[go: up one dir, main page]
More Web Proxy on the site http://driver.im/

JP6746032B2 - 霧特定装置、霧特定方法及び霧特定プログラム - Google Patents

霧特定装置、霧特定方法及び霧特定プログラム Download PDF

Info

Publication number
JP6746032B2
JP6746032B2 JP2020505557A JP2020505557A JP6746032B2 JP 6746032 B2 JP6746032 B2 JP 6746032B2 JP 2020505557 A JP2020505557 A JP 2020505557A JP 2020505557 A JP2020505557 A JP 2020505557A JP 6746032 B2 JP6746032 B2 JP 6746032B2
Authority
JP
Japan
Prior art keywords
fog
point data
density
reflection
point
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
JP2020505557A
Other languages
English (en)
Other versions
JPWO2019175919A1 (ja
Inventor
公彦 廣井
公彦 廣井
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.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
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 Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of JPWO2019175919A1 publication Critical patent/JPWO2019175919A1/ja
Application granted granted Critical
Publication of JP6746032B2 publication Critical patent/JP6746032B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/04—Systems determining the presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/95—Lidar systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G06F18/232—Non-hierarchical techniques
    • G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
    • G06V10/507—Summing image-intensity values; Histogram projection analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/758—Involving statistics of pixels or of feature values, e.g. histogram matching
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G06V10/763—Non-hierarchical techniques, e.g. based on statistics of modelling distributions
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Computing Systems (AREA)
  • Databases & Information Systems (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Probability & Statistics with Applications (AREA)
  • Data Mining & Analysis (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Atmospheric Sciences (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Description

この発明は、霧の濃さを特定する技術に関する。
特許文献１には、車両の周辺に霧が発生しているか否かを判定する技術が記載されている。
特許文献１では、車両の周辺に電磁波が送信され、その反射波から反射点が特定される。特定された複数の反射点間の距離が一定の範囲内になる反射点が１つのセグメントとして分類される。第１反射点のセグメントである第１セグメントを通る電磁波の走査線上で第２反射点が存在する比率が高い場合に、第１セグメントが霧であると判定される。
特開２００９−４２１７７号公報
特許文献１に記載された技術では、霧が濃い場合には、霧を透過する電磁波が少なくなるため、第１セグメントを通る電磁波の走査線上で第２反射点が存在する比率が低くなってしまう。そのため、霧が発生していることの特定が困難になる。
この発明は、適切に霧の濃さを特定することを目的とする。
この発明に係る霧特定装置は、
放射された光束が反射点で反射した反射光を受信する光センサによって得られた前記反射点を示す点データの集合を取得する点データ取得部と、
前記点データ取得部によって取得された前記集合に含まれる点データが示す前記反射点を俯瞰した場合に、前記光センサの周辺に前記反射点が円弧状に分布しているか否かにより、霧の濃さを特定する霧特定部と
を備える。
この発明では、光センサの周辺に反射点が円弧状に分布しているか否かにより、霧の濃さを特定する。光センサの周辺における反射点の分布状態は、霧の濃さに応じて変化するため、適切に霧の濃さを特定することが可能である。
実施の形態１に係る霧特定装置１０の構成図。 実施の形態１に係る霧特定装置１０の全体的な動作を示すフローチャート。 実施の形態１に係る点データの説明図。 実施の形態１に係る霧特定処理のフローチャート。 実施の形態１に係る霧特定処理の説明図。 変形例１に係る霧特定装置１０の構成図。 実施の形態２に係る霧特定装置１０の全体的な動作を示すフローチャート。 実施の形態２に係る霧が発生している場合の点データの説明図。 実施の形態２に係る霧特定処理のフローチャート。 実施の形態２に係る分散計算処理の説明図。 実施の形態３に係る霧特定装置１０の構成図。 実施の形態３に係る霧特定装置１０の全体的な動作を示すフローチャート。 実施の形態４に係る霧特定装置１０の構成図。 実施の形態４に係る霧特定装置１０の全体的な動作を示すフローチャート。 実施の形態４に係る閾値設定処理の説明図。 実施の形態５に係る霧特定装置１０の構成図。 実施の形態５に係る霧特定装置１０の全体的な動作を示すフローチャート。 実施の形態５に係る信頼度記憶部３２に記憶される情報の説明図。 変形例４に係る霧特定装置１０の構成図。 変形例４に係る霧特定装置１０の全体的な動作を示すフローチャート。
実施の形態１．
＊＊＊構成の説明＊＊＊
図１を参照して、実施の形態１に係る霧特定装置１０の構成を説明する。
霧特定装置１０は、移動体１００に搭載されるＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）といったコンピュータである。
実施の形態１では、移動体１００は、車両である。しかし、移動体１００は、車両に限らず、船及び航空機といった他の種別であってもよい。霧特定装置１０は、移動体１００又は図示した他の構成要素と、一体化した形態又は分離不可能な形態で実装されてもよい、あるいは、取り外し可能な形態または分離可能な形態で実装されてもよい。
霧特定装置１０は、プロセッサ１１と、メモリ１２と、ストレージ１３と、通信インタフェース１４とのハードウェアを備える。プロセッサ１１は、信号線を介して他のハードウェアと接続され、これら他のハードウェアを制御する。
プロセッサ１１は、プロセッシングを行うＩＣ（Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）である。プロセッサ１１は、具体例としては、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＤＳＰ（Ｄｉｇｉｔａｌ Ｓｉｇｎａｌ Ｐｒｏｃｅｓｓｏｒ）、ＧＰＵ（Ｇｒａｐｈｉｃｓ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）である。
メモリ１２は、データを一時的に記憶する記憶装置である。メモリ１２は、具体例としては、ＳＲＡＭ（Ｓｔａｔｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、ＤＲＡＭ（Ｄｙｎａｍｉｃ Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）である。
ストレージ１３は、データを保管する記憶装置である。ストレージ１３は、具体例としては、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）である。また、ストレージ１３は、ＳＤ（登録商標，Ｓｅｃｕｒｅ Ｄｉｇｉｔａｌ）メモリカード、ＣＦ（ＣｏｍｐａｃｔＦｌａｓｈ，登録商標）、ＮＡＮＤフラッシュ、フレキシブルディスク、光ディスク、コンパクトディスク、ブルーレイ（登録商標）ディスク、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）といった可搬記録媒体であってもよい。
通信インタフェース１４は、外部の装置と通信するためのインタフェースである。通信インタフェース１４は、具体例としては、Ｅｔｈｅｒｎｅｔ（登録商標）、ＵＳＢ（Ｕｎｉｖｅｒｓａｌ Ｓｅｒｉａｌ Ｂｕｓ）、ＨＤＭＩ（登録商標，Ｈｉｇｈ−Ｄｅｆｉｎｉｔｉｏｎ Ｍｕｌｔｉｍｅｄｉａ Ｉｎｔｅｒｆａｃｅ）のポートである。
通信インタフェース１４は、移動体１００に搭載された光センサ４１と接続されている。光センサ４１は、光の束である光束を放射し、放射された光束が反射点で反射した反射光を受信する装置である。光センサ４１は、具体例としては、ＬｉＤＡＲ（Ｌｉｇｈｔ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）である。
霧特定装置１０は、機能構成要素として、点データ取得部２１と、霧特定部２２とを備える。霧特定装置１０の各機能構成要素の機能はソフトウェアにより実現される。
ストレージ１３には、霧特定装置１０の各機能構成要素の機能を実現するプログラムが格納されている。このプログラムは、プロセッサ１１によりメモリ１２に読み込まれ、プロセッサ１１によって実行される。これにより、霧特定装置１０の各機能構成要素の機能が実現される。
また、ストレージ１３は、判定情報記憶部３１の機能を実現する。
図１では、プロセッサ１１は、１つだけ示されていた。しかし、プロセッサ１１は、複数であってもよく、複数のプロセッサ１１が、各機能を実現するプログラムを連携して実行してもよい。
＊＊＊動作の説明＊＊＊
図２から図５を参照して、実施の形態１に係る霧特定装置１０の動作を説明する。
実施の形態１に係る霧特定装置１０の動作は、実施の形態１に係る霧特定方法に相当する。また、実施の形態１に係る霧特定装置１０の動作は、実施の形態１に係る霧特定プログラムの処理に相当する。
図２を参照して、実施の形態１に係る霧特定装置１０の全体的な動作を説明する。
（ステップＳ１１：点データ取得処理）
点データ取得部２１は、放射された光束が反射点で反射した反射光を受信する光センサ４１によって得られた反射点を示す点データの集合を、通信インタフェース１４を介して取得する。
点データは、光センサ４１から放射されたある光束に対する反射点である１次反射点を示す１次点データと、ある光束に対する反射光の強度が１次反射点よりも低い反射点である２次反射点を示す２次点データとの組である。実施の形態１では、１次反射点は、反射光の強度が最も高い反射点であり、２次反射点は、１次反射点の次に反射光の強度が高い反射点である。
図３に示すように、光センサ４１は、光の束である光束を放射する。霧が発生している場合には、まず、上下奥行き方向にまばらに拡散しているどこかの霧の粒子で光束を構成する光が反射する。概ねの場合には、光センサ４１に近い位置での反射の反射光の強度が最も高くなる。そのため、光センサ４１に近い位置で反射が発生した反射点が１次反射点になる。霧の粒子の間を通り抜けた光と、霧の粒子で反射した光とが、他の霧の粒子、又は、移動体１００の周辺の車両といった障害物で反射する。概ねの場合には、この反射の反射光の強度が２番目に高くなるため、この反射が発生した反射点が２次反射点になる。
（ステップＳ１２：クラスタリング処理）
点データ取得部２１は、ステップＳ１１で取得された集合に含まれる点データをクラスタリングする。
具体的には、点データ取得部２１は、１次反射点と２次反射点との少なくともいずれかの位置に基づき、集合に含まれる点データをクラスタリングして、１つ以上のクラスタを生成する。点データのクラスタリング方法については、既存のクラスタリング技術を用いればよい。例えば、点データ取得部２１は、１次反射点の位置間の距離が一定の距離以内になる点データを１つのクラスタとする。
ここでは、点データ取得部２１がクラスタリングを行うとした。しかし、点データ取得部２１は、クラスタリングされた点データの集合を取得してもよい。つまり、霧特定装置１０とは別のクラスタリング用のＥＣＵで点データのクラスタリングが行われ、点データ取得部２１は、クラスタリング用のＥＣＵでクラスタリングされた点データの集合を取得してもよい。
（ステップＳ１３：霧特定処理）
霧特定部２２は、ステップＳ１１で取得された集合に含まれる点データについての１次反射点と２次反射点との間の距離の分布に基づき、霧の濃さを特定する。ここでは、霧特定部２２は、ステップＳ１２で１つのクラスタにクラスタリングされた点データについての１次反射点と２次反射点との間の距離の分布に基づき、霧の濃さを特定する。
具体的には、霧特定部２２は、霧の濃さに応じた距離の分布のパターンと、集合に含まれる点データについての距離の分布とを比較することにより、霧の濃さを特定する。実施の形態１では、霧特定部２２は、霧の濃さに応じた距離の頻度のヒストグラムのパターンと、集合に含まれる点データについての距離の頻度のヒストグラムとを比較することにより、霧の濃さを特定する。
図４及び図５を参照して、実施の形態１に係る霧特定処理（図２のステップＳ１３）を説明する。
（ステップＳ２１：ヒストグラム生成処理）
図５の（Ａ）に示すように、霧特定部２２は、ステップＳ１２で１つのクラスタにクラスタリングされた点データについての１次反射点と２次反射点との間の距離の分布を表すヒストグラムを生成する。
具体的には、霧特定部２２は、距離毎に点データの数を特定し、特定された点データの数をクラスタに含まれる点データの数で除して、距離毎の頻度を計算する。霧特定部２２は、計算された頻度を示すヒストグラムを生成する。
実施の形態１では、判定情報記憶部３１は、霧の濃さ毎に、１次反射点と２次反射点との間の距離の分布のパターンを記憶する。具体的には、判定情報記憶部３１は、霧の濃さ毎に、１次反射点と２次反射点との間の距離の頻度のヒストグラムを記憶する。
ステップＳ２２の処理は、判定情報記憶部３１に記憶されたヒストグラムの各パターンを対象として実行される。
（ステップＳ２２：比較処理）
図５の（Ｂ）に示すように、霧特定部２２は、対象のパターンと、ステップＳ２１で生成されたヒストグラムとを比較して、霧の濃さを特定する。
具体的には、霧特定部２２は、対象のパターンを判定情報記憶部３１から読み出す。霧特定部２２は、読み出された対象のパターンと、ステップＳ２１で生成されたヒストグラムとを比較する。比較方法は、既存の類似度比較技術を用いればよい。実施の形態１では、霧特定部２２は、ヒストグラムのビンをベクトルとして、読み出されたパターンのベクトルと、ステップＳ２１で生成されたヒストグラムのベクトルとについて、ユークリッド距離又はヒストグラムインタセクションに基づく類似度を計算する。霧特定部２２は、これに限らず、ＳＶＭ（Ｓｕｐｐｏｒｔ Ｖｅｃｔｏｒ Ｍａｃｈｉｎｅ）とＡｄａｂｏｏｓｔと多層パーセプトロンの教師あり学習といった技術を用いて比較してもよい。
（ステップＳ２３：濃さ特定処理）
霧特定部２２は、判定情報記憶部３１に記憶されたヒストグラムのパターンのうち、ステップＳ２２で計算された類似度が最も高いパターンを特定する。霧特定部２２は、特定されたパターンに対応する霧の濃さを、移動体１００の周囲の霧の濃さであると特定する。
図５の例１の場合には、ステップＳ２１で生成されたヒストグラムは、視程１５ｍの霧のパターン（図５では霧１５と記載）との類似度が高くなる。そのため、例１では、視程１５ｍの霧と判定される。また、図５の例２の場合には、ステップＳ２１で生成されたヒストグラムは、霧なしのパターンとの類似度が高くなる。そのため、例２では、霧なしと判定される。
なお、霧の濃さを特定するとは、複数の段階の霧の濃さのどの濃さであるかを特定することに限らず、一定以上の濃さの霧が発生しているか否かを特定することも含む。つまり、霧の濃さを特定するとは、霧が発生しているか否かを判定することも含む。
＊＊＊実施の形態１の効果＊＊＊
以上のように、実施の形態１に係る霧特定装置１０は、１次反射点と２次反射点との間の距離の分布に基づき、霧の濃さを特定する。１次反射点と２次反射点との間の距離の分布は、霧の濃さに応じて変化するため、適切に霧の濃さを特定することが可能である。
＊＊＊他の構成＊＊＊
＜変形例１＞
実施の形態１では、各機能構成要素がソフトウェアで実現された。しかし、変形例１として、各機能構成要素はハードウェアで実現されてもよい。この変形例１について、実施の形態１と異なる点を説明する。
図６を参照して、変形例１に係る霧特定装置１０の構成を説明する。
各機能構成要素がハードウェアで実現される場合には、霧特定装置１０は、プロセッサ１１とメモリ１２とストレージ１３とに代えて、電子回路１５を備える。電子回路１５は、各機能構成要素と、メモリ１２と、ストレージ１３との機能とを実現する専用の回路である。
電子回路１５としては、単一回路、複合回路、プログラム化したプロセッサ、並列プログラム化したプロセッサ、ロジックＩＣ、ＧＡ（Ｇａｔｅ Ａｒｒａｙ）、ＡＳＩＣ（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ）、ＦＰＧＡ（Ｆｉｅｌｄ−Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ）が想定される。
各機能構成要素を１つの電子回路１５で実現してもよいし、各機能構成要素を複数の電子回路１５に分散させて実現してもよい。
＜変形例２＞
変形例２として、一部の各機能構成要素がハードウェアで実現され、他の各機能構成要素がソフトウェアで実現されてもよい。
プロセッサ１１とメモリ１２とストレージ１３と電子回路１５とを処理回路という。つまり、各機能構成要素の機能は、処理回路により実現される。
＜変形例３＞
実施の形態１では、霧特定装置１０は１つのＥＣＵといったコンピュータにより実現された。しかし、霧特定装置１０は複数のＥＣＵといったコンピュータにより実現されてもよい。
実施の形態２．
実施の形態２は、光センサ４１の周辺に反射点が円弧状に分布しているか否かにより、霧の濃さを特定する点が実施の形態１と異なる。実施の形態２では、この異なる点を説明し、同一の点については説明を省略する。
＊＊＊動作の説明＊＊＊
図７から図１０を参照して、実施の形態２に係る霧特定装置１０の動作を説明する。
実施の形態２に係る霧特定装置１０の動作は、実施の形態２に係る霧特定方法に相当する。また、実施の形態２に係る霧特定装置１０の動作は、実施の形態２に係る霧特定プログラムの処理に相当する。
図７を参照して、実施の形態２に係る霧特定装置１０の全体的な動作を説明する。
（ステップＳ３１：点データ取得処理）
点データ取得部２１は、放射された光束が反射点で反射した反射光を受信する光センサ４１によって得られた反射点を示す点データの集合を取得する。
実施の形態２では、実施の形態１と異なり、点データは、１次点データと２次点データとの組である必要はない。実施の形態２では、点データは、１つの反射点だけを示していてもよい。
（ステップＳ３２：霧特定処理）
霧特定部２２は、ステップＳ３１で取得された集合に含まれる点データが示す反射点を俯瞰した場合に、光センサ４１の周辺に反射点が円弧状に分布しているか否かにより、霧の濃さを特定する。
つまり、霧特定部２２は、図８の（Ａ）に示す反射点を示す点データの集合を、図８の（Ｂ）に示すように俯瞰変換する。つまり、霧特定部２２は、点データの集合が示す反射点群を、奥行方向及び水平方向の座標系上に投影する。霧が発生している場合には、光センサ４１の周辺で一様に光束が反射するため、光センサ４１の周辺に円弧上に反射点が分布する。なお、図８の（Ｂ）では、反射点が円状ではなく、円弧状に分布している。これは、移動体１００が存在する位置に反射点がないためである。
図９を参照して、実施の形態２に係る霧特定処理（図７のステップＳ３２）を説明する。
（ステップＳ４１：円近似処理）
霧特定部２２は、ステップＳ３１で取得された集合に含まれる点データが示す反射点の奥行方向及び水平方向の座標を入力として、円の最小二乗法によって近似される円を計算する。
具体的には、霧特定部２２は、数１に示す円の最小二乗法の式に、集合に含まれる点データｉ（ｉ＝１，．．．，ｎ）が示す反射点の奥行方向及び水平方向の座標（ｘｉ，ｙｉ）を入力して、近似される円の中心座標（Ａ，Ｂ）と、半径Ｃとを計算する。
Figure 0006746032
（ステップＳ４２：分散計算処理）
霧特定部２２は、ステップＳ３１で取得された集合に含まれる各点データを対象として、対象の点データが示す反射点からステップＳ４１で計算された円までの距離ｄを計算する。つまり、図１０に示すように、霧特定部２２は、対象の点データが示す反射点から円の接線に垂直に下した直線における、反射点から円までの長さを距離ｄとして計算する。そして、霧特定部２２は、距離ｄの分散値を計算する。
（ステップＳ４３：濃さ特定処理）
霧特定部２２は、ステップＳ４２で計算された分散値により、霧の濃さを特定する。霧特定部２２は、分散値が小さいほど、霧が濃いと特定する。
実施の形態２では、判定情報記憶部３１は、霧の濃さ毎に分散値の閾値を記憶する。霧特定部２２は、ステップＳ４２で計算された分散値と、判定情報記憶部３１に記憶された霧の濃さ毎の閾値とを比較することにより、霧の濃さを特定する。
＊＊＊実施の形態２の効果＊＊＊
以上のように、実施の形態２に係る霧特定装置１０は、光センサ４１の周辺に反射点が円弧状に分布しているか否かにより、霧の濃さを特定する。霧が発生している場合には、光センサ４１の周辺に反射点が円弧状に分布するため、適切に霧が発生しているか否かを特定することが可能である。
また、実施の形態２に係る霧特定装置１０は、各反射点から円までの距離ｄの分散値により、霧の濃さを特定する。分散値は、霧の濃さに応じて変化するため、適切に霧の濃さを特定することが可能である。
実施の形態３．
実施の形態３は、実施の形態１で説明した霧の濃さの特定方法と、実施の形態２で説明した霧の濃さの特定方法とを組み合わせて、霧の濃さを特定する点が実施の形態１，２と異なる。実施の形態３では、この異なる点を説明し、同一の点については説明を省略する。
＊＊＊構成の説明＊＊＊
図１１を参照して、実施の形態３に係る霧特定装置１０の構成を説明する。
霧特定装置１０は、霧特定部２２が、第１特定部２３と、第２特定部２４と、総合特定部２５とを備える点が実施の形態１，２と異なる。
＊＊＊動作の説明＊＊＊
図１２を参照して、実施の形態３に係る霧特定装置１０の動作を説明する。
実施の形態３に係る霧特定装置１０の動作は、実施の形態３に係る霧特定方法に相当する。また、実施の形態３に係る霧特定装置１０の動作は、実施の形態３に係る霧特定プログラムの処理に相当する。
（ステップＳ５１：点データ取得処理）
点データ取得部２１は、点データの集合を取得する。
実施の形態３では、点データは、１次点データと２次点データとの組である。
（ステップＳ５２：第１特定処理）
第１特定部２３は、１次反射点と２次反射点との間の距離の分布に基づき、霧の濃さを第１濃さとして特定する。つまり、第１特定部２３は、実施の形態１で説明した方法により、霧の濃さを特定する。
（ステップＳ５３：第２特定処理）
第２特定部２４は、集合に含まれる点データが示す反射点を俯瞰した場合に、反射点から近似される円を計算し、計算された円と反射点と間の距離の分散に基づき、霧の濃さを第２濃さとして特定する。つまり、第２特定部２４は、実施の形態２で説明した方法により、霧の濃さを特定する。
この際、第２特定部２４は、点データに含まれる１次点データだけを用いてもよいし、１次点データと２次点データとの両方を用いてもよい。
（ステップＳ５４：総合特定処理）
総合特定部２５は、ステップＳ５２で特定された第１濃さと、ステップＳ５３で特定された第２濃さとから、霧の濃さを特定する。
例えば、第１濃さと第２濃さとが霧が発生しているか、あるいは、霧が発生していないかを特定しているとする。この場合には、総合特定部２５は、第１濃さと第２濃さとの両方が霧が発生していることを示すなら、霧が発生していると判定し、それ以外の場合には霧が発生していないと判定する。
また、例えば、第１濃さと第２濃さとが複数の段階の霧の濃さのどの濃さであるかを特定しているとする。この場合には、総合特定部２５は、第１濃さに重み付けした値と、第２濃さに重み付けした値との和と、濃さ毎に設定された閾値とを比較して、霧の濃さを特定する。つまり、第１濃さをＸ、第２濃さをＹ、第１濃さの重みをθ１、第２濃さの重みをθ２とした場合には、総合特定部２５は、θ１Ｘ＋θ２Ｙと、濃さ毎に設定された閾値ｔｈとを比較して、霧の濃さを判定する。
＊＊＊実施の形態３の効果＊＊＊
以上のように、実施の形態３に係る霧特定装置１０は、実施の形態１，２で説明した方法を組み合わせて霧の濃さを特定する。これにより、より高い精度で霧の濃さを特定することが可能になる。
実施の形態４．
実施の形態４は、特定された霧の濃さに応じて、障害物を識別するためのセンサのセンサ閾値を設定する点が実施の形態１〜３と異なる。実施の形態４では、この異なる点を説明し、同一の点については説明を省略する。
＊＊＊構成の説明＊＊＊
図１３を参照して、実施の形態４に係る霧特定装置１０の構成を説明する。
霧特定装置１０は、認識部２６と、閾値設定部２７とを備える点が、実施の形態１〜３と異なる。
＊＊＊動作の説明＊＊＊
図１４及び図１５を参照して、実施の形態４に係る霧特定装置１０の動作を説明する。
実施の形態４に係る霧特定装置１０の動作は、実施の形態４に係る霧特定方法に相当する。また、実施の形態４に係る霧特定装置１０の動作は、実施の形態４に係る霧特定プログラムの処理に相当する。
図１４を参照して、実施の形態４に係る霧特定装置１０の全体的な動作を説明する。
ステップＳ６１は、実施の形態１〜３で説明した霧の濃さを特定する処理である。
（ステップＳ６２：閾値設定処理）
閾値設定部２７は、ステップＳ６１で特定された霧の濃さに応じて、障害物を識別するためのセンサのセンサ閾値を設定する。
図１５を参照して具体例を説明する。
図１５では、センサとしてカメラが用いられ、車両のテールランプが識別される場合を示している。
カメラを用いてテールランプを識別する場合には、ＹＵＶデータのＵＶ平面において、テールランプとその他とを線形に識別する境界線がセンサ閾値として用いられる。そこで、閾値設定部２７は、霧の濃さに応じて、この境界線を設定する。境界線は、Ｖ＝ａ・Ｕ＋ｂと表せる。そこで、閾値設定部２７は、霧の濃さに応じて、ａ，ｂの値を設定する。
図１５に示すように、閾値設定部２７は、霧が発生していない場合には、テールランプ以外の赤発光物がテールランプと誤認識されることを防止するため、センサ閾値である境界線を高めに設定する。一方、閾値設定部２７は、霧が発生している場合には、センサ閾値である境界線を低めに設定して、赤発光物をテールランプと認識され易くする。
なお、図１５では、霧が発生している場合と、霧が発生していない場合との２つの場合についてのセンサ閾値の設定例が示されている。しかし、閾値設定部２７は、複数の段階の霧の濃さそれぞれについてセンサ閾値を設定してもよい。この場合には、霧が濃いほどセンサ閾値である境界線が低く設定される。
（ステップＳ６３：認識処理）
認識部２６は、ステップＳ６２で設定されたセンサ閾値を用いて、障害物を認識する。
図１５の例であれば、認識部２６は、ステップＳ６２で設定された境界線を用いて、カメラによって得られた画像データからテールランプを検出する。
＊＊＊実施の形態４の効果＊＊＊
以上のように、実施の形態４に係る霧特定装置１０は、霧の濃さに応じてセンサ閾値を設定する。これにより、障害物を適切に認識することが可能になる。
実施の形態５．
実施の形態５は、霧の濃さに応じて、障害物を識別するために用いるセンサを決定する点が実施の形態１〜４と異なる。実施の形態５では、この異なる点を説明し、同一の点については説明を省略する。
なお、ここでは、実施の形態１〜３に機能を加えた例を説明する。しかし、実施の形態４に機能を加えることも可能である。
＊＊＊構成の説明＊＊＊
図１６を参照して、実施の形態５に係る霧特定装置１０の構成を説明する。
霧特定装置１０は、認識部２６と、センサ決定部２８とを備える点が、実施の形態１〜３と異なる。また、ストレージ１３が信頼度記憶部３２の機能を実現する点が、実施の形態１〜３と異なる。
＊＊＊動作の説明＊＊＊
図１７及び図１８を参照して、実施の形態５に係る霧特定装置１０の動作を説明する。
実施の形態５に係る霧特定装置１０の動作は、実施の形態５に係る霧特定方法に相当する。また、実施の形態５に係る霧特定装置１０の動作は、実施の形態５に係る霧特定プログラムの処理に相当する。
図１７を参照して、実施の形態５に係る霧特定装置１０の全体的な動作を説明する。
ステップＳ７１は、実施の形態１〜３で説明した霧の濃さを特定する処理である。
（ステップＳ７２：センサ決定処理）
センサ決定部２８は、ステップＳ７１で特定された霧の濃さに応じて、障害物を識別するために用いるセンサを決定する。
具体的には、信頼度記憶部３２は、霧の濃さ毎に、移動体１００に搭載された各センサについて、距離毎の信頼度を記憶する。図１８に示すように、移動体１００にセンサとしてカメラとミリ波レーダとＬｉＤＡＲとが搭載されている場合には、信頼度記憶部３２は、霧の濃さ毎に、カメラとミリ波レーダとＬｉＤＡＲとの距離毎の信頼度を記憶する。図１８では、霧が発生している場合と霧が発生していない場合との距離毎の信頼度が示されている。各センサの信頼度は、実験により求められる。
センサ決定部２８は、信頼度記憶部３２を参照して、ステップＳ７１で特定された霧の濃さの場合に信頼度の高いセンサを、障害物を識別するために用いるセンサとして決定する。センサ決定部２８は、距離毎に障害物を識別するために用いるセンサを決定してもよい。
例えば、センサ決定部２８は、霧が発生していない場合には、ＬｉＤＡＲとカメラとを用いると決定し、霧が発生している場合には、ミリ波レーダとカメラとを用いると決定する。
（ステップＳ７３：認識処理）
認識部２６は、ステップＳ７２で決定されたセンサを用いて、障害物を認識する。
＊＊＊実施の形態５の効果＊＊＊
以上のように、実施の形態５に係る霧特定装置１０は、霧の濃さに応じて、障害物を識別するために用いるセンサを決定する。これにより、障害物を適切に認識することが可能になる。
＊＊＊他の構成＊＊＊
＜変形例４＞
実施の形態５では、実施の形態１〜３に機能が加えられた。しかし、実施の形態４に機能が加えられてもよい。
この場合には、図１９に示すように、霧特定装置１０は、図１６に示す機能構成要素に加え、閾値設定部２７を備える。そして、図２０に示すように、ステップＳ８２でセンサ決定部２８が用いるセンサを決定した上で、ステップＳ８３で閾値設定部２７が決定されたセンサについてのセンサ閾値を決定する。
なお、ステップＳ８１とステップＳ８２とステップＳ８４との処理は、図１７のステップＳ７１とステップＳ７２とステップＳ７３との処理と同じである。また、ステップＳ８３の処理は、図１４のステップＳ６２の処理と同じである。
以上、この発明の実施の形態及び変形例について説明した。これらの実施の形態及び変形例のうち、いくつかを組み合わせて実施してもよい。また、いずれか１つ又はいくつかを部分的に実施してもよい。なお、この発明は、以上の実施の形態及び変形例に限定されるものではなく、必要に応じて種々の変更が可能である。
１０ 霧特定装置、１１ プロセッサ、１２ メモリ、１３ ストレージ、１４ 通信インタフェース、１５ 電子回路、２１ 点データ取得部、２２ 霧特定部、２３ 第１特定部、２４ 第２特定部、２５ 総合特定部、２６ 認識部、２７ 閾値設定部、２８ センサ決定部、３１ 判定情報記憶部、３２ 信頼度記憶部、１００ 移動体。

Claims (11)

  1. 放射された光束が反射点で反射した反射光を受信する光センサによって得られた前記反射点を示す点データの集合を取得する点データ取得部と、
    前記点データ取得部によって取得された前記集合に含まれる点データが示す前記反射点を俯瞰した場合に、前記光センサの周辺に前記反射点が円弧状に分布しているか否かにより、霧の濃さを特定する霧特定部と
    を備える霧特定装置。
  2. 前記霧特定部は、前記集合の前記点データが示す前記反射点を俯瞰した場合に、前記反射点から近似される円を計算し、計算された円と前記反射点と間の距離の分散に基づき、霧の濃さを特定する
    請求項１に記載の霧特定装置。
  3. 前記霧特定部は、円の最小二乗法によって近似される円を計算する
    請求項２に記載の霧特定装置。
  4. 前記霧特定部は、前記分散が小さいほど霧が濃いと特定する
    請求項２又は３に記載の霧特定装置。
  5. 前記点データ取得部は、放射された光束が反射点で反射した反射光を受信する光センサによって得られた前記反射点を示す点データであって、ある光束に対する反射点である１次反射点を示す１次点データと、前記ある光束に対する反射光の強度が前記一次反射点よりも低い反射点である２次反射点を示す２次点データとの組である点データの集合を取得し、
    前記霧特定部は、
    前記集合に含まれる前記点データについての前記１次反射点と前記２次反射点との間の距離の分布に基づき、霧の濃さを第１濃さとして特定する第１特定部と、
    前記分散に基づき、霧の濃さを第２濃さとして特定する第２特定部と、
    前記第１特定部によって特定された第１濃さと、前記第２特定部によって特定された第２濃さとから、霧の濃さを特定する総合特定部と
    を備える請求項２から４までのいずれか１項に記載の霧特定装置。
  6. 前記第１特定部は、霧の濃さに応じた前記距離の分布のパターンと、前記集合に含まれる前記点データについての前記距離の分布とを比較することにより、霧の濃さを特定する
    請求項５に記載の霧特定装置。
  7. 前記第１特定部は、霧の濃さに応じた前記距離の頻度のヒストグラムのパターンと、前記集合に含まれる前記点データについての前記距離の頻度のヒストグラムとを比較することにより、霧の濃さを特定する
    請求項６に記載の霧特定装置。
  8. 前記霧特定装置は、さらに、
    前記霧特定部によって特定された霧の濃さに応じて、障害物を識別するためのセンサのセンサ閾値を設定する閾値設定部
    を備える請求項１から７までのいずれか１項に記載の霧特定装置。
  9. 前記霧特定装置は、さらに、
    前記霧特定部によって特定された霧の濃さに応じて、障害物を識別するために用いるセンサを決定するセンサ決定部
    を備える請求項１から８までのいずれか１項に記載の霧特定装置。
  10. 点データ取得部が、放射された光束が反射点で反射した反射光を受信する光センサによって得られた前記反射点を示す点データの集合を取得し、
    霧特定部が、前記集合に含まれる点データが示す前記反射点を俯瞰した場合に、前記光センサの周辺に前記反射点が円弧状に分布しているか否かにより、霧の濃さを特定する霧特定方法。
  11. 放射された光束が反射点で反射した反射光を受信する光センサによって得られた前記反射点を示す点データの集合を取得する点データ取得処理と、
    前記点データ取得処理によって取得された前記集合に含まれる点データが示す前記反射点を俯瞰した場合に、前記光センサの周辺に前記反射点が円弧状に分布しているか否かにより、霧の濃さを特定する霧特定処理と
    をコンピュータに実行させる霧特定プログラム。
JP2020505557A 2018-03-12 2018-03-12 霧特定装置、霧特定方法及び霧特定プログラム Active JP6746032B2 (ja)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/009395 WO2019175919A1 (ja) 2018-03-12 2018-03-12 霧特定装置、霧特定方法及び霧特定プログラム

Publications (2)

Publication Number Publication Date
JPWO2019175919A1 JPWO2019175919A1 (ja) 2020-06-18
JP6746032B2 true JP6746032B2 (ja) 2020-08-26

Family

ID=67906997

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020505557A Active JP6746032B2 (ja) 2018-03-12 2018-03-12 霧特定装置、霧特定方法及び霧特定プログラム

Country Status (5)

Country Link
US (1) US12124001B2 (ja)
JP (1) JP6746032B2 (ja)
CN (1) CN111819473B (ja)
DE (1) DE112018007029B4 (ja)
WO (1) WO2019175919A1 (ja)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2023087204A (ja) * 2021-12-13 2023-06-23 北陽電機株式会社 ヒストグラム生成回路、光測距装置、ヒストグラム生成方法および光測距方法

Family Cites Families (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH07216545A (ja) * 1994-02-04 1995-08-15 Nkk Corp 連続真空蒸着膜の形成方法
JP3669205B2 (ja) 1999-05-17 2005-07-06 日産自動車株式会社 障害物認識装置
JP3571268B2 (ja) * 2000-01-20 2004-09-29 三菱電機株式会社 霧観測レーダ装置
JP3683258B2 (ja) 2002-05-31 2005-08-17 松下電器産業株式会社 車両周辺監視装置、画像生成方法および画像生成プログラム
US7110021B2 (en) 2002-05-31 2006-09-19 Matsushita Electric Industrial Co., Ltd. Vehicle surroundings monitoring device, and image production method/program
JP3861781B2 (ja) 2002-09-17 2006-12-20 日産自動車株式会社 前方車両追跡システムおよび前方車両追跡方法
US7414706B2 (en) * 2004-12-22 2008-08-19 Northrop Grumman Corporation Method and apparatus for imaging a target using cloud obscuration prediction and detection
FR2884637B1 (fr) 2005-04-19 2007-06-29 Valeo Vision Sa Procede de detection de brouillard nocturne et systeme de mise en oeuvre de ce procede
JP4730267B2 (ja) 2006-07-04 2011-07-20 株式会社デンソー 車両用視界状況判定装置
JP4940458B2 (ja) * 2007-08-10 2012-05-30 本田技研工業株式会社 物体検出装置
JP5092076B2 (ja) * 2007-10-26 2012-12-05 オプテックス株式会社 レーザエリアセンサ
JP4506822B2 (ja) * 2007-11-26 2010-07-21 株式会社デンソー 霧検知装置及びその設置方法
JP4980939B2 (ja) 2008-01-22 2012-07-18 富士重工業株式会社 撮像手段の調整装置および物体検出装置
JP5155042B2 (ja) 2008-07-04 2013-02-27 本田技研工業株式会社 車両周辺画像の切替装置
JP2010071704A (ja) * 2008-09-17 2010-04-02 Calsonic Kansei Corp 車両用距離画像データ生成装置及び方法
JP5218906B2 (ja) 2008-10-16 2013-06-26 国立大学法人東京農工大学 煙検出装置及び煙検出方法
JP2010286307A (ja) * 2009-06-10 2010-12-24 Nec Engineering Ltd 画像撮像装置
DE102009028578A1 (de) * 2009-08-17 2011-02-24 Robert Bosch Gmbh Verfahren für die Umfelderfassung mit einer Lidarsensorik
DE102011017649B3 (de) * 2011-04-28 2012-10-11 Robert Bosch Gmbh Verfahren und Vorrichtung zur Erkennung einer Intensität eines Aerosols in einem Sichtfeld einer Kamera eines Fahrzeugs
WO2012171739A2 (de) 2011-06-17 2012-12-20 Robert Bosch Gmbh Verfahren und steuergerät zur erkennung einer wetterbedingung in einem umfeld eines fahrzeugs
JP2013167479A (ja) * 2012-02-14 2013-08-29 Toyota Motor Corp レーザーレーダ装置及びレーザーレーダ装置で行われる物体検知方法
JP5898535B2 (ja) 2012-03-13 2016-04-06 富士重工業株式会社 撮像ユニットの露光制御装置
US9221461B2 (en) 2012-09-05 2015-12-29 Google Inc. Construction zone detection using a plurality of information sources
US8473144B1 (en) 2012-10-30 2013-06-25 Google Inc. Controlling vehicle lateral lane positioning
US8983705B2 (en) * 2013-04-30 2015-03-17 Google Inc. Methods and systems for detecting weather conditions including fog using vehicle onboard sensors
JP6189523B2 (ja) 2013-04-11 2017-08-30 グーグル インコーポレイテッド 車載センサを用いて気象状態を検出する方法及びシステム
US10247854B2 (en) 2013-05-07 2019-04-02 Waymo Llc Methods and systems for detecting weather conditions using vehicle onboard sensors
WO2015031478A1 (en) 2013-08-28 2015-03-05 Gentex Corporation Imaging system and method for fog detection
WO2016103271A2 (en) * 2014-12-27 2016-06-30 Guardian Optical Technologies Ltd. System and method for detecting surface vibrations
US10436582B2 (en) * 2015-04-02 2019-10-08 Here Global B.V. Device orientation detection
DE102015208149A1 (de) * 2015-05-04 2016-11-10 Conti Temic Microelectronic Gmbh Aktivierungsvorrichtung für mindestens einen Aktor eines Fahrzeugs, entsprechendes Verfahren und Fahrzeug
JP6058072B2 (ja) 2015-05-29 2017-01-11 三菱電機株式会社 物体識別装置
DE102015112103A1 (de) * 2015-07-24 2017-01-26 Preh Gmbh Detektionsvorrichtung zur Nebelerkennung für ein Kraftfahrzeug
DE112018007037B4 (de) * 2018-03-12 2022-11-03 Mitsubishi Electric Corporation Nebelbestimmungsvorrichtung, Nebelbestimmungsverfahren und Nebelbestimmungsprogramm
JP6723492B2 (ja) * 2018-03-12 2020-07-15 三菱電機株式会社 霧特定装置、霧特定方法及び霧特定プログラム

Also Published As

Publication number Publication date
DE112018007029B4 (de) 2022-12-08
WO2019175919A1 (ja) 2019-09-19
JPWO2019175919A1 (ja) 2020-06-18
CN111819473B (zh) 2022-05-13
US12124001B2 (en) 2024-10-22
CN111819473A (zh) 2020-10-23
DE112018007029T5 (de) 2020-11-05
US20200408919A1 (en) 2020-12-31

Similar Documents

Publication Publication Date Title
Arnold et al. A survey on 3d object detection methods for autonomous driving applications
US10502832B2 (en) Object recognition apparatus and noise removal method
WO2020048265A1 (zh) 多级目标分类及交通标志检测方法和装置、设备、介质
US20160162742A1 (en) Lidar-based classification of object movement
KR20190127624A (ko) 라이다 센서를 이용한 밀집도 기반의 객체 검출 장치 및 방법
JP6723491B2 (ja) 霧特定装置、霧特定方法及び霧特定プログラム
JP6746032B2 (ja) 霧特定装置、霧特定方法及び霧特定プログラム
US20220171975A1 (en) Method for Determining a Semantic Free Space
US11538260B2 (en) Object identification apparatus, object identification method, and nontransitory computer readable medium storing control program
US11867870B2 (en) Fog determination apparatus, fog determination method, and computer readable medium
JP6657934B2 (ja) 物体検出装置
CN113920351A (zh) 一种落叶目标点云的识别方法和装置
US20220383146A1 (en) Method and Device for Training a Machine Learning Algorithm
JP2021021967A (ja) 認識システム、車両制御システム、認識方法、およびプログラム
US10304205B2 (en) Image processing apparatus, method of controlling the same, and storage medium
US20220189158A1 (en) Method and device for detecting boundary of road in 3d point cloud using cascade classifier
JP7489231B2 (ja) 物体検知装置
JP2020205035A (ja) 画像分類器の訓練装置、ターゲットを検出する装置及び電子機器
US20240193959A1 (en) Systems and methods for detecting objects based on lidar data
Li et al. Multifeature fusion vehicle detection algorithm based on choquet integral
Obradović et al. Analysis of LiDAR-Camera Fusion for Marine Situational Awareness with Emphasis on Cluster Selection in Camera Frustum
KR20200041029A (ko) 수중 표적 식별 장치 및 방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200219

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20200219

A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20200518

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200526

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200609

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: 20200707

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200804

R150 Certificate of patent or registration of utility model

Ref document number: 6746032

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250