CN114929539A - 信息处理方法以及信息处理装置 - Google Patents

信息处理方法以及信息处理装置 Download PDF

Info

Publication number
CN114929539A
CN114929539A CN202180007990.XA CN202180007990A CN114929539A CN 114929539 A CN114929539 A CN 114929539A CN 202180007990 A CN202180007990 A CN 202180007990A CN 114929539 A CN114929539 A CN 114929539A
Authority
CN
China
Prior art keywords
point
difference
information
detection sensor
information processing
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
CN202180007990.XA
Other languages
English (en)
Inventor
穴吹元嗣
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.)
Panasonic Intellectual Property Management Co Ltd
Original Assignee
Panasonic Intellectual Property Management Co 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 Panasonic Intellectual Property Management Co Ltd filed Critical Panasonic Intellectual Property Management Co Ltd
Publication of CN114929539A publication Critical patent/CN114929539A/zh
Pending legal-status Critical Current

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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • 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
    • 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
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/87—Combinations of 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
    • G01S17/88—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
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Automation & Control Theory (AREA)
  • Mathematical Physics (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Navigation (AREA)
  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)

Abstract

一种信息处理方法，包括如下处理：获得包括由至少1个点云检测传感器感测到的点的位置信息的多个点信息(S101)，对以多个点信息示出的点云中的第1点为起点时位于规定范围内的第2点进行搜索(S102)，至少算出第1差异或第2差异的其中一方(S103)，所述第1差异是第1点与第2点的高低差，所述第2差异是将基准点与第1点连接的直线和将基准点与第2点连接的直线所构成的角，至少根据第1差异或第2差异的其中一方，判断是否将第2点作为后续处理的对象(S104)，输出被判断为是后续处理的对象的第2点的点信息(S105)。

Description

信息处理方法以及信息处理装置
技术领域
本公开涉及信息处理方法以及信息处理装置。
背景技术
随着自动驾驶车辆的普及，作为搭载于自动驾驶车辆的外界识别传感器的候选，使用了LiDAR(Light Detection And Ranging：光探测和测距)等点云检测传感器。在这样的点云检测传感器进行物体检测时，通常使用由点云检测传感器感测的多个点而获得的相对于水平方向的倾斜或者倾斜的法向矢量的方法。例如在专利文献1中公开了使用这样的方法的物体检测方法。
然而，在车辆行驶中由于振动或者车辆的形变等，点云检测传感器的位置或者角度出现偏离(下面仅称为点云检测传感器的偏离)，有可能处理中产生错误动作。例如在专利文献2中公开了计测点云检测传感器的偏离量，并且根据计测出的偏离量对点云检测传感器进行修正的方法。
(现有技术文献)
(专利文献)
专利文献1：日本特开2019-50035号公报
专利文献2：日本特开2020-46411号公报
发明内容
发明要解决的课题
然而，在专利文献2公开的技术中正确计测点云检测传感器的偏离存在困难。因此由于点云检测传感器的偏离，在使用点云信息的后续处理中有可能产生错误动作。
于是本公开提供一种信息处理方法等，不需要计测点云检测传感器的偏离，能够抑制由该偏离而产生的后续处理中的错误动作。
解决课题所采用的手段
本公开涉及的信息处理方法，由计算机执行，在所述信息处理方法中，获得多个点信息，在该点信息中包括由移动体具备的至少1个点云检测传感器感测到的点的位置信息，对以第1点为起点时位于规定范围内的第2点进行搜索，所述第1点是所述多个点信息示出的点云中的点，至少算出第1差异或第2差异的其中一方，所述第1差异是所述第1点与所述第2点的高低差，所述第2差异是将基准点与所述第1点连接的直线和将所述基准点与所述第2点连接的直线所构成的角，至少根据所述第1差异或所述第2差异的其中一方，判断是否将所述第2点作为后续处理的对象，输出被判断为是所述后续处理的对象的所述第2点的点信息。
另外，这些概括或者具体的方案，可以通过系统、方法、集成电路、计算机程序或者计算机可读取的CD-ROM等记录介质来实现，也可以任意组合系统、方法、集成电路、计算机程序以及记录介质来实现。
发明效果
本公开的一个方案涉及的信息处理方法等，不需要计测点云检测传感器的偏离，就能够抑制由该偏离而产生的后续处理中的错误动作。
附图说明
图1是用于说明点云检测传感器进行的障碍物的检测的原理的图。
图2是用于说明点云检测传感器的位置偏离引起的障碍物的错误检测的图。
图3是用于说明点云检测传感器的角度偏离引起的障碍物的错误检测的图。
图4是示出实施方式的信息处理装置的一例的方框图。
图5是示出实施方式的信息处理方法的一例的流程图。
图6是示出实施方式的信息处理装置的障碍物检测时的动作的一例的流程图。
图7是示出实施方式的近旁点搜索部的动作的具体例的流程图。
图8是示出近旁点以及非近旁点的一例的图。
图9是示出实施方式的高低差判断部的动作的具体例的流程图。
图10是示出基于高低差的判断的有效的近旁点以及无效的近旁点的一例的图。
图11是示出实施方式的仰角差判断部的动作的具体例的流程图。
图12是示出基于仰角差的判断的有效的近旁点以及无效的近旁点的一例的图。
图13是示出实施方式的可否算出倾斜判断部的动作的具体例的流程图。
图14是示出实施方式的倾斜算出部的动作的具体例的流程图。
图15是用于说明两点之间的倾斜的计算方法的图。
图16是示出实施方式的障碍物点判断部的动作的具体例的流程图。
图17是示出实施方式的通知部的动作的具体例的流程图。
图18是示出这次的比率比起过去的比率为偏离值的情况为例的图。
图19是示出变形例1的信息处理装置的障碍物检测时的动作的一例的流程图。
图20是示出变形例2的信息处理装置的障碍物检测时的动作的一例的流程图。
具体实施方式
如上所述，针对专利文献2公开的点云检测传感器，正确地计测该点云检测传感器的偏离存在困难。因此点云检测传感器的偏离导致在利用点云信息的后续处理中有可能产生错误动作。
假设对点云检测传感器的偏离进行计测的情况下，需要振动检测器等的设备，计算负荷变得更大。即在现有技术中，为了抑制点云检测传感器的偏离而产生的后续处理中的错误动作，存在费用以及计算量等的课题。
于是，本公开的一个方案涉及的信息处理方法，由计算机执行，在所述信息处理方法中，获得多个点信息，在该点信息中包括由移动体具备的至少1个点云检测传感器感测到的点的位置信息，对以第1点为起点时位于规定范围内的第2点进行搜索，所述第1点是所述多个点信息示出的点云中的点，至少算出第1差异或第2差异的其中一方，所述第1差异是所述第1点与所述第2点的高低差，所述第2差异是将基准点与所述第1点连接的直线和将所述基准点与所述第2点连接的直线所构成的角，至少根据所述第1差异或所述第2差异的其中一方，判断是否将所述第2点作为后续处理的对象，输出被判断为是所述后续处理的对象的所述第2点的点信息。
例如由于振动产生了点云检测传感器的位置偏离或角度偏离的情况下，由点云检测传感器感测到的点的位置信息，有时成为与实际位置不同的位置。在这个情况下，例如进行利用倾斜的处理的后续处理中有可能产生错误动作，即实际上没有急剧倾斜但是错误检测为有急剧倾斜，例如障碍物的错误检测等。但是伴随移动体的移动的振动等而产生的点云检测传感器的位置偏离或者角度偏离，在多数情况下是微小的。因此由于点云检测传感器的位置偏离或角度偏离而产生的被检测为急剧倾斜的2点之间的高低差、或者基准点与该2点分别连接的直线所构成的角，在多数情况下也是微小的。于是，在本公开中根据由点云检测传感器感测到的位于规定范围内的第1点与第2点的高低差即第1差异、或将基准点与第1点连接的直线和将基准点与第2点连接的直线所构成的角(也称为仰角差)即第2差异的至少一方，来判断是否将第2点作为后续处理的对象。从而，能够不将这样的第2点作为后续处理的对象，该第2点是虽然第1差异或第2差异微小，但是由于点云检测传感器的位置偏离或者角度偏离，被错误检测为急剧倾斜的第2点。从而不需要计测点云检测传感器的偏离，就能够抑制由该偏离而产生的后续处理中的错误动作。
此外可以进一步算出所述基准点与所述第1点或所述基准点与所述第2点之间的距离，按照所述基准点与所述第1点或所述基准点与所述第2点之间的距离，判断是否算出所述第1差异或所述第2差异的至少其中一方。
离基准点越远，被感测到的点云的间隔越宽，在这样的点云中的第2点不作为后续处理的对象的情况下，在远离基准点的位置上能够用于后续处理的点数减少，难以进行后续处理。于是，在基准点与第1点或第2点之间的距离远的情况下，不算出第1差异或者第2差异的至少一方，也就是不进行是否将第2点作为后续处理的对象的判断，而利用第2点进行后续处理。从而能够将从基准点远离的第2点作为后续处理的对象，能够对在从基准点远离的位置上不能进行后续处理的情况进行抑制。
此外可以是所述至少1个点云检测传感器为多个点云检测传感器，所述信息处理方法进一步，对感测到所述第1点的点云检测传感器与感测到所述第2点的点云检测传感器是否为同一个点云检测传感器进行判断，在感测到所述第1点的点云检测传感器与感测到所述第2点的点云检测传感器不是同一个点云检测传感器的情况下，至少算出所述第1差异或所述第2差异的其中一方。
在利用多个点云检测传感器进行感测的情况下，比起同一个点云检测传感器感测到的第1点以及第2点，不同的点云检测传感器感测到的第1点以及第2点，更容易受到点云检测传感器的偏离的影响，在后续处理中容易产生错误动作。于是在感测到第1点的点云检测传感器与感测到第2点的点云检测传感器不是同一个点云检测传感器的情况下，算出第1差异或者第2差异的至少一方。换句话说，在感测到第1点的点云检测传感器与感测到第2点的点云检测传感器是同一个点云检测传感器的情况下，不算出第1差异或第2差异的至少一方，即不进行是否将第2点作为后续处理的对象的判断，而利用第2点进行后续处理。从而，能够将在后续处理中不容易产生错误动作的第2点，尽量多地作为后续处理的对象。
此外可以是所述信息处理方法进一步，算出没有被判断为是所述后续处理的对象的所述第2点的比率，将算出的所述比率的履历，按照每个场景进行存储，判断在相同的场景中是否存在所述比率不同的履历，在存在所述比率不同的履历的情况下，输出通知。例如所述场景包括位置，按照所述至少1个点云检测传感器感测到的每个位置或每个位置的属性，存储所述履历，针对每个场景中的所述位置或所述位置的属性一致的场景，判断是否存在所述比率不同的履历。
虽然是相同的场景(例如位置或者位置的属性一致的场景)，却存在没有被判断为是后续处理的对象的比率不同的履历的情况下，可能是由于在点云检测传感器等中发生了某种异常。于是在那样的情况下，通过输出通知，从而例如让移动体的乘坐者或者管理者等识别出点云检测传感器等的异常。
此外可以是所述信息处理方法进一步获得表示所述移动体的特性的移动体信息，根据所述移动体信息，决定所述规定范围。
这样根据移动体的特性来决定规定范围，从而能够决定适合移动体的规定范围。换句话说，能够搜索对移动体的移动产生影响的可能性高的第2点。因此对计算量进行合理化，并且抑制后续处理中的错误动作。
此外可以是所述移动体信息至少包括所述移动体的高度或宽度的其中一方，至少根据所述移动体的高度或宽度的其中一方，决定所述规定范围。
关于超过移动体的高度或者宽度的范围的点信息，有时不会成为后续处理的有效的信息。于是根据移动体的高度或宽度来决定搜索第2点的规定范围，从而能够有效利用被判断为是后续处理的对象的第2点的点信息。
此外可以是在是否将所述第2点作为所述后续处理的对象的判断中，按照所述第1差异是否为阈值以上来判断，所述移动体信息包括所述移动体的振动特性或所述移动体的越过台阶能力，根据所述移动体的振动特性或所述移动体的越过台阶能力，决定所述第1差异的阈值。
将通过移动体的振动可能产生的、点云检测传感器的最大的位置偏离设为阈值，从而能够不将如下的第2点作为后续处理的对象，该第2点是与第1点的高低差为由于移动体的振动而产生的高低差，成为错误动作的原因的第2点。或者将移动体不能越过的最大的高低差作为阈值，从而能够不将如下的第2点作为后续处理的对象，该第2点是与第1点的高低差成为移动体能够越过的高低差，将该第2点不作为后续处理的对象也不会出现问题的第2点。此外为了不将第2点作为后续处理的对象，可以考虑利用移动平均等利用噪声消除滤波器的方法，但是移动平均的参数，因为时间窗口宽度所以调整比较难。另一方面，在本方案中，能够使用移动体的被称为越过台阶能力的直观的参数，阈值的调整变得容易。此外，第1差异的阈值越大，错误检测率越下降，未检测率越上升(换句话说，第1差异的阈值越小，错误检测率越上升，未检测率越下降)，所以通过能调整第1差异的阈值，从而能够按照移动体的能力或使用环境等，来控制错误检测率以及未检测率。
此外可以是在是否将所述第2点作为所述后续处理的对象的判断中，按照所述第2差异是否为阈值以上来判断，所述移动体信息包括所述移动体的振动特性，根据所述移动体的振动特性，决定所述第2差异的阈值。
将通过移动体的振动可能产生的、点云检测传感器的最大的角度偏离作为阈值，从而不将这样的第2点作为后续处理的对象，该第2点是仰角差成为由于移动体的振动而产生的仰角差，成为错误动作的原因的第2点。此外，第2差异的阈值越大，错误检测率越下降，未检测率越上升(换句话说，第2差异的阈值越小，错误检测率越上升，未检测率越下降)，所以通过能调整第2差异的阈值，从而能够按照移动体的能力或者使用环境等，控制错误检测率以及未检测率。
此外所述后续处理可以包括物体检测处理。
通过上述，不需要计测点云检测传感器的偏离，就能够抑制由该偏离而产生的物体的错误检测。
本公开的一个方案涉及的信息处理装置，具备：获得部，获得多个点信息，在该点信息中包括由移动体具备的至少1个点云检测传感器感测到的点的位置信息；搜索部，对以第1点为起点时位于规定范围内的第2点进行搜索，所述第1点是所述多个点信息示出的点云中的点；算出部，至少算出第1差异或第2差异的其中一方，所述第1差异是所述第1点与所述第2点的高低差，所述第2差异是将基准点与所述第1点连接的直线和将所述基准点与所述第2点连接的直线所构成的角；判断部，至少根据所述第1差异或所述第2差异的其中一方，判断是否将所述第2点作为后续处理的对象；以及输出部，输出被判断为是所述后续处理的对象的所述第2点的点信息。
通过上述能够提供一种信息处理装置，不需要计测点云检测传感器的偏离，就能够抑制通过该偏离而产生的后续处理中的错误动作。
下面在说明实施方式之前，先说明点云检测传感器进行的障碍物检测、以及在点云检测传感器产生偏离时的障碍物的错误检测。
图1是用于说明点云检测传感器进行的障碍物的检测的原理的图。在图1中作为2个点云检测传感器示出了LiDAR1以及LiDAR2。
LiDAR是向观测区域照射激光，根据该散射光的光程长度、以及照射激光的角度算出检测点的位置的传感器。例如能够将包括由LiDAR感测到的点的位置信息的多个点信息，用于障碍物等的物体的检测。
如图1所示，将由LiDAR2感测到的点a1与点a2连接的直线相对于水平方向的倾斜θ的绝对值，比阈值小。该阈值是用于对产生倾斜θ的物体是否为障碍物进行判断的角度。根据LiDAR2获得的点a1以及点a2，能够检测出该部分没有障碍物。另一方面，将LiDAR1以及LiDAR2感测到的点a3与点a4连接的直线相对于水平方向的倾斜θ的绝对值，为阈值以上。根据LiDAR1以及LiDAR2获得的点a3以及点a4，检测出该部分是障碍物。
例如LiDAR等点云检测传感器，由车辆等的移动体所具备，用于检测车辆的周围存在的障碍物。车辆在移动时振动，随之车辆具备的点云检测传感器也振动，点云检测传感器出现位置偏离或者角度偏离。在图2中说明点云检测传感器的位置偏离的影响，在图3中说明点云检测传感器的角度偏离的影响。
图2是用于说明点云检测传感器的位置偏离引起的障碍物的错误检测的图。
假设点云检测传感器在上下方向(例如铅直方向)上振动，如图2的上侧所示，在LiDAR1向下方偏离的瞬间，LiDAR1感测到点b1以及点b2。由LiDAR1以及LiDAR2感测到的点的位置信息是按照LiDAR1以及LiDAR2的相对的位置关系，如图2的下侧所示的以LiDAR1偏离到下方之前的位置关系来算出的，所以点b1以及点b2被算出为比实际上的位置更上方的点b3以及点b4的位置。因此在图2的下侧的虚线框的区域中，被判断为倾斜θ的绝对值为阈值以上，出现障碍物的错误检测。
图3是用于说明点云检测传感器的角度偏离引起的障碍物的错误检测的图。
假设点云检测传感器振动，如图3的上侧所示在LiDAR1旋转(自转)的瞬间，由LiDAR1感测到点c1、点c2以及点c3。由LiDAR1以及LiDAR2感测到的点的位置信息是按照LiDAR1以及LiDAR2的相对的位置关系，如图3的下侧所示的以LiDAR1旋转之前的位置关系来算出的，所以点c1、点c2以及点c3被算出为比实际上的位置位于倾斜上方的点c4、点c5以及点c6的位置。因此在图3的下侧的虚线框的区域中，被判断为倾斜θ的绝对值为阈值以上，出现障碍物的错误检测。
于是参考附图具体说明信息处理方法以及信息处理装置，该信息处理方法以及信息处理装置能够抑制在点云检测传感器进行了点云的感测之后进行的物体检测处理等后续处理中的错误动作(以下例如记载为错误检测)。
另外，以下将要说明的实施方式均为概括的或具体的例子。以下的实施方式所示的数值、形状、材料、构成要素、构成要素的配置位置以及连接形态、步骤、步骤的顺序等均为一个例子，其主旨并非是对本公开进行限定。
(实施方式)
图4是示出实施方式的信息处理装置100的一例的方框图。
信息处理装置100是利用包括由点云检测传感器感测到的点的位置信息的多个点信息，来进行后续处理的装置。后续处理例如包括物体检测处理(也称为障碍物检测处理)。另外，后续处理可以代替物体检测处理或者与物体检测处理一起包括距离检测处理或形状检测处理等，作为后续处理可以进行多个处理。信息处理装置100具备：点信息获得部101、点信息统合部102、噪声消除部103、近旁点搜索部104、高低差判断部105、仰角差判断部106、可否算出倾斜判断部107、倾斜算出部108、障碍物点判断部109、障碍物点云输出部110、阈值设定部111、存储部112以及通知部113。
信息处理装置100是包括处理器以及存储器等的计算机。存储器是ROM(Read OnlyMemory)以及RAM(Random Access Memory)等，能够存储由处理器执行的程序。点信息获得部101、点信息统合部102、噪声消除部103、近旁点搜索部104、高低差判断部105、仰角差判断部106、可否算出倾斜判断部107、倾斜算出部108、障碍物点判断部109、障碍物点云输出部110、阈值设定部111以及通知部113，由执行存放在存储器中的程序的处理器等来实现。存储部112可以由与存储有程序的存储器相同的存储器来实现，也可以由不同的存储器来实现。
信息处理装置100例如是搭载于移动体的装置。移动体例如是车辆、无人航空器、机器人或者船舶等。另外信息处理装置100可以不搭载于移动体，也可以是服务器。此外构成信息处理装置100的构成要素，可以分散在多个服务器而被配置。
点信息获得部101是从至少1个点云检测传感器获得多个点信息的获得部的一例，在该点信息中包括由至少1个点云检测传感器感测到的点的位置信息。另外，点信息获得部101可以从至少1个点云检测传感器直接获得多个点信息，也可以经由其他的设备从至少1个点云检测传感器获得多个点信息。此外，点信息获得部101可以获得至少1个点云检测传感器的位置信息。另外，至少1个点云检测传感器的位置信息，可以预先存储在信息处理装置100中。
例如由移动体具备至少1个点云检测传感器。在这里将至少1个点云检测传感器设为多个点云检测传感器，并且移动体具备多个点云检测传感器。在移动体的行驶中，通过振动或者移动体的形变等，有可能产生点云检测传感器的位置或者角度的偏离。
点信息统合部102，将从多个点云检测传感器分别获得的多个点信息进行统合。
噪声消除部103，将多个点信息包含的噪声进行消除。具体而言，噪声消除部103，将空间上或者时间上孤立的点作为噪声而消除。例如噪声消除部103在某一点上，以该点的周围的一定距离内不存在一定数量以上的点的情况下，在多个点信息中删除与该点对应的点信息。此外，例如噪声消除部103，针对某一点，在过去一定时间内，该点的周围的一定距离内不存在一定数量以上的点的情况下，从多个点信息中删除与该点对应的点信息。
近旁点搜索部104是搜索以在多个点信息所示的点云中的第1点为起点时位于规定范围内的第2点(例如第1点的近旁点)的搜索部的一例。规定范围，例如由阈值设定部111来决定。近旁点搜索部104至少搜索1个第2点。即近旁点搜索部104可以只搜索1个第2点，也可以搜索2个以上。在后续处理中算出三维的倾斜的情况下，针对第1点需要2个以上的第2点。
高低差判断部105算出第1点与第2点的高低差即第1差异，根据第1差异，判断是否将第2点作为后续处理的对象。例如高低差判断部105，按照第1差异是否为阈值以上，来判断是否将第2点作为后续处理的对象。该阈值例如由阈值设定部111而被决定。在搜索出2个以上的第2点的情况下，高低差判断部105针对被搜索出的2个以上的第2点，分别算出第1差异，并且判断是否作为后续处理的对象。
仰角差判断部106算出第2差异，该第2差异是将基准点与第1点连接的直线和将该基准点与第2点连接的直线所构成的角(也称为仰角差)，根据第2差异，判断是否将第2点作为后续处理的对象。基准点可以是移动体存在的空间中的任意的点。此外基准点可以是基于移动体的点。例如基准点可以是移动体上的点，也可以是与移动体有规定关系的移动体之外的点。例如移动体上的点可以是移动体具备的至少1个点云检测传感器的位置、根据多个点云检测传感器的位置的每一个计算的位置(例如中间位置)、或者移动体的重心位置等。此外与移动体有规定关系的移动体之外的点，例如是从移动体向上方隔开规定距离的位置。接下来说明基准点是至少1个点云检测传感器的位置的例子。仰角差判断部106，在移动体具有1个点云检测传感器的情况下，以该1个点云检测传感器为基准点算出第2差异，在移动体具备多个点云检测传感器的情况下，以多个点云检测传感器中的任意的点云检测传感器作为基准点，算出第2差异。例如仰角差判断部106，按照第2差异是否为阈值以上，来判断是否将第2点作为后续处理的对象。该阈值例如由阈值设定部111来决定。在搜索出2个以上的第2点的情况下，仰角差判断部106对搜索出的2个以上的第2点，分别算出第2差异，并且判断是否作为后续处理的对象。
高低差判断部105以及仰角差判断部106是至少算出第1差异或第2差异的其中一方的算出部的一例，第1差异是第1点与第2点的高低差，第2差异是将基准点与第1点连接的直线和将基准点与第2点连接的直线所构成的角。此外，高低差判断部105以及仰角差判断部106是至少根据第1差异或第2差异的其中一方，判断是否将第2点作为后续处理的对象的判断部的一例。
可否算出倾斜判断部107是将被判断为是后续处理的对象的第2点的点信息，输出给进行后续处理的处理部的输出部的一例。在搜索出2个以上的第2点的情况下，可否算出倾斜判断部107在搜索出的2个以上的第2点中，输出被判断为是后续处理的对象的第2点的点信息。
倾斜算出部108以及障碍物点判断部109是作为后续处理进行障碍物检测处理的处理部的一例。
倾斜算出部108，根据第1点的位置以及从可否算出倾斜判断部107输出的第2点的位置，算出倾斜。
障碍物点判断部109，在倾斜算出部108算出的倾斜的绝对值为阈值以上的情况下，将第1点以及第2点判断为是与障碍物对应的障碍物点。该阈值例如由阈值设定部111而被设定。
另外在近旁点搜索部104、高低差判断部105、仰角差判断部106、可否算出倾斜判断部107、倾斜算出部108以及障碍物点判断部109中的处理，针对由至少1个点云检测传感器感测到的多个点信息示出的点云中的每一个点，反复进行。具体而言在多个点信息示出的点云有100个点的情况下，首先将100个点中的1个点选择为第1点，其他的99个点作为第2点的候选来搜索，在搜索出的第2点中输出被判断为作为后续处理的对象的第2点，针对该第1点与第2点的组合，进行障碍物检测。接下来，将100个点中的另外的1个点选择为第1点，进行同样的处理。这样针对100个点的每一个点分别进行上述处理。
障碍物点云输出部110，将被判断为障碍物点的全部点，作为障碍物点云来输出。从而移动体等能够进行自动地避开障碍物等的处理。
阈值设定部111获得表示移动体的特性的移动体信息，根据移动体信息决定规定范围。移动体信息可以存储在存储部112，也可以从外部装置获得。
例如，阈值设定部111获得至少包括移动体的高度或宽度的其中一方的移动体信息，至少根据移动体的高度或宽度的其中一方，决定规定范围。针对超过移动体的高度或者宽度的范围的点信息，在后续处理中有时不能成为有效信息。于是通过根据移动体的高度或宽度来决定搜索第2点的规定范围，从而能够有效利用被判断为是后续处理的对象的第2点的点信息。
此外，阈值设定部111获得包括移动体的振动特性或移动体的越过台阶能力的移动体信息，根据移动体的振动特性或者移动体的越过台阶能力，决定第1差异的阈值。越过台阶能力表示移动体能够越过的与接地面相距的高度。另外可以根据爬坡能力来估计越过台阶能力。具体而言，根据爬坡能力表示的倾斜角度和水平方向的规定距离(例如近旁点搜索中的规定距离)算出高低差，将算出的高低差决定为第1差异的阈值。将通过移动体的振动可能产生的、点云检测传感器的最大的位置偏离设为阈值，从而能够不将如下的第2点作为后续处理的对象，该第2点是与第1点的高低差是移动体振动而产生的高低差，成为错误检测原因的第2点。或者将移动体不能越过的最大的高低差作为阈值，从而不将这样的第2点作为后续处理的对象，该第2点是与第1点的高低差成为移动体能够越过的高低差，不作为后续处理的对象也不出现问题的第2点。此外为了不将第2点作为后续处理的对象，可以考虑利用移动平均等噪声消除滤波器的方法，但是移动平均的参数，因为时间窗口宽度所以调整比较难。另一方面，在本方案中，能够使用移动体的被称为越过台阶能力等直观的参数，所以阈值的调整变得容易。此外第1差异的阈值越大，错误检测率越下降，未检测率越上升(换句话说，第1差异的阈值越小，错误检测率越上升，未检测率越下降)，所以通过能调整第1差异的阈值，从而能够按照移动体的能力或者使用环境等，控制错误检测率以及未检测率。
此外，阈值设定部111获得包括移动体的振动特性的移动体信息，根据移动体的振动特性，决定第2差异的阈值。将通过移动体的振动可能产生的、点云检测传感器的最大的角度偏离作为阈值，从而不将这样的第2点作为后续处理的对象，该第2点是仰角差成为由于移动体的振动而产生的仰角差，并且成为错误检测的原因的第2点。此外，第2差异的阈值越大，错误检测率越下降，未检测率越上升(换句话说，第2差异的阈值越小，错误检测率越上升，未检测率越下降)，所以通过能调整第2差异的阈值，从而能够按照移动体的能力或者使用环境等，控制错误检测率以及未检测率。
此外，阈值设定部111将应该判断为障碍物的倾斜，作为阈值来设定。
高低差判断部105以及仰角差判断部106，算出没有被判断为是后续处理的对象的第2点的比率，存储部112将算出的比率的履历，按照每个场景(具体而言是按照时刻以及按照地点)进行存储。例如上述比率的履历，按照由至少1个点云检测传感器感测到的每个位置或者每个位置的属性进行存储。位置的属性是指，例如能够按照在移动时产生的振动的程度来区别的属性，具体而言是普通公路或者高速公路等的属性。
通知部113，在存在没有判断为是后续处理的对象的第2点的比率不同的履历的情况下，向存储部112输出通知。针对通知部113的详细稍后描述。
接下来，利用图5来说明信息处理装置的动作。
图5是示出实施方式的信息处理方法的一例的流程图。另外，因为实施方式涉及的信息处理方法是由信息处理装置100(计算机)执行的方法，所以图5也是表示实施方式的信息处理装置100的动作的一例的流程图。
首先，点信息获得部101获得包括由至少1个点云检测传感器感测到的点的位置信息的多个点位置(步骤S101)。
接下来，近旁点搜索部104对以多个点信息示出的点云中的第1点为起点时位于规定范围内的第2点进行搜索(步骤S102)。
接下来，高低差判断部105以及仰角差判断部106，至少算出第1差异或第2差异的其中一方，第1差异是第1点与第2点的高低差，第2差异是将基准点与第1点连接的直线和将基准点与第2点连接的直线所构成的角(步骤S103)。
接下来，高低差判断部105以及仰角差判断部106，至少根据第1差异或第2差异的其中一方，判断是否将第2点作为后续处理的对象(步骤S104)。
而且，可否算出倾斜判断部107输出被判断为是后续处理的对象的第2点的点信息(步骤S105)。
接下来说明信息处理装置100的障碍物检测时的动作的细节。
图6是示出实施方式的信息处理装置100的障碍物检测时的动作的一例的流程图。
信息处理装置100，针对多个点云检测传感器感测到的、进行障碍物判断的区域内的所有点中的每一个点，进行步骤S202到步骤S210为止的处理(步骤S201)。信息处理装置100在进行障碍物判断的区域内的所有点中选择一个点。
近旁点搜索部104，将选择的某一个点为第1点，对以第1点为起点时位于规定范围内的近旁点(也就是第2点)进行搜索(步骤S202)。接下来将第1点称为对象点，将第2点称为近旁点。在步骤S202中的近旁点搜索部104的动作的细节，利用图7以及图8进行说明。
图7是示出实施方式的近旁点搜索部104的动作的具体例的流程图。
近旁点搜索部104，对进行障碍物判断的区域内的所有点中除了对象点以外的所有点的每一个，进行从步骤S302到步骤S304的处理(步骤S301)。近旁点搜索部104，选择对象点以外的所有点中的一个点(也可以称为其他点)。
近旁点搜索部104，计算对象点与被选择的其他点之间的距离(步骤S302)。各个点是包括位置信息的点信息，所以能够根据各个点的位置信息，对点之间的距离进行计算。
接下来，近旁点搜索部104判断计算出的距离是否为阈值以上(步骤S303)。如上所述，阈值是根据包含移动体的高度或者宽度的至少一方的移动体信息，由阈值设定部111来决定的与规定范围对应的值。
近旁点搜索部104在计算出的距离为小于阈值的情况下(步骤S303中的“否”)，将被选择的其他点判断为近旁点(步骤S304)。
另一方面，近旁点搜索部104在计算出的距离为阈值以上的情况下(步骤S303中的“是”)，不将被选择的其他点判断为近旁点。
而且，近旁点搜索部104，将对象点以外的所有点中还没有被选择的点选择为其他点，针对该其他点进行从步骤S302到步骤S304的处理。近旁点搜索部104，针对对象点以外的所有点，进行从步骤S302到步骤S304的处理，从对象点以外的所有点中，搜索1个以上的近旁点。
图8是示出近旁点以及非近旁点的一例的图。
通过图8所示可以知道如下，将与对象点之间的距离为d的点判断为近旁点，该d小于阈值D，此外与对象点之间的距离为阈值D以上的点不判断为近旁点，成为非近旁点。
另外，近旁点搜索部104在以移动体为中心的球面网格、圆柱网格或多角形网格上，对进行障碍物判断的区域内的所有点重新映射(remapping)，将相邻的网格或附近的网格上存在的点，彼此作为近旁点。从而能够抑制近旁点搜索时的计算负载。
回到图6的说明，高低差判断部105对由近旁点搜索部104搜索出的1个以上的近旁点的每一个，根据对象点和近旁点的高低差进行判断(步骤S203)。关于在步骤S203中的高低差判断部105的动作的细节，利用图9以及图10进行说明。
图9是示出实施方式的高低差判断部105的动作的具体例的流程图。
高低差判断部105，针对与对象点对应地搜索出的所有近旁点的每一个进行从步骤S402到步骤S404的处理(步骤S401)。高低差判断部105，在搜索出的所有近旁点之中选择1个近旁点。
高低差判断部105，计算对象点与被选择的近旁点之间的高低差(步骤S402)。由于各点是包含位置信息的点信息，所以能够根据各点的位置信息，对点之间的高低差进行计算。
高低差判断部105，判断计算出的高低差是否为阈值以上(步骤S403)。如上所述，阈值是根据包括移动体的振动特性或移动体的越过台阶能力的移动体信息，由阈值设定部111来决定的阈值。在步骤S403中，高低差判断部105根据高低差来判断是否将近旁点作为障碍物检测处理的对象。
高低差判断部105，在计算出的高低差小于阈值的情况下(步骤S403中的“否”)，将被选择的近旁点从障碍物检测处理的对象中排除(步骤S404)。也就是高低差判断部105将与对象点的高低差小于阈值的近旁点，判断为不是障碍物检测处理的对象。
另一方面，高低差判断部105，在计算出的高低差为阈值以上的情况下(步骤S403中的“是”)，不将被选择的近旁点从障碍物检测处理的对象中排除。也就是高低差判断部105将与对象点的高低差为阈值以上的近旁点，判断为是障碍物检测处理的对象。
而且，高低差判断部105，在所有近旁点中选择还没有被选择的近旁点，针对该近旁点进行从步骤S402到步骤S404的处理。高低差判断部105，针对与对象点对应的所有近旁点，进行从步骤S402到步骤S404的处理，在所有近旁点中，将与对象点的高低差小于阈值的近旁点，从障碍物检测处理的对象中排除。
图10是示出基于高低差的判断的有效的近旁点以及无效的近旁点的一例的图。
通过图10所示可以知道如下，将与对象点的高低差为小于阈值H的近旁点，判断为从障碍物检测处理的对象中排除的近旁点(也就是无效的近旁点)，将与对象点的高低差为阈值H以上的h的近旁点，判断为从障碍物检测处理的对象中不排除的近旁点(也就是有效的近旁点)。
回到图6的说明，高低差判断部105提取与对象点的高低差为阈值以上的近旁点(步骤S204)。换言之如图9的说明，高低差判断部105，将没有从障碍物检测处理的对象中排除的近旁点，为了障碍物检测处理而提取。
接下来，仰角差判断部106，针对由近旁点搜索部104搜索出的1个以上的近旁点的每一个，基于对象点与近旁点之间的仰角差进行判断(步骤S205)。关于在步骤S205中的仰角差判断部106的动作的细节，利用图11以及图12进行说明。
图11是示出实施方式的仰角差判断部106的动作的具体例的流程图。
仰角差判断部106，针对与对象点对应地搜索出的所有近旁点的每一个进行从步骤S502到步骤S504的处理(步骤S501)。仰角差判断部106，在搜索出的所有近旁点中选择1个近旁点。
仰角差判断部106，计算对象点和被选择的近旁点相对于基准点的仰角差(步骤S502)。如上所述，在移动体具备的多个点云检测传感器中的任意的点云检测传感器的位置成为基准点。此外各点是包括位置信息的点信息，所以能够根据各点的位置信息，计算相对于基准点的各点之间的仰角差。
仰角差判断部106，判断计算出的仰角差是否为阈值以上(步骤S503)。如上所述，阈值是根据包括移动体的振动特性的移动体信息，由阈值设定部111来决定的阈值。在步骤S503中，仰角差判断部106，根据仰角差来判断是否将近旁点作为障碍物检测处理的对象。
仰角差判断部106在计算出的仰角差小于阈值的情况下(步骤S503中的“否”)，将被选择的近旁点从障碍物检测处理的对象中排除(步骤S504)。也就是，仰角差判断部106将相对于基准点的与对象点的仰角差为小于阈值的近旁点，判断为不是障碍物检测处理的对象。
另一方面，仰角差判断部106在计算出的仰角差为阈值以上的情况下(步骤S503中的“是”)，不将被选择的近旁点从障碍物检测处理的对象中排除。也就是，仰角差判断部106将相对于基准点的与对象点的仰角差为阈值以上的近旁点，判断为是障碍物检测处理的对象。
而且，仰角差判断部106在所有近旁点中选择还没有被选择的近旁点，针对该近旁点进行从步骤S502到步骤S504的处理。仰角差判断部106，针对与对象点对应的所有近旁点，进行从步骤S502到步骤S504的处理，在所有近旁点中将与对象点的仰角差小于阈值的近旁点，从障碍物检测处理的对象中排除。
图12是示出基于仰角差的判断的有效的近旁点以及无效的近旁点的一例的图。
通过图12所示可以知道如下，相对于基准点的与对象点的仰角差小于阈值Ψ的近旁点，被判断为从障碍物检测处理的对象中排除的近旁点(即无效的近旁点)，相对于基准点的与对象点的仰角差为阈值Ψ以上的ψ的近旁点，被判断为不从障碍物检测处理的对象中排除的近旁点(即有效的近旁点)。
回到图6的说明，仰角差判断部106提取相对于基准点的与对象点的仰角差为阈值以上的近旁点(步骤S206)。换言之如图11的说明，仰角差判断部106，将没有从障碍物检测处理的对象中排除的近旁点，为了障碍物检测处理而提取。
另外，步骤S203以及步骤S204，步骤S205以及步骤S206，被执行的顺序可以相反，也可以并列执行。此外以步骤S203、步骤S204、步骤S205、步骤S206的顺序执行各个步骤的情况下，仰角差判断部106可以不对由近旁点搜索部104搜索出的1个以上的近旁点的每一个进行基于仰角差的判断，可以针对由高低差判断部105提取的近旁点的每一个进行基于仰角差的判断。此外以步骤S205、步骤S206、步骤S203、步骤S204的顺序执行各个步骤的情况下，高低差判断部105可以不对由近旁点搜索部104搜索出的1个以上的近旁点的每一个进行基于高低差的判断，可以针对由仰角差判断部106提取的近旁点的每一个进行基于高低差的判断。
接下来，可否算出倾斜判断部107对由高低差判断部105以及仰角差判断部106提取的、没有从障碍物检测处理的对象中排除的近旁点是否足够存在，进行判断(步骤S207)。近旁点足够存在是指，近旁点的数量达到倾斜计算所需要的数量。关于在步骤S207中的可否算出倾斜判断部107的动作的细节，利用图13进行说明。
图13是示出实施方式的可否算出倾斜判断部107的动作的具体例的流程图。
可否算出倾斜判断部107，对障碍物检测处理对象的近旁点的数量进行计数(步骤S601)。例如，在由高低差判断部105提取的近旁点和由仰角差判断部106提取的近旁点重复的情况下，可否算出倾斜判断部107针对重复的近旁点，不进行双重计数。
可否算出倾斜判断部107，判断进行计数的点数是否为阈值以上(步骤S602)。在算出二维的倾斜的情况下，能够通过对象点与至少1个近旁点来算出倾斜，所以阈值可以设定为1个。此外，在算出三维的倾斜的情况下，可以通过对象点与至少2个近旁点算出倾斜，所以阈值可以设定为2个。
可否算出倾斜判断部107，在计数的点数为阈值以上的情况下(步骤S602中的“是”)，换句话说，在没有从障碍物检测处理的对象中排除的近旁点充分存在的情况下(图6的步骤S207中的“是”)，将判断为是障碍物检测处理的对象的点信息，输出到进行障碍物检测处理的处理部，并且进行图6的步骤S208的处理。
在计数的点数小于阈值的情况下(步骤S602中的“否”)，换句话说，在没有从障碍物检测处理的对象中排除的近旁点的数量不充分的情况下(图6的步骤S207中的“否”)，关于这次选择的对象点以及该近旁点，不作为障碍物检测处理的对象，在进行障碍物判断的区域内的所有点中，将还没有被选择的点作为对象点来选择，进行图6的步骤S201的循环。
回到图6的说明，在没有从障碍物检测处理的对象中排除的近旁点充分存在的情况下(步骤S207中的“是”)，倾斜算出部108进行倾斜计算(步骤S208)。关于步骤S208中的倾斜算出部108的动作的细节，利用图14以及图15进行说明。
图14是示出实施方式的倾斜算出部108的动作的具体例的流程图。
倾斜算出部108，针对障碍物检测处理对象的所有近旁点(也就是有效的近旁点)的每一个进行步骤S702的处理(步骤S701)。倾斜算出部108，在所有有效的近旁点中选择1个近旁点。
倾斜算出部108，计算对象点与被选择的有效的近旁点的2点之间的倾斜(步骤S702)。针对2点之间的倾斜的计算方法，利用图15进行说明。
图15是用于说明两点之间的倾斜的计算方法的图。
如图15所示，对象点与有效的近旁点的2点之间的倾斜g，能够通过将对象点与有效的近旁点的高低差h，除以对象点与有效的近旁点的水平距离p来进行计算。
回到图14的说明，倾斜算出部108，在所有有效的近旁点中选择还没有被选择的近旁点，针对该近旁点进行步骤S702的处理。换言之倾斜算出部108针对所有有效的近旁点的每一个，计算与对象点的2点之间的倾斜。
而且倾斜算出部108将计算出的所有2点之间的倾斜中绝对值最大的倾斜，采用为在步骤S201中这次选择的对象点的倾斜(步骤S703)。另外，倾斜算出部108，也可以将所有有效的近旁点中与对象点最近的近旁点与对象点的2点之间的倾斜，作为在步骤S201中这次选择的对象点的倾斜来采用。此外，倾斜算出部108也可以将计算出的所有2点之间的倾斜的平均值，作为在步骤S201中这次选择的对象点的倾斜来采用。
回到图6的说明，障碍物点判断部109，判断在倾斜算出部108中采用的倾斜是否大(步骤S209)。关于步骤S209中的障碍物点判断部109的动作的细节，利用图16进行说明。
图16是示出实施方式的障碍物点判断部109的动作的具体例的流程图。
障碍物点判断部109对被采用的倾斜的绝对值与阈值进行比较(步骤S801)，判断倾斜的绝对值是否为阈值以上(步骤S802)。如上所述，阈值是由阈值设定部111而被设定的阈值。
障碍物点判断部109在倾斜的绝对值为阈值以上的情况下(步骤S802中的“是”)，换句话说在倾斜算出部108采用的倾斜大的情况下(图6的步骤S209中的“是”)，进行图6的步骤S210的处理。
障碍物点判断部109，在倾斜的绝对值为小于阈值的情况下(步骤S802中的“否”)，换句话说，在倾斜算出部108采用的倾斜小的情况下(图6的步骤S209中的“否”)，关于这次选择的对象点以及其近旁点，不判断为是与障碍物对应的障碍物点，将进行障碍物判断的区域内的所有点中还没有被选择的点，作为对象点来选择，进行图6的步骤S201的循环。
回到图6的说明，障碍物点判断部109，在由倾斜算出部108采用的倾斜大的情况下(步骤S209中的“是”)，将在步骤S201选择的对象点以及其近旁点，判断为与障碍物对应的障碍物点(步骤S210)。
而且，将进行障碍物判断的区域内的所有点中还没有被选择的点作为对象点，进行从步骤S202开始的处理，从进行障碍物判断的区域内的所有点中提取障碍物点云。
接下来关于通知部113的动作的细节，利用图17以及图18进行说明。
图17是示出实施方式的通知部113的动作的具体例的流程图。
通知部113，针对某个场景算出在这次进行的障碍物检测处理中没有判断为是障碍物检测处理的对象的近旁点的比率(步骤S901)。具体而言，按照每个对象点，算出在所有近旁点中被判断为无效的近旁点的比率，并且算出其平均。
通知部113，将这次算出的比率与过去的比率进行比较(步骤S902)。过去的比率被存储在存储部112，例如通知部113，对这次算出的比率、和与这次相同的场景(具体而言位置或位置的属性一致的场景)的过去的比率进行比较。
通知部113判断这次的比率与过去的比率相比时是否为偏离值(步骤S903)。利用图18说明这次的比率比起过去的比率为偏离值的情况的例子。
图18是示出这次的比率比起过去的比率为偏离值的情况为例的图。在图18中示出移动体在相同的地点A行驶时，没有判断为障碍物检测处理的对象的近旁点的比率的分布。能够根据没有判断为是障碍物检测处理的对象的近旁点的比率的履历来算出所述分布。
通过图18所示可以知道在过去移动体行驶了地点A时，被判断为无效的近旁点的比率低，但是这次移动体行驶相同的点A时，被判断为无效的近旁点的比率高。换言之，这次的比率比起过去的比率为偏离值。
回到图17的说明，通知部113在这次的比率比起过去的比率为偏离值的情况下(步骤S903中的“是”)，将维护警报进行通知(步骤S904)。在这次和过去移动体行驶了相同的地点A时，这次的比率比起过去的比率为偏离值，有可能是因为在点云检测传感器等中发生了某种异常。通知部113，在这次的比率比起过去的比率不是偏离值的情况下(步骤S903中的“否”)，不进行通知并结束处理。
另外，在图18中针对相同的地点以比较比率的例子进行了说明，但可以不是相同的地点，可以针对相同的属性(例如普通公路或高速公路等)，进行比率的比较。
这样即使在相同的场景(例如位置或位置的属性一致的场景)，存在没有判断为是障碍物检测处理的对象的比率不同的履历的情况下(例如，这次的履历中的比率比起过去的履历中的比率为偏离值的情况下)，有可能是因为在点云检测传感器等中发生了某种异常。于是在那样的情况下通过输出通知，从而例如让移动体的乘坐者或者管理者等识别出点云检测传感器等的异常。
另外，信息处理装置100算出点云检测传感器(基准点)与对象点或近旁点之间的距离，按照基准点与对象点或基准点与近旁点之间的距离，来判断是否算出高低差或者仰角差的至少一方。关于此利用图19进行说明。
图19是示出变形例1的信息处理装置100的障碍物检测时的动作的一例的流程图。另外图19中的从步骤S201到步骤S210的步骤与图6相同，所以省略说明。
信息处理装置100，算出基准点与对象点或被搜索出的近旁点之间的距离，判断该距离是近(例如为阈值以下)还是远(步骤S211)。基准点与对象点或被搜索出的近旁点之间的距离近的情况下(步骤S211中的“是”)，进行从步骤S203到步骤S206的处理，在基准点与对象点或被搜索出的近旁点之间的距离远的情况下(步骤S211中的“否”)，不进行从步骤S203到步骤S206的处理。另外，对象点和近旁点从基准点看时位于大体上相同的距离，所以与基准点之间算出距离的可以是对象点或近旁点的任一方。
离基准点越远，感测到的点云的间隔越宽，不将这样的点云中的近旁点作为障碍物检测处理的对象的情况下，在远离基准点的位置上能够用于障碍物检测处理的点数减少，难以进行障碍物检测处理。于是在基准点与对象点或者其近旁点之间的距离远的情况下，不算出高低差或者仰角差的至少一方，也就是不进行是否将近旁点作为障碍物检测处理的对象的判断，而利用近旁点进行障碍物检测处理。从而，能够将从基准点远离的近旁点作为障碍物检测处理的对象，能够抑制对从基准点远离的位置不能进行障碍物检测处理。
此外，信息处理装置100对感测到对象点的点云检测传感器与感测到近旁点的点云检测传感器是否为同一个点云检测传感器进行判断，在感测到对象点的点云检测传感器与感测到近旁点的点云检测传感器不是同一个点云检测传感器的情况下，可以算出高低差或仰角差的至少其中一方。关于此利用图20进行说明。
图20是示出变形例2的信息处理装置100的障碍物检测时的动作的一例的流程图。另外图20中的从步骤S201到步骤S210的步骤，与图6中的步骤相同，所以省略说明。
信息处理装置100，判断被搜索出的近旁点是否为与观测到对象点的点云检测传感器不同的其他的点云检测传感器观测到的(步骤S212)。在搜索出的近旁点是由其他的点云检测传感器观测的情况下(步骤S212中的“是”)，进行从步骤S203到步骤S206的处理，在搜索出的近旁点不是由其他的点云检测传感器观测的情况下(步骤S211中的“否”)，不进行从步骤S203到步骤S206的处理。
在利用多个点云检测传感器进行感测的情况下，比起相同的点云检测传感器感测到的对象点以及近旁点，不同的点云检测传感器感测到的对象点以及近旁点，更容易受到点云检测传感器的偏离的影响，在障碍物检测处理中容易产生错误检测。于是，在感测到对象点的点云检测传感器与感测到近旁点的点云检测传感器不是同一个点云检测传感器的情况下，算出高低差或者仰角差的至少一方。换句话说，在感测到对象点的点云检测传感器与感测到近旁点的点云检测传感器是同一个点云检测传感器的情况下，不算出高低差或仰角差的至少一方，即不进行是否将近旁点作为障碍物检测处理的对象的判断，而利用近旁点进行障碍物检测处理。从而能够将障碍物检测处理中不容易产生错误检测的第2点，尽量多地作为障碍物检测处理的对象。
如以上说明，例如由于振动产生了点云检测传感器的位置偏离或角度偏离的情况下，由点云检测传感器感测到的点的位置信息，有时成为与实际的位置不同的位置。在这个情况下，例如进行利用倾斜的处理的障碍物检测处理中，实际上没有急剧倾斜但是错误检测为有急剧倾斜(例如障碍物的错误检测)。但是伴随移动体的移动的振动等而产生的点云检测传感器的位置偏离或者角度偏离，多数情况下是微小的偏离。因此由于点云检测传感器的位置偏离或角度偏离而产生的，被检测为急剧倾斜的2点之间的高低差，或者相对于基准点的该2点之间的仰角差，多数情况下也是微小的。于是在本公开中，根据由点云检测传感器感测到的位于规定范围内的对象点与近旁点的高低差、或相对于基准点的对象点与近旁点的仰角差的至少一方，判断是否将近旁点作为障碍物检测处理的对象。从而，不将这样的近旁点作为障碍物检测处理的对象，该近旁点是虽然高低差或仰角差微小，但是由于点云检测传感器的位置偏离或者角度偏离，被错误检测为急剧倾斜的近旁点。从而不需要计测点云检测传感器的偏离，能够抑制由该偏离而产生的在障碍物检测处理中的错误动作。
(其他的实施方式)
以上基于实施方式对本公开的一个或多个形态所涉及的信息处理方法以及信息处理装置100进行了说明，不过本公开并非受这些实施方式所限。在不脱离本公开的主旨的范围内，将本领域技术人员所能够想到的各种变形执行于各个实施方式而得到的形态、对不同的实施方式中的构成要素进行组合而构成的形态也包括在本公开的一个或多个形态的范围内。
例如，在上述实施方式中说明了信息处理装置100具备高低差判断部105以及仰角差判断部106的双方的例子，但是不具备其中一方也可以。即可以不算出第1差异或第2差异的双方，至少算出一方就可以。例如，在算出第1差异的情况下，根据第1差异来判断是否将第2点作为后续处理的对象，在算出第2差异的情况下，根据第2差异来判断是否将第2点作为后续处理的对象。
例如，在上述实施方式中说明了信息处理装置100具备存储部112以及通知部113的例子，但是可以不具备存储部112以及通知部113。即可以不算出没有判断为后续处理的对象的第2点的比率，也可以不按照每个场景来存储比率的履历，也可以不输出维护警报等通知。
例如，在上述实施方式中说明了信息处理装置100具备阈值设定部111的例子，但是也可以不具备阈值设定部111。即可以不根据包括移动体的高度或者宽度的至少一方的移动体信息来决定规定范围，也可以不根据包括移动体的振动特性或者移动体的越过台阶能力的移动体信息来决定第1差异或第2差异的阈值。
另外，第1差异以及第2差异的阈值，可以根据事先的测验来设定。例如进行振动测验或者行驶测验等测验，根据测验结果来设定可容许的高低差和可容许的仰角差。
例如，在本公开中将信息处理方法包括的步骤，作为使处理器执行的程序来实现。进而本公开能够作为记录了该程序的CD-ROM等的非暂时的计算机可读取的记录介质来实现。
例如，在本公开由程序(软件)来实现的情况下，利用计算机的CPU、存储器以及输入输出电路等硬件资源来执行程序，从而执行各个步骤。换言之，CPU将数据从存储器或者输入输出电路等获得并运算，或者将运算结果输出给存储器或者输入输出电路等，从而执行各步骤。
另外，在所述实施方式中信息处理装置100包括的各个构成要素，可以由专用的硬件构成，或者由执行适合各个构成要素的软件程序来实现。各个构成要素，可以由CPU或者处理器等的程序执行部，读出并执行在硬盘或者半导体存储器等记录介质中记录的软件程序来实现。
上述实施方式涉及的信息处理装置100的功能的一部分或者全部，典型的是作为集成电路即LSI来实现。这些可以分别单片化，或者包括一部分或者全部的方式单片化。此外，集成电路化不限于LSI，可以用专用电路或者通用处理器来实现。也可以使用在LSI制造后可编程的FPGA(Field Programmable Gate Array：现场可编程门阵列)、或者可重构LSI内部的电路单元的连接以及设定的可重构处理器。
进而在不脱离本公开的主旨的范围内，针对本公开的各个实施方式在本领域技术人员所想到的范围内实施了变更的各种变形例，也包括在本公开中。
工业实用性
本公开能够适用于利用由LiDAR等点云检测传感器感测到的点信息进行处理的装置。
符号说明
100 信息处理装置
101 点信息获得部
102 点信息统合部
103 噪声消除部
104 近旁点搜索部
105 高低差判断部
106 仰角差判断部
107 可否算出倾斜判断部
108 倾斜算出部
109 障碍物点判断部
110 障碍物点云输出部
111 阈值设定部
112 存储部
113 通知部

Claims (11)

1.一种信息处理方法，由计算机执行，在所述信息处理方法中，
获得多个点信息，在该点信息中包括由移动体具备的至少1个点云检测传感器感测到的点的位置信息，
对以第1点为起点时位于规定范围内的第2点进行搜索，所述第1点是所述多个点信息示出的点云中的点，
至少算出第1差异或第2差异的其中一方，所述第1差异是所述第1点与所述第2点的高低差，所述第2差异是将基准点与所述第1点连接的直线和将所述基准点与所述第2点连接的直线所构成的角，
至少根据所述第1差异或所述第2差异的其中一方，判断是否将所述第2点作为后续处理的对象，
输出被判断为是所述后续处理的对象的所述第2点的点信息。
2.如权利要求1所述的信息处理方法，
所述信息处理方法进一步，
算出所述基准点与所述第1点或所述基准点与所述第2点之间的距离，
按照所述基准点与所述第1点或所述基准点与所述第2点之间的距离，判断是否算出所述第1差异或所述第2差异的至少其中一方。
3.如权利要求1或2所述的信息处理方法，
所述至少1个点云检测传感器为多个点云检测传感器，
所述信息处理方法进一步，
对感测到所述第1点的点云检测传感器与感测到所述第2点的点云检测传感器是否为同一个点云检测传感器进行判断，
在感测到所述第1点的点云检测传感器与感测到所述第2点的点云检测传感器不是同一个点云检测传感器的情况下，至少算出所述第1差异或所述第2差异的其中一方。
4.如权利要求1至3的任一项所述的信息处理方法，
所述信息处理方法进一步，
算出没有被判断为是所述后续处理的对象的所述第2点的比率，
将算出的所述比率的履历，按照每个场景进行存储，
判断在相同的场景中是否存在所述比率不同的履历，
在存在所述比率不同的履历的情况下，输出通知。
5.如权利要求4所述的信息处理方法，
所述场景包括位置，
按照所述至少1个点云检测传感器感测到的每个位置或每个位置的属性，存储所述履历，
针对每个场景中的所述位置或所述位置的属性一致的场景，判断是否存在所述比率不同的履历。
6.如权利要求1至5的任一项所述的信息处理方法，
所述信息处理方法进一步获得表示所述移动体的特性的移动体信息，
根据所述移动体信息，决定所述规定范围。
7.如权利要求6所述的信息处理方法，
所述移动体信息至少包括所述移动体的高度或宽度的其中一方，
至少根据所述移动体的高度或宽度的其中一方，决定所述规定范围。
8.如权利要求6或7所述的信息处理方法，
在是否将所述第2点作为所述后续处理的对象的判断中，按照所述第1差异是否为阈值以上来判断，
所述移动体信息包括所述移动体的振动特性或所述移动体的越过台阶能力，
根据所述移动体的振动特性或所述移动体的越过台阶能力，决定所述第1差异的阈值。
9.如权利要求6至8的任一项所述的信息处理方法，
在是否将所述第2点作为所述后续处理的对象的判断中，按照所述第2差异是否为阈值以上来判断，
所述移动体信息包括所述移动体的振动特性，
根据所述移动体的振动特性，决定所述第2差异的阈值。
10.如权利要求1至9的任一项所述的信息处理方法，
所述后续处理包括物体检测处理。
11.一种信息处理装置，具备：
获得部，获得多个点信息，在该点信息中包括由移动体具备的至少1个点云检测传感器感测到的点的位置信息；
搜索部，对以第1点为起点时位于规定范围内的第2点进行搜索，所述第1点是所述多个点信息示出的点云中的点；
算出部，至少算出第1差异或第2差异的其中一方，所述第1差异是所述第1点与所述第2点的高低差，所述第2差异是将基准点与所述第1点连接的直线和将所述基准点与所述第2点连接的直线所构成的角；
判断部，至少根据所述第1差异或所述第2差异的其中一方，判断是否将所述第2点作为后续处理的对象；以及
输出部，输出被判断为是所述后续处理的对象的所述第2点的点信息。
CN202180007990.XA 2020-09-07 2021-05-26 信息处理方法以及信息处理装置 Pending CN114929539A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2020149943 2020-09-07
JP2020-149943 2020-09-07
PCT/JP2021/020093 WO2022049842A1 (ja) 2020-09-07 2021-05-26 情報処理方法及び情報処理装置

Publications (1)

Publication Number Publication Date
CN114929539A true CN114929539A (zh) 2022-08-19

Family

ID=80491018

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180007990.XA Pending CN114929539A (zh) 2020-09-07 2021-05-26 信息处理方法以及信息处理装置

Country Status (5)

Country Link
US (1) US20220334252A1 (zh)
EP (1) EP4213127A4 (zh)
JP (1) JPWO2022049842A1 (zh)
CN (1) CN114929539A (zh)
WO (1) WO2022049842A1 (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9098754B1 (en) 2014-04-25 2015-08-04 Google Inc. Methods and systems for object detection using laser point clouds
KR102496509B1 (ko) * 2016-09-20 2023-02-07 이노비즈 테크놀로지스 엘티디 Lidar 시스템 및 방법
JP2020507137A (ja) * 2017-12-11 2020-03-05 ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド 車両周辺の物体を識別して測位するためのシステムおよび方法
JP2020046411A (ja) 2018-09-21 2020-03-26 パイオニア株式会社 データ構造、記憶装置、端末装置、サーバ装置、制御方法、プログラム及び記憶媒体
CN110687549B (zh) * 2019-10-25 2022-02-25 阿波罗智能技术(北京)有限公司 障碍物检测方法和装置

Also Published As

Publication number Publication date
US20220334252A1 (en) 2022-10-20
WO2022049842A1 (ja) 2022-03-10
EP4213127A1 (en) 2023-07-19
JPWO2022049842A1 (zh) 2022-03-10
EP4213127A4 (en) 2023-12-20

Similar Documents

Publication Publication Date Title
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
KR102452550B1 (ko) 라이다 데이터 기반 객체 검출 장치, 그를 포함한 시스템 및 그 방법
JP5939357B2 (ja) 移動軌跡予測装置及び移動軌跡予測方法
JP4823520B2 (ja) 道路上の目標車両の状態を見積もる方法
WO2018180338A1 (ja) 情報処理装置、サーバ装置、制御方法、プログラム及び記憶媒体
EP2657644B1 (en) Positioning apparatus and positioning method
EP3319065A1 (en) Route prediction device
JP2019537715A (ja) 障害物検出システム及び方法
CN110674705A (zh) 基于多线激光雷达的小型障碍物检测方法及装置
EP3905106A1 (en) Method for determining a drivable area
CN113432533B (zh) 一种机器人定位方法、装置、机器人及存储介质
CN111213153A (zh) 目标物体运动状态检测方法、设备及存储介质
JP2010132444A (ja) 乗客コンベアの乗客検出装置
JP2022543955A (ja) 目標車両の制御方法、装置、電子機器及び記憶媒体
JP2018022270A (ja) 路肩検出方法及び路肩検出装置
JP5067091B2 (ja) 衝突判定装置
CN114929539A (zh) 信息处理方法以及信息处理装置
JP5993597B2 (ja) 目標移動体検知方法
EP3851788A1 (en) Determination method and determination device
JP4151631B2 (ja) 物体検出装置
WO2016199338A1 (ja) 移動体の位置姿勢推定装置及び移動体の自律走行システム
KR101770924B1 (ko) 능동적 보행자 보호 시스템 및 방법
KR101928190B1 (ko) 물체 간 충돌 예측 방법
WO2018221458A1 (ja) 更新装置、制御方法、プログラム及び記憶媒体
JP2020077180A (ja) 車載制御装置

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