WO2020255304A1 - バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム - Google Patents

バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム Download PDF

Info

Publication number
WO2020255304A1
WO2020255304A1 PCT/JP2019/024335 JP2019024335W WO2020255304A1 WO 2020255304 A1 WO2020255304 A1 WO 2020255304A1 JP 2019024335 W JP2019024335 W JP 2019024335W WO 2020255304 A1 WO2020255304 A1 WO 2020255304A1
Authority
WO
WIPO (PCT)
Prior art keywords
barrier
estimated
sets
sensor data
shape
Prior art date
Application number
PCT/JP2019/024335
Other languages
English (en)
French (fr)
Inventor
雄貴 蔵内
阿部　直人
瀬下　仁志
Original Assignee
日本電信電話株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 日本電信電話株式会社 filed Critical 日本電信電話株式会社
Priority to JP2021528542A priority Critical patent/JP7151897B2/ja
Priority to PCT/JP2019/024335 priority patent/WO2020255304A1/ja
Priority to US17/620,063 priority patent/US20220366685A1/en
Publication of WO2020255304A1 publication Critical patent/WO2020255304A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/10—Terrestrial scenes
    • G06V20/17—Terrestrial scenes taken from planes or by drones
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64B—LIGHTER-THAN AIR AIRCRAFT
    • B64B1/00—Lighter-than-air aircraft
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64C—AEROPLANES; HELICOPTERS
    • B64C39/00—Aircraft not otherwise provided for
    • B64C39/02—Aircraft not otherwise provided for characterised by special use
    • B64C39/024—Aircraft not otherwise provided for characterised by special use of the remote controlled vehicle type, i.e. RPV
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64D—EQUIPMENT FOR FITTING IN OR TO AIRCRAFT; FLIGHT SUITS; PARACHUTES; ARRANGEMENT OR MOUNTING OF POWER PLANTS OR PROPULSION TRANSMISSIONS IN AIRCRAFT
    • B64D47/00—Equipment not otherwise provided for
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/10—Simultaneous control of position or course in three dimensions
    • G05D1/101—Simultaneous control of position or course in three dimensions specially adapted for aircraft
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G5/00—Traffic control systems for aircraft, e.g. air-traffic control [ATC]
    • G08G5/04—Anti-collision systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2101/00—UAVs specially adapted for particular uses or applications
    • B64U2101/30—UAVs specially adapted for particular uses or applications for imaging, photography or videography
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B64—AIRCRAFT; AVIATION; COSMONAUTICS
    • B64U—UNMANNED AERIAL VEHICLES [UAV]; EQUIPMENT THEREFOR
    • B64U2201/00—UAVs characterised by their flight controls
    • B64U2201/10—UAVs characterised by their flight controls autonomous, i.e. by navigating independently from ground or air stations, e.g. by using inertial navigation systems [INS]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30181—Earth observation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Definitions

