JP7184318B2 - 物体認識装置および物体認識方法 - Google Patents
物体認識装置および物体認識方法 Download PDFInfo
- Publication number
- JP7184318B2 JP7184318B2 JP2018039126A JP2018039126A JP7184318B2 JP 7184318 B2 JP7184318 B2 JP 7184318B2 JP 2018039126 A JP2018039126 A JP 2018039126A JP 2018039126 A JP2018039126 A JP 2018039126A JP 7184318 B2 JP7184318 B2 JP 7184318B2
- Authority
- JP
- Japan
- Prior art keywords
- noise
- ranging
- added
- object recognition
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Image Analysis (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Description
図7は、物体認識装置を用いた測定系の構成を模式的に示す図である。図7に示すように、バイク10の先頭側に3次元LiDAR(VLP-16)20を設置して計測を行った。計測結果は、3次元LiDAR20に接続したPC30で解析した。
図18は、歩行者2人がある一定距離以内の間隔で歩行運動をするというデータを示している。図18(a)の歩行者2人の測距点に対し、ノイズを付加した状態でクラスタリング処理を行うと、図18(b)に示すようなクラスタが形成され、歩行者として検出されなかった。それどころか、過検出してしまい、車両や二輪車として検出してしまった。その理由としては、認識するべき物体間の距離が近すぎて、どこで区切ればいいのか分からなくなり、間違ったクラスタを形成してしまうことにより、歩行者であるのに二輪車や車両として認識されてしまうことが挙げられる。
10・・・バイク
20・・・LiDAR
30・・・PC
d・・・距離
O・・・測定地点
Claims (5)
- 測距装置によって距離が測定された複数の測距点に基づいて、物体を認識する物体認識装置であって、
前記測距装置によって測定された前記複数の測距点に対し、予め規定されたノイズを付加するノイズ付加部と、
前記ノイズが付加された測距点に基づいて、物体を表すクラスタを形成するクラスタリング部と、
前記クラスタリング部によって形成された前記クラスタの特徴量に基づいて前記物体を認識する認識部と、を備え、
前記ノイズ付加部によって付加される前記ノイズは、ホワイトノイズであり、
物体毎に分散が異なるホワイトノイズを格納する格納部を更に備えており、
前記ノイズ付加部が、前記測距装置によって測定された前記複数の測距点に対して、分散が異なるホワイトノイズを順次付加し、
前記クラスタリング部及び前記認識部は、前記ノイズ付加部によってホワイトノイズが付加される度に、前記クラスタの形成及び前記物体の認識を行うものであることを特徴とする物体認識装置。 - 前記ノイズ付加部は、前記測距装置によって測定された前記複数の測距点のうち、距離が予め規定された基準距離以上である測距点に対して前記ノイズを付加するものであることを特徴とする請求項1に記載の物体認識装置。
- 前記ノイズは、前記測距点から水平方向に30cm以下、鉛直方向に40cm以下の範囲に付加されるものであることを特徴とする請求項1または2のいずれかに記載の物体認識装置。
- 測距装置によって距離が測定された複数の測距点に基づいて、物体を認識する、請求項1~3のいずれか一項に記載の物体認識装置を用いた物体認識方法であって、
前記測距装置によって測定された前記複数の測距点に対し、予め規定されたノイズを付加するノイズ付加ステップと、
前記ノイズが付加された測距点に基づいて、物体を表すクラスタを形成するクラスタリングステップと、
前記クラスタリングステップによって形成された前記クラスタの特徴量に基づいて前記物体を認識する認識ステップと、を有することを特徴とする物体認識方法。 - 前記ノイズ付加ステップにおいて、前記測距点から水平方向に30cm以下、鉛直方向に40cm以下の範囲に、ノイズを付加することを特徴とする請求項4に記載の物体認識方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018039126A JP7184318B2 (ja) | 2018-03-05 | 2018-03-05 | 物体認識装置および物体認識方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018039126A JP7184318B2 (ja) | 2018-03-05 | 2018-03-05 | 物体認識装置および物体認識方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019153188A JP2019153188A (ja) | 2019-09-12 |
JP7184318B2 true JP7184318B2 (ja) | 2022-12-06 |
Family
ID=67946588
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018039126A Active JP7184318B2 (ja) | 2018-03-05 | 2018-03-05 | 物体認識装置および物体認識方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7184318B2 (ja) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112859033B (zh) * | 2021-02-23 | 2024-08-02 | 加特兰微电子科技(上海)有限公司 | 目标探测的方法、装置及相关设备 |
JP7314965B2 (ja) * | 2021-03-09 | 2023-07-26 | 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 |
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 |
JP2023046542A (ja) | 2021-09-24 | 2023-04-05 | 株式会社Jvcケンウッド | 物体認識装置、物体認識方法および物体認識プログラム |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006038755A (ja) | 2004-07-29 | 2006-02-09 | Nissan Motor Co Ltd | 車両周囲物体検出装置 |
JP2012175371A (ja) | 2011-02-21 | 2012-09-10 | Nippon Telegr & Teleph Corp <Ntt> | 受信方法、及び受信装置 |
JP2015207280A (ja) | 2014-04-18 | 2015-11-19 | 株式会社リコー | 目標識別方法及び目標識別装置 |
JP2017166846A (ja) | 2016-03-14 | 2017-09-21 | 株式会社デンソー | 物体認識装置 |
-
2018
