WO2018056391A1 - 測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システム - Google Patents

測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システム Download PDF

Info

Publication number
WO2018056391A1
WO2018056391A1 PCT/JP2017/034247 JP2017034247W WO2018056391A1 WO 2018056391 A1 WO2018056391 A1 WO 2018056391A1 JP 2017034247 W JP2017034247 W JP 2017034247W WO 2018056391 A1 WO2018056391 A1 WO 2018056391A1
Authority
WO
WIPO (PCT)
Prior art keywords
positioning
geomagnetic
noise
map
path
Prior art date
Application number
PCT/JP2017/034247
Other languages
English (en)
French (fr)
Inventor
貴宏 長谷川
優仁 岩井
敏明 谷神
真則 高岡
伊藤　哲也
Original Assignee
日本電気株式会社
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 日本電気株式会社 filed Critical 日本電気株式会社
Publication of WO2018056391A1 publication Critical patent/WO2018056391A1/ja

Links

Images

Classifications

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

Definitions

  • the present invention is based on the priority claim of Japanese patent application: Japanese Patent Application No. 2016-185576 (filed on September 23, 2016), the entire contents of which are incorporated herein by reference. Shall.
  • the present invention relates to a positioning geomagnetic map creation method, a position measurement method, a noise measurement method, and a positioning geomagnetic map creation system, and in particular, a positioning geomagnetic map creation method used for positioning using geomagnetism, a position measurement method,
  • the present invention relates to a noise measurement method and a positioning geomagnetic map creation system.
  • GNSS Global Navigation Satellite System
  • GPS Global Positioning System
  • Geomagnetic positioning is a positioning method that uses the bias of the magnitude and direction of geomagnetism at each position, and consists of a preparation phase and a positioning phase.
  • a geomagnetism map including a path and a geomagnetic pattern measured on the path is generated.
  • the positioning phase the geomagnetic pattern included in the geomagnetic map most similar to the geomagnetic pattern measured by the positioning device is selected, and the coordinates of the path that forms a pair of the geomagnetic pattern are used as the estimated coordinates.
  • FIG. 7 shows a general flow in geomagnetic positioning.
  • the external factor noise includes, for example, the bias and scaling factor of the geomagnetic measurement value caused by the sensor type of the terminal, and the rotation of the orientation component of the geomagnetic measurement value caused by how to hold the terminal and how to walk.
  • Patent Document 1 as an external factor noise removing step, the environmental magnetic data of the current location is extracted from the environmental magnetic database previously collected in association with the position, and the acquired magnetic data is corrected, thereby correcting the external factor. The influence of is excluded.
  • the object of the present invention is to provide a positioning geomagnetic map creation method, position measurement method, noise measurement method and positioning geomagnetic map creation system that can contribute to the improvement of positioning accuracy using geomagnetism.
  • the geomagnetism of the positioning area is measured, a positioning geomagnetic map in which the positioning path and the geomagnetic pattern are associated with each other, a predetermined noise is added to the geomagnetic pattern of the positioning geomagnetic map,
  • a positioning geomagnetic map creation method for generating a learning geomagnetism map and using machine learning to create a classifier by using the learning geomagnetic map to which the noise is added. This method is associated with a specific machine, which is a computer including a memory that holds a measured geomagnetic map and a processor that performs noise addition processing and classifier generation processing.
  • a position measuring method positioning method
  • a noise measuring method using a positioning geomagnetic map created by using the above-described method are provided.
  • a positioning geomagnetic map creation system including means for measuring a geomagnetism in a positioning area and creating a positioning geomagnetic map in which a positioning path and a geomagnetic pattern are associated with each other.
  • the system further includes means for generating a learning geomagnetic map by adding predetermined noise to the geomagnetic pattern of the positioning geomagnetic map.
  • the system further includes means for performing machine learning to create a classifier using the learning geomagnetic map to which the noise is added.
  • the present invention it is possible to contribute to improving the accuracy of positioning using geomagnetism. That is, the present invention converts the positioning geomagnetic map creation system shown in the background art into a system that greatly improves the positioning accuracy.
  • connection lines between blocks such as drawings referred to in the following description include both bidirectional and unidirectional directions.
  • the unidirectional arrow schematically shows the main signal (data) flow and does not exclude bidirectionality.
  • the positioning geomagnetic map creation system measures the geomagnetism of the positioning area in the preparation phase, and a positioning path (corresponding to a positioning geomagnetic map path), A positioning geomagnetism map is created in association with the geomagnetic pattern (see the chart in the balloon) (step S001).
  • the positioning geomagnetic map creation system adds a predetermined external factor noise to the geomagnetic pattern of the positioning geomagnetic map to generate a learning geomagnetic map (step S002).
  • the external factor noise includes noise that simulates the difference in sensor type, how to hold a terminal (device to be measured), and how to walk.
  • the positioning geomagnetic map creation system creates a classifier by performing machine learning using the learning geomagnetic map to which the external factor noise is added (step S003).
  • a classifier based on a geomagnetic pattern to which external factor noise has been added is created.
  • the elimination of noise removal means that it is possible to suppress deterioration in determination accuracy due to noise removal difficulty.
  • FIG. 2 is a diagram showing a configuration of a positioning geomagnetic map creation system according to the first embodiment of the present invention.
  • a geomagnetic map generation device 200 a positioning device 300, an arbitrary device 400, a positioning device 500, and a machine learning device 600 are connected.
  • IFs (interfaces) 203, 303, 402, 501, and 601 in FIG. 2 represent a wired communication IF, a wireless communication IF, a storage IF, or a user IF that enable data exchange between the devices.
  • FIG. 3 is a diagram in which the above-described positioning geomagnetic map creation system is divided into a preparation phase implementation element and a measurement phase implementation element, and is basically equivalent to FIG.
  • the geomagnetic map generation apparatus 200 includes a geomagnetic sensor 201 and a geomagnetic measurement unit 202.
  • the geomagnetism measurement unit 202 links the geomagnetism measured by the geomagnetism sensor and creates a geomagnetism pattern associated with the measurement path.
  • the geomagnetism measurement unit 202 transmits the geomagnetic pattern thus created to the positioning device 500 so that the positioning device 500 can handle it.
  • the geomagnetic measurement unit 202 may move or copy the geomagnetic pattern to a location (physical storage or network storage) accessible from the positioning device 500. Note that the above-described measurement path and positioning path will be described as being set from, for example, the path design apparatus 700 shown in FIG.
  • the positioning apparatus 500 includes a geomagnetic map creation unit 502, a geomagnetic path editing unit 503, a noise applying unit 504, a geomagnetic map recording unit 505, a geomagnetic reception unit 506, a coordinate determination unit 507, and a maximum likelihood path selection unit 508. And comprising.
  • the geomagnetic map creation unit 502 reads a geomagnetic pattern measured along the measurement path created by the geomagnetic map generation apparatus 200.
  • the geomagnetic map creation unit 502 assigns a unique identifier to the measurement path, and creates a map (associative array) with the measurement path identifier as a key and the measurement path coordinates and the geomagnetic pattern as values.
  • the geomagnetic map creation unit 502 stores the created map in the geomagnetism map recording unit 505 and outputs it to the geomagnetic path editing unit 503 side as a geomagnetic map.
  • the geomagnetic path editing unit 503 performs a process of converting (editing) the granularity of the geomagnetic map created by the geomagnetic map creating unit 502 into a map having a granularity and orientation (two-way prepared) that matches the positioning path.
  • FIG. 4 is a view for explaining the relationship between the positioning area, the measurement path, and the positioning path and the geomagnetic map editing process in the first embodiment of the present invention.
  • A-> C, D-> F, A-> D, B-> E, C as shown in the middle part of FIG. -> F can cover the positioning area with 5 measurement paths.
  • the geomagnetic path editing unit 503 performs an editing process for the geomagnetic map created by the geomagnetic map creating unit 502.
  • the geomagnetic path editing unit 503 reads the geomagnetic map and the positioning path, and for each positioning path created in advance (see the lower part of FIG. 4), the measurement path whose coordinates match the geomagnetic map And search for it as the positioning geomagnetic path.
  • the measurement path B-> C since the measurement path B-> C has the same coordinates as the positioning path, it is used as it is as the positioning geomagnetic path B-> C.
  • the geomagnetic path editing unit 503 If there is no measurement path with the matching coordinates, the geomagnetic path editing unit 503 generates a path with the matching coordinates by dividing, combining, and inverting one or more measurement paths, and uses the path as a positioning geomagnetic path.
  • A: Division When the positioning path is shorter than the measurement path, the geomagnetic path editing unit 503 divides the measurement path as shown in FIG. (A: Combined) When a positioning path spans a plurality of measurement paths, the paths including the measurement paths are combined.
  • C Inversion
  • the direction of the positioning path is opposite to the direction of the measurement path, the measurement path is inverted.
  • the geomagnetic pattern corresponding to the measurement path is also divided / combined / inversion (see the chart on the right side of FIG. 5).
  • the geomagnetic path editing unit 503 assigns a unique identifier to the positioning geomagnetic path whose granularity and orientation (prepared in both directions) are adjusted by the division / combination / inversion processing, and includes the identifier as a key, and the positioning including the coordinates and the geomagnetic pattern. Create a map (associative array) with geomagnetic paths as values. The geomagnetic path editing unit 503 outputs the created map as a positioning geomagnetic map to the noise applying unit 504 side.
  • the noise applying unit 504 adds zero or more kinds of noises with arbitrary weights to the geomagnetic pattern of each positioning geomagnetic path that forms the positioning geomagnetic map created by the geomagnetic path editing unit 503, and adds it to the geomagnetism for learning.
  • the noise added by the noise adding unit includes noise such as white noise and colored noise, and external factor noise. The reason why the number of types of noise is set to zero or more is that it is not necessary to add noise to a path that does not require the addition of noise, that is, a positioning path that does not easily generate noise in the measurement phase.
  • the external factor noise can be created by simulating the attitude of the apparatus for measuring geomagnetism, the movement of the apparatus, and the sensor characteristics of the apparatus.
  • Examples of the simulation conditions include the following.
  • As the movement speed a movement pattern of a device under measurement (terminal user or the like) that moves along the positioning path can be used.
  • the noise applying unit 504 adds the noise to one geomagnetic pattern and generates one or more learning geomagnetic patterns.
  • the combination of noise types to be added and the weighting may be changed.
  • the noise adding unit 504 creates a map (associative array) with the learning geomagnetic pattern as a value using the positioning geomagnetic path identifier as a key, and the created map corresponds to the learning geomagnetic pattern map (corresponding to the learning geomagnetic map). ) To the machine learning device 600 side.
  • the geomagnetism receiving unit 506 receives a positioning geomagnetic pattern from the positioning device 300.
  • the geomagnetism receiving unit 506 changes the positioning geomagnetic pattern to a type that can be input to the machine learning device 600 as necessary, and transmits it to the machine learning device 600 as a positioning geomagnetic pattern to be positioned.
  • the maximum likelihood path selection unit 508 receives the positioning geomagnetic path likelihood from the machine learning device 600 as a response to the positioning geomagnetic pattern of the positioning target. In addition, the maximum likelihood path selection unit 508 outputs the positioning geomagnetic path with the highest likelihood as the estimated positioning path.
  • the coordinate determination unit 507 outputs the end point coordinates of the estimated positioning path received from the maximum likelihood path selection unit 508 as the estimated coordinates.
  • the output estimated coordinates are used by, for example, the position information utilization unit 401 mounted on an arbitrary device 400.
  • Examples of the position information utilization unit 401 include a map application and a navigation application installed in an arbitrary device 400.
  • the measured device 300 includes a geomagnetic sensor 301 and a geomagnetic measurement unit 302.
  • the geomagnetism measurement unit 302 creates a positioning geomagnetic pattern by combining the geomagnetism measured by the geomagnetic sensor 301 and transmits it to the positioning device 500 side.
  • the machine learning device 600 includes a machine learning training unit 602, a classifier recording unit 603, and a machine learning prediction unit 604.
  • the machine learning training unit 602 uses the learning geomagnetic pattern as feature quantity data for each key / value pair of the learning geomagnetic pattern map (corresponding to the learning geomagnetic map) created by the noise applying unit 504. Then, teacher data is created with the positioning geomagnetic path identifier as a label. The machine learning training unit 602 performs machine learning training based on each created teacher data, and generates a learning model. The machine learning training unit 602 stores the generated learning model in the classifier recording unit 603 as a classifier.
  • the machine learning prediction unit 604 When the machine learning prediction unit 604 receives the positioning geomagnetic pattern to be positioned from the geomagnetism receiving unit 506 of the positioning device 500, the machine learning prediction unit 604 inputs the positioning geomagnetic pattern of the positioning target to the classifier stored in the classifier recording unit 603. The likelihood of each positioning geomagnetic path is obtained. The machine learning prediction unit 604 transmits the likelihood obtained using the classifier as the positioning geomagnetic path likelihood to the positioning device 500.
  • Each unit (processing means) of the positioning geomagnetic map creation system shown in FIGS. 2 and 3 is executed by a computer program that causes a computer constituting these devices to execute the above-described processes using the hardware. It can also be realized.
  • FIG. 6 is a flowchart showing the overall operation of the positioning geomagnetic map creation system according to the first embodiment of the present invention.
  • the path design apparatus 700 performs path design (step S101). Specifically, in the positioning area shown in the upper part of FIG. 4, the measurement path and the positioning path are defined as shown in the middle and lower parts of FIG.
  • the path may include start point coordinates, end point coordinates, and zero or more intermediate point coordinates.
  • the geomagnetism map generating apparatus 200 measures geomagnetism along each measurement path and creates a geomagnetic pattern (step S102).
  • a geomagnetism map is created in which data having measurement path identifiers as keys and measurement paths and geomagnetic patterns as values are collected (step S103).
  • the processes in steps S101 to S103 are the same as those performed in the preparation phase described as the background art.
  • the positioning device 500 executes a geomagnetic map editing process (step S104). Specifically, the positioning device 500 takes out a measurement path whose coordinates coincide with each positioning path from the geomagnetic map and sets it as a positioning geomagnetic path. When there is no measurement path with the matching coordinates, the positioning device 500 creates a geomagnetic pattern corresponding to the positioning path by dividing, combining, and inverting the measurement path.
  • the positioning device 500 executes a noise applying process (step S105). Specifically, the positioning device 500 adds zero or more kinds of noises with arbitrary weights to the geomagnetic pattern of each positioning geomagnetic path constituting the edited positioning geomagnetic map, and uses it as a learning geomagnetic pattern. .
  • the machine learning device 600 creates teacher data with the learning geomagnetic pattern as feature quantity data and the positioning geomagnetic path identifier that is the basis of the learning geomagnetic pattern as a label, performs supervised machine learning, and learns.
  • the classifier obtained by the above is recorded (step S106). As described above, each process in steps S104 to S106 is performed in addition to the preparation phase described as the background art (see steps S101 to S103 in FIG. 7).
  • the to-be-measured apparatus 300 measures the geomagnetism to obtain a positioning geomagnetic pattern.
  • the positioning device 300 transmits a positioning geomagnetic pattern to the positioning device 500 (step S201).
  • step S202 when the positioning device 500 receives the positioning geomagnetic pattern from the positioning device 300 (step S202), the positioning device 500 inputs the positioning geomagnetic pattern to the classifier and calculates each positioning geomagnetic path likelihood for the positioning geomagnetic pattern. Obtain (step S204a).
  • the positioning device 500 sets the positioning geomagnetic path with the highest likelihood as the estimated positioning path (step S204b). Finally, the positioning device 500 sets the end point coordinates of the estimated positioning path as the estimated coordinates of the positioning device (step S205).
  • the noise removal process of step S203 is presence or absence. That is, in the positioning phase using the classifier created using the present invention, since the classifier is created by adding noise in the preparation phase, it is not necessary to remove the noise. Accordingly, in the estimation of the geomagnetic path in steps S204a and S204b, the estimated positioning path can be selected by selecting the positioning geomagnetic path with the highest likelihood of each positioning geomagnetic path with respect to the positioning geomagnetic pattern.
  • machine learning training can be performed based on geomagnetism and position including a plurality of external factor noises, so that a correct position can be calculated.
  • the reason is that when complex external factor noise (for example, multiple types of external factor noise) is added to the geomagnetism, it is difficult to remove the noise. This is because a configuration for creating a classifier that takes into account noise is taken into account.
  • the step of removing the external factor noise from the geomagnetic pattern becomes unnecessary, so that the time required for positioning can be shortened.
  • noise application and machine learning training are required in the preparation phase.
  • the reduction in the process of removing the external factor noise contributes to the reduction of development man-hours.
  • a process of applying noise is necessary, but it is easier to apply noise than removing noise. 4).
  • this embodiment has an advantage that the type and weight of noise to be applied can be determined according to the characteristics of the path to be measured in advance (positioning area characteristics). Positioning accuracy can be improved by performing constant noise removal during positioning. 5).
  • the geomagnetic map is generated from the measurement paths and positioning paths that can be defined independently, the number of measurement paths is minimized, the geomagnetic measurement process is reduced, and the positioning paths can be made variable. A precise positioning accuracy design is possible.
  • any two or more of the devices 200, 300, 500, and 600 shown in FIGS. 2 and 3 are integrated into one device.
  • the geomagnetic map generation apparatus 200 and the positioning apparatus 300 may be the same apparatus.
  • the two or more processing units shown in FIGS. 2 and 3 can be integrated or further subdivided.
  • a system configuration in which the geomagnetism receiving unit 506, the maximum likelihood path selecting unit 508, and the coordinate determining unit 507 in FIGS. 2 and 3 are integrated into one processing unit can be employed.
  • a system configuration in which a part of two or more processing units in FIGS. 2 and 3 is moved to another apparatus can also be adopted.
  • the maximum likelihood path selection unit 508 and the coordinate determination unit 507 may be arranged in the positioning target device 300.
  • a configuration in which the device to be measured 300 directly accesses the machine learning prediction unit 604 of the machine learning device 600 and acquires the likelihood of each positioning geomagnetic path can be employed.
  • a system configuration using a nonlinear classification model such as a neural network or a support vector machine can be adopted as the mathematical model of the machine learning training unit 602 and the classifier of the machine learning device 600 in FIGS.
  • a system configuration using a linear classification model such as logistic regression or a naive Bayes classifier can be adopted as the mathematical model of the machine learning training unit 602 and the classifier of the machine learning device 600 in FIGS.
  • the noise applying unit 504 instead of the identifier that can uniquely identify the positioning geomagnetic path, an identifier that can identify the positioning geomagnetic path and the external factor noise type is assigned, and the teacher data is used as a label. You can also adopt the method of creating. In this way, it is possible to calculate the external factor noise type, and it is possible to specify the posture, moving speed, moving direction, and sensor characteristics of the positioning target device 300.
  • the past positioning geomagnetic path likelihood, the past estimated positioning path, and the past estimated coordinates A method of determining an estimated positioning path and estimated coordinates by using can also be adopted. For example, it is possible to adopt a configuration in which a positioning geomagnetic path with the highest positioning geomagnetic path likelihood is selected from the estimated positioning paths using the positioning geomagnetic path likelihood for a certain period in the past from the present. In addition, when the calculated estimated coordinates are significantly different from the previously calculated estimated coordinates, it is possible to adopt a configuration in which it is determined that there is an estimation error and past estimated coordinates are output.
  • the estimated coordinates can be corrected using position information obtained using a gyro sensor, an acceleration sensor, or the like.
  • a method of generating a positioning geomagnetic map directly from a geomagnetic map by omitting the measurement path splitting / combining / determination processing in the geomagnetic path editing unit 503 of FIGS.
  • a method in which a positioning geomagnetic map is generated by using a measurement path divided at regular intervals instead of a positioning geomagnetic path can be considered.
  • a direct external factor noise (difference due to sensor type, terminal holding method, walking method actually occurs)
  • a method of applying noise can also be adopted.
  • a method of performing both virtual external factor noise application and direct external factor noise application can be employed.
  • the external factor noise can be determined for each positioning geomagnetic path based on an external factor generated in the positioning device in the positioning area.
  • the external factor noise can be determined for each positioning geomagnetic path based on the estimated moving speed of the positioning device in the positioning area. [Seventh form] By using the positioning geomagnetic map created by using the positioning geomagnetic map creating method, a position measuring method for specifying the position without removing the external factor noise is provided.
  • Geomagnetic Map Generation Device 201, 301 Geomagnetic Sensor 202, 302 Geomagnetic Measurement Unit 203, 303, 402, 501, 601 IF (Interface) 300 Positioned Device 400 Arbitrary Device 401 Position Information Utilizing Unit DESCRIPTION OF SYMBOLS 500 Positioning apparatus 502 Geomagnetic map creation part 503 Geomagnetic path edit part 504 Noise provision part 505 Geomagnetic map recording part 506 Geomagnetic receiving part 507 Coordinate determination part 508 Maximum likelihood path selection part 600 Machine learning apparatus 602 Machine learning training part 603 Classifier recording part 604 Machine learning prediction unit 700 Path design device

Landscapes

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

Abstract

地磁気を用いた測位の精度向上。測位エリアの地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成する。前記測位地磁気マップの地磁気パターンに所定のノイズを付加して、学習用の地磁気マップを生成する。前記ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成する。

Description

測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システム
　（関連出願についての記載）
　本発明は、日本国特許出願：特願２０１６－１８５７７６号（２０１６年９月２３日出願）の優先権主張に基づくものであり、同出願の全記載内容は引用をもって本書に組み込み記載されているものとする。
　本発明は、測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システムに関し、特に、地磁気を用いた測位に用いる測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システムに関する。
　位置推定方法は幾つかあるが、屋内で使用可能であり、かつ測位装置の設置が不要な位置推定方法はごく一部に限られる。例えば、衛星測位（Ｇｌｏｂａｌ　Ｎａｖｉｇａｔｉｏｎ　Ｓａｔｅｌｌｉｔｅ　Ｓｙｓｔｅｍ（ＧＮＳＳ）／Ｇｌｏｂａｌ　Ｐｏｓｉｔｉｏｎｉｎｇ　Ｓｙｓｔｅｍ（ＧＰＳ））は屋内では衛星からの信号が届かず使えないことが多い。無線ビーコン測位は、屋内へのビーコン信号発信機の設置が不可欠である。
　屋内で使用可能であり、かつ測位装置の設置が不要な位置推定方法に、地磁気測位がある（特許文献１参照）。地磁気測位は各位置における地磁気の大きさと向きの偏りを利用した測位方法であり、準備フェーズと測位フェーズから成る。準備フェーズでは、パスとパス上で計測された地磁気パターンからなる地磁気マップを生成する。測位フェーズでは、被測位装置が計測した地磁気パターンと最も類似する地磁気マップに含まれる地磁気パターンを選び、その地磁気パターンの対となるパスの座標を推定座標とする。
　図７は、地磁気測位における一般的フローを示す。地磁気測位の不可欠な工程として、外的要因ノイズの除去工程がある。外的要因ノイズとは、例えば、端末のセンサ種別に起因する地磁気計測値のバイアスやスケーリングファクタや、端末の持ち方や歩き方に起因する地磁気計測値の向き成分の回転などが挙げられる。測位フェーズで地磁気同士を突き合わせる際は、図８に示す通り、ノイズ除去工程により、外部要因の影響を除外することが必要となる。
　特許文献１では、外的要因ノイズの除去工程として、位置に対応付けて予め収集しておいた環境磁気データベースから、現在地の環境磁気データを取り出し、取得した磁気データを補正することで、外部要因の影響を除外している。
特開２０１３－２１０８６６号公報
　以下の分析は、本発明によって与えられたものである。上記した地磁気測位の問題点として、外的要因ノイズの種類が多岐に渡るため、除去が困難であることが挙げられる。例えば、特許文献１においても、自律航法による取得された相対位置に基づいて算出された現在地を用いて、環境磁気データを取得しているが、そもそも自律航法による測位機能が使えない場合には対応できない。また、特許文献１の方法では、現在地という位置以外の外部要因で発生するノイズを除去することも不可能である。
　本発明は、地磁気を用いた測位の精度向上に貢献できる測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システムを提供することを目的とする。
　第１の視点によれば、測位エリアの地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成し、前記測位地磁気マップの地磁気パターンに所定のノイズを付加して、学習用の地磁気マップを生成し、前記ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成する、測位用地磁気マップの作成方法が提供される。本方法は、測定した地磁気マップを保持するメモリと、ノイズの付加処理及び分類器作成処理を行うプロセッサとを備えるコンピュータという、特定の機械に結びつけられている。
　第２の視点によれば、上記した方法を用いて作成された測位用地磁気マップを用いた位置測定方法（測位方法）及びノイズ測定方法が提供される。
　第３の視点によれば、測位エリアの地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成する手段を含む測位用地磁気マップの作成システムが提供される。このシステムは、さらに、前記測位地磁気マップの地磁気パターンに所定のノイズを付加して、学習用の地磁気マップを生成する手段を含む。このシステムは、さらに、前記ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成する手段を含む。
　本発明によれば、地磁気を用いた測位の精度向上に貢献することが可能となる。即ち、本発明は、背景技術に示した測位用地磁気マップの作成システムを、その測位精度を飛躍的に向上させたシステムへと変換するものとなっている。
本発明の一実施形態を説明するための図である。 本発明の第１の実施形態の測位用地磁気マップの作成システムの構成を示す図である。 本発明の第１の実施形態の測位用地磁気マップの作成システムを準備フェーズ実施要素と、測位フェーズ実施要素とに切り分けた図である。 本発明の第１の実施形態における測位エリア、計測パス及び測位パスの関係と地磁気マップの編集工程を説明するための図である。 計測パスの分割、結合、反転処理を説明するための図である。 本発明の第１の実施形態の測位用地磁気マップの作成システムの全体動作を表した流れ図である。 背景技術として説明する地磁気測位の準備フェーズと、計測フェーズの例を示す流れ図である。 背景技術として説明する地磁気測位におけるノイズ除去の意義を説明するための図である。
　はじめに本発明の一実施形態の概要について図面を参照して説明する。なお、この概要に付記した図面参照符号は、理解を助けるための一例として各要素に便宜上付記したものであり、本発明を図示の態様に限定することを意図するものではない。また、以降の説明で参照する図面等のブロック間の接続線は、双方向及び単方向の双方を含む。一方向矢印については、主たる信号（データ）の流れを模式的に示すものであり、双方向性を排除するものではない。
　本発明は、その一実施形態において、図１に示すとおり、測位用地磁気マップの作成システムは、準備フェーズにおいて、測位エリアの地磁気を計測し、測位パス（測位地磁気マップのパスに相当）と、地磁気パターン（吹き出し内チャート参照）とを対応付けた測位地磁気マップを作成する（ステップＳ００１）。次に、測位用地磁気マップの作成システムは、前記測位地磁気マップの地磁気パターンに所定の外的要因ノイズを付加して、学習用の地磁気マップを生成する（ステップＳ００２）。ここで、外的要因ノイズとしては、センサ種別、端末（被計測装置）の持ち方、歩き方の差異をシミュレートしたノイズが挙げられる。
　最後に、測位用地磁気マップの作成システムは、この外的要因ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成する（ステップＳ００３）。
　以上のように、外的要因ノイズが加わった地磁気マップを用いた機械学習を行うことで、外的要因ノイズが加わった地磁気パターンを前提とした分類器が作成される。これにより、例えば、図１の外的要因ノイズ付与後の地磁気パターンと、図８の測位フェーズの被測位装置が計測した地磁気パターン（図８の右側中段のチャート参照）との同定が可能となる。よって、計測フェーズのノイズ除去が不要化される。ノイズ除去が不要化されるということは、ノイズ除去の困難性に伴う判定精度の劣化を抑えることが可能となることを意味する。
［第１の実施形態］
　続いて、本発明の第１の実施形態について図面を参照して詳細に説明する。図２は、本発明の第１の実施形態の測位用地磁気マップの作成システムの構成を示す図である。図２を参照すると、地磁気マップ生成用装置２００と、被測位装置３００と、任意の装置４００と、測位装置５００と、機械学習装置６００と、が接続された構成が示されている。なお、図２中のＩＦ（インタフェース）２０３、３０３、４０２、５０１、６０１は、装置間でのデータのやりとりを可能とする有線通信ＩＦ、無線通信ＩＦ、ストレージＩＦ、またはユーザＩＦを表し、装置間の物理的な接続構成や、各装置が準拠する規格などに応じて種々のものを採用することができる。図３は、上記測位用地磁気マップの作成システムを準備フェーズ実施要素と、計測フェーズ実施要素とに切り分けた図であり、基本的には図２と等価である。
　地磁気マップ生成用装置２００は、地磁気センサ２０１と、地磁気計測部２０２と、を備える。地磁気計測部２０２は、地磁気センサで計測された地磁気を連ねて、計測パスと紐付けられた地磁気パターンを作成する。地磁気計測部２０２は、測位装置５００で扱えるように、測位装置５００に対して、このように作成した地磁気パターンを送信する。前記地磁気計測部２０２が地磁気パターンを送信することに代えて、地磁気計測部２０２が、測位装置５００からアクセス可能な場所（物理ストレージやネットワークストレージ）に、地磁気パターンを移動又はコピーすることでもよい。なお、上記した計測パスや測位パスは、例えば、図３に示すパス設計装置７００から設定されるものとして説明する。
　測位装置５００は、地磁気マップ作成部５０２と、地磁気パス編集部５０３と、ノイズ付与部５０４と、地磁気マップ記録部５０５と、地磁気受信部５０６と、座標決定部５０７と、最尤パス選択部５０８と、を備える。
　はじめに、図２の測位装置５００中の準備フェーズ実施要素（図３参照）について説明する。地磁気マップ作成部５０２は、地磁気マップ生成用装置２００にて作成された計測パスに沿って測定された地磁気パターンを読み込む。地磁気マップ作成部５０２は、計測パスにユニークな識別子を付与し、計測パス識別子をキー、計測パス座標と地磁気パターンを値とするマップ（連想配列）を作成する。地磁気マップ作成部５０２は、作成したマップを、地磁気マップ記録部５０５に格納するとともに、地磁気マップとして地磁気パス編集部５０３側に出力する。
　地磁気パス編集部５０３は、地磁気マップ作成部５０２にて作成された地磁気マップの粒度を、測位パスと一致する粒度や向き（双方向用意する）のマップに変換（編集）する処理を行う。
　図４は、本発明の第１の実施形態における測位エリア、計測パス及び測位パスの関係と地磁気マップの編集工程を説明するための図である。図４の上段に示すように２つの遮蔽物が存在する測位エリアの場合、図４の中段に示すように、Ａ－＞Ｃ、Ｄ－＞Ｆ、Ａ－＞Ｄ、Ｂ－＞Ｅ、Ｃ－＞Ｆの５本の計測パスで測位エリアをカバーすることができる。しかしながら、この計測パスのままでは、ノードＡからノードＣへと被計測装置が移動した場合に、被計測装置がノードＣに位置することを判別することができるものの、ノードＡとノードＣとの間に位置している被計測装置の位置を特定できない。そこで、地磁気パス編集部５０３は、地磁気マップ作成部５０２にて作成された地磁気マップの編集処理を実施する。
　具体的には、地磁気パス編集部５０３は、地磁気マップと測位パスを読み込み、予め作成された各測位パス（図４の下段参照）に対して、測位パスと座標が一致する計測パスを地磁気マップから検索し、それを測位地磁気パスとする。なお、図４の例では、計測パスＢ－＞Ｃは測位パスと座標が一致するため、測位地磁気パスＢ－＞Ｃとしてそのまま使われることになる。
　座標が一致する計測パスが無い場合、地磁気パス編集部５０３は、１つ以上の計測パスの分割・結合・反転を行うことで座標が一致するパスを生成し、それを測位地磁気パスとする。
（ア：分割）測位パスが計測パスより短い場合、地磁気パス編集部５０３は、図５に示すように、その計測パスを分割する。
（イ：結合）測位パスが複数の計測パスにまたがる場合、その計測パスを含むパスを結合する。
（ウ：反転）測位パスの向きと計測パスの向きが逆の場合、その計測パスを反転する。
　なお、上記した計測パスの分割・結合・反転処理において、計測パスに対応する地磁気パターンの分割・結合・反転も一緒に行われることになる（図５の右側のチャート参照）。
　地磁気パス編集部５０３は、前記分割・結合・反転処理により粒度や向き（双方向用意する）が調整された測位地磁気パスにユニークな識別子を付与し、識別子をキー、座標と地磁気パターンを含む測位地磁気パスを値とするマップ（連想配列）を作成する。地磁気パス編集部５０３は、作成したマップを測位地磁気マップとしてノイズ付与部５０４側に出力する。
　ノイズ付与部５０４は、地磁気パス編集部５０３にて作成された測位地磁気マップを構成する各測位地磁気パスの地磁気パターンに、０種類以上のノイズを任意の重みづけで加えて、それを学習用地磁気パターンとする。ノイズ付与部で付加するノイズとしては、ホワイトノイズやカラードノイズ等の雑音や、外的要因ノイズが含まれる。なお、ノイズの種類を０種類以上としているのは、ノイズを加える必要のないパス、即ち、計測フェーズにおいてノイズの発生しにくい測位パスについては、ノイズを付加しなくてもよいからである。
　ここで、外的要因ノイズについて説明する。外的要因ノイズは、地磁気を測定する装置の姿勢や、装置の移動や、装置のセンサ特性をシミュレートして作成することができる。これらのシミュレート条件としては、以下のようなものを挙げることができる。
（ア）装置の姿勢シミュレートでは、地磁気の三次元ベクトルの、任意の三次元回転を行う。
（イ）装置の移動速度シミュレートでは、地磁気パターンのサンプリングレート変更を行う。即ち、移動速度が速いパスでは地磁気パターンのサンプリング間隔を広げ、遅いパスでは間隔を狭める。移動速度としては、当該測位パスを移動する被計測装置（端末ユーザ等）の移動パターンなどを用いることができる。移動速度が常に固定となるパスでは、移動速度シミュレートノイズを付与しない。移動速度が様々になり得る測位パスでは、様々な移動速度をシミュレートしたノイズを付与することもできる。
（ウ）装置の移動方向シミュレートでは、地磁気の三次元ベクトルの水平回転を行う。
（エ）装置のセンサ特性シミュレートでは、地磁気のオフセットとスケール補正を行う。
　ノイズ付与部５０４は、１つの地磁気パターンに対して、上記ノイズを付加し、１つ以上の学習用地磁気パターンを生成する。複数の学習用地磁気パターンを生成する場合、加えるノイズ種類の組み合わせや重みづけを変えてもよい。
　ノイズ付与部５０４は、測位地磁気パスの識別子をキーに、学習用地磁気パターンを値とするマップ（連想配列）を作成し、作成したマップを学習用地磁気パターンマップ（上記学習用の地磁気マップに相当）として機械学習装置６００側に出力する。
　続いて、図２の測位装置中の測位フェーズ実施要素（図３参照）について説明する。地磁気受信部５０６は、被測位装置３００から測位地磁気パターンを受信する。地磁気受信部５０６は、必要に応じて、測位地磁気パターンを機械学習装置６００に入力可能な型に変更し、測位対象の測位地磁気パターンとして機械学習装置６００に送信する。
　最尤パス選択部５０８は、上記測位対象の測位地磁気パターンに対する応答として機械学習装置６００から測位地磁気パス尤度を受信する。その上で、最尤パス選択部５０８は、最も尤度の高い測位地磁気パスを推定測位パスとし、出力する。
　座標決定部５０７は、最尤パス選択部５０８から受信した推定測位パスの終点座標を推定座標として出力する。出力された推定座標は、例えば、任意の装置４００に搭載された位置情報利用部４０１にて使用される。位置情報利用部４０１としては、任意の装置４００にインストールされた地図アプリケーションやナビゲーションアプリケーション等が挙げられる。
　被測位装置３００は、地磁気センサ３０１と、地磁気計測部３０２と、を備える。地磁気計測部３０２は、地磁気センサ３０１で計測された地磁気を連ねて、測位地磁気パターンを作成し、測位装置５００側に送信する。
　機械学習装置６００は、機械学習訓練部６０２と、分類器記録部６０３と、機械学習予測部６０４とを備える。
　機械学習訓練部６０２は、ノイズ付与部５０４にて作成された学習用地磁気パターンマップ（上記学習用の地磁気マップに相当）の各キーと値の対に対して、学習用地磁気パターンを特徴量データ、測位地磁気パスの識別子をラベルとした教師データを作成する。機械学習訓練部６０２は、作成した各教師データをもとに機械学習の訓練を行い、学習モデルを生成する。機械学習訓練部６０２は、生成された学習モデルを分類器（ｃｌａｓｓｉｆｉｅｒ）として分類器記録部６０３に格納する。
　機械学習予測部６０４は、測位装置５００の地磁気受信部５０６から測位対象の測位地磁気パターンを受信すると、分類器記録部６０３に格納されている分類器に、当該測位対象の測位地磁気パターンを入力し、各測位地磁気パスの尤度を得る。機械学習予測部６０４は、測位装置５００に対し、測位地磁気パス尤度として、分類器を用いて得られた尤度を送信する。
　なお、図２、３に示した測位用地磁気マップの作成システムの各部（処理手段）は、これらの装置を構成するコンピュータに、そのハードウェアを用いて、上記した各処理を実行させるコンピュータプログラムにより実現することもできる。
　続いて、本実施形態の動作について図面を参照して詳細に説明する。図６は、本発明の第１の実施形態の測位用地磁気マップの作成システムの全体動作を表した流れ図である。図６に示したように、準備フェーズでは、まず、パス設計装置７００にてパス設計が行われる（ステップＳ１０１）。具体的には、図４の上段に示した測位エリア内で、図４の中段、下段に示すような計測パスと測位パスの定義が行われる。パスは、始点座標、終点座標、0個以上の中間点の座標を含んでいてもよい。
　次に、地磁気マップ生成用装置２００にて、各計測パスに沿った地磁気の測定と、地磁気パターンの作成が行われる（ステップＳ１０２）。
　次に、測位装置５００にて、計測パス識別子をキー、計測パスと地磁気パターンを値とするデータをまとめた地磁気マップが作成される（ステップＳ１０３）。以上、ステップＳ１０１～Ｓ１０３における各処理は、背景技術として説明した準備フェーズにおいて行われているものと同等である。
　次に、測位装置５００は、地磁気マップ編集工程を実行する（ステップＳ１０４）。具体的には、測位装置５００は、各測位パスと座標が一致する計測パスを地磁気マップから取り出し、測位地磁気パスとする。座標が一致する計測パスが無い場合、測位装置５００は、計測パスの分割・結合・反転により、測位パスに対応する地磁気パターンを作成する。
　次に、測位装置５００は、ノイズ付与工程を実行する（ステップＳ１０５）。具体的には、測位装置５００は、編集後の測位地磁気マップを構成する各測位地磁気パスの地磁気パターンに、０種類以上のノイズを任意の重みづけで加えて、それを学習用地磁気パターンとする。
　次に、機械学習装置６００は、学習用地磁気パターンを特徴量データ、学習用地磁気パターンの元となった測位地磁気パスの識別子をラベルとした教師データを作成し、教師あり機械学習を行い、学習により得られた分類器を記録する（ステップＳ１０６）。以上、ステップＳ１０４～Ｓ１０６における各処理は、背景技術として説明した準備フェーズ（図７のステップＳ１０１～Ｓ１０３参照）に対して追加で行われているものである。
　図６に示したように、測位フェーズでは、まず、被測位装置３００が、地磁気を計測し、測位地磁気パターンとする。被測位装置３００は、測位地磁気パターンを測位装置５００に送信する（ステップＳ２０１）。
　次に、測位装置５００は、被測位装置３００から測位地磁気パターンを受信すると（ステップＳ２０２）、測位装置５００は、分類器に測位地磁気パターンを入力し、測位地磁気パターンに対する各測位地磁気パス尤度を取得する（ステップＳ２０４ａ）。
　次に、測位装置５００は、最も尤度の高い測位地磁気パスを推定測位パスとする（ステップＳ２０４ｂ）。最後に、測位装置５００は、推定測位パスの終点座標を被測位装置の推定座標とする（ステップＳ２０５）。
　以上のような本発明を用いて作成された分類器を用いた測位フェーズと、背景技術として示した図７のステップＳ２０１～Ｓ２０５の測位フェーズとの大きな相違点は、ステップＳ２０３のノイズ除去工程の有無である。即ち、本発明を用いて作成された分類器を用いた測位フェーズでは、準備フェーズにて、先にノイズを付加して分類器を作成しているため、ノイズを除去する必要がない。これに伴い、ステップＳ２０４ａ、Ｓ２０４ｂの地磁気パスの推定においても、測位地磁気パターンに対する各測位地磁気パスの尤度が最も高い測位地磁気パスを選択することで、推定測位パスを選択可能となっている。
　以上のような本実施形態の効果をまとめると下記のとおりとなる。 
１．本実施形態で説明した方法によれば、複数の外的要因ノイズを含んだ地磁気と位置による機械学習の訓練も行えるため、正しい位置を算出できる。その理由は、地磁気に複雑な外的要因ノイズ（例えば複数種類の外的要因ノイズ）が加わる場合、ノイズ除去が困難であるところ、外的要因ノイズを事前に学習前のデータに付加し、外的要因ノイズを加味した分類器を作成する構成を採用したことにある。
２．上述のとおり、地磁気パターンから外的要因ノイズを除去する工程が不要となるため、測位に要する時間の短縮を図ることができる。なお、本実施形態では、準備フェーズにおけるノイズ付与と機械学習の訓練が必要となっているが、これらは測位毎に行う必要はなく、準備フェーズの一度で済む。
３．上記外的要因ノイズを除去する工程の削減は、開発工数の削減にも貢献する。本実施形態では、ノイズを付与する工程が必要となっているが、ノイズ除去よりノイズ付与の方が容易である。
４．さらに、本実施形態では、予め測位するパスの特性（測位エリアの特性）に応じて付与するノイズの種類や重み付けを決定できるという利点がある。測位時に一定のノイズ除去を行うことにより、測位精度を向上できる。
５．さらに、本実施形態では、独立して定義可能な計測パスと測位パスから地磁気マップを生成するため、計測パスの数を最小限として地磁気計測工程を削減しつつ、測位パスを可変とするといった柔軟な測位精度設計が可能となる。
　以上、本発明の各実施形態を説明したが、本発明は、上記した実施形態に限定されるものではなく、本発明の基本的技術的思想を逸脱しない範囲で、更なる変形・置換・調整を加えることができる。例えば、各図面に示した装置構成、各要素の構成、データの表現形態は、本発明の理解を助けるための一例であり、これらの図面に示した構成に限定されるものではない。以下、本発明のいくつかの変形形態について例示的に列挙する。
　図２、図３に示した地磁気マップ生成用装置２００、被測位装置３００、測位装置５００、機械学習装置６００のなかで、いずれか２つ以上の装置を一つの装置に一体化したシステム構成も採用できる。例えば、地磁気マップ生成用装置２００と被測位装置３００を同一の装置としてもよい。
　図２、図３の２つ以上の処理ユニットは、一体化したり、さらに細分化したりした構成も採用可能である。例えば、図２、図３の地磁気受信部５０６、最尤パス選択部５０８、座標決定部５０７を一つの処理ユニットに一体化したシステム構成も採用できる。
　図２、図３の２つ以上の処理ユニットの一部を、別の装置に移したシステム構成も採用できる。例えば、最尤パス選択部５０８、座標決定部５０７を被測位装置３００に配置してもよい。さらには、被測位装置３００が、直接、機械学習装置６００の機械学習予測部６０４にアクセスし、各測位地磁気パスの尤度を取得する構成も採用できる。
　図２、図３における機械学習装置６００の機械学習訓練部６０２および分類器の数理モデルに、ニューラルネットワークやサポートベクターマシンなどの非線形分類モデルを用いたシステム構成も採用できる。
　図２、図３における機械学習装置６００の機械学習訓練部６０２および分類器の数理モデルに、ロジスティック回帰や単純ベイズ分類器などの線形分類モデルを用いたシステム構成も採用できる。
　図２、図３におけるノイズ付与部５０４において、測位地磁気パスを一意に識別可能な識別子の代わりに、測位地磁気パスと外的要因ノイズ種別とを識別可能な識別子を付与し、ラベルとした教師データを作成する方法も採用できる。このようにすることで、外的要因ノイズ種別の計算が可能となり、被測位装置３００の姿勢、移動速度、移動方向、センサ特性を特定可能になる。
　図２、図３における最尤パス選択部５０８と座標決定部５０７において、地磁気マップと測位地磁気パス尤度に加えて、過去の測位地磁気パス尤度、過去の推定測位パス、及び過去の推定座標を用いて、推定測位パスと推定座標を決定する方法も採用することができる。例えば、現在から過去一定期間の測位地磁気パス尤度を用いた推定測位パスのうち、測位地磁気パス尤度が最も高い測位地磁気パスを選択する構成を採用することができる。また、算出された推定座標が前回算出された推定座標と大きく異なる場合、推定誤りと判定して、過去の推定座標を出力する構成を採用することもできる。
　図２、図３における座標決定部５０７において、最尤パス選択部５０８で得られた推定測位パスに加えて、他の測位技術で得られた結果を元に推定座標を決定する方法も採用できる。例えば、ジャイロセンサや加速度センサなどを用いて得られている位置情報を用いて推定座標を補正することも可能である。
　また、図２、図３の地磁気パス編集部５０３における計測パスの分割・結合・判定処理を省略し、地磁気マップから直接測位地磁気マップを生成する方法も採用可能である。例えば、計測パスを一定間隔で分割したものを測位地磁気パスの代わりに使用し、測位地磁気マップを生成する方法などが考えられる。
　また、図２、図３のノイズ付与部５０４における仮想的な外的要因ノイズの付与の代わりに、直接的な外的要因ノイズ（センサ種別、端末の持ち方、歩き方による差異を実際に発生させたノイズ）の付与を行う方法も採用できる。また、仮想的な外的要因ノイズの付与と、直接的な外的要因ノイズの付与の双方を行う方法も採用できる。
　最後に、本発明の好ましい形態を要約する。
［第１の形態］
　（上記第１の視点による測位用地磁気マップの作成方法参照）
［第２の形態］
　前記学習用地磁気パターンマップには、前記外的要因ノイズの種別に応じたラベルが付加されており、前記外的要因ノイズの種別に応じて測位地磁気パスを推定する分類器を作成する方法を採ることができる。
［第３の形態］
　前記外的要因ノイズは、被測位装置のセンサ種別に基づいて決定することができる。
［第４の形態］
　前記外的要因ノイズは、測位エリアにおける被測位装置の推定姿勢に基づいて、測位地磁気パス毎に決定することができる。
［第５の形態］
　前記外的要因ノイズは、測位エリアにおける被測位装置に発生する外的要因に基づいて、測位地磁気パス毎に決定することができる。
［第６の形態］
　前記外的要因ノイズは、測位エリアにおける被測位装置の推定移動速度に基づいて、測位地磁気パス毎に決定することができる。
［第７の形態］
　前記測位用地磁気マップの作成方法を用いて作成された測位用地磁気マップを用いることで、前記外的要因ノイズの除去を行わずに位置を特定する位置測定方法が提供される。
［第８の形態］
　前記測位用地磁気マップの作成方法を用いて作成された測位用地磁気マップを用いて被測位装置の外的要因ノイズを測定する外的要因ノイズ測定方法であって、前記機械学習により作成された分類器を用いて外的要因ノイズを特定する外的要因ノイズ測定方法が提供される。
［第９の形態］
　（上記第３の視点による測位用地磁気マップの作成システム参照）
　なお、上記第９の形態は、第１の形態と同様に、第２～第６の形態に展開することが可能である。
　なお、上記の特許文献の開示を、本書に引用をもって繰り込むものとする。本発明の全開示（請求の範囲を含む）の枠内において、さらにその基本的技術思想に基づいて、実施形態ないし実施例の変更・調整が可能である。また、本発明の開示の枠内において種々の開示要素（各請求項の各要素、各実施形態ないし実施例の各要素、各図面の各要素等を含む）の多様な組み合わせ、ないし選択が可能である。すなわち、本発明は、請求の範囲を含む全開示、技術的思想にしたがって当業者であればなし得るであろう各種変形、修正を含むことは勿論である。特に、本書に記載した数値範囲については、当該範囲内に含まれる任意の数値ないし小範囲が、別段の記載のない場合でも具体的に記載されているものと解釈されるべきである。
　２００　地磁気マップ生成用装置
　２０１、３０１　地磁気センサ
　２０２、３０２　地磁気計測部
　２０３、３０３、４０２、５０１、６０１　ＩＦ（インタフェース）
　３００　被測位装置
　４００　任意の装置
　４０１　位置情報利用部　
　５００　測位装置
　５０２　地磁気マップ作成部
　５０３　地磁気パス編集部
　５０４　ノイズ付与部
　５０５　地磁気マップ記録部
　５０６　地磁気受信部
　５０７　座標決定部
　５０８　最尤パス選択部
　６００　機械学習装置
　６０２　機械学習訓練部
　６０３　分類器記録部
　６０４　機械学習予測部
　７００　パス設計装置

Claims (12)

  1. 　測位エリアの地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成し、
    　前記測位地磁気マップの地磁気パターンに所定のノイズを付加して、学習用の地磁気マップを生成し、
    　前記ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成する、
    　測位用地磁気マップの作成方法。
  2. 　前記学習用の地磁気マップには、前記ノイズの種別に応じたラベルが付加されており、被測位装置のノイズの種別を推定する分類器を作成する請求項１の測位用地磁気マップの作成方法。
  3. 　前記ノイズは、被測位装置のセンサ種別に基づいて決定される請求項１又は２の測位用地磁気マップの作成方法。
  4. 　前記ノイズは、前記測位エリアにおける被測位装置の推定姿勢に基づいて、測位パス毎に決定される請求項１又は２の測位用地磁気マップの作成方法。
  5. 　前記ノイズは、前記測位エリアにおける被測位装置に発生する外的要因に基づいて、測位パス毎に決定される請求項１又は２の測位用地磁気マップの作成方法。
  6. 　前記ノイズは、前記測位エリアにおける被測位装置の推定移動速度に基づいて、測位パス毎に決定される請求項１又は２の測位用地磁気マップの作成方法。
  7. 　請求項１から６いずれか一の測位用地磁気マップの作成方法を用いて作成された測位用地磁気マップを用いて被測位装置の位置を測定する位置測定方法であって、
    　前記ノイズの除去を行わずに位置を特定する位置測定方法。
  8. 　請求項２から６いずれか一の測位用地磁気マップの作成方法を用いて作成された測位用地磁気マップを用いて被測位装置のノイズを測定するノイズ測定方法であって、
    　前記機械学習により作成された分類器を用いてノイズを特定するノイズ測定方法。
  9. 　測位エリアの地磁気を計測し、測位パスと、地磁気パターンとを対応付けた測位地磁気マップを作成する手段と、
    　前記測位地磁気マップの地磁気パターンに所定のノイズを付加して、学習用の地磁気マップを生成する手段と、
    　前記ノイズが付加された前記学習用の地磁気マップを用いて、機械学習を行って分類器を作成する手段と、
    　を含む測位用地磁気マップの作成システム。
  10. 　地磁気を用いた位置推定方法であって、
    　計測パスに沿って地磁気を計測して得られた地磁気パターンに基づいて、測位パスと、前記測位パスに対応する地磁気パターンと、を対応付けた測位地磁気マップを作成し、
    　前記測位地磁気マップの地磁気パターンに所定のノイズを付加して学習用の地磁気マップを作成し、
    　対象装置の測位地磁気パターンと前記学習用の地磁気マップとに基づいて、前記対象装置の推定座標を取得する、位置推定方法。
  11. 　前記学習用の地磁気マップに基づく機械学習を行って分類器を作成し、
    　前記分類器に前記対象装置の測位地磁気パターンを入力して得られる情報に基づいて、前記対象装置の推定座標を取得する、請求項１０に記載の位置推定方法。
  12. 　前記所定のノイズは、複数種類のノイズを含む、請求項１０に記載の位置推定方法。
PCT/JP2017/034247 2016-09-23 2017-09-22 測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システム WO2018056391A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016185776A JP6954717B2 (ja) 2016-09-23 2016-09-23 測位用分類器の作成方法、位置測定方法、外的要因ノイズ特定方法及び測位用分類器の作成システム
JP2016-185776 2016-09-23

Publications (1)

Publication Number Publication Date
WO2018056391A1 true WO2018056391A1 (ja) 2018-03-29

Family

ID=61690424

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2017/034247 WO2018056391A1 (ja) 2016-09-23 2017-09-22 測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システム

Country Status (2)

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

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2021100865A1 (ja) * 2019-11-22 2021-05-27
US20210341553A1 (en) * 2018-09-10 2021-11-04 Tissot Sa Magnetometer calibration or setting

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101971734B1 (ko) * 2018-07-26 2019-04-23 영남대학교 산학협력단 실내 측위 장치 및 방법
JP7078117B2 (ja) * 2018-08-02 2022-05-31 日本電気株式会社 屋内位置推定装置、屋内位置推定方法及びプログラム
JP7078116B2 (ja) * 2018-08-02 2022-05-31 日本電気株式会社 屋内位置推定装置、ユーザー端末、屋内位置推定方法及びプログラム
JP2020079770A (ja) * 2018-11-14 2020-05-28 ソフトバンク株式会社 位置推測サーバ、通信端末、及び位置検出方法
JPWO2020195892A1 (ja) * 2019-03-28 2020-10-01
KR102079281B1 (ko) * 2019-06-17 2020-02-19 영남대학교 산학협력단 실내외 환경 검출 방법 및 이를 수행하기 위한 장치 및 시스템
JP7338483B2 (ja) * 2020-01-14 2023-09-05 富士通株式会社 学習用データ生成プログラム、装置、及び方法
WO2023140656A1 (ko) * 2022-01-24 2023-07-27 삼성전자 주식회사 지자기 데이터를 이용하여 위치를 검출하는 전자 장치 및 그 제어 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003215259A (ja) * 2002-01-22 2003-07-30 Yamaha Corp 情報収集システムおよび地震予知方法
WO2012172741A1 (ja) * 2011-06-13 2012-12-20 パナソニック株式会社 ノイズパターン取得装置、および、それを備える位置検知装置
JP2013210866A (ja) * 2012-03-30 2013-10-10 Sony Corp 磁気データ処理装置、磁気データ処理方法、磁気データ収集装置、磁気データ収集方法、及びプログラム

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
FI124665B (en) * 2012-01-11 2014-11-28 Indooratlas Oy Creating a magnetic field map for indoor positioning
US20140320121A1 (en) * 2013-04-26 2014-10-30 Indooratlas Oy Measurements of earth's magnetic field indoors
KR101625757B1 (ko) * 2014-11-25 2016-05-31 한국과학기술원 무선랜 라디오맵 자동 구축 방법 및 시스템
JP6093791B2 (ja) * 2015-03-12 2017-03-08 エヌ・ティ・ティ・コミュニケーションズ株式会社 測位装置、測位方法、測位プログラム、および、測位システム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2003215259A (ja) * 2002-01-22 2003-07-30 Yamaha Corp 情報収集システムおよび地震予知方法
WO2012172741A1 (ja) * 2011-06-13 2012-12-20 パナソニック株式会社 ノイズパターン取得装置、および、それを備える位置検知装置
JP2013210866A (ja) * 2012-03-30 2013-10-10 Sony Corp 磁気データ処理装置、磁気データ処理方法、磁気データ収集装置、磁気データ収集方法、及びプログラム

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210341553A1 (en) * 2018-09-10 2021-11-04 Tissot Sa Magnetometer calibration or setting
JP2022501618A (ja) * 2018-09-10 2022-01-06 チソット・エス アー 磁力計の較正又は設定
US11808826B2 (en) 2018-09-10 2023-11-07 Tissot Sa Magnetometer calibration or setting
JP7462650B2 (ja) 2018-09-10 2024-04-05 ティソ・エス アー 磁力計の較正又は設定
JPWO2021100865A1 (ja) * 2019-11-22 2021-05-27
WO2021100865A1 (ja) * 2019-11-22 2021-05-27 愛知製鋼株式会社 位置推定方法及び位置推定システム
JP7360059B2 (ja) 2019-11-22 2023-10-12 愛知製鋼株式会社 位置推定方法及び位置推定システム
EP4064251A4 (en) * 2019-11-22 2023-12-13 Aichi Steel Corporation LOCATION ESTIMATION METHOD AND LOCATION ESTIMATION SYSTEM

Also Published As

Publication number Publication date
JP2018048967A (ja) 2018-03-29
JP6954717B2 (ja) 2021-10-27

Similar Documents

Publication Publication Date Title
WO2018056391A1 (ja) 測位用地磁気マップの作成方法、位置測定方法、ノイズ測定方法及び測位用地磁気マップの作成システム
CN104897154B (zh) 基于手机的室内地磁导航方法及装置
Zhang et al. A lightweight and accurate localization algorithm using multiple inertial measurement units
CN108732584A (zh) 用于更新地图的方法和装置
KR101808095B1 (ko) 사용자 단말의 위치 측정 방법 및 장치
CN107110650A (zh) 在能观测性方面受约束的导航状态的估计方法
US9357520B2 (en) Methods and systems for signal diffusion modeling for a discretized map of signal strength
US10533874B2 (en) Inertial positioning and navigation device featuring a novel walk detection method
ZA202201092B (en) Trajectory reconstruction method and apparatus, computer device and storage medium
CN109581281A (zh) 基于到达时间差和到达频率差的移动目标定位方法
CN109931952A (zh) 未知纬度条件下捷联惯导直接解析式粗对准方法
CN104640201A (zh) 基于wifi指纹技术的定位方法和装置
Zhang et al. The indoor localization method based on the integration of RSSI and inertial sensor
US20150211845A1 (en) Methods and Systems for Applying Weights to Information From Correlated Measurements for Likelihood Formulations Based on Time or Position Density
TWI706295B (zh) 用於確定軌跡的系統和方法
US20210201011A1 (en) Data processing method for multi-sensor fusion, positioning apparatus and virtual reality device
Moreno-Salinas et al. Optimal sensor trajectories for mobile underwater target positioning with noisy range measurements
Brunner et al. Quaternion-based IMU and stochastic error modeling for intelligent vehicles
Shoushtari et al. L5in+: From an analytical platform to optimization of deep inertial odometry
JP6696253B2 (ja) 経路推定装置、経路推定方法及びプログラム
CN117709000B (zh) 无人潜航器仿真方法、装置、计算机设备、介质
US20230070440A1 (en) Magnetic indoor positioning with magnetometer calibration errors equaliziation
JP6562431B1 (ja) サーバ装置、システム、方法およびプログラム
KR20230115182A (ko) 딥러닝 기반의 측위 지점 예측 시스템 및 그 방법
CN118348512A (zh) 激光雷达和gps的外参标定方法、装置、设备和存储介质

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: 17853159

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 17853159

Country of ref document: EP

Kind code of ref document: A1