| Item type |
SIG Technical Reports(1) |
| 公開日 |
2020-02-24 |
| タイトル |
|
|
タイトル |
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 |
| 言語 |
|
|
言語 |
jpn |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
名古屋大学 |
| 著者所属 |
|
|
|
名古屋大学 |
| 著者所属 |
|
|
|
名古屋大学 |
| 著者所属 |
|
|
|
名古屋大学 |
| 著者所属(英) |
|
|
|
en |
|
|
Nagoya University |
| 著者所属(英) |
|
|
|
en |
|
|
Nagoya University |
| 著者所属(英) |
|
|
|
en |
|
|
Nagoya University |
| 著者所属(英) |
|
|
|
en |
|
|
Nagoya University |
| 著者名 |
吉田, 拓人
廣井, 慧
米澤, 拓郎
河口, 信夫
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
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． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA11851388 |
| 書誌情報 |
研究報告モバイルコンピューティングとパーベイシブシステム（MBL）
巻 2020-MBL-94,
号 7,
p. 1-8,
発行日 2020-02-24
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8817 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-MBL20094007.pdf (5.7 MB)
