WO2023242903A1 - 物体検出装置 - Google Patents

物体検出装置 Download PDF

Info

Publication number
WO2023242903A1
WO2023242903A1 PCT/JP2022/023623 JP2022023623W WO2023242903A1 WO 2023242903 A1 WO2023242903 A1 WO 2023242903A1 JP 2022023623 W JP2022023623 W JP 2022023623W WO 2023242903 A1 WO2023242903 A1 WO 2023242903A1
Authority
WO
WIPO (PCT)
Prior art keywords
camera
detected
data
detection
radar
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.)
Ceased
Application number
PCT/JP2022/023623
Other languages
English (en)
French (fr)
Inventor
亮太 関口
龍也 上村
興祐 八十岡
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
Priority to EP22946723.8A priority Critical patent/EP4538744A4/en
Priority to JP2024527908A priority patent/JP7531759B2/ja
Priority to PCT/JP2022/023623 priority patent/WO2023242903A1/ja
Publication of WO2023242903A1 publication Critical patent/WO2023242903A1/ja
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/583—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets
    • G01S13/584—Velocity or trajectory determination systems; Sense-of-movement determination systems using transmission of continuous unmodulated waves, amplitude-, frequency-, or phase-modulated waves and based upon the Doppler effect resulting from movement of targets adapted for simultaneous range and velocity measurements
    • 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
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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 OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10024—Color image
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; 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
    • G06T2207/30261—Obstacle

Definitions

  • the present disclosure relates to an object detection device mounted on a vehicle.
  • a vehicle-mounted object detection device has the function of detecting people, structures, etc. that exist in the vehicle usage environment in a short time, controlling the vehicle, and issuing warning notifications, contributing to safe vehicle driving.
  • Object detection devices installed in vehicles use various types of sensors such as radar, cameras, LiDAR (Light Detection And Ranging), and ultrasonic sensors, but in recent years, performance has been improved by combining multiple sensors. Fusion-type object detection devices have become widely used.
  • Patent Document 1 it is determined whether the detected object is a pedestrian based on the position and speed of the object detected by a radar and object recognition detected by a camera.
  • Radar has excellent position and speed detection accuracy, and cameras have excellent object recognition. Therefore, in object detection devices, radar is used for position and speed detection, and cameras are used for object recognition. Common. However, when a detected object such as a person approaches a structure with a high radar reflection intensity such as a utility pole, wall, guardrail, shelf pillar, delineator, or signal, the radar reflected signal of the detected object becomes the radar reflected signal of the structure. If the object is buried, it becomes difficult to detect the object, and the data detected by the radar about the object is lost. In this case, by replacing the radar detection data with the camera detection data, it is possible to maintain the detection accuracy of the fusion-type object detection device.
  • a high radar reflection intensity such as a utility pole, wall, guardrail, shelf pillar, delineator, or signal
  • cameras such as monocular cameras that are low in manufacturing cost have lower accuracy in detecting the position of objects relative to the vehicle than stereo cameras.
  • the position detection accuracy of such cameras deteriorates due to changes in camera characteristics due to temperature and aging, changes in camera posture after installation in a vehicle over time, blurring of camera images due to vibrations that occur when the vehicle is running, and the like.
  • the fusion type object detection device has a problem in that when radar detection data disappears, even if it is replaced with camera detection data, high object detection accuracy cannot be obtained.
  • the present disclosure has been made in view of the above, and an object of the present disclosure is to obtain an object detection device that can obtain high object detection accuracy when replacing radar detection data with camera detection data. do.
  • an object detection device in the present disclosure includes a radar signal processor that performs signal processing on a received signal from a radar to detect the position and speed of an object and a structure; It has a first conversion table that stores the correspondence between the pixel coordinates of the camera and the position of the imaging space with respect to the vehicle, and detects the positions and types of objects and structures based on the image data captured by the camera and the first conversion table.
  • the camera image processor performs a first identity determination process, which is identity determination processing, between the position of the object detected by the radar signal processor and the position of the object detected by the camera image processor.
  • a second identity determination process is executed to determine whether the position of the structure detected by the camera image processor is the same as the position of the structure detected by the camera image processor, and the first identity determination process result and the second identity determination process result are transmitted to vehicle control. and a fusion processor to be used.
  • the camera image processor includes a conversion table updating unit that updates the first conversion table with correspondence data between the position data detected by the radar signal processor and the pixel coordinates of the camera when the second identity determination process is successful.
  • the object detection device has the effect of being able to obtain high object detection accuracy when replacing radar detection data with camera detection data.
  • Block diagram showing the configuration of an object detection device according to an embodiment Flowchart showing the operation procedure of the object detection device according to the embodiment
  • FIG. 1 is a block diagram showing the configuration of an object detection device according to an embodiment.
  • the object detection device 100 includes a radar 1 , a camera 2 , a radar signal processor 3 , a camera image processor 4 , and a fusion processor 5 .
  • Object detection device 100 is mounted on a vehicle.
  • the output of the object detection device 100 is input to a vehicle control unit 30 mounted on the vehicle, and is used for controlling the vehicle.
  • the radar 1 emits electromagnetic waves to an object and receives reflected signals from the object.
  • the radar signal processor 3 processes the received signal from the radar 1 to detect the position and speed of the object.
  • the radar 1 generally uses the FMCW (Frequency Modulated Continuous Wave) method or the FCM (Fast Chirp Modulation) method, and uses high frequency semiconductor components, power supply semiconductor components, substrates, crystal devices, chip components, antennas, etc. It consists of
  • the radar signal processor 3 includes a distance detection section 6, a speed detection section 7, a horizontal angle detection section 8, and a radar detection data storage section 9.
  • the distance detection unit 6, velocity detection unit 7, and horizontal angle detection unit 8 calculate the distance of objects and structures by performing Fast Fourier Transformation (FFT) in the distance direction, velocity direction, and horizontal angle direction, respectively. , velocity, and horizontal angle.
  • FFT Fast Fourier Transformation
  • the object represents a desired object to be detected when controlling the vehicle, and includes, for example, a person or a vehicle.
  • the structure represents an undesired object that is not necessarily used for vehicle control, and includes, for example, a telephone pole, a wall, a guardrail, a shelf pillar, a delineator, a traffic light, and the like.
  • the camera 2 images an object and acquires image data.
  • the camera 2 may be a stereo camera or a monocular camera.
  • the camera image processor 4 detects the positions and types of objects and structures based on image data captured by the camera 2.
  • the image data captured by the camera 2 is also referred to as captured image data.
  • the camera 2 is composed of parts such as a lens, a holder, a CMOS (Complementary Metal Oxide Semiconductor) sensor, a power supply semiconductor component, and a crystal device.
  • CMOS Complementary Metal Oxide Semiconductor
  • the camera image processor 4 an MCU, a CPU, a GPU (Graphics Processing Unit), or the like is used.
  • the camera image processor 4 includes an object recognition section 10, a detection frame provision section 11, a detection frame pixel coordinate provision section 12, an object position detection section 13, a camera object detection data storage section 14, a structure recognition section 15, and a structure position detection section. 16, a camera structure detection data storage section 17, a pixel coordinate-position conversion table 18, a conversion table update section 19, a camera internal parameter storage section 25, and a camera external parameter storage section 26.
  • the object recognition unit 10 uses feature data obtained by machine learning or deep learning as a database to recognize people, vehicles, etc. from captured image data, and detects the type of object.
  • the detection frame adding unit 11 adds a frame to the area of the recognition target on the captured image based on the object recognition result obtained by the object recognition unit 10.
  • the assigned frame is called a detection frame.
  • the detection frame pixel coordinate assigning unit 12 assigns pixel coordinates of captured image data to the bottom center point of the detection frame.
  • the pixel coordinate-position conversion table 18 corresponding to the first conversion table stores correspondence data indicating the correspondence between a plurality of pixel coordinates of the camera 2 and the position of the imaging space of the camera 2 with respect to the vehicle. Assuming that the bottom of an object or the bottom of a structure is located at each pixel coordinate in the imaging space by camera 2, a position (relative position with respect to the vehicle) corresponding to each pixel coordinate is set. There is. Therefore, in the pixel coordinate-position conversion table 18, the position data associated with each pixel coordinate indicates the position data of an object or structure with respect to the vehicle in the imaging space.
  • the object position detection unit 13 converts the detection frame portion into object position data by referring to the pixel coordinate-position conversion table 18 based on the pixel coordinates of the detection frame portion obtained by the detection frame pixel coordinate giving unit 12. By doing so, the position of the object relative to the vehicle is detected.
  • the camera object detection data storage unit 14 stores the object type obtained by the object recognition unit 10 and the object position obtained by the object position detection unit 13, and outputs them to the subsequent fusion processor 5.
  • the structure recognition unit 15 extracts spots with high linearity from the captured image data to identify the vertical component of the vehicle running road surface with respect to the edges of structures such as utility poles, walls, guardrails, shelf pillars, delineators, and traffic lights. Detect. For example, by subjecting the captured image data to Hough transform, only edges with high linearity are detected from the captured image data, and the vertical component of the road surface on which the vehicle is traveling is extracted.
  • the structure position detection unit 16 refers to the pixel coordinate-position conversion table 18 for the lowest point closest to the vehicle road surface on the image regarding the vertical component of the straight edge obtained by the structure recognition unit 15. Detects the position of the structure.
  • the camera structure detection data storage section 17 stores the structure position and pixel coordinates obtained by the structure position detection section 16, and outputs it to the subsequent fusion processor 5.
  • the conversion table update unit 19 updates the fusion structure detection data (position data detected by the radar 1 and pixel coordinate data of the camera 2) about the structure obtained from the fusion structure detection data storage unit 24 of the fusion processor 5. By updating the pixel coordinate-position conversion table 18 based on this, the position detection accuracy of the camera 2 is maintained.
  • the camera internal parameter storage unit 25 stores camera internal parameters determined from the lens and CMOS sensor that constitute the camera 2. Camera internal parameters include focal length, image data size, pixel center, lens distortion coefficient, etc. The camera internal parameters are adjusted for each individual product at the time of product shipping inspection and are stored in the camera internal parameter storage section 25.
  • the camera external parameter storage unit 26 stores camera external parameters.
  • the camera external parameters include the mounting position and attitude angle of the camera 2 after it is mounted on the vehicle.
  • the camera external parameters are adjusted for each individual product at the time of product shipping inspection and are stored in the camera external parameter storage section 26.
  • Camera internal parameters change depending on temperature and age. Furthermore, camera external parameters vary due to changes in camera posture over time, blurring of images due to vibrations that occur when the vehicle is running, and the like. Therefore, the camera internal parameters stored in the camera internal parameter storage section 25 and the camera external parameters stored in the camera external parameter storage section 26 are used only in the initial state immediately after installation on the vehicle when the object position detection section 13 detects the position. It is referred to when the structure position detection section 16 detects the structure position. After the initial state, the object position detection unit 13 and the structure position detection unit 16 refer to the camera internal parameters stored in the camera internal parameter storage unit 25 and the camera external parameters stored in the camera external parameter storage unit 26. First, the positions of objects and structures are detected by referring to the pixel coordinate-position conversion table 18 that is successively updated by the conversion table updating unit 19.
  • the fusion processor 5 includes an object identity determination section 20 , a detection data selection section 21 , a fusion object detection data storage section 22 , a structure identity determination section 23 , a fusion structure detection data storage section 24 , and a nonvolatile memory 27 .
  • the object identity determination unit 20 executes identity determination processing between the position of the object detected by the radar 1 and the position of the object detected by the camera 2.
  • the identity determination process in the object identity determination section 20 corresponds to the first identity determination process. Through this identity determination process, the position and velocity data detected by the radar 1 and the object recognition data detected by the camera 2 are linked.
  • the detection data selection unit 21 succeeds in determining the identity, the detection data selection unit 21 transfers the position and velocity detected by the radar 1 and the object type detected by the camera 2 to the fusion object detection data storage unit 22 .
  • the detection data selection unit 21 assumes that the detection data by the radar 1 has disappeared, and stores only the position and object type detected by the camera 2 in the fusion object detection data storage unit 22. Forward.
  • the fusion object detection data storage section 22 stores data on these positions, speeds, and object types, transfers the data to the vehicle control section 30, and uses it for vehicle control.
  • the structure identity determination unit 23 performs identity determination processing between the position of the structure detected by the radar 1 and the position of the structure detected by the camera 2.
  • the identity determination process in the structure identity determination unit 23 corresponds to the second identity determination process. Through this identity determination process, the position data detected by the radar 1 and the pixel coordinates of the structure detected by the camera 2 are linked. If the identity determination is successful, the position detected by the radar 1 and the pixel coordinates of the structure detected by the camera 2 are stored in the fusion structure detection data storage unit 24 as fusion structure detection data.
  • the fusion structure detection data storage unit 24 transfers the fusion structure detection data (the position detected by the radar 1 and the pixel coordinates of the structure detected by the camera 2) to the conversion table update unit 19 of the camera image processor 4.
  • the nonvolatile memory 27 stores the data in the fusion structure detection data storage section 24 . If the structure does not exist, or if the structure identity determination unit 23 fails in the identity determination process, the data stored in the nonvolatile memory 27 is used to update the pixel coordinate-position conversion table 18.
  • the structure identity determination unit 23 performs identity determination processing between the position of the structure detected by the radar 1 and the position of the structure detected by the camera 2, and when the identity determination is successful, the fusion structure is determined.
  • the pixel coordinate-position conversion table 18 is sequentially updated in real time using the object detection data (the position of the structure detected by the radar 1 and the pixel coordinates of the structure detected by the camera 2).
  • FIG. 2 is a flowchart showing the operation procedure of the object detection device 100 according to the embodiment.
  • the operation of the object detection device 100 will be explained using FIG. 2.
  • the object detection process is started (step S1), the received data acquired by the radar 1 is input to the radar signal processor 3 (step S2).
  • the distance detection section 6, velocity detection section 7, and horizontal angle detection section 8 of the radar signal processor 3 detect the position and velocity of the object (step S3).
  • the detected position and speed data are stored in the radar detection data storage section 9 (step S4).
  • step S1 when the object detection process is started (step S1), captured image data acquired by the camera 2 is input to the camera image processor 4 (step S5).
  • the structure recognition unit 15 of the camera image processor 4 recognizes a structure based on the acquired captured image data (step S6).
  • the structure position detection unit 16 detects the position and pixel coordinates of the structure based on the captured image data and the pixel coordinate-position conversion table 18 (step S7).
  • the position and pixel coordinates of the structure are stored in the camera structure detection data storage section 17 (step S8).
  • FIG. 3 is a diagram showing an example of image data captured by the object detection device 100 according to the embodiment.
  • FIG. 4 is a diagram illustrating an example of data after image processing is performed on image data captured by the object detection device 100 according to the embodiment.
  • 3 and 4 show image data of a field where utility poles A1, A2, and A3 are present as an example of structures on the road surface B1.
  • utility poles A1, A2, and A3 which are structures, edges with high linearity are detected from the image data, and then a vertical component of the road surface B1 is detected.
  • An example of an edge detection method is a method of performing Hough transform on image data. It is possible to detect only highly linear edges from image data after Hough transform.
  • FIG. 4 shows an image of image data obtained by extracting only the vertical components C1, C2, and C3 of the road surface B1 after Hough transformation.
  • the position of the structure is detected by extracting the pixel coordinates of points D1, D2, and D3 closest to the road surface B1 on the image and referring to the pixel coordinate-position conversion table 18. be able to.
  • the object recognition unit 10 of the camera image processor 4 recognizes the object based on the captured image data acquired in step S5 (step S13).
  • the object recognition unit 10 uses feature data obtained through machine learning and deep learning as a database to recognize people, vehicles, etc., and detect object types.
  • the detection frame assigning unit 11 frames the recognition object, and the detecting frame pixel coordinate assigning unit 12 assigns pixel coordinates to the center of the bottom of the frame (step S14).
  • the structure identity determination unit 23 of the fusion processor 5 executes identity determination processing between the position data obtained by the radar 1 obtained in step S4 and the position data of the structure determined by the camera 2 (step S9). Through this identity determination process, the position data detected by the radar 1 and the pixel coordinates of the structure detected by the camera 2 are linked. If the structure identity determination unit 23 succeeds in identity determination in the identity determination process (step S10: Yes), the structure identity determination unit 23 stores the position data of the structure detected by the radar 1 and the pixels of the camera 2 in the fusion structure detection data storage unit 24. Fusion structure detection data including coordinate data is stored (step S11).
  • the fusion structure detection data including the position data of the structure detected by the radar 1 and the pixel coordinate data of the camera 2 stored in the fusion structure detection data storage unit 24 is sent to the conversion table update unit 19 of the camera image processor 4. be transferred.
  • the conversion table update unit 19 updates the pixel coordinate-position conversion table 18 using the transferred fusion structure detection data (position data of the structure detected by the radar 1 and pixel coordinate data of the camera 2) (step S12). .
  • the structure identity determination unit 23 refers to the nonvolatile memory 27 and stores past fusion structure detection data (structures) in the nonvolatile memory 27. position data and pixel coordinate data of camera 2) exists (step S25). If past fusion structure detection data exists (step S25: Yes), for example, the latest fusion structure detection data of the past fusion structure detection data is stored in the conversion table updating unit 19 of the camera image processor 4. be transferred. The conversion table update unit 19 updates the pixel coordinate-position conversion table 18 using the transferred past fusion structure detection data (step S12). If past fusion structure detection data does not exist (step S25: No), the process moves to step S15 without updating the pixel coordinate-position conversion table 18.
  • step S15 the object position detection unit 13 of the camera image processor 4 uses the pixel coordinates of the center of the bottom of the frame corresponding to the recognized object and the pixel coordinate-position conversion table 18 given in step S14. , detect the position of the recognized object.
  • the camera image processor 4 can detect the position of the object with high accuracy.
  • the position of the detected object and the type of object are stored in the camera object detection data storage section 14 (step S16).
  • the object identity determination unit 20 of the fusion processor 5 performs identity determination processing between the detected position by the radar 1 acquired in step S4 and the detected position by the camera 2 acquired in step S16 (step S17). Through this identity determination process, the position and velocity data detected by the radar 1 and the object recognition data detected by the camera 2 are linked. If the identity determination fails (step S18: No), the detection data selection unit 21 outputs the position data and object type detected by the camera 2 to the fusion object detection data storage unit 22 (step S19). The fusion object detection data storage unit 22 stores input position data and object type detected by the camera 2.
  • the detection data selection unit 21 stores the position and velocity data detected by the radar 1 and the position data and object type detected by the camera 2 in the fusion object detection data storage unit. 22 (step S20).
  • the fusion object detection data storage unit 22 stores the input position and speed data detected by the radar 1, position data and object type detected by the camera 2 (step S21).
  • the data on the position, speed, and object type of the object stored in the fusion object detection data storage section 22 is output to the vehicle control section 30 (step S22).
  • the vehicle control unit 30 uses the data on the position, speed, and object type of the object acquired in step S22 for vehicle control (step S23). With this, the object detection process ends. Thereafter, the object detection process is transferred to the next frame (step S24), and the same process is repeatedly executed from step S1.
  • the radar signal processor 3 and the position of the structure detected by the camera image processor 4 are successfully determined to be the same, the radar signal processor
  • the pixel coordinate-position conversion table 18 is sequentially updated in real time with the correspondence data between the position data detected in step 3 and the pixel coordinates of the camera 2. Therefore, the accuracy of position detection by the camera 2 can be improved to the accuracy of position detection by the radar 1.
  • the position data of the object detected by the camera image processor 4 is used for vehicle control
  • the position data of the object detected by the radar signal processor 3 is used for vehicle control. Control is being carried out to replace lost data from radar 1 with detection data from camera 2, so that position data is not used for vehicle control. equipment can be provided.
  • the detection data of structures with high radar reflection intensity is used to update the pixel coordinates-position conversion table 18, structures can be detected by the radar 1 and camera 2, respectively, and the fusion processor 5 can detect the structures. It becomes possible to determine the same accuracy.

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

物体検出装置（１００）は、レーダ（１）からの受信信号を信号処理して、物体および構造物の位置および速度を検出するレーダ信号処理器（３）と、カメラ（２）の画素座標とカメラ（２）による撮像空間の車両に対する位置との対応が記憶される画素座標－位置変換テーブル（１８）を有し、カメラ（２）の撮像画像データおよび画素座標－位置変換テーブル（１８）に基づき物体および構造物の位置および種類を検出するカメラ画像処理器（４）と、レーダ信号処理器（３）で検出した物体および構造物の位置とカメラ画像処理器（４）で検出した物体および構造物の位置との同一判定処理を実行し、同一判定処理結果を車両制御に用いるフュージョン処理器（５）と、を備える。カメラ画像処理器（４）は、同一判定処理に成功したときのレーダ信号処理器（３）で検出された位置データとカメラ（２）の画素座標との対応データで画素座標－位置変換テーブル（１８）を更新する変換テーブル更新部（１９）を備える。

Description

物体検出装置
　本開示は、車両に搭載される物体検出装置に関する。
　車両搭載用の物体検出装置は、車両利用環境に存在する人、構造物等を短時間に検出して車両制御、警報通知を行う機能を有しており、車両の安全運転に寄与する。車両搭載用の物体検出装置には、レーダ、カメラ、ＬｉＤＡＲ（Light　Detection　And　Ranging）、超音波センサ等の種類のセンサが用いられるが、近年では、複数のセンサを組合せすることで性能向上を実現するフュージョン型の物体検出装置が幅広く利用されるようになっている。
　特許文献１では、レーダにより検出した物体の位置、速度と、カメラにより検出した物体認識とに基づき、検知物が歩行者であるか否かを判定している。
国際公開第２０１０／１１９８６０号
　レーダは位置、速度の検出精度に、カメラは物体認識の検出に優れていることから、物体検出装置においては、位置、速度検出にはレーダを採用し、物体認識にはカメラを採用することが一般的である。しかし、人などの検出物体が、電柱、壁、ガードレール、棚の柱、デリニエータ、信号等のレーダ反射強度の大きい構造物に近づいた場合、検出物体のレーダ反射信号が構造物のレーダ反射信号に埋もれてしまい、検出物体の検出が困難になり、レーダによる検出物体の検出データが消失する。この場合、レーダの検出データをカメラの検出データで置換することで、フュージョン型の物体検出装置の検出精度を維持することが可能である。
　しかし、製造コストの低い単眼カメラなどのカメラは、車両に対する物体の位置検出精度がステレオカメラに比べ低い。このようなカメラは、温度、経年によるカメラ特性の変動、車両取付け後のカメラ姿勢の経年変動、車両走行時に生じる振動によるカメラ画像のブレ等により、位置検出精度が低下する。このため、フュージョン型の物体検出装置においては、レーダの検出データが消失した時に、カメラの検出データで置換しても、高精度の物体検出精度を得られないという課題があった。
　本開示は、上記に鑑みてなされたものであって、レーダの検出データをカメラの検出データで置換する際に、高精度の物体検出精度を得ることができる物体検出装置を得ることを目的とする。
　上述した課題を解決し、目的を達成するために、本開示における物体検出装置は、レーダからの受信信号を信号処理して、物体および構造物の位置および速度を検出するレーダ信号処理器と、カメラの画素座標とカメラによる撮像空間の車両に対する位置との対応が記憶される第１変換テーブルを有し、カメラの撮像画像データおよび第１変換テーブルに基づき物体および構造物の位置および種類を検出するカメラ画像処理器と、レーダ信号処理器で検出した物体の位置とカメラ画像処理器で検出した物体の位置との同一判定処理である第１同一判定処理を実行し、レーダ信号処理器で検出した構造物の位置とカメラ画像処理器で検出した構造物の位置との同一判定処理である第２同一判定処理を実行し、第１同一判定処理結果および第２同一判定処理結果を車両制御に用いるフュージョン処理器と、を備える。カメラ画像処理器は、第２同一判定処理に成功したときのレーダ信号処理器で検出された位置データとカメラの画素座標との対応データで第１変換テーブルを更新する変換テーブル更新部を備える。
　本開示に係る物体検出装置は、レーダの検出データをカメラの検出データで置換する際に、高精度の物体検出精度を得ることができるという効果を奏する。
実施の形態にかかる物体検出装置の構成を示すブロック図 実施の形態にかかる物体検出装置の動作手順を示すフローチャート 実施の形態にかかる物体検出装置で撮像された画像データの一例を示す図 実施の形態にかかる物体検出装置で撮像された画像データを画像処理した後のデータの一例を示す図
　以下に、実施の形態に係る物体検出装置を図面に基づいて詳細に説明する。
実施の形態．
　図１は、実施の形態にかかる物体検出装置の構成を示すブロック図である。物体検出装置１００は、レーダ１と、カメラ２と、レーダ信号処理器３と、カメラ画像処理器４と、フュージョン処理器５と、を備える。物体検出装置１００は、車両に搭載される。物体検出装置１００の出力は、車両に搭載される車両制御部３０に入力され、車両の制御に用いられる。
　レーダ１は、物体に電磁波を発射して、物体からの反射信号を受信する。レーダ信号処理器３は、レーダ１からの受信信号を信号処理して、物体の位置および速度を検出する。車両搭載用途において、レーダ１は一般的にＦＭＣＷ（Frequency　Modulated　Continuous　Wave）方式、またはＦＣＭ（Fast　Chirp　Modulation）方式を使用し、高周波半導体部品、電源半導体部品、基板、水晶デバイス、チップ部品、アンテナ等から構成される。
　レーダ信号処理器３としては、ＭＣＵ（Micro　Control　Unit）、ＣＰＵ（Central　Processing　Unit）等が一般的に使用される。レーダ信号処理器３は、距離検出部６、速度検出部７、水平角度検出部８、およびレーダ検出データ記憶部９を備える。距離検出部６、速度検出部７、水平角度検出部８は、それぞれ高速フーリエ変換（ＦＦＴ：Fast　Fourier　Transformation）を距離方向、速度方向、水平角度方向に実行することで、物体、構造物の距離、速度、水平角度を検出する。ここで、物体は、車両制御する上で検出したい所望物体を表し、例えば、人、車両が該当する。構造物は、車両制御には必ずしも用いない非所望物体を表し、例えば、電柱、壁、ガードレール、棚の柱、デリニエータ、信号機等が該当する。
　カメラ２は、物体を撮像し、画像データを取得する。カメラ２は、ステレオカメラであってもよいし、単眼カメラであってもよい。カメラ画像処理器４は、カメラ２で撮像した画像データに基づき物体および構造物の位置、種類を検出する。カメラ２で撮像した画像データを撮像画像データとも呼ぶ。カメラ２は、レンズ、ホルダ、ＣＭＯＳ（Complementary　Metal　Oxide　Semiconductor）センサ、電源半導体部品、水晶デバイス等の部品で構成される。
　カメラ画像処理器４としては、ＭＣＵ、ＣＰＵ、またはＧＰＵ（Graphics　Processing　Unit）等が使用される。カメラ画像処理器４は、物体認識部１０、検知枠付与部１１、検知枠画素座標付与部１２、物体位置検出部１３、カメラ物体検出データ記憶部１４、構造物認識部１５、構造物位置検出部１６、カメラ構造物検出データ記憶部１７、画素座標－位置変換テーブル１８、変換テーブル更新部１９、カメラ内部パラメータ記憶部２５、および、カメラ外部パラメータ記憶部２６を備える。
　物体認識部１０は、機械学習、または深層学習によって得られた特徴データをデータベースとして、撮像画像データから人、車両等を認識し、物体の種類を検出する。検知枠付与部１１は、物体認識部１０で得られた物体認識結果に基づいて、撮像画像上に認識対象物の領域に枠を付与する。付与された枠を検知枠と呼ぶ。検知枠画素座標付与部１２は、検知枠の底辺中心点に対して、撮像画像データの画素座標を付与する。
　第１変換テーブルに対応する画素座標－位置変換テーブル１８は、カメラ２の複数の画素座標とカメラ２による撮像空間の車両に対する位置との対応関係を示す対応データを記憶している。カメラ２による撮像空間の各画素座標に、物体の最下部または構造物の最下部が位置していたときを想定して、各画素座標に対応付けられる位置（車両に対する相対位置）が設定されている。したがって、画素座標－位置変換テーブル１８において、各画素座標に対応付けられる位置データは、撮像空間における車両に対する物体または構造物の位置データを示している。
　物体位置検出部１３は、検知枠画素座標付与部１２で得た検知枠部分の画素座標をもとに、画素座標－位置変換テーブル１８を参照して、検知枠部分を物体の位置データに変換することで、車両に対する物体の位置を検出する。カメラ物体検出データ記憶部１４は、物体認識部１０で得た物体種類と物体位置検出部１３で得た物体の位置をそれぞれ格納し、後段のフュージョン処理器５に出力する。
　構造物認識部１５は、撮像画像データから直線性の高いスポットを抽出することで、電柱、壁、ガードレール、棚の柱、デリニエータ、信号等の構造物のエッジに関して、車両走行路面の垂直方向成分を検出する。例えば、撮像画像データをハフ変換することで、撮像画像データから直線性の高いエッジのみを検出し、車両走行路面の垂直方向成分を抽出する。構造物位置検出部１６では、構造物認識部１５で得た直線エッジの垂直方向成分に関して、画像上で車両路面に最も近い最下点に対して、画素座標－位置変換テーブル１８を参照することにより、構造物の位置を検出する。カメラ構造物検出データ記憶部１７は、構造物位置検出部１６で得た構造物の位置および画素座標を格納し、後段のフュージョン処理器５に出力する。
　変換テーブル更新部１９は、フュージョン処理器５のフュージョン構造物検出データ記憶部２４から得た構造物についてのフュージョン構造物検出データ（レーダ１で検出した位置データおよびカメラ２の画素座標のデータ）をもとに画素座標－位置変換テーブル１８を更新することで、カメラ２の位置検出精度を維持する。
　カメラ内部パラメータ記憶部２５は、カメラ２を構成するレンズ、ＣＭＯＳセンサから決まるカメラ内部パラメータを記憶する。カメラ内部パラメータは、焦点距離、画像データサイズ、画素中心、レンズ歪み係数等から構成される。カメラ内部パラメータは、製品出荷検査時に個体ごとに調整されて、カメラ内部パラメータ記憶部２５に保存される。
　カメラ外部パラメータ記憶部２６は、カメラ外部パラメータを記憶する。カメラ外部パラメータは、カメラ２の車両取付け後の取付け位置、姿勢角度などを含む。カメラ外部パラメータは、製品出荷検査時に個体ごとに調整されて、カメラ外部パラメータ記憶部２６に保存される。
　カメラ内部パラメータは、温度、経年により変動する。また、カメラ外部パラメータは、カメラ姿勢の経年変動、車両走行時に生じる振動による画像のブレ等により変動する。したがって、カメラ内部パラメータ記憶部２５に記憶されたカメラ内部パラメータおよびカメラ外部パラメータ記憶部２６に記憶されたカメラ外部パラメータは、車両取付け直後の初期状態でのみ、物体位置検出部１３での位置検出および構造物位置検出部１６での構造物位置検出のときに参照される。物体位置検出部１３および構造物位置検出部１６は、初期状態の後は、カメラ内部パラメータ記憶部２５に記憶されたカメラ内部パラメータおよびカメラ外部パラメータ記憶部２６に記憶されたカメラ外部パラメータを参照せず、変換テーブル更新部１９によって逐次更新される画素座標－位置変換テーブル１８を参照して、物体および構造物の位置を検出する。
　フュージョン処理器５は、物体同一判定部２０、検出データ選択部２１、フュージョン物体検出データ記憶部２２、構造物同一判定部２３、フュージョン構造物検出データ記憶部２４、不揮発性メモリ２７を備える。
　物体同一判定部２０は、レーダ１で検出された物体の位置とカメラ２で検出した物体の位置との同一判定処理を実行する。物体同一判定部２０での同一判定処理が第１同一判定処理に対応する。この同一判定処理により、レーダ１で検出した位置、速度データとカメラ２で検出した物体の認識データとの紐づけをする。検出データ選択部２１は、同一判定に成功した場合は、レーダ１で検出した位置、速度およびカメラ２で検出した物体種類をフュージョン物体検出データ記憶部２２に転送する。一方で、同一判定に失敗した場合は、検出データ選択部２１は、レーダ１での検出データが消失したものとみなし、カメラ２で検出した位置および物体種類のみをフュージョン物体検出データ記憶部２２に転送する。フュージョン物体検出データ記憶部２２はこれらの位置、速度、物体種類のデータを格納して、車両制御部３０にデータ転送して、車両制御に使用する。
　構造物同一判定部２３は、レーダ１で検出された構造物の位置とカメラ２で検出された構造物の位置との同一判定処理をする。構造物同一判定部２３での同一判定処理が第２同一判定処理に対応する。この同一判定処理により、レーダ１で検出された位置データとカメラ２で検出された構造物の画素座標との紐づけをする。同一判定に成功した場合は、レーダ１で検出した位置とカメラ２で検出した構造物の画素座標とが、フュージョン構造物検出データとして、フュージョン構造物検出データ記憶部２４に格納される。フュージョン構造物検出データ記憶部２４は、フュージョン構造物検出データ（レーダ１で検出した位置およびカメラ２で検出した構造物の画素座標）をカメラ画像処理器４の変換テーブル更新部１９に転送する。不揮発性メモリ２７は、フュージョン構造物検出データ記憶部２４のデータを保存する。構造物が存在しない場合、あるいは、構造物同一判定部２３での同一判定処理に失敗した場合は、不揮発性メモリ２７の保存データを画素座標－位置変換テーブル１８の更新に利用する。
　実施の形態では、構造物同一判定部２３において、レーダ１で検出された構造物の位置とカメラ２で検出された構造物の位置の同一判定処理を行い、同一判定に成功したときのフュージョン構造物検出データ（レーダ１で検出された構造物の位置およびカメラ２で検出した構造物の画素座標）で、画素座標－位置変換テーブル１８を逐次、リアルタイムに更新している。
　図２は、実施の形態にかかる物体検出装置１００の動作手順を示すフローチャートである。図２を用いて、物体検出装置１００の動作を説明する。物体検出処理が開始されると（ステップＳ１）、レーダ１で取得した受信データがレーダ信号処理器３に入力される（ステップＳ２）。レーダ信号処理器３の距離検出部６、速度検出部７、水平角度検出部８は、物体の位置、速度を検出する（ステップＳ３）。検出された位置、速度データは、レーダ検出データ記憶部９に記憶される（ステップＳ４）。
　一方、物体検出処理が開始されると（ステップＳ１）、カメラ２で取得した撮像画像データがカメラ画像処理器４に入力される（ステップＳ５）。カメラ画像処理器４の構造物認識部１５は、取得した撮像画像データに基づき構造物を認識する（ステップＳ６）。その後、構造物位置検出部１６は、撮像画像データおよび画素座標－位置変換テーブル１８に基づき、構造物の位置、画素座標を検出する（ステップＳ７）。構造物の位置、画素座標は、カメラ構造物検出データ記憶部１７に記憶される（ステップＳ８）。
　図３は、実施の形態にかかる物体検出装置１００で撮像された画像データの一例を示す図である。図４は、実施の形態にかかる物体検出装置１００で撮像された画像データを画像処理した後のデータの一例を示す図である。図３、図４では、道路面Ｂ１における構造物の一例として、電柱Ａ１，Ａ２，Ａ３が存在するフィールドの画像データを示す。構造物である電柱Ａ１，Ａ２，Ａ３を認識するために、画像データから直線性の高いエッジを検出した後、道路面Ｂ１の垂直方向成分を検出する。エッジ検出方法の一例としては、画像データをハフ変換する方法がある。ハフ変換後の画像データから直線性の高いエッジのみを検出することが可能である。図４には、ハフ変換後の道路面Ｂ１の垂直方向成分Ｃ１，Ｃ２，Ｃ３のみを抽出した画像データのイメージ図が示されている。図４に示すように、画像上で道路面Ｂ１に最も近い点Ｄ１，Ｄ２，Ｄ３の画素座標を抽出して、画素座標－位置変換テーブル１８を参照することにより、構造物の位置を検出することができる。
　また、カメラ画像処理器４の物体認識部１０は、ステップＳ５で取得した撮像画像データに基づいて物体を認識する（ステップＳ１３）。物体認識部１０は、機械学習、深層学習によって得られた特徴データをデータベースとして、人、車両等を認識し、物体種類を検出する。次に、検知枠付与部１１は、認識物体に枠付けを行い、検知枠画素座標付与部１２は、枠部の底辺中心に画素座標を付与する（ステップＳ１４）。
　フュージョン処理器５の構造物同一判定部２３は、ステップＳ４で得たレーダ１による位置データと、カメラ２による構造物の位置データとの同一判定処理を実行する（ステップＳ９）。この同一判定処理により、レーダ１で検出した位置データとカメラ２で検出した構造物の画素座標との紐づけを行う。構造物同一判定部２３は、同一判定処理で同一判定に成功した場合は（ステップＳ１０：Ｙｅｓ）、フュージョン構造物検出データ記憶部２４にレーダ１で検出した構造物の位置データおよびカメラ２の画素座標データを含むフュージョン構造物検出データを記憶する（ステップＳ１１）。フュージョン構造物検出データ記憶部２４に記憶されたレーダ１で検出した構造物の位置データおよびカメラ２の画素座標データを含むフュージョン構造物検出データは、カメラ画像処理器４の変換テーブル更新部１９に転送される。変換テーブル更新部１９は、転送されたフュージョン構造物検出データ（レーダ１で検出した構造物の位置データおよびカメラ２の画素座標データ）によって、画素座標－位置変換テーブル１８を更新する（ステップＳ１２）。
　構造物同一判定部２３は、同一判定処理で同一判定に失敗した場合は（ステップＳ１０：Ｎｏ）、不揮発性メモリ２７を参照し、不揮発性メモリ２７に過去のフュージョン構造物検出データ（構造物の位置データおよびカメラ２の画素座標データ）が存在するか否かを判定する（ステップＳ２５）。過去のフュージョン構造物検出データが存在する場合は（ステップＳ２５：Ｙｅｓ）、過去のフュージョン構造物検出データのうちの例えば最新のフュージョン構造物検出データがカメラ画像処理器４の変換テーブル更新部１９に転送される。変換テーブル更新部１９は、転送された過去のフュージョン構造物検出データによって、画素座標－位置変換テーブル１８を更新する（ステップＳ１２）。過去のフュージョン構造物検出データが存在しない場合は（ステップＳ２５：Ｎｏ）、画素座標－位置変換テーブル１８が更新されることなく、ステップＳ１５に移行される。
　ステップＳ１５において、カメラ画像処理器４の物体位置検出部１３は、ステップＳ１４で付与された、認識物体に対応する枠部の底辺中心の画素座標と、画素座標－位置変換テーブル１８とを用いて、認識物体の位置を検出する。この時、ステップＳ１２で、画素座標－位置変換テーブル１８がリアルタイムに更新されているので、カメラ画像処理器４では、高精度に物体の位置を検出できる。検出された物体の位置と物体の種類は、カメラ物体検出データ記憶部１４に記憶される（ステップＳ１６）。
　フュージョン処理器５の物体同一判定部２０は、ステップＳ４で取得されたレーダ１による検出位置とステップＳ１６で取得されたカメラ２による検出位置との同一判定処理を行う（ステップＳ１７）。この同一判定処理により、レーダ１で検出した位置、速度データとカメラ２で検出した物体認識データとを紐づけする。同一判定に失敗した場合は（ステップＳ１８：Ｎｏ）、検出データ選択部２１は、カメラ２で検出した位置データ、物体種類をフュージョン物体検出データ記憶部２２に出力する（ステップＳ１９）。フュージョン物体検出データ記憶部２２は、入力されたカメラ２で検出した位置データ、物体種類を記憶する。同一判定に成功した場合は（ステップＳ１８：Ｙｅｓ）、検出データ選択部２１は、レーダ１で検出した位置、速度データと、カメラ２で検出した位置データ、物体種類とをフュージョン物体検出データ記憶部２２に出力する（ステップＳ２０）。フュージョン物体検出データ記憶部２２は、入力されたレーダ１で検出した位置、速度データと、カメラ２で検出した位置データ、物体種類とを記憶する（ステップＳ２１）。
　フュージョン物体検出データ記憶部２２に記憶された物体の位置、速度、物体種類のデータは、車両制御部３０に出力される（ステップＳ２２）。車両制御部３０は、ステップＳ２２で取得した物体の位置、速度、物体種類のデータを車両制御に使用する（ステップＳ２３）。以上で、物体検出処理が終了する。その後、物体検出処理を次フレームに移行し（ステップＳ２４）、同様の処理をステップＳ１から繰り返し実行する。
　このように実施の形態によれば、レーダ信号処理器３で検出した構造物の位置とカメラ画像処理器４で検出した構造物の位置との同一判定処理に成功したときの、レーダ信号処理器３で検出された位置データとカメラ２の画素座標との対応データで画素座標－位置変換テーブル１８を逐次リアルタイムに更新している。このため、カメラ２による位置検出精度をレーダ１による位置検出精度まで向上させることができる。
　また、実施の形態では、物体同一判定部２０での同一判定処理に失敗した場合、カメラ画像処理器４によって検出された物体の位置データを車両制御に用い、レーダ信号処理器３で検出された位置データを車両制御に用いないという、レーダ１の消失データをカメラ２の検出データで置換する制御が行われているが、このような制御が行われるときに高い位置検出精度が得られる物体検出装置を提供することができる。また、画素座標－位置変換テーブル１８の更新には、レーダ反射強度の大きい構造物の検出データを利用するため、レーダ１とカメラ２とで構造物をそれぞれ検出でき、フュージョン処理器５での高精度の同一判定が可能となる。
　以上の実施の形態に示した構成は、本開示の内容の一例を示すものであり、別の公知の技術と組み合わせることも可能であるし、本開示の要旨を逸脱しない範囲で、構成の一部を省略、変更することも可能である。
　１　レーダ、２　カメラ、３　レーダ信号処理器、４　カメラ画像処理器、５　フュージョン処理器、６　距離検出部、７　速度検出部、８　水平角度検出部、９　レーダ検出データ記憶部、１０　物体認識部、１１　検知枠付与部、１２　検知枠画素座標付与部、１３　物体位置検出部、１４　カメラ物体検出データ記憶部、１５　構造物認識部、１６　構造物位置検出部、１７　カメラ構造物検出データ記憶部、１８　画素座標－位置変換テーブル、１９　変換テーブル更新部、２０　物体同一判定部、２１　検出データ選択部、２２　フュージョン物体検出データ記憶部、２３　構造物同一判定部、２４　フュージョン構造物検出データ記憶部、２５　カメラ内部パラメータ記憶部、２６　カメラ外部パラメータ記憶部、２７　不揮発性メモリ、３０　車両制御部、１００　物体検出装置。

Claims (2)

  1. 　レーダからの受信信号を信号処理して、物体および構造物の位置および速度を検出するレーダ信号処理器と、
    　カメラの画素座標と前記カメラによる撮像空間の車両に対する位置との対応が記憶される第１変換テーブルを有し、前記カメラの撮像画像データおよび前記第１変換テーブルに基づき前記物体および前記構造物の位置および種類を検出するカメラ画像処理器と、
    　前記レーダ信号処理器で検出した前記物体の位置と前記カメラ画像処理器で検出した前記物体の位置との同一判定処理である第１同一判定処理を実行し、前記レーダ信号処理器で検出した前記構造物の位置と前記カメラ画像処理器で検出した前記構造物の位置との同一判定処理である第２同一判定処理を実行し、前記第１同一判定処理の結果および前記第２同一判定処理の結果を車両制御に用いるフュージョン処理器と、
    　を備え、
    　前記カメラ画像処理器は、
    　前記第２同一判定処理に成功したときの前記レーダ信号処理器で検出された位置データと前記カメラの画素座標との対応データで前記第１変換テーブルを更新する変換テーブル更新部、
    　を備えることを特徴とする物体検出装置。
  2. 　前記フュージョン処理器は、前記第１同一判定処理での同一判定に失敗した場合、前記カメラ画像処理器によって検出された前記物体の位置データを車両制御に用い、前記レーダ信号処理器で検出された位置データを車両制御に用いない
    　ことを特徴とする請求項１に記載の物体検出装置。
PCT/JP2022/023623 2022-06-13 2022-06-13 物体検出装置 Ceased WO2023242903A1 (ja)

Priority Applications (3)

Application Number Priority Date Filing Date Title
EP22946723.8A EP4538744A4 (en) 2022-06-13 2022-06-13 OBJECT DETECTION DEVICE
JP2024527908A JP7531759B2 (ja) 2022-06-13 2022-06-13 物体検出装置
PCT/JP2022/023623 WO2023242903A1 (ja) 2022-06-13 2022-06-13 物体検出装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2022/023623 WO2023242903A1 (ja) 2022-06-13 2022-06-13 物体検出装置

Publications (1)

Publication Number Publication Date
WO2023242903A1 true WO2023242903A1 (ja) 2023-12-21

Family

ID=89192589

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/023623 Ceased WO2023242903A1 (ja) 2022-06-13 2022-06-13 物体検出装置

Country Status (3)

Country Link
EP (1) EP4538744A4 (ja)
JP (1) JP7531759B2 (ja)
WO (1) WO2023242903A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7566217B1 (ja) * 2024-01-26 2024-10-11 三菱電機株式会社 物体検出装置及び物体検出方法
JP7734883B1 (ja) * 2024-11-28 2025-09-05 三菱電機株式会社 物体検出装置

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010119860A1 (ja) 2009-04-14 2010-10-21 日立オートモティブシステムズ株式会社 車両用外界認識装置及びそれを用いた車両システム
WO2012172870A1 (ja) * 2011-06-14 2012-12-20 日産自動車株式会社 距離計測装置及び環境地図生成装置
JP2018014583A (ja) * 2016-07-20 2018-01-25 クラリオン株式会社 画像処理装置
US20190120955A1 (en) * 2017-10-20 2019-04-25 Texas Instruments Incorporated System and method for camera radar fusion
JP2019132795A (ja) * 2018-02-02 2019-08-08 マクセル株式会社 距離算出装置および距離算出方法
US20190251371A1 (en) * 2018-02-13 2019-08-15 Ford Global Technologies, Llc Methods and apparatus to facilitate environmental visibility determination
JP2019197418A (ja) * 2018-05-10 2019-11-14 三菱電機株式会社 障害物検知装置
JP2020004293A (ja) * 2018-06-29 2020-01-09 日立オートモティブシステムズ株式会社 車載電子制御装置

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102004058251A1 (de) * 2004-12-03 2006-06-08 Valeo Schalter Und Sensoren Gmbh Verfahren zur Verarbeitung von Entfernungsdaten
US9052393B2 (en) * 2013-01-18 2015-06-09 Caterpillar Inc. Object recognition system having radar and camera input
US9167214B2 (en) * 2013-01-18 2015-10-20 Caterpillar Inc. Image processing system using unified images
CN114078326B (zh) * 2020-08-19 2023-04-07 北京万集科技股份有限公司 碰撞检测方法、装置、视觉传感器和存储介质

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010119860A1 (ja) 2009-04-14 2010-10-21 日立オートモティブシステムズ株式会社 車両用外界認識装置及びそれを用いた車両システム
WO2012172870A1 (ja) * 2011-06-14 2012-12-20 日産自動車株式会社 距離計測装置及び環境地図生成装置
JP2018014583A (ja) * 2016-07-20 2018-01-25 クラリオン株式会社 画像処理装置
US20190120955A1 (en) * 2017-10-20 2019-04-25 Texas Instruments Incorporated System and method for camera radar fusion
JP2019132795A (ja) * 2018-02-02 2019-08-08 マクセル株式会社 距離算出装置および距離算出方法
US20190251371A1 (en) * 2018-02-13 2019-08-15 Ford Global Technologies, Llc Methods and apparatus to facilitate environmental visibility determination
JP2019197418A (ja) * 2018-05-10 2019-11-14 三菱電機株式会社 障害物検知装置
JP2020004293A (ja) * 2018-06-29 2020-01-09 日立オートモティブシステムズ株式会社 車載電子制御装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP4538744A4

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7566217B1 (ja) * 2024-01-26 2024-10-11 三菱電機株式会社 物体検出装置及び物体検出方法
WO2025158678A1 (ja) * 2024-01-26 2025-07-31 三菱電機株式会社 物体検出装置及び物体検出方法
JP7734883B1 (ja) * 2024-11-28 2025-09-05 三菱電機株式会社 物体検出装置

Also Published As

Publication number Publication date
JP7531759B2 (ja) 2024-08-09
EP4538744A4 (en) 2025-07-16
JPWO2023242903A1 (ja) 2023-12-21
EP4538744A1 (en) 2025-04-16

Similar Documents

Publication Publication Date Title
US6670912B2 (en) Method for detecting stationary object located above road
CN102414715B (zh) 物体检测装置
US10353053B2 (en) Object detection using radar and machine learning
JP3822515B2 (ja) 障害物検知装置及びその方法
US10908257B2 (en) Signal processing apparatus, signal processing method, and program
JP4337929B2 (ja) 移動状態推定装置
JP6202367B2 (ja) 画像処理装置、距離測定装置、移動体機器制御システム、移動体及び画像処理用プログラム
JP3515926B2 (ja) 車両の周辺監視装置
JP6450294B2 (ja) 物体検出装置、物体検出方法、及びプログラム
JP6458651B2 (ja) 路面標示検出装置及び路面標示検出方法
JP2002352225A (ja) 障害物検出装置及びその方法
US20190065878A1 (en) Fusion of radar and vision sensor systems
US10846546B2 (en) Traffic signal recognition device
JP2002298298A (ja) 車両の周辺監視装置
JP2005310140A (ja) オブジェクトの認識及び／又は追跡方法
KR20200071960A (ko) 카메라 및 라이다 센서 융합을 이용한 객체 검출 방법 및 그를 위한 장치
WO2016021606A1 (ja) 複数の物体検出手段を用いた物体認識装置
JP2001169310A (ja) 距離検出装置
JP4052291B2 (ja) 車両用画像処理装置
WO2023242903A1 (ja) 物体検出装置
JP4753765B2 (ja) 障害物認識方法
JP2001076128A (ja) 障害物検出装置及び方法
JP2009075124A (ja) 距離検出装置
JP2001018738A (ja) 車両の周辺監視装置
US10249056B2 (en) Vehicle position estimation system

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 22946723

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 2024527908

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 18866205

Country of ref document: US

WWE Wipo information: entry into national phase

Ref document number: 2022946723

Country of ref document: EP

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2022946723

Country of ref document: EP

Effective date: 20250113

WWP Wipo information: published in national office

Ref document number: 2022946723

Country of ref document: EP

WWW Wipo information: withdrawn in national office

Ref document number: 2022946723

Country of ref document: EP