JP2015141634A - 物体検出センサ及びプログラム - Google Patents
物体検出センサ及びプログラム Download PDFInfo
- Publication number
- JP2015141634A JP2015141634A JP2014014956A JP2014014956A JP2015141634A JP 2015141634 A JP2015141634 A JP 2015141634A JP 2014014956 A JP2014014956 A JP 2014014956A JP 2014014956 A JP2014014956 A JP 2014014956A JP 2015141634 A JP2015141634 A JP 2015141634A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- degree
- vehicle shape
- line segment
- 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
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 244
- 238000005259 measurement Methods 0.000 claims abstract description 141
- 238000012544 monitoring process Methods 0.000 claims abstract description 31
- 238000000034 method Methods 0.000 claims description 80
- 238000011156 evaluation Methods 0.000 claims description 56
- 230000005856 abnormality Effects 0.000 description 20
- 238000004364 calculation method Methods 0.000 description 19
- 238000004891 communication Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 238000012854 evaluation process Methods 0.000 description 11
- 238000010586 diagram Methods 0.000 description 8
- 230000010355 oscillation Effects 0.000 description 5
- 239000000428 dust Substances 0.000 description 4
- 238000009434 installation Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000001678 irradiating effect Effects 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 238000011157 data evaluation Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000003595 mist Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Landscapes
- Burglar Alarm Systems (AREA)
Abstract
【解決手段】 警戒領域の一端から他端までを測定周期おきに走査して、警戒領域における各方向の測定点までの距離を示す測距データを生成し、過去の測距データと比較して現在の測距データについて同一の被測定物により距離が変化した測定点を変化領域としてグループ化し、変化領域としてグループ化した測定点のうち線分として近似できる測定点から線分データを検出する。そして、1つの線分データごとに車両形状らしさを評価して第1の車形状度を算出し、2つの線分データの組合せごとに車両形状らしさを評価して第2の車形状度を算出し、第1の車形状度及び第2の車形状度を用いて第3の車形状度を算出し、第3の車形状度に基づいて変化領域が検出対象か否かを判定する。
【選択図】 図6
Description
しかしながら、車両と侵入者とは、最高移動速度、形状、大きさなどの特性が大きく異なっている。このため、特許文献1のような判定条件を用いて侵入者及び車両を検出対象とする場合、精度よくこれらの検出対象を検出できない。
逆に、このような誤判定を排除するために変化の継続時間の判定条件を長くした場合は、早く移動している車両を検出できなくなってしまう可能性が高まり、検出対象としての車両が存在するにもかかわらず、これを検出できない場合が生じてしまう。
本実施形態では、監視建物において物体検出センサを用いて屋外監視する警備システムを例示するが、本発明の範囲はこれに限定されるものではない。
図1は、監視建物3の屋外壁面に設置される物体検出センサ2と、この物体検出センサ2の警戒領域4と、監視建物3内に設置される警備装置5との関係を模式的に平面図上に示している。図1の例では、監視建物3の周囲に3つの物体検出センサ2が設置されている。物体検出センサ2は、それぞれ警備装置5と通信線にて接続されており、警備装置5は、遠隔の監視センタ6と通信回線網7を介して接続されている。なお、特に図示はしていないが、監視建物3の内部にも熱線センサや開閉センサなどの警備センサが設置されており、警備装置5に接続されている。
次に、図2を用いて物体検出センサ2の構成について説明する。図2は、物体検出センサ2の構成を示すブロック図である。
物体検出センサ2は、警戒領域4における検出対象にレーザ光が照射されるように、監視建物3の屋外壁面に水平または一定の俯角を設定されて設置される。本実施形態における物体検出センサ2は、人物及び車両を検出対象としていることから、壁面における設置高さは警戒領域4に侵入した人物及び車両にレーザ光が照射される高さに設置される。また、物体検出センサ2は、警備装置5より電源供給を受けて作動する。
測距データ生成部225は、所定の周期間隔(例えば30msec)にて検知部22の1回の走査が終了する毎に測距データを生成して制御部24に出力する。
この警戒領域情報は、物体検出センサ2の設置時や監視区域の警備プランニング変更時などに、設定端末や図示しない操作部などから検知部22による走査面上の範囲を指定されて入力される。そして、入力された警戒領域4の範囲は、検知部22で走査を行う所定の角度間隔(例えば0.25°)ごとに、検知部22からの角度(方向)と距離値が対応付けられて角度(方向)と距離のテーブルとして記憶部23に記憶される。本実施形態では、図1に示すように、物体検出センサ2を中心とした半円状に警戒領域4が設定される例について説明する。
なお、警戒領域情報は、これに限らず警戒領域4の範囲を示す情報と物体検出センサ2との位置関係が識別可能に記憶されていればよく、例えば、物体検出センサ2を原点として相対的な位置関係を示す二次元座標にて設定され記憶していてもよい。
また、トラッキング情報には、車存在度及びカウンタが対応づけられて記憶される。これらの情報の詳細については後述する。
このように、警備装置5の警備開始にあわせて検知部22を駆動させることで連続稼働による駆動部品の破損を防止することが可能となる。
なお、これに限らず、基準データ生成部242は、検知部22による走査が開始された後、所定回数(例えば5分間の間に行われる走査)の測距データにおいて走査角度ごとに距離値の頻度を求め、最も頻度が高い距離値を当該走査角度の基準値として採用し、基準データを生成してもよい。
屋外環境では屋内と比較して小動物などの移動物体が多く、また植栽などの揺れや風による飛来物などが存在し得るため、警戒領域4に新規な物体が出現しただけで即座に検出対象と判定することは誤判定を招きかねない。このため、本実施形態において、検出対象判定部243は、警戒領域4に出現した物体を検出すると、この物体を複数周期に渡り評価して検出対象であるか否かを判定する。
なお、対応付けが行われた場合、トラッキング情報には現在周期で検出された変化領域の位置と大きさ及び検出対象と判定されたか否かが、現在までの各周期における位置と大きさと対応付けて記憶される。
以下、順番に各特徴量の算出処理について説明する。ただし、車存在度については後に詳述するためここでは人存在度、鳥存在度、霧存在度について説明する。
具体的な算出処理は、まず、変化領域に含まれる測定点のうち、角度が最大値の測定点と最小値の測定点とを変化領域の両端点として選択する。そして、この両端点の角度と距離の情報とから、両端点間の距離を算出し、この距離が人物の幅方向の長さを考慮した所定範囲に近いほど人存在度を高く算出する。
また、トラッキング情報から変化領域の移動速度を算出し、人物とは思えないほど移動速度が速い場合は人存在度を極めて低い値とする。
具体的な算出処理は、トラッキング情報から変化領域の移動速度を算出し、この移動速度が速いほど鳥存在度を高く算出する。
また、鳥は飛行状態においては羽ばたいているため変化領域の大きさや形状も頻繁に変化している。これを考慮して、トラッキング情報を参照して、変化領域の大きさや形状が頻繁に変化しているほど、鳥存在度を高く算出する。
具体的な算出処理は、変化領域に含まれる測定点について、隣り合う測定点同士の差分とって分散値を算出する。霧の濃度にはむらがあることから、この分散値が大きいほど霧存在度を高く算出する。
検出対象判定部243は、変化領域が警戒領域4に初めて出現した位置から現在位置までの移動量を算出する。そして、この移動量が所定距離以上であれば当該変化領域を検出対象と判定する。
ここで、検出対象判定部243は、この判定条件としての所定距離を、上述した変化領域の各特徴量に応じて動的に異なる値に設定する。具体的には、検出対象である人物及び車両の特徴量である人存在度及び車存在度を検出対象特徴量として合計し、検出対象ではない鳥及び霧の特徴量である鳥存在度及び霧存在度を非検出対象特徴量として合計し、検出対象特徴量よりも非検出対象特徴量が大きい場合(例えば、所定量以上大きい場合)には、検出対象でない可能性が大きいことから、そうでない場合の所定距離(例えば1m)に比べて所定距離を長く設定(例えば、3m)する。
このように、検出対象判定部243は、非検出対象の特徴量が大きい場合には、緩い判定基準を設定することで誤判定を排除している。
なお、検出対象と判定されると記憶部23の現状態情報に検出有りが記憶され、検出対象と判定されないと現状態情報から当該検出有りの情報を削除し、検出無しの情報が記憶される。
具体的には、2つの変化点間の距離を算出し、この距離が所定距離以内(例えば70cm以内)であれば連続する区間とみなせると判断して、一つの変化領域を構成する変化点とする。
検出対象判定部243は、グループ化した変化領域の大きさが人物や車両の一部と判定できる所定サイズ(例えば15cm)以上であれば当該変化領域に含まれる測定点の位置(角度と距離値)をトラッキング情報に現在周期の情報として記憶する。そして、検出対象判定部243は、この変化領域について前回周期の変化領域との対応付けを行う。
なお、連続する区間と判断できなかった変化点(孤立点)はノイズとして除去してよく、また膨張収縮処理による統合やノイズ除去を行ってもよい。
この例では、センサから照射されたレーザ光が砂埃で反射したことから、一部の測定点が車両の側面の手前となってしまい、車両の外形が精度良く検出できていない状態を示している。このため、一つの変化領域としては検出されているものの、車両の側面によって反射した測定点は砂埃がない場合に比べて少なくなっている。
この線分近似する処理は、例えば、まず、グループ化された測定点のうち隣り合う測定点3点を選択する。そして、これら3点の測定点のうち隣り合う2点の測定点について測距データにおける距離値の差がともに近距離にあるとみなせる所定距離範囲内であり、かつ、これら3点の測定点のうち隣り合う2点を結んでできる2本の線分同士のなす角がほぼ直線とみなせる所定角度範囲内である場合に、1つの線分と判断する処理をグループ化された全ての測定点について行うことで実現できる。図6においては3本の線分を近似した例として示されている。
線分近似がされた場合、1本の線分に近似できる測定点のうち線分の両端の2つの測定点の位置(角度と距離値)を線分データとして特定する。
なお、線分近似する処理は、公知の手法を用いればよく、例えば、ハフ変換や最小二乗法などといった手法を用いてもよい。
・線分の長さが第1の所定長さ未満の場合、車形状度f1=0とする。
・線分の長さが第1の所定長さ以上で第2の所定長さ以下の場合、第1の所定長さのときに車形状度f1=0で、第2の所定長さのときに車形状度f1=50となるように略比例的に車形状度f1を増加させる。
・線分の長さが第2の所定長さより大きい場合、車形状度f1=50とする。
・合計値0以上で第3の所定長さ以下の場合、合計値0のときに評価値0で、第3の所定長さのときに評価値25となるように略比例的に評価値を増加させる。
・合計値が第3の所定長さより大きい場合、評価値25とする。
そして、2つの線分データのなす角に応じて、これらの評価値に所定値を乗じて、車形状度f2とする。例えば、以下のように評価値に所定値を乗じるようにする。
・なす角(劣角)と90度との差の絶対値が0以上第1の所定差以下である場合、評価値に2を乗じる。
・なす角(劣角)と90度との差の絶対値が第1の所定差より大きく第2の所定差以下である場合、評価値に1を乗じる。
・なす角(劣角)と90度との差の絶対値が第2の所定差より大きい場合、評価値に0.5を乗じる。
上述の例による評価方法では、例えば、車両の一側面について、2つの線分データしか検出されていなかったとしても、それぞれの線分データが十分に長く、1つの線分データの評価方法において、第2の所定長さ以上であれば、車形状度f1=50を2つ得られるので、これだけで、車形状度Fを最高値の100とすることができる。
また、例えば、車両の二側面について、それぞれ1つずつ線分データが検出され、何れか一方の線分データの長さが短くても、他方の線分の長さが十分に長く、1つの線分データの評価方法において、他方の線分の長さが第2の所定長さ以上であれば、車形状度f1=50を1つ得られる。そして、2つの線分データの評価方法において、2つの線分データの長さの合計値が十分に長く第3の所定長さ以上あって、2つの線分データのなす角が90度に極めて近く90度との差の絶対値が0以上第1の所定差以下であれば、車形状度f2=50を1つ得られるので、車形状度Fを最高値の100とすることができる。
さらに、上記の事例の条件に当てはまらなかったとしても、さらにもう1つの線分データが得られていれば、これを含めた評価によって車形状度Fを高く算出することができる。
この車形状度Fは上述の車存在度の算出に用いられる。
具体的には、検出対象判定部243は、車形状度Fが所定の閾値M(第1の閾値)よりも高い状態となった測定周期の回数を検出することで車存在度を算出する。この回数の検出及び車存在度の算出は、上述のトラッキング処理において、新規に検出した変化領域に対してトラッキング情報を記憶する際に、回数を検出するためのカウンタ及び車存在度(初期値はともに0)を設定することにより行われる。そして、車形状度Fが閾値Mよりも高ければカウンタに1を加算してゆく。
例えば、900msec(測定周期が30msecであれば30周期)で車存在度を最小値0から最大値100となるようにする場合、前回の周期で記憶したトラッキング情報に含まれる車存在度に対し、カウンタ値が1〜10の場合は5を加算、カウンタ値が11〜20の場合は4を加算、カウンタ値が21〜30の場合は1を加算する。
また、その回数がまだあまり多くない状況でも大きく車存在度が算出されるようにしているので、早い速度で通過する車両に対しても高く車存在度を算出できる。
具体的には、検出対象判定部243は、車形状度Fが閾値Lよりも低い状態となった測定周期の回数が多くなるほど、低く車存在度を算出する。この低く車存在度を算出する処理も、上述のカウンタを用いて行われる。カウンタの値が大きい値、つまり車形状度Fが閾値Mよりも高い回数がまだ多い状態においては、車存在度を低めてゆく度合いが、車存在度の最大値100に対して最も低い割合となるようにする。
例えば、900msec(測定周期が30msecであれば30周期)で車存在度を最大値100から最小値0となるようにする場合、前回の周期で記憶したトラッキング情報に含まれる車存在度から、カウンタ値が20〜29の場合は1を減算、カウンタ値が10〜19の場合は4を減算、カウンタ値が0〜9の場合は5を減算する。
また、車形状度Fが閾値Mより高い回数がまだ多い場合においては、大きく車存在度が減算されないようにしているので、一旦高くなった車存在度を短期的な環境要因によるノイズによって極端に低めてしまうことがないようにできる。
この底上値の加算は、車形状度Fが閾値Hよりも高い測定周期に限って加算されるもので、これを加算して次の測定周期に車形状度Fが閾値H以下となった場合は底上値を減算する。
これにより、車形状度Fが非常に高い場合に限って、車存在度をより早く高めることができ、移動速度の速い車両に対して即座に車存在度を高めることができる。
次に、図3を用いて警備装置5の構成について説明する。図3は、警備装置5の構成を示すブロック図である。警備装置5は、監視建物3内に設置されて監視区域を警戒監視し、異常の所在を遠隔の監視センタ6へと通報する。
モード設定部551は、警備セットモードに設定されるとセンサI/F51を介して物体検出センサ2に警備開始信号を出力し、また、警備解除モードに設定されるとセンサI/F51を介して物体検出センサ2に警備解除信号を出力する。
以上のように構成された警備システム1について、図面を参照してその動作を説明する。ここでは、主として物体検出センサ2に関する動作について説明する。図7は、物体検出センサ2にて実行される監視プログラムの動作を示すフローチャートである。
次に、図7のステップST6における検出対象判定処理について図8を参照して説明する。図8は検出対象判定処理のフローチャートである。
なお、前回周期の変化領域のトラッキング情報であって、今回周期においてトラッキング対象と判断されなかったトラッキング情報は、この変化領域を生じさせた物体は警戒領域外に移動したと判断して消去する。
検出対象判定部243は、まず、トラッキング情報を参照し、任意の変化領域を選択する(ST51)。そして、選択した変化領域における測定点のうち線分として近似できる測定点から線分データを検出する(ST52)。
車形状度Fが閾値Mより高いと判定すると(ST71−Yes)、カウンタに1を加算し(ST72)、カウンタ値に応じて車存在度に所定値を加算する(ST73)。
車形状度Fが閾値Lより低いと判定すると(ST74−Yes)、カウンタから1を減算し(ST75)、カウンタ値に応じて車存在度から所定値を減算する(ST76)。
なお、この車存在度に加算・減算する具体的な処理は上述したため説明を省略する。
また、車形状度Fが閾値Lから閾値Mまでの間である場合(ST71−NoかつST74−No)は、カウンタ及び車存在度の加算・減算は行わずにST77へと進む。
車存在度が閾値Hよりも高い場合(ST77−Yes)は、車存在度に底上値を加算し、ST81へ進む。
車存在度が閾値H以下である場合(ST77−No)は、前回に底上値を加算しているか否かを判定し(ST79)、前回加算している場合(ST79−Yes)には車存在度から底上値を減算し(ST80)、前回加算していない場合(ST79−No)にはST80の処理をスキップしてST81へ進む。
これらST71〜ST80の一連の処理が変化領域に車両が存在する度合いを評価して車存在度を算出する評価処理(車度評価処理)となる。
なお、この車度評価処理において算出した車存在度はトラッキング情報に記憶される。
全ての変化領域について処理を行っていなければ(ST81−No)、図9のST51に戻り、まだ処理を行っていない変化領域を選択し、同様にして車存在度を算出する処理を行う。
また、全ての変化領域について処理を行っていれば(ST81−Yes)、処理を終了する。
また、ST52において線分データを検出しなかったときはST59へと進む。この場合、車形状度f1及びf2いずれも算出されていないことから、車形状度Fは0となる。
また、ST52において線分データを1つだけ検出したとき(例えば車両の一側面が物体検出センサ2のレーザ光の照射方向に対して垂直な位置関係にあるときなど)は、ST53〜ST55においてその1つの線分データについて第1の車形評価処理を行った後、ST56〜ST58の第2の車形評価処理をスキップし、ST59へ進む。この場合、ST59における車形状度Fは、その1つの線分データについての車形状度f1となる。
例えば、車形状度f1は1つの線分データを用いた車両形状らしさの評価であり、車形状度f2は2つの線分データを用いた車両形状らしさの評価であり、車形状度f2の方が車形状度f1よりも評価の元となるデータ量が多く信頼性が高い。このことから、単純に合計するのではなく、合計する際に、車形状度f2の方を車形状度f1よりも高い重み付けをして合計して車形状度Fを算出するようにしてもよい。
例えば、本実施形態では、車形状度Fを算出するのに複数の所定周期にわたり車形状度Fを評価しているが、複数の所定周期にわたる評価を行わず、車形状度Fを特徴量として直接用いて、他の特徴量とあわせて検出対象か否かを判定するようにしてもよい。
例えば、変動領域が警戒領域4に滞留している時間をトラッキング情報から算出し、この滞留時間が所定時間以上であることを判定条件としてもよい。
また、変化領域の移動した軌跡をトラッキング情報から検出し、この軌跡が検出対象に特有な軌跡であることを判定条件としてもよい。
2 物体検出センサ
21 通信部
22 検知部
221レーザ発振部
222走査鏡
223走査制御部
224反射光検出部
225測距データ生成部
23 記憶部
24 制御部
241駆動制御部
242基準データ生成部
243検出対象判定部
3 監視建物
4 警戒領域
5 警備装置
6 監視センタ
7 通信網
Claims (5)
- 警戒領域を監視して該警戒領域に存在する検出対象を検出する物体検出センサであって、
前記警戒領域の一端から他端までを測定周期おきに走査して、前記警戒領域における各方向の測定点までの距離を示す測距データを生成する検知部と、
過去の前記測距データと比較して現在の前記測距データについて同一の被測定物により距離が変化した前記測定点を変化領域としてグループ化するグループ化手段と、
前記変化領域としてグループ化した測定点のうち線分として近似できる測定点から線分データを検出する線分検出手段と、
前記線分データから1つの線分データごとに車両形状らしさを評価して第1の車形状度を算出する第1の車形評価手段と、
前記線分データから2つの線分データの組合せごとに車両形状らしさを評価して第2の車形状度を算出する第2の車形評価手段と、
前記第1の車形状度及び前記第2の車形状度を用いて第3の車形状度を算出する第3の車形評価手段と、
前記第3の車形状度に基づいて前記変化領域が前記検出対象か否かを判定する判定手段と、
を備えることを特徴とした物体検出センサ。
- 前記判定手段は、前記第3の車形状度から車両が存在する度合いを複数の前記測定周期にわたり評価して車存在度を算出する車度評価手段を備え、当該車存在度に基づいて前記変化領域が前記検出対象か否かを判定する手段であって、
前記車度評価手段は、前記第3の車形状度が第1の閾値よりも高くなった回数が多いほど前記車存在度を高く算出する請求項1に記載の物体検出センサ。
- 前記車度評価手段は、前記回数の多さに応じて前記車存在度を高く算出するにあたり、前記回数が少ないときの方が多いときよりも前記車存在度を高めてゆく度合いを大きくする請求項2に記載の物体検出センサ。
- 前記車度評価手段は、前記第3の車形状度が、前記第1の閾値より大きい第2の閾値よりも高いときに所定の底上値を前記車存在度に加算する請求項2又は請求項3に記載の物体検出センサ。
- 警戒領域の一端から他端までを測定周期おきに走査して、前記警戒領域における各方向の測定点までの距離を示す測距データを生成する検知部を備え、当該測距データに基づき前記警戒領域を監視して該警戒領域に存在する検出対象を検出する物体検出センサで実行されるプログラムであって、
前記プログラムは、コンピュータに、
過去の前記測距データと比較して現在の前記測距データについて同一の被測定物により距離が変化した前記測定点を変化領域としてグループ化する処理と、
前記変化領域としてグループ化した測定点のうち線分として近似できる測定点から線分データを検出する処理と、
前記線分データから1つの線分データごとに車両形状らしさを評価して第1の車形状度を算出する処理と、
前記線分データから2つの線分データの組合せごとに車両形状らしさを評価して第2の車形状度を算出する処理と、
前記第1の車形状度及び前記第2の車形状度を用いて第3の車形状度を算出する処理と、
前記第3の車形状度に基づいて前記変化領域が前記検出対象か否かを判定する処理と、
を実行させることを特徴としたプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014014956A JP6342169B2 (ja) | 2014-01-29 | 2014-01-29 | 物体検出センサ及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014014956A JP6342169B2 (ja) | 2014-01-29 | 2014-01-29 | 物体検出センサ及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015141634A true JP2015141634A (ja) | 2015-08-03 |
JP6342169B2 JP6342169B2 (ja) | 2018-06-13 |
Family
ID=53771917
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014014956A Active JP6342169B2 (ja) | 2014-01-29 | 2014-01-29 | 物体検出センサ及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6342169B2 (ja) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017181401A (ja) * | 2016-03-31 | 2017-10-05 | セコム株式会社 | 物体検出センサ |
JP2017215214A (ja) * | 2016-05-31 | 2017-12-07 | パナソニックIpマネジメント株式会社 | 移動物体検出装置、プログラムおよび記録媒体 |
JP2019138804A (ja) * | 2018-02-13 | 2019-08-22 | 株式会社デンソーウェーブ | 車両認識装置、車両認識システム、車両認識プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11337644A (ja) * | 1998-05-27 | 1999-12-10 | Mitsubishi Motors Corp | 車両用後方モニタシステム |
US20020014988A1 (en) * | 2000-07-26 | 2002-02-07 | Yoshie Samukawa | Obstacle recognition system for automotive vehicle |
JP2002243857A (ja) * | 2001-02-14 | 2002-08-28 | Nissan Motor Co Ltd | 周囲物体認識装置 |
JP2012052838A (ja) * | 2010-08-31 | 2012-03-15 | Daihatsu Motor Co Ltd | 物体認識装置 |
-
2014
- 2014-01-29 JP JP2014014956A patent/JP6342169B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11337644A (ja) * | 1998-05-27 | 1999-12-10 | Mitsubishi Motors Corp | 車両用後方モニタシステム |
US20020014988A1 (en) * | 2000-07-26 | 2002-02-07 | Yoshie Samukawa | Obstacle recognition system for automotive vehicle |
JP2002243857A (ja) * | 2001-02-14 | 2002-08-28 | Nissan Motor Co Ltd | 周囲物体認識装置 |
JP2012052838A (ja) * | 2010-08-31 | 2012-03-15 | Daihatsu Motor Co Ltd | 物体認識装置 |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017181401A (ja) * | 2016-03-31 | 2017-10-05 | セコム株式会社 | 物体検出センサ |
JP2017215214A (ja) * | 2016-05-31 | 2017-12-07 | パナソニックIpマネジメント株式会社 | 移動物体検出装置、プログラムおよび記録媒体 |
JP2019138804A (ja) * | 2018-02-13 | 2019-08-22 | 株式会社デンソーウェーブ | 車両認識装置、車両認識システム、車両認識プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP6342169B2 (ja) | 2018-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5076070B2 (ja) | 対象検出装置、対象検出方法、および対象検出プログラム | |
WO2016187344A1 (en) | Multi-layered safety system | |
JP4907732B1 (ja) | 監視用センサ | |
JP2011215775A (ja) | 物体検出センサおよび警備システム | |
JP6342169B2 (ja) | 物体検出センサ及びプログラム | |
JP6212400B2 (ja) | 物体検出センサ及びプログラム | |
CN112445225A (zh) | 防撞系统、自动防撞的方法及非暂态计算机可读介质 | |
JP5027270B2 (ja) | 物体検出センサ | |
JP6252722B2 (ja) | レーザ距離測定方法及びレーザ距離測定装置 | |
US20090278684A1 (en) | Scanning security detector | |
JP5497514B2 (ja) | 物体検出センサおよび警備システム | |
JP6694746B2 (ja) | 物体検出センサ | |
JP2014085124A (ja) | レーザ監視方法及びレーザ監視装置 | |
JP5484991B2 (ja) | 物体検出センサおよび警備システム | |
JP6988797B2 (ja) | 監視システム | |
JP5449066B2 (ja) | 物体検出センサ | |
US20230237889A1 (en) | Detecting an object in an environment | |
JP5781174B2 (ja) | 監視用センサ | |
JP2017215642A (ja) | 監視システム | |
JP6660228B2 (ja) | 物体検出センサ | |
JP2012027830A (ja) | 監視用センサ | |
CN111562588B (zh) | 用于检测大气颗粒的存在的方法、装置和计算机程序 | |
JP2011215777A (ja) | 物体検出センサおよび警備システム | |
KR102135369B1 (ko) | 거리 검출 장치 및 그 방법 | |
JP5027272B2 (ja) | 物体検出センサ |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160801 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20170705 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20170822 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20171019 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20180501 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20180516 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6342169 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |