2020 Fiscal Year Research-status Report
IMUを用いた多様な環境下で動作可能な立体測位技術の確立
| Project/Area Number |
20K11891
|
|---|
| Research Institution | Kyushu University |
|---|
Principal Investigator |
内山 英昭 九州大学, 附属図書館, 准教授 (90735804)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Keywords | IMU / オドメトリ |
|---|
| Outline of Annual Research Achievements |
本年度は，加速度と角速度を観測可能なIMUを用いて移動量推定を行うInertial odometryにおいて，IMUセンサの特性をデータから学習させるためのニューラルネットワークを構築した．特に，運動力学の定式化に基づき，ニューラルネットワークの入出力のパラメータを体系化して精度検証を行うことで，高精度化に向けて検討すべき項目を明らかにした．
初めに，加速度と角速度を用いて移動量を算出する運動力学の定式化と，ニューラルネットワークを用いた手法の関係を解析した．従来手法では，運動力学の理論に基づく姿勢と速度の算出とネットワーク構造の関連がなかった．それに対し，提案手法では，ネットワーク構造を運動力学の理論に合わせた形にすることで，運動力学の理論と，機械学習によるモデル化の差を検証した．
実験では，自動車とドローンのそれぞれを用いて計測された公開データセットを利用して精度検証を行った．真値としては，カメラを用いて得られる移動量を利用し，それらを角速度と加速度から推定するネットワークを設計した．特に，ニューラルネットワークの入出力の関係が精度に与える影響を明らかにするために，入力データのウインドウサイズ，データの周波数，姿勢の記述方法，データに対する平滑化等の事前処理，の観点で，ネットワーク構成を変更して実験を行った．その結果，姿勢の記述方法によって，最適化の進みやすさの違いがあることを明らかにした．また，精度向上の観点では，ある時刻の移動量の算出時に，その時刻の前後の両方のデータを用いる場合が最も高精度であった．この方法はオンライン処理では利用できないが，前後のデータを利用可能なオフライン処理においては有効なアプローチである．
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
本年度の目標は，運動力学とディープラーニングを用いた移動量推定技術の構築であった．この目標に向け，運動力学の理論に基づくニューラルネットワークの設計を行った．さらに，移動量推定の方法として，絶対的な移動量と相対的な移動量のそれぞれを推定する問題において，公開データセットを用いて精度評価を行った．この結果，ニューラルネットワークを設計する上で，考慮すべき項目や精度への影響を明らかにできた．
|
| Strategy for Future Research Activity |
今年度は，実験対象をより多くのデバイスや運動へと広げる．特に， IMUセンサの個体差，種類の違いによって生じる精度変化の要因を検証する．さらに， IMUセンサ特性を学習する機構を加速度推定NNに組み込むことで，IMUの違いに対する頑健性を向上させる．
|
| Causes of Carryover |
会議のオンライン化に伴い，旅費の支出がなくなった．この分に関し，来年度の学会参加等に利用する．
|
