JP7276762B2 - Risk estimation device and program - Google Patents
Risk estimation device and program Download PDFInfo
- Publication number
- JP7276762B2 JP7276762B2 JP2018225677A JP2018225677A JP7276762B2 JP 7276762 B2 JP7276762 B2 JP 7276762B2 JP 2018225677 A JP2018225677 A JP 2018225677A JP 2018225677 A JP2018225677 A JP 2018225677A JP 7276762 B2 JP7276762 B2 JP 7276762B2
- Authority
- JP
- Japan
- Prior art keywords
- unit
- risk estimation
- map
- distribution
- grid
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Description
本発明は、リスク推定装置及びリスク推定プログラムに係り、特に、移動物の移動を予測したリスク推定地図を生成するリスク推定装置及びリスク推定プログラムに関する。 The present invention relates to a risk estimation device and a risk estimation program, and more particularly to a risk estimation device and a risk estimation program that generate a risk estimation map that predicts movement of a moving object.
従来、車両の周辺環境の時間的な変化を考慮して、車両の走行危険度を評価する技術が提案されている(特許文献1参照)。この技術では、周辺環境認識装置は、車両に搭載され、車両の周辺環境を認識する。周辺環境認識装置は、車両の動きに関する自車情報を取得する自車情報取得部と、車両の周辺の環境要素に対する周辺環境要素情報を取得する周辺環境要素取得部と、自車情報に基づいて、車両の周辺の各位置に対する車両の存在時間範囲を表す自車存在時間範囲を決定する存在時間範囲決定部と、自車存在時間範囲および周辺環境要素情報に基づいて、車両の周辺の走行危険度を決定する走行危険度決定部と、を備える。 2. Description of the Related Art Conventionally, there has been proposed a technique for evaluating a vehicle's running risk in consideration of temporal changes in the surrounding environment of the vehicle (see Patent Literature 1). In this technology, the surrounding environment recognition device is mounted on the vehicle and recognizes the surrounding environment of the vehicle. The surrounding environment recognition device includes a vehicle information acquisition unit that acquires vehicle information related to the movement of the vehicle, a surrounding environment element acquisition unit that acquires surrounding environment element information regarding environmental elements around the vehicle, and based on the vehicle information: , an existence time range determination unit that determines a vehicle existence time range representing the vehicle existence time range for each position around the vehicle; and a driving risk determination unit that determines the degree of risk.
また、Hybrid-Sampling Bayesian Occupancy Filterと呼ばれるグリッドマップ上で、グリッドの各々のセルの衝突時間(TTC:Time To Collision)を算出して、リスクを推定する技術が提案されている(非特許文献1参照)。
Also, a technique for estimating the risk by calculating the collision time (TTC: Time To Collision) of each cell of the grid on a grid map called Hybrid-Sampling Bayesian Occupancy Filter has been proposed (Non-Patent
しかし、特許文献1に記載の技術では、グリッドマップ上のセル(座標値)に対して、存在時間範囲を割り付けるため、高速道路上の車両の動きのような単調な状況しか記述できない。例えば、複数の歩行者が自由に歩行しているような状況において、特許文献1に記載の技術で、車両の走行危険度を推定することは困難である。
However, the technique described in
また、非特許文献1に記載の技術において、グリッド分解能は750×300セル、セル内に設定するパーティクルは262144個(0.86パーティクル/セル)である。したがって、数十万個のパーティクルについて計算を行う必要があるため、計算コストが膨大になるという問題がある。
In the technique described in
本発明は、上記事情を鑑みて成されたものであり、歩行者のような複雑な移動が想定される移動物が存在する環境における、占有格子表現のリスク推定地図を生成するための計算量を削減することができるリスク推定装置及びプログラムを提供することを目的とする。 The present invention has been made in view of the above circumstances, and the computational complexity for generating a risk estimation map of occupancy grid representation in an environment where a moving object such as a pedestrian whose movement is assumed to be complicated exists. It is an object to provide a risk estimation device and program that can reduce
上記目的を達成するために、本発明に係るリスク推定装置は、対象領域に存在する移動物を検出する検出部と、所定位置を基準とした相対位置毎の前記移動物の存在可能性を示す値の分布として予め定めた単位分布であって、前記対象領域において、前記移動物の移動に関する複数の仮説の各々に応じた位置に配置される複数の前記単位分布の各々を予測し、予測した前記単位分布の各々を混合した混合分布により、前記検出部により検出された前記移動物の移動の予測を表す予測部と、所定の単位格子で構成された所定サイズの辞書格子に前記単位分布を対応させたパターンであって、前記単位分布の前記所定位置を前記単位格子内の異なる複数の位置に対応させた複数の前記パターンを保持する単位分布辞書を参照し、前記予測部により予測された複数の前記単位分布の各々の前記所定位置に対応する前記パターンの各々を、前記対象領域に対応する占有格子地図であって、前記辞書格子の単位格子に対応する単位格子で構成された前記占有格子地図に重ね合わせてリスク推定地図を生成するリスク推定地図生成部と、を含んで構成されている。 In order to achieve the above object, a risk estimation device according to the present invention includes a detection unit that detects a moving object existing in a target area , and a possibility of existence of the moving object for each relative position with respect to a predetermined position as a reference. Predicting each of a plurality of unit distributions predetermined as a distribution of indicated values, wherein each of the plurality of unit distributions is arranged at a position corresponding to each of a plurality of hypotheses regarding movement of the moving object in the target region; a prediction unit that predicts the movement of the moving object detected by the detection unit using a mixture distribution obtained by mixing each of the unit distributions obtained by mixing the unit distributions, Prediction by the prediction unit with reference to a unit distribution dictionary holding a plurality of patterns corresponding to distributions, in which the predetermined position of the unit distribution corresponds to a plurality of different positions in the unit cell each of the patterns corresponding to the predetermined position of each of the plurality of unit distributions is an occupancy grid map corresponding to the target area and is composed of unit cells corresponding to the unit grid of the dictionary grid. and a risk estimation map generation unit that generates a risk estimation map by superimposing it on the occupancy grid map.
本発明に係るリスク推定装置によれば、検出部が、対象領域に存在する移動物を検出すし、予測部が、所定位置を基準とした相対位置毎の移動物の存在可能性を示す値の分布として予め定めた単位分布であって、対象領域において、移動物の移動に関する複数の仮説の各々に応じた位置に配置される複数の単位分布の各々を予測し、予測した単位分布の各々を混合した混合分布により、検出部により検出された移動物の移動の予測を表す。 According to the risk estimation device according to the present invention, the detection unit detects a moving object existing in the target area, and the prediction unit provides a value indicating the possibility of existence of the moving object for each relative position with respect to the predetermined position. wherein each of the plurality of unit distributions is predicted to be placed at a position corresponding to each of a plurality of hypotheses regarding the movement of the moving object in the target region, and each of the predicted unit distributions A prediction of the movement of the moving object detected by the detection unit is represented by a mixture distribution obtained by mixing .
そして、リスク推定地図生成部が、所定の単位格子で構成された所定サイズの辞書格子に単位分布を対応させたパターンであって、単位分布の所定位置を単位格子内の異なる複数の位置に対応させた複数のパターンを保持する単位分布辞書を参照し、予測部により予測された複数の単位分布の各々の所定位置に対応するパターンの各々を、対象領域に対応する占有格子地図であって、辞書格子の単位格子に対応する単位格子で構成された占有格子地図に重ね合わせてリスク推定地図を生成する。 Then, the risk estimation map generation unit is a pattern in which the unit distribution is associated with a dictionary grid of a predetermined size configured by a predetermined unit grid, and the predetermined positions of the unit distribution correspond to a plurality of different positions in the unit grid. By referring to a unit distribution dictionary holding a plurality of patterns obtained by the prediction unit, each of the patterns corresponding to each predetermined position of each of the plurality of unit distributions predicted by the prediction unit is an occupancy grid map corresponding to the target area, A risk estimation map is generated by superimposing it on an occupancy grid map composed of unit cells corresponding to the unit cells of the dictionary grid.
これにより、歩行者のような複雑な移動が想定される移動物が存在する環境における、占有格子表現のリスク推定地図を生成するための計算量を削減することができる。また、生成するリスク推定地図の解像度が粗い場合でも、その解像度よりも細かい位置の刻みで単位分布をリスク推定地図に反映させることができる。 As a result, it is possible to reduce the amount of calculation for generating the risk estimation map of the occupancy grid representation in an environment where moving objects such as pedestrians whose movements are assumed to be complicated exist. Moreover, even if the resolution of the risk estimation map to be generated is coarse, the unit distribution can be reflected on the risk estimation map at finer position increments than the resolution.
また、前記パターンは、前記辞書格子に前記単位分布を対応させた場合における、前記単位格子の各々に対応する前記単位分布の値を前記単位格子に保持させたパターンとすることができる。これにより、簡易な形式で複数のパターンを保持しておくことができる。 Further, the pattern may be a pattern in which the value of the unit distribution corresponding to each of the unit lattices is held in the unit lattice when the unit distribution is associated with the dictionary lattice. This makes it possible to hold a plurality of patterns in a simple format.
また、前記リスク推定地図生成部は、前記予測部により予測された複数の前記単位分布の各々の前記所定位置が属する前記占有格子地図上の単位格子、及び該単位格子内での前記所定位置を特定し、特定した前記単位格子内での前記所定位置に応じた前記パターンを前記単位分布辞書から選択し、特定した前記単位格子と、前記単位分布辞書から選択した前記パターンにおいて前記単位分布の前記所定位置に相当する単位格子とを対応させて、選択した前記パターンを前記占有格子地図に重ね合わせた場合に、選択した前記パターンの各単位格子が保持する値を、対応する前記占有格子地図の単位格子に反映することができる。これにより、簡易な処理で、混合分布を占有格子表現にすることができる。 Further, the risk estimation map generation unit generates a unit grid on the occupancy grid map to which the predetermined position of each of the plurality of unit distributions predicted by the prediction unit belongs, and the predetermined position in the unit grid. is specified, the pattern corresponding to the predetermined position in the specified unit cell is selected from the unit distribution dictionary, and the unit distribution in the specified unit cell and the pattern selected from the unit distribution dictionary When the selected pattern is superimposed on the occupancy grid map in association with the unit grid corresponding to the predetermined position , the value held by each unit grid of the selected pattern is converted to the corresponding occupancy grid. It can be reflected in the unit cell of the grid map. As a result, the mixture distribution can be expressed as an occupied grid with a simple process.
また、前記単位分布辞書に保持される複数の前記パターンの各々は、前記辞書格子の中央の単位格子を複数に分割した副単位格子の各々に、前記単位分布の前記所定位置を対応させた場合の前記パターンの各々とすることができる。これにより、簡易な形式で複数のパターンを保持しておくことができる。 Further, each of the plurality of patterns held in the unit distribution dictionary is a case where the predetermined position of the unit distribution corresponds to each of the sub-unit lattices obtained by dividing the central unit lattice of the dictionary lattice into a plurality of sub-unit lattices. each of the above patterns. This makes it possible to hold a plurality of patterns in a simple format.
また、前記リスク推定地図生成部は、前記予測部により予測された複数の前記単位分布の各々の前記所定位置が属する前記副単位格子に対応する前記パターンが保持する値と、該副単位格子の周辺の副単位格子に対応する前記パターンが保持する値とを重み付け加算して、前記占有格子地図の単位格子に反映することができる。これにより、単位分布辞書として保持するパターン数を増やすことなく、より細かい位置の刻みで単位分布をリスク推定地図に反映させることができる。 In addition, the risk estimation map generation unit generates a value held by the pattern corresponding to the sub unit cell to which the predetermined position of each of the plurality of unit distributions predicted by the prediction unit belongs, and the sub unit cell can be weighted and added to the values held by the patterns corresponding to sub -unit cells in the vicinity of the , and reflected in the unit cells of the occupancy grid map. As a result, the unit distribution can be reflected on the risk estimation map at finer position intervals without increasing the number of patterns held as the unit distribution dictionary.
また、前記検出部は、対象領域に存在する静止物を検出し、本発明に係るリスク推定装置は、前記リスク推定地図生成部により生成された前記リスク推定地図に基づいて、前記移動物同士の衝突可能性、及び前記移動物と前記静止物との衝突可能性を判定する衝突可能性判定部をさらに含んで構成することができる。これにより、衝突の可能性を把握することができる。 In addition, the detection unit detects a stationary object existing in the target area, and the risk estimation device according to the present invention detects the moving objects based on the risk estimation map generated by the risk estimation map generation unit. The configuration may further include a collision possibility determination unit that determines a collision possibility and a collision possibility between the moving object and the stationary object. This makes it possible to grasp the possibility of collision.
また、前記検出部は、対象領域に存在する静止物を検出し、本発明に係るリスク推定装置は、前記検出部により検出された前記静止物の位置を反映した前記占有格子地図を生成する占有格子地図生成部をさらに含んで構成することができ、前記予測部は、前記静止物の位置を回避するように前記移動物の移動を予測することができる。これにより、移動物の移動を実際の状況に合わせて予測することができる。 The detection unit detects a stationary object existing in the target area, and the risk estimation device according to the present invention generates the occupation grid map reflecting the position of the stationary object detected by the detection unit. A grid map generation unit may be further included, and the prediction unit may predict the movement of the moving object so as to avoid the position of the stationary object. Thereby, the movement of the moving object can be predicted according to the actual situation.
また、前記占有格子地図生成部は、前記対象領域に関する地図データを重畳した前記占有格子地図を生成し、前記予測部は、前記占有格子地図に重畳された前記地図データが示す要因を反映して、前記単位分布の各々を予測することができる。これにより、移動物の移動の予測精度が向上する。 The occupation grid map generating unit generates the occupation grid map by superimposing map data related to the target area, and the prediction unit reflects factors indicated by the map data superimposed on the occupation grid map. , each of the unit distributions can be predicted. This improves the prediction accuracy of the movement of the moving object.
また、本発明に係るリスク推定装置は、前記対象領域に対応すると共に、所定の前記単位格子で構成された前記占有格子地図と同じ解像度の所定サイズの前記辞書格子に、前記単位分布の前記所定位置を前記辞書格子の前記所定の単位格子内の異なる複数の位置に対応させた複数の前記パターンを生成する単位分布辞書生成部をさらに含んで構成することができる。 In addition, the risk estimation apparatus according to the present invention stores the predetermined size of the unit distribution in the dictionary grid corresponding to the target area and having the same resolution as the occupation grid map and having the same size as the occupancy grid map. A unit distribution dictionary generation unit may further include a unit distribution dictionary generating unit that generates a plurality of the patterns corresponding to a plurality of different positions within the predetermined unit lattice of the dictionary lattice.
また、本発明に係るリスク推定装置は、前記リスク推定地図生成部により生成された前記リスク推定地図、及び前記リスク推定地図に基づく情報の少なくとも一方を表示装置に表示するように制御する表示制御部をさらに含んで構成することができる。これにより、移動物の移動の予測結果を占有格子表現したリスク推定地図及びそれに基づく情報の少なくとも一方を可視化することができる。 Further, the risk estimation device according to the present invention further includes a display control unit that controls to display at least one of the risk estimation map generated by the risk estimation map generation unit and information based on the risk estimation map on a display device. can be further included. This makes it possible to visualize at least one of the risk estimation map representing the predicted result of the movement of the moving object in an occupancy grid representation and the information based on the map.
また、前記表示制御部は、前記リスク推定地図を表示する場合に、前記リスク推定地図が示すリスクの高さに応じて、表示の輝度又は色を制御することができる。これにより、リスクが高い状況を把握し易くなる。 Further, when displaying the risk estimation map, the display control unit can control the brightness or color of the display according to the level of risk indicated by the risk estimation map. This makes it easier to grasp high-risk situations.
また、本発明に係るリスク推定プログラムは、コンピュータを、上記のリスク推定装置の各部として機能させるためのプログラムである。 A risk estimation program according to the present invention is a program for causing a computer to function as each part of the risk estimation device.
本発明のリスク推定装置及びプログラムによれば、混合分布を構成する単位分布の所定位置を単位格子内の異なる複数の位置に対応させて占有格子表現にした複数のパターンを単位分布辞書として保持しておき、移動物の移動に関して予測された混合分布を構成する複数の単位分布に対応するパターンを、単位分布辞書から選択して占有格子地図に重ね合わせてリスク推定地図を生成することにより、歩行者のような複雑な移動が想定される移動物が存在する環境における、占有格子表現のリスク推定地図を生成するための計算量を削減することができる。 According to the risk estimation apparatus and program of the present invention, a plurality of patterns represented by occupancy grids are held as a unit distribution dictionary by associating predetermined positions of unit distributions constituting a mixture distribution with a plurality of different positions within a unit cell. Then, a risk estimation map is generated by selecting patterns corresponding to a plurality of unit distributions constituting a mixture distribution predicted for the movement of moving objects from the unit distribution dictionary and superimposing them on the occupancy grid map to generate a risk estimation map. It is possible to reduce the amount of calculation for generating a risk estimation map of occupancy grid representation in an environment where a moving object such as a person whose movement is assumed to be complicated exists.
以下、図面を参照して本発明の実施形態を詳細に説明する。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.
<本実施形態の概要>
本実施形態では、図1に示すように、例えば、駐車場内での歩行者のような複雑な移動が想定される移動物の移動の予測を、複数の単位分布60を混合した混合分布により表す。混合分布62を構成する各単位分布60は、所定位置を基準とした相対位置毎の移動物の存在可能性を示す値の分布として予め定めた分布であって、対象領域において、移動物の移動に関する複数の仮説(図1の例では、仮説1、仮説2、及び仮説3)の各々に応じた位置に配置される分布である。単位分布60は、例えば、正規分布とすることができ、所定位置を基準とした相対位置毎の移動物の存在可能性を示す値は、確率密度値である。
<Overview of this embodiment>
In this embodiment, as shown in FIG. 1, for example, prediction of movement of a moving object such as a pedestrian in a parking lot, which is assumed to move in a complicated manner, is represented by a mixture distribution obtained by mixing a plurality of
さらに、本実施形態では、上記の混合分布62を、占有格子表現としたリスク推定地図64を生成する。
Furthermore, in this embodiment, a
ここで、混合分布62を占有格子表現する場合に、逐一各格子に占める混合分布62の確率密度値を計算すると、計算量が膨大になってしまう。 Here, when the mixture distribution 62 is represented by an occupancy grid, if the probability density values of the mixture distribution 62 occupying each grid are calculated one by one, the amount of calculation becomes enormous.
そこで、本実施形態では、混合分布62を構成する個別の単位分布60を表す占有格子表現を予め単位分布辞書として保持しておき、占有格子表現の地図上で時間軸に沿って重み付き加算によって混合することで、リスク推定地図64を生成する。
Therefore, in this embodiment, the occupancy grid representation representing the
<本実施形態に係るリスク推定システムの構成>
図2に示すように、本実施形態に係るリスク推定システム100は、リスク推定装置10と、センシング装置12と、ディスプレイ等の表示装置16とを備えて構成される。本実施形態では、リスク推定を行う対象領域が駐車場であり、移動物として車両及び歩行者が想定される場合を例に説明する。
<Configuration of risk estimation system according to the present embodiment>
As shown in FIG. 2, the
センシング装置12は、例えば、カメラ、レーザーレーダ、電波受信機等のセンサであり、静止物の位置、並びに移動物の位置及び速度の推定に必要な情報を計測し、計測したセンサデータを出力する。センシング装置12は、静止物及び移動物を計測可能な位置及び角度で設置される。対象領域に設置されるセンシング装置12は、多数台、及び多数の種類が混在してもよい。
The
例えば、図3に示すように、センシング装置12は、天井や壁等に固定して設置することができる。この場合、センシング装置12は、設置位置を適切に選定することで、カメラの撮影範囲やレーザーレーダの検出範囲等が遮蔽される領域を少なくすることができる。また、例えば、図4に示すように、センシング装置12は、移動物、例えば車両上に設置してもよい。
For example, as shown in FIG. 3, the
センシング装置12から出力されたセンサデータは、リスク推定装置10へ入力される。ここで、センシング装置12は、リスク推定装置10と直接接続されていることを要せず、リスク推定装置10に、インターネット等の通信網を介して接続されていてもよい。
Sensor data output from the
リスク推定装置10は、CPU(Central Processing Unit)と、RAM(Random Access Memory)と、後述する単位分布辞書生成処理及びリスク推定地図生成処理を含むリスク推定処理を実行するためのリスク推定プログラムを記憶したROM(Read Only Memory)とを備えたコンピュータにより実現することができる。CPUがリスク推定プログラムを実行することにより、コンピュータがリスク推定装置10として機能することになる。
The
図2に示すように、リスク推定装置10は、機能的には、単位分布辞書生成部22と、単位分布辞書24と、静止物検出部26と、占有格子地図生成部28と、地図データベース(DB:database)30と、移動物検出追跡部32と、移動予測部34と、単位分布辞書引部36と、リスク推定地図生成部38と、衝突可能性判定部40と、表示制御部42とを含んで構成される。
As shown in FIG. 2, the
単位分布辞書生成部22は、所定の単位格子で構成された所定サイズの辞書格子に単位分布60を対応させたパターンであって、単位分布60の所定位置を単位格子内の異なる複数の位置に対応させた複数のパターンを保持する単位分布辞書24を生成する。以下では、単位分布60が正規分布である場合を例に、具体的に説明する。
The unit distribution
単位分布辞書生成部22は、リスク推定装置10において最終的に生成するリスク推定地図64と同じ解像度、すなわち、同一サイズの単位格子により構成された空の辞書格子を用意する。辞書格子のサイズ(縦及び横の単位格子数)は、単独の単位分布60が一定閾値以上の確率密度値を取る範囲に限定した範囲が収まるサイズとする。図5に、空の辞書格子66の一例を示す。図5の例において、1マスが1つの単位格子68に相当する。辞書格子66は、格子数がいずれの軸(縦及び横)も奇数になるものとし、中央の単位格子68が唯一に定まるようにする。なお、図5では、9×9マスの辞書格子66を示している。単位分布辞書生成部22は、単位分布辞書24に含めるパターン数分の空の辞書格子66を用意する。
The unit distribution
また、単位分布辞書生成部22は、中央の単位格子68を複数に分割(本実施形態では、4分割)した副単位格子70を設定し、各副単位格子70に副単位格子番号Di(i=1,2,3,4)を割り当てる。図5では、副単位格子70内に、その副単位格子70の副単位格子番号Diの添え字iを示している。なお、副単位格子70の分割数や幾何学的な形状は、図5に示す例に限定されるものではない。
In addition, the unit distribution
単位分布辞書生成部22は、図6に示すように、空の辞書格子66の副単位格子70の各々の中心位置に、単位分布60の所定位置(本実施形態では、期待値)が位置するように対応させ、辞書格子66内の各単位格子68の中心位置に対応する単位分布60の値(確率密度値)を、各単位格子68に保持させたパターンを生成する。図6の例では、各単位格子68に保持された値が高い程、単位格子68内の色を濃くして表している。
As shown in FIG. 6, the unit distribution
単位分布辞書生成部22は、副単位格子70毎にパターンを生成し、生成した複数のパターンを、単位分布辞書24として、リスク推定装置10の所定の記憶領域に記憶する。図7に単位分布辞書24のデータ構造の一例を示す。図7の例では、辞書格子66に含まれる各単位格子68に単位格子番号を1から順に付与し(図5の例では1~81)、副単位格子番号Diに対応付けて、各単位格子68が保持する値を記憶している。なお、図7中のN(xj;xDi,Σ)において、xjは単位格子番号jの単位格子68の中心位置、xDiは副単位格子番号Diの副単位格子70の中心位置である。すなわち、N(xj;xDi,Σ)は、期待値がxDi、分散がΣの正規分布のxjにおける確率密度値である。
The unit distribution
なお、正規分布などのように、形状が上下及び左右などで対象の場合には、全てのパターンを単位分布辞書24として記憶しておく必要はない。例えば、図6の例の場合、副単位格子番号D1のパターンだけ記憶しておけば、そのパターンを上下反転及び左右反転操作することにより、副単位格子番号D2、D3、及びD4のパターンを生成することができる。これにより、単位分布辞書24を記憶する記憶容量を低減することができる。
Note that when the shape is symmetrical in the vertical and horizontal directions, such as a normal distribution, it is not necessary to store all patterns as the
静止物検出部26は、センシング装置12から入力されたセンサデータを取得し、センサデータに基づいて、対象領域内に存在する静止物を検出する。例えば、静止物検出部26は、レーザーレーダにより計測されたセンサデータが示す3次元点群データにより、対象領域の点群地図を生成し、異なる時刻間の点群地図において差が生じていない部分を、静止物として検出する。静止物検出部26は、検出した静止物を示す3次元点群データを占有格子地図生成部28へ受け渡す。
The stationary
占有格子地図生成部28は、対象領域の適切な位置を原点とする座標系において、上記の辞書格子66と同一の解像度、すなわち同一サイズの単位格子68で構成される空の占有格子地図を用意する。占有格子地図生成部28は、図8に示すように、静止物検出部26から受け渡された静止物の3次元点群データが示す位置に対応する占有格子地図72の単位格子68に投票することで、静止物の位置を反映した占有格子地図72を生成する。図8の例では、斜線で示す単位格子群74が、静止物を示す領域であることを表している。
The occupancy grid
また、占有格子地図生成部28は、地図DB30の情報も占有格子地図72に反映する。例えば、地図DB30には、対象領域である駐車場の車両出入口、歩行者出入口、障害物、標識等の位置及び寸法が格納されている。これらの情報は、移動物の移動に影響を与える要因となり得る情報である。例えば、占有格子地図生成部28は、図8の破線部76に示すように、出入口等に相当する単位格子68に、その単位格子68に対応する位置に存在する物体の物体名、形状、寸法等の情報を保持させる。図8の例では、地図DB30の情報が反映された単位格子68を「X」で表している。
The occupation grid
地図DB30の情報も占有格子地図72に反映することで、センシング装置12による未計測領域についても、占有格子地図72に静止物の情報を反映させることができる。
By reflecting the information of the
移動物検出追跡部32は、対象領域に存在する移動物を検出する。例えば、移動物検出追跡部32は、カメラ画像を用いた物体認識技術により画像中の人の矩形位置を検出すると共に、車両の矩形位置を検出する。そして、移動物検出追跡部32は、レーザーレーダにより計測された点群をカメラ画像に投影して、矩形内の点群から距離を推定することで、移動物の位置を検出する。移動物検出追跡部32は、移動物の位置及び矩形のサイズなどに基づいて、前時刻において検出された移動物と、現時刻において検出された移動物との対応付けを行うことにより、移動物を追跡する。また、移動物検出追跡部32は、前時刻における矩形内の点群と、現時刻における矩形内の点群との比較により、移動物の速度も推定する。
A moving object detection and
移動物検出追跡部32は、検出した全ての移動物の状態(位置、速度、観測時刻)を移動予測部34に受け渡す。なお、本実施形態において検出する「移動物」は、静止している場合の移動物も含む。
The moving object detection and
移動予測部34は、移動物検出追跡部32により検出された移動物の移動を、上述した混合分布62を用いて予測する。例えば、移動予測部34は、混合分布62を構成する単位分布60の各々に対応する各仮説について、カルマンフィルタの予測ステップ(線形予測及び共分散拡大)を設定されたステップ数だけ繰り返すことにより、将来の移動物の移動可能範囲を示す仮説を予測する。
The
ここでは、混合分布62で表される状態(x0a,v0a)が、下記(1)式に示す仮説(x0ak,v0ak)(k=1,2,・・・)群の重み付和により生成されるものとする。 Here, the state (x 0a , v 0a ) represented by the mixture distribution 62 is the weighting of the hypothesis (x 0ak , v 0ak ) (k=1, 2, . . . ) group shown in the following equation (1). shall be generated by the sum.
(x0a,v0a)
={(x0a1,v0a1),(x0a2,v0a2),・・・}
・・・(1)
(x 0a , v 0a )
= {(x 0a1 , v 0a1 ), (x 0a2 , v 0a2 ),...}
... (1)
移動予測部34は、状態(x0a,v0a)について、下記(2)式に示す次の時刻の状態を示す仮説(xak,vak)群を予測することで、次の時刻の状態(xa,va)を予測する。
For the state (x 0a , v 0a ), the
(xa,va)
={(xa1,va1),(xa2,va2),・・・}
・・・(2)
(x a , v a )
= {(x a1 , v a1 ), (x a2 , v a2 ), . . . }
... (2)
なお、k番目の仮説(x0ak,v0ak)は、下記(3)式のように表すことができる。 Note that the k-th hypothesis (x 0ak , v 0ak ) can be expressed as in the following equation (3).
(x0ak,v0ak)={(x0pk)x,(x0pk)y,(x0vk)x,(x0vk)y}T
・・・(3)
(x 0ak , v 0ak )={(x 0pk ) x , (x 0pk ) y , (x 0vk ) x , (x 0vk ) y } T
... (3)
ここで、(x0pk)x及び(x0pk)yは、それぞれ仮説(xak,vak)のx方向の位置及びy方向の位置を表し、(x0vk)x及び(x0vk)yは、それぞれ仮説(x0ak,v0ak)のx方向の速度及びy方向の速度を表す。 where (x 0pk ) x and (x 0pk ) y represent the x- and y-direction positions of hypothesis (x ak ,v ak ), respectively, and (x 0vk ) x and (x 0vk ) y are , represent the x- and y-direction velocities of the hypothesis (x 0ak , v 0ak ), respectively.
そして、移動予測部34は、下記(4)式及び(5)式を用いて、次の時刻の状態を予測する。
Then, the
ここで、Δtは、次の時刻への時間幅であり、σpx、σpy、σvx、σvyは共分散である。 Here, Δt is the time width to the next time, and σ px , σ py , σ vx and σ vy are covariances.
状態(xa,va)は、各仮説(xak,vak)と、各仮説についての重みwkとを用いて、下記(6)式で表すことができる。なお、重みwkは、共分散の値などに基づいて設定することができる。 The state (x a , v a ) can be expressed by the following formula (6) using each hypothesis (x ak , v ak ) and the weight w k for each hypothesis. Note that the weight wk can be set based on a covariance value or the like.
(xa,va)
=w1×(xa1,va1)+w2×(xa2,va2)+... ・・・(6)
(x a , v a )
=w 1 ×(x a1 , v a1 )+w 2 ×(x a2 , v a2 )+... (6)
移動予測部34は、仮説(xak,vak)を示す単位分布60として、期待値μk((xpk)x,(xpk)y,(xvk)x,(xvk)y)と、分散値Σkとで表される正規分布を予測する。したがって、次時刻の移動物の状態(xa,va)は、下記(7)式に示す混合分布p(x)として予測される。
The
また、移動予測部34は、占有格子地図生成部28により生成された占有格子地図72を参照して、静止物が存在する位置や出入口等の情報に基づいて、次の時刻における位置の予測の範囲を制限したり、移動し易い位置を設定したりしてもよい。例えば、移動予測部34は、静止物の位置を回避するように移動物の移動を予測してもよい。また、各単位分布60と、静止物や出入口等との距離に応じて、上記の重みwiを設定するようにしてもよい。
Further, the
なお、移動予測部34による移動物の移動の予測は、上記方法に限定されるものではなく、図1に示すような混合分布62を予測結果として得られる方法であればよい。
The prediction of the movement of the moving object by the
移動予測部34は、予測結果を単位分布辞書引部36へ受け渡す。
The
単位分布辞書引部36は、単位分布辞書24を参照し、移動予測部34から受け渡され予測結果が示す複数の単位分布60の各々の位置に対応するパターンの各々を選択する。具体的には、単位分布辞書引部36は、移動予測部34により予測された複数の単位分布60の各々の位置に対応する占有格子地図72上の単位格子68、及びその単位格子68内での位置を特定する。そして、単位分布辞書引部36は、特定した単位格子68内での位置に応じたパターンを、単位分布辞書24から選択する。
The unit distribution
例えば、予測された混合分布62が図9に示すように占有格子地図72上に表される場合を例に、より具体的に説明する。図9の例では、混合分布62は、単位分布Lk(k=1,2,3)により構成されている。
For example, a case where the predicted mixture distribution 62 is represented on the
単位分布辞書引部36は、各単位分布Lkの期待値が、単位分布辞書24で規定されている副単位格子70のいずれに属するかを特定し、その副単位格子70の副単位格子番号D(Lk)を特定する。図10に示すように、単位分布L1の期待値は、副単位格子番号D4の副単位格子70に属するため、単位分布L1について、D(L1)=D4が特定される。同様に、単位分布L2について、D(L2)=D1、単位分布L3について、D(L3)=D3が特定される。
The unit distribution
単位分布辞書引部36は、単位分布辞書24において、各単位分布Lkについて特定したD(Lk)に対応付けられた各単位格子68の確率密度値を、その単位分布Lkに対応するパターンとして選択する。例えば、上記の例では、単位分布L1については、D(L1)=D4であるため、図7に示す単位分布辞書24の4行目のパターンが選択される。
The unit distribution
単位分布辞書引部36は、各単位分布Lkについて選択したパターンを、リスク推定地図生成部38へ受け渡す。
The unit distribution
リスク推定地図生成部38は、単位分布辞書引部36から受け渡されたパターンを、占有格子地図生成部28により生成された占有格子地図72に重ね合わせて、リスク推定地図を生成する。具体的には、リスク推定地図生成部38は、単位分布辞書引部36により特定された、単位分布60の期待値を含む単位格子68と、選択されたパターンが示す単位分布60の期待値に相当する単位格子68とを対応させて、選択されたパターンを占有格子地図72に重ね合わせた場合に、選択したパターンの各単位格子68が保持する値を、対応する占有格子地図72の単位格子68に反映する。
The risk estimation
上記の単位分布Lk(k=1,2,3)について選択されたパターンを重ね合わせる場合における、図9に示す占有格子地図72の一部を、図11に示す。まず、例えば、単位分布L1について選択された、副単位格子番号D4に対応するパターンに、重みw1を乗算した各単位格子68の値を、占有格子地図72上の単位分布L1に対応する位置の単位格子68に加算する。次に、単位分布L2について選択された、副単位格子番号D1に対応するパターンに、重みw2を乗算した各単位格子68の値を、占有格子地図72上の単位分布L2に対応する位置の単位格子68に加算する。さらに、単位分布L3について選択された、副単位格子番号D3に対応するパターンに、重みw3を乗算した各単位格子68の値を、占有格子地図72上の単位分布L3に対応する位置の単位格子68に加算する。
FIG. 11 shows part of the
これにより、図12の破線部78に示すように、移動物の移動を予測した混合分布62が占有格子表現で占有格子地図72に反映されたリスク推定地図64が生成される。なお、図12の例では、移動物が1つのみ含まれる場合を例示しているが、移動物が複数検出されている場合には、リスク推定地図64には、複数の移動物の各々を占有格子表現下表示が含まれることになる。
As a result, a
リスク推定地図生成部38は、生成したリスク推定地図64を、衝突可能性判定部40及び表示制御部42の各々へ受け渡す。
The risk estimation
衝突可能性判定部40は、リスク推定地図生成部38により生成されたリスク推定地図64に基づいて、移動物同士の衝突可能性、及び移動物と静止物との衝突可能性を判定する。例えば、衝突可能性判定部40は、リスク推定地図64において、予測された移動物の位置を示す単位格子群(図12の78)同士の重なり度合いや、静止物を示す単位格子群74との重なり度合いに基づいて、衝突可能性を判定する。
Based on the
衝突可能性判定部40は、判定結果を表示制御部42へ受け渡す。
The collision
表示制御部42は、リスク推定地図生成部38から受け渡されたリスク推定地図64に、衝突可能性判定部40の判定結果を重畳して表示するように、表示装置16を制御する。衝突可能性の判定結果のリスク推定地図64への重畳方法としては、例えば、衝突可能性がある領域にマークを表示したり、衝突可能性があることをメッセージで表示したりすることができる。
The
なお、表示制御部42は、衝突可能性の判定結果以外にも、例えば、移動物が存在する旨のメッセージなどのリスク推定地図64に基づく情報を重畳して表示装置16に表示したり、リスク推定地図64に基づく情報のみを表示装置16に表示したりするようにしてもよい。さらに、表示制御部42は、リスク推定地図64を表示する場合に、リスク推定地図64が示すリスクの高さに応じて、表示の輝度又は色を制御してもよい。リスクの高さは、例えば、衝突可能性の高さや、移動物が存在する確率の高さなどとすることができる。表示の輝度又は色を制御する部分は、対象領域内でリスクの高い箇所に相当するリスク推定地図64の部分のみでもよいし、リスク推定地図64全体でもよい。
Note that the
次に、本実施形態に係るリスク推定システム100の作用について説明する。
Next, the operation of the
まず、事前に、リスク推定装置10が、図13に示す単位分布辞書生成処理を実行することにより、単位分布辞書24を生成する。そして、センシング装置12によるセンシングが開始されると、リスク推定システム100において、図14に示すリスク推定地図生成処理が実行される。以下、単位分布辞書生成処理及びリスク推定地図生成処理の各々について説明する。
First, the
まず、図13に示す単位分布辞書生成処理について説明する。 First, the unit distribution dictionary generation process shown in FIG. 13 will be described.
ステップS12で、単位分布辞書生成部22が、空の単位分布辞書Mdictを用意する。例えば、用意する単位分布辞書Mdictは、副単位格子70の数をimax、図5及び図6に示すような辞書格子66に含まれる単位格子68の数をjmaxとすると、imax行×jmax列のテーブルとすることができる。
In step S12, the unit distribution
次に、ステップS14で、単位分布辞書生成部22が、副単位格子番号Diの添え字を示す変数iを1に設定する。
Next, in step S14, the unit
次に、ステップS16で、単位分布辞書生成部22が、単位格子番号を示す変数jを1に設定する。
Next, in step S16, the unit distribution
次に、ステップS18で、単位分布辞書生成部22が、辞書格子66の副単位格子番号Diの副単位格子70の中心位置xDiに、単位分布60の期待値が位置するように対応させ、辞書格子66内の単位格子番号jの単位格子68の中心位置xjに対応する単位分布60の値(確率密度値:N(xj;xDi,Σ))を求める。単位分布辞書生成部22は、求めたN(xj;xDi,Σ)を、単位分布辞書Mdictのi行j列のマス(Mdict[i,j])に格納する。
Next, in step S18, the unit distribution
次に、ステップS20で、単位分布辞書生成部22が、j=jmaxか否かを判定することにより、副単位格子番号Diについてのパターンの生成が終了したか否かを判定する。j<jmaxの場合には、辞書格子66に含まれる全ての単位格子68について上記ステップS18の処理が終了していないため、ステップS22で、jを1インクリメントして、ステップS18に戻る。j=jmaxの場合には、ステップS24へ移行する。
Next, in step S20, the unit distribution
ステップS24では、単位分布辞書生成部22が、i=imaxか否かを判定することにより、単位分布辞書Mdictの生成が終了したか否かを判定する。i<imaxの場合には、パターンを生成していない副単位格子70が存在するため、ステップS26で、iを1インクリメントして、ステップS16に戻る。i=imaxの場合には、単位分布辞書生成処理は終了する。
In step S24, the unit distribution
次に、図14に示すリスク推定地図生成処理について説明する。 Next, the risk estimation map generation processing shown in FIG. 14 will be described.
ステップS32で、占有格子地図生成部28は、対象領域の適切な位置を原点とする座標系において、上記の辞書格子66と同一の解像度、すなわち同一サイズの単位格子68で構成される空の占有格子地図を用意する。
In step S32, the occupancy grid
次に、ステップS34で、静止物検出部26及び移動物検出追跡部32が、センシング装置12から入力されたセンサデータを取得する。
Next, in step S<b>34 , the stationary
次に、ステップS36で、静止物検出部26が、取得したセンサデータに基づいて、対象領域内に存在する静止物を検出する。静止物検出部26は、検出した静止物を示す情報を占有格子地図生成部28へ受け渡す。
Next, in step S36, the stationary
次に、ステップS38で、占有格子地図生成部28は、地図DB30から、対象領域である駐車場の車両出入口、歩行者出入口、障害物、標識等の位置及び寸法等の情報を取得する。
Next, in step S38, the occupancy grid
次に、ステップS40で、占有格子地図生成部28が、上記ステップS36で静止物検出部26から受け渡された静止物の情報と、上記ステップS38で取得した地図DB30の情報とを反映した占有格子地図72を生成する。
Next, in step S40, the occupancy grid
次に、ステップS42で、移動物検出追跡部32が、上記ステップS34で取得したセンサデータに基づいて、対象領域に存在する移動物を検出すると共に、前時刻において検出された移動物と対応付けることにより、移動物を追跡する。また、移動物検出追跡部32は、前時刻の検出結果と、現時刻の検出結果との比較により、移動物の速度も推定する。移動物検出追跡部32は、検出した全ての移動物の状態(位置、速度、観測時刻)を移動予測部34に受け渡す。
Next, in step S42, the moving object detection and
次に、ステップS44で、移動予測部34が、移動物検出追跡部32から受け渡された移動物の状態に基づいて、移動物の移動に関する複数の仮説に対応する複数の単位分布60を混合した混合分布62を、移動物の移動の予測結果として導出する。移動予測部34は、予測結果を単位分布辞書引部36へ受け渡す。
Next, in step S44, the
次に、ステップS46で、単位分布辞書引部36が、単位分布辞書引処理を実行する。
Next, in step S46, the unit distribution
ここで、図15に示す単位分布辞書引処理について説明する。 Here, the unit distribution dictionary lookup process shown in FIG. 15 will be described.
ステップS462で、単位分布辞書引部36が、予測結果である混合分布62を構成する単位分布60を識別するための変数kに1を設定する。
In step S462, the unit distribution
次に、ステップS464で、単位分布辞書引部36が、空の辞書引結果格納用リストC[k]を用意する。辞書引結果格納用リストC[k]のサイズは、パターン1つ分のサイズ、すなわち、図7に示すような単位分布辞書Mdictの1行分のサイズである。
Next, in step S464, the unit distribution
次に、ステップS468で、単位分布辞書引部36が、単位分布Lkの期待値μkが、占有格子地図72のいずれの単位格子68に属するかを特定する。
Next, in step S468, the unit distribution
次に、ステップS470で、単位分布辞書引部36が、単位分布Lkの期待値μkが副単位格子70のいずれに属するかを特定し、その副単位格子70の副単位格子番号D(Lk)を特定する。
Next, in step S470, the unit distribution
次に、ステップS472で、単位分布辞書引部36が、単位分布辞書24において、単位分布Lkについて特定したD(Lk)に対応付けられた各単位格子68の確率密度値(Mdict[D(Lk),・])を、その単位分布Lkに対応するパターンとして選択する。単位分布辞書引部36は、選択したパターンを辞書引結果格納用リストC[k]に格納し、リスク推定地図生成部38へ受け渡す。
Next, in step S472, the unit distribution
次に、ステップS474で、単位分布辞書引部36が、kが、混合分布62を構成する単位分布60の数kmaxとなったか否かを判定することにより、全ての単位分布60について対応するパターンを選択したか否かを判定する。k<kmaxの場合には、未処理の単位分布60が存在するため、ステップS476で、kを1インクリメントして、ステップS464に戻る。k=kmaxの場合には、単位分布辞書引処理を終了して、リスク推定地図生成処理(図14)へ戻る。
Next, in step S474, the unit distribution
次に、図14に示すリスク推定地図生成処理のステップS48で、リスク推定地図生成部38が、単位分布辞書引部36から受け渡された辞書引結果格納用リストC[k]に格納されたパターンを、上記ステップS40で生成された占有格子地図72に重み付け加算して、リスク推定地図64を生成する。リスク推定地図生成部38は、生成したリスク推定地図64を、衝突可能性判定部40及び表示制御部42の各々へ受け渡す。
Next, in step S48 of the risk estimation map generation process shown in FIG. The pattern is weighted and added to the
次に、ステップS50で、衝突可能性判定部40が、リスク推定地図生成部38により生成されたリスク推定地図64に基づいて、移動物同士の衝突可能性、及び移動物と静止物との衝突可能性を判定する。衝突可能性判定部40は、判定結果を表示制御部42へ受け渡す。
Next, in step S50, based on the
次に、ステップS52で、表示制御部42が、リスク推定地図生成部38から受け渡されたリスク推定地図64に、衝突可能性判定部40の判定結果を重畳して表示するように、表示装置16を制御し、ステップS34へ戻る。
Next, in step S52, the
以上説明したように、本実施形態に係るリスク推定システムによれば、混合分布を構成する単位分布の占有格子表現であるパターンを単位分布辞書として予め保持しておく。そして、リスク推定時には、移動物の移動予測を示す混合分布を構成する単位分布に対応するパターンを単位分布辞書から選択して、占有格子地図に重み付け加算することにより、リスク推定地図を生成する。これにより、歩行者のような複雑な移動が想定される移動物が存在する環境における、占有格子表現のリスク推定地図を生成するための計算量を削減することができる。その結果、リスク推定のリアルタイム処理を実現することができる。 As described above, according to the risk estimation system according to the present embodiment, patterns, which are occupied grid representations of unit distributions forming a mixture distribution, are stored in advance as a unit distribution dictionary. When estimating risk, patterns corresponding to unit distributions forming a mixture distribution indicating movement prediction of a moving object are selected from the unit distribution dictionary, and weighted addition is performed on the occupancy grid map to generate a risk estimation map. As a result, it is possible to reduce the amount of calculation for generating the risk estimation map of the occupancy grid representation in an environment where moving objects such as pedestrians whose movements are assumed to be complicated exist. As a result, real-time processing of risk estimation can be realized.
また、単位分布辞書として、単位格子内の複数の位置に単位分布の所定位置を対応させた場合の複数のパターンを保持しておくことで、生成するリスク推定地図の解像度が粗い場合でも、その解像度よりも細かい位置の刻みで単位分布をリスク推定地図に反映させることができる。 In addition, by holding a plurality of patterns in the case where a predetermined position of the unit distribution is associated with a plurality of positions in the unit grid as the unit distribution dictionary, even if the resolution of the risk estimation map to be generated is coarse, the The unit distribution can be reflected on the risk estimation map with finer position increments than the resolution.
なお、上記実施形態では、単位分布の所定位置(期待値)が属する副単位格子に対応するパターンのみをリスク推定地図に加算する場合について説明したが、これに限定されない。例えば、単位分布の期待値が属する副単位格子に対応するパターンが保持する値と、その副単位格子の周辺の副単位格子に対応するパターンが保持する値とを重み付け加算してもよい。 In the above-described embodiment, a case has been described in which only patterns corresponding to sub-unit cells to which predetermined positions (expected values) of unit distributions belong are added to the risk estimation map, but the present invention is not limited to this. For example, the value held by the pattern corresponding to the sub-unit cell to which the expected value of the unit distribution belongs and the value held by the pattern corresponding to the sub-unit cell around the sub-unit cell may be weighted and added.
例えば、図16に示すように、各副単位格子の中心位置(黒丸)から単位分布の期待値(白丸)の位置へのベクトル成分を適切に設定された定数で正規化した係数により重み付けて、各副単位格子に対応するパターンが保持する値を加算するようにしてもよい。例えば、図16の例では、以下のように、単位格子番号jの単位格子の値Jを算出することができる。 For example, as shown in FIG. 16, the vector component from the center position (black circle) of each sub-unit cell to the position of the expected value (white circle) of the unit distribution is weighted by a coefficient normalized by an appropriately set constant, The values held by the patterns corresponding to each sub-unit cell may be added. For example, in the example of FIG. 16, the value J of the unit cell with the unit cell number j can be calculated as follows.
J=(1/d1)×N(xj;xD1,Σ)+(1/d2)×N(xj;xD2,Σ)
+(1/d3)×N(xj;xD3,Σ)+(1/d4)×N(xj;xD4,Σ)
J=(1/d 1 )×N(x j ; x D1 , Σ)+(1/d 2 )×N(x j ; x D2 , Σ)
+(1/d 3 )×N(x j ; x D3 , Σ)+(1/d 4 )×N(x j ; x D4 , Σ)
これにより、単位分布辞書に保持するパターン数を増やすことなく、より細かい位置の刻みで単位分布をリスク推定地図に反映させることができる。 As a result, the unit distribution can be reflected on the risk estimation map at finer position intervals without increasing the number of patterns held in the unit distribution dictionary.
また、上記実施形態では、単位分布の一例として、正規分布を用いる場合について説明したが、これに限定されない。また、単位分布辞書を生成する際、及びリスク推定地図に反映する際の基準位置として、正規分布の期待値を用いる場合について説明したが、他の値を用いてもよい。 Also, in the above embodiment, the case of using the normal distribution as an example of the unit distribution has been described, but the present invention is not limited to this. Also, the case where the expected value of the normal distribution is used as the reference position when generating the unit distribution dictionary and when reflecting it on the risk estimation map has been described, but other values may be used.
また、上記実施形態では、混合分布を構成する単位分布が1種類の場合について説明したが、これに限定されず、複数種類の単位分布により構成されてもよい。この場合、単位分布の種類毎に、単位分布辞書を用意しておけばよい。 Further, in the above-described embodiment, the mixed distribution is composed of one type of unit distribution. In this case, a unit distribution dictionary may be prepared for each type of unit distribution.
また、上記実施形態では、静止物の位置や地図DBの情報を反映した占有格子地図に、移動物の移動を予測した混合分布を反映させてリスク推定地図を生成する場合について説明したが、これに限定されない。占有格子地図とリスク推定地図とは別個に生成してもよい。 Further, in the above-described embodiment, a case has been described in which a risk estimation map is generated by reflecting a mixture distribution that predicts the movement of a moving object in an occupancy grid map that reflects the position of stationary objects and information in the map DB. is not limited to The occupancy grid map and risk estimation map may be generated separately.
また、上記実施形態では、単位分布辞書生成部がリスク推定装置に含まれる構成について説明したが、単位分布辞書生成部は、他の機能部とは別のコンピュータで構成してもよい。また、単位分布辞書も、リスク推定装置の所定の記憶領域に記憶する場合に限定されず、外部の記憶装置や記憶媒体に記憶しておき、リスク推定地図を生成する際に、読み込んで利用するようにしてもよい。 Further, in the above-described embodiment, the configuration in which the unit distribution dictionary generation unit is included in the risk estimation device has been described, but the unit distribution dictionary generation unit may be configured by a computer separate from other functional units. Also, the unit distribution dictionary is not limited to being stored in a predetermined storage area of the risk estimation device, but is stored in an external storage device or storage medium, and read and used when generating a risk estimation map. You may do so.
また、上記実施形態では、辞書格子と、占有格子地図と、リスク推定地図とが、それぞれ同一の解像度、すなわち同一サイズの単位格子で構成される場合について説明したが、これに限定されない。それぞれを対応させる際に、拡大又は縮小などにより、お互いの単位格子の大きさを合わせることができるものであればよい。 Further, in the above embodiment, the case where the dictionary grid, the occupation grid map, and the risk estimation map are configured by unit grids with the same resolution, that is, the same size, has been described, but the present invention is not limited to this. It is sufficient if the sizes of the unit cells can be matched with each other by enlarging or reducing when making them correspond to each other.
また、本発明のプログラムを記憶媒体に格納して提供してもよい。 Also, the program of the present invention may be stored in a storage medium and provided.
10 リスク推定装置
12 センシング装置
16 表示装置
22 単位分布辞書生成部
24 単位分布辞書
26 静止物検出部
28 占有格子地図生成部
30 地図DB
32 移動物検出追跡部
34 移動予測部
36 単位分布辞書引部
38 リスク推定地図生成部
40 衝突可能性判定部
42 表示制御部
60 単位分布
62 混合分布
64 リスク推定地図
66 辞書格子
68 単位格子
70 副単位格子
72 占有格子地図
100 リスク推定システム
10
32 Moving object detection and
Claims (12)
所定位置を基準とした相対位置毎の前記移動物の存在可能性を示す値の分布として予め定めた単位分布であって、前記対象領域において、前記移動物の移動に関する複数の仮説の各々に応じた位置に配置される複数の前記単位分布の各々を予測し、予測した前記単位分布の各々を混合した混合分布により、前記検出部により検出された前記移動物の移動の予測を表す予測部と、
所定の単位格子で構成された所定サイズの辞書格子に前記単位分布を対応させたパターンであって、前記単位分布の前記所定位置を前記単位格子内の異なる複数の位置に対応させた複数の前記パターンを保持する単位分布辞書を参照し、前記予測部により予測された複数の前記単位分布の各々の前記所定位置に対応する前記パターンの各々を、前記対象領域に対応する占有格子地図であって、前記辞書格子の単位格子に対応する単位格子で構成された前記占有格子地図に重ね合わせてリスク推定地図を生成するリスク推定地図生成部と、
を含むリスク推定装置。 a detection unit that detects a moving object existing in the target area;
A unit distribution predetermined as a distribution of values indicating the possibility of existence of the moving object for each relative position with respect to a predetermined position, wherein, in the target area, each of a plurality of hypotheses regarding movement of the moving object Predicting each of the plurality of unit distributions arranged at corresponding positions , and predicting the movement of the moving object detected by the detecting unit by a mixed distribution obtained by mixing each of the predicted unit distributions. Department and
A pattern in which the unit distribution corresponds to a dictionary grid of a predetermined size configured by a predetermined unit grid, wherein the predetermined positions of the unit distribution correspond to a plurality of different positions in the unit grid. A unit distribution dictionary holding patterns is referred to, and each of the patterns corresponding to the predetermined position of each of the plurality of unit distributions predicted by the prediction unit is an occupation grid map corresponding to the target area. a risk estimation map generation unit that generates a risk estimation map superimposed on the occupancy grid map composed of unit cells corresponding to the unit cells of the dictionary grid;
Risk estimator including.
前記リスク推定地図生成部により生成された前記リスク推定地図に基づいて、前記移動物同士の衝突可能性、及び前記移動物と前記静止物との衝突可能性を判定する衝突可能性判定部をさらに含む、
請求項1~請求項5のいずれか1項に記載のリスク推定装置。 The detection unit detects a stationary object existing in the target area,
a collision possibility determination unit that determines a collision possibility between the moving objects and a collision possibility between the moving object and the stationary object based on the risk estimation map generated by the risk estimation map generation unit; include,
The risk estimation device according to any one of claims 1 to 5.
前記検出部により検出された前記静止物の位置を反映した前記占有格子地図を生成する占有格子地図生成部をさらに含み、
前記予測部は、前記静止物の位置を回避するように前記移動物の移動を予測する
請求項1~請求項6のいずれか1項に記載のリスク推定装置。 The detection unit detects a stationary object existing in the target area,
further comprising an occupancy grid map generation unit that generates the occupancy grid map reflecting the position of the stationary object detected by the detection unit;
The risk estimation device according to any one of claims 1 to 6, wherein the prediction unit predicts the movement of the moving object so as to avoid the position of the stationary object.
前記予測部は、前記占有格子地図に重畳された前記地図データが示す要因を反映して、前記単位分布の各々を予測する
請求項7項に記載のリスク推定装置。 The occupation grid map generating unit generates the occupation grid map by superimposing map data related to the target area,
8. The risk estimation device according to claim 7, wherein the prediction section reflects factors indicated by the map data superimposed on the occupancy grid map to predict each of the unit distributions .
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018225677A JP7276762B2 (en) | 2018-11-30 | 2018-11-30 | Risk estimation device and program |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018225677A JP7276762B2 (en) | 2018-11-30 | 2018-11-30 | Risk estimation device and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020087339A JP2020087339A (en) | 2020-06-04 |
JP7276762B2 true JP7276762B2 (en) | 2023-05-18 |
Family
ID=70908461
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018225677A Active JP7276762B2 (en) | 2018-11-30 | 2018-11-30 | Risk estimation device and program |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7276762B2 (en) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP4398196A1 (en) * | 2021-08-31 | 2024-07-10 | Sony Group Corporation | Information processing device, information processing method, and program |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006219119A (en) | 2005-01-17 | 2006-08-24 | Toyota Central Res & Dev Lab Inc | Collision behavior control apparatus |
JP2011253302A (en) | 2010-06-01 | 2011-12-15 | Toyota Motor Corp | Risk calculation device for vehicle |
-
2018
- 2018-11-30 JP JP2018225677A patent/JP7276762B2/en active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006219119A (en) | 2005-01-17 | 2006-08-24 | Toyota Central Res & Dev Lab Inc | Collision behavior control apparatus |
JP2011253302A (en) | 2010-06-01 | 2011-12-15 | Toyota Motor Corp | Risk calculation device for vehicle |
Also Published As
Publication number | Publication date |
---|---|
JP2020087339A (en) | 2020-06-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109901139B (en) | Laser radar calibration method, device, equipment and storage medium | |
CN113362329B (en) | Method for training focus detection model and method for recognizing focus in image | |
US8954272B2 (en) | Method and apparatus for the tracking of multiple objects | |
CN103155015B (en) | Moving-object prediction device, virtual-mobile-object prediction device, program module, mobile-object prediction method, and virtual-mobile-object prediction method | |
JP5539680B2 (en) | Object tracking using linear features | |
KR100702663B1 (en) | Method for catadioptric vision based localization and mapping in a particle filter framework | |
JP7056842B2 (en) | State estimator and program | |
CN111339826B (en) | Landslide unmanned aerial vehicle linear sensor network frame detecting system | |
US20220108544A1 (en) | Object detection apparatus, system and method | |
CN113570122B (en) | Method, device, computer equipment and storage medium for predicting wind speed | |
CN113589306B (en) | Positioning method, positioning device, electronic equipment and storage medium | |
CN113093221A (en) | Generation method and device of grid-occupied map | |
US12014536B2 (en) | Target detection method and device for high-resolution remote sensing image | |
JP3456339B2 (en) | Object observation method, object observation device using the method, traffic flow measurement device and parking lot observation device using the device | |
JP6678512B2 (en) | Sensor installation position support device | |
KR20180027242A (en) | Apparatus and method for environment mapping of an unmanned vehicle | |
JP7276762B2 (en) | Risk estimation device and program | |
CN116564111A (en) | Vehicle early warning method, device and equipment for intersection and storage medium | |
CN112990034B (en) | Traffic sign change detection method with image priority | |
JP4984261B2 (en) | Target detection system | |
Qu et al. | SEIP: Simulation-based design and evaluation of infrastructure-based collective perception | |
CN116630216A (en) | Target fusion method, device, equipment and storage medium based on radar and image | |
CN114140659B (en) | Social distance monitoring method based on human body detection under unmanned aerial vehicle visual angle | |
JP7476016B2 (en) | Visibility assessment device, visibility assessment system, and visibility assessment method | |
WO2022208685A1 (en) | Image processing device, image processing method, and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210701 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220517 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220705 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220815 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230110 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230227 |
|
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: 20230404 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230425 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7276762 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |