JP2023011352A5 - - Google Patents
Download PDFInfo
- Publication number
- JP2023011352A5 JP2023011352A5 JP2021115163A JP2021115163A JP2023011352A5 JP 2023011352 A5 JP2023011352 A5 JP 2023011352A5 JP 2021115163 A JP2021115163 A JP 2021115163A JP 2021115163 A JP2021115163 A JP 2021115163A JP 2023011352 A5 JP2023011352 A5 JP 2023011352A5
- Authority
- JP
- Japan
- Prior art keywords
- recognition
- probability distribution
- rate
- moving body
- host
- 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
- 230000004927 fusion Effects 0.000 claims description 57
- 230000001419 dependent effect Effects 0.000 claims description 17
- 230000001133 acceleration Effects 0.000 claims description 16
- 238000003672 processing method Methods 0.000 claims description 10
- 230000002596 correlated effect Effects 0.000 claims 6
- 238000000034 method Methods 0.000 claims 1
Description
本開示の第一態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第二態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第三態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第四態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第二態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第三態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第四態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第五態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第六態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第七態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第八態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第六態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第七態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第八態様は、
プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
プロセッサは、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第九態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、含み、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第十態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、含み、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第十一態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、含み、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第十二態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、含み、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、含み、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第十態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、含み、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第十一態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、含み、
確率分布を取得することは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得することを、含む。
本開示の第十二態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンすることとを、含み、
認識データをフュージョンすることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化することを、含む。
本開示の第十三態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
命令は、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得させることと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得させることと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンさせることとを、含み、
確率分布を取得させることは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得させることを、含む。
本開示の第十四態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
命令は、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得させることと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得させることと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンさせることとを、含み、
認識データをフュージョンさせることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化させることを、含む。
本開示の第十五態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
命令は、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得させることと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得させることと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンさせることとを、含み、
確率分布を取得させることは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得させることを、含む。
本開示の第十六態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
命令は、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得させることと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得させることと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンさせることとを、含み、
認識データをフュージョンさせることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化させることを、含む。
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
命令は、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得させることと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得させることと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンさせることとを、含み、
確率分布を取得させることは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得させることを、含む。
本開示の第十四態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
命令は、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得させることと、
ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得させることと、
各認識モデル毎に認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンさせることとを、含み、
認識データをフュージョンさせることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化させることを、含む。
本開示の第十五態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
命令は、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得させることと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得させることと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンさせることとを、含み、
確率分布を取得させることは、
走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、確率分布を取得させることを、含む。
本開示の第十六態様は、
ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
命令は、
ホスト移動体からの距離(Lh)に対してターゲット移動体が存在する確率分布(Dp)を、ホスト移動体の走行エリア(Ad)に応じて取得させることと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得させることと、
各認識モデル毎の認識率と確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各認識モデルによる認識データをフュージョンさせることとを、含み、
認識データをフュージョンさせることは、
確率分布において距離に依存する存在確率により認識率を補正した、各認識モデル毎の認識スコアに基づき、フュージョン率を最適化させることを、含む。
これら第一~第十六態様によると、ホスト移動体からの距離に対してターゲット移動体の存在する確率分布が、ホスト移動体の走行エリアに応じて取得される。そこで第一~第十六態様では、ターゲット移動体を認識する、複数認識モデル毎の認識率と、こうして取得の確率分布とに相関する、認識スコアに基づいたフュージョン率に従って、それら各認識モデルによる認識データがフュージョンされる。これによれば、走行エリアに応じて求められる要求認識性能が変化したとしても、当該変化が確率分布によって反映され得る認識スコアに合わせたフュージョン率に従うことで、適正なフュージョンを実現することができる。故に、ホスト移動体におけるターゲット移動体の認識精度を、確保することが可能となる。
Claims (23)
- プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
前記プロセッサは、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
前記ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎に前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
前記確率分布を取得することは、
前記走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、前記確率分布を取得することを、含む処理システム。 - 前記確率分布を取得することは、
前記走行エリアにおける移動体の臨界ギャップ(tc)と、前記走行エリアにおける前記ホスト移動体の認識必要時間(ts)とのうち、大側において前記ホスト移動体が移動する移動距離範囲(ΔL)内での前記確率分布を取得することを、含む請求項1に記載の処理システム。 - 前記認識データをフュージョンすることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む請求項1又は2に記載の処理システム。 - プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
前記プロセッサは、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
前記ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎に前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
前記認識データをフュージョンすることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む処理システム。 - 前記認識データをフュージョンすることは、
前記走行エリアを複数に分割したメッシュエリア(Am)別の前記認識率を前記存在確率により補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む請求項3又は4に記載の処理システム。 - 前記プロセッサは、
各前記認識モデル毎且つ各前記メッシュエリア別の前記認識スコアを前記フュージョン率により重み付けした加重平均(K)に基づき、自動運転モードでの前記ホスト移動体に対する運行設計領域の制約を設定することを、さらに実行するように構成される請求項5に記載の処理システム。 - 前記認識データをフュージョンすることは、
現実に対する認識の一致度(TP,TN)である前記認識率を前記確率分布により補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む請求項1~6のいずれか一項に記載の処理システム。 - 前記認識データをフュージョンすることは、
現実に対する認識の不一致度(FP,FN)である前記認識率を前記確率分布により補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む請求項1~7のいずれか一項に記載の処理システム。 - 記憶媒体(10)を有し、
前記プロセッサは、
前記フュージョン率を前記記憶媒体に記憶することを、さらに実行するように構成される請求項1~8のいずれか一項に記載の処理システム。 - プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
前記プロセッサは、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、前記ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎の前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
前記確率分布を取得することは、
前記走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、前記確率分布を取得することを、含む処理システム。 - プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理システムであって、
前記プロセッサは、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、前記ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎の前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
前記認識データをフュージョンすることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む処理システム。 - プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
前記プロセッサは、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
前記ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎に前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
前記確率分布を取得することは、
前記走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、前記確率分布を取得することを、含む処理装置。 - プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
前記プロセッサは、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
前記ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎に前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
前記認識データをフュージョンすることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む処理装置。 - プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
前記プロセッサは、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、前記ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎の前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
前記確率分布を取得することは、
前記走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、前記確率分布を取得することを、含む処理装置。 - プロセッサ(12)を有し、ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行する処理装置であって、
前記プロセッサは、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、前記ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎の前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、実行するように構成され、
前記認識データをフュージョンすることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む処理装置。 - ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
前記ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎に前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、含み、
前記確率分布を取得することは、
前記走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、前記確率分布を取得することを、含む処理方法。 - ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
前記ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎に前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、含み、
前記認識データをフュージョンすることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む処理方法。 - ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、前記ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎の前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、含み、
前記確率分布を取得することは、
前記走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、前記確率分布を取得することを、含む処理方法。 - ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するためにプロセッサ(12)により実行される処理方法であって、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得することと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、前記ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得することと、
各前記認識モデル毎の前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンすることとを、含み、
前記認識データをフュージョンすることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化することを、含む処理方法。 - ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
前記命令は、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得させることと、
前記ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得させることと、
各前記認識モデル毎に前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンさせることとを、含み、
前記確率分布を取得させることは、
前記走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、前記確率分布を取得させることを、含む処理プログラム。 - ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
前記命令は、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得させることと、
前記ターゲット移動体を認識する認識率を、複数の認識モデル(Mn)毎に取得させることと、
各前記認識モデル毎に前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンさせることとを、含み、
前記認識データをフュージョンさせることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化させることを、含む処理プログラム。 - ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
前記命令は、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得させることと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、前記ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得させることと、
各前記認識モデル毎の前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンさせることとを、含み、
前記確率分布を取得させることは、
前記走行エリアにおける移動体の速度分布(Dv)及び加速度分布(Da)に基づき、前記確率分布を取得させることを、含む処理プログラム。 - ホスト移動体(2)におけるターゲット移動体(3)の認識に関連した、認識関連処理を遂行するために記憶媒体(10)に記憶され、プロセッサ(12)に実行させる命令を含む処理プログラムであって、
前記命令は、
前記ホスト移動体からの距離(Lh)に対して前記ターゲット移動体が存在する確率分布(Dp)を、前記ホスト移動体の走行エリア(Ad)に応じて取得させることと、
現実に対する認識の一致度(TP,TN)及び不一致度(FP,FN)のうち、少なくとも一種類である認識率を、前記ターゲット移動体を認識する複数の認識モデル(Mn)毎に取得させることと、
各前記認識モデル毎の前記認識率と前記確率分布とに相関する、認識スコア(Sn)に基づいたフュージョン率(ωn)に従って、各前記認識モデルによる認識データをフュージョンさせることとを、含み、
前記認識データをフュージョンさせることは、
前記確率分布において前記距離に依存する存在確率により前記認識率を補正した、各前記認識モデル毎の前記認識スコアに基づき、前記フュージョン率を最適化させることを、含む処理プログラム。
Priority Applications (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021115163A JP7444141B2 (ja) | 2021-07-12 | 2021-07-12 | 処理システム、処理装置、処理方法、処理プログラム |
CN202280048386.6A CN117730356A (zh) | 2021-07-12 | 2022-06-16 | 处理系统、处理装置、处理方法、处理程序 |
PCT/JP2022/024209 WO2023286522A1 (ja) | 2021-07-12 | 2022-06-16 | 処理システム、処理装置、処理方法、処理プログラム |
US18/408,213 US20240140477A1 (en) | 2021-07-12 | 2024-01-09 | Processing system, processing device, and processing method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021115163A JP7444141B2 (ja) | 2021-07-12 | 2021-07-12 | 処理システム、処理装置、処理方法、処理プログラム |
Publications (3)
Publication Number | Publication Date |
---|---|
JP2023011352A JP2023011352A (ja) | 2023-01-24 |
JP2023011352A5 true JP2023011352A5 (ja) | 2023-06-06 |
JP7444141B2 JP7444141B2 (ja) | 2024-03-06 |
Family
ID=84919286
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021115163A Active JP7444141B2 (ja) | 2021-07-12 | 2021-07-12 | 処理システム、処理装置、処理方法、処理プログラム |
Country Status (4)
Country | Link |
---|---|
US (1) | US20240140477A1 (ja) |
JP (1) | JP7444141B2 (ja) |
CN (1) | CN117730356A (ja) |
WO (1) | WO2023286522A1 (ja) |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020046762A (ja) * | 2018-09-14 | 2020-03-26 | 本田技研工業株式会社 | 移動体検知装置 |
-
2021
- 2021-07-12 JP JP2021115163A patent/JP7444141B2/ja active Active
-
2022
- 2022-06-16 CN CN202280048386.6A patent/CN117730356A/zh active Pending
- 2022-06-16 WO PCT/JP2022/024209 patent/WO2023286522A1/ja active Application Filing
-
2024
- 2024-01-09 US US18/408,213 patent/US20240140477A1/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11945114B2 (en) | Method and system for grasping an object | |
CN110858076B (zh) | 一种设备定位、栅格地图构建方法及移动机器人 | |
JP6597517B2 (ja) | 物標検出装置 | |
WO2010004744A1 (ja) | 経路危険性評価装置 | |
JP2018083587A (ja) | 車両制御装置 | |
CN112506199B (zh) | 一种基于动态窗口法且适用于阿克曼模型机器人的局部路径规划方法 | |
JP5974178B2 (ja) | 物体認識装置 | |
JPWO2020159960A5 (ja) | ||
CN112285696B (zh) | 一种雷达目标跟踪方法及系统 | |
JP2016200858A5 (ja) | ||
JP2019152575A (ja) | 物体追跡装置、物体追跡方法及び物体追跡用コンピュータプログラム | |
EP3693826B1 (en) | Moving vehicle | |
Gong et al. | VPH+: An enhanced vector polar histogram method for mobile robot obstacle avoidance | |
Novitzky et al. | Bio-inspired multi-robot communication through behavior recognition | |
RU2016114246A (ru) | Способ автоматического формирования гладких траекторий движения мобильного робота в неизвестном окружении | |
JP2023011352A5 (ja) | ||
US9582886B2 (en) | Object recognition device | |
Zainudin et al. | Torso detection and tracking using a 2d laser range finder | |
JP2012118683A (ja) | 歩行者認識装置 | |
JPWO2020230237A5 (ja) | ||
CN110962120B (zh) | 网络模型的训练方法及装置、机械臂运动控制方法及装置 | |
Melo et al. | Towards an autonomous robocup small size league robot | |
CN112904855B (zh) | 基于改进动态窗口的跟随机器人局部路径规划方法 | |
JP6903255B1 (ja) | 加工プログラム修正装置、数値制御装置、加工プログラム修正方法および機械学習装置 | |
CN109991973A (zh) | 一种机器人运动控制方法、装置以及机器人 |