JP7204087B2 - 対象物認識装置 - Google Patents
対象物認識装置 Download PDFInfo
- Publication number
- JP7204087B2 JP7204087B2 JP2018083641A JP2018083641A JP7204087B2 JP 7204087 B2 JP7204087 B2 JP 7204087B2 JP 2018083641 A JP2018083641 A JP 2018083641A JP 2018083641 A JP2018083641 A JP 2018083641A JP 7204087 B2 JP7204087 B2 JP 7204087B2
- Authority
- JP
- Japan
- Prior art keywords
- dimensional
- data
- projection data
- learning
- dimensional projection
- 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
Description
1.1全体構成
図1に、この発明の一実施形態による認識装置の学習方法を示す。これにより、深層学習プログラムが学習を行って、三次元点群データによって表されるオブジェクトの種類を認識する認識装置を生成することができる。
図2に、認識装置のハードウエア構成を示す。CPU30には、メモリ32、ディスプレイ34、通信回路36、ハードディスク38、DVD-ROMドライブ40、キーボード/マウス42、記録媒体ドライブ44が接続されている。通信回路36は、インターネットに接続するためのものである。記録媒体ドライブ44は、可搬性記録媒体52に記録された三次元点群データを取り込むためのものである。
この実施形態では、対象物の種類を推定するためにディープラーニング(深層学習)を用いている。たとえば、認識プログラム48の認識処理部分としてWei Liuらによって開発されたSSD(Single Shot MultiBox Detection)を用いることができる。
(1)上記実施形態では、二次元投影データの各点に、対応する三次元点群データの各点から二次元平面までの距離、対応する三次元点群データの各点における点密度を付与するようにしている。すなわち、三次元空間において現れるが、二次元平面においては現れない特徴をデータ(三次元特徴データ)として付与するようにしている。しかし、三次元点群データのオブジェクト中の所定場所(たとえば中心線)からの距離などの、その他の三次元特徴データを付与するようにしてもよい。
2.1全体構成
図10に、この発明の一実施形態による認識装置の全体構成を示す。二次元投影データ生成手段2は、認識対象物の三次元点群データ7の周囲に回転させた第1二次元平面P1、P2、P3・・・Pnに、当該三次元点群データ6を投影した第1~第n二次元投影データを生成する。
この実施形態による認識装置のハードウエア構成は、第1の実施形態と同様である。
この実施形態では、認識プログラム48は、第1の実施形態に示すようにして学習を行ったディープラーニングプログラムを含んで構成される。以下、認識プログラム48による認識処理を説明する。すなわち、測定した三次元点群データに表れたオブジェクトがいずれの地物に該当するかを認識する処理を説明する。
(1)上記実施形態では、二次元投影データの各点に、対応する三次元点群データの各点から二次元平面までの距離、対応する三次元点群データの各点における点密度を付与するようにしている。すなわち、三次元空間において現れるが、二次元平面においては現れない特徴をデータ(三次元特徴データ)として付与するようにしている。しかし、三次元点群データのオブジェクト中の所定場所(たとえば中心線)からの距離などの、その他の三次元特徴データを付与するようにしてもよい。
3.1全体構成
図17に、この発明の一実施形態による認識装置の全体構成を示す。データ取得手段100は、対象物の二次元データまたは三次元データに基づいて、異なる観点からの第1~第n対象物データを得る。
この実施形態による認識装置のハードウエア構成は、第1の実施形態と同様である。
この実施形態では、対象物の種類を推定するためにディープラーニング(深層学習)を用いている。たとえば、認識プログラム48の認識処理部分としてWei Liuらによって開発されたSSD(Single Shot MultiBox Detection)を用いることができる。
図19に、認識プログラム48のフローチャートを示す。CPU30は、ハードディスク38に記録されている判定対象物の二次元カラー画像をメモリ32に展開する(ステップS251)。
(1)上記実施形態では、色彩フィルタリングを行うことで元の二次元カラー画像データから複数の観点の学習データ、複数の観点の推定対象データを生成している。しかし、元のデータの画素数を変える、回転させる、濃度だけのデータとする、彩度に着目したデータとする、特定周波数成分の大きさを表す画像データとするなどの観点から、学習データや推定対象データを生成するようにしてもよい。
Claims (24)
- 対象物を区別して認識するための認識装置であって、
対象物を測定した三次元点群データを、当該対象物の周囲に回転させたn個の各位置における第1~第n二次元平面に投影した第1~第n二次元投影データを生成する二次元投影データ生成手段と、
前記第1~第n二次元投影データのそれぞれに基づいて、対象物を推定し、第1~第n対象物推定結果を出力する推定手段と、
第1~第n対象物推定結果に基づいて、統合対象物推定結果を出力する統合推定手段と、
を備えた認識装置において、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与され、
前記各推定手段は、当該点密度および当該距離も考慮して対象物の推定を行うことを特徴とする認識装置。 - コンピュータによって対象物を区別して認識するための認識装置を実現するための認識プログラムであって、コンピュータを、
対象物を測定した三次元点群データを、当該対象物の周囲に回転させたn個の各位置における第1~第n二次元平面に投影した第1~第n二次元投影データを生成する二次元投影データ生成手段と、
前記第1~第n二次元投影データのそれぞれに基づいて、対象物を推定し、第1~第n対象物推定結果を出力する推定手段と、
第1~第n対象物推定結果に基づいて、統合対象物推定結果を出力する統合推定手段として機能させるための認識プログラムにおいて、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与され、
前記各推定手段は、当該点密度および当該距離も考慮して対象物の推定を行うことを特徴とする認識プログラム。 - 請求項1の装置または請求項2のプログラムにおいて、
前記推定手段は、学習対象物の三次元点群データを、当該対象物の周囲に回転させたn個の各位置における二次元平面に投影した第1~第n二次元投影データを学習データとして学習させた結果に基づいて推論を行うことを特徴とする装置またはプログラム。 - 請求項3の装置またはプログラムにおいて、
前記推定手段は、第1~第n二次元投影データを学習データとして学習を行う一つの学習モデルを備えることを特徴とする装置またはプログラム。 - 請求項3の装置またはプログラムにおいて、
前記推定手段は、第1~第n二次元投影データのそれぞれを学習データとして学習を行う複数の学習モデルを備えることを特徴とする装置またはプログラム。 - 請求項1~5のいずれかの装置またはプログラムにおいて、
前記統合推定手段は、前記第1~第n二次元投影データのうち、対象物の三次元点群データを測定した測定位置に対応する二次元投影データを、他の二次元投影データよりもウエイトを高くして統合対象物推定を行うことを特徴とする装置またはプログラム。 - 対象物を測定した三次元点群データを、二次元平面に投影した二次元投影データに基づいて、対象物を区別して認識するための認識装置をコンピュータによって生産する方法であって、
前記コンピュータが、学習によって上記認識処理を実現する装置に、学習対象物の三次元点群データを、当該対象物の周囲に回転させたn個の各位置における二次元平面に投影した第1~第n二次元投影データを学習データとして与えて学習させることにより認識装置を生産する方法において、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与されていることを特徴とする認識装置を生産する方法。 - 対象物を区別して認識するための認識装置であって、
対象物を測定した三次元点群データを、視点と対象物までの距離を段階的に変えて二次元平面に投影した第1~第m二次元投影データを生成する二次元投影データ生成手段と、
前記第1~第m二次元投影データのそれぞれに基づいて、対象物を推定し、第1~第m対象物推定結果を出力する推定手段と、
第1~第m対象物推定結果に基づいて、統合対象物推定結果を出力する統合推定手段と、
を備えた認識装置において、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与され、
前記各推定手段は、当該点密度および当該距離も考慮して対象物の推定を行うことを特徴とする認識装置。 - コンピュータによって対象物を区別して認識するための認識装置を実現するための認識プログラムであって、コンピュータを、
対象物を測定した三次元点群データを、視点と対象物までの距離を段階的に変えて二次元平面に投影した第1~第m二次元投影データを生成する二次元投影データ生成手段と、
前記第1~第m二次元投影データのそれぞれに基づいて、対象物を推定し、第1~第m対象物推定結果を出力する推定手段と、
第1~第m対象物推定結果に基づいて、統合対象物推定結果を出力する統合推定手段として機能させるための認識プログラムにおいて、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与され、
前記各推定手段は、当該点密度および当該距離も考慮して対象物の推定を行うことを特徴とする認識プログラム。 - 請求項8の装置または請求項9のプログラムにおいて、
前記推定手段は、学習対象物の三次元点群データを、視点と対象物までの距離を段階的に変えて二次元平面に投影した第1~第m二次元投影データを学習データとして学習させた結果に基づいて推論を行うことを特徴とする装置またはプログラム。 - 請求項10の装置またはプログラムにおいて、
前記推定手段は、第1~第m二次元投影データを学習データとして学習を行う一つの学習モデルを備えることを特徴とする装置またはプログラム。 - 請求項10の装置またはプログラムにおいて、
前記推定手段は、第1~第m二次元投影データのそれぞれを学習データとして学習を行う複数の学習モデルを備えることを特徴とする装置またはプログラム。 - 請求項10~12のいずれかの装置またはプログラムにおいて、
前記統合推定手段は、前記第1~第m二次元投影データのうち、前記視点が対象物の三次元点群データを測定した測定位置に最も近接している二次元投影データを、他の二次元投影データよりもウエイトを高くして統合対象物推定を行うことを特徴とする装置またはプログラム。 - 対象物を測定した三次元点群データを、二次元平面に投影した二次元投影データに基づいて、対象物を区別して認識するための認識装置をコンピュータによって生産する方法であって、
前記コンピュータが、学習によって上記認識処理を実現する装置に、学習対象物の三次元点群データを、視点と対象物までの距離を段階的に変えて二次元平面に投影した第1~第m二次元投影データを学習データとして与えて学習させることにより認識装置を生産する方法において、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与されていることを特徴とする認識装置を生産する方法。 - 対象物を区別して認識するための認識装置であって、
対象物を測定した三次元点群データを、対象物までの距離を段階的に変えたm個の視点にて、当該対象物の周囲に回転させたn個の各位置における第1~第n二次元平面に投影した第11~第nm二次元投影データを生成する二次元投影データ生成手段と、
前記第11~第nm二次元投影データのそれぞれに基づいて、対象物を推定し、第11~第nm対象物推定結果を出力する推定手段と、
第11~第nm対象物推定結果に基づいて、統合対象物推定結果を出力する統合推定手段と、
を備えた認識装置において、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与され、
前記各推定手段は、当該点密度および当該距離も考慮して対象物の推定を行うことを特徴とする認識装置。 - コンピュータによって対象物を区別して認識するための認識装置を実現するための認識プログラムであって、コンピュータを、
対象物を測定した三次元点群データを、対象物までの距離を段階的に変えたm個の視点にて、当該対象物の周囲に回転させたn個の各位置における第1~第n二次元平面に投影した第11~第nm二次元投影データを生成する二次元投影データ生成手段と、
前記第11~第nm二次元投影データのそれぞれに基づいて、対象物を推定し、第11~第nm対象物推定結果を出力する推定手段と、
第11~第nm対象物推定結果に基づいて、統合対象物推定結果を出力する統合推定手段として機能させるための認識プログラムにおいて、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与され、
前記各推定手段は、当該点密度および当該距離も考慮して対象物の推定を行うことを特徴とする認識プログラム。 - 請求項15の装置または請求項16のプログラムにおいて、
前記推定手段は、学習対象物の三次元点群データを、対象物までの距離を段階的に変えたm個の視点にて、当該対象物の周囲に回転させたn個の各位置における第1~第n二次元平面に投影した第11~第nm二次元投影データを学習データとして学習させた結果に基づいて推論を行うことを特徴とする装置またはプログラム。 - 請求項17の装置またはプログラムにおいて、
前記推定手段は、第11~第nm二次元投影データを学習データとして学習を行う一つの学習モデルを備えることを特徴とする装置またはプログラム。 - 請求項17の装置またはプログラムにおいて、
前記推定手段は、第11~第nm二次元投影データのそれぞれを学習データとして学習を行う複数の学習モデルを備えることを特徴とする装置またはプログラム。 - 請求項17~19のいずれかの装置またはプログラムにおいて、
前記統合推定手段は、前記第11~第nm二次元投影データのうち、対象物の三次元点群データを測定した測定位置に対応する視点および回転位置における二次元投影データを、他の二次元投影データよりもウエイトを高くして統合対象物推定を行うことを特徴とする装置またはプログラム。 - 対象物を測定した三次元点群データを、二次元平面に投影した二次元投影データに基づいて、対象物を区別して認識するための認識装置をコンピュータによって生産する方法であって、
前記コンピュータが、学習によって上記認識処理を実現する装置に、学習対象物の三次元点群データを、対象物までの距離を段階的に変えたm個の視点にて、当該対象物の周囲に回転させたn個の各位置における第1~第n二次元平面に投影した第11~第nm二次元投影データを学習データとして与えて学習させることにより認識装置を生産する方法において、
前記二次元投影データの各点には、計測時の点密度および前記各点から前記二次元平面までの距離が属性として付与されていることを特徴とする認識装置を生産する方法。 - 請求項1~6、8~13、15~20のいずれかの装置またはプログラムにおいて、
前記二次元投影データの各点には、前記三次元点群データにおける点の密度が属性として付与され、
前記各推定手段は、当該密度も考慮して対象物の推定を行うことを特徴とする装置またはプログラム。 - 請求項1~6、8~13、15~20、22のいずれかの装置またはプログラムにおいて、
前記二次元投影データの各点には、反射強度または色データまたはその双方が属性として付与され、
前記各推定手段は、当該反射強度または色データまたはその双方も考慮して対象物の推定を行うことを特徴とする装置またはプログラム。 - 請求項1~6、8~13、15~20、22、23のいずれかの装置またはプログラムにおいて、
前記三次元点群データは、道路上を走行しながら異なる方向から計測した地物の点群データを合成して得た三次元点群データであることを特徴とする装置またはプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018083641A JP7204087B2 (ja) | 2018-04-25 | 2018-04-25 | 対象物認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018083641A JP7204087B2 (ja) | 2018-04-25 | 2018-04-25 | 対象物認識装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019191908A JP2019191908A (ja) | 2019-10-31 |
JP7204087B2 true JP7204087B2 (ja) | 2023-01-16 |
Family
ID=68387892
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018083641A Active JP7204087B2 (ja) | 2018-04-25 | 2018-04-25 | 対象物認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7204087B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111259958B (zh) * | 2020-01-15 | 2024-04-16 | 北京市商汤科技开发有限公司 | 物体识别方法及装置、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215843A (ja) | 2010-03-31 | 2011-10-27 | Secom Co Ltd | 顔画像処理装置 |
JP2015032256A (ja) | 2013-08-06 | 2015-02-16 | Kddi株式会社 | 画像処理装置およびそのデータベース構築装置 |
JP2015176175A (ja) | 2014-03-13 | 2015-10-05 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2017138219A (ja) | 2016-02-04 | 2017-08-10 | 株式会社デンソー | 物体認識装置 |
JP2017223511A (ja) | 2016-06-14 | 2017-12-21 | 日本電信電話株式会社 | 道路構造化装置、道路構造化方法、及び道路構造化プログラム |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3475700B2 (ja) * | 1997-02-19 | 2003-12-08 | オムロン株式会社 | 物体認識方法、物体認識装置、および車輌認識装置 |
JP5041458B2 (ja) * | 2006-02-09 | 2012-10-03 | 本田技研工業株式会社 | 三次元物体を検出する装置 |
-
2018
- 2018-04-25 JP JP2018083641A patent/JP7204087B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2011215843A (ja) | 2010-03-31 | 2011-10-27 | Secom Co Ltd | 顔画像処理装置 |
JP2015032256A (ja) | 2013-08-06 | 2015-02-16 | Kddi株式会社 | 画像処理装置およびそのデータベース構築装置 |
JP2015176175A (ja) | 2014-03-13 | 2015-10-05 | 日本電気株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP2017138219A (ja) | 2016-02-04 | 2017-08-10 | 株式会社デンソー | 物体認識装置 |
JP2017223511A (ja) | 2016-06-14 | 2017-12-21 | 日本電信電話株式会社 | 道路構造化装置、道路構造化方法、及び道路構造化プログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2019191908A (ja) | 2019-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11861790B2 (en) | Procedural world generation using tertiary data | |
CN109598794B (zh) | 三维gis动态模型的构建方法 | |
CN111542860A (zh) | 用于自主车辆的高清地图的标志和车道创建 | |
CN110796714B (zh) | 一种地图构建方法、装置、终端以及计算机可读存储介质 | |
CN110226186A (zh) | 一种用于表示地图元素的方法和装置以及基于此定位车辆/机器人的方法和装置 | |
JP7290240B2 (ja) | 対象物認識装置 | |
CN110428490B (zh) | 构建模型的方法和装置 | |
US20210150799A1 (en) | Generating Environmental Data | |
CN104157011A (zh) | 一种三维地形建模方法 | |
RU2612571C1 (ru) | Способ и система распознавания городских объектов | |
CN109115232A (zh) | 导航的方法和装置 | |
JP7204087B2 (ja) | 対象物認識装置 | |
RU2638638C1 (ru) | Способ и система автоматического построения трехмерных моделей городов | |
CN113989680B (zh) | 建筑三维场景自动构建方法及系统 | |
JP7070531B2 (ja) | 都市構造設計装置及び都市構造設計プログラム | |
Wolf et al. | Applicability of neural networks for image classification on object detection in mobile mapping 3d point clouds | |
WO2021250734A1 (ja) | 座標変換装置、座標変換方法、及び座標変換プログラム | |
Marc et al. | Generator of Road Marking Textures and associated Ground Truth | |
CN116310189B (zh) | 地图模型构建方法及终端 | |
Thieling et al. | Automated generation of virtual road scenarios for efficient tests of driver assistance systems | |
CN116843737A (zh) | 一种基于目标表面点高度和不确定性的单目深度估计方法 | |
CN115035251B (zh) | 一种基于领域增强合成数据集的桥面车辆实时追踪方法 | |
WO2023007660A1 (ja) | 3次元点群識別装置、3次元点群識別方法、及び3次元点群識別プログラム | |
Jerkenhag | Comparing machine learning methods for classification and generation of footprints of buildings from aerial imagery | |
D'Auria et al. | Surveys and new visions of the ancient centre of Naples |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180511 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20200310 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20200310 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200312 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200605 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210412 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220310 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220418 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220601 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220912 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221017 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20221017 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221026 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221031 |
|
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: 20221129 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221220 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7204087 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |