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

JP6761708B2 - 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム - Google Patents

駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム Download PDF

Info

Publication number
JP6761708B2
JP6761708B2 JP2016173177A JP2016173177A JP6761708B2 JP 6761708 B2 JP6761708 B2 JP 6761708B2 JP 2016173177 A JP2016173177 A JP 2016173177A JP 2016173177 A JP2016173177 A JP 2016173177A JP 6761708 B2 JP6761708 B2 JP 6761708B2
Authority
JP
Japan
Prior art keywords
parking
parking position
vehicle
area
learning
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
JP2016173177A
Other languages
English (en)
Other versions
JP2018041176A (ja
Inventor
谷川　徹
徹 谷川
幸恵 庄田
幸恵 庄田
哲司 渕上
哲司 渕上
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.)
Panasonic Intellectual Property Corp of America
Original Assignee
Panasonic Intellectual Property Corp of America
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 Panasonic Intellectual Property Corp of America filed Critical Panasonic Intellectual Property Corp of America
Priority to JP2016173177A priority Critical patent/JP6761708B2/ja
Priority to US15/671,767 priority patent/US10650681B2/en
Publication of JP2018041176A publication Critical patent/JP2018041176A/ja
Application granted granted Critical
Publication of JP6761708B2 publication Critical patent/JP6761708B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/027—Parking aids, e.g. instruction means
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
    • B62D—MOTOR VEHICLES; TRAILERS
    • B62D15/00—Steering not otherwise provided for
    • B62D15/02—Steering position indicators ; Steering position determination; Steering aids
    • B62D15/027—Parking aids, e.g. instruction means
    • B62D15/0285—Parking performed automatically
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • 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
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G06V20/586—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads of parking space
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G08G1/0141—Measuring and analyzing of parameters relative to traffic conditions for specific applications for traffic information dissemination
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
    • G08G1/143—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces inside the vehicles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/146—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is a limited parking space, e.g. parking garage, restricted space
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
    • G08G1/145—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas
    • G08G1/147—Traffic control systems for road vehicles indicating individual free spaces in parking areas where the indication depends on the parking areas where the parking area is within an open public zone, e.g. city centre
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/06—Automatic manoeuvring for parking
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20081—Training; Learning
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20084—Artificial neural networks [ANN]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30264—Parking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Multimedia (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Biomedical Technology (AREA)
  • Computational Linguistics (AREA)
  • Molecular Biology (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Databases & Information Systems (AREA)
  • Mechanical Engineering (AREA)
  • Transportation (AREA)
  • Medical Informatics (AREA)
  • Combustion & Propulsion (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Description

本発明は、車両の駐車位置を特定する駐車位置特定方法、および駐車位置を学習する駐車位置学習方法などに関する。
車両の運転者がその車両を駐車場に駐車するときに、白線などの目印がその駐車場に有る場合には、運転者はその目印にしたがって駐車位置を認識し、その駐車位置に車両を停める。しかし、白線などの目印が無い場合には、運転者は、駐車場の何処に車両を停めていいのか判断することが難しい。
そこで、白線などの目印がなくても駐車位置を提示することができる駐車支援装置が提案されている（例えば特許文献１参照）。
特開２００６−１６０１９４号公報
しかしながら、上記特許文献１に記載の駐車支援装置では、適切な駐車位置を特定することができないという問題がある。
そこで、本発明は、適切な駐車位置を特定することができる駐車位置特定方法などを提供する。
本発明の一態様に係る駐車位置特定方法は、少なくとも１つのコンピュータが対象車両の駐車位置を特定する駐車位置特定方法であって、前記対象車両に搭載されたカメラによる駐車領域の撮影によって生成される画像である入力データを取得し、前記入力データを、少なくとも１台の車両が駐車可能な広さを有する駐車領域と前記駐車領域における車両１台分の駐車位置との関係を示す学習モデルに入力することによって、撮影された前記駐車領域における前記対象車両の駐車位置を特定し、前記学習モデルは、少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得し、前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって構築されたものである。
なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムおよび記録媒体の任意な組み合わせで実現されてもよい。
本発明の駐車位置特定方法は、適切な駐車位置を特定することができる。
図１は、実施の形態における駐車位置特定システムの構成を示す図である。 図２は、実施の形態におけるサーバの機能構成を示すブロック図である。 図３は、実施の形態における訓練データ取得部の処理動作の一例を説明するための図である。 図４は、実施の形態における訓練データ取得部の処理動作の他の例を説明するための図である。 図５は、実施の形態における車両の機能構成を示すブロック図である。 図６は、実施の形態における提示装置によって表示される出力データの一例を示す図である。 図７は、実施の形態における駐車位置特定システムによる効果の一例を説明するための図である。 図８Ａは、実施の形態におけるサーバの処理動作を示すフローチャートである。 図８Ｂは、実施の形態における車載機器の処理動作を示すフローチャートである。 図９Ａは、本発明の一態様に係る駐車位置学習方法を示すフローチャートである。 図９Ｂは、本発明の一態様に係る駐車位置学習装置の機能構成を示すブロック図である。 図１０Ａは、本発明の一態様に係る駐車位置特定方法を示すフローチャートである。 図１０Ｂは、本発明の一態様に係る駐車位置特定システムの機能構成を示すブロック図である。 図１１Ａは、本発明の他の態様に係る駐車位置特定方法を示すフローチャートである。 図１１Ｂは、本発明の一態様に係る駐車位置特定装置の機能構成を示すブロック図である。
（本発明の基礎となった知見）
本発明者は、「背景技術」の欄において記載した特許文献１の駐車支援装置に関し、以下の問題が生じることを見出した。
つまり、その駐車支援装置が駐車位置を特定するときには、まず、カメラによる撮影によって得られた画像から白線を検出することができるか否かを判定する。そして、白線を検出することができないと判定すると、駐車支援装置は、その画像から他車両のエッジの検出を行う。駐車支援装置は、このエッジの検出ができた場合に、その他車両の隣接位置に自車両を駐車する駐車位置が存在するか否かを判定する。
したがって、この駐車支援装置による駐車位置特定方法では、他車両の隣のスペースを駐車位置として特定する。
しかし、この駐車位置特定方法では、他車両が駐車場に駐車していなければ、自車両の駐車位置を特定することができないという問題がある。また、駐車場に他車両が駐車している場合であっても、不適切な位置を駐車位置として特定してしまうことがある。例えば、２台の車両が駐車可能な広さを有する駐車領域があっても、その駐車領域の中央を駐車位置として特定してしまうことがある。このような場合には、その駐車位置に自車両を駐車すると、２台の車両が駐車可能な広さを有する駐車領域であっても、その駐車領域には１台の車両しか駐車することができない。
このような問題を解決するために、本発明の一態様に係る駐車位置特定方法は、少なくとも１つのコンピュータが対象車両の駐車位置を特定する駐車位置特定方法であって、前記対象車両に搭載されたカメラによる駐車領域の撮影によって生成される画像である入力データを取得し、前記入力データを、少なくとも１台の車両が駐車可能な広さを有する駐車領域と前記駐車領域における車両１台分の駐車位置との関係を示す学習モデルに入力することによって、撮影された前記駐車領域における前記対象車両の駐車位置を特定する。例えば、前記学習モデルは、少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得し、前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって構築されたものであってもよい。また、前記第１のアノテーションは、前記車両１台分の駐車位置を座標によって示してもよい。
これにより、第１のアノテーションを含む訓練データを用いた学習、つまり駐車領域における車両１台分の駐車位置の学習が行われることによって構築された学習モデルが用いられる。つまり、駐車領域における適切な駐車位置が学習モデルに教え込まれている。例えば、白線などの目印がない駐車領域であっても、その駐車領域における適切な駐車位置が教え込まれている。したがって、対象車両のカメラが駐車領域を撮影したときには、その学習モデルを用いることによって、撮影された駐車領域における対象車両の駐車位置を適切に特定することができる。つまり、白線などの目印がない駐車領域であっても、その駐車領域における対象車両の適切な駐車位置を特定することができる。
また、前記訓練データの取得では、前記駐車領域を示す画像に対して、前記車両１台分の駐車位置における駐車状態を示す情報である第２のアノテーションがさらに付与された前記訓練データを取得し、前記学習モデルは、前記訓練データを用いて、駐車領域における車両の駐車状態をさらに学習することによって構築され、前記駐車位置の特定では、前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態をさらに特定してもよい。
これにより、第１および第２のアノテーションを含む訓練データを用いた学習、つまり駐車領域における車両１台分の駐車位置および駐車状態の学習が行われることによって構築された学習モデルが用いられる。つまり、駐車領域における適切な駐車位置および駐車状態が学習モデルに教え込まれている。例えば、白線などの目印がない駐車領域であっても、その駐車領域における適切な駐車位置および駐車状態が教え込まれている。したがって、対象車両のカメラが駐車領域を撮影したときには、その学習モデルを用いることによって、撮影された駐車領域における対象車両の駐車位置および駐車状態を適切に特定することができる。つまり、白線などの目印がない駐車領域であっても、その駐車領域における対象車両の適切な駐車位置および駐車状態を特定することができる。
また、具体的には、前記第２のアノテーションは、前記駐車領域を示す画像における前記車両１台分の駐車位置の周囲に、車両の乗降に対して障害となる乗降障害物が存在する場合に、前記車両１台分の駐車位置と前記乗降障害物との間の距離を前記駐車状態として示し、前記対象車両の駐車位置の特定では、前記入力データを前記学習モデルに入力することによって、前記入力データに映し出されている乗降障害物の周囲に前記対象車両の駐車位置を特定する場合に、前記入力データに映し出されている乗降障害物と前記対象車両の駐車位置との間の距離を、前記対象車両の駐車位置における駐車状態として特定してもよい。例えば、前記乗降障害物は、前記駐車領域を示す画像において前記車両１台分の駐車位置の隣に駐車されている車両であってもよい。
これにより、車両１台分の駐車位置と乗降障害物との間の距離が駐車状態として学習モデルに教え込まれている。したがって、対象車両のカメラが駐車領域を撮影して、乗降障害物の周囲に対象車両の駐車位置を特定した場合には、その乗降障害物と対象車両の駐車位置との間の距離を駐車状態として適切に特定することができる。また、その距離を対象車両の運転者に提示すれば、運転者は、その特定された駐車位置に対象車両を駐車することが可能か否かを、その距離に基づいて判断することができる。つまり、その距離が短い場合、運転者は、その特定された駐車位置に対象車両を駐車すれば、乗降障害物（例えば隣の車両）が障害となって対象車両から降りることができない。したがって、この場合、運転者は、その特定された駐車位置に対象車両を駐車することができないと判断することができる。
また、前記第２のアノテーションは、前記車両１台分の駐車位置における駐車状態として縦列駐車または並列駐車を示し、前記対象車両の駐車位置の特定では、前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態として縦列駐車または並列駐車を特定してもよい。また、前記第２のアノテーションは、前記車両１台分の駐車位置における駐車状態として前入れまたは後入れを示し、前記対象車両の駐車位置の特定では、前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態として前入れまたは後入れを特定してもよい。また、前記第２のアノテーションは、前記車両１台分の駐車位置における駐車状態として駐車禁止か否かを示し、前記対象車両の駐車位置の特定では、前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態として駐車禁止か否かを特定してもよい。また、前記第２のアノテーションは、前記車両１台分の駐車位置における駐車状態として、前記車両１台分の駐車位置に、駐車に対して障害となる駐車障害物があるか否かを示し、前記対象車両の駐車位置の特定では、前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態として、前記対象車両の駐車位置に駐車障害物があるか否かを特定してもよい。
また、前記学習モデルは、ニューラルネットワークモデルであってもよい。
これにより、多くの訓練データを取得することによって、適切な駐車位置を特定する精度を高めることができる。
また、本発明の一態様に係る駐車位置学習方法では、コンピュータが対象車両の駐車位置を学習する駐車位置学習方法であって、少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得し、前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築してもよい。
これにより、第１のアノテーションを含む訓練データを用いた学習、つまり駐車領域における車両１台分の駐車位置の学習が行われることによって、学習モデルが構築される。その結果、駐車領域における適切な駐車位置を学習モデルに教え込むことができる。
なお、これらの包括的または具体的な態様は、システム、方法、集積回路、コンピュータプログラムまたはコンピュータ読み取り可能なＣＤ−ＲＯＭなどの記録媒体で実現されてもよく、システム、方法、集積回路、コンピュータプログラムまたは記録媒体の任意な組み合わせで実現されてもよい。
以下、実施の形態について、図面を参照しながら具体的に説明する。
なお、以下で説明する実施の形態は、いずれも包括的または具体的な例を示すものである。以下の実施の形態で示される数値、形状、材料、構成要素、構成要素の配置位置及び接続形態、ステップ、ステップの順序などは、一例であり、本発明を限定する主旨ではない。また、以下の実施の形態における構成要素のうち、最上位概念を示す独立請求項に記載されていない構成要素については、任意の構成要素として説明される。
また、各図は、模式図であり、必ずしも厳密に図示されたものではない。また、各図において、同じ構成部材については同じ符号を付している。
（実施の形態）
図１は、本実施の形態における駐車位置特定システムの構成を示す図である。
本実施の形態における駐車位置特定システム１０は、少なくとも１つのコンピュータからなるシステムであって、対象車両である車両１１の駐車位置を特定する。具体的には、駐車位置特定システム１０は、車両１１に備えられている車載機器と、その車載機器にインターネットなどの通信網１３を介して接続されるサーバ１２とを備える。
車両１１の車載機器は、カメラを備え、そのカメラによる撮影によって画像を生成する。そして、車載機器は、その画像に駐車領域が映し出されていれば、その駐車領域における車両１台分の駐車位置を特定する。駐車領域は、少なくとも１台の車両が駐車可能な広さを有する駐車場または空き地などである。車載機器は、その駐車位置を特定するために、サーバ１２から通信網１３を介して学習モデルを取得する。
サーバ１２は、表示装置１４および入力デバイス１５に有線または無線によって接続されている。表示装置１４は、液晶ディスプレイまたは有機ＥＬ（ｅｌｅｃｔｒｏｌｕｍｉｎｅｓｃｅｎｃｅ）ディスプレイを有し、サーバ１２からの制御に応じた画像を表示する。入力デバイス１５は、例えばキーボードおよびマウスなどからなり、ユーザによる入力操作に応じた操作信号をサーバ１２に出力する。
また、サーバ１２は、例えば、複数の端末装置から通信網１３を介して送信される画像を取得して保存する。具体的には、端末装置は、例えば車両１１以外の車両に備えられたカメラによる撮像によって得られた画像をサーバ１２に通信網１３を介して送信する。このようにサーバ１２に送信されて保存された画像が後述の訓練用画像として用いられる。
サーバ１２は、保存されている複数の訓練用画像を用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する。そして、サーバ１２は、その構築された学習モデルを通信網１３を介して車両１１に送信する。
図２は、サーバ１２の機能構成を示すブロック図である。
サーバ１２は、訓練データ取得部１２０と、学習部１２７と、モデル格納部１２８と、制御部１２９とを備える。
訓練データ取得部１２０は、駐車位置の学習に用いられる訓練データを取得する。具体的には、訓練データ取得部１２０は、少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、第１のアノテーションおよび第２のアノテーションを付与することによって訓練データを取得する。
より具体的には、訓練データ取得部１２０は、画像格納部１２１と、駐車場情報付与部１２２と、第１のアノテーション付与部１２３と、第２のアノテーション付与部１２４と、訓練データ格納部１２５とを備える。
画像格納部１２１は、ＲＡＭまたはハードディスクなどのデータを記録するための記録媒体であって、この画像格納部１２１には、それぞれ例えばカメラによる撮像によって生成された複数の画像が複数の訓練用画像として格納される。
駐車場情報付与部１２２は、画像格納部１２１に格納されている訓練用画像ごとに、その訓練用画像に、少なくとも１台の車両が駐車可能な広さを有する駐車領域が示されているか否かを判定する。そして、駐車場情報付与部１２２は、画像に駐車領域が示されていると判定すると、駐車場情報をその訓練用画像に付与する。なお、駐車場情報付与部１２２は、駐車領域が示されているか否かの判定を、自動的に行ってもよく、ユーザからの操作に応じて行ってもよい。つまり、駐車場情報付与部１２２は、訓練用画像を解析することによって、その訓練用画像に駐車領域が示されているか否かを自動的に判定してもよい。または、駐車場情報付与部１２２は、入力デバイス１５から制御部１２９を介して操作信号を取得し、その操作信号に応じて、その訓練用画像に駐車領域が示されているか否かを判定してもよい。
第１のアノテーション付与部１２３は、駐車場情報が付与された訓練用画像に対して、第１のアノテーションを付与する。第１のアノテーションは、その訓練用画像に示される駐車領域における車両１台分の駐車位置を示す情報である。具体的には、第１のアノテーション付与部１２３は、入力デバイス１５から制御部１２９を介して操作信号を取得し、その操作信号に応じて、第１のアノテーションを訓練用画像に付与する。
第２のアノテーション付与部１２４は、駐車場情報および第１のアノテーションが付与された訓練用画像に対して、車両１台分の駐車位置における駐車状態を示す情報である第２のアノテーションをさらに付与する。具体的には、第２のアノテーション付与部１２４は、入力デバイス１５から制御部１２９を介して操作信号を取得し、その操作信号に応じて、第２のアノテーションを訓練用画像に付与する。
さらに、第２のアノテーション付与部１２４は、駐車場情報、第１のアノテーションおよび第２のアノテーションが付与された訓練用画像を訓練データとして訓練データ格納部１２５に格納する。これにより、訓練データが取得される。
訓練データ格納部１２５は、ＲＡＭまたはハードディスクなどのデータを記録するための記録媒体である。この訓練データ格納部１２５には、駐車場情報、第１のアノテーションおよび第２のアノテーションが付与された訓練用画像が訓練データとして格納される。
学習部１２７は、その訓練データを用いて駐車位置を学習する。すなわち、学習部１２７は、訓練データ格納部１２５に格納されている訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する。学習部１２７は、構築された学習モデルをモデル格納部１２８に格納する。具体的には、学習部１２７における学習は、Ｄｅｅｐ Ｌｅａｒｎｉｎｇ（Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）、Ｒａｎｄｏｍ Ｆｏｒｅｓｔ、またはＧｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇなどの機械学習である。また、画像中の物体の認識およびセグメンテーションには、グラフカットなどを用いることができる。あるいは、Ｒａｎｄｏｍ ＦｏｒｅｓｔまたはＧｅｎｅｔｉｃ Ｐｒｏｇｒａｍｍｉｎｇによって作成された認識器などを用いてもよい。
モデル格納部１２８は、ＲＡＭまたはハードディスクなどのデータを記録するための記録媒体である。このモデル格納部１２８には、学習部１２７によって構築された学習モデルが格納される。
制御部１２９は、入力デバイス１５からの操作信号を取得し、その操作信号に応じて訓練データ取得部１２０、学習部１２７および表示装置１４を制御する。
図３は、訓練データ取得部１２０の処理動作の一例を説明するための図である。具体的には、図３は、表示装置１４に表示される画像を示す。
制御部１２９は、画像格納部１２１に格納されている訓練用画像１２１ａと、その訓練用画像１２１ａに対応する情報欄１４１とを表示装置１４に表示させる。なお、訓練用画像１２１ａは、図３に示すように、魚眼レンズの車載カメラによる撮影によって得られた画像であるが、魚眼レンズ以外の他のレンズのカメラによる撮影によって得られた画像であってもよい。
例えば、サーバ１２のユーザは、表示装置１４に表示されている訓練用画像１２１ａに駐車領域が映し出されているか否かを判断する。そして、ユーザは、駐車領域が映し出されていると判断すると、入力デバイス１５を操作することによって、情報欄１４１に含まれている駐車領域の「あり」に対応付けられているラジオボタンを選択する。その結果、駐車場情報付与部１２２は、その訓練用画像１２１ａに対して駐車場情報を付与して、その駐車場情報が付与された訓練用画像１２１ａを第１のアノテーション付与部１２３に出力する。
次に、ユーザは、入力デバイス１５を操作することによって、車両１台分の駐車位置を示す枠１２３ａを訓練用画像１２１ａ上の駐車領域内に描く。枠１２３ａは、例えば赤い四角形である。また、この枠１２３ａは、具体的には、入力デバイス１５からの操作信号に応じた制御部１２９による描画処理によって描かれる。
このような枠１２３ａが描かれると、第１のアノテーション付与部１２３は、その訓練用画像１２１ａにおける枠１２３ａの座標を訓練用画像１２１ａに付与する。つまり、第１のアノテーション付与部１２３は、訓練用画像１２１ａに示されている駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションを、その訓練用画像１２１ａに付与する。枠１２３ａの座標、すなわち第１のアノテーションは、例えば枠１２３ａの４つの頂点の座標からなる。制御部１２９は、その４つの頂点（頂点１〜頂点４）のそれぞれの座標を、駐車位置の座標として表示装置１４の情報欄１４１内に表示させる。
次に、ユーザは、その枠１２３ａの駐車位置における駐車状態を示す情報である第２のアノテーションを、入力デバイス１５を操作することによってサーバ１２に入力する。制御部１２９は、その第２のアノテーションを付属情報１〜６として表示装置１４の情報欄１４１内に表示させる。また、第２のアノテーション付与部１２４は、その第２のアノテーションを訓練用画像１２１ａに付与する。
具体的には、第２のアノテーションである付属情報１は、その駐車位置における駐車状態として縦列駐車または並列駐車を示す。例えば、その駐車位置での駐車状態が並列駐車であれば、ユーザは、入力デバイス１５を操作することによって、情報欄１４１に含まれている付属情報１の「並列駐車」に対応付けられているラジオボタンを選択する。その結果、第２のアノテーション付与部１２４は、その訓練用画像１２１ａに対して付属情報１「並列駐車」を付与する。
付属情報２は、その駐車位置における駐車状態として前入れまたは後入れ（すなわち「車庫入れ前向き」または「車庫入れ後向き」）を示す。例えば、その駐車位置での駐車状態が前入れであれば、ユーザは、入力デバイス１５を操作することによって、情報欄１４１に含まれている付属情報２の「車庫入れ前向き」に対応付けられているラジオボタンを選択する。その結果、第２のアノテーション付与部１２４は、その訓練用画像１２１ａに対して付属情報２「車庫入れ前向き」を付与する。
付属情報３は、その駐車位置における駐車状態として、その駐車位置に駐車障害物があるか否か（すなわち「障害物あり」または「障害物なし」）を示す。駐車障害物は、例えばロードコーンまたはパイロンなどの駐車に対して障害となる物である。具体的には、その駐車位置に駐車障害物がなければ、ユーザは、入力デバイス１５を操作することによって、情報欄１４１に含まれている付属情報３の「障害物なし」に対応付けられているラジオボタンを選択する。その結果、第２のアノテーション付与部１２４は、その訓練用画像１２１ａに対して付属情報３「障害物なし」を付与する。
付属情報４は、その駐車位置における駐車状態として駐車禁止か否か（すなわち「駐車スペース」または「駐車禁止スペース」）を示す。具体的には、その駐車位置に例えば「駐車禁止」の文字が描かれていなければ、ユーザは、入力デバイス１５を操作することによって、情報欄１４１に含まれている付属情報４の「駐車スペース」に対応付けられているラジオボタンを選択する。その結果、第２のアノテーション付与部１２４は、その訓練用画像１２１ａに対して付属情報４「駐車スペース」を付与する。
付属情報５は、その駐車位置における駐車状態として、その駐車位置と乗降障害物との間の距離を示す。乗降障害物は、例えば、その駐車位置の隣に駐車されている車両などであって、車両の乗降に対して障害となる物である。つまり、この付属情報５は、訓練用画像１２１ａにおける駐車位置周辺にその乗降障害物がある場合に、その駐車位置と乗降障害物との間の距離を示す。具体的には、駐車位置の隣に乗降障害物となる車両が駐車されていれば、ユーザは、入力デバイス１５を操作することによって、その距離Ｌ（ｃｍ）を入力する。その結果、第２のアノテーション付与部１２４は、その訓練用画像１２１ａに対して付属情報５「距離Ｌ（ｃｍ）」を付与する。
付属情報６は、その駐車位置における駐車状態としてガイドラインがあるか否か（すなわち「ガイドラインあり」または「ガイドラインなし」）を示す。具体的には、その駐車位置に例えば白線などのガイドラインが描かれていなければ、ユーザは、入力デバイス１５を操作することによって、情報欄１４１に含まれている付属情報６の「ガイドラインなし」に対応付けられているラジオボタンを選択する。その結果、第２のアノテーション付与部１２４は、その訓練用画像１２１ａに対して付属情報６「ガイドラインなし」を付与する。
図４は、訓練データ取得部１２０の処理動作の他の例を説明するための図である。具体的には、図４は、表示装置１４に表示される画像を示す。
制御部１２９は、画像格納部１２１に格納されている他の訓練用画像１２１ｂと、その訓練用画像１２１ｂに対応する情報欄１４１とを表示装置１４に表示させる。なお、訓練用画像１２１ｂは、図４に示すように、魚眼レンズの車載カメラによる撮影によって得られた画像であるが、図３の訓練用画像１２１ａと同様、魚眼レンズ以外の他のレンズのカメラによる撮影によって得られた画像であってもよい。
ユーザは、図４に示すように、訓練用画像１２１ｂに示される駐車領域が広ければ、入力デバイス１５を操作することによって、それぞれ車両１台分の駐車位置を示す複数の枠を訓練用画像１２１ｂ上の駐車領域内に描いてもよい。つまり、第１のアノテーション付与部１２３は、訓練用画像１２１ｂに対して複数の第１のアノテーションを付与してもよい。
この場合、第２のアノテーション付与部１２４は、第１のアノテーションによって示される駐車位置ごとに、その駐車位置における駐車状態を示す第２のアノテーションを付与する。
また、ユーザは、例えば、その訓練用画像１２１ｂに描かれた枠１２３ｂの駐車位置における駐車状態を示す情報である第２のアノテーションを、入力デバイス１５を操作することによってサーバ１２に入力する。ここで、その駐車位置には「駐車禁止」が示されている。したがって、第２のアノテーション付与部１２４は、第２のアノテーションとして付属情報４「駐車禁止スペース」を、その枠１２３ｂ（すなわち第１のアノテーション）に対応付けて訓練用画像１２１ｂに付与する。
図５は、車両１１の機能構成を示すブロック図である。
車両１１は、上述の車載機器１１０と、車両駆動機構１１５とを備える。
車載機器１１０は、カメラ１１１と、認識器１１２と、提示装置１１３と、車両制御装置１１４とを備える。
カメラ１１１は、例えば車両１１の前側、左側、右側または後側を撮影するようにその車両１１に搭載されている。そして、カメラ１１１は、駐車領域を撮影したときには、その撮影によって生成される画像である入力データを認識器１１２に出力する。
認識器１１２は、サーバ１２から通信網１３を介して学習モデルを取得して保持している。認識器１１２は、車両１１に搭載されたカメラ１１１による駐車領域の撮影によって生成される画像である入力データを取得する。このとき、認識器１１２は、その入力データを学習モデルに入力することによって、撮影された駐車領域における車両１１の駐車位置および駐車状態を特定する。具体的には、認識器１１２は、乗降障害物とその駐車位置との間の距離、縦列駐車または並列駐車、前入または後入れ、駐車禁止か否か、および、駐車障害物があるか否かを、それぞれ駐車状態として特定する。
さらに、認識器１１２は、その特定された駐車位置および駐車状態を示す出力データを提示装置１１３と車両制御装置１１４とに出力する。出力データは、例えば、その特定された駐車位置を示す枠が重畳された入力データである提示画像と、その特定された駐車状態を示す駐車状態情報とからなる。
提示装置１１３は、例えば液晶ディスプレイまたは有機ＥＬディスプレイとして構成され、認識器１１２から出力データを取得すると、その出力データを表示する。つまり、提示装置１１３は、提示画像と駐車状態情報とを表示する。これにより、カメラ１１１によって撮影された駐車領域において特定された車両１１の駐車位置が、提示画像によって車両１１の運転者に対して提示される。さらに、その駐車位置において特定された駐車状態が、駐車状態情報によって車両１１の運転者に対して提示される。
車両制御装置１１４は、認識器１１２から出力データを取得すると、その出力データの提示画像に示される駐車領域における枠の位置、つまり特定された駐車位置に車両１１が駐車されるように、車両駆動機構１１５を制御する。車両駆動機構１１５は、エンジン、車軸およびステアリングなどにより構成され、車両１１を任意の方向に走行させるための機構である。このような車両制御装置１１４による制御によって、車両１１は、自動的に走行してその特定された駐車位置に、特定された駐車状態で駐車する。
図６は、提示装置１１３によって表示される出力データの一例を示す図である。
認識器１１２は、入力データを学習モデルに入力することによって、例えば複数の駐車位置と、その複数の駐車位置のそれぞれに対応する駐車状態を特定する。このとき、認識器１１２は、特定された複数の駐車位置を示す枠１１２ａ〜１１２ｄが重畳された入力データである提示画像１１２ｘと、その複数の駐車位置のそれぞれに対応する駐車状態を示す駐車状態情報とからなる出力データを出力する。
提示装置１１３は、その出力データを取得すると、その出力データに含まれる提示画像１１２ｘを表示する。ここで、提示装置１１３は、車両１１の運転者による操作に応じて、複数の枠１１２ａ〜１１２ｄのうちの何れかの枠（例えば、枠１１２ａ）が選択されると、その選択された枠１１２ａと、選択されなかった枠１１２ｂ〜１１２ｄとの表示形態を変更する。例えば、提示装置１１３は、選択された枠１１２ａを赤色の実線で示し、選択されなかった枠１１２ｂ〜１１２ｄを赤色の点線で示す。そして、提示装置１１３は、その枠１１２ａに対応する駐車位置における駐車状態情報１１２ａａを表示する。
駐車状態情報１１２ａａは、例えば、並列駐車、前入れ（すなわち、車庫入れ前向き）、障害物なし、駐車スペース、隣車両との間の距離Ｌ（ｃｍ）、および、ガイドラインなしを、それぞれ枠１１２ａの駐車位置における駐車状態として示す。
このように、駐車位置が特定されて、その駐車位置が枠１１２ａとして表示されるため、車両１１の運転者は、白線などの目印がなくても、その駐車位置に車両１１を駐車すればよいと判断することができる。また、その駐車位置における駐車状態として、「並列駐車」、「車庫入れ前向き」、「障害物なし」、「駐車スペース」、「隣車両との距離（Ｌ ｃｍ）」および「ガイドラインなし」が表示される。したがって、車両１１の運転者は、その表示されている駐車状態にしたがって車両１１を駐車位置に駐車すればよいと判断することができる。また、「隣車両との距離（Ｌ ｃｍ）」が表示されるため、その距離が短い場合には、その駐車位置に駐車された車両１１から運転者が降りることができないことがある。したがって、その場合には、運転者は、別の駐車位置を選択することができる。
図７は、本実施の形態における駐車位置特定システム１０による効果の一例を説明するための図である。
例えば、図７の（ａ）の点線で示すように、駐車領域の広さが、２台の車両が駐車可能な広さであっても、２台の車両を駐車するための目印となる白線がその駐車領域につけられていない場合がある。このような場合、図７の（ｂ）に示すように、車両は、駐車領域の中央に駐車してしまうことがあり、駐車領域の広さを有効に利用することができない。
しかし、本実施の形態における駐車位置特定システム１０では、第１のアノテーション付与部１２３が、駐車領域を示す画像に対して２つの第１のアノテーションを付与する。これらの第１のアノテーションのそれぞれは、その駐車領域における車両１台分の駐車位置を示す情報である。さらに、第２のアノテーション付与部１２４が、駐車領域を示す画像のそれぞれの駐車位置に対して第２のアノテーションをさらに付与する。第２のアノテーションは、車両１台分の駐車位置における駐車状態を示す情報である。その結果、訓練データが得られる。そして、学習部１２７は、その訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する。車両１１の認識器１１２は、車両１１に搭載されたカメラ１１１による駐車領域の撮影によって生成される画像である入力データを取得する。そして、認識器１１２は、その入力データを学習モデルに入力することによって、撮影された駐車領域における車両１１の駐車位置を特定する。
その結果、車両１１の認識器１１２は、図７の（ｃ）に示すように、２台の車両が駐車可能な広さを有する駐車領域から、１つの駐車位置ではなく、２つの駐車位置を特定する。これにより、車両１１は、そのいずれか一方の駐車位置に駐車することができる。つまり、その駐車領域に２台の車両を駐車することができ、駐車領域の広さを有効に利用することができる。このように、駐車領域において適切な駐車位置を特定して駐車することができる。
図８Ａは、本実施の形態におけるサーバ１２の処理動作を示すフローチャートである。
サーバ１２の駐車場情報付与部１２２は、まず、画像格納部１２１から訓練用画像を取得する（ステップＳ１２１）。そして、駐車場情報付与部１２２は、操作信号または画像処理によって、その訓練用画像に駐車領域が示されているか否かを判定する（ステップＳ１２２）。ここで、駐車領域が示されていると判定すると（ステップＳ１２２のＹ）、駐車場情報付与部１２２は、その訓練用画像に対して駐車場情報を付与する（ステップＳ１２３）。
次に、第１のアノテーション付与部１２３は、駐車場情報が付与された訓練用画像に対してさらに、車両１台分の駐車位置を示す情報である第１のアノテーションを付与する（ステップＳ１２４）。なお、第１のアノテーション付与部１２３は、複数の第１のアノテーションを付与してもよい。さらに、第２のアノテーション付与部１２４は、駐車場情報および第１のアノテーションが付与された訓練用画像に対してさらに、その駐車位置における駐車状態を示す第２のアノテーションを付与する（ステップＳ１２５）。なお、訓練用画像に対して複数の第１のアノテーションが付与されている場合には、第２のアノテーション付与部１２４は、第１のアノテーションによって示される駐車位置ごとに、その駐車位置における駐車状態を示す第２のアノテーションを付与する。そして、第２のアノテーション付与部１２４は、駐車場情報、第１のアノテーションおよび第２のアノテーションが付与された訓練用画像を訓練データとして訓練データ格納部１２５に格納する（ステップＳ１２７）。
次に、制御部１２９は、駐車領域があるか否かの判定が行われていない訓練用画像、すなわち未処理の訓練用画像が画像格納部１２１にあるか否かを判定する（ステップＳ１２８）。ここで、未処理の訓練用画像が有ると判定されると（ステップＳ１２８のＹ）、サーバ１２は、ステップＳ１２１からの処理を繰り返し実行する。一方、未処理の訓練用画像がないと判定されると（ステップＳ１２８のＮ）、学習部１２７は、訓練データ格納部１２５に格納されている全ての訓練データを用いて駐車領域における駐車位置を学習する。これにより、学習部１２７は、駐車位置の学習モデルを構築し、その学習モデルをモデル格納部１２８に格納する（ステップＳ１２９）。
図８Ｂは、本実施の形態における車載機器１１０の処理動作を示すフローチャートである。
まず、車載機器１１０のカメラ１１１は、撮影することによって入力データを取得する（ステップＳ１１１）。次に、認識器１１２は、その入力データを学習モデルに入力する（ステップＳ１１２）。認識器１１２は、学習モデルからの出力を得ることにより、入力データに示される駐車領域における車両１台分の駐車位置と駐車状態とを特定する（ステップＳ１１３）。
提示装置１１３は、その特定された駐車位置と駐車状態とを提示する（ステップＳ１１４）。さらに、車両制御装置１１４は、車両駆動機構１１５を制御することにより、つまり自動運転によって、その特定された駐車位置に、その特定された駐車状態で車両１１を駐車させる（ステップＳ１１５）。
［まとめ］
以上、本発明の態様に係る駐車位置特定方法などについて、実施の形態に基づいて説明したが、本発明は、この実施の形態に限定されるものではない。本発明の趣旨を逸脱しない限り、当業者が思いつく各種変形を実施の形態に施したものも、本発明の範囲内に含まれてもよい。
例えば、上記実施の形態では、駐車場情報および第２のアノテーションを付与したが、これらの情報を付与することなく、第１のアノテーションのみを付与してもよい。
図９Ａは、本発明の一態様に係る駐車位置学習方法を示すフローチャートである。
本発明の一態様に係る駐車位置学習方法は、コンピュータが対象車両の駐車位置を学習する方法であって、ステップＳ１１およびＳ１２を含む。ステップＳ１１では、少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像（すなわち実施の形態の訓練用画像）に対して、その駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得する。例えば、第１のアノテーションは、その車両１台分の駐車位置を座標によって示す。ステップＳ１２では、訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する。
図９Ｂは、本発明の一態様に係る駐車位置学習装置の機能構成を示すブロック図である。
本発明の一態様に係る駐車位置学習装置２０は、対象車両の駐車位置を学習する装置であって、訓練データ取得部２１と学習部２２とを備える。訓練データ取得部２１は、少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像（すなわち実施の形態の訓練用画像）に対して、その駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得する。学習部２２は、訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する。
このような駐車位置学習方法および駐車位置学習装置２０では、第１のアノテーションを含む訓練データを用いた学習、つまり駐車領域における車両１台分の駐車位置の学習が行われることによって、学習モデルが構築される。その結果、駐車領域における適切な駐車位置を学習モデルに教え込むことができる。なお、図９Ａおよび図９Ｂに示す駐車位置学習方法および駐車位置学習装置２０はそれぞれ、上記実施の形態の図８Ａのフローチャートによって示される処理動作および図２に示すサーバ１２に相当する。
図１０Ａは、本発明の一態様に係る駐車位置特定方法を示すフローチャートである。
本発明の一態様に係る駐車位置特定方法は、少なくとも１つのコンピュータが対象車両の駐車位置を特定する方法であって、ステップＳ１３およびＳ１４を含む。ステップＳ１３では、対象車両に搭載されたカメラによる駐車領域の撮影によって生成される画像である入力データを取得する。ステップＳ１４では、その入力データを学習モデルに入力することによって、撮影された駐車領域における対象車両の駐車位置を特定する。学習データは、少なくとも１台の車両が駐車可能な広さを有する駐車領域と前記駐車領域における車両１台分の駐車位置との関係を示す。より具体的には、学習モデルは、少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、その駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得し、その訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって構築されたものである。
このような駐車位置特定方法では、第１のアノテーションを含む訓練データを用いた学習、つまり駐車領域における車両１台分の駐車位置の学習が行われることによって構築された学習モデルが用いられる。つまり、駐車領域における適切な駐車位置が学習モデルに教え込まれている。例えば、白線などの目印がない駐車領域であっても、その駐車領域における適切な駐車位置が教え込まれている。したがって、対象車両のカメラが駐車領域を撮影したときには、その学習モデルを用いることによって、撮影された駐車領域における対象車両の駐車位置を適切に特定することができる。つまり、白線などの目印がない駐車領域であっても、その駐車領域における対象車両の適切な駐車位置を特定することができる。
また、訓練データの取得では、駐車領域を示す画像に対して、車両１台分の駐車位置における駐車状態を示す情報である第２のアノテーションがさらに付与された上述の訓練データを取得してもよい。この場合、学習モデルは、その訓練データを用いて、駐車領域における車両の駐車状態をさらに学習することによって構築される。また、ステップＳ１４では、入力データをその学習モデルに入力することによって、対象車両の駐車位置における駐車状態をさらに特定する。
これにより、第１および第２のアノテーションを含む訓練データを用いた学習、つまり駐車領域における車両１台分の駐車位置および駐車状態の学習が行われることによって構築された学習モデルが用いられる。つまり、駐車領域における適切な駐車位置および駐車状態が学習モデルに教え込まれている。例えば、白線などの目印がない駐車領域であっても、その駐車領域における適切な駐車位置および駐車状態が教え込まれている。したがって、対象車両のカメラが駐車領域を撮影したときには、その学習モデルを用いることによって、撮影された駐車領域における対象車両の駐車位置および駐車状態を適切に特定することができる。つまり、白線などの目印がない駐車領域であっても、その駐車領域における対象車両の適切な駐車位置および駐車状態を特定することができる。
また、第２のアノテーションは、駐車領域を示す画像における車両１台分の駐車位置の周囲に、車両の乗降に対して障害となる乗降障害物が存在する場合に、その車両１台分の駐車位置と乗降障害物との間の距離を駐車状態として示してもよい。この場合、ステップＳ１４では、入力データを学習モデルに入力することによって、入力データに映し出されている乗降障害物の周囲に対象車両の駐車位置を特定する場合に、その入力データに映し出されている乗降障害物と対象車両の駐車位置との間の距離を、対象車両の駐車位置における駐車状態として特定する。例えば、乗降障害物は、駐車領域を示す画像において車両１台分の駐車位置の隣に駐車されている車両である。
これにより、車両１台分の駐車位置と乗降障害物との間の距離が駐車状態として学習モデルに教え込まれている。したがって、対象車両のカメラが駐車領域を撮影して、乗降障害物の周囲に対象車両の駐車位置を特定した場合には、その乗降障害物と対象車両の駐車位置との間の距離を駐車状態として適切に特定することができる。
また、上述の学習モデルは、例えばニューラルネットワークモデルである。これにより、多くの訓練データを取得することによって、適切な駐車位置を特定する精度を高めることができる。
図１０Ｂは、本発明の一態様に係る駐車位置特定装置の機能構成を示すブロック図である。
本発明の一態様に係る駐車位置特定装置３０ａは、対象車両の駐車位置を特定する少なくとも１つのコンピュータであって、入力データ取得部２３および特定部２４を備える。
入力データ取得部２３は、対象車両に搭載されたカメラによる駐車領域の撮影によって生成される画像である入力データを取得する。特定部２４は、その入力データを、少なくとも１台の車両が駐車可能な広さを有する駐車領域とその駐車領域における車両１台分の駐車位置との関係を示す学習モデルに入力することによって、撮影された駐車領域における対象車両の駐車位置を特定する。
これにより、駐車位置特定装置３０ａでは、図１０Ａに示す駐車位置特定方法と同様の効果を得ることができる。
なお、図１０Ａおよび図１０Ｂに示す駐車位置特定方法および駐車位置特定装置３０ａはそれぞれ、上記実施の形態の図８Ｂのフローチャートによって示される処理動作および図５に示す認識器１１２に相当する。
図１１Ａは、本発明の他の態様に係る駐車位置特定方法を示すフローチャートである。
本発明の一態様に係る駐車位置特定方法は、少なくとも１つのコンピュータからなるシステムが対象車両の駐車位置を特定する方法であって、ステップＳ１１〜Ｓ１４を含む。図１１ＡのステップＳ１１およびＳ１２は、図９Ａに示すステップＳ１１およびＳ１２と同一の処理であり、図１１ＡのステップＳ１３およびＳ１４は、図１０Ａに示すステップＳ１３およびＳ１４と同一の処理である。
このような駐車位置特定方法では、第１のアノテーションを含む訓練データを用いた学習、つまり駐車領域における車両１台分の駐車位置の学習が行われることによって、学習モデルが構築される。その結果、駐車領域における適切な駐車位置を学習モデルに教え込むことができる。例えば、白線などの目印がない駐車領域であっても、その駐車領域における適切な駐車位置を教え込むことができる。したがって、対象車両のカメラが駐車領域を撮影したときには、その学習モデルを用いることによって、撮影された駐車領域における対象車両の駐車位置を適切に特定することができる。つまり、白線などの目印がない駐車領域であっても、その駐車領域における対象車両の適切な駐車位置を特定することができる。
図１１Ｂは、本発明の一態様に係る駐車位置特定システムの機能構成を示すブロック図である。
本発明の一態様に係る駐車位置特定システム３０は、対象車両の駐車位置を特定する少なくとも１つのコンピュータからなるシステムであって、訓練データ取得部２１、学習部２２、入力データ取得部２３および特定部２４を備える。
駐車位置特定システム３０の訓練データ取得部２１および学習部２２は、図９Ｂに示す駐車位置学習装置２０の訓練データ取得部２１および学習部２２と同一の構成要素である。駐車位置特定システム３０の入力データ取得部２３および特定部２４は、図１０Ｂに示す駐車位置特定装置３０ａの入力データ取得部２３および特定部２４と同一の構成要素である。
これにより、駐車位置特定システム３０では、図１１Ａに示す駐車位置特定方法と同様の効果を得ることができる。
なお、図１１Ａおよび図１１Ｂに示す駐車位置特定方法および駐車位置特定システム３０はそれぞれ、上記実施の形態の図８Ａおよび図８Ｂのフローチャートによって示される駐車位置特定方法と、図１に示す駐車位置特定システム１０に相当する。
なお、上記各実施の形態において、各構成要素は、専用のハードウェアで構成されるか、各構成要素に適したソフトウェアプログラムを実行することによって実現されてもよい。各構成要素は、ＣＰＵまたはプロセッサなどのプログラム実行部が、ハードディスクまたは半導体メモリなどの記録媒体に記録されたソフトウェアプログラムを読み出して実行することによって実現されてもよい。ここで、上記実施の形態の車載機器１１０、サーバ１２、駐車位置学習装置２０、駐車位置特定装置３０ａ、駐車位置特定システム１０および３０のそれぞれを実現するソフトウェアは、図８Ａ、図８Ｂ、図９Ａ、図１０Ａまたは図１１Ａに示すフローチャートの各ステップをコンピュータに実行させる。
なお、以下のような場合も本発明に含まれる。
（１）上記の各装置は、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭ、ハードディスクユニット、ディスプレイユニット、キーボード、マウスなどから構成されるコンピュータシステムである。前記ＲＡＭまたはハードディスクユニットには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、各装置は、その機能を達成する。ここでコンピュータプログラムは、所定の機能を達成するために、コンピュータに対する指令を示す命令コードが複数個組み合わされて構成されたものである。
（２）上記の各装置を構成する構成要素の一部または全部は、１個のシステムＬＳＩ（Ｌａｒｇｅ Ｓｃａｌｅ Ｉｎｔｅｇｒａｔｉｏｎ：大規模集積回路）から構成されているとしてもよい。システムＬＳＩは、複数の構成部を１個のチップ上に集積して製造された超多機能ＬＳＩであり、具体的には、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどを含んで構成されるコンピュータシステムである。前記ＲＡＭには、コンピュータプログラムが記憶されている。前記マイクロプロセッサが、前記コンピュータプログラムにしたがって動作することにより、システムＬＳＩは、その機能を達成する。
（３）上記の各装置を構成する構成要素の一部または全部は、各装置に脱着可能なＩＣカードまたは単体のモジュールから構成されているとしてもよい。前記ＩＣカードまたは前記モジュールは、マイクロプロセッサ、ＲＯＭ、ＲＡＭなどから構成されるコンピュータシステムである。前記ＩＣカードまたは前記モジュールは、上記の超多機能ＬＳＩを含むとしてもよい。マイクロプロセッサが、コンピュータプログラムにしたがって動作することにより、前記ＩＣカードまたは前記モジュールは、その機能を達成する。このＩＣカードまたはこのモジュールは、耐タンパ性を有するとしてもよい。
（４）本発明は、上記に示す方法であるとしてもよい。また、これらの方法をコンピュータにより実現するコンピュータプログラムであるとしてもよいし、前記コンピュータプログラムからなるデジタル信号であるとしてもよい。
また、本発明は、前記コンピュータプログラムまたは前記デジタル信号をコンピュータ読み取り可能な記録媒体、例えば、フレキシブルディスク、ハードディスク、ＣＤ−ＲＯＭ、ＭＯ、ＤＶＤ、ＤＶＤ−ＲＯＭ、ＤＶＤ−ＲＡＭ、ＢＤ（Ｂｌｕ−ｒａｙ（登録商標） Ｄｉｓｃ）、半導体メモリなどに記録したものとしてもよい。また、これらの記録媒体に記録されている前記デジタル信号であるとしてもよい。
また、本発明は、前記コンピュータプログラムまたは前記デジタル信号を、電気通信回線、無線または有線通信回線、インターネットを代表とするネットワーク、データ放送等を経由して伝送するものとしてもよい。
また、本発明は、マイクロプロセッサとメモリを備えたコンピュータシステムであって、前記メモリは、上記コンピュータプログラムを記憶しており、前記マイクロプロセッサは、前記コンピュータプログラムにしたがって動作するとしてもよい。
また、前記プログラムまたは前記デジタル信号を前記記録媒体に記録して移送することにより、または前記プログラムまたは前記デジタル信号を前記ネットワーク等を経由して移送することにより、独立した他のコンピュータシステムにより実施するとしてもよい。
本発明は、適切な駐車位置を特定することができ、例えば、車載機器、サーバ、およびそれらを含むシステムなどに利用可能である。
１０、３０ 駐車位置特定システム
１１ 車両
１２ サーバ
２０ 駐車位置学習装置
２１ 訓練データ取得部
２２、１２７ 学習部
２３ 入力データ取得部
２４ 特定部
３０ａ 駐車位置特定装置
１１０ 車載機器
１１１ カメラ
１１２ 認識器
１１３ 提示装置
１２０ 訓練データ取得部
１２１ 画像格納部
１２２ 駐車場情報付与部
１２３ 第１のアノテーション付与部
１２４ 第２のアノテーション付与部
１２５ 訓練データ格納部
１２８ モデル格納部

Claims (15)

  1. 少なくとも１つのコンピュータが対象車両の駐車位置を特定する駐車位置特定方法であって、
    前記対象車両に搭載されたカメラによる駐車領域の撮影によって生成される画像である入力データを取得し、
    前記入力データを、少なくとも１台の車両が駐車可能な広さを有する駐車領域と前記駐車領域における車両１台分の駐車位置との関係を示す学習モデルに入力することによって、撮影された前記駐車領域における前記対象車両の駐車位置を特定し、
    前記学習モデルは、
    少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得し、
    前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって構築されたものである、
    駐車位置特定方法。
  2. 前記第１のアノテーションは、前記車両１台分の駐車位置を座標によって示す
    請求項１に記載の駐車位置特定方法。
  3. 前記訓練データの取得では、
    前記駐車領域を示す画像に対して、前記車両１台分の駐車位置における駐車状態を示す情報である第２のアノテーションがさらに付与された前記訓練データを取得し、
    前記学習モデルは、
    前記訓練データを用いて、駐車領域における車両の駐車状態をさらに学習することによって構築され、
    前記駐車位置の特定では、
    前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態をさらに特定する
    請求項１または２に記載の駐車位置特定方法。
  4. 前記第２のアノテーションは、前記駐車領域を示す画像における前記車両１台分の駐車位置の周囲に、車両の乗降に対して障害となる乗降障害物が存在する場合に、前記車両１台分の駐車位置と前記乗降障害物との間の距離を前記駐車状態として示し、
    前記対象車両の駐車位置の特定では、
    前記入力データを前記学習モデルに入力することによって、前記入力データに映し出されている乗降障害物の周囲に前記対象車両の駐車位置を特定する場合に、前記入力データに映し出されている乗降障害物と前記対象車両の駐車位置との間の距離を、前記対象車両の駐車位置における駐車状態として特定する
    請求項３に記載の駐車位置特定方法。
  5. 前記乗降障害物は、前記駐車領域を示す画像において前記車両１台分の駐車位置の隣に駐車されている車両である
    請求項４に記載の駐車位置特定方法。
  6. 前記第２のアノテーションは、前記車両１台分の駐車位置における駐車状態として縦列駐車または並列駐車を示し、
    前記対象車両の駐車位置の特定では、
    前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態として縦列駐車または並列駐車を特定する
    請求項５に記載の駐車位置特定方法。
  7. 前記第２のアノテーションは、前記車両１台分の駐車位置における駐車状態として前入れまたは後入れを示し、
    前記対象車両の駐車位置の特定では、
    前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態として前入れまたは後入れを特定する
    請求項３に記載の駐車位置特定方法。
  8. 前記第２のアノテーションは、前記車両１台分の駐車位置における駐車状態として駐車禁止か否かを示し、
    前記対象車両の駐車位置の特定では、
    前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態として駐車禁止か否かを特定する
    請求項３に記載の駐車位置特定方法。
  9. 前記第２のアノテーションは、前記車両１台分の駐車位置における駐車状態として、前記車両１台分の駐車位置に、駐車に対して障害となる駐車障害物があるか否かを示し、
    前記対象車両の駐車位置の特定では、
    前記入力データを前記学習モデルに入力することによって、前記対象車両の駐車位置における駐車状態として、前記対象車両の駐車位置に駐車障害物があるか否かを特定する
    請求項３に記載の駐車位置特定方法。
  10. 前記学習モデルは、ニューラルネットワークモデルである
    請求項１〜９の何れか１項に記載の駐車位置特定方法。
  11. コンピュータが対象車両の駐車位置を学習する駐車位置学習方法であって、
    少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得し、
    前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する
    駐車位置学習方法。
  12. 対象車両の駐車位置を特定する駐車位置特定装置であって、
    前記対象車両に搭載されたカメラによる駐車領域の撮影によって生成される画像である入力データを取得する取得部と、
    前記入力データを、少なくとも１台の車両が駐車可能な広さを有する駐車領域と前記駐車領域における車両１台分の駐車位置との関係を示す学習モデルに入力することによって、撮影された前記駐車領域における前記対象車両の駐車位置を特定する特定部と、を備え、
    前記学習モデルは、
    少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得し、
    前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって構築されたものである、
    駐車位置特定装置。
  13. 対象車両の駐車位置を特定する少なくとも１つのコンピュータからなる駐車位置特定システムであって、
    少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得する訓練データ取得部と、
    前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する学習部と、
    前記対象車両に搭載されたカメラによる駐車領域の撮影によって生成される画像である入力データを取得する入力データ取得部と、
    前記入力データを前記学習モデルに入力することによって、撮影された前記駐車領域における前記対象車両の駐車位置を特定する特定部と
    を備える駐車位置特定システム。
  14. 対象車両の駐車位置を学習する駐車位置学習装置であって、
    少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得する訓練データ取得部と、
    前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する学習部と
    を備える駐車位置学習装置。
  15. コンピュータが対象車両の駐車位置を学習するためのプログラムであって、
    少なくとも１台の車両が駐車可能な広さを有する駐車領域を示す画像に対して、前記駐車領域における車両１台分の駐車位置を示す情報である第１のアノテーションが付与された訓練データを取得し、
    前記訓練データを用いて駐車領域における車両１台分の駐車位置を学習することによって、学習モデルを構築する
    ことを前記コンピュータに実行させるプログラム。
JP2016173177A 2016-09-05 2016-09-05 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム Active JP6761708B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2016173177A JP6761708B2 (ja) 2016-09-05 2016-09-05 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム
US15/671,767 US10650681B2 (en) 2016-09-05 2017-08-08 Parking position identification method, parking position learning method, parking position identification system, parking position learning device, and non-transitory recording medium for recording program

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2016173177A JP6761708B2 (ja) 2016-09-05 2016-09-05 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム

Publications (2)

Publication Number Publication Date
JP2018041176A JP2018041176A (ja) 2018-03-15
JP6761708B2 true JP6761708B2 (ja) 2020-09-30

Family

ID=61280679

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016173177A Active JP6761708B2 (ja) 2016-09-05 2016-09-05 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム

Country Status (2)

Country Link
US (1) US10650681B2 (ja)
JP (1) JP6761708B2 (ja)

Families Citing this family (35)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9443192B1 (en) 2015-08-30 2016-09-13 Jasmin Cosic Universal artificial intelligence engine for autonomous computing devices and software applications
US9864933B1 (en) 2016-08-23 2018-01-09 Jasmin Cosic Artificially intelligent systems, devices, and methods for learning and/or using visual surrounding for autonomous object operation
US10452974B1 (en) 2016-11-02 2019-10-22 Jasmin Cosic Artificially intelligent systems, devices, and methods for learning and/or using a device's circumstances for autonomous device operation
US10607134B1 (en) 2016-12-19 2020-03-31 Jasmin Cosic Artificially intelligent systems, devices, and methods for learning and/or using an avatar's circumstances for autonomous avatar operation
JP7089355B2 (ja) * 2017-11-13 2022-06-22 キヤノン株式会社 画像処理装置、画像処理装置の制御方法及びプログラム
US10474934B1 (en) * 2017-11-26 2019-11-12 Jasmin Cosic Machine learning for computing enabled systems and/or devices
JP6986685B2 (ja) * 2018-03-12 2021-12-22 パナソニックＩｐマネジメント株式会社 情報処理装置
JP6623481B2 (ja) 2018-03-23 2019-12-25 株式会社コナミデジタルエンタテインメント 情報処理装置、情報処理装置のプログラム、ヘッドマウントディスプレイ、及び、情報処理システム
CN108407805B (zh) * 2018-03-30 2019-07-30 中南大学 一种基于dqn的车辆自动泊车方法
US10720058B2 (en) * 2018-09-13 2020-07-21 Volvo Car Corporation System and method for camera or sensor-based parking spot detection and identification
CN111098850A (zh) * 2018-10-25 2020-05-05 北京初速度科技有限公司 一种自动停车辅助系统及自动泊车方法
CN109800658B (zh) * 2018-12-26 2023-05-26 中汽研（天津）汽车工程研究院有限公司 基于神经网络的泊车位类型在线识别与定位系统及方法
JP7365122B2 (ja) * 2019-02-01 2023-10-19 株式会社小松製作所 画像処理システムおよび画像処理方法
DE102019204203A1 (de) * 2019-03-27 2020-10-01 Volkswagen Aktiengesellschaft Verfahren zum Einparken eines Kraftfahrzeugs in eine Parkzone mit einem autonomen Parkvorgang ausgehend von einer temporären Parkposition, Parkassistenzsystem sowie Kraftfahrzeug
CN110135356A (zh) * 2019-05-17 2019-08-16 北京百度网讯科技有限公司 违章停车的检测方法及装置、电子设备、计算机可读介质
CN112016349B (zh) * 2019-05-29 2024-06-11 北京市商汤科技开发有限公司 停车位的检测方法、装置与电子设备
CN110348297B (zh) * 2019-05-31 2023-12-26 纵目科技（上海）股份有限公司 一种用于识别立体停车库的检测方法、系统、终端和存储介质
CN110490127A (zh) * 2019-08-15 2019-11-22 北京致行慕远科技有限公司 位置合规识别方法及装置、存储介质、电子装置
CN112417926B (zh) * 2019-08-22 2024-02-27 广州汽车集团股份有限公司 车位识别方法、装置、计算机设备及可读存储介质
JP2021140699A (ja) 2020-03-09 2021-09-16 株式会社アイシン 特定領域検知装置
CN111942376B (zh) * 2020-08-24 2021-07-06 罗忠明 基于5g和毫米波雷达的自动泊车系统
CN112201075B (zh) * 2020-09-18 2022-05-10 厦门路桥信息股份有限公司 停车场车位可用性预测方法及系统
CN111881897B (zh) * 2020-09-27 2021-01-01 广州汽车集团股份有限公司 一种停车场地面中文标志识别方法及其系统、存储介质
CN112733703A (zh) * 2021-01-07 2021-04-30 深圳市捷顺科技实业股份有限公司 一种车辆停放状态检测方法及系统
CN116917969A (zh) 2021-04-05 2023-10-20 株式会社爱信 停车辅助装置
CN113205059B (zh) * 2021-05-18 2024-03-12 北京纵目安驰智能科技有限公司 车位的检测方法、系统、终端及计算机可读存储介质
JPWO2023090001A1 (ja) * 2021-11-19 2023-05-25
CN114445794A (zh) * 2021-12-21 2022-05-06 北京罗克维尔斯科技有限公司 车位检测模型训练方法、车位检测方法及其装置
CN114494795B (zh) * 2021-12-22 2024-10-15 成都臻识科技发展有限公司 基于底盘检测的停车检测方法、装置、设备及存储介质
CN114194180A (zh) * 2021-12-28 2022-03-18 阿波罗智联(北京)科技有限公司 一种辅助泊车信息的确定方法、装置、设备及介质
CN114613230A (zh) * 2022-03-28 2022-06-10 北京太合瑞至科技有限公司 驾驶培训教学点位的智能识别与控制方法及系统
WO2023248468A1 (ja) * 2022-06-24 2023-12-28 日産自動車株式会社 駐車支援方法及び駐車支援装置
CN115359650B (zh) * 2022-07-06 2024-10-25 浙江大华技术股份有限公司 停车泊位检测方法、装置、计算机设备和存储介质
CN115082277B (zh) * 2022-08-23 2022-11-11 交通运输部科学研究院 车辆管控区域行程识别方法、装置、电子设备及存储介质
CN117765417B (zh) * 2023-12-20 2024-07-09 城市大脑(广州)科技有限公司 一种基于无人机的共享车辆巡检方法、装置及存储介质

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0991593A (ja) * 1995-09-28 1997-04-04 Hitachi Ltd 駐車場案内方法
JP4493885B2 (ja) * 2000-06-30 2010-06-30 パナソニック株式会社 運転支援システム
JP2006160194A (ja) 2004-12-10 2006-06-22 Alpine Electronics Inc 駐車支援装置
KR101393881B1 (ko) * 2012-10-24 2014-05-12 현대자동차주식회사 차량의 주차구획 인식방법
DE102013209298A1 (de) * 2013-05-21 2014-11-27 Bayerische Motoren Werke Aktiengesellschaft System und Verfahren zum Erkennen von einem potentiell frei werdenden Parkplatz
US9619716B2 (en) * 2013-08-12 2017-04-11 Magna Electronics Inc. Vehicle vision system with image classification
US10328932B2 (en) * 2014-06-02 2019-06-25 Magna Electronics Inc. Parking assist system with annotated map generation
JP2015231818A (ja) * 2014-06-10 2015-12-24 株式会社デンソー 運転支援装置
JP6350312B2 (ja) * 2015-01-29 2018-07-04 株式会社デンソー 非接触充電駐車支援装置
US10214206B2 (en) * 2015-07-13 2019-02-26 Magna Electronics Inc. Parking assist system for vehicle
US10078789B2 (en) * 2015-07-17 2018-09-18 Magna Electronics Inc. Vehicle parking assist system with vision-based parking space detection
US20170053192A1 (en) * 2015-08-18 2017-02-23 Parking Vision Information Technologies, INC. Systems and methods for detecting parking occupancy status
BR112018012312B1 (pt) * 2015-12-17 2023-02-14 Nissan Motor Co., Ltd. Método e dispositivo de ajuda para estacionar

Also Published As

Publication number Publication date
US20180068564A1 (en) 2018-03-08
US10650681B2 (en) 2020-05-12
JP2018041176A (ja) 2018-03-15

Similar Documents

Publication Publication Date Title
JP6761708B2 (ja) 駐車位置特定方法、駐車位置学習方法、駐車位置特定システム、駐車位置学習装置およびプログラム
EP3428840A1 (en) Computer implemented detecting method, computer implemented learning method, detecting apparatus, learning apparatus, detecting system, and recording medium
EP3418947A1 (en) Computer implemented detecting method, computer implemented learning method, detecting apparatus, learning apparatus, detecting system, and recording medium
CN110060297B (zh) 信息处理装置、系统、信息处理方法和存储介质
US10896336B2 (en) Parking compartment recognition apparatus
US20200070814A1 (en) Apparatus for controlling parking of vehicle, system having the same, and method thereof
CN108470147A (zh) 使用单目摄像机和深度学习的自由空间检测
US9025819B2 (en) Apparatus and method for tracking the position of a peripheral vehicle
CN108345840A (zh) 在低光条件下检测车辆
JP6795379B2 (ja) 運転制御装置、運転制御方法及び運転制御プログラム
CN114170826B (zh) 自动驾驶控制方法和装置、电子设备和存储介质
JP6869467B2 (ja) 駐車支援装置
JP2016184199A (ja) 駐車状況報知装置
CN109936702A (zh) 用于车辆自成像的车辆间协作
JP4775034B2 (ja) 画像認識システムおよび画像認識方法
JP2008145541A (ja) 表示装置、表示方法およびプログラム
JP7418481B2 (ja) 学習方法、学習装置、移動体制御装置、移動体制御方法、およびプログラム
JP6412934B2 (ja) 物体検出装置、物体検出装置を設置した車両およびプログラム
JP2018073275A (ja) 画像認識装置
JP6826010B2 (ja) カメラ運動推定装置、カメラ運動推定方法及びプログラム
JP6918425B2 (ja) 撮影画像に含まれる境界線を検出するための装置、方法、及びプログラム
JP2010049635A (ja) 車両周辺監視装置
US20210190956A1 (en) Ground surface imaging combining lidar and camera data
US10936885B2 (en) Systems and methods of processing an image
KR102491382B1 (ko) 차량 및 그 제어방법

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20190322

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20200519

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20200807

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: 20200825

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200907

R150 Certificate of patent or registration of utility model

Ref document number: 6761708

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150