図面 (/)

技術 屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム

出願人 日本電気株式会社
発明者 大杉孝司山口翼
出願日 2019年3月19日 (2年9ヶ月経過) 出願番号 2020-534051
公開日 2021年9月9日 (3ヶ月経過) 公開番号 WO2020-026513
状態 未査定
技術分野 磁気的変量の測定 電力、力率、電力量の測定;試験、較正 航行(Navigation)
主要キーワード 生成用装置 手道具 磁気影響 電子応用装置 計測パス ロボット応用 縫製機械 電子計測器
関連する未来課題
重要な関連分野

この項目の情報は公開日時点(2021年9月9日)のものです。
また、この項目は機械的に抽出しているため、正しく解析できていない場合があります

図面 (17)

課題・解決手段

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

概要

背景

屋外における物体位置推定において、GPS(Global Positioning System)等の人工衛星電波受信による三角点測量が用いられている。しかし、屋内では電波が正しく届かないため当該技術を利用することが難しい。屋内における物体の位置推定においては、WifiやBLE(Bluetooth(登録商標) Low Energy)等の屋内で用いられる電波を用いた測量方法が用いられている。これらの技術は、電波の発信装置構造物内部及び周囲に設置する必要がある。しかし、構造物の形状や概観保護の目的により、当該発信装置を設置すること自体が困難な場合が多い。

そこで、屋内で利用可能かつ電波の発信装置の設置が不要な位置推定方法として、特許文献1は、磁気センサで測定された磁気情報を用いた位置推定技術を開示している。

概要

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

目的

本開示は、磁気情報を用いた位置推定において、位置推定精度を向上させる技術を提供する

効果

実績

技術文献被引用数
0件
牽制数
0件

この技術が所属する分野

ライセンス契約や譲渡などの可能性がある特許掲載中! 開放特許随時追加・更新中 詳しくはこちら

請求項1

磁気センサを備える位置推定対象物屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第1の取得手段と、前記対象磁気パターンから所定の周波数成分を抽出する第1の抽出手段と、前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、を有する屋内位置推定装置

請求項2

請求項1に記載の屋内位置推定装置において、磁気センサを備える基準データ収集装置が屋内を移動して磁場を繰り返し測定した結果を示す基準磁気パターンを取得する第2の取得手段と、前記基準磁気パターンから前記所定の周波数成分である着目磁気パターンを抽出し、前記着目磁気パターンに基づき、前記推定モデルを生成するための機械学習用教師データを生成する教師データ生成手段と、を有し、前記基準磁気パターンは、各測定磁場に測定位置を対応付けられている屋内位置推定装置。

請求項3

請求項2に記載の屋内位置推定装置において、前記教師データ生成手段は、前記着目磁気パターンが示す測定磁場の変遷の内の一部の変遷を示す学習パターンを前記着目磁気パターンから切り出し、前記一部の変遷における最後の磁場が測定された屋内の位置を示す位置情報をラベルとして前記学習パターンまたはその特徴を示すデータに付与した前記教師データを生成する屋内位置推定装置。

請求項4

請求項3に記載の屋内位置推定装置において、前記教師データ生成手段は、前記着目磁気パターンから、互いに長さが異なる複数の前記学習パターンを切り出す屋内位置推定装置。

請求項5

請求項3又は4に記載の屋内位置推定装置において、前記教師データ生成手段は、屋内を複数のエリアに分割し、前記エリア識別する識別情報を、前記ラベルとして前記学習パターンまたはその特徴を示すデータに付与し、前記一部の変遷における最後の磁場が測定された位置が第1の前記エリア内の互いに異なる位置である複数の前記学習パターンを、前記着目磁気パターンから切り出す屋内位置推定装置。

請求項6

請求項2から5のいずれか1項に記載の屋内位置推定装置において、前記教師データに基づき、前記推定モデルを生成する推定モデル生成手段をさらに有する屋内位置推定装置。

請求項7

コンピュータが、磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第1の取得工程と、前記対象磁気パターンから所定の周波数成分を抽出する第1の抽出工程と、前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定工程と、を実行する屋内位置推定方法

請求項8

コンピュータを、磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第1の取得手段、前記対象磁気パターンから所定の周波数成分を抽出する第1の抽出手段、前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段、として機能させるプログラム

請求項9

屋内の磁場を測定する磁気センサと、前記磁気センサが測定した結果を示す対象磁気パターンを取得する取得手段と、前記対象磁気パターンを、前記対象磁気パターンに含まれる所定の周波数成分に基づいて屋内におけるユーザー端末の位置を推定する屋内位置推定装置に送信する通信手段と、を有するユーザー端末。

請求項10

磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第1の取得手段と、前記対象磁気パターンから所定の周波数成分を抽出する第1の抽出手段と、前記抽出された周波数成分に基づいて、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、を有する屋内位置推定装置。

技術分野

0001

本開示は、屋内位置推定装置ユーザー端末、屋内位置推定方法及びプログラムに関する。

背景技術

0002

屋外における物体位置推定において、GPS(Global Positioning System)等の人工衛星電波受信による三角点測量が用いられている。しかし、屋内では電波が正しく届かないため当該技術を利用することが難しい。屋内における物体の位置推定においては、WifiやBLE(Bluetooth(登録商標) Low Energy)等の屋内で用いられる電波を用いた測量方法が用いられている。これらの技術は、電波の発信装置構造物内部及び周囲に設置する必要がある。しかし、構造物の形状や概観保護の目的により、当該発信装置を設置すること自体が困難な場合が多い。

0003

そこで、屋内で利用可能かつ電波の発信装置の設置が不要な位置推定方法として、特許文献1は、磁気センサで測定された磁気情報を用いた位置推定技術を開示している。

先行技術

0004

特開2013−210866号公報

発明が解決しようとする課題

0005

しかし、特許文献1に記載の技術は、測位磁気情報として地磁気の影響が最も強く表れてしまう、オフセットずれと呼ばれる磁気センサの測位基準点ずれが生じるといった課題があり、位置推定精度が不十分である。

0006

本開示は、磁気情報を用いた位置推定において、位置推定精度を向上させる技術を提供する。

課題を解決するための手段

0007

本開示によれば、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第1の取得手段と、
前記対象磁気パターンから所定の周波数成分を抽出する第1の抽出手段と、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、
を有する屋内位置推定装置が提供される。

0008

また、本開示によれば、
コンピュータが、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第1の取得工程と、
前記対象磁気パターンから所定の周波数成分を抽出する第1の抽出工程と、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定工程と、
を実行する屋内位置推定方法が提供される。

0009

また、本開示によれば、
コンピュータを、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第1の取得手段、
前記対象磁気パターンから所定の周波数成分を抽出する第1の抽出手段、
前記抽出された周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、前記位置推定対象物の屋内の位置の推定結果を得る推定手段、
として機能させるプログラムが提供される。

0010

また、本開示によれば、
屋内の磁場を測定する磁気センサと、
前記磁気センサが測定した結果を示す対象磁気パターンを取得する取得手段と、
前記対象磁気パターンを、前記対象磁気パターンに含まれる所定の周波数成分に基づいて屋内におけるユーザー端末の位置を推定する屋内位置推定装置に送信する通信手段と、
を有するユーザー端末が提供される。

0011

また、本開示によれば、
磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する第1の取得手段と、
前記対象磁気パターンから所定の周波数成分を抽出する第1の抽出手段と、
前記抽出された周波数成分に基づいて、前記位置推定対象物の屋内の位置の推定結果を得る推定手段と、
を有する屋内位置推定装置が提供される。