- 2018-03-05 JP JP2018039126A patent/JP7184318B2/ja active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006038755A (ja) | 2004-07-29 | 2006-02-09 | Nissan Motor Co Ltd | 車両周囲物体検出装置 |
JP2012175371A (ja) | 2011-02-21 | 2012-09-10 | Nippon Telegr & Teleph Corp <Ntt> | 受信方法、及び受信装置 |
JP2015207280A (ja) | 2014-04-18 | 2015-11-19 | 株式会社リコー | 目標識別方法及び目標識別装置 |
JP2017166846A (ja) | 2016-03-14 | 2017-09-21 | 株式会社デンソー | 物体認識装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2019153188A (ja) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7184318B2 (ja) | 物体認識装置および物体認識方法 | |
Zhang et al. | Vehicle detection based on LiDAR and camera fusion | |
CN105096340B (zh) | 用于检测静态和动态对象以及控制车辆的方法和系统 | |
AU2014278279B2 (en) | Lidar-based classification of object movement | |
Keller et al. | Will the pedestrian cross? Probabilistic path prediction based on learned motion features | |
Wang et al. | Probabilistic inference for occluded and multiview on-road vehicle detection | |
Allodi et al. | Machine learning in tracking associations with stereo vision and lidar observations for an autonomous vehicle | |
CN110674705A (zh) | 基于多线激光雷达的小型障碍物检测方法及装置 | |
Antony et al. | Vision based vehicle detection: A literature review | |
CN109633684A (zh) | 用于分类的方法、装置、机器学习系统和机器可读存储介质 | |
JP7418476B2 (ja) | 運転可能な領域情報を決定するための方法及び装置 | |
Creß et al. | TUMTraf event: Calibration and fusion resulting in a dataset for roadside event-based and RGB cameras | |
Pandey et al. | Pedestrian–autonomous vehicles interaction challenges: a survey and a solution to pedestrian intent identification | |
Danielsson | Tracking and radar sensor modelling for automotive safety systems | |
Gandhi et al. | Computer vision and machine learning for enhancing pedestrian safety | |
Chavez-Garcia et al. | Fusion framework for moving-object classification | |
Khan et al. | Multiple moving vehicle speed estimation using Blob analysis | |
Bota et al. | A framework for object detection, tracking and classification in urban traffic scenarios using stereovision | |
Nordenmark et al. | Radar-detection based classification of moving objects using machine learning methods | |
Eriksson et al. | Object detection by cluster analysis on 3D-points from a LiDAR sensor | |
Krajewski et al. | Drone-based Generation of Sensor Reference and Training Data for Highly Automated Vehicles | |
Nagashima et al. | Object classification integrating results of each scan line with low‐resolution LIDAR | |
KR102685362B1 (ko) | 고정된 라이다를 이용하여 정밀 지도를 생성하는 방법 및 이를 이용한 서버 | |
Cotra et al. | Lidar-based methods for tracking and identification | |
Iqbal et al. | Adjacent vehicle collision warning system using image sensor and inertial measurement unit |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180412 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210304 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220210 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220315 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20220511 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220714 |
|
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: 20221018 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221116 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7184318 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |