SlideShare a Scribd company logo
安積卓也
埼⽟⼤学・⼤阪⼤学
ティアフォー・技術顧問
Autoware︓
ROSを⽤いた⼀般道⾃動運転向け
ソフトウェアプラットフォーム
⾃⼰紹介
名前︓安積 卓也(あづみ たくや)
•出⾝研究室︓名古屋⼤学⼤学院 情報科学研究科
 2006ー2009︓博⼠後期課程
⾼⽥研究室︓組込みリアルタイム
2006-2007︓未踏ソフトウェア(代表)
 2008-2010︓学振 特別研究員 DC→PD
•⽴命館⼤学情報理⼯学部・情報システム学科・助教
 2010年4⽉〜2014年2⽉︓⻄尾研究室︓ユビキタス
 2011年9⽉〜2012年3⽉︓
カリフォルニア⼤学アーバイン校︓兼任
•⼤阪⼤学 ⼤学院基礎⼯学研究科 助教
 2014年3⽉〜︓潮研究室
 2017年10⽉〜︓JSTさきがけ研究員(兼任)
 株式会社ティアフォー(⾃動運転ベンチャー)︓技術顧問
 埼⽟⼤学⼤学院理⼯学研究科・准教授
帰国後︓⾃動運転向けシステムソフトウェアの研究開発開始
ティアフォーグループ
.
.
.
Milee
Logiee
公道実験
https://www.youtube.com/watch?v=jeqtRW0pn-k
東京都公道実験
(杉並区)
レベル4
⾃動運転のレベル
レベル
システム︓※1
ハンドル・アクセル・ブレーキ ドライバー 場所
レベル1 いずれか⼀つ 主体
レベル2 複数 主体
レベル3 すべて
(危険回避はドライバー)
あり
レベル4 すべて なし 限定
レベル5 すべて なし 全て
クルーズ
コントロール
⾃動ブレーキ
完全⾃動運転
※SAE J3016(2016)
⽇本も2017年6⽉から5段階に
公道実験
※1官⺠ITS構想RM⽤語対応表
操舵︓ハンドル (ステアリング)
加速︓アクセル
制動︓ブレーキ
⾃動運転バス
⾃動運転
タクシー
⾃動運転ソフトウェアの役⽬
ドライバー
アクセル,
ブレーキペダルの
ストローク量,
ステアリング⾓度
連携
⾼精度3次元地図
カメラ GNSS (GPS等)
LIDAR
ハンドル、ブレーキ、アクセル
Autowareの構成
アプリ
ケーション
⾃⼰位置
推定
物体認識 経路計画
R O S
ミドル
ウェア
OS
センシング
Linux (Ubuntu14/16)
CPU
(multi/many)
LIDARCamera
GNSS
(GPS)
ハード
ウェア
システム
⾃動運転
GPU
https://github.com/CPFL/Autoware
本⽇の講演の範囲
3D map
センシング
経路計画
⾞両制御
⾃⼰位置
推定
Interface
物体認識
R O S
1
2 43
ROS (Robot Operating System)
ROSとは
ROS (Robot Operating System)
: ロボット開発におけるライブラリやツールを提供
ハードウェアの抽象化、デバイスドライバ、ライブラリ、視覚化ツール、
データ通信、パッケージ管理 ...etc
 世界で最も利⽤されているロボット
ミドルウェア
 豊富な対応ロボット・センサ
 オープンソース
 サポート⾔語︓ C++, Python
 管理団体︓OSRF
 対応OS︓Linux
特⻑
ROS の 特⻑
ROS (Robot Operating System)
: ロボット開発におけるライブラリやツールを提供
ホスト
クライアント
Publish / Subscribe モデル
 ノードの集合としてシステムを構築
 トピックを介してデータをやり取り
視覚化・シミュレーション
分散システム
ノード 2
ノード 1 ノード 3
トピック
⾞検知
歩⾏者検知
例
Subscribe
Publish
⾞検知
ノード
ノード
Subscribe
歩⾏者検知
ノード
トピック
Publish / Subscribe モデル
処理をノードとして分割・管理し、トピックを介してデータの
やり取りを⾏う。
➡ 再利⽤性・⽣産性の向上, 分散環境への⾼い親和性, 障害分離
ノード
ノード ノード
トピック
⾞検知
歩⾏者検知
Publish / Subscribe モデル
処理をノードとして分割・管理し、トピックを介してデータの
やり取りを⾏う。
➡ 再利⽤性・⽣産性の向上, 分散環境への⾼い親和性, 障害分離
信号検知
NEW !
ノード
ノード ノード
トピック
⾞検知
歩⾏者検知
ノード
Publish / Subscribe モデル
処理をノードとして分割・管理し、トピックを介してデータの
やり取りを⾏う。
➡ 再利⽤性・⽣産性の向上, 分散環境への⾼い親和性, 障害分離
ROS の 特⻑
視覚化・シミュレーション 豊富なパッケージ
( デ バ イ ス ド ラ イ バ や ラ イ ブ ラ リ )
分散システム 抽象化
User Code
R O S
Hardware
簡単にシステム状態を視覚化可能
[再⽣データ]
 記録したセンサデータ(rosbag
ファイル)
 指定した値のデータ
RViz:3D視覚化ツール
実データ(トピック情報)を保存可能
データの保存︓rosbag
ROS の 特⻑
視覚化・シミュレーション 豊富なパッケージ
( デ バ イ ス ド ラ イ バ や ラ イ ブ ラ リ )
分散システム
豊富なパッケージ
( デ バ イ ス ド ラ イ バ や ラ イ ブ ラ リ )
抽象化
User Code
R O S
Hardware
2,000を超えるソフトウェアパッ
ケージで効率的開発
パッケージ
座標変換・画像処理・点群処理
など豊富にサポート
ライブラリ
様々なロボットやセンサをサポート
ハードウェア 多くのソフトウェアが
オープンソースで
⾃⼰位置推定技術
⾼精度3次元地図
位置推定⼿法
LIDARによる⾃⼰位置推定
⾼精度3次元地図
ADAS (vector) mappointcloud map
pointcloud map
+
ADAS (vector) map
ポイントクラウド地図
 3次元座標(緯度・経度・標⾼)
 RGB値
ADAS地図 - 点群地図から地物を抽出
 信号、路⾯標⽰ etc.
位置推定⼿法
デッドレコニング
(⾃律航法)
GNSS
(Global Navigation Satellite System)
スキャンマッチング
⽤いられる
センサ
IMU
(Inertial Measurement Unit)
ホイールエンコーダ等
GNSS受信機 LIDAR
利点 どこでも使える
地図がなくても
使える
⾼精度な
位置推定が可能
⽋点 誤差の蓄積⼤
• 信号の受信状況に影響
• トンネル内では使えず
• 地図データが必須
• 特徴のないエリアでは
使えず
位置推定には様々な⼿法があり、⽤いられるセンサも異なる
http://noc.ac.uk/conference/ocean-
observation-workshop
LIDARによる⾃⼰位置推定
地図データとスキャンデータがきれいに重なる座標変換を計算し、
地図内の位置・向きを算出
代表的なスキャンマッチングのアルゴリズム
 ICP (Iterative Closest Point) - P.J. Besl et al. (1992)
 2D-NDT (Normal Distributions Transform) - P. Biber et al. (2003)
 3D-NDT - E. Takeuchi et al. (2006) , M. Magnusson et al. (2007)
スキャン
マッチング
地図データ
スキャンデータ
3次元地図とスキャンデータの座標変換を計算
⾞両の位置・向き
⾃⼰位置推定の様⼦
物体認識
YOLO - 検出の仕組み
 YOLO2ではGoogLeNetをベースとした
Darknet-19と呼ばれるアーキテクチャを使⽤
 このネットワークは少しの変更を加えるだけで,
画像分類にも物体検出にも応⽤可
画像中に何が写っているかを出⼒ 画像中に何が写っていて,
それがどこにあるかを出⼒
画像分類 物体検出
最近のディープラーニング⼿法の傾向
J. Redmon, and A. Farhadi, ”YOLO9000: Better, Faster, Stronger”, CVPR 2017
画像上での障害物(⾞両)位置が分かった
(数字は検出時のスコア)
Autowareの認識の例(SSD)
https://www.youtube.com/watch?v=EjamMJjkjBA&feature=youtu.be
画像上での
信号機推定領域
信号機3次元位置
変換
Autowareの信号認識
https://www.youtube.com/watch?v=KmOdBms9r2w
経路計画・⾞両制御
Pure Pursuit
※ R Craig Coulter. "Implementation of the Pure Pursuit Path Tracking Algorithm".
Technical Report CMU-RI-TR-92-01, Robotics Institute, Pittsburgh, PA, January 1992.
経路上の⽬標点と⾃⼰位置の情報を基に⾞両制御信号を計算
3D point-
cloud data
filtering point-
cloud data
points map
info
points localizer
GNSS pose vehicle pose
localizer
velocity
Topic
Node(s)
imagecamera
clustering
points objects
image detector
objects fusion object class
objects tracker
objects ID
current pose lattice planner
final waypoint
temporal
waypoint
ADAS map
info
route planner
lane planner
base
waypoint
waypoint
follower
Target speed,
angular velocity
twist filtering
vehicle
control
Localization
Detection
Motion
Several nodes and topics are
omitted.
image objects
CAN velocity
CAN
semantics
mapper
semantics
map
potential
mapper
potential map
dead rekoner
delta pose
IMU data
current
velocity
LIDAR
filtered point-
cloud data
velocity setting
Prediction Mission
Actuation
Shinpei Kato, Shota Tokunaga, Yuya Maruyama, Seiya Maeda, Manato Hirabayashi, Yuki Kitsukawa, Abraham Monrroy,
Tomohito Ando, Yusuke Fujii, and Takuya Azumi,``Autoware on Board: Enabling Autonomous Vehicles with
Embedded Systems,'' In Proceedings of the 9th ACM/IEEE International Conference on Cyber-Physical Systems
(ICCPS2018), Porto (aka Oporto), Portugal, Apr. 2018.
事例紹介&最新情報
公道実験︓常滑@愛知県 https://youtu.be/npQMzH3j_d8
採⽤事例︓⽇本郵便
https://youtu.be/wGkgPCZl98E
ティアフォー︓ Milee & Logiee
Milee Logiee
ティアフォー︓ Milee & Logiee
https://tier4.jp/en/mobility.php
研究事例(東⼤、阪⼤、名⼤)︓Autoware on DrivePX2
Shinpei Kato, Shota Tokunaga, Yuya Maruyama, Seiya Maeda, Manato Hirabayashi, Yuki Kitsukawa,
Abraham Monrroy, Tomohito Ando, Yusuke Fujii, and Takuya Azumi,``Autoware on Board:
Enabling Autonomous Vehicles with Embedded Systems,'' In Proceedings of the 9th ACM/IEEE
International Conference on Cyber-Physical Systems (ICCPS2018), Porto (aka Oporto), Portugal,
Apr. 2018.
研究事例(阪⼤、東⼤)メニーコアの有効性事前調査(世界初)
IEEE ICCD2017で発表
利⽤コア数︓16コア、センサ周期(デットライン)︓100ms
※コンピュータアーキテクチャのトップカンファレンス
研究事例(阪⼤)︓経路計画-︓MATLABシミュレーション
作成協⼒︓徳永(阪⼤)
研究事例(阪⼤)︓経路計画-︓MATLAB(実⾞)
Autoware︓https://github.com/CPFL/Autoware
急募︓ROSプログラマ
お問い合わせ先︓emb4@tier4.jp
徳永翔太(CEO)
⼤阪⼤学発ベンチャー
Autowareに関する研究開発委託・実証実験
業務内容
ROS、ROS2調査
Autowareパッケージ開発
実証実験(実績︓淡路島⾃動運転実証実験)
Gazeboシミュレータ連携
次回
10⽉末-11⽉上旬@名古屋
11⽉中旬@東京
まとめ
Autoware︓
ROSを⽤いた⼀般道⾃動運転向けソフトウェアプラットフォーム
ROS
⾃⼰位置推定技術
環境認識技術
経路計画・⾞両制御技術

More Related Content

What's hot

LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料
Fujimoto Keisuke
 
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
Yoshitaka HARA
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
小川 雄太郎
 
Visual slam
Visual slamVisual slam
Visual slam
Takuya Minagawa
 
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
Masaya Kaneko
 
確率ロボティクス第11回
確率ロボティクス第11回確率ロボティクス第11回
確率ロボティクス第11回
Ryuichi Ueda
 
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
MobileRoboticsResear
 
四脚ロボットによる つくばチャレンジへの取り組み
四脚ロボットによるつくばチャレンジへの取り組み四脚ロボットによるつくばチャレンジへの取り組み
四脚ロボットによる つくばチャレンジへの取り組み
kiyoshiiriemon
 
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII
 
確率的自己位置推定
確率的自己位置推定確率的自己位置推定
確率的自己位置推定
Horiguchi Shuhei
 
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
Yoshitaka HARA
 
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
miyanegi
 
LiDARとSensor Fusion
LiDARとSensor FusionLiDARとSensor Fusion
LiDARとSensor Fusion
Satoshi Tanaka
 
20190825 vins mono
20190825 vins mono20190825 vins mono
20190825 vins mono
Takuya Minagawa
 
ORB-SLAMの手法解説
ORB-SLAMの手法解説ORB-SLAMの手法解説
ORB-SLAMの手法解説
Masaya Kaneko
 
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみたORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
Takuya Minagawa
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII
 
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
Takuya Minagawa
 
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
Masaya Kaneko
 
20190307 visualslam summary
20190307 visualslam summary20190307 visualslam summary
20190307 visualslam summary
Takuya Minagawa
 

What's hot (20)

LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料LiDAR-SLAM チュートリアル資料
LiDAR-SLAM チュートリアル資料
 
ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築ROS を用いた自律移動ロボットのシステム構築
ROS を用いた自律移動ロボットのシステム構築
 
最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925最近のディープラーニングのトレンド紹介_20200925
最近のディープラーニングのトレンド紹介_20200925
 
Visual slam
Visual slamVisual slam
Visual slam
 
SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)SLAMチュートリアル大会資料(ORB-SLAM)
SLAMチュートリアル大会資料(ORB-SLAM)
 
確率ロボティクス第11回
確率ロボティクス第11回確率ロボティクス第11回
確率ロボティクス第11回
 
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
大域マッチングコスト最小化とLiDAR-IMUタイトカップリングに基づく三次元地図生成
 
四脚ロボットによる つくばチャレンジへの取り組み
四脚ロボットによるつくばチャレンジへの取り組み四脚ロボットによるつくばチャレンジへの取り組み
四脚ロボットによる つくばチャレンジへの取り組み
 
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
SSII2021 [TS1] Visual SLAM ~カメラ幾何の基礎から最近の技術動向まで~
 
確率的自己位置推定
確率的自己位置推定確率的自己位置推定
確率的自己位置推定
 
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
ROS の活用による屋外の歩行者空間に適応した自律移動ロボットの開発
 
SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介SLAM開発における課題と対策の一例の紹介
SLAM開発における課題と対策の一例の紹介
 
LiDARとSensor Fusion
LiDARとSensor FusionLiDARとSensor Fusion
LiDARとSensor Fusion
 
20190825 vins mono
20190825 vins mono20190825 vins mono
20190825 vins mono
 
ORB-SLAMの手法解説
ORB-SLAMの手法解説ORB-SLAMの手法解説
ORB-SLAMの手法解説
 
ORB-SLAMを動かしてみた
ORB-SLAMを動かしてみたORB-SLAMを動かしてみた
ORB-SLAMを動かしてみた
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading20180527 ORB SLAM Code Reading
20180527 ORB SLAM Code Reading
 
SLAM勉強会(PTAM)
SLAM勉強会(PTAM)SLAM勉強会(PTAM)
SLAM勉強会(PTAM)
 
20190307 visualslam summary
20190307 visualslam summary20190307 visualslam summary
20190307 visualslam summary
 

Similar to Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム

20150414seminar
20150414seminar20150414seminar
20150414seminar
nlab_utokyo
 
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
Kurata Takeshi
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
Preferred Networks
 
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
Deep Learning Lab(ディープラーニング・ラボ)
 
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
Takuya Minagawa
 
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
ayumi kizuka
 
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
Yoshitaka Ushiku
 
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Takumi Ohkuma
 
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
Deep Learning JP
 
Cloud Impact on Business in Japan
Cloud Impact on Business in JapanCloud Impact on Business in Japan
Cloud Impact on Business in Japan
shojiro-tanaka
 
RWDC System I -Schedule(150411)
RWDC System I -Schedule(150411)RWDC System I -Schedule(150411)
RWDC System I -Schedule(150411)
Leo Iijima
 
Dance Information Processing / ダンス情報処理
Dance Information Processing / ダンス情報処理Dance Information Processing / ダンス情報処理
Dance Information Processing / ダンス情報処理
SIGDance
 
ダンス情報処理
ダンス情報処理ダンス情報処理
ダンス情報処理
Shuhei Tsuchida
 
20181130 lidar object detection survey
20181130 lidar object detection survey20181130 lidar object detection survey
20181130 lidar object detection survey
Takuya Minagawa
 
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
Shohei Hido
 
neural architecture search with reinforcement learning
neural architecture search with reinforcement learningneural architecture search with reinforcement learning
neural architecture search with reinforcement learning
Yamato OKAMOTO
 
実社会・実環境におけるロボットの機械学習 ver. 2
実社会・実環境におけるロボットの機械学習 ver. 2実社会・実環境におけるロボットの機械学習 ver. 2
実社会・実環境におけるロボットの機械学習 ver. 2
Kuniyuki Takahashi
 
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
圭輔 大曽根
 
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
Takuya Minagawa
 
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
Yamato OKAMOTO
 

Similar to Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム (20)

20150414seminar
20150414seminar20150414seminar
20150414seminar
 
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
人的資本経営のための地理情報インテリジェンス 作業パターン分析と心身状態把握に関する実証事例
 
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
東北大学 先端技術の基礎と実践_深層学習による画像認識とデータの話_菊池悠太
 
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
[Track2-1] ディープラーニングのロボット応用事例 ーデータからエクスペリエンスへー
 
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
2018/12/28 LiDARで取得した道路上点群に対するsemantic segmentation
 
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
2015-11-07 電子工作でクリスマス飾りを作ろう会(2015年度WiTワークショップ)
 
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
Women Also Snowboard: Overcoming Bias in Captioning Models(関東CV勉強会 ECCV 2018 ...
 
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation 「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
「解説資料」ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
 
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
【DL輪読会】ViTPose: Simple Vision Transformer Baselines for Human Pose Estimation
 
Cloud Impact on Business in Japan
Cloud Impact on Business in JapanCloud Impact on Business in Japan
Cloud Impact on Business in Japan
 
RWDC System I -Schedule(150411)
RWDC System I -Schedule(150411)RWDC System I -Schedule(150411)
RWDC System I -Schedule(150411)
 
Dance Information Processing / ダンス情報処理
Dance Information Processing / ダンス情報処理Dance Information Processing / ダンス情報処理
Dance Information Processing / ダンス情報処理
 
ダンス情報処理
ダンス情報処理ダンス情報処理
ダンス情報処理
 
20181130 lidar object detection survey
20181130 lidar object detection survey20181130 lidar object detection survey
20181130 lidar object detection survey
 
Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤Jubatusが目指すインテリジェンス基盤
Jubatusが目指すインテリジェンス基盤
 
neural architecture search with reinforcement learning
neural architecture search with reinforcement learningneural architecture search with reinforcement learning
neural architecture search with reinforcement learning
 
実社会・実環境におけるロボットの機械学習 ver. 2
実社会・実環境におけるロボットの機械学習 ver. 2実社会・実環境におけるロボットの機械学習 ver. 2
実社会・実環境におけるロボットの機械学習 ver. 2
 
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
2014/06/13 若手Webエンジニア交流会発表資料「博士課程の新卒エンジニアがデータ分析環境を作った話」
 
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
 
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
NeurIPS2018読み会@PFN a unified feature disentangler for multi domain image tran...
 

More from Takuya Azumi

TOPPERSプロジェクト紹介 OSC2016京都
TOPPERSプロジェクト紹介 OSC2016京都TOPPERSプロジェクト紹介 OSC2016京都
TOPPERSプロジェクト紹介 OSC2016京都
Takuya Azumi
 
ET2016 組込みシステムに適した コンポーネントシステムTECSの最新状況
ET2016 組込みシステムに適したコンポーネントシステムTECSの最新状況ET2016 組込みシステムに適したコンポーネントシステムTECSの最新状況
ET2016 組込みシステムに適した コンポーネントシステムTECSの最新状況
Takuya Azumi
 
組込み向けスクリプト言語mrubyをEV3で動かしてみよう
組込み向けスクリプト言語mrubyをEV3で動かしてみよう組込み向けスクリプト言語mrubyをEV3で動かしてみよう
組込み向けスクリプト言語mrubyをEV3で動かしてみよう
Takuya Azumi
 
TECSの基礎(ETロボコン向けTOPPERS活用セミナー2-1)
TECSの基礎(ETロボコン向けTOPPERS活用セミナー2-1)TECSの基礎(ETロボコン向けTOPPERS活用セミナー2-1)
TECSの基礎(ETロボコン向けTOPPERS活用セミナー2-1)
Takuya Azumi
 
NXT走行体サンプルプログラム(ETロボコン向けTOPPERS活用セミナー3)
NXT走行体サンプルプログラム(ETロボコン向けTOPPERS活用セミナー3)NXT走行体サンプルプログラム(ETロボコン向けTOPPERS活用セミナー3)
NXT走行体サンプルプログラム(ETロボコン向けTOPPERS活用セミナー3)
Takuya Azumi
 
NXT開発環境(ETロボコン向けTOPPERS活用セミナー5)
NXT開発環境(ETロボコン向けTOPPERS活用セミナー5)NXT開発環境(ETロボコン向けTOPPERS活用セミナー5)
NXT開発環境(ETロボコン向けTOPPERS活用セミナー5)
Takuya Azumi
 
NXTプラットフォーム(ETロボコン向けTOPPERS活用セミナー4)
NXTプラットフォーム(ETロボコン向けTOPPERS活用セミナー4)NXTプラットフォーム(ETロボコン向けTOPPERS活用セミナー4)
NXTプラットフォーム(ETロボコン向けTOPPERS活用セミナー4)
Takuya Azumi
 
Mindstorms NXT用 toppersプラットフォームの概要(ETロボコン向けTOPPERS活用セミナー1)
Mindstorms NXT用 toppersプラットフォームの概要(ETロボコン向けTOPPERS活用セミナー1)Mindstorms NXT用 toppersプラットフォームの概要(ETロボコン向けTOPPERS活用セミナー1)
Mindstorms NXT用 toppersプラットフォームの概要(ETロボコン向けTOPPERS活用セミナー1)
Takuya Azumi
 
カーネルオブジェクト(ETロボコン向けTOPPERS活用セミナー2-2)
カーネルオブジェクト(ETロボコン向けTOPPERS活用セミナー2-2)カーネルオブジェクト(ETロボコン向けTOPPERS活用セミナー2-2)
カーネルオブジェクト(ETロボコン向けTOPPERS活用セミナー2-2)
Takuya Azumi
 

More from Takuya Azumi (9)

TOPPERSプロジェクト紹介 OSC2016京都
TOPPERSプロジェクト紹介 OSC2016京都TOPPERSプロジェクト紹介 OSC2016京都
TOPPERSプロジェクト紹介 OSC2016京都
 
ET2016 組込みシステムに適した コンポーネントシステムTECSの最新状況
ET2016 組込みシステムに適したコンポーネントシステムTECSの最新状況ET2016 組込みシステムに適したコンポーネントシステムTECSの最新状況
ET2016 組込みシステムに適した コンポーネントシステムTECSの最新状況
 
組込み向けスクリプト言語mrubyをEV3で動かしてみよう
組込み向けスクリプト言語mrubyをEV3で動かしてみよう組込み向けスクリプト言語mrubyをEV3で動かしてみよう
組込み向けスクリプト言語mrubyをEV3で動かしてみよう
 
TECSの基礎(ETロボコン向けTOPPERS活用セミナー2-1)
TECSの基礎(ETロボコン向けTOPPERS活用セミナー2-1)TECSの基礎(ETロボコン向けTOPPERS活用セミナー2-1)
TECSの基礎(ETロボコン向けTOPPERS活用セミナー2-1)
 
NXT走行体サンプルプログラム(ETロボコン向けTOPPERS活用セミナー3)
NXT走行体サンプルプログラム(ETロボコン向けTOPPERS活用セミナー3)NXT走行体サンプルプログラム(ETロボコン向けTOPPERS活用セミナー3)
NXT走行体サンプルプログラム(ETロボコン向けTOPPERS活用セミナー3)
 
NXT開発環境(ETロボコン向けTOPPERS活用セミナー5)
NXT開発環境(ETロボコン向けTOPPERS活用セミナー5)NXT開発環境(ETロボコン向けTOPPERS活用セミナー5)
NXT開発環境(ETロボコン向けTOPPERS活用セミナー5)
 
NXTプラットフォーム(ETロボコン向けTOPPERS活用セミナー4)
NXTプラットフォーム(ETロボコン向けTOPPERS活用セミナー4)NXTプラットフォーム(ETロボコン向けTOPPERS活用セミナー4)
NXTプラットフォーム(ETロボコン向けTOPPERS活用セミナー4)
 
Mindstorms NXT用 toppersプラットフォームの概要(ETロボコン向けTOPPERS活用セミナー1)
Mindstorms NXT用 toppersプラットフォームの概要(ETロボコン向けTOPPERS活用セミナー1)Mindstorms NXT用 toppersプラットフォームの概要(ETロボコン向けTOPPERS活用セミナー1)
Mindstorms NXT用 toppersプラットフォームの概要(ETロボコン向けTOPPERS活用セミナー1)
 
カーネルオブジェクト(ETロボコン向けTOPPERS活用セミナー2-2)
カーネルオブジェクト(ETロボコン向けTOPPERS活用セミナー2-2)カーネルオブジェクト(ETロボコン向けTOPPERS活用セミナー2-2)
カーネルオブジェクト(ETロボコン向けTOPPERS活用セミナー2-2)
 

Autoware: ROSを用いた一般道自動運転向けソフトウェアプラットフォーム