JP2022539093A - 目標検出方法及び装置、電子機器、記憶媒体並びにプログラム - Google Patents
目標検出方法及び装置、電子機器、記憶媒体並びにプログラム Download PDFInfo
- Publication number
- JP2022539093A JP2022539093A JP2021577017A JP2021577017A JP2022539093A JP 2022539093 A JP2022539093 A JP 2022539093A JP 2021577017 A JP2021577017 A JP 2021577017A JP 2021577017 A JP2021577017 A JP 2021577017A JP 2022539093 A JP2022539093 A JP 2022539093A
- Authority
- JP
- Japan
- Prior art keywords
- information
- grid
- point
- target
- obstacle
- 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
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
Abstract
本発明は、目標検出方法及び装置、電子機器、記憶媒体並びにプログラムに関する。当該方法の1つの例示は、目標対象と検出すべき対象とに対応する点群情報を少なくとも含む点群情報を取得するステップと、前記点群情報に基づいて、前記検出すべき対象を示す障害点情報を少なくとも含むグリッド情報を取得するステップと、前記グリッド情報に基づいて、前記検出すべき対象のうち、前記目標対象の移動へ影響を与える障害物を認識するステップと、を含み、前記検出すべき対象は、前記目標対象の周囲の人又は物である。【選択図】図1
Description
本発明は、自動運転技術分野に関し、特に目標検出方法及び装置、電子機器、記憶媒体並びにプログラムに関する。
障害物に対して目標検出を行うことは、自動運転において安全運転を確保する重要な一環である。目標検出では、ニューラルネットワークベースのディープラーニング技術を用いて、障害物の可能な大きさ及び位置を予測してもよい。しかし、ディープラーニング技術を基に目標検出を実現する精度が特定のタイプのトレーニングデータ及びトレーニングアルゴリズムの優劣に依存するため、障害物に対する目標検出精度は、高くない。しかし、関連技術では、有効な解決策がまだ存在しない。
本発明は、目標検出の技術案を提出する。
本発明の一態様は、目標検出方法を提供する。当該目標検出方法は、目標対象と検出すべき対象とに対応する点群情報を少なくとも含む点群情報を取得するステップと、前記点群情報に基づいて、前記検出すべき対象を示す障害点情報を少なくとも含むグリッド情報を取得するステップと、前記グリッド情報に基づいて、前記検出すべき対象のうち、前記目標対象の移動へ影響を与える障害物を認識するステップと、を含み、前記検出すべき対象は、前記目標対象の周囲の人又は物である。
本発明のもう1つの態様は、目標検出装置を提供する。当該目標検出装置は、目標対象と検出すべき対象とに対応する点群情報を少なくとも含む点群情報を取得するための取得手段と、前記点群情報に基づいて、前記検出すべき対象を示す障害点情報を少なくとも含むグリッド情報を取得するための情報処理手段と、前記グリッド情報に基づいて、前記検出すべき対象のうち、前記目標対象の移動へ影響を与える障害物を認識するための検出手段と、を備え、前記検出すべき対象は、前記目標対象の周囲の人又は物である。
本発明のもう1つの態様は、電子機器を提供する。当該電子機器は、プロセッサと、プロセッサで実行され得る実行可能指令を記憶するためのメモリと、を備える。前記プロセッサは、上記目標検出方法を実施するように構成される。
本発明のもう1つの態様は、コンピュータ可読記憶媒体を提供する。当該コンピュータ可読記憶媒体には、コンピュータプログラム指令が記憶され、前記コンピュータプログラム指令がプロセッサによって実行されたときに、上記目標検出方法は、実施される。
本発明のもう1つの態様は、コンピュータプログラムを提供する。前記コンピュータプログラムは、記憶媒体に記憶され、プロセッサは、前記コンピュータプログラムを実行したときに、上記目標検出方法を実施する。
本発明の例示によると、目標対象と検出すべき対象とに対応する点群情報を少なくとも含む点群情報に基づいて、前記検出すべき対象を示す障害点情報を少なくとも含むグリッド情報を取得することにより、前記グリッド情報に基づいて、前記検出すべき対象のうちの、前記目標対象の移動へ影響を与える障害物を認識することができる。点群情報の内容が豊富であり、ある特定の種類の対象(例えば、車両又は通行人等)に限定されないため、本発明の技術案は、より多くの目標検出シーンに適用可能である。また、障害点情報を含むグリッド情報によって前記検出すべき対象のうちの障害物を認識するため、障害物に対する目標検出精度は、有効的に向上する。
上述した一般的な記述と後文の詳細記述が単に例示的なものと解釈的なものであり、本発明を制限するためのものではない。
図面を参照した例示的な実施例の以下の詳細な説明により、本発明の他の特徴及び態様は、明瞭になるのだろう。
ここでの図面は、明細書に組み込まれて明細書の一部を構成する。これらの図面は、本発明に合致する実施例を示しつつ、明細書の記載とともに本発明の解決手段を説明するために用いられる。
本発明の実施例に係る目標検出方法のフローチャートを示す。
本発明の実施例に係るグリッド情報の模式図を示す。
本発明の実施例に係るグリッド領域における画素点の由来が異なるring IDの模式図を示す。
本発明の実施例に係るグリッド領域における画素点の由来が同じであるring IDの模式図を示す。
本発明の実施例に係る各グリッド領域における障害点情報の模式図を示す。
本発明の実施例に係る連通領域の連通方式の模式図を示す。
本発明の実施例に係る連通領域の連通方式の模式図を示す。
本発明の実施例に係るグリッド図における障害物の模式図を示す。
本発明の実施例に係るグリッド図における遮られた障害物を削除する模式図を示す。
本発明の実施例に係る目標検出装置のブロック図を示す。
本発明の実施例に係る電子機器のブロック図を示す。
本発明の実施例に係る電子機器のブロック図を示す。
以下では、図面を参照して本発明の各種の例示的な実施例、特徴および態様を詳細に説明する。図面における同じ符号は、機能が同じ又は類似する素子を示す。図面に実施例の各種の態様が示されたが、専ら示さない限り、縮尺通りに図面を描く必要がない。
ここでの用語「例示的な」は、「例示、実施例としてのもの、又は説明的なもの」を意味する。ここで「例示的な」で説明される如何なる実施例も、他の実施例よりも優れるや良くなるとして解釈される必要がない。
本文における用語「及び/又は」は、単に関連対象の関連関係を記述するためのものであり、3種の関係が存在可能であることを表す。例えば、A及び/又はBは、Aが単独で存在すること、AとBが同時に存在すること、Bが単独で存在することの3種の状況を表せる。また、本文における用語「少なくとも1種」は、複数種のうちの任意1種又は複数種のうちの少なくとも2種の任意の組み合わせを表す。例えば、A、B、Cのうちの少なくとも1種を含むことは、A、BとCよりなる集合から選択された何れか1つ又は複数の要素を含むことを表せる。
また、下文の具体的な実施形態において大量の具体的詳細が与えられている。当業者であれば理解できるように、幾つかの具体的詳細がなくても、本発明の実施例は同様に実施可能である。幾つかの実施例では、本発明の要旨がより目立つように、当業者でよく知られる方法、手段、素子及び回路について詳細に記述されていない。
目標対象に対する検出、例えば、自動運転又は無人運転シーンにおける車両又は通行人等の目標対象に対する検出は、ニューラルネットワークベースのディープラーニング技術を採用して実施されてもよい。
ディープラーニング技術を基に目標検出を実現する精度が特定のタイプのトレーニングデータに依存するため、その適用可能な応用場面は、限られている。つまり、ディープラーニング技術に基づいてトレーニングされたニューラルネットワークは、選択されたトレーニングデータに関連するある特定のシーンに利用可能であるが、他の非特定のシーンに一般化することができない。例えば、特定のシーン、例えば、車両又は通行人の目標検出は、当該特定シーンがよく見られるため、当該車両又は通行人の目標検出に関するデータが大量に蓄積されている。これらのデータを特定のタイプのトレーニングデータとすると、ディープラーニング技術に基づいてトレーニングされたニューラルネットワークは、入力されたデータからこれらのタイプ特徴に合致する物体を探す。このように、当該特定シーンでの目標検出精度は、保証される。しかし、よく見られない物体、例えば、1つの形状が規則正しくない木の幹又は石の塊等の障害物に関し、ディープラーニング技術に基づいてニューラルネットワークをトレーニングする過程においてこのような物体のトレーニングデータを使用していないため、当該障害物を検出することは、非常に困難である。したがって、トレーニングされたニューラルネットワークを他の非特定の任意シーンに適用することは、困難である。換言すれば、ある特定シーンにおいてトレーニングされたニューラルネットワークは、別の異なるタイプのシーンでの挙動が悪いため、当該ニューラルネットワークの一般化能力が弱くなる。また、ディープラーニング技術は、本質的に所定のデータ(所期の目標)について複雑な1つの関数でフィッティングすることにより、同じ分布に該当するデータを当該関数に入力した後で正しい結果を与えてマッチングする仮説を得ることができるようにすることである。しかし、この仮説を得るために、トレーニング過程が複雑すぎるようになる可能性があり、オーバーフィッティングが発生し易い。更に、入力されたデータがトレーニングデータの分布に該当しない場合に、与えられた結果が必ずしも精確であるとは限らない。トレーニングデータが可能な道路状況を全てカバーするのが非常に困難であるため、特定のトレーニングデータ及び関連するある種類の特定シーンについて信頼性の高い結果を与えるしかできない。
その一方、ディープラーニング技術に基づいて目標検出を実現する精度は、トレーニングアルゴリズムの優劣にも依存する。ディープラーニングの特性が完全に制御できるものではない、即ち、所定の入力データに対する予測結果が予測できないため、100%のリコール率という理想値に達することは、非常に困難である。リコール率とは、目標検出によって認識された物体の個数を実際の物体の個数で割った値を指す。一般的に、自動運転又は無人運転シーンでは、リコール率が高いほど、運転の安全性が高くなる。
このように、ディープラーニング技術を採用して自動運転又は無人運転シーンにおける目標検出を実現したほうが、車両又は通行人等の目標対象に対する検出に適する。一方で、衝突回避のための道路上の障害物に対する目標検出は、障害物検出に必要な精度に達することができない。しかし、障害物検出の精度は、自動運転において安全運転を確保するための重要な一環である。例えば、障害物に対する目標検出が障害物検出の精度に達さなかった場合に、自動運転又は無人運転の安全性は、保証され得ない。
図1は、本発明の実施例に係る目標検出方法のフローチャートを示す。当該方法は、目標検出装置に適用され、例えば、当該装置は、端末機器又はサーバ又は他の処理機器に配置されてもよく、自動運転における目標検出又は目標分類等の処理を実行してもよい。端末機器は、ユーザ機器(UE、User Equipment)、モバイル機器、携帯電話、コードレス電話、パーソナルデジタルアシスタント(PDA、Personal Digital Assistant)、ハンドヘルド機器、演算機器、車載機器、ウェアラブル機器等であってもよい。幾つかの可能な実現方式において、当該方法は、プロセッサがメモリに記憶されたコンピュータ可読指令を呼び出すことで実現されてもよい。図1に示すように、当該フローは、以下のステップを含む。
ステップS101では、点群情報を取得し、前記点群情報は、目標対象と検出すべき対象とに対応する点群情報を少なくとも含む。
一例示において、少なくとも2つのセンサでそれぞれ走査して得られた複数の処理すべき点群情報を取得し、前記複数の処理すべき点群情報に対して繋ぎ合わせ処理を行い、前記点群情報を取得してもよい。また、当該点群情報に基づいてグリッド化処理を行い、グリッド情報を取得してもよい。
一例示において、少なくとも2つのセンサは、レーザレーダにおけるレーザ光放射及び受信機能を有するセンサであってもよい。
一例示において、前記目標対象とは、目標検出過程において少なくとも2つのセンサで走査される目標機器、例えば自動運転又は無人運転シーンにおける車両を指してもよい。本発明における目標対象は、当該目標機器に限定されず、盲導される通行人等も含んでもよい。
一例示において、前記検出すべき対象とは、目標検出過程における、目標対象に関連する物体を指してもよい。例えば、目標対象が自動運転又は無人運転シーンにおける車両である場合に、安全運転のために、検出すべき対象は、車両運転路線における石、木の葉、バリケード等であってもよい。前記検出すべき対象は、更に、目標検出過程における、目標対象とは同一の観測画面内の物体を指してもよい。例えば、相変わらず目標対象が車両であることを例とし、検出すべき対象は、前記車両とは同一の観測画面内の道端の看板、木及びその樹冠等であってもよい。
ステップS102では、前記点群情報に基づいて、グリッド情報を取得し、前記グリッド情報は、前記検出すべき対象を示す障害点情報を少なくとも含む。
一例示において、点群情報は、目標対象に対応する点群情報、例えば自動運転又は無人運転シーンにおける車両に対応する点群情報を含んでもよく、検出すべき対象に対応する点群情報、例えば小石、木の葉、バリケード、道端の看板、木及びその樹冠等を含んでもよい。なお、自動運転又は無人運転シーンでは、検出すべき対象における小石、木の葉、バリケードが後で認識される障害物である一方、道端の看板、木及びその樹冠が車両運転パス外に位置するため、障害物として考慮されなくてもよい。このように、演算量が低減できるとともに、障害物に対する検出精度も向上する。
一例示において、点群情報に対してグリッド化処理を行い、複数のグリッド領域によって構成されたグリッド図を取得してもよい。図2は、本発明の実施例に係るグリッド情報の模式図を示す。本発明のグリッド情報の1種の実現方式は、グリッド図であってもよく、他のチャート形式であってもよく、特に限定されない。図2において、グリッド図は、複数のグリッド領域11を含み、各グリッド領域は、1つ又は複数の画素点(図2では、各グリッド領域が複数の画素点を含むことを例とする)を含む。グリッド図におけるグリッド領域ごとに、検出すべき対象、ひいては障害物に対応する画素点(以下では、障害点と略称)が当該グリッド領域に存在するか否かを認識して障害点情報でマーキングする必要がある。このように、グリッド化処理によって得られたグリッド図は、初期グリッド図と見なされてもよい。即ち、各グリッド領域の障害点情報は、何れも「無」を表す第1値、例えば「0」である。障害物を認識する過程は、グリッド図における各グリッド領域の障害点情報を更新する(具体的に、あるグリッド領域の障害点情報を第1値から第2値、例えば「1」に更新してもよい)過程と見なされてもよく、且つ少なくとも点群情報におけるセンサ識別子(ring ID)を更新依拠として採用してもよい。例えば、ring IDを基に当該グリッド領域において障害点情報をマーキングしてもよい。図5は、本発明の実施例に係る各グリッド領域における障害点情報の模式図を示し、数字「0」及び数字「1」を障害点情報とすることを例とする。グリッド領域を第1値「0」でマーキングすると、当該グリッド領域に障害点がないことは、示され、グリッド領域を第2値「1」でマーキングすると、当該グリッド領域に障害点が存在することは、示される。このように、障害点情報を含むグリッド図を取得し、当該障害点情報を含むグリッド図に基づいて上記検出すべき対象のうちの障害物を認識することを便利にさせる。
ステップS103では、前記グリッド情報に基づいて、前記検出すべき対象のうち、前記目標対象の移動へ影響を与える障害物を認識する。
一例示において、グリッド情報は、障害点情報を含むグリッド図であってもよい。当該障害点情報を含むグリッド図に基づいて、検出すべき対象のうちの障害物を認識してもよい。例えば、グリッド領域を「1」でマーキングすると、当該グリッド領域に障害点が存在することは、示される。複数の障害点を連通させると、当該複数の障害点に対応する連通領域を取得し、これに基づいて当該複数の障害点に対応する検出すべき対象、引いては障害物の形状を特定することができる。
本発明では、少なくとも2つのセンサを介して目標対象を走査して目標対象と検出すべき対象とに対応する点群情報を取得し、前記点群情報に基づいて検出すべき対象が存在するか否かを示す障害点情報を少なくとも含むグリッド情報を取得するため、当該グリッド情報に含まれる障害点情報に基づいて検出すべき対象のうちの障害物を認識することができ、障害物に対する目標検出精度が向上する。
一例示において、少なくとも2つのセンサで目標対象をそれぞれ走査する過程に、センサから発された走査検知信号及び受信された返信信号に基づいて、点群情報を取得してもよい。例えば、センサは、車両及びその周辺へ走査検知信号を発した後、車両及びその周辺物体から反射された返信信号を受信し、当該返信信号と発された走査検知信号とを比較すると、車両及びその周辺物体の位置情報、高度情報、距離情報、速度情報、姿勢情報、形状情報等のパラメータを取得可能であり、これらのパラメータに基づいて車両及びその周辺物体に対して追跡及び認識を行うことができる。
なお、本発明の点群情報は、同一空間参照系において目標領域内物体の空間分布及び表面特性を表す非常に大量の点の集合であり、各画素点の三次元座標(三次元座標におけるX/Yの2次元座標を用いて上記パラメータにおける位置情報をキャリブレーションし、三次元座標における第3次元Zを用いて上記パラメータにおける高度情報をキャリブレーションする)、色情報(RGB)及びレーザ光反射強度(Intensity)情報等のうちの複数の組み合わせを画素点の形態で記録する。
一例示において、前記点群情報から各画素点のring ID情報を取得し、前記複数のグリッド領域のうちの目標グリッド領域に含まれる前記ring IDに基づいて、前記目標グリッド領域に障害点が存在するか否かを特定してもよい。更に、前記目標グリッド領域に障害点が存在する場合に、前記グリッド情報を更新することは、以下の内容を含んでもよい。
前記目標グリッド領域中の少なくとも2つの画素点に対応するring IDが異なる場合に、前記目標グリッド領域に障害点が存在すると特定する。図3は、本発明の実施例に係るグリッド領域における画素点の由来が異なるring IDの模式図を示し、センサ21、センサ22及びセンサ23、検出すべき対象24及び複数の画素点(それぞれマル1-マル6でマーキングする)を含む。なお、当該検出すべき対象24形状が三角形であることは、単に模式的なものであり、検出すべき対象の実際の形状に対する限定とはならない。センサ21及びセンサ22から発されたレーザビームはもともと、検出すべき対象24の所在する目標グリッド領域に入るべきではない。目標グリッド領域に当該検出すべき対象24が存在するため、センサ21及びセンサ22から発されたレーザビームに反射が発生する。センサ21の走査によって複数の画素点からなる点群情報を取得した場合に、センサ21から発されたレーザビーム211が検出すべき対象24に出会って反射されると、画素点マル1は、目標グリッド領域に入る。センサ22の走査によって複数の画素点からなる点群情報を取得した場合に、センサ22から発されたレーザビーム221及びレーザビーム222が検出すべき対象24に出会って反射されると、画素点マル2及び画素点マル3は、目標グリッド領域に入る。センサ23の走査によって複数の画素点からなる点群情報を取得した場合に、センサ23から発されたレーザビーム231、レーザビーム232及びレーザビーム233が検出すべき対象24に出会っておらず、画素点マル4、画素点マル5及び画素点マル6は、目標グリッド領域に入る。これによって分かるように、複数の画素点(それぞれマル1-マル6でマーキングする)のそれぞれに対応するring IDが異なる識別子であり、前記複数の画素点が異なるセンサによって得られたことを意味する。その際、目標グリッド領域に検出すべき対象に対応する画素点即ち障害点が存在すると特定し、目標グリッド領域に対応する障害点情報を最初の第1値から第2値に更新することで前記障害点の存在をマーキングしてもよい。
なお、図3における複数のセンサ(センサ21、センサ22及びセンサ23)は、実際の応用において分散設置でなくてもよく、接触設置であってもよく、引いては複数のセンサを異なる投写角度を呈するように設置してもよい。本例示では、障害物を含む検出すべき対象に対する認識が便利に解釈されるように、複数のセンサを分散設置してより直感的にさせる。当業者が進歩性に値する労働を掛けずに想到し得る複数のセンサ置き位置は、何れも本発明の保護範囲内に含まれる。
目標グリッド領域における少なくとも2つの画素点に対応するring IDが同一である場合に、前記目標グリッド領域に障害点が存在しないと特定する。図4は、本発明の実施例に係るグリッド領域における画素点の由来が同一であるring IDの模式図を示し、センサ31、及び複数の画素点(それぞれマル7-マル10でマーキングする)を含む。センサ31の走査によって複数の画素点からなる点群情報を取得した場合に、センサ31から発されたレーザビーム311、レーザビーム312、レーザビーム313、及びレーザビーム314が障害物に出会っておらず、画素点マル7、画素点マル8、画素点マル9及び画素点マル10が目標グリッド領域に入る。これによって分かるように、複数の画素点(それぞれマル7-マル10でマーキングする)のそれぞれに対応するring IDが同一識別子であり、前記複数の画素点が異なるセンサによって得られたことを意味する。その際、目標グリッド領域に障害点が存在しないと特定し、目標グリッド領域に対応する障害点情報を初期の第1値に保持してもよい。
点群情報に含まれる検出すべき対象は、小石、木の葉等のような障害物、及び、自動運転又は無人運転シーンにおける樹冠、銘板等のような非障害物であってもよい。したがって、上記ring IDによって障害点判断を行ったうえで、高度情報を更に追加可能であり、上記ring IDで判断された障害点を検証し、発生の可能性のある誤判断、例えば、樹冠、銘板等のような非障害物をも障害物として認識することを回避する。これは、自動運転又は無人運転シーンにとって、目標対象としての車両、樹冠、銘板等の空中の物体が障害物に属しないべきであり、且つ一般的に石、木の葉等の障害物よりもずっと高いからである。したがって、点群情報における画素点の高度情報を追加することにより、グリッド領域から樹冠、銘板等のような非障害物を排除してもよい。
一例示において、点群情報が高度情報を更に含むとき、前記目標グリッド領域に障害点が存在する場合に、前記グリッド情報を更新することは、前記高度情報に基づいて、前記目標グリッド領域に存在する障害点の種別を特定することと、前記障害点の種別に応じて、前記グリッド情報のうち、前記目標グリッド領域に対応する障害点情報を更新することと、を更に含む。例えば、グリッド情報がグリッド図であり且つ障害点情報がマーキングされた例において、前記目標グリッド領域に存在する障害点が樹冠等の非障害物に対応すると特定したときに、前記目標グリッド領域に対応する障害点情報を第2値から第1値に更新する。このように、上記誤判断が発生する確率を有効的に低減することができる。また、前記障害点が例えばバリケード等の障害物に対応すると特定したときに、前記目標グリッド領域に対応する障害点情報を第2値に保持する。このように、グリッド情報が更新された後、障害物に対応する障害点情報のみを含むより精確なグリッド図を取得することができ、後続の目標検出処理に使用させる。
一例示において、前記高度情報に基づいて、前記目標グリッド領域に存在する障害点の種別を特定することは、前記目標グリッド領域における少なくとも2つの画素点にそれぞれ対応するring ID及び高度情報を取得することと、前記少なくとも2つの画素点を前記ring IDに応じて区分し、同一ring IDに対応する画素点を1グループのデータとし、複数グループの画素点データを取得することと、を含む。高度情報に基づいて、各グループの画素点データにおける最小高度値を特定し、且つ、前記複数グループの画素点データにおける最小高度値に対して分類統計を行うことにより、1つ又は複数の最小高度クラスを取得し、それ相応に、各最小高度クラスに含まれる高度値の数及びその中の最小値を特定する。その後、当該目標グリッド領域に対応する各最小高度クラスに含まれる高度値の数及びその中最小値に基づいて、当該目標グリッド領域における障害点の種別、即ち前記障害点が障害物に対応する画素点であるか否かを特定してもよい。一例示において、当該目標グリッド領域に対応する各最小高度クラスに含まれる高度値の数を個数閾値(ring_count_th)と比較し、各最小高度クラスに含まれる高度値のうちの最小値を高度閾値(height_th)と比較することにより、当該目標グリッド領域における障害点の種別を特定してもよい。前記1つ又は複数の最小高度クラスに下記の目標最小高度クラスが存在し、当該目標最小高度クラスに含まれる高度値の数が個数閾値(ring_count_th)以上であり、且つ含まれる高度値のうちの最小値が高度閾値(height_th)よりも小さい場合に、当該目標グリッド領域に存在する障害点が障害物に対応すると考える。例えば、ring_count_th=3と設定し、height_thは、車両の高度、例えば2mとしてもよい。
上記あるring IDの区分によって複数の区分結果を取得した後、当該グリッド図に対して連通領域分析を行って連通領域を取得し、前記連通領域に基づいて検出すべき対象のうちの障害物を認識してもよい。凹多角形、凸多角形、矩形又は三角形等のような多角形の形態で当該障害物を表してもよい。当該障害物を他の対象と区別させるように認識できればよい。本発明の一例示において凸多角形を採用する。凸多角形は、形状特性に関し、矩形又は三角形よりも、辺の数が矩形又は三角形よりも多くて、障害物の形状をより容易で正確に表すことができる。その一方、凸多角形を採用すると、凹多角形よりも、余計な演算量が導入されることがなく、演算コストが適切である。
一例示において、上記連通領域分析に関し、図5に示すグリッド領域における「0」又は「1」でマーキングされた障害点情報に基づいて、障害点情報が「1」である繋がったグリッド領域をサーチして「連通領域」を形成してもよい。
図6a-図6bは、本発明の実施例に係る連通領域の連通方式の模式図を示す。連通領域演算は、幅優先探索(BFS、Breadth First Search)アルゴリズムによって実施されてもよい。一例では、画像における最小の単位が画素であり、各画素の周囲に8つの隣接画素がある場合に、隣接関係は、4隣接(図6aに示す)と8隣接(図6bに示す)との2種ある。4隣接は、合計で4点あり、即ち、上下左右で合わせて4つの画素点がある。8隣接の点は、対角線位置での4点を更に含むため、合計で8つの画素点がある。1つの画素点Aが画素点Bに隣接して且つ連通した場合に、1つの領域は、形成される。このように、全ての互いに連通する画素点によって構成される集合は、1つの「連通領域」と呼称される。連通領域演算によって障害物を取得してもよい。図7は、本発明の実施例に係るグリッド図における障害物の模式図を示す。図7に示すように、グリッド図には、凸多角形で示される障害物が複数含まれている。
一例示において、上記連通領域に基づいて、検出すべき対象のうちの障害物を認識した後、連通領域の第1線分における複数の処理すべき点を取得し、複数の処理すべき点から少なくとも2つの参照点を選択し、当該少なくとも2つの参照点を接続して第2線分を取得し、当該第2線分に応じて連通領域を調整した後で第1領域を取得することを更に含む。例えば、当該第1領域は、連通領域よりも小さくてもよい。障害物が凸多角形である場合に、当該連通領域の調整手順は、凸包処理と呼称されてもよい。例えば、連通領域を構成するある線分(第1線分と呼称)が10個の処理すべき点を有し、10個の処理すべき点から6つの参照点を選択し、当該6つの参照点を接続して1つの線分(第2線分と呼称)を新たに取得した場合に、当該第2線分に応じて連通領域を調整した後で第1領域を取得してもよく、且つ当該第1領域が連通領域よりも小さい。つまり、凸包処理を経た後、障害物を表すための凸辺数(点が少なくなる分だけ、凸辺が減少する)が減少し、凸多角形がその初期形状よりも小さくなる。凸包処理の採用により、演算量を低減することができる。
一例示において、前記連通領域に基づいて、前記検出すべき対象のうちの障害物を認識した後、前記方法は、前記点群情報から目標対象に対応する点群情報を抽出し、前記目標対象に対応する点群情報における画素点の座標に基づいて、前記目標対象に対応する目標位置を取得するステップと、前記グリッド情報に基づいて認識された少なくとも2つの障害物を取得するステップと、前記目標位置の中心点を基準とし、所定角度で発された引き出し線を基に扇形領域を取得するステップと、前記扇形領域が第1障害物及び第2障害物をカバーし、且つ前記第2障害物が前記第1障害物によって遮られた場合に、前記第2障害物の障害点情報を前記グリッド情報から削除するステップと、を更に含む。図8は、本発明の実施例に係るグリッド図において遮られた障害物を削除する模式図を示す。図8に示すように、グリッド図に目標対象及び少なくとも2つの障害物が含まれ、目標対象が車両41であってもよく、少なくとも2つの障害物のうちの第1障害物が警告対象42であってもよく、少なくとも2つの障害物のうちの第2障害物が1つ又は複数の石43であってもよい。車両41の現在位置の中心点を基準とし、所定角度αで発された引き出し線によって扇形領域を取得し、警告対象42及び1つ又は複数の石43は、何れも当該扇形領域によってカバーされる。しかし、1つ又は複数の石43が警告対象42によって遮られたため、車両41の現在の中心位置から障害物を観察すると、1つ又は複数の石43が見えず、警告対象42しか見えない。換言すれば、1つ又は複数の石43は、警告対象42よりも小さい物体として、注目されなくてもよい。したがって、1つ又は複数の石43をグリッド図から削除してもよい。なお、第2障害物は、遮られた小石に限定されず、道端の草むら等であってもよい。
一例示において、前記方法は、ナビゲーションパスに障害物が存在する旨のメッセージを目標対象(例えば、車両)へ送信することにより、前記目標対象が当該メッセージに応答して障害物回避処理を行い及び/又はナビゲーションパスを再計画するようにすることを含む。
(応用例示)
(応用例示)
上記実施例に係る1つの応用例示は、以下の内容を含む。
一、レーザレーダにおける複数のセンサを介して目標対象を走査し、目標対象と検出すべき対象とに対応する点群情報を取得する。その後、前記点群情報に基づいて、検出すべき対象を示す障害点情報を少なくとも含むグリッド情報を取得し、グリッド情報は、障害点情報がマーキングされたグリッド図であってもよい。
1つ又は複数のレーザレーダには、複数のセンサが備えられてもよく、複数のセンサは、共同してシーン全体の点群情報を構築し、全走査領域(各レーザレーダの同一時点又は同一時間帯内で走査した1グループの点群でカバーされる領域)をグリッド図に関連付けさせる。各レーザレーダにおける各レーザ放射器の指す方向と水平面との夾角が異なるため、レーザレーダが1回走査する度に、各センサは、一回りしてある角度での次の周回の点群情報まで走査する。
グリッド図内のあるグリッド領域に障害物のような物体突起がない場合に、当該グリッド領域は、地面の高度とほぼ一致する平面であるべきであり、当該グリッド領域に対応するセンサの隣接センサから放射されたレーザ光は、当該グリッド領域によって阻止されない。このように、当該グリッド領域に照射したレーザ光は、何れも同一のセンサからのものとなる。したがって、あるグリッド領域内に入った全ての画素点が同一のセンサからのものと仮定すれば、即ち、当該グリッド領域内の全ての画素点に対応するring IDが同じであり、換言すれば、当該グリッド領域内に入った全ての画素点が同一のセンサで走査されたものであれば、当該グリッド領域内に障害物に対応可能な障害点が存在しないと考えられてもよい。しかし、あるグリッド領域に障害物のような物体突起がある場合に、当該グリッド領域に対応するセンサの隣接センサから放射されたレーザ光は、当該グリッド領域に突起した物体によって阻止されて反射される。このように、当該グリッド領域に照射したレーザ光は、異なるセンサからのものとなる。したがって、あるグリッド領域内に入った画素点に対応するセンサが複数あるとすれば、即ち、当該グリッド領域内の画素点に対応するring IDが異なり、換言すれば、当該グリッド領域内に入った画素点が異なるセンサで走査されたものであれば、当該グリッド領域内に障害物に対応可能な障害点が存在すると考えられてもよい。
更に、グリッド領域に入った画素点のring IDの個数を用いて当該グリッド領域内に障害物が存在する可能性があるか否かを判断することは、更に最適化されてもよい。詳細に言えば、樹冠、銘板等のような空中の物体を含むあるグリッド領域は、複数のセンサに属するレーザ光が当該グリッド領域に照射し、即ち、当該グリッド領域内に入った画素点に対応するring IDが異なる場合もある。しかし、目標対象が車両である場合に、樹冠、銘板等の空中の物体は、車両にとって注目される障害物に属さず、樹冠、銘板をも車両の回避すべき障害物として認識する場合は、あえて排除される必要がない。したがって、画素点の高度情報も考慮に入れて、ring IDによって得られた可能な障害物を検証することで、ある高度よりも高い物体を除去してもよい。このように、障害物検出に対する精度は、更に向上する。
なお、入力された点群情報が複数のレーザレーダ走査結果のマージである場合に、各レーザレーダで走査された点群情報についてN×Mのグリッド図を構築可能であり、各格子の辺長を予め設定し実際に0.1mと示し、座標(N/2、M/2)を車両中心と設定してもよい。入力された点群情報が1つのレーザレーダ走査結果である場合に、N×Mのグリッド図を直接構築する。点群情報が複数のレーザレーダ走査結果のマージを含もうと、1つのレーザレーダ走査結果を含もうと、障害物を認識する下記の方法を用いて障害物を判断することにより、障害点情報を有するグリッド図を取得する。
ring ID及び高度情報に基づいてあるグリッド領域に障害物が存在するか否かを判断する手順において、単一のレーザレーダで走査された点群情報における画素点を位置情報に従ってグリッドに割り当ててもよい。グリッド領域ごとに、割り当てられた画素点のring ID(同じring IDを繰り返し統計しない)を統計する。その後、同一ring IDに対応する画素点を1グループのデータとし、複数グループの画素点データを取得する。次に、高度情報に基づいて、各グループの画素点データのうちの最小高度値を特定し、前記複数グループの画素点の最小高度値に対して分類統計を行い、少なくとも1つの最小高度クラスを取得する。各最小高度クラスごとに、当該最小高度クラスに含まれる高度値の数及びこれらの高度値のうちの最小値に基づいて、可能な障害物の種別を特定する。一例示において、各最小高度クラスに含まれる高度値の数を個数閾値と比較し、各最小高度クラスに含まれる高度値のうちの最小値を高度閾値と比較することにより、当該グリッド領域に存在する障害点の種別を特定してもよい。前記少なくとも1つの最小高度クラスのうち、下記の目標最小高度クラスが存在し、当該目標最小高度クラスに含まれる高度値の数が個数閾値(ring_count_th)以上であり、且つ含まれる高度値のうちの最小値が高度閾値(height_th)よりも小さい場合に、当該グリッド領域内に存在する障害点が目標対象の進行へ実際に影響を与える障害物に対応すると考えられる。分類統計を採用するメリットは、単一のポイントではなく、高度上に連続する1セグメントの障害物を見つけ出すことである。最終的に、各レーザレーダごとに1枚のグリッド図を取得可能であり、複数のグリッド図の各要素に対してOR操作でマージすると、出力結果を取得し、即ち、障害点情報を有するグリッド図を取得する。OR操作の一例として、グリッド図において「1」で障害点ありを表し、「0」で障害点なしを表し、1x3のグリッド図が2つあり、それぞれ[1、0、0]及び[0、1、0]である場合に、2つのグリッド図に対してOR操作を行うことは、対応するグリッド領域に関し、1つ又は2つのグリッド領域が「1」でマーキングされれば、重畳後のグリッド領域の対応位置が「1」でマーキングされ、この2つのグリッド図に対してOR操作を実行した結果が[1、1、0]となることを指す。
ring IDで存在可能な障害物を判断したうえで高度情報を追加してあるグリッド領域に障害物が真に存在するか否かを検証する手順において、補償方式で検出距離を大きくして検出品質を保証してもよい。各グリッド領域における画素点のring IDを統計する際に、点群情報が遠くの物体においてまばらになるため、グリッド領域から車両中心までの距離(distance)が遠いほど、その周囲のグリッド領域も合わせて統計する補償方式が必要になる。当該補償方式は、当該グリッド領域を中心としたn×n大きさの範囲も統計する必要があることであってもよい。
n=around(1+a×distance)、
around関数は、四捨五入を表し、aは、予め設定された1つの小さい定数である。このように、分類統計を行う際に、先に最小高度値アレイにおける全ての高度値を並べ替えてもよい。並べ替えられた数列の中では連続する2項の高度差がある閾値(gap_th)よりも大きい場合に、2つのクラスに分ける。
n=around(1+a×distance)、
around関数は、四捨五入を表し、aは、予め設定された1つの小さい定数である。このように、分類統計を行う際に、先に最小高度値アレイにおける全ての高度値を並べ替えてもよい。並べ替えられた数列の中では連続する2項の高度差がある閾値(gap_th)よりも大きい場合に、2つのクラスに分ける。
遠くの物体で反射される画素点の分布が近くの分布よりも分散するに違いないため、gap_thは、修正関数として、その値がグリッド領域から車両中心までの距離(distance)に応じてある程度修正されてもよい。例えば、センサの取付位置、角度、点群疎性等の異なる状況に応じて、異なる補償方案をそれぞれ採用する。一例示では、
gap_th = a×distance+b
閾値gap_thの単位は、メートルであり、a、bは、小さい定数である。算出されたgap_thは、小さい値であり、0.1mとしてもよい。
gap_th = a×distance+b
閾値gap_thの単位は、メートルであり、a、bは、小さい定数である。算出されたgap_thは、小さい値であり、0.1mとしてもよい。
個数閾値ring_count_thの値は、点群情報のまばら度合いに応じて補償されてもよい。一例示では、個数閾値ring_count_thの値は固定値、例えば3としてもよい。高度閾値height_thの値は、センサ(センサは、車両におけるレーザレーダに設けられてもよい)が一定の仰角を有するため、高度閾値height_thが固定値を取ることができず、グリッド領域から車両中心までの距離(distance)に応じてある程度の角度修正を行ってもよい。例えば、一例示では、修正角度の正接値をaとすれば、
height_th = 1+a×distanceとなる
高度閾値height_thの単位は、メートルである。説明すべきことは、上記各パラメータの値が実際の状況に応じて設定されてもよく、ここで具体的な設定方式について限定しない。
height_th = 1+a×distanceとなる
高度閾値height_thの単位は、メートルである。説明すべきことは、上記各パラメータの値が実際の状況に応じて設定されてもよく、ここで具体的な設定方式について限定しない。
二、グリッド図における障害点に対して連通領域分析を行い、連通領域を取得し、連通領域に基づいて凸多角形で表される障害物を取得してもよい。
上記グリッド図が取得された後、各グリッド領域の値は、当該グリッド領域に障害物に対応する障害点が存在するか否かを示す。点群情報の疎性により、幾つかの大きな物体は、非常に多くの部分に分けられる。まず、画像膨張アルゴリズムによって当該グリッド図を処理することにより、同一物体の複数の部分を連通させてもよい。次に、連通領域分析を行う(各連通領域は、1つの物体、例えば障害物を示してもよい)。各連通領域ごとに、その凸包を算出してから、各凸包ごとに凸包演算、例えばRamerーDouglasーPeuckerアルゴリズムを使用することにより、凸包の辺数を簡素化して演算量を低減することができる。最終的に、FOV分析により、車両中心点から観察すると見えない小障害物を除去する。
凸包演算の一例には、
1.簡素化される必要のある折り線について、折り線の首尾2点A、Bの間で1本の直線ABを接続することと、
2.トラバースして、折り線における、直線ABから最も遠い点Cを見つけ出し、それと直線ABとの距離を算出することと、
3.当該距離を予め設定された閾値と比較し、当該距離が当該閾値以下である場合に、直線ABをこのセグメントの折り線の近似とし、当該セグメントの折り線の処理を完了させることと、
4.当該距離が当該閾値よりも大きい場合に、点Cで直線ABを2セグメントの直線ACとBCとに分けて、この2セグメントの直線AC及びBCに対して上記1-4ステップの処理をそれぞれ行うことと、
5.全ての折り線の処理が完了されたときに、各分割点を順次接続して形成された折り線を初期折り線の近似としてもよく、更新後の凸包を得ることとが含まれる。
1.簡素化される必要のある折り線について、折り線の首尾2点A、Bの間で1本の直線ABを接続することと、
2.トラバースして、折り線における、直線ABから最も遠い点Cを見つけ出し、それと直線ABとの距離を算出することと、
3.当該距離を予め設定された閾値と比較し、当該距離が当該閾値以下である場合に、直線ABをこのセグメントの折り線の近似とし、当該セグメントの折り線の処理を完了させることと、
4.当該距離が当該閾値よりも大きい場合に、点Cで直線ABを2セグメントの直線ACとBCとに分けて、この2セグメントの直線AC及びBCに対して上記1-4ステップの処理をそれぞれ行うことと、
5.全ての折り線の処理が完了されたときに、各分割点を順次接続して形成された折り線を初期折り線の近似としてもよく、更新後の凸包を得ることとが含まれる。
FOV分析の一例では、2つずつの凸包C1及びC2について、凸包C2の遮蔽のもとで、自車位置例えば車両の中心点Aから凸包C1が見えるか否かを検出する必要がある。具体的に、以下の1~3を含んでもよい。
1.凸包C1上の各点Pごとに、中心点A及び点Pを接続する。
2.直線APが凸包C2を通り抜けたか否かを検出する。このステップの検出は、凸包C2における全ての点が直線APの同一辺にあるか否かをクロス積によって判断し、同一辺にある場合に、直線APが凸包C2を通りぬけていないと考えられる。
3.凸包C1上の点をトラバースした後で自車位置から見えない凸包C1上の点の個数nを取得可能であり、nがある閾値fov_th以上である場合に、凸包C1が見えないと考えられ、凸包C1を削除してもよい。
1.凸包C1上の各点Pごとに、中心点A及び点Pを接続する。
2.直線APが凸包C2を通り抜けたか否かを検出する。このステップの検出は、凸包C2における全ての点が直線APの同一辺にあるか否かをクロス積によって判断し、同一辺にある場合に、直線APが凸包C2を通りぬけていないと考えられる。
3.凸包C1上の点をトラバースした後で自車位置から見えない凸包C1上の点の個数nを取得可能であり、nがある閾値fov_th以上である場合に、凸包C1が見えないと考えられ、凸包C1を削除してもよい。
閾値fov_thの値は、障害物から自車までの距離に応じて修正される必要がある。一修正例示は、下記のようになる。
fov_th = min(1、ceil(convex_point_num × (1 - distance / a)))、
convex_point_numは、対応する凸包における点の個数であり、distanceは、凸包から自車までの距離であり、aは、ある大きな定数であり、最大感知可能な距離値を取ることができ、ceilは、切り上げ関数である。
fov_th = min(1、ceil(convex_point_num × (1 - distance / a)))、
convex_point_numは、対応する凸包における点の個数であり、distanceは、凸包から自車までの距離であり、aは、ある大きな定数であり、最大感知可能な距離値を取ることができ、ceilは、切り上げ関数である。
当業者であれば理解できるように、具体的な実施形態の上記方法において、各ステップの記載順は、厳格な実行順を意味せず、実施手順について如何なる限定もなすことではない。各ステップの具体的な実行順は、その機能及び可能な内在論理で特定されるべきである。
本発明に言及された上記各方法実施例は、原理論理を逸脱しない場合に、互いに組み合わせられて組み合わせ後の実施例を形成してもよい。紙面の都合上から、本発明では繰り返し説明しない。
また、本発明は、目標検出装置、電子機器、コンピュータ可読記憶媒体、プログラムを更に提供する。上記何れかは、本発明に係る何れか1種の目標検出方法を実施するために用いられてもよい。対応する技術案及び記述は、方法部分の対応する記載を参照すればよくて、ここで繰り返し説明しない。
図9は、本発明の実施例に係る目標検出装置のブロック図を示す。図9に示すように、当該装置は、目標対象と検出すべき対象とに対応する点群情報を少なくとも含む点群情報を取得するための取得手段51と、前記点群情報に基づいて、前記検出すべき対象を示す障害点情報を少なくとも含むグリッド情報を取得するための情報処理手段52と、前記グリッド情報に基づいて、前記検出すべき対象のうち、前記目標対象の移動へ影響を与える障害物を認識するための検出手段53と、を備える。前記目標対象は、移動可能であり、前記検出すべき対象は、前記目標対象の周囲の人又は物である。
可能な実現方式において、前記取得手段は、少なくとも2つのセンサでそれぞれ走査して得られた複数の処理すべき点群情報を取得し、前記複数の処理すべき点群情報に対して繋ぎ合わせ処理を行い、前記点群情報を取得する。
可能な実現方式において、前記点群情報は、センサ識別子(ring ID)を更に含む。前記情報処理手段は、前記点群情報に対してグリッド化処理を行い、複数のグリッド領域を含むグリッド図を取得するために用いられ、各前記グリッド領域に対応する前記障害点情報は、第1値である。前記グリッド領域ごとに、前記グリッド領域に含まれるring IDに基づいて、前記検出すべき対象に対応する障害点が前記目標グリッド領域に存在するか否かを特定し、前記グリッド領域に前記有障害点が存在する場合に、前記グリッド情報のうち、前記グリッド領域に対応する前記障害点情報を第2値に更新する。
可能な実現方式において、前記情報処理手段は、前記グリッド領域における少なくとも2つの画素点に対応するring IDが異なる場合に、前記グリッド領域に前記障害点が存在すると特定する。
可能な実現方式において、前記点群情報は、高度情報を更に含み、前記装置は、種別特定手段を更に備え、当該種別特定手段は、前記高度情報に基づいて、前記グリッド領域に存在する前記障害点の種別を特定し、前記障害点の種別に応じて、前記グリッド情報のうち、前記グリッド領域に対応する前記障害点情報を更新する。
可能な実現方式において、前記種別特定手段は、前記グリッド領域における少なくとも2つの画素点にそれぞれ対応するring IDと高度情報とを取得し、前記少なくとも2つの画素点のうち、同一ring IDに対応する画素点を1グループのデータとし、複数グループの画素点データを取得し、前記高度情報に基づいて、各グループの前記画素点データにおける最小高度値を特定し、前記複数グループの画素点データにおける最小高度値に対して分類統計を行い、1つ又は複数の最小高度クラスを取得し、各最小高度クラスに含まれる高度値の数とその中の最小値とに基づいて、前記グリッド領域に存在する障害点の種別を特定する。
可能な実現方式において、前記検出手段は、前記グリッド情報のうちの前記障害点情報に基づいて連通領域分析を行い、連通領域を取得し、前記連通領域に基づいて、前記検出すべき対象のうちの前記障害物を認識する。
可能な実現方式において、前記装置は、連通領域調整手段を更に備える。当該連通領域調整手段は、前記連通領域の第1線分における複数の処理すべき点を取得し、前記複数の処理すべき点から少なくとも2つの参照点を選択し、前記少なくとも2つの参照点を接続して第2線分を取得し、前記第2線分に応じて前記連通領域を調整して第1領域を取得する。一例示において、前記第1領域は、前記連通領域よりも小さくてもよい。
可能な実現方式において、前記装置は、遮蔽処理手段を更に備える。当該遮蔽処理手段は、前記点群情報から目標対象に対応する点群情報を抽出し、前記目標対象に対応する点群情報における画素点の座標に基づいて、前記目標対象に対応する目標位置を取得し、前記グリッド情報に基づいて認識された少なくとも2つの障害物を取得し、前記目標位置の中心点を基準とし、所定角度で発された引き出し線を基に扇形領域を取得し、前記扇形領域が第1障害物及び第2障害物をカバーし、且つ前記第2障害物が前記第1障害物によって遮られた場合に、前記第2障害物の障害点情報を前記グリッド情報から削除する。
可能な実現方式において、前記装置は、送信手段を更に備える。当該送信手段は、ナビゲーションパスに障害物が存在する旨のメッセージを前記目標対象へ送信する。このように、前記目標対象は、前記メッセージに応答して、障害物回避処理を行い、及び/又は、ナビゲーションパスを再計画する。
幾つかの実施例において、本発明の実施例に係る装置が有する機能又は含むモジュールは、上記方法実施例に記述された方法を実行可能である。その具体的な実施は、上記方法実施例の記述を参照すればよい。簡素化のために、ここで繰り返し説明しない。
本発明の実施例は、コンピュータ可読記憶媒体を更に提出する。当該コンピュータ可読記憶媒体には、コンピュータプログラム指令が記憶され、前記コンピュータプログラム指令がプロセッサによって実行されたときに、上記方法は、実施される。コンピュータ可読記憶媒体は、不揮発性コンピュータ可読記憶媒体であってもよい。
本発明の実施例は、電子機器を更に提出する。当該電子機器は、プロセッサと、プロセッサで実行され得る実行可能指令を記憶するためのメモリと、を備え、前記プロセッサは、上記方法を実施するように構成される。
電子機器は、端末、サーバ又は他の形態の機器として提供されてもよい。
図10は、一例示的な実施例に示す電子機器800のブロック図である。例えば、電子機器800は、携帯電話、コンピュータ、デジタル放送端末、メッセージ送受信機器、ゲームコンソール、タブレットPC、医療機器、フィットネス機器、パーソナルデジタルアシスタント等の端末であってもよい。
図10を参照すると、電子機器800は、以下の1つ又は複数のユニット、即ち、処理ユニット802、メモリ804、電源ユニット806、マルチメディアユニット808、オーディオユニット810、入力・出力(I/O)インターフェース812、センサユニット814及び通信ユニット816を備えてもよい。
処理ユニット802は、通常、電子機器800の全般操作、例えば、表示、電話発呼、データ通信、カメラ操作及び記録操作に関連する操作を制御する。処理ユニット802は、上記方法のステップの全部又は一部を実行するように、指令を実行する1つ又は複数のプロセッサ820を備えてもよい。また、処理ユニット802は、処理ユニット802と他のユニットとの間の相互作用が容易になるように、1つ又は複数のモジュールを備えてもよい。例えば、処理ユニット802は、マルチメディアユニット808と処理ユニット802との間の相互作用が容易になるように、マルチメディアモジュールを備えてもよい。
メモリ804は、電子機器800での操作をサポートするために、各タイプのデータを記憶するように構成される。これらのデータの例示は、電子機器800で操作するための如何なるアプリケーションプログラム又は方法の指令、連絡人データ、電話帳データ、メッセージ、ピクチャ、映像などを含む。メモリ804は、如何なるタイプの揮発性もしくは不揮発性記憶デバイス又はそれらの組合せ、例えば、スタティックランダムアクセスメモリ(SRAM)、電気的に消去可能なプログラマブル読み出し専用メモリ(EEPROM)、消去可能なプログラマブル読み出し専用メモリ(EPROM)、プログラマブル読み出し専用メモリ(PROM)、読み出し専用メモリ(ROM)、磁気メモリ、フラッシュメモリ、磁気ディスク又は光ディスクによって実現されてもよい。
電源ユニット806は、電子機器800のユニットのそれぞれに電力を供給する。電源ユニット806は、電源管理システム、1つ又は複数の電源、並びに、電子機器800用の電力を生成、管理および配分することに関する他のユニットを含んでもよい。
マルチメディアユニット808は、前記電子機器800とユーザとの間に1つの出力インターフェースを供給するスクリーンを備える。幾つかの実施例では、スクリーンは、液晶ディスプレイ(LCD)およびタッチパネル(TP)を含んでもよい。スクリーンは、タッチパネルを含む場合、ユーザからの入力信号を受信するように、タッチスクリーンとして実現されてもよい。タッチパネルは、タッチ、スライドおよびタッチパネルでのジェスチャーを感知するように、1つ又は複数のタッチセンサを含む。前記タッチセンサは、タッチ又はスライド動作の境界を感知するだけではなく、前記タッチ又はスライド操作に関連する持続時間および圧力をさらに検出することができる。幾つかの実施例では、マルチメディアユニット808は、1つのフロントカメラヘッドおよび/又はバックカメラヘッドを含む。電子機器800が操作モード、例えば、撮影モード又はビデオモードにあるとき、フロントカメラヘッドおよび/又はバックカメラヘッドは、外部のマルチメディアデータを受信することができる。フロントカメラヘッドおよびバックカメラヘッドのそれぞれは、1つの固定の光学レンズシステムであってもよいし、焦点距離および光学ズーム能力を有するものであってもよい。
オーディオユニット810は、オーディオ信号を出力および/又は入力するように構成される。例えば、オーディオユニット810は、マイク(MIC)を備え、電子機器800が操作モード、例えば、発呼モード、記録モードおよび音声識別モードにあるとき、マイクは、外部オーディオ信号を受信するように構成される。受信されたオーディオ信号は、さらに、メモリ804に記憶される、又は、通信ユニット816を介して送信されることができる。幾つかの実施例では、オーディオユニット810は、さらに、オーディオ信号を出力するためのスピーカをさらに含む。
入力・出力(I/O)インターフェース812は、処理ユニット802とペリフェラルインターフェースモジュールとの間でインターフェースを供給するものであり、上記ペリフェラルインターフェースモジュールは、キーボード、クリックホイール、ボタンなどであってもよい。これらのボタンは、ホームページボタン、ボリュームボタン、起動ボタンおよびロックボタンを含んでもよいが、それらに限定されない。
センサユニット814は、様々な側面での状態推定を電子機器800に供給するための1つ又は複数のセンサを含む。例えば、センサユニット814は、電子機器800のオン/オフ状態、ユニットの相対位置を検出することができる。例えば、前記ユニットは、電子機器800のディスプレイおよびテンキーである。センサユニット814は、さらに、電子機器800もしくは電子機器800のユニットの位置変更、ユーザと電子機器800との接触の存在もしくは不存在、電子機器800の方位又は加速/減速および電子機器800の温度変化をさらに検出することができる。センサユニット814は、如何なる物理的接触もないとき、近辺にある物体の存在を検出するための近接センサを含んでもよい。センサユニット814は、さらに、結像応用に使用される光センサ、例えばCMOS又はCCD画像センサを含んでもよい。幾つかの実施例では、当該センサユニット814は、さらに、加速度センサ、ジャイロセンサ、磁気センサ、圧力センサ又は温度センサを含んでもよい。
通信ユニット816は、電子機器800と他のユーザ機器との間の無線又は有線方式の通信が便利になるように構成される。電子機器800は、通信規格に基づく無線ネットワーク、例えば、WiFi、2Gもしくは3G、又はそれらの組合せにアクセスすることができる。1つの例示的な実施例では、通信ユニット816は、外部ブロードキャスト管理システムからのブロードキャスト信号又はブロードキャスト関連情報をブロードキャストチャネルを介して受信する。1つの例示的な実施例では、前記通信ユニット816は、さらに、短距離通信が容易になるように、ニアフィールド通信(NFC)モジュールを含んでもよい。例えば、NFCモジュールでは、無線周波数識別(RFID)技術、赤外データ協会(IrDA)技術、超広帯域(UWB)技術、ブルートゥース(登録商標)(BT)技術および他の技術によって実現されてもよい。
例示的な実施例では、電子機器800は、上記方法を実行するための1つ又は複数の特定用途向け集積回路(ASIC)、デジタル信号プロセッサ(DSP)、デジタル信号処理デバイス(DSPD)、プログラマブルロジックデバイス(PLD)、フィールドプログラマブルゲートアレイ(FPGA)、コントローラ、マイクロコントローラ、マイクロプロセッサ又は他の電子部品によって実現されてもよい。
例示的な実施例は、不揮発性コンピュータ可読記憶媒体、例えばコンピュータプログラム指令を含むメモリ804を更に提供する。上記コンピュータプログラム指令は、電子機器800のプロセッサ820によって実行されて上記方法を実施させ得る。
図11は、1つの例示的な実施例に示す電子機器900のブロック図である。例えば、電子機器900は、サーバとして提供され得る。図11を参照すると、電子機器900は、処理ユニット922を含み、更に、当該処理ユニット922は、1つ又は複数のプロセッサ、及びメモリ932に代表されるメモリリソースとを備え、メモリ932は、処理ユニット922によって実行され得る指令、例えば、アプリケーションプログラムを記憶する。メモリ932に記憶されるアプリケーションプログラムは、それぞれが1セットの指令に対応する1つ又は1つ以上のモジュールを備えてもよい。また、処理ユニット922は、指令を実行することで上記方法を実施するように構成される。
電子機器900は、電子機器900の電源管理を実行するように構成される電源ユニット926と、電子機器900をネットワークに接続するように構成される有線又は無線ネットワークインターフェース950と、入力・出力(I/O)インターフェース958とを更に備えてもよい。電子機器900は、メモリ932に記憶されたオペレーティングシステム、例えばWindows(登録商標)ServerTM、Mac OS XTM、UnixTM、LinuxTM(登録商標)、FreeBSDTM又はその他を操作してもよい。
例示的な実施例は、不揮発性コンピュータ可読記憶媒体、例えば、コンピュータプログラム指令を含むメモリ932を更に提供する。上記コンピュータプログラム指令が電子機器900の処理ユニット922によって実行されることで、上記方法は、実施されてもよい。
本発明は、システム、方法及び/又はコンピュータプログラム製品であってもよい。コンピュータプログラム製品は、コンピュータ可読記憶媒体を含んでもよい。コンピュータ可読記憶媒体には、プロセッサに本発明の各態様を実施させるためのコンピュータ可読プログラム指令が載せている。
コンピュータ可読記憶媒体は、指令実行機器で使用される指令を保持及び記憶する有形機器であってもよい。コンピュータ可読記憶媒体は、例えば、電気記憶機器、磁気記憶機器、光記憶機器、電磁的記憶機器、半導体記憶機器又は上記任意の適切な組み合わせを含んでもよいが、それらに限定されない。コンピュータ可読記憶媒体のより具体的な例(非網羅のリスト)は、ポータブルコンピュータディスク、ハードディスク、ランダムアクセスメモリ(RAM)、読み出し専用メモリ(ROM)、消去可能なプログラマブル読み出し専用メモリ(EPROM又はフラッシュメモリ)、スタティックランダムアクセスメモリ(SRAM)、携帯型圧縮ディスク読み出し専用メモリ(CD-ROM)、デジタル多機能ディスク(DVD)、メモリスティック、フロッピーディスク、機械的符号化機器、例えば、指令が記憶されるパンチカード又は溝内突起構造、及び上記の任意の適切な組合を含む。ここで使用されるコンピュータ可読記憶媒体は、瞬時信号自身、例えば、無線電波若しくは他の自由に伝搬される電磁波、導波路若しくは他の伝送媒体を介して伝搬される電磁波(例えば、光ファイバー・ケーブルを介した光パルス)、又は電線を介して伝送された電気信号として解釈されない。
ここで記述されるコンピュータ可読プログラム指令は、コンピュータ可読記憶媒体から各演算/処理機器にダウンロードし、又は、ネットワーク、例えばインターネット、ローカルエリアネットワーク、広域ネットワーク及び/又は無線ネットワークを介して外部コンピュータ或いは外部記憶機器へダウンロードしてもよい。ネットワークは、銅伝送ケーブル、光ファイバー伝送、無線伝送、ルータ、ファイアウォール、スイッチ、ゲートウェイコンピュータ及び/又はエッジサーバを含んでもよい。各演算/処理機器におけるネットワークアダプタ又はネットワークインターフェースは、ネットワークからコンピュータ可読プログラム指令を受信して当該コンピュータ可読プログラム指令を転送することにより、各演算/処理機器におけるコンピュータ可読記憶媒体に記憶させる。
本発明の操作を実行するためのコンピュータプログラム指令は、アセンブリ指令、指令セットアーキテクチャ(ISA)指令、マシン指令、マシン関連指令、マイクロコード、ファームウェア指令、状態設定データ、又は、1種若しくは複数種のプログラミング言語の任意の組み合わせで作成されたソースコード又はターゲットコードであってもよい。前記プログラミング言語は、オブジェクト指向プログラミング言語(例えば、Smalltalk、C++等)、及び、通常のプロセスプログラミング言語(例えば、「C」言語)又は類似するプログラミング言語を含む。コンピュータ可読プログラム指令は、完全にユーザコンピュータ上で実行されてもよく、部分的にユーザコンピュータ上で実行されてもよく、1つの独立するソフトウェアパッケージとして実行されてもよく、一部がユーザコンピュータ上でもう一部がリモートコンピュータ上で実行されてもよく、又は完全にリモートコンピュータ又はサーバ上で実行されてもよい。リモートコンピュータの場合に、リモートコンピュータは、任意の種類のネットワーク(ローカルエリアネットワーク(LAN)又は広域ネットワーク(WAN)を含む)を介してユーザコンピュータに接続され、又は、外部コンピュータに接続されてもよい(例えば、インターネットサービスプロバイダを利用してインターネットで接続される)。幾つかの実施例では、コンピュータ可読プログラム指令の状態情報を用いて電子回路、例えばプログラマブル論理回路、フィールドプログラマブルゲートアレイ(FPGA)又はプログラマブル論理アレイ(PLA)を個性化でカストマイズする。当該電子回路は、コンピュータ可読プログラム指令を実行することにより、本発明の各態様を実施可能である。
ここで、本発明の実施例に係る方法、装置(システム)及びコンピュータプログラム製品のフローチャート及び/又はブロック図を参照して、本発明の各態様を記述した。理解できるように、フローチャート及び/又はブロック図の各ブロック並びにフローチャート及び/又はブロック図における各ブロックの組み合わせは、何れもコンピュータ可読プログラム指令にて実現され得る。
これらのコンピュータ可読プログラム指令は、汎用コンピュータ、専用コンピュータ又は他のプログラマブルデータ処理装置のプロセッサへ供給されて、1種のマシンを生み出すことができる。このように、これらの指令がコンピュータ又は他のプログラマブルデータ処理装置のプロセッサによって実行されたときに、フローチャート及び/又はブロック図における1つ又は複数のブロックで規定された機能/動作を実現する装置は、生成される。これらのコンピュータ可読プログラム指令をコンピュータ可読記憶媒体に記憶してもよい。これらの指令により、コンピュータ、プログラマブルデータ処理装置及び/又は他の機器は、特定の方式で稼働する。このように、指令が記憶されたコンピュータ可読媒体は、1つの製造品を含み、それは、フローチャート及び/又はブロック図における1つ又は複数のブロックで規定された機能/動作を実現する各態様の指令を含む。
コンピュータ可読プログラム指令をコンピュータ、他のプログラマブルデータ処理装置、又は他の機器にロードしてもよい。このように、コンピュータ、他のプログラマブルデータ処理装置又は他の機器上で一連の操作ステップが実行され、コンピュータによる実現の過程は、生み出される。これにより、コンピュータ、他のプログラマブルデータ処理装置、又は他の機器上で実行された指令は、フローチャート及び/又はブロック図における1つ又は複数のブロックで規定された機能/動作を実現する。
図面におけるフローチャート及びブロック図は、本発明の複数の実施例に係るシステム、方法及びコンピュータプログラム製品の実施可能な体系アーキテクチャ、機能及び操作を示す。この点では、フローチャート又はブロック図における各ブロックは、1つのモジュール、プログラムセグメント又は指令の一部を代表してもよい。前記モジュール、プログラムセグメント又は指令の一部は、規定された論理機能を実施するための1つ又は複数の実行可能指令を含む。幾つかの代替としての実施形態において、ブロック中にマークされた機能は、図面に示された順番と異なる順番で発生してもよい。例えば、2つの連続するブロックは、実に、基本的に並行に実行されてもよく、そして、逆の順番で実行されるときもあり、これは、かかる機能に応じて定められる。注意すべきことは、ブロック図及び/又はフローチャートにおける各ブロック、並びに、ブロック図及び/又はフローチャートにおけるブロックの組み合わせは、規定の機能又は動作を実行する専用のハードウェアに基づくシステムにて実現されてもよく、専用ハードウェアとコンピュータ指令との組み合わせで実現されてもよい。
論理を逸脱しない場合、本開示の異なる実施例同士は、互いに組み合わせられてもよい。異なる実施例の記述には重点がそれぞれ置かれており、重点的に記述されていない部分は、他の実施例の記載を参照してもよい。
以上では、本発明の各実施例を記述した。上記説明は、例示であり、網羅的ではなく、開示された各実施例にも限定されない。説明された各実施例の範囲及び精神から逸脱しない場合に、多くの修正及び変更は、当業者にとって自明である。本文での用語は、各実施例の原理、実際の応用又は、マーケットにおける技術に対する技術的改善を最良に解釈し、又は当業者に本文に開示された各実施例を理解させえるために選択される。
本願は、2020年4月20日に提出された、出願番号が202010314166.6であって発明名称が「目標検出方法及び装置、電子機器和記憶媒体」である中国特許出願の優先権を要求し、当該出願が引用によって本願に組み込まれる。
Claims (15)
- 目標検出方法であって、
目標対象と検出すべき対象とに対応する点群情報を少なくとも含む点群情報を取得するステップと、
前記点群情報に基づいて、前記検出すべき対象を示す障害点情報を少なくとも含むグリッド情報を取得するステップと、
前記グリッド情報に基づいて、前記検出すべき対象のうち、前記目標対象の移動へ影響を与える障害物を認識するステップと、を含み、
前記検出すべき対象は、前記目標対象の周囲の人又は物であることを特徴とする目標検出方法。 - 前記点群情報を取得するステップは、
少なくとも2つのセンサでそれぞれ走査して得られた複数の処理すべき点群情報を取得することと、
前記複数の処理すべき点群情報に対して繋ぎ合わせ処理を行い、前記点群情報を取得することと、を含むことを特徴とする請求項1に記載の目標検出方法。 - 前記点群情報は、センサ識別子を更に含み、
前記点群情報に基づいて、グリッド情報を取得するステップは、
前記点群情報に対してグリッド化処理を行い、複数のグリッド領域を含むグリッド図を取得することであって、各前記グリッド領域に対応する前記障害点情報が第1値であることと、
前記グリッド領域ごとに、
前記グリッド領域に含まれる画素点に対応するセンサ識別子に基づいて、前記検出すべき対象に対応する障害点が前記グリッド領域に存在するか否かを特定することと、
前記グリッド領域に前記障害点が存在する場合に、前記グリッド情報のうち、前記グリッド領域に対応する前記障害点情報を第2値に更新することと、を含む、ことを特徴とする請求項1又は2に記載の目標検出方法。 - 前記グリッド領域に含まれる画素点に対応するセンサ識別子に基づいて、前記検出すべき対象に対応する障害点が前記グリッド領域に存在するか否かを特定することは、
前記グリッド領域における少なくとも2つの画素点に対応するセンサ識別子が異なる場合に、前記グリッド領域に前記障害点が存在すると特定することを含むことを特徴とする請求項3に記載の目標検出方法。 - 前記点群情報は、高度情報を更に含み、
前記グリッド領域に前記障害点が存在する場合に、前記グリッド情報のうち、前記グリッド領域に対応する前記障害点情報を第2値に更新することは、
前記グリッド領域における画素点の高度情報に基づいて、前記グリッド領域に存在する前記障害点の種別を特定することと、
前記障害点の種別に応じて、前記グリッド情報のうち、前記グリッド領域に対応する前記障害点情報を更新することと、を更に含むことを特徴とする請求項3又は4に記載の目標検出方法。 - 前記グリッド領域における画素点の高度情報に基づいて、前記グリッド領域に存在する前記障害点の種別を特定することは、
前記グリッド領域における少なくとも2つの画素点にそれぞれ対応するセンサ識別子と高度情報とを取得することと、
前記少なくとも2つの画素点のうち、同一センサ識別子に対応する画素点を1グループのデータとし、複数グループの画素点データを取得することと、
前記高度情報に基づいて、各グループの前記画素点データにおける最小高度値を特定することと、
前記複数グループの画素点データにおける最小高度値に対して分類処理を行い、1つ又は複数の最小高度クラスを取得することと、
各前記最小高度クラスに含まれる高度値の数とその中の最小値とに基づいて、前記グリッド領域に存在する障害点の種別を特定することと、を含むことを特徴とする請求項5に記載の目標検出方法。 - 各前記最小高度クラスに含まれる高度値の数とその中の最小値とに基づいて、前記グリッド領域に存在する障害点の種別を特定することは、
前記1つ又は複数の最小高度クラスのうち、目標最小高度クラスが存在する場合に、前記グリッド領域に存在する障害点が障害物に対応すると特定することと、
前記1つ又は複数の最小高度クラスのうち、前記目標最小高度クラスが存在しない場合に、前記グリッド領域に存在する障害点が非障害物に対応すると特定することと、を含み、
前記目標最小高度クラスに含まれる高度値の数は、所定の個数閾値以上であり、
前記目標最小高度クラスに含まれる高度値のうちの最小値は、所定の高度閾値以下であることを特徴とする請求項6に記載の目標検出方法。 - 前記障害点の種別は、前記障害点が障害物に対応することと、前記障害点が非障害物に対応することとを含み、
前記障害点の種別に応じて、前記グリッド情報のうち、前記グリッド領域に対応する前記障害点情報を更新することは、
前記障害点が障害物に対応することが前記障害点の種別によって表された場合に、前記グリッド情報のうちの、前記グリッド領域に対応する前記障害点情報を前記第2値に保持することと、
前記障害点が非障害物に対応することが前記障害点の種別によって表された場合に、前記グリッド情報のうちの、前記グリッド領域に対応する前記障害点情報を前記第1値に更新することと、を含むことを特徴とする請求項5から7の何れか一項に記載の目標検出方法。 - 前記グリッド情報に基づいて、前記検出すべき対象のうち、前記目標対象の移動へ影響を与える障害物を認識するステップは、
前記グリッド情報のうちの前記障害点情報に基づいて連通領域分析を行い、連通領域を取得することと、
前記連通領域に基づいて、前記検出すべき対象のうちの前記障害物を認識することと、を含むことを特徴とする請求項1から8の何れか一項に記載の目標検出方法。 - 前記連通領域の第1線分における複数の処理すべき点を取得するステップと、
前記複数の処理すべき点から少なくとも2つの参照点を選択するステップと、
前記少なくとも2つの参照点を接続して第2線分を取得し、前記第2線分に応じて前記連通領域を調整して第1領域を取得するステップと、を更に含むことを特徴とする請求項9に記載の目標検出方法。 - 前記点群情報から前記目標対象に対応する点群情報を抽出し、前記目標対象に対応する点群情報における画素点の座標に基づいて、前記目標対象に対応する目標位置を取得するステップと、
前記グリッド情報に基づいて認識された少なくとも2つの障害物を取得するステップと、
前記目標位置の中心点を基準とし、所定角度で発された引き出し線を基に扇形領域を取得するステップと、
前記扇形領域が第1障害物及び第2障害物をカバーし、且つ前記第2障害物が前記第1障害物によって遮られた場合に、前記第2障害物の障害点情報を前記グリッド情報から削除するステップと、を更に含むことを特徴とする請求項1から10の何れか一項に記載の目標検出方法。 - 目標検出装置であって、
目標対象と検出すべき対象とに対応する点群情報を少なくとも含む点群情報を取得するための取得手段と、
前記点群情報に基づいて、前記検出すべき対象を示す障害点情報を少なくとも含むグリッド情報を取得するための情報処理手段と、
前記グリッド情報に基づいて、前記検出すべき対象のうち、前記目標対象の移動へ影響を与える障害物を認識するための検出手段と、を備え、
前記検出すべき対象は、前記目標対象の周囲の人又は物であることを特徴とする目標検出装置。 - 電子機器であって、
プロセッサと、
プロセッサで実行され得る実行可能指令を記憶するためのメモリと、を備え、
前記プロセッサは、請求項1から11の何れか一項に記載の目標検出方法を実施するように構成されることを特徴とする電子機器。 - コンピュータプログラム指令が記憶されるコンピュータ可読記憶媒体であって、
前記コンピュータプログラム指令がプロセッサによって実行されたときに、請求項1から11の何れか一項に記載の目標検出方法は、実施されることを特徴とするコンピュータ可読記憶媒体。 - 記憶媒体に記憶されるコンピュータプログラムであって、
プロセッサは、前記コンピュータプログラムを実行したときに、請求項1から11の何れか一項に記載の目標検出方法を実施することを特徴とするコンピュータプログラム。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010314166.6A CN111507973B (zh) | 2020-04-20 | 2020-04-20 | 目标检测方法及装置、电子设备和存储介质 |
CN202010314166.6 | 2020-04-20 | ||
PCT/CN2021/087424 WO2021213241A1 (zh) | 2020-04-20 | 2021-04-15 | 目标检测方法及装置、电子设备、存储介质及程序 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022539093A true JP2022539093A (ja) | 2022-09-07 |
Family
ID=71878738
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021577017A Pending JP2022539093A (ja) | 2020-04-20 | 2021-04-15 | 目標検出方法及び装置、電子機器、記憶媒体並びにプログラム |
Country Status (4)
Country | Link |
---|---|
JP (1) | JP2022539093A (ja) |
KR (1) | KR20220016221A (ja) |
CN (1) | CN111507973B (ja) |
WO (1) | WO2021213241A1 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111507973B (zh) * | 2020-04-20 | 2024-04-12 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、电子设备和存储介质 |
CN112697188B (zh) * | 2020-12-08 | 2022-12-23 | 北京百度网讯科技有限公司 | 检测系统测试方法及装置、计算机设备、介质和程序产品 |
CN113901970B (zh) * | 2021-12-08 | 2022-05-24 | 深圳市速腾聚创科技有限公司 | 障碍物的检测方法及装置、介质及电子设备 |
CN117091516A (zh) * | 2022-05-12 | 2023-11-21 | 广州镭晨智能装备科技有限公司 | 电路板保护层的厚度检测方法、系统及存储介质 |
CN115330969A (zh) * | 2022-10-12 | 2022-11-11 | 之江实验室 | 一种用于地面无人车的局部静态环境矢量化描述方法 |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779280A (zh) * | 2012-06-19 | 2012-11-14 | 武汉大学 | 一种基于激光传感器的交通信息提取方法 |
CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
WO2018180285A1 (ja) * | 2017-03-31 | 2018-10-04 | パイオニア株式会社 | 3次元データ生成装置、3次元データ生成方法、3次元データ生成プログラム及び3次元データ生成プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2019016308A (ja) * | 2017-07-10 | 2019-01-31 | 株式会社Zmp | 物体検出装置及び方法 |
CN109840448A (zh) * | 2017-11-24 | 2019-06-04 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车辆的信息输出方法和装置 |
JP2019168953A (ja) * | 2018-03-23 | 2019-10-03 | 株式会社豊田中央研究所 | 状態推定装置及びプログラム |
JP2019180024A (ja) * | 2018-03-30 | 2019-10-17 | セコム株式会社 | 監視装置 |
JP2019207655A (ja) * | 2018-05-30 | 2019-12-05 | 株式会社Ihi | 検知装置及び検知システム |
JP2020038631A (ja) * | 2018-08-30 | 2020-03-12 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラムおよびシステム |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105957145A (zh) * | 2016-04-29 | 2016-09-21 | 百度在线网络技术(北京)有限公司 | 道路障碍物识别方法和装置 |
CN109145677A (zh) * | 2017-06-15 | 2019-01-04 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
US10354444B2 (en) * | 2017-07-28 | 2019-07-16 | The Boeing Company | Resolution adaptive mesh that is generated using an intermediate implicit representation of a point cloud |
CN110147706B (zh) * | 2018-10-24 | 2022-04-12 | 腾讯科技(深圳)有限公司 | 障碍物的识别方法和装置、存储介质、电子装置 |
CN109635685B (zh) * | 2018-11-29 | 2021-02-12 | 北京市商汤科技开发有限公司 | 目标对象3d检测方法、装置、介质及设备 |
CN111507973B (zh) * | 2020-04-20 | 2024-04-12 | 上海商汤临港智能科技有限公司 | 目标检测方法及装置、电子设备和存储介质 |
-
2020
- 2020-04-20 CN CN202010314166.6A patent/CN111507973B/zh active Active
-
2021
- 2021-04-15 KR KR1020217043313A patent/KR20220016221A/ko not_active Application Discontinuation
- 2021-04-15 WO PCT/CN2021/087424 patent/WO2021213241A1/zh active Application Filing
- 2021-04-15 JP JP2021577017A patent/JP2022539093A/ja active Pending
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102779280A (zh) * | 2012-06-19 | 2012-11-14 | 武汉大学 | 一种基于激光传感器的交通信息提取方法 |
CN106951847A (zh) * | 2017-03-13 | 2017-07-14 | 百度在线网络技术(北京)有限公司 | 障碍物检测方法、装置、设备及存储介质 |
WO2018180285A1 (ja) * | 2017-03-31 | 2018-10-04 | パイオニア株式会社 | 3次元データ生成装置、3次元データ生成方法、3次元データ生成プログラム及び3次元データ生成プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2019016308A (ja) * | 2017-07-10 | 2019-01-31 | 株式会社Zmp | 物体検出装置及び方法 |
CN109840448A (zh) * | 2017-11-24 | 2019-06-04 | 百度在线网络技术(北京)有限公司 | 用于无人驾驶车辆的信息输出方法和装置 |
JP2019168953A (ja) * | 2018-03-23 | 2019-10-03 | 株式会社豊田中央研究所 | 状態推定装置及びプログラム |
JP2019180024A (ja) * | 2018-03-30 | 2019-10-17 | セコム株式会社 | 監視装置 |
JP2019207655A (ja) * | 2018-05-30 | 2019-12-05 | 株式会社Ihi | 検知装置及び検知システム |
JP2020038631A (ja) * | 2018-08-30 | 2020-03-12 | キヤノン株式会社 | 情報処理装置、情報処理方法、プログラムおよびシステム |
Also Published As
Publication number | Publication date |
---|---|
WO2021213241A1 (zh) | 2021-10-28 |
CN111507973A (zh) | 2020-08-07 |
CN111507973B (zh) | 2024-04-12 |
KR20220016221A (ko) | 2022-02-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2022539093A (ja) | 目標検出方法及び装置、電子機器、記憶媒体並びにプログラム | |
US11468581B2 (en) | Distance measurement method, intelligent control method, electronic device, and storage medium | |
EP3252658B1 (en) | Information processing apparatus and information processing method | |
US11308809B2 (en) | Collision control method and apparatus, and storage medium | |
US11783568B2 (en) | Object classification using extra-regional context | |
CN107944351B (zh) | 图像识别方法、装置及计算机可读存储介质 | |
CN113064135B (zh) | 在3d雷达点云连续帧数据中检测障碍物的方法及装置 | |
US20180039860A1 (en) | Image processing apparatus and image processing method | |
US20220044558A1 (en) | Method and device for generating a digital representation of traffic on a road | |
US20220035003A1 (en) | Method and apparatus for high-confidence people classification, change detection, and nuisance alarm rejection based on shape classifier using 3d point cloud data | |
CN109696173A (zh) | 一种车体导航方法和装置 | |
CN116420058A (zh) | 替代自主车辆数据 | |
US10776631B2 (en) | Monitoring | |
EP3369602A1 (en) | Display controller, display control method, and carrier means | |
CN110390252B (zh) | 基于先验地图信息的障碍物检测方法、装置和存储介质 | |
CN113450459B (zh) | 目标物的三维模型构建方法及装置 | |
CN112802100A (zh) | 一种入侵检测方法、装置、设备和计算机可读存储介质 | |
CN112800918A (zh) | 一种非法运动目标的身份识别方法及装置 | |
CN111860074B (zh) | 目标对象检测方法及装置、驾驶控制方法及装置 | |
CN111832338A (zh) | 对象检测方法及装置、电子设备和存储介质 | |
Wieneke et al. | Combined person tracking and classification in a network of chemical sensors | |
CN113344900B (zh) | 机场跑道侵入检测方法、装置、存储介质及电子设备 | |
Zhou et al. | Extraction of pedestrian position and attribute information based on the integration of LiDAR and smartphone sensors | |
CN115248443A (zh) | 基于激光雷达的地图构建方法、系统、设备及存储介质 | |
CN114627443A (zh) | 目标检测方法、装置、存储介质、电子设备及车辆 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20211224 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20221025 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230523 |