CN106980113A - 物体检测装置和物体检测方法 - Google Patents

物体检测装置和物体检测方法 Download PDF

Info

Publication number
CN106980113A
CN106980113A CN201610890580.5A CN201610890580A CN106980113A CN 106980113 A CN106980113 A CN 106980113A CN 201610890580 A CN201610890580 A CN 201610890580A CN 106980113 A CN106980113 A CN 106980113A
Authority
CN
China
Prior art keywords
capture region
characteristic quantity
detection device
unit
prepared group
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201610890580.5A
Other languages
English (en)
Other versions
CN106980113B (zh
Inventor
刘伟杰
中川洋
中川洋一
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Panasonic Holdings Corp
Original Assignee
Matsushita Electric Industrial Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Matsushita Electric Industrial Co Ltd filed Critical Matsushita Electric Industrial Co Ltd
Publication of CN106980113A publication Critical patent/CN106980113A/zh
Application granted granted Critical
Publication of CN106980113B publication Critical patent/CN106980113B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/04—Systems determining presence of a target
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/52—Discriminating between fixed and moving objects or between objects moving at different speeds
    • G01S13/56—Discriminating between fixed and moving objects or between objects moving at different speeds for presence detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9315—Monitoring blind spots
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G01S2013/9322—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles using additional data, e.g. driver condition, road state or weather data

Abstract

物体检测装置包括：捕获区域提取单元，使用测量信息，从一个以上雷达装置的测量范围被分割的多个第1单位区域之中，将捕获多个物体的各自的多个第2单位区域提取作为多个第1捕获区域；预备分组单元，从多个第1捕获区域的各个区域，形成包含在规定的范围内存在的一个以上第2捕获区域的预备组；特征量获取单元，基于测量信息，计算表示预备组和一个以上第2捕获区域之间的关联的特征量；判别单元，基于特征量，判别属于一个以上第2捕获区域的各个区域的多个物体的没一个物体的类别；以及物体确定单元，将一个以上第2捕获区域的各个区域，根据多个物体的每一个类别进行分组，检测多个物体的各个物体。

