TOP特許意匠商標
特許ウォッチ Twitter
10個以上の画像は省略されています。
公開番号2024083940
公報種別公開特許公報(A)
公開日2024-06-24
出願番号2022198042
出願日2022-12-12
発明の名称推定装置、当該推定装置を備える移動ロボット、推定方法およびコンピュータプログラム
出願人国立大学法人千葉大学
代理人個人,個人,個人
主分類G01S 19/49 20100101AFI20240617BHJP(測定;試験)
要約【課題】慣性センサの測定値から移動体の速度や位置を高精度に推定することができる、推定装置、当該推定装置を備える移動ロボット、推定方法およびコンピュータプログラムを提供する。
【解決手段】本開示の推定装置は、慣性センサによって測定される移動体の加速度および回転角を取得する第1のデータ取得部と、時系列データを取り扱える機械学習モデルであって、加速度および回転角を逐次入力として受け取り、当該加速度および回転角に基づいて、移動体の速度を逐次推定する第1の機械学習モデルとを備える。
【選択図】図2
特許請求の範囲【請求項1】
慣性センサによって測定される移動体の加速度および回転角を取得する第1のデータ取得部と、
時系列データを取り扱える機械学習モデルであって、前記加速度および前記回転角を逐次入力として受け取り、該加速度および該回転角に基づいて、前記移動体の速度を逐次推定する第1の機械学習モデルと
を備える、推定装置。
続きを表示(約 1,200 文字)【請求項2】
前記第1の機械学習モデルは、第1のLSTMを含む、請求項1に記載の推定装置。
【請求項3】
前記第1の機械学習モデルは、
前記第1のLSTMの前段に設けられる第1の正規化層と、
前記第1の正規化層の前段に設けられる第1の全結合層と、
前記第1のLSTMの後段に設けられる第2の全結合層と
をさらに含む、請求項2に記載の推定装置。
【請求項4】
前記移動体の複数の時刻における加速度を記憶する記憶部をさらに備え、
前記第1の機械学習モデルは、前記移動体の前記複数の時刻における加速度を逐次入力として受け取り、該複数の時刻における加速度に基づいて、前記移動体の前記速度を逐次推定する、請求項1に記載の推定装置。
【請求項5】
前記第1の機械学習モデルはさらに、前記加速度および前記回転角に基づいて、前記移動体の速度差分を逐次推定する、請求項1に記載の推定装置。
【請求項6】
GNSSから速度データを取得する第2のデータ取得部をさらに備え、
前記第1の機械学習モデルは、前記速度データを逐次入力として受け取り、該速度データにさらに基づいて、前記移動体の前記速度を逐次推定する、請求項1に記載の推定装置。
【請求項7】
時系列データを取り扱える機械学習モデルであって、前記第1の機械学習モデルによって推定される前記移動体の前記速度、および前記回転角を逐次入力として受け取り、該速度および該回転角に基づいて、前記移動体の第1の位置を逐次推定する第2の機械学習モデルをさらに備える、請求項1に記載の推定装置。
【請求項8】
前記第2の機械学習モデルは、第2のLSTMを含む、請求項7に記載の推定装置。
【請求項9】
前記第2の機械学習モデルは、
前記第2のLSTMの前段に設けられる第2の正規化層と、
前記第2の正規化層の前段に設けられる第3の全結合層と、
前記第2のLSTMの後段に設けられる第4の全結合層と、
前記第4の全結合層の後段に設けられる第5の全結合層と
をさらに含む、請求項8に記載の推定装置。
【請求項10】
GNSSから位置データを取得して前記移動体の第2の位置とする第3のデータ取得部と、
前記第1の位置および前記第2の位置に基づいて、第1の動作モードから第2の動作モードへ切り替えるか否か、または前記第2の動作モードから前記第1の動作モードへ切り替えるか否かを決定するモード切替部と
をさらに備え、
前記第1の動作モードでは、前記第1の位置が前記移動体の正確な位置として採用され、
前記第2の動作モードでは、前記第2の位置が前記移動体の正確な位置として採用される、請求項7に記載の推定装置。
(【請求項11】以降は省略されています)

発明の詳細な説明【技術分野】
【0001】
本開示は、推定装置、当該推定装置を備える移動ロボット、推定方法およびコンピュータプログラムに関する。
続きを表示(約 1,500 文字)【背景技術】
【0002】
移動体の速度や位置を推定する方法として、全球測位衛星システム(Global Navigation Satellite System:GNSS)を利用して速度データや位置データを取得する方法が知られている。しかしながら、屋内環境等でGNSSの電波を受信できない場合には、GNSSからデータを取得することができない。また、屋外環境であってもマルチパス等の影響を受ける場合には、GNSSから取得されるデータの精度が低下してしまう。
【0003】
GNSSを利用できない場合や、利用できても取得されるデータの精度が低い場合に対処するために、移動体に慣性センサ(Inertial Measurement Unit:IMU)を搭載し、慣性センサの測定値に基づいて移動体の速度や位置を推定することが行われている。具体的には、慣性センサによって測定される加速度を積分して速度を推定し、推定された速度をさらに積分して位置を推定する。
【0004】
しかしながら、上記のように慣性センサの測定値を積分する方法では、時間の経過とともに誤差が累積していき、推定される速度や位置が次第に不正確になってしまうという欠点がある。
【先行技術文献】
【非特許文献】
【0005】
Uche Onyekpe, Vasile Palade and Stratis Kanarachos, “Learning to Localise Automated Vehicles in Challenging Environments using Inertial Navigation Systems (INS),” Appl. Sci. 2021, 11(3), 1270
【発明の概要】
【発明が解決しようとする課題】
【0006】
本開示は、上記のような課題を解決するためのものであり、慣性センサの測定値から移動体の速度や位置を高精度に推定することができる、推定装置、当該推定装置を備える移動ロボット、推定方法およびコンピュータプログラムを提供することを目的とする。
【課題を解決するための手段】
【0007】
上記の課題を解決するために、本開示に係る推定装置は、慣性センサによって測定される移動体の加速度および回転角を取得する第1のデータ取得部と、時系列データを取り扱える機械学習モデルであって、加速度および回転角を逐次入力として受け取り、当該加速度および回転角に基づいて、移動体の速度を逐次推定する第1の機械学習モデルとを備える。
【0008】
また、本開示に係る移動ロボットは、上記の推定装置を備える。
【0009】
また、本開示に係る推定方法は、慣性センサによって測定される移動体の加速度および回転角を取得するステップと、加速度および回転角を、時系列データを取り扱える第1の機械学習モデルに逐次入力し、当該第1の機械学習モデルによって逐次推定される移動体の速度を取得するステップとを含む。
【0010】
また、本開示に係るコンピュータプログラムは、慣性センサによって測定される移動体の加速度および回転角を取得するステップと、加速度および回転角を、時系列データを取り扱える第1の機械学習モデルに逐次入力し、当該第1の機械学習モデルによって逐次推定される移動体の速度を取得するステップとをコンピュータに実行させる。
【図面の簡単な説明】
(【0011】以降は省略されています)

特許ウォッチbot のツイートを見る
この特許をJ-PlatPatで参照する
Flag Counter

関連特許