Recommandé
Contenu connexe
En vedette
En vedette (11)
Plus de Ubi NAIST
Plus de Ubi NAIST (20)
Dernier
Dernier (11)
YAMATO:ウェアラブル屋内フロアマップ生成システム
- 1. YAMATO： ウェアラブル屋内フロアマップ生成システム 奈良先端科学技術大学院大学（NAIST） 柏本 幸俊，安本 慶一 ※YAMATO = Yielding A floor MAp system by a smarT phOne
- 5. 屋内フロアマップ作成の問題点 屋内フロアマップは通常，施設管理者が作成 Google インドアマップ 問題点 提供されるのは大型施設のみ 屋内フロアマップが存在しない場合， • ユーザによる作成が必要 • 安価で負担の少ない作成方法が必要 5 / 33
- 7. 屋内ナビゲーションに向けた 建物ネットワーク構造の抽出[1] スマートフォン内蔵センサ（加速度センサ，角速度センサ， 無線LAN）よりユーザの移動軌跡の推定 複数の移動軌跡の共通部分より建物ネットワーク構造を抽出 スマートフォンのみで ✔ 建物の構造を抽出可能 部屋の配置が不明だと ✘ ナビゲーションは不可能 [1] 建物内移動情報の部分マッチングに基づく建物構造生成, DICOMO2013 7 / 33 トイレは いったい どこ？
- 8. 画像処理による屋内マップ作成[2] ユーザが撮影した屋内地図画像より作成 画像処理により壁位置を抽出 写真を１度撮影するのみで ✔ 屋内マップを入手可能 撮影 アップロード 画像処理 画像処理における抽出不足や誤抽出 ✘ 画像処理不可能な場合は手動編集 ✘実際と異なる縮尺 [2] クラウドソーシングによる屋内構造地図情報の構築と収集, 信学技報，2011-11 8 / 33 屋内マップ
- 9. 本研究のアプローチ オープンストリートマップ（OSM） ボランティアで屋外地図を作成 ユーザが自主的にGPSロガを購入 ユーザの移動軌跡より地図作成 OSMの様に屋内マップを作成 • 安価なデバイスによる作成 • 身につけて歩きまわるだけで自動作成 9 / 33 GPSロガ
- 12. 課題と解決方針 （課題）安価・小型デバイスによる少データ量・低精度 超音波センサ サンプリング周波数：10Hz 定常誤差：10%（回折波などによる） （解決方針） 部屋形状を長方形として推定 分散特徴量による壁位置の推定 12 / 33
- 13. フロアマップ生成２ステップ センサガジェット 超音波センサ スマートフォン内蔵センサ 方位センサ 加速度センサ マップ生成 Step1. 部屋形状の推定 部屋形状推定 13 / 33 Step2.接続関係による フロアマップ生成 部屋の位置調整 フロアマップ
- 15. 説明に用いる実験環境 実験環境：280 cm x 300 cm 実験シナリオ：データロガーを持ち，部屋の中で適当に歩行 実験時間：6分間 北 超音波センサ 280cm 実験風景 15 / 33 ユーザ θ=方位角 300cm
- 16. 部屋形状推定の概要 目的 超音波・方位センサを用いて部屋を長方形としてサイズを推定 処理ブロック 壁の位置データ 収集 壁方向の推定 部屋サイズ 算出 280cm 超音波センサ 16 / 33 方位センサ 300cm
- 17. 超音波センサ＋方位センサ 超音波 センサ ユーザ 方位センサで超音波センサの向きを測定 距離データと計測した方向を紐付け 測定距離-角度データ 距離 (CM) 北 角度(度) 17 / 33
- 18. 壁方向の推定 目的 収集データより壁クラスタ（＝壁-壁距離のみのデータ群）を抽出 方法 壁の位置データ 収集 分散特徴量 の算出 18 / 33 壁方向の推定 部屋サイズ 算出 移動窓による 壁クラスタの抽出 壁の方位の推定
- 19. 角度毎の分散特徴量を利用した壁データの抽出(1/2) 超音波センサが壁と垂直＝角度毎の距離分散が小 𝑑𝑑1 + 𝑑𝑑2 𝑑𝑑1 𝑑𝑑2 分散小 0° 超音波センサが壁と垂直以外＝角度毎の距離分散が大 𝑑𝑑1 + 𝑑𝑑2 θ 分散大 0° 45° 19 / 33 θ
- 20. 角度毎の分散特徴量を利用した壁データの抽出(2/2) 測定距離ー角度データ 距離 (cm) 5000 分散小 4000 3000 2000 1000 0 壁クラスタ 0 100 200 300 北 0° 270° 180° 20 / 33 90° 角度毎の分散 角度(度) 分散ー角度データ 500000 400000 300000 200000 100000 0 0 100 200 300 角度（度） 0° 90° 180° 270°
- 21. 壁方向の推定 目的 収集データより壁クラスタ（＝壁-壁距離のみのデータ群）を抽出 方法 壁の位置データ 収集 分散特徴量 の算出 21 / 33 壁方向の推定 部屋サイズ 算出 移動窓による 壁クラスタの抽出 壁の方位の推定
- 23. 壁方向の推定 目的 収集データより壁クラスタ（＝壁-壁距離のみのデータ群）を抽出 方法 壁の位置データ 収集 分散特徴量 の算出 23 / 33 壁方向の推定 部屋サイズ 算出 移動窓による 壁クラスタの抽出 壁の方位の推定
- 25. 部屋形状推定の概要 目的 各壁クラスタの平均距離より部屋サイズを算出 処理ブロック データ 壁方向の推定 部屋サイズ 算出 距離誤差 推定値 • 東西方向：18cm 246cm • 南北方向：34cm 真値 280cm 282cm 方位誤差 • 10° 300cm 25 / 33 壁クラスタ毎の 平均測定距離より算出 誤差要因 • 壁設置の本棚
- 26. スマートハウスでの実験 部屋名 寝室 リビング 真値 257 x 611 353 x 641 推定値 230 x 443 324 x 383 611 誤差要因 • 壁設置障害物の影響 • 超音波が到達不能 玄 関 ク ロ ー ゼ ット キッ チン 寝室 257 リビング 353 641 26 / 33 (単位: cm)
- 27. フロアマップ生成２ステップ センサガジェット 超音波センサ スマートフォン内蔵センサ 方位センサ 加速度センサ マップ生成 Step1. 部屋形状の推定 部屋形状推定 27 / 33 Step2.接続関係による フロアマップ生成 部屋の位置調整 フロアマップ
- 28. 接続関係によるフロアマップ生成概要 目的 部屋サイズデータと部屋接続関係データよりフロアマップを生成 処理 R1 R3 R4 R2 接続関係に 基づいた 部屋の整列 部屋サイズデータ R2 R1北：R2 R2南：R1 R2 R3 R1 部屋接続関係データ 28 / 33 R4 R1 完成フロアマップ
- 29. 部屋接続関係の推定 目的 超音波・方位・加速度センサより部屋間の接続関係を推定 処理ブロック 加速度センサ 方位センサ ユーザの状態推定 （ ex. 歩行） ユーザの移動方位 （ex.南に移動） ドア通過検出 超音波センサ 29 / 33 R2 ドア R1 ユーザ R2→R1 R2 R1北：R2 R2南：R1 R1 部屋接続関係データ
- 30. ドア通過の検出 超音波センサの計測距離の時間変化 例：ユーザがR2→R1移動 R2 ドア ユーザの移動 30 / 33 R1 計測距離 ドア通過に伴う変化 時間
- 31. 実験 環境： NAIST A棟 ４階 実験条件：各部屋のサイズ・接続関係 アルゴリズム設計・実行環境：Ubuntu 12.04, Python2.7 結果 会議室 荒 川 先 生 玉 井 先 生 秘 書 室 安 本 先 生 通路 学生居室 正解屋内マップ 31 / 33 生成された屋内マップ
- 33. まとめ 超音波センサガジェットとスマートフォンによる 屋内フロアマップ自動生成手法の提案 小型・安価なウェアラブルデバイスによるマップ生成 部屋形状を長方形として推定 各部屋の接続関係を用いた屋内マップ生成 今後の予定 部屋サイズ推定精度の向上 障害物が存在する部屋への対応 超音波が届かない広い部屋への対応 長方形でない部屋への対応 システム全体の評価 33 / 33