{"metadata":{"_oai":{"id":"oai:ipsj.ixsq.nii.ac.jp:00219765","sets":["6164:6165:6640:11008"]},"path":["11008"],"owner":"44499","recid":"219765","title":["複数の LiDAR を用いた骨格認識補正手法"],"pubdate":{"attribute_name":"公開日","attribute_value":"2022-07-06"},"_buckets":{"deposit":"3537b70c-b403-4b3e-b368-0b8993d113ea"},"_deposit":{"id":"219765","pid":{"type":"depid","value":"219765","revision_id":0},"owners":[44499],"status":"published","created_by":44499},"item_title":"複数の LiDAR を用いた骨格認識補正手法","author_link":["573534","573535","573533"],"item_titles":{"attribute_name":"タイトル","attribute_value_mlt":[{"subitem_title":"複数の LiDAR を用いた骨格認識補正手法"}]},"item_type_id":"18","publish_date":"2022-07-06","item_language":{"attribute_name":"言語","attribute_value_mlt":[{"subitem_language":"jpn"}]},"item_18_text_3":{"attribute_name":"著者所属","attribute_value_mlt":[{"subitem_text_value":"立命館大学 情報理工学部 環境情報研究室"},{"subitem_text_value":"立命館大学 情報理工学部 環境情報研究室"},{"subitem_text_value":"立命館大学 情報理工学部 環境情報研究室"}]},"item_publisher":{"attribute_name":"出版者","attribute_value_mlt":[{"subitem_publisher":"情報処理学会","subitem_publisher_language":"ja"}]},"publish_status":"0","weko_shared_id":-1,"item_file_price":{"attribute_name":"Billing file","attribute_type":"file","attribute_value_mlt":[{"url":{"url":"https://ipsj.ixsq.nii.ac.jp/record/219765/files/IPSJ-DICOMO2022191.pdf","label":"IPSJ-DICOMO2022191.pdf"},"date":[{"dateType":"Available","dateValue":"2024-07-06"}],"format":"application/pdf","billing":["billing_file"],"filename":"IPSJ-DICOMO2022191.pdf","filesize":[{"value":"11.8 MB"}],"mimetype":"application/pdf","priceinfo":[{"tax":["include_tax"],"price":"660","billingrole":"5"},{"tax":["include_tax"],"price":"330","billingrole":"6"},{"tax":["include_tax"],"price":"0","billingrole":"44"}],"accessrole":"open_date","version_id":"3fc9d96a-1779-4a3e-955c-15b8b00967df","displaytype":"detail","licensetype":"license_note","license_note":"Copyright (c) 2022 by the Information Processing Society of Japan"}]},"item_18_creator_5":{"attribute_name":"著者名","attribute_type":"creator","attribute_value_mlt":[{"creatorNames":[{"creatorName":"宗平, 怜央"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"中尾, 俊介"}],"nameIdentifiers":[{}]},{"creatorNames":[{"creatorName":"西尾, 信彦"}],"nameIdentifiers":[{}]}]},"item_resource_type":{"attribute_name":"資源タイプ","attribute_value_mlt":[{"resourceuri":"http://purl.org/coar/resource_type/c_5794","resourcetype":"conference paper"}]},"item_18_description_7":{"attribute_name":"論文抄録","attribute_value_mlt":[{"subitem_description":"商業施設におけるナビゲーションアプリケーションや位置情報サービスの需要増加に伴い，屋内測位の研究が盛んに行われており，PDR の精度を向上させるために機械学習が適用されている．その機械学習 に必要な正解データとして歩幅，移動方向，体の向きがあり，そのデータを収集する研究が行われてきた．しかし，既存の手法では，正確で精度の高い歩容データを取得することが難しく，また取得できたとしても高価なセンサーが必要であった．そこで本研究では，安価な LiDAR を用いて機械学習の教師データに利用できる正確な歩幅を計測できる方法を提案する．1 台の LiDAR では測位範囲に制限があり，死角が発生するため複数の LiDAR を使用する必要がある. その際に各 LiDAR で収集した点群データからそれぞれ骨格を認識すると，推定した骨格座標にずれが生じてしまう．この問題を解決するために，我々は球体モデルを提案する．球体モデルは骨格を球体にみたて，球の中心を求めることで骨格認識のずれを補正する．評価では 2 台の LiDAR を用いた精度検証において，球体モデルを用いた場合と補正を行わない場合の骨格認識の誤差を比較した．結果は 1 台の LiDAR のみを用いた場合，平均誤差は約 7.1cm であるのに対し，提案手法では 3.0cm となり，誤差を約 57.8% 低減することができた，歩幅の推定精度の検証では 18 歩に対して推定した歩幅と，それらをカメラで撮影して記録した歩幅の差分の平均を算出した結果，平均 3.3cm となった．","subitem_description_type":"Other"}]},"item_18_biblio_info_10":{"attribute_name":"書誌情報","attribute_value_mlt":[{"bibliographicPageEnd":"1366","bibliographic_titles":[{"bibliographic_title":"マルチメディア，分散，協調とモバイルシンポジウム2022論文集"}],"bibliographicPageStart":"1362","bibliographicIssueDates":{"bibliographicIssueDate":"2022-07-06","bibliographicIssueDateType":"Issued"},"bibliographicVolumeNumber":"2022"}]},"relation_version_is_last":true,"weko_creator_id":"44499"},"id":219765,"updated":"2025-01-19T14:47:11.430883+00:00","links":{},"created":"2025-01-19T01:19:49.603477+00:00"}