CN109328376A - 物体跟踪方法及物体跟踪装置 - Google Patents

Abstract

一种物体跟踪装置，使用检测本车辆(7)周围的物体(8)的物体检测传感器(10)，按时序跟踪物体(8)。在检测到多个物体(8)的情况下，基于物体(8)的位置对本车辆(7)的移动(9)带来的影响度，将多个物体(8)分成组(G)。将各自的组(G)作为一个物体按时序进行跟踪。

Description

物体跟踪方法及物体跟踪装置

技术领域

本发明涉及物体跟踪方法及物体跟踪装置。

背景技术

目前，已知有检测等待横穿道路的步行者或横穿道路中的步行者的存在状况的步行者检测装置(参照专利文献1)。专利文献1的步行者检测装置使用立体摄像机，检测交叉路口附近的步行者，基于按时序跟踪每个步行者的存在坐标的步行者的跟踪结果，更新步行者管理图表。

现有技术文献

专利文献

专利文献1：日本特开2002－024986号公报

发明所要解决的课题

但是，在存在多个步行者的情况下，按时序进行处理的数据量增大，从而计算负荷有可能增加。

发明内容

本发明是鉴于上述课题而完成的，其目的在于，提供一种物体跟踪方法及物体跟踪装置，其能够减轻按时序跟踪多个物体时的计算负荷。

用于解决课题的技术方案

本发明之一方式的物体跟踪方法在检测到多个物体的情况下，基于物体的位置对本车辆的移动带来的影响度，将多个物体分成组，将各自的组作为一个物体按时序进行跟踪。

发明效果

根据本发明之一方式的物体跟踪方法，能够减轻按时序跟踪多个物体时的计算负荷。

附图说明

图1是表示实施方式的物体跟踪装置的构成的块图；

图2是表示使用图1的物体跟踪装置的物体跟踪方法之一例的流程图；

图3是表示四叉路的交叉路口的俯视图；

图4是表示图2的第一处理(步骤S170)的详细顺序的流程图；

图5A是用于说明第一处理的图，表示的是位于交叉路口内的步行者8a～8d；

图5B是用于说明第一处理的图，表示的是位于行驶路线9上的步行者8c、8d；

图5C是用于说明第一处理的图，表示的是未位于行驶路线9上的步行者8a、8b；

图5D是用于说明第一处理的图，表示的是未位于人行横道1c上的步行者8e、8f；

图6是表示图2的第二处理(步骤S180)的详细顺序的流程图；

图7A是用于说明第二处理的图，表示的是位于人行道区域2A内的步行者8g、8h；

图7B是用于说明第二处理的图，表示的是位于人行道区域2A内的步行者8g、8h的移动方向；

图7C是用于说明第二处理的图，表示的是步行者8g、8h可进入的路径L1、L2；

图7D是用于说明第二处理的图，表示的是位于人行道区域2B内的步行者8i、8j的移动方向；

图7E是用于说明第二处理的图，表示的是步行者8i、8j可进入的路径L3、L4；

图8是表示组G的代表位置RP及大小的概念图；

图9A是表示物体的跟踪处理的概念图，表示的是在最初的帧(flame)上执行的处理；

图9B是表示物体的跟踪处理的概念图，表示的是预测带有跟踪标记13的步行者的位置的处理；

图9C是表示物体的跟踪处理的概念图，表示的是新生成跟踪标记13’的处理；

图9D是表示物体的跟踪处理的概念图，表示的是删除跟踪标记13的处理；

图10是表示图3的第三处理(步骤S220)的详细顺序的流程图；

图11A是表示在人行道上沿同一方向移动的4个步行者8k、8m、8n、8p的俯视图；

图11B是表示将4个步行者8k、8m、8n、8p分类为一个组G9的例子的俯视图；

图11C是表示基于移动速度，将4个步行者8k、8m、8n、8p分类为两个组G10、G11的例子的俯视图；

图11D是表示步行者8k追上其他步行者8m、8n、8p的状态的俯视图；

图11E是表示步行者8k超越其他步行者8m、8n、8p的状态的俯视图；

图12A是表示本车辆7的移动和步行者8k、8m、8n、8p的移动的关系的俯视图；

图12B是表示本车辆7的移动和步行者8k、8m、8n、8p的移动的关系的俯视图；

图13A是表示步行者8k、8m、8n、8p的位置没有对本车辆7的移动带来影响的例子的俯视图；

图13B是表示步行者8k、8m、8n、8p的位置对本车辆7的移动带来影响的例子的俯视图；

图13C是表示本车辆7不能在步行者8k和步行者8m之间通过的例子的俯视图；

图13D是表示本车辆7能够在步行者8k和步行者8m之间通过的例子的俯视图。

具体实施方式

参照附图对实施方式进行说明。在附图的记载中，在同一部分附带同一符号，省略说明。

参照图1对实施方式的物体跟踪装置的构成进行说明。物体跟踪装置具备：检测本车辆(自车辆)周围的物体的物体检测传感器10、按时序跟踪由物体检测传感器10检测到的物体的运算电路80。运算电路80具备：从由物体检测传感器10检测到的物体中抽取步行者的步行者抽取电路20、取得本车辆周围的地图信息的地图信息取得电路30、取得与本车辆有关的信息的本车辆信息取得电路40、组确定电路60、按时序跟踪各物体的跟踪电路70。

运算电路80可使用具备：CPU(中央处理装置)、存储器、及输入输出部的微型计算机来实现。用于使微型计算机作为运算电路80发挥功能的计算机程序通过安装于微型计算机来执行。由此，微型计算机作为运算电路80发挥功能。此外，这里表示的是通过软件而实现运算电路80的例子，当然，也可准备用于执行以下所示的各信息处理的专用硬件而构成运算电路80。另外，运算电路80所含的多个电路(20、30、40、60、70)也可以由单独的硬件构成。进而，运算电路80也可以兼用于本车辆的其他控制的电子控制单元(ECU)。

组确定电路60在由物体检测传感器10同时检测到多个物体的情况下，基于由物体的位置对本车辆的移动带来的影响度，将多个物体分成组。如果由物体的位置对本车辆的移动带来的影响度大，则进行更细致地分组，如果影响度小，则进行粗略地分组。换句话说，在物体的位置所在的区域对本车辆的移动带来的影响度越大，将位于越狭窄区域的物体分成一个组，在物体的位置对本车辆的移动带来的影响度越小，将位于越宽阔区域的物体分成一个组。

跟踪电路70将各自的组作为一个物体按时序进行跟踪。跟踪电路70在由物体检测传感器10同时检测到多个物体的情况下，将分组后的物体作为一个物体而跟踪，以此来代替跟踪各个物体。由此，跟踪对象物体的数量减少，可减轻运算电路80的处理负担。

物体检测传感器10至少能够检测：本车辆和物体的相对位置、相对速度、物体的属性。物体检测传感器10例如检测物体是车辆、步行者、自行车中的某一种、或者是未知等作为物体的属性。例如，物体检测传感器10使用搭载于本车辆的单眼(单镜头)或复眼(多镜头)立体摄像机，拍摄本车辆的周围。而且，物体检测传感器10通过根据所拍摄到的图像进行基于三角测量原理的立体图像处理，求出图像中的物体的三维坐标。除此以外，物体检测传感器10也可以使用例如激光测距仪(LRF)来代替摄像机，或者与摄像机组合，求出物体的三维坐标。

步行者抽取电路20基于由物体检测传感器10检测到的物体的面积、地面高度、移动速度、形状等，从物体中抽取步行者。使用步行者的属性信息(包含面积、地面高度、移动速度、形状等)，抽取步行者，将步行者的信息保存于存储器内。属性信息可根据物体的形状、移动量、在使用摄像机图像时从面孔及服装等特征来赋予。当然，也可以使用其他方法。

此外，在本实施方式中，作为物体跟踪装置的一个例子，对跟踪从由物体检测传感器10检测到的物体中抽取的步行者的步行者跟踪装置进行说明。

地图信息取得电路30基于事先准备的本车辆的位置信息，取得本车辆周围的地图信息。本车辆可行驶的公路的所有地图信息都作为地图数据而预保存于由半导体存储器构成的数据存储单元内。地图信息取得电路30通过本车辆的位置信息来检索地图数据，从地图数据中抽取本车辆周围的地图信息。本车辆周围的地图信息至少包含：本车辆周边的车道信息、人行道的宽度及形状、与交通规则有关的信息。

地图信息取得电路30可以用本车辆的位置信息来检索搭载于本车辆的数据存储单元，取得本车辆周围的地图信息，还可以从本车辆经由无线通信来访问可连接的数据库，从云上的数据库中取得本车辆周围的地图信息。即，地图信息取得电路30只要从存在于物体跟踪装置的内外的数据存储部取得本车辆周围的地图信息即可。在此，“本车辆周围”表示的是以本车辆为中心而包含一定范围例如物体检测传感器10的检测范围在内的区域。

本车辆信息取得电路40至少取得：本车辆的速度、加速度、操舵角、与行驶路线有关的信息作为本车辆信息。本车辆的速度及加速度可根据从设置于本车辆的车轮上的轮速传感器输出的表示车轮的旋转速度的信号来求出。另外，操舵角可根据从安装于转向轴的转向角传感器输出的表示操舵方向、中立位置及转舵角的信号来求出。行驶路线是本车辆要行驶到预设定的目的地的预定的路线。行驶路线例如通过由导航系统检索，且驾驶员承认来确定。当然，也可以使用其以外的现有方法来取得行驶路线。

组确定电路60在由物体检测传感器10同时检测到多个物体，且由步行者抽取电路20同时抽取到多个步行者的情况下，基于由步行者的位置对本车辆的移动带来的影响度，将步行者分成组。具体地说，组确定电路60首先将步行者按其移动方向进行初始分组。然后，基于由步行者的位置对本车辆的移动带来的影响度，对沿同一方向移动的多个步行者，进行更详细地分组。组确定电路60使用本车辆的地图上的位置、移动方向、移动速度、本车辆的行驶路线、各步行者相对于本车辆的相对位置、相对速度、移动方向、本车辆周围的地图信息、本车辆信息中的至少任一个，计算出对本车辆的移动带来的影响度。当然，组确定电路60也可以使用上述以外的信息，计算出对本车辆的移动带来的影响度。

例如，可以说是步行者的位置距本车辆的地图上的位置及本车辆的行驶路线越远，本车辆的存在及移动对步行者的安全性带来的影响度越小。于是，组确定电路60例如在步行者的位置距本车辆的地图上的位置及本车辆的行驶路线越远，将对本车辆的移动带来的影响度评价为小，将位于更宽阔区域的步行者分成一个组。由此，能够在确保了步行者及本车辆的安全移动的基础上，减少组的数量。因而，能够充分确保步行者的安全性，且能够减轻步行者跟踪的计算负荷。此外，在步行者的位置仅距本车辆的地图上的当前位置或本车辆的行驶路线中的任一方远的情况下，也可以将对本车辆的移动带来的影响度评价为小。

组确定电路60计算且存储各组的地图上的代表位置、大小、形状、移动方向、相对速度。

跟踪电路70将各自的组作为一个步行者按时序进行跟踪。跟踪电路70在由物体检测传感器10同时检测到多个步行者的情况下，将分组后的多个步行者作为一个步行者可按时序进行跟踪，以此来代替跟踪各个步行者。

参照图2，对使用图1的物体跟踪装置的物体跟踪方法之一例进行说明。

首先，在步骤S110中，安装于本车辆的物体检测传感器10检测本车辆周围的物体。进入步骤S120，步行者抽取电路20从检测到的物体中抽取属性为步行者的物体，且将所抽取到的步行者的信息保存于存储器。步行者的信息包含各步行者相对于本车辆的相对位置、相对速度、移动方向。

进入步骤S130，组确定电路60对同时抽取到的多个步行者，基于其速度矢量或移动方向进行初始分组。例如，将在图3的同一人行道区域2A～2H或同一人行横道1a～1d上沿同一方向移动的多个步行者分类为一个初始组。

进入步骤S140，地图信息取得电路30基于事先准备好的本车辆的位置信息，取得本车辆周围的地图信息。

接着，在步骤S150及S160中，组确定电路60分别判断所抽取到的步行者的位置是在交叉路口附近，还是在交叉路口内。在此，参照图3对“交叉路口附近”和“交叉路口内”进行说明。

在图3所示的四叉路的交叉路口中，“交叉路口内1”表示的是包含道路交叉的区域、设置于交叉路口的四个人行横道1a～1d，进而从四个人行横道1a～1d的外侧端部扩展到距离d1的区域。距离d1设为考虑到物体检测传感器10的检测误差的值，例如，0.5m。“交叉路口附近2”表示的是包含交叉路口内1，进而从交叉路口的中心扩展到距离d2(例如，30m)的区域。交叉路口附近2包含与四个人行横道1a～1d相连的8个人行道区域2A～2H。

在步骤S150中，组确定电路60判断所抽取到的步行者是否位于交叉路口附近2。在位于交叉路口附近2的情况下(S150中，是)，进入步骤S160，在位于交叉路口附近2的外侧的情况下(S150中，否)，进入步骤S220，组确定电路60执行第三处理。

在步骤S160中，组确定电路60基于由步骤S140取得的本车辆周围的地图信息，判断所抽取到的步行者是否位于交叉路口内1。在位于交叉路口内1的情况下(S160中，是)，进入步骤S170，组确定电路60执行第一处理。在位于交叉路口内2的外侧的情况下(S150中，否)，进入步骤S180，组确定电路60执行第二处理。此外，在检测到多个步行者分别位于交叉路口内1、交叉路口附近2、交叉路口附近2的外侧的情况下，组确定电路60针对步行者所处的图3所示的每个区域，实施将步行者分组的第一处理～第三处理。

之后，进入步骤S190，为了将分类后的各组作为1个步行者进行跟踪，跟踪电路70计算出各组的代表位置及大小。例如，如图8所示，考虑将5个步行者8分类为一个组G的情况。跟踪电路70设定如包括组G所含的所有步行者8那样的长Lg及宽Wi的四边形作为组的大小。而且，跟踪电路70设定该长Lg及宽Wi的四边形的中心位置RP(X，Y)作为组G的代表位置。

进入步骤200，跟踪电路70将各组作为1个步行者按时序进行跟踪。例如，如图9A～图9D所示，跟踪电路70按时序对在四个载物台上检测到的物体进行跟踪处理。图9A表示的是仅在最初的帧上执行的处理。第一，跟踪电路70对所检测到的所有步行者8分别标上跟踪标记13(跟踪器)。第二，如图9B所示，跟踪电路70预测带有跟踪标记13的步行者的位置。参照步行者的移动方向及移动速度、位置，对所有跟踪标记13预测下一时刻(T+1)的步行者8的位置，使跟踪标记13向所预测到的位置11过渡。第三，跟踪电路70将在时刻(T+1)检测到的步行者8的位置(检测位置)和图9B所示的预测位置11进行比较。如图9C所示，跟踪电路70在不能发现距检测位置8’一定距离(例如，6m)以内对应的预测位置11的情况下，在检测位置8’新生成跟踪标记13’。反之，第四，如图9D所示，跟踪电路70在能发现距预测位置11一定距离(例如，6m)以内对应的检测位置的情况下，删除跟踪标记13。

在步骤210中，判断点火开关(IGN)是否已断开。在已断开的情况下(S210中，是)，结束图2所示的处理。另一方面，如果未断开(S210中，否)，则返回到步骤S110。直到IGN断开为止，都以规定的周期重复执行图2所示的流程图。

(第一处理)

参照图4对第一处理(图2的步骤S170)的详细顺序进行说明。在步骤S510中，针对图2的每个人行横道1a～1d，将位于同一人行横道区域的多个步行者分类为一个组。此外，如图5A所示，“人行横道区域”是包含各人行横道1a～1d，进而从各人行横道1a～1d的外周缘向交叉路口的内侧及外侧分别扩展了规定距离的区域。对应于四个人行横道1a～1d，设定四个人行横道区域1A～1D。例如，位于人行横道区域1A的5个步行者8a、8b被分类成一个组，位于人行横道区域1C的6个步行者8c、8d被分类成另外一个组。

进入步骤S520，根据各步行者相对于本车辆7的相对位置，计算出属于同一组的步行者间的距离。进入步骤S530，读取由本车辆信息取得电路40取得的行驶路线9。

进入步骤S540，判断由步骤S510分组后的步行者是否位于行驶路线9上。例如，如图5A所示，在本车辆7在交叉路口向右转的情况下，人行横道区域1C位于行驶路线9上(S540中，是)。因而，可判断为位于人行横道区域1C内的步行者位于行驶路线9上。在这种情况下，位于人行横道区域1C的6个步行者8c、8d对本车辆的移动带来的影响度较大。因此，优选将位于人行横道区域1C的6个步行者8c、8d进一步进行详细分类并跟踪。换句话说，优选在位于更狭窄区域的步行者彼此之间进行分组。因此，进入步骤S550。

在步骤S550中，首先，判断6个步行者8c、8d各自是否位于人行横道1c上。在位于人行横道1c上的情况下(S550中，是)，进入步骤S560，将步行者间的距离和规定的阈值D1进行比较。然后，在步骤S570中，将步行者间的距离小于阈值D1的步行者分类为一个组。例如，如图5B所示，将3个步行者8c分类为一个组G1。另一方面，步行者8d距3个步行者8c的距离为d3。距离d3大于阈值D1。在这种情况下，步行者8d分类为不同于组G1的组G2。

另一方面，例如，如图5D所示，在步行者8e、8f未位于人行横道1c上的情况下(S550中，否)，进入步骤S590。在S590中，将从未位于人行横道1c上的各步行者8e、8f到人行横道1c的距离和规定的阈值D3进行比较。从步行者8e到人行横道1c的距离小于阈值D3。在这种情况下，步行者8e也可以与位于人行横道1c上的3个步行者8c分类到同一组G1中。阈值D3例如只要设定为与由物体检测传感器10检测到的物体的相对位置所含的误差相同值即可。

另一方面，从步行者8f到人行横道1c的距离为阈值D3以上。在这种情况下，因为步行者8f脱离了人行横道1c有测量误差以上的距离，所以可判断为未遵守交通规则。因此，步行者8f被分类为与位于人行横道1c上的3个步行者8c不同的组G4。这样，基于物体位置沿着通行规则的程度，将多个物体分成组。

此外，在步骤S590中，以距离为基准进行了判断，但也可以代替距离或者除距离以外还以步行者的移动方向为基准进行判断。例如，如果步行者的移动方向沿着人行横道的延伸方向，则可判断为正在横穿车道。但是，如果移动方向不是沿着人行横道的延伸方向，则不能说是遵守交通规则，可判断为对本车辆的移动带来的影响较大。于是，在步骤S590中，在不满足距离及移动方向双方或者任一个条件的情况下，也可以分类为与位于人行横道1c上的3个步行者8c不同的组G4。

另一方面，如图5A所示，因为人行横道区域1A未位于行驶路线9上，所以可判断为由步骤S510分组后的步行者8a、8b未位于行驶路线9上。在这种情况下(S540，否)，也可以将位于人行横道区域1A的6个步行者8a、8b对本车辆的移动带来的影响度评价为小。于是，进行步骤S580，将步行者间的距离和规定的阈值D2进行比较。然后，在步骤S570中，将步行者间的距离小于阈值D2的步行者分类为一个组。阈值D2大于阈值D1。例如，阈值D2与人行横道的长度即车道的宽度相同。由此，如图5C所示，在人行横道区域1A内，相互分开的2个步行者8a、8b被分类为一个组G3。

如上所述，在第一处理中，可基于步行者间的距离、移动方向、及本车辆的行驶路线9和步行者的位置之间的关系，对位于交叉路口内1的步行者实施分组。

(第二处理)

参照图6对第二处理(步骤S180)的详细顺序进行说明。在步骤S710中，针对图2的每个人行道区域2A～2H，都抽取位于人行道区域的步行者。例如，如图7A所示，抽取位于人行道区域2A内的4个步行者8g、8h。

进入步骤S720，根据各步行者相对于本车辆7的相对位置，计算出位于同一人行道区域内的步行者间的距离。进入步骤S730，将步行者间的距离和规定的阈值D4进行比较，将步行者间的距离小于阈值D4的步行者分类为一个组。例如，如图7B所示，因为4个步行者8g、8h间的距离小于阈值D4，所以被分类为一个组G5。阈值D4例如是阈值D2的2倍。如果步行者间的距离为阈值D4以上，则分类为不同的组。

进入步骤S740，判断分类后的各组是否进入了交叉路口内1。例如，基于各组的移动速度、移动方向、至交叉路口内1的距离，判断各组是否在规定时间内进入了交叉路口内1。

在要进入交叉路口内1的情况下(S740，是)，进入步骤S750，基于交通规则，取得属于组的步行者8g、8h要行走的路径。例如，因为判断为图7C所示的属于组G5的步行者8g、8h要进入交叉路口内1，所以在交叉路口内1，取得要穿过人行横道1a、1b的路径L1、L2。

进入步骤S760，读取由本车辆信息取得电路40取得的行驶路线9。例如，读取在交叉路口向右转的行驶路线9。进入步骤S770，基于路径L1、L2及行驶路线9，判断步行者8g、8h是否有可能进入行驶路线9上。例如，如图7C所示，在行驶路线9与任一路径L1、L2都不交叉的情况下，判断为步行者8g、8h不可能进入行驶路线9上。

在不可能进入行驶路线9上的情况下(S770中，否)，可判断为步行者对本车辆7的移动带来的影响较小。因此，不进行更详细的分组，进入步骤S790，维持由S730处理后的组不变。例如，图7C所示的包含4个步行者8g、8h的组G5被原样维持。

另一方面，在有可能进入行驶路线9上的情况下(S770中，是)，可判断为步行者对本车辆的移动带来的影响较大。于是，要对步行者比S730更详细地分组，所以进入步骤S780，按照小于阈值D4的阈值D1，再次进行分组。

例如，如图7D所示，位于人行道区域2B内的4个步行者8i、8j在S730中被分类为一个组G6。在组G6要进入交叉路口内1的情况下(S740中，是)，如图7E所示，取得属于组G6的步行者8i、8j要行走的路径L3、L4。因为路径L3、L4中的某一个与行驶路线9交叉(S770中，是)，所以进入步骤S780。在判断为步行者8i、8j间的距离大于阈值D1的情况下，如图7E所示，步行者8i及步行者8j被分类为不同的组G7、G8。即，位于人行道区域2B内的4个步行者8i、8j在比S730更狭窄的区域内再次被分组。

此外，这里根据行驶路线9和路径L3、L4的关系，判断步行者对本车辆7的移动带来的影响，但不局限于此。例如，也可以使用本车辆7的当前位置和路径L3、L4的关系来判断。具体地说，也可以在本车辆7的当前位置和步行者8i、8j要行走的路径L3、L4之间的距离越远，将更宽阔区域分类为一个组。

另一方面，在步骤740中，在判断为组不是要进入交叉路口内1的情况下(S740中，否)、可判断为属于组的步行者对本车辆7的移动带来的影响较小。因而，进入步骤S790，维持由S730处理后的组。

如上所述，在第二处理中，可基于步行者间的距离、移动方向、及本车辆的行驶路线9和步行者的位置之间的关系，对图3所示的位于交叉路口内1的外侧且位于交叉路口附近2的内侧的步行者实施分组。

(第三处理)

参照图10对第三处理(步骤S220)的详细顺序进行说明。在第三处理中，对位于交叉路口附近2的外侧的步行者实施分组。

首先，在步骤S910中，基于移动速度，对同时抽取到的多个步行者进行分组。具体地说，组确定电路60计算出在图2的步骤S130中抽取到的移动方向相同的多个步行者间的速度差(△V)。将速度差(△V)为规定值以下的步行者分类为一个组。

例如，如图11A所示，物体跟踪装置抽取在人行道上沿同一方向移动的4个步行者8k、8m、8n、8p。在4个步行者8k、8m、8n、8p间的速度差(△V)全都为规定值以下的情况下，如图11B所示，将4个步行者8k、8m、8n、8p分类为一个组G9。

另一方面，4个步行者8k、8m、8n、8p中的步行者8k的移动速度比其他步行者8m、8n、8p快规定值以上。而且，其他步行者8m、8n、8p间的速度差(△V)全都为规定值以下。在这种情况下，步行者8k和其他步行者8m、8n、8p被分类为各不相同的组G11、G10。由此，例如即使在速度快的步行者8k接近速度慢的步行者8m、8n、8p(图11C、图11D)或远离(图11E)的情况下，也能够减少组数及组大小的变动。速度差(△V)的规定值例如在可检测本车辆7期间，基于速度快的步行者8k是否能够超过速度慢的步行者8m、8n、8p来确定。

例如，如图12A所示，搭载于本车辆7的物体检测传感器10检测到4个步行者8k、8m、8n、8p。步行者8m、8n、8p的移动速度较慢(例如，每小时4km)，步行者8k的移动速度较快(例如，每小时15km)。物体检测传感器10在距本车辆7的后端40m的范围内可检测物体。在本车辆7以每小时30km的速度行驶的情况下，从图12A的位置起行驶40m要花费4.8秒。这期间，步行者8k、8m、8n、8p前进5.3m，步行者8k前进20m，成为图12B所示的位置关系。步行者8k追上了前方的步行者8n、8p，并离开了。在这种状况下，将步行者8k与步行者8m、8n、8p分成不同的组。相反，步行者8m和前方的2个步行者8n、8p的速度差(△V)为规定值以下，在图12A和图12B中，步行者8m、8n、8p间的位置关系不变。在这种状况下，将步行者8m和其前方的2个步行者8n、8p分类到同一组中。

接着，进入步骤S920，读取由本车辆信息取得电路40取得的行驶路线9。进入步骤S930，基于行驶路线9，判断步行者的位置是否对本车辆7的移动带来了影响。具体地说，与第一及第二处理同样，判断步行者的位置是否有可能进入行驶路线9上。

例如，如图13A所示，在行驶路线9显示的是在车道上直行的路线的情况下，步行者8k、8m、8n、8p的位置不可能进入行驶路线9上。因而，判断为步行者8k、8m、8n、8p的位置不会对本车辆7的移动带来影响(S930中，否)，进入步骤940。另一方面，如图13B所示，在行驶路线9显示的是要进入面向道路的停车场12内的路线的情况下，步行者8k、8m、8n、8p的位置有可能进入行驶路线9上。因而，判断为步行者8k、8m、8n、8p的位置会对本车辆7的移动带来影响(S930中，是)，进入步骤960。

在步骤S940中，将步行者间的距离和阈值D5进行比较。然后，在步骤S950中，将步行者间的距离小于阈值D5的步行者分类为一个组。例如，将阈值D5设定为无限大，如图13A所示，将在同一侧的人行道上沿同一方向移动的4个步行者8k、8m、8n、8p全都分类为一个组G12。

另一方面，在步骤S960中，考虑步行者间的距离及相对速度、本车辆7的速度，设定阈值D6。进入步骤S970，将步行者间的距离和阈值D6进行比较。例如，如图13B所示，计算出直到步行者8k和本车辆7的碰撞点Pa为止的到达时间差，如果该时间差为规定时间(例如，2～3秒钟)以上，则能够在步行者8k和步行者8m之间通过。换句话说，如图13D所示，如果步行者8k和步行者8m的距离为步行者8k的移动速度乘以规定时间(2～3秒钟)所得的距离以上，则本车辆7能够在步行者8k和步行者8m之间通过。在这种情况下，在步骤950中，将步行者8k和其他3个步行者8m、8n、8p分类为不同的组G14、G15。

相反，如图13C所示，如果步行者8k和步行者8m的距离低于步行者8k的移动速度乘以规定时间(2～3秒钟)所得的距离，则本车辆7不能在步行者8k和步行者8m之间通过。在这种情况下，在步骤950中，将步行者8k和其他3个步行者8m、8n、8p分类为同一组G13。

此外，在实施方式中，作为物体之一例，对步行者进行了说明，但不局限于此。例如，步行者抽取电路20不仅抽取步行者，也可以抽取自行车，都包含在跟踪对象中。另外，在步行者中，不仅包含以每小时4km左右进行步行的步行者，也可以包含以其以上的速度进行移动的所谓跑步的步行者。

如上所述，根据实施方式，可得到以下作用效果。

在检测到多个物体的情况下，基于物体的位置例如人行横道上、自行车道上的位置对本车辆的移动带来的影响度，例如，与本车辆的移动方向的交叉状况、或与本车辆的相对距离除以接近速度所得的时间，将多个物体分成组。然后，将各自的组作为一个物体按时序进行跟踪。由此，能够将分为同一组的2个以上的物体作为一个物体按时序进行跟踪。因而，能够减少按时序进行跟踪的物体的数量，因此，能够减轻按时序跟踪多个物体时的计算负荷。

物体的位置对本车辆的移动带来的影响度越小，将位于越宽阔区域的多个物体分为一个组。由此，能够在确保本车辆的安全移动的基础上，减少组的数量，因此，既能够确保本车辆的安全移动，又能够减轻计算负荷。

物体的位置距本车辆的行驶路线9越远，判断为对本车辆的移动带来的影响度越小。由此，即使相对距离较近，也能够以宽阔区域对脱离了行驶路线的物体进行分组。因而，跟踪对象物体的数量减少，系统的计算负荷被减轻。另外，越接近本车辆的行驶路线时，判断为对本车辆的移动带来的影响度越大。由此，能够以狭窄区域将相对距离较远但接近本车辆的行驶路线的物体进行分组，因此，能够确保本车辆的更安全的移动。

此外，物体的位置距本车辆越远，也可以判断为对本车辆的移动带来的影响度越小。由此，能够以宽阔区域对距本车辆较远的物体进行分组，因此能够容许传感器对距本车辆较远的物体的检测误差，能够减少组的数量。

如第三处理(图10、图11A～图11E)所述，基于物体的移动量(包含移动速度、移动方向)，将多个物体分为组。由此，组的数量、组的大小及中心位置的变化较少，能够得到更稳定的检测结果。

如图5D及图4的步骤S590所示，基于物体位置沿着的通行规则的程度，将多个物体分为组。由此，能够将不遵守交通规则的物体作为与遵守交通规则的物体不同的另外的组进行跟踪，因此，本车辆能够获得更安全的行动。

如上所述，记载的是本发明的实施方式，但构成该公开的一部分的论述及附图并不能理解为是限定该发明的。对于本领域技术人员来说，从该公开中可知各种各样的替代实施方式、实施例及运用技术。

例如，表示的是根据本车辆的行驶路线和物体的地图上的位置之间的交叉状况、或者本车辆的行驶路线和物体的移动方向之间的交叉状况，来评价物体的位置对本车辆的移动带来的影响的情况，但不局限于此。例如，也可以根据本车辆和物体的相对距离或物体相对于本车辆的接近速度进行评价。具体地说，也可以在本车辆和物体的相对距离越短，或者在物体相对于本车辆的接近速度越快时，将物体的位置对本车辆的移动带来的影响评价为越大。进而，也可以在相对距离除以接近速度所得的碰撞时间(TTC)越短时，将物体的位置对本车辆的移动带来的影响评价为越大。

本车辆和物体的相对距离可以是本车辆及物体的当前位置间的距离，也可以是本车辆的行驶路线和物体的当前位置之间的距离。进而，本车辆和物体的相对距离也可以是基于本车辆及物体的地图上的位置及移动方向及移动速度而预测到的、规定时间后的本车辆及物体的预测位置间的距离。此外，规定时间后的本车辆的预测位置可根据行驶路线而计算出。

物体相对于本车辆的接近速度可以是当前的接近速度，也可以是规定时间后的接近速度。规定时间后的接近速度只要基于本车辆的行驶路线、物体的地图上的位置及物体的移动方向及移动速度来推定即可。规定时间后的本车辆的移动方向及移动速度可根据本车辆的行驶路线而计算出。另外，规定时间后的物体的移动方向及移动速度可根据物体的地图上的当前位置、当前的移动方向及移动速度而预测。

分组判断时的物体间的距离的阈值越大，包含在一个组中的物体能够分布在越宽阔范围内，因此，被分组的区域变大。在将物体的位置对本车辆的移动带来的影响评价为较小的情况下，通过增大物体间的距离的阈值，能够使分组的区域扩大。

存在于本车辆周围的物体对本车辆的行驶带来的影响对于每个物体来说都是不同的。例如，在对本车辆进行自动驾驶控制的情况下，预设定目的地及至目的地的行驶路线。在这种情况下，物体对本车辆的行驶带来的影响随着本车辆的地图上的位置及行驶路线、物体的地图上的位置而变化。因而，没有单独地跟踪本车辆周围的所有物体的技术意义，如果物体给本车辆的行驶带来的影响较小，则即使将多个物体集中为一个物体而跟踪也无妨。特别是在交叉路口附近2检测到多个步行者的情况下，根据本实施方式，既能够确保本车辆的安全行驶，又能够抑制自动驾驶系统的计算负荷的增大。进而，能够抑制自动驾驶系统的处理速度的下降。

上述各实施方式所示的各功能可通过1个或多个处理电路被安装来获得。处理电路包含含有电气电路的处理装置等的编有程序的处理装置。处理装置还包含如以执行实施方式所记载的功能的方式被改装的面向特定用途的集成电路(ASIC)及传统型的电路零件那样的装置。

符号说明

1a～1d 人行横道

1A～1D 人行横道区域

2A～2H 人行道区域

8a～8p 步行者

9 行驶路线

10 物体检测传感器

20 步行者抽取电路

30 地图信息取得电路

40 本车辆信息取得电路

60 组确定电路

70 跟踪电路

80 运算电路

L1～L4 路径

D1～D6 阈值

Claims (7)

1.一种物体跟踪方法，使用检测本车辆周围的物体的传感器，按时序跟踪所述物体，其特征在于，

在检测到多个物体的情况下，基于所述物体的位置对所述本车辆的移动带来的影响度，将所述多个物体分成组，

将各自的组作为一个物体按时序进行跟踪。

2.如权利要求1所述的物体跟踪方法，其特征在于，

所述物体的位置对所述本车辆的移动带来的影响度越小，将位于越宽阔区域的所述多个物体分成一个组。

3.如权利要求2所述的物体跟踪方法，其特征在于，

所述物体的位置距所述本车辆的行驶路线越远，判断为对所述本车辆的移动带来的影响度越小。

4.如权利要求2或3所述的物体跟踪方法，其特征在于，

所述物体的位置距所述本车辆越远，判断为对所述本车辆的移动带来的影响度越小。

5.如权利要求1～4中任一项所述的物体跟踪方法，其特征在于，

在检测到所述多个物体的情况下，基于所述物体的位置对所述本车辆的移动带来的影响度及各物体的移动量，将所述多个物体分成组。

6.如权利要求1～5中任一项所述的物体跟踪方法，其特征在于，

在检测到所述多个物体的情况下，基于所述物体的位置对所述本车辆的移动带来的影响度及所述物体的位置沿着通行规则的程度，将所述多个物体分成组。

7.一种物体跟踪装置，具备：检测本车辆周围的物体的传感器、按时序跟踪所述物体的运算电路，其特征在于，

所述运算电路在检测到多个物体的情况下，基于所述物体的位置对所述本车辆的移动带来的影响度，将所述多个物体分成组，并将各自的组作为一个物体按时序进行跟踪。