自動運転のためのセンサフュージョン技術 原理と応用

【目次】

【参考文献】

• J. S. Albus : gBrains, behavior, and robotics, McGraw-Hill, 1981
• 水野広他: 前方障害物検出用ミリ波レーダ, 自動車技術会2004年春季学術講演会前刷集, 20045135, No.33-04, pp5-8 (2004)
• 栗原勇樹,伊東敏夫：単眼とステレオを用いたセンサフュージョンによる走行環境認識に関する研究,自動車技術会2016春季大会学術講演会, 20165308, 66-16, pp1637-1640(2016)
• 内閣府:第1節 道路交通事故の長期的推移、平成27年版交通安全白書 全文－内閣府、入手先、(参照2016-01-13)
• 実吉敬二:ステレオカメラによる自動運転支援システム、情報処理学会研究報告、Vol.2013-CVIM-185 No.20、(2013/1/23)
• Toshio Ito: Cognitive vision for driving environment categorization using network-type fusion,20th ITS World Congress Tokyo 2013. Intelligent Transportation Society of America(2013)
• 菅沼直樹、高橋謙太、山本大貴:自動運転自動車の市街地公道走行のための信号機認識、自動車技術会学術講演会前刷集、(201510/19)
• 仙波恒太郎:カーエレクトロニクス技術全集　最新版、(2007/8)、pp129-141、技術情報協会
• 綱島宣浩、中島真人:投影視差画像を用いた前方車両の検出、電子情報通信学会技術研究報告. PRMU、(1998/10/15)、pp15-20
• 伊東敏夫、山田憲一:走行環境認識のための画像処理手法の検討、電子情報通信学会、(2009/3)
• 小野口一則:平面投影ステレオ法を用いた道路領域抽出、情報処理学会研究報告コンピュータビジョンとイメージメディア　1994-CVIM-093、(1995/3/23)、pp-61-68
• Zhengyou Zhang: Microsoft Kinect Sensor and Its Effect, February 2012,IEEE Multimedia 19(2):4-10(2012)
• Gunnar Farneback：Two-Frame Motion Estimation Based on Polynomial Expansion, Proceedings of the 13th Scandinavian Conference on Image Analysis, pp.363-370 (2003)
• Shaoqing Ren, Kaiming He, Ross Girshick, Jian Sun : Faster R-CNN: Towards Real-Time Object Detection with Region Proposal Networks, Advances in Neural Information Processing Systems 28, pp.1-10 (2015)
• Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi : You Only Look Once: Unified, Real-Time Object Detection, Computer Vision and Pattern Recognition, pp.798-788 (2016)
• Wei Liu, Dragomir Anguelov, Dumitru Erhan, Christian Szegedy, Scott Reed, Cheng-Yang Fu, Alexander C. Berg : SSD: Single Shot MultiBox Detector, European Conference on Computer Vision, pp.1-15 (2016)
• 齊藤真衣,沈舜聡,伊東敏夫: LiDARとカメラを用いたセンサフュージョンによる遠距離スパース点群の補間手法,自動車技術会2021秋季大会学術講演会論文集, 20216069, No.96-21(2021)
• “Honda | 自動運転レベル3 型式指定を国土交通省から取得” , https://www.honda.co.jp/news/2020/4201111.html.
  [アクセス日: 2020年12月20日]
• 改發荘, 松原大介, 大澤定夫, “自動運転車両の社会実装を推進” , 自動車技術, vol. 74, No. 10, pp. 48-54, (2020)
• 横山利夫, 武田政宣, 藤田進太郎, 安井裕司, “Hondaの運動支援および自動運転の現状と今後” , 計測と制御, 第54巻, pp. 828-831, (2015)
• K.Yoneda, N.Suganuma, R.Yanase and M.Aldibaja : Automated driving recognition technologies for adverse weather conditions, IATSS Research, vol. 43, pp. 253-262, (2019)
• K.Kidono, T.Miyasaka, A.Watanabe, T.Naito and J.Miura : Pedestrian Recognition Using High-definition LIDAR, IEEE Intelligent Vehicles Symposium, pp. 405-410, (2011)
• Z.Zhang, “A Flexible New Technique for Camera Calibration” , (1998)
• 藤吉弘亘, “物体追跡技術” , 映像情報メディア学会誌, vol. 62, No. 6, pp. 849-855, (2008)
• Matlab Simulink-MathWorks日本:異なる色空間間での変換について, https://jp.mathworks.com/help/images/understanding-color-spaces-and-color-space-conversion.html.
  [アクセス日: 2020年1月28日]
  [10] Puck Lidar Sensor, High-Value Surround Lidar | Velodyne Lidar, https://velodynelidar.com/products/puck/.
  [アクセス日: 2020年12月20日]
• HD Webcam C270n, https://www.logicool.co.jp/ja-jp/product/hd-webcam-c270n.
  [アクセス日: 2020年12月20日]
• N.K. Jerne : The immune system, Sci.Amer.,No.229,pp. 52-60(1973)
• N.K. Jerne : Towards a network theory of the immune system, Ann. Immunol. (Inst.Pasteur), No. 125 C, pp. 373-389(1974)
• 石黒章夫, 渡辺祐司, 内川嘉樹 : 免疫ネットワークを用いたプラントシスムの故障源検出, 日本機械学会ロボティックス・メカトロニクス講演会講演論文集, pp.793-798 (1994)
• 山田憲一, 伊東敏夫, : ネットワーク型センサ融合による走行環境理解の一手法, 電子情報通信学会論文誌 D, Vol.J86-D2, No.2 pp.223-232 (2003)
• R. E. Kalman: A new approach to linear filtering and prediction problems, Trans. ASME, J. Basic Eng., Vol. 82D, No. 1, pp. 34-45, 1960(1960)
• 片山徹：非線形カルマンフィルタ、朝倉書店(2011)
• 篠原雄介:パーティクルフィルタと物体追跡への応用,日本ロホット学会誌 Vol. 29 No. 5, pp.427-430(2011)
• B. Ristic, S. Arulampalam, and N. Gordon:Beyond the Kalman Filter: Particle Filters for Tracking Applications, Norwood, MA: Artech House(2004)
• Rudolph van der Merwe, Nando de Freitas, Arnaud Doucet, and Eric Wan : The unscented particle filter, In Advances in Neural Information Processing Systems 13 (2001)
• Zhang H, Miao Q, Zhang X, Liu Z : An improved unscented particle filter approach for lithium-ion battery remaining useful life prediction, Microelectron Reliab 2018;81:288-98(2018)
• Comaniciu, D., Ramesh, V., and Meer : Kernel-based object tracking, IEEE Trans. Patt. Analy. Mach. Intell. 25, pp.564-575(2003)
• E. Wan and R. van der Merwe : Kalman Filtering and Neural Networks, (chap. 7), S. Haykin Ed. New York: Wiley(2001)
• L. Q. Li, H. B. Ji, and J. H. Luo : The iterated extended Kalman particle filter, in Proc. IEEE Int. Symp. Communications and Information Technology, vol. 2, Beijing, China, pp. 1213-1216 (2005)
• https://xtech.nikkei.com/atcl/nxt/column/18/00001/05295/
  [アクセス日: 2021年3月15日]
• 馬場俊彦他：シリコンフォトニクススローライトライダの開発、電子情報通信学会論文誌C,Vol.J103-C,No.11,pp.434-452(2020)
• https://www.dynamic-maps.co.jp/
  [アクセス日: 2021年12月15日]
• https://www.mlit.go.jp/jidosha/anzen/01asv/index.html
  [アクセス日: 2021年12月15日]
• Shaoshuai Shi, Chaoxu Guo, Li Jiang, Zhe Wang, Jianping Shi, Xiaogang Wang, and Hongsheng Li : Pv-rcnn: Pointvoxel feature set abstraction for 3d object detection, In The IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR)(2020)

【口コミ】