経路設定装置、経路設定方法、及びプログラム
【課題】人の現在位置を中心として移動体の経路から外すべき範囲を設定するとき、その範囲を適切に設定することができるようにする。
【解決手段】目的地情報取得部１００は、目的地の位置を示す目的地情報を取得する。人情報取得部１２０は、移動体の周囲に位置する人の位置情報を取得するとともに、人の属性を取得する。予想範囲算出部１４０は、人情報取得部１２０が取得した位置情報及び属性に基づいて、人の予想移動範囲を算出する。移動経路算出部１８０は、予想移動範囲及び目的地情報を用いて移動体の移動経路を算出する。
【解決手段】目的地情報取得部１００は、目的地の位置を示す目的地情報を取得する。人情報取得部１２０は、移動体の周囲に位置する人の位置情報を取得するとともに、人の属性を取得する。予想範囲算出部１４０は、人情報取得部１２０が取得した位置情報及び属性に基づいて、人の予想移動範囲を算出する。移動経路算出部１８０は、予想移動範囲及び目的地情報を用いて移動体の移動経路を算出する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、移動体の経路を設定する経路設定装置、経路設定方法、及びプログラムに関する。
【背景技術】
【０００２】
移動体の移動を自立制御する場合、目的地までの経路を設定すると共に、その経路に位置する障害物を移動中に検出し、その障害物を避けるように経路を変更できるようにする必要がある。例えば特許文献１には、電動移動体に障害物センサを設け、この障害物センサの検出結果に基づいてモータを制御することが記載されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開平９−３７４０３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
障害物の一例として人がある。人は移動するため、人の現在位置及びその周囲を通らないように移動体の経路を設定する必要がある。ここで、経路から外すべき範囲を広く取りすぎると、移動体の経路が自動設定できなくなってしまう。一方、経路から外すべき範囲が狭すぎると、人と移動体が衝突する可能性が出てくる。このため、人の現在位置を中心として移動体の経路から外すべき範囲を設定するとき、その範囲を適切に設定する必要がある。
【０００５】
本発明の目的は、人の現在位置を中心として移動体の経路から外すべき範囲を設定するとき、その範囲を適切に設定することができる経路設定装置、経路設定方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【０００６】
本発明によれば、移動体の移動経路を設定する経路設定装置であって、
目的地の位置を示す目的地情報を取得する目的地情報取得手段と、
前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得する人情報取得手段と、
前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出する予想範囲算出手段と、
前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する移動経路算出手段と、
を備える経路設定装置が提供される。
【０００７】
本発明によれば、移動体の移動経路を設定する経路設定方法であって、
コンピュータが、目的地の位置を示す目的地情報を取得し、
前記コンピュータが、前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得し、
前記コンピュータが、前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出し、
前記コンピュータが、前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する経路設定方法が提供される。
【０００８】
本発明によれば、コンピュータを、移動体の移動経路を設定する経路設定装置として機能させるためのプログラムであって、
前記コンピュータに、
目的地の位置を示す目的地情報を取得する機能と、
前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得する機能と、
前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出する機能と、
前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する機能と、
を実現させるプログラムが提供される。
【発明の効果】
【０００９】
本発明によれば、人の現在位置を中心として移動体の経路から外すべき範囲を設定するとき、その範囲を適切に設定することができる。
【図面の簡単な説明】
【００１０】
【図１】第１の実施形態に係る経路設定装置の機能構成を示すブロック図である。
【図２】移動体の現在位置と目的地の間に人が存在しない場合のグリッドマップである。
【図３】移動体の現在位置と目的地の間に人が存在する場合を示す図である。
【図４】予想範囲算出部が保持している予想移動範囲定義情報を示す図である。
【図５】移動経路算出部が算出する経路の第１例を説明するための図である。
【図６】移動経路算出部が算出する経路の第２例を説明するための図である。
【図７】経路設定装置が行う処理を示すフローチャートである。
【図８】第２の実施形態に係る経路設定装置の機能構成を示すブロック図である。
【図９】図８の予想範囲算出部が記憶している予想移動範囲定義情報を説明するための図である。
【図１０】図８に示した経路設定装置の動作を示すフローチャートである。
【図１１】第３の実施形態において予想範囲算出部が記憶している予想移動範囲定義情報を説明するための図である。
【図１２】第３の実施形態にかかる経路設定装置の動作を示すフローチャートである。
【図１３】第４の実施形態に係る経路設定装置の機能構成を示すブロック図である。
【図１４】図１３に示した経路設定装置が行う処理を示すフローチャートである。
【図１５】図１３に示した移動経路算出部が経路を定める方法を具体的に説明するための図である。
【図１６】フレーム間での人物の移動距離の一例を示す図である。
【図１７】予測した人物の位置と実際の位置との差の一例を示す図である。
【図１８】フレーム間での人物の頭部の大きさの差の一例を示す図である。
【図１９】胸部領域における色成分のヒストグラム分布の一例を示す図である。
【図２０】フレーム間での頭部の向きの差の一例を示す図である。
【図２１】予測した人物の移動方向と実際の移動方向との差の一例を示す図である。
【図２２】トラッキング処理の一例を示す図である。
【図２３】トラッキング処理の一例を示す図である。
【図２４】トラッキング処理の一例を示す図である。
【図２５】トラッキング処理の一例を示す図である。
【図２６】トラッキング処理の一例を示す図である。
【発明を実施するための形態】
【００１１】
以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。
【００１２】
図１は、第１の実施形態に係る経路設定装置１０の機能構成を示すブロック図である。経路設定装置１０は、移動体の移動経路を設定する装置であり、例えば車椅子の自動走行に用いられる。経路設定装置１０は、目的地情報取得部１００、人情報取得部１２０、予想範囲算出部１４０、及び移動経路算出部１８０を備えている。目的地情報取得部１００は、目的地の位置を示す目的地情報を取得する。人情報取得部１２０は、移動体の周囲に位置する人の位置情報を取得するとともに、人の属性を取得する。予想範囲算出部１４０は、人情報取得部１２０が取得した位置情報及び属性に基づいて、人の予想移動範囲を算出する。移動経路算出部１８０は、予想移動範囲及び目的地情報を用いて移動体の移動経路を算出する。以下、経路設定装置１０について詳細に説明する。
【００１３】
目的地情報取得部１００は、目的地情報を、経路設定装置１０のユーザからの入力に基づいて取得する。例えば目的地情報取得部１００は、目的地情報をユーザから直接入力されてもよいし、目的地の名称等を示す情報をユーザから入力されてもよい。後者の場合、目的地情報取得部１００は、例えば地図データベース（図示せず）にアクセスし、ユーザから入力された情報を地図データベースにマッチングさせることにより、目的地情報を取得する。
【００１４】
人情報取得部１２０は、撮像部１２２及び画像処理部１２４を備えている。撮像部１２２は、移動体の移動方向における前方及びその周囲を撮像する。画像処理部１２４は、撮像部が生成した画像データを処理することにより、人の位置情報（第１の位置情報）を算出するとともに、人の属性を定める。本実施形態において、属性は少なくとも年齢層を含んでいる。ここで撮像部１２２は、２つ以上のカメラを備えるのが好ましい。このようにすると、画像処理部１２４は、２つ以上のカメラそれぞれで生成された画像データを互いに関連付けながら処理することにより、第１の位置情報を高い精度で算出することができる。
【００１５】
予想範囲算出部１４０は、予め年齢層別に、予想移動範囲を定義する予想移動範囲定義情報を記憶している。そして予想範囲算出部１４０は、画像処理部１２４が定めた年齢層に対応する予想移動範囲定義情報を用いて、予想移動範囲を定める。
【００１６】
移動経路算出部１８０はグリッドマップを生成し、このグリッドマップを用いることにより経路を定める。移動経路算出部１８０は、予想範囲算出部１４０が定めた予想移動範囲を用いてグリッドマップを作成する。
【００１７】
なお、図１に示した経路設定装置１０の各構成要素は、ハードウエア単位の構成ではなく、機能単位のブロックを示している。経路設定装置１０の各構成要素は、任意のコンピュータのＣＰＵ、メモリ、メモリにロードされた本図の構成要素を実現するプログラム、そのプログラムを格納するハードディスクなどの記憶ユニット、ネットワーク接続用インタフェースを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置には様々な変形例がある。
【００１８】
図２〜図５は、図１に示した経路設定装置１０が行う経路設定方法を説明するための図である。上述したように移動経路算出部１８０はグリッドマップを生成し、このグリッドマップ上で重み付けが小さい領域を通るように、経路を定める。
【００１９】
図２は、移動体の現在位置と目的地の間に人が存在しない場合を示している。この場合、移動体の現在位置と目的地を結ぶ直線に沿って移動することが、重み付けが小さい領域を通ることになる。
【００２０】
ここで図３のように、移動体の現在位置と目的地の間に人が存在した場合を考える。この場合、人が存在することにより、図２に示したグリッドマップを変化させる必要が出てくる。そこで予想範囲算出部１４０は、予想移動範囲をグリッドマップ形式で生成する。
【００２１】
図４の各図は、予想範囲算出部１４０が保持している予想移動範囲定義情報を示す図である。本図に示す例において、予想移動範囲定義情報は年齢層別のグリッドマップである。このグリッドマップは、人の周りの領域にどのような重み付けをつけるかを示している。各グリッドマップは、人の現在位置が最も重み付けが高く、現在位置から離れるに従って重み付けが低くなっている。この重み付けの低下の割合は、年齢層によって異なっている。すなわち予想範囲算出部１４０は、年齢層に応じて予想行動範囲を変える。
【００２２】
例えば図４（ａ）に示すように０歳児の場合は、自力で動く場合は少ないことから、現在地のみを予想移動範囲として定めればよい。しかし図４（ｂ）に示すように、１０歳以下の幼児、例えば３歳〜７歳の子供は、どの方向に移動するかは不明であり、また突然移動方向を変えることもある。このため、現在位置を中心に、広めに予想移動範囲を取る必要がある。すなわち１０歳以下の幼児の場合は、現在位置から離れても重み付けがあまり低下しないようになっている。
【００２３】
年齢が上がって２０歳以上の大人になると、突然移動方向を変えることはなくなり、また周囲に注意を払う場合が多い。このため、図４（ｃ）に示すように、幼児の場合と比較して予想移動範囲を狭くしても問題はない。すなわち２０歳以上の大人の場合は、現在位置から離れると重み付けがある程度急速に低下するようになっている。ただしさらに年齢が上がって初老、例えば５０歳代になると、注意力が低下し、また俊敏性も低下する。このため、図４（ｄ）に示すように２０歳代と比較して、予想移動範囲を広く設定する必要がある。
【００２４】
図５は、移動経路算出部１８０が算出する経路の第１例を説明するための図である。本図に示す例は、図３に示した人が２０歳代である場合である。移動経路算出部１８０は、図２に示したグリッドマップに対して、図３に示した人の現在位置を基準に図４（ｃ）に示したグリッドマップを配置する。このようにして移動経路算出部１８０は、人の現在位置を考慮したグリッドマップを算出する。このグリッドマップにおいて、人の予想移動範囲は重み付けが重くなっている。そして移動経路算出部１８０は、人の予想移動範囲を避けるように経路を定める。
【００２５】
図６は、移動経路算出部１８０が算出する経路の第２例を説明するための図である。本図に示す例は、図３に示した人が幼児である場合である。移動経路算出部１８０は、図２に示したグリッドマップに対して、図３に示した人の現在位置を基準に図４（ｂ）に示したグリッドマップを配置する。図４（ｂ）に示したグリッドマップは、図４（ｃ）に示したグリッドマップと比較して、予想移動範囲が広くなっている。このため移動経路算出部１８０は、図５の場合よりも、人から離れた場所を通るように経路を定めることになる。
【００２６】
図７は、経路設定装置１０が行う処理を示すフローチャートである。この図に示すフローチャートの概要は、図３〜図６に示したとおりである。
【００２７】
まず目的地情報取得部１００は目的地情報を取得する（ステップＳ１０）。次いで移動経路算出部１８０は、移動体の現在位置を認識する（ステップＳ２０）。ただし目的地情報が移動体の現在位置を基準にして定められている場合は、ステップＳ２０に示す処理は不要である。
【００２８】
次いで経路設定装置１０は、移動体が目的地に到着するまで（ステップＳ３０：Ｙｅｓ）、以下の処理を予め決められた間隔で繰り返す。
【００２９】
まず撮像部１２２は、移動体の移動方向及びその周囲を撮像し、画像データを生成する（ステップＳ４０）。次いで画像処理部１２４は、撮像部１２２が生成した画像データを処理することにより、移動体の移動方向及びその周囲に位置する人の顔データを検出する。そして画像処理部１２４は、画像データ中の顔データの位置を解析することにより、人の現在位置を示す第１の位置情報を生成する（ステップＳ５０）。また画像処理部１２４は、検出した顔データを解析することにより、人の属性すなわち年齢層を認識する（ステップＳ６０）。
【００３０】
次いで予想範囲算出部１４０は、画像処理部１２４が認識した年齢層を用いて、予想移動範囲を示すグリッドマップを生成する。次いで移動経路算出部１８０は、予想移動範囲を示すグリッドマップを用いて、現在位置から目的地までの間の領域、及びその周囲の領域におけるグリッドマップを生成する（ステップＳ７０）。そして移動経路算出部１８０は、ステップＳ７０で生成したグリッドマップを用いて経路を定める（ステップＳ８０）。その後、ステップＳ２０に戻る。
【００３１】
次に、本実施形態の作用及び効果について説明する。本実施形態において予想範囲算出部１４０は、人の属性すなわち年齢層によって、その人の予想移動範囲を変えている。そして移動経路算出部１８０は、予想移動範囲を避けるように経路を定める。このため経路設定装置１０は、人の現在位置を中心として移動体の経路から外すべき範囲を、その人の年齢に応じた適切な範囲に設定することができる。
【００３２】
また経路設定装置１０は、人の年齢を画像処理によって認識している。このため、経路設定装置１０のユーザが人の属性を入力しなくてすむ。
【００３３】
図８は、第２の実施形態に係る経路設定装置１０の機能構成を示すブロック図である。本実施形態に係る経路設定装置１０は、位置履歴記憶部１２６及び移動方向算出部１２８を有している点を除いて、第１の実施形態に係る経路設定装置１０と同様の構成である。
【００３４】
位置履歴記憶部１２６は、人の位置情報の履歴を、その人を特定する情報、例えばその人の顔の特徴データに対応付けて記憶する。例えば画像処理部１２４は、人の位置情報を検出するときに、その人の顔の特徴データも検出する。そして画像処理部１２４は、今回検出した顔の特徴データと同一の特徴データを、位置履歴記憶部１２６が記憶しているデータから探す。そして画像処理部１２４は、位置履歴記憶部１２６から探した特徴データに対応付けて、新たに検出した位置情報を位置履歴記憶部１２６に記憶させる。この処理が繰り返されることにより、位置履歴記憶部１２６には、人の位置情報の履歴が記憶される。
【００３５】
また人の位置情報の履歴を示す情報は、以下のように、移動距離、予測位置との比較、頭部の大きさ、服装の共通性、頭部の向き、顔の類似度、性別度、及び年齢といったパラメータに基づいて算出されてもよい。以下のトラッキング処理は、画像処理部１２４によって行われる。
【００３６】
＜移動距離＞
通常、同一人物の位置は、連続するフレーム間で急激に変化しない。例えば、図１６に示すように、ｎ−１番目のフレームにおける任意の候補者の位置を（ｘｎ−１，ｙｎ−１）、ｎ番目のフレームにおける人物の位置を（ｘｎ，ｙｎ）とした場合に、これらの２点間の距離
diffdist1＝｛（ｘｎ−１−ｘｎ）２＋（ｙｎ−１−ｙｎ）２｝１／２
が小さいほど、人物の同一性が高いと考えられる。
【００３７】
＜予測位置との比較＞
あるフレームの画像に写っている人物が次のフレームの画像においてどの位置に移動するかは、予測可能である。例えば、ｎ−１番目のフレームの画像に写っている人物が次のｎ番目のフレームでどの位置へ移動するかは、ｎ−１番目のフレームの画像及びｎ−２番目以前のフレームの画像から予測可能である。ここで、図１７に示すように、ｎ−１番目のフレームにおいて予測したｎ番目のフレーム画像での人物の位置を（predict_x，predict_y）、ｎ番目のフレームにおける実際の位置を（ｘｎ，ｙｎ）とすると、これらの２点間の距離
diffdist2＝｛（predict_x−ｘｎ）２＋（predict_y−ｙｎ）２｝１／２
が小さいほど、人物の同一性が高いと考えられる。
【００３８】
＜頭部の大きさ＞
通常、同一人物の頭部の大きさは、連続するフレーム間で急激に変化しない。従って、図１８に示すようにｎ−１番目のフレームにおける任意の人物の頭部の大きさをｈｎ−１、ｎ番目のフレームにおける頭部の大きさをｈｎとすると、頭部の大きさの差
diffhead-size＝｛ｍａｘ（ｈｎ−１，ｈｎ）−ｍｉｎ（ｈｎ−１，ｈｎ）｝／ｍａｘ（ｈｎ−１，ｈｎ）
が小さいほど人物の同一性が高いと考えられる。
【００３９】
＜服装の共通性＞
同一人物の衣服は、連続するフレーム間で急激に変化しない。よって、フレーム画像に写っている人物の服装を基に、人物の同一性を判定可能である。図１９に示すように、フレーム画像において人物の頭部を検出した場合、その直下の部分はその人物の胸部であると推定できる。したがって、あるフレーム画像における人物の頭部の直下の部分（胸部領域）における色成分のヒストグラム分布と、その後のフレームに画像における胸部領域における色成分のヒストグラム分布とは、同一人物であればほぼ同じとなる。
ここで、ｎ番目のフレームでの胸部領域における色成分のヒストグラム分布と、ｎ−１番目のフレームでの胸部領域における色成分のヒストグラム分布の仕方の違いは、例えばＫＬ情報量（Kullback-Leibler divergence）として数値化することが可能である。すなわち、ｎ−１番目のフレームにおける色成分のヒストグラム分布をＨｉｓｔｎ−１、ｎ番目のフレームにおける色成分のヒストグラム分布をＨｉｓｔｎとすると、色成分のヒストグラム分布の差、
diffcolor1＝ＫＬ（Ｈｉｓｔｎ−１，Ｈｉｓｔｎ）
が小さいほど人物の同一性が高いと考えられる。
【００４０】
しかし、ある人物の前を別の人物が通過するなどして、特定のフレームの胸部領域における色成分のヒストグラム分布が他のフレームと異なる場合もある。したがって、ｎ番目のフレームでの胸部領域における色成分のヒストグラム分布と、ｎ−１番目のフレームまでの胸部領域における色成分のヒストグラム分布平均とを比較することによっても人物の同一性を判定する。この場合も、上記同様にＫＬ情報量として数値化する。
ｎ−１番目のフレームまでの色成分のヒストグラム分布の平均をＨｉｓｔａｖｇ、ｎフレームにおける色成分のヒストグラム分布をＨｉｓｔｎとすると、
diffcolor2＝ＫＬ（Ｈｉｓｔａｖｇ，Ｈｉｓｔｎ）
が小さいほど人物の同一性が高いと考えられる。
このような処理の一例は、Changjiang Yang, Ramani Duraiswami and Larry Davis, Fast Multiple Object Tracking via a Hierarchical Particle Filter, "Proceedings of the Tenth IEEE International Conference on Computer Vision", 2005 の3.1 Color Rectangle Featuresに記載されている。
【００４１】
＜頭部の向き＞
一般的に、人間は一定の方向を向いて移動するため、あるフレームにおける頭部の向きとその次のフレームにおける頭部の向きとが極端に異なることはまれである。よって、ｎ−１番目のフレームにおける頭部の向きとｎ番目のフレームにおける頭部の向きとを比較することで、人物の同一性を判定可能である。図２０に示すように、ｎ−１番目のフレームにおける頭部の向きをＯｎ−１、ｎ番目のフレームにおける頭部の向きをＯｎとすると
difforientation1＝｜Ｏｎ−１−Ｏｎ｜
が小さいほど人物の同一性が高いと考えられる。
【００４２】
また、移動時に頭部が向いている方向は、その人物の進行方向と一致すると考えられる。したがって、ｎ−１番目のフレームの頭部の向きから予測した移動方向と、ｎ−１番目のフレームからｎ番目のフレームの間に移動した方向とを比較することによって人物の同一性を判定できる。
図２１に示すように、ｎ−１番目のフレームにおける頭部の向きをＯｎ−１、ｎ−１番目のフレームからｎ番目のフレームの間に移動した方向をｍｎとすると、
difforientation2＝｜Ｏｎ−１−ｍｎ｜
が小さいほど人物の同一性が高いと考えられる。
【００４３】
＜顔の類似度＞
同一人物の顔は、連続するフレーム間で急激に変化しない。よって、フレーム画像に写っている人物の顔を基に、人物の同一性を判定可能である。
フレーム間での人物の顔の相違は、テンプレートマッチング（Sum of Squared Difference：ＳＳＤ、Sum of Absolute Difference：ＳＡＤ）やＰＣＡ（Principal Component Analysis）空間上でのユークリッド距離によって数値化できる。
これらの方法で数値化した値をdifffaceとすると、その値が小さいほど人物の同一性が高いと考えられる。
【００４４】
＜性別度＞
同一人物の顔の女性らしさ（男性らしさ）は、連続するフレーム間で急激に変化しない。よって、フレーム画像に写っている人物の女性らしさ（男性らしさ）を基に、人物の同一性を判定可能である。
ここで、女性らしさ（男性らしさ）を性別度として定義すると、性別度は認識器（識別器）によって顔画像を基に出力可能である。例えば、フレーム画像に写っている人物の顔が女性らしいほど０に近い値を出力し、男性らしいほど１に近い値を出力するようにすればよい。
上記のように性別度を出力する場合、ｎ−１番目のフレームにおける性別度をｇｎ−１、ｎ番目のフレームにおける性別度をｇｎとすると、
diffgender＝｜ｇｎ−１−ｇｎ｜
が小さいほど人物の同一性が高いと考えられる。
【００４５】
＜年齢＞
同一人物の年齢は、連続するフレーム間で急激に変化しない。よって、フレーム画像に写っている人物の年齢を基に、人物の同一性を判定可能である。
人物の年齢は連続量を扱う（換言すると回帰問題を扱う）識別器によって、顔画像を基に推定することが可能である。
ｎ−１番目のフレームにおいて推定された年齢をａｇｅｎ−１、ｎ番目のフレームにおいて推定された年齢をａｇｅｎとすると、
diffage＝｜ａｇｅｎ−１−ａｇｅｎ｜
が小さいほど人物の同一性が高いと考えられる。
【００４６】
上記のような各パラメータに関しては、人物の追跡に用いるか否かを個別に設定可能である。
【００４７】
人物の同一性の判定に用いる各同一性指数はそれぞれ意味合いが異なるため、異なる同一性指数を比較しても人物の同一性を評価できない。よって、画像処理部１２４は、各同一性指数に個別の所定の閾値で同一性指数の値を除することによって、各同一性指数を正規化する。なお、所定の閾値は、同一人物と判定する最大の値とする。移動距離を例とすると、フレーム間の移動距離がＬを超える場合には同一人物と判定しないのであれば、実際の移動距離ＸをＬで除することによって正規化する。以下、正規化した値をスコアという。スコアは、同一人物である可能性の高さを０から１の範囲で示す値であり、０に近いほど同一人物の可能性が高い。これは基となった同一性指数によらず共通である。
【００４８】
画像処理部１２４は、ある人物とある候補者との組み合わせに関して、各スコアの相加平均することにより、その人物と候補者との組み合わせに関して各同一性指数による同一性の判定結果を統合した値を算出する。なお、同一性指数ごとに重みを変えて重み付け平均した値を算出することも可能である。例えば、Ａ〜Ｄの四つのスコアを統合する場合、０．２５Ａ＋０．２５Ｂ＋０．２５Ｃ＋０．２５Ｄとしてスコアを統合すれば、各同一性指数の重みは同一である。一方、０．４Ａ＋０．２Ｂ＋０．２Ｃ＋０．２Ｄとしてスコアを統合すれば、スコアＡの基となった同一性指数に他の同一性指数の２倍の重みを与えることができる。
【００４９】
以上のようにして算出されるスコアは、ｎ番目のフレームにおいて検出された全ての人物と、同一人物と判定しうる全ての候補に関して算出する。例えば、図２２に示すように、ｎ番目のフレームには４人の人物（Ｗ、Ｘ、Ｙ、Ｚ）が検出されており、その時点において同一人物の候補として３人（Ａ、Ｂ、Ｃ）が登録されている場合は、４×３＝１２通りのスコアを算出する。なお、Ｗｎ、Ｘｎ、Ｙｎ、Ｚｎは、人物Ｗ、Ｘ、Ｙ、Ｚがｎ番目のフレームにおいて検出されたことを示しており、Ａｎ−１、Ｂｎ−１、Ｃｎ−１は、候補者Ａ、Ｂ、Ｃがｎ−１番目のフレームにおいて検出されていることを示している。
【００５０】
画像処理部１２４は、統合されたスコアを基に、以下の手順で人物と候補者とを対応させる。まず、画像処理部１２４は、画像処理部１２４が統合したスコアのうち最小の値を検出し、同一人物と判定する。ここでは、Ｂｎ−１とＸｎとの組み合わせにおけるスコアが最小値をとるため、図２３示すように画像処理部１２４はｎ番目のフレームにおいて検出されたＸは、候補者Ｂであると判定する。
【００５１】
次に、画像処理部１２４は、人物Ｂ及び人物Ｘとは関連のないスコアの中から最小の値を検出し、同一人物と判定する。ここでは、Ｃｎ−１とＺｎとの組み合わせにおけるスコアが最小値をとるため、図２４示すように画像処理部１２４は、ｎ番目のフレームにおいて検出されたＺは、候補者Ｃであると判定する。
【００５２】
その後、画像処理部１２４は、人物Ｂ、Ｃ、Ｘ及びＺとは関連のないスコアの中から最小の値を検出し、同一人物と判定する。ここでは、Ａｎ−１とＷｎとの組み合わせにおけるスコアが最小値をとるため、図２５に示すように画像処理部１２４はｎ番目のフレームにおいて検出されたＷは、候補者Ａであると判定する。
【００５３】
この段階で、登録済みの候補者と同一の人物は全て検出されたため、図２６に示すように画像処理部１２４は残った人物Ｙは新規の人物であると判断する。画像処理部１２４は、人物Ｙを以降のトラッキング処理における候補者として候補者登録部（図示せず）に登録する。なお、画像処理部１２４が人物以外のものを誤って人物と検出する可能性もあるため、画像処理部１２４は、所定回数続けて残った人物のみを新規の人物として候補者登録部へ登録することが好ましい。
【００５４】
候補者登録部に登録されているにもかかわらず、追跡できなかった候補者が存在する場合（例えば、画像処理部１２４が入力フレーム画像から検出した人物の数が、候補者登録部に登録されている候補者の数よりも少なかった場合）は、画像処理部１２４は追跡できなかった候補者はフレームアウトしたものと判断する。なお、ある人物の前を別の人物を通過するなどして、人物がフレーム内に存在するにもかかわらず画像処理部１２４が人物の検出に失敗することも考えられるため、画像処理部１２４が所定回数続けて追跡できなかった候補者をフレームアウトしたと判断することが好ましい。
【００５５】
画像処理部１２４は、上記の処理を所定のフレーム数ごとに繰り返すことにより、動画像に映された人物を追跡する。
【００５６】
なお、ここでは同一人物の候補が全てｎ−１番目のフレームにおいて検出されている場合を例としたが、ｎ−１番目のフレームにおいて検出されない候補がいる場合は、その候補者については、画像処理部１２４が直前に検出されたフレームの画像（ｎ−２番目のフレームなど）を取得して、入力フレーム画像との差分から同一性指数を算出する。
【００５７】
上記の方法を行うことにより画像処理部１２４は、複数のパラメータに関して同一性指数を算出し、それらを正規化した上で統合するため、動画像に写された人物の動きを高精度に追跡できる。
【００５８】
移動方向算出部１２８は、位置履歴記憶部１２６が記憶している位置情報の履歴に基づいて人の移動方向、好ましくは移動速度を算出する。そして予想範囲算出部１４０は、さらに移動方向を用いて予想移動範囲を算出する。
【００５９】
図９は、図８に示した経路設定装置１０において予想範囲算出部１４０が記憶している予想移動範囲定義情報を説明するための図である。この予想移動範囲定義情報が示すグリッドマップでは、重み付けが重い領域は、移動方向算出部１２８が算出した移動方向に広がっている。ただし、本実施形態でも、大人よりも幼児のほうが、重み付けが重い領域が大きくなっている。
【００６０】
予想範囲算出部１４０は、人の移動方向別に、年齢層別の予想移動範囲情報を記憶していてもよい。また予想範囲算出部１４０は、年齢層別の予想移動範囲情報と、人の移動方向に応じてどのように予想移動範囲を変形させるかを示す情報とを記憶していてもよい。
【００６１】
図１０は、図８に示した経路設定装置１０の動作を示すフローチャートである。本図に示す処理は、以下を除いて第１の実施形態において図７を用いて説明した処理と同様である。
【００６２】
まず画像処理部１２４は、第１の位置情報を算出する（ステップＳ５０）と、算出した第１の位置情報を位置履歴記憶部１２６に記憶させる（ステップＳ５２）。
【００６３】
また移動方向算出部１２８は、予想範囲算出部１４０が予想移動範囲を示すグリッドマップを作成する（ステップＳ７０）前に、人の移動方向を算出する（ステップＳ６２）。
【００６４】
そして予想範囲算出部１４０は、人の移動方向及び年齢層を用いて、予想移動範囲を算出する。なお移動方向算出部１２８がステップＳ６２において人の移動速度を算出している場合、予想範囲算出部１４０は、人の移動方向及び速さ、並びに年齢層を用いて予想移動範囲を算出する。そして移動経路算出部１８０は、予想移動範囲を示すグリッドマップを用いて、現在位置から目的地までの間の領域、及びその周囲の領域におけるグリッドマップを生成する（ステップＳ７０）
【００６５】
本実施形態によっても、第１の実施形態と同様の効果を得ることができる。また人の移動方向を用いて予想移動範囲を算出しているため、移動体の経路から外すべき範囲をさらに精度よく設定することができる。
【００６６】
なお本実施形態において予想範囲算出部１４０は、人の属性を用いずに移動方向（好ましくは移動速度）のみを用いて予想移動範囲を定めてもよい。
【００６７】
次に、第３の実施形態に係る経路設定装置１０について説明する。本実施形態に係る経路設定装置１０は、画像処理部１２４が人の顔の向きを検出する点、及び予想範囲算出部１４０が人の顔の向きを用いて予想移動範囲を算出する点を除いて、第１又は第２の実施形態に係る経路設定装置１０と同様の構成である。なお後述する図１２は、第１の実施形態に係る経路設定装置１０と同様の構成である場合を示している。
【００６８】
図１１は、本実施形態において予想範囲算出部１４０が記憶している予想移動範囲定義情報を説明するための図である。人の顔が移動体の正面を向いている場合、その人が移動体を認識していると判断できる。このような場合、図１１（ｃ）に示すように、予想範囲算出部１４０は、人の顔が移動体の正面を向いていない場合（図１１（ｄ））と比較して、予想移動範囲を狭くすることができる。ただし、幼児である場合、顔が移動体の正面を向いていても移動体を認識した行動をとらない場合がある。このため予想範囲算出部１４０は、幼児の場合、図１１（ａ）及び（ｂ）に示すように、人の顔が正面を向いていても、正面を向いていない場合と同一の予想移動範囲を定める。
【００６９】
図１２は、本実施形態にかかる経路設定装置１０の動作を示すフローチャートである。本図に示す処理は、以下を除いて第１の実施形態において図７を用いて説明した処理と同様である。
【００７０】
まず画像処理部１２４は、予想範囲算出部１４０が予想移動範囲を示すグリッドマップを作成する（ステップＳ７０）前に、人の顔の向きを認識する（ステップＳ６４）。
【００７１】
そして予想範囲算出部１４０は、人の移動方向及び顔の向きを用いて、予想移動範囲を算出する。そして移動経路算出部１８０は、予想移動範囲を示すグリッドマップを用いて、現在位置から目的地までの間の領域、及びその周囲の領域におけるグリッドマップを生成する（ステップＳ７０）
【００７２】
本実施形態によっても、第１又は第２の実施形態と同様の効果を得ることができる。また人の顔の向きを用いて予想移動範囲を算出しているため、移動体の経路から外すべき範囲をさらに精度よく設定することができる。
【００７３】
なお本実施形態において予想範囲算出部１４０は、人の属性を用いずに顔の向きのみを用いて予想移動範囲を定めてもよい。また本実施形態にかかる経路設定装置１０が、図８に示した位置履歴記憶部１２６及び移動方向算出部１２８を備えている場合、予想範囲算出部１４０は、顔の向き及び人の移動方向のみを用いて予想移動範囲を定めてもよい。
【００７４】
図１３は、第４の実施形態に係る経路設定装置１０の機能構成を示すブロック図である。本実施形態に係る経路設定装置１０は、以下の点を除いて第１〜第３の実施形態に係る経路設定装置１０のいずれかと同様である。なお図１３は、第１の実施形態と同様の場合を示している。
【００７５】
まず、人情報取得部１２０は光学的に障害物を検出する手法として、光学的センサ１３０を備えている。光学的センサ１３０は、移動体の移動方向に向けて光、例えばレーザを照射し、その光の反射光を検出することにより、人の位置情報すなわち第２の位置情報を検出する。第２の位置情報は、画像処理部１２４が算出する第１の位置情報と比較して精度が高い。
【００７６】
なお光学的センサ１３０は、人のみではなく静止物も障害物として検出する。ただし光学的センサ１３０は、人と静止物を区別できない。そこで本実施形態では、画像処理部１２４が、第２の位置情報と第１の位置情報を用いることにより、光学的センサ１３０が検出した障害物のいずれが人であるかを判断する。そして予想範囲算出部１４０は、第２の位置情報を用いて予想移動範囲を算出する。
【００７７】
図１４は、図１３に示した経路設定装置１０が行う処理を示すフローチャートである。本図に示す処理は、画像処理部１２４が人の属性すなわち年齢層を認識するまでの処理（ステップＳ１０〜ステップＳ６０）は、第１の実施形態において図７に示した処理と同様である。
【００７８】
画像処理部１２４が人の年齢層を認識する（ステップＳ６０）と、光学的センサ１３０は、移動体の移動方向に位置する障害物の位置を検出する。この位置情報には、人の位置を示す第２の位置情報と、静止物の位置を示す第３の位置情報とが含まれる（ステップＳ６６）。光学的センサ１３０は、検出した位置情報を画像処理部１２４に出力する。
【００７９】
画像処理部１２４は、光学的センサ１３０が検出した位置情報のうち第１の位置情報と同一の位置情報であると判断できるものを、人の位置を示す第２の位置情報であると判断し、それ以外の位置情報を、静止物の位置を示す第３の位置情報であると判断する。そして画像処理部１２４は、第１の位置情報を用いて、第２の位置情報をその人の年齢層に対応付ける（ステップＳ６８）。そして画像処理部１２４は、第２の位置情報を年齢層に対応付けて予想範囲算出部１４０に出力する。また画像処理部１２４は、第３の位置情報を移動経路算出部１８０に出力する。
【００８０】
予想範囲算出部１４０は、第２の位置情報と年齢層とを用いて、予想移動範囲を示すグリッドマップを生成する。また移動経路算出部１８０は、第３の位置情報を用いて静止物を示すグリッドマップを生成する。そして移動経路算出部１８０は、予想移動範囲を示すグリッドマップと、静止物を示すグリッドマップとを用いて、現在位置から目的地までの間の領域、及びその周囲の領域におけるグリッドマップを生成する（ステップＳ７０）。そして移動経路算出部１８０は、ステップＳ７０で生成したグリッドマップを用いて経路を定める（ステップＳ８０）。その後、ステップＳ２０に戻る。
【００８１】
図１５は、図１３に示した移動経路算出部１８０が経路を定める方法を具体的に説明するための図である。本図に示すグリッドマップには、人の予想移動範囲を示すグリッドマップと共に、静止物を示すグリッドマップが組み込まれている。そして移動経路算出部１８０は、人の予想移動範囲と静止物の周囲を避けるように、経路を設定する。
【００８２】
本実施形態によっても、第１の実施形態と同様の効果を得ることができる。また光学的センサ１３０により検出された第２の位置情報を用いて、人の予想移動範囲を示すグリッドマップを作成している。第２の位置情報は第１の位置情報と比較して精度が高い。このため、移動体の経路から外すべき範囲をさらに精度よく設定することができる。
【００８３】
また光学的センサ１３０を用いることにより、静止物の位置を示す第３の位置情報を検出することができる。従って、静止物を避けるように経路を設定することもできる。
【００８４】
以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。例えば経路設定装置１０の人情報取得部１２０は、ユーザからの入力に基づいて人の位置及び属性の少なくとも一方を取得してもよい。また上記した各実施形態において、人の属性として性別を用いてもよい。
【符号の説明】
【００８５】
１０ 経路設定装置
１００ 目的地情報取得部
１２０ 人情報取得部
１２２ 撮像部
１２４ 画像処理部
１２６ 位置履歴記憶部
１２８ 移動方向算出部
１３０ 光学的センサ
１４０ 予想範囲算出部
１８０ 移動経路算出部
【技術分野】
【０００１】
本発明は、移動体の経路を設定する経路設定装置、経路設定方法、及びプログラムに関する。
【背景技術】
【０００２】
移動体の移動を自立制御する場合、目的地までの経路を設定すると共に、その経路に位置する障害物を移動中に検出し、その障害物を避けるように経路を変更できるようにする必要がある。例えば特許文献１には、電動移動体に障害物センサを設け、この障害物センサの検出結果に基づいてモータを制御することが記載されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開平９−３７４０３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
障害物の一例として人がある。人は移動するため、人の現在位置及びその周囲を通らないように移動体の経路を設定する必要がある。ここで、経路から外すべき範囲を広く取りすぎると、移動体の経路が自動設定できなくなってしまう。一方、経路から外すべき範囲が狭すぎると、人と移動体が衝突する可能性が出てくる。このため、人の現在位置を中心として移動体の経路から外すべき範囲を設定するとき、その範囲を適切に設定する必要がある。
【０００５】
本発明の目的は、人の現在位置を中心として移動体の経路から外すべき範囲を設定するとき、その範囲を適切に設定することができる経路設定装置、経路設定方法、及びプログラムを提供することにある。
【課題を解決するための手段】
【０００６】
本発明によれば、移動体の移動経路を設定する経路設定装置であって、
目的地の位置を示す目的地情報を取得する目的地情報取得手段と、
前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得する人情報取得手段と、
前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出する予想範囲算出手段と、
前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する移動経路算出手段と、
を備える経路設定装置が提供される。
【０００７】
本発明によれば、移動体の移動経路を設定する経路設定方法であって、
コンピュータが、目的地の位置を示す目的地情報を取得し、
前記コンピュータが、前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得し、
前記コンピュータが、前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出し、
前記コンピュータが、前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する経路設定方法が提供される。
【０００８】
本発明によれば、コンピュータを、移動体の移動経路を設定する経路設定装置として機能させるためのプログラムであって、
前記コンピュータに、
目的地の位置を示す目的地情報を取得する機能と、
前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得する機能と、
前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出する機能と、
前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する機能と、
を実現させるプログラムが提供される。
【発明の効果】
【０００９】
本発明によれば、人の現在位置を中心として移動体の経路から外すべき範囲を設定するとき、その範囲を適切に設定することができる。
【図面の簡単な説明】
【００１０】
【図１】第１の実施形態に係る経路設定装置の機能構成を示すブロック図である。
【図２】移動体の現在位置と目的地の間に人が存在しない場合のグリッドマップである。
【図３】移動体の現在位置と目的地の間に人が存在する場合を示す図である。
【図４】予想範囲算出部が保持している予想移動範囲定義情報を示す図である。
【図５】移動経路算出部が算出する経路の第１例を説明するための図である。
【図６】移動経路算出部が算出する経路の第２例を説明するための図である。
【図７】経路設定装置が行う処理を示すフローチャートである。
【図８】第２の実施形態に係る経路設定装置の機能構成を示すブロック図である。
【図９】図８の予想範囲算出部が記憶している予想移動範囲定義情報を説明するための図である。
【図１０】図８に示した経路設定装置の動作を示すフローチャートである。
【図１１】第３の実施形態において予想範囲算出部が記憶している予想移動範囲定義情報を説明するための図である。
【図１２】第３の実施形態にかかる経路設定装置の動作を示すフローチャートである。
【図１３】第４の実施形態に係る経路設定装置の機能構成を示すブロック図である。
【図１４】図１３に示した経路設定装置が行う処理を示すフローチャートである。
【図１５】図１３に示した移動経路算出部が経路を定める方法を具体的に説明するための図である。
【図１６】フレーム間での人物の移動距離の一例を示す図である。
【図１７】予測した人物の位置と実際の位置との差の一例を示す図である。
【図１８】フレーム間での人物の頭部の大きさの差の一例を示す図である。
【図１９】胸部領域における色成分のヒストグラム分布の一例を示す図である。
【図２０】フレーム間での頭部の向きの差の一例を示す図である。
【図２１】予測した人物の移動方向と実際の移動方向との差の一例を示す図である。
【図２２】トラッキング処理の一例を示す図である。
【図２３】トラッキング処理の一例を示す図である。
【図２４】トラッキング処理の一例を示す図である。
【図２５】トラッキング処理の一例を示す図である。
【図２６】トラッキング処理の一例を示す図である。
【発明を実施するための形態】
【００１１】
以下、本発明の実施の形態について、図面を用いて説明する。尚、すべての図面において、同様な構成要素には同様の符号を付し、適宜説明を省略する。
【００１２】
図１は、第１の実施形態に係る経路設定装置１０の機能構成を示すブロック図である。経路設定装置１０は、移動体の移動経路を設定する装置であり、例えば車椅子の自動走行に用いられる。経路設定装置１０は、目的地情報取得部１００、人情報取得部１２０、予想範囲算出部１４０、及び移動経路算出部１８０を備えている。目的地情報取得部１００は、目的地の位置を示す目的地情報を取得する。人情報取得部１２０は、移動体の周囲に位置する人の位置情報を取得するとともに、人の属性を取得する。予想範囲算出部１４０は、人情報取得部１２０が取得した位置情報及び属性に基づいて、人の予想移動範囲を算出する。移動経路算出部１８０は、予想移動範囲及び目的地情報を用いて移動体の移動経路を算出する。以下、経路設定装置１０について詳細に説明する。
【００１３】
目的地情報取得部１００は、目的地情報を、経路設定装置１０のユーザからの入力に基づいて取得する。例えば目的地情報取得部１００は、目的地情報をユーザから直接入力されてもよいし、目的地の名称等を示す情報をユーザから入力されてもよい。後者の場合、目的地情報取得部１００は、例えば地図データベース（図示せず）にアクセスし、ユーザから入力された情報を地図データベースにマッチングさせることにより、目的地情報を取得する。
【００１４】
人情報取得部１２０は、撮像部１２２及び画像処理部１２４を備えている。撮像部１２２は、移動体の移動方向における前方及びその周囲を撮像する。画像処理部１２４は、撮像部が生成した画像データを処理することにより、人の位置情報（第１の位置情報）を算出するとともに、人の属性を定める。本実施形態において、属性は少なくとも年齢層を含んでいる。ここで撮像部１２２は、２つ以上のカメラを備えるのが好ましい。このようにすると、画像処理部１２４は、２つ以上のカメラそれぞれで生成された画像データを互いに関連付けながら処理することにより、第１の位置情報を高い精度で算出することができる。
【００１５】
予想範囲算出部１４０は、予め年齢層別に、予想移動範囲を定義する予想移動範囲定義情報を記憶している。そして予想範囲算出部１４０は、画像処理部１２４が定めた年齢層に対応する予想移動範囲定義情報を用いて、予想移動範囲を定める。
【００１６】
移動経路算出部１８０はグリッドマップを生成し、このグリッドマップを用いることにより経路を定める。移動経路算出部１８０は、予想範囲算出部１４０が定めた予想移動範囲を用いてグリッドマップを作成する。
【００１７】
なお、図１に示した経路設定装置１０の各構成要素は、ハードウエア単位の構成ではなく、機能単位のブロックを示している。経路設定装置１０の各構成要素は、任意のコンピュータのＣＰＵ、メモリ、メモリにロードされた本図の構成要素を実現するプログラム、そのプログラムを格納するハードディスクなどの記憶ユニット、ネットワーク接続用インタフェースを中心にハードウエアとソフトウエアの任意の組合せによって実現される。そして、その実現方法、装置には様々な変形例がある。
【００１８】
図２〜図５は、図１に示した経路設定装置１０が行う経路設定方法を説明するための図である。上述したように移動経路算出部１８０はグリッドマップを生成し、このグリッドマップ上で重み付けが小さい領域を通るように、経路を定める。
【００１９】
図２は、移動体の現在位置と目的地の間に人が存在しない場合を示している。この場合、移動体の現在位置と目的地を結ぶ直線に沿って移動することが、重み付けが小さい領域を通ることになる。
【００２０】
ここで図３のように、移動体の現在位置と目的地の間に人が存在した場合を考える。この場合、人が存在することにより、図２に示したグリッドマップを変化させる必要が出てくる。そこで予想範囲算出部１４０は、予想移動範囲をグリッドマップ形式で生成する。
【００２１】
図４の各図は、予想範囲算出部１４０が保持している予想移動範囲定義情報を示す図である。本図に示す例において、予想移動範囲定義情報は年齢層別のグリッドマップである。このグリッドマップは、人の周りの領域にどのような重み付けをつけるかを示している。各グリッドマップは、人の現在位置が最も重み付けが高く、現在位置から離れるに従って重み付けが低くなっている。この重み付けの低下の割合は、年齢層によって異なっている。すなわち予想範囲算出部１４０は、年齢層に応じて予想行動範囲を変える。
【００２２】
例えば図４（ａ）に示すように０歳児の場合は、自力で動く場合は少ないことから、現在地のみを予想移動範囲として定めればよい。しかし図４（ｂ）に示すように、１０歳以下の幼児、例えば３歳〜７歳の子供は、どの方向に移動するかは不明であり、また突然移動方向を変えることもある。このため、現在位置を中心に、広めに予想移動範囲を取る必要がある。すなわち１０歳以下の幼児の場合は、現在位置から離れても重み付けがあまり低下しないようになっている。
【００２３】
年齢が上がって２０歳以上の大人になると、突然移動方向を変えることはなくなり、また周囲に注意を払う場合が多い。このため、図４（ｃ）に示すように、幼児の場合と比較して予想移動範囲を狭くしても問題はない。すなわち２０歳以上の大人の場合は、現在位置から離れると重み付けがある程度急速に低下するようになっている。ただしさらに年齢が上がって初老、例えば５０歳代になると、注意力が低下し、また俊敏性も低下する。このため、図４（ｄ）に示すように２０歳代と比較して、予想移動範囲を広く設定する必要がある。
【００２４】
図５は、移動経路算出部１８０が算出する経路の第１例を説明するための図である。本図に示す例は、図３に示した人が２０歳代である場合である。移動経路算出部１８０は、図２に示したグリッドマップに対して、図３に示した人の現在位置を基準に図４（ｃ）に示したグリッドマップを配置する。このようにして移動経路算出部１８０は、人の現在位置を考慮したグリッドマップを算出する。このグリッドマップにおいて、人の予想移動範囲は重み付けが重くなっている。そして移動経路算出部１８０は、人の予想移動範囲を避けるように経路を定める。
【００２５】
図６は、移動経路算出部１８０が算出する経路の第２例を説明するための図である。本図に示す例は、図３に示した人が幼児である場合である。移動経路算出部１８０は、図２に示したグリッドマップに対して、図３に示した人の現在位置を基準に図４（ｂ）に示したグリッドマップを配置する。図４（ｂ）に示したグリッドマップは、図４（ｃ）に示したグリッドマップと比較して、予想移動範囲が広くなっている。このため移動経路算出部１８０は、図５の場合よりも、人から離れた場所を通るように経路を定めることになる。
【００２６】
図７は、経路設定装置１０が行う処理を示すフローチャートである。この図に示すフローチャートの概要は、図３〜図６に示したとおりである。
【００２７】
まず目的地情報取得部１００は目的地情報を取得する（ステップＳ１０）。次いで移動経路算出部１８０は、移動体の現在位置を認識する（ステップＳ２０）。ただし目的地情報が移動体の現在位置を基準にして定められている場合は、ステップＳ２０に示す処理は不要である。
【００２８】
次いで経路設定装置１０は、移動体が目的地に到着するまで（ステップＳ３０：Ｙｅｓ）、以下の処理を予め決められた間隔で繰り返す。
【００２９】
まず撮像部１２２は、移動体の移動方向及びその周囲を撮像し、画像データを生成する（ステップＳ４０）。次いで画像処理部１２４は、撮像部１２２が生成した画像データを処理することにより、移動体の移動方向及びその周囲に位置する人の顔データを検出する。そして画像処理部１２４は、画像データ中の顔データの位置を解析することにより、人の現在位置を示す第１の位置情報を生成する（ステップＳ５０）。また画像処理部１２４は、検出した顔データを解析することにより、人の属性すなわち年齢層を認識する（ステップＳ６０）。
【００３０】
次いで予想範囲算出部１４０は、画像処理部１２４が認識した年齢層を用いて、予想移動範囲を示すグリッドマップを生成する。次いで移動経路算出部１８０は、予想移動範囲を示すグリッドマップを用いて、現在位置から目的地までの間の領域、及びその周囲の領域におけるグリッドマップを生成する（ステップＳ７０）。そして移動経路算出部１８０は、ステップＳ７０で生成したグリッドマップを用いて経路を定める（ステップＳ８０）。その後、ステップＳ２０に戻る。
【００３１】
次に、本実施形態の作用及び効果について説明する。本実施形態において予想範囲算出部１４０は、人の属性すなわち年齢層によって、その人の予想移動範囲を変えている。そして移動経路算出部１８０は、予想移動範囲を避けるように経路を定める。このため経路設定装置１０は、人の現在位置を中心として移動体の経路から外すべき範囲を、その人の年齢に応じた適切な範囲に設定することができる。
【００３２】
また経路設定装置１０は、人の年齢を画像処理によって認識している。このため、経路設定装置１０のユーザが人の属性を入力しなくてすむ。
【００３３】
図８は、第２の実施形態に係る経路設定装置１０の機能構成を示すブロック図である。本実施形態に係る経路設定装置１０は、位置履歴記憶部１２６及び移動方向算出部１２８を有している点を除いて、第１の実施形態に係る経路設定装置１０と同様の構成である。
【００３４】
位置履歴記憶部１２６は、人の位置情報の履歴を、その人を特定する情報、例えばその人の顔の特徴データに対応付けて記憶する。例えば画像処理部１２４は、人の位置情報を検出するときに、その人の顔の特徴データも検出する。そして画像処理部１２４は、今回検出した顔の特徴データと同一の特徴データを、位置履歴記憶部１２６が記憶しているデータから探す。そして画像処理部１２４は、位置履歴記憶部１２６から探した特徴データに対応付けて、新たに検出した位置情報を位置履歴記憶部１２６に記憶させる。この処理が繰り返されることにより、位置履歴記憶部１２６には、人の位置情報の履歴が記憶される。
【００３５】
また人の位置情報の履歴を示す情報は、以下のように、移動距離、予測位置との比較、頭部の大きさ、服装の共通性、頭部の向き、顔の類似度、性別度、及び年齢といったパラメータに基づいて算出されてもよい。以下のトラッキング処理は、画像処理部１２４によって行われる。
【００３６】
＜移動距離＞
通常、同一人物の位置は、連続するフレーム間で急激に変化しない。例えば、図１６に示すように、ｎ−１番目のフレームにおける任意の候補者の位置を（ｘｎ−１，ｙｎ−１）、ｎ番目のフレームにおける人物の位置を（ｘｎ，ｙｎ）とした場合に、これらの２点間の距離
diffdist1＝｛（ｘｎ−１−ｘｎ）２＋（ｙｎ−１−ｙｎ）２｝１／２
が小さいほど、人物の同一性が高いと考えられる。
【００３７】
＜予測位置との比較＞
あるフレームの画像に写っている人物が次のフレームの画像においてどの位置に移動するかは、予測可能である。例えば、ｎ−１番目のフレームの画像に写っている人物が次のｎ番目のフレームでどの位置へ移動するかは、ｎ−１番目のフレームの画像及びｎ−２番目以前のフレームの画像から予測可能である。ここで、図１７に示すように、ｎ−１番目のフレームにおいて予測したｎ番目のフレーム画像での人物の位置を（predict_x，predict_y）、ｎ番目のフレームにおける実際の位置を（ｘｎ，ｙｎ）とすると、これらの２点間の距離
diffdist2＝｛（predict_x−ｘｎ）２＋（predict_y−ｙｎ）２｝１／２
が小さいほど、人物の同一性が高いと考えられる。
【００３８】
＜頭部の大きさ＞
通常、同一人物の頭部の大きさは、連続するフレーム間で急激に変化しない。従って、図１８に示すようにｎ−１番目のフレームにおける任意の人物の頭部の大きさをｈｎ−１、ｎ番目のフレームにおける頭部の大きさをｈｎとすると、頭部の大きさの差
diffhead-size＝｛ｍａｘ（ｈｎ−１，ｈｎ）−ｍｉｎ（ｈｎ−１，ｈｎ）｝／ｍａｘ（ｈｎ−１，ｈｎ）
が小さいほど人物の同一性が高いと考えられる。
【００３９】
＜服装の共通性＞
同一人物の衣服は、連続するフレーム間で急激に変化しない。よって、フレーム画像に写っている人物の服装を基に、人物の同一性を判定可能である。図１９に示すように、フレーム画像において人物の頭部を検出した場合、その直下の部分はその人物の胸部であると推定できる。したがって、あるフレーム画像における人物の頭部の直下の部分（胸部領域）における色成分のヒストグラム分布と、その後のフレームに画像における胸部領域における色成分のヒストグラム分布とは、同一人物であればほぼ同じとなる。
ここで、ｎ番目のフレームでの胸部領域における色成分のヒストグラム分布と、ｎ−１番目のフレームでの胸部領域における色成分のヒストグラム分布の仕方の違いは、例えばＫＬ情報量（Kullback-Leibler divergence）として数値化することが可能である。すなわち、ｎ−１番目のフレームにおける色成分のヒストグラム分布をＨｉｓｔｎ−１、ｎ番目のフレームにおける色成分のヒストグラム分布をＨｉｓｔｎとすると、色成分のヒストグラム分布の差、
diffcolor1＝ＫＬ（Ｈｉｓｔｎ−１，Ｈｉｓｔｎ）
が小さいほど人物の同一性が高いと考えられる。
【００４０】
しかし、ある人物の前を別の人物が通過するなどして、特定のフレームの胸部領域における色成分のヒストグラム分布が他のフレームと異なる場合もある。したがって、ｎ番目のフレームでの胸部領域における色成分のヒストグラム分布と、ｎ−１番目のフレームまでの胸部領域における色成分のヒストグラム分布平均とを比較することによっても人物の同一性を判定する。この場合も、上記同様にＫＬ情報量として数値化する。
ｎ−１番目のフレームまでの色成分のヒストグラム分布の平均をＨｉｓｔａｖｇ、ｎフレームにおける色成分のヒストグラム分布をＨｉｓｔｎとすると、
diffcolor2＝ＫＬ（Ｈｉｓｔａｖｇ，Ｈｉｓｔｎ）
が小さいほど人物の同一性が高いと考えられる。
このような処理の一例は、Changjiang Yang, Ramani Duraiswami and Larry Davis, Fast Multiple Object Tracking via a Hierarchical Particle Filter, "Proceedings of the Tenth IEEE International Conference on Computer Vision", 2005 の3.1 Color Rectangle Featuresに記載されている。
【００４１】
＜頭部の向き＞
一般的に、人間は一定の方向を向いて移動するため、あるフレームにおける頭部の向きとその次のフレームにおける頭部の向きとが極端に異なることはまれである。よって、ｎ−１番目のフレームにおける頭部の向きとｎ番目のフレームにおける頭部の向きとを比較することで、人物の同一性を判定可能である。図２０に示すように、ｎ−１番目のフレームにおける頭部の向きをＯｎ−１、ｎ番目のフレームにおける頭部の向きをＯｎとすると
difforientation1＝｜Ｏｎ−１−Ｏｎ｜
が小さいほど人物の同一性が高いと考えられる。
【００４２】
また、移動時に頭部が向いている方向は、その人物の進行方向と一致すると考えられる。したがって、ｎ−１番目のフレームの頭部の向きから予測した移動方向と、ｎ−１番目のフレームからｎ番目のフレームの間に移動した方向とを比較することによって人物の同一性を判定できる。
図２１に示すように、ｎ−１番目のフレームにおける頭部の向きをＯｎ−１、ｎ−１番目のフレームからｎ番目のフレームの間に移動した方向をｍｎとすると、
difforientation2＝｜Ｏｎ−１−ｍｎ｜
が小さいほど人物の同一性が高いと考えられる。
【００４３】
＜顔の類似度＞
同一人物の顔は、連続するフレーム間で急激に変化しない。よって、フレーム画像に写っている人物の顔を基に、人物の同一性を判定可能である。
フレーム間での人物の顔の相違は、テンプレートマッチング（Sum of Squared Difference：ＳＳＤ、Sum of Absolute Difference：ＳＡＤ）やＰＣＡ（Principal Component Analysis）空間上でのユークリッド距離によって数値化できる。
これらの方法で数値化した値をdifffaceとすると、その値が小さいほど人物の同一性が高いと考えられる。
【００４４】
＜性別度＞
同一人物の顔の女性らしさ（男性らしさ）は、連続するフレーム間で急激に変化しない。よって、フレーム画像に写っている人物の女性らしさ（男性らしさ）を基に、人物の同一性を判定可能である。
ここで、女性らしさ（男性らしさ）を性別度として定義すると、性別度は認識器（識別器）によって顔画像を基に出力可能である。例えば、フレーム画像に写っている人物の顔が女性らしいほど０に近い値を出力し、男性らしいほど１に近い値を出力するようにすればよい。
上記のように性別度を出力する場合、ｎ−１番目のフレームにおける性別度をｇｎ−１、ｎ番目のフレームにおける性別度をｇｎとすると、
diffgender＝｜ｇｎ−１−ｇｎ｜
が小さいほど人物の同一性が高いと考えられる。
【００４５】
＜年齢＞
同一人物の年齢は、連続するフレーム間で急激に変化しない。よって、フレーム画像に写っている人物の年齢を基に、人物の同一性を判定可能である。
人物の年齢は連続量を扱う（換言すると回帰問題を扱う）識別器によって、顔画像を基に推定することが可能である。
ｎ−１番目のフレームにおいて推定された年齢をａｇｅｎ−１、ｎ番目のフレームにおいて推定された年齢をａｇｅｎとすると、
diffage＝｜ａｇｅｎ−１−ａｇｅｎ｜
が小さいほど人物の同一性が高いと考えられる。
【００４６】
上記のような各パラメータに関しては、人物の追跡に用いるか否かを個別に設定可能である。
【００４７】
人物の同一性の判定に用いる各同一性指数はそれぞれ意味合いが異なるため、異なる同一性指数を比較しても人物の同一性を評価できない。よって、画像処理部１２４は、各同一性指数に個別の所定の閾値で同一性指数の値を除することによって、各同一性指数を正規化する。なお、所定の閾値は、同一人物と判定する最大の値とする。移動距離を例とすると、フレーム間の移動距離がＬを超える場合には同一人物と判定しないのであれば、実際の移動距離ＸをＬで除することによって正規化する。以下、正規化した値をスコアという。スコアは、同一人物である可能性の高さを０から１の範囲で示す値であり、０に近いほど同一人物の可能性が高い。これは基となった同一性指数によらず共通である。
【００４８】
画像処理部１２４は、ある人物とある候補者との組み合わせに関して、各スコアの相加平均することにより、その人物と候補者との組み合わせに関して各同一性指数による同一性の判定結果を統合した値を算出する。なお、同一性指数ごとに重みを変えて重み付け平均した値を算出することも可能である。例えば、Ａ〜Ｄの四つのスコアを統合する場合、０．２５Ａ＋０．２５Ｂ＋０．２５Ｃ＋０．２５Ｄとしてスコアを統合すれば、各同一性指数の重みは同一である。一方、０．４Ａ＋０．２Ｂ＋０．２Ｃ＋０．２Ｄとしてスコアを統合すれば、スコアＡの基となった同一性指数に他の同一性指数の２倍の重みを与えることができる。
【００４９】
以上のようにして算出されるスコアは、ｎ番目のフレームにおいて検出された全ての人物と、同一人物と判定しうる全ての候補に関して算出する。例えば、図２２に示すように、ｎ番目のフレームには４人の人物（Ｗ、Ｘ、Ｙ、Ｚ）が検出されており、その時点において同一人物の候補として３人（Ａ、Ｂ、Ｃ）が登録されている場合は、４×３＝１２通りのスコアを算出する。なお、Ｗｎ、Ｘｎ、Ｙｎ、Ｚｎは、人物Ｗ、Ｘ、Ｙ、Ｚがｎ番目のフレームにおいて検出されたことを示しており、Ａｎ−１、Ｂｎ−１、Ｃｎ−１は、候補者Ａ、Ｂ、Ｃがｎ−１番目のフレームにおいて検出されていることを示している。
【００５０】
画像処理部１２４は、統合されたスコアを基に、以下の手順で人物と候補者とを対応させる。まず、画像処理部１２４は、画像処理部１２４が統合したスコアのうち最小の値を検出し、同一人物と判定する。ここでは、Ｂｎ−１とＸｎとの組み合わせにおけるスコアが最小値をとるため、図２３示すように画像処理部１２４はｎ番目のフレームにおいて検出されたＸは、候補者Ｂであると判定する。
【００５１】
次に、画像処理部１２４は、人物Ｂ及び人物Ｘとは関連のないスコアの中から最小の値を検出し、同一人物と判定する。ここでは、Ｃｎ−１とＺｎとの組み合わせにおけるスコアが最小値をとるため、図２４示すように画像処理部１２４は、ｎ番目のフレームにおいて検出されたＺは、候補者Ｃであると判定する。
【００５２】
その後、画像処理部１２４は、人物Ｂ、Ｃ、Ｘ及びＺとは関連のないスコアの中から最小の値を検出し、同一人物と判定する。ここでは、Ａｎ−１とＷｎとの組み合わせにおけるスコアが最小値をとるため、図２５に示すように画像処理部１２４はｎ番目のフレームにおいて検出されたＷは、候補者Ａであると判定する。
【００５３】
この段階で、登録済みの候補者と同一の人物は全て検出されたため、図２６に示すように画像処理部１２４は残った人物Ｙは新規の人物であると判断する。画像処理部１２４は、人物Ｙを以降のトラッキング処理における候補者として候補者登録部（図示せず）に登録する。なお、画像処理部１２４が人物以外のものを誤って人物と検出する可能性もあるため、画像処理部１２４は、所定回数続けて残った人物のみを新規の人物として候補者登録部へ登録することが好ましい。
【００５４】
候補者登録部に登録されているにもかかわらず、追跡できなかった候補者が存在する場合（例えば、画像処理部１２４が入力フレーム画像から検出した人物の数が、候補者登録部に登録されている候補者の数よりも少なかった場合）は、画像処理部１２４は追跡できなかった候補者はフレームアウトしたものと判断する。なお、ある人物の前を別の人物を通過するなどして、人物がフレーム内に存在するにもかかわらず画像処理部１２４が人物の検出に失敗することも考えられるため、画像処理部１２４が所定回数続けて追跡できなかった候補者をフレームアウトしたと判断することが好ましい。
【００５５】
画像処理部１２４は、上記の処理を所定のフレーム数ごとに繰り返すことにより、動画像に映された人物を追跡する。
【００５６】
なお、ここでは同一人物の候補が全てｎ−１番目のフレームにおいて検出されている場合を例としたが、ｎ−１番目のフレームにおいて検出されない候補がいる場合は、その候補者については、画像処理部１２４が直前に検出されたフレームの画像（ｎ−２番目のフレームなど）を取得して、入力フレーム画像との差分から同一性指数を算出する。
【００５７】
上記の方法を行うことにより画像処理部１２４は、複数のパラメータに関して同一性指数を算出し、それらを正規化した上で統合するため、動画像に写された人物の動きを高精度に追跡できる。
【００５８】
移動方向算出部１２８は、位置履歴記憶部１２６が記憶している位置情報の履歴に基づいて人の移動方向、好ましくは移動速度を算出する。そして予想範囲算出部１４０は、さらに移動方向を用いて予想移動範囲を算出する。
【００５９】
図９は、図８に示した経路設定装置１０において予想範囲算出部１４０が記憶している予想移動範囲定義情報を説明するための図である。この予想移動範囲定義情報が示すグリッドマップでは、重み付けが重い領域は、移動方向算出部１２８が算出した移動方向に広がっている。ただし、本実施形態でも、大人よりも幼児のほうが、重み付けが重い領域が大きくなっている。
【００６０】
予想範囲算出部１４０は、人の移動方向別に、年齢層別の予想移動範囲情報を記憶していてもよい。また予想範囲算出部１４０は、年齢層別の予想移動範囲情報と、人の移動方向に応じてどのように予想移動範囲を変形させるかを示す情報とを記憶していてもよい。
【００６１】
図１０は、図８に示した経路設定装置１０の動作を示すフローチャートである。本図に示す処理は、以下を除いて第１の実施形態において図７を用いて説明した処理と同様である。
【００６２】
まず画像処理部１２４は、第１の位置情報を算出する（ステップＳ５０）と、算出した第１の位置情報を位置履歴記憶部１２６に記憶させる（ステップＳ５２）。
【００６３】
また移動方向算出部１２８は、予想範囲算出部１４０が予想移動範囲を示すグリッドマップを作成する（ステップＳ７０）前に、人の移動方向を算出する（ステップＳ６２）。
【００６４】
そして予想範囲算出部１４０は、人の移動方向及び年齢層を用いて、予想移動範囲を算出する。なお移動方向算出部１２８がステップＳ６２において人の移動速度を算出している場合、予想範囲算出部１４０は、人の移動方向及び速さ、並びに年齢層を用いて予想移動範囲を算出する。そして移動経路算出部１８０は、予想移動範囲を示すグリッドマップを用いて、現在位置から目的地までの間の領域、及びその周囲の領域におけるグリッドマップを生成する（ステップＳ７０）
【００６５】
本実施形態によっても、第１の実施形態と同様の効果を得ることができる。また人の移動方向を用いて予想移動範囲を算出しているため、移動体の経路から外すべき範囲をさらに精度よく設定することができる。
【００６６】
なお本実施形態において予想範囲算出部１４０は、人の属性を用いずに移動方向（好ましくは移動速度）のみを用いて予想移動範囲を定めてもよい。
【００６７】
次に、第３の実施形態に係る経路設定装置１０について説明する。本実施形態に係る経路設定装置１０は、画像処理部１２４が人の顔の向きを検出する点、及び予想範囲算出部１４０が人の顔の向きを用いて予想移動範囲を算出する点を除いて、第１又は第２の実施形態に係る経路設定装置１０と同様の構成である。なお後述する図１２は、第１の実施形態に係る経路設定装置１０と同様の構成である場合を示している。
【００６８】
図１１は、本実施形態において予想範囲算出部１４０が記憶している予想移動範囲定義情報を説明するための図である。人の顔が移動体の正面を向いている場合、その人が移動体を認識していると判断できる。このような場合、図１１（ｃ）に示すように、予想範囲算出部１４０は、人の顔が移動体の正面を向いていない場合（図１１（ｄ））と比較して、予想移動範囲を狭くすることができる。ただし、幼児である場合、顔が移動体の正面を向いていても移動体を認識した行動をとらない場合がある。このため予想範囲算出部１４０は、幼児の場合、図１１（ａ）及び（ｂ）に示すように、人の顔が正面を向いていても、正面を向いていない場合と同一の予想移動範囲を定める。
【００６９】
図１２は、本実施形態にかかる経路設定装置１０の動作を示すフローチャートである。本図に示す処理は、以下を除いて第１の実施形態において図７を用いて説明した処理と同様である。
【００７０】
まず画像処理部１２４は、予想範囲算出部１４０が予想移動範囲を示すグリッドマップを作成する（ステップＳ７０）前に、人の顔の向きを認識する（ステップＳ６４）。
【００７１】
そして予想範囲算出部１４０は、人の移動方向及び顔の向きを用いて、予想移動範囲を算出する。そして移動経路算出部１８０は、予想移動範囲を示すグリッドマップを用いて、現在位置から目的地までの間の領域、及びその周囲の領域におけるグリッドマップを生成する（ステップＳ７０）
【００７２】
本実施形態によっても、第１又は第２の実施形態と同様の効果を得ることができる。また人の顔の向きを用いて予想移動範囲を算出しているため、移動体の経路から外すべき範囲をさらに精度よく設定することができる。
【００７３】
なお本実施形態において予想範囲算出部１４０は、人の属性を用いずに顔の向きのみを用いて予想移動範囲を定めてもよい。また本実施形態にかかる経路設定装置１０が、図８に示した位置履歴記憶部１２６及び移動方向算出部１２８を備えている場合、予想範囲算出部１４０は、顔の向き及び人の移動方向のみを用いて予想移動範囲を定めてもよい。
【００７４】
図１３は、第４の実施形態に係る経路設定装置１０の機能構成を示すブロック図である。本実施形態に係る経路設定装置１０は、以下の点を除いて第１〜第３の実施形態に係る経路設定装置１０のいずれかと同様である。なお図１３は、第１の実施形態と同様の場合を示している。
【００７５】
まず、人情報取得部１２０は光学的に障害物を検出する手法として、光学的センサ１３０を備えている。光学的センサ１３０は、移動体の移動方向に向けて光、例えばレーザを照射し、その光の反射光を検出することにより、人の位置情報すなわち第２の位置情報を検出する。第２の位置情報は、画像処理部１２４が算出する第１の位置情報と比較して精度が高い。
【００７６】
なお光学的センサ１３０は、人のみではなく静止物も障害物として検出する。ただし光学的センサ１３０は、人と静止物を区別できない。そこで本実施形態では、画像処理部１２４が、第２の位置情報と第１の位置情報を用いることにより、光学的センサ１３０が検出した障害物のいずれが人であるかを判断する。そして予想範囲算出部１４０は、第２の位置情報を用いて予想移動範囲を算出する。
【００７７】
図１４は、図１３に示した経路設定装置１０が行う処理を示すフローチャートである。本図に示す処理は、画像処理部１２４が人の属性すなわち年齢層を認識するまでの処理（ステップＳ１０〜ステップＳ６０）は、第１の実施形態において図７に示した処理と同様である。
【００７８】
画像処理部１２４が人の年齢層を認識する（ステップＳ６０）と、光学的センサ１３０は、移動体の移動方向に位置する障害物の位置を検出する。この位置情報には、人の位置を示す第２の位置情報と、静止物の位置を示す第３の位置情報とが含まれる（ステップＳ６６）。光学的センサ１３０は、検出した位置情報を画像処理部１２４に出力する。
【００７９】
画像処理部１２４は、光学的センサ１３０が検出した位置情報のうち第１の位置情報と同一の位置情報であると判断できるものを、人の位置を示す第２の位置情報であると判断し、それ以外の位置情報を、静止物の位置を示す第３の位置情報であると判断する。そして画像処理部１２４は、第１の位置情報を用いて、第２の位置情報をその人の年齢層に対応付ける（ステップＳ６８）。そして画像処理部１２４は、第２の位置情報を年齢層に対応付けて予想範囲算出部１４０に出力する。また画像処理部１２４は、第３の位置情報を移動経路算出部１８０に出力する。
【００８０】
予想範囲算出部１４０は、第２の位置情報と年齢層とを用いて、予想移動範囲を示すグリッドマップを生成する。また移動経路算出部１８０は、第３の位置情報を用いて静止物を示すグリッドマップを生成する。そして移動経路算出部１８０は、予想移動範囲を示すグリッドマップと、静止物を示すグリッドマップとを用いて、現在位置から目的地までの間の領域、及びその周囲の領域におけるグリッドマップを生成する（ステップＳ７０）。そして移動経路算出部１８０は、ステップＳ７０で生成したグリッドマップを用いて経路を定める（ステップＳ８０）。その後、ステップＳ２０に戻る。
【００８１】
図１５は、図１３に示した移動経路算出部１８０が経路を定める方法を具体的に説明するための図である。本図に示すグリッドマップには、人の予想移動範囲を示すグリッドマップと共に、静止物を示すグリッドマップが組み込まれている。そして移動経路算出部１８０は、人の予想移動範囲と静止物の周囲を避けるように、経路を設定する。
【００８２】
本実施形態によっても、第１の実施形態と同様の効果を得ることができる。また光学的センサ１３０により検出された第２の位置情報を用いて、人の予想移動範囲を示すグリッドマップを作成している。第２の位置情報は第１の位置情報と比較して精度が高い。このため、移動体の経路から外すべき範囲をさらに精度よく設定することができる。
【００８３】
また光学的センサ１３０を用いることにより、静止物の位置を示す第３の位置情報を検出することができる。従って、静止物を避けるように経路を設定することもできる。
【００８４】
以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。例えば経路設定装置１０の人情報取得部１２０は、ユーザからの入力に基づいて人の位置及び属性の少なくとも一方を取得してもよい。また上記した各実施形態において、人の属性として性別を用いてもよい。
【符号の説明】
【００８５】
１０ 経路設定装置
１００ 目的地情報取得部
１２０ 人情報取得部
１２２ 撮像部
１２４ 画像処理部
１２６ 位置履歴記憶部
１２８ 移動方向算出部
１３０ 光学的センサ
１４０ 予想範囲算出部
１８０ 移動経路算出部
【特許請求の範囲】
【請求項１】
移動体の移動経路を設定する経路設定装置であって、
目的地の位置を示す目的地情報を取得する目的地情報取得手段と、
前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得する人情報取得手段と、
前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出する予想範囲算出手段と、
前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する移動経路算出手段と、
を備える経路設定装置。
【請求項２】
請求項１に記載の経路設定装置において、
前記属性は、前記人の年齢層を含んでおり、
前記予想範囲算出手段は、前記年齢層に応じて前記予想移動範囲を変える経路設定装置。
【請求項３】
請求項１又は２に記載の経路設定装置において、
前記位置情報の履歴を記憶する位置履歴記憶手段と、
前記履歴に基づいて前記人の移動方向を算出する移動方向算出手段と、
をさらに備え、
前記予想範囲算出手段は、さらに前記移動方向を用いて前記予想移動範囲を算出する経路設定装置。
【請求項４】
請求項１〜３のいずれか一項に記載の経路設定装置において、
前記人情報取得手段は、
前記移動体の移動方向を撮像する撮像手段と、
前記撮像手段が生成した画像データを処理することにより、前記人の第１の前記位置情報を算出するとともに、前記人の属性を定める画像処理手段と、
を備える経路設定装置。
【請求項５】
請求項４に記載の経路設定装置において、
前記画像処理手段は、さらに前記人の顔の向きを検出し、
前記予想範囲算出手段は、さらに前記人の顔の向きを用いて前記予想移動範囲を算出する経路設定装置。
【請求項６】
請求項５に記載の経路設定装置において、
前記予想範囲算出手段は、前記人の顔が前記移動体を向いている場合、前記人の顔が前記移動体を向いていない場合と比較して前記予想移動範囲を狭くする経路設定装置。
【請求項７】
請求項４〜６のいずれか一項に記載の経路設定装置において、
前記画像処理手段は、前記属性を前記第１の位置情報に対応付けており、
前記人情報取得手段は、さらに、
前記移動体の移動方向に光を照射し、当該光の反射光を検出することにより、前記人の第２の前記位置情報を検出する光学的障害物検出手段を備え、
前記画像処理手段は、前記第１の位置情報を用いて、前記第２の位置情報を前記属性に対応付け、
前記移動経路算出手段は、前記位置情報として前記第２の位置情報を用いる経路設定装置。
【請求項８】
請求項７に記載の経路設定装置において、
前記光学的障害物検出手段は、前記光の反射光を検出することにより、前記人以外の障害物の位置情報である第３の位置情報を検出し、
前記移動経路算出手段は、さらに前記第３の位置情報を用いることにより前記移動経路を算出する経路設定装置。
【請求項９】
移動体の移動経路を設定する経路設定方法であって、
コンピュータが、目的地の位置を示す目的地情報を取得し、
前記コンピュータが、前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得し、
前記コンピュータが、前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出し、
前記コンピュータが、前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する経路設定方法。
【請求項１０】
コンピュータを、移動体の移動経路を設定する経路設定装置として機能させるためのプログラムであって、
前記コンピュータに、
目的地の位置を示す目的地情報を取得する機能と、
前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得する機能と、
前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出する機能と、
前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する機能と、
を実現させるプログラム。
【請求項１】
移動体の移動経路を設定する経路設定装置であって、
目的地の位置を示す目的地情報を取得する目的地情報取得手段と、
前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得する人情報取得手段と、
前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出する予想範囲算出手段と、
前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する移動経路算出手段と、
を備える経路設定装置。
【請求項２】
請求項１に記載の経路設定装置において、
前記属性は、前記人の年齢層を含んでおり、
前記予想範囲算出手段は、前記年齢層に応じて前記予想移動範囲を変える経路設定装置。
【請求項３】
請求項１又は２に記載の経路設定装置において、
前記位置情報の履歴を記憶する位置履歴記憶手段と、
前記履歴に基づいて前記人の移動方向を算出する移動方向算出手段と、
をさらに備え、
前記予想範囲算出手段は、さらに前記移動方向を用いて前記予想移動範囲を算出する経路設定装置。
【請求項４】
請求項１〜３のいずれか一項に記載の経路設定装置において、
前記人情報取得手段は、
前記移動体の移動方向を撮像する撮像手段と、
前記撮像手段が生成した画像データを処理することにより、前記人の第１の前記位置情報を算出するとともに、前記人の属性を定める画像処理手段と、
を備える経路設定装置。
【請求項５】
請求項４に記載の経路設定装置において、
前記画像処理手段は、さらに前記人の顔の向きを検出し、
前記予想範囲算出手段は、さらに前記人の顔の向きを用いて前記予想移動範囲を算出する経路設定装置。
【請求項６】
請求項５に記載の経路設定装置において、
前記予想範囲算出手段は、前記人の顔が前記移動体を向いている場合、前記人の顔が前記移動体を向いていない場合と比較して前記予想移動範囲を狭くする経路設定装置。
【請求項７】
請求項４〜６のいずれか一項に記載の経路設定装置において、
前記画像処理手段は、前記属性を前記第１の位置情報に対応付けており、
前記人情報取得手段は、さらに、
前記移動体の移動方向に光を照射し、当該光の反射光を検出することにより、前記人の第２の前記位置情報を検出する光学的障害物検出手段を備え、
前記画像処理手段は、前記第１の位置情報を用いて、前記第２の位置情報を前記属性に対応付け、
前記移動経路算出手段は、前記位置情報として前記第２の位置情報を用いる経路設定装置。
【請求項８】
請求項７に記載の経路設定装置において、
前記光学的障害物検出手段は、前記光の反射光を検出することにより、前記人以外の障害物の位置情報である第３の位置情報を検出し、
前記移動経路算出手段は、さらに前記第３の位置情報を用いることにより前記移動経路を算出する経路設定装置。
【請求項９】
移動体の移動経路を設定する経路設定方法であって、
コンピュータが、目的地の位置を示す目的地情報を取得し、
前記コンピュータが、前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得し、
前記コンピュータが、前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出し、
前記コンピュータが、前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する経路設定方法。
【請求項１０】
コンピュータを、移動体の移動経路を設定する経路設定装置として機能させるためのプログラムであって、
前記コンピュータに、
目的地の位置を示す目的地情報を取得する機能と、
前記移動体の周囲に位置する人の位置情報を取得するとともに、前記人の属性を取得する機能と、
前記位置情報及び前記属性に基づいて、前記人の予想移動範囲を算出する機能と、
前記予想移動範囲及び前記目的地情報を用いて前記移動体の移動経路を算出する機能と、
を実現させるプログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図１５】
【図１６】
【図１７】
【図１８】
【図１９】
【図２０】
【図２１】
【図２２】
【図２３】
【図２４】
【図２５】
【図２６】
【公開番号】特開２０１１−２０４１８１（Ｐ２０１１−２０４１８１Ａ）
【公開日】平成２３年１０月１３日（２０１１．１０．１３）
【国際特許分類】
【出願番号】特願２０１０−７３３８６（Ｐ２０１０−７３３８６）
【出願日】平成２２年３月２６日（２０１０．３．２６）
【出願人】（０００２３２０９２）ＮＥＣソフト株式会社 (173)
【Ｆターム（参考）】
【公開日】平成２３年１０月１３日（２０１１．１０．１３）
【国際特許分類】
【出願日】平成２２年３月２６日（２０１０．３．２６）
【出願人】（０００２３２０９２）ＮＥＣソフト株式会社 (173)
【Ｆターム（参考）】
[ Back to top ]