JP6529855B2 - Moving object and its obstacle detection method - Google Patents
Moving object and its obstacle detection method Download PDFInfo
- Publication number
- JP6529855B2 JP6529855B2 JP2015156962A JP2015156962A JP6529855B2 JP 6529855 B2 JP6529855 B2 JP 6529855B2 JP 2015156962 A JP2015156962 A JP 2015156962A JP 2015156962 A JP2015156962 A JP 2015156962A JP 6529855 B2 JP6529855 B2 JP 6529855B2
- Authority
- JP
- Japan
- Prior art keywords
- human
- obstacle
- low
- area
- degree
- 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
- 238000001514 detection method Methods 0.000 title claims description 19
- 241000282414 Homo sapiens Species 0.000 claims description 57
- 239000000284 extract Substances 0.000 claims description 5
- 238000005259 measurement Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 6
- 238000000034 method Methods 0.000 description 6
- 230000033001 locomotion Effects 0.000 description 3
- 238000012545 processing Methods 0.000 description 2
- 241000282412 Homo Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
Images
Landscapes
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Description
本発明は、地上を走行可能な移動体とその障害物検出方法に関する。 The present invention relates to a movable body capable of traveling on the ground and a method of detecting an obstacle thereof.
移動体に搭載されその走行領域を検査する手段として、例えば特許文献1〜4が開示されている。
For example,
特許文献1の「移動ロボットの走行領域判別装置及び走行領域判別方法」は、移動ロボットのレーザレンジファインダで得た形状データから複数の幾何的な特徴量を抽出する。次に、特徴量からあらかじめ作成した事前データを教師データとする分類器を適用して移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分する。また走行領域が屋外不整地である場合において、轍などの微かな車両通過跡に沿った経路を走行可能領域として処理する。
The “traveling area determination apparatus and traveling area determination method of mobile robot” of
特許文献2の「走行可能領域検出装置及びプログラム」は、取得した画像の各点を、局所領域内の輝度値の変化の極大点及び極小点の一方を0度、他方を180度で表したときの各点の局所位相を含むモノジェニック信号に変換する。次に、局所位相が90度に近いほど小さくなる局所コストを、走行可能領域の左端に相当する点と、走行可能領域の右端に相当する点との組み合わせ毎に算出する。次いで、画像上での走行可能領域の形状に基づいて、経路を構成する各点が連続する方向に制限を設けた複数の経路各々に沿って、局所コストを累積した累積コストを算出し、累積コストが最小となる最適経路を探索する。さらに、最適経路に基づいて、走行可能領域を検出する。
The "travelable area detection device and program" of
特許文献3の「レーザレーダ装置」には偏向部材が設けられ、この偏向部材は、偏向部からのレーザ光を基準面に向けて偏向し、かつこのレーザ光が基準面にて反射した第2反射光を回動偏向機構に向けて偏向している。また、レーザレーダ装置は、偏向部が第1回動範囲にあるときには、レーザ光の発生から第1反射光が検出されるまでの第1時間を検出し、偏向部が第2回動範囲にあるときには、レーザ光の発生から第2反射光が検出されるまでの第2時間を検出する。レーザレーダ装置は、さらに傾斜センサによってレーザレーダ装置の設置角度を検出する。
In the “laser radar device” of
特許文献4の「車両周囲環境検出装置」は、車両は、レーザ光の反射信号を受光して、車両周囲の物体を検出するレーザレーダと、外界認識装置とを備える。外界認識装置は、物体の動きを検出する動き検出機能、受光状態を検出する受信状態検出機能、並びにレーザレーダが検出した物体が人間である確度を算出する確度算出機能を有する。
The vehicle surrounding environment detection apparatus of
移動体(例えば移動ロボット)が無舗装路を走行する場合、従来は、レーザレンジファインダで検出した障害物に高さの閾値を設定している。例えば、この閾値未満の障害物(低障害物)を轍などと判別し、轍などの微かな車両通過跡に沿った経路を走行可能領域として処理する。高さの閾値は、例えば0.23mである。 When a mobile body (for example, a mobile robot) travels on a non-paved road, conventionally, a threshold of height is set for an obstacle detected by a laser range finder. For example, an obstacle (low obstacle) below this threshold value is determined as a trap and the like, and a route along a trace of a slight vehicle passage such as a trap is treated as a travelable area. The threshold of height is 0.23 m, for example.
しかし、検出した障害物が人間であり、かつ高さの閾値未満の横臥状態である場合、上述の処理では、轍などと同様に走行可能領域として処理し、人間に危害を与えてしまう可能性があった。 However, if the detected obstacle is a human being and lying down below the height threshold, in the above-mentioned process, it may be treated as a drivable area in the same manner as a car, etc., possibly harming human beings. was there.
また、特許文献3,4では、検出された物体の形状の変化、すなわち物体の前後の動きに基づいて人間である確度を算出するので、人間であっても意図的に又は怪我などで静止している場合には、人間として検出されない可能性があった。
Further, in
さらに、移動体が走行可能な種々の低障害物の特徴量を学習して、低障害物のうち人間のみを検出するには、多数の低障害物の特徴量を学習させる必要がある。 Furthermore, it is necessary to learn many feature quantities of low obstacles in order to learn feature quantities of various low obstacles that can be traveled by a moving object and detect only human among low obstacles.
本発明は上述した問題点を解決するために創案されたものである。すなわち本発明の目的は、横臥状態で静止している人間又は人間である可能性が高い物体を、高い確率で検出することができる移動体とその人間検出方法を提供することにある。 The present invention has been made to solve the above-mentioned problems. That is, an object of the present invention is to provide a moving object and its human detection method capable of detecting with high probability a human or a human likely to be stationary in a lying state.
本発明によれば、(A)レーザレーダ装置で検出された障害物の高さから走行閾値未満の低障害物を抽出し、
(B)前記低障害物の長さ、幅、面積、又は周長を含む特徴量を算出し、
(C)前記特徴量から前記低障害物が人間である可能性を示す人間らしさ度を算出し、
(D)前記人間らしさ度から前記可能性の高い前記低障害物を走行不能領域とする、ことを特徴とする障害物検出方法が提供される。
According to the present invention, (A) low obstacles below the travel threshold are extracted from the heights of obstacles detected by the laser radar device;
(B) calculating a feature including the length, width, area, or circumference of the low obstacle;
(C) calculating the degree of human likeness indicating the possibility that the low obstacle is human from the feature amount;
(D) An obstacle detection method is provided, which is characterized in that the low obstacle with high possibility from the human likeness is regarded as a non-travelable area.
前記人間らしさ度は、人間の長さ、幅、面積、又は周長の平均値と標準偏差に基づくメンバーシップ値であり、
前記メンバーシップ値の積、和、最小値、又は最大値が閾値を超える場合に、前記低障害物を前記走行不能領域と判定する。
The degree of human likeness is a membership value based on the average value and standard deviation of human length, width, area or circumference,
If the product, sum, minimum value, or maximum value of the membership values exceeds a threshold value, the low obstacle is determined to be the untravelable area.
また本発明によれば、路面に対し鉛直な鉛直軸を中心に回転して周囲の路面を計測するレーザレーダ装置と、
前記レーザレーダ装置の検出データに基づき、車両を制御する自律制御装置と、を備え、
前記自律制御装置は、
(A)前記レーザレーダ装置で検出された障害物の高さから走行閾値未満の低障害物を抽出し、
(B)前記低障害物の長さ、幅、面積、又は周長を含む特徴量を算出し、
(C)前記特徴量から前記低障害物が人間である可能性を示す人間らしさ度を算出し、
(D)前記人間らしさ度から前記可能性の高い前記低障害物を走行不能領域とする、ことを特徴とする移動体が提供される。
Further, according to the present invention, there is provided a laser radar device which measures a surrounding road surface by rotating around a vertical axis perpendicular to the road surface;
An autonomous control device for controlling a vehicle based on detection data of the laser radar device;
The autonomous control device
(A) Extract low obstacles less than a travel threshold from heights of obstacles detected by the laser radar device;
(B) calculating a feature including the length, width, area, or circumference of the low obstacle;
(C) calculating the degree of human likeness indicating the possibility that the low obstacle is human from the feature amount;
(D) A movable body is provided, wherein the low obstacle with the high possibility from the human likeness is set as a non-travelable area.
本発明によれば、レーザレーダ装置で検出された低障害物の特徴量から低障害物が人間である可能性を示す「人間らしさ度」を算出し、この人間らしさ度から人間である可能性の高い低障害物を走行不能領域とする。
従って、横臥状態で静止している人間又は人間である可能性が高い物体を、走行不能領域として高い確率で検出することができる。
これにより、人間ではない低障害物を検出し、無舗装路であってもスムーズな走行が可能となる。
According to the present invention, the "humanity degree" indicating the possibility that the low obstacle is human is calculated from the feature quantity of the low obstacle detected by the laser radar device, and the human possibility from the humanness degree And low obstacles in the area are considered as impassable areas.
Therefore, it is possible to detect a human being stationary in a lying state or an object likely to be a human being as a non-travelable area with high probability.
This makes it possible to detect low obstacles that are not human and enable smooth travel even on unpaved roads.
以下、本発明の好ましい実施形態を添付図面に基づいて詳細に説明する。なお、各図において共通する部分には同一の符号を付し、重複した説明を省略する。 Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the attached drawings. In addition, the same code | symbol is attached | subjected to the part which is common in each figure, and the duplicate description is abbreviate | omitted.
図1は、本発明による移動体10の全体構成図である。
本発明の移動体10は、地上を走行可能であり、レーザレーダ装置12と自律制御装置14を備える。
この図において、移動体10は、クローラを備えているが、クローラの代わりに車輪であってもよい。移動体10は、例えば移動ロボット、自律走行可能な半自律走行車、遠隔操縦可能な無人作業車、などである。
FIG. 1 is an overall block diagram of a
The
In this figure, the
レーザレーダ装置12は、路面1に対し鉛直な鉛直軸2を中心に回転して周囲の路面1を計測するレーザレンジファインダである。路面1は、無舗装路であってもよい。
レーザレーダ装置12は、レーザ光3を用いて進行方向における地形の凹凸を検出し、移動体10の進行方向前方の障害物4の位置を検出する。
The
The
レーザレーダ装置12は、それぞれ複数対の投光器と受光器を有し、それぞれの投光器と受光器は、それぞれ独立してレーザ光3を照射(投光)して受光する。なお、好ましくは、複数のレーザ光3は、時間をずらして1つずつ発光して照射する。
The
上述したレーザレーダ装置12は、例えば、64対の投光器と受光器を内蔵し、垂直視野26.8°、最大測定距離約100〜120m、測定精度+/−約2cm(水平距離25mの位置において)である。
The
自律制御装置14は、制御用コンピュータ(PC)であり、レーザレーダ装置12の検出データに基づき、車両16を制御する。
車両16は、移動速度測定用の車速パルス、操舵用アクチュエータ、ブレーキ/アクセル用アクチュエータなどを備え、車速を検出し、自律制御装置14からの指令により走行し操舵し、車速を減速又は加速できるようになっている。
The
The
また、自律制御装置14は、本発明による障害物検出方法を実行する。
図2は、本発明の障害物検出方法を示す全体フロー図である。
この図において、本発明の障害物検出方法は、S1〜S7の各ステップ(工程)を有する。
In addition, the
FIG. 2 is an overall flow chart showing an obstacle detection method of the present invention.
In this figure, the obstacle detection method of the present invention includes the steps S1 to S7.
ステップS1では、移動体10の現在位置、経由地点及び障害物4を含む局所地図を作成する。
In step S1, a local map including the current position of the
ステップS2では、レーザレーダ装置12で検出された障害物4の高さから走行閾値未満の低障害物5を抽出する。走行閾値は、例えば、車両16の最低地上高又はそれ以下に設定する。
In step S2, the
図3は、ステップS2の処理フロー図である。この図において、ステップS2は、S21〜S24の各ステップ(工程)を有する。
ステップS21では、低障害物5があるか否かを判断する。ない場合(NO)には、ステップS2は終了し、ステップS6に移る。
低障害物5がある場合(YES)には、ステップS22で走行可能度が閾値未満か否かを判断する。閾値以上の場合(NO)にはステップS2は終了し、ステップS6に移る。
低障害物5の周囲の計測点において、走行可能度が閾値未満の場合(YES)には、ステップS23で低障害物フラグをONし、低障害物5として抽出する。すなわち、低障害物5の走行可能度が閾値未満であることを記憶する。
ステップS24では、抽出した低障害物5をグルーピングする。すなわち、走行可能度が閾値未満であるものと、閾値以上のものとをグループ分けする。
FIG. 3 is a processing flow diagram of step S2. In this figure, step S2 has each step (process) of S21-S24.
In step S21, it is determined whether the
If the
If the drivability is less than the threshold at the measurement points around the low obstacle 5 (YES), the low obstacle flag is turned on in step S23, and the
In step S24, the extracted
ステップS2の目的は人間らしい計測点のグループを抽出することにある。すなわち、走行可能度が閾値以下(走行しにくい)の計測点のみ抽出し、人間の可能性が高い低障害物の計測点のグループを抽出する。
なお、走行可能度が閾値以上の計測点まで使用すると、全ての計測点を抽出することになり、計測点のグループを抽出できない。
The purpose of step S2 is to extract a group of human-like measurement points. That is, only the measurement points at which the driving possibility is equal to or less than the threshold (the vehicle hardly travels) are extracted, and a group of measurement points of low obstacles with high human possibility is extracted.
In addition, if it uses to the measurement point whose runability is more than a threshold value, all the measurement points will be extracted and it can not extract the group of a measurement point.
すなわち、まず、車両16の最低地上高以下の障害物(低障害物5)を検出する。このとき、低障害物5の走行可能度はゼロ(最低値)である。
次に、低障害物5の周囲の計測点について、走行可能度が閾値未満の計測点を低障害物5として、膨張させる。これにより路面1ではなく、低障害物5と少し高い計測点をグルーピングして人間らしさ度Yを算出する。
ここで、「低障害物5の膨張」とは、レーザレーダ装置12では、例えば倒れている人間の胴体部分を検知しているので、さらにその人間の周囲(頭、腕、足等)を計測し、グルーピングすることでそのグループが人間と認識される、ことを意味する。その大きさにより障害物が複数の人間であるかを判断する。
車両16の最低地上高以下の低障害物5であっても、走行可能度が閾値以上であれば、人間の可能性はない(低い)として、人間らしさ度Yは算出しない。
That is, first, an obstacle (low obstacle 5) below the ground clearance of the
Next, the measurement points around the
Here, “expansion of the
Even if it is the
図4は、走行可能度の説明図である。走行可能度とは走行可能性の高さを示す度合であり、数値が高いほど容易に走行できることを意味する。
この図において、(A)はレーザレーダ装置12による障害物4の検出図であり、(B)は高さの差による走行可能度、(C)は路面1の勾配による走行可能度を示している。
FIG. 4 is an explanatory view of the travelability. The drivability is a degree indicating the height of the drivability, and means that the higher the value, the easier the drivability.
In this figure, (A) is a detection diagram of the
図4(B)に示すように、障害物4の高さ(図で点aと点bの高さの差)が大きいほど、高さの差による走行可能度(すなわち走行可能性)は低下する。また、図4(C)に示すように、勾配が大きいほど、勾配による走行可能度(すなわち走行可能性)は低下する。
従って、移動体10の走行可能性を示す走行可能度は、図4(B)(C)の走行可能度の積に比例する。
As shown in FIG. 4B, the larger the height of the obstacle 4 (the difference between the heights of the points a and b in the figure), the lower the drivability (i.e., drivability) due to the difference in height. Do. Further, as shown in FIG. 4C, the greater the gradient, the lower the drivability (ie, drivability) by the gradient.
Therefore, the drivability indicating the drivability of the moving
図2のステップS3では、低障害物5の長さ、幅、面積、又は周長を含む特徴量Xを算出する。
ステップS4では、特徴量Xから低障害物5が人間である可能性を示す人間らしさ度Yを算出する。
In step S3 of FIG. 2, the feature amount X including the length, width, area, or circumference of the
In step S4, a human likeness degree Y indicating the possibility that the
図5は、特徴量Xとメンバーシップ値(MS値)との関係図である。以下、メンバーシップ関数から求まるファジー理論におけるメンバーシップ値をMS値と略称する。
この図において、(A)は長さ、(B)は幅、(C)は面積、(D)は周長とMS値との関係図である。なお各図における右側の図は、人間の長さ、幅、面積、及び周長を模式的に示している。
図5(A)(B)(C)(D)に示すように、人間の長さ、幅、面積、及び周長は、統計学上の正規分布で近似することができる。人間であれば、これらの値は、有限な範囲に分布を持ち、完全な正規分布ではないが、多数及び対象の人間の形態が比較的自由に変形し得るので、数値データが分布している部分は正規分布の広がりに近くなると考えられる。
なお、この場合、平均値μと標準偏差σの値はそれぞれ相違する。しかし、予めデータを集めることで統計的に求めることができる。
統計学上の正規分布において、平均値μに対して+/−σの範囲に68%以上、+/−2σの範囲に95%以上、+/−3σの範囲に99%以上が含まれることが知られている。
FIG. 5 is a diagram showing the relationship between the feature amount X and the membership value (MS value). Hereinafter, the membership value in the fuzzy logic obtained from the membership function is abbreviated as an MS value.
In this figure, (A) is a length, (B) is a width, (C) is an area, and (D) is a relationship diagram between perimeter and MS value. The figures on the right side of each figure schematically show the length, width, area, and circumference of a human.
As shown in FIGS. 5A, 5B, 5C, and 5D, the length, width, area, and perimeter of a human can be approximated by a statistical normal distribution. In the case of humans, these values have a distribution in a finite range and are not perfect normal distribution, but numerical data are distributed because many and target human forms can be deformed relatively freely. The part is considered to be close to the spread of the normal distribution.
In this case, the average value μ and the value of the standard deviation σ are different. However, it can be determined statistically by collecting data in advance.
In the statistical normal distribution, 68% or more in the range of +/− σ, 95% or more in the range of ± 2σ, and 99% or more in the range of ± 3σ with respect to the mean value μ It has been known.
なお、図5(A)〜図5(D)は例示であり、対象とする人間の性別、年齢、国籍、などを考慮して、予めデータを取得し記憶しておくことが好ましい。 5A to 5D are examples, and it is preferable to obtain and store data in advance in consideration of gender, age, nationality, and the like of a target human being.
図2のステップS4では、図5からそれぞれのMS値を算出し、すべてのMS値の積、和、最小値、又は最大値を人間らしさ度Yとする。
従って、人間らしさ度Yの最大値は1.0、最小値は0であり、人間らしさ度Yが高いほど人間である可能性が高いといえる。
In step S4 of FIG. 2, each MS value is calculated from FIG. 5, and the product, the sum, the minimum value, or the maximum value of all the MS values is set as the human likeness degree Y.
Therefore, the maximum value of the humanness degree Y is 1.0 and the minimum value is 0, and it can be said that the higher the humanness degree Y, the higher the possibility of being a human being.
図2のステップS5では、人間らしさ度Yから人間である可能性の高い低障害物5aを検出する。
すなわち、すべてのMS値の積、和、最小値、又は最大値を予め設定した閾値(人間的閾値)と比較し、その値が閾値を超える場合に、人間である可能性が高い低障害物5aを走行不能領域と判定する。
閾値は、0から1.0の間の正数であり、任意に設定する。
In step S5 of FIG. 2, the
That is, the product, sum, minimum value, or maximum value of all MS values is compared with a preset threshold (human threshold), and if the value exceeds the threshold, a low obstacle that is likely to be human 5a is determined to be an untravelable area.
The threshold is a positive number between 0 and 1.0, and is arbitrarily set.
ステップS6では、低障害物5aを低障害物5から削除して局所地図を更新する。すなわち、低障害物5aは低障害物5でなく、走行ができない障害物4として扱う。
従って、更新した局所地図に含まれる低障害物5は、人間である可能性がほとんどないので、轍などと同様に走行可能領域として処理する。
ステップS7では、更新した局所地図を送信する。この送信先は、例えば自律制御装置14又は遠隔制御装置である。
In step S6, the
Therefore, since the
In step S7, the updated local map is transmitted. This transmission destination is, for example, an
上述した本発明によれば、レーザレーダ装置12で検出された低障害物5の特徴量Xから低障害物5が人間である可能性を示す「人間らしさ度Y」を算出し、この人間らしさ度Yから人間である可能性の高い低障害物を走行不能領域とする。
従って、横臥状態で静止している人間又は人間である可能性が高い物体を、走行不能領域として高い確率で検出することができる。
これにより、人間ではない低障害物5を検出し、無舗装路であってもスムーズな走行が可能となる。
According to the present invention described above, the “human-likeness degree Y” indicating the possibility that the
Therefore, it is possible to detect a human being stationary in a lying state or an object likely to be a human being as a non-travelable area with high probability.
Thereby, the
なお本発明は上述した実施の形態に限定されず、本発明の要旨を逸脱しない範囲で種々変更を加え得ることは勿論である。 The present invention is not limited to the above-described embodiment, and it goes without saying that various modifications can be made without departing from the scope of the present invention.
X 特徴量、Y 人間らしさ度、MS値 メンバーシップ値、
1 路面、2 鉛直軸、3 レーザ光、4 障害物、5 低障害物、
5a 低障害物、10 移動体、12 レーザレーダ装置、
14 自律制御装置、16 車両
X feature amount, Y humanness degree, MS value membership value,
1 road surface, 2 vertical axes, 3 laser light, 4 obstacles, 5 low obstacles,
5a Low obstacles, 10 moving objects, 12 laser radar devices,
14 autonomous control devices, 16 vehicles
Claims (3)
(B)前記低障害物の長さ、幅、面積、又は周長を含む特徴量を算出し、
(C)前記特徴量から前記低障害物が人間である可能性を示す人間らしさ度を算出し、
(D)前記人間らしさ度から前記可能性の高い前記低障害物を走行不能領域とする、ことを特徴とする障害物検出方法。 (A) Extract low obstacles below the driving threshold from the heights of obstacles detected by the laser radar device,
(B) calculating a feature including the length, width, area, or circumference of the low obstacle;
(C) calculating the degree of human likeness indicating the possibility that the low obstacle is human from the feature amount;
(D) An obstacle detection method characterized in that the low obstacle with the high possibility from the degree of human likeness is made into a non-travelable area.
前記メンバーシップ値の積、和、最小値、又は最大値が閾値を超える場合に、前記低障害物を前記走行不能領域と判定する、ことを特徴とする請求項1に記載の障害物検出方法。 The degree of human likeness is a membership value based on the average value and standard deviation of human length, width, area or circumference,
The obstacle detection method according to claim 1, wherein the low obstacle is determined to be the untravelable area when the product, sum, minimum or maximum value of the membership values exceeds a threshold. .
前記レーザレーダ装置の検出データに基づき、車両を制御する自律制御装置と、を備え、
前記自律制御装置は、
(A)前記レーザレーダ装置で検出された障害物の高さから走行閾値未満の低障害物を抽出し、
(B)前記低障害物の長さ、幅、面積、又は周長を含む特徴量を算出し、
(C)前記特徴量から前記低障害物が人間である可能性を示す人間らしさ度を算出し、
(D)前記人間らしさ度から前記可能性の高い前記低障害物を走行不能領域とする、ことを特徴とする移動体。 A laser radar device that measures around the road surface by rotating around a vertical axis perpendicular to the road surface;
An autonomous control device for controlling a vehicle based on detection data of the laser radar device;
The autonomous control device
(A) Extract low obstacles less than a travel threshold from heights of obstacles detected by the laser radar device;
(B) calculating a feature including the length, width, area, or circumference of the low obstacle;
(C) calculating the degree of human likeness indicating the possibility that the low obstacle is human from the feature amount;
(D) A mobile object characterized in that the low obstacle with the high possibility from the human likeness degree is a non-travelable area.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015156962A JP6529855B2 (en) | 2015-08-07 | 2015-08-07 | Moving object and its obstacle detection method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2015156962A JP6529855B2 (en) | 2015-08-07 | 2015-08-07 | Moving object and its obstacle detection method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2017036945A JP2017036945A (en) | 2017-02-16 |
JP6529855B2 true JP6529855B2 (en) | 2019-06-12 |
Family
ID=58048630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2015156962A Active JP6529855B2 (en) | 2015-08-07 | 2015-08-07 | Moving object and its obstacle detection method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6529855B2 (en) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7192563B2 (en) * | 2019-02-21 | 2022-12-20 | 新東工業株式会社 | autonomous mobile robot |
CN113325832B (en) * | 2020-02-28 | 2023-08-11 | 杭州萤石软件有限公司 | Movable robot obstacle avoidance method and movable robot |
CN111578932B (en) * | 2020-05-28 | 2021-12-24 | 长沙中联重科环境产业有限公司 | Image establishing method, device, medium and equipment based on multi-line laser radar |
CN113296118B (en) * | 2021-05-24 | 2023-11-24 | 江苏盛海智能科技有限公司 | Unmanned obstacle detouring method and terminal based on laser radar and GPS |
CN117970929A (en) * | 2024-01-31 | 2024-05-03 | 湖南湘江城市运营管理有限公司 | Control system of weeding robot |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3729025B2 (en) * | 2000-06-09 | 2005-12-21 | 日産自動車株式会社 | Pedestrian detection device |
JP4645108B2 (en) * | 2004-09-09 | 2011-03-09 | パナソニック電工株式会社 | Autonomous mobile device |
JP4887849B2 (en) * | 2006-03-16 | 2012-02-29 | 日産自動車株式会社 | Vehicle obstacle detection device, road obstacle detection method, and vehicle with road obstacle detection device |
JP5083543B2 (en) * | 2008-01-23 | 2012-11-28 | 株式会社Ihi | Traveling area discrimination device and traveling area discrimination method for mobile robot |
JP5047361B2 (en) * | 2008-08-28 | 2012-10-10 | 有限会社 ラムロック映像技術研究所 | Monitoring system |
JP2011186584A (en) * | 2010-03-05 | 2011-09-22 | Daihatsu Motor Co Ltd | Object recognition apparatus |
KR101550972B1 (en) * | 2013-09-25 | 2015-09-07 | 현대자동차주식회사 | Apparatus and Method for Extracting of Feature Point for Recognize of Obstacle using Laser Scanner |
-
2015
- 2015-08-07 JP JP2015156962A patent/JP6529855B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
JP2017036945A (en) | 2017-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6529855B2 (en) | Moving object and its obstacle detection method | |
US11216004B2 (en) | Map automation—lane classification | |
US11474532B2 (en) | Systems and methods for detecting anomalies in a vehicle system | |
US11216000B2 (en) | System and method for estimating lane prediction errors for lane segments | |
JP5112666B2 (en) | Mobile device | |
US11898855B2 (en) | Assistance control system that prioritizes route candidates based on unsuitable sections thereof | |
US10553117B1 (en) | System and method for determining lane occupancy of surrounding vehicles | |
JP2023511755A (en) | Object velocity and/or yaw rate detection and tracking | |
US10369993B2 (en) | Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free | |
US11161501B2 (en) | System and method for optimizing a path for obstacle evasion for a vehicle | |
US10933880B2 (en) | System and method for providing lane curvature estimates | |
JP5781126B2 (en) | Obstacle determination device, autonomous mobile device, and obstacle determination method | |
US20220410882A1 (en) | Intersection collision mitigation risk assessment model | |
JP2024014875A (en) | Object localization for autonomous driving by visual tracking and image reprojection | |
KR20200084938A (en) | Method and Apparatus for Planning Car Motion | |
US11615268B2 (en) | System and method for optimizing performance of a model performing a downstream task | |
US11200679B1 (en) | System and method for generating a probability distribution of a location of an object | |
CN113544538A (en) | Identifying radar reflections using velocity and position information | |
US12039438B2 (en) | Systems and methods for trajectory forecasting according to semantic category uncertainty | |
Kuhnt et al. | Lane-precise localization of intelligent vehicles using the surrounding object constellation | |
US11037324B2 (en) | Systems and methods for object detection including z-domain and range-domain analysis | |
WO2021074660A1 (en) | Object recognition method and object recognition device | |
US20230150532A1 (en) | Vehicle path adjustment | |
US20220180117A1 (en) | System and method for tracking detected objects | |
US20230351739A1 (en) | Network for multisweep 3d detection |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180611 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190418 |
|
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: 20190508 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190515 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6529855 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313117 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |