JP5910434B2 - 衝突予測装置 - Google Patents

Description

本発明は、自車に対する物標の衝突の可能性を予測する衝突予測装置に関する。

従来から、自車両に設置されたカメラとレーダからの情報に基づいて衝突予知を行う衝突予知システムにおいて、レーダにより、過去の複数のレーダ反射点を用いて、衝突予知を行うべき対象車両に関して自車両を基準とした移動方向ベクトルを求め、求めた移動方向ベクトルに平行で所定の幅を有する平行領域を設定し、設定した平行領域に基づいて対象車両との衝突可能性を判断する構成が知られている（例えば、特許文献１参照）。

特開2007-279892号公報

しかしながら、過去の複数のレーダ反射点で得られる移動方向ベクトル（移動軌跡）の信頼度を考慮していないため、精度良く対象車両との衝突可能性を判断することができない可能性がある。

そこで、本発明は、自車に対する物標の衝突の可能性を精度良く予測することができる衝突予測装置の提供を目的とする。

上記目的を達成するため、本発明の一局面によれば、自車に対する物標の位置情報、及び、前記物標の横速度情報を取得する１つ以上のセンサと、
処理装置とを備え、
前記処理装置は、前記センサにより複数の時点で取得された前記位置情報に基づいて、自車に対する物標の移動軌跡を算出し、
前記処理装置は、前記算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報に係る各位置から前記移動軌跡に下す各垂線の長さと、前記物標の横速度情報とに基づいて、自車に対する物標の衝突の可能性を予測し、
前記処理装置は、前記各垂線の長さの平均値と、前記物標の横速度情報とに基づいて、自車に対する物標の衝突の可能性を予測することを特徴とする、衝突予測装置が提供される。

本発明によれば、自車に対する物標の衝突の可能性を精度良く予測することができる衝突予測装置が得られる。

一実施例による衝突予測装置１の要部構成を示す図である。 衝突予測装置１により実行される主要処理の一例（実施例１）を示すフローチャートである。 垂線距離の説明図である。 ＲＡＮＳＡＣ法と通常の最小二乗法とを対比して示す説明図である。 衝突確率の算出方法の一例と共に衝突確率に基づく衝突不可避判定方法の一例を示す説明図である。 衝突予測装置１により実行される主要処理の他の一例（実施例２）を示すフローチャートである。 横速度に応じた所定閾値範囲の変更例を示す説明図である。

以下、図面を参照して、本発明を実施するための最良の形態の説明を行う。

図１は、一実施例による衝突予測装置１の要部構成を示す図である。衝突予測装置１は、車両に搭載される。衝突予測装置１は、処理装置１０を含む。

処理装置１０は、ＣＰＵを含む演算処理装置により構成されてよい。処理装置１０の各種機能（以下で説明する機能を含む）は、任意のハードウェア、ソフトウェア、ファームウェア又はそれらの組み合わせにより実現されてもよい。例えば、処理装置１０の機能の任意の一部又は全部は、特定用途向けＡＳＩＣ（application-specific integrated circuit）、ＦＰＧＡ（Field Programmable Gate Array）、ＤＳＰ（digital signal processor）により実現されてもよい。また、処理装置１０は、複数の処理装置により実現されてもよい。なお、典型的には、処理装置１０は、ＥＣＵ（電子制御ユニット）として具現化される。

処理装置１０には、自車に対する物標の位置情報を取得するセンサの一例として、レーダセンサ２０及び画像センサ３０が接続される。なお、レーダセンサ２０及び画像センサ３０のいずれか一方のみが使用されてもよい。

レーダセンサ２０は、電波（例えばミリ波）、光波（例えばレーザー）又は超音波を検出波として用いて、車両前方における物標の状態を検出する。なお、物標とは、自車に対して障害物となりうる任意の物体、即ち自車に対する衝突を防止すべき任意の物体を指し、例えば、他車や歩行者、静止物等であってよい。レーダセンサ２０は、物標と自車との関係を示す情報、例えば自車を基準とした物標の位置情報及び自車を基準とした物標の速度情報を所定の周期で検出する。物標の位置情報及び速度情報（検出結果）は、制御装置１０に所定の周期で送信されてよい。なお、レーダセンサ２０の機能の一部（例えば、物標の位置及び速度算出機能）は処理装置１０により実現されてもよい。この場合、処理装置１０がレーダセンサ２０の一部を構成することになる。

画像センサ３０は、ＣＣＤ（charge-coupled device）やＣＭＯＳ（complementary metal oxide semiconductor）等の撮像素子を含むカメラを含む。また、画像センサ３０は、画像処理装置を含んでよく、画像処理装置は、カメラからの画像に基づいて、車両前方における物標の状態を画像認識する。画像センサ３０のカメラは、ステレオカメラであってもよいし、他の態様で２つ以上のカメラを含んでもよい。画像センサ３０は、画像認識処理に基づいて、物標と自車との関係を示す情報、例えば自車を基準とした物標の位置情報及び速度情報を所定の周期で検出する。物標の位置情報は、自車前後方向における物標の位置（距離）に関する情報、及び／又は、自車横方向（幅方向）における物標の横位置に関する情報を含んでよい。物標の横位置は、物標の係る画素集合の横方向の中心位置に基づいて算出されてもよいし、左端の横位置と右端の横位置との間の範囲として算出されてもよい。また、画像センサ３０は、必要な場合、画像認識処理に基づいて、物標の横幅に関する情報（横幅情報）を取得してもよい。画像センサ３０により取得された情報（検出結果）は、例えば所定のフレーム周期で制御装置１０に送信されてよい。なお、画像センサ３０の機能の一部（例えば、物標の位置及び速度算出機能や横幅算出機能）は処理装置１０により実現されてもよい。この場合、処理装置１０が画像センサ３０の一部を構成することになる。

なお、画像センサ３０がステレオカメラの場合、２つのカメラで取得された画像（ステレオ画像データ）は、エッジ検出処理を経て、ステレオマッチング処理が実行される。ステレオマッチング処理では、一方の画像を基準画像として例えばＳＡＤ（差分絶対和：Ｓｕｍ ｏｆ Ａｂｓｏｌｕｔｅ Ｄｉｆｆｅｒｅｎｃｅｓ）演算が実行され、ＳＡＤ波形に基づいて視差画像が生成される。このとき、視差が略同じ画素がグループ化され、かかるグループ化された画素集合が、物標に係る画素集合として認識されてもよい。或いは、視差が略同じ画素集合に対してパターンマッチングが実行され、マスタパターンにマッチングする画素集合が、物標に係る画素集合として認識されてもよい。いずれの場合も、物標の横幅は、物標に係る画素集合の横幅（左右方向の幅）を実空間の幅に変換することで算出されてもよい。

なお、レーダセンサ２０及び画像センサ３０の双方を用いる場合、それぞれの物標の位置情報及び／又は速度情報は、適宜、組み合わせて使用されてもよい。例えば、自車前後方向の位置（距離）に関する物標の位置情報、及び、速度情報は、レーダセンサ２０により取得されてよく、自車横方向の位置（横位置）に関する物標の位置情報及び物標の横幅に関する情報（横幅情報）は、画像センサ３０により取得されてよい。

処理装置１０には、その他、車両情報を取得する車両センサ４０が接続されてもよい。車両センサ４０は、車速を検出する車速センサ（車輪速センサ）、車両のヨーレートを検出するヨーレートセンサ等を含んでよい。

処理装置１０には、衝突回避機能又は衝突時衝撃低減機能（以下、「衝突回避機能」に代表させる）を実現するための制御対象装置の一例として、スロットル制御装置（例えば、エンジンＥＣＵ）５０、ブレーキ制御装置（例えば、ブレーキＥＣＵ）５２、表示器５４、及び、ブザー５６が接続される。

スロットル制御装置５０は、処理装置１０から指令に応答して、スロットル開度を制御してエンジンの出力を調整する。例えば、処理装置１０は、自車と物標との衝突が不可避であると判定した場合に、スロットル制御装置５０を介してエンジンの出力を低下させてもよい。尚、「不可避」とは、衝突回避機能を発動させるべき状態を指し、実際に不可避であることを必ずしも意味せず、実際の不可避の前段階を含んでよい（即ち、運転者による衝突回避操作や衝突回避機能の自動作動により回避可能な類であってもよい）。

ブレーキ制御装置５２は、処理装置１０から指令に応答して、ブレーキアクチュエータ及び／又はバルブを制御して制動力（ホイールシリンダ圧）を調整する。例えば、処理装置１０は、自車と物標との衝突が不可避であると判定した場合に、ブレーキ制御装置５２を介して自動的に制動力を発生させてもよい。

表示器５４は、処理装置１０から指令に応答して、警報を表示する。警報は、自車と物標との衝突に関するものであってよい。なお、表示器５４は、処理装置１０により直接制御されてもよいし、他の制御装置を介して処理装置１０により制御されてもよい。

ブザー５６は、処理装置１０から指令に応答して、警報音を出力する。警報音は、自車と物標との衝突に関するものであってよい。なお、ブザー５６は、処理装置１０により直接制御されてもよいし、他の制御装置を介して処理装置１０により制御されてもよい。

なお、制御対象装置は、自車と物標との衝突が不可避であると判定した場合に、バンパの上下位置や前後位置を可変する装置や、シートベルトを所定量巻き取るシートベルトプリテンショナ等のような他の保護装置を含んでよい。

図２は、衝突予測装置１により実行される主要処理の一例（実施例１）を示すフローチャートである。なお、図２に示す処理は、処理装置１０により実行されるが、一部の処理（例えばステップ２０２の処理等）は、レーダセンサ２０及び／又は画像センサ３０内の処理装置により実行されてもよい。この場合、レーダセンサ２０及び／又は画像センサ３０内の処理装置が処理装置１０の一部を構成することになる。図２に示す処理ルーチンは、例えば車両の走行中に所定周期毎に実行されてもよい。図３は、垂線距離の説明図である。

ステップ２００では、レーダセンサ２０及び／又は画像センサ３０からのセンサ情報（物標の位置情報及び速度情報）が読み込まれる。

ステップ２０２では、上記ステップ２００で読み込まれた物標の位置情報に基づいて、自車に対する物標の移動ベクトル（以下、単に「移動ベクトル」とも称する）が算出される。この際、算出した移動ベクトルに基づいて、衝突横位置が算出されてよい。衝突横位置は、仮に物標が自車に衝突した場合に物標が自車の前部のどの位置に衝突するかを表し、具体的には、移動ベクトルの延長線と、自車の前部に接する水平方向の線との交点位置（延長した移動ベクトルが自車前部と交わるときに、その交点の位置）に対応する。ここで、かかる移動ベクトルを算出するために、上記ステップ２００で読み込まれる物標の位置情報は、複数の時点の位置情報である。即ち、上記ステップ２００で読み込まれた物標の位置情報は、自車に対する物標の位置の変化履歴を表す情報である。複数の時点の位置情報から移動ベクトルを算出する方法は、通常の最小二乗法を含む任意の方法であってよいが、好ましくは、複数の時点の物標の位置情報の中で所定の誤差範囲内にあるものだけを使用するロバスト推定方法である。ロバスト推定方法は、典型的には、ランダムに幾つかの位置情報のサンプルを抽出し、抽出したサンプルに最小二乗法を適用することを繰り返すＲＡＮＳＡＣ（RANdom SAmple Consensus）法である。ここでは、好ましい例として、ＲＡＮＳＡＣ法で移動ベクトルが算出されるものとして説明を続ける。

ステップ２０４では、上記ステップ２０２で移動ベクトルを算出する際に採用された物標の位置情報に係る各位置から、上記ステップ２０２で算出された移動ベクトルに下した各垂線の長さ（以下、「垂線距離」という）が算出される。垂線距離は、図３に示すように、移動ベクトルから物標の位置Ｐ１までの距離Ｄであって、移動ベクトルに垂直な方向の距離Ｄである。垂線距離は、上記ステップ２０２で移動ベクトルを算出する際に採用された物標の位置毎に算出され、従って、採用点数分算出されることになる。これらの垂線距離は、平均され、平均値が算出されてもよい。

ステップ２０６では、上記ステップ２０２で移動ベクトルを算出する際に採用された物標の位置情報に係る各位置における物標の横速度に基づいて、垂線距離に対する閾値Ｔｈが設定される。物標の横速度とは、自車の前後方向に対して垂直な方向（自車の横方向）における物標の速度である。物標の横速度は、上記ステップ２００で読み込まれた物標の速度情報に係る横方向の速度成分に対応してよい。閾値Ｔｈは、物標の横速度が大きいほど大きくなる態様で設定されてよい。例えば、横速度が０．４ｍ／ｓのとき閾値Ｔｈが０、横速度が０．６ｍ／ｓのとき閾値Ｔｈが０．０２、横速度が０．８ｍ／ｓのとき閾値Ｔｈが０．０３等の値を持ち、その間を線形補間するマップが用意されてもよい。尚、この例では数値はあくまで一例であり、また、横速度と閾値Ｔｈとの関係は、線形であってもよいし、非線形であってもよいし、これらの組合せであってもよい。尚、閾値Ｔｈを決定する際に用いられる横速度は、上記ステップ２０２で移動ベクトルを算出する際に採用された物標の位置情報に係る各位置における物標の横速度の平均値であってもよいし、最大値や最小値等であってもよい。

ステップ２０８では、上記ステップ２０４で算出された垂線距離と、上記ステップ２０６で算出された物標の横速度とに基づいて、上記ステップ２０２で算出された移動ベクトルに関する信頼度が算出される。この際、信頼度は、垂線距離が小さいほど高くなり且つ物標の横速度が大きいほど高くなる態様で、算出されてよい。例えば、信頼度は、垂線距離が小さいほど高くなるが、物標の横速度が大きい場合には垂線距離が大きくても信頼度が高くなりうる態様で算出されてよい。これは、垂線距離が大きいことは誤差成分が大きいことを意味するためである。他方、物標の横速度が大きい場合は、検出対象の物標（例えば道路を横断する歩行者等）の可能性が高いためである。また、物標の横速度が大きいほど、物標の位置情報における誤差成分（垂線距離）が大きくなりやすいためである。このような物標の横速度と垂線距離と信頼度との関係は予めマップに規定されてよく、この場合、制御時はマップを参照して信頼度が算出されてもよい。尚、信頼度は、最大値で１００％となる態様で算出されてよい。

本例では、一例として、上記ステップ２０４で算出された垂線距離（例えば平均値）がステップ２０６で設定された閾値Ｔｈより大きいか否かが判定される。閾値Ｔｈは、上述の如く物標の横速度が大きいほど大きくなる態様で設定されてよい。上記ステップ２０４で算出された垂線距離が閾値Ｔｈより小さい場合には、上記ステップ２０４で算出された垂線距離が閾値Ｔｈより大きい場合に比べて高い信頼度が算出される。例えば、垂線距離が閾値Ｔｈより小さいならば信頼度が１００％（最大値）、垂線距離が閾値Ｔｈより大きいならば、信頼度が４０％といった具合である。

ステップ２１０では、上記ステップ２０２で算出した移動ベクトルと、上記ステップ２０８で算出された信頼度とに基づいて、衝突確率が算出される。この衝突確率の算出方法は任意であってよい。例えば、上記ステップ２０２で算出した移動ベクトルが自車に向かうベクトルであるとき、上記ステップ２０８で算出された信頼度が高いほど、衝突確率が高くなる態様で衝突確率が算出されてよい。衝突確率の算出方法の他の一例については後述する（図５参照）。このようにして算出された衝突確率は、所定の閾値と比較され、衝突確率が所定の閾値を越えた場合に、ブレーキ制御装置５２等が上述の如く作動されてよい。また、このようにして算出された衝突確率は、衝突確率の積算値を導出するために、過去の直近の複数時点での衝突確率と合算されてもよい（図５参照）。この場合、衝突確率の積算値が所定の閾値を越えた場合に、ブレーキ制御装置５２等が上述の如く作動されてよい。

尚、ブレーキ制御装置５２等の衝突回避機能の発動は、上述の衝突確率に関する条件に加えて、他の条件の成立を必要としてもよい。例えば、物標の横位置が所定閾値範囲内（自車横方向における所定閾値範囲内）に位置することが、他の条件として、ブレーキ制御装置５２等の衝突回避機能の発動に必要とされてもよい。この場合、所定閾値範囲は、信頼度や横速度に応じて可変されてもよい。例えば、所定閾値範囲は、横速度が大きいほど大きく設定されてもよい。これは、物標の横速度が大きい場合は、衝突可能性のある物標（例えば道路を横断する歩行者等）の横位置の範囲が広くなるためである（図７参照）。但し、このような所定閾値範囲の拡大は、上記ステップ２０８で算出された信頼度が所定値以上高い場合のみ実行されることとしてもよい。これは、信頼度が低い場合に所定閾値範囲を不要に広げると、衝突可能性の低い物体に対してブレーキ制御装置５２等の衝突回避機能が発動しうるためである。

このように図２に示す処理によれば、直線近似を行って得られる移動ベクトルに関する信頼度に基づいて、衝突確率が算出されるので、実際の衝突確率に、より適合した衝突確率を算出することが可能となる。特に信頼度は、移動ベクトルに対する物標の位置の垂線距離及び物標の横速度に基づいて算出されるので、精度良く衝突不可避判定を行うことが可能となる。

図４は、図２のステップ２０２の処理に関連して、ＲＡＮＳＡＣ法と通常の最小二乗法とを対比して示す説明図である。図４（Ａ）は、通常の最小二乗法で直線近似を行って得られる移動ベクトル７０を模式的に示し、図４（Ｂ）は、ＲＡＮＳＡＣ法で直線近似を行って得られる移動ベクトル７２を模式的に示す。図４において、×印は、各時点における物標検出点を表す。物標検出点とは、物標の位置を表す点であり、自車に対する物標の距離及び横位置で表されてよい。複数の時点の物標検出点（物標の位置情報）は、図４に示すように、時系列の点列データをなす情報であってよい。なお、図示に示す例では、物標検出点は、自車に対する相対座標系（相対的な位置）で示されているが、絶対座標系で取得・処理されてもよい。

通常の最小二乗法で直線近似を行う場合、図４（Ａ）に模式的に示すように、外れ値（アウトライア）Ａの影響を受けるのに対して、ＲＡＮＳＡＣ法で直線近似を行う場合、図４（Ｂ）に模式的に示すように、外れ値Ａを除いて直線近似が行われるので、外れ値Ａの影響を受けない精度の良い近似が可能となる。

なお、図４に示す例では、各時点における物標検出点は、一点であるが、この一点は、各時点において複数点検出されうる物標検出点、即ち各時点における物標検出点集合（同一の物標に係る物標検出点集合）のうちの特定の一点であってよい。例えば、特定の一点は、物標検出点集合の中心位置（例えば左右方向の中心位置）であってよい。また、物標の横幅を考慮するために、各時点における物標検出点集合の左端の物標検出点についても、ＲＡＮＳＡＣ法で直線近似を行って移動ベクトルを導出すると共に、各時点における物標検出点集合の右端の物標検出点についても、ＲＡＮＳＡＣ法で直線近似を行って移動ベクトルを導出してもよい。この場合、合計３本の移動ベクトルが算出されることになる。この場合、信頼度は、３本の移動ベクトルのそれぞれに対して得られる信頼度の平均値であってもよいし、所定の重み付けを行って組み合わせた値であってもよい。

図５は、衝突確率の算出方法の一例と共に衝突確率に基づく衝突不可避判定方法の一例を示す説明図である。図５には、図４を参照して説明した移動ベクトル７２が自車と共に示されている。

図５には、自車の前部には、４つの投票箱１０１，１０２，１０３，１０４が模式的に示される。投票箱１０１，１０２，１０３，１０４は、自車の前部を横方向に分割したときの各部位（区画）に対応して仮想的に設定される。投票箱の数（本例では４つ）は任意である。また、自車の前部における各部位の横幅（即ち各投票箱に対応する各部位の横幅）は同一であってもよいし、部位に応じて異なる態様で設定されてもよい。また、投票箱は、自車前後方向で２段以上有してもよい。

図５に示す例では、衝突確率は、自車の前部における各部位毎に算出される。ここでは、衝突確率は、所定周期毎（例えば図２に示す処理周期毎）に、最大１０％の確率で自車の前部における各部位に対して算出される。自車の前部における各部位に対して算出された衝突確率は、所定周期毎に、各部位に対応する各投票箱１０１，１０２，１０３，１０４に投票され、合計１０回分（直近の１０回分）の衝突確率の積算値が評価される。即ち、直近の１０時点における各時点の衝突確率の積算値が評価される。ある時点の衝突確率は、移動ベクトル及び信頼度に基づいて算出されてよい。具体的には、上述の如く移動ベクトルに基づいて算出される衝突横位置が、自車の前部における各部位のうちのいずれの部位に属するかを判断し、衝突横位置が属する部位に係る投票箱に対して最大１０％の確率が付与される。この際、その時点における信頼度がその時点の衝突確率に乗算される態様で信頼度が加味されてもよい。例えば、その時点の信頼度が最大値（例えば１００％）であれば、衝突横位置が属する部位に係る投票箱に対して最大の確率１０％（１０％×１）が付与される一方、その時点の信頼度が最小値（例えば０％）であれば、衝突横位置が属する部位に係る投票箱に対して最大１０％に代えて確率０％（１０％×０）が付与されてもよい。なお、各時点の信頼度は、上述の如く、対応する各時点の衝突確率に対して反映されてもよいが、各時点の信頼度の平均値等が、衝突確率の積算値に反映されてもよい。

なお、衝突横位置は、例えば、移動ベクトルを中心として物標の横幅に対応した幅を持つ範囲で規定されてもよい。この場合、物標の横幅は、その時点の横幅情報に係る横幅であってもよいし、直近の複数時点の横幅情報に係る各横幅の平均値であってもよい。いずれの場合も、幅を持つ範囲で規定された衝突横位置が属する投票箱は複数個となりうる。また、同様に、物標の横幅を考慮するために、上述の如く複数本の移動ベクトルが導出される場合、各移動ベクトルに基づいて衝突横位置（範囲）が判断されてもよい。

なお、図５に示す例では、４時点で算出された各時点の衝突確率が投票された状態を模式的に示す。投票箱１０１に対しては、３時点で０より大きい衝突確率が投票され、投票箱１０２に対しては、４時点で０より大きい衝突確率が投票され、投票箱１０３に対しては、２時点で０より大きい衝突確率が投票されているのに対して、投票箱１０４に対しては、０より大きい衝突確率が一切投票されていない。例えば、投票箱１０２に対しては、直近４時点で全て１０％の衝突確率が投票されているとすると（当該直近４時点以前の６時点では衝突確率０％）、投票箱１０２の衝突確率の積算値は、４０％となる。

衝突確率の積算値の評価方法（即ち衝突確率の積算値に基づく衝突不可避判定方法）は、任意であるが、例えば、投票箱１０１，１０２，１０３，１０４毎に、衝突確率の積算値が所定の閾値と比較されてよい。所定の閾値は、投票箱１０１，１０２，１０３，１０４毎に用意されてよい。即ち、所定の閾値は、自車の前部における各部位毎に設定されてよい。この際、所定の閾値は、横方向で車両の中心側の方が車両の端部側よりも低くなるように設定されてもよい。例えば、自車端部側の投票箱１０１，１０４に対しては、自車中心側の投票箱１０２，１０３の閾値（例えば４５％）よりも大きい閾値（例えば７０％）が設定されてよい。投票箱１０１，１０２，１０３，１０４毎に、衝突確率の積算値が所定の閾値と比較され、いずれかの投票箱において衝突確率の積算値が所定の閾値を越えた場合に、当該投票箱に係る部位に対して物標の衝突が不可避であると判定されてよい。このようにして、自車の前部における各部位毎に衝突確率を算出する方法によれば、自車に対する物標の衝突の可能性を、自車の前部の各部位毎に精度良く評価することができる。

図６は、衝突予測装置１により実行される主要処理の他の一例（実施例２）を示すフローチャートである。なお、図６に示す処理は、処理装置１０により実行されるが、一部の処理（例えばステップ６０４の処理等）は、レーダセンサ２０及び／又は画像センサ３０内の処理装置により実行されてもよい。この場合、レーダセンサ２０及び／又は画像センサ３０内の処理装置が処理装置１０の一部を構成することになる。図６に示す処理ルーチンは、例えば車両の走行中に所定周期毎に実行されてもよい。

ステップ６００では、レーダセンサ２０及び／又は画像センサ３０からのセンサ情報（物標の位置情報）が読み込まれる。また、レーダセンサ２０及び／又は画像センサ３０からのセンサ情報に加えて、車両センサ４０からの車両情報が読み込まれる。

ステップ６０２では、今回周期の物標の位置情報と、前回周期の物標の位置情報とに基づいて、自車に対する物標の位置の差分が算出されると共に、車両センサ４０からの車両情報（自車の車速情報）に基づいて、自車の車速からの物標の位置（距離）の変動率が算出される。自車に対する物標の位置（距離）の今回値と前回値との差分は、自車前後方向に関する差分（距離の変動率）であってよい。自車の車速からの物標の位置の変動率は、自車の速度に、演算周期（物標の位置情報の取得周期）を乗ずることにより算出されてよい。なお、物標が静止物である場合（或いは横方向のみに移動し前後方向で静止している場合）、自車に対する物標の位置の今回値と前回値との差分と、自車の車速からの物標の位置の変動率とは対応するはずである。

ステップ６０４では、図２に示したステップ２０２の処理と同様、上記ステップ６００で読み込まれた物標の位置情報に基づいて、移動ベクトル（及び衝突横位置）が算出される。

ステップ６０６では、図２に示したステップ２０４の処理と同様、上記ステップ６０４で移動ベクトルを算出する際に採用された物標の位置情報に係る各位置に対して、垂線距離が算出され、各垂線距離の平均値が算出される。

ステップ６０８では、上記ステップ６０４で移動ベクトルを算出する際に採用された物標の位置情報に係る各位置における物標の各横速度について、一定値以上となる横速度の点数（個数）が算出される。一定値は、検出対象の物標（例えば道路を横断する歩行者等）の横速度の取りうる範囲の下限値に対応してよく、例えば０．４ｍ／ｓであってよい。

ステップ６１０では、図２に示したステップ２０８の処理と同様、上記ステップ６０４で移動ベクトルを算出する際に採用された物標の位置情報に係る各位置における物標の横速度に基づいて、垂線距離に対する閾値Ｔｈが設定される。

ステップ６１２では、図２に示したステップ６０８の処理と同様、上記ステップ６０６で算出された垂線距離の平均値と、上記ステップ２０６で算出された物標の横速度とに基づいて、上記ステップ６０４で算出された移動ベクトルに関する信頼度が算出される。但し、この際、算出された信頼度は、垂線距離の平均値及び物標の横速度以外のパラメータに基づいて、加減算（補正）されてもよい。

例えば、上記ステップ６０８で算出された横速度の点数に基づいて、信頼度の加減算値が算出されてもよい。信頼度の加減算値は、横速度の点数が多いほど信頼度が高くなる態様で算出されてよい。これは、一定値以上の横速度の点数が多い場合は、検出対象の物標（例えば道路を横断する歩行者等）の可能性が高いためである。

また、上記ステップ６０２で算出された距離変動態様（自車に対する物標の位置の今回値と前回値との差分）に基づいて、信頼度の加減算値が算出されてもよい。信頼度の加減算値は、自車に対する物標の位置の今回値と前回値との差分と、自車の車速からの物標の位置の変動率との間の乖離が小さいほど信頼度が高くなる態様で算出されてよい。即ち、信頼度の加減算値は、距離変動が大きいほど信頼度が小さくなる態様で算出されてよい。これは、自車に対する物標の位置の今回値と前回値との差分と、自車の車速からの物標の位置の変動率との間の乖離が大きい場合、検出対象でない物体が検出されている可能性が高く、物標の位置情報（距離）の信頼性が低いと考えられるためである。

また、上記ステップ６０４で移動ベクトルを算出する際に採用された物標の位置情報の数（採用点数）に基づいて、信頼度の加減算値が算出されてもよい。信頼度の加減算値は、採用点数が少ないほど信頼度が低くなる態様で算出されてよい。例えば、採用点数が最大点数（または所定基準数以上）ならば信頼度の加減算値が＋４０％、採用点数が２点ならば、信頼度の加減算値が−４０％といった具合である。これは、採用点数が少ない場合には、ＲＡＮＳＡＣ法によっても精度の高い直線近似ができない場合があるためである。

また、物標の横幅の変動態様に基づいて、信頼度の加減算値が算出されてもよい。横幅の変動態様は、前回周期以前の横幅情報に基づいて算出されてよい。例えば、直近１０時点における横幅情報に基づいて、横幅の分散などの統計値が算出されてもよい。なお、このような横幅の変動態様を算出するために用いられる物標の横幅情報は、移動ベクトルの算出のために採用された物標の横幅情報に係る各時点に対応する横幅情報のみであってもよいが、物標の位置情報が不採用とされた時点における物標の横幅情報（即ち物標の位置情報が外れ値となった時点における横幅情報）を含んでもよい。信頼度の加減算値は、横幅の変動態様が小さいほど信頼度が高くなる態様で算出されてよい。これは、横幅の変動態様が大きい場合、検出された物標の信頼性が低いと考えられるためである（例えば、検出対象でない物体が検出されている可能性があり、或いは、物標の同一性に関して信頼性が低い）。

また、車両のヨーレートに基づいて、信頼度の加減算値が算出されてもよい。この場合、信頼度の減算値は、車両のヨーレートが所定値を越えた場合に信頼度が低くなる態様（即ち信頼度が減算される態様）で算出されてもよい。これは、車両が比較的大きな旋回半径で旋回しているときは、算出される移動ベクトルや横速度等の信頼性が低下するためである。この目的のため、所定値は、移動ベクトルや横速度等の信頼性が顕著に低下する際のヨーレート範囲の下限値に対応してよく、試験等により適合されてよい。また、ヨーレートの変動が考慮されてもよい。例えば、この場合、信頼度の加減算値は、ヨーレートの変動が小さいほど信頼度が高くなる態様で算出されてよい。

ステップ６１４では、上記ステップ６１２で算出された信頼度に基づいて、衝突確率に対する加算量が演算される。衝突確率に対する加算量は、上記ステップ６１２で算出された信頼度が高くなるほど大きくなる態様で算出されてもよい。例えば、上記ステップ６１２で算出された信頼度が一定値（例えば、８０％）以上のときは、衝突確率に対して一定値（例えば５％）が加算されてもよい。

ステップ６１６では、上記ステップ６１４で算出された加算量を加算して最終的な衝突確率が算出される。加算前の衝突確率については、任意の態様で算出されてよく、例えば、図５を参照して説明した方法で算出されてもよい。

ステップ６１８では、上記ステップ６１２で算出された信頼度と、上記ステップ６０４で移動ベクトルを算出する際に採用された物標の位置情報に係る各位置における物標の横速度とに基づいて、横位置に対する所定閾値範囲が算出される。上述の如く、所定閾値範囲は、図７に模式的に示すように、横速度が大きいほど大きく設定されてもよい。これは、物標の横速度が大きい場合は、衝突可能性のある物標（例えば道路を横断する歩行者等）の横位置の範囲が広くなるためである。但し、このような所定閾値範囲の拡大は、上記ステップ６１２で算出された信頼度が所定値（例えば８０％）以上高い場合のみ実行されることとしてもよい。これにより、衝突可能性の低い物体に対するブレーキ制御装置５２等の衝突回避機能の作動（不要な作動）を抑制することができる。尚、図７に示す例では、物標が歩行者である場合を示す。図７（Ａ）では、歩行者の横速度がゼロであるため、所定閾値範囲は、例えば自車の車幅に対応する範囲に設定されている。図７（Ｂ）では、歩行者の横速度がゼロより大きい（図中のＶ_Ｌ参照）ため、所定閾値範囲は、図７（Ａ）に示す場合に比べて拡大されている。

ステップ６２０では、上記ステップ６１６で算出された衝突確率と、上記ステップ６１８で設定された所定閾値範囲とに基づいて、物標が車両に衝突するか否か（衝突不可避であるか否か）が判定される。例えば、物標の横位置が上記ステップ６１８で設定された所定閾値範囲内に位置し、且つ、上記ステップ６１６で算出された衝突確率が所定確率以上である場合、物標が車両に衝突する可能性が高いと判定してもよい。他方、物標の横位置が上記ステップ６１８で設定された所定閾値範囲外に位置し、又は、上記ステップ６１６で算出された衝突確率が所定確率より小さい場合、物標が車両に衝突する可能性が低いと判定してもよい。物標が車両に衝突する可能性が高いと判定した場合には、上述の衝突回避機能が発動されてもよい。

図６に示す処理によれば、図２に示した処理と同様、直線近似を行って得られる移動ベクトルに関する信頼度に基づいて、衝突確率が算出されるので、実際の衝突確率に、より適合した衝突確率を算出することが可能となる。特に信頼度は、移動ベクトルに対する物標の位置の垂線距離及び物標の横速度に基づいて算出されるので、精度良く衝突不可避判定を行うことが可能となる。

また、採用点数を考慮する場合、採用点数が少なく精度の高い直線近似ができない場合には、低い信頼度が算出され、それに応じて衝突確率が低くなるので、信頼度の低い移動ベクトルに起因して検出対象でない物体に対して高い衝突確率が算出されてしまうことを防止することができる。また、横幅の変動態様を考慮する場合、横幅の変動態様が大きい場合には、低い信頼度が算出され、それに応じて衝突確率が低くなるので、検出対象でない物体に対して高い衝突確率が算出されてしまうことを防止することができる。また、距離変動態様を考慮する場合、距離変動態様が大きい（不安定である）場合には、低い信頼度が算出され、それに応じて衝突確率が低くなるので、検出対象でない物体に対して高い衝突確率が算出されてしまうことを防止することができる。

尚、図６に示す処理では、距離変動態様を考慮するため、ステップ６０２の処理が実行されているが、距離変動態様は考慮されなくてもよい（即ちステップ６０２の処理は任意であり、省略されてもよい）。

また、図６に示す処理におけるステップ６１８において、物標の横速度の方向が考慮されてもよい。例えば、物標の横速度が大きい場合でも、物標の横速度の方向が自車から離れる方向（即ち自車の前後中心軸に対して左又は右方向に離れる方向）である場合、所定閾値範囲の拡大が実行されないこととしてよい。即ち、所定閾値範囲の拡大は、物標の横速度の方向が自車の前後中心軸に向かう方向である場合のみ実行されることとしてもよい。これは、物標の横速度の方向が自車から離れる方向である場合、かかる物標が車両と衝突する可能性は低くなるためである。

以上、本発明の好ましい実施例について詳説したが、本発明は、上述した実施例に制限されることはなく、本発明の範囲を逸脱することなく、上述した実施例に種々の変形及び置換を加えることができる。

例えば、上述した実施例では、信頼度を算出する際に考慮される物標の横速度は、自車の前後中心軸に向かう方向の横速度のみであってもよい。また、信頼度を算出する際に考慮される物標の横速度は、相対速度成分であってもよいし、絶対速度成分であってもよい。後者の場合、物標の横速度は、相対速度成分に、ヨーレートセンサから得られる自車の横速度を加算して算出されてもよい。

また、上述した実施例では、垂線距離の平均値に対して閾値Ｔｈが比較されているが、各垂線距離に対して、閾値Ｔｈが比較されてもよい。この場合、閾値Ｔｈよりも大きくなる垂線距離の数が少ないほど信頼度が高くなる態様で信頼度が算出されてもよい。或いは、各垂線距離に対して、閾値Ｔｈが個別に設定されてもよい。即ち、上記ステップ２０２で移動ベクトルを算出する際に採用された物標の位置情報に係る位置毎に、その位置での横速度に応じて閾値Ｔｈが設定されてもよい。この場合、各垂線距離は、対応する各閾値と比較されてよい。この場合も、閾値Ｔｈよりも大きくなる垂線距離の数が少ないほど信頼度が高くなる態様で信頼度が算出されてもよい。

また、上述した実施例は、自車前方の物標に対する自車の衝突に関するものであるが、衝突形態は、かかる前突に限られず、任意の衝突態様に対して上述した実施例の考え方（特に自車に対する物標の衝突可能性の予測方法）を適用することができる。例えば、後突（追突）であれば、車両後方を監視するレーダセンサ及び／又は画像センサが使用されればよい。

また、上述した実施例では、物標の移動軌跡として、直線近似により物標の移動ベクトル（直線の移動軌跡）が算出されているが、曲線近似により物標の移動軌跡（曲線）が算出されてもよい。

また、上述した実施例等では、ＲＡＮＳＡＣ法で直線近似を行っているが、ＲＡＮＳＡＣ法に代えて、通常の最小二乗法で直線近似を行うことも可能である。

また、上述した実施例では、信頼度に基づいて補正した衝突確率（又はその積算値、以下、同じ）を閾値と比較して、衝突不可避であるか否か（ブレーキ制御装置５２等を作動させるか否か）を判定しているが、信頼度と衝突確率とを独立に評価してもよい。即ち、信頼度が所定基準値以上であり、且つ、衝突確率が所定閾値以上である場合に、衝突不可避である（ブレーキ制御装置５２等を作動させる）と判定してもよい。

また、上述した実施例では、垂線距離等のパラメータに基づいて信頼度を算出し、算出した信頼度に基づいて、移動ベクトルに基づく衝突確率を変更（補正）しているが、等価的に、移動ベクトルと、垂線距離等のパラメータとに基づいて、衝突確率を直接的に算出してもよい。また、等価的に、算出した信頼度に基づいて、衝突確率に対して比較される閾値を補正してもよい。この場合、算出した信頼度が高いほど、閾値が正規の値に近づき、算出した信頼度が低いほど、閾値が正規の値よりも大きくなる態様で、閾値の補正が実行されてもよい。

１ 衝突予測装置
１０ 処理装置
２０ レーダセンサ
３０ 画像センサ
４０ 車両センサ
５０ スロットル制御装置
５２ ブレーキ制御装置
５４ 表示器
５６ ブザー

Claims (7)

1. 自車に対する物標の位置情報、及び、前記物標の横速度情報を取得する１つ以上のセンサと、
   処理装置とを備え、
   前記処理装置は、前記センサにより複数の時点で取得された前記位置情報に基づいて、自車に対する物標の移動軌跡を算出し、
   前記処理装置は、前記算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報に係る各位置から前記移動軌跡に下す各垂線の長さと、前記物標の横速度情報とに基づいて、自車に対する物標の衝突の可能性を予測し、
   前記処理装置は、前記各垂線の長さの平均値と、前記物標の横速度情報とに基づいて、自車に対する物標の衝突の可能性を予測することを特徴とする、衝突予測装置。
2. 前記処理装置は、前記各垂線の長さの平均値が大きくなるほど前記衝突の可能性が低くなり且つ前記物標の横速度が大きくなるほど前記衝突の可能性が高くなる態様で、自車に対する物標の衝突の可能性を予測する、請求項１に記載の衝突予測装置。
3. 前記処理装置は、前記各垂線の長さの平均値が所定閾値より大きい場合に前記衝突の可能性が低くなる態様で、自車に対する物標の衝突の可能性を予測し、前記所定閾値は、前記物標の横速度が大きくなるほど大きくなる態様で設定される、請求項１又は２に記載の衝突予測装置。
4. 前記処理装置は、前記物標の横位置が横方向の所定範囲内にあるか否かに応じて、自車に対する物標の衝突の可能性を予測し、
   前記所定範囲は、前記物標の横速度情報に係る横速度が大きいほど大きくされる、請求項１〜３のうちのいずれか１項に記載の衝突予測装置。
5. 自車に対する物標の位置情報、及び、前記物標の横速度情報を取得する１つ以上のセンサと、
   処理装置とを備え、
   前記処理装置は、前記センサにより複数の時点で取得された前記位置情報に基づいて、自車に対する物標の移動軌跡を算出し、
   前記処理装置は、前記算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報に係る各位置から前記移動軌跡に下す各垂線の長さと、前記物標の横速度情報とに基づいて、自車に対する物標の衝突の可能性を予測し、
   前記処理装置は、前記物標の横位置が横方向の所定範囲内にあるか否かに応じて、自車に対する物標の衝突の可能性を予測し、
   前記所定範囲は、前記物標の横速度情報に係る横速度が大きいほど大きくされることを特徴とする、衝突予測装置。
6. 前記処理装置は、前記算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報に係る各位置から前記移動軌跡に下す各垂線の長さと、前記物標の横速度情報とに基づいて、前記算出した移動軌跡の信頼度を算出し、
   前記所定範囲は、前記信頼度が所定値よりも大きい場合に、前記物標の横速度情報に係る横速度に応じて大きくされる、請求項４又は５に記載の衝突予測装置。
7. 自車に対する物標の位置情報、及び、前記物標の横速度情報を取得する１つ以上のセンサと、
   処理装置とを備え、
   前記処理装置は、前記センサにより複数の時点で取得された前記位置情報に基づいて、自車に対する物標の移動軌跡を算出し、
   前記処理装置は、前記算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報に係る各位置から前記移動軌跡に下す各垂線の長さと、前記物標の横速度情報とに基づいて、自車に対する物標の衝突の可能性を予測し、
   前記１つ以上のセンサは、車両のヨーレートを検出するセンサを含み、
   前記処理装置は、ヨーレートが所定値以上である場合に前記衝突の可能性が低くなる態様で、自車に対する物標の衝突の可能性を予測することを特徴とする、衝突予測装置。

Images