JP2023146505A - object recognition system - Google Patents
object recognition system Download PDFInfo
- Publication number
- JP2023146505A JP2023146505A JP2022053711A JP2022053711A JP2023146505A JP 2023146505 A JP2023146505 A JP 2023146505A JP 2022053711 A JP2022053711 A JP 2022053711A JP 2022053711 A JP2022053711 A JP 2022053711A JP 2023146505 A JP2023146505 A JP 2023146505A
- Authority
- JP
- Japan
- Prior art keywords
- object recognition
- bird
- dimensional point
- vehicle
- point group
- 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
- 238000012545 processing Methods 0.000 claims abstract description 129
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims abstract description 96
- 240000004050 Pentaglottis sempervirens Species 0.000 claims abstract description 88
- 238000005259 measurement Methods 0.000 claims abstract description 39
- 238000004891 communication Methods 0.000 claims abstract description 36
- 238000003384 imaging method Methods 0.000 claims abstract description 16
- 230000010354 integration Effects 0.000 claims abstract description 16
- 238000000034 method Methods 0.000 claims description 43
- 238000009825 accumulation Methods 0.000 claims description 12
- 238000010586 diagram Methods 0.000 description 9
- 241000905137 Veronica schmidtiana Species 0.000 description 7
- 230000011218 segmentation Effects 0.000 description 5
- 238000013527 convolutional neural network Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 239000003086 colorant Substances 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000001678 irradiating effect Effects 0.000 description 1
- 230000004807 localization Effects 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
Images
Landscapes
- Optical Radar Systems And Details Thereof (AREA)
- Navigation (AREA)
- Traffic Control Systems (AREA)
Abstract
Description
本発明は、車両等の移動手段を移動させつつ、登載した3次元計測手段によって周囲の3次元点群を取得し、これを用いて周囲にある物体の認識処理を行なう高精度の物体認識システムに係り、特に、自ら取得した3次元点群を画像処理して得た鳥瞰画像と、他の移動手段から通信により入手した鳥瞰画像とを統合して統合鳥瞰画像を生成し、これに物体認識処理を行なう第1の物体認識システムと、単独の移動手段において、自ら取得した3次元点群を蓄積してから画像化処理して鳥瞰画像を生成し、これに物体認識処理を行なう第2の物体統合システムに関するものである。 The present invention is a high-precision object recognition system that acquires a surrounding three-dimensional point group using a mounted three-dimensional measuring means while moving a vehicle or other means of transportation, and uses this to perform recognition processing of surrounding objects. In particular, the integrated bird's-eye image is generated by integrating the bird's-eye image obtained by image processing of the three-dimensional point cloud acquired by the user and the bird's-eye image obtained by communication from other means of transportation, and then object recognition is performed on this image. A first object recognition system that performs processing, and a second object recognition system that accumulates the three-dimensional point cloud acquired by itself in an independent moving means, performs imaging processing to generate a bird's-eye view image, and performs object recognition processing on this. It concerns object integration systems.
自動運転等で必要不可欠な、人・車両などの障害物の認識には、自車両に搭載したLiDAR(Light Detection and Ranging)等のような周囲の3次元形状を計測する3次元計測センサが用いられている。しかしながら、自車に搭載したセンサのみで3次元点群を取得しただけでは、センサの計測距離や範囲の制限により、自車近傍の狭い範囲でしか計測データを得ることができない。また、物体の一部の面しか計測できず、物体の全体形状を把握することができない。さらに、周辺環境によってはセンサの死角となる領域が生じてしまう。 Three-dimensional measurement sensors that measure the three-dimensional shape of the surroundings, such as LiDAR (Light Detection and Ranging) mounted on the own vehicle, are used to recognize obstacles such as people and vehicles, which is essential for autonomous driving. It is being However, if a three-dimensional point group is acquired only by a sensor mounted on the own vehicle, measurement data can only be obtained in a narrow range near the own vehicle due to limitations on the measurement distance and range of the sensor. Furthermore, only a part of the surface of the object can be measured, and the entire shape of the object cannot be grasped. Furthermore, depending on the surrounding environment, there may be areas that are blind spots for the sensor.
非特許文献1では、LiDAR により取得した3次元点群を複数台車両間で共有及び統合し、統合した3次元点群を使用することにより、周囲の車両等の物***置姿勢の推定を行う物体認識システムの発明が開示されている。
In
非特許文献2には、車両に搭載したLiDAR から得られた現時刻の計測データを用いて物体認識処理を行う発明が開示されている。 Non-Patent Document 2 discloses an invention in which object recognition processing is performed using measurement data at the current time obtained from LiDAR mounted on a vehicle.
複数車両がそれぞれ取得した3次元点群を統合するためには、各車両間の相対位置に関するデータが必要になる。非特許文献1に開示された発明では、複数の車両の相対位置に関して高精度のデータが与えられることを所与の条件としている。すなわち、この発明では、複数の車両の位置が予め定められており、各車両が移動しながらデータの送受信をリアルタイムで行う現実的な状況とはかけ離れた理想的な状況が前提となっている。従って、複数の車両が移動しながら、それぞれ取得した3次元点群を統合する場合、車両間の相対位置のデータに誤差が含まれていれば、物体認識精度が大きく低下することは避けられない。また、データ量が膨大である3次元点群を複数の車両の間で送受信して共有するには大容量の通信回線が必要であるとともに、通信状況が良好な場合にのみ可能であるという問題もあった。
In order to integrate three-dimensional point groups acquired by multiple vehicles, data regarding the relative positions of each vehicle is required. In the invention disclosed in
また、非特許文献2に開示された発明では、現時刻の3次元点群のみを用いており、搭載するセンサによっては疎な3次元点群しか得られず、物体の認識精度が不充分であるという問題があった。 In addition, the invention disclosed in Non-Patent Document 2 uses only the 3D point cloud at the current time, and depending on the installed sensor, only a sparse 3D point cloud can be obtained, resulting in insufficient object recognition accuracy. There was a problem.
本発明は、以上説明した従来の技術に鑑みてなされたものであり、車両に登載した3次元計測手段を用いて移動しながら周囲の3次元点群を取得し、3次元点群から生成した画像について物体認識処理を行なう物体認識システムにおいて、一の移動手段が生成した画像と、他の移動手段が生成した画像を統合して物体認識処理を行なう第1の場合においても、また、単独の移動手段において生成した画像について物体認識処理を行なう第2の場合においても、何れも高い物体認識精度を実現することを第1の目的としており、特に複数の移動手段を用いる第1の場合には、大容量の通信回線を用いなくても、移動手段と移動手段の通信を可能とすることを第2の目的としている。 The present invention has been made in view of the conventional technology described above, and uses a three-dimensional measurement means mounted on a vehicle to acquire a surrounding three-dimensional point group while moving, and generates a three-dimensional point group from the three-dimensional point group. In an object recognition system that performs object recognition processing on images, in the first case where the object recognition processing is performed by integrating an image generated by one means of transportation and an image generated by another means of transportation, also Even in the second case in which object recognition processing is performed on images generated by means of transportation, the primary objective is to achieve high object recognition accuracy, especially in the first case where multiple means of transportation are used. The second objective is to enable communication between moving means without using a large capacity communication line.
請求項1に記載された物体認識システムは、
複数の移動手段と、
前記移動手段に登載されて周囲を計測することにより3次元点群を取得する3次元計測手段と、
前記移動手段に登載されて他の前記移動手段と通信を行なう通信手段と、
前記移動手段に登載されて前記3次元点群を用いた物体認識処理に基づき周囲の物体認識を行なう制御手段と、
を備えた物体認識システムであって、
前記制御手段は、
自ら取得した前記3次元点群から鳥瞰画像を生成する画像化処理を行い、生成した前記鳥瞰画像を前記通信手段により他の前記移動手段に送信し、
自ら生成した前記鳥瞰画像と、前記通信手段により受信した他の前記移動手段の前記鳥瞰画像から、データ統合処理によって統合鳥瞰画像を生成し、これに前記物体認識処理を施して物体認識を行なうことを特徴としている。
The object recognition system according to
multiple means of transportation,
a three-dimensional measuring means mounted on the moving means and acquiring a three-dimensional point group by measuring the surroundings;
a communication means that is registered on the moving means and communicates with the other moving means;
a control means mounted on the moving means to perform surrounding object recognition based on object recognition processing using the three-dimensional point group;
An object recognition system comprising:
The control means includes:
Performing imaging processing to generate a bird's-eye view image from the three-dimensional point group acquired by itself, and transmitting the generated bird's-eye image to the other moving means through the communication means,
Generating an integrated bird's-eye image through data integration processing from the bird's-eye image generated by itself and the bird's-eye image of the other moving means received by the communication means, and performing object recognition by performing the object recognition processing on the integrated bird's-eye image. It is characterized by
請求項2に記載された物体認識システムは、請求項1記載の物体認識システムにおいて、
前記移動手段の位置と姿勢を検出する位置・姿勢センサを有しており、前記制御手段は、前記移動手段の位置と姿勢及び他の前記移動手段の位置と姿勢に基づいて前記データ統合処理を行なうことを特徴としている。
The object recognition system according to claim 2 is the object recognition system according to
The controller includes a position/orientation sensor that detects the position and orientation of the moving means, and the control means performs the data integration process based on the position and orientation of the moving means and the positions and orientations of the other moving means. It is characterized by doing.
請求項3に記載された物体認識システムは、請求項1記載の物体認識システムにおいて、
前記制御手段は、前記移動手段の位置を推定する自己位置推定処理と、他の前記移動手段との相対位置を推定する相対位置推定処理に基づいて前記データ統合処理を行なうことを特徴としている。
The object recognition system according to claim 3 is the object recognition system according to
The control means is characterized in that it performs the data integration process based on a self-position estimation process for estimating the position of the moving means and a relative position estimation process for estimating a relative position with respect to other moving means.
請求項4に記載された物体認識システムは、請求項1乃至3の何れかに記載の物体認識システムにおいて、
前記制御手段は、過去の計測により取得された前記3次元点群を蓄積する点群蓄積処理により得られた蓄積3次元点群から前記鳥瞰画像を生成することを特徴としている。
The object recognition system according to
The control means is characterized in that the bird's-eye view image is generated from the accumulated three-dimensional point group obtained by a point cloud accumulation process that accumulates the three-dimensional point group acquired by past measurements.
請求項5に記載された物体認識システムは、
移動手段と、
前記移動手段に登載されて周囲を計測することにより3次元点群を取得する3次元計測手段と、
前記移動手段に登載されて前記3次元点群を用いた物体認識処理に基づき周囲の物体認識を行なう制御手段と、
を備えた物体認識システムであって、
前記制御手段は、
前記移動手段の位置を推定する自己位置推定処理を行い、過去の計測により取得された前記3次元点群を蓄積する点群蓄積処理により蓄積3次元点群を取得し、前記蓄積3次元点群から鳥瞰画像を生成する画像化処理を行い、前記鳥瞰画像に前記物体認識処理を施して物体認識を行なうことを特徴としている。
The object recognition system according to claim 5 includes:
transportation means and
a three-dimensional measuring means mounted on the moving means and acquiring a three-dimensional point group by measuring the surroundings;
a control means mounted on the moving means to perform surrounding object recognition based on object recognition processing using the three-dimensional point group;
An object recognition system comprising:
The control means includes:
A self-position estimation process is performed to estimate the position of the transportation means, an accumulated 3-dimensional point group is acquired by a point cloud accumulation process that accumulates the 3-dimensional point group acquired by past measurements, and the accumulated 3-dimensional point group is The present invention is characterized in that an imaging process is performed to generate a bird's-eye view image from the image, and the object recognition process is performed on the bird's-eye view image to perform object recognition.
請求項6に記載された物体認識システムは、請求項1乃至5の何れかに記載の物体認識システムにおいて、
前記制御手段は、前記統合鳥瞰画像又は前記鳥瞰画像に前記物体認識処理を施した結果を、前記3次元点群と紐付けることにより、物体情報付き3次元点群を生成する物体情報付き3次元点群生成処理を行なうことを特徴としている。
The object recognition system according to
The control means generates a three-dimensional point group with object information by linking the integrated bird's-eye image or the result of the object recognition process on the bird's-eye image with the three-dimensional point group. It is characterized by performing point cloud generation processing.
請求項1に記載された物体認識システムによれば、一の移動手段において3次元点群から生成した鳥瞰画像と、当該一の移動手段に対して他の移動手段から送信された鳥瞰画像を統合して統合鳥瞰画像を生成し、これを物体認識処理することによって物体認識を行なうことができる。すなわち、各移動手段は、移動しながらリアルタイムで他の移動手段とデータの送受信を行うことにより、高精度の物体認識を実現することができる。また、一の移動手段が他の移動手段に送信するのは、データ量の大きな3次元点群ではなく、3次元点群から生成した鳥瞰画像であるため、移動手段同士の通信に大容量の通信回線は必要ない。
According to the object recognition system described in
請求項2に記載された物体認識システムによれば、一の移動手段が、他の移動手段から送信された鳥瞰画像と自らの鳥瞰画像を統合して統合鳥瞰画像を生成する際には、一の移動手段と他の移動手段の間の相対的な位置・姿勢に関するデータが必要になるが、係る相対的な位置・姿勢に関するデータは、各移動手段に登載された位置・姿勢センサによって得られる各移動手段の位置・姿勢に関する高精度のデータから推定により取得することができる。 According to the object recognition system described in claim 2, when one moving means generates an integrated bird's-eye image by integrating a bird's-eye image transmitted from another moving means and its own bird's-eye image, Data regarding the relative position and orientation between the means of transportation and other means of transportation is required, but such data regarding the relative position and orientation can be obtained by position and orientation sensors installed on each means of transportation. It can be obtained by estimation from highly accurate data regarding the position and orientation of each means of transportation.
請求項3に記載された物体認識システムによれば、一の移動手段が、他の移動手段から送信された鳥瞰画像と自らの鳥瞰画像を統合して統合鳥瞰画像を生成する際には、一の移動手段と他の移動手段の間の相対的な位置・姿勢に関するデータが必要になるが、係る相対的な位置・姿勢に関するデータは、各移動手段に登載された制御手段が、自己位置推定処理と、他の移動手段との相対位置を推定する相対位置推定処理によって、位置・姿勢センサを利用することなく取得することができる。 According to the object recognition system described in claim 3, when one moving means generates an integrated bird's-eye image by integrating a bird's-eye image transmitted from another moving means and its own bird's-eye image, Data regarding the relative position and orientation between this means of transportation and other means of transportation is required, but the data regarding the relative position and orientation can be used by the control means installed in each means of transportation to estimate its own position. The relative position estimation process for estimating the relative position with respect to other means of transportation enables acquisition without using a position/orientation sensor.
請求項4に記載された物体認識システムによれば、制御手段は、点群蓄積処理により、過去から現在までに得られた3次元点群を蓄積することで、現時刻で得られる3次元点群のみよりも、より密な3次元点群を得ることができ、物体認識精度の向上を図ることができる。
According to the object recognition system described in
請求項5に記載された物体認識システムによれば、自己位置推定処理を行いつつ点群蓄積処理を継続し、これによって、現時刻に得られる3次元点群のみよりも密である蓄積3次元点群を取得し、この蓄積3次元点群から生成した鳥瞰画像に物体認識処理を施して物体認識を行なうことができるので、移動手段が単独である物体認識システムによって高い物体認識精度を実現することができる。 According to the object recognition system described in claim 5, the point cloud accumulation process is continued while performing the self-position estimation process, and thereby the accumulated three-dimensional point cloud is denser than only the three-dimensional point cloud obtained at the current time. It is possible to perform object recognition by acquiring a point cloud and performing object recognition processing on the bird's-eye view image generated from this accumulated 3D point cloud, achieving high object recognition accuracy with an object recognition system that uses only a single means of transportation. be able to.
請求項6に記載された物体認識システムによれば、統合鳥瞰画像又は鳥瞰画像に物体認識処理を施した結果を3次元点群と紐付けることにより、物体情報付き3次元点群を生成することができる。
According to the object recognition system described in
本発明の第1実施形態を図1~図3を参照して説明する。
図1に示すように、第1実施形態の物体認識システム1aは、移動手段である複数の車両2,2を走行させながら、各車両2の周囲にある物体を計測して3次元点群を取得し、矢印で示すように車両間でデータを無線により送受信し、各車両2においてデータの統合処理を行うとともに、統合したデータに物体認識処理を施して各車両2の周囲にある物体をカテゴリ分類することができる。具体的には、統合したデータである統合鳥瞰画像中の各部分について、例えば車、人、建物等、事前に定義した同一と見なされるカテゴリごとに区分して色分け等により表示することができる。なお、図1においては、2台の車両2,2が示されているが、3台以上でもよい。以下の説明においては、図示した2台の車両2,2のうち、一方の車両を自車2aと称し、他方の車両を他車2bと称するものとする。
A first embodiment of the present invention will be described with reference to FIGS. 1 to 3.
As shown in FIG. 1, the object recognition system 1a of the first embodiment measures objects around each vehicle 2 while driving a plurality of vehicles 2, 2 as means of transportation, and generates a three-dimensional point group. The data is transmitted and received wirelessly between vehicles as shown by the arrows, data is integrated in each vehicle 2, and the integrated data is subjected to object recognition processing to classify objects around each vehicle 2. Can be classified. Specifically, each part of the integrated bird's-eye image, which is the integrated data, can be divided into predefined categories that are considered to be the same, such as cars, people, and buildings, and displayed by color coding or the like. In addition, although two vehicles 2, 2 are shown in FIG. 1, three or more vehicles may be used. In the following description, one of the two illustrated vehicles 2, 2 will be referred to as the own vehicle 2a, and the other vehicle will be referred to as the other vehicle 2b.
図1に示すように、各車両2には、位置・姿勢に関するデータ(以下、単に「位置・姿勢」とも称する。)を取得する位置・姿勢センサ3と、周囲を計測することにより3次元点群データ(以下、単に「3次元点群」とも称する。)を取得する3次元計測手段としての3次元計測センサ4が登載されている。
As shown in FIG. 1, each vehicle 2 includes a position/orientation sensor 3 that acquires data related to position/orientation (hereinafter also simply referred to as "position/orientation"), and a three-dimensional point sensor 3 that measures the surroundings. A three-
位置・姿勢センサ3としては、受信機と複数の衛星との距離から受信機の位置を算出するシステムの総称であるGNSS(Global Navigation Satellite System(全球衛星測位システム)の略)を利用することができる。GNSSの具体例としてはGPS 、GLONASS 、Galileo 等がある。 As the position/attitude sensor 3, it is possible to use GNSS (abbreviation for Global Navigation Satellite System), which is a general term for a system that calculates the position of a receiver from the distance between the receiver and multiple satellites. can. Specific examples of GNSS include GPS, GLONASS, Galileo, etc.
3次元計測センサ4としては、一例としてLiDAR (Light Detection And Ranging (光検出と測距)の略)を用いることができる。LiDAR は、センサからレーザを照射し、物体に反射して戻ってくるまでの時間を計測することで物体までの距離を測ることができる。3次元LiDAR では、回転により360 °走査可能なレーザ照射部を垂直に複数積むことで3次元点群([x, y, z] 座標の集合)を得ることができる。
As the three-
位置・姿勢センサ3と3次元計測センサ4は、その機能を最も有効に発揮できるように、車両2の屋根の上の所定の位置に配置されている。また、車両2の内部には、位置・姿勢センサ3と3次元計測センサ4により取得したデータを処理して物体認識を行う制御手段としてのデータ処理部5aが設けられている。データ処理部5aとしては、後述するデータ処理を実行するアプリケーションを実装したパーソナルコンピュータ等を利用できる。また、車両2の内部には通信手段としての無線通信機6が設けられている。無線通信機6は、データ処理部5aで処理されたデータを他の車両2に向けて送信する送信部7と、他の車両2から送信されたデータを受信してデータ処理部5aに送る受信部8と、車両2の屋根の上に設けられて送信部7と受信部8に接続されたアンテナ9を有している。
The position/orientation sensor 3 and the three-
図2に示すように、データ処理部5aは3次元点群処理部10aを有している。3次元点群処理部10aには、位置・姿勢センサ3と3次元計測センサ4が接続されており、位置・姿勢センサ3が取得した自車の位置・姿勢と、3次元計測センサ4が取得した自車の3次元点群が入力される。また、3次元点群処理部10aは画像化処理部11を備えている。画像化処理部11は、3次元計測センサ4が取得した3次元点群を、車両2の上方から真下に向けて見た鳥瞰画像に変換する。
As shown in FIG. 2, the
図3(a)に示すように、車両2(自車2a)に登載した3次元計測センサ4である3次元LiDAR は、レーザを照射しながら回転することにより自車の全周囲(360 °)を走査し、3次元点群([x, y, z] 座標の集合)を取得して画像化処理部11(図2参照)に送る。図3(a)の例では、高さ方向[z] の所定位置における[x, y]座標の集合点群を表示しているが、実際には高さ方向[z] の値も含めた3次元点群が取得されており、この3次元点群によって自車2aの周囲に存在する種々の物体Sの立体的形状を把握することができる。また、図3(b)に示すように、自車2aの近傍にある他車2bにおいても同様の計測が行われて3次元点群が取得されている。なお、図3は、自車2aの計測範囲と、自車2aの近傍にある他車2bの計測範囲が一部重なっている場合を示しており、この場合には、後に説明するように自車2aで得たデータと他車2bで得たデータを統合することにより、図3(e)に示すように一つの連続した領域を表す統合鳥瞰画像を生成することができる。
As shown in Fig. 3(a), the 3D LiDAR, which is the
自車2aの3次元点群処理部10aでは、画像化処理部11が、3次元計測センサ4から入力された図3(a)に示す3次元点群を、2次元データである図3(c)に示す鳥瞰画像に変換する。その際には、鳥瞰画像を構成するピクセルの各々が、位置データだけでなく、高さ、反射強度及び密度を示す規格化されたデータが含まれるようにデータ処理を行い、平面的な鳥瞰画像中に把握されるピクセルの特定の集合が、特定種類の物体S(例えば車、人、建物等)であることを識別できるようにしている。また、自車2aの近傍にある他車2bにおいても、自車2aと同様に、図3(b)に示す他車が取得した3次元点群の画像化処理が行われており、図3(d)に示すような鳥瞰画像が取得されている。
In the three-dimensional point
図2に示すように、自車2aの3次元点群処理部10aは、画像化処理部11が生成した自車2aの鳥瞰画像と、位置・姿勢センサ3から入力された自車2aの位置・姿勢を無線通信機6に送り、送信部7及びアンテナ9によって他車2bに送信する。3次元点群はデータ容量が大きく、通信回線の通信容量によってはリアルタイムでの送受信が困難である場合もあるが、この実施形態では、他車2bに送るのは3次元点群を画像化処理したデータ量が小さい鳥瞰画像であるため、通信量を削減でき、車両間通信により共有することが容易である。また、自車2aの3次元点群処理部10aは、位置・姿勢センサ3から入力された自車2aの位置・姿勢と、自車2aの3次元点群を、相対位置推定処理部12に送る。また、自車2aの3次元点群処理部10aは、画像化処理部11が生成した自車2aの鳥瞰画像を、後述するデータ統合処理部13に送る。
As shown in FIG. 2, the three-dimensional point
図2に示すように、データ処理部5aは相対位置推定処理部12を備えている。相対位置推定処理部12は、3次元点群処理部10aから自車2aの3次元点群と自車2aの位置・姿勢を入力され、また無線通信機6の受信部8が受信した他車2bの鳥瞰画像と他車2bの位置・姿勢を入力され、自車2aと他車2bの間の相対的な位置関係及び姿勢を示すデータである車両間相対位置・姿勢を算出してデータ統合処理部13に送る。本実施形態における相対位置推定処理はGNSSにより得られた座標データから算出する方法であるため正確であり、処理も速い。なお、無線通信機6の受信部8が受信した他車2bの鳥瞰画像は、相対位置推定処理部12を経て、そのままデータ統合処理部13に送られる。
As shown in FIG. 2, the
図2に示すように、データ処理部5aはデータ統合処理部13を備えている。データ統合処理部13は、相対位置推定処理部12から送られた車両間相対位置・姿勢に基づき、相対位置推定処理部12を経て送られた図3(d)に示す他車2bの鳥瞰画像を、3次元点群処理部10aから送られた図3(c)に示す自車2aの鳥瞰画像の座標系のデータに変換し、自車2aの鳥瞰画像と統合して連続した一の画像データである図3(e)に示すような統合鳥瞰画像を生成する。
As shown in FIG. 2, the
図2に示すように、データ処理部5aは物体認識処理部14を備えている。物体認識処理部14は、データ統合処理部13が生成した統合鳥瞰画像に対し、例えばCNNを利用したセマンティックセグメンテーション処理を行い、鳥瞰画像を構成するピクセル毎の物体種別を推定する。
As shown in FIG. 2, the
セマンティックセグメンテーションとは、認識データの最小単位(画像では1ピクセルごと、3次元点群について行う場合は1点ごと)に、例えば車、人、建物等、事前に定義した同一と見なされるカテゴリごとに分類を行うことであり、近年ではCNNを用いた手法が主流になっている。 Semantic segmentation is the process of dividing the smallest unit of recognition data (each pixel in an image, or each point in the case of a 3D point cloud) into predefined categories that are considered the same, such as cars, people, and buildings. This is to perform classification, and in recent years, methods using CNN have become mainstream.
CNNとは、Convolutional Neural Network(畳み込みニューラルネットワーク)の略語であり、入力する画像データに対して、3×3程度のサイズのフィルターを用いた畳み込みとダウンサンプリングを繰り返しながら、画像の特徴を抽出するアルゴリズムである。 CNN is an abbreviation for Convolutional Neural Network, which extracts image features by repeating convolution and downsampling using a 3x3 filter on input image data. It's an algorithm.
この実施形態では、分類を行うカテゴリごとに異なる色彩を定めておく。そして、図3(e)に示す統合鳥瞰画像の1ピクセルごとに、当該ピクセルが属するカテゴリの色彩を付すことにより、統合鳥瞰画像中に認識される物体Sを着色し、車、人、建物等の区別が容易に理解できるような平面画像を得ることができる。なお、3次元点群に対してセマンティックセグメンテーション処理を行うことも可能ではあるが、本実施形態では3次元点群を変換したデータ量の小さい鳥瞰画像に対してセマンティックセグメンテーション処理を行うため、3次元点群に対して物体認識処理を行う場合よりも処理が高速化する。 In this embodiment, different colors are determined for each category to be classified. Then, each pixel of the integrated bird's-eye view image shown in FIG. It is possible to obtain a planar image in which the distinction between the two can be easily understood. Although it is possible to perform semantic segmentation processing on a 3D point cloud, in this embodiment, the semantic segmentation processing is performed on a bird's-eye view image with a small amount of data obtained by converting a 3D point cloud. Processing is faster than when object recognition processing is performed on a point cloud.
図4及び図5を参照して第1実施形態と異なる点を中心に第2実施形態を説明する。
第2実施形態の構成において、第1実施形態と同一の部分については、第1実施形態と同一の符号を図面に付し、第1実施形態の説明を援用するものとする。
The second embodiment will be described with a focus on the differences from the first embodiment with reference to FIGS. 4 and 5.
In the configuration of the second embodiment, the same parts as in the first embodiment are designated by the same reference numerals as in the first embodiment in the drawings, and the description of the first embodiment is referred to.
図4に示すように、第2実施形態の物体認識システム1bは、複数の車両2,2を走行させながら、車両間でデータを送受信することにより各車両2で統合鳥瞰画像を生成し、これに物体認識処理を施して周囲の物体Sのカテゴリ分類を行う。図4及び機能ブロック図である図5に示すように、各車両2には、自車2aの位置・姿勢を取得する位置・姿勢センサ3は登載されていないが、図5に示すように、データ処理部5bの3次元点群処理部10bは、第1実施形態にはない自己位置推定処理部15を備えている。
As shown in FIG. 4, the
すなわち、第1実施形態では、各車両2、例えば自車2aは、登載した位置・姿勢センサ3によって自車2aの位置・姿勢を取得していたが、第1実施形態では、自己位置推定処理部15が自車2aの位置を推定し、その結果を自車2aの位置・姿勢としてデータ処理に使用している。
That is, in the first embodiment, each vehicle 2, for example, the own vehicle 2a, acquires the position and orientation of the own vehicle 2a using the mounted position and orientation sensor 3, but in the first embodiment, the self-position estimation process The
自己位置推定処理部15が行う自己位置推定処理の方法としては、まずSLAMを挙げることができる。SLAMとは、Simultaneous Localization And Mapping (自己位置推定と地図作成を同時に行う処理)の略語であり、ある時刻においてセンサで計測したデータを1時刻前の計測データと比較することで自己位置を推定し、推定した自己位置に基づいて計測データを配置して地図の作成を行う手法である。
As a method of self-position estimation processing performed by the self-position
自己位置推定処理の他の方法としては、複数の車両2で得られた複数の3次元点群の間で、ICPをはじめとするスキャンマッチングを行うことにより、計測データを位置合わせすることで自己位置を推定する手法も採用できる。ICPとは、Iterative Closest Point (反復最近傍点)の略語であり、異なる点群データの重ね合わせを行うことにより、各点から最も近い点のマッチングと距離の総和の最小化を交互に行い、点群データの最適な位置合わせを行う手法である。また、スキャンマッチングとは、現在の点群データと地図の点群データが最も重なる位置を探すことで自己位置を推定する手法である。 Another method of self-position estimation processing is to perform scan matching such as ICP between multiple three-dimensional point clouds obtained from multiple vehicles 2, and align the measurement data. A method of estimating the position can also be adopted. ICP is an abbreviation for Iterative Closest Point, and by superimposing different point cloud data, it alternately matches the closest point from each point and minimizes the sum of distances. This is a method for optimally aligning group data. Furthermore, scan matching is a method of estimating one's own position by searching for the position where the current point cloud data and the map point cloud data most overlap.
統合鳥瞰画像を生成する際には、自車2aと他車2bの車両間相対位置・姿勢に関するデータが必要になるが、第2実施形態によれば、このようなデータは、位置・姿勢センサ3を利用することなく自己位置推定処理によって取得することができるため、第1実施形態では必要であった位置・姿勢センサ3の費用を削減することができる。 When generating an integrated bird's-eye view image, data regarding the inter-vehicle relative position and orientation of the own vehicle 2a and the other vehicle 2b is required, but according to the second embodiment, such data can be obtained from the position and orientation sensor. Since the position/orientation sensor 3 can be acquired by the self-position estimation process without using the position/orientation sensor 3, the cost of the position/orientation sensor 3, which was necessary in the first embodiment, can be reduced.
図6を参照して第2実施形態と異なる点を中心に第3実施形態を説明する。
第3実施形態の構成において、第1~第2実施形態と同一の部分については、第1~第2実施形態と同一の符号を図面に付し、第1~第2実施形態の説明を援用するものとする。
The third embodiment will be described with reference to FIG. 6, focusing on the differences from the second embodiment.
In the configuration of the third embodiment, the same parts as in the first and second embodiments are denoted by the same reference numerals as those in the first and second embodiments, and the explanations of the first and second embodiments are used. It shall be.
図6に示す第3実施形態の3次元点群処理部10cが、図5に示す第2実施形態の3次元点群処理部10bと異なる点は、点群蓄積処理部16を有する点である。点群蓄積処理部16は、過去から現在までに3次元計測センサ4から入力された3次元点群を蓄積する点群蓄積処理により、現時刻に得られる3次元点群のみよりも、密な3次元点群を得るデータ処理方法であり、より具体的には、3次元点群が得られた時刻での自車2aの位置と、現時刻での自車2aの位置に基づき、3次元点群を現時刻の車両2の座標系に変換することで3次元点群を蓄積するものである。第3実施形態によれば、点群蓄積処理部16により得られた密な3次元点群を元にした統合鳥瞰画像が得られるため、物体認識精度の向上を図ることができる。
The three-dimensional point
図7を参照して第3実施形態と異なる点を中心に第4実施形態を説明する。
第4実施形態の構成において、第1~第3実施形態と同一の部分については、第1~第3実施形態と同一の符号を図面に付し、第1~第3実施形態の説明を援用するものとする。
The fourth embodiment will be described with reference to FIG. 7, focusing on the differences from the third embodiment.
In the configuration of the fourth embodiment, the same parts as in the first to third embodiments are denoted by the same reference numerals as those in the first to third embodiments, and the explanations of the first to third embodiments are used. It shall be.
図7に示す第4実施形態のデータ処理部5dが、図6に示す第3実施形態のデータ処理部5cと異なる点は、物体情報付き3次元点群生成処理部17を有する点である。物体情報付き3次元点群生成処理部17は、3次元計測センサ4が取得した自車2aの3次元点群に対し、物体認識処理部14におけるセマンティックセグメンテーション結果、すなわちピクセル毎に物体種別が特定された統合鳥瞰画像を紐付ける処理を行い、3次元点群の1点ごとに、当該点が分類されたカテゴリの色彩を付すことにより、3次元点群中に認識される物体Sを着色して車、人、建物等の区別が容易に理解できるような物体情報を含む3次元点群を得ることができる。
The
以上説明したように、第1~第4実施形態によれば、他車2bと共有した計測データに基づき相対位置を推定し、複数台の車両2の計測データを統合しているので、各車両2を走行させながら各車両2においてリアルタイムで高精度な物体認識を行うことが可能となった。特に、3次元計測データを鳥瞰画像にしてデータ量を低減しているため、狭帯域の通信回線によって他車2bとデータ共有することが可能となる。さらに、第3及び第4実施形態によれば、過去の3次元点群を蓄積し、物体認識処理を行うことで、死角の低減や物体認識精度を向上させることができる。さらに、第4実施形態によれば、物体情報付き3次元点群を得ることができる。 As explained above, according to the first to fourth embodiments, the relative position is estimated based on the measurement data shared with other vehicles 2b, and the measurement data of a plurality of vehicles 2 is integrated, so each vehicle It has become possible to perform highly accurate object recognition in real time in each vehicle 2 while the vehicle 2 is running. In particular, since the three-dimensional measurement data is converted into a bird's-eye view image to reduce the amount of data, it becomes possible to share the data with other vehicles 2b via a narrowband communication line. Further, according to the third and fourth embodiments, by accumulating past three-dimensional point groups and performing object recognition processing, it is possible to reduce blind spots and improve object recognition accuracy. Furthermore, according to the fourth embodiment, a three-dimensional point group with object information can be obtained.
図8を参照して第5実施形態を説明する。
第5実施形態の構成において、他の実施形態と同一の部分については、それら実施形態と同一の符号を図面に付し、同実施形態の説明を援用するものとする。
A fifth embodiment will be described with reference to FIG.
In the configuration of the fifth embodiment, parts that are the same as those in other embodiments are designated by the same reference numerals in the drawings, and the descriptions of the same embodiments are referred to.
第1~第4実施形態では、複数の車両2を使用して車両間で計測データを共有し、各車両2において統合鳥瞰画像を生成して物体認識処理を行っていた。これとは異なり、第5実施形態では、3次元計測センサ4を登載した単一の車両2を用い、自車2aが取得した鳥瞰画像に物体認識処理を行い、さらにその認識結果を、自車2aの3次元点群に紐付けて物体情報付き3次元点群を生成する。従って、無線通信機6、相対位置推定処理部12及びデータ統合処理部13は持たない。
In the first to fourth embodiments, a plurality of vehicles 2 are used to share measurement data among the vehicles, and each vehicle 2 generates an integrated bird's-eye view image to perform object recognition processing. Differently from this, in the fifth embodiment, a single vehicle 2 equipped with a three-
第5実施形態の物体認識システム1eは、第1乃至第4実施形態(図2、5、6、7)の物体認識システム1a,1b,1c,1dが有するのと同一の3次元計測センサ4を有し、第3及び第4実施形態(図6、7)の物体認識システム1c,1dが有するのと同一の3次元点群処理部10cを有する。また、第5実施形態の物体認識システム1eは、3次元点群処理部10cから送られた自車2aの鳥瞰画像に対して物体認識処理を行う物体認識処理部14eと、物体認識処理部14eから送られた物体認識処理された自車2aの鳥瞰画像を、自車2aの3次元点群に紐付けて物体情報付き3次元点群を生成する物体情報付き3次元点群生成処理部17eを有する。
The
第5実施形態によれば、車両2を単独で走行させながらリアルタイムで物体情報付き3次元点群を得るという高精度な物体認識を行うことが可能となった。特に、過去の3次元点群を蓄積して物体認識処理を行うことで、死角の低減や物体認識精度を向上させることができる。 According to the fifth embodiment, it is possible to perform highly accurate object recognition in which a three-dimensional point group with object information is obtained in real time while the vehicle 2 is traveling alone. In particular, by accumulating past three-dimensional point groups and performing object recognition processing, it is possible to reduce blind spots and improve object recognition accuracy.
以上説明した実施形態では、自車2aにおいては、他車2bの位置・姿勢を他車2bからの無線通信により取得して、自車2aと他車2bの間の車両間相対位置・姿勢を算出している。しかしながら、他車2bとの距離等について条件が整えば、自車2aに登載した3次元LiDAR 等の3次元計測手段4を用いて他車2bの位置・姿勢を直接計測し、自車2aにおける車両間相対位置・姿勢の算出に使用してもよい。 In the embodiment described above, the own vehicle 2a acquires the position and orientation of the other vehicle 2b through wireless communication from the other vehicle 2b, and calculates the relative inter-vehicle position and orientation between the own vehicle 2a and the other vehicle 2b. It is being calculated. However, once the conditions such as the distance to the other vehicle 2b are satisfied, the position and orientation of the other vehicle 2b can be directly measured using the 3D measurement means 4 such as 3D LiDAR mounted on the own vehicle 2a, and the position and orientation of the other vehicle 2b can be directly measured. It may also be used to calculate relative positions and orientations between vehicles.
1a,1b,1c,1d,1e…物体認識システム
2…移動手段としての車両
2a…車両である自車
2b…車両である他車
3…位置・姿勢センサ
4…3次元計測手段としての3次元計測センサ
5a,5b,5c,5d,5e…制御手段としてのデータ処理部
6…通信手段としての無線通信機
10a,10b,10c…3次元点群処理部
11…画像化処理部
12…相対位置推定処理部
13…データ統合処理部
14,14e…物体認識処理部
15…自己位置推定処理部
16…点群蓄積処理部
17,17e…物体情報付き3次元点群生成処理部
S…物体
1a, 1b, 1c, 1d, 1e...object recognition system 2...vehicle as a means of transportation 2a...own vehicle as a vehicle 2b...other vehicle as a vehicle 3...position/
請求項1に記載された物体認識システムは、
複数の移動手段と、
前記移動手段に登載されて周囲を計測することにより3次元点群を取得する3次元計測手段と、
前記移動手段に登載されて他の前記移動手段と通信を行なう通信手段と、
前記移動手段に登載されて前記3次元点群を用いた物体認識処理に基づき周囲の物体認識を行なう制御手段と、
を備えた物体認識システムであって、
前記制御手段は、
自ら取得した前記3次元点群からデータ量を低減した鳥瞰画像を生成する画像化処理を行い、生成した前記鳥瞰画像を、3次元点群を送受信する場合に必要な容量の通信回線よりも狭帯域の通信回線を有する前記通信手段により他の前記移動手段に送信し、
自ら生成した前記鳥瞰画像と、前記通信手段により受信した他の前記移動手段の前記鳥瞰画像を用い、他の前記移動手段の前記鳥瞰画像を、自ら生成した前記鳥瞰画像の座標系のデータに変換し、これを自ら生成した前記鳥瞰画像と統合するデータ統合処理によって連続した一の画像データである統合鳥瞰画像を生成し、これに前記物体認識処理を施して統合鳥瞰画像を構成するピクセル毎の物体種別を推定する物体認識を行なうことを特徴としている。
The object recognition system according to
multiple means of transportation,
a three-dimensional measuring means mounted on the moving means and acquiring a three-dimensional point group by measuring the surroundings;
a communication means that is registered on the moving means and communicates with the other moving means;
a control means mounted on the moving means to perform surrounding object recognition based on object recognition processing using the three-dimensional point group;
An object recognition system comprising:
The control means includes:
An imaging process is performed to generate a bird's-eye view image with a reduced amount of data from the three-dimensional point cloud acquired by the user, and the generated bird's-eye image is transmitted through a communication line with a capacity smaller than that required for transmitting and receiving the three-dimensional point cloud. transmitting it to another said moving means by said communication means having a communication line of a high frequency band ;
Using the bird's eye image generated by the self and the bird's eye image of the other moving means received by the communication means, converting the bird's eye image of the other moving means into data in the coordinate system of the bird's eye image generated by the self. Then, an integrated bird's eye image, which is one continuous image data, is generated by a data integration process that integrates this with the bird's eye image that has been generated by itself, and this is subjected to the object recognition process to identify each pixel that makes up the integrated bird's eye image. It is characterized by object recognition that estimates the object type .
請求項4に記載された物体認識システムは、請求項1乃至3の何れかに記載の物体認識システムにおいて、
前記制御手段は、前記3次元点群が得られた時刻での前記移動手段の位置と、現時刻での前記移動手段の位置に基づき、得られた前記3次元点群を現時刻の前記移動手段の座標系に変換することで、過去から現在までの計測により取得された前記3次元点群を蓄積する点群蓄積処理により得られた、現時刻に得られる前記3次元点群のみよりも密である蓄積3次元点群から前記鳥瞰画像を生成することを特徴としている。
The object recognition system according to
The control means moves the obtained three-dimensional point group at the current time based on the position of the moving means at the time when the three-dimensional point group was obtained and the position of the moving means at the current time. By converting to the coordinate system of the means, the 3D point cloud obtained at the current time obtained by a point cloud accumulation process that accumulates the 3D point cloud obtained by measurements from the past to the present. It is characterized in that the bird's-eye view image is generated from a dense accumulated three-dimensional point group.
請求項5に記載された物体認識システムは、
移動手段と、
前記移動手段に登載されて周囲を計測することにより3次元点群を取得する3次元計測手段と、
前記移動手段に登載されて前記3次元点群を用いた物体認識処理に基づき周囲の物体認識を行なう制御手段と、
を備えた物体認識システムであって、
前記制御手段は、
前記移動手段の位置を推定する自己位置推定処理を行い、前記3次元点群が得られた時刻での前記移動手段の位置と、現時刻での前記移動手段の位置に基づき、得られた前記3次元点群を現時刻の前記移動手段の座標系に変換することで、過去から現在までの計測により取得された前記3次元点群を蓄積する点群蓄積処理により、現時刻に得られる3次元点群のみよりも密である蓄積3次元点群を取得し、前記蓄積3次元点群から鳥瞰画像を生成する画像化処理を行い、前記鳥瞰画像に前記物体認識処理を施して鳥瞰画像を構成するピクセル毎の物体種別を推定する物体認識を行なうことを特徴としている。
The object recognition system according to claim 5 includes:
transportation means and
a three-dimensional measuring means mounted on the moving means and acquiring a three-dimensional point group by measuring the surroundings;
a control means mounted on the moving means to perform surrounding object recognition based on object recognition processing using the three-dimensional point group;
An object recognition system comprising:
The control means includes:
A self-position estimation process is performed to estimate the position of the moving means, and the obtained position is calculated based on the position of the moving means at the time when the three-dimensional point group was obtained and the position of the moving means at the current time. By converting the 3-dimensional point cloud into the coordinate system of the transportation means at the current time, the 3 -dimensional point cloud obtained at the current time is Acquire an accumulated three-dimensional point cloud that is denser than only a dimensional point group , perform an imaging process to generate a bird's-eye view image from the accumulated three-dimensional point group, and perform the object recognition process on the bird's-eye image to generate a bird's-eye image. It is characterized by object recognition that estimates the object type for each constituent pixel .
請求項6に記載された物体認識システムは、請求項1乃至4の何れかに記載の物体認識システムにおいて、
前記制御手段は、前記統合鳥瞰画像又は前記鳥瞰画像に前記物体認識処理を施した結果を、前記3次元点群と紐付けることにより、物体情報付き3次元点群を生成する物体情報付き3次元点群生成処理を行なうことを特徴としている。
請求項7に記載された物体認識システムは、請求項5に記載の物体認識システムにおいて、
前記制御手段は、前記鳥瞰画像に前記物体認識処理を施した結果を、前記3次元点群と紐付けることにより、物体情報付き3次元点群を生成する物体情報付き3次元点群生成処理を行なうことを特徴としている。
The object recognition system according to
The control means generates a three-dimensional point group with object information by linking the integrated bird's-eye image or the result of the object recognition process on the bird's-eye image with the three-dimensional point group. It is characterized by performing point cloud generation processing.
The object recognition system according to
The control means performs a three-dimensional point cloud generation process with object information, which generates a three-dimensional point cloud with object information by associating the result of the object recognition process on the bird's-eye image with the three-dimensional point group. It is characterized by doing.
すなわち、第1実施形態では、各車両2、例えば自車2aは、登載した位置・姿勢センサ3によって自車2aの位置・姿勢を取得していたが、第2実施形態では、自己位置推定処理部15が自車2aの位置を推定し、その結果を自車2aの位置・姿勢としてデータ処理に使用している。
That is, in the first embodiment, each vehicle 2, for example, the own vehicle 2a, acquires the position and orientation of the own vehicle 2a using the mounted position and orientation sensor 3, but in the second embodiment, the self-position estimation process The
本発明は、車両等の移動手段を移動させつつ、登載した3次元計測手段によって周囲の3次元点群を取得し、これを用いて周囲にある物体の認識処理を行なう高精度の物体認識システムに係り、特に、自ら取得した3次元点群を画像処理して得た鳥瞰画像と、他の移動手段から通信により入手した鳥瞰画像とを統合して統合鳥瞰画像を生成し、これに物体認識処理を行なう物体認識システムに関するものである。 The present invention is a high-precision object recognition system that acquires a surrounding three-dimensional point group using a mounted three-dimensional measuring means while moving a vehicle or other means of transportation, and uses this to perform recognition processing of surrounding objects. In particular, the integrated bird's-eye image is generated by integrating the bird's-eye image obtained by image processing of the three-dimensional point cloud acquired by the user and the bird's-eye image obtained by communication from other means of transportation, and then object recognition is performed on this image. This relates to an object recognition system that performs processing.
本発明は、以上説明した従来の技術に鑑みてなされたものであり、車両に登載した3次元計測手段を用いて移動しながら周囲の3次元点群を取得し、3次元点群から生成した画像について物体認識処理を行なう物体認識システムにおいて、一の移動手段が生成した画像と、他の移動手段が生成した画像を統合して物体認識処理を行なう場合において高い物体認識精度を実現することを第1の目的としており、大容量の通信回線を用いなくても、移動手段と移動手段の通信を可能とすることを第2の目的としている。 The present invention has been made in view of the conventional technology described above, and uses a three-dimensional measurement means mounted on a vehicle to acquire a surrounding three-dimensional point group while moving, and generates a three-dimensional point group from the three-dimensional point group. In an object recognition system that performs object recognition processing on images, we aim to achieve high object recognition accuracy when performing object recognition processing by integrating images generated by one means of transportation and images generated by another means of transportation. The first objective is to enable communication between moving means and moving means without using a large- capacity communication line.
請求項5に記載された物体認識システムは、請求項1乃至4の何れかに記載の物体認識システムにおいて、
前記制御手段は、前記統合鳥瞰画像又は前記鳥瞰画像に前記物体認識処理を施した結果を、前記3次元点群と紐付けることにより、物体情報付き3次元点群を生成する物体情報付き3次元点群生成処理を行なうことを特徴としている。
The object recognition system according to claim 5 is the object recognition system according to any one of
The control means generates a three-dimensional point group with object information by linking the integrated bird's-eye image or the result of the object recognition process on the bird's-eye image with the three-dimensional point group. It is characterized by performing point cloud generation processing.
請求項5に記載された物体認識システムによれば、統合鳥瞰画像又は鳥瞰画像に物体認識処理を施した結果を3次元点群と紐付けることにより、物体情報付き3次元点群を生成することができる。 According to the object recognition system described in claim 5 , a three-dimensional point group with object information is generated by linking the integrated bird's-eye image or the result of object recognition processing on the bird's-eye image with the three-dimensional point group. I can do it.
Claims (6)
前記移動手段に登載されて周囲を計測することにより3次元点群を取得する3次元計測手段と、
前記移動手段に登載されて他の前記移動手段と通信を行なう通信手段と、
前記移動手段に登載されて前記3次元点群を用いた物体認識処理に基づき周囲の物体認識を行なう制御手段と、
を備えた物体認識システムであって、
前記制御手段は、
自ら取得した前記3次元点群から鳥瞰画像を生成する画像化処理を行い、生成した前記鳥瞰画像を前記通信手段により他の前記移動手段に送信し、
自ら生成した前記鳥瞰画像と、前記通信手段により受信した他の前記移動手段の前記鳥瞰画像から、データ統合処理によって統合鳥瞰画像を生成し、これに前記物体認識処理を施して物体認識を行なうことを特徴とする物体認識システム。 multiple means of transportation,
a three-dimensional measuring means mounted on the moving means and acquiring a three-dimensional point group by measuring the surroundings;
a communication means that is registered on the moving means and communicates with the other moving means;
a control means mounted on the moving means to perform surrounding object recognition based on object recognition processing using the three-dimensional point group;
An object recognition system comprising:
The control means includes:
Performing imaging processing to generate a bird's-eye view image from the three-dimensional point group acquired by itself, and transmitting the generated bird's-eye image to the other moving means through the communication means,
Generating an integrated bird's-eye image through data integration processing from the bird's-eye image generated by itself and the bird's-eye image of the other moving means received by the communication means, and performing object recognition by performing the object recognition processing on the integrated bird's-eye image. An object recognition system featuring:
前記移動手段に登載されて周囲を計測することにより3次元点群を取得する3次元計測手段と、
前記移動手段に登載されて前記3次元点群を用いた物体認識処理に基づき周囲の物体認識を行なう制御手段と、
を備えた物体認識システムであって、
前記制御手段は、
前記移動手段の位置を推定する自己位置推定処理を行い、過去の計測により取得された前記3次元点群を蓄積する点群蓄積処理により蓄積3次元点群を取得し、前記蓄積3次元点群から鳥瞰画像を生成する画像化処理を行い、前記鳥瞰画像に前記物体認識処理を施して物体認識を行なうことを特徴とする物体認識システム。 transportation means and
a three-dimensional measuring means mounted on the moving means and acquiring a three-dimensional point group by measuring the surroundings;
a control means mounted on the moving means to perform surrounding object recognition based on object recognition processing using the three-dimensional point group;
An object recognition system comprising:
The control means includes:
A self-position estimation process is performed to estimate the position of the transportation means, an accumulated 3-dimensional point group is acquired by a point cloud accumulation process that accumulates the 3-dimensional point group acquired by past measurements, and the accumulated 3-dimensional point group is 1. An object recognition system characterized by performing an imaging process to generate a bird's-eye view image from an object, and performing object recognition by performing the object recognition process on the bird's-eye view image.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022053711A JP7392221B2 (en) | 2022-03-29 | 2022-03-29 | object recognition system |
JP2023184423A JP2023178490A (en) | 2022-03-29 | 2023-10-27 | object recognition system |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022053711A JP7392221B2 (en) | 2022-03-29 | 2022-03-29 | object recognition system |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023184423A Division JP2023178490A (en) | 2022-03-29 | 2023-10-27 | object recognition system |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023146505A true JP2023146505A (en) | 2023-10-12 |
JP7392221B2 JP7392221B2 (en) | 2023-12-06 |
Family
ID=88286584
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022053711A Active JP7392221B2 (en) | 2022-03-29 | 2022-03-29 | object recognition system |
JP2023184423A Pending JP2023178490A (en) | 2022-03-29 | 2023-10-27 | object recognition system |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023184423A Pending JP2023178490A (en) | 2022-03-29 | 2023-10-27 | object recognition system |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7392221B2 (en) |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017166846A (en) * | 2016-03-14 | 2017-09-21 | 株式会社デンソー | Object recognition device |
JP2017187422A (en) * | 2016-04-07 | 2017-10-12 | トヨタ自動車株式会社 | Nearby article detection apparatus |
JP2019028861A (en) * | 2017-08-02 | 2019-02-21 | ソニー株式会社 | Signal processor, signal processing method, program, and moving object |
WO2019044500A1 (en) * | 2017-09-04 | 2019-03-07 | 日本電産株式会社 | Location estimation system and mobile body comprising location estimation system |
JP2019117501A (en) * | 2017-12-27 | 2019-07-18 | パイオニア株式会社 | Determination device, determination method, and determination program |
US20210118183A1 (en) * | 2019-10-16 | 2021-04-22 | Automotive Research & Testing Center | Method and system for generating dynamic map information capable of providing environment information |
WO2021106207A1 (en) * | 2019-11-29 | 2021-06-03 | 日本電気株式会社 | Measurement device, information processing device, data specification method, and non-transitory computer-readable medium |
JP2022015113A (en) * | 2020-07-08 | 2022-01-21 | 三菱重工業株式会社 | Display information creation device, display system, and display information creation method |
-
2022
- 2022-03-29 JP JP2022053711A patent/JP7392221B2/en active Active
-
2023
- 2023-10-27 JP JP2023184423A patent/JP2023178490A/en active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017166846A (en) * | 2016-03-14 | 2017-09-21 | 株式会社デンソー | Object recognition device |
JP2017187422A (en) * | 2016-04-07 | 2017-10-12 | トヨタ自動車株式会社 | Nearby article detection apparatus |
JP2019028861A (en) * | 2017-08-02 | 2019-02-21 | ソニー株式会社 | Signal processor, signal processing method, program, and moving object |
WO2019044500A1 (en) * | 2017-09-04 | 2019-03-07 | 日本電産株式会社 | Location estimation system and mobile body comprising location estimation system |
JP2019117501A (en) * | 2017-12-27 | 2019-07-18 | パイオニア株式会社 | Determination device, determination method, and determination program |
US20210118183A1 (en) * | 2019-10-16 | 2021-04-22 | Automotive Research & Testing Center | Method and system for generating dynamic map information capable of providing environment information |
WO2021106207A1 (en) * | 2019-11-29 | 2021-06-03 | 日本電気株式会社 | Measurement device, information processing device, data specification method, and non-transitory computer-readable medium |
JP2022015113A (en) * | 2020-07-08 | 2022-01-21 | 三菱重工業株式会社 | Display information creation device, display system, and display information creation method |
Also Published As
Publication number | Publication date |
---|---|
JP7392221B2 (en) | 2023-12-06 |
JP2023178490A (en) | 2023-12-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11527084B2 (en) | Method and system for generating a bird's eye view bounding box associated with an object | |
CN108572663B (en) | Target tracking | |
US10318822B2 (en) | Object tracking | |
CN109466548B (en) | Ground reference determination for autonomous vehicle operation | |
JP7090597B2 (en) | Methods and systems for generating and using location reference data | |
US11915099B2 (en) | Information processing method, information processing apparatus, and recording medium for selecting sensing data serving as learning data | |
CN110926474B (en) | Satellite/vision/laser combined urban canyon environment UAV positioning and navigation method | |
CN110873570B (en) | Method and apparatus for sourcing, generating and updating a map representing a location | |
US10909395B2 (en) | Object detection apparatus | |
CN110503040B (en) | Obstacle detection method and device | |
US20150142248A1 (en) | Apparatus and method for providing location and heading information of autonomous driving vehicle on road within housing complex | |
上條俊介 et al. | Autonomous vehicle technologies: Localization and mapping | |
KR20200001471A (en) | Apparatus and method for detecting lane information and computer recordable medium storing computer program thereof | |
WO2019026714A1 (en) | Information processing device, information processing method, program and mobile unit | |
CN112292582A (en) | Method and system for generating high definition map | |
CN114459467B (en) | VI-SLAM-based target positioning method in unknown rescue environment | |
US11377125B2 (en) | Vehicle rideshare localization and passenger identification for autonomous vehicles | |
WO2022083529A1 (en) | Data processing method and apparatus | |
US11561553B1 (en) | System and method of providing a multi-modal localization for an object | |
Aggarwal | GPS-based localization of autonomous vehicles | |
US11620832B2 (en) | Image based locationing | |
JP7392221B2 (en) | object recognition system | |
KR101700764B1 (en) | Method for Autonomous Movement and Apparatus Thereof | |
Dehbi et al. | Improving gps trajectories using 3d city models and kinematic point clouds | |
Gu et al. | SLAM with 3dimensional-GNSS |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220329 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220330 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230425 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230622 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230808 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231003 |
|
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: 20231024 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7392221 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |