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 PDFInfo
- 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
Links
- 238000000034 method Methods 0.000 title claims description 66
- 239000011159 matrix material Substances 0.000 claims description 51
- 238000001514 detection method Methods 0.000 claims description 24
- 238000012545 processing Methods 0.000 claims description 22
- 230000005540 biological transmission Effects 0.000 claims description 5
- 230000003287 optical effect Effects 0.000 description 53
- 238000010586 diagram Methods 0.000 description 22
- 230000006854 communication Effects 0.000 description 21
- 238000004891 communication Methods 0.000 description 21
- 239000013598 vector Substances 0.000 description 15
- 238000012360 testing method Methods 0.000 description 11
- 230000035559 beat frequency Effects 0.000 description 9
- 238000005259 measurement Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 238000013459 approach Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 7
- 230000003111 delayed effect Effects 0.000 description 6
- 230000006870 function Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 6
- 230000004048 modification Effects 0.000 description 6
- 230000001427 coherent effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 230000003993 interaction Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000003068 static effect Effects 0.000 description 3
- UIAFKZKHHVMJGS-UHFFFAOYSA-N 2,4-dihydroxybenzoic acid Chemical compound OC(=O)C1=CC=C(O)C=C1O UIAFKZKHHVMJGS-UHFFFAOYSA-N 0.000 description 2
- 238000003491 array Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000007405 data analysis Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 239000000835 fiber Substances 0.000 description 2
- 238000003384 imaging method Methods 0.000 description 2
- 238000007689 inspection Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002096 quantum dot Substances 0.000 description 2
- 238000000638 solvent extraction Methods 0.000 description 2
- HPTJABJPZMULFH-UHFFFAOYSA-N 12-[(Cyclohexylcarbamoyl)amino]dodecanoic acid Chemical compound OC(=O)CCCCCCCCCCCNC(=O)NC1CCCCC1 HPTJABJPZMULFH-UHFFFAOYSA-N 0.000 description 1
- RYGMFSIKBFXOCR-UHFFFAOYSA-N Copper Chemical compound [Cu] RYGMFSIKBFXOCR-UHFFFAOYSA-N 0.000 description 1
- 241000350052 Daniellia ogea Species 0.000 description 1
- 235000001008 Leptadenia hastata Nutrition 0.000 description 1
- 244000074209 Leptadenia hastata Species 0.000 description 1
- 241001465754 Metazoa Species 0.000 description 1
- 241001061107 Parazen Species 0.000 description 1
- 239000003570 air Substances 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 238000010009 beating Methods 0.000 description 1
- 230000007175 bidirectional communication Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000002591 computed tomography Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 239000013078 crystal Substances 0.000 description 1
- 238000013481 data capture Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000002620 method output Methods 0.000 description 1
- 230000001343 mnemonic effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 210000001747 pupil Anatomy 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 239000000758 substrate Substances 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
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
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。
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。
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。
、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。
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。
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。
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。
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。
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。
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。
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。
1つ以上のステップを実行するように構成されている。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
、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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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:
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。
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、
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
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
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。
、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。
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。
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。
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。
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。
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。
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。
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。
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)
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。 - 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。
- 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。
- 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。 - 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。 - 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。 - 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。 - 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。 - 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。
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)
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)
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)
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 |
-
2017
- 2017-11-21 WO PCT/US2017/062721 patent/WO2018102190A1/en unknown
- 2017-11-21 CN CN201780081968.3A patent/CN110168311B/zh active Active
- 2017-11-21 US US16/464,063 patent/US11537808B2/en active Active
- 2017-11-21 EP EP17876731.5A patent/EP3548840B1/en active Active
- 2017-11-21 EP EP23201649.3A patent/EP4283252A1/en active Pending
- 2017-11-21 JP JP2019527156A patent/JP6928414B2/ja active Active
- 2017-11-21 KR KR1020227009625A patent/KR102443626B1/ko active IP Right Grant
- 2017-11-21 KR KR1020217020076A patent/KR102380216B1/ko active IP Right Grant
- 2017-11-21 KR KR1020197018575A patent/KR102272801B1/ko active IP Right Grant
- 2017-11-21 CN CN202111404151.XA patent/CN114296093A/zh active Pending
-
2021
- 2021-08-02 JP JP2021126516A patent/JP7252285B2/ja active Active
-
2022
- 2022-10-04 US US17/959,406 patent/US11921210B2/en active Active
Patent Citations (6)
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)
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 |