CN103827632A - 位置检测装置、位置检测方法及位置检测程序 - Google Patents

Abstract

位置检测装置具有位置估计部、更新部、位置修正部。位置估计部根据移动体的绝对位置和根据自律航法求出的移动体的位置变化，估计移动体的位置。更新部基于估计出的移动体的位置及移动体的动作中的、至少一个，更新多个每个区域的信息即表示移动体存在的频度越高则概率越高的存在概率信息。位置修正部基于更新过的存在概率信息，对估计出的移动体的位置进行修正，以使移动体存在于概率高的位置。

Description

位置检测装置、位置检测方法及位置检测程序

技术领域

本发明的实施方式涉及位置检测装置、位置检测方法及位置检测程序。

背景技术

以往，检测步行者等移动体的位置的技术中，已知有利用了GPS（Global Positioning System：全球定位***）的技术、利用了无线装置的技术、利用了根据自律航法（dead reckoning）求出的位置变化的技术等。这些技术中的利用无线装置的技术为如下技术：根据配置于任意场所的无线装置与由步行者所保持的终端装置的通信状态，检测步行者的位置。

另外，虽然利用GPS或无线装置的技术能够检测绝对位置，但是存在有测量误差或在电波不到达的场所无法利用等问题，因此有时无法持续并高精度地检测位置。因此，有将绝对位置和根据自律航法求出的位置变化组合来估计更准确的位置的技术。另外，在导航装置中，也存在采用了利用地图信息对估计出的位置进行修正的称为地图匹配的技术的装置。

现有技术文献（专利文献）

专利文献1：日本特开2011-17610号公报

发明内容

发明要解决的课题

然而，在现有技术中，存在难以高精度地确定步行者的位置等问题。具体而言，就绝对位置而言，有时如上所述那样地、无法持续并高精度地检测。另外，就自律航法而言，误差伴随着时间经过而累计，因此若仅用自律航法则难以持续并高精度地检测位置。另外，就地图匹配而言，为了准备表示步行者能够步行的场所的地图，需要极大的劳动力。也就是说，考虑到表示步行者能够步行的场所的地图具有比车辆能够通行的场所更多的能够步行的场所，并且场所的变化频繁地发生，因此其准备需要极大的劳动力。其结果是，在现有技术中，无法低成本、容易而且高精度地确定步行者的位置。

本发明要解决的课题在于，提供能够容易并且高精度地确定步行者的位置的位置检测装置、位置检测方法及位置检测程序。

用于解决课题的手段

实施方式的位置检测装置具有位置估计部和位置修正部。位置估计部根据移动体的绝对位置和根据自律航法求出的移动体的位置变化，估计移动体的位置。位置修正部基于多个每个区域的信息即表示移动体存在的频度越高则概率越高的存在概率信息，对估计出的移动体的位置进行修正，以使移动体存在于概率高的位置。

附图说明

图1是表示第1实施方式涉及的位置检测装置的框图。

图2是表示位置估计部的输出结果的图。

图3是说明第1实施方式涉及的路径计算处理的图。

图4是表示应当作为目标的存在概率信息的图。

图5是表示第1实施方式涉及的存在概率信息的图。

图6是说明第1实施方式涉及的位置修正处理的图。

图7是表示第1实施方式涉及的整体处理的流程的流程图。

图8是表示第2实施方式涉及的位置检测装置的框图。

图9是表示第2实施方式涉及的存在概率信息的图。

图10是说明第2实施方式涉及的位置修正处理的图。

图11是表示第2实施方式涉及的整体处理的流程的流程图。

图12是表示第3实施方式涉及的存在概率信息的图。

图13是说明第3实施方式涉及的位置修正处理的图。

具体实施方式

（第1实施方式）

图1是表示第1实施方式涉及的位置检测装置的结构例的框图。如图1所示，位置检测装置100具有：位置估计部110、更新部120、存储部130以及位置修正部140。另外，位置检测装置100从绝对位置检测部1取得绝对位置，并且从自律航法处理部2取得相对位置。绝对位置检测部1和自律航法处理部2，例如包含于由作为移动体的步行者（用户）保持的终端装置。

绝对位置检测部1进行利用了GPS的绝对位置的检测。例如，绝对位置检测部1每隔5秒尝试检测，将能够检测到的情况下的经度“X_a”和纬度“y_a”输出至位置检测装置100。此外，在绝对位置检测部1中，也可以不仅利用利用了GPS的绝对位置的检测，还利用各种绝对位置的检测方法中的多个。

作为其他的方法，例如列举出通过利用照相机并识别人物由此检测相应的用户的位置的方法、根据无线装置与终端装置的通信状态来检测位置的方法等。在根据无线装置与终端装置的通信状态来检测位置的方法中，根据与Wi-Fi（注册商标）、RFID（Radio FrequencyIdentification：射频设别）设备的通信状态，利用预先登记的无线通信基站的位置作为绝对位置的检测结果。

在本实施方式中，绝对位置虽然无需始终能够检测，但能够维持一定的可靠性是较为理想的。因为该情况，可以为，使用测量精度的指数即DOP（Dilution Of Precision：几何精度因子）值，并仅使用能够维持一定的可靠性的数据。另外，当由于进入到建筑物内或地下从而不能获得来自GPS的卫星信息时，可以为，利用预先保持的建筑物的入口或地下的入口的坐标。

自律航法处理部2用自律航法计算相对的位置变化。例如，自律航法处理部2从加速度传感器检测步行者的步数，根据预先规定的传感器的安装方向、地磁传感器的输出以及加速度传感器的输出，检测行进方向。并且，自律航法处理部2执行累计处理，由此计算步行者的相对的位置变化，其中，该累计处理是：将利用预先登记的步行者的步幅并在检测出的行进方向上移动了步幅距离的动作进行检测出的步数的处理。此外，自律航法是计算相对的位置变化的方法，因此为了计算绝对位置而从外部取得一次绝对位置。在本实施方式中，在后述的位置估计部110中利用绝对位置。

在此，对由自律航法处理部2执行的各处理的详细进行说明。检测步行者的步数的处理根据加速度传感器的变化来检测步数。该步数不是总计的步数，而是作为在步数的增加时返回“1”而在其以外时返回“0”的时间的函数“stepSignal（t）”，来检测步数。例如，设来自加速度传感器的传感器值被离散地取得，在设时刻“t＝t1，t2，t3，···”的加速度传感器的值为“a（t）”时，“stepSignal（t）”以（式1）及（式2）表示。即，“stepSignal（t）”是在步行时的脚着地时为“1”的函数。此外，阈值“th_walk”设为1.0（G）。

[式1]

$s\left(t\right)=\{\begin{array}{cc}1& \mathrm{if\; a}\left(t\right)>{\mathrm{th}}_{\mathrm{walk}}\\ 0& \mathrm{otherwise}\end{array}$

[式2]

$\mathrm{stepSignal}\left(t\right)=\{\begin{array}{cc}1& \mathrm{if\; s}\left(t\right)-s(t-1)=1\\ 0& \mathrm{otherwise}\end{array}$

另外，检测步行者的行进方向的处理检测步行者的行进方向作为绝对方位。更具体而言，从地磁传感器检测终端装置的绝对方位，从预先规定的传感器的安装方向获得步行者的行进方向的角度，并且从加速度传感器的输出获得重力矢量，计算行进方向。例如，设终端装置的xyz坐标系中的行进方向矢量为“Vf＝（xf，yf，zf）”，设地磁传感器的北方向矢量为“Vn＝（xn，yn，zn）”，设从加速度传感器获得的重力方向矢量为“Vg＝（xg，yg，zg）”。并且，表示步行者的行进方向的绝对方位的角度“direction”利用矢量的内积“·”和外积“×”及余弦的反函数“acos”，通过（式3）～（式6）来求出。

[式3]

$V_{\mathrm{fh}}=V_f-(V_f\·V_g)$

[式4]

$V_{\mathrm{nh}}=V_n-(V_n\·V_g)$

[式5]

$\mathrm{\φ}=a\cos \left(\frac{V_{\mathrm{fh}}\·V_{\mathrm{nh}}}{\left|V_{\mathrm{fh}}\right|\left|V_{\mathrm{nh}}\right|}\right)$

[式6]

$\left(t\right)=\{\begin{array}{cc}\mathrm{\φ}& \mathrm{if}(V_f\×V_n)\·V_g>0\\ -\mathrm{\φ}& \mathrm{otherwise}\end{array}$

在此，时间“t”时的重力矢量“Vg（t）”作为加速度矢量“a（t）”的一定时间的平均值，能够通过（式7）来计算。此外，“T”设为1秒。

[式7]

$V_g\left(t\right)=\frac{{\mathrm{\Σ}}_{\mathrm{\τ}=t}^{t-T+1}a\left(t\right)}{T}$

其结果是，步行者的行进方向基于随时从各种传感器输出的传感器值而随时计算，由此作为相对于时间的行进方向的函数“direction（t）”被检测，该相对于时间的行进方向的函数“direction（t）”采用了将北设为0度并将东设为90度的角度。此外，也可以采用未将传感器的安装方向设为固定的方法，但本实施方式中的详细的说明省略。

另外，就步行者的步幅而言，如上所述那样地、利用预先登记的固定值。即，在设该固定值为“0.7（m）”时，为“stepSize（t）＝0.7”。但是，就步幅而言，因人而异，因此也可以事先登记按每个用户而不同的步幅。另外，步幅也可以为从预先登记的用户的身高减去“1（m）”等指定值而得到的值“用户的身高-1”，也可以从加速度传感器取得步行时的着地的冲击的大小并根据所取得的冲击的大小来估计。

自律航法处理部2的处理使用步数的检测结果即“stepSignal(t)”、行进方向的检测结果即“direction(t)”、步幅即“stepSize(t)”，计算位置的变化。并且，相对位置的坐标“x_r(t)”、“y_r(t)”通过更新式即(式8)及(式9)来计算。

[式8]

x_r(t+1)=x_r(t)+stepSignal(t)*cos(direction(t))*stepSize(t)

[式9]

y_r(t+1)=y_r(t)+stepSignal(t)*(-sin(direction(t)))*stepSize(t)

位置估计部110根据由绝对位置检测部1检测到的步行者的绝对位置和由自律航法处理部2根据自律航法求出的步行者的位置变化，估计步行者的当前的位置(x，v)。在位置估计部110进行的位置估计中，存储刚刚检测出的绝对位置(x_a，y_a)和检测时的时刻t_a。并且，在位置估计部110进行的位置估计中，刚刚检测出的自律航法的相对位置(x_r，y_r)也一并存储。也就是说，在某时刻t检测出绝对位置时，位置估计部110采用该绝对位置作为可靠性高的值。并且，在未检测到绝对位置时，位置估计部110根据最后能够检测出的绝对位置的场所来计算自律航法的差分，从而计算时刻t的位置。这种位置估计部110进行的位置估计能够通过(式10)及(式11)来表示。

[式10]

x(t)=x_a+x_r(t)-x_r(t_a)

[式11]

y(t)=y_a+y_r(t)-y_r(t_a)

作为位置估计部110的位置估计的输出，为位置(x(t)，v(t))，但在本实施方式中，在后段的处理中利用的x_a(t)、y_a(t)、x_r(t)、y_r（t）也作为输出的对象。图2是表示位置估计部110的输出结果的例子的图。如图2所示，位置估计部110在各时刻t输出能够检测到的绝对位置的经度及纬度、相对位置的经度及纬度、估计出的位置的经度及纬度。若举例，则位置估计部110在时刻“2011/9/913：10：00”，输出绝对位置的经度“139.696844”及纬度“35.532155”、相对位置的经度“139.696844”及纬度“35.532155”、估计出的位置的经度“139.696844”及纬度“35.532155”。

在图2所示的例子中，从时刻“2011/9/913：10：15”起到时刻“2011/9/913：10：45”为止未能检测到绝对位置，此时估计的位置基于在时刻“2011/9/913：10：10”能够检测出的绝对位置来计算。但是，实际上绝对位置的检测也存在因多路径等的影响而产生误差的情况。为此，在用上述的DOP值等测量精度的指数并保证一定以上的可靠性时，可以作为绝对位置（x_a，y_a）来采用。

更新部120基于由位置估计部110估计出的步行者的位置，更新在存储部130中所存储的存在概率信息。该存在概率信息是多个每个区域的信息，是表示步行者存在的频度越高则越高的概率的信息。详细而言，存在概率信息将位置作为坐标来表示，并表示步行者能够在某坐标通行的概率的高低。在这种存在概率信息中，表现对坐标（x，y）的通行可能性进行表示的函数p（x，y）。

本实施方式涉及的存在概率信息为：将位置细分化为一定大小的格子，并以0到1的概率来表现与各个位置有关的通行可能性，但关于通行可能性的表现，并不限于此。例如，通行可能性的表现也可以采用重合了多个高斯分布的混合高斯分布等。

更具体而言，更新部120的处理将由位置估计部110输出的信息和从存储部130取得的存在概率信息作为输入，执行检测位置存储处理、路径计算处理、更新处理。以下，对这些处理进行说明。

检测位置存储处理为：为了在路径计算处理中利用的、位置的时间变化的轨迹即路径的构建，而将由位置估计部110估计出的位置缓存的处理。例如，估计出的位置的缓存将最近的60分钟的位置信息与检测时的时间信息一起存储。此外，缓存所需的时间是路径的构建所用的时间，因此不限于60分钟，能够适当变更。

路径计算处理为：在作为具有一定可靠性的位置的起点和终点之间，套用自律航法的位置计算结果的履历来计算路径的处理。如上所述那样地、绝对位置在能够检测到时，作为具有一定可靠性的位置而采用。在利用自律航法的位置计算中，误差可能会累计，误差的大部分起因于行进方向的检测误差和步幅检测误差。但是，行进方向检测误差和步幅检测误差的、作为时间性的变化较少的情况较多。另外，就步数的检测而言，认为误差比较少。也就是说，误差的大部分作为“旋转”、“伸缩”被发现的情况较多，其中，“旋转”作为行进方向检测误差，“伸缩”作为步幅检测误差。

因此，假定设作为具有一定可靠性的位置的起点为时刻“t_s”、设终点为时刻“t_e”，并设这两个点是准确的位置，来计算这两个点间的路径。更具体而言，通过自律航法的“旋转”和“伸缩”对起点及终点进行修正之后计算路径。例如，起点及终点的修正后的路径上的位置“x’（t）”、“y’（t）”用伸缩修正值“dl”和旋转修正值“dθ”，通过（式12）～（式18）来计算。在（式12）～（式18）中，设坐标（x_as，y_as）为起点，修正为使从时刻t_s起到t为止的自律航法的位置变化的轨迹旋转dθ并伸缩dl后的坐标。

[式12]

$\mathrm{length}(x_s,y_s,x_e,y_e)=\sqrt{{(x_e-x_s)}^2+{(y_e-y_s)}^2}$

[式13]

$d1=\frac{\mathrm{length}(x_{\mathrm{as}},y_{\mathrm{as}},x_{\mathrm{ae}},y_{\mathrm{ae}})}{\mathrm{length}(x_{\mathrm{rs}},y_{\mathrm{rs}},x_{\mathrm{re}},y_{\mathrm{re}})}$

[式14]

$V_a={(x_{\mathrm{ae}}-x_{\mathrm{as}},y_{\mathrm{ae}}-y_{\mathrm{as}})}^T$

[式15]

$V_r={(x_{\mathrm{re}}-x_{\mathrm{rs}},y_{\mathrm{re}}-y_{\mathrm{rs}})}^T$

[式16]

$\mathrm{\φ}=a\cos \left(\frac{V_r\·V_a}{\left|V_r\right|\left|V_a\right|}\right)$

[式17]

x’(t)=x_as+dl((x_re(t)-x_rs)cosdθ-(y_re(t)-y_rs)sindθ)

[式18]

y’(t)=y_as+dl((x_re(t)-x_rs)sindθ-(y_re(t)-y_rs)cosdθ)

图3是说明第1实施方式涉及的路径计算处理的图。在图3所示的例中，圆形标记表示实际的位置。圆形标记中的、白色圆形标记是不能检测到的位置，阴影圆形标记是能够部分检测到的位置(绝对位置)。另外，阴影圆形标记中的、右方的圆形标记是时刻t_s的起点。另一方面，在图3所示的例中，叉形标记是自律航法的位置变化。叉形标记中的、时刻t＝0的叉形标记与起点一致。即，在起点，绝对位置和相对位置重合。并且，时刻t＝0以后，伴随着时间，绝对位置和相对位置之间的误差产生差异(開き)。在图3所示的例中，发生了有规律的行进方向的检测误差即角度的误差。为此，在检测到终点(x_ae，y_ae)的时刻t_e，执行存在概率信息的更新处理，通过j将起点固定的旋转的修正，获得图3所示的圆形标记的轨迹作为更准确的路径。

更新处理是使用由路径计算处理计算出的路径信息更新在存储部130中所存储的存在概率信息的处理。存在概率信息如上所述那样地、是表示步行者存在的频度越高则越高的概率的信息，将位置表示为坐标，表示步行者能够在某坐标通行的概率的高低。这种存在概率信息虽然与地图相似但在一般的地图中有时并不示出步行者能够通行的场所，因此与单纯的地图不同。但是，存在概率信息也可以基于地图的信息，以将不能通行的场所的存在概率设为较低的值并将能够通行的场所的存在概率设为比较高的值的方式来生成。

就存在概率信息而言，位置的格子通过纬度和经度来识别。存在概率信息的格子尺寸作为一个形态设为1米见方。即，存在概率信息为：对于通过纬度和经度来识别的1米单位的格子，分别示出以0到1的概率值赋予的一个存在概率的数据结构。图4是表示应当作为目标的存在概率信息的例子的图。如图4所示，应当作为目标的存在概率信息按格子坐标的顺序排列存在概率，作为概率值，将能够通行的场所设为“1”，将不能通行的场所设为“0”。此外，存在概率信息除了纬度和经度以外，也可以使用建筑物内中的楼层信息通过三维格子来对待。另外，在本实施方式中，存在概率信息的概率值最初没有时，对于全部概率值，设定为“0.2”等值即可。

在此，若路径信息没有误差，则存在概率信息的更新是将路径上的格子的概率值更新为“1”的处理，但由于实际上路径信息存在误差，因此为了获得更准确的存在概率信息，利用重复检测的路径信息来更新。在本实施方式中，利用（式19）及（式20）执行更新处理。

[式19]

$p(x,y)\←p(x,y)+\mathrm{\γ}(1-p(x,y))(x\∈x^{\′}\left(t\right),y\∈y^{\′}\left(t\right)\∃t\≥t_s)$

[式20]

$\∀p(x,y)\←p(x,y)\frac{N_x{N}_y{P}_{\max }}{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_{y}p(x,y)}\left(\mathrm{if}{\mathrm{\Σ}}_x{\mathrm{\Σ}}_{y}p(x,y)\right)$

在（式19）中，“γ”是更新率，例如设为取“0.3”等值。该更新率表示将利用的路径信息反映到存在概率信息中的比例，如果利用的路径信息正确，则提高该更新率的是较为理想的。另外，N_x、N_y是格子的x方向、y方向的最大值，设“N_xN_y”表示总格子。另外，P_max是所规定的平均概率的最大值，例如取“0.5”等值。

通过这些处理，存在概率信息中，路径上的场所其概率接近“1”，通过重复进行更新处理该概率逐渐接近“1”。图5是表示第1实施方式涉及的在存储部130中所存储的存在概率信息的例子的图。如图5所示，存在概率信息为通过上述的处理在各格子中表示“0.0”至“1.0”的概率值。另外，在单纯地使步行者存在的频度高的能够通行的场所的概率接近“1”的处理中，在包含误差的情况下，全部格子的概率接近“1”。为此，在本实施方式中，执行更新处理，以使全部格子的平均概率不超过一定值。其结果是，在更新处理中，作为原则，存在的频度高的场所的存在概率接近“1”，但存在的频度低的场所的存在概率即使实际上能够通行也可能为接近“0”的值（或“0”）。

位置修正部140基于由存储部130存储的存在概率信息，通过位置估计部110对估计出的位置进行修正，以使步行者存在于概率高的位置。在位置修正部140的位置修正处理中，不仅修正瞬间的位置偏差，还对于步行者通行的路径整体进行修正，以使似然变高。在此，认为：当在存在概率低的场所通行时，设为估计出的位置有误差，并向估计出的位置附近的存在概率高的位置进行修正的方法是一般的。但在本实施方式中，以使与步行者通行过的路径整体有关的存在概率信息的累计的似然最大化的方式进行修正。例如，活用上述的路径计算处理，如（式21）那样获得修正用的参数。

[式21]

$\underset{\mathrm{\θ},1}{\arg \max }{\mathrm{\Σ}}_{x^{\′}}{\mathrm{\Σ}}_{y^{\′}}p(x^{\′}\left(t\right),y^{\′}\left(t\right))\∀t\≥t_s$

也就是说，获得使修正后的路径所包含的格子的概率值的总和最大化的这种旋转修正值“θ”、伸缩修正值“l”。实际上，使θ及l在一定的范围内例如设为“-30＜θ＜30”、“0.8＜l＜1.2”来离散地变化，并对于各自分别计算概率值的总和，获得达到最大的θ及l。在此，若似然同等，则可以说旋转修正值θ接近“0”并且伸缩修正值l接近“1”的一方由于修正量变少因此是更优的结果。作为用于不过于使修正量变大的制约，使从似然项减去正则化项“c1θ+c2l”后的值最大化也是有效的。使用旋转修正值“θ”和伸缩修正值“l”，表示实际的路径及位置的、估计位置的修正后的坐标(x’(t)，v’(t))通过(式22)及(式23)来表示。

[式22]

x′(t)=x_as+1((x_re(t)-x_rs)cosθ-(y_re(t)-y_rs)sinθ)

[式23]

y′(t)=y_as+1((x_re(t)-x_rs)sinθ+(y_re(t)-y_rs)cosθ)

这样，通过对估计出的位置进行修正，尤其能够对成为步行者的自律航法中的大的误差要因的作为行进方向检测误差的“旋转”和作为步幅检测误差的“伸缩”进行修正，并获得更准确的位置。

图6是说明第1实施方式涉及的位置修正处理的图。在图6所示的例中，在成为起点的阴影圆形标记以后，不能获得准确的绝对位置，作为自律航法的相对位置，检测出如叉形标记那样的估计位置(参照图6左方)。若为该叉形标记的轨迹，则成为步行者在存在概率低的场所通行。对于这种轨迹，如上所述那样地、利用存在概率信息以似然达到最大的方式进行修正时，获得如圆形标记那样的修正结果(参照图6右方)。

接着，用图7说明第1实施方式涉及的整体处理的流程。图7是表示第1实施方式涉及的整体处理的流程的例子的流程图。

如图7所示，位置估计部110取得由绝对位置检测部1检测到的步行者的绝对位置和由自律航法处理部2求出的自律航法的步行者的位置变化即相对位置(步骤S101)。然后，位置估计部110根据绝对位置和相对位置，估计步行者的当前的位置(步骤S102)。

另外，更新部120对由位置估计部110估计出的步行者的位置进行缓存(步骤S103)。然后，更新部120在判断为已经过了60分钟等任意期间时(步骤S104：是)，基于进行了缓存的位置，计算使用伸缩修正值和旋转修正值进行了修正的位置的路径(步骤S105)。另一方面，在通过更新部120判断为未经过任意期间时(步骤S104：否)，再次执行步骤S101的处理，并进行路径的计算所需的位置的估计及缓存。

接下来，更新部120使用计算出的路径，更新在存储部130中所存储的存在概率信息（步骤S106）。另外，位置修正部140基于在存储部130中所存储的存在概率信息，对于包含由位置估计部110估计出的位置的路径进行修正，以使步行者存在于概率高的位置（步骤S107）。此外，关于估计出的位置的修正，在存在概率信息被更新后进行不是必要的，也可以在位置估计部110的位置估计后进行。也就是说，存在概率信息的更新处理在获得了具有一定可靠性的起点及终点的时刻被更新是较为理想的，估计出的位置的修正处理能够在位置被估计出的时刻随时进行。

如上所述，通过更新存在概率信息并且进行基于存在概率信息的估计位置的修正，能够进行基于自律航法的相对位置的高精度的位置输出。换言之，即使屋内仅有数处也能够检测高精度的位置（绝对位置），或者能够高精度地仅检测建筑物的出入口的位置（绝对位置），由此能够生成依存于与布局图等不同的实际的通行概率的地图。另外，通过逐次更新存在概率信息，与将能够通行的位置设为“1”并将不能通行的位置设为“0”的地图相比，在检测实际的步行者的位置时进行更准确的修正的情况较多。此外，并不特别地限于在屋内的应用，在屋外在绝对位置的检测中存在误差时，也可以并用自律航法的详细的位置检测。其结果是，在本实施方式中，能够容易并且高精度地确定步行者的位置。

（第1实施方式涉及的位置修正处理的变形例）

在上述第1实施方式中，对使用旋转修正值和伸缩修正值求出步行者通行了的路径的情况进行了说明，但也可以进一步使用角速度修正值。更具体而言，将使用了陀螺仪等角速度传感器的姿势检测活用在自律航法中。在此情况下，通过角速度的积分求出角度的变化，但由于陀螺仪的误差，自律航法的轨迹中引入了角速度的误差，从而有可能变为明明实际上是直线运动，却成了始终旋转的圆运动。

对于这种问题，通过（式24）计算使似然最大化的角速度修正值

，使用计算出的角速度修正值

来再次计算路径，由此能够与第1实施方式同样地对估计出的位置进行修正。

[式24]

$\underset{\mathrm{\θ},1}{\arg \max }{\mathrm{\Σ}}_{x^{\′}}{\mathrm{\Σ}}_{y^{\′}}p(x^{\′}\left(t\right),y^{\′}\left(t\right))\∀t\≥t_s$

（第2实施方式）

图8是表示第2实施方式涉及的位置检测装置的结构例的框图。在第2实施方式中，对于与第1实施方式同样的构成标注同一符号，对于同样的构成有时省略详细的说明。在第2实施方式中，关于以下所示的动作检测部3、更新部220、存储部230以外的功能及构成、处理与第1实施方式相同。

如图8所示，位置检测装置200具有：位置估计部110、更新部220、存储部230及位置修正部140。另外，位置检测装置200从绝对位置检测部1取得绝对位置，并且从自律航法处理部2取得相对位置。另外，位置检测装置200从动作检测部3取得步行者（用户）的动作。该动作例如为电梯移动、付款、在交叉点或站台等处的静止、卸货等。本实施方式中，关于步行者的动作，进行的场所根据动作而受限，所以将特定动作被检测到时的位置修正为进行该特定动作的可能性高的位置，由此对估计出的位置进行修正。

动作检测部3检测步行者的动作。例如，关于付款动作，在电子货币的付款事件被终端装置检测到时，对位置检测装置200输出进行了付款动作。当在时间t发生付款动作时，设动作检测函数“act_pay（t）＝1”，对于其他情况，设“act_pay（t）＝0”。

另外，例如，关于静止状态的检测，利用搭载于终端装置的加速度传感器的值。更具体而言，在静止状态的检测中，对于三维矢量的加速度传感器值“a（t）”，总是计算矢量长，经过10秒钟等一定时间来计算矢量长的方差值“v（t）”，在为“0.001”等阈值以下时，看作静止状态。该方差值“v（t）”由（式25）表示。

[式25]

$\begin{array}{c}v\left(t\right)=\mathrm{var}\left(\right|a\left(t\right)\left|\right)\\ =\left(\frac{{\mathrm{\Σ}}_{t=\mathrm{now}}^{\mathrm{now}-T+1}{\left|a\left(t\right)\right|}^2}{T}\right)-{\left(\frac{{\mathrm{\Σ}}_{t=\mathrm{now}}^{\mathrm{now}-T+1}\left|a\left(t\right)\right|}{T}\right)}^2\end{array}$

另外，例如，关于电梯移动，电梯中准备Blue Tooth(注册商标)等近距离无线基站，在终端装置能够进行无线通信时，设为是正在进行处于电梯中的移动。此外，电梯移动也可以与静止状态同样地根据加速度传感器来估计。另外，除此之外，电梯移动也可以将在通过电梯的照相机检测到对象者的脸时设为是正在进行处于电梯中的移动。另外，关于在交叉点、站台处的静止、卸货动作，也于电梯同样地，通过无线通信或照相机来检测。即，动作检测部3与绝对位置检测部1或自律航法处理部2等同样地，有时也包含于终端装置，有时是上述照相机(网络照相机)。并且，动作检测部3也存在不是单个而是多个的情况。另外，认为：动作检测部3的动作的检测并不限于上述，关于其检测，有利用了各种传感器的方法。

在存储部230中存储的存在概率信息为与第1实施方式涉及的存在概率信息同样的数据结构。另外，第2实施方式涉及的存在概率信息中，对于各个特定动作保持其可能性“P_action(x，y)”。另外，第2实施方式涉及的存在概率信息有预先准备的情况和由更新部220更新的情况。预先准备的情况例如是对于有可能进行付款、电梯移动、卸货等的场所事先登记的情况。电梯存在于坐标(3，5)时，设为“P_elevator(3，5)＝1．0”。

关于更新部220的更新处理，以进行路径计算并对于在发生了由动作检测部3检测到的特定动作时存在的位置来提高对象的动作的概率的方式进行更新。在本实施方式中，利用(式26)及(式27)执行更新处理。

[式26]

P_action(x，y)←P_action(x，y)+γ(1-P_action(x,y))(if x∈x’(t)，y∈y’(t)，act_a(t)=1)

[式27]

$p(x,y)\←p(x,y)\frac{N_x{N}_y{P}_{\max }}{{\mathrm{\Σ}}_x{\mathrm{\Σ}}_{y}p(x,y)}(\mathrm{if}{\mathrm{\Σ}}_x{\mathrm{\Σ}}_{y}p(x,y)\≥N_x{N}_y{P}_{\max })$

图9是表示第2实施方式涉及的存储部230中所存储的存在概率信息的例子的图。如图9所示，存在概率信息为在各格子示出“0.0”到“1.0”的概率值。另外，在图9所示的格子中，概率值高的场所与进行如上所述的特定动作的场所相应。对于这种存在概率信息，进行重复更新处理，由此该概率逐渐接近“1”。

此外，在位置修正部140中，若对象的动作为一种，则与第1实施方式同样地，根据（式28）计算修正用的参数θ及l。

[式28]

$\underset{\mathrm{\θ},1}{\arg \max }{\mathrm{\Σ}}_{x^{\′}}{\mathrm{\Σ}}_{y^{\′}}{p}_{\mathrm{action}}(x^{\′}\left(t\right),y^{\′}\left(t\right))\∀t\≥t_s$

图10是说明第2实施方式涉及的位置修正处理的图。在图10所示的例子中，作为未获得准确绝对位置的自律航法的相对位置，检测出如叉形标记的估计位置（参照图10左方）。另外，图10左方所示的星形标记是表示由用户进行特定动作的位置。该叉形标记的轨迹中，步行者在存在概率低的场所通行。对于这种轨迹，使星形标记的位置与预先登记的对应的特定动作的位置重合，由此对路径整体进行修正，并获得如圆形标记的修正结果（参照图10右方）。另外，此时，获得参数θ及l的修正值，由此之后的自律航法的相对位置也能够更准确地修正。

在此，在对象的动作为多种时，使用权重系数。例如，关于付款动作，限于检票或商店等位置，并且，认为误差要因在付款动作的检测中也较少，因此设权重系数为“w_pay＝1”。另外，关于电梯移动，虽然检测中有误差但发生的频度较低，所以将权重系数设为“w_elevator＝0.7”。另外，关于在交叉点处的静止，发生的频度高并且其位置也宽，存在是等待信号呢、还是等人呢、还是等出租车呢等各种要因，所以将权重系数设为“w_rest＝0.2”。这样，用对各特定动作的权重系数，通过（式29）来计算修正用参数，由此使估计出的位置的修正具有变化。修正用参数的计算后，位置修正部140与第1实施方式同样地对估计出的位置进行修正。

[式29]

$\underset{\mathrm{\θ},1}{\arg \max }{\mathrm{\Σ}}_{\mathrm{action}}{\mathrm{\Σ}}_{x^{\′}}{\mathrm{\Σ}}_{y^{\′}}{w}_{\mathrm{action}}{p}_{\mathrm{action}}(x^{\′}\left(t\right),y^{\′}\left(t\right))\∀t\≥t_s$

接着，用图11说明第2实施方式涉及的整体处理的流程。图11是表示第2实施方式涉及的整体处理的流程的例子的流程图。此外，关于与第1实施方式涉及的整体处理同样的处理，有时省略其说明。具体而言，步骤S201～步骤S204与步骤S101～步骤S104中的处理相同。

如图11所示，更新部220在判断为经过了任意期间时（步骤S204：是），取得由动作检测部3检测到的动作（步骤S205）。然后，更新部220基于进行了缓存的位置来计算路径（步骤S205），对于在由动作检测部3检测到的特定动作发生时所存在的位置，对在存储部230中所存储的存在概率信息进行更新，以提高对象的动作的概率（步骤S207）。另外，位置修正部140基于在存储部230中所存储的存在概率信息，对于包含由位置估计部110估计出的位置的路径进行修正，以使步行者存在于概率高的位置（步骤S208）。

如上所述，在由用户进行位置受限的动作时进行修正，以使用户的轨迹与在预先登记的对应的特定动作的位置重叠，所以能够容易并且高精度地确定步行者的位置。另外，在不知道电梯等的位置时，使用经适当更新了的存在概率信息，从而电梯等的位置的估计精度提高。

另外，关于存在概率信息，虽然通过包含误差的位置信息、动作的检测来更新，但是使用较多的信息来重复更新，由此误差的影响变小。即，根据多个用户的位置、动作等适当更新存在概率信息，由此能够更高精度地确定用户的位置。

（第3实施方式）

另外，至此对位置检测装置的实施方式进行了说明，但在上述的实施方式以外还可以通过各种不同的方式实施。因此，关于（1）修正用参数、（2）构成、（3）程序对不同的实施方式进行说明。

（1）修正用参数

在上述实施方式中，对使用了修正用参数即l和θ的估计位置的位置修正处理进行了说明，但也可以设计算出的修正用参数为：对自律航法处理中的步幅“stepSize（t）”乘以“l”并对行进方向“direction（t）”加上“θ”。即，可以在自律航法处理的输出的时间点应用计算出的修正用参数，能够获得同样的结果。

（2）构成

另外，在上述文件中及图面中等所示的包含处理步骤、控制步骤、具体的名称、各种数据及参数等的信息除了特殊记载的情况以外能够任意变更。例如，图示的存在概率信息是一例，通过进行重复更新处理而变化。

另外，存在概率信息也可以仅保持与特定动作有关的概率值。图12是表示第3实施方式涉及的存在概率信息的例子的图。图12中，作为一个方式，示出了对卸货动作发生的场所的概率值进行保持的存在概率信息。如图12所示，概率值“0.4”到“1.0”的格子的场所是进行卸货动作的场所。另外，概率值“0.0”的格子的场所是进行卸货动作以外的动作的场所，是能够通行的场所或不能通行的场所。在图12所示的例中，特别化为卸货动作的场所，因此对于进行卸货动作的场所以外的场所，其概率值为“0.0”。

图13是说明第3实施方式涉及的位置修正处理图。在图13所示的例中，与第2实施方式同样地，作为未获得准确的绝对位置的自律航法的相对位置，检测到如叉形标记那样的估计位置（参照图13左方）。另外，图13左方所示的星形标记是表示通过用户进行特定动作的位置。在此，特定动作设为卸货动作。该叉形标记的轨迹中，步行者在存在概率为“0.0”的场所进行了通行。此外，图13所示的例仅表示与作为卸货的特定动作有关的概率值，因此没有与特定动作以外的通行可能性有关的概率值，因此步行者在存在概率为“0.0”的场所进行了通行。

对于这种轨迹，通过使星形标记的位置与预先登记的对应的设为卸货动作的特定动作的位置重合，由此对路径整体进行修正，获得如圆形标记那样的修正结果（参照图13右方）。另外，此时，获得参数θ及l的修正值，由此之后的自律航法的相对位置也能够更准确地修正。

另外，图示的各装置的各构成要素是功能概念性的，物理上无需一定为如图示那样来构成。即，各装置的分散或者集中的具体的方式不限于图示，能够根据各种负担、使用状况等，按任意的单位在功能上或物理上将其全部或者一部分分散或者集中。例如，在上述实施方式中，对基于步行者的位置、步行者的位置及步行者的动作来更新存在概率信息的情况进行了说明，但也可以以仅基于步行者的动作来更新存在概率信息的方式来进行功能上的分散。

另外，例如，将位置估计部110或位置修正部140作为包含于位置检测装置100的部件进行了说明，但也可以与绝对位置检测部1或自律航法处理部2同样地，作为包含于终端装置的部件而构成。即，位置检测装置也可以作为提供与位置修正有关的信息的或者执行位置修正处理的服务器装置来实现，也能够作为提供与位置修正有关的信息的或者执行位置修正处理的服务的云来实现。另外，与位置修正有关的信息汇总从多个用户获得的信息而成，位置检测装置通过进行对大量的数据进行有效处理的大规模数据分析，来提供位置修正用的信息。

（3）程序

上述各实施方式及上述各变形例的位置检测装置包括：CPU（Central Processing Unit：中央处理单元）等控制装置、ROM或RAM等存储装置、HDD或SSD等外部存储装置、显示器等显示装置、鼠标或键盘等输入装置、通信I/F等的通信装置，成为利用了通常的计算机的硬件结构。

上述各实施方式及上述各变形例的位置检测装置执行位置检测程序以能够安装的形式或者能够执行的形式的文件存储在CD-ROM、CD-R、存储卡、DVD、软盘（FD）等计算机可读取的存储介质中而提供。

另外，也可以将上述各实施方式及上述各变形例的位置检测装置执行的位置检测程序保存于与因特网等网络连接的计算机上，并经由网络下载来提供。另外，也可以经由因特网等网络提供或者发布上述各实施方式及上述各变形例的位置检测装置执行的位置检测程序。另外，也可以将上述各实施方式及上述各变形例的位置检测装置执行的位置检测程序预先装入ROM等中来提供。

上述各实施方式及上述各变形例的位置检测装置执行的位置检测程序作为用于使上述的各部在计算机上实现的模块结构。作为实际的硬件，例如，CPU从HDD将程序读出到RAM上并执行，由此上述各部在计算机上实现。

另外，如上所述的实施方式作为例子而表示，无意限定发明的范围。这些新的实施方式能够通过其他各种方式实施，在不脱离发明主旨的范围能够进行各种省略、置换、变更。另外，各实施方式能够在不使内容矛盾的范围内适当组合。另外，各实施方式及其变形包含于发明的范围及主旨，并且包含于权利要求书所记载的发明及其均等的范围内。

符号说明

100位置检测装置

110位置估计部

120更新部

130存储部

140位置修正部

Claims (9)

1.一种位置检测装置，其特征在于，具有：

位置估计部，根据移动体的绝对位置和根据自律航法求出的上述移动体的位置变化，估计上述移动体的位置；以及

位置修正部，基于多个每个区域的信息、即表示上述移动体存在的频度越高则概率越高的存在概率信息，对估计出的上述移动体的位置进行修正，以使上述移动体存在于概率高的位置。

2.如权利要求1所述的位置检测装置，其特征在于，还具有：

更新部，基于估计出的上述移动体的位置及上述移动体的动作中的、至少一个，更新上述存在概率信息，

上述位置修正部基于更新过的上述存在概率信息，对估计出的上述移动体的位置进行修正。

3.如权利要求2所述的位置检测装置，其特征在于，

上述更新部在执行基于估计出的上述移动体的位置来更新上述存在概率信息的处理时，使与估计出的上述移动体的位置对应的上述存在概率信息上升，从而更新上述存在概率信息。

4.如权利要求3所述的位置检测装置，其特征在于，

上述更新部根据在任意期间估计出的上述移动体的位置，计算上述移动体通行了的路径，在计算出的路径中，使与上述移动体存在的位置对应的上述存在概率信息上升，从而更新上述存在概率信息。

5.如权利要求2所述的位置检测装置，其特征在于，

上述更新部在执行基于上述移动体的动作来更新上述存在概率信息的处理时，在由上述移动体进行特定动作时，使与进行预先登记的上述特定动作的位置对应的上述存在概率信息上升，从而更新上述存在概率信息。

6.如权利要求5所述的位置检测装置，其特征在于，

上述位置修正部根据预先登记的上述特定动作的种类，使估计出的上述移动体的位置的修正变化。

7.如权利要求4所述的位置检测装置，其特征在于，

上述位置修正部将上述移动体的上述绝对位置作为上述路径的起点，对于起点以后的在上述路径上的、上述移动体存在的位置，执行表示上述移动体的移动幅度的修正的伸缩修正处理及表示上述移动体的行进方向的修正的旋转修正处理中的至少一种处理，从而对估计出的上述移动体的位置进行修正。

8.一种位置检测方法，其特征在于，包含：

根据移动体的绝对位置和根据自律航法求出的上述移动体的位置变化，估计上述移动体的位置的步骤；以及

基于多个每个区域的信息、即表示上述移动体存在的频度越高则概率越高的存在概率信息，对估计出的上述移动体的位置进行修正，以使上述移动体存在于概率高的位置的步骤。

9.一种位置检测程序，用于使计算机执行以下步骤：

根据移动体的绝对位置和根据自律航法求出的上述移动体的位置变化，估计上述移动体的位置的步骤；以及

基于多个每个区域的信息、即表示上述移动体存在的频度越高则概率越高的存在概率信息，对估计出的上述移动体的位置进行修正，以使上述移动体存在于概率高的位置的步骤。

Images