JP7080594B2 - 計測装置および方法 - Google Patents

Description

本発明の実施形態は、計測装置および方法に関する。

近年、自動運転や移動ロボット等に搭載する、障害物検知やマッピングのための２次元距離センサまたは３次元距離センサのニーズが高まっている。
一般に、自動運転機能が搭載される車両にはミリ波レーダやカメラ等が搭載される。移動ロボットに用いられる距離センサとしては、直近の物体までの距離を検出する超音波センサ、レーザレンジファインダ（ＬＲＦ）等の２次元距離センサ、ＬｉＤＡＲなどの３次元距離センサなどが用いられ、さらにはカメラを用いた３次元計測なども行われている。

しかし、レーザを用いるセンサは高コストである。また、画像を用いるセンサは照明の影響を受けやすいといったデメリットがある。総じて、これらの２次元距離センサおよび３次元距離センサは高コストである。

特開２００５－３００４２９号公報 特開２０００－０９８０３１号公報

田畑 克彦、他２名、"安全性を考慮した高齢者用電動ビークルの開発（第２報） －超音波フェーズドアレイソナー－"，岐阜県情報技術研究所 研究報告 第16号，ｐ．１５－２０

本開示は、上述の課題を解決するためになされたものであり、低コストで２次元あるいは３次元距離情報を取得する計測装置および方法を提供することを目的とする。

本実施形態に係る計測装置は、超音波送信部と、超音波受信部と、推定部とを含む。超音波送信部は、超音波ビームを送信信号として複数方向に送信する。超音波受信部は、前記複数方向からの前記送信信号の反射波を受信信号として受信する。推定部は、予め取得した受信信号と物体までの距離とに基づき、前記受信信号から距離情報を推定する。

第１の実施形態に係る学習時の計測装置を示すブロック図。 第１の実施形態に係る超音波送信部および超音波受信部の配置例を示す図。 第１の実施形態に係る超音波送信部における送信信号の走査例を示す図。 第１の実施形態に係る計測装置の学習時の動作を示すフローチャート。 受信信号の信号波形の一例を示す図。 本実施形態に係る学習データの概念図。 機械学習に用いるディープラーニングの模式図。 第１の実施形態に係る計測時の計測装置１を示すブロック図。 第１の実施形態に係る計測装置の計測時の動作を示すフローチャート。 第２の実施形態に係る学習時の計測装置を示すブロック図。 第２の実施形態に係る計測時の計測装置を示すブロック図。 第２の実施形態に係る計測装置の学習時の動作を示すフローチャート。 第２の実施形態に係る計測装置の計測時の動作を示すフローチャート。 第３の実施形態に係る学習時の計測装置を示すブロック図。 第３の実施形態に係る計測時の計測装置を示すブロック図。 第３の実施形態に係る１次元距離センサの配置例を示す図。 第３の実施形態に係る超音波送信部における走査例を示す図。

以下、図面を参照しながら本実施形態に係る計測装置および方法について詳細に説明する。なお、以下の実施形態では、同一の参照符号を付した部分は同様の動作をおこなうものとして、重複する説明を適宜省略する。

（第１の実施形態）
第１の実施形態に係る計測装置について図１を参照して説明する。
本実施形態では、例えば工場出荷時または初回計測時に、計測装置が予め計測対象とする環境下で、当該計測装置から周囲に存在する物体までの距離を計測して学習結果を取得する。その後の計測では、計測装置が、取得した学習結果に基づいて、同じ環境下で周囲の物体までの距離を推定する場合を想定する。

第１の実施形態に係る学習時の計測装置について図１のブロック図を参照して説明する。
第１の実施形態に係る計測装置１は、超音波送信部１１、送信制御部１２、超音波受信部１３、多次元距離センサ２１、正解データ蓄積部２２、受信データ蓄積部２３および解析部２４を含む。多次元距離センサ２１、正解データ蓄積部２２、受信データ蓄積部２３および解析部２４をまとめて、学習モジュール２０とも呼ぶ。

多次元距離センサ２１は、多次元距離情報を取得する。多次元距離センサ２１は、例えば、レーザレンジファインダ（ＬＲＦ）などの２次元距離センサ、ＬｉＤＡＲ（Light Detection and Ranging または Light imaging Detection and Ranging）と呼ばれる３次元距離センサ、または画像を用いて距離を計測するセンサである。多次元距離情報は、例えば、ある位置を基準とした角度（または方向）と距離とを対応づけた情報である。なお、以下では、多次元距離センサ２１として２次元距離センサを用い、多次元距離情報として２次元距離情報を取得する例について説明する。

正解データ蓄積部２２は、多次元距離センサ２１から正解データとなる２次元距離情報を受け取って蓄積する。

超音波送信部１１は、複数の超音波送信器１１１を含む。超音波送信部１１は、後述の送信制御部１２からの制御情報に基づき、計測装置１の周囲に向かって、方位方向に超音波に指向性を持たせた超音波ビームを送信信号として複数方向に送信する。

送信制御部１２は、超音波送信部１１から送信される送信信号を制御するための制御情報を生成する。制御情報は、超音波ビームの指向性、信号強度、送信信号の送信方向（送信角度）および送信タイミングなどに関する情報である。送信制御部１２は、制御情報を超音波送信部１１と推定部１４とに送る。

超音波受信部１３は、少なくとも１つの超音波受信器１３１を含む。超音波受信部１３は、周囲環境に存在する物体で反射した送信信号の反射波を受信し、受信信号を得る。

受信データ蓄積部２３は、送信制御部１２から制御情報を、超音波受信部１３から受信信号をそれぞれ受け取り、制御情報（例えば、送信方向）と受信信号とを対応付けて、受信データとして蓄積する。

解析部２４は、正解データ蓄積部２２から２次元距離情報を、受信データ蓄積部２３から受信データをそれぞれ受け取り、受信データを入力とし、２次元距離情報を出力として機械学習し、推定式を含む学習結果を生成する。推定式は、受信データから２次元距離情報を推定するための関数である。なお、機械学習は、一般的な手法を用いればよく、例えばディープラーニングやその他のニューラルネットワークを用いた解析および学習である場合を想定するが、他の機械学習方法でもよい。

学習モジュール２０は、計測装置１に搭載されていてもよいし、計測装置１と別体で配置されてもよい。また、学習モジュール２０は、機械学習完了後、学習結果が生成された後に計測装置１から取り外しできるように構成されてもよい。

次に、第１の実施形態に係る超音波送信部１１および超音波受信部１３の配置例について図２を参照して説明する。

超音波送信部１１は、計測装置１の一部に配列される。図２の例では、超音波送信部１１として、計測装置１の側面中央付近に９つの超音波送信器１１１が配置される。超音波送信器１１１は、例えば超音波を発生する素子を含む超音波センサである。

また、９つの超音波送信器１１１により送信用フェーズドアレイが構成される。縦方向の３つの超音波送信器１１１を１組の超音波送信器群１１２として同時に超音波を出力することにより、縦方向の平面波の超音波ビームが形成され、当該超音波ビームが送信信号となる。

また、３組の超音波送信器群１１２からの送信信号の送信タイミングをずらす（送信遅延をかける）ことで、方位方向に超音波ビームが走査される。なお、１組の超音波送信器群１１２として３つの超音波送信器１１１を用いる例を示すが、これに限らない。超音波ビームの指向性をより強めるため、４つ以上の超音波送信器１１１を用いてもよいし、２つの超音波送信器１１１を用いてもよい。

一方、超音波受信部１３は、超音波送信部１１と同じ面に配置される。図２の例では、超音波受信部として、計測装置１の側面の両端部に２つの超音波受信器１３１が配置される。超音波受信器１３１も、超音波送信器１１１と同様に、例えば超音波センサで構成されればよい。

また、２つの超音波受信器１３１により受信用フェーズドアレイが構成される。２つの超音波受信器１３１を用いる場合、超音波受信器１３１を左右方向に離れた位置に配置することで反射波に対して受信時間差を設けることができる。なお、２つに限らず、１つの超音波受信器１３１だけを配置してもよいし、３つ以上の超音波受信器１３１を配置してもよい。

なお、超音波送信部１１および超音波受信部１３の配置は、周囲環境を計測できる位置であれば、図２の例に限らずどのような配置でもよい。また、図２に示すように送信用および受信用で超音波を分けずに、送受信併用可能な超音波センサを用いてもよい。

次に、第１の実施形態に係る超音波送信部１１における送信信号の走査例について図３を参照して説明する。

超音波送信部１１は、インパルス波形となるような送信信号を１回もしくは複数回送信する。１度送信信号を送信した後、受信期間に移行し、計測環境における最大到達距離の往復期間を基準に、超音波の送信を停止して反射波の受信を受信期間中継続する。

本実施形態では、図３に示すように、計測範囲３０１として、超音波送信部１１の正面方向を基準として±４５度の走査範囲内で９方向に送信ビーム３０２を走査する。すなわち、１０度ずつ送信ビームの走査方向を変更する。送信信号は物体３０３で反射して、反射波である受信信号が得られる。受信信号は２つの超音波受信器１３１で受信されるため、１方向の送信で２つの受信信号を得ることができる。結果として、１つの受信データは、９方向×２つの受信信号＝１８個の受信信号を含む。なお、計測範囲３０１は、±４５度の範囲に限らず、任意に設定されてもよい。

また、隣接する送信ビーム３０２では、ビームの範囲の一部が重なるように走査される。すなわち、各送信ビーム３０２間で重複範囲３０４が形成される。このようにすることで、計測範囲３０１において漏れなく走査をすることができる。

次に、第１の実施形態に係る計測装置１の学習時の動作について、図４のフローチャートを参照して説明する。
ここでは、所与の計測範囲における自装置（計測装置１）と周囲の物体との間の距離を計測する。

ステップＳ４０１では、多次元距離センサ２１が、周囲環境を計測し、少なくとも計測範囲内の２次元距離情報を取得する。
ステップＳ４０２では、正解データ蓄積部２２が、正解データとなる２次元距離情報を取得する。

ステップＳ４０３では、超音波送信部１１が、制御情報に基づいて、所与の計測範囲のうちの１つの送信方向に送信信号を送信する。計測範囲は、制御情報に含まれていてもよい。
ステップＳ４０４では、超音波受信部１３が、ステップＳ４０３で送信した送信信号の反射波を受信信号として受信する。

ステップＳ４０５では、送信制御部１２が、計測範囲内の全方向について送信したかどうかを判定する。全方向について送信が完了していれば、ステップＳ４０６に進み、全方向について送信していなければ、ステップＳ４０３に戻り同様の処理を繰り返す。
ステップＳ４０６では、受信データ蓄積部２３が、送信方向と当該送信方向における受信信号とを対応付けて１組の受信データとして蓄積する。

ステップＳ４０７では、解析部２４が、機械学習に必要なデータ量を取得したかどうかを判定する。なお、機械学習に必要なデータ量の判定は、解析部２４が、例えば得られた学習データ６０３の個数が閾値以上であれば、必要なデータ量を取得したと判定すればよい。
機械学習に必要なデータが取得された場合、ステップＳ４０９に進み、機械学習に必要なデータが取得されていない場合、更にデータを取得するため、ステップＳ４０８に進む。

ステップＳ４０８では、計測対象の環境を変える。これは、様々な環境における受信データを取得して機械学習させるためである。計測対象の環境を変える方法としては、計測装置１を手動で移動させてもよいし、計測装置１を移動ロボットに搭載し、１回の計測が終了するたびに移動ロボットが適宜移動することで、自動で計測対象の環境が変わるようにしてもよい。一方、計測装置１は固定され、計測装置１の周囲に存在する物体を移動させることで計測対象の環境が変わるようにしてもよい。その後ステップＳ４０１に戻り、同様の処理を繰り返す。

ステップＳ４０９では、解析部２４が、受信データと正解データとを用いて機械学習し、推定式を学習結果として算出する。以上で、学習時の計測装置１の動作を終了する。

なお、計測装置１が、ある位置で計測したときの正解データと受信データとの対応付けが取れていればよいため、２次元距離センサによる計測処理の後に超音波による計測処理を行なう順序に限らない。すなわち、超音波による計測処理に続いて２次元距離センサによる計測を行なってもよいし、２次元距離センサによる計測と超音波センサによる計測とを同時に行なってもよい。

次に、受信信号の信号波形の一例について図５を参照して説明する。
図５は、ある一方向に送信した送信信号に対応する受信信号の信号強度の時系列データ（波形データともいう）である。縦軸が信号強度を示し、横軸が時間を示す。上の波形データから順に、第１の超音波受信器で得られた受信信号の波形データ５０１、第２の超音波受信器で得られた受信信号の波形データ５０２、右列の超音波送信器群による送信信号の波形データ５０３、および中央列の超音波送信器群による送信信号の波形データ５０４を示す。

時系列に沿って説明すると、まず、波形データ５０３および波形データ５０４に示すように、超音波のパルスが送信信号として送信される。

波形データ５０１および波形データ５０２の最初のピーク５１１（極大値）は、どこにも反射せずに直接超音波受信器１３１で受信された送信信号に起因するピークである。２番目のピーク５１２は、床面からの反射波に起因するピークである。３番目のピーク５１３は、最大のピークであり、周囲環境において最も近い物体からの反射波に起因するピークである。４番目のピーク５１４および５番目のピーク５１５は、周囲環境において２番目および３番目に近い物体からのそれぞれの反射波に起因すると想定されるピークである。

本実施形態では、最も直近の物体からの反射波であるピーク５１３の値だけではなく、ピーク５１４およびピーク５１５の値までを受信信号として用いることで、第１の反射波だけでは得られない情報を含んだ波形データを取得することができる。波形データは、超音波受信器１３１で受信した受信信号の信号値の波形あっても良いし、受信信号の信号値を包絡線検波して得た包絡線波形でも良いし、各ピーク値の集合であっても良い。

次に、解析部における機械学習の概念図について図６および図７を参照して説明する。
図６は、本実施形態に係る学習データの概念図である。

解析部２４は、機械学習の入力として、各方向（ここでは、９方向）の受信データ群（波形データ群）６０１と、正解データとして対応する２次元距離情報６０２との組を学習データ６０３として機械学習させる。なお、２次元距離情報６０２は、ここでは２次元平面に起点から物体への距離を、起点回りの方位角毎にプロットしたマップ表示としているが、これに限らず方向情報（または座標情報）と距離情報とを対応付けた１組のデータセットであってもよい。起点は、多次元距離センサ２１の位置に対応する。

計測装置１は、このような学習データ６０３を、測定する周囲環境を変更して複数取得し、機械学習に必要なデータ量を取得する。解析部２４がその後、機械学習を行い、学習結果として推定式を算出する。

図７は、機械学習に用いるディープラーニングの模式図を示す。
ディープラーニングは、多層ニューラルネットワークを用いた機械学習の技術であり、入力層７０１、複数の中間層７０２および出力層７０３からなり、複数の中間層７０２が存在する点が特徴である。

多層ニューラルネットワークは、各層間でのみデータが関係づけられることが一般的である。また、本実施形態で想定する多層ニューラルネットワークは、入力層７０１、中間層７０２および出力層７０３の順にデータが向かい、入力層７０１側にデータがフィードバックされないフィードフォワードタイプである。

解析部２４は、各方向の受信データ群と、正解データとして対応する２次元距離情報との組である学習データに基づき多層ニューラルネットワークに機械学習をさせ、受信データ群から正解データを推定するための推定式を算出する。

次に、第１の実施形態に係る計測時の計測装置１について図８のブロック図を参照して説明する。
第１の実施形態に係る計測時の計測装置１は、超音波送信部１１、送信制御部１２、超音波受信部１３および推定部１４を含む。

推定部１４は、予め取得した受信信号と、物体までの距離情報とに基づいて、現在測定した受信信号から距離情報を推定する。具体的には、推定部１４は、解析部２４から得られる送信制御部１２から制御情報を、超音波受信部１３から受信信号をそれぞれ受け取る。推定部１４は、計測範囲に亘り送信した送信信号に関する制御情報と受信データと推定式とに基づいて、送信方向に対応する距離情報を推定する。距離情報は、送信信号の送信方向と、計測装置１に最も近い物体と計測装置との間の距離とに関する情報である。なお、距離情報として、２次元距離センサで取得した２次元距離情報を用いてもよい。

次に、計測装置１の計測時の動作について図９のフローチャートを参照して説明する。
計測装置１は、計測したい周囲環境に対してステップＳ４０３～ステップＳ４０５の処理を行う。

ステップＳ９０１では、推定部１４が、推定式に基づいて、計測範囲における全方向の送信方向と受信信号とから２次元距離情報を推定する。
２次元距離情報が推定された後は、推定された２次元距離情報を外部に送信すればよい。推定された２次元距離情報の利用例としては、例えば、２次元距離情報を受信したマップ作成部（図示せず）が、平面図に２次元距離情報を描写した距離マップを生成し、表示部（図示せず）が距離マップを表示してもよい。また、計測装置の自己位置同定に用いてもよい。

以上に示した第１の実施形態によれば、送信信号の反射波として複数の反射波までを含む受信信号を用いて機械学習を行い、推定式を求める。つまり、最も近い物体以外の物体からの反射波の値が波形データから独立して抽出できなくとも、情報として波形データに含まれている。よって、このような周辺環境により形成される波形データの情報量を減らすことなく機械学習させることで、高精度な推定式を求めることができる。

また、算出した推定式を用いることで、周囲環境を計測した受信データから精度良く２次元距離情報を算出することができる。よって、低コストの実装で２次元あるいは３次元距離情報を取得する計測装置を実現できる。すなわち、超音波を用いた低コストの実装により高精度の計測装置が実現可能となる。

（第２の実施形態）
第２の実施形態では、周囲の物体または計測装置１自体が移動している状態で周囲環境を計測する場合を想定する。例えば、計測装置１が周囲の物体に近づく場合、ドップラー効果により、送信信号の周波数（送信周波数ともいう）は、反射波の周波数よりも高くなる。一方、計測装置１が周囲の物体から遠ざかる場合、送信周波数は反射波の周波数よりも低くなる。

よって、受信信号を複数の周波数帯域の信号に分離してそれぞれ機械学習を行い、複数の周波数帯域の信号それぞれに対して推定式を算出する点が第１の実施形態と異なる。

第２の実施形態に係る学習時の計測装置１について図１０のブロック図を、計測時における計測装置１について図１１のブロック図をそれぞれ参照して説明する。
なお、第２の実施形態に係る計測装置１は、超音波受信部１３および受信データ蓄積部２３の動作の他は、第１の実施形態と同様である。

超音波受信部１３は、複数の超音波受信器１３１と複数のバンドパスフィルタ１３２とを含む。
複数のバンドパスフィルタ１３２はそれぞれ、超音波受信器１３１からの受信信号に対して特定の周波数帯域の信号のみ通過させ、フィルタ後受信信号を生成する。第２の実施形態では、送信信号の周波数帯域と同じ周波数帯域の信号を通過させる第１フィルタ、送信信号の周波数帯域よりも高い周波数帯域の信号を通過させる第２フィルタ、および送信信号の周波数帯域よりも低い周波数帯域の信号を通過させる第３フィルタを用いる。すなわち、１つの受信信号から周波数帯域の異なる３つのフィルタ後受信信号が生成される。

なお、送信信号の周波数帯域よりも高い周波数帯域の範囲、および送信信号の周波数帯域よりも低い周波数帯域の範囲は、特に限定されない。例えば、計測装置１自身が移動する場合は当該計測装置の移動速度、周囲環境に存在する物体が移動する場合は当該物体の移動速度等に基づいて、抽出すべき周波数帯域を決定すればよい。

受信データ蓄積部２３では、超音波受信部１３の各バンドパスフィルタを通過したフィルタ後受信信号を受け取り、１組の受信データとして蓄積する。

次に、第２の実施形態に係る計測装置１の学習時の動作について図１２のフローチャートを参照して説明する。

ステップＳ１２０１では、超音波による計測前に、多次元距離センサ２１が、周囲環境を計測し、２次元距離情報を取得する。
ステップＳ１２０２では、超音波送信部１１が、制御情報に基づいて、計測範囲のうちの１方向に送信信号を送信する。

ステップＳ１２０３では、超音波受信部１３が、ステップＳ１２０２で送信した送信信号の反射波を受信信号として受信する。
ステップＳ１２０４では、超音波受信部１３の複数のバンドパスフィルタ１３２が、複数の周波数帯域のフィルタ後受信信号を生成する。

ステップＳ１２０５では、送信制御部１２が、計測範囲内の全方向について送信したかどうかを判定する。全方向について送信が完了していれば、ステップＳ１２０６に進み、全方向について送信していなければ、ステップＳ１２０１に戻り同様の処理を繰り返す。
ステップＳ１２０６では、超音波による計測後に、多次元距離センサ２１が、周囲環境を再び計測し、２次元距離情報を取得する。

ステップＳ１２０７では、正解データ蓄積部２２が、２次元距離情報を蓄積する。すなわち、超音波による計測の前後の２つの正解データが正解データ蓄積部２２に蓄積される。
ステップＳ１２０８では、受信データ蓄積部２３が、送信方向と当該送信方向におけるフィルタ後受信信号とを対応付けて受信データとして蓄積する。具体的には、２つの超音波受信器×９方向×３つのフィルタ後受信信号＝５４個のフィルタ後受信信号が１組の受信データとして受信データ蓄積部２３に蓄積される。

ステップＳ１２０９では、解析部２４が、機械学習に必要なデータ量を取得したかどうかを判定する。機械学習に必要なデータが取得された場合、ステップＳ１２１０に進み、機械学習に必要なデータが取得されていない場合、更にデータを取得するため、ステップＳ１２０１に戻り同様の処理を繰り返す。
ステップＳ１２１０では、解析部２４が、受信データと正解データとを用いて機械学習による解析を行い、超音波による計測前の推定式と超音波による計測後の推定式とを算出する。以上で第２の実施形態に係る計測装置１の動作を終了する。

次に、第２の実施形態に係る計測装置１の計測時の動作について図１３のフローチャートを参照して説明する。
ステップＳ４０３、ステップＳ４０４、ステップＳ４０５は同様の処理である。
ステップＳ１３０１では、推定部１４が、受信データと２つの推定式とに基づいて、超音波による計測前および計測後の２次元距離情報を推定する。

以上に示した第２の実施形態によれば、計測装置は、複数の周波数帯域の受信信号に基づいて機械学習し、推定式を算出する。このようにすることで、計測装置自身が移動する場合および移動物体が存在する場合でも、第１の実施形態と同様に、低コストの実装で２次元あるいは３次元距離情報を取得する計測装置を実現できる。

（第３の実施形態）
第３の実施形態では、１方向の距離を計測可能な１次元距離センサ（例えばレーザ距離センサ）により計測したデータを受信データに含める点が上述の実施形態とは異なる。

第３の実施形態に係る学習時の計測装置１について図１４のブロック図を、計測時における計測装置１について図１５のブロック図をそれぞれ参照して説明する。
第３の実施形態に係る計測装置１は、第１の実施形態に係る計測時の計測装置に加えて、１次元距離センサ１５を含む。

１次元距離センサ１５は、レーザを送信する送信部（図示せず）および物体から反射したレーザを受信する受信部（図示せず）を含む。１次元距離センサ１５は、送信したレーザと反射したレーザとの位相差もしくは到達時間に基づいて、１次元の距離情報を計測可能であり、１次元距離情報を生成する。

受信データ蓄積部２３は、１次元距離センサ１５から１次元距離情報を受け取る。受信データ蓄積部２３は、１度の測定範囲において測定した受信信号と１次元距離情報とを合わせて１組の受信データとして蓄積する。

第３の実施形態に係る１次元距離センサ１５の配置例について図１６を参照して説明する。
図１６に示すように、１次元距離センサ１５は、超音波送信部１１および超音波受信部１３と同じ平面に配置される。１次元距離センサ１５は、例えば正面の１方向の距離を計測し、１次元距離情報を得る。

次に、第３の実施形態に係る超音波送信部１１における走査例について図１７を参照して説明する。
１次元距離センサ１５が、正面方向に対してレーザ１７０１により距離を計測し、高精度の１次元距離情報を取得する。一方、超音波による計測は、上述の実施形態と同様である。なお、設置する１次元距離センサ１５の位置を変更することで、正面方向の１次元距離情報に限らず、計測範囲内であればどの一方向の１次元距離情報を取得してもよい。

以上に示した第３の実施形態によれば、レーザの特性から正面方向など、ある一方向の周囲物体の距離を正確に計測し、正確なデータと超音波の受信データと合わせて機械学習の入力とする。こうすることで、正解データとなる２次元距離情報とのマッチングの精度が向上すると考えられ、結果として機械学習の精度が向上し、２次元距離情報の推定精度を向上させることができる。

なお、上述の実施形態では、２次元平面に関する２次元距離情報を推定する場合を説明したが、方位方向および仰角方向に送信信号を送信し、その反射波を受信信号として受信することで、３次元の距離情報を推定してもよい。この場合、正解データとして取得する距離情報は、２次元距離センサによる測定を３次元空間に拡張して３次元距離情報を得ればよい。

また、上述したように、予め計測装置が計測する環境下で得られたデータに基づき機械学習することで、学習結果が生成される場合を想定するが、これに限らない。
例えば、複数の計測装置が様々な環境下で計測したデータに基づき生成された学習結果をクラウドサーバなどの外部サーバ（図示せず）にアップロードするなどして保存する。ある計測装置が計測を行う場合、例えば推定部１４が、計測したい環境に類似した環境で得られた学習結果を外部サーバから取得して（またはダウンロードして）読み込み、計測装置１による計測を実行してもよい。このようにすることで、事前の学習を省略することもでき、即時周囲環境の計測を実行することができる。

上述の実施形態の中で示した処理手順に示された指示は、ソフトウェアであるプログラムに基づいて実行されることが可能である。汎用の計算機システムが、このプログラムを予め記憶しておき、このプログラムを読み込むことにより、上述した計測装置および方法の制御動作による効果と同様な効果を得ることも可能である。上述の実施形態で記述された指示は、コンピュータに実行させることのできるプログラムとして、磁気ディスク（フレキシブルディスク、ハードディスクなど）、光ディスク（ＣＤ－ＲＯＭ、ＣＤ－Ｒ、ＣＤ－ＲＷ、ＤＶＤ－ＲＯＭ、ＤＶＤ±Ｒ、ＤＶＤ±ＲＷ、Ｂｌｕ－ｒａｙ（登録商標）Ｄｉｓｃなど）、半導体メモリ、又はこれに類する記録媒体に記録される。コンピュータまたは組み込みシステムが読み取り可能な記録媒体であれば、その記憶形式は何れの形態であってもよい。コンピュータは、この記録媒体からプログラムを読み込み、このプログラムに基づいてプログラムに記述されている指示をＣＰＵで実行させれば、上述した実施形態の計測装置および方法の制御と同様な動作を実現することができる。もちろん、コンピュータがプログラムを取得する場合又は読み込む場合はネットワークを通じて取得又は読み込んでもよい。
また、記録媒体からコンピュータや組み込みシステムにインストールされたプログラムの指示に基づきコンピュータ上で稼働しているＯＳ（オペレーティングシステム）や、データベース管理ソフト、ネットワーク等のＭＷ（ミドルウェア）等が本実施形態を実現するための各処理の一部を実行してもよい。
さらに、本実施形態における記録媒体は、コンピュータあるいは組み込みシステムと独立した媒体に限らず、ＬＡＮやインターネット等により伝達されたプログラムをダウンロードして記憶または一時記憶した記録媒体も含まれる。
また、記録媒体は１つに限られず、複数の媒体から本実施形態における処理が実行される場合も、本実施形態における記録媒体に含まれ、媒体の構成は何れの構成であってもよい。

なお、上記実施形態に係る解析部２４は、上述した学習データ６０３を多層ニューラルネットワークに機械学習させることで重み付けパラメータを学習および最適化させることにより、正解データを推定するために最適なパラメータが設計された推定式を算出できる学習済み多層ニューラルネットワーク（学習済みモデルともいう）を構築することができる。当該学習済みモデルは、例えばＣＰＵおよびメモリを備えるコンピュータにて用いられるプログラムモジュールとして利用できる。
コンピュータのＣＰＵは、メモリに記憶された学習済みモデルにより、入力層７０１に入力された受信データに対して、学習済みの重み付けパラメータにより最適化された推定式に基づく演算を行い、出力層７０３から推定された２次元距離情報を出力するよう動作することもできる。

なお、本実施形態におけるコンピュータまたは組み込みシステムは、記録媒体に記憶されたプログラムに基づき、本実施形態における各処理を実行するためのものであって、パソコン、マイコン等の１つからなる装置、複数の装置がネットワーク接続されたシステム等の何れの構成であってもよい。
また、本実施形態におけるコンピュータとは、パソコンに限らず、情報処理機器に含まれる演算処理装置、マイコン等も含み、プログラムによって本実施形態における機能を実現することが可能な機器、装置を総称している。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行なうことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１・・・計測装置、１１・・・超音波送信部、１２・・・送信制御部、１３・・・超音波受信部、１４・・・推定部、１５・・・１次元距離センサ、２０・・・学習モジュール、２１・・・多次元距離センサ、２２・・・正解データ蓄積部、２３・・・受信データ蓄積部、２４・・・解析部、１１１・・・超音波送信器、１１２・・・超音波送信器群、１３１・・・超音波受信器、１３２・・・バンドパスフィルタ、３０１・・・計測範囲、３０２・・・送信ビーム、３０３・・・物体、３０４・・・重複範囲、５０１，５０２，５０３，５０４・・・波形データ、５１１，５１２，５１３，５１４，５１５・・・ピーク、６０１・・・受信データ群、６０２・・・２次元距離情報、６０３・・・学習データ、７０１・・・入力層、７０２・・・中間層、７０３・・・出力層、１７０１・・・レーザ。

Claims (8)

1. 複数の超音波送信器を制御して超音波に複数方向の指向性を持たせた超音波ビームを送信信号として複数方向に送信する超音波送信部と、
   前記複数方向からの前記送信信号の反射波を第１受信信号として受信する超音波受信部と、
   所与の方向における自装置から物体までの距離を計測し、第１の１次元距離情報を取得する１次元距離センサと、
   学習用の受信信号である第２受信信号と、前記第２受信信号の方向と、前記第２受信信号の取得時に計測された第２の１次元距離情報とを入力データとし、予め取得した前記第２受信信号に対応する物体までの距離を正解データとして学習させた、複数の中間層を有し、かつ各層間でのみデータが関係付けられる多層ニューラルネットワークに基づき、前記第１受信信号と、前記第１受信信号の方向と、前記第１の１次元距離情報とから、距離情報を推定する推定部と、を具備し、
   前記第１受信信号および前記第２受信信号は、複数の極大値を含む信号波形を有する計測装置。
2. 前記超音波送信部は、隣接する前記超音波ビームの一部が重なるように、前記送信信号を前記複数方向に振って送信する請求項１に記載の計測装置。
3. 複数の超音波送信器を制御して超音波に複数方向の指向性を持たせた超音波ビームを送信信号として複数方向に送信する超音波送信部と、
   前記複数方向からの前記送信信号の反射波を第１受信信号として受信する超音波受信部と、
   特定周波数帯域の信号を通過させることで、前記第１受信信号から複数の第１フィルタ後受信信号を生成する複数のバンドパスフィルタと、
   学習用の受信信号である第２受信信号から得られる複数の第２フィルタ後受信信号と、前記第２受信信号の方向とを入力データとし、予め取得した前記複数の第２フィルタ後受信信号に対応する、超音波による計測前の物体までの第１距離と計測後における前記物体までの第２距離とを正解データとして学習させた、多層ニューラルネットワークに基づき、前記複数の第１フィルタ後受信信号と前記第１受信信号の方向とから距離情報を推定する推定部とを具備し、
   前記第１受信信号および前記第２受信信号は、複数の極大値を含む信号波形を有する計測装置。
4. 前記複数方向は、２次元平面における方位方向である請求項２に記載の計測装置。
5. 前記複数方向は、３次元空間における方位方向および仰角方向である請求項２に記載の計測装置。
6. 前記推定部は、予め取得した前記第２受信信号と前記物体までの距離とに関する学習結果に基づき、前記距離情報を推定する請求項１から請求項５のいずれか１項に記載の計測装置。
7. 複数の超音波送信器を制御して超音波に複数方向の指向性を持たせた超音波ビームを送信信号として複数方向に送信し、
   前記複数方向からの前記送信信号の反射波を受信信号として受信し、
   所与の方向における自装置から物体までの距離を計測し、１次元距離情報を取得し、
   前記受信信号と、前記受信信号の方向と、前記１次元距離情報とを入力データとし、多次元距離センサにより得られる自装置から物体までの距離に関する多次元距離情報を正解データとして学習させた、複数の中間層を有し、かつ各層間でのみデータが関係付けられる多層ニューラルネットワークを用いて、推定式を含む学習結果を生成する計測方法であって、
   前記受信信号は、複数の極大値を含む信号波形を有する計測方法。
8. 複数の超音波送信器を制御して超音波に複数方向の指向性を持たせた超音波ビームを送信信号として複数方向に送信し、
   前記複数方向からの前記送信信号の反射波を第１受信信号として受信し、
   所与の方向における自装置から物体までの距離を計測し、第１の１次元距離情報を取得し、
   学習用の受信信号である第２受信信号と、前記第２受信信号の方向と、前記第２受信信号の取得時に計測された第２の１次元距離情報とを入力データとし、予め取得した前記第２受信信号に対応する物体までの距離を正解データとして学習させた、複数の中間層を有し、かつ各層間でのみデータが関係づけられる多層ニューラルネットワークに基づき、前記第１受信信号と、前記第１受信信号の方向と、前記第１の１次元距離情報とから、距離情報を推定する計測方法であって、
   前記第１受信信号および前記第２受信信号は、複数の極大値を含む信号波形を有する計測方法。

Images