[发明专利]对象识别系统、汽车、车辆用灯具、对象的种类的识别方法

说明书

三维传感器(20)针对高度不同的多个水平线(L1～LN)，生成多个线数据(LD1～LDN)。多个第一神经网络(72)生成与多个线数据(LD)的对应的一个相关的第一中间数据(MD)。第一中间数据(MD1)表示对应的线数据符合多个种类的多个部位各者的概率。结合处理部(74)接收多个第一中间数据(MD1)，将其结合，生成至少一个第二中间数据(MD2)。第二神经网络(76)接收至少一个第二中间数据(MD2)，生成表示对象(OBJ)符合多个种类各者的概率的最终数据(FD)。

技术领域

本发明涉及对象识别系统。

背景技术

作为汽车的传感器，举出LiDAR(Light Detection and Ranging：光检测与测距、Laser Imaging Detection and Ranging：激光成像检测与测距)、摄像机、毫米波雷达、超声波声纳等作为候选。其中，与其他传感器相比较，LiDAR具有以下等优点：(i)能够进行基于点组数据的物体识别；(ii)因为是有源感测，故在坏天气时也能够进行高精度的检测；(iii)能够进行广范围的测量；今后，被期待成为汽车的感测系统中的主流。

[现有技术文献]

[专利文献]

专利文献1：日本国特开2017-56935号公报

专利文献2：日本国特开2009-98023号公报

发明内容

[发明要解决的课题]

在基于LiDAR生成的点组数据的对象识别中，点组数据的分辨率越高越正确，但运算处理的成本会爆发式增加。在考虑搭载在车辆的情况下，也预想到要不得不使用低价格的低端运算处理装置的情况，自然要求减少扫描线的条数。

本发明是在相关状况下得到的，其一方案的例示性的目的之一在于，提供一种能够以较少条数的水平线识别对象的系统、装置、方法。

[用于解决课题的方法]

本发明一方案涉及对象识别系统。对象识别系统包括：三维传感器，针对高度不同的多个水平线，生成多个线数据，以及运算处理装置，根据多个线数据识别对象的种类(范畴或类别)。运算处理装置包括：多个第一神经网络，分别生成与多个线数据的对应的一个相关的第一中间数据，第一中间数据表示对应的线数据符合多个种类的多个部位各者的概率(所属概率)；结合处理部，接收与多个线数据对应的多个第一中间数据，结合多个第一中间数据，生成至少一个第二中间数据；以及第二神经网络，接收至少一个第二中间数据，生成表示对象符合所述多个种类各者的概率的最终数据。

本发明的另一方案涉及汽车。汽车可以具有上述的对象识别系统。

三维传感器可以内置在前照灯中。

本发明的其他方案涉及车辆用灯具。车辆用灯具也可以包括上述对象识别系统。

[发明效果]

根据本发明，能够以较少条数的水平线识别对象。

附图说明

图1是实施方式的对象识别系统的框图。

图2是示出针对行人定义的多个部位的一个示例的图。

图3的(a)～(d)是表示用三维传感器拍摄行人、自行车、汽车、电线杆时的多个线数据的图。

图4是表示第一神经网络的构成例的框图。

图5是表示第二神经网络的构成例的框图。

图6的(a)～(c)是说明对象的提取的图。

图7的(a)～(c)是说明第一学习方法的图。