研究課題/領域番号 |
19K21072
|
補助金の研究課題番号 |
18H05897 (2018)
|
研究種目 |
研究活動スタート支援
|
配分区分 | 基金 (2019) 補助金 (2018) |
審査区分 |
0301:材料力学、生産工学、設計工学、流体工学、熱工学、機械力学、ロボティクス、航空宇宙工学、船舶海洋工学およびその関連分野
|
研究機関 | 豊田工業大学 |
研究代表者 |
秋田 時彦 豊田工業大学, 工学(系)研究科(研究院), 特任上級研究員 (20564579)
|
研究期間 (年度) |
2018-08-24 – 2022-03-31
|
キーワード | ミリ波レーダ / 深層学習 / LSTM / CNN / VAE / クラス識別 / 形状推定 / 駐車 |
研究成果の概要 |
ミリ波レーダを用いて走行環境を頑健に認識する手法を創出し、その有効性を実環境データにて示した。 双方向LSTMと時系列反射マップを用いて車、自転車、人をレーダ反射信号のみから識別する手法を構築し、各種手法に対してより高精度に識別できることを示した。 市街地の各種駐車シーンにおいて、車やフェンス、縁石などの障害物の種別と形状を推定する独自の深層学習ネットワークを構築し、実環境にて計測したデータを用いて、高精度に推定できることを示した。未学習データに対する汎化性を向上させるため、車両形状知識を用いたモデルとVAEを用いて学習済データを判別する手法を創出し、最大輪郭誤差を抑制できることを示した。
|
自由記述の分野 |
情報科学:自動運転の環境認識
|
研究成果の学術的意義や社会的意義 |
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。
|