度センサ４２と、ＩＭＵキャリブレーション部４４とを備え、これらの加速度センサ４０、角速度センサ４２、及びＩＭＵキャリブレーション部４４は枠体によって一体的に保持される。

加速度センサ４０は、機体に生じた加速度であって、互いに直交する３軸の各軸方向の加速度を検出し、検出した３軸方向の加速度の大きさ及び向きを示す加速度信号をＩＭＵキャリブレーション部４４に供給する。なお、機体とは加速度センサ４０及び角速度センサ４２を支持する支持体をいうものとする。

角速度センサ４２は、機体に生じた角速度であって、互いに直交する３軸の各軸周りの角速度を検出し、検出した３軸周りの角速度の大きさ及び向きに応じた角速度信号をＩＭＵキャリブレーション部４４に供給する。

（機体座標系）
ここで、加速度センサ４０が加速度を検出する３軸をｘ軸、ｙ軸、及びｚ軸とすると、角速度センサ４２が角速度を検出する３軸もｘ軸、ｙ軸、及びｚ軸となるように加速度センサ４０及び角速度センサ４２が機体に固定されている。このｘ軸、ｙ軸、及びｚ軸を座標軸とする座標系を機体座標系（ローカル座標系）というものとする。機体座標系は、機体に対して固定された座標系であり、ｘ軸、ｙ軸、及びｚ軸は、例えば図３に示すように機体と一体的に動く測位装置１０に対して予め決められた方向の３軸を示す。

ＩＭＵキャリブレーション部４４は、加速度センサ４０及び角速度センサ４２の各々からの加速度信号及び角速度信号に対してバイアス除去、ゲイン調整等の校正処理を施し、測定誤差を軽減する。

そして、ＩＭＵキャリブレーション部４４は、校正処理を施した加速度信号及び角速度信号をデジタルデータである加速度データ及び角速度データとして所定の出力周期でＤＮＮ３４及びＡＨＲＳ３２に供給する。本実施の形態において加速度データ及び角速度データの出力周期は０．０２秒（周波数５０Ｈｚ）とするがこれに限らない。

なお、ｘｙｚ軸３方向の加速度データを（Ａｘ，Ａｙ，Ａｚ）で表し、ｘｙｚ軸の各軸周りの角速度データを（ωｘ，ωｙ，ωｚ）で表す。

図２において、ＡＨＲＳ３２は、地磁気センサ４５と姿勢推定部４６とを備える。

地磁気センサ４５は、機体座標系のｘｙｚ軸３方向の地磁気を検出し、ｘｙｚ軸３方向の地磁気の大きさ及び向きに応じた地磁気信号を姿勢推定部４６に供給する。

姿勢推定部４６は、ＩＭＵ３０のＩＭＵキャリブレーション部４４からの加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）と、地磁気センサ４５からの地磁気信号とに基づいてＩＭＵ３０の姿勢を検出（推定）する。

具体的には、姿勢推定部４６は、ＩＭＵキャリブレーション部４４からの加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）に基づいて、機体座標系における鉛直方向（重力加速度方向）を検出する。

なお、加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）に基づいて鉛直方向を検出する方法は周知であり、詳細な説明は省略する。また、加速度データ（Ａｘ，Ａｙ，Ａｚ）のみから鉛直方向を検出することも可能であり、鉛直方向の検出の方法は任意の方法を採用することができる。

また、姿勢推定部４６は、地磁気センサ４５からの地磁気信号に基づいて機体座標系における地磁気方向を検出し、検出した地磁気方向を機体座標系における磁北方向として決定する。

姿勢推定部４６は、検出した機体座標系における磁北方向と鉛直方向とに基づいて機体座標系における真北方向を検出する。なお、真北方向は鉛直方向に対して直交する。

そして、姿勢推定部４６は、機体座標系における鉛直方向と真北方向とを、ＩＭＵ３０の姿勢（以下、機体の姿勢という）を示す姿勢データとして所定の出力周期でセンサ融合部３８に供給する。本実施の形態において姿勢データの出力周期は、１秒（周波数１Ｈｚ）とするがこれに限らない。

（姿勢推定の他の形態）
なお、姿勢推定部４６における機体の姿勢の推定は次のようにしてもよい。

まず、姿勢推定部４６は、姿勢推定開始時において、加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）に基づいて機体座標系における鉛直方向を検出し、地磁気センサ４５からの地磁気信号に基づいて機体座標系における磁北方向を検出する。そして、姿勢推定部４６は、検出した鉛直方向と磁北方向とに基づいて機体座標系における真北方向を算出する。

姿勢推定部４６は、このようにして地磁気センサ４５からの地磁気信号を利用することにより取得した機体座標系における鉛直方向と真北方向とを機体の初期の姿勢（初期方位）を示す姿勢データとしてセンサ融合部３８に供給する。その後、姿勢推定部４６は、地磁気センサ４５からの地磁気信号を参照することなく、ＩＭＵキャリブレーション部４４からの角速度データ（ωｘ，ωｙ，ωｚ）に基づいて機体の回転移動を検出して機体座標系における鉛直方向と真北方向とを更新する。

これにより、姿勢推定部４６は、ＩＭＵキャリブレーション部４４から角速度データ（ωｘ，ωｙ，ωｚ）が供給される１秒ごとに機体座標系における鉛直方向と真北方向とを示す姿勢データを更新し、更新した姿勢データをセンサ融合部３８に供給する。なお、地磁気センサ４５からの地磁気信号を利用せずに鉛直方向と真北方向との更新を継続すると、鉛直方向と真北方向との誤差が蓄積して徐々に大きくなるので、適宜のタイミングで本形態による処理を初めから実施するようにしてもよい。

ここで、ＡＨＲＳ３２は地磁気センサ４５を必ずしも備えていなくてもよい。ＡＨＲＳ３２が地磁気センサ４５を備えない場合に、姿勢推定部４６は、磁北方向（または真北方向）の情報を外部の地磁気センサから取得してもよい。または、歩行者が機体座標系（測位装置１０）の特定の方向を磁北方向に向けて所定の操作を行うと、姿勢推定部４６が機体座標系（測位装置１０）のその特定の方向を磁北方向として認識するようにしてもよい。または、姿勢推定部４６は、真北方向の情報を外部のGNSS受信機（例えば後述の外界センサ３６）、地球自転センサ等の姿勢推定センサや、地図情報等から取得してもよい。なお、測位装置１０がGNSS受信機を複数備えることで、姿勢推定部４６は、それらの複数のGNSS受信機により検出された緯度値、経度値、及び高度値に基づいて機体座標系における真北方向を検出することができる。また、姿勢推定部４６は、GNSS受信機から得られる機体の速度情報（移動方向）と、後述の移動ベクトル推定部４８により推定される機体の移動方向とから機体座標系における真北方向を検出することができる。

また、機体座標系における鉛直方向と真北方向との検出、すなわち、機体の絶対的な姿勢（絶対姿勢）の検出については、その検出の全ての処理を姿勢推定部４６が行うのではなく、その検出の一部の処理をセンサ融合部３８が行うようにしてもよい。

例えば、姿勢推定部４６は、機体の初期の絶対姿勢に対する相対的な姿勢変化（相対姿勢変化）、または、所定時間ごとの機体の相対姿勢変化をＩＭＵキャリブレーション部４４からの角速度データ（ωｘ，ωｙ，ωｚ）に基づいて検出し、検出した相対姿勢変化を姿勢データとしてセンサ融合部３８に供給する。また、姿勢推定部４６は、ＩＭＵキャリブレーション部４４からの加速度データ（Ａｘ，Ａｙ，Ａｚ）に基づいて機体座標系における鉛直方向の情報も姿勢データとしてセンサ融合部３８に供給する。

センサ融合部３８は、地磁気センサ４５、後述の外界センサ３６、地球自転センサ等の姿勢推定センサ、または、地図情報等から取得したデータに基づいて機体座標系における磁北方向または真北方向を検出する。そして、センサ融合部３８は、検出した磁北方向または真北方向の情報と姿勢推定部４６からの鉛直方向の情報とにより機体の初期の絶対姿勢を検出する。センサ融合部３８は、機体の初期の絶対姿勢を検出した後、機体の初期の絶対姿勢と姿勢推定部４６からの機体の相対姿勢変化の情報とに基づいて機体の絶対姿勢を検出する。

ＤＮＮ３４は、機械学習モデルにより演算処理を行う移動ベクトル推定部４８を備える。

移動ベクトル推定部４８は、ＩＭＵ３０のＩＭＵキャリブレーション部４４からの加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）に基づいて機体が移動した移動量及び移動方向を示す機体座標系における移動ベクトルＭを推定（算出）する。そして、移動ベクトル推定部４８は、推定した移動ベクトルＭを所定の出力周期でセンサ融合部３８に供給する。本実施の形態において移動ベクトルＭの出力周期は１秒（周波数１Ｈｚ）とするがこれに限らない。

移動ベクトルＭの推定は、機械学習のアルゴリズムに基づいて構築された機械学習モデルを用いて行われ、移動ベクトル推定部４８は、事前に訓練された機械学習モデルの演算処理を実施して移動ベクトルＭを推定する。

機械学習モデルは、ＩＭＵキャリブレーション部４４から供給された加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）の合計６軸分のセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）を入力データとする。そして、機械学習モデルは、入力データに対して、所定の移動ベクトル推定期間において機体が移動したと推定される移動量及び移動方向を示す機体座標系における移動ベクトルＭを出力データとする。

出力データは具体的には推定された移動ベクトルＭの機体座標系におけるｘｙｚ軸３方向の成分値（ｘｙｚ成分値）であり、移動ベクトルＭの機体座標系におけるｘｙｚ成分値を（Ｍｘ，Ｍｙ，Ｍｚ）と表す。

移動ベクトル推定期間は、前回推定した移動ベクトルＭの算出時から今回推定する移動ベクトルＭの算出時までの時間を示す。移動ベクトル推定時間は、推定した移動ベクトルＭをセンサ融合部３８に供給する出力周期と同期（一致）しており、本実施の形態では１秒（周波数１Ｈｚ）とする。したがって、移動ベクトル推定部４８により推定される移動ベクトルＭは１秒間に機体が移動した移動量及び移動方向を示す。

外界センサ３６は、人工衛星を利用した全地球航法衛星システム（ＧＮＳＳ：Global Navigation Satellite System）の１つである衛星測位システム（ＧＰＳ：Global Positioning System）を用いた測位センサである。
外界センサ３６は、センサ部５０と測位地図データ記憶部５２と測位部５４とを備える。

センサ部５０は、地球低軌道を周回する複数（例えば４機）のＧＰＳ衛星から送信される衛星電波信号を受信し、衛星電波信号に含まれる情報であって、衛星位置を示す軌道情報及び送信時刻を示す時刻情報等の情報を抽出する。そして、センサ部５０は、抽出した情報を衛星受信データとして測位部５４に供給する。

測位地図データ記憶部５２は、道路形状、道路幅、道路名、建造物、各種施設、地名、地形等のデータと、地理座標系における緯度、経度、及び高度とを対応付ける地図データを記憶している。

測位部５４は、センサ部５０からの衛星受信データと、測位地図データ記憶部５２の地図データとに基づいて、衛星電波信号受信時における機体の位置を地球の地理座標系における緯度値、経度値、及び高度値（標高値）として算出する。

すなわち、測位部５４は、センサ部５０からの衛星受信データに含まれる軌道情報及び時刻情報に基づいて衛星電波信号受信時の機体の位置を示す地理座標系における座標値Ｇ（緯度値，経度値，高度値）を算出する。

また、測位部５４は、算出した座標値Ｇの周辺の地図データを測位地図データ記憶部５２から取得し、取得した地図データに基づいて座標値Ｇを適宜補正する。例えば、測位部５４は、測位地図データ記憶部５２から取得した地図データが示す地図上において、座標値Ｇの位置が物理的に機体の存在できない位置と判断した場合に、座標値Ｇをその近傍の適切な座標値に補正する。

なお、座標値Ｇの補正については、様々な方法が周知であり、どのような方法を用いてもよいし、補正自体を行わなくてもよい。

測位部５４は、以上の処理により得られた地理座標系における座標値Ｇ（緯度値，経度値，高度値）を、機体の現在位置を示す外界測位データとして所定の出力周期でセンサ融合部３８に供給する。本実施の形態において外界測位データの出力周期は１秒とするがこれに限らない。測位部５４は後述のセンサ融合部３８から要求があったときのみ外界測位データをセンサ融合部３８に供給するようにしてもよい。

センサ融合部３８は、座標変換部５６と積算部５８とＰＤＲ絶対位置化部６０とを備える。

座標変換部５６は、ＤＮＮ３４の移動ベクトル推定部４８からの機体座標系における移動ベクトルＭを、ＡＨＲＳ３２の姿勢推定部４６からの姿勢データに基づいて、後述の世界座標系における移動ベクトルＭＧに変換する。

具体的には、座標変換部５６は、姿勢推定部４６からの姿勢データに基づいて、移動ベクトル推定部４８からの移動ベクトルＭの機体座標系におけるｘｙｚ成分値（Ｍｘ，Ｍｙ，Ｍｚ）を世界座標系におけるＸＹＺ成分値（ＭＸ，ＭＹ，ＭＺ）に変換する。

座標変換部５６は、世界座標系における移動ベクトルＭＧを所定の出力周期で積算部５８に供給する。本実施の形態において移動ベクトルＭＧの出力周期は１秒とするがこれに限らない。

（世界座標系）
ここで、世界座標系（ワールド座標系）は、実空間に固定された座標系であり、図３に例示するように互いに直交するＸ軸、Ｙ軸、及びＺ軸の３軸を座標軸とする。なお、世界座標系は、真北方向と鉛直方向とが予め決められた方向となるように設定され、例えば、真北方向がＹ軸方向、鉛直方向がＺ軸方向逆向きとなるように設定される。

（姿勢データ）
座標変換部５６は、姿勢推定部４６からの姿勢データが示す機体座標系のおける鉛直方向と真北方向に基づいて、世界座標系における機体座標系のｘｙｚ軸３方向を特定する。すなわち、座標変換部５６は、世界座標系における鉛直方向と真北方向に対して、姿勢データが示す機体座標系における鉛直方向と真北方向とを一致させた状態のときの世界座標系のおける機体座標系のｘｙｚ軸３方向を特定する。

（座標変換の説明）
図４は、座標変換部５６の処理内容を説明する図である。なお、同図では、機体座標系のｚ軸と世界座標系のＺ軸は紙面に直交する方向として省略して機体座標系のｘｙ軸と世界座標系のＸＹ軸のみを紙面上に表し、機体座標系をＯ１－ｘｙ、世界座標系をＯ２－ＸＹとして表している。また、機体座標系のｚ軸は世界座標系のＺ軸に常に一致しているものとし、機体の姿勢の変化を、Ｚ軸（ｚ軸）周りの回転移動のみに制限して表している。

図４のＡにおいて、機体座標系Ｏ１－ｘｙに示された移動ベクトルＭ１、Ｍ２、Ｍ３は、移動ベクトル推定部４８から座標変換部５６に順に供給された移動ベクトルＭであって、機体の移動をＸＹ軸（ｘｙ軸）２方向のみに制限した場合の移動ベクトルＭを例示している。

これに対して、図４のＢの世界座標系Ｏ２－ＸＹにおいて、機体座標系８０は、移動ベクトル推定部４８により移動ベクトルＭ１が推定されたときの機体座標系Ｏ１－ｘｙを示す。機体座標系Ｏ１－ｘｙと世界座標系Ｏ２－ＸＹとの空間的な関係（回転移動に関する関係）は姿勢推定部４６からの姿勢データにより把握することができ、機体座標系８０は、移動ベクトルＭ１が推定されたときの姿勢データに基づいてそのときの機体座標系Ｏ１－ｘｙを世界座標系Ｏ２－ＸＹに表した場合の機体座標系Ｏ１－ｘｙである。

そして、機体座標系８０には、移動ベクトルＭ１を機体座標系Ｏ１－ｘｙにおける大きさ及び方向を維持したまま機体座標系８０に表した移動ベクトルＭＧ１が示されている。

なお、座標変換部５６における処理は、機体座標系から世界座標系へのベクトル成分の座標変換であり、世界座標系に対する機体座標系の並進移動は変換結果に影響を及ぼさないため、図４のＢでは、便宜上、機体座標系８０の原点Ｏ１を世界座標系Ｏ２－ＸＹの原点Ｏ２に一致させてある。

図４のＢの世界座標系Ｏ２－ＸＹにおいて、機体座標系８２、８４は、機体座標系８０と同様に、移動ベクトル推定部４８により移動ベクトルＭ２、Ｍ３が推定されたときの姿勢データに基づいて、移動ベクトルＭ２、Ｍ３が推定されたときの機体座標系Ｏ１－ｘｙを世界座標系Ｏ２－ＸＹに表した場合の機体座標系Ｏ１－ｘｙである。

そして、機体座標系８２、８４の各々には、移動ベクトルＭ２、Ｍ３を機体座標系Ｏ１－ｘｙにおける大きさ及び方向を維持したまま機体座標系８２、８４に表した移動ベクトルＭＧ２、ＭＧ３が示されている。

なお、移動ベクトルＭＧ２の始点が移動ベクトルＭＧ１の終点に一致するように機体座標系８２の原点Ｏ１を移動ベクトルＭＧ１の終点に一致させ、移動ベクトルＭＧ３の始点が移動ベクトルＭＧ２の終点に一致するように機体座標系８４の原点Ｏ１を移動ベクトルＭＧ２の終点に一致させてある。

図４のＢの機体座標系８０、８２、８４及び移動ベクトルＭＧ１、ＭＧ２、ＭＧ３に示すように、機体座標系８０、８２、８４の世界座標系Ｏ２－ＸＹに対する回転移動量は機体の姿勢に応じて異なり、移動ベクトルＭＧ１、ＭＧ２、ＭＧ３の相互間の角度も、図４のＡに示した機体座標系Ｏ１－ｘｙにおける移動ベクトルＭ１、Ｍ２、Ｍ３の相互間の角度と相違する。

実空間における機体の移動を表すのは、世界座標系Ｏ２－ＸＹにおける移動ベクトルＭＧ１、ＭＧ２、ＭＧ３であることから、座標変換部５６は機体座標系Ｏ１－ｘｙにおける移動ベクトルＭ１、Ｍ２、Ｍ３を世界座標系Ｏ２－ＸＹにおける移動ベクトルＭＧ１、ＭＧ２、ＭＧ３に変換する。例えば、機体座標系Ｏ１－ｘｙにおける移動ベクトルＭ１は、そのｘｙ成分値を世界座標系Ｏ２－ＸＹのＸＹ成分値とするベクトルを、世界座標系Ｏ２－ＸＹにおける機体座標系８０のＺ軸周りの回転移動量分だけＺ軸周りに回転させたときのＸＹ成分値に座標変換される。これにより、機体座標系Ｏ１－ｘｙにおける移動ベクトルＭを世界座標系における移動ベクトルＭＧに変換したときの移動ベクトルＭＧのＸＹ成分値が算出される。

ここでは、機体の姿勢の変化をＺ軸周りの回転移動のみに制限し、機体の移動をＸＹ軸２方向のみに制限した場合を例示したが、これらの制限がない場合においても同様にして機体座標系における移動ベクトルＭのｘｙｚ成分値が世界座標系における移動ベクトルＭＧのＸＹＺ成分値に変換される。すなわち、機体座標系における移動ベクトルＭは、そのｘｙｚ成分値（Ｍｘ，Ｍｙ，Ｍｚ）を世界座標系Ｏ２－ＸＹＺのＸＹＺ成分値とするベクトルを世界座標系Ｏ２－ＸＹＺにおけるＸＹＺ軸の各軸周りの機体座標系Ｏ１－ｘｙｚの回転移動の分だけＸＹＺ軸の各軸周りに回転させたときのＸＹＺ成分値（ＭＸ，ＭＹ，ＭＺ）に座標変換される。これにより、機体座標系における移動ベクトルＭを世界座標系における移動ベクトルＭＧに変換したときのＸＹＺ成分値（ＭＸ，ＭＹ，ＭＺ）が算出される。

このように、移動ベクトル推定部４８により推定された機体座標系における移動ベクトルＭを世界座標系における移動ベクトルＭＧに変換することで、機体の姿勢変化の影響を除去した機体の移動量及び移動方向が得られる。

図２において、積算部５８は、座標変換部５６からの移動ベクトルＭＧを積算して変位ベクトルＤを算出し、算出した変位ベクトルＤを所定の出力周期でＰＤＲ絶対位置化部６０に供給する。本実施の形態において、変位ベクトルＤの出力周期は、座標変換部５６から移動ベクトルＭＧが供給される周期と同期して１秒とするがこれに限らない。

（移動ベクトルの積算）
移動ベクトルＭＧの積算は、座標変換部５６から１秒ごとに供給される移動ベクトルＭＧのＸＹＺ成分値（ＭＸ，ＭＹ，ＭＺ）をＸＹＺ成分ごとに積算することにより行われる。そして、その積算により得られたＸＹＺ成分ごとの積算値ＤＸ、ＤＹ、ＤＺを変位ベクトルＤのＸＹＺ成分値（ＤＸ，ＤＹ，ＤＺ）とする。したがって、変位ベクトルＤは、初期値を零ベクトルとし、座標変換部５６から新たな移動ベクトルＭＧが供給されるごとにその移動ベクトルＭＧが加算されて更新される。

ここで、座標変換部５６からの移動ベクトルＭＧを積算して変位ベクトルＤを算出することで、機体の変位が推定される。すなわち、積算部５８での積算開始時（変位ベクトルＤが零ベクトルのとき）における実空間及び世界座標系での機体の位置を基準位置（初期位置）として、変位ベクトルＤは、実空間及び世界座標系における基準位置から現在位置までの機体の変位量及び変位方向を示す。また、変位ベクトルＤは、実空間及び機体座標系における基準位置に対する機体の相対的な現在位置（相対位置）を示す。

＜積算部５８の積算の説明＞
図５は、積算部５８の処理内容を説明する図である。なお、同図では、世界座標系のＺ軸は紙面に直交する方向として省略して世界座標系のＸＹ軸のみを紙面上に表すとともに、世界座標系をＯ２－ＸＹとして表し、また、機体の移動をＸＹ軸２方向のみに制限した場合を例示する。

同図において、世界座標系Ｏ２－ＸＹには、移動ベクトルＭＧ１、ＭＧ２、ＭＧ３、・・・、ＭＧｐ、・・・、ＭＧｑ（ｐ、ｑは正の整数でありｐ＜ｑ）と変位ベクトルＤ１、Ｄ２、Ｄ３、・・・、Ｄｐ、・・・、Ｄｑ（ｐ、ｑは自然数でありｐ＜ｑ）とが例示されている。

移動ベクトルＭＧ１、ＭＧ２、ＭＧ３、・・・、ＭＧｐ、・・・、ＭＧｑは、変位ベクトルＤが零ベクトルのときにおいて、座標変換部５６から積算部５８に順次供給された移動ベクトルＭＧを示し、それらを古い順に接続した状態を示す。なお、接続とは、時間的に隣接する２つの移動ベクトルのうちの先に供給された移動ベクトルの終点を、後に供給された移動ベクトルの始点とすることを示す。

変位ベクトルＤ１、Ｄ２、Ｄ３、・・・、Ｄｐ、・・・、Ｄｑは、移動ベクトルＭＧ１、ＭＧ２、ＭＧ３、・・・、ＭＧｐ、・・・、ＭＧｑを積算部５８により順次加算して得られた変位ベクトルＤを示す。

変位ベクトルＤ１は、変位ベクトルＤが零ベクトルのときに座標変換部５６から最初に供給された移動ベクトルＭＧ１を加算したときの変位ベクトルであり、移動ベクトルＭＧ１と等価である。変位ベクトルＤ１の終点は、原点Ｏ２から移動ベクトルＭＧ１が示す移動量及び移動方向にしたがって機体が移動したときの位置を示し、実空間における機体の基準位置に対する現在の相対位置を示す。なお、変位ベクトルＤが零ベクトルのときの実空間及び世界座標系における機体の位置を示す基準位置を世界座標系の原点Ｏ２としているが、必ずしもこれに限らない。

続いて移動ベクトルＭＧ２が積算部５８に供給されると、変位ベクトルＤ１に移動ベクトルＭＧ２が加算されて変位ベクトルＤ２が算出される。変位ベクトルＤ２の終点は、変位ベクトルＤ１の終点から移動ベクトルＭＧ２が示す移動量及び移動方向にしたがって機体が移動したときの位置を示し、同図のように移動ベクトルＭＧ１、ＭＧ２を接続して示したときの移動ベクトルＭＧ２の終点に一致する。

このようにして積算部５８は、移動ベクトルＭＧｐが供給されると、変位ベクトルＤ（ｐ－１）に移動ベクトルＭＧｐを加算して変位ベクトルＤｐを算出する。このとき変位ベクトルＤｐの終点は、変位ベクトルＤ（ｐ－１）の終点から移動ベクトルＭＧｐが示す移動量及び移動方向にしたがって機体が移動したときの位置を示す。

そして、積算部５８に最新の移動ベクトルＭＧｑが供給されたときに算出された変位ベクトルＤｑの終点が実空間及び世界座標系における基準位置に対する現在の機体の相対位置を示す。

なお、積算部５８により順次算出される変位ベクトルＤの世界座標系におけるＸＹＺ成分値（ＤＸ，ＤＹ，ＤＺ）を実空間の所定の基準位置に対する機体の相対位置を示すデータとして不図示の記憶部に記憶し、基準位置に対する機体の相対位置の軌跡の表示等を行えるようにしてもよい。

図２において、ＰＤＲ絶対位置化部６０は、積算部５８からの変位ベクトルＤに基づいて実空間における機体の現在位置（現在の絶対位置）を示す絶対座標系の座標値を算出する。

絶対座標系とは、実空間、例えば、地球上の任意の位置を座標値によって一意に特定する座標系である。例えば、緯度値、経度値、高度値を座標値とする地理座標系が絶対座標系に該当する。

ここで、本実施の形態における世界座標系は、例えば、ｘｙｚ軸３方向の原点からの距離を座標値とする。この場合に、一般的には実空間の位置と世界座標系の座標点との対応付けが行われていないため、実空間の位置と座標値との対応付けが事前に行われている地理座標系の座標値（緯度値，軽度値，高度値）を用いて実空間における機体の現在位置を示す座標値を求める。

なお、ＰＤＲ絶対位置化部６０は、地理座標系のように実空間の位置と座標値との対応付けが事前に行われている他の種類の絶対座標系の座標値により機体の現在位置を求めるようにしてもよいし、絶対座標系自体を世界座標系として世界座標系の座標値により機体の現在位置を求めるようにしてもよい。

また、本実施の形態のように機体の現在位置を示す座標値として絶対座標系の座標値を求める場合には、絶対座標系自体を世界座標系とすれば、絶対座標系以外の世界座標系を用いることは不要である。ただし、絶対座標系以外の座標系において機体の現在位置を示す座標値を求める場合も考慮して、本実施の形態では、世界座標系と絶対座標系との２つの座標系を用いて機体の現在位置を示す座標値を求めるものとする。

ＰＤＲ絶対位置化部６０は、まず、世界座標系及び地理座標系の基準位置を設定する。基準位置の設定は、ＰＤＲ絶対位置化部６０での処理を開始した時等、任意のタイミングで行うようにしてもよいし、歩行者が実空間の基準位置とする場所にいる際に、歩行者自身が所定の入力手段により基準位置の設定を指示した時や、不図示の外界センサにより基準位置であることを示す信号が与えられた時に行うようにしてもよい。

また、移動ベクトル推定部４８が算出する移動ベクトルＭには理論的に算出可能な誤差が生じており、変位ベクトルＤにはその誤差が蓄積される。そこで、ＰＤＲ絶対位置化部６０は、変位ベクトルＤの誤差を算出し、算出した誤差が所定の閾値以上となったときに後述のように変位ベクトルＤをリセットするために基準位置の設定を行うようにしてもよい。

ＰＤＲ絶対位置化部６０は、外界センサ３６から１秒ごと供給される外界測位データのうち、世界座標系及び地理座標系の基準位置を設定する時に供給された外界測位データを取得する。なお、ＰＤＲ絶対位置化部６０が必要なときに外界センサ３６に外界測位データの供給を要求してもよい。

そして、ＰＤＲ絶対位置化部６０は、取得した外界測位データが示す地理座標系における座標値Ｇ（緯度値，経度値，高度値）を、地理座標系の基準位置を示す基準座標値ＳＢとして設定し、積算部５８の変位ベクトルＤを零ベクトルにリセットする。また、地理座標系の基準座標値ＳＢに対応する世界座標系の座標値を世界座標系の基準位置を示す基準座標値ＰＢとして設定する。

なお、基準座標値ＰＢを初めて設定する際には、予め決められた座標値（例えば原点）が世界座標系の基準座標値ＰＢとして設定される。図６には、Ｚ軸を紙面に直交する方向として示した世界座標系Ｏ２－ＸＹＺにおいて設定された基準座標値ＰＢ（Ｄ０Ｘ，Ｄ０Ｙ，Ｄ０Ｚ）が例示されている。

世界座標系は、ＸＹＺ軸３方向に対して実空間における鉛直方向と真北方向とが所定方向となるように設定されるため、世界座標系の基準座標値ＰＢと地理座標系の基準座標値ＳＢとが実空間の同一位置を示す座標値として対応付けられることによって、世界座標系の各座標値と地理座標系の各座標値とが対応付けられるとともに実空間の位置と世界座標系の座標値とが地理座標系の座標値を介して対応付けられる。

なお、地理座標系を用いない場合においても、歩行者が実空間の基準位置とする場所にいる際に、世界座標系の予めら決められた座標値を基準座標値ＰＢに設定することによって、実空間の位置と世界座標系の座標値が対応付けられる。

ＰＤＲ絶対位置化部６０は、世界座標系及び地理座標系の基準位置の設定を行った後、積算部５８から変位ベクトルＤが供給されるごとに、図６に示すように変位ベクトルＤのＸＹＺ成分値（ＤＸ，ＤＹ，ＤＺ）を世界座標系の基準座標値ＰＢ（Ｄ０Ｘ，Ｄ０Ｙ，Ｄ０Ｚ）に加算した座標値Ｐ（Ｄ０Ｘ＋ＤＸ，Ｄ０Ｙ＋ＤＹ，Ｄ０Ｚ＋ＤＺ）を機体の現在位置を示す座標値Ｐとして算出する。

また、世界座標系の座標値Ｐ（Ｄ０Ｘ＋ＤＸ，Ｄ０Ｙ＋ＤＹ，Ｄ０Ｚ＋ＤＺ）に対応付けられた地理座標系の座標値Ｓ（緯度値，経度値，高度値）を機体の現在位置を示す座標値Ｓとして算出する。

なお、変位ベクトルＤを地理座標系の各軸の成分値に変換して地理座標系の基準座標値ＳＢに加算することで世界座標系を介さずに直接的に地理座標系の座標値Ｓ（緯度値，経度値，高度値）を算出することもできる。

そして、ＰＤＲ絶対位置化部６０は、求めた世界座標系の座標値Ｐ及び地理座標系の座標値Ｓを、機体の現在位置を示す座標値とし、かつ、測位結果を示す測位データとする。

また、ＰＤＲ絶対位置化部６０は、積算部５８から１秒ごとに供給される変位ベクトルＤに基づいて測位データを順時求めて、実空間において機体が移動した軌跡を示す軌跡データを生成する。

ＰＤＲ絶対位置化部６０は、このようにして得られた測位データや軌跡データを不図示の表示部、記憶部、外部装置の少なくとも１つに供給する。測位データや軌跡データを表示部に供給する場合には、それらのデータの示す位置を地図画像上の対応位置に視覚化して表示する等、どのような表示形態で表示するようにしてもよい。

図７には、世界座標系の座標値により生成された軌跡データの表示例が示されている。図７において、横軸は世界座標系のＸ座標値を表し、縦軸は世界座標系のＹ座標値を表す。図７のように世界座標系を表したＸＹ座標面上において機体が通過した座標点を通過した順に線で結ぶことで軌跡データを視覚化して表示してもよい。

なお、同図では世界座標系のＺ軸方向についての軌跡データの表示は省略されているが、世界座標系のＸＺ座標面やＹＺ座標面を表示して、それらの座標面上に軌跡データを表示することでＺ軸方向についての軌跡データも表示してもよい。さらに、世界座標系のＸＹＺ軸を立体的に表示してＸＹＺ軸方向の軌跡データを３次元的に表示することもできる。

ここで、外部装置は、測位装置１０と無線接続と有線接続のうちの少なくとも一方により接続されるコンピュータ等の装置を示す。

また、記憶部は、フラッシュメモリ等のデータの書き換え可能な不揮発性メモリにＰＤＲ絶対位置化部６０から供給されたデータを記憶する。

また、上記実施の形態では、全ての構成部が支持体などを介して一体化されているものとしたが、必ずしも一体でなくても無線通信や有線通信等により信号のやりとりが可能であれば複数の部分に分かれていてもよい。ただし、加速度センサ４０、角速度センサ４２、及び地磁気センサ４５は歩行者等の測定対象が保持する。

＜＜図２の本実施の形態の処理手順＞＞
図８は、図２に示した測位装置１０が行う処理の例を説明するフローチャートである。

図８においてステップＳ１０乃至Ｓ２０は、ＡＨＲＳ３２、ＤＮＮ３４、センサ融合部３８において繰り返し実行される。

ステップＳ１０では、ＡＨＲＳ３２及びＤＮＮ３４は、ＩＭＵ３０の加速度センサ４０及び角速度センサ４２により検出された加速度及び角速度を示す加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）をセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）としてＩＭＵ３０から取得する。なお、ステップＳ１０において、ＡＨＲＳ３２及びＤＮＮ３４は、ＩＭＵ３０から０．０２秒ごとに供給されるセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）を１秒間分取得する。

ステップＳ１２では、ＡＨＲＳ３２は、ステップＳ１０で取得したセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）と、ＡＨＲＳ３２に含まれる地磁気センサ４５からの地磁気信号とに基づいて実空間における機体の姿勢を推定する。すなわち、ＡＨＲＳ３２は、機体の姿勢を示す姿勢データとして、機体座標系における鉛直方向と真北方向とを算出する。

ＡＨＲＳ３２は、ＩＭＵ３０からの１秒間分のセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）に対して、その１秒間において変化した後の機体の姿勢を推定する。そして、ＡＨＲＳ３２は、ステップＳ１０乃至Ｓ２０の繰り返しにより、姿勢データを１秒ごとに更新して、更新した姿勢データを１秒ごとにセンサ融合部３８の座標変換部５６に供給する。

ステップＳ１４では、ＤＮＮ３４の移動ベクトル推定部４８は、ステップＳ１０で取得したセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）に基づいて機体座標系における移動ベクトルＭを推定する。すなわち、移動ベクトル推定部４８は、移動ベクトル推定期間である１秒間において機体が移動したと推定される移動量及び移動方向を示す移動ベクトルＭの機体座標系におけるｘｙｚ成分値（Ｍｘ，Ｍｙ，Ｍｚ）を算出する。

この移動ベクトルの推定では、後述の図９のモデル生成機９０及びデータ収集機９２により生成された訓練済み（学習済み）の機械学習モデルが用いられる。

移動ベクトル推定部４８は、ステップＳ１０乃至Ｓ２０の繰り返しにより、移動ベクトルＭを１秒ごとに推定し、推定した移動ベクトルＭを１秒ごとにセンサ融合部３８の座標変換部５６に供給する。

ステップＳ１６では、センサ融合部３８の座標変換部５６は、ステップＳ１２でＡＨＲＳ３２から供給された姿勢データと、ステップＳ１４で移動ベクトル推定部４８から供給された移動ベクトルＭとに基づいて、機体座標系における移動ベクトルＭを世界座標系における移動ベクトルＭＧに変換する。

すなわち、座標変換部５６は、機体座標系における移動ベクトルＭのｘｙｚ成分値（Ｍｘ，Ｍｙ，Ｍｚ）を機体の姿勢に基づいて世界座標系における移動ベクトルＭＧのＸＹＺ成分値（ＭＸ，ＭＹ，ＭＺ）に座標変換する。

座標変換部５６は、ステップＳ１０乃至Ｓ２０の繰り返しにより、移動ベクトル推定部４８から１秒ごとに供給される機体座標系における移動ベクトルＭを世界座標系における移動ベクトルＭＧに変換し、変換した移動ベクトルＭＧを１秒ごとにセンサ融合部３８の積算部５８に供給する。

ステップＳ１８では、センサ融合部３８の積算部５８は、ステップＳ１６で座標変換部５６から供給される移動ベクトルＭＧを変位ベクトルＤに加算して変位ベクトルＤを更新する。

すなわち、積算部５８は、座標変換部５６から供給された移動ベクトルＭＧのＸＹＺ成分値（ＭＸ，ＭＹ，ＭＺ）を変位ベクトルＤのＸＹＺ成分値（ＤＸ，ＤＹ，ＤＺ）に加算し、加算して得られたＸＹＺ成分値（ＤＸ＋ＭＸ，ＤＹ＋ＭＹ，ＤＺ＋ＭＺ）を変位ベクトルＤのＸＹＺ成分値（ＤＸ，ＤＹ，ＤＺ）として更新する。これにより、世界座標系における基準位置から現在位置までの機体の変位量及び変位方向（基準位置に対する機体の相対位置）を示す変位ベクトルＤが算出される。

積算部５８は、ステップＳ１０乃至Ｓ２０の繰り返しにより、積算部５８から１秒ごとに供給される移動ベクトルＭＧに対して変位ベクトルＤを１秒ごとに更新して、更新した変位ベクトルＤを１秒ごとにＰＤＲ絶対位置化部６０に供給する。

ステップＳ２０では、センサ融合部３８のＰＤＲ絶対位置化部６０は、積算部５８から供給された変位ベクトルＤに基づいて、実空間における機体の現在位置（現在の絶対位置）を示す座標値を算出する。

すなわち、ＰＤＲ絶対位置化部６０は、積算部５８からの変位ベクトルＤのＸＹＺ成分値（ＤＸ，ＤＹ，ＤＺ）を世界座標系の基準座標値ＰＢ（Ｄ０Ｘ，Ｄ０Ｙ，Ｄ０Ｚ）に加算して機体の現在位置を示す座標値Ｐ（Ｄ０Ｘ＋ＤＸ，Ｄ０Ｙ＋ＤＹ，Ｄ０Ｚ＋ＤＺ）を算出する。

また、ＰＤＲ絶対位置化部６０は、世界座標系の座標値Ｐ（Ｄ０Ｘ＋ＤＸ，Ｄ０Ｙ＋ＤＹ，Ｄ０Ｚ＋ＤＺ）に対応付けられた地理座標系の座標値Ｓ（緯度値，経度値，高度値）を機体の現在位置を示す座標値Ｓとして算出する。

なお、ＰＤＲ絶対位置化部６０は、処理開始時等において、積算部５８の変位ベクトルＤを零ベクトルにリセットし、そのときに外界センサ３６から取得した外界測位データが示す地理座標系における座標値Ｇ（緯度値，経度値，高度値）を地理座標系の基準位置を示す基準座標値ＳＢとして設定する。

また、これと同時にＰＤＲ絶対位置化部６０は、地理座標系の基準座標値ＳＢに対応する世界座標系の座標値を世界座標系の基準位置を示す基準座標値ＰＢとして設定する。基準座標値ＰＢを初めて設定する際には、ＰＤＲ絶対位置化部６０は、予め決められた座標値（例えば原点）を世界座標系の基準座標値ＰＢとして設定する。これによって、ＰＤＲ絶対位置化部６０は、世界座標系の座標値と地理座標系の座標値との対応付けを行っておく。

そして、ＰＤＲ絶対位置化部６０は、ステップＳ１０乃至Ｓ２０の繰り返しにより、積算部５８から１秒ごとに供給される変位ベクトルＤに対して、実空間における機体の現在位置を示す座標値として世界座標系の座標値Ｐ及び地理座標系の座標値Ｓを１秒ごとに算出し、算出した世界座標系の座標値Ｐ及び地理座標系の座標値Ｓを測位装置１０の測位結果である測位データとする。

また、ＰＤＲ絶対位置化部６０は、ステップＳ１０乃至Ｓ２０の繰り返しにより、１秒ごとに得られた測位データを記憶することで機体が通過した位置の軌跡を示す軌跡データを生成する。

＜＜機械学習モデルの生成＞＞
次に、機械学習モデルの生成（訓練）について説明する。機械学習モデルの生成（訓練）は、図９に示すように汎用のコンピュータ等にインストールされたソフトウエアのプログラムにより動作するモデル生成機９０とデータ収集機９２と用いて実施される。

図９は、汎用のコンピュータにインストールされたソフトウエアのプログラムにより機械学習モデルの生成の処理を実行するモデル生成機９０と、歩行データの収集を行うデータ収集機９２の構成例を示したブロック図である。

モデル生成機９０において、CPU（Central Processing Unit）１５１，ROM（Read Only Memory）１５２，RAM（Random Access Memory）１５３は、バス１５４により相互に接続されている。

バス１５４には、さらに、入出力インタフェース１５５が接続されている。入出力インタフェース１５５には、入力部１５６、出力部１５７、記憶部１５８、通信部１５９、及びドライブ１６０が接続されている。

入力部１５６は、キーボード、マウス、マイクロフォンなどよりなる。出力部１５７は、ディスプレイ、スピーカなどよりなる。記憶部１５８は、ハードディスクや不揮発性のメモリなどよりなる。通信部１５９は、ネットワークインタフェースなどよりなる。ドライブ１６０は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブルメディア１６１を駆動する。

以上のように構成されるモデル生成機９０において、CPU１５１が、例えば、記憶部１５８に記憶されているプログラムを、入出力インタフェース１５５及びバス１５４を介して、RAM１５３にロードして実行することにより、CPU１５１が機械学習モデルの生成処理を行う。

データ収集機９２は、例えば、上記実施の形態における測位装置１０と同様に構成され、モデル生成機９０の通信部１５９に通信可能に接続される。

なお、データ収集機９２の構成要素について測位装置１０と同一または類似の構成要素には同一符号を用いて以下の説明を行う。ただし、データ収集機９２は移動ベクトル推定部４８を備える必要はなく、測位装置１０と同様のＩＭＵ３０、ＡＨＲＳ３２を備え、それらのＩＭＵ３０、ＡＨＲＳ３２から出力される加速度データ、角速度データ、及び姿勢データを取得することができる構成であれば良い。

また、姿勢データは機械学習モデルの訓練データを生成する際に出力データとして正解とする移動ベクトルの機体座標系におけるｘｙｚ成分値を求めるために使用するデータであるが、必ずしもＡＨＲＳ３２によって測定する必要はない。例えば、歩行データの収集時において実空間におけるデータ収集機９２の姿勢が略一定であり、その姿勢を維持できる場合には、ＡＨＲＳ３２による姿勢データの測定は不要でありＡＨＲＳ３２も不要である。

さらに、データ収集機９２には無線通信を行う装置からの信号（ビーコン信号等）を利用した測位手段が搭載され、測位手段によりデータ収集機９２の３次元位置が測定される。ただし、測位手段はこれに限らない。

図１０は、モデル生成機９０及びデータ収集機９２が行う機械学習モデル生成処理の例を説明するフローチャートである。

図１０のステップＳ２２では、モデル生成機９０（CPU１５１）はデータ収集機９２を介して歩行データの収集を行う。歩行データは、機械学習モデルの訓練（学習）に使用する訓練データを生成するための実測データであり、歩行データから生成された訓練データを学習用歩行データと称する。

機械学習モデル作成者はデータ収集機９２を用いて歩行データの収集を行う際に、歩行者にデータ収集機９２を保持させてデータ収集機９２に測定（データ取得処理）を開始させる。そして、歩行者が予め決められた移動経路に沿って歩行（走行も含む）する。ただし、移動経路は歩行者が自由に決めてもよい。

データ収集機９２は、測定開始後、ＩＭＵ３０から所定時間おきに出力された加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）からなるセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）を歩行データとして取得する。このセンサデータは歩行者が測位装置１０（機体）を保持している際に測位装置１０の加速度センサ４０及び角速度センサ４２により得られる加速度データ及び角速度データに相当する。

また、データ収集機９２は、ＡＨＲＳ３２から所定時間おきに出力された姿勢データと、測位手段から所定時間置きに出力されたデータ収集機９２の３次元位置を示す位置データとを歩行データとして取得する。

さらにデータ収集機９２は、測定開始後からの経過時刻を示す時刻データであって、センサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）、姿勢データ、及び位置データの各々が出力された時刻を示す時刻データを歩行データとして取得する。

データ収集機９２により取得された歩行データは、データ収集機９２において一時的に保存され、測定終了後にモデル生成機９０の通信部１５９を介して記憶部１５８に転送される。

以上のような歩行データの収集は、歩行者の動きに関する要素、歩行者（人物）に関する要素、及び歩行の環境に関する要素を変更しながら様々な状況下で行われる。

歩行者の動きに関する要素としては、例えば、わき見歩き、進行と停止とを繰り返すSTOP & GO、横歩き等がある。

また、歩行者に関する要素としては、例えば、歩き方の個人差（歩行者自体）、データ収集機９２を保持する位置（足、腰、手、腕、及び頭部等）、データ収集機９２を保持する状態（身体への装着、着衣への装着、手による把持、ポケットや鞄への収納等）、歩行者の性別、歩行者の靴（スニーカー、革靴、ハイヒール等）等がある。

また、環境に関する要素としては、歩行場所の状態（階段、坂道等）がある。
歩行データの収集は、これらの要素の組み合わせを変えて行われる。このような様々の状況を想定した歩行データを用いて機械モデルの訓練を行うことで、機械学習モデルによる移動ベクトルの推定が様々な状況に対して高精度に行われるようになる。

図１０のステップＳ２４では、モデル生成機９０（CPU１５１）はステップＳ２２で収集した歩行データに前処理を施し、訓練データである学習用歩行データを生成する。

ここで、機械学習モデルの訓練（学習）に使用する訓練データである学習用歩行データは、訓練の際に機械学習モデルのデータ入力部から入力する入力データと、その入力データに対して正解とする出力データとからなる。入力データは、加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）からなるセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）であり、出力データは、入力データに対して正解とする移動ベクトルＭの機体座標系におけるｘｙｚ成分値（Ｍｘ，Ｍｙ，Ｍｚ）である。

歩行データの前処理は、ステップＳ２２において様々な状況下で取得された多数の歩行データの各々に対して同様に行われるが、以下においては１つの歩行データに着目していることを前提に説明する。

まず、モデル生成機９０（CPU１５１）は、歩行データのうちの加速度データから重力を分離した歩行データを生成してもよい。すなわち、モデル生成機９０（CPU１５１）のセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）に基づいて、加速度データ（Ａｘ，Ａｙ，Ａｚ）に含まれる重力加速度のｘｙｚ軸成分値を求める。重力加速度のｘｙｚ軸成分値を重力加速度データ（Ｇｘ，Ｇｙ，Ｇｚ）で表すと、モデル生成機９０（CPU１５１）は、加速度データ（Ａｘ，Ａｙ，Ａｚ）から重力加速度データ（Ｇｘ，Ｇｙ，Ｇｚ）を減算した重力除去加速度（Ａｘ－Ｇｘ，Ａｙ－Ｇｙ，Ａｚ－Ｇｚ）を求める。これによりモデル生成機９０（CPU１５１）は、加速度データ（Ａｘ，Ａｙ，Ａｚ）を、重力除去加速度（Ａｘ－Ｇｘ，Ａｙ－Ｇｙ，Ａｚ－Ｇｚ）と重力加速度データ（Ｇｘ，Ｇｙ，Ｇｚ）とに分離する。そして、モデル生成機９０（CPU１５１）は、センサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）を９軸のデータ（Ａｘ－Ｇｘ，Ａｙ－Ｇｙ，Ａｚ－Ｇｚ，Ｇｘ，Ｇｙ，Ｇｚ，ωｘ，ωｙ，ωｚ）として機体の姿勢への依存を低減した歩行データを生成してもよい。ただし、以下の歩行データの前処理の説明においてモデル生成機９０（CPU１５１）は加速度データから重力を分離した歩行データの生成を行っていないものとする。

