JP2023118437A - 物標算出方法、演算装置 - Google Patents
物標算出方法、演算装置 Download PDFInfo
- Publication number
- JP2023118437A JP2023118437A JP2022021389A JP2022021389A JP2023118437A JP 2023118437 A JP2023118437 A JP 2023118437A JP 2022021389 A JP2022021389 A JP 2022021389A JP 2022021389 A JP2022021389 A JP 2022021389A JP 2023118437 A JP2023118437 A JP 2023118437A
- Authority
- JP
- Japan
- Prior art keywords
- target
- rule
- targets
- fusion
- calculation method
- 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
- 238000004364 calculation method Methods 0.000 title claims abstract description 46
- 230000004927 fusion Effects 0.000 claims abstract description 67
- 238000001514 detection method Methods 0.000 claims abstract description 53
- 238000000034 method Methods 0.000 claims abstract description 47
- 238000012545 processing Methods 0.000 claims abstract description 35
- 238000007499 fusion processing Methods 0.000 claims abstract description 18
- 230000006866 deterioration Effects 0.000 claims description 36
- 238000010801 machine learning Methods 0.000 claims description 6
- 230000002093 peripheral effect Effects 0.000 abstract 1
- 238000010586 diagram Methods 0.000 description 21
- 238000012986 modification Methods 0.000 description 11
- 230000004048 modification Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 8
- 230000003068 static effect Effects 0.000 description 7
- 230000007613 environmental effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 4
- 230000015556 catabolic process Effects 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000014509 gene expression Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000001939 inductive effect Effects 0.000 description 1
- 230000003287 optical effect 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
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Theoretical Computer Science (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
【課題】物標の認識誤りを低減できる。【解決手段】物標算出方法は、周囲環境の情報を取得するセンサの出力であるセンサ出力を取得する取得部を備える演算装置が実行する物標算出方法であって、センサ出力を用いて複数の手法により、物標を検出して物標について少なくとも位置および種別を含む物標状態を検出する検出処理と、検出処理における複数の手法のそれぞれが検出する複数の物標から同一の物標を判定する同一物標判定処理と、同一物標判定処理において同一の物標であると判断された物標について、物標状態を融合し融合物標として出力する融合処理と、を含む。【選択図】図1
Description
本発明は、物標算出方法、および演算装置に関する。
車両の高度な自動運転を実現するために、機械学習を利用する手法が検討されている。特許文献1には、運転支援システムの検出アルゴリズムの検出能力を改善する方法において、検出結果をもたらす検出アルゴリズムを実行する処理エンティティを備える、車両に基づく運転支援システムを設けるステップであって、前記運転支援システムは前記車両の周囲における静的環境特徴量を検出する少なくとも1つのセンサを備えるステップと、前記センサから前記車両の処理エンティティで静的環境特徴量に関するセンサ情報を受信するステップと、前記受信されたセンサ情報を処理するステップにおいて、これにより処理されたセンサ情報を得るステップと、少なくとも1つの保存された静的環境特徴量を環境データソースから受信するステップと、処理されたセンサ情報を前記保存された静的環境特徴量と比較するステップと、処理されたセンサ情報と保存された静的環境特徴量との間に非一貫性が存在するか否かを判定するステップと、処理されたセンサ情報と保存された静的環境特徴量との間の非一貫性が判定される場合、機械学習アルゴリズムに基づいて、処理されたセンサ情報と前記保存された静的環境特徴量との比較結果から導出される訓練情報を前記機械訓練アルゴリズムに供給することにより前記検出アルゴリズムを修正するステップと、を備える方法が開示されている。
特許文献1に記載されている発明では、認識誤りが発生する場合がある。
本発明の第1の態様による物標算出方法は、周囲環境の情報を取得するセンサの出力であるセンサ出力を取得する取得部を備える演算装置が実行する物標算出方法であって、前記センサ出力を用いて複数の手法により、物標を検出して前記物標について少なくとも位置および種別を含む物標状態を検出する検出処理と、前記検出処理における前記複数の手法のそれぞれが検出する複数の前記物標から同一の物標を判定する同一物標判定処理と、前記同一物標判定処理において同一の物標であると判断された前記物標について、前記物標状態を融合し融合物標として出力する融合処理と、を含む。
本発明の第2の態様による演算装置は、周囲環境の情報を取得するセンサの出力であるセンサ出力を取得する取得部と、前記センサ出力を用いて複数の手法により、物標を検出して前記物標について少なくとも位置および種別を含む物標状態を検出する検出部と、前記検出部における前記複数の手法のそれぞれが検出する複数の前記物標から同一の物標を判定する同一物標判定部と、前記同一物標判定部が同一の物標であると判断した前記物標について、前記物標状態を融合し融合物標として出力する融合部と、を備える。
本発明の第2の態様による演算装置は、周囲環境の情報を取得するセンサの出力であるセンサ出力を取得する取得部と、前記センサ出力を用いて複数の手法により、物標を検出して前記物標について少なくとも位置および種別を含む物標状態を検出する検出部と、前記検出部における前記複数の手法のそれぞれが検出する複数の前記物標から同一の物標を判定する同一物標判定部と、前記同一物標判定部が同一の物標であると判断した前記物標について、前記物標状態を融合し融合物標として出力する融合部と、を備える。
本発明によれば、複数の手法を用いて物標を検出するので、認識誤りを低減できる。
―第1の実施の形態―
以下、図1~図7を参照して、演算装置および物標算出方法の第1の実施の形態を説明する。
以下、図1~図7を参照して、演算装置および物標算出方法の第1の実施の形態を説明する。
(構成)
図1は、演算装置1の機能構成図である。演算装置1は、第1センサ21、第2センサ22、および第3センサ23とともに車両9に搭載される。演算装置1は、第1算出部11と、第2算出部12と、同一物標判定部13と、認識融合部14と、を備える。
図1は、演算装置1の機能構成図である。演算装置1は、第1センサ21、第2センサ22、および第3センサ23とともに車両9に搭載される。演算装置1は、第1算出部11と、第2算出部12と、同一物標判定部13と、認識融合部14と、を備える。
第1センサ21、第2センサ22、および第3センサ23のそれぞれは、車両9の周囲環境の情報を取得するセンサである。第1センサ21、第2センサ22、および第3センサ23は、センシングして得られた情報をセンサ出力として演算装置1に出力する。第1センサ21、第2センサ22、および第3センサ23の具体的な構成は限定しないが、たとえばカメラ、レーザレンジファインダ、LiDAR(Light Detection And Ranging)などである。ただし、第1センサ21、第2センサ22、および第3センサ23のいずれかが同種のセンサであってもよい。
第1算出部11および第2算出部12は、センサ出力に基づき物標状態を算出する。本実施の形態では、物標状態とは物標の位置および種別である。ただし物標状態に物標の速度が含まれてもよい。物標の位置はたとえば、車両9の中心を原点とし、車両9の前方をX軸のプラス側、車両9の右手側をY軸のプラス側とする直交座標系の座標として算出される。物標の種別とは、自動車、二輪車、歩行者、走行区画線、停止線、信号機、ガードレール、および建物などである。第1算出部11には第1センサ21のセンサ出力が入力され、第2算出部12には第2センサ22および第3センサ23のセンサ出力が入力される。ただし同一のセンサのセンサ出力が第1算出部11および第2算出部12に入力されてもよい。
第1算出部11および第2算出部12は独立して動作し、物標状態、すなわち物標の位置および種別を算出する。第1算出部11、および第2算出部12は短い時間間隔、たとえば10msごとに物標状態を算出し、物標状態に識別子、すなわちIDを付して同一物標判定部13に出力する。
第1算出部11は、ルールベースでの物標の検出を行う。第1算出部11には、事前に定められた演算式等のルールの情報が含まれる。第1算出部11は、センサ出力をこのルールに従って処理することで、物標状態、すなわち物標の位置および種別を得る。以下では、第1算出部11が算出する物標を「ルール物標」と呼ぶ。また、第1算出部11による物標の算出を「ルールベース検出処理」とも呼ぶ。
第2算出部12は、機械学習に基づく物標の検出を行う。第2算出部12は、多数の学習用データを用いて学習用プログラムにより生成されたパラメータと、推論プログラムとを用いて、センサ出力を処理し、物標状態を得る。第2算出部12の処理は、既存データを用いた帰納的アプローチにより未知の現象に対する推論を実施することであるとも言える。以下では、第2算出部12が算出する物標を「AI物標」と呼ぶ。また、第2算出部12による物標の算出を「AI検出処理」とも呼ぶ。
同一物標判定部13は、第1算出部11が算出するルール物標と、第2算出部12が算出するAI物標との同一性を簡易に判定する。具体的には同一物標判定部13は、それぞれのAI物標から所定距離以下に存在する、最も近いルール物標を関連付ける。同一物標判定部13は、AI物標を基準とした処理のみを行い、ルール物標を基準とした処理は行わない。認識融合部14は、同一物標判定部13の判定結果を用いてルール物標とAI物標とを融合して出力する。以下では、認識融合部14が出力する物標を「融合物標」と呼ぶ。本実施の形態では、物標の存在有無および物標の位置の判断にはルール物標を用い、物標の種別の判断にはAI物標を用いる。認識融合部14が出力する物標状態は、車両9に搭載する他の装置により、たとえば自動運転や高度運転支援システムを実現するために利用される。
図2は、同一物標判定部13の処理の一例を示す図である。図2に示す4つのルール物標、および4つのAI物標が算出された場合に、同一物標判定部13は図示右側のように同一判定結果において関連付けを行う。図2において「#」は、関連付けられる物標が存在しないことを示している。図2に示す例では、AI物標B1から所定距離以下、かつ最も近いルール物標がA1であった。また、AI物標B2およびB3から所定距離以下、かつ最も近いルール物標がA2であった。さらに、AI物標B4から所定距離以下のルール物標が存在しなかったことが示されている。AI物標B4に打消し線が付されている理由は後述する。
図3は、演算装置1のハードウエア構成図である。演算装置1は、中央演算装置であるCPU41、読み出し専用の記憶装置であるROM42、読み書き可能な記憶装置であるRAM43、および通信装置44を備える。CPU41がROM42に格納されるプログラムをRAM43に展開して実行することで前述の様々な演算を行う。
演算装置1は、CPU41、ROM42、およびRAM43の組み合わせの代わりに書き換え可能な論理回路であるFPGA(Field Programmable Gate Array)や特定用途向け集積回路であるASIC(Application Specific Integrated Circuit)により実現されてもよい。また演算装置1は、CPU41、ROM42、およびRAM43の組み合わせの代わりに、異なる構成の組み合わせ、たとえばCPU41、ROM42、RAM43とFPGAの組み合わせにより実現されてもよい。通信装置44は、たとえばIEEE802.3に対応する通信インタフェースであり、車両9に搭載される他の装置と演算装置1との情報の授受を行う。通信装置44は車両9に搭載されるセンサからセンサ出力を取得するので、「取得部」と呼ぶこともできる。
(動作)
図4は、演算装置1の処理を示すフローチャートである。ただし、図4に示す処理が開始される前に、第1算出部11および第2算出部による物標の検出が完了している。図4では、まずステップS301において、同一物標判定部13はAI物標を1つ選択する。続くステップS302では同一物標判定部13は、ステップS301において選択したAI物標に位置が最も近いルール物標を特定する。
図4は、演算装置1の処理を示すフローチャートである。ただし、図4に示す処理が開始される前に、第1算出部11および第2算出部による物標の検出が完了している。図4では、まずステップS301において、同一物標判定部13はAI物標を1つ選択する。続くステップS302では同一物標判定部13は、ステップS301において選択したAI物標に位置が最も近いルール物標を特定する。
続くステップS303では同一物標判定部13は、ステップS301において選択したAI物標と、ステップS302において特定したルール物標との距離が所定の閾値以下であるか否かを判断する。同一物標判定部13は、両者の距離が所定の閾値以下であると判断する場合はステップS304に進み、これらAI物標とルール物標とを関連付ける。なお、図2の例で示したように、1つのルール物標が複数のAI物標に関連付けられることもある。
同一物標判定部13は、両者の距離が所定の閾値よりも遠いと判断する場合はステップS305に進み、ステップS301において選択したAI物標を削除する。この削除処理は、たとえば図2に示す例においてAI物標B4が打消し線で表示されていたことに相当する。なおルール物標が検出されていない場合には、AI物標とルール物標との距離は無限であるとして、ステップS303において否定判断がされる。
ステップS304またはステップS305の次に実行されるステップS306では同一物標判定部13は、未処理のAI物標が存在するか否かを判断する。同一物標判定部13は、未処理のAI物標が存在すると判断する場合はステップS301に戻り、未処理のAI物標は存在しないと判断する場合はステップS311に進む。ステップS311では認識融合部14は、未選択のルール物標を1つ選択する。続くステップS312では認識融合部14は、ステップS311において選択したルール物標に関連付けられているAI物標の数を判断する。
認識融合部14は、関連付けられているルール物標が「0」、すなわちいずれのルール物標にも関連付けられていないと判断する場合には、ルール物標が有する位置情報および種別情報を採用する。たとえば図2に示す例のルール物標A3およびA4がこの例に相当する。認識融合部14は、関連付けられているルール物標が「1」と判断する場合には、ルール物標の位置とAI物標の種別を組み合わせた物標とする。たとえば図2に示す例のルール物標A1がこの例に相当する。
認識融合部14は、関連付けられているルール物標が「2以上」と判断する場合には、ルール物標の位置を有し、それぞれのAI物標の種別を組み合わせた複数の物標とする。たとえば図2に示す例のルール物標A2がこの例に相当する。ステップS313~S315のいずれかがの処理が完了すると実行されるステップS316では認識融合部14は、未処理、すなわちステップS311において選択されていないルール物標が存在するか否かを判断する。認識融合部14は、未処理のルール物標が存在すると判断する場合はステップS311に戻り、未処理のルール物標が存在しないと判断する場合は図4に示す処理を終了する。
(動作例)
以下では、図5~図7を参照して3つの動作例を説明する。それぞれの動作例では、ルール物標、AI物標、および融合物標の関係を説明するために、それぞれの物標のみを記載した模式図を示す。
以下では、図5~図7を参照して3つの動作例を説明する。それぞれの動作例では、ルール物標、AI物標、および融合物標の関係を説明するために、それぞれの物標のみを記載した模式図を示す。
図5は、第1の動作例を示す図である。図5に示す3つの図では、左から順番に、ルール物標、AI物標、および融合物標を示す。各図において下部に示す白抜きの四角は車両9であり、上部に示すハッチングつきの四角が検出された物標である。後述する図6および図7も同様である。ルール算出部11は、符号1101で示すように、車両9の遠方に1つの物標A1を検出した。AI算出部12は、符号1102で示すように、車両9の遠方に2つの物標B1およびB2を検出した。本例では、AI物標B1とルール物標A1との距離は所定の閾値以下であり、AI物標B2とルール物標A1との距離は所定の閾値以下である。
この場合には図4のフローチャートにおいて次のように処理される。すなわち、AI物標B1およびB2の両方について、図4のステップS303が肯定判断され、ステップS304においてルール物標A1と関連付けられる。そして、ステップS312ではルール物標A1に2つのAI物標が関連付けられているのでステップS315に進み、符号1103で示すようにルール物標A1の位置を有する2つの融合物標が出力される。
図6は、第2の動作例を示す図である。ルール算出部11は、符号1201で示すように、何ら物標を検出しなかった。AI算出部12は、符号1202で示すように、車両の遠方に2つの物標B3およびB4を検出した。この場合には図4のフローチャートにおいて次のように処理される。すなわち、ステップS301において物標B3およびB4のいずれが選択された場合にも、存在しないルール物標との距離が無限とされ、ステップS303において否定判断がされる。そのため、ステップS305において物標B3およびB4が削除される。本例では、ルール物標が存在しないのでステップS311~S316の処理が行われず、その結果として符号S1203に示すように、認識融合部14は融合物標を出力しない。
図7は、第3の動作例を示す図である。ルール算出部11は、符号1301で示すように、1つのルール物標A2を検出した。AI算出部12は、符号1302で示すように、何ら物標を検出しなかった。この場合には図4のフローチャートにおいて次のように処理される。すなわち、AI物標が検出されていないのでステップS301~S305の処理は行われることなくステップS306が否定判断されてステップS311に進む。ステップS311では物標A2が選択され、続くステップS312では認識融合部14は、関連するAI物標が存在しないのでステップS313に進む。ステップS313ではルール物標A2の情報がそのまま融合物標に採用される。
上述した第1の実施の形態によれば、次の作用効果が得られる。
(1)周囲環境の情報を取得するセンサの出力であるセンサ出力を取得する通信装置44は、次の物標算出方法を実行する。物標算出方法は、第1算出部11および第2算出部12が実行する、センサ出力を用いて複数の手法により、物標を検出して物標について少なくとも位置および種別を含む物標状態を検出する検出処理と、同一物標判定部13が実行する、検出処理における複数の手法のそれぞれが検出する複数の物標から同一の物標を判定する同一物標判定処理と、認識融合部14が実行する、同一物標判定処理において同一の物標であると判断された物標について、物標状態を融合し融合物標として出力する融合処理と、を含む。そのため、演算装置1が実行する物標算出手法では、複数の手法を用いて物標を検出するので、認識誤りを低減できる。
(1)周囲環境の情報を取得するセンサの出力であるセンサ出力を取得する通信装置44は、次の物標算出方法を実行する。物標算出方法は、第1算出部11および第2算出部12が実行する、センサ出力を用いて複数の手法により、物標を検出して物標について少なくとも位置および種別を含む物標状態を検出する検出処理と、同一物標判定部13が実行する、検出処理における複数の手法のそれぞれが検出する複数の物標から同一の物標を判定する同一物標判定処理と、認識融合部14が実行する、同一物標判定処理において同一の物標であると判断された物標について、物標状態を融合し融合物標として出力する融合処理と、を含む。そのため、演算装置1が実行する物標算出手法では、複数の手法を用いて物標を検出するので、認識誤りを低減できる。
(2)演算装置1が実行する検出処理は、第1算出部11が実行する、センサ出力を用いてルールベースにより物標であるルール物標を検出するルールベース検出処理と、第2算出部12が実行する、センサ出力を用いて機械学習に基づき物標であるAI物標を検出するAI検出処理と、を含む。そのため、性質が異なるルールベース検出と機械学習の2つの手法に基づき物標を検出できる。
(3)同一物標判定処理では、図4のステップS302~S304に示すようにAI物標からの距離が所定距離以内であるルール物標を同一の物標と判定して関連付けを行う。融合処理では、同一物標判定部が所定距離以内にルール物標が存在しないと判断したAI物標に基づく融合物標の生成を行わない。そのため、存在しない物標を誤って検出する過検出の傾向があるAI検出処理でのみ検出された物標は、誤検出と判断して出力を抑制できる。
(4)融合処理では、図4のステップS312~S315に示すように、関連付けられるAI物標が1つ以上であるルール物標について、AI物標の物標状態とルール物標の物標状態とに基づいて算出された物標状態を融合物標として出力し、関連付けられるAI物標が存在しないルール物標について、当該ルール物標を融合物標として出力する。そのため、相互に関連付けられたAI物標とルール物標は両者の情報を用いて融合物標を出力し、過検出が発生しにくいルールベース検出により検出され、かつ関連付けられるAI物標が存在しないルール物標はルール物標の情報をそのまま融合物標として出力することで、精度が高くかつ漏れがない物標の検出が可能となる。
(5)融合処理では、図4のステップS314に示すように、関連付けられるAI物標が1つのみであるルール物標について、AI物標の種別とルール物標の位置とを組み合わせた融合物標として出力する。図4のステップS315に示すように、関連付けられるAI物標が2つ以上であるルール物標について、ルール物標の位置とそれぞれのAI物標の種別とを組み合わせた複数の融合物標として出力する。図4のステップS313に示すように、関連付けられるAI物標が存在しないルール物標について、当該ルール物標を融合物標として出力する。一般に、近接して同一速度で走行している2台の車両を、正しく2台と判定することはルールベース検出では容易ではない。本実施の形態では、このような場合にAI検出処理の結果を採用することで物標の検出精度を上げることができる。
(変形例1)
図4のステップS314およびS315において、ルール物標の位置情報をそのまま採用する代わりに、ルール物標の情報とAI物標の情報との加重平均値を採用してもよい。ただしこの場合には、AI物標の情報よりもルール物標の情報の重みが高くなるように予め定めた係数を設定する。換言すると、この場合の融合物標の位置は、AI物標の位置よりもルール物標の位置に近い位置を有する。
図4のステップS314およびS315において、ルール物標の位置情報をそのまま採用する代わりに、ルール物標の情報とAI物標の情報との加重平均値を採用してもよい。ただしこの場合には、AI物標の情報よりもルール物標の情報の重みが高くなるように予め定めた係数を設定する。換言すると、この場合の融合物標の位置は、AI物標の位置よりもルール物標の位置に近い位置を有する。
また、物標状態に速度情報が含まれる場合には、第1の実施の形態における位置情報と同様にルール物標の情報のみを採用してもよいし、ルール物標の情報とAI物標の情報との加重平均値を採用してもよい。ただしこの場合にも、AI物標の情報よりもルール物標の情報の重みが高くなるように予め定めた係数を設定する。換言すると、この場合のそれぞれの融合物標の位置は、それぞれのAI物標の位置よりもルール物標の位置に近い位置を有する。
(6)融合処理では、関連付けられるAI物標が1つのみであるルール物標について、AI物標の位置よりもルール物標の位置に近い位置を有する融合物標として出力し、関連付けられるAI物標が2つ以上であるルール物標について、AI物標の位置よりもルール物標の位置に近い位置を有する複数の融合物標として出力し、関連付けられるAI物標が存在しないルール物標について、当該ルール物標を融合物標として出力する。
(変形例2)
図7は、変形例2における演算装置1の機能構成図である。図7に示す演算装置1は、第1の実施の形態における演算装置1の構成に対して縮退判定部18をさらに備える。縮退判定部18は、第1算出部11が出力するルール物標と第2算出部12が出力するAI物標とが大きく異なる場合に、車両9に縮退動作の指令を出力する。縮退判定部18はたとえば、いずれのルール物標もAI物標との距離が所定の距離以上である場合や、ルール物標の数とAI物標の数が所定の比率以上の差を有する場合に、ルール物標とAI物標とが大きく異なると判断する。縮退動作の指令とは、車両9の機能を制限する指令である。たとえば車両9に自動運転システムが備わっている場合には、縮退動作の指令とは、自動運転システムへの手動運転への切り替え指令や車両の停止指令である。
図7は、変形例2における演算装置1の機能構成図である。図7に示す演算装置1は、第1の実施の形態における演算装置1の構成に対して縮退判定部18をさらに備える。縮退判定部18は、第1算出部11が出力するルール物標と第2算出部12が出力するAI物標とが大きく異なる場合に、車両9に縮退動作の指令を出力する。縮退判定部18はたとえば、いずれのルール物標もAI物標との距離が所定の距離以上である場合や、ルール物標の数とAI物標の数が所定の比率以上の差を有する場合に、ルール物標とAI物標とが大きく異なると判断する。縮退動作の指令とは、車両9の機能を制限する指令である。たとえば車両9に自動運転システムが備わっている場合には、縮退動作の指令とは、自動運転システムへの手動運転への切り替え指令や車両の停止指令である。
(変形例3)
演算装置1は、3以上の物標状態検出部を備えてもよい。それぞれの物標状態算出部は、動作原理によりルール検出部とAI検出部のいずれかに分類され、ルール検出部に分類される物標状態算出部が算出する物標はルール物標とされ、AI検出部に分類される物標状態算出部が算出する物標はAI物標とされる。同一物標判定部13および認識融合部14の処理は第1の実施の形態と同様である。
演算装置1は、3以上の物標状態検出部を備えてもよい。それぞれの物標状態算出部は、動作原理によりルール検出部とAI検出部のいずれかに分類され、ルール検出部に分類される物標状態算出部が算出する物標はルール物標とされ、AI検出部に分類される物標状態算出部が算出する物標はAI物標とされる。同一物標判定部13および認識融合部14の処理は第1の実施の形態と同様である。
(変形例4)
認識融合部14は、算出した融合物標のそれぞれが、過去に算出したいずれの融合物標と一致するかをさらに判断してもよい。この判断にはたとえば、融合物標の位置、速度、および種別を用いることができる。認識融合部14は、個々の融合物標を識別するIDを付し、異なる時刻における同一の融合物標には同一のIDを付すことが望ましい。
認識融合部14は、算出した融合物標のそれぞれが、過去に算出したいずれの融合物標と一致するかをさらに判断してもよい。この判断にはたとえば、融合物標の位置、速度、および種別を用いることができる。認識融合部14は、個々の融合物標を識別するIDを付し、異なる時刻における同一の融合物標には同一のIDを付すことが望ましい。
―第2の実施の形態―
図9~図10を参照して、演算装置および物標算出方法の第2の実施の形態を説明する。以下の説明では、第1の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第1の実施の形態と同じである。本実施の形態では、主に、状況に応じて融合物標におけるAI物標とルール物標の比率を変更する点で、第1の実施の形態と異なる。
図9~図10を参照して、演算装置および物標算出方法の第2の実施の形態を説明する。以下の説明では、第1の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第1の実施の形態と同じである。本実施の形態では、主に、状況に応じて融合物標におけるAI物標とルール物標の比率を変更する点で、第1の実施の形態と異なる。
図9は、第2の実施の形態における演算装置1Aの機能構成図である。図9に示す演算装置1Aは、第1の実施の形態における演算装置1の構成に対して、劣化検出部15、および比率設定部16をさらに備える。また、第1算出部11および第2算出部12は、検出した物標状態の確からしさを示す数値を合わせて出力する。この確からしさを示す数値は、たとえば0~1の値であり、値が大きいほど確かであることを示す。劣化検出部15は、センサ出力の劣化を検出して劣化の種類を比率設定部16に出力する。ただし劣化検出部15は、センサ出力の劣化を検出しない場合には劣化がない旨を比率設定部16に出力する。
劣化検出部15が検出するセンサ出力の劣化には、センサに何らかの原因がある出力の劣化と、周囲環境に原因がある出力の劣化とが含まれる。センサに原因がある出力の劣化とは、たとえばセンサがカメラである場合におけるレンズや撮像素子への汚れの付着などである。周囲環境に原因がある出力の劣化とは、たとえばセンサがカメラである場合における逆光、降雨、砂ぼこり、および夜間、たとえばセンサがレーダの場合における電波反射物の存在などである。劣化検出部15は、センサ出力を用いてセンサ出力の劣化を検出してもよいし、通信により外部から情報を取得してセンサ出力の劣化を推定してもよい。
比率設定部16は、センサ出力の劣化の種類に応じて、融合処理におけるルール物標とAI物標の比率を同一物標判定部13および認識融合部14に設定する。本実施の形態では、演算装置1Aは記憶部であるROM42に割合情報17が格納される。割合情報17には、センサ出力の劣化の種類ごとに、融合処理における物標の存在確率、物標の位置、および物標の種別を決定する際のルール物標とAI物標の比率の情報が格納される。
図10は、割合情報17の一例を示す図である。図10に示す例では、センサ出力に劣化がない「通常」、レンズ汚れ、電波反射物、雨天、および夜間のそれぞれについて、物標の存在確率、物標の位置、および物標の種別を決定する際のルール物標とAI物標の比率が記載されている。比率設定部16はたとえば、劣化検出部15がレンズ汚れを通知すると、図10において破線で囲む6つの数値の情報を同一物標判定部13および認識融合部14に出力する。
同一物標判定部13および認識融合部14における処理について、第1の実施の形態との相違点を説明する。なお、割合情報17が「通常」の数値を出力する場合の同一物標判定部13および認識融合部14の処理は、第1の実施の形態と同一である。同一物標判定部13は、図4のステップS304において存在確率の割合に応じて各位置における物標の存在を判断する。たとえば同一物標判定部13は、あるAI物標B9から所定距離以内にルール物標A9が存在する場合に、両者を関連付けるか否かを次のように判断する。すなわち同一物標判定部13は、第2算出部12が算出するAI物標B9の確からしさと割合情報17におけるAI物標の存在確率の係数の値との積と、第1算出部11が算出するルール物標A9の確からしさと割合情報17におけるルール物標の存在確率の係数の値との積との和が、所定の閾値、たとえば「1.0」を超える場合に両者を関連付ける。
認識融合部14は、図4のステップS314およびS315の処理を次のように変更する。すなわち認識融合部14は、融合物標の位置をルール物標の位置とAI物標の位置との加重平均により算出し、加重平均の係数に比率設定部16が出力する割合情報17の値を用いる。また認識融合部14は、融合物標の種別を、ルール物標の確からしさに割合情報17のルール物標の種別の係数をかけ合わせた値と、AI物標の確からしさに割合情報17のAI物標の種別の係数をかけ合わせた値のどちらか大きいの物標における種別を採用する。
上述した第2の実施の形態によれば、次の作用効果が得られる。
(7)演算装置1Aは、センサ出力の劣化を検出する劣化検出処理を含む。融合処理は、劣化検出処理によりセンサ出力の劣化が検出されると、AI物標およびルール物標を予め定めた割合により融合して融合物標を生成する。そのため演算装置1Aは、ルール物標とAI物標の情報を融合した融合物標を生成できる。
(7)演算装置1Aは、センサ出力の劣化を検出する劣化検出処理を含む。融合処理は、劣化検出処理によりセンサ出力の劣化が検出されると、AI物標およびルール物標を予め定めた割合により融合して融合物標を生成する。そのため演算装置1Aは、ルール物標とAI物標の情報を融合した融合物標を生成できる。
(8)演算装置1Aは、演算装置1Aは、センサ出力の劣化の種類ごとにAI物標およびルール物標の割合を定めた割合情報17を格納するROM42を備える。融合処理は、センサ出力の劣化の種類を特定し、割合情報を参照してAI物標およびルール物標の割合を特定する。そのため演算装置1Aは、状況に合わせて最適な重みづけでルール物標とAI物標の情報を融合した融合物標を生成できる。特に、第2算出部12が用いるパラメータを生成する際に用いた学習データに含まれるセンサ出力の劣化状態であれば、AI検出処理の信頼性が比較的高いため割合情報17において高い比率を設定でき、認識の精度を上げることができる。
(第2の実施の形態の変形例)
センサ出力の劣化をセンサ出力の一部分ずつに適用してもよい。たとえばセンサがカメラの場合に、劣化検出部15はカメラが撮影して得られる撮影画像を複数の領域に分割し、その領域ごとに出力の劣化を判断して領域ごとに劣化の種類を比率設定部16にする。比率設定部16は、センサ出力の領域ごとに割合情報17に基づきAI物標とルール物標の比率を決定し、同一物標判定部13および認識融合部14は、センサ出力の領域ごとに比率設定部16から指定された比率でAI物標とルール物標を融合して融合物標を生成する。
センサ出力の劣化をセンサ出力の一部分ずつに適用してもよい。たとえばセンサがカメラの場合に、劣化検出部15はカメラが撮影して得られる撮影画像を複数の領域に分割し、その領域ごとに出力の劣化を判断して領域ごとに劣化の種類を比率設定部16にする。比率設定部16は、センサ出力の領域ごとに割合情報17に基づきAI物標とルール物標の比率を決定し、同一物標判定部13および認識融合部14は、センサ出力の領域ごとに比率設定部16から指定された比率でAI物標とルール物標を融合して融合物標を生成する。
上述した各実施の形態および変形例において、機能ブロックの構成は一例に過ぎない。別々の機能ブロックとして示したいくつかの機能構成を一体に構成してもよいし、1つの機能ブロック図で表した構成を2以上の機能に分割してもよい。また各機能ブロックが有する機能の一部を他の機能ブロックが備える構成としてもよい。
上述した各実施の形態および変形例において、プログラムはROM42に格納されるとしたが、プログラムは不図示の不揮発性記憶装置に格納されていてもよい。また、演算装置1が不図示の入出力インタフェースを備え、必要なときに入出力インタフェースと演算装置1が利用可能な媒体を介して、他の装置からプログラムが読み込まれてもよい。ここで媒体とは、例えば入出力インタフェースに着脱可能な記憶媒体、または通信媒体、すなわち有線、無線、光などのネットワーク、または当該ネットワークを伝搬する搬送波やディジタル信号、を指す。また、プログラムにより実現される機能の一部または全部がハードウエア回路やFPGAにより実現されてもよい。
上述した各実施の形態および変形例は、それぞれ組み合わせてもよい。上記では、種々の実施の形態および変形例を説明したが、本発明はこれらの内容に限定されるものではない。本発明の技術的思想の範囲内で考えられるその他の態様も本発明の範囲内に含まれる。
1、1A…演算装置
11…第1算出部、ルール算出部
12…第2算出部、AI算出部
13…同一物標判定部
14…認識融合部
15…劣化検出部
16…比率設定部
17…割合情報
18…縮退判定部
44…通信装置
11…第1算出部、ルール算出部
12…第2算出部、AI算出部
13…同一物標判定部
14…認識融合部
15…劣化検出部
16…比率設定部
17…割合情報
18…縮退判定部
44…通信装置
Claims (9)
- 周囲環境の情報を取得するセンサの出力であるセンサ出力を取得する取得部を備える演算装置が実行する物標算出方法であって、
前記センサ出力を用いて複数の手法により、物標を検出して前記物標について少なくとも位置および種別を含む物標状態を検出する検出処理と、
前記検出処理における前記複数の手法のそれぞれが検出する複数の前記物標から同一の物標を判定する同一物標判定処理と、
前記同一物標判定処理において同一の物標であると判断された前記物標について、前記物標状態を融合し融合物標として出力する融合処理と、を含む物標算出方法。 - 請求項1に記載の物標算出方法において、
前記検出処理は、
前記センサ出力を用いてルールベースにより物標であるルール物標を検出するルールベース検出処理と、
前記センサ出力を用いて機械学習に基づき物標であるAI物標を検出するAI検出処理と、を含む、物標算出方法。 - 請求項2に記載の物標算出方法において、
前記同一物標判定処理では、前記AI物標からの距離が所定距離以内である前記ルール物標を同一の物標と判定して関連付けを行い、
前記融合処理では、前記同一物標判定処理において所定距離以内に前記ルール物標が存在しないと判断された前記AI物標に基づく前記融合物標の生成を行わない、物標算出方法。 - 請求項2に記載の物標算出方法において、
前記融合処理では、
関連付けられる前記AI物標が1つ以上である前記ルール物標について、前記AI物標の前記物標状態と前記ルール物標の物標状態とに基づいて算出された前記物標状態を前記融合物標として出力し、
関連付けられる前記AI物標が存在しない前記ルール物標について、当該ルール物標を前記融合物標として出力する、物標算出方法。 - 請求項4に記載の物標算出方法において、
前記融合処理では、
関連付けられる前記AI物標が1つのみである前記ルール物標について、前記AI物標の種別と前記ルール物標の位置とを組み合わせた前記融合物標として出力し、
関連付けられる前記AI物標が2つ以上である前記ルール物標について、前記ルール物標の位置とそれぞれの前記AI物標の種別とを組み合わせた複数の前記融合物標として出力し、
関連付けられる前記AI物標が存在しない前記ルール物標について、当該ルール物標を前記融合物標として出力する、物標算出方法。 - 請求項4に記載の物標算出方法において、
前記融合処理では、
関連付けられる前記AI物標が1つのみである前記ルール物標について、前記AI物標の位置よりも前記ルール物標の位置に近い位置を有する前記融合物標として出力し、
関連付けられる前記AI物標が2つ以上である前記ルール物標について、前記AI物標の位置よりも前記ルール物標の位置に近い位置を有する複数の前記融合物標として出力し、
関連付けられる前記AI物標が存在しない前記ルール物標について、当該ルール物標を前記融合物標として出力する、物標算出方法。 - 請求項2に記載の物標算出方法において、
前記センサ出力の劣化を検出する劣化検出処理をさらに含み、
前記融合処理は、前記劣化検出処理により前記センサ出力の劣化が検出されると、前記AI物標および前記ルール物標を予め定めた割合により融合して前記融合物標を生成する、物標算出手法。 - 請求項7に記載の物標算出方法において、
前記演算装置は、前記センサ出力の劣化の種類ごとに前記AI物標および前記ルール物標の割合を定めた割合情報を格納する記憶部をさらに備え、
前記融合処理は、前記センサ出力の劣化の種類を特定し、前記割合情報を参照して前記AI物標および前記ルール物標の割合を特定する、物標算出方法。 - 周囲環境の情報を取得するセンサの出力であるセンサ出力を取得する取得部と、
前記センサ出力を用いて複数の手法により、物標を検出して前記物標について少なくとも位置および種別を含む物標状態を検出する検出部と、
前記検出部における前記複数の手法のそれぞれが検出する複数の前記物標から同一の物標を判定する同一物標判定部と、
前記同一物標判定部が同一の物標であると判断した前記物標について、前記物標状態を融合し融合物標として出力する融合部と、を備える演算装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022021389A JP2023118437A (ja) | 2022-02-15 | 2022-02-15 | 物標算出方法、演算装置 |
PCT/JP2022/031949 WO2023157350A1 (ja) | 2022-02-15 | 2022-08-24 | 物標算出方法、演算装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022021389A JP2023118437A (ja) | 2022-02-15 | 2022-02-15 | 物標算出方法、演算装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023118437A true JP2023118437A (ja) | 2023-08-25 |
Family
ID=87577828
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022021389A Pending JP2023118437A (ja) | 2022-02-15 | 2022-02-15 | 物標算出方法、演算装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP2023118437A (ja) |
WO (1) | WO2023157350A1 (ja) |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6917878B2 (ja) * | 2017-12-18 | 2021-08-11 | 日立Astemo株式会社 | 移動体挙動予測装置 |
US11993289B2 (en) * | 2019-05-23 | 2024-05-28 | Hitachi Astemo, Ltd. | Vehicle control system and vehicle control method |
-
2022
- 2022-02-15 JP JP2022021389A patent/JP2023118437A/ja active Pending
- 2022-08-24 WO PCT/JP2022/031949 patent/WO2023157350A1/ja unknown
Also Published As
Publication number | Publication date |
---|---|
WO2023157350A1 (ja) | 2023-08-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109816701B (zh) | 一种目标跟踪方法及装置、存储介质 | |
US20230079730A1 (en) | Control device, scanning system, control method, and program | |
JP6714513B2 (ja) | 車両のナビゲーションモジュールに対象物の存在を知らせる車載装置 | |
JP5145585B2 (ja) | 物標検出装置 | |
KR102177880B1 (ko) | 자율주행용 클래스 레이블링 장치 | |
US20210390353A1 (en) | Object recognition device, object recognition method, and object recognition program | |
JPH05265547A (ja) | 車輌用車外監視装置 | |
JP2000357233A (ja) | 物体認識装置 | |
CN107408288B (zh) | 警告装置、警告方法以及警告程序 | |
JPH07129898A (ja) | 障害物検出装置 | |
JP2011220732A (ja) | 車両の周辺監視装置 | |
JP2010244194A (ja) | 物体識別装置 | |
JP5743020B2 (ja) | 立体物検出装置 | |
JP2007274037A (ja) | 障害物認識方法及び障害物認識装置 | |
CN110866544B (zh) | 传感器数据的融合方法、装置及存储介质 | |
US7987052B2 (en) | Method for evaluation, by motor vehicle, of the characteristics of a front element | |
CN111798698A (zh) | 一种前方目标车辆的确定方法、装置及车辆 | |
JP2019191945A (ja) | 電子制御装置、演算方法 | |
CN112241004B (zh) | 物体识别装置 | |
CN111796286A (zh) | 一种制动等级的评估方法、装置、车辆和存储介质 | |
JP2004085337A (ja) | 車両検出方法及び車両検出装置 | |
Nienhuser et al. | A situation context aware dempster-shafer fusion of digital maps and a road sign recognition system | |
CN112639811A (zh) | 用于分析处理具有扩展对象识别的传感器数据的方法 | |
WO2023157350A1 (ja) | 物標算出方法、演算装置 | |
CN110309845B (zh) | 信息处理系统以及信息处理方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20240315 |