JPWO2020026513A1 - 屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム - Google Patents

屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム Download PDF

Info

Publication number
JPWO2020026513A1
JPWO2020026513A1 JP2020534051A JP2020534051A JPWO2020026513A1 JP WO2020026513 A1 JPWO2020026513 A1 JP WO2020026513A1 JP 2020534051 A JP2020534051 A JP 2020534051A JP 2020534051 A JP2020534051 A JP 2020534051A JP WO2020026513 A1 JPWO2020026513 A1 JP WO2020026513A1
Authority
JP
Japan
Prior art keywords
magnetic
estimation
position estimation
indoor
magnetic pattern
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.)
Granted
Application number
JP2020534051A
Other languages
English (en)
Other versions
JP7078116B2 (ja
Inventor
孝司 大杉
孝司 大杉
翼 山口
翼 山口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Corp
Original Assignee
NEC Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by NEC Corp filed Critical NEC Corp
Publication of JPWO2020026513A1 publication Critical patent/JPWO2020026513A1/ja
Application granted granted Critical
Publication of JP7078116B2 publication Critical patent/JP7078116B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/20—Instruments for performing navigational calculations
    • G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01R—MEASURING ELECTRIC VARIABLES; MEASURING MAGNETIC VARIABLES
    • G01R33/00—Arrangements or instruments for measuring magnetic variables
    • G01R33/02—Measuring direction or magnitude of magnetic fields or magnetic flux
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Theoretical Computer Science (AREA)
  • Software Systems (AREA)
  • Condensed Matter Physics & Semiconductors (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Navigation (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)
  • Measuring Magnetic Variables (AREA)

Abstract

本開示は、磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得部（１１１）と、対象磁気パターンから所定の周波数成分を抽出する第１の抽出部（１１２）と、抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、位置推定対象物の屋内の位置の推定結果を得る推定部（１１３）と、を有する屋内位置推定装置（１００）を提供する。

Description

本開示は、屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラムに関する。
屋外における物体の位置推定において、ＧＰＳ（Global Positioning System）等の人工衛星電波受信による三角点測量が用いられている。しかし、屋内では電波が正しく届かないため当該技術を利用することが難しい。屋内における物体の位置推定においては、ＷｉｆｉやＢＬＥ（Bluetooth（登録商標） Low Energy）等の屋内で用いられる電波を用いた測量方法が用いられている。これらの技術は、電波の発信装置を構造物内部及び周囲に設置する必要がある。しかし、構造物の形状や概観保護の目的により、当該発信装置を設置すること自体が困難な場合が多い。
そこで、屋内で利用可能かつ電波の発信装置の設置が不要な位置推定方法として、特許文献１は、磁気センサで測定された磁気情報を用いた位置推定技術を開示している。
特開２０１３−２１０８６６号公報
しかし、特許文献１に記載の技術は、測位磁気情報として地磁気の影響が最も強く表れてしまう、オフセットずれと呼ばれる磁気センサの測位基準点ずれが生じるといった課題があり、位置推定精度が不十分である。
本開示は、磁気情報を用いた位置推定において、位置推定精度を向上させる技術を提供する。
本開示によれば、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段と、
前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段と、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、
を有する屋内位置推定装置が提供される。
また、本開示によれば、
コンピュータが、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得工程と、
前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出工程と、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定工程と、
を実行する屋内位置推定方法が提供される。
また、本開示によれば、
コンピュータを、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段、
前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段、
として機能させるプログラムが提供される。
また、本開示によれば、
屋内の磁場を測定する磁気センサと、
前記磁気センサが測定した結果を示す対象磁気パターンを取得する取得手段と、
前記対象磁気パターンを、前記対象磁気パターンに含まれる所定の周波数成分に基づいて屋内におけるユーザー端末の位置を推定する屋内位置推定装置に送信する通信手段と、
を有するユーザー端末が提供される。
また、本開示によれば、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段と、
前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段と、
前記抽出された周波数成分に基づいて、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、
を有する屋内位置推定装置が提供される。
本開示によれば、磁気情報を用いた位置推定において、位置推定精度を向上させることが可能となる。
上述した目的、およびその他の目的、特徴および利点は、以下に述べる好適な実施の形態、およびそれに付随する以下の図面によってさらに明らかになる。
本実施形態の装置のハードウエア構成の一例を示す図である。 本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。 本実施形態の屋内位置推定装置が処理するデータの一例を示す図である。 本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。 本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。 本実施形態の屋内位置推定装置が処理するデータの一例を示す図である。 本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。 本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。 本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。 本実施例の測位用磁気マップの作成システムの機能ブロック図の一例を示す図である。 本実施例の測位ラベルを説明するための図である。 本実施例の測位ラベルと測位パターンの関係性を説明するための図である。 本実施例の測位ラベルと測位パターンの関係性を説明するための図である。 本実施例の準備フェーズと測位フェーズの処理の流れの一例を示すフローチャートである。 本実施例の測位ラベルと測位パターンの関係性を説明するための図である。 本実施例の処理の内容を説明するための図である。
＜第１の実施形態＞
本実施形態の屋内位置推定装置は、磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンに基づき、位置推定対象物の位置を推定する。本実施形態の屋内位置推定装置は、対象磁気パターンに含まれる所定の周波数成分に基づき位置推定対象物の位置を推定することで、位置推定精度を向上させる。以下、詳細に説明する。
まず、屋内位置推定装置のハードウエア構成の一例について説明する。本実施形態の屋内位置推定装置が備える各機能部は、任意のコンピュータのＣＰＵ（Central Processing Unit）、メモリ、メモリにロードされるプログラム、そのプログラムを格納するハードディスク等の記憶ユニット（あらかじめ装置を出荷する段階から格納されているプログラムのほか、ＣＤ（Compact Disc）等の記憶媒体やインターネット上のサーバ等からダウンロードされたプログラムをも格納できる）、ネットワーク接続用インターフェイスを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。
図１は、本実施形態の屋内位置推定装置のハードウエア構成を例示するブロック図である。図１に示すように、屋内位置推定装置は、プロセッサ１Ａ、メモリ２Ａ、入出力インターフェイス３Ａ、周辺回路４Ａ、バス５Ａを有する。周辺回路４Ａには、様々なモジュールが含まれる。処理装置は周辺回路４Ａを有さなくてもよい。なお、屋内位置推定装置は物理的に分かれた複数の装置で構成されてもよい。この場合、各装置が上記ハードウエア構成を備えることができる。
バス５Ａは、プロセッサ１Ａ、メモリ２Ａ、周辺回路４Ａ及び入出力インターフェイス３Ａが相互にデータを送受信するためのデータ伝送路である。プロセッサ１Ａは、例えばＣＰＵ、ＧＰＵ（Graphics Processing Unit）などの演算処理装置である。メモリ２Ａは、例えばＲＡＭ（Random Access Memory）やＲＯＭ（Read Only Memory）などのメモリである。入出力インターフェイス３Ａは、入力装置、外部装置、外部サーバ、外部センサ等から情報を取得するためのインターフェイスや、出力装置、外部装置、外部サーバ等に情報を出力するためのインターフェイスなどを含む。入力装置は、例えばキーボード、マウス、マイク等である。出力装置は、例えばディスプレイ、スピーカ、プリンター、メーラ等である。プロセッサ１Ａは、各モジュールに指令を出し、それらの演算結果をもとに演算を行うことができる。
次に、屋内位置推定装置の機能構成を説明する。図２に、屋内位置推定装置１００の機能ブロック図の一例を示す。図示するように、屋内位置推定装置１００は、第１の取得部１１１と、第１の抽出部１１２と、推定部１１３とを有する。
第１の取得部１１１は、磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する。
磁気センサは、例えば３軸方向の磁場の強さを測定する。対象磁気パターンは、位置推定対象物の移動に伴う各軸方向の測定磁場の強さの時間変化を示す。位置推定対象物は、通信機能を有する通信装置である。位置推定対象物は、例えば、ユーザーに携帯されるユーザー端末であり、スマートフォン、携帯電話、タブレット端末、ウェアラブル端末、IoT端末、携帯ゲーム機等が例示されるが、これらに限定されない。位置推定対象物は、ユーザーの歩行やユーザーが乗車する車両等（例：自転車、車、バス、トラック、電車）の移動に合わせて移動してもよい。また、位置推定対象物がロボット、ドローン、台車、車等の自走する装置である場合、位置推定対象物自身が移動してもよい。
図３に、対象磁気パターンの一例を示す。図示する対象磁気パターンは、位置推定対象物が屋内の第ｎｓの位置から第ｎｅの位置まで移動中に各軸方向の磁場の強さを繰り返し測定した結果を示す。図示するグラフの縦軸が磁場の強さである。縦軸の磁場の強さは、［Ａ／ｍ］の単位で示されてもよいし、当該単位で示される値を正規化した値で示されてもよい。そして、横軸が移動距離ｎである。移動距離ｎは、第ｎｓの位置を原点とし、第ｎｓの位置からの移動距離を示している。移動距離は、例えば第ｎｓの位置で測定してからの経過時間と、一般的な歩行速度とに基づき算出することができる。図示するｘ（ｎ）は第ｎの位置でのｘ軸方向の磁場の強さを示し、ｙ（ｎ）は第ｎの位置でのｙ軸方向の磁場の強さを示し、ｚ（ｎ）は第ｎの位置でのｚ軸方向の磁場の強さを示す。なお、図示するデータはイメージ図であり、実測値ではない。
図２に戻り、第１の抽出部１１２は、バンドパスフィルタ等のデジタルフィルタを用いて、対象磁気パターンから所定の周波数成分を抽出する。すなわち、第１の抽出部１１２は各軸方向の磁場の強さの時間変化を示す磁気パターン各々にバンドパスフィルタをかけて、各々の磁気パターンから所定の周波数成分を抽出する。バンドパスフィルタは、例えば、ストップバンド始端が０．０５Ｈｚ、パスバンド始端が０．１Ｈｚ、パスバンド終端が０．８Ｈｚ、ストップバンド終端が１．０Ｈｚである。
推定部１１３は、第１の抽出部１１２によって抽出された対象磁気パターンの所定の周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、位置推定対象物の屋内の位置の推定結果を得る。対象磁気パターンの所定の周波数成分に関するデータとは、対象磁気パターンの所定の周波数成分であってもよいし、その特徴を示すデータであってもよい。
次に、本実施形態の屋内位置推定装置１００の作用効果を説明する。
位置推定対象物が屋内で測定した対象磁気パターンは、地磁気、オフセットずれ、位置推定対象物を備えるユーザーの歩行や位置推定対象物を備えた車両が有する車輪の回転等に伴う振動、磁気センサのバイアス誤差、そして、構造物に含まれる硬質磁性体等の影響を含む。位置推定対象物の移動に伴う磁気情報変位（各軸方向の磁場の強さの時間変化）を信号波形と捉えると、地磁気は、超低周波成分として検出される。オフセットずれは、変化しない直流成分として検出される。位置推定対象物の移動に伴う振動は、ユーザーの歩行や車両が有する車輪の回転等の周期に伴う周波数として検出される。バイアス誤差は、硬質磁性体の影響と比較すると非常に小さなものであるため無視することが可能である。
以上より、バンドパスフィルタ等のデジタルフィルタによって、直流成分に近い超低周波帯域と、ユーザーの歩行や車両が有する車輪の回転等の周期に伴う周波数以上の帯域とを除去し、それらの間の帯域を抽出することで、構造物に含まれる硬質磁性体の影響が支配的な磁気パターンが抽出される。すなわち、地磁気、オフセットずれ、及び位置推定対象物の移動に伴う振動といったノイズ成分を低減し、構造物に含まれる硬質磁性体の成分が支配的となった磁気パターンが抽出される。このようにして抽出した磁気パターンを利用して位置推定を行う本実施形態の屋内位置推定装置１００によれば、精度よく位置推定対象物の位置推定を行うことができる。
本実施形態において、ノイズ成分は、地磁気、オフセットずれ、及び位置推定対象物の移動に伴う振動に関する成分とした。しかし、ノイズ成分はこれらに限定されず、上述した成分の一部であってもよいし、さらに他の成分を含んでいてもよい。
＜第２の実施形態＞
本実施形態の屋内位置推定装置１００は、第１の実施形態で説明した構成に加えて、推定部１１３が位置推定に用いる推定モデルを生成する手段をさらに有する点で、第１の実施形態と異なる。以下、詳細に説明する。その他の構成は第１の実施形態と同様である。
本実施形態の屋内位置推定装置１００のハードウエア構成の一例は、第１の実施形態と同様である。
図４に、屋内位置推定装置１００の機能ブロック図の一例を示す。図示するように、屋内位置推定装置１００は、第１の取得部１１１と、第１の抽出部１１２と、推定部１１３と、第２の取得部１１４と、教師データ生成部１１６と、推定モデル生成部１１７とを有する。第１の取得部１１１、第１の抽出部１１２及び推定部１１３の構成は、第１の実施形態と同様である。
第２の取得部１１４は、磁気センサを備える基準データ収集装置が屋内を移動して磁場を繰り返し測定した結果を示す基準磁気パターンを取得する。基準磁気パターンは、各測定磁場に測定位置を対応付けたものである。
磁気センサは、例えば３軸方向の磁場の強さを測定する。基準磁気パターンは、基準データ収集装置の移動に伴う各軸方向の測定磁場の強さの時間変化を示す。基準データ収集装置は、通信機能を有する通信装置である。基準データ収集装置は、例えば、ユーザーに携帯されるユーザー端末であり、スマートフォン、携帯電話、タブレット端末、ウェアラブル端末、IoT端末、携帯ゲーム機、専用端末等が例示されるが、これらに限定されない。基準データ収集装置は、ユーザーの歩行やユーザーが乗車する車両等（例：自転車、車、バス、トラック、電車）の移動に合わせて移動してもよい。また、基準データ収集装置がロボット、ドローン、台車、車等の自走する装置である場合、基準データ収集装置自身が移動してもよい。
基準磁気パターンは、図３に示す対象磁気パターンと同様のデータである。基準磁気パターンは、基準データ収集装置が屋内の第ｍｓの位置から第ｍｅの位置まで移動中に各軸方向の磁場の強さを繰り返し測定した結果を示す。基準磁気パターンの横軸は、第ｍｓの位置を原点とし、第ｍｓの位置からの移動距離を示す。
教師データ生成部１１６は、バンドパスフィルタ等のデジタルフィルタを用いて、基準磁気パターンから所定の周波数成分である着目磁気パターンを抽出する。すなわち、教師データ生成部１１６は各軸方向の磁場の強さの時間変化を示す磁気パターン各々にバンドパスフィルタをかけて、各々の磁気パターンから所定の周波数成分を抽出する。バンドパスフィルタは、例えば、ストップバンド始端が０．０５Ｈｚ、パスバンド始端が０．１Ｈｚ、パスバンド終端が０．８Ｈｚ、ストップバンド終端が１．０Ｈｚである。そして、教師データ生成部１１６は、着目磁気パターンに基づき、推定モデルを生成するための機械学習用の教師データを生成する。
教師データ生成部１１６は、着目磁気パターンが示す各軸方向の測定磁場の変遷（時間変化）の内の一部の変遷を示す学習パターンを着目磁気パターンから切り出す。すなわち、第ｍｓの位置から第ｍｅの位置までの移動経路上の一部の移動経路に関する着目磁気パターンを学習パターンとして切り出す。そして、教師データ生成部１１６は、切りだした学習パターンが示す測定磁場の変遷（上記一部の変遷）における最後のタイミングで測定された磁場が測定された屋内の位置（一部の移動経路の終点）を示す位置情報を、ラベルとしてその学習パターンに付与した教師データを生成する。
なお、教師データ生成部１１６は、着目磁気パターンから、互いに長さが異なる（一部の移動経路の長さが異なる）複数の学習パターンを切り出すことができる。また、教師データ生成部１１６は、屋内を複数のエリアに分割し、エリアを識別する識別情報を、ラベルとして学習パターンに付与することができる。そして、教師データ生成部１１６は、第１のエリアをラベルとして付与する学習パターンとして、切りだした学習パターンが示す測定磁場の変遷（上記一部の変遷）における最後のタイミングで測定された磁場の測定位置（一部の経路の終点）が、第１のエリア内の互いに異なる位置である複数の学習パターンを、着目磁気パターンから切り出すことができる。
なお、磁気パターンで表される学習パターンに代えて、学習パターンの特徴を示すデータを学習データ（教師データ）としてもよい。教師データ生成部１１６による処理の具体例は、以下の実施例で説明する。
推定モデル生成部１１７は、教師データ生成部１１６が生成した教師データを機械学習することで、屋内の現在位置を推定する推定モデルを生成する。
以上説明した本実施形態の屋内位置推定装置１００によれば、第１の実施形態と同様な作用効果が実現される。
また、本実施形態の屋内位置推定装置１００によれば、１回の移動で得られた基準磁気データから多様な学習パターンを備える多数の教師データを生成することができる。磁気センサは、例えば数十ミリ秒単位の周期で測定を行っている。それぞれのセンシングタイミングを教師とする学習パターンの終端と見なすことで、１回の移動に伴う基準磁気データから、多様な学習パターンを抽出することができる。また、取得した情報をアップサンプリングしてもよい。これにより、抽出する学習パターンをさらに増やすことができる。このような多様な学習パターンを備える多数の教師データを用いて機械学習を行うことで、位置推定対象物の位置推定精度を向上させることができる。
＜第３の実施形態＞
本実施形態の屋内位置推定装置１００は、磁気センサの向きに影響されることなく、高精度に位置推定を行う手段を備える。以下、詳細に説明する。
本実施形態の屋内位置推定装置１００のハードウエア構成の一例は、第１及び第２の実施形態と同様である。
図５に、屋内位置推定装置１００の機能ブロック図の一例を示す。図示するように、屋内位置推定装置１００は、第１の取得部１２１と、回転変化算出部１２２と、整列データ生成部１２３と、推定部１２４とを有する。
第１の取得部１２１の構成は、第１及び第２の実施形態で説明した第１の取得部１１１と同様である。なお、本実施形態は、磁気センサとして電子コンパスを用いる。
回転変化算出部１２２は、第１の取得部１２１から取得した対象磁気パターンに基づき、当該対象磁気パターンを鉛直軸回りに所定回転量（０°以上３６０°未満、対象磁気パターンを測定した時が０°）回転させたシミュレーション結果を示す、回転量毎対象磁気パターンを算出する。対象磁気パターンを鉛直軸回りに所定回転量回転させるとは、位置推定対象物が備える磁気センサを鉛直軸回りに所定回転量回転させた状態で、位置推定対象物が第ｎｓの位置から第ｎｅの位置まで移動中に各軸方向の磁場の強さを繰り返し測定することに対応する。回転変化算出部１２２は、複数の回転量各々に対して回転量毎対象磁気パターンを算出する。算出方法は設計的事項である。
図６に、回転量毎対象磁気パターンの一例を模式的に示す。回転量ω毎にｘ軸、ｙ軸、ｚ軸の各軸の回転量毎対象磁気パターンが示されている。図では５°毎の回転量毎対象磁気パターンを示しているが、回転量の最小単位はこれに限定されない。図示するグラフの縦軸が磁場の強さであり、横軸が移動距離、すなわち第ｎｓの位置からの移動距離である。縦軸の磁場の強さは、［Ａ／ｍ］の単位で示されてもよいし、当該単位で示される値を正規化した値で示されてもよい。移動距離は、例えば第ｎｓの位置で測定してからの経過時間と、一般的な歩行速度とに基づき算出することができる。なお、図示するデータはイメージ図であり、実際のシミュレーション結果ではない。
図５に戻り、整列データ生成部１２３は、第１の条件を満たす回転量における回転量毎対象磁気パターンを先頭とし、他の回転量毎対象磁気パターンを回転量順に並べた対象整列データを生成する。
まず、整列データ生成部１２３は、第ｎｓの位置から第ｎｅの位置までの移動経路上の第２の条件を満たす第ｎｋの位置を決定する。例えば、整列データ生成部１２３は、第ｎｓの位置又は第ｎｅの位置を、第ｎｋの位置として決定する。そして、整列データ生成部１２３は、第ｎｋの位置における所定軸方向の磁場の強さが最大又は最小となる回転量を、第１の条件を満たす回転量として決定する。
回転量順は、昇順（例：５、１０、１５、２０・・・）であってもよい。この場合、第１の条件を満たす回転量における回転量毎対象磁気パターンが先頭となり、その後、第１の条件を満たす回転量よりも大きい回転量における回転量毎対象磁気パターンが昇順に並び、その後、第１の条件を満たす回転量よりも小さい回転量における回転量毎対象磁気パターンが昇順に並ぶ。
その他、回転量順の並びは、降順（例：３５５、３５０、３４５、３４０・・・）であってもよい。この場合、第１の条件を満たす回転量における回転量毎対象磁気パターンが先頭となり、その後、第１の条件を満たす回転量よりも小さい回転量における回転量毎対象磁気パターンが降順に並び、その後、第１の条件を満たす回転量よりも大きい回転量における回転量毎対象磁気パターンが降順に並ぶ。
推定部１２４は、整列データ生成部１２３によって生成された対象整列データに関するデータを、機械学習で得られた推定モデルに入力し、位置推定対象物の屋内の位置の推定結果を得る。対象整列データに関するデータとは、対象整列データであってもよいし、その特徴を示すデータであってもよい。
次に、本実施形態の屋内位置推定装置１００の作用効果を説明する。
本実施形態の屋内位置推定装置１００は、測位に電子コンパスを用いる。これにより、瞬間的な磁気情報も２次元または３次元磁気パターンとして抽出される。電子コンパスが２次元で有る場合は地面と水平に設置されていることが条件となるが、電子コンパスが３次元であり、位置推定対象物が３次元加速度センサを備える場合は、重力加速度を利用したゼロキャリブレーションと呼ばれる校正によって、鉛直軸を固定した３次元磁気パターンを計算することが可能である。
また、位置推定対象物が、電子コンパスに加えて、３次元加速度センサ及び３次元ジャイロセンサを備える場合は、一度鉛直軸を固定すればカルマンフィルター等を利用することで、移動に伴って電子コンパスの角度が変わっても鉛直軸を固定した出力に校正することが可能である。
そして、上述した構成を備える本実施形態の屋内位置推定装置１００は、磁気センサが水平面の第１の方向を向いている状態で対象磁気パターンが測定された場合であっても、磁気センサが水平面の第２の方向を向いている状態で対象磁気パターンが測定された場合であっても、同じ内容を示す対象整列データに変換することができる。このため、磁気センサの水平面の向きに影響されることなく、精度よく位置推定を行うことができる。
以上より、本実施形態の屋内位置推定装置１００によれば、磁気センサの向きに影響されることなく、精度よく位置推定対象物の位置推定を行うことができる。
＜第４の実施形態＞
本実施形態の屋内位置推定装置１００は、第３の実施形態で説明した構成に加えて、推定部１２４が位置推定に用いる推定モデルを生成する手段をさらに有する点で、第３の実施形態と異なる。その他の構成は第３の実施形態と同様である。以下、詳細に説明する。
本実施形態の屋内位置推定装置１００のハードウエア構成の一例は、第１乃至第３の実施形態と同様である。
図７に、屋内位置推定装置１００の機能ブロック図の一例を示す。図示するように、屋内位置推定装置１００は、第１の取得部１２１と、回転変化算出部１２２と、整列データ生成部１２３と、推定部１２４と、第２の取得部１２６と、教師データ生成部１２８と、推定モデル生成部１２９とを有する。第１の取得部１２１、回転変化算出部１２２、整列データ生成部１２３及び推定部１２４の構成は、第３の実施形態と同様である。
第２の取得部１２６は、磁気センサを備える基準データ収集装置が屋内を移動して磁場を繰り返し測定した結果を示す基準磁気パターンを取得する。基準磁気パターンは、各測定磁場に測定位置を対応付けたものである。
磁気センサは、電子コンパスであり、例えば３軸方向の磁場の強さを測定する。基準磁気パターンは、基準データ収集装置の移動に伴う各軸方向の測定磁場の強さの時間変化を示す。基準データ収集装置は、通信機能を有する通信装置である。基準データ収集装置は、例えば、ユーザーに携帯される装置であり、スマートフォン、携帯電話、タブレット端末、ウェアラブル端末、IoT端末、携帯ゲーム機、専用端末等が例示されるが、これらに限定されない。基準データ収集装置は、ユーザーの歩行やユーザーが乗車する車両等（例：自転車、車、バス、トラック、電車）の移動に合わせて移動してもよい。また、基準データ収集装置がロボット、ドローン、台車、車等の自走する装置である場合、基準データ収集装置自身が移動してもよい。
基準磁気パターンは、図３に示す対象磁気パターンと同様のデータである。基準磁気パターンは、基準データ収集装置が屋内の第ｍｓの位置から第ｍｅの位置まで移動中に各軸方向の磁場の強さを繰り返し測定した結果を示す。基準磁気パターンの横軸は、第ｍｓの位置を原点とし、第ｍｓの位置からの移動距離を示す。
教師データ生成部１２８は、基準磁気パターンに基づき、推定モデルを生成するための機械学習用の教師データを生成する。
まず、教師データ生成部１２８は、第２の取得部１２６から取得した基準磁気パターンに基づき、当該基準磁気パターンを鉛直軸回りに所定回転量（０°以上３６０°未満、基準磁気パターンを測定した時が０°）回転させたシミュレーション結果を示す、回転量毎基準磁気パターンを算出する。基準磁気パターンを鉛直軸回りに所定回転量回転させるとは、基準データ収集装置が備える磁気センサを鉛直軸回りに所定回転量回転させた状態で、基準データ収集装置が第ｍｓの位置から第ｍｅの位置まで移動中に各軸方向の磁場の強さを繰り返し測定することに対応する。教師データ生成部１２８は、複数の回転量各々に対して回転量毎基準磁気パターンを算出する。教師データ生成部１２８による当該処理は、回転変化算出部１２２による対象磁気パターンに基づき複数の回転量毎対象磁気パターンを算出する処理と同様である。
その後、教師データ生成部１２８は、第ｍｓの位置から第ｍｅの位置までの移動経路上の一部の移動経路に関するデータである一部回転量毎基準磁気パターンを、複数の回転量毎基準磁気パターン各々から抽出する。そして、教師データ生成部１２８は、第３の条件を満たす回転量における一部回転量毎基準磁気パターンを先頭とし、他の一部回転量毎基準磁気パターンを回転量順に並べた基準整列データを生成する。教師データ生成部１２８は、上記一部の移動経路の始点又は終点における所定軸方向の磁場の強さが最大又は最小となる回転量を、第３の条件を満たす回転量として決定することができる。教師データ生成部１２８による当該処理は、整列データ生成部１２３による複数の回転量毎対象磁気パターンを並び替える処理と同様である。
そして、教師データ生成部１２８は、生成した基準整列データに、一部の移動経路の終点を示す位置情報をラベルとして付与した教師データを生成する。なお、基準整列データに代えて、基準整列データの特徴を示すデータを学習データ（教師データ）としてもよい。
なお、教師データ生成部１２８は、回転量毎基準磁気パターンから、互いに一部の移動経路の長さが異なる複数の一部回転量毎基準磁気パターンを抽出することができる。また、教師データ生成部１２８は、屋内を複数のエリアに分割し、エリアを識別する識別情報を、ラベルとして学習パターンに付与することができる。そして、教師データ生成部１２８は、第１のエリアをラベルとして付与する一部回転量毎基準磁気パターン（学習パターン）として、移動経路の終点が第１のエリア内の互いに異なる位置である複数の学習パターンを、回転量毎基準磁気パターンから抽出することができる。
ここで、教師データ生成部１２８の処理の変形例を説明する。上述した処理例では、教師データ生成部１２８は、回転量毎基準磁気パターンを生成した後、複数の一部回転量毎基準磁気パターンを抽出し、それらを所定の順に並べて基準整列データを生成した。変形例では、教師データ生成部１２８は、基準磁気パターンから一部の移動経路に関するデータである一部基準磁気パターンを抽出した後、一部基準磁気パターンに基づき複数の一部回転量毎基準磁気パターンを生成し、それらを所定の順に並べて基準整列データを生成してもよい。
推定モデル生成部１２９は、教師データ生成部１２８が生成した教師データを機械学習することで、屋内の現在位置を推定する推定モデルを生成する。
以上説明した本実施形態の屋内位置推定装置１００によれば、第３の実施形態と同様な作用効果が実現される。
また、本実施形態の屋内位置推定装置１００によれば、１回の移動で得られた基準磁気データから多様な学習パターンを備える多数の教師データを生成することができる。磁気センサは、例えば数十ミリ秒単位の周期で測定を行っている。それぞれのセンシングタイミングを教師とする学習パターンの終端と見なすことで、１回の移動に伴う基準磁気データから、多様な学習パターンを抽出することができる。また、取得した情報をアップサンプリングしてもよい。これにより、抽出する学習パターンをさらに増やすことができる。このような多様な学習パターンを備える多数の教師データを用いて機械学習を行うことで、位置推定対象物の位置推定精度を向上させることができる。
＜第５の実施形態＞
本実施形態の屋内位置推定装置１００は、測定した磁気パターンの中の所定の周波数成分のみを利用して所定の処理を行う点で、第３及び第４の実施形態と異なる。その他の構成は、第３及び第４の実施形態と同様である。以下、詳細に説明する。
本実施形態の屋内位置推定装置１００のハードウエア構成の一例は、第１乃至第４の実施形態と同様である。
本実施形態の屋内位置推定装置１００の機能ブロック部の一例は、図８及び図９で示される。図８に示す例の場合、屋内位置推定装置１００は、第１の取得部１２１と、回転変化算出部１２２と、整列データ生成部１２３と、推定部１２４と、第１の抽出部１２５とを有する。
図９に示す例の場合、屋内位置推定装置１００は、第１の取得部１２１と、回転変化算出部１２２と、整列データ生成部１２３と、推定部１２４と、第１の抽出部１２５と、第２の取得部１２６と、教師データ生成部１２８と、推定モデル生成部１２９とを有する。
第１の取得部１２１、整列データ生成部１２３、推定部１２４、第２の取得部１２６及び推定モデル生成部１２９の構成は、第３及び第４の実施形態と同様である。
第１の抽出部１２５は、バンドパスフィルタ等のデジタルフィルタを用いて、対象磁気パターンから所定の周波数成分を抽出する。すなわち、第１の抽出部１２５は各軸方向の磁場の強さの時間変化を示す磁気パターン各々にバンドパスフィルタをかけて、各々から所定の周波数成分を抽出する。バンドパスフィルタは、例えば、ストップバンド始端が０．０５Ｈｚ、パスバンド始端が０．１Ｈｚ、パスバンド終端が０．８Ｈｚ、ストップバンド終端が１．０Ｈｚである。
回転変化算出部１２２は、対象磁気パターンの所定の周波数成分に基づき、回転量毎対象磁気パターンを算出する。回転変化算出部１２２のその他の構成は、第３及び第４の実施形態と同様である。
教師データ生成部１２８は、バンドパスフィルタ等のデジタルフィルタを用いて、基準磁気パターンから所定の周波数成分を抽出する。すなわち、教師データ生成部１２８は各軸方向の磁場の強さの時間変化を示す磁気パターン各々にバンドパスフィルタをかけて、各々から所定の周波数成分を抽出する。バンドパスフィルタは、例えば、ストップバンド始端が０．０５Ｈｚ、パスバンド始端が０．１Ｈｚ、パスバンド終端が０．８Ｈｚ、ストップバンド終端が１．０Ｈｚである。そして、教師データ生成部１２８は、基準磁気パターンの所定の周波数成分に基づき、回転量毎基準磁気パターンを算出する。教師データ生成部１２８のその他の構成は、第３及び第４の実施形態と同様である。
以上説明した本実施形態の屋内位置推定装置１００によれば、第３及び第４の実施形態と同様な作用効果が実現される。また、磁気パターンの所定の周波数成分のみを利用して処理の処理を行う本実施形態の屋内位置推定装置１００によれば、第１及び第２の実施形態と同様な作用効果が実現される。
＜実施例１＞
上記実施形態を具体化した実施例を説明する。図１０は、実施例１の測位用磁気マップの作成システムの構成を示す図である。図１０を参照すると、磁気マップ生成用装置２００と、被測位装置３００と、任意の装置４００と、測位装置５００と、機械学習装置６００と、ラベル設計装置７００と、が接続された構成が示されている。磁気マップ生成用装置２００、測位装置５００、機械学習装置６００及びラベル設計装置７００の少なくとも一部により、第１乃至第５の実施形態で説明した屋内位置推定装置１００が実現される。被測位装置３００により、第１乃至第５の実施形態で説明した位置推定対象物が実現される。磁気センサ３０１により、第１乃至第５の実施形態で説明した位置推定対象物が備える磁気センサが実現される。磁気計測部３０２により、第１乃至第５の実施形態で説明した対象磁気パターンを取得する。
図１０のＩＦ２０３、３０３、４０２、５０１、６０１、７０１は、装置間でのデータのやり取りを可能とする有線通信ＩＦ、無線通信ＩＦ、ストレージＩＦ、またはユーザーＩＦを表し、装置間の物理的な接続構成や、各装置が準拠する規格などに応じて種々のものを採用することができる。ＩＦ３０３により、第１乃至第５の実施形態で説明した位置推定対象物が取得した対象磁気パターンを、第１乃至第５の実施形態で説明した屋内位置推定装置１００に送信する。
磁気マップ生成用装置２００は、磁気センサ２０１と、磁気計測部２０２と、を備える。磁気計測部２０２は、計測時の移動経路を示す計測パスと対になる「磁気センサで計測された磁気を連ねた磁気パターン」を作成する。磁気計測部２０２は、測位装置５００で扱えるように、測位装置５００に対して、このように作成した計測パスと磁気パターン（基準磁気パターン）を送信する。磁気計測部２０２が計測パスと磁気パターンを送信することに代えて、磁気計測部２０２が、測位装置５００からアクセス可能な場所（物理ストレージやネットワークストレージ）に、計測パスと磁気パターンを移動又はコピーすることでも良い。
測位装置５００は、磁気マップ作成部５０２と、磁気マップ編集部５０３と、磁気マップ記録部５０５と、磁気受信部５０６と、最尤ラベル選択部５０７と、座標決定部５０８と、を備える。
磁気マップ作成部５０２は、磁気マップ生成用装置２００にて作成された「計測パスに沿って測定された磁気パターン」を読み込む。磁気マップ作成部５０２は、磁気パターンに対しバンドパスフィルタを施して、磁気パターンから直流成分及び移動に伴って発生する振動周波数以上の周波数成分を除去した磁気パターンを生成し、生成した磁気パターンにユニークな識別子を付与し、計測パス識別子をキー、計測パス座標とフィルタ処理後の磁気パターンを値とするマップ（連想配列）を作成する。磁気マップ作成部５０２は、作成したマップを磁気マップとして磁気マップ編集部５０３に出力する。
磁気マップ編集部５０３は、磁気マップ作成部５０２にて作成された磁気マップを測位オブジェクトに変換して学習用磁気マップを作成する。測位オブジェクトは、測位ラベルと、測位パターンから構成される。測位ラベルは、多角形で示される測位エリアと、その測位エリアの各辺に対し隣接する他の測位エリアを対とした情報（例：図１１において、エリアＤと対になる測位エリアはエリアＣであり、エリアＣと対になる測位エリアはエリアＢとエリアＤとである。）と、測位エリアのいずれの辺から侵入するかの情報（例：図１１の測位エリアＣに対しては、左辺からの侵入または右辺からの侵入という情報が考えられる。）で構成される。測位パターンは、測位エリア内の任意の一点上の磁気情報を終端とする磁気パターンと、磁気パターンの長さで構成される。「測位エリア内の任意の一点上の磁気情報を終端とする磁気パターン」は、上記フィルタ処理後の磁気パターンの中から切り出された一部パターンである。
図１１に示す例の場合、計測パスはエリアＡの左端からエリアＤの右端までであり、当該計測パスを移動中に、１つの磁気パターンが生成される。そして、この１つの磁気パターンに対して上記フィルタ処理を行った後、そのフィルタ処理後の磁気パターンから複数の測位パターンが抽出される。図示する例では、６個の測位パターンが示されている。この６個の測位パターンは、始端位置及び終端位置の少なくとも一方が互いに異なる。このため、互いに異なる磁気パターンを示す。また、図示する６個の測位パターンはいずれも、終端がエリアＤで同一である。そして、６個の測位パターンの中には、終端位置がエリアＤ内で互いに異なるものが混在する。このように、同一の測位ラベルを示す測位パターンが複数生成される。
図１２及び図１３は、測位ラベルと測位パターンの関係性を説明するための図である。
図１２は四角の通路における関係性を示している。全ての測位エリアにおいて、侵入する可能性を持つ辺は２つであり、通常は２つの方位が逆になる。角にあたるエリアのみは、２つの方位が直交関係となる。角を曲がる前までの磁気パターンで構成されたベクトル終端付近の方位と、角を曲がった後の磁気パターンで構成されたベクトル終端付近の方位は直交しているが、測位エリアへ侵入した辺は同一である。侵入可能な辺は２つであるため、同一の測位エリアでも２つの測位ラベルが存在する。
図１３は２つの四角がつながった通路における関係性を示している。丁字路の交差点にあたる測位エリアは、３つの侵入可能な辺が存在する。よって同一の測位エリアであっても、３つの測位ラベルが存在する。
磁気マップ編集部５０３は、変換処理を行った磁気マップを磁気マップ記録部５０５に格納するとともに、学習用磁気マップとして機械学習装置６００側に出力する。
第２の取得部１１４、第２の取得部１２６、教師データ生成部１１６及び教師データ生成部１２８等の一部又は全部の機能が、磁気マップ作成部５０２及び磁気マップ編集部５０３の機能に相当する。
磁気受信部５０６は、被測位装置３００から測位磁気パターン（対象磁気パターン）を受信する。まず、磁気受信部５０６は磁気マップ作成部５０２と同様のバンドパスフィルタ等のデジタルフィルタを測位磁気パターンにかけて、特定周波数帯域のみの情報に変換する。次に、測位磁気パターンを、磁気パターンと、磁気パターンの長さで構成される測位パターンに変換し、機械学習装置６００に送信する。
最尤ラベル選択部５０７は、上記測位パターンに対する応答として機械学習装置６００から、複数の測位ラベル各々の尤度を受信する。その上で、最尤ラベル選択部５０７は、最も尤度が高い測位ラベルを推定測位ラベルとして出力する。座標決定部５０８は、最尤ラベル選択部５０７から受信した推定測位ラベルの測位エリアを推定座標として出力する。出力された推定座標は、例えば、任意の装置４００に搭載された位置情報利用部４０１にて使用される。位置情報利用部４０１としては、任意の装置４００にインストールされた地図アプリケーションやナビゲーションアプリケーション等が挙げられる。
第１の取得部１１１、第１の取得部１２１、第１の抽出部１１２、第１の抽出部１２５、推定部１１３及び推定部１２４等の一部又は全部の機能が、最尤ラベル選択部５０７及び座標決定部５０８の機能に相当する。
機械学習装置６００は、機械学習訓練部６０２と、分類器記録部６０３と、機械学習予測部６０４とを備える。
機械学習訓練部６０２は、磁気マップ編集部５０３にて作成された学習用磁気マップの各測位オブジェクトを元に機械学習の訓練を行い、学習モデルを生成する。測位ラベルが教師ラベルに相当し、測位パターンが教師データに相当する。機械学習訓練部６０２は、生成された学習モデルを分類器として分類器記録部６０３に格納する。
機械学習予測部６０４は、測位装置５００の磁気受信部５０６から測位対象の測位パターンを受信すると、分類記録部６０３に格納されている分類器に、当該測位対象の測位パターンを入力し、各測位ラベルの尤度を得る。機械学習予測部６０４は、測位装置５００に対し、分類器を用いて得られた各測位ラベルの尤度を送信する。
推定モデル生成部１１７及び推定モデル生成部１２９等の一部又は全部の機能が、機械学習訓練部６０２の機能に相当する。
続いて、図１４のフローチャートを参照して、実施例１の測位用地磁気マップの作成システムの全体動作の流れを説明する。
図１４に示したように、準備フェーズでは、まず、ラベル設計装置７００のラベル設計部７０２がラベル設計を行う（ステップＳ３０１）。具体的には、図１２及び図１３のように測位対象の範囲に対し多角形の測位エリアと測位エリアへの侵入経路を設定し、この組み合わせ毎に測位ラベルが生成される。測位ラベルは測位エリアからの脱出経路も合わせて保持する。測位エリアは同一の多角形で構成する必要は無く、例えば、三叉路の交差点は三角形、五叉路の交差点は五角形で示しても良い。図１５に三叉路の交差点の測位ラベルを示す。
次に、磁気マップ生成用装置２００が、各計測パスに沿った磁気の測定と、磁気パターンの作成をする（ステップＳ３０２)。
次に、測位装置５００が、ステップＳ３０２で作製された磁気パターンにバンドパスフィルタ等のデジタルフィルタをかけ、特定周波数帯域のみを取り出す（ステップＳ３０３）。次に、測位装置５００が、計測パス識別子をキー、計測パスと磁気パターンを値とするデータをまとめた磁気マップを作成する（ステップＳ３０４）。
次に、測位装置５００が、磁気マップより複数の測位オブジェクトを取り出して学習用磁気マップを作成する（ステップＳ３０５）。具体的には、各測定ラベルに沿って侵入し、測位エリア内を終端とする磁気パターンの一部である磁気ベクトルを磁気マップから取り出し、その長さを算出して２つの情報を持つ測位パターンとし、これらを１つにまとめて測位オブジェクトを作成する。
次に、機械学習装置６００は、学習用磁気マップの測位パターンを教師データ、学習用磁気マップの測位ラベルを教師ラベルとして、教師あり機械学習を行い、学習により得られた分類器を記録する（ステップＳ３０６）。
測位フェーズでは、まず、被測位装置３００が、磁気を計測し、測位磁気パターンとする。そして、被測位装置３００は、測位磁気パターンを測位装置５００に送信する（ステップＳ４０１）。
次に、測位装置５００は、被測位装置３００から測位磁気パターンを受信すると（ステップＳ４０２）、測位磁気パターンにバンドパスフィルタをかけて特定周波数を取り出し、次いで、測位磁気パターンの長さを算出して、測位パターンを作成する（ステップＳ４０３）。そして、測位装置５００は、作成した測位パターンを機械学習装置６００に送信する。
次に、機械学習装置６００は、受信した測位パターンを分類器に入力し、測位パターンに対する各測位ラベルの尤度を取得し、測位装置５００に送信する（ステップＳ４０４）。
次に、測位装置５００は、最も尤度の高い測位ラベルを推定測位ラベルとする（ステップＳ４０５）。最後に、測位装置５００は、推定測位ラベルの測位エリアを被測位装置の推定座標とする（ステップＳ４０６）。
以上のような実施例１の効果は以下の通りである。
実施例１によれば、硬質磁性体から受ける磁気影響のみを抽出して、磁気影響と位置による機械学習の訓練が行えるため、正しい位置を算出できる。その理由は、機械学習自体が柔軟性を持った判断を行うという特質を持つことにより測位磁気の中で最も大きな影響を持つが位置判断にはほとんど役に立たない地磁気情報と、外的要因ノイズとして最も大きな移動に伴う磁気情報をフィルタリングにより除去した分類器を作成する構成を採用したことにある。
上記地磁気情報を除去する工程は、磁気センサのオフセットずれ問題にも貢献する。オフセットずれも地磁気情報と同様に直流成分として出力されるため、準備フェーズ、測位フェーズどちらでも磁気センサのキャリブレーションを行う必要が無い。
上記フィルタリング工程は開発工数の削減にも貢献する。フィルタリング工程は、特定周波数帯域のみを残す簡易な処理であり、ノイズを個別に特定して除去すると言った工程や、ノイズを付与する工程よりも短時間で完了することができる。
さらに、実施例１では測位エリアに侵入する無数の磁気パターンから学習を行っており、測位時の磁気パターンがエリアを跨ぐことによって類似するものを見つけられないと言った状態や、尤度が下がってしまう問題を解決する。
さらに、実施例１では測位磁気パターンの長さと測位エリアの範囲を一致させなければならない問題から開放される。これにより測位エリアの長さが短くとも測位エリアよりも長い測位磁気パターンを測位に利用できるため測位精度が向上する。
＜実施例２＞
図１０を用いて実施例２を説明する。実施例２が実施例１と異なる点は、磁気センサは電子コンパスに限定されることと、磁気マップ編集部５０３の処理（図１４のＳ３０５）と、磁気受信部５０６の処理（図１４のＳ４０３）とである。
磁気マップ編集部５０３は、実施例１と同様に、磁気マップ作成部５０２にて作成された磁気マップを測位オブジェクトに変換して学習用磁気マップを作成する。そして、磁気マップ編集部５０３は、学習用磁気マップを構成する測位オブジェクトの測位パターンに対し、鉛直軸を中心とした回転を加え、鉛直軸に対してどのような回転を施した状態で測位を行っていても同様の磁気情報変化ベクトルになるように正規化を行い、４次元学習用磁気マップを作成する。
磁気パターンは３次元×長さｎのベクトルで表現されるため、このベクトルは［ｘ（ｎ）、ｙ（ｎ）、ｚ（ｎ）］と表現される。測位パターンが保有する磁気パターンに対し、鉛直軸周りに回転を施し、回転量ωと水平面を構成するｘ軸、ｙ軸の磁気情報の変化を記録する。この作業により、ベクトルは［ｘ（ｎ、ω）、ｙ（ｎ、ω）、ｚ（ｎ、ω）］で表現される。ベクトル終端をｐとした場合にｘ（ｐ、ω）が最小となるωをｒとし、ω−ｒで、ベクトルの並び順を変更するとベクトルは［ｘ（ｎ、ω−ｒ）、ｙ（ｎ、ω−ｒ）、ｚ（ｎ、ω−ｒ）］で表現される。図１６は当該処理の概念を示す図である。
磁気受信部５０６では、測位パターンに対し、上述した磁気マップ編集部５０３と同様の処理を行う。
以上のような実施例２は、実施例１と同様な効果に加えて、以下の効果を実現する。
実施例２では測位装置が鉛直軸周りに回転する影響を無視できる磁気パターンを生成して機械学習の訓練に用いることにより、鉛直軸周りの回転に依存しない位置測定が可能となる。
さらに、加速度センサ、ジャイロセンサ及びカルマンフィルター等の補正フィルタを用いた手段等の任意の手段で鉛直軸以外の回転を校正することにより、電子コンパスの持ち方に依存しない位置測位が可能となる。
なお、図１０に示した磁気マップ生成用装置２００、被測位装置３００、測位装置５００、機械学習装置６００、ラベル生成装置７００の中で、いずれか２つ以上の装置を一つの装置に一体化したシステム構成も採用できる。例えば、磁気マップ生成用装置２００と被測位装置３００を同一の装置としてもよい。
また、図１０の２つ以上の処理ユニット（機能部）は、一体化したり、さらに細分化したりした構成も採用可能である。例えば、磁気受信部５０６、最尤ラベル選択部５０７、座標決定部５０８を１つの処理ユニットに一体化したシステム構成も採用できる。
また、図１０の２つ以上の処理ユニットの一部を、別の装置に移したシステム構成も採用できる。例えば、最尤ラベル選択部５０７、座標決定部５０８を被測位装置３００に配置してもよい。さらには、被測位装置３００が、直接、機械学習装置６００の機械学習予測部６０４にアクセスし、各測位磁気パスの尤度を取得する構成も採用できる。
また、磁気マップ作成部５０２及び磁気受信部５０６において、バンドパスフィルタをかける代わりに、バンドストップフィルタをかけ、元の磁気パターンからバンドストップフィルタ後の磁気パターンを除いたものを採用できる。またローパスフィルタやハイパスフィルタを複数組み合わせたものも採用できる。
また、磁気マップ編集部５０３で測位パターンとして磁気パターンの値をそのまま利用する代わりに、値が固定範囲内に収まるように相対的に値を変更する正規化を行う構成も採用できる。正規化は全計測パスの値を軸に行う構成及び測位パターン内部の値のみで行う構成どちらも採用できる。
また、磁気マップ編集部５０３で測位パターンを内部の値のみで正規化する際に、値の幅を見て正規化する際に幅に応じた乗率をかける構成も採用できる。乗率の算出手法は線形関数と、区分線形関数と、非線形関数が採用できる。
また、磁気マップ編集部５０３で実施例２を実行する際に、ｚ（ｎ）についても値が変わらないが回転を施し、ｘ軸、ｙ軸、ｚ軸の各軸を０〜２５５の値に正規化し、それぞれをＲＧＢと見なした画像に変換する構成も採用できる。
また、磁気マップ編集部５０３で実施例２をＲＧＢ画像で実行する際に、ＲＧＢ色空間をＨＳＶのような他の色空間に変換したもので機械学習を実施する構成も採用できる。
また、磁気マップ編集部５０３で実施例２をＲＧＢ画像で実行する際に、画像サイズを縮小することで機械学習の計算量を削減する構成も採用できる。他の色空間画像でも同様に縮小して計算量を削減する構成も採用できる。
本明細書における、ユーザー端末（User Equipment、 UE）（もしくは移動局（mobile station）、移動端末（mobile terminal）、 モバイルデバイス（mobile device）、または無線端末（wireless device）などを含む）は、無線インターフェースを介して、ネットワークに接続されたエンティティである。
本明細書は、専用の通信装置に限定されるものではなく、次のような通信機能を有する任意の機器に適用することが可能である。
用語として「（3GPPで使われる単語としての）ユーザー端末（User Equipment、UE）」、「移動局」、「移動端末」、「モバイルデバイス」、「無線端末」のそれぞれは、一般的に互いに同義であることを意図しており、ターミナル、携帯電話、スマートフォン、タブレット、セルラIoT端末、IoTデバイス、などのスタンドアローン移動局であってもよい。用語として「移動局」「移動端末」「モバイルデバイス」は、長期間にわたって備え付けられている装置も包含することが理解されよう。
またUEは、例えば、生産設備・製造設備および／またはエネルギー関連機械のアイテム（一例として、ボイラー、機関、タービン、ソーラーパネル、風力発電機、水力発電機、火力発電機、原子力発電機、蓄電池、原子力システム、原子力関連機器、重電機器、真空ポンプなどを含むポンプ、圧縮機、ファン、送風機、油圧機器、空気圧機器、金属加工機械、マニピュレータ、ロボット、ロボット応用システム、工具、金型、ロール、搬送装置、昇降装置、貨物取扱装置、繊維機械、縫製機械、印刷機、印刷関連機械、紙工機械、化学機械、鉱山機械、鉱山関連機械、建設機械、建設関連機械、農業用機械および／または器具、林業用機械および／または器具、漁業用機械および／または器具、安全および／または環境保全器具、トラクター、軸受、精密ベアリング、チェーン、歯車（ギアー）、動力伝動装置、潤滑装置、弁、管継手、および／または上記で述べた任意の機器又は機械のアプリケーションシステムなど）であっても良い。
またUEは、例えば、輸送用装置のアイテム（一例として、車両、自動車、二輪自動車、自転車、列車、バス、リヤカー、人力車、船舶（ship and other watercraft）、飛行機、ロケット、人工衛星、ドローン、気球など）であっても良い。
またUEは、例えば、情報通信用装置のアイテム（一例として、電子計算機及び関連装置、通信装置及び関連装置、電子部品など）であっても良い。
またUEは、例えば、冷凍機、冷凍機応用製品および装置、商業およびサービス用機器、自動販売機、自動サービス機、事務用機械及び装置、民生用電気・電子機械器具（一例として音声機器、スピーカー、ラジオ、映像機器、テレビ、オーブンレンジ、炊飯器、コーヒーメーカー、食洗機、洗濯機、乾燥機、扇風機、換気扇及び関連製品、掃除機など）であっても良い。
またUEは、例えば、電子応用システムまたは電子応用装置（一例として、X線装置、粒子加速装置、放射性物質応用装置、音波応用装置、電磁応用装置、電力応用装置など）であっても良い。
またUEは、例えば、電球、照明、計量機、分析機器、試験機及び計測機械（一例として、煙報知器、対人警報センサ、動きセンサ、無線タグなど）、時計（watchまたはclock）、理化学機械、光学機械、医療用機器および／または医療用システム、武器、利器工匠具、または手道具などであってもよい。
またUEは、例えば、無線通信機能を備えたパーソナルデジタルアシスタントまたは装置（一例として、無線カードや無線モジュールなどを取り付けられる、もしくは挿入するよう構成された電子装置（例えば、パーソナルコンピュータや電子計測器など））であっても良い。
またUEは、例えば、有線や無線通信技術を使用した「あらゆるモノのインターネット（IoT：Internet of Things）」において、以下のアプリケーション、サービス、ソリューションを提供する装置またはその一部であっても良い。
IoTデバイス（もしくはモノ）は、デバイスが互いに、および他の通信デバイスとの間で、データ収集およびデータ交換することを可能にする適切な電子機器、ソフトウェア、センサー、ネットワーク接続、などを備える。
またIoTデバイスは、内部メモリの格納されたソフトウェア指令に従う自動化された機器であっても良い。
またIoTデバイスは、人間による監督または対応を必要とすることなく動作しても良い。
またIoTデバイスは、長期間にわたって備え付けられている装置および／または、長期間に渡って非活性状態（inactive）状態のままであっても良い。
またIoTデバイスは、据え置き型な装置の一部として実装され得る。IoTデバイスは、非据え置き型の装置（例えば車両など）に埋め込まれ得る、または監視される／追跡される動物や人に取り付けられ得る。
人間の入力による制御またはメモリに格納されるソフトウェア命令、に関係なくデータを送受信する通信ネットワークに接続することができる、任意の通信デバイス上に、IoT技術が実装できることは理解されよう。
IoTデバイスが、機械型通信（Machine Type Communication、MTC）デバイス、またはマシンツーマシン（Machine to Machine、M2M）通信デバイス、と呼ばれることもあるのは理解されよう。
またUEが、１つまたは複数のIoTまたはMTCアプリケーションをサポートすることができることが理解されよう。
MTCアプリケーションのいくつかの例は、以下の表（出典：3GPP TS22.368 V13.2.0(2017-01-13) Annex B、その内容は参照により本明細書に組み込まれる）に列挙されている。このリストは、網羅的ではなく、一例としてのMTCアプリケーションを示すものである。
Figure 2020026513
アプリケーション、サービス、ソリューションは、一例として、MVNO（Mobile Virtual Network Operator：仮想移動体通信事業者）サービス/システム、防災無線サービス/システム、構内無線電話（PBX（Private Branch eXchange：構内交換機））サービス/システム、PHS/デジタルコードレス電話サービス/システム、POS（Point of sale）システム、広告発信サービス/システム、マルチキャスト（MBMS（Multimedia Broadcast and Multicast Service））サービス/システム、V2X（Vehicle to Everything：車車間通信および路車間・歩車間通信）サービス/システム、列車内移動無線サービス/システム、位置情報関連サービス/システム、災害/緊急時無線通信サービス/システム、IoT（Internet of Things：モノのインターネット）サービス/システム、コミュニティーサービス/システム、映像配信サービス/システム、Femtoセル応用サービス/システム、VoLTE（Voice over LTE）サービス/システム、無線TAGサービス/システム、課金サービス/システム、ラジオオンデマンドサービス/システム、ローミングサービス/システム、ユーザー行動監視サービス/システム、通信キャリア/通信NW選択サービス/システム、機能制限サービス/システム、PoC（Proof of Concept）サービス/システム、端末向け個人情報管理サービス/システム、端末向け表示・映像サービス/システム、端末向け非通信サービス/システム、アドホックNW/DTN（Delay Tolerant Networking）サービス/システムなどであっても良い。
なお、上述したUEのカテゴリは、本明細書に記載された技術思想及び実施形態の応用例に過ぎない。これらの例に限定されるものではなく、当業者は種々の変更が可能であることは勿論である。
以下、参考形態の例を付記する。
１． 磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段と、
前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段と、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、
を有する屋内位置推定装置。
２． １に記載の屋内位置推定装置において、
磁気センサを備える基準データ収集装置が屋内を移動して磁場を繰り返し測定した結果を示す基準磁気パターンを取得する第２の取得手段と、
前記基準磁気パターンから前記所定の周波数成分である着目磁気パターンを抽出し、前記着目磁気パターンに基づき、前記推定モデルを生成するための機械学習用の教師データを生成する教師データ生成手段と、
を有し、
前記基準磁気パターンは、各測定磁場に測定位置を対応付けられている屋内位置推定装置。
３． ２に記載の屋内位置推定装置において、
前記教師データ生成手段は、前記着目磁気パターンが示す測定磁場の変遷の内の一部の変遷を示す学習パターンを前記着目磁気パターンから切り出し、前記一部の変遷における最後の磁場が測定された屋内の位置を示す位置情報をラベルとして前記学習パターンまたはその特徴を示すデータに付与した前記教師データを生成する屋内位置推定装置。
４． ３に記載の屋内位置推定装置において、
前記教師データ生成手段は、前記着目磁気パターンから、互いに長さが異なる複数の前記学習パターンを切り出す屋内位置推定装置。
５． ２から４のいずれかに記載の屋内位置推定装置において、
前記教師データ生成手段は、
屋内を複数のエリアに分割し、
前記エリアを識別する識別情報を、前記ラベルとして前記学習パターンまたはその特徴を示すデータに付与し、
前記一部の変遷における最後の磁場が測定された位置が前記第１のエリア内の互いに異なる位置である複数の前記学習パターンを、前記着目磁気パターンから切り出す屋内位置推定装置。
６． ２から５のいずれかに記載の屋内位置推定装置において、
前記教師データに基づき、前記推定モデルを生成する推定モデル生成手段をさらに有する屋内位置推定装置。
７． コンピュータが、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得工程と、
前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出工程と、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定工程と、
を実行する屋内位置推定方法。
８． コンピュータを、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段、
前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段、
として機能させるプログラム。
９． 屋内の磁場を測定する磁気センサと、
前記磁気センサが測定した結果を示す対象磁気パターンを取得する取得手段と、
前記対象磁気パターンを、前記対象磁気パターンに含まれる所定の周波数成分に基づいて屋内におけるユーザー端末の位置を推定する屋内位置推定装置に送信する通信手段と、
を有するユーザー端末。
１０． 磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段と、
前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段と、
前記抽出された周波数成分に基づいて、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、
を有する屋内位置推定装置。
この出願は、２０１８年８月２日に出願された日本出願特願２０１８−１４５９４０号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

Claims (10)

  1. 磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段と、
    前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段と、
    前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、
    を有する屋内位置推定装置。
  2. 請求項１に記載の屋内位置推定装置において、
    磁気センサを備える基準データ収集装置が屋内を移動して磁場を繰り返し測定した結果を示す基準磁気パターンを取得する第２の取得手段と、
    前記基準磁気パターンから前記所定の周波数成分である着目磁気パターンを抽出し、前記着目磁気パターンに基づき、前記推定モデルを生成するための機械学習用の教師データを生成する教師データ生成手段と、
    を有し、
    前記基準磁気パターンは、各測定磁場に測定位置を対応付けられている屋内位置推定装置。
  3. 請求項２に記載の屋内位置推定装置において、
    前記教師データ生成手段は、前記着目磁気パターンが示す測定磁場の変遷の内の一部の変遷を示す学習パターンを前記着目磁気パターンから切り出し、前記一部の変遷における最後の磁場が測定された屋内の位置を示す位置情報をラベルとして前記学習パターンまたはその特徴を示すデータに付与した前記教師データを生成する屋内位置推定装置。
  4. 請求項３に記載の屋内位置推定装置において、
    前記教師データ生成手段は、前記着目磁気パターンから、互いに長さが異なる複数の前記学習パターンを切り出す屋内位置推定装置。
  5. 請求項３又は４に記載の屋内位置推定装置において、
    前記教師データ生成手段は、
    屋内を複数のエリアに分割し、
    前記エリアを識別する識別情報を、前記ラベルとして前記学習パターンまたはその特徴を示すデータに付与し、
    前記一部の変遷における最後の磁場が測定された位置が第１の前記エリア内の互いに異なる位置である複数の前記学習パターンを、前記着目磁気パターンから切り出す屋内位置推定装置。
  6. 請求項２から５のいずれか１項に記載の屋内位置推定装置において、
    前記教師データに基づき、前記推定モデルを生成する推定モデル生成手段をさらに有する屋内位置推定装置。
  7. コンピュータが、
    磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得工程と、
    前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出工程と、
    前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定工程と、
    を実行する屋内位置推定方法。
  8. コンピュータを、
    磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段、
    前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段、
    前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段、
    として機能させるプログラム。
  9. 屋内の磁場を測定する磁気センサと、
    前記磁気センサが測定した結果を示す対象磁気パターンを取得する取得手段と、
    前記対象磁気パターンを、前記対象磁気パターンに含まれる所定の周波数成分に基づいて屋内におけるユーザー端末の位置を推定する屋内位置推定装置に送信する通信手段と、
    を有するユーザー端末。
  10. 磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第１の取得手段と、
    前記対象磁気パターンから所定の周波数成分を抽出する第１の抽出手段と、
    前記抽出された周波数成分に基づいて、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、
    を有する屋内位置推定装置。
JP2020534051A 2018-08-02 2019-03-19 屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム Active JP7078116B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018145940 2018-08-02
JP2018145940 2018-08-02
PCT/JP2019/011460 WO2020026513A1 (ja) 2018-08-02 2019-03-19 屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム

Publications (2)

Publication Number Publication Date
JPWO2020026513A1 true JPWO2020026513A1 (ja) 2021-09-09
JP7078116B2 JP7078116B2 (ja) 2022-05-31

Family

ID=69231137

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020534051A Active JP7078116B2 (ja) 2018-08-02 2019-03-19 屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム

Country Status (3)

Country Link
US (1) US20210311133A1 (ja)
JP (1) JP7078116B2 (ja)
WO (1) WO2020026513A1 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11056497B2 (en) 2019-05-09 2021-07-06 Micron Technology, Inc. Memory arrays and methods used in forming a memory array
US11466846B1 (en) * 2021-01-01 2022-10-11 I Caleb C. Collins Emergency lighting system

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2013210866A (ja) * 2012-03-30 2013-10-10 Sony Corp 磁気データ処理装置、磁気データ処理方法、磁気データ収集装置、磁気データ収集方法、及びプログラム
JP2016001875A (ja) * 2009-12-03 2016-01-07 国立研究開発法人産業技術総合研究所 移動体の測位装置
JP2018048967A (ja) * 2016-09-23 2018-03-29 日本電気通信システム株式会社 測位用地磁気マップの作成方法、位置測定方法、外的要因ノイズ測定方法及び測位用地磁気マップの作成システム

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8752761B2 (en) * 2012-09-21 2014-06-17 Symbol Technologies, Inc. Locationing using mobile device, camera, and a light source
US11428533B2 (en) * 2019-07-04 2022-08-30 Mapsted Corp. Generating magnetic fingerprint for mobile device indoor navigation
US11614331B2 (en) * 2019-11-05 2023-03-28 Chevron U.S.A. Inc. Position tracking inside metallic environments using magneto-electric quasistatic fields

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016001875A (ja) * 2009-12-03 2016-01-07 国立研究開発法人産業技術総合研究所 移動体の測位装置
JP2013210866A (ja) * 2012-03-30 2013-10-10 Sony Corp 磁気データ処理装置、磁気データ処理方法、磁気データ収集装置、磁気データ収集方法、及びプログラム
JP2018048967A (ja) * 2016-09-23 2018-03-29 日本電気通信システム株式会社 測位用地磁気マップの作成方法、位置測定方法、外的要因ノイズ測定方法及び測位用地磁気マップの作成システム

Also Published As

Publication number Publication date
US20210311133A1 (en) 2021-10-07
WO2020026513A1 (ja) 2020-02-06
JP7078116B2 (ja) 2022-05-31

Similar Documents

Publication Publication Date Title
Terán et al. IoT-based system for indoor location using bluetooth low energy
CN105393139B (zh) Gps和wlan混合位置确定
CN112218330B (zh) 定位方法及通信装置
US9141852B1 (en) Person detection and pose estimation system
US20130345967A1 (en) Routability graph with predetermined number of weighted edges for estimating a trajectory of a mobile device
CN105792126A (zh) 使用数据融合技术确定物体到物体的位置
CN106341789A (zh) 移动计算机大气压系统
JP2019066381A (ja) 経路生成装置、移動体、及びプログラム
CN105578417A (zh) 一种移动中的人员的室内定位方法
CN107409146B (zh) 传感器数据可视化装置和方法
CN111060948B (zh) 一种定位方法、装置、头盔及计算机可读存储介质
JP7078116B2 (ja) 屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム
KR102028456B1 (ko) 사물인터넷 기반의 증강현실을 이용한 시설물 점검 시스템
CN111986250A (zh) 物体体积测量方法、装置、测量设备及存储介质
US10613191B2 (en) Object tracking and ranging
JP7078117B2 (ja) 屋内位置推定装置、屋内位置推定方法及びプログラム
CN112384755A (zh) 用于传感器方位确定的方法和装置
Chen et al. MeshMap: A magnetic field-based indoor navigation system with crowdsourcing support
Pau et al. A practical approach based on Bluetooth Low Energy and Neural Networks for indoor localization and targeted devices’ identification by smartphones
Yun et al. Performance comparison of indoor positioning schemes exploiting wi-fi aps and ble beacons
Suseenthiran et al. Indoor positioning utilizing bluetooth low energy RSSI on LoRa system
US20140073350A1 (en) User terminal and method for providing service for estimating location based on change in state of user terminal
Yeh et al. Research on calibration‐free fingerprinting positioning techniques based on terrestrial magnetism databases for indoor environments
Landa et al. GoIn—An accurate 3D indoor navigation framework based on light landmarks
JP2021124478A (ja) 位置推定装置、位置推定方法及び位置推定プログラム

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210127

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211026

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211223

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: 20220419

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220502

R151 Written notification of patent or utility model registration

Ref document number: 7078116

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151