JP2011095914A - System, method and program for tracking vehicle - Google Patents
System, method and program for tracking vehicle Download PDFInfo
- Publication number
- JP2011095914A JP2011095914A JP2009247999A JP2009247999A JP2011095914A JP 2011095914 A JP2011095914 A JP 2011095914A JP 2009247999 A JP2009247999 A JP 2009247999A JP 2009247999 A JP2009247999 A JP 2009247999A JP 2011095914 A JP2011095914 A JP 2011095914A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- detection
- motion trajectory
- tracking
- trajectory
- 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.)
- Granted
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
Description
本発明は、車両の追跡を行う車両追跡システム、車両追跡方法および車両追跡プログラムに関する。本発明は特に車両の誤追跡の抑制を可能とする車両追跡システム、車両追跡方法および車両追跡プログラムに関する。 The present invention relates to a vehicle tracking system, a vehicle tracking method, and a vehicle tracking program for tracking a vehicle. The present invention particularly relates to a vehicle tracking system, a vehicle tracking method, and a vehicle tracking program that can suppress erroneous tracking of a vehicle.
近年の自動車開発のキーワードとして、「安全・安心」が広く使用されている。日本社会の高齢化に伴い、車両を運転するドライバの高齢者人口が今後増大していくのは避けられない。そこで、判断力、注意力、あるいは体力の衰えた高齢者ドライバに対して安全で安心できる運転をサポートすることが、自動車業界にとって強く望まれている。 As a keyword for automobile development in recent years, “safety and security” is widely used. With the aging of Japanese society, it is inevitable that the elderly population of drivers who drive vehicles will increase in the future. Therefore, it is strongly desired for the automobile industry to support safe and reliable driving for elderly drivers who have weak judgment, attention, or physical strength.
自動車にとっての「安全・安心」とは、交通事故の発生を回避することや、交通事故が発生した場合にその損害を最小限に食い止めることである。自動車の高性能化や道路交通法の改正といった技術の進歩や法律の整備によって、交通事故死者数は平成9年の9,640人から平成18年の6,352人と着実に減少を続けている。この一方で、交通事故による負傷者数はほぼ横ばいであり、自動車の安全性に関しては更なる向上が求められている。 “Safety / safety” for automobiles means avoiding traffic accidents and minimizing the damage in the event of a traffic accident. With the advancement of technology such as higher performance of automobiles and revisions to the Road Traffic Law, the number of traffic fatalities has been steadily decreasing from 9,640 in 1997 to 6,352 in 2006. Yes. On the other hand, the number of injuries caused by traffic accidents is almost flat, and further improvements are required for the safety of automobiles.
ところで、自動車と人あるいはモノとの衝突を回避するために必要な技術として、自動車周辺状況認識技術が存在する。たとえばミリ波レーダを用いた前方車両衝突回避システム、遠赤外線画像をカーナビゲーション画面に表示することによる夜間道路画像明瞭化システム、前方カメラを用いて白線を認識することによる車線逸脱警報システムが、この種の技術として実用化されている。これらの自動車周辺状況認識技術は、それぞれ1台の車両で処理が完結する。 By the way, as a technique necessary for avoiding a collision between an automobile and a person or an object, there is an automobile surrounding situation recognition technique. For example, a front vehicle collision avoidance system using millimeter wave radar, a night road image clarifying system by displaying a far infrared image on a car navigation screen, and a lane departure warning system by recognizing a white line using a front camera It has been put into practical use as a seed technology. Each of these vehicle surrounding situation recognition technologies completes processing with one vehicle.
一方、より高度な状況認識を実現するアプローチとして、車車連携技術や路車連携技術が存在する。車車連携技術では、道路上を走行する各車両が互いに無線通信を行い、自車両の周辺状況を他車両に対して提供することで、自車両のみでは把握が困難な周辺状況の取得が可能になる。車車連携が実現することにより、たとえば死角から他車両が飛び出してくることによる出会い頭の衝突事故の回避が期待される。 On the other hand, vehicle-vehicle cooperation technology and road-vehicle cooperation technology exist as approaches for realizing higher-level situation recognition. With vehicle-to-vehicle cooperation technology, each vehicle traveling on the road communicates wirelessly with each other and provides the surrounding situation of the own vehicle to other vehicles, so it is possible to acquire the surrounding situation that is difficult to grasp only with the own vehicle become. By realizing vehicle-to-vehicle cooperation, for example, it is expected to avoid a collision accident at the time of encounter due to another vehicle popping out from the blind spot.
路車連携技術では、道路脇に設置したセンサを用いて個々の車両の走行状態をモニタリングし、これらの走行情報を各車両に配信する。路車連携が実現することにより、たとえば渋滞末尾の車両の検出と通知が可能になる。路車連携技術では、各種のセンサの1つとしてカメラを用いることがある。カメラで取得した道路の画像から個々の車両を検出しその走行経路を追跡することで、交差点内での右折車と直進車の衝突防止警告システムの構築も可能になる。 In road-vehicle cooperation technology, the running state of each vehicle is monitored using a sensor installed on the side of the road, and the running information is distributed to each vehicle. By realizing road-vehicle cooperation, for example, it becomes possible to detect and notify a vehicle at the end of a traffic jam. In road-vehicle cooperation technology, a camera may be used as one of various sensors. By detecting individual vehicles from the road image acquired by the camera and tracking the travel route, it is possible to construct a collision prevention warning system for a right turn vehicle and a straight vehicle in an intersection.
路車連携の枠組みを用いたサービスでは、車両の検出や追跡に誤りがあると、車両を発進させることができるタイミングに「止まれ」の信号を車両に送るというように、利用者にとって不便なシステムとなってしまう。そこで、センサが出力する車両の誤検出信号を同定し、棄却等の後処理を行うことで、車両追跡の精度を上げる必要がある。 In a service using a road-vehicle cooperation framework, if there is an error in vehicle detection or tracking, a system that is inconvenient for the user, such as sending a “stop” signal to the vehicle when it can start. End up. Therefore, it is necessary to improve the accuracy of vehicle tracking by identifying a vehicle false detection signal output from the sensor and performing post-processing such as rejection.
たとえば、カメラとしてのセンサから取得する画像に対して、予めニューラルネットワーク等の機械学習を用いて構築した辞書を照合に用いて、画像中における車両を検出するものとする。この際に、画像中の影や横断歩道等のテクスチャが車両と似た特徴を持つ場合には、該当箇所において誤検出の信号が繰り返し発生することになる。以下の説明では、このような誤検出を定常的な誤検出と称することにし、そこから算出される車両の運動軌跡を誤検出軌跡と称することにする。 For example, it is assumed that a vehicle constructed in advance using machine learning such as a neural network is used for collation with respect to an image acquired from a sensor as a camera to detect vehicles in the image. At this time, if a texture such as a shadow or a pedestrian crossing in the image has a feature similar to that of a vehicle, a false detection signal is repeatedly generated at the corresponding location. In the following description, such erroneous detection will be referred to as steady erroneous detection, and the vehicle motion trajectory calculated therefrom will be referred to as erroneous detection trajectory.
図31は、定常的な誤検出の例を示したものである。図31(A)〜(E)は、図示しないカメラで撮影した道路の同一場所における5枚の画像を表わしたものである。ここで、時間は図31(A)から図31(E)の方向に順に経過している。 FIG. 31 shows an example of regular erroneous detection. FIGS. 31A to 31E show five images taken at the same place on the road taken by a camera (not shown). Here, time elapses in order from FIG. 31 (A) to FIG. 31 (E).
道路を示す各画像には、横断歩道のマーク951が、水平方向に間隔を置いて記録されている。横断歩道のマーク951を横切る形で車両952が走行するものとする。太陽の位置にもよるが、車両952のフロントガラスの画像濃度としての画素値は、横断歩道のマーク951の画素値と類似する。
In each image showing a road, a
このため、車両952の走行位置953を順次検出しているはずのカメラが、横断歩道のマーク951の一部を含む領域954の存在を示す位置955を車両の位置と誤検出する。横断歩道のマーク951は道路の所定位置に描かれているので、カメラの情報を受け取った図示しない車両追跡装置側では、車両が横断歩道上に停止しているものとして認識する。
Therefore, the camera that should sequentially detect the
このような誤認識が時間的にランダムに発生するものであれば、発生頻度を平均化する等の手法を採用することで、真の車両検出信号と区別することができる。ところが、誤検出が定常的に発生するのであれば、このような手法を採用することができない。また、横断歩道のような特定場所で車両952の誤検出が繰り返し発生する場合に、これらの検出結果を無効にしてしまうと、その特定場所に停止した車両952を検出できなくなる。
If such erroneous recognition occurs randomly in time, it can be distinguished from a true vehicle detection signal by adopting a technique such as averaging the occurrence frequency. However, such a technique cannot be adopted if erroneous detection occurs regularly. In addition, when erroneous detection of the
そこで、定常的に発生する信号に基づいて、道路上の物体や状況を認識する技術が本発明の第1の関連技術(たとえば特許文献1参照)および第2の関連技術(たとえば特許文献2参照)として提示されている。 Therefore, a technique for recognizing an object or a situation on a road based on a signal that is constantly generated is a first related technique (for example, see Patent Document 1) and a second related technique (for example, see Patent Document 2) of the present invention. ).
このうち、第1の関連技術では、画像を用いた道路上の静止物、すなわち障害物判定の技術を扱っている。この第1の関連技術の障害物判定部では、1秒間に30フレームを撮影した平面画像のうちの連続した6枚の平面画像を用いる。そして、これらの画像列中の1番目と6番目の画像中で2値化後の物体の位置が一致している場合には、この物体は静止していると見なしている。 Among these, the first related technique deals with a technique for determining a stationary object on a road using an image, that is, an obstacle. The obstacle determination unit according to the first related technique uses six consecutive plane images among the plane images obtained by capturing 30 frames per second. Then, when the positions of the binarized objects in the first and sixth images in these image sequences match, this object is considered to be stationary.
本発明の第2の関連技術では、自車両の走行にとって真に障害物となるものを検出する技術を扱っている。この第2の関連技術では、道路上の物体に対するレーダによる検出点のデータ群を走行路区分線で切り分ける。そして、走行路内にあるものと外にあるものとで異なるクラスタ(cluster)、すなわち記録単位に纏めて、これを基にして、自車両の走行にとって真に障害物となるものを検出している。 The second related technique of the present invention deals with a technique for detecting what is truly an obstacle to the traveling of the host vehicle. In the second related technique, a data group of detection points by a radar for an object on a road is divided by a traveling road dividing line. Then, clusters that are different between what is on the road and those that are outside, that is, grouped in recording units, are used to detect what is truly an obstacle to the running of the vehicle. Yes.
このうち第1の関連技術では、複数枚の画像上で移動が観測されずに、静止していると見なす物体の形状が、登録済みの車両の形状と一致しない場合に障害物と判定する。このため、テクスチャ情報が車両に類似している場合には障害物から排除されることになり、この結果として定常的に発生するこの種の誤検出を同定することができない。 Among these, in the first related technique, the movement is not observed on a plurality of images, and the shape of the object that is considered to be stationary does not match the registered shape of the vehicle, and is determined as an obstacle. For this reason, when the texture information is similar to the vehicle, it is excluded from the obstacle, and as a result of this, it is impossible to identify this type of false detection that occurs regularly.
一方、第2の関連技術では、移動物体の運動軌跡の滑らかさ、観測時間の長短、センサ検出範囲と検出物体との位置関係から「移動体らしさ」を定義している。そして、移動体らしさの低いものを移動体から削除するようにしている。しかしながら、この第2の関連技術によると、定常的に発生する誤検出については観測時間が長くなる。このため、定常的に発生する誤検出に対して移動体らしさが高くなり、その結果として誤検出として判定して削除することができなくなるという問題がある。 On the other hand, in the second related technique, the “moving body-likeness” is defined from the smoothness of the motion trajectory of the moving object, the length of the observation time, and the positional relationship between the sensor detection range and the detected object. Then, the object that is less likely to be a moving object is deleted from the moving object. However, according to the second related technique, the observation time becomes longer for the erroneous detection that occurs regularly. For this reason, there is a problem that the likelihood of a moving object is high with respect to erroneous detection that occurs regularly, and as a result, it is determined that the detection is erroneous and cannot be deleted.
そこで本発明の目的は、道路上の車両を検知するセンサを用いて車両の追跡を行う際に、誤検出を減少して車両追跡処理の精度向上を図ることのできる車両追跡システム、車両追跡方法および車両追跡プログラムを提供することにある。 SUMMARY OF THE INVENTION Accordingly, an object of the present invention is to provide a vehicle tracking system and a vehicle tracking method capable of reducing false detections and improving the accuracy of vehicle tracking processing when tracking a vehicle using a sensor that detects a vehicle on a road. And providing a vehicle tracking program.
本発明では、(イ)道路上の予め定めた所定範囲の領域を複数に分割したそれぞれの単位領域における路上の物理状態を時間を追って順次検出するセンサと、(ロ)このセンサによって検出される前記した道路上の前記した単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する運動軌跡算出手段と、(ハ)前記したそれぞれの単位領域ごとに前記した特定物理状態が定常的に発生する割合を登録する誤検出割合登録手段と、(ニ)前記した運動軌跡算出手段によって算出した前記した運動軌跡と前記した誤検出割合登録手段に登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する車両追跡解析手段とを車両追跡装置が具備する。 In the present invention, (b) a sensor that sequentially detects the physical state on the road in each unit area obtained by dividing a predetermined range of the area on the road into a plurality of times, and (b) detected by this sensor. When the physical state of any of the unit areas on the road described above is a specific physical state indicating the possibility of a vehicle, the motion trajectory is calculated as the movement path of the temporal position of these unit areas. (C) an erroneous detection rate registration unit for registering a rate at which the specific physical state described above is steadily generated for each unit area, and (d) the above-described motion track calculation unit. Vehicle tracking analysis means for analyzing the travel route of the vehicle using the calculated motion trajectory and the vehicle false detection rate for each unit area registered in the error detection rate registration means. Both tracking device comprises.
また、本発明では、(イ)道路上の予め定めた所定範囲の領域を複数に分割したそれぞれの単位領域における路上の物理状態をセンサを用いて時間を追って順次検出するセンサ検出ステップと、(ロ)このセンサ検出ステップによって検出される前記した単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する運動軌跡算出ステップと、(ハ)前記したそれぞれの単位領域ごとに前記した特定物理状態が定常的に発生する割合を登録する誤検出割合登録ステップと、(ニ)前記した運動軌跡算出ステップによって算出した前記した運動軌跡と前記した誤検出割合登録ステップで登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する車両追跡解析ステップとを車両追跡方法が具備する。 In the present invention, (a) a sensor detection step of sequentially detecting a physical state on the road in each unit area obtained by dividing a predetermined range of the predetermined area on the road with time using a sensor; B) When the physical state of any one of the unit areas detected by the sensor detection step is a specific physical state indicating the possibility of the presence of the vehicle, as a movement path of the temporal position of these unit areas (C) an erroneous detection rate registration step for registering a rate at which the above-described specific physical state is steadily generated for each unit area; The vehicle using the motion trajectory calculated in the motion trajectory calculation step and the vehicle false detection rate for each unit area registered in the error detection rate registration step. Vehicle Tracking analysis step and the vehicle tracking method of analyzing the path of travel is provided.
更に本発明では、コンピュータに、車両追跡プログラムとして、(イ)道路上の予め定めた所定範囲の領域を複数に分割したそれぞれの単位領域における路上の物理状態をセンサを用いて時間を追って順次検出するセンサ検出処理と、(ロ)このセンサ検出処理によって検出される前記した単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する運動軌跡算出処理と、(ハ)前記したそれぞれの単位領域ごとに前記した特定物理状態が定常的に発生する割合を登録する誤検出割合登録処理と、(ニ)前記した運動軌跡算出処理によって算出した前記した運動軌跡と前記した誤検出割合登録処理で登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する車両追跡解析処理とを実行させることを特徴としている。 Further, according to the present invention, as a vehicle tracking program, (a) a physical state on the road in each unit area obtained by dividing a predetermined range on the road into a plurality of parts is sequentially detected using a sensor. (B) when the physical state of any of the unit areas detected by this sensor detection process is a specific physical state indicating the possibility of the presence of the vehicle, the time of these unit areas A motion trajectory calculation process for calculating a motion trajectory as a movement path of a specific position, and (c) an erroneous detection rate registration process for registering a rate at which the above-described specific physical state constantly occurs for each unit region. And (d) erroneous detection of the vehicle for each unit region registered in the above-described motion trajectory calculated by the above-described motion trajectory calculation processing and the above-described erroneous detection rate registration processing. Using the ratio is characterized by executing a vehicle tracking analysis process for analyzing the path of travel of the vehicle.
以上説明したように本発明によれば、定常的に発生する車両の誤検出結果を反映させて車両の運動軌跡を追跡するので、誤追跡の防止が可能になる。 As described above, according to the present invention, since the vehicle motion trajectory is tracked by reflecting the erroneous detection result of the vehicle that occurs regularly, it is possible to prevent erroneous tracking.
図1は、本発明の車両追跡システムのクレーム対応図を示したものである。本発明の車両追跡システム10は、センサ11と、運動軌跡算出手段12と、誤検出割合登録手段13と、車両追跡解析手段14を備えている。ここで、センサ11は、道路上の予め定めた所定範囲の領域を複数に分割したそれぞれの単位領域における路上の物理状態を時間を追って順次検出する。運動軌跡算出手段12は、センサ11によって検出される前記した道路上の前記した単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する。誤検出割合登録手段13は、前記したそれぞれの単位領域ごとに前記した特定物理状態が定常的に発生する割合を登録する。車両追跡解析手段14は、運動軌跡算出手段12によって算出した前記した運動軌跡と誤検出割合登録手段13に登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する。
FIG. 1 shows a claim correspondence diagram of the vehicle tracking system of the present invention. The
図2は、本発明の車両追跡方法のクレーム対応図を示したものである。本発明の車両追跡方法20は、センサ検出ステップ21と、運動軌跡算出ステップ22と、誤検出割合登録ステップ23と、車両追跡解析ステップ24を備えている。ここで、センサ検出ステップ21では、道路上の予め定めた所定範囲の領域を複数に分割したそれぞれの単位領域における路上の物理状態をセンサを用いて時間を追って順次検出する。運動軌跡算出ステップ22では、センサ検出ステップ21によって検出される前記した単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する。誤検出割合登録ステップ23では、前記したそれぞれの単位領域ごとに前記した特定物理状態が定常的に発生する割合を登録する。車両追跡解析ステップ24では、運動軌跡算出ステップ22によって算出した前記した運動軌跡と誤検出割合登録ステップ23で登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する。
FIG. 2 shows a claim correspondence diagram of the vehicle tracking method of the present invention. The
図3は、本発明の車両追跡プログラムのクレーム対応図を示したものである。本発明の車両追跡プログラム30は、コンピュータに、車両追跡プログラムとして、センサ検出処理31と、運動軌跡算出処理32と、誤検出割合登録処理33と、車両追跡解析処理34を実行させるようにしている。ここで、センサ検出処理31では、道路上の予め定めた所定範囲の領域を複数に分割したそれぞれの単位領域における路上の物理状態をセンサを用いて時間を追って順次検出する。運動軌跡算出処理32では、センサ検出処理31によって検出される前記した単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する。誤検出割合登録処理33では、前記したそれぞれの単位領域ごとに前記した特定物理状態が定常的に発生する割合を登録する。車両追跡解析処理34では、運動軌跡算出処理32によって算出した前記した運動軌跡と前記した誤検出割合登録処理33で登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する。
FIG. 3 shows a claim correspondence diagram of the vehicle tracking program of the present invention. The
<発明の第1の実施の形態> <First Embodiment of the Invention>
次に本発明の第1の実施の形態を説明する。 Next, a first embodiment of the present invention will be described.
図4は、本発明の第1の実施の形態による車両追跡システムを表わしたものである。本実施の形態の車両追跡システム100は、道路101をたとえば上方から所定範囲を見渡す位置に設置された車両位置検出センサ102を備えている。車両位置検出センサ102は、たとえばカメラ、超音波センサ、ループコイル、レーザレーダ、ミリ波レーダによって構成されている。このような車両位置検出センサ102は、所定幅の道路(図では3レーン)を予め定められた長さの範囲からなる追跡注目領域内で車両103の走行を検出する。車両位置検出センサ102は、単体のセンサである必要はなく、複数のセンサの集合であってもよい。車両位置検出センサ102の検出データ104は、追跡注目領域の車両の追跡を行うための車両追跡装置105に入力される。
FIG. 4 shows a vehicle tracking system according to the first embodiment of the present invention. The
車両追跡装置105は、CPU(Central Processing Unit)111と、メモリ112を備えた制御部113を有している。制御部113は、データバス等のバス114を介して、追跡軌跡算出部115、追跡軌跡比較部116、誤検出軌跡判別部117、誤検出定常発生領域判別部118および誤検出軌跡削除部119を制御する。制御部113はメモリ112に格納された制御プログラムを実行することで、追跡軌跡算出部115、追跡軌跡比較部116、誤検出軌跡判別部117、誤検出定常発生領域判別部118および誤検出軌跡削除部119の少なくとも一部をソフトウェアで実現することができる。
The
ここで、追跡軌跡算出部115は、追跡注目領域で道路101を走行する車両103の移動する位置を追跡するようになっている。追跡軌跡比較部116は、追跡軌跡算出部115の算出した複数の車両103の運動軌跡を比較する。誤検出軌跡判別部117は、車両103の誤検出とされる軌跡を判別する。誤検出定常発生領域判別部118は、追跡注目領域における誤検出が定常的に発生する領域を判別する。誤検出軌跡削除部119は、車両103の誤検出を示す時系列データから算出された軌跡を追跡処理の対象から除外する。
Here, the tracking
図5は、図4に示した車両位置検出センサが検出対象とする車両の追跡注目領域をハッチングを付して示したものである。本実施の形態で採り上げる例で、道路101は片道が3レーン(車線)からなっている。ここで追跡注目領域131は、車両(図示せず)の進行方向に道路101の第1の位置P1から第2の位置P2までの帯状の領域をいう。この追跡注目領域131で図4に示した車両103のそれぞれの位置を追跡し、この追跡過程で発生した誤検出のデータを排除することになる。
FIG. 5 shows the tracking attention area of the vehicle to be detected by the vehicle position detection sensor shown in FIG. 4 with hatching. In the example picked up in the present embodiment, the
このために、本実施の形態では追跡注目領域131のどの位置で車両の検出信号が発生するかのデータを使用するようになっている。このデータは、追跡注目領域131を複数の単位領域に区分けして、それぞれの単位領域で車両検出頻度を表わしたものからなる。
For this reason, in the present embodiment, data on which position of the tracking
図6は、追跡注目領域を単位領域に分割した例を示している。追跡注目領域131は、破線で示すように、それぞれのレーンを跨がないようにマトリックス状に分割する。これによる1つ1つの枡目が単位領域141を構成する。この例では、追跡注目領域131を、車両進行方向に10等分すると共に、それぞれのレーンを幅方向に2等分して、合計60個の単位領域141に区分する。
FIG. 6 shows an example in which the tracking attention area is divided into unit areas. The tracking
図7は、追跡注目領域におけるそれぞれの単位領域の予め定められた時間内における検出頻度を数値で表わした一例を示したものである。ここで、単位領域141のうち「0」として表わされた箇所では、車両の検出が一度もされていないことを意味する。これに対して、単位領域141のうちで「89」と示された箇所では、定められた時間内に車両が89回検出されたことを表わしている。
FIG. 7 shows an example in which the detection frequency of each unit area in the tracking attention area within a predetermined time is represented by a numerical value. Here, in the part represented as “0” in the
図8および図9は、本実施の形態での道路の追跡注目領域における車両の追跡の原理を説明するためのものである。このうち、図9が注目している時刻Tにおける各車両103の位置を表わしており、図8はこれよりも単位時間「1」だけ過去の各車両103の位置を表わしている。これらの図で各車両103は矢印145で示す方向を車両進行方向としている。図8および図9を用いて説明する。
FIG. 8 and FIG. 9 are for explaining the principle of vehicle tracking in a road tracking attention area in the present embodiment. Among these, FIG. 9 shows the position of each
図8の時刻T−1の状態を、まず説明する。道路101の第1レーン151には、追跡注目領域131内に車両10311と車両10312が、それぞれ表示された位置に検出されている。車両10311と車両10312のそれぞれに繋がる破線は、追跡注目領域131内でのこれらの車両10311、10312の運動軌跡16111、16112を表わしている。同様に、第2レーン152には、追跡注目領域131内に車両10321と車両10322が、それぞれ表示された位置に検出されている。同様に、第3レーン153には、追跡注目領域131内に車両10331が表示された位置に検出されている。他の車両10332は、追跡注目領域131の手前の位置に検出されている。各運動軌跡16111、16112、16121、16122、16131は、追跡注目領域131において確定したものとする。
First, the state at time T-1 in FIG. 8 will be described. In the
図9に示す時刻T−1から単位時間「1」だけ経過した時刻Tにおける、図9に示す第1レーン151に注目する。ここには、追跡注目領域131から外れた位置に実際の車両10311が移動しており、他の車両10312は、図8に示した位置よりも図で上方にずれた位置に移動しているものとする。同様に、図9の第2レーン152と、第3レーン153には、車両10321、10322、10331、10332が位置している。
Attention is paid to
ただし、第1レーン151における車両10311は追跡注目領域131から外れており、検出の対象とはなっていないことに注意する必要がある。すなわち、時刻Tにおける図4に示した車両位置検出センサ102の検出結果からは、追跡注目領域131内に×印を付記した各車両10312、10321、10322、10331、10332の位置に、車両らしきものが検出されているに過ぎない。追跡注目領域131には、これ以外にも、同じく×印を示した箇所に、車両103の候補検出位置17111、17112、17131が検出されている。
However, it should be noted that the
したがって、車両追跡装置105は、これらの中から、各車両103の時刻Tにおける位置を確定させて、各運動軌跡16111、16112、16121、16122、16131を延長させる必要がある。また、新たに追跡注目領域131に登場する車両10332については、軌跡の追跡を開始すると共に、追跡注目領域131から外れる車両103があれば、この領域内における追跡を終了する必要がある。
Therefore, the
そこで、時刻T−1までの各車両103の運動軌跡161を基にして、時刻Tにおける新たな運動軌跡を生成する。このために、図4に示した追跡軌跡比較部116は、比較対象とされた車両追跡軌跡を時刻Tにおいて比較する。同じく図4に示した誤検出軌跡判別部117は、車両103の位置を正しく検出して得られる車両位置の時系列データに基づいて、生成され得ない運動軌跡を、定常的な誤検出の時系列データから算出された軌跡であると判別する。このためには、車両位置検出センサ102で得られた車両検出結果を車両検出位置分布に反映し、その分布情報から定常的な誤検出発生領域を判別する。
Therefore, a new motion trajectory at time T is generated based on the
図9に示した各運動軌跡16111、16112、16121、16122、16131の先端に記した○印は、時刻T−1における軌跡の先端位置である。これら○印を記した終端位置を基にして、時刻Tにおける各候補検出位置17111、17112、17131と、他の×印を付した車両103の各位置から正しい車両位置を対応付けることになる。ちなみに、図9に示す候補検出位置17111、17112、17131は、エラーとして最終的に判別される位置となる。
The circles marked at the tips of the
図10は、時刻Tの追跡注目領域に存在する1つのレーン内における時刻T−1までで得られた運動軌跡と候補検出位置の対応付けの一例を表わしたものである。この例では、運動軌跡161の○印で示した終端位置と、この付近に存在する3カ所の候補検出位置1711、1712、1713の対応付けが問題となる。
FIG. 10 shows an example of the correspondence between the motion trajectory obtained up to time T-1 in one lane existing in the tracking attention area at time T and the candidate detection position. In this example, there is a problem with the correspondence between the end position indicated by a circle in the
運動軌跡の終端位置との対応付け方法の例としては、運動軌跡の終端と検出位置までの距離をlとするとき、この距離lを用いて定義される次の(1)式を、対応スコアとして用いることができる。 As an example of a method of associating with the end position of the motion trajectory, when the distance from the end of the motion trajectory to the detection position is l, the following equation (1) defined using this distance l is used as the correspondence score: Can be used as
DS=1/l ……(1) D S = 1 / l (1)
この(1)を用いると、図10の例では、運動軌跡161の○印で示した終端位置から距離が最も短い候補検出位置1711が最も対応スコアDSが高くなる。また、終端位置から距離が最も遠い候補検出位置1713が最も対応スコアDSが低くなる。
With this (1), in the example of FIG. 10, the most corresponding score D S distance from the terminal end position is shortest
このように、この対応付け方法では、運動軌跡の終端のそれぞれについて全候補検出位置171(図10で×印を記したすべての位置)との距離を用いてスコアを算出する。そして、対応スコアの昇順に1位、2位、…と順位付けを行い、対応スコアDSが1位に相当する候補検出位置1711を、注目する運動軌跡終端に対応したものと見なす。
In this way, in this association method, the score is calculated using the distances from all candidate detection positions 171 (all positions marked with “x” in FIG. 10) for each end of the motion trajectory. The 1-position in the ascending order of the corresponding scores,
候補検出位置171との対応付けに成功した運動軌跡については、その終端を対応する候補検出位置171まで延長する。これにより、現在の時刻Tにおける運動軌跡が算出される。時間の経過によって追跡注目領域131の内部から外部に移動した車両103(たとえば図9における車両10311)の運動軌跡161が時刻Tで消滅する。また、追跡注目領域131の外部から内部に移動した車両103(たとえば図9における車両10332)の運動軌跡161が新たに生成される。したがって、運動軌跡161の個数は、各時刻で変動することになる。
For a motion trajectory that has been successfully associated with the
図4に示した追跡軌跡比較部116は、図9に示した時刻Tに追跡注目領域131内に存在する所定数の車両103の運動軌跡161の中で、同一レーン上で、この時刻Tにおける車両103の位置の検出を待つ2個の運動軌跡161を選択する。そして、有限な固定幅の時間レンジで、これらの運動軌跡161の比較を行う。
The tracking
ここで、追跡軌跡比較部116の比較処理に固定幅の時間レンジを用いる理由を説明する。たとえば渋滞などの交通状況に依存して、追跡注目領域131における注目する車両103の出現から消滅までに要する時間は動的に変化する。したがって、車両103の出現から消滅に合わせて運動軌跡の比較に用いる時間レンジを動的に調整するのは困難だからである。このため、図5に示したように、道路101における車両103の進行方向における追跡注目領域131の上限位置をP1とし、下限位置をP2と設定する。また、車両103の進行方向を上向きとした車両位置を表わす軸を縦軸、時刻を横軸にとる。
Here, the reason why the fixed width time range is used for the comparison processing of the tracking
図11は、この例における運動軌跡の解析が行われる領域を示したものである。たとえば図5に示す車両進行方向としての縦軸方向に、固定点としての第1の位置P1と第2の位置P2をとる。また、横軸には、時刻T1と時刻T2という固定された2つの時刻をとる。本実施の形態では、これらの位置P1、P2と、時刻T1、T2によって囲まれた矩形領域181としての固定レンジの中で運動軌跡の解析を行う。
FIG. 11 shows a region where the motion trajectory is analyzed in this example. For example, the first position P 1 and the second position P 2 as fixed points are taken in the vertical axis direction as the vehicle traveling direction shown in FIG. On the horizontal axis, two fixed times of time T 1 and time T 2 are taken. In the present embodiment, the motion trajectory is analyzed in a fixed range as a
図12は、車両検出結果に基づいて算出された運動軌跡の一例を示したものである。図4および図8と共に説明する。 FIG. 12 shows an example of a motion trajectory calculated based on the vehicle detection result. This will be described with reference to FIGS.
車両位置検出センサ102が車両103を正常に検出しており、かつその車両103が、たとえば第1レーン151を矢印145で示す方向に走行しているものとする。この場合、その車両103の運動軌跡191は、基本的に図12に示す実線のように、一部に水平な部分を含む場合のある右肩上がりの折れ線となる。
It is assumed that the vehicle
この一方で、定常的に発生する車両誤検出の結果に基づいて算出された運動軌跡の場合には、たとえば第1レーン151上の同一箇所に車両検出結果が存在する。この結果として、車両が停止しているように観測される。したがって、運動軌跡192は図12中の破線で示すように車両103の停止位置PAを中心として所定幅で車両進行方向に進退する折れ線で構成される。
On the other hand, in the case of the motion locus calculated based on the result of the erroneous vehicle detection that occurs regularly, the vehicle detection result exists at the same location on the
このように停止位置PAには破線で示す運動軌跡192に対応した車両は存在しない。これに対して、実線で示す運動軌跡191の場合には、車両103が実際に走行している様子を表わしている。このため、運動軌跡191の場合には、車両103が停止位置PAの手前で一度停止することなく第1レーン151を走行することになる。この結果、図12の円193の内部に示すように両運動軌跡191、192に交差が発生する。
No vehicle corresponding to the
図4に示した誤検出軌跡判別部117は、まず、図12に示す2個の運動軌跡191、192の交差の発生の有無を観測する。交差が存在する場合には、運動軌跡が水平と見なされる運動軌跡192に注目する。そして、2個の運動軌跡191、192の交差位置PAと、追跡開始位置とのずれDを算出する。ここで、追跡開始位置とは、運動軌跡192についてその追跡を開始した時刻における車両検出位置をいう。図12の場合には、運動軌跡192の追跡開始位置はPSであり、交差位置はPAとなる。したがってずれDは、図12に示したとおり、位置PSと位置PAの差となる。
First, the erroneous detection
図13は、追跡開始位置とずれ量の関係を説明するためのものである。この図13で運動軌跡191は図12と同一である。一方、時刻T1と時刻T2の間の運動軌跡が図12の運動軌跡192と非常によく似ている運動軌跡195は、実際の車両103の走行を表わしており、位置PBで所定時間だけその走行を停止させている。
FIG. 13 is a diagram for explaining the relationship between the tracking start position and the shift amount. In FIG. 13, the
運動軌跡195の場合には、時刻T1よりも手前の追跡開始時刻における追跡の開始位置PCと運動軌跡195との交差位置PBの間のずれDが、定常的に発生する誤検出結果に基づく運動軌跡191におけるずれ量Dを大きく超えている。したがって、運動軌跡195の場合には、実際の車両103の走行を表わしていると判別することができる。
In the case of the
しかも、図13の場合には、運動軌跡191と運動軌跡195が円193の内部に示すように、図12と同様に交差している。したがって、図13の場合には、運動軌跡191で示す車両103と運動軌跡195で示す他の車両103が円193の内部に示す位置で衝突しており、運動軌跡191で示す車両103がその後も進行方向に移動していることを表わしている。すなわち、図13の場合には、運動軌跡195は実際の車両103の検出結果を表わしていると判別すべきであって、誤検出による運動軌跡である点と判別するのは正しくない。
In addition, in the case of FIG. 13, the
一方、図12に示した例では、運動軌跡192が時刻T1よりも十分時間的に遡った追跡開始時点でも交差位置PAとほぼ等しい位置にあるとすると、誤検出による運動軌跡であると判別する確率が高まる。
Meanwhile, in the example shown in FIG. 12, when the
このように、ある運動軌跡が車両103の停止位置に相当する「水平とみなすことのできる軌跡」を含んでいるとき、追跡開始位置とこの停止位置とのずれDを測定し、その大きさから、誤検出による運動軌跡であるかどうかを判断することは有効である。なぜならば、定常的に発生する誤検出はレーン上における同一箇所に繰り返し観測される。そこで、このような誤検出による運動軌跡の場合には、停止位置に相当する他運動軌跡との交差位置と追跡開始位置がほぼ一致することになる。この一方で、走行していた車両が実際に停止した場合には、図13の運動軌跡195における追跡の開始位置PCと車両103の停止位置PBのように、停止するまでの車両103の走行に基づいて、有意な大きさのずれDが生じるからである。
Thus, when a certain motion trajectory includes a “trajectory that can be regarded as horizontal” corresponding to the stop position of the
図14は、ずれDが大きくなる例外的な場合を表わしている。この図14で示す追跡注目領域131における一例としての第2レーン152に、誤検出を定常的に行う誤検出定常発生領域2011〜2015が存在しているものとする。この場合には、追跡注目領域131における矢印145で示す車両進行方向の最初の誤検出定常発生領域2011内の○印が追跡開始位置202となる。また、車両進行方向の最後の誤検出定常発生領域2015内の○印が車両停止位置203となる。
FIG. 14 shows an exceptional case where the deviation D increases.
この例の場合、追跡開始位置202と車両停止位置203を結ぶ破線で示す運動軌跡が算出されてしまう。これらは第2レーン152に沿っているので、結果的にずれDを大きくしてしまう。
In this example, a motion trajectory indicated by a broken line connecting the tracking
そこで、図6で示したように追跡注目領域131を複数の単位領域141に分割しておく。そして、図4に示した誤検出軌跡判別部117は、車両位置検出センサ102から得られた車両103の検出位置を、これら複数の単位領域141にそれぞれ対応させて、検出頻度を求め、これを更新する。これにより、図7に示したような、検出頻度分布が得られる。
Therefore, the tracking
ところで、注目する運動軌跡における、時刻Tでの検出位置に対応した各単位領域141での検出頻度をCtとする。このとき、追跡開始時刻T0から車両が停止したと見なされる現時刻Tまでの検出位置における検出頻度の総和Cは、次の(2)式で表わすことができる。
Incidentally, in the moving path of interest, the detection frequency in each
図14のように複数の誤検出定常領域から算出された運動軌跡の場合には、総和Cが大きくなる。 In the case of a motion trajectory calculated from a plurality of erroneously detected steady regions as shown in FIG. 14, the total sum C increases.
以上のようなずれDおよび検出頻度の総和Cを入力とする関数Fは、次の(3)式で表わされる。 The function F having the above-described deviation D and the total detection frequency C as inputs is expressed by the following equation (3).
F(D,C) ……(3) F (D, C) (3)
この(3)式を用いて、図4に示した誤検出軌跡判別部117は、注目する運動軌跡が誤検出の結果に基づいて算出されたものか否かを判定する。たとえば関数F(D,C)が、次の(4)式で表わされるものとする。
Using this equation (3), the erroneous detection
F(D,C)=W1×D+(W2/C) ……(4) F (D, C) = W 1 × D + (W 2 / C) (4)
ここで、W1およびW2はパラメータである。 Here, W 1 and W 2 are parameters.
この(4)式で表わされる値が、予め設定した閾値より小さい場合には、注目した運動軌跡が定常的に発生する車両103の誤検出結果に基づいて得られた運動軌跡であると見なす。
When the value represented by the equation (4) is smaller than a preset threshold value, it is considered that the observed motion trajectory is a motion trajectory obtained based on the erroneous detection result of the
図4に示した誤検出定常発生領域判別部118は、誤検出軌跡判別部117で算出された検出頻度分布に注目する。そして、検出頻度が閾値を上回る単位領域141のうちで追跡注目領域131の端部に近い領域を、誤検出定常発生領域として判別する。
The erroneous detection steady occurrence
図15は、誤検出定常発生領域を判別することが必要な理由を説明するためのものである。図9の候補検出位置17112のように、追跡注目領域131の端点で、定常的な誤検出から算出される運動軌跡が発生する場合がある。このような場合には、図15で示すように、運動軌跡が、その解析レンジの境界に張り付くことになる。この結果、図12あるいは図13で説明した運動軌跡の交差に基づく判別が不可能となる。
FIG. 15 is for explaining the reason why it is necessary to determine the erroneously detected steady occurrence region. As shown in the
定常的な誤検出に対応した単位領域141では、車両検出頻度が当然高くなる。したがって、単位領域141ごとの車両103の検出頻度を組合わせることにより、追跡注目領域131の任意の場所で定常的な誤検出が発生しても、その判別が可能になる。誤検出軌跡削除部119は、誤検出軌跡判別部117で定常的に発生した車両誤検出結果に基づいて算出された運動軌跡を車両追跡処理から除外する。
In the
図16は、図4の車両追跡装置内のメモリにおける主要な領域を示したものである。メモリ112には、CPU111の実行するプログラムを格納するプログラム格納領域211の他に、幾つかの領域が設定されている。検出データ格納バッファ212は、図4に示す車両位置検出センサ102から送られてくる検出データ104を一時的に格納する。観測データ保存領域213は、車両位置検出センサ102から送られてくる検出データ104のうち、図7で説明した誤検出定常発生領域に対応するものを除外したデータを保存する。誤検出定常発生登録領域214は、誤検出定常発生領域を登録する。リストGL215は、すべての運動軌跡の組合わせを格納している。リストErr216は、運動軌跡のうちの誤検出の軌跡を登録する。
FIG. 16 shows main areas in the memory in the vehicle tracking device of FIG. In the
図17は、車両追跡システムの動作を具体的に表わしたものである。図4、図6、図7、図12および図16と共に説明する。 FIG. 17 specifically shows the operation of the vehicle tracking system. This will be described with reference to FIGS. 4, 6, 7, 12 and 16.
まず、車両追跡装置105内の制御部113は、車両位置検出センサ102から現時刻Tにおける検出データ104を入力して、そのメモリ112の検出データ格納バッファ212に格納する。この検出データは、図6に示したように追跡注目領域131をマトリックス状に分割した所定個数の単位領域141の画像データからなる。図7で説明したように、これらの画像データの中には、誤検出の確率が高く、誤検出定常発生登録領域214に登録されているものも含まれている。制御部113は、これら誤検出定常発生領域に対応する単位領域141の画像データを除いたM個の画像データを、車両検出結果を示す現時刻Tの観測データとして、メモリ112の観測データ保存領域213に保存する(ステップS301)。
First, the
次に、追跡軌跡算出部115の処理に移る。追跡軌跡算出部115は現時刻Tよりも1段階前の時刻T−1で得られた観測データを呼び出して、現時刻TにおけるNT-1個の観測データとの対応付けを行う。そして、これから時刻Tにおける運動軌跡を算出する(ステップS302)。算出した運動軌跡の個数をNTとする。
Next, the processing of the tracking
次に、追跡軌跡比較部116の処理に移る。追跡軌跡比較部116は、道路101の注目レーン上において終端を持つ運動軌跡をリストGL215に登録する(ステップS303)。この登録した運動軌跡をGTとする。追跡軌跡比較部116は、次にリストGL215の中から任意の2個の運動軌跡の組合わせのうち、未選択のものを選択する(ステップS304)。
Next, the processing of the tracking
次に、誤検出軌跡判別部117の処理に移る。誤検出軌跡判別部117は、ステップS304で選択した2個の運動軌跡を比較する。すなわち、誤検出軌跡判別部117は、図12を用いて説明した運動軌跡191、192の交差が存在するか否かを判定する(ステップS305)。運動軌跡191、192に交差が存在する場合(Y)、誤検出軌跡判別部117は、停止車両の運動軌跡が存在するかをチェックする(ステップS306)。
Next, the process proceeds to the process of the misdetection
図12で説明したような停止車両の運動軌跡が存在する場合(ステップS306:Y)、誤検出軌跡判別部117は、交差する2個の運動軌跡191、192のそれぞれに対して、検出位置のずれDを算出する(ステップS307)。そして、誤検出軌跡判別部117は、ずれDが小さい軌跡を停止車両に対応した運動軌跡と判定する。その後、誤検出軌跡判別部117は、車両103の検出位置に対応した単位領域の検出頻度を更新して(ステップS308)、前記した(3)式の関数Fを算出する(ステップS309)。
When there is a motion trajectory of the stopped vehicle as described with reference to FIG. 12 (step S306: Y), the erroneous detection
この結果、ステップS309で算出された関数Fが所定の閾値Thr1未満であった場合には(ステップS310:Y)、誤検出軌跡判別部117が、その運動軌跡のうちの誤検出の軌跡をリストErr216に登録する(ステップS311)。誤検出軌跡判別部117は、リストGL215にリストアップされた運動軌跡の組合わせのすべてを選択したかを判別する(ステップS312)。未選択の組合わせが存在する場合には(N)、ステップS304に戻って、残りの2個の運動軌跡の組合わせのうち、未選択のものを選択する。そして、ステップS305以降の処理を同様に繰り返すことになる。
As a result, when the function F calculated in step S309 is less than the predetermined threshold value Thr 1 (step S310: Y), the erroneous detection
ステップS310で関数Fが所定の閾値Thr1以上であると判別された場合には(N)、ステップS311のリストErr216への登録を行うことなく、ステップS312の処理に進む。また、ステップS306で誤検出軌跡判別部117が、停止車両の運動軌跡の存在を判別しなかった場合には(N)、その時点でステップS312の処理に進む。更に、ステップS305で2個の運動軌跡に交差が存在しないと判別した場合には(N)、同様に、その時点でステップS312の処理に進むことになる。
If it is determined in step S310 that the function F is equal to or greater than the predetermined threshold Thr 1 (N), the process proceeds to step S312 without performing registration in the list Err216 in step S311. If the erroneous detection
ステップS312の処理で追跡軌跡比較部116が運動軌跡の組合わせのすべてを選択したと判断した場合(Y)、追跡軌跡比較部116は、道路101のすべての車線(レーン)を注目したかを判別する(ステップS313)。まだ、注目していない車線(レーン)が存在する場合(N)、追跡軌跡比較部116は現在の注目レーンを残りのレーンの1つに変更する(ステップS314)。そして、ステップS303に戻って、先に説明したと同様の処理を開始する。
If it is determined in step S312 that the tracking
このようにして、道路101のすべての車線(レーン)についての処理が終了したら(ステップS313:Y)、所定の閾値以上の検出頻度で誤検出が生じる単位領域141を誤検出定常発生登録領域214に登録する(ステップS315)。そして、リストErr216に登録した運動軌跡を追跡対象から削除して(ステップS316)、処理を終了する(エンド)。
In this way, when the processing for all the lanes (lanes) of the
以上説明した本発明の第1の実施の形態の車両追跡システム100では、同一レーンで車両103同士が衝突するように判別する誤検出を防止し、衝突事故を正確に把握することができるという効果がある。また、誤検出の結果を用いて、誤検出定常発生領域の精度を高めることができるという効果もある。
In the
なお、以上説明した第1の実施の形態で、誤検出軌跡判別部117は、注目する2個の運動軌跡が完全に交差することを誤検出か否かの判別の条件としたが、これに限るものではない。2個の運動軌跡が一定程度近接し、これが通常の車間距離として不自然な状態となった段階で、交差が発生したと見なしてもよい。
In the first embodiment described above, the erroneous detection
また、第1の実施の形態では、誤検出軌跡判別部117は、注目する運動軌跡が誤検出の結果に基づいて算出されたものか否かの判定を(3)式を用いて行っている。この(3)式で表わされる関数Fは、入力Dが小さくなれば小さく、入力Sが大きくなれば小さくなる関数であれば、どのような定義であってもよい。更に、誤検出定常発生領域判別部118は、第1の実施の形態で、それぞれの単位領域における検出頻度分布を用いることにしたが、これに限るものではない。たとえば、車両103の検出発生頻度を運動軌跡の比較に用いる時間レンジで割ることによる確率として与えるようにしてもよい。
In the first embodiment, the erroneous detection
<発明の第2の実施の形態> <Second Embodiment of the Invention>
次に本発明の第2の実施の形態を説明する。 Next, a second embodiment of the present invention will be described.
図18は、本発明の第2の実施の形態における車両追跡システムを表わしたものである。図18で図4と同一部分には同一の符号を付しており、これらの説明を適宜省略する。 FIG. 18 shows a vehicle tracking system according to the second embodiment of the present invention. In FIG. 18, the same parts as those in FIG.
第2の実施の形態の車両追跡システム100Aは、車両位置検出センサ102と、その検出データ104を入力する車両追跡装置105Aから構成されている。
A
車両追跡装置105Aは、CPU111と、メモリ112Aを備えた制御部113Aを有している。制御部113Aは、データバス等のバス114を介して、追跡軌跡算出部115、誤検出軌跡判別部117Aおよび誤検出軌跡削除部119を制御する。制御部113はメモリ112Aに格納された制御プログラムを実行することで、追跡軌跡算出部115、誤検出軌跡判別部117Aおよび誤検出軌跡削除部119の少なくとも一部をソフトウェアで実現することができる。
The
図19は、この第2の実施の形態における誤検出軌跡判別部の動作原理を説明するためのものである。図19で図9と同一部分には同一の符号を付しており、これらの説明を適宜省略する。図19では、×印を示した箇所に、車両103の候補検出位置17113、17123、17133が検出されている。ここで候補検出位置17113は、第1レーン151の位置q1にある。また、候補検出位置17133は、第3レーン153の位置q2にある。候補検出位置17123は、第2レーン152に存在し、その位置は位置q1と位置q2の間にある。第1〜第3レーン151〜153は、共に矢印145で示す方向に車両が走行するレーンである。
FIG. 19 is a diagram for explaining the operation principle of the erroneous detection locus determination unit in the second embodiment. In FIG. 19, the same parts as those in FIG. 9 are denoted by the same reference numerals, and description thereof will be omitted as appropriate. In FIG. 19, candidate detection positions 171 13 , 171 23 , and 171 33 of the
このように位置q1と位置q2の間のレンジに、第1レーン151から第3レーン153へと順に、候補検出位置17113、17123、17133が誤検出されたとする。このような場合、検出の時間順によっては、破線で示したような運動軌跡401が得られることになる。
Assume that the candidate detection positions 171 13 , 171 23 , and 171 33 are erroneously detected in this order from the
今、位置q1と位置q2の間の距離がたとえば普通車両1台の車長程度とする。この場合、図19に示す破線の運動軌跡401は、車両が進行方向にたかだか車長分だけ進む間に車線変更を2回行ったことを意味する。このような車線変更は明らかに現実にはあり得ない。そこで、運動軌跡401は、誤検出結果に基づいて算出された運動軌跡であると判別することができる。
Now, it is assumed that the distance between the position q 1 and the position q 2 is, for example, about the length of one ordinary vehicle. In this case, a
図18に示した誤検出軌跡判別部117Aは、以上のような原理を基にして、運動軌跡401の追跡開始位置と現時刻での終端位置のずれ(図19の場合には、位置q1と位置q2の間の距離)を算出する。そして、そのずれの値(距離)が予め定められた閾値より小さく、かつ車線変更の履歴が2回以上(またいだレーン数では3以上)の場合に、注目する運動軌跡401を誤検出結果から算出された運動軌跡であると判別する。
The misdetection
図20は、図18に示した車両追跡装置内のメモリにおける主要な領域を示したものである。メモリ112Aには、CPU111の実行するプログラムを格納するプログラム格納領域211Aの他に、幾つかの領域が設定されている。検出データ格納バッファ212は、図18に示す車両位置検出センサ102から送られてくる検出データ104を一時的に格納する。観測データ保存領域213は、車両位置検出センサ102から送られてくる検出データ104のうち、図7で説明した誤検出定常発生領域に対応するものを除外したデータを保存する。誤検出定常発生登録領域214は、誤検出定常発生領域を登録する。リストErr216は、運動軌跡のうちの誤検出の軌跡を登録する。
FIG. 20 shows main areas in the memory in the vehicle tracking apparatus shown in FIG. In the
図21は、図17に対応するもので、第2の実施の形態における車両追跡システムの動作を具体的に表わしたものである。図21で図17と同一の処理が行われる部分については、同一のステップとして表わしており、これらの説明を適宜省略する。図6、図18〜図20と共に説明する。 FIG. 21 corresponds to FIG. 17 and specifically shows the operation of the vehicle tracking system according to the second embodiment. The parts in FIG. 21 where the same processing as in FIG. 17 is performed are represented as the same steps, and description thereof will be omitted as appropriate. This will be described with reference to FIGS. 6 and 18 to 20.
まず、車両追跡装置105A内の制御部113Aは、車両位置検出センサ102から現時刻Tにおける検出データ104を入力して、そのメモリ112Aの検出データ格納バッファ212に格納する。この検出データは、図6に示したように追跡注目領域131をマトリックス状に分割した所定個数の単位領域141の画像データからなる。制御部113Aは、誤検出定常発生領域214に対応する単位領域141の画像データを除いたM個の画像データを、車両検出結果を示す現時刻Tの観測データとして、メモリ112の図示しない観測データ保存領域に保存する(ステップS301)。
First, the
次に、追跡軌跡算出部115は現時刻Tよりも1段階前の時刻T−1で得られた観測データを呼び出して、現時刻TにおけるNT-1個の観測データとの対応付けを行う。そして、これから時刻Tにおける運動軌跡を算出する(ステップS302)。算出した運動軌跡の個数をNTとする。
Next, the tracking
次に、誤検出軌跡判別部117Aは、未選択の運動軌跡の中から、注目する運動軌跡を1個選択する(ステップS501)。誤検出軌跡判別部117Aは、次にその選択した運動軌跡の車線変更履歴の確認を行い、2回以上の車線変更履歴があるかをチェックする(ステップS502)。2回以上の車線変更履歴がある場合には(Y)、その運動軌跡の追跡開始位置と現時刻Tでの軌跡終端位置のずれDが算出される(ステップS503)。
Next, the misdetection
誤検出軌跡判別部117Aは、この算出したずれDが予め設定した閾値Thr2よりも小さいかを判別する(ステップS504)。小さい場合には、先に説明したように、この運動軌跡は誤検出によるものとなる。そこで、この場合には(ステップS504:Y)、誤検出軌跡判別部117Aがその運動軌跡を誤検出軌跡のリストとしてのリストErr216に登録する(ステップS311)。
The misdetection
誤検出軌跡判別部117Aは、ステップS311の登録を行ったら、すべての運動軌跡を注目し終えたかを判別する(ステップS505)。未処理の運動軌跡が存在する場合には(N)、ステップS501に戻って、同様の処理を行うことになる。なお、ステップS503で算出したずれDが閾値Thr2以上であった場合には(ステップS504:N)、ステップS311の処理を行わずにステップS505の判断を行う。また、ステップS502で、2回以上の車線変更履歴がないと判別された場合にも(N)、ステップS311の処理を行わずにステップS505の判断を行う。
The misdetection
以上のようにしてすべての運動軌跡のチェックが終了したら(ステップS505:Y)、誤検出軌跡削除部119はリストErr216に登録した運動軌跡を追跡対象から削除して(ステップS316)、処理を終了する(エンド)。なお、第2の実施の形態では、第1の実施の形態で追跡軌跡比較部116が運動軌跡の登録に使用したリストGL215の使用を行わなかったが、リストGL215を同様に使用することにしてもよい。この場合には、リストGL215の登録のために追跡軌跡比較部116を設けてもよいし、誤検出軌跡判別部117Aがこの機能を兼用してもよい。
When all the motion trajectories have been checked as described above (step S505: Y), the erroneous detection
以上説明した本発明の第2の実施の形態の車両追跡システム100Aでは、異なった複数のレーンをまたぐように車両103が急速に移動する運動軌跡が発生したとき、これが誤検出であるかを判別することができるという効果がある。また、誤検出の結果を用いて、誤検出定常発生領域の精度を高めることができるという効果もある。
In the
<発明の第3の実施の形態> <Third Embodiment of the Invention>
次に本発明の第3の実施の形態を説明する。 Next, a third embodiment of the present invention will be described.
図22は、本発明の第3の実施の形態における車両追跡システムを表わしたものである。図22で図4と同一部分には同一の符号を付しており、これらの説明を適宜省略する。 FIG. 22 shows a vehicle tracking system according to the third embodiment of the present invention. In FIG. 22, the same parts as those in FIG.
第3の実施の形態の車両追跡システム100Bは、車両位置検出センサ102と、その検出データ104を入力する車両追跡装置105Bから構成されている。
A vehicle tracking system 100B according to the third embodiment includes a vehicle
車両追跡装置105Bは、CPU111と、メモリ112Bを備えた制御部113Bを有している。制御部113Bは、データバス等のバス114を介して、追跡軌跡算出部115Bおよび誤検出定常発生領域判別部118Bを制御する。制御部113Bはメモリ112Bに格納された制御プログラムを実行することで、追跡軌跡算出部115Bおよび誤検出定常発生領域判別部118Bの少なくとも一部をソフトウェアで実現することができる。
The
図23は、第3の実施の形態における追跡軌跡算出部の動作原理を説明するためのものである。この図23は、一例としての第1のレーン151における時刻T′、時刻T′+1、時刻T′+2における車両103の検出状態を表わしたものである。車両103は、矢印145で示す車両進行方向に走行しており、その運動軌跡16115が時間の経過と共に追跡注目領域131内を進行方向に延長されている。図23に記した各運動軌跡16115の先端に記した○印は、時刻T′、時刻T′+1、時刻T′+2のそれぞれの時点よりも1段階だけ前の時刻における軌跡の先端位置である。また、車両103のそれぞれ後方に位置する×印6011、6012、6013は、それぞれの時刻T′、時刻T′+1、時刻T′+2における車両103の候補となる候補検出位置である。
FIG. 23 is a diagram for explaining the operating principle of the tracking trajectory calculation unit in the third embodiment. FIG. 23 shows the detection state of the
この図23では、車両103の前方に車両103の他の候補検出位置17115が検出されている。候補検出位置17115は、各時刻T′、時刻T′+1、時刻T′+2で変化していない。
In FIG. 23, another
第1の実施の形態で説明した追跡軌跡算出部115の動作で説明した手順で、図23に示した車両103に対応した運動軌跡16115の各終端(○印)との位置関係で、×印6011、6012、6013で示す候補検出位置と候補検出位置17115の対応スコア順位を考える。すると、(1)式より、車両103に対応した運動軌跡16115の各終端(○印)との距離が短い×印6011、6012、6013で示す候補検出位置のスコアが1位となる。したがって、候補検出位置17115としての誤検出位置のスコアは、2位以下となる。
In the procedure described in the operation of the tracking
このように、車両103の運動軌跡16115と車両検出位置の対応付けを行う時間レンジの間で、常に誤検出位置の対応順位は2位以下となる。そこで、候補検出位置17115の発生頻度を図6で示した単位領域141に反映させることにより、定常的に誤検出が発生する単位領域141を同定することができる。
Thus, during the time range to associate the
誤検出定常発生領域判別部118Bでは、追跡軌跡算出部115Bで運動軌跡との対応スコアが2位以下となる検出位置の発生頻度を予め道路上に設定した単位領域141ごとに確認する。そして、発生頻度が予め定めた閾値Thr3以上の場合には誤検出定常発生領域と判別する。
In the erroneous detection steady occurrence
図24は、図22に示した車両追跡装置内のメモリにおける主要な領域を示したものである。メモリ112Bには、CPU111の実行するプログラムを格納するプログラム格納領域211Bの他に、幾つかの領域が設定されている。検出データ格納バッファ212は、図18に示す車両位置検出センサ102から送られてくる検出データ104を一時的に格納する。観測データ保存領域213は、車両位置検出センサ102から送られてくる検出データ104のうち、図7で説明した誤検出定常発生領域に対応するものを除外したデータを保存する。誤検出定常発生登録領域214Bは、閾値Thr3以上の単位領域を登録する。
FIG. 24 shows main areas in the memory in the vehicle tracking apparatus shown in FIG. In the
図25は、図17に対応するもので、第3の実施の形態における車両追跡システムの動作を具体的に表わしたものである。図24で図17と同一の処理が行われる部分については、同一のステップとして表わしており、これらの説明を適宜省略する。図6、図22〜図24と共に説明する。 FIG. 25 corresponds to FIG. 17 and specifically shows the operation of the vehicle tracking system according to the third embodiment. In FIG. 24, the same processing as in FIG. 17 is represented as the same step, and description thereof will be omitted as appropriate. This will be described with reference to FIGS. 6 and 22 to 24.
まず、車両追跡装置105B内の制御部113Bは、車両位置検出センサ102から現時刻Tにおける検出データ104を入力して、そのメモリ112の検出データ格納バッファ212に格納する。この検出データは、図6に示したように追跡注目領域131をマトリックス状に分割した所定個数の単位領域141の画像データからなる。制御部113Bは、誤検出定常発生領域214Bに対応する単位領域141の画像データを除いたM個の画像データを、車両検出結果を示す現時刻Tの観測データとして、メモリ112の観測データ保存領域213に保存する(ステップS301)。
First, the
次に、追跡軌跡算出部115は現時刻Tよりも1段階前の時刻T−1で得られた観測データを呼び出して、現時刻TにおけるNT-1個の観測データとの対応付けを行う。そして、これから時刻Tにおける運動軌跡を算出する(ステップS302)。算出した運動軌跡の個数をNTとする。
Next, the tracking
次に、誤検出定常発生領域判別部118Bは、運動軌跡との対応スコアが2位以下となる検出位置の発生頻度を予め道路上に設定した単位領域141ごとに更新する(ステップS701)。そして、閾値Thr3以上の検出頻度の単位領域141を誤検出定常発生登録領域214Bに登録して(ステップS702)、処理を終了する(エンド)。
Next, the erroneous detection steady occurrence
以上説明した本発明の第3の実施の形態の車両追跡システム100Bでは、車両の運動軌跡の終端が存在するレーンに複数の候補検出位置が検出されたとき、誤検出の候補検出位置を容易に特定することができるという効果がある。また、誤検出の結果を用いて、誤検出定常発生領域の精度を高めることができるという効果もある。 In the vehicle tracking system 100B according to the third embodiment of the present invention described above, when a plurality of candidate detection positions are detected in the lane where the end of the movement locus of the vehicle exists, the erroneous detection candidate detection positions are easily determined. There is an effect that it can be specified. In addition, there is an effect that the accuracy of the erroneous detection steady occurrence region can be increased using the erroneous detection result.
<発明の第4の実施の形態> <Fourth Embodiment of the Invention>
図26は、本発明の第4の実施の形態における車両追跡システムを表わしたものである。図26で図4と同一部分には同一の符号を付しており、これらの説明を適宜省略する。 FIG. 26 shows a vehicle tracking system according to the fourth embodiment of the present invention. In FIG. 26, the same reference numerals are given to the same portions as those in FIG.
第4の実施の形態の車両追跡システム100Cは、車両位置検出センサ102と、その検出データ104を入力する車両追跡装置105Cから構成されている。
A vehicle tracking system 100C according to the fourth embodiment includes a vehicle
車両追跡装置105Cは、CPU111と、メモリ112Cを備えた制御部113Cを有している。制御部113Cは、データバス等のバス114を介して、追跡軌跡算出部115、追跡開始判定部801、追跡軌跡比較部116、誤検出軌跡判別部117、誤検出軌跡特徴算出部802、誤検出定常発生領域判別部118および誤検出軌跡削除部119を制御する。制御部113Cはメモリ112Cに格納された制御プログラムを実行することで、追跡軌跡算出部115、追跡開始判定部801、追跡軌跡比較部116、誤検出軌跡判別部117、誤検出軌跡特徴算出部802、誤検出定常発生領域判別部118および誤検出軌跡削除部119の少なくとも一部をソフトウェアで実現することができる。
The vehicle tracking device 105C includes a
ここで、新たに設けられた追跡開始判定部801は、追跡軌跡算出部115で算出した運動軌跡のうち、追跡開始から短時間しか経過しない運動軌跡に対してその特徴量を算出する。そして、誤検出軌跡特徴算出部802で登録した誤検出軌跡特徴データベースと一致する場合には、追跡処理対象の運動軌跡から削除する。誤検出軌跡特徴算出部802は、誤検出軌跡判別部117で誤検出結果から算出した運動軌跡と判定されたものに対して、その特徴量を算出する。そしてこれらを、誤検出軌跡特徴データベースに登録する。
Here, the newly provided tracking
誤検出軌跡特徴算出部802が算出する特徴量は、運動軌跡が持つ追跡開始位置、検出位置変動幅、検出位置変動の周波数、検出位置から算出される平均速度、平均加速度等の運動軌跡の曲線形状の特徴を表わすものであれば、どのようなものでもよい。
The feature amount calculated by the false detection trajectory
図27は、図26に示した車両追跡装置内のメモリにおける主要な領域を示したものである。メモリ112Cには、CPU111の実行するプログラムを格納するプログラム格納領域211Cの他に、幾つかの領域が設定されている。第1の実施の形態における図16と比較すると、メモリ112Cには、新たに誤検出軌跡特徴データベース811が追加されている。
FIG. 27 shows main areas in the memory in the vehicle tracking apparatus shown in FIG. In the
このようなメモリ112Cは、1個の物理的なメモリあるいは記憶装置である必要はなく、複数の記憶装置や記憶素子が組み合わされたものであってもよい。これは、すでに説明した実施の形態におけるメモリ112、112A、112Bにおいても同様である。
Such a
図28は、追跡開始判定部の処理の様子を表わしたものである。まず、追跡開始判定部801は、追跡開始からの経過時間が小さい追跡初期の運動軌跡を選択する(ステップS901)。次に、追跡開始判定部801は、その選択した運動軌跡の運動軌跡特徴量fを算出する(ステップS902)。
FIG. 28 shows the process of the tracking start determination unit. First, the tracking
図29は、運動軌跡特徴量fの算出の原理を説明するためのものである。この図29で、縦軸は車両103(図26参照)の進行方向を表わしており、横軸は時間の経過を表わしている。 FIG. 29 is for explaining the principle of calculation of the motion trajectory feature quantity f. In FIG. 29, the vertical axis represents the traveling direction of the vehicle 103 (see FIG. 26), and the horizontal axis represents the passage of time.
車両103の追跡開始位置をPSとし、検出位置の移動幅をvとする。時刻T1から時刻T2までの区間における車両103の検出位置が移動幅vで図示のように変動するものとする。この運動軌跡の曲線形状の特徴は、車両103の検出位置の変動周波数Fや、検出位置から算出される平均速度V(MV)あるいは平均化速度をα(MV)のような運動軌跡特徴量fとして算出することができる。
The tracking start position of the
図28に戻って説明を続ける。ステップS902で、選択した運動軌跡の運動軌跡特徴量fを算出したら、次のステップS903では、類似度(Similarity)を算出する。類似度(Similarity)の算出には、ステップS302で算出した運動軌跡特徴量と、誤検出軌跡特徴データベース811に登録されているi番目の運動軌跡特徴量PS’(i)、v’(i)、F’(i)、平均速度V(MV)(i)、平均化速度をα(MV)(i)を用いる。類似度(Similarity)は、次の(5)式で算出される。ここで、α1〜α5はパラメータである。
Returning to FIG. 28, the description will be continued. After calculating the motion trajectory feature quantity f of the selected motion trajectory in step S902, in the next step S903, the similarity (Similarity) is calculated. For calculating the similarity, the motion trajectory feature amount calculated in step S302 and the i-th motion trajectory feature amount PS ′ (i), v ′ (i) registered in the erroneous detection
Similarity=α1|PS(S)−PS’(i)|+α2|V(S)−V’(i)|+α3|F(S)−F’(i)|+α4|V(MV)(S)−V(MV)’(i)|+α5|α(MV)(S)−α(MV)’(i)| ……(5) Similarity = α 1 | PS (S) −PS ′ (i) | + α 2 | V (S) −V ′ (i) | + α 3 | F (S) −F ′ (i) | + α 4 | V (MV ) (S) −V (MV) ′ (i) | + α 5 | α (MV) (S) −α (MV) ′ (i) | (5)
ステップS903では、この(5)式の値が閾値Thr4より小さくなるiが存在するかの判別が行われる。閾値Thr4より小さくなるiが存在する場合には(Y)、ステップS904に進んで、その注目運動軌跡を追跡対象から削除して、追跡開始判定部801の処理を終了する(エンド)。
In step S903, the (5) whether the value of the expression is present than smaller i is the threshold value Thr 4 determination is made. If i that is smaller than the threshold Thr 4 exists (Y), the process proceeds to step S904, the target motion trajectory is deleted from the tracking target, and the processing of the tracking
(5)式の値が閾値Thr4より小さくなるiが存在しなかった場合には(ステップS903:N)、ステップS904の処理を経ることなく、追跡開始判定部801の処理が終了する(エンド)。
If there is no i in which the value of the expression (5) is smaller than the threshold Thr 4 (step S903: N), the processing of the tracking
図30は、誤検出軌跡特徴算出部の処理の様子を表わしたものである。まず、誤検出軌跡特徴算出部802は、誤検出結果に基づいて算出された運動軌跡と判定された軌跡を選択する(ステップS921)。次に、誤検出軌跡特徴算出部802は、その選択した運動軌跡の運動軌跡特徴量fを算出する。これは、図28のステップS902と同様の処理である。
FIG. 30 shows a state of processing of the erroneous detection locus feature calculation unit. First, the erroneous detection trajectory
以上の処理が終わったら、誤検出軌跡特徴算出部802はステップS922で算出した運動軌跡特徴量を誤検出軌跡特徴データベース(DB)811に登録して(ステップS923)、その処理を終了する(エンド)。
When the above processing is completed, the erroneous detection trajectory
以上説明した本発明の第4の実施の形態の車両追跡システム100Cでは、追跡開始から短時間しか経過しない運動軌跡の特徴量を算出し、誤検出軌跡特徴データベースと一致する場合には、追跡処理対象の運動軌跡から削除することにした。これにより、車両103の運動軌跡の追跡処理の負荷を軽減することができるという効果がある。
In the vehicle tracking system 100C according to the fourth embodiment of the present invention described above, the feature amount of the motion trajectory that only passes for a short time from the start of tracking is calculated. I decided to delete it from the trajectory of the subject. Thereby, there is an effect that the load of the tracking process of the motion trajectory of the
なお、以上説明した各実施の形態で、誤検出定常発生領域判別部118によって誤検出定常発生領域と判別された単位領域141は、その判別結果が長期間固定される必要はない。たとえば、一定時間が経過するたびに誤検出定常発生領域に該当するかの判別を行うようにしてもよい。この際に、過去の判別状況を加味したり、判別の際の日照等の気象条件を加味してもよい。
In each of the embodiments described above, the
更に誤検出と判定された運動軌跡を誤検出パターンとして辞書に登録するようにして、同様の運動軌跡が登場したときに誤検出であるかどうかの判定に利用してもよい。辞書に登録する際には、誤検出と判定された運動軌跡の追跡開始位置、検出位置変動幅、検出位置変動の周波数、検出位置から算出される平均速度、平均加速度等の状況を併せて登録することが好適である。これにより、同様のパターンの運動軌跡が生じた際の運動軌跡の類似度の処理をより適切に行うことができる。 Furthermore, the motion trajectory determined to be erroneously detected may be registered in the dictionary as an erroneous detection pattern, and may be used to determine whether or not it is a false detection when a similar motion trajectory appears. When registering in the dictionary, register the status of the tracking start position, detected position fluctuation range, detected position fluctuation frequency, average speed calculated from the detected position, average acceleration, etc. It is preferable to do. Thereby, the process of the similarity of the motion locus when the motion locus of the same pattern is generated can be performed more appropriately.
一例としては、注目する運動軌跡と辞書に登録された運動軌跡とのパターンの一致の有無を判別する。そして、両者のパターンが一致した場合、注目する運動軌跡が持つ追跡開始位置、検出位置変動幅、検出位置変動の周波数、検出位置から算出される平均速度、平均加速度のいずれかが辞書に登録された各種事項と一致するかを比較する。辞書に登録された各種事項とは、誤検出パターンの運動軌跡が持つ追跡開始位置、検出位置変動幅、検出位置変動の周波数、検出位置から算出される平均速度、平均加速度である。そして、辞書に登録されているこれらの事項のいずれかと一致する場合には、注目する車両の検出位置を追跡開始位置として用いない処理を行ってもよい。 As an example, it is determined whether or not there is a pattern match between the movement locus of interest and the movement locus registered in the dictionary. If the two patterns match, the tracking start position, detected position fluctuation range, detected position fluctuation frequency, average speed calculated from the detected position, and average acceleration are registered in the dictionary. Compared with each item. The various items registered in the dictionary are the tracking start position, the detection position fluctuation range, the detection position fluctuation frequency, the average speed calculated from the detection position, and the average acceleration of the movement locus of the erroneous detection pattern. And when it corresponds with either of these matters registered in the dictionary, you may perform the process which does not use the detection position of the attention vehicle as a tracking start position.
注目する車両の運動軌跡と辞書に登録された誤検出パターンの運動軌跡の類似度を計算して、類似度が高かったような場合、今まで車両103の運動軌跡として追跡したものが誤検出の結果であると判別される可能性が高くなる。このような場合には、その運動軌跡の追跡を終了して、候補となる他の運動軌跡を車両103の運動軌跡として絞り込むことも車両103の追跡処理に有効である。
If the similarity between the movement trajectory of the vehicle of interest and the movement trajectory of the false detection pattern registered in the dictionary is calculated and the similarity is high, what has been tracked as the movement trajectory of the
なお、以上説明した本発明は方法の技術思想として、次のように捉えることも可能である。 It should be noted that the present invention described above can be regarded as the technical idea of the method as follows.
(第1の技術思想)
同一位置に繰り返し定常的に発生する誤検出の車両検出位置と真の車両検出位置とを判別する車両追跡方法において、車両検出位置を用いて算出される運動軌跡の形状特徴と、車両検出位置の道路面上での出現分布から算出される特徴量に基づいて前記した判別を実行することを特徴とする車両追跡方法。
(First technical concept)
In a vehicle tracking method for discriminating between a false detection vehicle detection position and a true vehicle detection position that occur regularly and repeatedly at the same position, a shape characteristic of a motion trajectory calculated using the vehicle detection position, and a vehicle detection position A vehicle tracking method characterized in that the above-described discrimination is executed based on a feature amount calculated from an appearance distribution on a road surface.
(第2の技術思想)
第1の技術思想として示した車両追跡方法で、同一レーン上において2つの車両の運動軌跡が交差する際に一方の運動軌跡が一定の範囲内の位置に滞留している場合に、該滞留運動軌跡の追跡開始位置と滞留位置とのずれ量を運動軌跡形状特徴として用い、該運動軌跡を構成する車両検出位置における車両検出頻度の和を車両検出位置出現分布から算出される特徴量として用い、前記したずれ量と前記した検出頻度の和から計算される関数を判別関数としてその値に基づき、該滞留運動軌跡に対応した車両検出位置時系列データに対する誤検出判別を行うことを特徴とする車両追跡方法。
(Second technical concept)
In the vehicle tracking method shown as the first technical idea, when one movement locus stays at a position within a certain range when the movement locus of two vehicles intersects on the same lane, the staying movement Using the amount of deviation between the tracking start position of the trajectory and the staying position as the motion trajectory shape feature, using the sum of the vehicle detection frequencies at the vehicle detection positions constituting the motion trajectory as the feature amount calculated from the vehicle detection position appearance distribution, A vehicle that performs erroneous detection determination on vehicle detection position time-series data corresponding to the staying movement locus based on a value calculated from a function calculated from the sum of the deviation amount and the detection frequency. Tracking method.
(第3の技術思想)
第2の技術思想として示した車両追跡方法で、前記したずれ量が減少し前記した検出頻度の和が増加すると単調増加する関数を判別関数として用い、該判別関数の値が閾値を上回った場合に前記した滞留運動軌跡に対応した車両検出位置時系列データに対する誤検出判別を行うことを特徴とする車両追跡方法。
(Third technical idea)
In the vehicle tracking method shown as the second technical idea, when a function that increases monotonously as the discriminant function is used when the deviation amount described above decreases and the sum of the detection frequencies increases, the discriminant function value exceeds a threshold value A vehicle tracking method comprising: performing erroneous detection determination on vehicle detection position time-series data corresponding to the staying movement locus described above.
(第4の技術思想)
第2の技術思想として示した車両追跡方法で、前記したずれ量が減少し前記した検出頻度の和が増加すると単調減少する関数を判別関数として用い、該判別関数の値が閾値を下回った場合に前記した滞留運動軌跡に対応した車両検出位置時系列データに対する誤検出判別を行うことを特徴とする車両追跡方法。
(Fourth technical idea)
In the vehicle tracking method shown as the second technical idea, when a function that monotonously decreases when the above-described deviation amount decreases and the sum of the above-described detection frequencies increases is used as a discriminant function, and the value of the discriminant function falls below a threshold value A vehicle tracking method comprising: performing erroneous detection determination on vehicle detection position time-series data corresponding to the staying movement locus described above.
(第5の技術思想)
第1の技術思想として示した車両追跡方法で、車両検出位置出現分布として、道路領域を複数の部分領域に分割し、予め指定した計数開始時刻と計数終了時刻の範囲内で、各部分領域における車両検出位置の出現頻度を加算することを特徴とする車両追跡方法。
(Fifth technical idea)
In the vehicle tracking method shown as the first technical idea, as the vehicle detection position appearance distribution, the road area is divided into a plurality of partial areas, and within the range of the count start time and count end time specified in advance, A vehicle tracking method comprising adding the appearance frequencies of vehicle detection positions.
(第6の技術思想)
第5の技術思想として示した車両追跡方法で、車両検出位置出現分布の値が予め指定した閾値以上の場合に、対応した部分領域を車両位置の誤検出が定常的に発生する領域として判別することを特徴とする車両追跡方法。
(Sixth technical idea)
In the vehicle tracking method shown as the fifth technical concept, when the value of the vehicle detection position appearance distribution is equal to or greater than a predetermined threshold value, the corresponding partial area is determined as an area where erroneous detection of the vehicle position occurs regularly. A vehicle tracking method.
(第7の技術思想)
第1の技術思想として示した車両追跡方法で、車両の運動軌跡が進行方向に一定の短い距離を進む際にまたぐレーン数を運動軌跡形状特徴として用い、該レーン数が3以上の場合に、該運動軌跡に対応した車両検出位置の時系列データを誤検出パターンと判別することを特徴とする車両追跡方法。
(Seventh technical idea)
In the vehicle tracking method shown as the first technical idea, the number of lanes straddling when the vehicle's motion trajectory travels a certain short distance in the traveling direction is used as the motion trajectory shape feature, and when the number of lanes is 3 or more, A vehicle tracking method, characterized in that time-series data of vehicle detection positions corresponding to the movement trajectory is determined as an erroneous detection pattern.
(第8の技術思想)
第1の技術思想として示した車両追跡方法で、現時刻までに算出された既算出運動軌跡と現時刻に得られた車両検出位置を対応付ける際に、道路領域を複数の部分領域に分割し、該対応づけに用いる対応スコアが2位以下の車両位置に対応した部分領域に出現頻度値を加算し、車両検出位置出現分布から算出される特徴量として用いることを特徴とする車両追跡方法。
(Eighth technical idea)
In the vehicle tracking method shown as the first technical idea, when associating the already calculated motion trajectory calculated up to the current time with the vehicle detection position obtained at the current time, the road region is divided into a plurality of partial regions, A vehicle tracking method, wherein an appearance frequency value is added to a partial region corresponding to a vehicle position having a correspondence score of second or lower for use in association, and used as a feature amount calculated from a vehicle detection position appearance distribution.
(第9の技術思想)
第8の技術思想として示した車両追跡方法で、前記した対応スコアとして、前記した既算出運動軌跡の終端位置と現時刻車両検出位置との距離に逆数を用い、該対応スコアの降順にスコア順位を定めることを特徴とする車両追跡方法。
(Ninth technical idea)
In the vehicle tracking method shown as the eighth technical idea, the reciprocal number is used for the distance between the end position of the already calculated motion trajectory and the current time vehicle detection position as the corresponding score, and the score ranking in descending order of the corresponding score. A vehicle tracking method, characterized by:
(第10の技術思想)
第8の技術思想として示した車両追跡方法で、車両検出位置出現分布の値が閾値以上となる前記した部分領域を、車両の誤検出が定常的に発生する領域として判別することを特徴とする車両追跡方法。
(10th technical idea)
According to the vehicle tracking method shown as the eighth technical concept, the above-described partial region in which the value of the vehicle detection position appearance distribution is greater than or equal to a threshold value is determined as a region where erroneous detection of the vehicle occurs regularly. Vehicle tracking method.
(第11の技術思想)
第1〜第10の技術思想のいずれかとして示した車両追跡方法で、誤検出発生領域と判別されてから一定時間経過ごとに、再度誤検出発生領域か否かの判定を行うことを特徴とする車両追跡方法。
(Eleventh technical idea)
In the vehicle tracking method shown as one of the first to tenth technical ideas, it is determined again whether or not it is an erroneous detection occurrence region every time a certain time has elapsed since it was determined as an erroneous detection occurrence region. Vehicle tracking method.
(第12の技術思想)
第1〜第11の技術思想のいずれかとして示した車両追跡方法で、誤検出と判定された運動軌跡を誤検出パターンとして辞書に登録することを特徴とする車両追跡方法。
(Twelfth technical idea)
A vehicle tracking method according to any one of the first to eleventh technical ideas, wherein a motion trajectory determined to be erroneously detected is registered in a dictionary as an erroneously detected pattern.
(第13の技術思想)
第12の技術思想として示した車両追跡方法で、誤検出と判定された運動軌跡の追跡開始位置、検出位置変動幅、検出位置変動の周波数、検出位置から算出される平均速度、平均加速度を辞書に登録することを特徴とする車両追跡方法。
(13th technical idea)
In the vehicle tracking method shown as the twelfth technical concept, the tracking start position, detected position fluctuation range, detected position fluctuation frequency, average speed calculated from the detected position, and average acceleration are dictionary The vehicle tracking method characterized by registering in.
(第14の技術思想)
第12または第13の技術思想として示した車両追跡方法で、注目する車両軌跡と辞書に登録された誤検出パターンの軌跡の類似度を計算し、該類似度が高い場合、該注目車両軌跡を誤検出パターンと判別して以後の追跡を終了することを特徴とする車両追跡方法。
(14th technical idea)
In the vehicle tracking method shown as the twelfth or thirteenth technical idea, the similarity between the vehicle trajectory of interest and the trajectory of the false detection pattern registered in the dictionary is calculated, and when the similarity is high, the vehicle trajectory of interest is A vehicle tracking method characterized in that the subsequent tracking is terminated after determining the erroneous detection pattern.
(第15の技術思想)
第13の技術思想および第14の技術思想として示した車両追跡方法で、注目する運動軌跡が持つ追跡開始位置、検出位置変動幅、検出位置変動の周波数、検出位置から算出される平均速度、平均加速度のいずれかが辞書に登録された誤検出パターンの運動軌跡が持つ追跡開始位置、検出位置変動幅、検出位置変動の周波数、検出位置から算出される平均速度、平均加速度と同じ場合、該注目車両位置を追跡開始位置として用いないことを特徴とする車両追跡方法。
(15th technical idea)
In the vehicle tracking method shown as the thirteenth technical idea and the fourteenth technical idea, the tracking start position, detected position fluctuation range, detected position fluctuation frequency, average speed calculated from the detected position, average If any of the accelerations is the same as the tracking start position, the detection position fluctuation range, the detection position fluctuation frequency, the average speed calculated from the detection position, and the average acceleration of the motion locus of the false detection pattern registered in the dictionary, the attention A vehicle tracking method characterized by not using a vehicle position as a tracking start position.
10、100、100A、100B、100C 車両追跡システム
11 センサ
12 運動軌跡算出手段
13 誤検出割合登録手段
14 車両追跡解析手段
20 車両追跡方法
21 センサ検出ステップ
22 運動軌跡算出ステップ
23 誤検出割合登録ステップ
24 車両追跡解析ステップ
30 車両追跡プログラム
31 センサ検出処理
32 運動軌跡算出処理
33 誤検出割合登録処理
34 車両追跡解析処理
101 道路
102 車両位置検出センサ
103 車両
104 検出データ
105、105A、105B、105C 車両追跡装置
111 CPU
112、112A、112B、112C メモリ
113、113A、113B、113C 制御部
115、115B 追跡軌跡算出部
116 追跡軌跡比較部
117、117A 誤検出軌跡判別部
118、118B 誤検出定常発生領域判別部
119 誤検出軌跡削除部
131 追跡注目領域
141 単位領域
151 第1レーン
152 第2レーン
153 第3レーン
161、191、192 運動軌跡
171 候補検出位置
211、211A プログラム格納領域
212 検出データ格納バッファ
213 観測データ保存領域
214 誤検出定常発生登録領域
215 リストGL
216 リストErr
801 追跡開始判定部
802 誤検出軌跡特徴算出部
811 誤検出軌跡特徴データベース
10, 100, 100A, 100B, 100C
112, 112A, 112B,
216 List Err
801 Tracking
Claims (16)
このセンサによって検出される前記道路上の前記単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する運動軌跡算出手段と、
前記それぞれの単位領域ごとに前記特定物理状態が定常的に発生する割合を登録する誤検出割合登録手段と、
前記運動軌跡算出手段によって算出した前記運動軌跡と前記誤検出割合登録手段に登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する車両追跡解析手段
とを具備することを特徴とする車両追跡システム。 A sensor that sequentially detects the physical state on the road in each unit area obtained by dividing a predetermined range on the road into a plurality of areas over time;
When the physical state of any of the unit areas on the road detected by this sensor is a specific physical state indicating the possibility of the presence of a vehicle, An exercise trajectory calculating means for calculating an exercise trajectory;
An erroneous detection rate registration means for registering a rate at which the specific physical state is constantly generated for each unit region;
Vehicle tracking analysis means for analyzing the travel route of the vehicle using the motion trajectory calculated by the motion trajectory calculating means and the false detection rate of the vehicle for each unit area registered in the erroneous detection rate registering means. A vehicle tracking system characterized by that.
この滞留判別手段が滞留していると判別するとき、この滞留している方の運動軌跡の前記所定範囲の領域での運動軌跡の開始位置と滞留している位置との車両の進行方向におけるずれ量を判別するずれ量判別手段と、
このずれ量判別手段で判別したずれ量が、前記センサによる車両の進行方向の位置の検出誤差の範囲を超えているかによって車両の滞留の有無を判別する滞留有無判別手段
とを具備することを特徴とする請求項1記載の車両追跡システム。 When the motion trajectory calculated by the motion trajectory calculating means intersects in the same lane on the road, a staying discriminating means for discriminating whether one of the motion trajectories is staying at a place where the intersection occurs,
When this staying discriminating means discriminates staying, a deviation in the vehicle traveling direction between the start position of the motion trajectory and the staying position in the region of the predetermined range of the staying motion trajectory Deviation amount determining means for determining the amount;
And a staying presence / absence determining means for determining whether or not the vehicle is staying depending on whether or not the amount of deviation determined by the deviation amount determining means exceeds the range of the detection error of the position in the traveling direction of the vehicle by the sensor. The vehicle tracking system according to claim 1.
このレーンまたぎ量判別手段で前記道路上のレーンを2つ以上移動したと判別したとき、これに要する時間が車両のレーン間の移動に要する予め定めた所定の時間内であるかを判別する所要時間判別手段と、
この所要時間判別手段が前記所定の時間内であると判別したときその運動軌跡を誤検出の運動軌跡であると判別する複数レーン移動時誤検出判別手段を具備することを特徴とする請求項2記載の車両追跡システム。 Lane stride amount determining means for determining whether the motion trajectory calculated by the motion trajectory calculating means has moved two or more lanes on the road;
When it is determined that two or more lanes on the road have been moved by the lane straddling amount determination means, it is necessary to determine whether the time required for this is within a predetermined time required for movement between lanes of the vehicle. Time discrimination means;
3. A multi-lane movement erroneous detection determination means for determining that the movement trajectory is an erroneous detection movement trajectory when the required time determination means determines that it is within the predetermined time. The vehicle tracking system described.
このセンサ検出ステップによって検出される前記単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する運動軌跡算出ステップと、
前記それぞれの単位領域ごとに前記特定物理状態が定常的に発生する割合を登録する誤検出割合登録ステップと、
前記運動軌跡算出ステップによって算出した前記運動軌跡と前記誤検出割合登録ステップで登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する車両追跡解析ステップ
とを具備することを特徴とする車両追跡方法。 A sensor detection step of sequentially detecting the physical state on the road in each unit area obtained by dividing a predetermined range of the predetermined area on the road with time using a sensor;
When the physical state of any one of the unit areas detected by the sensor detection step is a specific physical state indicating the possibility of the presence of the vehicle, a motion trajectory as a movement path of the temporal position of these unit areas A motion trajectory calculation step for calculating
An erroneous detection rate registration step of registering a rate at which the specific physical state is constantly generated for each unit region;
A vehicle tracking analysis step of analyzing a travel route of the vehicle using the motion trajectory calculated in the motion trajectory calculation step and a vehicle false detection rate for each unit area registered in the error detection rate registration step. A vehicle tracking method.
道路上の予め定めた所定範囲の領域を複数に分割したそれぞれの単位領域における路上の物理状態をセンサを用いて時間を追って順次検出するセンサ検出処理と、
このセンサ検出処理によって検出される前記単位領域のいずれかの物理状態が車両の存在の可能性を示す特定物理状態となっているとき、これら単位領域の時間的な位置の移動経路としての運動軌跡を算出する運動軌跡算出処理と、
前記それぞれの単位領域ごとに前記特定物理状態が定常的に発生する割合を登録する誤検出割合登録処理と、
前記運動軌跡算出処理によって算出した前記運動軌跡と前記誤検出割合登録処理で登録した単位領域ごとの車両の誤検出の割合を用いて車両の走行の経路を解析する車両追跡解析処理
とを実行させることを特徴とする車両追跡プログラム。 On the computer,
A sensor detection process for sequentially detecting the physical state on the road in each unit area obtained by dividing a predetermined range of the predetermined area on the road with time using a sensor;
When any physical state of the unit area detected by the sensor detection process is a specific physical state indicating the possibility of the presence of the vehicle, a motion trajectory as a movement path of the temporal position of these unit areas Motion trajectory calculation processing for calculating
A false detection rate registration process for registering a rate at which the specific physical state occurs regularly for each unit region;
A vehicle tracking analysis process for analyzing a travel route of the vehicle using the motion trajectory calculated by the motion trajectory calculation process and a vehicle false detection ratio for each unit area registered in the error detection ratio registration process is executed. A vehicle tracking program characterized by that.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009247999A JP5397157B2 (en) | 2009-10-28 | 2009-10-28 | Vehicle tracking system, vehicle tracking method, and vehicle tracking program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2009247999A JP5397157B2 (en) | 2009-10-28 | 2009-10-28 | Vehicle tracking system, vehicle tracking method, and vehicle tracking program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2011095914A true JP2011095914A (en) | 2011-05-12 |
JP5397157B2 JP5397157B2 (en) | 2014-01-22 |
Family
ID=44112766
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2009247999A Active JP5397157B2 (en) | 2009-10-28 | 2009-10-28 | Vehicle tracking system, vehicle tracking method, and vehicle tracking program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5397157B2 (en) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014059655A (en) * | 2012-09-14 | 2014-04-03 | Toshiba Corp | Road situation-monitoring device, and road situation-monitoring method |
JP2016130099A (en) * | 2015-01-14 | 2016-07-21 | 株式会社ニコン | Imaging device |
KR20170039965A (en) * | 2015-10-02 | 2017-04-12 | 현대자동차주식회사 | Method and apparatus for detecting obstacle, and computer readable medium the same |
JP2018067234A (en) * | 2016-10-21 | 2018-04-26 | 株式会社創発システム研究所 | Automatic driving support system of vehicle |
JP6430087B1 (en) * | 2018-03-23 | 2018-11-28 | 三菱電機株式会社 | Route generating apparatus and vehicle control system |
CN110321949A (en) * | 2019-06-29 | 2019-10-11 | 天津大学 | A kind of distributed car tracing method and system based on observed terminals network |
CN111523447A (en) * | 2020-04-22 | 2020-08-11 | 北京邮电大学 | Vehicle tracking method, device, electronic equipment and storage medium |
CN114787891A (en) * | 2019-12-12 | 2022-07-22 | 日立安斯泰莫株式会社 | Driving support device and driving support system |
CN116828398A (en) * | 2023-08-29 | 2023-09-29 | 中国信息通信研究院 | Tracking behavior recognition method and device, electronic equipment and storage medium |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03286399A (en) * | 1990-04-02 | 1991-12-17 | Sumitomo Electric Ind Ltd | Image processing type traffic flow measuring instrument |
JP2002260149A (en) * | 2001-02-28 | 2002-09-13 | Gen Tec:Kk | Traffic accident detection system |
JP2004086341A (en) * | 2002-08-23 | 2004-03-18 | Mitsubishi Electric Corp | Road traffic stream measuring device |
-
2009
- 2009-10-28 JP JP2009247999A patent/JP5397157B2/en active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH03286399A (en) * | 1990-04-02 | 1991-12-17 | Sumitomo Electric Ind Ltd | Image processing type traffic flow measuring instrument |
JP2002260149A (en) * | 2001-02-28 | 2002-09-13 | Gen Tec:Kk | Traffic accident detection system |
JP2004086341A (en) * | 2002-08-23 | 2004-03-18 | Mitsubishi Electric Corp | Road traffic stream measuring device |
Cited By (15)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2014059655A (en) * | 2012-09-14 | 2014-04-03 | Toshiba Corp | Road situation-monitoring device, and road situation-monitoring method |
JP2016130099A (en) * | 2015-01-14 | 2016-07-21 | 株式会社ニコン | Imaging device |
KR102267256B1 (en) * | 2015-10-02 | 2021-06-22 | 현대자동차주식회사 | Method and apparatus for detecting obstacle, and computer readable medium the same |
KR20170039965A (en) * | 2015-10-02 | 2017-04-12 | 현대자동차주식회사 | Method and apparatus for detecting obstacle, and computer readable medium the same |
JP2018067234A (en) * | 2016-10-21 | 2018-04-26 | 株式会社創発システム研究所 | Automatic driving support system of vehicle |
WO2019180919A1 (en) * | 2018-03-23 | 2019-09-26 | 三菱電機株式会社 | Route generation device and vehicle control system |
CN111868801A (en) * | 2018-03-23 | 2020-10-30 | 三菱电机株式会社 | Route generation device and vehicle control system |
JP6430087B1 (en) * | 2018-03-23 | 2018-11-28 | 三菱電機株式会社 | Route generating apparatus and vehicle control system |
US12030521B2 (en) | 2018-03-23 | 2024-07-09 | Mitsubishi Electric Corporation | Path generation device and vehicle control system |
CN110321949A (en) * | 2019-06-29 | 2019-10-11 | 天津大学 | A kind of distributed car tracing method and system based on observed terminals network |
CN114787891A (en) * | 2019-12-12 | 2022-07-22 | 日立安斯泰莫株式会社 | Driving support device and driving support system |
CN111523447A (en) * | 2020-04-22 | 2020-08-11 | 北京邮电大学 | Vehicle tracking method, device, electronic equipment and storage medium |
CN111523447B (en) * | 2020-04-22 | 2023-01-31 | 北京邮电大学 | Vehicle tracking method, device, electronic equipment and storage medium |
CN116828398A (en) * | 2023-08-29 | 2023-09-29 | 中国信息通信研究院 | Tracking behavior recognition method and device, electronic equipment and storage medium |
CN116828398B (en) * | 2023-08-29 | 2023-11-28 | 中国信息通信研究院 | Tracking behavior recognition method and device, electronic equipment and storage medium |
Also Published As
Publication number | Publication date |
---|---|
JP5397157B2 (en) | 2014-01-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5397157B2 (en) | Vehicle tracking system, vehicle tracking method, and vehicle tracking program | |
US11840239B2 (en) | Multiple exposure event determination | |
CN106114507B (en) | Local path planning method and device for intelligent vehicle | |
US9524643B2 (en) | Orientation sensitive traffic collision warning system | |
CN103026396B (en) | Drive assistance device | |
Kim et al. | Gaussian process regression flow for analysis of motion trajectories | |
JP5407764B2 (en) | Driving assistance device | |
JP6024229B2 (en) | Monitoring device, monitoring method, and program | |
JP5082433B2 (en) | Method, apparatus, and program for determining surrounding object risk | |
EP2172919A1 (en) | Vehicle travel track estimator | |
JP2017027599A (en) | Turning prediction | |
KR102323437B1 (en) | Method, System for Traffic Monitoring Using Deep Learning | |
JP5535816B2 (en) | Moving object prediction apparatus and program | |
US20230274634A1 (en) | Traffic monitoring apparatus, traffic monitoring system, traffic monitoring method, and storage medium | |
CN102997900A (en) | Vehicle systems, devices, and methods for recognizing external worlds | |
CN111524350B (en) | Method, system, terminal device and medium for detecting abnormal driving condition of vehicle and road cooperation | |
CN101947956B (en) | Object specifying device and vehicle control apparatus having the device | |
WO2014181386A1 (en) | Vehicle assessment device | |
JP5760542B2 (en) | Moving object information measuring apparatus and moving object information measuring method | |
EP3522073A1 (en) | Method and apparatus for detecting road surface marking | |
Amini et al. | Development of a conflict risk evaluation model to assess pedestrian safety in interaction with vehicles | |
CN116611603A (en) | Vehicle path scheduling method, device, computer and storage medium | |
JP3786113B2 (en) | Approach prediction device | |
JPH0844999A (en) | Approach prediction device | |
JPH08249597A (en) | Road shape detector |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20120911 |
|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20121016 |
|
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: 20130924 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20131007 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5397157 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 Free format text: JAPANESE INTERMEDIATE CODE: R150 |