JP7021798B1 - 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 - Google Patents
学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 Download PDFInfo
- Publication number
- JP7021798B1 JP7021798B1 JP2020202265A JP2020202265A JP7021798B1 JP 7021798 B1 JP7021798 B1 JP 7021798B1 JP 2020202265 A JP2020202265 A JP 2020202265A JP 2020202265 A JP2020202265 A JP 2020202265A JP 7021798 B1 JP7021798 B1 JP 7021798B1
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- friction coefficient
- slip friction
- surface slip
- trained model
- 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
- 238000000034 method Methods 0.000 title claims abstract description 45
- 238000010801 machine learning Methods 0.000 claims abstract description 24
- 238000003384 imaging method Methods 0.000 claims abstract description 13
- 238000005259 measurement Methods 0.000 claims description 55
- 238000012549 training Methods 0.000 claims description 26
- 230000006870 function Effects 0.000 claims description 10
- 238000010586 diagram Methods 0.000 abstract description 3
- 238000012545 processing Methods 0.000 description 18
- 239000011159 matrix material Substances 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 238000000691 measurement method Methods 0.000 description 4
- 238000006243 chemical reaction Methods 0.000 description 3
- 238000013145 classification model Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000005507 spraying Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 206010039203 Road traffic accident Diseases 0.000 description 1
- 230000004931 aggregating effect Effects 0.000 description 1
- 239000007798 antifreeze agent Substances 0.000 description 1
- 238000013434 data augmentation Methods 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007812 deficiency Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 238000007637 random forest analysis Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Image Analysis (AREA)
Abstract
Description
本実施形態の学習済みモデル生成装置1は、パーソナルコンピュータ等のコンピュータによって構成されており、図1に示すように、主として、記憶手段2と、演算処理手段3とを有している。
1.路面画像を入力するだけで路面滑り摩擦係数を推定可能な学習済みモデルを生成することができる。
2.路面画像における余計な部分を除去することで、路面滑り摩擦係数の推定精度および計算速度を向上することができる。
3.路面画像と滑り摩擦係数とが正確にマッチングされた高精度な学習用データセットを生成でき、路面滑り摩擦係数の推定精度を向上することができる。
4.信頼性の低い路面滑り摩擦係数を除外することで学習用データセットの精度が低下するのを抑制し、路面滑り摩擦係数の推定精度を向上することができる。
本実施形態の路面滑り摩擦係数推定装置10は、スマートフォン、タブレット、パーソナルコンピュータ等のコンピュータによって構成されており、図1に示すように、主として、記憶手段4と、演算処理手段5と、撮像手段6と、表示手段7とを有している。以下、各構成手段について詳細に説明する。
1.スマートフォンやドライブレコーダー等に搭載されたカメラのように、広く一般に普及している撮像手段6で撮影された路面画像を用いて、安価に路面滑り摩擦係数を推定することができる。
2.複雑な計測作業が不要で、路面画像を撮影するだけで誰でも容易に路面滑り摩擦係数を推定することができる。
3.路面状態(積雪の有無、凍結の有無等)や時間帯(昼間、夜間等)に関わらず、高精度に路面滑り摩擦係数を推定することができる。
4.道路の監視カメラや道路管理者が保有する道路パトロール車に適用すれば、路面のリアルタイムな雪氷状態等を客観的かつ効率的に把握し管理することができる。
5.高速道路等における凍結防止剤の散布車両に適用すれば、推定された路面滑り摩擦係数に応じて自動的に散布し、過不足のない散布を実現することができる。
6.スマートフォン用のアプリケーションとして配信すれば、一般的な個人レベルで路面の滑り易さを把握できるため、冬型の交通事故等を未然に防止することができる。
7.自動車の自動運転システムや先進運転支援システムに適用すれば、路面滑り摩擦係数に応じて速度制御やドライバーへの警告ができ、高性能化することができる。
8.空港の監視カメラや航空機等に適用すれば、滑走路の路面滑り摩擦係数に応じて自動的かつ客観的に着陸の可否等を判定でき、航空機の安全性に貢献することができる。
9.多数のユーザから様々な道路の路面滑り摩擦係数をリアルタイムに集約することで、広域かつ網羅的に路面の現況を把握することができる。
1a 学習済みモデル生成プログラム
2 記憶手段(学習済みモデル生成装置側)
3 演算処理手段(学習済みモデル生成装置側)
4 記憶手段(路面滑り摩擦係数推定装置側)
5 演算処理手段(路面滑り摩擦係数推定装置側)
6 撮像手段
7 表示手段
10 路面滑り摩擦係数推定装置
10a 路面滑り摩擦係数推定プログラム
11 計測車両
12 車載カメラ
13 路面滑り抵抗計測装置
21 プログラム記憶部(学習済みモデル生成装置側)
22 学習用データセット記憶部
31 生データ取得部
32 学習用データセット生成部
33 学習済みモデル生成部
41 プログラム記憶部(路面滑り摩擦係数推定装置側)
42 学習済みモデル記憶部
51 路面画像取得部
52 路面滑り摩擦係数推定部
Claims (13)
- 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習させ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを生成する学習済みモデル生成ステップを有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記学習用データセットを構成する路面画像は、前記路面滑り摩擦係数が計測される計測箇所の近傍領域を切り出した画像であり、前記近傍領域は、固定された前記車載カメラの画角と、固定された前記路面滑り抵抗計測装置の計測位置とに基づいて、予め固定の領域として設定されている、学習済みモデル生成方法。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習させ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを生成する学習済みモデル生成ステップを有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記計測車両の走行速度が所定値以下のときに計測された前記路面滑り摩擦係数は、前記学習用データセットから除外されている、学習済みモデル生成方法。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習させ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを生成する学習済みモデル生成ステップを有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記計測車両のステアリング角度が所定値以上のときに計測された前記路面滑り摩擦係数は、前記学習用データセットから除外されている、学習済みモデル生成方法。 - 前記計測車両の走行速度に基づいて、前記路面滑り抵抗計測装置が前記路面画像に撮影された領域を通過する時刻を算出し、当該時刻における路面滑り摩擦係数を前記路面画像とマッチングすることで前記学習用データセットを生成する学習用データセット生成ステップを有する、請求項1から請求項3のいずれかに記載の学習済みモデル生成方法。
- 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを記憶する学習済みモデル記憶部と、
撮像手段から単一の路面画像を取得する路面画像取得部と、
前記路面画像取得部により取得された単一の路面画像を、前記学習済みモデル記憶部に記憶されている学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定部と、を有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記学習用データセットを構成する路面画像は、前記路面滑り摩擦係数が計測される計測箇所の近傍領域を切り出した画像であり、前記近傍領域は、固定された前記車載カメラの画角と、固定された前記路面滑り抵抗計測装置の計測位置とに基づいて、予め固定の領域として設定されている、路面滑り摩擦係数推定装置。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを記憶する学習済みモデル記憶部と、
撮像手段から単一の路面画像を取得する路面画像取得部と、
前記路面画像取得部により取得された単一の路面画像を、前記学習済みモデル記憶部に記憶されている学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定部と、を有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記計測車両の走行速度が所定値以下のときに計測された前記路面滑り摩擦係数は、前記学習用データセットから除外されている、路面滑り摩擦係数推定装置。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを記憶する学習済みモデル記憶部と、
撮像手段から単一の路面画像を取得する路面画像取得部と、
前記路面画像取得部により取得された単一の路面画像を、前記学習済みモデル記憶部に記憶されている学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定部と、を有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記計測車両のステアリング角度が所定値以上のときに計測された前記路面滑り摩擦係数は、前記学習用データセットから除外されている、路面滑り摩擦係数推定装置。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを記憶する学習済みモデル記憶部と、
撮像手段から単一の路面画像を取得する路面画像取得部と、
前記路面画像取得部により取得された単一の路面画像を前記学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定部としてコンピュータを機能させる、路面滑り摩擦係数推定プログラムであって、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記学習用データセットを構成する路面画像は、前記路面滑り摩擦係数が計測される計測箇所の近傍領域を切り出した画像であり、前記近傍領域は、固定された前記車載カメラの画角と、固定された前記路面滑り抵抗計測装置の計測位置とに基づいて、予め固定の領域として設定されている、路面滑り摩擦係数推定プログラム。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを記憶する学習済みモデル記憶部と、
撮像手段から単一の路面画像を取得する路面画像取得部と、
前記路面画像取得部により取得された単一の路面画像を前記学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定部としてコンピュータを機能させる、路面滑り摩擦係数推定プログラムであって、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記計測車両の走行速度が所定値以下のときに計測された前記路面滑り摩擦係数は、前記学習用データセットから除外されている、路面滑り摩擦係数推定プログラム。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを記憶する学習済みモデル記憶部と、
撮像手段から単一の路面画像を取得する路面画像取得部と、
前記路面画像取得部により取得された単一の路面画像を前記学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定部としてコンピュータを機能させる、路面滑り摩擦係数推定プログラムであって、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記計測車両のステアリング角度が所定値以上のときに計測された前記路面滑り摩擦係数は、前記学習用データセットから除外されている、路面滑り摩擦係数推定プログラム。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを用いて路面滑り摩擦係数を推定する路面滑り摩擦係数推定方法であって、
撮像手段から単一の路面画像を取得する路面画像取得ステップと、
前記路面画像取得ステップにおいて取得された単一の路面画像を前記学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定ステップと、
を有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記学習用データセットを構成する路面画像は、前記路面滑り摩擦係数が計測される計測箇所の近傍領域を切り出した画像であり、前記近傍領域は、固定された前記車載カメラの画角と、固定された前記路面滑り抵抗計測装置の計測位置とに基づいて、予め固定の領域として設定されている、路面滑り摩擦係数推定方法。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを用いて路面滑り摩擦係数を推定する路面滑り摩擦係数推定方法であって、
撮像手段から単一の路面画像を取得する路面画像取得ステップと、
前記路面画像取得ステップにおいて取得された単一の路面画像を前記学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定ステップと、
を有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記計測車両の走行速度が所定値以下のときに計測された前記路面滑り摩擦係数は、前記学習用データセットから除外されている、路面滑り摩擦係数推定方法。 - 様々な路面状態の路面を撮影した単一の路面画像と、前記単一の路面画像の撮影と同時に実測された前記路面の路面滑り摩擦係数とで構成される学習用データセットを用いて機械学習がなされ、入力データとして単一の路面画像を入力すると、出力データとして路面滑り摩擦係数を出力する学習済みモデルを用いて路面滑り摩擦係数を推定する路面滑り摩擦係数推定方法であって、
撮像手段から単一の路面画像を取得する路面画像取得ステップと、
前記路面画像取得ステップにおいて取得された単一の路面画像を前記学習済みモデルに入力し、前記学習済みモデルが出力する路面滑り摩擦係数を前記路面の路面滑り摩擦係数として推定する路面滑り摩擦係数推定ステップと、
を有し、
前記学習用データセットを構成する路面画像は、計測車両に搭載した車載カメラによって撮影されるとともに、前記学習用データセットを構成する路面滑り摩擦係数は、前記計測車両に搭載した路面滑り抵抗計測装置によって計測されており、
前記計測車両のステアリング角度が所定値以上のときに計測された前記路面滑り摩擦係数は、前記学習用データセットから除外されている、路面滑り摩擦係数推定方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020202265A JP7021798B1 (ja) | 2020-12-04 | 2020-12-04 | 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020202265A JP7021798B1 (ja) | 2020-12-04 | 2020-12-04 | 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP7021798B1 true JP7021798B1 (ja) | 2022-02-17 |
JP2022089676A JP2022089676A (ja) | 2022-06-16 |
Family
ID=80997575
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020202265A Active JP7021798B1 (ja) | 2020-12-04 | 2020-12-04 | 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7021798B1 (ja) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004191276A (ja) | 2002-12-13 | 2004-07-08 | Koito Ind Ltd | 路面状態判別装置 |
JP2014228300A (ja) | 2013-05-20 | 2014-12-08 | 国立大学法人 東京大学 | 路面状態推定装置 |
WO2015045501A1 (ja) | 2013-09-27 | 2015-04-02 | 日立オートモティブシステムズ株式会社 | 外界認識装置 |
US20150251659A1 (en) | 2012-12-20 | 2015-09-10 | Continental Teves Ag & Co. Ohg | Friction Coefficient Estimation from Camera and Wheel Speed Data |
JP6473844B1 (ja) | 2018-07-06 | 2019-02-20 | 朝日航洋株式会社 | ひび割れ検出装置、ひび割れ検出方法およびひび割れ検出プログラム |
JP2019196680A (ja) | 2018-05-11 | 2019-11-14 | 西日本電信電話株式会社 | 舗装情報収集点検システム、舗装情報収集点検方法、及びプログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH11326539A (ja) * | 1998-05-22 | 1999-11-26 | Tokimec Inc | 路面状態測定装置 |
US9139204B1 (en) * | 2014-06-12 | 2015-09-22 | GM Global Technology Operations LLC | Road surface condition detection with recursive adaptive learning and validation |
-
2020
- 2020-12-04 JP JP2020202265A patent/JP7021798B1/ja active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004191276A (ja) | 2002-12-13 | 2004-07-08 | Koito Ind Ltd | 路面状態判別装置 |
US20150251659A1 (en) | 2012-12-20 | 2015-09-10 | Continental Teves Ag & Co. Ohg | Friction Coefficient Estimation from Camera and Wheel Speed Data |
JP2014228300A (ja) | 2013-05-20 | 2014-12-08 | 国立大学法人 東京大学 | 路面状態推定装置 |
WO2015045501A1 (ja) | 2013-09-27 | 2015-04-02 | 日立オートモティブシステムズ株式会社 | 外界認識装置 |
JP2019196680A (ja) | 2018-05-11 | 2019-11-14 | 西日本電信電話株式会社 | 舗装情報収集点検システム、舗装情報収集点検方法、及びプログラム |
JP6473844B1 (ja) | 2018-07-06 | 2019-02-20 | 朝日航洋株式会社 | ひび割れ検出装置、ひび割れ検出方法およびひび割れ検出プログラム |
Non-Patent Citations (2)
Title |
---|
吉永創,雪氷作業の高度化と効率化に向けた技術開発と情報提供について,第32回ふゆトピア研究発表会 口頭発表論文,2020年01月24日,pp.121-125 |
寺崎寛章,国道8号福井県内区間における路線滑り評価に関する位置考察,土木学会第70回年次学術講演会,2015年09月,V-351 |
Also Published As
Publication number | Publication date |
---|---|
JP2022089676A (ja) | 2022-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7332726B2 (ja) | ヒートマップを使用したドライバーの注目の検出 | |
US8825306B2 (en) | Analyzing road surfaces | |
US11884279B2 (en) | System and method for providing vehicle safety distance and speed alerts under slippery road conditions | |
JP7499256B2 (ja) | ドライバの挙動を分類するためのシステムおよび方法 | |
EP2047345B1 (fr) | Procede de determination de limites de roulage d'un vehicule | |
US20150371095A1 (en) | Method and Apparatus for Determining a Road Condition | |
Gallen et al. | Supporting drivers in keeping safe speed in adverse weather conditions by mitigating the risk level | |
CN113119960B (zh) | 路滑状况下提供车辆安全距离和速度警示的系统和方法 | |
CN111016921A (zh) | 用于确定车辆数据集熟悉度的系统和方法 | |
JP2013537661A (ja) | ステレオビジョン技術を使用することによる移動物体の自動検出 | |
US20190250631A1 (en) | Methods and apparatus to perform visual odometry using a vehicle camera system | |
CN110399664B (zh) | 一种驾驶速度的确定方法及装置 | |
CN110427026A (zh) | 一种轮胎道路摩擦的确定方法及装置 | |
JP7021798B1 (ja) | 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 | |
FR3051423A1 (fr) | Procede de proposition d'une vitesse de roulage | |
Ødegård et al. | Do we need a change in road winter maintenance to accommodate for automated vehicles? A state-of-the-art literature review considering automated vehicle technology’s usage of road infrastructure during winter | |
CN105021573A (zh) | 用于基于跟踪的视距估计的方法和设备 | |
Negru et al. | Assisting navigation in homogenous fog | |
KR102329413B1 (ko) | 노면의 휘도를 판별하여 블랙아이스 구간을 판별하는 방법 | |
DE102022104054A1 (de) | Die fahrzeugzustandsschätzung verbessernde sensordaten zur fahrzeugsteuerung und zum autonomen fahren | |
Huber et al. | TireEye: Optical On-board Tire Wear Detection | |
Ali et al. | Real-time snowy weather detection based on machine vision and vehicle kinematics: A non-parametric data fusion analysis protocol | |
Morden et al. | Driving in the Rain: A Survey toward Visibility Estimation through Windshields | |
FR2976091A1 (fr) | "procede et dispositif de deconnexion automatique des systemes d'aide a la conduite d'un vehicule en approche d'une barriere de peage" | |
FR3052727A1 (fr) | Procede de determination d'une classe de conduite de reference |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201207 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20201210 |
|
A975 | Report on accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A971005 Effective date: 20210114 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210310 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210426 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210623 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210805 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210820 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211013 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211101 |
|
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: 20220112 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220128 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7021798 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |