| Project/Area Number |
19K21072
|
|---|
| Project/Area Number (Other) |
18H05897 (2018)
|
|---|
| Research Category |
Grant-in-Aid for Research Activity Start-up
|
| Allocation Type | Multi-year Fund (2019)
Single-year Grants (2018) |
|---|
| Review Section |
0301:Mechanics of materials, production engineering, design engineering, fluid engineering, thermal engineering, mechanical dynamics, robotics, aerospace engineering, marine and maritime engineering, and related fields
|
|---|
| Research Institution | Toyota Technological Institute |
|---|
Principal Investigator |
Akita Tokihiko 豊田工業大学, 工学(系)研究科(研究院), 特任上級研究員 (20564579)
|
|---|
| Project Period (FY) |
2018-08-24 – 2022-03-31
|
| Project Status |
Completed (Fiscal Year 2021)
|
| Budget Amount *help |
¥2,990,000 (Direct Cost: ¥2,300,000、Indirect Cost: ¥690,000)
Fiscal Year 2019: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000)
Fiscal Year 2018: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
|
|---|
| Keywords | ミリ波レーダ / 深層学習 / LSTM / CNN / VAE / クラス識別 / 形状推定 / 駐車 / 自動運転 / 機械学習 / 走行環境認識 / 全天候型自動運転 / ディープラーニング |
|---|
| Outline of Research at the Start |
耐環境性の高いミリ波レーダの課題である低空間分解能及び高ノイズに対し，その反射信号の情報を最大限に活用して課題解決し，走行環境認識を高度化する手法を創出する．
ミリ波レーダの反射信号には，物体の位置と反射物属性情報が含まれており，これを用いて周辺検出対象物の種別及び位置，形状を，機械学習を用いて推定する．まず，対象物毎に得られる反射波の時系列データから深層学習を用いて物体種別を推定し，その情報を基にロバストな移動体追跡を行う．静止物に関しては，その形状を推定し，その物体に対する自己位置を推定する．
|
| Outline of Final Research Achievements |
A robust recognition method of the driving environment using millimeter-wave radar was created, and its effectiveness was shown using real-world data.
Using bidirectional LSTM and time-series reflection maps, we constructed a method to classify cars, bicycles, and pedestrians from radar reflection signals only, and showed that it can classify them with higher accuracy than various other methods.
We constructed an original deep learning network to estimate the type and shape of obstacles such as cars, fences, and curbs in various parking scenes in urban areas, and showed that it can estimate them with high accuracy using data measured in real environments. To improve generalizability to untrained data, we created a method using a model with vehicle shape knowledge and VAE to discriminate trained data, and showed that the maximum outline error can be suppressed.
|
| Academic Significance and Societal Importance of the Research Achievements |
ミリ波レーダは、照明や天候など悪環境下で頑健に走行環境認識が可能である。しかし、分解能が低くノイズが多いと言う課題があり、物体の種別識別や形状推定が困難である。独自の深層学習構成を創出してこの課題を改善し、高精度にこれらの機能が実現できることを定量的に示した。
深層学習は、学習データに類似した入力に対しては高精度に認識可能であるが、未学習の入力では認識結果が予想外に逸脱することが課題である。これに対して、未学習データを判定して修正する手法を創出し、大きな誤差を抑制できることを定量的に示した。
上記研究成果は、どの様な環境でも高い安全性が要求される自動運転や高度運転支援システムの実現に寄与できる。
|
