CN112639811A - 用于分析处理具有扩展对象识别的传感器数据的方法 - Google Patents

用于分析处理具有扩展对象识别的传感器数据的方法 Download PDF

Info

Publication number
CN112639811A
CN112639811A CN201980057765.XA CN201980057765A CN112639811A CN 112639811 A CN112639811 A CN 112639811A CN 201980057765 A CN201980057765 A CN 201980057765A CN 112639811 A CN112639811 A CN 112639811A
Authority
CN
China
Prior art keywords
sensor data
sensor
surface properties
identified
database
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.)
Pending
Application number
CN201980057765.XA
Other languages
English (en)
Inventor
H·赫特莱茵
D·毛赫尔
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.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
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 Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN112639811A publication Critical patent/CN112639811A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • 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
    • G06V20/584—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of vehicle lights or traffic lights
    • 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
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous 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
    • 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
    • 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
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G01S7/487—Extracting wanted echo signals, e.g. pulse detection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/50—Depth or shape recovery
    • G06T7/529—Depth or shape recovery from texture
    • 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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • 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
    • G01S13/46—Indirect determination of position data
    • G01S2013/462—Indirect determination of position data using multipath signals
    • G01S2013/464—Indirect determination of position data using multipath signals using only the non-line-of-sight signal(s), e.g. to enable survey of scene 'behind' the target only the indirect signal is evaluated
    • 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
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • General Engineering & Computer Science (AREA)
  • Electromagnetism (AREA)
  • Medical Informatics (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Biology (AREA)
  • Traffic Control Systems (AREA)
  • Image Processing (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开一种用于分析处理传感器数据的方法，其中，通过由至少一个传感器扫描周围环境来求取传感器数据，基于所述传感器数据执行对象探测和对象过滤，该对象探测用于由传感器数据求取对象，其中，识别至少一个对象的表面特性和/或借助对数据库的访问来求取至少一个对象的表面特性。此外，本发明公开一种控制设备。

Description

用于分析处理具有扩展对象识别的传感器数据的方法
技术领域
本发明涉及一种用于分析处理传感器数据的方法，其中，通过由至少一个传感器扫描周围环境来求取传感器数据，基于传感器数据执行对象探测和对象过滤，该对象探测用于由传感器数据求取对象。此外，本发明涉及一种控制设备。
背景技术
在驾驶员辅助系统和自动化驾驶功能中，必须分析通过传感器所观察的周围环境。在使用在该领域中常用的传感器(诸如雷达传感器、激光雷达传感器和摄像机)时，视应用而定，通常仅当能够接受非常高的假阳性率时，才能够达到周围环境中的待识别的重要相关对象的足够真阳性率。
然而，根据后续功能，高的假阳性率可能会显著限制功能的可用性。在一般情况下，增大的假阳性率可能由幽灵对象(Geisterobjekt)产生，这种幽灵对象通过反射或多重反射产生。幽灵对象的类型和产生取决于传感器模态而有所不同。
发明内容
本发明所基于的任务可以视为，提出一种用于以低的假阳性率分析处理传感器数据的方法。
该任务借助独立权利要求的相应主题来解决。本发明的有利构型是各个从属权利要求的主题。
根据本发明的一方面，提供一种用于分析处理传感器数据的方法，其中，通过由至少一个传感器扫描周围环境来求取传感器数据。基于传感器数据执行对象探测和对象过滤，该对象探测用于由传感器数据求取对象，其中，识别至少一个对象的表面特性和/或根据对数据库的访问求取至少一个对象的表面特性。
根据本发明的另一方面，提供一种控制设备，该控制设备用于与至少一个传感器耦合并且用于读取至少一个传感器的传感器数据，其中，该控制设备设置用于实施该方法的所有步骤。
通过该方法可以识别对象并且求取或估计所识别的对象的表面特性。所述对象也可以构型为未被分类的目标并且不必强制性地被指定为已定义对象。根据对象或目标的附加表面特性，可以提高传感器数据分析处理的精度并且改善环境传感装置的可靠性。
在此，该方法尤其使用如下分类器：该分类器能够被构型为受训练的和能够被训练的。此外，可以使用存储在数据库中的数据(例如地图数据)来求取对象的表面特性或将表面特性分配给确定的对象。
因此，该原理的适用性不局限于确定的传感器模态。附加地，通过使用多模态的分类器(基于多种模态的融合)可以增加环境传感器的以及与所述传感器相关联的功能的可靠性。
通过使用地图数据，也可以在以下情况中使用该方法：在所述情况中，无法或者无法以足够可靠性或者无法足够及时地对车辆的对象特性进行必要识别。
该方法能够实现：通过关于周围环境中的表面或表面特性的先验知识(Vorwissen)来减少幽灵对象的出现或将幽灵对象与其他属性关联，以便例如在后续传感器融合中改善对象识别。
根据一种实施方式，与对象探测并行地求取至少一个所识别的对象的表面特性。由此，可以有针对性地使用分类器，以便求取如下表面特性：所述表面特性例如促进相应传感器模态情况下的反射(Spiegelung)。尤其可以基于对象的所求取的表面特性来检查：所辨识的对象是否是反射并且因此被分级为幽灵对象。因此，可以直接和/或间接地检查所识别的对象，这提高了分析处理的可靠性。
根据另一实施方式，在表面过滤的情况下使用表面特性的求取的结果。可以将对象的所求取的或所估计的表面特性直接用于传感器数据处理，使得幽灵对象减少并且因此改善了对象状态的精度。
根据另一实施例，为了求取至少一个所探测的对象的表面特性，在对象过滤期间执行与数据库的比较。根据一个构型，数据库被构型为具有存储的表面特性的地图。由此，可以提供本方法的另一构型，在该构型中例如以静止对象的材料特性和/或表面特性对已经存在的高精度地图进行扩展。
所述对象特性和/或材料特性例如可以涉及混凝土墙、镜子、玻璃立面、护栏、隔音墙等，它们由于其表面特性而对环境检测和传感器分析处理存在影响。借助关于重要相关对象的表面的先验知识，可以改善传感器数据处理或者在后续的传感器数据融合中提高精度。通过该方法尤其可以在不损害真阳性率的情况下减少假阳性率。
根据另一实施方式，基于至少一个对象的所求取的对象特性去除或修正传感器数据中的至少一个幽灵对象。通过关于在传感器的周围环境中的对象的表面特性的知识，可以确定表面特性对传感器的影响。例如，可以根据表面特性来求取激光雷达传感器或雷达传感器的射束的偏转、折射、衍射或反射，并且可以将其用于在传感器数据分析中对所识别的对象进行可信度检验。
例如，在通过激光雷达传感器进行环境检测时，可以探测到护栏后面的车辆，而该车辆由于被前方行驶车辆遮挡而仅被探测为所反射的幽灵车辆。通过该方法，要么可以识别出护栏的进行反射的表面，要么可以从地图中得出护栏的进行反射的表面。借助这些信息，要么可以去除幽灵对象，要么可以通过三角测量修正幽灵对象的位置。
根据另一实施例，通过机器学习来识别或分类至少一个所识别的对象的表面特性。由此，例如可以使用神经网络来提供分类器，该分类器例如根据所识别的对象的形状将可能的表面特性分配给所识别的对象。
根据另一实施方式，在传感器数据融合的范畴内，通过基于数据库访问的对象过滤来求取至少一个所识别的对象的表面特性，或者，在传感器数据融合的范畴内，通过对象过滤使用至少一个所识别的对象的已识别出的表面特性。可以将表面估计的结果传递给后续的传感器数据融合，以便在那里同样改善精度或减少假阳性率。
此外，可以在融合层级上使用对象过滤器。与在传感器数据处理的范畴内进行过滤相比，在此可以允许传感器的更高假阳性率，因为随后会进行过滤。与在传感器数据处理层级上的对象过滤相比，一个优点在于：一个传感器模态的表面估计可以在另一模态的对象识别中被纳入考虑，使得例如视频摄像机的表面估计可以改善激光雷达传感器的对象识别。由此，可以使用其他传感器来确认表面特性或支持表面特性的求取。
附图说明
下面借助高度简化的示意图详细阐述本发明的优选实施例。在此示出：
图1示出具有传感器的车辆的周围环境，以用于说明根据一种实施方式的方法；
图2示出用于说明根据另一实施方式的方法的示意性流程图；
图3示出具有访问数据库的对象过滤器的用于说明根据另一实施方式的方法的示意性流程图；
图4示出具有传感器数据融合示出用于说明根据另一实施方式的方法的示意性流程图；
图5示出具有在传感器数据融合范畴内访问数据库的对象过滤器的用于说明根据另一实施方式的方法的示意性流程图。
具体实施方式
在图1中示出具有传感器2、4的车辆1的周围环境，以用于说明根据一种实施方式的方法6。该附图尤其在一个方向上示出具有两个车道的示例性交通情况。
传感器2、4例如可以是激光雷达传感器2和摄像机4。
传感器2、4与控制设备5连接。该控制设备5用于读取传感器数据并且用于实施方法6。
在该周围环境中，车道通过车道分隔部8彼此间隔开。车道分隔部8具有进行反射的表面特性。
车辆1识别到前方行驶的车辆10，而另一车辆12由于被前方行驶车辆10遮挡而仅被探测为所反射的幽灵车辆12a。通过方法6，要么可以识别出车道分隔部8的进行反射的表面，要么可以从地图中求取该进行反射的表面。因此，借助所述信息要么可以去除幽灵对象12a，要么可以通过三角测量将该幽灵对象12a置于该另一车辆12的正确位置上。
图2示出用于说明根据另一实施方式的方法6的示意性流程图。尤其示出传感器架构。在此，根据传感器2、4的探测器的所接收的传感器数据13进行对象探测14。与对象探测14并行地进行材料/表面分类16。根据表面估计16和对象数据，后续的对象过滤器18可以减少假阳性率和/或提高真阳性率。表面分类16例如可以通过先前训练的神经网络来实现。
在图3中示出具有访问数据库20的对象过滤器18的用于说明根据另一实施方式的方法6的示意性流程图。在此，尤其从地图20中读取关于表面特性的信息，其中，对象过滤器18承担与图2所示的表面分类16相同的功能。因此，通过对象过滤器18将表面特性分配给所识别的对象8、10、12、12a。然后可以进一步处理对象过滤器18的结果。
在图4中示出具有传感器数据融合22的用于说明根据另一实施方式的方法6的示意性流程图。在此，将对象过滤器18用于融合层级。与在传感器数据处理范畴内的过滤相比，在此可以允许传感器2、4的更高假阳性率，因为随后会进行对象过滤18。与在传感器数据处理层级上的对象过滤相比，一个优点在于：一个传感器模态的表面估计可以在另一模态的对象识别中被纳入考虑，使得例如视频摄像机4的表面估计可以改善激光雷达传感器2的对象识别16。接下来可以进一步处理传感器数据13，所述传感器数据由对象过滤18和传感器数据融合22处理并且具有潜在对象和表面特性。这例如可以用于创建或更新环境模型。
图5示出具有在传感器数据融合22范畴内访问数据库20的对象过滤器18的用于说明根据另一实施方式的方法6的示意性流程图。尤其示出一种融合架构，在该融合架构中，对象过滤器18在传感器数据融合层级上访问数据库20，以便基于多个传感器2、4的传感器数据13执行表面特性识别。在此，例如从地图20读取关于表面特性的信息。

Claims (9)

1.一种用于分析处理传感器数据(13)的方法(6)，其中，通过由至少一个传感器(2，4)扫描周围环境来求取传感器数据(13)，基于所述传感器数据(13)执行对象探测(14)和对象过滤(18)，所述对象探测用于由所述传感器数据(13)求取对象(8，10，12，12a)，其特征在于，识别至少一个对象(8，10，12，12a)的表面特性和/或根据对数据库(20)的访问求取至少一个对象(8，10，12，12a)的表面特性。
2.根据权利要求1所述的方法，其中，与对象探测(14)并行地求取至少一个所识别的对象(8，10，12，12a)的表面特性。
3.根据权利要求2所述的方法，其中，在所述对象过滤(18)的情况下使用所述表面特性的求取的结果。
4.根据权利要求1所述的方法，其中，为了求取至少一个所探测的对象(8，10，12，12a)的表面特性，在所述对象过滤(18)期间执行与所述数据库(20)的比较。
5.根据权利要求1或4所述的方法，其中，将所述数据库(20)构型为具有存储的表面特性的地图。
6.根据权利要求1至5中任一项所述的方法，其中，基于至少一个对象(8，10，12，12a)的所求取的对象特性，去除或修正所述传感器数据(13)中的至少一个幽灵对象(12a。
7.根据权利要求1至6中任一项所述的方法，其中，通过机器学习识别或分类至少一个所识别的对象(8，10，12，12a)的表面特性。
8.根据权利要求1至7中任一项所述的方法，其中，在传感器数据融合(22)的范畴内，通过基于对数据库(20)的访问的对象过滤(18)来求取至少一个所识别的对象(8，10，12，12a)的表面特性，或者，在传感器数据融合(22)的范畴内，通过对象过滤(18)使用至少一个所识别的对象(8，10，12，12a)的已识别出的表面特性。
9.一种控制设备(5)，所述控制设备用于与至少一个传感器(2，4)耦合并且用于读取所述至少一个传感器(2，4)的传感器数据(13)，其中，所述控制设备(5)设置用于实施根据以上权利要求中任一项所述的方法(6)的所有步骤。
CN201980057765.XA 2018-09-04 2019-09-02 用于分析处理具有扩展对象识别的传感器数据的方法 Pending CN112639811A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018214959.3A DE102018214959A1 (de) 2018-09-04 2018-09-04 Verfahren zur Auswertung von Sensordaten mit einer erweiterten Objekterkennung
DE102018214959.3 2018-09-04
PCT/EP2019/073316 WO2020048909A1 (de) 2018-09-04 2019-09-02 Verfahren zur Auswertung von Sensordaten mit einer erweiterten Objekterkennung

Publications (1)

Publication Number Publication Date
CN112639811A true CN112639811A (zh) 2021-04-09

Family

ID=67875431

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980057765.XA Pending CN112639811A (zh) 2018-09-04 2019-09-02 用于分析处理具有扩展对象识别的传感器数据的方法

Country Status (5)

Country Link
US (1) US11900691B2 (zh)
EP (1) EP3746939A1 (zh)
CN (1) CN112639811A (zh)
DE (1) DE102018214959A1 (zh)
WO (1) WO2020048909A1 (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102018009433A1 (de) * 2018-11-30 2020-06-04 Zf Active Safety Gmbh Objekterkennung durch indirekte Signalreflexion
DE102020205205A1 (de) 2020-04-23 2021-10-28 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Detektion von verdeckten Objekten
DE102021205061A1 (de) 2021-05-19 2022-11-24 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren und Vorrichtung zum Ermitteln verdeckter Objekte in einer ein Umfeld repräsentierenden 3D-Punktwolke

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4321821B2 (ja) * 2005-01-28 2009-08-26 アイシン・エィ・ダブリュ株式会社 画像認識装置及び画像認識方法
EP2517175A4 (en) * 2009-12-25 2018-01-10 Ricoh Company, Ltd. Object identifying apparatus, moving body control apparatus, and information providing apparatus
WO2014017302A1 (ja) * 2012-07-27 2014-01-30 クラリオン株式会社 車載用周囲環境認識装置
WO2014033643A1 (en) * 2012-08-31 2014-03-06 Systèmes Pavemetrics Inc. Method and apparatus for detection of foreign object debris
DE102014224762B4 (de) * 2014-12-03 2016-10-27 Volkswagen Aktiengesellschaft Verfahren und Vorrichtung zur Informationsgewinnung über ein Objekt in einem nicht einsehbaren, vorausliegenden Umfeldbereich eines Kraftfahrzeugs
WO2017053415A1 (en) * 2015-09-24 2017-03-30 Quovard Management Llc Systems and methods for surface monitoring
WO2018060313A1 (en) * 2016-09-28 2018-04-05 Tomtom Global Content B.V. Methods and systems for generating and using localisation reference data
DE102017216016A1 (de) * 2017-09-12 2019-03-14 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erkennen eines Umfelds eines Fahrzeugs
JP7025912B2 (ja) * 2017-12-13 2022-02-25 日立Astemo株式会社 車載環境認識装置
GB201804539D0 (en) * 2018-03-21 2018-05-02 Headlight Ai Ltd Object detection system and method
US10997429B2 (en) * 2018-04-11 2021-05-04 Micron Technology, Inc. Determining autonomous vehicle status based on mapping of crowdsourced object data
US10988110B1 (en) * 2018-11-14 2021-04-27 Waymo Llc Safety considerations for self-driving vehicles
US11618502B2 (en) * 2019-03-28 2023-04-04 Volkswagen Aktiengesellschaft On-road localization methodologies and equipment utilizing road surface characteristics
JP7230658B2 (ja) * 2019-04-16 2023-03-01 株式会社デンソー 画像処理装置

Also Published As

Publication number Publication date
US11900691B2 (en) 2024-02-13
WO2020048909A1 (de) 2020-03-12
US20210303879A1 (en) 2021-09-30
DE102018214959A1 (de) 2020-03-05
EP3746939A1 (de) 2020-12-09

Similar Documents

Publication Publication Date Title
US11003921B2 (en) Apparatus and method for distinguishing false target in vehicle and vehicle including the same
CN107490794B (zh) 物体辨识处理装置、物体辨识处理方法及自动驾驶系统
US20210213961A1 (en) Driving scene understanding
JP6795027B2 (ja) 情報処理装置、物体認識装置、機器制御システム、移動体、画像処理方法およびプログラム
JP6747269B2 (ja) 物体認識装置
CN112639811A (zh) 用于分析处理具有扩展对象识别的传感器数据的方法
JP6450294B2 (ja) 物体検出装置、物体検出方法、及びプログラム
KR102045135B1 (ko) 자동차의 측방 주변 영역 내의 종방향 연장 정지 물체를 분류하는 방법, 운전자 보조 시스템 및 자동차
US20220163649A1 (en) Ghost Object Identification For Automobile Radar Tracking
KR102569900B1 (ko) 전방위 센서퓨전 장치 및 그의 센서퓨전 방법과 그를 포함하는 차량
EP3299841B1 (en) Method and apparatus for analyzing reflection signals, driver assistance system, and vehicle
CN108535727B (zh) 跟踪主车辆附近的多个对象的方法
JP4753765B2 (ja) 障害物認識方法
JP2000266539A (ja) 車間距離計測装置
WO2019208271A1 (ja) 電子制御装置、演算方法
CN108027237B (zh) 周边识别装置
US11748593B2 (en) Sensor fusion target prediction device and method for vehicles and vehicle including the device
KR20220041485A (ko) 라이다 센서를 이용한 객체 추적 방법 및 장치, 이 장치를 포함하는 차량 및 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체
CN115729245A (zh) 用于矿区坡道的障碍物融合检测方法、芯片和终端
CN113008296A (zh) 用于通过在点云平面上融合传感器数据来检测汽车环境的方法和汽车控制单元
JP7037672B2 (ja) 自動車用レーダセンサによる静的レーダ目標の認識方法
Chen et al. Multi-sensor information fusion algorithm with central level architecture for intelligent vehicle environmental perception system
KR20170021638A (ko) 객체 인식/탐지 장치 및 객체 인식/탐지 방법
US20230090259A1 (en) Sensor information fusion method and device, and recording medium recording program for executing the method
CN109642797B (zh) 用于通过地标进行障碍物识别的方法和设备

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