物體位置推定系統、物體位置推定裝置、物體位置推定方法及物體位置推定程序的製作方法

2023-11-09 05:11:37 3

專利名稱：物體位置推定系統、物體位置推定裝置、物體位置推定方法及物體位置推定程序的製作方法
技術領域：
本發明涉及根據觀測機構所觀測到的數據例如按照觀測時刻的早晚順序來推定在環境內存在的物體的位置的物體位置推定系統、物體位置推定裝置、物體位置推定方法 及物體位置推定程序。
背景技術：
為了利用相機等傳感器識別存在於環境內的對象物體，從而推定對象物體的ID 及在環境內的位置，大致分為5個必要的工序。在第一工序中，通過相機攝像對象物體，得到包括對象物體的圖像數據。在第二工序中，比較預先保持的背景圖像的模板和包括對象物體的圖像數據，得 到差量圖像。在第三工序中，使用使預先保持的圖像數據中的像素位置與環境內位置對應的數 據庫，獲得得到的差量圖像的環境內的物體位置備選。在第四工序中，使用使預先保持的物體的ID與圖像數據對應的資料庫，獲得與得 到的差量圖像對應的物體的ID備選。以下，將第三工序(得到物體位置備選的工序)和第 四工序(得到物體的ID備選的工序)合稱為「物體識別」。在第五工序中，由於在個別的物體的ID備選及位置備選的數據中存在不可靠性， 因此使用過去通過相機得到的物體的ID和位置的數據，推定合理的各物體的位置。以下， 將第五工序稱為「位置推定」。需要進行物體識別處理，在物體識別處理中，從傳感器觀測環境所得到的數據變 換為物體位置推定處理能夠處理的與物體的ID備選和位置備選相關的數據。位置推定所必要的時間(第五工序)比傳感器觀測環境到物體識別結束所必要的 時間(第一工序至第四工序)長。由此，在對於存在於環境內的全部對象物體將物體識別後 的數據個別地進行位置推定的情況下，產生傳感器觀測到環境的時刻與物體識別處理結束 的時刻的延遲時間(響應等待時間)。圖13中示出示例。觀測裝置1的觀測數據1被物體 識別處理，能夠進行物體位置推定處理的時刻為時刻14:17 20 (14時17分20秒)。觀測裝 置2的觀測數據2被物體識別處理，能夠進行物體位置推定處理的時刻為時刻14:17:26。然 而，在時刻14:17:26這一時間點，觀測數據1的物體位置推定處理尚未結束，能夠開始觀測 數據2的物體位置推定處理的時刻從觀測數據1的物體位置推定處理結束的時刻14:17:30 起。由此，觀測數據2的物體位置推定處理必須等待觀測數據1的物體位置推定處理結束。作為減少這樣的裝置等的響應等待時間的方法，例如專利文獻1中公開有如下技 術通過統計處理到當前為止收集的通信狀態或通信設備狀態來求出異常響應的概率，基 於該異常響應的概率數據決定中止(time-out)時間。專利文獻1 日本特開平11-353256號公報然而，物體識別處理所需要的時間依賴於觀測裝置所具備的傳感器的種類及傳感器觀測到的環境狀態，如果沒有傳感器的種類的信息和環境狀態的信息，則無法準確判斷 物體識別處理所需要的時間。其結果是，如果將物體位置推定處理定時的周期設定得相對於物體識別處理所需 要的準確的時間快，則產生物體識別處理的結果等待，另一方面，如果將物體位置推定處理 定時的周期設定得慢，則可能產生物體位置推定處理的結果等待。在此，為了加快物體位 置推定處理定時的周期，需要例如進行物體位置推定處理時的參數調整，或削減用於物體 位置推定處理的物體識別處理結果的信息量，若將物體位置推定處理定時的周期設定得過 快，則過度削減所述物體識別處理結果的信息量，導致物體位置推定精度的下降。相反，若 物體位置推定處理定時的周期設定得過慢，則只能粗略地推定物體的移動軌跡
發明內容
本發明是為了解決所述問題而提出的，其目的在於，提供如下的物體位置推定系 統、物體位置推定裝置、物體位置推定方法及物體位置推定程序，即，基於觀測機構觀測到 的觀測原始數據，事前判斷物體識別處理所需要的時間，使用在從當前的時刻到下一次取 得觀測原始數據的時刻的、能夠進行物體識別處理的時間內能夠可靠地處理未處理的觀測 原始數據的參數來可靠地進行物體位置推定處理，從而同時實現實時處理和物體位置推定 的高精度化雙方。為了達成所述目的，本發明如下構成。根據本發明的第一方案，提供一種物體位置推定系統，其具備觀測機構，其觀測包括存在於環境內的物體的所述環境的狀況，從而取得第一及 第二觀測原始數據；物體識別機構，其根據預先存儲在物體資料庫中的每個所述物體ID的物體識別 數據和所述第一及第二的觀測原始數據的各自的觀測原始數據，分別取得所述物體的ID 及所述物體位置備選，並將所述取得的物體的ID及所述物體位置備選的信息分別存儲到 觀測資料庫中；物體識別處理結束時間預測機構，其根據所述第一及第二觀測原始數據各自的觀 測原始數據取得存在於所述環境內的所述物體的個數，並根據分別取得所述物體的個數的 時刻、所述分別取得的物體的個數、預先存儲的每個所述物體分別取得所述物體的ID及所 述物體位置備選的物體識別處理所需要的時間，分別預測所述物體識別處理的預定結束時 亥IJ，將所述物體識別處理的預定結束時刻分別存儲到所述觀測資料庫中；物體位置推定機構，其取得存儲於所述觀測資料庫中的所述物體的ID和所述物 體位置備選，並根據所述取得的物體的ID及物體位置備選、所述物體位置備選的離散狀 況，推定所述物體的位置；參數決定機構，其在所述物體識別機構結束所述第一觀測原始數據的所述物體識 別處理而取得所述物體的ID及所述物體位置備選的時刻，參照存儲於所述觀測資料庫中 的所述第二觀測原始數據的所述物體識別處理的預定結束時刻，判斷是否存儲有從所述參 照的時刻算起所述第二觀測原始數據的所述物體識別處理的預定結束時刻，在判斷出存儲 有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，參照預先存儲的 每個所述物體進行推定所述物體的位置的位置推定處理所需要的時間，決定在從所述參照的時刻到所述第二觀測原始數據的所述物體識別處理的預定結束時刻的時間內進行所述 物體識別處理結束了的所述第一觀測原始數據的所述物體的位置推定處理的參數，另一方 面，在判斷出未存儲所述第二觀測原始 數據的所述物體識別處理的預定結束時刻的情況 下，設定預先設定的作為基準的參數為進行所述物體識別處理結束了的所述第一觀測原始 數據的所述物體的位置推定處理的參數，所述物體位置推定機構使用所述參數決定機構決定的所述參數，根據所述物體識 別處理結束的數據，進行該數據所包括的所述物體的位置推定處理，並基於所述物體識別 機構取得的所述物體的ID和位置備選推定與所述物體ID相關的所述物體的位置。根據本發明的第六方案，提供一種物體位置推定裝置，其具備數據輸入部，其至少能夠輸入進行了物體識別處理的物體的ID和位置相關的數 據、在所述數據的物體識別處理結束後輸入的所述物體識別處理的預定結束時刻；觀測資料庫，其存儲通過所述數據輸入部接收的與所述物體的ID和位置相關的 數據以及與所述預定輸入時刻相關的數據；物體位置推定機構，其根據存儲於所述觀測資料庫中的與所述物體的ID和位置 相關的數據來推定所述物體的位置；參數決定機構，其參照存儲於所述觀測資料庫中的所述物體識別處理的預定結束 時刻，判斷是否存儲有從所述參照的時刻算起在最早的時刻結束的所述物體識別處理的預 定結束時刻，在判斷出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻 的情況下，參照預先存儲的每個所述物體進行推定所述物體的位置的所述物體識別處理所 需要的時間，決定在從所述參照的時刻到所述第二觀測原始數據的所述物體識別處理的預 定結束時刻的時間內進行所述物體的位置推定處理的參數，另一方面，在判斷出未存儲有 所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，設定預先設定的作 為基準的參數為進行所述物體的位置推定處理的參數，所述物體位置推定機構使用所述參數決定機構決定的所述參數，根據存儲於所述 觀測資料庫中的與所述物體的ID和位置相關的數據進行所述物體的位置推定處理，從而 推定所述物體的位置。根據本發明的第七方案，提供一種物體位置推定方法，其包括由觀測機構觀測環境內的狀況，取得多個觀測原始數據，由物體識別機構基於所述多個觀測原始數據算出在所述觀測機構的觀測範圍內 存在的物體的ID和位置而進行物體識別處理，由物體識別處理結束時間預測機構分別預測基於所述多個觀測原始數據由所述 物體識別機構分別進行的所述物體識別處理結束的時刻而分別存儲到觀測資料庫中，由參數決定機構參照存儲於所述觀測資料庫中的所述物體識別處理的預定結束 時刻判斷是否存儲有從所述參照的時刻算起在最早的時刻結束的所述物體識別處理的預 定結束時刻，在判斷出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的 情況下，由所述參數決定機構參照預先存儲的每個所述物體進行推定所述物體的位置的位 置推定處理所需要的時間，決定在從所述參照的時刻到所述第二觀測原始數據的所述物體 識別處理的預定結束時刻的時間內進行所述物體的位置推定處理的參數，
另一方面，在判斷出未存儲有所述第二觀測原始數據的所述物體識別處理的預定 結束時刻的情況下，由所述參數決定機構設定預先設定的作為基準的參數為進行所述物體 的位置推定處理的參數，由物體位置推定機構使用由所述參數決定機構設定的所述參數，根據通過所述物 體識別處理算出的與所述物體的ID和位置相關的數據，推定所述物體的位置。根據本發明的第八方案，提供一種物體位置推定程序，其用於使計算機實現基於由觀測機構觀測環境內的狀況而取得的多個觀測原始數據，算出在所述觀測 機構的觀測範圍內存在的物體的ID和位置而進行物體識別處理的物體識別處理功能；預測基於所述多個觀測原始數據通過所述物體識別處理功能進行的所述物體識 別處理結束的時刻而分別存儲到觀測資料庫中的處理結束時刻預測功能；參照存儲於所述觀測資料庫中的所述物體識別處理的預定結束時刻，判斷是否存 儲有從所述參照的時刻起在最早的時刻結束的所述物體識別處理的預定結束時刻，在判斷 出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，參照預先 存儲的每個所述物體進行推定所述物體的位置的位置推定處理所需要的時間，決定在從所 述參照的時刻到所述第二觀測原始數據的所述物體識別處理的預定結束時刻的時間內進 行所述物體的位置推定處理的參數，另一方面，在判斷出未存儲有所述第二觀測原始數據 的所述物體識別處理的預定結束時刻的情況下，設定預先設定的作為基準的參數為進行所 述物體的位置推定處理的參數的、參數決定功能；使用由所述參數決定機構設定的所述參數，根據通過所述物體識別處理功能進行 的所述物體識別處理算出的與所述物體的ID和位置相關的數據推定所述物體的位置的物 體位置推定功能。發明效果如上所述，本發明能夠提供如下物體位置推定系統、物體位置推定裝置、物體位置 推定方法及物體位置推定程序，即，根據觀測機構觀測到的觀測原始數據，在事前判斷物體 識別處理所需要的時間、即得到下一次的觀測數據(物體識別處理後的數據)的時間，使用 當前得到的觀測數據決定進行位置的推定的物體數，由此能夠在相對於觀測機構的觀測不 出現延遲的情況下推定物體的位置。


本發明的上述及其他目的和特徵能夠通過與附圖相關的優選的實施方式相關連 的接下來的記述更加清楚。在該附圖中，圖1是表示本發明的第一及第二實施方式所涉及的物體位置推定系統的結構的 框圖，圖2是表示本發明的所述第一及第二實施方式所涉及的物體位置推定系統的物 體資料庫的一例的圖，圖3是表示作為本發明的所述第一及第二實施方式所涉及的觀測機構使用測域 傳感器時的觀測原始數據的一例圖，圖4是表示作為本發明的所述第一及第二實施方式所涉及的觀測機構使用測域 傳感器時的一觀測狀況例的圖，
圖5是表示本發明的所述第一及第二實施方式所涉及的物體位置推定系統的觀 測資料庫的一例的圖，圖6A 是表示利用能夠在所述第一實施方式所涉及的物體位置推定系統中使用的 粒子過濾(particle filter)進行的物體位置推定方法的處理的流程圖，圖6B是表示能夠在所述第二實施方式所涉及的物體位置推定系統中使用的卡爾 曼過濾(kalman filter)的處理狀況例，圖7是表示本發明的所述第一及第二實施方式所涉及的物體位置推定系統中的 物體觀測狀況例的圖，圖8是表示本發明的所述第一實施方式所涉及的物體位置推定結果的一例的圖，圖9是表示本發明的所述第一實施方式所涉及的物體位置推定系統的處理的流 程圖，圖10是表示本發明的所述第一實施方式所涉及的物體位置推定系統的處理的流 程圖，圖IlA是表示本發明的所述第一實施方式所涉及的物體位置推定系統中的粒子 數與處理時間的關係的信息的圖，圖IlB是根據圖5所示的觀測數據及觀測原始數據處理預定結束時刻而推定出物 體的位置時的定時表，圖12是將圖IlB簡化後的、本發明的所述第一實施方式所涉及的定時表圖，圖13是與圖12進行比較的、未使用本發明時的定時表圖，圖14A是粒子數不同的近似精度的比較圖，圖14B是粒子數不同的近似精度的比較圖，圖15是在本發明的所述第一實施方式所涉及的物體位置推定系統中作為觀測裝 置使用相機時的環境背景圖像的一例的說明圖，圖16是作為本發明的所述第一實施方式所涉及的觀測裝置使用相機時的相機輸 入圖像的一例的說明圖，圖17是作為本發明的所述第一實施方式所涉及的觀測裝置使用相機時的差量區 域的圖像的一例的說明圖，圖18是表示本發明的第一實施方式所涉及的粒子數與處理時間的關係的信息的 一例的說明圖，圖19是表示本發明的第一實施方式所涉及的物體位置推定系統的UWB特徵閱讀 器的特徵位置的測位方法的圖，圖20A是表示本發明的第一實施方式所涉及的物體位置推定系統的觀測資料庫 的一例的圖，圖20B是表示本發明的第一實施方式所涉及的物體位置推定系統的觀測資料庫 的另一例的圖，圖21是表示本發明的第三實施方式所涉及的物體位置推定系統的結構的框圖，圖22是表示本發明的第三實施方式所涉及的物體位置推定系統的顯示機構的一 例的圖，圖23是表示本發明的第三實施方式所涉及的物體位置推定系統的顯示機構的一例的圖，圖24是表示本發明的第三實施方式所涉及的物體位置推定系統的顯示機構的一 例的圖，圖25是表示本發明的第三實施方式所涉及的物體位置推定系統的觀測資料庫的 一例的圖，圖26是表示記錄有本發明的第一實施方式所涉及的物體位置推定系統的匹配分 數(matching score)的觀測資料庫的示例的圖。
具體實施例方式以下，根據附圖詳細說明本發明所涉及的實施方式。以下，在參照附圖詳細說明本發明的實施方式之前，說明本發明的各種方案。根據本發明的第一方案，提供一種物體位置推定系統，其具備觀測機構，其觀測包括存在於環境內的物體的所述環境的狀況，從而取得第一及 第二觀測原始數據；物體識別機構，其根據預先存儲在物體資料庫中的每個所述物體的ID的物體識 別數據和所述第一及第二的觀測原始數據的各自的觀測原始數據，分別取得所述物體的ID 及所述物體位置備選，並將所述取得的物體的ID及所述物體位置備選的信息分別存儲到 觀測資料庫中；物體識別處理結束時間預測機構，其根據所述第一及第二觀測原始數據的各自的 觀測原始數據取得存在於所述環境內的所述物體的個數，並根據分別取得所述物體的個數 的時刻、所述分別取得的物體的個數、預先存儲的每個所述物體分別取得所述物體的ID及 所述物體位置備選的物體識別處理所需要的時間，分別預測所述物體識別處理的預定結束 時刻，並且將所述物體識別處理的預定結束時刻分別存儲到所述觀測資料庫中；物體位置推定機構，其取得存儲於所述觀測資料庫中的所述物體的ID和所述物 體位置備選，並根據所述取得的物體的ID及物體位置備選、所述物體位置備選的離散狀 況，推定所述物體的位置；參數決定機構，其在所述物體識別機構結束所述第一觀測原始數據的所述物體識 別處理而取得所述物體的ID及所述物體位置備選的時刻，參照存儲於所述觀測資料庫中 的所述第二觀測原始數據的所述物體識別處理的預定結束時刻，判斷是否存儲有從所述參 照的時刻算起的、所述第二觀測原始數據的所述物體識別處理的預定結束時刻，在判斷出 存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，參照預先存 儲的每個所述物體進行推定所述物體的位置的位置推定處理所需要的時間，決定在從所述 參照的時刻到所述第二觀測原始數據的所述物體識別處理的預定結束時刻的時間內進行 所述物體識別處理結束了的所述第一觀測原始數據的所述物體的位置推定處理的參數，另 一方面，在判斷出未存儲所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情 況下，設定預先設定的作為基準的參數為進行所述物體識別處理結束了的所述第一觀測原 始數據的所述物體的位置推定處理的參數， 所述物體位置推定機構使用所述參數決定機構決定的所述參數，根據所述物體識 別處理結束的數據，進行該數據包括的所述物體的位置推定處理，並基於所述物體識別機構取得的所述物體的ID和位置備選推定與所述物體ID相關的所述物體的位置。根據本發明的第二方案，在第一方案所述的物體位置推定系統的基礎上，所述物體識別數據為所述物體的形狀信息，所述觀測原始數據是由相機攝像的圖像數據，或由測域傳感器取得的區域數據， 或由特徵閱讀器取得的位置數據。根據本發明的第三方案，在第二方案所述的物體位置推定系統的基礎上，所述相 機或所述測域傳感器的物體識別處理為模板匹配處理，此外，所述物體識別機構將在所述模板匹配處理的過程中輸出的匹配分數記錄到 所述觀測資料庫中，所述參數決定機構按照所述匹配分數高的順序決定進行所述位置推定處理的物 體。根據本發明的第四方案，在第一或第二方案所述的物體位置推定系統的基礎上， 所述物體位置推定機構在使用粒子過濾時預先準備每個物體的處理時間與粒子的個數的 關係信息，根據從所述參照的時刻到所述第二觀測原始數據的所述物體識別處理的預定結 束時刻的時間算出由所述粒子過濾能夠處理的物體的個數，在算出的物體的個數與通過所 述物體識別處理識別出的物體的個數相同時，直接使用粒子過濾進行處理，另一方面，在所述算出的物體的個數少於通過所述物體識別處理識別出的物體的 個數時，增加每個物體的所述粒子的個數而進行處理，在所述算出的物體的個數多於通過所述物體識別處理識別出的物體的個數時，減 少每個物體的所述粒子的個數而進行處理。根據本發明的第五方案，在第一 第四中任一方案所述的物體位置推定系統的基 礎上，還具備顯示所述物體位置推定機構推定的結果的顯示機構，所述顯示機構參照所述觀測資料庫顯示下一次的物體識別處理的預定結束時刻 來作為下一次的所述物體位置推定機構的推定結果的輸出時刻，並且顯示為了達到輸出當 前的所述物體位置推定機構的推定結果的目的而得到觀測原始數據的時刻作為得到當前 的所述物體位置推定機構的推定結果的時刻。根據本發明的第六方案，提供一種物體位置推定裝置，其具備數據輸入部，其至少能夠輸入進行了物體識別處理的物體的ID和位置相關的數 據、在所述數據的物體識別處理結束後輸入的所述物體識別處理的預定結束時刻；觀測資料庫，其存儲通過所述數據輸入部接收的與所述物體的ID和位置相關的 數據以及與所述預定輸入時刻相關的數據；物體位置推定機構，其根據存儲於所述觀測資料庫中的與所述物體的ID和位置 相關的數據來推定所述物體的位置；參數決定機構，其參照存儲於所述觀測資料庫中的所述物體識別處理的預定結束 時刻，判斷是否存儲有從所述參照的時刻算起在最早的時刻結束的所述物體識別處理的預 定結束時刻，在判斷出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻 的情況下，參照預先存儲的每個所述物體進行推定所述物體的位置的所述物體識別處理所 需要的時間，決定在從所述參照的時刻到所述第二觀測原始數據的所述物體識別處理的預 定結束時刻的時間內進行所述物體的位置推定處理的參數，另一方面，在判斷出未存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，設定預先設定的作 為基準的參數為進行所述物體的位置推定處理的參數，所述物體位置推定機構使用所述參數決定機構決定的所述參數，根據存儲於所述 觀測資料庫中的與所述物體的ID和位置相關的數據進行所述物體的位置推定處理，從而 推定所述物體的位置。根據本發明的第七方案，提供一種物體位置推定方法，其包括 進行由觀測機構觀測環境內的狀況而取得多個觀測原始數據的觀測，由物體識別機構基於所述多個觀測原始數據算出在所述觀測機構的觀測範圍內 存在的物體的ID和位置而進行物體識別處理，由物體識別處理結束時間預測機構分別預測基於所述多個觀測原始數據由所述 物體識別機構分別進行的所述物體識別處理結束的時刻而分別存儲到觀測資料庫中，由參數決定機構參照存儲於所述觀測資料庫中的所述物體識別處理的預定結束 時刻判斷是否存儲有從所述參照的時刻算起在最早的時刻結束的所述物體識別處理的預 定結束時刻，在判斷出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的 情況下，由所述參數決定機構參照預先存儲的每個所述物體進行推定所述物體的位置的位 置推定處理所需要的時間，決定在從所述參照的時刻到所述第二觀測原始數據的所述物體 識別處理的預定結束時刻的時間內進行所述物體的位置推定處理的參數，另一方面，在判斷出未存儲有所述第二觀測原始數據的所述物體識別處理的預定 結束時刻的情況下，由所述參數決定機構設定預先設定的作為基準的參數為進行所述物體 的位置推定處理的參數，由物體位置推定機構使用由所述參數決定機構設定的所述參數，根據通過所述物 體識別處理算出的與所述物體的ID和位置相關的數據，推定所述物體的位置。根據本發明的第八方案，提供一種物體位置推定程序，其用於使計算機實現基於由觀測機構觀測環境內的狀況而取得的多個觀測原始數據，算出在所述觀測 機構的觀測範圍內存在的物體的ID和位置而進行物體識別處理的物體識別處理功能；基於所述多個觀測原始數據預測通過所述物體識別處理功能進行的所述物體識 別處理結束的時刻而分別存儲到觀測資料庫中的處理結束時刻預測功能；參照存儲於所述觀測資料庫中的所述物體識別處理的預定結束時刻，判斷是否存 儲有從所述參照的時刻開始在最早的時刻結束的所述物體識別處理的預定結束時刻，在判 斷出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，參照預 先存儲的每個所述物體進行推定所述物體的位置的位置推定處理所需要的時間，決定在從 所述參照的時刻到所述第二觀測原始數據的所述物體識別處理的預定結束時刻的時間內 進行所述物體的位置推定處理的參數，另一方面，在判斷出未存儲有所述第二觀測原始數 據的所述物體識別處理的預定結束時刻的情況下，設定預先設定的作為基準的參數為進行 所述物體的位置推定處理的參數的、參數決定功能；使用由所述參數決定機構設定的所述參數，根據通過所述物體識別處理功能進行 的通過所述物體識別處理算出的與所述物體的ID和位置相關的數據推定所述物體的位置 的物體位置推定功能。
根據該結構，能夠提供通過根據在物體位置推定處理所必要的到下一次得到觀測 原始數據之前的等待時間內能夠處理的物體數來決定進行物體位置推定處理的物體，從而 能夠同時實現實時處理和物體位置推定的高精度化雙方的物體位置推定系統、物體位置推 定裝置、物體位置推定方法及物體位置推定程序。以下，參照附圖詳細說明本發明的第一實施方式。(第一實施方式)圖1示出表示本發明的第一實施方式所涉及的物體位置推定系統的框圖。本系統大致由觀測機構(觀測部)101和物體位置推定裝置構成，用於實施物體位 置推定方法。所述物體位置推定裝置由物體資料庫102、物體識別機構(物體識別部)103、 識別處理結束時刻預測機構(識別處理結束時刻預測部)(以下，簡稱「處理結束時刻預測 機構」。)104、觀測資料庫105、物體位置推定機構(物體位置推定部)106和參數決定機構 (參數決定部)107構成。其中，觀測機構101、物體識別機構103和處理結束時刻預測機構 104合起來能夠作為至少可將與物體的ID、位置相關的數據和所述數據的預定輸入時刻向 觀測資料庫105輸入的數據輸入部來進行處理。觀測機構101觀測包括存在於環境(成為觀測對象的空間，例如生活空間(更具 體地說，起居室等房間)等)內的物體(觀測物體)的環境的狀況，取得觀測原始數據。具 體地說，觀測環境內的物體，得到觀測原始數據。作為觀測機構101可利用相機、測域傳感 器或UWB (Ultra Wide Band)特徵閱讀器等來實現。在物體資料庫102中存儲(存儲)有物體的ID的信息(以下，簡稱「物體的ID」) 和用於識別物體的信息。圖2中示出物體資料庫102的一例。在圖2的物體資料庫的102中 存儲的信息為從「0bj_001」至「0bj_005」的物體ID和物體ID為從「Obj_001 」至「Obj_005」 的5個的物體的各自的形狀信息。在形狀信息中存儲有與物體的外觀相關的信息和與大小 (尺寸)相關的信息。作為一例，在圖2中放大表示出與物體ID 「0bj_001」的物體的外觀 和大小相關的信息。在此，物體ID 「Obj_001」的物體由大的直徑的圓柱和固定於其上的小 的直徑的圓柱構成，大的直徑的圓柱的直徑為8cm，高度為12cm，小的直徑的圓柱的直徑為 4cm,高度為2cm。物體識別機構103通過對觀測機構101觀測到的觀測原始數據進行物體識別處理 而算出觀測原始數據中包括的與物體的ID和位置相關的觀測數據。更具體地說，物體識別 機構103根據預先存儲於物體資料庫102中的每個物體的ID的用於識別物體的信息(物 體識別數據)和觀測原始數據，取得物體的ID及物體位置備選，並將取得的物體的ID及物 體位置備選的信息存儲到觀測資料庫105中。「觀測原始數據」是指未對觀測機構101的觀 測實施任何處理的狀態的數據，例如若為相機等，則相當於由相機攝像的圖像數據。在為測 域傳感器的情況下，相當於區域數據，在為UWB特徵閱讀器的情況下，相當於每個物體ID的 位置數據。另一方面，「觀測 數據」是指通過對觀測原始數據適用物體識別機構103而由物 體識別機構103使用觀測原始數據算出的數據，是能夠由物體位置推定機構106處理的與 物體的ID和位置相關的數據。關於物體識別機構103和物體位置推定機構106在後面進 行說明。在觀測機構101為相機的情況下，觀測原始數據為圖像數據，物體識別機構103進 行由相機攝像的圖像數據的圖像處理。作為圖像處理可以舉出例如模板匹配處理等的方法。對預先取得且物體未放置於環境內時的環境的背景圖像和當前的輸入圖像進行比較， 取出像素值不同的區域作為一個差量區域。在此需要說明的是，在由物體識別機構103作 為差量區域取出時，輸入圖像中可能加入噪聲，因此也可以加入將預先確定的個數以上的 像素值連結起來的區域作為差量區域等制約因素。在環境中放置有N個物體(其中，N為 1個以上的整數。)的情況下，由物體識別機構103能夠得到N個差量區域。之後，通過物 體識別機構103進行由物體識別機構103得到的差量區域與存儲於物體資料庫102中的形 狀信息的外觀數據(模板圖像)的匹配處理，由此能夠通過物體識別機構103識別物體的 ID。具體地說，將差量區域與外觀數據的匹配率最高的物體作為識別結果登記到觀測數據 庫105中。另外，也可以將所述匹配分數(在差量區域與模板圖像之間匹配的比例)也登 記到觀測資料庫105中。關於匹配分數的利用方法後述。此外，關於物體在環境中的位置可以通過在物體識別機構103中預先準備將圖像 中的坐標與環境中的坐標對應的坐標變換式等而由物體識別機構103算出。圖15中示出環境的背景圖像(環境背景圖像)的一例，圖16中示出輸入圖像的 一例，圖17中示出差量區域的圖像的一例。在此，作為環境的一例為生活環境，是起居室 等房間110。準備的環境背景圖像使用在環境內未放置任何物體的狀態的背景。另外，如 圖15的環境背景圖像那樣，在環境背景圖像中可以包括幾乎不會移動的書架Bs等家具或 家電設備。但是，在這種情況下，由於無法通過背景差量取出書架Bs等家具或家電設備，因 此從物體位置推定的對象中排除書架Bs等家具或家電設備。圖16的輸入圖像表示從配置 於房間110的頂棚的相機觀測到的、在餐桌Dt上放置有錢包03，在桌子Ta上放置有書O2 的狀況。圖17的差量區域表示在圖15的環境背景圖像與圖16的輸入圖像中像素值不同 的區域，即，分別表示錢包O3的區域和書O2的區域。在此，作為一例，錢包O3為物體ID是 「0bj_003」的物體，書O2為物體ID是「0bj_002」的物體。在測域傳感器401 (參照圖4)代替相機作為觀測機構101時，觀測原始數據為區 域數據。圖3中示出區域數據的一例。圖3是相對於傳感器401的周圍360度方向以360 的解析度取得的距離的情況下的區域數據，是在圖4所示的狀況下通過測域傳感器401進 行觀測時得到的觀測結果。為了根據所述區域數據識別物體的ID，可以利用例如物體的寬 度信息來進行識別。為了簡化說明，假定在從測域傳感器401離開比IOOcm更遠的地方只存 在壁402。此時，能夠得到的距離IOOcm以內的觀測值是360度中的85度 95度之間，可以 認為85度的觀測值和95度的觀測值是物體O1的兩端。若測域傳感器401的位置為(0cm， 0cm, 5cm), +X軸向為0度，+Y軸向為90度，則物體O1的兩端的坐標為(sin85° X46cm， cos85 ° X 46cm) = (45.83cm, 4.01cm)和(sin95 ° X46cm，cos95 ° X 46cm)= (45. 83cm,-4. 01cm)，可以推定距設置面(測域傳感器的設置位置(0cm，0cm，5cm))上部5cm 處的物體O1的寬度約為8cm。根據該物體O1的物體寬度的推定結果和存 儲於物體資料庫102的物體O1的形 狀信息，可以判斷出例如所述物體O1為ID是「0bj_001」的物體。此外，物體O1在環境中 的位置可為兩端的坐標的中心值。例如，在所述例中，可以使(45. 83cm，4. Olcm)的坐標與 (45. 83cm, -4. Olcm)的坐標的中心值即(45. 83cm，Ocm)作為物體O1在環境中的位置。在觀測機構101為UWB特徵閱讀器時，觀測原始數據為每個物體ID的位置數據。 至少使用3個UWB特徵閱讀器。為了使用UWB特徵閱讀器檢測物體，需要預先對物體賦予特徵。例如可以使用三點測量的原理來決定使用至少3個UWB特徵閱讀器檢測到的物體的本地坐標。圖19中示出利用三點測量檢測特徵的位置的示例。在圖19所示的環境內分 別配置有與UWB特徵閱讀器連接的基地站1901A、基地站1901B和基地站1901C。基地站 1901A配置於本地坐標(x，y) = (500，600)，基地站1901B配置於本地坐標(x，y) = (700， 300)，基地站1901C配置於本地坐標(x，y) = (300，300)。在此，UWB特徵閱讀器獲知3個基 地站配置的本地坐標。並且，通過各基地站計測各基地站發射的電波從賦予給物體的特徵 到返回發射的基地站的時間，能夠由各基地站算出從所述發射的基地站到特徵的距離。在 這樣的狀況下，賦予特徵1902的物體存在於本地坐標(X，y) = (400，400)。基地站1901A 知曉特徵1902存在於以基地站1901A的位置為中心、以到特徵1902的距離223. 61cm為半 徑的圓弧上。同樣地，基地站1901B知曉特徵1902存在於半徑316. 23cm的圓弧上，基地站 1901C知曉特徵1902存在於半徑141. 42cm的圓弧上。能夠判斷出以上3個圓弧全部重合 的位置是特徵1902存在的位置。在圖19中進行了二維空間中的特徵位置檢測的說明。在 進行實空間(三維空間)中的特徵位置檢測時，僅圖19的圓弧變為球面，其他的處理沒有 變化。處理結束時刻預測機構104預先算出基於物體識別機構103的物體識別處理(在 此，作為一例為模板匹配處理)所需要的時間並存儲到觀測資料庫105中。接下來，處理結 束時刻預測機構104通過從物體識別機構103接收物體識別機構103根據觀測原始數據算 出與物體的ID和位置相關的觀測數據的個數(或量)的處理算法或處理數，預測物體識別 機構103的處理預定結束時刻並存儲到觀測資料庫105中。以下對詳細情況進行說明。在物體識別機構103作為一例處理相機的觀測原始數據的情況下，處理結束時刻 預測機構104在物體識別機構103取出差量圖像的階段從物體識別機構103接收得到了 幾張差量圖像這一信息，並根據得到了幾張差量圖像這一信息預測模板匹配處理所需要的 時間。例如，若對一張差量圖像與5個模板進行匹配處理花費0. 2秒，則在由物體識別機構 103得到五張差量圖像的情況下，模板匹配處理所需要的時間為1秒。此時，處理預定結束 時刻為0. 2秒X5 = 1. 0秒，因此為取出背景差量的時刻的1秒後。即，處理結束時刻預測 機構104預先算出物體識別處理(在此，模板匹配處理)所需要的時間。在此，如圖1所示，將觀測機構101、物體資料庫102、物體識別機構103和處理結 束時刻預測機構104匯總稱為一個觀測裝置500。此外，在將觀測裝置500單獨進行區別 時，稱為第一觀測裝置501、第二觀測裝置502、第三觀測裝置503、……、第η觀測裝置(其 中，η為1以上的整數。)。在觀測資料庫105中存儲有觀測裝置500的ID的信息(以下，簡稱「觀測裝置的 ID」。以下，為了方便，將第一 第三觀測裝置501、502、503的ID分別設為「501」、「502」、 「503」。)、與觀測物體ID和在該環境中的觀測物體的位置(例如位置坐標)相關的觀測數 據、觀測原始數據處理預定結束時刻(例如年月日和時分秒)。在此，對數據分別通過物體識別機構103及處理結束時刻預測機構104存儲到觀 測資料庫105中的流程進行說明。首先，觀測機構101在環境內進行觀測，得到觀測原始數據。接下來，通過處理結束時刻預測機構104算出物體識別機構103處理觀測原始數據所需要的時間(觀測原始數據處理預定結束時刻)，並在觀測資料庫105中作為原始數據 處理預定結束時刻而與包括取得觀測原始數據的觀測機構101的觀測裝置501、502、503的 ID 一起存儲到觀測資料庫105中。接下來，使用由觀測機構101得到的觀測原始數據，在物體識別機構103中開始物 體識別處理。然後，物體識別機構103在結束觀測原始數據的物體識別處理時將觀測數據與觀 測裝置501、502、503的ID —起存儲到觀測資料庫105中。圖5示出觀測資料庫105的一例。 圖5的(a)圖示出表示在2007年9月11日14時17分20秒這一時間點的觀測數 據庫105的數據存儲狀況的數據表(表示該數據存儲狀況的數據表的ID為「TBL_001」。)。 圖5的(b)圖示出表示在其6秒後的14時17分26秒這一時間點的數據存儲狀況(表示該 數據狀況的數據表的ID為「TBL_002」。)的數據表。在圖5的(b)中，與圖5的(a)相比追 加了下數第一行和第二行的數據。圖5的(c)圖示出表示自圖5的(b)的狀況8秒後的14 時17分34秒這一時間點的數據存儲狀況(表示該數據狀況的數據表的ID為「TBL_003」。) 的數據表。在圖5的(c)中，與圖5的(b)相比追加了下數第一行和第二行的數據。在圖5的(a)的數據表ID 「TBL_001」的數據表中，分別存儲有來自結束了物體識 別處理的觀測裝置ID501的觀測數據「0bj_001 (65，20) 」、「0bj_002 (120，26)，，和來自預測 出處理預定結束時刻「14時17分26秒」、「14時17分34秒」的觀測裝置ID502、503的觀 測原始數據處理的預定結束時刻。在圖5的(b)的數據表ID 「TBL_002」的數據表中，從觀測裝置ID503如觀測原 始數據處理預定結束時刻那樣分別存儲有觀測數據「Ob j_004 (266，37)，，和「Ob j_005 (322， 21) 」(參照數據表的下數第二行)，從觀測裝置ID501存儲有新的觀測原始數據的物體識別 處理的預定結束時刻(參照數據表的下數第一行)。關於圖5的(c)的數據表ID「TBL_003」 的數據表也同樣。即，在圖5的(c)的數據表ID 「TBL_003」的數據表中，從觀測裝置 10502如觀測原始數據處理預定結束時刻那樣存儲有觀測數據「01^__002(119，28)」和 "0bj_005 (322，21) 」(參照數據表的下數第二行參照)，從觀測裝置ID503存儲有新的觀測 原始數據處理的預定結束時刻(參照數據表的下數第一行)。圖26中示出記錄有觀測物體位置和所述的匹配分數的觀測資料庫105的示例。在圖26的數據表ID「TBL_007」的數據表記錄有觀測ID、觀測物體位置、原始數據 處理預定結束時刻、觀測時刻以及匹配分數。在匹配分數的項目中記錄有識別的物體的ID和分數。例如，匹配分數 "0bj_001 (0. 8) 」表示檢測物體所得到的差量區域與物體「Obj_001」的模板的匹配分數(匹 配的比例)為80%。物體位置推定機構106根據由參數決定機構107指定且存儲於觀測資料庫105中 的與物體的ID和物體位置備選相關的觀測數據，考慮物體位置備選的離散狀況(例如，物 體的位置和加權)等(具體地說，使用粒子過濾或卡爾曼過濾)來推定物體的位置。在此，對物體位置推定機構106推定的物體的位置與存儲於觀測資料庫105中的 位置備選的差異進行說明。存儲於觀測資料庫105中的所述物體的位置是各觀測裝置501、 502,503逐個算出的位置，由於各觀測裝置501、502、503中含有的噪聲等引起的位置誤差，各觀測裝 置501、502、503中通常各不相同，因此作為所述物體位置備選來處理。與此相對， 物體位置推定機構106推定的物體的位置意味著通過物體位置推定處理從所述物體位置 備選中推定的存在概率最高的位置，兩者明顯不同。此外，以下對參數決定機構107進行說明。物體位置推定機構106的物體 位置推定處理作為一例可以使用粒子過濾來實現(例如，參照文獻J. Hightower， B. Borriel Ιο. 「 The location Stack :A Layered Model for Location in Ubiquitous Computing，，，4th IEEE Workshop on Mobile Computing Systems & Applications (WMCSA2002)，pp. 22-28. 2002.)。「粒子過濾」是用具有狀態量和權重的許多 粒子對概率分布進行近似的方法，即使為非線形的分布也能夠進行近似。在此，「狀態量」表 示物體的位置。此外，全部粒子的權重的和為1，粒子的個數預先設定。根據圖6A對通過物體位置推定機構106使用粒子過濾來實現的物體位置推定方 法進行。在圖6A的第一步驟Sl中，通過物體位置推定機構106根據上次的各粒子的權重 進行粒子的再採樣。其中，第一次由物體位置推定機構106在環境內隨機生成粒子。接下來，在第二步驟S2中，通過物體位置推定機構106對各粒子進行從上次位置 到當前位置的預測。接下來，在第三步驟S3中，通過物體位置推定機構106根據由觀測數據得到的物 體的存在位置概率計算各粒子的權重。接下來，在第四步驟S4中，通過物體位置推定機構106求出全部粒子的加權平均， 並由物體位置推定機構106將求出的加權平均定為物體的推定位置。然而，利用使用粒子過濾的物體位置推定方法，存在下述問題一方面粒子的個數 越多近似的精度越高，但物體位置推定處理所需要的計算時間變長，另一方面粒子的個數 越少物體位置推定處理所需要的計算時間越短，但近似的精度變低。圖14A是使用15個粒 子進行錢包的位置推定的示例(圖14A的1個的黑圓表示1個粒子。)，圖14B示出使用30 個粒子來進行錢包的位置推定的示例。這些粒子的坐標分別為物體位置備選。觀察圖14A 可知，能夠判別出錢包很可能位於15個粒子的中心附近的坐標(4000,4000)。然而，觀察 圖14B可知，由於粒子數多而近似精度變高，因此能夠判別出除坐標(4000,4000)以外，還 存在錢包位於坐標(5000,5000)的概率。這些的坐標為物體位置備選。參數決定機構107使用觀測原始數據處理(物體識別處理)預定結束時刻、當前 的時刻、物體位置推定機構106的處理能力和當前未處理的觀測數據各信息，從當前的時 刻到觀測原始數據處理預定結束時刻決定能夠處理未處理觀測數據的粒子的個數。另外，在參數決定機構107的內部具有計時器，能夠取得當前的時刻等時刻的信 息，觀測原始數據處理預定結束時刻存儲於觀測資料庫105中。在由參數決定機構107決定的粒子數相對於例如上次的處理中使用的粒子數來 說粒子數多的情況下，可以通過參數決定機構107將增加的量的粒子一樣地散布到環境 內，也可以根據原來的各粒子的權重來散布。相反地，在由參數決定機構107決定的粒子數 相對於上次的處理中使用的粒子數少的情況下，可以通過參數決定機構107從上次的位置 推定結果即粒子的分布隨機刪除減少的量的粒子數，或者也可以根據原來的各粒子的權重 來刪除。
另外，以下對參數決定機構107的參數決定處理(參數設定處理)進行說明。參數決定機構107在存儲於觀測資料庫105中的物體識別機構103的物體識別 處理結束的時刻與當前的時刻的時間差內，決定能夠處理未處理的觀測數據即物體的粒子數。在此，圖IlA中示出粒子數與物體識別處理所需要的時間的關係的信息(關係信 息)的一例。該關係信息例如存儲於參數決定機構107的內部存儲部。圖IlA示出在例如 使用100個粒子來適用粒子過濾的情況下，進行1個物體的位置推定需要0. 8秒的時間，以 下，示出在分別使用200個、300個、500個、1000個粒子來適用粒子過濾的情況下，作為處理 速度，進行1個物體的位置推定分別需要1秒、2秒、3秒、5秒的時間。另外，圖IlA所示的 關係的信息是通過事前實驗預先得到的。對通過參數決定機構107利用圖IlA的關係信息和圖5的(a)的數據表 ID 「TBL_001」的數據表來決定粒子數的方法進行說明。首先，由參數決定機構107判斷相對於當前的時刻，下一次存儲觀測數據的時刻 是否存儲到圖5的觀測資料庫105中，若參數決定機構107判斷出下一次存儲觀測數據的 時刻存儲到觀測資料庫105，則進行以下的動作。例如，圖5的(a)所示當前的時刻為17 分20秒(在此，為了簡化說明，省略年月日時。)，若參照存儲於觀測資料庫105中的信 息，則下一次存儲觀測數據的時刻為17分26秒(參照圖5的(b))。在當前的時刻17分 20秒的未處理的觀測數據為由第一觀測裝置501取得的與第一觀測物體相關的觀測數據 「01^_001」和與第二觀測物體相關的觀測數據「01^_002」這2個(參照圖5的(a)的第二 行)，通過處理結束預測機構104可算出到下一次存儲觀測數據(在該例中，由第三觀測裝 置503取得的第四觀測物體和第五觀測物體的各自的觀測數據)(到存儲圖5的(b)的數 據表ID 「TBL_002」的數據表為止)存在(當前的時刻17分20秒)-(下一次的時刻17 分26秒)=6秒的富餘。此時，由於在當前的時間點的未處理的觀測數據為2個物體，因 此根據6秒/2個=3秒，能夠通過參數決定機構107算出每一個物體花費的處理時間為3 秒以內。由此，根據圖IlA的關係信息，能夠由參數決定機構107設定(決定)出每一個物 體可用3秒處理的(以每一個物體3秒的處理速度的)粒子數為500個。由此，能夠通過參數決定機構107根據物體位置推定機構106處理的觀測數據數 和到下一次存儲觀測數據存儲的時間來設定(決定)粒子過濾的粒子數，通過物體位置推 定機構106使用由參數決定機構107設定的500個粒子，使用粒子過濾來進行2個物體的 位置推定。其結果是，能夠在物體位置推定處理所必要的到存儲下一次的觀測數據位置的 等待時間內結束所述觀測原始數據的物體識別處理。換言之，能夠在不相對於觀測機構101 的觀測出現延遲的情況下推定物體的位置。
在此，在由參數決定機構107判斷出下一次記錄觀測數據的時間(觀測原始數據 處理預定結束時刻)尚未存儲到圖5的觀測資料庫105中的情況下，參數決定機構107決 定粒子的個數為事前決定的成為基準的粒子數(例如，200個)。表示觀測資料庫的一例的圖20A的「TBL_004」示出在未記錄觀測原始數據處理 預定結束時刻的狀況下，已記錄觀測數據的觀測資料庫105的示例。如上述那樣，在得到 了 「TBL_004」中所示數據的情況下，參數決定機構107決定粒子的個數為事前決定的成為 基準的粒子數，推定物體的位置。在此，表示觀測資料庫的另一例的圖20B的「TBL_005」示出使用所述「TBLJKM」中所示的數據來推定物體的位置後的觀測資料庫105的示例。在 「TBL_005」 中，觀測裝置 503 輸出的觀測值 「Ob j_004 066，37) 」、「Ob j_005 (322，21) 」和觀 測裝置 502 輸出的觀測值「01^__002(119，28) 」、「Ob j_003 (197，69) 」、「Ob j_004 (266，36)，，這 共計5個觀測數據作為未處理的觀測數據存在。此外，當前時刻為2007年9月11日14時 17分34秒，下一次記錄觀測數據的時刻為2007年9月11日14時17分38秒。S卩，參數決 定機構107決定在到記錄下一次觀測數據的4秒期間能夠處理5個觀測數據的粒子數。此外，時間單位不局限於秒，例如，也可以將「到下一次存儲觀測數據」的時間分開 表示為「花費較多時間」的情況、「花費中等時間」的情況和「僅花費較少時間」的情況等多 個階段(例如，在此為3階段)，粒子數和每一個物體的處理時間的關係信息也與此配合而 作成。在圖18中示出此時的粒子數與處理時間的關係信息。在圖18中，例如，在「花費較 多時間」(在圖18中表現為「長」。)的情況下粒子數為300個，在「花費中等時間」(在圖 18中表現為「中等」。)的情況下粒子數為200個(基準粒子數)，在「僅花費較短時間」(在 圖18中表現為「短」。)的情況下粒子數為100個。也可以通過參數決定機構107根據這 樣的關係信息來設定粒子的個數。根據所述第一實施方式，能夠通過參數決定機構107根據物體位置推定機構106 處理的觀測數據數和到下一次存儲觀測數據的時間來變更粒子過濾的粒子數。即，作為基 準或初期的設定，在參數決定機構107的內部存儲部預先存儲從當前的時刻到下一次存儲 觀測數據的時刻的觀測原始數據能夠處理時間和在該觀測原始數據能夠處理時間中能夠 處理的粒子數的關係信息。並且，在從當前的時刻到下一次存儲觀測數據的時刻的觀測原 始數據能夠處理時間比規定時間短的情況下，通過參數決定機構107減少粒子數使其比與 規定時間對應的粒子數少而削減物體識別處理所需要的時間，另一方面，在從當前的時刻 到下一次存儲觀測數據的時刻的觀測原始數據能夠處理時間比所述規定時間長的情況下， 增加粒子數使其比所述規定數多而能夠高精度地推定物體的位置。由此，能夠在物體位置 推定處理所必要的到下一次存儲觀測數據的等待時間內可靠地結束所述觀測原始數據的 物體識別處理。(第二實施方式)圖1是表示本發明的第二實施方式所涉及的物體位置推定系統的框圖。S卩，第二 實施方式所涉及的物體位置推定系統的大致結構與第一實施方式所涉及的物體位置推定 系統同樣，如後述那樣，僅物體位置推定機構106和參數決定機構107功能不同。本系統由觀測機構101、物體資料庫102、物體識別機構103、處理結束時刻預測機 構104、觀測資料庫105、物體位置推定機構106和參數決定機構107構成。物體位置推定機構106和參數決定機構107以外的各機構及各資料庫與在第一實 施方式中說明的功能相同，因此省略說明。作為物體位置推定機構106，可以代替粒子過濾而使用例如卡爾曼過濾等。「卡爾 曼過濾」是指在系統的狀態(在本發明的第二實施方式中，例如為物體位置)的信息中含有 噪聲且在觀測值中也含有噪聲的情況下，從系統的能夠獲取的狀態的備選中推定概率最高 的狀態的方法。圖6B中示出在物體位置推定處理利用了卡爾曼過濾的示例。縱軸表示概 率，橫軸表示位置。在物體如下述的(式1)的式中表示那樣移動時，觀測機構101能夠得到由下述的(式幻的式求出的觀測值603。在此，A表示物體的運動模型，χ表示物體位置，ν表示在移 動時產生的工藝噪聲。此外，y表示觀測值，H表示使物體位置χ與觀測值y對應的觀測模 型，w表示觀測噪聲，t表示時間。式1

xt = AtXt^1+Vt式2yt = Htxt+wt在此，若工藝噪聲ν及觀測噪聲w為白色高斯噪聲，則ρ (w)如(式3)的式子所示， P (ν)如(式4)的式子所示。另外，N(0, Q)表示平均0、方差Q的高斯分布。N(0，R)也同 樣表示平均0、方差R的高斯分布。式3p(w) N(0，Q)式4p(v) N(0，R)在得到觀測值603時，由物體位置推定機構106更新當前得到的與物體的位置相 關的事前概率分布601 (以後，稱為「事前分布」。)，由物體位置推定機構106作出預測分布 602。能夠由物體位置推定機構106利用(式幻的式子求出預測分布602的位置，由物體 位置推定機構106利用(式6)的式子求出預測分布602的方差。另外，"Xalb」表示根據時 刻b的信息得出的時刻a的X的推定值。例如，(式5)的「χ*/』表示根據時刻t-Ι的信 息得出的時刻t的物體位置χ的推定值，(式6)的"Ptlt^表示根據時刻t-Ι的信息得出 的時刻t的P的推定值。在此，P表示分布的方差。式5XtlH = AjHlH式6PiIf-I ~ ^ifPf—取-I + Qi在通過物體位置推定機構106得到預測分布602時，由物體位置推定機構106根 據觀測值603和預測分布602求出事後分布604。能夠由物體位置推定機構106利用(式 7)的式子求出事後分布604的位置，由物體位置推定機構106利用(式8)的式子求出事後 分布604的方差。在此，K是稱為卡爾曼增益的值，通過(式9)的式子求出。卡爾曼增益 是決定更新量的值。在觀測值的精度好(方差R非常小)的情況下，為了增大更新量，卡爾 曼增益的值變大。相反，在事前分布的精度良好(P非常小)的情況下，為了減小更新量，卡 爾曼增益的值變小。式7Xtlt = xt|t-!+Kt (Yt-HtXtjw)式8Ptlt= (I-KtHt)PtIt-I式920
權利要求
1.一種物體位置推定系統，其具備觀測機構，其觀測包括存在於環境內的物體在內的所述環境的狀況，取得第一及第二 觀測原始數據；物體識別機構，其根據預先存儲在物體資料庫中的每個所述物體ID的物體識別數據 和所述第一及第二的觀測原始數據各自的觀測原始數據，分別取得所述物體ID及所述物 體位置備選，並將取得的所述物體ID及所述物體位置備選的信息分別存儲到觀測資料庫 中；物體識別處理結束時間預測機構，其從所述第一及第二觀測原始數據各自的觀測原始 數據取得存在於所述環境內的所述物體的個數，並根據分別取得所述物體的個數的時刻、 分別取得的所述物體的個數、和預先存儲的每個所述物體分別取得所述物體ID及所述物 體位置備選的物體識別處理所需要的時間，分別預測所述物體識別處理的預定結束時刻， 並將所述物體識別處理的預定結束時刻分別存儲到所述觀測資料庫中；物體位置推定機構，其取得存儲到所述觀測資料庫中的所述物體ID和所述物體位置 備選，並根據取得的所述物體ID及物體位置備選、所述物體位置備選的離散狀況，推定所 述物體的位置；和參數決定機構，其在所述物體識別機構結束所述第一觀測原始數據的所述物體識別處 理而取得所述物體ID及所述物體位置備選的時刻，參照存儲到所述觀測資料庫中的所述 第二觀測原始數據的所述物體識別處理的預定結束時刻，判斷從所述參照的時刻起是否存 儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻，在判斷出存儲有所述第 二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，參照預先存儲的每個所述 物體進行推定所述物體的位置的位置推定處理所需要的時間，決定在從所述參照的時刻到 所述第二觀測原始數據的所述物體識別處理的預定結束時刻的時間內進行所述物體識別 處理結束了的所述第一觀測原始數據的所述物體的位置推定處理的參數，另一方面，在判 斷出未存儲所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，設定預 先設定的成為基準的參數為進行所述物體識別處理結束了的所述第一觀測原始數據的所 述物體的位置推定處理的參數，所述物體位置推定機構使用所述參數決定機構決定的所述參數，從所述物體識別處理 結束的數據進行該數據所包含的所述物體的位置推定處理，並根據所述物體識別機構取得 的所述物體ID和位置備選推定與所述物體ID相關的所述物體的位置。
2.根據權利要求1所述的物體位置推定系統，其中，所述物體識別數據為所述物體的形狀信息，所述觀測原始數據是由相機攝像的圖像數據、由測域傳感器取得的區域數據、或由特 徵閱讀器取得的位置數據。
3.根據權利要求2所述的物體位置推定系統，其中，所述相機或所述測域傳感器的物體識別處理為模板匹配處理，而且，所述物體識別機構將在所述模板匹配處理的過程中輸出的匹配分數記錄到所述 觀測資料庫中，所述參數決定機構按照所述匹配分數高的順序決定進行所述位置推定處理的物體。
4.根據權利要求1或2所述的物體位置推定系統，其中，所述物體位置推定機構在使用粒子過濾時預先準備每一個物體的處理時間與粒子的 個數的關係信息，根據從所述參照的時刻到所述第二觀測原始數據的所述物體識別處理的 預定結束時刻的時間算出由所述粒子過濾能夠處理的物體的個數，若算出的物體的個數與 通過所述物體識別處理識別出的物體的個數相同，則直接使用粒子過濾進行處理，在所述算出的物體的個數少於通過所述物體識別處理識別出的物體的個數時，增加每 一個物體的所述粒子的個數而進行處理，在所述算出的物體的個數多於通過所述物體識別處理識別出的物體的個數時，減少每 一個物體的所述粒子的個數而進行處理。
5.根據權利要求1 4中任一項所述的物體位置推定系統，其中， 還具備顯示所述物體位置推定機構推定的結果的顯示機構，所述顯示機構參照所述觀測資料庫顯示下一次的物體識別處理的預定結束時刻來作 為下一次的所述物體位置推定機構的推定結果的輸出時刻，並且，顯示為了輸出當前的所 述物體位置推定機構的推定結果而採用的觀測原始數據被得到的時刻作為得到當前的所 述物體位置推定機構的推定結果的時刻。
6.一種物體位置推定裝置，其具備數據輸入部，其至少能夠輸入進行了物體識別處理的與物體的ID和位置相關的數據、 在所述數據的物體識別處理結束後輸入的所述物體識別處理的預定結束時刻；觀測資料庫，其存儲通過所述數據輸入部接收的與所述物體的ID和位置相關的數據 以及與所述預定輸入時刻相關的數據；物體位置推定機構，其根據存儲到所述觀測資料庫中的與所述物體的ID和位置相關 的數據來推定所述物體的位置；和參數決定機構，其參照存儲到所述觀測資料庫中的所述物體識別處理的預定結束時 亥IJ，判斷是否存儲有從所述參照的時刻起在最早的時刻結束的所述物體識別處理的預定結 束時刻，在判斷出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情 況下，參照預先存儲的每個所述物體進行推定所述物體的位置的所述物體識別處理所需要 的時間，決定在從所述參照的時刻到所述第二觀測原始數據的所述物體識別處理的預定結 束時刻的時間內進行所述物體的位置推定處理的參數，另一方面，在判斷出未存儲有所述 第二觀測原始數據的所述物體識別處理的預定結束時刻的情況下，設定預先設定的成為基 準的參數為進行所述物體的位置推定處理的參數，所述物體位置推定機構使用所述參數決定機構決定的所述參數，根據存儲到所述觀測 資料庫中的與所述物體的ID和位置相關的數據進行所述物體的位置推定處理，從而推定 所述物體的位置。
7.—種物體位置推定方法，其包括由觀測機構觀測環境內的狀況，取得多個觀測原始數據，由物體識別機構基於所述多個觀測原始數據算出在所述觀測機構的觀測範圍內存在 的物體的ID和位置而進行物體識別處理，由物體識別處理結束時間預測機構分別預測由所述物體識別機構基於所述多個觀測 原始數據分別進行的所述物體識別處理結束的時刻而分別存儲到觀測資料庫中，由參數決定機構參照存儲到所述觀測資料庫中的所述物體識別處理的預定結束時刻判斷是否存儲有從所述參照的時刻起在最早的時刻結束的所述物體識別處理的預定結束 時刻，在判斷出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況 下，由所述參數決定機構參照預先存儲的每個所述物體進行推定所述物體的位置的位置推 定處理所需要的時間，決定在從所述參照的時刻到所述第二觀測原始數據的所述物體識別 處理的預定結束時刻的時間內進行所述物體的位置推定處理的參數，另一方面，在判斷出未存儲有所述第二觀測原始數據的所述物體識別處理的預定結束 時刻的情況下，由所述參數決定機構設定預先設定的成為基準的參數為進行所述物體的位 置推定處理的參數，物體位置推定機構使用由所述參數決定機構設定的所述參數，根據通過所述物體識別 處理算出的與所述物體的ID和位置相關的數據，推定所述物體的位置。
8. —種物體位置推定程序，其用於使計算機實現物體識別處理功能，基於觀測機構觀測環境內的狀況而取得的多個觀測原始數據，算 出在所述觀測機構的觀測範圍內存在的物體的ID和位置而進行物體識別處理；處理結束時刻預測功能，預測所述物體識別處理功能基於所述多個觀測原始數據進行 的所述物體識別處理結束的時刻而分別存儲到觀測資料庫中；參數決定功能，參照存儲到所述觀測資料庫中的所述物體識別處理的預定結束時刻， 判斷是否存儲有從所述參照的時刻起在最早的時刻結束的所述物體識別處理的預定結束 時刻，在判斷出存儲有所述第二觀測原始數據的所述物體識別處理的預定結束時刻的情況 下，參照預先存儲的每個所述物體進行推定所述物體的位置的位置推定處理所需要的時 間，決定在從所述參照的時刻到所述第二觀測原始數據的所述物體識別處理的預定結束時 刻的時間內進行所述物體的位置推定處理的參數，另一方面，在判斷出未存儲有所述第二 觀測原始數據的所述物體識別處理的預定結束時刻的情況下，設定預先設定的成為基準的 參數為進行所述物體的位置推定處理的參數；和 物體位置推定功能，使用由所述參數決定機構設定的所述參數，根據所述物體識別處 理功能的所述物體識別處理算出的與所述物體的ID和位置相關的數據推定所述物體的位 置。
全文摘要
本發明提供物體位置推定系統、物體位置推定裝置、物體位置推定方法及物體位置推定程序。對觀測部(101)觀測到的多個觀測原始數據進行物體識別處理，使用參數決定部(107)與一個數據的物體識別處理結束時間點和另一數據的處理預定結束時刻之間的時間相對應決定的參數，根據物體識別處理結束的數據進行物體的位置推定處理，基於物體識別部(103)取得的物體ID和位置備選來推定與物體ID相關的物體的位置。
文檔編號G01S5/00GK102047073SQ20098011910
公開日2011年5月4日 申請日期2009年10月30日 優先權日2008年11月5日
發明者谷川徹 申請人:松下電器產業株式會社