CN108983247A - 物体目标识别系统、物体目标识别方法及存储介质 - Google Patents
物体目标识别系统、物体目标识别方法及存储介质 Download PDFInfo
- Publication number
- CN108983247A CN108983247A CN201810527663.7A CN201810527663A CN108983247A CN 108983247 A CN108983247 A CN 108983247A CN 201810527663 A CN201810527663 A CN 201810527663A CN 108983247 A CN108983247 A CN 108983247A
- Authority
- CN
- China
- Prior art keywords
- object target
- identification device
- target
- speed
- identification
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 13
- 238000012545 processing Methods 0.000 claims abstract description 116
- 230000003287 optical effect Effects 0.000 claims 1
- 238000001514 detection method Methods 0.000 description 22
- 230000004927 fusion Effects 0.000 description 18
- 238000012937 correction Methods 0.000 description 8
- 230000015654 memory Effects 0.000 description 5
- 238000004891 communication Methods 0.000 description 3
- 238000001914 filtration Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 230000001133 acceleration Effects 0.000 description 2
- 230000003139 buffering effect Effects 0.000 description 2
- 238000002485 combustion reaction Methods 0.000 description 2
- 239000000470 constituent Substances 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 238000013016 damping Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000002283 diesel fuel Substances 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008450 motivation Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000630 rising effect Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000035939 shock Effects 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
- G01S17/06—Systems determining position data of a target
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/06—Systems determining position data of a target
- G01S13/08—Systems for measuring distance only
- G01S13/32—Systems for measuring distance only using transmission of continuous waves, whether amplitude-, frequency-, or phase-modulated, or unmodulated
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
- G01S13/50—Systems of measurement based on relative movement of target
- G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
- G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
- G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/862—Combination of radar systems with sonar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/865—Combination of radar systems with lidar systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
- G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
- G01S13/867—Combination of radar systems with cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/254—Fusion techniques of classification results, e.g. of results related to same input data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/20—Analysis of motion
- G06T7/292—Multi-camera tracking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/10—Image acquisition
- G06V10/12—Details of acquisition arrangements; Constructional details thereof
- G06V10/14—Optical characteristics of the device performing the acquisition or on the illumination arrangements
- G06V10/147—Details of sensors, e.g. sensor lenses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
- G06V10/809—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of classification results, e.g. where the classifiers operate on the same input data
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
- G01P3/00—Measuring linear or angular speed; Measuring differences of linear or angular speeds
- G01P3/36—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light
- G01P3/38—Devices characterised by the use of optical means, e.g. using infrared, visible, or ultraviolet light using photographic means
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Data Mining & Analysis (AREA)
- Electromagnetism (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Medical Informatics (AREA)
- General Engineering & Computer Science (AREA)
- Vascular Medicine (AREA)
- Radar Systems Or Details Thereof (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Image Analysis (AREA)
- Traffic Control Systems (AREA)
- Image Processing (AREA)
- Power Engineering (AREA)
Abstract
一种提高处理速度及识别精度的物体目标识别系统、物体目标识别方法及存储介质,该系统具备:第一识别装置,识别物体目标的位置及速度;第二识别装置,识别物体目标的位置及速度,且与第一识别装置不同;第一处理部,判定由第一识别装置识别出的第一物体目标与由第二识别装置识别出的第二物体目标是否为同一物体目标,在判定为第一、第二物体目标是同一物体目标的情况下,将第一、第二物体目标互相建立对应关系;第二处理部,预测由第一处理部互相建立了对应关系的第一、第二物体目标的将来的位置及速度,第一处理部基于由第二处理部预测的预测结果和由第一、第二识别装置识别的识别结果,判定第一识别装置或第二识别装置的状态是否为规定状态。
Description
技术领域
本发明涉及物体目标识别系统、物体目标识别方法及存储介质。
背景技术
以往,已知有识别存在于本车辆的前方的物体的技术(例如,参照日本特开平7-182484)。
然而,在以往的技术中,关于错误地识别物体的情况没有做充分的研究。其结果是,存在无法精度良好地识别物体的情况。
发明内容
本发明的技术方案是考虑这样的情形做出的,其目的之一在于提供一种能够提高处理速度,同时提高物体目标的识别精度的物体目标识别系统、物体目标识别方法及存储介质。
本发明的物体目标识别系统、物体目标识别方法及存储介质采用了以下的结构。
(1)本发明的一技术方案是一种物体目标识别系统,具备:第一识别装置,其识别物体目标的位置及速度;第二识别装置,其识别物体目标的位置及速度,且与所述第一识别装置不同;第一处理部,其判定由所述第一识别装置识别出的第一物体目标与由所述第二识别装置识别出的第二物体目标是否为同一物体目标,在判定为所述第一物体目标与所述第二物体目标是同一物体目标的情况下,将所述第一物体目标与所述第二物体目标互相建立对应关系;以及第二处理部,其预测由所述第一处理部互相建立了对应关系的所述第一物体目标及所述第二物体目标的将来的位置及速度,所述第一处理部基于由所述第二处理部预测的预测结果和由所述第一识别装置及所述第二识别装置识别的识别结果,来判定所述第一识别装置或所述第二识别装置的状态是否为规定状态。
(2)以(1)的技术方案的物体目标识别系统为基础,所述第一处理部判定由所述第一识别装置及所述第二识别装置识别的识别结果与由所述第二处理部预测的预测结果是否一致,在所述第一识别装置或所述第二识别装置中的任一方的识别结果与所述第二处理部的预测结果不一致的情况下,所述第一处理部判定为与所述第二处理部的预测结果不一致的一方的识别装置处于规定状态。
(3)以(1)或(2)的技术方案的物体目标识别系统为基础,所述第二处理部还基于第一时机下的所述第二处理部的预测结果和比所述第一时机靠后的第二时机下的所述第一识别装置及所述第二识别装置的识别结果,来导出在所述第二时机识别出的物体目标的速度及位置,所述物体目标识别系统还具备信息管理部,该信息管理部根据由所述第一处理部判定的判定结果,来将由所述第二处理部导出的导出结果存储于存储部,所述第二处理部基于所述信息管理部存储于所述存储部的信息,来预测在所述第二时机识别出的物体目标的将来的位置及速度。
(4)以(1)至(3)中的任一技术方案的物体目标识别系统为基础,在由所述第一处理部判定为所述第一识别装置或所述第二识别装置中的任一方处于规定状态的情况下,所述第二处理部基于被判定为不处于所述规定状态的一方的识别装置的识别结果,来预测物体目标的将来的位置及速度。
(5)以(1)至(4)中的任一技术方案的物体目标识别系统为基础,所述第一识别装置包括相机、通过解析所述相机的图像来识别物体目标的图像识别部、以及基于由物体目标反射的电磁波来识别物体目标的雷达,所述第一识别装置将由所述图像识别部和所述雷达分别识别出的物体目标中的判定为是同一物体目标的物体目标的位置及速度向所述第一处理部输出。
(6)以(1)至(5)中的任一技术方案的物体目标识别系统为基础,所述第二识别装置包括相机、通过解析所述相机的图像来识别物体目标的图像识别部、以及基于投射到物体目标的光由所述物体目标反射的反射波来识别所述物体目标的激光雷达,所述第二识别装置将由所述图像识别部和所述激光雷达分别识别出的物体目标中的判定为是同一物体目标的物体目标的位置及速度向所述第一处理部输出。
(7)本发明的另一技术方案是一种物体目标识别方法,其使具备识别物体目标的位置及速度的第一识别装置和识别物体目标的位置及速度且与所述第一识别装置不同的第二识别装置的车辆上搭载的车载计算机执行如下处理:判定由所述第一识别装置识别出的第一物体目标与由所述第二识别装置识别出的第二物体目标是否为同一物体目标;在判定为所述第一物体目标与所述第二物体目标是同一物体目标的情况下,将所述第一物体目标与所述第二物体目标互相建立对应关系;预测互相建立了对应关系的所述第一物体目标及所述第二物体目标的将来的位置及速度;以及基于所述第一物体目标及所述第二物体目标的将来的位置及速度的预测结果和由所述第一识别装置及所述第二识别装置识别的识别结果,来判定所述第一识别装置或所述第二识别装置的状态是否为规定状态。
(8)本发明的另一技术方案是一种存储介质,其保存有程序,该程序用于使具备识别物体目标的位置及速度的第一识别装置和识别物体目标的位置及速度且与所述第一识别装置不同的第二识别装置的车辆上搭载的车载计算机执行:判定由所述第一识别装置识别出的第一物体目标与由所述第二识别装置识别出的第二物体目标是否为同一物体目标的处理;在判定为所述第一物体目标与所述第二物体目标是同一物体目标的情况下,将所述第一物体目标与所述第二物体目标互相建立对应关系的处理;预测互相建立了对应关系的所述第一物体目标及所述第二物体目标的将来的位置及速度的处理;以及基于所述第一物体目标及所述第二物体目标的将来的位置及速度的预测结果和由所述第一识别装置及所述第二识别装置识别的识别结果,来判定所述第一识别装置或所述第二识别装置的状态是否为规定状态的处理。
根据上述(1)、(2)、(7)、(8)的技术方案,能够提高处理速度,同时提高物体目标的识别精度。
根据上述(3)的技术方案,能够进一步提高处理速度。
根据上述(4)的技术方案,在各识别装置的轴在上下方向上偏移了的情况下,将轴修正为正确的值,对识别装置所包含的各传感器的检测值进行融合,由此,在轴偏移以后也能够提高物体目标的识别精度。
根据上述(5)的技术方案,能够进一步提高物体目标的识别精度。
根据上述(6)的技术方案,能够进一步提高物体目标的识别精度。
附图说明
图1是第一实施方式的物体目标识别系统的结构图。
图2是示出由物体目标识别系统进行的一系列处理的流程图。
图3是示出识别装置被判定为处于规定状态的状况的一例的图。
图4是示出第一物体目标及第二物体目标均被判定为是未识别物体目标的状况的一例的图。
图5是示出第一物体目标及第二物体目标均被判定为是已识别物体目标的状况的一例的图。
图6是第二实施方式的物体目标识别系统的结构图。
具体实施方式
以下,参照附图,对本发明的物体目标识别系统、物体目标识别方法及存储介质的实施方式进行说明。
<第一实施方式>
[系统结构]
图1是第一实施方式的物体目标识别系统1的结构图。第一实施方式的物体目标识别系统1例如搭载于二轮、三轮、四轮等的车辆(以下,称作本车辆M)。本车辆M例如由柴油发动机、汽油发动机等内燃机、电动机、或者将它们组合而成的驱动源驱动。电动机使用由连结于内燃机的发电机发出的发电电力、或者二次电池、燃料电池的放电电力来进行动作。
物体目标识别系统1例如具备第一识别装置10、第二识别装置20、车辆传感器30、修正部40、第一处理部50、新物体目标生成部60、第二处理部70、物体目标信息管理部80、时间序列坐标变换部90、存储部95、第一分配器D1、第二分配器D2、第一缓冲器B1及第二缓冲器B2。物体目标识别系统1也可以构成为不包括上述多个构成要素中的第一识别装置10、第二识别装置20及车辆传感器30。
除了第一识别装置10、第二识别装置20、车辆传感器30及存储部95以外的上述构成要素(功能部)例如通过CPU(Central Processing Unit)等处理器执行程序(软件)来实现。这些构成要素的一部分或全部既可以通过LSI(Large Scale Integration)、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)等硬件来实现,也可以通过软件与硬件的协同配合来实现。
存储部95例如通过HDD(Hard Disk Drive)、闪存器、RAM(Random AccessMemory)、ROM(Read Only Memory)等存储装置来实现。在存储部95中例如保存有由处理器执行的程序。
物体目标识别系统1所包含的各构成要素(各种装置、设备)通过CAN(ControllerArea Network)通信线等多路通信线、串行通信线、无线通信网等而互相连接。基于程序实现的功能部彼此的信息传递通过向存储器的共有区域、寄存器写入信息来进行。
第一识别装置10例如具备第一相机12、雷达14及第一融合处理部16。第一相机12例如是利用了CCD(Charge Coupled Device)、CMOS(Complementary Metal OxideSemiconductor)等固体摄像元件的数码相机。第一相机12在本车辆M的任意部位安装有一个或多个。在对前方进行拍摄的情况下,第一相机12安装于前风窗玻璃上部、车室内后视镜背面等。第一相机12例如周期性地反复对本车辆M的周边进行拍摄。第一相机12也可以是立体摄影机。
雷达14向本车辆M的周边放射毫米波等电波,并且检测由物体目标反射的电波(反射波)来至少识别物体目标的位置(距离及方位)。雷达14在本车辆M的任意部位安装有一个或多个。雷达14既可以通过FM-CW(Frequency Modulated Continuous Wave)方式来识别物体的位置及速度,也可以基于识别出的物体目标的位置的随时间的变化来识别速度。
第一融合处理部16包括图像识别部(图像处理部)16a。图像识别部16a也可以是随附于第一相机12的结构。图像识别部16a解析第一相机12的拍摄图像来识别物体目标的位置及速度。第一融合处理部16例如对由第一相机12及图像识别部16a识别的识别结果与由雷达14识别的识别结果进行传感器融合处理,从而导出物体目标的位置、速度、种类(例如车辆、行人、护栏等种类)、延迟量等。物体目标的位置例如由与本车辆M所存在的实际空间(以宽度、进深、高度为基底的空间)对应的空间(以下,称作假想三维空间)中的坐标等表现。
第一融合处理部16对作为位置、速度等的导出对象的各物体目标赋予用于将物体目标彼此互相识别出的物体目标ID。第一融合处理部16将与物体目标ID对应的包含各物体目标的位置、速度、种类、延迟量、识别时刻(传感器融合处理的实施时刻)等的信息(以下,称作第一物体目标信息)向修正部40及第一分配器D1输出,而且,将物体目标的速度的信息向第一处理部50输出。
以下,以第一识别装置10一次识别的物体目标为一个的方式进行说明,但是,第一识别装置10也可以同时识别多个物体目标。关于第二识别装置20也是同样的。
第二识别装置20例如具备第二相机22、探测器24及第二融合处理部26。第二相机22例如与第一相机12同样,是利用了CCD、CMOS等固体摄像元件的数码相机。第二相机22在本车辆M的任意部位安装有一个或多个。第二相机22例如周期性地反复对本车辆M的周边进行拍摄。第二相机22也可以是立体摄影机。
探测器24是测定相对于照射光的散射光而至少利用物体目标的轮廓的一部分来识别物体目标的位置及速度的LIDAR(激光雷达;Light Detection and Ranging)。探测器24在本车辆M的任意部位安装有一个或多个。
第二融合处理部26包括图像识别部(图像处理部)26a。图像识别部26a也可以是随附于第二相机22的结构。图像识别部26a解析第二相机22的拍摄图像来识别物体目标的位置及速度。第二融合处理部26例如对由第二相机22及图像识别部26a识别的识别结果和由探测器24识别的识别结果进行传感器融合处理,从而导出物体目标的位置(假想三维空间中的位置)、速度、种类、形状、延迟量等。第二融合处理部26对作为位置、速度等的导出对象的各物体目标赋予物体目标ID。第二融合处理部26将与物体目标ID对应的包含各物体目标的位置、速度、形状、种类、延迟量、识别时刻等的信息(以下,称作第二物体目标信息)向修正部40及第二分配器D2输出,而且,将物体目标的速度的信息向第一处理部50输出。
车辆传感器30例如包括检测本车辆M的速度的车速传感器、检测加速度的加速度传感器、检测绕铅垂轴的角速度的横摆角速度传感器、检测本车辆M的朝向的方位传感器等。车辆传感器30将表示由各传感器检测出的检测结果的信息向时间序列坐标变换部90输出。
修正部40参照第一物体目标信息及第二物体目标信息,进行用于使彼此的信息所包含的物体目标的位置在时间上同步的修正。例如,假设第一识别装置10的第一融合处理部16以某个规定的周期(以下,称作第一周期)反复进行传感器融合处理,每当这时,向修正部40输出第一物体目标信息,第二识别装置20的第二融合处理部26以比第一周期短或长的周期(以下,称作第二周期)反复进行传感器融合处理,每当这时,向修正部40输出第二物体目标信息。在该情况下,未必在相同时刻识别物体目标,有可能将在不同的时刻识别出的物体目标的物体目标信息向修正部40输出。因此,修正部40参照从第一识别装置10及第二识别装置20分别输入的物体目标信息的识别时刻,对识别出的物体目标的位置及速度进行修正,以使彼此的信息同步。此时,修正部40根据需要进行线性插补等处理,将第一物体目标信息及第二物体目标信息中的一方或双方的位置的信息修正为在某个作为基准的时机识别出的情况下的信息。
第一处理部50基于从修正部40输入的物体目标信息(物体目标的位置及速度被修正后的物体目标信息)、从第一识别装置10及第二识别装置20分别输入的物体目标的速度的信息、以及从后述的第二处理部70输入的信息,来判定由第一识别装置10识别出的物体目标(以下,称作第一物体目标)与由第二识别装置20识别出的物体目标(以下,称作第二物体目标)是否为同一物体目标,在判定为是同一物体目标的情况下,将被判定为是同一物体目标的物体目标彼此互相建立对应关系。“建立对应关系”例如是对两个物体目标赋予表示是一个物体目标的情况的识别信息(共用的物体目标ID)。
而且,第一处理部50针对第一物体目标和第二物体目标分别判定是否为在过去识别过的物体目标(以下,称作已识别物体目标),并基于该判定结果来输出对第一分配器D1及第二分配器D2的输出目的地进行切换的控制信号(图中虚线箭头)。
第一处理部50在判定为第一物体目标是已识别物体目标的情况下,使第一分配器D1将被从第一识别装置10输入的第一物体目标信息向第二处理部70输出,在判定为不是已识别物体目标的情况下,使第一分配器D1将从第一识别装置10输入的第一物体目标信息向新物体目标生成部60输出。此时,第一处理部50也可以将表示第一物体目标与第二物体目标互相建立了对应关系的情况的信息向新物体目标生成部60或第二处理部70输出。
第一处理部50在判定为第二物体目标是已识别物体目标的情况下,使第二分配器D2将从第二识别装置20输入的第二物体目标信息向第二处理部70输出,在判定为第二物体目标不是已识别物体目标的情况下,使第二分配器D2将从第二识别装置20输入的第二物体目标信息向新物体目标生成部60输出。此时,第一处理部50也可以将表示第一物体目标与第二物体目标互相建立了对应关系的情况的信息向新物体目标生成部60或第二处理部70输出。
第一处理部50具备判定部50a。判定部50a基于由第一识别装置10及第二识别装置20识别的识别结果和由后述的第二处理部70的预测部74预测的预测结果,来判定第一识别装置10或第二识别装置20的状态是否为规定状态。规定状态例如包括第一识别装置10或第二识别装置20向各装置的安装状态与系统的设想情况相偏离了的状态(例如轴偏移状态)。
新物体目标生成部60当被从各分配器输入物体目标信息时,将该输入的物体目标信息向物体目标信息管理部80输出,并且将对物体目标信息所表示的物体目标赋予的物体目标ID作为新物体目标的识别信息向物体目标信息管理部80输出。
新物体目标生成部60具备过度检测去除部60a。过度检测去除部60a例如在由第一处理部50将第一物体目标与第二物体目标互相建立了对应关系的情况下,即第一物体目标与第二物体目标为同一物体目标的情况下,判定为不是过度检测。过度检测去除部60a在没有由第一处理部50将第一物体目标与第二物体目标互相建立了对应关系的情况下,即第一物体目标与第二物体目标不是同一物体目标的情况下,既可以立即判定为是过度检测,也可以如后述的第二实施方式那样,在满足规定条件的情况下判定为是过度检测。
新物体目标生成部60例如在没有由过度检测去除部60a判定为产生了过度检测的情况下,将与第一物体目标信息所表示的第一物体目标和第二物体目标信息所表示的第二物体目标相关的信息向物体目标信息管理部80输出。在与各物体目标相关的信息中,在第一物体目标与第二物体目标互相没有建立对应关系的情况下,包含第一物体目标信息及第二物体目标信息,在第一物体目标与第二物体目标互相建立了对应关系的情况下,除了第一物体目标信息及第二物体目标信息之外,还包含共用的物体目标ID。
第二处理部70例如具备导出部72和预测部74。导出部72例如基于由预测部74输出的信息和被从各分配器输入的信息,来导出物体目标的位置及速度。例如,导出部72导出作为同一物体目标而互相建立了对应关系的第一物体目标及第二物体目标的位置及速度与由预测部74预测出的物体目标的将来的位置及速度的平均。导出部72将导出结果向物体目标信息管理部80输出。
预测部74例如使用时间序列滤波,预测互相建立了对应关系的第一物体目标及第二物体目标的将来的位置及速度。时间序列滤波例如是卡尔曼滤波、粒子滤波等用于预测观测对象(在实施方式中为物体目标)的将来的状态的算法。例如,预测部74通过将导出部72的最近的导出结果作为对于时间序列滤波的输入,从而取得由时间序列滤波导出的位置及速度作为预测结果。预测部74将物体目标的将来的位置及速度的预测结果向第一处理部50及导出部72分别输出。
物体目标信息管理部80例如基于由新物体目标生成部60处理的处理结果,来将由导出部72导出的导出结果存储于存储部95,从而按识别时刻来管理作为同一物体目标而互相建立了对应关系的第一物体目标及第二物体目标的位置及速度。
物体目标信息管理部80将由导出部72导出的导出结果经由第一缓冲器B1向时间序列坐标变换部90输出,并且经由第二缓冲器B2向上位装置输出。上位装置例如是利用物体目标识别系统1的识别结果自动地进行本车辆M的速度控制及转向控制,或者对速度控制或转向控制中的一方或双方进行支援的装置。
时间序列坐标变换部90例如基于被从车辆传感器30输入的信息,来对经由第一缓冲器B1从物体目标信息管理部80输入的物体目标的位置进行变换(修正)。例如,时间序列坐标变换部90根据物体目标与本车辆M的相对距离、相对速度的随时间的变化量,来对通过传感器融合处理得到的假想三维空间中的物体目标的位置进行坐标变换。时间序列坐标变换部90将包含变换后的位置的物体目标信息向预测部74输出。
[处理流程]
以下,使用流程图来说明由物体目标识别系统1进行的一系列处理。图2是示出由物体目标识别系统1进行的一系列处理的流程图。本流程图的处理例如可以以规定的周期反复进行。
首先,第一处理部50判定第一物体目标信息所表示的第一物体目标是否为已识别物体目标(步骤S100)。例如,第一处理部50判定第一物体目标的位置及速度与由预测部74上次预测出的物体目标的位置及速度之差是否处于允许范围内,在它们的差处于允许范围内的情况下,判定为第一物体目标是已识别物体目标,在它们的差处于允许范围外的情况下,判定为第一物体目标不是已识别物体目标。
第一处理部50在判定为第一物体目标是已识别物体目标的情况下,控制第一分配器D1而将第一物体目标信息向第二处理部70输出(步骤S102),在判定为第一物体目标不是已识别物体目标而是新物体目标的情况下,控制第一分配器D1而将第一物体目标信息向新物体目标生成部60输出(步骤S104)。
接着,第一处理部50判定第二物体目标信息所表示的第二物体目标是否为已识别物体目标(步骤S106)。例如,与判定第一物体目标是否为已识别物体目标的处理(S100的处理)同样地,第一处理部50判定第二物体目标的位置及速度与由预测部74上次预测出的物体目标的位置及速度之差是否处于允许范围内,在它们的差处于允许范围内的情况下,判定为第二物体目标是已识别物体目标,在它们的差处于允许范围外的情况下,判定为第二物体目标不是已识别物体目标。
第一处理部50在判定为第二物体目标是已识别物体目标的情况下,控制第二分配器D2而将第二物体目标信息向第二处理部70输出(步骤S108),在判定为第二物体目标不是已识别物体目标而是新物体目标的情况下,控制第二分配器D2而将第二物体目标信息向新物体目标生成部60输出(步骤S110)。
在被输入了第一物体目标信息及第二物体目标信息中的一方或双方的情况下,第二处理部70的导出部72基于第一物体目标及第二物体目标中的一方或双方的位置及速度和由预测部74上次预测出的物体目标的位置及速度,来导出当前时刻的物体目标的位置及速度。例如,导出部72导出被输入的物体目标信息所包含的物体目标的位置及速度与上次预测出的物体目标的位置及速度的平均值等,来作为当前时刻的物体目标的位置及速度,并将该导出结果向物体目标信息管理部80输出。
接着,第一处理部50将第一物体目标信息与第二物体目标信息进行比较,来判定第一物体目标与第二物体目标是否为同一物体目标(步骤S112)。
例如,第一处理部50判定第一物体目标的位置及速度与第二物体目标的位置及速度之差是否处于允许范围内,在第一物体目标的位置及速度与第二物体目标的位置及速度之差处于允许范围内的情况下,判定为第一物体目标与第二物体目标是同一物体目标,对第一物体目标及第二物体目标赋予共用的物体目标ID,从而将这两个物体目标互相建立对应关系(步骤S114)。
另一方面,第一处理部50在判定为第一物体目标的位置及速度与第二物体目标的位置及速度之差不处于允许范围内的情况下,省略S114的处理。
接着,第一处理部50的判定部50a基于第一识别装置10及第二识别装置20这双方的识别结果和第二处理部70的预测部74的预测结果,来判定第一识别装置10或第二识别装置20的状态是否为规定状态(步骤S116)。
例如,判定部50a在第一物体目标与第二物体目标不是同一物体目标而一方的物体目标是已识别物体目标,另一方的物体目标是新物体目标的情况下,判定为被判定为是新物体目标的一方的识别装置处于规定状态。
判定部50a在第一物体目标与第二物体目标不是同一物体目标且两个物体目标都是已识别物体目标或新物体目标的情况下,判定为第一识别装置10或第二识别装置20中的某一个处于规定状态。
第一处理部50决定将处于规定状态的一方的识别装置的下次以后的物体目标信息废弃(删除)(步骤S118)。由此,省略S112、S114等的物体目标的建立对应关系处理。在该情况下,预测部74在任一方的识别装置处于规定状态的期间,仅使用不处于规定状态的一方的识别装置的物体目标信息来反复预测物体目标的将来的位置及速度。
在无法区别哪一方的识别装置处于规定状态的情况下,第一处理部50可以决定将双方的识别装置的下次以后的物体目标信息废弃,结束本流程图的处理。
图3是示出识别装置被判定为处于规定状态的状况的一例的图。图示的例子表示假想三维空间(x-y-z空间)中的一平面(x-z平面)内的各物体目标的位置。在如图示的例子那样第二物体目标不存在于以第一物体目标的位置为基准的允许范围内且预测位置存在于以第二物体目标的位置为基准的允许范围内的情况下,判定部50a将第一物体目标判定为是新物体目标,将第二物体目标判定为是已识别物体目标。此时,在如图示的例子那样第一物体目标与第二物体目标互相偏移了允许范围以上的情况下,判定部50a判定为第二识别装置20不处于规定状态,判定为第一识别装置10处于规定状态。
图4是示出第一物体目标及第二物体目标均被判定为是新物体目标的状况的一例的图。在如图示的例子那样第二物体目标存在于以第一物体目标的位置为基准的允许范围内但预测位置不存在于各个物体目标的允许范围内的情况下,判定部50a判定为第一物体目标与第二物体目标是相同的物体目标,且两个物体目标都是新物体目标。
图5是示出第一物体目标及第二物体目标均被判定为是已识别物体目标的状况的一例的图。例如,由于第二物体目标存在于以第一物体目标的位置为基准的允许范围内且预测位置存在于各个物体目标的允许范围内,因此判定部50a判定为第一物体目标与第二物体目标是相同的物体目标,且两个物体目标都是已识别物体目标。
接着,新物体目标生成部60的过度检测去除部60a在被经由各分配器从识别装置输入了物体目标信息的情况下,根据在S114的处理中是否将第一物体目标与第二物体目标互相建立了对应关系,来判定在由第一识别装置10或第二识别装置20识别的识别结果中是否产生了过度检测(步骤S120)。
例如,在被赋予了共用的物体目标ID而第一物体目标与第二物体目标互相建立了对应关系的情况下,即第一物体目标与第二物体目标是同一物体目标的情况下,过度检测去除部60a判定为没有产生过度检测,在没有被赋予共用的物体目标ID而第一物体目标与第二物体目标互相没有建立对应关系的情况下,即第一物体目标与第二物体目标不是同一物体目标的情况下,过度检测去除部60a判定为产生了过度检测。
在判定为没有产生过度检测的情况下,新物体目标生成部60将被从识别装置输入的物体目标信息向物体目标信息管理部80输出(步骤S122)。物体目标信息管理部80接受到该情况而将新物体目标的物体目标信息存储于存储部95。物体目标信息管理部80将新物体目标的物体目标信息经由第一缓冲器B1向时间序列坐标变换部90输出,并且经由第二缓冲器B2向上位装置输出。
另一方面,在判定为产生了过度检测的情况下,新物体目标生成部60将从识别装置输入的物体目标信息废弃(步骤S124)。由此,本流程图的处理结束。
根据以上说明的第一实施方式,具备:第一识别装置10,其利用来自物体目标的反射波来识别物体目标的位置及速度;第二识别装置20,其至少利用物体目标的轮廓的一部分来识别物体目标的位置及速度;第一处理部50,其判定由第一识别装置10识别出的物体目标与由第二识别装置20识别出的物体目标是否为同一物体目标,在判定为是同一物体目标的情况下,将判定为是同一物体目标的物体目标彼此互相建立对应关系;预测部74,其预测由第一处理部50建立了对应关系的物体目标的将来的位置及速度;以及判定部50a,其基于由预测部74预测的预测结果和由第一识别装置10及第二识别装置20识别的识别结果,来判定第一识别装置10或第二识别装置20的状态是否为规定状态,由此,能够提高处理速度,同时提高物体目标的识别精度。
例如,通过使判定部50a在与第一处理部50相同的阶段进行处理,从而不再需要在导出部72的后段进行处理,处理速度提高。通过由判定部50a判定各识别装置是否处于规定状态,从而不使用由于轴偏移等而成为了本来不应该用于物体目标识别的状态的识别装置的识别结果,因此,能够提高物体目标的识别精度。
根据上述的第一实施方式,在产生了过度检测的情况下,过度检测去除部60a将物体目标信息废弃,因此能够将被判定为是过度检测的物体目标的位置及速度从向预测部74的时间序列滤波的输入中排除。其结果是,即使在由于过度检测的发生而物体目标的位置及速度暂时脱离了至此为止的识别结果的情况下,也不将该物体目标信息反映于下一预测处理,因此能够精度良好地继续识别物体目标。
<第二实施方式>
以下,对第二实施方式进行说明。在第二实施方式中,与上述的第一实施方式不同点在于,在本车辆M行驶于预先判明了容易产生过度检测的规定区间的情况下,在该规定区间中过度检测去除部60a进行动作,在除此以外的区间中过度检测去除部60a不进行动作。以下,以与第一实施方式的不同点为中心进行说明,省略关于与第一实施方式共用的功能等的说明。
[系统结构]
图6是第二实施方式的物体目标识别系统1A的结构图。第二实施方式的物体目标识别系统1A的过度检测去除部60a例如以有线或无线的方式与外部存储装置200通信,参照存储于外部存储装置200的高精度地图信息200a。高精度地图信息200a例如包含车道的中央的信息或车道的边界的信息等。高精度地图信息200a包含高速道路、收费道路、国道、省道这样的表示道路的类别的信息、道路的基准速度、车道数、各车道的宽度、道路的坡度、道路的位置(包含经度、纬度、高度的三维坐标)、道路或该道路的各车道的转弯的曲率、车道的汇合及分支点的位置、设置于道路的标识等信息。
例如,过度检测去除部60a参照高精度地图信息200a,判定在本车辆M所行驶的预定的路径中是否存在规定区间。规定区间如上所述是容易产生过度检测的区间,例如是显示道路的路面冻结或拥堵信息的道路信息公告牌、或者在车道的汇合及分支点设置的碰撞冲击缓冲器具所存在的区间。例如,在路径上存在规定区间且本车辆M到达了该规定区间的情况下,过度检测去除部60a开始过度检测的判定处理。另一方面,在本车辆M没有到达规定区间的情况下,或者在预定路径上不存在规定区间的情况下,过度检测去除部60a停止过度检测的判定处理。这样,仅限于在预先判明了容易产生过度检测的区间中进行过度检测的判定处理,因此能够抑制不必要地判定为是过度检测的情况,能够进一步提高物体目标的识别精度。
第二实施方式的过度检测去除部60a在基于概率、可靠度这样的规定的指标值来判定过度检测的有无的情况下,可以通过在规定区间和不是规定区间的区间变更相对于指标值的阈值,来进行过度检测的判定。例如,过度检测去除部60a综合地判断由第一识别装置10或第二识别装置20输出的物体目标信息和第一处理部50的判定部50a的判定结果,并导出表示过度检测有可能以何种程度产生的指标值,在该指标值成为阈值以上的情况下判定为是过度检测。此时,过度检测去除部60a通过在规定区间使相对于指标值的阈值降低,从而容易判定为是过度检测,通过在其他区间使阈值上升,从而难以判定为是过度检测。由此,能够抑制不必要地判定为是过度检测的情况,能够进一步提高物体目标的识别精度。
根据以上说明的第二实施方式,在容易产生过度检测的区间容易判定为是过度检测,在除此以外的区间难以判定为是过度检测,因此能够抑制不必要地判定为是过度检测的情况。其结果是,能够进一步提高物体目标的识别精度。
以上,关于本发明的具体实施方式,使用实施方式进行了说明,但是,本发明丝毫不限定于这样的实施方式,在不脱离本发明的主旨的范围内能够施加各种变形及替换。
Claims (8)
1.一种物体目标识别系统,其特征在于,
所述物体目标识别系统具备:
第一识别装置,其识别物体目标的位置及速度;
第二识别装置,其识别物体目标的位置及速度,且与所述第一识别装置不同;
第一处理部,其判定由所述第一识别装置识别出的第一物体目标与由所述第二识别装置识别出的第二物体目标是否为同一物体目标,在判定为所述第一物体目标与所述第二物体目标是同一物体目标的情况下,将所述第一物体目标与所述第二物体目标互相建立对应关系;以及
第二处理部,其预测由所述第一处理部互相建立了对应关系的所述第一物体目标及所述第二物体目标的将来的位置及速度,
所述第一处理部基于由所述第二处理部预测的预测结果和由所述第一识别装置及所述第二识别装置识别的识别结果,来判定所述第一识别装置或所述第二识别装置的状态是否为规定状态。
2.根据权利要求1所述的物体目标识别系统,其中,
所述第一处理部判定由所述第一识别装置及所述第二识别装置识别的识别结果与由所述第二处理部预测的预测结果是否一致,
在所述第一识别装置或所述第二识别装置中的任一方的识别结果与所述第二处理部的预测结果不一致的情况下,所述第一处理部判定为与所述第二处理部的预测结果不一致的一方的识别装置处于规定状态。
3.根据权利要求1所述的物体目标识别系统,其中,
所述第二处理部还基于第一时机下的所述第二处理部的预测结果和比所述第一时机靠后的第二时机下的所述第一识别装置及所述第二识别装置的识别结果,来导出在所述第二时机识别出的物体目标的速度及位置,
所述物体目标识别系统还具备信息管理部,该信息管理部根据由所述第一处理部判定的判定结果,来将由所述第二处理部导出的导出结果存储于存储部,
所述第二处理部基于所述信息管理部存储于所述存储部的信息,来预测在所述第二时机识别出的物体目标的将来的位置及速度。
4.根据权利要求1所述的物体目标识别系统,其中,
在由所述第一处理部判定为所述第一识别装置或所述第二识别装置中的任一方处于规定状态的情况下,所述第二处理部基于被判定为不处于所述规定状态的一方的识别装置的识别结果,来预测物体目标的将来的位置及速度。
5.根据权利要求1所述的物体目标识别系统,其中,
所述第一识别装置包括相机、通过解析所述相机的图像来识别物体目标的图像识别部、以及基于由物体目标反射的电磁波来识别物体目标的雷达,
所述第一识别装置将由所述图像识别部和所述雷达分别识别出的物体目标中的判定为是同一物体目标的物体目标的位置及速度向所述第一处理部输出。
6.根据权利要求1所述的物体目标识别系统,其中,
所述第二识别装置包括相机、通过解析所述相机的图像来识别物体目标的图像识别部、以及基于投射到物体目标的光由所述物体目标反射的反射波来识别所述物体目标的激光雷达,
所述第二识别装置将由所述图像识别部和所述激光雷达分别识别出的物体目标中的判定为是同一物体目标的物体目标的位置及速度向所述第一处理部输出。
7.一种物体目标识别方法,其特征在于,
所述物体目标识别方法使具备识别物体目标的位置及速度的第一识别装置和识别物体目标的位置及速度且与所述第一识别装置不同的第二识别装置的车辆上搭载的车载计算机执行如下处理:
判定由所述第一识别装置识别出的第一物体目标与由所述第二识别装置识别出的第二物体目标是否为同一物体目标;
在判定为所述第一物体目标与所述第二物体目标是同一物体目标的情况下,将所述第一物体目标与所述第二物体目标互相建立对应关系;
预测互相建立了对应关系的所述第一物体目标及所述第二物体目标的将来的位置及速度;以及
基于所述第一物体目标及所述第二物体目标的将来的位置及速度的预测结果和由所述第一识别装置及所述第二识别装置识别的识别结果,来判定所述第一识别装置或所述第二识别装置的状态是否为规定状态。
8.一种存储介质,其特征在于,
所述存储介质保存有程序,该程序用于使具备识别物体目标的位置及速度的第一识别装置和识别物体目标的位置及速度且与所述第一识别装置不同的第二识别装置的车辆上搭载的车载计算机执行:
判定由所述第一识别装置识别出的第一物体目标与由所述第二识别装置识别出的第二物体目标是否为同一物体目标的处理;
在判定为所述第一物体目标与所述第二物体目标是同一物体目标的情况下,将所述第一物体目标与所述第二物体目标互相建立对应关系的处理;
预测互相建立了对应关系的所述第一物体目标及所述第二物体目标的将来的位置及速度的处理;以及
基于所述第一物体目标及所述第二物体目标的将来的位置及速度的预测结果和由所述第一识别装置及所述第二识别装置识别的识别结果,来判定所述第一识别装置或所述第二识别装置的状态是否为规定状态的处理。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017-107855 | 2017-05-31 | ||
JP2017107855A JP6509279B2 (ja) | 2017-05-31 | 2017-05-31 | 物標認識システム、物標認識方法、およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108983247A true CN108983247A (zh) | 2018-12-11 |
CN108983247B CN108983247B (zh) | 2022-08-23 |
Family
ID=64459969
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810527663.7A Active CN108983247B (zh) | 2017-05-31 | 2018-05-28 | 物体目标识别系统、物体目标识别方法及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US20180350094A1 (zh) |
JP (1) | JP6509279B2 (zh) |
CN (1) | CN108983247B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
GB202013100D0 (en) * | 2020-08-21 | 2020-10-07 | Five Ai Ltd | Image annotation tools |
Citations (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59230108A (ja) * | 1983-06-14 | 1984-12-24 | Mitsubishi Electric Corp | 目標追跡装置 |
JPH07182484A (ja) * | 1993-12-24 | 1995-07-21 | Nissan Motor Co Ltd | 移動車の前方認識装置ならびに車輌用走行制御装置 |
JP2002099906A (ja) * | 2000-09-22 | 2002-04-05 | Mazda Motor Corp | 物体認識装置 |
US20020060783A1 (en) * | 2000-11-17 | 2002-05-23 | Chiaki Aoyama | Distance measuring apparatus and method employing two image taking devices having different measurement accuracy |
JP2004163218A (ja) * | 2002-11-12 | 2004-06-10 | Toshiba Corp | 空港監視システム |
CN101320089A (zh) * | 2007-06-05 | 2008-12-10 | 通用汽车环球科技运作公司 | 用于车辆动力估计的雷达、激光雷达和摄像机增强的方法 |
CN101327796A (zh) * | 2007-06-05 | 2008-12-24 | 通用汽车环球科技运作公司 | 用于避免后路口交通碰撞的方法和设备 |
CN101655561A (zh) * | 2009-09-14 | 2010-02-24 | 南京莱斯信息技术股份有限公司 | 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法 |
JP2012016003A (ja) * | 2010-06-30 | 2012-01-19 | Ajou Univ Industry Cooperation Foundation | 監視カメラを使用する能動的客体追跡装置及び方法 |
CN103155015A (zh) * | 2010-09-08 | 2013-06-12 | 丰田自动车株式会社 | 移动物预测装置、假想活动物预测装置、程序模块、移动物预测方法以及假想活动物预测方法 |
CN104054005A (zh) * | 2012-01-16 | 2014-09-17 | 丰田自动车株式会社 | 物体检测装置 |
JP2015123899A (ja) * | 2013-12-26 | 2015-07-06 | トヨタ自動車株式会社 | 車両周辺状況推定装置 |
US20150324652A1 (en) * | 2014-05-09 | 2015-11-12 | Honda Motor Co., Ltd. | Object recognition apparatus |
CN105372660A (zh) * | 2014-08-27 | 2016-03-02 | 启碁科技股份有限公司 | 预警方法及车用雷达系统 |
CN105787502A (zh) * | 2015-01-14 | 2016-07-20 | 通用汽车环球科技运作有限责任公司 | 用于物体融合的目标分类集合技术 |
CN105849620A (zh) * | 2013-11-01 | 2016-08-10 | 艾罗伯特公司 | 扫描测距仪 |
JP2016523751A (ja) * | 2013-05-03 | 2016-08-12 | グーグル インコーポレイテッド | 車両の速度を制御するための予測推定 |
CN105917386A (zh) * | 2014-01-21 | 2016-08-31 | 索尼互动娱乐股份有限公司 | 信息处理设备、信息处理系统、块系统和信息处理方法 |
JP2016191686A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社デンソー | 車両制御装置、及び車両制御方法 |
CN106471522A (zh) * | 2014-07-02 | 2017-03-01 | 株式会社电装 | 物体检测用方法及装置、以及计算机程序产品 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4407920B2 (ja) * | 2004-05-19 | 2010-02-03 | ダイハツ工業株式会社 | 障害物認識方法及び障害物認識装置 |
US10179543B2 (en) * | 2013-02-27 | 2019-01-15 | Magna Electronics Inc. | Multi-camera dynamic top view vision system |
US10599150B2 (en) * | 2016-09-29 | 2020-03-24 | The Charles Stark Kraper Laboratory, Inc. | Autonomous vehicle: object-level fusion |
-
2017
- 2017-05-31 JP JP2017107855A patent/JP6509279B2/ja not_active Expired - Fee Related
-
2018
- 2018-05-28 CN CN201810527663.7A patent/CN108983247B/zh active Active
- 2018-05-29 US US15/990,864 patent/US20180350094A1/en not_active Abandoned
Patent Citations (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS59230108A (ja) * | 1983-06-14 | 1984-12-24 | Mitsubishi Electric Corp | 目標追跡装置 |
JPH07182484A (ja) * | 1993-12-24 | 1995-07-21 | Nissan Motor Co Ltd | 移動車の前方認識装置ならびに車輌用走行制御装置 |
JP2002099906A (ja) * | 2000-09-22 | 2002-04-05 | Mazda Motor Corp | 物体認識装置 |
US20020060783A1 (en) * | 2000-11-17 | 2002-05-23 | Chiaki Aoyama | Distance measuring apparatus and method employing two image taking devices having different measurement accuracy |
JP2004163218A (ja) * | 2002-11-12 | 2004-06-10 | Toshiba Corp | 空港監視システム |
CN101320089A (zh) * | 2007-06-05 | 2008-12-10 | 通用汽车环球科技运作公司 | 用于车辆动力估计的雷达、激光雷达和摄像机增强的方法 |
CN101327796A (zh) * | 2007-06-05 | 2008-12-24 | 通用汽车环球科技运作公司 | 用于避免后路口交通碰撞的方法和设备 |
CN101655561A (zh) * | 2009-09-14 | 2010-02-24 | 南京莱斯信息技术股份有限公司 | 基于联合卡尔曼滤波的多点定位数据与雷达数据融合方法 |
JP2012016003A (ja) * | 2010-06-30 | 2012-01-19 | Ajou Univ Industry Cooperation Foundation | 監視カメラを使用する能動的客体追跡装置及び方法 |
CN103155015A (zh) * | 2010-09-08 | 2013-06-12 | 丰田自动车株式会社 | 移动物预测装置、假想活动物预测装置、程序模块、移动物预测方法以及假想活动物预测方法 |
CN104054005A (zh) * | 2012-01-16 | 2014-09-17 | 丰田自动车株式会社 | 物体检测装置 |
JP2016523751A (ja) * | 2013-05-03 | 2016-08-12 | グーグル インコーポレイテッド | 車両の速度を制御するための予測推定 |
CN105849620A (zh) * | 2013-11-01 | 2016-08-10 | 艾罗伯特公司 | 扫描测距仪 |
JP2015123899A (ja) * | 2013-12-26 | 2015-07-06 | トヨタ自動車株式会社 | 車両周辺状況推定装置 |
CN105917386A (zh) * | 2014-01-21 | 2016-08-31 | 索尼互动娱乐股份有限公司 | 信息处理设备、信息处理系统、块系统和信息处理方法 |
US20150324652A1 (en) * | 2014-05-09 | 2015-11-12 | Honda Motor Co., Ltd. | Object recognition apparatus |
CN105083161A (zh) * | 2014-05-09 | 2015-11-25 | 本田技研工业株式会社 | 物体识别装置以及物体识别方法 |
JP2015215201A (ja) * | 2014-05-09 | 2015-12-03 | 本田技研工業株式会社 | 物体認識装置 |
CN106471522A (zh) * | 2014-07-02 | 2017-03-01 | 株式会社电装 | 物体检测用方法及装置、以及计算机程序产品 |
CN105372660A (zh) * | 2014-08-27 | 2016-03-02 | 启碁科技股份有限公司 | 预警方法及车用雷达系统 |
CN105787502A (zh) * | 2015-01-14 | 2016-07-20 | 通用汽车环球科技运作有限责任公司 | 用于物体融合的目标分类集合技术 |
JP2016191686A (ja) * | 2015-03-31 | 2016-11-10 | 株式会社デンソー | 車両制御装置、及び車両制御方法 |
Non-Patent Citations (2)
Title |
---|
TADASHI KOGA: ""Autonomous Continuous Target Tracking for Multi-sensor Systems and Its Application for Radar Network"", 《2011 TENTH INTERNATIONAL SYMPOSIUM ON AUTONOMOUS DECENTRALIZED SYSTEMS》 * |
鲍堪: "" 智能车辆近场物体探测及其状态识别方法研究"", 《中国优秀硕士学位论文全文数据库 工程科技II辑》 * |
Also Published As
Publication number | Publication date |
---|---|
JP6509279B2 (ja) | 2019-05-08 |
JP2018205878A (ja) | 2018-12-27 |
US20180350094A1 (en) | 2018-12-06 |
CN108983247B (zh) | 2022-08-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105022397B (zh) | 用于使用多个传感器进行物体检测的方法和系统 | |
CN109624974A (zh) | 车辆控制装置、车辆控制方法以及存储介质 | |
JP6571545B2 (ja) | 物体検出装置および物体検出方法 | |
CN109398358B (zh) | 车辆控制装置、车辆控制方法及存储程序的介质 | |
CN110191832A (zh) | 车辆控制装置、车辆控制方法及车辆控制程序 | |
CN110441790B (zh) | 激光雷达系统中的方法和装置串扰和多径降噪 | |
CN110087964B (zh) | 车辆控制系统、车辆控制方法及存储介质 | |
CN104217590A (zh) | 车载交通密度估计器 | |
CN110087959A (zh) | 车辆控制系统、车辆控制方法及车辆控制程序 | |
CN108983218A (zh) | 物体目标识别系统、物体目标识别方法及存储介质 | |
EP3895950A1 (en) | Methods and systems for automated driving system monitoring and management | |
KR20150028258A (ko) | 정보 이용을 위한 방법 및 시스템 | |
CN112660128B (zh) | 用于确定自动驾驶车辆的车道变更路径的设备及其方法 | |
CN110866544B (zh) | 传感器数据的融合方法、装置及存储介质 | |
CN110088576A (zh) | 车辆控制系统、车辆控制方法以及车辆控制程序 | |
CN110177722A (zh) | 车辆控制系统、车辆控制方法及车辆控制程序 | |
CN110140027A (zh) | 车辆控制系统、车辆控制方法及车辆控制程序 | |
CN113432615B (zh) | 基于多传感器融合可驾驶区域的检测方法、系统和车辆 | |
CN108983247A (zh) | 物体目标识别系统、物体目标识别方法及存储介质 | |
US20200158520A1 (en) | Map update apparatus, map update system, map update method, and program | |
JP6789341B2 (ja) | 物標認識システム、物標認識方法、およびプログラム | |
CN115359332A (zh) | 基于车路协同的数据融合方法、装置、电子设备及系统 | |
CN113312403B (zh) | 地图获取方法、装置、电子设备及存储介质 | |
KR102368262B1 (ko) | 다중 관측정보를 이용한 신호등 배치정보 추정 방법 | |
Xu et al. | An efficient multi‐sensor fusion and tracking protocol in a vehicle‐road collaborative system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |