JP7252285B2 - 点群データセット内において物体を分類する方法およびシステム - Google Patents

点群データセット内において物体を分類する方法およびシステム Download PDF

Info

Publication number
JP7252285B2
JP7252285B2 JP2021126516A JP2021126516A JP7252285B2 JP 7252285 B2 JP7252285 B2 JP 7252285B2 JP 2021126516 A JP2021126516 A JP 2021126516A JP 2021126516 A JP2021126516 A JP 2021126516A JP 7252285 B2 JP7252285 B2 JP 7252285B2
Authority
JP
Japan
Prior art keywords
point cloud
point
lidar system
class
classification
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
JP2021126516A
Other languages
English (en)
Other versions
JP2021181998A (ja
Inventor
シー． クラウチ，ステファン
アール． レイベル，ランディ
カイラー，ブラント
Original Assignee
ブラックモア センサーズ アンド アナリティクス エルエルシー
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 ブラックモア センサーズ アンド アナリティクス エルエルシー filed Critical ブラックモア センサーズ アンド アナリティクス エルエルシー
Publication of JP2021181998A publication Critical patent/JP2021181998A/ja
Application granted granted Critical
Publication of JP7252285B2 publication Critical patent/JP7252285B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • 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
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/08—Systems determining position data of a target for measuring distance only
    • G01S17/10—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves
    • G01S17/26—Systems determining position data of a target for measuring distance only using transmission of interrupted, pulse-modulated waves wherein the transmitted pulses use a frequency-modulated or phase-modulated carrier wave, e.g. for pulse compression of received signals
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4814—Constructional features, e.g. arrangements of optical elements of transmitters alone
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/481—Constructional features, e.g. arrangements of optical elements
    • G01S7/4816—Constructional features, e.g. arrangements of optical elements of receivers alone
    • 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
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G06F18/24147—Distances to closest patterns, e.g. nearest neighbour classification
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/243—Classification techniques relating to the number of classes
    • G06F18/2431—Multiple classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/751—Comparing pixel values or logical combinations thereof, or feature values having positional relevance, e.g. template matching
    • G06V10/7515—Shifting the patterns to accommodate for positional errors
    • 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
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/761—Proximity, similarity or dissimilarity measures
    • 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
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • 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
    • 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

Description

関連出願の相互参照
本出願は、２０１６年１１月２９日に出願された仮出願第６２／４２７，５７３号の利
益を請求するものであり、この仮出願の内容は、米国特許法第１１９条（ｅ）の定めによ
り、参照により、本出願にて十分に説明されたかのように本出願に組み込まれる。
政府の関心についての記述
本発明は、海軍省より発注された契約Ｎ０００１４－１６－Ｃ－１０２６の下で、政府
の支持を得て為されたものである。政府は本発明にて特定の権利を有する。
ニーモニックによりしばしば参照される距離の光学検出、すなわちＬＩＤＡＲ（光検出
測距）は、衝突を回避するために、高度測量から画像化までの様々な用途に使用される。
ＬＩＤＡＲは、電波検出および測距（ＲＡＤＡＲ）のような従来のマイクロ波測距システ
ムと比べ、より微細なスケールの距離分解能を提供する。距離の光検出は、ターゲットま
での光パルスのラウンドトリップ移動時間に基づく直接測距、送信されたチャープ光学信
号とターゲットから散乱されて戻ってきた信号との間の周波数差に基づくチャープ検出、
そして自然信号と区別可能な一連の単一周波数位相変化に基づく位相符号化検出を含む数
種類の技術を用いて達成できる。
米国特許第７，７４２，１５２号
直接長距離ＬＩＤＡＲシステムでは、許容可能な距離精度と検出感度を達成するために
、パルス繰り返し数が少なく、パルスピークパワーがきわめて高い短パルスレーザを用い
る。高いパルスパワーは光学部品の急速な劣化を招く恐れがある。チャープＬＩＤＡＲシ
ステムは、ピーク光パワーが比較的低い、長い光パルスを用いる。この構成では、距離精
度はパルス持続時間よりもむしろチャープ帯域幅に依存するため、やはり優れた距離精度
が得られる。
光キャリアを変調するために、広帯域無線周波数（ＲＦ）電気信号を用いて、有用な光
チャープ帯域幅が達成されている。最近のチャープＬＩＤＡＲにおける進歩には、同じ変
調された光キャリアを、光学検出器で戻り信号と組み合わされる参照信号として用いるこ
とで、得られた電気信号内に、参照信号と戻り光学信号の間の周波数差に比例する比較的
低いビート周波数を生成するものがある。このタイプの、検出器における周波数差のビー
ト周波数検出は、ヘテロダイン検出と呼ばれる。これには、既成で安価に利用できるＲＦ
部品を用いる利点といった、技術上知られたいくつかの利点がある。特許文献１に記載さ
れた最近の研究は、送信された光学信号から分岐した光学信号を参照光学信号として用い
る、新規でより単純な光学部品構成を示している。特許文献１ではこの構成をホモダイン
検出と呼んでいる。
光キャリア上に変調された、位相符号化したマイクロ波信号を用いるＬＩＤＡＲ検出も
使用されてきた。この技術は、戻り信号内の特定周波数の一連の位相（または位相変化）
を、送信信号内の特定周波数の一連の位相（または位相変化）と相関させることに依存す
る。相関中のピークに伴う時間遅延は、媒体内での光速度による距離に関連する。この技
術の利点は、必要な部品が少なくて済むことと、位相符号化したマイクロ波および光通信
のために開発された大量生産型のハードウェア部品を使用することを含む。
これらのＬＩＤＡＲシステムによって返送されたデータは、多くの場合、点群として表
される。点群とは、何らかの座標系における１組のデータ点である。３次元座標系におい
て、これらの点は通常、Ｘ座標、Ｙ座標、Ｚ座標で定義され、また、多くの場合、物体の
外面を表すことを目的とする。３Ｄ点群は、数あるスキャナタイプの中でもとりわけ、チ
ャープＬＩＤＡＲおよび位相符号化ＬＩＤＡＲを含むＬＩＤＡＲシステムのような３Ｄス
キャナで生成できる。
現在の発明者は、特に物体が遠距離に位置する場合に、３Ｄ点群で表された物体の自動
分類をリアルタイムで行うことが困難であるという状況および用途を認識した。物体の自
動分類といった技術が提供されている。
様々な実施形態の最初のいくつかにおいて、プロセッサ上で実施される方法は、物体の
外面を表す３Ｄ点群を入手するステップを含む。本方法は、並進不変および回転不変座標
系を定義するために、３Ｄ点群上の或る点にて面法線を抽出し、また、３Ｄ点群内の１つ
以上の点を定義するために、座標系内の１つ以上の特徴変数の値を抽出するステップをさ
らに含む。本方法は、１つ以上の特徴変数の値に基づき、３Ｄ点群内の１つ以上の点につ
いて第１分類統計を算定し、また、１つ以上の特徴変数の値に基づき、３Ｄ点群内の１つ
以上の点について第２分類統計を算定するステップをさらに含む。本方法は、第１分類統
計と、第１分類子のＮ個のクラスセットに対応した、Ｎ個の第１分類統計のセット内の１
番目との間の最も近い一致を特定するステップであって、それによって、物体が第１クラ
スに属すると推定する、ステップをさらに含む。本方法は、第２分類統計と、第２分類子
のＮ個のクラスセットに対応した、第２分類統計のセット内の２番目との間の最も近い一
致を特定するステップであって、それによって、物体が第２クラスに属すると推定する、
ステップをさらに含む。第１クラスが第２クラスに対応しない場合には、３Ｄ点群と、第
３分類子の第１クラスおよび第２クラスのみのモデル点群との間の最も近いフィットに基
づいて、３Ｄ点群内の１つ以上の点について第３分類統計を算定する。物体は、３Ｄ点群
の受信からほぼリアルタイムで、第３分類子の最も近いフィットに基づき、第１クラスま
たは第２クラスに指定される。本方法は、物体が指定された１つのクラスに基づいて、デ
バイスを操作するステップをさらに含む。
第１実施形態セットのいくつかにおいて、第１分類統計はスピン像であり、第２分類統
計は共分散行列であり、第３分類統計は反復最近接点（ＩＣＰ）である。
第２実施形態セットにおいて、装置は、光学信号を提供するように構成されたレーザ源
を含む。装置は、信号を受信し、送信信号と参照信号を生成するスプリッタを含む。装置
はまた、送信信号を装置外へ送り、送信信号で照射された任意の物体から後方散乱された
あらゆる戻り信号を受信するように構成された光結合器を含む。装置はまた、参照信号お
よび戻り信号を受信するように配置された光検出器を含む。これに加えて、装置はまた、
光検出器からの電気信号を受信するステップを実行するように構成されたプロセッサをさ
らに含む。プロセッサは、上述の方法の１つ以上のステップを実行するようにさらに構成
されている。
他の実施形態では、システムまたは装置またはコンピュータ可読媒体は、上述の方法の
１つ以上のステップを実行するように構成されている。
さらに他の態様、特徴、利点は、単純に、本発明を実施するために考案された最良モー
ドを含む多数の特定の実施形態および実施を例証することで、以降の詳細な説明から容易
に明白となる。他の実施形態ではその他の多様な特徴および利点を可能にし、そのいくつ
かの詳細は全て、本発明の趣旨および範囲から逸脱せずに、様々な明白な態様において改
造することができる。したがって、図面および説明は限定ではなく例証として見なされる
べきである。
一実施形態にかかる、距離の例示的光チャープ測定を例証するグラフのセットである。 一実施形態にかかる、距離を示す、デチャーピング（ｄｅ－ｃｈｉｒｐｉｎｇ）から生じるビート周波数の例示的測定を例証するグラフである。 一実施形態にかかる、高分解能ＬＩＤＡＲシステムの例示的コンポーネントを例証するブロック図である。 一実施形態にかかる、ヘテロダインチャープＬＩＤＡＲシステムの例示的コンポーネントを例証するブロック図である。 一実施形態にかかる、ホモダインチャープＬＩＤＡＲシステムの例示的コンポーネントを例証するブロック図である。 一実施形態にかかる、物体の３Ｄ点群の一例を例証する。 一実施形態にかかる、点セットのｋ－ｄツリー構成の一例を例証するグラフである。 一実施形態にかかる、図５Ａのｋ－ｄツリー構成に基づくｋ－ｄツリーの一例を例証する。 一実施形態にかかる、物体の３Ｄ点群の一例を例証する。 一実施形態にかかる、図６Ａの３Ｄ点群のセグメントを例証する。 一実施形態にかかる、回転不変および並進不変座標系内の３Ｄ点群の点を定義するために特徴変数の一例を例証するブロック図である。 一実施形態にかかる、図６Ｃの特徴変数にかけての３Ｄ点群の点の数のヒストグラムの一例を例証するスピン画像である。 一実施形態にかかる、それぞれの複数のクラスに関連付けられる複数のクラスタとクラスタセンターの一例を例証するグラフである。 一実施形態にかかる、３Ｄ点群によって定義された物体を分類するための例示的な方法を例証するフローチャートである。 一実施形態にかかる、図２のシステムの実験セットアップの平面斜視図の一例を例証する写真である。 一実施形態にかかる、図８Ａで描かれる実験セットアップで使用される物体の一例を例証するブロック図である。 一実施形態にかかる、物体のセットの点群のセットである。 一実施形態にかかる、図９Ａの点群のセットを得るために用いられる物体のセットの一例を例証するブロック図である。 一実施形態にかかる、図４における物体の３Ｄ点群に基づく物体の閉塞モデルの一例を例証するブロック図である。 一実施形態にかかる、物体の２Ｄ点群の一例を例証するブロック図である。 一実施形態にかかる、図１０Ｂの２Ｄ点群と図１０Ａの各閉塞モデルとの間のベストフィットの一例を例証するブロック図である。 一実施形態にかかる、図１０Ｂの２Ｄ点群と図１０Ａの各閉塞モデルとの間のベストフィットの一例を例証するブロック図である。 一実施形態にかかる、図１０Ｂの２Ｄ点群と図１０Ａの各閉塞モデルとの間のベストフィットの一例を例証するブロック図である。 本発明の実施形態が実施され得るコンピュータシステムを例証するブロック図である。 本発明の実施形態が実施され得るチップセットを例証する。
３Ｄ点群内の物体を分類するための方法、装置、システム、およびコンピュータ可読媒
体について説明する。以降の記述では、説明の目的から、本発明を完全に理解できるよう
に多くの具体的な詳細について述べている。しかし、本発明はこのような具体的な詳細が
なくても実施できることが当業者には明らかとなるだろう。別の例では、よく知られてい
る構造および装置を、本発明を不要に不明瞭にすることを避けるためにブロック図形式で
示している。
本発明の広範囲で示す数値的範囲およびパラメータは近似値であるが、非限定的な具体
例に記載の数値は可能な限り正確に報告する。しかし、いかなる数値も、これを書いてい
る時点においてそれぞれの試験測定値でみられる標準偏差から必然的に生じる特定の誤差
を固有に含んでいる。さらに、文脈から明らかでない限り、ここで提示する数値は最下位
桁で示す言外の精度を有するものである。したがって、値１．１は１．０５～１．１５を
意味する。用語「約、およそ（ａｂｏｕｔ）」は、所与の値を中心としたより広い範囲を
示すために用いられ、また、例えば「約１．１」が１．０～１．２を意味するというよう
に、文脈から明白でない限りは、最下位桁周辺のより広い範囲を意味する。最下位桁がわ
からない場合には、用語「約、およそ（ａｂｏｕｔ）」は２の倍数を意味し、例えば、「
約Ｘ」とは０．５Ｘ～２Ｘの範囲内における或る値を意味し、また例えば、約１００は５
０～２００の範囲内の或る値を意味する。さらに、本明細書中で開示される全ての範囲は
、これに包含されるあらゆるおよび全てのサブレンジを含むと理解されるべきである。例
えば、「１０未満」の範囲は、最小値０および最大値１０とこれらの間のあらゆるおよび
全てのサブレンジを含むことができ、つまり、０と等しいまたはそれ以上の最小値と１０
と等しいまたはそれ未満の最大値とを有するあらゆるおよび全てのサブレンジ、例えば、
１～４を含むことができる。
以降で、本発明のいくつかの実施形態を、リニア周波数で変調した光学信号を用いるＬ
ＩＤＡＲシステムによって生成された３Ｄ点群内の物体分類の文脈にて記載する。しかし
、このような３Ｄ点群は、リニアチャープを特徴とするＬＩＤＡＲシステムで生成する必
要はなく、その代わりに、送信信号を振幅、周波数、位相、あるいはこれらの何らかの組
み合わせにおいて変調するＬＩＤＡＲシステムで生成することもできる。実施形態は、単
一光ビームと、単一の検出器または一対の検出器への戻りビームとを含むシステムによっ
て生成された３Ｄ点群内の物体の分類の文脈にて記述される。この戻りビームは、その後
、リニアステッピング式または回転式の光学構成部品、あるいは送信機アレイ、検出器、
または一対の検出器といった任意の周知の走査手段を用いて走査されることができる。別
の実施形態は、具体的なシステムで生成されたものではなく、しかしその代わりに、例証
された実施形態と異なるシステムで生成された３Ｄ点群内で、物体を分類することに関す
る。さらに別の実施形態では、３Ｄ点群は、あらゆるタイプの３Ｄ走査ＬＩＤＡＲシステ
ム（例えば、Ｖｅｌｏｄｙｎｅ（登録商標）、Ｒｉｅｇｌ（登録商標）、Ｌｅｉｃａ（登
録商標）、Ｆａｒｏ（登録商標））、または、深度画像化のためにＬＩＤＡＲやガイガー
モードアバランシェフォトダイオード（ＡＰＤ）アレイを採用しているようなあらゆる「
フラッシュ」ＬＩＤＡＲシステムを含むその他のセンサで生成できる。これらのシステム
は、本明細書で開示の実施形態に使用する３Ｄ点群の生成に適うデータを収集するのに十
分なダウンレンジおよびクロスレンジ解像度を持つ。
１．チャープ検出の概要
図１Ａは、一実施形態による例示の光チャープ測距を示すグラフ１１０、１２０、１３
０、１４０のセットである。横軸１１２は４つ全てのグラフについて同様であり、時間を
任意単位、つまりミリ秒オーダー（ｍｓ、１ｍｓ＝１０－３秒）で示す。グラフ１１０は
、送信光学信号として用いられる光のビームパワーを示す。グラフ１１０の縦軸１１４は
、送信信号のパワーを任意単位で示す。トレース線１１６は、電源が、時間０にて開始し
、限定されたパルス持続時間τにわたってオンであることを示す。グラフ１２０は、送信
信号の周波数を示す。縦軸１２４は、送信された周波数を任意単位で示す。トレース線１
２６は、持続時間τにかけてのｆ１からｆ２へのパルス増加の周波数を示し、したがって
、帯域幅Ｂ＝ｆ１－ｆ２を有する。周波数変化率は（ｆ２－ｆ１）／τである。
戻り信号を、グラフ１２０と同様、時間を示す横軸１１２と周波数を示す縦軸１２４と
を有するグラフ１３０に示す。グラフ１２０のチャープ１２６は、グラフ１３０では点線
としてもプロットされている。第１の戻り信号はトレース線１３６ａで付与されているが
、この第１の戻り信号は送信された参照信号と同じであり、但し、強度が減少し（図示せ
ず）、Δｔで遅延している。戻り信号が、距離２Ｒ（Ｒはターゲットまでの距離）をカバ
ーした後に、外部物体から戻って受信されたときに、遅延時間Δｔにて開始する戻り信号
に２Ｒ／ｃが付与され、ここで、ｃは物体内での光速度である（ほぼ毎秒３×１０８メー
トル、ｍ／秒）。この時間にわたり、周波数は距離に依存する量だけ変化するが（ｆＲと
呼ばれる）、このｆＲは周波数変化率に遅延時間を乗算して得られる。これは式１ａによ
り得られる。

ｆＲ＝（ｆ２－ｆ１）／τ＊２Ｒ／ｃ＝２ＢＲ／ｃτ （１ａ）

ｆＲの値は、デチャーピングと呼ばれる時間領域混合操作における送信信号１２６と戻り
信号１３６ａの間の周波数差によって測定される。したがって、距離Ｒは式１ｂにより得
られる。

Ｒ＝ｆＲｃτ／２Ｂ （１ｂ）

当然ながら、パルスが完全に送信された後に戻り信号が到着した場合、つまり、２Ｒ／ｃ
がτよりも大きい場合には、式１ａおよび１ｂは無効である。この場合には、戻り信号が
参照信号と重なるように、参照信号が既知量または固定量だけ遅延される。参照信号の固
定または既知の遅延時間に光速度ｃを乗算すると、式１ｂで計算した距離に追加されるさ
らなる距離が得られる。媒体内での光速度が不確定であるので、絶対距離に間違いが生じ
る可能性はあるものの、これはほぼ一定の誤差であり、周波数差に基づく相対距離は依然
として非常に正確である。
いくつかの状況において、送信された光ビームで照射されたスポットが、別々の距離に
おける２つ以上の異なる散乱体とぶつかるが、この散乱体は、例えば、半透明物体の正面
と裏面、ＬＩＤＡＲから異なる距離にある１つの物体の近い部分と遠い部分、または、照
射されたスポット内の２つの別個の物体である。このような状況では、グラフ１３０にト
レース線１３６ｂで示すように、第２の減少強度および別様に遅延した信号も受信される
。これにより測定値ｆＲが違ってくるため、式１Ｂを用いて得られる距離も異なる。いく
つかの状況において、戻り信号が複数受信される。いくつかの状況では、送信されたビー
ムは1つの物体の複数の部分にぶつかり、また、物体のこの複数部分から受信された複数
の戻り信号を用いて、物体の複数部分の各々までのそれぞれの距離が特定される。これら
の状況において、物体の複数部分の各々までのそれぞれの距離を用いて、物体の点群が生
成される。本発明のいくつかの実施形態は、生成された点群により物体を分類するために
提供される。
グラフ１４０は、第1戻り信号１３６ａと参照チャープ１２６との間の差周波数ｆＲを
示す。横軸１１２は、図１Ａ中に並べられている他の全てのグラフと同様に時間を示し、
縦軸１３４は大きく拡張させた規模の周波数差を示す。トレース線１４６は、送信された
チャープ中に測定された一定周波数ｆＲを描いており、これは式１ｂで得た特定の距離を
示す。第２戻り信号１３６ｂ（ある場合）は、デチャーピング中の第１戻り信号とは異な
る、より大きなｆＲの値（図示せず）を生じさせ；その結果、式１ｂを用いてより長い距
離が得られる。
一般的なデチャーピング方法は、参照光学信号と戻り光学信号の両方を同一の光検出器
に送るというものである。検出器の電気出力は、検出器上に集中する2つの信号の周波数
および位相における差と等しいまたはこれに依存するビート周波数によってほぼ占めてい
る。この電気出力信号をフーリエ変換すると、ビート周波数にてピークが生じる。このビ
ート周波数は、テラヘルツ（ＴＨｚ、１ＴＨｚ＝１０１２ヘルツ）の光周波数範囲内より
も、むしろメガヘルツ（ＭＨｚ、１ＭＨｚ＝１０６ヘルツ＝毎秒１０６サイクル）の無線
周波数（ＲＦ）範囲内にある。このような信号は、マイクロプロセッサ上で実行中の高速
フーリエ変換（ＦＦＴ）アルゴリズム、専用ＦＦＴ、またはその他のデジタル信号処理（
ＤＳＰ）集積回路のような、一般的で安価なＲＦ構成部品で容易に処理される。他の実施
形態では、戻り信号は、局部発振器として作用する連続波（ＣＷ）トーン（局部発振器と
して作用するチャープに対抗する）と混合される。これにより、自己がチャープである信
号が検出される（または何らかの波形が送信される）。この場合には、Ｋａｃｈｅｌｍｙ
ｅｒ（１９９０）に記載されているように、検出された信号がデジタル領域内で整合フィ
ルタにかけられる。欠点は、デジタイザ帯域幅の必要条件が概して高いことである。これ
以外では、コヒーレント検出のプラス面は保持される。
図１Ｂは、一実施形態による、デチャーピングで生じたビート周波数（距離を表す）の
例示的な測定を示すグラフである。横軸１５２は周波数をメガヘルツで示し、縦軸は、送
信されたパワー密度ＩＴに対する戻り信号のパワー密度ＩＲをデシベル（ｄＢ、ｄＢで示
すパワー＝２０ｌｏｇ（ＩＲ／ＩＴ））を示す。トレース線１５６は、光検出器からの電
気信号出力のＦＦＴ回路などによるフーリエ変換であり、Ａｄａｎｙらにより公開された
データ（２００９）に基づく。このピークの水平位置から、式１ｂを用いてｆＲ（距離を
示す）が得られる。加えて、ピークのこれ以外の特徴も、戻り信号を表すために用いるこ
とができる。例えば、ピークにおけるパワー値は、トレース線１５６の最大値で特徴付け
られるか、あるいは、より一般的には、ピーク値（図１Ｂでは約－３１ｄＢ）とピークの
肩にあるノイズフロア（図１Ｂでは約－５０ｄＢ）との間の差１５７（図１Ｂでは約１９
ｄＢ）で特徴付けられ；ピークの幅は最大半減（ＦＷＨＭ）における周波数幅１５８（図
１Ｂでは約０．０８ＭＨｚ）で特徴付けられる。識別可能な戻りが複数ある場合には、光
検出器の電気出力のＦＦＴにおいて、恐らくは複数の異なるパワーレベルおよび幅を持っ
た複数のピークがある。任意の方法を用いて、トレース線のピークを自動的に識別し、こ
れらのピークを位置、高さ、幅毎に特徴付けることができる。例えば、いくつかの実施形
態では、ＭＡＴＨＷＯＲＫＳ（登録商標）（マサチューセッツ州ネイティック）が提供し
ている、ＭＡＴＬＡＢ（登録商標）にて利用できるＭＡＴＬＡＢ（Ｓｉｇｎａｌ Ｐｒｏ
ｃｅｓｓｉｎｇＴｏｏｌｂｏｘ）のＦＦＴＷ機能またはピーク検出機能を使用する。ある
いは、ＮＶＩＤＩＡ（登録商標）（カリフォルニア州、サンタクララ）より入手できるＣ
ＵＤＡ（登録商標）のＦＦＴＷ、およびＣＵＤＡ（登録商標）のカスタムピーク検出を利
用したカスタムインプリメンテーションを使用することも可能である。カスタムインプリ
メンテーションはフィールドプログラマブルゲートアレイ（ＦＰＧＡ）上でプログラムさ
れている。一般に使用されるアルゴリズムは、ピーク位置をより精密に特定するために、
レンジプロフィールに閾値を設けることで、重心アルゴリズム、ピークフィッティングア
ルゴリズム（３点ガウシアンフィット）、または、何らかの関数（例えば、ガウス）につ
いてのピークのノンリニアフィットを実行するというものである。移動する物体はドップ
ラー周波数シフトをもたらし、これにより、算定した距離にオフセットが生じることがあ
る。そのため、いくつかの実施形態では、ドップラー補正を用いる。あらゆる周知のドッ
プラー補正方法およびハードウェアを利用できる。
ｔｉの休止時間後に、別のパルスを用い、別の角度で、または移動中のＬＩＤＡＲシス
テムの変位位置で、新たな独立した測定を行うことで、式１／（τ＋ｔｉ）によりパルス
繰り返し数（ＰＲ）が得られる。フレームは距離の２次元画像であり、この２次元画像に
おいて、画像の各画素は、送信されたビームが捉えた物体の別部分までの距離を示す。１
０００個の水平・垂直角×１０００個の垂直角の各々における送信信号で組み立てられた
フレームの場合、このフレームは１０６個の画素を含み、フレームレート（ＦＲ）はパル
ス繰り返し数の１０－６であり、例えば、１０－６／（τ＋ｔｉ）となる。
２．距離検出ハードウェアの概要
距離検出アプローチがどのように実施されるかを示すために、数例の汎用および専用ハ
ードウェアアプローチについて記述する。図２は、一実施形態による高解像ＬＩＤＡＲシ
ステムの例示的な構成要素を示すブロック図である。帯域幅Ｂと持続時間τを有するパル
スを生成するために、変調器２１４内で振幅、周波数位相、もしくはこれらの組み合わせ
を変調した搬送波２０１が、レーザ源２１２によって放射される。スプリッタ２１６が、
チャープを、ビーム２０３の大部分のエネルギーを持つ送信ビーム２０５と、量は遥かに
少ないが、ターゲット（図示せず）から散乱されて戻り光２９１とのヘテロダイン干渉ま
たはホモダイン干渉を生じさせるのに十分なエネルギーを持つ参照ビーム２０７とに分割
する。いくつかの実施形態では、送信ビームを複数の角度で走査し、その経路内に存在す
るあらゆる物体をプロファイリングする。参照ビームは、散乱光と共に検出器アレイ２３
０に到達するように、参照経路２２０内で十分遅延される。いくつかの実施形態では、ス
プリッタ２１６は変調器２１４の上流にあり、参照ビーム２０７は変調されていない。様
々な実施形態では、柔軟性の低いアプローチからより柔軟なアプローチを用いており、以
下の方策によって参照ビームが散乱場または反射場と共に到達させられる：１）シーン内
に鏡を設置して、送信ビームの一部を検出器アレイへ反射させて戻すことで、経路長が十
分に一致するようにする；２）遅延ファイバを用いて、経路長をより一致させ、また、経
路長を調整して、または調整せずに、特定の距離について観察または予測された位相差を
補正して、図２で示すように、検出器アレイ付近の光学系で参照ビームを一斉に送信する
；または、３）周波数シフトデバイス（音響光学変調器）、または局部発振器波形変調の
時間遅延を用いて、経路長の不一致を補正するために個別の変調を生成する；もしくはこ
れらの組み合わせ。いくつかの実施形態では、ターゲットが十分近く、パルス持続時間が
十分長いため、戻り信号が参照信号と遅延なく十分にオーバーラップすることができる。
様々な実施形態では、各走査ビームについて、ターゲットの複数部分が各々の戻り光２９
１信号を反射させて反射アレイ２３０に戻すことで、複数のビームと複数の戻り光で照射
されたターゲットの複数部分の複数の距離の各々に基づいた点群が得られる。
検出器アレイは単一検出器であり、もしくは検出器アレイは、ターゲットからの戻り光
２９１に対しておおよそ垂直な面に配設された検出器の１Ｄまたは２Ｄアレイである。イ
ンターフェースパターンの位相もしくは振幅、またはこれらの何らかの組み合わせは、取
得システム２４０により、各検出器について、パルス持続時間τ中に複数回、記録される
。パルス持続時間毎の一時サンプルの数はダウンレンジの広がりに影響する。多くの場合
、この数は、パルス繰り返し数および利用可能なカメラフレームレートに基づき、現実的
に考慮して選択される。フレームレートはサンプリング帯域幅であり、多くの場合、「デ
ジタイザ周波数」と呼ばれる。基本的に、１パルス中に、Ｙレンジ幅の解像ビンで、Ｘ個
の検出器アレイフレームが収集された場合、Ｘ＊Ｙレンジの広がりが観察できる。取得し
たデータは、図１１を参照して以下で述べるコンピュータシステムや、図１２を参照して
以下で述べるチップセットといった、処理システム２５０において利用できるようにされ
る。いくつかの実施形態において、取得したデータは、ターゲットの複数部分の各々の複
数距離に基づいた点群である。物体分類統計モジュール２７０は、図７の方法７００に従
い、ビーム２０５で照射された物体を、取得した点群に基づいて分類する。あらゆる周知
の装置またはシステムを用いて、レーザ源２１２、変調器２１４、ビームスプリッタ２１
６、参照経路２２０、検出器アレイ２３０、取得システム２４０を実施できる。ターゲッ
トを走査、フラッド、焦点する、または瞳面を超えて焦点するための光結合については記
述していない。本明細書で用いている光結合器は、1つの構成部品から別の構成部品へ光
を送るために、空間座標内の光の伝播に影響を与える任意の構成要素であり、例えば、と
りわけ、真空、空気、ガラス、水晶、鏡、レンズ、光サーキュレータ、ビームスプリッタ
、位相板、偏光子、光ファイバであり、単独もしくは組み合わせて使用される。
例えば、いくつかのチャープ実施形態において、使用するレーザは、これを駆動させて
いる電流に変調を適用することで、活発に直線化された。変調を提供する電子光学変調器
を用いた実験も実施された。本システムは、様々な実施形態について以下で詳細に記載し
ているように、所望のダウンレンジ解像に適した、帯域幅Ｂおよび持続期間τのチャープ
を生成するように構成されている。例えば、いくつかの例証された実施形態では、実施し
た実験における比較的低い検出器アレイフレームレート内で作業するべく、約９０ＧＨｚ
の値Ｂと約２００ミリ秒（ｍｓ、１ｍｓ＝１０－３秒）のτを選択した。これらの選択は
、約３０ｃｍの妥当に大きな距離ウインドウを観察するためのものであり、これは物体の
形状ならびに物体の識別にとってしばしば重要である。この技術は、１０ＭＨｚ～５ＴＨ
ｚのチャープ帯域幅に有効である。しかし、３Ｄ画像化の用途では、典型的なレンジは、
チャープ帯域幅約３００ＭＨｚ～約２０ＧＨｚ、チャープ持続期間約２５０ナノ秒（ｎｓ
、ｎｓ＝１０－９秒）～約１ミリ秒（ｍｓ、１ｍｓ＝１０－３秒）、ターゲットまでの距
離約０メートル～約２０ｋｍ、ターゲットにおけるスポットサイズ約３ミリメートル（ｍ
ｍ、１ｍｍ＝１０－３メートル）～約1メートル（ｍ）、ターゲットにおける深度解像約
７．５ｍｍ～約０．５ｍ）である。いくつかの実施形態において、ターゲットは、例えば
４００メートル（ｍ）といった最小距離を有する。これらの条件下で距離ウインドウは数
キロメートルまで拡張させることができ、また、ドップラー解像も（チャープの持続期間
に応じて）非常に高くすることができる点に留意する。図２では、図示の目的から、処理
、機器、データ構造を特定配列された一体ブロックとして示しているが、他の実施形態で
は、1つ以上の処理またはデータ構造、およびその各部が、違った様式で、同じまたは別
々のホスト上に、1つ以上のデータベース内に配列される、あるいは省略される、もしく
は、1つ以上の異なる処理またはデータ構造が同じ又は別々のホスト上に含まれる。例え
ば、スプリッタ２１６と参照経路２２０は０個以上の光結合器を含む。
図３Ａは、一実施形態による、ヘテロダインチャープＬＩＤＡＲシステム３００ａの例
示的な構成要素を示すブロック図である。システム３００ａは米国特許第７，７４２，１
５２号を改造したものであり、電子デチャーピングを用いている。システム３００ａの動
作を図示するために物体３９０が描かれているが、物体３９０はシステム３００ａの一部
ではない。システム３００ａはレーザ３０１、変調器３１０、走査光結合器３２０として
の望遠鏡、平衡受光器３３０、処理回路３４０、帯域幅Ｂおよび持続期間τのＦＭチャー
プを生成する波形生成器３５０、パワースプリッタ３５１、デチャーピング混合器３６０
、音響光学変調器３７０を含む。このシステムでは、ソースレーザ３０１が出力したビー
ムがビームスプリッタ３０２で２部分に分割され；一方の部分が、変調器３１０により、
パワースプリッタ３５１および演算増幅器３５２ａからのＦＭチャープに基づき変調され
て、ビーム３０５が生成され、このビーム３０５が望遠鏡に供給される。
ビームのもう一方の部分であるビーム３０７ａは、コヒーレント検出用の局部発振器（
ＬＯ）を生成するために用いられる。ビーム３０７ｂ中の光周波数をｆｍだけシフトさせ
るように音響光学変調器（ＡＯＭ）３７０を駆動するために、音響スピーカが、ヘテロダ
イン検出のための中間周波数（ＩＦ）として機能する、周波数ｆｍを持つ音響信号を生成
する。光結合器３２２がビーム３０７ｂを平衡受光器３３０のうちの１つに送る。
戻り光学信号３９１も、同様に、光結合器３２２によって平衡受光器のもう一方の部分
へ送られる。平衡フォトダイオード３３０が直接検出要素を拒否する。出力された電気信
号が演算増幅器３４４ａ内で増幅され、ＩＦ信号がバンドパスフィルタ３４１によって選
択され、ベースバンド波形を復元するショットキーダイオード３４２によって検出される
。得られた電気信号は低パスフィルタ３４３と演算増幅器３４４ｂを通って送られる。
デチャーピング混合器３６０が、この検出された信号を、パワースプリッタ３５１およ
び演算増幅器３５２ｂにより出力されたオリジナルのチャープ波形と比較して、ＲＦ参照
波形と検出された波形との間の周波数差に依存するビート周波数を持った電気信号を生成
する。別の演算増幅器３４４ｃとＦＦＴ処理３４５を用いてビーティング周波数を探す。
プロセッサ３４６はデータ解析を行うようにプログラムされている。３００ａのようなコ
ヒーレント検出システムは、パルス移動時間の直接検出と比較して受信機の信号雑音比（
ＳＮＲ）を著しく向上させるが、システムの複雑性が大幅に上がるという代償を伴う。演
算増幅器３４４ａおよびデチャーピング混合器３６０からプロセッサ３４６までの電気部
品は、信号処理要素を構成している。
例証された実施形態によれば、光結合器３２０から発射された光ビームが、有限ビーム
サイズにて1つ以上の物体３９０に衝突することで、1つ以上の物体の照射部分３９２が照
射される。照射された部分からの後方散乱光は望遠鏡を通って戻り、次に、光結合器３２
２によって、平衡受光器３３０の一方のフォトダイオードなどの光検出器へ送られる。い
くつかの実施形態では、光結合器３２０から発射された光ビームは物体の複数部分３９２
と衝突し、物体の複数部分３９２の各々から後方散乱光３９１が戻されることで、物体の
複数部分の各々までのそれぞれの距離が特定される。これらの実施形態において、物体の
複数部分の各々のそれぞれの距離は、1つ以上の物体の点群に点を追加するために用いら
れる。ＬＩＤＡＲシステムの種々の角度または種々の位置にて多くの測定を行った後に、
点群が出現する。プロセッサ３４６は、以降で述べるように、図７の方法７００によりビ
ーム３０５で照射された物体３９０を点群に基づいて分類する、物体分類統計モジュール
３８０を含む。
図３Ｂは、一実施形態による、ホモダインチャープＬＩＤＡＲシステム３００ｂの例示
的な構成要素を示すブロック図である。システム３００ｂは米国特許第７，７４２，１５
２号を改造したものであり、光子デチャーピングを用い、ＲＦ構成要素を簡素化している
。システム３００ｂの動作を例証する目的から物体３９０が描かれているが、物体３９０
はシステム３００ｂの一部ではない。システム３００ｂは、波形生成器３５０、レーザ３
０１、変調器３１０、変調器３１０の下流に位置するスプリッタ３０２、走査光結合器３
２０として用いられる望遠鏡、平衡受光器３３０、および処理回路３６０を含む。
本システムでは、光学信号と局部発振器ＬＯの両方が同じ波形生成器３５０で駆動され
、演算増幅器３５２内で増幅される。変調器３１０により出力されたビームが、ビームス
プリッタ３０２によってビーム部分３０５とビーム部分３０７ｃに分割される。ビームエ
ネルギーの大部分（例えば９０％以上）を持ったビーム部分３０５が光結合器３２０によ
って送信され、物体３９０の照射部分３９２を照射する。いくつかの実施形態において、
ビーム３０５は物体３９０の複数部分３９２を照射する。これらの実施形態では、複数の
戻り信号３０９が物体３９０の複数部分３９２の各々から受光器３３０へ送られ、物体３
９０の複数部分３９２の各々までのそれぞれの距離が特定される。参照信号３０７ｄを生
成するために、ビーム部分３０７ｃは遅延３０８において所望分だけ遅延されている。い
くつかの実施形態では遅延は存在しないため、遅延３０８は省略される。望遠鏡またはそ
の他の光結合器３２０からの参照信号３０７ｄと戻り信号３０９が、光結合器３２２によ
り受光器３３０へ送られる。
デチャーピング処理が平衡フォトダイオード３３０内で完遂されるため、デチャーピン
グ混合とこれに関連したＲＦ処理は省かれる。ＬＯによって担持されたオリジナルのチャ
ープ光波形は、既述のようにフォトダイオードにてその遅延バージョンと共に脈動するた
め、ターゲットの距離（ｄｉｓｔａｎｃｅ）を、演算増幅器３４４から出力された光電流
信号中のＦＦＴ成分３４５内で、周波数分析により直接入手することができる。各々の戻
りにつき、検出されたターゲット距離（ｄｉｓｔａｎｃｅ）、つまり照射部分までの距離
が、1つ以上の物体の点群に１つの点として追加される。いくつかの実施形態において、
ターゲットの各部分は４００メートル（ｍ）といった最小距離を有する。プロセッサ３６
２はデータ解析を行うようにプログラムされている。プロセッサ３６２は、以降で述べる
ように、図７の方法７００に従って、ビーム３０５で照射された物体を点群に基づいて分
類するために、物体分類統計モジュール３８０を含む。演算増幅器３４４からプロセッサ
３６２までの電気構成要素は信号処理構成部品３６０を構成している。コヒーレント検出
ではショット雑音が優勢な雑音であることを考慮すると、ビート周波数におけるＳＮＲは
、直接検出のＳＮＲやシステム３００ａのＳＮＲと比較して減少する。
３．ｋ－ｄツリーの概要
ｋ－ｄツリー（「ｋ次元ツリー」の省略形）は、ｋ次元空間内の点を組織する空間分割
データ構造である。ｋ－ｄツリーは、多次元検索キーが関与する検索（例えば、範囲検索
や最近傍検索）のような数種の用途にとって有用なデータ構造である。ｋ－ｄツリーはバ
イナリ空間分割ツリーの特殊ケースである。図５Ａは、一実施形態による、点セットのた
めのｋ－ｄツリー構成５００の実施例を示すグラフである。図５Ｂは、一実施形態による
、図５Ａのｋ－ｄツリー構成５００に基づいたｋ－ｄツリー５５０の実施例を示す。図５
Ａ～図５Ｂの例示的な実施形態はｋ－ｄツリーを示し、ここで、ｋ＝２（例えば、2次元
ｘ－ｙ空間）である。図５Ａ～図５Ｂのｋ－ｄツリーは点セット｛（２，３），（５，４
），（９，６），（４，７），（８，１），（７，２）｝に基づく。図５Ａのグラフは点
セット内の各点をプロットしたものである。横軸５０２はｘ軸であり、縦軸５０４はｙ軸
である。
ｋ－ｄツリー５５０は、ルートノード５５２とリーフノード５５６を含む複数のノード
５５２、５５４、５５６を持ったバイナリツリーである。各非リーフノード（例えば、ノ
ード５５２、５５４）は、空間を2つの部分（半空間として知られる）に分割する分割超
平面（ｓｐｌｉｔｔｉｎｇ ｈｙｐｅｒｐｌａｎｅ）を絶対的に生成すると考えることが
できる。この超平面の左側にある点はそのノードの左サブツリーで表され、超平面の右側
にある点は右サブツリーで表される。超平面方向を次のように選択する：ツリー内の各ノ
ードをｋ次元のうちの１つに関連付け、超平面をその次元の軸に対して垂直に保つ。図５
Ｂの例示的な実施形態では、ルートノード５５２をｘ次元に関連付け、点５５２ａを、中
央値がｘ次元にある点セットから選択している（例えば、（７，２））。ｘ分割平面５０
６は、ｘ次元内のこの中央値に基づいて（例えば、Ｘ＝７）、ｋ－ｄツリー構成５００内
に生成される。この平面５０６の左側にある点セットの点は左サブツリー５５３で表され
、この平面５０６の右側にある点セットの点は右サブツリー５５５で表されている。
ノード５５４はｙ次元に関連付けられている。点５５４ａは、中央値がｙ次元にあり、
ｘ分割平面５０６の片側（左側）にある点（例えば、左サブツリー５５３内の点）の中か
ら選択されている（例えば（５，４））。ｙ分割面５０８は、ｙ次元内の中央値に基づい
て（例えばｙ＝４）、ｋ－ｄツリー構成５００内に生成されている。このｙ分割面５０８
の片側（下側）にある点は、リーフノード５５６内に点（２，３）で表され、このｙ分割
面５０８のもう片側（上側）にある点は、リーフノード５５６内に点（４，７）で表され
ている。同様に、点５５４ｂは、中央値がｙ次元にある右サブツリー５５５内の点セット
から選択され（例えば、（９，６））、ｙ分割面５１０は、ｙ次元（例えば、ｙ＝６）内
のこの中央値に基づいてｋ－ｄツリー構成内に生成される。このｙ分割面５１０の左側に
ある点はリーフノード５５６内に点（８，１）で表され、この点セットでは、このｙ分割
面５１０の右側には点は存在しない。
いくつかの実施形態において、ｋ－ｄツリー５５０は、所与の入力点に最も近いセット
内の点を見つけることを目的とする最近傍（ＮＮ）検索を実行するために用いることがで
きる。例示的な一実施形態では、入力点５１２は（２，８）である。この検索は、ツリー
プロパティを用いて検索空間の大部分を迅速に排除することにより、効率的に行うことが
できる。いくつかの実施形態では、ｋ－ｄツリーにおける最近傍の検索は、ルートノード
５５２ａから開始し、進行する。検索は、入力点が挿入される場合に行うのと同じ方式で
、ツリー５５０を再帰的に下方へ移動する（すなわち、検索は、点が分割次元内の現行ノ
ードよりも小さいか大きいかに応じて左または右へ進む）。ルートノード５５２ａにて、
入力点（２，８）は、分割次元（例えば、ｘ次元）内のノード５５２ａにおける点（７，
２）よりも小さいため、検索は左サブツリー５５３へ進む。ノード５５４ａにて、入力点
（２，８）は、分割次元（例えば、ｙ次元）内のノード５５４ａにおける点（５，４）よ
りも大きいため、検索は右へ、そしてリーフノード５５６における点（４，７）へと進む
。検索がリーフノード５５６の点に到達すると、検索はそのノード点を「最近傍」として
保存する。この実施例では、検索が（４，７）を入力点（２，８）「最近傍」として保存
する。図５Ａは、入力点５１２と、リーフノード５５６における（４，７）に対応した最
近傍５１４とを示す。ｋ次元データセットにｋ－ｄツリーを生成できるソフトウェアが入
手可能である。例えば、Ａｃｃｏｒｄ‐ｆｒａｍｅｗｏｒｋ．ｎｅｔは、Ｃ＃にてｋ－ｄ
ツリー最近傍検索アルゴリズムを提供するオープンソースソフトウェアプラットフォーム
である。
４．点群の概要
点群は、何らかの座標系におけるデータ点のセットである。３次元座標系において、こ
れらの点は、通常、Ｘ、Ｙ、Ｚ座標で定義され、多くの場合、物体の外面を表すことを意
図する。他の実施形態では、点群内の各点は異なる座標系内に示され、この座標系は、例
えば、何らかの便宜的な原点（例えば、ＬＩＤＡＲスキャナの場所）から距離と方位角と
仰角を用いて各点の位置決定を行う極座標系である。点群は３次元スキャナで作成できる
。これらのデバイスは物体表面上の多数の点を測定し、多くの場合、点群をデータファイ
ルとして出力する。点群は、デバイスが測定した点のセットを表す。図４は、一実施形態
による、カップのような物体の３Ｄ点群４００の実施例を示す。３Ｄスキャナが、例えば
、カップハンドルに対応した部分４０２ａ、およびカップ縁に対応した部分４０２ｂを含
んだ、カップ表面の異なる部分の点を測定する。いくつかの実施形態において、物体の３
Ｄ点群は、上で既に述べた図２、図３Ａ～図３Ｂのシステム２００、３００ａ、３００ｂ
を含む光学ＬＩＤＡＲシステムにより作成される。これらの実施形態では、図２の物体（
図示せず）または図３Ａ～図３Ｂの物体３９０の、物体表面上の多数の点を含む３Ｄ点群
が、算定された物体の複数部分までのそれぞれの距離に基づいて得られる。物体がスキャ
ナの光を受けても不透明で、物体とスキャナが不可動である場合には、物体の１面のみが
観察され、点群は閉塞したとみなされる。物体またはスキャナのいずれかを移動させて（
例えば、物体を回転させる）物体の複数の側部をスキャナに露出させると、物体表面のよ
り完全な３Ｄ表示が得られる。
３Ｄ走査処理の出力として、点群は、製造された部品の３Ｄ ＣＡＤモデルの作成、計
測／品質検査、ならびに、多数の視覚化、アニメ化、レンダリング、マスカスタマイゼー
ション用途を含む多くの目的に使用される。点群は、直接、レンダリングおよび検査する
ことが可能であるが、通常、ほとんどの３Ｄ用途にはそのまま使用することはできないの
で、大抵の場合、一般に「表面再構成」と呼ばれる処理によってポリゴンメッシュモデル
や三角形メッシュモデル、ＮＵＲＢＳ表面モデル、ＣＡＤモデルに変換される。点群を３
Ｄ表面に変換するための多くの技術が存在する。いくつかのアプローチ、例えば「デロー
ネ三角形分割」、「アルファシェイプ」、「ボールピボッティング」は、点群の既存の頂
点上に三角形網を作成するものであり、一方、別のアプローチは、点群をボリュ―メトリ
ック距離場に変換するもの、陰的表面をマーチングキューブアルゴリズムで定義されてい
るように再構成するものである。
点群を直接使用できる１つの用途は、産業用コンピュータ断層撮影法を用いた産業用計
測または検査である。製造された部品の点群をＣＡＤモデル（または、さらに別の点群）
に整列させ、比較によって相違を調べることができる。これらの相違を、製造された部品
とＣＡＤモデルの間の偏差の視覚的インジケータを提供するカラーマップとして表示でき
る。幾何学的次元および公差も点群から直接抽出できる。
５．物体分類統計の概要
物体分類は、まだ未知の物体の点群から、その点群をもたらしている物体が恐らく属す
る物体クラスを特定しようとする。様々な方法は、既知の物体のトレーニングセットを使
用して、そのクラスについて点群の１つ以上の性質の特徴付けを行う。次に、未知の物体
の点群を用いて、これら１つ以上の性質の数値を導出する。この未知の物体の性質の数値
を、或るクラスとの何らかの類似度を用いて、未知の物体の数値と最も類似する数値と一
致させる。以下の実施形態では、物体のクラスを控え目な数の対象クラス（例えば、Ｎ個
の車両および路傍構造の種類、Ｎ個の食器種類、Ｎ個の動物種類、Ｎ個の携帯式武器種類
）に抑えることによって問題を扱い易くする。すると、未知の物体がＮ個のクラスのうち
の１つと妥当に類似するか、または対象外として拒否される。
図６Ａは、一実施形態による、物体の３Ｄ点群６００の実施例を示す。いくつかの実施
形態では、３Ｄ点群は、図２～図３Ｂを参照して上述した光学ＬＩＤＡＲシステムを用い
て得られる。他の実施形態では、３Ｄ点群はこのような光学系以外の３Ｄスキャナにより
得られる。図６Ｂは、一実施形態による、図６Ａの３Ｄ点群６００の、点６０１とおよび
点６０１の周囲の最近傍点６０５を含んだセグメント６０７を示す。
図６Ａに示す面法線６０２は、点群の各点における物体表面に対する垂直を予測したも
のである。点群６００の各点における面法線６０２が予測されている。いくつかの実施形
態では、Ｋｌａｓｉｎｇ（２００９）で開示された処理を用いて、面法線６０２を予測し
ている。いくつかの実施形態では、点６０１における面法線６０２を、まず点６０１周囲
の最近傍点６０５を特定することによって特定している。図６Ｂでは、簡素化の目的で、
いくつかの点６０５に符号付けしている。Ｋｌａｓｉｎｇに記載されているように、最近
傍点６０５の（ｘ，ｙ，ｚ）値を用いて、３×３の共分散行列Ｃを形成している。一実施
形態では、３点６０５のうちの最小値を用いて、３×３の共分散行列Ｃを形成し、３Ｄ平
面を定義している。他の実施形態では、共分散行列Ｃを形成するための点６０５のうちの
この最小値は、以降で定義されるように、システム内のノイズに実際的に対処し、有用な
測定値を入手しつつ、リアルタイムまたはほぼリアルタイムに結果を得るために、約１０
個～２０個の点の範囲内になければならない。次に、行列Ｃの固有値（λ１,λ２,λ３）
、および固有ベクトル（ｅ１，ｅ２，ｅ３）を算定する。これらの固有値は、固有ベクト
ルで示す３つの方向の各々における点６０５の分散の近似を表す。いくつかの実施形態で
は、最小固有値に関連した固有ベクトルを用いて、点６０１における面法線６０２を予測
しているが、これは、この最小固有値に関連した固有ベクトルが点６０５の最小分散の方
向を予測し、他の２つの固有ベクトルがほとんどの分散を有する平面を定義するためであ
る。他の実施形態では、点６０１における物体表面の曲線を、固有値を用い、次式のとお
り推定できる。
Figure 0007252285000001
 各点６０１における面法線６０２は、Ｋｌａｓｉｎｇで開示されたもの以外にもあらゆる
方法を用いて予測できる。
図６Ｃは、一実施形態による、並進不変および回転不変座標系における３Ｄ点群の点６
０５で定義された特徴変数の一例を示すブロック図６５０である。並進不変および回転不
変座標系は、点６０１における面法線６０２によって、また点６０１にて面法線６０２と
直交し、点６０１にて物体表面６５６と接している面６５５によって、定義されている。
いくつかの実施形態において、特徴変数αは、点６０１から点６０５までの面６５５に沿
った距離（ｄｉｓｔａｎｃｅ）６６２で定義される。他の実施形態では、特徴変数βは、
点６０１から点６０５までの面６５５に対して垂直な距離（ｄｉｓｔａｎｃｅ）６６３に
より定義され；または、特徴変数は１対の距離（ｄｉｓｔａｎｃｅ）α、βによって定義
される。さらに他の実施形態では、特徴変数ρは点６０１から点６０５までの直線距離（
ｄｉｓｔａｎｃｅ）６６０であり、αとβを用いて、ピタゴラスの定理により導出される
。さらに他の実施形態では、特徴変数θは、面法線６０２とρの間で測定された角度６５
８である。さらに他の実施形態では、特徴変数は、面法線６０２の特定に用いた方法と類
似の方法で特定された、点６０５における面法線６６５である。さらに他の実施形態では
、Ψは、面法線６６５とβの間で測定された角度６６４である。さらに他の実施形態では
、その他の特徴変数、例えば、６０１と６０５の間の、連続した滑らかな接線角度を持つ
弧の長さが定義される。１つ以上の特徴変数のセットを様々な実施形態において用いるこ
とができる。３Ｄ点群の１つ以上の点の各々は、上記の特徴セット内の１つ以上の特徴変
数に対応した値のセットを有する。
図６Ｄは、一実施形態による、図６Ｃの特徴変数のうち２つの値の範囲にかけての３Ｄ
点群の多数の点６０５のヒストグラムの一例を示すスピン像６８０である。横軸６８２は
特徴変数αの値をセンチメートル（ｃｍ）で示す。縦軸６８４は特徴変数βの値をセンチ
メートル（ｃｍ）で示す。α－β空間は複数のビン６８６に分割される。簡素化の目的か
ら、図６Ｄでは１つのビン６８６を示している。例示的な一実施形態では、ビン６８６は
１センチメートル（ｃｍ）×１センチメートル（ｃｍ）の正方形寸法を有する。このヒス
トグラムは、ビン６８６によって定義されたα－βの範囲内の値を持つ３Ｄ点群の点６０
５の個数に基づき、各ビン６８６に値を指定する。グレースケールを用いて各ビン６８６
の値を示すが、ここで、各ビン６８６の値は低い数値（例えば、白）から高い数値（例え
ば、黒）で表される。
いくつかの実施形態では、図６Ａの点群６００を表した図６Ｂのセグメント６０７のよ
うな３Ｄ点群の１セグメントについてスピン像６８０を入手する。例示的な一実施形態で
は、このセグメントは約０．５メートル（ｍ）の寸法を持つ。これらの実施形態では、点
群６００全体の複数のセグメントに対応した複数のスピン像６８０が得られる。いくつか
の実施形態において、点群６００の各セグメント内の各点を定義するために、特徴変数（
例えば、α、β）の値を得る。他の実施形態では、各セグメント内の１つのみまたは数個
の点群点について特徴変数（例えば、α、β）の値を得る。これらの実施形態において、
スピン像６８０は、各セグメントが点群６００を生成するために用いた物体と同じクラス
に属することを認識できるほどに、複数のセグメントにかけて十分に類似している。Ｊｏ
ｈｎｓｏｎ（１９９７）で開示された方法に基づき、点群６００内の任意の点についてス
ピン像６８０を入手する。
いくつかの実施形態において、各セグメントのスピン像６８０は、ビン６８６の数と等
しい寸法のベクトルで表される。これらの実施形態では、ベクトルは［Ｐ１，Ｐ２，Ｐ３
，Ｐ４．．．ＰＢ］で表され、ここで、Ｐｎはｎ番目のビン６８６内の点６０５の数を表
し、Ｂはビン６８６の総数である。例示的な一実施形態では、スピン像６８０のα－β距
離は４０センチメートル（ｃｍ）×４０センチメートル（ｃｍ）であり、ビン６８６は１
ｃｍ×１ｃｍの寸法を有し、Ｂは１６００であるので、したがって、１６００次元ベクト
ルが得られる。いくつかの実施形態では、スピン像６８０をベクトルで表す前に、離散的
なパラツェン窓アプローチを用いてスピン像６８０のヒストグラムを平滑化する。他の実
施形態では、スピン像６８０で表されたベクトルを正規化し、点密度の変化によって生じ
得る可変性を排除する。
いくつかの実施形態では、スピン像６８０の生成元である物体を、固定数（Ｎ）のクラ
スに基づき、およそリアルタイムまたはほぼリアルタイムで分類する。この記述の目的上
、リアルタイムは、スピン像６８０を生成する３Ｄ点群をキャプチャする３Ｄスキャナ（
例えば、ＬＩＤＡＲ）のフレームレートに基づく。フレームレートの反対は、３Ｄスキャ
ナが３Ｄ点群をキャプチャするタイムキャプチャ期間である。一実施形態では、リアルタ
イムとはタイムキャプチャ期間における或る期間である。例示的な一実施形態では、フレ
ームレートは２．５～１０フレーム／秒の範囲内にあり、これは０．１～０．２５秒（ｓ
ｅｃ）のタイムキャプチャ期間に対応する。このタイプの期間は、戦術的用途および衝突
回避用途において物体を識別するために有利である。ほぼリアルタイムとは、リアルタイ
ムの約１０倍以内であり、例えば、上の例示的なタイムキャプチャ期間の場合には約２．
５秒以内である。
点群データを様々な視点と方位にわたり、各クラスの物体毎に収集した。各クラスの物
体の点群から（α，β）特徴変数の値を抽出した。各点群のクラスメンバーシップがわか
っているので（例えば、箱、トラフィックコーンなど）、特徴変数の値に既知のクラスを
ラベル付けした。Ｙｅ（２００７）にて開示されているとおり、ラベル付けされたスピン
像のセットを標準の線形判別分析（ＬＤＡ）を用いてトレーニングした。
一実施形態では、スピン像６８０ベクトルに次元削減ステップを実行する。一実施形態
では、スピン像６８０ベクトルの次元を、ビン６８６の総数からクラス総数（Ｎ）に基づ
く削減された次元まで削減する。例示的な一実施形態では、スピン像６８０ベクトルの次
元をビン６８６の総数１６００からＮ‐１にまで削減する。いくつかの実施形態では、ラ
ベル付けしたスピン像をＬＤＡでトレーニング中に取得した所定の投影ベクトルセットを
用いて、スピン像６８０ベクトルの次元をビン６８６の総数１６００からＮ‐１まで投影
させる。いくつかの実施形態では、所定の投影ベクトルセットをＮクラスのそれぞれのス
ピン像セットと関連付ける。Ｙｅ（２００７）で開示されているように、この管理可能な
特徴空間内において、ｋ－ｄツリーおよびＮＮ（最近傍）検索を実行して、新たなスピン
像６８０を生成するために用いた３Ｄ点群を有するあらゆる未知の物体にクラスメンバー
シップを指定する。いくつかの実施形態では、未知の物体の点群６００全体の複数のセグ
メント６０７にかけて複数のスピン像６８０が得られた場合には、各スピン像６８０を削
減された次元（例えば、Ｎ‐１）にまで投影し、各セグメントのスピン画像６８０にクラ
スメンバーシップを指定するためにＮＮ検索を実行する。いくつかの実施形態では、削減
された次元空間までのスピン像６８０の投影、およびスピン像６８０にクラスメンバーシ
ップを指定するＮＮ検索を、およそリアルタイムまたはほぼリアルタイムで実行する。例
示的な一実施形態では、点群６００のセグメントのスピン像６８０の相当数（例えば、９
０％）に同一のクラスが指定された場合には、点群６００を生成するために用いた未知の
物体にこれと同じクラスを指定する。他の実施形態では、学習技術を用いることで、３Ｄ
点群を包含している全てのスピン像６８０のうち１つ以上のサブセットを、内分散が低い
各サブクラスとして識別する。他の実施形態では、ＬＤＡに加えて、またはＬＤＡの代わ
りに主成分分析を用いて、スピン像６８０ベクトルに次元削減ステップを実行する。
いくつかの実施形態では、特徴変数の値［α，β，θ，ρ，Ψ］を点群６００内の各点
６０５について特定する。次に、これらの特徴変数を次式によってデータ行列Ｆに組み立
てる：
Figure 0007252285000002
 ここで、Ｆはｎ×Ｍ行列、ｎは特徴変数の個数、Ｍは点群内の点６０５の個数である。こ
の図示の実施形態では、ｎ＝５は特徴変数［α，β，θ，ρ，Ψ］を意味する。しかし、
ｎはいかなる特定数にも限定されず、５未満または５以上であってもよいし、上で述べた
もの以外の種々の特徴変数を含んでもよい。
次に、行列の各行におけるＭ個の点６０５を超える各特徴変数［α，β，θ，ρ，Ψ］
の平均を求める。特徴変数に関連するデータ行列Ｆの各行から各特徴変数（例えば、
Figure 0007252285000003
 の平均を減算することにより、ゼロ平均データ行列
Figure 0007252285000004
 を組み立てる。これにより得られるゼロ平均データ行列
Figure 0007252285000005
 は次式によって提供される：
Figure 0007252285000006
 データ行列Ｆと同様に、ゼロ平均データ行列
Figure 0007252285000007
 はｎ×Ｍ行列でもある。次に、ゼロ平均データ行列
Figure 0007252285000008
 に基づき、共分散行列Ｃを次式の通り組み立てる：
Figure 0007252285000009
 ここで、σｎは、点群セグメント６０７内の点６０５を表す行内のＭ個の要素を超える特
徴変数平均からｎ番目の特徴変数の分散である。共分散行列Ｃの対角線要素は、１つの特
徴変数の共分散（例えば、σ１ ２）を表し、一方、共分散行列Ｃの非対角線要素は２つの
異なる特徴変数の分散（例えば、σ１、σ２）を表す。ｘゼロ平均データ行列
Figure 0007252285000010
 はｎ×Ｍ行列であり、行列
Figure 0007252285000011
 はＭ×ｎ行列であるので、共分散行列Ｃはｎ×ｎ行列である。例証されたこの実施形態に
おいて、上述の５つの特徴変数を用いて共分散行列Ｃを組み立てる場合、共分散行列は５
×５行列である。しかし、共分散行列Ｃはあらゆるサイズのｎ×ｎ行列であってよく、こ
こで、ｎは、分類の目的で用いられる特徴変数の個数に応じて５より小さいまたは５より
大きい。いくつかの実施形態では、共分散行列Ｃは、Ｆｅｈｒ（２０１２）に開示されて
いる方法に基づき、各点の特徴変数を用いて構成される。
いくつかの実施形態では、共分散行列Ｃを組み立てるために用いる点群の生成元である
物体は、固定数（Ｎ）のクラスに基づいて、上で定義したように、およそリアルタイムま
たはほぼリアルタイムで分類される。
トレーニング中に、所定の固定数（Ｎ）のクラスの各々に関連付けられた多数の点群の
それぞれについて多数の共分散行列Ｃを組み立てる。この多数の共分散行列Ｃは、Ｓａｌ
ｅｈｉａｎ（２０１３）に開示されているように、所定の固定数（Ｎ）のクラスに関連付
けられた所定の固定数のクラスタ内に配列されている。各クラスタの中心はクラスタを表
すように選択され、このクラスタ中心に関連付けられた共分散行列Ｃはクラスタに関連付
けられたクラスを表すように選択される。一実施形態において、これは、入力された共分
散行列と比較する共分散行列の数を、最初の多数の共分散行列からクラス数と等しい削減
数にまで減らすことにより、トレーニングデータを圧縮する。図６Ｅは、一実施形態によ
る、複数のクラスタ６７６ａ、６７６ｂ、６７６ｃ、６７６ｄと、これに対応するそれぞ
れのクラスタ中心６７８ａ、６７８ｂ、６７８ｃ、６７８ｄとの実施例を示すグラフ６７
０である。この実施形態では、クラスタ中心６７８ａ、６７８ｂ、６７８ｃ、６７８ｄは
それぞれの物体クラスに各々関連付けられている。簡素化の目的から、図６Ｅは、４つの
クラスに関連付けられた４つのクラスタを２次元空間内に示している。しかし、典型的な
実施形態では、固定数（Ｎ）のクラスは４つのクラスよりも多くてよく（例えば、１０ま
たは１００）、また、クラスタ空間は２次元より大きくてよい。横軸６７２は第１パラメ
ータであり、縦軸６７４は第２パラメータである。図６Ｅの２次元空間はクラスタリング
が発生する空間を表す。
各クラスタ中心６７８ａ、６７８ｂ、６７８ｃ、６７８ｄに関連付けられた共分散行列
Ｃを共分散行列Ｃのテストデータ入力と比較する。いくつかの実施形態では、入力された
共分散行列Ｃと各クラスタ中心行列Ｃとの間の距離を計算する。一実施形態では、Ｓａｌ
ｅｈｉａｎ（２０１３）に開示されているように、イエンセン‐ブレグマンＬｏｇＤｅｔ
ダイバージェンス演算を用いて行列間の測地距離を計算する。図６Ｅは、入力された共分
散行列Ｃに関連したデータ入力６７９を示す。いくつかの実施形態では、ｋ－ｄツリーＮ
Ｎ検索を実行して、クラスタ中心６７８ａ、６７８ｂ、６７８ｃ、６７８ｄのどれがデー
タ入力６７９に近似しているかを特定する。この実施形態では、クラスタ中心６７８ａが
データ入力６７９に最も近似しているため、入力された共分散行列Ｃを生成するために用
いた物体は、クラスタ６７６ａに関連付けられたクラスに基づいて分類される。いくつか
の実施形態において、データ入力６７９と各クラスタ中心との間のＮＮ検索はおよそリア
ルタイムまたはほぼリアルタイムで実行される。
いくつかの実施形態では、共分散行列Ｃは点群の各点について組み立てられる。一実施
形態では、点群を生成するために用いた物体を分類するために、これらの共分散行列Ｃの
サブセットを、クラスタ中心に関連付けられた共分散行列と比較する。別の実施形態では
、これらの共分散行列のサブセットの大部分が１つの物体クラスに関連付けられている場
合、物体にこの物体クラスが指定される。例示的な一実施形態において、点群の１０００
個の点または１０００個のセグメントに１０００の共分散行列が組み立てられている場合
には、共分散行列のサブセット（例えば、５０個）をクラスタ中心に関連付けられた共分
散行列と比較する。この例示の実施形態では、共分散行列のサブセットの大部分（例えば
、３０個）が１つの物体クラスに関連付けられている場合には、物体はこの物体クラスに
従って分類される。
図７は、一実施形態による、３Ｄ点群で画成された物体を分類する例示的方法を示すフ
ローチャートである。図７では例証の目的から特定の順序の統合ステップにてステップを
示しているが、他の実施形態では、１つ以上のステップやその一部を、異なる順序で、ま
たは時間重複して、連続もしくは並行して実行する、あるいは省略する、または、１つ以
上のさらなるステップを追加する、または、本方法をこれらの何らかの組み合わせに変更
する。
ステップ７０１にて、物体の外面を表す３Ｄ点群を得る。いくつかの実施形態では、３
Ｄ点群は、図２のシステム２００、あるいは図３Ａ、図３Ｂのシステム３００ａ、３００
ｂを用いて生成される。他の実施形態では、３Ｄ点群は、当業者が理解するあらゆる３Ｄ
スキャナを用いて生成される。さらに他の実施形態では、３Ｄ点群は、外部システムから
入手される、システムに関連付けられた外部ソースからダウンロードされる、あるいは、
ローカルまたはリモートのストレージデバイスのストレージから取り出される。一実施形
態では、３Ｄ点群は、最小距離（例えば、４００メートル（ｍ））に配置した図２のシス
テム２００、図３Ａ、図３Ｂのシステム３００ａ、３００ｂ内における物体またはターゲ
ットから入手される。
ステップ７０２にて、点群６００の点６０１にて面法線６０２を抽出する。一実施形態
では、近傍点の最小分散の方向を示す最小固定値に関連付けられた固有ベクトルに基づく
Ｋｌａｓｉｎｇ（２００９）の近似を用いて面法線６０２を抽出する。他の実施形態では
、別の方法を用いて面法線６０２を抽出する。一実施形態では、面法線６０２は、点群６
００にわたって各セグメントにつき少なくとも１つの点を抽出する。面法線６０２は、面
法線６０２および面法線６０２と直交する（したがって、物体表面に接する）面６５５に
基づいた並進不変および回転不変座標系を点６０１にて画定する。
ステップ７０４にて、並進不変および回転不変座標系において、点群６００の各セグメ
ント内の少なくとも１つの点６０５について１つ以上の特徴変数の値を抽出する。例示的
な一実施形態では、点群６００の各セグメント６０７内の各点６０５にて特徴変数の値を
抽出する。
ステップ７０５にて、ステップ７０４で抽出した特徴変数に基づいて、点群６００内の
少なくとも１つの点６０５について第１分類統計を計算する。一実施形態では、第１分類
統計は、ステップ７０４にて抽出した１つ以上の特徴（α、β）の値に基づくスピン像６
８０である。一実施形態では、点群６００の各セグメント６０７についてスピン像６８０
を入手するため、点群６００全体の複数のセグメント６０７にかけて複数のスピン像６８
０が得られる。
ステップ７０７にて、ステップ７０４で抽出した特徴変数の値に基づいて、点群６００
の少なくとも１つのセグメント内の各点６０５について第２分類統計を計算する。一実施
形態では、第２分類統計は式５の共分散行列Ｃである。いくつかの実施形態では、点群の
各セグメント内の各点について共分散行列Ｃが組み立てられる。
ステップ７０９にて、ステップ７０５の第１分類統計と、対応するＮ個のクラスのセッ
トについての第１分類統計のセットとの間の最も近い一致を、およそリアルタイムまたは
ほぼリアルタイムで特定する。次に、この最も近い一致を用いて、点群６００の生成元の
物体が第１クラスであると推定する。いくつかの実施形態では、第１分類統計がＮ個のク
ラスのいずれとも一致しない可能性がある。例えば、関心対象の物体が車両や路傍の構造
物である場合に、点群がテーブルセットのような関心対象でない物体を表すこともある。
これらの実施形態では、ステップ７０９にて、点群の生成元の物体がＮ個のクラスのいず
れにも該当しないと推定される。これは負の分類（例えば、物体がＮ個のクラスのいずれ
にも該当しない）ということになるが、しかし、特に関心対象の物体を包含するＮ個のク
ラスが既知である場合などの様々な用途において有利である。いくつかの実施形態では、
物体が「未知」である（例えば、事前定義されたＮ個のクラスのいずれにも該当しない）
かどうかを知り、ユーザが、関連する点群データを、あたかも関心対象であるかのように
、以降の解析およびトレーニングのために格納しておけるようにすることが有利である。
例示的な一実施形態では、点群のトレーニングライブラリを「未知の武器」のようなラベ
ルを用いて更新し、以降のトレーニングで既知のターゲットまたはクラスとなり得るよう
にする。
一実施形態では、ステップ７０９にて、ステップ７０５からのスピン像６８０を、スピ
ン像６８０内のビン６８６の個数と等しいベクトルで表している。これに加え、一実施形
態では、ステップ７０９にて、既知のクラスのセットに関連付けされたラベル付けされた
スピン像のセットを、ＬＤＡを用いてトレーニングする。一実施形態では、ＬＤＡ中に取
得した投影ベクトルを用いて、スピン像６８０に次元削減ステップをおよそリアルタイム
またはほぼリアルタイムで実行し、高次元（例えば、多数のビン６８６）から低次元（例
えばＮ－１）にする。一実施形態では、物体を第１クラスのメンバーシップに指定するた
めに、ｋ－ｄツリーおよびＮＮ検索をおよそリアルタイムまたはほぼリアルタイムで実行
する。一実施形態では、既知のクラスのセットの数（Ｎ）と、これに従った第１分類統計
のセットの数とが最大閾値に制限される。例示的な一実施形態では、Ｎは１０以下である
。別の例示的な実施形態では、Ｎは１００以下である。一実施形態では、スピン像６８０
ベクトルを次元削減し、削減された次元空間内でｋ－ｄツリーＮＮ検索を実行した結果、
ステップ７０９がおよそリアルタイムまたはほぼリアルタイムで実行される。
ステップ７１１にて、ステップ７０７の第２分類統計と、Ｎ個のクラスのセットについ
ての第２分類統計のセットとの間の最も近い一致を、およそリアルタイムまたはほぼリア
ルタイムで特定する。次に、この最も近い一致を用いて、点群６００の生成元の物体が第
２クラスであると推定する。いくつかの実施形態では、第２分類統計がＮ個のクラスのい
ずれとも一致しない可能性がある。例えば、関心対象の物体が車両や路傍の構造物である
場合に、点群がテーブルセットのような関心対象でない物体を表すこともある。これらの
実施形態では、ステップ７１１にて、点群の生成元の物体がＮ個のクラスのいずれにも該
当しないと推定される。これは負の分類（例えば、物体がＮ個のクラスのいずれにも該当
しない）ということになるが、しかし、特に関心対象の物体を包含するＮ個のクラスが既
知である場合などの様々な用途において有利である。
一実施形態では、ステップ７１１にて、データキャプチャ期間の前に、多数の共分散行
列Ｃを組み立て、これを固定数のクラスに関連付けている。この多数の共分散行列Ｃは、
Ｓａｌｅｈｉａｎ（２０１３）に開示されているように固定数（Ｎ）のクラスに基づいて
固定数（Ｎ）のクラスタ内に配列されている。各クラスタの中心は各クラスタを表すよう
に選択され、クラスタ中心に関連付けられた共分散行列は各クラスを表すように選択され
ている。一実施形態では、ステップ７１１にて、テストデータ入力からの共分散行列Ｃと
各クラスに関連付けられた共分散行列との間の距離を、およそリアルタイムまたはほぼリ
アルタイムで算定する。例示的な一実施形態では、ｋ－ｄツリーＮＮ検索を用いて共分散
行列Ｃへの最近傍をおよそリアルタイムまたはほぼリアルタイムで特定する。物体は、最
も近いクラスタ中心に関連した第２クラスに指定される。一実施形態では、既知のクラス
のセットの数（Ｎ）と、これに従ったクラスタ中心の数とが最大閾値に制限される。例示
的な一実施形態では、Ｎは１０以下である。別の例示的な実施形態では、Ｎは１００以下
である。一実施形態では、共分散行列Ｃを固定数のクラスタに削減し、この固定数のクラ
スタに基づいてｋ－ｄツリーＮＮ検索を実行した結果、ステップ７１１がおよそリアルタ
イムまたはほぼリアルタイムで実行される。
ステップ７１３にて、ステップ７０９からの第１クラスをステップ７１１からの第２ク
ラスと比較する。第１クラスが第２クラスと同一である場合は、方法はステップ７１５へ
進み、ここで、物体を第１クラスに指定する。第１クラスが第２クラスと同一でない場合
には、方法はステップ７１７へ進む。他の実施形態では、ステップ７０９で物体がＮ個の
クラスのいずれにも該当しないと推定され、ステップ７１１で物体がＮ個のクラスのいず
れにも該当しないと推定された場合には、方法は物体にＮ個のクラスのいずれも指定しな
い。一実施形態では、方法は、物体がＮ個のクラスのいずれにも該当しない旨をディスプ
レイ上に出力する。別の実施形態では、方法はＮ個のクラスのいずれにも該当しない物体
に基づいてデバイスを操作する。
いくつかの実施形態において、ステップ７０９またはステップ７１１のうち一方が、物
体がＮ個のクラスのいずれにも該当しないと結論し、また、ステップ７０９またはステッ
プ７１１のうちもう一方が、物体がＮ個のクラスの内の１つに該当すると結論した場合に
は、ステップ７１３は、ステップ７０９、ステップ７１１での分類が合致しないと結論し
、これにより、方法はステップ７１７へ進む。しかし、これらの実施形態では、以降で述
べるように、ステップ７１７にて、点群と、物体がＮ個のクラスの内の１つに該当すると
識別したステップ７０９またはステップ７１１のうち一方にて識別された１つのクラスの
ためのモデル点群との間に、最も近いフィットを実行する。
ステップ７１７にて、点群６００と、第１および第２クラスのみのための１つ以上の所
定の閉塞したまたは閉塞していないモデル点群との間の最も近いフィットに基づき、各点
群６００について第３分類統計をおよそリアルタイムまたはほぼリアルタイムで計算する
。他のＮ‐２クラスは考慮しない。一実施形態では、最も近いフィットを第１クラスおよ
び第２クラスのためのモデル点群のみに規制した結果、ステップ７１７がおよそリアルタ
イムまたはほぼリアルタイムで実行される。
これは、最も時間を消費する分類子である（例えば、ほとんどの計算が関与する）この
方法にかかる貴重な時間を節約できるという利点をもたらす。計算回数は、点群内の点の
数×モデルの数、つまり、Ｎ×Ｎ個のクラスの各々を定義するための表面の数に関連する
。一実施形態では、第３分類統計は、Ｂｅｓｌ（１９９２）で開示されている反復最近接
点（ＩＣＰ）分類統計である。ステップ７１７は、点群６００を生成している物体にどの
クラス（例えば、第１クラスまたは第２クラス）がよりフィットするかをおよそリアルタ
イムまたはほぼリアルタイムで特定するために用いられる。いくつかの実施形態では、ス
テップ７１７にて、点群６００と第１および第２クラスのための所定のモデル点群との間
に最も近いフィットのみを実行する。
いくつかの実施形態では、ステップ７１７にて、第１および第２クラスにモデル点群を
得る。一実施形態では、点群の各視点からの観察が不能な部分を閉塞させるモデル点群が
得られる。図１０Ａは、一実施形態による、図４の物体の３Ｄ点群４００に基づく物体の
閉塞モデル１０００の実施例を示すブロック図である。この例示的な実施形態では、カッ
プの取っ手部分の立面図にて閉塞モデル１００２ａが得られた。カップのこれらの部分（
例えば、カップの反対側）は観察できないため、閉塞モデル１００２ａの透視画が省略さ
れている。同様に、閉塞モデル１００２ｂ、１００２ｃは、カップの、直径がより大きく
取っ手がついている頂部付近の縁部分と、直径が小さく取っ手がないカップの底部付近と
の平面図にて得られた。カップのこれらの部分（例えば、カップの背面）はこれらの視点
からは観察できないため、閉塞モデル１００２ｂ、１００２ｃでは省略されている。類似
の方式で、第１および第２クラスの３Ｄ点群を用いて、第１および第２クラスの閉塞モデ
ル点群を得た。いくつかの実施形態では、ランダムに回転させた物体のマスタ点群を用い
て閉塞モデル点群を生成し、次に、これを球座標に変換した。この座標系では、全ての占
有された角度パッチについて、レンジ内の最近接点が選択された。各角度パッチは、生じ
得る閉塞のインスタンスを構成するべくデカルト座標に再び変換された経験的に選択され
た範囲（例えば、０．００１度×０．００１度）を有する。モデル１０００のこれらのサ
ブモデルは、ステップ７０９、７１１で特定された２つの異なるクラスのうち一方のクラ
スがカップで、もう一方のクラスがカップ以外のもの（例えば、大皿）である場合に、ス
テップ７１７で用いられる。
いくつかの実施形態では、物体を第１または第２クラスに分類すべきかどうかを特定す
るために、ステップ７１７にて、最も近いフィットをテスト入力点群と第１および第２ク
ラスに関連付けられたモデル点群との間で実行する。図１０Ｂは、一実施形態による、物
体の２Ｄテスト点群１０１０の実施例を示すブロック図である。２Ｄ点群１０１０は、最
も近いフィットを用いて図１０の各モデル点群と比較されるテスト入力点群である。２Ｄ
点群は、そのクラスの各モデルとのベストフィットが得られるまで、回転および並進され
る。図１０Ｃ～図１０Ｅは、一実施形態による、図１０Ｂの２Ｄ点群１０１０と図１０Ａ
の閉塞モデル１００２ａ、１００２ｂ、１００２ｃの各々との間の最も近いフィットの実
施例を示すブロック図である。各々の最も近いフィットでは、Ｂｅｓｌ（１９９２）で開
示されているように、モデル点群上の点とテスト入力点群上の点との間に最小距離が得ら
れるように、テスト入力点群（例えば、１０１０）を回転、並進させ、および／または、
これに関連して調整する。最小の距離とのフィットが最も近いフィットとして指定される
。最も近いフィットが大きすぎる、例えば、テスト入力点群の点と点群間の最近接点の最
小比率のためのモデル点群の点との間の平均平方距離が閾値平方距離を超える場合には、
物体はクラスに属さないと考えられる。例示的な一実施形態では、テスト入力点群の点と
点群間の最近接点の上位９０％のためのモデル点群の点との間の平均平方距離が２ｃｍ２
を超える場合には、物体はクラスに属さないと考えられる。
図１０Ｃの例示的な実施形態では、モデル点群１００２ａとモデル点１０１０の間のベ
ストフィットにより、点群間に比較的大きな平均距離（または、二乗平均平方距離）が得
られる。図１０Ｄの例示的な実施形態では、モデル点群１００２ｂとモデル点１０１０の
間のベストフィットにより、点群間の平均距離または二乗平均平方距離（図１０Ｃに関連
する）が小さくなる。図１０Ｅの例示的な実施形態では、モデル点群１００２Ｃとモデル
点１０１０の間のベストフィットにより、点群間の平均または二乗平均平方距離が最小に
なる。この距離が許容できる小ささである場合には、２Ｄ点群１０１０のカップとしての
分類は成功である。同様に、点群１０１０を、ステップ７１１で特定された物体の第２ク
ラスのモデル（例えば、いくつかの閉塞したサブモデルを有する大皿）と比較する。大皿
のサブモデルのベストフィットがより大きな平均あるいは二乗平均平方距離を有する場合
には、物体は大皿ではなくカップとして分類される。
いくつかの実施形態では、ステップ７０９またはステップ７１１の一方が、物体がＮ個
のクラスのいずれにも該当しないと結論し、ステップ７０９またはステップ７１１の他方
が、物体がＮ個のクラスの１つに該当すると結論した場合には、テスト入力点群と、物体
がＮ個のクラスの１つに該当すると結論しているステップ７０９またはステップ７１１に
関連付けられた１つのクラスのみのモデル点群との間で、ステップ７１７での最も近いフ
ィットを実行する。これらの実施形態では、最小の平均または二乗平均平方距離が許容で
きる小ささである場合には、物体は、物体がＮ個のクラスの１つに該当すると結論してい
るステップ７０９もしくはステップ７１１に関連付けられた１つのクラスと同じ分類に分
類される。これらの実施形態では、最小の平均または二乗平均平方距離が許容できる小さ
さでない場合には、物体はＮ個のクラスのいずれにも分類されない。
ステップ７１９にて、物体は、ステップ７１７でどのクラスが入力点群と最も近いフィ
ットを得るかに応じて、第１または第２クラスに指定される。
ステップ７２１にて、物体にクラスが指定されたら、指定された物体クラスに基づいて
デバイスが操作される。いくつかの実施形態では、これには、指定されたクラスあるいは
指定されたクラスに基づく情報を示す画像を表示デバイスに表示させることが関与する。
いくつかの実施形態では、これには、指定された物体クラスを識別するデータをデバイス
に通信することが関与する。別の実施形態では、これには、軌道に沿って物体に強制的に
投射を行うことが関与する。例示的な一実施形態では、投射はミサイルである。いくつか
の実施形態では、デバイスは制御された車両であり、物体に基づいて、車両は物体との衝
突を回避するように制御されるか、物体との衝突を回避しないように制御される。
６．例示的な実施形態
これらの例示的な実施形態では、ＬＩＤＡＲシステムは、上述した構成部品を用いるこ
とで、同時に上下するチャープ送信信号を生成する。このシステムは、ボーズマンにある
ＢＬＡＣＫＭＯＲＥ ＳＥＮＳＯＲＳ ＡＮＤ ＡＮＡＬＹＴＩＣＳ，ＩＮＣ．（登録商
標）からＨＲＳ－３Ｄとして市販されている。
図８Ａは、複数の実施形態による、図２のシステム２００もしくは図３Ａまたは図３Ｂ
のシステム３００の実験セットアップの実施例を示す写真８００上面斜視図である。一実
施形態によれば、物体８０２は試験ラボ８０４内のＬＩＤＡＲシステムからレンジ８０６
で離間している。例示的な一実施形態では、レンジ８０６は例えば４００メートル（ｍ）
～２０００メートル（ｍ）である。図８Ｂは、一実施形態による、図８Ａで示した実験セ
ットアップに用いている物体８０２の例を示すブロック図である。これらの物体８０２は
コーン８０２ａ、箱８０２ｂ、パイプ８０２ｃ、ピストル８０２ｄ、箱８０２ｅを含み、
Ｎ＝５の関心対象の物体クラスを表す。任意の類似性測定および関連する閾値類似度値を
用いた結果、これら全ての物体と類似していなかった点群は、関心対象の物体ではない。
下記の表１は、図７の方法７００を用いて実際の物体クラス（縦列）を予測される物体ク
ラス（横の行）と比較する行列を示す。行内の全ての値の合計は１００％である。例示的
な一実施形態において、方法７００は、コーンの３Ｄ点群が１００％の確率でコーンクラ
スにあり；立方体の３Ｄ点群が１００％の確率で立方体クラスにあり；パイプの３Ｄ点群
が９６％の確率でパイプクラスにあり、４％の確率でピストルクラスにあり；箱の３Ｄ点
群が２％の確率で立方体クラスにあり、２％の確率でパイプクラスにあり、９６％の確率
で箱クラスにあると予測し；また、ピストルの３Ｄ点群が１％の確率でコーンクラスにあ
り、１０％の確率でパイプクラスにあり、８９％の確率でピストルクラスにあると予測し
た。
Figure 0007252285000012
図９Ａは、一実施形態による、物体のセットの点群セット９００である。図９Ｂは、一
実施形態による、図９Ａの点群セット９００を得るために使用された物体のセット９０２
の実施例を示すブロック図である。物体９０２は物体８０２よりも形状とサイズが似通っ
ている。例えば、３つのおもちゃの銃９０２ａ、９０２ｃ、９０２ｇは似通って見える。
物体９０２はおもちゃの銃９０２ａ（表２中の「Ｓｌｅｄｇｅ」）、箱９０２ｂ、おもち
ゃの銃９０２ｃ（表２中の「ＭＯＤ」）、コーン９０２ｄ、パイプ９０２ｅ、立方体９０
２ｆ、おもちゃの銃９０２ｇ（表２中の「Ｒｏｔｏ」）を含む。
一実施形態では、物体９０２は図８Ａに示したものと類似の実験セットアップ内に配置
される。下記の表２は、図７の方法７００に従って、実際の物体クラス（縦列）を予測さ
れる物体クラス（横の行）と比較する行列を示す。ここでも、行内の全ての列合計は１０
０％である。例示的な一実施形態では、方法７００は、コーンの３Ｄ点群が１００％の確
率でコーンクラスにあり；立方体の３Ｄ点群が１００％の確率で立法体クラスにあり；パ
イプの３Ｄ点群が１００％の確率でパイプクラスにあり；おもちゃの銃のＭｏｄが１％の
確率で立方体クラスにあり、９２％の確率でＭｏｄクラスにあり、６％の確率でｒｏｔｏ
クラスにあり、１％の確率でｓｌｅｄｇｅクラスにあり；おもちゃの銃のｒｏｔｏは３％
の確率でパイプクラスにあり、９７％の確率でｒｏｔｏクラスにあり；箱の３Ｄ点群が５
％の確率でパイプクラスにあり、１％の確率でｍｏｄクラスにあり、９３％の確率で箱ク
ラスにあり、１％の確率でｓｌｅｄｇｅクラスにあり；おもちゃの銃ｓｌｅｄｇｅの３Ｄ
点群は３％の確率でパイプクラスにあり、１０％の確率で箱クラスにあり、８７％の確率
でｓｌｅｄｇｅクラスにある；と予測した。
Figure 0007252285000013
 表２の結果に基づき、方法７００は、サイズと形状がさらに似通ったより困難な物体のセ
ットであるにも拘らず、優れたクラス予測を維持している。
７．コンピュテーショナルハードウェアの概要
図１１は、本発明の一実施形態を実施できるコンピュータシステム１１００を示すブロ
ック図である。コンピュータシステム１１００は、バス１１１０のような通信機構を含み
、自己のその他の内部部品および外部部品の間で情報を送受信する。情報は、典型的には
電気電圧測定可能な現象の物理信号として呈されるが、他の実施形態では、磁気的、電磁
気、圧力的、化学的、分子的、原子的、量子的相互作用のような現象を含む。例えば、南
北磁場、あるいはゼロと非ゼロ電圧は、２進数（ビット）の２つの状態（０、１）を表す
。その他の現象はより高い基数の数字を表現できる。測定前の複数の同時量子状態の重ね
合わせは量子のビット（量子ビット）を表す。一連の１つ以上の数字は、キャラクタのた
めの数またはコードを表すために使用されるデジタルデータを構成する。いくつかの実施
例において、アナログデータと呼ばれる情報は、特定の範囲内で、測定可能な値に近い連
続体によって表される。コンピュータシステム１１００またはその一部は、本明細書中に
記載した１つ以上の方法の１つ以上のステップを実行するための手段を構成する。
一連の２進数は、キャラクタのための数字またはコードを表すために使用されるデジタ
ルデータを構成する。バス１１１０は多数の情報の並行導体を含むため、バス１１１０に
接続されたデバイス間で情報を迅速に伝送できる。情報を処理するための１つ以上のプロ
セッサ１１０２がバス１１１０に接続している。プロセッサ１１０２は情報に操作一式を
実行する。この操作一式はバス１１１０から情報を取り入れ、バス１１１０上に情報を置
くステップを含む。演算一式はまた、典型的には、２つ以上の情報一式を比較し、情報一
式の位置を変え、そして２つ以上の情報一式を加算または乗算などにより結合するステッ
プを含む。プロセッサ１１０２によって実行される一連の操作はコンピュータ命令を構成
する。
コンピュータシステム１１００はまた、バス１１１０に接続されたメモリ１１０４を含
む。ランダムアクセスメモリ（ＲＡＭ）、あるいは他の動的記憶デバイスのようなメモリ
１１０４は、コンピュータ命令を含む情報を格納する。動的メモリは、そこに格納された
情報を、コンピュータシステム１１００によって変更できるようにする。ＲＡＭは、メモ
リアドレスと呼ばれる場所に格納された情報一式を、隣接するアドレスに格納されている
情報からは独立して格納および検索できるようにする。メモリ１１０４はまた、コンピュ
ータ命令の実行の間、暫定値を格納するようにプロセッサ１１０２によって使用される。
コンピュータシステム１１００はまた、バス１１１０に接続した読み出し専用メモリ（Ｒ
ＯＭ）１１０６またはその他の静的記憶装置を含み、それらは、コンピュータシステム１
１００によって変更されない、命令を含む静的情報を格納する。バス１１１０にはまた、
コンピュータ１１００の電源がオフにされたり、あるいは給電が断たれたりする場合でも
存続する命令を含む情報を格納するための、磁気ディスクや光学ディスクといった不揮発
性（永続的な）記憶装置１１０８が接続する。
命令を含む情報は、人間のユーザやセンサによって操作される、アルファベットキーを
備えたキーボードなどの外部入力装置１１１２を介してプロセッサで使用されるべく、バ
ス１１１０に提供される。センサはその付近の状態を検出し、これらの検出を、コンピュ
ータシステム１１００内の情報を表すために用いられる信号と互換する信号に変換する。
バス１１１０に接続され、主に人間と対話するために使用されるその他の外部装置は、画
像を表示するための、ブラウン管（ＣＲＴ）あるいは液晶ディスプレイ（ＬＣＤ）のよう
な表示装置１１１４、そして、ディスプレイ１１１４上に提示された小さなカーソル画像
の位置を制御するため、また、ディスプレイ１１１４上に提示されたグラフィカル要素に
関連したコマンドを発行するための、マウスまたはトラックボールあるいはカーソル指示
キーのようなポインティングデバイス１１１６を含む。
例証された実施形態において、特定用途向け集積回路（ＩＣ）１１２０のような専用ハ
ードウェアがバス１１１０に接続される。専用ハードウェアは、プロセッサ１１０２によ
って実行されない動作を、特定の目的に対する十分なスピードで実行するように構成され
ている。特定用途向けＩＣの例は、ディスプレイ１１１４に画像を生成するグラフィック
アクセラレータカード、ネットワーク上で送信されるメッセージを暗号化および復号化す
るための暗号処理基板、音声認識、およびハードウェアにおいてより効果的に実行される
いくつかの複雑な動作シーケンスを繰り返し実行するロボットアームおよび医療用走査機
器のような、特殊な外部デバイスへのインターフェースを含む。
コンピュータシステム１１００はまた、バス１１１０に接続した通信インターフェース
１１７０の１つ以上のインスタンスを含む。通信インターフェース１１７０は、プリンタ
、スキャナ、外部ディスクといった、それら自身のプロセッサとともに動作する多様な外
部デバイスに双方向通信接続を提供する。この接続は、一般的に、ネットワークリンク１
１７８との間で確立される。ネットワークリンク１１７８は、自身でプロセッサを有する
多様な外部デバイスが接続される、ローカルネットワーク１１８０に接続される。例えば
、通信インターフェース１１７０は、パーソナルコンピュータ上のパラレルポートもしく
はシリアルポート、またはユニバーサルシリアルバス（ＵＳＢ）ポートであってよい。い
くつかの実施形態では、通信インターフェース１１７０は、統合サービスデジタルネット
ワーク（ＩＳＤＮ）カードもしくはデジタル加入者回線（ＤＳＬ）カード、または対応す
るタイプの電話回線情報通信接続を提供する電話モデムである。いくつかの実施形態では
、通信インターフェース１１７０は、バス１１１０上の信号を同軸ケーブル上の通信接続
のための信号、または光ファイバケーブル上の通信接続ための光学信号に変換する、ケー
ブルモデムである。別の実施例として、通信インターフェース１１７０は、イーサネット
（登録商標）のような互換性のあるＬＡＮにデータ通信接続を提供する、ローカルエリア
ネットワーク（ＬＡＮ）カードであってもよい。ワイヤレスリンクが実装されてもよい。
無線、光学、および赤外線波を含む、音響波および電磁波のような搬送波は、ワイヤもし
くはケーブルを伴わずに空間を通って移動する。信号は、振幅、周波数、位相、極性、ま
たは搬送波の他の物理特性における人為的な変動を含む。ワイヤレスリンクに関して、通
信インターフェース１１７０は、デジタルデータといった情報ストリームを担持する、赤
外線および光学信号を含む、電気、音響、または電磁信号を送受信する。
本明細書において使用される「コンピュータ可読媒体」という用語は、実行のための命
令を含む、プロセッサ１１０２への情報の提供に関与するあらゆる媒体を指す。こうした
媒体は、不揮発性媒体、揮発性媒体、および伝送媒体を非限定的に含む、多くの形態をと
ってよい。不揮発性媒体は、例えば、記憶装置１１０８のような、光ディスクまたは磁気
ディスクを含む。揮発性媒体は、例えば、動的メモリ１１０４を含む。伝送媒体は、例え
ば、同軸ケーブル、銅ワイヤ、光ファイバケーブル、および無線、光学、および赤外線波
を含む、音波および電磁波といった、ワイヤもしくはケーブルを伴わずに空間を通って移
動する電波を含む。本明細書において使用される「コンピュータ可読記憶媒体」という用
語は、伝送媒体を除く、プロセッサ１１０２への情報の提供に関与するあらゆる媒体を指
す。
一般的な形態のコンピュータ可読媒体としては、例えば、フロッピーディスク、フレキ
シブルディスク、ハードディスク、磁気テープ、もしくは任意の他の磁気媒体、コンパク
トディスクＲＯＭ（ＣＤ－ＲＯＭ）、デジタルビデオディスク（ＤＶＤ）、あるいは任意
の他の光学媒体、パンチカード、紙テープ、または孔のパターンを有する任意の他の物理
媒体、ＲＡＭ、プログラマブルＲＯＭ（ＰＲＯＭ）、消去可能なＰＲＯＭ（ＥＰＲＯＭ）
、ＦＬＡＳＨ－ＥＰＲＯＭ、任意の他のメモリチップもしくはカートリッジ、搬送波、ま
たはコンピュータが読み取ることができる任意の他の媒体が挙げられる。本明細書におい
て使用される「非一時的コンピュータ可読記憶媒体」という用語は、搬送波ならびにその
他の信号を除く、プロセッサ１１０２への情報提供に関与する任意の媒体を指す。
１つ以上の有形媒体に符号化された論理は、コンピュータ可読記憶媒体、およびＡＳＩ
Ｃ１１２０といった専用ハードウェア上のプロセッサ命令のうち一方または両方を含む。
ネットワークリンク１１７８は、典型的に、情報を使用または処理する他のデバイスに
、１つ以上のネットワークを介して、情報通信を提供する。例えば、ネットワークリンク
１１７８、ローカルネットワーク１１８０を介してホストコンピュータ１１８２へ、また
はインターネットサービスプロバイダ（ＩＳＰ）によって動作される機器１１８４へ、接
続を提供してもよい。ＩＳＰ機器１１８４は、次に、現在では一般的にインターネット１
１９０と称されるネットワークの公的でグローバルなパケット交換通信ネットワークを介
して、データ通信サービスを提供する。インターネットに接続される、サーバ１１９２と
呼ばれるコンピュータは、インターネット上で受信される情報に応答して、サービスを提
供する。例えば、サーバ１１９２は、ディスプレイ１１１４での提示のためにビデオデー
タを表す情報を提供する。
本発明は、本明細書において説明される技術を実施するための、コンピュータシステム
１１００の使用に関する。本発明の一実施形態によれば、それらの技術は、メモリ１１０
４に格納された、１つ以上の命令の１つ以上のシーケンスを実行する、プロセッサ１１０
２に応答して、コンピュータシステム１１００によって遂行される。このような命令は、
ソフトウェアおよびプログラムコードとも呼ばれ、記憶デバイス１１０８のような別のコ
ンピュータ可読媒体から、メモリ１１０４に読み込むことができる。メモリ１１０４に格
納された命令シーケンスの実行は、プロセッサ１１０２に、本明細書において説明された
方法ステップを遂行させる。代替的な実施形態において、特殊用途向け集積回路１１２０
といったハードウェアは、本発明を実施するために、ソフトウェアの代わりに、またはそ
れと組み合わせて使用されてもよい。このため、本発明の実施形態は、ハードウェアおよ
びソフトウェアの任意の特定の組み合わせに限定されない。
通信インターフェース１１７０を通って、ネットワークリンク１１７８、および他のネ
ットワーク上で伝送された信号は、コンピュータシステム１１００へ、およびコンピュー
タシステム１１００から、情報を搬送する。コンピュータシステム１１００は、とりわけ
ネットワーク１１８０、１１９０を介して、ネットワークリンク１１７８および通信イン
ターフェース１１７０を通って、プログラムコードを含む情報を送信及び受信することが
できる。インターネット１１９０を使用する実施例において、サーバ１１９２は、インタ
ーネット１１９０、ＩＳＰ機器１１８４、ローカルネットワーク１１８０、および通信イ
ンターフェース１１７０を介して、コンピュータ１１００から送信されたメッセージによ
って要求される、特定の用途に対するプログラムコードを伝送する。受信されたコードは
、受信された際に、プロセッサ１１０２によって実行されてもよく、または、後の実行の
ために、記憶デバイス１１０８もしくは他の不揮発性記憶装置、あるいは両方に記憶され
てもよい。このようにして、コンピュータシステム１１００は、搬送波上の信号の形態で
、アプリケーションプログラムコードを得ることができる。
様々な形態のコンピュータ可読媒体は、命令もしくはデータまたは両方の１つ以上のシ
ーケンスを、実行のためにプロセッサ１１０２に搬送することに関与してもよい。例えば
、命令およびデータは、最初、ホスト１１８２といったリモートコンピュータの磁気ディ
スク上に担持されてもよい。リモートコンピュータは、命令およびデータを動的メモリ内
にロードし、モデムを使用して、電話回線上で命令およびデータを送信する。コンピュー
タシステム１１００のローカルにあるモデムは、電話回線上で命令およびデータを受信す
ると、赤外線トランシーバを使用して、命令及びデータを、ネットワークリンク１１７８
として機能する赤外線搬送波上の信号に変換する。通信インターフェース１１７０として
機能する赤外線検出器が、赤外線信号に担持された命令およびデータを受信し、その命令
およびデータを表す情報をバス１１１０上に配置する。バス１１１０は情報をメモリ１１
０４へ搬送し、プロセッサ１１０２は、メモリ１１０４からこの情報を読み出し、命令と
ともに送信されたデータのうちの一部を使用して命令を実行する。メモリ１１０４に受信
された命令およびデータは、オプションで、プロセッサ１１０２によって実行される前ま
たは後のいずれかに、記憶デバイス１１０８に格納されてもよい。
図１２は、本発明の一実施形態が実施され得るチップセット１２００を示す。チップセ
ット１２００は、本明細書で説明された方法の１つ以上のステップを遂行するようにプロ
グラムされ、また、例えば、図１１に関連して説明され、１つ以上の物理パッケージ（例
えばチップ）に組み込まれる、プロセッサとメモリ構成要素を含む。例として、物理パッ
ケージは、物理強度、サイズの保存、および／または電気的相互作用の制限といった、１
つ以上の特徴を提供するために、構造アセンブリ（例えば、ベース基板）上の１つ以上の
材料、構成部品、および／またはワイヤを含む。ある実施形態では、チップセットは単一
のチップにて実施できると考えられる。チップセット１２００、またはその一部は、本明
細書中で説明された方法の１つ以上のステップを遂行するための手段を構成する。
一実施形態において、チップセット１２００は、チップセット１２００の構成部品間で
情報を送るためのバス１２０１といった通信機構を含む。プロセッサ１２０３は、命令を
実行し、例えばメモリ１２０５に記憶されている情報を処理するために、バス１２０１へ
の接続を有する。プロセッサ１２０３は、各々が独立して実行するように構成された１つ
以上の処理コアを含んでもよい。マルチコアプロセッサは、単一の物理パッケージ内での
多重処理を可能にする。マルチコアプロセッサの例は、２つ、４つ、８つ以上の数の処理
コアを含む。あるいは、またはこれに加えて、プロセッサ１２０３は、命令の独立した実
行、パイプライン化、およびマルチスレッド化を可能にするように、バス１２０１を介し
て縦列に構成された１つ以上のマイクロプロセッサを含んでもよい。プロセッサ１２０３
はまた、１つ以上のデジタル信号プロセッサ（ＤＳＰ）１２０７、または１つ以上の特定
用途向け集積回路（ＡＳＩＣ）１２０９といった、ある処理機能およびタスクを遂行する
ための１つ以上の特殊化された構成要素を伴ってもよい。ＤＳＰ１２０７は、典型的に、
プロセッサ１２０３とは独立して、現実世界の信号（例えば、音）をリアルタイムで処理
するように構成されている。同様に、ＡＳＩＣ１２０９は、汎用プロセッサでは容易に実
行できない特殊化した機能を実行するように構成することができる。本明細書において説
明される本発明の機能を実行する上で支援するための他の特殊化された構成要素として、
１つ以上のフィールドプログラマブルゲートアレイ（ＦＰＧＡ）（図示せず）、１つ以上
のコントローラ（図示せず）、または１つ以上の他の専用コンピュータチップが挙げられ
る。
プロセッサ１２０３および付属構成要素は、バス１２０１を介して、メモリ１２０５へ
の接続を有する。メモリ１２０５は、実行されると、本明細書において説明される方法の
１つ以上のステップを実行することができる実行可能な命令を格納するための、動的メモ
リ（例えば、ＲＡＭ，磁気ディスク、書き込み可能な光学ディスクなど）、および静的メ
モリ（例えば、ＲＯＭ、ＣＤ－ＲＯＭなど）の両方を含む。メモリ１２０５はまた、本明
細書において説明される方法の１つ以上のステップに関連付けられる、またはこれらによ
って生成されるデータを格納する。
８．変更、拡張および改造
前述の明細書において、本発明をその特定の実施形態を参照しながら記述した。しかし
、本発明のより幅広い主旨および範囲から逸脱せずに、様々な改造および変更を加えられ
ることが明らかになるだろう。したがって、本明細書および図面は、限定の意味ではなく
むしろ例証の意味で考慮されるべきである。本明細書および特許請求の範囲をとおして、
文脈上他の意味に解釈すべき場合を除き、用語「備える（ｃｏｍｐｒｉｓｅ）」、および
「備える（ｃｏｍｐｒｉｓｅｓ）」「備える（ｃｏｍｐｒｉｓｉｎｇ）」といったその応
用形は、記載された物品、要素、またはステップ、あるいは物品、要素、またはステップ
のグループを含むが、任意の他の物品、要素、またはステップ、あるいは物品、要素、ま
たはステップのグループを除外しないことを意味するものであると理解されるだろう。さ
らに、不定冠詞「ａ」または「ａｎ」は、その冠詞によって修飾された物品、要素、また
はステップのうち１つ以上を示すことを意味する。本明細書で用いられているように、文
脈から明白である場合を除き、或る値は、それが他の値の２の倍数以内（２倍または半分
）であるなら、その値は「およそ」別の値である。例示的な範囲を提示したが、文脈から
明白である場合を除き、あらゆる含有される範囲も様々な実施形態において意図される。
したがって、０～１０の範囲は、いくつかの実施形態では１～４の範囲を含む。
９．参照
Adany, P., C. Allen, and R. Hui, “Chirped Lidar Using Simplified Homodyne Detec
tion,” Jour. Lightwave Tech., v. 27 (16), 15 August, 2009.
P.J. Besl and N.D. McKay, “Method for registration of 3-D shapes,” 1992, vol.
1611, pp. 586-606.
D. Fehr, A. Cherian, R. Sivalingam, S. Nickolay, V. Moreallas, and N. Papanikolo
poulos, “Compact Covariance descriptors in 3D point clouds for object recogniti
on,” presented at the Robotics and Automation (ICRA), 2012 IEEE International C
onference, pp. 1793-1798.
Hui, R., C. Allen, and P. Adany, “Coherent detection scheme for FM Chirped lase
r RADAR,” US patent 7,742,152, 22 June 2010.
Andrew Johnson, “Spin-Images: A Representation for 3-D Surface Matching,” doct
oral dissertation, tech. report CMU-RI-TR-97-47, Robotics Institute, Carnegie Me
llon University, August, 1997.
Kachelmyer, A.L., “Range-Doppler Imaging with a Laser Radar,” The Lincoln Labo
ratory Journal, v. 3. (1), 1990.
K. Klasing, D. Althoff, D. Wollher and M. Buss, “Comparison of Surface Normal E
stimation Methods for Range Sensing Applications,” in Proceedings of the 2009 I
EEE International Conference on Robotics and Automation, Piscataway, NJ, USA, 20
09, p. 1977-1982.
H. Salehian, G. Cheng, B.C. Vemuri and J. Ho, “Recursive Estimation of the Stei
n Center of SPD Matrices and Its Applications,” in 2013 IEEE International Conf
erence on Computer Vision (ICCV), 2013, pp. 1793-1800.
J. Ye, “Least Squares Linear Discriminant Analysis,” Proceedings of the 24th I
nternational Conference on Machine Learning, p. 1087-1093.

Claims (16)

  1. 光検出及び測距（ＬＩＤＡＲ）システムであって、
    センサと、１つまたは複数の処理回路と、を備え、
    前記センサは、
    レーザからのビームに周波数変調または位相変調の少なくとも一方を適用し、送信信号を生成し、
    前記送信信号を出力し、
    オブジェクトによる前記送信信号の散乱または反射の少なくとも１つからの戻り信号を受信し、
    前記戻り信号に基づいて、前記オブジェクトを表す少なくとも１つの点群データ点を表すデータ信号を出力し、
    前記処理回路は、
    前記少なくとも１つの点群データ点に基づいて、第１の分類統計を特定し、
    前記少なくとも１つの点群データ点に基づいて、第２の分類統計を特定し、
    前記第１の分類統計及び前記第２の分類統計に基づいて、前記オブジェクトとオブジェクトクラスとの間の一致を特定することで、複数のオブジェクトクラスから１のオブジェクトクラスを前記オブジェクトに割り当てる、
    光検出及び測距（ＬＩＤＡＲ）システム。
  2. 請求項１に記載のＬＩＤＡＲシステムにおいて、
    前記処理回路は、
    前記少なくとも１つの点群データ点に基づいて、少なくとも１つの特徴変数を特定し、
    前記少なくとも１つの点群データ点に基づいて、前記第１の分類統計及び前記第２の分類統計を特定するように構成される、
    ＬＩＤＡＲシステム。
  3. 請求項１または請求項２に記載のＬＩＤＡＲシステムにおいて、
    前記処理回路は、
    車両の動作を制御するために、前記オブジェクトクラスに関する情報を、車両制御システムに提供するように構成される、
    ＬＩＤＡＲシステム。
  4. 請求項１または請求項２に記載のＬＩＤＡＲシステムにおいて、
    前記処理回路は、
    衝突回避を行うために車両の動作を制御するために、前記オブジェクトクラスに関する情報を、車両制御システムに提供するように構成される、
    ＬＩＤＡＲシステム。
  5. 請求項１または請求項２に記載のＬＩＤＡＲシステムにおいて、
    前記処理回路は、
    前記オブジェクトクラスを示す画像をディスプレイ装置に出力するように構成される、
    ＬＩＤＡＲシステム。
  6. 請求項１または請求項２に記載のＬＩＤＡＲシステムにおいて、
    前記第１の分類統計は、スピン像を含む、
    ＬＩＤＡＲシステム。
  7. 請求項１または請求項２に記載のＬＩＤＡＲシステムにおいて、
    前記第２の分類統計は、共分散行列を含む、
    ＬＩＤＡＲシステム。
  8. 請求項１または請求項２に記載のＬＩＤＡＲシステムにおいて、
    前記データ信号は、点群を含み、
    前記点群は、前記少なくとも１つの点群データ点を含む、
    ＬＩＤＡＲシステム。
  9. 請求項１または請求項２に記載のＬＩＤＡＲシステムを搭載した、自律走行車。
  10. 請求項１または請求項２に記載のＬＩＤＡＲシステムを搭載した、自律走行車制御システム。
  11. 方法であって、
    レーザからのビームに周波数変調または位相変調の少なくとも１つを適用し、送信信号を生成するステップと、
    前記送信信号を出力するステップと、
    オブジェクトによる前記送信信号の散乱または反射の少なくとも１つからの戻り信号を受信するステップと、
    前記戻り信号に基づいて、前記オブジェクトを表す少なくとも１つの点群データ点を特定するステップと、
    前記少なくとも１つの点群データ点に基づいて、第１の分類統計を特定するステップと、
    前記少なくとも１つの点群データ点に基づいて、第２の分類統計を特定するステップと、
    前記第１の分類統計及び前記第２の分類統計に基づいて、前記オブジェクトとオブジェクトクラスとの間の一致を特定することで、複数のオブジェクトクラスから１のオブジェクトクラスを前記オブジェクトに割り当てるステップと、を含む、
    方法。
  12. 請求項１１に記載の方法において、
    前記少なくとも１つの点群データ点に基づいて、少なくとも１つの特徴変数を特定するステップと、
    前記少なくとも１つの点群データ点に基づいて、前記第１の分類統計及び前記第２の分類統計を特定するステップと、を含む、
    方法。
  13. 請求項１１または請求項１２に記載の方法において、
    車両の操作を制御するために、前記オブジェクトクラスに関する情報を提供するステップを含む、
    方法。
  14. 請求項１１または請求項１２に記載の方法において、
    衝突回避を行うための車両の動作を制御するために、前記オブジェクトクラスに関する情報を提供するステップを含む、
    方法。
  15. 請求項１１または請求項１２に記載の方法において、
    前記オブジェクトクラスを示す画像をディスプレイ装置に出力するステップを含む、
    方法。
  16. 請求項１に記載のＬＩＤＡＲシステムにおいて、
    前記処理回路は、
    前記第１の分類統計を用いて、前記複数のオブジェクトクラスのうちの第１のオブジェクトクラスを識別するステップと、
    前記第２の分類統計を用いて、前記複数のオブジェクトクラスのうちの第２のオブジェクトクラスを識別するステップと、
    少なくとも１つの点群データ点に基づいて第３の分類統計を特定するステップと、
    前記第３の分類統計を前記第１のオブジェクトクラスまたは前記第２のオブジェクトクラスとマッチングさせることに基づいて、前記オブジェクトクラスを割り当てるステップと、を含む、
    ＬＩＤＡＲシステム。
JP2021126516A 2016-11-29 2021-08-02 点群データセット内において物体を分類する方法およびシステム Active JP7252285B2 (ja)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
US201662427573P 2016-11-29 2016-11-29
US62/427,573 2016-11-29
JP2019527156A JP6928414B2 (ja) 2016-11-29 2017-11-21 点群データセット内において物体を分類する方法およびシステム

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2019527156A Division JP6928414B2 (ja) 2016-11-29 2017-11-21 点群データセット内において物体を分類する方法およびシステム

Publications (2)

Publication Number Publication Date
JP2021181998A JP2021181998A (ja) 2021-11-25
JP7252285B2 true JP7252285B2 (ja) 2023-04-04

Family

ID=62241893

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2019527156A Active JP6928414B2 (ja) 2016-11-29 2017-11-21 点群データセット内において物体を分類する方法およびシステム
JP2021126516A Active JP7252285B2 (ja) 2016-11-29 2021-08-02 点群データセット内において物体を分類する方法およびシステム

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2019527156A Active JP6928414B2 (ja) 2016-11-29 2017-11-21 点群データセット内において物体を分類する方法およびシステム

Country Status (6)

Country Link
US (2) US11537808B2 (ja)
EP (2) EP3548840B1 (ja)
JP (2) JP6928414B2 (ja)
KR (3) KR102443626B1 (ja)
CN (2) CN110168311B (ja)
WO (1) WO2018102190A1 (ja)

Families Citing this family (56)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10036812B2 (en) 2015-06-24 2018-07-31 Blackmore Sensors and Analytics Inc. Method and system for three dimensional digital holographic aperture synthesis
WO2018102190A1 (en) 2016-11-29 2018-06-07 Blackmore Sensors and Analytics Inc. Method and system for classification of an object in a point cloud data set
CN117310731A (zh) 2016-11-30 2023-12-29 布莱克莫尔传感器和分析有限责任公司 利用光学测距系统进行自动实时自适应扫描的方法和系统
CN113985427A (zh) 2016-11-30 2022-01-28 布莱克莫尔传感器和分析有限责任公司 对光学啁啾距离检测进行多普勒检测和校正的方法和系统
JP6811862B2 (ja) 2016-11-30 2021-01-13 ブラックモア センサーズ アンド アナリティクス エルエルシー 光学測距システムによる適応走査の方法およびシステム
US10422880B2 (en) 2017-02-03 2019-09-24 Blackmore Sensors and Analytics Inc. Method and system for doppler detection and doppler correction of optical phase-encoded range detection
US20180350056A1 (en) * 2017-06-01 2018-12-06 Tesla, Inc. Augmented reality application for manufacturing
US10401495B2 (en) 2017-07-10 2019-09-03 Blackmore Sensors and Analytics Inc. Method and system for time separated quadrature detection of doppler effects in optical range measurements
US10534084B2 (en) 2017-07-27 2020-01-14 Blackmore Sensors & Analytics, Llc Method and system for using square wave digital chirp signal for optical chirped range detection
US10935670B2 (en) 2018-03-28 2021-03-02 Psionic, Llc Navigation system for GPS denied environments
KR102272212B1 (ko) 2018-04-23 2021-07-01 블랙모어 센서스 앤드 애널리틱스, 엘엘씨 코히어런트 거리 도플러 광학 센서를 이용한 자율 주행 차량 제어 방법 및 시스템
US11709270B1 (en) * 2018-06-01 2023-07-25 Cintoo SAS, France Method of processing azimuth, elevation and range data from laser scanning an object
CN108765487B (zh) * 2018-06-04 2022-07-22 百度在线网络技术（北京）有限公司 重建三维场景的方法、装置、设备和计算机可读存储介质
CN110633617B (zh) * 2018-06-25 2023-08-08 苹果公司 使用语义分割的平面检测
US20200055524A1 (en) * 2018-08-20 2020-02-20 Alberto LACAZE System and method for verifying that a self-driving vehicle follows traffic ordinances
US11592524B2 (en) * 2018-11-02 2023-02-28 Waymo Llc Computation of the angle of incidence of laser beam and its application on reflectivity estimation
US11822010B2 (en) 2019-01-04 2023-11-21 Blackmore Sensors & Analytics, Llc LIDAR system
CN111866484B (zh) * 2019-04-30 2023-06-20 华为技术有限公司 点云编码方法、点云解码方法、装置及存储介质
KR20220007177A (ko) * 2019-06-05 2022-01-18 엘지전자 주식회사 음성인식 기기를 위한 지능형 음성인식 모델을 제공하는 방법
KR102347239B1 (ko) * 2019-08-02 2022-01-04 네이버랩스 주식회사 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
KR20210015516A (ko) * 2019-08-02 2021-02-10 네이버랩스 주식회사 라이다와 카메라를 이용하여 이미지 특징점의 깊이 정보를 향상시키는 방법 및 시스템
CN112630749B (zh) * 2019-09-24 2023-06-09 北京百度网讯科技有限公司 用于输出提示信息的方法和装置
CN110781920B (zh) * 2019-09-24 2022-09-16 同济大学 一种室内场景点云部件语义信息的识别方法
KR102276369B1 (ko) * 2019-12-27 2021-07-12 중앙대학교 산학협력단 3차원 포인트 클라우드 신뢰도 판단 시스템 및 방법
US11536843B2 (en) * 2020-02-08 2022-12-27 The Boeing Company De-jitter of point cloud data for target recognition
US11236990B2 (en) * 2020-02-08 2022-02-01 The Boeing Company De-jitter of point cloud data
KR102444879B1 (ko) * 2020-03-05 2022-09-19 고려대학교 산학협력단 라이다(Lidar)를 이용한 실내 공간의 3차원 모델링 방법
EP3882649B1 (en) * 2020-03-20 2023-10-25 ABB Schweiz AG Position estimation for vehicles based on virtual sensor response
DE102020108473A1 (de) 2020-03-27 2021-09-30 Valeo Schalter Und Sensoren Gmbh Objekterkennung durch ein aktives optisches Sensorsystem
CN111652292B (zh) * 2020-05-20 2022-12-06 贵州电网有限责任公司 一种基于ncs、ms的相似物体实时检测方法及系统
US11710324B2 (en) 2020-06-15 2023-07-25 Toyota Research Institute, Inc. Systems and methods for improving the classification of objects
WO2022009091A1 (en) * 2020-07-08 2022-01-13 Cron Systems Pvt. Ltd. System and method for classification of objects by a body taper detection
KR102405767B1 (ko) * 2020-10-27 2022-06-03 건국대학교 산학협력단 의미론적 포인트 클라우드 기반의 객체 추적 장치 및 방법
CN112329587A (zh) * 2020-10-30 2021-02-05 苏州中科先进技术研究院有限公司 饮料瓶的分类方法、装置及电子设备
DE102020130881A1 (de) 2020-11-23 2022-05-25 Valeo Schalter Und Sensoren Gmbh Empfangssignal-Verarbeitungseinrichtung einer Detektionsvorrichtung zur Überwachung wenigstens eines Überwachungsbereichs, Detektionsvorrichtung und Verfahren zum Betreiben einer Detektionsvorrichtung
DE102021102292A1 (de) 2021-02-02 2022-08-04 Valeo Schalter Und Sensoren Gmbh Empfangseinrichtung eine Detektionsvorrichtung zu Überwachung wenigstens eines Überwachungsbereichs auf Objekte hin, Detektionsvorrichtung, Fahrzeug mit wenigstens einer Detektionsvorrichtung und Verfahren zum Betreiben eines Selektionsvorrichtung
WO2022187251A1 (en) * 2021-03-01 2022-09-09 Waymo Llc Generating scene flow labels from point clouds using object labels
US11287529B1 (en) * 2021-06-16 2022-03-29 Aeva, Inc. Techniques for doppler point set registration
KR102343048B1 (ko) * 2021-06-17 2021-12-24 주식회사 인피닉 3d 점군 데이터 전처리 방법
KR102378892B1 (ko) * 2021-06-17 2022-03-28 주식회사 인피닉 3d 점군 데이터 일괄 처리 방법
CN113408613B (zh) * 2021-06-18 2022-07-19 电子科技大学 一种基于延迟机制的单层图像分类方法
KR102505602B1 (ko) * 2021-11-12 2023-03-03 주식회사 에스오에스랩 라이다 데이터 처리 방법
WO2023085466A1 (ko) * 2021-11-12 2023-05-19 주식회사 에스오에스랩 라이다 데이터 처리 방법.
KR102651012B1 (ko) * 2021-11-24 2024-03-25 (주)스마트레이더시스템 4차원 레이더 신호처리 장치
CN113870422B (zh) * 2021-11-30 2022-02-08 华中科技大学 一种点云重建方法、装置、设备及介质
CN117581112A (zh) * 2021-12-17 2024-02-20 英特尔公司 平衡光电检测器及其方法
KR20230114157A (ko) 2022-01-24 2023-08-01 삼성에스디에스 주식회사 이상 검출 방법 및 그 시스템
US20230375736A1 (en) * 2022-05-23 2023-11-23 Konica Minolta Business Solutions U.S.A., Inc. Autonomous detection of concealed weapons at a distance by sensor fusion
US20240004045A1 (en) * 2022-06-30 2024-01-04 Apple Inc. Mitigation of phase noise due to back-scatter in coherent optical sensing
KR102516008B1 (ko) 2022-09-21 2023-03-30 (주)이노시뮬레이션 포인트 클라우드 데이터를 이용한 복셀 다운 샘플링 방법 및 이를 실행하는 장치
CN115497270B (zh) * 2022-09-22 2024-02-02 杭州图南电子股份有限公司 一种基于大数据动态联动的应急广播预警系统及终端
CN115712298B (zh) * 2022-10-25 2023-05-09 太原理工大学 基于单线激光雷达的机器人在通道中行驶的自主导航方法
CN116071550B (zh) * 2023-02-09 2023-10-20 安徽海博智能科技有限责任公司 一种激光雷达灰尘点云过滤方法
KR102578113B1 (ko) * 2023-04-10 2023-09-14 전남대학교 산학협력단 3차원 객체 형상 획득 시스템 및 방법
CN116883490B (zh) * 2023-05-29 2024-02-27 东莞市捷圣智能科技有限公司 一种定位轨迹纠偏方法和装置
CN117830676A (zh) * 2024-03-06 2024-04-05 国网湖北省电力有限公司 基于无人机的输电线路施工风险识别方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120281907A1 (en) 2011-05-06 2012-11-08 Toyota Motor Engin. & Manufact. N.A.(TEMA) Real-time 3d point cloud obstacle discriminator apparatus and associated methodology for training a classifier via bootstrapping
WO2014132020A1 (en) 2013-02-27 2014-09-04 Arithmetica Ltd Image processing
WO2014155715A1 (ja) 2013-03-29 2014-10-02 株式会社日立製作所 物体認識装置および物体認識方法並びにプログラム
US20150269438A1 (en) 2014-03-18 2015-09-24 Sri International Real-time system for multi-modal 3d geospatial mapping, object recognition, scene annotation and analytics
JP2015212942A (ja) 2014-04-25 2015-11-26 グーグル インコーポレイテッド レーザー点クラウドを用いる物体検出のための方法及びシステム
US20160266243A1 (en) 2015-03-10 2016-09-15 Raytheon Company Coherent ladar using intra-pixel quadrature detection

Family Cites Families (210)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4099249A (en) 1977-02-22 1978-07-04 The United States Of America As Represented By The Secretary Of The Navy Doppler processing method and apparatus
US4620192A (en) 1983-09-29 1986-10-28 Raytheon Company Continuous wave radar with ranging capability
US4648276A (en) 1984-01-27 1987-03-10 Klepper John R Apparatus for measuring the characteristics of an ultrasonic wave medium
JPS6371674A (ja) 1986-09-16 1988-04-01 Matsushita Electric Ind Co Ltd レ−ザ−測距装置
US4804893A (en) 1987-05-11 1989-02-14 Caterpillar Industrial Inc. Electric braking control
DE68901369D1 (de) 1988-10-03 1992-06-04 Lucas Ind Plc Vorrichtung zur erfassung der geschwindigkeit und der richtung eines fahrzeuges.
US5223986A (en) 1990-08-09 1993-06-29 Kaman Aerospace Corporation Radiation projecting device
US5231401A (en) 1990-08-10 1993-07-27 Kaman Aerospace Corporation Imaging lidar system
JP2765767B2 (ja) 1991-05-20 1998-06-18 富士通テン株式会社 Ｆｍ−ｃｗレーダ装置
US5227910A (en) 1992-03-27 1993-07-13 Khattak Anwar S High resolution laser beam scanner and method for operation thereof
US5216534A (en) 1992-04-24 1993-06-01 E-Systems, Inc. Read-write head for an optical tape recorder
JPH06148556A (ja) 1992-11-10 1994-05-27 Canon Inc 光走査装置
US7610146B2 (en) 1997-10-22 2009-10-27 Intelligent Technologies International, Inc. Vehicle position determining system and method
US7418346B2 (en) 1997-10-22 2008-08-26 Intelligent Technologies International, Inc. Collision avoidance methods and systems
JP3060912B2 (ja) 1995-09-11 2000-07-10 富士通株式会社 回転多面鏡およびその製造方法
US6133871A (en) 1995-10-09 2000-10-17 Snaptrack, Inc. GPS receiver having power management
JP2954871B2 (ja) 1996-03-25 1999-09-27 株式会社先進材料利用ガスジェネレータ研究所 光ファイバセンサ
DE19637616A1 (de) 1996-09-16 1998-03-19 Bosch Gmbh Robert Verfahren zum automatischen Kalibrieren eines Wegsensors und Vorrichtung
US5828585A (en) 1997-01-17 1998-10-27 Delco Electronics Corporation Vehicle speed signal calibration
US5999302A (en) 1997-06-27 1999-12-07 Speedring Systems, Inc. Polygon scanner having a fluid film bearing and active correction of cross-scan and in-scan errors
JP4126114B2 (ja) 1997-07-07 2008-07-30 茂雄 大槻 流体の観測面内ドプラ速度分布から面内流を推定する方法
JPH11153664A (ja) 1997-09-30 1999-06-08 Sumitomo Electric Ind Ltd 繰り返しパルス光を利用した物体検知装置
JP3309067B2 (ja) 1997-09-30 2002-07-29 福田 孝太郎 面内流れの表示方法
US20020140924A1 (en) 1999-01-08 2002-10-03 Richard J. Wangler Vehicle classification and axle counting sensor system and method
JP3422720B2 (ja) 1999-04-13 2003-06-30 富士通株式会社 レーザモジュールおよびこれを備えた光走査装置
GB9909323D0 (en) 1999-04-22 1999-06-16 Thomas Swan & Company Limited Phase modulator
JP2000338244A (ja) 1999-05-28 2000-12-08 Mitsubishi Electric Corp コヒーレントレーザレーダ装置
US6753950B2 (en) 2000-01-26 2004-06-22 Instro Precision Limited Optical distance measurement
US6931055B1 (en) 2000-04-18 2005-08-16 Sirf Technology, Inc. Signal detector employing a doppler phase correction system
AU2001280758A1 (en) 2000-07-24 2002-02-05 University Of Kansas Center For Research, Inc. Laser radar system and method
JP2002249058A (ja) 2001-02-26 2002-09-03 Koyo Seiko Co Ltd 電動パワーステアリング装置
DE10139237A1 (de) 2001-08-09 2003-03-06 Conti Temic Microelectronic Vorrichtung zur Entfernungsmessung
DE10148069A1 (de) 2001-09-28 2003-04-10 Ibeo Automobile Sensor Gmbh Verfahren zur Erkennung und Verfolgung von Objekten
JP3729127B2 (ja) 2001-12-13 2005-12-21 株式会社村田製作所 レーダ
US20040034304A1 (en) 2001-12-21 2004-02-19 Chikayoshi Sumi Displacement measurement method and apparatus, strain measurement method and apparatus elasticity and visco-elasticity constants measurement apparatus, and the elasticity and visco-elasticity constants measurement apparatus-based treatment apparatus
US6671595B2 (en) 2002-01-08 2003-12-30 Ford Global Technologies, Llc Vehicle side slip angle estimation using dynamic blending and considering vehicle attitude information
US20040158155A1 (en) 2002-04-01 2004-08-12 Njemanze Philip Chidi Transcranial doppler spectroscopy for assessment of brain cognitive functions
WO2003102625A1 (en) 2002-05-29 2003-12-11 Deines Kent L System and method for measuring velocity using frequency modulation of laser output
US6871148B2 (en) 2002-07-02 2005-03-22 Battelle Memorial Institute Ultrasonic system and technique for fluid characterization
US7324393B2 (en) 2002-09-24 2008-01-29 Sandisk Corporation Method for compensated sensing in non-volatile memory
JP2006521536A (ja) 2002-11-26 2006-09-21 ジェームス エフ． マンロ 高精度の距離測定装置およびその方法
US20050083513A1 (en) 2002-12-20 2005-04-21 Rogers Philip L. Quadrature processed lidar system
US7222007B2 (en) 2004-01-07 2007-05-22 Ford Global Technologies, Llc Attitude sensing system for an automotive vehicle relative to the road
US7122691B2 (en) 2004-03-30 2006-10-17 Sumitomo Chemical Company, Limited Process for producing compound, catalyst component for addition polymerization, process for producing catalyst for addition polymerization, and process for producing addition polymer
US7486802B2 (en) 2004-06-07 2009-02-03 Ford Global Technologies Llc Adaptive template object classification system with a template generator
US7697748B2 (en) * 2004-07-06 2010-04-13 Dimsdale Engineering, Llc Method and apparatus for high resolution 3D imaging as a function of camera position, camera trajectory and range
JP2006148556A (ja) 2004-11-19 2006-06-08 Yaskawa Electric Corp モニタデータ取得装置
US7440084B2 (en) 2004-12-16 2008-10-21 Arete' Associates Micromechanical and related lidar apparatus and method, and fast light-routing components
CN101852855B (zh) 2005-02-14 2012-07-18 数字信号公司 激光雷达系统和用于提供线性调频电磁辐射的系统和方法
US8488967B2 (en) 2005-02-18 2013-07-16 Telcordia Technologies, Inc. System and method for OCDMA-based photonic layer security robustness to archival attack
JP4830311B2 (ja) 2005-02-21 2011-12-07 株式会社デンソー 車載用レーダ装置
EP1865337A1 (en) 2005-03-31 2007-12-12 Matsushita Electric Industrial Co., Ltd. Spread spectrum type radar device
US20060239312A1 (en) 2005-04-23 2006-10-26 Telaris Inc. Semiconductor Lasers in Optical Phase-Locked Loops
US7451033B2 (en) 2005-06-10 2008-11-11 Ford Global Technologies, Llc Lateral and longitudinal velocity determination for an automotive vehicle
US7152490B1 (en) 2005-08-15 2006-12-26 Daniel Measurement And Control, Inc. Methods for determining transducer delay time and transducer separation in ultrasonic flow meters
JP2007155467A (ja) 2005-12-05 2007-06-21 Nidec Sankyo Corp 光ビーム走査装置
US7544945B2 (en) 2006-02-06 2009-06-09 Avago Technologies General Ip (Singapore) Pte. Ltd. Vertical cavity surface emitting laser (VCSEL) array laser scanner
JP4788365B2 (ja) 2006-02-07 2011-10-05 株式会社富士通ゼネラル リモコン信号受信回路
US7742152B2 (en) 2006-06-23 2010-06-22 University Of Kansas Coherent detection scheme for FM chirped laser radar
US8174568B2 (en) 2006-12-01 2012-05-08 Sri International Unified framework for precise vision-aided navigation
DE102007001103A1 (de) 2007-01-04 2008-07-10 Siemens Ag Vertikale Ausrichtung eines Lidar-Sensors
US8213685B2 (en) 2007-01-05 2012-07-03 American Traffic Solutions, Inc. Video speed detection system
US7917039B1 (en) 2007-02-09 2011-03-29 University Of Central Florida Research Foundation, Inc. Signal processing using spectrally phase-encoded optical frequency combs
US7639347B2 (en) 2007-02-14 2009-12-29 Leica Geosystems Ag High-speed laser ranging system including a fiber laser
US7573564B2 (en) 2007-06-26 2009-08-11 The United States Of America As Represented By The Secretary Of The Army Systems for doppler tracking using photonic mixing detectors
US7835054B2 (en) 2007-07-02 2010-11-16 Texas Instruments Incorporated Optical architecture having a rotating polygon for use in imaging systems
CN101910867B (zh) 2008-01-16 2016-05-18 皇家飞利浦电子股份有限公司 基于自混合干涉的激光传感器系统
WO2009107297A1 (ja) 2008-02-25 2009-09-03 三菱電機株式会社 車載通信装置
JP4471018B2 (ja) 2008-04-15 2010-06-02 トヨタ自動車株式会社 無段変速機の制御装置
US9041915B2 (en) 2008-05-09 2015-05-26 Ball Aerospace & Technologies Corp. Systems and methods of scene and action capture using imaging system incorporating 3D LIDAR
JP5629052B2 (ja) 2008-06-03 2014-11-19 日立アロカメディカル株式会社 超音波診断装置
WO2010006081A1 (en) 2008-07-08 2010-01-14 Chiaro Technologies, Inc. Multiple channel locating
WO2010030884A2 (en) 2008-09-11 2010-03-18 Metris Usa, Inc. Compact fiber optic geometry for a counter chirp fmcw coherent laser radar
KR20100037487A (ko) 2008-10-01 2010-04-09 엘지전자 주식회사 차량 네비게이션 방법 및 그 장치
US8437901B2 (en) 2008-10-15 2013-05-07 Deere & Company High integrity coordination for multiple off-road vehicles
US8913636B2 (en) 2009-04-29 2014-12-16 Montana State University Precise broadband frequency modulated laser
US8882675B2 (en) 2009-07-16 2014-11-11 Hitachi Aloka Medical, Ltd. Methods and apparatus for ultrasound imaging
US8125622B2 (en) 2009-07-28 2012-02-28 Applied Concepts, Inc. Lidar measurement device with target tracking and method for use of same
US8441622B2 (en) 2009-07-28 2013-05-14 Applied Concepts, Inc. Lidar measurement device for vehicular traffic surveillance and method for use of same
JP4783481B1 (ja) 2010-02-18 2011-09-28 パナソニック株式会社 超音波測定方法および超音波測定装置
JP5402772B2 (ja) 2010-03-25 2014-01-29 株式会社日本自動車部品総合研究所 光レーダ装置
CA2800267C (en) 2010-05-28 2018-08-07 Optical Air Data Systems, Llc Method and apparatus for a pulsed coherent laser range finder
US9229106B2 (en) 2010-08-13 2016-01-05 Ryan Dotson Enhancement of range measurement resolution using imagery
US8692980B2 (en) 2010-11-01 2014-04-08 Advanced Scientific Concepts, Inc. Flash LADAR collision avoidance system
JP5709476B2 (ja) 2010-11-10 2015-04-30 富士通テン株式会社 レーダ装置
KR101760344B1 (ko) 2010-11-24 2017-07-21 에스프린팅솔루션 주식회사 다면경 조립체, 이를 채용한 광주사장치 및 화상형성장치
JP2011044750A (ja) 2010-11-30 2011-03-03 Sanyo Electric Co Ltd 太陽電池モジュール
US9323250B2 (en) 2011-01-28 2016-04-26 Intouch Technologies, Inc. Time-dependent navigation of telepresence robots
JP5686342B2 (ja) 2011-01-28 2015-03-18 国立大学法人東北大学 レーザレーダ装置およびレーザ合成開口レーダ装置
WO2012121105A1 (ja) 2011-03-09 2012-09-13 株式会社 東芝 医用画像処理装置
US20120274922A1 (en) * 2011-03-28 2012-11-01 Bruce Hodge Lidar methods and apparatus
US9504100B2 (en) 2011-05-31 2016-11-22 Munro Design & Technologies, Llc Selective radiation utilization apparatuses for high-efficiency photobioreactor illumination and methods thereof
WO2012170038A1 (en) 2011-06-10 2012-12-13 Hewlett-Packard Development Company, L.P. Optical scanning apparatus, system and method
US9046909B2 (en) 2011-09-02 2015-06-02 Rambus Inc. On-chip regulator with variable load compensation
TWI435993B (zh) 2011-11-16 2014-05-01 Univ Nat Central Special lamps with light changes
DE102012200139A1 (de) 2012-01-05 2013-07-11 Robert Bosch Gmbh Verfahren und Vorrichtung zur radunabhängigen Geschwindigkeitsmessung bei einem Fahrzeug
US8942012B2 (en) 2012-01-31 2015-01-27 Semiconductor Components Industries, Llc Method of forming a switched mode power supply controller device with an off mode and structure therefor
WO2013148308A1 (en) 2012-03-28 2013-10-03 Intel Corporation Systems, methods, and computer program products for low-latency warping of a depth map
GB2501466A (en) 2012-04-02 2013-10-30 Univ Oxford Localising transportable apparatus
US9248725B2 (en) 2012-04-04 2016-02-02 Ford Global Technologies, Llc Panoramic roof module for a vehicle
CA2877919A1 (en) 2012-06-27 2014-01-03 Pentair Water Pool And Spa, Inc. Pool cleaner with laser range finder system and method
US8831780B2 (en) 2012-07-05 2014-09-09 Stanislav Zelivinski System and method for creating virtual presence
US9007569B2 (en) 2012-08-03 2015-04-14 The United States Of America As Represented By The Administrator Of The National Aeronautics And Space Administration Coherent doppler lidar for measuring altitude, ground velocity, and air velocity of aircraft and spaceborne vehicles
US9134402B2 (en) 2012-08-13 2015-09-15 Digital Signal Corporation System and method for calibrating video and lidar subsystems
US9383753B1 (en) 2012-09-26 2016-07-05 Google Inc. Wide-view LIDAR with areas of special attention
US9196164B1 (en) 2012-09-27 2015-11-24 Google Inc. Pedestrian notifications
US9097800B1 (en) 2012-10-11 2015-08-04 Google Inc. Solid object detection system using laser and radar sensor fusion
US8818609B1 (en) 2012-11-15 2014-08-26 Google Inc. Using geometric features and history information to detect features such as car exhaust in point maps
JP2014115978A (ja) * 2012-11-19 2014-06-26 Ricoh Co Ltd 移動物体認識装置及びこれを用いた報知装置及びその移動物体認識装置に用いる移動物体認識用プログラム及び移動物体認識装置を備えた移動体
US9618619B2 (en) 2012-11-21 2017-04-11 Nikon Corporation Radar systems with dual fiber coupled lasers
US9702972B2 (en) 2012-11-28 2017-07-11 B-K Medical Aps Angle independent velocity spectrum determination
US9048824B2 (en) 2012-12-12 2015-06-02 Intel Corporation Programmable equalization with compensated impedance
US9618742B1 (en) 2013-03-08 2017-04-11 Google Inc. Rotatable mirror assemblies
US9086273B1 (en) 2013-03-08 2015-07-21 Google Inc. Microrod compression of laser beam in combination with transmit lens
EP2806286B1 (en) 2013-05-23 2019-07-10 Veoneer Sweden AB FMCW radar blocking detection
US9110163B2 (en) * 2013-06-14 2015-08-18 Microsoft Technology Licensing, Llc Lidar-based classification of object movement
US9683928B2 (en) 2013-06-23 2017-06-20 Eric Swanson Integrated optical system and components utilizing tunable optical sources and coherent detection and phased array for imaging, ranging, sensing, communications and other applications
US9683836B2 (en) 2013-08-09 2017-06-20 Conduent Business Services, Llc Vehicle classification from laser scanners using fisher and profile signatures
US9424647B2 (en) 2013-08-12 2016-08-23 Apple Inc. Visual-based inertial navigation
JP6304257B2 (ja) 2013-09-12 2018-04-04 パナソニック株式会社 レーダ装置、車両及び移動体速度検出方法
TWI510877B (zh) 2013-10-23 2015-12-01 Ind Tech Res Inst 電壓補償電路及其控制方法
US20150130607A1 (en) 2013-11-11 2015-05-14 David MacArthur Rear Brake Light System
JP6146295B2 (ja) 2013-12-26 2017-06-14 株式会社豊田中央研究所 レーダ装置および速度の方向測定方法
KR102185727B1 (ko) 2014-01-28 2020-12-02 삼성메디슨 주식회사 초음파 진단 장치 및 그 동작방법
US10431099B2 (en) 2014-02-21 2019-10-01 FLIR Belgium BVBA Collision avoidance systems and methods
US10422649B2 (en) 2014-02-24 2019-09-24 Ford Global Technologies, Llc Autonomous driving sensing system and method
JP6222523B2 (ja) 2014-03-11 2017-11-01 日本電気株式会社 移動目標抽出システム、移動目標抽出方法、情報処理装置およびその制御方法と制御プログラム
JP2015172491A (ja) 2014-03-11 2015-10-01 富士通テン株式会社 アンテナ、レーダ装置、および、車両制御システム
JP2015205176A (ja) 2014-04-08 2015-11-19 株式会社トプコン 眼科装置
US9383442B2 (en) 2014-05-12 2016-07-05 Autoliv Asp, Inc. Radar system and method for determining range, relative velocity and bearing of an object using continuous-wave and chirp signals
JP5844430B1 (ja) 2014-06-27 2016-01-20 日立アロカメディカル株式会社 超音波診断装置
US9523766B2 (en) 2014-09-19 2016-12-20 Institut National D'optique Phase error correction in synthetic aperture imaging
WO2016058039A1 (en) 2014-10-17 2016-04-21 Commonwealth Scientific And Industrial Research Organisation Range finding apparatus and system
US10247538B2 (en) 2014-10-29 2019-04-02 Bridger Photonics, Inc. Accurate chirped synthetic wavelength interferometer
WO2016103065A1 (en) 2014-12-23 2016-06-30 Husqvarna Ab Robotic vehicle with adjustable operating area
US9607220B1 (en) 2015-01-08 2017-03-28 Vaas, Inc. Image-based vehicle speed estimation
CN105844328B (zh) 2015-01-15 2021-03-02 开利公司 用于自动试运行人员计数系统的方法和系统
WO2016116733A1 (en) 2015-01-20 2016-07-28 Milan Momcilo Popovich Holographic waveguide lidar
US10001548B2 (en) 2015-01-23 2018-06-19 Navico Holding As Amplitude envelope correction
US9921299B2 (en) 2015-02-20 2018-03-20 Apple Inc. Dynamic beam spot size for light beam scanning device
WO2016134321A1 (en) 2015-02-20 2016-08-25 Apple Inc. Actuated optical element for light beam scanning device
US10032370B2 (en) 2015-03-03 2018-07-24 Honda Motor Co., Ltd. Methods and apparatus for enabling mobile communication device based secure interaction from vehicles through motion signatures
EP3281033B1 (en) 2015-04-07 2022-01-12 GM Global Technology Operations LLC Compact lidar system
CN104793619B (zh) 2015-04-17 2018-02-09 上海交通大学 基于摆动单线激光雷达的仓库巷道自动引导车导航装置
US10036812B2 (en) 2015-06-24 2018-07-31 Blackmore Sensors and Analytics Inc. Method and system for three dimensional digital holographic aperture synthesis
US20160377721A1 (en) 2015-06-26 2016-12-29 Mezmeriz Inc. Beat signal bandwidth compression method, apparatus, and applications
EP3118651B1 (de) 2015-07-17 2021-04-21 Hexagon Technology Center GmbH Laufzeitmessvorrichtung und laufzeitmessverfahren mit ambiguitätslösung in echtzeit
WO2017018065A1 (ja) 2015-07-27 2017-02-02 コニカミノルタ株式会社 ミラーユニット及び光走査型の対象物検知装置
WO2017025885A1 (en) 2015-08-07 2017-02-16 King Abdullah University Of Science And Technology Doppler time-of-flight imaging
CN105425245B (zh) 2015-11-06 2018-02-09 中国人民解放军空军装备研究院雷达与电子对抗研究所 一种基于相干探测的远距离高重频激光三维扫描装置
US10591600B2 (en) 2015-11-30 2020-03-17 Luminar Technologies, Inc. Lidar system with distributed laser and multiple sensor heads
US9971148B2 (en) 2015-12-02 2018-05-15 Texas Instruments Incorporated Compact wedge prism beam steering
CN105652282B (zh) 2015-12-29 2018-04-06 电子科技大学 一种激光相位测距模块
CN105629258B (zh) 2016-03-02 2019-03-29 东华大学 基于伪随机码相位调制和外差探测的测速测距系统及方法
US11255663B2 (en) 2016-03-04 2022-02-22 May Patents Ltd. Method and apparatus for cooperative usage of multiple distance meters
CN107193011A (zh) 2016-03-15 2017-09-22 山东理工大学 一种用于快速计算无人驾驶车感兴趣区域内车辆速度的方法
US20170329332A1 (en) * 2016-05-10 2017-11-16 Uber Technologies, Inc. Control system to adjust operation of an autonomous vehicle based on a probability of interference by a dynamic object
KR102259759B1 (ko) 2016-05-13 2021-06-02 한국전자기술연구원 동시 입출력이 가능한 ROIC 구조와 이를 포함하는 Lidar ToF 센서
US10416292B2 (en) 2016-05-24 2019-09-17 Veoneer Us, Inc. Direct detection LiDAR system and method with frequency modulation (FM) transmitter and quadrature receiver
US10330778B2 (en) 2016-06-03 2019-06-25 Nokia Of America Corporation Coherent lidar system using tunable carrier-suppressed single-sideband modulation
US10267915B2 (en) 2016-06-07 2019-04-23 Raytheon Company Optical system for object detection and location
KR20170138648A (ko) 2016-06-08 2017-12-18 엘지전자 주식회사 차량용 라이다 장치 및 차량
KR102103236B1 (ko) 2016-10-04 2020-04-23 닛산 지도우샤 가부시키가이샤 주차 제어 방법 및 주차 제어 장치
US11442149B2 (en) 2016-10-06 2022-09-13 GM Global Technology Operations LLC LiDAR system
US20190154835A1 (en) 2016-10-06 2019-05-23 GM Global Technology Operations LLC Lidar system
US11675078B2 (en) 2016-10-06 2023-06-13 GM Global Technology Operations LLC LiDAR system
TWI594102B (zh) 2016-11-03 2017-08-01 緯創資通股份有限公司 電壓調節電路及其控制方法
US11010615B2 (en) 2016-11-14 2021-05-18 Lyft, Inc. Rendering a situational-awareness view in an autonomous-vehicle environment
KR20180058068A (ko) 2016-11-23 2018-05-31 전자부품연구원 360도 다채널 스캐닝이 가능한 미러 회전 방식의 광학 구조 및 이를 포함하는 3d 라이다 시스템
WO2018102190A1 (en) 2016-11-29 2018-06-07 Blackmore Sensors and Analytics Inc. Method and system for classification of an object in a point cloud data set
CN113985427A (zh) 2016-11-30 2022-01-28 布莱克莫尔传感器和分析有限责任公司 对光学啁啾距离检测进行多普勒检测和校正的方法和系统
CN117310731A (zh) 2016-11-30 2023-12-29 布莱克莫尔传感器和分析有限责任公司 利用光学测距系统进行自动实时自适应扫描的方法和系统
JP6811862B2 (ja) 2016-11-30 2021-01-13 ブラックモア センサーズ アンド アナリティクス エルエルシー 光学測距システムによる適応走査の方法およびシステム
CN110226103B (zh) 2016-12-16 2023-08-01 博莱佳私人有限公司 环境空间轮廓估计
US10942257B2 (en) 2016-12-31 2021-03-09 Innovusion Ireland Limited 2D scanning high precision LiDAR using combination of rotating concave mirror and beam steering devices
DE102017200692B4 (de) 2017-01-17 2022-08-25 Fraunhofer-Gesellschaft zur Förderung der angewandten Forschung e.V. Omnidirektionale Beleuchtungsvorrichtung und Verfahren zum Abtasten eines Raumwinkelbereichs
US10422880B2 (en) 2017-02-03 2019-09-24 Blackmore Sensors and Analytics Inc. Method and system for doppler detection and doppler correction of optical phase-encoded range detection
TWI626521B (zh) 2017-02-17 2018-06-11 旺宏電子股份有限公司 低壓差穩壓裝置及其操作方法
TWI630469B (zh) 2017-03-03 2018-07-21 Faraday Technology Corporation 電壓調整器
US20180276986A1 (en) 2017-03-22 2018-09-27 Toyota Research Institute, Inc. Vehicle-to-human communication in an autonomous vehicle operation
US11022688B2 (en) 2017-03-31 2021-06-01 Luminar, Llc Multi-eye lidar system
US10677897B2 (en) 2017-04-14 2020-06-09 Luminar Technologies, Inc. Combining lidar and camera data
CN107015238A (zh) 2017-04-27 2017-08-04 睿舆自动化（上海）有限公司 基于三维激光雷达的无人车自主定位方法
KR20180126927A (ko) 2017-05-19 2018-11-28 정종택 8채널형 라이다
JP6821510B2 (ja) 2017-05-30 2021-01-27 あおみ建設株式会社 水中音響測位システム及び方法
AU2018295572B2 (en) 2017-07-05 2022-09-29 Fastbrick Ip Pty Ltd Real time position and orientation tracker
US10401495B2 (en) 2017-07-10 2019-09-03 Blackmore Sensors and Analytics Inc. Method and system for time separated quadrature detection of doppler effects in optical range measurements
US10534084B2 (en) 2017-07-27 2020-01-14 Blackmore Sensors & Analytics, Llc Method and system for using square wave digital chirp signal for optical chirped range detection
US11067993B2 (en) 2017-08-25 2021-07-20 Magna Electronics Inc. Vehicle and trailer maneuver assist system
US11002857B2 (en) 2017-09-15 2021-05-11 Aeye, Inc. Ladar system with intelligent selection of shot list frames based on field of view data
US10890919B2 (en) 2017-09-22 2021-01-12 Waymo Llc Calculating velocity of an autonomous vehicle using radar technology
JP7117092B2 (ja) 2017-09-25 2022-08-12 株式会社トプコン レーザ測定方法及びレーザ測定装置
US11415675B2 (en) 2017-10-09 2022-08-16 Luminar, Llc Lidar system with adjustable pulse period
CN207318710U (zh) 2017-11-02 2018-05-04 厦门市和奕华光电科技有限公司 一种单激光器多线束混合激光雷达
US11644834B2 (en) 2017-11-10 2023-05-09 Nvidia Corporation Systems and methods for safe and reliable autonomous vehicles
US10571567B2 (en) 2017-11-22 2020-02-25 Luminar Technologies, Inc. Low profile lidar scanner with polygon mirror
US10451716B2 (en) 2017-11-22 2019-10-22 Luminar Technologies, Inc. Monitoring rotation of a mirror in a lidar system
US10969490B2 (en) 2017-12-07 2021-04-06 Ouster, Inc. Light ranging system with opposing circuit boards
US11550061B2 (en) 2018-04-11 2023-01-10 Aurora Operations, Inc. Control of autonomous vehicle based on environmental object classification determined using phase coherent LIDAR data
US10906536B2 (en) 2018-04-11 2021-02-02 Aurora Innovation, Inc. Control of autonomous vehicle based on determined yaw parameter(s) of additional vehicle
KR102272212B1 (ko) 2018-04-23 2021-07-01 블랙모어 센서스 앤드 애널리틱스, 엘엘씨 코히어런트 거리 도플러 광학 센서를 이용한 자율 주행 차량 제어 방법 및 시스템
EP3790745B1 (en) 2018-05-08 2023-08-02 Continental Autonomous Mobility US, LLC Visual object tracker
WO2019225965A1 (en) 2018-05-24 2019-11-28 Samsung Electronics Co., Ltd. Lidar device
US11933894B2 (en) 2018-08-07 2024-03-19 Samsung Electronics Co., Ltd. Optical scanner and LIDAR system including the same
TWI671983B (zh) 2018-08-08 2019-09-11 華邦電子股份有限公司 電壓調節器及動態洩流電路
EP3834026A4 (en) 2018-08-10 2022-05-04 Blackmore Sensors & Analytics, LLC METHOD AND SYSTEM FOR SCANNING A COHERENT LIDARS WITH A FAN OF COLLIMATED BEAM
EP3859377B1 (en) 2018-09-30 2023-02-22 SZ DJI Technology Co., Ltd. Distance detection device
US11460662B2 (en) 2018-11-02 2022-10-04 Waymo Llc Mirror coupling
US11520139B2 (en) 2020-04-20 2022-12-06 Lockheed Martin Corporation Rotating steering mirror and methods, assemblies, and systems thereof
US11921234B2 (en) 2021-02-16 2024-03-05 Innovusion, Inc. Attaching a glass mirror to a rotating metal motor frame

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20120281907A1 (en) 2011-05-06 2012-11-08 Toyota Motor Engin. & Manufact. N.A.(TEMA) Real-time 3d point cloud obstacle discriminator apparatus and associated methodology for training a classifier via bootstrapping
WO2014132020A1 (en) 2013-02-27 2014-09-04 Arithmetica Ltd Image processing
WO2014155715A1 (ja) 2013-03-29 2014-10-02 株式会社日立製作所 物体認識装置および物体認識方法並びにプログラム
US20150269438A1 (en) 2014-03-18 2015-09-24 Sri International Real-time system for multi-modal 3d geospatial mapping, object recognition, scene annotation and analytics
JP2015212942A (ja) 2014-04-25 2015-11-26 グーグル インコーポレイテッド レーザー点クラウドを用いる物体検出のための方法及びシステム
US20160266243A1 (en) 2015-03-10 2016-09-15 Raytheon Company Coherent ladar using intra-pixel quadrature detection

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Farhad Samadzadegan et al.，"A Multiple Classifier System for Classification of LIDAR Remote Sensing Data Using Multi-class SVM"，Lecture Notes in Computer Science，2010年，Vol.5997，pp.254-263

Also Published As

Publication number Publication date
CN110168311B (zh) 2021-12-17
JP2019536035A (ja) 2019-12-12
WO2018102190A1 (en) 2018-06-07
KR20220039855A (ko) 2022-03-29
KR102443626B1 (ko) 2022-09-14
US11921210B2 (en) 2024-03-05
EP3548840B1 (en) 2023-10-11
CN114296093A (zh) 2022-04-08
KR102380216B1 (ko) 2022-03-28
EP3548840A1 (en) 2019-10-09
US11537808B2 (en) 2022-12-27
US20190370614A1 (en) 2019-12-05
JP2021181998A (ja) 2021-11-25
KR20190089196A (ko) 2019-07-30
KR102272801B1 (ko) 2021-07-02
CN110168311A (zh) 2019-08-23
EP3548840A4 (en) 2020-07-15
JP6928414B2 (ja) 2021-09-01
EP4283252A1 (en) 2023-11-29
US20230049376A1 (en) 2023-02-16
KR20210082281A (ko) 2021-07-02

Similar Documents

Publication Publication Date Title
JP7252285B2 (ja) 点群データセット内において物体を分類する方法およびシステム
Li et al. What happens for a ToF LiDAR in fog?
KR102399757B1 (ko) 광 처프 거리 검출의 도플러 검출 및 도플러 보정을 위한 방법 및 장치
US10234561B2 (en) Specular reflection removal in time-of-flight camera apparatus
WO2022007859A1 (zh) 激光雷达参数调整方法、装置及激光雷达
US20230057655A1 (en) Three-dimensional ranging method and device
Suzuki et al. Model-based vehicle position estimation using millimeter wave radar
Petillot et al. Target recognition in synthetic aperture sonar and high resolution side scan sonar using AUVs
EP3757943B1 (fr) Procédé et dispositif de télémétrie passive par traitement d'image et utilisation de modeles en trois dimensions
Foster et al. Spin-image target detection algorithm applied to low density 3D point clouds
Grönwall et al. Threat detection and tracking using 3D FLASH ladar data
Wu et al. The YOLO-based Multi-Pulse Lidar (YMPL) for target detection in hazy weather
Mora-Martín et al. Human activity recognition using a single-photon direct time-of-flight sensor
Konno et al. Accurate plane estimation based on the error model of time-of-flight camera
Abdulqadir et al. Distance Measurement Using Dual Laser Source and Image Processing Techniques
Ding et al. Uncertainty Characterization for 3D Object Detection Algorithms
Cullen et al. Laser radar array used for improving image analysis algorithms
Parvizi et al. Real-time approach for adaptive object segmentation in time-of-flight sensors
Mattern et al. An Automotive Perception System using Distance Cameras and Polar Occupancy Grids.
Kitchin et al. Processing and registration of range images from time of flight laser systems

Legal Events

Date Code Title Description
A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210803

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210803

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220621

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220908

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221213

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: 20230322

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230323

R150 Certificate of patent or registration of utility model

Ref document number: 7252285

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313113

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

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: R3D02