CN111937037A - 物体识别装置、物体识别方法和存储控制程序的非暂时性计算机可读介质 - Google Patents

物体识别装置、物体识别方法和存储控制程序的非暂时性计算机可读介质 Download PDF

Info

Publication number
CN111937037A
CN111937037A CN201880091781.6A CN201880091781A CN111937037A CN 111937037 A CN111937037 A CN 111937037A CN 201880091781 A CN201880091781 A CN 201880091781A CN 111937037 A CN111937037 A CN 111937037A
Authority
CN
China
Prior art keywords
interest
space
reflection
cluster
point data
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
CN201880091781.6A
Other languages
English (en)
Other versions
CN111937037B (zh
Inventor
栗田裕二
田矢康司
气屋村纯一
深谷安利
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.)
NEC Solution Innovators Ltd
Original Assignee
NEC Solution Innovators Ltd
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 NEC Solution Innovators Ltd filed Critical NEC Solution Innovators Ltd
Publication of CN111937037A publication Critical patent/CN111937037A/zh
Application granted granted Critical
Publication of CN111937037B publication Critical patent/CN111937037B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G06F18/23211—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with adaptive number of clusters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/194—Segmentation; Edge detection involving foreground-background segmentation
    • 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
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G06V40/103—Static body considered as a whole, e.g. static pedestrian or occupant recognition
    • 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
    • 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
    • G06T2207/30196—Human being; Person

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Probability & Statistics with Applications (AREA)
  • General Health & Medical Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Human Computer Interaction (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Databases & Information Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Image Processing (AREA)

Abstract

本公开提供一种提高物体识别的准确性的物体识别装置、物体识别方法和控制程序。数据转换处理单元(12)通过将第二组投影到世界坐标系中的水平面上，将第二组转换为包括多个投影点数据单元的第三组，所述第二组包括在第一数据单元组当中的其中与每个反射点数据单元相对应的反射点属于三维物体的多个反射点数据单元。聚类处理单元(13)基于第三组的多个投影点数据单元在水平面上的位置将该多个投影点数据单元聚类到多个聚簇中。感兴趣空间设置单元(14)通过使用与每个聚簇中包括的多个投影点数据单元相对应的多个反射点数据单元，为每个聚簇设置感兴趣空间。

Description

物体识别装置、物体识别方法和存储控制程序的非暂时性计 算机可读介质
技术领域
本公开涉及物体识别装置、物体识别方法和控制程序。
背景技术
已经提出了一种使用由激光雷达获取的测距点组来辨别物体的物体辨别装置(例如，专利文献1)。
此外，已经提出了一种基于特征值来识别所捕获图像中的物体的物体识别装置(例如，专利文献2)。但是，如果所捕获图像中所捕获的物体中已经发生了遮挡，则可能降低物体识别的准确性。
引文列表
专利文献
专利文献1：日本未审查专利申请公开No.2017-166846
专利文献2：日本未审查专利申请公开No.2014-219847
发明内容
技术问题
本公开的发明人已经发现，通过使用由使用激光雷达所获取的反射点数据来设置感兴趣区域(ROI)，即使在存在于激光雷达的照射方向范围内的三维物体中已经发生了遮挡时，也可以提高基于特征值来识别所捕获图像中的物体的物体识别的准确性。
本公开的目的是提供一种能够提高物体识别的准确性的物体识别装置、物体识别方法和控制程序。
问题的解决方案
根据第一方面的物体识别装置包括：反射点组信息获取单元，该反射点组信息获取单元被配置为获取多个反射点数据单元作为第一数据单元组，多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，该反射光是朝向每个照射方向照射并且在物体的反射点处反射的光，多个反射点数据单元分别对应于反射点，反射点分别对应于照射方向，多个反射点数据单元包括反射点位置坐标，该反射点位置坐标包括照射方向以及每个反射点与照射点之间的距离；数据转换处理单元，该数据转换处理单元被配置为通过将第二数据单元组投影到世界坐标系中的水平面上，将第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，所述第二数据单元组包括第一数据单元组当中的其中与每个反射点数据单元相对应的反射点属于三维物体的多个反射点数据单元；聚类处理单元，该聚类处理单元被配置为基于所述多个投影点数据单元在水平面上的位置将该多个投影点数据单元聚类到多个聚簇中；以及感兴趣空间设置单元，该感兴趣空间设置单元被配置为通过使用与每个所聚类的聚簇中包括的多个投影点数据单元相对应的多个反射点数据单元，在世界坐标系中为每个聚簇设置感兴趣空间。
根据第二方面的物体识别方法包括：获取多个反射点数据单元作为第一数据单元组，该多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，该反射光是朝向每个照射方向照射并且在物体的反射点处反射的光，多个反射点数据单元分别对应于反射点，反射点分别对应于照射方向，多个反射点数据单元包括反射点位置坐标，该反射点位置坐标包括照射方向以及每个反射点与照射点之间的距离；通过将第二数据单元组投影到世界坐标系中的水平面上，将第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，所述第二数据单元组包括第一数据单元组当中的其中与每个反射点数据单元相对应的反射点属于三维物体的多个反射点数据单元；基于所述多个投影点数据单元在水平面上的位置将该多个投影点数据单元聚类到多个聚簇中；以及通过使用与每个所聚类的聚簇中包括的多个投影点数据单元相对应的多个反射点数据单元，在世界坐标系中为每个聚簇设置感兴趣空间。
根据第三方面的控制程序使物体识别装置执行以下处理：获取多个反射点数据单元作为第一数据单元组，该多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，该反射光是朝向每个照射方向照射并且在物体的反射点处反射的光，多个反射点数据单元分别对应于反射点，反射点分别对应于照射方向，多个反射点数据单元包括反射点位置坐标，该反射点位置坐标包括照射方向以及每个反射点与照射点之间的距离；通过将第二数据单元组投影到世界坐标系中的水平面上，将第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，所述第二数据单元组包括第一数据单元组当中的其中与每个反射点数据单元相对应的反射点属于三维物体的多个反射点数据单元；基于所述多个投影点数据单元在水平面上的位置将该多个投影点数据单元聚类到多个聚簇中；以及通过使用与每个所聚类的聚簇中包括的多个投影点数据单元相对应的多个反射点数据单元，在世界坐标系中为每个聚簇设置感兴趣空间。
发明的有益效果
根据本公开，可以提供一种能够提高物体识别的准确性的物体识别装置、物体识别方法和控制程序。
附图说明
图1是示出根据第一示例实施例的物体识别装置的示例的框图；
图2是示出根据第三示例实施例的物体识别装置的示例的框图。
图3示出了所捕获图像的示例。
图4是用于说明所投影图像的图。
图5是表示过度划分的聚簇的图。
图6示出了用于说明感兴趣空间的整合的图。
图7是示出根据第三示例实施例的物体识别装置的处理操作的示例的流程图；以及
图8示出了物体识别装置的硬件配置的示例。
具体实施方式
在下文中将参考附图描述示例实施例。注意，在整个示例实施例中，相同或等同的组件将由相同的参考标记表示，并且将省略重复的描述。
<第一示例实施例>
图1是示出根据第一示例实施例的物体识别装置的示例的框图。在图1中，物体识别装置10包括反射点组信息获取单元11、数据转换处理单元12、聚类处理单元13、感兴趣空间设置单元14和遮挡确定单元15。在下面的描述中，反射点组信息获取单元11可以被称为获取单元11，并且遮挡确定单元15可以被称为确定单元15。
获取单元11获取“多个反射点数据单元”作为“第一数据单元组”。通过激光雷达(未示出)(例如，LiDAR：光检测和测距)获得“第一数据单元组”的“多个反射点数据单元”。即，通过使激光雷达从照射点朝向在“照射方向范围”内连续改变的照射方向照射照射光并且接收反射光而获得“第一数据单元组”，该反射光是朝向每个照射方向照射并且在物体的反射点处反射的光。例如，在照射方向范围内的通过激光雷达照射照射光的多个照射方向在水平方向和垂直方向中的至少一个方向上彼此不同。此外，“第一数据单元组”的反射点数据单元分别对应于与照射方向分别对应的反射点，并且包括“反射点位置坐标”，该“反射点位置坐标”包括照射方向以及每个反射点与照射点之间的距离。
数据转换处理单元12将“第二数据单元组”投影到“世界坐标系中的水平面”上，该“第二数据单元组”包括多个反射点数据单元，在多个反射点数据单元中，与每个反射点数据单元相对应的反射点属于“第一数据单元组”当中的三维物体。通过这样做，数据转换处理单元12将“第二数据单元组”转换为包括“多个投影点数据单元”的“第三数据单元组”。在下面的描述中，“世界坐标系中的水平面”简称为“水平面”。应当注意的是，可以通过常规方法容易地移除其中反射点属于道路表面的反射点数据单元。通过从“第一数据单元组”中移除反射点属于道路表面的反射点数据单元来获得“第二数据单元组”。
聚类处理单元13基于这些投影点数据单元在“水平面”上的位置将“第三数据单元组”的“多个投影点数据单元”聚类到多个聚簇(clusters)中。对于该聚类处理，例如，使用x均值(x-means)聚类。
感兴趣空间设置单元14使用与由聚类处理单元13所聚类的每个聚簇中包括的多个投影点数据单元相对应的多个反射点数据单元，在世界坐标系中为每个聚簇设置“感兴趣空间”。“感兴趣空间”是三维(3D)感兴趣区域(ROI)。
确定单元15基于多个感兴趣空间在水平面当中的位置关系，确定与每个聚簇相对应的三维物体中是否已经发生了遮挡，多个感兴趣空间是由感兴趣空间设置单元14为多个聚簇中的每个聚簇所设置的。
如上所述，在物体识别装置10中，通过使用利用激光雷达获取的反射点数据来设置感兴趣空间(三维ROI)，即使当存在于激光雷达的照射方向范围内的三维物体中已经发生了遮挡时，也可以准确地设置与三维物体相对应的感兴趣空间。结果，在物体识别装置10中，可以提高用于基于特征值识别所捕获图像中的物体的物体识别的准确性。注意，在以上描述中，假设物体识别装置10包括确定单元15，但是即使当物体识别装置10不包括确定单元15时，也可以获得与上述相同的效果。
<第二示例实施例>
第二示例实施例涉及聚类处理的改进。根据第二示例实施例的物体识别装置的基本配置与根据第一示例实施例的物体识别装置10的基本配置相同，并且因此参考图1进行描述。
在典型的x均值聚类中，对每个聚簇重复划分处理(k均值(k＝2))，直到满足了划分后的贝叶斯信息基准(BIC)小于划分前的BIC的划分终止条件。该典型的x均值聚类采用圆形聚簇作为模型。另一方面，当行人被视为“要被识别的物体”时，行人在鸟瞰图像中并不总是具有圆形形状。因此，当使用典型的x均值聚类时，通常应被聚类在彼此不同的聚簇中的两个不同的行人或行人与非行人，可以被聚类在一个聚簇中。
因此，在第二示例实施例中，修改划分处理的终止条件，使得执行变为较小的聚簇的“过度划分”。通过这样做，即使一个行人被聚类到多个聚簇中，也可以防止两个不同的行人或行人和非行人被聚类到一个聚簇中。然后，在多个聚簇中设置的多个感兴趣空间中，通过对满足整合条件的两个感兴趣空间进行整合，可以整合与一个行人有关的在多个聚簇中设置的多个感兴趣空间。
这里，贝叶斯信息基准(BIC)可以例如通过以下表达式(1)来表达：
BIC＝-2log(L)+klog(n) (1)
在表达式中，L表示似然函数，并且n表示数据的数目。
在根据第二示例实施例的物体识别装置10中，聚类处理单元13使用以下“划分处理的修正终止条件”来执行聚类处理。该“修正终止条件”是这样的条件，即，每个聚簇中包括的投影点数据单元的数目是预定的数目或预定的数目以下，并且划分后的贝叶斯信息基准小于使划分前的贝叶斯信息基准乘以“预定的系数”得到的“修正基准”。“预定的系数”是大于零且小于一的值。即，聚类处理单元13重复划分并形成多个聚簇，直到满足“修正终止条件”。
在根据第二示例实施例的物体识别装置10中，与第一示例实施例的情况一样，感兴趣空间设置单元14为由聚类处理单元13形成的多个聚簇设置多个感兴趣空间。根据第二示例实施例的感兴趣空间设置单元14还设置通过对由聚类处理单元13形成的多个聚簇中设置的多个感兴趣空间当中的在“水平面”中彼此重叠的两个感兴趣空间进行整合而获得的感兴趣空间。此时，重叠的长度可以用作整合的条件。
注意，在进行感兴趣空间的整合处理之前，感兴趣空间设置单元14可以创建沿着在那时已经设置的每个感兴趣空间的“水平面”的两个轴中的每个轴的方向的直方图，以及使用坐标重置感兴趣空间，其中坐标和峰之间的点的数目对应于匹配阈值(聚簇中的点的数目的B％)。然后，感兴趣空间设置单元14还可以设置通过对重置的感兴趣空间当中的在“水平面”中彼此重叠的两个感兴趣空间进行整合而获得的感兴趣空间。
<第三示例实施例>
第三示例实施例涉及更具体的示例实施例。
<物体识别装置的配置示例>
图2是示出根据第三示例实施例的物体识别装置的示例的框图。在图2中，除了获取单元(反射点组信息获取单元)11、数据转换处理单元12和聚类处理单元13之外，物体识别装置20还包括：感兴趣空间设置单元21、确定单元(遮挡确定单元)22、图像获取单元23、感兴趣区域设置单元24和分类器25。
图像获取单元23获取由成像单元(未示出)捕获的所捕获图像的数据。图3示出了所捕获图像的示例。在图3中，所捕获图像包括四个人H1、H2、H3和H4的图像。此外，人H4的一部分隐藏在人类H1的后面。即，在人H4中已经发生了遮挡。
此外，获取单元11获取如图3的捕获图像所示的情况中的“多个反射点数据单元”作为“第一数据单元组”。应当注意的是，根据第三示例实施例的每个反射点数据单元还包括与反射点中的每个反射点相对应的反射光的接收光强度。
然后，数据转换处理单元12将“第二数据单元组”投影到“世界坐标系中的水平面”上，该“第二数据单元组”包括“第一数据单元组”当中的多个反射点数据单元，在该多个反射点数据单元中，与每个反射点数据单元相对应的反射点属于的三维物体。通过这样做，数据转换处理单元12将“第二数据单元组”转换为包括“多个投影点数据单元”的“第三数据单元组”。
图4示出了使用在如图3的所捕获图像中所示的情况下获得的“第三数据单元组”的水平面中的“投影图像”。在投影图像中，存在与人H1、H2、H3和H4中的每个人相对应的块(点组)。图4是用于说明投影图像的图。
与第二示例实施例的情况一样，聚类处理单元13重复划分并形成多个聚簇直到满足“修正终止条件”。图5是示出过度划分的聚簇的图。如图5所示，与人H1相对应的投影点被划分为两个聚簇C11和C12。另外，与人类2相对应的投影点被划分为两个聚簇C21和C22，并且与人H4相对应的投影点被划分为两个聚簇C41和C42。
类似于根据第二示例实施例的感兴趣空间设置单元14，感兴趣空间设置单元21为由聚类处理单元13形成的多个聚簇中的每个聚簇设置感兴趣空间。然后，感兴趣空间设置单元21还设置通过对在由聚类处理单元13形成的多个聚簇中分别设置的多个感兴趣空间中的在“水平面”上彼此重叠的两个感兴趣空间进行整合而得到的感兴趣空间。
应当注意的是，图5所示的在聚簇C11中设置的感兴趣空间和在聚簇C12中设置的感兴趣空间在水平面中彼此重叠。因此，除了在聚簇C11中设置的感兴趣空间和在聚簇C12中设置的感兴趣空间以外，感兴趣空间设置单元21还设置通过对在聚簇C11中设置的感兴趣空间与在聚簇C12中设置的感兴趣的空间进行整合而得到的感兴趣空间。通过这样做，如图6所示，通过将聚簇C11与聚簇C12进行整合而获得的聚簇C1也被设置为一个聚簇。类似地，感兴趣空间设置单元21还设置通过将在聚簇C21中设置的感兴趣空间与在聚簇C22中设置的感兴趣空间进行整合而获得的感兴趣空间。通过这样做，如图6所示，通过将聚簇C21与聚簇C22进行整合而获得的聚簇C2也被设置为一个聚簇。类似地，感兴趣空间设置单元21还设置通过将在聚簇C41中设置的感兴趣空间与在聚簇C42中设置的感兴趣空间进行整合而获得的感兴趣空间。通过这样做，如图6所示，通过将聚簇C41与聚簇C42进行整合而获得的聚簇C4也被设置为一个聚簇。图6示出了用于说明感兴趣空间的整合的图。
然后，感兴趣空间设置单元21基于设置的多个感兴趣空间当中的每个目标感兴趣空间中包括的反射点数据单元的接收光强度，在多个聚簇当中指定“要被排除的聚簇”，该“要被排除的聚簇”对应于与其类型与要被识别的物体的类型不同的物体相对应的“要排除的聚簇”。应当注意的是，在要识别的物体是人时，由除人以外的三维物体反射的反射光的接收光强度的特性是与由人反射的反射光的接收光强度的特性不同的。通过使用接收光强度的特性的上述差异，可以指定与要被识别的物体的类型不同的“要被排除的聚簇”。
此外，感兴趣空间设置单元21在设置的多个感兴趣空间当中指定“要被排除的聚簇”，该“要被排除的聚簇”对应于其与宽度、高度和深度不满足“要被识别的物体的形状基准”的感兴趣空间相对应的“要排除的聚簇”。应当注意的是，当要被识别的物体是人时，在与该人相对应的聚簇中设置的感兴趣空间的形状满足预定的形状基准。因此，通过使用人的形状基准，可以指定与要被识别的物体的类型不同的“要被排除的聚簇”。
此外，感兴趣空间设置单元21在设置的多个感兴趣空间当中指定与通过将感兴趣空间投影到世界坐标系中的垂直面上而获得的感兴趣区域的尺寸不满足要识别的物体要被识别的物体的尺寸基准的感兴趣空间相对应的“要被排除的聚簇”。应当注意的是，当要识别的物体是人时，在与该人相对应的聚簇中设置的感兴趣空间的尺寸满足预定的尺寸基准。因此，通过使用人的尺寸基准，可以指定与要识别的物体的类型不同的“要被排除的聚簇”。在以下描述中，世界坐标系中的垂直面可以简称为垂直面。注意，垂直面例如是与成像单元(未示出)的光轴的延长线不平行的面，并且例如是与成像单元(未示出)的光轴的延长线正交的面。
然后，感兴趣空间设置单元21移除被设置为所指定的要被排除的聚簇的感兴趣空间。
类似于根据第一和第二示例实施例的确定单元15，确定单元22基于水平面中多个感兴趣空间之间的位置关系来确定在与每个聚簇相对应的三维物体中是否已经发生了遮挡，该多个感兴趣空间是由感兴趣空间设置单元21为多个聚簇设置的。由感兴趣空间设置单元21为多个聚簇中的每个聚簇设置的该多个感兴趣空间是未被感兴趣空间设置单元21移除的剩余的多个感兴趣空间。
例如，在构成配对的第一感兴趣空间和第二感兴趣空间被投影到垂直面上时，确定单元22在由感兴趣空间设置单元21设置的多个感兴趣空间中的全部感兴趣空间对当中，指定其中第一感兴趣空间和第二感兴趣空间彼此重叠的感兴趣空间对。然后，确定单元22确定在与下述聚簇相对应的三维物体中已经发生了遮挡，该聚簇对应于所指定的感兴趣空间对之中的距照射点较远的第一感兴趣空间或第二感兴趣空间。例如，当图6所示的聚簇C1中设置的感兴趣空间和聚簇C4中设定的感兴趣空间被投影到垂直面上时，它们彼此重叠。聚簇C4位于比聚簇C1距照射点更远处。因此，确定单元22确定在与聚簇C4相对应的三维物体中已经发生了遮挡。
对于由图像获取单元23获取的所捕获图像，感兴趣区域设置单元24设置与由感兴趣空间设置单元21设置的感兴趣空间(即，尚未移除的剩余感兴趣空间)相对应的“感兴趣区域”。“感兴趣区域”是二维(2D)感兴趣区域(ROI)。
分类器25通过使用由感兴趣区域设置单元24设置的感兴趣区域的特征值来识别与感兴趣区域相对应的三维物体。特别地，当确定单元22确定在与感兴趣区域相对应的三维物体中已经发生了遮挡时，分类器25通过使用从感兴趣区域中排除遮挡区域而获得的区域的特征值，来识别与感兴趣区域相对应的三维物体。在此，例如，将定向梯度直方图(HOG)用作特征值。此外，分类器25是例如级联型AdaBoost分类器。
<物体识别装置的操作示例>
描述了具有上述配置的根据第三示例实施例的物体识别装置的处理操作的示例。图7是示出根据第三示例实施例的物体识别装置的处理操作的示例的流程图。
获取单元11获取“多个反射点数据单元”作为“第一数据单元组”(步骤S101)。图像获取单元23获取由成像单元(未示出)捕获的所捕获图像(步骤S102)。
数据转换处理单元12将第二数据单元组投影到世界坐标系中的水平面上，该第二数据单元组包括多个反射点数据单元，在多个反射点数据单元中，与每个反射点数据单元相对应的反射点属于第一数据单元组当中的三维物体(步骤S103)。通过这样做，数据转换处理单元12将“第二数据单元组”转换为包括“多个投影点数据单元”的“第三数据单元组”。
聚类处理单元13重复划分并形成多个聚簇，直到满足“修正终止条件”(步骤S104)。
感兴趣空间设置单元21为由聚类处理单元13形成的多个聚簇中的每个聚簇设置感兴趣空间(步骤S105)。然后，感兴趣空间设置单元21还设置通过对在由聚类处理单元13形成的多个聚簇中分别设置的多个感兴趣空间当中的在“水平面”上彼此重叠的两个感兴趣空间进行整合而得到的感兴趣空间(步骤S105)。
感兴趣空间设置单元21在多个聚簇当中指定与要被识别的物体的类型不同的“要被排除的聚簇”(步骤S106)。
感兴趣空间设置单元21移除被设置为所指定的要被排除的聚簇的感兴趣空间(步骤S107)。
确定单元22基于水平面中多个感兴趣空间之间的位置关系，来确定在与每个聚簇相对应的三维物体中是否已经发生了遮挡，多个感兴趣空间是由感兴趣空间设置单元21为多个聚簇中的每个聚簇设置的(步骤S108)。
针对由图像获取单元23获取的所捕获图像，感兴趣区域设置单元24设置与由感兴趣空间设置单元21设置的感兴趣空间相对应的“感兴趣区域”(步骤S109)。
分类器25通过使用由感兴趣区域设置单元24设置的感兴趣区域的特征值来识别与感兴趣区域相对应的三维物体(步骤S110)。
如上所述，根据第三示例实施例，在物体识别装置20中，确定单元22在构成配对的第一感兴趣空间和第二感兴趣空间被投影到垂直面上时，在由感兴趣空间设置单元21设置的多个感兴趣空间中的全部感兴趣空间对当中指定其中第一感兴趣空间和第二感兴趣空间彼此重叠的感兴趣空间对。然后，确定单元22确定在与下述聚簇相对应的三维物体中已经发生了遮挡，该聚簇对应于所指定的感兴趣空间对之中的距照射点较远的第一感兴趣空间或第二感兴趣空间。
通过物体识别装置20的配置，可以基于感兴趣空间之间的位置关系来确定关于在与对应于感兴趣空间的聚簇相对应的三维物体中是否已经发生了遮挡，并且因此，可以简单而准确地确定关于是否已经发生了遮挡。结果，在物体识别装置20中，可以提高用于基于特征值识别所捕获图像中的物体的物物体识别的准确性。
<其他示例实施例>
图8示出了物体识别装置的硬件配置的示例。在图8中，物体识别装置100包括处理器101和存储器102。根据第一至第三示例实施例的物体识别装置10和20的反射点组信息获取单元11、数据转换处理单元12、聚类处理单元13、感兴趣空间设置单元14和21、遮挡确定单元15和22、图像获取单元23、感兴趣区域设置单元24和分类器25可以由加载并执行存储在存储器102中的程序的处理器101来实现。程序可以被存储在各种类型的非暂时性计算机可读介质中，并由此被提供给物体识别装置10和20。此外，可以通过使用各种类型的暂时性计算机可读介质，将程序提供给物体识别装置10和20。
尽管上面已经参考示例实施例描述了本发明，但是本发明不限于上述示例实施例。在本发明的范围内，可以对本发明的配置和细节进行本领域技术人员可以理解的各种改变。
上面公开的示例实施例的全部或部分可以被描述为但不限于以下附记。
(附记1)
一种物体识别装置，包括：
反射点组信息获取单元，该反射点组信息获取单元被配置为获取多个反射点数据单元作为第一数据单元组，该多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，该反射光是朝向每个照射方向照射并且在物体的反射点处反射的光，多个反射点数据单元分别对应于反射点，反射点分别对应于照射方向，多个反射点数据单元包括反射点位置坐标，该反射点位置坐标包括照射方向以及每个反射点与照射点之间的距离；
数据转换处理单元，该数据转换处理单元被配置为通过将第二数据单元组投影到世界坐标系中的水平面上，将包括第一数据单元组当中的多个反射点数据单元的第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，在该多个反射点数据单元中，与每个反射点数据单元相对应的反射点属于三维物体；
聚类处理单元，该聚类处理单元该被配置为基于多个投影点数据单元在水平面上的位置将该多个投影点数据单元聚类到多个聚簇中；以及
感兴趣空间设置单元，该感兴趣空间设置单元被配置为通过使用与每个所聚类的聚簇中包括的多个投影点数据单元相对应的多个反射点数据单元，在世界坐标系中为每个聚簇设置感兴趣空间。
(附记2)
附记1所述的物体识别装置，其中
聚类处理单元重复划分并形成多个聚簇，直到满足了条件，该条件是：每个聚簇中包括的投影点数据单元的数目为预定的数目或更少，并且划分后的贝叶斯信息基准小于通过将划分之前的贝叶斯信息基准乘以大于零且小于一的预定的系数而获得的修正基准；以及
感兴趣空间设置单元为多个所形成的聚簇设置多个感兴趣空间，并且还设置通过对分别在多个所形成的聚簇中设置的多个感兴趣空间当中的在水平面中彼此重叠的两个感兴趣空间进行整合而获得的感兴趣空间。
(附记3)
附记1或2中描述的物体识别装置，进一步包括遮挡确定单元，该遮挡确定单元被配置为：当构成配对的第一感兴趣空间和第二感兴趣空间被投影到世界坐标系中的垂直面上，从而在设置的多个感兴趣空间中的全部感兴趣空间对当中指定了其中第一感兴趣空间和第二感兴趣空间彼此重叠的感兴趣空间对时，确定已经发生了遮挡。
(附记4)
附记3中描述的物体识别装置，其中，遮挡确定单元确定在与下述聚簇相对应的三维物体中已经发生了遮挡，该聚簇对应于所指定的感兴趣空间对之中的距照射点较远的第一感兴趣空间或第二感兴趣空间。
(附记5)
附记1至4中的任一项所述的物体识别装置，其中
反射点数据单元中的每个反射点数据单元进一步包括与每个反射点相对应的反射光的接收光强度，以及
感兴趣空间设置单元基于设置的多个感兴趣空间当中的每个目标感兴趣空间中包括的反射点数据单元的接收光强度，在多个所聚类的聚簇当中指定要被排除的聚簇，该要被排除的聚簇对应于其类型与要识别的物体的类型不同的物体，并移除被设置给所指定的要排除的聚簇的感兴趣空间。
(附记6)
附记1至5中的任一项所述的物体识别装置，其中，感兴趣空间设置单元在设置的多个感兴趣空间当中指定要被排除的聚簇，该要被排除的聚簇对应于其宽度、高度和深度不满足要被识别的物体的形状基准的感兴趣空间，并移除被设置给所指定的要被排除的聚簇的感兴趣空间。
(附记7)
附记1至6中的任一项所述的物体识别装置，其中，感兴趣空间设置单元指定要被排除的聚簇，该要被排除的聚簇对应于在设置的多个感兴趣空间当中的通过将感兴趣空间投影到世界坐标系中的垂直面上而获得的感兴趣区域的尺寸不满足要被识别的物体的尺寸基准的感兴趣空间，并且移除被设置给所指定的要被排除的聚簇的感兴趣空间。
(附记8)
附记3或4所述的物体识别装置，进一步包括：
感兴趣区域设置单元，该感兴趣区域设置单元被配置为用于对由成像单元捕获的所捕获图像设置感兴趣区域，该感兴趣区域对应于由感兴趣空间设置单元设置的感兴趣空间；以及
分类器，该分类器被配置为：当遮挡确定单元确定已经发生了遮挡时，通过使用从与其中确定已经发生了遮挡的感兴趣空间对相对应地设置的感兴趣区域中排除了遮挡区域而获得的区域的特征值，来识别与所设置的感兴趣区域相对应的三维物体。
(附记9)
一种物体识别方法，包括：
获取多个反射点数据单元作为第一数据单元组，该多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，该反射光是朝向每个照射方向照射并且在物体的反射点处反射的光，多个反射点数据单元分别对应于反射点，反射点分别对应于照射方向，多个反射点数据单元包括反射点位置坐标，该反射点位置坐标包括照射方向以及每个反射点与照射点之间的距离；
通过将第二数据单元组投影到世界坐标系中的水平面上，将第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，所述第二数据单元组包括第一数据单元组当中的其中与每个反射点数据单元相对应的反射点属于三维物体的多个反射点数据单元；
基于所述多个投影点数据单元在水平面上的位置将该多个投影点数据单元聚类到多个聚簇中；以及
通过使用与每个所聚类的聚簇中包括的多个投影点数据单元相对应的多个反射点数据单元，在世界坐标系中为每个聚簇设置感兴趣空间。
(附记10)
附记9所述的物体识别方法，其中
在聚类中，重复划分从而形成多个聚簇，直到满足了条件，该条件是：每个聚簇中包括的投影点数据单元的数目为预定的数目或更少，并且划分后的贝叶斯信息基准小于通过将划分之前的贝叶斯信息基准乘以大于零且小于一的预定的系数而获得的修正基准，以及
在感兴趣空间的设置中，为多个所形成的聚簇设置多个感兴趣空间，并且进一步设置通过对分别在多个所形成的聚簇中设置的多个感兴趣空间当中的在水平面中彼此重叠的两个感兴趣空间进行整合而获得的感兴趣空间。
(附记11)
附记9或10中描述的物体识别方法，进一步包括：当构成配对的第一感兴趣空间和第二感兴趣空间被投影到世界坐标系中的垂直面上，以由此在设置的多个感兴趣空间中的全部感兴趣空间对当中指定了其中第一感兴趣空间和第二感兴趣空间彼此重叠的感兴趣空间对时，确定已经发生了遮挡。
(附记12)
附记11中描述的物体识别方法，其中，在遮挡的确定中，确定在与下述聚簇相对应的三维物体中已经发生了遮挡，该聚簇对应于所指定的感兴趣空间对之中的距照射点较远的第一感兴趣空间或第二感兴趣空间。
(附记13)
附记9至12中的任一项所述的物体识别方法，其中
反射点数据单元中的每个反射点数据单元进一步包括与每个反射点相对应的反射光的接收光强度，以及
在感兴趣空间的设置中，基于设置的多个感兴趣空间当中的每个目标感兴趣空间中包括的反射点数据单元的接收光强度，在多个所聚类的聚簇当中指定要被排除的聚簇，该要被排除的聚簇对应于其类型与要被识别的物体的类型不同的物体，并且移除被设置给所指定的要被排除的聚簇的感兴趣空间。
(附记14)
附记9至13中的任一项所述的物体识别方法，其中，在感兴趣空间的设置中，指定要被排除的聚簇，该要被排除的聚簇对应于在设置多个的感兴趣空间当中的其宽度、高度和深度不满足要被识别的物体的形状基准的感兴趣空间，并移除被设置给所指定的要被排除的聚簇的感兴趣空间。
(附记15)
附记9至14中的任一项所述的物体识别方法，其中，在感兴趣空间的设置中，指定要被排除的聚簇，该要被排除的聚簇对应于在设置的多个感兴趣空间当中的通过将感兴趣空间投影到世界坐标系中的垂直面上而获得的感兴趣区域的尺寸不满足要被识别的物体的尺寸基准的感兴趣空间，并且移除被设置为所指定的要被排除的聚簇的感兴趣空间。
(附记16)
附记11或12中描述的物体识别方法，进一步包括：
对由成像单元捕获的所捕获图像设置与设置的感兴趣空间相对应的感兴趣区域；以及
当确定已经发生了遮挡时，通过使用与从其中确定已经发生了遮挡的感兴趣空间对相对应地设置的感兴趣区域中排除了遮挡区域而获得的区域的特征值，来识别与所设置的感兴趣区域相对应的三维物体。
(附记17)
一种用于使物体识别装置执行以下处理的控制程序：
获取多个反射点数据单元作为第一数据单元组，该多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，该反射光是朝向每个照射方向照射并且在物体的反射点处反射的光，多个反射点数据单元分别对应于反射点，该反射点分别对应于照射方向，多个反射点数据单元包括反射点位置坐标，该反射点位置坐标包括照射方向以及每个反射点与照射点之间的距离；
通过将第二数据单元组投影到世界坐标系中的水平面上，将第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，所述第二数据单元组包括第一数据单元组当中的其中与每个反射点数据单元相对应的反射点属于的三维物体的多个反射点数据单元；
基于所述多个投影点数据单元在水平面上的位置将该多个投影点数据单元聚类到多个聚簇中；以及
通过使用与每个所聚类的聚簇中包括的多个投影点数据单元相对应的多个反射点数据单元，在世界坐标系中为每个聚簇设置感兴趣空间。
本申请基于并要求于2018年3月30日提交的日本专利申请No.2018-069753的优先权，其全部内容通过引用合并于此。
附图标记列表
10，20 物体识别装置
11 反射点组信息获取单元
12 数据转换处理单元
13 聚类处理单元
14，21 感兴趣空间设置单元
15，22 遮挡确定装置
23 图像获取单元
24 感兴趣区域设置单元
25 分类器

Claims (17)

1.一种物体识别装置，包括：
反射点组信息获取装置，所述反射点组信息获取装置用于获取多个反射点数据单元作为第一数据单元组，所述多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，所述反射光是朝向每个照射方向照射的并且在物体的反射点处反射的光，所述多个反射点数据单元分别对应于和所述照射方向分别对应的所述反射点，所述多个反射点数据单元包括反射点位置坐标，所述反射点位置坐标包括所述照射方向以及每个反射点与所述照射点之间的距离；
数据转换处理装置，所述数据转换处理装置用于：通过将第二数据单元组投影到世界坐标系中的水平面上，将所述第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，所述第二数据单元组包括在所述第一数据单元组当中的、其中与每个反射点数据单元相对应的所述反射点属于三维物体的多个反射点数据单元；
聚类处理装置，所述聚类处理装置用于：基于所述多个投影点数据单元在所述水平面上的位置，将该多个投影点数据单元聚类到多个聚簇中；以及
感兴趣空间设置装置，所述感兴趣空间设置装置用于：通过使用与每个所聚类的聚簇中包括的所述多个投影点数据单元相对应的所述多个反射点数据单元，在所述世界坐标系中为每个聚簇设置感兴趣空间。
2.根据权利要求1所述的物体识别装置，其中，
所述聚类处理装置重复进行划分并形成所述多个聚簇，直到满足下述条件，所述条件是：
每个聚簇中包括的投影点数据单元的数目为预定的数目或更少，并且
在所述划分后的贝叶斯信息基准小于通过将在所述划分之前的所述贝叶斯信息基准乘以大于零且小于一的预定的系数而获得的修正基准，以及
所述感兴趣空间设置装置为所形成的所述多个聚簇设置多个感兴趣空间，并且进一步设置通过对分别在所形成的所述多个聚簇中设置的所述多个感兴趣空间当中的在所述水平面中彼此重叠的两个感兴趣空间进行整合而获得的感兴趣空间。
3.根据权利要求1或2所述的物体识别装置，进一步包括：
遮挡确定装置，所述遮挡确定装置用于：当构成配对的第一感兴趣空间和第二感兴趣空间被投影到所述世界坐标系中的垂直面上从而在所设置的所述多个感兴趣空间中的全部的感兴趣空间对当中指定了其中所述第一感兴趣空间和所述第二感兴趣空间彼此重叠的感兴趣空间对时，确定已经发生了遮挡。
4.根据权利要求3所述的物体识别装置，
其中，所述遮挡确定装置确定在与下述聚簇相对应的三维物体中已经发生了遮挡，该聚簇对应于所指定的感兴趣空间对之中的距所述照射点较远的所述第一感兴趣空间或所述第二感兴趣空间。
5.根据权利要求1至4中的任一项所述的物体识别装置，其中，
所述反射点数据单元中的每个反射点数据单元进一步包括与每个反射点相对应的反射光的接收光强度，以及
所述感兴趣空间设置装置基于所设置的所述多个感兴趣空间当中的每个目标感兴趣空间中包括的所述反射点数据单元的所述接收光强度，在所述多个所聚类的聚簇当中指定要被排除的聚簇，所述要被排除的聚簇对应于其类型与要被识别的物体的类型不同的物体，并且所述感兴趣空间设置装置移除被设置给所指定的要被排除的聚簇的感兴趣空间。
6.根据权利要求1至5中的任一项所述的物体识别装置，其中，
所述感兴趣空间设置装置指定要被排除的聚簇，该要被排除的聚簇对应于在所设置的多个感兴趣空间当中的其宽度、高度和深度不满足所述要被识别的物体的形状基准的感兴趣空间，并且所述感兴趣空间设置装置移除被设置给所指定的要被排除的聚簇的感兴趣空间。
7.根据权利要求1至6中的任一项所述的物体识别装置，其中，
所述感兴趣空间设置装置指定要被排除的聚簇，该要被排除的聚簇对应于在所设置的多个感兴趣空间当中的通过将感兴趣空间投影到所述世界坐标系中的所述垂直面上而获得的感兴趣区域的尺寸不满足所述要被识别的物体的尺寸基准的感兴趣空间，并且所述感兴趣空间设置装置移除被设置给所指定的要被排除的聚簇的感兴趣空间。
8.根据权利要求3或4所述的物体识别装置，进一步包括：
感兴趣区域设置装置，所述感兴趣区域设置装置用于：对由成像装置捕获的所捕获图像，来设置与由所述感兴趣空间设置装置所设置的所述感兴趣空间相对应的感兴趣区域；以及
分类器，所述分类器被配置为：当所述遮挡确定装置确定已经发生了遮挡时，通过使用从与其中确定已经发生了所述遮挡的感兴趣空间对相对应地设置的感兴趣区域中排除了遮挡区域而获得的区域的特征值，来识别与所设置的感兴趣区域相对应的三维物体。
9.一种物体识别方法，包括：
获取多个反射点数据单元作为第一数据单元组，所述多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，所述反射光是朝向每个照射方向照射并且在物体的反射点处反射的光，所述多个反射点数据单元分别对应于和所述照射方向分别对应的所述反射点，所述多个反射点数据单元包括反射点位置坐标，所述反射点位置坐标包括所述照射方向以及每个反射点与所述照射点之间的距离；
通过将第二数据单元组投影到世界坐标系中的水平面上，将所述第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，所述第二数据单元组包括在所述第一数据单元组当中的、其中与每个反射点数据单元相对应的所述反射点属于三维物体的多个反射点数据单元；
基于所述多个投影点数据单元在所述水平面上的位置，将该多个投影点数据单元聚类到多个聚簇中；以及
通过使用与每个所聚类的聚簇中包括的所述多个投影点数据单元相对应的所述多个反射点数据单元，在所述世界坐标系中为每个聚簇设置感兴趣空间。
10.根据权利要求9所述的物体识别方法，其中，
在所述聚簇中，重复进行划分以由此形成所述多个聚簇直到满足下述条件，所述条件是：
每个聚簇中包括的投影点数据单元的数目为预定的数目或更少，并且
在所述划分后的贝叶斯信息基准小于通过将在所述划分之前的所述贝叶斯信息基准乘以大于零且小于一的预定的系数而获得的修正基准，以及
在对所述感兴趣空间的所述设置中，为所形成的所述多个聚簇设置多个感兴趣空间，并且进一步设置通过对分别在所形成的所述多个聚簇中设置的所述多个感兴趣空间当中的在所述水平面中彼此重叠的两个感兴趣空间进行整合而获得的感兴趣空间。
11.根据权利要求9或10所述的物体识别方法，进一步包括：
当构成配对的第一感兴趣空间和第二感兴趣空间被投影到所述世界坐标系中的垂直面上以由此在所设置的多个感兴趣空间中的全部感兴趣空间对当中指定了其中所述第一感兴趣空间和所述第二感兴趣空间彼此重叠的所述感兴趣空间对时，确定已经发生了遮挡。
12.根据权利要求11所述的物体识别方法，其中，
在遮挡的所述确定中，确定在与下述聚簇相对应的三维物体中已经发生了遮挡，该聚簇对应于所指定的感兴趣空间对之中的距所述照射点较远的所述第一感兴趣空间或所述第二感兴趣空间。
13.根据权利要求9至12中的任一项所述的物体识别方法，其中，
所述反射点数据单元中的每个反射点数据单元进一步包括与每个反射点相对应的反射光的接收光强度，以及
在对所述感兴趣空间的所述设置中，基于所设置的多个感兴趣空间当中的每个目标感兴趣空间中包括的所述反射点数据单元的所述接收光强度，在所述多个所聚类的聚簇当中指定要被排除的聚簇，所述要被排除的聚簇对应于其类型与要被识别的物体的类型不同的物体，并且移除被设置给所指定的要被排除的聚簇的感兴趣空间。
14.根据权利要求9至13中的任一项所述的物体识别方法，其中，
在对所述感兴趣空间的所述设置中，指定要被排除的聚簇，所述要被排除的聚簇对应于在所设置的多个感兴趣空间当中的其宽度、高度和深度不满足所述要被识别的物体的形状基准的感兴趣空间，并且移除被设置给所指定的要被排除的聚簇的感兴趣空间。
15.根据权利要求9至14中的任一项所述的物体识别方法，其中，
在对所述感兴趣空间的所述设置中，指定要被排除的聚簇，所述要被排除的聚簇对应于在所设置的多个感兴趣空间当中的与通过将感兴趣空间投影到所述世界坐标系中的所述垂直面上而获得的感兴趣区域的尺寸不满足所述要被识别的物体的尺寸基准的感兴趣空间，并且移除被设置给所指定的要被排除的聚簇的感兴趣空间。
16.根据权利要求11或12所述的物体识别方法，进一步包括：
对由所述成像装置捕获的所捕获图像设置与所设置的感兴趣空间相对应的感兴趣区域；以及
当确定已经发生了所述遮挡时，通过使用从与其中确定已经发生了所述遮挡的感兴趣空间对相对应地设置的感兴趣区域中排除遮挡区域而获得的区域的特征值，来识别与所设置的感兴趣区域相对应的三维物体。
17.一种非暂时性计算机可读介质，其存储有用于使物体识别装置执行以下处理的控制程序：
获取多个反射点数据单元作为第一数据单元组，所述多个反射点数据单元是通过从照射点朝向在照射方向范围内连续改变的照射方向照射照射光并且接收反射光而获得的，所述反射光是朝向每个照射方向照射并且在物体的反射点处反射的光，所述多个反射点数据单元分别对应于和所述照射方向分别对应的所述反射点，所述多个反射点数据单元包括反射点位置坐标，所述反射点位置坐标包括所述照射方向以及每个反射点与所述照射点之间的距离；
通过将第二数据单元组投影到世界坐标系中的水平面上，将第二数据单元组转换为包括多个投影点数据单元的第三数据单元组，所述第二数据单元组包括在所述第一数据单元组当中的、其中与每个反射点数据单元相对应的所述反射点属于三维物体的多个反射点数据单元；
基于所述多个投影点数据单元在所述水平面上的位置，将该多个投影点数据单元聚类到多个聚簇中；以及
通过使用与每个所聚类的聚簇中包括的所述多个投影点数据单元相对应的所述多个反射点数据单元，在所述世界坐标系中为每个聚簇设置感兴趣空间。
CN201880091781.6A 2018-03-30 2018-09-14 物体识别装置、物体识别方法和非暂时性计算机可读介质 Active CN111937037B (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2018-069753 2018-03-30
JP2018069753 2018-03-30
PCT/JP2018/034115 WO2019187216A1 (ja) 2018-03-30 2018-09-14 物体識別装置、物体識別方法、及び制御プログラムを格納する非一時的なコンピュータ可読媒体

Publications (2)

Publication Number Publication Date
CN111937037A true CN111937037A (zh) 2020-11-13
CN111937037B CN111937037B (zh) 2024-06-18

Family

ID=68059864

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880091781.6A Active CN111937037B (zh) 2018-03-30 2018-09-14 物体识别装置、物体识别方法和非暂时性计算机可读介质

Country Status (5)

Country Link
US (1) US11538260B2 (zh)
EP (1) EP3779880A4 (zh)
JP (1) JP7036464B2 (zh)
CN (1) CN111937037B (zh)
WO (1) WO2019187216A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7501398B2 (ja) 2020-02-18 2024-06-18 株式会社デンソー 物体検出装置
CN115176175A (zh) * 2020-02-18 2022-10-11 株式会社电装 物体检测装置
WO2024190436A1 (ja) * 2023-03-16 2024-09-19 ソニーグループ株式会社 情報処理装置、情報処理方法、およびプログラム

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000304509A (ja) * 1999-04-21 2000-11-02 Matsushita Electric Works Ltd 物体特定方法及び装置
JP2015114261A (ja) * 2013-12-13 2015-06-22 株式会社デンソーアイティーラボラトリ 対象物検出装置、対象物検出方法およびプログラム
CN105866790A (zh) * 2016-04-07 2016-08-17 重庆大学 一种考虑激光发射强度的激光雷达障碍物识别方法及系统
CN106339669A (zh) * 2016-08-16 2017-01-18 长春理工大学 多线点云数据机器学习的人形目标识别方法和防撞装置

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007104171A (ja) * 2005-10-03 2007-04-19 Omron Corp 前方監視装置
JP4830604B2 (ja) * 2006-04-17 2011-12-07 日産自動車株式会社 物体検出方法および物体検出装置
GB0616688D0 (en) 2006-08-23 2006-10-04 Qinetiq Ltd Target orientation
JP2011185664A (ja) 2010-03-05 2011-09-22 Panasonic Electric Works Co Ltd 対象物検出装置
JP5742873B2 (ja) 2013-05-08 2015-07-01 株式会社デンソー 物体識別装置
JP6620443B2 (ja) * 2015-07-17 2019-12-18 富士通株式会社 監視プログラム、監視装置、及び監視方法
JP6938846B2 (ja) 2016-03-14 2021-09-22 株式会社デンソー 物体認識装置
JP2018069753A (ja) 2016-10-24 2018-05-10 アイシン・エィ・ダブリュ株式会社 運転状況表示システムおよび運転状況表示プログラム

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000304509A (ja) * 1999-04-21 2000-11-02 Matsushita Electric Works Ltd 物体特定方法及び装置
JP2015114261A (ja) * 2013-12-13 2015-06-22 株式会社デンソーアイティーラボラトリ 対象物検出装置、対象物検出方法およびプログラム
CN105866790A (zh) * 2016-04-07 2016-08-17 重庆大学 一种考虑激光发射强度的激光雷达障碍物识别方法及系统
CN106339669A (zh) * 2016-08-16 2017-01-18 长春理工大学 多线点云数据机器学习的人形目标识别方法和防撞装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SCOTT SHAOBING CHEN: "Clustering via the Bayesian information criterion with applications in speech recognition", PROCEEDINGS OF THE 1998 IEEE INTERNATIONAL CONFERENCE ON ACOUSTICS, pages 645 - 648 *
ZHENZHEN WU: "Extraction of rod-like objects from vehicle-borne LiDAR data", PROC. SPIE 9901, pages 1 - 7 *

Also Published As

Publication number Publication date
WO2019187216A1 (ja) 2019-10-03
US11538260B2 (en) 2022-12-27
EP3779880A1 (en) 2021-02-17
JPWO2019187216A1 (ja) 2021-02-12
US20210019501A1 (en) 2021-01-21
JP7036464B2 (ja) 2022-03-15
CN111937037B (zh) 2024-06-18
EP3779880A4 (en) 2021-05-26

Similar Documents

Publication Publication Date Title
US10467771B2 (en) Method and system for vehicle localization from camera image
KR102061522B1 (ko) 라이다 센서를 이용한 밀집도 기반의 객체 검출 장치 및 방법
WO2018049998A1 (zh) 交通标志牌信息获取方法及装置
CN113243016A (zh) 物体识别系统、运算处理装置、汽车、车辆用灯具、分类器的学习方法
CN111723721A (zh) 基于rgb-d的三维目标检测方法、系统及装置
KR101362631B1 (ko) 머리 인식 방법
EP3754295A1 (en) Three-dimensional measuring system and three-dimensional measuring method
CN111937037B (zh) 物体识别装置、物体识别方法和非暂时性计算机可读介质
EP4086846A1 (en) Automatic detection of a calibration standard in unstructured lidar point clouds
CN111308500B (zh) 基于单线激光雷达的障碍物感知方法、装置和计算机终端
JP2008304344A (ja) 物標検出装置
KR102472004B1 (ko) 복수의 센서간 캘리브레이션 방법 및 장치
CN113267761A (zh) 激光雷达目标检测识别方法、系统及计算机可读存储介质
CN112990049A (zh) 用于车辆自动驾驶的aeb紧急制动方法、装置
CN116168384A (zh) 点云目标检测方法、装置、电子设备及存储介质
CN115909268A (zh) 一种动态障碍物检测方法及装置
JP2010256040A (ja) 車両検出装置
CN110573908B (zh) 点群数据处理装置、方法和程序、车辆控制装置以及车辆
CN114428257A (zh) 物体检测装置
EP4024330B1 (en) Object recognition method and object recognition device
JP2013069045A (ja) 画像認識装置、画像認識方法および画像認識プログラム
Wang et al. Fusion perception of vision and millimeter wave radar for autonomous driving
CN112286178B (zh) 识别系统、车辆控制系统、识别方法及存储介质
JP2021018605A (ja) 画像処理装置
CN110674724B (zh) 基于主动策略和影像传感器的机器人目标识别方法及系统

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