JP2014228300A - 路面状態推定装置 - Google Patents
路面状態推定装置 Download PDFInfo
- Publication number
- JP2014228300A JP2014228300A JP2013105920A JP2013105920A JP2014228300A JP 2014228300 A JP2014228300 A JP 2014228300A JP 2013105920 A JP2013105920 A JP 2013105920A JP 2013105920 A JP2013105920 A JP 2013105920A JP 2014228300 A JP2014228300 A JP 2014228300A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- reflection intensity
- surface state
- intensity value
- road
- 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
- 238000010801 machine learning Methods 0.000 claims abstract description 19
- 230000003746 surface roughness Effects 0.000 claims description 45
- 238000004458 analytical method Methods 0.000 claims description 15
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000001678 irradiating effect Effects 0.000 abstract 1
- 239000010426 asphalt Substances 0.000 description 46
- 238000000034 method Methods 0.000 description 19
- 238000000354 decomposition reaction Methods 0.000 description 14
- 238000005259 measurement Methods 0.000 description 13
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 13
- 238000012545 processing Methods 0.000 description 10
- 238000012360 testing method Methods 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 238000010521 absorption reaction Methods 0.000 description 4
- 230000008859 change Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 4
- 230000018109 developmental process Effects 0.000 description 4
- 230000007423 decrease Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000002245 particle Substances 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 239000011324 bead Substances 0.000 description 2
- 239000011521 glass Substances 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 238000012552 review Methods 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 238000003860 storage Methods 0.000 description 2
- 230000032683 aging Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000003708 edge detection Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000031700 light absorption Effects 0.000 description 1
- 238000007477 logistic regression Methods 0.000 description 1
- 238000005461 lubrication Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000012706 support-vector machine Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/068—Road friction coefficient
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
- B60W40/064—Degree of grip
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/55—Specular reflectivity
-
- 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
-
- 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
- G01S7/481—Constructional features, e.g. arrangements of optical elements
- G01S7/4817—Constructional features, e.g. arrangements of optical elements relating to scanning
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
- B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
- B60W2420/408—Radar; Laser, e.g. lidar
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Computer Networks & Wireless Communication (AREA)
- Mechanical Engineering (AREA)
- Transportation (AREA)
- Mathematical Physics (AREA)
- Automation & Control Theory (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Immunology (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Pathology (AREA)
- Electromagnetism (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Regulating Braking Force (AREA)
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
機械学習を用いた新しい路面状態推定装置を提供する。
【解決手段】
路面上を走査するようにレーザ光を照射する投光部と、路面上の各照射点に対応する反射強度値を取得する受光部と、反射強度値を用いて路面状態を判別する路面状態判別器と、を備える。路面上の各照射点に対応して取得された反射強度値のセット(「多点反射強度値セット」という)は、路面状態に依存する投光部を基準とした遠近方向の照射位置と反射強度値との関係を規定している。前記路面状態判別器は、既知の異なる路面状態を備えた複数の路面についてそれぞれ取得された複数の多点反射強度値セットを学習データとして用いた機械学習により生成され、路面状態が未知の路面について取得された多点反射強度値セットを入力として、路面状態を判別して出力する。
【選択図】図2
Description
本発明の目的の1つは、自動運転走行車両に良好に適用し得る路面状態推定装置を提供することになる。
本発明の他の目的やより具体的な目的は、本明細書の記載および図面から明らかとなる。
路面上を走査するようにレーザ光を照射する投光部と、
路面上の各照射点に対応する反射強度値を取得する受光部と、
反射強度値を用いて路面状態を判別する路面状態判別器と、
を備え、
路面上の各照射点に対応して取得された反射強度値のセット(「多点反射強度値セット」という)は、路面状態に依存する投光部を基準とした遠近方向の照射位置と反射強度値との関係を規定しており、
前記路面状態判別器は、既知の異なる路面状態を備えた複数の路面についてそれぞれ取得された複数の多点反射強度値セットを学習データとして用いた機械学習により生成され、
前記路面状態判別器は、路面状態が未知の路面について取得された多点反射強度値セットを入力として、路面状態を判別して出力する。
1つの態様では、レーザ光の照射範囲には、路面の走行方向に延びる区画線(典型的な例では白線)が含まれており、
路面状態が未知の路面について取得された多点反射強度値セットには、前記区画線に対応する反射強度値が含まれており、
前記路面状態判別器は、前記取得された多点反射強度値セットから前記区画線に対応する反射強度値を除いた反射強度値セットを用いて路面状態の判別を行う。
この場合、1つの態様では、除去したデータを補間した上で、判別を行う。データ補間法(内挿、外挿)は当業者に既知であるため、説明は省略する。あるいは、除去したデータが欠落したままで路面状態の判別を行ってもよい。
また、前記区画線に対応する反射強度値から得られた特徴量(例えば、白線部分と白線以外の部分との反射強度値の差、白線部分における路面粗さ指標等)を利用してもよい。
前記学習データには、既知の異なる路面状態を備えた複数の路面についてそれぞれ取得された複数の路面粗さ指標が含まれており、
前記路面状態判別器は、路面状態が未知の路面について取得された多点反射強度値セット及び路面粗さ指標を入力として、路面状態を判別して出力する。
1つの態様では、前記解析手段は、離散ウェーブレット解析である。
離散ウェーブレット解析に比べて処理速度が遅いものの、連続ウェーブレット解析を用いることも可能である。また、フーリエ解析によって路面粗さ指標を取得してもよい。
このように、1つの態様では、第1特徴量として「多点反射強度値セット」、第2特徴量として「路面粗さ指標」を用いるが、本発明において、第2特徴量は好ましい任意情報であって、必須情報ではない。路面状態に依存した第2特徴量として路面粗さ指標以外の指標を用いることは妨げない。すなわち、第2特徴量は、情報の種類・数を任意に選択することが可能であり、複数の特徴量を第2特徴量として採用してもよい。
また、路面推定技術は長年に亘って研究されていることから様々な知見が得られており、本発明に対して他の推定手段や知見を組み合わせることは任意である。
1つの態様では、前記路面状態判別器は、ニューラルネットワークから構成されている。
本発明の路面状態判別器に適用し得る機械学習としては、「教師信号つき機械学習」の手法であれば、適用可能であり、例えば、クラスタリング、判別分析(線形判別関数やマハラノビス距離)、ロジスティック回帰分析、サポートベクターマシン、決定木などが適用可能である。
1つの態様では、前記路面状態判別器は、さらに、冠水状態を判別する。
1つの態様では、前記路面状態判別器は、さらに、路面の劣化状態を判別する。
1つの態様では、上記状態の組み合わせてなる6つの路面状態を判別する。
典型的な態様では、前記路面はアスファルト舗装面である。
本発明の対象となる路面状態や路面の材質は、これらのものに限定されない。本発明は、機械学習により生成される路面状態判別器を用いるので、路面状態の種類や路面の材質に限定されずに、ある状態のある路面について取得した学習データを用いて路面状態判別器を生成すればよい。
本発明に係る路面状態推定装置は車両に搭載することができ、車両走行中に反射強度データを取得ながらリアルタイムで路面状態を推定することができ、自動運転走行車両に良好に適用し得るものである。
本発明では、所定の路面状態の学習データを取得して路面状態判別器を生成することで、後述する実施形態のように、アスファルト路面の劣化状況、水による潤滑状況、水膜の存在といった摩擦係数に依存する状態を、レーザレーダによって取得した反射強度を用いて判別することができる。
本発明はまた、白線をレーザレーダで認識し、自動走行を行う車両において、白線検出用のレーザレーダ装置の出力を利用して、路面状態を推定することができる。
本発明に係る路面状態推定装置は、路面上を走査するようにレーザ光を照射する投光部と、路面上の各照射点に対応する反射強度値を取得する受光部と、反射強度値を用いて路面状態を判別する路面状態判別器と、を備えている。路面状態推定装置は、ハードウェア構成としては、2次元スキャン式のレーザレーダ(LIDAR)と、コンピュータ(入力部、出力部、RAM、ROM等の記憶部、CPUを主体とする処理部等を備える)と、から構成することができる。
[B−1]路面状態推定手法の概要
本発明の一実施形態について詳細に説明する。本実施形態は、リアルタイムで乾燥・湿潤判定を行うことを目的とし、自動運転・隊列走行における白線認識に用いるレーザレーダを活用して路面状態を推定するものである。本実施形態では、レーザレーダ反射強度および反射強度の路面粗さ成分情報を用いて機械学習により路面の乾燥・湿潤を判定する路面状態推定アルゴリズムを提案し、このアルゴリズムを用いて路面状態推定実験を行った。
(1)レーザレーダ反射強度(第1特徴量)
レーザレーダ反射強度は、路面の質・状態や路面への入射角度によって異なることが知られている。そこでまずレーザレーダ反射強度の機械的性質について整理する。レーザレーダは車両の進行方向に対して横方向下向きに路面をスキャンする。このときのレーザ光の水膜による反射、水膜への吸収、路面の新旧による反射の3点から考察する。
路面粗さの凹凸によってレーザ反射角度に差が生じ、結果として反射強度値にも、スキャニング方向に向かって路面波長に応じた波長成分が含まれることになる。より具体的には、「マクロになる程、路面全体のうねり」、「ミクロになる程、路面のミクロな(粒子)凹凸」という空間周波数の特徴によって(さらレーザ反射特性も加わって)、スキャニング方向に反射強度値の凸凹の大きさの違いとして計測される(図15参照)。この波長成分は反射強度値を離散ウェーブレット分解することによって抽出される(図9A〜D)。連続ウェーブレット解析を用いて路面粗さ指標を取得することも可能であり、本発明の権利範囲に含まれるが、離散ウェーブレット解析を用いることで、連続ウェーブレット解析に比べて計算量を低減することができる。計算量の低減は、処理コストの低減をもたらす。本実施形態に係る離散ウェーブレット解析ではMallatアルゴリズムが用いられる。
Fa:疑似周波数、Fn:ウェーブレットの中心周波数(‘db2’では0.66667Hz)、a:スケール、
Δ:サンプリング周期(各走査位置間の距離は0.0045m)、である。
図9Dに、本実施形態に係る離散ウェーブレット解析による反射強度(乾燥状態)の分解を示す。ここでは、5回の分解を行う。信号D1は、細かい詳細における路面粗さを表し、信号D5は低い分解能における路面粗さを表す。各高周波数信号に含まれる空間周波数を表3(後述する)に示す。
なお、ウェーブレット分解されたデータを路面粗さ指標算出に用いるだけでなく、白線のエッジ検出に利用することで、この一連の計測によって白線検知も統合することが可能である。
ナイーブ・ベイズ推定器は教師あり機械学習として用いられているものであり、判別すべきクラスごとでベイズ分布に従うデータが得られるときに有効な推定手法である。
(1)得られたレーザレーダデータより反射強度値とそれを離散ウェーブレット分解した結果得られる路面粗さ指標を算出する。
(2)分類すべき6つのクラスのそれぞれに対して、特徴変数(fi)の平均値μiと標準偏差σiを算出する(i = 1〜N,N = n + m)。このとき、nは反射強度数、mは路面粗さ指標数であり、今回はそれぞれn=171,m=1である。このとき171点の多点反射強度値は遠位から近位までのスキャニング位置と反射強度を関数値として表現している。なおスキャニング範囲内に白線が含まれない時が171データであり、スキャニング範囲内に白線が含まれた場合には白線に該当するスキャニング位置の白線強度を推定範囲から外す処理を行う。このように特徴変数の数が変更し得ることから、それに対応しうる機械学習法としてナイーブ・ベイズ推定器を用いた。さらに、多点反射強度値の後に路面粗さ指標を加えることで推定精度向上を目指す。
路面状態推定は各スキャンデータを用いてリアルタイムに行う。データ処理の流れを図10に示す。
(2)特許文献1、非特許文献2に基づく白線検知によって得られた白線位置情報を元に白線部分を路面推定領域から除外する。具体的には今回のスキャニング範囲に含まれるデータ数(171点のデータ)から、白線が含まれる場合には白線領域分のデータ数(l個)分を引いておく。その結果決定された多点反射強度値の数が、まずその時刻において定義される特徴量数とする。
(3)計測データより反射強度値(n-l個, ここにlは白線上のデータ数)と、それを元にした路面粗さ指標(m)と、を算出する。
(4)最後にナイーブ・ベイズ推定器によって路面の分類が行われる。
[C−1]計測環境の構築
エネルギーITSプロジェクトにおけるセンサ系評価のため宇部興産専用道において約6か月間にわたる計測試験を実施した(非特許文献3)。その中で、レーザレーダによる路面推定試験を実施した。試験装置の全体構成図を図12に示す。フェールセーフECU(FS-ECU)からの情報、レーザレーダを用いた白線認識装置(アクティブ方式)からの情報、レーザデータを用いた路面状態推定装置からの情報、画像処理を用いた白線認識装置(パッシブ方式)からの情報、GPSからの情報、WEBカメラからの情報、温湿度計からの情報、がデータ処理装置に入力される。データ処理装置はコンピュータ(入力部、出力部、記憶部、演算部等のハードウェア構成と、所定のソフトウェアを備える)から構成することができ、試験では、以下に述べるように、主として各種データを記憶するデータ記憶装置としての役割を有する。試験では、レーザレーダ路面状態推定システムとこれらデータを収集するデータロガー装置をトレーラ型トラックに搭載し、営業走行中の計測を実施した。白線認識および路面推定に用いられるレーザレーダはトラクタの天井部分に設置されている。また長期計測を行うにあたっての環境記録用にGPS受信機、気象記録用カメラ、温湿度センサを設置してこれらデータをデータロガーに記録する。
図13のようにして得られた反射強度を横軸にスキャン位置・縦軸に反射強度にまとめたものを図14に示す。6条件の路面における反射強度はスキャン位置に対してこのような値を示している。乾燥・新アスファルトと湿潤・経年アスファルトの反射強度、および湿潤・新アスファルトと冠水・新アスファルトの反射強度が近い値を示しているが、それ以外の条件では分離されていることが確認できる。
図14のように反射強度のみでは路面条件間の判別が困難な場合があることから、路面粗さ指標を追加することでより精確な判別を行えるようにする。今回、路面粗さ指標は1つとし、n個の反射強度値に追加する。この路面粗さ指標は各スキャンにより得られる生データからリアルタイムで算出する。各スキャンにおける粗さデータを、離散ウェーブレット分解によって抽出し、粗さ指標を算出する。このときの路面粗さ波長はD1〜D4に相当するものを採用し、これらの総和を取ることで路面粗さ指標とした。D1〜D4の総和として算出された結果を図15に示す。路面粗さ指標はこの図15における横方向に総和を取るものであり、反射強度のばらつきの面積を取ることに相当する。
路面状態認識は1000[sec]の走行データを用い、6つの路面状態の認識を行った。路面状態は、カメラ画像から取得した。各クラスにおける平均値及び標準偏差は、クラスごとに1000個の訓練データから計算した。路面特徴量として多点反射強度値(171点の反射強度値)のみを用いてナイーブ・ベイズ推定器による路面認識した結果を表4に示す。判別に用いた計算式は以下の通りである。
多点反射強度値(171点の反射強度値)に路面粗さ指標を加えたパラメータを路面特徴量としてナイーブ・ベイズ推定器による路面認識した結果を表5に示す。判別に用いた計算式は以下の通りである。
上記式において、RI1-171 :各反射強度値、F:路面粗さ指標、Class:路面状態、Z:定数、である。
Claims (8)
- 路面上を走査するようにレーザ光を照射する投光部と、
路面上の各照射点に対応する反射強度値を取得する受光部と、
反射強度値を用いて路面状態を判別する路面状態判別器と、
を備え、
路面上の各照射点に対応して取得された反射強度値のセット(「多点反射強度値セット」という)は、路面状態に依存する投光部を基準とした遠近方向の照射位置と反射強度値との関係を規定しており、
前記路面状態判別器は、既知の異なる路面状態を備えた複数の路面についてそれぞれ取得された複数の多点反射強度値セットを学習データとして用いた機械学習により生成され、
前記路面状態判別器は、路面状態が未知の路面について取得された多点反射強度値セットを入力として、路面状態を判別して出力する、
路面状態推定装置。 - 前記路面状態推定装置は、路面上を走行する車両に搭載されており、
前記レーザ光は、路面を横切る方向に走査するように照射される、請求項1に記載の路面状態推定装置。 - レーザ光の照射範囲には、路面の走行方向に延びる区画線が含まれており、
路面状態が未知の路面について取得された多点反射強度値セットには、前記区画線に対応する反射強度値が含まれており、
前記路面状態判別器は、前記取得された多点反射強度値セットから前記区画線に対応する反射強度値を除いた反射強度値セットを用いて路面状態の判別を行う、
請求項2に記載の路面状態推定装置。 - 前記多点反射強度値セットを解析することで路面状態に依存した路面粗さ指標を取得する解析手段を備え、
前記学習データには、既知の異なる路面状態を備えた複数の路面についてそれぞれ取得された複数の路面粗さ指標が含まれており、
前記路面状態判別器は、路面状態が未知の路面について取得された多点反射強度値セット及び路面粗さ指標を入力として、路面状態を判別して出力する、
請求項1〜3いずれか1項に記載の路面状態推定装置。 - 前記解析手段は、離散ウェーブレット解析である、請求項4に記載の路面状態推定装置。
- 前記路面状態判別器は、ナイーブ・ベイズ推定器から構成されている、請求項1〜5いずれか1項に記載の路面状態推定装置。
- 前記路面状態判別器は、ニューラルネットワークから構成されている、請求項1〜5いずれか1項に記載の路面状態推定装置。
- 前記路面状態判別器は、少なくとも、乾燥状態と、湿潤状態と、を判別する、請求項1〜7いずれか1項に記載の路面状態推定装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013105920A JP6040096B2 (ja) | 2013-05-20 | 2013-05-20 | 路面状態推定装置 |
PCT/JP2014/063388 WO2014189059A1 (ja) | 2013-05-20 | 2014-05-20 | 路面状態推定装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2013105920A JP6040096B2 (ja) | 2013-05-20 | 2013-05-20 | 路面状態推定装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2014228300A true JP2014228300A (ja) | 2014-12-08 |
JP6040096B2 JP6040096B2 (ja) | 2016-12-07 |
Family
ID=51933612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2013105920A Active JP6040096B2 (ja) | 2013-05-20 | 2013-05-20 | 路面状態推定装置 |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6040096B2 (ja) |
WO (1) | WO2014189059A1 (ja) |
Cited By (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2018180081A1 (ja) * | 2017-03-29 | 2018-10-04 | パイオニア株式会社 | 劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体 |
CN109689463A (zh) * | 2016-09-13 | 2019-04-26 | 松下知识产权经营株式会社 | 路面状态预测***、驾驶支援***、路面状态预测方法以及数据分发方法 |
CN110441269A (zh) * | 2019-08-13 | 2019-11-12 | 江苏东交工程检测股份有限公司 | 标线反光检测方法、装置、设备及存储介质 |
WO2019216393A1 (ja) * | 2018-05-10 | 2019-11-14 | パナソニックIpマネジメント株式会社 | 路面状態推定方法、路面状態推定装置および路面状態推定システム |
KR20200073247A (ko) * | 2017-10-13 | 2020-06-23 | 더 리젠츠 오브 더 유니버시티 오브 미시건 | 재질-센싱 광 이미징, 디텍션 및 레인징(lidar) 시스템 |
JPWO2019107353A1 (ja) * | 2017-11-30 | 2020-12-17 | パイオニア株式会社 | 地図データのデータ構造 |
WO2021106935A1 (ja) * | 2019-11-28 | 2021-06-03 | 国立研究開発法人宇宙航空研究開発機構 | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
JP7021798B1 (ja) | 2020-12-04 | 2022-02-17 | 国立研究開発法人土木研究所 | 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 |
KR20220107645A (ko) * | 2021-01-25 | 2022-08-02 | 한남대학교 산학협력단 | 인공신경망을 사용한 노면 확인 시스템 |
WO2023192515A1 (en) * | 2022-03-31 | 2023-10-05 | Zoox, Inc. | Ground profile estimation for sensor data |
US11874225B2 (en) | 2018-07-26 | 2024-01-16 | The University Of Tokyo | Measurement device, measurement system, measurement program, and measurement method |
Families Citing this family (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6613624B2 (ja) * | 2015-05-27 | 2019-12-04 | いすゞ自動車株式会社 | 判別方法及び判別装置 |
JP6490210B2 (ja) * | 2015-06-12 | 2019-03-27 | 三菱電機株式会社 | 運転支援装置および運転支援方法 |
JP2017100656A (ja) * | 2015-12-04 | 2017-06-08 | 株式会社デンソー | 走行制御装置 |
WO2017220705A1 (en) * | 2016-06-24 | 2017-12-28 | Jaguar Land Rover Limited | Control system for a vehicle |
CN107784261B (zh) * | 2016-08-31 | 2020-04-28 | 北京万集科技股份有限公司 | 一种路面状态检测方法及装置 |
KR101876063B1 (ko) * | 2016-10-04 | 2018-07-06 | 현대자동차주식회사 | 차량 데이터 기반의 노면 판단 방법 |
KR101961776B1 (ko) * | 2017-02-13 | 2019-07-17 | 공주대학교 산학협력단 | 라인 스캐닝 도로 노면 기상 상태 측정 장치 및 방법 |
US10460053B2 (en) | 2017-04-24 | 2019-10-29 | Toyota Research Institute, Inc. | Systems and methods for surface property identification using waveform classification |
KR101958931B1 (ko) * | 2017-10-24 | 2019-07-02 | 인천대학교 산학협력단 | 레이더 검출 데이터를 이용한 도로 상태 식별 장치 및 이의 동작 방법 |
EP3536574A1 (en) * | 2018-03-06 | 2019-09-11 | Pablo Alvarez Troncoso | Vehicle control system |
CN111114550B (zh) * | 2018-10-30 | 2021-11-23 | 长城汽车股份有限公司 | 车辆控制方法和控制装置及车辆和存储介质 |
WO2020105166A1 (ja) * | 2018-11-22 | 2020-05-28 | 三菱電機株式会社 | 障害物検知装置 |
JP7273505B2 (ja) * | 2018-12-28 | 2023-05-15 | スタンレー電気株式会社 | 路面状態検知システム及び路面状態検知方法 |
US11630209B2 (en) * | 2019-07-09 | 2023-04-18 | Waymo Llc | Laser waveform embedding |
US11718304B2 (en) | 2020-03-06 | 2023-08-08 | Deere & Comoanv | Method and system for estimating surface roughness of ground for an off-road vehicle to control an implement |
US11684005B2 (en) | 2020-03-06 | 2023-06-27 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control an implement |
US11678599B2 (en) | 2020-03-12 | 2023-06-20 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control steering |
US11667171B2 (en) * | 2020-03-12 | 2023-06-06 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control steering |
US11753016B2 (en) | 2020-03-13 | 2023-09-12 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed |
US11685381B2 (en) | 2020-03-13 | 2023-06-27 | Deere & Company | Method and system for estimating surface roughness of ground for an off-road vehicle to control ground speed |
CN112841742B (zh) * | 2021-01-18 | 2023-11-21 | 河南中烟工业有限责任公司 | 基于预抽吸动作捕捉的加热使能控制方法 |
CN113311444B (zh) * | 2021-06-22 | 2022-08-02 | 山东高速建设管理集团有限公司 | 一种水膜识别与处理装置及其使用方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0454600A (ja) * | 1990-06-21 | 1992-02-21 | Mazda Motor Corp | 車両用警報装置 |
JP2009199154A (ja) * | 2008-02-19 | 2009-09-03 | Ihi Corp | 水溜まり検出装置、無人走行車両及び水溜まり検出方法 |
WO2011095605A1 (en) * | 2010-02-04 | 2011-08-11 | Delta Dansk Elektronik, Lys & Akustik | Apparatus and method for measuring retroreflectivity of a surface |
JP2011174794A (ja) * | 2010-02-24 | 2011-09-08 | Kyushu Institute Of Technology | 路面状態検出装置及び方法 |
WO2011158306A1 (ja) * | 2010-06-18 | 2011-12-22 | 本田技研工業株式会社 | 路面反射率分類のためのシステム |
-
2013
- 2013-05-20 JP JP2013105920A patent/JP6040096B2/ja active Active
-
2014
- 2014-05-20 WO PCT/JP2014/063388 patent/WO2014189059A1/ja active Application Filing
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0454600A (ja) * | 1990-06-21 | 1992-02-21 | Mazda Motor Corp | 車両用警報装置 |
JP2009199154A (ja) * | 2008-02-19 | 2009-09-03 | Ihi Corp | 水溜まり検出装置、無人走行車両及び水溜まり検出方法 |
WO2011095605A1 (en) * | 2010-02-04 | 2011-08-11 | Delta Dansk Elektronik, Lys & Akustik | Apparatus and method for measuring retroreflectivity of a surface |
JP2011174794A (ja) * | 2010-02-24 | 2011-09-08 | Kyushu Institute Of Technology | 路面状態検出装置及び方法 |
WO2011158306A1 (ja) * | 2010-06-18 | 2011-12-22 | 本田技研工業株式会社 | 路面反射率分類のためのシステム |
Non-Patent Citations (1)
Title |
---|
JPN6014034723; 松浦充保、外2名: '隊列走行におけるレーザレーザ白線検知システム(第2報)' 自動車技術会 学術講演会前刷集 No.145-10, 20100929, 第1頁-第4頁 * |
Cited By (25)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109689463A (zh) * | 2016-09-13 | 2019-04-26 | 松下知识产权经营株式会社 | 路面状态预测***、驾驶支援***、路面状态预测方法以及数据分发方法 |
CN109689463B (zh) * | 2016-09-13 | 2022-03-15 | 松下知识产权经营株式会社 | 路面状态预测***、驾驶支援***、路面状态预测方法以及数据分发方法 |
EP3591381A4 (en) * | 2017-03-29 | 2021-01-13 | Pioneer Corporation | DEVICE FOR IDENTIFYING A deteriorated GROUND-BASED OBJECT, SYSTEM FOR IDENTIFYING a deteriorated GROUND-BASED OBJECT, METHOD FOR IDENTIFYING a deteriorated GROUND-BASED OBJECT, PROGRAM FOR IDENTIFYING a deteriorated GROUND BASED POINTS AND COMPUTER READABLE RECORDING MEDIUM WITH recorded thereon PROGRAM FOR IDENTIFYING a deteriorated GROUND BASED POINTS |
WO2018180081A1 (ja) * | 2017-03-29 | 2018-10-04 | パイオニア株式会社 | 劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JPWO2018180081A1 (ja) * | 2017-03-29 | 2020-05-21 | パイオニア株式会社 | 劣化地物特定装置、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体 |
JP2022016460A (ja) * | 2017-03-29 | 2022-01-21 | パイオニア株式会社 | 劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体 |
US11157752B2 (en) | 2017-03-29 | 2021-10-26 | Pioneer Corporation | Degraded feature identification apparatus, degraded feature identification system, degraded feature identification method, degraded feature identification program, and computer-readable recording medium recording degraded feature identification program |
JP2023038227A (ja) * | 2017-10-13 | 2023-03-16 | ザ・リージェンツ・オブ・ザ・ユニバーシティ・オブ・ミシガン | 材料感知光画像化、検出、及び測距(lidar)システム |
KR20200073247A (ko) * | 2017-10-13 | 2020-06-23 | 더 리젠츠 오브 더 유니버시티 오브 미시건 | 재질-센싱 광 이미징, 디텍션 및 레인징(lidar) 시스템 |
KR102595436B1 (ko) * | 2017-10-13 | 2023-10-27 | 더 리젠츠 오브 더 유니버시티 오브 미시건 | 재질-센싱 광 이미징, 디텍션 및 레인징(lidar) 시스템 |
US12032190B2 (en) | 2017-10-13 | 2024-07-09 | The Regents Of The University Of Michigan | Material-sensing light imaging, detection, and ranging (LIDAR) systems |
JP2020537146A (ja) * | 2017-10-13 | 2020-12-17 | ザ・リージェンツ・オブ・ザ・ユニバーシティ・オブ・ミシガンThe Regents Of The University Of Michigan | 材料感知光画像化、検出、及び測距(lidar)システム |
JP2022121579A (ja) * | 2017-11-30 | 2022-08-19 | パイオニア株式会社 | 地図データのデータ構造 |
JPWO2019107353A1 (ja) * | 2017-11-30 | 2020-12-17 | パイオニア株式会社 | 地図データのデータ構造 |
WO2019216393A1 (ja) * | 2018-05-10 | 2019-11-14 | パナソニックIpマネジメント株式会社 | 路面状態推定方法、路面状態推定装置および路面状態推定システム |
US11874225B2 (en) | 2018-07-26 | 2024-01-16 | The University Of Tokyo | Measurement device, measurement system, measurement program, and measurement method |
CN110441269A (zh) * | 2019-08-13 | 2019-11-12 | 江苏东交工程检测股份有限公司 | 标线反光检测方法、装置、设备及存储介质 |
JP7383247B2 (ja) | 2019-11-28 | 2023-11-20 | 国立研究開発法人宇宙航空研究開発機構 | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
JP2021085786A (ja) * | 2019-11-28 | 2021-06-03 | 国立研究開発法人宇宙航空研究開発機構 | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
WO2021106935A1 (ja) * | 2019-11-28 | 2021-06-03 | 国立研究開発法人宇宙航空研究開発機構 | 情報処理システム、情報処理装置、情報処理方法、及びプログラム |
JP7021798B1 (ja) | 2020-12-04 | 2022-02-17 | 国立研究開発法人土木研究所 | 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 |
JP2022089676A (ja) * | 2020-12-04 | 2022-06-16 | 国立研究開発法人土木研究所 | 学習済みモデル生成方法、路面滑り摩擦係数推定装置、路面滑り摩擦係数推定プログラムおよび路面滑り摩擦係数推定方法 |
KR20220107645A (ko) * | 2021-01-25 | 2022-08-02 | 한남대학교 산학협력단 | 인공신경망을 사용한 노면 확인 시스템 |
KR102593030B1 (ko) | 2021-01-25 | 2023-10-23 | 한남대학교 산학협력단 | 인공신경망을 사용한 노면 확인 시스템 |
WO2023192515A1 (en) * | 2022-03-31 | 2023-10-05 | Zoox, Inc. | Ground profile estimation for sensor data |
Also Published As
Publication number | Publication date |
---|---|
WO2014189059A1 (ja) | 2014-11-27 |
JP6040096B2 (ja) | 2016-12-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6040096B2 (ja) | 路面状態推定装置 | |
CN105717514B (zh) | 利用激光雷达传感器的路面反射性检测 | |
US11340332B2 (en) | Method and apparatus for processing radar data | |
KR101762504B1 (ko) | 레이저 거리 센서를 이용한 바닥 장애물 검출 방법 | |
EP2118818B1 (en) | Video-based road departure warning | |
JP4993322B2 (ja) | 車両周辺にある光点のカメラによる識別及び分類 | |
CN102782478B (zh) | 用于借助光谱学进行雾识别的方法和装置 | |
US7466860B2 (en) | Method and apparatus for classifying an object | |
Vatani Nezafat et al. | Transfer learning using deep neural networks for classification of truck body types based on side-fire lidar data | |
CN103886757A (zh) | 用于自动分类运动中的车辆的方法 | |
CN105184263A (zh) | 使用纹理分析的基于视觉的潮湿道路表面检测 | |
CN113269889B (zh) | 一种基于椭圆域的自适应点云目标聚类方法 | |
KR102401382B1 (ko) | 라이다를 이용한 노면 검출 시스템 및 그를 이용한 노면의 검출 방법 | |
Bystrov et al. | Sensors for automotive remote road surface classification | |
KR100962329B1 (ko) | 스테레오 카메라 영상으로부터의 지면 추출 방법과 장치 및이와 같은 방법을 구현하는 프로그램이 기록된 기록매체 | |
Li et al. | A novel processing methodology for traffic-speed road surveys using point lasers | |
WO2019198789A1 (ja) | オブジェクト識別システム、自動車、車両用灯具、オブジェクトのクラスタリング方法 | |
Yasin et al. | Travel time measurement in real-time using automatic number plate recognition for Malaysian environment | |
CN112014822B (zh) | 车载雷达测量数据识别方法、装置、介质和电子装置 | |
Segawa et al. | Preceding vehicle detection using stereo images and non-scanning millimeter-wave radar | |
Certad et al. | Road Markings Segmentation from LIDAR Point Clouds using Reflectivity Information | |
KR20180117660A (ko) | 적어도 하나의 물체를 포착하는 방법, 센서 장치의 디바이스, 센서 장치 및 적어도 하나의 센서 장치를 구비한 운전자 보조 시스템 | |
KR20220128787A (ko) | 라이다 센서를 이용한 객체 추적 방법 및 장치와, 이 방법을 실행하기 위한 프로그램을 기록한 기록 매체 | |
WO2020258065A1 (zh) | 毫米波雷达天气检测的方法、毫米波雷达和可移动平台 | |
US11867835B2 (en) | System and method for classifying pulses generated by a sensor |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160126 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20160126 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160802 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160930 |
|
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: 20161021 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161107 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6040096 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |