JP6064674B2 - 物体認識装置 - Google Patents
物体認識装置 Download PDFInfo
- Publication number
- JP6064674B2 JP6064674B2 JP2013039163A JP2013039163A JP6064674B2 JP 6064674 B2 JP6064674 B2 JP 6064674B2 JP 2013039163 A JP2013039163 A JP 2013039163A JP 2013039163 A JP2013039163 A JP 2013039163A JP 6064674 B2 JP6064674 B2 JP 6064674B2
- Authority
- JP
- Japan
- Prior art keywords
- cluster
- interest
- hidden
- identification
- represented
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 claims description 236
- 238000001514 detection method Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 20
- 238000004364 calculation method Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 11
- 238000012545 processing Methods 0.000 description 63
- 238000005259 measurement Methods 0.000 description 25
- 230000000694 effects Effects 0.000 description 24
- 238000012854 evaluation process Methods 0.000 description 15
- 239000000470 constituent Substances 0.000 description 6
- 230000007423 decrease Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 5
- 238000012790 confirmation Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000010606 normalization Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 238000013179 statistical model Methods 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Description
[1.第1実施形態]
[1−1.全体構成]
図1に示す車両制御システムは、車両に搭載されたシステムであって、レーザレーダ装置(LIDAR)1と、データ処理装置2と、作用装置3と、を備える。この車両制御システムにおいて、データ処理装置2は、レーザレーダ装置1及び作用装置3のそれぞれと通信可能に接続されている。
制御部21は、CPU、ROM、RAM、I/O及びこれらの構成を接続するバスライン等からなる周知のマイクロコンピュータであり、各種処理を実行する構成要素として、クラスタリング処理部21Aと、隠れ判定部21Bと、識別処理部21Cと、を備える。なお、本実施形態では、これらの構成要素21A,21B,21Cはソフトウェアにより実現される。つまり、制御部21は、各構成要素21A,21B,21Cとしての処理を実行することで、図1に示す構成として機能する。
次に、データ処理装置2の制御部21が実行する物体認識処理について、図2のフローチャートを用いて説明する。なお、この物体認識処理は、レーザレーダ装置1にて1回のスキャン処理が終了するごと、つまり、スキャン周期ごとに起動される。
続いて、S12で、制御部21は、S11で入力した測距データに対してクラスタリング処理を実行する。具体的には、制御部21は、レーザレーダ装置1により距離が測定された複数の測距点から、物体(立体物)を表すクラスタを形成する。
隠れ判定処理において、制御部21は、クラスタリング処理(S12)で形成されたクラスタのうちの1つを、順に注目クラスタとして選択し、注目クラスタごとに処理を実行する。より具体的には、制御部21は、注目クラスタごとの処理において、レイヤ(レーザビームの照射高さ)ごとに処理を実行する。このため、制御部21は、後述するS21〜S22の処理を、レイヤ番号iが1からLになるまで繰り返すループ処理(レイヤループ処理)を実行する。さらに、制御部21は、当該レイヤループ処理及び後述するS23の処理を、注目クラスタの識別値o1が1からN(Nはクラスタリング処理で形成されたクラスタの総数)になるまで繰り返すループ処理(クラスタループ処理)を実行する。
[LP1]まず、制御部21は、レイヤ番号iでの注目クラスタC(o1,i)における左端の測距点について、ビーム番号及び測距値(jl(o1,i),dl(o1,i))を取得する。
[RP1]まず、制御部21は、レイヤ番号iでの注目クラスタC(o1,i)における右端の測距点について、ビーム番号及び測距値(jr(o1,i),dr(o1,i))を取得する。
以上詳述した第1実施形態によれば、以下の効果が得られる。
(1A)第1実施形態では、レーザレーダ装置1により距離が測定された複数の測距点に基づいて、物体を表すクラスタが形成され(S12)、クラスタが検出対象の物体を表すものであるかを識別するための特徴量が当該クラスタから抽出される(S13)。また、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かを判定する隠れ判定処理が行われる(S14)。その後、注目クラスタが検出対象の物体を表すものであるかが、当該注目クラスタの特徴量と、当該注目クラスタについての隠れ判定処理による判定結果と、に基づいて識別される(S15)。したがって、第1実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かを加味せずに当該注目クラスタが検出対象の物体を表すものであるかを識別する構成と比較して、一部が隠れている物体についての識別性能の低下を抑制することができる。
[2−1.第1実施形態との相違点]
第2実施形態は、基本的な構成は第1実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。
次に、前述した第1実施形態の識別処理(図9)に代えて、第2実施形態の制御部21が実行する識別処理について、図11(A)のフローチャートを用いて説明する。なお、図11(A)におけるS72〜S75の処理は、図9におけるS62〜S65の処理と同様であるため、説明を一部簡略化している。
続いて、S73で、制御部21は、S72で算出した識別スコアSがしきい値TH以上であるか否かを判定し、しきい値TH以上であると判定すると、処理をS74へ移行させ、注目クラスタのラベルを+1にした後、図11の識別処理を終了する。一方、制御部21は、S73で識別スコアSがしきい値TH以上でないと判定すると、処理をS75へ移行させ、注目クラスタのラベルを−1にした後、図11の識別処理を終了する。
以上詳述した第2実施形態によれば、前述した第1実施形態の効果(1A)〜(1B)と同様の効果に加え、以下の効果が得られる。
[3−1.第1実施形態との相違点]
第3実施形態は、基本的な構成は第1実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。
次に、前述した第1実施形態の物体認識処理(図2)に代えて、第3実施形態の制御部21が実行する物体認識処理について、図13のフローチャートを用いて説明する。なお、図13におけるS81〜S82,S84〜S85,S87の処理は、図2におけるS11〜S15の処理と同様であるため、説明を一部簡略化している。
続いて、S82で、制御部21は、S81で入力した測距データに対してクラスタリング処理を実行する。
続いて、S84で、制御部21は、S82で形成された各クラスタから特徴量を抽出する特徴抽出処理を実行する。
続いて、S86で、制御部21は、識別処理(S87)で識別対象とされるクラスタを絞り込む絞り込み処理を実行する。なお、絞り込み処理の詳細については後述する。
そして、制御部21は、S91で隠れフラグの値が1でない(注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていない)と判定した場合には、処理をS92へ移行させ、絞り込み判定を行う。絞り込み処理は、識別処理で識別対象とされるクラスタを絞り込む処理であり、換言すれば、注目クラスタが検出対象の物体を表すものであるか否かを、識別処理よりも粗く判定する処理である。絞り込み処理では、特徴抽出処理(S84)で抽出された注目クラスタの特徴量の少なくとも一部が評価される。具体的には、複数種類の特徴量のうち1つ以上の特徴量(判定対象の特徴量)について、注目クラスタの特徴量が判定基準をクリアするか否かが判定される。例えば物体幅については、注目クラスタの物体幅wが判定基準としての最小値wmin及び最大値wmaxの範囲に含まれる場合に(wmin≦w≦wmax)、判定基準をクリアしたと判定される。ここでいう範囲は、比較的緩く(広めに)設定される。こうして、すべての判定対象の特徴量について判定基準をクリアしたと判定された場合には、識別処理で識別対象とするか否かを表す絞り込みフラグの値が1に設定される。一方、1つ以上の判定対象の特徴量について判定基準をクリアしないと判定された場合(注目クラスタが検出対象の物体を表す可能性が著しく低い場合)には、絞り込みフラグの値が0に設定される。
以上詳述した第3実施形態によれば、前述した第1実施形態の効果(1A)〜(1B)と同様の効果に加え、以下の効果が得られる。
[4−1.第3実施形態との相違点]
第4実施形態は、基本的な構成は第3実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。
次に、前述した第3実施形態の絞り込み処理(図14)に代えて、第4実施形態の制御部21が実行する絞り込み処理について、図16のフローチャートを用いて説明する。なお、図16におけるS111〜S112,S114〜S116の処理は、図14におけるS91〜S95の処理と同様であるため、説明を一部簡略化している。
そして、制御部21は、S111で隠れフラグの値が1でないと判定した場合には、処理をS112へ移行させ、通常の絞り込み判定(第3実施形態のS92と同様の絞り込み判定)を行った後、処理をS114へ移行させる。
以上詳述した第4実施形態によれば、前述した第1実施形態の効果(1A)〜(1B)及び第3実施形態の効果(3A)と同様の効果に加え、以下の効果が得られる。
[5−1.第3実施形態との相違点]
第5実施形態は、基本的な構成は第3実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。
次に、前述した第3実施形態の隠れ判定処理(つまり、第1実施形態で説明した隠れ判定処理)に代えて、第5実施形態で実行される隠れ判定処理について説明する。
以上詳述した第5実施形態によれば、前述した第1実施形態の効果(1A)〜(1B)及び第3実施形態の効果(3A)と同様の効果に加え、以下の効果が得られる。
[6−1.第5実施形態との相違点]
第6実施形態は、基本的な構成は第5実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。
次に、前述した第5実施形態の識別処理(図18)に代えて、第6実施形態の制御部21が実行する識別処理について、図19(A)のフローチャートを用いて説明する。なお、図19(A)におけるS142〜S146の処理は、図18におけるS131〜S135の処理と同様であるため、説明を一部簡略化している。
続いて、S143で、制御部21は、S142で算出した識別スコアS0を、隠れ判定処理で算出した隠れ信頼度Rに基づいて補正する。
以上詳述した第6実施形態によれば、前述した第5実施形態の効果と同様の効果に加え、以下の効果が得られる。
なお、第6実施形態では、S142が算出手段としての処理の一例に相当し、S143が補正手段としての処理の一例に相当する。また、S144〜S146が対象判定手段としての処理の一例に相当する。
[7−1.第5実施形態との相違点]
第7実施形態は、基本的な構成は第5実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。
次に、前述した第5実施形態の隠れ判定処理に代えて、第7実施形態の制御部21が実行する隠れ判定処理について、図20のフローチャートを用いて説明する。
以上詳述した第7実施形態によれば、前述した第5実施形態の効果と同様の効果に加え、以下の効果が得られる。
以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されることなく、種々の形態を採り得ることは言うまでもない。
(3)上記実施形態で示した隠れ信頼度Rの算出方法はあくまでも一例であり、これに限定されるものではない。隠れ信頼度は、クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている可能性の度合いを表す値であればよい。
(5)上記実施形態では、自車両の前方へレーザビームを照射する構成を例示したが、これに限定されるものではない。例えば、自車両の側方や後方などのように、前方以外の自車両周辺へレーザビームを照射するようにしてもよい。
Claims (15)
- 測距装置(1)により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段(S12,S82,21)と、
前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段(S13,S84,21)と、
注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段(S14,S85,21)と、
前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段(S15,S87,21)と、
を備え、
前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れているか否かを判定し、
前記識別手段による識別対象とされる前記クラスタを絞り込む絞り込み手段(S86,21)を更に備え、
前記絞り込み手段は、前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定されたか否かに応じて、絞り込みの条件を変更する
ことを特徴とする物体認識装置。 - 請求項1に記載の物体認識装置であって、
前記識別手段は、
前記隠れ判定手段により前記注目クラスタの表す物体が前記他クラスタの表す物体の背後に隠れていないと判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量に基づいて識別し、
前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであるか否かの識別を保留する
ことを特徴とする物体認識装置。 - 請求項1に記載の物体認識装置であって、
前記識別手段は、
前記注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量と、識別モデルの表す特徴量と、の対比に基づいて識別し、
前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定されたか否かに応じて、前記識別モデルを変更する
ことを特徴とする物体認識装置。 - 請求項1に記載の物体認識装置であって、
前記クラスタを時系列的に追跡する追跡手段(S83,21)を更に備え、
前記識別手段は、
前記追跡手段による追跡結果に基づいて前記注目クラスタが移動状態であると判定し、かつ、前記隠れ判定手段により前記注目クラスタの表す物体が前記他クラスタの表す物体の背後に隠れていないと判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであると識別する
ことを特徴とする物体認識装置。 - 測距装置(1)により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段(S12,S82,21)と、
前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段(S13,S84,21)と、
注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段(S14,S85,21)と、
前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段(S15,S87,21)と、
前記注目クラスタが検出対象の物体を表すものか否かに応じて、前記注目クラスタの表す物体に対する回避制御での回避量を異なる値に設定する回避量設定手段と、
を備え、
前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れているか否かを判定し、
前記識別手段は、
前記隠れ判定手段により前記注目クラスタの表す物体が前記他クラスタの表す物体の背後に隠れていないと判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量に基づいて識別し、
前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであるか否かの識別を保留し、
前記回避量設定手段は、
前記識別手段により前記識別が保留された場合には、前記回避量を、前記注目クラスタが前記検出対象の物体を表すものであると識別された場合の回避量と、前記注目クラスタが前記検出対象の物体を表すものでないと識別された場合の回避量との間の値に設定する
ことを特徴とする物体認識装置。 - 測距装置(1)により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段(S12,S82,21)と、
前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段(S13,S84,21)と、
注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段(S14,S85,21)と、
前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段(S15,S87,21)と、
を備え、
前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れているか否かを判定し、
前記識別手段は、
前記注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量と、識別モデルの表す特徴量と、の対比に基づいて識別し、
前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定されたか否か、及び前記注目クラスタの特徴量として抽出された物体幅の値に応じて、前記識別モデルを変更する
ことを特徴とする物体認識装置。 - 請求項1から請求項6までのいずれか1項に記載の物体認識装置であって、
前記隠れ判定手段は、
前記注目クラスタに隣接する所定数の測距点のうち少なくとも1つが前記他クラスタに含まれ、かつ、当該他クラスタが前記注目クラスタよりも近距離に存在することを条件として、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定する
ことを特徴とする物体認識装置。 - 測距装置(1)により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段(S12,S82,21)と、
前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段(S13,S84,21)と、
注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段(S14,S85,21)と、
前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段(S15,S87,21)と、
を備え、
前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れている可能性の度合いを表す隠れ信頼度を算出し、
前記識別手段は、
前記注目クラスタの特徴量に基づいて当該注目クラスタが前記検出対象の物体を表すものであることの可能性の度合いを表す識別スコアを算出する算出手段(S131,S142,21)と、
前記算出手段により算出された前記識別スコアを、前記注目クラスタについて算出された前記隠れ信頼度に基づいて補正する補正手段(S132,S143,21)と、
前記補正手段により補正された前記識別スコアに基づいて前記注目クラスタが前記検出対象の物体を表すものであるかを判定する対象判定手段(S133〜S135,S144〜S146,21)と、
を備えることを特徴とする物体認識装置。 - 請求項8に記載の物体認識装置であって、
前記クラスタを時系列的に追跡する追跡手段(S83,21)を更に備え、
前記補正手段は、
前記追跡手段による追跡結果に基づいて前記注目クラスタが移動状態であると判定した場合には、前記注目クラスタについて算出された前記隠れ信頼度が低いほど前記識別スコアが高くなるように、前記算出手段により算出された前記識別スコアを補正する
ことを特徴とする物体認識装置。 - 測距装置(1)により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段(S12,S82,21)と、
前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段(S13,S84,21)と、
注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段(S14,S85,21)と、
前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段(S15,S87,21)と、
を備え、
前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れている可能性の度合いを表す隠れ信頼度を算出し、
前記識別手段は、
前記注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量と、識別モデルの表す特徴量と、の対比に基づいて識別し、
前記注目クラスタについて算出された前記隠れ信頼度、及び前記注目クラスタの特徴量として抽出された物体幅の値に応じて、前記識別モデルを変更する
ことを特徴とする物体認識装置。 - 測距装置(1)により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段(S12,S82,21)と、
前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段(S13,S84,21)と、
注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段(S14,S85,21)と、
前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段(S15,S87,21)と、
を備え、
前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れている可能性の度合いを表す隠れ信頼度を算出し、
前記識別手段による識別対象とされる前記クラスタを絞り込む絞り込み手段を更に備え、
前記注目クラスタについて算出された前記隠れ信頼度に応じて、絞り込みの条件を変更する
ことを特徴とする物体認識装置。 - 請求項11に記載の物体認識装置であって、
前記識別手段は、
前記注目クラスタの特徴量に基づいて当該注目クラスタが前記検出対象の物体を表すものであることの可能性の度合いを表す識別スコアを算出する算出手段(S131,S142,21)と、
前記算出手段により算出された前記識別スコアを、前記注目クラスタについて算出された前記隠れ信頼度に基づいて補正する補正手段(S132,S143,21)と、
前記補正手段により補正された前記識別スコアに基づいて前記注目クラスタが前記検出対象の物体を表すものであるかを判定する対象判定手段(S133〜S135,S144〜S146,21)と、
を備えることを特徴とする物体認識装置。 - 請求項12に記載の物体認識装置であって、
前記クラスタを時系列的に追跡する追跡手段(S83,21)を更に備え、
前記補正手段は、
前記追跡手段による追跡結果に基づいて前記注目クラスタが移動状態であると判定した場合には、前記注目クラスタについて算出された前記隠れ信頼度が低いほど前記識別スコアが高くなるように、前記算出手段により算出された前記識別スコアを補正する
ことを特徴とする物体認識装置。 - 請求項11に記載の物体認識装置であって、
前記識別手段は、
前記注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量と、識別モデルの表す特徴量と、の対比に基づいて識別し、
前記注目クラスタについて算出された前記隠れ信頼度に応じて、前記識別モデルを変更する
ことを特徴とする物体認識装置。 - 請求項8から請求項14までのいずれか1項に記載の物体認識装置であって、
前記隠れ判定手段は、
前記注目クラスタに隣接する所定数の測距点のうち少なくとも1つが前記他クラスタに含まれ、かつ、当該他クラスタが前記注目クラスタよりも近距離に存在することを条件として、前記他クラスタに含まれる当該測距点の数に基づいて前記注目クラスタについての前記隠れ信頼度を算出する
ことを特徴とする物体認識装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013039163A JP6064674B2 (ja) | 2013-02-28 | 2013-02-28 | 物体認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013039163A JP6064674B2 (ja) | 2013-02-28 | 2013-02-28 | 物体認識装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014167702A JP2014167702A (ja) | 2014-09-11 |
JP6064674B2 true JP6064674B2 (ja) | 2017-01-25 |
Family
ID=51617364
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013039163A Active JP6064674B2 (ja) | 2013-02-28 | 2013-02-28 | 物体認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6064674B2 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10782399B2 (en) | 2016-06-09 | 2020-09-22 | Daegu Gyeongbuk Institute Of Science And Technology | Object detecting method and apparatus using light detection and ranging (LIDAR) sensor and radar sensor |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6413957B2 (ja) * | 2014-12-26 | 2018-10-31 | 株式会社デンソー | ピッチング判定装置 |
JP6660228B2 (ja) * | 2016-03-31 | 2020-03-11 | セコム株式会社 | 物体検出センサ |
WO2018037508A1 (ja) * | 2016-08-24 | 2018-03-01 | 日産自動車株式会社 | 走行軌跡推定方法及び走行軌跡推定装置 |
JP6826023B2 (ja) * | 2017-12-13 | 2021-02-03 | Kddi株式会社 | 点群から対象を特定する対象識別装置、プログラム及び方法 |
JP6763992B2 (ja) * | 2019-03-26 | 2020-09-30 | 株式会社デンソー | ノイズ除去方法および物体認識装置 |
JP2021032563A (ja) * | 2019-08-13 | 2021-03-01 | ソニーセミコンダクタソリューションズ株式会社 | 装置、測定装置および測距システム |
JPWO2021111747A1 (ja) | 2019-12-03 | 2021-06-10 | ||
WO2021245834A1 (ja) * | 2020-06-03 | 2021-12-09 | 日本電信電話株式会社 | 物体検知装置、検知処理装置、検知処理方法およびプログラム |
JP2023094745A (ja) * | 2021-12-24 | 2023-07-06 | 日立Astemo株式会社 | 車載演算処理装置、および、演算処理方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3744352B2 (ja) * | 2000-12-11 | 2006-02-08 | 日産自動車株式会社 | 障害物位置計測方法および障害物位置計測装置 |
CN102803991B (zh) * | 2009-06-03 | 2014-06-04 | 学校法人中部大学 | 物体检测设备 |
-
2013
- 2013-02-28 JP JP2013039163A patent/JP6064674B2/ja active Active
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10782399B2 (en) | 2016-06-09 | 2020-09-22 | Daegu Gyeongbuk Institute Of Science And Technology | Object detecting method and apparatus using light detection and ranging (LIDAR) sensor and radar sensor |
Also Published As
Publication number | Publication date |
---|---|
JP2014167702A (ja) | 2014-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6064674B2 (ja) | 物体認識装置 | |
US10366310B2 (en) | Enhanced camera object detection for automated vehicles | |
JP7196412B2 (ja) | 物体認識装置、及び、物体認識方法 | |
CN107076848B (zh) | 用于生成周围环境地图的方法,和驾驶员辅助系统 | |
KR101362961B1 (ko) | 이동 로봇 환경의 실시간 위치 측정 및 매핑을 위한 방법 및 장치 | |
CN110114692B (zh) | 一种地面环境的检测方法和装置 | |
JP6450294B2 (ja) | 物体検出装置、物体検出方法、及びプログラム | |
CN111103594A (zh) | 车辆中区分虚假目标的装置和方法及包括其的车辆 | |
JP5145585B2 (ja) | 物標検出装置 | |
JPH07225275A (ja) | 車両用距離データ処理装置 | |
CN111201448A (zh) | 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法 | |
US11403482B2 (en) | Adaptive search for LiDAR-based clustering | |
CN112444822A (zh) | 合成激光雷达信号的产生 | |
CN115933646A (zh) | 基于多传感器融合进行障碍物感知的避障绕障方法及系统 | |
CN114730004A (zh) | 物体识别装置和物体识别方法 | |
CN109263649B (zh) | 车辆及其自动驾驶模式下的物体识别方法和物体识别系统 | |
JP2021043838A (ja) | 情報処理装置、制御方法、プログラム及び記憶媒体 | |
CN112415532B (zh) | 灰尘检测方法、距离检测装置以及电子设备 | |
CN107966702B (zh) | 环境地图的构建方法及装置 | |
JP2012242937A (ja) | 車両用道路形状認識方法及び装置、記録媒体 | |
JP2010250651A (ja) | 車両検出装置 | |
JP6613624B2 (ja) | 判別方法及び判別装置 | |
JP5012163B2 (ja) | 検出装置及びプログラム | |
JP6431299B2 (ja) | 車両周辺監視装置 | |
JP2012230604A (ja) | データ処理装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150518 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20160218 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160405 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160602 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161122 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161205 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6064674 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |