特許 6623203 パーソナルスペース推定装置、パーソナルスペース推定方法及びパーソナルスペース推定システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6623203

(24)【登録日】2019年11月29日

(45)【発行日】2019年12月18日

(54)【発明の名称】パーソナルスペース推定装置、パーソナルスペース推定方法及びパーソナルスペース推定システム

(51)【国際特許分類】

   G01B 21/00 20060101AFI20191209BHJP

   G05D 1/02 20060101ALI20191209BHJP

   G01B 21/22 20060101ALI20191209BHJP

   G08G 1/16 20060101ALN20191209BHJP

【ＦＩ】

   G01B21/00 A

   G05D1/02 H

   G01B21/22

   !G08G1/16 A

【請求項の数】6

【全頁数】13

(21)【出願番号】特願2017-205337(P2017-205337)

(22)【出願日】2017年10月24日

(65)【公開番号】特開2019-78618(P2019-78618A)

(43)【公開日】2019年5月23日

【審査請求日】2019年1月29日

(73)【特許権者】

【識別番号】000004226

【氏名又は名称】日本電信電話株式会社

(74)【代理人】

【識別番号】100108855

【弁理士】

【氏名又は名称】蔵田 昌俊

(74)【代理人】

【識別番号】100103034

【弁理士】

【氏名又は名称】野河 信久

(74)【代理人】

【識別番号】100075672

【弁理士】

【氏名又は名称】峰 隆司

(74)【代理人】

【識別番号】100179062

【弁理士】

【氏名又は名称】井上 正

(72)【発明者】

【氏名】石原 達也

(72)【発明者】

【氏名】中野 将尚

(72)【発明者】

【氏名】越地 弘順

(72)【発明者】

【氏名】肥後 直樹

(72)【発明者】

【氏名】椿 俊光

(72)【発明者】

【氏名】布引 純史

(72)【発明者】

【氏名】山田 智広

【審査官】 續山 浩二

(56)【参考文献】

【文献】 特開２０１６−１８４３３７（ＪＰ，Ａ）

【文献】 特開２００８−２４６６６５（ＪＰ，Ａ）

【文献】 米国特許出願公開第２００４／００５９５４８（ＵＳ，Ａ１）

【文献】 中国特許出願公開第１０６０９６０７２（ＣＮ，Ａ）

【文献】 大野隆造、他２名，”実空間における準実験にによるキャリアーバッグ・ベビーカー利用者に対する周辺歩行者の回避行動計測”，日本建築学会技術報告集，日本，一般社団法人日本建築学会，２０１５年，２１巻４７号，p.265−268

【文献】 劉 建宏、他，”パーソナルスペースを用いた障害物を回避する歩行者の群集流動”，土木学会論文集Ｄ，日本，社団法人土木学会，２００８年，６４巻４号，p.513−524

【文献】 遠田敦、他４名，”ロボットに対する人間の回避距離”，日本建築学会計画系論文集，日本，日本建築学会，２００６年，７１巻６０１号，p.81−85

【文献】 中川智皓、他５名，”パーソナルスペースを用いたパーソナルモビリティ・ビークルと歩行者の親和性評価実験”，日本機械学会論文集Ｃ編，日本，社団法人日本機械学会，２０１０年，７６巻７７０号，p.2493−2499

【文献】 依田光正、他，”人間同士のすれ違い行動における回避領域の実験的研究”，人間工学，日本，一般社団法人日本人間工学会，１９９９年，Vol.35,No.1，p.9−15

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｂ ２１／００

Ｇ０１Ｂ ２１／２２

Ｇ０５Ｄ １／０２

Ｇ０８Ｇ １／１６

(57)【特許請求の範囲】

【請求項1】

対象となる範囲内の移動物体の移動状態から移動速度及び移動軌跡を推定する移動推定手段と、
上記移動推定手段で得た移動物体の移動速度及び移動軌跡から、他の移動物体と近接している移動物体で移動方向が変化したものを検出する変化検出手段と、
上記変化検出手段で検出した移動物体及びその移動物体と近接している移動物体の相互の移動状況に応じたパーソナルスペースを推定するパーソナルスペース推定手段と、
を備えるパーソナルスペース推定装置。

【請求項2】

上記変化検出手段は、移動方向が変化した位置を中心として、移動速度と加速度に応じた所定区間内で、近接している移動物体間の相対的な位置の変化を検出する、請求項１記載のパーソナルスペース推定装置。

【請求項3】

上記パーソナルスペース推定手段は、移動物体の移動方向前方を楕円形状、移動方向後方を円形状でそれぞれ近似してパーソナルスペースを推定する、請求項１記載のパーソナルスペース推定装置。

【請求項4】

上記移動物体の特徴量として人物の性別、年齢層、位置情報、曜日種別、時間帯、移動速度のうちの少なくとも１つを移動物体の特徴量として取得する特徴量取得手段と、
上記特徴量取得手段で得た特徴量と上記パーソナルスペース推定手段で得たパーソナルスペースを示す情報とを移動物体に付随する情報として、上位の外部装置にアップロードするアップロード手段と、
をさらに備える、請求項１記載のパーソナルスペース推定装置。

【請求項5】

対象となる範囲内の移動物体の移動状態から移動速度及び移動軌跡を推定する移動推定工程と、
上記移動推定工程で得た移動物体の移動速度及び移動軌跡から、他の移動物体と近接している移動物体で移動方向が変化したものを検出する変化検出工程と、
上記変化検出工程で検出した移動物体及びその移動物体と近接している移動物体の相互の移動状況に応じたパーソナルスペースを推定するパーソナルスペース推定工程と、
を有するパーソナルスペース推定方法。

【請求項6】

対象となる範囲内の移動物体の移動状態を計測する計測装置と、
上記計測装置で得た移動物体の移動状態から、該移動物体の移動速度及び移動軌跡を推定する移動推定手段、上記移動推定手段で得た移動物体の移動速度及び移動軌跡から、他の移動物体と近接している移動物体で移動方向が変化したものを検出する変化検出手段、及び、上記変化検出手段で検出した移動物体及びその移動物体と近接している移動物体の相互の移動状況に応じたパーソナルスペースを推定するパーソナルスペース推定手段を備えるパーソナルスペース推定装置と、
を有するパーソナルスペース推定システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、パーソナルスペース推定装置、パーソナルスペース推定方法及びパーソナルスペース推定システムに関する。

【背景技術】

【0002】

近年、感情認識ヒューマノイド型ロボットを始めとした様々なロボットが開発されており、それらロボットは今後ますます我々の生活空間に浸透していくと想定される。しかしながら、それらロボットが人と同様の生活空間を移動する場合、ロボット自身だけでなく、周囲の人が安心しつつ、安全に移動できるロボットの走行技術が必要となる。
雑踏などで、キャリーバッグやベビーカーの利用者に対する他の歩行者の回避領域の大きさを定量化する技術が提案されている。（例えば、非特許文献１）
また、個人のパーソナルスペースに基づいて、歩行者が他の歩行者との干渉を避け、相互の間隔を保持するような歩行者の流動をシミュレーションで再現する技術が提案されている。（例えば、非特許文献２）

【先行技術文献】

【非特許文献】

【0003】

【非特許文献1】「実空間における準基準によるキャリーバッグ・ベビーカー利用者に対する周辺歩行者の回避行動計測」（大野隆造他、日本建築学会技術報告集、Ｖｏｌ．２１，ｎｏ．４７，ｐｐ．２６５−２６８，２０１５−０２−２０）

【非特許文献2】「パーソナルスペースを用いた障害物を回避する歩行者の群衆流動」（瑠建宏他、土木学会論文集Ｄ、Ｖｏｌ．６４（２００８−１０−２０）Ｎｏ．４，Ｐ．５１３−５２４）

【発明の概要】

【発明が解決しようとする課題】

【0004】

上記非特許文献１に記載された技術では、周囲の混雑度などに応じてパーソナルスペースが異なるため、各状況に応じたパーソナルスペースを考慮する必要がある。

【0005】

また、上記非特許文献２に記載された技術では、歩行者と車椅子それぞれのパーソナルスペースを固定値としており、移動体に応じたパーソナルスペースの推定が必要となる。

【0006】

加えて、上記歩行者等のパーソナルスペースの推定は、対象となる範囲内に存在するすべての歩行者等に対して実施するものであり、リアルタイムで歩行者間の干渉を回避するためには、膨大な処理演算を行なう必要があるため、演算回路系の処理負担を軽減する手法が求められている。

【0007】

本発明は上記のような実情に鑑みてなされたもので、その目的とするところは、演算処理の負担をより少なくしながら、ロボットだけでなく、周囲の人が安心、安全に移動するためのロボット走行技術に必要となる、ロボットや人のパーソナルスペースを確実に推定することが可能なパーソナルスペース推定装置、パーソナルスペース推定方法及びパーソナルスペース推定システムを提供することにある。

【課題を解決するための手段】

【0008】

本発明の一態様は、対象となる範囲内の移動物体の移動状態から移動速度及び移動軌跡を推定する移動推定手段と、上記移動推定手段で得た移動物体の移動速度及び移動軌跡から、他の移動物体と近接している移動物体で移動方向が変化したものを検出する変化検出手段と、上記変化検出手段で検出した移動物体及びその移動物体と近接している移動物体の相互の移動状況に応じたパーソナルスペースを推定するパーソナルスペース推定手段と、を備える。

【発明の効果】

【0009】

本発明によれば、演算処理の負担をより少なくしながら、ロボットだけでなく、周囲の人が安心、安全に移動するためのロボット走行技術に必要となる、ロボットや人のパーソナルスペースを確実に推定することが可能となる。

【図面の簡単な説明】

【0010】

【図1】本発明の一実施形態に係るパーソナルスペース推定システム全体の構成を示す図。

【図2】同実施形態に係る解析エンジンの機能構成を示すブロック図。

【図3】同実施形態に係る図２の解析エンジン(ＳＶ１)で実行するパーソナルスペース推定の処理内容を示すフローチャート。

【図4】同実施形態に係る移動物体ＭＯＡ，ＭＯＢの各移動状態を例示する図。

【図5】同実施形態に係る移動ロボットと人物が近接判定された移動物体である場合を例示する図。

【図6】同実施形態に係る移動ロボットＭＯＲの位置を原点とした局所座標系における移動物体ＭＯＡの相対軌跡ＬＣＡを例示する図。

【図7】同実施形態に係る移動ロボットと人物が移動物体である場合に推定したパーソナルスペースを例示する図。

【図8】同実施形態に係る２人の人物が近接判定された移動物体である場合を例示する図。

【図9】同実施形態に係る２人の人物が移動物体である場合に推定したパーソナルスペースを例示する図。

【図10】同実施形態に係るアップロードされた各地のパーソナルスペースのデータを例示する図。

【発明を実施するための形態】

【0011】

以下、図面を参照して本発明の一実施形態について詳細に説明する。
図１は、本実施形態に係るパーソナルスペース推定システム全体の構成を示すものである。同図の略中央では、任意の場所、例えば○○駅の駅前広場に設置された監視カメラ網の環境下で、歩行する２名の人物を移動物体ＭＯＡ，ＭＯＢとして、移動ロボットを移動物体ＭＯＲとして認識している状態を例示している。

【0012】

上記各移動物体ＭＯＡ，ＭＯＢ，ＭＯＲの移動方向を矢印により例示すると共に、それぞれの仮想的なパーソナルスペースを破線による範囲ＰＳＡ，ＰＳＢ，ＰＳＲで示している。

【0013】

上記監視カメラ網は、本実施形態では、監視カメラＣＭ１，ＣＭ２，…、レーザ測距儀ＲＦ１，ＲＦ２，…を含むと共に、上記移動ロボットである移動物体ＭＯＲが搭載する深度センサ等も上記監視カメラ網の一部を構成する。他方、一部の監視カメラやレーザ測距儀等のみで監視カメラ網を構成するものとしても良い。なお、より簡易的な構成としては、上記レーザ測距儀ＲＦ１，ＲＦ２，…、及び移動物体ＭＯＲが用いる深度センサが、水平面に沿った一次元走査により、二次元深度情報を取得するような構成としても良い。

【0014】

レーザ測距儀ＲＦ１，ＲＦ２，…、及び移動物体ＭＯＲが用いる深度センサは、例えばＬＩＤＡＲ（Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ Ａｎｄ Ｒａｎｇｉｎｇ）スキャナで構成され、走査範囲内の３次元深度情報を取得する。

【0015】

上記監視カメラ網で得られた検出結果である画像情報及び深度情報等は、インターネットを含むネットワークＮＷを介して、サーバで構成された解析エンジンＳＶ１に送られる。

【0016】

この解析エンジンＳＶ１はまた、同じくネットワークＮＷを介して、サーバで構成されたデータベースＳＶ２と接続される。

【0017】

図２は、上記解析エンジンＳＶ１の機能構成を示すブロック図である。同図で、ネットワークＮＷを介して上記監視カメラ網から取得した画像情報、深度情報等は、解析エンジンＳＶ１内の通信部１１により受信され、移動計測部１２に送られる。

【0018】

移動計測部１２は、１サンプリングタイミング前（例えば、解析エンジンＳＶ１にその時点で設定されているサンプリング周波数が６０［Ｈｚ］であれば１／６０［秒］前）に監視カメラ網から受信して記憶した画像情報、深度情報と、今回受信した同情報とを比較することで、画像中の移動物体を検知し、その移動軌跡と移動速度とを推定し、推定結果を移動物体情報保持部１５に保持させると共に、移動状況判定部１３へ出力する。

【0019】

移動状況判定部１３は、移動計測部１２の推定結果を受けて、複数の移動物体に関する近接判定を行なうと共に、近接していると判定した複数の移動物体に関する移動方向の変化区間を検出し、検出結果をパーソナルスペース推定部１４へ出力する。

【0020】

パーソナルスペース推定部１４は、移動状況判定部１３で検出した複数の移動物体のそれぞれの特徴量を抽出した上でパーソナルスペースを推定するための演算処理を実行し、得た移動物体毎のパーソナルスペース等の情報を、上記通信部１１を介してデータベースＳＶ２にアップロードする。

【0021】

移動物体情報保持部１５は、多数の移動物体に関する情報を一定時間、例えば５秒間分保持する。

【0022】

なお、上記図２で説明した、移動物体のパーソナルスペースを推定するための構成は、解析エンジンＳＶ１のみならず、移動ロボットである移動物体ＭＯＲ自体が保持するものとしてもよい。

【0023】

その場合、当該移動物体ＭＯＲは、自身が備える深度センサ等による走査範囲内での他の移動物体の検知から相互のパーソナルスペースの推定までの処理を、必要に応じてネットワークＮＷを介して上記解析エンジンＳＶ１、データベースＳＶ２とのデータ通信を行ないながら実行しても良いし、当該移動物体ＭＯＲ内に実装した処理回路により単体で実行するものとしても良い。

【0024】

次に上記実施形態の動作について説明する。
図３は、１サンプリングタイミング毎に、解析エンジンＳＶ１、または移動ロボットでである移動物体ＭＯＲで実行される処理内容を示すフローチャートである。以下は、説明を簡略化するために、解析エンジンＳＶ１側で実行される処理として説明する。

【0025】

その当初に解析エンジンＳＶ１では、サンプリングタイミングとなるのを待期する（ステップＳ１０１）。

【0026】

サンプリングタイミングとなったと判断した時点で（ステップＳ１０１のＹｅｓ）、通信部１１を介して、移動計測部１２が監視カメラ群から現時点での画像情報、深度情報等を計測情報として受信し（ステップＳ１０２）、直前のサンプリングタイミングで受信した同情報との差分（背景差分等）情報により移動物体を検知し、検知した移動物体毎にＩＤ情報を付与する。

【0027】

ここで移動計測部１２では、移動物体を少なくとも１つ検知できたか否かを判断する（ステップＳ１０３）。移動物体を１つも検知できなかったと判断した場合（ステップＳ１０３のＮｏ）、解析エンジンＳＶ１では以後の処理をキャンセルして、再び上記ステップＳ１０１からの処理に戻り、次のサンプリングタイミングとなるのを待期する。

【0028】

また上記ステップＳ１０３において、移動物体を少なくとも１つ検知できたと判断した場合（ステップＳ１０３のＹｅｓ）、移動計測部１２では検知できたＮ個（Ｎ：自然数）の移動物体毎に、移動物体としてのＩＤ情報を付与すると共に、移動物体情報保持部１５に保持している、直前の過去の一定時間分（例えば５秒間分）の情報を読出して、それらの移動軌跡推定と移動速度推定とを実行する（ステップＳ１０４）。

【0029】

現在の時刻ｔにおける移動物体ＭＯＡの位置ＸAtは、前サンプリングタイミングt-1における位置ＸAt-1を用いて
ＸAt＝ＸAt-1＋ＶAt-1・Δt
（但し、ＶAt-1：１サンプリングタイミング前の時刻t-1における移動速度、
Δt：１サンプリングレート。）
で推定算出できる。

【0030】

また現在の時刻ｔにおける移動物体ＭＯＡの移動速度ＶAtは、
ＶAt＝(ＸAt−ＸAt-1)/Δt
で推定算出できる。

【0031】

Ｎ個の移動物体に関する移動軌跡推定と移動速度推定とを行なった時点で、それらを各移動物体のＩＤに関連付けて移動物体情報保持部１５に保持させるとともに、これらＮ個の移動物体の推定結果を移動状況判定部１３に出力する。

【0032】

移動状況判定部１３では、上記移動計測部１２が算出した推定結果から、Ｎ個の移動物体間で近接するものがあるか否かを判定する（ステップＳ１０５）。

【0033】

図４は、移動物体ＭＯＡと移動物体ＭＯＢの各移動状態を例示する図である。同図では、移動物体ＭＯＡが矢印Ｄａの方向に推定速度ＶAt＝(ＸAt−ＸAt-1)/Δtで移動している。

【0034】

一方、移動物体ＭＯＢは、矢印Ｄｂの方向に推定速度ＶBt＝(ＸBt−ＸBt-1)/Δtで移動している。このとき、移動物体ＭＯＡ，ＭＯＢ間の距離は、｜ＸAt−ＸBt｜として得られるので、移動状況判定部１３は、「｜ＸAt−ＸBt｜＜σ」（σ：例えば２［ｍ］）が成り立つか否かにより、これら移動物体ＭＯＡ，ＭＯＢが近接しているか否かを判定する。

【0035】

移動状況判定部１３が上記移動計測部１２から得たＮ個の移動物体すべてについて上述した近接判定処理を行なった結果、近接するものがなかったと判定した場合（ステップＳ１０５のＮｏ）、解析エンジンＳＶ１では以後の処理をキャンセルして、再び上記ステップＳ１０１からの処理に戻り、次のサンプリングタイミングとなるのを待期する。

【0036】

また上記ステップＳ１０５において、少なくともＮ′個（Ｎ′：２以上の自然数）の近接する移動物体があると判定した場合（ステップＳ１０５のＹｅｓ）、移動状況判定部１３ではさらに、それら近接すると判断した移動物体すべてに、予め、移動区間のデータが蓄積中であることを示す検知タグが付与されているか否かを判断する（ステップＳ１０６）。
予め当該検知タグが付与されていない移動物体があると判断した場合（ステップＳ１０６のＮｏ）、まだ移動区間のデータの蓄積が十分ではないものとして、移動状況判定部１３は、それらＮ′個の移動物体に関して、それぞれ移動方向の変化量を算出する（ステップＳ１０７）。

【0037】

ここで移動状況判定部１３は、移動方向の変化量が閾値δよりも大きくなる移動物体、及びこの移動物体と近接していると判定された移動物体の組み合わせを検知する。

【0038】

例えば上記図４に示したような移動物体ＭＯＡ，ＭＯＢの組み合わせにおいて、移動物体ＭＯＡの移動方向について注目した場合、
｜ＸAt−ＸAt-1｜−｜ＸAt-1−ＸAt-2｜＞δ
が成り立てば、移動物体ＭＯＡが移動方向を大きく変化させており、且つ移動物体ＭＯＡと近接判定された相手は移動物体ＭＯＢであるので、移動物体ＭＯＡと移動物体ＭＯＢとの組み合わせでその少なくとも一方に移動方向の変化区間があったものとして検知する。

【0039】

上記ステップＳ１０７での算出結果に基づいて、移動状況判定部１３は、上記Ｎ′個の移動物体に関して、移動方向が大きく変化する区間があった移動物体が少なくとも１つあったか否かを判定する（ステップＳ１０８）。ここで、移動方向が大きく変化する区間があった移動物体が１つもなかったと判定した場合（ステップＳ１０８のＮｏ）、解析エンジンＳＶ１では以後の処理をキャンセルして、再び上記ステップＳ１０１からの処理に戻り、次のサンプリングタイミングとなるのを待期する。

【0040】

また上記ステップＳ１０８において、移動方向が大きく変化する区間があった移動物体が少なくとも１つあったと判定した場合（ステップＳ１０８のＹｅｓ）、移動状況判定部１３は、移動方向が大きく変化する区間があったと判定した移動物体の数Ｎ″、及びそのＮ″個の移動物体と近接判定された移動物体の数とを加算したＭ個の移動物体に関する情報を、移動物体情報保持部１５へ保持させると共に、パーソナルスペース推定部１４へ出力する。

【0041】

パーソナルスペース推定部１４では、Ｍ個の移動物体に関して、それぞれ特徴量の抽出処理を実行する（ステップＳ１０９）。

【0042】

この特徴量抽出処理では、既存の画像認識技術、顔認識技術等により、移動物体の属性、すなわち人物である場合の性別、年齢層や、推定移動速度、当該空間の広さを表す空間属性等を抽出する。

【0043】

その後、パーソナルスペース推定部１４は、Ｍ個の移動物体それぞれに対し、移動方向の変化区間を算出する（ステップＳ１１０）。上記ステップＳ１０６において、対象とするすべての移動物体に、移動区間のデータが蓄積中であることを示す検知タグが付与されていると判断した場合（ステップＳ１０６のＹｅｓ）、及び上記ステップＳ１１０において、Ｍ個の移動物体それぞれに対して移動方向の変化区間を算出した場合、移動状況判定部１３は、算出したＭ個分の移動方向の変化区間ＡＶのデータ量が十分に蓄積されたかどうかを判定する（ステップＳ１１１）。ここでまだ、Ｍ個の移動物体それぞれの変化区間ＡＶのデータが十分に蓄積されていない移動物体があると判断した場合（ステップＳ１１１のＮｏ）、移動状況判定部１３は、上記検知タグが付与されていないと判断した移動物体に対して新規の検知タグを付与する（ステップＳ１１４）。その後、解析エンジンＳＶ１では以後の処理をキャンセルして、再び上記ステップＳ１０１からの処理に戻り、次のサンプリングタイミングとなるのを待期する。
そして、上記ステップＳ１１１において、Ｍ個の移動物体それぞれの変化区間ＡＶのデータが十分に蓄積されたと判定した時点で（ステップＳ１１１のＹｅｓ）、パーソナルスペース推定部１４が、当該データ量が十分であると判定した移動物体のパーソナルスペースを推定する処理を実行する（ステップＳ１１２）。

【0044】

まず、移動ロボットである移動物体ＭＯＲを含めてパーソナルスペースを推定する場合について説明する。例えば図５に示すように、移動ロボットである移動物体ＭＯＲと人物である移動物体ＭＯＡが位置しているものとする。

【0045】

パーソナルスペース推定部１４は、移動方向の変化を検出した前後の区間を次式
α(Ｖt′，ａt′)＋Ｙ
（但し、t′：方向変化判定がなされた時刻、
Ｖt′：方向変化判定された移動物体の速度、
ａt′：方向変化判定された移動物体の加速度、
α，Ｙ：任意定数。）
で定義して、移動ロボットである移動物体ＭＯＲと人物の移動物体ＭＯＡとの相対位置データを取得する。上記式中の加速度ａt′は、速度Ｖt′と、直前のサンプリングタイミングで得た速度Ｖt-1′とにより「(Ｖt′−Ｖt-1′)/Δt」で求める。

【0046】

図６は、移動物体ＭＯＲの位置を原点０とした局所座標系における移動物体ＭＯＡの相対軌跡ＬＣＡを例示する図である。同図中、パーソナルスペース推定部１４は、移動方向の変化検出点ＴＰを中心として、上記「α(Ｖt′，ａt′)＋Ｙ」に対応した区間ＡＶにおける移動ロボットである移動物体ＭＯＲと人物の移動物体ＭＯＡとの相対位置データから、各移動物体のパーソナルスペースを推定する。
なお、移動方向の変化検出点ＴＰ以降のデータが取得できなかった移動物体に関しては、パーソナルスペースの推定処理が実行できないため、上記ステップＳ１１２，Ｓ１１３の処理を実行せず、以降のサンプリングタイミングでは区間ＡＶのデータ量を満たすまでは当該移動物体の相対軌跡を算出することとする。

【0047】

個々のパーソナルスペースにおいては、移動方向前方を、長軸の１／２がｂ、短軸の１／２がａとなる楕円とすると共に、移動方向後方は半径ａの円として近似し、近接判定された区間ＡＶにおいて、最急降下法等で、以下の式で示すように推定処理を実行する。

【0048】

【数1】

【0049】

図７は、上記式で算出したパーソナルスペースを例示する図である。移動ロボットである移動物体ＭＯＲのパーソナルスペースＰＳＲを、その移動方向前方を長軸ｂ、短軸ａの楕円、移動方向後方を半径ａの円で近似している。

【0050】

一方、人物の移動物体ＭＯＡのパーソナルスペースＰＳＡを、その移動方向前方を長軸の１／２がｂ′、短軸の１／２がａ′となる楕円、移動方向後方を半径ａ′の円で近似している。

【0051】

上記パーソナルスペースの推定演算は、解析エンジンＳＶ１で行なうものとして説明しているが、上述した如く移動ロボットである移動物体ＭＯＲ自体が、自身の深度センサ等で所得した情報に基づいて実行しても良い。

【0052】

次に、いずれも人物である移動物体が近接する際のパーソナルスペースを推定する場合について説明する。図８に示すように、２人の人物である移動物体ＭＯＡ，ＭＯＢの移動環境を考える。

【0053】

実行する演算式自体は、上記移動ロボットである移動物体ＭＯＲを含む場合と同様であり、パーソナルスペース推定部１４が移動方向の変化を検出した前後の区間を定義して、２人の人物の移動物体ＭＯＡ，ＭＯＢの相対位置データを取得する。

【0054】

パーソナルスペース推定部１４は、取得した相対位置データから、各移動物体のパーソナルスペースを推定する。

【0055】

移動物体ＭＯＡ，ＭＯＢそれぞれのパーソナルスペースＰＳＡ，ＰＳＢにおいて、移動方向前方を、長軸の１／２がｂ、短軸の１／２がａとなる楕円とすると共に、移動方向後方は半径ａの円として近似し、近接判定された区間において、最急降下法等で、上記式（１）〜式（４）で示したように推定処理を実行する。

【0056】

図９は、上記式で算出したパーソナルスペースを例示する図である。人物である移動物体ＭＯＢのパーソナルスペースＰＳＢを、その移動方向前方を長軸ｂ、短軸ａの楕円、移動方向後方を半径ａの円で近似している。

【0057】

一方、人物の移動物体ＭＯＡのパーソナルスペースＰＳＡを、その移動方向前方を長軸の１／２がｂ′、短軸の１／２がａ′となる楕円、移動方向後方を半径ａ′の円で近似している。

【0058】

このように、複数Ｍ個の移動物体それぞれのパーソナルスペースを推定するための演算処理を実行したパーソナルスペース推定部１４は、各移動物体毎のパーソナルスペースを示す情報(ａ，ｂ)、上記近接判定区間ＡＶにおける平均速度、上記ステップＳ１０９で算出した抽出した移動物体の特徴量の情報、時刻情報を、画像処理等により算出した位置情報や、別途ＧＰＳセンサ等で取得した位置情報と関連付けて、通信部１１を介して上記データベースＳＶ２にアップロードさせた上で（ステップＳ１１３）、以上でサンプリングタイミングに応じた一連の処理を終えたものとして、上記ステップＳ１０１からの処理に戻り、次のサンプリングタイミングとなるのを待期する。

【0059】

図１０は、データベースＳＶ２にアップロードされた各地のパーソナルスペースのデータを例示する図である。同図では、パーソナルスペースが推定された場所、曜日種別、時間帯、性別、年齢層、（移動）速度、‥‥、パーソナルスペース（ａ，ｂ）を一組のデータとして、アップロードしたデータを蓄積するものとしている。

【0060】

以上詳述した如く本実施形態によれば、演算処理の負担をより少なくしながら、ロボットだけでなく、周囲の人が安心、安全に移動するためのロボット走行技術に必要となる、ロボットや人の必要なパーソナルスペースを確実に推定することが可能となる。

【0061】

なお上記実施形態では、図６で示したように、移動物体の速度と加速度とに対応した近接判定区間ＡＶにおける相対位置からパーソナルスペースを推定するものとしたので、演算処理の負担を軽減しながら、ロボットだけでなく、周囲の人が安心、安全に移動するためのロボット走行技術に必要となる、ロボットや人のパーソナルスペースをより正確に推定できる。

【0062】

また上記実施形態では、パーソナルスペースの形状を移動物体の進行方向前方を楕円形状、移動方向後方を円形状で近似しているため、必要な演算をより簡略化することができる。

【0063】

さらに上記実施形態では、各地で推定されたパーソナルスペースの情報をその移動物体の特徴量を示す情報と共に上位の外部装置にアップロードするものとしたので、推定したパーソナルスペースの情報を統計的により有効に活用できる。

【0064】

なお、本発明は、上記実施形態に限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で種々に変形することが可能である。また、各実施形態は適宜組み合わせて実施してもよく、その場合組み合わせた効果が得られる。更に、上記実施形態には種々の発明が含まれており、開示される複数の構成要件から選択された組み合わせにより種々の発明が抽出され得る。例えば、実施形態に示される全構成要件からいくつかの構成要件が削除されても、課題が解決でき、効果が得られる場合には、この構成要件が削除された構成が発明として抽出され得る。

【符号の説明】

【0065】

１１…通信部、１２…移動計測部、１３…移動状況判定部、１４…パーソナルスペース推定部、１５…移動物体情報保持部、ＣＭ１，ＣＭ２…監視カメラ、ＭＯＡ，ＭＯＢ…移動物体（人物）、ＭＯＲ…移動物体（移動ロボット）、ＮＷ…ネットワーク、ＰＳＡ，ＰＳＢ，ＰＳＲ…パーソナルスペース、ＲＦ１，ＲＦ２…レーザ測距儀、ＳＶ１…解析エンジン、ＳＶ２…データベース、ＴＰ…移動方向変化検出点

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】