センサフュージョンによる周辺環境認識と完全自動運転への応用

第1部 深層学習による画像認識と物体検出

(2018年7月5日 10:30〜12:00)

本講演では、深層学習の仕組みを解説し、深層学習による画像認識の最新動向について紹介する。また、中部大学機械知覚&ロボティクス研究グループで取り組んでいる自動運転に関連する認識技術として歩行者検出、ドライバーの骨格推定、セマンティックセグメンテーションについて紹介しながら、深層学習によってどのような問題がどのように解かれようとしているかを解説する。 　深層学習の仕組みとその画像認識応用のアルゴリズムを取得することを目的とする。

1. 画像認識における問題設定
   1. 一般物体認識の細分化
2. 深層学習による画像認識の仕組み
   1. 畳み込みニューラルネットワーク (CNN)
   2. CNNによる画像分類
   3. CNNによる他クラス物体検出
   4. CNNによるセマンティックセグメンテーション
   5. マルチタスク学習
3. 最新動向 (認識から制御まで)
   1. End-to-end学習
   2. 今後の課題
• 質疑応答

第2部 自動運転自動車におけるセンサフュージョン技術とその応用

(2018年7月5日 12:50〜14:20)

　自動運転自動車の歴史、センサフュージョンをはじめとする必要技術等に関する知識が習得できるのと同時に、最先端の自動運転システム開発状況について触れることができます。 　近年話題となっている自動運転車に用いられる各種センサフュージョン技術について紹介するとともに、実際の市街地で公道走行実験を行っている金沢大学のシステムの例を参考としながら、実例を交えながら自動運転に必要となる技術を解説する。

1. 自動運転に関する研究動向と必要技術
   1. 研究動向と必要技術
   2. オンボードセンサ (車載センサ) の実例
2. センサフュージョン技術
   1. LIDAR、RADARを用いた走行空間認識の概要
   2. 移動物体の追跡と運動推定
   3. 自己位置推定
3. 自動車の自動運転への適応
   1. 自動運転システムの概要
   2. 市街地公道走行実証実験の成果と課題
• 質疑応答

第3部 自動運転の現状とそのコア技術 車載センシング・高精度地図・運転AI

(2018年7月5日 14:30〜16:00)

　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。 　自動運転に必要な車載センシングの仕様とそれを満たすためのセンサの構成、一般道完全自動運転のキーデバイス:LiDARに関する概要とその開発動向 センシングを補完する高精度地図のコンセプトとその内容、さらにその技術基盤となる位置推定技術や地図構築技術の開発動向 センシング情報に基づく自動運転の判断や行動計画などの運転AIの仕組みとその現状、特にディープニューラルネットによるアプローチなど。

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