JP2023039777A - 障害物検出装置、障害物検出方法および障害物検出プログラム - Google Patents
障害物検出装置、障害物検出方法および障害物検出プログラム Download PDFInfo
- Publication number
- JP2023039777A JP2023039777A JP2021147059A JP2021147059A JP2023039777A JP 2023039777 A JP2023039777 A JP 2023039777A JP 2021147059 A JP2021147059 A JP 2021147059A JP 2021147059 A JP2021147059 A JP 2021147059A JP 2023039777 A JP2023039777 A JP 2023039777A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- image
- height
- vehicle
- dimensional
- 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
- 238000001514 detection method Methods 0.000 title claims abstract description 78
- 238000003384 imaging method Methods 0.000 claims abstract description 32
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 239000000284 extract Substances 0.000 claims abstract description 7
- 238000000034 method Methods 0.000 claims description 28
- 230000002123 temporal effect Effects 0.000 claims description 4
- 230000009466 transformation Effects 0.000 description 29
- 238000004891 communication Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 239000000725 suspension Substances 0.000 description 5
- 238000006243 chemical reaction Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/095—Predicting travel path or likelihood of collision
- B60W30/0956—Predicting travel path or likelihood of collision the prediction being responsive to traffic or environmental parameters
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
- G06V10/245—Aligning, centring, orientation detection or correction of the image by locating a pattern; Special marks for positioning
-
- 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
- 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
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W10/00—Conjoint control of vehicle sub-units of different type or different function
- B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2552/00—Input parameters relating to infrastructure
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2200/00—Indexing scheme for image data processing or generation, in general
- G06T2200/04—Indexing scheme for image data processing or generation, in general involving 3D image data
-
- 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
- G06T2207/10004—Still image; Photographic image
- G06T2207/10012—Stereo images
-
- 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
- G06T2207/30244—Camera pose
-
- 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
- G06T2207/30256—Lane; Road marking
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Geometry (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Image Analysis (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Image Processing (AREA)
- Traffic Control Systems (AREA)
Abstract
【課題】路面高さを精度よく推定して物体の位置を精度よく補正し、障害物を精度よく検出できる障害物検出技術を提供する。【解決手段】障害物検出装置10は、撮像装置30から車両の周囲の撮像画像を取得する情報取得部21と、撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し車両の周囲の物体の3次元位置を推定する3次元推定部22と、撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類部23と、3次元推定画像と属性画像とを融合して特徴点とクラスとを対応付けし路面クラスに対応付けられた特徴点である路面点を抽出する路面点抽出部24と、路面点に基づいて車両の周囲の路面の高さを推定する路面高さ推定部26と、路面の高さに基づいて車両の周囲の物体の3次元位置を補正する補正部27と、車両の周囲の物体の3次元位置に基づいて障害物を検出する障害物検出部28とを備える。【選択図】 図1
Description
本発明は、車両の周囲の撮像画像に基づいて障害物を検出する障害物検出装置、障害物検出方法および障害物検出プログラムに関する。
近年、自動運転への市場の期待が高まっており、自動で駐車するアプリケーションなども市場で求められている。自動で駐車を行う等を目的として車両を制御するためには、車両の周辺の状況を把握する必要があるため、車体の周辺に撮像装置が設けられる。車両を適切に制御するために、撮像装置により撮像された撮像画像を用いて障害物を検出する障害物検出システムが開発されている。例えば、特許文献1では、SfM(Structure from Motion)により推定した物体の3次元位置に基づいて、物体の高さが所定よりも高い場合に障害物として検出する。
撮像画像を用いて静止立体物としての障害物認識を行う場合、撮像装置の搭載情報であるキャリブレーション値を用いて画像変換や幾何計算を行う。このため、障害物の高さを推定するためには、キャリブレーション値の精度が確保されていることが重要であり、その中でも、撮像装置の搭載高さの精度は特に重要である。撮像装置の搭載高さにずれが生じると、路面高さにずれが生じ、車両の周囲の物体の3次元位置の推定結果に影響を及ぼす。撮像装置の搭載高さは、車両のエアサスペンションや積載量の影響を受けて一時的に変動することがあり、この場合、障害物の高さを適切に検出できないことが懸念される。
上記に鑑み、本発明は、路面高さを精度よく推定して物体の位置を精度よく補正し、障害物を精度よく検出できる障害物検出技術を提供することを目的とする。
本発明は、撮像装置により撮像された車両の周囲の撮像画像に基づいて、前記車両の周囲の障害物を検出する障害物検出装置を提供する。この障害物検出装置は、前記車両の周囲の撮像画像を取得する情報取得部と、前記撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、前記3次元推定画像に基づいて前記車両の周囲の物体の3次元位置を推定する3次元推定部と、前記撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類部と、前記3次元推定画像と前記属性画像とを融合して前記特徴点と前記クラスとを対応付けし、前記路面クラスに対応付けられた前記特徴点である路面点を抽出する路面点抽出部と、前記路面点に基づいて前記車両の周囲の路面の高さを推定する路面高さ推定部と、推定された前記路面の高さに基づいて、前記車両の周囲の物体の3次元位置を補正する補正部と、前記車両の周囲の物体の3次元位置に基づいて、前記車両の周囲の障害物を検出する障害物検出部と、を備える。
本発明に係る障害物検出装置によれば、路面点抽出部は、3次元推定部により作成された3次元推定画像と、画像分類部により作成された属性画像とを融合することにより、3次元推定画像における特徴点と、属性画像におけるクラスとを対応付けする。路面点抽出部は、さらに、路面点クラスに対応付けられた特徴点を路面点として抽出するため、精度よく路面点を抽出できる。路面点高さ推定部は、上記のように精度よく抽出された路面点に基づいて、路面の高さを推定するため、精度よく路面高さを推定できる。補正部は、精度よく推定された路面点高さに基づいて、車両の周囲の物体の3次元位置を補正するため、物体の3次元位置の精度を確保することができ、障害物検出部は、適宜補正された高精度の物体の3次元位置に基づいて、高精度に障害物を検出することができる。障害物検出装置によれば、車両のエアサスペンションや積載量の影響を受けて、撮像装置の搭載高さが一時的に変動する場合にも、路面高さを精度よく推定して物体の位置を精度よく補正し、障害物を精度よく検出できる。
また、本発明は、撮像装置により撮像された車両の周囲の撮像画像に基づいて、前記車両の周囲の障害物を検出する障害物検出装置に適用される障害物検出方法を提供することもできる。この障害物検出方法は、前記車両の周囲の撮像画像を取得する情報取得ステップと、前記撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、前記3次元推定画像に基づいて前記車両の周囲の物体の3次元位置を推定する3次元推定ステップと、前記撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類ステップと、前記3次元推定画像と前記属性画像とを融合して前記特徴点と前記クラスとを対応付けし、前記路面クラスに対応付けられた前記特徴点である路面点を抽出する路面点抽出ステップと、前記路面点に基づいて前記車両の周囲の路面の高さを推定する路面高さ推定ステップと、推定された前記路面の高さに基づいて、前記車両の周囲の物体の3次元位置を補正する補正ステップと、前記車両の周囲の物体の3次元位置に基づいて、前記車両の周囲の障害物を検出する障害物検出ステップと、を含む。
また、本発明は、撮像装置により撮像された車両の周囲の撮像画像に基づいて、前記車両の周囲の障害物を検出するために、記憶媒体に格納され、プロセッサに実行させる処理を含む障害物検出プログラムを提供することもできる。この障害物検出プログラムに係る前記処理は、前記車両の周囲の撮像画像を取得する情報取得ステップと、前記撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、前記3次元推定画像に基づいて前記車両の周囲の物体の3次元位置を推定する3次元推定ステップと、前記撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類ステップと、前記3次元推定画像と前記属性画像とを融合して前記特徴点と前記クラスとを対応付けし、前記路面クラスに対応付けられた前記特徴点である路面点を抽出する路面点抽出ステップと、前記路面点に基づいて前記車両の周囲の路面の高さを推定する路面高さ推定ステップと、推定された前記路面の高さに基づいて、前記車両の周囲の物体の3次元位置を補正する補正ステップと、前記車両の周囲の物体の3次元位置に基づいて、前記車両の周囲の障害物を検出する障害物検出ステップと、を含む。
上記の障害物検出方法および障害物検出プログラムによれば、障害物検出装置と同様に、車両のエアサスペンションや積載量の影響を受けて、撮像装置の搭載高さが一時的に変動する場合にも、路面高さを精度よく推定して物体の位置を精度よく補正し、障害物を精度よく検出できる。
(第1実施形態)
図1は、車両に搭載され、車両の周辺の障害物を検出する障害物検出システムを示す。障害物検出システムは、撮像装置30と、障害物検出装置10と、表示装置としてのディスプレイ17とを備えている。
図1は、車両に搭載され、車両の周辺の障害物を検出する障害物検出システムを示す。障害物検出システムは、撮像装置30と、障害物検出装置10と、表示装置としてのディスプレイ17とを備えている。
撮像装置30は、フロントカメラ31、リアカメラ32、左側カメラ33、右側カメラ34を含む。フロントカメラ31、リアカメラ32、左側カメラ33、および右側カメラ34は、それぞれ単眼のデジタルカメラである。なお、以下、フロントカメラ31、リアカメラ32、左側カメラ33、および右側カメラ34を簡略化してカメラ31、32、33、34と称することがある。カメラ31、32、33、34には、それぞれの視野角がそれぞれ180度に設定されている広角レンズ(具体的には、魚眼レンズ)が採用されている。
フロントカメラ31は、例えば、車両の進行方向前端(例えば、ラジエータグリル)に取り付けられており、車両の進行方向前方を撮像する。リアカメラ32は、車両の進行方向後端に取り付けられており、車両の後方を撮像する。左側カメラ33は、例えば、車両の左ドアミラーに取り付けられており、車両の車両幅方向左側を撮像する。右側カメラ34は、例えば、車両の右ドアミラーに取り付けられており、車両幅方向右側を撮像する。
カメラ31、32、33、34は、それぞれ、車両の周囲を撮像して、この撮像画像を示す画像データを障害物検出装置10の映像信号入力部11に出力する。映像信号入力部11は、カメラ31、32、33、34のそれぞれから出力される画像情報を取得して、取得した画像情報を画像処理部13に出力する。
障害物検出装置10は、マイクロコンピュータ等を主体として構成されており、CPU、ROM、RAM、I/Oおよびこれらの構成を接続する車載通信バス40と等を備えている。具体的には、障害物検出装置10は、映像信号入力部11、通信インタフェイス(通信I/F)12、画像処理部13、映像信号出力部14,メモリ15、電源部16を備えている。
通信I/F12は、車載通信バス40を介して車速センサ、舵角センサ、ソナー、シフトレンジ等に接続されており、車両の車速、舵角、シフトレンジ、ソナー情報等の車両情報を取得する。より具体的には、例えば、車速センサから、車両の速度である自車速度Vcに応じた信号が入力される。舵角センサから、車両の運転者によるステアリング操作に基づく車両の操舵角θsに応じた信号が入力される。ソナーから、超音波を探査波として車両周辺の障害物の探査した探査結果を示す信号が入力される。シフトレンジから、オートマチックトランスミッションのレンジ情報が入力される。このことにより、自車速度Vc、操舵角θs、探査波による車両周囲の探査結果、およびシフトレンジ情報が入力される。
メモリ15は、記憶部に相当し、RAM、ROM、書き込み可能な不揮発性記憶媒体等を含んでいる。メモリ15は、画像処理部13によって実行されるコンピュータプログラムを記憶している。
電源部16は、車両の電源スイッチがオンされたときに、画像処理部13がプログラムを実行するための電力を画像処理部13に供給する。映像信号出力部14は、画像処理部13によって処理された画像情報をディスプレイ17に出力する。
画像処理部13は、画像認識/障害物検出処理部20を有している。画像認識/障害物検出処理部20は、情報取得部21,3次元推定部22,セマンティックセグメンテーション(Semantic Segmentation:SS)部23,路面点抽出部24,判定部25,路面高さ推定部26,補正部27,障害物検出部28を備えている。画像処理部13は、メモリ15に予め記憶されているコンピュータプログラムを実行することにより、画像認識/障害物検出処理を実行する。
情報取得部21は、映像信号入力部11から入力された車両の周囲の撮像画像を取得する。例えば、図2に示すように、撮像装置30において撮像された魚眼レンズによる撮像画像50を取得する。撮像画像50には、空51a、立体静止物51b,51c、道路52a、道路52a上の白線52b,52c、タイヤ止め53a~53dが撮像されている。また、情報取得部21は、通信I/F12から入力された車両情報を取得する。
3次元推定部22は、撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、3次元推定画像に基づいて車両の周囲の物体の3次元位置を推定する。3次元推定部22は、図2に示すように、撮像画像50をSfMにより画像変換して、3次元推定画像としてのSfM画像60を作成する。撮像画像50からSfM画像60への画像変換を示す変換f1は、SfM順変換ルックアップテーブル(Look Up Table:LUT)を用いた座標変換により実行できる。SfM画像60から撮像画像50への画像変換を示す変換f2は、SfM順変換LUTの逆行列であるSfM逆変換LUTを用いた座標変換により実行できる。
SfM画像60においては、特徴点61~63が表示される。撮像画像50とSfM画像60とを比較すると、特徴点61は、立体静止物51b,51c上に表示された特徴点であり、特徴点62は、道路52aおよび白線52b,52c上に表示された特徴点であり、特徴点63は、タイヤ止め53a~53d上に表示された特徴点である。
SS部23は、撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類部の一例である。図2に示すように、撮像画像50をSSにより画像変換して、属性画像としてのSS画像70を作成する。撮像画像50からSS画像70への画像変換を示す変換f3は、SS順変換LUTを用いた座標変換により実行できる。SS画像70から撮像画像50への画像変換を示す変換f4は、SS順変換LUTの逆行列であるSS逆変換LUTを用いた座標変換により実行できる。
SS画像70においては、クラス分類として、背景クラス71、路面クラス72、タイヤ止め/縁石クラス73が色分けされ、分割されている。空51aおよび立体静止物51b,51cは、背景クラス71に分類され、道路52aおよび白線52b,52cは、路面クラスに分類され、タイヤ止め53a~53dは、タイヤ止め/縁石クラス73に分類されている。
路面点抽出部24は、3次元推定画像と属性画像とをフュージョン(融合)して特徴点とクラスとを対応付けし、路面クラスに対応付けられた特徴点である路面点を抽出する。SfM画像60とSS画像70とのフュージョンは、例えば、SfM画像60に対し変換f2を実行し、さらに、変換f3を実行することにより実現できる。
SfM画像60とSS画像70とのフュージョンにより、SfM画像60における特徴点61~63は、それぞれ、SS画像70における背景クラス71、路面クラス72、タイヤ止め/縁石クラス73に対応付けされる。路面クラス72に対応付けされた特徴点62が路面点として抽出される。
判定部25は、路面点についての各種判定を実行する。例えば、路面点の個数が所定の第1閾値X1以上であるか否かを判定するように構成されていてもよい。または、路面高さの推定に用いた路面点の個数が所定の第2閾値未満である場合には、推定信頼度が低いと判定し、路面高さの推定に用いた路面点の個数が所定の第2閾値以上である場合には、推定信頼度が高いと判定するように構成されていてもよい。第2閾値は、第1閾値と同じ値であってもよいし、異なる値であってもよい。
路面高さ推定部26は、路面点に基づいて車両の周囲の路面の高さを推定する。例えば、図3に示すように、抽出した複数の路面点について、路面点高さの度数分布を作成し、度数分布の頂点となる路面高さh1を路面高さとして推定するように構成されていてもよい。
路面高さ推定部26は、図3に示すような路面点の高さの度数分布について、その信頼性を判定し、度数分布が信頼できると判定した場合に、路面高さの度数分布に基づいて路面の高さを推定するように構成されていてもよい。例えば、度数分布が正規分布と見なせる場合には、度数分布が信頼できると判定し、路面高さを推定してもよい。路面高さの推定精度をより向上させることができる。
路面高さ推定部26は、判定部25により、抽出された路面点の数が所定の第1閾値以上であると判定された場合に、路面の高さを推定するように構成されていてもよい。路面高さの推定精度をより向上させることができる。
路面高さ推定部26は、所定の期間継続して路面クラスに対応付けられた路面点に基づいて路面の高さを推定するように構成されていてもよい。路面高さの推定精度をより向上させることができる。この場合、例えば、判定部25は、路面点が所定の期間継続して路面クラスに対応付けられていることを判定可能に構成されていてもよい。また、路面点抽出部24は、所定の期間継続して路面クラスに対応付けられた路面点のみを抽出するように構成されていてもよい。
路面高さ推定部26は、判定部25により、路面高さの推定に用いた路面点の個数が所定の第2閾値未満である場合には、推定信頼度が低いという情報とともに路面高さの推定結果を提供するように構成されていてもよい。また、路面高さ推定部26は、判定部25により、路面高さの推定に用いた路面点の個数が所定の第2閾値以上である場合には、推定信頼度が高いという情報とともに路面高さの推定結果を提供するように構成されていてもよい。路面高さの推定値を提供可能な状況を広げる一方で、推定信頼度という情報を提供することにより、様々な状況下で障害物検出や車両制御を適切に実行することが可能となる。
補正部27は、推定された路面の高さに基づいて、車両の周囲の物体の3次元位置を補正する。3次元推定部22によって物体の高さがzであると推定され、路面高さ推定部26により、路面の高さがhであると推定された場合、補正部27は、物体の高さをz-hに補正する。
補正部27は、路面高さ推定部26により推定された路面高さの経時変化に基づき、撮像装置30の搭載情報を補正するように構成されていてもよい。例えば、路面高さのずれが一定期間継続している場合には、撮像装置の搭載ずれが生じているとして、撮像装置の搭載情報を補正することにより、画像認識/障害物検出処理ごとに物体の3次元位置を補正することを回避して、処理負荷を軽減できる。
障害物検出部28は、車両の周囲の物体の3次元位置に基づいて、車両の周囲の障害物を検出する。補正部27により物体の3次元位置が補正された場合には、補正後の3次元位置に基づいて、障害物を検出する。障害物検出部28は、さらに、障害物が検出された場合には、車両が障害物に接触することを避けるために、車両の駆動源、ブレーキ装置を制御する処理を行う。
ディスプレイ17は、車室内に配置され、画像処理部13から映像信号出力部14を通して入力される画像情報に基づいて、画像を乗員に対して表示する。これにより、障害物検出システムでは、画像処理部13によって処理された画像を視認できる。
図1に示す障害物検出システムでは、障害物検出装置10の画像処理部13がメモリ15に記憶されたコンピュータプログラムである障害物検出プログラムを実行することにより、車両の周辺の障害物を検出して車両を制御する。図4に、画像処理部13が実行する画像認識/障害物検出処理のフローチャートを示す。このフローチャートに示す処理は、所定の間隔で継続して実行される。
ステップS101では、画像情報と、車両情報とを取得する。画像情報としては、映像信号入力部11を介して撮像装置30から車両の周囲の撮像画像を取得する。車両情報としては、通信I/F12を介して取得可能な自車速度Vc等の各種車両情報を取得する。その後、ステップS102に進む。
ステップS102では、ステップS101において取得した情報に基づいて、SfMによる3次元推定を実行する。具体的には、撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、3次元推定画像に基づいて車両の周囲の物体の3次元位置を推定する。図2に示すように、撮像画像50を画像情報として取得した場合には、SfM順変換LUTによる座標変換(変換f1)を行い、SfM画像60を作成する。作成したSfM画像60に基づいて、車両の周囲の物体の3次元位置を推定する。その後、ステップS103に進む。
ステップS103では、ステップS101において取得した情報に基づいて、SSによる画像分類を実行する。具体的には、撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する。図2に示すように、撮像画像50を画像情報として取得した場合には、SS順変換LUTによる座標変換(変換f3)を行い、SS画像70を作成する。その後、ステップS104に進む。
ステップS104では、ステップS102において作成したSfM画像と、ステップS103において作成したSS画像とをフュージョン(融合)する。これにより、SfM画像上の特徴点と、SS画像上のクラスとを対応付けする。図2に示すように、SfM画像60とSS画像70とをフュージョンする場合、例えば、まず、SfM逆変換LUTによる座標変換(変換f2)を行い、さらに、SS順変換LUTによる座標変換(変換f3)を行う。これによって、SfM画像60上の特徴点と、SS画像70上のクラスとを対応付けすることができる。その後、ステップS105に進む。
ステップS105では、ステップS104において、路面クラスに対応付けられた特徴点である路面点を抽出する。図2に示すように、路面クラス72に対応付けされた特徴点62が路面点として抽出され、蓄積される。その後、ステップS106に進む。
ステップS106では、ステップS105において抽出され、蓄積された路面点の数が所定の第1閾値X1以上であるか否かについて判定する。第1閾値X1は、例えば、図3に示すような度数分布が正規分布となるような個数を実験的または経験的に求めた値であってもよい。路面点の数≧X1であると判定された場合には、ステップS108に進む。路面点の数<X1であると判定された場合には、ステップS110に進む。
ステップS108では、S105において抽出され、蓄積された路面点に基づいて、車両の周囲の路面の高さを推定する。具体的には、例えば図3に示すように、抽出した複数の路面点について、路面点高さの度数分布を作成し、度数分布の頂点となる路面高さh1を路面高さとして推定する。その後、ステップS109に進む。
ステップS109では、ステップS108において推定された路面の高さに基づいて、ステップS102において推定された3次元推定結果を補正し、車両の周囲の物体の3次元位置を補正する。例えば、ステップS102において物体の高さがz1であると推定され、ステップS108において、路面の高さがh1であると推定された場合には、物体の高さをz1-h1に補正する。その後、ステップS110に進む。
ステップS110では、外部に出力する点を生成する。具体的には、車両の周囲の物体の3次元位置を表す点と、車両の周囲の物体の3次元位置に基づいて検出された障害物を表す点とを生成する。ステップS102において推定された物体の3次元位置についてステップS109に示す補正が行われた場合には、補正後の3次元位置に基づいて、障害物検出や外部に出力する点の作成が行われる。ステップS109に示す補正が行われなかった場合には、ステップS102において推定された物体の3次元位置(補正なしの3次元位置)に基づいて、障害物検出や外部に出力する点の作成が行われる。その後、ステップS111に進み、ディスプレイ17等に対する外部出力を実行した後、処理を終了する。
上記のとおり、この障害物検出プログラムに係る処理は、車両の周囲の撮像画像を取得する情報取得ステップ(ステップS101に相当する)と、撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、3次元推定画像に基づいて車両の周囲の物体の3次元位置を推定する3次元推定ステップ(ステップS102に相当する)と、撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類ステップ(ステップS103に相当する)と、3次元推定画像と属性画像とを融合して特徴点とクラスとを対応付けし、路面クラスに対応付けられた特徴点である路面点を抽出する路面点抽出ステップ(ステップS104,S105に相当する)と、路面点についての各種判定を実行する判定ステップ(ステップS106に相当する)と、路面点に基づいて車両の周囲の路面の高さを推定する路面高さ推定ステップ(ステップS108に相当する)と、推定された路面の高さに基づいて、車両の周囲の物体の3次元位置を補正する補正ステップ(ステップS109に相当する)と、車両の周囲の物体の3次元位置に基づいて、車両の周囲の障害物を検出する障害物検出ステップ(ステップS110に相当する)と、を含む。
また、この障害検出プログラムを実行することにより、障害物検出装置10は、上記の各ステップを含む障害検出方法を実行することができる。
ステップS102において作成されたSfM画像60と、ステップS103において作成されたSS画像70は、ステップS104においてフュージョン(融合)される。ステップS104では、さらに、SfM画像60における特徴点と、SS画像70におけるクラスとの対応付けが行われる。ステップS105では、さらに、路面点クラスに対応付けられた特徴点を路面点として抽出する。このため、精度よく路面点を抽出できる。さらに、ステップS106において、路面点の数が所定の第1閾値X1以上であると判定された場合に、ステップS108において、図3に示すような路面点の度数分布に基づいて、路面高さh1が推定される。ステップS108では、路面点高さ推定部は、ステップS102~S105において精度よく抽出された路面点が、所定の第1閾値X1以上蓄積された場合に、路面の高さを推定するため、精度よく路面高さを推定できる。ステップS109では、精度よく推定された路面点高さに基づいて、ステップS102において推定された車両の周囲の物体の3次元位置を補正するため、物体の3次元位置の精度を確保することができる。その結果、ステップS110において、適宜補正された高精度の物体の3次元位置に基づいて、高精度に障害物を検出することができる。
(第2実施形態)
図5に、第2実施形態に係る画像処理部13が実行する画像認識/障害物検出処理のフローチャートを示す。このフローチャートに示す処理は、所定の間隔で継続して実行される。図5に示すフローチャートは、ステップS207,S212,S213に示す処理を含む点において図4に示すフローチャートと相違する。図5に示すステップS201~S206,S208~S211に示す処理は、図4に示すステップS101~S106,S108~S111に示す処理と同様であるため、説明を省略する。
図5に、第2実施形態に係る画像処理部13が実行する画像認識/障害物検出処理のフローチャートを示す。このフローチャートに示す処理は、所定の間隔で継続して実行される。図5に示すフローチャートは、ステップS207,S212,S213に示す処理を含む点において図4に示すフローチャートと相違する。図5に示すステップS201~S206,S208~S211に示す処理は、図4に示すステップS101~S106,S108~S111に示す処理と同様であるため、説明を省略する。
ステップS206において、路面点の数≧X1であると判定された場合には、ステップS207に進む。ステップS207では、S205において抽出され、蓄積された路面点を用いて、路面点の高さの度数分布である路面点分布を作成する。さらに、路面点分布が適切であるか否かを判定する。具体的には、路面点分布が正規分布であると見なせる場合に、路面点分布は適切であると判定し、ステップS208に進む。路面点分布が正規分布であると見なせない場合に、路面点分布は不適切であると判定し、ステップS210に進む。
ステップS211において、外部出力を実行した後、ステップS212に進む。ステップS212では、路面の高さずれが一定期間継続しているか否かを判定する。継続している場合には、ステップS213に進み、カメラ31~34の搭載情報を補正する。継続していない場合には、ステップS213を実行することなく、そのまま処理を終了する。
図5に示す画像認識/障害物検出処理によれば、ステップS206において路面点の数が第1閾値X1以上であると判定した後に、さらに、ステップS207において、路面点分布が適正であると判定した場合に、ステップS208,S209に示す路面高さ推定ステップと補正ステップとを実行するため、より信頼性の高い路面点に基づいてより精度よく路面高さを推定でき、ひいては、物体の3次元位置をより精度よく補正できる。
また、ステップS212、S213において、ステップS208において推定された路面高さの経時変化に基づき、撮像装置30の搭載情報を補正する。ステップS212において、路面高さのずれが一定期間継続していると判定された場合には、撮像装置の搭載ずれが生じている可能性が高い。この場合、ステップS213において、撮像装置の搭載情報を補正することにより、画像認識/障害物検出処理ごとに物体の3次元位置を補正することを回避して、処理負荷を軽減できる。ステップS212において、路面高さのずれが一定期間継続していないと判定された場合には、車両のエアサスペンションや積載量の影響を受けて、撮像装置の搭載高さが一時的に変動している可能性が高い。この場合、ステップS213を実行しないで、そのまま処理を終了する。
上記の各実施形態によれば、下記の効果を得ることができる。
障害物検出装置10は、撮像装置30により撮像された車両の周囲の撮像画像に基づいて、車両の周囲の障害物を検出する。障害物検出装置10は、情報取得部21と、3次元推定部と、画像分類部(例えばSS部23)と、路面点抽出部24と、路面高さ推定部26と、補正部27と、障害物検出部28とを備えている。
情報取得部21は、車両の周囲の撮像画像(例えば、撮像画像50)を取得する。3次元推定部22は、撮像画像上の特徴点の3次元位置を表す3次元推定画像(例えば、SfM画像60)を作成し、3次元推定画像に基づいて車両の周囲の物体の3次元位置を推定する。画像分類部は、撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像(例えば、SS画像70)を作成する。路面点抽出部24は、3次元推定画像と属性画像とを融合して特徴点とクラスとを対応付けし、路面クラスに対応付けられた特徴点である路面点を抽出する。このため、路面点を精度よく路面点を抽出できる。路面高さ推定部26は、路面点に基づいて車両の周囲の路面の高さを推定する。補正部27は、推定された路面の高さに基づいて、車両の周囲の物体の3次元位置を補正する。障害物検出部28は、車両の周囲の物体の3次元位置に基づいて、車両の周囲の障害物を検出する。このため、精度よく路面高さの推定とこれに基づく補正とを実行でき、物体の3次元位置の精度を確保できる。その結果、高精度に障害物を検出できる。障害物検出装置10によれば、車両のエアサスペンションや積載量の影響を受けて、撮像装置の搭載高さが一時的に変動する場合にも、路面高さを精度よく推定して物体の位置を精度よく補正し、障害物を精度よく検出できる。
路面高さ推定部26は、路面点の高さの度数分布の信頼性を判定し、度数分布が信頼できると判定した場合に、路面高さの度数分布に基づいて路面の高さを推定するように構成されていてもよい。路面高さの推定精度をより向上させることができる。
路面高さ推定部26は、抽出された路面点の数が所定の第1閾値以上である場合に、路面の高さを推定するように構成されていてもよい。路面高さの推定精度をより向上させることができる。
路面高さ推定部26は、所定の期間継続して路面クラスに対応付けられた路面点に基づいて路面の高さを推定するように構成されていてもよい。路面高さの推定精度をより向上させることができる。
路面高さ推定部26は、路面高さの推定に用いた路面点の個数が所定の第2閾値未満である場合には、推定信頼度が低いという情報とともに路面高さの推定結果を提供するように構成されていてもよい。また、路面高さ推定部26は、路面高さの推定に用いた路面点の個数が所定の第2閾値以上である場合には、推定信頼度が高いという情報とともに路面高さの推定結果を提供するように構成されていてもよい。路面高さの推定値を提供可能な状況を広げる一方で、推定信頼度という情報を提供することにより、様々な状況下で障害物検出や車両制御を適切に実行することが可能となる。
補正部27は、路面高さ推定部により推定された路面高さの経時変化に基づき、撮像装置の搭載情報を補正するように構成されていてもよい。例えば、路面高さのずれが一定期間継続している場合には、撮像装置の搭載ずれが生じているとして、撮像装置の搭載情報を補正することにより、画像認識/障害物検出処理ごとに物体の3次元位置を補正することを回避して、処理負荷を軽減できる。
また、上記の障害物検出装置10に適用される障害物検出方法は、車両の周囲の撮像画像を取得する情報取得ステップと、撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、3次元推定画像に基づいて車両の周囲の物体の3次元位置を推定する3次元推定ステップと、撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類ステップと、3次元推定画像と属性画像とを融合して特徴点とクラスとを対応付けし、路面クラスに対応付けられた特徴点である路面点を抽出する路面点抽出ステップと、路面点に基づいて車両の周囲の路面の高さを推定する路面高さ推定ステップと、推定された路面の高さに基づいて、車両の周囲の物体の3次元位置を補正する補正ステップと、車両の周囲の物体の3次元位置に基づいて、車両の周囲の障害物を検出する障害物検出ステップと、を含む。この障害物検出方法は、障害物検出装置10について説明した各実施形態に対応するステップをさらに含んでいてもよい。
また、障害物検出装置10は、記憶媒体(例えばメモリ15)に格納され、プロセッサ(例えば画像処理部13)に実行させる処理を含む障害物検出プログラムを実行することにより、撮像装置30により撮像された車両の周囲の撮像画像に基づいて、車両の周囲の障害物を検出する。
この障害物検出プログラムに係る処理は、車両の周囲の撮像画像を取得する情報取得ステップと、撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、3次元推定画像に基づいて車両の周囲の物体の3次元位置を推定する3次元推定ステップと、撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類ステップと、3次元推定画像と属性画像とを融合して特徴点とクラスとを対応付けし、路面クラスに対応付けられた特徴点である路面点を抽出する路面点抽出ステップと、路面点に基づいて車両の周囲の路面の高さを推定する路面高さ推定ステップと、推定された路面の高さに基づいて、車両の周囲の物体の3次元位置を補正する補正ステップと、車両の周囲の物体の3次元位置に基づいて、車両の周囲の障害物を検出する障害物検出ステップと、を含む。この障害物検出プログラムに係る処理は、障害物検出装置10について説明した各実施形態に対応するステップをさらに含んでいてもよい。
本開示に記載の制御部及びその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の制御部及びその手法は、一つ以上の専用ハードウエア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の制御部及びその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリと一つ以上のハードウエア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。
10…障害物検出装置、21…情報取得部、22…3次元推定部、23…SS部、24…路面点抽出部、26…路面高さ推定部、27…補正部、28…障害物検出部
Claims (9)
- 撮像装置(30)により撮像された車両の周囲の撮像画像に基づいて、前記車両の周囲の障害物を検出する障害物検出装置(10)であって、
前記車両の周囲の撮像画像を取得する情報取得部(21)と、
前記撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、前記3次元推定画像に基づいて前記車両の周囲の物体の3次元位置を推定する3次元推定部(22)と、
前記撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類部(23)と、
前記3次元推定画像と前記属性画像とを融合して前記特徴点と前記クラスとを対応付けし、前記路面クラスに対応付けられた前記特徴点である路面点を抽出する路面点抽出部(24)と、
前記路面点に基づいて前記車両の周囲の路面の高さを推定する路面高さ推定部(26)と、
推定された前記路面の高さに基づいて、前記車両の周囲の物体の3次元位置を補正する補正部(27)と、
前記車両の周囲の物体の3次元位置に基づいて、前記車両の周囲の障害物を検出する障害物検出部(28)と、を備える障害物検出装置。 - 前記路面高さ推定部は、前記路面点の高さの度数分布の信頼性を判定し、前記度数分布が信頼できると判定した場合に、前記路面高さの度数分布に基づいて前記路面の高さを推定する請求項1に記載の障害物検出装置。
- 前記路面高さ推定部は、抽出された前記路面点の数が所定の第1閾値以上である場合に、前記路面の高さを推定する請求項1または2に記載の障害物検出装置。
- 前記路面高さ推定部は、所定の期間継続して路面クラスに対応付けられた前記路面点に基づいて前記路面の高さを推定する請求項1~3のいずれかに記載の障害物検出装置。
- 前記路面高さ推定部は、路面高さの推定に用いた前記路面点の個数が所定の第2閾値未満である場合には、推定信頼度が低いという情報とともに路面高さの推定結果を提供する請求項1~4のいずれかに記載の障害物検出装置。
- 前記路面高さ推定部は、路面高さの推定に用いた前記路面点の個数が所定の第2閾値以上である場合には、推定信頼度が高いという情報とともに路面高さの推定結果を提供する請求項1~5のいずれかに記載の障害物検出装置。
- 前記補正部は、前記路面高さ推定部により推定された路面高さの経時変化に基づき、前記撮像装置の搭載情報を補正する請求項1~6のいずれかに記載の障害物検出装置。
- 撮像装置(30)により撮像された車両の周囲の撮像画像に基づいて、前記車両の周囲の障害物を検出する障害物検出装置に適用される障害物検出方法であって、
前記車両の周囲の撮像画像を取得する情報取得ステップと、
前記撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、前記3次元推定画像に基づいて前記車両の周囲の物体の3次元位置を推定する3次元推定ステップと、
前記撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類ステップと、
前記3次元推定画像と前記属性画像とを融合して前記特徴点と前記クラスとを対応付けし、前記路面クラスに対応付けられた前記特徴点である路面点を抽出する路面点抽出ステップと、
前記路面点に基づいて前記車両の周囲の路面の高さを推定する路面高さ推定ステップと、
推定された前記路面の高さに基づいて、前記車両の周囲の物体の3次元位置を補正する補正ステップと、
前記車両の周囲の物体の3次元位置に基づいて、前記車両の周囲の障害物を検出する障害物検出ステップと、を含む障害物検出方法。 - 撮像装置(30)により撮像された車両の周囲の撮像画像に基づいて、前記車両の周囲の障害物を検出するために、記憶媒体(15)に格納され、プロセッサ(13)に実行させる処理を含む障害物検出プログラムであって、
前記処理は、
前記車両の周囲の撮像画像を取得する情報取得ステップと、
前記撮像画像上の特徴点の3次元位置を表す3次元推定画像を作成し、前記3次元推定画像に基づいて前記車両の周囲の物体の3次元位置を推定する3次元推定ステップと、
前記撮像画像上の物体を少なくとも路面クラスを含む1以上のクラスに分類した属性画像を作成する画像分類ステップと、
前記3次元推定画像と前記属性画像とを融合して前記特徴点と前記クラスとを対応付けし、前記路面クラスに対応付けられた前記特徴点である路面点を抽出する路面点抽出ステップと、
前記路面点に基づいて前記車両の周囲の路面の高さを推定する路面高さ推定ステップと、
推定された前記路面の高さに基づいて、前記車両の周囲の物体の3次元位置を補正する補正ステップと、
前記車両の周囲の物体の3次元位置に基づいて、前記車両の周囲の障害物を検出する障害物検出ステップと、を含む障害物検出プログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021147059A JP2023039777A (ja) | 2021-09-09 | 2021-09-09 | 障害物検出装置、障害物検出方法および障害物検出プログラム |
US17/930,363 US20230070221A1 (en) | 2021-09-09 | 2022-09-07 | Obstacle detection apparatus, obstacle detection method, and obstacle detection program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2021147059A JP2023039777A (ja) | 2021-09-09 | 2021-09-09 | 障害物検出装置、障害物検出方法および障害物検出プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023039777A true JP2023039777A (ja) | 2023-03-22 |
Family
ID=85386297
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021147059A Pending JP2023039777A (ja) | 2021-09-09 | 2021-09-09 | 障害物検出装置、障害物検出方法および障害物検出プログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US20230070221A1 (ja) |
JP (1) | JP2023039777A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117702587B (zh) * | 2024-02-05 | 2024-06-18 | 泰州市恒信建设工程质量检测有限公司 | 一种用于公路平整度的检测装置 |
-
2021
- 2021-09-09 JP JP2021147059A patent/JP2023039777A/ja active Pending
-
2022
- 2022-09-07 US US17/930,363 patent/US20230070221A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20230070221A1 (en) | 2023-03-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10776946B2 (en) | Image processing device, object recognizing device, device control system, moving object, image processing method, and computer-readable medium | |
US11288833B2 (en) | Distance estimation apparatus and operating method thereof | |
EP2701093B1 (en) | Sensing system and method for detecting moving objects | |
JP2016081525A (ja) | 車両用画像認識システム、及び対応法 | |
US10885351B2 (en) | Image processing apparatus to estimate a plurality of road surfaces | |
JP7270499B2 (ja) | 異常検出装置、異常検出方法、姿勢推定装置、および、移動体制御システム | |
WO2016157698A1 (ja) | 車両検出システム、車両検出装置、車両検出方法、及び車両検出プログラム | |
US20190001910A1 (en) | Image processing apparatus, imaging device, moving body device control system, image processing method, and program product | |
US8160300B2 (en) | Pedestrian detecting apparatus | |
US20210331680A1 (en) | Vehicle driving assistance apparatus | |
US20200090347A1 (en) | Apparatus for estimating movement information | |
JP2023039777A (ja) | 障害物検出装置、障害物検出方法および障害物検出プログラム | |
US20200065595A1 (en) | Driver state estimation device and driver state estimation method | |
JP2014146267A (ja) | 歩行者検出装置、運転支援装置 | |
JP6847709B2 (ja) | カメラ装置、検出装置、検出システムおよび移動体 | |
JP5411671B2 (ja) | 物体検出装置および運転支援システム | |
KR20120076999A (ko) | 차량의 거리 측정 장치 및 방법 | |
KR101976952B1 (ko) | 움직임 벡터를 이용한 객체 검출 시스템 및 그 방법 | |
JP6789151B2 (ja) | カメラ装置、検出装置、検出システムおよび移動体 | |
KR101875517B1 (ko) | 영상 처리 방법 및 장치 | |
EP3227827B1 (en) | Driver assistance system, motor vehicle and method for classifying a flow vector | |
JP4407921B2 (ja) | 障害物認識方法及び障害物認識装置 | |
JP2021051348A (ja) | 物体距離推定装置及び物体距離推定方法 | |
JP2020042715A (ja) | 移動情報推定装置、異常検出装置、および、移動情報推定方法 | |
WO2019013253A1 (ja) | 検出装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231009 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20240625 |