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 PDFInfo
- 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
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
Description
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。
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。
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。
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。
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。
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。
RAMは、Random Access Memoryの略称である。
ROMは、Read Only Memoryの略称である。
HDDは、Hard Disk Driveの略称である。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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)。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
ASICは、Application Specific Integrated Circuitの略称である。
FPGAは、Field Programmable Gate Arrayの略称である。
Claims (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、
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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
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)
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)
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)
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)
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 |
-
2019
- 2019-07-30 DE DE112019007519.5T patent/DE112019007519B4/de active Active
- 2019-07-30 CN CN201980098754.6A patent/CN114174853A/zh active Pending
- 2019-07-30 JP JP2019561195A patent/JP6671568B1/ja active Active
- 2019-07-30 WO PCT/JP2019/029756 patent/WO2021019665A1/ja active Application Filing
-
2021
- 2021-12-23 US US17/560,844 patent/US20220113171A1/en not_active Abandoned
Patent Citations (5)
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)
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 |