使用机器学习模型从而能够高精度地进行基于雷达数据的物体判别。获取包含各方位及各距离处的反射强度和速度的各信息的雷达数据，基于该雷达数据来生成雷达检测图像，该雷达检测图像在各像素的多个通道中分别保存有与该像素的位置对应的反射强度、速度及距离的各信息，将该雷达检测图像输入到为进行物体判别而进行了学习的图像识别用的机器学习模型，获取从该机器学习模型输出的物体判别结果。特别是，根据整个观测区的雷达数据来检测出物体区域，从整个观测区的雷达数据提取物体区域的雷达数据，基于该物体区域的雷达数据，来生成物体区域的雷达检测图像。体区域的雷达检测图像。体区域的雷达检测图像。
【技术实现步骤摘要】
【国外来华专利技术】雷达数据处理装置、物体判别装置、雷达数据处理方法以及物体判别方法
[0001]本专利技术涉及一种对从雷达装置输出的雷达数据进行处理的雷达数据处理装置及雷达数据处理方法、以及基于从雷达装置输出的雷达数据来判别物体的物体判别装置及物体判别方法。
技术介绍
[0002]近年来，为了提高车辆行驶时的安全性，以下技术正在普及：使用雷达来探测存在于车辆周围的车辆、行人等移动体。另外，在ITS(Intelligent Transport System：智能道路交通系统)中，正在推进以下技术的实用化：在路口等容易发生事故的场所设置具备雷达的路侧机、所谓的基础设施雷达，通过雷达来探测周边存在的移动体，并通过ITS通信(道路车辆间通信、道路行人间通信)来向车载终端、行人终端通知碰撞的危险性。
[0003]在这种使用雷达的物体探测中，能够基于从雷达装置输出的雷达数据(反射强度、多普勒速度)来探测存在于车辆周围的移动体，但是除此以外，还期望以下的物体判别(物体识别)：基于雷达数据来判别探测到的移动体是车辆和人或物中的哪一种。
[0004]作为与这种基于雷达数据的物体判别有关的技术，以往已知以下技术：利用在车辆与人或物中电波的反射率不同这一特性，来判别车辆与人或物(参照专利文献1)。
[0005]现有技术文献
[0006]专利文献
[0007]专利文献1：日本专利第5206579号公报
技术实现思路
[0008]专利技术要解决的问题
[0009]然而，在前述以往的技术中，因电波的方向、物体的材质等的影响，电波的反射率发生变化，由此无法适当地判别车辆与人或物的情况多，特别是存在如下问题：在人或物位于车辆的附近的情况下，将人或物误识别为车辆的一部分。
[0010]另一方面，通过分析摄像机的摄影图像来判别物体的图像识别的技术已广泛普及。在该图像识别中，从摄影图像提取物体区域的特征量，基于该特征量来判别物体，但是近年来，通过将机器学习模型、特别是深度学习模型用于该图像识别，能够飞跃性地提高判别性能。因此，若能够在基于雷达数据的物体判别中利用机器学习模型，则可期待能够高精度地进行物体判别。
[0011]因此，本专利技术的主要目的在于提供一种通过使用机器学习模型而能够高精度地进行基于雷达数据的物体判别的雷达数据处理装置、物体判别装置、雷达数据处理方法以及物体判别方法。
[0012]用于解决问题的方案
[0013]本专利技术的雷达数据处理装置对从雷达装置输出的雷达数据进行处理，该雷达数据
处理装置为以下结构：具备控制部，该控制部将所述雷达数据图像化，所述控制部获取包含各方位及各距离处的反射强度和速度的各信息的所述雷达数据，基于所述雷达数据来生成雷达检测图像，该雷达检测图像在各像素的多个通道中分别保存有与该像素的位置对应的反射强度、速度及距离的各信息。
[0014]另外，本专利技术的物体判别装置基于从雷达装置输出的雷达数据来判别物体，该物体判别装置为以下结构：具备控制部，该控制部基于所述雷达数据来判别物体，所述控制部获取包含各方位及各距离处的反射强度和速度的各信息的所述雷达数据，基于所述雷达数据来生成雷达检测图像，该雷达检测图像在各像素的多个通道中分别保存有与该像素的位置对应的反射强度、速度及距离的各信息，将所述雷达检测图像输入到为进行物体判别而进行了学习的图像识别用的机器学习模型，获取从该机器学习模型输出的物体判别结果。
[0015]另外，本专利技术的雷达数据处理方法在信息处理装置中对从雷达装置输出的雷达数据进行处理，该雷达数据处理方法为以下结构：获取包含各方位及各距离处的反射强度和速度的各信息的所述雷达数据，基于所述雷达数据来生成雷达检测图像，该雷达检测图像在各像素的多个通道中分别保存有与该像素的位置对应的反射强度、速度及距离的各信息。
[0016]另外，本专利技术的物体判别方法在信息处理装置中基于从雷达装置输出的雷达数据来判别物体，该物体判别方法为以下结构：获取包含各方位及各距离处的反射强度和速度的各信息的所述雷达数据，基于所述雷达数据来生成雷达检测图像，该雷达检测图像在各像素的多个通道中分别保存有与该像素的位置对应的反射强度、速度及距离的各信息，将所述雷达检测图像输入到为进行物体判别而进行了学习的图像识别用的机器学习模型，获取从该机器学习模型输出的物体判别结果。
[0017]专利技术的效果
[0018]根据本专利技术，获取将雷达数据图像化而得到的雷达检测图像，因此能够使用图像识别用的机器学习模型来进行物体判别，能够高精度地进行基于雷达数据的物体判别。
附图说明
[0019]图1是表示第1实施方式所涉及的物体判别装置1的概要结构的框图。
[0020]图2是表示第1实施方式所涉及的物体判别装置1中进行的物体判别时的处理的概要的说明图。
[0021]图3是表示第1实施方式所涉及的从雷达装置2输出的雷达数据的特征的说明图。
[0022]图4是表示第1实施方式所涉及的物体判别装置1中进行的学习时的处理的概要的说明图。
[0023]图5是表示第1实施方式所涉及的物体判别装置1的物体判别时的动作过程的流程图。
[0024]图6是表示第1实施方式所涉及的数据处理(图5的ST104)的动作过程的流程图。
[0025]图7是表示第1实施方式所涉及的物体判别装置1中的生成学习数据时和构建深度学习模型时的动作过程的流程图。
[0026]图8是表示第2实施方式所涉及的物体判别装置1的概要结构的框图。
[0027]图9是表示第2实施方式所涉及的物体判别装置1的物体判别时的动作过程的流程
图。
[0028]图10是表示第2实施方式所涉及的数据处理(图9的ST111)的动作过程的流程图。
[0029]图11是表示第2实施方式所涉及的物体判别装置1中的生成学习数据时和构建深度学习模型时的动作过程的流程图。
[0030]图12是表示第3实施方式所涉及的物体判别装置1的概要结构的框图。
[0031]图13是表示第3实施方式所涉及的物体判别装置1的物体判别时的动作过程的流程图。
[0032]图14是表示第4实施方式所涉及的物体判别装置1的概要结构的框图。
[0033]图15是表示第4实施方式所涉及的物体判别装置1的物体判别时的动作过程的流程图。
具体实施方式
[0034]为了解决所述问题而完成的第一专利技术是一种对从雷达装置输出的雷达数据进行处理的雷达数据处理装置，该雷达数据处理装置为以下结构：具备控制部，该控制部将所述雷达数据图像化，所述控制部获取包含各方位及各距离处的反射强度和速度的各信息的所述雷达数据，基于所述雷达数据来生成雷达检测图像，该雷达检测图像在各像素的多个通道中分别保存有与该像素的位置对应的反射强度、速度及距离的各信息。
[0035]据此，获取将雷达数据图像化而得到的雷达检测图像，因此能够使用图像识别用的机器学习模型来进行物体判别，能够高精度地进本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种雷达数据处理装置，对从雷达装置输出的雷达数据进行处理，所述雷达数据处理装置的特征在于，具备控制部，该控制部将所述雷达数据图像化，所述控制部获取包含各方位及各距离处的反射强度和速度的各信息的所述雷达数据，所述控制部基于所述雷达数据来生成雷达检测图像，该雷达检测图像在各像素的多个通道中分别保存有与该像素的位置对应的反射强度、速度及距离的各信息。2.根据权利要求1所述的雷达数据处理装置，其特征在于，所述控制部基于根据整个观测区的所述雷达数据检测出的物体区域的位置信息，来从整个观测区的所述雷达数据提取物体区域的雷达数据，所述控制部基于所述物体区域的雷达数据来生成物体区域的所述雷达检测图像。3.根据权利要求1所述的雷达数据处理装置，其特征在于，所述控制部基于整个观测区的所述雷达数据来生成整个观测区的所述雷达检测图像。4.根据权利要求2所述的雷达数据处理装置，其特征在于，所述控制部以与所述物体区域的距离相应的尺寸生成物体区域的所述雷达检测图像。5.根据权利要求1所述的雷达数据处理装置，其特征在于，所述控制部基于多个时刻的所述雷达数据来生成所述雷达检测图像。6.根据权利要求1所述的雷达数据处理装置，其特征在于，所述控制部在所述雷达检测图像中的物体区域的周围设定空白区域，以使所述雷达检测图像的尺寸均一。7.一种物体判别装置，基于从雷达装置输出的雷达数据来...
【专利技术属性】
技术研发人员：刘伟杰，安木慎，中川洋一，
申请(专利权)人：松下电器产业株式会社，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。