[发明专利]自身位置推定方法

说明书

本发明提供一种自身位置推定方法。该自身位置推定方法具备：第一步骤，根据多个传感器(5～8)的检测信息并利用多个算法(11～13)推定移动体(1)自身位置；第二步骤，针对多个算法的每一算法，根据通过各算法的推定处理得到的一个以上的状态量A、B、C并利用学习完成的神经网格(14)决定各算法的每一算法的权重系数；第三步骤，将利用权重系数合成由各算法推定的自身位置而得的位置确定为移动体(1)的自身位置。

技术领域

本发明涉及推定移动体的自身位置的方法。

背景技术

以往，提出了使用多个传感器的检测信息来推定移动机器人等移动体的自身位置的各种的技术。例如，在专利文献1中提出了使用编码器或陀螺仪等内界传感器的检测信息、测距传感器、IR传感器、超声波传感器、相机等外界传感器的检测信息来推定移动体的自身位置的技术。

另外，以往还提出了各种使用一个以上的传感器的检测信息来推定移动体的自身位置的算法(algorithm)。

现有技术文献

专利文献

专利文献1：日本特开2007-149088号公报

发明内容

发明要解决的课题

然而，在各种环境下，为了能够高可靠性地推定自身位置，可以考虑根据多个传感器的检测信息通过多个算法分别推定自身位置，使用适当的权重系数合成这些多个自身位置的推定值，从而确定自身位置。并且，在该情况下，考虑预先学习上述权重系数。

在这种情况下，作为上述权重系数的学习的手法，考虑使用基于各算法的自身位置推定值的与实际位置的偏差(自身位置推定值的误差)作为输入信息来进行上述权重系数的学习。然而，在该情况下，进行该学习的场所不得不限定于特定的场所，因此，对能够适用于该特定的场所以外的各种场所的权重系数进行学习容易变得困难。

本发明鉴于上述背景而完成，其目的在于提供一种能够以不易受移动体的移动环境影响的方式推定移动体的自身位置的自身位置推定方法。

为了实现上述目的，本发明的自身位置推定方法的特征在于，具备：

第一步骤，根据多个传感器的检测信息，通过分别使用该多个传感器中的一个以上的传感器的检测信息的多个算法分别推定移动体的自身位置；

第二步骤，针对所述多个算法中的每一算法，将状态量输入到学习完成的神经网络中，并且该神经网络根据该输入的状态量决定所述多个算法中的每一算法的权重系数，其中，上述状态量是通过各算法的推定处理得到的一个以上的状态量且是与通过各算法推定出的所述自身位置的准确性相关联的状态量；以及

第三步骤，将利用上述决定的权重系数对由所述多个算法分别推定出的所述自身位置进行合成而得的位置确定为所述移动体的自身位置(发明的第一方面)。

需要说明的是，在本发明中，所述多个算法的各算法的种类和在各算法中使用的传感器的检测信息的种类中的至少一方互不相同。

另外，本发明中的自身位置不限于通常意义上的移动体的位置(坐标位置)，也可以包含该移动体的姿势(朝向)。

根据上述发明的第一方面，在所述第二步骤中，决定所述多个算法的每一算法的权重系数的神经网络针对各算法的每一算法输入通过各算法的推定处理(推定移动体的自身位置的处理)得到的一个以上的状态量，并根据这些状态量来决定各算法的每一算法的权重系数。

该情况下，各算法的每一算法的状态量是与通过各算法推定出的移动体的自身位置的准确性相关联的状态量。因此，各算法的每一算法的该状态量反映了该算法的推定处理在求出移动体的自身位置的可靠性高的推定值的方面是多大程度适当的一种程度。