WO2016098457A1 - 情報処理装置、情報処理方法およびプログラム - Google Patents

情報処理装置、情報処理方法およびプログラム Download PDF

Info

Publication number
WO2016098457A1
WO2016098457A1 PCT/JP2015/080290 JP2015080290W WO2016098457A1 WO 2016098457 A1 WO2016098457 A1 WO 2016098457A1 JP 2015080290 W JP2015080290 W JP 2015080290W WO 2016098457 A1 WO2016098457 A1 WO 2016098457A1
Authority
WO
WIPO (PCT)
Prior art keywords
sensor data
information
sensor
information processing
feature
Prior art date
Application number
PCT/JP2015/080290
Other languages
English (en)
French (fr)
Inventor
由幸 小林
倉田　雅友
呂尚 高岡
Original Assignee
ソニー株式会社
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 ソニー株式会社 filed Critical ソニー株式会社
Priority to JP2016564724A priority Critical patent/JPWO2016098457A1/ja
Priority to CN201580067236.XA priority patent/CN107003382A/zh
Priority to US15/518,327 priority patent/US20170307393A1/en
Publication of WO2016098457A1 publication Critical patent/WO2016098457A1/ja

Links

Images

Classifications

    • 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
    • G01C21/34—Route searching; Route guidance
    • G01C21/36—Input/output arrangements for on-board computers
    • G01C21/3605—Destination input or retrieval
    • G01C21/362—Destination input or retrieval received from an external device or application, e.g. PDA, mobile phone or calendar application
    • 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
    • G01C21/20—Instruments for performing navigational calculations
    • 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
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0252—Radio frequency fingerprinting
    • G01S5/02521—Radio frequency fingerprinting using a radio-map
    • G01S5/02522—The radio-map containing measured values of non-radio values
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S5/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S5/02—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations using radio waves
    • G01S5/0257—Hybrid positioning
    • G01S5/0263—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems
    • G01S5/0264—Hybrid positioning by combining or switching between positions derived from two or more separate positioning systems at least one of the systems being a non-radio wave positioning system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S2205/00—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations
    • G01S2205/01—Position-fixing by co-ordinating two or more direction or position line determinations; Position-fixing by co-ordinating two or more distance determinations specially adapted for specific applications
    • G01S2205/02—Indoor

Definitions

  • This disclosure relates to an information processing apparatus, an information processing method, and a program.
  • GNSS Global Navigation Satellite System
  • GPS Global Positioning System
  • Patent Document 1 Although the autonomous positioning technique described in, for example, Patent Document 1 can be applied to a wide range of cases, it eliminates the effects of errors caused by individual differences in the manner of wearing or carrying the terminal device and the movement of the user. There is a limit to improving Further, since the positioning is relative, the influence of errors may increase cumulatively. Therefore, for example, when positioning using GNSS or access point as described above is difficult to use, there is a need for a technique for accurately estimating the position of the user based on an absolute reference.
  • a feature extraction unit that extracts features of first sensor data provided by a sensor that is carried or worn by a user, the features of the first sensor data, and association with given position information
  • An information processing comprising: a matching unit that matches the characteristics of the second sensor data corresponding to the first sensor data, and a position estimation unit that estimates the position of the user based on the result of the matching An apparatus is provided.
  • the feature of the first sensor data provided by the sensor carried or worn by the user is extracted, and the feature of the first sensor data is associated with the given position information.
  • an information processing method including matching with the characteristics of the second sensor data corresponding to the first sensor data, and estimating the position of the user based on the result of the matching Is done.
  • the function of extracting the feature of the first sensor data provided by the sensor carried or worn by the user, the feature of the first sensor data, and the given position information are associated with each other.
  • the processing circuit In order to cause the processing circuit to realize the function of matching the characteristics of the second sensor data corresponding to the first sensor data and the function of estimating the user position based on the result of the matching Programs are provided.
  • FIG. 2 is a block diagram illustrating an example of an overall configuration of an embodiment of the present disclosure.
  • FIG. It is a block diagram which shows another example of the whole structure of one Embodiment of this indication. It is a block diagram which shows another example of the whole structure of one Embodiment of this indication.
  • 3 is a schematic block diagram illustrating a first example of functional configurations of an input unit, a processing unit, and an output unit according to an embodiment of the present disclosure.
  • FIG. 12 is a schematic block diagram illustrating a second example of functional configurations of an input unit, a processing unit, and an output unit according to an embodiment of the present disclosure.
  • FIG. 5 is a diagram for describing an overview of map learning and position estimation according to an embodiment of the present disclosure.
  • FIG. 2 is a block diagram illustrating a first example of a system configuration according to an embodiment of the present disclosure.
  • FIG. 3 is a block diagram illustrating a second example of a system configuration according to an embodiment of the present disclosure.
  • FIG. 10 is a block diagram illustrating a third example of a system configuration according to an embodiment of the present disclosure.
  • FIG. 9 is a block diagram illustrating a fourth example of a system configuration according to an embodiment of the present disclosure.
  • FIG. 3 is a block diagram illustrating a hardware configuration example of an information processing apparatus according to an embodiment of the present disclosure.
  • FIG. 1 is a block diagram illustrating an example of the overall configuration of an embodiment of the present disclosure.
  • the system 10 includes an input unit 100, a processing unit 200, and an output unit 300.
  • the input unit 100, the processing unit 200, and the output unit 300 are realized by one or a plurality of information processing apparatuses, as shown in a configuration example of the system 10 described later.
  • the input unit 100 includes, for example, an operation input device, a sensor, or software that acquires information from an external service, and receives input of various information from the user, the surrounding environment, or other services.
  • the operation input device includes, for example, hardware buttons, a keyboard, a mouse, a touch panel, a touch sensor, a proximity sensor, an acceleration sensor, a gyro sensor, a temperature sensor, and the like, and receives an operation input by a user.
  • the operation input device may include a camera (imaging device), a microphone, or the like that receives an operation input expressed by a user's gesture or voice.
  • the input unit 100 may include a processor or a processing circuit that converts a signal or data acquired by the operation input device into an operation command.
  • the input unit 100 may output a signal or data acquired by the operation input device to the interface 150 without converting it into an operation command.
  • the signal or data acquired by the operation input device is converted into an operation command by the processing unit 200, for example.
  • the sensor includes an acceleration sensor, a gyro sensor, a geomagnetic sensor, an illuminance sensor, a temperature sensor, an atmospheric pressure sensor, and the like, and detects acceleration, angular velocity, direction, illuminance, temperature, atmospheric pressure, and the like applied to the apparatus.
  • the various sensors described above can detect various information as information related to the user, for example, information indicating the user's movement and orientation.
  • the sensor may include a sensor that detects user's biological information such as pulse, sweat, brain wave, touch, smell, and taste.
  • the input unit 100 includes a processing circuit that acquires information indicating the emotion of the user by analyzing information detected by these sensors and / or image or sound data detected by a camera or microphone, which will be described later. May be. Alternatively, the above information and / or data may be output to the interface 150 without being analyzed, and the analysis may be executed in the processing unit 200, for example.
  • the sensor may acquire an image or sound near the user or the device as data using a camera, a microphone, the various sensors described above, or the like.
  • the sensor may include position detection means for detecting an indoor or outdoor position.
  • the position detection means may include a GNSS (Global Navigation Satellite System) receiver and / or a communication device.
  • the GNSS can include, for example, GPS (Global Positioning System), GLONASS (Global Navigation Satellite System), BDS (BeiDou Navigation Satellite System), QZSS (Quasi-Zenith Satellite Systems), or Galileo.
  • GPS Global Positioning System
  • GLONASS Global Navigation Satellite System
  • BDS BeiDou Navigation Satellite System
  • QZSS Quadasi-Zenith Satellite Systems
  • Galileo Galileo
  • Communication devices include, for example, Wi-fi, MIMO (Multi-Input Multi-Output), cellular communication (for example, position detection using a mobile base station, femtocell), or short-range wireless communication (for example, BLE (Bluetooth Low Energy), The position is detected using a technique such as Bluetooth (registered trademark).
  • MIMO Multi-Input Multi-Output
  • cellular communication for example, position detection using a mobile base station, femtocell
  • short-range wireless communication for example, BLE (Bluetooth Low Energy)
  • BLE Bluetooth Low Energy
  • the device including the sensor When the sensor as described above detects a user's position and situation (including biological information), the device including the sensor is carried or worn by the user, for example. Alternatively, even when a device including a sensor is installed in the user's living environment, it may be possible to detect the user's position and situation (including biological information). For example, the user's pulse can be detected by analyzing an image including the user's face acquired by a camera fixed in a room or the like.
  • the input unit 100 includes a processor or a process for converting a signal or data acquired by the sensor into a predetermined format (for example, converting an analog signal into a digital signal or encoding image or audio data).
  • a circuit may be included.
  • the input unit 100 may output the acquired signal or data to the interface 150 without converting it into a predetermined format. In that case, the signal or data acquired by the sensor is converted into an operation command by the processing unit 200.
  • Software that obtains information from an external service obtains various types of information provided by the external service using, for example, an API (Application Program Interface) of the external service.
  • the software may acquire information from an external service server, or may acquire information from application software of a service executed on the client device.
  • information such as text and images posted by users or other users to external services such as social media can be acquired.
  • the acquired information does not necessarily have to be intentionally posted by the user or other users, and may be, for example, a log of operations performed by the user or other users.
  • the acquired information is not limited to the personal information of the user or other users. For example, an unspecified number of people such as news, weather forecast, traffic information, POI (Point Of Interest), or advertisements. It may be information distributed to the user.
  • information acquired from external services includes information acquired by the various sensors described above, such as acceleration, angular velocity, azimuth, illuminance, temperature, atmospheric pressure, pulse, sweating, brain waves, tactile sensation, olfaction, taste, and other living organisms.
  • Information, emotion, position information, and the like may be detected by a sensor included in another system that cooperates with the external service, and information generated by posting to the external service may be included.
  • the interface 150 is an interface between the input unit 100 and the processing unit 200.
  • the interface 150 may include a wired or wireless communication interface.
  • the Internet may be interposed between the input unit 100 and the processing unit 200.
  • wired or wireless communication interfaces include cellular communication such as 3G / LTE, Wi-Fi, Bluetooth (registered trademark), NFC (Near Field Communication), Ethernet (registered trademark), and HDMI (registered trademark). (High-Definition Multimedia Interface), USB (Universal Serial Bus), etc.
  • the interface 150 may include a bus in the device, data reference in a program module, and the like (hereinafter referred to as these). Also referred to as the interface within the device). Further, when the input unit 100 is realized by being distributed to a plurality of devices, the interface 150 may include different types of interfaces for the respective devices. For example, the interface 150 may include both a communication interface and an interface within the device.
  • the processing unit 200 executes various processes based on information acquired by the input unit 100. More specifically, for example, the processing unit 200 is a processor or processing circuit such as a central processing unit (CPU), a digital signal processor (DSP), an application specific integrated circuit (ASIC), or a field-programmable gate array (FPGA). including.
  • the processing unit 200 may include a memory or a storage device that temporarily or permanently stores a program executed in the processor or the processing circuit and data read / written in the processing.
  • the processing unit 200 may be realized by a single processor or processing circuit in a single device, or may be realized by being distributed to a plurality of devices or a plurality of processors or processing circuits in the same device. May be.
  • an interface 250 is interposed between the divided portions of the processing unit 200 as in the example illustrated in FIGS. 2A and 2B.
  • the interface 250 may include a communication interface or an interface in the apparatus, similar to the interface 150 described above.
  • individual functional blocks constituting the processing unit 200 are illustrated, but the interface 250 may be interposed between arbitrary functional blocks. That is, when the processing unit 200 is realized by being distributed to a plurality of devices, or a plurality of processors or processing circuits, how to distribute the functional blocks to each device, each processor, or each processing circuit is described separately. It is optional unless otherwise specified.
  • the output unit 300 outputs the information provided from the processing unit 200 to a user (may be the same user as the user of the input unit 100 or a different user), an external device, or another service. To do.
  • the output unit 300 may include an output device, a control device, or software that provides information to an external service.
  • the output device uses the information provided from the processing unit 200 as visual, auditory, tactile, olfactory, taste, etc. of the user (may be the same user as the user of the input unit 100 or a different user). Output in a form perceived by the sense of
  • the output device is a display and outputs information as an image.
  • the display is not limited to a reflective or self-luminous display such as an LCD (Liquid Crystal Display) or an organic EL (Electro-Luminescence) display, and an image is displayed on the user's eye as used in a wearable device.
  • a combination of a light guide member that guides light and a light source is also included.
  • the output device may include a speaker and output information by voice.
  • the output device may include a projector, a vibrator, and the like.
  • the control device controls the device based on the information provided from the processing unit 200.
  • the controlled device may be included in a device that implements the output unit 300 or may be an external device. More specifically, for example, the control device includes a processor or a processing circuit that generates a control command.
  • the output unit 300 may further include a communication device that transmits a control command to the external device.
  • the control device controls a printer that outputs information provided from the processing unit 200 as a printed matter.
  • the control device may include a driver that controls writing of information provided from the processing unit 200 to a storage device or a removable recording medium.
  • the control device may control a device other than the device that outputs or records the information provided from the processing unit 200.
  • the control device controls the lighting device to turn on the illumination, controls the television to erase the image, controls the audio device to adjust the volume, controls the robot to control its movement, etc. You may do it.
  • the software that provides information to the external service provides the information provided from the processing unit 200 to the external service by using, for example, an API of the external service.
  • the software may provide information to a server of an external service, or may provide information to application software of a service executed on the client device.
  • the provided information does not necessarily have to be immediately reflected in the external service, and may be provided as a candidate for a user to post or transmit to the external service, for example.
  • the software may provide text used as a candidate for a search keyword or URL (Uniform Resource Locator) input by the user in browser software executed on the client device.
  • the software may post text, images, videos, sounds, and the like on an external service such as social media on behalf of the user.
  • the interface 350 is an interface between the processing unit 200 and the output unit 300.
  • the interface 350 may include a wired or wireless communication interface.
  • the interface 350 may include an interface in the above-described device.
  • the interface 350 may include different types of interfaces for the respective devices.
  • interface 350 may include both a communication interface and an interface within the device.
  • FIG. 3 is a schematic block diagram illustrating a functional configuration example of the input unit, the processing unit, and the output unit at the time of position estimation according to an embodiment of the present disclosure.
  • FIG. 3 a functional configuration example at the time of position estimation of the input unit 100, the processing unit 200, and the output unit 300 included in the system 10 according to the present embodiment will be described.
  • the input unit 100 includes an acceleration sensor 101, a gyro sensor 103, a geomagnetic sensor 105, an atmospheric pressure sensor 107, and / or a Wi-Fi communication device 109 as sensors.
  • the Wi-Fi communication device 109 is originally a communication device, but is used as a sensor for detecting a radio wave reception state in this embodiment.
  • the Wi-Fi communication device 109 may be used as an original communication function at the same time as being used as a sensor for detecting a reception state of radio waves.
  • These sensors are carried or worn by the user, for example. More specifically, for example, the user carries or wears a terminal device on which these sensors are mounted.
  • Measured values of acceleration, angular velocity, geomagnetism, and / or atmospheric pressure provided by the sensor as described above are provided to the processing unit 200 as sensor data.
  • the sensor data since sensor data is used for matching with position information as described later, the sensor data is not necessarily limited to one that can directly indicate a user's behavior or position. Therefore, the input unit 100 may include other types of sensors as sensors. Further, among the sensors exemplified above, there may be a sensor that is not included in the input unit 100.
  • the Wi-Fi communication device 109 used as a position sensor communicates with one or a plurality of Wi-Fi base stations (access points) installed in a space where the user can move.
  • the installation position of each access point does not necessarily need to be specified.
  • the Wi-Fi communication device 109 provides the processing unit 200 with information including which access point is communicable and the radio wave intensity from the communicable access point as sensor data.
  • the operation input device 111 acquires, for example, an operation input indicating a user instruction regarding generation of position related information described later.
  • the input unit 100 may further include a processor or a processing circuit for converting or analyzing data acquired by these sensors and the operation input device.
  • the processing unit 200 may include a Wi-Fi feature amount extraction unit 201, a sensor data feature extraction unit 203, a matching / position estimation unit 205, a position related information generation unit 207, and a sensor map 209.
  • These functional configurations are realized by, for example, a server processor or processing circuit that communicates with a terminal device, and a memory or storage. Further, some of these functional configurations may be realized by a processor or processing circuit of the same terminal device as the sensor or operation input device included in the input unit 100. A specific example of such a configuration will be described later. Hereinafter, each functional configuration will be further described.
  • the Wi-Fi feature amount extraction unit 201 extracts a feature amount related to Wi-Fi communication from the sensor data provided by the Wi-Fi communication device 109 of the input unit 100. For example, the Wi-Fi feature amount extraction unit 201 extracts a Wi-Fi feature amount by hashing an access point capable of communication and the radio wave intensity from the access point. More specifically, the Wi-Fi feature amount extraction unit 201 weights and adds a random number vector uniquely assigned to an access point arranged in the user's movement space according to the radio wave intensity from each access point. By doing so, the Wi-Fi feature value may be extracted.
  • the Wi-Fi feature value is not intended to directly indicate position information, but is a pattern of the access point that can be communicated and the radio wave intensity from the access point. It is. Therefore, for example, when Wi-Fi feature values (vectors) extracted from sensor data at different times are close to each other, the user's position at those times may be close, but at which position You don't have to know at this point. Therefore, in the present embodiment, Wi-Fi feature quantities that do not include individual access point IDs themselves or access point location information are extracted. For example, even when an access point is added / removed or moved, there is no need to change the Wi-Fi feature extraction procedure and setting value, and the map as will be described later in the access point arrangement after the change. May be generated.
  • the sensor data feature extraction unit 203 extracts various features from the sensor data provided by the acceleration sensor 101, the gyro sensor 103, the geomagnetic sensor 105, and / or the atmospheric pressure sensor 107 of the input unit 100.
  • the extracted features may include those expressed as feature amounts, or may include features that are not necessarily quantified, such as action labels described later. More specifically, for example, the sensor data feature extraction unit 203 may extract the user's moving speed, gravity component, and / or acceleration component other than gravity from the detected acceleration value provided by the acceleration sensor 101. Good.
  • the sensor data feature extraction unit 203 may extract the angular velocity around the vertical axis from the detected angular velocity value provided by the gyro sensor 103. Further, for example, the sensor data feature extraction unit 203 may extract the azimuth from the detected value of geomagnetism provided by the geomagnetic sensor 105.
  • the sensor data feature extraction unit 203 may perform behavior recognition based on the sensor data, and use the behavior label of the user specified by the behavior recognition as the feature of the sensor data. That is, the sensor data feature extraction unit 203 may include an action recognition unit.
  • action recognition for example, action labels such as stay, walk, run, jump, stairs, elevator, escalator, bicycle, bus, train, car, ship or airplane can be recognized. Since the action recognition method is described in many documents such as Japanese Patent Application Laid-Open No. 2012-8771, for example, detailed description thereof is omitted.
  • the behavior recognition unit can employ any configuration of known behavior recognition technology.
  • the matching / position estimation unit 205 uses the sensor data features extracted by the Wi-Fi feature amount extraction unit 201 and the sensor data feature extraction unit 203 (hereinafter sometimes collectively referred to as a feature extraction unit) in the sensor map 209. Match the characteristics of the sensor data associated with the given location information.
  • the feature of the sensor data extracted by the feature extraction unit and the feature of the sensor data associated with the position information in the sensor map 209 correspond to each other. More specifically, the characteristics of each sensor data may include common types of characteristics among the sensor data characteristics described above.
  • the matching / position estimation unit 205 estimates the position of the user based on the matching result. That is, when the feature of the first sensor data extracted by the feature extraction unit matches the feature of the second sensor data defined in the sensor map 209, the matching / position estimation unit 205 matches the second sensor data feature. A position corresponding to the position information associated with the sensor data is estimated as the position of the user.
  • the position estimation by the matching / position estimation unit 205 can be performed based on a snapshot of sensor data provided by the sensor at a single time.
  • the matching / position estimation unit 205 may perform position estimation based on time-series sensor data, that is, sensor data provided by the sensor over a continuous series of times.
  • the matching / position estimation unit 205 is associated with the feature of the first sensor data extracted by the feature extraction unit and constituting the time series, and the sequence of position information constituting the route such as adjacent to each other.
  • the feature of the second sensor data is matched. For example, even when similar sensor data features appear at a plurality of different positions, it is possible to estimate positions more accurately by performing matching on time-series sensor data.
  • the position related information generation unit 207 generates information to be output from the output unit 300 to the user based on the information provided from the matching / position estimation unit 205. More specifically, for example, the position-related information generation unit 207 includes the action recognition included in the sensor data feature extraction unit 203 on the map generated based on the user position estimated by the matching / position estimation unit 205. You may generate
  • the output unit 300 can include a display 301, a speaker 303, and a vibrator 305.
  • the display 301, the speaker 303, and the vibrator 305 are mounted on, for example, a terminal device that is carried or worn by the user.
  • the display 301 outputs information as an image
  • the speaker 303 outputs information as sound
  • the vibrator 305 outputs information as vibration.
  • the output information may include information generated by the position related information generation unit 207.
  • the display 301, the speaker 303, or the vibrator 305 may be mounted on the same terminal device as the sensor of the input unit 100.
  • the display 301, the speaker 303, or the vibrator 305 may be mounted on the same terminal device as the operation input device 111 of the input unit 100.
  • the display 301, the speaker 303, or the vibrator 305 may be mounted on a terminal device that is different from the components of the input unit 100.
  • a terminal device that is different from the components of the input unit 100.
  • a more specific configuration example of the terminal device and the server that realizes the input unit 100, the processing unit 200, and the output unit 300 will be described later.
  • FIG. 4 is a schematic block diagram illustrating a functional configuration example of the input unit, the processing unit, and the output unit during map learning according to an embodiment of the present disclosure.
  • the output unit 300 may output information indicating the progress of map learning, the generated map, and the like to a user who is executing map learning, for example. Therefore, the illustration and description of the output unit 300 are omitted in the example of map learning.
  • the input unit 100 includes an acceleration sensor 101, a gyro sensor 103, a geomagnetic sensor 105, an atmospheric pressure sensor 107, and / or a Wi-Fi communication device 109 as sensors.
  • the sensor included in the input unit 100 may be the same as that at the time of position estimation.
  • the input unit 100 includes a positioning device / input device 113.
  • a positioning device / input device 113 different from the above-described example at the time of position estimation in the configuration of the input unit 100 will be further described.
  • the positioning device / input device 113 is used to acquire position information in parallel with acquisition of sensor data.
  • the position information acquired by the positioning device / input device 113 is handled as accurate position information.
  • accurate position information can be acquired by Visual SLAM (Simultaneous Localization and Mapping) using an image acquired by a camera carried or worn by the user in the process of moving around in a space in which the user can move.
  • the positioning device / input device 113 includes a camera that acquires an image.
  • the calculation for Visual SLAM may be executed on the input unit 100 side or may be executed on the processing unit 200 side.
  • Visual SLAM is a technique for performing self-position estimation and environment structure mapping in parallel, and is described in, for example, Japanese Patent Application Laid-Open No. 2007-156016.
  • Visual SLAM means SLAM executed using an image.
  • an image may be acquired with a stereo camera (two or more cameras), or an image may be acquired by moving one camera.
  • the accurate position information may be absolute coordinates in the space input by the user himself (or an accompanying person).
  • the positioning device / input device 113 is realized by an input device that accepts input of absolute coordinates, for example.
  • the absolute coordinates may be input in real time, for example, when the user is moving around in the space, or may be input with reference to the user's video afterwards.
  • the processing unit 200 may include a Wi-Fi feature amount extraction unit 201, a sensor data feature extraction unit 203, a position information acquisition unit 213, and a sensor map learning unit 215.
  • the process in which the Wi-Fi feature amount extraction unit 201 and the sensor data feature extraction unit 203 (feature extraction unit) extract the feature of the sensor data provided by the sensor of the input unit 100 is the same as in the above-described position estimation example. It is. However, at the time of map learning, the feature amount of the extracted sensor data is input to the sensor map learning unit 215.
  • the sensor map learning unit 215 generates the sensor map 209 by associating the feature amount of the extracted sensor data with the accurate position information acquired by the position information acquisition unit 213.
  • the sensor map learning unit 215 associates the feature of the sensor data extracted by the feature extraction unit with the accurate position information acquired by the position information acquisition unit 213 according to, for example, a probability model.
  • the sensor map 209 represents the observation probability of the feature of the sensor data in a state defined by accurate position information.
  • a position corresponding to a state having an observation probability having the highest consistency with respect to a feature extracted from sensor data acquired at a single time is estimated as a user position. be able to.
  • the sensor map learning unit 215 may calculate a transition probability between states defined by accurate position information.
  • the observation probability of the feature of the sensor data in the state defined by the accurate position information and the transition probability between the states can be expressed.
  • a series of features extracted from the sensor data constituting the time series at the time of position estimation for example, a series of positions extracted from the sensor data constituting the time series at the time of position estimation.
  • a series of positions corresponding to a state having a higher consistency of observation probabilities in each state and a higher consistency of transition probabilities between the series of states can be estimated as the latest movement history of the user.
  • FIG. 5 is a diagram for describing an overview of map learning and position estimation according to an embodiment of the present disclosure.
  • FIG. 5 conceptually shows the relationship between processing and information in map learning and position estimation performed in the system 10 as described above with reference to FIGS.
  • Feature extraction from sensor data provided by sensors for example, acceleration sensor 101, gyro sensor 103, geomagnetic sensor 105, barometric pressure sensor 107, and / or Wi-Fi communication device 109) during map learning performed as advance preparation Features are extracted by the units 201 and 203.
  • the feature extraction here is performed in order to remove the influence of redundant portions and noise included in the sensor data and facilitate matching at the time of position measurement.
  • the behavior of the sensor is smaller than the movement of the user by walking or the like, for example, sensor data changes caused by fine body shakes, etc. Can be regarded as noise.
  • the sensor map learning unit 215 associates the characteristics of the sensor data extracted by the feature extraction units 201 and 203 as described above with accurate position information separately acquired, for example, absolute coordinates,
  • a sensor map 209 is generated by learning.
  • a probabilistic model such as IHMM (Incremental Hidden Markov Model) may be used. That is, in the sensor map, the feature of the sensor data may be associated with the position information according to the probability model.
  • IHMM Incmental Hidden Markov Model
  • the features are extracted by the feature extraction units 201 and 203 from the sensor data provided by the sensor as in the case of map learning.
  • the extracted features are input to the matching / position estimation unit 205, and position information is estimated by matching with the features defined in the sensor map 209.
  • FIG. 6 is a diagram for describing an example of a probability model used in an embodiment of the present disclosure.
  • IHMM is described as an example of a model used for generating the sensor map 209 in the present embodiment.
  • Fig. 6 shows arbitrary time series data as the model input.
  • the arbitrary time series data may be a continuous value signal or a discrete signal.
  • the continuous value signal includes a pseudo continuous value signal provided as a digital signal.
  • the orientation extracted from the detected value of geomagnetism can constitute a continuous value signal.
  • the Wi-Fi feature amount can constitute a discrete signal.
  • IHMM is a technology that learns, as a state transition model (HMM), a law hidden behind time-series data that is input sequentially (incrementally).
  • HMM state transition model
  • the state transition model shown as an output in FIG. 6 is expressed by a plurality of states, an observation model for each state, and a transition probability between states.
  • the sensor map 209 defines a state including features extracted from sensor data and accurate position information (absolute coordinates) acquired in parallel with the sensor data.
  • a state is defined in IHMM or a transition probability between states is calculated, only position information in time-series data may be used. This is because the position information is most accurate in the map learning process of this embodiment, so even if the features extracted from the sensor data are different, the same state should be defined if the position information is common. Is appropriate.
  • Such processing can be realized, for example, by setting the weight for learning position information (absolute coordinates) to 1 and setting the weight of other observation states to 0 in the IHMM library.
  • FIG. 7 is a diagram illustrating an example of a sensor map generated in an embodiment of the present disclosure.
  • the state ST defined in the sensor map 209 is indicated by a circle or an ellipse.
  • a state observation probability OP is defined for each state ST.
  • the observation probability OP is expressed by the average and variance of the characteristics of the sensor data in each state.
  • the center of the circle or ellipse indicated as the state ST indicates the average of the X coordinate and the Y coordinate at the observation probability OP.
  • the diameter of the circle or ellipse (in the case of an ellipse, the major axis and the minor axis) indicates the variance of the X coordinate and the Y coordinate in the observation probability OP.
  • a line connecting the circles or ellipses shown as the states ST indicates that the transition probability between the states ST is larger than zero.
  • the acceleration sensor 101, the gyro sensor 103, and the geomagnetic sensor 105 included in the input unit 100 a triaxial acceleration sensor, A gyro sensor and a geomagnetic sensor are used.
  • the sampling period is 50 Hz in all cases.
  • the Wi-Fi communication device 109 outputs the ID of the access point with which communication was possible and the radio wave intensity from the access point.
  • the Wi-Fi feature amount extraction unit 201 assigns a 64-dimensional Gaussian random number vector to each access point, and adds each random number vector by weighting according to the radio wave intensity from each access point. To extract a Wi-Fi feature quantity as a 64-dimensional real value vector.
  • the sensor data feature extraction unit 203 performs action recognition based on the detected values of acceleration, angular velocity, and geomagnetism, and includes stationary, walking, left turn, right turn, stairs up, stairs down, escalator up, escalator down. Eight action labels are identified.
  • the sensor data feature extraction unit 203 extracts the following feature amounts from the detected values of acceleration, angular velocity, and geomagnetism.
  • gravity is obtained by inputting acceleration detection values of three axes (X axis, Y axis, and Z axis) to a low-pass filter and extracting signals in the front, side, and vertical directions.
  • the acceleration (other than gravity) is obtained by subtracting the above gravity value from the detected acceleration value of each axis and extracting signals in the forward, lateral, and vertical directions.
  • the geomagnetism is obtained by extracting forward, lateral, and vertical signals from the detected value of geomagnetism. Further, in the extraction of the angular velocity, the offset is estimated and removed when the user is stationary estimated from the acceleration.
  • the Wi-Fi feature amount extraction unit 201 and the sensor data feature extraction unit 203 extract the sensor data features for each second of the time stamp of the sensor data.
  • the accuracy of position estimation is improved by using a plurality of sensor data (for example, compared to the case where only the Wi-Fi feature amount is used). Also, when multiple sensor data are used, position estimation is performed by performing matching with multiple sensor data features that make up a time series, as compared to matching with sensor data features at a single time. Improves accuracy. When using the characteristics of a plurality of sensor data constituting the time series, the longer the time series, the better the position estimation accuracy.
  • the characteristics of sensor data provided by one or more sensors carried or worn by a user can be represented in the sensor data associated with given position information.
  • the position of the user can be estimated with good accuracy.
  • the position estimation according to the present embodiment is less susceptible to error accumulation compared to autonomous positioning performed using, for example, acceleration, angular velocity, geomagnetism, or the like.
  • the feature of the sensor data is used for matching, there are few restrictions on the content of the sensor data.
  • sensor data such as acceleration, angular velocity, and geomagnetism are often essential, but in the present embodiment, any of these may be temporarily or missing from the beginning. (If you have enough other sensor data available, you do n’t have to.)
  • the information regarding the Wi-Fi communication is not intended to estimate the position of the user based on the position of the access point, it is only necessary to identify each access point as described above.
  • various data can be used in addition to the data exemplified above or in place of the data exemplified above.
  • the accuracy is due to the reception state of radio waves from a beacon installed in a space where the user can move, indoors, buildings, etc.
  • Inferior GNSS positioning data or the like may be used (in addition, if accurate GNSS positioning data is available, position estimation itself is not necessary).
  • These data can also be used as sensor data because they are considered to change with some relationship with the user's position, like the Wi-Fi feature value.
  • the user's action label specified by action recognition based on the sensor data is used as a feature of the sensor data, but this is not always necessary.
  • the user's action label is not used as a feature of the sensor data, it is not always necessary for the user to move around in the space and collect the sensor data during map learning.
  • sensor data may be collected by tricking a robot equipped with a terminal device.
  • the position estimation result in the present embodiment can be used for generating information to be output to the user by the position related information generation unit 207.
  • the destination of the user is predicted and the illumination of the room or passage is previously performed. Can be used to light up, appropriately switch access points such as Wi-Fi, or notify other users at the destination of arrival.
  • the result of position estimation may be used as a history of position information of the terminal device on which the sensor is mounted, for example, without being limited to user movement prediction. For example, when the user loses his / her smartphone, the location of the smartphone can be estimated if the latest position estimation result when the user is carrying the smartphone can be used.
  • the system 10 includes the input unit 100, the processing unit 200, and the output unit 300, and these components are realized by one or a plurality of information processing apparatuses.
  • achieves the system 10 is demonstrated with a more specific example.
  • FIG. 8 is a block diagram illustrating a first example of a system configuration according to an embodiment of the present disclosure.
  • the system 10 includes information processing apparatuses 11 and 13.
  • the input unit 100 and the output unit 300 are realized in the information processing apparatus 11.
  • the processing unit 200 is realized in the information processing apparatus 13.
  • the information processing apparatus 11 and the information processing apparatus 13 communicate via a network in order to realize the function according to the embodiment of the present disclosure.
  • the interface 150b between the input unit 100 and the processing unit 200 and the interface 350b between the processing unit 200 and the output unit 300 can both be communication interfaces between apparatuses.
  • the information processing apparatus 11 may be a terminal device, for example.
  • the input unit 100 may include an input device, a sensor, software that acquires information from an external service, and the like.
  • software that acquires information from an external service acquires data from application software of a service that is executed in the terminal device.
  • the output unit 300 may include an output device, a control device, software that provides information to an external service, and the like.
  • the software that provides information to an external service can provide information to application software of a service that is executed by a terminal device, for example.
  • the information processing apparatus 13 can be a server.
  • the processing unit 200 is realized by a processor or a processing circuit included in the information processing device 13 operating according to a program stored in a memory or a storage device.
  • the information processing device 13 may be a device dedicated as a server, for example. In this case, the information processing apparatus 13 may be installed in a data center or the like, or may be installed in a home. Alternatively, the information processing device 13 can be used as a terminal device for other functions, but may be a device that does not realize the input unit 100 and the output unit 300 for the functions according to the embodiment of the present disclosure.
  • FIG. 9 is a block diagram illustrating a second example of the system configuration according to the embodiment of the present disclosure.
  • the system 10 includes information processing apparatuses 11a, 11b, and 13.
  • the input unit 100 is realized by being divided into input units 100a and 100b.
  • the input unit 100a is realized in the information processing apparatus 11a.
  • the input unit 100a can include, for example, the acceleration sensor 101, the gyro sensor 103, the geomagnetic sensor 105, the atmospheric pressure sensor 107, and / or the Wi-Fi communication device 109 described above.
  • the input unit 100b and the output unit 300 are realized in the information processing apparatus 11b.
  • the input unit 100b can include, for example, the operation input device 111 described above.
  • the processing unit 200 is realized in the information processing apparatus 13.
  • the information processing apparatuses 11a and 11b and the information processing apparatus 13 communicate with each other via a network in order to realize the functions according to the embodiment of the present disclosure.
  • the interfaces 150b1 and 150b2 between the input unit 100 and the processing unit 200 and the interface 350b between the processing unit 200 and the output unit 300 can be communication interfaces between apparatuses.
  • the interface 150b1, the interface 150b2, and the interface 350b can include different types of interfaces.
  • the information processing devices 11a and 11b may be terminal devices, for example.
  • the information processing apparatus 11a is carried or worn by a user and senses the user.
  • the information processing device 11b outputs information generated in the information processing device 13 based on the sensing result to the user.
  • the information processing apparatus 11b receives a user operation input regarding the output information. Therefore, the information processing apparatus 11b does not necessarily have to be carried or worn by the user.
  • the information processing apparatus 13 can be a server or a terminal device, as in the first example.
  • the processing unit 200 is realized by a processor or a processing circuit included in the information processing device 13 operating according to a program stored in a memory or a storage device.
  • FIG. 10 is a block diagram illustrating a third example of the system configuration according to the embodiment of the present disclosure.
  • the system 10 includes information processing apparatuses 11 and 13.
  • the input unit 100 and the output unit 300 are realized in the information processing apparatus 11.
  • the processing unit 200 is realized by being distributed to the information processing apparatus 11 and the information processing apparatus 13.
  • the information processing apparatus 11 and the information processing apparatus 13 communicate via a network in order to realize the function according to the embodiment of the present disclosure.
  • the processing unit 200 is realized by being distributed between the information processing apparatus 11 and the information processing apparatus 13. More specifically, the processing unit 200 includes processing units 200 a and 200 c realized by the information processing apparatus 11 and a processing unit 200 b realized by the information processing apparatus 13.
  • the processing unit 200a executes processing based on information provided from the input unit 100 via the interface 150a, and provides the processing result to the processing unit 200b.
  • the processing unit 200a can include, for example, the Wi-Fi feature amount extraction unit 201 and the sensor data feature extraction unit 203 described above.
  • the processing unit 200c executes processing based on the information provided from the processing unit 200b, and provides the processing result to the output unit 300 via the interface 350a.
  • the processing unit 200c may include, for example, the position related information generation unit 207 described above.
  • both the processing unit 200a and the processing unit 200c are shown, but only one of them may actually exist. That is, the information processing apparatus 11 implements the processing unit 200a, but does not implement the processing unit 200c, and the information provided from the processing unit 200b may be provided to the output unit 300 as it is. Similarly, the information processing apparatus 11 implements the processing unit 200c, but may not implement the processing unit 200a.
  • An interface 250b is interposed between the processing unit 200a and the processing unit 200b and between the processing unit 200b and the processing unit 200c.
  • the interface 250b is a communication interface between apparatuses.
  • the interface 150a is an interface in the apparatus.
  • the interface 350a is an interface in the apparatus.
  • the processing unit 200c includes the position related information generation unit 207, a part of information from the input unit 100, for example, information from the operation input device 111 is directly transmitted to the processing unit 200c via the interface 150a. Provided.
  • the third example described above is the first example described above except that one or both of the processing unit 200a and the processing unit 200c is realized by a processor or a processing circuit included in the information processing apparatus 11. It is the same. That is, the information processing apparatus 11 can be a terminal device. Further, the information processing apparatus 13 can be a server.
  • FIG. 11 is a block diagram illustrating a fourth example of the system configuration according to the embodiment of the present disclosure.
  • the system 10 includes information processing apparatuses 11a, 11b, and 13.
  • the input unit 100 is realized by being divided into input units 100a and 100b.
  • the input unit 100a is realized in the information processing apparatus 11a.
  • the input unit 100a can include, for example, the acceleration sensor 101, the gyro sensor 103, the geomagnetic sensor 105, the atmospheric pressure sensor 107, and / or the Wi-Fi communication device 109 described above.
  • the input unit 100b and the output unit 300 are realized in the information processing apparatus 11b.
  • the input unit 100b can include, for example, the operation input device 111 described above.
  • the processing unit 200 is realized by being distributed to the information processing apparatuses 11 a and 11 b and the information processing apparatus 13.
  • the information processing apparatuses 11a and 11b and the information processing apparatus 13 communicate with each other via a network in order to realize the functions according to the embodiment of the present disclosure.
  • the processing unit 200 is realized by being distributed between the information processing apparatuses 11a and 11b and the information processing apparatus 13. More specifically, the processing unit 200 includes a processing unit 200a realized by the information processing device 11a, a processing unit 200b realized by the information processing device 13, and a processing unit 200c realized by the information processing device 11b. Including. Such distribution of the processing unit 200 is the same as in the third example. However, in the fourth example, since the information processing device 11a and the information processing device 11b are separate devices, the interfaces 250b1 and 250b2 can include different types of interfaces. As described above, when the processing unit 200c includes the position-related information generation unit 207, information from the input unit 100b, for example, information from the operation input device 111 is directly provided to the processing unit 200c via the interface 150a2. .
  • the fourth example is the same as that described above except that one or both of the processing unit 200a and the processing unit 200c is realized by a processor or a processing circuit included in the information processing device 11a or the information processing device 11b.
  • the information processing devices 11a and 11b can be terminal devices.
  • the information processing apparatus 13 can be a server.
  • FIG. 12 is a block diagram illustrating a hardware configuration example of the information processing apparatus according to the embodiment of the present disclosure.
  • the information processing apparatus 900 includes a CPU (Central Processing unit) 901, a ROM (Read Only Memory) 903, and a RAM (Random Access Memory) 905.
  • the information processing apparatus 900 may include a host bus 907, a bridge 909, an external bus 911, an interface 913, an input device 915, an output device 917, a storage device 919, a drive 921, a connection port 923, and a communication device 925.
  • the information processing apparatus 900 may include an imaging device 933 and a sensor 935 as necessary.
  • the information processing apparatus 900 may include a processing circuit such as a DSP (Digital Signal Processor), an ASIC (Application Specific Integrated Circuit), or an FPGA (Field-Programmable Gate Array) instead of or in addition to the CPU 901.
  • DSP Digital Signal Processor
  • ASIC Application Specific Integrated Circuit
  • FPGA Field-Programmable Gate Array
  • the CPU 901 functions as an arithmetic processing device and a control device, and controls all or a part of the operation in the information processing device 900 according to various programs recorded in the ROM 903, the RAM 905, the storage device 919, or the removable recording medium 927.
  • the ROM 903 stores programs and calculation parameters used by the CPU 901.
  • the RAM 905 primarily stores programs used in the execution of the CPU 901, parameters that change as appropriate during the execution, and the like.
  • the CPU 901, the ROM 903, and the RAM 905 are connected to each other by a host bus 907 configured by an internal bus such as a CPU bus. Further, the host bus 907 is connected to an external bus 911 such as a PCI (Peripheral Component Interconnect / Interface) bus via a bridge 909.
  • PCI Peripheral Component Interconnect / Interface
  • the input device 915 is a device operated by the user, such as a mouse, a keyboard, a touch panel, a button, a switch, and a lever.
  • the input device 915 may be, for example, a remote control device that uses infrared rays or other radio waves, or may be an external connection device 929 such as a mobile phone that supports the operation of the information processing device 900.
  • the input device 915 includes an input control circuit that generates an input signal based on information input by the user and outputs the input signal to the CPU 901. The user operates the input device 915 to input various data and instruct processing operations to the information processing device 900.
  • the output device 917 is configured by a device capable of notifying the acquired information to the user using a sense such as vision, hearing, or touch.
  • the output device 917 can be, for example, a display device such as an LCD (Liquid Crystal Display) or an organic EL (Electro-Luminescence) display, an audio output device such as a speaker or headphones, or a vibrator.
  • the output device 917 outputs the result obtained by the processing of the information processing device 900 as video such as text or image, sound such as sound or sound, or vibration.
  • the storage device 919 is a data storage device configured as an example of a storage unit of the information processing device 900.
  • the storage device 919 includes, for example, a magnetic storage device such as an HDD (Hard Disk Drive), a semiconductor storage device, an optical storage device, or a magneto-optical storage device.
  • the storage device 919 stores, for example, programs executed by the CPU 901 and various data, and various data acquired from the outside.
  • the drive 921 is a reader / writer for a removable recording medium 927 such as a magnetic disk, an optical disk, a magneto-optical disk, or a semiconductor memory, and is built in or externally attached to the information processing apparatus 900.
  • the drive 921 reads information recorded on the attached removable recording medium 927 and outputs the information to the RAM 905.
  • the drive 921 writes a record in the attached removable recording medium 927.
  • the connection port 923 is a port for connecting a device to the information processing apparatus 900.
  • the connection port 923 can be, for example, a USB (Universal Serial Bus) port, an IEEE 1394 port, a SCSI (Small Computer System Interface) port, or the like.
  • the connection port 923 may be an RS-232C port, an optical audio terminal, an HDMI (registered trademark) (High-Definition Multimedia Interface) port, or the like.
  • the communication device 925 is a communication interface configured with, for example, a communication device for connecting to the communication network 931.
  • the communication device 925 can be, for example, a communication card for LAN (Local Area Network), Bluetooth (registered trademark), Wi-Fi, or WUSB (Wireless USB).
  • the communication device 925 may be a router for optical communication, a router for ADSL (Asymmetric Digital Subscriber Line), or a modem for various communication.
  • the communication device 925 transmits and receives signals and the like using a predetermined protocol such as TCP / IP with the Internet and other communication devices, for example.
  • the communication network 931 connected to the communication device 925 is a network connected by wire or wireless, and may include, for example, the Internet, a home LAN, infrared communication, radio wave communication, satellite communication, or the like.
  • the imaging device 933 uses various members such as an imaging element such as a CMOS (Complementary Metal Oxide Semiconductor) or a CCD (Charge Coupled Device), and a lens for controlling the formation of a subject image on the imaging element. It is an apparatus that images a real space and generates a captured image.
  • the imaging device 933 may capture a still image or may capture a moving image.
  • the sensor 935 is various sensors such as an acceleration sensor, an angular velocity sensor, a geomagnetic sensor, an illuminance sensor, a temperature sensor, an atmospheric pressure sensor, or a sound sensor (microphone).
  • the sensor 935 acquires information about the state of the information processing apparatus 900 itself, such as the posture of the information processing apparatus 900, and information about the surrounding environment of the information processing apparatus 900, such as brightness and noise around the information processing apparatus 900, for example. To do.
  • the sensor 935 may include a GPS receiver that receives a GPS (Global Positioning System) signal and measures the latitude, longitude, and altitude of the device.
  • GPS Global Positioning System
  • Each component described above may be configured using a general-purpose member, or may be configured by hardware specialized for the function of each component. Such a configuration can be appropriately changed according to the technical level at the time of implementation.
  • an information processing apparatus for example, an information processing apparatus, a system, an information processing method executed by the information processing apparatus or system, a program for causing the information processing apparatus to function, and a program are recorded. It may include tangible media that is not temporary.
  • a feature extraction unit that extracts features of first sensor data provided by a sensor carried or worn by a user
  • a matching unit that matches the feature of the first sensor data with the feature of the second sensor data corresponding to the first sensor data associated with given position information
  • An information processing apparatus comprising: a position estimation unit that estimates the position of the user based on the matching result.
  • the feature extraction unit extracts features of the first sensor data in time series,
  • the matching unit matches the characteristics of the first sensor data constituting the time series with the characteristics of the second sensor data respectively associated with the position information series constituting the route.
  • the information processing apparatus according to 1).
  • the information processing apparatus wherein the feature of the second sensor data is associated with the position information according to a probability model.
  • the position information defines a state in the probability model,
  • the probability model includes an observation probability of a feature of the second sensor data in the state;
  • the information processing apparatus wherein the matching unit matches the feature of the first sensor data and the feature of the second sensor data based on the observation probability.
  • the probability model includes a transition probability between the states defined by the time series of the position information,
  • the feature extraction unit extracts features of the first sensor data in time series,
  • the matching unit includes a feature of the first sensor data constituting the time series and a feature of the second sensor data respectively associated with the position information series constituting a route, the observation probability and
  • the information processing apparatus according to any one of (1) to (6), wherein the first sensor data includes acceleration, angular velocity, or geomagnetism.
  • the feature of the first sensor data includes an action recognition result based on the first sensor data.
  • (11) a function of extracting features of first sensor data provided by a sensor carried or worn by a user; A function of matching the characteristics of the first sensor data with the characteristics of the second sensor data corresponding to the first sensor data, associated with given position information;

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Automation & Control Theory (AREA)
  • Navigation (AREA)
  • User Interface Of Digital Computer (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

【課題】絶対的な基準を予め用意することによって、センサデータに基づいて精度よくユーザの位置を推定する。 【解決手段】ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出する特徴抽出部と、上記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、上記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングするマッチング部と、上記マッチングの結果に基づいて、上記ユーザの位置を推定する位置推定部とを備える情報処理装置が提供される。

Description

情報処理装置、情報処理方法およびプログラム
　本開示は、情報処理装置、情報処理方法およびプログラムに関する。
　ユーザの位置を検出する方法としては、ＧＰＳ（Global　Positioning　System）に代表されるＧＮＳＳ（Global　Navigation　Satellite　System）が広く用いられている。しかし、ＧＮＳＳの場合、衛星からの電波が受信しにくい、屋内や建物密集地域では十分な位置検出の精度が得られない場合がある。そのような場合、例えば通信可能なＷｉ－Ｆｉなどのアクセスポイント、およびその電波強度に基づいてユーザの位置を推定する方法もあるが、位置が特定されたアクセスポイントが限られていたり、電波強度が様々な感情条件の影響を受けたりするため、精度の向上は難しかった。特許文献１には、これらの場合の解決策として用いられる自律測位に関する技術が記載されている。
特開２０１３－２１０３００号公報
　しかしながら、例えば特許文献１に記載されたような自律測位の技術は、幅広い場合に適用可能であるものの、端末装置の装着または携帯の仕方やユーザの動きの個人差による誤差の影響を取り除いて精度を向上させることに限界がある。また、相対的な測位であるために、誤差の影響が累積的に増大してしまう可能性がある。それゆえ、例えば上述したようなＧＮＳＳやアクセスポイントを利用した測位が利用困難である場合に、絶対的な基準によって精度よくユーザの位置を推定する技術が求められている。
　そこで、本開示では、絶対的な基準を予め用意することによって、センサデータに基づいて精度よくユーザの位置を推定することが可能な、新規かつ改良された情報処理装置、情報処理方法およびプログラムを提案する。
　本開示によれば、ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出する特徴抽出部と、上記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、上記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングするマッチング部と、上記マッチングの結果に基づいて、上記ユーザの位置を推定する位置推定部とを備える情報処理装置が提供される。
　また、本開示によれば、ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出することと、上記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、上記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングすることと、上記マッチングの結果に基づいて、上記ユーザの位置を推定することとを含む情報処理方法が提供される。
　また、本開示によれば、ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出する機能と、上記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、上記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングする機能と、上記マッチングの結果に基づいて、上記ユーザの位置を推定する機能とを処理回路に実現させるためのプログラムが提供される。
　以上説明したように本開示によれば、絶対的な基準を予め用意することによって、センサデータに基づいて精度よくユーザの位置を推定することができる。
　なお、上記の効果は必ずしも限定的なものではなく、上記の効果とともに、または上記の効果に代えて、本明細書に示されたいずれかの効果、または本明細書から把握され得る他の効果が奏されてもよい。
本開示の一実施形態の全体的な構成の例を示すブロック図である。 本開示の一実施形態の全体的な構成の別の例を示すブロック図である。 本開示の一実施形態の全体的な構成の別の例を示すブロック図である。 本開示の一実施形態における入力部、処理部、および出力部の機能構成の第１の例を示す概略的なブロック図である。 本開示の一実施形態における入力部、処理部、および出力部の機能構成の第２の例を示す概略的なブロック図である。 本開示の一実施形態におけるマップ学習および位置推定の概要について説明するための図である。 本開示の一実施形態において用いられる確率モデルの例について説明するための図である。 本開示の一実施形態において生成されるセンサマップの一例を示す図である。 本開示の実施形態に係るシステム構成の第１の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第２の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第３の例を示すブロック図である。 本開示の実施形態に係るシステム構成の第４の例を示すブロック図である。 本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。
　以下に添付図面を参照しながら、本開示の好適な実施の形態について詳細に説明する。なお、本明細書および図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。
　なお、説明は以下の順序で行うものとする。
　１．全体的な構成
　　１－１．入力部
　　１－２．処理部
　　１－３．出力部
　２．機能構成例
　　２－１．位置推定時
　　２－２．マップ学習時
　３．マップ学習および位置推定の原理
　４．実装例
　５．システム構成
　６．ハードウェア構成
　７．補足
　（１．全体的な構成）
　図１は、本開示の一実施形態の全体的な構成の例を示すブロック図である。図１を参照すると、システム１０は、入力部１００と、処理部２００と、出力部３００とを含む。入力部１００、処理部２００、および出力部３００は、後述するシステム１０の構成例に示されるように、１または複数の情報処理装置によって実現される。
　（１－１．入力部）
　入力部１００は、例えば、操作入力装置、センサ、または外部サービスから情報を取得するソフトウェアなどを含み、ユーザ、周辺環境、または他のサービスから、さまざまな情報の入力を受け付ける。
　操作入力装置は、例えば、ハードウェアボタン、キーボード、マウス、タッチパネル、タッチセンサ、近接センサ、加速度センサ、ジャイロセンサ、温度センサなどを含み、ユーザによる操作入力を受け付ける。また、操作入力装置は、ユーザのジェスチャまたは音声によって表現される操作入力を受け付ける、カメラ（撮像素子）またはマイクロフォンなどを含んでもよい。
　なお、入力部１００には、操作入力装置によって取得される信号またはデータを操作コマンドに変換するプロセッサまたは処理回路が含まれてもよい。あるいは、入力部１００は、操作入力装置が取得した信号またはデータを、操作コマンドに変換することなくインターフェース１５０に出力してもよい。その場合、操作入力装置が取得した信号またはデータは、例えば処理部２００で操作コマンドに変換される。
　センサは、加速度センサ、ジャイロセンサ、地磁気センサ、照度センサ、温度センサ、または気圧センサなどを含み、装置にかかる加速度や角速度、方位、照度、温度、気圧などを検出する。上記の各種センサは、例えばセンサを含む装置がユーザによって携帯または装着されている場合に、各種情報をユーザに関する情報、例えばユーザの運動や向きなどを示す情報として検出することができる。また、センサは、他にも、脈拍、発汗、脳波、触覚、嗅覚、味覚など、ユーザの生体情報を検出するセンサを含んでもよい。入力部１００には、これらのセンサによって検出された情報、および／または後述するカメラやマイクによって検出された画像または音声のデータを解析することによってユーザの感情を示す情報を取得する処理回路が含まれてもよい。あるいは、上記の情報および／またはデータは解析を経ずにインターフェース１５０に出力され、例えば処理部２００において解析が実行されてもよい。
　さらに、センサは、カメラ、マイク、上述した各種センサなどにより、ユーザまたは装置の近傍の画像または音声をデータとして取得してもよい。また、センサは、屋内または屋外の位置を検出する位置検出手段を含んでもよい。位置検出手段は、具体的には、ＧＮＳＳ（Global　Navigation　Satellite　System）受信機、および／または通信装置などを含みうる。ＧＮＳＳは、例えばＧＰＳ（Global　Positioning　System）、ＧＬＯＮＡＳＳ（Global　Navigation　Satellite　System）、ＢＤＳ（BeiDou　Navigation　Satellite　System）、ＱＺＳＳ（Quasi-Zenith　Satellites　System）、またはＧａｌｉｌｅｏなどを含みうる。以下の説明では、例としてＧＰＳが利用される場合について説明するが、同様に他のＧＮＳＳが利用されてもよい。通信装置は、例えばＷｉ－ｆｉ、ＭＩＭＯ（Multi-Input　Multi-Output）、セルラー通信（例えば携帯基地局を使った位置検出、フェムトセル）、または近距離無線通信（例えばＢＬＥ（Bluetooth　Low　Energy）、Ｂｌｕｅｔｏｏｔｈ（登録商標））などの技術を利用して位置を検出する。
　上記のようなセンサがユーザの位置や状況（生体情報を含む）を検出する場合、センサを含む装置は、例えばユーザによって携帯または装着されている。あるいは、センサを含む装置がユーザの生活環境に設置されているような場合にも、ユーザの位置や状況（生体情報を含む）を検出することが可能でありうる。例えば、室内などに固定して設置されたカメラによって取得されたユーザの顔を含む画像を解析することによって、ユーザの脈拍を検出することができる。
　なお、入力部１００には、センサによって取得される信号またはデータを所定の形式に変換する（例えば、アナログ信号をデジタル信号に変換したり、画像または音声のデータをエンコードしたりする）プロセッサまたは処理回路が含まれてもよい。あるいは、入力部１００は、取得された信号またはデータを、所定の形式に変換することなくインターフェース１５０に出力してもよい。その場合、センサが取得した信号またはデータは、処理部２００で操作コマンドに変換される。
　外部サービスから情報を取得するソフトウェアは、例えば、外部サービスのＡＰＩ（Application　Program　Interface）を利用して、外部サービスによって提供される各種の情報を取得する。ソフトウェアは、例えば外部サービスのサーバから情報を取得してもよいし、クライアント装置で実行されているサービスのアプリケーションソフトウェアから情報を取得してもよい。ソフトウェアによって、例えば、ユーザまたは他のユーザがソーシャルメディアなどの外部サービスに投稿したテキストや画像などの情報が取得されうる。取得される情報は、必ずしもユーザまたは他のユーザによって意図的に投稿されたものでなくてもよく、例えばユーザまたは他のユーザが実行した操作のログなどであってもよい。また、取得される情報は、ユーザまたは他のユーザの個人的な情報には限らず、例えばニュース、天気予報、交通情報、ＰＯＩ（Point　Of　Interest）、または広告などのように、不特定多数のユーザに向けて配信される情報であってもよい。
　また、外部サービスから取得される情報には、上述した各種センサによって取得された情報、例えば加速度、角速度、方位、照度、温度、気圧、脈拍、発汗、脳波、触覚、嗅覚、味覚、その他の生体情報、感情、位置情報などが、外部サービスと連携する他のシステムに含まれるセンサによって検出され、外部サービスに投稿されることによって生成された情報が含まれてもよい。
　インターフェース１５０は、入力部１００と処理部２００との間のインターフェースである。例えば、入力部１００と処理部２００とが別個の装置で実現される場合、インターフェース１５０は、有線または無線の通信インターフェースを含みうる。また、インターネットが入力部１００と処理部２００の間に介在することもありうる。より具体的には、有線または無線の通信インターフェースは、３Ｇ／ＬＴＥなどのセルラー通信、Ｗｉ－Ｆｉ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＮＦＣ（Near　Field　Communication）、イーサネット（登録商標）、ＨＤＭＩ（登録商標）（High-Definition　Multimedia　Interface）、ＵＳＢ（Universal　Serial　Bus）などを含みうる。また、入力部１００と処理部２００の少なくとも一部とが同一の装置で実現される場合、インターフェース１５０は、装置内のバスや、プログラムモジュール内でのデータ参照などを含みうる（以下、これらを装置内のインターフェースともいう）。また、入力部１００が複数の装置に分散して実現される場合、インターフェース１５０は、それぞれの装置のための異なる種類のインターフェースを含みうる。例えば、インターフェース１５０は、通信インターフェースと装置内のインターフェースとの両方を含んでもよい。
　（１－２．処理部）
　処理部２００は、入力部１００によって取得された情報に基づいてさまざまな処理を実行する。より具体的には、例えば、処理部２００は、ＣＰＵ（Central　Processing　Unit）、ＤＳＰ（Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、またはＦＰＧＡ（Field-Programmable　Gate　Array）などのプロセッサまたは処理回路を含む。また、処理部２００は、プロセッサまたは処理回路において実行されるプログラム、および処理において読み書きされるデータを一時的または永続的に格納するメモリまたはストレージ装置を含んでもよい。
　なお、処理部２００は、単一の装置内の単一のプロセッサまたは処理回路によって実現されてもよいし、複数の装置、または同一の装置内の複数のプロセッサもしくは処理回路に分散して実現されてもよい。処理部２００が分散して実現される場合、図２Ａおよび図２Ｂに示す例のように、処理部２００の分割された部分の間にはインターフェース２５０が介在する。インターフェース２５０は、上記のインターフェース１５０と同様に、通信インターフェース、または装置内のインターフェースを含みうる。なお、後述する処理部２００の詳細な説明では、処理部２００を構成する個々の機能ブロックを例示するが、インターフェース２５０は、任意の機能ブロックの間に介在しうる。つまり、処理部２００が複数の装置、または複数のプロセッサもしくは処理回路に分散して実現される場合、機能ブロックをどのように各装置、各プロセッサまたは各処理回路に振り分けるかは、別途の記載がない限り任意である。
　（１－３．出力部）
　出力部３００は、処理部２００から提供された情報を、ユーザ（入力部１００のユーザと同じユーザであってもよいし、異なるユーザであってもよい）、外部装置、または他のサービスに出力する。例えば、出力部３００は、出力装置、制御装置、または外部サービスに情報を提供するソフトウェアなどを含みうる。
　出力装置は、処理部２００から提供された情報を、ユーザ（入力部１００のユーザと同じユーザであってもよいし、異なるユーザであってもよい）の視覚や聴覚、触覚、嗅覚、味覚などの感覚によって知覚される形式で出力する。例えば、出力装置はディスプレイであり、情報を画像によって出力する。なお、ディスプレイは、ＬＣＤ（Liquid　Crystal　Display）や有機ＥＬ（Electro-Luminescence）ディスプレイなどの反射型または自発光型のディスプレイには限らず、ウェアラブル装置などで用いられるような、ユーザの眼に画像表示光を導光する導光部材と光源との組み合わせをも含む。また、出力装置はスピーカを含み、情報を音声によって出力してもよい。その他にも、出力装置は、プロジェクタやバイブレータなどを含んでもよい。
　制御装置は、処理部２００から提供された情報に基づいて装置を制御する。制御される装置は、出力部３００を実現する装置に含まれてもよいし、外部装置であってもよい。より具体的には、例えば、制御装置は制御コマンドを生成するプロセッサまたは処理回路を含む。外部装置が制御される場合、出力部３００は、さらに、制御コマンドを外部装置に送信する通信装置を含みうる。制御装置は、例えば、処理部２００から提供された情報を印刷物として出力するプリンタを制御する。制御装置は、処理部２００から提供された情報の、ストレージ装置またはリムーバブル記録媒体への書き込みを制御するドライバを含んでもよい。あるいは、制御装置は、処理部２００から提供された情報を出力または記録する装置以外の装置を制御してもよい。例えば、制御装置は、照明装置を制御して照明を点灯させたり、テレビを制御して画像を消したり、オーディオ装置を制御して音量を調節したり、ロボットを制御してその動き等を制御したりしてもよい。
　外部サービスに情報を提供するソフトウェアは、例えば、外部サービスのＡＰＩを利用して、処理部２００から提供された情報を外部サービスに提供する。ソフトウェアは、例えば外部サービスのサーバに情報を提供してもよいし、クライアント装置で実行されているサービスのアプリケーションソフトウェアに情報を提供してもよい。提供される情報は、必ずしもすぐに外部サービスに反映されるものでなくてよく、例えばユーザが外部サービスに投稿または送信するための候補として提供されてもよい。より具体的には、例えば、ソフトウェアは、クライアント装置で実行されているブラウザソフトウェアにおいて、ユーザが入力する検索キーワードやＵＲＬ（Uniform　Resource　Locator）の候補として用いられるテキストを提供してもよい。また、例えば、ソフトウェアは、ユーザに代わって、ソーシャルメディアなどの外部サービスに、テキスト、画像、動画、音声などを投稿してもよい。
　インターフェース３５０は、処理部２００と出力部３００との間のインターフェースである。例えば、処理部２００と出力部３００とが別個の装置で実現される場合、インターフェース３５０は、有線または無線の通信インターフェースを含みうる。また、処理部２００の少なくとも一部と出力部３００とが同一の装置で実現される場合、インターフェース３５０は、上述した装置内のインターフェースを含みうる。また、出力部３００が複数の装置に分散して実現される場合、インターフェース３５０は、それぞれの装置のための異なる種類のインターフェースを含みうる。例えば、インターフェース３５０は、通信インターフェースと装置内のインターフェースとの両方を含んでもよい。
　（２．機能構成例）
　（２－１．位置推定時）
　図３は、本開示の一実施形態の位置推定時における入力部、処理部、および出力部の機能構成例を示す概略的なブロック図である。以下、図３を参照して、本実施形態に係るシステム１０に含まれる入力部１００、処理部２００、および出力部３００の位置推定時の機能構成例について説明する。
　入力部１００は、センサとして、加速度センサ１０１、ジャイロセンサ１０３、地磁気センサ１０５、気圧センサ１０７、および／またはＷｉ－Ｆｉ通信装置１０９を含む。なお、Ｗｉ－Ｆｉ通信装置１０９は本来的には通信装置であるが、本実施形態では電波の受信状態を検出するセンサとして利用されている。もちろん、Ｗｉ－Ｆｉ通信装置１０９は、電波の受信状態を検出するセンサとして利用されると同時に、本来の通信機能で利用されてもよい。これらのセンサは、例えば、ユーザによって携帯または装着される。より具体的には、例えば、ユーザは、これらのセンサが搭載された端末装置を携帯または装着する。
　上記のようなセンサによって提供される加速度、角速度、地磁気、および／または気圧の測定値は、センサデータとして処理部２００に提供される。本実施形態では、後述するようにセンサデータを位置情報とのマッチングに利用するため、センサデータは、必ずしも直接的にユーザの挙動や位置を示しうるものには限られない。従って、入力部１００には、センサとして、さらに他の種類のセンサが含まれてもよい。また、上記で例示したセンサのうち、入力部１００に含まれないものがあってもよい。
　一方、位置センサとして利用されるＷｉ－Ｆｉ通信装置１０９は、ユーザが移動可能な空間内に設置された１または複数のＷｉ－Ｆｉ基地局（アクセスポイント）と通信する。なお、それぞれのアクセスポイントの設置位置は、必ずしも特定されていなくてもよい。Ｗｉ－Ｆｉ通信装置１０９は、どのアクセスポイントと通信可能であったか、および通信可能なアクセスポイントからの電波強度を含む情報を、センサデータとして処理部２００に提供する。
　操作入力装置１１１は、例えば、後述する位置関連情報の生成に関するユーザの指示を示す操作入力を取得する。上述の通り、入力部１００は、これらのセンサおよび操作入力装置によって取得されたデータを変換または解析するためのプロセッサまたは処理回路をさらに含んでもよい。
　処理部２００は、Ｗｉ－Ｆｉ特徴量抽出部２０１と、センサデータ特徴抽出部２０３と、マッチング／位置推定部２０５と、位置関連情報生成部２０７と、センサマップ２０９とを含みうる。これらの機能構成は、例えば端末装置と通信するサーバのプロセッサまたは処理回路、およびメモリまたはストレージによって実現される。また、これらの機能構成のうちの一部は、入力部１００に含まれるセンサまたは操作入力装置と同じ端末装置のプロセッサまたは処理回路によって実現されてもよい。なお、そのような構成の具体的な例については後述する。以下、それぞれの機能構成について、さらに説明する。
　Ｗｉ－Ｆｉ特徴量抽出部２０１は、入力部１００のＷｉ－Ｆｉ通信装置１０９によって提供されるセンサデータから、Ｗｉ－Ｆｉ通信に関する特徴量を抽出する。例えば、Ｗｉ－Ｆｉ特徴量抽出部２０１は、通信可能なアクセスポイントと、アクセスポイントからの電波強度とをハッシュ化することによってＷｉ－Ｆｉ特徴量を抽出する。より具体的には、Ｗｉ－Ｆｉ特徴量抽出部２０１は、ユーザの移動空間に配置されたアクセスポイントに対して一意に割り当てた乱数ベクトルを、各アクセスポイントからの電波強度に応じて重みづけ加算することによってＷｉ－Ｆｉ特徴量を抽出してもよい。
　なお、本実施形態において、Ｗｉ－Ｆｉ特徴量は、直接的に位置情報を示すことを意図したものではなく、通信可能であったアクセスポイントと当該アクセスポイントからの電波強度とをパターン化したものである。それゆえ、例えば別々の時刻のセンサデータから抽出されたＷｉ－Ｆｉ特徴量（ベクトル）が互いに近接している場合、それらの時刻におけるユーザの位置は近い可能性があるが、それがどの位置であるかはこの時点ではわからなくてもよい。従って、本実施形態では、個々のアクセスポイントのＩＤそのものや、アクセスポイントの位置情報などを含まないＷｉ－Ｆｉ特徴量が抽出される。例えば、アクセスポイントが追加／撤去されたり、移動されたりした場合にも、Ｗｉ－Ｆｉ特徴量抽出の手順や設定値を変更する必要はなく、変更後のアクセスポイントの配置で後述するようなマップの生成を実施すればよい。
　センサデータ特徴抽出部２０３は、入力部１００の加速度センサ１０１、ジャイロセンサ１０３、地磁気センサ１０５、および／または気圧センサ１０７によって提供されるセンサデータから、種々の特徴を抽出する。抽出される特徴は、特徴量として表現されるものを含んでもよいし、後述する行動ラベルのように必ずしも数値化されていないものを含んでもよい。より具体的には、例えば、センサデータ特徴抽出部２０３は、加速度センサ１０１によって提供される加速度の検出値から、ユーザの移動速度、重力成分、および／または重力以外の加速度成分を抽出してもよい。また、例えば、センサデータ特徴抽出部２０３は、ジャイロセンサ１０３によって提供される角速度の検出値から、鉛直軸周りの角速度を抽出してもよい。さらに、例えば、センサデータ特徴抽出部２０３は、地磁気センサ１０５によって提供される地磁気の検出値から、方位を抽出してもよい。
　さらに、センサデータ特徴抽出部２０３は、センサデータに基づく行動認識を実施し、行動認識によって特定されたユーザの行動ラベルを、センサデータの特徴としてもよい。つまり、センサデータ特徴抽出部２０３は、行動認識部を含んでもよい。行動認識によって、例えば、滞在、徒歩、走り、ジャンプ、階段、エレベータ、エスカレータ、自転車、バス、列車、自動車、船、または飛行機といった行動ラベルを認識することができる。なお、行動認識の手法については、例えば特開２０１２－８７７１号公報など多くの文献に記載されているため、詳細な説明は省略する。本実施形態において、行動認識部は、公知の行動認識技術の任意の構成を採用することが可能である。
　マッチング／位置推定部２０５は、Ｗｉ－Ｆｉ特徴量抽出部２０１およびセンサデータ特徴抽出部２０３（以下、特徴抽出部として総称する場合がある）によって抽出されたセンサデータの特徴と、センサマップ２０９において所与の位置情報に関連付けられたセンサデータの特徴とをマッチングする。ここで、特徴抽出部によって抽出されるセンサデータの特徴と、センサマップ２０９において位置情報に関連付けられたセンサデータの特徴とは、対応している。より具体的には、それぞれのセンサデータの特徴は、上記で説明したセンサデータの特徴のうち、共通する種類の特徴を含みうる。
　さらに、マッチング／位置推定部２０５は、マッチングの結果に基づいて、ユーザの位置を推定する。つまり、マッチング／位置推定部２０５は、特徴抽出部によって抽出される第１のセンサデータの特徴と、センサマップ２０９に定義された第２のセンサデータの特徴とがマッチした場合に、第２のセンサデータに関連付けられた位置情報に対応する位置を、ユーザの位置として推定する。
　このようなマッチング／位置推定部２０５による位置の推定は、単一の時刻においてセンサによって提供されたセンサデータのスナップショットに基づいて実施することも可能である。その一方で、マッチング／位置推定部２０５は、時系列のセンサデータ、つまり連続した一連の時刻にわたってセンサによって提供されたセンサデータに基づいて位置の推定を実施してもよい。この場合、マッチング／位置推定部２０５は、特徴抽出部によって抽出され時系列を構成する第１のセンサデータの特徴と、互いに隣接するなどして経路を構成する位置情報の系列にそれぞれ関連付けられた第２のセンサデータの特徴とをマッチングする。例えば、複数の異なる位置で類似したセンサデータの特徴が現れるような場合でも、時系列のセンサデータについてマッチングを実施することによって、より正確な位置の推定が可能になる。
　位置関連情報生成部２０７は、マッチング／位置推定部２０５から提供される情報に基づいて、出力部３００からユーザに出力するための情報を生成する。より具体的には、例えば、位置関連情報生成部２０７は、マッチング／位置推定部２０５によって推定されたユーザの位置に基づいて生成されたマップ上に、センサデータ特徴抽出部２０３に含まれる行動認識部によって特定された行動ラベルに基づく情報を配置した情報を生成してもよい。あるいは、位置関連情報生成部２０７は、単純に、マップ上でのユーザの所在を示す情報を生成してもよい。これらの場合において、情報の生成に利用されるマップは、センサマップ２０９において定義される、正確な位置情報に構成されたマップであってもよい。位置関連情報生成部２０７によって生成された情報は、インターフェース３５０を介して出力部３００において出力されうる。
　出力部３００は、ディスプレイ３０１と、スピーカ３０３と、バイブレータ３０５とを含みうる。ディスプレイ３０１、スピーカ３０３、およびバイブレータ３０５は、例えば、ユーザによって携帯または装着される端末装置に搭載される。ディスプレイ３０１は情報を画像として出力し、スピーカ３０３は情報を音声として出力し、バイブレータ３０５は情報を振動として出力する。出力される情報は、位置関連情報生成部２０７によって生成された情報を含みうる。ディスプレイ３０１、スピーカ３０３、またはバイブレータ３０５は、入力部１００のセンサと同じ端末装置に搭載されてもよい。また、ディスプレイ３０１、スピーカ３０３、またはバイブレータ３０５は、入力部１００の操作入力装置１１１と同じ端末装置に搭載されてもよい。あるいは、ディスプレイ３０１、スピーカ３０３、またはバイブレータ３０５は、入力部１００の構成要素とは異なる端末装置に搭載されてもよい。なお、入力部１００、処理部２００、および出力部３００を実現する端末装置およびサーバのより具体的な構成例については後述する。
　（２－２．マップ学習時）
　図４は、本開示の一実施形態のマップ学習時における入力部、処理部、および出力部の機能構成例を示す概略的なブロック図である。以下、図４を参照して、本実施形態に係るシステム１０に含まれる入力部１００および処理部２００のマップ学習時の機能構成例について説明する。なお、出力部３００は、例えばマップの学習を実行しているユーザに対してマップ学習の進捗状況や生成されたマップなどを示す情報を出力してもよいが、本実施形態はそれ自体を目的としたものではないため、マップ学習時の例では出力部３００の図示および説明を省略する。
　入力部１００は、センサとして、加速度センサ１０１、ジャイロセンサ１０３、地磁気センサ１０５、気圧センサ１０７、および／またはＷｉ－Ｆｉ通信装置１０９を含む。マップ学習時の例において、入力部１００に含まれるセンサは、上記の位置推定時と同様でありうる。さらに、入力部１００は、測位装置／入力装置１１３を含む。以下では、入力部１００の構成のうち、上記の位置推定時の例とは異なる測位装置／入力装置１１３について、さらに説明する。
　測位装置／入力装置１１３は、センサデータの取得に並行して位置情報を取得するために用いられる。マップ学習の処理において、測位装置／入力装置１１３によって取得される位置情報は、正確な位置情報として扱われる。例えば、正確な位置情報は、ユーザが移動可能な空間内を動き回る過程でユーザによって携帯または装着されるカメラによって取得された画像を利用したＶｉｓｕａｌ　ＳＬＡＭ（Simultaneous　Localization　and　Mapping）によって取得されうる。この場合、測位装置／入力装置１１３は、画像を取得するカメラなどを含む。なお、Ｖｉｓｕａｌ　ＳＬＡＭのための演算は、入力部１００側で実行されてもよいし、処理部２００側で実行されてもよい。なお、ＳＬＡＭは、自己位置推定と環境の構造マッピングとを並行して実施する技術であり、例えば特開２００７－１５６０１６号公報などに記載されている。Ｖｉｓｕａｌ　ＳＬＡＭは、特に画像を利用して実行されるＳＬＡＭを意味する。Ｖｉｓｕａｌ　ＳＬＡＭでは、例えばステレオカメラ（２台以上のカメラ）で画像を取得してもよいし、１台のカメラを移動させて画像を取得してもよい。
　あるいは、正確な位置情報は、ユーザ自身（または随伴者）によって入力された当該空間内の絶対座標でありうる。この場合、測位装置／入力装置１１３は、例えば絶対座標の入力を受け付ける入力装置によって実現される。絶対座標は、例えばユーザが空間内を動き回っているときにリアルタイムで入力されてもよいし、事後的に、ユーザの映像などを参照しながら入力されてもよい。
　処理部２００は、Ｗｉ－Ｆｉ特徴量抽出部２０１と、センサデータ特徴抽出部２０３と、位置情報取得部２１３と、センサマップ学習部２１５とを含みうる。Ｗｉ－Ｆｉ特徴量抽出部２０１およびセンサデータ特徴抽出部２０３（特徴抽出部）が、入力部１００のセンサによって提供されるセンサデータの特徴を抽出する処理は、上記の位置推定時の例と同様である。ただし、マップ学習時には、抽出されたセンサデータの特徴量は、センサマップ学習部２１５に入力される。センサマップ学習部２１５は、抽出されたセンサデータの特徴量を、位置情報取得部２１３によって取得された正確な位置情報に関連付けることによって、センサマップ２０９を生成する。
　より具体的には、例えば、センサマップ学習部２１５は、特徴抽出部によって抽出されたセンサデータの特徴と、位置情報取得部２１３によって取得された正確な位置情報とを、例えば確率モデルに従って関連付ける。これによって、センサマップ２０９において、正確な位置情報によって定義される状態における、センサデータの特徴の観測確率が表現される。この場合、例えば、位置推定時に、単一の時刻に取得されたセンサデータから抽出された特徴に対して、最も整合性が高い観測確率を有する状態に対応する位置を、ユーザの位置として推定することができる。
　さらに、例えば、センサマップ学習部２１５は、正確な位置情報によって定義される状態の間の遷移確率を算出してもよい。これによって、センサマップ２０９において、正確な位置情報によって定義される状態におけるセンサデータの特徴の観測確率と、状態間の遷移確率とを表現することができる。この場合、例えば、位置推定時に、時系列を構成されるセンサデータから抽出される観測確率および遷移確率に基づいて、例えば、位置推定時に、時系列を構成するセンサデータから抽出された一連の特徴に対して、個々の状態における観測確率の整合性、および一連の状態間の遷移確率の整合性がより高い状態に対応する一連の位置を、ユーザの直近の移動履歴として推定することができる。
　（３．マップ学習および位置推定の原理）
　図５は、本開示の一実施形態におけるマップ学習および位置推定の概要について説明するための図である。図５では、上記で図３，４を参照して説明したようなシステム１０において実施されるマップ学習および位置推定における処理および情報の関係が概念的に示されている。
　事前準備として実施されるマップ学習時において、センサ（例えば加速度センサ１０１、ジャイロセンサ１０３、地磁気センサ１０５、気圧センサ１０７、および／またはＷｉ－Ｆｉ通信装置１０９）によって提供されるセンサデータから、特徴抽出部２０１，２０３によって特徴が抽出される。ここでの特徴の抽出は、センサデータに含まれる冗長な部分やノイズの影響を除去し、位置測定時のマッチングを容易にするために実施される。なお、本実施形態では、特徴のマッチングによるユーザの位置推定が目的とされているため、ユーザの徒歩などによる移動よりも小さいレベルの挙動、例えば細かな体の揺れなどによって生じるセンサデータの変化も、ノイズとみなされうる。
　さらに、マップ学習時において、センサマップ学習部２１５は、上記のように特徴抽出部２０１，２０３によって抽出されたセンサデータの特徴と、別途取得される正確な位置情報、例えば絶対座標とを関連付け、学習によってセンサマップ２０９を生成する。学習には、例えばＩＨＭＭ（Incremental　Hidden　Markov　Model）などの確率モデルが利用されてもよい。つまり、センサマップにおいて、センサデータの特徴は、確率モデルに従って位置情報に関連付けられていてもよい。なお、ＩＨＭＭについては後述する。
　一方、位置推定時においても、マップ学習時と同様に、センサによって提供されるセンサデータから、特徴抽出部２０１，２０３によって特徴が抽出される。抽出された特徴はマッチング／位置推定部２０５に入力され、センサマップ２０９に定義された特徴とのマッチングによって、位置情報が推定される。
　図６は、本開示の一実施形態において用いられる確率モデルの例について説明するための図である。図６では、本実施形態においてセンサマップ２０９の生成に利用されるモデルの例として、ＩＨＭＭが説明されている。
　図６では、モデルの入力として、任意の時系列データが示されている。任意の時系列データは、連続値信号であってもよいし、離散信号であってもよい。なお、連続値信号は、デジタル信号として提供される疑似的な連続値信号を含む。例えば、本実施形態の例でいえば、加速度の検出値から抽出されるユーザの移動速度、重力成分、および／または重力以外の加速度成分や、角速度の検出値から抽出される鉛直軸回りの角速度、地磁気の検出値から抽出される方位は、連続値信号を構成しうる。また、Ｗｉ－Ｆｉ特徴量は、離散信号を構成し得る。
　ＩＨＭＭは、逐次（インクリメンタルに）入力される時系列データから、その背後に潜む法則を状態遷移モデル（ＨＭＭ）として学習する技術である。なお、ＩＨＭＭについては、例えば特開２０１２－８６５９号公報、および特開２０１２－１０８７４８号公報などに記載されている。図６で出力として示されている状態遷移モデルは、複数の状態、状態ごとの観測モデル、および状態間の遷移確率によって表現される。
　本実施形態では、センサマップ２０９において、センサデータから抽出される特徴と、センサデータに並行して取得された正確な位置情報（絶対座標）とを含む状態が定義される。ここで、ＩＨＭＭにおいて状態を定義したり、状態間の遷移確率を算出したりするときには、時系列データのうち位置情報だけを用いてもよい。これは、本実施形態のマップ学習時の処理では、位置情報の正確性が最も高いため、センサデータから抽出される特徴が異なっていても、位置情報が共通であれば同じ状態として定義することが適切だからである。このような処理は、例えば、ＩＨＭＭのライブラリにおいて、位置情報（絶対座標）の学習時の重みを１にし、他の観測状態の重みを０にすることによって実現できる。
　図７は、本開示の一実施形態において生成されるセンサマップの一例を示す図である。図７では、センサマップ２０９において定義される状態ＳＴが、円または楕円によって示されている。それぞれの状態ＳＴには、状態の観測確率ＯＰが定義されている。図示された例において、観測確率ＯＰは、各状態におけるセンサデータの特徴の平均および分散によって表現されている。状態ＳＴとして示された円または楕円の中心は、観測確率ＯＰにおけるＸ座標およびＹ座標の平均を示す。また、円または楕円の径（楕円の場合、長径および短径）は、観測確率ＯＰにおけるＸ座標およびＹ座標の分散を示す。状態ＳＴとして示された円または楕円同士をつなぐ線は、それぞれの状態ＳＴの間の遷移確率が０よりも大きいことを示す。
　（４．実装例）
　次に、本開示の一実装例について説明する。なお、本実装例は、本開示の一実施形態を理解するために提供されるより具体的な例であるにすぎず、本開示の実施形態を本実装例の範囲に限定することを意図したものではない。
　本実装例では、上記で説明したような本開示の一実施形態に係るシステム１０において、入力部１００に含まれる加速度センサ１０１、ジャイロセンサ１０３、および地磁気センサ１０５として、それぞれ３軸の加速度センサ、ジャイロセンサ、および地磁気センサを使用する。サンプリングの周期はいずれも５０Ｈｚである。また、Ｗｉ－Ｆｉ通信装置１０９は、通信可能であったアクセスポイントのＩＤと、そのアクセスポイントからの電波強度とを出力する。
　処理部２００では、Ｗｉ－Ｆｉ特徴量抽出部２０１が、各アクセスポイントに６４次元のガウス乱数ベクトルを割り当て、それぞれの乱数ベクトルを各アクセスポイントからの電波強度に応じて重みづけして加算することによって、６４次元の実数値ベクトルとしてＷｉ－Ｆｉ特徴量を抽出する。一方、センサデータ特徴抽出部２０３は、加速度、角速度、および地磁気の検出値に基づいて行動認識を実施し、静止、歩き、左ターン、右ターン、階段上昇、階段下降、エスカレータ上昇、エスカレータ下降の８つの行動ラベルを特定する。
　さらに、センサデータ特徴抽出部２０３は、加速度、角速度、および地磁気の検出値から、以下のような特徴量を抽出する。なお、重力は、３軸（Ｘ軸、Ｙ軸、Ｚ軸）の各軸の加速度の検出値をローパスフィルタに入力し、前方、横、鉛直方向の信号を抽出することによって得られる。加速度（重力以外）は、各軸の加速度の検出値から、上記の重力の値を減じた上で、前方、横、鉛直方向の信号を抽出することによって得られる。地磁気は、地磁気の検出値から前方、横、鉛直方向の信号を抽出することによって得られる。また、角速度の抽出では、加速度から推定されるユーザの静止時において、オフセットを推定および除去する。
・速度（ｍ／ｓ）
・重力（前方、横、鉛直）（ｍ／ｓ２）
・加速度（重力以外；前方、横、鉛直）（ｍ／ｓ２）
・角速度（前方、横、鉛直）（μＴ）
・方位（北で０、時計回りで正）（ｄｅｇ）
　上記のそれぞれのセンサデータの特徴について、Ｗｉ－Ｆｉ特徴量抽出部２０１およびセンサデータ特徴抽出部２０３は、センサデータのタイムスタンプ１秒ごとに抽出を実施する。
　以上のような本実装例における位置推定では、（例えばＷｉ－Ｆｉ特徴量のみを利用した場合に比べて）複数のセンサデータを利用することによって位置推定の精度が向上する。また、複数のセンサデータを利用する場合、単一の時刻におけるセンサデータの特徴でマッチングを実施する場合に比べて、時系列を構成する複数のセンサデータの特徴でマッチングを実施することによって位置推定の精度が向上する。時系列を構成する複数のセンサデータの特徴を利用する場合、時系列が長い方が位置推定の精度は向上する。
　上記で説明したような本開示の一実施形態によれば、ユーザによって携帯または装着される１または複数のセンサによって提供されるセンサデータの特徴を、所与の位置情報に関連付けられたセンサデータの特徴とマッチングすることによって、ユーザの位置を良好な精度で推定することができる。本実施形態による位置推定は、例えば、加速度や角速度、地磁気等を利用して実施される自律測位と比較して、誤差の蓄積の影響を受けにくい。
　また、本実施形態では、センサデータの特徴をマッチングに使用するため、センサデータの内容に対する制約が少ない。例えば、自律測位の場合には加速度、角速度、および地磁気といったセンサデータが必須とされることが多いが、本実施形態ではこれらのうちのいずれかが一時的に、または最初から欠けていてもよい（他に利用可能なセンサデータが十分にあれば、全部がなくてもよい）。また、Ｗｉ－Ｆｉ通信に関する情報も、アクセスポイントの位置に基づいてユーザの位置を推定しようとするものではないため、各アクセスポイントが識別さえされていればよいことは上述の通りである。
　従って、本実施形態におけるセンサデータとしては、上記で例示したもの以外にも、また上記で例示したものに変えて、さまざまなデータを利用することが可能である。例えば、Ｗｉ－Ｆｉの受信状態と同様に電波の受信状態を示すセンサデータとして、ユーザが移動可能な空間内に設置されたビーコンからの電波の受信状態や、屋内や建造物などのために精度のよくないＧＮＳＳ測位データなどが利用されてもよい（なお、精度のよいＧＮＳＳ測位データが利用可能であれば位置推定自体が不要になる）。これらのデータについても、Ｗｉ－Ｆｉ特徴量と同様に、ユーザの位置と何らかの関係性をもって変化すると考えられるため、センサデータとして利用することが可能である。
　また、上記の例では、センサデータに基づく行動認識によって特定されるユーザの行動ラベルをセンサデータの特徴として利用したが、これも必ずしも必要ではない。例えば、ユーザの行動ラベルをセンサデータの特徴として利用しない場合、マップ学習時には、必ずしもユーザが空間内を動き回ってセンサデータを収集する必要はない。この場合、例えば、マップ学習のために、端末装置を装着したロボットを徘徊させてセンサデータを収集してもよい。
　本実施形態における位置推定の結果は、上記の位置関連情報生成部２０７によってユーザに出力するための情報の生成に利用されうる他、例えば、ユーザの行き先を予測して、予め部屋や通路の照明を点灯させたり、Ｗｉ－Ｆｉなどのアクセスポイントの切り替えを適切に実施したり、行き先にいる他のユーザに到着を予告したりすることなどに利用できる。また、位置推定の結果は、例えば、ユーザの移動予測に限らず、センサが搭載された端末装置の位置情報の履歴として利用されてもよい。例えば、ユーザがスマートフォンをなくしたような場合、ユーザがスマートフォンを携帯していた時の直近の位置推定の結果が利用できれば、スマートフォンの所在を推定することができる。
　（５．システム構成）
　以上、本開示の一実施形態について説明した。上述したように、本実施形態に係るシステム１０は、入力部１００と、処理部２００と、出力部３００とを含み、これらの構成要素は、１または複数の情報処理装置によって実現される。以下では、システム１０を実現する情報処理装置の組み合わせの例について、より具体的な例とともに説明する。
　（第１の例）
　図８は、本開示の実施形態に係るシステム構成の第１の例を示すブロック図である。図８を参照すると、システム１０は、情報処理装置１１，１３を含む。入力部１００および出力部３００は、情報処理装置１１において実現される。一方、処理部２００は、情報処理装置１３において実現される。情報処理装置１１と情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介して通信する。入力部１００と処理部２００との間のインターフェース１５０ｂおよび処理部２００と出力部３００との間のインターフェース３５０ｂは、いずれも装置間の通信インターフェースでありうる。
　第１の例において、情報処理装置１１は、例えば端末装置でありうる。この場合、入力部１００は、入力装置、センサ、外部サービスから情報を取得するソフトウェアなどを含みうる。外部サービスから情報を取得するソフトウェアは、例えば、端末装置で実行されているサービスのアプリケーションソフトウェアからデータを取得する。出力部３００は、出力装置、制御装置、外部サービスに情報を提供するソフトウェアなどを含みうる。外部サービスに情報を提供するソフトウェアは、例えば、端末装置で実行されているサービスのアプリケーションソフトウェアに情報を提供しうる。
　また、第１の例において、情報処理装置１３は、サーバでありうる。処理部２００は、情報処理装置１３が備えるプロセッサまたは処理回路がメモリまたはストレージ装置に格納されたプログラムに従って動作することによって実現される。情報処理装置１３は、例えばサーバとして専用される装置であってもよい。この場合、情報処理装置１３は、データセンタなどに設置されてもよいし、家庭内に設置されてもよい。あるいは、情報処理装置１３は、他の機能については端末装置として利用可能であるが、本開示の実施形態に係る機能に関しては入力部１００および出力部３００を実現しない装置であってもよい。
　（第２の例）
　図９は、本開示の実施形態に係るシステム構成の第２の例を示すブロック図である。図９を参照すると、システム１０は、情報処理装置１１ａ，１１ｂ，１３を含む。入力部１００は、入力部１００ａ，１００ｂに分かれて実現される。入力部１００ａは、情報処理装置１１ａにおいて実現される。入力部１００ａは、例えば、上記で説明された加速度センサ１０１、ジャイロセンサ１０３、地磁気センサ１０５、気圧センサ１０７、および／またはＷｉ－Ｆｉ通信装置１０９を含みうる。
　入力部１００ｂおよび出力部３００は、情報処理装置１１ｂにおいて実現される。入力部１００ｂは、例えば、上記で説明された操作入力装置１１１を含みうる。また、処理部２００は、情報処理装置１３において実現される。情報処理装置１１ａ，１１ｂと情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。入力部１００と処理部２００との間のインターフェース１５０ｂ１，１５０ｂ２、および処理部２００と出力部３００との間のインターフェース３５０ｂは、いずれも装置間の通信インターフェースでありうる。ただし、第３の例では、情報処理装置１１ａと情報処理装置１１ｂとが別個の装置であるために、インターフェース１５０ｂ１と、インターフェース１５０ｂ２およびインターフェース３５０ｂとは、それぞれ異なる種類のインターフェースを含みうる。
　第２の例において、情報処理装置１１ａ，１１ｂは、例えば端末装置でありうる。情報処理装置１１ａは、例えば、ユーザによって携帯または装着され、ユーザをセンシングする。一方、情報処理装置１１ｂは、センシングの結果に基づいて情報処理装置１３において生成された情報を、ユーザに向けて出力する。このとき、情報処理装置１１ｂは、出力される情報に関するユーザの操作入力を受け付ける。従って、情報処理装置１１ｂは、必ずしもユーザによって携帯または装着されていなくてもよい。また、情報処理装置１３は、上記の第１の例と同様に、サーバまたは端末装置でありうる。処理部２００は、情報処理装置１３が備えるプロセッサまたは処理回路がメモリまたはストレージ装置に格納されたプログラムに従って動作することによって実現される。
　（第３の例）
　図１０は、本開示の実施形態に係るシステム構成の第３の例を示すブロック図である。図１０を参照すると、システム１０は、情報処理装置１１，１３を含む。第３の例において、入力部１００および出力部３００は、情報処理装置１１において実現される。一方、処理部２００は、情報処理装置１１および情報処理装置１３に分散して実現される。情報処理装置１１と情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介して通信する。
　上記のように、この第３の例では、処理部２００が、情報処理装置１１と情報処理装置１３との間で分散して実現される。より具体的には、処理部２００は、情報処理装置１１で実現される処理部２００ａ，２００ｃと、情報処理装置１３で実現される処理部２００ｂとを含む。処理部２００ａは、入力部１００からインターフェース１５０ａを介して提供される情報に基づいて処理を実行し、処理の結果を処理部２００ｂに提供する。処理部２００ａは、例えば、上記で説明されたＷｉ－Ｆｉ特徴量抽出部２０１およびセンサデータ特徴抽出部２０３を含みうる。一方、処理部２００ｃは、処理部２００ｂから提供される情報に基づいて処理を実行し、処理の結果をインターフェース３５０ａを介して出力部３００に提供する。処理部２００ｃは、例えば、上記で説明された位置関連情報生成部２０７を含みうる。
　なお、図示された例では、処理部２００ａおよび処理部２００ｃの両方が示されているが、実際にはこのうちのいずれか一方だけが存在してもよい。つまり、情報処理装置１１は、処理部２００ａを実現するが、処理部２００ｃを実現せず、処理部２００ｂから提供される情報は、そのまま出力部３００に提供されてもよい。同様に、情報処理装置１１は、処理部２００ｃを実現するが、処理部２００ａを実現しなくてもよい。
　処理部２００ａと処理部２００ｂとの間、および処理部２００ｂと処理部２００ｃとの間には、それぞれインターフェース２５０ｂが介在する。インターフェース２５０ｂは、装置間の通信インターフェースである。一方、情報処理装置１１が処理部２００ａを実現する場合、インターフェース１５０ａは、装置内のインターフェースである。同様に、情報処理装置１１が処理部２００ｃを実現する場合、インターフェース３５０ａは、装置内のインターフェースである。上記のように処理部２００ｃが位置関連情報生成部２０７を含む場合、入力部１００からの情報の一部、例えば操作入力装置１１１からの情報は、インターフェース１５０ａを介して直接的に処理部２００ｃに提供される。
　なお、上述した第３の例は、処理部２００ａまたは処理部２００ｃのうちの一方または両方が情報処理装置１１が備えるプロセッサまたは処理回路によって実現される点を除いては、上記の第１の例と同様である。つまり、情報処理装置１１は、端末装置でありうる。また、情報処理装置１３は、サーバでありうる。
　（第４の例）
　図１１は、本開示の実施形態に係るシステム構成の第４の例を示すブロック図である。図１１を参照すると、システム１０は、情報処理装置１１ａ，１１ｂ，１３を含む。入力部１００は、入力部１００ａ，１００ｂに分かれて実現される。入力部１００ａは、情報処理装置１１ａにおいて実現される。入力部１００ａは、例えば、上記で説明された加速度センサ１０１、ジャイロセンサ１０３、地磁気センサ１０５、気圧センサ１０７、および／またはＷｉ－Ｆｉ通信装置１０９を含みうる。
　入力部１００ｂおよび出力部３００は、情報処理装置１１ｂにおいて実現される。入力部１００ｂは、例えば、上記で説明された操作入力装置１１１を含みうる。また、処理部２００は、情報処理装置１１ａ，１１ｂおよび情報処理装置１３に分散して実現される。情報処理装置１１ａ，１１ｂと情報処理装置１３とは、本開示の実施形態に係る機能を実現するために、ネットワークを介してそれぞれ通信する。
　図示されているように、この第４の例では、処理部２００が、情報処理装置１１ａ，１１ｂと情報処理装置１３との間で分散して実現される。より具体的には、処理部２００は、情報処理装置１１ａで実現される処理部２００ａと、情報処理装置１３で実現される処理部２００ｂと、情報処理装置１１ｂで実現される処理部２００ｃとを含む。このような処理部２００の分散については、上記の第３の例と同様である。ただし、この第４の例では、情報処理装置１１ａと情報処理装置１１ｂとが別個の装置であるために、インターフェース２５０ｂ１，２５０ｂ２は、それぞれ異なる種類のインターフェースを含みうる。上記のように処理部２００ｃが位置関連情報生成部２０７を含む場合、入力部１００ｂからの情報、例えば操作入力装置１１１からの情報は、インターフェース１５０ａ２を介して直接的に処理部２００ｃに提供される。
　なお、第４の例は、処理部２００ａまたは処理部２００ｃのうちの一方または両方が情報処理装置１１ａまたは情報処理装置１１ｂが備えるプロセッサまたは処理回路によって実現される点を除いては、上記の第２の例と同様である。つまり、情報処理装置１１ａ，１１ｂは、端末装置でありうる。また、情報処理装置１３は、サーバでありうる。
　（６．ハードウェア構成）
　次に、図１２を参照して、本開示の実施形態に係る情報処理装置のハードウェア構成について説明する。図１２は、本開示の実施形態に係る情報処理装置のハードウェア構成例を示すブロック図である。
　情報処理装置９００は、ＣＰＵ（Central　Processing　unit）９０１、ＲＯＭ（Read　Only　Memory）９０３、およびＲＡＭ（Random　Access　Memory）９０５を含む。また、情報処理装置９００は、ホストバス９０７、ブリッジ９０９、外部バス９１１、インターフェース９１３、入力装置９１５、出力装置９１７、ストレージ装置９１９、ドライブ９２１、接続ポート９２３、通信装置９２５を含んでもよい。さらに、情報処理装置９００は、必要に応じて、撮像装置９３３、およびセンサ９３５を含んでもよい。情報処理装置９００は、ＣＰＵ９０１に代えて、またはこれとともに、ＤＳＰ（Digital　Signal　Processor）、ＡＳＩＣ（Application　Specific　Integrated　Circuit）、またはＦＰＧＡ（Field-Programmable　Gate　Array）などの処理回路を有してもよい。
　ＣＰＵ９０１は、演算処理装置および制御装置として機能し、ＲＯＭ９０３、ＲＡＭ９０５、ストレージ装置９１９、またはリムーバブル記録媒体９２７に記録された各種プログラムに従って、情報処理装置９００内の動作全般またはその一部を制御する。ＲＯＭ９０３は、ＣＰＵ９０１が使用するプログラムや演算パラメータなどを記憶する。ＲＡＭ９０５は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータなどを一次記憶する。ＣＰＵ９０１、ＲＯＭ９０３、およびＲＡＭ９０５は、ＣＰＵバスなどの内部バスにより構成されるホストバス９０７により相互に接続されている。さらに、ホストバス９０７は、ブリッジ９０９を介して、ＰＣＩ（Peripheral　Component　Interconnect/Interface）バスなどの外部バス９１１に接続されている。
　入力装置９１５は、例えば、マウス、キーボード、タッチパネル、ボタン、スイッチおよびレバーなど、ユーザによって操作される装置である。入力装置９１５は、例えば、赤外線やその他の電波を利用したリモートコントロール装置であってもよいし、情報処理装置９００の操作に対応した携帯電話などの外部接続機器９２９であってもよい。入力装置９１５は、ユーザが入力した情報に基づいて入力信号を生成してＣＰＵ９０１に出力する入力制御回路を含む。ユーザは、この入力装置９１５を操作することによって、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりする。
　出力装置９１７は、取得した情報をユーザに対して視覚や聴覚、触覚などの感覚を用いて通知することが可能な装置で構成される。出力装置９１７は、例えば、ＬＣＤ（Liquid　Crystal　Display）または有機ＥＬ（Electro-Luminescence）ディスプレイなどの表示装置、スピーカまたはヘッドフォンなどの音声出力装置、もしくはバイブレータなどでありうる。出力装置９１７は、情報処理装置９００の処理により得られた結果を、テキストもしくは画像などの映像、音声もしくは音響などの音声、またはバイブレーションなどとして出力する。
　ストレージ装置９１９は、情報処理装置９００の記憶部の一例として構成されたデータ格納用の装置である。ストレージ装置９１９は、例えば、ＨＤＤ（Hard　Disk　Drive）などの磁気記憶部デバイス、半導体記憶デバイス、光記憶デバイス、または光磁気記憶デバイスなどにより構成される。ストレージ装置９１９は、例えばＣＰＵ９０１が実行するプログラムや各種データ、および外部から取得した各種のデータなどを格納する。
　ドライブ９２１は、磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリなどのリムーバブル記録媒体９２７のためのリーダライタであり、情報処理装置９００に内蔵、あるいは外付けされる。ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録されている情報を読み出して、ＲＡＭ９０５に出力する。また、ドライブ９２１は、装着されているリムーバブル記録媒体９２７に記録を書き込む。
　接続ポート９２３は、機器を情報処理装置９００に接続するためのポートである。接続ポート９２３は、例えば、ＵＳＢ（Universal　Serial　Bus）ポート、ＩＥＥＥ１３９４ポート、ＳＣＳＩ（Small　Computer　System　Interface）ポートなどでありうる。また、接続ポート９２３は、ＲＳ－２３２Ｃポート、光オーディオ端子、ＨＤＭＩ（登録商標）（High-Definition　Multimedia　Interface）ポートなどであってもよい。接続ポート９２３に外部接続機器９２９を接続することで、情報処理装置９００と外部接続機器９２９との間で各種のデータが交換されうる。
　通信装置９２５は、例えば、通信ネットワーク９３１に接続するための通信デバイスなどで構成された通信インターフェースである。通信装置９２５は、例えば、ＬＡＮ（Local　Area　Network）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ－Ｆｉ、またはＷＵＳＢ（Wireless　USB）用の通信カードなどでありうる。また、通信装置９２５は、光通信用のルータ、ＡＤＳＬ（Asymmetric　Digital　Subscriber　Line）用のルータ、または、各種通信用のモデムなどであってもよい。通信装置９２５は、例えば、インターネットや他の通信機器との間で、ＴＣＰ／ＩＰなどの所定のプロトコルを用いて信号などを送受信する。また、通信装置９２５に接続される通信ネットワーク９３１は、有線または無線によって接続されたネットワークであり、例えば、インターネット、家庭内ＬＡＮ、赤外線通信、ラジオ波通信または衛星通信などを含みうる。
　撮像装置９３３は、例えば、ＣＭＯＳ（Complementary　Metal　Oxide　Semiconductor）またはＣＣＤ（Charge　Coupled　Device）などの撮像素子、および撮像素子への被写体像の結像を制御するためのレンズなどの各種の部材を用いて実空間を撮像し、撮像画像を生成する装置である。撮像装置９３３は、静止画を撮像するものであってもよいし、また動画を撮像するものであってもよい。
　センサ９３５は、例えば、加速度センサ、角速度センサ、地磁気センサ、照度センサ、温度センサ、気圧センサ、または音センサ（マイクロフォン）などの各種のセンサである。センサ９３５は、例えば情報処理装置９００の筐体の姿勢など、情報処理装置９００自体の状態に関する情報や、情報処理装置９００の周辺の明るさや騒音など、情報処理装置９００の周辺環境に関する情報を取得する。また、センサ９３５は、ＧＰＳ（Global　Positioning　System）信号を受信して装置の緯度、経度および高度を測定するＧＰＳ受信機を含んでもよい。
　以上、情報処理装置９００のハードウェア構成の一例を示した。上記の各構成要素は、汎用的な部材を用いて構成されていてもよいし、各構成要素の機能に特化したハードウェアにより構成されていてもよい。かかる構成は、実施する時々の技術レベルに応じて適宜変更されうる。
　（７．補足）
　本開示の実施形態は、例えば、上記で説明したような情報処理装置、システム、情報処理装置またはシステムで実行される情報処理方法、情報処理装置を機能させるためのプログラム、およびプログラムが記録された一時的でない有形の媒体を含みうる。
　以上、添付図面を参照しながら本開示の好適な実施形態について詳細に説明したが、本開示の技術的範囲はかかる例に限定されない。本開示の技術分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、これらについても、当然に本開示の技術的範囲に属するものと了解される。
　また、本明細書に記載された効果は、あくまで説明的または例示的なものであって限定的ではない。つまり、本開示に係る技術は、上記の効果とともに、または上記の効果に代えて、本明細書の記載から当業者には明らかな他の効果を奏しうる。
　なお、以下のような構成も本開示の技術的範囲に属する。
（１）ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出する特徴抽出部と、
　前記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、前記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングするマッチング部と、
　前記マッチングの結果に基づいて、前記ユーザの位置を推定する位置推定部と
　を備える情報処理装置。
（２）前記特徴抽出部は、前記第１のセンサデータの特徴を時系列で抽出し、
　前記マッチング部は、前記時系列を構成する前記第１のセンサデータの特徴と、経路を構成する前記位置情報の系列にそれぞれ関連付けられた前記第２のセンサデータの特徴とをマッチングする、前記（１）に記載の情報処理装置。
（３）前記第２のセンサデータの特徴は、確率モデルに従って前記位置情報に関連付けられる、前記（１）に記載の情報処理装置。
（４）前記位置情報は、前記確率モデルにおける状態を定義し、
　前記確率モデルは、前記状態における前記第２のセンサデータの特徴の観測確率を含み、
　前記マッチング部は、前記第１のセンサデータの特徴と、前記第２のセンサデータの特徴とを、前記観測確率に基づいてマッチングする、前記（３）に記載の情報処理装置。
（５）前記確率モデルは、前記位置情報の時系列によって定義される前記状態の間の遷移確率を含み、
　前記特徴抽出部は、前記第１のセンサデータの特徴を時系列で抽出し、
　前記マッチング部は、前記時系列を構成する前記第１のセンサデータの特徴と、経路を構成する前記位置情報の系列にそれぞれ関連付けられた前記第２のセンサデータの特徴とを、前記観測確率および前記遷移確率に基づいてマッチングする、前記（４）に記載の情報処理装置。
（６）前記確率モデルは、ＨＭＭを含む、前記（３）～（５）のいずれか１項に記載の情報処理装置。
（７）前記第１のセンサデータは、電波の受信状態を示すデータを含む、前記（１）～（５）のいずれか１項に記載の情報処理装置。
（８）前記第１のセンサデータは、加速度、角速度、または地磁気を含む、前記（１）～（６）のいずれか１項に記載の情報処理装置。
（９）前記第１のセンサデータの特徴は、前記第１のセンサデータに基づく行動認識結果を含む、前記（８）に記載の情報処理装置。
（１０）ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出することと、
　前記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、前記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングすることと、
　前記マッチングの結果に基づいて、前記ユーザの位置を推定することと
　を含む情報処理方法。
（１１）ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出する機能と、
　前記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、前記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングする機能と、
　前記マッチングの結果に基づいて、前記ユーザの位置を推定する機能と
　を処理回路に実現させるためのプログラム。
　１０　　システム
　１１，１３　　情報処理装置
　１００　　入力部
　１０１　　加速度センサ
　１０３　　ジャイロセンサ
　１０５　　地磁気センサ
　１０７　　気圧センサ
　１０９　　Ｗｉ－Ｆｉ通信部
　１１１　　操作入力装置
　１１３　　測位装置／入力装置
　１５０，２５０，３５０　　インターフェース
　２００　　処理部
　２０１　　Ｗｉ－Ｆｉ特徴量抽出部
　２０３　　センサデータ特徴抽出部
　２０５　　マッチング／位置推定部
　２０７　　位置関連情報生成部
　２０９　　センサマップ
　２１３　　センサマップ学習部
　２１５　　位置情報取得部
　３００　　出力部
　３０１　　ディスプレイ
　３０３　　スピーカ
　３０５　　バイブレータ

Claims (11)

  1. 　ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出する特徴抽出部と、
    　前記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、前記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングするマッチング部と、
    　前記マッチングの結果に基づいて、前記ユーザの位置を推定する位置推定部と
    　を備える情報処理装置。
  2. 　前記特徴抽出部は、前記第１のセンサデータの特徴を時系列で抽出し、
    　前記マッチング部は、前記時系列を構成する前記第１のセンサデータの特徴と、経路を構成する前記位置情報の系列にそれぞれ関連付けられた前記第２のセンサデータの特徴とをマッチングする、請求項１に記載の情報処理装置。
  3. 　前記第２のセンサデータの特徴は、確率モデルに従って前記位置情報に関連付けられる、請求項１に記載の情報処理装置。
  4. 　前記位置情報は、前記確率モデルにおける状態を定義し、
    　前記確率モデルは、前記状態における前記第２のセンサデータの特徴の観測確率を含み、
    　前記マッチング部は、前記第１のセンサデータの特徴と、前記第２のセンサデータの特徴とを、前記観測確率に基づいてマッチングする、請求項３に記載の情報処理装置。
  5. 　前記確率モデルは、前記位置情報の時系列によって定義される前記状態の間の遷移確率を含み、
    　前記特徴抽出部は、前記第１のセンサデータの特徴を時系列で抽出し、
    　前記マッチング部は、前記時系列を構成する前記第１のセンサデータの特徴と、経路を構成する前記位置情報の系列にそれぞれ関連付けられた前記第２のセンサデータの特徴とを、前記観測確率および前記遷移確率に基づいてマッチングする、請求項４に記載の情報処理装置。
  6. 　前記確率モデルは、ＨＭＭを含む、請求項３に記載の情報処理装置。
  7. 　前記第１のセンサデータは、電波の受信状態を示すデータを含む、請求項１に記載の情報処理装置。
  8. 　前記第１のセンサデータは、加速度、角速度、または地磁気を含む、請求項１に記載の情報処理装置。
  9. 　前記第１のセンサデータの特徴は、前記第１のセンサデータに基づく行動認識結果を含む、請求項８に記載の情報処理装置。
  10. 　ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出することと、
    　前記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、前記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングすることと、
    　前記マッチングの結果に基づいて、前記ユーザの位置を推定することと
    　を含む情報処理方法。
  11. 　ユーザによって携帯または装着されるセンサによって提供される第１のセンサデータの特徴を抽出する機能と、
    　前記第１のセンサデータの特徴と、所与の位置情報に関連付けられた、前記第１のセンサデータに対応する第２のセンサデータの特徴とをマッチングする機能と、
    　前記マッチングの結果に基づいて、前記ユーザの位置を推定する機能と
    　を処理回路に実現させるためのプログラム。
PCT/JP2015/080290 2014-12-17 2015-10-27 情報処理装置、情報処理方法およびプログラム WO2016098457A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
JP2016564724A JPWO2016098457A1 (ja) 2014-12-17 2015-10-27 情報処理装置、情報処理方法およびプログラム
CN201580067236.XA CN107003382A (zh) 2014-12-17 2015-10-27 信息处理设备、信息处理方法及程序
US15/518,327 US20170307393A1 (en) 2014-12-17 2015-10-27 Information processing apparatus, information processing method, and program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014-255037 2014-12-17
JP2014255037 2014-12-17

Publications (1)

Publication Number Publication Date
WO2016098457A1 true WO2016098457A1 (ja) 2016-06-23

Family

ID=56126359

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/080290 WO2016098457A1 (ja) 2014-12-17 2015-10-27 情報処理装置、情報処理方法およびプログラム

Country Status (4)

Country Link
US (1) US20170307393A1 (ja)
JP (1) JPWO2016098457A1 (ja)
CN (1) CN107003382A (ja)
WO (1) WO2016098457A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017227594A (ja) * 2016-06-24 2017-12-28 トヨタ自動車株式会社 移動体の位置推定装置
JP2018013851A (ja) * 2016-07-19 2018-01-25 日本電信電話株式会社 行動認識装置、および、行動認識方法
JP2018013855A (ja) * 2016-07-19 2018-01-25 日本電信電話株式会社 行動認識装置、および、行動認識方法
JP2018194537A (ja) * 2017-05-15 2018-12-06 富士ゼロックス株式会社 位置決定及び追跡のための方法、プログラム、及びシステム

Families Citing this family (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7005946B2 (ja) * 2017-06-07 2022-01-24 セイコーエプソン株式会社 ウェアラブル機器、およびウェアラブル機器の制御方法
EP3462338A1 (en) * 2017-09-28 2019-04-03 Siemens Aktiengesellschaft Data processing device, data analyzing device, data processing system and method for processing data
JP7173024B2 (ja) * 2017-09-29 2022-11-16 ソニーグループ株式会社 情報処理装置、情報処理方法、およびプログラム
JP7176563B2 (ja) * 2018-04-17 2022-11-22 ソニーグループ株式会社 プログラム、情報処理装置、及び情報処理方法
CN109084768B (zh) * 2018-06-27 2021-11-26 仲恺农业工程学院 基于智能地垫的人体定位方法
KR101948728B1 (ko) * 2018-09-28 2019-02-15 네이버랩스 주식회사 데이터 수집 방법 및 시스템
CN110074797B (zh) * 2019-04-17 2022-08-23 重庆大学 基于脑电波和时空数据融合的时空-心理分析方法
KR102277974B1 (ko) * 2019-05-23 2021-07-15 주식회사 다비오 이미지 기반 실내 측위 서비스 시스템 및 방법
CN110781256B (zh) * 2019-08-30 2024-02-23 腾讯大地通途（北京）科技有限公司 基于发送位置数据确定与Wi-Fi相匹配的POI的方法及装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005532560A (ja) * 2002-07-10 2005-10-27 エカハウ オーイー 位置決め技法
JP2007093433A (ja) * 2005-09-29 2007-04-12 Hitachi Ltd 歩行者の動態検知装置
JP2009103633A (ja) * 2007-10-25 2009-05-14 Internatl Business Mach Corp <Ibm> 位置推定システム、方法及びプログラム
JP2012058248A (ja) * 2010-09-13 2012-03-22 Ricoh Co Ltd Ｒｆｉｄタグの動き追跡技術
JP2012532319A (ja) * 2009-06-30 2012-12-13 クゥアルコム・インコーポレイテッド 軌道ベースのロケーション決定

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6839027B2 (en) * 2002-11-15 2005-01-04 Microsoft Corporation Location measurement process for radio-frequency badges employing path constraints
DE102010029589A1 (de) * 2010-06-01 2011-12-01 Bayerische Motoren Werke Aktiengesellschaft Verfahren zur Bestimmung der Fahrzeugeigenposition eines Kraftfahrzeugs
US8543135B2 (en) * 2011-05-12 2013-09-24 Amit Goyal Contextually aware mobile device
US9194949B2 (en) * 2011-10-20 2015-11-24 Robert Bosch Gmbh Methods and systems for precise vehicle localization using radar maps
US8588810B2 (en) * 2011-11-30 2013-11-19 International Business Machines Corporation Energy efficient location tracking on smart phones
KR20130066354A (ko) * 2011-12-12 2013-06-20 현대엠엔소프트 주식회사 사용자 단말의 맵매칭 방법 및 장치
KR101919366B1 (ko) * 2011-12-22 2019-02-11 한국전자통신연구원 차량 내부 네트워크 및 영상 센서를 이용한 차량 위치 인식 장치 및 그 방법
JP2013205171A (ja) * 2012-03-28 2013-10-07 Sony Corp 情報処理装置、情報処理方法、およびプログラム
US20150177359A1 (en) * 2012-07-02 2015-06-25 Locoslab Gmbh Method for using and generating a map
US10041798B2 (en) * 2012-12-06 2018-08-07 Qualcomm Incorporated Determination of position, velocity and/or heading by simultaneous use of on-device and on-vehicle information
US8934921B2 (en) * 2012-12-14 2015-01-13 Apple Inc. Location determination using fingerprint data
US9544740B2 (en) * 2013-01-18 2017-01-10 Nokia Technologies Oy Method, apparatus and computer program product for orienting a smartphone display and estimating direction of travel of a pedestrian
JP6143474B2 (ja) * 2013-01-24 2017-06-07 クラリオン株式会社 位置検出装置およびプログラム
CN103338509A (zh) * 2013-04-10 2013-10-02 南昌航空大学 一种基于隐含马尔可夫模型的wsn室内定位方法
DE102013104727A1 (de) * 2013-05-07 2014-11-13 Deutsche Telekom Ag Verfahren und Vorrichtungen zum Bestimmen der Position einer beweglichen Kommunikationseinrichtung
CN104185270B (zh) * 2013-05-28 2017-11-28 中国电信股份有限公司 室内定位方法、***和定位平台
KR101493817B1 (ko) * 2013-06-14 2015-03-02 현대엠엔소프트 주식회사 사용자 단말의 맵매칭 방법
GB201500411D0 (en) * 2014-09-15 2015-02-25 Isis Innovation Determining the position of a mobile device in a geographical area
US20160146616A1 (en) * 2014-11-21 2016-05-26 Alpine Electronics, Inc. Vehicle positioning by map matching as feedback for ins/gps navigation system during gps signal loss

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2005532560A (ja) * 2002-07-10 2005-10-27 エカハウ オーイー 位置決め技法
JP2007093433A (ja) * 2005-09-29 2007-04-12 Hitachi Ltd 歩行者の動態検知装置
JP2009103633A (ja) * 2007-10-25 2009-05-14 Internatl Business Mach Corp <Ibm> 位置推定システム、方法及びプログラム
JP2012532319A (ja) * 2009-06-30 2012-12-13 クゥアルコム・インコーポレイテッド 軌道ベースのロケーション決定
JP2012058248A (ja) * 2010-09-13 2012-03-22 Ricoh Co Ltd Ｒｆｉｄタグの動き追跡技術

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2017227594A (ja) * 2016-06-24 2017-12-28 トヨタ自動車株式会社 移動体の位置推定装置
JP2018013851A (ja) * 2016-07-19 2018-01-25 日本電信電話株式会社 行動認識装置、および、行動認識方法
JP2018013855A (ja) * 2016-07-19 2018-01-25 日本電信電話株式会社 行動認識装置、および、行動認識方法
JP2018194537A (ja) * 2017-05-15 2018-12-06 富士ゼロックス株式会社 位置決定及び追跡のための方法、プログラム、及びシステム
JP7077598B2 (ja) 2017-05-15 2022-05-31 富士フイルムビジネスイノベーション株式会社 位置決定及び追跡のための方法、プログラム、及びシステム

Also Published As

Publication number Publication date
CN107003382A (zh) 2017-08-01
US20170307393A1 (en) 2017-10-26
JPWO2016098457A1 (ja) 2017-09-28

Similar Documents

Publication Publication Date Title
WO2016098457A1 (ja) 情報処理装置、情報処理方法およびプログラム
US20190383620A1 (en) Information processing apparatus, information processing method, and program
CN107339990B (zh) 多模式融合定位***及方法
US10719983B2 (en) Three dimensional map generation based on crowdsourced positioning readings
JP6311478B2 (ja) 情報処理装置、情報処理方法およびプログラム
US8588464B2 (en) Assisting a vision-impaired user with navigation based on a 3D captured image stream
Sunny et al. Applications and challenges of human activity recognition using sensors in a smart environment
US11181376B2 (en) Information processing device and information processing method
US11143507B2 (en) Information processing apparatus and information processing method
Capurso et al. A survey on key fields of context awareness for mobile devices
JPWO2017047063A1 (ja) 情報処理装置、評価方法及びコンピュータプログラム
Wang et al. Indoor PDR Positioning Assisted by Acoustic Source Localization, and Pedestrian Movement Behavior Recognition, Using a Dual‐Microphone Smartphone
Zaib et al. Smartphone based indoor navigation for blind persons using user profile and simplified building information model
KR102578119B1 (ko) 모바일 디바이스와 연동하는 스마트 안경 작동 방법
WO2017056774A1 (ja) 情報処理装置、情報処理方法およびコンピュータプログラム
WO2015194270A1 (ja) 情報処理装置、情報処理方法およびプログラム
Mahida et al. Indoor positioning framework for visually impaired people using Internet of Things
JP2023131905A (ja) 行動推定システム、行動推定方法、プログラム
Gil et al. inContexto: A fusion architecture to obtain mobile context
US20190205580A1 (en) Information processing apparatus, information processing method, and computer program
Gong et al. Building smart transportation hubs with internet of things to improve services to people with disabilities
Shoushtari et al. Data-Driven Inertial Navigation assisted by 5G UL-TDoA Positioning
WO2015194269A1 (ja) 情報処理装置、情報処理方法およびプログラム
WO2022029894A1 (ja) 情報処理装置、情報処理システム、情報処理方法、及びプログラム
JP2024058567A (ja) 学習データ生成システム、推定システム、学習データ生成方法、推定方法、プログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15869665

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2016564724

Country of ref document: JP

Kind code of ref document: A

WWE Wipo information: entry into national phase

Ref document number: 15518327

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15869665

Country of ref document: EP

Kind code of ref document: A1