JP2019117501A - 判定装置、判定方法及び判定用プログラム - Google Patents
判定装置、判定方法及び判定用プログラム Download PDFInfo
- Publication number
- JP2019117501A JP2019117501A JP2017250889A JP2017250889A JP2019117501A JP 2019117501 A JP2019117501 A JP 2019117501A JP 2017250889 A JP2017250889 A JP 2017250889A JP 2017250889 A JP2017250889 A JP 2017250889A JP 2019117501 A JP2019117501 A JP 2019117501A
- Authority
- JP
- Japan
- Prior art keywords
- data
- information
- determination
- type
- determination apparatus
- 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.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
- Image Analysis (AREA)
Abstract
【課題】車両の周辺の物体自体の形状、及びその物体の周辺の実際の状態に拘わらず、当該物体の種類を精度よく検出することが可能な判定装置を提供する。【解決手段】車両の周辺に存在する周辺物体の検出結果と、車両の位置と、を取得し(S10)、物体ごとに物体の特徴を示す識別器データと、物体が存在する位置と、を取得し(S12)、それらに基づいて、上記検出結果における周辺物体の種類を識別する(S13)。【選択図】図7
Description
本願は、判定装置、判定方法及び判定用プログラムの技術分野に属する。より詳細には、車両等の移動体に関連する判定を行う判定装置及び判定方法並びに当該判定用のプログラムの技術分野に属する。
近年、車両におけるいわゆる自動運転に関する研究が盛んに行われている。そして自動運転の実現に当たって必要な技術の一つに、車両の周囲に存在する物体の検出がある。この場合の物体の例としては、その車両の周辺に存在する、人(歩行者等)、自転車又は二輪車、他の車両(当該車両と同じ車線上の他の車両、及び反対車線上の他の車両を含む)、周囲に立てられた道路標識及び信号機、並びに街路樹等の道路脇の植生等が挙げられる。そしてこのような物体の検出に用いることができる技術の一つに、LiDAR(Light Detection and Ranging、Laser Imaging Detection and Ranging)システムを用いた物体検出がある。LiDARシステムによる物体検出では、レーザ光等のパルス状の光ビームを周囲の物体に連続的に照射し、その反射光を一パルスの光ビームごとに受光し、その受光結果により、当該物体をいわゆる点群として検出する。そして、当該点群のデータと、上記物体ごとに予め設定された当該物体を識別するための識別器データと、を比較し、両者が一致すると判定される場合に、その点群として検出された物体を、当該比較された識別器データに対応する物体であると判定する。この場合の識別器データとは、例えば車両を識別するための識別器データの場合は、車両に光ビームを照射して得られる反射光全体の形状(影像)を点群としてモデル化したデータであり、当該車両に固有の識別器データである。この場合の識別器データは、同じ「車両」でも、小型車、大型車又は二輪車等の車種によって異なる識別器データとなる。
なお上記背景技術に関連する技術の一例としては、例えば下記特許文献1に記載された技術がある。下記特許文献1に記載された技術では、カメラからの撮像データを用いた周辺物体の検出において、カメラが搭載されている車両が移動している地域に応じて、検出対象たる周辺物体を認識するための認識ロジックを変更する構成とされている。
一方、当該車両が実際に移動する道路及びその周辺環境においては、外観上は同じ形状に見えるが、物体の種類としては異なっている場合や、時間又は季節により外観上の形状が変化する物体がある。前者の例としては、ある交通標識と、それに似た形状の看板とが異なる種類である場合が挙げられる。また後者の例としては、季節によって全体形状が変わる街路樹が挙げられる。そして、上記特許文献1に記載されている従来技術では、周辺物体を認識するための認識ロジックを変える構成に過ぎないので、このような物体の種類を特定できない場合があるという問題点があった。従って、車両の周辺の物体自体の形状、又は当該物体の周辺の実際の状態に拘わらず、当該物体の種類を精度よく検出することが望まれる。
そこで本願は、上記の問題点及び要請に鑑みて為されたもので、その課題の一例は、車両の周辺の物体自体の形状、及びその物体の周辺の実際の状態に拘わらず、当該物体の種類を精度よく検出することが可能な判定装置及び判定方法並びに当該判定装置用のプログラムを提供することにある。
上記の課題を解決するために、請求項1に記載の発明は、周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を取得する第1取得手段と、物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物***置情報と、を取得する第2取得手段と、各前記取得された物体検出情報及び検出位置情報と、各前記取得された特徴情報及び物***置情報と、に基づき、前記物体検出情報における前記周辺物体の種類を判定する種類判定手段と、を備える。
上記の課題を解決するために、請求項14に記載の発明は、第1取得手段と、第2取得手段と、種類判定手段と、を備える判定装置において実行される判定方法であって、周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を前記第1取得手段により取得する第1取得工程と、物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物***置情報と、を前記第2取得手段により取得する第2取得工程と、各前記取得された物体検出情報及び検出位置情報と、各前記取得された特徴情報及び物***置情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記種類判定手段により判定する種類判定工程と、を含む。
上記の課題を解決するために、請求項15に記載の発明は、コンピュータを、請求項1から請求項13のいずれか一項に記載の判定装置として機能させる。
次に、本願を実施するための形態について、図1を用いて説明する。なお図1は、実施形態に係る判定装置の概要構成を示すブロック図である。
図1に示すように、実施形態に係る判定装置Sは、第1取得手段21と、第2取得手段24と、種類判定手段30と、を備えて構成されている。
この構成において第1取得手段21は、周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を取得する。
