JP6954717B2 - Positioning classifier creation method, position measurement method, external factor noise identification method, and positioning classifier creation system - Google Patents

Positioning classifier creation method, position measurement method, external factor noise identification method, and positioning classifier creation system Download PDF

Info

Publication number
JP6954717B2
JP6954717B2 JP2016185776A JP2016185776A JP6954717B2 JP 6954717 B2 JP6954717 B2 JP 6954717B2 JP 2016185776 A JP2016185776 A JP 2016185776A JP 2016185776 A JP2016185776 A JP 2016185776A JP 6954717 B2 JP6954717 B2 JP 6954717B2
Authority
JP
Japan
Prior art keywords
positioning
geomagnetic
path
classifier
external factor
Prior art date
Legal status (The legal status 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 status listed.)
Active
Application number
JP2016185776A
Other languages
Japanese (ja)
Other versions
JP2018048967A (en
Inventor
貴宏 長谷川
貴宏 長谷川
優仁 岩井
優仁 岩井
敏明 谷神
敏明 谷神
真則 高岡
真則 高岡
伊藤　哲也
哲也 伊藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
NEC Communication Systems Ltd
Original Assignee
NEC Communication Systems Ltd
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 NEC Communication Systems Ltd filed Critical NEC Communication Systems Ltd
Priority to JP2016185776A priority Critical patent/JP6954717B2/en
Priority to PCT/JP2017/034247 priority patent/WO2018056391A1/en
Publication of JP2018048967A publication Critical patent/JP2018048967A/en
Application granted granted Critical
Publication of JP6954717B2 publication Critical patent/JP6954717B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C17/00—Compasses; Devices for ascertaining true or magnetic north for navigation or surveying purposes
    • G01C17/02—Magnetic compasses
    • G01C17/28—Electromagnetic compasses
    • G01C17/30—Earth-inductor compasses
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/04—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means
    • G01C21/08—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by terrestrial means involving use of the magnetic field of the earth
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Automation & Control Theory (AREA)
  • Electromagnetism (AREA)
  • Navigation (AREA)

Description

本発明は、測位用分類器の作成方法、位置測定方法、外的要因ノイズ特定方法及び測位用分類器の作成システムに関し、特に、地磁気を用いた測位に用いる測位用分類器の作成方法、位置測定方法、外的要因ノイズ特定方法及び測位用分類器の作成システムに関する。
The present invention relates to a method for creating a positioning classifier , a position measuring method, a method for identifying external factor noise, and a system for creating a positioning classifier, and in particular, a method for creating a positioning classifier used for positioning using geomagnetism and a position. The present invention relates to a measurement method, a method for identifying external factor noise, and a system for creating a positioning classifier.

位置推定方法は幾つかあるが、屋内で使用可能であり、かつ測位装置の設置が不要な位置推定方法はごく一部に限られる。例えば、衛星測位（Ｇｌｏｂａｌ Ｎａｖｉｇａｔｉｏｎ Ｓａｔｅｌｌｉｔｅ Ｓｙｓｔｅｍ（ＧＮＳＳ）／Ｇｌｏｂａｌ Ｐｏｓｉｔｉｏｎｉｎｇ Ｓｙｓｔｅｍ（ＧＰＳ））は屋内では衛星からの信号が届かず使えないことが多い。無線ビーコン測位は、屋内へのビーコン信号発信機の設置が不可欠である。 There are several position estimation methods, but only a few are position estimation methods that can be used indoors and do not require the installation of a positioning device. For example, satellite positioning (Global Navigation Satellite System (GNSS) / Global Positioning System (GPS)) is often unusable because the signal from the satellite does not reach indoors. For wireless beacon positioning, it is indispensable to install a beacon signal transmitter indoors.

屋内で使用可能であり、かつ測位装置の設置が不要な位置推定方法に、地磁気測位がある（特許文献１参照）。地磁気測位は各位置における地磁気の大きさと向きの偏りを利用した測位方法であり、準備フェーズと測位フェーズから成る。準備フェーズでは、パスとパス上で計測された地磁気パターンからなる地磁気マップを生成する。測位フェーズでは、被測位装置が計測した地磁気パターンと最も類似する地磁気マップに含まれる地磁気パターンを選び、その地磁気パターンの対となるパスの座標を推定座標とする。 Geomagnetic positioning is a position estimation method that can be used indoors and does not require the installation of a positioning device (see Patent Document 1). Geomagnetic positioning is a positioning method that utilizes the magnitude and orientation bias of the geomagnetism at each position, and consists of a preparation phase and a positioning phase. In the preparation phase, a geomagnetic map consisting of the path and the geomagnetic pattern measured on the path is generated. In the positioning phase, the geomagnetic pattern included in the geomagnetic map that is most similar to the geomagnetic pattern measured by the positioning device is selected, and the coordinates of the path paired with the geomagnetic pattern are used as the estimated coordinates.

図７は、地磁気測位における一般的フローを示す。地磁気測位の不可欠な工程として、外的要因ノイズの除去工程がある。外的要因ノイズとは、例えば、端末のセンサ種別に起因する地磁気計測値のバイアスやスケーリングファクタや、端末の持ち方や歩き方に起因する地磁気計測値の向き成分の回転などが挙げられる。測位フェーズで地磁気同士を突き合わせる際は、図８に示す通り、ノイズ除去工程により、外部要因の影響を除外することが必要となる。 FIG. 7 shows a general flow in geomagnetic positioning. As an indispensable process of geomagnetic positioning, there is a process of removing external factor noise. Examples of external factor noise include bias and scaling factor of the geomagnetic measurement value due to the sensor type of the terminal, rotation of the direction component of the geomagnetic measurement value due to how to hold and walk the terminal, and the like. When the geomagnetisms are butted against each other in the positioning phase, it is necessary to exclude the influence of external factors by the noise removing step as shown in FIG.

特許文献１では、外的要因ノイズの除去工程として、位置に対応付けて予め収集しておいた環境磁気データベースから、現在地の環境磁気データを取り出し、取得した磁気データを補正することで、外部要因の影響を除外している。 In Patent Document 1, as a step of removing external factor noise, external factors are obtained by extracting the environmental magnetic data of the current location from the environmental magnetic database collected in advance in association with the position and correcting the acquired magnetic data. The influence of is excluded.

特開２０１３−２１０８６６号公報Japanese Unexamined Patent Publication No. 2013-210866

以下の分析は、本発明によって与えられたものである。上記した地磁気測位の問題点として、外的要因ノイズの種類が多岐に渡るため、除去が困難であることが挙げられる。例えば、特許文献１においても、自律航法による取得された相対位置に基づいて算出された現在地を用いて、環境磁気データを取得しているが、そもそも自律航法による測位機能が使えない場合には対応できない。また、特許文献１の方法では、現在地という位置以外の外部要因で発生するノイズを除去することも不可能である。 The following analysis is given by the present invention. The problem of the above-mentioned geomagnetic positioning is that it is difficult to remove it because there are various types of external factor noise. For example, also in Patent Document 1, environmental magnetic data is acquired using the current location calculated based on the relative position acquired by autonomous navigation, but it corresponds to the case where the positioning function by autonomous navigation cannot be used in the first place. Can not. Further, the method of Patent Document 1 cannot remove noise generated by an external factor other than the current position.

本発明は、地磁気を用いた測位の精度向上に貢献できる測位用地磁気マップの作成方法、位置測定方法、外的要因ノイズ測定方法及び測位用地磁気マップの作成システムを提供することを目的とする。 An object of the present invention is to provide a method for creating a geomagnetic map for positioning, a method for measuring a position, a method for measuring external factor noise, and a system for creating a geomagnetic map for positioning, which can contribute to improving the accuracy of positioning using geomagnetism.

第１の視点によれば、測位エリアの地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成するステップと、前記測位地磁気マップの地磁気パターンに所定の外的要因ノイズを付加して、学習用の地磁気マップを生成するステップと、前記外的要因ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成するステップと、を含む測位用地磁気マップの作成方法が提供される。本方法は、測定した地磁気マップを保持するメモリと、外的要因ノイズの付加処理及び分類器作成処理を行うプロセッサとを備えるコンピュータという、特定の機械に結びつけられている。 According to the first viewpoint, a step of measuring the geomagnetism of the positioning area and creating a positioning geomagnetic map in which the positioning path and the geomagnetic pattern are associated with each other, and a predetermined external factor noise in the geomagnetic pattern of the positioning geomagnetic map. Is added to generate a geomagnetic map for learning, and a step of performing machine learning to create a classifier using the geomagnetic map for learning to which the external factor noise is added is included. A method for creating a geomagnetic map for positioning is provided. The method is tied to a particular machine, a computer with a memory that holds the measured geomagnetic map and a processor that performs additional processing of external factor noise and processing of creating a classifier.

第２の視点によれば、上記した方法を用いて作成された測位用地磁気マップを用いた位置測定方法（測位方法）及び外的要因ノイズ測定方法が提供される。 According to the second viewpoint, a position measurement method (positioning method) and an external factor noise measurement method using the geomagnetic map for positioning created by using the above method are provided.

第３の視点によれば、測位エリアの地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成する手段と、前記測位地磁気マップの地磁気パターンに所定の外的要因ノイズを付加して、学習用の地磁気マップを生成する手段と、前記外的要因ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成する手段と、を含む測位用地磁気マップの作成システムが提供される。 According to the third viewpoint, a means for measuring the geomagnetism of the positioning area and creating a positioning geomagnetic map in which the positioning path and the geomagnetic pattern are associated with each other, and a predetermined external factor noise in the geomagnetic pattern of the positioning geomagnetic map. To generate a geomagnetic map for learning by adding the above, and a means to perform machine learning to create a classifier using the geomagnetic map for learning to which the external factor noise is added. A system for creating a geomagnetic map for positioning is provided.

本発明によれば、地磁気を用いた測位の精度向上に貢献することが可能となる。 According to the present invention, it is possible to contribute to improving the accuracy of positioning using geomagnetism.

本発明の一実施形態を説明するための図である。It is a figure for demonstrating one Embodiment of this invention. 本発明の第１の実施形態の測位用地磁気マップの作成システムの構成を示す図である。It is a figure which shows the structure of the geomagnetic map creation system for positioning of 1st Embodiment of this invention. 本発明の第１の実施形態の測位用地磁気マップの作成システムを準備フェーズ実施要素と、測位フェーズ実施要素とに切り分けた図である。It is a figure which divided the preparation system of the geomagnetic map for positioning of 1st Embodiment of this invention into a preparation phase implementation element and a positioning phase implementation element. 本発明の第１の実施形態における測位エリア、計測パス及び測位パスの関係と地磁気マップの編集工程を説明するための図である。It is a figure for demonstrating the relationship between the positioning area, the measurement path and the positioning path and the process of editing a geomagnetic map in the 1st Embodiment of this invention. 計測パスの分割、結合、反転処理を説明するための図である。It is a figure for demonstrating the division, combination, and inversion processing of a measurement path. 本発明の第１の実施形態の測位用地磁気マップの作成システムの全体動作を表した流れ図である。It is a flow chart which showed the whole operation of the geomagnetic map making system for positioning of 1st Embodiment of this invention. 背景技術として説明する地磁気測位の準備フェーズと、計測フェーズの例を示す流れ図である。It is a flow chart which shows the example of the preparation phase and the measurement phase of geomagnetic positioning explained as a background technique. 背景技術として説明する地磁気測位におけるノイズ除去の意義を説明するための図である。It is a figure for demonstrating the significance of noise removal in geomagnetic positioning explained as a background technique.

はじめに本発明の一実施形態の概要について図面を参照して説明する。なお、この概要に付記した図面参照符号は、理解を助けるための一例として各要素に便宜上付記したものであり、本発明を図示の態様に限定することを意図するものではない。また、以降の説明で参照する図面等のブロック間の接続線は、双方向及び単方向の双方を含む。一方向矢印については、主たる信号（データ）の流れを模式的に示すものであり、双方向性を排除するものではない。 First, an outline of one embodiment of the present invention will be described with reference to the drawings. It should be noted that the drawing reference reference numerals added to this outline are added to each element for convenience as an example for assisting understanding, and the present invention is not intended to be limited to the illustrated embodiment. Further, the connecting line between blocks such as drawings referred to in the following description includes both bidirectional and unidirectional. The one-way arrow schematically shows the flow of the main signal (data), and does not exclude interactivity.

本発明は、その一実施形態において、図１に示すとおり、測位用地磁気マップの作成システムは、準備フェーズにおいて、測位エリアの地磁気を計測し、測位パス（測位地磁気マップのパスに相当）と、地磁気パターン（吹き出し内チャート参照）とを対応付けた測位地磁気マップを作成する（ステップＳ００１）。次に、測位用地磁気マップの作成システムは、前記測位地磁気マップの地磁気パターンに所定の外的要因ノイズを付加して、学習用の地磁気マップを生成する（ステップＳ００２）。ここで、外的要因ノイズとしては、センサ種別、端末（被計測装置）の持ち方、歩き方の差異をシミュレートしたノイズが挙げられる。 In one embodiment of the present invention, as shown in FIG. 1, the positioning geomagnetic map creation system measures the geomagnetism of the positioning area in the preparation phase, and sets the positioning path (corresponding to the path of the positioning geomagnetic map). A positioning geomagnetic map associated with the geomagnetic pattern (see the chart in the balloon) is created (step S001). Next, the positioning geomagnetic map creation system adds a predetermined external factor noise to the geomagnetic pattern of the positioning geomagnetic map to generate a geomagnetic map for learning (step S002). Here, examples of external factor noise include noise that simulates differences in sensor type, terminal (measured device) holding method, and walking method.

最後に、測位用地磁気マップの作成システムは、この外的要因ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成する（ステップＳ００３）。 Finally, the positioning geomagnetic map creation system performs machine learning to create a classifier using the learning geomagnetic map to which the external factor noise is added (step S003).

以上のように、外的要因ノイズが加わった地磁気マップを用いた機械学習を行うことで、外的要因ノイズが加わった地磁気パターンを前提とした分類器が作成される。これにより、例えば、図１の外的要因ノイズ付与後の地磁気パターンと、図８の測位フェーズの計測パターン（図８の右側中段のチャート参照）との同定が可能となる。よって、計測フェーズのノイズ除去が不要化される。ノイズ除去が不要化されるということは、ノイズ除去の困難性に伴う判定精度の劣化を抑えることが可能となることを意味する。 As described above, by performing machine learning using the geomagnetic map to which the external factor noise is added, a classifier based on the geomagnetic pattern to which the external factor noise is added is created. This makes it possible to identify, for example, the geomagnetic pattern after the external factor noise is applied in FIG. 1 and the measurement pattern in the positioning phase in FIG. 8 (see the chart in the middle right side of FIG. 8). Therefore, noise removal in the measurement phase becomes unnecessary. Eliminating the need for noise removal means that it is possible to suppress deterioration of determination accuracy due to difficulty in noise removal.

［第１の実施形態］
続いて、本発明の第１の実施形態について図面を参照して詳細に説明する。図２は、本発明の第１の実施形態の測位用地磁気マップの作成システムの構成を示す図である。図２を参照すると、地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、が接続された構成が示されている。なお、図２中のＩＦ（インタフェース）２０３、３０３、４０２、５０１、６０１は、装置間でのデータのやりと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。図３は、上記測位用地磁気マップの作成システムを準備フェーズ実施要素と、計測フェーズ実施要素とに切り分けた図であり、基本的には図２と等価である。 [First Embodiment]
Subsequently, the first embodiment of the present invention will be described in detail with reference to the drawings. FIG. 2 is a diagram showing a configuration of a geomagnetic map creation system for positioning according to the first embodiment of the present invention. Referring to FIG. 2, a configuration in which a geomagnetic map generation device 200, a positioning device 300, an arbitrary device 400, a positioning device 500, and a machine learning device 600 are connected is shown. The IFs (interfaces) 203, 303, 402, 501, and 601 in FIG. 2 represent wired communication IFs, wireless communication IFs, storage IFs, or user IFs that enable data exchange between devices, and are devices. Various devices can be adopted according to the physical connection configuration between the devices and the standard to which each device complies. FIG. 3 is a diagram in which the above-mentioned geomagnetic map creation system for positioning is divided into a preparation phase implementation element and a measurement phase implementation element, and is basically equivalent to FIG.

地磁気マップ生成用装置２００は、地磁気センサ２０１と、地磁気計測部２０２と、を備える。地磁気計測部２０２は、地磁気センサで計測された地磁気を連ねて、計測パスと紐付けられた地磁気パターンを作成する。地磁気計測部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地磁気パターンを送信する。前記地磁気計測部２０２が地磁気パターンを送信することに代えて、地磁気計測部２０２が、測位装置５００からアクセス可能な場所（物理ストレージやネットワークストレージ）に、地磁気パターンを移動又はコピーすることでもよい。なお、上記した計測パスや測位パスは、例えば、図３に示すパス設計装置７００から設定されるものとして説明する。 The geomagnetic map generation device 200 includes a geomagnetic sensor 201 and a geomagnetic measurement unit 202. The geomagnetic measurement unit 202 creates a geomagnetic pattern associated with the measurement path by connecting the geomagnetisms measured by the geomagnetic sensor. The geomagnetic measurement unit 202 transmits the geomagnetic pattern thus created to the positioning device 500 so that the positioning device 500 can handle it. Instead of the geomagnetic measurement unit 202 transmitting the geomagnetic pattern, the geomagnetic measurement unit 202 may move or copy the geomagnetic pattern to a location (physical storage or network storage) accessible from the positioning device 500. The measurement path and positioning path described above will be described, for example, as being set from the path design device 700 shown in FIG.

測位装置５００は、地磁気マップ作成部５０２と、地磁気パス編集部５０３と、ノイズ付与部５０４と、地磁気マップ記録部５０５と、地磁気受信部５０６と、座標決定部５０７と、最尤パス選択部５０８と、を備える。 The positioning device 500 includes a geomagnetic map creation unit 502, a geomagnetic path editing unit 503, a noise addition unit 504, a geomagnetic map recording unit 505, a geomagnetic reception unit 506, a coordinate determination unit 507, and a maximum likelihood path selection unit 508. And.

はじめに、図２の測位装置５００中の準備フェーズ実施要素（図３参照）について説明する。地磁気マップ作成部５０２は、地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地磁気パターンを読み込む。地磁気マップ作成部５０２は、計測パスにユニークな識別子を付与し、計測パス識別子をキー、計測パス座標と地磁気パターンを値とするマップ（連想配列）を作成する。地磁気マップ作成部５０２は、作成したマップを、地磁気マップ記録部５０５に格納するとともに、地磁気マップとして地磁気パス編集部５０３側に出力する。 First, the preparation phase implementation elements (see FIG. 3) in the positioning device 500 of FIG. 2 will be described. The geomagnetic map creation unit 502 reads the geomagnetic pattern measured along the measurement path created by the geomagnetic map generation device 200. The geomagnetic map creation unit 502 assigns a unique identifier to the measurement path, and creates a map (associative array) in which the measurement path identifier is used as a key and the measurement path coordinates and the geomagnetic pattern are used as values. The geomagnetic map creation unit 502 stores the created map in the geomagnetic map recording unit 505 and outputs the created map to the geomagnetic path editing unit 503 as a geomagnetic map.

地磁気パス編集部５０３は、地磁気マップ作成部５０２にて作成された地磁気マップの粒度を、測位パスと一致する粒度や向き（双方向用意する）のマップに変換（編集）する処理を行う。 The geomagnetic path editing unit 503 performs a process of converting (editing) the particle size of the geomagnetic map created by the geomagnetic map creating unit 502 into a map having a particle size and direction (prepared in both directions) that match the positioning path.

図４は、本発明の第１の実施形態における測位エリア、計測パス及び測位パスの関係と地磁気マップの編集工程を説明するための図である。図４の上段に示すように２つの遮蔽物が存在する測位エリアの場合、図４の中段に示すように、Ａ−＞Ｃ、Ｄ−＞Ｆ、Ａ−＞Ｄ、Ｂ−＞Ｅ、Ｃ−＞Ｆの５本の計測パスで測位エリアをカバーすることができる。しかしながら、この計測パスのままでは、ノードＡからノードＣへと被計測装置が移動した場合に、被計測装置がノードＣに位置することを判別することができるものの、ノードＡとノードＣとの間に位置している被計測装置の位置を特定できない。そこで、地磁気パス編集部５０３は、地磁気マップ作成部５０２にて作成された地磁気マップの編集処理を実施する。 FIG. 4 is a diagram for explaining the relationship between the positioning area, the measurement path, and the positioning path and the process of editing the geomagnetic map in the first embodiment of the present invention. In the case of a positioning area where two obstacles exist as shown in the upper part of FIG. 4, A-> C, D-> F, A-> D, B-> E, C as shown in the middle part of FIG. The positioning area can be covered with five measurement paths of-> F. However, with this measurement path as it is, when the device under test moves from node A to node C, it can be determined that the device under test is located at node C, but node A and node C The position of the device under test located in between cannot be specified. Therefore, the geomagnetic path editing unit 503 edits the geomagnetic map created by the geomagnetic map creating unit 502.

具体的には、地磁気パス編集部５０３は、地磁気マップと測位パスを読み込み、予め作成された各測位パス（図４の下段参照）に対して、測位パスと座標が一致する計測パスを地磁気マップから検索し、それを測位パスとする。なお、図４の例では、計測パスＢ−＞Ｃは測位パスと座標が一致するため、測位パスＢ−＞Ｃとしてそのまま使われることになる。 Specifically, the geomagnetic path editorial unit 503 reads the geomagnetic map and the positioning path, and for each positioning path created in advance (see the lower part of FIG. 4), the geomagnetic map maps the measurement path whose coordinates match the positioning path. Search from and use it as the positioning path. In the example of FIG. 4, since the measurement path B-> C has the same coordinates as the positioning path, it is used as it is as the positioning path B-> C.

座標が一致する計測パスが無い場合、地磁気パス編集部５０３は、１つ以上の計測パスの分割・結合・反転を行うことで座標が一致するパスを生成し、それを測位パスとする。
（ア：分割）測位パスが計測パスより短い場合、地磁気パス編集部５０３は、図５に示すように、その計測パスを分割する。
（イ：結合）測位パスが複数の計測パスにまたがる場合、その計測パスを含むパスを結合する。
（ウ：反転）測位パスの向きと計測パスの向きが逆の場合、その計測パスを反転する。
なお、上記した計測パスの分割・結合・反転処理において、計測パスに対応する地磁気パターンの分割・結合・反転も一緒に行われることになる（図５の右側のチャート参照）。 When there is no measurement path with matching coordinates, the geomagnetic path editing unit 503 divides, combines, and inverts one or more measurement paths to generate a path with matching coordinates, which is used as a positioning path.
(A: Division) When the positioning path is shorter than the measurement path, the geomagnetic path editing unit 503 divides the measurement path as shown in FIG.
(B: Combined) When the positioning path spans multiple measurement paths, the paths including the measurement paths are combined.
(C: Invert) If the direction of the positioning path and the direction of the measurement path are opposite, the measurement path is inverted.
In the above-mentioned division / combination / inversion process of the measurement path, the division / combination / inversion of the geomagnetic pattern corresponding to the measurement path is also performed (see the chart on the right side of FIG. 5).

地磁気パス編集部５０３は、前記分割・結合・反転処理により粒度や向き（双方向用意する）が調整された測位パスにユニークな識別子を付与し、識別子をキー、座標と地磁気パターンを含む測位パスを値とするマップ（連想配列）を作成する。地磁気パス編集部５０３は、作成したマップを測位地磁気マップとしてノイズ付与部５０４側に出力する。 The geomagnetic path editing unit 503 assigns a unique identifier to the positioning path whose particle size and orientation (prepared in both directions) are adjusted by the division / combination / inversion process, and uses the identifier as a key, and the positioning path including the coordinates and the geomagnetic pattern. Create a map (associative array) whose value is. The geomagnetic path editing unit 503 outputs the created map as a positioning geomagnetic map to the noise adding unit 504 side.

ノイズ付与部５０４は、地磁気パス編集部５０３にて作成された測位地磁気マップを構成する各測位パスの地磁気パターンに、０種類以上のノイズを任意の重みづけで加えて、それを学習用地磁気パターンとする。ノイズ付与部で付加するノイズとしては、ホワイトノイズやカラードノイズ等の雑音や、外的要因ノイズが含まれる。なお、ノイズの種類を０種類以上としているのは、ノイズを加える必要のないパス、即ち、計測フェーズにおいてノイズの発生しにくい測位パスについては、ノイズを付加しなくてもよいからである。 The noise addition unit 504 adds 0 or more types of noise to the geomagnetic pattern of each positioning path constituting the positioning geomagnetic map created by the geomagnetic path editing unit 503 with arbitrary weighting, and adds the noise to the geomagnetic pattern for learning. And. The noise added by the noise addition unit includes noise such as white noise and colored noise, and external factor noise. The reason why the noise type is set to 0 or more is that it is not necessary to add noise to the path that does not need to add noise, that is, the positioning path that is less likely to generate noise in the measurement phase.

ここで、外的要因ノイズについて説明する。外的要因ノイズは、地磁気を測定する装置の姿勢や、装置の移動や、装置のセンサ特性をシミュレートして作成することができる。これらのシミュレート条件としては、以下のようなものを挙げることができる。
（ア）装置の姿勢シミュレートでは、地磁気の三次元ベクトルの、任意の三次元回転を行う。
（イ）装置の移動速度シミュレートでは、地磁気パターンのサンプリングレート変更を行う。即ち、移動速度が速いパスでは地磁気パターンのサンプリング間隔を広げ、遅いパスでは間隔を狭める。移動速度としては、当該測位パスを移動する被計測装置（端末ユーザ等）の移動パターンなどを用いることができる。移動速度が常に固定となるパスでは、移動速度シミュレートノイズを付与しない。移動速度が様々になり得る測位パスでは、様々な移動速度をシミュレートしたノイズを付与することもできる。
（ウ）装置の移動方向シミュレートでは、地磁気の三次元ベクトルの水平回転を行う。
（エ）装置のセンサ特性シミュレートでは、地磁気のオフセットとスケール補正を行う。 Here, external factor noise will be described. External factor noise can be created by simulating the attitude of the device that measures the geomagnetism, the movement of the device, and the sensor characteristics of the device. Examples of these simulation conditions include the following.
(A) In the attitude simulation of the device, an arbitrary three-dimensional rotation of the three-dimensional vector of the geomagnetism is performed.
(B) In simulating the moving speed of the device, the sampling rate of the geomagnetic pattern is changed. That is, the sampling interval of the geomagnetic pattern is widened in the path with a high moving speed, and the interval is narrowed in the path with a slow moving speed. As the moving speed, a moving pattern of a device to be measured (terminal user or the like) moving along the positioning path can be used. In the path where the movement speed is always fixed, the movement speed simulation noise is not added. In the positioning path where the moving speed can be various, it is possible to add noise simulating various moving speeds.
(C) In the simulation of the moving direction of the device, the three-dimensional vector of the geomagnetism is horizontally rotated.
(D) In simulating the sensor characteristics of the device, geomagnetic offset and scale correction are performed.

ノイズ付与部５０４は、１つの地磁気パターンに対して、上記ノイズを付加し、１つ以上の学習用地磁気パターンを生成する。複数の学習の地磁気パターンを生成する場合、加えるノイズ種類の組み合わせや重みづけを変えてもよい。 The noise addition unit 504 adds the noise to one geomagnetic pattern to generate one or more learning geomagnetic patterns. When generating a plurality of learning geomagnetic patterns, the combination of noise types to be added and the weighting may be changed.

ノイズ付与部５０４は、測位パスの識別子をキーに、学習用地磁気パターンを値とするマップ（連想配列）を作成し、作成したマップを学習用地磁気パターンマップ（上記学習用地磁気マップに相当）として機械学習装置６００側に出力する。 The noise addition unit 504 creates a map (associative array) with the learning geomagnetic pattern as a value using the positioning path identifier as a key, and uses the created map as a learning geomagnetic pattern map (corresponding to the above learning geomagnetic map). Output to the machine learning device 600 side.

続いて、図２の測位装置中の測位フェーズ実施要素（図３参照）について説明する。地磁気受信部５０６は、被測位装置３００から地磁気パターンを受信する。地磁気受信部５０６は、必要に応じて、地磁気パターンを機械学習装置６００に入力可能な型に変更し、測位対象の地磁気パターンとして機械学習装置６００に送信する。 Subsequently, the positioning phase implementation element (see FIG. 3) in the positioning device of FIG. 2 will be described. The geomagnetic reception unit 506 receives the geomagnetic pattern from the positioning device 300. If necessary, the geomagnetic receiving unit 506 changes the geomagnetic pattern into a type that can be input to the machine learning device 600, and transmits the geomagnetic pattern to the machine learning device 600 as a positioning target geomagnetic pattern.

最尤パス選択部５０８は、上記測位対象の地磁気パターンに対する応答として機械学習装置６００から測位パス尤度を受信する。その上で、最尤パス選択部５０８は、最も尤度の高い測位パスを推定測位パスとし、出力する。 The maximum likelihood path selection unit 508 receives the positioning path likelihood from the machine learning device 600 as a response to the geomagnetic pattern of the positioning target. Then, the maximum likelihood path selection unit 508 sets the positioning path having the highest likelihood as the estimated positioning path and outputs it.

座標決定部５０７は、最尤パス選択部５０８から受信した推定測位パスの終点座標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やナビゲーションアプリケーション等が挙げられる。 The coordinate determination unit 507 outputs the end point coordinates of the estimated positioning path received from the maximum likelihood path selection unit 508 as estimated coordinates. The output estimated coordinates are used, for example, by the position information utilization unit 401 mounted on an arbitrary device 400. Examples of the location information utilization unit 401 include a map application, a navigation application, and the like installed in an arbitrary device 400.

被測位装置３００は、地磁気センサ３０１と、地磁気計測部３０２と、を備える。地磁気計測部３０２は、地磁気センサ３０１で計測された地磁気を連ねて、地磁気パターンを作成し、測位装置５００側に送信する。 The positioning device 300 includes a geomagnetic sensor 301 and a geomagnetic measurement unit 302. The geomagnetic measurement unit 302 creates a geomagnetic pattern by connecting the geomagnetisms measured by the geomagnetic sensor 301, and transmits the geomagnetic pattern to the positioning device 500 side.

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。 The machine learning device 600 includes a machine learning training unit 602, a classifier recording unit 603, and a machine learning prediction unit 604.

機械学習訓練部６０２は、ノイズ付与部５０４にて作成された学習用地磁気パターンマップ（上記学習用地磁気マップに相当）の各キーと値の対に対して、学習用地磁気パターンを特徴量データ、測位パス識別子をラベルとした教師データを作成する。機械学習訓練部６０２は、作成した各教師データをもとに機械学習の訓練を行い、学習モデルを生成する。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。 The machine learning training unit 602 uses the learning geomagnetic pattern as feature data for each key / value pair of the learning geomagnetic pattern map (corresponding to the above learning geomagnetic map) created by the noise addition unit 504. Create teacher data with the positioning path identifier as the label. The machine learning training unit 602 trains machine learning based on each created teacher data and generates a learning model. The machine learning training unit 602 stores the generated learning model as a classifier in the classifier recording unit 603.

機械学習予測部６０４は、測位装置５００の地磁気受信部５０６から測位対象の地磁気パターンを受信すると、分類器記録部６０３に格納されている分類器に、当該測位対象の地磁気パターンを入力し、各測位パスの識別子の尤度を得る。機械学習予測部６０４は、測位装置５００に対し、測位パス尤度として、分類器を用いて得られた尤度を送信する。 When the machine learning prediction unit 604 receives the geomagnetic pattern of the positioning target from the geomagnetic reception unit 506 of the positioning device 500, the machine learning prediction unit 604 inputs the geomagnetic pattern of the positioning target into the classifier stored in the classifier recording unit 603, and each of them inputs the geomagnetic pattern of the positioning target. Obtain the likelihood of the positioning path identifier. The machine learning prediction unit 604 transmits the likelihood obtained by using the classifier as the positioning path likelihood to the positioning device 500.

なお、図２、３に示した測位用地磁気マップの作成システムの各部（処理手段）は、これらの装置を構成するコンピュータに、そのハードウェアを用いて、上記した各処理を実行させるコンピュータプログラムにより実現することもできる。 Each part (processing means) of the geomagnetic map creation system for positioning shown in FIGS. It can also be realized.

続いて、本実施形態の動作について図面を参照して詳細に説明する。図６は、本発明の第１の実施形態の測位用地磁気マップの作成システムの全体動作を表した流れ図である。図６に示したように、準備フェーズでは、まず、パス設計装置７００にてパス設計が行われる（ステップＳ１０１）。具体的には、図４の上段に示した測位エリア内で、図４の中段、下段に示すような計測パスと測位パスの定義が行われる。パスは、始点座標、終点座標、0個以上の中間点の座標を含んでいてもよい。 Subsequently, the operation of the present embodiment will be described in detail with reference to the drawings. FIG. 6 is a flow chart showing the overall operation of the geomagnetic map creation system for positioning according to the first embodiment of the present invention. As shown in FIG. 6, in the preparation phase, first, the path design is performed by the path design device 700 (step S101). Specifically, within the positioning area shown in the upper part of FIG. 4, the measurement path and the positioning path are defined as shown in the middle and lower parts of FIG. The path may include start point coordinates, end point coordinates, and zero or more midpoint coordinates.

次に、地磁気マップ生成用装置２００にて、各計測パスに沿った地磁気の測定と、地磁気パターンの作成が行われる（ステップＳ１０２）。 Next, the geomagnetic map generation device 200 measures the geomagnetism along each measurement path and creates a geomagnetic pattern (step S102).

次に、測位装置５００にて、計測パス識別子をキー、計測パス座標と地磁気パターンを値とするデータをまとめた地磁気マップが作成される（ステップＳ１０３）。以上、ステップＳ１０１〜Ｓ１０３における各処理は、背景技術として説明した準備フェーズにおいて行われているものと同等である。 Next, the positioning device 500 creates a geomagnetic map that summarizes data using the measurement path identifier as a key and the measurement path coordinates and the geomagnetic pattern as values (step S103). As described above, each process in steps S101 to S103 is equivalent to that performed in the preparation phase described as the background technique.

次に、測位装置５００は、地磁気マップ編集工程を実行する（ステップＳ１０４）。具体的には、測位装置５００は、各測位パスと座標が一致する計測パスのデータを地磁気マップから取り出し、測位地磁気パスとする。また座標が一致する計測パスのデータが無い場合、測位装置５００は、測位パスと一致する地磁気パターンを得るために計測パスのデータの分割・結合・反転を行う。 Next, the positioning device 500 executes the geomagnetic map editing step (step S104). Specifically, the positioning device 500 extracts the data of the measurement path whose coordinates match each positioning path from the geomagnetic map and uses it as the positioning geomagnetic path. If there is no measurement path data with matching coordinates, the positioning device 500 divides, combines, and inverts the measurement path data in order to obtain a geomagnetic pattern that matches the positioning path.

次に、測位装置５００は、ノイズ付与工程を実行する（ステップＳ１０５）。具体的には、測位装置５００は、編集後の測位地磁気マップを構成する各測位パスの地磁気パターンに、０種類以上のノイズを任意の重みづけで加えて、それを学習用の地磁気パターンとする。 Next, the positioning device 500 executes the noise addition step (step S105). Specifically, the positioning device 500 adds 0 or more types of noise to the geomagnetic pattern of each positioning path constituting the edited positioning geomagnetic map with arbitrary weighting, and uses it as a geomagnetic pattern for learning. ..

次に、機械学習装置６００は、学習用の地磁気パターンを特徴量データ、該当地磁気パターンの元となった測位パスの識別子をラベルとした教師データを作成し、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Ｓ１０６）。以上、ステップＳ１０４〜Ｓ１０６における各処理は、背景技術として説明した準備フェーズ（図７のステップＳ１０１〜Ｓ１０３参照）に対して追加で行われているものである。 Next, the machine learning device 600 creates feature data using the geomagnetic pattern for learning and teacher data using the identifier of the positioning path that is the source of the geomagnetic pattern as a label, performs supervised machine learning, and by learning. The obtained classifier is recorded (step S106). As described above, each process in steps S104 to S106 is additionally performed with respect to the preparation phase (see steps S101 to S103 in FIG. 7) described as the background technique.

図６に示したように、測位フェーズでは、まず、被測位装置３００が、地磁気を計測し、測位地磁気パターンとする。被測位装置３００は、測位地磁気パターンを測位装置５００に送信する（ステップＳ２０１）。 As shown in FIG. 6, in the positioning phase, the positioning device 300 first measures the geomagnetism and obtains a positioning geomagnetic pattern. The positioning device 300 transmits the positioning geomagnetic pattern to the positioning device 500 (step S201).

次に、測位装置５００は、被測位装置３００から測位地磁気パターンを受信すると（ステップＳ２０２）、測位装置５００は、分類器に測位地磁気パターンを入力し、測位地磁気パターンに対する各測位パスの尤度を取得する（ステップＳ２０４ａ）。 Next, when the positioning device 500 receives the positioning geomagnetic pattern from the positioning device 300 (step S202), the positioning device 500 inputs the positioning geomagnetic pattern to the classifier and determines the likelihood of each positioning path with respect to the positioning geomagnetic pattern. Acquire (step S204a).

次に、測位装置５００は、最も尤度の高い測位パスを推定測位パスとする（ステップＳ２０４ｂ）。最後に、測位装置５００は、推定測位パスの終点座標を被測位装置の推定座標とする（ステップＳ２０５）。 Next, the positioning device 500 sets the positioning path having the highest likelihood as the estimated positioning path (step S204b). Finally, the positioning device 500 sets the end point coordinates of the estimated positioning path as the estimated coordinates of the positioning device (step S205).

以上のような本発明を用いて作成された分類器を用いた測位フェーズと、背景技術として示した図７のステップＳ２０１〜Ｓ２０５の測位フェーズとの大きな相違点は、ステップＳ２０３のノイズ除去工程の有無である。即ち、本発明を用いて作成された分類器を用いた測位フェーズでは、準備フェーズにて、先にノイズを付加して分類器を作成しているため、ノイズを除去する必要がない。これに伴い、ステップＳ２０４ａ、Ｓ２０４ｂの地磁気パスの推定においても、測位地磁気パターンに対する各測位パスの尤度が最も高い測位パスを選択することで、測定地磁気パスを選択可能となっている。 The major difference between the positioning phase using the classifier created by using the present invention as described above and the positioning phase of steps S201 to S205 of FIG. 7 shown as the background technology is the noise removal step of step S203. Presence or absence. That is, in the positioning phase using the classifier created by using the present invention, since the classifier is created by adding noise first in the preparation phase, it is not necessary to remove the noise. Along with this, also in the estimation of the geomagnetic paths in steps S204a and S204b, the measurement geomagnetic path can be selected by selecting the positioning path having the highest likelihood of each positioning path with respect to the positioning geomagnetic pattern.

以上のような本実施形態の効果をまとめると下記のとおりとなる。
１．本実施形態で説明した方法によれば、複数の外的要因ノイズを含んだ地磁気と位置による機械学習の訓練も行えるため、正しい位置を算出できる。その理由は、地磁気に複雑な外的要因ノイズ（例えば複数種類の外的要因ノイズ）が加わる場合、ノイズ除去が困難であるところ、外的要因ノイズを事前に学習前のデータに付加し、外的要因ノイズを加味した分類器を作成する構成を採用したことにある。
２．上述のとおり、地磁気パターンから外的要因ノイズを除去する工程が不要となるため、測位に要する時間の短縮を図ることができる。なお、本実施形態では、準備フェーズにおけるノイズ付与と機械学習の訓練が必要となっているが、これらは測位毎に行う必要はなく、準備フェーズの一度で済む。
３．上記外的要因ノイズを除去する工程の削減は、開発工数の削減にも貢献する。本実施形態では、ノイズを付与する工程が必要となっているが、ノイズ除去よりノイズ付与の方が容易である。
４．さらに、本実施形態では、予め測位するパスの特性（測位エリアの特性）に応じて付与するノイズの種類や重み付けを決定できるという利点がある。測位時に一定のノイズ除去を行うことにより、測位精度を向上できる。
５．さらに、本実施形態では、独立して定義可能な計測パスと測位パスから地磁気マップを生成するため、計測パスの数を最小限として地磁気計測工程を削減しつつ、測位パスを可変とするといった柔軟な測位精度設計が可能となる。 The effects of this embodiment as described above can be summarized as follows.
1. 1. According to the method described in the present embodiment, machine learning training based on the geomagnetism including a plurality of external factor noises and the position can be performed, so that the correct position can be calculated. The reason is that when complex external factor noise (for example, multiple types of external factor noise) is added to the geomagnetism, it is difficult to remove the noise. It is due to the adoption of a configuration that creates a classifier that takes into account noise.
2. As described above, since the step of removing external factor noise from the geomagnetic pattern becomes unnecessary, the time required for positioning can be shortened. In this embodiment, noise addition and machine learning training in the preparation phase are required, but these need not be performed for each positioning, and only once in the preparation phase.
3. 3. The reduction of the process of removing the above-mentioned external factor noise also contributes to the reduction of development man-hours. In the present embodiment, a step of adding noise is required, but it is easier to add noise than to remove noise.
4. Further, the present embodiment has an advantage that the type and weighting of noise to be applied can be determined according to the characteristics of the path to be positioned in advance (characteristics of the positioning area). Positioning accuracy can be improved by removing a certain amount of noise during positioning.
5. Further, in the present embodiment, since the geomagnetic map is generated from the measurement path and the positioning path that can be defined independently, the number of measurement paths is minimized, the geomagnetic measurement process is reduced, and the positioning path is variable. It is possible to design the positioning accuracy.

以上、本発明の各実施形態を説明したが、本発明は、上記した実施形態に限定されるものではなく、本発明の基本的技術的思想を逸脱しない範囲で、更なる変形・置換・調整を加えることができる。例えば、各図面に示した装置構成、各要素の構成、データの表現形態は、本発明の理解を助けるための一例であり、これらの図面に示した構成に限定されるものではない。以下、本発明のいくつかの変形形態について例示的に列挙する。 Although each embodiment of the present invention has been described above, the present invention is not limited to the above-described embodiment, and further modifications, substitutions, and adjustments are made without departing from the basic technical idea of the present invention. Can be added. For example, the device configuration, the configuration of each element, and the data representation form shown in each drawing are examples for assisting the understanding of the present invention, and are not limited to the configurations shown in these drawings. Hereinafter, some modifications of the present invention will be exemplarily listed.

図２、図３に示した地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のなかで、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、地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。 Among the geomagnetic map generation device 200, the positioning device 300, the positioning device 500, and the machine learning device 600 shown in FIGS. 2 and 3, a system configuration in which any two or more devices are integrated into one device is also possible. Can be adopted. For example, the geomagnetic map generation device 200 and the positioning device 300 may be the same device.

図２、図３の２つ以上の処理ユニットは、一体化したり、さらに細分化した構成も採用可能である。例えば、図２、図３の地磁気受信部５０６、最尤パス選択部５０８、座標決定部５０７を一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。 The two or more processing units shown in FIGS. 2 and 3 can be integrated or further subdivided. For example, a system configuration in which the geomagnetic reception unit 506, the maximum likelihood path selection unit 508, and the coordinate determination unit 507 of FIGS. 2 and 3 are integrated into one processing unit can be adopted.

図２、図３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、最尤パス選択部５０８、座標決定部５０７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、各測位パスの尤度を取得する構成も採用できる。 A system configuration in which a part of two or more processing units shown in FIGS. 2 and 3 is transferred to another device can also be adopted. For example, the maximum likelihood path selection unit 508 and the coordinate determination unit 507 may be arranged in the positioning device 300. Further, it is possible to adopt a configuration in which the positioning device 300 directly accesses the machine learning prediction unit 604 of the machine learning device 600 and acquires the likelihood of each positioning path.

図２、図３における機械学習装置６００の機械学習訓練部６０２および分類器の数理モデルに、ニューラルネットワークやサポートベクターマシンなどの非線形分類モデルを用いたシステム構成も採用できる。 A system configuration using a non-linear classification model such as a neural network or a support vector machine can also be adopted for the mathematical model of the machine learning training unit 602 and the classifier of the machine learning device 600 in FIGS. 2 and 3.

図２、図３における機械学習装置６００の機械学習訓練部６０２および分類器の数理モデルに、ロジスティック回帰や単純ベイズ分類器などの線形分類モデルを用いたシステム構成も採用できる。 A system configuration using a linear classification model such as logistic regression or a naive Bayes classifier can also be adopted for the mathematical model of the machine learning training unit 602 and the classifier of the machine learning device 600 in FIGS. 2 and 3.

図２、図３におけるノイズ付与部５０４において、測位パスを一意に識別可能な識別子の代わりに、測位パスと外的要因ノイズ種別とを識別可能な識別子を付与し、ラベルとした教師データを作成する方法も採用できる。このようにすることで、外的要因ノイズ種別の計算が可能となり、被測位装置３００の姿勢、移動速度、移動方向、センサ特性を特定可能になる。 In the noise addition unit 504 in FIGS. 2 and 3, instead of an identifier that can uniquely identify the positioning path, an identifier that can identify the positioning path and the external factor noise type is assigned, and teacher data as a label is created. You can also adopt the method of doing. By doing so, it is possible to calculate the type of external factor noise, and it is possible to specify the posture, moving speed, moving direction, and sensor characteristics of the positioning device 300.

図２、図３における最尤パス選択部５０８と座標決定部５０７において、地磁気マップと測位地磁気パス尤度に加えて、過去の測位地磁気パス尤度、推定地磁気パス、推定座標を用いて推定地磁気パスと推定座標を決定する方法も採用することができる。例えば、現在から過去一定期間の測位地磁気パス尤度を用いた推定測位パスのうち、測位地磁気パス尤度が最も高い測位パスを選択する構成を採用することができる。また、算出された推定座標が前回算出された推定座標と大きく異なる場合、推定誤りと判定して、過去の推定座標を出力する構成を採用することもできる。 In the maximum likelihood path selection unit 508 and the coordinate determination unit 507 in FIGS. 2 and 3, in addition to the geomagnetic map and the positioning geomagnetic path likelihood, the past positioning geomagnetic path likelihood, the estimated geomagnetic path, and the estimated coordinates are used to estimate the geomagnetism. A method of determining the path and estimated coordinates can also be adopted. For example, it is possible to adopt a configuration in which the positioning path having the highest positioning geomagnetic path likelihood is selected from the estimated positioning paths using the positioning geomagnetic path likelihood for a certain period from the present to the past. Further, when the calculated estimated coordinates are significantly different from the estimated coordinates calculated last time, it is possible to adopt a configuration in which it is determined that there is an estimation error and the past estimated coordinates are output.

図２、図３における座標決定部５０７において、最尤パス選択部５０８で得られた推定地磁気パスに加えて、他の測位技術で得られた結果を元に推定座標を決定する方法も採用できる。例えば、ジャイロセンサや加速度センサなどを用いて得られている位置情報を用いて推定座標を補正することも可能である。 In the coordinate determination unit 507 in FIGS. 2 and 3, in addition to the estimated geomagnetic path obtained by the maximum likelihood path selection unit 508, a method of determining the estimated coordinates based on the results obtained by other positioning techniques can also be adopted. .. For example, it is possible to correct the estimated coordinates by using the position information obtained by using a gyro sensor, an acceleration sensor, or the like.

また、図２、図３の地磁気パス編集部５０３における計測パスの分割・結合・判定処理を省略し、地磁気マップから直接測位地磁気マップを生成する方法も採用可能である。例えば、計測パスを一定間隔で分割したものを測位パスの代わりに使用し、測位地磁気パターンマップを生成する方法などが考えられる。 Further, it is also possible to adopt a method of generating a positioning geomagnetic map directly from the geomagnetic map by omitting the division / coupling / determination process of the measurement path in the geomagnetic path editing unit 503 of FIGS. 2 and 3. For example, a method of generating a positioning geomagnetic pattern map by using a measurement path divided at regular intervals instead of the positioning path can be considered.

また、図２、図３のノイズ付与部５０４における仮想的な外的要因ノイズの付与の代わりに、直接的な外的要因ノイズ（センサ種別、端末の持ち方、歩き方による差異を実際に発生させたノイズ）の付与を行う方法も採用できる。また、仮想的な外的要因ノイズの付与と、直接的な外的要因ノイズの付与の双方を行う方法も採用できる。 Further, instead of adding the virtual external factor noise in the noise adding unit 504 of FIGS. 2 and 3, a direct external factor noise (difference depending on the sensor type, how to hold the terminal, and how to walk) is actually generated. It is also possible to adopt a method of adding noise). In addition, a method of both adding virtual external factor noise and adding direct external factor noise can also be adopted.

最後に、本発明の好ましい形態を要約する。
［第１の形態］
（上記第１の視点による測位用地磁気マップの作成方法参照）
［第２の形態］
前記学習用の地磁気マップには、前記外的要因ノイズの種別に応じたラベルが付加されており、前記外的要因ノイズの種別に応じて測位パスを推定する分類器を作成する方法を採ることができる。
［第３の形態］
前記外的要因ノイズは、被測位装置のセンサ種別に基づいて決定することができる。
［第４の形態］
前記外的要因ノイズは、測位エリアにおける被測位装置の推定姿勢に基づいて、測位パス毎に決定することができる。
［第５の形態］
前記外的要因ノイズは、測位エリアにおける被測位装置に発生する外的要因に基づいて、測位パス毎に決定することができる。
［第６の形態］
前記外的要因ノイズは、測位エリアにおける被測位装置の推定移動速度に基づいて、測位パス毎に決定することができる。
［第７の形態］
前記測位用地磁気マップの作成方法を用いて作成された測位用地磁気マップを用いることで、前記外的要因ノイズの除去を行わずに位置を特定する位置測定方法が提供される。
［第８の形態］
前記測位用地磁気マップの作成方法を用いて作成された測位用地磁気マップを用いて被測位装置の外的要因ノイズを測定する外的要因ノイズ測定方法であって、前記機械学習により作成された分類器を用いて外的要因ノイズを特定する外的要因ノイズ測定方法が提供される。
［第９の形態］
（上記第３の視点による測位用地磁気マップの作成システム参照）
なお、上記第９の形態は、第１の形態と同様に、第２〜第６の形態に展開することが可能である。 Finally, a preferred embodiment of the present invention is summarized.
[First form]
(Refer to the method of creating a geomagnetic map for positioning from the first viewpoint above)
[Second form]
A label corresponding to the type of the external factor noise is added to the geomagnetic map for learning, and a method of creating a classifier that estimates a positioning path according to the type of the external factor noise is adopted. Can be done.
[Third form]
The external factor noise can be determined based on the sensor type of the positioning device.
[Fourth form]
The external factor noise can be determined for each positioning path based on the estimated posture of the positioning device in the positioning area.
[Fifth form]
The external factor noise can be determined for each positioning path based on the external factor generated in the positioning device in the positioning area.
[Sixth form]
The external factor noise can be determined for each positioning path based on the estimated moving speed of the positioning device in the positioning area.
[7th form]
By using the positioning geomagnetic map created by using the positioning geomagnetic map creating method, a position measuring method for specifying a position without removing the external factor noise is provided.
[8th form]
This is an external factor noise measuring method for measuring the external factor noise of the positioning device using the positioning geomagnetic map created by using the positioning geomagnetic map creation method, and is a classification created by the machine learning. An external factor noise measuring method for identifying external factor noise using a device is provided.
[9th form]
(Refer to the system for creating a geomagnetic map for positioning from the third viewpoint above)
The ninth form can be expanded into the second to sixth forms in the same manner as the first form.

なお、上記の特許文献の開示を、本書に引用をもって繰り込むものとする。本発明の全開示（請求の範囲を含む）の枠内において、さらにその基本的技術思想に基づいて、実施形態ないし実施例の変更・調整が可能である。また、本発明の開示の枠内において種々の開示要素（各請求項の各要素、各実施形態ないし実施例の各要素、各図面の各要素等を含む）の多様な組み合わせ、ないし選択が可能である。すなわち、本発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。特に、本書に記載した数値範囲については、当該範囲内に含まれる任意の数値ないし小範囲が、別段の記載のない場合でも具体的に記載されているものと解釈されるべきである。 The disclosure of the above patent documents shall be incorporated into this document by citation. Within the framework of the entire disclosure (including the scope of claims) of the present invention, it is possible to change or adjust the embodiments or examples based on the basic technical idea thereof. Further, various combinations or selections of various disclosure elements (including each element of each claim, each element of each embodiment or embodiment, each element of each drawing, etc.) are possible within the framework of the disclosure of the present invention. Is. That is, it goes without saying that the present invention includes all disclosure including claims, and various modifications and modifications that can be made by those skilled in the art in accordance with the technical idea. In particular, with respect to the numerical range described in this document, it should be interpreted that any numerical value or small range included in the range is specifically described even if there is no other description.

２００ 地磁気マップ生成用装置
２０１、３０１ 地磁気センサ
２０２、３０２ 地磁気計測部
２０３、３０３、４０２、５０１、６０１ ＩＦ（インタフェース）
３００ 被測位装置
４００ 任意の装置
４０１ 位置情報利用部
５００ 測位装置
５０２ 地磁気マップ作成部
５０３ 地磁気パス編集部
５０４ ノイズ付与部
５０５ 地磁気マップ記録部
５０６ 地磁気受信部
５０７ 座標決定部
５０８ 最尤パス選択部
６００ 機械学習装置
６０２ 機械学習訓練部
６０３ 分類器記録部
６０４ 機械学習予測部
７００ パス設計装置 200 Geomagnetic map generation device 201, 301 Geomagnetic sensor 202, 302 Geomagnetic measurement unit 203, 303, 402, 501, 601 IF (interface)
300 Positioning device 400 Arbitrary device 401 Location information utilization unit
500 Positioning device 502 Geomagnetic map creation unit 503 Geomagnetic path editing unit 504 Noise addition unit 505 Geomagnetic map recording unit 506 Geomagnetic reception unit 507 Coordinate determination unit 508 Most likely path selection unit 600 Machine learning device 602 Machine learning training unit 603 Classifier recording unit 604 Machine Learning Prediction Unit 700 Path Design Equipment

Claims (9)

コンピュータが、
測位エリアの測位パスに沿って地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成するステップと、
前記測位地磁気マップの前記地磁気パターンに所定の外的要因ノイズを付加して、学習用の地磁気マップを生成するステップと、
前記外的要因ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って地磁気パターンから前記測位地磁気マップ上の位置を推定するための分類器を作成するステップと、
を含む測位用分類器の作成方法。 The computer
A step of measuring the geomagnetism along the positioning path of the positioning area and creating a positioning geomagnetic map in which the positioning path and the geomagnetic pattern are associated with each other.
A step of adding a predetermined external factor noise to the geomagnetic pattern of the positioning geomagnetic map to generate a geomagnetic map for learning, and
Using the geomagnetic map for learning to which the external factor noise is added, a step of performing machine learning to create a classifier for estimating a position on the positioning geomagnetic map from the geomagnetic pattern, and
How to create a positioning classifier including. 前記学習用の地磁気マップには、前記外的要因ノイズの種別に応じたラベルが付加されており、地磁気センサで計測した地磁気を連ねて得られた地磁気パターンである測位地磁気パターンを計測した被測位装置の位置に加えて、外的要因ノイズの種別を推定可能な分類器を作成する請求項１の測位用分類器の作成方法。 A label corresponding to the type of the external factor noise is added to the geomagnetic map for learning, and the positioning geomagnetic pattern, which is a geomagnetic pattern obtained by connecting the geomagnetism measured by the geomagnetic sensor, is measured. The method for creating a positioning classifier according to claim 1, wherein a classifier capable of estimating the type of external factor noise in addition to the position of the device is created. 前記外的要因ノイズは、被測位装置のセンサ種別に基づいたシミュレーションにより作成される請求項１又は２の測位用分類器の作成方法。 The method for creating a positioning classifier according to claim 1 or 2, wherein the external factor noise is created by a simulation based on the sensor type of the positioning device. 前記外的要因ノイズは、測位エリアにおける測位パス毎の被測位装置の推定姿勢に基づいたシミュレーションにより作成される請求項１又は２の測位用分類器の作成方法。 The method for creating a positioning classifier according to claim 1 or 2, wherein the external factor noise is created by a simulation based on an estimated posture of a positioning device for each positioning path in a positioning area. 前記外的要因ノイズは、測位エリアにおける測位パス毎の被測位装置に発生する外的要因に基づいたシミュレーションにより作成される請求項１又は２の測位用分類器の作成方法。 The method for creating a positioning classifier according to claim 1 or 2, wherein the external factor noise is created by a simulation based on an external factor generated in a positioning device for each positioning path in a positioning area. 前記外的要因ノイズは、測位エリアにおける被測位装置の測位パス毎の推定移動速度に基づいたシミュレーションにより作成される請求項１又は２の測位用分類器の作成方法。 The method for creating a positioning classifier according to claim 1 or 2, wherein the external factor noise is created by a simulation based on an estimated moving speed for each positioning path of the positioning device in the positioning area. 請求項１から６いずれか一の測位用分類器の作成方法を用いて作成された測位用分類器を用いて被測位装置の位置を測定する位置測定方法であって、
前記被測位装置の地磁気センサで計測した地磁気を連ねて得られた地磁気パターンである測位地磁気パターンを前記分類器に入力し、
前記測位地磁気パターンに対する前記分類器の出力を用いて、前記被測位装置の位置を特定する位置測定方法。 A position measuring method for measuring the position of a positioning device using a positioning classifier created by using the method for creating a positioning classifier according to any one of claims 1 to 6.
A positioning geomagnetic pattern, which is a geomagnetic pattern obtained by connecting the geomagnetisms measured by the geomagnetic sensor of the positioning device, is input to the classifier.
A position measurement method for specifying the position of the positioning device by using the output of the classifier with respect to the positioning geomagnetic pattern. 請求項２から６いずれか一の測位用分類器の作成方法を用いて作成された測位用分類器を用いて被測位装置の外的要因ノイズを特定する外的要因ノイズ特定方法であって、
コンピュータが、
前記機械学習により作成された分類器に前記被測位装置の地磁気センサで計測した地磁気を連ねて得られた地磁気パターンである測位地磁気パターンを前記分類器に入力し、
前記測位地磁気パターンに対する前記分類器の出力を用いて、外的要因ノイズを特定する外的要因ノイズ特定方法。 An external factor noise identification method for identifying external factor noise of a positioning device using a positioning classifier created by using the method for creating a positioning classifier according to any one of claims 2 to 6.
The computer
A positioning geomagnetic pattern, which is a geomagnetic pattern obtained by connecting the geomagnetism measured by the geomagnetic sensor of the positioning device to the classifier created by the machine learning, is input to the classifier.
A method for identifying external factor noise by using the output of the classifier for the positioning geomagnetic pattern. 測位エリアの測位パスに沿って地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成する手段と、
前記測位地磁気マップの前記地磁気パターンに所定の外的要因ノイズを付加して、学習用の地磁気マップを生成する手段と、
前記外的要因ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って地磁気パターンから前記測位地磁気マップ上の位置を推定するための分類器を作成する手段と、
を含む測位用分類器の作成システム。 A means for measuring the geomagnetism along the positioning path of the positioning area and creating a positioning geomagnetic map in which the positioning path and the geomagnetic pattern are associated with each other.
By adding a predetermined external factors noise to the geomagnetic pattern of the positioning geomagnetic map, means for generating a geomagnetic map for learning,
A means for creating a classifier for estimating a position on the positioning geomagnetic map from a geomagnetic pattern by performing machine learning using the learning geomagnetic map to which the external factor noise is added.
A system for creating a classifier for positioning, including.
JP2016185776A 2016-09-23 2016-09-23 Positioning classifier creation method, position measurement method, external factor noise identification method, and positioning classifier creation system Active JP6954717B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2016185776A JP6954717B2 (en) 2016-09-23 2016-09-23 Positioning classifier creation method, position measurement method, external factor noise identification method, and positioning classifier creation system
PCT/JP2017/034247 WO2018056391A1 (en) 2016-09-23 2017-09-22 Method for creating positioning geomagnetism map, position measurement method, noise measurement method, and system for creating positioning geomagnetism map

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016185776A JP6954717B2 (en) 2016-09-23 2016-09-23 Positioning classifier creation method, position measurement method, external factor noise identification method, and positioning classifier creation system

Publications (2)

Publication Number Publication Date
JP2018048967A JP2018048967A (en) 2018-03-29
JP6954717B2 true JP6954717B2 (en) 2021-10-27

Family

ID=61690424

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016185776A Active JP6954717B2 (en) 2016-09-23 2016-09-23 Positioning classifier creation method, position measurement method, external factor noise identification method, and positioning classifier creation system

Country Status (2)

Country Link
JP (1) JP6954717B2 (en)
WO (1) WO2018056391A1 (en)

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101971734B1 (en) * 2018-07-26 2019-04-23 영남대학교 산학협력단 Apparatus and method for indoor positioning
JP7078117B2 (en) * 2018-08-02 2022-05-31 日本電気株式会社 Indoor position estimation device, indoor position estimation method and program
US20210311133A1 (en) * 2018-08-02 2021-10-07 Nec Corporation Indoor position estimation apparatus, user terminal, indoor position estimation method, and program
EP3620747A1 (en) * 2018-09-10 2020-03-11 Tissot S.A. Magnetometer calibration or adjustment
WO2020195892A1 (en) * 2019-03-28 2020-10-01 ソニー株式会社 Information processing device, program, and information processing method
KR102079281B1 (en) * 2019-06-17 2020-02-19 영남대학교 산학협력단 Method for detecting indoor-outdoor environment, apparatus and system for executint the method
EP4064251A4 (en) * 2019-11-22 2023-12-13 Aichi Steel Corporation Location estimation method and location estimation system
JP7338483B2 (en) 2020-01-14 2023-09-05 富士通株式会社 LEARNING DATA GENERATION PROGRAM, DEVICE, AND METHOD
WO2023140656A1 (en) * 2022-01-24 2023-07-27 삼성전자 주식회사 Electronic device for detecting location by using geomagnetic data, and control method therefor

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3797228B2 (en) * 2002-01-22 2006-07-12 ヤマハ株式会社 Information collection system
WO2012172741A1 (en) * 2011-06-13 2012-12-20 パナソニック株式会社 Noise pattern acquisition device and position detection apparatus provided therewith
FI124665B (en) * 2012-01-11 2014-11-28 Indooratlas Oy Creation of a magnetic field map for indoor positioning
JP2013210866A (en) * 2012-03-30 2013-10-10 Sony Corp Magnetic data processing device, magnetic data processing method, magnetic data collection device, magnetic data collection method, and program
US20140320121A1 (en) * 2013-04-26 2014-10-30 Indooratlas Oy Measurements of earth's magnetic field indoors
KR101625757B1 (en) * 2014-11-25 2016-05-31 한국과학기술원 Automated WLAN Radio Map Construction Method and System
JP6093791B2 (en) * 2015-03-12 2017-03-08 エヌ・ティ・ティ・コミュニケーションズ株式会社 POSITIONING DEVICE, POSITIONING METHOD, POSITIONING PROGRAM, AND POSITIONING SYSTEM

Also Published As

Publication number Publication date
JP2018048967A (en) 2018-03-29
WO2018056391A1 (en) 2018-03-29

Similar Documents

Publication Publication Date Title
JP6954717B2 (en) Positioning classifier creation method, position measurement method, external factor noise identification method, and positioning classifier creation system
US20200141739A1 (en) Navigate, track, and position mobile devices in gps-denied or gps-inaccurate areas with automatic map generation
CN104781686B (en) Pathway matching
CN107644273B (en) Navigation path planning method and equipment
CN110100155A (en) Method and system for global shape matching track
US20190170521A1 (en) Method and system for fingerprinting survey
US10533874B2 (en) Inertial positioning and navigation device featuring a novel walk detection method
CN105335597A (en) Method and system for obtaining track mode of route
JP5742794B2 (en) Inertial navigation device and program
JP6031402B2 (en) Inertial navigation system, mobile terminal, inertial navigation device, and program
Conesa et al. Geographical and fingerprinting data to create systems for indoor positioning and indoor/outdoor navigation
CN104640201A (en) Positioning method and device based on WIFI (wireless fidelity) fingerprint technology
US20180164101A1 (en) Method for processing measurements of at least one electronic sensor placed in a handheld device
Zhang et al. The indoor localization method based on the integration of RSSI and inertial sensor
CN106535132B (en) Method and apparatus for positioning terminal
JP2011075505A (en) Position calculation device, position calculation method, and position calculation program
CN109997014A (en) System and method for determining track
Moreno-Salinas et al. Optimal sensor trajectories for mobile underwater target positioning with noisy range measurements
Shoushtari et al. L5in+: From an analytical platform to optimization of deep inertial odometry
JP6696253B2 (en) Route estimation device, route estimation method and program
Grabowsky et al. Machine learning for wireless distance estimation model parameter estimation for breadcrumb localization applications
KR102580912B1 (en) Apparatus for building reference dataset for verification of pedestrian dead reconing algorithm and method using the same
CN117709000B (en) Unmanned underwater vehicle simulation method, unmanned underwater vehicle simulation device, computer equipment and medium
JP7231776B2 (en) Correction device, correction method, and correction program
US20230070440A1 (en) Magnetic indoor positioning with magnetometer calibration errors equaliziation

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190805

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200519

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200713

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201222

A521 Written amendment

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210208

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20210831

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210928

R150 Certificate of patent or registration of utility model

Ref document number: 6954717

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150