模型生成方法、模型生成装置、非瞬时性存储介质、移动体姿势推定方法及其推定装置与流程

技术特征：
1.一种模型生成方法，包括：将至少拍摄了移动体的2维图像中的图像坐标指示为所述移动体的关键点，将附加了与所述关键点相关的信息的所述2维图像制作为训练数据，所述图像坐标是从上部观察所述移动体时的所述移动体的外形投影在路上而形成的矩形形状的顶点中的至少1点的图像坐标；和使用所述训练数据进行机器学习，生成从至少拍摄了移动体的2维图像输出所述关键点的机器学习模型。2.根据权利要求1所述的模型生成方法，将所述矩形形状的4个顶点指示为所述移动体的所述关键点。3.根据权利要求1或2所述的模型生成方法，将所述矩形形状的顶点中的2点以上的图像坐标指示为所述移动体的所述关键点，按预定的顺序指示所述2维图像中的所述关键点。4.根据权利要求1至3中任一项所述的模型生成方法，所述移动体是车辆，以位于所述车辆的右侧和左侧中的至少一侧的车轮的接地位置沿着将在所述车辆的右侧和左侧中的至少一侧位于前后的2个所述关键点连结的线的方式指示所述关键点。5.根据权利要求1至4中任一项所述的模型生成方法，所述机器学习模型具有神经网络构造，所述神经网络构造具备：用于从所述2维图像提取特征量的basenet、用于对所述特征量进行多重分辨率解析来制作多重分辨率特征映射的spatialnet、以及基于所述多重分辨率特征映射输出所述关键点的识别器。6.一种模型生成装置，包括处理器，所述处理器构成为：将至少拍摄了移动体的2维图像中的图像坐标指示为所述移动体的关键点，将附加了与所述关键点相关的信息的所述2维图像制作为训练数据，所述图像坐标是从上部观察所述移动体时的所述移动体的外形投影在路上而形成的矩形形状的顶点中的至少1点的图像坐标，使用所述训练数据进行机器学习，生成从至少拍摄了移动体的2维图像输出所述关键点的机器学习模型。7.一种非瞬时性存储介质，保存能够由一个或多个处理器执行的命令，所述命令使所述一个或多个处理器执行包括以下的功能：将至少拍摄了移动体的2维图像中的图像坐标指示为所述移动体的关键点，将附加了与所述关键点相关的信息的所述2维图像制作为训练数据，所述图像坐标是从上部观察所述移动体时的所述移动体的外形投影在路上而形成的矩形形状的顶点中的至少1点的图像坐标；和使用所述训练数据进行机器学习，生成从至少拍摄了移动体的2维图像输出所述关键点的机器学习模型。8.一种移动体姿势推定方法，包括：使用通过权利要求1至5中任一项所述的所述模型生成方法生成的所述机器学习模型，从至少拍摄了移动体的2维图像，推断所述移动体的所述关键点；和
对所述关键点，进行为了推定所述移动体的姿势所需的运算。9.一种移动体姿势推定装置，包括处理器，所述处理器构成为：使用通过权利要求1至5中任一项所述的所述模型生成方法生成的所述机器学习模型，从至少拍摄了移动体的2维图像，推断所述移动体的所述关键点，对所述关键点，进行为了推定所述移动体的姿势所需的运算。

技术总结
一种模型生成方法、模型生成装置、非瞬时性存储介质、移动体姿势推定方法以及移动体姿势推定装置。模型生成方法包括：将至少拍摄了移动体的2维图像中的图像坐标指示为所述移动体的关键点，将附加了与所述关键点相关的信息的所述2维图像制作为训练数据，所述图像坐标是从上部观察所述移动体时的所述移动体的外形投影在路上而形成的矩形形状的顶点中的至少1点的图像坐标；和使用所述训练数据进行机器学习，生成从至少拍摄了移动体的2维图像输出所述关键点的机器学习模型。出所述关键点的机器学习模型。出所述关键点的机器学习模型。


技术研发人员：浜岛绫 中野雄介 中西克典 山口阳平
受保护的技术使用者：有限会社来栖川电算
技术研发日：2022.07.21
技术公布日：2023/2/6