特許ウォッチ

公開番号2025110297
公報種別公開特許公報(A)
公開日2025-07-28
出願番号2024004150
出願日2024-01-15
発明の名称3次元データ推定装置及びデータ処理アルゴリズム評価装置
出願人三菱重工機械システム株式会社,国立大学法人東京大学
代理人弁理士法人酒井国際特許事務所
主分類G01S 13/89 20060101AFI20250718BHJP(測定;試験)
要約【課題】検出対象の状況を精度よく求める3次元データ推定装置及びデータ処理アルゴリズム評価装置を提供する。
【解決手段】3次元データ推定装置100は、検出対象について検出した3次元の光測距データを入力情報として取得する取得部11と、検出対象について検出した3次元の光測距データと検出対象について検出した3次元の電波測距データとの対応関係を機械学習した学習モデルにより、入力情報に対応する3次元の電波測距データを推定する推定部12とを備える。
【選択図】図2
特許請求の範囲【請求項１】
検出対象について検出した３次元の光測距データを入力情報として取得する取得部と、
前記検出対象について検出した３次元の前記光測距データと前記検出対象について検出した３次元の電波測距データとの対応関係を機械学習した学習モデルにより、前記入力情報に対応する３次元の前記電波測距データを推定する推定部と
を備える３次元データ推定装置。
続きを表示（約 1,200 文字）【請求項２】
前記学習モデルは、３次元の前記光測距データから局所的な形状特徴量を算出し、算出した前記形状特徴量に基づいて前記電波測距データの反射強度を算出し、算出した前記反射強度が所定以上である点群を抽出し、抽出した点群についての３次元の前記電波測距データを推定結果として出力するように機械学習したものである
請求項１に記載の３次元データ推定装置。
【請求項３】
前記推定部で推定される前記電波測距データは、前記点群のうちの対象となる点における３次元の位置情報と、ＲＣＳ値とを示すデータである
請求項２に記載の３次元データ推定装置。
【請求項４】
前記学習モデルは、ＫＰＣｏｎｖ層を用いて３次元の前記光測距データから前記形状特徴量及び前記電波測距データの反射強度を算出するように機械学習したものである
請求項２に記載の３次元データ推定装置。
【請求項５】
前記学習モデルは、全結合層を用いて前記反射強度が所定以上である点群を抽出するように機械学習したものである
請求項４に記載の３次元データ推定装置。
【請求項６】
前記学習モデルは、ＶｏｘｅｌＦｅａｔｕｒｅＥｎｃｏｄｉｎｇ層を用いて３次元の前記光測距データから前記形状特徴量及び前記電波測距データの反射強度を算出するように機械学習したものである
請求項２に記載の３次元データ推定装置。
【請求項７】
前記学習モデルは、ＶｏｘｅｌＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎ層を用いて３次元の前記光測距データの位置情報を残して前記光測距データから前記形状特徴量及び前記電波測距データの反射強度を算出するように機械学習したものである
請求項２に記載の３次元データ推定装置。
【請求項８】
前記学習モデルは、ＶｏｘｅｌＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎ層を用いて３次元の前記光測距データに対して３Ｄ－ＮＤＴ法において用いられるガウシアン近似を行った結果から前記形状特徴量及び前記電波測距データの反射強度を算出するように機械学習したものである
請求項２に記載の３次元データ推定装置。
【請求項９】
請求項１から請求項８のいずれか一項に記載の３次元データ推定装置により推定した前記電波測距データを記憶するデータ記憶部と、
前記データ記憶部に記憶される前記電波測距データのうち対象データに対する外乱を示す外乱情報が入力された場合、前記対象データを取得して理解し、前記外乱が前記対象データに反映された状態となるように前記理解に基づいて前記対象データを加工して合成データを生成するデータ生成部と、
生成された前記合成データに基づいて、車両の状況を判断するデータ処理アルゴリズムの性能を評価するデータ処理部と
を備えるデータ処理アルゴリズム評価装置。

発明の詳細な説明【技術分野】
【０００１】
本開示は、３次元データ推定装置及びデータ処理アルゴリズム評価装置に関する。
続きを表示（約 1,700 文字）【背景技術】
【０００２】
自動運転等の運転を支援する機能を備える車両が開発されている。このような運転支援機能を備える車両には、車載カメラ等で車両の周囲環境を撮影し、撮影した撮影画像に基づいて車両の状況を判断するための画像処理アルゴリズムが搭載されている。
【０００３】
画像処理アルゴリズムは、適切な運転支援機能を実現するため、各種の性能評価が行われている。例えば、車両から撮影した実写画像にコンピュータグラフィックで作成した天候外乱の画像を重畳した合成画像を用いて画像処理を行うことにより、画像処理アルゴリズムの性能を評価する技術が知られている（例えば、特許文献１参照）。
【先行技術文献】
【特許文献】
【０００４】
特開２０１０－０３３３２１号公報
【発明の概要】
【発明が解決しようとする課題】
【０００５】
上記のような技術においては、車両等の検出対象の状況を精度よく求めることが求められている。
【０００６】
本開示は、上記に鑑みてなされたものであり、検出対象の状況を精度よく求めることが可能な３次元データ推定装置及びデータ処理アルゴリズム評価装置を提供することを目的とする。
【課題を解決するための手段】
【０００７】
本開示に係る３次元データ推定装置は、検出対象について検出した３次元の光測距データを入力情報として取得する取得部と、前記検出対象について検出した３次元の前記光測距データと前記検出対象について検出した３次元の電波測距データとの対応関係を機械学習した学習モデルにより、前記入力情報に対応する３次元の前記電波測距データを推定する推定部とを備える。
【０００８】
本開示に係るデータ処理アルゴリズム評価装置は、上記の３次元データ推定装置により推定した前記電波測距データを記憶するデータ記憶部と、前記データ記憶部に記憶される前記電波測距データのうち対象データに対する外乱を示す外乱情報が入力された場合、前記対象データを取得して理解し、前記外乱が前記対象データに反映された状態となるように前記理解に基づいて前記対象データを加工して合成データを生成するデータ生成部と、生成された前記合成データに基づいて、前記車両の状況を判断するデータ処理アルゴリズムの性能を評価するデータ処理部とを備える。
【発明の効果】
【０００９】
本開示によれば、検出対象の状況を精度よく求めることができる。
【図面の簡単な説明】
【００１０】
図１は、本実施形態に係る３次元データ推定装置の一例を模式的に示す図である。
図２は、本実施形態に係る３次元データ推定装置の一例を示す機能ブロック図である。
図３は、学習モデルを模式的に示す図である。
図４Ａは、学習モデルの一例を模式的に示す図である。
図４Ｂは、複数のＫＰＣｏｎｖ層によりＫ点を抽出する場合の処理の流れを模式的に示した図である。
図４Ｃは、学習モデルの一例を模式的に示す図である。
図４Ｄは、複数のＫＰＣｏｎｖ層、全結合層及びＶｏｘｅｌＦｅａｔｕｒｅＳａｍｐｌｉｎｇ処理によりＫ点を抽出する場合の処理の流れを模式的に示した図である。
図５Ａは、学習モデルの一例を模式的に示す図である。
図５Ｂは、ＶＦＥ層における処理の流れを模式的に示す図である。
図６Ａは、学習モデルの一例を模式的に示す図である。
図６Ｂは、ＶｏｘｅｌＦｅａｔｕｒｅＥｘｔｒａｃｔｉｏｎ層における処理の流れを模式的に示す図である。
図７Ａは、学習モデルの一例を模式的に示す図である。
図７Ｂは、学習モデル４０Ｄにおける処理の流れを模式的に示す図である。
図８は、本実施形態に係るデータ処理アルゴリズム評価装置の一例を示す機能ブロック図である。
【発明を実施するための形態】
（【００１１】以降は省略されています）

関連特許