Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

YAMATO:ウェアラブル屋内フロアマップ生成システム

1,956 views

Published on

安価な超音波センサを用い,ユーザがフロアを歩きまわることによって,自動的にフロアマップを作成するシステムに関する研究.

情報処理学会DPSワークショップ2013,口頭発表,奨励賞受賞

Published in: Technology
  • Be the first to comment

YAMATO:ウェアラブル屋内フロアマップ生成システム

  1. 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
  2. 2. 概要  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   ユーザが日常的に所持可能な安価なデバイスによるフロアマップ生成 ユーザがデバイスを身につけて通常どおりの行動することで 自動的にフロアマップ生成 2 / 33
  3. 3. 目次 1. 2. 3. 4. 背景 関連研究 提案システム まとめと今後の予定 3 / 33
  4. 4. 屋内ナビゲーションへの注目 複雑な地下街 ♪~ 屋内フロアマップ 目的地までのナビ  屋内ナビゲーションを行うには屋内フロアマップが必要 4 / 33
  5. 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
  6. 6. 目次 1. 2. 3. 4. 背景 関連研究 提案システム まとめと今後の予定 6 / 33
  7. 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. 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. 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
  10. 10. 目次 1. 2. 3. 4. 背景 関連研究 提案システム まとめと今後の予定 10 / 33
  11. 11. 提案システムの概要 他ユーザからの提供 (特徴1) センサガジェット サーバ 部屋形状 データ (特徴2) 超音波センサ 互いに反対方向に2つ (壁-壁の距離を測定) 11 / 33 屋内フロアマップ (特徴3) スマートフォン (加速度,方位センサ)
  12. 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. 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
  14. 14. プロトタイプデバイス(データロガ) 加速度 センサ 方位 センサ NXP mbed 超音波 センサ    計測データをcsv形式でmbed内部FLASHに記憶 サンプリングレート  加速度・方位センサ:100kHz  超音波センサ:10Hz 計測データをPython2.7で処理 14 / 33
  15. 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. 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. 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. 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. 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. 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. 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
  22. 22. 移動窓による壁クラスタの抽出 分散ー角度データ 500000 移動窓 角度毎の分散 450000 400000 (移動窓に含まれる測定点数)≧3 350000 300000 250000 200000 壁クラスタ 150000 100000 50000 0 0 22 / 33 100 角度(度) 200 300
  23. 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
  24. 24. 壁の方位の推定 分散ー角度データ 500000 角度毎の分散 180° 90° 450000 270° 340° 400000 350000 300000 250000 200000 150000 100000 50000 0 0 24 / 33 100 角度(度) 200 300
  25. 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. 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. 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. 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. 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. 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. 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
  32. 32. 目次 1. 2. 3. 4. 背景 関連研究 提案システム まとめと今後の予定 32 / 33
  33. 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

×