  • Disclosure techniques relate to barrier data collection devices, barrier data collection methods, and barrier data collection programs.
  • Non-Patent Document 1 As a technique for collecting barriers related to flying moving objects, for example, there is a technique for designing a route using a risk value in mesh units for each height (see Non-Patent Document 1).
  • NTT DATA "Demonstration of Flight Management System for Same Airspace / Multiple Drone Operators", "URL: http://www.nttdata.com/jp/ja/news/release/2019/030100.html”, [ March 2019]
  • Non-Patent Document 1 requires sensing at each height in the entire range in the air. Since sensing must be performed at each height, it is assumed that the collection efficiency of the barrier state is poor.
  • the disclosed technology was made in view of the above points, and an object of the present invention is to provide a barrier data collection device, a barrier data collection method, and a barrier data collection program capable of efficiently collecting barrier data.
  • the first aspect of the present disclosure is a barrier data collecting device, which includes position information including a height when a moving body including a flying moving body moving in the air, which is collected in advance for each of the geographical ranges, moves.
  • the estimator estimates which state of the barrier type each of the pairs of the geographic range and the height included in the sensor data is in a predetermined time unit.
  • the barrier is obtained for the unit estimation unit for estimating the above and the set that satisfies the condition of each of the sets.
  • the set It includes a barrier estimation unit that estimates the probability for each barrier type corresponding to each and estimates the barrier type corresponding to the set from the estimated probability for each barrier type.
  • the second aspect of the present disclosure is a barrier data collection method, which includes position information including a height when a moving body including a flying moving body moving in the air, which is collected in advance for each of the geographical ranges, moves.
  • the estimator estimates which state of the barrier type each of the pairs of the geographic range and the height included in the sensor data is in a predetermined time unit. Is estimated, and the barrier shape is estimated based on the sensor data and the estimation result of the barrier state estimated for each of the sets in the time unit for the set that satisfies the condition of each of the sets.
  • the barrier type corresponding to each of the sets based on the estimation result of the barrier state estimated for each of the sets, the estimated barrier shape, and the correct answer rate of the estimator obtained in advance. It is characterized in that the computer executes a process including estimating the probability of each and estimating the barrier type corresponding to the set from the estimated probability of each barrier type.
  • a third aspect of the present disclosure is a barrier data collection program with position information, including height, when a moving object, including a flying moving object moving in the air, is pre-collected for each of the geographic areas.
  • the estimator estimates which state of the barrier type each of the pairs of the geographic range and the height included in the sensor data is in a predetermined time unit. Is estimated, and the barrier shape is estimated based on the sensor data and the estimation result of the barrier state estimated for each of the sets in the time unit for the set that satisfies the condition of each of the sets.
  • the barrier type corresponding to each of the sets based on the estimation result of the barrier state estimated for each of the sets, the estimated barrier shape, and the correct answer rate of the estimator obtained in advance.
  • the computer is made to estimate the probability of each and estimate the barrier type corresponding to the set from the estimated probability of each barrier type.
  • barrier data can be collected efficiently.
  • FIG. 1 is an image diagram showing the relationship between various sensors and a barrier that is an obstacle.
  • the barrier state of the barrier in the air is estimated by various sensors.
  • obstacles not shown on the map include obstacles such as trees, utility poles, and buildings existing on the road, winds in a fixed direction such as building winds, and organisms such as bird strikes.
  • the position of the barrier is not two-dimensional on the road surface, but three-dimensional including the top and bottom in the air. Therefore, the sensor to be used can add not only acceleration but also ultrasonic waves, thermography, sound and the like.
  • FIG. 2 is an image diagram when the lower barrier is estimated by the sensor of the moving vehicle. As shown in FIG. 2, when the barrier shape of the upper part of the tree is estimated, it is probabilistically estimated that there is a barrier below the barrier shape based on the estimated barrier shape.
  • FIG. 3 is a block diagram showing the configuration of the barrier data collection device of the present embodiment.
  • the barrier data collecting device 100 includes a sensor data DB 120, a map data DB 122, a barrier state DB 124, a barrier data DB 126, a unit estimation unit 130, a shape estimation unit 132, and a barrier estimation unit 134. And include. Further, the barrier data collecting device 100 includes a sensor data storage unit 140, a missing data extraction unit 142, and an output unit 150.
  • FIG. 4 is a block diagram showing the hardware configuration of the barrier data collection device 100.
  • the barrier data collecting device 100 includes a CPU (Central Processing Unit) 11, a ROM (Read Only Memory) 12, a RAM (Random Access Memory) 13, a storage 14, an input unit 15, a display unit 16, and communication. It has an interface (I / F) 17. Each configuration is communicably connected to each other via a bus 19.
  • CPU Central Processing Unit
  • ROM Read Only Memory
  • RAM Random Access Memory
  • storage 14 an input unit 15, a display unit 16, and communication. It has an interface (I / F) 17.
  • I / F interface
  • the CPU 11 is a central arithmetic processing unit that executes various programs and controls each part. That is, the CPU 11 reads the program from the ROM 12 or the storage 14, and executes the program using the RAM 13 as a work area. The CPU 11 controls each of the above configurations and performs various arithmetic processes according to the program stored in the ROM 12 or the storage 14. In the present embodiment, the barrier data collection program and the sensor data collection program are stored in the ROM 12 or the storage 14.
  • the ROM 12 stores various programs and various data.
  • the RAM 13 temporarily stores a program or data as a work area.
  • the storage 14 is composed of an HDD (Hard Disk Drive) or an SSD (Solid State Drive), and stores various programs including an operating system and various data.
  • the input unit 15 includes a pointing device such as a mouse and a keyboard, and is used for performing various inputs.
  • the display unit 16 is, for example, a liquid crystal display and displays various types of information.
  • the display unit 16 may adopt a touch panel method and function as an input unit 15.
  • the communication interface 17 is an interface for communicating with other devices such as terminals, and for example, standards such as Ethernet (registered trademark), FDDI, and Wi-Fi (registered trademark) are used.
  • Ethernet registered trademark
  • FDDI FDDI
  • Wi-Fi registered trademark
  • each functional configuration of the barrier data collecting device 100 will be described. Each functional configuration is realized by the CPU 11 reading the barrier data collection program stored in the ROM 12 or the storage 14, deploying it in the RAM 13, and executing it.
  • the processing of the barrier data collecting device 100 is divided into a barrier data collecting processing and a sensor data collecting processing.
  • the barrier data collecting device 100 receives the sensor data acquired by the sensor attached to the moving body when the moving body moves in each of the geographical ranges.
  • the sensor data is stored in the sensor data DB 120 by the sensor data storage unit 140.
  • the sensor data DB 120 stores the sensor data stored by the sensor data storage unit 140.
  • the sensor data is acquired continuously or intermittently.
  • the sensor data is sensor data with position information, and is composed of sensor information collected by a sensor provided on the moving body and the position information of the sensor when the sensor data is collected.
  • Sensor information includes time in milliseconds, acceleration (X, Y, Z), gyro, barometric pressure, temperature, humidity, ultrasonic or acoustic echo, and thermography.
  • the position information is the latitude, longitude, and altitude obtained by satellite positioning such as GPS or positioning by a network.
  • FIG. 5 is a diagram showing an example of sensor data stored in the sensor data DB 120.
  • the sensor data is mainly stored from the sensor data storage unit 140, but it may be stored from the outside.
  • the following sensor data is acquired from the sensor data DB 120.
  • the map data DB 122 stores map data that defines the geographical range of the real world as a "geographic range".
  • the geographic range is defined by the area specified by the polygon or the network specified by the set of nodes and links, and can be identified by the geographic range ID.
  • map data that defines an area by polygons
  • Non-Patent Document 4 Statistics Bureau, Ministry of Internal Affairs and Communications. Characteristics and history of regional mesh statistics.
  • a geographic range is represented by a polygon that defines its outer shape, and is defined by a set of geographic range IDs and coordinates of points that make up the polygon.
  • FIG. 6 shows an example of expressing a geographical range by a mesh as an example of expressing by polygons.
  • the geographic range is represented by a point representing a route and a set of lines which is an order list of points, and is defined by a geographic range ID and a set of points and lines.
  • FIG. 7 shows an example of a geographical range represented by a line of a set of points and lines.
  • the position of the sensor data is given, the position is associated with the range on the map data.
  • the polygon to which the point belongs is set as the geographic range to which the sensor data belongs.
  • the geographic range is represented by a line
  • the line closest to the position of the sensor data is set as the geographic range to which the sensor data belongs.
  • the unit estimation unit 130 uses an estimator to determine which state of the barrier type each of the pairs of the geographic range and the height included in the sensor data is in a predetermined time unit. Estimate the estimated barrier state.
  • the barrier type indicates the type of barrier existing in the space that can be identified by the sensor data.
  • the barrier type includes, for example, states such as "obstacle”, “wind”, and "living organism”.
  • the unit estimation unit 130 performs the following processes 1 to 4.
  • Process 2 performs processing for each sensor data recorded for each time in a predetermined time unit, counts the state of the barrier type for each time, and counts the state of the barrier type in a predetermined time unit (for example, 100 milliseconds). To estimate.
  • processing may be performed for each minimum unit using the minimum unit compiled by averaging the sensor data in several milliseconds to several tens of milliseconds.
  • the unit estimation unit 130 first reads the sensor data from the sensor data DB 120 as the process 1. As the sensor data of the sensor data DB 120, the sensor data with the time in milliseconds as the minimum time unit is used.
  • the unit estimation unit 130 estimates the barrier type for each time using an estimator for the sensor data for each time in a predetermined time unit, and obtains the estimation result for each time.
  • the estimator used for estimation a model trained to estimate the barrier type separately can be used.
  • the barrier type is estimated by the estimator by class classification. For example, it is given as a ternary value such as ⁇ obstacle, wind, creature ⁇ .
  • the classification may be binary, quintuple, or the like.
  • the next process 3 is performed in parallel with the process 2.
  • the unit estimation unit 130 sets each of the geographical range and the height set as the process 3 based on the position information of the sensor data at each time in a predetermined time unit.
  • the geographic range ID that matches the position information is extracted from the map data of the map data DB 122.
  • the position information is given by, for example, a set of latitude and longitude.
  • the extracted geographic range ID and the height obtained from the sensor data are paired.
  • the unit estimation unit 130 associates the estimation result of the barrier type estimated in the process 2 with each of the sets of the geographic range ID and the height of the sensor data set in the process 3, and sets the estimation result of the barrier state as the estimation result of the barrier state.
  • the barrier state means the count result of the barrier type.
  • FIG. 8 is a diagram showing an example of data stored in the barrier state DB 124.
  • the barrier state DB 124 counts and stores the estimated number for each barrier type for each combination of the geographical range ID and the height.
  • the shape item is estimated by the shape estimation unit 132, which will be described later.
  • the sensor ID of the sensor that is the acquisition source is given to the original sensor data for each acquisition unit, and the sensor that is the source is set to the estimated barrier state for each geographic range.
  • the ID may be added and then stored.
  • the sensor data for the same stored sensor data ID is newly obtained sensor data. Can be replaced with.
  • the processing efficiency can be improved by adjusting only the number of the estimation results of the barrier state.
  • the shape estimation unit 132 is based on the sensor data and the estimation result of the barrier state estimated for each of the sets for the set that satisfies each of the sets of the geographic range and the height included in the sensor data. To estimate the barrier shape.
  • the estimated barrier shape is recorded in the shape item of the barrier state DB 124.
  • the shape estimation unit 132 sets the conditions for the set as a case where the ratio of obstacles in the barrier state of the set is equal to or higher than the threshold value.
  • the width is estimated as the barrier shape.
  • the barrier shape is the shape of the object estimated from the sensor data.
  • the shape of the object may be estimated from the sensor data representing the shape of the object such as ultrasonic echo or thermography among the sensor data.
  • the dendritic shape representing a tree as the shape of the object "tree-shaped, width 5 m" and the width of the object can be estimated as the barrier shape.
  • the barrier shape can be similarly estimated if it is another object that can be estimated from the sensor data. Examples of the object include utility poles and buildings.
  • the barrier estimation unit 134 corresponds to each set based on the estimation result of the barrier state estimated for each set, the estimated barrier shape, and the correct answer rate of the estimator obtained in advance. Estimate the probability of each. Further, the barrier estimation unit 134 estimates the barrier type corresponding to the set from the estimated probabilities for each barrier type. The barrier estimation unit 134 stores the estimated probability for each barrier type, the barrier type, and the shape estimated by the shape estimation unit 132 together in the barrier data DB 126.
  • the correct answer rate of the result is clear for the estimator used in estimating the barrier state.
  • This value is obtained by accuracy evaluation of the model obtained as a result of supervised learning. From this accuracy rate and the set of estimation results of the barrier state at the position associated with a certain geographic range and height set, the barrier type in the set can be stochastically obtained.
  • the barrier type is classified into two values of ⁇ obstacle, (other than obstacle) ⁇ for convenience, and the barrier type is also expressed by these two values.
  • X be the actual barrier type
  • x be the estimated barrier type
  • X) be the probability that the location where the reality is X is estimated as x by the selected estimator.
  • the teacher data is "obstacle” (Barrier) and the estimated data is "obstacle” is written as a
  • the probability that the obstacle is estimated as "obstacle” Can be written as P (a
  • the teacher data is "Other” (Accessible) is written as B
  • x) that there is an "obstacle” at that location from one estimation x can be written as the following equation (1) from Bayes' theorem.
  • the probability P (A) that an arbitrary position is an obstacle is clear, and the performance of the barrier type estimator in the set is P (a
  • the probability of being an obstacle under the above conditions is obtained as shown in FIG.
  • the horizontal axis is n, and the probability of being other is shown for each number of times estimated to be an obstacle. For example, if it is estimated to be an obstacle 4 times out of 5, the other probability is about 0.01, that is, the probability of being an obstacle is 99%.
  • the barrier estimation unit 134 estimates the barrier type for which the probability of the barrier type is equal to or higher than the threshold value for each set as the barrier type of the set.
  • FIG. 10 shows an example of the data stored in the barrier data DB 126.
  • the barrier data DB 126 stores the probability for each barrier type for each set of geographic range ID and height, the barrier type estimated from the probability, and the shape. Since the probability of the barrier type may be unknown, it may not be 1 even if all the values in each row are added (it becomes 1 when "unknown" is added).
  • the barrier estimation unit 134 calculates the probability for each barrier type for each set based on the estimation result of the barrier state estimated for each set and the correct answer rate of the estimator obtained in advance. Estimate and estimate the barrier type from the estimated probability for each barrier type. Further, the barrier estimation unit 134 determines the barrier type and the barrier shape having a height different from the height of the set based on the barrier type estimated for each set and the barrier shape estimated for each set. presume.
  • the geographic range of the set is the same. For example, the portion surrounded by the thick frame in FIG. 10 is the barrier type estimated at different heights, and is the set added in the estimation process.
  • a set of records of the geographic range ID 5 and 10 m is added to the barrier data DB 126, and the probability, the barrier type, and the shape of the barrier type similar to the geographic range ID 5 and the height 30 m are copied.
  • the height to be added may be determined in advance for the original height and shape set. Since it is only necessary to know at least the barrier type, the probability and shape may be left blank because the added set is not estimated.
  • the sensor data storage unit 140 When the sensor data storage unit 140 receives the sensor data, it starts processing and stores it in the sensor data DB 120.
  • the insufficient data extraction unit 142 extracts a set of geographic ranges and heights in which the probability of the barrier type stored in the barrier data DB 126 is less than a predetermined threshold value as a set in which sensor data is insufficient. Specifically, for each barrier type, the probability of the barrier type is compared with the threshold value, and a group in which there is no barrier type whose probability is equal to or higher than the threshold value is extracted as a group lacking sensor data. Then, the output unit 50 transmits a sensor data acquisition request to the moving body in the set of geographic areas where the extracted sensor data is insufficient.
  • the threshold value may differ depending on the barrier type. For example, the probability that the barrier type is an obstacle must be 70% or more, but the probability of a barrier type other than an obstacle is 30% or more, and no more is required. ..
  • (1) and (2) for the moving body to send the request are methods (1) and (2) for the moving body to send the request, and either of them may be adopted.
  • (1) is a method of acquiring information on a moving body from a database outside the present device and transmitting a request for sensor data acquisition in the geographic range to the moving body according to conditions.
  • (2) is a method in which the geographic range of the request target is made public in a system outside the present device, and the acquisition of sensor data is started at the timing when the moving body enters the geographical range.
  • FIG. 11 is a flowchart showing the flow of the barrier data collection process by the barrier data collection device 100.
  • the barrier data collection process is performed by the CPU 11 reading the barrier data collection program from the ROM 12 or the storage 14, deploying it in the RAM 13 and executing it.
  • step S100 the CPU 11 reads out the sensor data stored in the sensor data DB 120.
  • Sensor data is the smallest unit for each time.
  • step S102 the CPU 11 estimates the barrier type for each time using an estimator for the sensor data for each time in a predetermined time unit, and obtains the estimation result for each time.
  • step S104 the CPU 11 sets each of the geographic range and height sets based on the position information of the sensor data at each time in a predetermined time unit.
  • step S106 the CPU 11 associates the estimation result of the barrier type estimated in step S102 with each of the sets set in step S104, and records it in the barrier state DB 124 as the estimation result of the barrier state.
  • step S108 the CPU 11 sets the sensor data and the estimation result of the barrier state estimated for each of the sets for the set that satisfies each of the sets of the geographic range and the height included in the sensor data. Based on this, the barrier shape is estimated. The estimated barrier shape is recorded in the barrier state DB 124.
  • step S110 the CPU 11 selects a set.
  • step S112 the CPU 11 estimates and estimates the probability for each barrier type for the selected set based on the estimation result of the barrier state estimated for each set and the correct answer rate of the estimator obtained in advance.
  • the barrier type is estimated from the probability of each barrier type.
  • step S114 based on the barrier type estimated for the selected set and the barrier shape estimated for the set, the barrier type and the barrier shape having a height different from the height of the set are selected for the selected set. presume.
  • step S116 it is determined whether or not the barrier type has been estimated for all the sets, the process is terminated if all the sets have been estimated, and if not estimated for all the sets, the process returns to step S110 and then the process is completed. Select a pair and repeat the process.
  • FIG. 12 is a flowchart showing the flow of the sensor data collection process by the barrier data collection device 100.
  • the sensor data collection process is performed by the CPU 11 reading the sensor data collection program from the ROM 12 or the storage 14, deploying it in the RAM 13 and executing it.
  • step S200 the CPU 11 extracts a set of geographic ranges and heights in which the probability of the barrier type stored in the barrier data DB 126 is less than a predetermined threshold value as a set lacking sensor data.
  • step S202 the CPU 11 transmits a sensor data acquisition request to the moving body in the set of geographic areas where the sensor data extracted in step S200 is insufficient by the output unit 50. You may specify the height of the pair in the request.
  • step S204 the CPU 11 acquires the sensor data from the geographical range in which the request was transmitted, stores the sensor data in the sensor data DB 120, and ends the process.
  • the unit estimation unit 130 may be notified that new sensor data has been acquired, and the barrier data collection process may be executed.
  • barrier data can be efficiently collected.
  • processors other than the CPU may execute the barrier data collection process and the sensor data collection process executed by the CPU reading the software (program) in each of the above embodiments.
  • the processors include PLD (Programmable Logic Device) whose circuit configuration can be changed after manufacturing FPGA (Field-Programmable Gate Array), and ASIC (Application Specific Integrated Circuit) for executing ASIC (Application Special Integrated Circuit).
  • PLD Programmable Logic Device
  • FPGA Field-Programmable Gate Array
  • ASIC Application Specific Integrated Circuit
  • An example is a dedicated electric circuit or the like, which is a processor having a circuit configuration designed exclusively for the purpose.
  • barrier data collection process and the sensor data collection process may be performed on one of these various processors, or a combination of two or more processors of the same type or different types (eg, a plurality of FPGAs, and It may be executed by a combination of a CPU and an FPGA, etc.).
  • the hardware structure of these various processors is, more specifically, an electric circuit in which circuit elements such as semiconductor elements are combined.
  • the program is a non-temporary storage medium such as a CD-ROM (Compact Disk Read Only Memory), a DVD-ROM (Digital entirely Disk Online Memory), and a USB (Universal Serial Bus) memory. It may be provided in the form. Further, the program may be downloaded from an external device via a network.
  • (Appendix 1) With memory With at least one processor connected to the memory Including The processor Based on sensor data with position information including height when a moving object including a flying moving object moving in the air is moved, which is collected in advance for each of the geographic ranges, the estimator is used in a predetermined time unit. , For each of the pairs of the geographic range and the height included in the sensor data, the barrier state is estimated, which is the state of the barrier type. The barrier shape is estimated based on the sensor data and the estimation result of the barrier state estimated for each of the sets in the time unit for the set satisfying the condition of each of the sets.
  • the probability of the barrier type corresponding to the set is estimated from the estimated probability of each barrier type.
  • Barrier data collection device configured to.
  • the estimator is used to set a predetermined time unit.
  • the barrier state is estimated, which is the state of the barrier type.
  • the barrier shape is estimated based on the sensor data and the estimation result of the barrier state estimated for each of the sets in the time unit for the set satisfying the condition of each of the sets.
  • the estimated barrier shape is estimated from the estimated probability of each barrier type.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Multimedia (AREA)
  • Remote Sensing (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Geometry (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • Instructional Devices (AREA)
  • Navigation (AREA)

Abstract

バリアデータ収集装置は、地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々とセンサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定する単位推定部と、組の各々のうちの条件を満たす組について、センサデータと、時間単位で組の各々について推定されたバリア状態の推定結果とに基づいて、バリア形状を推定する形状推定部と、組の各々について推定されたバリア状態の推定結果と、推定されたバリア形状と、予め求められた推定器の正解率とに基づいて、組の各々に対応する、バリア種別ごとの確率を推定し、推定されたバリア種別ごとの確率から当該組に対応するバリア種別を推定するバリア推定部と、を含む。

Description

バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム
　開示の技術は、バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム
に関する。
　従来、路面上の障害物であるバリアを収集する手法が存在する。また、ドローンなどの飛行移動体が空中を移動する上では、空中に電線、及び樹木などの様々なバリアが存在する。
　飛行移動体に関するバリアを収集する技術としては、例えば、高さごとにメッシュ単位のリスク値を用いた航路設計を行う技術がある（非特許文献１参照）。
　しかし、非特許文献１の技術では、空中の全範囲における各高さでのセンシングを必要としている。各高さでセンシングを行わなければならないため、バリア状態の収集効率が悪いと想定される。
　開示の技術は、上記の点に鑑みてなされたものであり、効率的にバリアデータを収集できるバリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラムを提供することを目的とする。
　本開示の第１態様は、バリアデータ収集装置であって、地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々と前記センサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定する単位推定部と、前記組の各々のうちの条件を満たす組について、前記センサデータと、前記時間単位で前記組の各々について推定された前記バリア状態の推定結果とに基づいて、バリア形状を推定する形状推定部と、前記組の各々について推定された前記バリア状態の推定結果と、推定された前記バリア形状と、予め求められた推定器の正解率とに基づいて、前記組の各々に対応する、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から当該組に対応する前記バリア種別を推定するバリア推定部と、を含む。
　本開示の第２態様は、バリアデータ収集方法であって、地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々と前記センサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定し、前記組の各々のうちの条件を満たす組について、前記センサデータと、前記時間単位で前記組の各々について推定された前記バリア状態の推定結果とに基づいて、バリア形状を推定し、前記組の各々について推定された前記バリア状態の推定結果と、推定された前記バリア形状と、予め求められた推定器の正解率とに基づいて、前記組の各々に対応する、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から当該組に対応する前記バリア種別を推定する、ことを含む処理をコンピュータが実行することを特徴とする。
　本開示の第３態様は、バリアデータ収集プログラムであって、地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々と前記センサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定し、前記組の各々のうちの条件を満たす組について、前記センサデータと、前記時間単位で前記組の各々について推定された前記バリア状態の推定結果とに基づいて、バリア形状を推定し、前記組の各々について推定された前記バリア状態の推定結果と、推定された前記バリア形状と、予め求められた推定器の正解率とに基づいて、前記組の各々に対応する、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から当該組に対応する前記バリア種別を推定する、ことをコンピュータに実行させる。
　開示の技術によれば、効率的にバリアデータを収集することができる。
各種センサと障害物であるバリアとの関係を示すイメージ図である。 移動飛行体のセンサによって下方のバリアを推定する場合のイメージ図である。 本実施形態のバリアデータ収集装置の構成を示すブロック図である。 バリアデータ収集装置のハードウェア構成を示すブロック図である。 センサデータＤＢに格納されるセンサデータの一例を示す図である。 メッシュにより地理範囲を表現した場合の一例を示す図である。 点及び線の集合のラインで表現される地理範囲の一例を示す図である。 バリア状態ＤＢに格納されるデータの一例を示す図である。 バリア種別の回数及び確率の関係の一例を示す図である。 バリアデータＤＢに格納されるデータの一例を示す図である。 バリアデータ収集装置によるバリアデータ収集処理の流れを示すフローチャートである。 バリアデータ収集装置によるセンサデータ収集処理の流れを示すフローチャートである。
　以下、開示の技術の実施形態の一例を、図面を参照しつつ説明する。なお、各図面において同一又は等価な構成要素及び部分には同一の参照符号を付与している。また、図面の寸法比率は、説明の都合上誇張されており、実際の比率とは異なる場合がある。
　まず、本開示の技術の概要について説明する。図１は、各種センサと障害物であるバリアとの関係を示すイメージ図である。以下に説明する実施形態では、図１に示すように、各種センサによって空中にあるバリアのバリア状態を推定する。空中の場合は、取るべきバリアの種別にバリエーションが生じる。例えば、地図に記載のない障害となる対象としては、路上に存在する樹木、電柱、及びビルといった障害物、ビル風など決まった向きの風、及びバードストライクなどの生物が挙げられる。また、バリアの位置が路面上の２次元でなく、空中の上下も含めた３次元となる。よって、利用するセンサが加速度等だけでなく、超音波、サーモグラフィ、及び音響などが加わりうる。
　従来技術では、空中の各高さでセンシングが必要であったため収集効率が悪いという課題があった。そこで、本実施形態では、センサデータからバリアのバリア形状を推定し、バリア形状に応じてバリアを登録する。これにより障害物を回り込んでのセンシング、他の高さにおけるセンシングの頻度を減らし、効率的なセンシングを可能とする。図２は、移動飛行体のセンサによって下方のバリアを推定する場合のイメージ図である。図２に示すように、樹木の上の部分のバリア形状を推定した場合に、推定したバリア形状をもとに、確率的に下方にもバリアがあると推定する。
　以下、本実施形態の構成について説明する。以下では、ドローンなどの空中を移動する飛行移動体（以下、単に移動体と記載する）からセンサデータを収集し、バリア状態を推定する場合を例に説明する。なお、空中のセンサデータを取得できる移動体であればなんであってもよい。
　図３は、本実施形態のバリアデータ収集装置の構成を示すブロック図である。
　図３に示すように、バリアデータ収集装置１００は、センサデータＤＢ１２０と、地図データＤＢ１２２と、バリア状態ＤＢ１２４と、バリアデータＤＢ１２６と、単位推定部１３０と、形状推定部１３２と、バリア推定部１３４とを含む。また、バリアデータ収集装置１００は、センサデータ格納部１４０と、不足データ抽出部１４２と、出力部１５０とを含む。
　図４は、バリアデータ収集装置１００のハードウェア構成を示すブロック図である。
　図４に示すように、バリアデータ収集装置１００は、ＣＰＵ（Ｃｅｎｔｒａｌ　Ｐｒｏｃｅｓｓｉｎｇ　Ｕｎｉｔ）１１、ＲＯＭ（Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）１２、ＲＡＭ（Ｒａｎｄｏｍ　Ａｃｃｅｓｓ　Ｍｅｍｏｒｙ）１３、ストレージ１４、入力部１５、表示部１６及び通信インタフェース（Ｉ／Ｆ）１７を有する。各構成は、バス１９を介して相互に通信可能に接続されている。
　ＣＰＵ１１は、中央演算処理ユニットであり、各種プログラムを実行したり、各部を制御したりする。すなわち、ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４からプログラムを読み出し、ＲＡＭ１３を作業領域としてプログラムを実行する。ＣＰＵ１１は、ＲＯＭ１２又はストレージ１４に記憶されているプログラムに従って、上記各構成の制御及び各種の演算処理を行う。本実施形態では、ＲＯＭ１２又はストレージ１４には、バリアデータ収集プログラム及びセンサデータ収集プログラムが格納されている。
　ＲＯＭ１２は、各種プログラム及び各種データを格納する。ＲＡＭ１３は、作業領域として一時的にプログラム又はデータを記憶する。ストレージ１４は、ＨＤＤ（Ｈａｒｄ　Ｄｉｓｋ　Ｄｒｉｖｅ）又はＳＳＤ（Ｓｏｌｉｄ　Ｓｔａｔｅ　Ｄｒｉｖｅ）により構成され、オペレーティングシステムを含む各種プログラム、及び各種データを格納する。
　入力部１５は、マウス等のポインティングデバイス、及びキーボードを含み、各種の入力を行うために使用される。
　表示部１６は、例えば、液晶ディスプレイであり、各種の情報を表示する。表示部１６は、タッチパネル方式を採用して、入力部１５として機能してもよい。
　通信インタフェース１７は、端末等の他の機器と通信するためのインタフェースであり、例えば、イーサネット（登録商標）、ＦＤＤＩ、Ｗｉ－Ｆｉ（登録商標）等の規格が用いられる。
　次に、バリアデータ収集装置１００の各機能構成について説明する。各機能構成は、ＣＰＵ１１がＲＯＭ１２又はストレージ１４に記憶されたバリアデータ収集プログラムを読み出し、ＲＡＭ１３に展開して実行することにより実現される。バリアデータ収集装置１００の処理は、バリアデータ収集処理と、センサデータ収集処理とに分けられる。
　バリアデータ収集装置１００は、移動体に取り付けられたセンサによって取得された、移動体が地理範囲の各々を移動したときのセンサデータを受け付ける。センサデータは、センサデータ格納部１４０によりセンサデータＤＢ１２０に格納する。
　センサデータＤＢ１２０には、センサデータ格納部１４０によって格納されたセンサデータが記憶されている。ここで、センサデータは、連続的あるいは間欠的に取得される。センサデータは位置情報付きのセンサデータであり、移動体に備えられたセンサによって収集されたセンサ情報と、当該センサデータが収集されたときのセンサの位置情報によって構成される。センサ情報としては、ミリ秒単位の時刻、加速度（Ｘ，Ｙ，Ｚ）、ジャイロ、気圧、温度、湿度、超音波又は音響によるエコー、及びサーモグラフィを含む。位置情報は、ＧＰＳ等の衛星測位、あるいはネットワークによる測位などによって得られる緯度、経度、及び高度である。図５は、センサデータＤＢ１２０に格納されるセンサデータの一例を示す図である。センサデータは主にセンサデータ格納部１４０から格納されるが、外部から格納されるようにしてもよい。以下のセンサデータは、センサデータＤＢ１２０から取得する。
　地図データＤＢ１２２には、実世界の地理的な範囲を「地理範囲」として定義した地図データが記憶されている。地理範囲は、ポリゴンによって指定される領域、あるいはノードとリンクの集合によって指定されるネットワークによって定義され、地理範囲ＩＤによって同定可能とする。
　ポリゴンによる領域の定義を行う地図データの例としては、日本の国土を緯度と経度とによって矩形に分割する地域メッシュ（非特許文献４参照）がある。
［非特許文献４］総務省統計局.地域メッシュ統計の特質・沿革.
　例えば、地理範囲は、その外形を定義するポリゴンによって表現され、地理範囲ＩＤと、ポリゴンを構成する点の座標の集合によって定義される。図６にポリゴンで表現される場合の例として、メッシュにより地理範囲を表現した場合の一例を示す。
　また別の例としては、地理範囲を、経路を表現する点と、点の順序リストである線の集合とによって表現し、地理範囲ＩＤと、点及び線の集合とによって定義する。図７に、点及び線の集合のラインで表現される地理範囲の一例を示す。
　センサデータの位置が与えられたとき、位置は地図データ上の範囲に対応づけられる。例えば、隙間のないポリゴンの集合で地理範囲が表現される場合は、最も単純な例によれば、点が属するポリゴンを、センサデータが属する地理範囲とする。
　また、ラインで地理範囲が表現される場合、最も単純な例では、センサデータの位置との距離が最も近いラインを、センサデータが属する地理範囲とする。
　単位推定部１３０は、センサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々とセンサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定する。
　ここで、バリア種別は、センサデータによって識別できる空間に存在するバリアの種別を示している。バリア種別は、例えば「障害物」、「風」、及び「生物」等の状態が含まれる。
　単位推定部１３０は、具体的には以下の処理１～４を行う。処理２は、所定の時間単位における時刻ごとに記録されているセンサデータごとに処理を行い、時刻ごとにバリア種別の状態をカウントして、所定の時間単位（例えば、１００ミリ秒）におけるバリア状態を推定する。なお、数ミリ秒～数十ミリ秒でセンサデータの平均をとるなどしてまとめた最小単位を用いて、最小単位ごとに処理を行ってもよい。
　単位推定部１３０は、処理１として、まず、センサデータＤＢ１２０からセンサデータを読み出す。センサデータＤＢ１２０のセンサデータは、ミリ秒単位の時刻を最小時間単位としたセンサデータを用いる。
　単位推定部１３０は、処理２として、所定の時間単位における時刻ごとのセンサデータに対して、推定器を用いて、時刻ごとのバリア種別の推定を行い、時刻ごとの推定結果を得る。推定のために用いる推定器は、別個にバリア種別を推定するように学習させたモデルを利用できる。
　推定器によるバリア種別の推定はクラス分類によって行われる。例えば、｛障害物、風、生物｝のように３値で与えられる。なお、クラス分類は、２値、５値等でもよい。
　処理２と並行して次の処理３を行う。
　単位推定部１３０は、処理３として、所定の時間単位における各時刻のセンサデータの位置情報に基づいて、地理範囲及び高さの組の各々を設定する。地理範囲の設定は、位置情報に合致する地理範囲ＩＤを地図データＤＢ１２２の地図データから抽出する。ここで位置情報としては、例えば緯度及び経度の組などによって与えられる。抽出された地理範囲ＩＤと、センサデータにより得られている高さとを組にする。
　単位推定部１３０は、処理４として、処理３で設定した地理範囲ＩＤ及びセンサデータの高さの組の各々に、処理２で推定したバリア種別の推定結果を対応付け、バリア状態の推定結果としてバリア状態ＤＢ１２４に記録する。例えば、ある組の、あるセンサデータのバリア状態の推定結果として、地理範囲ＩＤ５及び高さ３０ｍの組のバリア種別が「障害物」と推定された場合には、バリア状態ＤＢ１２４の地理範囲ＩＤ５及び高さ３０ｍの障害物を１カウントアップする。最終的に、所定の時間単位の間に推定されたバリア種別のカウント結果を、バリア状態の推定結果とする。以下、バリア状態とは、バリア種別のカウント結果を意味する。
　図８は、バリア状態ＤＢ１２４に格納されるデータの一例を示す図である。図８に示すように、バリア状態ＤＢ１２４には、地理範囲ＩＤ及び高さの組み合わせごとに、推定されたバリア種別ごとの数がカウントされて格納されている。なお、形状の項目については後述する形状推定部１３２で推定する。
　また、実施態様によっては、元となるセンサデータには取得単位ごとに、取得元となったセンサのセンサＩＤを与えておき、推定された地理範囲別のバリア状態に、その元となったセンサＩＤを付加した上で格納されるようにしてもよい。このとき、同一のセンサＩＤについて、既に実行したより優れた方式で時間単位のバリア状態の推定が実行された場合、格納されている同一のセンサデータＩＤに対するセンサデータを、新たに得たセンサデータで置き換えることが可能となる。また、実施態様によっては、地理範囲ＩＤ及び高さの範囲が変わる場合には、バリア状態の推定結果の個数だけを加減させることで、処理効率を上げられる。
　以上が、単位推定部１３０の処理１～４の説明である。
　形状推定部１３２は、地理範囲の各々とセンサデータに含まれる高さとの組の各々のうちの条件を満たす組について、センサデータと、組の各々について推定されたバリア状態の推定結果とに基づいて、バリア形状を推定する。推定したバリア形状は、バリア状態ＤＢ１２４の形状の項目に記録する。
　形状推定部１３２は、例えば、組について定めた条件を、当該組のバリア状態の障害物の割合が閾値以上の場合として、条件を満たす組について、センサデータから、障害物に対応する物体の形状及び横幅をバリア形状として推定する。バリア形状とは、センサデータから推定される物体の形状である。物体の形状は、センサデータのうちの、超音波によるエコー又はサーモグラフィなどの物体の形状を表すセンサデータから推定すればよい。図８に示すように、例えば、「樹状、幅５ｍ」という物体の形状として樹木を表す樹状の形状、及び物体の横幅を、バリア形状として推定できる。センサデータから推定可能な他の物体であればバリア形状を同様に推定可能である。物体としては、例えば、電柱、ビルなどが挙げられる。
　バリア推定部１３４は、組の各々について推定されたバリア状態の推定結果と、推定されたバリア形状と、予め求められた推定器の正解率とに基づいて、組の各々に対応する、バリア種別ごとの確率を推定する。また、バリア推定部１３４は、推定された前記バリア種別ごとの確率から当該組に対応するバリア種別を推定する。バリア推定部１３４は、推定したバリア種別ごとの確率、及びバリア種別と、形状推定部１３２で推定された形状とを併せて、バリアデータＤＢ１２６に格納する。
　バリア種別ごとの確率の推定について説明する。ここで、バリア状態の推定において使用される推定器について、結果の正解率が明らかであるとする。この値は、教師あり学習の結果得られたモデルに対する精度評価によって得られる。この正解率と、ある地理範囲及び高さの組に対応付けられた位置におけるバリア状態の推定結果の集合から、当該組におけるバリア種別を確率的に求めることができる。
　以下に、バリア種別の推定の処理の具体例を示す。ここではバリア種別が便宜的に｛障害物、（障害物以外の）その他｝の２値に分類されており、バリア種別もこの２値で表現されるとする。
　現実のバリア種別をＸ、推定されたバリア種別をｘとし、選択した推定器により、現実がＸである場所をｘと推定する確率を、Ｐ（ｘ｜Ｘ）とする。例えば教師データ（現実のバリア種別）が「障害物」（Ｂａｒｒｉｅｒ）である場合をＡ、推定データが「障害物」であることをａと書くと、障害物を「障害物」と推定する確率はＰ（ａ｜Ａ）と書ける。同様に教師データが「その他」（Ａｃｃｅｓｓｉｂｌｅ）であることをＢ、推定データが「その他」であることをｂと書くことにする。また、現実の場所が「障害物」、「その他」であることをそれぞれＰ（Ａ）、Ｐ（Ｂ）とする。このとき、１つの推定ｘからその場所に「障害物」がある確率Ｐ（Ａ｜ｘ）は、ベイズの定理より以下（１）式のように書ける。
Figure JPOXMLDOC01-appb-M000001
                                          ・・・（１）
　バリア種別の複数の推定から、ある場所のバリア種別が障害物である確率を求める。バリア種別を知りたい場所で、ｎ回の推定が、リストｘ＝（ｘ１，ｘ２，…，ｘｎ）∈｛ａ，ｂ｝ｎとして得られたとする。ｘにおいてａがｒ回、ｂがｎ－ｒ回出現するならば、以下のように求まる。
Figure JPOXMLDOC01-appb-I000002
　ただし、
Figure JPOXMLDOC01-appb-I000003

は、コンビネーションである。よって、この場所の現実のバリア種別がＡである確率Ｐ（Ａ｜ｘ）は以下（２）式のように求められる。
Figure JPOXMLDOC01-appb-M000004
                                          ・・・（２）
　ここで、例として以下（１）～（４）の条件を挙げる。
（１）任意の場所がＡ（障害物）である確率、つまり教師データ中のＡの比率をＰ（Ａ）＝０．７とする。また、Ｐ（Ｂ）＝０．３とする。
（２）現実がＡの場所でａと予測（障害物がある場所で「障害物」と予測）される確率をＰ（ａ│Ａ）＝０．８とする。また、Ｐ（ｂ│Ａ）＝０．２とする。
（３）現実がＢの場所でａと予測（障害物ではない場所で「障害物」と予測）される確率をＰ（ａ│Ｂ）＝０．３とする。また、Ｐ（ｂ│Ｂ）＝０．７とする。
（４）５回中４回障害物であると推定されたとする。つまりｎ＝５，ｒ＝４とする。
　この場合、この場所が実際に障害物である確率は以下（３）式の通りとなる。
Figure JPOXMLDOC01-appb-M000005
                                                 ・・・（３）
　以上のようにして、バリア状態の推定結果の集合から、地理範囲及び高さの組に対するバリア種別の確率つきの推定が可能となる。
　上記（２）式より、任意の位置が障害物である確率Ｐ（Ａ）が明らかであり、組におけるバリア種別の推定器の性能が、Ｐ（ａ｜Ａ），Ｐ（ａ│Ｂ）として与えられていれば、所定の時間単位におけるｎ回中、障害物と判断された回数ｒより、範囲が障害物である確率が得られる。
　上記条件により障害物である確率は、図９のように得られる。図９では、横軸がｎであり、その内、障害物であると推定された回数ごとに、その他である確率を示す。たとえば、５回中４回障害物と推定された場合、その他の確率は約０．０１、つまり障害物である確率は９９％となる。
　図９のグラフを用いると、障害物の確率が９９．９％（その他確率が１０－３＝０．００１）を達成するためには、７回中７回、８回中８回、９回中８回、１０回中９回、障害物であると推定されれば良いことが分かる。
　バリア推定部１３４は、組の各々について、バリア種別の確率が閾値以上のバリア種別を、当該組のバリア種別として推定する。
　図１０にバリアデータＤＢ１２６に格納されるデータの一例を示す。図１０に示すように、バリアデータＤＢ１２６には、地理範囲ＩＤ及び高さの組ごとの、バリア種別ごとの確率、確率から推定されるバリア種別、及び形状が格納される。なお、バリア種別の確率は不明である場合もあるため、各行の値を全て足しても１にならない場合がある（「不明」を加えると１となる）。
　以上のように、バリア推定部１３４は、組の各々について推定されたバリア状態の推定結果と、予め求められた推定器の正解率とに基づいて、組の各々について、バリア種別ごとの確率を推定し、推定されたバリア種別ごとの確率からバリア種別を推定する。また、バリア推定部１３４は、組の各々について推定されたバリア種別と、組の各々について推定されたバリア形状とに基づいて、当該組の高さとは異なる高さのバリア種別、及びバリア形状を推定する。ここで、組の地理範囲は同一である。例えば、図１０の太枠で囲った部分が、異なる高さで推定されたバリア種別であり、当該推定処理で追加された組である。例えば、地理範囲ＩＤ５及び高さ３０ｍの組について、３０ｍの高さで、形状が「樹状、５ｍ」であれば当該組は樹木が存在していると推定できたとする。この場合３０ｍの下方にも樹木があると推定できる。そのため、例えば、バリアデータＤＢ１２６に地理範囲ＩＤ５及び１０ｍの組のレコードを追加して、地理範囲ＩＤ５及び高さ３０ｍと同様のバリア種別の確率、バリア種別、及び形状をコピーする。追加する高さは、元の高さ及び形状の組について予め定めておけばよい。なお、少なくともバリア種別だけわかればよいため、追加した組について推定されていないため確率、及び形状についてはブランクとしても構わない。
　以上がバリアデータ収集処理の説明である。
　次に、センサデータ収集処理について説明する。
　センサデータ格納部１４０は、センサデータを受信すると、処理を開始し、センサデータＤＢ１２０に格納する。
　不足データ抽出部１４２は、バリアデータＤＢ１２６に格納されているバリア種別の確率が、予め定められた閾値に満たない地理範囲及び高さの組を、センサデータが不足している組として抽出する。具体的には、バリア種別ごとに、バリア種別の確率を閾値と比較し、確率が閾値以上となるバリア種別が存在しない組を、センサデータが不足している組として抽出する。そして、出力部５０により、抽出されたセンサデータが不足している組の地理範囲にある移動体に対して、センサデータの取得リクエストを送信する。
　閾値は、バリア種別によって異なっていて構わない。例えば、バリア種別が障害物である確率については７０％以上の確度でなければならないが、障害物以外のバリア種別の確率については３０％以上あればそれ以上は必要としない、といった基準を設けられる。
　リクエストを送信する移動体については、（１）又は（２）の方法があり、いずれを採用してもよい。（１）は、移動体の情報を本装置の外のデータベースから取得し、条件に従って移動体に対して、当該地理範囲においてセンサデータ取得のリクエストを送信する方法である。（２）は、リクエスト対象の地理範囲を本装置の外のシステムで公開しておき、移動体が当該地理範囲に進入したタイミングでセンサデータの取得を開始する方法である。
　次に、バリアデータ収集装置１００の作用について説明する。
　図１１は、バリアデータ収集装置１００によるバリアデータ収集処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４からバリアデータ収集プログラムを読み出して、ＲＡＭ１３に展開して実行することにより、バリアデータ収集処理が行なわれる。
　まず、ステップＳ１００で、ＣＰＵ１１は、センサデータＤＢ１２０に格納されているセンサデータを読み出す。センサデータは、時刻ごとの最小単位である。
　次に、ステップＳ１０２で、ＣＰＵ１１は、所定の時間単位における時刻ごとのセンサデータに対して、推定器を用いて、時刻ごとのバリア種別の推定を行い、時刻ごとの推定結果を得る。
　ステップＳ１０４で、ＣＰＵ１１は、所定の時間単位における各時刻のセンサデータの位置情報に基づいて、地理範囲及び高さの組の各々を設定する。
　ステップＳ１０６で、ＣＰＵ１１は、ステップＳ１０４で設定された組の各々に、ステップＳ１０２で推定されたバリア種別の推定結果を対応付け、バリア状態の推定結果として、バリア状態ＤＢ１２４に記録する。
　ステップＳ１０８で、ＣＰＵ１１は、地理範囲の各々とセンサデータに含まれる高さとの組の各々のうちの条件を満たす組について、センサデータと、組の各々について推定されたバリア状態の推定結果とに基づいて、バリア形状を推定する。推定したバリア形状はバリア状態ＤＢ１２４に記録する。
　ステップＳ１１０で、ＣＰＵ１１は、組を選択する。
　ステップＳ１１２で、ＣＰＵ１１は、組の各々について推定されたバリア状態の推定結果と、予め求められた推定器の正解率とに基づいて、選択した組について、バリア種別ごとの確率を推定し、推定されたバリア種別ごとの確率からバリア種別を推定する。
　ステップＳ１１４において、選択した組について推定されたバリア種別と、当該組について推定されたバリア形状とに基づいて、選択した組について、当該組の高さとは異なる高さのバリア種別、及びバリア形状を推定する。
　ステップＳ１１６において、全ての組についてバリア種別を推定したか否かを判定し、全ての組について推定していれば処理を終了し、全ての組について推定していなければステップＳ１１０に戻って次に組を選択して処理を繰り返す。
　次に、センサデータ収集処理について説明する。センサデータ収集処理は定期的に実行される。図１２は、バリアデータ収集装置１００によるセンサデータ収集処理の流れを示すフローチャートである。ＣＰＵ１１がＲＯＭ１２又はストレージ１４からセンサデータ収集プログラムを読み出して、ＲＡＭ１３に展開して実行することにより、センサデータ収集処理が行なわれる。
　ステップＳ２００で、ＣＰＵ１１は、バリアデータＤＢ１２６に格納されているバリア種別の確率が、予め定められた閾値に満たない地理範囲及び高さの組を、センサデータが不足している組として抽出する。
　ステップＳ２０２で、ＣＰＵ１１は、出力部５０により、ステップＳ２００で抽出されたセンサデータが不足している組の地理範囲にある移動体に対して、センサデータの取得リクエストを送信する。リクエストには、組の高さを指定してもかまわない。
　ステップＳ２０４で、ＣＰＵ１１は、リクエストを送信した地理範囲からのセンサデータを取得し、センサデータＤＢ１２０に格納して処理を終了する。なお、新たなセンサデータを取得したことを単位推定部１３０に通知し、バリアデータ収集処理を実行させるようにしてもよい。
　以上説明したように本実施形態のバリアデータ収集装置１００によれば、効率的にバリアデータを収集できる。
　なお、上記各実施形態でＣＰＵがソフトウェア（プログラム）を読み込んで実行したバリアデータ収集処理及びセンサデータ収集処理を、ＣＰＵ以外の各種のプロセッサが実行してもよい。この場合のプロセッサとしては、ＦＰＧＡ（Ｆｉｅｌｄ－Ｐｒｏｇｒａｍｍａｂｌｅ　Ｇａｔｅ　Ａｒｒａｙ）等の製造後に回路構成を変更可能なＰＬＤ（Ｐｒｏｇｒａｍｍａｂｌｅ　Ｌｏｇｉｃ　Ｄｅｖｉｃｅ）、及びＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ　Ｓｐｅｃｉｆｉｃ　Ｉｎｔｅｇｒａｔｅｄ　Ｃｉｒｃｕｉｔ）等の特定の処理を実行させるために専用に設計された回路構成を有するプロセッサである専用電気回路等が例示される。また、バリアデータ収集処理及びセンサデータ収集処理を、これらの各種のプロセッサのうちの１つで実行してもよいし、同種又は異種の２つ以上のプロセッサの組み合わせ（例えば、複数のＦＰＧＡ、及びＣＰＵとＦＰＧＡとの組み合わせ等）で実行してもよい。また、これらの各種のプロセッサのハードウェア的な構造は、より具体的には、半導体素子等の回路素子を組み合わせた電気回路である。
　また、上記各実施形態では、バリアデータ収集プログラム及びセンサデータ収集プログラムがストレージ１４に予め記憶（インストール）されている態様を説明したが、これに限定されない。プログラムは、ＣＤ－ＲＯＭ（Ｃｏｍｐａｃｔ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、ＤＶＤ－ＲＯＭ（Ｄｉｇｉｔａｌ　Ｖｅｒｓａｔｉｌｅ　Ｄｉｓｋ　Ｒｅａｄ　Ｏｎｌｙ　Ｍｅｍｏｒｙ）、及びＵＳＢ（Ｕｎｉｖｅｒｓａｌ　Ｓｅｒｉａｌ　Ｂｕｓ）メモリ等の非一時的（ｎｏｎ－ｔｒａｎｓｉｔｏｒｙ）記憶媒体に記憶された形態で提供されてもよい。また、プログラムは、ネットワークを介して外部装置からダウンロードされる形態としてもよい。
　以上の実施形態に関し、更に以下の付記を開示する。
　（付記項１）
　メモリと、
　前記メモリに接続された少なくとも１つのプロセッサと、
　を含み、
　前記プロセッサは、
　地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々と前記センサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定し、
　前記組の各々のうちの条件を満たす組について、前記センサデータと、前記時間単位で前記組の各々について推定された前記バリア状態の推定結果とに基づいて、バリア形状を推定し、
　前記組の各々について推定された前記バリア状態の推定結果と、推定された前記バリア形状と、予め求められた推定器の正解率とに基づいて、前記組の各々に対応する、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から当該組に対応する前記バリア種別を推定する、
　ように構成されているバリアデータ収集装置。
　（付記項２）
　地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々と前記センサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定し、
　前記組の各々のうちの条件を満たす組について、前記センサデータと、前記時間単位で前記組の各々について推定された前記バリア状態の推定結果とに基づいて、バリア形状を推定し、
　前記組の各々について推定された前記バリア状態の推定結果と、推定された前記バリア形状と、予め求められた推定器の正解率とに基づいて、前記組の各々に対応する、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から当該組に対応する前記バリア種別を推定する、
　ことをコンピュータに実行させるバリアデータ収集プログラムを記憶した非一時的記憶媒体。
１００ バリアデータ収集装置
１３０ 単位推定部
１３２ 形状推定部
１３４ バリア推定部
１４０ センサデータ格納部
１４２ 不足データ抽出部
１５０ 出力部
１２０ センサデータＤＢ
１２２ 地図データＤＢ
１２４ バリア状態ＤＢ
１２６ バリアデータＤＢ

Claims (7)

  1. 　地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々と前記センサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定する単位推定部と、
    　前記組の各々のうちの条件を満たす組について、前記センサデータと、前記時間単位で前記組の各々について推定された前記バリア状態の推定結果とに基づいて、バリア形状を推定する形状推定部と、
    　前記組の各々について推定された前記バリア状態の推定結果と、推定された前記バリア形状と、予め求められた推定器の正解率とに基づいて、前記組の各々に対応する、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から当該組に対応する前記バリア種別を推定するバリア推定部と、
    　を含むバリアデータ収集装置。
  2. 　前記バリア種別には障害物を含み、
    　前記形状推定部は、前記条件を、当該組の前記バリア状態の前記障害物の値が閾値以上の場合として、前記センサデータから、前記障害物に対応する物体の形状及び横幅を前記バリア形状として推定する請求項１に記載のバリアデータ収集装置。
  3. 　前記バリア推定部は、
    　前記組の各々について推定された前記バリア状態の推定結果と、予め求められた推定器の正解率とに基づいて、前記組の各々について、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から前記バリア種別を推定し、
    　前記組の各々について推定された前記バリア種別と、前記組の各々について推定された前記バリア形状とに基づいて、前記組の各々について、当該組の前記高さとは異なる高さの前記バリア種別を推定する請求項１又は請求項２に記載のバリアデータ収集装置。
  4. 　地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々と前記センサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定し、
    　前記組の各々のうちの条件を満たす組について、前記センサデータと、前記時間単位で前記組の各々について推定された前記バリア状態の推定結果とに基づいて、バリア形状を推定し、
    　前記組の各々について推定された前記バリア状態の推定結果と、推定された前記バリア形状と、予め求められた推定器の正解率とに基づいて、前記組の各々に対応する、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から当該組に対応する前記バリア種別を推定する、
    　ことを含む処理をコンピュータが実行することを特徴とするバリアデータ収集方法。
  5. 　前記バリア種別には障害物を含み、
    　前記条件を、当該組の前記バリア状態の前記障害物の値が閾値以上の場合として、前記センサデータから、前記障害物に対応する物体の形状及び横幅を前記バリア形状として推定する請求項４に記載のバリアデータ収集方法。
  6. 　前記組の各々についての前記バリア種別の推定は、
    　前記組の各々について推定された前記バリア状態の推定結果と、予め求められた推定器の正解率とに基づいて、前記組の各々について、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から前記バリア種別を推定し、
    　前記組の各々について推定された前記バリア種別と、前記組の各々について推定された前記バリア形状とに基づいて、前記組の各々について、当該組の前記高さとは異なる高さの前記バリア種別を推定する請求項４又は請求項５に記載のバリアデータ収集方法。
  7. 　地理範囲の各々について予め収集された、空中を移動する飛行移動体を含む移動体が移動したときの、高さを含む位置情報付きのセンサデータに基づいて、推定器により、所定の時間単位における、地理範囲の各々と前記センサデータに含まれる高さとの組の各々について、バリア種別のいずれの状態であるかを推定したバリア状態を推定し、
    　前記組の各々のうちの条件を満たす組について、前記センサデータと、前記時間単位で前記組の各々について推定された前記バリア状態の推定結果とに基づいて、バリア形状を推定し、
    　前記組の各々について推定された前記バリア状態の推定結果と、推定された前記バリア形状と、予め求められた推定器の正解率とに基づいて、前記組の各々に対応する、前記バリア種別ごとの確率を推定し、推定された前記バリア種別ごとの確率から当該組に対応する前記バリア種別を推定する、
    　ことをコンピュータに実行させるバリアデータ収集プログラム。
PCT/JP2019/024335 2019-06-19 2019-06-19 バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム WO2020255304A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2021528542A JP7151897B2 (ja) 2019-06-19 2019-06-19 バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム
PCT/JP2019/024335 WO2020255304A1 (ja) 2019-06-19 2019-06-19 バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム
US17/620,063 US20220366685A1 (en) 2019-06-19 2019-06-19 Barrier data collection device, barrier data collection method, and barrier data collection program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/024335 WO2020255304A1 (ja) 2019-06-19 2019-06-19 バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム

Publications (1)

Publication Number Publication Date
WO2020255304A1 true WO2020255304A1 (ja) 2020-12-24

Family

ID=74040330

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2019/024335 WO2020255304A1 (ja) 2019-06-19 2019-06-19 バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム

Country Status (3)

Country Link
US (1) US20220366685A1 (ja)
JP (1) JP7151897B2 (ja)
WO (1) WO2020255304A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007108357A1 (ja) * 2006-03-17 2007-09-27 Pasco Corporation 建物形状変化検出方法及び建物形状変化検出システム
JP2017126101A (ja) * 2016-01-12 2017-07-20 株式会社Ｓｕｂａｒｕ 移動経路設定装置、移動経路設定方法及び移動経路設定プログラム
US20180199025A1 (en) * 2015-07-15 2018-07-12 Fyusion, Inc. Drone based capture of a multi-view interactive digital media
JP2019083061A (ja) * 2014-12-12 2019-05-30 アマゾン テクノロジーズ インコーポレイテッド 光、音、及び／またはマルチスペクトルパターン検出を使用する商用及び一般航空機の回避

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007108357A1 (ja) * 2006-03-17 2007-09-27 Pasco Corporation 建物形状変化検出方法及び建物形状変化検出システム
JP2019083061A (ja) * 2014-12-12 2019-05-30 アマゾン テクノロジーズ インコーポレイテッド 光、音、及び／またはマルチスペクトルパターン検出を使用する商用及び一般航空機の回避
US20180199025A1 (en) * 2015-07-15 2018-07-12 Fyusion, Inc. Drone based capture of a multi-view interactive digital media
JP2017126101A (ja) * 2016-01-12 2017-07-20 株式会社Ｓｕｂａｒｕ 移動経路設定装置、移動経路設定方法及び移動経路設定プログラム

Also Published As

Publication number Publication date
JPWO2020255304A1 (ja) 2020-12-24
US20220366685A1 (en) 2022-11-17
JP7151897B2 (ja) 2022-10-12

Similar Documents

Publication Publication Date Title
US11521022B2 (en) Semantic state based sensor tracking and updating
US10824169B1 (en) Event-based vehicle operation and event remediation
US10474794B2 (en) System and method for event-based vehicle operation
CN106462627B (zh) 根据多个位置数据报告分析语义地点和相关数据
EP2960887B1 (en) Probabilistic safe landing area determination
EP3234901B1 (en) Bi-directional community information brokerage
US9600607B2 (en) Methods, apparatuses and computer program products for automatic, non-parametric, non-iterative three dimensional geographic modeling
CN108268481B (zh) 云端地图更新方法及电子设备
JP7221423B2 (ja) 時間変動音量予測システム
US10672281B2 (en) Flight planning using obstacle data
Yilmaz et al. Comparison of data reduction algorithms for Li DAR‐derived digital terrain model generalisation
Zeng et al. An elevation difference model for building height extraction from stereo-image-derived DSMs
WO2019225597A1 (ja) 空き家判定装置、空き家判定方法、記録媒体
Alvarez‐Martínez et al. Can Eltonian processes explain species distributions at large scale? A case study with Great Bustard (Otis tarda)
JP2018195118A (ja) 路面データ収集装置、方法、及びプログラム
CN114047760A (zh) 路径规划方法、装置、电子设备及自动驾驶车辆
WO2020255304A1 (ja) バリアデータ収集装置、バリアデータ収集方法、及びバリアデータ収集プログラム
JPWO2020054293A1 (ja) 判定方法、及び判定装置
JP5746255B2 (ja) 訪問ｐｏｉ推定装置、方法、プログラム、及びプログラムを記録したコンピュータ読取り可能な記録媒体
CN114972207A (zh) 一种用于机场的鸟类驱赶方法、装置、电子设备及介质
Ogura et al. Ground object recognition and segmentation from aerial image‐based 3D point cloud
CN113850909A (zh) 点云数据处理方法、装置、电子设备及自动驾驶设备
Chessa et al. Sensing the cities with social-aware unmanned aerial vehicles
Ogura et al. Ground object recognition from aerial image-based 3d point cloud
WO2017054434A1 (zh) 事件检测方法、装置和系统

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: 19933846

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2021528542

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 19933846

Country of ref document: EP

Kind code of ref document: A1