JPWO2021127692A5 - - Google Patents
Download PDFInfo
- Publication number
- JPWO2021127692A5 JPWO2021127692A5 JP2022537282A JP2022537282A JPWO2021127692A5 JP WO2021127692 A5 JPWO2021127692 A5 JP WO2021127692A5 JP 2022537282 A JP2022537282 A JP 2022537282A JP 2022537282 A JP2022537282 A JP 2022537282A JP WO2021127692 A5 JPWO2021127692 A5 JP WO2021127692A5
- Authority
- JP
- Japan
- Prior art keywords
- voxel
- determining
- target
- resolution
- space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 claims 10
- 230000009466 transformation Effects 0.000 claims 8
- 238000013519 translation Methods 0.000 claims 3
- 230000014616 translation Effects 0.000 claims 3
- 238000000513 principal component analysis Methods 0.000 claims 2
- 238000004590 computer program Methods 0.000 claims 1
- 238000005457 optimization Methods 0.000 claims 1
- 238000000844 transformation Methods 0.000 claims 1
Claims (15)
- 第1のボクセル空間を含むマップデータを受信することであって、前記第1のボクセル空間は、第1の解像度に関連付けられた第1の層と、前記第1の解像度とは異なる第2の解像度に関連付けられた第2の層とを有する、ことと、
車両に関連付けられたセンサーからセンサーデータを受信することと、
前記センサーデータを第2のボクセル空間に関連付けることであって、前記第2のボクセル空間は、前記第1の解像度に関連付けられた第1の層と、前記第2の解像度に関連付けられた第2の層とを含む、ことと、
前記第1のボクセル空間および前記第2のボクセル空間に少なくとも部分的に基づいて、第1の集約されたボクセルデータを決定することと、
前記第1の集約されたボクセルデータに少なくとも部分的に基づいて、前記第1のボクセル空間と前記第2のボクセル空間との間の変換を決定することと、
前記変換に少なくとも部分的に基づいて、物理環境における前記車両のロケーションを決定することと
を備えることを特徴とする方法。 - 前記第1の集約されたボクセルデータを決定することは、
前記第1のボクセル空間の第1のボクセルに対して、前記第1のボクセルのセントロイドの指定された距離内のセントロイドを有する前記第2のボクセル空間のボクセルのセットを識別することと、
ボクセルの前記セットのうちの第2のボクセルを選択することであって、前記第2のボクセルは、前記第1のボクセルの前記セントロイドに最も近いセントロイドを有する、ことと、
前記第1のボクセルの共分散およびリファレンスボクセルの共分散の重み付き平均を決定することと
を含むことを特徴とする請求項1に記載の方法。 - 前記第1のボクセルおよび前記第2のボクセルは、同一のセマンティッククラスを含むことを特徴とする請求項2に記載の方法。
- 前記第1の集約されたボクセルデータを決定することは、
重み付き平均の最小固有ベクトルを決定することと、
前記最小固有ベクトルに少なくとも部分的に基づいて、前記第1の集約されたボクセルデータを表す法線ベクトルを決定することと
をさらに含むことを特徴とする請求項1ないし3のいずれか一項に記載の方法。 - 前記第1の集約されたボクセルデータを再重み付けすることは、m-エスティメータフレームワークを適用することを含むことを特徴とする請求項1ないし4のいずれか一項に記載の方法。
- 前記変換を決定することは、
最小固有値に少なくとも部分的に基づいて、残差を決定することと、
前記残差に少なくとも部分的に基づいて、ターゲットボクセル空間とリファレンスボクセル空間との間の回転または平行移動のうちの1つまたは複数を決定することと
を含むことを特徴とする請求項1ないし4のいずれか一項に記載の方法。 - 分布をモデリングすることに少なくとも部分的に基づいて、アライメントに関連付けられた不確かさを決定することをさらに備えることを特徴とする請求項1ないし6のいずれか一項に記載の方法。
- 前記変換は、前記第1のボクセル空間と第2のボクセル空間との間の位置または向きのうちの1つまたは複数における差を示すことを特徴とする請求項1ないし7のいずれか一項に記載の方法。
- 前記車両は自律車両であり、前記方法は、
前記物理環境における前記自律車両の前記ロケーションに少なくとも部分的に基づいて前記自律車両を制御すること
をさらに備えることを特徴とする請求項1ないし8のいずれか一項に記載の方法。 - コンピューターにおいて実行されると、請求項1ないし9のいずれか一項に記載の方法を実装する、コード化された命令を含むことを特徴とするコンピュータープログラム。
- システムであって、
1つまたは複数のプロセッサーと、
前記1つまたは複数のプロセッサーによって実行可能な命令を格納する1つまたは複数の非一時的なコンピューター読取り可能媒体と
を備え、前記命令は、実行されると、前記システムに、
ターゲット多重解像度ボクセル空間を受信することと、
リファレンス多重解像度ボクセル空間を受信することと、
前記ターゲット多重解像度ボクセル空間の第1のターゲットボクセルが、前記リファレンス多重解像度ボクセル空間の第1のリファレンスボクセルに関連付けられると決定することであって、前記第1のターゲットボクセルおよび前記第1のリファレンスボクセルは、第1の解像度を共有する、ことと、
前記第1のターゲットボクセルおよび前記第1のリファレンスボクセルの第1の重み付き統計量を決定することと、
前記ターゲット多重解像度ボクセル空間の第2のターゲットボクセルが、前記リファレンス多重解像度ボクセル空間の第2のリファレンスボクセルに関連付けられると決定することであって、前記第2のターゲットボクセルおよび前記第2のリファレンスボクセルは、第2の解像度を共有し、前記第2の解像度は前記第1の解像度とは異なる、ことと、
前記第2のターゲットボクセルおよび前記第2のリファレンスボクセルを表す第2の組み合わされたボクセルの第2の重み付き統計量を決定することと、
前記第1の重み付き統計量および前記第2の重み付き統計量に少なくとも部分的に基づいて、前記ターゲット多重解像度ボクセル空間とリファレンス多重解像度ボクセル空間との間の変換を決定することと
を含む動作を行わせることを特徴とするシステム。 - 前記ターゲット多重解像度ボクセル空間は、第1の分類に関連付けられたボクセルの第1のセットと、第2の分類に関連付けられたボクセルの第2のセットとを含むことを特徴とする請求項11に記載のシステム。
- 前記ターゲット多重解像度ボクセル空間の前記第1のターゲットボクセルが、前記リファレンス多重解像度ボクセル空間の前記第1のリファレンスボクセルに関連付けられると決定することは、
第1のターゲットボクセルに対して、前記第1のターゲットボクセルのセントロイドの指定された距離内にセントロイドを有する前記リファレンス多重解像度ボクセル空間のボクセルのセットを識別することと、
前記第1のターゲットボクセルの前記セントロイドへの前記第1のリファレンスボクセルのセントロイドの距離に基づいて、ボクセルの前記セットから前記第1のリファレンスボクセルを決定することと
を含むことを特徴とする請求項11または12に記載のシステム。 - 前記動作は、前記第1のターゲットボクセルのセントロイドおよび前記第1のリファレンスボクセルのセントロイドの距離に少なくとも部分的に基づいて、前記第1のターゲットボクセルおよび前記第1のリファレンスボクセルが対応すると決定することをさらに含むことを特徴とする請求項11ないし13のいずれか一項に記載のシステム。
- 前記変換を決定することは、
前記第1の重み付き統計量に主成分分析を行うことと、
前記主成分分析の最小固有値を決定することと、
前記最小固有値に少なくとも部分的に基づいて、残差を決定することと、
前記変換として、前記残差を最適化するターゲット多重解像度マップとリファレンス多重解像度マップとの間の回転または平行移動のうちの1つまたは複数を決定することと
を含み、
前記動作は、前記残差に少なくとも部分的に基づいて値を最小化する勾配降下技法または非線形最適化技法のうちの1つまたは複数を適用することをさらに含み、前記変換は、平行移動または回転のうちの1つまたは複数を含む
ことを特徴とする請求項11ないし14のいずれか一項に記載のシステム。
Applications Claiming Priority (5)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/722,771 US11430087B2 (en) | 2019-12-20 | 2019-12-20 | Using maps comprising covariances in multi-resolution voxels |
US16/722,771 | 2019-12-20 | ||
US16/722,598 | 2019-12-20 | ||
US16/722,598 US11288861B2 (en) | 2019-12-20 | 2019-12-20 | Maps comprising covariances in multi-resolution voxels |
PCT/US2020/070910 WO2021127692A1 (en) | 2019-12-20 | 2020-12-15 | Maps comprising covariances in multi-resolution voxels |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2023508276A JP2023508276A (ja) | 2023-03-02 |
JPWO2021127692A5 true JPWO2021127692A5 (ja) | 2023-12-08 |
Family
ID=76478284
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022537282A Pending JP2023508276A (ja) | 2019-12-20 | 2020-12-15 | 多重解像度ボクセルにおける共分散を含むマップ |
Country Status (4)
Country | Link |
---|---|
EP (1) | EP4078534A4 (ja) |
JP (1) | JP2023508276A (ja) |
CN (1) | CN114868154A (ja) |
WO (1) | WO2021127692A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20240094029A1 (en) * | 2022-05-31 | 2024-03-21 | Zoox, Inc. | System and method for generating multi-resolution voxel spaces |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11512962B2 (en) * | 2017-05-31 | 2022-11-29 | Pioneer Corporation | Output device, control method, program and storage medium |
US11175132B2 (en) * | 2017-08-11 | 2021-11-16 | Zoox, Inc. | Sensor perturbation |
US10983199B2 (en) * | 2017-08-11 | 2021-04-20 | Zoox, Inc. | Vehicle sensor calibration and localization |
US11360216B2 (en) * | 2017-11-29 | 2022-06-14 | VoxelMaps Inc. | Method and system for positioning of autonomously operating entities |
US10338223B1 (en) * | 2017-12-13 | 2019-07-02 | Luminar Technologies, Inc. | Processing point clouds of vehicle sensors having variable scan line distributions using two-dimensional interpolation and distance thresholding |
US11113959B2 (en) * | 2018-12-28 | 2021-09-07 | Intel Corporation | Crowdsourced detection, identification and sharing of hazardous road objects in HD maps |
-
2020
- 2020-12-15 WO PCT/US2020/070910 patent/WO2021127692A1/en unknown
- 2020-12-15 JP JP2022537282A patent/JP2023508276A/ja active Pending
- 2020-12-15 CN CN202080088246.2A patent/CN114868154A/zh active Pending
- 2020-12-15 EP EP20901617.9A patent/EP4078534A4/en active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10991074B2 (en) | Transforming source domain images into target domain images | |
Ben-Shabat et al. | Deepfit: 3d surface fitting via neural network weighted least squares | |
JP4974975B2 (ja) | 画像において物体の位置を特定する方法及びシステム | |
Krull et al. | 6-dof model based tracking via object coordinate regression | |
WO2020188121A1 (en) | Perception uncertainty | |
US8401239B2 (en) | Object tracking with regressing particles | |
CN108765489A (zh) | 一种基于组合靶标的位姿计算方法、***、介质及设备 | |
US20120122486A1 (en) | Estimating positions of a device and at least one target in an environment | |
CN100394340C (zh) | 获取旋转运动量的方法和装置 | |
Mo et al. | The deep poincaré map: A novel approach for left ventricle segmentation | |
JP6906471B2 (ja) | 点群から対象の向きを推定する対象情報推定装置、プログラム及び方法 | |
JP7337216B2 (ja) | ニューラルネットワークをトレーニングする方法、ニューラルネットワークをトレーニングするシステム、及びニューラルネットワーク | |
US20220373671A1 (en) | System and Method for Tracking an Expanded State of a Moving Object Using a Compound Measurement Model | |
CN114503162A (zh) | 具有不确定性的特征点位置估计的图像处理***和方法 | |
Vaskevicius et al. | Revisiting superquadric fitting: A numerically stable formulation | |
US11474486B2 (en) | Model-based control with uncertain motion model | |
US20220383648A1 (en) | 3d object detection | |
Drews et al. | Fast and adaptive 3d change detection algorithm for autonomous robots based on gaussian mixture models | |
JPWO2021127692A5 (ja) | ||
Fink | Computer vision-based motion control and state estimation for unmanned aerial vehicles (UAVs) | |
WO2023280274A1 (en) | Geometric structure aided visual localization method and system | |
CN111811501B (zh) | 一种基于树干特征的无人机定位方法、无人机及存储介质 | |
Chang et al. | Confidence level estimation in multi-target classification problems | |
Liu et al. | Autoregressive Uncertainty Modeling for 3D Bounding Box Prediction | |
Goshtasby et al. | Image registration methods |