Description

物体检测装置和物体检测方法
技术领域
本发明涉及利用雷达装置的测量结果，能够高精度低检测在雷达装置的周围存在的物体的物体检测装置和物体检测方法。
背景技术
近年来，雷达装置被装载在车辆上。车载用的雷达装置检测在车辆的周围存在的物体，例如，其他车辆、行人、两轮车、或路上的设置物。车载用的雷达装置检测从车辆的前方和侧面靠近的物体，测量车辆和物体之间的相对位置、或车辆和物体之间的相对速度。然后，车载用的雷达装置基于测量结果，在判断为有可能发生车辆和物体之间的碰撞的情况下，通过对驾驶员提出警告，或控制车辆的行驶，避免碰撞。
此外，在开发使用在道路周边设置的雷达装置，监视或管理道路的交通的系统。这样的系统，例如，使用在路口的周边设置的雷达装置，检测通过路口的车辆或行人，或通过计测交通流量，自适应地控制信号机。此外，这样的系统，在判断为道路内有可能发生车辆和行人之间的碰撞的情况下，对驾驶员或行人提出警告，避免碰撞。
此外，雷达装置，例如为了监视机场或其他设施而设置。这样的雷达装置通过探测从空中或地面闯入的物体，对关联安全系统提供信息，防止物体的闯入。
这样，为了检测物体，雷达装置被利用于各种各样的场合。最近，通过高分辨率，雷达装置能够从同一物体获取多个部位的雷达测量数据。因此，雷达装置对于属于同一物体的雷达测量信息进行分组(也称为“聚簇”)处理，确定物体区域。再有，分组处理是，作为将在某个观测周期中检测到的信号分组，各组(也称为簇)是由一个物体反射的信号的集合来定义的处理。
这样的雷达装置的一例公开于专利文献1。在专利文献1中，公开了对于雷达装置的雷达测量信息，基于与雷达装置的距离，提取局部区域的代表点，将代表点作为基准点设定以固定的形状(矩形)及方向(斜率)表示的物体区域范围，将物体区域范围内的雷达测量信息之中的、代表点和反射强度接近的雷达测量信息设为成员点，以代表点和关联的成员点形成组，进行物体检测的技术。
现有技术文献
专利文献
专利文献1：日本特开2010-266225号公报
发明内容
可是，在上述的专利文献1所公开的技术中，对于物体区域范围内的雷达测量信息(成员点的候选)，基于反射强度判定与代表点是否属于同一物体。因此，在来自邻接的不同物体的反射强度被测量为与代表点的反射强度相同程度的情况下，会错误分组。例如，在行人位于车辆的近旁的情况下，车辆和行人对雷达装置的反射特性本来不同，但有时因反射方向而以接近的值测量两者的反射强度。因此，车辆和行人被分组在同一组中，所以专利文献1所公开的雷达装置难以进行行人及车辆的分离检测。
本发明提供在对于雷达测量信息通过进行分组处理来检测物体的情况下，能够分离检测邻接的不同物体的物体检测装置和物体检测方法。
本发明的一方式的物体检测装置包括：捕获区域提取单元，输入由一个以上雷达装置使用来自多个物体各自的多个反射波生成的测量信息，使用所述测量信息，从所述一个以上雷达装置的测量范围被分割为每个规定距离和每个方位角的多个第1单位区域之中，将所述多个物体的各自被捕获的多个第2单位区域提取作为多个第1捕获区域；预备分组单元，从所述多个第1捕获区域的各个区域，形成包含在规定的范围内存在的一个以上第2捕获区域的预备组；特征量获取单元，基于所述测量信息，计算表示所述预备组和所述一个以上第2捕获区域之间的关联的特征量；判别单元，基于所述特征量，判别属于所述一个以上第2捕获区域的各个区域的所述多个物体的每一个物体的类别；以及物体确定单元，将所述一个以上第2捕获区域的各个区域，根据所述多个物体的每一个物体的类别进行分组，检测所述多个物体的各个物体。
根据本发明，在对于雷达测量信息通过进行分组处理来检测物体的情况下，能够分离检测邻接的不同物体。
附图说明
图1是表示实施方式1的物体检测装置的主要结构、雷达装置和监视控制系统之间的连接关系的图。
图2A是表示作为测量信息的一例的功率分布的图。
图2B是表示作为测量信息的一例的多普勒速度分布的图。
图3A是表示实施方式1的预备组的生成例子的图。
图3B是表示实施方式1的预备组的生成例子的图。
图3C是表示实施方式1的预备组的生成例子的图。
图3D是表示实施方式1的预备组的生成例子的图。
图4是表示实施方式2的物体检测装置的主要结构、雷达装置和监视控制系统之间的连接关系的图。
图5是表示实施方式3的物体检测装置的主要结构、雷达装置和监视控制系统之间的连接关系的图。
图6是表示实施方式3的统一坐标系的一例的图。
图7是表示实施方式4的物体检测装置的主要结构、雷达装置和监视控制系统之间的连接关系的图。
图8A是表示实施方式4的对车辆的准确度的一例的图。
图8B是表示实施方式4的对行人的准确度的一例的图。
具体实施方式
以下，参照附图详细地说明本发明的实施方式。
<实施方式1>
使用附图说明本实施方式的物体检测装置。图1是表示本实施方式的物体检测装置10的主要结构、雷达装置20和监视控制系统30之间的连接关系的框图。在图1中，本实施方式的物体检测装置10连接到雷达装置20和监视控制系统30。物体检测装置10实现将从雷达装置20输出的测量信息进行处理的雷达信号处理功能的一部分，对于监视控制系统30输出通过雷达信号处理得到的各种信息。
雷达装置20以例如规定的角度间隔依次变更发送方向，对于测量范围发送雷达信号。雷达装置20接收雷达信号被障害物等的物体反射的反射信号。此外，雷达装置20将反射信号转换为基带信号，对测量范围被分割为多个的每个单位区域生成雷达信号的每个发送方向的延迟分布(传播延迟特性)。雷达装置20将生成的测量信息输出到物体检测装置10。
监视控制系统30获取通过物体检测装置10处理从雷达装置20输出的测量信息检测出的物体的位置和速度等的信息，例如对于车辆的驾驶员提示警告。此外，监视控制系统30根据物体的位置和速度，在判断为车辆和物体之间有碰撞的可能性的情况下，进行控制车辆的动作的处理(加速操作、制动操作或转向操作)。
物体检测装置10基于从雷达装置20输出的测量信息，检测在车辆的周围存在的物体，生成与检测到的物体的位置和速度有关的信息，将该信息输出到监视控制系统30。在以下，详细地说明物体检测装置10的详细结构、各结构的动作等。
在图1中，物体检测装置10具有捕获区域提取单元11、预备分组单元12、特征量获取单元13、模型保存单元14、判别单元15、以及物体确定单元16。物体检测装置10的各结构可以由软件或LSI电路等的硬件实现，也可以作为控制车辆的电子控制单元(ElectronicControl Unit：ECU)的一部分来实现。
捕获区域获取单元11从雷达装置20获取测量信息，基于每个单位区域的值，提取存在物体的单位区域的候选。测量信息包含功率分布及多普勒速度分布的至少一个。
图2A是表示作为测量信息的一例的功率分布的概念图。图2B是表示作为测量信息的一例的多普勒速度分布的概念图。在图2A及图2B中，横轴是以雷达装置20为基准的物体的方位角，纵轴是距以雷达装置20为基准的物体的距离。在图2A及图2B中，单位区域通过每10度地划分横轴(方位角)、每10米(m)地划分纵轴(距离)而构成。在以下，将该单位区域称为小区(cell)。
再有，在本发明中，小区(单位区域)的方位角的范围及距离的范围不限定于上述范围。为了得到较高的分辨率，优选小区的大小更小。
在图2A中，将各小区中的反射强度以从0到5级(level)的6等级表示，5级为反射强度最强。图2B中，将各小区中的多普勒速度以从0到5级的6等级表示，5级为多普勒速度最快。再有，多普勒速度因物体相对于雷达装置20靠近还是远离而极性(正负)变化，但为了简化图示，在图2B中作为一例表示了正极性的多普勒速度。
捕获区域获取单元11从雷达装置20获取测量信息(图2A所示的功率分布、图2B所示的多普勒速度分布)。之后，捕获区域获取单元11从多个小区之中，提取测量信息(反射强度、多普勒速度)的值的绝对值为规定的阈值以上的小区，将提取的小区作为“物体存在的小区的候选”。在以下，将由捕获区域获取单元11提取的“物体存在的小区的候选”称为用于捕获物体的“捕获区域”。一个捕获区域有一个以上小区，也可以是多个小区。
再有，图2A及图2B所示的各分布，为了简化说明，以将方位角和距离作为坐标轴的正交坐标系例示。因此，各小区的形状为矩形。可是，在本实施方式中，优选捕获区域获取单元11使用以雷达装置20的位置为中心的极坐标系的测量结果。即，小区的形状为扇形。再有，在以下的说明中，无论小区的形状如何，都将图2A及图2B所示的功率分布及多普勒速度分布的各小区作为1个点处理。
预备分组单元12将捕获区域提取单元11提取的各捕获区域进行分组，生成用于判定各捕获区域的类别的预备组。具体地说，预备分组单元12从判定对象的捕获区域形成包含指定范围内存在的至少一个捕获区域(包含对象的捕获区域)的预备组。生成的预备组与根据以往的分组方法生成的组不同，未必由属于同一物体的雷达测量信息形成。
用图3A说明预备分组单元12中的预备组的生成方法。在图3A中，说明预备分组单元12求捕获区域a的预备组的情况。
首先，预备分组单元12从捕获区域a提取在指定范围内存在的其他捕获区域b、c。再有，预备分组单元12也可以基于物体检测装置10中的最大检测对象物体的大小，将从捕获区域a离开了规定距离的范围设定作为指定范围。例如，在最大检测对象物体是总长为5m的车的情况下，指定范围是从捕获区域a至5m以内的范围。
接着，分组单元12对于指定范围内的捕获区域b，求包围捕获区域a和捕获区域b双方的指定形状A1。同样地，分组单元12对于指定范围内的捕获区域c，也求包围捕获区域c和捕获区域a双方的指定形状A2。指定形状考虑矩形或椭圆等，但在本发明中没有特别地限定指定形状。
接着，分组单元12对于指定形状A1、A2，基于最大检测对象物体的大小，判定指定形状A1和A2是否成为捕获区域a的预备组。例如，分组单元12在假定为指定形状A1是一个对象物体的情况下，判定指定形状A1的大小是否在最大检测对象物体的大小的范围内。
当指定形状A1的大小在最大检测对象物体的大小的范围内的情况下，分组单元12将指定形状A1判定为捕获区域a的预备组的一部分。另一方面，当指定形状A1的大小在最大检测对象物体的大小的范围外的情况下，分组单元12将指定形状A1从捕获区域a的预备组除去。
分组单元12对于指定形状A2，也进行与对指定形状A1的处理同样的处理。例如，只要指定形状A1和指定形状A2的任何一个在最大检测对象物体的大小的范围内，捕获区域a的预备组就使用指定形状A1和指定形状A2构成。
图3A中所示的预备组的生成处理能够更简单地实现。例如，在雷达测量信息以方位角和距离表示的情况下，分组单元12使用捕获区域a和捕获区域b的各自最小方位角和最大方位角、以及最小距离和最大距离形成一个扇形的指定形状。当一个扇形的指定形状的大小在最大检测对象物体的大小的范围内的情况下，分组单元12将捕获区域b判断为捕获区域a的预备组的一部分。
在图1中，特征量获取单元13基于测量信息，计算预备组和该预备组内的捕获区域的特征量。本发明中没有具体地限定特征量的值。例如，特征量获取单元13计算下述3种之中的至少1种特征量即可。
(1)捕获区域特征
基于捕获区域特征的特征量，利用与预备组内的各捕获区域的大小、反射功率和多普勒速度相关联的特征来计算。例如，大小的特征是捕获区域的方位宽度、距离宽度、和面积。反射功率的特征，例如是反射功率的最大值、平均值、或方差。多普勒速度的特征，例如是多普勒速度的最大值、平均值、或方差。即，捕获区域特征是捕获区域单独的特征量。
(2)比较特征
利用预备组和与该预备组内的捕获区域之间的位置或大小的比较相关联的特征，计算基于比较特征的特征量。例如，位置的比较特征是捕获区域和预备组之间的中心方位值的差、或中心距离值的差。大小的比较特征是捕获区域和预备组之间的方位宽度的比率、或距离宽度的比率。即，比较特征是表示预备组和该预备组内的捕获区域之间的关系的特征量。
(3)近旁特征
利用预备组内的捕获区域近旁的特征，计算基于近旁特征的特征量。例如，特征量获取单元13除了计算捕获区域的特征量之外，还计算近旁区域内的其他捕获区域的特征量。近旁区域是，与预备组内的捕获区域在方位或距离中处于近旁的指定大小的区域。但是，近旁区域限定在预备组内。例如，在捕获区域的左侧或右侧中，特征量获取单元13将与捕获区域同等大小的区域设定作为近旁区域，也可以利用与近旁区域内的捕获区域的反射功率或多普勒速度相关联的特征。但是，特征量获取单元13在近旁区域的设定困难的情况下，特征量获取单元13将该捕获区域和预备组的特征量作为“无”、即“0”来计算。即，近旁特征是表示捕获区域和其周边区域之间的关系的特征量。
模型保存单元14提取对事先获取的各类别的对象物体的捕获区域和预备组的特征量，生成将与特征量对应的对象物体模型化的识别模型。模型保存单元14预先保存生成的识别模型。本发明中，模型保存单元14中保存的对象物体的具体的识别模型的生成方法没有特别限定。例如，模型保存单元14能够将由特征量的分布特性直接地判别对象物体的分析方法、基于教师数据的机械学习方法(例如，支持向量机(Support Vector Machine)方法)、或包含特征量的自动提取的深度学习方法等利用作为识别方法。模型保存单元14根据识别方法生成对应的识别模型。
判别单元15基于由特征量获取单元13获取的特征量，对每个捕获区域判别预备组内的捕获区域属于的物体的类别。例如，判别单元15将由特征量获取单元13获取的特征量和模型保存单元14中保存的识别模型进行比较(匹配)，判别预备组内的捕获区域属于哪个类别的对象物体。
用图3B～图3D说明判别单元15中的判别方法的一例子。图3B～图3D表示对各类别的对象物体的预备组的生成例子。例如，模型保存单元14保存分别对应于图3B～图3D所示的预备组的识别模型。
图3B表示单独行人的例子。图3B中，表示一个捕获区域u1。在捕获区域u1的周边不存在其他捕获区域，所以捕获区域u1的预备组U具有与捕获区域u1相同大小的区域。图3B中，判别单元15例如使用上述捕获区域特征(特征量(1))，判别捕获区域u1属于的物体的类别。
图3C表示单独车辆的例子。图3C表示3个捕获区域v1、v2、v3。作为一例，将捕获区域v1设为判别对象。图3C中，捕获区域v1的预备组V包含捕获区域v2和v3。捕获区域v2和捕获区域v3对预备组V的位置和大小产生影响，所以对捕获区域v1的比较特征(特征量(2))和近旁特征(特征量(3))也产生影响。
说明图3B所示的捕获区域u1和图3C所示的捕获区域v1具有相同的捕获区域特征(特征量(1))的情况。这里，预备组U及预备组V，因区域的大小、组内包含的捕获区域分别不同，所以比较特征(特征量(2))或近旁特征(特征量(3))不同。
因此，对每个预备组，判别单元15比较特征量和识别模型，判别各捕获区域属于的物体的类别。因此，判别单元15能够区别捕获区域u1和捕获区域v1。即，由于捕获区域u1和捕获区域v1具有相同的捕获区域特征，所以判别单元15难以以捕获区域为单位来区别捕获区域u1和捕获区域v1，但能以预备组为单位来区别。
图3D表示车辆和行人同时存在的例子。图3D表示4个捕获区域w1、w2、w3、w4。4个捕获区域w1、w2、w3、w4属于预备组W。
说明基于行人的捕获区域w1和基于车辆的捕获区域w2具有相同的捕获区域特征(特征量(1))的情况。这里，捕获区域w1及捕获区域w2，在预备组W内因位置、邻接的其他捕获区域分别不同，所以各捕获区域w1、w2和预备组W的比较特征(特征量(2))以及各捕获区域w1、w 2的近旁特征(特征量(3))不同。
因此，判别单元15通过将预备组内的特征量(比较特征和近旁特征)和识别模型进行比较，判别各捕获区域属于的物体的类别，能够区别捕获区域w1和捕获区域w2。即，由于捕获区域w1和捕获区域w2具有相同的捕获区域特征，所以难以以捕获区域为单位来区别捕获区域w1和捕获区域w2，但能以预备组为单位来区别。
此外，图3D的捕获区域w2和图3C的捕获区域v1对应于车辆的相同的部位，但捕获区域w2属于的预备组W和捕获区域v1属于的预备组V各自的比较特征(特征量(2))和近旁特征(特征量(3))不同。因此，根据模型保存单元14保存的识别模型，判别单元15的结果不同。即，在模型保存单元14事先地保存单独车辆的识别模型(图3C)和车辆与行人同时地存在的识别模型(图3D)两方的情况下，判别单元15能够将捕获区域w2、v1分别作为车辆的捕获区域来判别。
物体确定单元16基于预备组中的全部捕获区域的判别结果，确定对象物体的类别和对象物体的区域。即，物体确定单元16将各捕获区域对每个物体的类别进行分组，检测一个或多个物体。此外，物体确定单元16将属于各物体的捕获区域的合计(全部的捕获区域)确定为物体区域。再有，在捕获区域间的距离离开了规定值以上的情况下，即使这些捕获区域属于同一类别的物体，物体确定单元16也可以将这些捕获区域判定作为类别不同的物体。而且，物体确定单元16也可以从属于物体的捕获区域的特征求物体的速度，也可以输出求得的物体的速度。
如以上说明，本实施方式的物体检测装置10通过利用由雷达装置20测量的多个雷达测量信息的特征，即使在利用单一的雷达测量信息难以进行物体的检测的情况下，也能够正确地检测物体。将本实施方式和现有技术进行比较，以下的2点不同。1个是分组的执行顺序，再一个是模型信息。
现有技术中，未考虑物体类别，而基于捕获区域的特征(例如，反射强度)的一致性，进行捕获区域的分组。但是，在雷达装置中，有因反射方向而来自不同物体的各雷达测量信息一致，来自同一物体的各雷达测量信息不一致的情况。因此，现有技术难以将同一物体的捕获区域正确地分组。
相对于此，根据本实施方式，物体检测装置10对于各捕获区域，不依赖于各捕获区域是否属于同一物体而形成预备组，基于在预备组内的特征量，判别各捕获区域属于的物体的类别。即，物体检测装置10对于判别对象的捕获区域，在该捕获区域的特征量以外，也使用在包含该捕获区域的预备组中的特征量。换句话说，物体检测装置10对于捕获区域，考虑与周边的捕获区域之间的共生特性。因此，在物体检测装置10中，即使在一个捕获区域的特征与某个类别的物体的特征一致，与预备组内的该一个捕获区域的周边的捕获区域有关的特征和该某个类别的物体的特征不同的情况下，该一个捕获区域的单独的特征也不被用于物体的判别处理。即，物体检测装置10能够复合地使用捕获区域及该捕获区域的周边的捕获区域的特征量，提高物体类别的判别精度，能够将同一物体的一个或多个捕获区域正确地分组。
此外，对于模型信息，在现有技术中，对于各类别的物体分别生成模型。但是，物体通过雷达装置被测量的情况下，测量部位的数和位置因时间而随机地变动，所以难以分析地表现从雷达装置的雷达测量信息中提取的物体的特征。因此，在生成物体的模型的情况下，现有技术将事先测量的数据作为教师数据，利用了机械学习的模型(例如，支持向量机(Support Vector Machine))。但是，现有技术中，能够利用的物体的模型是，与通过将捕获区域分组形成的物体对应的模型。因此，在现有技术中，如果不正确地进行捕获区域的分组，则难以高精度地进行使用了物体的模型的物体检测。
相对于此，在本实施方式中，对单独的物体的雷达测量信息组合邻近的不同物体的雷达测量信息(即，形成预备组)，将组合的雷达测量信息作为教师数据利用。即，物体检测装置10通过不仅利用判别对象的捕获区域，还利用包含判别对象的捕获区域的周边的捕获区域的模型，能够提高对雷达测量信息的判别精度。即，由于分组处理之前(预备分组)的每个捕获区域的判别精度提高，所以物体检测装置10能够正确地进行捕获区域的分组。再有，本实施方式中，物体检测装置10在分组处理之前以捕获区域为单位进行判别，所以在与判别处理中的模型的匹配时不需要分组。
通过这样的结构，根据本实施方式的物体检测装置10，在将雷达测量信息进行分组来检测物体的情况下，能够分离检测邻接的不同物体。
<实施方式2>
图4是表示本实施方式的物体检测装置40的主要结构、雷达装置20和监视控制系统30之间的连接关系的框图。图4中，对与图1共同的结构，附加与图1相同的标号并省略详细的说明。在图4所示的物体检测装置40中，与实施方式1的物体检测装置10比较，新追加了跟踪单元41。此外，特征量获取单元42、模型保存单元43、以及判别单元44进行与实施方式1的物体检测装置10的特征量获取单元13、模型保存单元14、以及判别单元15不同的动作。
跟踪单元41基于从判别单元44输入的、对前帧的预备组的物体类别的判别结果(前帧信息)，进行对预备分组单元12中算出的预备组(当前帧的预备组)的跟踪处理。即，跟踪单元41确定与前帧的预备组对应的当前帧的预备组。再有，没有限定跟踪单元41中的跟踪处理的方法。此外，作为搜索当前帧中与前帧对应的预备组的范围，跟踪单元41也可以设定接近前帧的预备组的位置的范围(例如，距前帧的预备组位置规定距离以内的范围)。
特征量获取单元42基于跟踪单元41的跟踪结果获取特征量。例如，特征量获取单元42除了实施方式1的特征获取单元13中获取的所述特征量(1)～(3)之外，还获取下述的特征量(4)。
(4)帧间变动特征
利用前帧的预备组和与前帧的预备组对应的当前帧的组之间的变动特征，计算基于帧间变动特征的特征量。例如，帧间变动特征是，前帧和当前帧之间的同一预备组的大小的变动、同一预备组所有的捕获区域数的变动、或同一预备组中的捕获区域的位置分布的变动。即，帧间变动特征是表示预备组及捕获区域的时间变化的特征量。
除了实施方式1的模型保存单元13获取的特征量以外，模型保存单元43还事先获取帧间变动特征，将这些特征量作为识别模型保存。
除了特征量(1)～(3)以外，判别单元44还利用帧间变动特征(特征量(4))，判别预备组内的捕获区域。此外，判别单元44将判别结果作为用于跟踪处理的前帧信息输出到跟踪单元41。
与雷达测量信息对应的物体部位根据时间(即，帧)而随机地变动。即，捕获区域的数和位置根据时间而变动。因此，现有技术难以进行在多个帧中捕获区域的跟踪。另一方面，以往，确定物体后跟踪的技术有很多。但是，现有技术是确定物体为跟踪的前提。即，现有技术为了确定物体而难以利用跟踪的结果。
相对于此，根据本实施方式的物体检测装置40，将雷达测量信息作为预备组进行分组(汇集)，能够在多个帧中进行预备组的跟踪。由此，物体检测装置40在物体判别中，利用多个帧中跟踪的特征，所以能够改善物体判别的性能。例如，在车辆的近旁存在行人，来自车辆的雷达测量信息的部位发生时间变动的情况下，物体检测装置40能够跟踪来自行人的雷达测量信息和来自车辆的雷达测量信息的位置关系的变动，所以能够基于位置关系的变动分离检测行人和车辆。
<实施方式3>
图5是表示本实施方式的物体检测装置50的主要结构、2个雷达装置20A、20B和监视控制系统30之间的连接关系的框图。图5中，对与图1共同的结构，附加与图1相同的标号，省略详细的说明。本实施方式的物体检测装置50具有2个捕获区域提取单元11、51和2个预备分组单元12、52。此外，物体检测装置50具有预备组统一单元53。此外，特征量获取单元54、模型保存单元55、以及判别单元56进行与实施方式1的物体检测装置10的特征量获取单元13、模型保存单元14、以及判别单元15不同的动作。
捕获区域提取单元51从雷达装置20B获取测量信息，与捕获区域提取单元11同样，基于每单位区域的值提取与物体对应的单位区域的候选。
与预备分组单元12同样，预备分组单元52将捕获区域提取单元51提取的各捕获区域进行分组，生成用于判定各捕获区域的类别的预备组。
即，预备分组单元12形成对雷达装置20A的预备组，预备分组单元52形成对雷达装置20B的预备组。
预备组统一单元53将雷达装置20A和雷达装置20B的空间坐标统一，以统一坐标系统一雷达装置20A的预备组和雷达装置20B的预备组。
用图6详细地说明预备组统一单元53中的处理。
图6表示雷达装置20A、雷达装置20B、雷达装置20A的一个预备组Ea、以及雷达装置20B的一个预备组Eb。在搜索预备组Eb的情况下，预备组统一单元53也可以在对预备组Ea的指定范围内中，从雷达装置20B的预备组中将与预备组Ea的距离最近的预备组作为预备组Eb来搜索。再有，对预备组Ea的指定范围也可以基于最大检测对象物体的大小来设定。此外，在搜索预备组Eb的情况下，预备组统一单元53也可以考虑预备组Ea的大小。此外，预备组统一单元53也可以使多个预备组对应于一个预备组Ea。
例如，特征量获取单元54将包含图6所示的预备组Ea和预备组Eb的统一区域作为新的预备组(以下，称为统一预备组)。特征量获取单元54将属于雷达装置20A的捕获区域a1、a2和属于雷达装置20B的捕获区域b1、b2作为属于统一预备组的捕获区域，获取各捕获区域的特征量。
模型保存单元55在统一预备组中，提取对在事先获取的各类别的对象物体的捕获区域和统一预备组的特征量，生成将与特征量对应的对象物体模型化后的识别模型，并保存识别模型。
判别单元56将特征量获取单元54获取的特征量和模型保存单元55中保存的识别模型进行匹配，判别统一预备组内的捕获区域属于哪个类别的对象物体。
如以上说明，本实施方式的物体检测装置50中，在物体检测装置50中，捕获区域提取单元11、51基于从2个雷达装置20A、20B各自获取的测量信息提取捕获区域。然后，预备分组单元12、52对于2个雷达装置20A、20B的每个形成预备组。然后，预备组统一单元53对于多个雷达装置20A、20B的预备组生成统一预备组。判别单元56使用统一预备组内的多个捕获区域的特征量判定各捕获区域。即，物体检测装置50能够利用多个雷达装置20A、20B的雷达测量信息间的共生特性。
根据本实施方式，通过使用多个雷达装置20A、20B，与单一的雷达测量信息相比，能够使用在多个雷达测量信息中包含的物体信息，所以物体检测的精度提高。
再有，在图6中，作为一例表示了相对设置的多个雷达装置20A、20B，但本实施方式也能够适用于如车载雷达那样、测量同一方向的多个雷达。此外，被设置的雷达装置的数不限定于2个，也可以使用3个以上的雷达装置。
<实施方式4>
图7是表示本实施方式的物体检测装置60的主要结构、雷达装置20和监视控制系统30之间的连接关系的框图。在图7中，对与图1共同的结构，附加与图1相同地标号并省略详细的说明。本实施方式的物体检测装置60具有准确度计算单元601和最大准确度计算单元602，作为判别单元15的内部结构。
准确度计算单元601对于预备组内的各捕获区域，不是进行是否属于被指定的检测对象物体的二值判定，而是计算属于检测对象物体的候选的各个候选的程度(准确度)。例如，准确度计算单元601计算将捕获区域的特征量和模型保存单元14中保存的识别模型进行比较的一致程度，将该一致程度作为准确度。
图8A和图8B表示准确度计算单元601中的准确度算出处理的一例。
图8A和图8B表示捕获区域a、b、c、d、以及预备组E。图8A表示对各捕获区域的对车辆的准确度，图8B表示对各捕获区域的对行人的准确度。
最大准确度计算单元602基于对于各捕获区域由准确度计算单元601算出的准确度之中最大准确度，进行该捕获区域属于的物体的类别判别。即，最大准确度计算单元602判定为捕获区域属于准确度为最大的检测对象物体的候选。各捕获区域被分类为准确度最高的对象物体。例如，在图8A和图8B中，最大准确度计算单元602将捕获区域d(对行人的最大准确度为0.9)分类为行人，将捕获区域a～c(对车辆的最大准确度为0.5、0.6、0.7)分类为车辆。
再有，在与捕获区域的各物体对应的准确度为相同程度的情况下，最大准确度计算单元602也可以暂时地暂缓判别，利用追加信息进行最终的判别。
例如，在图8A和图8B中，捕获区域d对行人的准确度(最大准确度0.9)和对车辆的准确度(最大准确度0.8)两方较高，所以最大准确度计算单元602暂时地保留物体的判别，将预备组的形状信息作为追加信息利用。
即，最大准确度计算单元602在将捕获区域d分类为车辆的情况下，以4个捕获区域a、b、c、d形成车辆，在将捕获区域d分类为行人的情况下，以3个捕获区域a、b、c形成车辆。接着，最大准确度计算单元602将追加信息即预备组的形状和形成的车辆的形状(捕获区域a、b、c、d、或捕获区域a、b、c)进行比较。这里，最大准确度计算单元602判断为以3个捕获区域a、b、c形成的形状接近车辆，所以将捕获区域d分类为行人。
再有，其他追加信息，例如也可以是预备组的跟踪信息、或来自多个雷达装置的信息等。但是，在难以保证捕获区域的连续性的情况下，最大准确度计算单元602例如也可以将存在车辆和行人的准确度作为暂缓信息。
如以上，根据本实施方式，即使在物体的判别上没有充分的信息的情况，物体检测装置60也累积不确定的信息，能够进行物体的判别。
以上，说明了本发明的各实施方式。
这些实施方式不过是本发明的物体检测装置的一例，也可以进行各种变形。此外，上述说明的各实施方式也可以适当组合。例如，在实施方式4的物体检测装置60中，也可以加入在实施方式2中说明的跟踪单元41。
此外，本发明的物体检测装置也可以连接到装载在车辆上的雷达装置。本发明的物体检测装置在判断为车辆和物体有碰撞的可能性的情况下，对驾驶员提示警告，或者通过控制车辆的行驶，能够避免碰撞。此外，本发明的物体检测装置也可以连接到为了正确地检测在包含路口的道路周边存在的车辆、二轮车、和行人等而设置在道路周边的雷达装置。在雷达装置被设置在道路周边的情况下，能够进行路口等中的车辆、两轮车和行人等的碰撞可能性预测、碰撞的避免、以及交通量的掌握和管理。其结果，本发明的物体检测装置能够防止交通事故，实现交通管理的高效率。或者，本发明的物体检测装置也可以连接到例如进行机场、建筑物、或设施的监视的雷达装置。本发明的物体检测装置能够正确地检测小型飞行器或鸟、闯入者等，所以能够确保设施的安全。
在上述各实施方式中，通过用硬件构成的例子说明了本发明，但也可以在与硬件的协同中通过软件实现本发明。
此外，用于上述实施方式的说明中的各功能块通常被作为集成电路即LSI来实现。集成电路控制用于上述实施方式的说明的各功能块，也可以包括输入端子和输出端子。这些功能块既可以被单独地集成为单芯片，也可以包含一部分或全部地被集成为单芯片。虽然这里称为LSI，但根据集成程度，可以被称为IC、系统LSI、超大LSI(Super LSI)、或特大LSI(Ultra LSI)。
此外，集成电路化的方法不限于LSI，也可使用专用电路或通用处理器来实现。也可以使用可在LSI制造后编程的FPGA(Field Programmable Gate Array：现场可编程门阵列)，或者使用可重构LSI内部的电路单元的连接、设定的可重构处理器(ReconfigurableProcessor)。
再者，随着半导体的技术进步或随之派生的其它技术，如果出现能够替代LSI的集成电路化的技术，当然可利用该技术进行功能块的集成化。还存在着适用生物技术等的可能性。
作为本发明的实施方式的各种方式，包含以下方式。
本发明的第1方式的物体检测装置包括：捕获区域提取单元，输入由一个以上雷达装置使用来自多个物体各自的多个反射波生成的测量信息，使用所述测量信息，从所述一个以上雷达装置的测量范围对每个规定距离和每个方位角被分割的多个第1单位区域之中，将所述多个物体的各自被捕获的多个第2单位区域提取作为多个第1捕获区域；预备分组单元，从所述多个第1捕获区域的各个区域，形成包含在规定的范围内存在的一个以上第2捕获区域的预备组；特征量获取单元，基于所述测量信息，计算表示所述预备组和所述一个以上第2捕获区域之间的关联的特征量；判别单元，基于所述特征量，判别属于所述一个以上第2捕获区域的各个区域的所述多个物体的每一个物体的类别；以及物体确定单元，将所述一个以上第2捕获区域的各个区域，根据所述多个物体的每一个类别进行分组，检测所述多个物体的各个物体。
本发明的第2方式的物体检测装置，在本发明的第1方式的物体检测装置中，所述雷达装置对规定的每一帧生成所述测量信息，所述物体检测装置还包括：基于前帧中的所述多个物体的每一个物体的类别的判别结果，进行对当前帧的所述预备组的跟踪处理的跟踪单元，所述特征量获取单元基于所述测量信息和所述跟踪单元的跟踪结果，获取所述当前帧的所述特征量。
本发明的第3方式的物体检测装置，在本发明的第1方式的物体检测装置中，所述捕获区域提取单元基于从2个以上的雷达装置的各个雷达装置获取的所述测量信息，提取所述多个第1捕获区域，所述预备分组单元对于所述2个以上的雷达装置的各个雷达装置形成所述预备组，所述物体检测装置还包括：将与所述2个以上的雷达装置的各个雷达装置对应的所述预备组统一在同一坐标系上的预备组统一单元。
本发明的第4方式的物体检测装置，在本发明的第1方式的物体检测装置中，所述判别单元包括：准确度计算单元，基于所述特征量，计算表示所述一个以上第2捕获区域的各个区域属于所述多个物体的类别候选的各个候选的程度的准确度；以及最大准确度计算单元，判定为所述一个以上第2捕获区域的各个区域属于所述准确度最大的所述多个物体的类别候选。
本发明的第5方式的物体检测装置，在本发明的第1方式的物体检测装置中，所述特征量包含所述预备组中包含的所述一个以上第2捕获区域的各个区域的特征量。
本发明的第6方式的物体检测装置，在本发明的第1方式的物体检测装置中，所述特征量包含与所述预备组和所述第2捕获区域的比较有关的特征量。
本发明的第7方式的物体检测装置，在本发明的第1方式的物体检测装置中，所述特征量包含所述第2捕获区域和所述第2捕获区域近旁的第3捕获区域的各个区域的特征量。
本发明的第8方式的物体检测装置，在本发明的第2方式的物体检测装置中，所述特征量包含前帧和当前帧之间的与所述预备组有关的所述特征量的变动量。
本发明的第9方式的物体检测装置，在本发明的第1方式的物体检测装置中，还包括：模型保存单元，保存在与所述特征量对应的所述多个物体模型化后的识别模型，所述判别单元将所述特征量获取单元算出的所述特征量和所述模型保存单元中保存的识别模型进行比较，判别所述一个以上第2捕获区域的各个区域属于的所述多个物体的类别。
本发明的第10方式的物体检测方法，包括以下步骤：输入由一个以上雷达装置使用来自多个物体各自的多个反射波生成的测量信息；使用所述测量信息，从所述一个以上雷达装置的测量范围对每个规定距离和每个方位角被分割的多个第1单位区域之中，将捕获了所述多个物体的各个物体的多个第2单位区域提取作为多个第1捕获区域；从所述多个第1捕获区域的各个区域，形成包含在规定的范围内存在的一个以上第2捕获区域的预备组；基于所述测量信息，计算表示所述预备组和所述一个以上第2捕获区域之间的关联的特征量；基于所述特征量，判别属于所述一个以上第2捕获区域的各个区域的所述多个物体的每个物体的类别；将所述一个以上第2捕获区域的各个区域，根据所述多个物体的每个物体的类别进行分组，检测所述多个物体的各个物体。
工业实用性
本发明能够用于使用雷达装置的测量结果进行物体的检测的物体检测装置。
标号说明
10，40，50，60 物体检测装置
11，51 捕获区域提取单元
12，52 预备分组单元
13，42，54 特征量获取单元
14，43，55 模型保存单元
15，44，56 判别单元
16 物体确定单元
20，20A、20B 雷达装置
30 监视控制系统
53 预备组统一单元
601 准确度计算单元
602 最大准确度计算单元

Claims (10)

1.物体检测装置，包括：
捕获区域提取单元，输入由一个以上雷达装置使用来自多个物体各自的多个反射波生成的测量信息，使用所述测量信息，从所述一个以上雷达装置的测量范围对每个规定距离和每个方位角被分割的多个第1单位区域之中，将所述多个物体的各自被捕获的多个第2单位区域提取作为多个第1捕获区域；
预备分组单元，从所述多个第1捕获区域的各个区域，形成包含在规定的范围内存在的一个以上第2捕获区域的预备组；
特征量获取单元，基于所述测量信息，计算表示所述预备组和所述一个以上第2捕获区域之间的关联的特征量；
判别单元，基于所述特征量，判别属于所述一个以上第2捕获区域的各个区域的所述多个物体的每一个物体的类别；以及
物体确定单元，将所述一个以上第2捕获区域的各个区域，根据所述多个物体的每一个物体的类别进行分组，检测所述多个物体的各个物体。
2.如权利要求1所述的物体检测装置，
所述雷达装置对规定的每一帧生成所述测量信息，
所述物体检测装置还包括：跟踪单元，基于前帧中的所述多个物体的每一个物体的类别的判别结果，进行对当前帧的所述预备组的跟踪处理，
所述特征量获取单元基于所述测量信息和所述跟踪单元的跟踪结果，获取所述当前帧的所述特征量。
3.如权利要求1所述的物体检测装置，
所述捕获区域提取单元基于从2个以上的雷达装置的各个雷达装置获取的所述测量信息，提取所述多个第1捕获区域，
所述预备分组单元对于所述2个以上的雷达装置的各个雷达装置形成所述预备组，
所述物体检测装置还包括：预备组统一单元，将与所述2个以上的雷达装置的各个雷达装置对应的所述预备组在同一坐标系上统一。
4.如权利要求1所述的物体检测装置，
所述判别单元包括：
准确度计算单元，基于所述特征量，计算表示所述一个以上第2捕获区域的各个区域属于所述多个物体的类别候选的各个候选的程度的准确度；以及
最大准确度计算单元，判定所述一个以上第2捕获区域的各个区域属于所述准确度最大的所述多个物体的类别候选。
5.如权利要求1所述的物体检测装置，
所述特征量包含所述预备组中包含的所述一个以上第2捕获区域的各个区域的特征量。
6.如权利要求1所述的物体检测装置，
所述特征量包含与所述预备组和所述第2捕获区域的比较有关的特征量。
7.如权利要求1所述的物体检测装置，
所述特征量包含所述第2捕获区域和所述第2捕获区域近旁的第3捕获区域的各个区域的特征量。
8.如权利要求2所述的物体检测装置，
所述特征量包含前帧和当前帧之间的与所述预备组有关的所述特征量的变动量。
9.如权利要求1所述的物体检测装置，还包括：
模型保存单元，保存在与所述特征量对应的所述多个物体模型化后的识别模型，
所述判别单元将所述特征量获取单元算出的所述特征量和所述模型保存单元中保存的识别模型进行比较，判别属于所述一个以上第2捕获区域的各个区域的所述多个物体的类别。
10.物体检测方法，包括以下步骤：
输入由一个以上雷达装置使用来自多个物体各自的多个反射波生成的测量信息；
使用所述测量信息，从所述一个以上雷达装置的测量范围对每个规定距离和每个方位角被分割的多个第1单位区域之中，将捕获了所述多个物体的各个物体的多个第2单位区域提取作为多个第1捕获区域；
从所述多个第1捕获区域的各个区域，形成包含在规定的范围内存在的一个以上第2捕获区域的预备组；
基于所述测量信息，计算表示所述预备组和所述一个以上第2捕获区域之间的关联的特征量；
基于所述特征量，判别属于所述一个以上第2捕获区域的各个区域的所述多个物体的每个物体的类别；
将所述一个以上第2捕获区域的各个区域，根据所述多个物体的每个物体的类别进行分组，检测所述多个物体的各个物体。
CN201610890580.5A 2016-01-19 2016-10-12 物体检测装置和物体检测方法 Active CN106980113B (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2016-007892 2016-01-19
JP2016007892A JP6571545B2 (ja) 2016-01-19 2016-01-19 物体検出装置および物体検出方法

Publications (2)

Publication Number Publication Date
CN106980113A true CN106980113A (zh) 2017-07-25
CN106980113B CN106980113B (zh) 2021-11-05

Family

ID=59314961

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610890580.5A Active CN106980113B (zh) 2016-01-19 2016-10-12 物体检测装置和物体检测方法

Country Status (3)

Country Link
US (1) US10451720B2 (zh)
JP (1) JP6571545B2 (zh)
CN (1) CN106980113B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109212513A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 多目标在雷达间数据传递、数据融合及连续跟踪定位方法
CN111208510A (zh) * 2018-11-22 2020-05-29 富士通株式会社 物体检测系统中传感器的部署方法、物体检测方法、装置和系统
CN112119330A (zh) * 2018-05-14 2020-12-22 三菱电机株式会社 物体检测装置及物体检测方法

Families Citing this family (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10338216B2 (en) * 2016-11-04 2019-07-02 GM Global Technology Operations LLC Object detection in multiple radars
US10528057B2 (en) * 2017-09-25 2020-01-07 GM Global Technology Operations LLC Systems and methods for radar localization in autonomous vehicles
US20180024239A1 (en) * 2017-09-25 2018-01-25 GM Global Technology Operations LLC Systems and methods for radar localization in autonomous vehicles
DE102017131114A1 (de) * 2017-12-22 2019-06-27 S.M.S, Smart Microwave Sensors Gmbh Verfahren und Vorrichtung zum Bestimmen wenigstens eines Parameters eines Objektes
JP7182869B2 (ja) * 2017-12-28 2022-12-05 古野電気株式会社 物標検出装置
JP7173735B2 (ja) * 2018-02-20 2022-11-16 株式会社デンソー レーダ装置及び信号処理方法
DE102018205322A1 (de) * 2018-04-10 2019-10-10 Audi Ag Verfahren und Steuervorrichtung zum Erkennen einer Fehlfunktion zumindest eines Umfeldsensors eines Kraftfahrzeugs
JP7015723B2 (ja) * 2018-04-11 2022-02-03 パナソニック株式会社 物体検出装置、物体検出システム、及び物体検出方法
JP7074593B2 (ja) * 2018-07-03 2022-05-24 株式会社Soken 物体検出装置
TWI675331B (zh) * 2018-08-31 2019-10-21 財團法人工業技術研究院 儲物裝置及儲物方法
US20210373124A1 (en) * 2018-10-12 2021-12-02 Kyocera Corporation Electronic device, control method of electronic device, and control program of electronic device
CN109683158B (zh) * 2018-12-21 2022-12-06 西安电子工程研究所 基于干涉仪信息融合的雷达地面静止防空单元检测方法
JP7469053B2 (ja) * 2020-01-29 2024-04-16 日本無線株式会社 目標検出装置及び目標検出プログラム
JP7409959B2 (ja) * 2020-05-01 2024-01-09 株式会社Soken 物体検出装置

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1227340A1 (fr) * 2001-01-30 2002-07-31 Meteo-France Procédé de détection radar
US6677886B1 (en) * 2002-10-28 2004-01-13 Raytheon Company Weather and airborne clutter suppression using a cluster shape classifier
CN103018737A (zh) * 2012-11-20 2013-04-03 电子科技大学 一种用fda雷达估计目标距离和方位角的方法及fda雷达
CN103645477A (zh) * 2013-12-04 2014-03-19 中国气象局气象探测中心 气象雷达信号处理方法和系统
CN104865562A (zh) * 2015-06-12 2015-08-26 西安电子科技大学 基于混合模型的雷达非合作目标的识别方法

Family Cites Families (33)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3035768B2 (ja) * 1995-05-22 2000-04-24 本田技研工業株式会社 車両用対照物検知装置
JP3298397B2 (ja) * 1996-02-16 2002-07-02 三菱電機株式会社 多目標追尾装置
US5867121A (en) * 1997-04-17 1999-02-02 Litton Systems, Inc. Radar scan converter system
DE19844620A1 (de) * 1998-09-29 2000-05-11 Stn Atlas Marine Electronics G Radargerät
JP3512066B2 (ja) * 1998-12-10 2004-03-29 トヨタ自動車株式会社 車載用レーダ装置
DE10260855A1 (de) * 2002-12-23 2004-07-08 Robert Bosch Gmbh Verfahren zur Erkennung von Objektkonstellationen anhand von Abstandssignalen
US7132975B2 (en) * 2004-05-28 2006-11-07 Time Domain Corporation Apparatus and method for detecting moving objects
EP1881343B1 (en) * 2005-05-13 2012-08-01 Murata Manufacturing Co., Ltd. Radar
JP5159056B2 (ja) * 2006-07-18 2013-03-06 古野電気株式会社 レーダ装置および類似装置
JP2008185357A (ja) * 2007-01-26 2008-08-14 Toshiba Corp レーダ信号処理装置
DE102007012458A1 (de) * 2007-03-15 2008-09-18 Robert Bosch Gmbh Verfahren zur Objektbildung
JP2009085921A (ja) * 2007-10-03 2009-04-23 Nissan Motor Co Ltd 物体検出装置および物体検出方法
US9250323B2 (en) * 2008-12-10 2016-02-02 The United States Of America As Represented By The Secretary Of The Army Target detection utilizing image array comparison
FR2940465B1 (fr) * 2008-12-18 2010-12-31 Valeo Vision Sas Procede de detection d'un objet cible pour vehicule automobile
JP5325361B2 (ja) * 2009-02-06 2013-10-23 古野電気株式会社 レーダ装置
JP2010197263A (ja) * 2009-02-26 2010-09-09 Furuno Electric Co Ltd レーダ装置
JP5206579B2 (ja) 2009-05-12 2013-06-12 トヨタ自動車株式会社 物体検出装置
JP5654223B2 (ja) * 2009-09-11 2015-01-14 古野電気株式会社 画像処理装置、これを搭載したレーダ装置、画像処理方法及び画像処理プログラム
US7990311B2 (en) * 2009-10-30 2011-08-02 Raytheon Applied Signal Technology, Inc. Adaptive clutter filter for maritime surface search radar
JP5697877B2 (ja) * 2010-02-01 2015-04-08 古野電気株式会社 送信装置、送信方法、物標探知装置、および物標探知方法
JP5607428B2 (ja) * 2010-06-03 2014-10-15 古野電気株式会社 信号処理装置、レーダ装置、信号処理方法、および信号処理プログラム
FR2974421B1 (fr) * 2011-04-21 2014-02-21 Thales Sa Procede pour detecter, sur plusieurs tours d'antenne, des cibles lentes noyees dans le fouillis radar avec un radar mobile a antenne rotative
JP5984376B2 (ja) * 2011-12-21 2016-09-06 三菱電機株式会社 レーダ信号処理装置およびレーダ装置
CA2774377C (en) * 2012-02-02 2017-05-02 Raytheon Canada Limited Knowledge aided detector
GB2500931A (en) * 2012-04-05 2013-10-09 Selex Galileo Ltd Radar surveillance system
US9429650B2 (en) * 2012-08-01 2016-08-30 Gm Global Technology Operations Fusion of obstacle detection using radar and camera
US9594159B2 (en) * 2013-07-15 2017-03-14 Texas Instruments Incorporated 2-D object detection in radar applications
GB2523097B (en) * 2014-02-12 2016-09-28 Jaguar Land Rover Ltd Vehicle terrain profiling system with image enhancement
JP6365251B2 (ja) * 2014-02-28 2018-08-01 パナソニック株式会社 レーダ装置
JP6449595B2 (ja) * 2014-08-29 2019-01-09 古野電気株式会社 クラッタ抑圧装置及びそれを備えたレーダ装置
US10101448B2 (en) * 2014-12-12 2018-10-16 Panasonic Intellectual Property Management Co., Ltd. On-board radar apparatus and region detection method
US9563808B2 (en) * 2015-01-14 2017-02-07 GM Global Technology Operations LLC Target grouping techniques for object fusion
DE102015008403B3 (de) * 2015-07-01 2016-08-11 Airbus Ds Electronics And Border Security Gmbh Verfahren zur automatischen Klassifikation von Radarobjekten

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP1227340A1 (fr) * 2001-01-30 2002-07-31 Meteo-France Procédé de détection radar
US6677886B1 (en) * 2002-10-28 2004-01-13 Raytheon Company Weather and airborne clutter suppression using a cluster shape classifier
CN103018737A (zh) * 2012-11-20 2013-04-03 电子科技大学 一种用fda雷达估计目标距离和方位角的方法及fda雷达
CN103645477A (zh) * 2013-12-04 2014-03-19 中国气象局气象探测中心 气象雷达信号处理方法和系统
CN104865562A (zh) * 2015-06-12 2015-08-26 西安电子科技大学 基于混合模型的雷达非合作目标的识别方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
赵利军 等: "基于激光雷达的移动机器人动态障碍跟踪", 《计算机测量与控制》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112119330A (zh) * 2018-05-14 2020-12-22 三菱电机株式会社 物体检测装置及物体检测方法
CN109212513A (zh) * 2018-09-29 2019-01-15 河北德冠隆电子科技有限公司 多目标在雷达间数据传递、数据融合及连续跟踪定位方法
CN109212513B (zh) * 2018-09-29 2021-11-12 河北德冠隆电子科技有限公司 多目标在雷达间数据传递、数据融合及连续跟踪定位方法
CN111208510A (zh) * 2018-11-22 2020-05-29 富士通株式会社 物体检测系统中传感器的部署方法、物体检测方法、装置和系统
CN111208510B (zh) * 2018-11-22 2023-09-08 富士通株式会社 物体检测系统中传感器的部署方法、物体检测方法、装置和系统

Also Published As

Publication number Publication date
CN106980113B (zh) 2021-11-05
JP2017129410A (ja) 2017-07-27
US10451720B2 (en) 2019-10-22
US20170205501A1 (en) 2017-07-20
JP6571545B2 (ja) 2019-09-04

Similar Documents

Publication Publication Date Title
CN106980113A (zh) 物体检测装置和物体检测方法
Zhang et al. A methodology for obtaining spatiotemporal information of the vehicles on bridges based on computer vision
Yang et al. Urban freight delivery stop identification with GPS data
Lombacher et al. Semantic radar grids
CN105513354A (zh) 基于视频的城市道路交通拥堵检测系统
US9075143B2 (en) Sparse array RF imaging for surveillance applications
CN102768804B (zh) 基于视频的交通信息采集方法
CN106646449A (zh) 物体检测装置及物体检测方法
CN110068818A (zh) 通过雷达和图像采集设备进行交通路口车辆及行人检测的工作方法
CN113256562B (zh) 基于雷达图像和人工智能的道路地下隐患检测方法和系统
Shirazi et al. Vision-based turning movement monitoring: count, speed & waiting time estimation
Sun et al. Vehicle reidentification using multidetector fusion
CN104616502A (zh) 基于组合式车路视频网络的车牌识别与定位系统
CN103942533A (zh) 一种基于视频监控系统的城市交通违规行为检测方法
CN107015226A (zh) 物体检测装置及物体检测方法
CN103345842A (zh) 一种道路车辆分型系统及方法
Chen et al. Road vehicle detection and classification using magnetic field measurement
Jeng et al. Tracking heavy vehicles based on weigh-in-motion and inductive loop signature technologies
CN109164450A (zh) 一种基于多普勒雷达数据的下击暴流预测方法
CN103164958A (zh) 车辆监控方法及系统
Guo et al. Dense traffic detection at highway-railroad grade crossings
CN113903180B (zh) 一种高速公路检测车辆超速的方法及系统
Wu et al. A variable dimension-based method for roadside LiDAR background filtering
Goyal et al. A neural network based approach for the vehicle classification
Khuc Computer vision based structural identification framework for bridge health mornitoring

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant