JP6747461B2 - 対応付け装置、物体追跡装置、及びプログラム - Google Patents

対応付け装置、物体追跡装置、及びプログラム Download PDF

Info

Publication number
JP6747461B2
JP6747461B2 JP2018013941A JP2018013941A JP6747461B2 JP 6747461 B2 JP6747461 B2 JP 6747461B2 JP 2018013941 A JP2018013941 A JP 2018013941A JP 2018013941 A JP2018013941 A JP 2018013941A JP 6747461 B2 JP6747461 B2 JP 6747461B2
Authority
JP
Japan
Prior art keywords
detection results
state quantities
hypothesis
association
state quantity
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.)
Expired - Fee Related
Application number
JP2018013941A
Other languages
English (en)
Other versions
JP2019133332A (ja
Inventor
峻 田口
峻 田口
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.)
Toyota Central R&D Labs Inc
Original Assignee
Toyota Central R&D Labs Inc
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 Toyota Central R&D Labs Inc filed Critical Toyota Central R&D Labs Inc
Priority to JP2018013941A priority Critical patent/JP6747461B2/ja
Publication of JP2019133332A publication Critical patent/JP2019133332A/ja
Application granted granted Critical
Publication of JP6747461B2 publication Critical patent/JP6747461B2/ja
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Description

本発明は、対応付け装置、物体追跡装置、及びプログラムに関する。
非特許文献１には、複数対象を追跡するためのＲＢＰＦ（Rao-Blackwellized Particle Filter）が記載されている。
非特許文献２には、m-bestの対応付けを整数計画法による最適化により求める、改良されたＪＰＤＡＦ（Joint Probabilistic Data Association Filter)が記載されている。
非特許文献１に記載の手法では、サンプリングにより対応付けの仮説を生成するが、対応付けにおける排他性が保持されていないため、実行不可能な仮説が多く生成されてしまい、非効率的である。
非特許文献２に記載の手法では、整数計画法による最適化に計算時間が長くなる。
本発明は上記事情に鑑みなされたものであり、本発明の目的は、複数の検出結果と複数の対象（予測状態量や他の検出結果）とを対応付ける場合に、複数の対応付けを高速かつ高精度に取得することができる、対応付け装置、物体追跡装置、及びプログラムを提供することにある。
上記目的を達成するために、本発明の対応付け装置は、少なくとも１つの検出器により検出された検出結果であって、各検出器に対して相対移動する複数の物体を検出した検出結果を受け取る結果獲得手段と、前記複数の物体各々について、前の時刻の複数の状態量を用いて次の時刻の複数の予測状態量を取得する予測手段と、前記複数の物体に応じた複数の検出結果と、検出結果を受け取った時刻に応じた複数の予測状態量との対応付けを、複数個生成する対応付け手段と、を含み、前記対応付け手段は、ランダムに配列された前記複数の検出結果の各々を、配列順に、前記複数の予測状態量のうちで他の検出結果が割り当てられていない何れか１つの予測状態量に割り当てて、対応付けを生成することを繰り返す、対応付け装置である。
本発明のもう１つの対応付け装置は、少なくとも１つの検出器により検出された検出結果であって、各検出器に対して相対移動する複数の物体を検出した検出結果を受け取る結果獲得手段と、１つの検出器により検出された複数の第１検出結果と、同じ検出器により異なる時刻に検出された、または、他の検出器により検出された複数の第２検出結果との対応付けを、複数個生成する対応付け手段と、を含み、前記対応付け手段は、ランダムに配列された前記複数の第１検出結果の各々を、配列順に、前記複数の第２検出結果のうちで他の第１検出結果が割り当てられていない何れか１つの第２検出結果に割り当てて、対応付けを生成することを繰り返す、対応付け装置である。
本発明の物体追跡装置は、複数の物体を追跡する物体追跡装置において、前記複数の物体の各々について状態量を記憶する記憶手段と、少なくとも１つの検出器により検出された検出結果であって、各検出器に対して相対移動する複数の物体を検出した検出結果を受け取る結果獲得手段と、前記複数の物体各々について、前の時刻の複数の状態量を用いて次の時刻の複数の予測状態量を取得する予測手段と、前記複数の物体に応じた複数の検出結果と、検出結果を受け取った時刻に応じた複数の予測状態量との対応付けを、複数個生成する対応付け手段と、複数の対応付けの各々に重みを付与する重み付与手段と、前記複数の検出結果、前記複数の予測状態量、前記複数の対応付け、及び前記複数の対応付けの重みを用いて、前記記憶手段に格納された状態量を更新する更新手段と、を含み、前記対応付け手段は、ランダムに配列された前記複数の検出結果の各々を、配列順に、前記複数の予測状態量のうちで他の検出結果が割り当てられていない何れか１つの予測状態量に割り当てて、対応付けを生成することを繰り返す、物体追跡装置である。
本発明のプログラムは、コンピュータを、本発明の対応付け装置の各手段として機能させるためのプログラムである。
本発明のもう１つのプログラムは、コンピュータを、本発明の物体追跡装置の各手段として機能させるためのプログラムである。
本発明によれば、複数の検出結果と複数の対象とを対応付ける場合に、複数の対応付けを高速かつ高精度に取得することができる。
本発明の第１の実施の形態に係る歩行者追跡システムの構成を示すブロック図である。 本発明の第１の実施の形態に係る歩行者追跡装置の構成を示すブロック図である。 複数の検出結果と複数の予測状態量との全部の対応付けを示す模式図である。 （Ａ）から（Ｄ）は本発明の第１の実施の形態に係る対応付け手順を説明するための模式図である。 本発明の第１の実施の形態に係る「歩行者追跡処理」の処理ルーチンの内容を示すフローチャートである。 「対応付け処理」の処理ルーチンの内容を示すフローチャートである。 「割り当て処理」の処理ルーチンの内容を示すフローチャートである。 本発明の第２の実施の形態に係る歩行者追跡装置の構成を示すブロック図である。 本発明の第２の実施の形態に係る「歩行者追跡処理」の処理ルーチンの内容を示すフローチャートである。 「仮説内対応付け処理」の処理ルーチンの内容を示すフローチャートである。 本発明の対応付け処理を適用した具体例２を示す模式図である。 本発明の対応付け処理を適用した具体例３を示す模式図である。 本発明の対応付け処理を適用した具体例４を示す模式図である。 本発明の対応付け処理を適用した具体例５を示す模式図である。
以下、図面を参照して、本発明の実施の形態について説明する。
［第１の実施の形態］
本実施の形態では、移動物である歩行者を追跡対象として、歩行者を追跡する「歩行者追跡装置」に本発明を適用した場合を例に説明する。本実施の形態では、車両に搭載された歩行者の検出器やインフラセンサとしての歩行者の検出器の検出結果を統合して、時間毎に変化する複数の歩行者の状態量を推定する。本実施の形態では、ＪＰＤＡＦを改良した方法で歩行者の追跡を行う。
＜歩行者追跡システムのシステム構成＞
図１は本発明の第１の実施の形態に係る歩行者追跡システムの構成を示すブロック図である。図１に示すように、第１の実施の形態に係る歩行者追跡システム１００は、歩行者追跡装置１０と、基地局５０と、複数の車両に搭載された複数の検出器６０と、インフラセンサとしての検出器６２とを備え、基地局５０と歩行者追跡装置１０とは、インターネットなどのネットワーク７０で接続されており、基地局５０と検出器６０、６２とは、無線通信により接続されている。
検出器６０、６２は、カメラやレーダを用いて歩行者を随時検出し、検出する度に、検出結果を、基地局５０を介して、歩行者追跡装置１０へ送信する。
例えば、検出器６０は、自車両の前方を撮像するカメラによって撮像された前方の道路画像から、スライディングウィンドウ毎に、画像特徴量（ＳＩＦＴ，ＦＩＮＤ、ＨＯＧなど）を抽出し、スライディングウィンドウ毎の画像特徴量と、歩行者検出モデル（ＳＶＭ、ＡｄａＢｏｏｓｔ）とを用いて、歩行者を検出し、検出された歩行者位置を表す画像座標を求める。また、検出器６０は、歩行者位置を表す画像座標を、３次元位置に変換する。この際に、検出された歩行者の高さに応じて誤差分散行列を求める。また、検出器６０は、自車両に搭載されたＧＰＳにより計測された自車両の絶対座標と、求められた３次元位置とに基づいて、歩行者の絶対的な３次元位置を求める。
本実施の形態では、上記の歩行者の３次元位置及び誤差分散行列を、検出された歩行者毎に求める。また、本実施の形態では、複数の歩行者についての検出結果を得ることを「観測」という。具体的には、観測Ｏは、複数の歩行者についての検出結果として、歩行者の３次元位置のセットＹ＝｛ｙ１，…ｙｎ｝と、観測誤差分散行列のセットＲ＝｛ｒ１，…，ｒｎ｝とを含む。
検出器６０は、検出した歩行者の３次元位置のセットＹと、観測誤差分散行列のセットＲとからなる観測Ｏを、観測毎に、歩行者追跡装置１０へ送信する。
検出器６２は、検出器６０と同様に、検出した歩行者の３次元位置のセットＹと、観測誤差分散行列のセットＲとからなる観測Ｏを、観測毎に、歩行者追跡装置１０へ送信する。
複数の検出器６０、６２は、非同期に、歩行者を検出している。また、複数の検出器６０は、各々異なる車両に搭載されているため、歩行者追跡装置１０へ観測を送信する検出器６０、６２の数は、不定となる。
歩行者追跡装置１０は、例えば、サーバ等のコンピュータで構成される。歩行者追跡装置１０は、ＣＰＵと、ＲＡＭと、後述する「歩行者追跡処理」ルーチンを実行するためのプログラムを記憶したＲＯＭとを備え、機能的には次に示すように構成されている。
図２は本発明の第１の実施の形態に係る歩行者追跡装置の構成を示すブロック図である。図２に示すように、歩行者追跡装置１０は、通信部１２と、センシング結果獲得部１４と、状態量記憶部１６と、状態量予測部１８と、状態量対応付け部２０と、状態量更新部２２とを備えている。
センシング結果獲得部１４は、検出器６０、６２の何れかから送信された観測Ｏを、通信部１２により受信する毎に、最新データとして、歩行者の３次元位置のセットＹ＝｛ｙ１，…ｙｎ｝と、観測誤差分散行列のセットＲ＝｛ｒ１，…，ｒｎ｝とを取得する。
状態量記憶部１６は、観測された複数の歩行者それぞれの、状態量更新部２２により更新された状態量（歩行者の位置及び速度）、及び最後に観測した時刻を記憶する。
状態量予測部１８は、最新データを取得した時刻に合わせて、複数の歩行者それぞれについて、状態量記憶部１６に記憶された状態量を用いて次の時刻の歩行者の状態量を予測することを繰り返し、最新データを取得した時刻における予測状態量を取得する。以下では、最新データを取得した時刻を「現時刻」という。
具体的には、状態量予測部１８は、現時刻における複数の歩行者それぞれの予測状態量のセットＸ＝｛ｘ１，…，ｘｍ｝、および、予測状態量の分散共分散行列のセットＶ＝｛ｖ１，…，ｖｍ｝を取得する。複数の歩行者の状態量は、例えば、カルマンフィルタの予測ステップ、等速予測などにより予測する。
状態量対応付け部２０は、センシング結果獲得部１４により最新のデータを取得する度に、複数の歩行者それぞれについて予測された予測状態量と、最新のデータが表す複数の歩行者それぞれの検出結果との対応付けを行う。
具体的には、現時刻における複数の歩行者それぞれの予測状態量のセットＸ＝｛ｘ１，…，ｘｍ｝と、最新のデータに含まれる複数の歩行者それぞれの３次元位置のセットＹ＝｛ｙ１，…，ｙｎ｝との対応付けを行う。
図３は複数の検出結果と複数の予測状態量との全部の対応付けを示す模式図である。図３に示す例では、１つの観測には検出結果１〜４が含まれる。検出結果１〜４の各々は、確率に応じて選択された予測状態量ａ〜ｄのいずれかに対応付けられる。
図４（Ａ）〜（Ｄ）は本発明の第１の実施の形態に係る対応付け手順を説明するための模式図である。まず、図４（Ａ）に示すように、１つの観測に含まれる複数の検出結果をランダムに並べ替える。図示した例では、検出結果１〜４が３→１→４→２の順に並べ替えられているが、この配列はランダムに決定されたものである。
次に、図４（Ｂ）及び図４（Ｃ）に示すように、複数の検出結果を配列順に１つ選択する。選択された検出結果を、他の検出結果が割り当てられていない予測状態量の中から、確率に応じて選択された１つの予測状態量に割り当てる。以下では、他の検出結果が割り当てられていない予測状態量を「割当候補の予測状態量」という。確率は下記式（１）で表される。図４（Ｄ）に示すように、複数の検出結果各々の割当先が決まると、１つの対応付けが完成する。
上記式（１）では、検出結果ｙの個数をＮ個、割当候補の予測状態量ｘの個数をＭ個とする。１つの検出結果ｙｉ（ｉ＝１〜Ｎ）が１つの予測状態量ｘｊ（ｊ＝１〜Ｍ）に割り当てられる確率は、ｐ（ｙｉ｜ｘｊ）である。１つの検出結果ｙｉが、Ｍ個の予測状態量ｘｊのいずれかに割り当てられる確率は、Ｍ個の予測状態量ｘｊについての確率ｐ（ｙｉ｜ｘｊ）の和Σｊｐ（ｙｉ｜ｘｊ）である。式（１）に示すように確率は、確率ｐ（ｙｉ｜ｘｊ）のΣｊｐ（ｙｉ｜ｘｊ）に対する割合と定義される。
図示した例では、まず検出結果３が選択される。割当候補は予測状態量ａ〜ｄである。例えば、検出結果３と予測状態量ａとの確率は５０％、予測状態量ｂとの確率は３０％、予測状態量ｃとの確率は１０％、予測状態量ｄとの確率は１０％とする。検出結果３は、これらの確率に応じて選択された予測状態量ａに割り当てられる。
図示した例では、配列順に従って次に検出結果１が選択される。予測状態量ａには検出結果３が割り当てられたので、割当候補は予測状態量ｂ〜ｄである。検出結果１は、割当候補の中から確率に応じて選択された予測状態量ｄに割り当てられる。同様に、次に選択された検出結果４は、予測状態量ｂに割り当てられ、次に選択された検出結果２は、残った予測状態量ｃに割り当てられる。
状態量対応付け部２０は、上記の手法で、ランダムな並べ替えを繰り返し行い、複数の対応付けを生成する。複数の対応付けは、同じパターンの対応付けを含んでいてもよい。
生成する対応付けの個数は、例えば１００個など、予め定めた個数とする。通常のＪＰＤＡＦを利用する追跡では、複数の検出結果と複数の予測状態量との対応付けのすべてのパターンについて計算が行われている。対応付けの個数を「予め定めた個数」とすることで、歩行者数が増え、検出結果の個数が増えた場合であっても、計算量を増やさずに済み、高速に追跡を行うことができる。対応付けパターンの総数に応じて、対応付けの個数を対応付けパターンの総数より少ない個数としてもよい。
状態量対応付け部２０は、対応付け毎に、対応付けの重みｗを計算する。状態量対応付け部２０は、計算された重みｗを対応付けに付与する。確率に応じて対応付けた場合、対応付けの重みｗは下記式（２）で与えられる。
上記式（２）では、１つの検出結果ｙｉについて得られた、Ｍ個の予測状態量ｘｊに対する確率ｐ（ｙｉ｜ｘｊ）の和Σｊｐ（ｙｉ｜ｘｊ）が、Ｎ個の検出結果について掛け合わされている。但し、図４（Ｂ）及び図４（Ｃ）に例示した通り、１つの検出結果について、割当候補となる予測状態量の個数Ｍは、割当の度に１個減少する。例えば、図４（Ｂ）に示す１回目の割当では、割当候補となる予測状態量は４個であるが、図４（Ｃ）に示す２回目の割当では、割当候補となる予測状態量は３個である。
本実施の形態では、複数の対応付けを、重みｗに基づき重み付け平均をとることで、複数の検出結果が各予測状態量に確率的に対応付けられる。歩行者の予測状態量の各々には、最新のデータが表す複数の歩行者それぞれの検出結果が重み付けされて対応付けられる。
状態量更新部２２は、検出結果毎に、複数の歩行者それぞれについて、３次元位置を観測値として、対応する観測誤差分散行列と、予測ステップで得られた予測状態量及び分散共分散行列とを用いて、フィルタリングを行う。フィルタリングは、例えば、カルマンフィルタのフィルタリングステップにより行う。
状態量更新部２２は、複数の歩行者それぞれについて、フィルタリング後の複数の状態量を統合する。具体的には、対応付けの重みｗを用いて、検出結果毎に、フィルタリングにより得られた複数の状態量の統合分布を計算し、その平均値と分散共分散行列とを計算する。
状態量更新部２２は、計算された重み付け平均値と分散共分散行列とで、状態量記憶部１６に記憶された状態量を更新すると共に、最後に観測した時刻を更新する。
図３、図４（Ａ）〜（Ｄ）では、検出結果１〜４の各々が、予測状態量ａ〜ｄのいずれかに対応付けられる例について説明したが、実際には、予測状態量と対応付かない検出結果や、検出結果が割り当てられない予測状態量が発生する。これ等が発生する場合は、例えば、以下のように対応する。
状態量更新部２２は、対応付けの結果に基づいて、最新のデータの検出結果のうち、予測状態量と対応付かなかった歩行者の検出結果から、新たな状態量ｘを生成し、最後に観測した時刻として、現在時刻を、状態量記憶部１６に格納する。なお、新たな状態量ｘは観測された歩行者の３次元位置ｙと同じ座標、誤差分散行列を持つこととする。
例えば、状態量対応付け部２０は、対応付けない確率を設定値として与え、この設定値より小さい確率の組み合わせは、対応付けないようにしてもよい。この場合は、図４（Ｂ）に示す例で、検出結果３と各予測状態量との確率がいずれも設定値以下の場合は、検出結果３は、いずれの予測状態量にも割り当てられないことになる。
また、例えば、ダミーの予測状態量を用意しておいてもよい。各検出結果とダミーの予測状態量との間の確率を設定値として与える。この場合は、図４（Ｂ）に示す例で、予測状態量ｄをダミーであると仮定すると、確率に応じて検出結果１がダミーの予測状態量に割り当てられたことになる。
また、状態量更新部２２は、検出結果と対応付かなった歩行者の状態量のうち、最後に観測した時刻から一定時間以上経過している歩行者の状態量を、状態量記憶部１６から消去する。
歩行者追跡装置１０は、上記の一連の処理により更新された状態量のセットを、歩行者の検出結果の統合結果として出力する。
（変形例/最尤法による対応付け）
なお、上記では、「確率に基づいて」検出結果と予測状態量との対応付けを行う例について説明したが、「最尤法」により対応付けを行ってもよい。最尤法では、複数の検出結果を配列順に１つ選択して、選択された検出結果を、他の検出結果が割り当てられていない予測状態量の中で、結合確率が最も高い予測状態量に割り当てる。最尤法により対応付けを行う場合は、同じパターンの対応付けを含まないように、複数の対応付けを生成する。
最尤法により検出結果を予測状態量に対応付けた場合は、対応付けの重みは、下記式（３）で与えられる。
上記式（３）では、１つの検出結果ｙｉについて得られた最尤の予測状態量ｘｊに対する確率ｍａｘ(ｐ（ｙｉ｜ｘｊ））が、Ｎ個の検出結果について掛け合わされている。
＜歩行者追跡システムの動作＞
次に、第１の実施の形態に係る歩行者追跡システム１００の動作について説明する。
複数の車両に搭載された複数の検出器６０、及びインフラセンサとしての検出器６２の各々によって、歩行者が逐次検出され、検出される毎に、検出結果が「観測」として、基地局５０を介して、歩行者追跡装置１０に送信される。観測が送信されているときに、歩行者追跡装置１０においては「歩行者追跡処理」の処理ルーチンが実行される。
まず、「歩行者追跡処理」の処理ルーチンについて説明する。図５は本発明の第１の実施の形態に係る「歩行者追跡処理」の処理ルーチンの内容を示すフローチャートである。
ステップＳ１００において、複数の検出器６０及び検出器６２の何れかから、観測を受信すると、ステップＳ１０２へ進む。観測が受信されると最新データが取得される。具体的には、歩行者の３次元位置のセットＹと、観測誤差分散行列のセットＲとを含む観測Ｏが受信される。
ステップＳ１０２では、上記ステップＳ１００で最新データが取得した時刻（現時刻）に合わせて、複数の歩行者それぞれについて、状態量記憶部１６に記憶された状態量を用いて現時刻の歩行者の状態量を予測する。具体的には、現時刻における複数の歩行者それぞれの予測状態量のセットＸ、および、予測状態量の分散共分散行列のセットＶを取得する。
ステップＳ１０４では、上記ステップＳ１０２で複数の歩行者それぞれについて予測された予測状態量と、上記ステップＳ１００で受信した観測に含まれる複数の検出結果とを対応付ける「対応付け処理」を実行する。具体的には、現時刻における複数の歩行者それぞれの予測状態量のセットＸと、最新のデータに含まれる複数の歩行者それぞれの３次元位置のセットＹとの対応付けを行う。
（対応付け処理）
図６は「対応付け処理」の処理ルーチンの内容を示すフローチャートである。図７は「割り当て処理」の処理ルーチンの内容を示すフローチャートである。
図６に示すように、「対応付け処理」では、まず、ステップ２００で、図７に示す「割り当て処理」を実行して、観測に含まれる複数の検出結果と、複数の歩行者に応じた複数の予測状態量との１つの対応付けを生成する。後述する通り、生成された対応付けについては、「対応付けの重みｗ」が計算される。
次に、ステップ２０２で、対応付けと対応付けの重みｗとを記憶する。次に、ステップ２０４で、対応付けが目標個数だけ生成されたか否かを判断する。対応付けの個数が目標個数に到達した場合は、ルーチンを終了する。対応付けの個数が目標個数未満の場合は、ステップ２００に戻って、「割り当て処理」を繰り返し行う。
図７に示す「割り当て処理」では、まず、ステップ３００で、１つの観測に含まれる複数の検出結果をランダムに並べ替える。次に、ステップ３０２で、配列順に１つの検出結果を選択する。並べ替えられた複数の検出結果は、配列順に先頭から順番に選択される。次に、ステップ３０４で、選択された検出結果と割当候補の予測状態量との間の確率を計算する。
次に、ステップ３０６で、選択された検出結果を、確率に応じて選択された予測状態量に割り当てる。次に、ステップ３０８で、予測状態量に割り当てられていない検出結果があるか否かを判断する。未割当の検出結果がない場合は、ステップ３１０に進む。複数の検出結果の各々が、何れかの予測状態量に割り当てられると１つの対応付けが定まる。未割当の検出結果がある場合は、ステップ３０２に戻って、配列順に次の検出結果を選択する。
次に、ステップ３１０で、定まった１つの対応付けについて「対応付けの重み」を計算して、ルーチンを終了する。対応付けの重みは、上記式（２）または上記式（３）で与えられる。
本実施の形態では、複数の検出結果と複数の予測状態量とを対応付ける場合に、複数の対応付けパターンを高速かつ高精度に取得することができる。また、後述する「定理」に基づいて重み対応付けを行うので、結合確率分布に比例する確率分布に基づいて対応付けを行う場合と同等の確率で、複数の対応付けパターンを取得することができる。また、１つの対応付け内では、各検出結果が１つの予測状態量に割り当てられるので、１つの予測状態に複数の検出結果が割り当てられる等の「重複」がない。
「対応付け処理」が終了すると、図５のステップＳ１０５に進む。ステップＳ１０５では、重みｗに基づいて「対応付けの重み付け平均値」を計算する。
次に、ステップＳ１０６で、検出結果毎に、フィルタリングを行う。具体的には、複数の歩行者それぞれについて、対応する３次元位置を観測値として、対応する観測誤差分散行列と、予測ステップで得られた予測状態量及び分散共分散行列とを用いて、フィルタリングを行う。
次に、ステップＳ１０８では、ステップＳ１０５で計算した「対応付けの重み付け平均値」を用いて、フィルタリングにより得られた複数の状態量の統合分布の平均値と、分散共分散行列とを計算する。そして、計算された値で、状態量記憶部１６に記憶された状態量を更新すると共に、最後に観測した時刻を更新する。
例えば、図３、図４（Ａ）〜（Ｄ）に示す例では、歩行者Ａの予測状態量ａは検出結果１〜４のいずれかに対応付けられる。ここでの「対応付け」は、検出結果と予測状態量との１対１の対応付けである。１対１の対応付けと区別するために、ここでは、検出結果１〜４の各々と予測状態量ａ〜ｄとの組合せは「対応付けサンプル」と称する。
予測状態量ａと検出結果３との対応付けを、対応付け（ａ-３）とする。複数の対応付けサンプルのうち、対応付け（ａ-３）を含む対応付けサンプルが３つあり、それらの対応付けの重みをｗ１、ｗ２、ｗ３とする。対応付け（ａ-３）の「対応付けの重み付け平均値」を「ｗａ３」とする。対応付けの重み付け平均値ｗａ３は、下記式（Ａ）に示すように、重みｗ１、ｗ２、ｗ３の和を全てのサンプルの重みの和で除した値となる。
歩行者Ａの状態量の分布の平均をＸａ、分散共分散行列をＶａ、とする。検出結果１〜４の各々についてフィルタリングを行い、下記に示すフィルタリング結果が得られる。フィルタリング結果は、対応付け、状態量、分散共分散行列、及び対応付けの重み付け平均値を含む。フィルタリング結果の重みは、上記の「対応付けの重み付け平均値」に応じて計算される。
対応付け（ａ-１） 状態量Ｘａ１ 分散共分散行列Ｖａ１ 対応付けの重み付け平均値ｗａ１
対応付け（ａ-２） 状態量Ｘａ２ 分散共分散行列Ｖａ２ 対応付けの重み付け平均値ｗａ２
対応付け（ａ-３） 状態量Ｘａ３ 分散共分散行列Ｖａ３ 対応付けの重み付け平均値ｗａ３
対応付け（ａ-４） 状態量Ｘａ４ 分散共分散行列Ｖａ４ 対応付けの重み付け平均値ｗａ４
これらの分布を統合することで、最終的な歩行者Ａの状態量の分布が計算される。統合後の状態量の分布の平均Ｘ'ａと分散 Ｖ'ａとは、下記式（Ｂ）及び下記式（Ｃ）により計算される。なお、Ｔは転置行列を表す。
歩行者Ｂ〜Ｄについても同様に、統合後の状態量の分布の平均と分散共分散行列とが計算されて、計算された値により記憶された状態量が更新される。
また、上記ステップＳ１００で受信した検出結果のうち、状態量と対応付かなかった歩行者の検出結果に基づき、新たな状態量ｘを生成し、最後に観測した時刻として、現在時刻を、状態量記憶部１６に格納する。
次に、ステップＳ１１０では、複数の歩行者の各々について計算された、複数の状態量の統合分布の平均値を、歩行者の検出結果の統合結果として出力し、上記ステップＳ１００へ戻る。
［第２の実施の形態］
第２の実施の形態では、観測された複数の歩行者それぞれの更新された状態量（歩行者の位置及び速度）を、重み付けされた複数の仮説として保持している。各仮説は、複数の歩行者に応じた複数の状態量を有している。仮説毎に、複数の予測状態量が取得され、１つの観測に含まれる複数の検出結果と複数の予測状態量との対応付けが行われ、フィルタリングにより複数の状態量が更新される点が、第１の実施の形態とは相違している。本実施の形態では、ＲＢＰＦを改良した方法で歩行者の追跡を行う。
仮説の個数は、例えば１００個など、予め定めた個数とする。仮説の個数を「予め定めた個数」とすることで、歩行者数が増え、検出結果の個数が増えても、計算量を増やさずに済み、高速に追跡を行うことができる。
図８は本発明の第２の実施の形態に係る歩行者追跡装置の構成を示すブロック図である。図８に示すように、歩行者追跡装置１０は、通信部１２と、センシング結果獲得部１４と、仮説記憶部３０と、仮説内状態量予測部３２と、仮説内状態量対応付け部３４と、仮説重み更新部３６と、仮説更新部３８と、仮説内状態量更新部４０と、重み付け平均計算部４２とを備えている。
センシング結果獲得部１４は、検出器６０、６２の何れかから送信された観測Ｏを、通信部１２により受信する毎に、最新データとして、歩行者の３次元位置のセットＹ＝｛ｙ１，…ｙｎ｝と、観測誤差分散行列のセットＲ＝｛ｒ１，…，ｒｎ｝とを取得する。
仮説記憶部３０は、観測された複数の歩行者それぞれの、仮説更新部３８により更新された状態量（歩行者の位置及び速度）、及び最後に観測した時刻を、仮説毎に記憶する。
具体的には、仮説毎に、歩行者の状態量のセットＸ＝｛ｘ１，…ｘｍ｝、および、状態量の分散共分散行列Ｖ＝｛ｖ１，…，ｖｍ｝と、最後に観測した時刻のセットＴ＝｛ｔ１，…ｔｍ｝とを記憶している。
なお、本実施の形態では、

を、信念空間上の仮説と呼び、仮説の構成要素

を「追跡器」と呼ぶこととする。追跡器は、各歩行者について得られた一連の状態量のセットであり、追跡する歩行者を選定するのに使用される。追跡する歩行者について「追跡器」が設定される。
仮説内状態量予測部３２は、現時刻に合わせて、仮説毎に、仮説で追跡している複数の歩行者それぞれについて、例えばカルマンフィルタの予測ステップにより、仮説記憶部３０に記憶された状態量を用いて次の時刻の歩行者の状態量を予測することを繰り返し、現時刻の歩行者の状態量を予測する。「追跡器」が設定された歩行者について予測状態量が取得される。
具体的には、仮説内状態量予測部３２は、現時刻における複数の歩行者それぞれの予測状態量のセットＸ＝｛ｘ１，…，ｘｍ｝、および、予測状態量の分散共分散行列Ｖ＝｛ｖ１，…，ｖｍ｝を求める。
本実施の形態では、仮説

に対して、現時刻の状態に関する予測

を生成する。
仮説内状態量対応付け部３４は、センシング結果獲得部１４により最新のデータを取得する度に、仮説毎に、現時刻に対応して複数の歩行者それぞれについて予測された予測状態量と、最新のデータが表す複数の歩行者それぞれの検出結果との対応付けを行う。
具体的には、仮説毎に、現時刻における複数の歩行者それぞれの予測状態量のセットＸ＝｛ｘ１，…，ｘｍ｝と、最新のデータに含まれる複数の歩行者それぞれの３次元位置のセットＹ＝｛ｙ１，…ｙｎ｝との対応付けを行う。換言すれば、複数の追跡器と、複数の３次元位置とが対応付けられる。
仮説内状態量対応付け部３４は、仮説毎に、第１の実施の形態と同様の手順で対応付けを行い、仮説の個数分だけ対応付けを生成する。仮説内状態量対応付け部３４は、仮説毎に、複数の検出結果をランダムに並べ替え、配列順に、確率に応じて選択される予測状態量に割り当てる。１つの仮説について１つの対応付けが生成される。「最尤法」による対応付けは行わない。
仮説内状態量対応付け部３４は、仮説毎に、上記式（２）に従って対応付けの重みｗを計算する。計算された対応付けの重みｗが、対応する仮説に付与される。
仮説内状態量更新部４０は、仮説毎に、状態量の更新を行う。仮説内状態量更新部４０は、対応付けの定まった仮説内の複数の追跡器の各々について、対応する３次元位置を観測値として、対応する観測誤差分散行列と、予測ステップで得られた予測状態量及び分散共分散行列の各々とを用いて、フィルタリングを行い、仮説記憶部３０に記憶された状態量を更新すると共に、最後に観測した時刻を更新する。フィルタリングは、例えば、カルマンフィルタのフィルタリングステップにより行う。
仮説内状態量更新部４０は、対応付けの結果に基づいて、最新のデータの検出結果のうち、予測状態量と対応付かなかった歩行者の検出結果から、新たな状態量ｘを含む追跡器を生成し、最後に観測した時刻として、現在時刻を、仮説記憶部３０に格納する。なお、新たな状態量ｘを含む追跡器は、観測された歩行者の３次元位置と同じ座標、誤差分散行列を持つこととする。
また、仮説内状態量更新部４０は、検出結果と対応付かなった歩行者の状態量を含む追跡器のうち、最後に観測した時刻から一定時間以上経過している歩行者の状態量を含む追跡器を、仮説記憶部３０から消去する。
仮説重み更新部３６は、仮説毎に、元の仮説の重みと「対応付けの重み」との積により、仮説の重みを更新する。例えば、元の仮説の重みをＷ１、対応付けの重みをｗ１とすると、仮説の重みはそれらの積（Ｗ１×ｗ１）に更新される。更新後の重みをＷαとする。
本実施の形態では、最新のデータが表す複数の歩行者それぞれの検出結果を用いて、各仮説内の状態量が更新される。複数の追跡器の各々について、仮説毎に更新された複数の状態量が、仮説毎の重みＷαと共に得られる。
例えば、仮説１〜３の各々が追跡器Ａ〜Ｄを含むと仮定する。仮説１では、追跡器Ａ〜Ｄについて、歩行者の状態量のセットＸ＝｛ｘａ１，ｘｂ１，ｘｃ１，ｘｄ１｝が重みＷα１と共に得られる。仮説２では、追跡器Ａ〜Ｄについて、歩行者の状態量のセットＸ＝｛ｘａ２，ｘｂ２，ｘｃ２，ｘｄ２｝が重みＷα２と共に得られる。仮説３では、追跡器Ａ〜Ｄについては、歩行者の状態量のセットＸ＝｛ｘａ３，ｘｂ３，ｘｃ３，ｘｄ３｝が重みＷα３と共に得られる。
重み付け平均計算部４２は、複数の追跡器の各々について、仮説毎に更新された歩行者の状態量と、仮説毎の重みとに基づいて、状態量の重み付け平均値を計算する。具体的には、例えば、追跡器Ａについて、更新された複数の状態量｛ｘａ１，ｘａ２，ｘａ３｝の重み付け平均値を計算する。
仮説更新部３８は、仮説重み更新部３６により更新された仮説の重みＷαに基づいて、リサンプリングにより複数の仮説を更新する。例えば、重みが大きい仮説は複製され、重みが小さい仮説は消滅する。
歩行者追跡装置１０は、重み付け平均計算部４２により求めた、複数の追跡器の各々についての状態量の重み付け平均値を、歩行者の検出結果の統合結果として出力する。
＜歩行者追跡システムの動作＞
次に、第２の実施の形態に係る歩行者追跡システム１００の動作について説明する。
まず、「歩行者追跡処理」の処理ルーチンについて説明する。図９は本発明の第２の実施の形態に係る「歩行者追跡処理」の処理ルーチンの内容を示すフローチャートである。
ステップＳ４００において、複数の検出器６０及び検出器６２の何れかから、観測を受信すると、ステップＳ４０２へ進む。観測が受信されると最新データが取得される。具体的には、歩行者の３次元位置のセットＹと、観測誤差分散行列のセットＲとを含む観測Ｏが受信される。
ステップＳ４０２では、上記ステップＳ４００で最新データが取得した時刻（現時刻）に合わせて、仮説毎に、追跡器が設定された複数の歩行者それぞれについて、仮説記憶部３０に記憶された状態量を用いて現時刻の歩行者の状態量を予測する。具体的には、仮説毎に、現時刻における複数の歩行者それぞれの予測状態量のセットＸ、および、予測状態量の分散共分散行列のセットＶを取得する。
ステップＳ４０４では、仮説毎に、上記ステップＳ４０２で複数の歩行者それぞれについて予測された予測状態量と、上記ステップＳ１００で受信した観測に含まれる複数の検出結果とを対応付ける「対応付け処理」を実行する。具体的には、仮説毎に、複数の追跡器と、最新データに含まれる歩行者の３次元位置のセットＹとの対応付けを行う。
（仮説内対応付け処理）
仮説内の対応付けは、第１の実施の形態と同様の手法で実施する。
図１０は「仮説内対応付け処理」の処理ルーチンの内容を示すフローチャートである。図１０に示すように、「仮説内対応付け処理」では、まず、ステップ５００で、複数の仮説の中から、１つの仮説を選択する。
次に、ステップ５０２で、図７に示す「割り当て処理」を実行して、１つの観測に含まれる複数の検出結果と、複数の歩行者に応じた複数の予測状態量との１つの対応付けを生成する。生成された対応付けについては、「対応付けの重みｗ」が計算される。対応付けの重みは、上記式（２）で与えられる。
次に、ステップ５０４で、仮説毎に、対応付けと対応付けの重みｗとを記憶する。次に、ステップ５０６で、まだ対応付けが行われていない仮説があるか否かを判断する。対応付けが行われていない仮説が無い場合は、ルーチンを終了する。対応付けが行われていない仮説がある場合は、ステップ５００に戻って、次の仮説を選択して「割り当て処理」を繰り返し行う。
本実施の形態では、複数の仮説の各々について、複数の検出結果と複数の予測状態量とを対応付ける場合に、仮説毎の対応付けパターンを高速かつ高精度に取得することができる。また、後述する「定理」に基づいて重み対応付けを行うので、結合確率分布に比例する確率分布に基づいて対応付けを行う場合と同等の確率で、複数の対応付けパターンを取得することができる。また、１つの対応付け内では、各検出結果が１つの予測状態量に割り当てられるので、１つの予測状態に複数の検出結果が割り当てられる等の「重複」がない。
「仮説内対応付け処理」が終了すると、図９のステップＳ４０６に進む。ステップ４０６では、仮説毎に、仮説内の複数の追跡器の各々について、対応する３次元位置を観測値として、対応する観測誤差分散行列と、予測ステップで得られた予測状態量及び分散共分散行列の各々とを用いて、フィルタリングを行い、仮説記憶部３０に記憶された状態量を更新すると共に、最後に観測した時刻を更新する。
次に、ステップＳ４０８で、仮説毎に、仮説の重みをＷαに更新する。仮説の重みＷαは、元の仮説の重みをＷと、対応付けの重みｗとの積（Ｗ×ｗ）である。
次に、ステップＳ４１０で、複数の追跡器の各々について、仮説毎に更新された歩行者の状態量と、仮説毎の重みとに基づいて、状態量の重み付け平均値を計算する。次に、ステップＳ４１２で、複数の追跡器の各々についての状態量の重み付け平均値を、歩行者の検出結果の統合結果として出力する。
次に、ステップＳ４１４で、リサンプリングにより複数の仮説を更新して、上記ステップ４００に戻る。
［重み付き対応付けの確率的な意義］
ここで、重み付き対応付けの確率的な意義について説明する。
上記第１及び第２の実施の形態では、以下の定理に基づき、複数の対応付けを生成しているため、結合確率分布からのサンプリングが近似できている。ここでは、対応付けを生成することを「サンプリング」という。なお、ＪＰＤＡを利用する場合など、統計量を計算する手法では、確率に応じた対応付けを行う部分で最尤を選択しても経験的にうまくいくことが分かっている。
−定理−
図４（Ａ）〜（Ｄ）に示すように、ランダムな順に並べ替えて、確率に応じて対応付けを行い、上記式（２）または（３）に従って重み付けを行うことは、対応付けの結合確率分布の確率に応じてサンプリングしているのと等価である。
−証明−
結合確率分布ｐ（θ）は、下記式（４）で記述できる。
ここで、θはある対応付けを表す。［Ｍ］、［Ｎ］は対応付ける対象数を表す。

は、対応付けを表す変数であり、ｒとｋが対応づいていれば「１」 、ｒとｋが対応づいていなければ「０」となる。

は、

の確率分布を表す。対応付け処理で説明したｐ（ｙｉ｜ｘｊ）に相当する。
ここで、定理の手順を見直していくと、まず、ランダムな順に並べ替えることにより、その並べ替えパターンに対して等確率にサンプリングを行ったことと等価になるため、その確率ｐ１は、下記式（５）で表される。
ここでは、［Ｎ］を並べ替えている。次に、［Ｎ］を並べ替えた順に対応付ける。各々に対応付ける確率としては、下記式（６）で表される確率ｐ２を用いる。
上記式（６）の分母を、対応付けの重みｗとしてｐ２に乗じると、下記式（７）が得られる。
つまり、各サンプルの確率ｐ３は、下記式（８）で表される。
これを変形すると、下記式（９）が得られる。
上記式（９）から分かるように、本定理に基づいて重み付けサンプリングを行うことは、結合確率分布に比例する確率分布に基づいてサンプリングしているのと等価になる。
換言すれば、複数の対応付けの重みの和が、複数の検出結果と複数の予測状態量との全部の対応付けにおける検出結果と予測状態量との結合確率の和を近似するように、複数の対応付けの各々に重みが付与されている。
従って、本実施の形態では、結合確率分布に比例する確率分布に基づいて対応付けを行う場合と同等の確率で、結合確率の高い複数の対応付けを取得することができる。
［変形例］
なお、上記実施の形態で説明した物体追跡装置及びプログラムの構成は一例であり、本発明の主旨を逸脱しない範囲内においてその構成を変更してもよいことは言うまでもない。
本発明の対応付け処理は、各種確率的対応付けに有効に利用できる。
以下に具体例を例示する。上記の実施の形態で説明した例を具体例１とし、他の具体例２から具体例６までについて説明する。
図１１は本発明の対応付け処理を適用した具体例２を示す模式図である。具体例２では、単眼カメラを搭載した車両が１台ある。単眼カメラは、車両と共に移動する。具体例２では、単眼カメラに基づく静止物体の位置推定に基づく車両の自己位置推定において、単眼カメラから観測した静止物体の位置と、過去に観測した静止物体の位置とを対応付けるのに、本発明の対応付け処理を利用する。
図１２は本発明の対応付け処理を適用した具体例３を示す模式図である。具体例３では、単眼カメラを搭載した車両が複数ある。具体例３では、複数のカメラによる静止物体の位置推定に基づくマップ生成において、１つのカメラから観測した静止物体の位置と、他のカメラから観測した静止物体の位置とを対応付けるのに、本発明の対応付け処理を利用する。
図１３は本発明の対応付け処理を適用した具体例４を示す模式図である。具体例４では、単眼カメラを搭載した複数の車両と、インフラセンサを備えたインフラ側のサーバとがある。インフラ側のサーバが、物体追跡装置に相当する。具体例４では、複数のセンサの検出結果の統合に基づく動的地図の生成において、インフラ側のサーバが、１つのカメラから観測した物体（静止物体、移動物体）の位置と、他のカメラから観測した物体の位置とを対応付けるのに、本発明の対応付け処理を利用する。物体の検出結果の統合結果として得られる動的地図は、各車両にフィードバックされる。
図１４は本発明の対応付け処理を適用した具体例５を示す模式図である。具体例５では、単眼カメラを搭載した１台の車両と、インフラセンサとがある。具体例５では、物体追跡装置は、車両に搭載されている。具体例５では、インフラセンサにより道路上の移動物体（車両）を認識し、その情報を車両に送信する。
車両に搭載された物体追跡装置は、インフラセンサにより観測した移動物体の位置と、単眼カメラにより観測した移動物体の位置、または、移動物体の予測状態量とを対応付けるのに、本発明の対応付け処理を利用する。インフラ情報を利用した車載システムにおける車両の認識範囲が拡大する。
具体例６では、複数種類のセンサ（例えば、カメラとレーザレーダ）を搭載した車両が１台ある。単一の車両におけるセンサフュージョンにおいて、複数種類のセンサの認識結果を互いに対応付けして統合するのに、本発明の対応付け処理を利用する。
１０ 歩行者追跡装置
１２ 通信部
１４ センシング結果獲得部
１６ 状態量記憶部
１８ 状態量予測部
２０ 状態量対応付け部
２２ 状態量更新部
３０ 仮説記憶部
３２ 仮説内状態量予測部
３４ 仮説内状態量対応付け部
３６ 仮説重み更新部
３８ 仮説更新部
４０ 仮説内状態量更新部
４２ 重み付け平均計算部
５０ 基地局
６０ 検出器
６２ 検出器
７０ ネットワーク
１００ 歩行者追跡システム

Claims (17)

  1. 少なくとも１つの検出器により検出された検出結果であって、各検出器に対して相対移動する複数の物体を検出した検出結果を受け取る結果獲得手段と、
    前記複数の物体各々について、前の時刻の複数の状態量を用いて次の時刻の複数の予測状態量を取得する予測手段と、
    前記複数の物体に応じた複数の検出結果と、検出結果を受け取った時刻に応じた複数の予測状態量との対応付けを、複数個生成する対応付け手段と、
    を含み、
    前記対応付け手段は、
    ランダムに配列された前記複数の検出結果の各々を、配列順に、前記複数の予測状態量のうちで他の検出結果が割り当てられていない何れか１つの予測状態量に割り当てて、対応付けを生成することを繰り返す、
    対応付け装置。
  2. 少なくとも１つの検出器により検出された検出結果であって、各検出器に対して相対移動する複数の物体を検出した検出結果を受け取る結果獲得手段と、
    １つの検出器により検出された複数の第１検出結果と、同じ検出器により異なる時刻に検出された、または、他の検出器により検出された複数の第２検出結果との対応付けを、複数個生成する対応付け手段と、
    を含み、
    前記対応付け手段は、
    ランダムに配列された前記複数の第１検出結果の各々を、配列順に、前記複数の第２検出結果のうちで他の第１検出結果が割り当てられていない何れか１つの第２検出結果に割り当てて、対応付けを生成することを繰り返す、
    対応付け装置。
  3. 複数の物体を追跡する物体追跡装置において、
    前記複数の物体の各々について状態量を記憶する記憶手段と、
    少なくとも１つの検出器により検出された検出結果であって、各検出器に対して相対移動する複数の物体を検出した検出結果を受け取る結果獲得手段と、
    前記複数の物体各々について、前の時刻の複数の状態量を用いて次の時刻の複数の予測状態量を取得する予測手段と、
    前記複数の物体に応じた複数の検出結果と、検出結果を受け取った時刻に応じた複数の予測状態量との対応付けを、複数個生成する対応付け手段と、
    複数の対応付けの各々に重みを付与する重み付与手段と、
    前記複数の検出結果、前記複数の予測状態量、前記複数の対応付け、及び前記複数の対応付けの重みを用いて、前記記憶手段に格納された状態量を更新する更新手段と、
    を含み、
    前記対応付け手段は、
    ランダムに配列された前記複数の検出結果の各々を、配列順に、前記複数の予測状態量のうちで他の検出結果が割り当てられていない何れか１つの予測状態量に割り当てて、対応付けを生成することを繰り返す、
    物体追跡装置。
  4. 前記複数の検出結果の各々を、予測状態量に対する確率に基づいて、前記複数の予測状態量のうちで他の検出結果が割り当てられていない何れか１つの予測状態量に割り当てる、
    請求項３に記載の物体追跡装置。
  5. 前記複数の検出結果の各々を、他の予測状態量より確率が大きい１つの予測状態量に割り当てる、
    請求項３または請求項４に記載の物体追跡装置。
  6. 前記複数の対応付けの個数は、予め定めた個数とする、
    請求項３から請求項５までのいずれか１項に記載の物体追跡装置。
  7. 前記複数の対応付けの個数は、複数の検出結果と複数の予測状態量との対応付けの総数より少ない個数とする、
    請求項３から請求項６までのいずれか１項に記載の物体追跡装置。
  8. 前記複数の対応付けの重みの和が、前記複数の検出結果と前記複数の予測状態量との全部の対応付けにおける検出結果と予測状態量との結合確率の和を近似するように、前記複数の対応付けの各々に重みを付与する、
    請求項３から請求項７までのいずれか１項に記載の物体追跡装置。
  9. 対応付けの重みは、
    前記複数の検出結果の各々について、前記複数の予測状態量のうちで他の検出結果が割り当てられていない各予測状態量に対する確率を求め、
    前記検出結果毎に得られる各予測状態量に対する確率の和を、前記複数の検出結果分を掛け合わせた値とする、
    請求項３から請求項８までのいずれか１項に記載の物体追跡装置。
  10. 前記更新手段は、
    複数の検出結果各々について、各予測状態量に対応付けられた検出結果を用いてフィルタリングし、
    複数の対応付けの重み付け平均値に応じて、フィルタリング後の複数の統合分布を取得し、
    前記統合分布を用いて前記記憶手段に格納された状態量を更新する、
    請求項３から請求項９までのいずれか１項に記載の物体追跡装置。
  11. 前記記憶手段が、重み付けされた複数の仮説毎に複数の状態量を記憶している場合は、
    前記予測手段は、仮説毎に、次の時刻の複数の予測状態量を取得し、
    前記対応付け手段は、仮説毎に、前記複数の検出結果と前記複数の予測状態量との対応付けを生成し、
    前記更新手段は、
    仮説毎に、対応付けられた検出結果を用いて前記仮説内の複数の状態量を更新し、
    仮説毎に、仮説の重みに対応付けの重みを乗じて仮説の重みを更新し、
    更新後の仮説の重みに応じて、前記複数の仮説の更新後の状態量の重み付け平均値を出力し、
    更新後の仮説の重みに応じて複数の仮説を増減する、
    請求項３から請求項１０までのいずれか１項に記載の物体追跡装置。
  12. 前記少なくとも１つの検出器の各々は、固定された検出器及び移動可能な検出器の少なくとも一方である、
    請求項３から請求項１１までのいずれか１項に記載の物体追跡装置。
  13. 前記複数の物体の各々は、静止物体及び移動物体の少なくとも一方である、
    請求項３から請求項１２までのいずれか１項に記載の物体追跡装置。
  14. 前記物体追跡装置が車両に搭載されており、
    前記少なくとも１つの検出器は、自車両に搭載された検出器及び車両外に配置された検出器の少なくとも一方である、
    請求項３から請求項１３までのいずれか１項に記載の物体追跡装置。
  15. コンピュータを、請求項１に記載の対応付け装置の結果獲得手段、予測手段、及び対応付け手段として機能させるためのプログラム。
  16. コンピュータを、請求項２に記載の対応付け装置の結果獲得手段、及び対応付け手段として機能させるためのプログラム。
  17. コンピュータを、請求項３に記載の物体追跡装置の記憶手段、結果獲得手段、予測手段、対応付け手段、重み付与手段、及び更新手段として機能させるためのプログラム。
JP2018013941A 2018-01-30 2018-01-30 対応付け装置、物体追跡装置、及びプログラム Expired - Fee Related JP6747461B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018013941A JP6747461B2 (ja) 2018-01-30 2018-01-30 対応付け装置、物体追跡装置、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018013941A JP6747461B2 (ja) 2018-01-30 2018-01-30 対応付け装置、物体追跡装置、及びプログラム

Publications (2)

Publication Number Publication Date
JP2019133332A JP2019133332A (ja) 2019-08-08
JP6747461B2 true JP6747461B2 (ja) 2020-08-26

Family

ID=67546209

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018013941A Expired - Fee Related JP6747461B2 (ja) 2018-01-30 2018-01-30 対応付け装置、物体追跡装置、及びプログラム

Country Status (1)

Country Link
JP (1) JP6747461B2 (ja)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102308752B1 (ko) 2021-02-22 2021-10-05 주식회사 에스아이에이 객체 추적 방법 및 장치
WO2023276840A1 (ja) * 2021-07-01 2023-01-05 住友電気工業株式会社 車載装置、同定方法、コンピュータプログラム、及び車載システム

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3750855B2 (ja) * 2002-07-03 2006-03-01 三菱電機株式会社 目標追尾装置
JP4450306B2 (ja) * 2003-07-11 2010-04-14 Ｋｄｄｉ株式会社 移動体追跡システム
JP2012225752A (ja) * 2011-04-19 2012-11-15 Toyota Central R&D Labs Inc 移動体追跡装置及び移動体追跡方法
JP5919665B2 (ja) * 2011-07-19 2016-05-18 日本電気株式会社 情報処理装置、物体追跡方法および情報処理プログラム
EP2799902A1 (en) * 2013-04-30 2014-11-05 Baselabs GmbH Method and apparatus for the tracking of multiple objects
JP6488647B2 (ja) * 2014-09-26 2019-03-27 日本電気株式会社 物体追跡装置、物体追跡システム、物体追跡方法、表示制御装置、物体検出装置、プログラムおよび記録媒体

Also Published As

Publication number Publication date
JP2019133332A (ja) 2019-08-08

Similar Documents

Publication Publication Date Title
US11946750B2 (en) Method for vehicle environment mapping, corresponding system, vehicle and computer program product
CN111201448B (zh) 用于产生反演传感器模型的方法和设备以及用于识别障碍物的方法
JP6224370B2 (ja) 車両用コントローラ、車両システム
JP5162849B2 (ja) 不動点位置記録装置
JP5800494B2 (ja) 特定領域選択装置、特定領域選択方法及びプログラム
EP2657644A1 (en) Positioning apparatus and positioning method
CN113330279A (zh) 用于确定车辆的位置的方法和系统
JP2019168953A (ja) 状態推定装置及びプログラム
US12066299B2 (en) Method, device and system for perceiving multi-site roadbed network and terminal
JP6747461B2 (ja) 対応付け装置、物体追跡装置、及びプログラム
CN111587430A (zh) 用于探测物体的方法
CN114035187B (zh) 一种自动驾驶系统的感知融合方法
JP2017526083A (ja) 位置特定およびマッピングの装置ならびに方法
WO2020078572A1 (en) Global map creation using fleet trajectories and observations
CN115690718A (zh) 基于注意力感知的感兴趣区域窗口生成的系统和方法
KR102180036B1 (ko) 대상체의 예측 경로 데이터를 생성하는 방법, 장치 및 무인 차량
CN114868154A (zh) 包括多分辨率体素中的协方差的地图
US20230169797A1 (en) Traffic hand signal detection system and method thereof
CN110781730A (zh) 智能驾驶感知方法及感知装置
US20230118390A1 (en) Method and device for providing tracking data for recognizing the movement of persons and hands for controlling at least one function of a technical system, and sensor system
JP6903955B2 (ja) 移動物状態量推定装置及びプログラム
Grimm et al. Discrimination of stationary from moving targets with recurrent neural networks in automotive radar
CN116520302A (zh) 应用于自动驾驶系统的定位方法和构建三维地图的方法
CN114549632A (zh) 车辆定位方法及装置
Dominguez et al. A transferable belief model applied to LIDAR perception for autonomous vehicles

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190403

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200228

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200407

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200529

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: 20200707

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200720

R150 Certificate of patent or registration of utility model

Ref document number: 6747461

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

LAPS Cancellation because of no payment of annual fees