WO2013146457A1 - 位置検出システム、方法及びプログラム - Google Patents

位置検出システム、方法及びプログラム Download PDF

Info

Publication number
WO2013146457A1
WO2013146457A1 PCT/JP2013/057789 JP2013057789W WO2013146457A1 WO 2013146457 A1 WO2013146457 A1 WO 2013146457A1 JP 2013057789 W JP2013057789 W JP 2013057789W WO 2013146457 A1 WO2013146457 A1 WO 2013146457A1
Authority
WO
WIPO (PCT)
Prior art keywords
movement
probability distribution
model
moving
moving object
Prior art date
Application number
PCT/JP2013/057789
Other languages
English (en)
French (fr)
Inventor
小西　勇介
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Publication of WO2013146457A1 publication Critical patent/WO2013146457A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0278—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves involving statistical or probabilistic considerations

Definitions

  • the movement model determination unit 3 determines a movement model that is a probability distribution representing the movement state of the moving body based on the movement state of the moving body detected by the movement state detection unit 2.
  • the position estimation unit 5 estimates and outputs the presence position coordinates of the moving object based on the existence probability distribution of the moving object updated by the existence probability update unit 4.
  • the position detection unit 1, the movement state detection unit 2, the movement model determination unit 3, the existence probability update unit 4, and the position estimation unit 5 are realized by individual devices even if they are realized by the same device. Also good. Further, when these are realized by individual devices, the individual devices may be connected by a wired or wireless communication path.
  • the movement model determination unit 3 determines a movement model based on the movement state (movement presence or absence or movement speed) of the moving body detected by the movement state detection unit 2 (step A3).
  • the movement model determination unit 3 determines the movement model as a probability distribution based on the reference movement distance calculated from the movement state and the elapsed time since the previous update of the existence probability distribution of the moving object.
  • the movement state is detected as presence / absence of movement, if there is movement, the product of a predetermined movement speed and the elapsed time is calculated as the reference movement distance, and if there is no movement, 0 is set as the reference movement distance. To do.
  • the movement model as shown in FIGS. 3C and 3D is used.
  • a moving model as shown in FIGS. 3A and 3B may be used.
  • the shape of the probability distribution of the movement model used according to the size of the elapsed time may be changed. For example, when the elapsed time is smaller than a predetermined time, the movement model determination unit 3 assumes that the uncertainty of the movement distance of the moving body is small (shown in a, b, c, and d in FIG. 3).
  • FIG. 4 is a block diagram showing the configuration of the second exemplary embodiment of the present invention.
  • the second embodiment of the present invention includes a position estimation device 6 that estimates a position coordinate of a moving body using a position detection sensor and a movement detection sensor.
  • the position estimation program 7 is read by the position estimation device 6 and controls the operation of the position estimation device 6.
  • the position estimation device 6 is controlled by a position estimation program 7, and includes a position detection unit 1, a movement state detection unit 2, a movement model determination unit 3, a presence probability update unit 4, and a position estimation unit according to the first embodiment of the present invention.
  • the same processing as the processing by 5 is executed.
  • a position detection system for improving the accuracy of coordinate detection results, A moving state detecting means for detecting a moving state of the moving body using a sensor attached to the moving body; A movement model determination unit that determines a movement model based on a reference movement distance calculated from the movement state obtained by the movement state detection unit and the elapsed time since the existence probability distribution of the moving object was updated last time; , A position detection system comprising:
  • Appendix 5 The position detection system according to appendix 2 or appendix 3, wherein the movement model determining means determines a probability distribution that gives a maximum probability density at the calculated reference movement distance as a movement model.
  • the calculated reference movement distance is regarded as the maximum movement distance, and a probability distribution having a fixed probability density from 0 to the reference movement distance is determined as a movement model.
  • the position detection method according to 10.
  • Appendix 12 11. The position detection method according to appendix 9 or appendix 10, wherein a probability distribution having a maximum probability density at the calculated reference travel distance is determined as a travel model.
  • a program for a position detection system for improving the accuracy of coordinate detection results On the computer, A moving state detection process for detecting the moving state of the moving body using a sensor attached to the moving body; A movement model determination process for determining a movement model based on a reference movement distance calculated from the movement state obtained in the movement state detection process and the elapsed time since the existence probability distribution of the moving object was updated last time; A program characterized by having executed.
  • the calculated reference movement distance is regarded as a maximum movement distance, and a probability distribution having a constant probability density from 0 to the reference movement distance is determined as a movement model.
  • Appendix 19 The program according to appendix 16 or appendix 17, characterized in that the movement model determination process determines a probability distribution having a maximum probability density at the calculated reference movement distance as a movement model.
  • a probability distribution is determined as a movement model such that when the elapsed time is smaller than a predetermined time, a variation in movement distance is smaller than that of the original movement model. 21.

Landscapes

  • Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

　本願発明は、観測モデルと移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化するシステムであって、移動体に取り付けたセンサを用いて移動体の移動状態を検出し、移動状態検出手段で得られた移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて移動モデルを決定する位置検出システムである。

Description

位置検出システム、方法及びプログラム
　本発明は、位置検出システム、方法及びプログラムに関し、特に、移動体に取り付けた簡易なセンサで取得できる移動情報を活用して移動体の位置を検出する位置検出システム、方法及びプログラムに関する。
　人や物の位置を検出するシステムとして、ＧＰＳ、無線ＬＡＮやＲＦＩＤなどの無線機を用いたシステム、超音波を用いたシステム、環境に設置されたカメラや移動体が所持するカメラを用いたシステム、移動体が所持する加速度センサやジャイロなどを用いたシステムなどが提案されている。また、このような位置検出システムでは、検出される位置の高精度化や、より広範囲での利用を可能とするために、位置検出結果の確率分布である観測モデルと位置検出対象の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて、移動体の存在確率分布を逐次更新し、移動体の位置を推定する技術が提案されている。
　例えば、特許文献１には、無線機を用いた位置検出システムにおいて、無線信号強度の変動から推測された移動状態に基づいて決定した移動モデル（状態遷移確率）を用いる確率推論アルゴリズム（隠れマルコフモデル）によって無線機の離散的な位置（場所名単位での位置）を検出する技術が記載されている。特許文献２には、所定の範囲で均一となる観測モデルと前回の位置検出結果から推定された移動速度に基づいて決定した移動モデルを用いる確率推論アルゴリズム（粒子フィルタ）によって移動体の位置座標（ｎ次元の座標値で表される位置）を検出する技術が記載されている。特許文献３には、移動体の位置に影響を及ぼす風などの未知の外乱を考慮した確率推論アルゴリズム（粒子フィルタ）によって移動体の位置座標を検出する技術が記載されている。特許文献４には、慣性航法装置で取得される移動状態（移動方向と移動距離）に基づいて決定した移動モデルを用いる確率推論アルゴリズム（カルマンフィルタ）によって移動体の位置座標を検出する技術が記載されている。
特開２００５－０２４５４０号公報 特開２００８－２４９６４０号公報 特開２０１０－２７１２１５号公報 特開２００８－０１３１１５号公報
　問題点は、確率推論アルゴリズムを用いて移動体の位置検出結果を高精度化する位置検出システムにおいて、加速度センサなどの簡易なセンサで得られる移動有無や移動速さの情報では、移動体の位置座標（ｎ次元の座標値で表される位置）の検出結果を高精度化できなかったということである。
　その理由は、上記技術では、確率推論アルゴリズムを用いた移動体の位置座標推定において、簡易なセンサで得られる移動有無もしくは移動速さの情報に基づいて動的に決定した移動モデルを活用できなかったためである。
　本発明は、上記問題点に鑑みてなされたもので、位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の位置座標を検出するシステムにおいて、移動体に取り付けた加速度センサなどの簡易なセンサで取得できる移動有無や移動速さの情報に基づいて移動体の位置座標検出結果を高精度化することができる位置検出システム、方法及びプログラムを提供することを目的とする。
　また、本発明は、確率推論アルゴリズムを用いて移動体の位置座標を推定するシステムで用いる移動モデルを、簡易なシステム構成で決定できる位置検出システム、方法及びプログラムを提供することを他の目的とする。
　本発明は、位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出システムであって、移動体に取り付けたセンサを用いて移動体の移動状態を検出する移動状態検出手段と、前記移動状態検出手段で得られた移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定する移動モデル決定手段と、を有することを特徴とする位置検出システムである。
　本発明は、位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出方法であって、移動体に取り付けたセンサを用いて移動体の移動状態を検出し、前記検出された移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定することを特徴とする位置検出方法である。
　本発明は、位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出システム用のプログラムであって、コンピュータに、移動体に取り付けたセンサを用いて移動体の移動状態を検出する移動状態検出処理、前記移動状態検出処理で得られた移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定する移動モデル決定処理、を実行させることを特徴とするプログラムである。
　本発明によれば、位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の位置座標を検出するシステムにおいて、移動体に取り付けた加速度センサなどの簡易なセンサで取得される情報に基づいて移動体の位置座標検出結果を高精度化することができる。
図１は本発明の第１の実施形態の構成を示すブロック図である。 図２は本発明の第１の実施形態の動作を示すフローチャートである。 図３は移動モデルの例を示す図である。 図４は本発明の第２の実施形態の構成を示すブロック図である。
　以下、本発明の実施形態について図面を参照して説明する。
（第１の実施形態）
　図１は、本発明の第１の実施形態の構成を示すブロック図である。この位置検出システムは、移動体の位置座標を検出する位置検出部１と、移動体の移動状態を検出する移動状態検出部２と、移動モデルを決定する移動モデル決定部３と、移動体の存在確率分布を更新する存在確率更新部４と、移動体の位置座標を推定する位置推定部５とを備える。
　位置検出部１は、ＧＰＳなどの衛星測位システム、無線ＬＡＮやアクティブＲＦＩＤなどの無線通信を活用した測位システム、加速度センサやジャイロなどのセンサを活用した自律航行システムなどの位置検出センサのいずれか、もしくは，それらの組み合わせを用いて移動体の位置座標を検出する。
　移動状態検出部２は、加速度センサ、ジャイロセンサ、歩数計、超音波や赤外線などを用いたレーダーシステムなどの移動検出センサのいずれか、もしくは，それらの組み合わせを用いて移動体の移動状態を検出する。このとき、移動体の移動状態は、移動有無（移動しているか静止しているか）、もしくは、移動速さ（移動する速度の大きさのみで方向を持たない）のいずれかであらわされるものとする。
　移動モデル決定部３は、移動状態検出部２によって検出された移動体の移動状態に基づいて、移動体の移動状態を表す確率分布である移動モデルを決定する。
　存在確率更新部４は、移動モデル決定部３で決定された移動モデルと、位置座標検出結果の確率分布である観測モデルとに基づいた確率推論アルゴリズム（隠れマルコフモデル、粒子フィルタ、もしくは、ベイズフィルタ等）を用いて、移動体の存在確率分布を更新する。
　位置推定部５は、存在確率更新部４で更新された移動体の存在確率分布に基づいて移動体の存在位置座標を推定し出力する。
　ここで、位置検出部１、移動状態検出部２、移動モデル決定部３、存在確率更新部４、および、位置推定部５は、同一の装置で実現されても、個別の装置で実現されても良い。また、これらが個別の装置で実現される場合には、個別の装置同士は有線もしくは無線の通信路で接続されていればよい。
　次に、図１および図２を参照して本発明の第１の実施形態の動作について詳細に説明する。
　位置検出部１は、位置検出センサを用いて移動体の位置座標を検出する（ステップＡ１）。移動体の位置座標は、ｎ次元の座標値で表される。例えば、単位を［ｍ］の２次元座標とすれば（１０．０，５．０）、単位を緯度、経度、高度［ｍ］の３次元座標とすれば（３５．４，１３９．５，１２．０）のように表される。
　移動状態検出部２は、移動検出センサを用いて移動体の移動状態を検出する（ステップＡ２）。移動体の移動状態は、移動有無情報であれば、移動しているか静止しているかの２値、移動速さ情報であれば、例えば、単位を［ｍ／秒］として１．２［ｍ／秒］のように表される。また、移動有無情報は、例えば，移動体に取り付けた加速度センサの計測値の振幅がある閾値より大きくなったときに移動あり、そうでなかったときに移動なしと判定することで得られる。移動速さ情報は、例えば移動体が人である場合、移動体が早く歩くほど移動体に取り付けた加速度センサの計測値の分散値が大きくなる性質に基づいて検出したり、歩数計の計測結果に基づいて検出したり、移動体に取り付けたレーダーシステムで得られる周辺の障害物との相対位置変化の計測結果に基づいて検出したりすることで得られる。
　移動モデル決定部３は、移動状態検出部２によって検出された移動体の移動状態（移動有無もしくは移動速さ）に基づいて、移動モデルを決定する（ステップＡ３）。移動モデル決定部３は、移動モデルを、移動状態と、移動体の存在確率分布を前回更新してからの経過時間とから算出した基準移動距離に基づいた確率分布として決定する。ただし、移動状態が移動有無として検出された場合、移動があったときには、あらかじめ定めた移動速さと経過時間との積を算出して基準移動距離とし、移動が無かったときには０を基準移動距離とする。また、移動状態が移動速さとして検出された場合、検出された移動速さと経過時間との積を算出して基準移動距離とする。このとき、移動モデル決定部３は、移動モデルを、図３の（ａ）や（ｂ）に示したような、基準移動距離を最大移動距離とみなして、移動距離が０から基準移動距離までを一定の確率密度とする確率分布として決定してもよいし、図３の（ｃ）や（ｄ）に示したような、基準移動距離において最大の確率密度となるような確率分布として決定してもよい。さらに、移動モデル決定部３は、経過時間の大きさに応じて、用いる移動モデルを変更してもよい。例えば、経過時間が所定時間より小さいときには移動体の進行方向がそれほど変化しないとみなして図３の（ｃ）や（ｄ）に示したような移動モデルを用い、経過時間が所定時間より大きいときには移動体の進行方向が変化して移動体の移動に対して移動距離が小さくなり得ることも考慮して図３の（ａ）や（ｂ）のような移動モデルを用いてもよい。また、経過時間の大きさに応じて用いる移動モデルの確率分布の形状を変更してもよい。移動モデル決定部３は、例えば、経過時間が所定時間より小さい時には移動体の移動距離の不確実性が小さいとみなしてもとの移動モデル（図３のａ，ｂ，ｃやｄに示した確率分布）における基準移動距離からのばらつきを小さくした移動モデルを用い、経過時間が所定時間より大きい時には移動体の移動距離の不確実性が大きいとみなしてもとの移動モデル（図３のａ，ｂ，ｃやｄに示した確率分布）における基準移動距離からのばらつきを大きくした移動モデルを用いてもよい。
　存在確率更新部４は、移動モデル決定部３で決定された移動モデルと、位置座標検出結果の確率分布である観測モデルとに基づいた確率推論アルゴリズム（隠れマルコフモデル、粒子フィルタ、もしくは、ベイズフィルタ）を用いて、移動体の存在確率分布を更新する（ステップＡ４）。（参考文献：Dieter Fox, Jeffrey Hightower, Lin Liao, Dirk Schulz, and Gaetano
Borriello, Bayesian Filtering for Location Estimation, PERVASIVE Computing
July-September 2003, pp.24-33）。
　位置推定部５は、存在確率更新部４で更新された移動体の存在確率分布に基づいて，移動体の存在位置座標を推定し出力する（ステップＡ５）。ただし、存在確率分布が最大となる位置座標を移動体の存在位置座標としても、存在確率分布の重心を移動体の存在位置座標としてもよい。
　次に、本発明の第１の実施形態の効果について説明する。本発明の実施形態では、位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の位置座標検出結果を高精度化する位置検出システムにおいて、移動有無もしくは移動速さだけに基づいて移動モデルを動的に決定でき、移動体に取り付けた加速度センサなどの簡易なセンサを移動体の位置座標検出結果を高精度化するために活用できる。
（第２の実施形態）
　次に、本発明の第２の実施形態について図面を参照して詳細に説明する。図４は本発明の第２の実施形態の構成を示すブロック図である。
　図４を参照すると、本発明の第２の実施形態は，位置検出センサおよび移動検出センサを用いて移動体の存在位置座標を推定する位置推定装置６を備える。位置推定用プログラム７は、位置推定装置６に読み込まれ、位置推定装置６の動作を制御する。位置推定装置６は、位置推定用プログラム７の制御により、本発明の第１の実施形態における位置検出部１、移動状態検出部２、移動モデル決定部３、存在確率更新部４および位置推定部５による処理と同一の処理を実行する。
　本発明によれば、移動体に取り付けた簡易なセンサで取得できる移動状態情報を活用して移動体の位置座標検出結果を高精度化できる位置検出システムをコンピュータに実現するためのプログラムといった用途に適用できる。
　上記の実施形態の一部又は全部は、以下の付記のようにも記載されうるが、以下には限られない。
　（付記１）
　位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出システムであって、
　移動体に取り付けたセンサを用いて移動体の移動状態を検出する移動状態検出手段と、
　前記移動状態検出手段で得られた移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定する移動モデル決定手段と、
を有することを特徴とする位置検出システム。
　（付記２）
　前記移動モデル決定手段が、前記移動状態検出手段で移動があったと検出されたときには、あらかじめ定めた移動速さと前記経過時間との積を前記基準移動距離とし、移動がなかったと検出されたときには０を前記基準移動距離とする
ことを特徴とする付記１に記載の位置検出システム。
　（付記３）
　前記移動モデル決定手段が、前記移動状態検出手段で移動速さが検出されたときには、検出された移動速さと前記経過時間との積を前記基準移動距離とする
ことを特徴とする付記１に記載の位置検出システム。
　（付記４）
　前記移動モデル決定手段が、算出された前記基準移動距離を最大の移動距離とみなし、移動距離が０から前記基準移動距離までを一定の確率密度とする確率分布を移動モデルとして決定する
ことを特徴とする付記２もしくは付記３に記載の位置検出システム。
　（付記５）
　前記移動モデル決定手段が、算出された前記基準移動距離において最大の確率密度となるような確率分布を移動モデルとして決定する
ことを特徴とする付記２もしくは付記３に記載の位置検出システム。
　（付記６）
　前記移動モデル決定手段が、前記経過時間が所定時間より大きいときには、算出された前記基準移動距離を最大の移動距離とみなし、移動距離が０から前記基準移動距離までを一定の確率密度とする確率分布を移動モデルとして決定し、前記経過時間が所定時間より小さいときには、算出された前記基準移動距離において最大の確率密度となるような確率分布を移動モデルとして決定する
ことを特徴とする付記２もしく付記３に記載の位置検出システム。
　（付記７）
　前記移動モデル決定手段が、前記経過時間が所定時間より小さいときには移動距離のばらつきがもとの移動モデルより小さくなるような確率分布を移動モデルとして決定し、前記経過時間が所定時間より大きいときには移動距離のばらつきがもとの移動モデルより大きくなるような確率分布を移動モデルとして決定する
ことを特徴とする付記２から付記６のいずれかに記載の位置検出システム。
　（付記８）
　位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出方法であって、
　移動体に取り付けたセンサを用いて移動体の移動状態を検出し、
　前記検出された移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定する
ことを特徴とする位置検出方法。
　（付記９）
　前記移動体の移動状態の検出において移動があったと検出されたときには、あらかじめ定めた移動速さと前記経過時間との積を前記基準移動距離とし、移動がなかったと検出されたときには０を前記基準移動距離とする
ことを特徴とする付記８に記載の位置検出方法。
　（付記１０）
　前記移動体の移動状態の検出において移動速さが検出されたときには、検出された移動速さと前記経過時間との積を前記基準移動距離とする
ことを特徴とする付記８に記載の位置検出方法。
　（付記１１）
　前記算出された前記基準移動距離を最大の移動距離とみなし、移動距離が０から前記基準移動距離までを一定の確率密度とする確率分布を移動モデルとして決定する
ことを特徴とする付記９もしくは付記１０に記載の位置検出方法。
　（付記１２）
　前記算出された前記基準移動距離において最大の確率密度となるような確率分布を移動モデルとして決定する
ことを特徴とする付記９もしくは付記１０に記載の位置検出方法。
　（付記１３）
　前記経過時間が所定時間より大きいときには、算出された前記基準移動距離を最大の移動距離とみなし、移動距離が０から前記基準移動距離までを一定の確率密度とする確率分布を移動モデルとして決定し、前記経過時間が所定時間より小さいときには、算出された前記基準移動距離において最大の確率密度となるような確率分布を移動モデルとして決定する
ことを特徴とする付記９もしく付記１０に記載の位置検出方法。
　（付記１４）
　前記経過時間が所定時間より小さいときには移動距離のばらつきがもとの移動モデルより小さくなるような確率分布を移動モデルとして決定し、前記経過時間が所定時間より大きいときには移動距離のばらつきがもとの移動モデルより大きくなるような確率分布を移動モデルとして決定する
ことを特徴とする付記９から付記１３のいずれかに記載の位置検出方法。
　（付記１５）
　位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出システム用のプログラムであって、
　コンピュータに、
　移動体に取り付けたセンサを用いて移動体の移動状態を検出する移動状態検出処理、
　前記移動状態検出処理で得られた移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定する移動モデル決定処理、
を実行させることを特徴とするプログラム。
　（付記１６）
　前記移動モデル決定処理は、前記移動状態検出処理で移動があったと検出されたときには、あらかじめ定めた移動速さと前記経過時間との積を前記基準移動距離とし、移動がなかったと検出されたときには０を前記基準移動距離とする
ことを特徴とする付記１５に記載のプログラム。
　（付記１７）
　前記移動モデル決定処理は、前記移動状態検出処理で移動速さが検出されたときには、検出された移動速さと前記経過時間との積を前記基準移動距離とする
ことを特徴とする付記１５に記載のプログラム。
　（付記１８）
　前記移動モデル決定処理は、算出された前記基準移動距離を最大の移動距離とみなし、移動距離が０から前記基準移動距離までを一定の確率密度とする確率分布を移動モデルとして決定する
ことを特徴とする付記１６もしくは付記１７に記載のプログラム。
　（付記１９）
　前記移動モデル決定処理は、算出された前記基準移動距離において最大の確率密度となるような確率分布を移動モデルとして決定する
ことを特徴とする付記１６もしくは付記１７に記載のプログラム。
　（付記２０）
　前記移動モデル決定処理は、前記経過時間が所定時間より大きいときには、算出された前記基準移動距離を最大の移動距離とみなし、移動距離が０から前記基準移動距離までを一定の確率密度とする確率分布を移動モデルとして決定し、前記経過時間が所定時間より小さいときには、算出された前記基準移動距離において最大の確率密度となるような確率分布を移動モデルとして決定する
ことを特徴とする付記１６もしく付記１７に記載のプログラム。
　（付記２１）
　前記移動モデル決定処理は、前記経過時間が所定時間より小さいときには移動距離のばらつきがもとの移動モデルより小さくなるような確率分布を移動モデルとして決定し、前記経過時間が所定時間より大きいときには移動距離のばらつきがもとの移動モデルより大きくなるような確率分布を移動モデルとして決定する
ことを特徴とする付記１６から付記２０のいずれかに記載のプログラム。
　以上、好ましい実施の形態をあげて本発明を説明したが、本発明は必ずしも上記実施の形態に限定されるものではなく、その技術的思想の範囲内において様々に変形し実施することが出来る。
　この出願は、２０１２年３月２７日に出願された日本出願特願２０１２－０７１５９５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。
　１　　　位置検出部
　２　　　移動状態検出部
　３　　　移動モデル決定部
　４　　　存在確率更新部
　５　　　位置推定部
　６　　　位置推定装置
　７　　　位置推定用プログラム

Claims (9)

  1. 　位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出システムであって、
    　移動体に取り付けたセンサを用いて移動体の移動状態を検出する移動状態検出手段と、
    　前記移動状態検出手段で得られた移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定する移動モデル決定手段と、
    を有することを特徴とする位置検出システム。
  2. 　前記移動モデル決定手段が、前記移動状態検出手段で移動があったと検出されたときには、あらかじめ定めた移動速さと前記経過時間との積を前記基準移動距離とし、移動がなかったと検出されたときには０を前記基準移動距離とする
    ことを特徴とする請求項１に記載の位置検出システム。
  3. 　前記移動モデル決定手段が、前記移動状態検出手段で移動速さが検出されたときには、検出された移動速さと前記経過時間との積を前記基準移動距離とする
    ことを特徴とする請求項１に記載の位置検出システム。
  4. 　前記移動モデル決定手段が、算出された前記基準移動距離を最大の移動距離とみなし、移動距離が０から前記基準移動距離までを一定の確率密度とする確率分布を移動モデルとして決定する
    ことを特徴とする請求項２もしくは請求項３に記載の位置検出システム。
  5. 　前記移動モデル決定手段が、算出された前記基準移動距離において最大の確率密度となるような確率分布を移動モデルとして決定する
    ことを特徴とする請求項２もしくは請求項３に記載の位置検出システム。
  6. 　前記移動モデル決定手段が、前記経過時間が所定時間より大きいときには、算出された前記基準移動距離を最大の移動距離とみなし、移動距離が０から前記基準移動距離までを一定の確率密度とする確率分布を移動モデルとして決定し、前記経過時間が所定時間より小さいときには、算出された前記基準移動距離において最大の確率密度となるような確率分布を移動モデルとして決定する
    ことを特徴とする請求項２もしく請求項３に記載の位置検出システム。
  7. 　前記移動モデル決定手段が、前記経過時間が所定時間より小さいときには移動距離のばらつきがもとの移動モデルより小さくなるような確率分布を移動モデルとして決定し、前記経過時間が所定時間より大きいときには移動距離のばらつきがもとの移動モデルより大きくなるような確率分布を移動モデルとして決定する
    ことを特徴とする請求項２から請求項６のいずれかに記載の位置検出システム。
  8. 　位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出方法であって、
    　移動体に取り付けたセンサを用いて移動体の移動状態を検出し、
    　前記検出された移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定する
    ことを特徴とする位置検出方法。
  9. 　位置座標検出結果の確率分布である観測モデルと移動体の移動状態を表す確率分布である移動モデルとに基づいた確率推論アルゴリズムを用いて移動体の存在確率分布を逐次更新し、移動体の位置座標検出結果を高精度化する位置検出システム用のプログラムであって、
    　コンピュータに、
    　移動体に取り付けたセンサを用いて移動体の移動状態を検出する移動状態検出処理、
    　前記移動状態検出処理で得られた移動状態と、移動体の存在確率分布が前回更新されてからの経過時間とから算出される基準移動距離に基づいて、移動モデルを決定する移動モデル決定処理、
    を実行させることを特徴とするプログラム。
PCT/JP2013/057789 2012-03-27 2013-03-19 位置検出システム、方法及びプログラム WO2013146457A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2012071595 2012-03-27
JP2012-071595 2012-03-27

Publications (1)

Publication Number Publication Date
WO2013146457A1 true WO2013146457A1 (ja) 2013-10-03

Family

ID=49259714

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/057789 WO2013146457A1 (ja) 2012-03-27 2013-03-19 位置検出システム、方法及びプログラム

Country Status (1)

Country Link
WO (1) WO2013146457A1 (ja)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10153442A (ja) * 1996-11-22 1998-06-09 Matsushita Electric Ind Co Ltd ナビゲーション装置
JP2007139601A (ja) * 2005-11-18 2007-06-07 Toyota Motor Corp 移動体用位置推定装置
JP2008020365A (ja) * 2006-07-13 2008-01-31 Toyota Motor Corp ナビゲーション装置、位置検出方法
JP2008224657A (ja) * 2007-02-15 2008-09-25 Seiko Epson Corp 現在位置推定方法、測位方法、プログラム及び移動体端末
JP2010271215A (ja) * 2009-05-22 2010-12-02 Nippon Telegr & Teleph Corp <Ntt> 状態推定装置、方法、プログラム及びその記録媒体

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10153442A (ja) * 1996-11-22 1998-06-09 Matsushita Electric Ind Co Ltd ナビゲーション装置
JP2007139601A (ja) * 2005-11-18 2007-06-07 Toyota Motor Corp 移動体用位置推定装置
JP2008020365A (ja) * 2006-07-13 2008-01-31 Toyota Motor Corp ナビゲーション装置、位置検出方法
JP2008224657A (ja) * 2007-02-15 2008-09-25 Seiko Epson Corp 現在位置推定方法、測位方法、プログラム及び移動体端末
JP2010271215A (ja) * 2009-05-22 2010-12-02 Nippon Telegr & Teleph Corp <Ntt> 状態推定装置、方法、プログラム及びその記録媒体

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
YUKI CHIBA ET AL.: "Improvement of time response in user behavior recognition using acceleration sensor", PROCEEDINGS OF THE 71ST NATIONAL CONVENTION OF INFORMATION PROCESSING SOCIETY OF JAPAN, vol. 21, no. 3, 10 March 2009 (2009-03-10), pages 3-61 - 3-62 *
YUKIE MORIGUCHI ET AL.: "Robust Human Trajectory Detection Method against Sensor Data Discontinuity using Sensor Fusion", PROCEEDINGS OF THE 72ND NATIONAL CONVENTION OF INFORMATION PROCESSING SOCIETY OF JAPAN, vol. 22, no. 3, 8 March 2010 (2010-03-08), pages 3-89 - 3-90 *
YUSUKE KONISHI ET AL.: "A Study on a Positioning Platform Integrating Sensor Devices and Geographic Data", IPSJ SIG NOTES, vol. 2004, no. 4, 20 January 2004 (2004-01-20), pages 77 - 84 *

Similar Documents

Publication Publication Date Title
CN113108791B (zh) 一种导航定位方法及导航定位设备
JP6239664B2 (ja) 周辺環境推定装置及び周辺環境推定方法
TWI500003B (zh) 基於虛擬地標之定位及地圖繪製技術
Kothari et al. Robust indoor localization on a commercial smart phone
JP5838758B2 (ja) キャリブレーション方法、情報処理装置及びキャリブレーションプログラム
CN111183659B (zh) 移动标签感测和位置估计
US20160091609A1 (en) Method and system for an accurate and energy efficient vehicle lane detection
CN105737826B (zh) 行人室内定位方法
CN108120438B (zh) 一种基于imu和rfid信息融合的室内目标快速跟踪方法
CN114599995A (zh) 根据静止路边对象的雷达回波估计面内速度
CN106471338A (zh) 确定移动设备在地理区域中的位置
US20140358434A1 (en) Peer-Assisted Dead Reckoning
US9223006B2 (en) Method and device for localizing objects
JPWO2014038041A1 (ja) 位置検出装置、位置検出方法及び位置検出プログラム
JP6295345B2 (ja) Ｔｄｏａ、ｆｄｏａ、及びａｇｌからの直接ジオロケーション
JP5164645B2 (ja) カルマンフィルタ処理における繰り返し演算制御方法及び装置
Murphey et al. Accurate pedestrian path prediction using neural networks
JP2022537361A (ja) ドリフト補正を用いるモーションセンサを使用した相対位置追跡
KR102103651B1 (ko) 지도의 차로 개수를 활용한 파티클 필터링 퇴화 경감 방법 및 시스템
KR101523147B1 (ko) 실내 측위 장치 및 방법
JP6428214B2 (ja) 相対位置測定装置、プログラム
Tateno et al. Improvement of pedestrian dead reckoning by heading correction based on optimal access points selection method
JP5748174B2 (ja) 移動体の相対姿勢計測方法と装置
Silva et al. Towards a grid based sensor fusion for visually impaired navigation using sonar and vision measurements
Alaeiyan et al. GPS/INS integration via faded memory Kalman filter

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13769176

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13769176

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: JP