CN116171392A - 物体识别装置、物体识别方法以及物体识别程序 - Google Patents

物体识别装置、物体识别方法以及物体识别程序 Download PDF

Info

Publication number
CN116171392A
CN116171392A CN202280003989.4A CN202280003989A CN116171392A CN 116171392 A CN116171392 A CN 116171392A CN 202280003989 A CN202280003989 A CN 202280003989A CN 116171392 A CN116171392 A CN 116171392A
Authority
CN
China
Prior art keywords
noise
point group
point
added
distance
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
CN202280003989.4A
Other languages
English (en)
Inventor
奥城秀刚
石川竜生
中田久美
铃木千里
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.)
JVCKenwood Corp
Original Assignee
JVCKenwood 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 JVCKenwood Corp filed Critical JVCKenwood Corp
Publication of CN116171392A publication Critical patent/CN116171392A/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
    • G06V20/60—Type of objects
    • G06V20/64—Three-dimensional objects
    • 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
    • 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
    • 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
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/56—Extraction of image or video features relating to colour
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • 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

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Electromagnetism (AREA)
  • Software Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Image Analysis (AREA)

Abstract

物体识别装置(100)具备：点群测量部(10)，测量对象物所包含的点群位置和到该各点群的距离；噪点附加部(20)，在测量出的点群的周围，附加与到该各点群的距离相应的噪点；噪点数量存储部(30)，存储噪点附加部附加的噪点的总数和位置；以及识别部(40)，根据点群和附加到点群的噪点来识别对象物。

Description

物体识别装置、物体识别方法以及物体识别程序
技术领域
本发明涉及物体识别装置、物体识别方法以及物体识别程序。
背景技术
在专利文献1中公开了以下物体识别装置：在对由测距装置测量出的多个测距点附加了规定的噪点之后，基于附加了该噪点的测距点形成表示物体的集群(cluster)，基于所形成的集群的特征量来识别物体。
现有技术文献
专利文献
专利文献1：日本特开2019-153188。
发明内容
发明所要解决的问题
例如，在专利文献1所公开的技术中，对通过LiDAR(Light DetectionandRanging，激光雷达)等测距装置进行了距离测量的多个测距点(以下，也称为“点群”)附加噪点。通过噪点附加，向对象物附加特征量，由此产生随机共振现象，提高对象物的识别率。此时，通过根据到对象物的距离来使所附加噪点的个数、范围发生变化，能够进一步提高识别率。然而，在该情况下，若单纯地附加多个噪点，则之后附加的噪点会覆盖已经附加的噪点数据，因此有可能失去附加于对象物的特征量。
本发明是鉴于这样的状况而完成的，其目的在于，在不丢失附加于对象物的特征量的情况下，在该对象物点群的周围，附加与到各点群的距离相应的噪点。
用于解决问题的手段
为了解决上述技术问题，本发明的一个方式的物体识别装置是用于识别对象物的物体识别装置，其包括：点群测量部，测量对象物所包含的点群位置和到该各点群的距离；噪点附加部，在测量出的点群的周围，附加与到该各点群的距离相应的噪点；噪点数量存储部，按照由噪点附加部附加的噪点的每个位置，存储所附加的噪点的数量；以及识别部，根据点群和附加到点群的噪点来识别对象物。
本发明的另一方式是物体识别方法。该方法是用于识别对象物的物体识别方法，包括：点群测量步骤，测量对象物所包含的点群位置和到该各点群的距离；噪点附加步骤，在测量出的点群的周围附加与到该各点群的距离相应的噪点；噪点数量存储步骤，按照所附加的噪点的每个位置，存储附加噪点的数量；以及识别步骤，根据点群和附加到点群的噪点来识别对象物。
本发明的又一方式是一种物体识别程序。该程序是用于识别对象物的物体识别方法，使计算机执行以下步骤：点群测量步骤，测量对象物所包含的点群位置和到该各点群的距离；噪点附加步骤，在测量出的点群的周围，附加与到该各点群的距离相应的噪点；噪点数量存储步骤，按照所附加的噪点的每个位置，存储附加的噪点的数量；以及识别步骤，根据点群和附加到点群的噪点来识别对象物。
另外，将以上构成要素的任意组合、本发明的表现形式在方法、装置、系统、记录介质、计算机程序等之间变换后的方案，也是作为本发明的方式而有效的。
发明效果
根据本发明，能够在不丢失附加到对象物的特征量的情况下，在该对象物点群的周围附加与到各点群的距离相应的噪点。
附图说明
图1是第一实施方式所涉及的物体识别装置的功能模块图。
图2是示出噪点附加部在由点群测量部测量出的点群的周围附加了噪点的例子的图，(a)是处于较近位置的对象物的点群，(b)是处于较远位置的对象物的点群。
图3是示出在图2的(a)、(b)中附加的噪点的分布范围的图。
图4是将图2(a)的点P1和P2显示在XY平面上的图。
图5是示出在点P1和P2周围附加的噪点的图。
图6是示出存储在噪点数量存储部中的每个噪点位置的噪点数量的图。
图7示出存储在噪点数量存储部中的噪点数量。(a)是在点P1周围附加噪点的数量。(b)是在点P2周围附加噪点的数量。
图8是说明第五实施方式所涉及的物体识别方法的处理步骤的流程图。
具体实施方式
以下，基于优选的实施方式，参照各附图对本发明进行说明。在实施方式和变形例中，对相同或等同的构成要素、部件标注相同的附图标记，并适当省略重复的说明。另外，各附图中部件的尺寸为了容易理解而适当放大、缩小地示出。另外，在各附图中，省略表示了在说明实施方式方面不重要的要素的一部分。另外，包含第一、第二等序数的用语用于说明多种构成要素，但该用语仅用于将1个构成要素与其它构成要素区别开的目的，构成要素并不受该用语限定。
[第一实施方式]
图1是第一实施方式所涉及的物体识别装置100的功能模块图。物体识别装置100包括：点群测量部10、噪点附加部20、噪点数量存储部30以及识别部40。
点群测量部10测量识别对象的物体(在本说明书中，称为“对象物”)的表面上所包含的作为1个以上测距点的点群位置和到该各点群的距离。物体识别装置100例如也可以构成为包含LiDAR。LiDAR向对象物照射激光并扫描，接收来自对象物的反射光，由此测量点群位置，能够根据从照射到接收为止所需的时间来测量从点群测量部10到点群的距离。在将LiDAR的扫描范围设为XY平面的情况下，点群所包含的各点位置和距离作为二维矩阵来获得，该二维矩阵是将各点位置设为XY平面的坐标、将各点距离设为坐标的值的矩阵。
通过LiDAR等测距装置进行距离测量的点群由于其数量不充分等理由，有时无法充分反映对象物的特征量。在这样的情况下，被测量的点群在物体识别中有可能不被视为特征量而被视为噪点。对于这样的点群，通过在该点群的周围附加噪点，能够使随机共振现象显现，使对象物的特征量显著。
噪点附加部20在由点群测量部10测量出的点群的周围附加与到该各点群的距离相应的噪点。激光的扫描范围相对于照射方向呈放射状扩散，因此被照射的激光彼此之间的间隔随着越远离光源而越扩散。因此，对象物越位于远方，通过扫描照射激光而能够接收反射光的点越少。其结果是，从LiDAR输出的点群所包含的点的数量变少。因此，在对各点群的周围附加噪点的情况下，认为最好是：到该各点群的距离越短则附加噪点的数量越多、到该各点群的距离越长则附加噪点的数量越少。进而，关于表示附加的噪点所分布的范围的偏差的标准偏差(附加噪点的空间扩散)，认为最好是：到该各点群的距离越短则越大、到该各点群的距离越长则越小。
噪点附加部20附加的噪点基于从点群测量部10到各点的距离。例如，噪点在最初获取各点位置作为XY平面的坐标之后，获取各点距离作为坐标的值。在该情况下，对各点附加的噪点的值成为表示各点的距离的值。具体的噪点值例如也可以是：表示点群各点的有无的二值的值。或者，噪点值也可以是与到各点的距离相应的值，例如，到各点的距离、对到各点的距离乘以规定系数而得到的值、基于到各点的距离而具有一定偏差的值等。进而，作为噪点值，也能够赋予随机的值。
图2示出噪点附加部20在由点群测量部10测量出的点群的周围附加了噪点的例子。(a)是处于较近位置的对象物的点群，(b)是处于较远位置的对象物的点群。分别在(a)中观测到7个点群、在(b)中观测到2个点群。可知在(a)的点群的周围，与(b)相比，在更大范围内附加了更多的噪点。(a)中的7个点群中的2个点被命名为P1、P2。在图2中，由网格表示的点是对象物的点群，由斜线表示的点是噪点。关于点P1和P2如后所述。
图3示出在图2(a)、(b)中附加的噪点的分布范围。实线是(a)的噪点分布，虚线是(b)的噪点分布。曲线图的横轴表示噪点的分布范围，纵轴表示分布密度。与(b)相比，(a)中附加的噪点的分布范围广，分布密度低。因此，可知(a)的标准偏差大，标准偏差表示分布范围的偏差。
噪点数量存储部30按照每个附加噪点的位置，存储噪点附加部20附加的噪点数量。
图4是将图2(a)的点P1和P2显示在XY平面上的图。点P1和P2的坐标分别是(3，8)和(5，5)。
图5示出了在点P1和P2周围附加的噪点。然而，用横条纹表示在点P1周围附加的噪点的位置，用纵条纹表示在点P2周围附加的噪点的位置。具体而言，在点P1周围附加的噪点位于(1，8)(2，7)(2，8)(2，9)(3，6)(3，7)(3，8)(3，9)(3，10)(4，8)(4，9)。在点P2周围附加的噪点位于(4，4)(4，5)(4，6)(4，7)(5，3)(5，4)(5，5)(5，6)(5，7)(6，4)(6，5)(6，6)(7，5)(7，6)。
在此，在图5中，注意存在如下情况：之后附加的噪点覆盖已经附加的噪点数据。具体而言，在图5中，先记录在点P1周围附加的噪点数据，然后记录在点P2周围附加的噪点数据。对于(4，7)，最初，向点P1周围附加了噪点。之后，对于(4，7)，向点2周围附加了噪点。因此，曾记录于(4，7)的点P1周围的噪点数据被点P2周围的噪点数据覆盖而消失。作为结果，在(4，7)中仅记录有附加在点P2周围的噪点。这意味着，与点P1相关的特征量丢失了一部分。另外，在对某1点的周围附加噪点时，也有可能对相同的坐标附加多次噪点。即，存在已经附加了噪点的坐标被相同噪点数据覆盖的情况。
图6示出存储在噪点数量存储部30中的每个噪点位置的噪点数量。具体而言，在(1，8)中附加有2个噪点，在(2，7)中附加有1个噪点，在(2，8)中附加有2个噪点，在(2，9)中附加有1个噪点，在(3，6)中附加有1个噪点，在(3，7)中附加有3个噪点，在(3，8)中附加有6个噪点，在(3，9)中附加有3个噪点，在(3，10)中附加有2个噪点，在(4，4)中附加有1个噪点，在(4，5)中附加有4个噪点，在(4，6)中附加有2个噪点，在(4，7)中附加有6个噪点，在(4，8)中附加有2个噪点，在(4，9)中附加有1个噪点，在(5，3)中附加有1个噪点，在(5，4)中附加有3个噪点，在(5，5)中附加有7个噪点，在(5，6)中附加有3个噪点，在(5，7)中附加有1个噪点，在(6，4)中附加有3个噪点，在(6，5)中附加有3个噪点，在(6，6)中附加有2个噪点，在(7，5)中附加有1个噪点，在(7，6)中附加有1个噪点。
如上所述，通过存储附加到各位置的噪点数量，能够不覆盖噪点数据而保留所附加的噪点的全部信息。即，不会丢失附加到对象物的特征量。
在某一位置附加噪点的数量多表示该位置作为对象物的特征量是重要的。特别是，在该例中，(4，7)中的噪点数为6，比周围的位置多。这是由于，对于点P1和P2双方附加了噪点，但同时由此可知，(4，7)是连结点P1和点P2的重要位置。
在此，注意并不管附加于各位置的噪点数量是由附加于点P1或点P2的哪一个的周围上的噪点引起的。这样的按照每个附加的噪点位置的数量(图6所示的数值分布)在反复测量时，相同的图案连续。由此，能够判断噪点是反映了对象物特征量的噪点还是单纯的杂点。
噪点附加部20所附加的噪点的值也可以是表示点群各点有无的二值等的任意的值。另外，也可以是基于各点坐标值的值。在本实施方式中，各点坐标值是从点群测量部10到各点的距离，对各点附加的噪点的值设为与到各点的距离相应的值，以距离越长则越大、距离越短则越小的方式赋予。例如也可以是到各点的距离、对到各点的距离乘以规定系数而得到的值、基于到各点的距离的具有一定偏差的值等。进而，作为噪点值，也能够赋予随机的值。
识别部40根据点群和附加于所述点群的噪点来识别所述对象物。
在上述的例子中，对包含于同一点群的点P1和点P2以相同的分布附加噪点。对同一个点群的各点附加的噪点的分布成为与各点群的距离相对应的分布。在此，与点群的距离是指，点群中包含的各点的距离的代表值。代表值也可以基于到各点的距离来计算。例如代表值也可以是：到各点的距离的平均值、中央值、最大值、最小值等。或者，也可以根据点群所包含的各点的坐标求出代表性的坐标，将与该坐标的距离作为与点群的距离。代表性的坐标例如是各点的重心。另外，不限于此，噪点也可以以与距各点的距离相对应的分布来附加。即，对于点P1和点P2，也可以以与距各点的距离相对应的不同分布来附加噪点。
如以上说明那样，根据本实施方式，能够在不丢失附加于对象物的特征量的情况下，在该对象物的点群的周围附加与到各点群的距离相应的噪点。由此，能够进行高精度的物体识别。
[第二实施方式]
在某实施方式中，噪点数量存储部30按每个点存储在测量出的点群各点周围附加的噪点的数量。
图7示出存储在噪点数量存储部30中的噪点数量。(a)是在点P1周围附加的噪点的数量。(b)是在点P2周围附加的噪点的数量。具体而言，关于在点P1的周围附加的噪点的数量，在(1，8)中为2个，在(2，7)中为1个，在(2，8)中为2个，在(2，9)中为1个，在(3，6)中为1个，在(3，7)中为3个，在(3，8)中为6个，在(3，9)中为3个，在(3，10)中为2个，在(4，7)中为2个，在(4，8)中为2个，在(4，9)中为1个。关于在点P2的周围附加的噪点的数量，在(4，4)中为1个，在(4，5)中为4个，在(4，6)中为2个，在(4，7)中为4个，在(5，3)中为1个，在(5，4)中为3个，在(5，5)中为7个，在(5，6)中为3个，在(5，7)中为1个，在(6，4)中为3个，在(6，5)中为3个，在(6，6)中为2个，在(7，5)中为1个，在(7，6)中为1个。
根据本实施方式，由于按每个点存储测量出的点群各点周围附加的噪点的数量，因此能够知道附加的噪点是附加在哪个点的周围的噪点。由此，能够进行精度更高的物体识别。
[第三实施方式]
在某个实施方式中，点群测量部10除了测量对象物所包含的点群位置和到该各点群的距离之外，还测量该对象物中包含的点群亮度。亮度也可以：设置亮度传感器，获取通过LiDAR获取了距离的范围内的亮度。另外，也可以根据由LiDAR获取的对象物的反射强度的信息来计算亮度。亮度作为二维矩阵而获取，该二维矩阵是将各点位置设为XY平面的坐标、将各点亮度设为坐标的值的矩阵。
与第一实施方式同样地，噪点附加部20附加基于各点亮度的噪点。具体而言，噪点附加部20在获取了亮度的点群的周围，以与到各点群的距离相应的分布，附加基于各点亮度的值的噪点。噪点的值以亮度越高则噪点的值越大、亮度越低则噪点的值越小的方式赋予。例如也可以是：到各点为止的亮度、对各点亮度乘以规定系数而得到的值、基于各点亮度具有一定偏差的值等。噪点数量存储部30按照每个附加噪点的位置存储附加噪点的数量。
根据本实施方式，除了对象物的距离以外，关于对象物的亮度，也能够在不丢失附加到对象物的特征量的情况下，附加噪点。由此，能够进行精度更高的物体识别。
[第四实施方式]
在某实施方式中，点群测量部10除了测量对象物所包含的点群位置和到该各点群的距离之外，还测量该对象物所包含的点群的颜色。颜色信息也可以：设置图像传感器，获取通过LiDAR获取了距离的范围内的颜色信息。另外，也可以通过照射多个不同波长激光的LiDAR来获取颜色信息。另外，也可以根据由LiDAR获取的对象物的反射强度的信息来计算颜色信息。颜色信息作为二维矩阵来获取，该二维矩阵是将各点位置设为XY平面的坐标、将各点各颜色分量(例如RGB)的像素值设为坐标的值的、各分量(R分量、G分量、B分量)的矩阵。例如，在以RGB的值获取了颜色分量的情况下，作为R分量、G分量、B分量这3个二维矩阵来获取。
与第一实施方式同样地，噪点附加部20附加基于各点的各颜色分量(例如RGB)的值的噪点。具体而言，噪点附加部20在各颜色分量的二维矩阵中，在获取了颜色信息的点群的周围，以与到各点群的距离相应的分布，附加基于各点颜色信息值的值的噪点。以RGB各分量的像素值越高则越大、像素值越低则越小的方式赋予噪点值。例如也可以是：到各点为止的像素值、对各点像素值乘以规定系数而得到的值、基于各点像素值具有一定偏差的值等。噪点数量存储部30按照每个附加噪点的位置存储所附加的噪点数量。
根据本实施方式，除了对象物的距离以外，关于对象物的颜色，也能够在不丢失附加到对象物的特征量的情况下，附加噪点。由此，能够进行精度更高的物体识别。
在上述的说明中，对点群测量部10包含LiDAR的情况进行了说明。然而不限于此，点群测量部10只要能够测量对象物所包含的点群位置和到该各点群的距离，则可以是任意的。
以上说明的物体识别装置的各种处理当然能够作为使用了CPU、存储器等硬件的装置来实现，也能够通过存储于ROM(Read-Only Memory，只读存储器)、闪存等的固件、计算机等软件来实现。也可以将该固件程序、软件程序记录在计算机等可读取的记录介质中来提供，也可以通过有线或无线网络与服务器进行收发，还可以作为地面波或卫星数字广播的数据广播进行收发。
[第五实施方式]
图8是说明第五实施方式所涉及的物体识别方法的处理步骤的流程图。
首先，本方法使用点群测量部，测量对象物所包含的点群位置和到该各点群的距离(S1)。
接着，在本方法中，使用噪点附加部，在测量出的点群的周围，附加与到该各点群的距离相应的噪点(S2)。
接着，在本方法中，使用噪点数量存储部，按照附加噪点的每个位置，存储附加噪点的数量(S3)。
接着，在本方法中，使用识别部，根据点群和附加到该点群的噪点来识别对象物(S4)。
根据本实施方式，能够在不丢失附加到对象物的特征量的情况下，在该对象物的点群的周围，附加与到各点群的距离相应的噪点。
[第六实施方式]
第六实施方式是计算机程序。该程序使计算机执行以下步骤：点群测量步骤，测量对象物所包含的点群位置和到该各点群的距离；噪点附加步骤，在测量出的点群的周围，附加与到该各点群的距离相应的噪点；噪点数量存储步骤，按照附加噪点的每个位置，存储附加噪点的数量；以及识别步骤，根据点群以及附加到该点群的噪点来识别对象物。
根据本实施方式，能够将在不丢失附加于对象物的特征量的情况下、在该对象物的点群的周围附加与到各点群的距离相应的噪点的程序作为软件来安装。
图4-7示出了10×10坐标中的点群分布。然而不限于此，获取的点群可以分布在任意的范围内。
在上述的实施方式中，对识别1个对象物的情况进行了说明。然而不限于此，某实施方式也可以获取规定范围的距离图像，识别存在于不同距离的多个对象物。
在上述的实施方式中，对在点群中所包含的各点周围附加噪点的情况进行了说明。然而不限于此，噪点也可以附加于点群的外侧范围。
以上，基于实施方式对本发明进行了说明。本领域技术人员当理解，实施方式为例示，其各构成要素、各处理过程的组合可以有各种变形例，并且这样的变形例也在本发明的范围内。
工业实用性
本发明能够用于物体识别装置、物体识别方法和物体识别程序。
符号说明
10…点群测量部；20…噪点附加部；30…噪点数量存储部；40…识别部；50…各点噪点存储部；S1…点群的位置、距离的测量步骤；S2…附加噪点的步骤；S3…按照附加噪点的每个位置存储附加噪点的数量的步骤；S4…识别对象物的步骤；100…物体识别装置。

Claims (8)

1.一种用于识别对象物的物体识别装置，其特征在于，包括：
点群测量部，测量所述对象物所包含的点群位置和到该点群的距离；
噪点附加部，在测量出的点群的周围，附加与到该点群的距离相应的噪点；
噪点数量存储部，按照所述噪点附加部所附加的噪点的每个位置，存储所附加的噪点的数量；以及
识别部，根据所述点群和附加到所述点群的噪点来识别所述对象物。
2.根据权利要求1所述的物体识别装置，其特征在于，
到该各点群的距离越短，则附加到所述测量出的点群的周围的噪点数量就越多。
3.根据权利要求1或2所述的物体识别装置，其特征在于，
到该各点群的距离越短，则附加到所述测量出的点群的周围的噪点所分布的范围的偏差就越大。
4.根据权利要求1或2所述的物体识别装置，其特征在于，
所述噪点数量存储部按照所述点群测量部测量出的点群的每个点，来存储所述噪点附加部所附加的噪点数量，
按照所述点群的每个点，来存储所述附加的噪点的每个位置的噪点数量。
5.根据权利要求1或2所述的物体识别装置，其特征在于，
所述点群测量部还测量所述对象物中包含的点群的亮度，
所述噪点附加部在测量出的点群的周围，附加与到该各点群的距离和该各点群的亮度对应的噪点。
6.根据权利要求1或2所述的物体识别装置，其特征在于，
所述点群测量部还测量所述对象物中包含的点群的颜色，
所述噪点附加部在测量出的点群的周围，附加与到该各点群的距离和该各点群的颜色相应的噪点。
7.一种用于识别对象物的物体识别方法，其特征在于，包括：
点群测量步骤，测量所述对象物所包含的点群位置和到该点群的距离；
噪点附加步骤，在测量出的点群的周围，附加与到该点群的距离相应的噪点；
噪点数量存储步骤，存储所附加的噪点的数量和所附加的噪点的位置；以及
识别步骤，根据所述点群和附加到所述点群的噪点来识别所述对象物。
8.一种用于识别对象物的物体识别程序，其特征在于，使计算机执行以下步骤：
点群测量步骤，测量所述对象物所包含的点群位置和到该点群的距离；
噪点附加步骤，在测量出的点群的周围，附加与到该点群的距离相应的噪点；
噪点数量存储步骤，存储所附加的噪点的数量和所附加的噪点的位置；以及
识别步骤，根据所述点群和附加到所述点群的噪点来识别所述对象物。
CN202280003989.4A 2021-09-24 2022-06-07 物体识别装置、物体识别方法以及物体识别程序 Pending CN116171392A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
JP2021-155184 2021-09-24
JP2021155184A JP2023046542A (ja) 2021-09-24 2021-09-24 物体認識装置、物体認識方法および物体認識プログラム
PCT/JP2022/022870 WO2023047714A1 (ja) 2021-09-24 2022-06-07 物体認識装置、物体認識方法および物体認識プログラム

Publications (1)

Publication Number Publication Date
CN116171392A true CN116171392A (zh) 2023-05-26

Family

ID=85720420

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202280003989.4A Pending CN116171392A (zh) 2021-09-24 2022-06-07 物体识别装置、物体识别方法以及物体识别程序

Country Status (5)

Country Link
US (1) US20230333224A1 (zh)
EP (1) EP4246433A4 (zh)
JP (1) JP2023046542A (zh)
CN (1) CN116171392A (zh)
WO (1) WO2023047714A1 (zh)

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6006179B2 (ja) * 2013-06-20 2016-10-12 株式会社パスコ データ解析装置、データ解析方法、及びプログラム
JP7184318B2 (ja) * 2018-03-05 2022-12-06 学校法人 芝浦工業大学 物体認識装置および物体認識方法
CN112204574A (zh) * 2018-05-21 2021-01-08 莫维迪乌斯有限公司 使用卷积神经网络来重建场景的方法、系统、制品和装置

Also Published As

Publication number Publication date
EP4246433A1 (en) 2023-09-20
EP4246433A4 (en) 2024-07-10
WO2023047714A1 (ja) 2023-03-30
JP2023046542A (ja) 2023-04-05
US20230333224A1 (en) 2023-10-19

Similar Documents

Publication Publication Date Title
CN110443786B (zh) 激光雷达点云滤波方法、装置、计算机设备和存储介质
CN107247268B (zh) 多线激光雷达系统及其水平安装角度的校正方法
CN109212510B (zh) 用于测量多线激光雷达的角分辨率的方法和装置
US10648795B2 (en) Distance measuring apparatus and distance measuring method
JP2008256428A (ja) マイクロアレイ画像のブロック位置検出方法
CN108732554B (zh) 激光雷达标定方法和装置
CN108564614B (zh) 深度获取方法和装置、计算机可读存储介质和计算机设备
CN117496000B (zh) 干扰模板图像的生成方法及装置
US20160055361A1 (en) Barcode scanner and operational method of the same
CN113379837A (zh) 检测设备的角度校正方法、设备及计算机可读存储介质
CN116413730B (zh) 测距方法、装置、存储介质及激光雷达
JP2015135293A (ja) 画像処理装置、画像処理方法
CN116171392A (zh) 物体识别装置、物体识别方法以及物体识别程序
CN116224632A (zh) 一种背光源装配精度检测方法及检测系统
CN111839580B (zh) 牙片影像生成方法、装置、电子设备和存储介质
CN114511489A (zh) Vcsel芯片的束散角检测方法、系统和电子设备
CN113706508A (zh) 光束质量分析方法、设备、光束分析系统及存储介质
CN116338643A (zh) 一种激光雷达的测距方法和激光雷达
CN110291557B (zh) 监视装置
CN117739817B (zh) 一种针对建筑构件表面裂缝的激光定位方法和装置
CN113534119A (zh) 传感器及传感器系统
CN113128516A (zh) 边缘提取的方法和装置
JP6149561B2 (ja) 評価方法および評価装置
CN117934454B (zh) 发光单元检测方法、装置、电子设备及存储介质
CN112837227B (zh) 一种参数校正方法、装置、系统、电子设备及存储介质

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