JP6671568B1 - センサ診断装置およびセンサ診断プログラム - Google Patents

センサ診断装置およびセンサ診断プログラム Download PDF

Info

Publication number
JP6671568B1
JP6671568B1 JP2019561195A JP2019561195A JP6671568B1 JP 6671568 B1 JP6671568 B1 JP 6671568B1 JP 2019561195 A JP2019561195 A JP 2019561195A JP 2019561195 A JP2019561195 A JP 2019561195A JP 6671568 B1 JP6671568 B1 JP 6671568B1
Authority
JP
Japan
Prior art keywords
sensor
position information
group
environment
parameter
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
Application number
JP2019561195A
Other languages
English (en)
Other versions
JPWO2021019665A1 (ja
Inventor
俊仁 池西
俊仁 池西
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Application granted granted Critical
Publication of JP6671568B1 publication Critical patent/JP6671568B1/ja
Publication of JPWO2021019665A1 publication Critical patent/JPWO2021019665A1/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D18/00—Testing or calibrating apparatus or arrangements provided for in groups G01D1/00 - G01D15/00
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/52—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S15/00
    • G01S7/52004—Means for monitoring or calibrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/862—Combination of radar systems with sonar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/865—Combination of radar systems with lidar systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/86—Combinations of sonar systems with lidar systems; Combinations of sonar systems with systems not using wave reflection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S15/00—Systems using the reflection or reradiation of acoustic waves, e.g. sonar systems
    • G01S15/88—Sonar systems specially adapted for specific applications
    • G01S15/93—Sonar systems specially adapted for specific applications for anti-collision purposes
    • G01S15/931—Sonar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4052—Means for monitoring or calibrating by simulation of echoes
    • G01S7/4082—Means for monitoring or calibrating by simulation of echoes using externally generated reference signals, e.g. via remote reflector or transponder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Acoustics & Sound (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

データ取得部（１１０）は、異なる種類の複数のセンサを含むセンサ群（２００）からセンサデータ群を取得する。物体検出部（１２０）は、取得されたセンサデータ群に基づいて、前記センサ群の周囲に存在する物体について位置情報群を算出する。環境判定部（１３０）は、取得されたセンサデータ群の少なくともいずれかのセンサデータに基づいて、前記センサ群の周囲の環境を判定する。正常範囲決定部（１４０）は、判定された環境に基づいて、算出された位置情報群に対する正常範囲を決定する。状態判定部（１５０）は、算出された位置情報群と決定された正常範囲とに基づいて、前記センサ群の状態を判定する。

Description

本発明は、センサを診断するための技術に関するものである。
従来の異常診断装置は、未知の異常が生じている場合でもシステムが正常ではないことを検出できる装置として提案されている。
特許文献１には、次のような診断装置が開示されている。この診断装置に対して、システム正常時のセンサデータと複数センサの関係性とに基づいて正常なシステムモデルが作成される。この診断装置は、現在の各センサデータを元に求めた各センサ間における関係性の値と正常モデルの値を比較する。そして、この診断装置は、逸脱した値を出した場合を異常と診断し、その場合をシステムが正常ではないと判定する。
特開２０１４−１４８２９４号公報
従来、センサの出力値と複数センサの関係性とに基づいてから正常モデルが作成され、診断装置は、現在の複数センサの関連性の値が正常モデルの関連性とどれだけ離れているかを示す逸脱度によって、センサの異常診断を行っている。
しかし、センサが正常であっても、天気（晴れ、雨、霧など）または時間帯（朝、昼、夜など）のような周囲の環境によって、計測精度のばらつきの大きさが変わる、と考えられる。
したがって、周囲の環境が考慮されなければ、適切な逸脱度が得られないため、センサを正しく診断することができない。
本発明は、周囲の環境を考慮した正しい診断を行うことができるようにすることを目的とする。
本発明のセンサ診断装置は、
異なる種類の複数のセンサを含むセンサ群からセンサデータ群を取得するデータ取得部と、
取得されたセンサデータ群に基づいて、前記センサ群の周囲に存在する物体について位置情報群を算出する物体検出部と、
取得されたセンサデータ群の少なくともいずれかのセンサデータに基づいて、前記センサ群の周囲の環境を判定する環境判定部と、
判定された環境に基づいて、算出された位置情報群に対する正常範囲を決定する正常範囲決定部と、
算出された位置情報群と決定された正常範囲とに基づいて、前記センサ群の状態を判定する状態判定部と、を備える。
本発明によれば、周囲の環境を考慮した正しい診断を行うことが可能となる。
実施の形態１におけるセンサ診断装置１００の構成図。 実施の形態１におけるセンサ診断方法のフローチャート。 実施の形態１における正常範囲決定処理（Ｓ１４０）のフローチャート。 実施の形態１における状態判定処理（Ｓ１５０）のフローチャート。 実施の形態１における位置情報の誤差範囲を示す図。 実施の形態１におけるパラメータ生成方法のフローチャート。 実施の形態１における位置情報の正規分布を示す図。 実施の形態１におけるセンサ群２００の劣化度合いの変化を示す図。 実施の形態２におけるセンサ診断方法のフローチャート。 実施の形態２における正常範囲決定処理（Ｓ２４０）のフローチャート。 実施の形態２における状態判定処理（Ｓ２５０）のフローチャート。 実施の形態２におけるパラメータ生成方法のフローチャート。 実施の形態２における位置情報の主成分を示す図。 実施の形態２における位置特徴量の正規分布を示す図。 実施の形態２における位置情報の分布と位置特徴量の分布との比較図。 実施の形態３におけるセンサ診断方法のフローチャート。 実施の形態３における正常範囲決定処理（Ｓ３４０）のフローチャート。 実施の形態３における関係グラフを示す図。 実施の形態３における近似曲線を示す図。 実施の形態４におけるセンサ診断方法のフローチャート。 実施の形態４における正常範囲決定処理（Ｓ４４０）のフローチャート。 実施の形態におけるセンサ診断装置１００のハードウェア構成図。
実施の形態および図面において、同じ要素または対応する要素には同じ符号を付している。説明した要素と同じ符号が付された要素の説明は適宜に省略または簡略化する。図中の矢印はデータの流れ又は処理の流れを主に示している。
実施の形態１．
センサ診断装置１００について、図１から図８に基づいて説明する。
＊＊＊構成の説明＊＊＊
図１に基づいて、センサ診断装置１００の構成を説明する。
センサ診断装置１００は、センサ群２００を診断するためのコンピュータである。
例えば、センサ診断装置１００は、センサ群２００と共に移動体に搭載され、移動体が移動している間または移動体が停止している間にセンサ群２００の状態（正常または異常）を判定する。移動体の具体例は、自動車、ロボットまたは船舶などである。移動体に搭載されるＥＣＵがセンサ診断装置１００として機能してもよい。
ＥＣＵはＥｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔの略称である。
センサ群２００は、種類が異なる複数のセンサを含む。同じ種類の複数のセンサがセンサ群２００に含まれてもよい。
センサの具体例は、カメラ２０１、ＬＩＤＡＲ２０２、ミリ波レーダ２０３またはソナー２０４である。
センサ群２００は、周囲の環境と周囲に存在する物体とを観測するために用いられる。
環境の具体例は、天候（晴れ、雨または霧など）および明るさである。明るさは、昼間または夜間などの時間帯の目安になる。また、明るさは逆光の有無の目安になる。ＬＩＤＡＲ２０２、ミリ波レーダ２０３またはソナー２０４による計測における物体の反射率も環境の一例である。これらの環境は、各センサの視界に影響を及ぼす。つまり、これらの環境は各センサの計測に影響を及ぼす。
物体の具体例は、他車、歩行者または建物である。
センサ診断装置１００は、プロセッサ１０１とメモリ１０２と補助記憶装置１０３と入出力インタフェース１０４といったハードウェアを備える。これらのハードウェアは、信号線を介して互いに接続されている。
プロセッサ１０１は、演算処理を行うＩＣであり、他のハードウェアを制御する。例えば、プロセッサ１０１は、ＣＰＵ、ＤＳＰまたはＧＰＵである。
ＩＣは、Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略称である。
ＣＰＵは、Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。
ＤＳＰは、Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒの略称である。
ＧＰＵは、Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔの略称である。
メモリ１０２は揮発性または不揮発性の記憶装置である。メモリ１０２は、主記憶装置またはメインメモリとも呼ばれる。例えば、メモリ１０２はＲＡＭである。メモリ１０２に記憶されたデータは必要に応じて補助記憶装置１０３に保存される。
ＲＡＭは、Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙの略称である。
補助記憶装置１０３は不揮発性の記憶装置である。例えば、補助記憶装置１０３は、ＲＯＭ、ＨＤＤまたはフラッシュメモリである。補助記憶装置１０３に記憶されたデータは必要に応じてメモリ１０２にロードされる。
ＲＯＭは、Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙの略称である。
ＨＤＤは、Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅの略称である。
入出力インタフェース１０４は、各種機器が接続されるポートである。センサ群２００は入出力インタフェース１０４に接続される。
センサ診断装置１００は、データ取得部１１０と物体検出部１２０と環境判定部１３０と正常範囲決定部１４０と状態判定部１５０といった要素を備える。これらの要素はソフトウェアで実現される。
補助記憶装置１０３には、データ取得部１１０と物体検出部１２０と環境判定部１３０と正常範囲決定部１４０と状態判定部１５０としてコンピュータを機能させるためのセンサ診断プログラムが記憶されている。センサ診断プログラムは、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
補助記憶装置１０３には、さらに、ＯＳが記憶されている。ＯＳの少なくとも一部は、メモリ１０２にロードされて、プロセッサ１０１によって実行される。
プロセッサ１０１は、ＯＳを実行しながら、センサ診断プログラムを実行する。
ＯＳは、Ｏｐｅｒａｔｉｎｇ Ｓｙｓｔｅｍの略称である。
センサ診断プログラムの入出力データは記憶部１９０に記憶される。例えば、パラメータデータベース１９１などが記憶部１９０に記憶される。パラメータデータベース１９１については後述する。
メモリ１０２は記憶部１９０として機能する。但し、補助記憶装置１０３、プロセッサ１０１内のレジスタおよびプロセッサ１０１内のキャッシュメモリなどの記憶装置が、メモリ１０２の代わりに、又は、メモリ１０２と共に、記憶部１９０として機能してもよい。
センサ診断装置１００は、プロセッサ１０１を代替する複数のプロセッサを備えてもよい。複数のプロセッサは、プロセッサ１０１の機能を分担する。
センサ診断プログラムは、光ディスクまたはフラッシュメモリ等の不揮発性の記録媒体にコンピュータ読み取り可能に記録（格納）することができる。
＊＊＊動作の説明＊＊＊
センサ診断装置１００の動作の手順はセンサ診断方法に相当する。また、センサ診断装置１００の動作の手順はセンサ診断プログラムによる処理の手順に相当する。
センサ群２００の各センサは、各時刻に計測を行ってセンサデータを出力する。
カメラ２０１は、各時刻に周囲を撮影して画像データを出力する。画像データは、周囲が映った画像のデータである。
ＬＩＤＡＲ２０２は、各時刻にレーザ光を周囲に照射して点群データを出力する。点群データは、レーザ光を反射した地点ごとに距離ベクトルと反射強度とを示す。
ミリ波レーダ２０３は、各時刻にミリ波を周囲に発信して距離データを出力する。この距離データは、ミリ波を反射した地点ごとに距離ベクトルを示す。
ソナー２０４は、各時刻に音波を周囲に発信して距離データを出力する。この距離データは、音波を反射した地点ごとに距離ベクトルを示す。
画像データと点群データと距離データとのそれぞれはセンサデータの一例である。
図２に基づいて、センサ診断方法を説明する。
ステップＳ１１０からステップＳ１５０は各時刻に実行される。つまり、ステップＳ１１０からステップＳ１５０は繰り返し実行される。
ステップＳ１１０において、データ取得部１１０は、センサ群２００からセンサデータ群を取得する。
つまり、データ取得部１１０は、センサ群２００の各センサからセンサデータを取得する。
ステップＳ１２０において、物体検出部１２０は、センサデータ群に基づいて、物体の位置情報群を算出する。
物体の位置情報群は、物体に対する１つ以上の位置情報である。
物体の位置情報は、物体の位置を識別する情報である。具体的には、位置情報は座標値である。例えば、位置情報は、ローカル座標系における座標値、すなわち、センサ群２００の位置に対する相対的な位置を識別する座標値である。座標値は、１次元の値（ｘ）であってもよいし、２次元の値（ｘ，ｙ）であってもよいし、３次元の値（ｘ，ｙ，ｚ）であってもよい。
物体の位置情報群は次のように算出される。
物体検出部１２０は、センサデータ毎にデータ処理を行う。これにより、物体検出部１２０は、センサデータ毎に、物体を検出し、物体の座標値を算出する。このとき、物体の検出および物体の座標値の算出を行うために、センサデータの種類に応じて従来のデータ処理を利用することが可能である。
複数の物体が検出された場合、各物体が識別され、各物体の座標値が算出される。
少なくとも一つの位置情報がセンサフュージョンによって算出されてもよい。センサフュージョンには、アーリーフュージョン、クロスフュージョン、レイトフュージョンなどの様々な手法がある。また、センサの組み合わせとして、カメラ２０１とＬＩＤＡＲ２０２、ＬＩＤＡＲ２０２とミリ波レーダ２０３、カメラ２０１とミリ波レーダ２０３などの様々な組み合わせが考えられる。
センサフュージョンが利用される場合、物体検出部１２０は、２つ以上のセンサから取得された２つ以上のセンサデータを用いて１つの位置情報を算出する。この算出のためのセンサフュージョンの方法は任意である。例えば、物体検出部１２０は、センサデータ毎に位置情報を算出し、算出した位置情報の平均を算出する。算出された平均が、センサフュージョンによって算出された位置情報として使用される。
ステップＳ１３０において、環境判定部１３０は、少なくともいずれかのセンサデータに基づいて、環境を判定する。
環境は以下のように判定される。
まず、環境判定部１３０は、１つのセンサを選択する。
次に、環境判定部１３０は、選択したセンサから取得されたセンサデータに対してデータ処理を行う。このとき、環境を判定するために、センサデータの種類に応じて従来のデータ処理を利用することが可能である。
そして、環境判定部１３０は、データ処理の結果に基づいて環境を判定する。
１つのセンサは以下のように選択される。
環境判定部１３０は、予め決められたセンサを選択する。環境判定部１３０は、前回の環境に基づいてセンサを選択してもよい。例えば、環境判定部１３０は、センサテーブルを用いて、前回の環境に対応するセンサを選択することが可能である。センサテーブルは、環境とセンサとが互いに対応付けられたテーブルであり、記憶部１９０に予め記憶される。
環境はセンサフュージョンによって判定されてもよい。センサフュージョンには、アーリーフュージョン、クロスフュージョン、レイトフュージョンなどの様々な手法がある。また、センサの組み合わせとして、カメラ２０１とＬＩＤＡＲ２０２、ＬＩＤＡＲ２０２とミリ波レーダ２０３、カメラ２０１とミリ波レーダ２０３などの様々な組み合わせが考えられる。
その場合、環境判定部１３０は、２つ以上のセンサを選択し、選択した２つ以上のセンサから取得された２つ以上のセンサデータを用いて環境を判定する。この判定のためのセンサフュージョンの方法は任意である。例えば、環境判定部１３０は、センサデータ毎に環境を判定し、判定結果の多数決によって環境を決定する。
ステップＳ１４０において、正常範囲決定部１４０は、ステップＳ１３０で判定された環境に基づいて、正常範囲を決定する。
正常範囲は、正常な位置情報の範囲である。センサ群２００が正常である場合、ステップＳ１２０で算出された各位置情報は正常範囲に収まる。
ステップＳ１２０で複数の物体が検出された場合、物体毎に正常範囲が決定される。
図３に基づいて、正常範囲決定処理（Ｓ１４０）の手順を説明する。
ステップＳ１４１において、正常範囲決定部１４０は、ステップＳ１３０で判定された環境に基づいて、いずれかのセンサを選択する。
例えば、正常範囲決定部１４０は、センサテーブルを用いて、環境に対応するセンサを選択する。センサテーブルは、環境とセンサとが互いに対応付けられたテーブルであり、記憶部１９０に予め記憶される。
ステップＳ１４２において、正常範囲決定部１４０は、ステップＳ１２０で算出された位置情報群から、ステップＳ１４１で選択したセンサに対応する位置情報を選択する。
つまり、正常範囲決定部１４０は、選択したセンサから取得されたセンサデータを用いて算出された位置情報を選択する。
ステップＳ１４３において、正常範囲決定部１４０は、ステップＳ１３０で判定された環境とステップＳ１４２で選択された位置情報とに対応する範囲パラメータを、パラメータデータベース１９１から取得する。
範囲パラメータは、正常範囲を決定するためのパラメータである。
パラメータデータベース１９１には、環境情報と位置情報との組み合わせ毎に範囲パラメータが登録されている。
例えば、正常範囲決定部１４０は、ステップＳ１３０で判定された環境を示す環境情報と、ステップＳ１４２で選択された位置情報によって識別される位置に最も近い位置の位置情報と、に対応付けられた範囲パラメータをパラメータデータベース１９１から取得する。
ステップＳ１４４において、正常範囲決定部１４０は、ステップＳ１４３で取得した範囲パラメータを用いて、正常範囲を算出する。
正常範囲は以下のように算出される。
範囲パラメータは、正常な位置情報の分布を表す。例えば、範囲パラメータは、正常な位置情報の平均、および、正常な位置情報の標準偏差（σ）である。
正常範囲決定部１４０は、正常な位置情報の分布に応じて正常範囲を算出する。例えば、正常範囲決定部１４０は、平均±２σの範囲を算出する。算出される範囲が正常範囲となる。但し、「２σ」の代わりに「１σ」または「３σ」などが使用されてもよい。
図２に戻り、ステップＳ１５０を説明する。
ステップＳ１５０において、状態判定部１５０は、ステップＳ１２０で算出された位置情報群とステップＳ１４０で決定された正常範囲とに基づいて、センサ群２００の状態を判定する。
図４に基づいて、状態判定処理（Ｓ１５０）の手順を説明する。
ステップＳ１５１において、状態判定部１５０は、ステップＳ１２０で算出された各位置情報をステップＳ１４０で決定された正常範囲と比較する。
そして、状態判定部１５０は、比較結果に基づいて、ステップＳ１２０で算出された各位置情報がステップＳ１４０で決定された正常範囲に含まれるか判定する。
ステップＳ１２０で複数の物体が検出された場合、状態判定部１５０は、物体毎に各位置情報が正常範囲に含まれるか判定する。
ステップＳ１５２において、状態判定部１５０は、ステップＳ１５１で得られた判定結果を記憶部１９０に記憶する。
ステップＳ１５３において、状態判定部１５０は、規定時間が経過したか判定する。この規定時間は、状態判定処理（Ｓ１５０）のために予め決められた時間である。
例えば、状態判定部１５０は、規定時間が経過した前回の時刻から新たに規定時間が経過したか判定する。
規定時間が経過した場合、処理はステップＳ１５４に進む。
規定時間が経過していない場合、状態判定処理（Ｓ１５０）は終了する。
ステップＳ１５４において、状態判定部１５０は、規定時間の間にステップＳ１５２で記憶された判定結果を用いて、正常範囲外の位置情報の割合を算出する。
ステップＳ１５５において、状態判定部１５０は、正常範囲外の位置情報の割合に基づいて、センサ群２００の状態を判定する。
センサ群２００が異常であると判定された場合、センサ群２００の中の少なくともいずれかのセンサが異常であると考えられる。
センサ群２００の状態は以下のように判定される。
状態判定部１５０は、正常範囲外の位置情報の割合を割合閾値と比較する。この割合閾値は、状態判定処理（Ｓ１５０）のために予め決められた閾値である。
正常範囲外の位置情報の割合が割合閾値より大きい場合、状態判定部１５０は、センサ群２００が異常であると判定する。
正常範囲外の位置情報の割合が割合閾値より小さい場合、状態判定部１５０は、センサ群２００が正常であると判定する。
正常範囲外の位置情報の割合が割合閾値と等しい場合、状態判定部１５０は、センサ群２００が異常であると判定してもよいし、センサ群２００が正常であると判定してもよい。
＊＊＊実施の形態１の補足＊＊＊
パラメータデータベース１９１に関して以下に補足する。
図５に、正常なセンサ群２００によって検出される物体の位置情報の誤差範囲を示す。例えば、センサ群２００は自動車に搭載される。
交点毎に記された網掛けの範囲は、物体が交点に位置する場合に正常なセンサ群２００によって検出される物体の位置情報の誤差範囲を表している。
センサ群２００が正常であっても、センサ群２００による計測には誤差が生じる。そのため、センサデータ群に基づいて算出される位置情報群に誤差が生じる。さらに、物体の位置によって誤差範囲の大きさは異なる。例えば、物体の位置が遠いほど誤差範囲が大きいと考えられる。また、環境（天候または明るさ等）によっても誤差範囲の大きさが異なると考えられる。
センサ診断方法において、正常範囲は誤差範囲に相当する。周囲の環境と物体の位置情報とに基づいて正常範囲が決定されることにより、センサ群２００の状態を正確に判定することができる。
パラメータデータベース１９１には、環境情報と位置情報との組み合わせ毎に範囲パラメータが登録される。
図６に基づいて、パラメータ生成方法を説明する。
パラメータ生成方法は、範囲パラメータを生成するため方法である。
以下の説明において、「作業者」は、パラメータ生成方法を実施するための作業を行う人である。「コンピュータ」は、範囲パラメータを生成するための装置（パラメータ生成装置）である。「センサ群」は、センサ群２００と同一のセンサ群、または、センサ群２００と同じ種類のセンサ群である。
ステップＳ１９０１において、作業者は、センサ群を配置し、センサ群をコンピュータに接続する。
ステップＳ１９０２において、作業者は、物体の位置を決定し、決定した位置に物体を置く。
ステップＳ１９０３において、作業者は、その場の環境を識別する環境情報をコンピュータに入力する。また、作業者は、物体が置かれた位置を識別する位置情報をコンピュータに入力する。
ステップＳ１９１１において、センサ群の各センサは計測を行う。
ステップＳ１９１２はステップＳ１１０と同様である。
ステップＳ１９１２において、コンピュータは、センサ群からセンサデータ群を取得する。
ステップＳ１９１３はステップＳ１２０と同様である。
ステップＳ１９１３において、コンピュータは、センサデータ群に基づいて、物体の位置情報群を算出する。
ステップＳ１９１４において、コンピュータは、物体の位置情報群を記憶する
ステップＳ１９１５において、コンピュータは、観測時間が経過したか判定する。この観測時間は、パラメータ生成方法のために予め決められた時間である。
例えば、コンピュータは、ステップＳ１９１２でセンサ群から１回目のセンサデータ群を取得した時刻から観測時間が経過したか判定する。
観測時間が経過した場合、処理はステップＳ１９２１に進む。
観測時間が経過していない場合、処理はステップＳ１９１１に進む。
ステップＳ１９２１において、コンピュータは、観測時間の間にステップＳ１９１４で記憶された１つ以上の位置情報群に基づいて、範囲パラメータを算出する。
範囲パラメータは以下のように算出される。
まず、コンピュータは、１つ以上の位置情報群について正規分布を算出する。
そして、コンピュータは、算出した正規分布における平均を算出する。さらに、コンピュータは、算出した正規分布における標準偏差を算出する。算出された平均と算出された標準偏差との組が範囲パラメータとなる。
但し、コンピュータは、正規分布以外の確率分布を算出してもよい。また、コンピュータは、平均と標準偏差との組とは異なる範囲パラメータを算出してもよい。
図７は、複数の位置情報と正規分布（ｘ）と正規分布（ｙ）との関係を示している。
複数の位置情報は、１つ以上の位置情報群を構成する。
一つの白丸は一つの位置情報を表している。具体的には、白丸は２次元の座標値（ｘ，ｙ）を表している。正規分布（ｘ）はｘ座標における正規分布である。正規分布（ｙ）はｙ座標における正規分布である。
例えば、コンピュータは、複数の位置情報について正規分布（ｘ）と正規分布（ｙ）とを算出する。そして、コンピュータは、正規分布（ｘ）と正規分布（ｙ）とのそれぞれについて平均と標準偏差との組を算出する。
図６に戻り、ステップＳ１９２２を説明する。
ステップＳ１９２２において、コンピュータは、ステップＳ１９０３で入力された環境情報とステップＳ１９０３で入力された位置情報とに対応付けて、ステップＳ１９２１で算出された範囲パラメータを保存する。
パラメータ生成方法は、周囲の環境と物体の位置との組み合わせ毎に実行される。これにより、周囲の環境と物体の位置との組み合わせ毎に範囲パラメータが得られる。
そして、各範囲パラメータは、環境情報と位置情報とに対応付けてパラメータデータベース１９１に登録される。
＊＊＊実施の形態１の効果＊＊＊
センサ診断装置１００は、周囲の環境と物体の位置とに応じて適切な正常範囲を決定することができる。その結果、センサ診断装置１００は、センサ群２００の状態をより正確に判定することができる、という効果を奏する。
＊＊＊実施の形態１の実施例＊＊＊
物体の種類によって異なる範囲パラメータが使用されてもよい。その場合、実施の形態１は以下のように実施される。主に前述の説明と異なる点を説明する。
パラメータ生成方法（図６参照）は、周囲の環境と物体の位置と物体の種類との組み合わせ毎に実施される。
ステップＳ１９０３において、作業者は、環境情報と位置情報と種類情報とをコンピュータに入力する。種類情報は物体の種類を識別する。
ステップＳ１９２２において、コンピュータは、環境情報と位置情報と種類情報とに対応付けて範囲パラメータを保存する。
センサ診断方法（図２参照）について説明する。
ステップＳ１２０において、物体検出部１２０は、センサデータ群に基づいて物体の位置情報群を算出する。さらに、物体検出部１２０は、少なくともいずれかのセンサデータに基づいて、物体の種類を判定する。物体の種類は次のように判定される。物体検出部１２０は、１つのセンサデータを選択し、選択したセンサデータに対してデータ処理を行い、データ処理の結果に基づいて物体の種類を判定する。このとき、物体の種類を判定するために、センサデータの種類に応じて従来のデータ処理を利用することが可能である。例えば、物体検出部１２０は、画像データを用いて画像処理を行うことによって、画像に映っている物体の種類を判定する。物体の種類は、センサフュージョンによって判定されてもよい。その場合、物体検出部１２０は、２つ以上のセンサデータを用いて物体の種類を判定する。この判定のためのセンサフュージョンの方法は任意である。例えば、物体検出部１２０は、センサデータ毎に物体の種類を判定し、判定結果の多数決によって物体の種類を決定する。
ステップＳ１４０において、正常範囲決定部１４０は、周囲の環境と物体の種類とに基づいて、正常範囲を決定する。図３に基づいて、正常範囲決定処理（Ｓ１４０）について説明する。
ステップＳ１４１において、正常範囲決定部１４０は、周囲の環境と物体の種類とに基づいて、いずれかのセンサを選択する。例えば、正常範囲決定部１４０は、センサテーブルを用いて、周囲の環境と物体の種類とに対応するセンサを選択する。センサテーブルは、環境と物体の種類との組とセンサとが互いに対応付けられたテーブルであり、記憶部１９０に予め記憶される。
ステップＳ１４３において、正常範囲決定部１４０は、周囲の環境と物体の種類と位置情報とに対応する範囲パラメータを、パラメータデータベース１９１から取得する。
状態判定部１５０は、正常範囲内の位置情報の割合を算出してもよい。
状態判定部１５０は、正常範囲内の位置情報の割合または正常範囲外の位置情報の割合に基づいて、センサ群２００の劣化度合いを判定してもよい。センサ群２００の劣化度合いは、センサ群２００の状態を示す情報の一例である。
状態判定部１５０は、センサ群２００の正常または異常を判定すると共にセンサ群２００の劣化度合いを判定してもよいし、センサ群２００の正常または異常を判定する代わりにセンサ群２００の劣化度合いを判定してもよい。
図８に、センサ群２００の劣化度合いの変化を示す。
センサ群２００は時間の経過と共に劣化するものと考えられる。つまり、センサ群２００の劣化度合いは「劣化なし」、「劣化小」、「劣化中」、「劣化大（異常）」の順に変化するものと考えられる。
白丸は、センサ群２００の劣化度合いが「劣化なし」である場合の位置情報群を表している。例えば、正常範囲内の位置情報の割合が１００パーセントである場合、センサ群２００の劣化度合いは「劣化なし」である。
白三角は、センサ群２００の劣化度合いが「劣化小」である場合の位置情報群を表している。例えば、正常範囲内の位置情報の割合が８０パーセント以上１００パーセント未満である場合、センサ群２００の劣化度合いは「劣化小」である。
黒三角は、センサ群２００の劣化度合いが「劣化中」である場合の位置情報群を表している。例えば、正常範囲内の位置情報の割合が４０パーセント以上８０パーセント未満である場合、センサ群２００の劣化度合いは「劣化中」である。
バツ印は、センサ群２００の劣化度合いが「劣化大（異常）」である場合の位置情報群を表している。例えば、正常範囲内の位置情報の割合が４０パーセント未満である場合、センサ群２００の劣化度合いは「劣化大（異常）」である。
位置情報群を表す各印は、正常範囲（点線の円）の中央から徐々に外側へ移動している。
状態判定部１５０は、センサ群２００に含まれる２つ以上のセンサから成るセンサ組毎にセンサ組の状態（正常または異常）を判定し、センサ組毎の状態に基づいて異常なセンサを特定してもよい。
例えば、カメラ２０１とＬＩＤＡＲ２０２との組が正常であり、カメラ２０１とミリ波レーダ２０３との組が異常である、と仮定する。この場合、状態判定部１５０は、ＬＩＤＡＲ２０２が異常であると判定する。
つまり、正常なセンサ組と異常なセンサ組とが存在する場合、状態判定部１５０は、異常なセンサ組に含まれて、且つ、正常なセンサ組に含まれないセンサが異常であると判定する。
実施の形態２．
物体の位置情報についての特徴量を用いてセンサ群２００の状態を判定する形態について、主に実施の形態１と異なる点を図９から図１５に基づいて説明する。
＊＊＊構成の説明＊＊＊
センサ診断装置１００の構成は、実施の形態１における構成（図１参照）と同じである。
＊＊＊動作の説明＊＊＊
図９に基づいて、センサ診断方法を説明する。
ステップＳ２１０からステップＳ２５０は、実施の形態１におけるステップＳ１１０からステップＳ１５０に相当する（図２参照）。
ステップＳ２１０からステップＳ２３０は、実施の形態１におけるステップＳ１１０からステップＳ１３０と同じである。
ステップＳ２４０において、正常範囲決定部１４０は、ステップＳ２３０で判定された環境に基づいて、正常範囲を決定する。
図１０に基づいて、正常範囲決定処理（Ｓ２４０）の手順を説明する。
ステップＳ２４１からステップＳ２４４は、実施の形態１におけるステップＳ１４１からステップＳ１４４に相当する（図３参照）。
ステップＳ２４１からステップＳ２４３は、実施の形態１におけるステップＳ１４１からステップＳ１４３と同じである。
ステップＳ２４４において、正常範囲決定部１４０は、ステップＳ２４３で取得した範囲パラメータを用いて、正常範囲を算出する。
位置情報の特徴量を位置特徴量と称する。
正常範囲は、正常な位置情報の特徴量の範囲、つまり、正常な位置特徴量の範囲である。
位置特徴量は、特徴抽出手法によって物体の位置情報に対して与えられる。
特徴抽出手法の具体例は、主成分分析である。
位置特徴量の具体例は、主成分分析に基づく特徴量、すなわち、主成分スコアである。
主成分スコアは、１つの主成分に対する１つの値であってもよいし、２つ以上の主成分に対する２つ以上の値であってもよい。
正常範囲は以下のように算出される。
範囲パラメータは、正常な位置特徴量の分布を表す。例えば、範囲パラメータは、正常な位置特徴量の平均、および、正常な位置特徴量の標準偏差（σ）である。
正常範囲決定部１４０は、正常な位置特徴量の分布に応じて正常範囲を算出する。例えば、正常範囲決定部１４０は、平均±２σの範囲を算出する。算出される範囲が正常範囲となる。但し、「２σ」の代わりに「１σ」または「３σ」などが使用されてもよい。
図９に戻り、ステップＳ２５０を説明する。
ステップＳ２５０において、状態判定部１５０は、ステップＳ２２０で算出された位置情報群とステップＳ２４０で決定された正常範囲とに基づいて、センサ群２００の状態を判定する。
図１１に基づいて、状態判定処理（Ｓ２５０）の手順を説明する。
ステップＳ２５２からステップＳ２５６は、実施の形態１におけるステップＳ１５１からステップＳ１５５に相当する（図４参照）。
ステップＳ２５１において、状態判定部１５０は、ステップＳ２２０で算出された各位置情報の特徴量、すなわち、位置特徴量を算出する。
ステップＳ２２０で複数の物体が検出された場合、状態判定部１５０は、物体毎に各位置情報に対して位置情報特徴量を算出する。
位置特徴量の具体例は主成分スコアである。主成分スコアは以下のように算出される。
パラメータデータベース１９１には、環境情報と位置情報との組み合わせ毎に範囲パラメータおよび変換式が登録されている。
変換式は、位置情報を主成分スコアに変換するための式であり、例えば行列で表される。
まず、状態判定部１５０は、ステップＳ２４３で選択された範囲パラメータと共に登録されている変換式をパラメータデータベース１９１から取得する。
そして、状態判定部１５０は、位置情報を変換式に代入し、変換式を計算する。これにより、主成分スコアが算出される。
但し、主成分スコアとは異なる種類の位置特徴量が算出されてもよい。
ステップＳ２５２において、状態判定部１５０は、ステップＳ２５１で算出された各位置特徴量をステップＳ２４０で決定された正常範囲と比較する。
そして、状態判定部１５０は、比較結果に基づいて、ステップＳ２５１で算出された各位置特徴量がステップＳ２４０で決定された正常範囲に含まれるか判定する。
ステップＳ２２０で複数の物体が検出された場合、状態判定部１５０は、物体毎に各位置特徴量が正常範囲に含まれるか判定する。
ステップＳ２５３において、状態判定部１５０は、ステップＳ２５２で得られた判定結果を記憶部１９０に記憶する。
ステップＳ２５４において、状態判定部１５０は、規定時間が経過したか判定する。この規定時間は、状態判定処理（Ｓ２５０）のために予め決められた時間である。
例えば、状態判定部１５０は、規定時間が経過した前回の時刻から新たに規定時間が経過したか判定する。
規定時間が経過した場合、処理はステップＳ２５５に進む。
規定時間が経過していない場合、状態判定処理（Ｓ２５０）は終了する。
ステップＳ２５５において、状態判定部１５０は、規定時間の間にステップＳ２５３で記憶された判定結果を用いて、正常範囲外の位置特徴量の割合を算出する。
ステップＳ２５６において、状態判定部１５０は、正常範囲外の位置特徴量の割合に基づいて、センサ群２００の状態を判定する。
センサ群２００の状態は以下のように判定される。
状態判定部１５０は、正常範囲外の位置特徴量の割合を割合閾値と比較する。この割合閾値は、状態判定処理（Ｓ２５０）のために予め決められた閾値である。
正常範囲外の位置特徴量の割合が割合閾値より大きい場合、状態判定部１５０は、センサ群２００が異常であると判定する。
正常範囲外の位置特徴量の割合が割合閾値より小さい場合、状態判定部１５０は、センサ群２００が正常であると判定する。
正常範囲外の位置特徴量の割合が割合閾値と等しい場合、状態判定部１５０は、センサ群２００が異常であると判定してもよいし、センサ群２００が正常であると判定してもよい。
＊＊＊実施の形態２の補足＊＊＊
図１２に基づいて、パラメータ生成方法を説明する。
ステップＳ２９０１からステップＳ２９０３は、実施の形態１におけるステップＳ１９０１からステップＳ１９０３と同じである。
ステップＳ２９１１からステップＳ２９１５は、実施の形態１におけるステップＳ１９１１からステップＳ１９１５と同じである。
ステップＳ２９２１において、コンピュータは、観測時間の間にステップＳ２９１４で記憶された１つ以上の位置情報群について１つ以上の位置特徴量群を算出する。つまり、コンピュータは、各位置情報の特徴量（位置特徴量）を算出する。
位置特徴量の具体例は主成分スコアである。主成分スコアは以下のように算出される。
まず、コンピュータは、位置情報群に対して主成分分析を行うことによって、主成分を決定する。
そして、コンピュータは、決定した主成分に対する各位置情報の主成分スコアを算出する。
但し、主成分スコアとは異なる種類の位置特徴量が算出されてもよい。
図１３は、複数の位置情報と第１主成分と第２主成分との関係を示している。
複数の位置情報は、１つ以上の位置情報群を構成する。
一つのバツ印は一つの位置情報を表している。位置情報は２次元の座標値（ｘ，ｙ）である。
例えば、コンピュータは、複数の位置情報に対して主成分分析を行うことによって、第１主成分と第２主成分とのそれぞれを決定する。そして、コンピュータは、位置情報毎に第１主成分スコアと第２主成分スコアとを算出する。第１主成分スコアは、第１主成分における位置情報のスコア（座標値）である。第２主成分スコアは、第２主成分における位置情報のスコア（座標値）である。
図１２に戻り、ステップＳ２９２２から説明を続ける。
ステップＳ２９２２において、コンピュータは、ステップＳ２９２１で算出された１つ以上の位置特徴量群に基づいて、範囲パラメータを算出する。
範囲パラメータは以下のように算出される。
まず、コンピュータは、１つ以上の位置特徴量群について正規分布を算出する。
そして、コンピュータは、算出した正規分布における平均を算出する。さらに、コンピュータは、算出した正規分布における標準偏差を算出する。算出された平均と算出された標準偏差との組が範囲パラメータとなる。
但し、コンピュータは、正規分布以外の確率分布を算出してもよい。また、コンピュータは、平均と標準偏差との組とは異なる範囲パラメータを算出してもよい。
図１４は、複数の位置特徴量と正規分布（ａ）と正規分布（ｂ）との関係を示している。
複数の位置特徴量は、１つ以上の位置特徴量群を構成する。
一つのバツ印は一つの位置特徴量を表している。具体的には、一つのバツ印は２次元の特徴量（ａ，ｂ）を表している。特徴量（ａ）は第１主成分スコアであり、特徴量（ｂ）は第２主成分スコアである。正規分布（ａ）は第１主成分における正規分布である。正規分布（ｂ）は第２主成分における正規分布である。
例えば、コンピュータは、複数の位置特徴量について正規分布（ａ）と正規分布（ｂ）とを算出する。そして、コンピュータは、正規分布（ａ）と正規分布（ｂ）とのそれぞれについて平均と標準偏差との組を算出する。
図１２に戻り、ステップＳ２９２３を説明する。
ステップＳ２９２３において、コンピュータは、ステップＳ２９０３で入力された環境情報とステップＳ２９０３で入力された位置情報とに対応付けて、ステップＳ２９２２で算出された範囲パラメータを保存する。
＊＊＊実施の形態２の効果＊＊＊
センサ診断装置１００は、物体の位置情報についての特徴量を用いてセンサ群２００の状態を判定することができる。その結果、センサ診断装置１００は、センサ群２００の状態をより正確に判定することができる、という効果を奏する。
図１５に、位置情報の分布と位置特徴量の分布とを示す。
白丸は、正常な位置情報または正常な位置特徴量を表している。
バツ印は、異常な位置情報または異常な位置特徴量を表している。
実線は、正常な位置情報または正常な位置特徴量の正規分布（正常分布）を表している。
破線は、異常な位置情報または異常な位置特徴量の正規分布（異常分布）を表している。
図１５に示すように、正常な位置特徴量の分布と異常な位置特徴量の分布の差は、正常な位置情報の分布と異常な位置情報の分布の差よりも大きくなる。そのため、正常な位置情報群と異常な位置情報群とを区別するよりも、正常な位置特徴量群と異常な位置特徴量群とを区別する方が容易である。
したがって、位置特徴量を利用することにより、センサ群２００の状態をより正確に判定することができる。
＊＊＊実施の形態２の実施例＊＊＊
実施の形態１の実施例と同じく、物体の種類によって異なる範囲パラメータが使用されてもよい。
状態判定部１５０は、正常範囲内の位置特徴量の割合を算出してもよい。
状態判定部１５０は、正常範囲内の位置特徴量の割合または正常範囲外の位置特徴量の割合に基づいて、センサ群２００の劣化度合いを判定してもよい。センサ群２００の劣化度合いは、センサ群２００の状態を示す情報の一例である。
状態判定部１５０は、センサ群２００の正常または異常を判定すると共にセンサ群２００の劣化度合いを判定してもよいし、センサ群２００の正常または異常を判定する代わりにセンサ群２００の劣化度合いを判定してもよい。
実施の形態１の実施例と同じく、状態判定部１５０は、センサ組毎の状態に基づいて異常なセンサを特定してもよい。
実施の形態３．
パラメータ算出式を計算することによって範囲パラメータが算出される形態について、主に実施の形態１と異なる点を図１６から図１９に基づいて説明する。
＊＊＊構成の説明＊＊＊
センサ診断装置１００の構成は、実施の形態１における構成（図１参照）と同じである。
但し、パラメータデータベース１９１には、環境情報と位置情報との組み合わせ毎に範囲パラメータが登録される代わりに、環境情報毎にパラメータ算出式が登録される。パラメータ算出式は、範囲パラメータを算出するための式である。
＊＊＊動作の説明＊＊＊
図１６に基づいて、センサ診断方法を説明する。
ステップＳ３１０からステップＳ３５０は、実施の形態１におけるステップＳ１１０からステップＳ１５０に相当する（図２参照）。
ステップＳ３１０からステップＳ３３０は、実施の形態１におけるステップＳ１１０からステップＳ１３０と同じである。
ステップＳ３４０において、正常範囲決定部１４０は、ステップＳ３３０で判定された環境に基づいて、正常範囲を決定する。
図１７に基づいて、正常範囲決定処理（Ｓ３４０）の手順を説明する。
ステップＳ３４１は実施の形態１のステップＳ１４１に相当する。
ステップＳ３４１において、正常範囲決定部１４０は、ステップＳ３３０で判定された環境に基づいて、いずれかのセンサを選択する。
ステップＳ３４２は実施の形態１におけるステップＳ１４２に相当する。
ステップＳ３４２において、正常範囲決定部１４０は、ステップＳ３２０で算出された位置情報群から、ステップＳ３４１で選択したセンサに対応する位置情報を選択する。
ステップＳ３４３において、正常範囲決定部１４０は、ステップＳ３３０で判定された環境に対応するパラメータ算出式を、パラメータデータベース１９１から取得する。
ステップＳ３４４において、正常範囲決定部１４０は、ステップＳ３４３で取得されたパラメータ算出式を計算して、ステップＳ３４２で選択された位置情報に対応する範囲パラメータを算出する。
範囲パラメータは次のように算出される。
正常範囲決定部１４０は、位置情報をパラメータ算出式に代入し、パラメータ算出式を計算する。これにより、位置情報に対応する範囲パラメータが算出される。
図１８は、関係グラフを示している。
関係グラフは、物体までの距離と位置情報のばらつきとの関係を表している。関係グラフを表す式は、パラメータ算出式に相当する。
物体までの距離は、物体の位置情報と相関する。つまり、物体までの距離は、物体の位置情報に相当する。
位置情報のばらつきは、正常な位置情報の範囲の大きさを表す。つまり、位置情報のばらつきは、範囲パラメータに相当する。
図１７に戻り、ステップＳ３４５を説明する。
ステップＳ３４５は実施の形態１におけるステップＳ１４４に相当する。
ステップＳ３４５において、正常範囲決定部１４０は、ステップＳ３４４で算出された範囲パラメータを用いて、正常範囲を算出する。
図１６に戻り、ステップＳ３５０を説明する。
ステップＳ３５０は、実施の形態１におけるステップＳ１５０と同じである。
＊＊＊実施の形態３の補足＊＊＊
パラメータ算出式を生成する方法について説明する。
パラメータ生成方法（図６参照）は、周囲の環境と物体の位置との組み合わせ毎に実行される。これにより、環境情報と位置情報との組み合わせ毎に範囲パラメータが得られる。
コンピュータは、環境情報毎に、位置情報と範囲パラメータとの関係式を生成する。生成された関係式がパラメータ算出式として用いられる。
図１９は、近似曲線を示している。
白丸は、位置情報を表している。
近似曲線は、各位置情報に基づく「物体までの距離」と各位置情報の「ばらつき」との関係を表している。
パラメータ算出式は、近似曲線を表す式（近似式）に相当する。
＊＊＊実施の形態３の効果＊＊＊
センサ診断装置１００は、パラメータ算出式を計算することによって範囲パラメータを算出し、算出した範囲パラメータを用いて正常範囲を算出する。これにより、センサ診断装置１００は、より適切な正常範囲を決定することができる。その結果、センサ診断装置１００は、センサ群２００の状態をより正確に判定することができる、という効果を奏する。
＊＊＊実施の形態３の実施例＊＊＊
物体の種類によって異なる範囲パラメータが使用されてもよい。その場合、実施の形態３は以下のように実施される。主に前述の説明と異なる点を説明する。
パラメータ生成方法（図６参照）は、周囲の環境と物体の位置と物体の種類との組み合わせ毎に実施される。
ステップＳ１９０３において、作業者は、環境情報と位置情報と種類情報とをコンピュータに入力する。種類情報は物体の種類を識別する。
ステップＳ１９２２において、コンピュータは、環境情報と位置情報と種類情報とに対応付けて範囲パラメータを保存する。
そして、コンピュータは、環境情報と種類情報との組み合わせ毎に、位置情報と範囲パラメータとの関係式を生成する。生成された関係式がパラメータ算出式として用いられる。
センサ診断方法（図１６参照）について説明する。
ステップＳ３２０において、物体検出部１２０は、センサデータ群に基づいて物体の位置情報群を算出する。さらに、物体検出部１２０は、少なくともいずれかのセンサデータに基づいて、物体の種類を判定する。物体の種類は次のように判定される。物体検出部１２０は、１つのセンサデータを選択し、選択したセンサデータに対してデータ処理を行い、データ処理の結果に基づいて物体の種類を判定する。このとき、物体の種類を判定するために、センサデータの種類に応じて従来のデータ処理を利用することが可能である。例えば、物体検出部１２０は、画像データを用いて画像処理を行うことによって、画像に映っている物体の種類を判定する。物体の種類は、センサフュージョンによって判定されてもよい。その場合、物体検出部１２０は、２つ以上のセンサデータを用いて物体の種類を判定する。この判定のためのセンサフュージョンの方法は任意である。例えば、物体検出部１２０は、センサデータ毎に物体の種類を判定し、判定結果の多数決によって物体の種類を決定する。
ステップＳ３４０において、正常範囲決定部１４０は、周囲の環境と物体の種類とに基づいて、正常範囲を決定する。図１７に基づいて、正常範囲決定処理（Ｓ３４０）について説明する。
ステップＳ３４１において、正常範囲決定部１４０は、周囲の環境と物体の種類とに基づいて、いずれかのセンサを選択する。例えば、正常範囲決定部１４０は、センサテーブルを用いて、周囲の環境と物体の種類とに対応するセンサを選択する。センサテーブルは、環境と物体の種類との組とセンサとが互いに対応付けられたテーブルであり、記憶部１９０に予め記憶される。
ステップＳ３４３において、正常範囲決定部１４０は、周囲の環境と物体の種類とに対応するパラメータ算出式を、パラメータデータベース１９１から取得する。
実施の形態１の実施例と同じく、状態判定部１５０は、正常範囲内の位置情報の割合または正常範囲外の位置情報の割合に基づいて、センサ群２００の劣化度合いを判定してもよい。
実施の形態１の実施例と同じく、状態判定部１５０は、センサ組毎の状態に基づいて異常なセンサを特定してもよい。
実施の形態４．
パラメータ算出式を計算することによって範囲パラメータが算出される形態について、主に実施の形態２と異なる点を図２０および図２１に基づいて説明する。
＊＊＊構成の説明＊＊＊
センサ診断装置１００の構成は、実施の形態１における構成（図１参照）と同じである。
但し、パラメータデータベース１９１には、環境情報と位置情報との組み合わせ毎に範囲パラメータが登録される代わりに、環境情報毎にパラメータ算出式が登録される。パラメータ算出式は、範囲パラメータを算出するための式である。
＊＊＊動作の説明＊＊＊
図２０に基づいて、センサ診断方法を説明する。
ステップＳ４１０からステップＳ４５０は、実施の形態２におけるステップＳ２１０からステップＳ２５０に相当する（図９参照）。
ステップＳ４１０からステップＳ４３０は、実施の形態２におけるステップＳ２１０からステップＳ２３０と同じである。
ステップＳ４４０において、正常範囲決定部１４０は、ステップＳ４３０で判定された環境に基づいて、正常範囲を決定する。
図２１に基づいて、正常範囲決定処理（Ｓ４４０）の手順を説明する。
ステップＳ４４１は実施の形態２のステップＳ２４１に相当する。
ステップＳ４４１において、正常範囲決定部１４０は、ステップＳ４３０で判定された環境に基づいて、いずれかのセンサを選択する。
ステップＳ４４２は実施の形態２におけるステップＳ２４２に相当する。
ステップＳ４４２において、正常範囲決定部１４０は、ステップＳ４２０で算出された位置情報群から、ステップＳ４４１で選択したセンサに対応する位置情報を選択する。
ステップＳ４４３において、正常範囲決定部１４０は、ステップＳ４３０で判定された環境に対応するパラメータ算出式を、パラメータデータベース１９１から取得する。
ステップＳ４４４において、正常範囲決定部１４０は、ステップＳ４４３で取得されたパラメータ算出式を計算して、ステップＳ４４２で選択された位置情報に対応する範囲パラメータを算出する。
範囲パラメータは次のように算出される。
正常範囲決定部１４０は、位置情報をパラメータ算出式に代入し、パラメータ算出式を計算する。これにより、位置情報に対応する範囲パラメータが算出される。
ステップＳ４４５は実施の形態２におけるステップＳ２４４に相当する。
ステップＳ４４５において、正常範囲決定部１４０は、ステップＳ４４４で算出された範囲パラメータを用いて、正常範囲を算出する。
図２０に戻り、ステップＳ４５０を説明する。
ステップＳ４５０は、実施の形態２におけるステップＳ２５０と同じである。
＊＊＊実施の形態４の補足＊＊＊
パラメータ算出式を生成する方法について説明する。
パラメータ生成方法（図１２参照）は、周囲の環境と物体の位置との組み合わせ毎に実行される。これにより、環境情報と位置情報との組み合わせ毎に範囲パラメータが得られる。
コンピュータは、環境情報毎に、位置情報と範囲パラメータとの関係式を生成する。生成された関係式がパラメータ算出式として用いられる。
＊＊＊実施の形態４の効果＊＊＊
センサ診断装置１００は、物体の位置情報についての特徴量を用いてセンサ群２００の状態を判定することができる。その結果、センサ診断装置１００は、センサ群２００の状態をより正確に判定することができる、という効果を奏する。
センサ診断装置１００は、パラメータ算出式を計算することによって範囲パラメータを算出し、算出した範囲パラメータを用いて正常範囲を算出する。これにより、センサ診断装置１００は、より適切な正常範囲を決定することができる。その結果、センサ診断装置１００は、センサ群２００の状態をより正確に判定することができる、という効果を奏する。
＊＊＊実施の形態４の実施例＊＊＊
実施の形態３の実施例と同じく、物体の種類によって異なる範囲パラメータが使用されてもよい。
実施の形態２の実施例と同じく、状態判定部１５０は、正常範囲内の位置特徴量の割合または正常範囲外の位置特徴量の割合に基づいて、センサ群２００の劣化度合いを判定してもよい。
実施の形態１の実施例と同じく、状態判定部１５０は、センサ組毎の状態に基づいて異常なセンサを特定してもよい。
＊＊＊実施の形態の補足＊＊＊
図２２に基づいて、センサ診断装置１００のハードウェア構成を説明する。
センサ診断装置１００は処理回路１０９を備える。
処理回路１０９は、データ取得部１１０と物体検出部１２０と環境判定部１３０と正常範囲決定部１４０と状態判定部１５０とを実現するハードウェアである。
処理回路１０９は、専用のハードウェアであってもよいし、メモリ１０２に格納されるプログラムを実行するプロセッサ１０１であってもよい。
処理回路１０９が専用のハードウェアである場合、処理回路１０９は、例えば、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ＡＳＩＣ、ＦＰＧＡまたはこれらの組み合わせである。
ＡＳＩＣは、Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔの略称である。
ＦＰＧＡは、Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙの略称である。
センサ診断装置１００は、処理回路１０９を代替する複数の処理回路を備えてもよい。複数の処理回路は、処理回路１０９の機能を分担する。
センサ診断装置１００において、一部の機能が専用のハードウェアで実現されて、残りの機能がソフトウェアまたはファームウェアで実現されてもよい。
このように、センサ診断装置１００の各機能はハードウェア、ソフトウェア、ファームウェアまたはこれらの組み合わせで実現することができる。
実施の形態は、好ましい形態の例示であり、本発明の技術的範囲を制限することを意図するものではない。実施の形態は、部分的に実施してもよいし、他の形態と組み合わせて実施してもよい。フローチャート等を用いて説明した手順は、適宜に変更してもよい。
センサ診断装置１００の要素である「部」は、「処理」または「工程」と読み替えてもよい。
１００ センサ診断装置、１０１ プロセッサ、１０２ メモリ、１０３ 補助記憶装置、１０４ 入出力インタフェース、１０９ 処理回路、１１０ データ取得部、１２０ 物体検出部、１３０ 環境判定部、１４０ 正常範囲決定部、１５０ 状態判定部、１９０ 記憶部、１９１ パラメータデータベース、２００ センサ群、２０１ カメラ、２０２ ＬＩＤＡＲ、２０３ ミリ波レーダ、２０４ ソナー。

Claims (12)

  1. 異なる種類の複数のセンサを含むセンサ群からセンサデータ群を取得するデータ取得部と、
    取得されたセンサデータ群に基づいて、前記センサ群の周囲に存在する物体について位置情報群を算出する物体検出部と、
    取得されたセンサデータ群の少なくともいずれかのセンサデータに基づいて、前記センサ群の周囲の環境を判定する環境判定部と、
    環境情報と位置情報とに関係するパラメータデータが登録されたパラメータデータベースと判定された環境とに基づいて、算出された位置情報群に対する正常範囲を決定する正常範囲決定部と、
    算出された位置情報群と決定された正常範囲とに基づいて、前記センサ群の状態を判定する状態判定部と、を備え、
    前記パラメータデータは、当該環境情報で識別される環境の中で当該位置情報で識別される位置に配置物が置かれた状況において正常なセンサ群を用いて得られる前記配置物の位置情報に関する分布を表すパラメータ算出式であり、
    前記正常範囲決定部は、判定された環境に基づいて前記センサ群からいずれかのセンサを選択し、選択したセンサに対応する位置情報を前記位置情報群から選択し、判定された環境に対応するパラメータ算出式を前記パラメータデータとして取得し、取得したパラメータ算出式を計算して選択した位置情報に対応する範囲パラメータを算出し、算出した範囲パラメータを用いて正常な位置情報の範囲を前記正常範囲として算出する
    センサ診断装置。
  2. 前記状態判定部は、規定時間の各時刻において位置情報群の各位置情報が正常範囲に含まれるか判定し、前記規定時間における正常範囲外の位置情報の割合を算出し、算出した割合に基づいて前記センサ群の状態を判定する
    請求項１に記載のセンサ診断装置。
  3. 前記物体検出部は、２つ以上のセンサから取得された２つ以上のセンサデータを用いて前記位置情報群のうちの少なくとも１つの位置情報を算出する
    請求項１または請求項２に記載のセンサ診断装置。
  4. 前記環境判定部は、前記センサ群から２つ以上のセンサを選択し、選択した２つ以上のセンサから取得された２つ以上のセンサデータを用いて前記環境を判定する
    請求項１から請求項３のいずれか１項に記載のセンサ診断装置。
  5. 異なる種類の複数のセンサを含むセンサ群からセンサデータ群を取得するデータ取得部と、
    取得されたセンサデータ群に基づいて、前記センサ群の周囲に存在する物体について位置情報群を算出する物体検出部と、
    取得されたセンサデータ群の少なくともいずれかのセンサデータに基づいて、前記センサ群の周囲の環境を判定する環境判定部と、
    環境情報と位置情報とに関係するパラメータデータが登録されたパラメータデータベースと判定された環境とに基づいて、算出された位置情報群に対する正常範囲を決定する正常範囲決定部と、
    算出された位置情報群と決定された正常範囲とに基づいて、前記センサ群の状態を判定する状態判定部と、を備え、
    前記パラメータデータは、当該環境情報で識別される環境の中で当該位置情報で識別される位置に配置物が置かれた状況において正常なセンサ群を用いて得られる前記配置物の位置情報に関する分布を表すパラメータ算出式であり、
    前記正常範囲決定部は、判定された環境に基づいて前記センサ群からいずれかのセンサを選択し、選択したセンサに対応する位置情報を前記位置情報群から選択し、判定された環境に対応するパラメータ算出式を前記パラメータデータとして取得し、取得したパラメータ算出式を計算して選択した位置情報に対応する範囲パラメータを算出し、算出した範囲パラメータを用いて正常な位置特徴量の範囲を前記正常範囲として算出し、
    位置特徴量は、位置情報の特徴量である
    センサ診断装置。
  6. 前記状態判定部は、規定時間の各時刻において位置情報群の各位置情報について位置特徴量を算出し、前記規定時間の各時刻において各位置特徴量が正常範囲に含まれるか判定し、前記規定時間における正常範囲外の位置特徴量の割合を算出し、算出した割合に基づいて前記センサ群の状態を判定する
    請求項５に記載のセンサ診断装置。
  7. 前記物体検出部は、２つ以上のセンサから取得された２つ以上のセンサデータを用いて前記位置情報群のうちの少なくとも１つの位置情報を算出する
    請求項５または請求項６に記載のセンサ診断装置。
  8. 前記環境判定部は、前記センサ群から２つ以上のセンサを選択し、選択した２つ以上のセンサから取得された２つ以上のセンサデータを用いて前記環境を判定する
    請求項５から請求項７のいずれか１項に記載のセンサ診断装置。
  9. 異なる種類の複数のセンサを含むセンサ群からセンサデータ群を取得するデータ取得処理と、
    取得されたセンサデータ群に基づいて、前記センサ群の周囲に存在する物体について位置情報群を算出する物体検出処理と、
    取得されたセンサデータ群の少なくともいずれかのセンサデータに基づいて、前記センサ群の周囲の環境を判定する環境判定処理と、
    環境情報と位置情報とに関係するパラメータデータが登録されたパラメータデータベースと判定された環境とに基づいて、算出された位置情報群に対する正常範囲を決定する正常範囲決定処理と、
    算出された位置情報群と決定された正常範囲とに基づいて、前記センサ群の状態を判定する状態判定処理と、
    をコンピュータに実行させるためのセンサ診断プログラムであって、
    前記パラメータデータは、当該環境情報で識別される環境の中で当該位置情報で識別される位置に配置物が置かれた状況において正常なセンサ群を用いて得られる前記配置物の位置情報に関する分布を表すパラメータ算出式であり、
    前記正常範囲決定処理は、判定された環境に基づいて前記センサ群からいずれかのセンサを選択し、選択したセンサに対応する位置情報を前記位置情報群から選択し、判定された環境に対応するパラメータ算出式を前記パラメータデータとして取得し、取得したパラメータ算出式を計算して選択した位置情報に対応する範囲パラメータを算出し、算出した範囲パラメータを用いて正常な位置情報の範囲を前記正常範囲として算出する
    センサ診断プログラム。
  10. 異なる種類の複数のセンサを含むセンサ群からセンサデータ群を取得するデータ取得処理と、
    取得されたセンサデータ群に基づいて、前記センサ群の周囲に存在する物体について位置情報群を算出する物体検出処理と、
    取得されたセンサデータ群の少なくともいずれかのセンサデータに基づいて、前記センサ群の周囲の環境を判定する環境判定処理と、
    環境情報と位置情報とに関係するパラメータデータが登録されたパラメータデータベースと判定された環境とに基づいて、算出された位置情報群に対する正常範囲を決定する正常範囲決定処理と、
    算出された位置情報群と決定された正常範囲とに基づいて、前記センサ群の状態を判定する状態判定処理と、
    をコンピュータに実行させるためのセンサ診断プログラムであって、
    前記パラメータデータは、当該環境情報で識別される環境の中で当該位置情報で識別される位置に配置物が置かれた状況において正常なセンサ群を用いて得られる前記配置物の位置情報に関する分布を表すパラメータ算出式であり、
    前記正常範囲決定処理は、判定された環境に基づいて前記センサ群からいずれかのセンサを選択し、選択したセンサに対応する位置情報を前記位置情報群から選択し、判定された環境に対応するパラメータ算出式を前記パラメータデータとして取得し、取得したパラメータ算出式を計算して選択した位置情報に対応する範囲パラメータを算出し、算出した範囲パラメータを用いて正常な位置特徴量の範囲を前記正常範囲として算出し、
    位置特徴量は、位置情報の特徴量である
    センサ診断プログラム。
  11. 異なる種類の複数のセンサを含むセンサ群からセンサデータ群を取得するデータ取得部と、
    取得されたセンサデータ群に基づいて、前記センサ群の周囲に存在する物体について位置情報群を算出する物体検出部と、
    取得されたセンサデータ群の少なくともいずれかのセンサデータに基づいて、前記センサ群の周囲の環境を判定する環境判定部と、
    判定された環境に基づいて、算出された位置情報群に対する正常範囲を決定する正常範囲決定部と、
    算出された位置情報群と決定された正常範囲とに基づいて、前記センサ群の状態を判定する状態判定部と、を備え、
    前記正常範囲決定部は、判定された環境に基づいて前記センサ群からいずれかのセンサを選択し、選択したセンサに対応する位置情報を前記位置情報群から選択し、判定された環境に対応するパラメータ算出式を取得し、取得したパラメータ算出式を計算して選択した位置情報に対応する範囲パラメータを算出し、算出した範囲パラメータを用いて正常な位置情報の範囲を前記正常範囲として算出する
    センサ診断装置。
  12. 異なる種類の複数のセンサを含むセンサ群からセンサデータ群を取得するデータ取得部と、
    取得されたセンサデータ群に基づいて、前記センサ群の周囲に存在する物体について位置情報群を算出する物体検出部と、
    取得されたセンサデータ群の少なくともいずれかのセンサデータに基づいて、前記センサ群の周囲の環境を判定する環境判定部と、
    判定された環境に基づいて、算出された位置情報群に対する正常範囲を決定する正常範囲決定部と、
    算出された位置情報群と決定された正常範囲とに基づいて、前記センサ群の状態を判定する状態判定部と、を備え、
    前記正常範囲決定部は、判定された環境に基づいて前記センサ群からいずれかのセンサを選択し、選択したセンサに対応する位置情報を前記位置情報群から選択し、判定された環境に対応するパラメータ算出式を取得し、取得したパラメータ算出式を計算して選択した位置情報に対応する範囲パラメータを算出し、算出した範囲パラメータを用いて正常な位置特徴量の範囲を前記正常範囲として算出し、
    位置特徴量は、位置情報の特徴量である
    センサ診断装置。
JP2019561195A 2019-07-30 2019-07-30 センサ診断装置およびセンサ診断プログラム Active JP6671568B1 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2019/029756 WO2021019665A1 (ja) 2019-07-30 2019-07-30 センサ診断装置およびセンサ診断プログラム

Publications (2)

Publication Number Publication Date
JP6671568B1 true JP6671568B1 (ja) 2020-03-25
JPWO2021019665A1 JPWO2021019665A1 (ja) 2021-09-13

Family

ID=70000759

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019561195A Active JP6671568B1 (ja) 2019-07-30 2019-07-30 センサ診断装置およびセンサ診断プログラム

Country Status (5)

Country Link
US (1) US20220113171A1 (ja)
JP (1) JP6671568B1 (ja)
CN (1) CN114174853A (ja)
DE (1) DE112019007519B4 (ja)
WO (1) WO2021019665A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022014327A1 (ja) * 2020-07-14 2022-01-20 ソニーセミコンダクタソリューションズ株式会社 情報処理装置、情報処理方法、およびプログラム

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112887172B (zh) * 2021-02-19 2023-03-24 北京百度网讯科技有限公司 车辆感知系统测试方法、装置、设备及存储介质
EP4060378A1 (en) * 2021-03-17 2022-09-21 Hyundai Mobis Co., Ltd. Vehicle ultrasonic sensor control system and control method

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10213650A (ja) * 1997-01-30 1998-08-11 Omron Corp 物体検出装置
JPH11142168A (ja) * 1997-11-07 1999-05-28 Nissan Motor Co Ltd 環境認識装置
JP2001141804A (ja) * 1999-11-10 2001-05-25 Denso Corp レーダ装置特性検出方法及びレーダ装置特性検出装置並びに記録媒体
WO2017180394A1 (en) * 2016-04-12 2017-10-19 Pcms Holdings, Inc. Method and system for online performance monitoring of the perception system of road vehicles
US20190049986A1 (en) * 2017-12-29 2019-02-14 Intel IP Corporation Working condition classification for sensor fusion

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004037239A (ja) 2002-07-03 2004-02-05 Fuji Heavy Ind Ltd 同一対象物判断方法および装置、並びに、位置ずれ補正方法および装置
JP6003689B2 (ja) 2013-02-04 2016-10-05 株式会社デンソー 診断装置
US20180348023A1 (en) * 2015-06-09 2018-12-06 Google Llc Sensor Calibration Based On Environmental Factors

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH10213650A (ja) * 1997-01-30 1998-08-11 Omron Corp 物体検出装置
JPH11142168A (ja) * 1997-11-07 1999-05-28 Nissan Motor Co Ltd 環境認識装置
JP2001141804A (ja) * 1999-11-10 2001-05-25 Denso Corp レーダ装置特性検出方法及びレーダ装置特性検出装置並びに記録媒体
WO2017180394A1 (en) * 2016-04-12 2017-10-19 Pcms Holdings, Inc. Method and system for online performance monitoring of the perception system of road vehicles
US20190049986A1 (en) * 2017-12-29 2019-02-14 Intel IP Corporation Working condition classification for sensor fusion

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2022014327A1 (ja) * 2020-07-14 2022-01-20 ソニーセミコンダクタソリューションズ株式会社 情報処理装置、情報処理方法、およびプログラム

Also Published As

Publication number Publication date
WO2021019665A1 (ja) 2021-02-04
US20220113171A1 (en) 2022-04-14
CN114174853A (zh) 2022-03-11
DE112019007519T5 (de) 2022-04-14
DE112019007519B4 (de) 2023-10-19
JPWO2021019665A1 (ja) 2021-09-13

Similar Documents

Publication Publication Date Title
JP6671568B1 (ja) センサ診断装置およびセンサ診断プログラム
EP2416113B1 (en) Position and orientation measurement apparatus and position and orientation measurement method
JP2014219403A (ja) 複数オブジェクトを追跡する方法及び装置
CN102162577B (zh) 管道缺陷表面完整性检测装置及其检测方法
CN112513679B (zh) 一种目标识别的方法和装置
JP7040851B2 (ja) 異常検知装置、異常検知方法及び異常検知プログラム
JP7186539B2 (ja) 錆検出プログラム、錆検出システム及び錆検出方法
CN112560974B (zh) 一种信息融合、车辆信息获取方法及装置
CN107111871A (zh) 从体图像记录确定局部质量测量
US11703588B2 (en) Reflection object position calculating device, reflection object position calculating method, and reflection object position calculating program
WO2019208271A1 (ja) 電子制御装置、演算方法
JP2017167974A (ja) 推定装置、方法及びプログラム
KR102109736B1 (ko) 차량 내 제어 유닛에 연결된 기능 유닛을 진단하는 방법 및 시스템
US20220075059A1 (en) Learning data generation device, learning data generation method, learning data generation program, learning device, learning method, learning program, inference device, inference method, inference program, learning system, and inference system
CN113836199B (zh) 车辆的传感数据处理方法、装置、电子设备及存储介质
CN115631143A (zh) 激光点云数据检测方法及装置、可读存储介质、终端
US20210241450A1 (en) Method and apparatus for detecting dimension error
CN115270902A (zh) 用于测试产品的方法
CN114966578A (zh) 基于拍摄设备的雷达外参标定方法、装置和计算机设备
CN115053280B (zh) 模型生成装置、车载装置和模型生成方法
CN113424191A (zh) 分析来自对对象的测量的测量数据的计算机实现方法
CN114022523B (zh) 低重叠点云数据配准系统及方法
US20210215797A1 (en) Object detection apparatus, vehicle, object detection method, and computer readable medium
JP2020187412A (ja) 情報処理装置及び情報処理方法
TW201835530A (zh) 移動式測繪系統及測位終端裝置

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20191106

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20191106

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20191106

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20191125

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20191203

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200124

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: 20200204

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200303

R150 Certificate of patent or registration of utility model

Ref document number: 6671568

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250