JP6565967B2 - 路上障害物検出装置,方法,およびプログラム - Google Patents
路上障害物検出装置,方法,およびプログラム Download PDFInfo
- Publication number
- JP6565967B2 JP6565967B2 JP2017095900A JP2017095900A JP6565967B2 JP 6565967 B2 JP6565967 B2 JP 6565967B2 JP 2017095900 A JP2017095900 A JP 2017095900A JP 2017095900 A JP2017095900 A JP 2017095900A JP 6565967 B2 JP6565967 B2 JP 6565967B2
- Authority
- JP
- Japan
- Prior art keywords
- road
- probability
- local region
- local area
- local
- 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
Classifications
-
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- 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
- G06V10/255—Detecting or recognising potential candidate objects based on visual cues, e.g. shapes
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/768—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using context analysis, e.g. recognition aided by known co-occurring patterns
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Description
識別器を学習し,得られた識別器を用いて路上障害物を検出することができる。非特許文献1は,HOG(Histogram of Oriented Gradient)を画像内で複数組み合わせたJoint HOG
特徴量を計算し,AdaBoostによって車両の識別に有効な特徴量を選択している。
路上障害物についての学習データを収集して学習処理を行えば路上障害物が検出できるとも考えられる。しかしながら,路上障害物は多種多様であり,全ての路上障害物を学習することは現実的に不可能である。
路上障害物を精度良く検出することを目的とする。
画像を入力する画像入力手段と,
前記画像を複数の局所領域に分割する局所領域分割手段と,
対象局所領域に路上障害物が存在する確率を,当該対象局所領域があらかじめ定められた正常物体ではない確率と,周辺局所領域と前記対象局所領域の関係によって定義される視覚的顕著度と,に基づいて算出する尤度算出手段と,
を備え,
前記視覚的顕著度は,前記周辺局所領域が道路である確率が高いほど大きく,かつ,前記対象局所領域と前記周辺局所領域の視覚的特徴の相違が大きいほど大きく算出される,
ことを特徴とする。
スチャなどに基づいて行えばよい。例えば,色特徴の相違度を用いて視覚的相違度を評価する場合には,対象局所領域内の色特徴の平均値と,周辺局所賞域の色特徴の平均値との距離(ユークリッド距離やその他の距離測度)を視覚的相違度として利用すればよい。
画像を入力する画像入力手段と,
前記画像を複数の局所領域Sn (n = 1, …, N)に分割する局所領域分割手段と,
前記複数の局所領域の意味的ラベルを推定する意味的ラベル推定手段と,
対象局所領域Siに路上障害物が存在する確率Liを,下記式に基づいて算出する尤度算出手段と,
を備える,ことを特徴とする路上障害物検出装置。
n(Sj)は,局所領域Sjの大きさを表し,
dappear(Si, Sj)は,局所領域Siと局所領域Sjの視覚的相違度を表し,
Proad(Sj)は,局所領域Sjが道路である確率を表し,
dposition(Si, Sj)は,局所領域Siと局所領域Sjの間の距離を表し,
W(dposition(Si, Sj))は,dposition(Si, Sj)が大きいほど値が小さくなる関数であり
,
Pothers(Si)は,局所領域Siが正常物体ではない確率を表す。
本発明の第1の実施形態は,車両に搭載されたカメラによって撮影された画像(1枚の静止画像)に基づいて,路上障害物を検出する路上障害物検出装置である。本実施形態に係る路上障害物検出装置は,障害物の学習に頼らない手法を採用するため,未知の障害物であっても精度良く検出できる。
。また,画像はカラー画像であることが検出精度の観点から好ましいが,モノクロ画像であってもかまわない。
した領域であり,かつ,内部の各点の特徴量が互いに類似する領域である。特徴量として,色や輝度,エッジ強度,テクスチャなどを用いることができる。局所領域は,前景とその背景との境界を跨がない領域とも表現できる。局所領域分割アルゴリズムとして,非特許文献2-4に示されるアルゴリズムを用いることができる。局所領域分割部12は,分割し
たN個の局所領域Snを尤度算出部14に出力する。
別するための識別器を学習しており,画素p(x,y)ごとに,M個の意味的ラベルLm(m=1,…,M)のそれぞれに属する確率Pm(m=1,…,M)を算出し,尤度算出部14に出力する。
層学習(特にCNN(Convolutional Neural Network))ベースの手法,および,非特許文献7のようなこれらを組み合わせ手法などが採用可能である。
とおよび意味的ラベルLmごとに確率が求められているが,図4では画素ごとに最も高い確
率の意味的ラベルを示している。
する。具体的には,路上障害物らしさLiは,たとえば,式1のように定義すればよい。
ち外観(見た目)の相違度(距離)を表す。外観の評価は,色,輝度,エッジ強度,テクスチャなどに基づいて行えばよい。色特徴の相違度を用いて視覚的相違度を評価する場合には,dappear(Si, Sj)を,局所領域Si内の色特徴の平均値(Hi, Si, Vi)と,局所領域Sj 内の色特徴の平均値(Hj, Sj , Vj)とのユークリッド距離として求めればよい。色以外の
外観特徴を利用する場合も同様である。また,複数の外観特徴を総合的に考慮して視覚的相違度を評価してもよい。
各画素の意味的ラベルが「道路」である確率の平均値として求めればよい。
は,例えば,重心間距離によって定義すればよい。すなわち,dposition(Si, Sj)は,局
所領域Siの重心位置Giと局所領域Sjの重心位置Gjの間のユークリッド距離(図3参照)と
して求めればよい。このような観点から,dposition(Si, Sj)はdposition(Gi, Gj)と表してもよい。
す関数である。ここで,関数Wは,重心間距離dpositionが大きいほど小さな値となるように定義されれば,どのような形式であってもよい。例えば,次式のようにガウシアンの重み関数を採用できる。なお,w0は,全ての局所領域のペア間の重心距離の中央値を表す。
障害物を学習対象に含めずに学習している場合には,「意味的ラベルが正常物体以外の物体である」ことは,「意味的ラベルが『その他』である」ことと等しい。障害物を学習対象に含めて学習している場合には,「意味的ラベルが正常物体以外の物体である」ことは,「意味的ラベルが『障害物』または『その他』である」ことと等しい。なお,意味的ラベルの確率は画素ごとに求められるので,Proadと同様に,局所領域Si内の各画素の上記
確率の平均値としてPothersを求めればよい。
るが,j=iのときはdappear(Si, Si)=0であることから,j=iは除外しても差し支えない。
また,重みWがゼロに十分近いようなjについては対象に含めなくてもよい。
いて,画像I(t)における路上障害物を検出する。具体的には,検知部15は,2値化処理に
よって,画像I(t)における各画素を路上障害物の候補領域(図6の白色領域)とそれ以外
の領域(図6の黒色領域)とに分離する。2値化処理の閾値は,あらかじめ定められた値であってもよい。あるいは,クラス内分散を最小化しクラス間分散を最大化するような閾値を適応的に決定する(非特許文献7参照)ことも好ましい。検出部15は,さらに,図7のように,得られた注目領域の候補領域に外接する矩形領域を設定することにより,最終的な画像I(t)における路上障害物を検出する。
警告したり,回避制御の実行あるいは支援を行ったりしてもよい。あるいは,後方車両に対して検出結果を車両間の直接の通信やクラウド経由での通信によって伝達してもよい。また,路上障害物検出装置1が路側機に搭載される場合には,路側機から周囲の車両に対
して検出結果を伝達してもよい。
本発明の第2の実施形態について,図8〜図10を参照して説明する。
障害物らしさを算出し,得られた障害物らしさの大きさに基づいて路上障害物を検出している。これに対して,本実施形態では,局所領域への分割処理を複数の粒度で行い,それぞれの分割結果に対して第1の実施形態と同様の処理を施して障害物らしさを求め,複数
の粒度での結果を統合することで最終的な障害物らしさを決定する。
粒度でK回実行する(図9の例ではK=3)。局所領域分割部22は,画像I(t)をNk(k=1, …, K)個の局所領域Sk,n(n=1, …, Nk)に分割し,尤度算出部23に出力する。ここで,Kは局所
領域の粒度の個数を表す。また,Nkはk番目の粒度の局所領域の個数を表す。たとえば,
図 9においては,K=3, N1=100, N2=150,N3=200で与えられる。粒度Nkが決定された後
の局所領域への分割処理アルゴリズムは第1の実施形態と同様である。
しさLk,n(n=1, …, Nk)を算出する。1つの領域分割結果を用いた尤度算出処理は第1の実
施形態と同様である。
た路上障害物らしさの合計値(下段)とを示す。
路上障害物の大きさによっては誤検出が生じうる。本実施形態では,複数粒度での領域結果に基づいて検出しているため,ある粒度での領域分割に基づくと誤検出が生じても,他の粒度での領域分割では誤検出が生じないことが期待できる。したがって,検出精度を向上できる。
本発明における路上障害物検出装置1,2は,半導体集積回路(LSI)による実装に限定さ
れず,汎用的なマイクロプロセッサやメモリを有するコンピュータがプログラムを実行す
ることによって実現されても構わない.また,路上障害物検出装置1,2は必ずしも1台の
装置によって実装される必要はなく,複数の異なる装置に機能を分担させて全体として上記の機能が実現されてもよい。
11, 21 画像入力部
12, 22 局所領域分割部
13, 23 意味的ラベル推定部
14, 24 尤度算出部
15, 26 検出部
25 統合部
Claims (19)
- 画像中の路上障害物を検出する路上障害物検出装置であって,
画像を入力する画像入力手段と,
前記画像を複数の局所領域に分割する局所領域分割手段と,
対象局所領域に路上障害物が存在する確率を,当該対象局所領域があらかじめ定められた正常物体ではない確率と,周辺局所領域と前記対象局所領域の関係によって定義される視覚的顕著度と,に基づいて算出する尤度算出手段と,
を備え,
前記視覚的顕著度は,前記周辺局所領域が道路である確率が高いほど大きく,かつ,前記対象局所領域と前記周辺局所領域の視覚的特徴の相違が大きいほど大きく算出される,
ことを特徴とする,路上障害物検出装置。 - 前記視覚的顕著度は,前記周辺局所領域の大きさが大きいほど大きく算出される,
請求項1に記載の路上障害物検出装置。 - 前記視覚的顕著度は,前記対象局所領域と前記周辺局所領域の間の距離が小さいほど大きく算出される,
請求項1または2に記載の路上障害物検出装置。 - 前記尤度算出手段は,前記複数の局所領域についての視覚的顕著度の和と,前記対象局所領域が前記正常物体ではない確率と,の積として,前記対象局所領域に路上障害物が存在する確率を算出する,
請求項1から3のいずれか1項に記載の路上障害物検出装置。 - あらかじめ複数の正常物体を学習し,当該複数の正常物体を識別する識別手段をさらに備え,
前記対象局所領域があらかじめ定められた正常物体以外である確率は,前記識別手段による識別結果に基づいて決定される,
請求項1から4のいずれか1項に記載の路上障害物検出装置。 - 前記識別手段は,画素ごとに識別を行うものであり,
前記対象局所領域があらかじめ定められた正常物体以外である確率は,当該局所領域内の画素について求められる正常物体ではない確率の平均値として算出される,
請求項5に記載の路上障害物検出装置。 - 前記局所領域分割手段は,複数の粒度で前記画像を分割し,
前記尤度算出手段は,それぞれの粒度での分割結果ごとに,対象局所領域に路上障害物が存在する確率を算出し,
さらに,それぞれの確率を統合して,路上障害物が存在する確率を画素ごとに決定する統合手段を備える,
請求項1から6のいずれか1項に記載の路上障害物検出装置。 - 路上障害物が存在する確率に閾値処理を施し,その結果に基づいて,前記画像において路上障害物が存在する領域を検出する検出手段をさらに備える,
請求項1から7のいずれか1項に記載の路上障害物検出装置。 - 画像中の路上障害物を検出する路上障害物検出装置であって,
画像を入力する画像入力手段と,
前記画像を複数の局所領域Sn (n = 1, …, N)に分割する局所領域分割手段と,
前記複数の局所領域の意味的ラベルを推定する意味的ラベル推定手段と,
対象局所領域Siに路上障害物が存在する確率Liを,下記式に基づいて算出する尤度算出手段と,
を備える,ことを特徴とする路上障害物検出装置。
n(Sj)は,局所領域Sjの大きさを表し,
dappear(Si, Sj)は,局所領域Siと局所領域Sjの視覚的相違度を表し,
Proad(Sj)は,局所領域Sjが道路である確率を表し,
dposition(Si, Sj)は,局所領域Siと局所領域Sjの間の距離を表し,
W(dposition(Si, Sj))は,dposition(Si, Sj)が大きいほど値が小さくなる関数であり
,
Pothers(Si)は,局所領域Siが正常物体ではない確率を表す。 - コンピュータが実行する路上障害物検出方法であって,
画像を入力する画像入力ステップと,
前記画像を複数の局所領域に分割する局所領域分割ステップと,
対象局所領域に路上障害物が存在する確率を,当該対象局所領域があらかじめ定められた正常物体ではない確率と,周辺局所領域と前記対象局所領域の関係によって定義される視覚的顕著度と,に基づいて算出する尤度算出ステップと,
を含み,
前記視覚的顕著度は,前記周辺局所領域が道路である確率が高いほど大きく,かつ,前記対象局所領域と前記周辺局所領域の視覚的特徴の相違が大きいほど大きく算出される,
ことを特徴とする,路上障害物検出方法。 - 前記視覚的顕著度は,前記周辺局所領域の大きさが大きいほど大きく算出される,
請求項10に記載の路上障害物検出方法。 - 前記視覚的顕著度は,前記対象局所領域と前記周辺局所領域の間の距離が小さいほど大きく算出される,
請求項10または11に記載の路上障害物検出方法。 - 前記尤度算出ステップでは,前記複数の局所領域についての視覚的顕著度の和と,前記対象局所領域が前記正常物体ではない確率と,の積として,前記対象局所領域に路上障害物が存在する確率が算出される,
請求項10から12のいずれか1項に記載の路上障害物検出方法。 - あらかじめ複数の正常物体を学習し,当該複数の正常物体を識別する識別ステップをさらに含み,
前記対象局所領域があらかじめ定められた正常物体以外である確率は,前記識別ステップにおける識別結果に基づいて決定される,
請求項10から13のいずれか1項に記載の路上障害物検出方法。 - 前記識別ステップは,画素ごとに識別を行うものであり,
前記対象局所領域があらかじめ定められた正常物体以外である確率は,当該局所領域内の画素について求められる正常物体ではない確率の平均値として算出される,
請求項14に記載の路上障害物検出方法。 - 前記局所領域分割ステップでは,複数の粒度で前記画像を分割し,
前記尤度算出ステップでは,それぞれの粒度での分割結果ごとに,対象局所領域に路上障害物が存在する確率を算出し,
さらに,それぞれの確率を統合して,路上障害物が存在する確率を画素ごとに決定する統合ステップを含む,
請求項10から15のいずれか1項に記載の路上障害物検出方法。 - 路上障害物が存在する確率に閾値処理を施し,その結果に基づいて,前記画像において路上障害物が存在する領域を検出する検出ステップをさらに含む,
請求項10から16のいずれか1項に記載の路上障害物検出方法。 - コンピュータが実行する路上障害物検出方法であって,
画像を入力する画像入力ステップと,
前記画像を複数の局所領域Sn (n = 1, …, N)に分割する局所領域分割ステップと,
前記複数の局所領域の意味的ラベルを推定する意味的ラベル推定ステップと,
対象局所領域Siに路上障害物が存在する確率Liを,下記式に基づいて算出する尤度算出ステップと,
を含む,ことを特徴とする路上障害物検出方法。
n(Sj)は,局所領域Sjの大きさを表し,
dappear(Si, Sj)は,局所領域Siと局所領域Sjの視覚的相違度を表し,
Proad(Sj)は,局所領域Sjが道路である確率を表し,
dposition(Si, Sj)は,局所領域Siと局所領域Sjの間の距離を表し,
W(dposition(Si, Sj))は,dposition(Si, Sj)が大きいほど値が小さくなる関数であり
,
Pothers(Si)は,局所領域Siが正常物体ではない確率を表す。 - 請求項10から18のいずれか1項に記載の路上検出方法の各ステップをコンピュータに実行させるためのプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017095900A JP6565967B2 (ja) | 2017-05-12 | 2017-05-12 | 路上障害物検出装置,方法,およびプログラム |
US15/964,748 US10810876B2 (en) | 2017-05-12 | 2018-04-27 | Road obstacle detection device, method, and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017095900A JP6565967B2 (ja) | 2017-05-12 | 2017-05-12 | 路上障害物検出装置,方法,およびプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2018194912A JP2018194912A (ja) | 2018-12-06 |
JP6565967B2 true JP6565967B2 (ja) | 2019-08-28 |
Family
ID=64097292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017095900A Active JP6565967B2 (ja) | 2017-05-12 | 2017-05-12 | 路上障害物検出装置,方法,およびプログラム |
Country Status (2)
Country | Link |
---|---|
US (1) | US10810876B2 (ja) |
JP (1) | JP6565967B2 (ja) |
Families Citing this family (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
FR3067474B1 (fr) * | 2017-06-09 | 2021-11-19 | Inria Inst Nat Rech Informatique & Automatique | Dispositif informatique pour l'aide a la conduite |
US11373067B2 (en) * | 2018-08-10 | 2022-06-28 | Nec Corporation | Parametric top-view representation of scenes |
US10956796B2 (en) * | 2018-10-11 | 2021-03-23 | International Business Machines Corporation | Self-guided object detection in regular images |
US10902238B2 (en) * | 2018-11-28 | 2021-01-26 | Toyota Research Institute, Inc. | Systems and methods for predicting semantics of a particle using semantic segmentation |
CN111369566B (zh) * | 2018-12-25 | 2023-12-05 | 杭州海康威视数字技术股份有限公司 | 确定路面消隐点位置的方法、装置、设备及存储介质 |
JP2021006011A (ja) * | 2019-06-27 | 2021-01-21 | 株式会社クボタ | 農作業車のための障害物検出システム |
JP7383954B2 (ja) * | 2019-09-25 | 2023-11-21 | トヨタ自動車株式会社 | 学習用データ収集装置 |
JP7215390B2 (ja) | 2019-10-10 | 2023-01-31 | トヨタ自動車株式会社 | 路上障害物検知装置、路上障害物検知方法、及び路上障害物検知プログラム |
JP7327077B2 (ja) * | 2019-10-18 | 2023-08-16 | トヨタ自動車株式会社 | 路上障害物検知装置、路上障害物検知方法、及び路上障害物検知プログラム |
US11699235B2 (en) * | 2019-11-20 | 2023-07-11 | Baidu Usa Llc | Way to generate tight 2D bounding boxes for autonomous driving labeling |
US11508092B2 (en) * | 2019-12-16 | 2022-11-22 | X Development Llc | Edge-based crop yield prediction |
CN113435230B (zh) * | 2020-03-23 | 2024-03-15 | 中国电信股份有限公司 | 异常区域的检测方法、装置、系统和计算机可读存储介质 |
JP7310718B2 (ja) * | 2020-05-27 | 2023-07-19 | トヨタ自動車株式会社 | 路上障害物検知装置、路上障害物検知方法、及び路上障害物検知プログラム |
JP2022037779A (ja) * | 2020-08-25 | 2022-03-09 | トヨタ自動車株式会社 | 路上障害物検出装置、路上障害物検出方法およびプログラム |
US11733369B2 (en) * | 2021-02-11 | 2023-08-22 | Waymo Llc | Methods and systems for three dimensional object detection and localization |
JPWO2022208664A1 (ja) * | 2021-03-30 | 2022-10-06 | ||
CN113160217A (zh) * | 2021-05-12 | 2021-07-23 | 北京京东乾石科技有限公司 | 一种线路异物的检测方法、装置、设备及存储介质 |
KR102621693B1 (ko) * | 2021-06-29 | 2024-01-05 | 주식회사 모토모 | 블랙박스를 이용한 장애물 인식 시스템 |
CN113657161A (zh) * | 2021-07-15 | 2021-11-16 | 北京中科慧眼科技有限公司 | 一种非标小障碍物检测方法、装置与自动驾驶系统 |
CN114399741A (zh) * | 2021-12-03 | 2022-04-26 | 际络科技(上海)有限公司 | 基于显著性检测的路面障碍物识别方法和系统 |
CN116758081B (zh) * | 2023-08-18 | 2023-11-17 | 安徽乾劲企业管理有限公司 | 一种无人机道路桥梁巡检图像处理方法 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4277081B2 (ja) * | 2004-03-17 | 2009-06-10 | 株式会社デンソー | 運転支援装置 |
JP2006140636A (ja) | 2004-11-10 | 2006-06-01 | Toyota Motor Corp | 障害物検出装置および方法 |
US8629784B2 (en) * | 2009-04-02 | 2014-01-14 | GM Global Technology Operations LLC | Peripheral salient feature enhancement on full-windshield head-up display |
WO2013065220A1 (ja) * | 2011-11-02 | 2013-05-10 | パナソニック株式会社 | 画像認識装置、画像認識方法、及び集積回路 |
JP5766620B2 (ja) * | 2012-01-10 | 2015-08-19 | 日本電信電話株式会社 | 物体領域検出装置、方法、及びプログラム |
US10032280B2 (en) * | 2014-09-19 | 2018-07-24 | Brain Corporation | Apparatus and methods for tracking salient features |
JP2016081472A (ja) * | 2014-10-22 | 2016-05-16 | キヤノン株式会社 | 画像処理装置、画像処理方法及びプログラム |
US10503999B2 (en) * | 2015-03-24 | 2019-12-10 | Hrl Laboratories, Llc | System for detecting salient objects in images |
CN106296638A (zh) * | 2015-06-04 | 2017-01-04 | 欧姆龙株式会社 | 显著性信息取得装置以及显著性信息取得方法 |
US20170206426A1 (en) * | 2016-01-15 | 2017-07-20 | Ford Global Technologies, Llc | Pedestrian Detection With Saliency Maps |
-
2017
- 2017-05-12 JP JP2017095900A patent/JP6565967B2/ja active Active
-
2018
- 2018-04-27 US US15/964,748 patent/US10810876B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US10810876B2 (en) | 2020-10-20 |
US20180330615A1 (en) | 2018-11-15 |
JP2018194912A (ja) | 2018-12-06 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6565967B2 (ja) | 路上障害物検出装置,方法,およびプログラム | |
US10366310B2 (en) | Enhanced camera object detection for automated vehicles | |
CN109426801B (zh) | 一种车道线实例检测方法和装置 | |
Xiao et al. | CRF based road detection with multi-sensor fusion | |
Guo et al. | Robust road detection and tracking in challenging scenarios based on Markov random fields with unsupervised learning | |
US20220044024A1 (en) | Systems and methods for utilizing machine learning and other models to reconstruct a vehicle accident scene from video | |
Ošep et al. | Multi-scale object candidates for generic object tracking in street scenes | |
CN107609483B (zh) | 面向驾驶辅助系统的危险目标检测方法、装置 | |
CN105426863B (zh) | 检测车道线的方法和装置 | |
JP2014071902A (ja) | フィンガープリントを使用してビデオ内で移動オブジェクトを追跡するため方法及びシステム | |
US10824881B2 (en) | Device and method for object recognition of an input image for a vehicle | |
CN104915642B (zh) | 前方车辆测距方法及装置 | |
Liu et al. | Vehicle detection and ranging using two different focal length cameras | |
Shinzato et al. | Road estimation with sparse 3D points from stereo data | |
Fernandez et al. | A comparative analysis of decision trees based classifiers for road detection in urban environments | |
Bruno et al. | Analysis and fusion of 2d and 3d images applied for detection and recognition of traffic signs using a new method of features extraction in conjunction with deep learning | |
Kühnl et al. | Visual ego-vehicle lane assignment using spatial ray features | |
Bao et al. | Unpaved road detection based on spatial fuzzy clustering algorithm | |
Liu et al. | Real-time traffic light recognition based on smartphone platforms | |
Chen | Road vehicle recognition algorithm in safety assistant driving based on artificial intelligence | |
US20220318456A1 (en) | Simulation method based on three-dimensional contour, storage medium, computer equipment | |
Dhanakshirur et al. | A framework for lane prediction on unstructured roads | |
Prahara et al. | Vehicle pose estimation for vehicle detection and tracking based on road direction | |
Ponn et al. | Performance Analysis of Camera-based Object Detection for Automated Vehicles. | |
Nazir et al. | Vehicle detection on embedded single board computers |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20180523 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20190528 |
|
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: 20190702 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20190715 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 6565967 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |