JP2019191991A - 点群から対象の向きを推定する対象情報推定装置、プログラム及び方法 - Google Patents
点群から対象の向きを推定する対象情報推定装置、プログラム及び方法 Download PDFInfo
- Publication number
- JP2019191991A JP2019191991A JP2018084986A JP2018084986A JP2019191991A JP 2019191991 A JP2019191991 A JP 2019191991A JP 2018084986 A JP2018084986 A JP 2018084986A JP 2018084986 A JP2018084986 A JP 2018084986A JP 2019191991 A JP2019191991 A JP 2019191991A
- Authority
- JP
- Japan
- Prior art keywords
- target
- distance image
- point group
- distance
- point cloud
- 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
Images
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
- Image Analysis (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
Description
当該点群のうちで当該対象に相当する部分である対象点群に含まれる対象点データを所定の投影面に投影して、当該対象点群に係る距離画像を生成する距離画像生成手段と、
当該対象の取り得る向きを区分した複数の向き範囲を設定し、当該距離画像と、当該距離画像に含まれる対象の正解の向き範囲とをもって学習を行った識別器を用いて、生成された当該距離画像から、当該距離画像に含まれている当該対象の向き範囲を決定する対象向き範囲決定手段と、
当該対象点群に含まれる対象点データの所定面上での分布における偏り具合に基づいて、当該対象の向きに係る方向を決定する対象方向決定手段と、
決定された当該向き範囲及び当該方向に基づいて、当該対象の向きを決定する対象向き決定手段と
を有する対象情報推定装置が提供される。
本対象情報推定装置は、当該対象点群の周囲のグラウンド点群の傾斜から当該対象の傾きを決定し、当該対象点群に含まれる対象点データに対して当該傾き分を除去する変換を施す対象傾き除去手段を更に有し、
対象方向決定手段は、当該変換を施された当該対象点データにおける当該所定面上での分布における偏り具合に基づいて、当該対象の向きに係る方向を決定することも好ましい。
距離画像生成手段は、当該対象点群に含まれる対象点データが投影された当該投影面の位置に、測距センサとの距離と、測距センサに係る分解能とについて単調増加関数となるサイズを有する面パッチを設定し、当該面パッチ内の画素値を、当該面パッチに係る対象点データと当該距離画像との距離に基づいて決定した距離画像を生成することも好ましい。
当該点群のうちで当該対象に相当する部分である対象点群に含まれる対象点データを所定の投影面に投影して、当該対象点群に係る距離画像を生成する距離画像生成手段と、
当該対象の取り得る向きを区分した複数の向き範囲を設定し、当該距離画像と、当該距離画像に含まれる対象の正解の向き範囲とをもって学習を行った識別器を用いて、生成された当該距離画像から、当該距離画像に含まれている当該対象の向き範囲を決定する対象向き範囲決定手段と、
当該対象点群に含まれる対象点データの所定面上での分布における偏り具合に基づいて、当該対象の向きに係る方向を決定する対象方向決定手段と、
決定された当該向き範囲及び当該方向に基づいて、当該対象の向きを決定する対象向き決定手段と
としてコンピュータを機能させる対象情報推定プログラムが提供される。
当該点群のうちで当該対象に相当する部分である対象点群に含まれる対象点データを所定の投影面に投影して、当該対象点群に係る距離画像を生成するステップと、
当該対象の取り得る向きを区分した複数の向き範囲を設定し、当該距離画像と、当該距離画像に含まれる対象の正解の向き範囲とをもって学習を行った識別器を用いて、生成された当該距離画像から、当該距離画像に含まれている当該対象の向き範囲を決定するステップと、
当該対象点群に含まれる対象点データの所定面上での分布における偏り具合に基づいて、当該対象の向きに係る方向を決定するステップと、
決定された当該向き範囲及び当該方向に基づいて、当該対象の向きを決定するステップと
を有する対象情報推定方法が提供される。
(a)道路を走行する自動車等の移動体に設置されたLiDAR2と、
(b)有線(ケーブル等)又は無線(無線LAN、近距離無線通信、無線系事業者アクセスネットワーク等)を介してLiDAR2と通信接続された対象情報推定装置1と
を含んでいる。
(A)取得した「ポイントクラウド」のうちで対象に相当する部分である「対象ポイントクラウド」(対象点群)に含まれる対象ポイント(対象点データ)を所定の投影面に投影して、「対象ポイントクラウド」に係る「距離画像」を生成する距離画像生成部113と、
(B)対象の取り得る向きを区分した複数の向き範囲を設定し、「距離画像」と、「距離画像」に含まれる対象の正解の向き範囲とをもって学習を行った識別器を用いて、生成された「距離画像」から、「距離画像」に含まれている対象の「向き範囲」を決定する対象向き範囲決定部115と、
(C)「対象ポイントクラウド」に含まれる対象ポイントの所定面上での分布における偏り具合に基づいて、対象の向きに係る「方向」を決定する対象方向決定部117と、
(D)決定された「向き範囲」及び「方向」に基づいて、対象の「向き」を決定する対象向き決定部118と
を有している。
グラウンド除去部111は、入力したポイントクラウドから所定の平滑条件を満たす平滑ポイントクラウドを抽出して、この平滑ポイントクラウドから鉛直方向に垂直な面を構成するグラウンド・ポイントクラウドを抽出し、(a)平滑ポイントクラウドのうちでグラウンド・ポイントクラウドの近傍となるポイントクラウド部分と、(b)グラウンド点群とを、入力したポイントクラウドから除去する。
(ア)最初に、入力したポイントクラウドから、公知である所定の平滑条件を満たさないポイントクラウド・セグメントを一度除外する。この時点で、ポイントクラウドには、「グラウンド」と、「グラウンドと連続する(坂や歩道等の)平滑オブジェクト」と、「平滑な物体」とが含まれている。
(イ)次いで、RANSAC(RANdom SAmple Consensus)法を用い、上記(ア)で残ったポイントクラウドにおいて、鉛直方向(z軸方向)に垂直な面を構成する「グラウンド」を検出する。
(エ)最後に、入力したポイントクラウドから、上記(ウ)で残ったポイントクラウド・セグメントを除去する。
同じく図1において、ポイントクラウド区分部112は、グラウンド除去部111でグラウンド除去処理の施されたポイントクラウドを、ポイント(点データ)間の距離に基づいて、互いに隣接したポイント(点データ)の集合である対象ポイントクラウドに区分する。
以下、距離画像生成部113(図1)において実施される、距離画像生成のための投影面生成・面パッチ設定処理の一実施形態を説明する。
(a)当該対象ポイントクラウドに含まれるポイントのうちで、LiDAR2のセンサ位置s(xs, ys, zs)に最も近い対象ポイント(対象点データ)である基準ポイント(基準点データ)P0(x0, y0, z0)と、LiDAR2のセンサ位置sとを含む鉛直面に垂直であり、かつ
(b)この基準ポイントP0を含む
鉛直面(z軸を含む面)を、投影面PSに設定する。すなわち、対象ポイントクラウドの基準ポイントP0に応じて投影面PSを生成するのである。
(a)LiDAR2のセンサ位置sと投影面PSとの距離r0と、
(b)LiDAR2の(出力したポイントクラウドに係る)分解能(角分解能α及びβ)と
について単調増加関数となるサイズを有する面パッチSPを設定する。
(1) dn=Rn*cosθn−r0
を用い、画素値gnに係る距離dnを、より少ない計算量で導出することができる。
(2) r0=((x0−xs)2+(y0−ys)2)0.5
によっても算出可能である。
(3) in=Rn*sinθn
(4) jn=zn
を用いて決定することができる。
(5) Ww=r0*tanβ
(6) Wh=r0*tanα
をもって規定した面パッチSPが準備されるのである。ここで、上式(5)のβは、LiDAR2の水平方向(xy面内方向での)での角分解能であり、上式(6)のαは、LiDAR2の垂直方向(z軸方向での)での角分解能である。
(a)距離画像の全画素値を所定範囲内の値に規格化して、後の対象分類用の識別器に入力するのに適した形に調整した上で、
(b)例えばガウシアンフィルタ(Gaussian filter)を用いて、画素値分布を平滑にし、さらにノイズを低減させる
ことも好ましい。
(a)前方を先行して走行する自動車における背面側の距離画像、
(b)後方を追随して走行する自動車における前面側の距離画像、及び
(c)斜め後方を同じ向きに走行する自動車における斜め前面側の距離画像
が示されている。なお実際の対象向きを明示すべく、図5にはそれぞれに対応するRGB画像も示されているが、本実施形態においてこれらのRGB画像は使用されない。
図6は、対象向き範囲決定部115、対象方向決定部117及び対象向き決定部118における処理の流れを概略的に説明するための模式図である。
(a)対象向き範囲決定部115での向き決定第1段階、及び
(b)対象方向決定部117及び対象向き決定部118での向き決定第2段階
の2段階からなる推定処理と捉えることも可能である。この場合、上記(b)の向き決定第2段階は、上記(a)の向き決定第1段階での結果の精度を上げる(当該結果をrefineする)処理となる。
図7は、対象向き範囲決定部115における処理の一実施形態を概略的に示す模式図である。
(a)(距離画像生成部113で生成された)用意された多数の距離画像と、
(b)当該距離画像についての正解の向き範囲であるグランドトゥルースデータと
の多数のセットをもって識別器の学習を行う。ここで本実施形態では、グランドトゥルースデータとして、4つの向き範囲にそれぞれ対応付けられた数値1、2、3及び4のうちで正解向き範囲に該当するものが採用される。なお、これらの値は、量子化された方向角と捉えることも可能である。
(c)当該距離画像に含まれている正解の対象種別の情報(例えば自動車、人物)
も用いて識別器の学習を行うことも好ましい。この場合、対象識別フェーズにおける処理結果として、入力した距離画像に含まれる対象の「種別」、及び当該対象の「向き範囲」(例えばfront,left, back,rightのいずれか)が取得されるのである。
(a)決定した「グラウンド点群の傾斜」から対象の「傾きベクトル」を算出し、
(b)対象ポイントクラウド(の対象ポイント)に対し、「傾きベクトル」がポイントクラウドのxyz座標系(図3(B))におけるz軸向き(本実施形態において鉛直上向き)と一致するように、x軸及びy軸周りの回転変換を行う。
図8は、対象方向決定部117における処理の一実施形態を概略的に示す模式図である。
(7) pn(xn, yn, zn)(n=1, 2, ・・・, N)
のように表され、さらに、所定のxy面上での投影ポイントpn-xyは、
(8) pn-xy(xn, yn)(n=1, 2, ・・・, N)
のように表現される。ここで上式(8)のxn及びynはそれぞれ、上式(7)のxn及びynと一致しており、所定のxy面(投影面)内の2次元xy座標系のx及びy座標値となっている。
(9) mx=N-1・Σn=1 Nxn
my=N-1・Σn=1 Nyn
を用いて算出する。ここで、Σn=1 Nは、nについての1からNまでの総和(Summation)である。
(10) cov(x, y)=(N-1)-1・Σn=1 N(xn−mx)・(yn−my)
で表される、投影ポイントpn-xyの分布についての分散共分散行列Cを、次式
(12) V-1CV=Λ
を解くことにより、
(a)最大の第1固有値λ1に対応する第1固有ベクトルfEVと、
(b)第2固有値λ2(≦λ1)に対応する第2固有ベクトルsEVと
を算出する。
(a)決定された「第1方向角」、
(b)当該第1方向角とは正反対の向きに相当する方向角、
(c)決定された「第2方向角」、及び
(d)当該第2方向角とは正反対の向きに相当する方向角
のうち、対象向き範囲決定部115で決定された「向き範囲」に含まれる方向角を、対象の「向き」に決定する。
(a)対象形状に係る情報を相当に含んでおり、対象の「向き」に関してある程度の識別を可能にする距離画像から決定された「向き範囲」と、
(b)対象の「方向」についてはより正確な情報を含むが、「向き」については180度異なる正反対の結果を導き得る平面図(top view)相当の対象ポイントクラウドから決定された「方向」と
から、対象のより正確な「向き」を決定することができるのである。
(a)対象方向決定部117より出力された方向角、及び
(b)当該出力された方向角とは正反対の向きに相当する方向角
のうち、対象向き範囲決定部115で決定された「向き範囲」に含まれる方向角を、対象の「向き」に決定するのである。このような変更態様は、特に、2つの固有ベクトルの検出精度が固有値の大きさも含めて十分に高い場合により有効となる。
図9は、本発明による対象情報推定方法の一実施形態における概略を説明するためのフローチャートである。
(S102)取得したポイントクラウドから、各対象に相当する対象ポイントクラウドを生成する。
(S103)生成した対象ポイントクラウドの投影処理によって、各対象についての距離画像を生成する。
(S104)各対象について生成した距離画像に基づいて、当該対象の「種別」を特定するとともに、当該対象の「向き範囲」を決定する。
(S106)生成した平面図相当の対象ポイントクラウドに基づき、対象の「方向」を決定するとともに、当該対象についての「外接図形」、及び当該対象の「中心位置」を決定する。
(S107)各対象について決定された「向き範囲」及び「方向」に基づき、当該対象の「向き」を決定する。
101 入出力インタフェース
102 ポイントクラウド蓄積部
103 対象ポイントクラウド蓄積部
104 距離画像蓄積部
105 対象情報保存部
106 キーボード・ディスプレイ(KB・DP)
111 グラウンド除去部
112 ポイントクラウド区分部
113 距離画像生成部
113a 投影面生成部
113b パッチ設定部
114 平滑処理部
115 対象向き範囲決定部
115a 対象特定部
116 対象傾き除去部
117 対象方向決定部
118 対象向き決定部
121 入出力制御部
131 アプリケーション・プログラム(AP)
2 LiDAR
Claims (13)
- 測距センサによって取得された、対象の情報を含み得る点群から、当該対象の向きを推定する対象情報推定装置であって、
当該点群のうちで当該対象に相当する部分である対象点群に含まれる対象点データを所定の投影面に投影して、当該対象点群に係る距離画像を生成する距離画像生成手段と、
当該対象の取り得る向きを区分した複数の向き範囲を設定し、当該距離画像と、当該距離画像に含まれる対象の正解の向き範囲とをもって学習を行った識別器を用いて、生成された当該距離画像から、当該距離画像に含まれている当該対象の向き範囲を決定する対象向き範囲決定手段と、
当該対象点群に含まれる対象点データの所定面上での分布における偏り具合に基づいて、当該対象の向きに係る方向を決定する対象方向決定手段と、
決定された当該向き範囲及び当該方向に基づいて、当該対象の向きを決定する対象向き決定手段と
を有することを特徴とする対象情報推定装置。 - 前記対象方向決定手段は、当該対象点群に含まれる対象点データの当該所定面上での分布に対する主成分分析結果に基づいて、当該対象の向きに係る方向を決定することを特徴とする請求項1に記載の対象情報推定装置。
- 前記対象方向決定手段は、当該主成分分析結果として得られた2つの固有ベクトルに係る2つの方向角を決定し、
前記対象向き決定手段は、決定された当該方向角及び当該方向角とは正反対の向きに相当する方向角のうち、決定された当該向き範囲に含まれる方向角を当該対象の向きに決定する
ことを特徴とする請求項2に記載の対象情報推定装置。 - 前記対象向き範囲決定手段は、当該識別器を用いて、生成された当該距離画像に含まれている対象の種別をも決定し、
前記対象方向決定手段は、決定された対象の種別に基づいて、当該主成分分析結果として得られた2つの固有ベクトルに係る2つの方向のうち、いずれかを当該対象の向きに係る方向として選択する
ことを特徴とする請求項2に記載の対象情報推定装置。 - 前記対象方向決定手段は、決定した当該方向を用いて、当該対象点データの所定面上での分布に対する外接図形に係る情報を更に決定することを特徴とする請求項1から4のいずれか1項に記載の対象情報推定装置。
- 当該点群を、点データ間の距離に基づいて、互いに隣接した点データの集合である対象点群に区分する点群区分手段を更に有することを特徴とする請求項1から5のいずれか1項に記載の対象情報推定装置。
- 当該対象点群の周囲のグラウンド点群の傾斜から当該対象の傾きを決定し、当該対象点群に含まれる対象点データに対して当該傾き分を除去する変換を施す対象傾き除去手段を更に有し、
前記対象方向決定手段は、当該変換を施された当該対象点データにおける当該所定面上での分布における偏り具合に基づいて、当該対象の向きに係る方向を決定する
ことを特徴とする請求項1から6のいずれか1項に記載の対象情報推定装置。 - 前記対象向き範囲決定手段は、当該複数の向き範囲として、全周を90度ずつに区分した4つの向き範囲を設定することを特徴とする請求項1から7のいずれか1項に記載の対象情報推定装置。
- 前記距離画像生成手段は、当該対象点群のうちで前記測距センサに最も近い対象点データである基準点データと前記測距センサとを含む鉛直面に垂直な鉛直面であって、当該基準点データを含む鉛直面を、当該投影面に設定することを特徴とする請求項1から8のいずれか1項に記載の対象情報推定装置。
- 前記距離画像生成手段は、当該対象点群に含まれる対象点データが投影された当該投影面の位置に、前記測距センサとの距離と、前記測距センサに係る分解能とについて単調増加関数となるサイズを有する面パッチを設定し、当該面パッチ内の画素値を、当該面パッチに係る対象点データと当該距離画像との距離に基づいて決定した距離画像を生成することを特徴とする請求項1から9のいずれか1項に記載の対象情報推定装置。
- 前記測距センサは、LiDAR(Light Detection and Ranging)デバイスであることを特徴とする請求項1から10のいずれか1項に記載の対象情報推定装置。
- 測距センサによって取得された、対象の情報を含み得る点群から、当該対象の向きを推定する装置に搭載されたコンピュータを機能させるプログラムであって、
当該点群のうちで当該対象に相当する部分である対象点群に含まれる対象点データを所定の投影面に投影して、当該対象点群に係る距離画像を生成する距離画像生成手段と、
当該対象の取り得る向きを区分した複数の向き範囲を設定し、当該距離画像と、当該距離画像に含まれる対象の正解の向き範囲とをもって学習を行った識別器を用いて、生成された当該距離画像から、当該距離画像に含まれている当該対象の向き範囲を決定する対象向き範囲決定手段と、
当該対象点群に含まれる対象点データの所定面上での分布における偏り具合に基づいて、当該対象の向きに係る方向を決定する対象方向決定手段と、
決定された当該向き範囲及び当該方向に基づいて、当該対象の向きを決定する対象向き決定手段と
としてコンピュータを機能させることを特徴とする対象情報推定プログラム。 - 測距センサによって取得された、対象の情報を含み得る点群から、当該対象の向きを推定する装置に搭載されたコンピュータにおける対象情報推定方法であって、
当該点群のうちで当該対象に相当する部分である対象点群に含まれる対象点データを所定の投影面に投影して、当該対象点群に係る距離画像を生成するステップと、
当該対象の取り得る向きを区分した複数の向き範囲を設定し、当該距離画像と、当該距離画像に含まれる対象の正解の向き範囲とをもって学習を行った識別器を用いて、生成された当該距離画像から、当該距離画像に含まれている当該対象の向き範囲を決定するステップと、
当該対象点群に含まれる対象点データの所定面上での分布における偏り具合に基づいて、当該対象の向きに係る方向を決定するステップと、
決定された当該向き範囲及び当該方向に基づいて、当該対象の向きを決定するステップと
を有することを特徴とする対象情報推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018084986A JP6906471B2 (ja) | 2018-04-26 | 2018-04-26 | 点群から対象の向きを推定する対象情報推定装置、プログラム及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018084986A JP6906471B2 (ja) | 2018-04-26 | 2018-04-26 | 点群から対象の向きを推定する対象情報推定装置、プログラム及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019191991A true JP2019191991A (ja) | 2019-10-31 |
JP6906471B2 JP6906471B2 (ja) | 2021-07-21 |
Family
ID=68390459
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018084986A Active JP6906471B2 (ja) | 2018-04-26 | 2018-04-26 | 点群から対象の向きを推定する対象情報推定装置、プログラム及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6906471B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN111612728A (zh) * | 2020-05-25 | 2020-09-01 | 北京交通大学 | 一种基于双目rgb图像的3d点云稠密化方法和装置 |
JP2021103092A (ja) * | 2019-12-24 | 2021-07-15 | 株式会社アイシン | シート姿勢検出装置 |
CN114581739A (zh) * | 2022-04-15 | 2022-06-03 | 长沙公信诚丰信息技术服务有限公司 | 一种基于特征识别的点云标注方法、装置及电子设备 |
JP7459452B2 (ja) | 2020-11-23 | 2024-04-02 | ソニーグループ株式会社 | ニューラルネットワークモデルベースの深度推定 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014157509A (ja) * | 2013-02-15 | 2014-08-28 | Canon Inc | 情報処理装置、情報処理方法 |
JP2015201192A (ja) * | 2014-04-03 | 2015-11-12 | エアバス デーエス ゲゼルシャフト ミット ベシュレンクテル ハフツング | 物体の位置及び向きの検出 |
JP2018022297A (ja) * | 2016-08-02 | 2018-02-08 | トヨタ自動車株式会社 | 向き判別装置、向き判別方法 |
-
2018
- 2018-04-26 JP JP2018084986A patent/JP6906471B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014157509A (ja) * | 2013-02-15 | 2014-08-28 | Canon Inc | 情報処理装置、情報処理方法 |
JP2015201192A (ja) * | 2014-04-03 | 2015-11-12 | エアバス デーエス ゲゼルシャフト ミット ベシュレンクテル ハフツング | 物体の位置及び向きの検出 |
JP2018022297A (ja) * | 2016-08-02 | 2018-02-08 | トヨタ自動車株式会社 | 向き判別装置、向き判別方法 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021103092A (ja) * | 2019-12-24 | 2021-07-15 | 株式会社アイシン | シート姿勢検出装置 |
CN111256607A (zh) * | 2020-02-19 | 2020-06-09 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN111256607B (zh) * | 2020-02-19 | 2021-09-21 | 北京林业大学 | 一种基于三通道标志点的变形测量方法 |
CN111612728A (zh) * | 2020-05-25 | 2020-09-01 | 北京交通大学 | 一种基于双目rgb图像的3d点云稠密化方法和装置 |
JP7459452B2 (ja) | 2020-11-23 | 2024-04-02 | ソニーグループ株式会社 | ニューラルネットワークモデルベースの深度推定 |
CN114581739A (zh) * | 2022-04-15 | 2022-06-03 | 长沙公信诚丰信息技术服务有限公司 | 一种基于特征识别的点云标注方法、装置及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
JP6906471B2 (ja) | 2021-07-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102109941B1 (ko) | 라이다 센서 및 카메라를 이용한 객체 검출 방법 및 그를 위한 장치 | |
JP6906471B2 (ja) | 点群から対象の向きを推定する対象情報推定装置、プログラム及び方法 | |
Chen et al. | Gaussian-process-based real-time ground segmentation for autonomous land vehicles | |
CN110458854B (zh) | 一种道路边缘检测方法和装置 | |
CN108152831B (zh) | 一种激光雷达障碍物识别方法及系统 | |
CN111583369B (zh) | 一种基于面线角点特征提取的激光slam方法 | |
WO2020052540A1 (zh) | 对象标注方法、移动控制方法、装置、设备及存储介质 | |
EP3422042B1 (en) | Method to determine the orientation of a target vehicle | |
CN104035439B (zh) | 用多个激光雷达传感器利用扫描点追踪物体的贝叶斯网络 | |
US10282591B2 (en) | Systems and methods for depth map sampling | |
US8331653B2 (en) | Object detector | |
JP6826023B2 (ja) | 点群から対象を特定する対象識別装置、プログラム及び方法 | |
JP5822255B2 (ja) | 対象物識別装置及びプログラム | |
CN104035071B (zh) | 融合雷达/摄像机物体数据和LiDAR扫描点的方法和装置 | |
US8154594B2 (en) | Mobile peripheral monitor | |
Zhou et al. | T-loam: truncated least squares lidar-only odometry and mapping in real time | |
US8818702B2 (en) | System and method for tracking objects | |
CN110674705B (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
CN111551957B (zh) | 基于激光雷达感知的园区低速自动巡航及紧急制动系统 | |
CN112997187A (zh) | 基于鸟瞰图点云的二维对象边界框信息估计 | |
CN110794406B (zh) | 多源传感器数据融合系统和方法 | |
CN112949366B (zh) | 障碍物识别方法和装置 | |
KR20220035170A (ko) | 교차-모드 센서 데이터 정렬 | |
Konrad et al. | Localization in digital maps for road course estimation using grid maps | |
KR20230026130A (ko) | 자율 주행을 위한 단일 계층 3차원 다중 객체 검출 장치 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200523 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210618 |
|
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: 20210628 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210629 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6906471 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |