CN111722249A - 物体识别装置以及车辆控制系统 - Google Patents

物体识别装置以及车辆控制系统 Download PDF

Info

Publication number
CN111722249A
CN111722249A CN202010199433.XA CN202010199433A CN111722249A CN 111722249 A CN111722249 A CN 111722249A CN 202010199433 A CN202010199433 A CN 202010199433A CN 111722249 A CN111722249 A CN 111722249A
Authority
CN
China
Prior art keywords
point group
candidate
scatterer
road surface
vehicle
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
Application number
CN202010199433.XA
Other languages
English (en)
Other versions
CN111722249B (zh
Inventor
芝慎太朗
河内太一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Original Assignee
Toyota Motor Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp filed Critical Toyota Motor Corp
Publication of CN111722249A publication Critical patent/CN111722249A/zh
Application granted granted Critical
Publication of CN111722249B publication Critical patent/CN111722249B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

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
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S17/66—Tracking systems using electromagnetic waves other than radio waves
    • 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
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • 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
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Automation & Control Theory (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Length Measuring Devices By Optical Means (AREA)
  • Control Of Driving Devices And Active Controlling Of Vehicle (AREA)

Abstract

提供一种物体识别装置以及车辆控制系统。在对车辆周围的物体进行识别的物体识别处理中，提高路面上的散落物的识别精度。基于表示路面的绝对位置的地形地图信息，设定路面附近的噪声区域。由激光雷达检测的激光雷达点群被分类为包含于噪声区域的第1点群和除此之外的第2点群。从第1点群提取包含于噪声区域的散落物候选。另一方面，从第2点群提取不包含于噪声区域的追踪对象候选。在散落物候选和追踪对象候选的水平位置一致的情况下，能够判断为在该位置存在追踪对象而不是散落物。在该情况下，散落物候选和追踪对象候选被统合为追踪对象。换言之，与追踪对象候选重叠的散落物候选被识别为追踪对象而不是散落物。

Description

物体识别装置以及车辆控制系统
技术领域
本发明涉及对车辆周围的物体进行识别的物体识别装置以及对车辆进行控制的车辆控制系统。
背景技术
专利文献1公开了设定自动驾驶中的车辆的前进道路的前进道路设定装置。前进道路设定装置对车辆周围的障碍物进行检测。进一步，前进道路设定装置通过将所检测到的障碍物假定为静止障碍物或者移动障碍物，生成多个种类的路径候选。并且，前进道路设定装置基于各路径候选的可靠度，从多个种类的路径候选中决定前进道路。
现有技术文献
专利文献1：日本特开2018－176879号公报
发明内容
发明要解决的技术问题
在车辆周围的物体的识别中使用激光雷达(LIDAR:Laser Imaging Detectionand Ranging(激光成像探测与测距))等传感器。但是，关于路面附近的区域，有可能因噪声的影响而发生误识别。因此，也考虑将路面附近的区域从识别对象区域排除掉，但在该情况下，会无法识别路面上的散落物。
本发明的一个目的在于提供能够在对车辆周围的物体进行识别的物体识别处理中提高路面上的散落物的识别精度的技术。
用于解决问题的技术方案
第1观点涉及对车辆周围的物体进行识别的物体识别装置。
所述车辆具备激光雷达。
激光雷达点群是被所述激光雷达检测的检测点的集合。
所述物体识别装置具备：
存储装置，其保存表示所述检测点各自的检测位置的激光雷达计测信息、表示所述车辆的绝对位置以及姿势的位置姿势信息以及表示路面的绝对位置的地形地图信息；和
处理器，其进行对所述车辆周围的所述物体进行识别的物体识别处理。
所述物体包括所述路面上的散落物和所述散落物以外的追踪对象。
在所述物体识别处理中，所述处理器，
基于所述地形地图信息，将从所述路面的所述绝对位置起的第1高度的区域设定为噪声区域，
基于所述激光雷达计测信息和所述位置姿势信息，将所述激光雷达点群分类为包含于所述噪声区域的第1点群和不包含于所述噪声区域的第2点群，
进行基于所述第1点群来提取作为所述散落物的候选的散落物候选的第1提取处理，
进行基于所述第2点群来提取作为所述追踪对象的候选的追踪对象候选的第2提取处理，
判定所述散落物候选和所述追踪对象候选的水平位置是否一致，
将所述水平位置一致的所述散落物候选和所述追踪对象候选统合为所述追踪对象，
将未统合于所述追踪对象的所述散落物候选识别为所述散落物。
第2观点在第1观点的基础上还具有如下特征。
所述第1高度基于所述车辆的俯仰角的误差来预先决定。
第3观点在第1观点或者第2观点的基础上还具有如下特征。
路面点群是表示所述路面的所述激光雷达点群。
所述第1点群包括所述路面点群和所述路面点群以外的散落物点群。
在所述第1提取处理中，所述处理器，
进行基于所述激光雷达计测信息或者所述地形地图信息将所述第1点群分离为所述路面点群和所述散落物点群的分离处理，
基于所述散落物点群，提取所述散落物候选。
第4观点在第3观点的基础上还具有如下特征。
在考虑了属于同一层的所述第1点群时，在所述散落物点群的所述检测位置与所述路面点群的所述检测位置之间存在背离。
特征量是对所述背离赋予特征的参数。
在所述分离处理中，所述处理器，
基于所述第1点群的所述激光雷达计测信息，算出所述第1点群的所述检测点各自的所述特征量，
基于所述特征量，将所述第1点群分离为所述路面点群和所述散落物点群。
第5观点在第4观点的基础上还具有如下特征。
所述特征量包括从所述激光雷达到各个所述检测点的距离。
第6观点在第4观点或者第5观点的基础上还具有如下特征。
所述特征量包括对于相邻的检测点的所述检测位置的差分。
第7观点在第4观点～第6观点中任一观点的基础上还具有如下特征。
散落物似然度是所述散落物候选为所述散落物这一情况的似然度。
所述处理器在提取了所述散落物候选之后进一步进行算出所述散落物似然度的似然度算出处理。
第8观点在第7观点的基础上还具有如下特征。
用于对所述路面点群和所述散落物点群进行分离的分离基准被预先决定。
在所述似然度算出处理中，所述处理器基于与对应于所述散落物候选的所述散落物点群有关的所述特征量和所述分离基准，算出所述散落物似然度。
与对应于所述散落物候选的所述散落物点群有关的所述特征量越远离所述分离基准，所述散落物似然度越高。
第9观点在第7观点或者第8观点的基础上还具有如下特征。
连续度表示所述散落物候选的位置在时间上连续的程度。
在所述似然度算出处理中，所述处理器，
基于所述散落物候选的提取历史记录，算出所述连续度，
在所述连续度为连续度阈值以上的情况下，使所述散落物似然度增加，在所述连续度小于所述连续度阈值的情况下，使所述散落物似然度减小。
第10观点涉及车辆控制系统。
所述车辆控制系统具备：
第7观点～第9观点中任一观点的物体识别装置；和
车辆行驶控制装置，其基于所述物体识别处理的结果，进行控制所述车辆的行驶的车辆行驶控制。
所述车辆行驶控制装置根据所述散落物似然度生成对于所述散落物的行驶计划，按照所述行驶计划进行所述车辆行驶控制。
第11观点在第10观点的基础上还具有如下特征。
第2阈值比第1阈值高。
在所述散落物似然度为所述第1阈值以上、且小于所述第2阈值的情况下，所述行驶计划包括使加速器关闭。
在所述散落物似然度为所述第2阈值以上的情况下，所述行驶计划包括进行用于躲避所述散落物的减速和转向中的至少一方。
发明的效果
根据本发明，基于表示路面的绝对位置的地形地图信息，设定路面附近的噪声区域。由激光雷达计测信息表示的激光雷达点群被分类为包含于噪声区域的第1点群和除此之外的第2点群。从第1点群提取包含于噪声区域的散落物候选。另一方面，从第2点群提取不包含于噪声区域的追踪对象候选。
不包含于噪声区域的追踪对象候选的提取精度比包含于噪声区域的散落物候选的提取精度高。能够在散落物候选和追踪对象候选的水平位置一致的情况下，判断为在该位置存在追踪对象而不是散落物。在该情况下，散落物候选和追踪对象候选被统合为追踪对象。换言之，与追踪对象候选重叠的散落物候选被识别为追踪对象而不是散落物。由此，能抑制散落物的误识别。即，能够提高散落物的识别精度。
附图说明
图1用于对发明的第1实施方式涉及的车辆所搭载的激光雷达进行说明的概念图。
图2是用于对本发明的第1实施方式中的路面点群进行说明的概念图。
图3是用于对本发明的第1实施方式涉及的物体识别装置进行说明的框图。
图4是表示通过本发明的第1实施方式涉及的物体识别处理识别的物体的概念图。
图5是表示本发明的第1实施方式涉及的物体识别处理的流程图。
图6是用于对本发明的第1实施方式涉及的物体识别处理的步骤S10进行说明的概念图。
图7是用于对本发明的第1实施方式涉及的物体识别处理的步骤S20进行说明的概念图。
图8是用于对本发明的第1实施方式涉及的物体识别处理的步骤S30以及S40进行说明的概念图。
图9是用于对本发明的第1实施方式涉及的物体识别处理的步骤S60进行说明的概念图。
图10是用于对本发明的第2实施方式涉及的物体识别处理的步骤S30进行说明的概念图。
图11是用于对本发明的第2实施方式涉及的物体识别处理的步骤S30进行说明的概念图。
图12是用于对本发明的第2实施方式涉及的物体识别处理的步骤S30进行说明的概念图。
图13是表示本发明的第2实施方式涉及的物体识别处理的步骤S30的流程图。
图14是用于对本发明的第2实施方式涉及的物体识别处理的步骤S30进行说明的概念图。
图15是表示本发明的第3实施方式涉及的物体识别处理的流程图。
图16是表示本发明的第3实施方式中的散落物似然度(likelihood)的更新例的时序图。
图17是表示本发明的第4实施方式涉及的车辆控制系统的构成例的框图。
图18是表示本发明的第4实施方式涉及的车辆控制系统的控制装置进行的处理的流程图。
标号说明
1 车辆
3 散落物
3C 散落物候选
4 追踪对象
4C 追踪对象候选
10 激光雷达
20 位置姿势传感器
30 地形地图数据库
50 物体识别装置
51 处理器
52 存储装置
100 车辆控制系统
110 识别传感器
120 车辆状态传感器
130 地图数据库
140 行驶装置
150 控制装置
210 激光雷达计测信息
220 位置姿势信息
230 地形地图信息
240 驾驶环境信息
250 物体识别信息
LKF 散落物似然度
PC 激光雷达点群
PC1 第1点群
PC2 第2点群
PCF 散落物点群
PCR 路面点群
具体实施方式
参照附图对本发明的实施方式进行说明。
1.第1实施方式
1－1.激光雷达点群
图1是对本实施方式涉及的车辆1所搭载的激光雷达10进行说明的概念图。激光雷达10被用于对车辆1周围的物体进行识别。
更详细而言，激光雷达10向多个方向依次输出(扫描)激光脉冲。当激光脉冲在物体上的反射点进行反射时，激光脉冲的反射光返回到激光雷达10。激光雷达10接受激光脉冲的反射光。基于反射光的受光状态，能够算出固定于激光雷达10的传感器坐标系中的反射点的位置(距离以及方向)。在图1所示的例子中，传感器坐标系的SX轴是扫描的中心轴，与水平方向平行。传感器坐标系的SZ轴与SX轴正交，与垂直扫描面平行。但是，传感器坐标系不限定于该例子。
在以下的说明中，将由激光雷达10检测的点(反射点)称为“检测点”。将检测点的位置称为“检测位置”。将检测点的集合称为“激光雷达点群PC”。基于激光雷达点群PC，能够对车辆1周围的物体及其相对位置进行识别。例如如图1所示，能够对车辆1前方的先行车辆2及其相对位置进行识别。
图2是对路面点群PCR进行说明的概念图。从激光雷达10输出的激光脉冲也被路面RS的微小凹凸反射。路面点群PCR是激光雷达点群PC中的表示路面RS的点群。
1－2.物体识别装置
图3是用于对本实施方式涉及的物体识别装置50进行说明的框图。物体识别装置50与激光雷达10、位置姿势传感器20以及地形地图数据库30连接。
如上所述那样，激光雷达10搭载于车辆1，取得与激光雷达点群PC有关的信息。
位置姿势传感器20搭载于车辆1，对车辆1的绝对位置以及姿势进行检测。车辆1的绝对位置被定义在绝对坐标系(纬度、经度、高度)中。车辆1的姿势包括方位、俯仰角以及横滚角。例如，位置姿势传感器20包括对车辆1的绝对位置以及方位进行检测的GPS(GlobalPositioning System，全球定位系统)传感器。另外，位置姿势传感器20包括对车辆1的俯仰角、横滚角进行检测的姿势传感器。
地形地图数据库30是地形地图信息230的数据库。地形地图信息230是与地形(terrain)有关的地图信息。更详细而言，地形地图信息230表示路面RS的绝对位置。例如，地形地图信息230将路面RS的各点的水平位置(纬度、经度)和高度(高度)相关联地进行表示。地形地图数据库30既可以保存于搭载在车辆1的预定的存储装置中，也可以保存于车辆1外部的管理服务器中。
物体识别装置50对车辆1周围的物体进行识别。该物体识别装置50具备处理器51和存储装置52。在存储装置52中保存各种信息。处理器51通过执行计算机程序来进行各种处理。计算机程序保存于存储装置52，或者记录于计算机能够读取的记录介质。
更详细而言，处理器51进行取得激光雷达计测信息210、位置姿势信息220以及地形地图信息230的“信息取得处理”。处理器51将所取得的信息保存于存储装置52。
激光雷达计测信息210是与激光雷达点群PC有关的信息。特别是，激光雷达计测信息210表示传感器坐标系中的激光雷达点群PC的各检测点的检测位置。进一步，激光雷达计测信息210也可以表示各检测点处的反射强度。处理器51从激光雷达10取得激光雷达计测信息210。
位置姿势信息220表示车辆1的绝对位置以及姿势。处理器51从位置姿势传感器20取得位置姿势信息220。为了提高位置姿势信息220的精度，处理器51也可以进一步进行周知的自身位置推定处理(localization)。在该情况下，处理器51取得与车辆1周围的特征物(例：白线、标识、支杆(pole))有关的信息，进行自身位置推定处理。
如上所述那样，地形地图信息230表示路面RS的绝对位置。处理器51参照位置姿势信息220，取得与车辆1周围的路面RS有关的地形地图信息230。在地形地图数据库30保存于车辆1外部的管理服务器的情况下，处理器51与管理服务器进行通信，取得所需要的地形地图信息230。
进一步，处理器51进行对车辆1周围的物体进行识别的“物体识别处理”。如后所述，处理器51基于激光雷达计测信息210、位置姿势信息220、以及地形地图信息230，进行物体识别处理。物体识别信息250是表示物体识别处理的结果的信息。处理器51将通过物体识别处理得到的物体识别信息250保存于存储装置52。
此外，典型地，物体识别装置50通过搭载于车辆1的微型计算机来实现。但是，物体识别装置50也可以不必须搭载于车辆1。只要能够取得物体识别处理所需要的信息，物体识别装置50的设置位置不被限定。
以下，对本实施方式涉及的物体识别处理进行更详细的说明。
1－3.物体识别处理
图4是表示通过本实施方式涉及的物体识别处理识别的物体的概念图。在物体识别处理中，识别成为追踪(tracking)的对象的物体。作为追踪对象，可举出其他车辆、行人、招牌、桥塔、路侧物、散落物等。在本实施方式中，将路面RS上的散落物3和散落物3以外的追踪对象4进行区别来考虑。一般而言，散落物3仅存在于路面RS附近，散落物3的高度比追踪对象4显著地低。本实施方式涉及的物体识别处理对散落物3和追踪对象4进行识别。
在物体识别处理中，使用通过激光雷达10得到的激光雷达计测信息210。具体而言，通过对由激光雷达计测信息210表示的激光雷达点群PC应用聚类(clustering)处理来识别物体。
但是，关于路面RS附近的区域，有可能因噪声的影响而发生误识别。噪声的一个原因是激光雷达点群PC所包含的路面点群PCR。当将路面RS附近的区域从识别对象区域排除掉时，会无法识别路面RS上的散落物3。
根据以上的观点，本实施方式提供能够提高物体识别处理中的散落物3的识别精度的技术。
图5是表示本实施方式涉及的物体识别处理的流程图。以下，对本实施方式涉及的物体识别处理的各步骤进行说明。
1－3－1.步骤S10
图6是对步骤S10进行说明的概念图。Z方向表示铅垂方向。在步骤S10中，处理器51设定被认为噪声的影响大的“噪声区域NR”。如图6所示，噪声区域NR是从路面RS的绝对位置起的高度h(第1高度)的区域。路面RS的绝对位置是从上述的地形地图信息230获得的。高度h被预先决定。高度h的决定原则(policy)的一个例子为如以下那样。
对于激光雷达点群PC的各检测点的绝对位置，基于激光雷达计测信息210和位置姿势信息220来算出。然而，位置姿势信息220有可能包含误差。特别是，车辆1的俯仰角的误差成为路面点群PCR的高度的算出误差的原因。反映了这样的路面点群PCR的高度的算出误差的参数被用作噪声区域NR的高度h。具体而言，作为车辆1的俯仰角的误差，考虑预定的估计值。并且，高度h基于该俯仰角的误差来决定。例如，俯仰角的误差与激光雷达10的最大计测距离之积被用作高度h。
表示高度h的信息预先保存于存储装置52。处理器51基于地形地图信息230和高度h的信息，将从路面RS的绝对位置起的高度h的区域设定为噪声区域NR。此外，散落物3的高度多会为与该噪声区域NR的高度相同的程度或者为其以下。
1－3－2.步骤S20
图7是对步骤S20进行说明的概念图。在步骤S20中，处理器51将激光雷达点群PC分类为包含于噪声区域NR的第1点群PC1和不包含于噪声区域NR的第2点群PC2。
如上所述那样，激光雷达计测信息210表示传感器坐标系中的激光雷达点群PC的各检测点的检测位置。位置姿势信息220表示车辆1的绝对位置以及姿势。处理器51基于激光雷达计测信息210和位置姿势信息220，算出激光雷达点群PC的各检测点的绝对位置。并且，处理器51参照噪声区域NR，将激光雷达点群PC分类为第1点群PC1和第2点群PC2。
1－3－3.步骤S30(第1提取处理)
图8是对步骤S30进行说明的概念图。在步骤S30中，处理器51基于包含于噪声区域NR的第1点群PC1，提取散落物3的候选(第1提取处理)。散落物3的候选在以下被称为“散落物候选3C”。
但是，第1点群PC1包含路面点群PCR。为了提取散落物候选3C，优选对路面点群PCR和其以外进行分离。路面点群PCR以外的第1点群PC1在以下被称为“散落物点群PCF”。
处理器51进行将第1点群PC1分离为路面点群PCR和散落物点群PCF的分离处理。例如，处理器51利用地形地图信息230来进行分离处理。具体而言，由地形地图信息230表示的路面RS的绝对位置被视为路面点群PCR的绝对位置。对于激光雷达点群PC的各检测点的绝对位置，基于激光雷达计测信息210和位置姿势信息220来算出。由于已知激光雷达点群PC的绝对位置和路面点群PCR的绝对位置，因此，能够从激光雷达点群PC除去路面点群PCR。
作为其他例子，处理器51也可以不利用地形地图信息230，而是基于激光雷达计测信息210来进行分离处理。对于基于激光雷达计测信息210的分离处理，在后面的第2实施方式中进行详细的说明。
分离处理之后，处理器51基于散落物点群PCF提取散落物候选3C。更详细而言，处理器51通过将周知的聚类处理应用于散落物点群PCF，提取散落物候选3C。
此外，如图8所示，追踪对象4中的包含于噪声区域NR的下方部分也作为散落物候选3C而被暂时提取出来。
1－3－4.步骤S40(第2提取处理)
在步骤S40中，处理器51基于第2点群PC2，提取追踪对象4的候选(第2提取处理)。追踪对象4的候选在以下被称为“追踪对象候选4C”。处理器51通过将周知的聚类处理应用于第2点群PC2，提取追踪对象候选4C。
1－3－5.步骤S50
如图8所示，在实际存在追踪对象4的水平位置处，散落物候选3C和追踪对象候选4C在Z方向上重叠。换言之，散落物候选3C和追踪对象候选4C的水平位置一致。相反地，在散落物候选3C和追踪对象候选4C的水平位置一致的情况下，能够判断为在该位置存在追踪对象4而不是散落物3。
于是，在步骤S50中，处理器51对散落物候选3C和追踪对象候选4C的水平位置是否一致进行判定。该判定处理按每个散落物候选3C来进行。在散落物候选3C与追踪对象候选4C之间的水平位置之差为预定的阈值以下的情况下，处理器51判定为水平位置一致(步骤S50；是)。在该情况下，处理进入步骤S60。在那以外的情况下(步骤S50；否)，处理进入步骤S70。
1－3－6.步骤S60(统合处理)
图9是对步骤S60进行说明的概念图。在步骤S60中，处理器51进行统合处理。具体而言，处理器51将水平位置一致的散落物候选3C和追踪对象候选4C统合为追踪对象4。换言之，处理器51将与追踪对象候选4C重叠的散落物候选3C识别为追踪对象4，而不是识别为散落物3。
1－3－7.步骤S70
处理器51将残留在噪声区域NR的散落物候选3C识别为散落物3。也即是，处理器51将未统合为追踪对象4的散落物候选3C识别为散落物3。另外，处理器51将追踪对象候选4C识别为追踪对象4。处理器51生成表示识别结果的物体识别信息250，将该物体识别信息250保存于存储装置52。
1－4.效果
如以上说明的那样，根据本实施方式，基于表示路面RS的绝对位置的地形地图信息230，设定路面RS附近的噪声区域NR。由激光雷达计测信息210表示的激光雷达点群PC被分类为包含于噪声区域NR的第1点群PC1和除此之外的第2点群PC2。从第1点群PC1提取包含于噪声区域NR的散落物候选3C。另一方面，从第2点群PC2提取不包含于噪声区域NR的追踪对象候选4C。
不包含于噪声区域NR的追踪对象候选4C的提取精度比包含于噪声区域NR的散落物候选3C的提取精度高。能够在散落物候选3C和追踪对象候选4C的水平位置一致的情况下，判断为在该位置存在追踪对象4而不是散落物3。在该情况下，散落物候选3C和追踪对象候选4C被统合为追踪对象4。换言之，与追踪对象候选4C重叠的散落物候选3C被设定为追踪对象4而不是散落物3。由此，能抑制散落物3的误识别。即，能够提高散落物3的识别精度。
2.第2实施方式
在上述的第1提取处理(步骤S30)中，进行将第1点群PC1分离为路面点群PCR和散落物点群PCF的分离处理。但是，在路面点群PCR的检测信息(检测位置等)本身中有可能包含噪声。另外，如上所述那样，车辆1的俯仰角的误差成为路面点群PCR的高度的算出误差的原因。因此，有可能即使参照由地形地图信息230表示的路面RS的绝对位置，也无法精度良好地除去路面点群PCR。
于是，在第2实施方式中，对不利用地形地图信息230而是基于激光雷达计测信息210来进行分离处理的技术进行说明。与第1实施方式重复的说明被适当地省略。
2－1.概要
如图10所示，激光雷达10不仅对于水平方向进行激光脉冲的扫描，也对于垂直方向进行激光脉冲的扫描。垂直方向的扫描范围由多个层L1～Ln(n＝2以上的整数)表示。在本实施方式中，对检测路面点群PCR的层(在图10所示的例子中为层L4～L6)进行考虑。
图11概念性地示出属于同一层的路面点群PCR的分布。Z方向是铅垂方向，XY平面与Z方向正交。属于同一层的路面点群PCR基本上在距激光雷达10相同的距离处呈放射状分布。但是，因检测噪声和/或路面RS的凹凸的影响，距激光雷达10的距离在检测点间有可能多少不同。
图12示出在路面RS上存在散落物3的情况。从激光雷达10放射的激光脉冲的一部分不在路面RS进行反射，而是在散落物3的表面进行反射。散落物3的表面的反射点构成上述的散落物点群PCF。也即是，第1点群PC1包含路面点群PCR和散落物点群PCF这两方。
如图12所示，当考虑了属于同一层的第1点群PC1时，在散落物点群PCF的检测位置与路面点群PCR的检测位置之间存在明确的背离(间隙)。例如，从激光雷达10到各检测点的距离会在散落物点群PCF和路面点群PCR不同。另外，相邻的两个检测点之间的检测位置的差分在散落物点群PCF和路面点群PCR的边界处显著增大。这样的背离与只是检测噪声和/或路面RS的凹凸明显不同。于是，在本实施方式中，着眼于这样的背离来进行分离处理。
2－2.处理器的处理
图13是表示本实施方式涉及的第1提取处理(步骤S30)的流程图。
2－2－1.步骤S31
在步骤S31中，处理器51算出第1点群PC1的各检测点的“特征量Q”。特征量Q是对用图12说明过的背离赋予特征的参数。作为特征量Q的一个例子，可举出从激光雷达10到各检测点的距离。作为特征量Q的其他例子，可举出对于相邻的检测点的检测位置的差分。处理器51能够基于第1点群PC1的激光雷达计测信息210，算出第1点群PC1的各检测点的特征量Q。
此外，分别混杂于相邻的两个检测点的检测噪声是相关的。因此，通过算出相邻的两个检测点之间的检测位置的差分，能够减轻检测噪声的影响。
2－2－2.步骤S32
在步骤S32中，处理器51基于特征量Q将第1点群PC1分离为路面点群PCR和散落物点群PCF。用于对路面点群PCR和散落物点群PCF进行分离的“分离基准”是预先决定的。
图14是对分离基准进行说明的概念图。在图14所示的例子中，考虑了两种特征量Q1、Q2。在由特征量Q1、Q2构成的特征量空间中，路面点群PCR和散落物点群PCF分别具有不同的分布。分离基准是用于在特征量空间中对路面点群PCR和散落物点群PCF进行分离(区别)的基准。在如图14所示那样由两种特征量Q1、Q2构成的特征量空间的情况下，分离基准由分离线提供。在由一种特征量构成的特征量空间的情况下，分离基准由分离值(阈值)提供。在由三种以上的特征量构成的特征量空间的情况下，分离基准由分离平面提供。
分离基准通过实验或者模拟来预先决定。例如，通过对不存在散落物3的情况(参照图11)和存在散落物3的情况(参照图12)这两方的激光雷达计测信息210进行对比，能够预先决定分离基准。表示分离基准的信息预先保存于存储装置52。处理器51基于特征量Q和分离基准的信息，将第1点群PC1分离为路面点群PCR和散落物点群PCF。
2－2－3.步骤S33
在步骤S33中，处理器51基于散落物点群PCF，提取散落物候选3C。要提取散落物候选3C，可使用周知的聚类处理。此时，实际上相同的散落物3也可以被提取为2个以上的散落物候选3C。另外，实际上不同的2个以上的散落物3也可以被提取为1个散落物候选3C。
2－3.效果
当考虑了属于同一层的第1点群PC1时，在散落物点群PCF的检测位置与路面点群PCR的检测位置之间存在明确的背离(间隙)。通过着眼于那样的背离，不会被路面点群PCR的信息的噪声影响，就能够精度良好地对路面点群PCR和散落物点群PCF进行分离。由于分离处理的精度提高，因此，散落物候选3C的提取精度也提高。作为结果，散落物3的识别精度也进一步提高。
3.第3实施方式
在第3实施方式中，对算出散落物候选3C为散落物3的似然度(likelihood，可能性)的方法进行说明。散落物候选3C为散落物3的似然度在以下被称为“散落物似然度LKF”。与已经提出的实施方式重复的说明被适当地省略。
图15是表示本实施方式涉及的物体识别处理的流程图。步骤S10～S70与已经提出的实施方式的情况相同(参照图5)。本实施方式涉及的物体识别处理还包括步骤S80。步骤S80至少在第1提取处理(步骤S30)之后进行。
在步骤S80中，处理器51进行算出散落物似然度LKF的似然度算出处理。物体识别信息250还包含所算出的散落物似然度LKF的信息。散落物似然度LKF的算出方法的例子为如以下那样。
3－1.第1例
可以说与对应于散落物候选3C的散落物点群PCF有关的特征量Q越远离分离基准(参照图14)，散落物似然度LKF越高。于是，处理器51基于与对应于散落物候选3C的散落物点群PCF有关的特征量Q和分离基准，算出散落物似然度LKF。具体而言，处理器51算出特征量空间中的特征量Q与分离基准之间的离开距离，根据该离开距离算出散落物似然度LKF。离开距离越大，散落物似然度LKF越高。
3－2.第2例
在第2例中，对与同一散落物候选3C有关的“连续度”进行考虑。所谓的连续度表示同一散落物候选3C的位置在时间上连续的程度。
对于由激光雷达10进行的计测以及激光雷达计测信息210的取得，是按每预定的计测周期来进行的。因此，散落物候选3C的位置按每计测周期而进行更新。在计测周期程度的微小期间中，散落物3的绝对位置几乎不变化，因此，期待散落物候选3C的位置也几乎不变化。也即是，期待散落物候选3C的位置的本次值与前次值之间的变化量足够小。连续度随着该变化量的减小而增加，随着该变化量的增加而减小。
另外，不限于每次都从散落物3反射激光脉冲。也即是，也有可能同一散落物候选3C被断续(间歇)地提取。因此，也可以在连续度的算出中使用数个周期的散落物候选3C的平均位置。
进一步，每单位时间提取到散落物候选3C的次数也可以反映于与该散落物候选3C有关的连续度。每单位时间的提取次数越多，连续度越增加。相反地，每单位时间的提取次数越少，连续度越减小。
当提取到新的散落物候选3C时，处理器51对与该散落物候选3C有关的散落物似然度LKF进行初始设定。然后，处理器51基于该散落物候选3C的提取历史记录，反复算出与该散落物候选3C有关的连续度。在连续度为连续度阈值以上的情况下，处理器51使散落物似然度LKF增加。另一方面，在连续度小于连续度阈值的情况下，处理器51使散落物似然度LKF减小。这样，处理器51基于散落物候选3C的提取历史记录，对与该散落物候选3C有关的散落物似然度LKF进行更新。
3－3.第3例
第3例是第1例和第2例的组合。首先，处理器51按照第1例算出散落物似然度LKF。接着，处理器51按照第2例算出连续度，根据该连续度，使散落物似然度LKF进一步增减。
3－4.散落物似然度的更新例
图16是表示散落物似然度LKF的更新例的时序图。在图16所示的例子中，散落物似然度LKF与时间一起逐渐增加下去。这样的散落物似然度LKF能够利用于以下说明的车辆行驶控制。
此外，在似然度算出处理(步骤S80)中，处理器51也可以算出追踪对象候选4C为追踪对象4的似然度。该似然度的算出方法与上述的第2例是同样的。
4.第4实施方式
在第4实施方式中，对基于物体识别处理结果的车辆行驶控制进行说明。与已经提出的实施方式重复的说明被适当地省略。
4－1.车辆控制系统的构成例
图17是表示本实施方式涉及的车辆控制系统100的构成例的框图。车辆控制系统100具备识别传感器110、车辆状态传感器120、地图数据库130、行驶装置140以及控制装置150。
识别传感器110搭载于车辆1，对车辆1周围的状况进行识别(检测)。识别传感器110包括上述的激光雷达10。进一步，识别传感器110也可以包括摄像头、雷达。
车辆状态传感器120搭载于车辆1，对车辆1的状态进行检测。车辆状态传感器120包括上述的位置姿势传感器20。进一步，车辆状态传感器120也可以包括车速传感器、加速度传感器、偏航率传感器、舵角传感器等。
地图数据库130是地图信息的集合体。地图数据库130包含表示车道配置和/或道路形状的一般的道路地图信息。进一步，地图数据库130包含上述的地形地图数据库30。地图数据库130既可以保存于搭载于车辆1的预定的存储装置，也可以保存于车辆1外部的管理服务器。
行驶装置140负责车辆1的行驶(加减速、转向)。具体而言，行驶装置140包括驱动装置、制动装置以及转向装置。驱动装置是使得产生驱动力的动力源。作为驱动装置，可例示出发动机、电动机、轮内马达(in-wheelmotor)。制动装置使得产生制动力。转向装置对车辆1的车轮进行转向。例如，转向装置包括动力转向(EPS：Electric Power Steering，电动转向)装置。
控制装置150具备处理器151以及存储装置152。在存储装置152中保存各种信息。处理器151通过执行计算机程序来进行各种处理。计算机程序保存于存储装置152，或者记录于计算机能够读取的记录介质。以下，对控制装置150的处理进行说明。
4－2.控制装置的处理
图18是表示本实施方式涉及的车辆控制系统100的控制装置150的处理的流程图。
4－2－1.信息取得处理(步骤S1)
控制装置150(处理器151)取得表示车辆1的驾驶环境的驾驶环境信息240。控制装置150将所取得的驾驶环境信息240保存于存储装置152。
驾驶环境信息240包含周边状况信息、车辆状态信息以及地图信息。周边状况信息是表示识别传感器110的识别结果的信息，包含上述的激光雷达计测信息210。控制装置150从识别传感器110取得周边状况信息。车辆状态信息是表示车辆状态传感器120的检测结果的信息，包含上述的位置姿势信息220。控制装置150从车辆状态传感器120取得车辆状态信息。进一步，控制装置150从地图数据库130取得包含上述的地形地图信息230的所需要的地图信息。在地图数据库130保存于车辆1外部的管理服务器的情况下，控制装置150与管理服务器进行通信，取得所需要的地图信息。
4－2－2.物体识别处理(步骤S10～S80)
另外，控制装置150(处理器151)基于驾驶环境信息240，进行物体识别处理。物体识别处理是在已经提出的实施方式中的任一方式中说明过的处理。即，控制装置150作为在已经提出的实施方式中说明过的“物体识别装置50”发挥功能。控制装置150将表示物体识别处理的结果的物体识别信息250保存于存储装置152。
4－2－3.车辆行驶控制(步骤S100)
进一步，控制装置150(处理器151)进行对车辆1的行驶进行控制的车辆行驶控制。具体而言，控制装置150通过控制行驶装置140的动作来进行车辆行驶控制。车辆行驶控制包括驱动控制、制动控制以及转向控制。驱动控制通过驱动装置进行。制动控制通过制动装置进行。转向控制通过转向装置进行。控制装置150也作为进行车辆行驶控制的“车辆行驶控制装置”发挥功能。
特别是，控制装置150基于物体识别信息250进行车辆行驶控制。具体而言，控制装置150基于所识别到的物体(散落物3、追踪对象4)，生成行驶计划。行驶计划包含目标线路。控制装置150进行车辆行驶控制以使得车辆1按照行驶计划进行行驶。
例如，控制装置150基于驾驶环境信息240和物体识别信息250，判定车辆1是否有可能与前进道路上的障碍物(例如：散落物3)碰撞。在车辆1与障碍物碰撞的可能性高的情况下，控制装置150生成用于躲避与障碍物碰撞的行驶计划(转向、减速等)。并且，控制装置150按照行驶计划进行碰撞躲避控制。
在得到了在第3实施方式中说明过的散落物似然度LKF的情况下，控制装置150也可以根据散落物似然度LKF来生成针对散落物3的行驶计划。
例如，当碰撞躲避控制在散落物似然度LKF低的阶段中进行工作时、散落物3为误识别的情况下，驾驶员会感到违和感。另外，碰撞躲避控制的误工作会导致对于碰撞躲避控制的可靠性的降低。于是，控制装置150根据散落物似然度LKF来阶段性地对行驶计划的内容进行切换。
作为一个例子，考虑第1阈值和比第1阈值高的第2阈值。在散落物似然度LKF为第1阈值以上、且小于第2阈值的情况下，控制装置150生成使加速器关闭(OFF)的行驶计划。由此，能够拖延车辆1到达散落物3为止的时间。然后，随着车辆1接近散落物3，散落物似然度LKF被进行更新，变为更加准确。并且，当散落物似然度LKF成为第2阈值以上时，控制装置150生成进行用于躲避散落物3的碰撞躲避控制(减速、转向中的至少一方)的行驶计划。由此，能抑制碰撞躲避控制的误工作。
4－3.效果
如以上说明过的那样，根据本实施方式，基于物体识别处理的结果，进行车辆行驶控制。例如基于散落物3的识别结果，进行对于散落物3的碰撞躲避控制。特别是，通过利用散落物似然度LKF，能够抑制碰撞躲避控制的误工作。这有利于减轻对于碰撞躲避控制的违和感以及提高可靠性。
本实施方式涉及的车辆行驶控制可以应用于自动驾驶控制。

Claims (11)

1.一种物体识别装置，对车辆周围的物体进行识别，
所述车辆具备激光雷达，
激光雷达点群是被所述激光雷达检测的检测点的集合，
所述物体识别装置具备：
存储装置，其保存表示所述检测点各自的检测位置的激光雷达计测信息、表示所述车辆的绝对位置以及姿势的位置姿势信息以及表示路面的绝对位置的地形地图信息；和
处理器，其进行对所述车辆周围的所述物体进行识别的物体识别处理，
所述物体包括所述路面上的散落物和所述散落物以外的追踪对象，
在所述物体识别处理中，所述处理器，
基于所述地形地图信息，将从所述路面的所述绝对位置起的第1高度的区域设定为噪声区域，
基于所述激光雷达计测信息和所述位置姿势信息，将所述激光雷达点群分类为包含于所述噪声区域的第1点群和不包含于所述噪声区域的第2点群，
进行基于所述第1点群来提取作为所述散落物的候选的散落物候选的第1提取处理，
进行基于所述第2点群来提取作为所述追踪对象的候选的追踪对象候选的第2提取处理，
判定所述散落物候选和所述追踪对象候选的水平位置是否一致，
将所述水平位置一致的所述散落物候选和所述追踪对象候选统合为所述追踪对象，
将未统合为所述追踪对象的所述散落物候选识别为所述散落物。
2.根据权利要求1所述的物体识别装置，
所述第1高度基于所述车辆的俯仰角的误差来预先决定。
3.根据权利要求1或者2所述的物体识别装置，
路面点群是表示所述路面的所述激光雷达点群，
所述第1点群包括所述路面点群和所述路面点群以外的散落物点群，
在所述第1提取处理中，所述处理器，
进行基于所述激光雷达计测信息或者所述地形地图信息将所述第1点群分离为所述路面点群和所述散落物点群的分离处理，
基于所述散落物点群，提取所述散落物候选。
4.根据权利要求3所述的物体识别装置，
在考虑了属于同一层的所述第1点群时，在所述散落物点群的所述检测位置与所述路面点群的所述检测位置之间存在背离，
特征量是对所述背离赋予特征的参数，
在所述分离处理中，所述处理器，
基于所述第1点群的所述激光雷达计测信息，算出所述第1点群的所述检测点各自的所述特征量，
基于所述特征量，将所述第1点群分离为所述路面点群和所述散落物点群。
5.根据权利要求4所述的物体识别装置，
所述特征量包括从所述激光雷达到各个所述检测点的距离。
6.根据权利要求4或者5所述的物体识别装置，
所述特征量包括对于相邻的检测点的所述检测位置的差分。
7.根据权利要求4～6中任一项所述的物体识别装置，
散落物似然度是所述散落物候选为所述散落物这一情况的似然度，
所述处理器在提取了所述散落物候选之后进一步进行算出所述散落物似然度的似然度算出处理。
8.根据权利要求7所述的物体识别装置，
用于对所述路面点群和所述散落物点群进行分离的分离基准被预先决定，
在所述似然度算出处理中，所述处理器基于与对应于所述散落物候选的所述散落物点群有关的所述特征量和所述分离基准，算出所述散落物似然度，
与对应于所述散落物候选的所述散落物点群有关的所述特征量越远离所述分离基准，所述散落物似然度越高。
9.根据权利要求7或者8所述的物体识别装置，
连续度表示所述散落物候选的位置在时间上连续的程度，
在所述似然度算出处理中，所述处理器，
基于所述散落物候选的提取历史记录，算出所述连续度，
在所述连续度为连续度阈值以上的情况下，使所述散落物似然度增加，
在所述连续度小于所述连续度阈值的情况下，使所述散落物似然度减小。
10.一种车辆控制系统，具备：
权利要求7～9中任一项所述的物体识别装置；和
车辆行驶控制装置，其基于所述物体识别处理的结果，进行控制所述车辆的行驶的车辆行驶控制，
所述车辆行驶控制装置根据所述散落物似然度生成对于所述散落物的行驶计划，按照所述行驶计划进行所述车辆行驶控制。
11.根据权利要求10所述的车辆控制系统，
第2阈值比第1阈值高，
在所述散落物似然度为所述第1阈值以上、且小于所述第2阈值的情况下，所述行驶计划包括使加速器关闭，
在所述散落物似然度为所述第2阈值以上的情况下，所述行驶计划包括进行用于躲避所述散落物的减速和转向中的至少一方。
CN202010199433.XA 2019-03-22 2020-03-20 物体识别装置以及车辆控制系统 Active CN111722249B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-054724 2019-03-22
JP2019054724A JP7147651B2 (ja) 2019-03-22 2019-03-22 物体認識装置及び車両制御システム

Publications (2)

Publication Number Publication Date
CN111722249A true CN111722249A (zh) 2020-09-29
CN111722249B CN111722249B (zh) 2023-12-01

Family

ID=72515747

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010199433.XA Active CN111722249B (zh) 2019-03-22 2020-03-20 物体识别装置以及车辆控制系统

Country Status (3)

Country Link
US (1) US11598877B2 (zh)
JP (1) JP7147651B2 (zh)
CN (1) CN111722249B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116381698A (zh) * 2023-06-05 2023-07-04 蘑菇车联信息科技有限公司 道路遗撒物的检测方法、装置及电子设备

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7384147B2 (ja) * 2020-11-30 2023-11-21 トヨタ自動車株式会社 物標検出装置及びそれが搭載された車両
CN113740848B (zh) * 2021-09-30 2023-11-17 中科芯集成电路有限公司 一种基于毫米波雷达的独居老人追踪式跌倒检测装置
CN114942434B (zh) * 2022-04-25 2024-02-02 四川八维九章科技有限公司 一种基于毫米波雷达点云的跌倒姿态识别方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004118639A (ja) * 2002-09-27 2004-04-15 Pasuko:Kk レーザデータのノイズ除去方法
CN102779280A (zh) * 2012-06-19 2012-11-14 武汉大学 一种基于激光传感器的交通信息提取方法
CN104143194A (zh) * 2014-08-20 2014-11-12 清华大学 一种点云分割方法及装置
CN104424478A (zh) * 2013-09-10 2015-03-18 现代自动车株式会社 使用激光扫描仪来识别障碍物的装置和方法
CN105551016A (zh) * 2015-12-02 2016-05-04 百度在线网络技术（北京）有限公司 一种基于激光点云的路沿识别方法及装置
CN109238221A (zh) * 2017-07-10 2019-01-18 上海汽车集团股份有限公司 一种车辆周围环境的检测方法及装置

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3427817B2 (ja) * 2000-03-31 2003-07-22 株式会社デンソー 車両用障害物認識方法及び装置、記録媒体
JP3903754B2 (ja) * 2001-08-23 2007-04-11 オムロン株式会社 対象物検出装置および方法
KR101824982B1 (ko) * 2015-10-07 2018-02-02 엘지전자 주식회사 차량 및 그 제어방법
JP6756124B2 (ja) * 2016-03-16 2020-09-16 株式会社デンソー 物体検出装置および物体検出プログラム
KR101834348B1 (ko) * 2016-03-16 2018-03-05 엘지전자 주식회사 운전 보조 장치 및 그 제어 방법
JP6678605B2 (ja) * 2017-01-11 2020-04-08 株式会社東芝 情報処理装置、情報処理方法、および情報処理プログラム
WO2018179359A1 (ja) * 2017-03-31 2018-10-04 本田技研工業株式会社 車両制御システム、車両制御方法、および車両制御プログラム
JP6558393B2 (ja) 2017-04-06 2019-08-14 トヨタ自動車株式会社 進路設定装置及び進路設定方法
WO2019152888A1 (en) * 2018-02-02 2019-08-08 Nvidia Corporation Safety procedure analysis for obstacle avoidance in autonomous vehicle
US11077845B2 (en) * 2018-03-20 2021-08-03 Mobileye Vision Technologies Ltd. Systems and methods for navigating a vehicle
US10809073B2 (en) * 2018-12-05 2020-10-20 Here Global B.V. Local window-based 2D occupancy grids for localization of autonomous vehicles
WO2020182591A1 (en) * 2019-03-08 2020-09-17 Osram Gmbh Component for a lidar sensor system, lidar sensor system, lidar sensor device, method for a lidar sensor system and method for a lidar sensor device

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004118639A (ja) * 2002-09-27 2004-04-15 Pasuko:Kk レーザデータのノイズ除去方法
CN102779280A (zh) * 2012-06-19 2012-11-14 武汉大学 一种基于激光传感器的交通信息提取方法
CN104424478A (zh) * 2013-09-10 2015-03-18 现代自动车株式会社 使用激光扫描仪来识别障碍物的装置和方法
CN104143194A (zh) * 2014-08-20 2014-11-12 清华大学 一种点云分割方法及装置
CN105551016A (zh) * 2015-12-02 2016-05-04 百度在线网络技术（北京）有限公司 一种基于激光点云的路沿识别方法及装置
CN109238221A (zh) * 2017-07-10 2019-01-18 上海汽车集团股份有限公司 一种车辆周围环境的检测方法及装置

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116381698A (zh) * 2023-06-05 2023-07-04 蘑菇车联信息科技有限公司 道路遗撒物的检测方法、装置及电子设备
CN116381698B (zh) * 2023-06-05 2024-03-12 蘑菇车联信息科技有限公司 道路遗撒物的检测方法、装置及电子设备

Also Published As

Publication number Publication date
US20200301019A1 (en) 2020-09-24
US11598877B2 (en) 2023-03-07
JP2020154983A (ja) 2020-09-24
JP7147651B2 (ja) 2022-10-05
CN111722249B (zh) 2023-12-01

Similar Documents

Publication Publication Date Title
CN111722249B (zh) 物体识别装置以及车辆控制系统
EP3647728B1 (en) Map information system
EP3258214B1 (en) Object detection device
US9767368B2 (en) Method and system for adaptive ray based scene analysis of semantic traffic spaces and vehicle equipped with such system
CN111103594A (zh) 车辆中区分虚假目标的装置和方法及包括其的车辆
US8108119B2 (en) Apparatus and method for object detection and tracking and roadway awareness using stereo cameras
US8605947B2 (en) Method for detecting a clear path of travel for a vehicle enhanced by object detection
US8994823B2 (en) Object detection apparatus and storage medium storing object detection program
US11898855B2 (en) Assistance control system that prioritizes route candidates based on unsuitable sections thereof
US11440566B2 (en) Vehicle control system
US20180342160A1 (en) Overhead structure determination device and driving assistance system
US20170080929A1 (en) Movement-assisting device
US20210331671A1 (en) Travel lane estimation device, travel lane estimation method, and computer-readable non-transitory storage medium
JP6911312B2 (ja) 物体識別装置
CN111537994A (zh) 一种无人矿卡障碍物检测方法
US11042759B2 (en) Roadside object recognition apparatus
JP2018036796A (ja) 外界情報処理装置
Cerri et al. Computer vision at the hyundai autonomous challenge
CN113412212A (zh) 其它车辆动作预测方法以及其它车辆动作预测装置
US11403951B2 (en) Driving assistance for a motor vehicle when approaching a tollgate
CN113525382B (zh) 车辆控制装置及存储介质
JP2010072947A (ja) 障害物検出装置
EP3471408B1 (en) Inter-vehicle distance estimation method and inter-vehicle distance estimation device
CN111766601B (zh) 识别装置、车辆控制装置、识别方法及存储介质
US20240001962A1 (en) Electronic control device

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