モデル生成機９０（CPU１５１）は、測位装置１０の形状（外形）の対称性に基づいて、歩行データの収集時における姿勢（原姿勢という）に対して、測位装置１０の外形が略一致する関係にある姿勢（対称姿勢という）における歩行データを、原姿勢における歩行データから生成する。

すなわち、測位装置１０が歩行者に保持される際に想定される１つの姿勢（原姿勢）に対して、測位装置１０の外形が略一致する関係にある他の姿勢（対称姿勢）も、測位装置１０が歩行者に携帯される際に想定される姿勢である。

例えば、測位装置１０の外形が図３のようにｚ軸周りの１８０度の回転に対して対称性を有している場合において、原姿勢に対して、ｚ軸周りに１８０度回転させたときの姿勢は、測位装置１０の外形が略一致する関係にある対称姿勢であり、歩行者に保持されるときの姿勢として想定され得る。この場合にｚ軸周りの１８０度の回転によりｘ軸とｙ軸の向きが反転するため、原姿勢におけるセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）のｘ成分値とｙ成分値の正負を反転させ、ｚ成分値はそのままの値としたセンサデータ（－Ａｘ，－Ａｙ，Ａｚ，－ωｘ，－ωｙ，ωｚ）が対称姿勢におけるセンサデータとなる。

このように、モデル生成機９０（CPU１５１）は、歩行データを取得したときの原姿勢に対して測位装置１０の外形が略一致する関係にある対称姿勢の全てにおける歩行データを、原姿勢のｘｙｚ軸と対称姿勢のｘｙｚ軸との関係に基づいて算出する。これにより、機体の姿勢を原姿勢と異なる対称姿勢としたときの歩行データが実測することなく得られるため、歩行データが容易に拡張される。

なお、モデル生成機９０（CPU１５１）は、原姿勢での歩行データから対称姿勢での歩行データを生成する場合に、原姿勢の歩行データに含まれる姿勢データを対称姿勢での姿勢データに変更したものを対称姿勢の歩行データにおける姿勢データとする。

また、モデル生成機９０（CPU１５１）は、原姿勢の歩行データから任意の姿勢の歩行データを生成してもよい。

また、モデル生成機９０（CPU１５１）は、ステップＳ２０で取得した歩行データ及び前処理により生成した歩行データに対してランダムな微小回転による信号を付加した歩行データを生成する。

すなわち、モデル生成機９０（CPU１５１）は、歩行データのうちの角速度データ（ωｘ，ωｙ，ωｚ）に対してランダムに発生させた微小値を姿勢変動の値として加算することで角速度データ（ωｘ，ωｙ，ωｚ）を加工した新たな歩行データを生成する。

なお、モデル生成機９０（CPU１５１）は、歩行データのうちの加速度データ（Ａｘ，Ａｙ，Ａｚ）に対してもランダムに発生させた微小値を姿勢変動の値として加算することで加速度データ（Ａｘ，Ａｙ，Ａｚ）を加工した新たな歩行データを生成してもよい。

次に、モデル生成機９０（CPU１５１）は、以上のようにして得られた歩行データのうちから、所望時刻の一定期間において得られたデータであって、移動ベクトル推定期間とする１秒間において得られたセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）を、時刻データを参照して抽出する。

続いて、モデル生成機９０（CPU１５１）は、データ収集機９２により得られた姿勢データのうちから、センサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）を抽出した期間において得られた姿勢データの１つを抽出する。また、モデル生成機９０（CPU１５１）は、センサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）を抽出した期間においてデータ収集機９２が移動した実空間における移動量及び移動方向を、歩行データに含まれる位置データと時刻データとに基づいて把握する。

そして、モデル生成機９０（CPU１５１）は、抽出した姿勢データと、把握した移動量及び移動方向とから、移動ベクトルＭの機体座標系におけるｘｙｚ成分値（Ｍｘ，Ｍｙ，Ｍｚ）を算出する。

これにより、モデル生成機９０（CPU１５１）は、入力データとするセンサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）と、その入力データに対して正解とする出力データである移動ベクトルＭの機体座標系におけるｘｙｚ成分値（Ｍｘ，Ｍｙ，Ｍｚ）とからなる学習用歩行データ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ：Ｍｘ，Ｍｙ，Ｍｚ）を生成する。

また、データ収集機９２を用いた１回の測定（データ取得処理）で得られた歩行データに対して、複数の異なる期間（複数の異なる時刻範囲）の歩行データを抽出して学習用歩行データ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ：Ｍｘ，Ｍｙ，Ｍｚ）を生成することで、１回の測定に対して複数の学習用歩行データを生成することができる。

図１０のステップＳ２６では、モデル生成機９０（CPU１５１）は、ステップＳ２４で生成した学習用歩行データを用いて機械学習モデルの生成（訓練）を行う。

機械学習モデルは、例えばニューラルネットワーク（ＮＮ：Deep Neural Network）の一種であるディープニューラルネットワーク（ＤＮＮ：Deep Neural Network）の構造を有する。ディープニューラルネットワークは、周知であるので詳細な説明は省略するが、入力層と、複数の隠れ層と、出力層とを有し、入力層の各ノードから入力された値が隠れ層の各ノードを介して出力層の各ノードへと伝搬される。また、隠れ層と出力層の各ノードでは各ノードからの入力値に対して重みやバイアスといったパラメータや活性化関数を用いた演算が行われて各々の出力値が算出される。

本実施の形態の機械学習モデルでは、入力層のノードに直接的またはメモリなどを介して間接的に接続されたデータ入力部から、センサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）が入力され、出力層に直接的または間接的に接続されたデータ出力部から、推定された移動ベクトルＭのｘｙｚ成分値（Ｍｘ，Ｍｙ，Ｍｚ）が出力される。

（機械学習モデルの入出力形態）
ここで、機械学習モデルは、センサデータ（Ａｘ，Ａｙ，Ａｚ，ωｘ，ωｙ，ωｚ）の入力に関して次のような第１入力形態または第２入力形態が採用され得る。

図１１に示すように第１入力形態の機械学習モデル１００では、ＩＭＵ３０から０．０２秒（ＩＭＵ３０の出力周期）ごとに供給された移動ベクトル推定期間の１秒間分（５０個）のセンサデータのうち、いずれか１個のセンサデータ（同図ではデータａ）がデータ入力部１０２から入力データとして入力される。

第２入力形態の機械学習モデル１００では、図１２及び図１３に示すように、ＩＭＵ３０から０．０２秒（ＩＭＵ３０の出力周期）ごとに供給された移動ベクトル推定期間の１秒間分（５０個）のセンサデータが、入力周期の０．０２秒ごとに、かつ、時系列順にデータ入力部１０２から入力データとして順次入力される。ただし、機械学習モデル１００への入力データの入力周期は、ＩＭＵ３０の出力周期と一致してなくてもよく、ＩＭＵ３０から取得したセンサデータを間引くことにより、ＩＭＵ３０の出力周期の整数倍、かつ、移動ベクトル推定期間の１／２以下とした場合も第２入力形態に該当する。

また、本実施の形態では、移動ベクトル推定期間においてデータ入力部１０２から入力されたセンサデータに基づいて移動ベクトルＭが推定されるが、移動ベクトル推定期間と時間長さが異なる推定期間においてデータ入力部１０２から入力されたセンサデータに基づいて移動ベクトルＭが推定されるようにしてもよい。

一方、機械学習モデル１００は、移動ベクトルＭの出力に関して次のような第１出力形態または第２出力形態が採用され得る。

第１出力形態の機械学習モデル１００は、図１１及び図１２に示すように、第１入力形態または第２入力形態を採用した場合において、移動ベクトル推定期間の１秒間においてデータ入力部１０２から入力されたセンサデータに基づいてその移動ベクトル推定期間における機体の移動を示す移動ベクトルＭを推定し、推定した移動ベクトルＭを移動ベクトル推定期間の１秒ごとにデータ出力部１０４から出力する。

第２出力形態の機械学習モデル１００は、図１３に示すように、第２入力形態を採用した場合において、センサデータがデータ入力部１０２から入力される入力周期の０．０２秒ごとに、移動ベクトル推定期間の１秒間における機体の移動を示す移動ベクトルＭを推定してその推定した移動ベクトルＭをデータ出力部１０４から出力する。このとき、移動ベクトルの推定は、移動ベクトル推定期間前からデータ入力部１０２に順次入力された時系列のセンサデータに基づいて行われる。そして、センサデータの入力周期と同期して出力される移動ベクトルＭのうち、移動ベクトル推定期間の１秒ごとに出力される移動ベクトルＭ（同図では移動ベクトルｂ）のみがセンサ融合部３８に供給される。

モデル生成機９０（CPU１５１）は、図１０のステップＳ２４で生成した多数の学習用歩行データのセットを訓練データセットとして用いて機械学習モデル１００の訓練を行う。

訓練は、モデル生成機９０（CPU１５１）において、例えば、勾配降下法や誤差逆伝播法（バック・プロパゲーション）と呼ばれる周知の技法を用いて行われる。原理的には、学習用歩行データセットの多数の学習用歩行データを用いて、それらの学習用歩行データにおける入力データを機械学習モデル１００に入力して算出される出力データと、学習用歩行データにおける正解の出力データとの誤差が小さくなるように、機械学習モデルが内包するパラメータ（重み、バイアスなど）に修正が加えられて最適なパラメータが算出される。

ただし、訓練の方法は勾配降下法やバック・プロパゲーションに限らない。また、学習用歩行データセットを訓練データセットとテストデータセットに分割して、テストデータセットにより訓練の結果を検証する周知の訓練手法も用いられるが適宜、詳細な説明は省略する。

モデル生成機９０により訓練されてパラメータが最適化された訓練済みの機械学習モデルが生成されると、訓練済みの機械学習モデルの演算処理を行うプログラムが測位装置１０のＤＮＮ３４に組み込まれて、移動ベクトル推定部４８により機械学習モデルの演算処理が実施される。

なお、機械学習モデルは、上記のような構成を有するディープニューラルネットワークに限らず、他の構造のディープニューラルネットワークや各種のニューラルネットワーク（畳み込みニューラルネットワーク（ＣＮＮ：Convolutional Neural Network）、再帰型ニューラルネットワーク（ＲＮＮ：Recurrent Neural Network）など）を採用することができる。また、ニューラルネットワーク以外の機械学習のアルゴリズムとして、ＩＤ３（Iterative Dichotomiser 3）、決定木学習、創刊ルール学習、遺伝的プログラミング（ＧＰ：Genetic Programming）、帰納論理プログラミング（ＩＬＰ：Inductive Logic Programming）、ファジィアルゴリズム、進化的アルゴリズム、強化学習、サポートベクターマシン（ＳＶＭ：Support Vector Machine）、クラスタリング（Clustering）、ベイジアンネットワーク（Bayesian Network）等が周知であるが、本技術に係る機械学習モデルは、これらのような機械学習のアルゴリズに含まれるものあれば任意のアルゴリズムを採用できる。

＜＜効果＞＞
測位装置１０の効果について説明する。

＜比較装置との比較＞
図１４及び図１５は、本実施の形態における測位装置１０と、比較のための自律航法装置（以下、比較装置という）との測位データの誤差評価を示す。

比較装置は、本実施の形態の移動ベクトル推定部４８を備えず、加速度センサ及び角速度センサから得られる加速度及び角速度に基づいて歩行者の歩数と機体の姿勢を検出する。そして、比較装置は、検出した歩数と事前に決められた一歩当たりの移動距離とに基づいて移動量を推定し、また、本実施の形態における測位装置１０と同様に推定した機体の姿勢に基づいて移動方向を検出する。

図１４は、移動量の誤差を比較、評価した図であり、図１５は、移動方向の誤差を比較、評価した図である。

＜移動量誤差＞
図１４のＡは、検証の際の歩行者の歩行の様子を示しており、測位装置１０と比較装置とを同一位置で保持した歩行者が停止と進行を繰り返す歩行（STOP&GO）として、２０ｍの距離を直進的に歩行し、その間に丸印を付した５ｍ間隔の３カ所において一時的に停止したことを示す。

図１４のＢは、図１４のＡのように歩行者が歩行を開始してから２０ｍを移動して歩行を終了するまでの間に、測位装置１０と比較装置の各々において測位された位置の軌跡を示す。図１４のＢのＸＹ座標は実空間における水平面上での位置を表し、歩行開始位置を原点とし、歩行者の移動経路をＸ軸（Ｘ軸上の線分）として表している。

図１４のＢのＸＹ座標面上において、移動軌跡ｒ１は、測位装置１０により測位された位置を一定時間おきにプロットして線でつないだ軌跡を示し、移動軌跡ｒ２は、比較装置により測位された位置を一定時間おきにプロットして線でつないだ軌跡を示す。

図１４のＢによれば、比較装置により得られた移動軌跡ｒ２は、歩行者の実際の移動経路であるＸ軸上の線分に沿っており、歩行者の移動方向を略正確に検出している。一方、歩行者が２０ｍの歩行を終了した時点では約２５ｍの位置を示し、移動量の誤差が５ｍ程度生じている。

これに対して、測位装置１０により得られた移動軌跡ｒ１は、歩行者の実際の移動経路であるＸ軸上の線分に対して、Ｙ軸方向への少しのずれが生じたものの、歩行者が２０ｍの歩行を終了した時点でＸ軸方向に関して略２０ｍの位置を示しており、少なくとも移動量の誤差が比較装置よりも十分に小さい。

なお、移動軌跡ｒ１の丸で囲まれた部分のプロットは、他の部分よりもＸＹ座標面上での間隔が狭くなっており、歩行者が停止したことを示している。このような現象はＸ軸の５ｍ、１０ｍ、及び１５ｍの付近において生じており、実際に歩行者がそれらの位置で停止したことと合致している。このことからも、歩行終了時だけでなく歩行開始から歩行終了までの全般にわたり、測位装置１０の移動量の誤差が、STOP&GOのような歩行に対しても比較装置よりも十分に小さいことがわかる。

また、測位装置１０により測位された位置の誤差は、Ｙ軸方向だけに着目すると比較装置よりも大きく見えるが、Ｘ軸方向にはほとんど生じていないため、２ｍ未満の誤差でしかない。

一方、比較装置により測位された位置の誤差は、Ｘ軸方向への誤差が大きく歩行者が２０ｍの歩行を終了したときには５ｍ程度の誤差を生じている。

したがって、本実施の形態における測位装置１０は、比較装置と比較して、移動量の誤差が小さく、また、測位した位置の誤差も小さい。

＜移動方向誤差＞
図１５において、図１５のＡは、検証の際の歩行者の歩行の様子を示しており、測位装置１０と比較装置とを同一位置で保持した歩行者が、わき見歩きとして、２０ｍの距離を直進的に歩行し、その間に５ｍおきに、左わき見、右わき見、左わき見を行ったことを示す。

図１５のＢは、図１５のＡのように歩行者が歩行を開始してから２０ｍを移動して歩行を終了するまでの間に、測位装置１０と比較装置の各々において測位された位置の軌跡を示す。図１４と同様に図１５のＸＹ座標は実空間における水平面上での位置を表し、歩行開始位置を原点とし、歩行者の移動経路をＸ軸（Ｘ軸上の線分）として表している。

図１５のＢのＸＹ座標面上において、移動軌跡ｒ１は、測位装置１０により測位された位置を一定時間おきにプロットして線でつないだ軌跡を示し、移動軌跡ｒ２は、比較装置により測位された位置を一定時間おきにプロットして線でつないだ軌跡を示す。

図１５のＢによれば、比較装置により得られた移動軌跡ｒ２は、歩行者の実際の移動経路であるＸ軸上の線分に対してＹ軸方向に最大で３ｍ程度のずれを生じている。このＹ軸方向へのずれは、歩行者のわき見によって、比較装置により検出される移動方向に誤差が生じたためである。

これに対して、測位装置１０により得られた移動軌跡ｒ１は、歩行者の実際の移動経路であるＸ軸上の線分に対して、Ｙ軸方向へのずれが最大でも１ｍ程度であり、比較装置と比較して十分に小さい。

移動軌跡ｒ１の丸で囲まれた部分に着目すると、プロット間の線分の向きが比較装置の同時刻のものと比較してＸ軸方向に向いている。

このことから、測位装置１０が検出する移動方向の誤差は、比較装置と比べて十分に小さいことがわかる。

また、測位装置１０により測位された位置の誤差は、Ｘ軸方向にほとんど生じておらず、Ｘ軸方向の誤差とＹ軸方向の誤差を両方考慮しても、大きくても１ｍ程度の誤差しか生じていない。

したがって、本実施の形態における測位装置１０は、比較装置と比較し、移動方向の誤差が小さく、また、測位した位置の誤差も小さい。

以上のように移動量の誤差が生じやすいSTOP&GOの歩行や、移動方向の誤差が生じやすいわき見歩きに対しても本技術に係る測位装置１０は精度良く測位できることがわかる。

＜誤差検証＞
図１６は、比較装置における移動量または移動方向の検出に誤差を生じさせる要素であって本実施の形態における測位装置１０の移動ベクトルＭの推定においては十分な精度を得る対応が可能な要素を示した図である。図１６に示すように、比較装置における移動量または移動方向の検出に誤差を生じさせる要素を大別すると、歩行者の動きに関する要素、歩行者（人）に関する要素、及び歩行の環境に関する要素に分類される。

動きに関する要素として、“わき見歩き”（図１８参照）、“STOP&GO” （図１７参照）及び“ゆっくり歩き”、“人を避ける”、“走り”（図１７参照）、“横歩き”（図１８参照）等が挙げられる。

人に関する要素として、“歩き方の個人差”、“端末の持ち方／装着方法の個人差”、“履いている靴の違い（スニーカー、革靴、ハイヒール）”等が挙げられる。

環境に関する要素として、“階段”、“坂道”等が挙げられる。

そして、各要素について、比較装置の移動量の誤差への影響が大きいものにはその右側の“移動量の誤差”の欄に丸印が付けられ、移動方向の誤差に対して影響が大きいものは更にその右側の“移動方向の誤差”の欄に丸印が付けられている。

これに対して、本技術が適用された測位装置１０は、一例として“STOP&GO”（図１４）と“わき見歩き”（図１５）に対する実測結果を比較して説明したように図１６に挙げられるような要素による誤差を抑制することができる。

＜装着部位に関する効果＞
また、比較装置のように歩行の動作を検出する場合、ユーザが歩行中において歩行以外の動作を行う可能性の高い部位に比較装置を装着すると、歩行の動作の検出が適切に行われず、測位した位置に誤差が生じやすい。

図１９に示すように、足は、歩行中において歩ごとに静止するので比較装置の装着部位としては適している。

また、腰も、歩行中において体と比較装置の向きが一定になるので装着部位としては適している。

一方、手や腕、は、歩行中における動きの個人差が大きく、向きの自由度も大きいため、比較装置の装着部位としては適さない。

また、頭部は、手や腕よりは自由度は小さいが、動きに個人差があることや、わき見により体と頭部の向きが変化するため比較装置の装着位置としては適さない。

一般に足や体幹から離れる部位ほど運動の自由度が大きくなり、比較装置の装着部位としては適さない。

これに対して本実施の形態における測位装置１０は、装着部位の違いによる誤差を抑制することができるため、装着部位を制限することなく、精度良く測位できる。
また、測位装置１０は、頭部に装着しても精度良く測位することができるため、測位装置１０をVision ARやHearable ARなどで使用される頭部への装着機器（ヘッドマウントディスプレイ等）に搭載することも有効である。
さらに、測位装置１０を頭部への装着機器に搭載した場合、測位装置１０はユーザのしゃがみや伏せなどの動作時に頭の位置（高さ）も測定できる。そのため、目や耳の位置が直接把握できるので測位装置１０のVision ARやHearable ARへの利用は効果的である。

＜誤差領域に関する効果＞
また、図２０は、歩行者が所定方向に１歩進んで１／２（ｍ）の距離を移動したときに歩行者が保持する３軸の加速度センサ及び角速度センサから出力される加速度データ及び角速度データを示す。これに対して、図２１のＡには、図２０の加速度データ及び角速度データに基づいて比較装置が算出した移動量及び移動方向を示すベクトル１２０が示されるとともに、算出した移動量及び移動方向の誤差範囲ａが示されている。

比較装置は、加速度データ及び角速度データに基づいて移動量と移動方向とを分けて算出しているため、図２１のＡが示すように移動量及び移動方向の誤差範囲ａは、ベクトル１２０の始点を中心として移動ベクトルの終点を通るように描いた円弧に沿った細長い非円形の範囲となる。

一方、図２１のＢには、図２０の加速度データ及び角速度データに基づいて本実施の形態における測位装置１０の移動ベクトル推定部４８が推定した移動ベクトルＭが示されるとともに、移動ベクトルＭの誤差範囲ｂが示されている。

測位装置１０は、加速度データ信号と角速度データから直接的に移動ベクトルＭを推定するため、誤差範囲ｂが示すように、移動ベクトルＭの終点を中心とした略円形の範囲となる。このような誤差範囲ｂの誤差は、比較装置における誤差範囲ａの誤差に比べて低速時の精度指標として優れている。

また、本実施の形態における測位装置１０は、次のような効果も有する。

測位装置１０は、位置の更新のタイミングが歩によらないので、任意のタイミングで推定位置を出力することができる。測位装置１０による測位をＡＲ（拡張現実）に適用した場合、任意のタイミングで拡張画像の結像位置（表示位置）が更新できるようになり、表現が滑らかになる。

また、測位装置１０は、全地球航法衛星システム（ＧＮＳＳ）とカルマンフィルタ等により統合することができ、高架下やトンネル、ビル街に強いＧＮＳＳ受信機を作ることができる。

また、測位装置１０は、ヘッドマウント装置に組み込むことができ、測位装置１０とヘッドマウント装置とを別々に装着する方法よりも効果的である。

また、測位装置１０は、スマートフォンに組み込むことができ、スマートフォンのディスプレイによるVision ARに用いることができる。

また、測位装置１０は、通話持ち、ポケット持ち、手持ちなど、様々な持ち替えにかかわらず測位を行うことができるため、使用中に横向きや通話状態になることや、画面を見ないときはポケットにしまう挙動を許容するスマートフォンVision ARアプリを実現できる。

＜＜他の実施の形態＞＞
＜磁北方向の算出の他の実施の形態＞
図２に示した実施の形態において、ＡＨＲＳ３２の姿勢推定部４６は、地磁気センサ４５から供給された地磁気信号に基づいて検出した機体座標系における地磁気方向をそのまま機体座標系における磁北方向として決定したが、地磁気の乱れを考慮して次のような算出処理を行って磁北方向を決定してもよい。

地磁気の乱れは周囲環境の影響を受けて生じ、地磁気方向が真の磁北方向を示さない場合がある。図２２は、施設内における地磁気の乱れを例示しており、図２２には施設内における各所の地磁気方向をベクトルで表した地磁気ベクトル７０が実線矢印により示されている。

図２２の地磁気ベクトル７０が示すように施設内における地磁気方向は、施設内に配置された不図示の壁や電子機器等の影響により様々な方向にばらつき、地磁気方向が真の磁北方向（紙面上方）と相違する場所が存在する。このような場合に、１カ所において検出した地磁気方向を磁北方向として決定すると、決定した磁北方向が真の磁北方向に対して大きく相違する可能性がある。

そこで、姿勢推定部４６は、地磁気センサ４５から供給される地磁気信号に基づいて複数の場所での地磁気方向の検出及び収集を行い、収集した地磁気方向を平均化した平均方向を磁北方向として算出するようにしてもよい。

これによれば、例えば、図２２の丸印で示すような施設内の複数の場所７１の地磁気方向が収集され、それらの地磁気方向の平均方向７２が磁北方向として算出される。平均方向７２は真の磁北方向に略一致する。このように複数の場所の地磁気方向の平均方向を磁北方向とすることで、周囲環境の影響に起因する地磁気方向のばらつきに対して磁北方向の検出誤差が軽減される。

このような磁北方向の算出処理を行う場合における姿勢推定部４６の処理について説明する。

（地磁気方向の収集）
姿勢推定部４６は、まず、地磁気センサ４５から供給される地磁気信号に基づいて複数の場所で地磁気方向を検出し、複数の場所の地磁気方向の収集を行う。

地磁気方向の収集は、歩行者が移動しているときに予め設定された所定時間おきに行い、予め設定された回数の地磁気方向の検出が終了した際に、または、地磁気方向の収集開始から予め設定された時間が経過した際に終了するようにしてもよい。また、地磁気方向の収集は、後述のように地磁気方向を検出した場所を考慮して行うようにしてもよいし、特定の方法に限定されない。更に、地磁気方向の収集の際には、測位装置１０を保持した歩行者が意図的に施設内を動き回るようにしてもよいし、歩行者が地磁気方向の収集を意識することなく移動している際に地磁気方向の収集を行うようにしてもよい。

また、姿勢推定部４６は、複数の場所の地磁気方向の収集を行っている間、センサ融合部３８から機体の現在位置（絶対位置）を示す座標値Ｐを取得する。これによって、姿勢推定部４６は、地磁気方向を検出した場所を知ることができるため、同一の場所の地磁気方向を重複して検出することを回避することができる。

なお、磁北方向の算出が一度も行われていない間は、姿勢推定部４６は、１カ所において検出した磁北方向を用いて姿勢データを求めてセンサ融合部３８の座標変換部５６に供給する。

また、姿勢推定部４６は、地磁気方向の収集を行っている間、ＩＭＵキャリブレーション部４４から供給される角速度データ（ωｘ，ωｙ，ωｚ）に基づいて機体の初期姿勢（初期方位）に対する相対姿勢変化を推定する。

（地磁気方向の平均方向の算出）
姿勢推定部４６は、地磁気方向の収集が終了すると、収集した地磁気方向を平均化した平均方向を算出する。

ここで、姿勢推定部４６における地磁気方向の検出は、地磁気センサ４５からの地磁気信号に基づいて、機体座標系における地磁気方向を検出する処理である。具体的には、地磁気センサ４５からの地磁気信号に基づいて、機体座標系における地磁気方向をベクトルで表した地磁気方向ベクトルのｘｙｚ成分値を検出することに相当する。ここでは、地磁気の強さを考慮しないものとして地磁気方向ベクトルは単位ベクトルとする。

一方、地磁気方向（地磁気方向ベクトル）の収集を行っている間に機体の姿勢が変化すると、実空間における機体座標系のｘｙｚ軸の方向が変化するため、複数の場所で検出した地磁気方向ベクトルを、検出時のｘｙｚ成分値によりそのまま１つの機体座標系に表しても実空間における各場所の地磁気方向を正しく示したものとはならない。

そこで、姿勢推定部４６は、複数の場所で検出した地磁気方向ベクトルを、１つの場所での機体座標系に表したときのｘｙｚ成分値を算出する。

具体的には、複数の場所において検出した地磁気方向ベクトルの各々を検出順に第１乃至第ｎの地磁気方向ベクトル（ｎは２以上の整数）とし、第１乃至第ｎの地磁気方向ベクトルの各々を検出した場所を第１乃至第ｎの場所とすると、姿勢推定部４６は、第１乃至第ｎの地磁気方向ベクトルを第ｎ場所での機体座標系に表したときのｘｙｚ成分値を算出する。

第１乃至第（ｎ－１）の地磁気方向ベクトルのうちの所望の地磁気方向ベクトルを、第ｍの地磁気方向ベクトル（ｍは１乃至ｎ－１の任意の整数）で表すと、姿勢推定部４６は、地磁気方向の収集を行っている間に推定した機体の相対姿勢変化に基づいて、第ｍの場所から第ｎの場所まで歩行者が移動した間に生じた機体の相対姿勢変化を求める。

そして、姿勢推定部４６は、求めた機体の相対姿勢変化に基づいて、第ｍの地磁気方向ベクトルが示す実空間における第ｍの場所での地磁気方向を、第ｎの場所での機体座標系に表したときのｘｙｚ成分値を算出する。

なお、姿勢推定部４６は、第１乃至第（ｎ－１）の地磁気方向ベクトルを、地磁気方向を最後に検出した第ｎの場所での機体座標系に表したときのｘｙｚ成分値を算出したが、地磁気方向ベクトルを表す対象の機体座標系は第ｎの場所での機体座標系に限らない。地磁気方向ベクトルを表す対象の機体座標系は、例えば、地磁気方向の収集が終了した後も機体の相対姿勢変化の推定を継続することで、地磁気方向の収集が終了した後の任意の場所または任意の時刻における機体座標系とすることができる。このとき、姿勢推定部４６は第ｎの地磁気方向ベクトルについても第１乃至第（ｎ－１）の地磁気方向ベクトルと同様に、地磁気方向ベクトルを表す対象の機体座標系に表したときのｘｙｚ成分値を算出する。

また、以下の処理の説明においては、地磁気方向ベクトルを表す対象の機体座標系がどの場所またはどの時刻における機体座標系かを明示することなく、単に機体座標系というものとする。

（地磁気方向の平均方向の算出・磁北方向の決定）
次に、姿勢推定部４６は、第１乃至第ｎの場所において収集した全ての地磁気方向（第１乃至第ｎの地磁気方向ベクトル）の相加平均を算出し、算出した相加平均が示すベクトルの方向を第１乃至第ｎの場所において収集した全ての地磁気方向の平均方向とする。

そして、姿勢推定部４６は、第１乃至第ｎの場所において収集した全ての地磁気方向の平均方向を磁北方向として決定する。

なお、第１乃至第ｎの地磁気方向ベクトルの相加平均を個数ｎで除する前の第１乃至第ｎの地磁気方向ベクトルの総和が示すベクトルの方向を平均方向としてもよい。また、地磁気方向ベクトルは地磁気の強さを考慮しない単位ベクトルであるものとしたが、姿勢推定部４６は、地磁気方向を検出する際に地磁気の強さも検出し、地磁気方向ベクトルを、検出した場所における地磁気方向を表すベクトルとするとともに、検出した場所における地磁気の強さに応じた大きさを有するベクトルとしてもよい。この場合に、姿勢推定部４６は、複数の場所で検出した地磁気方向ベクトルに対して相加平均のベクトルを算出し、算出した相加平均のベクトルの方向を平均方向として磁北方向を決定することで、各場所での地磁気の強さを考慮した磁北方向を求めることができる。

（機体の姿勢推定）
姿勢推定部４６は、以上のようにして機体座標系における磁北方向を決定すると、ＩＭＵキャリブレーション部４４から供給される加速度データ（Ａｘ，Ａｙ，Ａｚ）及び角速度データ（ωｘ，ωｙ，ωｚ）に基づいて機体座標系における鉛直方向を検出し、検出した鉛直方向と磁北方向とに基づいて機体座標系における真北方向を検出する。そして、姿勢推定部４６は、検出した鉛直方向と真北方向とに基づいて、世界座標系における機体の姿勢を検出する。

姿勢推定部４６は、このときの検出した機体の姿勢を初期姿勢とし、その後、ＩＭＵキャリブレーション部４４から供給される角速度データ（ωｘ，ωｙ，ωｚ）に基づいて機体の初期姿勢に対する相対姿勢変化を推定する。そして、姿勢推定部４６は、初期姿勢と推定した機体の相対姿勢変化とに基づいて世界座標系における機体の姿勢を推定する。

以上の磁北方向の算出は、測位開始時だけでなく、所定時間おきに繰り返し行うようにしてもよい。この場合に、姿勢推定部４６は、磁北方向を算出するごとに、算出した磁北方向に基づいて機体の姿勢を求める。姿勢推定部４６は、ここで求めた機体の姿勢を初期姿勢として、その後、その初期姿勢に対する相対姿勢変化を推定して機体の姿勢を推定する。

（地磁気方向の収集に関する形態）
続いて、磁北方向を算出するための複数の場所の地磁気方向の収集に関して更に説明する。

図２３は、図２２と同様に施設内における地磁気の乱れを例示しており、図２２と同一要素には同一符号を付して説明を省略する。

施設内の局所的な領域７３内では略全ての場所において地磁気ベクトル７０の方向が、真の磁北方向に対して大きく相違し、かつ、略均一方向となる場合もあり得る。この場合に、領域７３内の複数の場所において地磁気方向を検出して、それらの地磁気方向の平均方向７４を磁北方向として算出しても、算出した平均方向７４は、真の磁北方向に対して大きく相違する。

一方、施設内の広範囲の領域７５内では、各所において周辺環境の影響を受けて地磁気に乱れが生じたとしても全体的には地磁気ベクトル７０の方向が真の磁北方向を基準にして不均一な方向にばらつく。したがって、広範囲の領域７５の複数の場所において地磁気方向を検出して、それらの地磁気方向の平均方向７６を磁北方向として算出すれば、算出した平均方向７６が真の磁北方向と略一致し、適切に真の磁北方向を検出することができる。

そこで、姿勢推定部４６は、複数の場所の地磁気方向の収集を行っている間、後述のセンサ融合部３８から取得した機体の位置情報に基づいて、既に地磁気方向を検出している全ての場所に対して、所定距離（例えば２ｍ）以上離間した場所であると判断したときに、地磁気方向を検出する。すなわち、姿勢推定部４６は、互いに所定距離以上離間した場所において地磁気方向を検出する。

そして、姿勢推定部４６は、地磁気方向を収集した全ての場所を内包する最小円の直径が、所定長さ（例えば１０ｍ）以上となったときに地磁気方向の収集を終了する。

＜外界センサ３６＞
本技術の実施の形態において、外界センサ３６の測位方法は、測位装置１０が実際に移動する実空間における機体の位置を任意の絶対座標系により特定するものであれば任意の測位方法を採用することができる。採用可能な測位方法としては例えばＧＰＳ（Global Positioning System）等の衛星情報を利用したＧＮＳＳ（Global Navigation Satellite System：全地球航法衛星システム）を利用した測位方法、ＷｉＦｉ（登録商標）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ｉＢｅａｃｏｎ（登録商標）、ＵＷＢ（Ultra-WideBand）、その他の無線通信規格にしたがって無線通信を行う装置からの信号（ビーコン信号等）を利用した測位方法、無線通信網の基地局装置の位置情報を利用した測位方法がある。また、環境設置カメラや機器上のカメラによる測位方法（SLAM等）、マップマッチングによる測位方法も採用可能である。

＜測位対象＞
本技術の実施の形態の説明において、測位装置１０を保持する測位対象である移動体を主に歩行者としたが、歩行者には、歩行自体を目的としない人も含み、測位対象とする移動体は歩行者に限らず、自動車、自転車等の移動可能な任意の移動体を測位対象とすることができる。本技術を適用した測位装置１０を移動体に組み込むこともできる。

＜２次元への摘要＞
本技術の実施の形態では、絶対座標系における緯度、経度、及び高度の３次元の測位を行うものとして説明したが、緯度、経度の２次元のみ測位であってもよい。この場合に、ＰＤＲ絶対位置化部６０において積算部５８からの変位ベクトルＤに対して地理座標系の座標値（緯度値、経度値、高度値）の高度値を算出しない態様としてもよいし、座標変換部５６において世界座標系の高さ方向の成分値を算出しない態様としてもよいし、積算部５８において世界座標系の高さ方向の成分値を算出しない態様としてもよい。その他の処理部においても２次元への対応への変更は適宜容易になし得る。

＜他の効果＞
また、本明細書中に記載された効果はあくまで例示であって限定されるものではなく、他の効果があってもよい。

＜プログラム＞
また、図２のＤＮＮ３４、センサ融合部３８、姿勢推定部４６、座標変換部５６、積算部５８、ＰＤＲ絶対位置化部６０における一連の処理の一部及び全ては、ハードウェアにより実行することもできるし、ソフトウエアにより実行することもできる。一連の処理をソフトウエアにより実行する場合には、そのソフトウエアを構成するプログラムが、コンピュータにインストールされる。ここで、コンピュータには、専用のハードウェアに組み込まれているコンピュータや、各種のプログラムをインストールすることで、各種の機能を実行することが可能な、例えば汎用のパーソナルコンピュータなどが含まれる。

図２４は、上述した一連の処理をプログラムにより実行するコンピュータのハードウェアの構成例を示すブロック図である。

コンピュータにおいて、CPU（Central Processing Unit）２０１，ROM（Read Only Memory）２０２，RAM（Random Access Memory）２０３は、バス２０４により相互に接続されている。

バス２０４には、さらに、入出力インタフェース２０５が接続されている。入出力インタフェース２０５には、入力部２０６、出力部２０７、記憶部２０８、通信部２０９、及びドライブ２１０が接続されている。

入力部２０６は、キーボード、マウス、マイクロフォンなどよりなる。出力部２０７は、ディスプレイ、スピーカなどよりなる。記憶部２０８は、ハードディスクや不揮発性のメモリなどよりなる。通信部２０９は、ネットワークインタフェースなどよりなる。ドライブ２１０は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブルメディア２１１を駆動する。

以上のように構成されるコンピュータでは、CPU２０１が、例えば、記憶部２０８に記憶されているプログラムを、入出力インタフェース２０５及びバス２０４を介して、RAM２０３にロードして実行することにより、上述した一連の処理が行われる。

コンピュータ（CPU２０１）が実行するプログラムは、例えば、パッケージメディア等としてのリムーバブルメディア２１１に記録して提供することができる。また、プログラムは、ローカルエリアネットワーク、インターネット、デジタル衛星放送といった、有線または無線の伝送媒体を介して提供することができる。

コンピュータでは、プログラムは、リムーバブルメディア２１１をドライブ２１０に装着することにより、入出力インタフェース２０５を介して、記憶部２０８にインストールすることができる。また、プログラムは、有線または無線の伝送媒体を介して、通信部２０９で受信し、記憶部２０８にインストールすることができる。その他、プログラムは、ROM２０２や記憶部２０８に、あらかじめインストールしておくことができる。

なお、コンピュータが実行するプログラムは、本明細書で説明する順序に沿って時系列に処理が行われるプログラムであっても良いし、並列に、あるいは呼び出しが行われたとき等の必要なタイミングで処理が行われるプログラムであっても良い。

なお、本技術は、以下のような構成も取ることができる。
＜１＞ 機体の加速度を検出する加速度センサにより検出された前記加速度と、前記機体の角速度を検出する角速度センサにより検出された前記角速度とに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定する移動ベクトル推定部と、
前記移動ベクトルを積算し、前記機体の相対位置を算出する積算部と
を含む測位装置。
＜２＞
前記移動ベクトル推定部は、前記加速度センサにより検出された前記加速度と前記角速度センサにより検出された前記角速度とに基づいて、前記機体に固定された機体座標系における移動量及び移動方向を示す移動ベクトルを前記機械学習モデルにより推定する
＜１＞に記載の測位装置。
＜３＞
前記移動ベクトル推定部により推定された、前記機体座標系における前記移動ベクトルを、実空間に固定された世界座標系における移動ベクトルに変換する変換部をさらに含み、
前記積算部は、前記変換部により変換された前記世界座標系における前記移動ベクトルを積算し、前記実空間の所定の基準位置に対する前記機体の相対位置を算出する
＜２＞に記載の測位装置。
＜４＞ 前記世界座標系における前記機体の姿勢を検出する姿勢推定部をさらに含み、
前記変換部は、前記姿勢推定部により検出された前記姿勢に基づいて、前記移動ベクトル推定部により推定された前記移動ベクトルを前記世界座標系における移動ベクトルに変換する
＜３＞に記載の測位装置。
＜５＞ 前記機体座標系における地磁気方向を検出する地磁気センサをさらに含み
前記姿勢推定部は、前記地磁気センサにより検出された前記地磁気方向に基づいて前記機体の前記姿勢を検出する
＜４＞に記載の測位装置。
＜６＞ 前記姿勢推定部は、複数の場所において前記地磁気センサにより検出された前記地磁気方向の平均方向に基づいて前記機体の前記姿勢を検出する
＜５＞に記載の測位装置。
＜７＞ 前記姿勢推定部は、互いに所定距離以上離間した複数の場所において検出された前記地磁気方向の平均方向に基づいて前記機体の前記姿勢を検出する
＜６＞に記載の測位装置。
＜８＞ 前記積算部により算出された前記基準位置に対する前記機体の前記相対位置に基づいて、前記実空間に対して予め座標値が定められた絶対座標系における前記機体の絶対位置であって、前記相対位置に対応する前記実空間における位置を算出する絶対位置化部
をさらに含む＜１＞乃至＜３＞のいずれかに記載の測位装置。
＜９＞ 前記絶対座標系における前記機体の絶対位置を取得する外界センサをさらに含み、
前記絶対位置化部は、前記外界センサにより取得された前記機体の前記絶対位置に基づいて前記絶対座標系における前記基準位置を設定し、設定した前記基準位置と前記相対位置とに基づいて前記機体の前記絶対位置を算出する
＜８＞に記載の測位装置。
＜１０＞
前記外界センサからの情報を用いて前記機体の姿勢を検出する姿勢推定部をさらに含み、
前記変換部は、前記姿勢推定部により検出された前記姿勢に基づいて、前記移動ベクトル推定部により推定された前記移動ベクトルを前記世界座標系における移動ベクトルに変換する
＜９＞に記載の測位装置。
＜１１＞ 前記機械学習モデルは、所定の移動ベクトル推定期間において、前記加速度センサにより検出された前記加速度と前記角速度センサにより検出された前記角速度とが入力データとして入力され、前記入力データに対して前記移動ベクトル推定期間において前記機体が移動したと推定される前記機体座標系における移動量及び移動方向を示す移動ベクトルを前記移動ベクトル推定期間ごとに出力する
＜２＞乃至＜１０＞のいずれかに記載の測位装置。
＜１２＞ 前記加速度センサは互いに直交する３軸方向の加速度を検出し、
前記角速度センサは前記３軸方向の角速度を検出し、
前記移動ベクトル推定部は、前記機体座標系における移動ベクトルを前記機体座標系の直交する３軸方向の成分値として推定する
＜２＞乃至＜１１＞のいずれかに記載の測位装置。
＜１３＞ 前記機械学習モデルは、学習用歩行データにより予め訓練され、
前記学習用歩行データは、歩行者が前記機体を保持した際に前記加速度センサ及び前記角速度センサにより得られる前記加速度及び前記角速度に相当する入力データと、前記入力データに対して正解とする移動ベクトルとからなる
＜１＞乃至＜１２＞のいずれかに記載の測位装置。
＜１４＞ 前記機械学習モデルは、ニューラルネットワークにより構成される
＜１＞乃至＜１３＞のいずれかに記載の測位装置。
＜１５＞ 測位装置は、
移動ベクトル推定部と、
積算部と
を含み、
前記移動ベクトル推定部が、機体の加速度を検出する加速度センサにより検出された前記加速度と、前記機体の角速度を検出する角速度センサにより検出された前記角速度とに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定し、
前記積算部が、前記移動ベクトルを積算し、前記機体の相対位置を算出する
測位方法。
＜１６＞ コンピュータを、
機体の加速度を検出する加速度センサにより検出された前記加速度と、前記機体の角速度を検出する角速度センサにより検出された前記角速度とに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定する移動ベクトル推定部と、
前記移動ベクトルを積算し、前記機体の相対位置を算出する積算部と
して機能させるためのプログラム。

１０ 測位装置， ３０ ＩＭＵ， ３２ ＡＨＲＳ， ３４ ＤＮＮ， ３６ 外界センサ， ３８ センサ融合部， ４０ 加速度センサ， ４２ 角速度センサ， ４６ 姿勢推定部， ４８ 移動ベクトル推定部， ５０ センサ部， ５２ 測位地図データ記憶部， ５４ 測位部， ５６ 座標変換部， ５８ 積算部， ６０ ＰＤＲ絶対位置化部， ９０ モデル生成機， ９２ データ収集機， １４，１００ 機械学習モデル

Claims (18)

1. メモリに格納され、プロセッサが実行することにより、
   前記プロセッサが、
   機体の加速度データを検出する加速度センサにより検出された前記加速度データと、前記機体の角速度データを検出する角速度センサにより検出された前記角速度データとを所定の時間周期で取得する取得手段と、
   前記取得手段により前記所定の時間周期で取得される前記加速度データと前記角速度データに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定する移動ベクトル推定手段と
   を含む情報提供装置として機能するための測位プログラム。
2. 前記情報提供装置は、
   前記移動ベクトル推定手段により推定された前記移動ベクトルを積算し、前記機体の相対位置を算出する積算手段
   をさらに含む
   請求項１に記載の測位プログラム。
3. 前記情報提供装置は、
   前記機体の姿勢を前記所定の時間周期で検出する姿勢推定手段
   をさらに含む
   請求項２に記載の測位プログラム。
4. 前記姿勢推定手段は、地磁気センサにより検出された地磁気方向に基づいて前記機体の姿勢を検出する
   請求項３に記載の測位プログラム。
5. 前記姿勢推定手段は、複数の場所において前記地磁気センサにより検出された前記地磁気方向の平均方向に基づいて前記機体の姿勢を検出する
   請求項４に記載の測位プログラム。
6. 前記姿勢推定手段は、互いに所定距離以上離間した前記複数の場所において検出された前記地磁気方向の平均方向に基づいて前記機体の姿勢を検出する
   請求項５に記載の測位プログラム。
7. 前記姿勢推定手段は、前記機体の真北方向を検出する
   請求項３に記載の測位プログラム。
8. 前記情報提供装置は、
   前記積算手段により算出された前記相対位置に基づいて、前記相対位置に対応する実空間における前記機体の絶対位置を算出する絶対位置化手段
   をさらに含む
   請求項３に記載の測位プログラム。
9. 前記絶対位置化手段は、GNSS, WiFi, UWB, Bluetooth、またはカメラから得られる情報に基づいて、前記絶対位置を算出する
   請求項８に記載の測位プログラム。
10. 前記絶対位置化手段は、算出された前記機体の絶対位置に基づいて、前記機体が移動した軌跡データを生成する
    請求項８に記載の測位プログラム。
11. 前記軌跡データは、地図画像上の対応位置に視覚化して、表示部に表示される
    請求項１０に記載の測位プログラム。
12. 前記移動ベクトル推定手段は、前記加速度センサにより検出された前記加速度データと前記角速度センサにより検出された前記角速度データとに基づいて、前記機体に固定された機体座標系における移動量及び移動方向を示す移動ベクトルを前記機械学習モデルにより推定する
    請求項１に記載の測位プログラム。
13. 前記情報提供装置は、
    前記移動ベクトル推定手段により推定された、前記機体座標系における前記移動ベクトルを、実空間に固定された世界座標系における移動ベクトルに変換する変換手段と、
    前記変換手段により変換された前記世界座標系における前記移動ベクトルを積算し、前記実空間の所定の基準位置に対する前記機体の相対位置を算出する積算手段と
    をさらに含む
    請求項１２に記載の測位プログラム。
14. 前記情報提供装置は、
    前記世界座標系における前記機体の姿勢を検出する姿勢推定手段
    をさらに含み、
    前記変換手段は、前記姿勢推定手段により検出された前記姿勢に基づいて、前記移動ベクトル推定手段により推定された前記移動ベクトルを前記世界座標系における移動ベクトルに変換する
    請求項１３に記載の測位プログラム。
15. 前記機械学習モデルは、学習用歩行データにより予め訓練され、
    前記学習用歩行データは、歩行者が前記機体を保持している際に前記加速度センサ及び前記角速度センサにより得られる前記加速度データ及び前記角速度データに相当する入力データと、前記入力データに対して正解とする移動ベクトルとからなる
    請求項１に記載の測位プログラム。
16. 前記機械学習モデルは、ニューラルネットワークにより構成される
    請求項１に記載の測位プログラム。
17. 測位装置が、
    機体の加速度データを検出する加速度センサにより検出された前記加速度データと、前記機体の角速度データを検出する角速度センサにより検出された前記角速度データとを所定の時間周期で取得する取得ステップと、
    前記取得ステップの処理により前記所定の時間周期で取得される前記加速度データと前記角速度データに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定する移動ベクトル推定ステップと
    を含む測位方法。
18. 機体の加速度データを検出する加速度センサにより検出された前記加速度データと、前記機体の角速度データを検出する角速度センサにより検出された前記角速度データとを所定の時間周期で取得する取得手段と、
    前記取得手段により前記所定の時間周期で取得される前記加速度データと前記角速度データに基づいて、前記機体の移動量及び移動方向を示す移動ベクトルを機械学習モデルにより推定する移動ベクトル推定手段と
    を備える測位装置。

Images