発明の効果

0012

本開示によれば、磁気情報を用いた位置推定において、位置推定精度を向上させることが可能となる。

図面の簡単な説明

0013

上述した目的、およびその他の目的、特徴および利点は、以下に述べる好適な実施の形態、およびそれに付随する以下の図面によってさらに明らかになる。

0014

本実施形態の装置のハードウエア構成の一例を示す図である。
本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。
本実施形態の屋内位置推定装置が処理するデータの一例を示す図である。
本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。
本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。
本実施形態の屋内位置推定装置が処理するデータの一例を示す図である。
本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。
本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。
本実施形態の屋内位置推定装置の機能ブロック図の一例を示す図である。
本実施例の測位用磁気マップの作成システムの機能ブロック図の一例を示す図である。
本実施例の測位ラベルを説明するための図である。
本実施例の測位ラベルと測位パターン関係性を説明するための図である。
本実施例の測位ラベルと測位パターンの関係性を説明するための図である。
本実施例の準備フェーズと測位フェーズの処理の流れの一例を示すフローチャートである。
本実施例の測位ラベルと測位パターンの関係性を説明するための図である。
本実施例の処理の内容を説明するための図である。

実施例

0015

<第1の実施形態>
本実施形態の屋内位置推定装置は、磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンに基づき、位置推定対象物の位置を推定する。本実施形態の屋内位置推定装置は、対象磁気パターンに含まれる所定の周波数成分に基づき位置推定対象物の位置を推定することで、位置推定精度を向上させる。以下、詳細に説明する。

0016

まず、屋内位置推定装置のハードウエア構成の一例について説明する。本実施形態の屋内位置推定装置が備える各機能部は、任意のコンピュータのCPU(Central Processing Unit)、メモリ、メモリにロードされるプログラム、そのプログラムを格納するハードディスク等の記憶ユニット(あらかじめ装置を出荷する段階から格納されているプログラムのほか、CD(Compact Disc)等の記憶媒体インターネット上のサーバ等からダウンロードされたプログラムをも格納できる)、ネットワーク接続用インターフェイスを中心にハードウエアソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置にはいろいろな変形例があることは、当業者には理解されるところである。

0017

図1は、本実施形態の屋内位置推定装置のハードウエア構成を例示するブロック図である。図1に示すように、屋内位置推定装置は、プロセッサ1A、メモリ2A、入出力インターフェイス3A、周辺回路4A、バス5Aを有する。周辺回路4Aには、様々なモジュールが含まれる。処理装置は周辺回路4Aを有さなくてもよい。なお、屋内位置推定装置は物理的に分かれた複数の装置で構成されてもよい。この場合、各装置が上記ハードウエア構成を備えることができる。

0018

バス5Aは、プロセッサ1A、メモリ2A、周辺回路4A及び入出力インターフェイス3Aが相互にデータを送受信するためのデータ伝送路である。プロセッサ1Aは、例えばCPU、GPU(Graphics Processing Unit)などの演算処理装置である。メモリ2Aは、例えばRAM(Random Access Memory)やROM(Read Only Memory)などのメモリである。入出力インターフェイス3Aは、入力装置、外部装置外部サーバ外部センサ等から情報を取得するためのインターフェイスや、出力装置、外部装置、外部サーバ等に情報を出力するためのインターフェイスなどを含む。入力装置は、例えばキーボードマウスマイク等である。出力装置は、例えばディスプレイスピーカプリンターメーラ等である。プロセッサ1Aは、各モジュールに指令を出し、それらの演算結果をもとに演算を行うことができる。

0019

次に、屋内位置推定装置の機能構成を説明する。図2に、屋内位置推定装置100の機能ブロック図の一例を示す。図示するように、屋内位置推定装置100は、第1の取得部111と、第1の抽出部112と、推定部113とを有する。

0020

第1の取得部111は、磁気センサを備える位置推定対象物が屋内の磁場を繰り返し測定した結果を示す対象磁気パターンを取得する。

0021

磁気センサは、例えば3軸方向の磁場の強さを測定する。対象磁気パターンは、位置推定対象物の移動に伴う各軸方向の測定磁場の強さの時間変化を示す。位置推定対象物は、通信機能を有する通信装置である。位置推定対象物は、例えば、ユーザー携帯されるユーザー端末であり、スマートフォン携帯電話タブレット端末ウェアラブル端末IoT端末携帯ゲーム機等が例示されるが、これらに限定されない。位置推定対象物は、ユーザーの歩行やユーザーが乗車する車両等(例:自転車、車、バス、トラック電車)の移動に合わせて移動してもよい。また、位置推定対象物がロボットドローン台車、車等の自走する装置である場合、位置推定対象物自身が移動してもよい。

0022

図3に、対象磁気パターンの一例を示す。図示する対象磁気パターンは、位置推定対象物が屋内の第nsの位置から第neの位置まで移動中に各軸方向の磁場の強さを繰り返し測定した結果を示す。図示するグラフ縦軸が磁場の強さである。縦軸の磁場の強さは、[A/m]の単位で示されてもよいし、当該単位で示される値を正規化した値で示されてもよい。そして、横軸移動距離nである。移動距離nは、第nsの位置を原点とし、第nsの位置からの移動距離を示している。移動距離は、例えば第nsの位置で測定してからの経過時間と、一般的な歩行速度とに基づき算出することができる。図示するx(n)は第nの位置でのx軸方向の磁場の強さを示し、y(n)は第nの位置でのy軸方向の磁場の強さを示し、z(n)は第nの位置でのz軸方向の磁場の強さを示す。なお、図示するデータはイメージ図であり、実測値ではない。

0023

図2戻り、第1の抽出部112は、バンドパスフィルタ等のデジタルフィルタを用いて、対象磁気パターンから所定の周波数成分を抽出する。すなわち、第1の抽出部112は各軸方向の磁場の強さの時間変化を示す磁気パターン各々にバンドパスフィルタをかけて、各々の磁気パターンから所定の周波数成分を抽出する。バンドパスフィルタは、例えば、ストップバンド始端が0.05Hz、パスバンド始端が0.1Hz、パスバンド終端が0.8Hz、ストップバンド終端が1.0Hzである。

0024

推定部113は、第1の抽出部112によって抽出された対象磁気パターンの所定の周波数成分に関するデータを、機械学習で得られた推定モデルに入力し、位置推定対象物の屋内の位置の推定結果を得る。対象磁気パターンの所定の周波数成分に関するデータとは、対象磁気パターンの所定の周波数成分であってもよいし、その特徴を示すデータであってもよい。

0025

次に、本実施形態の屋内位置推定装置100の作用効果を説明する。

0026

位置推定対象物が屋内で測定した対象磁気パターンは、地磁気、オフセットずれ、位置推定対象物を備えるユーザーの歩行や位置推定対象物を備えた車両が有する車輪の回転等に伴う振動、磁気センサのバイアス誤差、そして、構造物に含まれる硬質磁性体等の影響を含む。位置推定対象物の移動に伴う磁気情報変位(各軸方向の磁場の強さの時間変化)を信号波形と捉えると、地磁気は、超低周波成分として検出される。オフセットずれは、変化しない直流成分として検出される。位置推定対象物の移動に伴う振動は、ユーザーの歩行や車両が有する車輪の回転等の周期に伴う周波数として検出される。バイアス誤差は、硬質磁性体の影響と比較すると非常に小さなものであるため無視することが可能である。

0027

上より、バンドパスフィルタ等のデジタルフィルタによって、直流成分に近い超低周波帯域と、ユーザーの歩行や車両が有する車輪の回転等の周期に伴う周波数以上の帯域とを除去し、それらの間の帯域を抽出することで、構造物に含まれる硬質磁性体の影響が支配的な磁気パターンが抽出される。すなわち、地磁気、オフセットずれ、及び位置推定対象物の移動に伴う振動といったノイズ成分を低減し、構造物に含まれる硬質磁性体の成分が支配的となった磁気パターンが抽出される。このようにして抽出した磁気パターンを利用して位置推定を行う本実施形態の屋内位置推定装置100によれば、精度よく位置推定対象物の位置推定を行うことができる。

0028

本実施形態において、ノイズ成分は、地磁気、オフセットずれ、及び位置推定対象物の移動に伴う振動に関する成分とした。しかし、ノイズ成分はこれらに限定されず、上述した成分の一部であってもよいし、さらに他の成分を含んでいてもよい。

0029

<第2の実施形態>
本実施形態の屋内位置推定装置100は、第1の実施形態で説明した構成に加えて、推定部113が位置推定に用いる推定モデルを生成する手段をさらに有する点で、第1の実施形態と異なる。以下、詳細に説明する。その他の構成は第1の実施形態と同様である。

0030

本実施形態の屋内位置推定装置100のハードウエア構成の一例は、第1の実施形態と同様である。

0031

図4に、屋内位置推定装置100の機能ブロック図の一例を示す。図示するように、屋内位置推定装置100は、第1の取得部111と、第1の抽出部112と、推定部113と、第2の取得部114と、教師データ生成部116と、推定モデル生成部117とを有する。第1の取得部111、第1の抽出部112及び推定部113の構成は、第1の実施形態と同様である。

0032

第2の取得部114は、磁気センサを備える基準データ収集装置が屋内を移動して磁場を繰り返し測定した結果を示す基準磁気パターンを取得する。基準磁気パターンは、各測定磁場に測定位置を対応付けたものである。

0033

磁気センサは、例えば3軸方向の磁場の強さを測定する。基準磁気パターンは、基準データ収集装置の移動に伴う各軸方向の測定磁場の強さの時間変化を示す。基準データ収集装置は、通信機能を有する通信装置である。基準データ収集装置は、例えば、ユーザーに携帯されるユーザー端末であり、スマートフォン、携帯電話、タブレット端末、ウェアラブル端末、IoT端末、携帯ゲーム機、専用端末等が例示されるが、これらに限定されない。基準データ収集装置は、ユーザーの歩行やユーザーが乗車する車両等(例:自転車、車、バス、トラック、電車)の移動に合わせて移動してもよい。また、基準データ収集装置がロボット、ドローン、台車、車等の自走する装置である場合、基準データ収集装置自身が移動してもよい。

0034

基準磁気パターンは、図3に示す対象磁気パターンと同様のデータである。基準磁気パターンは、基準データ収集装置が屋内の第msの位置から第meの位置まで移動中に各軸方向の磁場の強さを繰り返し測定した結果を示す。基準磁気パターンの横軸は、第msの位置を原点とし、第msの位置からの移動距離を示す。

0035

教師データ生成部116は、バンドパスフィルタ等のデジタルフィルタを用いて、基準磁気パターンから所定の周波数成分である着目磁気パターンを抽出する。すなわち、教師データ生成部116は各軸方向の磁場の強さの時間変化を示す磁気パターン各々にバンドパスフィルタをかけて、各々の磁気パターンから所定の周波数成分を抽出する。バンドパスフィルタは、例えば、ストップバンド始端が0.05Hz、パスバンド始端が0.1Hz、パスバンド終端が0.8Hz、ストップバンド終端が1.0Hzである。そして、教師データ生成部116は、着目磁気パターンに基づき、推定モデルを生成するための機械学習用の教師データを生成する。

0036

教師データ生成部116は、着目磁気パターンが示す各軸方向の測定磁場の変遷(時間変化)の内の一部の変遷を示す学習パターンを着目磁気パターンから切り出す。すなわち、第msの位置から第meの位置までの移動経路上の一部の移動経路に関する着目磁気パターンを学習パターンとして切り出す。そして、教師データ生成部116は、切りだした学習パターンが示す測定磁場の変遷(上記一部の変遷)における最後のタイミングで測定された磁場が測定された屋内の位置(一部の移動経路の終点)を示す位置情報を、ラベルとしてその学習パターンに付与した教師データを生成する。

0037

なお、教師データ生成部116は、着目磁気パターンから、互いに長さが異なる(一部の移動経路の長さが異なる)複数の学習パターンを切り出すことができる。また、教師データ生成部116は、屋内を複数のエリアに分割し、エリアを識別する識別情報を、ラベルとして学習パターンに付与することができる。そして、教師データ生成部116は、第1のエリアをラベルとして付与する学習パターンとして、切りだした学習パターンが示す測定磁場の変遷(上記一部の変遷)における最後のタイミングで測定された磁場の測定位置(一部の経路の終点)が、第1のエリア内の互いに異なる位置である複数の学習パターンを、着目磁気パターンから切り出すことができる。

0038

なお、磁気パターンで表される学習パターンに代えて、学習パターンの特徴を示すデータを学習データ(教師データ)としてもよい。教師データ生成部116による処理の具体例は、以下の実施例で説明する。

0039

推定モデル生成部117は、教師データ生成部116が生成した教師データを機械学習することで、屋内の現在位置を推定する推定モデルを生成する。

0040

以上説明した本実施形態の屋内位置推定装置100によれば、第1の実施形態と同様な作用効果が実現される。

0041

また、本実施形態の屋内位置推定装置100によれば、1回の移動で得られた基準磁気データから多様な学習パターンを備える多数の教師データを生成することができる。磁気センサは、例えば数十ミリ秒単位の周期で測定を行っている。それぞれのセンシングタイミングを教師とする学習パターンの終端と見なすことで、1回の移動に伴う基準磁気データから、多様な学習パターンを抽出することができる。また、取得した情報をアップサンプリングしてもよい。これにより、抽出する学習パターンをさらに増やすことができる。このような多様な学習パターンを備える多数の教師データを用いて機械学習を行うことで、位置推定対象物の位置推定精度を向上させることができる。

0042

<第3の実施形態>
本実施形態の屋内位置推定装置100は、磁気センサの向きに影響されることなく、高精度に位置推定を行う手段を備える。以下、詳細に説明する。

0043

本実施形態の屋内位置推定装置100のハードウエア構成の一例は、第1及び第2の実施形態と同様である。

0044

図5に、屋内位置推定装置100の機能ブロック図の一例を示す。図示するように、屋内位置推定装置100は、第1の取得部121と、回転変化算出部122と、整列データ生成部123と、推定部124とを有する。

0045

第1の取得部121の構成は、第1及び第2の実施形態で説明した第1の取得部111と同様である。なお、本実施形態は、磁気センサとして電子コンパスを用いる。

0046

回転変化算出部122は、第1の取得部121から取得した対象磁気パターンに基づき、当該対象磁気パターンを鉛直軸回りに所定回転量(0°以上360°未満、対象磁気パターンを測定した時が0°)回転させたシミュレーション結果を示す、回転量毎対象磁気パターンを算出する。対象磁気パターンを鉛直軸回りに所定回転量回転させるとは、位置推定対象物が備える磁気センサを鉛直軸回りに所定回転量回転させた状態で、位置推定対象物が第nsの位置から第neの位置まで移動中に各軸方向の磁場の強さを繰り返し測定することに対応する。回転変化算出部122は、複数の回転量各々に対して回転量毎対象磁気パターンを算出する。算出方法は設計的事項である。

0047

図6に、回転量毎対象磁気パターンの一例を模式的に示す。回転量ω毎にx軸、y軸、z軸の各軸の回転量毎対象磁気パターンが示されている。図では5°毎の回転量毎対象磁気パターンを示しているが、回転量の最小単位はこれに限定されない。図示するグラフの縦軸が磁場の強さであり、横軸が移動距離、すなわち第nsの位置からの移動距離である。縦軸の磁場の強さは、[A/m]の単位で示されてもよいし、当該単位で示される値を正規化した値で示されてもよい。移動距離は、例えば第nsの位置で測定してからの経過時間と、一般的な歩行速度とに基づき算出することができる。なお、図示するデータはイメージ図であり、実際のシミュレーション結果ではない。

0048

図5に戻り、整列データ生成部123は、第1の条件を満たす回転量における回転量毎対象磁気パターンを先頭とし、他の回転量毎対象磁気パターンを回転量順に並べた対象整列データを生成する。

0049

まず、整列データ生成部123は、第nsの位置から第neの位置までの移動経路上の第2の条件を満たす第nkの位置を決定する。例えば、整列データ生成部123は、第nsの位置又は第neの位置を、第nkの位置として決定する。そして、整列データ生成部123は、第nkの位置における所定軸方向の磁場の強さが最大又は最小となる回転量を、第1の条件を満たす回転量として決定する。

0050

回転量順は、昇順(例:5、10、15、20・・・)であってもよい。この場合、第1の条件を満たす回転量における回転量毎対象磁気パターンが先頭となり、その後、第1の条件を満たす回転量よりも大きい回転量における回転量毎対象磁気パターンが昇順に並び、その後、第1の条件を満たす回転量よりも小さい回転量における回転量毎対象磁気パターンが昇順に並ぶ。

0051

その他、回転量順の並びは、降順(例:355、350、345、340・・・)であってもよい。この場合、第1の条件を満たす回転量における回転量毎対象磁気パターンが先頭となり、その後、第1の条件を満たす回転量よりも小さい回転量における回転量毎対象磁気パターンが降順に並び、その後、第1の条件を満たす回転量よりも大きい回転量における回転量毎対象磁気パターンが降順に並ぶ。

0052

推定部124は、整列データ生成部123によって生成された対象整列データに関するデータを、機械学習で得られた推定モデルに入力し、位置推定対象物の屋内の位置の推定結果を得る。対象整列データに関するデータとは、対象整列データであってもよいし、その特徴を示すデータであってもよい。

0053

次に、本実施形態の屋内位置推定装置100の作用効果を説明する。

0054

本実施形態の屋内位置推定装置100は、測位に電子コンパスを用いる。これにより、瞬間的な磁気情報も2次元または3次元磁気パターンとして抽出される。電子コンパスが2次元で有る場合は地面と水平に設置されていることが条件となるが、電子コンパスが3次元であり、位置推定対象物が3次元加速度センサを備える場合は、重力加速度を利用したゼロキャリブレーションと呼ばれる校正によって、鉛直軸を固定した3次元磁気パターンを計算することが可能である。

0055

また、位置推定対象物が、電子コンパスに加えて、3次元加速度センサ及び3次元ジャイロセンサを備える場合は、一度鉛直軸を固定すればカルマンフィルター等を利用することで、移動に伴って電子コンパスの角度が変わっても鉛直軸を固定した出力に校正することが可能である。

0056

そして、上述した構成を備える本実施形態の屋内位置推定装置100は、磁気センサが水平面の第1の方向を向いている状態で対象磁気パターンが測定された場合であっても、磁気センサが水平面の第2の方向を向いている状態で対象磁気パターンが測定された場合であっても、同じ内容を示す対象整列データに変換することができる。このため、磁気センサの水平面の向きに影響されることなく、精度よく位置推定を行うことができる。

0057

以上より、本実施形態の屋内位置推定装置100によれば、磁気センサの向きに影響されることなく、精度よく位置推定対象物の位置推定を行うことができる。

0058

<第4の実施形態>
本実施形態の屋内位置推定装置100は、第3の実施形態で説明した構成に加えて、推定部124が位置推定に用いる推定モデルを生成する手段をさらに有する点で、第3の実施形態と異なる。その他の構成は第3の実施形態と同様である。以下、詳細に説明する。

0059

本実施形態の屋内位置推定装置100のハードウエア構成の一例は、第1乃至第3の実施形態と同様である。

0060

図7に、屋内位置推定装置100の機能ブロック図の一例を示す。図示するように、屋内位置推定装置100は、第1の取得部121と、回転変化算出部122と、整列データ生成部123と、推定部124と、第2の取得部126と、教師データ生成部128と、推定モデル生成部129とを有する。第1の取得部121、回転変化算出部122、整列データ生成部123及び推定部124の構成は、第3の実施形態と同様である。

0061

第2の取得部126は、磁気センサを備える基準データ収集装置が屋内を移動して磁場を繰り返し測定した結果を示す基準磁気パターンを取得する。基準磁気パターンは、各測定磁場に測定位置を対応付けたものである。

0062

磁気センサは、電子コンパスであり、例えば3軸方向の磁場の強さを測定する。基準磁気パターンは、基準データ収集装置の移動に伴う各軸方向の測定磁場の強さの時間変化を示す。基準データ収集装置は、通信機能を有する通信装置である。基準データ収集装置は、例えば、ユーザーに携帯される装置であり、スマートフォン、携帯電話、タブレット端末、ウェアラブル端末、IoT端末、携帯ゲーム機、専用端末等が例示されるが、これらに限定されない。基準データ収集装置は、ユーザーの歩行やユーザーが乗車する車両等(例:自転車、車、バス、トラック、電車)の移動に合わせて移動してもよい。また、基準データ収集装置がロボット、ドローン、台車、車等の自走する装置である場合、基準データ収集装置自身が移動してもよい。

0063

基準磁気パターンは、図3に示す対象磁気パターンと同様のデータである。基準磁気パターンは、基準データ収集装置が屋内の第msの位置から第meの位置まで移動中に各軸方向の磁場の強さを繰り返し測定した結果を示す。基準磁気パターンの横軸は、第msの位置を原点とし、第msの位置からの移動距離を示す。

0064

教師データ生成部128は、基準磁気パターンに基づき、推定モデルを生成するための機械学習用の教師データを生成する。

0065

まず、教師データ生成部128は、第2の取得部126から取得した基準磁気パターンに基づき、当該基準磁気パターンを鉛直軸回りに所定回転量(0°以上360°未満、基準磁気パターンを測定した時が0°)回転させたシミュレーション結果を示す、回転量毎基準磁気パターンを算出する。基準磁気パターンを鉛直軸回りに所定回転量回転させるとは、基準データ収集装置が備える磁気センサを鉛直軸回りに所定回転量回転させた状態で、基準データ収集装置が第msの位置から第meの位置まで移動中に各軸方向の磁場の強さを繰り返し測定することに対応する。教師データ生成部128は、複数の回転量各々に対して回転量毎基準磁気パターンを算出する。教師データ生成部128による当該処理は、回転変化算出部122による対象磁気パターンに基づき複数の回転量毎対象磁気パターンを算出する処理と同様である。

0066

その後、教師データ生成部128は、第msの位置から第meの位置までの移動経路上の一部の移動経路に関するデータである一部回転量毎基準磁気パターンを、複数の回転量毎基準磁気パターン各々から抽出する。そして、教師データ生成部128は、第3の条件を満たす回転量における一部回転量毎基準磁気パターンを先頭とし、他の一部回転量毎基準磁気パターンを回転量順に並べた基準整列データを生成する。教師データ生成部128は、上記一部の移動経路の始点又は終点における所定軸方向の磁場の強さが最大又は最小となる回転量を、第3の条件を満たす回転量として決定することができる。教師データ生成部128による当該処理は、整列データ生成部123による複数の回転量毎対象磁気パターンを並び替える処理と同様である。

0067

そして、教師データ生成部128は、生成した基準整列データに、一部の移動経路の終点を示す位置情報をラベルとして付与した教師データを生成する。なお、基準整列データに代えて、基準整列データの特徴を示すデータを学習データ(教師データ)としてもよい。

0068

なお、教師データ生成部128は、回転量毎基準磁気パターンから、互いに一部の移動経路の長さが異なる複数の一部回転量毎基準磁気パターンを抽出することができる。また、教師データ生成部128は、屋内を複数のエリアに分割し、エリアを識別する識別情報を、ラベルとして学習パターンに付与することができる。そして、教師データ生成部128は、第1のエリアをラベルとして付与する一部回転量毎基準磁気パターン(学習パターン)として、移動経路の終点が第1のエリア内の互いに異なる位置である複数の学習パターンを、回転量毎基準磁気パターンから抽出することができる。

0069

ここで、教師データ生成部128の処理の変形例を説明する。上述した処理例では、教師データ生成部128は、回転量毎基準磁気パターンを生成した後、複数の一部回転量毎基準磁気パターンを抽出し、それらを所定の順に並べて基準整列データを生成した。変形例では、教師データ生成部128は、基準磁気パターンから一部の移動経路に関するデータである一部基準磁気パターンを抽出した後、一部基準磁気パターンに基づき複数の一部回転量毎基準磁気パターンを生成し、それらを所定の順に並べて基準整列データを生成してもよい。

0070

推定モデル生成部129は、教師データ生成部128が生成した教師データを機械学習することで、屋内の現在位置を推定する推定モデルを生成する。

0071

以上説明した本実施形態の屋内位置推定装置100によれば、第3の実施形態と同様な作用効果が実現される。

0072

また、本実施形態の屋内位置推定装置100によれば、1回の移動で得られた基準磁気データから多様な学習パターンを備える多数の教師データを生成することができる。磁気センサは、例えば数十ミリ秒単位の周期で測定を行っている。それぞれのセンシングタイミングを教師とする学習パターンの終端と見なすことで、1回の移動に伴う基準磁気データから、多様な学習パターンを抽出することができる。また、取得した情報をアップサンプリングしてもよい。これにより、抽出する学習パターンをさらに増やすことができる。このような多様な学習パターンを備える多数の教師データを用いて機械学習を行うことで、位置推定対象物の位置推定精度を向上させることができる。

0073

<第5の実施形態>
本実施形態の屋内位置推定装置100は、測定した磁気パターンの中の所定の周波数成分のみを利用して所定の処理を行う点で、第3及び第4の実施形態と異なる。その他の構成は、第3及び第4の実施形態と同様である。以下、詳細に説明する。

0074

本実施形態の屋内位置推定装置100のハードウエア構成の一例は、第1乃至第4の実施形態と同様である。

0075

本実施形態の屋内位置推定装置100の機能ブロック部の一例は、図8及び図9で示される。図8に示す例の場合、屋内位置推定装置100は、第1の取得部121と、回転変化算出部122と、整列データ生成部123と、推定部124と、第1の抽出部125とを有する。

0076

図9に示す例の場合、屋内位置推定装置100は、第1の取得部121と、回転変化算出部122と、整列データ生成部123と、推定部124と、第1の抽出部125と、第2の取得部126と、教師データ生成部128と、推定モデル生成部129とを有する。

0077

第1の取得部121、整列データ生成部123、推定部124、第2の取得部126及び推定モデル生成部129の構成は、第3及び第4の実施形態と同様である。

0078

第1の抽出部125は、バンドパスフィルタ等のデジタルフィルタを用いて、対象磁気パターンから所定の周波数成分を抽出する。すなわち、第1の抽出部125は各軸方向の磁場の強さの時間変化を示す磁気パターン各々にバンドパスフィルタをかけて、各々から所定の周波数成分を抽出する。バンドパスフィルタは、例えば、ストップバンド始端が0.05Hz、パスバンド始端が0.1Hz、パスバンド終端が0.8Hz、ストップバンド終端が1.0Hzである。

0079

回転変化算出部122は、対象磁気パターンの所定の周波数成分に基づき、回転量毎対象磁気パターンを算出する。回転変化算出部122のその他の構成は、第3及び第4の実施形態と同様である。

0080

教師データ生成部128は、バンドパスフィルタ等のデジタルフィルタを用いて、基準磁気パターンから所定の周波数成分を抽出する。すなわち、教師データ生成部128は各軸方向の磁場の強さの時間変化を示す磁気パターン各々にバンドパスフィルタをかけて、各々から所定の周波数成分を抽出する。バンドパスフィルタは、例えば、ストップバンド始端が0.05Hz、パスバンド始端が0.1Hz、パスバンド終端が0.8Hz、ストップバンド終端が1.0Hzである。そして、教師データ生成部128は、基準磁気パターンの所定の周波数成分に基づき、回転量毎基準磁気パターンを算出する。教師データ生成部128のその他の構成は、第3及び第4の実施形態と同様である。

0081

以上説明した本実施形態の屋内位置推定装置100によれば、第3及び第4の実施形態と同様な作用効果が実現される。また、磁気パターンの所定の周波数成分のみを利用して処理の処理を行う本実施形態の屋内位置推定装置100によれば、第1及び第2の実施形態と同様な作用効果が実現される。

0082

<実施例1>
上記実施形態を具体化した実施例を説明する。図10は、実施例1の測位用磁気マップの作成システムの構成を示す図である。図10を参照すると、磁気マップ生成用装置200と、被測位装置300と、任意の装置400と、測位装置500と、機械学習装置600と、ラベル設計装置700と、が接続された構成が示されている。磁気マップ生成用装置200、測位装置500、機械学習装置600及びラベル設計装置700の少なくとも一部により、第1乃至第5の実施形態で説明した屋内位置推定装置100が実現される。被測位装置300により、第1乃至第5の実施形態で説明した位置推定対象物が実現される。磁気センサ301により、第1乃至第5の実施形態で説明した位置推定対象物が備える磁気センサが実現される。磁気計測部302により、第1乃至第5の実施形態で説明した対象磁気パターンを取得する。

0083

図10のIF203、303、402、501、601、701は、装置間でのデータのやり取りを可能とする有線通信IF、無線通信IF、ストレージIF、またはユーザーIFを表し、装置間の物理的な接続構成や、各装置が準拠する規格などに応じて種々のものを採用することができる。IF303により、第1乃至第5の実施形態で説明した位置推定対象物が取得した対象磁気パターンを、第1乃至第5の実施形態で説明した屋内位置推定装置100に送信する。

0084

磁気マップ生成用装置200は、磁気センサ201と、磁気計測部202と、を備える。磁気計測部202は、計測時の移動経路を示す計測パスと対になる「磁気センサで計測された磁気を連ねた磁気パターン」を作成する。磁気計測部202は、測位装置500で扱えるように、測位装置500に対して、このように作成した計測パスと磁気パターン(基準磁気パターン)を送信する。磁気計測部202が計測パスと磁気パターンを送信することに代えて、磁気計測部202が、測位装置500からアクセス可能な場所(物理ストレージネットワークストレージ)に、計測パスと磁気パターンを移動又はコピーすることでも良い。

0085

測位装置500は、磁気マップ作成部502と、磁気マップ編集部503と、磁気マップ記録部505と、磁気受信部506と、最尤ラベル選択部507と、座標決定部508と、を備える。

0086

磁気マップ作成部502は、磁気マップ生成用装置200にて作成された「計測パスに沿って測定された磁気パターン」を読み込む。磁気マップ作成部502は、磁気パターンに対しバンドパスフィルタを施して、磁気パターンから直流成分及び移動に伴って発生する振動周波数以上の周波数成分を除去した磁気パターンを生成し、生成した磁気パターンにユニークな識別子を付与し、計測パス識別子をキー、計測パス座標とフィルタ処理後の磁気パターンを値とするマップ(連想配列)を作成する。磁気マップ作成部502は、作成したマップを磁気マップとして磁気マップ編集部503に出力する。

0087

磁気マップ編集部503は、磁気マップ作成部502にて作成された磁気マップを測位オブジェクトに変換して学習用磁気マップを作成する。測位オブジェクトは、測位ラベルと、測位パターンから構成される。測位ラベルは、多角形で示される測位エリアと、その測位エリアの各辺に対し隣接する他の測位エリアを対とした情報(例:図11において、エリアDと対になる測位エリアはエリアCであり、エリアCと対になる測位エリアはエリアBとエリアDとである。)と、測位エリアのいずれの辺から侵入するかの情報(例:図11の測位エリアCに対しては、左辺からの侵入または右辺からの侵入という情報が考えられる。)で構成される。測位パターンは、測位エリア内の任意の一点上の磁気情報を終端とする磁気パターンと、磁気パターンの長さで構成される。「測位エリア内の任意の一点上の磁気情報を終端とする磁気パターン」は、上記フィルタ処理後の磁気パターンの中から切り出された一部パターンである。

0088

図11に示す例の場合、計測パスはエリアAの左端からエリアDの右端までであり、当該計測パスを移動中に、1つの磁気パターンが生成される。そして、この1つの磁気パターンに対して上記フィルタ処理を行った後、そのフィルタ処理後の磁気パターンから複数の測位パターンが抽出される。図示する例では、6個の測位パターンが示されている。この6個の測位パターンは、始端位置及び終端位置の少なくとも一方が互いに異なる。このため、互いに異なる磁気パターンを示す。また、図示する6個の測位パターンはいずれも、終端がエリアDで同一である。そして、6個の測位パターンの中には、終端位置がエリアD内で互いに異なるものが混在する。このように、同一の測位ラベルを示す測位パターンが複数生成される。

0089

図12及び図13は、測位ラベルと測位パターンの関係性を説明するための図である。

0090

図12四角通路における関係性を示している。全ての測位エリアにおいて、侵入する可能性を持つ辺は2つであり、通常は2つの方位が逆になる。角にあたるエリアのみは、2つの方位が直交関係となる。角を曲がる前までの磁気パターンで構成されたベクトル終端付近の方位と、角を曲がった後の磁気パターンで構成されたベクトル終端付近の方位は直交しているが、測位エリアへ侵入した辺は同一である。侵入可能な辺は2つであるため、同一の測位エリアでも2つの測位ラベルが存在する。

0091

図13は2つの四角がつながった通路における関係性を示している。丁字路交差点にあたる測位エリアは、3つの侵入可能な辺が存在する。よって同一の測位エリアであっても、3つの測位ラベルが存在する。

0092

磁気マップ編集部503は、変換処理を行った磁気マップを磁気マップ記録部505に格納するとともに、学習用磁気マップとして機械学習装置600側に出力する。

0093

第2の取得部114、第2の取得部126、教師データ生成部116及び教師データ生成部128等の一部又は全部の機能が、磁気マップ作成部502及び磁気マップ編集部503の機能に相当する。

0094

磁気受信部506は、被測位装置300から測位磁気パターン(対象磁気パターン)を受信する。まず、磁気受信部506は磁気マップ作成部502と同様のバンドパスフィルタ等のデジタルフィルタを測位磁気パターンにかけて、特定周波数帯域のみの情報に変換する。次に、測位磁気パターンを、磁気パターンと、磁気パターンの長さで構成される測位パターンに変換し、機械学習装置600に送信する。

0095

最尤ラベル選択部507は、上記測位パターンに対する応答として機械学習装置600から、複数の測位ラベル各々の尤度を受信する。その上で、最尤ラベル選択部507は、最も尤度が高い測位ラベルを推定測位ラベルとして出力する。座標決定部508は、最尤ラベル選択部507から受信した推定測位ラベルの測位エリアを推定座標として出力する。出力された推定座標は、例えば、任意の装置400に搭載された位置情報利用部401にて使用される。位置情報利用部401としては、任意の装置400にインストールされた地図アプリケーションナビゲーションアプリケーション等が挙げられる。

0096

第1の取得部111、第1の取得部121、第1の抽出部112、第1の抽出部125、推定部113及び推定部124等の一部又は全部の機能が、最尤ラベル選択部507及び座標決定部508の機能に相当する。

0097

機械学習装置600は、機械学習訓練部602と、分類器記録部603と、機械学習予測部604とを備える。

0098

機械学習訓練部602は、磁気マップ編集部503にて作成された学習用磁気マップの各測位オブジェクトを元に機械学習の訓練を行い、学習モデルを生成する。測位ラベルが教師ラベルに相当し、測位パターンが教師データに相当する。機械学習訓練部602は、生成された学習モデルを分類器として分類器記録部603に格納する。

0099

機械学習予測部604は、測位装置500の磁気受信部506から測位対象の測位パターンを受信すると、分類記録部603に格納されている分類器に、当該測位対象の測位パターンを入力し、各測位ラベルの尤度を得る。機械学習予測部604は、測位装置500に対し、分類器を用いて得られた各測位ラベルの尤度を送信する。

0100

推定モデル生成部117及び推定モデル生成部129等の一部又は全部の機能が、機械学習訓練部602の機能に相当する。

0101

続いて、図14のフローチャートを参照して、実施例1の測位用地磁気マップの作成システムの全体動作の流れを説明する。

0102

図14に示したように、準備フェーズでは、まず、ラベル設計装置700のラベル設計部702がラベル設計を行う(ステップS301)。具体的には、図12及び図13のように測位対象の範囲に対し多角形の測位エリアと測位エリアへの侵入経路を設定し、この組み合わせ毎に測位ラベルが生成される。測位ラベルは測位エリアからの脱出経路も合わせて保持する。測位エリアは同一の多角形で構成する必要は無く、例えば、三叉路の交差点は三角形、五叉路の交差点は五角形で示しても良い。図15に三叉路の交差点の測位ラベルを示す。

0103

次に、磁気マップ生成用装置200が、各計測パスに沿った磁気の測定と、磁気パターンの作成をする(ステップS302)。

0104

次に、測位装置500が、ステップS302で作製された磁気パターンにバンドパスフィルタ等のデジタルフィルタをかけ、特定周波数帯域のみを取り出す(ステップS303)。次に、測位装置500が、計測パス識別子をキー、計測パスと磁気パターンを値とするデータをまとめた磁気マップを作成する(ステップS304)。

0105

次に、測位装置500が、磁気マップより複数の測位オブジェクトを取り出して学習用磁気マップを作成する(ステップS305)。具体的には、各測定ラベルに沿って侵入し、測位エリア内を終端とする磁気パターンの一部である磁気ベクトルを磁気マップから取り出し、その長さを算出して2つの情報を持つ測位パターンとし、これらを1つにまとめて測位オブジェクトを作成する。

0106

次に、機械学習装置600は、学習用磁気マップの測位パターンを教師データ、学習用磁気マップの測位ラベルを教師ラベルとして、教師あり機械学習を行い、学習により得られた分類器を記録する(ステップS306)。

0107

測位フェーズでは、まず、被測位装置300が、磁気を計測し、測位磁気パターンとする。そして、被測位装置300は、測位磁気パターンを測位装置500に送信する(ステップS401)。

0108

次に、測位装置500は、被測位装置300から測位磁気パターンを受信すると(ステップS402)、測位磁気パターンにバンドパスフィルタをかけて特定周波数を取り出し、次いで、測位磁気パターンの長さを算出して、測位パターンを作成する(ステップS403)。そして、測位装置500は、作成した測位パターンを機械学習装置600に送信する。

0109

次に、機械学習装置600は、受信した測位パターンを分類器に入力し、測位パターンに対する各測位ラベルの尤度を取得し、測位装置500に送信する(ステップS404)。

0110

次に、測位装置500は、最も尤度の高い測位ラベルを推定測位ラベルとする(ステップS405)。最後に、測位装置500は、推定測位ラベルの測位エリアを被測位装置の推定座標とする(ステップS406)。

0111

以上のような実施例1の効果は以下の通りである。

0112

実施例1によれば、硬質磁性体から受ける磁気影響のみを抽出して、磁気影響と位置による機械学習の訓練が行えるため、正しい位置を算出できる。その理由は、機械学習自体が柔軟性を持った判断を行うという特質を持つことにより測位磁気の中で最も大きな影響を持つが位置判断にはほとんど役に立たない地磁気情報と、外的要因ノイズとして最も大きな移動に伴う磁気情報をフィルタリングにより除去した分類器を作成する構成を採用したことにある。

0113

上記地磁気情報を除去する工程は、磁気センサのオフセットずれ問題にも貢献する。オフセットずれも地磁気情報と同様に直流成分として出力されるため、準備フェーズ、測位フェーズどちらでも磁気センサのキャリブレーションを行う必要が無い。

0114

上記フィルタリング工程は開発工数の削減にも貢献する。フィルタリング工程は、特定周波数帯域のみを残す簡易な処理であり、ノイズを個別に特定して除去すると言った工程や、ノイズを付与する工程よりも短時間で完了することができる。

0115

さらに、実施例1では測位エリアに侵入する無数の磁気パターンから学習を行っており、測位時の磁気パターンがエリアを跨ぐことによって類似するものを見つけられないと言った状態や、尤度が下がってしまう問題を解決する。

0116

さらに、実施例1では測位磁気パターンの長さと測位エリアの範囲を一致させなければならない問題から開放される。これにより測位エリアの長さが短くとも測位エリアよりも長い測位磁気パターンを測位に利用できるため測位精度が向上する。

0117

<実施例2>
図10を用いて実施例2を説明する。実施例2が実施例1と異なる点は、磁気センサは電子コンパスに限定されることと、磁気マップ編集部503の処理(図14のS305)と、磁気受信部506の処理(図14のS403)とである。

0118

磁気マップ編集部503は、実施例1と同様に、磁気マップ作成部502にて作成された磁気マップを測位オブジェクトに変換して学習用磁気マップを作成する。そして、磁気マップ編集部503は、学習用磁気マップを構成する測位オブジェクトの測位パターンに対し、鉛直軸を中心とした回転を加え、鉛直軸に対してどのような回転を施した状態で測位を行っていても同様の磁気情報変化ベクトルになるように正規化を行い、4次元学習用磁気マップを作成する。

0119

磁気パターンは3次元×長さnのベクトルで表現されるため、このベクトルは[x(n)、y(n)、z(n)]と表現される。測位パターンが保有する磁気パターンに対し、鉛直軸周りに回転を施し、回転量ωと水平面を構成するx軸、y軸の磁気情報の変化を記録する。この作業により、ベクトルは[x(n、ω)、y(n、ω)、z(n、ω)]で表現される。ベクトル終端をpとした場合にx(p、ω)が最小となるωをrとし、ω−rで、ベクトルの並び順を変更するとベクトルは[x(n、ω−r)、y(n、ω−r)、z(n、ω−r)]で表現される。図16は当該処理の概念を示す図である。

0120

磁気受信部506では、測位パターンに対し、上述した磁気マップ編集部503と同様の処理を行う。

0121

以上のような実施例2は、実施例1と同様な効果に加えて、以下の効果を実現する。

0122

実施例2では測位装置が鉛直軸周りに回転する影響を無視できる磁気パターンを生成して機械学習の訓練に用いることにより、鉛直軸周りの回転に依存しない位置測定が可能となる。

0123

さらに、加速度センサジャイロセンサ及びカルマンフィルター等の補正フィルタを用いた手段等の任意の手段で鉛直軸以外の回転を校正することにより、電子コンパスの持ち方に依存しない位置測位が可能となる。

0124

なお、図10に示した磁気マップ生成用装置200、被測位装置300、測位装置500、機械学習装置600、ラベル生成装置700の中で、いずれか2つ以上の装置を一つの装置に一体化したシステム構成も採用できる。例えば、磁気マップ生成用装置200と被測位装置300を同一の装置としてもよい。

0125

また、図10の2つ以上の処理ユニット(機能部)は、一体化したり、さらに細分化したりした構成も採用可能である。例えば、磁気受信部506、最尤ラベル選択部507、座標決定部508を1つの処理ユニットに一体化したシステム構成も採用できる。

0126

また、図10の2つ以上の処理ユニットの一部を、別の装置に移したシステム構成も採用できる。例えば、最尤ラベル選択部507、座標決定部508を被測位装置300に配置してもよい。さらには、被測位装置300が、直接、機械学習装置600の機械学習予測部604にアクセスし、各測位磁気パスの尤度を取得する構成も採用できる。

0127

また、磁気マップ作成部502及び磁気受信部506において、バンドパスフィルタをかける代わりに、バンドストップフィルタをかけ、元の磁気パターンからバンドストップフィルタ後の磁気パターンを除いたものを採用できる。またローパスフィルタハイパスフィルタ複数組み合わせたものも採用できる。

0128

また、磁気マップ編集部503で測位パターンとして磁気パターンの値をそのまま利用する代わりに、値が固定範囲内に収まるように相対的に値を変更する正規化を行う構成も採用できる。正規化は全計測パスの値を軸に行う構成及び測位パターン内部の値のみで行う構成どちらも採用できる。

0129

また、磁気マップ編集部503で測位パターンを内部の値のみで正規化する際に、値の幅を見て正規化する際に幅に応じた乗率をかける構成も採用できる。乗率の算出手法線形関数と、区分線形関数と、非線形関数が採用できる。

0130

また、磁気マップ編集部503で実施例2を実行する際に、z(n)についても値が変わらないが回転を施し、x軸、y軸、z軸の各軸を0〜255の値に正規化し、それぞれをRGBと見なした画像に変換する構成も採用できる。

0131

また、磁気マップ編集部503で実施例2をRGB画像で実行する際に、RGB色空間をHSVのような他の色空間に変換したもので機械学習を実施する構成も採用できる。

0132

また、磁気マップ編集部503で実施例2をRGB画像で実行する際に、画像サイズを縮小することで機械学習の計算量を削減する構成も採用できる。他の色空間画像でも同様に縮小して計算量を削減する構成も採用できる。

0133

本明細書における、ユーザー端末(User Equipment、 UE)(もしくは移動局(mobile station)、移動端末(mobile terminal)、モバイルデバイス(mobile device)、または無線端末(wireless device)などを含む)は、無線インターフェースを介して、ネットワークに接続されたエンティティである。

0134

本明細書は、専用の通信装置に限定されるものではなく、次のような通信機能を有する任意の機器に適用することが可能である。

0135

用語として「(3GPPで使われる単語としての)ユーザー端末(User Equipment、UE)」、「移動局」、「移動端末」、「モバイルデバイス」、「無線端末」のそれぞれは、一般的に互いに同義であることを意図しており、ターミナル、携帯電話、スマートフォン、タブレットセルラIoT端末、IoTデバイス、などのスタンドアローン移動局であってもよい。用語として「移動局」「移動端末」「モバイルデバイス」は、長期間にわたって備え付けられている装置も包含することが理解されよう。

0136

またUEは、例えば、生産設備製造設備および/またはエネルギー関連機械アイテム(一例として、ボイラー機関タービンソーラーパネル風力発電機水力発電機火力発電機原子力発電機、蓄電池原子力システム原子力関連機器、重電機器、真空ポンプなどを含むポンプ圧縮機、ファン送風機油圧機器空気圧機器金属加工機械マニピュレータ、ロボット、ロボット応用システム、工具金型ロール搬送装置昇降装置貨物取扱装置繊維機械縫製機械印刷機印刷関連機械、紙工機械化学機械鉱山機械鉱山関連機械、建設機械建設関連機械、農業用機械および/または器具林業用機械および/または器具、漁業用機械および/または器具、安全および/または環境保全器具、トラクター軸受、精密ベアリングチェーン歯車ギアー)、動力伝動装置潤滑装置、弁、管継手、および/または上記で述べた任意の機器又は機械のアプリケーションシステムなど)であっても良い。

0137

またUEは、例えば、輸送用装置のアイテム(一例として、車両、自動車二輪自動車、自転車、列車、バス、リヤカー人力車船舶(ship andotherwatercraft)、飛行機ロケット、人工衛星、ドローン、気球など)であっても良い。

0138

またUEは、例えば、情報通信用装置のアイテム(一例として、電子計算機及び関連装置、通信装置及び関連装置、電子部品など)であっても良い。

0139

またUEは、例えば、冷凍機、冷凍機応用製品および装置、商業およびサービス用機器、自動販売機自動サービス機、事務用機械及び装置、民生用電気電子機械器具(一例として音声機器スピーカーラジオ映像機器テレビオーブンレンジ炊飯器コーヒーメーカー食洗機洗濯機乾燥機扇風機換気扇及び関連製品掃除機など)であっても良い。

0140

またUEは、例えば、電子応用システムまたは電子応用装置(一例として、X線装置粒子加速装置放射性物質応用装置音波応用装置、電磁応用装置、電力応用装置など)であっても良い。

0141

またUEは、例えば、電球照明計量機分析機器試験機及び計測機械(一例として、煙報知器、対人警報センサ動きセンサ無線タグなど)、時計(watchまたはclock)、理化学機械、光学機械医療用機器および/または医療用システム武器利器工匠具、または手道具などであってもよい。

0142

またUEは、例えば、無線通信機能を備えたパーソナルデジタルアシスタントまたは装置(一例として、無線カード無線モジュールなどを取り付けられる、もしくは挿入するよう構成された電子装置(例えば、パーソナルコンピュータ電子計測器など))であっても良い。

0143

またUEは、例えば、有線や無線通信技術を使用した「あらゆるモノのインターネット(IoT:Internet of Things)」において、以下のアプリケーション、サービス、ソリューションを提供する装置またはその一部であっても良い。

0144

IoTデバイス(もしくはモノ)は、デバイスが互いに、および他の通信デバイスとの間で、データ収集およびデータ交換することを可能にする適切な電子機器ソフトウェアセンサーネットワーク接続、などを備える。

0145

またIoTデバイスは、内部メモリの格納されたソフトウェア指令に従う自動化された機器であっても良い。

0146

またIoTデバイスは、人間による監督または対応を必要とすることなく動作しても良い。

0147

またIoTデバイスは、長期間にわたって備え付けられている装置および/または、長期間に渡って非活性状態(inactive)状態のままであっても良い。

0148

またIoTデバイスは、据え置き型な装置の一部として実装され得る。IoTデバイスは、非据え置き型の装置(例えば車両など)に埋め込まれ得る、または監視される/追跡される動物や人に取り付けられ得る。

0149

人間の入力による制御またはメモリに格納されるソフトウェア命令、に関係なくデータを送受信する通信ネットワークに接続することができる、任意の通信デバイス上に、IoT技術が実装できることは理解されよう。

0150

IoTデバイスが、機械型通信(Machine Type Communication、MTC)デバイス、またはマシンツーマシン(Machine to Machine、M2M)通信デバイス、と呼ばれることもあるのは理解されよう。

0151

またUEが、1つまたは複数のIoTまたはMTCアプリケーションをサポートすることができることが理解されよう。

0152

MTCアプリケーションのいくつかの例は、以下の表(出典:3GPP TS22.368 V13.2.0(2017-01-13) Annex B、その内容は参照により本明細書に組み込まれる)に列挙されている。このリストは、網羅的ではなく、一例としてのMTCアプリケーションを示すものである。

0153

0154

アプリケーション、サービス、ソリューションは、一例として、MVNO(Mobile Virtual Network Operator:仮想移動体通信事業者)サービス/システム、防災無線サービス/システム、構内無線電話PBX(Private Branch eXchange:構内交換機))サービス/システム、PHS/デジタルコードレス電話サービス/システム、POS(Point of sale)システム、広告発信サービス/システム、マルチキャスト(MBMS(Multimedia Broadcast and Multicast Service))サービス/システム、V2X(Vehicle to Everything:車車間通信および路車間・歩車間通信)サービス/システム、列車内移動無線サービス/システム、位置情報関連サービス/システム、災害/緊急時無線通信サービス/システム、IoT(Internet of Things:モノのインターネット)サービス/システム、コミュニティーサービス/システム、映像配信サービス/システム、Femtoセル応用サービス/システム、VoLTE(Voice over LTE)サービス/システム、無線TAGサービス/システム、課金サービス/システム、ラジオオンデマンドサービス/システム、ローミングサービス/システム、ユーザー行動監視サービス/システム、通信キャリア/通信NW選択サービス/システム、機能制限サービス/システム、PoC(Proof of Concept)サービス/システム、端末向け個人情報管理サービス/システム、端末向け表示・映像サービス/システム、端末向け非通信サービス/システム、アドホックNW/DTN(Delay Tolerant Networking)サービス/システムなどであっても良い。

0155

なお、上述したUEのカテゴリは、本明細書に記載された技術思想及び実施形態の応用例に過ぎない。これらの例に限定されるものではなく、当業者は種々の変更が可能であることは勿論である。

0156

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

0157

この出願は、2018年8月2日に出願された日本出願特願2018−145940号を基礎とする優先権を主張し、その開示の全てをここに取り込む。

ページトップへ

この技術を出願した法人

この技術を発明した人物

ページトップへ

関連する挑戦したい社会課題

関連する公募課題

ページトップへ

おススメ サービス

おススメ astavisionコンテンツ

新着 最近 公開された関連が強い技術

この 技術と関連性が強い人物

関連性が強い人物一覧

この 技術と関連する社会課題

関連する挑戦したい社会課題一覧

この 技術と関連する公募課題

関連する公募課題一覧

astavision 新着記事

サイト情報について

本サービスは、国が公開している情報(公開特許公報、特許整理標準化データ等)を元に構成されています。出典元のデータには一部間違いやノイズがあり、情報の正確さについては保証致しかねます。また一時的に、各データの収録範囲や更新周期によって、一部の情報が正しく表示されないことがございます。当サイトの情報を元にした諸問題、不利益等について当方は何ら責任を負いかねることを予めご承知おきのほど宜しくお願い申し上げます。

主たる情報の出典

特許情報…特許整理標準化データ(XML編)、公開特許公報、特許公報、審決公報、Patent Map Guidance System データ