JP2020042783A - 無人運転車に基づく障害物分類方法、装置、機器及び記憶媒体 - Google Patents
無人運転車に基づく障害物分類方法、装置、機器及び記憶媒体 Download PDFInfo
- Publication number
- JP2020042783A JP2020042783A JP2019129305A JP2019129305A JP2020042783A JP 2020042783 A JP2020042783 A JP 2020042783A JP 2019129305 A JP2019129305 A JP 2019129305A JP 2019129305 A JP2019129305 A JP 2019129305A JP 2020042783 A JP2020042783 A JP 2020042783A
- Authority
- JP
- Japan
- Prior art keywords
- node
- information
- obstacle
- classification
- decision tree
- 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
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
-
- 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
-
- 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
- G01S17/50—Systems of measurement based on relative movement of target
-
- 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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2228—Indexing structures
- G06F16/2246—Trees, e.g. B+trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/24323—Tree-organised classifiers
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/01—Dynamic search techniques; Heuristics; Dynamic trees; Branch-and-bound
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N5/00—Computing arrangements using knowledge-based models
- G06N5/04—Inference or reasoning models
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video 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
- G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
- G01S15/88—Sonar systems specially adapted for specific applications
- G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
- G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- General Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Electromagnetism (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Computer Networks & Wireless Communication (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Computational Linguistics (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Acoustics & Sound (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
Description
無人運転車の検出装置によって検出された複数の障害物の障害物情報を取得することと、
圧縮されたランダムフォレストモデルを用いて前記複数の障害物の障害物情報を分類処理し、障害物分類結果を取得し、前記圧縮されたランダムフォレストモデルには少なくとも2つの決定木を含み、前記少なくとも2つの決定木における各決定木の非リーフノードには、特徴指示情報、分類閾値指示情報及びノード位置指示情報のみが記憶され、前記ノード位置指示情報は左ノード位置指示情報又は右ノード位置指示情報であり、前記左ノード位置指示情報は非リーフノード下の左ノードと右ノードの位置を指示するために用いられ、前記右ノード位置指示情報は非リーフノード下の左ノードと右ノードの位置を指示するために用いられ、各決定木におけるリーフノードには類別指示情報しか記憶されていないことと、を含む。
前記複数の障害物の障害物情報を前記圧縮されたランダムフォレストモデルの決定木に配信することと、
前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、各決定木のリーフノードによって出力された障害物類別情報を取得することと、
各決定木のリーフノードによって出力された障害物類別情報に基づいて前記障害物分類結果を取得することと、を含む。
前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、且つ各決定木の非リーフノードが左ノード又は右ノードを有するか否かを判断することと、
各決定木の非リーフノードが右ノードを有し、且つ左ノードを有さないと判定された場合、特徴指示情報、分類閾値指示情報及び右ノード位置指示情報を非リーフノードに記憶することと、
各決定木の非リーフノードが左ノードを有し、右ノードを有さないと判定された場合、特徴指示情報、分類閾値指示情報及び左ノード位置指示情報を非リーフノードに記憶することと、
各決定木の非リーフノードが左ノード及び右ノードを有すると判定された場合、特徴指示情報、分類閾値指示情報を非リーフノードに記憶するとともに左ノード位置指示情報又は右ノード位置指示情報を非リーフノードに記憶することと、
前記分類処理の過程に従って、各決定木のリーフノードによって出力された障害物類別情報を取得することと、を含む。
前記圧縮されたランダムフォレストモデルの各決定木のリーフノードに記憶されている情報をリーフノードに対応する親ノードに記憶することと、
前記圧縮されたランダムフォレストモデルにおける各決定木のリーフノードを削除することと、を含む。
前記右ノード位置指示情報は前記決定木における各ノードの右ノードの、各ノードの左ノードに対する相対アドレス情報である。
無人運転車の検出装置によって検出された複数の障害物の障害物情報を取得するための取得ユニットと、
分類ユニットであって、圧縮されたランダムフォレストモデルを用いて前記複数の障害物の障害物情報を分類処理し、障害物分類結果を取得するために用いられ、前記圧縮されたランダムフォレストモデルは少なくとも2つの決定木を含み、前記少なくとも2つの決定木における各決定木の非リーフノードには、特徴指示情報、分類閾値指示情報及びノード位置指示情報のみが記憶され、前記ノード位置指示情報は左ノード位置指示情報又は右ノード位置指示情報であり、前記左ノード位置指示情報は非リーフノード下の左ノードと右ノードの位置を指示するために用いられ、前記右ノード位置指示情報は非リーフノード下の左ノードと右ノードの位置を指示するために用いられ、各決定木のリーフノードには類別指示情報しか記憶されていない分類ユニットと、を含む。
前記複数の障害物の障害物情報を前記圧縮されたランダムフォレストモデルの決定木に配信するための配信モジュールと、
前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、各決定木のリーフノードによって出力された障害物類別情報を取得するための分類モジュールと、
各決定木のリーフノードによって出力された障害物類別情報に基づいて前記障害物分類結果を取得するための判定モジュールと、を含む。
前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、各決定木の非リーフノードが左ノード又は右ノードを有するか否かを判断するための分類サブモジュールと、
各決定木の非リーフノードが右ノードを有し、且つ左ノードを有さないと判定された場合、特徴指示情報、分類閾値指示情報及び右ノード位置指示情報を非リーフノードに記憶するための第1の判定サブモジュールと、
各決定木の非リーフノードが左ノードを有し、且つ右ノードを有さないと判定された場合、特徴指示情報、分類閾値指示情報及び左ノード位置指示情報を非リーフノードに記憶するための第2の判定サブモジュールと、
各決定木の非リーフノードが左ノード及び右ノードを有すると判定された場合、特徴指示情報、分類閾値指示情報を非リーフノードに記憶するとともに左ノード位置指示情報又は右ノード位置指示情報を非リーフノードに記憶するための第3の判定サブモジュールと、
前記分類処理の過程に従って、各決定木のリーフノードによって出力された障害物類別情報を取得するための第4の判定サブモジュールと、を含む。
前記分類ユニットが圧縮されたランダムフォレストモデルを用いて前記複数の障害物の障害物情報を分類処理し、障害物分類結果を取得した後、前記圧縮されたランダムフォレストモデルの各決定木のリーフノードに記憶されている情報をリーフノードに対応する親ノードに記憶するための記憶ユニットと、
前記圧縮されたランダムフォレストモデルにおける各決定木のリーフノードを削除するための削除ユニットと、を含む。
前記右ノード位置指示情報は前記決定木における各ノードの右ノードの、各ノードの左ノードに対する相対アドレス情報である。
前記メモリは、コンピュータコマンドを記憶するために用いられ、前記プロセッサは、前記メモリに記憶されている前記コンピュータコマンドを実行して第1の態様の実施形態のいずれかによって提供される無人運転車に基づく障害物分類方法を実現するために用いられる。
Claims (20)
- 無人運転車に基づく障害物分類方法であって、
無人運転車の検出装置によって検出された複数の障害物の障害物情報を取得することと、
圧縮されたランダムフォレストモデルを用いて前記複数の障害物の障害物情報を分類処理し、障害物分類結果を取得し、前記圧縮されたランダムフォレストモデルは少なくとも2つの決定木を含み、前記少なくとも2つの決定木における各決定木の非リーフノードには、特徴指示情報、分類閾値指示情報及びノード位置指示情報のみが記憶され、前記ノード位置指示情報は左ノード位置指示情報又は右ノード位置指示情報であり、前記左ノード位置指示情報は非リーフノード下の左ノードと右ノードの位置を指示するために用いられ、前記右ノード位置指示情報は非リーフノード下の左ノードと右ノードの位置を指示するために用いられ、各決定木のリーフノードには類別指示情報しか記憶されていないことと、を含むことを特徴とする無人運転車に基づく障害物分類方法。 - 圧縮されたランダムフォレストモデルを用いて前記複数の障害物の障害物情報を分類処理し、障害物分類結果を取得する前記ステップは、
前記複数の障害物の障害物情報を前記圧縮されたランダムフォレストモデルの決定木に配信することと、
前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、各決定木のリーフノードによって出力された障害物類別情報を取得することと、
各決定木のリーフノードによって出力された障害物類別情報に基づいて前記障害物分類結果を取得することと、を含むことを特徴とする請求項1に記載の方法。 - 前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、各決定木のリーフノードによって出力された障害物類別情報を取得することは、
前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、各決定木の非リーフノードが左ノード又は右ノードを有するか否かを判断することと、
各決定木の非リーフノードが右ノードを有し、且つ左ノードを有さないと判定された場合、特徴指示情報、分類閾値指示情報及び右ノード位置指示情報を非リーフノードに記憶することと、
各決定木の非リーフノードが左ノードを有し、右ノードを有さないと判定された場合、特徴指示情報、分類閾値指示情報及び左ノード位置指示情報を非リーフノードに記憶することと、
各決定木の非リーフノードが左ノード及び右ノードを有すると判定された場合、特徴指示情報、分類閾値指示情報を非リーフノードに記憶するとともに左ノード位置指示情報又は右ノード位置指示情報を非リーフノードに記憶することと、
前記分類処理の過程に従って、各決定木のリーフノードによって出力された障害物類別情報を取得することと、を含むことを特徴とする請求項2に記載の方法。 - 圧縮されたランダムフォレストモデルを用いて前記複数の障害物の障害物情報を分類処理し、障害物分類結果を取得した後、さらに、
前記圧縮されたランダムフォレストモデルの各決定木のリーフノードに記憶されている情報をリーフノードに対応する親ノードに記憶することと、
前記圧縮されたランダムフォレストモデルにおける各決定木のリーフノードを削除することと、を含むことを特徴とする請求項1に記載の方法。 - 前記非リーフノードは、ルートノード、及びサブノードと親ノードを有するノードを含むことを特徴とする請求項1に記載の方法。
- 前記左ノード位置指示情報は、前記決定木における各ノードの左ノードの、各ノードの右ノードに対する相対アドレス情報であり、
前記右ノード位置指示情報は前記決定木における各ノードの右ノードの、各ノードの左ノードに対する相対アドレス情報であることを特徴とする請求項1〜5のいずれか一項に記載の方法。 - 前記特徴指示情報のフィールドが2バイトを占め、前記類別指示情報のフィールドが2バイトを占め、前記分類閾値指示情報のフィールドが4バイトを占め、前記左ノード位置指示情報のフィールドが4バイトを占め、前記右ノード位置指示情報のフィールドが4バイトを占めることを特徴とする請求項1〜5のいずれか一項に記載の方法。
- 前記検出装置は、ライダーセンサ、超音波レーダー、画像検出機器、赤外線検出機器のいずれか1つであることを特徴とする請求項1〜5のいずれか一項に記載の方法。
- 前記障害物情報は、障害物の移動速度、障害物の体積、障害物の熱、障害物と無人運転車との間の距離の少なくとも1つを含むことを特徴とする請求項1〜5のいずれか一項に記載の方法。
- 無人運転車に基づく障害物分類装置であって、
無人運転車の検出装置によって検出された複数の障害物の障害物情報を取得するための取得ユニットと、
分類ユニットであって、圧縮されたランダムフォレストモデルを用いて前記複数の障害物の障害物情報を分類処理し、障害物分類結果を取得するために用いられ、前記圧縮されたランダムフォレストモデルは少なくとも2つの決定木を含み、前記少なくとも2つの決定木における各決定木の非リーフノードには、特徴指示情報、分類閾値指示情報及びノード位置指示情報のみが記憶され、前記ノード位置指示情報は左ノード位置指示情報又は右ノード位置指示情報であり、前記左ノード位置指示情報は非リーフノード下の左ノードと右ノードの位置を指示するために用いられ、前記右ノード位置指示情報は非リーフノード下の左ノードと右ノードの位置を指示するために用いられ、各決定木のリーフノードには類別指示情報しか記憶されていない分類ユニットとを含むことを特徴とする無人運転車に基づく障害物分類装置。 - 前記分類ユニットは、
前記複数の障害物の障害物情報を前記圧縮されたランダムフォレストモデルの決定木に配信するための配信モジュールと、
前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、各決定木のリーフノードによって出力された障害物類別情報を取得するための分類モジュールと、
各決定木のリーフノードによって出力された障害物類別情報に基づいて前記障害物分類結果を取得するための判定モジュールと、を含むことを特徴とする請求項10に記載の装置。 - 前記分類モジュールは、
前記圧縮されたランダムフォレストモデルの各決定木において、各決定木に入力された障害物情報を分類処理し、各決定木の非リーフノードが左ノード又は右ノードを有するか否かを判断するための分類サブモジュールと、
各決定木の非リーフノードが右ノードを有し、左ノードを有さないと判定された場合、特徴指示情報、分類閾値指示情報及び右ノード位置指示情報を非リーフノードに記憶するための第1の判定サブモジュールと、
各決定木の非リーフノードが左ノードを有し、且つ右ノードを有さないと判定された場合、特徴指示情報、分類閾値指示情報及び左ノード位置指示情報を非リーフノードに記憶するための第2の判定サブモジュールと、
各決定木の非リーフノードが左ノード及び右ノードを有すると判定された場合、特徴指示情報、分類閾値指示情報を非リーフノードに記憶するとともに左ノード位置指示情報又は右ノード位置指示情報を非リーフノードに記憶するための第3の判定サブモジュールと、
前記分類処理の過程に従って、各決定木のリーフノードによって出力された障害物類別情報を取得するための第4の判定サブモジュールと、を含むことを特徴とする請求項11に記載の装置。 - 前記装置は、さらに、
前記分類ユニットが圧縮されたランダムフォレストモデルを用いて前記複数の障害物の障害物情報を分類処理し、障害物分類結果を取得した後、前記圧縮されたランダムフォレストモデルの各決定木のリーフノードに記憶されている情報をリーフノードに対応する親ノードに記憶する記憶ユニットと、
前記圧縮されたランダムフォレストモデルにおける各決定木のリーフノードを削除する削除ユニットと、を含むことを特徴とする請求項10に記載の装置。 - 前記非リーフノードは、ルートノード、及びサブノードと親ノードを有するノードを含むことを特徴とする請求項10に記載の装置。
- 前記左ノード位置指示情報は前記決定木における各ノードの左ノードの、各ノードの右ノードに対する相対アドレス情報であり、
前記右ノード位置指示情報は前記決定木における各ノードの右ノードの、各ノードの左ノードに対する相対アドレス情報であることを特徴とする請求項10〜14のいずれか一項に記載の装置。 - 前記特徴指示情報のフィールドが2バイトを占め、前記類別指示情報のフィールドが2バイトを占め、前記分類閾値指示情報のフィールドが4バイトを占め、前記左ノード位置指示情報のフィールドが4バイトを占め、前記右ノード位置指示情報のフィールドが4バイトを占めることを特徴とする請求項10〜14のいずれか一項に記載の装置。
- 前記検出装置は、ライダーセンサ、超音波レーダー、画像検出機器、赤外線検出機器のいずれか1つであることを特徴とする請求項10〜14のいずれか一項に記載の装置。
- 前記障害物情報は、障害物の移動速度、障害物の体積、障害物の熱、障害物と無人運転車との間の距離の少なくとも1つを含むことを特徴とする請求項10〜14のいずれか一項に記載の装置。
- 制御機器であって、
送信器、受信器、メモリ及びプロセッサを含み、
前記メモリは、コンピュータコマンドを記憶するために用いられ、前記プロセッサは、前記メモリに記憶されている前記コンピュータコマンドを実行して請求項1〜9のいずれか一項に記載の無人運転車に基づく障害物分類方法を実現するために用いられることを特徴とする制御機器。 - 記憶媒体であって、
読み取り可能な記憶媒体及びコンピュータコマンドを含み、
前記コンピュータコマンドは前記読み取り可能な記憶媒体に記憶され、前記コンピュータコマンドは請求項1〜9のいずれか一項に記載の無人運転車に基づく障害物分類方法を実現するために用いられることを特徴とする記憶媒体。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811044529.8A CN109376590A (zh) | 2018-09-07 | 2018-09-07 | 基于无人车的障碍物分类方法、装置、设备以及存储介质 |
CN201811044529.8 | 2018-09-07 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020042783A true JP2020042783A (ja) | 2020-03-19 |
JP6745951B2 JP6745951B2 (ja) | 2020-08-26 |
Family
ID=65405451
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019129305A Active JP6745951B2 (ja) | 2018-09-07 | 2019-07-11 | 無人運転車に基づく障害物分類方法、装置、機器及び記憶媒体 |
Country Status (4)
Country | Link |
---|---|
US (1) | US11295144B2 (ja) |
EP (1) | EP3564853A3 (ja) |
JP (1) | JP6745951B2 (ja) |
CN (1) | CN109376590A (ja) |
Families Citing this family (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE102018205532A1 (de) * | 2018-04-12 | 2019-10-17 | Robert Bosch Gmbh | Verfahren zum Erkennen eines Hindernisses vor einem Fahrzeug |
CN110940979A (zh) * | 2019-10-28 | 2020-03-31 | 杭州飞步科技有限公司 | 障碍物检测方法、装置、设备以及存储介质 |
CN111291697B (zh) * | 2020-02-19 | 2023-11-21 | 阿波罗智能技术(北京)有限公司 | 用于识别障碍物的方法和装置 |
FR3109232A1 (fr) | 2020-04-10 | 2021-10-15 | Advestis | Procede de prediction interpretable par apprentissage fonctionnant sous ressources memoires limitees |
CN111583691B (zh) * | 2020-04-23 | 2021-08-20 | 北京踏歌智行科技有限公司 | 一种集群式的障碍物同步方法 |
CN112684430A (zh) * | 2020-12-23 | 2021-04-20 | 哈尔滨工业大学(威海) | 一种室内老人行走健康检测方法、系统、存储介质、终端 |
CN115393659B (zh) * | 2022-10-27 | 2023-01-24 | 珠海横琴圣澳云智科技有限公司 | 基于多级决策树的个性化分类流程优化方法和装置 |
CN116304920B (zh) * | 2023-02-13 | 2023-10-20 | 中国地质大学(武汉) | 一种流数据分类模型的优化方法及装置 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09505895A (ja) * | 1994-09-23 | 1997-06-10 | メイザー ゲーエムベーハー アンド カンパニー | 超音波障害物検知法 |
JP2011150546A (ja) * | 2010-01-21 | 2011-08-04 | Toshiba Corp | 認識装置 |
JP2018106618A (ja) * | 2016-12-28 | 2018-07-05 | 日本放送協会 | 画像データ分類装置、オブジェクト検出装置及びこれらのプログラム |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9147168B1 (en) * | 2012-12-20 | 2015-09-29 | Emc Corporation | Decision tree representation for big data |
EP2746991A1 (en) * | 2012-12-21 | 2014-06-25 | Nederlandse Organisatie voor toegepast -natuurwetenschappelijk onderzoek TNO | Image pattern recognition system and method |
US9547830B2 (en) * | 2013-05-07 | 2017-01-17 | Wise.Io, Inc. | Scalable, memory-efficient machine learning and prediction for ensembles of decision trees for homogeneous and heterogeneous datasets |
US10332008B2 (en) * | 2014-03-17 | 2019-06-25 | Microsoft Technology Licensing, Llc | Parallel decision tree processor architecture |
US9787647B2 (en) * | 2014-12-02 | 2017-10-10 | Microsoft Technology Licensing, Llc | Secure computer evaluation of decision trees |
CN105835777A (zh) * | 2016-03-30 | 2016-08-10 | 乐视控股(北京)有限公司 | 显示方法、装置和车辆 |
US10984222B2 (en) * | 2016-07-12 | 2021-04-20 | Microsoft Technology Licensing, Llc | Method, apparatus and system for 3D face tracking |
CN106709475B (zh) * | 2017-01-22 | 2021-01-22 | 百度在线网络技术(北京)有限公司 | 障碍物识别方法及装置、计算机设备及可读存储介质 |
US10878708B2 (en) * | 2017-03-03 | 2020-12-29 | Farrokh Mohamadi | Drone terrain surveillance with camera and radar sensor fusion for collision avoidance |
US10909471B2 (en) * | 2017-03-24 | 2021-02-02 | Microsoft Technology Licensing, Llc | Resource-efficient machine learning |
CN107797973A (zh) * | 2017-09-27 | 2018-03-13 | 西安交通大学 | 一种面向硬件实现的gbdt分类模型压缩方法 |
US11354601B2 (en) * | 2018-03-16 | 2022-06-07 | Ricoh Company, Ltd. | Learning classification device and learning classification method |
US10699051B1 (en) * | 2018-06-29 | 2020-06-30 | Cadence Design Systems, Inc. | Method and system for performing cross-validation for model-based layout recommendations |
-
2018
- 2018-09-07 CN CN201811044529.8A patent/CN109376590A/zh active Pending
-
2019
- 2019-07-01 EP EP19183686.5A patent/EP3564853A3/en not_active Ceased
- 2019-07-11 JP JP2019129305A patent/JP6745951B2/ja active Active
- 2019-07-18 US US16/515,985 patent/US11295144B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09505895A (ja) * | 1994-09-23 | 1997-06-10 | メイザー ゲーエムベーハー アンド カンパニー | 超音波障害物検知法 |
JP2011150546A (ja) * | 2010-01-21 | 2011-08-04 | Toshiba Corp | 認識装置 |
JP2018106618A (ja) * | 2016-12-28 | 2018-07-05 | 日本放送協会 | 画像データ分類装置、オブジェクト検出装置及びこれらのプログラム |
Also Published As
Publication number | Publication date |
---|---|
US20200065592A1 (en) | 2020-02-27 |
CN109376590A (zh) | 2019-02-22 |
EP3564853A3 (en) | 2020-03-11 |
EP3564853A2 (en) | 2019-11-06 |
US11295144B2 (en) | 2022-04-05 |
JP6745951B2 (ja) | 2020-08-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6745951B2 (ja) | 無人運転車に基づく障害物分類方法、装置、機器及び記憶媒体 | |
CN109213134B (zh) | 生成自动驾驶策略的方法和装置 | |
CN108629231B (zh) | 障碍物检测方法、装置、设备及存储介质 | |
US10614324B2 (en) | Method and apparatus for identifying static obstacle | |
CN109543245B (zh) | 无人车应对能力边界信息确定方法、装置和电子设备 | |
US20180225515A1 (en) | Method and apparatus for urban road recognition based on laser point cloud, storage medium, and device | |
JP6850324B2 (ja) | マルチモデルに基づく障害物分布シミュレーション方法、装置、端末及びプログラム | |
CN109849930B (zh) | 自动驾驶汽车的相邻车辆的速度计算方法和装置 | |
CN109558854B (zh) | 障碍物感知方法、装置、电子设备及存储介质 | |
CN115017742B (zh) | 自动驾驶测试场景生成方法、装置、设备及存储介质 | |
JP2021175972A (ja) | 環境変化を検出するための方法及び装置、計算装置、記憶媒体並びにコンピュータプログラム | |
JP2020042793A (ja) | 確率プロットに基づく障害物分布シミュレーション方法、装置及び端末 | |
US20220343637A1 (en) | Traffic flow machine-learning modeling system and method applied to vehicles | |
JP7121454B2 (ja) | 統計に基づく障害物位置シミュレーション方法、装置及び端末 | |
US20220171975A1 (en) | Method for Determining a Semantic Free Space | |
WO2022078342A1 (zh) | 动态占据栅格估计方法及装置 | |
CN112269848A (zh) | 一种众包轨迹数据融合方法及装置 | |
CN115050007A (zh) | 牵引车以及拖板车的识别方法、装置及电子设备、存储介质 | |
CN112734810B (zh) | 一种障碍物追踪方法及装置 | |
WO2021170140A1 (zh) | 一种车道结构检测方法及装置 | |
JP7261892B2 (ja) | 占有格子地図管理装置 | |
US20220317301A1 (en) | Modeling foliage in a synthetic environment | |
US20220318450A1 (en) | Lidar Atmospheric Effects in Simulation | |
WO2021106130A1 (ja) | 物体認識装置、物体認識方法及び物体認識プログラム | |
KR20230172241A (ko) | 객체 인식 시스템 및 방법 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190711 |
|
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: 20200707 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20200804 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6745951 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |