続いては、カメラが撮影した画像を認識する領域です。検出、追跡、情報付与といったフローを経て、車両システムにデータを送る構成となっています。

「DNN（Deep Neural Network）」のようなAI技術やパターン認識といった技術が使われており、「全体を通して多様な技術が結集した上で成り立っています」（片山）

実際にどのようなカメラを開発してきたのか。GSP向けも含め、単眼、ステレオ、周辺監視向けとタイプごとの変遷、系譜を示しました。

同時に「認識アルゴリズムとしてはGSP1から機械学習を導入し、徐々にAI活用領域を増やしながら、機能拡大を進めています」と、最先端技術を量産活用していることを紹介しました。

そして、これらのカメラも含めたシステムは複数の自動車メーカーで使われていると補足しました。

GSP3の画像認識アルゴリズムが、どのような技術なのか。片山は他の走行車やレーンの白線、標識などの認識について、デモ動画を流しながら具体的に紹介しました。以下スライドで示したように白線は緑色、クルマは黄色いボックスとして、パイロンも認識していることがわかります。

さらには、画像認識エンジニアの職業病とユーモラスな表現も交えながら、次のように述べました。

「実際の街中の標識や路面の矢印などは他の物標が重なり見えづらくなっていたり、同じく塗装が薄くなり見えづらくなっているケースが少なくなく、普段からとても気になっています（苦笑）。こういったケースは、人間と同様に画像認識でも正しく認識することが難しい場合があります」（片山）

このような課題を解決するために、実際の画像認識では様々な技術によって生成した複数の指標を使い、ケースに応じて相互補完やダブルチェックなどを行い、信頼性の担保を実現していると言います。

片山は最後に今後の展望を次のように述べ、セッションを締めました。

「複数のカメラが撮影した画像を統合認識させることで、交差点など判断が難しい状況でもあらゆる移動体を地図情報なしで認識し、見逃さないようにしたいと思っています」（片山）

※役職などは2024年11月講演当時のものです

• Vol. 1：ソフトとハードに精通するデンソーが語る「先進安全・自動運転のアルゴリズム開発」
• Vol. 2：ADASアプリケーション「Global Safety Package」のアルゴリズム開発
• Vol. 4：LiDARによる認識とは

• デンソーのソフトウェアを詳しく知る
• デンソーのソフトウェアエンジニア採用について