一方第2取得手段24は、物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物***置情報と、を取得する。
これらにより種類判定手段30は、第1取得手段21によりそれぞれ取得された物体検出情報及び検出位置情報と、第2取得手段24によりそれぞれ取得された特徴情報及び物***置情報と、に基づき、上記物体検出情報における周辺物体の種類を判定する。
以上説明したように、実施形態に係る判定装置Sの動作によれば、物体検出情報及び検出位置情報と、特徴情報及び物***置情報と、に基づき、物体検出情報における周辺物体の種類を判定する。よって、特徴情報及び物***置情報を用いることで、周辺物体自体及びその周辺の実際の状態に拘わらず、周辺物体の種類を精度よく判定することができる。
次に、上述した実施形態に対応する具体的な実施例について、図2乃至図9を用いて説明する。なお以下に説明する各実施例は、車両に搭載されたLiDARシステムを用いて当該車両の周囲に存在する物体を検出する場合に実施形態を適用した実施例である。
また、図2は第1実施例に係る地図データシステムの概要構成を示すブロック図であり、図3は当該識別器データのそれぞれを例示する図であり、図4は当該地図データシステムに係る識別器データベースの構成を例示する図である。更に、図5及び図6は第1実施例に係る地図データの構造を示す図であり、図7は第1実施例に係る地図データ記録処理等を示すフローチャートであり、図8は第1実施例に係る識別器データを説明する図であり、図9は第2実施例に係る地図データシステムの概要構成を示すブロック図である。このとき図2では、図1に示した実施形態に係る判定装置Sにおける各構成部材に対応する第1実施例の構成部材それぞれについて、当該判定装置Sにおける各構成部材と同一の部材番号を用いている。
(I)第1実施例
初めに、実施形態に係る第1実施例について、図2乃至図8を用いて説明する。
初めに、実施形態に係る第1実施例について、図2乃至図8を用いて説明する。
図2に示すように、第1実施例に係る地図データシステムSSは、インターネット等のネットワークNWを介してデータの授受が可能な地図サーバ装置SVと、車両に搭載されている物体種類識別装置Cと、により構成されている。なお図2においては、以下に説明する「データベース」を「DB」と示している。
また地図サーバ装置SVには、地図管理用の車両に搭載されるか又は固定設置された一又は複数のLiDARセンサ10からのデータが入力されている。そして地図サーバ装置SVは、処理エリア決定部11と、地図データベース12と、識別器データ決定部13と、識別器データベース14と、識別器データ挿入部15と、により構成されており、識別器データ挿入部15は地図データベース16に接続されている。この地図データベース16は地図サーバ装置SVとは別個に設けられてもよいし、地図サーバ装置SV内に設けられていてもよい。なお、上記処理エリア決定部11、地図データベース12、識別器データ決定部13及び識別器データ挿入部15は、地図サーバ装置SVに備えられた図示しないCPU等を含むハードウェアロジック回路により実現されてもよいし、後述する第1実施例に係る地図データ記録処理に相当するプログラムを上記CPU等が読み出して実行することにより、ソフトウェア的に実現されるものであってもよい。
一方物体種類識別装置Cは、LiDARセンサ20に接続された処理エリア決定部21と、地図データベース23と、ネットワークNWに接続された物体識別部24と、位置検出部25と、により構成されている。このとき、処理エリア決定部21及び物体識別部24は、物体種類識別装置Cに備えられた図示しないCPU等を含むハードウェアロジック回路により実現されてもよいし、後述する第1実施例に係る物体種類識別処理に相当するプログラムを上記CPU等が読み出して実行することにより、ソフトウェア的に実現されるものであってもよい。
なお上記の構成において、処理エリア決定部21が、実施形態に係る第1取得手段21の一例に相当し、物体識別部24が実施形態に係る第2取得手段24の一例及び種類判定手段30の一例にそれぞれ相当する。また図2に破線で示すように、処理エリア決定部21及び物体識別部24により、実施形態に係る判定装置Sの一例が構成される。
以上の構成において地図サーバ装置SVの地図データベース12は、LiDARセンサ10からのデータとのマッチング用の地図データを記録している。そして地図サーバ装置SVの処理エリア決定部11は、当該マッチング用の地図データを地図データベース12から読み出しつつ、第1実施例に係る識別器データの決定及び地図データへの挿入の対象となる地図上のエリアを、予め設定された方法により決定する。このエリアの決定は手動で行われてもよい。
一方識別器データベース14には、上記背景技術において説明した識別器データと同様の識別器データが記録されている。そして識別器データ決定部13は、処理エリア決定部11において決定された地図上のエリアについてのLiDARセンサ10からのデータと、識別器データベース14に記録されている識別器データと、に基づき、当該決定された地図上のエリアに適用される識別器データを、識別器データベース14に記録されている識別器データとは別個に、改めて決定する。その後識別器データ挿入部15は、識別器データ決定部13により決定された識別器データを、それに対応して処理エリア決定部11により決定されている地図上のエリアに相当する地図データに関連付けて、当該地図データを記録する地図データベース16に記録する。なお、第1実施例に係る識別器データについては、後ほど詳述する。
一方物体種類識別装置Cの位置検出部25は、例えばGPS(Global Positioning System)又は自立的な位置検出システムを用いて、物体種類識別装置Cが搭載されている車両の現在位置を検出し、当該現在位置を示す現在位置データを生成して物体識別部24に出力する。一方地図データベース23は、LiDARセンサ20からのデータとのマッチング用の地図データを記録している。そして処理エリア決定部21は、当該マッチング用の地図データを地図データベース23から読み出しつつ、第1実施例に係る物体種類識別処理の対象となる地図上のエリアを、予め設定された方法により決定する。そして物体識別部24は、地図サーバ装置SVの地図データベース16に記録されている上記識別器データを、必要に応じてネットワークNWを介して取得し、当該識別器データと、LiDARセンサ20からのデータと、を、位置検出部25からの上記現在位置データに基づいて比較し、処理対象のエリアに存在する物体の種類を識別する。
次に、第1実施例に係る識別器データベース14の内容及び識別器データについて、図3及び図4を用いて説明する。
先ず第1実施例に係る識別器データについて、その概要を説明する。なお上述したように、第1実施例に係る識別器データベース14に記録されている識別器データ自体は、上記背景技術において説明した識別器データと同様のものである。即ち第1実施例に係る識別器データベース14に記録されている識別器データは、上記光ビームの物体からの反射光の受光結果に対応する点群の三次元形状を示す特徴量等を用いた学習処理により、生成される。この特徴量等を示す情報が、実施形態に係る特徴情報の一例に相当する。なお、実施形態の特徴情報には、上記反射光としての反射率を示す情報も含まれる。また、この場合の特徴量等としては、例えば、論文「”Using spin images for efficient object recognition in cluttered 3D scenes”, IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). ISSN 0162-8828., E. Johnson, Andrew; Hebert, Martial (1999).」に記載されているようなSpin Imageや、論文「”Fast Point Feature Histograms (FPFH) for 3D registration”, Robotics and Automation, 2009. ICRA '09. IEEE International Conference onRadu Bogdan Rusu; Nico Blodow; Michael BeetzIntelligent Autonomous Systems, Technische Universitat Munchen」に記載されているような3次元特徴量が挙げられる。
このとき各特徴量の算出に当たっては、先ず、上記点群のデータ(以下、当該点群のデータを単に「点群データ」と称する)が、それが対応する反射光を反射した物体の種類ごとに分類され、当該分類された点群データの当該種類ごとの特徴量が算出される。
そして、当該算出された特徴量を上記物体の種類ごとに区分し、更に各特徴量に対して上記学習処理を施すと、図3にそれぞれ示すような第1識別器データID1乃至第3識別器データID3等が生成される。このとき各特徴量に対して施される学習処理に用いられる機械学習法としては、例えばSVM(Support Vector Machine)やDeep Learningといった機械学習法が用いられる。
また図3においては、n種類の特徴量に対して上記学習処理を施した結果を順に、「特徴量P1」乃至「特徴量Pn」と示している。ここで図3(a)において、物体の種類としての「人」に対応する各特徴量P1乃至特徴量Pnを集めた場合に、図3(a)に破線で示す波形が得られたとすると、当該波形に対応する第1識別器データID1は、上記種類としての人を識別するための識別器データとなる。また図3(b)において、物体の種類としての「木」に対応する各特徴量P1乃至特徴量Pnを集めた場合に、図3(b)に破線で示す波形が得られたとすると、当該波形に対応する第2識別器データID2は、上記種類としての木を識別するための識別器データとなる。最後に図3(c)において、物体の種類としての「車」に対応する各特徴量P1乃至特徴量Pnを集めた場合に、図3(c)に破線で示す波形が得られたとすると、当該波形に対応する第3識別器データID3は、上記種類としての車を識別するための識別器データとなる。そして上記識別器データベース14には、図4に例示するように、一種類の物体を識別するための識別器データが、当該一種類に関連付けられた第1識別器データID1乃至第m識別器データIDm(m:種類数)として予め記録されている。
なお図3に示した例では、第1識別器データID1乃至第m識別器データIDmのいずれかが物体の一種類に対して関連付けられている場合について説明したが、これ以外に、物体の複数種類について一の多種類識別器データを関連付けて記録しておくこともできる。この場合、例えば図4に例示する第1多種類識別器データMID1は、ある複数種類の物体について関連付けられる多種類識別器データである。また第2多種類識別器データMID2は、第1多種類識別器データMID1が関連付けられている複数種類とは異なる複数種類の物体に関連付けられている。そして、このような第1多種類識別器データMID1乃至第k多種類識別器データMIDk(kは自然数)は、それぞれを参照データとして用いることで、当該第1多種類識別器データMID1等が関連付けられている複数種類の物体を識別できることになる。なお以下の説明において、上記第1識別器データID1乃至第m識別器データIDm及び上記第1多種類識別器データMID1乃至第k多種類識別器データMIDkに共通の事項を説明する場合、単に「識別器データID」と示す。
そして第1実施例に係る識別器データとしては、識別器データベース14に記録されている識別器データIDが、当該識別器データIDに対応して後述するように決定された地図上のエリアに相当する地図データに関連付けられて、識別器データ挿入部15により地図データベース16に記録される。なお以下の説明では、第1実施形態に係る識別器データとして上記エリアに相当する地図データに関連付けられて記録された識別器データIDを含めて、「識別器データID」と称する。
次に、第1実施例に係る地図データベース16に記録されている、第1実施例に係る地図データのデータ構造について、図5及び図6を用いて説明する。
図5及び図6に示すように、第1実施例に係る地図データベース16では、地図としてのエリアごとに識別器データIDが記録されている。即ち、例えば図5(a)に示すように、車両CCが進行する道路をその進行方向に等分したエリアA1乃至エリアA3ごとに、当該エリアA1乃至エリアA3それぞれに関連付けて上記識別器データIDが記録されている。このとき、例えば図5(b)に示すように進行方向の長さが異なるエリアB1乃至エリアB4ごとに、当該エリアB1乃至エリアB4それぞれに関連付けられて上記識別器データIDが記録されていてもよいし、図5(c)に示すようにカーブに沿って分けられたエリアC1乃至エリアC3ごとに、当該エリアC1乃至エリアC3それぞれに関連付けられて上記識別器データIDが記録されていてもよいし、図5(d)に破線で示す交差点CRに対応して分けられたエリアD1乃至エリアD4ごとに、当該エリアD1乃至エリアD4それぞれに関連付けられて上記識別器データIDが記録されていてもよい。更には、例えば図6(a)に示すように、車両CCが進行する道路R以外の道路脇の領域をその進行方向に等分したエリアE1乃至エリアE6ごとに、当該エリアE1乃至エリアE6それぞれに関連付けて上記識別器データIDが記録されていてもよいし、例えば図6(b)に示すように当該道路脇の進行方向の長さが異なるエリアF1乃至エリアF8ごとに、当該エリアF1乃至エリアF8それぞれに関連付けられて上記識別器データIDが記録されていてもよいし、図6(c)に示すように当該道路脇がカーブに沿って分けられたエリアG1乃至エリアG6ごとに、当該エリアG1乃至エリアG6それぞれに関連付けられて上記識別器データIDが記録されていてもよいし、図6(d)に破線で示す交差点CRに対応して分けられた道路脇のエリアH1乃至エリアH4ごとに、当該エリアH1乃至エリアH4それぞれに関連付けられて上記識別器データIDが記録されていてもよい。
更に図6(e)に例示するように、一部に重なりを有するように当該道路脇の領域を分けたエリアJ1乃至エリアJ7ごとに、当該エリアJ1乃至エリアJ7それぞれに関連付けて上記識別器データIDが記録されていてもよい。この図6(e)に例示する場合、道路Rの進行方向左脇の領域においては、結果的に、エリアJ1及びエリアJ2にそれぞれ関連付けられた識別器データIDと共に、当該エリアJ1及びエリアJ2を含むエリアJ3に関連付けられた識別器データIDが記録されている。よってエリアJ1については、当該エリアJ1に関連付けられた識別器データIDに加えて、エリアJ3に関連付けられた識別器データIDも適用される。また同様にエリアJ2についても、当該エリアJ2に関連付けられた識別器データIDに加えて、エリアJ3に関連付けられた識別器データIDが適用される。このようにエリアJ3がエリアJ1及びエリアJ2を含んでいることは即ち、エリアJ3が関連付けられた識別器データIDを参照して識別される物体が、エリアJ1及びエリアJ2を含むエリアにも分布していることを意味する。一方図6(e)に示す例では、道路Rの進行方向右脇の領域においては、結果的に、エリアJ4乃至エリアJ6にそれぞれ関連付けられた識別器データIDと共に、当該エリアJ4乃至エリアJ6を含むエリアJ7に関連付けられた識別器データIDが記録されている。よってエリアJ4については、当該エリアJ4に関連付けられた識別器データIDに加えて、エリアJ7に関連付けられた識別器データIDも適用される。また同様にエリアJ5及びエリアJ6についても、当該エリアJ5及びエリアJ6にそれぞれ関連付けられた識別器データIDに加えて、エリアJ7に関連付けられた識別器データIDが適用される。このようにエリアJ7がエリアJ4乃至エリアJ6を含んでいることは即ち、エリアJ7が関連付けられた識別器データIDを参照して識別される物体が、エリアJ4乃至エリアJ6を含むエリアに分布していることを意味する。
次に第1実施例に係る識別器データIDは、図5及び図6を用いて説明したエリアごとの区分に加えて、以下のi)乃至v)に示すように区分されて地図データベース16に記録される。なお以下の説明において、「国等」とは、国や地域又は道路をいうものとする。
i)地図データベース16に記録される地図データが適用される国等によって、そこに設けられている人工構造物の形状が異なる場合は、当該異なる人工構造物の形状ごと且つ当該国等ごとに当該人工構造物についての識別器データIDが作成され、その人工構造物が存在する国等に関連付けて地図データベース16に記録される。この場合の「国等によって形状が異なる人工構造物」とは、例えば、日本国内の信号機であって、雪国では縦に長い形状を有し、雪が少ない地域では横に長い形状を有する場合をいう。
ii)上記国等によって、その国等に特有の動物が存在する場合は、その動物ごと且つ当該国等ごとに当該動物についての識別器データIDが作成され、その動物が存在する国等に関連付けて地図データベース16に記録される。この場合の「国等に特有の動物」とは、例えば、地方では道路に飛び出してくる可能性があるが都市部ではその可能性がない動物(狸や鹿等)をいう。なお、特定の動物がその国等に存在しない物である場合に、その動物の識別器データIDに関連付けて「その動物がその国等では存在しない」旨を地図データベース16に記録するように構成してもよい。
iii)上記国等において、季節や時間の変化に応じて例えば道路脇の植生の形状が変化する場合は、その国等且つ当該季節又は時間ごとに、その植生についての識別器データIDが作成され、その植生が存在する国等に関連付けて地図データベース16に記録される。この場合の「季節や時間の変化に応じて形状が変化する植生」とは、例えば、夏は大きな葉を付けるが冬は落葉する広葉樹の街路樹をいう。
iv)上記国等において、天候の変化に応じて人や植生の形状が変化する場合は、その国等且つ当該天候ごとに、その人や植生についての識別器データIDが作成され、その人や植生が存在する国等に関連付けて地図データベース16に記録される。この場合の天候の変化に応じて形状が変化する人又は植生とは、例えば、雨の時は傘をさすが晴れていれば傘をささない人(多少の雨では傘を差す週間がない国等を除く)や、強風等により大幅に形状が変化する植生(この場合は、その形状を学習データとして識別器データIDが作成される)が挙げられる。
v)上記国等において、道路脇の人工構造物と道路との間に存在する植生により当該人工構造物が道路から見て遮蔽される場合であって、季節や時間の変化に応じてその植生の形状が変化するときには、その国等且つ当該季節又は時間ごとに、形状が変化する当該植生による遮蔽を考慮して、当該人工構造物についての識別器データIDが作成され、その人工構造物及び植生が存在する国等に関連付けて地図データベース16に記録される。
i)地図データベース16に記録される地図データが適用される国等によって、そこに設けられている人工構造物の形状が異なる場合は、当該異なる人工構造物の形状ごと且つ当該国等ごとに当該人工構造物についての識別器データIDが作成され、その人工構造物が存在する国等に関連付けて地図データベース16に記録される。この場合の「国等によって形状が異なる人工構造物」とは、例えば、日本国内の信号機であって、雪国では縦に長い形状を有し、雪が少ない地域では横に長い形状を有する場合をいう。
ii)上記国等によって、その国等に特有の動物が存在する場合は、その動物ごと且つ当該国等ごとに当該動物についての識別器データIDが作成され、その動物が存在する国等に関連付けて地図データベース16に記録される。この場合の「国等に特有の動物」とは、例えば、地方では道路に飛び出してくる可能性があるが都市部ではその可能性がない動物(狸や鹿等)をいう。なお、特定の動物がその国等に存在しない物である場合に、その動物の識別器データIDに関連付けて「その動物がその国等では存在しない」旨を地図データベース16に記録するように構成してもよい。
iii)上記国等において、季節や時間の変化に応じて例えば道路脇の植生の形状が変化する場合は、その国等且つ当該季節又は時間ごとに、その植生についての識別器データIDが作成され、その植生が存在する国等に関連付けて地図データベース16に記録される。この場合の「季節や時間の変化に応じて形状が変化する植生」とは、例えば、夏は大きな葉を付けるが冬は落葉する広葉樹の街路樹をいう。
iv)上記国等において、天候の変化に応じて人や植生の形状が変化する場合は、その国等且つ当該天候ごとに、その人や植生についての識別器データIDが作成され、その人や植生が存在する国等に関連付けて地図データベース16に記録される。この場合の天候の変化に応じて形状が変化する人又は植生とは、例えば、雨の時は傘をさすが晴れていれば傘をささない人(多少の雨では傘を差す週間がない国等を除く)や、強風等により大幅に形状が変化する植生(この場合は、その形状を学習データとして識別器データIDが作成される)が挙げられる。
v)上記国等において、道路脇の人工構造物と道路との間に存在する植生により当該人工構造物が道路から見て遮蔽される場合であって、季節や時間の変化に応じてその植生の形状が変化するときには、その国等且つ当該季節又は時間ごとに、形状が変化する当該植生による遮蔽を考慮して、当該人工構造物についての識別器データIDが作成され、その人工構造物及び植生が存在する国等に関連付けて地図データベース16に記録される。
次に、地図サーバ装置SVにおいて実行される第1実施例に係る地図データ記録処理について、図7(a)を用いて説明する。図7(a)に示すように、第1実施例に係る地図データ記録処理は、例えば地図サーバ装置SVの電源スイッチがオンとされたタイミングで開始される。そして第1実施例に係る地図データ記録処理では、先ず処理エリア決定部11により処理対象となるエリアが決定されたか否かが確認される(ステップS1)。ステップS1の確認において当該エリアが決定されていない場合(ステップS1:NO)、処理エリア決定部11により、例えば図5及び図6にそれぞれ例示するエリアA1等のいずれかが選択/決定される(ステップS2)。次に、処理対象のエリアが決定されたら(ステップS1:YES又はステップS2)、識別器データ決定部13は、LiDARセンサ10から得られた点群データに基づき、識別器データIDを決定する対象となる物体と、その物体からの上記受光結果としての点群データと、を決定する(ステップS3)。このステップS3として具体的に識別器データ決定部13は、例えば上記物体としての木からの受光結果であることが判っている点群データが得られた場合、その点群データを、「木」についての点群データ(いわゆる正解データ)として決定する。また、例えば上記物体としての信号機からの受光結果であることが判っている点群データが得られた場合、その点群データを、「信号機」についての点群データ(いわゆる正解データ)として決定する。また、例えば上記物体としての標識からの受光結果であることが判っている点群データが得られた場合、その点群データを、「標識」についての点群データ(いわゆる正解データ)として決定する。
上記正解データが決定されたら、図7(a)に戻って次に識別器データ決定部13は、ステップS3で決定された正解データたる点群データに対して、識別器データベース14に予め記録されている(学習処理済みの)複数の識別器データIDを適用し、正解データとしての物体の認識率が最も高い当該識別器データIDを、ステップS2で決定されたエリアに関連付けるべき(第1実施例に係る)識別器データIDとして改めて決定する(ステップS4)。このステップS4における認識率の評価として識別器データ決定部13は、例えば図8左に示すパラメータTP、パラメータFP、パラメータFN及びパラメータTNを用いて表される正解率、適合率、再現率及びF値(図8右参照)の観点を評価指標として評価を行う。なお図8右のF値の式において、「P」は図8における適合率を示し、「R」は図8における再現率を示す。そして識別器データ決定部13は、ステップS4で決定された識別器データIDを識別器データ挿入部15に出力する。
これにより識別器データ挿入部15は、ステップS4で決定された第1実施例に係る識別器データIDを、それが関連付けられているエリアに相当する地図データの一部として地図データベース16に記録する(ステップS5)。
次に、他のエリアについての識別器データIDの決定及び地図データベース16への記録を行うか否かが、例えば処理エリア決定部13により判定される(ステップS6)。なお図7(a)においては、上記他のエリアについての識別器データIDの決定及び地図データベース16への記録を、単に「他のエリア識別器データ決定」と示している。そして、当該識別器データIDの決定及び地図データベース16への記録を引き続き行う場合(ステップS6:YES)、処理エリア決定部13は上記ステップS1に戻ってそれ以降の処理を繰り返す。一方ステップS6の判定において、識別器データIDの決定及び地図データベース16への記録を終了する場合は(ステップS6:NO)、そのまま当該処理を終了する。
次に、物体種類識別装置Cにおいて実行される第1実施例に係る物体種類識別処理について、図7(b)を用いて説明する。
図7(b)に示すように、第1実施例に係る物体種類識別処理は、例えば物体種類識別装置Cの電源スイッチがオンとされたタイミングで開始される。そして第1実施例に係る物体種類識別処理では、先ず物体種類識別装置Cの物体識別部24は、位置検出部25から出力された現在位置データに基づき、第1実施例に係る物体種類識別処理の対象となる地図上のエリア(図5及び図6参照)を決定する(ステップS10)。なおこのステップS10において物体識別部24は、上記現在位置データにより示されている現在位置を含むエリアを決定してもよいし、又は、当該現在位置から物体種類識別装置Cを搭載した車両が移動する予定のエリアを決定してもよい。
次に物体識別部24は、ステップS10で決定されたエリアについて第1実施例に係る物体種類識別処理を実行するために必要な上記第1実施例に係る識別器データID(即ち、当該エリアに関連付けられている識別器データID)を取得済みであるか否かを判定する(ステップS11)。ステップS11の判定において当該識別器データIDが取得されていない場合(ステップS11:NO)、地図サーバ装置SVの地図データベース16にアクセスして当該必要な識別器データIDのデータが取得される(ステップS12)。必要な識別器データIDが取得されたら(ステップS11:YES又はステップS12)、次に第1実施例に係る物体種類識別処理が実行される(ステップS13)。その後、第1実施例に係る物体種類識別処理を終了するか否かが、例えば物体種類識別装置Cが搭載されている車両が目的地に到達したか否かを判定すること等により、例えば処理エリア決定部21により判定される(ステップS14)。ステップS14の判定において当該物体種類識別処理を終了する場合(ステップS14:YES)、処理エリア決定部21は、そのまま当該物体種類識別処理を終了し、一方引き続き実行する場合(ステップS14:NO)、処理エリア決定部21は上記ステップS10以降の処理を繰り返す。
次に、上記ステップS13の物体種類識別処理について、図7(c)を用いて説明する。図7(c)に示すように、ステップS13の物体種類識別処理では、先ず物体識別部24はLiDAR20における受光結果に対応する一の点群データ(i)を取得する(ステップS130。iは自然数(以下、同様。))。次に物体識別部24は、ステップS130で取得した点群データ(i)と、ステップS11又はステップS12で取得されている識別器データIDと、を比較し、当該点群データ(i)が受光結果として取得された物体の種類を識別する(ステップS131)。なおステップS131においては、第1実施例に係る第1識別器データID1乃至第m識別器データIDmのいずれかを用いて一物体ずつその種類を識別してもよいし、第1多種類識別器データMID1乃至第k多種類識別器データMIDkのいずれかを用いて複数の物体の種類を纏めて識別してもよい。
上記受光結果として取得された物体の種類がステップS131において識別されたら、次に物体識別部24は、次の点群データ(i+1)について物体種類識別処理を行うか否かを判定する(ステップS132)。ステップS132の判定において次の点群データ(i+1)について物体種類識別処理を行う場合(ステップS132:YES)、物体識別部24は上記ステップS130に戻って当該次の点群データ(i+1)について物体種類識別処理を繰り返す。一方ステップS132の判定において、例えば次に物体種類識別処理を行うべき点群データがない場合(ステップS132:NO)、物体識別部24は上記ステップS14に戻る。
以上それぞれ説明したように、第1実施例に係る物体種類識別処理によれば、LiDARセンサ20から得られた点群データ及び物体種類識別装置Cが搭載された車両の現在位置データと、識別器データID及びそれが関連付けられているエリアを含む地図データと、に基づき、当該点群データに対応する物体の種類を識別(判定)する(図7(b)ステップS13参照)。よって、識別器データID及びそれが関連付けられているエリアを含む地図データを用いて物体の種類を識別することで、周辺に存在する物体自体及びその周辺の実際の状態に拘わらず、物体の種類を精度よく識別することができる。
また、識別器データベース14に記録されている識別器データIDと、当該識別器データIDにより識別された物体の種類と、に基づいて地図データベース16に記録される第1実施例に係る識別器データIDが既定されている(図7(a)ステップS4及びステップS5参照)ので、より正確に物体の種類を識別することができる。
更に、識別器データIDのうち第1多種類識別器データMID1乃至第k多種類識別器データMIDkのいずれかを用いる場合は、少ない識別器データIDで多くの物体の種類を識別することができる。
更にまた、国ごと、地域ごと又は道路ごとの識別器データIDを用いる場合(上記i)参照)は、物体自体及びその周辺の実際の状態に拘わらず、物体の種類を、国ごと、地域ごと又は道路ごとに精度よく識別することができる。
また、予め設定された動物についての識別器データIDを用いる場合(上記ii)参照)は、物体自体及びその周辺の実際の状態に拘わらず、物体の種類がその動物であるか否かを精度よく識別することができる。
更に、季節等の予め設定された時間区分ごとの識別器データIDを用いる場合(上記iii)参照)は、物体自体及びその周辺の実際の状態に拘わらず、物体の種類を当該時間区分ごとに精度よく識別することができる。
更にまた、天候の変化に応じた識別器データIDを用いる場合(上記iv)参照)は、物体自体及びその周辺の実際の状態に拘わらず、天候の変化に応じて物体の種類を精度よく識別することができる。
また、物体の遮蔽状態に応じた識別器データIDを用いる場合(上記v)参照)は、物体自体及びその周辺の実際の状態に拘わらず、物体の遮蔽状態の変化に応じて当該物体の種類を精度よく識別することができる。
更に、識別器データIDが車両CCの道路に対応して予め分割されたエリアA1等ごとに設定されているので(図5及び図6参照)、物体自体及びその周辺の実際の状態に拘わらず、道路に対応したエリアごとに物体の種類を精度よく認識することができる。
更にまた、識別器データIDが当該識別器データIDに対応して予め分割されたエリアJ1乃至エリアJ7ごとに設定されているので(図6(e)参照)、物体自体及びその周辺の実際の状態に拘わらず、識別器データIDに対応したエリアJ1乃至エリアJ7ごとに物体の種類を精度よく識別することができる。
また、識別器データIDが設定されているエリアA1等が、車両CCの進行方向に対応して分割されたエリアA1等であるので、物体自体及びその周辺の実際の状態に拘わらず、車両CCの移動に対応してその周辺に存在する物体の種類を精度よく識別することができる。
(II)第2実施例
次に、実施形態に係る他の実施例である第2実施例について、図9を用いて説明する。なお図9は、第2実施例に係る地図データシステムの概要構成を示すブロック図である。また、図9に示す第2実施例に係る地図データシステムのうち、第1実施例に係る地図データシステムSSと同様の構成部材については、同様の部材番号を付して細部の説明は省略する。
次に、実施形態に係る他の実施例である第2実施例について、図9を用いて説明する。なお図9は、第2実施例に係る地図データシステムの概要構成を示すブロック図である。また、図9に示す第2実施例に係る地図データシステムのうち、第1実施例に係る地図データシステムSSと同様の構成部材については、同様の部材番号を付して細部の説明は省略する。
上述した第1実施例に係る物体種類識別処理では、物体種類識別装置Cが搭載されている車両の現在位置等に基づいて決定されたエリアに関連付けられている識別器データIDを、当該物体種類識別処理ごとに取得する構成とされていた(図7(b)ステップS11及びステップS12参照)。これに対して以下に説明する第2実施例では、例えばエリアに対する依存性が低い識別器データID(例えば、天候の変化に応じた識別器データID(上記iv)参照))については、地図サーバ装置からのいわゆるプッシュ送信方式により、物体種類識別装置Cが搭載されている車両に当該識別器データIDを送信する。
即ち、第2実施例に係る地図データシステムSS1の地図サーバ装置は、第1実施例に係る地図データベース16に代えて、図9に例示するように、物体の一種類に対して一対一に関連付けられており且つ天候別の識別器データである第1天候別識別器データWID1乃至第m天候別識別器データWIDmと、物体の複数の種類に対して一つが関連付けられており且つ天候別の識別器データである第1天候別多種類識別器データWMID1乃至第k天候別多種類識別器データWMIDkと、が、地図上のエリアごと又は当該エリア内の地点ごとに関連付けられて記録された識別器データベース40を備えている。この識別器データベース40では、上記第1天候別識別器データWID1乃至第m天候別識別器データWIDmと、上記第1天候別多種類識別器データWMID1乃至第k天候別多種類識別器データWMIDkと、が、上記エリアごと又は上記地点ごとに関連付けられていればよく、識別器データベース40自体が地図データベースである必要はない。
そして第2実施例に係る地図サーバ装置は、ネットワークNWを介して接続されている物体種類識別装置Cから現在位置データを取得すると共に、当該現在位置データにより示される現在位置の天候を示す天候情報を、例えば外部の図示しない天候サーバ装置から取得する。その後地図サーバ装置は、当該現在位置の天候に対応した第1天候別識別器データWID1乃至第m天候別識別器データWIDmのいずれか、又は第1天候別多種類識別器データWMID1乃至第k天候別多種類識別器データWMIDkのいずれかを、識別器データベース40から読み出し、それを上記プッシュ方式により(即ち強制的に)上記物体種類識別装置Cに送信する。
これにより物体種類識別装置Cは、送信されてきた天候別の識別器データを用いて、当該物体種類識別装置Cが搭載されている車両の現在位置の天候に応じて、その周辺に存在する物体の種類を識別する(図7(b)及び図7(c)参照)。
以上説明したように、第2実施例に係る物体種類識別処理によっても、第1実施例に係る物体種類識別処理と同様に、周辺に存在する物体自体及びその周辺の実際の状態に拘わらず、物体の種類を天候に応じて精度よく識別することができる。
なお、上述した各実施例では、LiDARセンサ10又はLiDARセンサ20から得られた点群データを用いて物体の種類を識別する場合について説明したが、これ以外に、例えば車載カメラから得られた画像データ又は車載の超音波センサから得られた超音波データを用いて物体の種類を識別する場合に、本願を適用することも可能である。これらの場合は、画像データ又は超音波データごとに識別器データを生成して地図データベース16に記録し、更に当該識別器データを読み出して物体種類識別装置Cにおいて活用すればよい。
また上述した各実施例では、車両に搭載されたLiDARセンサ10又はLiDARセンサ20から得られた点群データ等に基づき、当該点群データに対応する物体の種類を識別(判定)する際に本願を適用する場合について説明した。これに対し、例えば、交差点を通行する人が降雨時に傘をさす場合等について、その交差点等において定点計測等を行う際に、LiDARセンサを車両ではなく固定設置し、天候又は時間或いは季節等に応じて異なる識別器データを用いる場合に、本願を適用することも可能である。
更に、図7にそれぞれ示したフローチャートに相当するプログラムを、光ディスク又はハードディスク等の記録媒体に記録しておき、或いはインターネット等のネットワークを介して取得しておき、これらを汎用のマイクロコンピュータ等に読み出して実行することにより、当該マイクロコンピュータ等を各実施例に係る処理エリア決定部21及び物体識別部24として機能させることも可能である。
10、20 LiDARセンサ
16 地図データベース
21 第1取得手段(処理エリア決定部)
24 第2取得手段(物体識別部)
30 種類判定手段
C 物体種類識別装置
S 判定装置
SV 地図サーバ装置
SS、SS1 地図データシステム
ID1 第1識別器データ
ID2 第2識別器データ
IDm 第m識別器データ
MID1 第1多種類識別器データ
MID2 第2多種類識別器データ
MIDk 第k多種類識別器データ
WID1 第1天候別識別器データ
WID2 第2天候別識別器データ
WIDm 第m天候別識別器データ
WMID1 第1天候別多種類識別器データ
WMID2 第2天候別多種類識別器データ
WMIDk 第k天候別多種類識別器データ
16 地図データベース
21 第1取得手段(処理エリア決定部)
24 第2取得手段(物体識別部)
30 種類判定手段
C 物体種類識別装置
S 判定装置
SV 地図サーバ装置
SS、SS1 地図データシステム
ID1 第1識別器データ
ID2 第2識別器データ
IDm 第m識別器データ
MID1 第1多種類識別器データ
MID2 第2多種類識別器データ
MIDk 第k多種類識別器データ
WID1 第1天候別識別器データ
WID2 第2天候別識別器データ
WIDm 第m天候別識別器データ
WMID1 第1天候別多種類識別器データ
WMID2 第2天候別多種類識別器データ
WMIDk 第k天候別多種類識別器データ
Claims (15)
- 周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を取得する第1取得手段と、
物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物***置情報と、を取得する第2取得手段と、
各前記取得された物体検出情報及び検出位置情報と、各前記取得された特徴情報及び物***置情報と、に基づき、前記物体検出情報における前記周辺物体の種類を判定する種類判定手段と、
を備えることを特徴とする判定装置。 - 請求項1に記載の判定装置において、
前記特徴情報は、過去の前記物体検出情報と、当該過去の前記物体検出情報に対応した前記種類の判定結果と、に基づいて予め設定されていることを特徴とする判定装置。 - 請求項1又は請求項2に記載の判定装置において、
一の前記特徴情報が、複数の前記種類に対応していることを特徴とする判定装置。 - 請求項1から請求項3のいずれか一項に記載の判定装置において、
前記第2取得手段は、国ごとに予め設定された前記特徴情報を取得し、
前記種類判定手段は、各前記取得された物体検出情報及び移動***置情報と、各前記取得された物***置情報及び国ごとの特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記国ごとに判定することを特徴とする判定装置。 - 請求項1から請求項4のいずれか一項に記載の判定装置において、
前記第2取得手段は、地域ごとに予め設定された前記特徴情報を取得し、
前記種類判定手段は、各前記取得された物体検出情報及び移動***置情報と、各前記取得された物***置情報及び地域ごとの特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記地域ごとに判定することを特徴とする判定装置。 - 請求項1から請求項5のいずれか一項に記載の判定装置において、
前記第2取得手段は、前記移動体の移動路ごとに予め設定された前記特徴情報を取得し、
前記種類判定手段は、各前記取得された物体検出情報及び移動***置情報と、各前記取得された物***置情報及び移動路ごとの特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記移動路ごとに判定することを特徴とする判定装置。 - 請求項1から請求項6のいずれか一項に記載の判定装置において、
前記第2取得手段は、予め設定された動物について予め設定された前記特徴情報を取得し、
前記種類判定手段は、各前記取得された物体検出情報及び移動***置情報と、各前記取得された物***置情報及び動物についての特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類が前記動物であるか否かを判定することを特徴とする判定装置。 - 請求項1から請求項7のいずれか一項に記載の判定装置において、
前記第2取得手段は、予め設定された時間区分ごとに予め設定された前記特徴情報を取得し、
前記種類判定手段は、各前記取得された物体検出情報及び移動***置情報と、各前記取得された物***置情報及び時間区分ごとの特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記時間区分ごとに判定することを特徴とする判定装置。 - 請求項1から請求項8のいずれか一項に記載の判定装置において、
前記第2取得手段は、天候の変化に応じて予め設定された前記特徴情報を取得し、
前記種類判定手段は、各前記取得された物体検出情報及び移動***置情報と、各前記取得された物***置情報及び天候の変化に応じた特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記変化に応じて判定することを特徴とする判定装置。 - 請求項1から請求項9のいずれか一項に記載の判定装置において、
前記第2取得手段は、前記周辺物体の遮蔽状態の変化に応じて予め設定された前記特徴情報を取得し、
前記種類判定手段は、各前記取得された物体検出情報及び移動***置情報と、各前記取得された物***置情報及び前記遮蔽状態の変化に応じた特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記遮蔽状態の変化に応じて判定することを特徴とする判定装置。 - 請求項1から請求項10のいずれか一項に記載の判定装置において、
前記特徴情報が、前記移動体の移動路に対応して予め分割された領域ごとに設定されていることを特徴とする判定装置。 - 請求項1から請求項11のいずれか一項に記載の判定装置において、
前記特徴情報が、当該特徴情報に対応して予め分割された領域ごとに設定されていることを特徴とする判定装置。 - 請求項11又は請求項12に記載の判定装置において、
前記領域は、前記移動体の移動方向に対応して分割された領域であることを特徴とする判定装置。 - 第1取得手段と、第2取得手段と、種類判定手段と、を備える判定装置において実行される判定方法であって、
周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を前記第1取得手段により取得する第1取得工程と、
物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物***置情報と、を前記第2取得手段により取得する第2取得工程と、
各前記取得された物体検出情報及び検出位置情報と、各前記取得された特徴情報及び物***置情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記種類判定手段により判定する種類判定工程と、
を含むことを特徴とする判定方法。 - コンピュータを、請求項1から請求項13のいずれか一項に記載の判定装置として機能させることを特徴とする判定用プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017250889A JP2019117501A (ja) | 2017-12-27 | 2017-12-27 | 判定装置、判定方法及び判定用プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2017250889A JP2019117501A (ja) | 2017-12-27 | 2017-12-27 | 判定装置、判定方法及び判定用プログラム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2019117501A true JP2019117501A (ja) | 2019-07-18 |
Family
ID=67304455
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2017250889A Pending JP2019117501A (ja) | 2017-12-27 | 2017-12-27 | 判定装置、判定方法及び判定用プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2019117501A (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023146505A (ja) * | 2022-03-29 | 2023-10-12 | 防衛装備庁長官 | 物体認識システム |
-
2017
- 2017-12-27 JP JP2017250889A patent/JP2019117501A/ja active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023146505A (ja) * | 2022-03-29 | 2023-10-12 | 防衛装備庁長官 | 物体認識システム |
JP7392221B2 (ja) | 2022-03-29 | 2023-12-06 | 防衛装備庁長官 | 物体認識システム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110843794B (zh) | 驾驶场景理解方法、装置和轨迹规划方法、装置 | |
CN108345822B (zh) | 一种点云数据处理方法及装置 | |
JP5468108B2 (ja) | ドライバ支援システムのための、道路地形を検出する方法及びシステム | |
CN109583415B (zh) | 一种基于激光雷达与摄像机融合的交通灯检测与识别方法 | |
CN112069643B (zh) | 一种自动驾驶仿真场景生成方法及装置 | |
KR102613839B1 (ko) | 긴급 차량들의 검출 | |
CN110796007B (zh) | 场景识别的方法与计算设备 | |
CN109949594A (zh) | 实时的交通灯识别方法 | |
Zyner et al. | ACFR five roundabouts dataset: Naturalistic driving at unsignalized intersections | |
Zakaria et al. | Lane detection in autonomous vehicles: A systematic review | |
CN101900566A (zh) | 基于像素的纹理丰富畅通路径检测 | |
CN111179300A (zh) | 障碍物检测的方法、装置、***、设备以及存储介质 | |
CN101900567A (zh) | 基于像素的无纹理畅通路径检测 | |
WO2020007589A1 (en) | Training a deep convolutional neural network for individual routes | |
CN110688943A (zh) | 一种基于实际驾驶数据自动获取图像样本的方法和装置 | |
CN110765224A (zh) | 电子地图的处理方法、车辆视觉重定位的方法和车载设备 | |
CN115294544A (zh) | 驾驶场景分类方法、装置、设备及存储介质 | |
CN117056153A (zh) | 校准和验证驾驶员辅助***和/或自动驾驶***的方法、***和计算机程序产品 | |
CN114694115A (zh) | 一种道路障碍物检测方法、装置、设备及存储介质 | |
CN114675295A (zh) | 一种障碍物判定的方法、装置、设备及存储介质 | |
JP2019117501A (ja) | 判定装置、判定方法及び判定用プログラム | |
Bayerl et al. | Following Dirt Roads at Night Time: Sensors and Features for Lane Recognition and Tracking | |
WO2019131062A1 (ja) | 判定装置及び情報記録装置、判定方法並びに判定用プログラム | |
Tahir et al. | Object detection in autonomous vehicles under adverse weather: a review of traditional and deep learning approaches | |
Singh et al. | A Review: Techniques of vehicle detection in Fog |