JP2023097938A - 車載装置および姿勢変換方法 - Google Patents

Abstract

【課題】車両に任意の姿勢で取り付けられているセンサから得られる第１のセンサ情報を、センサが車両に所定の姿勢で取り付けられたときの第２のセンサ情報に変換し得る車載装置を提供する。【解決手段】センサから得られた加速度情報の重力成分から重力方向の加速度情報を学習する第１の学習部と、第１の学習部により学習された重力方向の加速度情報と、センサから得られた加速度情報とから、車両の進行方向の加速度情報を学習する第２の学習部と、第１の学習部により学習された重力方向の加速度情報と、第２の学習部により学習された進行方向の加速度情報とを用いて、センサから得られる第１の加速度情報を車載装置が車両に所定の姿勢で取り付けられたときの第２の加速度情報に変換するための姿勢変換パラメータを算出する算出部と、を設けるようにした。【選択図】図１

Description

本発明は、概して、車両に取り付けられたセンサのセンサ情報を処理する技術に関する。

従来、ナビゲーションシステムを含むＩＶＩ（In-Vehicle Infotainment）、ＥＣＵ（Electronic Control Unit）等の車載装置において、車両の位置姿勢推定は、重要な機能の１つである。その機能を実現するためには、車両の挙動を観測するためのデバイスとして、加速度センサ、角速度センサ等が使用される。近年、センサとしては、６自由度（加速度３軸、角速度３軸）以上のセンサが使われるようになっている。車両の挙動としてセンサを利用する際、車両とセンサとの姿勢関係を示すパラメータが既知である必要があり、指定された姿勢でセンサを車両に取り付けなければならない。しかしながら、指定された姿勢でセンサを車両に取り付ける作業は繊細な作業であり、センサが車両に適切に取り付けられない場合がある。

この点、車両に対して前後方向に傾いていたとしても、その傾き角を検出して車両のピッチ角を正確に検出することができるカーナビゲーション装置が開示されている（特許文献１参照）。

特開２００４－２０２０７号公報

しかしながら、特許文献１に記載の技術では、車両の左右方向に傾いてセンサが取り付けられてしまった場合、センサで取得されたセンサ情報が正しく使用されなくなってしまう。

本発明は、以上の点を考慮してなされたもので、車両に任意の姿勢で取り付けられているセンサから得られる第１のセンサ情報を、センサが車両に所定の姿勢で取り付けられたときの第２のセンサ情報に変換し得る車載装置等を提案しようとするものである。

かかる課題を解決するため本発明においては、内部に搭載されたセンサとともに車両に任意の姿勢で取り付けられ、当該任意の姿勢で取り付けられたときに前記センサから得られる第１のセンサ情報を、前記車両に所定の姿勢で取り付けられたときの第２のセンサ情報に変換する車載装置であって、前記センサは、加速度情報を取得し、前記センサから得られた加速度情報の重力成分から重力方向の加速度情報を学習する第１の学習部と、前記第１の学習部により学習された重力方向の加速度情報と、前記センサから得られた加速度情報とから、前記車両の進行方向の加速度情報を学習する第２の学習部と、前記第１の学習部により学習された重力方向の加速度情報と、前記第２の学習部により学習された進行方向の加速度情報とを用いて、前記センサから得られる第１の加速度情報を前記車載装置が前記車両に前記所定の姿勢で取り付けられたときの第２の加速度情報に変換するための姿勢変換パラメータを算出する算出部と、を設けるようにした。

上記構成によれば、姿勢変換パラメータによりセンサ情報の姿勢変換が行われるので、センサの取り付け姿勢の制限がなくなり、例えば、センサの設置者は、センサを任意の姿勢で車両に取り付けることができる。また、上記構成では、重力方向の加速度情報と進行方向の加速度情報とが学習される、つまり姿勢変換パラメータが学習されるので、例えば、センサの取り付け姿勢によって正しい加速度情報が得られない事態を低減することができる。また、各学習部は、例えば、車両がユーザに渡った後であっても、車両が普通に道路を走行する際に通常発生する特定のタイミングで自動的に学習を行なうことができるので（例えば、第１の学習部は、車両が一定速度で走行中または停止中であり、かつ、旋回していないときに学習を行なうことができ、第２の学習部は、車両が加速中または減速中であり、かつ、旋回していないときに学習を行なうことができる。）、車載装置の取り付け作業者による事前作業は必要なくなり、また、車載装置の取り付け姿勢が変えられても、いつでも再学習が可能である。

本発明によれば、センサの取り付け姿勢の制限をなくすための車載装置を実現することができる。上記以外の課題、構成、および効果は、以下の実施の形態の説明により明らかにされる。

第１の実施の形態による車載装置の一例を示す図である。 第１の実施の形態による車載装置に係る構成の一例を示す図である。 第１の実施の形態による姿勢変換パラメータ学習部に係る構成の一例を示す図である。 第１の実施の形態による算出ブロックを説明するための図である。 第１の実施の形態による第１の学習処理に係るフローチャートの一例を示す図である。 第１の実施の形態による第２の学習処理に係るフローチャートの一例を示す図である。

（Ｉ）第１の実施の形態
以下、本発明の一実施の形態を詳述する。ただし、本発明は、実施の形態に限定されるものではない。

本実施の形態に係る車載装置は、車両に任意の姿勢で取り付けられているときにセンサから得られる第１のセンサ情報を、センサが車両に所定の姿勢で取り付けられたときの第２のセンサ情報に変換する。所定の姿勢は、例えば、水平方向０度、走行方向０度、傾き２０度等、取り付け姿勢が制限された従来の取り付け姿勢であってもよいし、予め指定された取り付け姿勢であってもよい。ここで、取り付け対象のセンサには、加速度情報を取得する加速度センサが含まれている。

例えば、車載装置は、センサから得られた加速度情報の重力成分から重力方向の加速度情報を学習する。この際、車載装置は、加速度情報を学習しやすくするために、加速度情報を一定の規則に基づいて加工（正規化等）してもよいし、車両が停止している等、所定の条件を満たす場合に学習するようにしてもよい。また、車載装置は、学習した重力方向の加速度情報と、センサから得られた加速度情報とから、車両の進行方向の加速度情報を学習する。この際、車載装置は、加速度情報を学習しやすくするために、正規化等してもよいし、車両が直進して加速している等、所定の条件を満たす場合に学習するようにしてもよい。また、車載装置は、学習した重力方向の加速度情報と、学習した進行方向の加速度情報とを用いて、センサから得られる第１の加速度情報をセンサが車両に所定の姿勢で取り付けられたときの第２の加速度情報に変換するための姿勢変換パラメータを算出する。

上記構成では、姿勢変換パラメータを車両の挙動から学習することにより、センサをどのような姿勢でも固定できるようになる。これにより、例えば、センサの設置者は、取り付け姿勢を気にすることなく、センサを車両に取り付けることができるとともに、センサの性能を維持できる。

次に、本発明の実施の形態を図面に基づいて説明する。以下の記載および図面は、本発明を説明するための例示であって、説明の明確化のため、適宜、省略および簡略化がなされている。本発明は、他の種々の形態でも実施することが可能である。特に限定しない限り、各構成要素は、単数でも複数でも構わない。なお、以下の説明では、図面において同一要素については、同じ番号を付し、説明を適宜省略する。

また、本明細書等における「第１」、「第２」、「第３」等の表記は、構成要素を識別するために付するものであり、必ずしも、数または順序を限定するものではない。また、構成要素の識別のための番号は、文脈毎に用いられ、１つの文脈で用いた番号が、他の文脈で必ずしも同一の構成を示すとは限らない。また、ある番号で識別された構成要素が、他の番号で識別された構成要素の機能を兼ねることを妨げるものではない。

図１は、第１の実施の形態による車載装置１００の一例を示す図である。

車載装置１００は、任意の姿勢で車両１０１に取り付けられる。車載装置２００に固定されたセンサ１２０は、車両１０１の挙動を観測するためのデバイス（センサ）として、加速度センサを含んで構成される。また、センサ１２０には、角速度センサ等、他のセンサが含まれていてもよい。以下では、センサ１２０には、加速度センサと角速度センサとが含まれている構成を例に挙げて説明する。なお、車両１０１については、自動車を例に挙げて説明するが、自動車に限らない。

図２は、図１に示したセンサ１２０が含まれる車載装置１００に係る構成の一例を示す図である。

図１の車載装置１００の一例である車載装置２００は、ＧＮＳＳ（Global Navigation Satellite System）レシーバ２１０と、６ＤｏＦ（Six Degrees of Freedom）センサ２２０と、コンピュータ２３０と、位置姿勢使用部２４０とを含んで構成される。

ＧＮＳＳレシーバ２１０は、衛星測位システムの電波を受信して車両１０１の位置を計測可能（位置情報を取得可能）な機器である。

６ＤｏＦセンサ２２０は、図１のセンサ１２０の一例であり、３軸の加速度と３軸の角速度とを計測可能なセンサである。例えば、６ＤｏＦセンサ２２０は、加速度センサの３軸が互いに直交し、角速度センサの３軸が互いに直交し、加速度センサの３軸と角速度センサの３軸とが一致している６自由度の慣性計測装置（Inertial Measurement Unit）である。以下では、加速度センサの３軸と角速度センサの３軸とが一致し、かつ、右手系座標系で構成されているものを前提として説明する。ただし、６ＤｏＦセンサ２２０は、単一のセンサを同様に配置する構成（例えば、一軸のセンサを３つ直交にした構成）であってもよいし、多軸が合成されて同様の変換がされている構成（例えば、８軸の加速度センサであった場合、出力が直交３軸である構成）であってもよい。付言するならば、６ＤｏＦセンサ２２０は、アナログ出力であってもよいし、デジタル出力であってもよい。

コンピュータ２３０は、ＣＰＵ（Central Processing Unit）等のプロセッサと、ＲＡＭ（Random Access Memory）、ＲＯＭ（Read Only Memory）等の記憶装置とを含んで構成される。コンピュータ２３０の機能（姿勢変換部２３１、姿勢変換パラメータ学習部２３２、位置姿勢推定部２３３等）は、例えば、ＣＰＵがＲＯＭに格納されたプログラムをＲＡＭに読み出して実行すること（ソフトウェア）により実現されてもよいし、専用の回路等のハードウェアにより実現されてもよいし、ソフトウェアとハードウェアとが組み合わされて実現されてもよい。なお、コンピュータ２３０の１つの機能は、複数の機能に分けられていてもよいし、複数の機能は、１つの機能にまとめられていてもよい。また、コンピュータ２３０の機能の一部は、別の機能として設けられてもよいし、他の機能に含められていてもよい。

姿勢変換部２３１は、６ＤｏＦセンサ２２０により取得された加速度情報および角速度情報を、６ＤｏＦセンサ２２０を基準にしたフレーム（センサフレーム）から車両１０１を基準にしたフレーム（車両フレーム）への姿勢変換のための姿勢変換パラメータを用いて位置姿勢推定部２３３が必要とする車両１０１の加速度情報および角速度情報に変換する。

姿勢変換パラメータ学習部２３２は、６ＤｏＦセンサ２２０により取得された加速度情報および角速度情報、並びに、車両１０１の速度情報を用いて、姿勢変換パラメータを学習する。なお、姿勢変換パラメータについては、車両１０１の出荷直後、工場内での組み立て完了後等、車両１０１が使われるようになったタイミングから学習し続けられてよい。なお、車両１０１の速度情報は、例えば、図示は省略する車速センサにより取得され、車載装置２００に入力される。

位置姿勢推定部２３３は、ＧＮＳＳレシーバ２１０からの位置情報と、姿勢変換部２３１からの車両１０１の加速度情報および角速度情報と、車両１０１の速度情報とを入力する。位置姿勢推定部２３３は、姿勢変換パラメータ学習部２３２により学習された姿勢変換パラメータを用いて、入力した情報から車両１０１の位置および姿勢を推定し、位置姿勢使用部２４０に出力する。

位置姿勢使用部２４０は、ＩＶＩ、ＥＣＵ等、車両１０１の位置および／または姿勢を使用する１以上のアプリケーションソフトウェアまたは１以上の装置である。

コンピュータ２３０は、電源が投入されてから、サンプリングレートごとに、６ＤｏＦセンサ２２０からセンサ情報をとり続けている。コンピュータ２３０は、６ＤｏＦセンサ２２０から得られたセンサ情報が所定の条件を満たした場合、姿勢変換パラメータを学習し、当該センサ情報が所定の条件を満たさない場合、姿勢変換パラメータを学習しない。コンピュータ２３０は、姿勢変換パラメータを学習した場合、当該姿勢変換パラメータを使って動作し、姿勢変換パラメータを学習しなかった場合、過去の姿勢変換パラメータ（例えば、直近に学習された姿勢変換パラメータ）を使って動作する。

なお、車載装置２００には、ＧＮＳＳレシーバ２１０と、６ＤｏＦセンサ２２０と、位置姿勢使用部２４０とのうち少なくとも１つの構成要素が含まれることなく、含まれない構成要素が車両１０１における別の車載装置に含まれていてもよい。また、コンピュータ２３０は、ＥＣＵであってもよいし、６ＤｏＦセンサ２２０に含まれていてもよいし、位置姿勢使用部２４０に含まれていてもよい。

図３は、姿勢変換パラメータ学習部２３２に係る構成の一例を示す図である。

姿勢変換パラメータ学習部２３２は、重量方向単位ベクトル学習部３１０と、進行方向単位ベクトル学習部３２０と、姿勢変換パラメータ算出部３３０と、を含んで構成される。

重量方向単位ベクトル学習部３１０は、第１の学習部の一例であり、重力方向に対して６ＤｏＦセンサ２２０がどの程度傾いて取り付けられているのかを学習（推定）する。重量方向単位ベクトル学習部３１０は、例えば、車両１０１が一定速度で走行中または停止中であり、かつ車両１０１が旋回していないと判断されるとき、６ＤｏＦセンサ２２０の加速度センサにより検出された加速度情報（例えば、加速度ベクトル）に現れる重力成分から、重力方向の単位ベクトルを学習する。

進行方向単位ベクトル学習部３２０は、第２の学習部の一例であり、車両１０１の進行方向に対して６ＤｏＦセンサ２２０がどの程度ずれて取り付けられているのかを学習する。進行方向単位ベクトル学習部３２０は、例えば、車両１０１に加速度が発生し（車両１０１が加速中または減速中であり）、かつ、車両１０１が旋回していないと判断されるとき、加速度センサの過去値（例えば、重力方向の加速度情報）と現在値（６ＤｏＦセンサ２２０により検出された加速度情報）との差分を進行方向成分とし、進行方向の単位ベクトルを学習する。

姿勢変換パラメータ算出部３３０は、算出部の一例であり、重量方向単位ベクトル学習部３１０により学習された重力方向の単位ベクトルと、進行方向単位ベクトル学習部３２０により学習された進行方向の単位ベクトルとから、姿勢変換パラメータとして回転行列を算出する。

図４は、姿勢変換パラメータの算出に係る算出ブロック４００を説明するための図である。

まず、姿勢変換パラメータの算出に用いるパラメータを説明する。図４に示すΣ_ＣＡＲは、車両１０１前方をＸ軸の正方向、車両１０１上方をＺ軸の正方向にとった右手系フレームを示す。なお、車両１０１の左右方向（幅方向）をＹ軸とする。Σ_{ＳＥＮＳＯＲ}は、任意に取り付けられた６ＤｏＦセンサ２２０の右手系フレームを示す。Σ_{ＧＲＯＵＮＤ}は、理想地面４０１の接線方向（例えば、理想地面４０１に投影された車両１０１の進行方向の単位ベクトル）をＸ軸とし、重力方向（例えば、重力加速度ｇの単位ベクトル）をＺ軸にとった右手系フレームを示す。

ε_ｇは、重力方向の加速度を示す単位ベクトルを示す。ε_ａは、車両１０１の進行方向の加速度を示す単位ベクトルを示す。^Ａ _ＢＲは、行列Ｒの添字表現（フレームＡから見たフレームＢの姿勢行列の表現）を示す。^Ａｖ、ベクトルｖの添字表現（フレームＡ上で定義される任意のベクトルの表現）を示す。また、行列Ｒ^Ｔ、ベクトルｖ^Ｔの様に、右上の添字表現のＴは、それぞれ、行列Ｒ、ベクトルｖの転置であることを示す。

次に、姿勢変換パラメータを算出するアルゴリズムについて説明する。ここで、姿勢変換パラメータの算出において以下の（問題ａ）が考えられる。
（問題ａ）
６ＤｏＦセンサ２２０を任意の姿勢で取り付けたときに、６ＤｏＦセンサ２２０の検出軸に現れるセンサフレーム上の検出値を車両フレーム上の検出値として表せること

例えば、６ＤｏＦセンサ２２０のセンサフレーム上のベクトルを^Ｓａとし、これが、車両フレーム上から見たベクトル^Ｃａに写像されるとする場合、車両フレームから見たセンサフレームの姿勢行列を用いて以下の（式１）が成立する。
^Ｃａ=^Ｃ _ＳＲ^Ｓａ ・・・（式１）

したがって、（問題ａ）は、以下の（問題ａ’）に置き換えることができる。
（問題ａ’）
車両フレームから見たセンサフレームの姿勢の写像である変換行列^Ｃ _ＳＲを求めること

ここで、センサフレームと車両フレームとが直交３軸の右手系のフレームであるとすると、^Ｃ _ＳＲは、回転行列である。

直進加速中の条件下において、車両１０１の加速度の加速方向を正とする車両１０１から見た単位ベクトルを^Ｃε_ａとし、６ＤｏＦセンサ２２０から見た単位ベクトルを^Ｓε_ａとする。また、水平面上に車両１０１があるとき、すなわち、Σ_ＣＡＲ＝Σ_{ＧＲＯＵＮＤ}の条件下において、重力加速度の加速方向を正（地球地面の上方法線）とする車両１０１から見た単位ベクトルを^Ｃε_ｇとし、６ＤｏＦセンサ２２０から見た単位ベクトルを^Ｓε_ｇとする。この場合、（式１）より、以下の（式２）および（式３）が成り立つ。
^Ｃε_ａ＝^Ｃ _ＳＲ^Ｓε_ａ ・・・（式２）
^Ｃε_ｇ＝^Ｃ _ＳＲ^Ｓε_ｇ ・・・（式３）

ここで、^Ｃε_ａ＝［１ ０ ０］^Ｔであり、^Ｃε_ｇ＝［０ ０ １］^Ｔである。回転行列の特性とフレームのすべての軸が直交している仮定とを用いると、以下のように変形できる。
［^Ｃε_ａ ^Ｃε_ｇ×^Ｃε_ａ ^Ｃε_ｇ］＝^Ｃ _ＳＲ［^Ｓε_ａ ^Ｓε_ｇ×^Ｓε_ａ ^Ｓε_ｇ］
Ｉ＝^Ｃ _ＳＲ［^Ｓε_ａ ^Ｓε_ｇ×^Ｓε_ａ ^Ｓε_ｇ］
^Ｃ _ＳＲ＝［^Ｓε_ａ ^Ｓε_ｇ×^Ｓε_ａ ^Ｓε_ｇ］^Ｔ

即ち、以下の２つのベクトルを導出することで、^Ｃ _ＳＲを一意に導出できる。つまり、姿勢変換パラメータを算出するアルゴリズムは、算出ブロック４００のようになる。
水平面上の条件下における重力加速度のセンサフレームから見た単位ベクトル^Ｓε_ｇ
直進加速中の条件下における車両加速度のセンサフレームから見た単位ベクトル^Ｓε_ａ

付言するならば、取り付け対象のセンサ１２０は、６ＤｏＦセンサ２２０に限らない。取り付け対象のセンサ１２０は、３つの軸が互いに直交する３方向の加速度情報を取得可能な加速度センサであってもよい。この場合、算出部は、第１の学習部により学習された重力方向の加速度情報の単位ベクトル^Ｓε_ｇと、第２の学習部により学習された進行方向の加速度情報の単位ベクトル^Ｓε_ａとを用いて、姿勢変換パラメータとして回転行列［^Ｓε_ａ ^Ｓε_ｇ×^Ｓε_ａ ^Ｓε_ｇ］^Ｔを算出する。
上記構成では、センサ１２０により取得される加速度情報が３つの軸が互いに直交する３方向の加速度情報であるので、重力方向の単位ベクトルと進行方向の単位ベクトルとを算出することで姿勢変換パラメータを算出することができる。

また、取り付け対象の上記センサ１２０は、３つの軸が互いに直交する３方向の角速度情報を取得可能な角速度センサを含んでいてもよい。この場合、加速度情報の３つの軸と角速度情報の３つの軸とが一致しているものとする。
上記構成では、センサ１２０により取得される角速度情報が３つの軸が互いに直交する３方向の角速度情報であり、かつ、加速度情報の３つの軸と角速度情報の３つの軸とが一致しているので、角速度情報の姿勢変換パラメータとして加速度情報の姿勢変換パラメータと同じ回転行列を用いることができる。また、上記構成によれば、例えば、回転行列が学習されるので、センサ１２０の取り付け姿勢により正しい角速度情報が得られない事態を低減することができる。

図５は、重力方向の単位ベクトルを学習する処理（第１の学習処理）に係るフローチャートの一例を示す図である。第１の学習処理では、車載装置２００は、車両１０１が一定速度（停止を含む。）であり、かつ、車両１０１が旋回していない場合に、重力方向の単位ベクトルを学習している。

Ｓ５０１では、車載装置２００は、車両１０１の速度情報の微分の絶対値（加減速量）を計算する。

Ｓ５０２では、車載装置２００は、加減速量が閾値を超えたか否かを判定する。車載装置２００は、加減速量が閾値を超えたと判定した場合、第１の学習処理を終了し、加減速量が閾値を超えていないと判定した場合、Ｓ５０３に処理を移す。車両１０１が加減速していると、６ＤｏＦセンサ２２０の出力が揺れる。つまり、どれが真値の重力方向のベクトルであったかが分からなくなるので、一定速度を学習の条件とすることが好適である。

Ｓ５０３では、車載装置２００は、６ＤｏＦセンサ２２０により取得された角速度情報の角速度成分の二乗和平方根（ＲＭＳ：Root Mean Square）を計算する。以下では、ＲＭＳを旋回量と記す。なお、車載装置２００は、旋回量に代えて、Ｓ６０３において後述するように、横方向加速度量を計算して用いてもよい。

Ｓ５０４では、車載装置２００は、旋回量が閾値を超えたか否かを判定する。車載装置２００は、旋回量が閾値を超えたと判定した場合、第１の学習処理を終了し、旋回量が閾値を超えていないと判定した場合、Ｓ５０５に処理を移す。車両１０１が旋回していると、車両１０１の横方向のベクトルが生じてしまい、合成角になってしまう。つまり、真値に近づき難いので、車両１０１が旋回していないことを学習の条件とすることが好適である。

Ｓ５０５では、車載装置２００は、重力方向の単位ベクトルを学習する。車載装置２００は、６ＤｏＦセンサ２２０の加速度ベクトルの正規化値を入力とし、前学習値との差分により収束させる。収束フィルタ（制御器）は、本実施の形態では、学習ゲインＫ（＜１）として説明するが、ウイナーフィルタ、カルマンフィルタ、アダプティブフィルタ等を用いてもよい。

例えば、車載装置２００は、６ＤｏＦセンサ２２０の加速度ベクトルを向きが同じで長さが「１」のベクトルに変換（例えば、累積平均フィルタで正規化）し、以下の（式４）より現在の学習値を算出する。
現在の学習値
＝前回の学習値＋学習ゲインＫ（今回のセンサ値－前回の学習値） ・・・（式４）

このように、車載装置２００は、車両１０１の速度情報を入力する入力部を備え、第１の学習部は、入力部により入力された速度情報から車両１０１の進行方向の加速度または減速度が閾値を超えたか否かを判定する。また、第１の学習部は、６ＤｏＦセンサ２２０により取得された角速度情報をもとに車両１０１が旋回しているか否かを判定する。また、第１の学習部は、車両１０１の進行方向の加速度または減速度が閾値を超えていないと判定し、かつ、車両１０１が旋回していないと判定した場合に、６ＤｏＦセンサ２２０から得られた加速度情報の重力成分から重力方向の加速度情報の単位ベクトル^Ｓε_ｇを学習する。
上記構成では、例えば、重力方向への影響が小さい場合に、重力方向の単位ベクトル^Ｓε_ｇが学習されるので、当該学習の収束を速めることができる。

図６は、進行方向の単位ベクトルを学習する処理（第２の学習処理）に係るフローチャートの一例を示す図である。第２の学習処理は、車両１０１が加速中または減速中で横方向にコリオリ力が発生していないとき（車両１０１が向心加速していないとき）に現れる６ＤｏＦセンサ２２０の加速度センサの３軸成分の変化を進行方向のベクトルとし、進行方向の単位ベクトルを学習している。

Ｓ６０１では、車載装置２００は、車両１０１の速度情報の微分の絶対値（加減速量）を計算する。

Ｓ６０２では、車載装置２００は、加減速量が閾値を超えたか否かを判定する。車載装置２００は、加減速量が閾値を超えたと判定した場合、Ｓ６０３に処理を移し、加減速量が閾値を超えていないと判定した場合、第２の学習処理を終了する。

Ｓ６０３では、車載装置２００は、６ＤｏＦセンサ２２０の角速度センサの角速度情報のベクトルと重力方向の単位ベクトル（学習値）との内積に車両１０１の速度を掛けた値の絶対値（横方向加速度量）を計算する。

Ｓ６０４では、車載装置２００は、横方向加速度量が閾値を超えたか否かを判定する。車載装置２００は、横方向加速度量が閾値を超えたと判定した場合、第２の学習処理を終了し、横方向加速度量が閾値を超えていないと判定した場合、Ｓ６０５に処理を移す。

なお、車載装置２００は、Ｓ６０３およびＳ６０４の処理に代えて、Ｓ５０３およびＳ６０４の処理を行ってもよい。

Ｓ６０５では、車載装置２００は、進行方向の単位ベクトルを学習する。例えば、車載装置２００は、前回の重力方向の単位ベクトルを方向ベクトルとして加速度に単位変換する。重力方向の単位ベクトルは、正規化されているが、加速度センサのベクトルは、正規化されていないので、車載装置２００は、重力方向の単位ベクトルを加速度の次元にする（単位の次元を合わせている）。車載装置２００は、単位変換した方向ベクトルと、現在の加速度ベクトルとの差分（相対ベクトル）を求める。続いて、車載装置２００は、相対ベクトルを正規化し、減速時と加速時とのベクトルの方向をそろえるため、正規化したベクトルを、車両１０１の速度の微分値の符号で、減速時については正負を反転する。続いて、車載装置２００は、正規化して符号を揃えたベクトルを入力とし、前回の進行方向の単位ベクトル（前回の学習値）との差分により収束させる。収束フィルタ（制御器）は、本実施の形態では、一般的な学習ゲインＫで構成されているとするが、ウイナーフィルタ、カルマンフィルタ、アダプティブフィルタ等を用いてもよい。

なお、第２の学習処理は、上述の処理に限らない。例えば、車載装置２００は、重力方向の単位ベクトル（学習値）の単位変換値に対する現在の加速度ベクトルとの相対ベクトルを、加速時のときはそのまま、減速時のときは正負を反転し、方向をそろえた相対ベクトルを正規化し、上記（式４）より現在の学習値を算出してもよい。

このように、車載装置２００は、車両１０１の速度情報を取得する入力部を備え、第２の学習部は、入力部により入力された速度情報から車両１０１の進行方向の加速度が閾値を超えたか否かを判定する。また、第２の学習部は、入力部により入力された速度情報から車両１０１の進行方向の減速度が閾値を超えたか否かを判定する。また、第２の学習部は、６ＤｏＦセンサ２２０により取得された角速度情報をもとに車両１０１が旋回しているか否かを判定する。また、第２の学習部は、車両１０１の進行方向の加速度が閾値を超えたと判定し、かつ、車両１０１が旋回していないと判定した場合、第１の学習部により学習された重力方向の加速度情報のベクトルを、６ＤｏＦセンサ２２０から得られた加速度情報のベクトルから引いた相対ベクトルを用いて、車両１０１の進行方向の加速度情報の単位ベクトル^Ｓε_ａを学習する。また、第２の学習部は、車両１０１の進行方向の減速度が閾値を超えたと判定し、かつ、車両１０１が旋回していないと判定した場合、６ＤｏＦセンサ２２０により取得された加速度情報の正負を反転し、第１の学習部により学習された重力方向の加速度情報のベクトルを、正負を反転した加速度情報のベクトルから引いた相対ベクトルを用いて、車両１０１の進行方向の加速度情報の単位ベクトル^Ｓε_ａを学習する。
上記構成によれば、例えば、車両１０１の加速時の加速度情報と、車両１０１の減速時の加速度情報とが用いられて進行方向の単位ベクトル^Ｓε_ａが学習されるので、当該学習の収束を速めることができる。

ここで、第２の学習処理では、加速時および減速時の何れのタイミングにおいても、進行方向の単位ベクトルを学習する場合について説明したが、加速時と減速時との何れか一方のタイミングにおいて、進行方向の単位ベクトルを学習するようにしてもよい。

例えば、第２の学習部は、車両１０１の進行方向の加速度が閾値を超えたと判定し、かつ、車両１０１の横方向の加速度が閾値を超えていないと判定した場合に、第１の学習部により学習された重力方向の加速度情報と、６ＤｏＦセンサ２２０から得られた加速度情報とから、車両１０１の進行方向の加速度情報の単位ベクトル^Ｓε_ａを学習する。
上記構成では、例えば、進行方向の加速度が大きく、かつ、横方向への影響が小さい場合に、進行方向の単位ベクトル^Ｓε_ａが学習されるので、当該学習の収束を速めることができる。

また、例えば、第２の学習部は、車両１０１の進行方向の減速度が閾値を超えたと判定し、かつ、車両１０１の横方向の加速度が閾値を超えていないと判定した場合に、第１の学習部により学習された重力方向の加速度情報と、６ＤｏＦセンサ２２０から得られた加速度情報とから、車両１０１の進行方向の加速度情報の単位ベクトル^Ｓε_ａを学習する。
上記構成では、例えば、進行方向の減速度が大きく、かつ、横方向への影響が小さい場合に、進行方向の単位ベクトル^Ｓε_ａが学習されるので、当該学習の収束を速めることができる。

（ＩＩ）付記
上述の実施の形態には、例えば、以下のような内容が含まれる。

上述の実施の形態においては、本発明を車載装置に適用するようにした場合について述べたが、本発明はこれに限らず、この他種々のシステム、装置、方法、プログラムに広く適用することができる。

また、上述の実施の形態において、プログラムの一部またはすべては、プログラムソースから、車載装置を実現するコンピュータのような装置にインストールされてもよい。プログラムソースは、例えば、ネットワークで接続されたプログラム配布サーバまたはコンピュータが読み取り可能な記録媒体（例えば非一時的な記録媒体）であってもよい。また、上述の説明において、２以上のプログラムが１つのプログラムとして実現されてもよいし、１つのプログラムが２以上のプログラムとして実現されてもよい。

また、上記の説明において、各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記憶装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また上述した構成については、本発明の要旨を超えない範囲において、適宜に、変更したり、組み替えたり、組み合わせたり、省略したりしてもよい。

「Ａ、Ｂ、およびＣのうちの少なくとも１つ」という形式におけるリストに含まれる項目は、（Ａ）、（Ｂ）、（Ｃ）、（ＡおよびＢ）、（ＡおよびＣ）、（ＢおよびＣ）または（Ａ、Ｂ、およびＣ）を意味することができると理解されたい。同様に、「Ａ、Ｂ、またはＣのうちの少なくとも１つ」の形式においてリストされた項目は、（Ａ）、（Ｂ）、（Ｃ）、（ＡおよびＢ）、（ＡおよびＣ）、（ＢおよびＣ）または（Ａ、Ｂ、およびＣ）を意味することができる。

１００、２００……車載装置、１０１……車両、１２０……センサ。

Claims (8)

1. 内部に搭載されたセンサとともに車両に任意の姿勢で取り付けられ、当該任意の姿勢で取り付けられたときに前記センサから得られる第１のセンサ情報を、前記車両に所定の姿勢で取り付けられたときの第２のセンサ情報に変換する車載装置であって、
   前記センサは、加速度情報を取得し、
   前記センサから得られた加速度情報の重力成分から重力方向の加速度情報を学習する第１の学習部と、
   前記第１の学習部により学習された重力方向の加速度情報と、前記センサから得られた加速度情報とから、前記車両の進行方向の加速度情報を学習する第２の学習部と、
   前記第１の学習部により学習された重力方向の加速度情報と、前記第２の学習部により学習された進行方向の加速度情報とを用いて、前記センサから得られる第１の加速度情報を前記車載装置が前記車両に前記所定の姿勢で取り付けられたときの第２の加速度情報に変換するための姿勢変換パラメータを算出する算出部と、
   を備える車載装置。
2. 前記センサは、３つの軸が互いに直交する３方向の加速度情報を取得可能であり、
   前記算出部は、前記第１の学習部により学習された重力方向の加速度情報の単位ベクトル^Ｓε_ｇと、前記第２の学習部により学習された進行方向の加速度情報の単位ベクトル^Ｓε_ａとを用いて、姿勢変換パラメータとして回転行列［^Ｓε_ａ ^Ｓε_ｇ×^Ｓε_ａ ^Ｓε_ｇ］^Ｔを算出する、
   請求項１に記載の車載装置。
3. 前記センサは、３つの軸が互いに直交する３方向の角速度情報を取得可能であり、加速度情報を取得するための３つの軸と角速度情報を取得するための３つの軸とが一致している、
   請求項２に記載の車載装置。
4. 前記第１の学習部は、前記車両の速度が一定速度であり、かつ、前記車両が旋回していない場合に、前記センサから得られた加速度情報の重力成分から重力方向の加速度情報の単位ベクトル^Ｓε_ｇを学習する、
   請求項２に記載の車載装置。
5. 前記第２の学習部は、前記車両が加速中であり、かつ、前記車両が旋回していない場合に、前記第１の学習部により学習された重力方向の加速度情報と、前記センサから得られた加速度情報とから、前記車両の進行方向の加速度情報の単位ベクトル^Ｓε_ａを学習する、
   請求項２に記載の車載装置。
6. 前記第２の学習部は、前記車両が減速中であり、かつ、前記車両が旋回していない場合に、前記第１の学習部により学習された重力方向の加速度情報と、前記センサから得られた加速度情報とから、前記車両の進行方向の加速度情報の単位ベクトル^Ｓε_ａを学習する、
   請求項２に記載の車載装置。
7. 前記第２の学習部は、
   前記車両が加速中であり、かつ、前記車両が旋回していない場合に、前記第１の学習部により学習された重力方向の加速度情報のベクトルを、前記センサから得られた加速度情報のベクトルから引いた相対ベクトルから、前記車両の進行方向の加速度情報の単位ベクトル^Ｓε_ａを学習し、
   前記車両が減速中であり、かつ、前記車両が旋回していない場合に、前記センサにより取得された加速度情報のベクトルの正負を反転し、前記第１の学習部により学習された重力方向の加速度情報のベクトルを、正負を反転した加速度情報のベクトルから引いた相対ベクトルから、前記車両の進行方向の加速度情報の単位ベクトル^Ｓε_ａを学習する、
   請求項２に記載の車載装置。
8. 車載装置とともに車両に任意の姿勢で取り付けられているときにセンサから得られる第１のセンサ情報を、前記車両に所定の姿勢で取り付けられたときの第２のセンサ情報に変換する姿勢変換方法であって、
   前記センサが、加速度情報を取得することと、
   第１の学習部が、前記センサから得られた加速度情報の重力成分から重力方向の加速度情報を学習することと、
   第２の学習部が、前記第１の学習部により学習された重力方向の加速度情報と、前記センサから得られた加速度情報とから、前記車両の進行方向の加速度情報を学習することと、
   算出部が、前記第１の学習部により学習された重力方向の加速度情報と、前記第２の学習部により学習された進行方向の加速度情報とを用いて、前記センサから得られる第１の加速度情報を前記車載装置が前記車両に前記所定の姿勢で取り付けられたときの第２の加速度情報に変換するための姿勢変換パラメータを算出することと、
   を含む姿勢変換方法。

Images