第1部 全周囲俯瞰カメラを使った環境認識と悪天候対応

(2019年7月19日 10:20～11:30)

　自動車の予防安全、自動運転の実現に向けて、様々なセンサーを使った環境認識技術が開発されている。本講演では、全周囲俯瞰用の単眼カメラを使った環境認識の実例と、車室外に設置されたカメラの認識を妨げる悪天候対応の取り組みを紹介する。

1. 自動車における環境認識の必要性
   1. 交通事故の原因分析
   2. 環境認識の要件
2. 単眼カメラを用いた環境認識
   1. レーン検知
   2. 移動体検知
   3. 物体の3次元計測
   4. 路面推定
3. 車室外カメラの悪天候対応への取り組み
   1. 照明反射対策
   2. レンズ状態診断
• 質疑応答

第2部 一般道を走行できる自動運転 (Level4) を可能にするキー技術とその開発動向

(2019年7月19日 12:10〜13:40)

　完全自動運転が可能になった技術ポイントを理解し,今後のこの領域での新たな技術開発の方向付けやテーマ設定などを考える上での知識を得る。

1. 自動運転の現状
   1. 自動運転の分類
   2. 自動運転の歴史
   3. 自動運転の現状
      • 自動運転に向けた二つのアプローチ
      • 物流における自動運転
   4. 自動運転への期待と課題
2. 一般道を走行可な自動運転 (Level4) を可能にするキー技術
   1. 一般道自動運転に必要な機能
   2. キー技術1 アクティブセンサ (LiDAR) とセンサ融合技術
      • 必要な機能とセンサの特性
      • LiDARの現状
      • LiDARの課題と対策
   3. キー技術2 高精度地図と位置推定技術
      • 高精度地図とは 役割と構造
      • 位置推定
      • 高精度地図の課題と対策 SLAM技術の可能性など
   4. キー技術3 学習による運転AIの構築
      • 運転AIの構造
      • ルールベースによる判断・行動計画
      • ディープニューラルネットによる認識技術と行動生成 (End to End Learning)
   5. 技術課題
3. 自動運転のOpen-Source Software “Autoware”の紹介
• 質疑応答

第3部 周辺監視カメラによる環境認識技術と自動駐車、自動運転への応用

(2019年7月19日 13:50〜15:20)

　この講座を通して、普及が進んでいる周辺監視カメラの製品化の歴史から自動駐車を含む将来動向まで、を把握することが出来ます。また、周辺監視カメラを用いた画像認識にて実現できる機能を俯瞰し、それらに必要な技術が最新動向まで含め理解出来ます。車載カメラによる画像認識特有の課題や技術を、実環境での映像を交えながら紹介します。

1. 周辺監視カメラ、駐車支援、自動駐車システムの動向
   1. 製品化の歴史
   2. 将来動向
      • 車載カメラ市場予測
      • 市場ニーズ
      • 関連法規・政策
      • 今後の機能発展
2. 周辺監視カメラで実現可能な認識機能
   1. 前提となるシステム構成
   2. 実現可能な応用機能整理
3. 機能を実現するための必要技術
   1. レーン認識応?機能
      • 線分認識技術
      • 道路境界認識
      • フロントカメラによる認識との得失?較
   2. 移動体認識応?機能
      • 広角カメラ画像歪み補正方法
      • オプティカルフロー検出方法
      • 接近物体抽出方法
      • 実環境における課題対策と認識性能
      • 接近車両、自転車・歩行者の認識事例、映像紹介
   3. 静止物認識応?機能
      1. パターン認識技術
         • 基礎技術
         • 人、車両検知応用例
         • 最新動向
      2. ステレオカメラ技術
         • 基礎技術
         • 後退時人,障害物検知応用例
         • 最新動向
      3. 移動ステレオ技術
         • 基礎技術
         • 駐車空間認識応用例
         • 最新動向
4. まとめ
• 質疑応答

第4部 積雪道路におけるレーン誘導システムの開発

(2019年7月19日 15:30〜17:00)

　本講座では、悪天候時の運転支援システムの一つとして、積雪道路におけるレーン誘導システムについて紹介する。多くの運転支援システムが晴天時での動作を保証しているが、降雪地域で本当に必要とされるのは、悪天候時の運転支援である。降雪時に取得可能な情報をもとに、自己位置推定を実現するための考え方などを、現在の取り組みの一例として紹介する。

1. 運転支援技術
2. レーザスキャナ
   1. スノーポールの計測
   2. 降雪時の計測
3. マップ生成
   1. スノーポール候補の検出
   2. スノーポールのトラッキング
4. マップマッチングによる自己位置推定とレーン誘導
   1. ディジタルマップ情報の取得
   2. 後方ポール位置情報の蓄積
   3. マップマッチング
5. まとめ
• 質疑応答