文献

J-GLOBAL ID：202002283735588345   整理番号：20A1046810

歩容に頑健なPDRのための深層学習を用いた進行方向推定手法

著者 (4件)： 吉田拓人 (名古屋大) ,  廣井慧 (名古屋大) ,  米澤拓郎 (名古屋大) ,  河口信夫 (名古屋大)
資料名： 情報処理学会研究報告(Web)  (IPSJ Technical Report (Web))
巻： 2020  号： MBL-94  ページ： Vol.2020-MBL-94,No.7,1-8 (WEB ONLY)  発行年： 2020年02月24日 
JST資料番号： U0451A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 慣性センサを搭載したスマートフォンの普及に伴い,慣性データから歩行者の相対位置を推定する手法であるPedestrian Dead Reckoning(PDR)の研究が盛んに行われている.前の位置を元に次の位置を推定するPDRでは,誤差の累積が課題とされてきた.PDRは,速度推定と進行方向推定の2つの要素からなり,両方が高精度でないと誤差が大きくなる.我々は以前に深層学習を用いたPDR手法を検討し,深層学習による高精度な速度推定を実現した.進行方向推定にも深層学習を取り入れるにあたり,歩行速度と進行方向には密接な関係があることを考えると,進行方向と速度を同時に推定することでさらなる高精度化が実現できる.本稿では,加速度と角速度の時系列入力から,速度と進行方向をEnd-to-endで推定するLSTMベースの深層学習モデルを提案する.評価は有限オートマトンベースの既存手法と深層学習ベースの提案手法を速度推定,進行方向推定,経路推定の3つの項目で比較する.結果,速度推定,進行方向推定,推定経路全ての項目において提案手法の方が高精度であることが確認できた.(著者抄録)

シソーラス用語： 航法 ,  *歩行者 ,  センサ ,  歩容 ,  ロバスト性 ,  機械学習 ,  *ロバスト推定 ,  エンドツーエンド方式 ,  ニューラルネットワーク ,  学習モデル ,  予測モデル ,  データ収集 ,  有限オートマトン
準シソーラス用語： デッドレコニング ,  *PDR ,  慣性センサ ,  *深層学習 ,  *進行方向推定 ,  速度推定 ,  LSTM ,  経路推定 ,  位置推定

分類 (2件)： 電子航法一般  (ND14010O) ,  人工知能  (JE08000Z)

引用文献 (17件)：

• Harle, R.: A Survey of Indoor Inertial Positioning Systems for Pedestrians, IEEE Communications Surveys Tutorials, Vol. 15, No. 3, pp. 1281-1293 (2013).
• Correa Vila, A., Barceló, M., Morell, A. and Lopez Vicario, J.: A Review of Pedestrian Indoor Positioning Systems for Mass Market Applications, Sensors (Switzerland), Vol. 17 (2017).
• Sakpere, W., Oshin, M. A. and Mlitwa, N.: A State-of-the-Art Survey of Indoor Positioning and Navigation Systems and Technologies, South African Computer Journal, Vol. 29, No. 3 (online), available from (http://sacj.cs.uct.ac.za/index.php/sacj/article/view/452) (2017).
• Ban, R., Kaji, K., Hiroi, K. and Kawaguchi, N.: Indoor positioning method integrating pedestrian Dead Reckoning with magnetic field and WiFi fingerprints, 2015 Eighth International Conference on Mobile Computing and Ubiquitous Networking (ICMU), pp. 167-172 (online), DOI: 10.1109/ICMU.2015.7061061 (2015).
• Yoshida, T., Nozaki, J., Urano, K., Hiroi, K., Yonezawa, T. and Kawaguchi, N.: Gait Dependency of Smartphone Walking Speed Estimation Using Deep Learning, Proceedings of the 17th Annual International Conference on Mobile Systems, Applications, and Services, MobiSys ’19, New York, NY, USA, ACM, pp. 641-642 (2019).

タイトルに関連する用語 (5件)： 歩容 ,  深層学習 ,  進行方向 ,  推定 ,  手法