JP7228623B2 - 障害物検出方法、装置、設備、記憶媒体、及びプログラム - Google Patents
障害物検出方法、装置、設備、記憶媒体、及びプログラム Download PDFInfo
- Publication number
- JP7228623B2 JP7228623B2 JP2021086756A JP2021086756A JP7228623B2 JP 7228623 B2 JP7228623 B2 JP 7228623B2 JP 2021086756 A JP2021086756 A JP 2021086756A JP 2021086756 A JP2021086756 A JP 2021086756A JP 7228623 B2 JP7228623 B2 JP 7228623B2
- Authority
- JP
- Japan
- Prior art keywords
- obstacle
- detection frame
- dimensional
- loss
- position information
- 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
- 238000001514 detection method Methods 0.000 title claims description 228
- 230000006870 function Effects 0.000 claims description 43
- 238000005070 sampling Methods 0.000 claims description 24
- 238000005457 optimization Methods 0.000 claims description 19
- 230000015654 memory Effects 0.000 claims description 18
- 238000012952 Resampling Methods 0.000 claims description 14
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000000034 method Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 7
- 238000004590 computer program Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 101100119135 Mus musculus Esrrb gene Proteins 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000010295 mobile communication Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 230000000153 supplemental effect Effects 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G06T3/06—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
- G06V20/647—Three-dimensional objects by matching two-dimensional images to three-dimensional objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30261—Obstacle
-
- 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
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Description
画像における障害物の二次元検出枠の位置情報及び三次元検出枠の位置情報を取得することと、
前記障害物の三次元検出枠の位置情報を前記障害物の二次元投影枠の位置情報に変換することと、
前記画像における前記障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を利用して、前記障害物の三次元検出枠の位置情報を最適化することとを含む、障害物検出方法を提供する。
画像における障害物の二次元検出枠の位置情報及び三次元検出枠の位置情報を取得するための取得モジュールと、
前記障害物の三次元検出枠の位置情報を前記障害物の二次元投影枠の位置情報に変換するための変換モジュールと、
前記画像における前記障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を利用して、前記障害物の三次元検出枠の位置情報を最適化するための最適化モジュールとを備える、障害物検出装置を提供する。
なお、上述した内容が本開示の実施形態の重要な特徴を示すためではなく、本開示の範囲の限定にもならない。本開示の他の特徴は下記の説明から理解しやすくなる。
S101で、画像における障害物の二次元検出枠の位置情報及び三次元検出枠の位置情報を取得する。
S102で、当該障害物の三次元検出枠の位置情報を当該障害物の二次元投影枠の位置情報に変換する。
S103で、当該画像における当該障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を利用して、当該障害物の三次元検出枠の位置情報を最適化する。
x=KX
ここで、Kとはカメラの内部パラメータ行列であり、xとは二次元投影点の座標[x,y]であり、Xとは三次元点の座標[x,y,z]である。
S202で、当該制約項目を利用して損失関数を構築する。
S203で、当該損失関数を利用して、当該障害物の三次元検出枠の位置情報を最適化する。
S301で、障害物の三次元検出枠の初期予測結果及び前記損失関数を利用して、初期損失を計算し、当該初期損失は参照損失である。
z3dの解空間は[z3dmin=z3d-z3dmean,z3dmax=z3d+z3dmean]である。
ry3dの解空間は[ry3dmin=ry3d-ry3dmean,ry3dmax=ry3d-ry3dmean]である。
S304で、当該損失関数によってサンプル点に対応する損失を計算する。例えば、前のステップで得たサンプル点の三次元検出枠の1組の位置情報を損失関数式に代入して、当該サンプル点に対応する損失を得る。
S305で、サンプル点に対応する損失と参照損失を比較し、損失が最小であるサンプル点の三次元検出枠の位置情報を候補結果とし、損失が最小であるサンプル点に対応する損失を新たな参照損失とする。1回目にはサンプル点に対応する損失と初期損失を比較し、サンプル点に対応する損失が初期損失よりも小さい場合に、当該サンプル点に対応する損失を新たな参照損失とする。以降は新たにサンプリングして得たサンプル点に対応する損失と新たな参照損失を比較してもよい。サンプル点に対応する損失が初期損失以上である場合に、参照損失は変わらず、次回の比較で当該参照損失を用いる。サンプリングするたびに、サンプリング回数を1増加させ、サンプリング回数がmになると終了し、再サンプリング回数を1増加させる。
本開示の実施形態では三次元検出枠の初期解空間におけるランダムにより検索が最適解のサンプリング率が高められ、最終的には検索結果が初期検出結果より正確さも精度も大幅に向上している。
本実施形態では、S203で、S305後に、当該損失関数を利用して、当該障害物の三次元検出枠の位置情報を最適化するステップは、ステップS306からS310までをn-1回繰り返し実行することを含んでもよく、nは再サンプリング回数である。
S307で、新たな解空間範囲においてランダムサンプリングを行って、サンプル点に含まれる障害物の三次元検出枠の1組の位置情報を得、ランダムサンプリングの回数はm回である。
S308で、当該損失関数によってサンプル点に対応する損失を計算する。例えば、前のステップで得たサンプル点の三次元検出枠の1組の位置情報を損失関数式に代入して、当該サンプル点に対応する損失を得る。
S309で、サンプル点に対応する損失と参照損失を比較し、損失が最小であるサンプル点の三次元検出枠の位置情報を候補結果とし、損失が最小であるサンプル点に対応する損失を新たな参照損失とする。
また、m個のサンプル点をサンプリングするたびに、再サンプリング回数を1増加させ、再サンプリング回数がn以上であるかどうかを判断する。再サンプリング回数がn未満である場合に、S306に戻り、再サンプリング回数がnになると終了する。ここで、nは正整数であり、nの値はニーズに応じて具体的に設定してもよい。一般に、nの値が大きいほど、正確さ及び精度が高い。
本開示の実施形態の一適用例では、カメラの結像原理を利用して幾何学的制約を構築し、二次元(two Dimension、2D)検出枠予測結果と三次元(three Dimension、3D)検出枠予測結果がマッチングするようにし、バックエンドからの3D検出結果の最適化を実現する。
err1=|(x1pro+x2pro)-(x1+x2)|+|(y1pro+y2pro)-(y1+y2)|
ここで、[x1pro,x2pro,y1pro,y2pro]とは3D検出枠の2D投影枠座標であり、[x1,x2,y1,y2]とは2D検出枠座標である。
制約項目2:中心点が重なった上に、方向角のずれを一層制約するために、制約項目2では2D検出枠と2D投影枠の左右両辺が重なることを希望する。よって、一例として制約項目2 err2は次のとおりである。
err2=|x1pro-x1|+|x2pro-x2|
制約項目3:方向角±ryが生じる2D投影枠は制約項目1及び制約項目2で値が同じであり、且つ、3D検出枠の予測結果のずれが一般に大きくないことを考慮すると、一例として最適化の程度を制約するための制約項目3 err3は次のとおりである。
err=err1+α×err2+β×err3
ここで、α、βとはハイパーパラメータであり、ハイパーパラメータは予め設定した値であってもよい。
S401で、2D検出枠の位置情報[x1,x2,y1,y2]、及び3D検出枠の位置情報[x3d,y3d,z3d,w3d,h3d,l3d,ry3d]、p2、de_normを入力する。
S402で、3D検出枠の位置情報を用いて投影を行うことにより、二次元投影点vを得る。
S403で、予測誤差[x3dmean,y3dmean,z3dmean,ry3dmean]を利用して初期の解空間範囲を得、例えば、次のとおりである。
x3dmin=x3d-x3dmean,x3dmax=x3d+x3dmean
y3dmin=y3d-y3dmean,y3dmax=y3d-y3dmean
z3dmin=z3d-z3dmean,z3dmax=z3d-z3dmean
ry3dmin=ry3d-ry3dmean,ry3dmax=ry3d-ry3dmean。
S404で、初期予測結果([x1,x2,y1,y2],v,[x1pro,x2pro,y1pro,y2pro])に基づいて、初期損失olを計算する。
本実施形態では、複数の制約項目を用いると最適解が満たすべき条件を充分に検討することができ、ランダムに検索すると最適解のサンプリング率を高めることができ、最終的には検索結果は初期解より精度が大幅に向上している。本実施形態の方法は三次元障害物の位置の路傍検知のシーンに適用され、車載カメラや他の監視カメラにも適用される。
画像における障害物の二次元検出枠の位置情報及び三次元検出枠の位置情報を取得するための取得モジュール41と、
当該障害物の三次元検出枠の位置情報を当該障害物の二次元投影枠の位置情報に変換するための変換モジュール42と、
当該画像における当該障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を利用して、当該障害物の三次元検出枠の位置情報を最適化するための最適化モジュール43とを備えてもよい。
当該画像における当該障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を用いて、当該障害物の三次元検出枠の位置情報に対して少なくとも1つの制約項目を設定するための制約項目サブモジュール51と、
当該制約項目を利用して損失関数を構築するための損失関数サブモジュール52と、
当該損失関数を利用して、当該障害物の三次元検出枠の位置情報を最適化するための最適化サブモジュール53とを備える。
可能な一実施形態では、当該制約項目は第2制約項目をさらに含み、当該第2制約項目は当該障害物の二次元検出枠及び二次元投影枠の左右両辺の座標に基づいて設定される。
可能な一実施形態では、当該制約項目は第3制約項目をさらに含み、当該第3制約項目は当該障害物の三次元検出枠の投影点座標に基づいて設定される。
障害物の三次元検出枠の初期予測結果及び前記損失関数を利用して、初期損失を計算することであって、当該初期損失は参照損失であることと、
予測誤差に基づいて初期の解空間範囲を設定することと、
初期の解空間範囲においてランダムサンプリングを行って、サンプル点に含まれる三次元検出枠の1組の位置情報を得ることであって、ランダムサンプリングの回数はm回であることと、
当該損失関数によってサンプル点に対応する損失を計算することと、
サンプル点に対応する損失と参照損失を比較し、損失が最小であるサンプル点の三次元検出枠の位置情報を候補結果とし、損失が最小であるサンプル点に対応する損失を新たな参照損失とすることとに用いられる。
前回再サンプリングしたm個のサンプル点のうち、損失が参照損失よりも小さいサンプル点の分布範囲を統計して、新たな解空間範囲を得るステップと、
新たな解空間範囲においてランダムサンプリングを行って、サンプル点に含まれる障害物の三次元検出枠の1組の位置情報を得るステップであって、ランダムサンプリングの回数はm回であるステップと、
当該損失関数によってサンプル点に対応する損失を計算するステップと、
サンプル点に対応する損失と参照損失を比較し、損失が最小であるサンプル点の三次元検出枠の位置情報を候補結果とし、損失が最小であるサンプル点に対応する損失を新たな参照損失とするステップとをn-1回繰り返し実行するために用いられ、nは再サンプリング回数である。
さらに、本開示の実施形態では、電子設備及び可読記憶媒体を提供する。
メモリ902は非一時的なコンピュータ可読記憶媒体として、非一時的ソフトウェアプログラム、非一時的なコンピュータ実行可能プログラム及びモジュール、例えば、本開示の実施形態に係る障害物検出方法に対応するプログラムコマンド/モジュール(例えば、図8に示す取得モジュール41、変換モジュール42及び最適化モジュール43)を記憶するために用いることができる。プロセッサ901はメモリ902に記憶されている非一時的ソフトウェアプログラム、コマンド及びモジュールを動作させることにより、サーバーの様々な機能及びデータ処理を実行し、即ち前記方法実施形態に係る障害物検出方法を実現する。
メモリ902はプログラム記憶領域及びデータ記憶領域を含んでもよく、プログラム記憶領域はオペレーティングシステム、少なくとも1つの機能に必要なアプリケーションプログラムを記憶することができ、データ記憶領域は障害物検出方法を実現するための電子設備の使用時に作成されたデータ等を記憶することができる。また、メモリ902は高速ランダムアクセスメモリを含んでもよいし、非一時的メモリを含んでもよく、例えば、少なくとも1つの磁気ディスク記憶素子、フラッシュメモリ素子、又は他の非一時的固体記憶素子である。いくつかの実施形態では、任意選択でメモリ902はプロセッサ901に対して遠隔設置されたメモリを含み、当該遠隔メモリはネットワークを介して障害物検出方法を実行する電子設備に接続されてもよい。前記ネットワークの例はインターネット、イントラネット、ローカルエリアネットワーク、モバイル通信ネットワーク、その組み合わせを含むが、これに限定されない。
入力装置903は入力されたデジタル又は文字情報を受信し、障害物検出方法を実行する電子設備のユーザー設定や機能制御に関連するキー信号入力を生成することができ、例えば、タッチスクリーン、テンキー、マウス、トラックパッド、タッチパッド、インジケータスティック、1つ以上のマウスボタン、トラックボール、ジョイスティック等入力装置である。出力装置904は表示設備、補助照明装置(例えば、LED)、触覚フィードバック装置(例えば、振動モーター)等を含んでもよい。当該表示設備は、液晶ディスプレイ(LCD)、発光ダイオード(LED)ディスプレイ、プラズマディスプレイを含むが、これに限定されない。いくつかの実施形態では、表示設備はタッチスクリーンであってもよい。
前記コンピュータプログラム(プログラム、ソフトウェア、ソフトウェアアプリケーション、コードともいう)にはプログラマブルプロセッサ用機械コマンドを含み、且つ高度なプロセス及び/又はオブジェクト指向のプログラミング言語、及び/又はアセンブリ/機械言語を用いて前記コンピュータプログラムを実施することができる。本明細書で、用語「機械可読媒体」及び「コンピュータ可読媒体」とは機械コマンド及び/又はデータをプログラマブルプロセッサに提供するあらゆるコンピュータプログラム製品、設備、及び/又は装置(例えば、磁気ディスク、光ディスク、メモリ、プログラマブルロジックデバイス(PLD))であり、機械可読信号としての機械コマンドを受信する機械可読媒体を含む。用語「機械可読信号」とは、機械コマンド及び/又はデータをプログラマブルプロセッサに提供するためのあらゆる信号である。
本開示の実施形態の技術的解決手段によれば、画像における障害物の二次元検出枠の位置情報、三次元検出枠及び二次元投影枠の位置情報を利用して損失関数を構築し、当該障害物の三次元検出枠の位置情報を最適化することにより、障害物の三次元位置の予測結果の正確さを高めることができる。本開示の実施形態の障害物検出方法は三次元障害物の位置の路傍検知のシーンに適用され、車載カメラや他の監視カメラなどのシーンにも適用される。
なお、上記の様々なプロセスを踏まえて、ステップを並べ替え、追加、又は削除することができる。例えば、本開示に記載の各ステップは同時に実行されてもよいし、順に実行されてもよいし、他の順番で実行されてもよく、本開示の技術的解決手段の効果を得られるものであれば、本明細書では特に限定しない。
Claims (15)
- 画像における障害物の二次元検出枠の位置情報及び三次元検出枠の位置情報を取得することと、
前記障害物の三次元検出枠の位置情報を前記障害物の二次元投影枠の位置情報に変換することと、
前記画像における前記障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を利用して、前記障害物の三次元検出枠の位置情報を最適化することとを含み、
前記画像における前記障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を利用して、前記障害物の三次元検出枠の位置情報を最適化することは、
前記画像における前記障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を用いて、前記障害物の三次元検出枠の位置情報に対して少なくとも1つの制約項目を設定することと、
前記制約項目を利用して損失関数を構築することと、
前記損失関数を利用して、前記障害物の三次元検出枠の位置情報を最適化することとを含む、
障害物検出方法。 - 前記制約項目は、前記障害物の二次元検出枠及び二次元投影枠の中心点座標に基づいて設定される第1制約項目を含む、
請求項1に記載の障害物検出方法。 - 前記制約項目は、前記障害物の二次元検出枠及び二次元投影枠の左右両辺の座標に基づいて設定される第2制約項目をさらに含む、
請求項1又は2に記載の障害物検出方法。 - 前記制約項目は、前記障害物の三次元検出枠の投影点座標に基づいて設定される第3制約項目をさらに含む、
請求項2又は3に記載の障害物検出方法。 - 前記損失関数を利用して、前記障害物の三次元検出枠の位置情報を最適化することは、
障害物の三次元検出枠の初期予測結果及び前記損失関数を利用して、参照損失である初期損失を計算することと、
予測誤差に基づいて初期の解空間範囲を設定することと、
初期の解空間範囲においてm回のランダムサンプリングを行って、サンプル点に含まれる三次元検出枠の1組の位置情報を得ることと、
前記損失関数によってサンプル点に対応する損失を計算することと、
サンプル点に対応する損失と前記参照損失を比較し、損失が最小であるサンプル点の三次元検出枠の位置情報を候補結果とし、損失が最小であるサンプル点に対応する損失を新たな参照損失とすることとを含む、
請求項1~4のいずれか1項に記載の障害物検出方法。 - 前記損失関数を利用して、前記障害物の三次元検出枠の位置情報を最適化することは、
前回再サンプリングしたm個のサンプル点のうち、損失が参照損失よりも小さいサンプル点の分布範囲を統計し、新たな解空間範囲を得ることと、
新たな解空間範囲においてm回のランダムサンプリングを行って、サンプル点に含まれる障害物の三次元検出枠の1組の位置情報を得ることと、
前記損失関数によってサンプル点に対応する損失を計算することと、
サンプル点に対応する損失と前記参照損失を比較し、損失が最小であるサンプル点の三次元検出枠の位置情報を候補結果とし、損失が最小であるサンプル点に対応する損失を新たな参照損失とすることと、
を含む前記障害物の三次元検出枠の位置情報を最適化することをn-1回繰り返し実行することをさらに含み、
nは、再サンプリング回数である、
請求項5に記載の障害物検出方法。 - 画像における障害物の二次元検出枠の位置情報及び三次元検出枠の位置情報を取得するための取得モジュールと、
前記障害物の三次元検出枠の位置情報を前記障害物の二次元投影枠の位置情報に変換するための変換モジュールと、
前記画像における前記障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を利用して、前記障害物の三次元検出枠の位置情報を最適化するための最適化モジュールとを備え、
前記最適化モジュールは、
前記画像における前記障害物の二次元検出枠、三次元検出枠及び二次元投影枠の位置情報を用いて、前記障害物の三次元検出枠の位置情報に対して少なくとも1つの制約項目を設定するための制約項目サブモジュールと、
前記制約項目を利用して損失関数を構築するための損失関数サブモジュールと、
前記損失関数を利用して、前記障害物の三次元検出枠の位置情報を最適化するための最適化サブモジュールとを備える、
障害物検出装置。 - 前記制約項目は、前記障害物の二次元検出枠及び二次元投影枠の中心点座標に基づいて設定される第1制約項目を含む、
請求項7に記載の障害物検出装置。 - 前記制約項目は、前記障害物の二次元検出枠及び二次元投影枠の左右両辺の座標に基づいて設定される第2制約項目をさらに含む、
請求項7又は8に記載の障害物検出装置。 - 前記制約項目は、前記障害物の三次元検出枠の投影点座標に基づいて設定される第3制約項目をさらに含む、
請求項8又は9に記載の障害物検出装置。 - 前記最適化サブモジュールは、
障害物の三次元検出枠の初期予測結果及び前記損失関数を利用して、参照損失である初期損失を計算することと、
予測誤差に基づいて初期の解空間範囲を設定することと、
初期の解空間範囲においてm回のランダムサンプリングを行って、サンプル点に含まれる三次元検出枠の1組の位置情報を得ることと、
前記損失関数によってサンプル点に対応する損失を計算することと、
サンプル点に対応する損失と前記参照損失を比較し、損失が最小であるサンプル点の三次元検出枠の位置情報を候補結果とし、損失が最小であるサンプル点に対応する損失を新たな参照損失とすることとに用いられる、
請求項7~10のいずれか1項に記載の障害物検出装置。 - 前記最適化サブモジュールは、
前回再サンプリングしたm個のサンプル点のうち、損失が参照損失よりも小さいサンプル点の分布範囲を統計し、新たな解空間範囲を得ることと、
新たな解空間範囲においてm回のランダムサンプリングを行って、サンプル点に含まれる障害物の三次元検出枠の1組の位置情報を得ることと、
前記損失関数によってサンプル点に対応する損失を計算することと、
サンプル点に対応する損失と前記参照損失を比較し、損失が最小であるサンプル点の三次元検出枠の位置情報を候補結果とし、損失が最小であるサンプル点に対応する損失を新たな参照損失とすることと、
を含む前記障害物の三次元検出枠の位置情報を最適化することをn-1回繰り返し実行することにさらに用いられ、
nは、再サンプリング回数である、
請求項11に記載の障害物検出装置。 - 少なくとも1つのプロセッサと、
前記少なくとも1つのプロセッサと通信接続されるメモリとを備え、
前記メモリには、前記少なくとも1つのプロセッサによって実行可能なコマンドが記憶されており、前記コマンドは、前記少なくとも1つのプロセッサによって実行されると、前記少なくとも1つのプロセッサに請求項1~6のいずれか1項に記載の障害物検出方法を実行させる、
電子設備。 - コンピュータに請求項1~6のいずれか1項に記載の障害物検出方法を実行させるコマンドが記憶されている非一時的なコンピュータ可読記憶媒体。
- コンピュータにおいて、プロセッサにより実行される場合、請求項1~6のいずれか1項に記載の障害物検出方法を実現することを特徴とするプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010477558.4A CN111652113B (zh) | 2020-05-29 | 2020-05-29 | 障碍物检测方法、装置、设备以及存储介质 |
CN202010477558.4 | 2020-05-29 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021121970A JP2021121970A (ja) | 2021-08-26 |
JP7228623B2 true JP7228623B2 (ja) | 2023-02-24 |
Family
ID=72344867
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021086756A Active JP7228623B2 (ja) | 2020-05-29 | 2021-05-24 | 障害物検出方法、装置、設備、記憶媒体、及びプログラム |
Country Status (5)
Country | Link |
---|---|
US (1) | US11688177B2 (ja) |
EP (1) | EP3836017B1 (ja) |
JP (1) | JP7228623B2 (ja) |
KR (1) | KR20210040312A (ja) |
CN (1) | CN111652113B (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113808186B (zh) * | 2021-03-04 | 2024-01-16 | 京东鲲鹏(江苏)科技有限公司 | 训练数据生成方法、装置与电子设备 |
CN113255906A (zh) * | 2021-04-28 | 2021-08-13 | 中国第一汽车股份有限公司 | 一种自动驾驶中回归障碍物3d角度信息方法、装置、终端及存储介质 |
CN113936458B (zh) * | 2021-10-12 | 2022-12-20 | 中国联合网络通信集团有限公司 | 高速公路拥堵判别方法、装置、设备及介质 |
CN116563817B (zh) * | 2023-04-14 | 2024-02-20 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
CN116563818B (zh) * | 2023-04-14 | 2024-02-06 | 禾多科技(北京)有限公司 | 障碍物信息生成方法、装置、电子设备和计算机可读介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200018994A1 (en) | 2017-01-27 | 2020-01-16 | Carl Zeiss Ag | Method, computing device, and computer program for providing a mounting edge model |
CN111079619A (zh) | 2019-12-10 | 2020-04-28 | 北京百度网讯科技有限公司 | 用于检测图像中的目标对象的方法和装置 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106441275A (zh) * | 2016-09-23 | 2017-02-22 | 深圳大学 | 一种机器人规划路径的更新方法及装置 |
CN106227218A (zh) * | 2016-09-27 | 2016-12-14 | 深圳乐行天下科技有限公司 | 一种智能移动设备的导航避障方法及装置 |
US10373369B2 (en) * | 2017-03-16 | 2019-08-06 | Qualcomm Technologies, Inc. | Three-dimensional pose estimation of symmetrical objects |
KR20200050246A (ko) | 2018-11-01 | 2020-05-11 | 삼성전자주식회사 | 2차원 영상으로부터 3차원 객체를 검출하는 방법 및 장치 |
CN109737974B (zh) * | 2018-12-14 | 2020-11-27 | 中国科学院深圳先进技术研究院 | 一种3d导航语义地图更新方法、装置及设备 |
CN109948505B (zh) * | 2019-03-14 | 2021-03-30 | 郑州大学 | 一种人体三维姿态匹配算法的优化方法 |
KR20220008256A (ko) * | 2019-05-14 | 2022-01-20 | 인텔 코포레이션 | 몰입형 미디어를 위한 자동 포인트 클라우드 검증 |
CN110286387B (zh) * | 2019-06-25 | 2021-09-24 | 深兰科技(上海)有限公司 | 应用于自动驾驶系统的障碍物检测方法、装置及存储介质 |
CN111008935B (zh) | 2019-11-01 | 2023-12-12 | 北京迈格威科技有限公司 | 一种人脸图像增强方法、装置、系统及存储介质 |
CN111079685B (zh) | 2019-12-25 | 2022-07-26 | 电子科技大学 | 一种3d目标检测方法 |
-
2020
- 2020-05-29 CN CN202010477558.4A patent/CN111652113B/zh active Active
-
2021
- 2021-01-05 US US17/141,997 patent/US11688177B2/en active Active
- 2021-03-23 EP EP21164277.2A patent/EP3836017B1/en active Active
- 2021-03-24 KR KR1020210038016A patent/KR20210040312A/ko not_active Application Discontinuation
- 2021-05-24 JP JP2021086756A patent/JP7228623B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20200018994A1 (en) | 2017-01-27 | 2020-01-16 | Carl Zeiss Ag | Method, computing device, and computer program for providing a mounting edge model |
CN111079619A (zh) | 2019-12-10 | 2020-04-28 | 北京百度网讯科技有限公司 | 用于检测图像中的目标对象的方法和装置 |
Non-Patent Citations (1)
Title |
---|
Lijie Liu et al.,Deep Fitting Degree Scoring Network for Monocular 3D Object Detection,2019 IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR),2019年06月15日,pp.1057-1066 |
Also Published As
Publication number | Publication date |
---|---|
CN111652113A (zh) | 2020-09-11 |
CN111652113B (zh) | 2023-07-25 |
US11688177B2 (en) | 2023-06-27 |
KR20210040312A (ko) | 2021-04-13 |
JP2021121970A (ja) | 2021-08-26 |
EP3836017B1 (en) | 2024-01-03 |
EP3836017A3 (en) | 2021-10-13 |
US20210374439A1 (en) | 2021-12-02 |
EP3836017A2 (en) | 2021-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7228623B2 (ja) | 障害物検出方法、装置、設備、記憶媒体、及びプログラム | |
JP6745328B2 (ja) | 点群データを復旧するための方法及び装置 | |
JP7258066B2 (ja) | 測位方法、測位装置及び電子機器 | |
US20220270289A1 (en) | Method and apparatus for detecting vehicle pose | |
US20210304438A1 (en) | Object pose obtaining method, and electronic device | |
KR102498439B1 (ko) | 차량용 카메라의 외부 파라미터 캘리브레이션 방법, 장치, 시스템 및 저장매체 | |
JP7242738B2 (ja) | 点群を更新するための方法、点群を更新するための装置、電子機器、非一時的コンピュータ可読記憶媒体及びコンピュータプログラム | |
US20220083787A1 (en) | Obstacle three-dimensional position acquisition method and apparatus for roadside computing device | |
EP3904829B1 (en) | Method and apparatus for generating information, device, medium and computer program product | |
CN111739005A (zh) | 图像检测方法、装置、电子设备及存储介质 | |
JP7351892B2 (ja) | 障害物検出方法、電子機器、路側機器、及びクラウド制御プラットフォーム | |
EP3958219A2 (en) | Method and apparatus for generating a license plate defacement classification model, license plate defacement classification method and apparatus, electronic device, storage medium, and computer program product | |
KR102418795B1 (ko) | 3차원 모델링 방법 및 장치 | |
EP3901908A1 (en) | Method and apparatus for tracking target, device, medium and computer program product | |
CN111260722B (zh) | 车辆定位方法、设备及存储介质 | |
CN112085842B (zh) | 深度值确定方法及装置、电子设备和存储介质 | |
US20220404460A1 (en) | Sensor calibration method and apparatus, electronic device, and storage medium | |
US11714534B2 (en) | Map displaying method, electronic device, storage medium and terminal device | |
CN117611770A (zh) | 虚拟对象移动方法、装置、设备及介质 | |
CN117746388A (zh) | 点云标注方法、装置、电子设备和存储介质 | |
CN115578432A (zh) | 图像处理方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210524 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20211101 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220704 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220906 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220920 |
|
RD03 | Notification of appointment of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7423 Effective date: 20220921 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220927 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221220 |
|
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: 20230124 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230213 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7228623 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |