JP7051366B2 - 情報処理装置、学習済モデル、情報処理方法、およびプログラム - Google Patents

情報処理装置、学習済モデル、情報処理方法、およびプログラム Download PDF

Info

Publication number
JP7051366B2
JP7051366B2 JP2017201786A JP2017201786A JP7051366B2 JP 7051366 B2 JP7051366 B2 JP 7051366B2 JP 2017201786 A JP2017201786 A JP 2017201786A JP 2017201786 A JP2017201786 A JP 2017201786A JP 7051366 B2 JP7051366 B2 JP 7051366B2
Authority
JP
Japan
Prior art keywords
information
target
unit
map
unobserved
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
JP2017201786A
Other languages
English (en)
Other versions
JP2019074458A (ja
Inventor
貴行 杉浦
友樹 渡辺
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.)
Toshiba Corp
Original Assignee
Toshiba 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 Toshiba Corp filed Critical Toshiba Corp
Priority to JP2017201786A priority Critical patent/JP7051366B2/ja
Priority to US15/919,069 priority patent/US10789488B2/en
Publication of JP2019074458A publication Critical patent/JP2019074458A/ja
Application granted granted Critical
Publication of JP7051366B2 publication Critical patent/JP7051366B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision 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
    • G01S13/88—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
    • 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
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • 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
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/25—Fusion techniques
    • G06F18/253—Fusion techniques of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads

Description

本発明の実施の形態は、情報処理装置、学習済モデル、情報処理方法、およびプログラムに関する。
センサの未観測位置に隠れている障害物や道路等を予測する技術が知られている。例えば、死角領域の位置、大きさ、非死角領域との境界の長さに基づいて、死角から出現する可能性のある物体を予測する技術が開示されている。また、他車両を追跡した結果を用いて、死角領域内での未来の進行方向と過去に移動してきた軌跡を予測することで、車両が通行可能な道路の位置を予測する技術が開示されている。また、時系列データを用いて物体の位置を追跡することで、一度観測した物体が死角領域に含まれた場合に位置を予測する技術が開示されている。
しかし、従来では、他車両による追跡結果を用いない場合や、時系列データに含まれない対象については、未観測位置における対象を精度良く推定することは困難であった。
特許第５４０７８９８号公報
"Building a Probabilistic Grid-based Road Representation from Direct and Indirect Visual Cues", E. Casapietra, IV, 2015 "Deep Tracking: Seeing Beyond Seeing Using Recurrent Neural Networks", P. Ondruska, AAAI, 2016
本発明が解決しようとする課題は、未観測位置における対象を精度良く推定することができる、情報処理装置、学習済モデル、情報処理方法、およびプログラムを提供することである。
実施の形態の情報処理装置は、取得部と、補正部と、を備える。取得部は、特定空間のグリッドごとに、対象に関する対象情報を示す観測情報、または対象未観測に関する未観測情報を示す前記観測情報を対応付けた、マップを取得する。補正部は、前記グリッドの各々について、学習済モデルを用いて、周辺の他の前記グリッドに対応付けられた前記観測情報に基づいて、前記観測情報の対応付けを補正する。前記対象情報は、前記対象の存在を示す対象存在情報または前記対象の非存在を示す対象非存在情報を示し、前記未観測情報は、前記対象が存在するか否か不明であることを表す情報であり、前記補正部は、前記マップにおける、前記未観測情報の対応付けられた前記グリッドの対応付けを、前記未観測情報から、前記対象存在情報または前記対象非存在情報を示す前記観測情報に補正する。
移動体の一例を示す図である。 センサによる検知の説明図である。 情報処理装置の構成の一例を示すブロック図。 観測情報のデータ構成の一例を示す説明図。 実空間の一例を示す模式図。 対象マッピング部による処理の一例の説明図。 未観測マッピング部による処理の一例の説明図。 補正部による対応付けの補正の一例を示す説明図。 情報処理の手順の一例を示すフローチャート。 移動体の一例を示すブロック図。 割込み処理の手順の一例を示すフローチャート。 移動体の一例を示すブロック図。 割込み処理の手順の一例を示すフローチャート。 移動体の一例を示すブロック図。 移動体の一例を示すブロック図。 ハードウェア構成図。
以下に添付図面を参照して、情報処理装置、学習済モデル、情報処理方法、およびプログラムを詳細に説明する。なお、以下に示す実施の形態および変形例において、同じ機能を示す部分には、同じ符号を付与し、詳細な説明を省略する場合がある。
（第１の実施の形態）
図１は、本実施の形態の移動体１０の一例を示す図である。
移動体１０は、情報処理装置２０と、出力部１０Ａと、センサ１０Ｂと、入力装置１０Ｃと、駆動制御部１０Ｇと、駆動部１０Ｈと、を備える。
情報処理装置２０は、例えば、専用または汎用コンピュータである。本実施の形態では、情報処理装置２０が、移動体１０に搭載されている場合を一例として説明する。
移動体１０は、移動可能な物である。移動体１０は、例えば、車両（自動二輪車、自動四輪車、自転車）、台車、ロボット、船舶、飛翔体（飛行機、無人航空機（ＵＡＶ：Ｕｎｍａｎｎｅｄ Ａｅｒｉａｌ Ｖｅｈｉｃｌｅ）、ドローンなど）、人、動物、等である。移動体１０は、具体的には、人による運転操作を介して走行する移動体や、人による運転操作を介さずに自動的に走行（自律走行）可能な移動体である。自動走行可能な移動体は、例えば、自動運転車両である。本実施の形態の移動体１０は、自律走行可能な車両である場合を一例として説明する。
なお、情報処理装置２０は、移動体１０に搭載された形態に限定されない。情報処理装置２０は、静止物に搭載されていてもよい。静止物は、移動不可能な物や、地面に対して静止した状態の物である。静止物は、例えば、ガードレール、ポール、建物、道路、歩道、障害物、立体物、駐車車両、道路標識、などである。また、情報処理装置２０は、クラウド上で処理を実行するクラウドサーバに搭載されていてもよい。
センサ１０Ｂは、検知部の一例である。センサ１０Ｂは、外界センサであり、外界を検知した検知情報を取得する。
センサ１０Ｂは、例えば、撮影装置や、距離センサ（ミリ波レーダ、レーザセンサ）、などである。撮影装置は、撮影によって撮影画像データ（以下、撮影画像と称する）を得る。撮影画像データは、画素ごとに画素値を規定したデジタル画像データや、画素毎にセンサ１０Ｂからの距離を規定したデプスマップなどである。レーザセンサは、例えば、水平面に対して平行に設置された二次元ＬＩＤＡＲ（Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）センサや、三次元ＬＩＤＡＲセンサである。
本実施の形態では、センサ１０Ｂが、二次元ＬＩＤＡＲセンサである場合を一例として説明する。
図２は、センサ１０Ｂによる検知の説明図である。移動体１０に搭載されたセンサ１０Ｂは、センサ１０Ｂの周囲に、観測平面に沿ってレーザ光Ｌを照射し、対象Ｂで反射した反射光を受光する。観測平面は、例えば、水平面である。これによって、センサ１０Ｂは、対象Ｂの外形に沿った複数の反射点に相当する複数の点３２の、検知情報を得る。なお、対象Ｂの位置、対象Ｂの数、点３２の数、および、点３２の位置は、一例であり、図２に示す形態に限定されない。
なお、センサ１０Ｂは、水平方向に１ライン分レーザ光Ｌを照射することで、該レーザ光Ｌの反射光を受光する形態であってもよいし、複数ライン分、レーザ光Ｌを照射することで、該レーザ光Ｌの反射光を受光する形態であってもよい。また、センサ１０Ｂは、水平面に対して交差する平面に沿ってレーザ光Ｌを照射する形態であってもよい。
検知情報は、センサ１０Ｂの周辺の複数の点３２の各々の位置を示す。点３２の位置は、例えば、センサ１０Ｂを基準とした相対位置を示す位置座標や、点３２の絶対位置を示す位置座標や、ベクトルなどで表される。
具体的には、点３２の位置は、センサ１０Ｂを基準としたレーザ光Ｌの照射方向である方位角方向と、センサ１０Ｂからの距離と、によって表される。すなわち、センサ１０ＢがＬＩＤＡＲである場合、検知情報は、極座標空間における、センサ１０Ｂを原点とした距離および方位角方向で表される。極座標空間は、極座標系で表した空間である。
センサ１０Ｂからの距離は、レーザ光Ｌの照射から反射光の受光までの経過時間、受光した光の強度、または、光の減衰率等から導出される。点３２の検出強度は、例えば、反射光の強度や、光の強度の減衰率で表される。
なお、検知情報が、撮影カメラとしてのセンサ１０Ｂで撮影された撮影画像である場合、点３２の位置は、撮影画像における画素位置や、直交座標空間における位置座標で表してもよい。直交座標空間とは、直交座標系で表した空間である。
出力部１０Ａは、各種の出力情報を出力する。出力部１０Ａは、例えば、出力情報を送信する通信機能、出力情報を表示する表示機能、出力情報を示す音を出力する音出力機能、などを備える。例えば、出力部１０Ａは、通信部１０Ｄと、ディスプレイ１０Ｅと、スピーカ１０Ｆと、を含む。
通信部１０Ｄは、出力情報を他の装置へ送信する。例えば、通信部１０Ｄは、公知の通信回線を介して出力情報を送信する。ディスプレイ１０Ｅは、出力情報を表示する。ディスプレイ１０Ｅは、例えば、公知のＬＣＤ（ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ）や投影装置やライトなどである。スピーカ１０Ｆは、出力情報を示す音を出力する。
入力装置１０Ｃは、ユーザからの各種指示や情報入力を受け付ける。入力装置１０Ｃは、例えば、マウスやトラックボール等のポインティングデバイス、あるいはキーボード等の入力デバイスである。
駆動部１０Ｈは、移動体１０を駆動するデバイスである。駆動部１０Ｈは、例えば、エンジン、モータ、車輪、などである。
駆動制御部１０Ｇは、駆動部１０Ｈを制御する。駆動部１０Ｈは、駆動制御部１０Ｇの制御によって駆動する。例えば、駆動制御部１０Ｇは、情報処理装置２０から出力された出力情報や、センサ１０Ｂから得られた情報などに基づいて、周辺の状況を判断し、アクセル量、ブレーキ量、操舵角などの制御を行う。例えば、駆動制御部１０Ｇは、死角に道路が存在すると予測された場合に，その周辺で速度を低下させるように車両の制御を行う。
次に、情報処理装置２０の構成について詳細に説明する。図３は、情報処理装置２０の構成の一例を示すブロック図である。
情報処理装置２０は、例えば、専用または汎用コンピュータである。情報処理装置２０は、処理部２０Ａと、記憶部２０Ｂと、を備える。
処理部２０Ａ、記憶部２０Ｂ、出力部１０Ａ、センサ１０Ｂ、および入力装置１０Ｃは、バス２０Ｚを介して接続されている。なお、記憶部２０Ｂ、出力部１０Ａ（通信部１０Ｄ、ディスプレイ１０Ｅ、スピーカ１０Ｆ）、センサ１０Ｂ、および入力装置１０Ｃは、有線または無線で処理部２０Ａに接続すればよい。また、記憶部２０Ｂ、出力部１０Ａ（通信部１０Ｄ、ディスプレイ１０Ｅ、スピーカ１０Ｆ）、センサ１０Ｂ、および入力装置１０Ｃの少なくとも１つと、処理部２０Ａと、を、ネットワークを介して接続してもよい。
記憶部２０Ｂは、各種データを記憶する。記憶部２０Ｂは、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等である。なお、記憶部２０Ｂは、情報処理装置２０の外部に設けられた記憶装置であってもよい。また、記憶部２０Ｂは、記憶媒体であってもよい。具体的には、記憶媒体は、プログラムや各種情報を、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）やインターネットなどを介してダウンロードして記憶または一時記憶したものであってもよい。また、記憶部２０Ｂを、複数の記憶媒体から構成してもよい。また、記憶部２０Ｂは、ネットワークを介して情報処理装置２０に接続されたクラウドサーバに設けてもよい。
処理部２０Ａは、受付部２０Ｃと、導出部２０Ｄと、対象マッピング部２０Ｅと、未観測マッピング部２０Ｆと、取得部２０Ｇと、補正部２０Ｈと、出力制御部２０Ｉと、を備える。
上記各部（受付部２０Ｃ、導出部２０Ｄ、対象マッピング部２０Ｅ、未観測マッピング部２０Ｆ、取得部２０Ｇ、補正部２０Ｈ、出力制御部２０Ｉ）は、例えば、１または複数のプロセッサにより実現される。例えば上記各部は、ＣＰＵ（Central Processing Unit）などのプロセッサにプログラムを実行させること、すなわちソフトウェアにより実現してもよい。上記各部は、専用のＩＣ（Integrated Circuit）などのプロセッサ、すなわちハードウェアにより実現してもよい。上記各部は、ソフトウェアおよびハードウェアを併用して実現してもよい。複数のプロセッサを用いる場合、各プロセッサは、各部のうち１つを実現してもよいし、各部のうち２以上を実現してもよい。
受付部２０Ｃは、センサ１０Ｂから検知情報を受付ける。受付部２０Ｃは、受付けた検知情報を、導出部２０Ｄへ出力する。例えば、センサ１０Ｂは、所定タイミングごとに、外界を検知し、検知情報を受付部２０Ｃへ出力する。受付部２０Ｃは、検知情報を受付けるごとに、受付けた検知情報を、順次、導出部２０Ｄへ出力する。
導出部２０Ｄは、検知情報から、センサ１０Ｂによって検知された実空間における位置ごとに、観測情報を導出する。観測情報は、移動体１０（センサ１０Ｂ）の周辺の観測結果を示す情報である。
図４は、観測情報３０のデータ構成の一例を示す説明図である。観測情報３０は、対象情報３０Ａまたは未観測情報３０Ｂを示す。
対象情報３０Ａは、対象Ｂに関する情報である。対象Ｂは、センサ１０Ｂの外界に存在し、センサ１０Ｂによって観測される。
対象Ｂは、移動体、静止物、の何れであってもよい。移動体および静止物の定義は、上記と同様である。なお、対象Ｂは、生物および非生物の何れであってもよい。生物は、例えば、人物、動物、植物、などである。非生物は、例えば、車両や飛行可能な物体、ロボット、建物、車両、ガードレール、車道や歩道等の路面、走行可能領域、障害物などである。走行可能領域とは、移動体１０が走行可能な領域である。障害物とは、走行を妨げる物体である。本実施形態では、対象Ｂが障害物である場合を一例として説明する。
本実施の形態では、対象情報３０Ａは、対象存在情報３０Ｃまたは対象非存在情報３０Ｄを示す。
対象存在情報３０Ｃは、対象Ｂの存在を示す情報である。すなわち、対象存在情報３０Ｃは、対象Ｂが存在することを示す情報である。対象非存在情報３０Ｄは、対象Ｂの非存在を示す情報である。すなわち、対象非存在情報３０Ｄは、対象Ｂが存在しないことを示す情報である。なお、対象非存在情報３０Ｄは、後述する処理により、更に複数の種類に分類される（詳細後述）。なお、対象存在情報３０Ｃは、１つの対象Ｂの存在を示す情報であってもよいし、複数の対象Ｂの存在を示す情報であってもよい。
未観測情報３０Ｂは、対象Ｂの未観測に関する情報である。詳細には、未観測情報３０Ｂは、センサ１０Ｂからのレーザ光Ｌが届かず、センサ１０Ｂによって検知することが出来なかった事を示す情報である。すなわち、未観測情報３０Ｂは、対象Ｂが存在するか否か不明であることを示す情報である。センサ１０Ｂからのレーザ光Ｌが届かない場合とは、他の対象Ｂによる死角、カメラの画角外、反射光が計測不可能な場所、および、センサ１０Ｂの計測範囲外、などに位置する場合や、反射物が存在しないことでレーザ光Ｌの反射が計測できず距離が計測できなかった場合、などである。
なお、対象情報３０Ｃは、対象Ｂの属性や対象Ｂの存在確率を示す情報であってもよい。
導出部２０Ｄは、センサ１０Ｂの周辺の複数の点３２の各々の位置を示す検知情報を用いて、実空間の位置Ｐごとに、観測情報３０を導出する。
図５は、センサ１０Ｂの周辺の実空間Ｒの一例を示す模式図である。実空間Ｒは、直交座標系で表される空間である。例えば、センサ１０Ｂによって、実空間Ｒにおける対象Ｂの表面の点３２の群が検知されたと仮定する。この場合、導出部２０Ｄは、実空間Ｒにおける、複数の点３２の各々の位置を示す検知情報を、受付部２０Ｃを介してセンサ１０Ｂから受付ける。
図３に戻り、そして、導出部２０Ｄは、検知情報に示される点３２の内、対象Ｂを示す点３２を特定する。本実施形態では、導出部２０Ｄは、水平面と平行に設置された２次元ＬＩＤＡＲ（センサ１０Ｂ）で検出された点３２については、路面から一定の高さを持つ障害物と判定し、対象Ｂを示す点３２として特定する．そして、導出部２０Ｄは、特定した点３２の位置Ｐについて、対象Ｂの存在を示す対象存在情報３０Ｃを導出する。
また、導出部２０Ｄは、実空間Ｒにおける、センサ１０Ｂから対象Ｂまでのレーザ光Ｌの通過した位置Ｐについては、レーザ光Ｌを遮る障害物である対象物Ｂが存在しないとして、対象Ｂが非存在の対象非存在情報３０Ｄを導出する。
一方、導出部２０Ｄは、実空間Ｒにおける、センサ１０Ｂの設置位置に対して、対象Ｂの存在を示すものとして特定した点３２より遠い位置Ｐについては、対象Ｂが未観測の未観測情報３０Ｂを導出する。すなわち、センサ１０Ｂに対して、対象Ｂより遠い位置Ｐについては、レーザ光Ｌが対象Ｂによって遮蔽されて届かないため（レーザ光Ｌ’参照）、対象Ｂが存在するか否か不明である。このため、導出部２０Ｄは、実空間Ｒにおける、対象Ｂの存在を示すものとして特定した点３２より、センサ１０Ｂから遠い位置Ｐについては、未観測情報３０Ｂを導出する。
なお、導出部２０Ｄは、他の方法を用いて、未観測情報３０Ｂを導出してもよい。例えば、導出部２０Ｄは、センサ１０Ｂから検出可能な距離や角度の範囲を予め設定する。そして、導出部２０Ｄは、レーザ光Ｌの吸収等により計測出来なかった距離および角度の範囲内の位置Ｐについて、未観測情報３０Ｂを導出してもよい。
このようにして、導出部２０Ｄは、実空間Ｒの位置Ｐごとに観測情報３０を導出する。
なお、センサ１０Ｂが撮影装置である場合、センサ１０Ｂによって得られた検知情報は、撮影画像である。この場合、導出部２０Ｄは、公知のテンプレートマッチングを行うことで、撮影画像を構成する画素の位置Ｐごとに観測情報３０を導出すればよい。また、この場合、導出部２０Ｄは、画素ごとに対象Ｂの属性を推定するセマンティックセグメンテーションを用いて、画素の位置Ｐごとに観測情報３０を導出してもよい。また、導出部２０Ｄは、撮影画像における特徴点を追跡することで三次元再構成を行い、センサ１０Ｂから対象Ｂまでの距離を推定することで、観測情報３０を導出してもよい。
また、検知情報として撮影画像を用いる場合には、導出部２０Ｄは、テンプレートマッチングを行わなかった画素の位置Ｐや、属性を推定しなかった画素の位置Ｐについて、未観測情報３０Ｂを導出してもよい。
なお、観測情報３０は、対象Ｂが存在するか否かを二値で表した情報であってもよい。
なお、上述したように、本実施の形態では、観測情報３０は、対象存在情報３０Ｃ、対象非存在情報３０Ｄ、または未観測情報３０Ｂを示す情報である。このため、例えば、観測情報３０は、対象Ｂの存在確率などの連続値で表されてもよいし、セマンティックセグメンテーションによるラベルで対象Ｂの属性を表したものであってもよい。属性は、例えば、対象Ｂの種類である。対象Ｂの種類には、上述した対象Ｂの定義に加えて、推定対象の対象Ｂであるか否かを示す情報を含んでいてもよい。
図３に戻り説明を続ける。このようにして、導出部２０Ｄは、実空間Ｒの各位置Ｐについて、観測情報３０を導出する。そして、導出部２０Ｄは、実空間Ｒの各位置Ｐの観測情報３０を、対象マッピング部２０Ｅおよび未観測マッピング部２０Ｆへ出力する。
次に、対象マッピング部２０Ｅについて説明する。図６は、対象マッピング部２０Ｅによる処理の一例の説明図である。
対象マッピング部２０Ｅは、導出部２０Ｄから受付けた観測情報３０によって示される対象情報３０Ａを、特定空間Ｓの対応するグリッドＧに対応付ける。すなわち、対象マッピング部２０Ｅは、対象存在情報３０Ｃまたは対象非存在情報３０Ｄを、特定空間ＳのグリッドＧに対応付ける。
特定空間Ｓは、実空間Ｒを座標系で表した空間である。座標系は、極座標系または直交座標系である。本実施の形態では、特定空間Ｓは、実空間Ｒを極座標系で表した空間、すなわち極座標空間である場合を一例として説明する。極座標空間は、センサ１０Ｂの観測平面における、センサ１０Ｂ（情報処理装置２０）を原点とした方位角方向（矢印Ｙ方向）と、センサ１０Ｂからの距離方向（矢印Ｘ方向）とによって規定される。方位角方向は、センサ１０Ｂを通り、且つ、センサ１０Ｂの搭載された移動体１０の進行方向に対して直交する方向を基準とした、レーザ光Ｌの照射角度を示す。
グリッドＧは、特定空間Ｓを複数の領域に分割した各領域である。詳細には、グリッドＧは、特定空間Ｓの座標軸に沿って、特定空間Ｓを複数の領域に分割した各領域である。すなわち、特定空間Ｓは、座標軸に沿って二軸方向に配列された複数のグリッドＧによって表される。なお、座標軸は、直交座標または極座標の座標軸である。本実施の形態では、上述したように、特定空間Ｓが極座標空間であることから、座標軸は、極座標の座標軸である。
なお、図６には、複数のグリッドＧの配列によって表わされる行方向と方位角方向（矢印Ｙ方向）とが一致し、複数のグリッドＧの配列によって表される列方向と距離方向（矢印Ｘ方向）とが一致する形態を、一例として示した。しかし、この形態に限定されない。
実際には、グリッドＧの配列によって表される行と列の識別番号には、方位角と距離との各々を等分割した離散値を割当てる。すなわち、各グリッドＧは、移動体１０（情報処理装置２０）の周辺の領域に対応する。
なお、グリッドＧの形状は限定されない。また、グリッドＧのサイズは、限定されない。例えば、グリッドＧのサイズは、センサ１０Ｂで取得する点３２（図２、図５参照）のサイズ以上である。なお、グリッドＧのサイズは、推定対象の対象Ｂに応じて、適宜調整すればよい。
なお、グリッドＧのサイズは、特定空間Ｓ内において一定であってもよいし、異なっていてもよい。例えば、グリッドＧは、センサ１０Ｂからの距離が遠いほど、大きいサイズであってもよい。また、グリッドＧは、センサ１０Ｂを原点とした極座標空間によって表される特定空間Ｓにおける、センサ１０Ｂを原点とした特定の角度範囲内について、該角度範囲以外の角度に比べて、小さいサイズであってもよい。
また、特定空間Ｓは、二次元空間であってもよいし、三次元空間であってもよい。特定空間Ｓが三次元空間である場合、グリッドＧを三次元方向（３軸方向）に配列した構成とすればよい。
対象マッピング部２０Ｅは、導出部２０Ｄから受付けた、実空間Ｒの位置Ｐごとの観測情報３０の内、対象情報３０Ａを示す観測情報３０を特定する。そして、対象マッピング部２０Ｅは、対象情報３０Ａを示す観測情報３０の位置Ｐに対応する、特定空間ＳにおけるグリッドＧに、対象情報３０Ａを対応付ける。上述したように、対象情報３０Ａは、対象存在情報３０Ｃまたは対象非存在情報３０Ｄを示す。このため、対象マッピング部２０Ｅは、対象情報３０Ａとして、対象存在情報３０Ｃまたは対象非存在情報３０Ｄを、各グリッドＧに対応付ける。この対応付けによって、対象マッピング部２０Ｅは、対象マップＭ１を生成する。
対象マッピング部２０Ｅによる対応付けについて、具体的に説明する。例えば、対象マッピング部２０Ｅは、実空間Ｒにおける位置Ｐと、マップＭにおける対応する位置のグリッドＧと、の対応付けを、センサ１０Ｂによるレーザ光Ｌの照射方向（方位角方向）ごとに行う。詳細には、対象マッピング部２０Ｅは、センサ１０Ｂによるレーザ光Ｌの方位角方向の各々のグリッドＧの群による行の内、対象Ｂを検知した行を特定する。なお、方位角方向のグリッドＧの群による行とは、距離方向（矢印Ｘ方向）に沿って配列された複数のグリッドＧからなる行であって、方位角方向（矢印Ｙ方向）に沿って複数配列された行の各々を示す。
そして、対象マッピング部２０Ｅは、特定した行を構成するグリッドＧの群における、対象Ｂの検知された位置Ｐに対応するグリッドＧには、対象存在情報３０Ｃを対応付ける。対象Ｂの検知された位置Ｐは、導出部２０Ｄによって対象存在情報３０Ｃの導出された位置Ｐである。
また、対象マッピング部２０Ｅは、特定した行を構成するグリッドＧの群における、対象Ｂの検知された位置Ｐに対応するグリッドＧよりセンサ１０Ｂに近い側に位置するグリッドＧについては、レーザ光Ｌが通過して対象Ｂが存在しなかった位置であることから、対象非存在情報３０Ｄを対応付ける。
このように、対象マッピング部２０Ｅは、センサ１０Ｂによるレーザ光Ｌの照射方向毎に、各方向のグリッドＧの群による行の各々に対して、対象存在情報３０Ｃまたは対象非存在情報３０Ｄを対応付ける。
本実施の形態では、対象マッピング部２０Ｅは、対象情報３０Ａとして、対象Ｂの存在確率をグリッドＧに対応付ける。本実施の形態では、対象Ｂの存在確率を、“０．０”から“１．０”までの値で表す。存在確率“１．０”は、そのグリッドＧの位置に対象Ｂが存在することを示す。存在確率“０．０”は、そのグリッドＧの位置に対象Ｂが存在しないことを示す。存在確率が“１．０”に近いほど、対象Ｂの存在する確率が高いことを示す。また、存在確率が“０．０”に近いほど、対象Ｂの存在する確率が低い事を示す。
具体的には、対象マッピング部２０Ｅは、対象Ｂの検知された位置Ｐに対応するグリッドＧには、存在確率“１．０”を、対象存在情報３０Ｃとして対応付ける。また、対象マッピング部２０Ｅは、対象Ｂの検知された位置Ｐに対応するグリッドＧよりセンサ１０Ｂに近い側に位置するグリッドＧについては、存在確率“０．０”を、対象非存在情報３０Ｄとして対応付ける。
次に、対象マッピング部２０Ｅは、存在確率“０．０”の対象非存在情報３０Ｄを対応付けたグリッドＧについて、存在確率“１．０”の対象存在情報３０Ｃを対応付けたグリッドＧからセンサ１０Ｂに近づく方向に向かって存在確率が低下するように、存在確率を調整する。
すなわち、対象マッピング部２０Ｅは、対象Ｂの検知された位置Ｐに対応するグリッドＧを中心として、予め定めた分散を示す正規分布に従って、該中心からセンサ１０Ｂ側に向かって離れるほど存在確率が低下するように、存在確率を調整する。
例えば、対象マッピング部２０Ｅは、対象非存在情報３０Ｄを対応付けたグリッドＧの内、対象存在情報３０Ｃを対応付けたグリッドＧに対してセンサ１０Ｂ側に隣接するグリッドＧに、存在確率“０．５”を示す対象非存在情報３０Ｄを対応付ける。そして、対象マッピング部２０Ｅは、該隣接するグリッドＧ以外の、対象非存在情報３０Ｄを対応付けたグリッドＧについては、存在確率“０．０”を示す対象非存在情報３０Ｄを対応付ける。
なお、以下では、存在確率“０．０”を示す対象非存在情報３０Ｄを、対象非存在情報３０Ｅと称して説明する場合がある。また、存在確率“０．５”を示す対象非存在情報３０Ｄを、対象非存在情報３０Ｆと称して説明する場合がある（図４参照）。
このため、対象マッピング部２０Ｅは、対象Ｂの検知された位置Ｐに対応するグリッドＧに対して、存在確率“１．０”を示す対象存在情報３０Ｃを対応付ける。また、対象マッピング部２０Ｅは、特定空間Ｓにおける、対象非存在情報３０Ｄの導出された位置Ｐに対応するグリッドＧに対して、存在確率“０．０”を示す対象非存在情報３０Ｅ、または、存在確率“０．５”を示す対象非存在情報３０Ｆ、の何れかを対応付ける。
なお、対象マッピング部２０Ｅは、レーザ光Ｌの方位角方向のグリッドＧの群による行の内、対象Ｂを検知しなかった行を構成するグリッドＧについては、対応付けを行わない。
上記の対応付けによって、対象マッピング部２０Ｅは、対象存在情報３０Ｃ、対象非存在情報３０Ｅ、または対象非存在情報３０ＦをグリッドＧごとに対応付けた、対象マップＭ１を生成する。
このように、対象マッピング部２０Ｅが、対象情報３０Ａとして、センサ１０Ｂからの距離に応じた存在確率をグリッドＧに対応付けることで、センサ１０Ｂによる距離の検知誤差を調整することができる。すなわち、センサ１０Ｂの検知誤差に相当する距離、対象Ｂから離れた位置では、センサ１０Ｂの検知誤差によって対象Ｂが存在するか否かを確定することが困難な場合がある。このため、対象マッピング部２０Ｅは、対象非存在情報３０Ｄを対応付けたグリッドＧの内、対象存在情報３０Ｃを対応付けたグリッドＧの周辺のグリッドＧについては、対象非存在情報３０Ｄとして、“０．０”と“１．０”の中間値の存在確率（例えば、“０．５”）を示す対象非存在情報３０Ｆを対応付けることが好ましい。
なお、対象マッピング部２０Ｅは、対象Ｂの存在確率に加えて、対象Ｂの有無を示す二値情報、対象Ｂの検知回数などの離散値、種類の異なる複数の対象Ｂの各々の存在確率、および、対象Ｂの属性を示すラベルや尤度、の少なくとも１つを、対象情報３０Ａとして、特定空間ＳのグリッドＧに対応付けてもよい。
なお、対象マッピング部２０Ｅは、上記とは異なる方法を用いて、対象マップＭ１を生成してもよい。例えば、対象マッピング部２０Ｅは、特定空間Ｓの各グリッドＧについて、実空間Ｒにおける対応する位置Ｐを通過する複数のレーザ光Ｌに関する情報を、観測情報３０から導出する。そして、対象マッピング部２０Ｅは、これらの複数のレーザ光Ｌに関する情報に基づいて、グリッドＧごとに対象Ｂの存在確率を算出し、グリッドＧに対応付けてもよい。
また、検知情報が撮影画像である場合には、対象マッピング部２０Ｅは、該検知情報を得たセンサ１０Ｂとしての撮影装置の撮影面と、特定空間Ｓの二次元平面と、の間の射影変換に用いる式を算出する。そして、撮影画像における各画素の位置Ｐを、該式を用いて特定空間Ｓの二次元平面に射影変換することで、該位置Ｐに対応するグリッドＧを特定し、対象情報３０Ａを対応付けてもよい。
次に、未観測マッピング部２０Ｆについて説明する。図７は、未観測マッピング部２０Ｆによる処理の一例の説明図である。
未観測マッピング部２０Ｆは、導出部２０Ｄから受付けた観測情報３０によって示される未観測情報３０Ｂを、特定空間Ｓの対応するグリッドＧに対応付ける。言い換えると、未観測マッピング部２０Ｆは、観測情報３０の導出された各位置Ｐの内、観測情報３０として未観測情報３０Ｂの導出された位置Ｐに対応するグリッドＧに、未観測情報３０Ｂを対応付ける。この対応付けによって、未観測マッピング部２０Ｆは、未観測マップＭ２を生成する。
このため、センサ１０Ｂによって対象Ｂが未観測であった位置Ｐに対応するグリッドＧには、未観測情報３０Ｂが対応付けられた状態となる。
未観測マッピング部２０Ｆは、グリッドＧへの未観測情報３０Ｂの対応付けを、対象マッピング部２０Ｅと同様に、センサ１０Ｂによるレーザ光Ｌの照射方向（方位角方向）ごとに行う。
詳細には、未観測マッピング部２０Ｆは、センサ１０Ｂによるレーザ光Ｌの、方位角方向の各々のグリッドＧの群による複数の行の内、対象Ｂを検知した行を特定する。
そして、未観測マッピング部２０Ｆは、特定した行を構成するグリッドＧの群における、対象Ｂの検知された位置Ｐに対応するグリッドＧよりセンサ１０Ｂから離れた距離に位置するグリッドＧに、未観測情報３０Ｂを対応付ける。
ここで、上述したように、未観測情報３０Ｂは、対象Ｂが存在するか否か不明であることを示す情報である。このため、例えば、未観測マッピング部２０Ｆは、対象Ｂが存在するか否か不明であることを示す存在確率を、未観測情報３０Ｂとして、グリッドＧに対応付けてもよい。本実施の形態では、未観測マッピング部２０Ｆは、存在確率の中間値である“０．５”を未観測情報３０Ｂとして、導出部２０Ｄによって未観測情報３０Ｂの導出された位置Ｐに対応するグリッドＧに、対応付ける。
なお、未観測マッピング部２０Ｆは、対象マッピング部２０Ｅと同様に、上記とは異なる方法を用いて、未観測マップＭ２を生成してもよい。
また、未観測マッピング部２０Ｆは、存在確率の中間値として、“０．０”より大きく且つ“１．０”未満であって且つ“０．５”以外の数値を、未観測情報３０ＢとしてグリッドＧに対応付けてもよい。また、未観測マッピング部２０Ｆは、対象Ｂの存在確率に加えて、他の変数を、未観測情報３０ＢとしてグリッドＧに対応付けてもよい。
このようにして、未観測マッピング部２０Ｆは、未観測マップＭ２を生成する。
図３に戻り、説明を続ける。次に、取得部２０Ｇについて説明する。取得部２０Ｇは、マップＭを取得する。マップＭは、特定空間ＳのグリッドＧごとに、観測情報３０によって示される対象Ｂに関する対象情報３０Ａまたは未観測情報３０Ｂを対応付けたものである。詳細には、マップＭは、特定空間ＳのグリッドＧごとに、対象存在情報３０Ｃ、対象非存在情報３０Ｅ、対象非存在情報３０Ｆ、または未観測情報３０Ｂ、の何れかの観測情報３０を対応付けたものである。
本実施の形態では、取得部２０Ｇは、対象マッピング部２０Ｅで生成された対象マップＭ１と、未観測マッピング部２０Ｆで生成された未観測マップＭ２と、をマップＭとして取得する。なお、取得部２０Ｇは、同じ検知タイミングで検知された検知情報から導出された観測情報３０に基づいて生成された、対象マップＭ１と未観測マップＭ２の対を、マップＭとして取得する。
なお、対象マッピング部２０Ｅおよび未観測マッピング部２０Ｆは、１つの特定空間Ｓの各グリッドＧに対して、対象情報３０Ａおよび未観測情報３０Ｂを対応付けることで、マップＭを生成してもよい。すなわち、対象マッピング部２０Ｅおよび未観測マッピング部２０Ｆは、同じマップＭの各グリッドＧに対して、直接、対象情報３０Ａおよび未観測情報３０Ｂを対応付けてもよい。
なお、特定空間Ｓが二次元空間である場合、マップＭは、センサ１０Ｂの観測平面と一致する二次元空間であってもよいし、該観測平面に対して傾いた二次元平面によって表される二次元空間であってもよい。また、マップＭは、グリッドＧの解像度の異なる複数種類のマップＭから構成されていてもよい。
取得部２０Ｇは、取得したマップＭを、補正部２０Ｈへ出力する。
補正部２０Ｈは、マップＭのグリッドＧの各々について、学習済モデルを用いて、周辺の他のグリッドＧに対応付けられた観測情報３０に基づいて、観測情報３０の対応付けを補正する。
観測情報３０の対応付けを補正する、とは、図４に示すように、マップＭのグリッドＧに対応付けられていた観測情報３０を、他の観測情報３０に補正することを示す。例えば、あるグリッドＧに、観測情報３０として未観測情報３０Ｂが対応付けられていたと仮定する。この場合、対応付けを補正するとは、該グリッドＧに、未観測情報３０Ｂに代えて、対象存在情報３０Ｃ、対象非存在情報３０Ｅ、または対象非存在情報３０Ｆを、対応付ける事を意味する。
学習済モデルとは、補正部２０Ｈによる補正処理に用いるモデルである。本実施の形態では、学習済モデルは、マップＭにおけるグリッドＧの各々について、周辺の他のグリッドＧに対応付けられた観測情報３０に基づいて、観測情報３０の対応付けを補正する。マップＭは、上述したように、特定空間ＳのグリッドＧごとに、対象Ｂに関する対象情報３０Ａを示す観測情報３０または対象未観測に関する未観測情報３０Ｂを示す観測情報３０を対応付けたものである。
本実施の形態では、処理部２０Ａが、予め学習済モデルを生成する。
例えば、処理部２０Ａは、グリッドＧごとに観測情報３０を対応付けた補正前のマップＭ（第１のマップと称する）と、観測情報３０の対応付けの少なくとも一部を補正した後のマップＭ(第２のマップと称する)と、の対を複数用意する。そして、処理部２０Ａは、第１のマップを入力とし、第２のマップを出力するための、モデルのパラメータを事前に学習する。この学習によって、処理部２０Ａは、学習したパラメータの設定された学習済モデルを生成する。
処理部２０Ａは、例えば、ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を、モデルとして用いる。
第１のマップには、グリッドＧごとに、対象情報３０Ａ（対象存在情報３０Ｃ、対象非存在情報３０Ｅ、または対象非存在情報３０Ｆ）および未観測情報３０Ｂの何れかの観測情報３０が、対応付けられたマップを使用する。第２のマップには、対となる第１のマップにおける未観測情報３０Ｂの対応付けられた少なくとも一部のグリッドＧに対して、対応する位置のグリッドＧに対象情報３０Ａの対応付けられた、マップを用いる。
なお、第２のマップには、対となる第１のマップにおける未観測情報３０Ｂの対応付けられた少なくとも一部のグリッドＧに対して、対応する位置のグリッドＧに、対象情報３０Ａとして対象存在情報３０Ｃの対応付けられた、マップを用いる事が好ましい。
例えば、あらかじめセンサ１０Ｂの時系列の検知情報を保持しておき、第１のマップには、センサ１０Ｂがある１つの検知タイミングで検知した検知情報に基づいた対象情報３０Ａまたは未観測情報３０Ｂが、グリッドＧごとに対応付けられたマップを使用する。第２のマップには、センサ１０Ｂが複数の検知タイミングで検知した検知情報に基づいた、対象情報３０Ａまたは未観測情報３０Ｂが、グリッドＧごとに対応付けられたマップを使用する。具体的には、処理部２０Ａは、第１のマップの検知タイミングの前後の検知タイミングの検知情報に基づいて、第２のマップに対象情報３０Ａや未観測情報３０Ｂを対応付ける。
なお、処理部２０Ａは、第１のマップには、ある時刻までの検知情報を対応付けたマップを用い、第２のマップには、その時刻以後の検知情報も対応付けたマップを用いてもよい。また、処理部２０Ａは、第１のマップには、あるセンサ１０Ｂの検知情報を対応付けたマップを用い、第２のマップには、異なるセンサ１０Ｂの検知情報を対応付けたマップを用いてもよい。
図８は、補正部２０Ｈによる対応付けの補正の一例を示す説明図である。
上述したように、補正部２０Ｈは、補正対象のマップＭのグリッドＧの各々について、学習済モデルを用いて、周辺の他のグリッドＧに対応付けられた観測情報３０に基づいて、グリッドＧに対する観測情報３０の対応付けを補正する。
周辺の他のグリッドＧとは、マップＭにおける、補正対象のグリッドＧの周囲に隣接して配置された、他のグリッドＧを含む。補正対象のグリッドＧの周辺に隣接して配置された、とは、補正対象のグリッドＧに接して（隣接して）配置されていることを示す。
なお、周辺の他のグリッドＧは、補正対象のグリッドＧの周囲に隣接して配置された他のグリッドＧを少なくとも含めばよい。このため、周辺の他のグリッドＧは、補正対象のグリッドＧに隣接するグリッドＧから離れる方向に向かって、連続して配列された複数の他のグリッドＧを含むものであってもよい。
例えば、補正部２０Ｈは，グリッドＧの各々に観測情報３０（対象存在情報３０Ｃ、対象非存在情報３０Ｅ、対象非存在情報３０Ｆ、または未観測情報３０Ｂのいずれか）の対応付けられたマップＭを、学習済モデルに入力する。この学習済モデルへの入力によって、補正部２０は、グリッドＧの各々について、その周辺の他のグリッドＧの観測情報を考慮した、補正後の観測情報３０（すなわち存在確率）を導出する。
例えば、マップＭのグリッドＧの各々に、観測情報３０として、対象存在情報３０Ｃ、対象非存在情報３０Ｅ、対象非存在情報３０Ｆ、または未観測情報３０Ｂを示す存在確率が対応付けられていると仮定する。
この場合、補正部２０Ｈは、グリッドＧの各々に対応付けられた存在確率をマップＭとして、学習済モデルに入力する。この学習済モデルへの入力によって、補正部２０Ｈは、グリッドＧの各々に補正後の存在確率が対応付けられた、補正済マップＭ’を導出する。
上記処理により、補正部２０Ｈは、少なくとも、マップＭにおける未観測情報３０Ｂの対応付けられていたグリッドＧについて、周辺の他のグリッドＧの観測情報３０と学習済モデルとに基づいて、観測情報３０の対応付けを補正する。すなわち、補正部２０Ｈは、少なくとも、マップＭにおける、未観測情報３０Ｂの対応付けられたグリッドＧの対応付けを補正する。
このため、補正部２０Ｈは、補正前のマップＭにおいては、未観測情報３０Ｂの対応付けられていた少なくとも一部のグリッドＧに対して、未観測情報３０Ｂ以外の観測情報３０（対象情報３０Ａ（対象存在情報３０Ｃ、対象非存在情報３０Ｄ（対象非存在情報３０Ｅ、対象非存在情報３０Ｆ）））を示す存在確率を新たに対応付けるように、対応付けを補正することができる。
また、補正部２０Ｈは、学習済モデルを用いて対応付けの補正を行うことで、過去の第１のマップと第２のマップとの対の分布から推定した結果に応じて、グリッドＧに対する観測情報３０の対応付けを補正することができる。
また、上述したように、本実施の形態では、補正前のマップＭには、存在確率の中間値である“０．５”が、未観測情報３０ＢとしてグリッドＧに対応付けられている。
このため、補正部２０Ｈは、マップＭにおける、対象Ｂの存在を推定可能な位置Ｐに対応するグリッドＧについては、対象Ｂの存在の有無を示す対象情報３０Ａ（対象存在情報３０Ｃ、対象非存在情報３０Ｅを対応付けることができる。また、補正部２０Ｈは、対象Ｂの存在を推定不可能な位置Ｐに対応するグリッドＧについては、対象Ｂの有無の存在が不確定であることを示す対象非存在情報３０Ｆが対応付けられるように、対応付けを補正することができる。
なお、補正部２０Ｈは、マップＭにおける、対象情報３０Ａの対応付けられたグリッドＧの対応付けについても、補正を行ってもよい。すなわち、補正部２０Ｈは、マップＭにおける対象情報３０Ａの対応付けられたグリッドＧについても、学習済モデルを用いて、周辺の他のグリッドＧの観測情報３０に基づいて、観測情報３０の対応付けを補正する。
この場合、補正部２０Ｈは、対象情報３０Ａの対応付けられたグリッドＧの対応付けの補正を、未観測情報３０Ｂの対応付けられたグリッドＧに比べて抑制するように、学習済モデルのパラメータを変更し、観測情報３０の対応付けを補正することが好ましい。
例えば、補正前の存在確率と補正後の存在確率との差を、補正量とする。この場合、補正部２０Ｈは、対象情報３０Ａが対応付けられていたグリッドＧについては、未観測情報３０Ｂが対応付けられたグリッドＧに比べて補正量が小さくなるように、存在確率を補正すればよい。また、補正部２０Ｈは、対象情報３０Ａが対応付けられたグリッドＧについては、対応付けの補正を行わない構成であってもよい。
図３に戻り説明を続ける。次に、出力制御部２０Ｉについて説明する。出力制御部２０Ｉは、出力情報を、出力部１０Ａおよび駆動制御部１０Ｇの少なくとも一方へ出力する。
出力情報は、補正部２０Ｈによって補正された後のマップＭを示す情報である。例えば、出力情報は、補正部２０Ｈによって補正された後のマップＭである。
例えば、出力制御部２０Ｉは、出力情報を、出力部１０Ａへ出力する。出力情報を受付けると、出力部１０Ａの通信部１０Ｄは、外部装置などに、出力情報を送信する。また、例えば、出力部１０Ａのディスプレイ１０Ｅは、出力情報を表示する。また、例えば、出力部１０Ａのスピーカ１０Ｆが、出力情報に応じた音を出力する。出力情報に応じた音は、出力情報を示す音声であってもよいし、出力情報に応じた警告音であってもよい。
また、例えば、出力制御部２０Ｉは、出力情報を、駆動制御部１０Ｇへ出力する。上述したように、駆動制御部１０Ｇは、移動体１０の駆動部１０Ｈを制御する。出力情報を受付けた駆動制御部１０Ｇは、出力情報や、センサ１０Ｂから得られた情報などに基づいて、周辺の状況を判断し、アクセル量、ブレーキ量、操舵角などの制御を行う。例えば、駆動制御部１０Ｇは、障害物を避けて現在走行中の車線を保ち、かつ前方車両との車間距離を所定距離以上保つように車両の制御を行う。
詳細には、駆動制御部１０Ｇは、補正後のマップＭを用いて、駆動部１０Ｈを制御する。すなわち、駆動制御部１０Ｇは、センサ１０Ｂの検出情報からは、対象Ｂが存在するか否か不明な位置についても、補正された後のマップＭを用いて駆動部１０Ｈを制御する。
例えば、駆動制御部１０Ｇは、補正後のマップＭを用いて、移動体１０の速度を制御する。具体的には、駆動制御部１０Ｇは、補正後のマップＭから危険領域を特定し、該領域の近傍の走行時に移動体１０の速度を低下させるように制御する。危険領域とは、例えば、死角に対象Ｂが存在すると推定された領域などである。
例えば、駆動制御部１０Ｇは、補正後のマップＭにおける、未観測情報３０Ｂの対応付けられた複数のグリッドＧが連続して配置された領域内に、対象情報３０Ａの対応付けられたグリッドＧが存在する場合、該グリッドＧを含む領域を、危険領域と特定する。また、例えば、駆動制御部１０Ｇは、未観測情報３０Ｂの対応付けられた所定の数以上の複数のグリッドＧが連続して配置された領域内に、道路や空間を示す属性の対応付けられたグリッドＧが存在する場合、該グリッドＧを含む領域を、危険領域と特定する。
このような制御により、駆動制御部１０Ｇは、移動体１０の安全走行を実現することができる。
なお、出力制御部２０Ｉは、出力情報を記憶部２０Ｂへ記憶してもよい。また、出力制御部２０Ｉは、出力情報を、他の処理機能部（例えば、衝突判定や運動予測などを行う機能）に対して出力してもよい。
次に、処理部２０Ａが実行する情報処理の手順の一例を説明する。図９は、処理部２０Ａが実行する情報処理の手順の一例を示す、フローチャートである。
まず、受付部２０Ｃが、センサ１０Ｂから検知情報を受付ける（ステップＳ１００）。次に、導出部２０Ｄが、ステップＳ１００で受付けた検知情報から、実空間Ｒにおける各位置Ｐの観測情報３０を導出する（ステップＳ１０２）。
次に、対象マッピング部２０Ｅが、グリッドＧごとに対象情報３０Ａを対応付ける（マッピングする）（ステップＳ１０４）。ステップＳ１０４では、対象マッピング部２０Ｅは、ステップＳ１０２で観測情報３０の導出された各位置Ｐの内、観測情報３０として対象情報３０Ａ（対象存在情報３０Ｃまたは対象非存在情報３０Ｄ）の導出された位置Ｐに対応するグリッドＧに、該対象情報３０Ａを対応付ける。ステップＳ１０４の処理によって、対象マップＭ１が生成される。
次に、未観測マッピング部２０Ｆが、未観測情報３０Ｂを対応付ける（マッピングする）（ステップＳ１０６）。ステップＳ１０６では、未観測マッピング部２０Ｆは、ステップＳ１０２で観測情報３０の導出された各位置Ｐの内、観測情報３０として未観測情報３０Ｂの導出された位置Ｐに対応するグリッドＧに、未観測情報３０Ｂを対応付ける。ステップＳ１０６の処理によって、未観測マップＭ２が生成される。
次に、取得部２０Ｇが、ステップＳ１０４で生成された対象マップＭ１と、ステップＳ１０６で生成された未観測マップＭ２と、をマップＭとして取得する（ステップＳ１０８）。
次に、補正部２０Ｈが、ステップＳ１０８で取得したマップＭのグリッドＧの各々について、学習済モデルを用いて、周辺の他のグリッドＧに対応付けられた観測情報３０に基づいて、観測情報３０の対応付けを補正する（ステップＳ１１０）。
次に、出力制御部２０Ｉが、ステップＳ１１０で補正された後のマップＭを、出力部１０Ａおよび駆動制御部１０Ｇへ出力する出力制御を行う（ステップＳ１１２）。そして、本ルーチンを終了する。
したように、本実施の形態の情報処理装置２０は、取得部２０Ｇと、補正部２０Ｈと、を備える。取得部２０Ｇは、マップＭを取得する。マップＭは、特定空間ＳのグリッドＧごとに、対象Ｂに関する対象情報３０Ａを示す観測情報３０、または対象未観測に関する未観測情報３０Ｂを示す観測情報３０を対応付けた、マップＭである。補正部２０Ｈは、グリッドＧの各々について、学習済モデルを用いて、周辺の他のグリッドＧに対応付けられた観測情報３０に基づいて、観測情報３０の対応付けを補正する。
このように、本実施の形態の情報処理装置２０は、マップＭに含まれるグリッドＧの各々について、周辺の他のグリッドＧに対応付けられた観測情報３０と、学習済モデルと、に基づいて、観測情報３０の対応付けを補正する。このため、対象未観測に関する未観測情報３０Ｂを示す観測情報３０の対応付けられたグリッドＧについても、学習済モデルを用いて、周辺の他のグリッドＧに対応づけられた観測情報３０を用いて、観測情報３０の対応付けを補正することができる。
ここで、従来では、他の車両による追跡結果を用いない場合や、過去に一度も観測していない対象については、未観測位置における対象を精度良く推定することは困難であった。未観測位置とは、センサ１０Ｂからのレーザ光Ｌが届かず、センサ１０Ｂによって検知することが出来ない位置を示す。すなわち、未観測位置は、対象Ｂが存在するか否か不明な位置を示す。
一方、本実施の形態の情報処理装置２０では、対象未観測に関する未観測情報３０Ｂを示す観測情報３０の対応付けられたグリッドＧについて、学習済モデルを用いて、周辺の他のグリッドＧに対応づけられた観測情報３０を用いて、観測情報３０の対応付けを補正することができる。
このため、本実施の形態の情報処理装置２０は、対象Ｂが存在するか否か不明な未観測位置のグリッドＧについても、周辺の他のグリッドＧに対応付けられた観測情報３０や学習済モデルを用いて、対象情報３０Ａまたは未観測情報３０Ｂが対応付けられるように補正することができる。
従って、本実施の形態の情報処理装置２０は、未観測位置における対象Ｂを、精度良く推定することができる。
また、本実施の形態の情報処理装置２０は、上記補正されたマップＭを得ることができるので、上記効果に加えて、死角に関する衝突危険予知や早期制御に用いる事の可能な有用な情報を、提供することができる。
また、本実施の形態では、駆動制御部１０Ｇが、補正後のマップＭを用いて、駆動部１０Ｈを制御する。
ここで、補正後のマップＭを用いずに、駆動制御部１０Ｇが駆動部１０Ｈを駆動制御する場合、センサ１０Ｂによって検知することが出来なかった対象Ｂを検知可能な位置まで走行しなければ、移動体１０の走行の安全性を確保することは困難であった。
一方、本実施の形態の情報処理装置２０の駆動制御部１０Ｇは、補正後のマップＭを出力情報として用いて、駆動部１０Ｈを制御する。このため、本実施の形態の情報処理装置２０は、より早期に危険を回避することができ、移動体１０の走行の安全性を確保することができる。
また、出力制御部２０Ｉは、補正後のマップＭに基づいて、移動体１０の死角に存在する障害物の回避や死角に存在する道路への円滑な走行を可能にするような、走行経路を生成してもよい。そして、出力制御部２０Ｉは、生成した走行経路を出力情報として、駆動制御部１０Ｇへ出力してもよい。この場合、駆動制御部１０Ｇは、該走行経路に沿って自律走行するように、駆動部１０Ｈを制御してもよい。
また、出力制御部２０Ｉは、補正後のマップＭに基づいて、他の移動体の移動経路を予測してもよい。そして、予測した予測移動経路を出力情報として、駆動制御部１０Ｇへ出力してもよい。この場合、駆動制御部１０Ｇは、予測移動経路に基づいて、他の移動体との衝突を回避した走行経路を走行するように、駆動部１０Ｈを制御すればよい。
なお、本実施の形態では、補正部２０Ｈは、取得部２０Ｇから受付けたマップＭに含まれるグリッドＧの各々について観測情報３０の対応付けを補正したマップＭを、出力制御部２０Ｉへ出力する形態を説明した。
しかし、補正部２０Ｈは、補正対象のグリッドＧごとに、周辺の他のグリッドＧを切出した局所的なマップＭを用いて、該補正対象のグリッドＧの対応付けを補正してもよい。また、補正部２０Ｈは、マップＭに含まれるグリッドＧの各々について、センサ１０Ｂに近い位置に配置されたグリッドＧから遠い位置に配置されたグリッドＧに向かって順に、対応付けの補正を行ってもよい。
なお、本実施の形態では、学習済モデルには、学習したＣＮＮをモデルとして用いる形態を説明した。しかし、学習済モデルには、ＣＮＮ以外のモデルを用いてもよい。
例えば、補正部２０Ｈは、局所的な領域を示す第１のマップと第２のマップの複数の対を、辞書として、予め複数用意する。そして、補正部２０Ｈは、補正対象のマップＭから切り出した局所的な領域に最も類似する対を、辞書から選択する。そして、補正部２０Ｈは、選択した第１のマップと第２のマップの対を、補正対象のマップＭ上に重ね合わせることで、対応付けの補正を行ってもよい。
また、補正部２０Ｈは、上記の局所的な領域として一定の範囲の領域を用いてもよいし、補正対象のマップＭにおける位置ごとに、異なる範囲の領域を用いてもよい。
また、補正部２０Ｈは、補正対象のマップＭにおける、対象存在情報３０Ｃの対応付けられたグリッドＧに対して直線等の構造で近似を行い、該マップＭにおける未観測情報３０Ｂの対応付けられたグリッドＧに延長することで、観測情報３０の対応付けの補正を行ってもよい。
また、補正対象のマップＭにおける、未観測情報３０Ｂの対応付けられたグリッドＧの各々に対して、最も近い位置で且つ対象存在情報３０Ｃの対応付けられたグリッドＧの該対象情報３０Ａを用いて、対応付けを補正してもよい。
（変形例１）
なお、上述したように、本実施の形態では、特定空間Ｓの座標系が極座標系であり、マップＭは、極座標空間のグリッドＧに観測情報３０を対応付けたものである場合を説明した。しかし、特定空間Ｓの極座標系は、直交座標系であってもよい。
この場合、マップＭの座標系と、実空間Ｒの座標系と、が一致することとなる。例えば、マップＭは、センサ１０Ｂ（情報処理装置２０）を原点とし、センサ１０Ｂの搭載された移動体１０の進行方向と、該進行方向に対して直交する方向と、を座標軸とした直交座標で表される。
この場合、補正部２０Ｈまたは出力制御部２０Ｉが、補正後のマップＭを極座標系から直交座標系に変換し、出力してもよい。
また、対象マッピング部２０Ｅおよび未観測マッピング部２０Ｆが、直交座標系の特定空間Ｓに観測情報３０を対応づけることで、直交座標系の対象マップＭ１および未観測マップＭ２を生成してもよい。
この場合、対象マッピング部２０Ｅは、センサ１０Ｂからの方位角と距離で表される実空間Ｒにおける位置Ｐを、直交座標系で表される位置Ｐに変換する。すなわち、対象マッピング部２０Ｅは、センサ１０Ｂからの方位角と距離で表される位置Ｐを、センサ１０Ｂを原点とした進行方向の距離と、該進行方向に直交する方向の距離と、で表す位置Ｐに変換する。そして、対象マッピング部２０Ｅは、変換後の位置Ｐ、すなわち、直交座標系で表されるマップＭのグリッドＧに、変換前の対応する位置Ｐの対象情報３０Ａを対応付ける。
また、対象マッピング部２０Ｅは、直交座標系の特定空間Ｓ（すなわち直交座標空間）における、対象Ｂの検知された位置Ｐに対応するグリッドＧを中心として、センサ１０Ｂの検知誤差を考慮し、そこから離れるほど存在確率が低下するように、存在確率を対象非存在情報３０Ｄとして対応付ければよい。
なお、センサ１０ＢがＬＩＤＡＲである場合、上述のような極座標系から直交座標系への変換が必要であるが、センサ１０Ｂが、撮影画像などの直交座標空間の検知情報を取得する場合、上記の変換は不要である。
また、対象マッピング部２０Ｅについても同様に、未観測情報３０Ｂの導出された位置Ｐに対応する、直交座標系で表されるマップＭのグリッドＧに、未観測情報３０Ｂを対応付ければよい。
そして、補正部２０Ｈは、上記実施の形態と同様に、補正対象のマップＭのグリッドＧの各々について、周辺の他のグリッドＧに対応付けられた観測情報３０と、学習済モデルと、に基づいて、グリッドＧに対する観測情報３０の対応付けを補正する。
なお、上記実施の形態では、極座標系で表されるマップＭを用いた。このため、上記実施の形態では、マップＭ内のグリッドＧ間で、補正時に同じ数のグリッドＧを周辺の他のグリッドＧとして用いると、センサ１０Ｂから所定距離以上離れたグリッドＧでは実空間Ｒにおいて異なる大きさの周辺の領域を用いて補正することとなる。
一方、本変形例では、直交座標系で表されるマップＭを用いる。このため、補正部２０Ｈは、センサ１０Ｂからの距離に拘らず、実空間Ｒにおいて同じ大きさの領域を、周辺の他のグリッドＧとして用いて、補正を行うことができる。
また、本変形例では、直交座標系のマップＭを用いるため、駆動制御部１０Ｇは、移動体１０の駆動とマップＭにおける位置とを容易に対応づけて制御を行うことができる。
（変形例２）
なお、上述したように、上記実施の形態では、１つの検知タイミングでセンサ１０Ｂによって検知された検知情報に基づいたマップＭに対して、補正部２０Ｈが処理を行う形態を説明した。しかし、補正部２０は、複数の検知タイミングの検知情報の対応付けられたマップＭに対して、処理を行ってもよい。
本変形例では、取得部２０Ｇは、同じ検知タイミングで検知された検知情報から導出された観測情報３０に基づいて生成された、対象マップＭ１と未観測マップＭ２の対からなるマップＭを取得する。そして、取得部２０Ｇは、時系列で受付けた検知情報に応じて順次生成されたマップＭを、時系列に沿って２つのマップＭごとに統合し、１つのマップＭとした上で、補正部２０Ｈへ出力する。
例えば、取得部２０Ｇは、あるタイミング（タイミングＡとする）で生成されたマップＭに、次のタイミング（タイミングＢとする）で生成されたマップＭのグリッドＧに対応付けられた対象情報３０Ａを、統合する。
なお、タイミングＡで生成されたマップＭの各グリッドＧには、対象マッピング部２０Ｅおよび未観測マッピング部２０Ｆによって、対象情報３０Ａまたは未観測情報３０Ｂが既に対応付けられている。このため、タイミングＡとタイミングＢとの間で発生しうる移動体１０の移動や周辺の対象Ｂの移動による時間変化に伴い、タイミングＡでグリッドＧに対応付けられた観測情報３０と、タイミングＢで該グリッドＧに対応付けられた観測情報３０と、の間で矛盾が発生する場合がある。
このため、取得部２０Ｇは、タイミングＡで生成されたマップＭの各グリッドＧに対応付けられた観測情報３０と、タイミングＢで生成されたマップＭの各グリッドＧに対応付けられた観測情報３０と、を考慮した観測情報３０を、タイミングＡで生成されたマップＭのグリッドＧに対応付ける。この処理により、取得部２０Ｇは、これらのマップＭを１つに統合する。
具体的には、取得部２０Ｇは、タイミングＡのマップＭにおける、未観測情報３０Ｂの対応付けられたグリッドＧの内、タイミングＢのマップＭにおける対応する位置のグリッドＧに対象情報３０Ａの対応付けられたグリッドＧについて、該対象情報３０Ａを対応づける。
また、取得部２０Ｇは、タイミングＡのマップＭにおける、対象情報３０Ａの対応付けられたグリッドＧについて、該対象情報３０Ａを事前存在確率として保持する。そして、取得部２０Ｇは、タイミングＢのマップＭにおける対応する位置のグリッドＧに対応付けられた観測情報３０を用いて事後確率を算出する。そして、取得部２０Ｇは、事後確率を、タイミングＡのマップＭにおける対応するグリッドＧに対応付ける。
また、タイミングＡのマップＭにおける、観測情報３０の対応付けられたグリッドＧについては観測情報３０の変更を行わず、観測情報３０の対応付けられていないグリッドＧについては未観測情報３０Ｂを対応付けることで、マップＭを統合してもよい。
そして、取得部２０Ｇは、２つのマップＭを統合して１つにしたマップＭを、補正部２０Ｈへ出力する。
なお、本変形例では、時系列で受付けた検知情報に応じて順次生成されたマップＭを、時系列に沿って２つのマップＭごとに統合し、１つのマップＭとした上で、補正部２０Ｈへ出力する。しかし、取得部２０Ｇは、時系列に沿って３つのマップＭごとに統合して１つのマップＭとした上で、補正部２０Ｈへ出力してもよい。
また、取得部２０Ｇは、タイミングＡのマップＭにおけるグリッドＧの位置と、タイミングＢのマップＭにおけるグリッドＧの位置と、の対応を、移動体１０の移動状況から導出してもよいし、これらの２つのマップＭに含まれる同じ対象Ｂの位置を特定することで推定してもよい。
なお、移動体１１Ｄを、２つのセンサ１０Ｂを備えた構成としてもよい。この場合、取得部２０Ｇは、同じタイミングで２つのセンサ１０Ｂの各々で検出された２つの検出情報の各々に基づいて生成された２つのマップＭを、統合し、１つのマップＭとしてもよい。
なお、上記実施の形態では、１つの検知タイミングの検知情報をマップＭに対応付ける形態を説明した。このため、上記実施の形態では、マップＭには、ある位置から観測可能な観測情報３０しか対応づけられない。
一方、本変形例では、複数の検知タイミングの検知情報をマップＭに対応付ける。このため、本変形例では、異なる位置で観測可能な観測情報３０も対応付けることができる。また、本変形例では、補正部２０Ｈが補正を行う際に、より多くの観測情報３０に基づいて対応付けを補正することができる。このため、本変形例では、より精度よく、未観測位置の対象を推定することができる。
（第２の実施の形態）
次に、学習済モデルのパラメータを更新する形態を説明する。
図１０は、情報処理装置２１Ｂの搭載された移動体１１Ｂの一例を示すブロック図である。なお、移動体１１Ｂは、情報処理装置２０に代えて情報処理装置２１Ｂを搭載した以外は、第１の実施の形態の移動体１０と同様である。
情報処理装置２１Ｂは、処理部４０と、記憶部２０Ｂと、を備える。情報処理装置２１Ｂは、処理部２０Ａに代えて処理部４０を備える。
処理部４０は、受付部２０Ｃと、導出部２０Ｄと、対象マッピング部２０Ｅと、未観測マッピング部２０Ｆと、取得部２０Ｇと、補正部４０Ｈと、出力制御部２０Ｉと、第１更新部４０Ｊと、を備える。
処理部４０は、補正部２０Ｈに代えて補正部４０Ｈを備え、第１更新部４０Ｊを更に備えた点以外は、第１の実施の形態の処理部２０Ａと同様である。
補正部４０Ｈは、対応付けの補正に、第１更新部４０Ｊによってパラメータの更新された学習済モデルを用いる点以外は、第１の実施の形態の補正部２０Ｈと同様である。
第１更新部４０Ｊは、異なるタイミングの複数の観測情報３０の各々から導出された、複数のマップＭに基づいて、学習済モデルのパラメータを更新する。
異なるタイミングの複数の観測情報３０とは、異なるタイミングで検知された複数の検知情報の各々から導出部２０Ｄによって導出された、各タイミングに対応する観測情報３０である。
異なるタイミングの複数の観測情報３０の各々から導出された、複数のマップＭとは、各タイミングの観測情報３０に基づいて、該タイミングごとに、対象マッピング部２０Ｅおよび未観測マッピング部２０Ｆによって生成された対象マップＭ１および未観測マップＭ２の複数の対である。
第１更新部４０Ｊは、対象マッピング部２０Ｅおよび未観測マッピング部２０Ｆから、順次、マップＭを取得する。すなわち、第１更新部４０Ｊは、対象マッピング部２０Ｅで生成された対象マップＭ１と、未観測マッピング部２０Ｆで生成された未観測マップＭ２と、をマップＭとして、順次取得する。これにより、第１更新部４０Ｊは、異なるタイミングで検知された複数の検知情報の各々に基づいて生成された、複数のマップＭを取得する。
そして、第１更新部４０Ｊは、生成に用いた検知情報の検知タイミングの異なる２つのマップＭを用いて、学習済モデルのパラメータを更新する。ここで、第１のタイミングで検知された検知情報に基づいて生成されたマップＭを、第１のタイミングのマップＭと称して説明する。また、第１のタイミングより遅いタイミングを第２のタイミングとする。そして、第２のタイミングで検知された検知情報に基づいて生成されたマップＭを、第２のタイミングのマップＭと称して説明する。
そして、第１更新部４０Ｊは、第１のタイミングのマップＭで未観測情報３０Ｂの対応付けられたグリッドＧの内、第２のタイミングのマップＭでは対象情報３０Ａの対応付けられたグリッドＧを特定する。
なお、第１のタイミングのマップＭと第２のタイミングのマップＭとの間のグリッドＧの位置の対応付けは、次のように行えばよい。例えば、第１更新部４０Ｊは、２つのタイミングの間の移動体１０の移動を推定し、第１のタイミングのマップＭを基準として、第２のタイミングのマップＭにおける対応する位置を算出する。第１更新部４０Ｊは、この算出を、マップＭに含まれるグリッドＧの全てに対して行う。
そして、第１更新部４０Ｊは、第１のタイミングのマップＭに含まれるグリッドＧの各々について、周辺の他のグリッドＧに対応付けられた観測情報３０から、第２のタイミングのマップＭにおける対応する位置のグリッドＧに対応づけられた観測情報３０へ、観測情報３０の対応付けを補正するためのパラメータを導出する。
そして、第１更新部４０Ｊは、補正部４０Ｈで用いている学習済モデルのパラメータを、導出したパラメータに更新し、補正部４０Ｈへ出力する。
補正部４０Ｈは、第１更新部４０Ｊによってパラメータが更新された場合、更新されたパラメータの学習済モデルを用いて、第１の実施の形態の補正部２０Ｈと同様にして、観測情報３０の対応付けを補正する。
なお、第１更新部４０Ｊは、更新前のパラメータと新たに導出した更新後のパラメータとの差分を、補正部４０Ｈへ出力してもよい。この場合、補正部４０Ｈは、学習済モデルのパラメータを、受付けた差分を用いて更新した後に、観測情報３０の対応付けの補正に用いればよい。
なお、第１更新部４０Ｊは、第２のタイミングのマップＭとして、１つのマップＭを用いてもよいし、複数のマップＭを用いてもよい。第２のタイミングの複数のマップＭは、具体的には、第１のタイミングとは異なるタイミングで検知され、且つ、互いに異なるタイミングで検知された複数の検知情報の各々に基づいて生成された、マップＭであればよい。第２のタイミングの複数のマップＭを用いる場合、第１更新部４０Ｊは、第２のタイミングの複数のマップＭを統合して１つのマップＭとした上で、上記処理を行えばよい。
また、第１更新部４０Ｊは、第１のタイミングのマップＭと第２のタイミングのマップＭとのペアを、複数用いて、学習済モデルのパラメータを導出してもよい。
次に、処理部４０が実行する情報処理の手順の一例を説明する。
処理部４０は、第１の実施の形態の処理部２０Ａと同様の処理を実行する（図９参照）。但し、処理部４０は、図１１に示す割込み処理を実行する。
図１１は、処理部４０が実行する割込み処理の手順の一例を示すフローチャートである。処理部４０は、図９に示す情報処理の手順の実行中に、図１１に示す割込み処理を実行する。
まず、第１更新部４０Ｊは、学習済モデルのパラメータを更新するか否かを判断する（ステップＳ２００）。ステップＳ２００で否定判断すると（ステップＳ２００：Ｎｏ）、本ルーチンを終了する。ステップＳ２００で肯定判断すると（ステップＳ２００：Ｙｅｓ）、ステップＳ２０２へ進む。
ステップＳ２０２では、第１更新部４０Ｊが、第１のタイミングのマップＭと第２のタイミングのマップＭを用いて、学習済モデルのパラメータを更新する（ステップＳ２０２）。
次に、第１更新部４０Ｊは、パラメータを更新した学習済モデルを、補正部４０Ｈへ出力する（ステップＳ２０４）。補正部４０Ｈは、パラメータの更新された学習済モデルを受付けると、受付けた学習済モデルを用いて、マップＭのグリッドＧの各々について、観測情報３０の対応付けを補正する。そして、本ルーチンを終了する。
以上説明したように、本実施の形態の情報処理装置２１Ｂでは、第１更新部４０Ｊが、異なるタイミングの複数の観測情報３０の各々から導出された、複数のマップＭに基づいて、学習済モデルのパラメータを更新する。
ここで、学習済モデルのパラメータを更新しない場合には、該学習済モデルの生成に用いたマップＭに示される環境と、実際の補正時の環境とが大きく異なる場合、対応付けの補正精度が低下する場合がある。一方、本実施の形態の情報処理装置２１Ｂでは、第１更新部４０Ｊが、異なるタイミングの複数の観測情報３０の各々から導出された、複数のマップＭに基づいて、学習済モデルのパラメータを更新する。
このため、本実施の形態の情報処理装置２１Ｂでは、補正時の環境に適応した、対応付けの補正を行うことができる。
従って、本実施の形態の情報処理装置２１Ｂでは、第１の実施の形態の効果に加えて、より精度良く、未観測位置における対象Ｂを推定することができる。
（第３の実施の形態）
本実施の形態では、複数の補正部２０Ｈを備えた形態を説明する。
図１２は、情報処理装置２１Ｃの搭載された移動体１１Ｃの一例を示すブロック図である。なお、移動体１１Ｃは、情報処理装置２０に代えて情報処理装置２１Ｃを搭載した以外は、第１の実施の形態の移動体１０と同様である。
情報処理装置２１Ｃは、処理部４２と、記憶部２０Ｂと、を備える。情報処理装置２１Ｃは、処理部２０Ａに代えて処理部４２を備える。
処理部４２は、受付部２０Ｃと、導出部２０Ｄと、対象マッピング部２０Ｅと、未観測マッピング部２０Ｆと、取得部２０Ｇと、選択部４２Ｋと、補正部４２Ｈと、出力制御部２０Ｉと、を備える。
処理部４２は、補正部２０Ｈに代えて補正部４２Ｈを備え、選択部４２Ｋを更に備えた点以外は、第１の実施の形態の処理部２０Ａと同様である。
補正部４２Ｈは、複数の補正部４２Ａを備える。本実施の形態では、補正部４２Ｈは、３つの補正部４２Ａ（補正部４２Ａ１～補正部４２Ａ３）を備える。なお、補正部４２Ｈは、複数の補正部４２Ａ（補正部４２Ａ１～補正部４２Ａ３）を備えた構成であればよく、３つの補正部４２Ａを備えた形態に限定されない。
複数の補正部４２Ａは、それぞれ、第１の実施の形態の補正部２０Ｈと同様である。但し、複数の補正部４２Ａは、互いに異なるパラメータの学習済モデルを用いて、対応付けを補正する。すなわち、複数の補正部４２Ａには、互いに異なるパラメータの学習済モデルが予め設定されている。
選択部４２Ｋは、選択情報に基づいて、観測情報３０の対応付けを補正する補正部４２Ａを選択する。詳細には、選択部４２Ｋは、複数の補正部４２Ａ（補正部４２Ａ１～補正部４２Ａ３）の内、観測情報３０の対応付けを補正する、１つの補正部４２Ａを選択する。
選択部４２Ｋは、選択情報を受付ける。例えば、選択部４２Ｋは、入力装置１０Ｃ、通信部１０Ｄを介して外部装置、センサ１０Ｂ、および駆動制御部１０Ｇの少なくとも１つから、選択情報を受付ける。
そして、選択部４２Ｋは、選択情報に応じて、複数の補正部４２Ａ（補正部４２Ａ１～補正部４２Ａ３）の内の１つの補正部４２Ａを選択する。
選択情報は、複数の補正部４２Ａの内の何れを選択するかの判断に用いる情報である。詳細には、選択情報は、周辺環境、天候、時間帯、走行状態、ユーザの好み、などの選択条件を示す情報である。これらの選択条件は、センサ１０Ｂで検出された情報や、移動体１１Ｃの車速や加速度等の運動状態や、ワイパーやヘッドライトや空調等の装置の使用状況を示す情報などによって表される。
例えば、選択情報は、ユーザによる入力装置１０Ｃの操作によって入力される。この場合、選択部４２Ｋは、入力装置１０Ｃから選択情報を受付ける。選択情報は、例えば、特定の補正部４２Ａの識別情報や、特定の対象Ｂを優先して推定することを示す情報などである。
選択情報が、センサ１０Ｂで検出された情報である場合、選択部４２Ｋは、センサ１０Ｂから選択情報を受付ける。例えば、センサ１０Ｂが、振動を計測するセンサである場合、選択情報は、振動の計測結果である。また、センサ１０Ｂが、移動体１１Ｃの位置を検出する位置検出センサである場合、選択情報は、移動体１１Ｃの位置を示す情報である。また、センサ１０Ｂが、内界センサである場合、選択情報は、移動体１１Ｃの車速や加速度等の運動状態や、ワイパーやヘッドライトや空調等の装置の使用状況を示す情報である。
そして、選択部４２Ｋは、選択情報を受付けると、受付けた選択情報に応じた１つの補正部４２Ａを選択する。
選択部４２Ｋは、選択情報と、補正部４２Ａの識別情報と、を対応付けて、予め記憶部２０Ｂに記憶する。例えば、補正部４２Ｈが、２つの補正部４２Ａ（処理部４２Ａ１、補正部４２Ａ２）を備えると仮定する。そして、補正部４２Ａ１が、晴天に適した対応付けの補正を行うためのパラメータの設定された学習済モデルを用いて補正を行うとする。また、補正部４２Ａ２は、雨天に適した対応付けの補正を行うためのパラメータの設定された学習済モデルを用いて補正を行うとする。
この場合、選択部４２Ｋは、晴天に相当するワイパーの使用状況を示す選択情報と、補正部４２Ａ１の識別情報と、を対応付けて予め記憶部２０Ｂに記憶する。また、処理部４２Ｋは、雨天に相当するワイパー使用状況を示す選択情報と、補正部４２Ａ２の識別情報と、を対応付けて予め記憶部２０Ｂに記憶する。
そして、選択部４２Ｋは、ワイパーの使用状況を示す選択情報を受付けると、該選択情報に対応する補正部４２Ａを記憶部２０Ｂから読取ることで、１つの補正部４２Ａを選択すればよい。
なお、選択部４２Ｋによる補正部４２Ａの選択情報は、上記方法に限定されない。例えば、選択部４２Ｋは、受付けた選択情報から所定の変数を算出し、算出した変数に対応する１つの補正部４２Ａを選択してもよい。
補正部４２Ｈでは、選択部４２Ｋによって選択された１つの補正部４２Ａが、第１の実施の形態の補正部２０Ｈと同様に、対応付けの補正を行う。
次に、処理部４２が実行する情報処理の手順の一例を説明する。
処理部４２は、第１の実施の形態の処理部２０Ａと同様の処理を実行する（図９参照）。但し、処理部４２は、図１３に示す割込み処理を実行する。
図１３は、処理部４２が実行する割込み処理の手順の一例を示すフローチャートである。処理部４２は、図９に示す情報処理の手順の実行中に、図１３に示す割込み処理を実行する。なお、処理部４２は、図９に示すフローチャートにおける、ステップＳ１０８とステップＳ１１０の間に、図１３に示す手順を実行してもよい。
まず、選択部４２Ｋは、選択情報を受付けたか否かを判断する（ステップＳ３００）。ステップＳ３００で否定判断すると（ステップＳ３００：Ｎｏ）、本ルーチンを終了する。ステップＳ３００で肯定判断すると（ステップＳ３００：Ｙｅｓ）、ステップＳ３０２へ進む。
ステップＳ３０２では、選択部４２Ｋが、ステップＳ３００で受付けた選択情報に応じた補正部４２Ａを選択する（ステップＳ３０２）。ステップＳ３０２では、選択部４２Ｋは、選択した１つの補正部４２Ａに対して、取得部２０Ｇで取得したマップＭについての、観測情報３０の対応付けの補正指示を行う。補正指示を受付けた補正部４２Ａは、取得部２０Ｇから受付けたマップＭについて、該補正部４２Ａで用いる学習済モデルを用いて、第１の実施の形態の補正部２０Ｈと同様の処理を行う。そして、本ルーチンを終了する。
以上説明したように、本実施の形態の情報処理装置２１Ｃは、学習済モデルのパラメータの異なる複数の補正部４２Ａを備える。選択部４２Ｋは、観測情報３０の対応付けを補正する補正部４２Ａを選択する。
ここで、補正部４２Ｈが１つであり、且つ、学習済モデルのパラメータが固定である場合、該パラメータを設定したときの環境とは異なる環境では、観測情報３０の対応付けの補正精度が低下する場合がある。一方、本実施の形態の情報処理装置２１Ｃでは、選択部４２Ｋが、選択情報に基づいて、観測情報３０の対応付けを補正する補正部４２Ａを選択する。
このため、選択情報によって示される選択条件に応じた補正部４２Ａが選択される。すなわち、本実施の形態の情報処理装置２１Ｃでは、周辺環境、天候、時間帯、走行状態、ユーザの好み、などの選択条件に応じた、対応付けの補正を行うことができる。
このため、本実施の形態の情報処理装置２１Ｃは、上記実施の形態の効果に加えて、より精度良く、未観測位置における対象Ｂを推定することができる。
（第４の実施の形態）
本実施の形態では、検知情報から対象Ｂを特定するための条件を更新する形態を説明する。
図１４は、情報処理装置２１Ｄの搭載された移動体１１Ｄの一例を示すブロック図である。なお、移動体１１Ｄは、情報処理装置２０に代えて情報処理装置２１Ｄを搭載した以外は、第１の実施の形態の移動体１０と同様である。
情報処理装置２１Ｄは、処理部４４と、記憶部２０Ｂと、を備える。情報処理装置２１Ｄは、処理部２０Ａに代えて処理部４４を備える。
処理部４４は、受付部２０Ｃと、導出部４４Ｄと、対象マッピング部２０Ｅと、未観測マッピング部２０Ｆと、取得部２０Ｇと、補正部２０Ｈと、出力制御部２０Ｉと、特定部４４Ｌと、第２更新部４４Ｍと、を備える。処理部４４は、導出部２０Ｄに代えて導出部４４Ｄを備え、特定部４４Ｌと第２更新部４４Ｍを更に備えた点以外は、第１の実施の形態の処理部２０Ａと同様である。
特定部４４Ｌは、補正部２０Ｈによって補正された後のマップＭにおける、補正部２０Ｈによる補正によって未観測情報３０Ｂから対象情報３０Ａへ対応付けを補正されたグリッドＧを特定する。
第２更新部４４Ｍは、補正部２０Ｈによって補正された後のマップＭに基づいて、検知情報から観測情報３０を導出するときに対象Ｂの判別に用いる、条件を更新する。
第１の実施の形態で説明したように、導出部４４Ｄは、検知情報に示される点３２の内、対象Ｂを示す点３２を特定する。そして、導出部４４Ｄは、特定した点３２の位置Ｐについて、対象Ｂの存在を示す対象存在情報３０Ｃを導出する。
第２更新部４４Ｍは、この対象Ｂの判別に用いる条件を、補正部２０Ｈによって補正された後のマップＭに基づいて更新する。
詳細には、第２更新部４４Ｍは、補正部２０Ｈによって、未観測情報３０Ｂから対象情報３０Ａへ対応付けを補正されたグリッドＧに対応する、実空間Ｒにおける位置Ｐについて、対象Ｂの判別に用いる条件を変更する。例えば、導出部４４Ｄが、観測点を全て対象Ｂである障害物とは特定せず、受付部２０Ｃから各点３２の検出強度をさらに受け取り、その検出強度に基づいて、特定の閾値以上の観測点を障害物として特定するように、第２更新部４４Ｍは条件を変更する。
具体的には、第２更新部４４Ｍは、未観測情報３０Ｂから対象存在情報３０Ｃへ対応付けを補正されたグリッドＧに対応する、実空間Ｒにおける位置Ｐについて、対象Ｂの判別に用いる条件の一例である閾値を下げるように更新する。すなわち、第２更新部４４Ｍは、該位置Ｐについて、対象Ｂと判別しやすくなるように、条件を更新する。
一方、第２更新部４４Ｍは、未観測情報３０Ｂから対象非存在情報３０Ｄへ対応付けを補正されたグリッドＧに対応する、実空間Ｒにおける位置Ｐについて、対象Ｂの判別に用いる条件の一例である閾値を上げるように更新する。すなわち、第２更新部４４Ｍは、該位置Ｐについて、対象Ｂと判別しにくくなるように、条件を更新する。
また、検知情報が撮影画像である場合、第２更新部４４Ｍは、撮影画像のテンプレートマッチングに用いる、対象Ｂの判別の条件を変更すればよい。また、第２更新部４４Ｍは、別のテンプレートを用いる方法に変更してもよい。
そして、導出部４４Ｄは、検知情報に示される点３２の内、補正部２０Ｈによって前回、未観測情報３０Ｂから対象情報３０Ａへ対応付けを補正されたグリッドＧに対応する位置Ｐの点３２については、変更後の条件を用いて対象Ｂを判別する。
例えば、移動体１１Ｄまたは移動体１１Ｄの周辺の対象Ｂが、前回のセンサ１０Ｂの検知タイミングから相対的に移動している場合がある。このような場合、前回の検知タイミングではセンサ１０Ｂによって未観測であった未観測位置が、今回の検知タイミングではセンサ１０Ｂによって観測される場合がある。
本実施の形態では、第２更新部４４Ｍが、補正部２０Ｈによって補正された後のマップＭを用いて、対象Ｂの判別に用いる条件を更新する。このため、本実施の形態の情報処理装置２１Ｄでは、受付部２０Ｃが新たな検知タイミングの検知情報をセンサ１０Ｂから受付けたときに、対象Ｂの未検出や過検出を抑制し、早期に安定した対象Ｂの推定を行うことができる。
なお、対象Ｂの判別に用いる条件の更新方法は、上記方法に限定されない。
例えば、第２更新部４４Ｍは、未観測情報３０Ｂから対象存在情報３０Ｃへ対応付けを補正されたグリッドＧに対応する、実空間Ｒにおける位置Ｐについて、対象Ｂの判別に用いる条件の一例である閾値を上げるように更新してもよい。すなわち、第２更新部４４Ｍは、該位置について、対象Ｂと判別しにくくなるように、条件を更新してもよい。
また、第２更新部４４Ｍは、未観測情報３０Ｂから対象情報３０Ａへ対応付けを補正されたグリッドＧに対応する、実空間Ｒにおける位置Ｐについて、対象Ｂの判別を行わないように、条件を更新してもよい。
以上説明したように、本実施の形態の情報処理装置２１Ｄでは、特定部４４Ｌが、補正部２０Ｈによって未観測情報３０Ｂから対象情報３０Ａへ対応付けを補正されたグリッドＧを特定する。第２更新部４４Ｍは、補正部２０Ｈによって補正された後のマップＭに基づいて、検知情報から観測情報３０を導出するときに対象Ｂの判別に用いる条件を、更新する。
ここで、対象Ｂの判別に用いる条件が固定の場合、検知環境によっては、対象Ｂが安定して検知されない場合がある。一方、本実施の形態の情報処理装置２１Ｄでは、補正部２０Ｈによって補正された後のマップＭに基づいて、検知情報から観測情報３０を導出するときに対象Ｂの判別に用いる条件を、更新する。
このため、本実施の形態の情報処理装置２１Ｄでは、上記実施の形態に比べて、より正確な観測情報３０を導出することができ、より正確に対応付けの補正を行うことができる。また、本実施の形態の情報処理装置２１Ｄでは、検知環境が変動した場合であっても、対象Ｂを早期に安定して検知することができる。
従って、本実施の形態の情報処理装置２１Ｄは、上記実施の形態の効果に加えて、より精度良く、未観測位置における対象Ｂを推定することができる。
（第５の実施の形態）
上記実施の形態では、補正された後のマップＭを、出力情報として出力する形態を説明した。しかし、更に、補正された後のマップＭに関する様々な情報を、出力情報として出力してもよい。
図１５は、情報処理装置２１Ｅの搭載された移動体１１Ｅの一例を示すブロック図である。なお、移動体１１Ｅは、情報処理装置２０に代えて情報処理装置２１Ｅを搭載した以外は、第１の実施の形態の移動体１０と同様である。
情報処理装置２１Ｅは、処理部４６と、記憶部２０Ｂと、を備える。情報処理装置２１Ｅは、処理部２０Ａに代えて処理部４６を備える。
処理部４６は、受付部２０Ｃと、導出部２０Ｄと、対象マッピング部２０Ｅと、未観測マッピング部２０Ｆと、取得部２０Ｇと、補正部２０Ｈと、出力制御部４６Ｉと、を備える。処理部４６は、出力制御部２０Ｉに代えて出力制御部４６Ｉを備えた点以外は、第１の実施の形態の処理部２０Ａと同様である。
出力制御部４６Ｉは、第１の実施の形態の出力制御部２０Ｉと同様に、出力情報を、出力部１０Ａおよび駆動制御部１０Ｇの少なくとも一方へ出力する。
第１の実施の形態では、出力情報が、補正部２０Ｈによって補正された後のマップＭである場合を説明した。しかし、出力情報は、補正部２０Ｈによって補正された後のマップＭを示す情報であればよく、補正された後のマップＭに限定されない。
例えば、出力情報は、補正部２０Ｈによって補正された後のマップＭにおける、補正部２０Ｈによって対応付けを補正されたグリッドＧを示す情報であってもよい。
補正されたグリッドＧを示す情報は、例えば、該グリッドＧの位置、および、該グリッドＧの補正によって対応付けられた観測情報３０、の少なくとも一方を示す情報である。
具体的には、出力制御部４６Ｉは、取得部２０Ｇから、補正部２０Ｈによって補正される前のマップＭを取得する。また、出力制御部４６Ｉは、補正部２０Ｈによって補正されたマップＭを取得する。そして、出力制御部４６Ｉは、補正された後のマップＭにおける、対象情報３０Ａの対応付けられたグリッドＧの内、補正前のマップＭでは未観測情報３０Ｂの対応付けられていたグリッドＧを特定する。そして、出力制御部４６Ｉは、補正後のマップＭにおける、対応付けが未観測情報３０Ｂから対象情報３０Ａに補正されたグリッドＧを示す情報を、出力情報として出力する。
このため、本実施の形態では、出力制御部４６Ｉは、補正後のマップＭにおける、対応付けが未観測情報３０Ｂから対象情報３０Ａに補正されたグリッドＧのみを、出力情報とすることができる。また、出力制御部４６Ｉは、補正後のマップＭにおける、未観測情報３０Ｂの対応付けられたグリッドＧや、補正前のマップＭにおいて対象情報３０Ａの対応付けられていたグリッドＧについては、出力対象外とすることができる。
なお、出力制御部４６Ｉは、補正後のマップＭにおける、対応付けが未観測情報３０Ｂから対象情報３０Ａに補正されたグリッドＧを示す情報を、出力情報として出力するように、出力部１０Ａ（通信部１０Ｄ、ディスプレイ１０Ｅ、スピーカ１０Ｆ）および駆動制御部１０Ｇの少なくとも１つを制御すればよい。
例えば、出力制御部４６Ｉが、出力情報を示す画像を出力するように、ディスプレイ１０Ｅを制御する場合、出力情報は、重畳画像であってもよい。重畳画像は、マップＭに対応する実空間Ｒの撮影画像と、補正された後のマップＭにおける、対応付けを補正されたグリッドＧを示す符号と、の重畳画像である。
この場合、出力制御部４６Ｉは、マップＭに対応する実空間Ｒの撮影画像と、補正された後のマップＭにおける、対応付けを補正されたグリッドＧを示す符号と、の重畳画像を表示するように、ディスプレイ１０Ｅを制御する。
出力制御部４６Ｉは、センサ１０Ｂから実空間Ｒの撮影画像を取得すればよい。また、対応付けを補正されたグリッドＧを示す符号は、例えば、対応付けを補正された位置であることを示すアイコンや文字情報などである。
出力制御部４６Ｉは、撮影画像における、補正後のマップＭの各グリッドＧに対応する画素位置を特定する。そして、出力制御部４６Ｉは、補正後のマップＭにおける、対応付けを補正されたグリッドＧに対応する撮影画像上の位置に、補正された位置であることを示す符号を重畳した重畳画像を生成する。そして、出力制御部４６Ｉは、該重畳画像をディスプレイ１０Ｅに表示する。
上記重畳画像をディスプレイ１０Ｅに表示することによって、実空間Ｒの撮影画像上に、対応付けを補正されたグリッドＧに対応する箇所を強調して表示することができる。
なお、出力情報は、補正部２０Ｈによって補正された後のマップＭにおける、所定条件を満たす領域を示す情報であってもよい。所定条件は、予め定めればよい。
例えば、所定条件を満たす領域は、補正後のマップＭにおける、対象非存在情報３０Ｄの対応付けられたグリッドＧである。また、補正後のマップＭのグリッドＧに、存在確率が対応付けられている場合には、所定条件を満たす領域は、所定値以上の存在確率を示す観測情報３０の対応付けられたグリッドＧである。
以上説明したように、本実施の形態では、出力制御部４６Ｉが、補正部２０Ｈによって補正された後のマップＭにおける、補正部２０Ｈによって対応付けを補正されたグリッドＧを示す情報を、出力情報として出力する。
このため、本実施の形態では、上記実施の形態の効果に加えて、マップＭの補正前後の変化を強調した出力情報を出力することができる。
（ハードウェア構成）
次に、上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅのハードウェア構成の一例を説明する。図１６は、上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅのハードウェア構成図の一例を示す図である。
上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅは、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）８６などの制御装置と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）８８やＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０やＨＤＤ（ハードディスクドライブ）９２などの記憶装置と、各種機器とのインターフェースであるＩ／Ｆ部８２と、出力情報などの各種情報を出力する出力部８０と、ユーザによる操作を受付ける入力部９４と、各部を接続するバス９６とを備えており、通常のコンピュータを利用したハードウェア構成となっている。
上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅでは、ＣＰＵ８６が、ＲＯＭ８８からプログラムをＲＡＭ９０上に読み出して実行することにより、上記各機能がコンピュータ上で実現される。
なお、上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅで実行される上記各処理を実行するためのプログラムは、ＨＤＤ９２に記憶されていてもよい。また、上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅで実行される上記各処理を実行するためのプログラムは、ＲＯＭ８８に予め組み込まれて提供されていてもよい。
また、上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅで実行される上記処理を実行するためのプログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ－ＲＯＭ、ＣＤ－Ｒ、メモリカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、フレキシブルディスク（ＦＤ）等のコンピュータで読み取り可能な記憶媒体に記憶されてコンピュータプログラムプロダクトとして提供されるようにしてもよい。また、上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅで実行される上記処理を実行するためのプログラムを、インターネットなどのネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしてもよい。また、上記実施の形態の情報処理装置２０、情報処理装置２１Ｂ、情報処理装置２１Ｃ、情報処理装置２１Ｄ、および情報処理装置２１Ｅで実行される上記処理を実行するためのプログラムを、インターネットなどのネットワーク経由で提供または配布するようにしてもよい。
なお、上記には、本発明の実施の形態を説明したが、上記実施の形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この新規な実施の形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施の形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
１０、１１Ｂ、１１Ｃ、１１Ｄ、１１Ｅ 移動体
１０Ａ 出力部
１０Ｂ センサ
１０Ｇ 駆動制御部
１０Ｈ 駆動部
２０、２１Ｂ、２１Ｃ 情報処理装置
２０Ｄ、４４Ｄ 導出部
２０Ｅ 対象マッピング部
２０Ｆ 未観測マッピング部
２０Ｇ 取得部
２０Ｈ、４０Ｈ、４２Ａ、４２Ｈ 補正部
２０Ｉ、４６Ｉ 出力制御部
３０ 観測情報
３０Ａ 対象情報
３０Ｂ 未観測情報
３０Ｃ 対象存在情報
３０Ｄ、３０Ｅ、３０Ｆ 対象非存在情報
４０Ｊ 第１更新部
４２Ｋ 選択部
４４Ｌ 特定部
４４Ｍ 第２更新部
Ｍ マップ
Ｍ１ 対象マップ
Ｍ２ 未観測マップ

Claims (21)

  1. 特定空間のグリッドごとに、対象に関する対象情報を示す観測情報、または対象未観測に関する未観測情報を示す前記観測情報を対応付けた、マップを取得する取得部と、
    前記グリッドの各々について、学習済モデルを用いて、周辺の他の前記グリッドに対応付けられた前記観測情報に基づいて、前記観測情報の対応付けを補正する補正部と、を備え、
    前記対象情報は、前記対象の存在を示す対象存在情報または前記対象の非存在を示す対象非存在情報を示し、
    前記未観測情報は、前記対象が存在するか否か不明であることを表す情報であり、
    前記補正部は、前記マップにおける、前記未観測情報の対応付けられた前記グリッドの対応付けを、前記未観測情報から、前記対象存在情報または前記対象非存在情報を示す前記観測情報に補正する、
    情報処理装置。
  2. 検知部が検知した検知情報から、実空間における位置ごとに前記観測情報を導出する導出部と、
    前記観測情報によって示される前記対象情報を前記特定空間の前記グリッドに対応付ける対象マッピング部と、
    前記観測情報によって示される前記未観測情報を前記特定空間の前記グリッドに対応付ける未観測マッピング部と、
    を備える、
    請求項１に記載の情報処理装置。
  3. 前記対象情報は、前記対象の存在確率を示す、請求項２に記載の情報処理装置。
  4. 前記特定空間は、座標軸に沿った複数の前記グリッドによって表される、請求項１～請求項３の何れか１項に記載の情報処理装置。
  5. 前記座標軸は、直交座標系または極座標系の座標軸である、請求項４に記載の情報処理装置。
  6. 前記補正部は、さらに、
    前記マップにおける、前記対象情報の対応付けられた前記グリッドの対応付けを補正する、
    請求項１に記載の情報処理装置。
  7. 前記補正部は、
    前記対象情報の対応付けられた前記グリッドの対応付けの補正を、前記未観測情報の対応付けられた前記グリッドに比べて抑制するように、前記学習済モデルのパラメータを変更し、前記観測情報の対応付けを補正する、
    請求項１に記載の情報処理装置。
  8. 前記対象マッピング部は、
    前記対象の存在確率を、前記対象情報として前記特定空間の前記グリッドに対応付ける、
    請求項２に記載の情報処理装置。
  9. 異なるタイミングの複数の前記観測情報の各々から導出された、複数の前記マップに基づいて、前記学習済モデルのパラメータを更新する第１更新部、
    を備える請求項１～請求項８の何れか１項に記載の情報処理装置。
  10. 前記学習済モデルのパラメータの異なる複数の前記補正部と、
    選択情報に基づいて、前記観測情報の対応付けを補正する前記補正部を選択する選択部と、
    を備える請求項１～請求項９の何れか１項に記載の情報処理装置。
  11. 前記補正部によって、前記未観測情報から前記対象情報へ対応付けを補正された前記グリッドを特定する特定部、
    を備える、請求項２に記載の情報処理装置。
  12. 前記補正部によって補正された後の前記マップに基づいて、前記導出部が検知情報から前記観測情報を導出するときに前記対象の判別に用いる条件を更新する第２更新部、
    を備える、請求項１１に記載の情報処理装置。
  13. 前記補正部によって補正された後の前記マップに基づいて、移動体の駆動部を制御する駆動制御部、
    を備える、請求項１～請求項１２の何れか１項に記載の情報処理装置。
  14. 前記補正部によって補正された後の前記マップを示す出力情報を出力する出力制御部、
    を備える、請求項１～請求項１３の何れか１項に記載の情報処理装置。
  15. 前記出力情報は、
    前記補正部によって補正された後の前記マップにおける、前記補正部によって対応付けを補正された前記グリッドを示す情報である、
    請求項１４に記載の情報処理装置。
  16. 前記出力情報は、
    前記マップに対応する実空間の撮影画像と、前記補正部によって補正された後の前記マップにおける、該補正部によって対応付けを補正された前記グリッドを示す符号と、の重畳画像である、
    請求項１４に記載の情報処理装置。
  17. 前記出力情報は、
    前記補正部によって補正された後の前記マップにおける、所定条件を満たす領域を示す情報を出力制御する、
    請求項１４に記載の情報処理装置。
  18. 前記所定条件を満たす領域は、
    前記補正部によって補正された後の前記マップにおける、所定値以上の存在確率を示す前記観測情報の対応付けられた領域である、
    請求項１７に記載の情報処理装置。
  19. 特定空間のグリッドごとに、対象に関する対象情報を示す観測情報または対象未観測に関する未観測情報を示す前記観測情報を対応付けたマップにおける、前記グリッドの各々について、周辺の他の前記グリッドに対応付けられた前記観測情報に基づいて、前記観測情報の対応付けを補正するための、コンピュータに実行させるための学習済モデルであって、
    前記対象情報は、前記対象の存在を示す対象存在情報または前記対象の非存在を示す対象非存在情報を示し、
    前記未観測情報は、センサによって検知することが出来ず、前記対象が存在するか否か不明であることを表す情報であり、
    前記マップにおける、前記未観測情報の対応付けられた前記グリッドの対応付けは、前記未観測情報から、前記対象存在情報または前記対象非存在情報を示す前記観測情報に補正される、
    学習済モデル。
  20. 特定空間のグリッドごとに、対象に関する対象情報を示す観測情報、または対象未観測に関する未観測情報を示す前記観測情報を対応付けた、マップを取得するステップと、
    前記グリッドの各々について、学習済モデルを用いて、周辺の他の前記グリッドに対応付けられた前記観測情報に基づいて、前記観測情報の対応付けを補正するステップと、を含み、
    前記対象情報は、前記対象の存在を示す対象存在情報または前記対象の非存在を示す対象非存在情報を示し、
    前記未観測情報は、センサによって検知することが出来ず、前記対象が存在するか否か不明であることを表す情報であり、
    前記補正するステップは、前記マップにおける、前記未観測情報の対応付けられた前記グリッドの対応付けを、前記未観測情報から、前記対象存在情報または前記対象非存在情報を示す前記観測情報に補正する、
    情報処理方法。
  21. 特定空間のグリッドごとに、対象に関する対象情報を示す観測情報、または対象未観測に関する未観測情報を示す前記観測情報を対応付けた、マップを取得するステップと、
    前記グリッドの各々について、学習済モデルを用いて、周辺の他の前記グリッドに対応付けられた前記観測情報に基づいて、前記観測情報の対応付けを補正するステップと、をコンピュータに実行させ、
    前記対象情報は、前記対象の存在を示す対象存在情報または前記対象の非存在を示す対象非存在情報を示し、
    前記未観測情報は、センサによって検知することが出来ず、前記対象が存在するか否か不明であることを表す情報であり、
    前記補正するステップは、前記マップにおける、前記未観測情報の対応付けられた前記グリッドの対応付けを、前記未観測情報から、前記対象存在情報または前記対象非存在情報を示す前記観測情報に補正する、
    プログラム。
JP2017201786A 2017-10-18 2017-10-18 情報処理装置、学習済モデル、情報処理方法、およびプログラム Active JP7051366B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2017201786A JP7051366B2 (ja) 2017-10-18 2017-10-18 情報処理装置、学習済モデル、情報処理方法、およびプログラム
US15/919,069 US10789488B2 (en) 2017-10-18 2018-03-12 Information processing device, learned model, information processing method, and computer program product

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017201786A JP7051366B2 (ja) 2017-10-18 2017-10-18 情報処理装置、学習済モデル、情報処理方法、およびプログラム

Publications (2)

Publication Number Publication Date
JP2019074458A JP2019074458A (ja) 2019-05-16
JP7051366B2 true JP7051366B2 (ja) 2022-04-11

Family

ID=66097517

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2017201786A Active JP7051366B2 (ja) 2017-10-18 2017-10-18 情報処理装置、学習済モデル、情報処理方法、およびプログラム

Country Status (2)

Country Link
US (1) US10789488B2 (ja)
JP (1) JP7051366B2 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7151676B2 (ja) * 2019-09-23 2022-10-12 株式会社デンソー 物体認識装置及び物体認識プログラム
CN111462373A (zh) * 2019-10-25 2020-07-28 泰州三凯工程技术有限公司 圈养围栏门禁驱动系统及方法
US20210132213A1 (en) * 2019-10-31 2021-05-06 Samsung Electronics Co., Ltd. Apparatus and methods for multi-sensor slam systems
CN110796852B (zh) * 2019-11-07 2020-09-11 中南大学 一种车辆队列建图及其自适应跟车间距计算方法
CN111090087B (zh) * 2020-01-21 2021-10-26 广州赛特智能科技有限公司 一种智能导航机器、激光雷达盲区补偿方法及存储介质
JP7094411B1 (ja) 2021-03-17 2022-07-01 三菱電機株式会社 センサデータ処理システム
WO2023233821A1 (ja) * 2022-06-02 2023-12-07 ソニーグループ株式会社 情報処理装置、及び情報処理方法

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001331787A (ja) 2000-05-19 2001-11-30 Toyota Central Res & Dev Lab Inc 道路形状推定装置
JP2011150633A (ja) 2010-01-25 2011-08-04 Toyota Central R&D Labs Inc 対象物検出装置及びプログラム
JP2012033173A (ja) 2005-03-21 2012-02-16 Qualcomm Inc タイル化されたプリフェッチ及びキャッシングされたデプスバッファ
US20130223686A1 (en) 2010-09-08 2013-08-29 Toyota Jidosha Kabushiki Kaisha Moving object prediction device, hypothetical movable object prediction device, program, moving object prediction method and hypothetical movable object prediction method
US20160358477A1 (en) 2015-06-05 2016-12-08 Arafat M.A. ANSARI Smart vehicle
US20170109644A1 (en) 2015-10-19 2017-04-20 Ford Global Technologies, Llc Probabilistic Inference Using Weighted-Integrals-And-Sums-By-Hashing For Object Tracking

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CS150358B1 (ja) 1969-09-16 1973-09-04
JP4650751B2 (ja) * 2005-12-16 2011-03-16 株式会社Ｉｈｉ 三次元形状データの位置合わせ方法と装置
DE112006003363B4 (de) * 2005-12-16 2016-05-04 Ihi Corporation Verfahren und Vorrichtung zur Identifizierung der Eigenposition, und Verfahren und Vorrichtung zur Messung einer dreidimensionalen Gestalt
JP5897517B2 (ja) * 2013-08-21 2016-03-30 シャープ株式会社 自律移動体
US9840003B2 (en) * 2015-06-24 2017-12-12 Brain Corporation Apparatus and methods for safe navigation of robotic devices
US10395117B1 (en) * 2016-08-29 2019-08-27 Trifo, Inc. Visual-inertial positional awareness for autonomous and non-autonomous tracking
US10108867B1 (en) * 2017-04-25 2018-10-23 Uber Technologies, Inc. Image-based pedestrian detection
US10915114B2 (en) * 2017-07-27 2021-02-09 AI Incorporated Method and apparatus for combining data to construct a floor plan

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001331787A (ja) 2000-05-19 2001-11-30 Toyota Central Res & Dev Lab Inc 道路形状推定装置
JP2012033173A (ja) 2005-03-21 2012-02-16 Qualcomm Inc タイル化されたプリフェッチ及びキャッシングされたデプスバッファ
JP2011150633A (ja) 2010-01-25 2011-08-04 Toyota Central R&D Labs Inc 対象物検出装置及びプログラム
JP5407898B2 (ja) 2010-01-25 2014-02-05 株式会社豊田中央研究所 対象物検出装置及びプログラム
US20130223686A1 (en) 2010-09-08 2013-08-29 Toyota Jidosha Kabushiki Kaisha Moving object prediction device, hypothetical movable object prediction device, program, moving object prediction method and hypothetical movable object prediction method
US20160358477A1 (en) 2015-06-05 2016-12-08 Arafat M.A. ANSARI Smart vehicle
US20170109644A1 (en) 2015-10-19 2017-04-20 Ford Global Technologies, Llc Probabilistic Inference Using Weighted-Integrals-And-Sums-By-Hashing For Object Tracking

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
藤木淳 栗田多喜夫，恒等写像学習を用いたｓｃａｌｅｄ ｏｒｔｈｏｇｒａｐｈｉｃ射影画像列からの運動と形状の復元，電子情報通信学会技術研究報告，日本，社団法人電子情報通信学会，2003年02月14日，第102巻第652号，Pages 67-70，ISSN 0913-5685

Also Published As

Publication number Publication date
US10789488B2 (en) 2020-09-29
US20190114490A1 (en) 2019-04-18
JP2019074458A (ja) 2019-05-16

Similar Documents

Publication Publication Date Title
JP7051366B2 (ja) 情報処理装置、学習済モデル、情報処理方法、およびプログラム
US11885910B2 (en) Hybrid-view LIDAR-based object detection
US11669102B2 (en) Navigating a vehicle based on a detected barrier
US20190310651A1 (en) Object Detection and Determination of Motion Information Using Curve-Fitting in Autonomous Vehicle Applications
US11433902B2 (en) Methods and systems for computer-based determining of presence of dynamic objects
JP6682833B2 (ja) 物体認識アルゴリズムの機械学習のためのデータベース構築システム
US20180349746A1 (en) Top-View Lidar-Based Object Detection
US8605947B2 (en) Method for detecting a clear path of travel for a vehicle enhanced by object detection
CN109085829B (zh) 一种动静态目标识别方法
US11255681B2 (en) Assistance control system
US10553117B1 (en) System and method for determining lane occupancy of surrounding vehicles
JP6678605B2 (ja) 情報処理装置、情報処理方法、および情報処理プログラム
US11628844B2 (en) System and method for providing vehicle safety distance and speed alerts under slippery road conditions
CN115151467A (zh) 用于成像系统的车道检测和跟踪技术
RU2744012C1 (ru) Способы и системы для автоматизированного определения присутствия объектов
CN116249644A (zh) 由自主车辆执行出路推断以确定通过交叉路口的可行路径的方法和系统
CN110858301A (zh) 偏心率地图
JP2018048949A (ja) 物体識別装置
CN113835102A (zh) 车道线生成方法和装置
WO2022165498A1 (en) Methods and system for generating a lane-level map for an area of interest for navigation of an autonomous vehicle
KR102180036B1 (ko) 대상체의 예측 경로 데이터를 생성하는 방법, 장치 및 무인 차량
US20230260254A1 (en) Information processing device, information processing method, and program
US11313693B2 (en) System and process for closest in path vehicle following using surrounding vehicles motion flow
CN115937826B (zh) 目标检测方法及装置
WO2023166700A1 (ja) 情報処理装置、制御方法、プログラム及び記憶媒体

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190814

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20200730

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201006

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20201204

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210202

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210310

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20210803

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20211001

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: 20220301

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220330

R150 Certificate of patent or registration of utility model

Ref document number: 7051366

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150