CN117849826A - 外界识别装置 - Google Patents

Abstract

本发明提供一种外界识别装置(50)，具备：激光雷达(5)，其向具有控制执行器(AC)的动作的行驶控制部(115)的本车辆的周围照射电磁波，并根据反射波检测本车辆的周围的外界状况；数据取得部(111)，其取得包括获得反射波的物体的表面的计测点的位置信息的点云数据；以及决定部(113)，其根据由数据取得部(111)取得的点云数据识别本车辆的前方的物体，并根据本车辆与物体的位置关系，从与物体对应的计测点中决定在行驶控制部(115)使用的关注点。数据取得部(111)以由决定部(113)决定的关注点的周围的点云数据的密度变大的方式取得点云数据。

Description

外界识别装置

技术领域

本发明涉及一种识别车辆的外界状况的外界识别装置。

背景技术

作为这种装置，以往已知有动态操作激光雷达的激光而在视角内的特定区域生成密度不均匀的激光脉冲图案的装置(例如参见专利文献1)。在专利文献1记载的装置中，对于推定为存在物体的区域生成高密度的激光脉冲图案，以提高物体的边界线的检测精度。

然而，如专利文献1记载的装置那样，若以区域为单位对激光脉冲进行疏密控制，则有可能使计测点数不必要地增大。

现有技术文献

专利文献

专利文献1：日本专利第6860656号公报。

发明内容

本发明的一技术方案的外界识别装置具备：车载检测器，其向具有控制行驶用执行器的动作的行驶控制部的本车辆的周围照射电磁波，并根据反射波检测本车辆的周围的外界状况；数据取得部，其取得包括获得反射波的物体的表面的计测点的位置信息在内的点云数据；以及决定部，其根据由数据取得部取得的点云数据识别本车辆的前方的物体，并根据本车辆与物体的位置关系从与物体对应的计测点中决定在行驶控制部使用的关注点。数据取得部以由决定部决定的关注点的周围的点云数据的密度变大的方式取得点云数据。

附图说明

本发明的目的、特征以及优点，通过与附图相关的以下实施方式的说明进一步阐明。

图1A是示出本车辆的前方的外界状况的一例的图。

图1B是用于说明激光雷达的角度分辨率的图。

图2是示出车辆控制装置的主要部分构成的框图。

图3是示出由图2的控制器的CPU执行的处理的一例的流程图。

图4A是示意性地示出计测点的图。

图4B是示出聚类后的点云数据的一例的图。

图5A是用于说明最近点的提取方法的图。

图5B是用于说明最近点的提取方法的图。

图6是用于说明对象集群的决定方法的图。

图7是用于说明最近点相对于行进中心线的角度的图。

图8是示出最远点的一例的图。

图9A是用于说明追加照射位置的计算方法的图。

图9B是用于说明追加照射位置的计算方法的图。

具体实施方式

以下参照附图对发明的实施方式进行说明。本发明的实施方式的外界识别装置能够应用于具有自动驾驶功能的车辆，即自动驾驶车辆。需要说明的是，有时将应用本实施方式的外界识别装置的车辆与其他车辆区别而称为本车辆。本车辆可以是具有内燃机(发动机)作为行驶驱动源的发动机车辆、具有行驶电动机作为行驶驱动源的电动汽车、具有发动机和行驶电动机作为行驶驱动源的混合动力车辆中的任意一种。本车辆不仅能够以不需要驾驶员的驾驶操作的自动驾驶模式行驶，还能够以基于驾驶员的驾驶操作的手动驾驶模式行驶。

自动驾驶车辆在自动驾驶模式下行驶(以下称为自动行驶或自主行驶)时，根据相机、激光雷达(LiDAR：Light Detection and Ranging)等车载检测器的检测数据，识别本车辆的周围的外界状况。自动驾驶车辆根据该识别结果，生成从当前时间点开始经过规定时间为止的行驶轨迹(目标轨迹)，并控制行驶用执行器使本车辆沿着目标轨迹行驶。

图1A是示出作为自动驾驶车辆的本车辆的前方的外界状况的一例的图。本车辆在左侧通行的单侧两车道(车道LN1、LN2)的道路RD的车道LN2上行驶中，其他车辆102～106在本车辆的前方行驶中。其他车辆103、106在车道LN1上行驶汇中，其他车辆102、104、105在车道LN2上行驶中。其他车辆102、104、105是两轮车辆。由搭载于本车辆的激光雷达照射出的电磁波(激光等)在物体的表面上的某一点(计测点)反射回来，由此计测从激光源到该点的距离、反射回来的电磁波的强度、位于该计测点的物体的相对速度等。通过向相对于本车辆所行驶的道路RD的水平方向和垂直方向扫描激光，能够识别本车辆前方的其他车辆102～106的位置、相对速度。图1B是用于说明激光雷达的角度分辨率的图。图1B的圆形标志IP示意性地表示激光雷达的照射位置，照射位置的左右方向的间隔相当于水平方向的角度分辨率，照射位置的上下方向的间隔相当于垂直方向的角度分辨率。本车辆101根据由激光雷达以规定的时间间隔(由激光雷达的帧率决定的时间间隔)取得的计测点的信息(点云数据)识别本车辆的周围的外界状况，更具体而言是识别本车辆前方的交通参与者、构造物等物体，并根据该识别结果进行行驶控制。

然而，在图1A中在本车辆101超过在前方行驶的其他车辆(例如其他车辆102)时，为了避免与其他车辆、从其他车辆的遮挡处(深度侧)冲出来的其他交通参与者(车辆、人、自行车等)的碰撞、剐蹭，需要精确地计测其他车辆的相对位置(距离、角度)。作为精确地识别其他车辆等立体物的相对位置的方法，可以考虑增加从激光雷达等车载检测器照射的电磁波的照射点的数量(换言之，提高电磁波的照射点的密度从而提高点云数据的密度)。另一方面，当使照射点的数量增加时，有可能用于控制车载检测器的处理负荷增加、由车载检测器得到的检测数据的容量增大而对检测数据的处理负荷增加。另外，有可能使装置的规模增大。因此，考虑到这些点，在实施方式中如下构成外界识别装置。

本实施方式的外界识别装置从在道路RD行驶的本车辆的激光雷达以规定的角度分辨率向本车辆的行进方向间歇性地照射电磁波，并在道路RD上的不同位置离散地取得点云数据。进一步详细说明这样的外界识别装置。

图2是示出包括外界识别装置的车辆控制装置100的主要部分构成的框图。该车辆控制装置100具有控制器10、通信单元1、定位单元2、内部传感器组3、相机4、激光雷达5、行驶用的执行器AC。另外，车辆控制装置100具有构成车辆控制装置100的一部分的外界识别装置50。外界识别装置50基于相机4、激光雷达5等车载检测器的检测数据来识别车辆周围的外界状况。

通信单元1经由包括以互联网、移动电话网等为代表的无线通信网的网络与未图示的各种服务器进行通信，并定期地或在任意时机从服务器取得地图信息、行驶记录信息以及交通信息等。网络不仅包含公共无线通信网，还包含对每个规定的管理地域设置的封闭的通信网，例如无线LAN、Wi-Fi(注册商标)、Bluetooth(注册商标)等。所取得的地图信息被输出到存储部12，地图信息被更新。定位单元(GNSS单元)2具有接收从定位卫星发送的定位用信号的定位传感器。定位卫星是GPS卫星、准天顶卫星等人造卫星。定位单元2利用定位传感器接收到的定位信息，测定本车辆的当前位置(纬度、经度、高度)。

内部传感器组3是检测本车辆的行驶状态的多个传感器(内部传感器)的总称。例如内部传感器组3包括检测本车辆的车速的车速传感器、分别检测本车辆的前后方向的加速度和左右方向的加速度(横向加速度)的加速度传感器、检测行驶驱动源的转速的转速传感器、检测本车辆的重心绕铅垂轴旋转的旋转角速度的横摆率传感器等。检测手动驾驶模式下的驾驶员的驾驶操作，例如对加速踏板的操作、对制动踏板的操作、对方向盘的操作等的传感器也包含在内部传感器组3中。

相机4具有CCD(电荷耦合元件)、CMOS(互补金属氧化物半导体)等拍摄元件，拍摄本车辆的周边(前方、后方以及侧方)。激光雷达5向本车辆的行进方向以规定的角度分辨率间歇性地照射电磁波，并接收从物体的表面反射的电磁波(反射波)，从而测定从本车辆到周边的物体的距离、物体的位置、形状等。

执行器AC是用于控制本车辆的行驶的行驶用执行器。在行驶驱动源是发动机的情况下，执行器AC包含调整发动机的节气门阀的开度(节气门开度)的节气门用执行器。在行驶驱动源是行驶电动机的情况下，行驶电动机包含在执行器AC中。使本车辆的制动装置工作的制动用执行器和驱动转向装置的转向用执行器也包含在执行器AC中。

控制器10由电子控制单元(ECU)构成。更具体而言，控制器10包括具有CPU(微处理器)等运算部11、ROM(只读存储器)、RAM(随机存取存储器)等存储部12、I/O接口等未图示的其他外围电路的计算机而构成。需要说明的是，能够分别设置发动机控制用ECU、行驶电动机控制用ECU、制动装置用ECU等功能不同的多个ECU，但在图2中，为了方便起见，将控制器10示出为这些ECU的集合。

在存储部12存储高精度的详细的地图信息(称为高精度地图信息)。高精度地图信息包括道路的位置信息、道路形状(曲率等)的信息、道路的坡度的信息、交叉路口和岔路口的位置信息、车道(行驶车道)数的信息、车道的宽度以及每条车道的位置信息(车道的中央位置、车道位置的边界线的信息)、作为地图上的标记的地标(信号机、标识、建筑物等)的位置信息、路面的凹凸等路面轮廓的信息。另外，在存储部12还存储各种控制的程序、程序所使用的阈值等信息、对激光雷达5等车载检测器的设定信息(后述的照射位置信息等)。

运算部11具有数据取得部111、识别部112、决定部113、设定部114、行驶控制部115作为功能性结构。需要说明的是，如图2所示，数据取得部111、识别部112、决定部113以及设定部114包含在外界识别装置50中。外界识别装置50如上所述，根据激光雷达5等车载检测器的检测数据识别车辆周围的外界状况。关于外界识别装置50中所包含的数据取得部111、识别部112、决定部113以及设定部114，在后边详细进行叙述。

在自动驾驶模式下，行驶控制部115根据由外界识别装置50识别出的车辆周围的外界状况生成目标轨迹，并控制执行器AC使本车辆101沿着该目标轨迹行驶。需要说明的是，在手动驾驶模式下，行驶控制部115根据由内部传感器组3取得的来自驾驶员的行驶指令(转向操作等)对执行器AC进行控制。

详细说明外界识别装置50。如上所述，外界识别装置50包括数据取得部111、识别部112、决定部113以及设定部114。外界识别装置50包括激光雷达5。

数据取得部111取得包括得到激光雷达5的反射波的物体的表面的计测点的位置信息的点云数据(检测数据)。

识别部112根据由数据取得部111取得的点云数据识别本车辆周围的外界状况。具体而言，识别部112根据由数据取得部111取得的点云数据识别本车辆前方的其他车辆等物体。

决定部113根据本车辆与由识别部112识别出的物体的位置关系，从与物体相对应的计测点(计测点的集合)中决定在行驶控制部115使用的关注点。以下，将与各物体相对应的计测点的集合称为集群。决定部113决定关注点，使得在本车辆超过前方的物体、与前方的物体并列行驶时不与该物体碰撞、剐蹭等接触。具体而言，决定部113将与物体相对应的计测点中与本车辆的距离最短的点(以下称为最近点)、在行进方向上与本车辆最远的点(以下称为最远点)决定为关注点。

设定部114设定激光雷达5的照射位置(照射点)。更详细而言，设定部114以由决定部113决定的关注点的周围的点云数据的密度变大的方式更新存储于存储部12的照射位置信息。由此，在激光雷达5下次测定时(取得下一帧时)，来自激光雷达5的照射光向所设定的照射位置照射。其结果是，在激光雷达5下次测定时，由数据取得部111以高分辨率取得关注点周围的点云数据。行驶控制部115根据如此以高分辨率取得的关注点周围的信息(位置信息等)，控制本车辆的行驶动作，以避免与由识别部112识别出的物体的碰撞、接触。更详细而言，行驶控制部115控制执行器AC，从而调整加速器开度、驱动制动装置、转向装置。需要说明的是，激光雷达5的照射光可以以光栅扫描方式照射，也可以以仅向由设定部114设定的照射点照射电磁波的方式断断续续地照射电磁波，也可以以其他方式照射。

图3是图2的控制器10的运算部11按照预先决定的程序执行的处理的一例的流程图。图3的流程图所示的处理例如、本车辆101在以自动驾驶模式行驶中以规定周期，更详细而言是按照激光雷达5的帧率的周期为单位反复进行。

首先，在步骤S11中，向激光雷达5发送照射指令，取得包括得到根据照射指令从激光雷达5照射的电磁波的反射波的计测点的位置信息的点云数据(检测数据)。在步骤S12中，根据在步骤S11中取得的点云数据，判定在本车辆前方是否识别出了物体，更详细而言是其他的交通参与者(其他车辆、自行车、助步车)。当步骤S12为否定(S12：否)时，结束处理。当步骤S12为肯定(S12：是)时，在步骤S13中，对在步骤S11中取得的点云数据进行聚类。具体而言，针对在步骤S12中识别出的每一物体，从在步骤S11中取得的点云数据中识别对应的计测点(集群)。在步骤S14中，根据本车辆与在步骤S12中识别出的物体的位置关系，从与该物体对应的集群中提取最近点。后边说明关于最近点的提取方法。在步骤S12中识别出多个物体时，针对与各物体对应的每一集群，从构成集群的计测点中提取最近点。在步骤S15中，根据在步骤S14中提取出的各集群的最近点，决定对象集群。对象集群是在步骤S12中识别出的物体中与本车辆的碰撞、接触的可能性比其他物体高的物体所对应的集群。后边说明对象集群的决定方法。在步骤S16中，从构成在步骤S15中决定的对象集群的计测点中提取最远点。后边说明最远点的提取方法。在步骤S17中，根据在步骤S14中提取出的最近点和在步骤S16中提取出的最远点，计算追加照射点的位置(以下称为追加照射位置)。后边说明追加照射位置的计算方法。

在步骤S18中，以在激光雷达5下次测定时(取得下一帧时)向在步骤S17计算出的追加照射位置照射电磁波的方式，更新激光雷达5的设定信息(照射位置信息)。

参照图4A～图9B，进一步详细说明外界识别装置50的动作。在本车辆在图1A的道路RD的车道LN2行驶中时，当从激光雷达5的发光部(未图示)照射电磁波时，由激光雷达5的受光部(未图示)检测出在本车辆前方的物体的表面反射出的电磁波(反射波)。由此，取得如图4A所示的计测点的信息(点云数据)(S11)。图4A是示意性地示出计测点的图。图4A的圆形标志表示计测点，粗线所描绘的圆形标志DP表示与其他车辆102～105对应的计测点，即检测出在其他车辆102～105的表面反射出的电磁波(反射波)的位置。需要说明的是，在道路RD的路缘石、中央隔离带、行道树等的表面反射出的电磁波(反射波)也被激光雷达5的受光部检测出，但为了说明和附图的简化，与它们对应的反射波设为没有被检测出。

接下来，识别部112根据由数据取得部111取得的点云数据，识别本车辆前方的物体(S12)。在物体的识别中为了除去路面可以使用RANSAC(RANdom SAmple Consensus：随机抽样一致算法)，也可以使用其他方法。决定部113根据识别部112的识别结果，对由数据取得部111取得的点云数据(计测点DP)进行聚类(S13)。聚类可以使用DBSCAN(Density-basedspatial clustering of applications with noise：基于密度的聚类算法)、K-means法等任何方法。图4B是示出聚类后的点云数据的一例的图。如图4B所示，决定部113对将由数据取得部111取得的点云数据(三维点云数据)绘制在XY平面(在行进方向(X方向)和道路宽度方向(Y方向)上延伸的平面)而得到的二维数据(二维点云数据)进行聚类。图4B的集群CL1～CL5分别对应其他车辆102～106。图4B中的虚线的矩形分别简易地表示与集群CL1～CL5对应的其他车辆102～106。需要说明的是，决定部113可以不将三维点云数据转换为二维点云数据地对三维点云数据进行聚类。

接下来，决定部113分别从集群CL1～CL5中提取最近点(S14)。这里说明最近点的提取方法。图5A和图5B是用于说明最近点的提取方法的图。在图5A中示出从图4B的集群CL1中提取出的最近点MN1。如图5A所示，最近点MN1是构成集群CL1的计测点中、在XY平面上与激光雷达5的受光部(未图示)的距离Dxy最短的计测点。决定部113同样地从集群CL2～CL5中提取最近点。图5B的计测点MN1～MN5分别是从对应其他车辆102～106的集群CL1～CL5中提取出的最近点。

接下来，决定部113决定对象集群(S15)。这里说明对象集群的决定方法。图6是用于说明对象集群的决定方法的图。如图6所示，决定部113将集群CL1～CL5中的、本车辆101与最近点在行进方向(图6中的上下方向)上的距离小于阈值THy且本车辆101与最近点在道路宽度方向(图6中的左右方向)上的距离小于阈值THx的集群决定为对象集群。在图6所示的例子中，集群CL1～CL3被决定为对象集群。决定部113从对象集群中排除集群CL1～CL3中不满足规定条件的集群。以下，将从对象集群排除的集群称为排除集群。另外，将与排除集群对应的物体称为排除对象物体。

这里说明排除集群的决定方法。首先，决定部13计算对象集群的最近点相对于行进中心线ML的角度θ。更详细而言，决定部13计算将激光雷达5的受光部和对象集群的最近点连结起来的直线与行进中心线ML形成的角度θ。行进中心线ML是本车辆101所行驶的车道的中心线。需要说明的是，行进中心线ML可以是从激光雷达5的受光部向本车辆101的行进方向延伸的直线，也可以是从本车辆101的车宽中央向行进方向延伸的直线。图7是用于说明对象集群的最近点相对于行进中心线ML的角度θ的图。如图7所示，决定部113分别计算对象集群CL1～CL3的角度θ(θ1～θ3)。决定部113对位于行进中心线ML的左侧的对象集群彼此进行比较，将最近点比其他对象集群远且角度θ(绝对值)比该其他对象集群大的对象集群决定为排除集群。同样地，决定部113从位于行进中心线的右侧的对象集群中决定排除集群。在图7所示的例子中，在行进中心线ML的左侧存在对象集群CL1、CL2，最近点MN2比最近点MN1远且角度θ2的绝对值比角度θ1的绝对值大，因此对象集群CL2被决定为排除集群。另一方面，在行进中心线ML的右侧仅存在对象集群CL3，因此不进行对排除集群的决定。

决定部113当决定排除集群后，从排除集群以外的对象集群CL1、CL3提取最远点(S16)。这里说明最远点的提取方法。图8是示出最远点的一例的图。在图8中示出从对象集群CL1提取出的最远点MF1。如图8所示，最远点MF1是构成对象集群CL1的计测点中与激光雷达5的受光部(未图示)在行进方向上的距离Dy最长的计测点，且处于比最近点MN1靠近行进中心线ML侧(即，在车宽度方向上比最近点MN1更接近本车辆101)的计测点。决定部113同样地对对象集群CL3也进行最远点的提取。只是在图4B的例子中，因为对象集群CL3不包括最近点MN3以外的计测点，所以不提取最远点。

决定部113将如上所提取出的最近点和最远点决定为在行驶控制部115使用的关注点。设定部114根据由决定部113决定的关注点，计算激光雷达5的追加照射位置(S17)。

这里说明设定部114进行的激光雷达5的追加照射位置的计算。设定部114以使由数据取得部111取得的点云数据的关注点(最近点和最远点)周围的密度增大的方式，也就是使关注点周围的照射点在水平方向(X方向和Y方向)和垂直方向(Z方向)上的间隔缩小的方式计算激光雷达5的追加照射位置。

图9A和图9B是用于说明追加照射位置的计算方法的图。图9A所示的点AP表示水平方向(X方向和Y方向)上的追加照射位置。点AP是从关注点在水平方向(X方向和Y方向)上以指定角度分辨率设定指定点数量。更详细而言，点AP是从最近点在X方向上以指定角度分辨率设定指定点数量。另外，点AP是从最远点在Y方向上以指定角度分辨率设定指定点数量。指定点数量可以根据关注点和与该关注点相邻的计测点(相邻计测点)间的长度和指定角度分辨率来决定，也可以由用户预先决定。需要说明的是，在最近点在X方向上追加照射位置时，设定部114不在比最近点远离行进中心线的位置追加照射位置。其理由是因为在X方向上远离最近点的位置本车辆101与其他车辆103碰撞或接触的可能性极低。需要说明的是，关于构成集群的计测点数量少(例如几个以下的)的立体物，还可以在远离行进中心线的位置也追加照射位置，使得在最近点周边以高分辨率取得点云数据。另一方面，在最远点在Y方向上追加照射位置时，设定部114不在比最远点靠本车辆101侧追加照射位置。进行向最远点的周围的照射位置的追加是以更精确地检测如图9A所示从其他车辆103的深度侧冲出来的物体(交通参与者等)TP为目的。因此，照射位置被追加在比最远点靠深度侧(图9A的上侧)。

设定部114当计算出相对于关注点的水平方向的追加照射位置时，在该关注点计算垂直方向的追加照射位置。首先，设定部114根据构成对象集群的计测点的位置信息，计算关注点处的对象集群的高度。具体而言，设定部114从构成对象集群的计测点的位置信息中取得关注点处的计测点在垂直方向(Z方向)的最大值和最小值。设定部114根据所取得的最大值和最小值计算关注点处的对象集群的高度(最大值与最小值之差)。接下来，设定部114在所计算出的高度为规定高度以下时，在关注点于由最小值和最大值示出的垂直方向的范围以指定角度分辨率追加照射位置。另一方面，所计算出的高度比规定高度大时，在关注点于距离最小值规定高度的范围以指定角度分辨率追加照射位置。设定部114针对对象集群的每一关注点进行上述那样的垂直方向的追加照射位置的计算。需要说明的是，对于与根据垂直方向(Z方向)的角度分辨率规定的Z方向的各位置对应的XY平面各自执行步骤S14～S17的处理。其结果是，如图9B的点AP所示，在水平方向和垂直方向上追加激光雷达5的照射位置。图9B中示出以角度分辨率扩大2倍的方式追加了照射位置的例子。

设定部114根据所计算出的水平方向和垂直方向的追加照射位置，更新存储于存储部12的激光雷达5的照射位置信息(S18)。由此，在激光雷达5下次测定时(取得下一帧时)向追加照射位置照射电磁波。

采用以上说明的实施方式，能够起到如下的作用效果。

(1)外界识别装置50具备：激光雷达5，其向具有控制行驶用的执行器AC的动作的行驶控制部115的本车辆101的周围照射电磁波从而根据反射波检测本车辆101的周围的外界状况；数据取得部111，其取得包括获得反射波的物体的表面的计测点的位置信息在内的点云数据；以及决定部113，其根据由数据取得部111取得的点云数据识别本车辆101的前方的物体，并根据本车辆101与物体的位置关系从与物体对应的计测点中决定在行驶控制部115使用的关注点。数据取得部111以由决定部113决定的关注点的周围的点云数据的密度增大的方式取得点云数据。另外，数据取得部111将与物体对应的计测点中与本车辆101的距离最短的第一计测点(最近点)和在行进方向上距离本车辆最远的第二计测点(最远点)决定为关注点。这样，将高分辨率区域不是在激光雷达5的视角(FOV：Field of View)的全域，而是限定在本车辆有可能碰撞、接触的前方的物体(其他车辆等)的外缘部，由此能够削减点云数据的数据量的同时，能够精确地识别前方的物体。另外，因为以点为单位进行点云数据的疏密控制，所以与以区域为单位进行点云数据的疏密控制的传统的方法相比较，能够更可靠地削减点云数据的数据量。

(2)决定部113在根据由数据取得部111取得的点云数据识别出了本车辆101的前方的多个物体(图6的其他车辆102～106)时，将最近点与本车辆101在行进方向上距离第一规定距离(图6的阈值THy)以上且最近点与本车辆101在车宽度方向上距离第二规定距离(图6的阈值THx)以上的物体(图6的其他车辆105、106)决定为排除对象物体，将从多个物体中除去了排除对象物体后的物体(图6的其他车辆102～104)的最近点和最远点决定为关注点。这样，将能够充分避免与本车辆的碰撞、接触的物体从高分辨率区域的对象中排除，由此能够不使本车辆行驶时的安全性降低地削减点云数据的数据量，能够减少运算部11的数据计算量。

(3)在从多个物体中除去了排除对象物体后的物体(图7的其他车辆102～104)中包括第一物体(其他车辆103)和第二物体(其他车辆102)，并且与第一物体(其他车辆103)对应的最近点(图7的计测点MN2)比第二物体(其他车辆102)的最近点(图7的计测点MN1)在行进方向且车宽度方向上处于远方时，决定部113还将第一物体(其他车辆103)决定为排除对象物体。由此，能够将与本车辆的碰撞、接触的风险极低的物体从高分辨率区域中排除，能够不使本车辆行驶时的安全性降低地进一步削减点云数据的数据量。

(4)外界识别装置50还具备设定部114，所述设定部114以关注点的周围的点云数据的密度变大的方式设定激光雷达5的照射位置。这样，通过以点为单位进行点云数据的疏密控制，能够识别本车辆前方的自动两轮车的车把、该自动两轮车的驾驶员的手臂等物体的细节部分，能够提高在对自动二轮车等进行变道超车行驶、非变道超车行驶、偏移行驶等时的安全性。

上述实施方式能够变形成各种方式。以下对变形例进行说明。在上述实施方式中，以车载检测器是能够改变点云数据的疏密区域的激光雷达的情况为例。但是，上述实施方式也能够应用在不可改变点云数据的疏密区域的激光雷达。在该情况下，数据取得部111作为取得包括获得由激光雷达5照射出的电磁波的反射波的物体的表面的计测点的位置信息的点云数据(第一点云数据)的第一数据取得部发挥功能，并且作为间隔剔除第一点云数据的数据(即剔除包含在第一点云数据中的计测点信息)而取得数据密度比该第一点云数据小的第二点云数据的第二数据处理部发挥功能。决定部113根据由数据取得部111取得的第二点云数据识别本车辆101前方的物体，并根据本车辆101与物体的位置关系从与物体对应的计测点中决定关注点。行驶控制部115使用由决定部113决定的关注点的周围的第一点云数据和第二点云数据，控制行驶用的执行器AC的动作。由此，在车载检测器是不可改变点云数据的疏密区域的激光雷达时，也能够不使前方物体的识别精度下降地减少数据计算量。

另外，在上述实施方式中，仅对在步骤S15中决定的对象集群进行照射位置的追加(S16～S18)，即仅对与有可能与本车辆101碰撞或接触的物体的集群进行照射位置的追加。但是，还可以对与在步骤S12中识别出的所有物体对应的集群进行步骤S16～S18的处理。

另外，在上述实施方式中，决定部113在本车辆101的前方识别出多个物体时，将最近点与本车辆在行进方向上距离阈值THy以上且最近点与本车辆101在车宽度方向上距离阈值THx以上的物体决定为排除对象物体。但是，阈值THy和阈值THx还可以根据本车辆101的行驶速度而进行变更。例如，本车辆101的行驶速度越大，决定部113将阈值THy设定成越大的值。

另外，在上述实施方式中，行驶控制部115根据以高分辨率取得的关注点周围的信息，进行本车辆的行驶控制，以避免与由识别部112识别出的物体的碰撞、接触。但是，运算部还可以根据以高分辨率取得的关注点周围的信息，经由车辆控制装置100所具备的未图示的显示器、扬声器，向本车辆的乘员报知关于与由识别部112识别出的物体的碰撞、接触的引起注意的信息(影像信息和声音信息)。

还有，在上述实施方式中，将外界识别装置50应用在自动驾驶车辆，但外界识别装置50也能够应用在自动驾驶车辆以外的车辆。例如在具有ADAS(Advanced driver-assistance systems：高级驾驶辅助系统)的手动驾驶车辆上也能够应用外界识别装置50。

以上说明仅为一例，只要不破坏本发明的特征，上述实施方式和变形例就不限定本发明。既能够将上述实施方式与变形例的一个或多个任意组合，也能够将变形例彼此进行组合。

采用本发明，能够降低处理负荷的同时，精确地识别车辆周围的外界状况。

上文结合优选实施方式对本发明进行了说明，但本领域技术人员应理解，在不脱离后述权利要求书的公开范围的情况下能够进行各种修改和变更。

Claims (9)

1.一种外界识别装置，其特征在于，具备：

车载检测器(5)，其向具有控制行驶用执行器(AC)的动作的行驶控制部(115)的本车辆的周围照射电磁波，并根据反射波检测所述本车辆周围的外界状况；

数据取得部(111)，其取得包括获得所述反射波的物体的表面的计测点的位置信息在内的点云数据；以及

决定部(113)，其根据由所述数据取得部(111)取得的所述点云数据识别所述本车辆的前方的所述物体，并根据所述本车辆与所述物体的位置关系，从与所述物体对应的所述计测点中决定在所述行驶控制部(115)使用的关注点，

所述数据取得部(111)以由所述决定部(113)决定的所述关注点的周围的所述点云数据的密度变大的方式取得所述点云数据。

2.根据权利要求1所述的外界识别装置，其特征在于，

所述决定部(113)将所述计测点中与所述本车辆的距离最短的第一计测点和在行进方向上距离所述本车辆最远的第二计测点决定为所述关注点。

3.根据权利要求2所述的外界识别装置，其特征在于，

所述第二计测点是所述计测点中距离所述本车辆在行进方向上最远且在车宽度方向上比所述第一计测点更靠近所述本车辆的所述计测点。

4.根据权利要求2所述的外界识别装置，其特征在于，

所述决定部(113)在根据由所述数据取得部(111)取得的所述点云数据在所述本车辆的前方识别出了多个物体时，将所述第一计测点与所述本车辆在行进方向上距离第一规定距离以上且所述第一计测点与所述本车辆在车宽度方向上距离第二规定距离以上的所述物体决定为排除对象物体，将从所述多个物体中除去了所述排除对象物体后的所述物体的所述第一计测点和所述第二计测点决定为所述关注点。

5.根据权利要求4所述的外界识别装置，其特征在于，

所述决定部(113)在决定所述排除对象物体时，所述本车辆的行驶速度越大，将所述第一规定距离设定成越大的值。

6.根据权利要求4所述的外界识别装置，其特征在于，

在从所述多个物体中除去了所述排除对象物体后的所述物体中包括第一物体和第二物体，所述第一物体的所述第一计测点在行进方向且车宽度方向上比所述第二物体的所述第一计测点远时，所述决定部(113)还将所述第一物体决定为所述排除对象物体。

7.根据权利要求1至6中任一项所述的外界识别装置，其特征在于，

所述车载检测器(5)是激光雷达。

8.根据权利要求7所述的外界识别装置，其特征在于，

还具备设定部(114)，所述设定部(114)以所述关注点的周围的所述点云数据的密度变大的方式设定所述车载检测器(5)的照射位置。

9.根据权利要求7所述的外界识别装置，其特征在于，

所述数据取得部(111)是第一数据取得部，

所述点云数据是第一点云数据，

还具备第二数据处理部，所述第二数据处理部间隔剔除由所述第一数据取得部取得的所述第一点云数据的数据，从而取得数据密度比所述第一点云数据小的第二点云数据，

所述决定部(113)根据由所述第二数据处理部取得的所述第二点云数据识别所述本车辆的前方的所述物体，并根据所述本车辆与所述物体的位置关系从与所述物体对应的所述计测点中决定所述关注点，

所述行驶控制部(115)使用所述第二点云数据和由所述决定部(113)决定的所述关注点的周围的所述第一点云数据控制所述行驶用执行器(AC)的动作。