专利名称：物体位置推定系统、物体位置推定装置、物体位置推定方法及物体位置推定程序的制作方法
技术领域：
本发明涉及根据多个不同种类的传感器(观测装置)信息来进行物体的识别和位 置推定的物体位置推定系统、物体位置推定装置、物体位置推定方法及物体位置推定程序。
背景技术：
存在作为能够检测物体位置的传感器使用无线标签阅读器(特征阅读器)或监视 器(camera)的情况。然而，无线标签阅读器(由于根据附加于识别对象的物体上的送信标签(tag)发 送的ID信息来进行物体的ID识别)基本上不会进行错误的物体的ID识别，但相反测位精 度不如监视器。此外，还存在电波被水分吸收而导致标签的检测变得不稳定等问题。因此， 在如工场等环境未被整理保养的一般环境下，不能太期待无线标签阅读器的测位精度。尤 其是在含有较多水分的人等持有无线标签时，位置误差可能涉及Im以上或无法检测标签 本身。此外，在使用监视器的情况下，如果能够正确地进行物体的检测，则精度优于无线 标签阅读器，但(由于根据由监视器得到的图像性特征(形状或颜色等)识别物体的ID) 物体的ID识别精度不可能达到100%。尤其是图像性特征类似的物体的识别率低。例如， 难以以高精度互相识别番茄和苹果等颜色、形状相似的物体。如此，每种传感器的检测能力的好坏不同，很难仅通过一种传感器以高精度进行 物体的识别和位置的决定。因此，存在以下技术通过将多个传感器组合，整合不同种类的 多个传感器的观测信息，从而在弥补各种传感器的观测精度的不足的同时推定物体的位置 (非专利文献1)。非专利文献 1 :Hirofumi Kanazaki, Takehisa Yairi, Kazuo Machida, Kenji Kondo, and Yoshihiko Matsukawa, "Variational Approximation DataAssociation Filter”，15th European Signal Processing Conterence (EUSIPC02007).发行日2007年 9 月 3 日，pl872 pl876。然而，为了使用所述物体位置推定的技术，所有的观测装置都能够进行物体的ID 识别是前提。不过，在考虑实际上在实际环境内进行物体或人的位置的追踪时，存在所有的 观测装置能够识别ID的前提不成立的情况。例如，在观测装置使用监视器进行人的识别的情况下，可以容易地设想到人每天 穿着的服装不同，或多个人穿着相同的制服的情况。此时，可知现实中很难根据由监视器取 得的服饰的颜色特征量来进行人的识别。或者，即使在人的识别中使用了脸部图像的特征 量，人也不一定始终朝向监视器的方向行走，因此不一定保证能够稳定地进行人的识别。虽 然可以考虑遍布配置多台监视器，但系统构建及系统设置的成本过度抬高，在费用与效果 之比(性价比)方面缺乏现实性。另一方面，虽然通过监视器能够稳定地进行暗色或形状的特征不易发生变化的物品的ID识别，但若以这样的前提成立为条件，则能够适用的情况被明显限定，在实用性方 面形成瓶颈。如以上叙述的那样，现有技术(非专利文献1)中公开的技术存在下述问题在包 括无法进行ID识别的观测装置的情况下，无法进行物体的位置推定。此外，与此同时还存 在下述问题满足现有技术的前提条件的状况极为限定，应用范围狭窄。
发明内容
为此，本发明的目的在于提供在包括以监视器为代表的无法进行物体的ID识别 的观测装置的情况下也能够推定物体的位置的物体位置推定系统、物体位置推定装置、物 体位置推定方法及物体位置推定程序。具体来说，本发明根据来自无法进行ID识别的观测 装置以外的观测信息，计算相当于无法进行ID识别的观测装置的物体的ID似然度的数值， 从而解决上述问题。为了达成所述目的，本发明如下构成。根据本发明的第一方案，提供一种推定物体的位置的物体位置推定系统，其具 备第一观测部，其在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和ID的第一观测信息；第一物体位置似然度决定单元，其根据由所述第一观测部分别观测到的所述第一 观测信息，决定在各个所述时刻的作为所述物体的推定位置的第一物体位置似然度；第一物体ID似然度决定单元，其根据由所述第一物体位置似然度决定单元决定 的所述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；第二观测部，其在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和特征量的第二观测信息，对每个第二观测信息附加第二观测ID ；第二物体位置似然度决定单元，其根据由所述第二观测部分别观测到的所述第二 观测信息，决定在各个所述时刻的作为所述物体的推定位置的第二物体位置似然度；物体追踪状况决定单元，其检测两个时刻不同但所述物体的特征量相同的所述第 二观测信息，将检测到的所述两个第二观测信息的第二观测ID彼此关联而决定所述物体 的追踪状况信息；第二物体ID似然度决定单元，其根据所述物体的所述追踪状况信息和所述物体 的推定位置决定所述第二观测信息的第二物体ID似然度；关联单元，其根据所述物体的所述第一物体ID似然度和所述第一物体位置似然 度算出第一物体关联值，根据所述第二物体ID似然度和所述第二物体位置似然度算出第 二物体关联值；物体位置推定单元，其根据所述物体的所述第一物体ID似然度、所述第一物体位 置似然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体 位置似然度和所述第二物体关联值而推定所述物体的位置。根据本发明的第六方案，提供一种推定物体的位置的物体位置推定方法，其中，由第一观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和ID的第一观测信息；
由第一物体位置似然度决定单元根据由所述第一观测部分别观测到的所述第一 观测信息，决定在各个所述时刻的作为所述物体的推定位置的第一物体位置似然度；由第一物体ID似然度决定单元根据由所述第一物体位置似然度决定单元决定的 所述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；由第二观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和特征量的第二观测信息，由所述第二观测部对每个第二观测信息附加第二观测ID ；由第二物体位置似然度决定单元根据由所述第二观测部分别观测到的所述第二 观测信息，决定在各个所述时刻的作为所述物体的推定位置的第二物体位置似然度；由物体追踪状况决定单元检测两个时刻不同但所述物体的特征量相同的所述第 二观测信息，并将检测到的两个所述第二观测信息的第二观测ID彼此关联而决定所述物 体的追踪状况信息；由第二物体ID似然度决定单元根据所述物体的所述追踪状况信息和所述物体的 推定位置决定所述第二观测信息的第二物体ID似然度；由关联单元根据所述物体的所述第一物体ID似然度和所述第一物体位置似然度 算出第一物体关联值；由关联单元根据所述物体的所述第二物体ID似然度和所述第二物体位置似然度 算出第二物体关联值；由物体位置推定单元根据所述物体的所述第一物体ID似然度、所述第一物体位 置似然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体 位置似然度和所述第二物体关联值而推定所述物体的位置。根据本发明的第七方案，提供一种物体位置推定程序，其使计算机实现由第一观测部在不同的时刻分别观测物体而分别取得包含所述物体的位置和ID 的第一观测信息的功能；由第一物体位置似然度决定单元根据由所述第一观测部分别观测到的所述第一 观测信息，决定在各个所述时刻下作为所述物体的推定位置的第一物体位置似然度的功 能；由第一物体ID似然度决定单元根据由所述第一物体位置似然度决定单元决定的 所述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度的功能；由第二观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和特征量的第二观测信息，由所述第二观测部对每个第二观测信息附加第二观测ID的功 能；由第二物体位置似然度决定单元根据由所述第二观测部分别观测到的所述第二 观测信息，决定在各个所述时刻下作为所述物体的推定位置的第二物体位置似然度的功 能；由物体追踪状况决定单元检测两个时刻不同但所述物体的特征量相同的所述第 二观测信息，并将检测到的两个所述第二观测信息的第二观测ID彼此关联而决定所述物 体的追踪状况信息的功能；由第二物体ID似然度决定单元根据所述物体的所述追踪状况信息和所述物体的 推定位置决定所述第二观测信息的第二物体ID似然度的功能；
由关联单元根据所述物体的所述第一物体ID似然度和所述第一物体位置似然度 算出第一物体关联值的功能；由关联单元根据所述物体的所述第二物体ID似然度和所述第二物体位置似然度 算出第二物体关联值的功能；由物体位置推定单元根据所述物体的所述第一物体ID似然度、所述第一物体位 置似然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体 位置似然度和所述第二物体关联值而推定所述物体的位置的功能。根据本发明的第八方案，提供一种物体位置推定装置，其具备第一物体位置似然度决定单元，其根据从在不同的时刻分别观测物体而分别取得 包含所述物体的位置和ID的第一观测信息的第一观测部得到的所述第一观测信息决定在 各个所述时刻的作为所述物体的推定位置的第一物体位置似然度；第一物体ID似然度决定单元，其根据由所述第一物体位置似然度决定单元决定 的所述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；第二物体位置似然度决定单元，其根据从对在不同的时刻分别观测所述物体而取 得的包含所述物体的位置和特征量的每个第二观测信息附加第二观测ID的第二观测部得 到的所述第二观测信息决定在各个所述时刻的作为所述物体的推定位置的第二物体位置 似然度；物体追踪状况决定单元，其将在互不相同的时刻观测到相同特征量的两个所述第 二观测信息的第二观测ID彼此关联而决定所述物体的追踪状况信息；第二物体ID似然度决定单元，其根据所述物体的所述追踪状况信息和所述物体 的推定位置决定所述第二观测信息的第二物体ID似然度；关联单元，其根据所述物体的所述第一物体ID似然度和所述第一物体位置似然 度算出第一物体关联值，根据所述第二物体ID似然度和所述第二物体位置似然度算出第 二物体关联值；物体位置推定单元，其根据(1)所述物体的所述第一物体ID似然度、所述第一物 体位置似然度和所述第一物体关联值，( 所述第二物体ID似然度、所述第二物体位置似 然度和所述第二物体关联值、中的至少任一方推定所述物体的位置。根据本结构，根据能够识别ID的第一观测装置的观测信息，能够计算与第二观测 装置的物体ID似然度相当的量，即使在第二观测装置不具备物体的ID识别功能的情况下 也能够推定物体的位置。发明效果根据本发明的物体位置推定系统、物体位置推定装置、物体位置推定方法及物体 位置推定程序，能够根据来自无法进行物体的ID识别的观测装置以外的信息来决定物体 的ID似然度。因此，即使在观测装置不具备物体的ID识别功能的情况下也能够推定物体 的位置。
本发明上述及其他目的和特征可根据关于附图的优选的实施方式所涉及的以下 的说明而明确。在该附图中，
图IA是表示本发明的第一实施方式所涉及的物体位置推定系统的结构的框图，图IB是表示本发明的所述第一实施方式的变形例所涉及的物体位置推定装置的 结构的框图，图2是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统中使用 的卡尔曼过滤的动作例的图，图3是说明本发明的所述第一实施方式所涉及的所述物体位置推定系统中的作 为观测对象的生活空间的房间的图，图4是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的人ID 转换表的示例的图，图5是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的第一 观测装置的输出履历的示例的图，图6是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的第二 观测装置的输出履历的示例的图，图7是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的物体 位置推定单元的输出履历的示例的图，图8是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的第二 物体ID似然度决定单元的输出履历的示例的图，图9A是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作为 观测对象的房间中的时刻2008/09/02_120000时的人的实际位置的示例的图，图9B是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作为 观测对象的房间中的时刻2008/09/02_12 00 01时的人的实际位置的示例的图，图9C是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作为 观测对象的房间中的时刻2008/09/02_120002时的人的实际位置的示例的图，图IOA是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻2008/09/02_12:00:00时的人的检测位置(观测位置)的示例 的图，图IOB是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻2008/09/02_12:00:01时的人的检测位置(观测位置)的示例 的图，图IOC是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻2008/09/02_12 00 02时的人的检测位置(观测位置)的示例 的图，图IlA是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的起 动时的、作为观测对象的房间中的人的初始位置(适用观测值前的位置)的示例的图，图IlB是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻2008/09/02_12:00:00时的人的推定位置(适用观测值后的位 置)的示例的图，图IlC是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻2008/09/02_12:00:01时的人的初始位置(适用观测值前的位置)的示例的图(与图lib相同的图)，图IlD是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻2008/09/02_12:00:01时的人的推定位置(适用观测值后的位 置)的示例的图，图IlE是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻2008/09/02_12:00:02时的人的初始位置(适用观测值前的位 置)的示例的图(与图UD相同的图)，图IlF是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻2008/09/02_12:00:02时的人的推定位置(适用观测值后的位 置)的示例的图，图12A是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻T时的人检测位置间的距离的图，图12B是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作 为观测对象的房间中的时刻T+1时的人检测位置间的距离的图，图13是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作为 观测对象的房间中的时刻T+2时的人检测位置的图，图14是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作为 观测对象的房间中的第一观测装置的处理的流程图，图15是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的作为 观测对象的房间中的第二观测装置的处理的流程图，图16是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统的处理 的流程图，图17是用于说明在本发明的所述第一实施方式所涉及的所述物体位置推定系统 中，分别具有相同颜色特征量的两个人擦身而过时的监视器的观测状况的图，图18是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统中基准 时刻的设定的一例的图，图19A是表示在本发明的所述第一实施方式所涉及的所述物体位置推定系统中 物体位置推定单元具备的环境图(环境图信息)的一例的图，图19B是表示本发明的所述第一实施方式所涉及的所述物体位置推定系统中监 视器具备的环境图的一例的图。
具体实施例方式以下，根据附图对本发明所涉及的实施方式进行详细说明。以下，在参照附图详细说明本发明的实施方式前，对本发明的各种形式进行说明。根据本发明的第一方案，提供一种推定物体的位置的物体位置推定系统，其特征 在于，具备第一观测部，其在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和ID的第一观测信息；第一物体位置似然度决定单元，其根据由所述第一观测部分别观测到的所述第一
10观测信息，决定在所述各个时刻的作为所述物体的推定位置的第一物体位置似然度；第一物体ID似然度决定单元，其根据由所述第一物体位置似然度决定单元决定 的所述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；第二观测部，其在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和特征量的第二观测信息，对每个第二观测信息附加第二观测ID ；第二物体位置似然度决定单元，其根据由所述第二观测部分别观测到的所述第二 观测信息，决定在所述各个时刻的作为所述物体的推定位置的第二物体位置似然度；物体追踪状况决定单元，其检测两个时刻不同但所述物体的特征量相同的所述第 二观测信息，将检测到的所述两个第二观测信息的第二观测ID彼此关联而决定所述物体 的追踪状况信息；第二物体ID似然度决定单元，其根据所述物体的所述追踪状况信息和所述物体 的推定位置决定所述第二观测信息的第二物体ID似然度；关联单元，其根据所述物体的所述第一物体ID似然度和所述第一物体位置似然 度算出第一物体关联值，根据所述第二物体ID似然度和所述第二物体位置似然度算出第 二物体关联值；物体位置推定单元，其根据所述物体的所述第一物体ID似然度、所述第一物体位 置似然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体 位置似然度和所述第二物体关联值而推定所述物体的位置。根据本发明的第二方案，提供一种以第一方案为基础的物体位置推定系统，其特 征在于，所述物体追踪状况决定单元还输出表示物体的追踪成功的概率的追踪成功似然 度和表示物体的追踪失败的概率的追踪失败似然度，所述第二物体ID似然度决定单元将下述两值的和作为所述物体的第二 ID似然 度，所述两值为在所述物体的上一次检测时算出的关联值与所述追踪成功似然度相乘的 值；追踪失败似然度除以作为检测对象的全部物体的数量的值。根据本发明的第三方案，提供一种以第一方案或第二方案为基础的物体位置推定 系统，其特征在于，在所述物体追踪状况决定单元通过检测时刻不同但所述物体的特征量相同的两 个所述第二观测信息，从而决定所述第二观测装置检测到的所述物体的追踪状况为追踪过 程中的情况下，所述关联单元根据所述物体位置推定单元推定出的所述物体的ID和所述 物体的位置而求出所述第二观测装置检测到的所述物体的ID。根据本发明的第四方案，提供一种以第一方案 第三方案中任一方案为基础的物 体位置推定系统，其特征在于，还具备环境图(环境图信息)，该环境图中记录有包含供存在于所述环境内的所 述人出入的出入口的位置的出入口信息、或所述第一观测装置的死角信息和/或所述第二 观测装置的死角信息。根据本发明的第五方案，提供一种以第一方案 第四方案中任一方案为基础的物 体位置推定系统，其特征在于，所述物体追踪状况决定单元还决定将重合的多个物体检测作为一个物体的概率。
根据本发明的第六方案，提供一种推定物体的位置的物体位置推定方法，其特征 在于，由第一观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和ID的第一观测信息；由第一物体位置似然度决定单元根据由所述第一观测部分别观测到的所述第一 观测信息，决定在所述各个时刻的作为所述物体的推定位置的第一物体位置似然度；由第一物体ID似然度决定单元根据由所述第一物体位置似然度决定单元决定的 所述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；由第二观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和特征量的第二观测信息，由所述第二观测部对每个第二观测信息附加第二观测ID ；由第二物体位置似然度决定单元根据由所述第二观测部分别观测到的所述第二 观测信息，决定在所述各个时刻的作为所述物体的推定位置的第二物体位置似然度；由物体追踪状况决定单元检测时刻不同但所述物体的特征量相同的两个所述第 二观测信息，并将检测到的所述两个第二观测信息的第二观测ID彼此关联而决定所述物 体的追踪状况信息；由第二物体ID似然度决定单元根据所述物体的所述追踪状况信息和所述物体的 推定位置决定所述第二观测信息的第二物体ID似然度；由关联单元根据所述物体的所述第一物体ID似然度和所述第一物体位置似然度 算出第一物体关联值；由关联单元根据所述物体的所述第二物体ID似然度和所述第二物体位置似然度 算出第二物体关联值；由物体位置推定单元根据所述物体的所述第一物体ID似然度、所述第一物体位 置似然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体 位置似然度和所述第二物体关联值而推定所述物体的位置。根据本发明的第七方案，提供一种物体位置推定程序，其使计算机实现由第一观测部在不同的时刻分别观测物体而分别取得包含所述物体的位置和ID 的第一观测信息的功能；由第一物体位置似然度决定单元根据由所述第一观测部分别观测到的所述第一 观测信息，决定在所述各个时刻的作为所述物体的推定位置的第一物体位置似然度的功 能；由第一物体ID似然度决定单元根据由所述第一物体位置似然度决定单元决定的 所述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度的功能；由第二观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置 和特征量的第二观测信息，由所述第二观测部对每个第二观测信息附加第二观测ID的功 能；由第二物体位置似然度决定单元根据由所述第二观测部分别观测到的所述第二 观测信息，决定在所述各个时刻的作为所述物体的推定位置的第二物体位置似然度的功 能；由物体追踪状况决定单元检测时刻不同但所述物体的特征量相同的两个所述第二观测信息，并将检测到的所述两个第二观测信息的第二观测ID彼此关联而决定所述物 体的追踪状况信息的功能；由第二物体ID似然度决定单元根据所述物体的所述追踪状况信息和所述物体的 推定位置决定所述第二观测信息的第二物体ID似然度的功能；由关联单元根据所述物体的所述第一物体ID似然度和所述第一物体位置似然度 算出第一物体关联值的功能；由关联单元根据所述物体的所述第二物体ID似然度和所述第二物体位置似然度 算出第二物体关联值的功能；由物体位置推定单元根据所述物体的所述第一物体ID似然度、所述第一物体位 置似然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体 位置似然度和所述第二物体关联值而推定所述物体的位置的功能。根据本发明的第八方案，提供一种物体位置推定装置，其具备第一物体位置似然度决定单元，其根据来自第一观测部的第一观测信息决定在不 同的时刻的作为所述物体的推定位置的第一物体位置似然度，其中，所述第一观测部在所 述各个时刻分别观测物体而分别取得包含所述物体的位置和ID的所述第一观测信息；第一物体ID似然度决定单元，其根据由所述第一物体位置似然度决定单元决定 的所述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；第二物体位置似然度决定单元，其根据来自第二观测部的第二观测信息决定在不 同的时刻的作为所述物体的推定位置的第二物体位置似然度，其中，所述第二观测部对每 个在所述各个时刻分别观测所述物体而取得的包含所述物体的位置和特征量的所述第二 观测信息附加第二观测ID ；物体追踪状况决定单元，其将在互不相同的时刻观测到相同特征量的两个所述第 二观测信息的第二观测ID彼此关联而决定所述物体的追踪状况信息；第二物体ID似然度决定单元，其根据所述物体的所述追踪状况信息和所述物体 的推定位置决定所述第二观测信息的第二物体ID似然度；关联单元，其根据所述物体的所述第一物体ID似然度和所述第一物体位置似然 度算出第一物体关联值，根据所述第二物体ID似然度和所述第二物体位置似然度算出第 二物体关联值；物体位置推定单元，其根据(1)、(2)中的至少任一方推定所述物体的位置，所述 (1)为所述物体的所述第一物体ID似然度、所述第一物体位置似然度和所述第一物体关联 值，所述( 为所述第二物体ID似然度、所述第二物体位置似然度和所述第二物体关联值。以下，参照附图对本发明的实施方式所涉及的物体位置推定系统、物体位置推定 装置、通过物体位置推定装置或物体位置推定系统能够实施的物体位置推定方法及物体位 置推定程序进行说明。(第一实施方式)〈系统构成〉图IA是表示本发明的第一实施方式所涉及的物体位置推定系统的结构的图。本发明的第一实施方式所涉及的物体位置推定系统构成为具备第一观测装置 101、第二观测装置102、第二物体ID似然度决定单元(第二物体ID似然度决定部)107、物体位置推定单元(物体位置推定部)108、关联单元(关联部)109。第一观测装置101具备第一物体位置似然度决定单元(第一物体位置似然度决定 部)103、作为第一观测部发挥功能的第一检测部101a、第一物体ID似然度决定单元(第一 物体ID似然度决定部)104、第一内部存储部110。第二观测装置102具备作为第二观测部 发挥功能的第二检测部102a、图像处理部102b、第二物体位置似然度决定单元(第二物体 位置似然度决定部)105、物体追踪状况决定单元(物体追踪状况决定部)106、第二内部存 储部111。另外，作为一个变形例，本发明的第一实施方式所涉及的物体位置推定系统还可 以形成为，如图IB所示，代替由多个构成要件分别构成第一观测装置101及第二观测装 置102，而独立具备上述的构成要件，并且将除了作为第一观测部发挥功能的第一检测部 101a、第一计时器101t、作为第二观测部发挥功能的第二检测部102a、第二计时器102t以 外的构成要件构成为物体位置推定装置99。反过来说，若在图IB的物体位置推定装置99 中，与图IA的第一实施方式所涉及的物体位置推定系统同样地构成第一观测装置101，并 加上图像处理部102b而构成第二观测装置102，则能够形成图IA的第一实施方式所涉及的 物体位置推定系统的结构。在此，所述物体位置推定装置99作为主要的构成要件具备第一物体位置似然度 决定单元(第一物体位置似然度决定部)103、第一物体ID似然度决定单元(第一物体ID 似然度决定部)104、第二物体位置似然度决定单元(第二物体位置似然度决定部)105、物 体追踪状况决定单元(物体追踪状况决定部)106、第二物体ID似然度决定单元(第二物体 ID似然度决定部)107、关联单元(关联部)109、物体位置推定单元(物体位置推定部)108。 作为附加的构成要件，也可以在所述物体位置推定装置99上具备第一存储部IlOm和第二 存储部111m。在这样的结构的情况下，来自作为第一观测部发挥功能的第一检测部IOla和 第一计时器IOlt的信息也可以向第一物体位置似然度决定单元(第一物体位置似然度决 定部)103输入的同时，也存储到第一存储部110m。此外，来自第一物体位置似然度决定单 元(第一物体位置似然度决定部)103的信息向第一物体ID似然度决定单元(第一物体ID 似然度决定部)104输入。进而，也可以构成为来自第一物体位置似然度决定单元(第一物 体位置似然度决定部)103的信息及来自第一物体ID似然度决定单元(第一物体ID似然 度决定部)104的信息也存储到第一存储部110m。来自第一物体ID似然度决定单元(第一 物体ID似然度决定部)104的信息向物体位置推定单元(物体位置推定部)108输入。同 样地，来自作为第二观测部发挥功能的第二检测部10 和第二计时器102t的信息也可以 向第二物体位置似然度决定单元(第二物体位置似然度决定部)105输入的同时，也存储 到第二存储部111m。此外，来自第二物体位置似然度决定单元(第二物体位置似然度决定 部)105的信息向物体追踪状况决定单元(物体追踪状况决定部)106输入。另外，也可以 构成为来自第二物体位置似然度决定单元(第二物体位置似然度决定部)105的信息及物 体追踪状况决定单元(物体追踪状况决定部)106的信息也存储到第二存储部111m。来自 物体追踪状况决定单元(物体追踪状况决定部)106的信息向物体位置推定单元(物体位 置推定部)108、关联单元(关联部)109、第二物体ID似然度决定单元(第二物体ID似然 度决定部)107输入。这样的结构的图IB的物体位置推定装置99也能够与图IA的第一实 施方式所涉及的物体位置推定系统的对应的单元(对应的部分)同样地发挥作用效果。
此外，图3中示出作为具备本发明的第一实施方式所涉及的物体位置推定系统的 构成要件的第一观测装置101和第二观测装置102的、作为环境的一例的生活环境的具体 示例的房间301。在四边形的房间301的顶棚的不同的角落分别设置有UWB(Ultra Wide Band)的标签阅读器304、立体监视器305。标签阅读器304作为第一观测装置101的第一 检测部IOla的一例发挥功能，立体监视器305作为第二观测装置102的第二检测部10 的 一例发挥功能。假定在房间301内存在能够被标签阅读器304分别检测到的具有标签303A 的人302A、具有标签30 的人302B、具有标签303C的人302C。然后，以人302为代表来说 明存在于房间301内的人302A、人302B和人302C中的任意的人。同样地，以标签303为代 表来说明存在于房间301内的标签303A、标签30 和标签303C中的任意的标签。以下，利用图IA和图3说明各构成要件。〈各观测装置的说明〉第一观测装置101和第二观测装置102都分别检测存在于作为生活环境的具体示 例的房间301内的人302。〈第一观测装置的说明〉第一观测装置101具备作为第一观测部发挥功能的第一检测部101a、第一物体位 置似然度决定单元103、第一物体ID似然度决定单元104和第一内部存储部110。第一观 测装置101决定存在于房间301内的人302的第一 ID似然度(第一物体ID似然度)和第 一位置似然度(第一物体位置似然度)。可以将决定的人302的第一 ID似然度和第一位置 似然度的信息从第一观测装置101向物体位置推定单元108输出。第一 ID似然度及后述的第二 ID似然度时的ID似然度是以概率的方式表示检测 到的物体(例如，在此为人302)像哪个ID的物体(例如，在此为人302)。例如，(由于在 利用无线标签阅读器时，如现有技术记载的那样能够可靠地识别ID)在利用无线标签阅读 器检测物体A的标签的情况下，对于ID似然度，为物体A的概率是1，为其他的物体的概率 是0。另一方面，在利用监视器检测物体A的情况下，无法如上述那样可靠地识别出为特定 的物体。例如，在通过监视器识别出物体A的情况下，存在识别出物体A以外的物体(物 体B、物体C)的可能性。因此，对于ID似然度，为物体A的概率是0.8，为物体B的概率是 0. 1，为物体C的概率是0. 1，如此，对存在的所有物体进行概率的分配。需要说明的是，这 仅为决定ID似然度的一例，本发明不局限于此。在本发明的第一实施方式中，第一观测装 置101的第一检测部IOla检测到的人302的第一 ID似然度由第一物体ID似然度决定单 元104决定。与此相对地，作为第二观测装置102的第二检测部10 的一例的监视器305 不具有物体的ID识别功能。因此，通过与第二观测装置102不同的第二物体ID似然度决 定单元107，来决定作为第二观测装置102的第二检测部10 的一例的监视器305及图像 处理部102b检测到的人302的第二 ID似然度。第一位置似然度及后述的第二位置似然度时的位置似然度是指根据某一时间点 推定的各物体的位置，对于新观测到的物体的位置以概率的方式表示该物体像是哪个ID 的物体。例如，设为推定出在一维坐标上的10的位置上存在物体A，在20的位置上存在物 体B，在40的位置上存在物体C。在该状况下，设为在0的位置上检测到物体。此时的位置 似然度例如通过取距各物体A、B、C的推定位置的距离的倒数而进行标准化，能够算出为物 体A的概率是0. 58，为物体B的概率是0. 28，为物体C的概率是0. 14。
15
在此，考虑物体位置推定系统起动时的情况。在物体位置推定系统起动时的人的 初始推定位置随机决定时，标签阅读器304能够可靠地进行人ID的识别。因此，与随机决 定的人的(初始)推定位置相比，检测到人302(所持有的标签30 的位置接近实际的人 302的位置的可能性较高。因此，第二位置似然度也可以不根据推定的物体的位置，而根据 标签阅读器304检测到人302 (所持有的标签30 的位置求出。此外，也可以在从物体位置推定系统起动时开始第N次(N为大于0的任意整数。) 的监视器305的观测之前，根据标签阅读器304检测到人302 (所持有的标签30 的位置 决定第二位置似然度，第N次以后的监视器305的观测根据推定的物体的位置来决定第二 位置似然度。在此，根据标签阅读器304检测到人302(所持有的标签30 的位置来决定 第二位置似然度的次数N的最佳值根据观测装置性能的不同而不同。因此，需要通过事前 实验等预先估计最佳值。需要说明的是，这仅为决定位置似然度的一例，本发明不局限于此。第一位置似然 度由第一观测装置101的第一物体位置似然度决定单元103决定。第二位置似然度由第二 观测装置102的第二物体位置似然度决定单元105决定。作为第一观测装置101的第一检测部IOla可以使用例如标签阅读器304。第一物体位置似然度决定单元103决定第一观测装置101的第一检测部IOla检 测到的人302的第一位置似然度(第一物体位置似然度)。在以标签阅读器304为一例而 用作第一观测装置101的第一检测部IOla时，第一物体位置似然度决定单元103可以使用 例如三点测量的原理来决定人302的第一位置似然度。具体来说，各无线标签阅读器自身 的设置位置预先存储于第一物体位置似然度决定单元103的内部存储部或第一内部存储 部110等中。并且，各无线标签阅读器以各无线标签阅读器自身的设置位置为中心，根据由 各无线标签阅读器检测到标签303的位置，由第一物体位置似然度决定单元103描绘球体。 更具体来说，第一物体位置似然度决定单元103描绘以由该检测到的位置和所述设置位置 算出的距离为半径的球面。此时，通过第一物体位置似然度决定单元103将球面重合最多 的位置定为人302所具有的标签303存在的位置，定为人302存在的位置。第一物体ID似然度决定单元104决定第一观测装置101的第一检测部IOla检测 到的人302的第一 ID似然度(第一物体ID似然度)。在使用标签阅读器304作为第一观 测装置101的第一检测部IOla时，通过在标签303中预先记录人302的ID，从而标签阅读 器304能够从标签303直接读取记录于标签303中的人302的ID。由此，对于人302的第 一 ID似然度，可使为人302的ID的概率是1。在标签303中未记录人302的ID时，也可以 使用例如能够根据标签ID决定人302的第一 ID似然度的人ID转换表。图4中示出人ID 转换表的示例。在图4的人ID转换表中示出例如在检测到标签ID = T4的标签时，检测到 人ID = Hl的人。人ID转换表也可以记录在第一观测装置101的第一内部存储部110中。 此外，也可以事先记录在外部的数据库等中，第一物体ID似然度决定单元104根据需要而 从外部的数据库取得需要的信息来决定人302的第一 ID似然度。图5中示出第一观测装置101的人检测例。图5是观测周期为1秒的标签阅读 器304的输出例，分别输出观测ID、检测到人302的时刻、检测到人302的位置(xy坐标)、 人302所具有的标签ID。例如，在时刻2008/09/02_12:00:00，在位置(150,210)检测到具 有标签ID = T4的人302，并将其作为观测ID = 0BS_TAG_001的第一观测信息输出。在标签ID = T7、T8时也同样，作为观测ID = 0BS_TAG_002的第一观测信息及观测ID = 0BS_ TAG_003的第一观测信息输出(需要说明的是，以下省略“的第一观测信息”。)。此外，第 一观测装置101具备用于取得观测周期及时刻的信息等的第一计时器101t。以下，对第一观测装置101的第一检测部IOla作为一例使用标签阅读器304的情 况进行说明。参照图14的流程图说明标签阅读器304的处理内容。在步骤S1401中，由第一检测部IOla检测存在于作为环境的具体示例的房间301 内的标签303，由第一检测部IOla检测标签303的ID和位置。通过第一物体位置似然度决 定单元103根据该标签303的位置决定第一位置似然度。在步骤S1402中，由第一检测部IOla检测持有标签303的人302的ID，通过第一 物体ID似然度决定单元104决定人的第一 ID似然度。在步骤S1403中，将人的第一 ID似然度和第一位置似然度从第一观测装置101向 物体位置推定单元108输出。〈第二观测装置的说明〉第二观测装置102具备作为第二观测部发挥功能的第二检测部102a、图像处理 部102b、第二物体位置似然度决定单元105、物体追踪状况决定单元106、第二内部存储部 111。第二观测装置102取得存在于房间301内的人302的第二位置似然度(第二物体位 置似然度)和人302的追踪状况的信息(追踪状况信息)，并从第二观测装置102分别向第 二物体ID似然度决定单元107、物体位置推定单元108和关联单元109输出。作为第二观 测装置102的第二检测部10 的示例使用监视器305。为了使用监视器305检测人302，需要通过图像处理部102b对作为第二检测部 102a的一例的监视器305取得的图像数据进行处理。作为其方法，例如可以通过图像处理 部102b使用背景差量法。该方法如下。通过图像处理部102b比较由监视器305预先摄像 而准备好的人302不存在时的环境例如房间301的背景图像数据和由监视器305摄像的当 前的图像数据。然后，由图像处理部102b将像素值不同的区域取出作为差量区域。而且， 通过图像处理部102b对所述差量区域作为人302进行检测。但是，由于存在在图像数据中 混入噪声的可能性，因此在由图像处理部102b可判断出所述差量区域相对于人302十分小 的情况下，可以由图像处理部102b判断所述差量区域不是人302。在此，差量区域相对于 人302十分小的情况是指，所述差量区域的像素数在根据能够认识人302的最低像素数而 预先设定的阈值以下的情况。第二物体位置似然度决定单元105决定第二观测装置102的第二检测部10 和 图像处理部102b检测到的人302的第二位置似然度(第二物体位置似然度)。作为第二观 测装置102的第二检测部10 的一例的监视器305设置为从顶棚垂直地向地面俯视。此 时，例如，第二物体位置似然度决定单元105能够根据由图像处理部102b取得的差量区域 的重心位置来决定人302的第二位置似然度。物体追踪状况决定单元106决定第二观测装置102的第二检测部10 和图像处 理部102b检测到的人302的追踪状况的信息(追踪状况信息)。在作为第二观测装置102 的第二检测部10 的一例使用监视器305时，例如通过将由图像处理部102b取得的差量 区域的颜色的分布存储到第二内部存储部111中而能够实现人302的追踪。使用图6所示的存储于第二内部存储部111中的人检测履历数据库来说明该追踪。图6是观测周期为1 秒的监视器305的输出履历，构成为记录有观测ID、检测到人302的时刻、检测到人302的 位置(xy坐标)以及人302的颜色特征量。观测ID = 0BS_CAM_001的第二观测信息示出 监视器305在时刻2008/09/02_12:00:00在位置(150,410)检测到人302。此外，颜色特征 量中记录为红，表示通过图像处理部102b分析差量区域的颜色分布的结果是红颜色的成 分最多。在此1秒后检测时的观测ID = 0BS_CAM004的第二观测信息(以后省略“观测ID =”及“的第二观测信息”)的颜色特征量中也记录为红。此时，由于颜色特征量相同，因此 推定由0BS_CAM_004检测到的人302与由0BS_CAM_001检测到的人302为同一人。因此，物 体追踪状况决定单元106决定0BS_CAM_004是追踪0BS_CAM_001而得到的追踪状况信息。 关于由0BS_CAM_001检测到的人302，由于以前不存在颜色特征量相同的观测ID，因此由物 体追踪状况决定单元106决定追踪状况信息为初次检测到的人。在此，作为颜色特征量也 可以使用RGB的成分比等。需要说明的是，第二观测装置102具备用于取得观测周期及时 刻的信息等的第二计时器102t。在此，考虑未得到0BS_CAM_004的情况。在得到0BS_CAM_007的观测的上一次观测中，未得到具有与0BS_CAM_007相同的 颜色特征量“红”的观测值。在监视器305的人的检测性能高的情况下，由物体追踪状况决 定单元106决定0BS_CAM_007为初次检测到的人。此外，在监视器305的人的检测性能低 的情况下，判断得到0BS_CAM_007的观测的上一次观测中人的检测错误，并且由物体追踪 状况决定单元106决定作为上一次的观测值且具有相同颜色特征量“红”的0BS_CAM_001与 0BS_CAM_007 是同一人。在所述示例中，由物体追踪状况决定单元106决定由0BS_CAM_004检测到的人 302与由0BS_CAM_001检测到的人302是同一人这一追踪状况信息。但是，存在即使0BS_ CAM_001与0BS_CAM_004检测到相同颜色特征量，物体追踪状况决定单元106也根据检测时 间的差和检测位置的差而判断为检测到互不相同的人的情况。例如，在已知以人的步行速 度在检测时间的差之间无论如何也无法进行从0BS_CAM_001的检测位置(150，401)到0BS_ CAM_004的检测位置(320，390)的移动的情况下进行这样的判断。这样的判断基准例如可 以认为检测位置(150，401)与检测位置(320，390)的距离大于所述时间与人的最大步行速 度(例如秒速5m)的积即可能步行距离的情况。此外，在所述示例中，在各自具有相同颜色特征量的两人擦身而过的情况下，由物 体追踪状况决定单元106无法判断这次得到的观测ID追踪了以前得到的哪个观测ID。这种情况下，物体追踪状况决定单元106也可以考虑人的运动模型。图17中示出 各自具有相同颜色特征量的两人擦身而过时的监视器305的观测状况。需要说明的是，本 来应该还能够得到标签阅读器304的观测值，但在此省略。如上所述，由物体追踪状况决定单元106在时刻12 00 02作为追踪状况信息能够 判断出0BS_CAM_103是追踪具有相同颜色特征量且在1秒以内能够移动的0BS_CAM_101而 得到的观测值。同样地，由物体追踪状况决定单元106能够判断出0BS_CAM_104是追踪具 有相同颜色特征量且在1秒以内能够移动的0BS_CAM_102而得到的观测值。在此，不仅考虑特征量，而且考虑物体存在的时间的理由如下。即，如果作为追踪 状况信息可以仅以物体的特征量将观测ID彼此关联，而能够作为追踪状况信息进行处理，则简单而优选。然而，实际上，可能还存在特征量相同的物体存在有多个的情况(例如，可 能存在穿着相同服装的人的情况等)。此时，可以不仅考虑特征量，而且考虑物体每一时刻 存在的位置而将观测ID关联。例如，预先存储“在人以1秒移动至相隔IOOm以上的场所时 即使特征量相同也不进行关联”等规则，使物体追踪状况决定单元106能够使用该规则即可。由此，由物体追踪状况决定单元106能够判断，0BS_CAM_103以秒速^ii向-X方向 行进，0BS_CAM_104以秒速an向+X方向行进。在时刻12:00:03，作为0BS_CAM_105的追踪源的观测值，具有相同颜色特征量且 在1秒以内能够移动的观测值存在0BS_CAM_103和0BS_CAM_104两个。此时，通过由物体追 踪状况决定单元106参照第二内部存储部111的人检测履历数据库的0BS_CAM_103和0BS_ CAM_104的行进履历的信息，从而由物体追踪状况决定单元106判断哪个观测值是0BS_ CAM_105的追踪源的观测值。根据0BS_CAM_103以秒速^ii向-X方向行进，由物体追踪状况 决定单元106可判断出下一次观测(在时刻12:00:03的观测)在坐标(550，350)得到的 可能性较高。此外，根据0BS_CAM_104以秒速an向+X方向行进，由物体追踪状况决定单元 106可判断出下一次观测在坐标(450，250)得到的可能性较高。在此，0BS_CAM_105在坐标(550，350)得到，由物体追踪状况决定单元106判断出 其是追踪0BS_CAM_103而得到的观测值。同样地，由物体追踪状况决定单元106可判断出 0BS_CAM_106是追踪0BS_CAM_104而得到的观测值。需要说明的是，人检测履历数据库可以如上述那样存储到第二观测装置102的第 二内部存储部111。此外，也可以事先记录到外部的数据库等中，物体追踪状况决定单元 106根据需要而从外部的数据库等取得需要的信息来取得物体追踪状况的信息。而且，第一 观测装置101与第二观测装置102的观测周期不必相同。以下，将第二观测装置102的第二检测部10 的一例作为监视器305进行说明。参照图15的流程图来说明监视器305的处理内容。在步骤S1501中，由第二检测部10 检测存在于作为环境的具体示例的房间301 内的人302，通过第二物体位置似然度决定单元105根据由图像处理部102b检测到的位置
决定第二位置似然度。在步骤S1502中，通过第二检测部10 和图像处理部102b将由第二检测部10 和图像处理部102b检测到的信息记录到第二内部存储部111的人检测履历数据库中。在步骤S1503中，由物体追踪状况决定单元106参照人检测履历数据库，从而通过 物体追踪状况决定单元106决定由第二检测部10 和图像处理部102b检测到的人302的 追踪状况。在步骤S1504中，将上述的第二位置似然度、追踪状况信息从第二观测装置102分 别向第二物体ID似然度决定单元107、物体位置推定单元108和关联单元109输出。在此，第一观测装置101和第二观测装置102的观测周期越短，则进行物体位置推 定的次数越增加，因此位置的推定精度高。<关联单元和物体位置推定单元的说明>物体位置推定单元108根据由第一观测装置101决定(检测)的人302的第一 ID 似然度和第一位置似然度、由第二观测装置102决定(检测)的人302的第二位置似然度、由第二物体ID似然度决定单元107决定的第二 ID似然度来推定人302的位置。具体来说通过以下的方法进行。关联单元109在作为其位置推定的方法而接收到 以下的第一 ID似然度和第一位置似然度时，根据接收到的物体的第一 ID似然度和第一位 置似然度而进行关联值的计算。关联单元109根据从第一观测装置101接收到的物体的第一 ID似然度和第一位 置似然度、从第二观测装置102接收到的物体的第二位置似然度、从第二物体ID似然度决 定单元107接收到的物体的第二 ID似然度，以概率的方式求出检测到的物体是哪个ID的 物体。物体的检测由第一观测装置101的第一检测部101a、第二观测装置102的第二检测 部10 以及图像处理部102b进行。在此的说明中，将第一观测装置101及第二观测装置 102统称为“观测装置”，将第一 ID似然度及第二 ID似然度统称为“ ID似然度”，将第一位 置似然度及第二位置似然度统称为“位置似然度”。在此，将关联单元109求出的概率值称为“关联值”。具体来说，关联值是表示将 由观测装置观测到的ID似然度和位置似然度的信息与实际的物体进行关联的值(第二 ID 似然度由第二物体ID似然度决定单元输出)。即，以概率的方式表示从观测装置接收到的 物体的ID似然度和位置似然度是通过检测哪个ID的物体而得到的值。上面记述的物体的 ID似然度及位置似然度分别是表示观测信息(观测数据)是观测某物体而得到的信息(数 据)这一概率的值。此外，关联值以该ID似然度与位置似然度的积表示。此外，用于由关 联单元109进行关联值的计算的、第二观测装置102检测到的物体的第二 ID似然度不是由 第二观测装置102算出，而是由第二物体ID似然度决定单元107算出的。在基于关联单元109的关联值的计算结束时，由物体位置推定单元108根据关联 单元109的计算结果和所述物体的追踪状况信息推定人302的位置。另外，基于关联单元 109的关联值的计算的结束可通过例如关联单元109的计算结果从关联单元109输入到物 体位置推定单元108来进行判断。在计算结果的信息从关联单元109输入到物体位置推定 单元108时，物体位置推定单元108判断关联值的计算已结束。然后，由物体位置推定单元 108根据关联单元109的计算结果和所述物体的追踪状况信息推定人302的位置。作为其方法，可以在物体位置推定单元108中使用以卡尔曼过滤等为代表的贝叶 斯推定框架。通过物体位置推定单元108根据由第二观测装置102得到的人302的ID似然 度和位置似然度进行位置的推定，但此时人302的位置的更新量以所述关联值进行加权。 以所述关联值的加权信息从关联单元109向物体位置推定单元108输出。需要说明的是，关联值的值越高，物体的位置的更新量越大。换言之，是某一物体 的观测数据的可能性高的观测数据对位置更新的贡献率高。〈卡尔曼过滤说明〉卡尔曼过滤是指，以假定在系统的状态(在本发明的该第一实施方式中例如为物 体的位置)的信息以及第一观测装置101、第二观测装置102的观测数据(观测信息)双方 中含有噪声为基�。贫ǹ赡苄宰畲蟮南低车淖刺�。换言之，从系统的可得到的状态的备选 中推定出概率最高的状态。图2中示出在物体位置推定处理中利用卡尔曼过滤的示例。纵轴表示概率，横轴 表示位置。在物体如下述(式1)所示那样进行移动时，能够得到由第二观测装置102(式2)求出的观测值203。在此，A表示物体的运动模型，χ表示物体位置，ν表示移动时产生的工 艺噪声。此外，y表示观测值，H表示使物体位置χ与观测值y对应的观测模型，w表示观测 噪声，t表示时间。xt = AtXt^1+Vt.....(式 1)yt = Htxt+wt.....(式 2)在此，若工艺噪声ν及观测噪声w为白色高斯噪声，则ρ (W)如(式3)所示，ρ (ν) 如(式4)所示。另外，N(0，Q)表示均值0、方差Q的高斯分布。N(0，R)也同样表示均值0、 方差R的高斯分布。p(w) N(0，Q).....(式 3)p(V) N(0，R).....(式 4)在得到观测值203时，由物体位置推定单元108更新当前得到的与物体的位置相 关的事前概率分布201 (以后，称为“事前分布”。)，由物体位置推定单元108作出预测概率 分布202(以后，称为“预测分布”。)。能够由物体位置推定单元108利用(式幻的式子 求出预测分布202的均值(位置)，由物体位置推定单元108利用(式6)的式子求出预测 分布202的方差。另外，"Xalb”表示根据时刻b的信息得出的时刻a的X的推定值。例如， (式5)的"Xtlt^表示根据时刻t-Ι的信息得出的时刻t的物体位置χ的推定值，(式6) 的"Ptlt-/'表示根据时刻t-Ι的信息得出的时刻t的P的推定值。在此，P表示分布的方差。XtlH = AjHlH.....(式 5)
权利要求
1.一种物体位置推定系统，其推定物体的位置，其具备第一观测部，其在不同的时刻分别观测所述物体而分别取得包含所述物体的位置和ID 的第一观测信息；第一物体位置似然度决定单元，其根据由所述第一观测部分别观测到的所述第一观测 信息，决定在各个所述时刻下作为所述物体的推定位置的第一物体位置似然度；第一物体ID似然度决定单元，其根据由所述第一物体位置似然度决定单元决定的所 述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；第二观测部，其在不同的时刻分别观测所述物体而分别取得包含所述物体的位置和特 征量的第二观测信息，对每个第二观测信息附加第二观测ID ；第二物体位置似然度决定单元，其根据由所述第二观测部分别观测到的所述第二观测 信息，决定在各个所述时刻下作为所述物体的推定位置的第二物体位置似然度；物体追踪状况决定单元，其检测两个时刻不同但所述物体的特征量相同的所述第二观 测信息，将检测到的两个所述第二观测信息的第二观测ID彼此关联而决定所述物体的追 踪状况信息；第二物体ID似然度决定单元，其根据所述物体的所述追踪状况信息和所述物体的推 定位置决定所述第二观测信息的第二物体ID似然度；关联单元，其根据所述物体的所述第一物体ID似然度和所述第一物体位置似然度算 出第一物体关联值，根据所述第二物体ID似然度和所述第二物体位置似然度算出第二物 体关联值；物体位置推定单元，其根据所述物体的所述第一物体ID似然度、所述第一物体位置似 然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体位置 似然度和所述第二物体关联值而推定所述物体的位置。
2.根据权利要求1所述的物体位置推定系统，其中，所述物体追踪状况决定单元还输出表示物体的追踪成功的概率的追踪成功似然度和 表示物体的追踪失败的概率的追踪失败似然度，所述第二物体ID似然度决定单元将下述积值和商值的和作为所述物体的第二 ID似 然度，所述积值为在所述物体的上一次检测时算出的关联值与所述追踪成功似然度相乘的 值；所述商值为追踪失败似然度除以作为检测对象的全部物体的数量的值。
3.根据权利要求1或2所述的物体位置推定系统，其中，在所述物体追踪状况决定单元通过检测两个时刻不同但所述物体的特征量相同的所 述第二观测信息，从而决定所述第二观测装置检测到的所述物体的追踪状况为追踪过程中 的情况下，所述关联单元根据所述物体位置推定单元推定出的所述物体的ID和所述物体 的位置而求出所述第二观测装置检测到的所述物体的ID。
4.根据权利要求1或2所述的物体位置推定系统，其中，还具备环境图，该环境图中记录有包含供存在于所述环境内的所述人出入的出入口的 位置的出入口信息、或所述第一观测装置的死角信息、和/或所述第二观测装置的死角信 肩、ο
5.根据权利要求1或2所述的物体位置推定系统，其中，所述物体追踪状况决定单元还决定将重合的多个物体检测作为一个物体的概率。
6.一种物体位置推定方法，其推定物体的位置，其中，由第一观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置和ID 的第一观测信息；由第一物体位置似然度决定单元根据由所述第一观测部分别观测到的所述第一观测 信息，决定在各个所述时刻下作为所述物体的推定位置的第一物体位置似然度；由第一物体ID似然度决定单元根据由所述第一物体位置似然度决定单元决定的所述 第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；由第二观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置和特 征量的第二观测信息，由所述第二观测部对每个第二观测信息附加第二观测ID ；由第二物体位置似然度决定单元根据由所述第二观测部分别观测到的所述第二观测 信息，决定在各个所述时刻下作为所述物体的推定位置的第二物体位置似然度；由物体追踪状况决定单元检测两个时刻不同但所述物体的特征量相同的所述第二观 测信息，并将检测到的两个所述第二观测信息的第二观测ID彼此关联而决定所述物体的 追踪状况信息；由第二物体ID似然度决定单元根据所述物体的所述追踪状况信息和所述物体的推定 位置决定所述第二观测信息的第二物体ID似然度；由关联单元根据所述物体的所述第一物体ID似然度和所述第一物体位置似然度算出 第一物体关联值；由关联单元根据所述物体的所述第二物体ID似然度和所述第二物体位置似然度算出 第二物体关联值；由物体位置推定单元根据所述物体的所述第一物体ID似然度、所述第一物体位置似 然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体位置 似然度和所述第二物体关联值而推定所述物体的位置。
7.—种物体位置推定程序，其使计算机实现由第一观测部在不同的时刻分别观测物体而分别取得包含所述物体的位置和ID的第 一观测信息的功能；由第一物体位置似然度决定单元根据由所述第一观测部分别观测到的所述第一观测 信息，决定在各个所述时刻下作为所述物体的推定位置的第一物体位置似然度的功能；由第一物体ID似然度决定单元根据由所述第一物体位置似然度决定单元决定的所述 第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度的功能；由第二观测部在不同的时刻分别观测所述物体而分别取得包含所述物体的位置和特 征量的第二观测信息，由所述第二观测部对每个第二观测信息附加第二观测ID的功能；由第二物体位置似然度决定单元根据由所述第二观测部分别观测到的所述第二观测 信息，决定在各个所述时刻下作为所述物体的推定位置的第二物体位置似然度的功能；由物体追踪状况决定单元检测两个时刻不同但所述物体的特征量相同的所述第二观 测信息，并将检测到的两个所述第二观测信息的第二观测ID彼此关联而决定所述物体的 追踪状况信息的功能；由第二物体ID似然度决定单元根据所述物体的所述追踪状况信息和所述物体的推定 位置决定所述第二观测信息的第二物体ID似然度的功能；由关联单元根据所述物体的所述第一物体ID似然度和所述第一物体位置似然度算出 第一物体关联值的功能；由关联单元根据所述物体的所述第二物体ID似然度和所述第二物体位置似然度算出 第二物体关联值的功能；由物体位置推定单元根据所述物体的所述第一物体ID似然度、所述第一物体位置似 然度和所述第一物体关联值，或者/并且根据所述第二物体ID似然度、所述第二物体位置 似然度和所述第二物体关联值而推定所述物体的位置的功能。
8. —种物体位置推定装置，其具备第一物体位置似然度决定单元，其根据来自第一观测部的第一观测信息决定在不同的 时刻下作为所述物体的推定位置的第一物体位置似然度，其中，所述第一观测部在各个所 述时刻分别观测物体而分别取得包含所述物体的位置和ID的所述第一观测信息；第一物体ID似然度决定单元，其根据由所述第一物体位置似然度决定单元决定的所 述第一物体位置似然度，在各个时刻决定所述物体的第一物体ID似然度；第二物体位置似然度决定单元，其根据来自第二观测部的第二观测信息决定在不同的 时刻下作为所述物体的推定位置的第二物体位置似然度，其中，所述第二观测部对在各个 所述时刻分别观测所述物体而取得的包含所述物体的位置和特征量的每个所述第二观测 信息附加第二观测ID ；物体追踪状况决定单元，其将在互不相同的时刻观测到相同特征量的两个所述第二观 测信息的第二观测ID彼此关联而决定所述物体的追踪状况信息；第二物体ID似然度决定单元，其根据所述物体的所述追踪状况信息和所述物体的推 定位置决定所述第二观测信息的第二物体ID似然度；关联单元，其根据所述物体的所述第一物体ID似然度和所述第一物体位置似然度算 出第一物体关联值，根据所述第二物体ID似然度和所述第二物体位置似然度算出第二物 体关联值；物体位置推定单元，其根据(1)所述物体的所述第一物体ID似然度、所述第一物体位 置似然度和所述第一物体关联值，( 所述第二物体ID似然度、所述第二物体位置似然度 和所述第二物体关联值中的至少任一方而推定所述物体的位置。
全文摘要
由第一观测装置(101)检测物体的ID似然度及位置似然度，由第二观测装置(102)检测物体的位置似然度及物体的追踪状况，由关联单元(109)将由第二观测装置检测到的物体与物体ID对应，由第二物体ID似然度决定单元(107)根据来自第二观测装置(102)及关联单元(109)的信息决定第二观测装置(102)检测到的物体的ID似然度，由物体位置推定单元(108)根据ID似然度及位置似然度推定物体位置。
文档编号G01S13/74GK102105811SQ20108000217
公开日2011年6月22日 申请日期2010年2月18日 优先权日2009年2月19日
发明者谷川彻 申请人:松下电器产业株式会社
专业数控铣床产品供应商
20年生产经验，实力工厂，精工品质，质量有保障
