特開 2024-63671 車いす動作推定装置、車いす動作推定システム、車いす動作推定方法、及び車いす動作推定プログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2024063671

(43)【公開日】2024-05-13

(54)【発明の名称】車いす動作推定装置、車いす動作推定システム、車いす動作推定方法、及び車いす動作推定プログラム

(51)【国際特許分類】

   G05B 11/36 20060101AFI20240502BHJP

   A61G 5/02 20060101ALI20240502BHJP

【ＦＩ】

G05B11/36 503A

A61G5/02

【審査請求】未請求

【請求項の数】8

【出願形態】ＯＬ

(21)【出願番号】P 2022171804

(22)【出願日】2022-10-26

(71)【出願人】

【識別番号】000005278

【氏名又は名称】株式会社ブリヂストン

(74)【代理人】

【識別番号】110001519

【氏名又は名称】弁理士法人太陽国際特許事務所

(72)【発明者】

【氏名】内田 和男

(72)【発明者】

【氏名】斎藤 二弥

【テーマコード（参考）】

5H004

【Ｆターム（参考）】

5H004GA34

5H004GB11

5H004HB08

5H004HB09

5H004JB23

(57)【要約】

【課題】画像を撮影することなくことなく、車いすの動作を推定することが可能な車いす動作推定装置、車いす動作推定システム、車いす動作推定方法、及び車いす動作推定プログラムを提供することを目的とする。
【解決手段】車いすの位置及び速度を入力として、センサ値を推定するシミュレーション動作モデル４０を予め作成する。また、実際の車いすにＩＭＵを設置し、車いすを移動する実験を行って車いすの位置及び速度を計測する。そして、シミュレーション動作モデル４０を用いて構築した非線形カルマンフィルタ４２を、ＩＭＵの検出結果を観測信号として用いて解くことにより、車いすの動作を推定する。
【選択図】図３

【特許請求の範囲】

【請求項1】

車いすに設けられた一対の車輪のうちの一方の車輪に設けられて加速度及び角速度を検出する第１検出部、並びに、他方の車輪に設けられて加速度及び角速度を検出する第２検出部の各々の検出結果を取得する取得部と、
予め作成した前記車いすの動作モデルを用いて構築した非線形カルマンフィルタを、前記取得部が取得した前記検出結果を観測信号として用いて解くことにより、前記車いすの動作を推定する推定部と、
を含む車いす動作推定装置。

【請求項2】

前記取得部は、車いすの本体に設けられて加速度及び角速度を検出する第３検出部の検出結果を更に取得する請求項１に記載の車いす動作推定装置。

【請求項3】

前記本体の水平座標、前記本体の鉛直回りの回転角、前記一対の車輪の各々の回転角、前記車いすの移動速度、前記本体の鉛直回りの角速度、前記一対の車輪の各々の角速度、及び前記本体の加速度を前記非線形カルマンフィルタの状態量として前記非線形カルマンフィルタを解くことにより、前記車いすの動作を推定する請求項２に記載の車いす動作推定装置。

【請求項4】

前記非線形カルマンフィルタの状態量として、前記一対の車輪のスリップ率を更に含む請求項３に記載の車いす動作推定装置。

【請求項5】

前記第１検出部、前記第２検出部、及び前記第３検出部を更に含む請求項２に記載の車いす動作推定装置。

【請求項6】

請求項１に記載の車いす動作推定装置と、
前記第１検出部が前記一方の車輪に設けられ、かつ前記第２検出部が前記他方の車輪に設けられた車いすと、
を含む車いす動作推定システム。

【請求項7】

コンピュータが、
車いすに設けられた一対の車輪のうちの一方の車輪に設けられて加速度及び角速度を検出する第１検出部、並びに、他方の車輪に設けられて加速度及び角速度を検出する第２検出部の各々の検出結果を取得し、
予め作成した前記車いすの動作モデルを用いて構築した非線形カルマンフィルタを、取得した前記検出結果を観測信号として用いて解くことにより、前記車いすの動作を推定する車いす動作推定方法。

【請求項8】

コンピュータに、
車いすに設けられた一対の車輪のうちの一方の車輪に設けられて加速度及び角速度を検出する第１検出部、並びに、他方の車輪に設けられて加速度及び角速度を検出する第２検出部の各々の検出結果を取得し、
予め作成した前記車いすの動作モデルを用いて構築した非線形カルマンフィルタを、取得した前記検出結果を観測信号として用いて解くことにより、前記車いすの動作を推定する処理を実行させるための車いす動作推定プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本開示は、車いす動作推定装置、車いす動作推定システム、車いす動作推定方法、及び車いす動作推定プログラムに関する。

【背景技術】

【0002】

特許文献１には、車いす及び乗車者が撮像された複数の撮像画像と、複数の撮像画像のそれぞれに撮像されている車いす及び乗車者のそれぞれ一以上の部位の座標情報とに基づいて、車いす及び乗車者が撮像された撮像画像から車いす及び乗車者のそれぞれ一以上の部位の座標情報を推定する推定部、を備えた姿勢推定装置が開示されている。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２０２２－７７８０５号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

特許文献１では、座標情報を推定するために撮影画像を用いているが、画像を撮影することなく手法では、撮影するための機器自体が高価であり、機器を設置する労力も必要であった。

【0005】

本開示は、画像を撮影することなくことなく、車いすの動作を推定することが可能な車いす動作推定装置、車いす動作推定システム、車いす動作推定方法、及び車いす動作推定プログラムを提供することを目的とする。

【課題を解決するための手段】

【0006】

上記目的を達成するために、第１態様は、車いすに設けられた一対の車輪のうちの一方の車輪に設けられて加速度及び角速度を検出する第１検出部、並びに、他方の車輪に設けられて加速度及び角速度を検出する第２検出部の各々の検出結果を取得する取得部と、予め作成した前記車いすの動作モデルを用いて構築した非線形カルマンフィルタを、前記取得部が取得した前記検出結果を観測信号として用いて解くことにより、前記車いすの動作を推定する推定部と、を含む車いす動作推定装置である。

【0007】

第２態様は、第１態様の車いす動作推定装置において、前記取得部は、車いすの本体に設けられて加速度及び角速度を検出する第３検出部の検出結果を更に取得する。

【0008】

第３態様は、第２態様の車いす動作推定装置において、前記本体の水平座標、前記本体の鉛直回りの回転角、前記一対の車輪の各々の回転角、前記車いすの移動速度、前記本体の鉛直回りの角速度、前記一対の車輪の各々の角速度、及び前記本体の加速度を前記非線形カルマンフィルタの状態量として前記非線形カルマンフィルタを解くことにより、前記車いすの動作を推定する。

【0009】

第４態様は、第３態様の車いす動作推定装置において、前記非線形カルマンフィルタの状態量として、前記一対の車輪のスリップ率を更に含む。

【0010】

第５態様は、第２態様～第４態様の何れか１の車いす動作推定装置において、前記第１検出部、前記第２検出部、及び前記第３検出部を更に含む。

【0011】

第６態様は、第１態様～第５態様の何れか１の態様の車いす動作推定装置と、前記第１検出部が前記一方の車輪に設けられ、かつ前記第２検出部が前記他方の車輪に設けられた車いすと、を含む車いす動作推定システムである。

【0012】

第７態様は、コンピュータが、車いすに設けられた一対の車輪のうちの一方の車輪に設けられて加速度及び角速度を検出する第１検出部、並びに、他方の車輪に設けられて加速度及び角速度を検出する第２検出部の各々の検出結果を取得し、予め作成した前記車いすの動作モデルを用いて構築した非線形カルマンフィルタを、取得した前記検出結果を観測信号として用いて解くことにより、前記車いすの動作を推定する車いす動作推定方法である。

【0013】

第８態様は、コンピュータに、車いすに設けられた一対の車輪のうちの一方の車輪に設けられて加速度及び角速度を検出する第１検出部、並びに、他方の車輪に設けられて加速度及び角速度を検出する第２検出部の各々の検出結果を取得し、予め作成した前記車いすの動作モデルを用いて構築した非線形カルマンフィルタを、取得した前記検出結果を観測信号として用いて解くことにより、前記車いすの動作を推定する処理を実行させるための車いす動作推定プログラムである。

【発明の効果】

【0014】

本開示によれば、画像を撮影することなくことなく、車いすの動作を推定できる、という効果を有する。

【図面の簡単な説明】

【0015】

【図1】本実施形態に係る車いす動作推定装置の概略を説明するための図である。

【図2】本実施形態に係る車いす動作推定装置の構成を示すブロック図である。

【図3】本実施形態に係る車いす動作推定装置による車いすの動作の推定方法の一例を説明するための図である。

【図4】拡張カルマンフィルタを実行するための事前準備の手順を示すフローチャートである。

【図5】車いすにおける各状態量を示す図である。

【図6】１つのＩＭＵの３方向の加速度の検出値の一例を示す図である。

【図7】観測方程式の設定の一例を示す図である。

【図8】車輪が滑っていない場合の速度を説明するための図である。

【図9】車輪が滑っている場合の速度を説明するための図である。

【図10】車いすのローカル座標系を示す図である。

【図11】本実施形態に係る車いす動作推定装置で行われる処理の流れの一例を示すフローチャートである。

【図12】本実施形態に係る車いす動作推定装置により推定した推定値と、実際に実験して測定した実験値を示す図である。

【図13】本実施形態に係る車いす動作推定装置において、車いす本体のＩＭＵを省略して一対の車輪に設けたＩＭＵを用いて車いすの動作を推定した結果を示す図である。

【発明を実施するための形態】

【0016】

以下、図面を参照して本開示の技術を実現する実施形態を詳細に説明する。なお、作用、機能が同じ働きを担う構成要素及び処理には、全図面を通して同じ符合を付与し、重複する説明を適宜省略する場合がある。また、本開示は、以下の実施形態に何ら限定されるものではなく、本開示の目的の範囲内において適宜変更を加えて実施することができる。

【0017】

本実施形態では、車いすにセンサを設置して、車いすの動作を推定する車いす動作推定装置を説明する。図１は、本実施形態に係る車いす動作推定装置の概略を説明するための図である。また、図２は、本実施形態に係る車いす動作推定装置の構成を示すブロック図である。

【0018】

本実施形態では、角速度及び加速度を計測する慣性計測装置（以下、ＩＭＵ（Inertial Measurement Unit）１４と称する。）をセンサとして用いて車いすの動作を推定する。

【0019】

ＩＭＵ１４は、車いす１２に設置して、ＩＭＵ１４の検出結果を車いす動作推定装置１０に送信し、車いす動作推定装置１０が、ＩＭＵ１４の検出結果に基づいて、車いすの動作を推定する。車いす動作推定装置１０は、図１に示すように、パーソナルコンピュータ等のコンピュータが一例として適用される。

【0020】

また、本実施形態では、ＩＭＵ１４は、図１に示すように、車いす１２の一対の車輪１２Ｓの回転軸と、車いす１２の本体に設けられている。すなわち、３つのＩＭＵ１４を車いす１２に設置し、３つのＩＭＵ１４の検出結果に基づいて車いす１２の動作を推定する。なお、一対の車輪１２Ｓの一方の車輪１２Ｓに設けたＩＭＵ１４が第１検出部に対応し、他方の車輪１２Ｓに設けたＩＭＵ１４が第２検出部に対応し、車いす１２本体に設けたＩＭＵ１４が第３検出部に対応する。

【0021】

３つのＩＭＵ１４はそれぞれ、図２に示すように、加速度センサ１６、角速度センサ１８、及び通信部２０を備えている。

【0022】

加速度センサ１６は、車いす１２に発生する３方向の加速度を検出し、検出結果を通信部２０に出力する。詳細には、一対の車輪１２Ｓに設けた２つのＩＭＵ１４の加速度センサ１６はそれぞれ、車輪１２Ｓの回転軸に発生する加速度を検出し、車いす本体１２Ｈに設けたＩＭＵ１４の加速度センサ１６は、車いす本体１２Ｈに発生する加速度を検出する。

【0023】

角速度センサ１８は、車いす１２に発生する３方向の角速度を検出し、検出結果を通信部２０に出力する。詳細には、一対の車輪１２Ｓに設けた２つのＩＭＵ１４の角速度センサ１８は、一対の車輪１２Ｓそれぞれの回転軸の角速度を検出し、車いす本体１２Ｈに設けたＩＭＵ１４の角速度センサ１８は、車いす本体１２Ｈの鉛直回りの角速度を検出する。

【0024】

通信部２０は、車いす動作推定装置１０と無線通信可能とされ、加速度センサ１６及び角速度センサ１８の各々の検出結果を無線通信により車いす動作推定装置１０に送信する。無線通信の一例としては、Ｗｉ－Ｆｉ（登録商標）やＢｌｕｅｔｏｏｔｈ（登録商標）等の近距離無線通信が一例として適用される。

【0025】

一方、車いす動作推定装置１０は、図２に示すように、ＣＰＵ（Central Processing Unit）２２、ＲＯＭ（Read Only Memory）２４、揮発性メモリ等のＲＡＭ（Random Access Memory）２６、ハードディスク装置（ＨＤＤ）等の補助記憶装置３４、操作部２８、表示部３０、及び通信部３２を備えている。これらのＣＰＵ２２、ＲＡＭ２６、ＲＯＭ２４、補助記憶装置３４、操作部２８、表示部３０、及び通信部３２は、相互にデータ及びコマンドを授受可能にバス３６を介して接続された構成である。

【0026】

操作部２８はキーボード等が適用されて各種情報の入力が可能とされている。また、表示部３０は車いす１２の動作の推定結果等の各種情報が表示される。また、通信部３２は、ＩＭＵ１４の通信部２０と通信してＩＭＵ１４の検出結果を受信する。

【0027】

補助記憶装置３４には、コンピュータを本開示の車いす動作推定装置１０として機能させるための車いす動作推定プログラム等の制御プログラム３４Ａや各種データ３４Ｂが記憶される。ＣＰＵ２２は、制御プログラム３４Ａを補助記憶装置３４から読み出してＲＡＭ２６に展開して処理を実行することにより、車いす動作推定装置１０として機能する。

【0028】

続いて、本実施形態に係る車いす動作推定装置１０による車いすの動作の推定方法について説明する。図３は、本実施形態に係る車いす動作推定装置１０による車いすの動作の推定方法の一例を説明するための図である。

【0029】

本実施形態では、車いす１２の状態量としての位置及び速度を入力として、観測量としてのセンサ値を推定するシミュレーション動作モデル４０を予め作成する。シミュレーション動作モデル４０は、動作モデルの一例に対応し、着座する椅子部及びキャンバ角度を含む一対の車輪の３つの剛体で構成される車いすの幾何学モデルを作成し、シミュレーション動作モデル４０内に慣性センサを配置した。

【0030】

また、実際の車いす１２にＩＭＵ１４を設置し、車いす１２を移動する実験を行って車いす１２の位置及び速度を計測する。実験時の車いす１２の位置及び速度の計測は、例えば、モーションカメラで撮影して求めてもよいし、ロータリーエンコーダ等を用いて車いす１２の位置及び速度を計測してもよい。

【0031】

そして、シミュレーション動作モデル４０を用いて構築した非線形カルマンフィルタ４２を、ＩＭＵ１４の検出結果を観測信号として用いて解くことにより、車いす１２の動作を推定する。

【0032】

本実施形態では、非線形カルマンフィルタ４２として拡張カルマンフィルタを用いて車いす１２の動作を推定する。ここで、車いす１２の動作推定に用いる拡張カルマンフィルタについて説明する。

【0033】

拡張カルマンフィルタは、非線形な状態方程式、観測方程式を持つプラントに対しても対応可能なカルマンフィルタである。拡張カルマンフィルタの状態方程式は、以下に示す状態方程式と環境方程式からなる。

【0034】

【数1】

【0035】

拡張カルマンフィルタを解くために、Ｆ（ｘ_ｔ）とＨ（ｘ_ｔ）の偏微分ｆ（ｘ_ｔ）とｈ（ｘ_ｔ）をそれぞれ計算する。

【0036】

【数2】

【0037】

そして、以下の式を計算することで、拡張カルマンフィルタから補正した角度を算出する。

【0038】

【数3】

【0039】

なお、上記の１式目は、事前予測値を示し、５式目は事後確率ヘイズ推定を示す。また、Ｐは誤差分散行列初期値、Ｑは状態方程式がどの程度曖昧なのかを示すプロセスノイズ、Ｒは観測ノイズである。

【0040】

続いて、拡張カルマンフィルタを実行するための事前準備について説明する。図４は、拡張カルマンフィルタを実行するための事前準備の手順を示すフローチャートである。

【0041】

まず、ステップ１００において、拡張カルマンフィルタで用いる状態量を設定する。具体的には、車いす１２の位置（水平座標）、車いす本体１２Ｈの鉛直回りの回転角、車輪１２Ｓの回転角、車いす１２の移動速度、車いす本体１２Ｈの角速度、車輪１２Ｓの角速度、車いす１２の加速度、車輪１２Ｓのスリップ率を状態量として以下のように設定する。なお、車いす１２における各状態量は図５に示す通りである。すなわち、車いす１２の位置は［Ｘ（ｔ），Ｙ（ｔ）］、車いす本体１２Ｈの回転角はψ_ｚ（ｔ）、各車輪１２Ｓの回転角はθ_Ｒ（ｔ）、θ_Ｌ（ｔ）で示す。図５は、車いす１２における各状態量を示す図である。

【0042】

【数4】

【0043】

次に、ステップ１０２では、初期の誤差共分散行列Ｐを設定する。誤差共分散行列Ｐは、１４×１４の単位行列として、一例として以下のように設定する。誤差共分散行列Ｐの値としては、フィルタが収束する場合は問題にならないので、便宜上、以下の値を用いる。

【0044】

【数5】

【0045】

次に、ステップ１０４では、プロセスノイズＱを設定する。本実施形態では、一例として以下に示す値を設定する。なお、以下に示す、「diag」は、対角行列の作成と行列の対角要素の取得を示す。

【0046】

【数6】

【0047】

次に、ステップ１０６では、状態方程式を設定する。本実施形態では、一例として、以下に示す状態方程式を設定する。

【0048】

【数7】

【0049】

次に、ステップ１０８では、観測方程式を設定する。本実施形態では、一例として、以下に示す観測方程式を設定する。以下の観測方程式では、運動の拘束式を観測方程式に追加して考慮した。以下の状態量ｘの時のシミュレーション結果は、３つのＩＭＵ１４に対応するセンサ情報である。具体的には、３×６種類のセンサ情報は、右の車輪１２ＳのＩＭＵ１４における角速度Ｘ、右の車輪１２ＳのＩＭＵ１４における角速度Ｙ、及び右の車輪１２ＳのＩＭＵ１４における角速度Ｚ、左の車輪１２ＳのＩＭＵ１４の角速度Ｘ、左の車輪１２ＳのＩＭＵ１４の角速度Ｙ、左の車輪１２ＳのＩＭＵ１４の角速度Ｚ、車いす本体１２ＨのＩＭＵ１４の角速度Ｘ、車いす本体１２ＨのＩＭＵ１４の角速度Ｙ、車いす本体１２ＨのＩＭＵ１４の角速度Ｚ、右の車輪１２ＳのＩＭＵ１４の加速度Ｘ、右の車輪１２ＳのＩＭＵ１４の加速度Ｙ、右の車輪１２ＳのＩＭＵ１４の加速度Ｚ、左の車輪１２ＳのＩＭＵ１４の加速度Ｘ、左の車輪１２ＳのＩＭＵ１４の加速度Ｙ、左の車輪１２ＳのＩＭＵ１４の加速度Ｚ、車いす本体１２ＨのＩＭＵ１４の加速度Ｘ、左の車輪１２ＳのＩＭＵ１４の加速度Ｙ、及び左の車輪１２ＳのＩＭＵ１４の加速度Ｚである。

【0050】

【数8】

【0051】

次に、ステップ１１０では、観測ノイズＲを設定する。観測ノイズＲは、以下の式を用いて、先頭の１秒間で標準偏差を計算する。Ｘ方向角速度、Ｙ方向角速度、Ｚ方向角速度、Ｘ方向加速度、Ｙ方向加速度、及びＺ方向加速度を３つのＩＭＵ１４のそれぞれ（全１８個）について標準偏差を計算する。例えば、図６に示すように、観測開始の先頭の１秒間で標準偏差を計算する。図６は、１つのＩＭＵ１４の３方向の加速度の検出値の一例を示す図である。

【0052】

【数9】

【0053】

なお、最後の３個は、疑似観測量３個の観測ノイズを示す。この値が小さいほど拘束式が厳密に満たされる。

【0054】

ここで、上述のステップ１０８において設定する観測方程式、及び拘束式について説明する。

【0055】

観測方程式は、図７に示すように、シミュレーション動作モデル中に、ＩＭＵ１４を配置し、状態量を入力として、センサ値をシミュレーションした結果を得る観測関数を設定する。図７は、観測方程式の設定の一例を示す図である。

【0056】

また、幾何学的拘束式（基本的な方程式）として「経路の未来情報を利用した車輪型自立移動ロボットの経路追従制御」（https://www.jstage.jst.go.jp/article/jrsj1983/12/4/12_4_630/_pdf/-char/ja）を参考に以下の３つの拘束式を得る。

【0057】

【数10】

【0058】

上記の３つの拘束式は、理論式であって、タイヤのスリップ率を考慮していない。実際には、タイヤのスリップ率が存在しているため、スリップ率を考慮する。なお、上記拘束式のｒは車輪の半径を示し、Ｌは車輪間の距離を示す。

【0059】

図８に示すように、車輪１２Ｓが滑っていないとすると、スリップしていない場合の速度は、Ｖ^{ｃｏｎｔａｃｔ}＝ｒωとなる。図８は、車輪１２Ｓが滑っていない場合の速度を説明するための図である。

【0060】

一方、図９に示すように、車輪１２Ｓがωだけ回っているけど、そのうちｓは滑っている場合、ω－ｓしか前に進まない。すなわち、滑っていると、ｓだけ余計に回るのでその分を補正して、速度は、Ｖ^{ｃｏｎｔａｃｔ}＝ｒ（ω－ｓ）となる。図９は、車輪１２Ｓが滑っている場合の速度を説明するための図である。

【0061】

すなわち、上述の３つの拘束式に対して、回転速度にスリップによる効果を追加する。ω_Ｒをω_Ｒ－Ｓ_Ｒ、ω_Ｌをω_Ｌ－Ｓ_Ｌとすると、以下のようになる。

【0062】

【数11】

【0063】

なお、上記の拘束式において、Ｖ_Ｘ及びＶ_Ｙは、ローカル座標系であり、状態量はグローバルな速度Ｖ_ｘ、Ｖ_ｙなので変換する必要があるので、上記の拘束式のグローバルな速度をローカル座標系に変換する。

【0064】

図１０に示すように、車いす１２のローカル座標系を示すベクトルは、以下のようになる。図１０は、車いす１２のローカル座標系を示す図である。

【0065】

【数12】

【0066】

グローバル速度を、ローカル座標系ベクトルと内積を計算することでローカル速度に変換すると、以下の式となる。

【0067】

【数13】

【0068】

従って、上記の３つの拘束式は、以下に示すようになる。

【0069】

【数14】

【0070】

また、これらの式を「＝０」の形に揃えると、以下に示すようになる。

【0071】

【数15】

【0072】

すなわち、これらが疑似観測量となり、常にゼロを出力すべきセンサとして考える。これにより、上述のステップ１０８で設定する観測方程式及び拘束式を得ることができる。

【0073】

続いて、上述のように構成された車いす動作推定装置１０で行われる具体的な処理について説明する。図１１は、本実施形態に係る車いす動作推定装置１０で行われる処理の流れの一例を示すフローチャートである。なお、図１１の処理は、例えば、操作部２８が操作されて車いす１２の動作推定を開始する指示が行われた場合に開始する。

【0074】

ステップ２００では、ＣＰＵ２２が、車いす初期位置を設定してステップ２０２へ移行する。例えば、車いす１２の現在の位置を初期位置に設定する。

【0075】

ステップ２０２では、ＣＰＵ２２が、各センサ値を取得してステップ２０４へ移行する。すなわち、一対の車輪１２Ｓに設けたＩＭＵ１４及び車いす本体１２Ｈに設けたＩＭＵ１４の３つのＩＭＵ１４のそれぞれの加速度センサ１６、及び角速度センサ１８の検出結果を通信部２０、３２を介して取得する。なお、ステップ２０２の処理は取得部に対応する。

【0076】

ステップ２０４では、ＣＰＵ２２が、車いす１２の動作を推定する処理を行ってステップ２０６へ移行する。車いす１２の動作の推定は、拡張カルマンフィルタのステップに従って計算する。すなわち、シミュレーション動作モデル４０を用いて構築した非線形カルマンフィルタ４２を、ＩＭＵ１４の検出結果を観測信号として用いて解くことにより、車いす１２の動作を推定する。なお、ステップ２０４の処理は推定部に対応する。

【0077】

ステップ２０６では、ＣＰＵ２２が、推定結果を補助記憶装置３４等に記憶してステップ２０８へ移行する。

【0078】

ステップ２０８では、ＣＰＵ２２が、推定を終了するか否かを判定する。該判定は、例えば、操作部２８が操作されて車いす１２の動作推定を終了する指示が行われたか否かを判定する。該判定が否定された場合にはステップ２０２に戻って上述の処理を繰り返し、判定が肯定されたところで一連の処理を終了する。

【0079】

図１２は、本実施形態に係る車いす動作推定装置１０により推定した推定値と、実際に実験して測定した実験値を示す図である。なお、実験値は、精度検証用に光学式モーションキャプチャを用いて計測した結果を示す。

【0080】

図１２に示すように、Ｘ位置、Ｙ位置、ψ_Ｚ角度、Ｘ速度、及びＹ速度のそれぞれについて、推定値と実験値が概ね一致し、良好な推定結果を得られることが分かる。

【0081】

なお、上記の実施形態では、ＩＭＵ１４を３つ用いる例を説明したが、車いす本体１２ＨのＩＭＵ１４を省略してもよい。すなわち、上記の実施形態と同様に、シミュレーション動作モデル４０を用いて構築した非線形カルマンフィルタ４２を、２つのＩＭＵ１４の検出結果を観測信号として用いて解くことにより、車いす１２の動作を推定してもよい。図１３は、本実施形態に係る車いす動作推定装置１０において、車いす本体１２ＨのＩＭＵ１４を省略して一対の車輪１２Ｓに設けたＩＭＵ１４を用いて車いす１２の動作を推定した結果を示す図である。図１３に示すように、３つのＩＭＵ１４を用いる場合よりも精度は低下するが、２つのＩＭＵ１４でも車いす１２の動作を推定できることが分かる。

【0082】

また、上記の実施形態では、車輪１２Ｓのスリップ率を考慮して車いす１２の動作を推定したが、これに限るものではない。車いす１２の車輪１２Ｓがスリップした場合には、推定精度が低下するものの、スリップ率を考慮せずに、車いす１２の動作を推定する形態としてもよい。

【0083】

また、本開示の技術的範囲は上記実施形態に記載の範囲には限定されない。要旨を逸脱しない範囲で上記実施形態に多様な変更または改良を加えることができ、当該変更または改良を加えた形態も本開示の技術的範囲に含まれる。

【0084】

また、上記実施形態では、車いす１２の動作を推定する処理を、フローチャートを用いた処理によるソフトウエア構成によって実現した場合について説明したが、これに限定されるものではなく、例えば各処理をハードウェア構成により実現する形態としてもよい。

【符号の説明】

【0085】

１０ 車いす動作推定装置
１２ 車いす
１２Ｓ 車輪
１２Ｈ 車いす本体
１４ ＩＭＵ
１６ 加速度センサ
１８ 角速度センサ
２０、３２ 通信部
４０ シミュレーション動作モデル
４２ 非線形カルマンフィルタ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】