JP6529855B2 - Moving object and its obstacle detection method - Google Patents

Moving object and its obstacle detection method Download PDF

Info

Publication number
JP6529855B2
JP6529855B2 JP2015156962A JP2015156962A JP6529855B2 JP 6529855 B2 JP6529855 B2 JP 6529855B2 JP 2015156962 A JP2015156962 A JP 2015156962A JP 2015156962 A JP2015156962 A JP 2015156962A JP 6529855 B2 JP6529855 B2 JP 6529855B2
Authority
JP
Japan
Prior art keywords
human
obstacle
low
area
degree
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2015156962A
Other languages
Japanese (ja)
Other versions
JP2017036945A (en
Inventor
強 寺内
強 寺内
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IHI Corp
IHI Aerospace Co Ltd
Original Assignee
IHI Corp
IHI Aerospace Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by IHI Corp, IHI Aerospace Co Ltd filed Critical IHI Corp
Priority to JP2015156962A priority Critical patent/JP6529855B2/en
Publication of JP2017036945A publication Critical patent/JP2017036945A/en
Application granted granted Critical
Publication of JP6529855B2 publication Critical patent/JP6529855B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Description

本発明は、地上を走行可能な移動体とその障害物検出方法に関する。   The present invention relates to a movable body capable of traveling on the ground and a method of detecting an obstacle thereof.

移動体に搭載されその走行領域を検査する手段として、例えば特許文献１〜４が開示されている。   For example, Patent Documents 1 to 4 are disclosed as means for mounting on a moving body and inspecting the traveling area thereof.

特許文献１の「移動ロボットの走行領域判別装置及び走行領域判別方法」は、移動ロボットのレーザレンジファインダで得た形状データから複数の幾何的な特徴量を抽出する。次に、特徴量からあらかじめ作成した事前データを教師データとする分類器を適用して移動ロボットの前方側の領域を走行可能領域及び障害による走行不能領域に区分する。また走行領域が屋外不整地である場合において、轍などの微かな車両通過跡に沿った経路を走行可能領域として処理する。   The “traveling area determination apparatus and traveling area determination method of mobile robot” of Patent Document 1 extracts a plurality of geometric feature quantities from shape data obtained by a laser range finder of the mobile robot. Next, a classifier using teacher data as preliminary data created in advance from feature amounts is applied to classify the area on the front side of the mobile robot into a travelable area and a travel impossible area due to a fault. In addition, when the traveling area is an outdoor rough area, a route along a trace of a slight vehicle passage such as a weir is processed as a traveling area.

特許文献２の「走行可能領域検出装置及びプログラム」は、取得した画像の各点を、局所領域内の輝度値の変化の極大点及び極小点の一方を０度、他方を１８０度で表したときの各点の局所位相を含むモノジェニック信号に変換する。次に、局所位相が９０度に近いほど小さくなる局所コストを、走行可能領域の左端に相当する点と、走行可能領域の右端に相当する点との組み合わせ毎に算出する。次いで、画像上での走行可能領域の形状に基づいて、経路を構成する各点が連続する方向に制限を設けた複数の経路各々に沿って、局所コストを累積した累積コストを算出し、累積コストが最小となる最適経路を探索する。さらに、最適経路に基づいて、走行可能領域を検出する。   The "travelable area detection device and program" of Patent Document 2 represents each point of the acquired image by representing one of the maximum point and the minimum point of the change in luminance value in the local area at 0 degrees and the other at 180 degrees. Convert to a monogenic signal containing the local phase of each point of time. Next, a local cost which decreases as the local phase approaches 90 degrees is calculated for each combination of a point corresponding to the left end of the travelable area and a point corresponding to the right end of the travelable area. Then, based on the shape of the travelable area on the image, the accumulated cost obtained by accumulating the local costs is calculated along each of a plurality of routes which are restricted in the direction in which the points constituting the route continue. Search for the optimal path with the lowest cost. Furthermore, the travelable area is detected based on the optimum route.

特許文献３の「レーザレーダ装置」には偏向部材が設けられ、この偏向部材は、偏向部からのレーザ光を基準面に向けて偏向し、かつこのレーザ光が基準面にて反射した第２反射光を回動偏向機構に向けて偏向している。また、レーザレーダ装置は、偏向部が第１回動範囲にあるときには、レーザ光の発生から第１反射光が検出されるまでの第１時間を検出し、偏向部が第２回動範囲にあるときには、レーザ光の発生から第２反射光が検出されるまでの第２時間を検出する。レーザレーダ装置は、さらに傾斜センサによってレーザレーダ装置の設置角度を検出する。   In the “laser radar device” of Patent Document 3, a deflection member is provided, and the deflection member deflects the laser beam from the deflection unit toward the reference surface, and the laser beam is reflected by the reference surface. The reflected light is deflected toward the rotational deflection mechanism. Further, when the deflection unit is in the first rotation range, the laser radar device detects a first time from generation of laser light to detection of the first reflected light, and the deflection unit is in the second rotation range. At a certain time, a second time from the generation of the laser light to the detection of the second reflected light is detected. The laser radar device further detects the installation angle of the laser radar device by the tilt sensor.

特許文献４の「車両周囲環境検出装置」は、車両は、レーザ光の反射信号を受光して、車両周囲の物体を検出するレーザレーダと、外界認識装置とを備える。外界認識装置は、物体の動きを検出する動き検出機能、受光状態を検出する受信状態検出機能、並びにレーザレーダが検出した物体が人間である確度を算出する確度算出機能を有する。   The vehicle surrounding environment detection apparatus of patent document 4 is provided with the laser radar which light-receives the reflected signal of a laser beam, and detects the object around a vehicle, and an external world recognition apparatus. The external world recognition device has a motion detection function that detects a motion of an object, a reception state detection function that detects a light reception state, and a probability calculation function that calculates the probability that the object detected by the laser radar is a human.

特許第５０８３５４３号公報Patent No. 5083543 特開２０１３−３８００号公報JP, 2013-3800, A 特開２０１０−１５１７８８号公報Unexamined-Japanese-Patent No. 2010-151788 特開２００９−２０８６７６号公報JP, 2009-208676, A

移動体（例えば移動ロボット）が無舗装路を走行する場合、従来は、レーザレンジファインダで検出した障害物に高さの閾値を設定している。例えば、この閾値未満の障害物（低障害物）を轍などと判別し、轍などの微かな車両通過跡に沿った経路を走行可能領域として処理する。高さの閾値は、例えば０．２３ｍである。   When a mobile body (for example, a mobile robot) travels on a non-paved road, conventionally, a threshold of height is set for an obstacle detected by a laser range finder. For example, an obstacle (low obstacle) below this threshold value is determined as a trap and the like, and a route along a trace of a slight vehicle passage such as a trap is treated as a travelable area. The threshold of height is 0.23 m, for example.

しかし、検出した障害物が人間であり、かつ高さの閾値未満の横臥状態である場合、上述の処理では、轍などと同様に走行可能領域として処理し、人間に危害を与えてしまう可能性があった。   However, if the detected obstacle is a human being and lying down below the height threshold, in the above-mentioned process, it may be treated as a drivable area in the same manner as a car, etc., possibly harming human beings. was there.

また、特許文献３，４では、検出された物体の形状の変化、すなわち物体の前後の動きに基づいて人間である確度を算出するので、人間であっても意図的に又は怪我などで静止している場合には、人間として検出されない可能性があった。   Further, in Patent Documents 3 and 4, since the probability of being a human is calculated based on the change in the shape of the detected object, that is, the back and forth movement of the object, even a human being intentionally stops due to injury or the like. If it is, it may not be detected as a human being.

さらに、移動体が走行可能な種々の低障害物の特徴量を学習して、低障害物のうち人間のみを検出するには、多数の低障害物の特徴量を学習させる必要がある。   Furthermore, it is necessary to learn many feature quantities of low obstacles in order to learn feature quantities of various low obstacles that can be traveled by a moving object and detect only human among low obstacles.

本発明は上述した問題点を解決するために創案されたものである。すなわち本発明の目的は、横臥状態で静止している人間又は人間である可能性が高い物体を、高い確率で検出することができる移動体とその人間検出方法を提供することにある。   The present invention has been made to solve the above-mentioned problems. That is, an object of the present invention is to provide a moving object and its human detection method capable of detecting with high probability a human or a human likely to be stationary in a lying state.

本発明によれば、（Ａ）レーザレーダ装置で検出された障害物の高さから走行閾値未満の低障害物を抽出し、
（Ｂ）前記低障害物の長さ、幅、面積、又は周長を含む特徴量を算出し、
（Ｃ）前記特徴量から前記低障害物が人間である可能性を示す人間らしさ度を算出し、
（Ｄ）前記人間らしさ度から前記可能性の高い前記低障害物を走行不能領域とする、ことを特徴とする障害物検出方法が提供される。 According to the present invention, (A) low obstacles below the travel threshold are extracted from the heights of obstacles detected by the laser radar device;
(B) calculating a feature including the length, width, area, or circumference of the low obstacle;
(C) calculating the degree of human likeness indicating the possibility that the low obstacle is human from the feature amount;
(D) An obstacle detection method is provided, which is characterized in that the low obstacle with high possibility from the human likeness is regarded as a non-travelable area.

前記人間らしさ度は、人間の長さ、幅、面積、又は周長の平均値と標準偏差に基づくメンバーシップ値であり、
前記メンバーシップ値の積、和、最小値、又は最大値が閾値を超える場合に、前記低障害物を前記走行不能領域と判定する。 The degree of human likeness is a membership value based on the average value and standard deviation of human length, width, area or circumference,
If the product, sum, minimum value, or maximum value of the membership values exceeds a threshold value, the low obstacle is determined to be the untravelable area.

また本発明によれば、路面に対し鉛直な鉛直軸を中心に回転して周囲の路面を計測するレーザレーダ装置と、
前記レーザレーダ装置の検出データに基づき、車両を制御する自律制御装置と、を備え、
前記自律制御装置は、
（Ａ）前記レーザレーダ装置で検出された障害物の高さから走行閾値未満の低障害物を抽出し、
（Ｂ）前記低障害物の長さ、幅、面積、又は周長を含む特徴量を算出し、
（Ｃ）前記特徴量から前記低障害物が人間である可能性を示す人間らしさ度を算出し、
（Ｄ）前記人間らしさ度から前記可能性の高い前記低障害物を走行不能領域とする、ことを特徴とする移動体が提供される。 Further, according to the present invention, there is provided a laser radar device which measures a surrounding road surface by rotating around a vertical axis perpendicular to the road surface;
An autonomous control device for controlling a vehicle based on detection data of the laser radar device;
The autonomous control device
(A) Extract low obstacles less than a travel threshold from heights of obstacles detected by the laser radar device;
(B) calculating a feature including the length, width, area, or circumference of the low obstacle;
(C) calculating the degree of human likeness indicating the possibility that the low obstacle is human from the feature amount;
(D) A movable body is provided, wherein the low obstacle with the high possibility from the human likeness is set as a non-travelable area.

本発明によれば、レーザレーダ装置で検出された低障害物の特徴量から低障害物が人間である可能性を示す「人間らしさ度」を算出し、この人間らしさ度から人間である可能性の高い低障害物を走行不能領域とする。
従って、横臥状態で静止している人間又は人間である可能性が高い物体を、走行不能領域として高い確率で検出することができる。
これにより、人間ではない低障害物を検出し、無舗装路であってもスムーズな走行が可能となる。 According to the present invention, the "humanity degree" indicating the possibility that the low obstacle is human is calculated from the feature quantity of the low obstacle detected by the laser radar device, and the human possibility from the humanness degree And low obstacles in the area are considered as impassable areas.
Therefore, it is possible to detect a human being stationary in a lying state or an object likely to be a human being as a non-travelable area with high probability.
This makes it possible to detect low obstacles that are not human and enable smooth travel even on unpaved roads.

本発明による移動体の全体構成図である。It is a whole block diagram of the mobile by this invention. 本発明の人間検出方法を示す全体フロー図である。It is a whole flow figure showing the human detection method of the present invention. ステップＳ２の処理フロー図である。It is a processing flow figure of Step S2. 走行可能度の説明図である。It is explanatory drawing of a driving possibility. 特徴量Ｘとメンバーシップ値（ＭＳ値）との関係図である。It is a related figure of the feature-value X and a membership value (MS value).

以下、本発明の好ましい実施形態を添付図面に基づいて詳細に説明する。なお、各図において共通する部分には同一の符号を付し、重複した説明を省略する。   Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the attached drawings. In addition, the same code | symbol is attached | subjected to the part which is common in each figure, and the duplicate description is abbreviate | omitted.

図１は、本発明による移動体１０の全体構成図である。
本発明の移動体１０は、地上を走行可能であり、レーザレーダ装置１２と自律制御装置１４を備える。
この図において、移動体１０は、クローラを備えているが、クローラの代わりに車輪であってもよい。移動体１０は、例えば移動ロボット、自律走行可能な半自律走行車、遠隔操縦可能な無人作業車、などである。 FIG. 1 is an overall block diagram of a mobile unit 10 according to the present invention.
The mobile unit 10 of the present invention is capable of traveling on the ground, and includes a laser radar device 12 and an autonomous control device 14.
In this figure, the moving body 10 is provided with a crawler, but may be a wheel instead of the crawler. The mobile body 10 is, for example, a mobile robot, a semi-autonomous traveling vehicle capable of autonomous traveling, an unmanned working vehicle capable of remote control, and the like.

レーザレーダ装置１２は、路面１に対し鉛直な鉛直軸２を中心に回転して周囲の路面１を計測するレーザレンジファインダである。路面１は、無舗装路であってもよい。
レーザレーダ装置１２は、レーザ光３を用いて進行方向における地形の凹凸を検出し、移動体１０の進行方向前方の障害物４の位置を検出する。 The laser radar device 12 is a laser range finder that rotates around a vertical axis 2 perpendicular to the road surface 1 and measures the road surface 1 therearound. The road surface 1 may be a non-paved road.
The laser radar device 12 detects the unevenness of the terrain in the traveling direction using the laser light 3 and detects the position of the obstacle 4 ahead of the moving body 10 in the traveling direction.

レーザレーダ装置１２は、それぞれ複数対の投光器と受光器を有し、それぞれの投光器と受光器は、それぞれ独立してレーザ光３を照射（投光）して受光する。なお、好ましくは、複数のレーザ光３は、時間をずらして１つずつ発光して照射する。   The laser radar device 12 has a plurality of pairs of light projectors and light receivers, and the light projectors and the light receivers independently emit (project) laser light 3 and receive light. Preferably, the plurality of laser beams 3 are emitted one by one at different times and irradiated.

上述したレーザレーダ装置１２は、例えば、６４対の投光器と受光器を内蔵し、垂直視野２６．８°、最大測定距離約１００〜１２０ｍ、測定精度＋／−約２ｃｍ（水平距離２５ｍの位置において）である。   The laser radar device 12 described above incorporates, for example, 64 pairs of light emitters and light receivers, and has a vertical field of view of 26.8 °, a maximum measurement distance of about 100 to 120 m, and a measurement accuracy of about 2 cm (horizontal distance 25 m ).

自律制御装置１４は、制御用コンピュータ（ＰＣ）であり、レーザレーダ装置１２の検出データに基づき、車両１６を制御する。
車両１６は、移動速度測定用の車速パルス、操舵用アクチュエータ、ブレーキ／アクセル用アクチュエータなどを備え、車速を検出し、自律制御装置１４からの指令により走行し操舵し、車速を減速又は加速できるようになっている。 The autonomous control device 14 is a control computer (PC), and controls the vehicle 16 based on detection data of the laser radar device 12.
The vehicle 16 includes a vehicle speed pulse for moving speed measurement, a steering actuator, a brake / accelerator actuator, etc., detects the vehicle speed, travels and steers according to a command from the autonomous control device 14, and can decelerate or accelerate the vehicle speed. It has become.

また、自律制御装置１４は、本発明による障害物検出方法を実行する。
図２は、本発明の障害物検出方法を示す全体フロー図である。
この図において、本発明の障害物検出方法は、Ｓ１〜Ｓ７の各ステップ（工程）を有する。 In addition, the autonomous control device 14 executes the obstacle detection method according to the present invention.
FIG. 2 is an overall flow chart showing an obstacle detection method of the present invention.
In this figure, the obstacle detection method of the present invention includes the steps S1 to S7.

ステップＳ１では、移動体１０の現在位置、経由地点及び障害物４を含む局所地図を作成する。   In step S1, a local map including the current position of the mobile object 10, the waypoint and the obstacle 4 is created.

ステップＳ２では、レーザレーダ装置１２で検出された障害物４の高さから走行閾値未満の低障害物５を抽出する。走行閾値は、例えば、車両１６の最低地上高又はそれ以下に設定する。   In step S2, the low obstacle 5 less than the travel threshold is extracted from the height of the obstacle 4 detected by the laser radar device 12. The travel threshold is set to, for example, the minimum ground clearance of the vehicle 16 or less.

図３は、ステップＳ２の処理フロー図である。この図において、ステップＳ２は、Ｓ２１〜Ｓ２４の各ステップ（工程）を有する。
ステップＳ２１では、低障害物５があるか否かを判断する。ない場合（ＮＯ）には、ステップＳ２は終了し、ステップＳ６に移る。
低障害物５がある場合（ＹＥＳ）には、ステップＳ２２で走行可能度が閾値未満か否かを判断する。閾値以上の場合（ＮＯ）にはステップＳ２は終了し、ステップＳ６に移る。
低障害物５の周囲の計測点において、走行可能度が閾値未満の場合（ＹＥＳ）には、ステップＳ２３で低障害物フラグをＯＮし、低障害物５として抽出する。すなわち、低障害物５の走行可能度が閾値未満であることを記憶する。
ステップＳ２４では、抽出した低障害物５をグルーピングする。すなわち、走行可能度が閾値未満であるものと、閾値以上のものとをグループ分けする。 FIG. 3 is a processing flow diagram of step S2. In this figure, step S2 has each step (process) of S21-S24.
In step S21, it is determined whether the low obstacle 5 is present. If not (NO), step S2 ends, and the process moves to step S6.
If the low obstacle 5 is present (YES), it is determined in step S22 whether the drivability is less than a threshold. When it is above the threshold value (NO), step S2 ends, and the process moves to step S6.
If the drivability is less than the threshold at the measurement points around the low obstacle 5 (YES), the low obstacle flag is turned on in step S23, and the low obstacle 5 is extracted. In other words, it stores that the drivability of the low obstacle 5 is less than the threshold.
In step S24, the extracted low obstacles 5 are grouped. That is, the one having the drivability lower than the threshold and the one having the threshold higher than the threshold are divided into groups.

ステップＳ２の目的は人間らしい計測点のグループを抽出することにある。すなわち、走行可能度が閾値以下（走行しにくい）の計測点のみ抽出し、人間の可能性が高い低障害物の計測点のグループを抽出する。
なお、走行可能度が閾値以上の計測点まで使用すると、全ての計測点を抽出することになり、計測点のグループを抽出できない。 The purpose of step S2 is to extract a group of human-like measurement points. That is, only the measurement points at which the driving possibility is equal to or less than the threshold (the vehicle hardly travels) are extracted, and a group of measurement points of low obstacles with high human possibility is extracted.
In addition, if it uses to the measurement point whose runability is more than a threshold value, all the measurement points will be extracted and it can not extract the group of a measurement point.

すなわち、まず、車両１６の最低地上高以下の障害物（低障害物５）を検出する。このとき、低障害物５の走行可能度はゼロ（最低値）である。
次に、低障害物５の周囲の計測点について、走行可能度が閾値未満の計測点を低障害物５として、膨張させる。これにより路面１ではなく、低障害物５と少し高い計測点をグルーピングして人間らしさ度Ｙを算出する。
ここで、「低障害物５の膨張」とは、レーザレーダ装置１２では、例えば倒れている人間の胴体部分を検知しているので、さらにその人間の周囲（頭、腕、足等）を計測し、グルーピングすることでそのグループが人間と認識される、ことを意味する。その大きさにより障害物が複数の人間であるかを判断する。
車両１６の最低地上高以下の低障害物５であっても、走行可能度が閾値以上であれば、人間の可能性はない（低い）として、人間らしさ度Ｙは算出しない。 That is, first, an obstacle (low obstacle 5) below the ground clearance of the vehicle 16 is detected. At this time, the drivability of the low obstacle 5 is zero (minimum value).
Next, the measurement points around the low obstacle 5 are expanded as the low obstacle 5 at the measurement points whose drivability is less than the threshold. As a result, not the road surface 1 but the low obstacle 5 and a slightly higher measurement point are grouped to calculate the human likeness degree Y.
Here, “expansion of the low obstacle 5” means, for example, that the torso portion of a falling human being is detected by the laser radar device 12, so that the surroundings (head, arms, legs, etc.) of the human are measured. Grouping means that the group is recognized as human. The size determines whether the obstacle is a plurality of people.
Even if it is the low obstacle 5 below the lowest ground height of the vehicle 16, if the drivability is above the threshold value, the human likeness degree Y is not calculated as human possibility (not low).

図４は、走行可能度の説明図である。走行可能度とは走行可能性の高さを示す度合であり、数値が高いほど容易に走行できることを意味する。
この図において、（Ａ）はレーザレーダ装置１２による障害物４の検出図であり、（Ｂ）は高さの差による走行可能度、（Ｃ）は路面１の勾配による走行可能度を示している。 FIG. 4 is an explanatory view of the travelability. The drivability is a degree indicating the height of the drivability, and means that the higher the value, the easier the drivability.
In this figure, (A) is a detection diagram of the obstacle 4 by the laser radar device 12, (B) shows the drivability by the difference in height, and (C) shows the drivability by the slope of the road surface 1. There is.

図４（Ｂ）に示すように、障害物４の高さ（図で点ａと点ｂの高さの差）が大きいほど、高さの差による走行可能度（すなわち走行可能性）は低下する。また、図４（Ｃ）に示すように、勾配が大きいほど、勾配による走行可能度（すなわち走行可能性）は低下する。
従って、移動体１０の走行可能性を示す走行可能度は、図４（Ｂ）（Ｃ）の走行可能度の積に比例する。 As shown in FIG. 4B, the larger the height of the obstacle 4 (the difference between the heights of the points a and b in the figure), the lower the drivability (i.e., drivability) due to the difference in height. Do. Further, as shown in FIG. 4C, the greater the gradient, the lower the drivability (ie, drivability) by the gradient.
Therefore, the drivability indicating the drivability of the moving object 10 is proportional to the product of the drivability of FIGS. 4 (B) and 4 (C).

図２のステップＳ３では、低障害物５の長さ、幅、面積、又は周長を含む特徴量Ｘを算出する。
ステップＳ４では、特徴量Ｘから低障害物５が人間である可能性を示す人間らしさ度Ｙを算出する。 In step S3 of FIG. 2, the feature amount X including the length, width, area, or circumference of the low obstacle 5 is calculated.
In step S4, a human likeness degree Y indicating the possibility that the low obstacle 5 is a human is calculated from the feature amount X.

図５は、特徴量Ｘとメンバーシップ値（ＭＳ値）との関係図である。以下、メンバーシップ関数から求まるファジー理論におけるメンバーシップ値をＭＳ値と略称する。
この図において、（Ａ）は長さ、（Ｂ）は幅、（Ｃ）は面積、（Ｄ）は周長とＭＳ値との関係図である。なお各図における右側の図は、人間の長さ、幅、面積、及び周長を模式的に示している。
図５（Ａ）（Ｂ）（Ｃ）（Ｄ）に示すように、人間の長さ、幅、面積、及び周長は、統計学上の正規分布で近似することができる。人間であれば、これらの値は、有限な範囲に分布を持ち、完全な正規分布ではないが、多数及び対象の人間の形態が比較的自由に変形し得るので、数値データが分布している部分は正規分布の広がりに近くなると考えられる。
なお、この場合、平均値μと標準偏差σの値はそれぞれ相違する。しかし、予めデータを集めることで統計的に求めることができる。
統計学上の正規分布において、平均値μに対して＋／−σの範囲に６８％以上、＋／−２σの範囲に９５％以上、＋／−３σの範囲に９９％以上が含まれることが知られている。 FIG. 5 is a diagram showing the relationship between the feature amount X and the membership value (MS value). Hereinafter, the membership value in the fuzzy logic obtained from the membership function is abbreviated as an MS value.
In this figure, (A) is a length, (B) is a width, (C) is an area, and (D) is a relationship diagram between perimeter and MS value. The figures on the right side of each figure schematically show the length, width, area, and circumference of a human.
As shown in FIGS. 5A, 5B, 5C, and 5D, the length, width, area, and perimeter of a human can be approximated by a statistical normal distribution. In the case of humans, these values have a distribution in a finite range and are not perfect normal distribution, but numerical data are distributed because many and target human forms can be deformed relatively freely. The part is considered to be close to the spread of the normal distribution.
In this case, the average value μ and the value of the standard deviation σ are different. However, it can be determined statistically by collecting data in advance.
In the statistical normal distribution, 68% or more in the range of +/− σ, 95% or more in the range of ± 2σ, and 99% or more in the range of ± 3σ with respect to the mean value μ It has been known.

なお、図５（Ａ）〜図５（Ｄ）は例示であり、対象とする人間の性別、年齢、国籍、などを考慮して、予めデータを取得し記憶しておくことが好ましい。   5A to 5D are examples, and it is preferable to obtain and store data in advance in consideration of gender, age, nationality, and the like of a target human being.

図２のステップＳ４では、図５からそれぞれのＭＳ値を算出し、すべてのＭＳ値の積、和、最小値、又は最大値を人間らしさ度Ｙとする。
従って、人間らしさ度Ｙの最大値は１．０、最小値は０であり、人間らしさ度Ｙが高いほど人間である可能性が高いといえる。 In step S4 of FIG. 2, each MS value is calculated from FIG. 5, and the product, the sum, the minimum value, or the maximum value of all the MS values is set as the human likeness degree Y.
Therefore, the maximum value of the humanness degree Y is 1.0 and the minimum value is 0, and it can be said that the higher the humanness degree Y, the higher the possibility of being a human being.

図２のステップＳ５では、人間らしさ度Ｙから人間である可能性の高い低障害物５ａを検出する。
すなわち、すべてのＭＳ値の積、和、最小値、又は最大値を予め設定した閾値（人間的閾値）と比較し、その値が閾値を超える場合に、人間である可能性が高い低障害物５ａを走行不能領域と判定する。
閾値は、０から１．０の間の正数であり、任意に設定する。 In step S5 of FIG. 2, the low obstacle 5a which is likely to be a human is detected from the human likeness degree Y.
That is, the product, sum, minimum value, or maximum value of all MS values is compared with a preset threshold (human threshold), and if the value exceeds the threshold, a low obstacle that is likely to be human 5a is determined to be an untravelable area.
The threshold is a positive number between 0 and 1.0, and is arbitrarily set.

ステップＳ６では、低障害物５ａを低障害物５から削除して局所地図を更新する。すなわち、低障害物５ａは低障害物５でなく、走行ができない障害物４として扱う。
従って、更新した局所地図に含まれる低障害物５は、人間である可能性がほとんどないので、轍などと同様に走行可能領域として処理する。
ステップＳ７では、更新した局所地図を送信する。この送信先は、例えば自律制御装置１４又は遠隔制御装置である。 In step S6, the low obstacle 5a is deleted from the low obstacle 5, and the local map is updated. That is, the low obstacle 5a is not the low obstacle 5 and is treated as the obstacle 4 which can not be run.
Therefore, since the low obstacle 5 included in the updated local map has almost no possibility of being a human, it is treated as a drivable area in the same manner as a bag or the like.
In step S7, the updated local map is transmitted. This transmission destination is, for example, an autonomous control device 14 or a remote control device.

上述した本発明によれば、レーザレーダ装置１２で検出された低障害物５の特徴量Ｘから低障害物５が人間である可能性を示す「人間らしさ度Ｙ」を算出し、この人間らしさ度Ｙから人間である可能性の高い低障害物を走行不能領域とする。
従って、横臥状態で静止している人間又は人間である可能性が高い物体を、走行不能領域として高い確率で検出することができる。
これにより、人間ではない低障害物５を検出し、無舗装路であってもスムーズな走行が可能となる。 According to the present invention described above, the “human-likeness degree Y” indicating the possibility that the low obstacle 5 is a human is calculated from the feature amount X of the low obstacle 5 detected by the laser radar device 12 From the degree Y, a low obstacle likely to be a human being is regarded as a non-travelable area.
Therefore, it is possible to detect a human being stationary in a lying state or an object likely to be a human being as a non-travelable area with high probability.
Thereby, the low obstacle 5 which is not human is detected, and even if it is an unpaved road, a smooth run is attained.

なお本発明は上述した実施の形態に限定されず、本発明の要旨を逸脱しない範囲で種々変更を加え得ることは勿論である。   The present invention is not limited to the above-described embodiment, and it goes without saying that various modifications can be made without departing from the scope of the present invention.

Ｘ 特徴量、Ｙ 人間らしさ度、ＭＳ値 メンバーシップ値、
１ 路面、２ 鉛直軸、３ レーザ光、４ 障害物、５ 低障害物、
５ａ 低障害物、１０ 移動体、１２ レーザレーダ装置、
１４ 自律制御装置、１６ 車両 X feature amount, Y humanness degree, MS value membership value,
1 road surface, 2 vertical axes, 3 laser light, 4 obstacles, 5 low obstacles,
5a Low obstacles, 10 moving objects, 12 laser radar devices,
14 autonomous control devices, 16 vehicles

Claims (3)

（Ａ）レーザレーダ装置で検出された障害物の高さから走行閾値未満の低障害物を抽出し、
（Ｂ）前記低障害物の長さ、幅、面積、又は周長を含む特徴量を算出し、
（Ｃ）前記特徴量から前記低障害物が人間である可能性を示す人間らしさ度を算出し、
（Ｄ）前記人間らしさ度から前記可能性の高い前記低障害物を走行不能領域とする、ことを特徴とする障害物検出方法。 (A) Extract low obstacles below the driving threshold from the heights of obstacles detected by the laser radar device,
(B) calculating a feature including the length, width, area, or circumference of the low obstacle;
(C) calculating the degree of human likeness indicating the possibility that the low obstacle is human from the feature amount;
(D) An obstacle detection method characterized in that the low obstacle with the high possibility from the degree of human likeness is made into a non-travelable area. 前記人間らしさ度は、人間の長さ、幅、面積、又は周長の平均値と標準偏差に基づくメンバーシップ値であり、
前記メンバーシップ値の積、和、最小値、又は最大値が閾値を超える場合に、前記低障害物を前記走行不能領域と判定する、ことを特徴とする請求項１に記載の障害物検出方法。 The degree of human likeness is a membership value based on the average value and standard deviation of human length, width, area or circumference,
The obstacle detection method according to claim 1, wherein the low obstacle is determined to be the untravelable area when the product, sum, minimum or maximum value of the membership values exceeds a threshold. . 路面に対し鉛直な鉛直軸を中心に回転して周囲の路面を計測するレーザレーダ装置と、
前記レーザレーダ装置の検出データに基づき、車両を制御する自律制御装置と、を備え、
前記自律制御装置は、
（Ａ）前記レーザレーダ装置で検出された障害物の高さから走行閾値未満の低障害物を抽出し、
（Ｂ）前記低障害物の長さ、幅、面積、又は周長を含む特徴量を算出し、
（Ｃ）前記特徴量から前記低障害物が人間である可能性を示す人間らしさ度を算出し、
（Ｄ）前記人間らしさ度から前記可能性の高い前記低障害物を走行不能領域とする、ことを特徴とする移動体。 A laser radar device that measures around the road surface by rotating around a vertical axis perpendicular to the road surface;
An autonomous control device for controlling a vehicle based on detection data of the laser radar device;
The autonomous control device
(A) Extract low obstacles less than a travel threshold from heights of obstacles detected by the laser radar device;
(B) calculating a feature including the length, width, area, or circumference of the low obstacle;
(C) calculating the degree of human likeness indicating the possibility that the low obstacle is human from the feature amount;
(D) A mobile object characterized in that the low obstacle with the high possibility from the human likeness degree is a non-travelable area.
JP2015156962A 2015-08-07 2015-08-07 Moving object and its obstacle detection method Active JP6529855B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2015156962A JP6529855B2 (en) 2015-08-07 2015-08-07 Moving object and its obstacle detection method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2015156962A JP6529855B2 (en) 2015-08-07 2015-08-07 Moving object and its obstacle detection method

Publications (2)

Publication Number Publication Date
JP2017036945A JP2017036945A (en) 2017-02-16
JP6529855B2 true JP6529855B2 (en) 2019-06-12

Family

ID=58048630

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2015156962A Active JP6529855B2 (en) 2015-08-07 2015-08-07 Moving object and its obstacle detection method

Country Status (1)

Country Link
JP (1) JP6529855B2 (en)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7192563B2 (en) * 2019-02-21 2022-12-20 新東工業株式会社 autonomous mobile robot
CN113325832B (en) * 2020-02-28 2023-08-11 杭州萤石软件有限公司 Movable robot obstacle avoidance method and movable robot
CN111578932B (en) * 2020-05-28 2021-12-24 长沙中联重科环境产业有限公司 Image establishing method, device, medium and equipment based on multi-line laser radar
CN113296118B (en) * 2021-05-24 2023-11-24 江苏盛海智能科技有限公司 Unmanned obstacle detouring method and terminal based on laser radar and GPS

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3729025B2 (en) * 2000-06-09 2005-12-21 日産自動車株式会社 Pedestrian detection device
JP4645108B2 (en) * 2004-09-09 2011-03-09 パナソニック電工株式会社 Autonomous mobile device
JP4887849B2 (en) * 2006-03-16 2012-02-29 日産自動車株式会社 Vehicle obstacle detection device, road obstacle detection method, and vehicle with road obstacle detection device
JP5083543B2 (en) * 2008-01-23 2012-11-28 株式会社Ｉｈｉ Traveling area discrimination device and traveling area discrimination method for mobile robot
WO2010024281A1 (en) * 2008-08-28 2010-03-04 有限会社ラムロック映像技術研究所 Monitoring system
JP2011186584A (en) * 2010-03-05 2011-09-22 Daihatsu Motor Co Ltd Object recognition apparatus
KR101550972B1 (en) * 2013-09-25 2015-09-07 현대자동차주식회사 Apparatus and Method for Extracting of Feature Point for Recognize of Obstacle using Laser Scanner

Also Published As

Publication number Publication date
JP2017036945A (en) 2017-02-16

Similar Documents

Publication Publication Date Title
US11216004B2 (en) Map automation—lane classification
US11474532B2 (en) Systems and methods for detecting anomalies in a vehicle system
US11216000B2 (en) System and method for estimating lane prediction errors for lane segments
JP5112666B2 (en) Mobile device
JP2023511755A (en) Object velocity and/or yaw rate detection and tracking
US11898855B2 (en) Assistance control system that prioritizes route candidates based on unsuitable sections thereof
US10369993B2 (en) Method and device for monitoring a setpoint trajectory to be traveled by a vehicle for being collision free
US10553117B1 (en) System and method for determining lane occupancy of surrounding vehicles
JP6529855B2 (en) Moving object and its obstacle detection method
US11161501B2 (en) System and method for optimizing a path for obstacle evasion for a vehicle
US10933880B2 (en) System and method for providing lane curvature estimates
JP2010134742A (en) Movement control device having obstacle avoiding function
JP2024014875A (en) Object localization for autonomous driving by visual tracking and image reprojection
KR20200084938A (en) Method and Apparatus for Planning Car Motion
US11200679B1 (en) System and method for generating a probability distribution of a location of an object
JP5781126B2 (en) Obstacle determination device, autonomous mobile device, and obstacle determination method
CN113544538A (en) Identifying radar reflections using velocity and position information
US20220410882A1 (en) Intersection collision mitigation risk assessment model
US11775615B2 (en) System and method for tracking detected objects
US11615268B2 (en) System and method for optimizing performance of a model performing a downstream task
US20220180170A1 (en) Systems and methods for trajectory forecasting according to semantic category uncertainty
US11037324B2 (en) Systems and methods for object detection including z-domain and range-domain analysis
Kuhnt et al. Lane-precise localization of intelligent vehicles using the surrounding object constellation
US20230351739A1 (en) Network for multisweep 3d detection
Bigaj et al. Low Time Complexity Collision Avoidance Method for Autonomous Mobile Robots

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20180611

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20190418

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: 20190508

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20190515

R150 Certificate of patent or registration of utility model

Ref document number: 6529855

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

S111 Request for change of ownership or part of ownership

Free format text: JAPANESE INTERMEDIATE CODE: R313117

R350 Written notification of registration of transfer

Free format text: JAPANESE INTERMEDIATE CODE: R350