計測装置，計測方法および計測プログラム
【課題】 複数のレーザレンジファインダで対象を計測して多様な情報を得る。
【解決手段】 計測装置（１０）はコンピュータ（１２）および７台のＲＬＦ（１４）を含み、コンピュータが動く対象（Ｏｂｊ）を７台のＬＲＦで計測する。７台のＬＲＦのうち３つはそのスキャン面（Ｓｃｎ）が水平面に対して傾斜した傾斜ＬＲＦ１４ｉであり、他の４台はそのスキャン面が水平面と平行な水平ＬＲＦ１４ｈである。コンピュータのデータベース（５２）には対象の３次元形状モデル（Ｍ１，Ｍ２，…）が登録されており、コンピュータのＣＰＵ（１２ｃ）は、各水平ＬＲＦ１４ｈからの計測データ（２次元距離情報）に基づいて対象の水平位置を推定し（Ｓ３５）、各傾斜ＬＲＦ１４ｉからの計測データとデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定し（Ｓ４７）、そして３次元形状に基づいて対象Ｏｂｊを認識する（Ｓ４９）。
【解決手段】 計測装置（１０）はコンピュータ（１２）および７台のＲＬＦ（１４）を含み、コンピュータが動く対象（Ｏｂｊ）を７台のＬＲＦで計測する。７台のＬＲＦのうち３つはそのスキャン面（Ｓｃｎ）が水平面に対して傾斜した傾斜ＬＲＦ１４ｉであり、他の４台はそのスキャン面が水平面と平行な水平ＬＲＦ１４ｈである。コンピュータのデータベース（５２）には対象の３次元形状モデル（Ｍ１，Ｍ２，…）が登録されており、コンピュータのＣＰＵ（１２ｃ）は、各水平ＬＲＦ１４ｈからの計測データ（２次元距離情報）に基づいて対象の水平位置を推定し（Ｓ３５）、各傾斜ＬＲＦ１４ｉからの計測データとデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定し（Ｓ４７）、そして３次元形状に基づいて対象Ｏｂｊを認識する（Ｓ４９）。
【発明の詳細な説明】
【技術分野】
【０００１】
この発明は、計測装置，計測方法および計測プログラムに関し、特にたとえば、複数の距離計で対象を計測する、計測装置，計測方法および計測プログラムに関する。
【背景技術】
【０００２】
この種の従来の装置としては、たとえば特許文献１に開示されたものが知られている。この背景技術では、複数のレーザレンジファインダ（ＬＲＦ）で被験者を計測して、計測結果から被験者の位置および移動速度を推定し、さらに人形状モデルを用いて被験者の体の向きおよび腕の動きをも推定している。
【特許文献１】特開２００９−１６８５７８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００３】
しかし、特許文献１の背景技術では、どのＬＲＦも、スキャン面が腰の高さで水平となるように設置されている。したがって、ＬＲＦからの計測データには、腰の高さでの距離情報しか含まれていないので、３次元形状に関する情報たとえば身長などを推定することはできない。
【０００４】
それゆえに、この発明の主たる目的は、新規な、計測装置，計測方法および計測プログラムを提供することである。
【０００５】
この発明の他の目的は、複数のレーザレンジファインダで対象を計測して多様な情報を得ることができる、計測装置，計測方法および計測プログラムを提供することである。
【課題を解決するための手段】
【０００６】
この発明は、上記の課題を解決するために、以下の構成を採用した。なお、括弧内の参照符号および補足説明等は、本発明の理解を助けるために後述する実施の形態との対応関係を示したものであって、本発明を何ら限定するものではない。
【０００７】
第１の発明は、複数のレーザレンジファインダで動く対象を計測する計測装置であって、複数のレーザレンジファインダの少なくとも１つは、そのスキャン面が水平面に対して傾斜した傾斜レーザレンジファインダであり、対象の３次元形状モデルが登録されたデータベース、複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて対象の水平位置を推定する第１推定手段、および傾斜レーザレンジファインダからの計測データとデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定する第２推定手段を備える。
【０００８】
第１の発明では、計測装置（１０）は、たとえば人や買い物カートといった動く対象（Ｏｂｊ）を複数のレーザレンジファインダ（１４）で計測する。これら複数のレーザレンジファインダのうち少なくとも１つは、そのスキャン面（Ｓｃｎ）が水平面に対して傾斜した傾斜レーザレンジファインダ（１４ｉ）である。
【０００９】
そして、計測装置は、データベース（５２）、第１推定手段（Ｓ３５）および第２推定手段（Ｓ４７）を備える。データベースには、上記のような対象の３次元形状モデル（Ｍ１，Ｍ２，…）が登録されており、第１推定手段は、複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて対象の水平位置を推定し、第２推定手段は、傾斜レーザレンジファインダからの計測データとデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定する。
【００１０】
したがって、少なくとも２つのレーザレンジファインダからの計測データに基づいて対象の水平位置を推定することができる。また、傾斜したスキャン面内を対象が動くことで、傾斜レーザレンジファインダからの計測データには、異なる高さでの２次元距離情報（距離および角度を示す情報）が含まれる結果となるため、このような計測データから３次元形状を推定することができる。
【００１１】
なお、水平位置を推定するためのレーザレンジファインダは、下記第１０の発明のように、そのスキャン面（Ｓｃｎ）が水平面と平行な水平レーザレンジファインダ（１４ｈ）であれば好ましい。ただし、傾斜レーザレンジファインダであっても、傾斜角が既知であれば座標変換を行うことで、水平位置の推定は可能である。また、１つの傾斜レーザレンジファインダを、水平位置の推定と３次元形状の推定とに兼用してもよい。このため、レーザレンジファインダの最小構成は、原理的には２台であり、その内訳は、水平および傾斜が各１個、または傾斜２個となる。しかし、一般的には、水平位置の推定用に水平２個と、３次元形状の推定用に傾斜１個との、計３個が最小構成である。好ましい実施例では、レーザ光の当たらない死角を減らすために、水平４個および傾斜３個の構成を採用している。
【００１２】
第１の発明によれば、複数のレーザレンジファインダで対象を計測して、水平位置，３次元形状といった多様な情報が得られる。
【００１３】
なお、水平位置の変化から移動速度を計算することもできるし、下記第４の発明のように３次元形状の推定を時系列フィルタリングにより行えば、３次元形状と一緒に方向を推定することもできる。また、下記第９の発明のように３次元形状に基づいて対象を認識することで、種類，属性，プロファイルといった、さらに多様な情報も得られる。
【００１４】
第２の発明は、第１の発明に従属する計測装置であって、傾斜レーザレンジファインダからの計測データに対してそのスキャン面の水平面に対する傾斜角に応じた座標変換処理を施す座標変換手段をさらに備え、第２推定手段は、座標変換手段による座標変換処理が施された計測データに基づいて推定を行う。
【００１５】
第２の発明では、座標変換手段（Ｓ４５）が、傾斜レーザレンジファインダからの計測データに対して、そのスキャン面（Ｓｃｎ）の水平面に対する傾斜角（α）に応じた座標変換処理を施す。第２推定手段による推定は、このような座標変換処理が施された計測データに基づいて行われる。
【００１６】
第３の発明は、第２の発明に従属する計測装置であって、第２推定手段は、座標変換手段による座標変換処理が施された計測データを時系列に統合する時系列統合手段を含む。
【００１７】
第３の発明では、時系列統合手段（Ｓ６１）が、座標変換手段による座標変換処理が施された計測データを時系列に統合する。３次元形状は、この統合結果に基づいて推定される。
【００１８】
第２，第３の発明によれば、スキャン面が傾斜していても３次元形状を適切に推定することができる。
【００１９】
第４の発明は、第３の発明に従属する計測装置であって、時系列統合手段は、対象の可能な３次元形状および方向を時系列フィルタリングにより計算しながら統合を行う。
【００２０】
第５の発明は、第４の発明に従属する計測装置であって、時系列統合手段は、時系列フィルタリングによる計算結果と３次元形状モデルとの間の距離に基づいて、最も可能性の高い３次元形状および方向を推定する。なお、距離は、所定の関数たとえば数３に示したような関数により求められる。
【００２１】
第６の発明は、第５の発明に従属する計測装置であって、時系列統合手段は、３次元形状モデルとの間の距離が最短である計算結果を最も可能性が高いと推定する。
【００２２】
第４〜第６の発明によれば、予測および観測を繰り返すことによって現在の対象の状態を推定するような時系列フィルタを用いて効率的かつ高精度に統合を行うことができる。時系列フィルタは、ある実施例ではパーティクルフィルタであるが、ＤＰマッチングなど他のフィルタでもよい。
【００２３】
第７の発明は、第３の発明に従属する計測装置であって、時系列統合手段は、統合を行う際に第１推定手段の計測結果を利用する。
【００２４】
第７の発明によれば、第１推定手段の計測結果つまり水平位置を利用することで、統合の効率および精度をより高めることができる。
【００２５】
第８の発明は、第１の発明に従属する計測装置であって、傾斜レーザレンジファインダで対象を計測して当該対象に対応する３次元形状モデルを作成する作成手段をさらに備える。
【００２６】
第８の発明では、作成手段（Ｓ５）が、傾斜レーザレンジファインダで対象を計測してその３次元形状モデルを作成する。
【００２７】
第８の発明によれば、３次元形状を推定するための傾斜レーザレンジファインダで事前に３次元形状モデルを作成するので、精度の高い推定が行える。
【００２８】
第９の発明は、第１の発明に従属する計測装置であって、第２推定手段の推定結果に基づいて対象を認識する認識手段をさらに備える。
【００２９】
第９の発明では、認識手段（Ｓ４９）が、第２推定手段の推定結果に基づいて対象を認識する。
【００３０】
第９の発明によれば、推定された３次元形状に基づいて対象を認識するので、さらに多様な情報が得られる。具体的には、たとえば人，物といった種類に関する情報、さらには、人であれば大人，子供、物であれば買い物カート，手荷物といった属性（より細分化された種類）に関する情報、あるいは、身長，性別などのプロファイルに関する情報をも知ることができる。
【００３１】
第１０の発明は、第１の発明に従属する計測装置であって、複数のレーザレンジファインダの少なくとも２つは、そのスキャン面が水平面と平行な水平レーザレンジファインダであり、第１推定手段は、少なくとも２つの水平レーザレンジファインダからの計測データに基づいて推定を行う。
【００３２】
第１０の発明では、複数のレーザレンジファインダの少なくとも２つは、そのスキャン面（Ｓｃｎ）が水平面と平行な水平レーザレンジファインダ（１４ｈ）である。第１推定手段による推定処理は、各水平レーザレンジファインダからの計測データに基づいて行われる。
【００３３】
第１０の発明によれば、水平位置を容易に推定することができる。
【００３４】
第１１の発明は、複数のレーザレンジファインダ（１４）で動く対象（Ｏｂｊ）を計測する計測方法であって、(a)複数のレーザレンジファインダの少なくとも１つを、そのスキャン面（Ｓｃｎ）が水平面に対して傾斜するように設置し、(b)対象の３次元形状モデル（Ｍ１，Ｍ２，…）をデータベース（５２）に登録し（Ｓ９）、(c)複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて対象の水平位置を推定し（Ｓ３５）、そして(d)ステップ(a)で傾斜させて設置したレーザレンジファインダからの計測データとステップ(b)でデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定する（Ｓ４７）。
【００３５】
第１２の発明は、計測プログラム（３０）であって、そのスキャン面（Ｓｃｎ）が水平面に対して傾斜した少なくとも１つの傾斜レーザレンジファインダ（１４ｉ）を含む複数のレーザレンジファインダで動く対象（Ｏｂｊ）を計測する計測装置（１０）のコンピュータ（１２）を、対象の３次元形状モデル（Ｍ１，Ｍ２，…）をデータベース（５２）に登録する登録ステップ（Ｓ９）、複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて対象の水平位置を推定する第１推定ステップ（Ｓ３５）、および傾斜レーザレンジファインダからの計測データとデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定する第２推定ステップ（Ｓ４７）として機能させる。
【００３６】
第１１，第１２の各発明でも、第１の発明と同様に、複数のレーザレンジファインダで対象を計測して、水平位置，３次元形状といった多様な情報が得られる。
【発明の効果】
【００３７】
この発明によれば、複数のレーザレンジファインダで対象を計測して、水平位置，３次元形状ひいては種類（属性，プロファイル）といった多様な情報を得ることができる、計測装置，計測方法および計測プログラムが実現される。
【００３８】
この発明の上述の目的，その他の目的，特徴および利点は、図面を参照して行う以下の実施例の詳細な説明から一層明らかとなろう。
【図面の簡単な説明】
【００３９】
【図１】この発明の一実施例である計測装置の構成を示すブロック図である。
【図２】ＬＲＦによる計測処理を説明するための図解図であり、（Ａ）が計測領域（スキャン面）を示し、（Ｂ）が対象と計測領域との関係を示す。
【図３】ＬＲＦの店舗への配置例を示す図解図であり、（Ａ）が店舗内を上から見た様子（上面図）を示し、（Ｂ）が店舗内を正面から見た様子（正面図）を示す。
【図４】傾斜ＬＲＦからの計測データに施される座標変換処理を説明するための図解図であり、（Ａ）が水平ＬＲＦのスキャン面と傾斜ＬＲＦのスキャン面との関係を示し、（Ｂ）が座標変換に用いるパラメータを示す。
【図５】傾斜ＬＲＦからの計測データを時系列に統合する処理を説明するための図解図である。
【図６】時系列統合処理によって得られる３次元形状を示す図解図である。
【図７】３次元形状の具体例を示す図解図であり、（Ａ）が人の３次元形状を示し、（Ｂ）が買い物カートの３次元形状を示す。
【図８】メモリマップを示す図解図である。
【図９】ＣＰＵ動作の一部を示すフロー図である。
【図１０】ＣＰＵ動作の他の一部を示すフロー図である。
【図１１】ＣＰＵ動作のその他の一部を示すフロー図である。
【図１２】ＣＰＵ動作のさらにその他の一部を示すフロー図である。
【図１３】ＣＰＵ動作の他の一部を示すフロー図である。
【発明を実施するための形態】
【００４０】
図１を参照して、この実施例の計測装置１０はコンピュータ１２を含み、コンピュータ１２には複数（ここでは７台）のレーザレンジファインダ（以下“ＬＲＦ”と記す）１４が接続される。コンピュータ１２は、一般的なパーソナルコンピュータ（ＰＣ）でよく、たとえばキーボードなどの入力器１２ａ，モニタなどの表示器１２ｂ，ＣＰＵ１２ｃおよびメモリ１２ｄなどを備えている。なお、ＬＲＦ１４の数が多い場合や、コンピュータ１２とＬＲＦ１４の距離が離れており直接接続することが難しい場合には、副コンピュータ（図示せず）に１台または複数のＬＲＦ１４を接続し、副コンピュータをコンピュータ１２と接続する構成でもよい。
【００４１】
ＬＲＦは一般に、レーザ光を照射し、それが対象（物体や人体など）で反射して戻ってくるまでの時間から距離を計測する。この実施例のＬＲＦ１４は、軸の周りをたとえば±９０度の範囲で回転するミラー（図示せず）を含み、レーザ光の進路をこの回転ミラーでたとえば０．５度ずつ変化させながら計測を行う（レーザ光でスキャンする）ことができる。以下では、ＬＲＦ１４によってレーザ光でスキャンされる平面をスキャン面と呼ぶ。また、ＬＲＦ１４で計測可能な距離は、レーザ光が人の目に影響を与えないよう、所定距離Ｒ（たとえば８ｍ）以下に制限されている。このため、ＬＲＦ１４の計測領域（スキャン面Ｓｃｎ）は、たとえば図２（Ａ）に示すような半円形、つまり半径Ｒで中心角１８０度の扇形となる。なお、スキャン面Ｓｃｎの中心角は１８０度とは限らず、たとえば２７０度や３６０度などでもよい。
【００４２】
コンピュータ１２は、このようなＬＲＦ１４を通じて、対象の２次元距離情報を取得する。ＬＲＦ１４からの２次元距離情報には、図２（Ｂ）に示すように、対象Ｏｂｊをスキャン面Ｓｃｎで切ったとき、その切断面Ｃｒｓの輪郭線Ｌｎ上の各点Ｐについて距離ｄおよび角度βを示す情報（ローカル座標系）が含まれている。ただし、このＬＲＦ１４からは、レーザ光が到達しない影の部分の２次元距離情報は得られないので、別の１つまたは２つ以上のＬＲＦ１４を、たとえば対象を挟んで反対側に、または対象を取り囲むように配置する必要がある。
【００４３】
したがって、複数のＬＲＦ１４を所定の位置（既知）に設置すれば、コンピュータ１２は、各々から対象の２次元距離情報を取得して、３次元空間（ワールド座標系）における位置（たとえば重心など特徴点の位置座標（Ｘ，Ｙ，Ｚ）：この実施例では特に水平位置座標（Ｘ，Ｙ））および移動速度、さらには３次元形状および方向を計算することができ、ひいては３次元形状から対象の種類（たとえば人体か物体か）ないし属性（たとえば人体なら大人か子供か、物体ならショッピングカートか手荷物か）やプロファイル（たとえば身長，性別など）を推定することも可能となる。
【００４４】
７台のＬＲＦ１４の店舗への設置例を図３に示す。図３（Ａ）は店舗内を上から見た上面図であり、図３（Ｂ）は店舗内を入り口側から見た正面図である。店舗内には、ワールド座標系として、たとえば床面の中心Ｃを原点に、床面の長辺および短辺に沿ってＸ軸およびＹ軸が定義され、さらにＸ軸およびＹ軸の両方に垂直なＺ軸が定義される。
【００４５】
この例では、図３（Ａ）からわかるように、７台のＬＲＦ１４は部屋の四隅，正面および左右に配置されている。そして、図３（Ｂ）からわかるように、７台のＬＲＦ１４のうち一部（ここでは四隅の４台）が、床から１ｍの高さに、スキャン面Ｓｃｎが水平面と平行となるように設置され、他の一部（ここでは正面および左右の３台）は、床から２ｍの高さに、スキャン面Ｓｃｎが水平面から一定角度（たとえば下向きに３０度）傾斜するように設置されている。
【００４６】
以下では、ＬＲＦ１４のうち、スキャン面Ｓｃｎが水平となるように設置されたＬＲＦ１４を“水平ＬＲＦ１４ｈ”と記し、スキャン面Ｓｃｎが傾斜するように設置されたＬＲＦ１４を“傾斜ＬＲＦ１４ｉ”と記す。水平ＬＲＦ１４ｈは主として水平位置および移動速度の計測に利用され、傾斜ＬＲＦ１４ｉは主として３次元形状および方向の計測に利用される。
【００４７】
なお、図１〜図３に示した構成は一例であり、ＬＲＦ１４の総数は６以下でも８以上でもよく、水平ＬＲＦ１４ｈおよび傾斜ＬＲＦ１４ｉの各台数も適宜変更してよい。一般には、水平位置を計測する（ワールド座標系での位置を特定する）ための２台の水平ＬＲＦ１４ｈと、３次元形状を計測するための１台の傾斜ＬＲＦ１４ｉとの計３台は、最小構成として必要であるが、場合によっては２台でもよい。たとえば、対象の動きが１次元的である場合には、水平ＬＲＦ１４ｈおよび傾斜ＬＲＦ１４ｉが各１台でもよい。また、原理的には、２台の傾斜ＬＲＦ１４ｉだけでもよい。なぜなら、各々の傾斜角が既知であれば、後述するような座標変換を行うことで、水平位置の特定が可能だからである。
【００４８】
また、水平ＬＲＦ１４ｈおよび傾斜ＬＲＦ１４ｉの配置も適宜変更してよいが、一般には、対象の存在し得る場所で少なくとも２台の計測範囲が重なるように配置する必要がある。
【００４９】
また、図３では、３台の傾斜ＬＲＦ１４ｉはいずれも下向きに３０度傾斜しているが、傾斜の向きは、全て上向きでもよく、一部（たとえば２台）が下向きで他の一部（たとえば１台）が下向きでもよい。上向きの傾斜ＬＲＦ１４ｉは、床面上またはその近くに設置される。計測領域が互いに重なる２台を上向きおよび下向きに傾斜させることで、３次元形状を計測する際の計算量を抑制することも可能である。傾斜角は、たとえば部屋の広さや対象の種類などに応じて適宜変更してよい。さらには、傾斜ＬＲＦ１４ｉ毎に異なる傾斜角を採用してもよい。また、水平ＬＲＦ１４ｈおよび傾斜ＬＲＦ１４ｉが設置される高さは、この例では１ｍおよび２ｍであるが、対象の種類などに応じて適宜変更してよい。
【００５０】
次に、計測装置１０のコンピュータ１２が行う処理について、図４〜図１３を用いて詳しく説明する。コンピュータ１２は、前述したような２種類の計測処理、つまり水平ＬＲＦ１４ｈを通じて対象の水平位置および移動速度を計測する処理と、傾斜ＬＲＦ１４ｉを通じて対象の３次元形状および方向を計測する処理とを並列的に実行する。
【００５１】
なお、別のモードでは、水平ＬＲＦ１４ｈによる計測処理を単独で実行することもできる。ただし、この実施例では、傾斜ＬＲＦ１４ｉによる計測処理において水平ＬＲＦ１４ｈによる計測結果を利用するので、傾斜ＬＲＦ１４ｉによる計測処理を単独で実行することはできない。
【００５２】
まず、水平ＬＲＦ１４ｈを利用した水平位置および移動速度の計測処理については、たとえば、先述した特開２００９−１６８５７８号公報に記載の手法を用いることができる。詳しい説明は省略するが、この先行技術では、対象の水平位置および移動速度は、コンピュータが水平ＬＲＦからの情報に基づいて、パーティクルフィルタを用いて推定している。
【００５３】
パーティクルフィルタは、予測および観測を繰り返すことによって現在の対象の状態を推定する時系列フィルタの一種であり、具体的には、現状態から起こりうる次状態を多数のパーティクルに見立てて、観測された状態との間の尤度（類似度）をパーティクル毎に求め、全パーティクルを尤度に応じて加重平均した結果を現在の対象の状態であると推定する。そして、重みに従う新たなパーティクルを発生させ、同様の処理を繰り返すことで、対象の状態つまり水平位置および移動速度を逐次推定することができる。
【００５４】
次に、傾斜ＬＲＦ１４ｉを通じて対象の３次元形状および方向を計測する処理について説明する。傾斜ＬＲＦ１４ｉで計測を行う場合、スキャン面Ｓｃｎが水平面から傾斜しているために、対象までの水平面上の距離と比べて、計測される距離が見かけ上長くなる（図４参照）。また、対象までの距離に応じて、対象を計測する高さが変化する（図５参照）。したがって、座標系の変換処理が必要となる。
【００５５】
具体的には、図４において、計測された各点の変換後の位置ベクトルｘ’＝ＳＰ’は、傾斜ＬＲＦ１４ｉが水平に設置されていたと仮定した場合の位置ベクトルｘ＝ＳＰから、次のように求められる。
【００５６】
【数１】
【００５７】
ここでｎはセンサを回転する軸に平行な単位ベクトル、αはセンサの水平面からの傾斜角である。座標変換式は、回転行列を用いて次のように記述できる。
【００５８】
【数２】
【００５９】
ここでＩ３は３行３列の単位ベクトルであり、ｎの要素をｎ＝（ｎｘ，ｎｙ，ｎｚ）と定義した（ｔｎはｎの転置）。
【００６０】
対象が移動する様子を傾斜ＬＲＦ１４ｉで連続的に観測すると、対象の形状（２次元距離情報）が様々な高さ（ｈ）で計測される。これらの計測結果（計測データ）に上述のような座標変換を施し、座標変換後の形状を時系列に統合すれば、対象の３次元形状が得られる。この一連の処理を時系列統合処理と呼ぶ。
【００６１】
コンピュータ１２は、計測する各対象（人，買い物カートなど）のそれぞれについて、事前に傾斜ＬＲＦ１４ｉで３次元形状を計算し、時系列統合処理によって３次元形状モデルを求めておく（図５）。３次元形状モデルは、中心からの距離を高さと方向について離散化した形式で表現される（図６）。この場合、対象の初期位置，方向および移動速度は既知であり、これらから対象の位置を求めることができる。各時点での計測データは、求められた位置を中心として、高さｈおよび方向θに依存した中心からの距離、つまりｒ（ｈ，θ）として表現される。各時点での計測データを対応する（ｈ,θ）に登録し、各（ｈ,θ）に登録された計測データに対して平均および分散を求める処理を施すことで、３次元形状モデルつまりｒ（ｈ，θ）が得られる。
【００６２】
こうして求められた３次元形状モデルの例を図７に示す。図７（Ａ）は人の３次元形状モデルＭ１を、図７（Ｂ）は買い物カートの３次元形状モデルＭ２をそれぞれ示す。
【００６３】
未知の対象について３次元形状および方向を計測する処理（ひいては対象を認識する処理）は、こうして事前に計算された３次元形状モデルＭ１，Ｍ２，…を用いて行われる。３次元形状モデルを計算する際には、対象の初期位置，方向および移動速度を既知としていたが、３次元形状および方向の計測を行う際には、これらが未知であるため、水平ＬＲＦ１４ｈによる計測結果の一部（水平位置）を特定すると共に、方向推定処理および時系列統合処理を同時に行う必要がある。
【００６４】
そこで、コンピュータ１２は、対象の方向の可能性を複数考慮しながら認識を進める。具体的には、現在の対象の方向がθ１であると仮定して、時系列統合処理によって３次元形状を推定し、推定された形状を３次元形状モデルと比較して、その距離を評価する。そして、距離の小ささを類似度と見なし、類似している場合にはその仮定が確からしいと判断する。このような処理を複数の仮定（θ１，θ２，…）に対して同時並列に行うために、パーティクルフィルタが利用される。パーティクルフィルタ以外の方法、たとえば動的計画法(Dynamic Programming)によるＤＰマッチングなどを用いてもよい。この結果、対象の３次元形状および方向を逐次推定することができる。
【００６５】
こうして推定された３次元形状と３次元形状モデルとの間の距離は、次の関数によって求められる。
【００６６】
【数３】
【００６７】
ここで Ｎｄａｔａは（ｈ，θ）に対してデータが登録されている要素の数であり、ｒ（ｈ，θ）は推定された３次元形状であり、そしてｒＭ（ｈ，θ）は３次元モデルである。ノイズへの耐性を持たせるため、 しきい値Ｒｍａｘを用いる。
【００６８】
以上のような計測処理は、コンピュータ１２のＣＰＵ１２ｃが、メモリ１２ｄに記憶された図８に示すようなプログラムおよびデータに基づいて、図９〜図１３に示すようなフローに従う処理を実行することにより実現される。
【００６９】
すなわち、計測処理を実行するとき、図８に示すように、メモリ１２ｄにはプログラムエリア２０およびデータエリア２２が形成され、プログラムエリア２２に計測プログラム３０および入出力制御プログラム３２などが格納される。
【００７０】
計測プログラム３０は、ＣＰＵ１２ｃを介して計測処理を実現するメインのソフトウェアプログラムであり、図９〜図１３のフローに対応している。入出力制御プログラム３２は、計測プログラム３０によって利用されるサブのソフトウェアプログラムであり、入力器１２ａおよび表示器１２ｂを制御してキー入力，画像出力などを実現する。
【００７１】
データエリア２２には、計測エリア３４，変換エリア３６および計算エリア３８が形成さる。計測エリア３４は、４台の水平ＬＲＦ１４ｈにそれぞれ対応する第１〜第４水平ＬＲＦデータエリア４０ａ〜４０ｄ、および３台の傾斜ＬＲＦ１４ｉにそれぞれ対応する第１〜第３傾斜ＬＲＦデータエリア４２ａ〜４２ｃを含む。各水平ＬＲＦ１４ｈからの計測データ（２次元距離情報）は、ＣＰＵ１２ｃの時計に基づくタイムスタンプと共に、対応する水平ＬＲＦデータエリア４０ａ〜４０ｄに記憶される。各傾斜ＬＲＦ１４ｉからの計測データ（２次元距離情報）は、ＣＰＵ１２ｃの時計に基づくタイムスタンプと共に、対応する傾斜ＬＲＦデータエリア４２ａ〜４２ｃに記憶される。なお、タイムスタンプは、複数のＬＲＦ１４の間で計測データの同期を取るために利用される。また、計測データを時系列に統合する際にも参照される。
【００７２】
変換エリア３６は、３台の傾斜ＬＲＦ１４ｉにそれぞれ対応する第１〜第３変換データエリア４４ａ〜４４ｃを含む。第１〜第３変換データエリア４４ａ〜４４ｃには、第１〜第３傾斜ＬＲＦデータエリア４２ａ〜４２ｃに記憶された計測データに座標変換処理を施した結果（変換データ）が記憶される。
【００７３】
計算エリア３８は、位置＆速度データエリア４６，３次元形状＆方向データエリア４８および種類（属性，プロファイル）データエリア５０を含む。位置＆速度データエリア４６には、水平ＬＲＦデータエリア４０ａ〜４０ｄの計測データから計算される位置＆速度データ（対象の水平位置および移動速度を示すデータ）が記憶される。３次元形状＆方向データエリア４８には、主として変換データエリア４４ａ〜４４ｃの変換データから計算される３次元形状＆方向データ（対象の３次元形状および方向を示すデータ）が記憶される。種類（属性，プロファイル）データエリア５０には、３次元形状＆方向データから推定される種類（属性，プロファイル）データが記憶される。
【００７４】
また、データエリア２２には３次元形状モデルデータベース（ＤＢ）５２が格納されており、作成された３次元形状モデル（たとえば人の３次元形状モデルＭ１や買い物カートの３次元形状モデルＭ２など）はこの３次元形状モデルＤＢ５２に登録される。
【００７５】
計測プログラム３０が起動されると、表示器１２ｂに、“３次元形状モデル作成”および“計測”などを選択項目として含むメニュー画面（図示せず）が表示される。観測者は、入力器１２ａを通じていずれか１つの項目を選択する。
【００７６】
３次元形状モデル作成が選択されると、図９に示す３次元形状モデル作成スレッドが実行される。観測者は、予め決められた手順に従い、対象（被験者や買い物カート）を傾斜ＬＲＦ１４ｉの計測領域内（たとえば店舗の中心位置Ｃ：図３（Ａ）参照）に配置して所定方向（たとえばｘ方向）に一定速度（たとえば３０ｍ／分）で移動を開始させる。これら所定方向および一定速度を示す方向＆速度情報は、メモリ１２ｄに記憶される。
【００７７】
ＣＰＵ１２ｃは、ステップＳ１で、各傾斜ＬＲＦ１４ｉから２次元距離情報（計測データ）を取得して、対応する傾斜ＬＲＦデータエリア４２ａ〜４２ｃに書き込む。このとき、計測データにタイムスタンプが添付される。次に、ステップＳ３で、傾斜ＬＲＦデータエリア４２ａ〜４２ｃに記憶された計測データに対する座標変換処理を実行し、結果を変換データエリア４４ａ〜４４ｃに書き込む。
【００７８】
ステップＳ３の座標変換処理は、詳しくは図１０のサブルーチンに従って実行される。まずステップＳ２１で、傾斜ＬＲＦ１４ｉのスキャン面Ｓｃｎが水平であったと仮定して各点Ｐの位置ベクトルｘ＝ＳＰを求め、次にステップＳ２３で、この位置ベクトルｘに回転行列Ｒを乗じて変換後の各点Ｐ’の位置ベクトルｘ’＝ＳＰ’を求める（図４，数１および数２参照）。その後、処理はメインルーチン（図９参照）に復帰する。
【００７９】
次に、ステップＳ５で、３次元形状モデルを計算する。具体的には、変換データエリア４４ａ〜４４ｃに記憶された変換データ、つまりステップＳ３で座標変換処理が施された後の２次元距離情報を、上記の所定方向および一定速度を示す方向＆速度情報に基づいて時系列に統合する。そして、統合が完了したか否かをステップＳ７で判別し、ＮＯであればステップＳ１に戻って、上記と同様の処理をたとえば０．１秒毎に繰り返す。なお、統合が完了したか否かの判別は、たとえば、観測者が入力器１２ａを介して行う完了操作の有無に基づいて行えばよい。
【００８０】
ステップＳ７でＹＥＳであれば、ステップＳ９に進み、統合結果を３次元形状モデル（Ｍ１，Ｍ２，…）として３次元形状モデルＤＢ５２に記憶する。さらにステップＳ１１で、対象の種類ないし属性を３次元形状モデルＤＢ５２に３次元形状モデルと対応付けて記憶した後、この処理を終了する。なお、種類ないし属性としては、たとえば、観測者が入力器１２ａを介して入力した“人体”，“買い物カート”などの文字情報を利用すればよい。
【００８１】
メニュー画面で“計測”が選択されると、図１１に示す水平位置＆移動速度計測スレッドと、図１２に示す３次元形状＆方向計測スレッドとが並列的に実行される。
【００８２】
水平位置＆移動速度計測スレッドでは、以下のような処理が行われる。図１１を参照して、まず、ステップＳ３１で、このスレッド用のパーティクルフィルタを初期化する。次に、ステップＳ３３で、各水平ＬＲＦ１４ｈから２次元距離情報（計測データ）を取得して、対応する水平ＬＲＦデータエリア４０ａ〜４０ｄにこれを書き込む。このとき、計測データにタイムスタンプが添付される。次に、ステップＳ３５で、対象の水平位置および移動速度を計測データに基づいてパーティクルフィルタで計算し、結果つまり位置＆速度データを位置＆速度データエリア４６に書き込む。そして、ステップＳ３７で、位置＆速度データに基づいてパーティクルフィルタを更新した後、ステップＳ３３に戻って、上記と同様の処理をたとえば０．１秒毎に繰り返す。
【００８３】
したがって、位置＆速度データエリア４６には常時、最新の位置＆速度データ、つまり現時点での対象の水平位置および移動速度を示す情報が記憶されていることになる。表示器１２ｂには、このような位置＆速度データに基づく計測結果画面（図示せず）がリアルタイムに表示される。位置＆速度データエリア４６の更新履歴を示すデータをデータエリア２２に保存しておくことで、計測結果画面を事後に再現することもできる。水平位置＆移動速度計測スレッドによる位置＆速度データはまた、次に説明する３次元形状＆方向計測スレッドで時系列統合を行う際にも参照される。
【００８４】
３次元形状＆方向計測スレッドでは、以下のような処理が行われる。図１２を参照して、まず、ステップＳ４１で、このスレッド用のパーティクルフィルタを初期化する。次に、ステップＳ４３で、各傾斜ＬＲＦ１４ｉから２次元距離情報（計測データ）を取得して、対応する傾斜ＬＲＦデータエリア４２ａ〜４２ｃに書き込む。このとき、計測データにタイムスタンプが添付される。次に、ステップＳ４５で、各傾斜ＬＲＦデータエリア４２ａ〜４２ｃの計測データに対する座標変換処理を実行し、結果つまり変換データを対応する変換データエリア４４ａ〜４４ｃに書き込む。なお、この座標変換処理は、前述した３次元形状モデル作成スレッドにおける座標変換処理（Ｓ３）と同様であり、図１０のサブルーチンに従って実行される。
【００８５】
次に、ステップＳ４７で、対象の３次元形状および方向を、上記の変換データ，３次元形状モデル，および水平位置＆移動速度計測スレッドによる位置＆速度データに基づいてパーティクルフィルタで計算し、結果つまり３次元形状＆方向データを３次元形状＆方向データエリア４８に書き込む。
【００８６】
ステップＳ４７の３次元形状＆方向計算処理は、詳しくは図１３のサブルーチンに従って実行される。まずステップＳ６１で、対象の方向をθｉと仮定して、座標変換後の２次元距離情報（変換データエリア４４ａ〜４４ｃに記憶された変換データ）を、水平位置＆移動速度計測スレッドによって計測された水平位置および移動速度（位置＆速度データエリア４６に記憶された位置＆速度データ）に基づいて時系列に統合し（図５参照）、結果つまり３次元形状＆方向データを３次元形状Ｆｉとして保持する。
【００８７】
次に、ステップＳ６３で、この３次元形状Ｆｉを３次元形状モデルＤＢ５２に登録された各３次元形状モデルＭ１，Ｍ２，…と比較して、両者の間の距離を評価し、結果つまり距離データを保持する。そして、ステップＳ６５で変数ｉをインクリメントした後、変数ｉが最大値ｉｍａｘを越えたか否かをステップＳ６７で判別し、判別結果がＮＯであれば、ステップＳ６１に戻って上記と同様の処理を繰り返す。ステップＳ６７の判別結果がＹＥＳであれば、ステップＳ６９に進む。
【００８８】
この時点でＣＰＵ１２ｃには、３次元形状Ｆ１，Ｆ２，…，Ｆｉｍａｘと３次元形状モデルＭ１，Ｍ２，…との全ての組について、距離を示す距離データが保持されている。ステップＳ６９では、このような距離データに基づいて、最小距離を検出する。そしてステップＳ７１で、検出された最小距離に対応する３次元形状および３次元形状モデルの組（Ｆｍ，Ｍｎ）を特定し、特定された組の３次元形状Ｆｍが最も確からしい（可能性が高い）と推定して、結果つまり３次元形状Ｆｍに対応する３次元形状＆方向データを３次元形状＆方向データエリア４８に書き込む。なお、最小距離に対応する３次元形状Ｆｍに代えて、３次元形状Ｆ１，Ｆ２，…，Ｆｉｍａｘを距離に応じて加重平均した結果を書き込んでもよい。その後、メインルーチン（図１２参照）に復帰する。
【００８９】
図１２に戻って、次のステップＳ４９では、３次元形状モデルＤＢ５２から上述のステップＳ６７で特定された組の３次元形状モデルＭｎに対応する種類（属性）を読み取って、種類（属性，プロファイル）データエリア５０に書き込む。そしてステップＳ５１で、ステップＳ４７の計算結果つまり３次元形状＆方向データに基づいてパーティクルフィルタを更新した後、ステップＳ４３に戻って上記と同様の処理をたとえば０．１秒毎に繰り返す。
【００９０】
したがって、３次元形状＆方向データエリア４８および種類（属性，プロファイル）データエリア５０には常時、最新の３次元形状＆方向データおよび種類（属性，プロファイル）データが記憶されていることになり、このようなデータに基づく計測結果画面（図示せず）を表示器１２ｂにリアルタイムに表示することができる。また、３次元形状＆方向データエリア４８および種類（属性，プロファイル）データエリア５０に関する更新履歴をデータエリア２２内の不揮発領域（図示せず）に保存しておくことで、計測結果画面を事後に再現することもできる。
【００９１】
こうして、計測装置１０が水平ＬＲＦ１４ｈを利用した水平位置および移動速度の計測と、傾斜ＬＲＦ１４ｉを利用した３次元形状および方向の計測とを同時並列に行うことで、観測者は、対象の位置や動きだけでなく、サイズや種類なども知ることができる。たとえば、対象が人か物かを区別できるし、さらには、人であれば大人か子供か、物であれば買い物カートか手荷物かというように、より詳細な種類ないし属性を知ることができる。また、３次元形状から身長，性別といったプロファイルも識別できる。
【００９２】
以上から明らかなように、この実施例の計測装置１０は、コンピュータ１２および７台のＬＲＦ１４を含む。コンピュータ１２は、たとえば人や買い物カートといった動く対象Ｏｂｊを７台のＬＲＦ１４で計測する。これら７台のＬＲＦ１４のうち３つは、そのスキャン面Ｓｃｎが水平面に対して傾斜した傾斜ＬＲＦ１４ｉである。他の４台は、そのスキャン面Ｓｃｎが水平面と平行な水平ＬＲＦ１４ｈである。
【００９３】
コンピュータ１２のデータベース５２には、上記のような対象Ｏｂｊの３次元形状モデルＭ１，Ｍ２，…が登録されており、コンピュータ１２のＣＰＵ１２ｃは、各水平ＬＲＦ１４ｈからの計測データ（２次元距離情報）に基づいて対象Ｏｂｊの水平位置（および移動速度）を推定し（Ｓ３５）、各傾斜ＬＲＦ１４ｉからの計測データとデータベース５２に登録された３次元形状モデルＭ１，Ｍ２，…との比較に基づいて対象Ｏｂｊの３次元形状（およびその方向）を推定する（Ｓ４７）。
【００９４】
したがって、各傾斜ＬＲＦ１４ｉからの計測データに基づいて対象Ｏｂｊの水平位置（および移動速度）を推定することができる。また、傾斜したスキャン面Ｓｃｎ内を対象Ｏｂｊが動くことで、各傾斜ＬＲＦ１４ｉからの計測データには、異なる高さ（ｈ）での２次元距離情報が含まれる結果となるため、このような計測データから３次元形状（および方向）を推定することができる。
【００９５】
なお、水平位置を推定するためのＬＲＦ１４は、水平ＬＲＦ１４ｈとは限らず、傾斜ＬＲＦ１４ｉであってもよい。傾斜角が既知であれば先述のような座標変換を行うことで、水平位置の推定は可能だからである。また、１つの傾斜ＬＲＦ１４ｉを、水平位置の推定と３次元形状の推定とに兼用してもよい。このため、この発明を実現するためのＬＲＦ１４の最小構成は、原理的には２台でよく、その内訳は、水平および傾斜が各１個、または傾斜が２個となる。しかし、一般的には、水平位置の推定用に水平２個と、３次元形状の推定用に傾斜１個との、計３個が最小構成である。そして、レーザ光の当たらない死角を減らすためには、たとえば水平４個および傾斜３個の計７個といった構成が必要になる。
【００９６】
ＣＰＵ１２ｃはまた、こうして推定された３次元形状に基づいて対象Ｏｂｊを認識する（Ｓ４９）。これによって、さらに多様な情報が得られる。たとえば、人，物といった種類に関する情報、さらには、人であれば大人，子供といった属性に関する情報や身長，性別などのプロファイルに関する情報をも知ることができる。
【符号の説明】
【００９７】
１０ …計測装置
１２ …コンピュータ
１４ …レーザレンジファインダ（ＬＲＦ）
１４ｈ …水平ＬＲＦ
１４ｉ …傾斜ＬＲＦ
５２ …３次元形状モデルデータベース（ＤＢ）
Ｍ１，Ｍ２ …３次元形状モデル
Ｏｂｊ …対象
Ｓｃｎ …スキャン面
【技術分野】
【０００１】
この発明は、計測装置，計測方法および計測プログラムに関し、特にたとえば、複数の距離計で対象を計測する、計測装置，計測方法および計測プログラムに関する。
【背景技術】
【０００２】
この種の従来の装置としては、たとえば特許文献１に開示されたものが知られている。この背景技術では、複数のレーザレンジファインダ（ＬＲＦ）で被験者を計測して、計測結果から被験者の位置および移動速度を推定し、さらに人形状モデルを用いて被験者の体の向きおよび腕の動きをも推定している。
【特許文献１】特開２００９−１６８５７８号公報
【発明の概要】
【発明が解決しようとする課題】
【０００３】
しかし、特許文献１の背景技術では、どのＬＲＦも、スキャン面が腰の高さで水平となるように設置されている。したがって、ＬＲＦからの計測データには、腰の高さでの距離情報しか含まれていないので、３次元形状に関する情報たとえば身長などを推定することはできない。
【０００４】
それゆえに、この発明の主たる目的は、新規な、計測装置，計測方法および計測プログラムを提供することである。
【０００５】
この発明の他の目的は、複数のレーザレンジファインダで対象を計測して多様な情報を得ることができる、計測装置，計測方法および計測プログラムを提供することである。
【課題を解決するための手段】
【０００６】
この発明は、上記の課題を解決するために、以下の構成を採用した。なお、括弧内の参照符号および補足説明等は、本発明の理解を助けるために後述する実施の形態との対応関係を示したものであって、本発明を何ら限定するものではない。
【０００７】
第１の発明は、複数のレーザレンジファインダで動く対象を計測する計測装置であって、複数のレーザレンジファインダの少なくとも１つは、そのスキャン面が水平面に対して傾斜した傾斜レーザレンジファインダであり、対象の３次元形状モデルが登録されたデータベース、複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて対象の水平位置を推定する第１推定手段、および傾斜レーザレンジファインダからの計測データとデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定する第２推定手段を備える。
【０００８】
第１の発明では、計測装置（１０）は、たとえば人や買い物カートといった動く対象（Ｏｂｊ）を複数のレーザレンジファインダ（１４）で計測する。これら複数のレーザレンジファインダのうち少なくとも１つは、そのスキャン面（Ｓｃｎ）が水平面に対して傾斜した傾斜レーザレンジファインダ（１４ｉ）である。
【０００９】
そして、計測装置は、データベース（５２）、第１推定手段（Ｓ３５）および第２推定手段（Ｓ４７）を備える。データベースには、上記のような対象の３次元形状モデル（Ｍ１，Ｍ２，…）が登録されており、第１推定手段は、複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて対象の水平位置を推定し、第２推定手段は、傾斜レーザレンジファインダからの計測データとデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定する。
【００１０】
したがって、少なくとも２つのレーザレンジファインダからの計測データに基づいて対象の水平位置を推定することができる。また、傾斜したスキャン面内を対象が動くことで、傾斜レーザレンジファインダからの計測データには、異なる高さでの２次元距離情報（距離および角度を示す情報）が含まれる結果となるため、このような計測データから３次元形状を推定することができる。
【００１１】
なお、水平位置を推定するためのレーザレンジファインダは、下記第１０の発明のように、そのスキャン面（Ｓｃｎ）が水平面と平行な水平レーザレンジファインダ（１４ｈ）であれば好ましい。ただし、傾斜レーザレンジファインダであっても、傾斜角が既知であれば座標変換を行うことで、水平位置の推定は可能である。また、１つの傾斜レーザレンジファインダを、水平位置の推定と３次元形状の推定とに兼用してもよい。このため、レーザレンジファインダの最小構成は、原理的には２台であり、その内訳は、水平および傾斜が各１個、または傾斜２個となる。しかし、一般的には、水平位置の推定用に水平２個と、３次元形状の推定用に傾斜１個との、計３個が最小構成である。好ましい実施例では、レーザ光の当たらない死角を減らすために、水平４個および傾斜３個の構成を採用している。
【００１２】
第１の発明によれば、複数のレーザレンジファインダで対象を計測して、水平位置，３次元形状といった多様な情報が得られる。
【００１３】
なお、水平位置の変化から移動速度を計算することもできるし、下記第４の発明のように３次元形状の推定を時系列フィルタリングにより行えば、３次元形状と一緒に方向を推定することもできる。また、下記第９の発明のように３次元形状に基づいて対象を認識することで、種類，属性，プロファイルといった、さらに多様な情報も得られる。
【００１４】
第２の発明は、第１の発明に従属する計測装置であって、傾斜レーザレンジファインダからの計測データに対してそのスキャン面の水平面に対する傾斜角に応じた座標変換処理を施す座標変換手段をさらに備え、第２推定手段は、座標変換手段による座標変換処理が施された計測データに基づいて推定を行う。
【００１５】
第２の発明では、座標変換手段（Ｓ４５）が、傾斜レーザレンジファインダからの計測データに対して、そのスキャン面（Ｓｃｎ）の水平面に対する傾斜角（α）に応じた座標変換処理を施す。第２推定手段による推定は、このような座標変換処理が施された計測データに基づいて行われる。
【００１６】
第３の発明は、第２の発明に従属する計測装置であって、第２推定手段は、座標変換手段による座標変換処理が施された計測データを時系列に統合する時系列統合手段を含む。
【００１７】
第３の発明では、時系列統合手段（Ｓ６１）が、座標変換手段による座標変換処理が施された計測データを時系列に統合する。３次元形状は、この統合結果に基づいて推定される。
【００１８】
第２，第３の発明によれば、スキャン面が傾斜していても３次元形状を適切に推定することができる。
【００１９】
第４の発明は、第３の発明に従属する計測装置であって、時系列統合手段は、対象の可能な３次元形状および方向を時系列フィルタリングにより計算しながら統合を行う。
【００２０】
第５の発明は、第４の発明に従属する計測装置であって、時系列統合手段は、時系列フィルタリングによる計算結果と３次元形状モデルとの間の距離に基づいて、最も可能性の高い３次元形状および方向を推定する。なお、距離は、所定の関数たとえば数３に示したような関数により求められる。
【００２１】
第６の発明は、第５の発明に従属する計測装置であって、時系列統合手段は、３次元形状モデルとの間の距離が最短である計算結果を最も可能性が高いと推定する。
【００２２】
第４〜第６の発明によれば、予測および観測を繰り返すことによって現在の対象の状態を推定するような時系列フィルタを用いて効率的かつ高精度に統合を行うことができる。時系列フィルタは、ある実施例ではパーティクルフィルタであるが、ＤＰマッチングなど他のフィルタでもよい。
【００２３】
第７の発明は、第３の発明に従属する計測装置であって、時系列統合手段は、統合を行う際に第１推定手段の計測結果を利用する。
【００２４】
第７の発明によれば、第１推定手段の計測結果つまり水平位置を利用することで、統合の効率および精度をより高めることができる。
【００２５】
第８の発明は、第１の発明に従属する計測装置であって、傾斜レーザレンジファインダで対象を計測して当該対象に対応する３次元形状モデルを作成する作成手段をさらに備える。
【００２６】
第８の発明では、作成手段（Ｓ５）が、傾斜レーザレンジファインダで対象を計測してその３次元形状モデルを作成する。
【００２７】
第８の発明によれば、３次元形状を推定するための傾斜レーザレンジファインダで事前に３次元形状モデルを作成するので、精度の高い推定が行える。
【００２８】
第９の発明は、第１の発明に従属する計測装置であって、第２推定手段の推定結果に基づいて対象を認識する認識手段をさらに備える。
【００２９】
第９の発明では、認識手段（Ｓ４９）が、第２推定手段の推定結果に基づいて対象を認識する。
【００３０】
第９の発明によれば、推定された３次元形状に基づいて対象を認識するので、さらに多様な情報が得られる。具体的には、たとえば人，物といった種類に関する情報、さらには、人であれば大人，子供、物であれば買い物カート，手荷物といった属性（より細分化された種類）に関する情報、あるいは、身長，性別などのプロファイルに関する情報をも知ることができる。
【００３１】
第１０の発明は、第１の発明に従属する計測装置であって、複数のレーザレンジファインダの少なくとも２つは、そのスキャン面が水平面と平行な水平レーザレンジファインダであり、第１推定手段は、少なくとも２つの水平レーザレンジファインダからの計測データに基づいて推定を行う。
【００３２】
第１０の発明では、複数のレーザレンジファインダの少なくとも２つは、そのスキャン面（Ｓｃｎ）が水平面と平行な水平レーザレンジファインダ（１４ｈ）である。第１推定手段による推定処理は、各水平レーザレンジファインダからの計測データに基づいて行われる。
【００３３】
第１０の発明によれば、水平位置を容易に推定することができる。
【００３４】
第１１の発明は、複数のレーザレンジファインダ（１４）で動く対象（Ｏｂｊ）を計測する計測方法であって、(a)複数のレーザレンジファインダの少なくとも１つを、そのスキャン面（Ｓｃｎ）が水平面に対して傾斜するように設置し、(b)対象の３次元形状モデル（Ｍ１，Ｍ２，…）をデータベース（５２）に登録し（Ｓ９）、(c)複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて対象の水平位置を推定し（Ｓ３５）、そして(d)ステップ(a)で傾斜させて設置したレーザレンジファインダからの計測データとステップ(b)でデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定する（Ｓ４７）。
【００３５】
第１２の発明は、計測プログラム（３０）であって、そのスキャン面（Ｓｃｎ）が水平面に対して傾斜した少なくとも１つの傾斜レーザレンジファインダ（１４ｉ）を含む複数のレーザレンジファインダで動く対象（Ｏｂｊ）を計測する計測装置（１０）のコンピュータ（１２）を、対象の３次元形状モデル（Ｍ１，Ｍ２，…）をデータベース（５２）に登録する登録ステップ（Ｓ９）、複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて対象の水平位置を推定する第１推定ステップ（Ｓ３５）、および傾斜レーザレンジファインダからの計測データとデータベースに登録された３次元形状モデルとの比較に基づいて対象の３次元形状を推定する第２推定ステップ（Ｓ４７）として機能させる。
【００３６】
第１１，第１２の各発明でも、第１の発明と同様に、複数のレーザレンジファインダで対象を計測して、水平位置，３次元形状といった多様な情報が得られる。
【発明の効果】
【００３７】
この発明によれば、複数のレーザレンジファインダで対象を計測して、水平位置，３次元形状ひいては種類（属性，プロファイル）といった多様な情報を得ることができる、計測装置，計測方法および計測プログラムが実現される。
【００３８】
この発明の上述の目的，その他の目的，特徴および利点は、図面を参照して行う以下の実施例の詳細な説明から一層明らかとなろう。
【図面の簡単な説明】
【００３９】
【図１】この発明の一実施例である計測装置の構成を示すブロック図である。
【図２】ＬＲＦによる計測処理を説明するための図解図であり、（Ａ）が計測領域（スキャン面）を示し、（Ｂ）が対象と計測領域との関係を示す。
【図３】ＬＲＦの店舗への配置例を示す図解図であり、（Ａ）が店舗内を上から見た様子（上面図）を示し、（Ｂ）が店舗内を正面から見た様子（正面図）を示す。
【図４】傾斜ＬＲＦからの計測データに施される座標変換処理を説明するための図解図であり、（Ａ）が水平ＬＲＦのスキャン面と傾斜ＬＲＦのスキャン面との関係を示し、（Ｂ）が座標変換に用いるパラメータを示す。
【図５】傾斜ＬＲＦからの計測データを時系列に統合する処理を説明するための図解図である。
【図６】時系列統合処理によって得られる３次元形状を示す図解図である。
【図７】３次元形状の具体例を示す図解図であり、（Ａ）が人の３次元形状を示し、（Ｂ）が買い物カートの３次元形状を示す。
【図８】メモリマップを示す図解図である。
【図９】ＣＰＵ動作の一部を示すフロー図である。
【図１０】ＣＰＵ動作の他の一部を示すフロー図である。
【図１１】ＣＰＵ動作のその他の一部を示すフロー図である。
【図１２】ＣＰＵ動作のさらにその他の一部を示すフロー図である。
【図１３】ＣＰＵ動作の他の一部を示すフロー図である。
【発明を実施するための形態】
【００４０】
図１を参照して、この実施例の計測装置１０はコンピュータ１２を含み、コンピュータ１２には複数（ここでは７台）のレーザレンジファインダ（以下“ＬＲＦ”と記す）１４が接続される。コンピュータ１２は、一般的なパーソナルコンピュータ（ＰＣ）でよく、たとえばキーボードなどの入力器１２ａ，モニタなどの表示器１２ｂ，ＣＰＵ１２ｃおよびメモリ１２ｄなどを備えている。なお、ＬＲＦ１４の数が多い場合や、コンピュータ１２とＬＲＦ１４の距離が離れており直接接続することが難しい場合には、副コンピュータ（図示せず）に１台または複数のＬＲＦ１４を接続し、副コンピュータをコンピュータ１２と接続する構成でもよい。
【００４１】
ＬＲＦは一般に、レーザ光を照射し、それが対象（物体や人体など）で反射して戻ってくるまでの時間から距離を計測する。この実施例のＬＲＦ１４は、軸の周りをたとえば±９０度の範囲で回転するミラー（図示せず）を含み、レーザ光の進路をこの回転ミラーでたとえば０．５度ずつ変化させながら計測を行う（レーザ光でスキャンする）ことができる。以下では、ＬＲＦ１４によってレーザ光でスキャンされる平面をスキャン面と呼ぶ。また、ＬＲＦ１４で計測可能な距離は、レーザ光が人の目に影響を与えないよう、所定距離Ｒ（たとえば８ｍ）以下に制限されている。このため、ＬＲＦ１４の計測領域（スキャン面Ｓｃｎ）は、たとえば図２（Ａ）に示すような半円形、つまり半径Ｒで中心角１８０度の扇形となる。なお、スキャン面Ｓｃｎの中心角は１８０度とは限らず、たとえば２７０度や３６０度などでもよい。
【００４２】
コンピュータ１２は、このようなＬＲＦ１４を通じて、対象の２次元距離情報を取得する。ＬＲＦ１４からの２次元距離情報には、図２（Ｂ）に示すように、対象Ｏｂｊをスキャン面Ｓｃｎで切ったとき、その切断面Ｃｒｓの輪郭線Ｌｎ上の各点Ｐについて距離ｄおよび角度βを示す情報（ローカル座標系）が含まれている。ただし、このＬＲＦ１４からは、レーザ光が到達しない影の部分の２次元距離情報は得られないので、別の１つまたは２つ以上のＬＲＦ１４を、たとえば対象を挟んで反対側に、または対象を取り囲むように配置する必要がある。
【００４３】
したがって、複数のＬＲＦ１４を所定の位置（既知）に設置すれば、コンピュータ１２は、各々から対象の２次元距離情報を取得して、３次元空間（ワールド座標系）における位置（たとえば重心など特徴点の位置座標（Ｘ，Ｙ，Ｚ）：この実施例では特に水平位置座標（Ｘ，Ｙ））および移動速度、さらには３次元形状および方向を計算することができ、ひいては３次元形状から対象の種類（たとえば人体か物体か）ないし属性（たとえば人体なら大人か子供か、物体ならショッピングカートか手荷物か）やプロファイル（たとえば身長，性別など）を推定することも可能となる。
【００４４】
７台のＬＲＦ１４の店舗への設置例を図３に示す。図３（Ａ）は店舗内を上から見た上面図であり、図３（Ｂ）は店舗内を入り口側から見た正面図である。店舗内には、ワールド座標系として、たとえば床面の中心Ｃを原点に、床面の長辺および短辺に沿ってＸ軸およびＹ軸が定義され、さらにＸ軸およびＹ軸の両方に垂直なＺ軸が定義される。
【００４５】
この例では、図３（Ａ）からわかるように、７台のＬＲＦ１４は部屋の四隅，正面および左右に配置されている。そして、図３（Ｂ）からわかるように、７台のＬＲＦ１４のうち一部（ここでは四隅の４台）が、床から１ｍの高さに、スキャン面Ｓｃｎが水平面と平行となるように設置され、他の一部（ここでは正面および左右の３台）は、床から２ｍの高さに、スキャン面Ｓｃｎが水平面から一定角度（たとえば下向きに３０度）傾斜するように設置されている。
【００４６】
以下では、ＬＲＦ１４のうち、スキャン面Ｓｃｎが水平となるように設置されたＬＲＦ１４を“水平ＬＲＦ１４ｈ”と記し、スキャン面Ｓｃｎが傾斜するように設置されたＬＲＦ１４を“傾斜ＬＲＦ１４ｉ”と記す。水平ＬＲＦ１４ｈは主として水平位置および移動速度の計測に利用され、傾斜ＬＲＦ１４ｉは主として３次元形状および方向の計測に利用される。
【００４７】
なお、図１〜図３に示した構成は一例であり、ＬＲＦ１４の総数は６以下でも８以上でもよく、水平ＬＲＦ１４ｈおよび傾斜ＬＲＦ１４ｉの各台数も適宜変更してよい。一般には、水平位置を計測する（ワールド座標系での位置を特定する）ための２台の水平ＬＲＦ１４ｈと、３次元形状を計測するための１台の傾斜ＬＲＦ１４ｉとの計３台は、最小構成として必要であるが、場合によっては２台でもよい。たとえば、対象の動きが１次元的である場合には、水平ＬＲＦ１４ｈおよび傾斜ＬＲＦ１４ｉが各１台でもよい。また、原理的には、２台の傾斜ＬＲＦ１４ｉだけでもよい。なぜなら、各々の傾斜角が既知であれば、後述するような座標変換を行うことで、水平位置の特定が可能だからである。
【００４８】
また、水平ＬＲＦ１４ｈおよび傾斜ＬＲＦ１４ｉの配置も適宜変更してよいが、一般には、対象の存在し得る場所で少なくとも２台の計測範囲が重なるように配置する必要がある。
【００４９】
また、図３では、３台の傾斜ＬＲＦ１４ｉはいずれも下向きに３０度傾斜しているが、傾斜の向きは、全て上向きでもよく、一部（たとえば２台）が下向きで他の一部（たとえば１台）が下向きでもよい。上向きの傾斜ＬＲＦ１４ｉは、床面上またはその近くに設置される。計測領域が互いに重なる２台を上向きおよび下向きに傾斜させることで、３次元形状を計測する際の計算量を抑制することも可能である。傾斜角は、たとえば部屋の広さや対象の種類などに応じて適宜変更してよい。さらには、傾斜ＬＲＦ１４ｉ毎に異なる傾斜角を採用してもよい。また、水平ＬＲＦ１４ｈおよび傾斜ＬＲＦ１４ｉが設置される高さは、この例では１ｍおよび２ｍであるが、対象の種類などに応じて適宜変更してよい。
【００５０】
次に、計測装置１０のコンピュータ１２が行う処理について、図４〜図１３を用いて詳しく説明する。コンピュータ１２は、前述したような２種類の計測処理、つまり水平ＬＲＦ１４ｈを通じて対象の水平位置および移動速度を計測する処理と、傾斜ＬＲＦ１４ｉを通じて対象の３次元形状および方向を計測する処理とを並列的に実行する。
【００５１】
なお、別のモードでは、水平ＬＲＦ１４ｈによる計測処理を単独で実行することもできる。ただし、この実施例では、傾斜ＬＲＦ１４ｉによる計測処理において水平ＬＲＦ１４ｈによる計測結果を利用するので、傾斜ＬＲＦ１４ｉによる計測処理を単独で実行することはできない。
【００５２】
まず、水平ＬＲＦ１４ｈを利用した水平位置および移動速度の計測処理については、たとえば、先述した特開２００９−１６８５７８号公報に記載の手法を用いることができる。詳しい説明は省略するが、この先行技術では、対象の水平位置および移動速度は、コンピュータが水平ＬＲＦからの情報に基づいて、パーティクルフィルタを用いて推定している。
【００５３】
パーティクルフィルタは、予測および観測を繰り返すことによって現在の対象の状態を推定する時系列フィルタの一種であり、具体的には、現状態から起こりうる次状態を多数のパーティクルに見立てて、観測された状態との間の尤度（類似度）をパーティクル毎に求め、全パーティクルを尤度に応じて加重平均した結果を現在の対象の状態であると推定する。そして、重みに従う新たなパーティクルを発生させ、同様の処理を繰り返すことで、対象の状態つまり水平位置および移動速度を逐次推定することができる。
【００５４】
次に、傾斜ＬＲＦ１４ｉを通じて対象の３次元形状および方向を計測する処理について説明する。傾斜ＬＲＦ１４ｉで計測を行う場合、スキャン面Ｓｃｎが水平面から傾斜しているために、対象までの水平面上の距離と比べて、計測される距離が見かけ上長くなる（図４参照）。また、対象までの距離に応じて、対象を計測する高さが変化する（図５参照）。したがって、座標系の変換処理が必要となる。
【００５５】
具体的には、図４において、計測された各点の変換後の位置ベクトルｘ’＝ＳＰ’は、傾斜ＬＲＦ１４ｉが水平に設置されていたと仮定した場合の位置ベクトルｘ＝ＳＰから、次のように求められる。
【００５６】
【数１】
【００５７】
ここでｎはセンサを回転する軸に平行な単位ベクトル、αはセンサの水平面からの傾斜角である。座標変換式は、回転行列を用いて次のように記述できる。
【００５８】
【数２】
【００５９】
ここでＩ３は３行３列の単位ベクトルであり、ｎの要素をｎ＝（ｎｘ，ｎｙ，ｎｚ）と定義した（ｔｎはｎの転置）。
【００６０】
対象が移動する様子を傾斜ＬＲＦ１４ｉで連続的に観測すると、対象の形状（２次元距離情報）が様々な高さ（ｈ）で計測される。これらの計測結果（計測データ）に上述のような座標変換を施し、座標変換後の形状を時系列に統合すれば、対象の３次元形状が得られる。この一連の処理を時系列統合処理と呼ぶ。
【００６１】
コンピュータ１２は、計測する各対象（人，買い物カートなど）のそれぞれについて、事前に傾斜ＬＲＦ１４ｉで３次元形状を計算し、時系列統合処理によって３次元形状モデルを求めておく（図５）。３次元形状モデルは、中心からの距離を高さと方向について離散化した形式で表現される（図６）。この場合、対象の初期位置，方向および移動速度は既知であり、これらから対象の位置を求めることができる。各時点での計測データは、求められた位置を中心として、高さｈおよび方向θに依存した中心からの距離、つまりｒ（ｈ，θ）として表現される。各時点での計測データを対応する（ｈ,θ）に登録し、各（ｈ,θ）に登録された計測データに対して平均および分散を求める処理を施すことで、３次元形状モデルつまりｒ（ｈ，θ）が得られる。
【００６２】
こうして求められた３次元形状モデルの例を図７に示す。図７（Ａ）は人の３次元形状モデルＭ１を、図７（Ｂ）は買い物カートの３次元形状モデルＭ２をそれぞれ示す。
【００６３】
未知の対象について３次元形状および方向を計測する処理（ひいては対象を認識する処理）は、こうして事前に計算された３次元形状モデルＭ１，Ｍ２，…を用いて行われる。３次元形状モデルを計算する際には、対象の初期位置，方向および移動速度を既知としていたが、３次元形状および方向の計測を行う際には、これらが未知であるため、水平ＬＲＦ１４ｈによる計測結果の一部（水平位置）を特定すると共に、方向推定処理および時系列統合処理を同時に行う必要がある。
【００６４】
そこで、コンピュータ１２は、対象の方向の可能性を複数考慮しながら認識を進める。具体的には、現在の対象の方向がθ１であると仮定して、時系列統合処理によって３次元形状を推定し、推定された形状を３次元形状モデルと比較して、その距離を評価する。そして、距離の小ささを類似度と見なし、類似している場合にはその仮定が確からしいと判断する。このような処理を複数の仮定（θ１，θ２，…）に対して同時並列に行うために、パーティクルフィルタが利用される。パーティクルフィルタ以外の方法、たとえば動的計画法(Dynamic Programming)によるＤＰマッチングなどを用いてもよい。この結果、対象の３次元形状および方向を逐次推定することができる。
【００６５】
こうして推定された３次元形状と３次元形状モデルとの間の距離は、次の関数によって求められる。
【００６６】
【数３】
【００６７】
ここで Ｎｄａｔａは（ｈ，θ）に対してデータが登録されている要素の数であり、ｒ（ｈ，θ）は推定された３次元形状であり、そしてｒＭ（ｈ，θ）は３次元モデルである。ノイズへの耐性を持たせるため、 しきい値Ｒｍａｘを用いる。
【００６８】
以上のような計測処理は、コンピュータ１２のＣＰＵ１２ｃが、メモリ１２ｄに記憶された図８に示すようなプログラムおよびデータに基づいて、図９〜図１３に示すようなフローに従う処理を実行することにより実現される。
【００６９】
すなわち、計測処理を実行するとき、図８に示すように、メモリ１２ｄにはプログラムエリア２０およびデータエリア２２が形成され、プログラムエリア２２に計測プログラム３０および入出力制御プログラム３２などが格納される。
【００７０】
計測プログラム３０は、ＣＰＵ１２ｃを介して計測処理を実現するメインのソフトウェアプログラムであり、図９〜図１３のフローに対応している。入出力制御プログラム３２は、計測プログラム３０によって利用されるサブのソフトウェアプログラムであり、入力器１２ａおよび表示器１２ｂを制御してキー入力，画像出力などを実現する。
【００７１】
データエリア２２には、計測エリア３４，変換エリア３６および計算エリア３８が形成さる。計測エリア３４は、４台の水平ＬＲＦ１４ｈにそれぞれ対応する第１〜第４水平ＬＲＦデータエリア４０ａ〜４０ｄ、および３台の傾斜ＬＲＦ１４ｉにそれぞれ対応する第１〜第３傾斜ＬＲＦデータエリア４２ａ〜４２ｃを含む。各水平ＬＲＦ１４ｈからの計測データ（２次元距離情報）は、ＣＰＵ１２ｃの時計に基づくタイムスタンプと共に、対応する水平ＬＲＦデータエリア４０ａ〜４０ｄに記憶される。各傾斜ＬＲＦ１４ｉからの計測データ（２次元距離情報）は、ＣＰＵ１２ｃの時計に基づくタイムスタンプと共に、対応する傾斜ＬＲＦデータエリア４２ａ〜４２ｃに記憶される。なお、タイムスタンプは、複数のＬＲＦ１４の間で計測データの同期を取るために利用される。また、計測データを時系列に統合する際にも参照される。
【００７２】
変換エリア３６は、３台の傾斜ＬＲＦ１４ｉにそれぞれ対応する第１〜第３変換データエリア４４ａ〜４４ｃを含む。第１〜第３変換データエリア４４ａ〜４４ｃには、第１〜第３傾斜ＬＲＦデータエリア４２ａ〜４２ｃに記憶された計測データに座標変換処理を施した結果（変換データ）が記憶される。
【００７３】
計算エリア３８は、位置＆速度データエリア４６，３次元形状＆方向データエリア４８および種類（属性，プロファイル）データエリア５０を含む。位置＆速度データエリア４６には、水平ＬＲＦデータエリア４０ａ〜４０ｄの計測データから計算される位置＆速度データ（対象の水平位置および移動速度を示すデータ）が記憶される。３次元形状＆方向データエリア４８には、主として変換データエリア４４ａ〜４４ｃの変換データから計算される３次元形状＆方向データ（対象の３次元形状および方向を示すデータ）が記憶される。種類（属性，プロファイル）データエリア５０には、３次元形状＆方向データから推定される種類（属性，プロファイル）データが記憶される。
【００７４】
また、データエリア２２には３次元形状モデルデータベース（ＤＢ）５２が格納されており、作成された３次元形状モデル（たとえば人の３次元形状モデルＭ１や買い物カートの３次元形状モデルＭ２など）はこの３次元形状モデルＤＢ５２に登録される。
【００７５】
計測プログラム３０が起動されると、表示器１２ｂに、“３次元形状モデル作成”および“計測”などを選択項目として含むメニュー画面（図示せず）が表示される。観測者は、入力器１２ａを通じていずれか１つの項目を選択する。
【００７６】
３次元形状モデル作成が選択されると、図９に示す３次元形状モデル作成スレッドが実行される。観測者は、予め決められた手順に従い、対象（被験者や買い物カート）を傾斜ＬＲＦ１４ｉの計測領域内（たとえば店舗の中心位置Ｃ：図３（Ａ）参照）に配置して所定方向（たとえばｘ方向）に一定速度（たとえば３０ｍ／分）で移動を開始させる。これら所定方向および一定速度を示す方向＆速度情報は、メモリ１２ｄに記憶される。
【００７７】
ＣＰＵ１２ｃは、ステップＳ１で、各傾斜ＬＲＦ１４ｉから２次元距離情報（計測データ）を取得して、対応する傾斜ＬＲＦデータエリア４２ａ〜４２ｃに書き込む。このとき、計測データにタイムスタンプが添付される。次に、ステップＳ３で、傾斜ＬＲＦデータエリア４２ａ〜４２ｃに記憶された計測データに対する座標変換処理を実行し、結果を変換データエリア４４ａ〜４４ｃに書き込む。
【００７８】
ステップＳ３の座標変換処理は、詳しくは図１０のサブルーチンに従って実行される。まずステップＳ２１で、傾斜ＬＲＦ１４ｉのスキャン面Ｓｃｎが水平であったと仮定して各点Ｐの位置ベクトルｘ＝ＳＰを求め、次にステップＳ２３で、この位置ベクトルｘに回転行列Ｒを乗じて変換後の各点Ｐ’の位置ベクトルｘ’＝ＳＰ’を求める（図４，数１および数２参照）。その後、処理はメインルーチン（図９参照）に復帰する。
【００７９】
次に、ステップＳ５で、３次元形状モデルを計算する。具体的には、変換データエリア４４ａ〜４４ｃに記憶された変換データ、つまりステップＳ３で座標変換処理が施された後の２次元距離情報を、上記の所定方向および一定速度を示す方向＆速度情報に基づいて時系列に統合する。そして、統合が完了したか否かをステップＳ７で判別し、ＮＯであればステップＳ１に戻って、上記と同様の処理をたとえば０．１秒毎に繰り返す。なお、統合が完了したか否かの判別は、たとえば、観測者が入力器１２ａを介して行う完了操作の有無に基づいて行えばよい。
【００８０】
ステップＳ７でＹＥＳであれば、ステップＳ９に進み、統合結果を３次元形状モデル（Ｍ１，Ｍ２，…）として３次元形状モデルＤＢ５２に記憶する。さらにステップＳ１１で、対象の種類ないし属性を３次元形状モデルＤＢ５２に３次元形状モデルと対応付けて記憶した後、この処理を終了する。なお、種類ないし属性としては、たとえば、観測者が入力器１２ａを介して入力した“人体”，“買い物カート”などの文字情報を利用すればよい。
【００８１】
メニュー画面で“計測”が選択されると、図１１に示す水平位置＆移動速度計測スレッドと、図１２に示す３次元形状＆方向計測スレッドとが並列的に実行される。
【００８２】
水平位置＆移動速度計測スレッドでは、以下のような処理が行われる。図１１を参照して、まず、ステップＳ３１で、このスレッド用のパーティクルフィルタを初期化する。次に、ステップＳ３３で、各水平ＬＲＦ１４ｈから２次元距離情報（計測データ）を取得して、対応する水平ＬＲＦデータエリア４０ａ〜４０ｄにこれを書き込む。このとき、計測データにタイムスタンプが添付される。次に、ステップＳ３５で、対象の水平位置および移動速度を計測データに基づいてパーティクルフィルタで計算し、結果つまり位置＆速度データを位置＆速度データエリア４６に書き込む。そして、ステップＳ３７で、位置＆速度データに基づいてパーティクルフィルタを更新した後、ステップＳ３３に戻って、上記と同様の処理をたとえば０．１秒毎に繰り返す。
【００８３】
したがって、位置＆速度データエリア４６には常時、最新の位置＆速度データ、つまり現時点での対象の水平位置および移動速度を示す情報が記憶されていることになる。表示器１２ｂには、このような位置＆速度データに基づく計測結果画面（図示せず）がリアルタイムに表示される。位置＆速度データエリア４６の更新履歴を示すデータをデータエリア２２に保存しておくことで、計測結果画面を事後に再現することもできる。水平位置＆移動速度計測スレッドによる位置＆速度データはまた、次に説明する３次元形状＆方向計測スレッドで時系列統合を行う際にも参照される。
【００８４】
３次元形状＆方向計測スレッドでは、以下のような処理が行われる。図１２を参照して、まず、ステップＳ４１で、このスレッド用のパーティクルフィルタを初期化する。次に、ステップＳ４３で、各傾斜ＬＲＦ１４ｉから２次元距離情報（計測データ）を取得して、対応する傾斜ＬＲＦデータエリア４２ａ〜４２ｃに書き込む。このとき、計測データにタイムスタンプが添付される。次に、ステップＳ４５で、各傾斜ＬＲＦデータエリア４２ａ〜４２ｃの計測データに対する座標変換処理を実行し、結果つまり変換データを対応する変換データエリア４４ａ〜４４ｃに書き込む。なお、この座標変換処理は、前述した３次元形状モデル作成スレッドにおける座標変換処理（Ｓ３）と同様であり、図１０のサブルーチンに従って実行される。
【００８５】
次に、ステップＳ４７で、対象の３次元形状および方向を、上記の変換データ，３次元形状モデル，および水平位置＆移動速度計測スレッドによる位置＆速度データに基づいてパーティクルフィルタで計算し、結果つまり３次元形状＆方向データを３次元形状＆方向データエリア４８に書き込む。
【００８６】
ステップＳ４７の３次元形状＆方向計算処理は、詳しくは図１３のサブルーチンに従って実行される。まずステップＳ６１で、対象の方向をθｉと仮定して、座標変換後の２次元距離情報（変換データエリア４４ａ〜４４ｃに記憶された変換データ）を、水平位置＆移動速度計測スレッドによって計測された水平位置および移動速度（位置＆速度データエリア４６に記憶された位置＆速度データ）に基づいて時系列に統合し（図５参照）、結果つまり３次元形状＆方向データを３次元形状Ｆｉとして保持する。
【００８７】
次に、ステップＳ６３で、この３次元形状Ｆｉを３次元形状モデルＤＢ５２に登録された各３次元形状モデルＭ１，Ｍ２，…と比較して、両者の間の距離を評価し、結果つまり距離データを保持する。そして、ステップＳ６５で変数ｉをインクリメントした後、変数ｉが最大値ｉｍａｘを越えたか否かをステップＳ６７で判別し、判別結果がＮＯであれば、ステップＳ６１に戻って上記と同様の処理を繰り返す。ステップＳ６７の判別結果がＹＥＳであれば、ステップＳ６９に進む。
【００８８】
この時点でＣＰＵ１２ｃには、３次元形状Ｆ１，Ｆ２，…，Ｆｉｍａｘと３次元形状モデルＭ１，Ｍ２，…との全ての組について、距離を示す距離データが保持されている。ステップＳ６９では、このような距離データに基づいて、最小距離を検出する。そしてステップＳ７１で、検出された最小距離に対応する３次元形状および３次元形状モデルの組（Ｆｍ，Ｍｎ）を特定し、特定された組の３次元形状Ｆｍが最も確からしい（可能性が高い）と推定して、結果つまり３次元形状Ｆｍに対応する３次元形状＆方向データを３次元形状＆方向データエリア４８に書き込む。なお、最小距離に対応する３次元形状Ｆｍに代えて、３次元形状Ｆ１，Ｆ２，…，Ｆｉｍａｘを距離に応じて加重平均した結果を書き込んでもよい。その後、メインルーチン（図１２参照）に復帰する。
【００８９】
図１２に戻って、次のステップＳ４９では、３次元形状モデルＤＢ５２から上述のステップＳ６７で特定された組の３次元形状モデルＭｎに対応する種類（属性）を読み取って、種類（属性，プロファイル）データエリア５０に書き込む。そしてステップＳ５１で、ステップＳ４７の計算結果つまり３次元形状＆方向データに基づいてパーティクルフィルタを更新した後、ステップＳ４３に戻って上記と同様の処理をたとえば０．１秒毎に繰り返す。
【００９０】
したがって、３次元形状＆方向データエリア４８および種類（属性，プロファイル）データエリア５０には常時、最新の３次元形状＆方向データおよび種類（属性，プロファイル）データが記憶されていることになり、このようなデータに基づく計測結果画面（図示せず）を表示器１２ｂにリアルタイムに表示することができる。また、３次元形状＆方向データエリア４８および種類（属性，プロファイル）データエリア５０に関する更新履歴をデータエリア２２内の不揮発領域（図示せず）に保存しておくことで、計測結果画面を事後に再現することもできる。
【００９１】
こうして、計測装置１０が水平ＬＲＦ１４ｈを利用した水平位置および移動速度の計測と、傾斜ＬＲＦ１４ｉを利用した３次元形状および方向の計測とを同時並列に行うことで、観測者は、対象の位置や動きだけでなく、サイズや種類なども知ることができる。たとえば、対象が人か物かを区別できるし、さらには、人であれば大人か子供か、物であれば買い物カートか手荷物かというように、より詳細な種類ないし属性を知ることができる。また、３次元形状から身長，性別といったプロファイルも識別できる。
【００９２】
以上から明らかなように、この実施例の計測装置１０は、コンピュータ１２および７台のＬＲＦ１４を含む。コンピュータ１２は、たとえば人や買い物カートといった動く対象Ｏｂｊを７台のＬＲＦ１４で計測する。これら７台のＬＲＦ１４のうち３つは、そのスキャン面Ｓｃｎが水平面に対して傾斜した傾斜ＬＲＦ１４ｉである。他の４台は、そのスキャン面Ｓｃｎが水平面と平行な水平ＬＲＦ１４ｈである。
【００９３】
コンピュータ１２のデータベース５２には、上記のような対象Ｏｂｊの３次元形状モデルＭ１，Ｍ２，…が登録されており、コンピュータ１２のＣＰＵ１２ｃは、各水平ＬＲＦ１４ｈからの計測データ（２次元距離情報）に基づいて対象Ｏｂｊの水平位置（および移動速度）を推定し（Ｓ３５）、各傾斜ＬＲＦ１４ｉからの計測データとデータベース５２に登録された３次元形状モデルＭ１，Ｍ２，…との比較に基づいて対象Ｏｂｊの３次元形状（およびその方向）を推定する（Ｓ４７）。
【００９４】
したがって、各傾斜ＬＲＦ１４ｉからの計測データに基づいて対象Ｏｂｊの水平位置（および移動速度）を推定することができる。また、傾斜したスキャン面Ｓｃｎ内を対象Ｏｂｊが動くことで、各傾斜ＬＲＦ１４ｉからの計測データには、異なる高さ（ｈ）での２次元距離情報が含まれる結果となるため、このような計測データから３次元形状（および方向）を推定することができる。
【００９５】
なお、水平位置を推定するためのＬＲＦ１４は、水平ＬＲＦ１４ｈとは限らず、傾斜ＬＲＦ１４ｉであってもよい。傾斜角が既知であれば先述のような座標変換を行うことで、水平位置の推定は可能だからである。また、１つの傾斜ＬＲＦ１４ｉを、水平位置の推定と３次元形状の推定とに兼用してもよい。このため、この発明を実現するためのＬＲＦ１４の最小構成は、原理的には２台でよく、その内訳は、水平および傾斜が各１個、または傾斜が２個となる。しかし、一般的には、水平位置の推定用に水平２個と、３次元形状の推定用に傾斜１個との、計３個が最小構成である。そして、レーザ光の当たらない死角を減らすためには、たとえば水平４個および傾斜３個の計７個といった構成が必要になる。
【００９６】
ＣＰＵ１２ｃはまた、こうして推定された３次元形状に基づいて対象Ｏｂｊを認識する（Ｓ４９）。これによって、さらに多様な情報が得られる。たとえば、人，物といった種類に関する情報、さらには、人であれば大人，子供といった属性に関する情報や身長，性別などのプロファイルに関する情報をも知ることができる。
【符号の説明】
【００９７】
１０ …計測装置
１２ …コンピュータ
１４ …レーザレンジファインダ（ＬＲＦ）
１４ｈ …水平ＬＲＦ
１４ｉ …傾斜ＬＲＦ
５２ …３次元形状モデルデータベース（ＤＢ）
Ｍ１，Ｍ２ …３次元形状モデル
Ｏｂｊ …対象
Ｓｃｎ …スキャン面
【特許請求の範囲】
【請求項１】
複数のレーザレンジファインダで動く対象を計測する計測装置であって、
前記複数のレーザレンジファインダの少なくとも１つは、そのスキャン面が水平面に対して傾斜した傾斜レーザレンジファインダであり、
前記対象の３次元形状モデルが登録されたデータベース、
前記複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて前記対象の水平位置を推定する第１推定手段、および
前記傾斜レーザレンジファインダからの計測データと前記データベースに登録された３次元形状モデルとの比較に基づいて前記対象の３次元形状を推定する第２推定手段を備える、計測装置。
【請求項２】
前記傾斜レーザレンジファインダからの計測データに対してそのスキャン面の前記水平面に対する傾斜角に応じた座標変換処理を施す座標変換手段をさらに備え、
前記第２推定手段は、前記座標変換手段による座標変換処理が施された計測データに基づいて推定を行う、請求項１記載の計測装置。
【請求項３】
前記第２推定手段は、前記座標変換手段による座標変換処理が施された計測データを時系列に統合する時系列統合手段を含む、請求項２記載の計測装置。
【請求項４】
前記時系列統合手段は、前記対象の可能な３次元形状および方向を時系列フィルタリングにより計算しながら統合を行う、請求項３記載の計測装置。
【請求項５】
前記時系列統合手段は、前記時系列フィルタリングによる計算結果と前記３次元形状モデルとの間の距離に基づいて、最も可能性の高い３次元形状および方向を推定する、請求項４記載の計測装置。
【請求項６】
前記前記時系列統合手段は、前記３次元形状モデルとの間の距離が最短である計算結果を最も可能性が高いと推定する、請求項５記載の計測装置。
【請求項７】
前記時系列統合手段は、統合を行う際に前記第１推定手段の計測結果を利用する、請求項３記載の計測装置。
【請求項８】
前記傾斜レーザレンジファインダで前記対象を計測して当該対象に対応する３次元形状モデルを作成する作成手段をさらに備える、請求項１記載の計測装置。
【請求項９】
前記第２推定手段の推定結果に基づいて前記対象を認識する認識手段をさらに備える、請求項１記載の計測装置。
【請求項１０】
前記複数のレーザレンジファインダの少なくとも２つは、そのスキャン面が前記水平面と平行な水平レーザレンジファインダであり、
前記第１推定手段は、各前記水平レーザレンジファインダからの計測データに基づいて推定を行う、請求項１記載の計測装置。
【請求項１１】
複数のレーザレンジファインダで動く対象を計測する計測方法であって、
(a)前記複数のレーザレンジファインダの少なくとも１つを、そのスキャン面が水平面に対して傾斜するように設置し、
(b)前記対象の３次元形状モデルをデータベースに登録し、
(c)前記複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて前記対象の水平位置を推定し、そして
(d)前記ステップ(a)で傾斜させて設置したレーザレンジファインダからの計測データと前記ステップ(b)でデータベースに登録された３次元形状モデルとの比較に基づいて前記対象の３次元形状を推定する、計測方法。
【請求項１２】
そのスキャン面が水平面に対して傾斜した少なくとも１つの傾斜レーザレンジファインダを含む複数のレーザレンジファインダで動く対象を計測する計測装置のコンピュータを、
前記対象の３次元形状モデルをデータベースに登録する登録ステップ、
前記複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて前記対象の水平位置を推定する第１推定ステップ、および
前記傾斜レーザレンジファインダからの計測データと前記データベースに登録された３次元形状モデルとの比較に基づいて前記対象の３次元形状を推定する第２推定ステップとして機能させる、計測プログラム。
【請求項１】
複数のレーザレンジファインダで動く対象を計測する計測装置であって、
前記複数のレーザレンジファインダの少なくとも１つは、そのスキャン面が水平面に対して傾斜した傾斜レーザレンジファインダであり、
前記対象の３次元形状モデルが登録されたデータベース、
前記複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて前記対象の水平位置を推定する第１推定手段、および
前記傾斜レーザレンジファインダからの計測データと前記データベースに登録された３次元形状モデルとの比較に基づいて前記対象の３次元形状を推定する第２推定手段を備える、計測装置。
【請求項２】
前記傾斜レーザレンジファインダからの計測データに対してそのスキャン面の前記水平面に対する傾斜角に応じた座標変換処理を施す座標変換手段をさらに備え、
前記第２推定手段は、前記座標変換手段による座標変換処理が施された計測データに基づいて推定を行う、請求項１記載の計測装置。
【請求項３】
前記第２推定手段は、前記座標変換手段による座標変換処理が施された計測データを時系列に統合する時系列統合手段を含む、請求項２記載の計測装置。
【請求項４】
前記時系列統合手段は、前記対象の可能な３次元形状および方向を時系列フィルタリングにより計算しながら統合を行う、請求項３記載の計測装置。
【請求項５】
前記時系列統合手段は、前記時系列フィルタリングによる計算結果と前記３次元形状モデルとの間の距離に基づいて、最も可能性の高い３次元形状および方向を推定する、請求項４記載の計測装置。
【請求項６】
前記前記時系列統合手段は、前記３次元形状モデルとの間の距離が最短である計算結果を最も可能性が高いと推定する、請求項５記載の計測装置。
【請求項７】
前記時系列統合手段は、統合を行う際に前記第１推定手段の計測結果を利用する、請求項３記載の計測装置。
【請求項８】
前記傾斜レーザレンジファインダで前記対象を計測して当該対象に対応する３次元形状モデルを作成する作成手段をさらに備える、請求項１記載の計測装置。
【請求項９】
前記第２推定手段の推定結果に基づいて前記対象を認識する認識手段をさらに備える、請求項１記載の計測装置。
【請求項１０】
前記複数のレーザレンジファインダの少なくとも２つは、そのスキャン面が前記水平面と平行な水平レーザレンジファインダであり、
前記第１推定手段は、各前記水平レーザレンジファインダからの計測データに基づいて推定を行う、請求項１記載の計測装置。
【請求項１１】
複数のレーザレンジファインダで動く対象を計測する計測方法であって、
(a)前記複数のレーザレンジファインダの少なくとも１つを、そのスキャン面が水平面に対して傾斜するように設置し、
(b)前記対象の３次元形状モデルをデータベースに登録し、
(c)前記複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて前記対象の水平位置を推定し、そして
(d)前記ステップ(a)で傾斜させて設置したレーザレンジファインダからの計測データと前記ステップ(b)でデータベースに登録された３次元形状モデルとの比較に基づいて前記対象の３次元形状を推定する、計測方法。
【請求項１２】
そのスキャン面が水平面に対して傾斜した少なくとも１つの傾斜レーザレンジファインダを含む複数のレーザレンジファインダで動く対象を計測する計測装置のコンピュータを、
前記対象の３次元形状モデルをデータベースに登録する登録ステップ、
前記複数のレーザレンジファインダのうち少なくとも２つからの計測データに基づいて前記対象の水平位置を推定する第１推定ステップ、および
前記傾斜レーザレンジファインダからの計測データと前記データベースに登録された３次元形状モデルとの比較に基づいて前記対象の３次元形状を推定する第２推定ステップとして機能させる、計測プログラム。
【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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【公開番号】特開２０１１−２２６８８０（Ｐ２０１１−２２６８８０Ａ）
【公開日】平成２３年１１月１０日（２０１１．１１．１０）
【国際特許分類】
【出願番号】特願２０１０−９５８０３（Ｐ２０１０−９５８０３）
【出願日】平成２２年４月１９日（２０１０．４．１９）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２１年６月１９日付け、支出負担行為担当官 総務省大臣官房会計課企画官、研究テーマ「高齢者・障害者のためのユビキタスネットワークロボット技術の研究開発」に関する委託研究、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（３９３０３１５８６）株式会社国際電気通信基礎技術研究所 (905)
【Ｆターム（参考）】
【公開日】平成２３年１１月１０日（２０１１．１１．１０）
【国際特許分類】
【出願日】平成２２年４月１９日（２０１０．４．１９）
【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２１年６月１９日付け、支出負担行為担当官 総務省大臣官房会計課企画官、研究テーマ「高齢者・障害者のためのユビキタスネットワークロボット技術の研究開発」に関する委託研究、産業技術力強化法第１９条の適用を受ける特許出願
【出願人】（３９３０３１５８６）株式会社国際電気通信基礎技術研究所 (905)
【Ｆターム（参考）】
[ Back to top ]