|
ミリ波レーダを用いて駐車車両や障害物などの形状と位置を推定し，駐車シーンの復元を行う．
ここで，ミリ波レーダを用いる優位点は，カメラやLiDARに比べ悪天候や照明環境の悪い状況でも頑健に認識ができることと，ソナーに比べ遠方まで形状推定が可能で，バンパーに埋め込めるため車両デザインを損なわない点である．
ここでは，深層学習の畳み込みニューラルネットワークを用いており，学習したパターンもしくは類似パターンに対しては高精度に駐車車両の形状推定ができることをこれまでに確認している．
しかし，未学習のレーダ反射パターンに対しては，復元精度が低下する課題がある．これに対して，人の知識を埋め込む手法や未学習パターンを識別して推定信頼度を求める手法などを研究している．
|
