A Study on Situation Awareness and its Applications in Personal Intelligent Vehicles

PDF
Nobutaka KITO
Dept. of Information Engineering, School of Engineering, Nagoya University

Abstruct

1 Introduction

2 AT: Personal Intelligent Vehicle

3

Fugure1:

3.1

Fugure2:

Fugure3:

Fugure4:

  1. リストの各要素を調べ、同じセンサーで読まれた同じIDの要素がすでにあれば、その要素の生存時間を0にする
  2. リストの各要素を調べ、同じセンサーで読まれた同じIDの要素が無ければ、新しい要素を作り、生存時間を0にする
  3. 一定時間ごとに、生存時間を増やし寿命を超えたものをリストから削除する
  1. 対象の方向(垂直方向の角度$D$、水平方向の角度$S$)
  2. 雲台の方向(垂直方向の角度$Dr$、水平方向の角度$Sr$)
  3. カメラの水平画角($Hl$)と垂直画角($Vl$)
  4. カメラ映像の縦幅($height$)、横幅($width$)
  1. 閾値処理: 蛍光灯などからも弱い赤外線が放出されるため薄く映ってしまう。それらを 取り除くため、適当な値を閾値として閾値処理を行う。
  2. 2値化: 閾値処理で得られた結果を元に、画像を明るい1の点と、暗い0の点というように 2つの値で置き換える。
  3. ラベル付け: 明るい点の集まりに番号をつけていく。それらの1つ1つが対象の 存在する方向の候補となる。
  4. ラベルの中心座標と面積の計算: 明るい点の集まりの1つ1つのピクセルの座標について 平均を計算することでラベルの中心座標を求める。同時に、対象までの距離を推定するために ラベルに含まれるピクセル数を計算する。
  1. リストの各要素を調べ、その要素から得られた点までの距離が近いときには同じ点だとみなし、その要素の生存時間を0にする
  2. リストの各要素を調べ、それまでの点とは遠い場合には、新しい要素を作り、生存時間を0にする
  3. 一定時間ごとに、生存時間を増やし寿命を超えたものをリストから削除する
  1. センサーアレイで得られたIDについて、推定されるカメラ画像上での座標と、 画像処理で得られた点とを比較して一定の閾値以下になっていて、一番近いものを選ぶ。
  2. その点とIDが一致しているとみなす。ただし、すでにその点が別のIDと一致している 場合には近いほうを選び、遠かったほうは無効にする。

Fugure5:

3.2

Fugure6:

3.3

Fugure7:

Fugure8:

Fugure9:

4

4.1

4.1.1

Fugure10:

4.1.2

Fugure11:

Fugure12:

Fugure13:

  • カメラ雲台を回転し、対象がカメラの映像の中心に来るように調整
  • ATから赤外線信号を送信し、対象上の赤外線タグの可視光LEDを光らせる
  • カメラを2倍のズームにして対象を表示
  • 詳細な関連情報があれば、それを搭乗者に示すためにWebブラウザをひらく

Fugure14:

4.2

Fugure15:

Fugure16:

4.3

4.3.1

  1. ATからの指示で赤外線タグ上の可視光LEDを点灯させ、 可視光LEDの点灯前と点灯後でカメラ画像の差分をとることで タグの位置を検出する方法である。 その結果、IDと位置の正しい関係付けが得られるので正確な 距離を計測することができる。この方法では、 可視光LEDが光るため、対象物の位置に誘導しているということが 視覚的にも分かりやすい。
  2. 他の対象物認識手法と組み合わせる方法も考えられる。たとえば、 赤外線タグに特殊な視覚的タグを印刷するなどして、 カメラに映るその視覚的タグの大きさからも距離を計測する方法である。
  3. 誤って衝突しそうになった場合のために センサーを強化する方法である。 現時点でも超音波距離センサーが接続されているが、センサーが比較的大きく、また 超音波が出てから反射して戻ってくるまでの時間を計ることで距離を計測する デバイスであるので、対象物に凹凸面がある場合など、送信された超音波が 戻ってこない場合には障害物までの距離を計測できないという問題点がある。 したがって、さらに指向性は強いが小さい、光学的に距離を測る PSD (Position Sensitive Detector)センサーなども用いて衝突しないように 対策することなどが考えられる。

5

5.1

5.1.1

5.1.2

5.2

5.2.1

5.2.2

5.2.3

5.3

  • 手法: その対象物の認識手法が用いている、手法を挙げている。
  • 対象識別能力: 対象物や人間を区別することができるかを比べている。 EasyLivingでは個々の人が誰であるかわからないので、この能力は 無いと判断した。
  • 認識主体: 対象物あるいは人間の位置を認識する場合、 ユーザーが自ら周囲の対象物を認識するのか、環境側に 埋め込まれたセンサーなどで全体を一元的に認識する方法かを 分別している。
  • 精度、粒度: システムごとの対象物認識の精度や、目的としている 対象の粒度について比較を行っている。
  • 機動性: システムを利用したアプリケーションを利用する際の 利用者の動きやすさを比べている。たとえば、 WalkNaviは重い機材を背負う必要があるため△である。
  • コスト: 設置する際に必要とされる、導入コストを比較している。 環境側にセンサを設置する必要の無いATやUbiquitous Talker は◎とした、また、 環境側にセンサーを設置する必要がある、Active BadgeやALTAIR,BATなどは 導入に必要なセンサーの量などに応じて○または△の評価をしている。

6 Conclusion