JP7290240B2 - 対象物認識装置 - Google Patents
対象物認識装置 Download PDFInfo
- Publication number
- JP7290240B2 JP7290240B2 JP2018086120A JP2018086120A JP7290240B2 JP 7290240 B2 JP7290240 B2 JP 7290240B2 JP 2018086120 A JP2018086120 A JP 2018086120A JP 2018086120 A JP2018086120 A JP 2018086120A JP 7290240 B2 JP7290240 B2 JP 7290240B2
- Authority
- JP
- Japan
- Prior art keywords
- point cloud
- cloud data
- dimensional point
- dimensional
- distribution characteristic
- 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
- Image Analysis (AREA)
Description
1.1全体構成
図1に、この発明の一実施形態による認識装置の学習方法を示す。これにより、機械学習プログラムが学習を行って、三次元点群データによって表されるオブジェクト(対象物)の種類を認識する認識装置を生成することができる。なお、機械学習プログラムとしては、ランダムフォレストによって機械学習を行うプログラムを用いることができるが、他の機械学習プログラムを用いてもよい。
図2に、認識装置のハードウエア構成を示す。CPU30には、メモリ32、ディスプレイ34、通信回路36、ハードディスク38、DVD-ROMドライブ40、キーボード/マウス42、記録媒体ドライブ44が接続されている。通信回路36は、インターネットに接続するためのものである。記録媒体ドライブ44は、可搬性記録媒体52に記録された三次元点群データを取り込むためのものである。
図3に、認識プログラム48の学習データ生成処理のフローチャートを示す。この処理においては、オブジェクトごとの三次元点群データを学習用元データとして、これに基づいて学習データを生成する。
(1)上記実施形態では、テンプレートマッチングによる一致率を分布特性として学習データとして用いている。しかし、テンプレートマッチングによる一致率を用いないようにしてもよい。
2.1全体構成
図18に、この発明の一実施形態による認識装置を示す。三次元点群データ取得手段10は、認識対象物を測定した三次元点群データを取得する。分布特性算出手段12は、三次元点群データを内包する直方体を基準として、三次元点群データにおける点群の分布特性を数値として算出する。推定手段14は、算出した分布特性の数値に基づいて、対象物を推定する。
ハードウエア構成は、第1の実施形態と同様である。
図19に、認識プログラム48の推定処理のフローチャートを示す。この実施形態では、主としてランダムフォレストによって機械学習を行った認識装置を用いている。
(1)上記実施形態では、テンプレートマッチングによる一致率を分布特性として学習データとして用いている。しかし、テンプレートマッチングによる一致率を用いないようにしてもよい。
Claims (23)
- 対象物を区別して認識するための認識装置であって、
対象物を測定した三次元点群データを取得するデータ取得手段と、
前記対象物の三次元点群データを内包する三次元領域を定義する領域生成手段と、
前記対象物の三次元点群データを内包する三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出する分布特性算出手段と、
算出した分布特性の数値に基づいて、対象物を推定する推定手段と、
を備えた認識装置において、
前記推定手段は、前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに機械学習または深層学習を行って学習済モデルを形成し、前記対象物を示す前記三次元点群データの属するグループに対応する学習済モデルを用いて対象物を推定することを特徴とする認識装置。 - 対象物を区別して認識するための認識装置をコンピュータによって実現するための認識プログラムであって、コンピュータを、
対象物を測定した三次元点群データを取得するデータ取得手段と、
前記対象物の三次元点群データを内包する三次元領域を定義する領域生成手段と、
前記対象物の三次元点群データを内包する三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出する分布特性算出手段と、
算出した分布特性の数値に基づいて、対象物を推定する推定手段として機能させるための認識プログラムにおいて、
前記推定手段は、前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに機械学習または深層学習を行って学習済モデルを形成し、前記対象物を示す前記三次元点群データの属するグループに対応する学習済モデルを用いて対象物を推定することを特徴とする認識プログラム。 - 対象物を区別して認識するための認識装置であって、
モービル・マッチング・システムによって走行しながら対象物を測定した三次元点群データを取得するデータ取得手段と、
前記対象物の三次元点群データを内包する三次元領域を定義する領域生成手段と、
前記対象物の三次元点群データを内包する三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出する分布特性算出手段と、
算出した分布特性の数値に基づいて、対象物を推定する推定手段と、
を備えた認識装置において、
前記分布特性算出手段は、少なくとも三次元点群データの形状を用いたテンプレートマッチングによる合致率も分布特性として算出し、
前記推定手段は、前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに機械学習または深層学習を行って学習済モデルを形成し、前記対象物を示す前記三次元点群データの属するグループに対応する学習済モデルを用いて対象物を推定することを特徴とする認識装置。 - 対象物を区別して認識するための認識装置をコンピュータによって実現するための認識プログラムであって、コンピュータを、
モービル・マッチング・システムによって走行しながら対象物を測定した三次元点群データを取得するデータ取得手段と、
前記対象物の三次元点群データを内包する三次元領域を定義する領域生成手段と、
前記対象物の三次元点群データを内包する三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出する分布特性算出手段と、
算出した分布特性の数値に基づいて、対象物を推定する推定手段として機能させるための認識プログラムにおいて、
前記分布特性算出手段は、少なくとも三次元点群データの形状を用いたテンプレートマッチングによる合致率も分布特性として算出し、
前記推定手段は、前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに機械学習または深層学習を行って学習済モデルを形成し、前記対象物を示す前記三次元点群データの属するグループに対応する学習済モデルを用いて対象物を推定することを特徴とする認識プログラム。 - 道路の近傍に存在する対象物を区別して認識するための認識装置であって、
対象物を測定した三次元点群データを取得するデータ取得手段と、
前記対象物の三次元点群データを内包する三次元領域を定義する領域生成手段と、
前記対象物の三次元点群データを内包する三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出する分布特性算出手段と、
算出した分布特性の数値に基づいて、対象物を推定する推定手段と、
を備えた認識装置において、
前記領域生成手段は、三次元領域として道路の進行方向に沿った直方体を定義し、
前記推定手段は、前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに機械学習または深層学習を行って学習済モデルを形成し、前記対象物を示す前記三次元点群データの属するグループに対応する学習済モデルを用いて対象物を推定することを特徴とする認識装置。 - 道路の近傍に存在する対象物を区別して認識するための認識装置をコンピュータによって実現するための認識プログラムであって、コンピュータを、
対象物を測定した三次元点群データを取得するデータ取得手段と、
前記対象物の三次元点群データを内包する三次元領域を定義する領域生成手段と、
前記対象物の三次元点群データを内包する三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出する分布特性算出手段と、
算出した分布特性の数値に基づいて、対象物を推定する推定手段として機能させるための認識プログラムにおいて、
前記領域生成手段は、三次元領域として道路の進行方向に沿った直方体を定義し、
前記推定手段は、前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに機械学習または深層学習を行って学習済モデルを形成し、前記対象物を示す前記三次元点群データの属するグループに対応する学習済モデルを用いて対象物を推定することを特徴とする認識プログラム。 - 請求項1~6のいずれかの装置またはプログラムにおいて、
前記三次元点群データは、道路および地物を測定したものであり、
前記領域生成手段は、地物に対応する道路面を基準として地物を内包する三次元領域を定義することを特徴とする装置またはプログラム。 - 請求項1~7のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、前記三次元領域のX方向長さ、Y方向長さまたはZ方向長さを分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~8のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくともX軸またはY軸にて前記三次元領域を短冊状に区切った時の各区画に含まれる点の数の分散を分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~9のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくとも前記三次元領域を上下に分割し、上部・下部に含まれる点の数の比率を分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~10のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくとも前記三次元領域のX方向長さまたはY方向長さと、Z方向長さとの比率を分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~11のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくとも前記三次元領域のZ方向の所定間隔の位置での三次元点群データのX方向幅またはY方向幅の変化量を分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~12のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくともZ軸にて前記三次元領域を短冊状に区切った時の点の数が最も多い区画の点の密度を分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~13のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくとも三次元点群データ全体の法線ベクトルのZ軸に対する傾きを分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~14のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくともZ軸にて前記三次元領域を短冊状に区切った時の各区画の点群データの法線ベクトルのZ軸に対する傾きのばらつきを分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~15のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくともZ軸にて前記三次元領域を短冊状に区切った断面における点群データの面積の累積変化量を分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1、2、5~16のいずれかの装置またはプログラムにおいて、
前記分布特性算出手段は、少なくともテンプレートマッチングによる合致率も分布特性として算出することを特徴とする装置またはプログラム。 - 請求項1~17のいずれかの装置またはプログラムにおいて、
前記推定手段は、前記分布特性に基づいて機械学習を行って推定を行うものであることを特徴とする装置またはプログラム。 - 請求項3~18のいずれかの装置またはプログラムにおいて、
前記推定手段は、前記三次元点群データの存在する位置に基づいて当該三次元点群データをグループ分けし、当該グループごとに機械学習または深層学習を行って対象物を推定することを特徴とする装置またはプログラム。 - 請求項1~19のいずれかの装置またはプログラムにおいて、
前記推定手段は、各点における反射強度または色データまたはその双方も考慮して対象物を推定することを特徴とする装置またはプログラム。 - 対象物を測定した三次元点群データに基づいて、対象物を区別して識別するための認識装置をコンピュータによって生産する方法であって、
コンピュータが、学習対象物を測定した三次元点群データを内包する三次元領域を形成し、
コンピュータが、前記三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出し、学習によって上記認識処理を実現する装置に、算出した分布特性の数値を学習データとして与えて学習させることにより認識装置を生産する方法において、
前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに前記学習を行って当該グループごとに学習モデルを形成し前記認識処理を実現する装置を生産することを特徴とする認識装置の生産方法。 - 対象物を測定した三次元点群データに基づいて、対象物を区別して識別するための認識装置をコンピュータによって生産する方法であって、
コンピュータが、モービル・マッチング・システムによって走行しながら学習対象物を測定した三次元点群データを内包する三次元領域を形成し、
コンピュータが、前記三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出し、学習によって上記認識処理を実現する装置に、算出した分布特性の数値を学習データとして与えて学習させることにより認識装置を生産する方法において、
前記分布特性は、三次元点群データの形状を用いたテンプレートマッチングによる合致率も含めて算出され
前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに前記学習を行って当該グループごとに学習モデルを形成し前記認識処理を実現する装置を生産することを特徴とする認識装置の生産方法。 - 道路の近傍に存在する対象物を測定した三次元点群データに基づいて、対象物を区別して識別するための認識装置をコンピュータによって生産する方法であって、
コンピュータが、学習対象物を測定した三次元点群データを内包する三次元領域を形成し、
コンピュータが、前記三次元領域を基準として、三次元点群データにおける点群の分布特性を数値として算出し、学習によって上記認識処理を実現する装置に、算出した分布特性の数値を学習データとして与えて学習させることにより認識装置を生産する方法において、
前記三次元領域として道路の進行方向に沿った直方体として定義され、
前記対象物を示す三次元点群データが、少なくとも車道の中央部分にあるか否かの位置に基づいて当該対象物を示す三次元点群データをグループ分けし、当該グループごとに前記学習を行って当該グループごとに学習モデルを形成し前記認識処理を実現する装置を生産することを特徴とする認識装置の生産方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018086120A JP7290240B2 (ja) | 2018-04-27 | 2018-04-27 | 対象物認識装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018086120A JP7290240B2 (ja) | 2018-04-27 | 2018-04-27 | 対象物認識装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019192059A JP2019192059A (ja) | 2019-10-31 |
JP7290240B2 true JP7290240B2 (ja) | 2023-06-13 |
Family
ID=68390217
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018086120A Active JP7290240B2 (ja) | 2018-04-27 | 2018-04-27 | 対象物認識装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7290240B2 (ja) |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112101066B (zh) * | 2019-06-17 | 2024-03-08 | 商汤集团有限公司 | 目标检测方法和装置及智能驾驶方法、设备和存储介质 |
JP6961126B1 (ja) * | 2020-10-28 | 2021-11-05 | 三菱電機株式会社 | 劣化検知装置 |
KR102356910B1 (ko) * | 2021-08-05 | 2022-02-08 | 주식회사 인피닉 | 객체의 선제 검출 방법 및 이를 실행하기 위하여 기록매체에 기록된 컴퓨터 프로그램 |
WO2024004723A1 (ja) * | 2022-06-28 | 2024-01-04 | 京セラ株式会社 | 電子機器、制御方法および制御プログラム |
CN115824052B (zh) * | 2023-02-14 | 2023-05-09 | 长沙空维激光技术服务有限公司 | 一种基于激光雷达点云数据的堆料体积测量方法 |
CN115995010B (zh) * | 2023-03-22 | 2023-06-16 | 华南农业大学 | 一种基于植株群体点云的株高提取方法及*** |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012203894A (ja) | 2011-03-28 | 2012-10-22 | Kumamoto Univ | 3dパターンマッチング方法 |
JP2014109555A (ja) | 2012-12-04 | 2014-06-12 | Nippon Telegr & Teleph Corp <Ntt> | 点群解析処理装置、点群解析処理方法及びプログラム |
JP2016143324A (ja) | 2015-02-04 | 2016-08-08 | 株式会社デンソー | 物体検出装置 |
JP2017138219A (ja) | 2016-02-04 | 2017-08-10 | 株式会社デンソー | 物体認識装置 |
JP2017146957A (ja) | 2016-02-19 | 2017-08-24 | トヨタ自動車株式会社 | 深層畳み込みニューラルネットワークによるレイヤベースの物体検出の強化 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6911312B2 (ja) * | 2016-09-23 | 2021-07-28 | トヨタ自動車株式会社 | 物体識別装置 |
-
2018
- 2018-04-27 JP JP2018086120A patent/JP7290240B2/ja active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2012203894A (ja) | 2011-03-28 | 2012-10-22 | Kumamoto Univ | 3dパターンマッチング方法 |
JP2014109555A (ja) | 2012-12-04 | 2014-06-12 | Nippon Telegr & Teleph Corp <Ntt> | 点群解析処理装置、点群解析処理方法及びプログラム |
JP2016143324A (ja) | 2015-02-04 | 2016-08-08 | 株式会社デンソー | 物体検出装置 |
JP2017138219A (ja) | 2016-02-04 | 2017-08-10 | 株式会社デンソー | 物体認識装置 |
JP2017146957A (ja) | 2016-02-19 | 2017-08-24 | トヨタ自動車株式会社 | 深層畳み込みニューラルネットワークによるレイヤベースの物体検出の強化 |
Also Published As
Publication number | Publication date |
---|---|
JP2019192059A (ja) | 2019-10-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7290240B2 (ja) | 対象物認識装置 | |
CN113239442B (zh) | 一种三维模型构建方法、装置、设备和计算机可读存储介质 | |
Wang et al. | Road boundaries detection based on local normal saliency from mobile laser scanning data | |
Forlani et al. | C omplete classification of raw LIDAR data and 3D reconstruction of buildings | |
CN112052503A (zh) | 一种基于人工智能的商业街区建筑体块生成的方法 | |
CN106920278B (zh) | 一种基于Reeb图的立交桥三维建模方法 | |
Yan et al. | Integration of 3D objects and terrain for 3D modelling supporting the digital twin | |
Laycock et al. | Automatically generating large urban environments based on the footprint data of buildings | |
JP2006323608A (ja) | 立体構造物群モデル作成装置、立体構造物群モデル作成方法及び立体モデル作成システム | |
WO2021051346A1 (zh) | 立体车道线确定方法、装置和电子设备 | |
CN110532963B (zh) | 一种车载激光雷达点云驱动的道路标线精准提取方法 | |
Uggla et al. | Towards synthesized training data for semantic segmentation of mobile laser scanning point clouds: Generating level crossings from real and synthetic point cloud samples | |
Uslu et al. | Image-based 3D reconstruction and recognition for enhanced highway condition assessment | |
CN116401736A (zh) | 一种基于人工智能的城市绿地空间自动布局方法 | |
Badenko et al. | Comparison of software for airborne laser scanning data processing in smart city applications | |
WO2018151629A1 (ru) | Способ и система автоматического построения трехмерных моделей городов | |
Zhang et al. | An Approach to Map Visibility in the Built Environment From Airborne LiDAR Point Clouds | |
CN117934705A (zh) | 建筑模型批量生成方法、装置、可读存储介质及电子设备 | |
CN115830255B (zh) | 一种仿真场景生成方法、装置、电子设备和存储介质 | |
Namouchi et al. | Piecewise horizontal 3d roof reconstruction from aerial lidar | |
CN110188156A (zh) | 一种输电线路工程三维设计成果关键信息提取方法和*** | |
Wolf et al. | Applicability of neural networks for image classification on object detection in mobile mapping 3d point clouds | |
JP7204087B2 (ja) | 対象物認識装置 | |
CN113128122A (zh) | 基于bim的市政公路检测方法 | |
Kaubukowski et al. | Classification of Large and Heterogeneous LiDAR Data Sets |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20180511 |
|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20200310 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20200310 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20200312 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200605 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210412 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220310 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220418 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220601 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220912 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20221017 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20221017 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221026 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221031 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20221125 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20221129 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20221226 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20230306 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20230327 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20230522 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7290240 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
S531 | Written request for registration of change of domicile |
Free format text: JAPANESE INTERMEDIATE CODE: R313531 |
|
R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |