WO2016031105A1 - 情報処理装置、情報処理方法、及びプログラム - Google Patents

情報処理装置、情報処理方法、及びプログラム Download PDF

Info

Publication number
WO2016031105A1
WO2016031105A1 PCT/JP2015/002755 JP2015002755W WO2016031105A1 WO 2016031105 A1 WO2016031105 A1 WO 2016031105A1 JP 2015002755 W JP2015002755 W JP 2015002755W WO 2016031105 A1 WO2016031105 A1 WO 2016031105A1
Authority
WO
WIPO (PCT)
Prior art keywords
unit
estimation
information processing
feature points
processing apparatus
Prior art date
Application number
PCT/JP2015/002755
Other languages
English (en)
French (fr)
Inventor
俊一 本間
貝野　彰彦
辰起 柏谷
福地　正樹
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to CN201580044294.0A priority Critical patent/CN106575437B/zh
Priority to US15/324,067 priority patent/US10169880B2/en
Priority to EP15835670.9A priority patent/EP3188128A4/en
Publication of WO2016031105A1 publication Critical patent/WO2016031105A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/01—Input arrangements or combined input and output arrangements for interaction between user and computer
    • G06F3/017—Gesture based interaction, e.g. based on a set of recognized hand gestures
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01B—MEASURING LENGTH, THICKNESS OR SIMILAR LINEAR DIMENSIONS; MEASURING ANGLES; MEASURING AREAS; MEASURING IRREGULARITIES OF SURFACES OR CONTOURS
    • G01B11/00—Measuring arrangements characterised by the use of optical techniques
    • G01B11/002—Measuring arrangements characterised by the use of optical techniques for measuring two or more coordinates
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/20—Movements or behaviour, e.g. gesture recognition
    • G06V40/23—Recognition of whole body movements, e.g. for sport training

Definitions

  • the present technology relates to an information processing apparatus, an information processing method, and a program that perform self-position estimation of a moving object.
  • head-mounted displays are expected to be applied to more and more fields such as manufacturing, medical care, games, and daily life.
  • an AR Augmented Reality
  • VR Virtual Reality
  • the self-position estimation technique for estimating the position and posture of the user is used for the AR technique and the VR technique.
  • SLAM Multiple Localization and Mapping
  • SLAM is a technology that simultaneously performs self-position estimation and creation of an environmental map.
  • Patent Documents 1 to 3 disclose techniques for performing self-position estimation using SLAM. According to SLAM, for example, by tracking feature points using an image captured in time series from a moving body, the self position of the moving body can be estimated.
  • an object of the present technology is to provide an information processing apparatus, an information processing method, and a program capable of self-position estimation with high robustness.
  • an information processing apparatus includes a tracking unit, a region estimation unit, and an estimation processing unit.
  • the tracking unit acquires an image captured by an imaging unit provided in a moving body that moves with rotational movement, and the image captured before the movement and the image captured after the movement.
  • the feature points included in the image are associated with each other.
  • the region estimation unit acquires information related to the movement, and estimates a region where a change in the two-dimensional position of the feature point viewed from the moving body is small before and after the movement based on the information.
  • the estimation processing unit performs self-position estimation of the moving body using the feature points associated with the tracking unit and within the region.
  • the region estimation unit estimates a region where the change in the two-dimensional position of the feature point viewed from the moving body is small before and after the moving body moves.
  • the region estimated by the region estimation unit there is a high possibility that the position of the feature point does not move suddenly even when the orientation of the imaging unit changes suddenly.
  • the estimation processing unit can perform self-position estimation with high robustness by using feature points in the region estimated by the region estimation unit.
  • the area estimation unit may calculate a rotation axis of the rotational motion and estimate the area using the rotation axis.
  • the region estimation unit estimates that the region closer to the rotational axis of the rotational movement of the moving body has a smaller change in the two-dimensional position of the feature point viewed from the moving body before and after the movement of the moving body. To do.
  • the region estimation unit can perform region estimation with high accuracy.
  • the imaging unit may include a plurality of camera mechanisms having optical axes that are not parallel to each other.
  • the region estimation unit may select a camera mechanism having the optical axis with a small angle between the plurality of camera mechanisms and the rotation axis.
  • the estimation processing unit may perform self-position estimation of the moving body using the feature points included in the image picked up by the camera mechanism selected by the region estimation unit. In this configuration, an area imaged by a camera mechanism having an optical axis with a small angle formed with the rotation axis of the moving body among a plurality of camera mechanisms is viewed from the moving body before and after the movement of the moving body. It is estimated that the change in the two-dimensional position of the feature point is small.
  • the estimation processing unit can perform self-position estimation with high robustness by using feature points included in an image captured by the camera mechanism selected by the region estimation unit.
  • the information processing apparatus includes a data generation unit that extracts the feature points included in the image captured by the camera mechanism selected by the region estimation unit among the feature points associated by the tracking unit. Furthermore, you may comprise.
  • the estimation processing unit may perform self-location estimation of the moving object using the feature points extracted by the data generation unit. In this configuration, the data generation unit extracts the feature points included in the image captured by the camera mechanism selected by the region estimation unit from the feature points associated by the tracking unit.
  • the estimation processing unit can perform self-position estimation with high robustness by using the feature points extracted by the data generation unit.
  • the tracking unit may associate the feature points included in the image captured by the camera mechanism selected by the region estimation unit.
  • the tracking unit associates feature points included in the image captured by the camera mechanism selected by the region estimation unit.
  • the estimation processing unit can perform self-position estimation with high robustness by using the feature points associated by the tracking unit.
  • the region estimation unit may estimate the region so that the rotation axis passes through the region. In this configuration, it is estimated that the change in the two-dimensional position of the feature point viewed from the moving body is small before and after the moving body moves in the region through which the rotational axis of the rotational movement of the moving body passes. Thereby, the accuracy of region estimation by the region estimation unit is improved.
  • the viewing angle of the imaging unit may be 90 ° or more.
  • a wide viewing angle camera such as a wide-angle camera, a fish-eye camera, or a omnidirectional camera
  • an area through which the rotation axis of the moving object passes through the image captured by the imaging unit It becomes easy to be included.
  • the information processing apparatus may further include a data generation unit that limits a processing region of the image within the region.
  • the estimation processing unit may perform self-location estimation of the moving object using the feature points included in the processing region.
  • the data generation unit is assumed to have a small change in the two-dimensional position of the feature point viewed from the moving body before and after the movement of the moving body in the processing area of the image captured by the imaging unit. Limited to area.
  • the estimation processing unit performs self-position estimation using feature points included in the processing region. Thereby, the estimation processing unit can perform self-position estimation more efficiently than using the feature points included in the entire image captured by the imaging unit.
  • the data generation unit may extract the feature points included in the processing region from the feature points associated by the tracking unit.
  • the estimation processing unit may perform self-location estimation of the moving object using the feature points extracted by the data generation unit.
  • the data generation unit extracts feature points included in the processing region from the feature points associated by the tracking unit.
  • the estimation processing unit can efficiently perform self-position estimation by using the feature points extracted by the data generation unit.
  • the tracking unit may associate the feature points included in the processing region.
  • the tracking unit associates feature points included in the processing region.
  • the estimation processing unit can efficiently perform self-position estimation by using the feature points associated by the tracking unit.
  • the region estimation unit may enlarge the processing region when the angular velocity of the rotational motion is large.
  • the region estimation unit may enlarge the processing region when the movement involves a translational motion.
  • the processing region is enlarged when it is predicted that the change in the two-dimensional position of the feature point viewed from the moving body is relatively large before and after the moving body is moved. Thereby, before and after the movement of the moving body, it is possible to suppress a feature point having a small change in a two-dimensional position viewed from the moving body from deviating from the processing region. Thereby, a sufficient number of feature points can be secured for self-position estimation.
  • the tracking unit sets, for each of the associated feature points, a tracking score indicating a degree of coincidence of the feature points in the image captured before the movement and the image captured after the movement. May be.
  • the estimation processing unit may perform self-position estimation of the moving object using the feature points having a high tracking score.
  • the tracking unit sets a tracking score indicating the degree of coincidence of feature points in images captured before and after the movement of the moving object, for each associated feature point. That is, a feature point with a higher degree of matching of feature points has a higher tracking score, and a feature point with a lower degree of matching of feature points has a lower tracking score.
  • the estimation processing unit can perform self-position estimation with high accuracy by using feature points having a high tracking score.
  • the tracking unit may set the tracking score of the feature point in at least one central region of the image captured before the movement and the image captured after the movement high. Good.
  • the feature point in the center area of one image is highly likely to be included in the other image, and is captured before and after the moving body moves. It is estimated that the degree of coincidence in the obtained image is high. For this reason, the tracking score of the feature point in the central region of at least one of the images captured before and after the moving body is increased.
  • the estimation processing unit can perform self-position estimation with high accuracy by using feature points having a high tracking score.
  • the information may be generated using at least one of a gyro sensor, a geomagnetic sensor, an acceleration sensor, a sound source direction estimation device, and Wi-Fi.
  • a gyro sensor a geomagnetic sensor
  • an acceleration sensor a sensor that uses the acceleration to calculate the acceleration of the moving object
  • Wi-Fi Wireless Fidelity
  • the information processing apparatus may further include a monitoring unit that monitors the moving object based on the information.
  • the estimation processing unit may perform self-position estimation of the moving body based on the monitoring result by the monitoring unit, independently of the self-position estimation.
  • self-position estimation using the result of monitoring by the monitoring unit is performed independently of self-position estimation using feature points included in the image captured by the imaging unit.
  • the monitoring unit may estimate a motion model of the moving body.
  • the estimation processing unit may perform self-position estimation of the moving body using the motion model estimated by the monitoring unit. In this configuration, by using the moving body motion model estimated by the monitoring unit, the estimation processing unit can perform efficient self-position estimation.
  • the information processing apparatus further includes a head-mounted display provided with the imaging unit and a detection unit capable of generating the information, and configured to be attachable to a user's head as the moving body. Good. With this configuration, it is possible to provide a head mounted display device that can perform self-position estimation with high robustness.
  • an image is captured by an imaging unit provided in a moving body that moves with rotational motion.
  • the feature points included in the image captured before the movement and the image captured after the movement are associated with each other.
  • Information about the movement is generated. Based on the information, a region where a change in the two-dimensional position of the feature point viewed from the moving body is small before and after the movement is estimated.
  • the self-position estimation of the mobile body is performed using the feature points that are associated with each other and are within the region.
  • a program acquires an image captured by an imaging unit provided in a moving body that moves with rotational motion in the information processing apparatus, and the image captured before the movement And a step of associating feature points included in the image picked up after the movement.
  • the program acquires information related to the movement to the information processing apparatus, and based on the information, an area in which a change in the two-dimensional position of the feature point viewed from the moving body is small before and after the movement is small. Let the estimation step be performed.
  • the program causes the information processing apparatus to perform a step of performing self-position estimation of the moving object using the feature points that are associated with each other and are within the region.
  • FIG. 1 is a schematic configuration diagram of an information processing system according to a first embodiment of the present technology. It is a block diagram which shows the structure of each apparatus of the said information processing system. It is a block diagram which shows the structure of the self-position estimation part of the said information processing system. It is a figure which shows an example of a moving body. It is a figure for demonstrating operation
  • FIG. 1 is a schematic configuration diagram of an information processing system 100 according to the first embodiment of the present technology.
  • the information processing system 100 includes a mobile terminal 30, a head mounted display 70, and a control box 50.
  • the information processing system 100 may include the cloud system 10.
  • the portable terminal 30 is typically configured as a portable information processing device such as a smartphone.
  • the portable terminal 30 may be configured as a tablet device or other PC (Personal Computer).
  • the mobile terminal 30 is communicatively connected to the cloud system 10.
  • the head mounted display 70 is configured as a mounting portion that can be mounted on the user's head, which is the moving body M.
  • the head mounted display 70 has an imaging unit 72, and the imaging unit 72 captures an image around the user wearing the head mounted display 70.
  • the control box 50 is configured as a control unit for controlling the head mounted display 70. A user wearing the head mounted display 70 can operate the head mounted display 70 via the control box 50.
  • the control box 50 is communicatively connected to the mobile terminal 30.
  • the cloud system 10 is a system based on a telecommunication network such as the Internet, for example.
  • the cloud system 10 includes a server computer connected to a telecommunication network.
  • FIG. 2 is a block diagram illustrating configurations of the mobile terminal 30, the control box 50, the head mounted display 70, and the server computer of the cloud system 10 in the information processing system 100.
  • the mobile terminal 30 includes a CPU (Central Processing Unit) 31, a memory 32, a wide area communication unit 33, a local area communication unit 34, a touch panel 35, a GPS (Global Positioning System) reception unit 36, and a battery 39.
  • a CPU Central Processing Unit
  • memory 32 a main memory
  • wide area communication unit 33 a wide area communication unit 33
  • local area communication unit 34 a touch panel 35
  • GPS Global Positioning System
  • the CPU 31 controls each part in the mobile terminal 30 in an integrated manner.
  • the memory 32 stores, for example, an OS (Operating System), programs such as various application software, various data, and the like.
  • the memory 32 is configured so that it can be appropriately accessed by the CPU 31.
  • the wide area communication unit 33 is configured to be able to communicate with the cloud system 10 through a communication system such as 3G (Third Generation) or LTE (Long Term Evolution).
  • a communication system such as 3G (Third Generation) or LTE (Long Term Evolution).
  • the local area communication unit 34 is configured to be communicable by, for example, a wireless LAN (Local Area Network) communication system such as Wi-Fi, a short-range wireless communication system such as Bluetooth (registered trademark), and infrared rays.
  • the local communication unit 34 may be configured to be able to use a plurality of communication systems.
  • the touch panel 35 is configured to have both a function as a display device that displays various information and a function as an operation unit that receives an operation by a user.
  • the GPS receiving unit 36 is configured to be able to receive position information from GPS satellites.
  • the portable terminal 30 may have various sensors 37 including a motion sensor and a camera.
  • the head mounted display 70 includes a display unit 71, an imaging unit 72, and a detection unit 73. As shown in FIG. 1, the head mounted display 70 includes left and right rim portions 75, a bridge portion 74 disposed between the rim portions 75, and a temple portion 76 extending rearward from each rim portion 75. Includes the configuration of eyeglass frames. Thereby, the head mounted display 70 can be mounted on the user's head.
  • the display unit 71 is configured as a small projector provided inside each of the left and right temple units 76.
  • the head mounted display 70 is configured such that image light having the same or parallax emitted from the display unit 71 is guided by the light guide plate 77 and emitted from a predetermined region of the light guide plate 77 toward the user's eyeball. . Thereby, an image is provided to the user.
  • the configuration of the display unit 71 in the head mounted display 70 is not limited to the above, and can be determined as appropriate.
  • the display unit 71 may be provided only on one of the left and right sides.
  • the head mounted display 70 is not limited to the projector type, and may include a display unit 71 that directly irradiates the eyeball with image light.
  • the imaging unit 72 includes a first camera 72 a provided forward on the bridge unit 74 and a second camera 72 b provided rightward (outward) on the right temple unit 76.
  • the first camera 72a and second camera 72b is the optical axis C b of the optical axis C a and the second camera 72b of the first camera 72a is provided so as not parallel.
  • the optical axis C b of the optical axis C a and the second camera 72b of the first camera 72a may be orthogonal.
  • the cameras 72a and 72b are typically configured by an image sensor such as a CMOS (Complementary Metal Oxide Semiconductor) sensor, a CCD (Charge Coupled Device) sensor, or the like.
  • CMOS Complementary Metal Oxide Semiconductor
  • CCD Charge Coupled Device
  • the imaging part 72 should just be comprised by the several camera mechanism which has an optical axis which is not mutually parallel, and is not limited to said structure.
  • the imaging unit 72 may have three or more camera mechanisms.
  • the plurality of camera mechanisms may be configured as independent monocular cameras, and the plurality of camera mechanisms may be configured as a single stereo camera or a lens array as a whole.
  • the camera of the imaging unit 72 only needs to be able to capture an image around the user, and can be provided at any position in the rim unit 75, the bridge unit 74, and the temple unit 76.
  • the imaging unit 72 may have a camera provided for each temple unit 76.
  • the imaging unit 72 may have a camera that can be worn by the user separately from the head mounted display 70.
  • the imaging unit 72 may have a camera that can be mounted upward on the user's head.
  • the detection unit 73 is configured to be able to detect information related to the movement of the user wearing the head mounted display 70. More specifically, the detection unit 73 is configured to be able to detect at least a rotational motion component of the user's movement. For example, the detection unit 73 is configured to be able to provide information that can separate the rotational motion component and the translational motion component of the user's movement.
  • the detection unit 73 is typically configured by a sensor capable of detecting the orientation of the user, such as a gyro sensor, a geomagnetic sensor, or an acceleration sensor. Further, the detection unit 73 may be configured to be able to detect the orientation of the user by Wi-Fi. Furthermore, the detection unit 73 may be configured by a sound source direction estimation device that detects the direction of the user by transmitting and receiving an acoustic signal. The detection unit 73 may be a combination of a plurality of configurations.
  • the control box 50 includes a CPU 51, a memory 52, a local communication unit 54, an input button 53, and a battery 59.
  • the control box 50 may be configured as a part of the head mounted display 70 or may be configured independent of the head mounted display 70.
  • the CPU 51 comprehensively controls each part in the control box 50 and each part in the head mounted display 70.
  • the memory 52 stores, for example, an OS, programs such as various application software, various data, and the like.
  • the memory 52 is configured so that it can be appropriately accessed by the CPU 51.
  • the local communication unit 54 is configured to be able to communicate with the local communication unit 34 of the mobile terminal 30 through a communication system common to the local communication unit 34 of the mobile terminal 30.
  • the input button 53 is arranged in front of the control box 50 and is configured as an operation unit for the control box 50 and the head mounted display 70.
  • the input button 53 includes, for example, a power button, an ON / OFF button of the display unit 71, and the like.
  • the server computer of the cloud system 10 includes a CPU 11, a memory 12, and a wide area communication unit 13.
  • the CPU 11 comprehensively controls each part in the server computer.
  • the memory 12 stores, for example, an OS, programs such as various application software, various data, and the like.
  • the memory 12 is configured to be appropriately accessible by the CPU 11.
  • the wide area communication unit 13 is configured to be able to communicate with the wide area communication unit 33 of the mobile terminal 30 through a communication system common to the wide area communication unit 33 of the mobile terminal 30.
  • the information processing system 100 includes a self-position estimation unit 1.
  • the self-position estimation unit 1 is configured as an information processing apparatus for estimating the position and orientation of the user wearing the head mounted display 70. More specifically, the self-position estimation unit 1 estimates the position and posture of the user at an arbitrary time (t) from the position and posture of the user at time (t ⁇ 1) immediately before time (t).
  • the position of the user estimated by the self-position estimation unit 1 can be expressed by coordinates in a three-dimensional space, for example.
  • the user's posture estimated by the self-position estimation unit 1 can be expressed by, for example, the direction in which the user is facing.
  • the self-position estimation unit 1 may be configured to be able to estimate a specific posture of the user. For example, whether the user's posture is a standing posture, a sitting posture, or a sleeping posture. Can also be estimated.
  • the self-position estimation unit 1 may be provided in any of the server computer, the mobile terminal 30, the control box 50, and the head mounted display 70 of the cloud system 10, as shown in FIG.
  • the head-mounted display 70 is provided with a configuration necessary for controlling the self-position estimating unit 1, such as a CPU and a memory that stores a program.
  • the self-position estimation unit 1 is controlled by a CPU stored in each device and a program stored in the memory of each device.
  • Each device may include a control unit other than the CPU for the control of the self-position estimation unit 1.
  • Examples of the control unit other than the CPU include a PLD (Programmable Logic Device) such as PGA (Field Programmable Gate Array).
  • FIG. 3 is a block diagram showing a configuration of the self-position estimation unit 1.
  • the self-position estimation unit 1 includes a tracking unit 2, a region estimation unit 3, a data generation unit 4, and an estimation processing unit 5.
  • the tracking unit 2 acquires images captured by the imaging unit 72 in time series, and performs tracking of feature points using each image. That is, the tracking unit 2 associates feature points between the image captured at time (t ⁇ 1) and the image captured at time (t). For example, the tracking unit 2 can output the movement amount (dx, dy) of the feature point in the two images.
  • the method of tracking feature points by the tracking unit 2 is not limited to a specific method, and a general method can be adopted.
  • the tracking unit 2 can track feature points by using template matching based on a luminance pattern in an image.
  • the tracking unit 2 can also track feature points by using matching based on feature amounts described in a higher level in an image.
  • FIG. 4 is a diagram illustrating an example of the moving object M for explaining the operation of the tracking unit 2.
  • the moving body M shown in FIG. 4 shows a user wearing the head mounted display 70 shown in FIG. 1 in a simplified manner. Accordingly, the first camera 72a is disposed on the front surface of the moving body M, and the second camera 72b is disposed on the right side surface of the moving body M.
  • FIG. 5 is a diagram for explaining an example of the operation of the tracking unit 2.
  • FIG. 5A shows the state at time (t ⁇ 1)
  • FIG. 5B shows the state at time (t) immediately thereafter.
  • the moving body M moves with a rotational motion. Therefore, the direction of the moving body M changes between the time (t ⁇ 1) shown in FIG. 5A and the time (t) shown in FIG. 5B, and the optical axis C a of the first camera 72a. and orientation of the optical axis C b of the second camera 72b is changing.
  • the first camera 72a captures an image a 1 at time (t-1) shown in FIG. 5 (A), captures images a 2 at time (t) shown in FIG. 5 (B).
  • Tracking unit 2 the first camera 72a obtains the image a 1 and image a 2 captured, detects the feature point P 1 from the image a 1, detects a feature point P 2 from the image a 2. Then, the tracking unit 2, to associate feature points P 12 are included in common in the image a 1 and image a 2.
  • Tracking unit 2 in common to the image a 1 and image a 2 for each feature point P 12 that contains, to set the tracking score.
  • Tracking score is a numeric indication of the matching degree of each feature point P 12 in the image a 1 and image a 2. That is, as the tracking score higher feature point P 12, and 0.00 correspond reliably in the image a 1 and image a 2, reliable. Conversely, tracking score feature point higher P 12 low, not take sufficiently correspond in the image a 1 and image a 2, unreliable.
  • the tracking unit 2 when the feature quantity of surrounding feature points P 12 in the image a 1 and image a 2 corresponds well is set high tracking score of the feature point P 12. Conversely, the tracking unit 2, the image a 1 and image a 2 corresponding feature quantity around the feature point P 12 if insufficient, setting a low tracking score of the feature point P 12.
  • Tracking unit 2 for all the feature points P 12, a label that identifies the camera capturing the feature point P 12, the coordinate of the feature point P 12 in each of the images a 1 and image a 2, tracking score of the characteristic points P 12 Output data is generated with information such as. Then, the tracking unit 2 outputs the generated output data to the data generation unit 4.
  • the tracking unit 2 similarly performs tracking of feature points for the image captured by the second camera 72b.
  • the tracking unit 2 can perform tracking of feature points in other images even when it is difficult to track feature points in a certain image among a plurality of images. Therefore, in the tracking unit 2 according to the present embodiment, the tracking result of the feature points can be obtained more reliably.
  • the region estimation unit 3 acquires information related to the movement of the moving object M generated by the detection unit 73, and performs region estimation based on the information.
  • the region estimation unit 3 is a region in which the two-dimensional position of the feature point viewed from the moving body M is less likely to change before and after the moving body M, in the surrounding region surrounding the moving body M. That is, the region where the direction of the feature point viewed from the moving body M is difficult to change is estimated.
  • the feature points included in the image captured before the moving body M moves are images captured after the moving body M moves. Is also likely to be included. Therefore, in the image obtained by imaging the region estimated by the region estimation unit 3, it is possible to associate more feature points before and after the moving body M moves.
  • FIGS. 6 and 7 are diagrams for explaining an example of the operation of the region estimation unit 3. 6 (A) and 7 (A) are perspective views, and FIG. 6 (B) and FIG. 7 (B) are plan views.
  • FIG. 6 shows the state at time (t ⁇ 1)
  • FIG. 7 shows the state at time (t) immediately thereafter.
  • the moving body M moves with a rotational motion. Therefore, the direction of the moving body M changes between time (t ⁇ 1) shown in FIG. 6 and time (t) shown in FIG. 7, and the optical axis C a of the first camera 72a and the second camera 72b direction of the optical axis C b is changed.
  • the first camera 72a is an image a 1 captured at time (t-1) shown in FIG. 6, captures the image a 2 at time (t) shown in FIG.
  • the second camera 72b is an image b 1 captured at time (t-1) shown in FIG. 6, it captures the image b 2 at time (t) shown in FIG.
  • the region estimation unit 3 performs processing that places more emphasis on the rotational motion of the moving body M than the translational motion of the moving body M.
  • the region estimation unit 3 selects a camera in which the region to be imaged is less likely to change due to the rotational movement of the moving body M from among a plurality of cameras constituting the imaging unit 72. That is, among the plurality of cameras, a camera capable of associating more feature points in the images captured before and after the moving body M is selected is selected.
  • the region estimation unit 3 calculates the rotation axis R of the rotational motion of the moving body M (spinning motion around the moving body M) based on the information generated by the detection unit 73. Then, the region estimation unit 3 calculates an angle formed by the rotation axis R and the optical axes C a and C b of the cameras 72a and 72b. That is, the region estimation unit 3, the rotation axis R and the angle theta a formed between the optical axis C a of the first camera 72a is a rotation axis R and the angle theta b formed by the optical axis C b of the second camera 72b calculate. In calculating the angle ⁇ a and the angle ⁇ b , the rotation axis R and the optical axes C a and C b may be appropriately translated.
  • the angle theta a large first camera 72a, a time (t) images a 2 taken in has largely moved from the image a 1 captured at time (t-1) .
  • the feature point P 1 included in the image a 1 captured at the time (t ⁇ 1) is greatly deviated from the image a 2 captured at the time (t).
  • the image a 1 and image a 2 captured by the first camera 72a angle theta a large, there is a high possibility that the characteristic point P 12 included in common is not present.
  • the feature point P 12 that is extracted from the image a 1 and image a 2 by the tracking unit 2 is likely is obtained by the tracking errors, unreliable.
  • the second camera 72b angle theta b is small, the time (t) image b 2 which are captured at the time (t-1) too from image b 1 taken Not moving. Therefore, the feature point P 1 included in the image b 1 captured at time (t ⁇ 1) is also included in the image b 2 captured at time (t).
  • the image b 1 and the image b 2 captured by the second camera 72b angle theta b is small, it is likely that there are feature points P 12 contained in common.
  • the tracking unit 2 image b 1 and the feature point P 12 that is extracted from the image b 2 by the high, reliable possibility is obtained by correct tracking.
  • the area estimation unit 3 selects a camera having an optical axis having the smallest angle with the rotation axis among the plurality of cameras constituting the imaging unit 72. That is, the region estimation unit 3 estimates that the region captured by the selected camera is a region in which the two-dimensional position of the feature point viewed from the moving body M is difficult to change before and after the movement of the moving body M. To do.
  • the region estimation unit 3 selects a second camera 72b.
  • the region estimation unit 3 generates output data that identifies the selected camera. Then, the region estimation unit 3 outputs the generated output data to the data generation unit 4.
  • the region estimation unit 3 may calculate the rotation axis of the moving body M from the posture of the moving body M at time (t ⁇ 1) and time (t) predicted by the Kalman filter.
  • the region estimation unit 3 does not necessarily have to calculate the rotation axis of the moving object M. That is, the region estimation unit 3 estimates a region in which the two-dimensional position of the feature point viewed from the moving body M is unlikely to change before and after the movement of the moving body M without using the rotation axis of the moving body M. May be. For example, the region estimation unit 3 may directly calculate a region where the direction of the feature point viewed from the moving body M is unlikely to change from the movement trajectory including the rotational motion and the translational motion of the moving body M. Good.
  • Data generator 4 The data generation unit 4 acquires the output data of the tracking unit 2 and the output data of the region estimation unit 3. Then, the data generation unit 4 extracts the feature points included in the image captured by the camera selected by the region estimation unit 3 from the feature points associated by the tracking unit 2. Since the image captured by the camera selected by the region estimation unit 3 is likely to include a feature point in common, the data generation unit 4 can extract a feature point with higher reliability.
  • the data generation unit 4, of the feature point P 12 that is associated by the tracking unit 2 extracts the second camera 72b feature point P 12, labeled selected by region estimating unit 3 To do.
  • the data generation unit 4 re-extracts feature points whose tracking score satisfies a predetermined threshold from the feature points extracted as described above.
  • the predetermined threshold can be arbitrarily set. As described above, since the feature point with the higher tracking score has higher reliability, the data generation unit 4 can narrow down the feature point with higher reliability.
  • the data generation unit 4 attaches information such as a label that identifies the camera that has captured the feature point, the coordinates of the feature point in the images before and after the movement of the moving object M, and the tracking score of the feature point to the extracted feature point. Generate output data. Then, the tracking unit 2 outputs the generated data to the estimation processing unit 5.
  • Estimatimation processor 5 The estimation processing unit 5 performs self-position estimation of the moving object M using the output data of the data generation unit 4. That is, the estimation processing unit 5 uses the feature points extracted by the data generation unit 4 to determine the position and orientation of the moving object M at time (t) from the position and orientation of the moving object M at time (t ⁇ 1). Is estimated.
  • the estimation processing unit 5 can perform the self-position estimation of the moving object M from the feature points extracted by the data generation unit 4 using a Kalman filter algorithm.
  • the feature points extracted by the data generation unit 4 are highly reliable in the image captured at time (t ⁇ 1) and the image captured at time (t). .
  • the use of highly reliable feature points enables the estimation processing unit 5 to perform self-position estimation of the moving object M with high accuracy.
  • the estimation processing unit 5 does not use the feature points included in the image captured by the camera not selected by the region estimation unit 3 for the self-position estimation of the moving object M. That is, since the self-position estimation unit 1 according to the present embodiment uses only highly reliable feature points without using low-reliability feature points, the self-position of the mobile object M can be efficiently performed by the estimation processing unit 5. Estimation is possible.
  • FIG. 8 is a flowchart showing a flow of processing by the self-position estimation unit 1 according to the present embodiment. The information processing method by the self-position estimation unit 1 will be described with reference to FIG.
  • Steps S1-01 to S1-04 Steps S1-01 to S1-04 are executed by the tracking unit 2.
  • the tracking unit 2 acquires the image captured by the imaging unit 72 (step S1-01), associates the feature points included in the acquired image (step S1-02), and tracks the associated feature points.
  • a score is set (step S1-03), output data is generated (step S1-04), and the generated data is output to the data generation unit 4.
  • Steps S1-05 to S1-08 are executed by the region estimation unit 3.
  • the region estimation unit 3 acquires information on the movement of the moving object M generated by the detection unit 73 (step S1-05), and calculates the rotation axis of the rotational motion of the moving object M from the acquired information (step S1- 06), an angle formed by the calculated rotation axis and the optical axis of each camera is calculated (step S1-07), a camera is selected based on the calculated angle (step S1-08), and the selected camera is specified. Data is output to the data generation unit 4.
  • Steps S1-09 to S1-14 are executed by the data generation unit 4.
  • the data generation unit 4 extracts the feature points included in the image captured by the camera input from the region estimation unit 3 from the feature points input from the tracking unit 2 (step S1-09).
  • the data generation unit 4 acquires one extracted feature point (step S1-10), and determines whether the tracking score of the feature point satisfies a threshold (step S1-11).
  • step S1-10 If the tracking score of the feature point acquired by the data generation unit 4 does not satisfy the threshold value, the process returns to step S1-10.
  • the feature point is added to the output data (step S1-12), and it is determined whether the number of feature points in the output data is sufficient. (Step S1-13). If the number of feature points in the output data is not sufficient, the process returns to step S1-10. When the number of feature points in the output data is sufficient, the generated data is output to the estimation processing unit 5.
  • Step S1-15 is executed by the estimation processing unit 5.
  • the estimation processing unit 5 performs self-position estimation of the moving object M using the output data of the data generation unit 4.
  • FIG. 9 is a flowchart showing a flow of processing by the self-position estimation unit 1 according to the modification of the present embodiment.
  • the information processing method according to the present modification is shown in FIG. 8 in that steps S1-05 to S1-08 by the region estimation unit 3 are executed before steps S1-01 to S1-04 by the tracking unit 2. It is different from the information processing method.
  • the information processing method according to this modification will be described with reference to FIG.
  • the region estimation unit 3 selects a camera and outputs data specifying the selected camera to the tracking unit 2.
  • the tracking unit 2 acquires an image captured by the camera selected by the region estimation unit 3 (step S1-01), associates feature points included in the acquired image (step S1-02), and A tracking score is set to the attached feature point (step S1-03), output data is generated (step S104), and the generated data is output to the data generation unit 4.
  • the data input from the tracking unit 2 to the data generation unit 4 includes only the feature points included in the image picked up by the camera selected by the region estimation unit 3, the information processing according to this modification example is included. In the method, it is not necessary to execute the feature point extraction (step S1-09) according to FIG.
  • Steps S1-10 to S1-15 in FIG. 9 are the same as steps S1-10 to S1-15 in FIG. 9
  • the tracking unit 2 does not use the image captured by the camera that is not selected by the region estimation unit 3, but only the image captured by the camera selected by the region estimation unit 3. Since tracking is performed using this, efficient tracking is possible.
  • FIG. 10 is a diagram illustrating the head mounted display 70 in the information processing system 100 according to the second embodiment of the present technology.
  • the configuration of the imaging unit 72 and the information processing method by the self-position estimation unit 1 are different from those of the information processing system 100 according to the first embodiment.
  • configurations corresponding to the information processing system 100 according to the first embodiment are denoted by the same reference numerals as those in the first embodiment, and description thereof is omitted as appropriate. To do.
  • the imaging unit 72 is configured as a camera having a viewing angle of 180 °, and is provided facing the bridge unit 74 of the head mounted display 70.
  • the imaging unit 72 has an optical axis D and can capture an image d centered on the optical axis D.
  • the imaging unit 72 is preferably a wide viewing angle camera.
  • the viewing angle of the imaging unit 72 is particularly preferably 90 ° or more.
  • the camera which comprises the imaging part 72 is not limited to a specific kind, For example, any of a wide-angle camera, a fish-eye camera, an all-around camera, etc. may be sufficient.
  • FIG. 11 is a diagram for explaining the operations of the tracking unit 2 and the region estimation unit 3 of the information processing system 100 according to the present embodiment.
  • the moving body M is simplified, and only the imaging unit 72 is shown.
  • FIG. 11 (A) shows the state at time (t ⁇ 1)
  • FIG. 11 (B) shows the state at time (t) immediately after that.
  • the moving body M moves with a rotational motion. Accordingly, the direction of the moving body M changes at the time (t ⁇ 1) shown in FIG. 11A and the time (t) shown in FIG. 11B, and the direction of the optical axis D of the imaging unit 72 is changed. Has changed.
  • Imaging unit 72 captures an image d 1 at time (t-1) shown in FIG. 11 (A), for capturing an image d 2 at time (t) shown in FIG. 11 (B).
  • Tracking unit 2 obtains the image d 1 and the image d 2 captured by the imaging unit 72 detects the feature point P 1 from the image d 1, detects a feature point P 2 from the image d 2. Then, the tracking unit 2, to associate feature points P 12 are included in common in the image d 1 and the image d 2.
  • the tracking unit 2 uses an image captured by the imaging unit 72 having a wide viewing angle for tracking. Since the imaging unit 72 with a wide viewing angle can capture a wider range of feature points, it is possible to prevent the tracking of the feature points by the tracking unit 2 from being disabled.
  • the region estimation unit 3 calculates the rotational axis R of the rotational motion (spinning motion around the mobile body M) of the mobile body M based on the information related to the movement of the mobile body M generated by the detection unit 73. Then, the region estimation unit 3 selects a region through which the rotation axis R passes. That is, the region estimation unit 3 estimates a region through which the rotation axis R passes as a region where the change in the two-dimensional position of the feature point viewed from the moving body M is small before and after the movement of the moving body M.
  • the data generation unit 4 cuts out the region estimated by the region estimation unit 3 from the image d 1 captured at time (t ⁇ 1) and the image d 2 captured at time (t), and the data generation unit 4 Generates a trimmed image E as an image to be processed. That is, the region estimation unit 3 limits the processing region of the image d 1 and the image d 2 by the data generation unit 4 to the region estimated by the region estimation unit 3.
  • the size of the trimmed image E (the size of the region estimated by the region estimation unit 3) can be determined as appropriate.
  • the region estimation unit 3 increases the trimming image E when it is predicted that the change in the two-dimensional position of the feature point viewed from the moving body M before and after the moving body M is moved is relatively large. Can do.
  • the region estimation unit 3 enlarges the trimmed image E when the angular velocity of the rotational motion of the moving body M is large. Thereby, a sufficiently large number of feature points included in the trimmed image E can be secured.
  • the region estimation unit 3 reduces the trimming image E when the angular velocity of the rotational motion of the moving body M is small. Thereby, the efficiency of the treatment in the data generation unit 4 and the estimation processing unit 5 can be improved.
  • the area estimation unit 3 enlarges the trimmed image E when the movement of the moving body M involves translational motion. Thereby, a sufficiently large number of feature points included in the trimmed image E can be secured.
  • the shape of the trimmed image E (the shape of the region estimated by the region estimation unit 3) can be arbitrarily determined.
  • the trimmed image E may have a shape other than the circular shape shown in FIG. 11, for example, a polygonal shape such as a rectangular shape, or an elliptical shape.
  • FIG. 12 is a flowchart showing the flow of processing by the self-position estimation unit 1 according to this embodiment. The information processing method by the self-position estimation unit 1 will be described with reference to FIG.
  • Steps S2-01 to S2-04 Steps S2-01 to S2-04 are executed by the tracking unit 2.
  • the tracking unit 2 acquires the image captured by the imaging unit 72 (step S2-01), associates the feature points included in the acquired image (step S2-02), and tracks the associated feature points.
  • a score is set (step S2-03), output data is generated (step S2-04), and the generated data is output to the data generation unit 4.
  • Steps S2-05 to S2-08 are executed by the region estimation unit 3.
  • the region estimation unit 3 acquires information regarding the movement of the moving object M generated by the detection unit 73 (step S2-05), and calculates the rotational axis of the rotational motion of the moving object M from the acquired information (step S2- 06), an area passing through the calculated rotation axis is selected (step S2-07), and data specifying the selected area is output to the data generation unit 4.
  • Steps S2-08 to S2-15) Steps S2-08 to S2-14 are executed by the data generation unit 4, and step S2-15 is executed by the estimation processing unit 5.
  • the data generation unit 4 cuts out the image picked up by the image pickup unit 72 by the region selected by the region estimation unit 3 and generates a trimmed image (S2-08).
  • the data generation unit 4 extracts feature points included in the trimmed image from the feature points associated by the tracking unit 2 (step S2-09).
  • Steps S2-10 to S2-15 are the same as steps S1-10 to S1-15 in FIG.
  • FIG. 13 is a flowchart showing the flow of processing by the self-position estimation unit 1 according to a modification of the present embodiment.
  • the information processing method according to the present modification is shown in FIG. 12 in that steps S2-05 to S2-07 by the region estimation unit 3 are executed before steps S2-01 to S2-04 by the tracking unit 2. It is different from the information processing method.
  • the information processing method according to this modification will be described with reference to FIG.
  • steps S2-05 to S2-07 data for specifying the region selected by the region estimation unit 3 is output to the tracking unit 2.
  • the tracking unit 2 acquires the image captured by the imaging unit 72 (step S2-01), cuts out the region selected by the region estimation unit 3 from the acquired image, and generates a trimmed image (step S2-08). ).
  • the tracking unit 2 functions as a data generation unit that generates a trimmed image.
  • the tracking unit 2 associates feature points included in the trimmed image (step S2-02), sets a tracking score for the associated feature points (step S2-03), and generates output data (step S2). -04), and outputs the generated data to the data generator 4.
  • the information processing method according to the present modification example uses FIG. It is not necessary to execute the feature point extraction (step S2-09).
  • Steps S2-09 to S2-15 in FIG. 13 are the same as steps S2-09 to S2-15 in FIG. 13
  • the tracking unit 2 performs tracking using only the trimmed image without using the region other than the trimmed image in the image captured by the image capturing unit 72, and thus efficient tracking. Is possible.
  • FIG. 14 is a block diagram illustrating a configuration of the self-position estimation unit 1 in the information processing system 100 according to the third embodiment of the present technology.
  • the configuration of the self-position estimation unit 1 and the information processing method by the self-position estimation unit 1 are different from those of the information processing system 100 according to the first embodiment.
  • configurations corresponding to the information processing system 100 according to the first embodiment are denoted by the same reference numerals as those in the first embodiment, and description thereof is omitted as appropriate. To do.
  • the self-position estimation unit 1 includes a monitoring unit 6.
  • the estimation processing unit 5 performs monitoring independently of the first self-position estimation of the moving object M based on the output data of the data generation unit 4 similar to the first embodiment.
  • the second self-position estimation of the moving body M is performed based on the output data of the unit 6. That is, the estimation processing unit 5 performs self-position estimation of the moving object M by two methods.
  • the monitoring unit 6 monitors time-series changes in the position and posture of the moving body M by referring to the information generated by the detection unit 73 in a time continuous manner.
  • the monitoring unit 6 generates output data according to the monitoring result of the moving object M, and outputs the generated data to the estimation processing unit 5.
  • the estimation processing unit 5 estimates the position and orientation of the moving body M at time (t) based on the monitoring result of the moving body M by the monitoring unit 6.
  • the output data of the monitoring unit 6 is obtained by referring to the information generated by the detection unit 73 continuously in time, the output data is not easily affected by temporally discontinuous data due to erroneous detection of the detection unit 73. Therefore, in the self-position estimation unit 1 according to the present embodiment, the second self-position estimation of the moving object M based on the output data of the monitoring unit 6 is performed as the first self-position estimation of the moving object M based on the output data of the data generation unit 4. By using them in a complementary manner, it is possible to estimate the position of the moving body M with high accuracy.
  • the generation of output data by the monitoring unit 6 and the output data of the monitoring unit 6 are used by introducing a motion model that models the movement of the moving object M.
  • the second self-position estimation by the estimation processing unit 5 can be performed efficiently.
  • the motion model is a model of an operation that the mobile body M can easily perform, and a motion model corresponding to the mobile body M is set in advance.
  • the monitoring unit 6 determines whether the moving body M is a constant velocity motion, a deceleration motion, an acceleration motion, or a speed change, and calculates a speed change ratio. Then, it is estimated which of the preset motion models the motion of the moving body M is, and output data is generated according to the estimation result, and the generated data is output to the estimation processing unit 5.
  • the estimation processing unit 5 estimates the position and orientation of the moving body M at time (t) based on the motion model estimated by the monitoring unit 6.
  • an exercise model that models an action that is easy for a human to perform is set.
  • motion models include a static motion model, a walking motion model, and a running motion model. Note that the type and number of exercise models to be set can be arbitrarily determined.
  • FIG. 15 is a flowchart showing an example of the flow of processing by the monitoring unit 6.
  • the monitoring unit 6 determines whether the moving body M is in a stationary state (step S3-01). For example, when the movement of the moving body M is not detected, it is determined that the moving body M is in a stationary state.
  • the monitoring unit 6 determines that the motion model of the moving body M is a stationary motion model when the moving body M is in a stationary state.
  • the monitoring unit 6 determines whether the moving body M is in a walking state when the moving body M is not in a stationary state (step S3-02). For example, when a constant velocity motion within a predetermined first range (for example, a range of 3 to 6 km / h) of the moving body M is detected, it is determined that the moving body M is in a walking state. When the moving body M is in a walking state, the monitoring unit 6 determines the motion model of the moving body M as a walking motion model.
  • a predetermined first range for example, a range of 3 to 6 km / h
  • the monitoring unit 6 determines whether the moving body M is in a running state when the moving body M is not in a walking state (step S3-03). For example, when a constant velocity motion within a predetermined second range (for example, a range of 7 to 10 km / h) of the moving body M is detected, it is determined that the moving body M is a traveling model. When the moving body M is in the traveling state, the monitoring unit 6 determines the motion model of the moving body M as the traveling motion model.
  • a predetermined second range for example, a range of 7 to 10 km / h
  • the monitoring unit 6 determines the motion model of the moving body M as the default motion model when the moving body M is not in the running state.
  • the monitoring unit 6 determines that the motion model of the moving body M is a static motion model
  • the monitoring unit 6 generates output data for specifying the static motion model, and outputs the generated data to the estimation processing unit 5.
  • the estimation processing unit 5 estimates from the output data of the monitoring unit 6 that the position of the moving object M at time (t) has not changed from the position of the moving object M at time (t ⁇ 1).
  • the monitoring unit 6 determines the motion model of the moving body M as the walking motion model
  • the monitoring unit 6 generates output data for specifying the walking motion model, and outputs the generated data to the estimation processing unit 5.
  • the estimation processing unit 5 estimates the position of the moving object M at time (t) from the position of the moving object M at time (t ⁇ 1) based on the output data of the monitoring unit 6.
  • the monitoring unit 6 determines that the motion model of the moving body M is the traveling motion model
  • the monitoring unit 6 generates output data for specifying the traveling motion model, and outputs the generated data to the estimation processing unit 5.
  • the estimation processing unit 5 estimates the position of the moving object M at time (t) from the position of the moving object M at time (t ⁇ 1) based on the output data of the monitoring unit 6.
  • the monitoring unit 6 determines the motion model of the moving body M as the default motion model
  • the monitoring unit 6 generates output data without specifying the motion model. That is, the monitoring unit 6 outputs the result of monitoring the time-series change in the position and posture of the moving body M to the estimation processing unit 5 as it is.
  • the estimation processing unit 5 estimates the position and orientation of the moving body M at time (t) from the time-series changes in the position and orientation of the moving body M monitored by the monitoring unit 6.
  • the detection unit 73 can detect the control content by the control system. It may be configured.
  • the monitoring unit 6 can monitor time-series changes in the position and orientation of the moving body M by referring to the control contents of the control system in a time-continuous manner.
  • the detection unit 73 can detect an operation amount of the steering device or the accelerator pedal. Configured. And the monitoring part 6 monitors the time-sequential change of the position and attitude
  • the detection unit 73 is configured to be able to detect the control signal. And the monitoring part 6 monitors the time-sequential change of the position and attitude
  • the moving body M is a user wearing a head mounted display
  • the present technology is applicable to any moving body M.
  • the moving body M to which the present technology can be applied include humans, vehicles, robots, animals, and the like.
  • the moving body M by providing the moving body M with the imaging unit and the detection unit, it is possible to perform self-position estimation of the moving body M according to the present technology.
  • this technique can also take the following structures.
  • An image captured by an imaging unit provided in a moving body that moves with rotational motion is acquired, and included in the image captured before the movement and the image captured after the movement.
  • a tracking unit that associates feature points
  • An area estimation unit that obtains information related to the movement and estimates an area where a change in the two-dimensional position of the feature point viewed from the moving body is small before and after the movement based on the information;
  • An information processing apparatus comprising: an estimation processing unit configured to perform self-location estimation of the moving object using the feature points that are associated with the tracking unit and are within the region.
  • the area estimation unit calculates a rotation axis of the rotational motion, and estimates the area using the rotation axis.
  • the imaging unit includes a plurality of camera mechanisms having optical axes that are not parallel to each other,
  • the region estimation unit selects a camera mechanism having the optical axis having a small angle with the rotation axis from the plurality of camera mechanisms,
  • the information processing apparatus wherein the estimation processing unit performs self-position estimation of the moving body using the feature points included in the image picked up by the camera mechanism selected by the region estimation unit.
  • a data generation unit for extracting the feature points included in the image captured by the camera mechanism selected by the region estimation unit among the feature points associated by the tracking unit;
  • the information processing apparatus, wherein the estimation processing unit performs self-position estimation of the moving object using the feature points extracted by the data generation unit.
  • the information processing apparatus associates feature points included in the image captured by the camera mechanism selected by the region estimation unit.
  • the information processing apparatus according to (2) above, The area estimation unit estimates the area so that the rotation axis passes through the area.
  • the information processing apparatus according to (6) above An information processing apparatus in which a viewing angle of the imaging unit is 90 ° or more.
  • the information processing apparatus according to (6) or (7) above, A data generator for limiting the image processing area to the area; The information processing apparatus, wherein the estimation processing unit performs self-position estimation of the moving object using the feature points included in the processing region.
  • the data generation unit extracts the feature points included in the processing region from the feature points associated by the tracking unit, The information processing apparatus, wherein the estimation processing unit performs self-position estimation of the moving object using the feature points extracted by the data generation unit.
  • the information processing apparatus according to (8) above The information processing apparatus, wherein the tracking unit associates feature points included in the processing region.
  • the area estimation unit increases the processing area when the angular velocity of the rotational motion is large.
  • the information processing apparatus according to any one of (8) to (11) above, The area estimation unit increases the processing area when the movement involves translational motion.
  • the tracking unit sets, for each of the associated feature points, a tracking score indicating a degree of coincidence of the feature points in the image captured before the movement and the image captured after the movement. And The information processing apparatus, wherein the estimation processing unit performs self-position estimation of the moving object using the feature points having a high tracking score.
  • the tracking unit sets a high tracking score of the feature point in at least one central region of the image captured before the movement and the image captured after the movement. apparatus.
  • the information processing apparatus is generated using at least one of a gyro sensor, a geomagnetic sensor, an acceleration sensor, a sound source direction estimation device, and Wi-Fi.
  • a monitoring unit for monitoring the moving object according to the information The information processing apparatus, wherein the estimation processing unit performs self-position estimation of the moving body based on a result of the monitoring performed by the monitoring unit independently of the self-position estimation.
  • the monitoring unit estimates a motion model of the moving body, The information processing apparatus, wherein the estimation processing unit performs self-position estimation of the moving body using the motion model estimated by the monitoring unit.
  • An information processing apparatus further comprising: a head-mounted display provided with the imaging unit and a detection unit capable of generating the information and configured to be mounted on a user's head as the moving body.
  • An image is captured by an imaging unit provided in a moving body that moves with rotational movement, Corresponding feature points included in the image captured before the movement and the image captured after the movement, Generate information about the above movement, Based on the information, an area where the change in the two-dimensional position of the feature point viewed from the moving body is small before and after the movement is estimated, An information processing method for performing self-position estimation of the moving object using the feature points that are associated with each other and are within the region.
  • An image captured by an imaging unit provided in a moving body that moves with rotational motion is acquired, and included in the image captured before the movement and the image captured after the movement.
  • Associating feature points to be associated Obtaining information related to the movement, and estimating a region where a change in the two-dimensional position of the feature point viewed from the moving body is small before and after the movement;

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Engineering & Computer Science (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • General Health & Medical Sciences (AREA)
  • Psychiatry (AREA)
  • Social Psychology (AREA)
  • Health & Medical Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Studio Devices (AREA)

Abstract

【課題】ロバスト性の高い自己位置推定が可能な情報処理装置を提供する。 【解決手段】情報処理装置は、トラッキング部と、領域推定部と、推定処理部とを具備する。上記トラッキング部は、回転運動を伴った移動を行う移動体に設けられた撮像部によって撮像された画像を取得し、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、に含まれる特徴点の対応付けを行う。上記領域推定部は、上記移動に関する情報を取得し、上記情報に基づいて、上記移動の前後で、上記移動体から見た上記特徴点の二次元的な位置の変化が小さい領域を推定する。上記推定処理部は、上記トラッキング部によって対応付けられ、かつ、上記領域内にある上記特徴点を用いて、上記移動体の自己位置推定を行う。

Description

情報処理装置、情報処理方法、及びプログラム
　本技術は、移動体の自己位置推定を行う情報処理装置、情報処理方法、及びプログラムに関する。
　近年、ヘッドマウントディスプレイは、例えば、製造、医療、ゲーム、日常生活など、ますます多くの分野への応用が期待されてきている。ヘッドマウントディスプレイを利用した技術として、例えば、現実世界に仮想情報を重畳表示するＡＲ（Ａｕｇｍｅｎｔｅｄ　Ｒｅａｌｉｔｙ（拡張現実））技術や、ユーザの動きに合わせて表示情報を変化させるＶＲ（Ｖｉｒｔｕａｌ　Ｒｅａｌｉｔｙ（仮想現実））技術などが知られている。
　上記のＡＲ技術やＶＲ技術には、ユーザの位置や姿勢を推定する自己位置推定技術が用いられる。自己位置推定技術として、例えば、ＳＬＡＭ（Ｓｉｍｕｌｔａｎｅｏｕｓ　Ｌｏｃａｌｉｚａｔｉｏｎ　ａｎｄ　Ｍａｐｐｉｎｇ）が知られている。ＳＬＡＭは、自己位置推定と環境地図の作成とを同時に行う技術である。ＳＬＡＭにより自己位置推定を行う技術が特許文献１～３に開示されている。ＳＬＡＭによれば、例えば、移動体から時系列で撮像された画像を用いて特徴点のトラッキングを行うことにより、移動体の自己位置を推定することができる。
特開２０１０－２８８１１２号公報 特開２０１０－１４５２１９号公報 特開２０１２－２４８０３２号公報
　上記のような自己位置推定では、ユーザが、例えば、振り向き動作や首振り動作などの、予測困難で、かつ、カメラの向きが急激に変化する動作を行う場合に、特徴点のトラッキングが困難になる。この場合、自己位置推定の精度が低下してしまう。したがって、カメラの向きが急激に変化する場合にも、特徴点のトラッキングを良好に行うことができる、ロバスト性の高い自己位置推定技術が求められる。
　以上のような事情に鑑み、本技術の目的は、ロバスト性の高い自己位置推定が可能な情報処理装置、情報処理方法、及びプログラムを提供することにある。
　上記目的を達成するため、本技術の一形態に係る情報処理装置は、トラッキング部と、領域推定部と、推定処理部とを具備する。
　上記トラッキング部は、回転運動を伴った移動を行う移動体に設けられた撮像部によって撮像された画像を取得し、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、に含まれる特徴点の対応付けを行う。
　上記領域推定部は、上記移動に関する情報を取得し、上記情報に基づいて、上記移動の前後で、上記移動体から見た上記特徴点の二次元的な位置の変化が小さい領域を推定する。
　上記推定処理部は、上記トラッキング部によって対応付けられ、かつ、上記領域内にある上記特徴点を用いて、上記移動体の自己位置推定を行う。
　この構成では、領域推定部が、移動体の移動の前後で、移動体から見た特徴点の二次元的な位置の変化が小さい領域を推定する。領域推定部によって推定された領域では、撮像部の向きが急激に変化する場合にも、特徴点の位置が急激に移動しない可能性が高い。推定処理部は、領域推定部によって推定された領域内にある特徴点を用いることにより、ロバスト性の高い自己位置推定を行うことが可能となる。
　上記領域推定部は、上記回転運動の回転軸を算出し、上記回転軸を用いて上記領域を推定してもよい。
　この構成では、領域推定部は、移動体の回転運動の回転軸に近い領域ほど、移動体の移動の前後で、移動体から見た特徴点の二次元的な位置の変化が小さいものと推定する。領域推定部は、回転軸を用いることにより、高精度で領域の推定を行うことが可能となる。
　上記撮像部は、相互に平行でない光軸を有する複数のカメラ機構を含んでもよい。
　上記領域推定部は、上記複数のカメラ機構のうち、上記回転軸との間に成す角度が小さい上記光軸を有するカメラ機構を選択してもよい。
　上記推定処理部は、上記領域推定部によって選択された上記カメラ機構によって撮像された上記画像に含まれる上記特徴点を用いて、上記移動体の自己位置推定を行ってもよい。
　この構成では、複数のカメラ機構のうち、移動体の回転軸との間に成す角度が小さい光軸を有するカメラ機構によって撮像される領域が、移動体の移動の前後で、移動体から見た特徴点の二次元的な位置の変化が小さい領域と推定される。推定処理部は、領域推定部によって選択されたカメラ機構によって撮像された画像に含まれる特徴点を用いることにより、ロバスト性の高い自己位置推定を行うことが可能となる。
　上記情報処理装置は、上記トラッキング部によって対応付けられた上記特徴点のうち、上記領域推定部によって選択された上記カメラ機構によって撮像された上記画像に含まれる上記特徴点を抽出するデータ生成部を更に具備してもよい。
　上記推定処理部は、上記データ生成部によって抽出された上記特徴点を用いて、上記移動体の自己位置推定を行ってもよい。
　この構成では、データ生成部が、トラッキング部によって対応付けられた特徴点から、領域推定部によって選択されたカメラ機構によって撮像された画像に含まれる特徴点を抽出する。推定処理部は、データ生成部によって抽出された特徴点を用いることにより、ロバスト性の高い自己位置推定を行うことが可能となる。
　上記トラッキング部は、上記領域推定部によって選択された上記カメラ機構によって撮像された上記画像に含まれる上記特徴点の対応付けを行ってもよい。
　この構成では、トラッキング部が、領域推定部によって選択されたカメラ機構によって撮像された画像に含まれる特徴点の対応付けを行う。推定処理部は、トラッキング部によって対応付けられた特徴点を用いることにより、ロバスト性の高い自己位置推定を行うことが可能となる。
　上記領域推定部は、上記回転軸が上記領域を通るように、上記領域を推定してもよい。
　この構成では、移動体の回転運動の回転軸が通る領域を、移動体の移動の前後で、移動体から見た特徴点の二次元的な位置の変化が小さいものと推定する。これにより、領域推定部による領域の推定の精度が向上する。
　上記撮像部の視野角が９０°以上であってもよい。
　この構成では、撮像部として広視野角のカメラ（広角カメラ、魚眼カメラ、全天周カメラなど）を用いることにより、撮像部によってよって撮像される画像に、移動体の回転軸が通る領域が含まれやすくなる。
　上記情報処理装置は、上記画像の処理領域を上記領域内に限定するデータ生成部を更に具備してもよい。
　上記推定処理部は、上記処理領域に含まれる上記特徴点を用いて、上記移動体の自己位置推定を行ってもよい。
　この構成では、データ生成部が、撮像部によって撮像された画像の処理領域を、移動体の移動の前後で、移動体から見た特徴点の二次元的な位置の変化が小さいと推測される領域内に限定する。推定処理部は、処理領域に含まれる特徴点を用いて自己位置推定を行う。これにより、推定処理部は、撮像部によって撮像された画像全体に含まれる特徴点を用いるよりも、効率的に自己位置推定を行うことができる。
　上記データ生成部は、上記トラッキング部によって対応付けられた上記特徴点のうち、上記処理領域に含まれる上記特徴点を抽出てもよい。
　上記推定処理部は、上記データ生成部によって抽出された上記特徴点を用いて、上記移動体の自己位置推定を行ってもよい。
　この構成では、データ生成部が、トラッキング部によって対応付けられた特徴点から、処理領域に含まれる特徴点を抽出する。推定処理部は、データ生成部によって抽出された特徴点を用いることにより、効率的に自己位置推定を行うことができる。
　上記トラッキング部は、上記処理領域に含まれる上記特徴点の対応付けを行ってもよい。
　この構成では、トラッキング部が、処理領域に含まれる特徴点の対応付けを行う。推定処理部は、トラッキング部によって対応付けられた特徴点を用いることにより、効率的に自己位置推定を行うことができる。
　上記領域推定部は、上記回転運動の角速度が大きい場合に、上記処理領域を大きくしてもよい。
　上記領域推定部は、上記移動が並進運動を伴う場合に、上記処理領域を大きくしてもよい。
　これらの構成では、移動体の移動前後で、移動体から見た特徴点の二次元的な位置の変化が比較的大きいと予想される場合に、処理領域を大きくする。これにより、移動体の移動の前後で、移動体から見た二次元的な位置の変化が小さい特徴点が処理領域から外れることを抑制することができる。これにより、自己位置推定のために十分な数の特徴点を確保することができる。
　上記トラッキング部は、対応付けた上記特徴点ごとに、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、における上記特徴点の一致度合いを示すトラッキングスコアを設定してもよい。
　上記推定処理部は、上記トラッキングスコアが高い上記特徴点を用いて、上記移動体の自己位置推定を行ってもよい。
　この構成では、トラッキング部が、対応付けた特徴点ごとに、移動体の移動前後に撮像された画像における特徴点の一致度合いを示すトラッキングスコアを設定する。つまり、特徴点の一致度合いが高い特徴点ほどトラッキングスコアが高く、特徴点の一致度合いが低い特徴点ほどトラッキングスコアが低い。推定処理部は、トラッキングスコアが高い特徴点を用いることにより、高精度な自己位置推定が可能となる。
　上記トラッキング部は、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、のうち少なくとも一方の中央領域にある上記特徴点の上記トラッキングスコアを高く設定してもよい。
　この構成では、移動体の移動前後に撮像された画像のうち、一方の画像の中央領域にある特徴点が、他方の画像にも含まれている可能性が高く、移動体の移動前後に撮像された画像における一致度合いが高いものと推定される。このため、移動体の移動前後に撮像された画像のうち少なくとも一方の中央領域にある特徴点のトラッキングスコアを高くする。推定処理部は、トラッキングスコアが高い特徴点を用いることにより、高精度な自己位置推定が可能となる。
　上記情報は、ジャイロセンサ、地磁気センサ、加速度センサ、音源方向推定装置、及びＷｉ－Ｆｉのうちの少なくとも１つを用いて生成されてもよい。
　この構成では、移動体の移動に関する情報を得るための具体的手段が提供される。
　上記情報処理装置は、上記情報により上記移動体のモニタリングを行うモニタリング部を更に具備してもよい。
　上記推定処理部は、上記自己位置推定とは独立して、上記モニタリング部による上記モニタリングの結果に基づいて、上記移動体の自己位置推定を行ってもよい。
　この構成では、撮像部によって撮像された画像に含まれる特徴点を用いた自己位置推定とは独立して、モニタリング部によるモニタリングの結果を用いた自己位置推定を行う。このように２通りの方法で自己位置推定を行うことにより、自己位置推定の精度の向上を図ることができる。更に、２通りの方法のうち、一方による自己位置推定が困難である場合にも、他方による自己位置推定が可能であるため、より確実に自己位置推定の結果が得られる。
　上記モニタリング部は、上記移動体の運動モデルを推定してもよい。
　上記推定処理部は、上記モニタリング部によって推定された上記運動モデルを用いて、上記移動体の自己位置推定を行ってもよい。
　この構成では、モニタリング部によって推定された移動体の運動モデルを用いることにより、推定処理部による効率的な自己位置推定が可能となる。
　上記情報処理装置は、上記撮像部と、上記情報を生成可能な検出部と、が設けられ、上記移動体としてのユーザの頭部に装着可能に構成されるヘッドマウントディスプレイを更に具備してもよい。
　この構成により、ロバスト性の高い自己位置推定が可能なヘッドマウントディスプレイ装置を提供することができる。
　本技術の一形態に係る情報処理方法では、回転運動を伴った移動を行う移動体に設けられた撮像部によって画像が撮像される。
　上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、に含まれる特徴点の対応付けが行われる。
　上記移動に関する情報が生成される。
　上記情報に基づいて、上記移動の前後で、上記移動体から見た上記特徴点の二次元的な位置の変化が小さい領域が推定される。
　対応付けられ、かつ、上記領域内にある上記特徴点を用いて、上記移動体の自己位置推定が行われる。
　本技術の一形態に係るプログラムは、情報処理装置に、回転運動を伴った移動を行う移動体に設けられた撮像部によって撮像された画像を取得し、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、に含まれる特徴点の対応付けを行うステップを行わせる。
　上記プログラムは、情報処理装置に、上記移動に関する情報を取得し、上記情報に基づいて、上記移動の前後で、上記移動体から見た上記特徴点の二次元的な位置の変化が小さい領域を推定するステップを行わせる。
　上記プログラムは、情報処理装置に、対応付けられ、かつ、上記領域内にある上記特徴点を用いて、上記移動体の自己位置推定を行うステップを行わせる。
　以上のように、本技術によれば、ロバスト性の高い自己位置推定が可能な情報処理装置、情報処理方法、及びプログラムを提供することができる。
本技術の第１の実施形態に係る情報処理システムの概略構成図である。 上記情報処理システムの各機器の構成を示すブロック図である。 上記情報処理システムの自己位置推定部の構成を示すブロック図である。 移動体の一例を示す図である。 上記自己位置推定部のトラッキング部の動作を説明するための図である。 上記自己位置推定部の領域推定部の動作を説明するための図である。 上記自己位置推定部の領域推定部の動作を説明するための図である。 上記自己位置推定部による処理の流れを示すフローチャートである。 上記自己位置推定部の変形例による処理の流れを示すフローチャートである。 本技術の第２の実施形態に係る情報処理システムにおけるヘッドマウントディスプレイを示す図である。 上記情報処理システムのトラッキング部及び領域推定部の動作を説明するための図である。 上記自己位置推定部による処理の流れを示すフローチャートである。 上記自己位置推定部の変形例による処理の流れを示すフローチャートである。 本技術の第３の実施形態に係る情報処理システムの自己位置推定部の構成を示すブロック図である。 上記自己位置推定部のモニタリング部による処理の流れを示すフローチャートである。
　以下、本技術に係る実施形態を、図面を参照しながら説明する。
　図面には、適宜相互に直交するＸ軸、Ｙ軸、及びＺ軸が示されている。
＜第１の実施形態＞
［情報処理システム１００の全体構成］
　図１は、本技術の第１の実施形態に係る情報処理システム１００の概略構成図である。
　情報処理システム１００は、携帯端末３０と、ヘッドマウントディスプレイ７０と、コントロールボックス５０とを具備する。情報処理システム１００には、クラウドシステム１０が含まれていてもよい。
　携帯端末３０は、典型的にはスマートフォンなどの携帯型情報処理装置として構成される。携帯端末３０は、タブレット機器、その他ＰＣ（Ｐｅｒｓｏｎａｌ　Ｃｏｍｐｕｔｅｒ）として構成されてもよい。携帯端末３０は、クラウドシステム１０に通信接続されている。
　ヘッドマウントディスプレイ７０は、移動体Ｍであるユーザの頭部に装着可能な装着部として構成される。ヘッドマウントディスプレイ７０は撮像部７２を有し、撮像部７２はヘッドマウントディスプレイ７０を装着したユーザの周囲の画像を撮像する。
　コントロールボックス５０は、ヘッドマウントディスプレイ７０を制御するための制御部として構成される。ヘッドマウントディスプレイ７０を装着したユーザは、コントロールボックス５０を介して、ヘッドマウントディスプレイ７０を操作することができる。コントロールボックス５０は、携帯端末３０に通信接続されている。
　クラウドシステム１０は、例えば、インターネット等の電気通信回線網をベースとしたシステムである。クラウドシステム１０には、電気通信回線網に接続されたサーバコンピュータなどが含まれる。
［情報処理システム１００の各機器の構成］
　図２は、情報処理システム１００の、携帯端末３０、コントロールボックス５０、ヘッドマウントディスプレイ７０、及びクラウドシステム１０のサーバコンピュータの構成を示すブロック図である。
　（携帯端末３０）
　携帯端末３０は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）３１と、メモリ３２と、広域通信部３３と、局域通信部３４と、タッチパネル３５と、ＧＰＳ（Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ）受信部３６と、バッテリー３９とを有する。
　ＣＰＵ３１は、携帯端末３０内の各部を統括的に制御する。メモリ３２には、例えば、ＯＳ（Ｏｐｅｒａｔｉｎｇ　Ｓｙｓｔｅｍ）や、各種アプリケーションソフトウェア等のプログラムや、各種データなどが格納されている。メモリ３２は、ＣＰＵ３１によって適宜アクセスされることが可能なように構成されている。
　広域通信部３３は、例えば、３Ｇ（Ｔｈｉｒｄ　Ｇｅｎｅｒａｔｉｏｎ）やＬＴＥ（Ｌｏｎｇ　Ｔｅｒｍ　Ｅｖｏｌｕｔｉｏｎ）などの通信システムにより、クラウドシステム１０との通信が可能なように構成されている。
　局域通信部３４は、例えば、Ｗｉ－Ｆｉ等の無線ＬＡＮ（Ｌｏｃａｌ　Ａｒｅａ　Ｎｅｔｗｏｒｋ）通信システムや、Ｂｌｕｅｔｏｏｔｈ（登録商標）や、赤外線等の短距離無線通信システムなどにより通信可能に構成されている。局域通信部３４は、複数の通信システムを利用可能に構成されていてもよい。
　タッチパネル３５は、各種情報を表示する表示装置としての機能と、ユーザによる操作を受ける操作部としての機能とを兼ね備えるように構成されている。ＧＰＳ受信部３６は、ＧＰＳ衛星からの位置情報を受信可能に構成されている。携帯端末３０は、その他、モーションセンサやカメラ等を含む各種センサ３７を有していてもよい。
　（ヘッドマウントディスプレイ７０）
　ヘッドマウントディスプレイ７０は、表示部７１と、撮像部７２と、検出部７３とを有する。図１に示すように、ヘッドマウントディスプレイ７０は、左右のリム部７５と、各リム部７５の間に配置されたブリッジ部７４と、各リム部７５から後方に延びるテンプル部７６と、からなる眼鏡フレームの構成を含む。これにより、ヘッドマウントディスプレイ７０は、ユーザの頭部に装着可能となっている。
　表示部７１は、左右のテンプル部７６の内側にそれぞれ設けられる小型のプロジェクタとして構成される。ヘッドマウントディスプレイ７０は、表示部７１から出射された同一又は視差を持つ画像光が導光板７７でガイドされ、導光板７７の所定領域からユーザの眼球に向けて出射されるように構成されている。これにより、ユーザに対して画像が提供される。
　なお、ヘッドマウントディスプレイ７０における表示部７１の構成は、上記に限定されず、適宜決定可能である。例えば、ヘッドマウントディスプレイ７０では、左右のうち一方にのみ表示部７１が設けられていてもよい。また、ヘッドマウントディスプレイ７０は、プロジェクタタイプのものに限られず、眼球に直接画像光を照射するタイプの表示部７１を備えていてもよい。
　撮像部７２は、図１に示すように、ブリッジ部７４に前向きに設けられた第１カメラ７２ａと、右側のテンプル部７６に右向き（外向き）に設けられた第２カメラ７２ｂとを有する。第１カメラ７２ａ及び第２カメラ７２ｂは、第１カメラ７２ａの光軸Ｃａと第２カメラ７２ｂの光軸Ｃｂとが平行とならないように設けられる。例えば、第１カメラ７２ａの光軸Ｃａと第２カメラ７２ｂの光軸Ｃｂとが直交していてもよい。
　カメラ７２ａ，７２ｂは、典型的には、ＣＭＯＳ（Ｃｏｍｐｌｅｍｅｎｔａｒｙ　Ｍｅｔａｌ　Ｏｘｉｄｅ　Ｓｅｍｉｃｏｎｄｕｃｔｏｒ）センサ、ＣＣＤ（Ｃｈａｒｇｅ　Ｃｏｕｐｌｅｄ　Ｄｅｖｉｃｅ）センサ等の撮像素子によって構成される。
　なお、撮像部７２は、相互に平行でない光軸を有する複数のカメラ機構により構成されていればよく、上記の構成に限定されない。例えば、撮像部７２は３つ以上のカメラ機構を有していてもよい。また、複数のカメラ機構がそれぞれ独立の単眼カメラとして構成していてもよく、複数のカメラ機構が全体として単一のステレオカメラやレンズアレイとして構成されていてもよい。
　また、撮像部７２のカメラは、ユーザの周囲の画像を撮像可能であればよく、リム部７５、ブリッジ部７４、及びテンプル部７６における任意の位置に設けることができる。例えば、撮像部７２は、各テンプル部７６にそれぞれ１つずつ設けられたカメラを有していてもよい。
　更に、撮像部７２は、ヘッドマウントディスプレイ７０とは別にユーザに装着可能なカメラを有していてもよい。例えば、撮像部７２は、ユーザの頭頂部に上向きに装着可能なカメラを有していてもよい。
　検出部７３は、ヘッドマウントディスプレイ７０を装着したユーザの移動に関する情報を検出可能に構成されている。より詳細には、検出部７３は、ユーザの移動のうち、少なくとも回転運動成分を検出可能に構成されている。例えば、検出部７３は、ユーザの移動の回転運動成分と並進運動成分とを分離可能な情報を提供可能に構成されている。
　検出部７３は、典型的には、ジャイロセンサ、地磁気センサ、加速度センサなどの、ユーザの向きを検出可能なセンサにより構成される。また、検出部７３は、Ｗｉ－Ｆｉによりユーザの向きを検出可能に構成されていてもよい。更に、検出部７３は、音響信号の送受よりユーザの向きを検出する音源方向推定装置により構成されていてもよい。なお、検出部７３は、複数の構成が組み合わされていてもよい。
　（コントロールボックス５０）
　コントロールボックス５０は、ＣＰＵ５１と、メモリ５２と、局域通信部５４と、入力ボタン５３と、バッテリー５９とを有する。コントロールボックス５０は、ヘッドマウントディスプレイ７０の一部として構成されていても、ヘッドマウントディスプレイ７０とは独立した構成であってもよい。
　ＣＰＵ５１は、コントロールボックス５０内の各部、及びヘッドマウントディスプレイ７０内の各部を統括的に制御する。メモリ５２には、例えば、ＯＳや、各種アプリケーションソフトウェア等のプログラムや、各種データなどが格納されている。メモリ５２は、ＣＰＵ５１によって適宜アクセスされることが可能なように構成されている。
　局域通信部５４は、携帯端末３０の局域通信部３４と共通の通信システムにより、携帯端末３０の局域通信部３４と通信可能に構成されている。
　入力ボタン５３は、コントロールボックス５０の正面に配置され、コントロールボックス５０及びヘッドマウントディスプレイ７０の操作部として構成される。入力ボタン５３には、例えば、電源ボタンや、表示部７１のＯＮ／ＯＦＦボタンなどが含まれる。
　（クラウドシステム１０）
　クラウドシステム１０のサーバコンピュータは、ＣＰＵ１１と、メモリ１２と、広域通信部１３とを有する。
　ＣＰＵ１１は、サーバコンピュータ内の各部を統括的に制御する。メモリ１２には、例えば、ＯＳや、各種アプリケーションソフトウェア等のプログラムや、各種データなどが格納されている。メモリ１２は、ＣＰＵ１１によって適宜アクセスされることが可能なように構成されている。
　広域通信部１３は、携帯端末３０の広域通信部３３と共通の通信システムにより、携帯端末３０の広域通信部３３と通信可能に構成されている。
［自己位置推定部１の構成］
　本実施形態に係る情報処理システム１００は自己位置推定部１を具備する。自己位置推定部１は、ヘッドマウントディスプレイ７０を装着したユーザの位置及び姿勢を推定するための情報処理装置として構成される。より詳細には、自己位置推定部１は、任意の時刻（ｔ）におけるユーザの位置及び姿勢を、時刻（ｔ）の直前の時刻（ｔ－１）におけるユーザの位置及び姿勢から推定する。
　ここで、自己位置推定部１が推定するユーザの位置は、例えば、３次元空間における座標によって表現可能である。また、自己位置推定部１が推定するユーザの姿勢は、例えば、ユーザの向いている方向などにより表現可能である。更に、自己位置推定部１は、ユーザの具体的な姿勢を推定可能に構成されていてもよく、例えば、ユーザの姿勢が、立ち姿勢であるか、座り姿勢であるか、寝姿勢であるかの推定を行うこともできる。
　自己位置推定部１は、図２に示すように、クラウドシステム１０のサーバコンピュータ、携帯端末３０、コントロールボックス５０、及びヘッドマウントディスプレイ７０のいずれに設けられていてもよい。自己位置推定部１がヘッドマウントディスプレイ７０に設けられる場合、ヘッドマウントディスプレイ７０には、例えば、ＣＰＵや、プログラムを格納するメモリなど、自己位置推定部１の制御に必要な構成が備えられる。
　自己位置推定部１は、各機器のＣＰＵ、及び各機器のメモリに格納されたプログラムによって制御される。なお、各機器は、自己位置推定部１の制御のために、ＣＰＵ以外の制御部を備えていてもよい。ＣＰＵ以外の制御部としては、例えば、ＰＧＡ（Ｆｉｅｌｄ　Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）等のＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）が挙げられる。
　図３は、自己位置推定部１の構成を示すブロック図である。自己位置推定部１は、トラッキング部２と、領域推定部３と、データ生成部４と、推定処理部５とを具備する。
　（トラッキング部２）
　トラッキング部２は、撮像部７２によって撮像された画像を時系列で取得し、各画像を用いて特徴点のトラッキングを行う。つまり、トラッキング部２は、時刻（ｔ－１）に撮像された画像と、時刻（ｔ）に撮像された画像と、の間で特徴点の対応付けを行う。トラッキング部２は、例えば、２つの画像における特徴点の移動量（ｄｘ，ｄｙ）を出力することができる。
　トラッキング部２による特徴点のトラッキングの方法としては、特定の方法に限定されず、一般的な方法を採用可能である。例えば、トラッキング部２は、画像における輝度のパターンによるテンプレートマッチングを利用して、特徴点のトラッキングを行うことができる。また、トラッキング部２は、画像における、より高度に記述された特徴量によるマッチングを利用して、特徴点のトラッキングを行うこともできる。
　図４は、トラッキング部２の動作を説明するための移動体Ｍの一例を示す図である。図４に示す移動体Ｍは、図１に示すヘッドマウントディスプレイ７０を装着したユーザを簡略化して示すものである。したがって、移動体Ｍの正面には第１カメラ７２ａが配置され、移動体Ｍの右側面には第２カメラ７２ｂが配置されている。
　図５はトラッキング部２の動作の一例を説明するための図である。図５（Ａ）は時刻（ｔ－１）の状態を示し、図５（Ｂ）はその直後の時刻（ｔ）の状態を示している。時刻（ｔ－１）と時刻（ｔ）との間に移動体Ｍは回転運動を伴った移動を行っている。したがって、図５（Ａ）に示す時刻（ｔ－１）と図５（Ｂ）に示す時刻（ｔ）とでは、移動体Ｍの向きが変化しており、第１カメラ７２ａの光軸Ｃａ及び第２カメラ７２ｂの光軸Ｃｂの向きが変化している。
　第１カメラ７２ａは、図５（Ａ）に示す時刻（ｔ－１）に画像ａ１を撮像し、図５（Ｂ）に示す時刻（ｔ）に画像ａ２を撮像する。トラッキング部２は、第１カメラ７２ａが撮像した画像ａ１及び画像ａ２を取得し、画像ａ１から特徴点Ｐ１を検出し、画像ａ２から特徴点Ｐ２を検出する。そして、トラッキング部２は、画像ａ１及び画像ａ２に共通して含まれる特徴点Ｐ１２の対応付けを行う。
　トラッキング部２は、画像ａ１及び画像ａ２に共通して含まれる各特徴点Ｐ１２ごとに、トラッキングスコアを設定する。トラッキングスコアは、画像ａ１及び画像ａ２における各特徴点Ｐ１２の一致度合いを数値化したものである。つまり、トラッキングスコアが高い特徴点Ｐ１２ほど、画像ａ１及び画像ａ２において高い信頼性で対応が取れており、信頼性が高い。反対に、トラッキングスコアが低い特徴点Ｐ１２ほど、画像ａ１及び画像ａ２において十分に対応が取れておらず、信頼性が低い。
　例えば、トラッキング部２は、画像ａ１及び画像ａ２において特徴点Ｐ１２の周囲の特徴量が良好に対応している場合には、当該特徴点Ｐ１２のトラッキングスコアを高く設定する。反対に、トラッキング部２は、画像ａ１及び画像ａ２において特徴点Ｐ１２の周囲における特徴量の対応が不十分である場合には、当該特徴点Ｐ１２のトラッキングスコアを低く設定する。
　また、画像ａ１及び画像ａ２のうち少なくとも一方の中央領域にある特徴点Ｐ１２は、移動体Ｍの移動前後における画像ａ１及び画像ａ２のいずれにも含まれている可能性が高い。このため、トラッキング部２は、画像ａ１及び画像ａ２のうち少なくとも一方の中央領域にある特徴点Ｐ１２のトラッキングスコアを高く設定することができる。
　トラッキング部２は、すべての特徴点Ｐ１２について、特徴点Ｐ１２を撮像したカメラを特定するラベル、画像ａ１及び画像ａ２のそれぞれにおける特徴点Ｐ１２の座標、特徴点Ｐ１２のトラッキングスコア、などの情報を付して出力データを生成する。そして、トラッキング部２は、生成した出力データを、データ生成部４に出力する。
　なお、以上では、トラッキング部２における、第１カメラ７２ａによって撮像された画像を用いて特徴点のトラッキングを行う動作について説明した。しかし、トラッキング部２は、第２カメラ７２ｂによって撮像された画像についても、同様に特徴点のトラッキングを行う。
　上記のように、本実施形態に係るトラッキング部２による特徴点のトラッキングには、移動体Ｍから異なる方向を撮像した複数の画像が用いられる。このため、トラッキング部２は、複数の画像のうち、ある画像において特徴点のトラッキングが困難である場合にも、他の画像において特徴点のトラッキングを行うことができる。したがって、本実施形態に係るトラッキング部２では、特徴点のトラッキング結果がより確実に得られる。
　（領域推定部３）
　領域推定部３は、検出部７３によって生成された移動体Ｍの移動に関する情報を取得し、当該情報に基づいて領域の推定を行う。具体的には、領域推定部３は、移動体Ｍを取り囲む周囲の領域のうち、移動体Ｍの移動の前後で、移動体Ｍから見た特徴点の二次元的な位置が変化しにくい領域、つまり移動体Ｍから見た特徴点の向きが変化しにくい領域の推定を行う。
　領域推定部３によって推定された領域が撮像部７２によって撮像されている場合、移動体Ｍの移動前に撮像された画像に含まれている特徴点は、移動体Ｍの移動後に撮像された画像にも含まれている可能性が高い。したがって、領域推定部３によって推定された領域を撮像した画像では、移動体Ｍの移動の前後で、より多くの特徴点の対応付けを行うことが可能である。
　図６，７は領域推定部３の動作の一例を説明するための図である。図６（Ａ）及び図７（Ａ）は斜視図であり、図６（Ｂ）及び図７（Ｂ）は平面図である。
　図６は時刻（ｔ－１）の状態を示し、図７はその直後の時刻（ｔ）の状態を示している。時刻（ｔ－１）と時刻（ｔ）との間に移動体Ｍは回転運動を伴った移動を行っている。したがって、図６に示す時刻（ｔ－１）と図７に示す時刻（ｔ）とでは、移動体Ｍの向きが変化しており、第１カメラ７２ａの光軸Ｃａ及び第２カメラ７２ｂの光軸Ｃｂの向きが変化している。
　第１カメラ７２ａは、図６に示す時刻（ｔ－１）に画像ａ１を撮像し、図７に示す時刻（ｔ）に画像ａ２を撮像する。また、第２カメラ７２ｂは、図６に示す時刻（ｔ－１）に画像ｂ１を撮像し、図７に示す時刻（ｔ）に画像ｂ２を撮像する。
　時刻（ｔ－１）と時刻（ｔ）との間における移動体Ｍの移動が回転運動と並進運動とを伴う場合、撮像部７２によって撮像される領域は、並進運動よりも回転運動によって大きく変化しやすい。このため、本実施形態に係る領域推定部３は、移動体Ｍの並進運動よりも、移動体Ｍの回転運動に重点を置いた処理を行う。
　より詳細には、領域推定部３は、撮像部７２を構成する複数のカメラのうち、移動体Ｍの回転運動によって撮像する領域が変化しにくいカメラを選択する。つまり、複数のカメラのうち、移動体Ｍの移動の前後に撮像された画像おいて、より多くの特徴点の対応付けを行うことが可能なカメラを選択する。
　具体的には、領域推定部３は、検出部７３によって生成された情報に基づいて、移動体Ｍの回転運動（移動体Ｍを中心とする自転運動）の回転軸Ｒを算出する。そして、領域推定部３は、回転軸Ｒと、各カメラ７２ａ，７２ｂの光軸Ｃａ，Ｃｂとが成す角度を算出する。つまり、領域推定部３は、回転軸Ｒと第１カメラ７２ａの光軸Ｃａとが成す角度θａと、回転軸Ｒと第２カメラ７２ｂの光軸Ｃｂとが成す角度θｂとを算出する。なお、角度θａ及び角度θｂ計算の際に、回転軸Ｒ及び光軸Ｃａ，Ｃｂは適宜平行移動させてもよい。
　図７に示すように、角度θａが大きい第１カメラ７２ａでは、時刻（ｔ）に撮像された画像ａ２が、時刻（ｔ－１）に撮像された画像ａ１から大きく移動している。このため、時刻（ｔ－１）に撮像された画像ａ１に含まれる特徴点Ｐ１が、時刻（ｔ）に撮像された画像ａ２から大きく外れてしまっている。
　このように、角度θａが大きい第１カメラ７２ａによって撮像された画像ａ１及び画像ａ２には、共通して含まれる特徴点Ｐ１２が存在しない可能性が高い。換言すると、トラッキング部２によって画像ａ１及び画像ａ２から抽出された特徴点Ｐ１２は、トラッキングミスにより得られたものである可能性が高く、信頼性が低い。
　この一方で、図７に示すように、角度θｂが小さい第２カメラ７２ｂでは、時刻（ｔ）に撮像された画像ｂ２が、時刻（ｔ－１）に撮像された画像ｂ１からあまり移動していない。このため、時刻（ｔ－１）に撮像された画像ｂ１に含まれる特徴点Ｐ１は、時刻（ｔ）に撮像された画像ｂ２にも含まれている。
　このように、角度θｂが小さい第２カメラ７２ｂによって撮像された画像ｂ１及び画像ｂ２には、共通して含まれる特徴点Ｐ１２が存在する可能性が高い。換言すると、トラッキング部２によって画像ｂ１及び画像ｂ２から抽出された特徴点Ｐ１２は、正しいトラッキングにより得られたものである可能性が高く、信頼性が高い。
　したがって、領域推定部３は、撮像部７２を構成する複数のカメラのうち、回転軸との間に成す角度が最も小さい光軸を有するカメラを選択する。つまり、領域推定部３は、選択したカメラが撮像する領域が、移動体Ｍの移動の前後で、移動体Ｍから見た特徴点の二次元的な位置が変化しにくい領域であるものと推定する。
　図６，７に示す例では、第２カメラ７２ｂに係る角度θｂが、第１カメラ７２ａに係る角度θａよりも小さいため、領域推定部３は第２カメラ７２ｂを選択する。
　領域推定部３は、選択したカメラを特定する出力データを生成する。そして、領域推定部３は、生成した出力データを、データ生成部４に出力する。
　なお、領域推定部３による移動体Ｍの回転軸の算出には、検出部７３によって生成される情報に併せて、又は、検出部７３によって生成される情報に代えて、他の情報を利用してもよい。他の情報としては、例えば、カルマンフィルタによって得られる情報が挙げられる。つまり、領域推定部３は、カルマンフィルタによって予測される、時刻（ｔ－１）及び時刻（ｔ）における移動体Ｍの姿勢から、移動体Ｍの回転軸を算出してもよい。
　また、領域推定部３は、必ずしも移動体Ｍの回転軸を算出しなくてもよい。つまり、領域推定部３は、移動体Ｍの回転軸を用いずに、移動体Ｍの移動の前後で、移動体Ｍから見た特徴点の二次元的な位置が変化しにくい領域を推定してもよい。例えば、領域推定部３は、移動体Ｍの回転運動と並進運動とを含む移動の軌跡から、移動体Ｍから見た特徴点の向きが変化しにくいと予測される領域を直接算出してもよい。
　（データ生成部４）
　データ生成部４は、トラッキング部２の出力データと、領域推定部３の出力データと、を取得する。そして、データ生成部４は、トラッキング部２によって対応付けられた特徴点から、領域推定部３によって選択されたカメラによって撮像された画像に含まれる特徴点を抽出する。領域推定部３によって選択されたカメラによって撮像された画像には特徴点が共通して含まれる可能性が高いため、データ生成部４がより信頼性の高い特徴点を抽出することができる。
　具体的には、データ生成部４は、トラッキング部２によって対応付けられた特徴点Ｐ１２のうち、領域推定部３によって選択された第２カメラ７２ｂのラベルが付された特徴点Ｐ１２を抽出する。
　データ生成部４は、上記のように抽出した特徴点から、更に、トラッキングスコアが所定の閾値を満たす特徴点を再抽出する。所定の閾値は、任意に設定されることが可能である。上述のとおり、トラッキングスコアが高い特徴点ほど信頼性が高いため、データ生成部４は、更に信頼性の高い特徴点を絞り込むことができる。
　データ生成部４は、抽出した特徴点について、特徴点を撮像したカメラを特定するラベル、移動体Ｍの移動前後の画像における特徴点の座標、特徴点のトラッキングスコア、などの情報を付して出力データを生成する。そして、トラッキング部２は、生成したデータを推定処理部５に出力する。
　（推定処理部５）
　推定処理部５は、データ生成部４の出力データを用いて、移動体Ｍの自己位置推定を行う。つまり、推定処理部５は、データ生成部４によって抽出された特徴点を用いて、時刻（ｔ－１）における移動体Ｍの位置及び姿勢から、時刻（ｔ）における移動体Ｍの位置及び姿勢を推定する。
　推定処理部５による移動体Ｍの自己位置推定には、任意の方法を利用可能である。推定処理部５は、例えば、データ生成部４によって抽出された特徴点から、カルマンフィルタのアルゴリズムを用いて、移動体Ｍの自己位置推定を行うことができる。
　上述のように、データ生成部４が抽出した特徴点は、時刻（ｔ－１）に撮像された画像と、時刻（ｔ）に撮像された画像とにおいて、高い信頼性で対応が取れている。このように、本実施形態に係る自己位置推定部１では、信頼性の高い特徴点を用いることにより、推定処理部５による高精度な移動体Ｍの自己位置推定が可能となる。
　また、上述のように、推定処理部５では、移動体Ｍの自己位置推定に、領域推定部３によって選択されなかったカメラによって撮像された画像に含まれる特徴点を用いない。つまり、本実施形態に係る自己位置推定部１では、信頼性の低い特徴点を用いずに、信頼性の高い特徴点のみを用いるため、推定処理部５による効率的な移動体Ｍの自己位置推定が可能となる。
［自己位置推定部１による情報処理方法］
　図８は、本実施形態に係る自己位置推定部１による処理の流れを示すフローチャートである。図８に沿って、自己位置推定部１による情報処理方法について説明する。
　（ステップＳ１－０１～Ｓ１－０４）
　ステップＳ１－０１～Ｓ１－０４は、トラッキング部２によって実行される。トラッキング部２は、撮像部７２よって撮像された画像を取得し（ステップＳ１－０１）、取得した画像に含まれる特徴点の対応付けを行い（ステップＳ１－０２）、対応付けた特徴点にトラッキングスコアを設定し（ステップＳ１－０３）、出力データを生成し（ステップＳ１－０４）、生成したデータをデータ生成部４に出力する。
　（ステップＳ１－０５～Ｓ１－０８）
　ステップＳ１－０５～Ｓ１－０８は、領域推定部３によって実行される。領域推定部３は、検出部７３によって生成された移動体Ｍの移動に関する情報を取得し（ステップＳ１－０５）、取得した情報から移動体Ｍの回転運動の回転軸を算出し（ステップＳ１－０６）、算出した回転軸と各カメラの光軸との成す角度を算出し（ステップＳ１－０７）、算出した角度に基づいてカメラを選択し（ステップＳ１－０８）、選択したカメラを特定するデータをデータ生成部４に出力する。
　（ステップＳ１－０９～Ｓ１－１４）
　ステップＳ１－０９～Ｓ１－１４は、データ生成部４によって実行される。データ生成部４は、トラッキング部２から入力された特徴点から、領域推定部３から入力されたカメラによって撮像された画像に含まれる特徴点を抽出する（ステップＳ１－０９）。データ生成部４は、抽出した特徴点をひとつ取得し（ステップＳ１－１０）、当該特徴点のトラッキングスコアが閾値を満たすか判定する（ステップＳ１－１１）。
　データ生成部４が取得した特徴点のトラッキングスコアが閾値を満たさない場合には、ステップＳ１－１０に戻る。データ生成部４が取得した特徴点のトラッキングスコアが閾値を満たす場合には、当該特徴点を出力データに追加し（ステップＳ１－１２）、出力データにおける特徴点の数が十分であるか判定する（ステップＳ１－１３）。出力データにおける特徴点の数が十分でない場合には、ステップＳ１－１０に戻る。出力データにおける特徴点の数が十分である場合には、生成したデータを推定処理部５に出力する。
　（ステップＳ１－１５）
　ステップＳ１－１５は、推定処理部５によって実行される。推定処理部５は、データ生成部４の出力データを用いて、移動体Ｍの自己位置推定を行う。
［変形例］
　図９は、本実施形態の変形例に係る自己位置推定部１による処理の流れを示すフローチャートである。本変形例に係る情報処理方法は、領域推定部３によるステップＳ１－０５～Ｓ１－０８が、トラッキング部２によるステップＳ１－０１～Ｓ１－０４より前に実行される点で、図８に示す情報処理方法と異なる。図９に沿って、本変形例に係る情報処理方法について説明する。
　まず、ステップＳ１－０５～Ｓ１－０８によって、領域推定部３が、カメラを選択し、選択したカメラを特定するデータをトラッキング部２に出力する。トラッキング部２は、領域推定部３により選択されたカメラによって撮像された画像を取得し（ステップＳ１－０１）、取得した画像に含まれる特徴点の対応付けを行い（ステップＳ１－０２）、対応付けた特徴点にトラッキングスコアを設定し（ステップＳ１－０３）、出力データを生成し（ステップＳ１－０４）、生成したデータをデータ生成部４に出力する。
　トラッキング部２からデータ生成部４に入力されたデータには、領域推定部３により選択されたカメラによって撮像された画像に含まれる特徴点のみしか含まれていないため、本変形例に係る情報処理方法では、図８に係る特徴点の抽出（ステップＳ１－０９）を実行する必要がない。
　図９のステップＳ１－１０～Ｓ１－１５は、図８のステップＳ１－１０～Ｓ１－１５と同様である。
　本変形例に係る情報処理方法では、トラッキング部２が、領域推定部３によって選択されなかったカメラによって撮像された画像を用いず、領域推定部３によって選択されたカメラによって撮像された画像のみを用いてトラッキングを行うため、効率的なトラッキングが可能である。
＜第２の実施形態＞
　図１０は、本技術の第２の実施形態に係る情報処理システム１００におけるヘッドマウントディスプレイ７０を示す図である。本実施形態に係る情報処理システム１００では、撮像部７２の構成、及び自己位置推定部１による情報処理方法が、第１の実施形態に係る情報処理システム１００と異なる。以下、本実施形態に係る情報処理システム１００のうち、第１の実施形態に係る情報処理システム１００に対応する構成には、第１の実施形態と同様の符号を付し、適宜その説明を省略する。
　本実施形態に係る情報処理システム１００では、撮像部７２が、１８０°の視野角を有するカメラとして構成され、ヘッドマウントディスプレイ７０のブリッジ部７４に前方を向けて設けられている。また、撮像部７２は、光軸Ｄと有し、光軸Ｄを中心とする画像ｄを撮像可能である。
　撮像部７２は広視野角のカメラであることが好ましい。撮像部７２の視野角は９０°以上であることが特に好ましい。なお、撮像部７２を構成するカメラは、特定の種類に限定されず、例えば、広角カメラ、魚眼カメラ、全天周カメラなどのいずれであってもよい。
　図１１は、本実施形態に係る情報処理システム１００のトラッキング部２及び領域推定部３の動作を説明するための図である。図１１では、移動体Ｍを簡略化し、撮像部７２のみを示している。
　図１１（Ａ）は時刻（ｔ－１）の状態を示し、図１１（Ｂ）はその直後の時刻（ｔ）の状態を示している。時刻（ｔ－１）と時刻（ｔ）との間に移動体Ｍは回転運動を伴った移動を行っている。したがって、図１１（Ａ）に示す時刻（ｔ－１）と図１１（Ｂ）に示す時刻（ｔ）とでは、移動体Ｍの向きが変化しており、撮像部７２の光軸Ｄの向きが変化している。
　撮像部７２は、図１１（Ａ）に示す時刻（ｔ－１）に画像ｄ１を撮像し、図１１（Ｂ）に示す時刻（ｔ）に画像ｄ２を撮像する。
　トラッキング部２は、撮像部７２によって撮像された画像ｄ１及び画像ｄ２を取得し、画像ｄ１から特徴点Ｐ１を検出し、画像ｄ２から特徴点Ｐ２を検出する。そして、トラッキング部２は、画像ｄ１及び画像ｄ２に共通して含まれる特徴点Ｐ１２の対応付けを行う。
　上記のように、本実施形態に係るトラッキング部２は、広視野角の撮像部７２によって撮像された画像をトラッキングに用いる。広視野角の撮像部７２では、より広範囲の特徴点を撮像することが可能であるため、トラッキング部２による特徴点のトラッキングが不能になることを防止することができる。
　領域推定部３は、検出部７３によって生成された移動体Ｍの移動に関する情報に基づいて、移動体Ｍの回転運動（移動体Ｍを中心とする自転運動）の回転軸Ｒを算出する。そして、領域推定部３は、回転軸Ｒが通る領域を選択する。つまり、領域推定部３は、回転軸Ｒが通る領域を、移動体Ｍの移動の前後で、移動体Ｍから見た特徴点の二次元的な位置の変化が小さい領域と推定する。
　データ生成部４は、時刻（ｔ－１）に撮像された画像ｄ１、及び時刻（ｔ）に撮像された画像ｄ２から、領域推定部３によって推定された領域を切り取り、データ生成部４が処理する画像としてトリミング画像Ｅを生成する。つまり、領域推定部３は、データ生成部４による画像ｄ１及び画像ｄ２の処理領域を、領域推定部３によって推定された領域に限定する。
　トリミング画像Ｅの大きさ（領域推定部３によって推定される領域の大きさ）は、適宜決定可能である。例えば、領域推定部３は、移動体Ｍの移動前後での移動体Ｍから見た特徴点の二次元的な位置の変化が比較的大きいと予想される場合に、トリミング画像Ｅを大きくすることができる。
　この一例として、移動体Ｍの回転運動の角速度が大きい場合に、移動体Ｍから見た特徴点の二次元的な位置の変化が大きくなりやすい。このため、領域推定部３は、移動体Ｍの回転運動の角速度が大きい場合に、トリミング画像Ｅを大きくする。これにより、トリミング画像Ｅに含まれる特徴点の数を十分に多く確保することができる。
　反対に、領域推定部３は、移動体Ｍの回転運動の角速度が小さい場合に、トリミング画像Ｅを小さくする。これにより、データ生成部４及び推定処理部５における処置の効率化を図ることができる。
　また、移動体Ｍの移動が回転運動に加えて並進運動も伴う場合に、移動体Ｍから見た特徴点の二次元的な位置にズレが発生しやすい。このため、領域推定部３は、移動体Ｍの移動が並進運動を伴う場合に、トリミング画像Ｅを大きくする。これにより、トリミング画像Ｅに含まれる特徴点の数を十分に多く確保することができる。
　更に、トリミング画像Ｅの形状（領域推定部３によって推定される領域の形状）は、任意に決定可能である。トリミング画像Ｅの形状としては、図１１に示す円形状の他、例えば、矩形状などの多角形状や、楕円状などであってもよい。
　図１２は、本実施形態に係る自己位置推定部１による処理の流れを示すフローチャートである。図１２に沿って、自己位置推定部１による情報処理方法について説明する。
　（ステップＳ２－０１～Ｓ２－０４）
　ステップＳ２－０１～Ｓ２－０４は、トラッキング部２によって実行される。トラッキング部２は、撮像部７２よって撮像された画像を取得し（ステップＳ２－０１）、取得した画像に含まれる特徴点の対応付けを行い（ステップＳ２－０２）、対応付けた特徴点にトラッキングスコアを設定し（ステップＳ２－０３）、出力データを生成し（ステップＳ２－０４）、生成したデータをデータ生成部４に出力する。
　（ステップＳ２－０５～Ｓ２－０８）
　ステップＳ２－０５～Ｓ２－０８は、領域推定部３によって実行される。領域推定部３は、検出部７３によって生成された移動体Ｍの移動に関する情報を取得し（ステップＳ２－０５）、取得した情報から移動体Ｍの回転運動の回転軸を算出し（ステップＳ２－０６）、算出した回転軸を通る領域を選択し（ステップＳ２－０７）、選択した領域を特定するデータをデータ生成部４に出力する。
　（ステップＳ２－０８～Ｓ２－１５）
　ステップＳ２－０８～Ｓ２－１４は、データ生成部４によって実行され、ステップＳ２－１５は推定処理部５によって実行される。データ生成部４は、撮像部７２よって撮像された画像を、領域推定部３によって選択された領域によって切り取り、トリミング画像を生成する（Ｓ２－０８）。データ生成部４は、トラッキング部２によって対応付けられた特徴点から、トリミング画像に含まれる特徴点を抽出する（ステップＳ２－０９）。
　ステップＳ２－１０～Ｓ２－１５は、図８のステップＳ１－１０～Ｓ１－１５と同様である。
［変形例］
　図１３は、本実施形態の変形例に係る自己位置推定部１による処理の流れを示すフローチャートである。本変形例に係る情報処理方法は、領域推定部３によるステップＳ２－０５～Ｓ２－０７が、トラッキング部２によるステップＳ２－０１～Ｓ２－０４より前に実行される点で、図１２に示す情報処理方法と異なる。図１３に沿って、本変形例に係る情報処理方法について説明する。
　まず、ステップＳ２－０５～Ｓ２－０７によって、領域推定部３が選択した領域を特定するデータをトラッキング部２に出力する。トラッキング部２は、撮像部７２によって撮像された画像を取得し（ステップＳ２－０１）、取得した画像から、領域推定部３によって選択された領域を切り取り、トリミング画像を生成する（ステップＳ２－０８）。本変形例では、トラッキング部２が、トリミング画像を生成するデータ生成部として機能する。
　トラッキング部２は、トリミング画像に含まれる特徴点の対応付けを行い（ステップＳ２－０２）、対応付けた特徴点にトラッキングスコアを設定し（ステップＳ２－０３）、出力データを生成し（ステップＳ２－０４）、生成したデータをデータ生成部４に出力する。
　トラッキング部２からデータ生成部４に入力されたデータには、領域推定部３によって選択された領域に含まれる特徴点のみしか含まれていないため、本変形例に係る情報処理方法では、図１２に係る特徴点の抽出（ステップＳ２－０９）を実行する必要がない。
　図１３のステップＳ２－０９～Ｓ２－１５は、図１２のステップＳ２－０９～Ｓ２－１５と同様である。
　本変形例に係る情報処理方法では、トラッキング部２が、撮像部７２によって撮像された画像のうち、トリミング画像以外の領域を用いず、トリミング画像のみを用いてトラッキングを行うため、効率的なトラッキングが可能である。
＜第３の実施形態＞
　図１４は、本技術の第３の実施形態に係る情報処理システム１００における自己位置推定部１の構成を示すブロック図である。本実施形態に係る情報処理システム１００では、自己位置推定部１の構成、及び自己位置推定部１による情報処理方法が、第１の実施形態に係る情報処理システム１００と異なる。以下、本実施形態に係る情報処理システム１００のうち、第１の実施形態に係る情報処理システム１００に対応する構成には、第１の実施形態と同様の符号を付し、適宜その説明を省略する。
　本実施形態に係る自己位置推定部１は、モニタリング部６を具備する。本実施形態に係る自己位置推定部１では、推定処理部５が、第１の実施形態と同様のデータ生成部４の出力データによる移動体Ｍの第１自己位置推定とは独立して、モニタリング部６の出力データによる移動体Ｍの第２自己位置推定を行う。つまり、推定処理部５は、２通りの方法で移動体Ｍの自己位置推定を行う。
　モニタリング部６は、検出部７３により生成される情報を時間的連続に参照することにより、移動体Ｍの位置及び姿勢の時系列的な変化のモニタリングを行う。モニタリング部６は、移動体Ｍのモニタリングの結果によって出力データを生成し、生成したデータを推定処理部５に出力する。推定処理部５は、モニタリング部６による移動体Ｍのモニタリングの結果に基づいて、時刻（ｔ）における移動体Ｍの位置及び姿勢を推定する。
　モニタリング部６の出力データは、検出部７３により生成される情報を時間的連続に参照することにより得られるため、検出部７３の誤検知による時間的に不連続なデータの影響を受けにくい。したがって、本実施形態に係る自己位置推定部１では、モニタリング部６の出力データによる移動体Ｍの第２自己位置推定を、データ生成部４の出力データによる移動体Ｍの第１自己位置推定と相補的に利用することにより、高精度な移動体Ｍの自己位置推定が可能となる。
　また、本実施形態に係る自己位置推定部１では、移動体Ｍの動作をモデル化した運動モデルを導入することにより、モニタリング部６による出力データの生成や、モニタリング部６の出力データを用いた推定処理部５による第２自己位置推定を効率的に行うことができる。運動モデルとは移動体Ｍが行いやすい動作をモデル化したものであり、移動体Ｍに応じた運動モデルが予め設定される。
　つまり、モニタリング部６は、移動体Ｍについて、等速度運動であるか、減速運動であるか、加速運動であるか、速度の変化があるか、といった判定や、速度変化の比率の算出などによって、移動体Ｍの動作が、予め設定される運動モデルうち、いずれの運動モデルであるかを推定し、推定結果によって出力データを生成し、生成したデータを推定処理部５に出力する。推定処理部５は、モニタリング部６によって推定された運動モデルに基づいて、時刻（ｔ）における移動体Ｍの位置及び姿勢を推定する。
　例えば、移動体Ｍが、ヘッドマウントディスプレイ７０を装着したユーザである場合には、人間が行いやすい動作をモデル化した運動モデルが設定される。このような運動モデルとしては、一例として、静止運動モデルや、歩行運動モデルや、走行運動モデルが挙げられる。なお、設定される運動モデルの種類や数は、任意に決定可能である。
　図１５は、モニタリング部６による処理の流れの一例を示すフローチャートである。まず、モニタリング部６は、移動体Ｍが静止状態であるか判定する（ステップＳ３－０１）。例えば、移動体Ｍの運動が検出されなかった場合に、移動体Ｍが静止状態であると判定される。モニタリング部６は、移動体Ｍが静止状態である場合に、移動体Ｍの運動モデルを静止運動モデルと決定する。
　モニタリング部６は、移動体Ｍが静止状態でない場合に、移動体Ｍが歩行状態であるか判定する（ステップＳ３－０２）。例えば、移動体Ｍの所定の第１範囲（例えば、時速３～６ｋｍの範囲）内の等速度運動が検出された場合に、移動体Ｍが歩行状態であると判定される。モニタリング部６は、移動体Ｍが歩行状態である場合に、移動体Ｍの運動モデルを歩行運動モデルと決定する。
　モニタリング部６は、移動体Ｍが歩行状態でない場合に、移動体Ｍが走行状態であるか判定する（ステップＳ３－０３）。例えば、移動体Ｍの所定の第２範囲（例えば、時速７～１０ｋｍの範囲）内の等速度運動が検出された場合に、移動体Ｍが走行モデルである判定される。モニタリング部６は、移動体Ｍが走行状態である場合に、移動体Ｍの運動モデルを走行運動モデルと決定する。
　モニタリング部６は、移動体Ｍが走行状態でもない場合に、移動体Ｍの運動モデルをデフォルト運動モデルと決定する。
　モニタリング部６は、移動体Ｍの運動モデルを静止運動モデルと決定すると、静止運動モデルを特定する出力データを生成し、生成したデータを推定処理部５に出力する。推定処理部５は、モニタリング部６の出力データから、時刻（ｔ）における移動体Ｍの位置が、時刻（ｔ－１）における移動体Ｍの位置から変化していないものと推定する。
　モニタリング部６は、移動体Ｍの運動モデルを歩行運動モデルと決定すると、歩行運動モデルを特定する出力データを生成し、生成したデータを推定処理部５に出力する。推定処理部５は、モニタリング部６の出力データに基づいて、時刻（ｔ－１）における移動体Ｍの位置から時刻（ｔ）における移動体Ｍの位置を推定する。
　モニタリング部６は、移動体Ｍの運動モデルを走行運動モデルと決定すると、走行運動モデルを特定する出力データを生成し、生成したデータを推定処理部５に出力する。推定処理部５は、モニタリング部６の出力データに基づいて、時刻（ｔ－１）における移動体Ｍの位置から時刻（ｔ）における移動体Ｍの位置を推定する。
　モニタリング部６は、移動体Ｍの運動モデルをデフォルト運動モデルと決定すると、運動モデルを特定せずに出力データを生成する。つまり、モニタリング部６は、移動体Ｍの位置及び姿勢の時系列的な変化のモニタリングの結果をそのまま推定処理部５に出力する。推定処理部５は、モニタリング部６によってモニタリングされた移動体Ｍの位置及び姿勢の時系列的な変化から、時刻（ｔ）における移動体Ｍの位置及び姿勢を推定する。
　なお、本実施形態に係る自己位置推定部１では、電気的、機械的、或いは光学的な制御系によって移動が制御される移動体Ｍにおいて、検出部７３が制御系による制御内容を検出可能に構成されていてもよい。この場合、モニタリング部６は、制御系の制御内容を時間的連続に参照することにより、移動体Ｍの位置及び姿勢の時系列的な変化をモニタリングすることができる。
　この一例として、移動体Ｍが、例えば乗用車のような、ステアリング装置やアクセルペダルなどによって移動が制御される搭乗型装置である場合、検出部７３がステアリング装置やアクセルペダルなどの操作量を検出可能に構成される。そして、モニタリング部６は、検出部７３によって検出されたステアリング装置やアクセルペダルなどの操作量を時間的連続に参照することにより、移動体Ｍの位置及び姿勢の時系列的な変化をモニタリングする。
　また、移動体Ｍが自律行動機能を有するロボットである場合には、検出部７３が制御信号を検出可能に構成される。そして、モニタリング部６は、検出部７３によって検出された制御信号を時間的連続に参照することにより、移動体Ｍの位置及び姿勢の時系列的な変化をモニタリングする。
＜その他の実施形態＞
　以上、本技術の実施形態について説明したが、本技術は上述の実施形態にのみ限定されるものではなく、本技術の要旨を逸脱しない範囲内において種々変更を加え得ることは勿論である。
　例えば、上記実施形態では、移動体Ｍがヘッドマウントディスプレイを装着したユーザである場合を中心に説明したが、本技術は任意の移動体Ｍに対して適用可能である。本技術を適用可能な移動体Ｍとしては、例えば、人間、車両、ロボット、動物などが挙げられる。いずれの場合にも、移動体Ｍに撮像部及び検出部を設けることにより、本技術に係る移動体Ｍの自己位置推定を行うことが可能である。
　なお、本技術は以下のような構成も採ることができる。
（１）
　回転運動を伴った移動を行う移動体に設けられた撮像部によって撮像された画像を取得し、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、に含まれる特徴点の対応付けを行うトラッキング部と、
　上記移動に関する情報を取得し、上記情報に基づいて、上記移動の前後で、上記移動体から見た上記特徴点の二次元的な位置の変化が小さい領域を推定する領域推定部と、
　上記トラッキング部によって対応付けられ、かつ、上記領域内にある上記特徴点を用いて、上記移動体の自己位置推定を行う推定処理部と
　を具備する情報処理装置。
（２）
　上記（１）に記載の情報処理装置であって、
　上記領域推定部は、上記回転運動の回転軸を算出し、上記回転軸を用いて上記領域を推定する
　情報処理装置。
（３）
　上記（２）に記載の情報処理装置であって、
　上記撮像部は、相互に平行でない光軸を有する複数のカメラ機構を含み、
　上記領域推定部は、上記複数のカメラ機構のうち、上記回転軸との間に成す角度が小さい上記光軸を有するカメラ機構を選択し、
　上記推定処理部は、上記領域推定部によって選択された上記カメラ機構によって撮像された上記画像に含まれる上記特徴点を用いて、上記移動体の自己位置推定を行う
　情報処理装置。
（４）
　上記（３）に記載の情報処理装置であって、
　上記トラッキング部によって対応付けられた上記特徴点のうち、上記領域推定部によって選択された上記カメラ機構によって撮像された上記画像に含まれる上記特徴点を抽出するデータ生成部を更に具備し、
　上記推定処理部は、上記データ生成部によって抽出された上記特徴点を用いて、上記移動体の自己位置推定を行う
　情報処理装置。
（５）
　上記（３）に記載の情報処理装置であって、
　上記トラッキング部は、上記領域推定部によって選択された上記カメラ機構によって撮像された上記画像に含まれる特徴点の対応付けを行う
　情報処理装置。
（６）
　上記（２）に記載の情報処理装置であって、
　上記領域推定部は、上記回転軸が上記領域を通るように、上記領域を推定する
　情報処理装置。
（７）
　上記（６）に記載の情報処理装置であって、
　上記撮像部の視野角が９０°以上である
　情報処理装置。
（８）
　上記（６）又は（７）に記載の情報処理装置であって、
　上記画像の処理領域を上記領域内に限定するデータ生成部を更に具備し、
　上記推定処理部は、上記処理領域に含まれる上記特徴点を用いて、上記移動体の自己位置推定を行う
　情報処理装置。
（９）
　上記（８）に記載の情報処理装置であって、
　上記データ生成部は、上記トラッキング部によって対応付けられた上記特徴点のうち、上記処理領域に含まれる上記特徴点を抽出し、
　上記推定処理部は、上記データ生成部によって抽出された上記特徴点を用いて、上記移動体の自己位置推定を行う
　情報処理装置。
（１０）
　上記（８）に記載の情報処理装置であって、
　上記トラッキング部は、上記処理領域に含まれる特徴点の対応付けを行う
　情報処理装置。
（１１）
　上記（８）から（１０）のいずれか１つに記載の情報処理装置であって、
　上記領域推定部は、上記回転運動の角速度が大きい場合に、上記処理領域を大きくする
　情報処理装置。
（１２）
　上記（８）から（１１）のいずれか１つに記載の情報処理装置であって、
　上記領域推定部は、上記移動が並進運動を伴う場合に、上記処理領域を大きくする
　情報処理装置。
（１３）
　上記（１）から（１２）のいずれか１つに記載の情報処理装置であって、
　上記トラッキング部は、対応付けた上記特徴点ごとに、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、における上記特徴点の一致度合いを示すトラッキングスコアを設定し、
　上記推定処理部は、上記トラッキングスコアが高い上記特徴点を用いて、上記移動体の自己位置推定を行う
　情報処理装置。
（１４）
　上記（１３）に記載の情報処理装置であって、
　上記トラッキング部は、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、のうち少なくとも一方の中央領域にある上記特徴点の上記トラッキングスコアを高く設定する
　情報処理装置。
（１５）
　上記（１）から（１４）のいずれか１つに記載の情報処理装置であって、
　上記情報は、ジャイロセンサ、地磁気センサ、加速度センサ、音源方向推定装置、及びＷｉ－Ｆｉのうちの少なくとも１つを用いて生成される
　情報処理装置。
（１６）
　上記（１）から（１５）のいずれか１つに記載の情報処理装置であって、
　上記情報により上記移動体のモニタリングを行うモニタリング部を更に具備し、
　上記推定処理部は、上記自己位置推定とは独立して、上記モニタリング部による上記モニタリングの結果に基づいて、上記移動体の自己位置推定を行う
　情報処理装置。
（１７）
　上記（１６）に記載の情報処理装置であって、
　上記モニタリング部は、上記移動体の運動モデルを推定し、
　上記推定処理部は、上記モニタリング部によって推定された上記運動モデルを用いて、上記移動体の自己位置推定を行う
　情報処理装置。
（１８）
　上記（１）から（１７）に記載の情報処理装置であって、
　上記撮像部と、上記情報を生成可能な検出部と、が設けられ、上記移動体としてのユーザの頭部に装着可能に構成されるヘッドマウントディスプレイを更に具備する
　情報処理装置。
（１９）
　回転運動を伴った移動を行う移動体に設けられた撮像部によって画像を撮像し、
　上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、に含まれる特徴点の対応付けを行い、
　上記移動に関する情報を生成し、
　上記情報に基づいて、上記移動の前後で、上記移動体から見た上記特徴点の二次元的な位置の変化が小さい領域を推定し、
　対応付けられ、かつ、上記領域内にある上記特徴点を用いて、上記移動体の自己位置推定を行う
　情報処理方法。
（２０）
　情報処理装置に、
　回転運動を伴った移動を行う移動体に設けられた撮像部によって撮像された画像を取得し、上記移動の前に撮像された上記画像と、上記移動の後に撮像された上記画像と、に含まれる特徴点の対応付けを行うステップと、
　上記移動に関する情報を取得し、上記移動の前後で、上記移動体から見た上記特徴点の二次元的な位置の変化が小さい領域を推定するステップと、
　対応付けられ、かつ、上記領域内にある上記特徴点を用いて、上記移動体の自己位置推定を行うステップと
　を実行させるプログラム。
１…自己位置推定部
２…トラッキング部
３…領域推定部
４…データ生成部
５…推定処理部
１０…クラウドシステム
３０…携帯端末
５０…コントロールボックス
７０…ヘッドマウントディスプレイ
７２…撮像部
７２ａ，７２ｂ…カメラ
７３…検出部
Ｍ…移動体

Claims (20)

  1. 　回転運動を伴った移動を行う移動体に設けられた撮像部によって撮像された画像を取得し、前記移動の前に撮像された前記画像と、前記移動の後に撮像された前記画像と、に含まれる特徴点の対応付けを行うトラッキング部と、
    　前記移動に関する情報を取得し、前記情報に基づいて、前記移動の前後で、前記移動体から見た前記特徴点の二次元的な位置の変化が小さい領域を推定する領域推定部と、
    　前記トラッキング部によって対応付けられ、かつ、前記領域内にある前記特徴点を用いて、前記移動体の自己位置推定を行う推定処理部と
    　を具備する情報処理装置。
  2. 　請求項１に記載の情報処理装置であって、
    　前記領域推定部は、前記回転運動の回転軸を算出し、前記回転軸を用いて前記領域を推定する
    　情報処理装置。
  3. 　請求項２に記載の情報処理装置であって、
    　前記撮像部は、相互に平行でない光軸を有する複数のカメラ機構を含み、
    　前記領域推定部は、前記複数のカメラ機構のうち、前記回転軸との間に成す角度が小さい前記光軸を有するカメラ機構を選択し、
    　前記推定処理部は、前記領域推定部によって選択された前記カメラ機構によって撮像された前記画像に含まれる前記特徴点を用いて、前記移動体の自己位置推定を行う
    　情報処理装置。
  4. 　請求項３に記載の情報処理装置であって、
    　前記トラッキング部によって対応付けられた前記特徴点のうち、前記領域推定部によって選択された前記カメラ機構によって撮像された前記画像に含まれる前記特徴点を抽出するデータ生成部を更に具備し、
    　前記推定処理部は、前記データ生成部によって抽出された前記特徴点を用いて、前記移動体の自己位置推定を行う
    　情報処理装置。
  5. 　請求項３に記載の情報処理装置であって、
    　前記トラッキング部は、前記領域推定部によって選択された前記カメラ機構によって撮像された前記画像に含まれる特徴点の対応付けを行う
    　情報処理装置。
  6. 　請求項２に記載の情報処理装置であって、
    　前記領域推定部は、前記回転軸が前記領域を通るように、前記領域を推定する
    　情報処理装置。
  7. 　請求項６に記載の情報処理装置であって、
    　前記撮像部の視野角が９０°以上である
    　情報処理装置。
  8. 　請求項６に記載の情報処理装置であって、
    　前記画像の処理領域を前記領域内に限定するデータ生成部を更に具備し、
    　前記推定処理部は、前記処理領域に含まれる前記特徴点を用いて、前記移動体の自己位置推定を行う
    　情報処理装置。
  9. 　請求項８に記載の情報処理装置であって、
    　前記データ生成部は、前記トラッキング部によって対応付けられた前記特徴点のうち、前記処理領域に含まれる前記特徴点を抽出し、
    　前記推定処理部は、前記データ生成部によって抽出された前記特徴点を用いて、前記移動体の自己位置推定を行う
    　情報処理装置。
  10. 　請求項８に記載の情報処理装置であって、
    　前記トラッキング部は、前記処理領域に含まれる特徴点の対応付けを行う
    　情報処理装置。
  11. 　請求項８に記載の情報処理装置であって、
    　前記領域推定部は、前記回転運動の角速度が大きい場合に、前記処理領域を大きくする
    　情報処理装置。
  12. 　請求項８に記載の情報処理装置であって、
    　前記領域推定部は、前記移動が並進運動を伴う場合に、前記処理領域を大きくする
    　情報処理装置。
  13. 　請求項１に記載の情報処理装置であって、
    　前記トラッキング部は、対応付けた前記特徴点ごとに、前記移動の前に撮像された前記画像と、前記移動の後に撮像された前記画像と、における前記特徴点の一致度合いを示すトラッキングスコアを設定し、
    　前記推定処理部は、前記トラッキングスコアが高い前記特徴点を用いて、前記移動体の自己位置推定を行う
    　情報処理装置。
  14. 　請求項１３に記載の情報処理装置であって、
    　前記トラッキング部は、前記移動の前に撮像された前記画像と、前記移動の後に撮像された前記画像と、のうち少なくとも一方の中央領域にある前記特徴点の前記トラッキングスコアを高く設定する
    　情報処理装置。
  15. 　請求項１に記載の情報処理装置であって、
    　前記情報は、ジャイロセンサ、地磁気センサ、加速度センサ、音源方向推定装置、及びＷｉ－Ｆｉのうちの少なくとも１つを用いて生成される
    　情報処理装置。
  16. 　請求項１に記載の情報処理装置であって、
    　前記情報により前記移動体のモニタリングを行うモニタリング部を更に具備し、
    　前記推定処理部は、前記自己位置推定とは独立して、前記モニタリング部による前記モニタリングの結果に基づいて、前記移動体の自己位置推定を行う
    　情報処理装置。
  17. 　請求項１６に記載の情報処理装置であって、
    　前記モニタリング部は、前記移動体の運動モデルを推定し、
    　前記推定処理部は、前記モニタリング部によって推定された前記運動モデルを用いて、前記移動体の自己位置推定を行う
    　情報処理装置。
  18. 　請求項１に記載の情報処理装置であって、
    　前記撮像部と、前記情報を生成可能な検出部と、が設けられ、前記移動体としてのユーザの頭部に装着可能に構成されるヘッドマウントディスプレイを更に具備する
    　情報処理装置。
  19. 　回転運動を伴った移動を行う移動体に設けられた撮像部によって画像を撮像し、
    　前記移動の前に撮像された前記画像と、前記移動の後に撮像された前記画像と、に含まれる特徴点の対応付けを行い、
    　前記移動に関する情報を生成し、
    　前記情報に基づいて、前記移動の前後で、前記移動体から見た前記特徴点の二次元的な位置の変化が小さい領域を推定し、
    　対応付けられ、かつ、前記領域内にある前記特徴点を用いて、前記移動体の自己位置推定を行う
    　情報処理方法。
  20. 　情報処理装置に、
    　回転運動を伴った移動を行う移動体に設けられた撮像部によって撮像された画像を取得し、前記移動の前に撮像された前記画像と、前記移動の後に撮像された前記画像と、に含まれる特徴点の対応付けを行うステップと、
    　前記移動に関する情報を取得し、前記情報に基づいて、前記移動の前後で、前記移動体から見た前記特徴点の二次元的な位置の変化が小さい領域を推定するステップと、
    　対応付けられ、かつ、前記領域内にある前記特徴点を用いて、前記移動体の自己位置推定を行うステップと
    　を実行させるプログラム。
PCT/JP2015/002755 2014-08-26 2015-06-01 情報処理装置、情報処理方法、及びプログラム WO2016031105A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN201580044294.0A CN106575437B (zh) 2014-08-26 2015-06-01 信息处理装置、信息处理方法以及程序
US15/324,067 US10169880B2 (en) 2014-08-26 2015-06-01 Information processing apparatus, information processing method, and program
EP15835670.9A EP3188128A4 (en) 2014-08-26 2015-06-01 Information-processing device, information processing method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-171795 2014-08-26
JP2014171795A JP2016045874A (ja) 2014-08-26 2014-08-26 情報処理装置、情報処理方法、及びプログラム

Publications (1)

Publication Number Publication Date
WO2016031105A1 true WO2016031105A1 (ja) 2016-03-03

Family

ID=55399031

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/002755 WO2016031105A1 (ja) 2014-08-26 2015-06-01 情報処理装置、情報処理方法、及びプログラム

Country Status (5)

Country Link
US (1) US10169880B2 (ja)
EP (1) EP3188128A4 (ja)
JP (1) JP2016045874A (ja)
CN (1) CN106575437B (ja)
WO (1) WO2016031105A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110235465A (zh) * 2017-01-23 2019-09-13 瑞典爱立信有限公司 用于FeMTC和eNB-IoT的SC-MCCH片段调度
WO2020137313A1 (ja) 2018-12-28 2020-07-02 パナソニックＩｐマネジメント株式会社 位置測定装置

Families Citing this family (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2016212177A (ja) * 2015-05-01 2016-12-15 セイコーエプソン株式会社 透過型表示装置
JP6894725B2 (ja) * 2017-03-09 2021-06-30 キヤノン株式会社 画像処理装置及びその制御方法、プログラム、記憶媒体
JPWO2018180175A1 (ja) * 2017-03-27 2020-02-06 日本電産株式会社 移動体、信号処理装置およびコンピュータプログラム
US10304207B2 (en) 2017-07-07 2019-05-28 Samsung Electronics Co., Ltd. System and method for optical tracking
JP7160036B2 (ja) 2017-08-01 2022-10-25 ソニーグループ株式会社 情報処理装置、情報処理方法、記録媒体、及び撮像装置
JP7369623B2 (ja) * 2017-09-26 2023-10-26 ソニーセミコンダクタソリューションズ株式会社 情報処理システムおよび情報処理方法
JP7057821B2 (ja) * 2018-03-01 2022-04-20 株式会社ソニー・インタラクティブエンタテインメント 位置推定装置、位置推定方法及びプログラム
DE112019001659T5 (de) * 2018-03-29 2020-12-31 Sony Corporation Steuervorrichtung, steuerverfahren und programm
US11386574B2 (en) 2018-04-26 2022-07-12 Sony Corporation Self-position estimation device, self-position estimation method, and program thereof
KR20210145734A (ko) 2019-03-27 2021-12-02 소니그룹주식회사 정보 처리 장치, 정보 처리 방법, 및 프로그램
JP7414551B2 (ja) * 2020-01-24 2024-01-16 キヤノン株式会社 制御装置および制御方法
WO2021177187A1 (ja) 2020-03-05 2021-09-10 ソニーグループ株式会社 画像処理装置及び画像処理方法
JP2023114237A (ja) * 2022-02-04 2023-08-17 株式会社ソニー・インタラクティブエンタテインメント 情報処理装置および情報処理方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002007030A (ja) * 2000-06-16 2002-01-11 Olympus Optical Co Ltd 運動検出装置及び操作入力装置
JP2004157850A (ja) * 2002-11-07 2004-06-03 Olympus Corp 運動検出装置
JP2009031295A (ja) * 2008-08-05 2009-02-12 Olympus Corp 移動体姿勢検出装置

Family Cites Families (20)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5164670A (en) * 1990-09-17 1992-11-17 Syracuse University Multidimensional magnetic resonance system using selective discrete Fourier transformation (SDFT)
JP3512992B2 (ja) * 1997-01-07 2004-03-31 株式会社東芝 画像処理装置および画像処理方法
FI20045300A (fi) * 2004-08-17 2006-02-18 Nokia Corp Elektroninen laite ja menetelmä elektronisen laitteen toimintojen ohjaamiseksi sekä ohjelmatuote menetelmän toteuttamiseksi
US8730156B2 (en) * 2010-03-05 2014-05-20 Sony Computer Entertainment America Llc Maintaining multiple views on a shared stable virtual space
JP5036260B2 (ja) * 2006-09-14 2012-09-26 キヤノン株式会社 位置姿勢算出方法及び装置
US8269834B2 (en) * 2007-01-12 2012-09-18 International Business Machines Corporation Warning a user about adverse behaviors of others within an environment based on a 3D captured image stream
JP4983539B2 (ja) * 2007-10-19 2012-07-25 ソニー株式会社 情報処理装置および方法、並びにプログラム
US8259998B2 (en) * 2008-09-30 2012-09-04 Mazda Motor Corporation Image processing device for vehicle
JP5267100B2 (ja) 2008-12-18 2013-08-21 株式会社豊田中央研究所 運動推定装置及びプログラム
US9024972B1 (en) * 2009-04-01 2015-05-05 Microsoft Technology Licensing, Llc Augmented reality computing with inertial sensors
JP5310285B2 (ja) 2009-06-12 2013-10-09 日産自動車株式会社 自己位置推定装置及び自己位置推定方法
JP2011095797A (ja) * 2009-10-27 2011-05-12 Sony Corp 画像処理装置、画像処理方法及びプログラム
FR2967804B1 (fr) * 2010-11-19 2013-01-04 Total Immersion Procede et dispositif de detection et de suivi d'objets non rigides en mouvement, en temps reel, dans un flux video, permettant a un utilisateur d'interagir avec un systeme informatique
US8711206B2 (en) * 2011-01-31 2014-04-29 Microsoft Corporation Mobile camera localization using depth maps
JP5776332B2 (ja) 2011-05-27 2015-09-09 富士通株式会社 地図処理方法及びプログラム、並びにロボットシステム
JP5807399B2 (ja) * 2011-06-13 2015-11-10 ソニー株式会社 情報処理装置及びプログラム
US20140005544A1 (en) * 2011-11-02 2014-01-02 Seno Medical Instruments, Inc. System and method for providing selective channel sensitivity in an optoacoustic imaging system
US9311883B2 (en) * 2011-11-11 2016-04-12 Microsoft Technology Licensing, Llc Recalibration of a flexible mixed reality device
JP2015528713A (ja) * 2012-06-21 2015-10-01 グローバス メディカル インコーポレイティッド 手術ロボットプラットフォーム
US9256987B2 (en) * 2013-06-24 2016-02-09 Microsoft Technology Licensing, Llc Tracking head movement when wearing mobile device

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002007030A (ja) * 2000-06-16 2002-01-11 Olympus Optical Co Ltd 運動検出装置及び操作入力装置
JP2004157850A (ja) * 2002-11-07 2004-06-03 Olympus Corp 運動検出装置
JP2009031295A (ja) * 2008-08-05 2009-02-12 Olympus Corp 移動体姿勢検出装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3188128A4 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110235465A (zh) * 2017-01-23 2019-09-13 瑞典爱立信有限公司 用于FeMTC和eNB-IoT的SC-MCCH片段调度
CN110235465B (zh) * 2017-01-23 2022-08-12 瑞典爱立信有限公司 用于FeMTC和eNB-IoT的SC-MCCH片段调度
US11765554B2 (en) 2017-01-23 2023-09-19 Telefonaktiebolaget Lm Ericsson (Publ) SC-MCCH segment scheduling for FeMTC and eNB-IoT
WO2020137313A1 (ja) 2018-12-28 2020-07-02 パナソニックＩｐマネジメント株式会社 位置測定装置

Also Published As

Publication number Publication date
US20170206666A1 (en) 2017-07-20
EP3188128A4 (en) 2018-08-15
US10169880B2 (en) 2019-01-01
JP2016045874A (ja) 2016-04-04
EP3188128A1 (en) 2017-07-05
CN106575437A (zh) 2017-04-19
CN106575437B (zh) 2020-06-05

Similar Documents

Publication Publication Date Title
WO2016031105A1 (ja) 情報処理装置、情報処理方法、及びプログラム
US11861892B2 (en) Object tracking by an unmanned aerial vehicle using visual sensors
US11948369B2 (en) Visual-inertial positional awareness for autonomous and non-autonomous mapping
US10390003B1 (en) Visual-inertial positional awareness for autonomous and non-autonomous device
US20190121364A1 (en) Fault-tolerance to provide robust tracking for autonomous and non-autonomous positional awareness
CN111344644B (zh) 用于基于运动的自动图像捕获的技术
JP6785385B2 (ja) 周辺デバイスの視覚的追跡
US11609428B2 (en) Information processing apparatus and information processing method
EP3252714A1 (en) Camera selection in positional tracking
WO2019155840A1 (ja) 情報処理装置、情報処理方法、およびプログラム
WO2015093130A1 (ja) 情報処理装置、情報処理方法およびプログラム
US10838515B1 (en) Tracking using controller cameras
KR102190743B1 (ko) 로봇과 인터랙션하는 증강현실 서비스 제공 장치 및 방법
JP7103354B2 (ja) 情報処理装置、情報処理方法、及びプログラム
CN111028272A (zh) 对象追踪方法及装置
JP6789905B2 (ja) 情報処理装置、情報処理方法、プログラムおよび通信システム
EP4207100A1 (en) Method and system for providing user interface for map target creation
Botezatu et al. Development of a versatile assistive system for the visually impaired based on sensor fusion
CN108366899A (zh) 一种图像处理方法、系统以及智能导盲装置
CN111344776B (zh) 信息处理装置、信息处理方法和程序
JP2021103410A (ja) 移動体及び撮像システム
EP4102325A1 (en) Method and system for collecting field operation situation and facility information
US20230245397A1 (en) Information processing method, program, and system
JP2017225722A (ja) 情報処理装置、プログラム、画像表示システム
JP2021086268A (ja) 移動体、情報処理装置、及び撮像システム

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: 15835670

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15324067

Country of ref document: US

REEP Request for entry into the european phase

Ref document number: 2015835670

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 2015835670

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE