JP2006119026A - 前方物体検出装置及び前方物体検出方法 - Google Patents

Abstract

【課題】道路構造物及び道路構造物以外の物体を正確に検出する前方物体検出装置又は前方物体検出方法を提供する。
【解決手段】
自車両の前方に出射された走査波の反射波に基づいて検出された前記物体の検出ポイントの情報を含む検出情報を取得する検出情報取得手段２０と、自車両の現在位置を取得するとともに、地図データベースにアクセスして自車両前方の道路形状情報を取得し、当該道路形状情報に基づいて自車両前方の走行道路の道路形状モデルを算出する道路形状モデル算出手段１０と、取得された検出情報と算出された道路形状モデルとに基づいて道路構造物モデルを算出し、算出された道路構造物モデルと所定の位置関係を有する検出ポイントをグルーピングし、当該グルーピングされた検出ポイントに対応する物体を道路構造物として検出する道路構造物検出手段３０とを有する。
【選択図】 図２

Description

本発明は、車両前方の物体を検出する前方物体検出装置及び前方物体検出方法に関し、特に道路構造物を検出し、さらに道路構造物以外の物体を検出する装置及び方法に関する。

車両前方の道路形状を計測する装置として、例えば、特開平０７−０２７５４１号公報（特許文献１参照）に記載されたものが知られている。この計測装置によれば、車両に搭載された撮像手段が撮像した画像から前方の道路形状を抽出し、道路の３次元形状を含む地図情報と車両位置パラメータから３次元の道路モデルを演算し、画像から得られた道路形状と演算した道路モデルとを比較して両者間の位置のズレ量を算出し、算出したズレ量を考慮した自車両位置を推定することにより、道路形状を正確に計測することができる。
しかしながら、従来の道路形状の計測処理では、撮像手段により撮像された画像を用いるため、撮像距離に応じた画像精度の低下に伴い、撮像手段から離隔した遠方の道路形状を正確に抽出することが困難であるという問題があった。すなわち、撮像された画像から抽出された道路形状と地図情報から演算された道路形状とのズレ量を正確に算出することが困難であるという問題があった。
特開平７−２７５４１号公報

本発明は、このような従来の課題を解決するためになされたものであり、道路形状を示す道路構造物を含む前方物体を正確に検出することを目的とする。
本発明によれば、自車両の前方に出射された走査波の反射波に基づいて検出された前記物体の検出ポイントを含む検出情報を取得し、地図データベースにアクセスして自車両の現在位置における前方の道路形状情報を取得し、この道路形状情報に基づいて自車両前方の走行道路の道路形状モデルを算出し、取得された検出情報と算出された道路形状モデルとに基づいて道路構造物モデルを算出し、算出された道路構造物モデルと所定の位置関係を有する検出ポイントをグルーピングし、グルーピングされた検出ポイントに対応する物体を道路構造物として検出するステップとを有する前方物体検出装置及び前方物体検出方法が提供される。
これにより、道路構造物等を含む前方物体を正確に検出することができる。

本発明の前方物体検出装置１００は、ユーザが搭乗する車両に搭載され、自車両前方に存在する道路構造物、又は他車両、設置物その他の可動物（道路構造物以外の物）を検出する。特に、前方物体の所在点を示す検出ポイントについて所定のグルーピング処理を行うことにより、道路構造物を正確に検出する。

以下、図面に基づいて、本発明に係る２つの実施形態の前方物体検出装置１００を説明する。第１の実施形態は道路構造物を少なくとも検出する第１検出手段（道路構造物検出手段）３０を有し、第２の実施形態は道路構造物を検出するとともに、第１検出手段３０によって判断された道路構造物以外の物体、例えば他車両、施設、設備その他の可動物を検出する第２検出手段（可動物検出手段）４０を有する。

＜第１実施形態＞
図１に第１実施形態の前方物体検出装置１００を含む車載システムの構成の概要を示した。図１に示すように、本実施形態の前方物体検出装置１００は、他の車載装置１０００と有線又は無線の車載ＬＡＮ等により通信可能に接続され、各種情報の授受を行うことができる。

前方物体検出装置１００は、道路形状モデル算出手段１０と、検出情報取得手段２０と、第１検出手段３０とを有する。道路形状モデル算出手段１０は、外部のナビゲーション装置４００と情報の授受が可能なように接続され、現在位置検出機能４１０から現在位置を取得するとともに、地図データベース４２０にアクセスして自車両前方の道路形状情報を取得し、道路形状情報に基づいて自車両前方の走行道路の道路形状モデルを算出する。検出情報取得手段２０は、外部のレーザレーダ２００、車両挙動検出装置３００と情報の授受が可能なように接続され、自車両の前方に出射された走査波の反射波の基づいて検出された物体の検出ポイントの情報を含む検出情報を取得する。第１検出手段３０、取得した検出情報と算出された道路形状モデルとに基づいて道路構造物モデルを算出し、この道路構造物モデルと所定の位置関係を有する検出ポイントをグルーピングし、グルーピングした検出ポイントに対応する物体を道路構造物として検出する。

本実施形態の前方物体検出装置１００は、検出情報と地図データベースの道路形状情報から求めた道路形状モデルとから道路構造物モデルを算出するため、実際の道路構造物とズレ量の少ない道路構造物モデルを導出することができ、この算出した道路構造物に基づいて前方の物体を検出することから、前方物体を正確に検出することができる。また、本実施形態では距離が遠くなるほど精度が低下する撮像画像を用いることなく物体を検出するため、自車両の広い範囲（自車両から離れた範囲）で物体を正確に検出することができる。また、本実施形態では、検出ポイントの相対速度を参照することなく道路構造物を検出するので、検出ポイントが密集した状態が検出され、検出ポイント同士の時間的な対応づけが容易ではなく、検出ポイントの相対速度を算出することが容易でない場合であっても道路構造物を正確に検出することができる。

次に、車載システムを構成する外部装置について先に説明し、その後に本実施形態の前方物体検出装置１００の具体的構成について説明する。

車載装置１０００は、前方物体検出機能を備えたレーザレーダ２００と、走行時の車両の挙動を検出する機能を備えた車両挙動検出装置３００と、自車両の現在位置及び走行道路及び走行道路の形状を認識する機能を備えたナビゲーション装置４００と、検出した前方物体についての情報をユーザに提示する機能を備えたディスプレイ、スピーカその他の出力装置５００とを有している。

図２にレーザレーダ２００の設置位置を示した。図２（Ａ）は車両６００を側面から見た図、図２（Ｂ）は車両６００を上面から見た図である。本実施形態では、距離センサとしてスキャニングレーザレーダ（以下、「レーザレーダ」という）を利用して検出情報を取得する場合を例にして説明するが、自車両前方に出射された走査波の反射波に基づいて検出された物体の検出ポイント（検出された物体が存在する相対的位置）を含む検出情報を検出できれば特に限定されない。

図２（Ａ）（Ｂ）に示すように、レーザレーダ２００は、自車両６００の前部に設置される。また、レーザレーダ２００は、スキャニング面において所定の角度で光軸を変更し、所定のスキャン範囲でレーザ光（走査光）Ｌを走査させ、スキャン範囲に存在する物体に向けてレーザ光を照射する。レーザレーダ２００は、出射したレーザ光が前方に存在する物体に照射されて反射された反射レーザ光（反射波）を検出することにより、反射レーザ光（反射波）の光強度に基づいた反射信号を取得する。そして、レーザレーダ２００は、取得した反射信号に基づいた距離計測処理を行うことにより、距離計測情報等を含む検出情報を生成し、これらの検出情報を前方物体検出装置１００の検出情報取得手段２０に向けて出力する。

車両挙動検出装置３００は、自車両６００の自車位置を取得するGPS(Global Positioning System)受信センサと、シフトポジションを検出するシフトポジションセンサと、自車両左右後輪の車輪速を検出する車輪速センサと、自車両６００の操舵角を検出する操舵角センサとを備える。車両挙動検出装置３００は、ＧＰＳ受信センサからのセンサ信号、シフトポジションセンサからのセンサ信号、車輪速センサからのセンサ信号、操舵角センサからのセンサ信号を用いて、自車位置、自車両進行方向、自車両６００の向き、及び移動距離を算出する。ＧＰＳ受信センサはナビゲーション装置４００が備えるものを利用し、ナビゲーション装置４００から受信センサ等を取得してもよい。また、車両挙動検出装置３００は、ナビゲーション装置４００が有する地図データベース４２０にアクセス可能であり、算出した自車位置（現在位置）、自車両進行方向、自車両の向き及び移動距離を、車両走行情報として前方物体検出装置１００へ向けて出力する。

ナビゲーション装置４００は、ＧＰＳ機能（Global Positioning System）、および自律航法を利用して、自車両の現在位置を検出するとともに目的地に至る経路を案内する一般のナビゲーション機能を有する。ナビゲーション装置４００は、電子的な処理が可能な地図データベース４２０を有する。本実施形態の地図データベース４２０は、各道路の形状に関する道路形状データを含み、道路形状データは位置情報と対応づけられている。つまり、現在位置を特定する情報を検出できればその現在位置を含む走行道路の道路形状データを取得することができる。さらに、自車両の走行方向が検出できれば、現在位置を含む走行道路における自車両の走行方向（自車両の前方）の道路形状データを取得することができる。

出力装置５００は、前方物体検出装置１００により検出された前方物体に関する情報をユーザに向けて提示可能なディスプレイ装置、スピーカ装置その他の提示装置である。

次に、本実施形態の前方物体検出装置１００の構成を具体的に説明する。
図３に前方物体検出装置１００の演算装置にかかる具体的なブロック構成を示した。図３に示すように、前方物体検出装置１００の演算装置は、道路形状モデル算出手段１０と、検出情報取得手段２０と、第１検出手段３０（以下「道路構造物検出手段３０」という）とを少なくとも有し、自車両の車載装置に搭載されたＣＰＵ（Central Processing Unit）、 ＲＡＭ(Random Access Memory)、 ＲＯＭ(Read Only Memory)、 入出力Ｉ／Ｆ等からなるマイクロコンピュータで構成されている。具体的には、少なくとも、道路形状モデルを算出するプログラム、道路構造物モデルを算出するプログラム、及び道路構造物を検出するプログラムを格納したＲＯＭ(Read Only Memory)等と、このＲＯＭ等に格納されたプログラムを実行することで、道路形状モデル算出手段１０と、第１検出手段３０として機能するＣＰＵ（Central Processing Unit）等と、アクセス可能な記憶手段として機能するＲＡＭ(Random Access Memory)等（メモリ５０）とを備えている。また、本実施形態は、各手段の演算処理の過程又は演算処理の結果を記憶するメモリ５０を備えているが、メモリ５０は各手段又は各手段のいずれかに内蔵させてもよい。以下、各構成について説明する。

「道路形状モデル算出手段１０」は、自車両の現在位置を取得するとともに、地図データベース４２０にアクセスして自車両前方の道路形状情報を取得し、取得した道路形状情報に基づいて自車両前方の走行道路の道路形状モデルを算出する。具体的に、道路形状モデル算出手段１０は、少なくとも道路形状情報取得部１１を有する。道路形状情報取得部１１は、自車両の現在位置を取得し、車載装置１０００側の地図データベース４２０にアクセスして現在位置における自車両前方の道路形状情報を取得する。取得する自車両の現在位置は、ナビゲーション装置４００の現在位置検出機能４１０により検出された情報である。地図データベース４２０は、位置情報と、道路の方向（車両の進行方向）と道路形状情報とを対応づけて記憶しているため、道路形状情報取得部１１は現在位置における車両前方側の道路形状を取得することができる。なお、車両の進行方向は、ナビゲーション装置４００から取得してもよいし、車両挙動検出装置３００から取得してもよい。道路形状モデル算出手段１０は、地図データベース４２０から取得した道路形状情報に基づいて、自車両前方の走行道路の道路形状モデルを算出する。本例の道路形状モデル算出手段１０は二次元で表現された道路形状モデルを算出する。

本実施形態の道路形状モデル算出手段１０は、特に限定されないが、取得範囲決定部１２と、データ変換部１３とを有する。取得範囲決定部１２は、検出情報取得手段２０により取得される検出情報の検出領域よりも広い領域を、道路形状情報を取得する範囲として決定する。検出情報に対応する検出領域の情報は予めレーザレーダ２００から取得してメモリ５０に記憶しておくことが好ましく、取得する所定領域は、レーザレーダ２００の検出領域を基準として定義しておくことが好ましい。道路形状情報取得部１１は、取得範囲決定部１２の決定に従い所定領域の道路形状情報を取得する。データ変換部１３は、取得したレーザレーダ２００の検出領域よりも広い所定領域の道路形状情報をレーザレーダ２００の検出領域内に入るようにデータ変換する。このように、検出情報が取得される領域よりも広い領域の道路形状情報を取得し、自車両センサ（レーザレーダ２００、車両挙動検出装置３００）の検出領域に入るようにデータ変換を行うことにより、地図データベース４２０から得られる道路形状モデルと、実際に検出される検出情報に基づいて算出される道路構造物モデルとのズレを小さくすることができる。実際の道路構造モデルとのズレ量が小さい道路形状モデルに基づいて、道路構造物モデルの算出、検出ポイントのグルーピングを行うことにより、道路構造物を正確かつ効率的に検出することができる。

「検出情報取得手段２０」は、レーザレーダ２００の検出情報及び／又は車両挙動検出装置３００の検出情報を取得する。取得する検出情報には、自車両の前方に出射された走査波の反射波に基づいて検出された物体の検出ポイントの情報が少なくとも含まれる。

「道路構造物検出手段（第１検出手段）３０」は、検出情報取得手段２０により取得された検出情報と、道路形状モデル算出手段１０により算出された道路形状モデルとに基づいて道路構造物モデルを算出し、算出された道路構造物モデルと所定の位置関係を有する検出ポイントをグルーピングし、このグルーピングされた検出ポイントに対応する物体を道路構造物として検出する。本実施形態において、「道路構造物モデル」は、道路（車道、歩道、自転車道等の道路の部分を含む。以下同じ）の構造及び道路を車道、歩道、自転車道等の道路の部分に区画する縁石線、さく、中央帯、路肩、側帯又は停車帯その他これに類する工作物の構造の所在を示すモデルである。道路構造物モデルは、車両に搭乗するドライバの視認領域面において表現されることが好ましい。

ＧＰＳ機能により検出された現在位置及び車両の走行情報（進行方向を含む）に基づいて地図データベース４２０から取得した道路形状情報は、自車前方の道路形状を示すことは確かであることから、この道路形状情報を基準として算出した道路形状モデルに基づいて道路構造物モデルを算出することにより、本実施形態では正確な道路形状の算出を行うことが可能となる。特に、道路形状モデル算出手段１０がレーザレーダ２００の検出領域よりも広い領域の道路形状情報を取得して、検出情報の検出領域に入るようにデータ変換を行うことにより、自車両が移動中であっても道路構造物を正確に検出することができる。

図３に基づいて、本実施形態の道路構造物検出手段３０の具体的な構成を説明する。特に限定されないが、本実施形態の道路構造物検出手段３０は、検出領域設定部３１と、起点抽出部３２と、線分検出部３３と、モデル算出部３４と、判定部３５と、検出結果出力部３６とを有している。

「検出領域設定部３１」は、道路形状モデル算出手段１０により算出された道路形状モデルを基準とした、先のタイミングにおける道路構造物の検出位置に応じて、現タイミングにおける道路構造物の検出領域を設定する。検出領域の設定基準は任意に定義することができる。特に限定されないが、自車両が走行する道路の道路形状モデルを基準とした右側の検出領域及び左側の検出領域、又は道路形状モデルを基準とした近傍（道路形状モデルに対して所定距離未満）及び遠方（道路形状モデルに対して所定距離以上）の検出領域を設定することができる。本実施形態では、自車両が走行する道路の道路形状モデルに対して近傍右側、近傍左側、遠方右側、遠方左側の４つの検出領域を設定した。

「起点抽出部３２」は、検出領域設定部３１により設定された検出領域ごとに道路構造物モデルの起点となる検出ポイントを抽出する。検出ポイントの抽出手法は、後に制御手順とともに具体的に説明する。

「線分検出部３３」は、起点抽出部３２により抽出された起点と、その起点と所定の位置関係にある検出ポイントを順次連結して１又は２以上の線分を検出する。

特に限定されないが、本実施形態の線分検出部３３は、第１線分検出部３３１と第２線分検出部３３２とを有している。第１線分検出部３３１は、起点抽出部３２により検出された起点と所定の位置関係にある検出ポイントであって、道路形状モデル算出手段１０により算出された道路形状モデルに対する距離が所定値以上の検出ポイントを順次連結して１又は２以上の線分を検出する。また、第２線分検出部３３２は、起点抽出部３２により抽出された起点と所定の位置関係にある検出ポイントであって、道路形状モデル算出手段１により算出された道路形状モデルに対する距離が所定値未満の検出ポイントを順次連結して１又は２以上の線分を検出する。つまり、本実施形態の線分検出部３３は、算出された道路形状モデルに沿った線分と、道路形状モデルに沿わない（道路形状に依存しない）線分との２種類の線分を検出する。検出された線分は、後の処理において道路構造モデル算出に供されるが、走行する道路形状モデルに沿った線分と沿わない線分とを区別して検出できるため、走行中の道路の前方に分岐があるような複雑な構造を有する道路環境であっても、その構造に応じた線分を検出することができ、道路構造物の所在を正確に検出することができる。

「モデル算出部３４」は、線分検出部３３により検出された線分に基づいて、道路構造物の形状を近似する道路構造物モデルを算出する。道路構造物モデルの算出手法は、後に制御手順とともに具体的に説明する。

「判定部３５」は、モデル算出部３４により算出された道路構造物モデルと所定の位置関係にある検出ポイントをグルーピングし、このグルーピングされた検出ポイントに対応する物体が道路構造物であるか否かを判定する。

本実施形態の判定部３５は、モデル算出部３４により算出された道路構造モデルと、現在、所定の位置関係にある検出ポイントをグルーピングし、当該グルーピングされた検出ポイントに対応する物体と、先のタイミングにおいてモデル算出部３４により算出され道路構造物モデルとの位置関係に基づいて、現在のタイミングにおいてグルーピングされた検出ポイントに対応する物体が道路構造物であるか否かを判定する。つまり、今回判定の対象となる物体（グルーピングされた検出ポイント）が、前回判定された道路構造物と所定の位置関係（所定の距離以下、検出された線分の延長線上にあるなど）である場合は、判定の対象となる物体は道路構造物であると判定する。さらに、判定部３５は、現在のタイミングにおいてグルーピングされた検出ポイントに対応する物体の位置と、先のタイミングにおいてモデル算出部３４により算出された道路構造物モデルの位置とを対比し、その位置の変化が自車両の移動によるものであると判断できる場合、すなわち、相対的位置の変化量が自車両の走行速度と経過時間とを乗じた値に近似している場合は、現在のタイミングにおいてグルーピングされた検出ポイントに対応する物体を道路構造物であると判定する。つまり、先に行った道路構造物の判定結果を利用して、最近のタイミングにおいてグルーピングされた検出ポイントに対応する物体が道路構造物であるか否かを判定することができる。もちろん、最も単純な判断手法であるが、判定部３５は、モデル算出部３４により算出された道路構造モデルと所定の位置関係にある検出ポイントをグルーピングし、当該グルーピングされた検出ポイントに対応する物体を道路構造物であると判定してもよい。

また、本実施形態の判定部３５は、グルーピングされた検出ポイントに対応する物体が道路構造物であるか否かを判定する判定基準となる「位置関係」を、所定の条件に応じて更新する判定基準更新部３５１を有する。判定基準変更部３５１は、道路構造物に対応する検出ポイント以外の検出ポイントが、道路形状モデルに対して右側又は左側のいずれかの側にあるかを判断し、その判断結果に応じて検出ポイントがグルーピングの対象となるか否かの判断基準となる所定の位置関係を変更する。具体的に、道路構造モデルと所定距離以内にある検出ポイントをグルーピングする場合、道路構造物以外の物体（可動物体）が所在している側の「所定距離（判断基準となる位置関係）」を小さくする。つまり、可動物体が右側にあると判断した場合、右側の判断基準を厳しくする。これにより、他車両などの可動物体が存在する側の道路構造物を、より厳密な条件の下に正確に判定することができる。

本実施形態の制御手順を図４〜図７に基づいて説明する。
図４は、本実施形態の前方物体検出装置１００の制御手順を示すフローチャートである。図５〜図７は、レーザレーダ２００により自車両前方に出射された走査波の反射波に基づいて検出された物体の検出位置等を示す検出ポイントを示す説明図である。
本実施形態の前方物体検出装置１００は、自車両６００が走行している場合において、レーザレーダ２００を用いて自車両６００の前方に存在する物体の距離計測処理を行う。ここでは、図５に示すように、自車両６００の前方方向のスキャン範囲内に物体Ａ〜Ｅが存在する場合を例にして、制御手順を説明する。

自車両に搭載されたレーザレーダ２００は、スキャン範囲内（図中矢印で示す範囲）にレーザ光（走査波）を走査し、各物体からの反射波に基づいて距離計測処理をすることで、自車両６００からスキャン範囲に含まれる各物体までの距離情報（位置情報）を取得し、この得られた距離情報に基づいて、自車両６００に対する物体の位置を示す検出ポイントを検出する。検出情報取得手段２０は、レーザレーダ２００により生成された距離計測情報をメモリ５０に記憶する（Ｓ１）。

本例では、図５に示すように、本例のレーザレーダ２００（図中、ＬＲで表記）は、自車両６００の前方にある物体Ａ〜Ｅの位置情報を示す検出ポイントａ〜ｍを検出し、検出情報取得手段２０は検出ポイントａ〜ｍを含む検出情報を取得する。図５は、物体Ａ〜Ｅに関する検出ポイントａ〜ｍを、計測された距離に従いプロットした図である。

自車両に搭載された車両挙動検出装置３００は、自車位置、自車両進行方向、自車両６００の向き、及び移動距離を算出し、検出情報取得手段２０へ送出する。検出情報取得手段２０は、取得した検出情報をメモリ５０に記憶する（同じくＳ１）。

道路形状モデル算出手段１０の道路形状情報取得部１１は、レーザレーダ２００の検出領域に応じた範囲で、道路形状情報をアクセス可能な地図データベース４２０から取得する。本例の道路形状情報取得部１１は、レーザレーダ２００から取得する検出情報の検出領域よりも広い所定領域の道路形状情報を取得する（Ｓ２）。具体的に、道路形状モデル算出手段１０の取得範囲決定部１２は、車両搭載の現在位置検出機能４１０（ＧＰＳ機能）から得られた自車位置に基づいて地図データベース４２０を参照し、レーザレーダ２００の検出領域よりも広い範囲、例えば、レーザレーダ２００の検出領域が前方２００ｍであるのに対して前方３００ｍ、レーザレーダ２００の検出領域が左右１００ｍであるのに対して左右１５０ｍの道路形状を示す座標情報（道路形状情報）を取得し、少なくとも一時的にメモリ５０に記憶する。検出領域の広さと道路形状情報の取得領域の広さとの関係は、特に限定されず、レーザレーダの検出精度、演算処理容量、車両の走行速度などの要因に応じて適宜設定することができる。

道路形状モデル算出手段１０のデータ変換部１３は、取得した広域の道路形状情報を、レーザレーダ２００の検出領域内に入るようにデータを圧縮する（Ｓ３）。データ変換部１３は、メモリ５０から前方の道路形状を示す座標情報（道路形状情報）を取得し、Ｚ方向、Ｘ方向の座標値を、それぞれ予め任意に設定した所定値、Ｚ方向を例えば７（所定値）、Ｘ方向を例えば２（所定値）で除してデータ圧縮を行い、広範囲の道路形状情報がレーザレーダ２００の検出領域に入るように座標変換し、変換後の道路形状情報をメモリ５０に記憶する。なお、道路形状情報のデータ変換方法は、広範囲のデータが所定の狭範囲に入るような手法（例えば、内挿処理等）であれば、特に限定されない。

道路形状モデル算出手段１０は、メモリ５０からデータ変換された道路形状情報を取得し、多次元の道路形状モデルを算出し、メモリ５０に記憶する（Ｓ４）。このように、地図データベース４２０からレーザレーダ２００の検出領域よりも広範囲の道路形状情報を取得し、レーザレーダ２００の検出領域に入るように座標変換を行った後、前方の道路形状モデルを算出するため、地図ベータベース４２０を基準として算出された道路形状モデルと自車両センサ（レーザレーダ２００、車両挙動検出装置３００）から得られる検出情報の位置とのズレ量を小さくすることができる。その結果、地図データベース４２０に基づく道路形状モデルと、検出情報に基づいて算出される道路構造物モデル情報とのズレ量を小さくすることが可能となり、正確な道路形状モデルを求めることができ、道路構造物を正確に検出することができる。このように、ずれ量の小さいデータに基づいて道路構造物の検出を行うため、処理効率を向上させることができる。

ちなみに、本実施形態の検出情報及び道路形状モデルは、処理タイミングが特定できるように処理タイミングの識別子が付加された状態でメモリ５０に記憶される。処理タイミングの識別子は、処理カウントであってもよいし、処理タイミングの時刻であってもよいし、自車両の現在位置情報であってもよい。第１検出手段の道路構造物検出手段３０は、最近処理された（最新の）道路形状モデル又は検出情報、過去に処理された（第ｎタイミングに処理された）道路形状モデル又は検出情報を取得することができる。

同様に、道路構造物検出手段３０の検出結果、及び検出結果に至るまでの中途処理結果についても、処理タイミングの識別子が付加された状態でメモリ５０に記憶される。このように本実施形態では、処理履歴をメモリ５０に逐次記憶することにより、現在の時点における道路構造物検出処理において過去の検出結果又は中途処理結果を参照することができる。

次に、Ｓ５〜Ｓ１４までに係る道路構造物検出手段３０の処理を説明する。
Ｓ５において、道路構造物検出手段３０の検出領域設定部３１は、道路形状モデル算出手段１０により算出された道路形状モデルと、先のタイミングにおける前記道路構造物の検出位置とに基づいて、現タイミングにおける自車両前方の道路構造物を検出する検出領域を設定する（Ｓ５）。具体的に、検出領域設定部３１は、メモリ５０から道路形状モデル情報と過去の複数道路構造物モデル情報を取得し、道路形状モデルを基準として、近傍左側領域（領域２）、遠方右側領域（領域３、近傍右側領域の外側の領域）、遠方左側領域（領域４、近傍左側の外側の領域）の４つの検出領域を設定する。各検出領域は、固定的に設定するのではなく、先のタイミングにおける道路構造物の検出結果に応じて設定する。

ここでは、各検出領域の設定手法について例を挙げて説明する。
まず、近傍左右領域（領域１、領域２）の設定方法について説明する。近傍左右領域は、先のタイミングにおいて、道路形状モデルに対して右側（又は左側）の近傍及び右側（又は左側）の遠方に道路構造物のモデルが算出されたか否か（道路構造物が存在する可能性があったか否か）に応じて設定する。もちろん、道路形状モデルに対して右側（又は左側）の近傍及び右側（又は左側）の遠方に道路構造物が存在すると判定されたか否かに応じて近傍左右の検出領域を設定してもよい。先述したが、道路構造物のモデルが算出されたか否か、又は道路構造物として判定された物体の位置については、各処理履歴を記憶するメモリ５０を参照することにより取得することができる。

以下に、設定条件（１）〜（３）の３つの場合における近傍右側の検出領域の設定手法を説明する。
（１）先のタイミングにおいて、道路形状モデルの右側の近傍に道路構造物モデルが非検出であり、先のタイミングにおいて、道路形状モデルの右側の遠方に道路構造物モデルが非検出の場合は、道路形状モデル上から右側７ｍまでの領域を近傍右側領域（領域１）として設定する。この条件（１）に基づいて設定された近傍右側領域（領域１）を図６に示した。

（２）先のタイミングにおいて、道路形状モデルの右側の近傍に道路構造物モデルが非検出であり、先のタイミングにおいて、道路形状モデルの右側の遠方に道路構造物モデルが検出された場合は、検出された道路構造物モデルの左側３ｍから道路形状モデル上までの領域を近傍右側領域（領域１）として設定する。

（３）先のタイミングにおいて、道路モデルの右側の近傍に道路構造物モデルが検出された場合は、検出された道路構造物モデルの左右３ｍの領域を近傍右側領域（領域１）として設定する。

以下に、設定条件（４）〜（６）の３つの場合における近傍左側の検出領域の設定手法を説明する。

（４）先のタイミングにおいて、道路形状モデルの左側の近傍に道路構造物モデルが非検出であり、先のタイミングにおいて、道路形状モデルの左側の遠方に道路構造物モデルが非検出であった場合は、道路形状モデル上から左側７ｍまでの領域を近傍左側領域（領域２）として設定する。

（５）先のタイミングにおいて、道路形状モデルの左側の近傍に道路構造物モデルが非検出であり、先のタイミングにおいて、道路形状モデルの左側の遠方に道路構造物モデルが非検出であった場合は、検出された道路構造物モデルの右側３ｍから道路形状モデル上までの領域を近傍左側領域（領域２）として設定する。

（６）先のタイミングにおいて、道路形状モデルの左側の近傍に道路構造物モデルが検出された場合は、検出された道路構造物モデルの左右３ｍの領域を近傍左側領域（領域２）として設定する。この条件（６）に基づいて設定された近傍左側領域（領域２）を図６に示した。

次に、遠方左右領域（領域３、領域４）の設定方法について説明する。遠方左右領域は、先のタイミングにおいて、道路形状モデルに対して右側（又は左側）の近傍及び右側（左側）の遠方に道路構造物のモデルが算出されたか否か（道路構造物が存在する可能性があったか否か）に応じて設定する。もちろん、道路形状モデルに対して右（又は左）近傍及び右（又は左）遠方に道路構造物が存在すると判定されたか否かに応じて遠方左右の検出領域を設定してもよい。先述したが、道路構造物のモデルが算出されたか否か、又は道路構造物として判定された物体の位置については、各処理履歴を記憶するメモリ５０を参照することにより取得することができる。

以下に、設定条件（７）〜（９）の３つの場合における遠方右側の検出領域の設定手法を説明する。
（７）先のタイミングにおいて、道路形状モデルの右側の近傍に道路構造物モデルが非検出であり、先のタイミングにおいて、道路形状モデルの右側の遠方に道路構造物モデルが非検出であった場合、道路形状モデルから右側に９ｍ以上離隔している領域を遠方右側領域（領域３）として設定する。この条件（７）に基づいて設定された遠方右側領域（領域３）を図６に示した。

だたし、後述する起点抽出部において、道路形状モデルの近傍右側の検出領域で起点が抽出された場合は、道路形状モデルから起点までの距離に３ｍ付加した加算距離を算出し、道路形状モデルから加算距離以上離隔している領域を優先的に遠方右側領域（領域３）とする。

（８）先のタイミングにおいて、道路形状モデルの右側の近傍に道路構造物モデルが検出され、先のタイミングにおいて、道路形状モデルの右側の遠方に道路構造物モデル非検出である場合、検出された道路構造物モデルから右側に３ｍ以上離隔している領域を遠方右側領域（領域３）として設定する。

（９）先のタイミングにおいて、道路形状モデルの右側の遠方に道路構造物モデルが検出された場合は、検出された道路構造物モデルの左側３ｍから検出された道路構造物モデルの右側５ｍまでの領域を遠方右側領域（領域３）として設定する。

以下に、設定条件（１０）〜（１２）の３つの場合における遠方左側の検出領域の設定手法を説明する。
（１０）先のタイミングにおいて、道路形状モデルの左側の近傍に道路構造物モデルが非検出であって、道路形状モデルの左側の遠方に道路構造物モデルが非検出である場合は、検出された道路形状モデルから左側に９ｍ以上離隔している領域を遠方左側領域（領域４）として設定する。だたし、後述する起点抽出部３２において、道路形状モデルの近傍の左側領域で起点が抽出された場合は、道路形状モデルから起点までの距離に３ｍを付加した加算距離を算出し、道路形状モデルから加算距離以上離隔している領域を優先的に遠方左側領域（領域４）とする。

（１１）先のタイミングにおいて、道路形状モデルの左側の近傍に道路構造物モデルが検出され、道路形状モデルの左側の遠方に道路構造物モデルが非検出である場合、検出された道路構造物モデルから左側に３ｍ以上離隔している左側の領域を遠方左側領域（領域４）として設定する。この条件（１１）に基づいて設定された遠方左側領域（領域４）を図６に示した。

（１２）先のタイミングにおいて、道路形状モデルの左側の遠方に道路構造物モデルが検出された場合は、検出された道路構造物モデルから左側３ｍから左側５ｍまでの領域を遠方左側領域（領域４）として設定する。

次にＳ６へ進む。道路構造物検出手段３０の起点抽出部３２は、検出領域設定部３１により設定された検出領域ごとに道路構造物モデルの起点となる検出ポイントを抽出する（Ｓ６）。検出領域は、図６に基づいて説明した、近傍右側領域（領域１）、近傍左側領域（領域２）、遠方右側領域（領域３）、遠方左側領域（領域４）の４つの領域である。本例の起点抽出部３２は、１の検出領域に起点となる１の検出ポイントを抽出する。起点抽出部３２は、上記４つの各検出領域に含まれる検出ポイントのうち、Ｚ方向の距離差が小さく（距離差が所定値以下）、かつＸ方向に隣接する（距離が所定値以下の）他の検出ポイントが存在しない検出ポイントであって、自車両に最も近い検出ポイントを、道路構造物モデルに対応する線分を検出する開始点（以下起点とする）として抽出し、メモリ５０に記憶する。Ｚ方向の距離差が少ない検出ポイントを起点とすることにより、自車両に近い道路構造物の存在を検出することができる。また、Ｘ方向に沿って分布する検出ポイントを起点としないことにより、進行方向に延在する道路構造物を適切に検出することができる。

本例において抽出した起点を図７に示した。起点抽出部３２は、近傍右側領域（領域１）に含まれる検出ポイントから検出ポイントｄを起点１として抽出する。検出ポイントｅ，ｆは、検出ポイントｄよりもレーザレーダ２００に近いが、Ｘ方向に隣接する（距離が所定値以下）検出ポイントが存在するため、起点として抽出されない。起点抽出部３２は、近傍左側領域（領域２）に含まれる検出ポイントから検出ポイントｍを起点２として抽出する。検出ポイントｇ，ｉは、検出ポイントｍよりもレーザレーダ２００に近いが、Ｘ方向に隣接する（距離が所定値以下）検出ポイントが存在するため、起点として抽出されない。遠方右側領域（領域３）には検出ポイントが含まれないため、この領域において起点は抽出しない。起点抽出部３２は、遠方左側領域（領域４）に含まれる検出ポイントから検出ポイントｌを起点として抽出する。

次に、線分検出部３３は、起点抽出部３２により抽出された起点と、その起点と所定の位置関係にある検出ポイントとを順次連結して、１又は２以上の線分を検出する（Ｓ７，Ｓ８）。起点は各検出領域に１つづつ抽出されるため、起点から連結される線分も各検出領域に１線分づつ検出される。

本実施形態では、道路形状モデルに対する相対的位置に応じた２つの線分を検出する。
第１線分検出部３３１は、メモリ５０から近傍左右領域（領域１及び２）の各起点及び道路形状モデルに対する距離のしきい値Ｔ１（所定値）を取得する。そして、線分検出部３３の第１線分検出部３３１は、抽出された起点と所定の位置関係にある検出ポイントであって、道路形状モデルに対する距離が所定値未満の検出ポイントを、起点となる検出ポイントから順次連結した第１線分（道路構造物線分１）を検出する（Ｓ７）。

道路形状モデルに対して右側近傍領域における第１線分の検出処理を例にして説明する。自車両６００から１００ｍ離れた道路形状モデル上の地点の横位置（Ｘ方向の座標値）が、自車両６００に対して右側にずれている場合（道路形状モデルに対応する道路が進行方向右側に曲がっている場合）は、起点から遠方右側に存在し、道路形状モデルまでのX方向の距離（以下、Ｘ１とする）がしきい値Ｔ１未満の検出ポイント同士を比較して、道路形状モデルに沿う略直線上に位置する検出ポイントからなる線分を検出する。ここで、「検出ポイントが略直線上に位置する」とは、２点の傾きが所定範囲内である場合、少なくとも傾きが略同一である場合、求められた回帰直線から各検出ポイントまでの鉛直ずれ量が所定値以下である場合など、対象となる検出ポイントに基づいて直線が導ければよく、厳密に限定されない。

具体的に、まず、Ｘ１がＴ１以未満で、起点から走行方向に向かって離隔し、かつ起点に近接する（最も距離が小さい）検出ポイントを第１連結可能点として抽出する。さらに、Ｘ１がＴ１未満で、第１連結可能点の右側に近接する検出ポイントを第２連結ポイントとして抽出する。このように抽出した起点、第１連結ポイント、第２連結ポイントの相対的位置関係を導き、これら３点が所定の略直線上に位置するという所定の位置関係にある場合、これらの検出ポイントを起点から順次連結して１又は２以上の線分を検出する。

他方、３点が略直線上に位置していないと判断された場合、起点から走行方向に離隔し、Ｘ１がＴ１未満であって、第２連結可能点の走行方向右側に近接する検出ポイントを第３連結可能点として抽出する。そして、起点と第１、第２、第３連結可能点のうち２点が略直線上に並んでいれば、それを線分として検出する。ここでも、所定の略直線上に並ぶ検出ポイントが存在しなければ、第１〜第３連結可能点のうち、自車両に近い２点を第１、第２連結可能点として残し、起点よりも走行方向に離隔し、Ｘ１がＴ１未満で、さらに右側に検出された検出ポイントを新たな第３連結可能点として抽出し、再度、起点、第１、第２、第３連結可能点のうち２点が所定の略直線上に位置するか否かを判断する。このような処理を、線分を構成する可能性がある検出ポイントが存在しなくなるまで、繰り返す。

起点より遠方にあり，Ｘ１がＴ１以下の全ての検出ポイントに対してこの処理を行い、線分を検出し、直線を構成する検出ポイント数、自車両から最も遠い検出ポイント（以下終点という）、直線の傾きをメモリ５０に記憶する。ここで、所定の略直線上に位置する３つの検出ポイントが存在しなければ、起点と、起点に近接する（距離が最小の）連結可能点を結ぶ線分を検出し、直線を構成する検出点数、終点、直線の傾きをメモリ５０に記憶する。

また、自車両から道路形状モデル上の１００ｍ地点の横位置が自車両６００に対して左側にずれている場合についても、起点から走行方向に離隔し、Ｘ１がＴ１未満で、起点の走行方向左側に存在する検出ポイントを対象として、先述した道路形状モデルが右側にずれている場合と同様の手法で、連結可能点を抽出して線分を検出する。そして、検出した直線を構成する検出ポイント数，終点、直線の傾きをメモリ５０に記憶する。

次に、第２線分検出部３３２は、メモリ５０から遠方左右領域（領域３及び４）の各起点及び道路形状モデルに対する距離のしきい値Ｔ２（所定値）を取得する。そして、線分検出部３３の第２線分検出部３３２は、抽出された起点と所定の位置関係にある検出ポイントであって、道路形状モデルに対する距離が所定値未満の検出ポイントを、起点となる検出ポイントから順次連結した第２線分（道路構造物線分２）を検出する（Ｓ８）。

ここでは、道路形状モデルに対して右側遠方領域（領域３）における第２線分の検出処理を例にして説明する。遠方左右領域は、道路形状に依存しないため、起点から遠方右側に存在し、Ｘ１がＴ２以上の検出ポイントを比較し、検分を検出する。

まず，Ｘ１がＴ２以上で、起点から走行方向に離隔し、走行方向右側に近接する検出ポイントを第１連結可能点として抽出する。次に、起点から走行方向に離隔し、Ｘ１がＴ２以上であって、第１連結可能点の右側に近接する検出ポイントを第２連結可能点として抽出する。そして、起点、第１連結可能点、第２連結可能点が所定の略直線上に位置する場合は、これを線分として検出する。

また、検出した３点が所定の略直線上に並んでいなければ、起点より走行方向に向かって離隔し、Ｘ１がＴ２以上であって、第２連結可能点の右側に近接する検出ポイントを第３連結可能点として抽出する。これら起点と第１，第２，第３連結可能点のうち２点が所定の略直線上に並んでいれば、これを線分として検出する。他方、所定の略直線上に位置する検出ポイントが存在しなければ、第１〜第３連結可能点のうち、自車両に近い２点を第１，第２連結可能点とし、起点から走行方向に離隔し、Ｘ１がＴ２以上であって、さらに右側に近接する検出ポイントを新たな第３連結可能点として抽出する。そして、再度起点と第１，第２，第３連結可能点のうち２点が所定の略直線上に位置するか否かを判断する。

このような処理を、線分を構成する可能性のある検出ポイントが存在しなくなるまで繰り返す。起点より遠方にあり，Ｘ１がＴ２以上の全ての検出点に対して行い，線分を検出する。検出した線分について、検出ポイント数、終点、線分の傾きをメモリ５０に記憶する。

道路形状モデルに対して左側遠方領域（領域４）における第２線分の検出処理についても、右側遠方領域と同様に行う。すなわち、起点から走行方向に向かって離隔し、起点に対して左側に存在するとともに、Ｘ１がＴ２以上の検出ポイント同士を比較し、起点から遠方右側に存在する場合と同様な手法で連結可能点を順次抽出し、線分を検出する。線分を構成する検出ポイントが最も多い線分を該当領域の線分として検出し、検出ポイント数、終点。線分の傾きをメモリ５０に記憶する。

上記のような制御手順で検出処理を行うことにより、本例では、図７に示すように、右側近傍領域において抽出された起点１（検出ポイントｄ）に基づいて、検出ポイントｃを第１連結可能点として、検出ポイントｂを第２連結可能点として、検出ポイントａを第３連結ポイントとして抽出し、このうち略直線上に位置する３点ａ，ｂ，ｄにより導かれた直線を第１線分１０として検出する。

また、左側近傍領域において抽出された起点２（検出ポイントｍ）に基づいて、検出ポイントｊを第１連結可能点として、検出ポイントｈを第２連結可能点として抽出し、これら３点ｈ，ｊ，ｍにより導かれた直線を第１線分１１として検出する。第１線分１０及び第１線分１１は、道路形状モデルに依存する線分である。

さらに、左側遠方領域において抽出された起点４（検出ポイントｌ）に基づいて、検出ポイントｋを第１連結可能点として抽出し、これら２点ｋ，ｌにより導かれた直線を第２線分１２として検出する。第２線分１２は、道路形状モデルに依存しない線分である。なお、検出ポイントｅ，ｆ，ｇ，ｉ及びｃは、線分を構成しないと判断される。

このように、地図データベース４２０から求めた道路形状モデルを基準として設定した各領域おいて起点をそれぞれ抽出し、起点から延びる線分を検出することにより、自車両６００の走行道路の道路形状に沿った（道路形状に依存する）線分が検出される領域と、道路形状に依存しない線分を検出する領域を設定し、それぞれの領域に応じた線分を検出することができる。特に、前方に分岐があるような複雑な構造を有する場合であっても正確に道路構造物を検出することができる。このように検出された線分に基づいて、道路構造物モデルを算出することにより、道路構造物を正確に検出することができる。

続いて、モデル算出部３４は、線分検出部３３により検出された線分に基づいて、道路構造物の形状を近似する道路構造物モデルを算出する（Ｓ９）。具体的に、モデル算出部３４は、メモリ５０から検出された線分に関する情報及びしきい値Ｔ３を取得し、取得した線分情報に基づいて、自車両６００の走行方向前方の道路形状を示す近似線Ｌを算出する。

検出された各線分の傾きの絶対値が、しきい値Ｔ３以上である場合、道路構造物は直線状に並んでいると判断し、線分を構成する検出ポイント（線分情報に含まれる）を回帰分析し、式（１）で示す近似曲線Ｌを算出する。
近似曲線Ｌ： Ｘ＝ａ１＋ｂ１＊Ｚ …（１）
また、線分の傾きの絶対値が、しきい値Ｔ３未満である場合、道路構造物は曲線状に並んでいると判断し、線分を構成する検出ポイントを重回帰分析し、式（２）で示される近似曲線Ｌを算出する。
近似曲線Ｌ： Ｘ＝ａ１＋ｂ１＊Ｚ＋ｃ１＊Ｚ^２ …（２）
算出した近似曲線Ｌに関する近似曲線情報をメモリ５０に記憶する。

次に、判定部３５は、この算出された近似曲線Ｌで表現された道路構造物モデルと検出ポイントに基づいて、道路構造物を判定する。つまり、判定部３５は、道路構造物モデルと所定の位置関係にある検出ポイントをグルーピングし、このグルーピングされた検出ポイントを道路構造物として判定する。

本実施形態では、道路構造物モデルであるか否かを判定するに先立って、その判定基準の変更を行う（Ｓ１０）。判定基準変更部３５１は、メモリ５０から前回の道路構造物モデル情報と、前回の道路構造物以外の物体（以下、説明の便宜のため「可動物体」と称することもある）に対応する検出ポイントに関する情報及びしきい値Ｔ４ｌ、Ｔ４ｒを取得する。ここで「前回の道路構造物以外の物体に対応する検出ポイント」とは、先に判定部３５により道路構造物であると判定された物体以外の物体、例えば先行車両、走行道路に駐停車中の車両などに対応する検出ポイントである。道路構造物以外の物体に対応する検出ポイントの情報は、先の道路構造物判定処理にあたって判定部３５によりメモリ５０に記憶された情報であってもよいし、レーザレーダ２００により移動障害物として検出された検出ポイントの情報であってもよい。また、第２実施形態に詳細に説明する第２検出手段（可動物体検出手段）４０の第２グルーピング部４２により、先の処理において求められた第２グルーピング情報であってもよい。

判定基準変更部３５１は、可動物体が、算出された道路構造物モデルの右側又は左側のいずれの側に存在するかを判断し、可動物体が存在する側のしきい値（道路構造物モデルからの距離）を可動物体が存在しない側のしきい値よりも狭い範囲とする。このように、道路構造物モデルの近傍領域に車両等の可動物体が存在する場合には、可動物体が存在する側に検出された検出ポイントの判定を行うときに用いられるしきい値を厳しく設定することにより、道路構造物と車両等の可動物体が近接する場合、可動物体に対応する検出ポイントを道路構造物に対応する検出ポイントと誤って判定することを防止することができる。

判定部３５は、モデル算出部３４により算出された近似曲線Ｌ（道路モデル）から各検出ポイントまでの距離Ｄ１をそれぞれ算出する。そして、検出ポイントが道路構造物モデルの左側に存在する場合には、当該算出された距離Ｄ１としきい値Ｔ４ｌとを比較し、距離Ｄ１がしきい値Ｔ４ｌ未満である検出ポイントを道路構造物データ（道路構造物を構成する検出ポイント）と判定する（Ｓ１１）。また、検出ポイントが道路構造物モデルの右側に存在する場合には、当該算出された距離Ｄ１としきい値Ｔ４ｒとを比較し、距離Ｄ１がしきい値Ｔ４ｒ未満である検出ポイントを道路構造物データと判定する（Ｓ１１）。ここで、しきい値Ｔ４ｌ、Ｔ４ｒは、近似曲線Ｌの次数が１次の場合には、レーザレーダ２００の測定精度よりも若干大きい値に設定し、２次の場合は、１次よりも大きい値に設定することが好ましい。

図８に基づいて、本例の処理を説明する。判定部３５は、メモリ５０から検出情報（検出ポイントの距離計測情報）、道路形状モデル（近似曲線情報）、及びしきい値Ｔ４ｌ、Ｔ４ｒを取得し、当該取得された情報に基づいて、以下の処理を行う。なお、図８に示すように、本実施形態では、道路構造物モデルに対して左側に可動物体（道路構造物以外の物体）が存在するため、道路構造物モデルの左側の検出ポイントが道路構造物データであるか否かを判断するしきい値（所定値T４ｌ）は、道路構造物モデルの右側の検出ポイントが道路構造物データであるか否かを判断するしきい値（所定値T４ｒ）よりも小さい。

判定部３５は、検出ポイントが道路構造物モデルから所定の距離範囲にあるか否かによって、検出ポイントが道路構造物データであるか否かを判断する（Ｓ１２）。

道路構造物データと判断された検出ポイント同士はグルーピングされ（図８のＡ，Ｄ，Ｅ）、グルーピングされた検出ポイントに対応する物体は道路構造物と判定される（Ｓ１３）。検出結果出力部３６は、判定された道路構造物に関する検出結果を外部へ向けて出力する（Ｓ１４）。道路構造物の存在、位置等の検出結果は、出力装置５００に向けて出力され、ディスプレイ等の提示装置によりユーザに提示される。また、これらの検出結果は、運転支援システム等に向けて出力され、さらに運転支援用のデータに加工されてもよい。

なお、判定部３５は、道路構造物データと判定された検出ポイントを回帰分析して、近似曲線Ｌを再度算出してもよい。次いで、道路構造物として検出された検出ポイント及び算出された近似曲線Ｌに関する道路構造物情報を生成し、メモリ５０に記憶する。

本例では、図８に示すように、近似曲線Ｌから各検出点ａ〜ｍまでの距離Ｄ１をそれぞれ算出し、当該算出された距離Ｄ１としきい値Ｔ４ｌまたはＴ４ｒと比較する。この結果、図８に示すように、検出ポイントａ、ｂ、ｄ、ｈ、ｊ、ｍ、ｋ、ｌを道路構造物データと判定し、道路構造物モデル（近似曲線１）から所定の距離範囲内にある検出ポイントａ、ｂ、ｄはグルーピングされて、道路構造物Ａとして判定される。道路構造物モデル（近似曲線２）から所定の距離範囲内にある検出ポイントｈ、ｊ、ｍはグルーピングされて、道路構造物Ｄとして判定される。さらに、道路構造物モデル（近似曲線３）から所定の距離範囲内にある検出ポイントｋ、ｌはグルーピングされて、道路構造物Ｅとして判定される。この場合、検出結果出力部３６は、図５に示す物体Ａ，Ｄ，Ｅのように道路構造物形状の物体の検出結果を出力することが好ましい。

判定部３５により道路構造物ではないと判定された検出ポイントは、道路構造物以外の物体、例えば先行車両、前方に駐停車されている車両等として判断してもよい。本実施形態では、道路構造物ではないと判断された検出ポイントをさらに詳細に観察し、その他の物体として判定する処理を行う（Ｓ１５）。Ｓ１５におけるその他の物体判定処理は、第２実施形態において詳細に説明する。

本実施形態によれば、道路形状モデルと検出情報とに基づいて道路構造物モデルを算出し、算出した道路構造物モデルとの位置関係に基づいて検出ポイントが道路構造物であるか否かを判断するため、道路構造物を正確に判断することができる。特に、遠方になるにつれて精度が低下する画像を用いることなく道路構造物を判断するため、自車両から遠方までの従来よりも広い範囲において道路構造物を正確に検出することができる。

さらに、順次検出される検出ポイントの相対速度を参照することなく道路構造物を検出するので、検出ポイントが密集して検出された場合等のように、検出ポイント同士の時間的な対応付けができず、検出ポイントの相対速度を算出することが困難な場合であっても、道路構造物を正確に検出することができる。

＜第２実施形態＞
次に第２実施形態について説明する。第２実施形態は、道路構造物以外の物体を検出する第２検出手段（可動物体検手段）４０を備えることを特徴とする。図９に第２実施形態の前方物体検出装置９００のブロック構成の概要を示した。さらに、図１０に本実施形態の前方物体検出装置９００のブロック構成を示した。

図９及び図１０に示すように、本実施形態の前方物体検出装置９００は、第２検出手段（可動物体検手段）４０を備える以外の点は第１実施形態の前方物体検出装置１００と共通する。ここでは、共通する部分の説明は避け、異なる点を中心に説明する。

本実施形態の第２検出手段（可動物体検出手段）４０は、第１検出手段（道路構造物検出手段）３０により道路構造物に対応すると判断された検出ポイント以外の検出ポイントの検出情報に基づいて、道路構造物以外の物体を検出する。特に限定されないが、本実施形態の可動物体検出手段４０は、道路構造物検出手段３０により検出された道路構造物に対応する検出ポイント以外の検出ポイントであって、自車両と所定の位置関係を有する検出ポイントをグルーピングし、このグルーピングされた検出ポイントに対応する物体を道路構造物以外の物体として検出する。所定の位置関係は、検出処理のタイミングにおける自車両と検出ポイントとの位置関係のみならず、継続的に行われる検出処理において、先の検出処理のタイミングにおける自車両と検出ポイントとの相対的位置関係の継時的変化を含む。つまり、本実施形態の可動物体検出手段４０は、自車両と検出ポイントとの相対的位置関係の観点から可動物体を検出する手法、及び／又は自車両と検出ポイントとの相対的位置関係の継時的変化の観点から可動物体を検出する手法を用いることができる。

本実施形態の可動物体検出手段４０は、第１グルーピング部４１及び／又は第２グルーピング部４２を備え、第１検出手段（道路構造物検出手段）３０により道路構造物に対応すると判断された検出ポイント以外の検出ポイントであって、自車両と第１の位置関係を有する検出ポイントをグルーピングした第１グループと、第１の位置関係とは異なる第２の位置関係を有する検出ポイントをグルーピングした第２グループとを比較し、第１グループと第２グループとが所定の位置関係にある場合、グルーピングされた第１グループ又は第２グループの検出ポイントに対応する物体を道路構造物以外の物体として検出する。具体的には、本実施形態の可動物体検出手段４０は、Ｚ方向の距離を基準として第１グループデータを生成するとともに、Ｘ方向の幅を基準として第２グループデータを生成し、今回生成された第１グループデータが、前回の第２グループデータと所定の位置関係にある場合には、今回グルーピングされた第１グループデータに対応する物体を道路構造物以外の物体として検出する。

さらに、本実施形態の可動物体検出手段４０は、自車両と検出ポイントとの相対的位置関係の継時的変化に基づいて可動物体を検出する観点から、先のタイミングにおいてグルーピングした検出ポイントのグループと、その後のタイミングにおいてグルーピングした検出ポイントのグループとの相対的位置関係に基づいて、後のタイミングにおける検出ポイントのグループに対応する物体を道路構造物以外の物体として検出する。このように、道路構造物に対応する検出ポイントのように時間的な対応づけが困難な検出ポイントを除き、残りの検出ポイントをグルーピングして、道路構造物以外の物体を検出するので、自車両前方に存在する物体を正確に検出することができる。また、道路構造物以外の物体について、物体の区別を正確に行うことができる。

第１グルーピング部４１は、メモリ５０から距離計測情報、道路構造物情報、及びしきい値Ｚｔ１、Ｚｔ２、Ｚｔ３、Ｘｔ１、Ｗｔ１の各種情報を取得する。そして、これらの取得した情報に基づき、道路構造物に対応する検出ポイント以外の検出ポイントについて、走査開始位置から走査方向へ、互いに隣接する（所定距離以内に検出された）検出ポイント同士のＺ方向（レーダの光軸に沿った方向、図１１参照）の距離ＤＺを演算し、その絶対値をしきい値Ｚｔ１とを比較する。ここで、しきい値Ｚｔ１は、レーザレーダ２００の測定精度を考慮し、測定精度よりも少し大きめの値で、且つ、Ｔ４ｌ、Ｔ４ｒ＜Ｚｔ１（近似曲線が１次の場合），Ｚｔ１＜Ｔ４ｌ、Ｔ４ｒ（近似曲線が２次の場合）となるように設定される。

第１グルーピング部４１は、Ｚ方向の距離ＤＺの絶対値がしきい値Ｚｔ１未満であると判定した場合、距離ＤＺをなす２つの検出ポイントは同一物体から反射した反射レーザ光（反射波）によるものと判定し、これらを１のグループのグルーピング対象とする。一方、第１グルーピング部４１は、Ｚ方向の距離ＤＺの絶対値がしきい値Ｚｔ１以上である場合、又は、検出ポイント同士が離隔し、隣接する（所定距離以内に検出された）検出ポイントが存在しない孤立した検出ポイントである場合、１つの検出ポイントのみで１のグループを構成するようにグルーピング処理を行う。

第１グルーピング部４１は、上述した処理を各検出ポイントについて繰り返し、１又は２以上の第１グループデータを生成する。これら第１グループデータのそれぞれについて、自車両６００までのＺ方向の距離を算出する。具体的には、第１グループデータに含まれる各検出ポイントと自車両６００までのＺ方向距離を平均し、これを第１グループデータのＺ方向距離とする。また、第１グループデータのそれぞれについて、Ｘ方向（Ｚ方向に対して水平面において直行する車両横方向）の幅を算出する。具体的に、第１グループデータのＸ方向における中心点を算出し、第１グループデータの右端検出ポイントと左端検出ポイントとの位置差にレーザレーダ２００の単位スキャン幅を加算して第１グループデータのＸ方向幅（物体幅）を算出する。そして、これらの算出結果を第１グループデータの識別子に対応づけてメモリ５０に記憶する。

図１１に基づいて、第１グルーピング部４１によるグルーピング処理を詳細に説明する。図１１に示す検出情報は、先に説明した図２に示す状況において検出されたものである。

第１グルーピング部４１は、道路構造物検出手段３０により道路構造物として検出された、検出ポイント以外のポイントについて、第１グループ処理を行う。第１グループ処理は所定間隔で行われる。各第１グループ処理の結果となる第１グループデータはメモリ５０に記憶されるため、処理タイミングの異なる任意の第１グループデータをメモリ５０から取得することができる。第１グルーピング部４１は、検出ポイントｅ、ｆを第１グループデータＲ（１、ｔ）として認識し、検出ポイントｇ、ｉ、を第１グループデータＲ（２、ｔ）として認識する。また、検出ポイントｃをグルーピング対象とできない第１グループデータＲ（３、ｔ）として認識する。

また、第１グルーピング部４１は、自車両６００が走行している場合において、第１グルーピング処理により得た時間的に前後する第１グループデータを比較し、時間的に前後するこれらの第１グループデータが同一の第１グループデータであるか否かを確認する。そして、同一のグループデータであると判断された第１グループデータについて、さらに、自車両６００に対する相対速度を測定し、自車両と検出ポイントとの相対的位置関係の継時的変化の観点からグループデータの同一性を判断する。同一でないと判断された第１グループデータは、後の処理に備えてメモリ５０に記憶する。以下、相対速度を用いた相対的位置関係の観点からグループデータの同一性を判断する処理について説明する。

本実施形態の第１グルーピング部４１は、自車両に対する第１グループデータの相対速度に基づいて、時間的に前後するこれらの第１グループデータが同一の第１グループデータであるか否かを確認する。具体的に、第１グルーピング部は、同一の第１グループと確認された時間的に前後する第１グループデータのそれぞれの自車両６００に対する相対速度を算出し、算出された相対速度、又は相対速度と測定時点（過去）の位置から予測される現在位置とを比較し、比較の結果に基づいて時間的に前後するこれらの第１グループデータが同一の第１グループデータであるか否かを確認する。

特に限定されないが、第１グルーピング部４１は、先のタイミングで検出された第１グループデータと、現在の処理対象である第１グループデータとが、以下に示す（a１）、（a２）の、２つの条件を満たす場合には、これらは、同一の第１グループデータ、つまり同一の物体に対応すると判定する。

（a１）時間的に前に検出された第１グループデータの相対速度から推定された当該第１グループデータの現在位置と、今回測定された第１グループデータの現在位置とのＺ方向（光軸方向）の距離の絶対値がしきい値Ｚｔ２以下である。

（a２）時間的に前に検出された第１グループデータのＸ方向（自車両横方向）の中心点から、今回測定された第１グループデータのＸ方向の中心点までのＸ方向の距離の絶対値がしきい値Ｘｔ１以下である。

ここで、しきい値Ｚｔ２、Ｘｔ１は、正確な相対速度を算出するために、レーザレーダ２００の測定精度と同等な小さい値に設定されることが好ましい。

上述した条件（a１）〜（a２）を満たさない第１グループデータについては、時間的に前に検出され、相対速度が算出されていない第１グループデータと比較し、その同一性を判断する。相対速度は、時間的に前後するグループデータが同一のグループデータであると確認された場合に測定されるため、相対速度が算出されなかったグループデータもあるからである。つまり、相対速度に基づく条件（a１）〜（a２）からは同一性が判断できなかった第１グループデータについては、以下に示す条件（ｂ１）〜（ｂ３）に基づいてその同一性を判断する。本例では条件（ｂ１）〜（ｂ３）の３つの条件を満たす場合は、時間的に前後する第１グループデータが同一物体によるものであると判定する。

第１グルーピング部４１は、時間的に前に検出された第１グループデータと、今回の処理対象となる第１グループデータについて、
（ｂ１）時間的に前に検出された第１グループデータから、実測した今回の第１グループデータまでのＺ方向距離の絶対値がしきい値Ｚｔ３以下である。

（ｂ２）時間的に前に検出された第１グループデータのＸ方向における中心点から、今回の第１グループデータのＸ方向における中心点までのＸ方向距離の絶対値がしきい値Ｘｔ１以下である。

（ｂ３）時間的に前に検出された第１グループデータの物体幅と、実測した今回の第１グループデータの物体幅との差の絶対値がしきい値Ｗｔ１以下である。

第１グルーピング部４１は、時間的に前の第１グループデータと同一物体によるものと認識された今回の第１グループデータについて、自車両６００に対する相対速度をそれぞれ算出し、第１グループデータに含めてメモリ５０に記憶する。

次に、第２グルーピング部４２の第２グルーピング処理について説明する。
第２グルーピング部４２は、上述の第１グルーピング処理後に、第２グルーピング処理を行う。第２グルーピング処理では、時間的に前に検出された第２グループデータと、今回検出され、相対速度が計算された第１グループデータとの比較を行うことにより、道路構造物以外の物体（可動物体）を検出する。

第２グルーピング部４２は、直前の検索タイミングにおいて検出された第２グループデータにおけるＸ方向の中心位置から左右１／２車線幅（例えば１．７５ｍ）をグルーピング範囲として決定し、この範囲内に存在する複数の検出ポイントを第２グループとしてグルーピングする。

第２グルーピング部４２は、先に検出された第２グループデータと、今回の相対速度が計算され、上述のグルーピング範囲にＸ方向の中心位置が存在する第１グループデータと、しきい値Ｚｔ４、Ｚｔ５、Ｖｔ１、Ｗｔ２、Ｖｔ２、Ｗｔ３をメモリ３９から取得する。

そして、前回の第２グループデータと、今回の相対速度が計算され、上述のグルーピング範囲にＸ方向の中心位置が存在する第１グループデータについて、以下に示す（ｃ１）〜（ｃ４）の４つの判定条件を全て満たす場合に、前回の第２グループデータと今回の第１グループデータとが同一物体に対応すると判断する。さらに、同一物体に対応すると判断された第１グループデータ同士を第２グループデータとしてグルーピングする。

（ｃ１）前回の第２グループデータの相対速度から推測された当該第２グループデータの現在位置から、今回の第１グループデータまでのＺ方向距離の絶対値がしきい値Ｚｔ４以下である。

（ｃ２）前回の第２グループデータの相対速度と今回の第１グループデータの相対速度比が０より大きい。ただし、前回の第２グループデータの相対速度の絶対値が所定値（例えば５ｍ／ｓ程度）の場合は、本条件を適用しない。

（ｃ３）前回の第２グループデータの相対速度と、今回の第１グループデータの相対速度との差がしきい値Ｖｔ１以下である。

（ｃ４）グルーピング後の第２グループデータの物体幅がしきい値Ｗｔ２以下である。

ここで、しきい値Ｚｔ４、Ｖｔ１、Ｗｔ２は、上述した距離差が車両１台分に収まれば、第１グループデータと第２グループデータを同一物体と判断できるという観点から、設定されることが好ましい。

また、条件（ｃ２）は、前回の第２グループデータと今回の第１グループデータとが同一方向に移動しているかどうかを判断するための条件である。また、同条件の但し書き部分は、相対速度が小さいグループデータを、同一物体かどうかの判定から除外することを意味する。相対速度が小さいグループデータは、測定誤差が含まれる可能性があり、各グループデータがどちらの方向に移動しているかを正確に判断することが難しいからである。

更に、上記の判定条件を満たさず、前回の第２グループデータと今回の第１グループデータとが同一物体に対応しないと判断された場合、第１グループデータ間でグルーピングを行い、以下に示す（ｄ１）〜（ｄ３）に示す３つの条件を満たす場合に、新規の第２グループデータとしてグルーピングする。

（ｄ１） 今回の第１グループデータ同士のＺ方向の距離差の絶対値が、Ｚｔ５以下である。

（ｄ２）今回の第１グループデータ同士の相対速度差の絶対値がＶｔ２以下である。

（ｄ３）グルーピング後の第２グループデータの物体幅がしきい値Ｗｔ３以下である。

ここで、しきい値Ｚｔ５、Ｖｔ２、Ｗｔ３は、上述したＺ方向距離差が車両１．５台分に収まれば、第１グループデータ同士を同一物体として判断しても良いという観点から設定されることが好ましい。即ち、本条件（ｄ１）〜（ｄ３）に基づく判断は、先の条件（ｃ１）〜（ｃ４）を満たさない第１グループデータについて、条件を緩和して再度判断するものである。

また、第２グルーピング部４２は、第１グループデータが上述した条件（ｃ１）〜（ｃ４）、（ｄ１）〜（ｄ３）の何れの判定条件を満たさない場合には、当該第１グループデータのみで新規に第２グループデータとする。つまり、第２グルーピング部４２は、自車両６００の前方に存在する物体に含まれる検出ポイントから構成される第２グループデータを生成する。

さらに、生成された第２グループデータに含まれる第１グループデータからＺ方向距離、Ｘ方向における中心点、物体の左右端点、相対速度のそれぞれについて平均値を算出し、当該算出された平均値を、当該第２グループデータのＺ方向距離、Ｘ方向における中心点、物体幅、相対速度とする。さらに当該第２グループデータに対応する過去の第２グループデータが存在する場合には、その（同一物体によると判断された）第２グループデータの検出回数の値を更新する。

第２グルーピング部４２は、生成された第２グループデータを自車両６００の前方に存在する物体に対応するものであると判断し、自車両６００の前方に存在する物体を検出する。図１１に示した例では、第２グループデータとして判断されたＲ（３，ｔ）、Ｒ（１，ｔ）を、道路構造物以外の物体（可動物体）Ｂ、Ｃを検出する。

さらに、これら第２グループデータの相対速度情報に基づいて、当該物体が移動物体であるかどうかを判定し、当該判定の結果を第２グループデータに含めるメモリ５０に記憶する。

検出結果出力部４３は、判定された道路構造物以外に物体（可動物体）に関する検出結果を外部へ向けて出力する。判定された道路構造物の存在、位置等の検出結果は、出力装置５００に向けて出力され、ディスプレイ等の提示装置によりユーザに提示される。また、これらの検出結果は、運転支援システム等に向けて出力され、さらに運転支援用のデータに加工されてもよい。

続いて、第２実施形態の前方物体検出装置９００の制御手順を図１２に基づいて説明する。第２実施形態の前方物体検出装置９００の基本的な制御手順は、第１実施形態の前方物体検出装置１００のそれと共通する。第１実施形態に関して説明した図４に示すＳ１〜Ｓ１５までの処理は共通するので説明を省略し、ここでは、第２実施形態の特徴の一つである可動物体検出手段４０の処理を中心に説明する。

図１２は、図４に示したＳ１〜Ｓ１５に続く、その他の物体判定処理を示すフローチャート図である。

ステップ１５の後、ステップＳ２１において、第１のグルーピング部３７は、メモリ３９から距離計測情報、道路構造物情報、及びしきい値Ｚｔ１、Ｚｔ２、Ｚｔ３、Ｘｔ１、Ｗｔ１のデータを取得する。

次いで、第１グルーピング部４１は、当該情報に基づいて、図４に示したステップＳ１２において道路構造物データと判定されなかった検出ポイントに対して、上述した第１グルーピング処理を行う（Ｓ１）。

第１グルーピング部４１は、例えば走査範囲において自車両６００の走行方向右側の端部から隣接する検出ポイント間のＺ方向（光軸方向）距離を演算し、演算して得たＺ方向距離の絶対値がしきい値Ｚｔ１以下である場合、当該検出点ポイント同士をグルーピングして第１グループデータとする。第１グルーピング部４１は、Ｚ方向距離の絶対値がしきい値Ｚｔ１を超える領域の範囲、隣接する検出ポイントが存在しない範囲まで検出ポイントの比較をして第１グループデータを更新する。

次いで、各第１グループデータの自車両に対する距離を算出する。具体的には、第１グループデータに含まれる各検出ポイントから自車両１１までのＺ方向距離を平均し、その平均値を第１グループデータのＺ方向距離とする。さらに、第１グループデータのＸ方向の中心点を算出し、第１グループデータの右端点と左端点との位置差にレーザレーダ２００による単位スキャン幅を加算して物体幅を算出する。これらの算出結果を第１グループデータに含めてメモリ５０に記憶し、ステップＳ２２に進む。

ステップＳ２２において、第１グルーピング部４１は、上述した時間的に前後する第１グループデータの比較を行う。具体的には、第１グルーピング部４１は、今回生成された第１グループデータと、前回生成された第１グループデータのうち、相対速度が計算されている第１グループデータとをメモリ５０から取得する。

第１グルーピング部４１は、今回の第１グループデータと、前回生成された第１グループデータとを比較し、上述した判定条件（a１）〜（a２）を満たすか否かを判断し、条件を満たす場合には今回の第１グループデータと前回の第１グループデータとは同じ物体に基づくものであると判断する。第１グルーピング部４１は、判定条件（a１）〜（a２）を満たす第１グループデータについては、後のステップで相対速度を計算するために、当該第１グループデータに過去２点の距離情報（Ｚ方向距離、及びＸ方向中心点の情報）を追加して、ステップＳ２４以降の処理を行う。

また、第１グルーピング部４１は、判定条件（a１）〜（a２）を満たさない今回の第１グループデータについては、相対速度が検出されている前々回の第１グループデータをメモリ５０から取得し、当該前々回の第１グループデータとの関係において判定条件（a１）〜（a２）を満たすか否かを判定する。今回の第１グループデータが前々回の第１のグループデータとの間で判定条件（a１）〜（a２）を満たさない場合には、前々回の第１グループデータを削除する。一方、判定条件（a１）〜（a２）を満たす場合には、今回の第１グループデータと、前々回の第１グループデータとを同一物体と判断し、今回の第１グループデータについては、過去２点の距離情報を追加して、ステップＳ２４以降の処理を行う。

第１グルーピング部４１は、相対速度が検出されている前回、前々回の第１グループデータとの間で判定条件（a１）〜（a２）を満たさない今回の第１グループデータについては、相対速度が計算されていない前回の第１グループデータをメモリ３９から取得し、当該前回の第１グループデータと判定条件（ｆ１）〜（ｆ３）を満たすか否かを判定する。

この結果、判定条件（ｂ１）〜（ｂ３）を満たさない今回の第１グループデータについては、ステップＳ２７以降の処理を行う。一方、判定条件（ｂ１）〜（ｂ３）を満たす場合には、今回の第１グループデータと、前回の第１グループデータとを同一物体とし、当該第１グループデータについては、過去２点の距離情報を追加して、ステップＳ２３以降の処理を行う。

ステップＳ２７において、第１グルーピング部４１は、ステップＳ２２において、過去の第１グループデータと同一物体ではないと判定された今回の第１グループデータのＺ方向距離、Ｘ方向における中心点、物体幅をメモリ５０に記憶して、ステップＳ１に戻る。なお、この場合記憶した各種情報は、次回以降のステップＳ２２の時系列判断で使用する。

ステップＳ２３において、第１グルーピング部４１は、過去の第１グループデータとの間で時系列判断をするための判定条件を満たした第１グループデータについて、今回、前回及び前々回の距離情報を用いて相対速度を計算する。次いで、計算した相対速度情報を今回の第１グループデータに追加して、メモリ５０に記憶する。

第１グルーピング部４１は、上述のステップＳ２２〜ステップＳ２３までの処理を、ステップＳ２１にて検出した全ての第１グループデータについて行い、ステップＳ２４以降の処理に移行する。

ステップＳ２４において、第２グルーピング部４２は、メモリ５０から、ステップＳ２２で相対速度が計算された第１グループデータと、過去の第２グループデータと、しきい値Ｚｔ４、Ｚｔ５、Ｖｔ１、Ｗｔ２、Ｖｔ２、Ｗｔ３のデータを取得する。

次いで、当該情報等に基づいて、当該第１グループデータと第２グループデータとを比較して、同一物体と判定するための判定条件（ｃ１）〜（ｃ４）を満たす第１グループデータが存在するか否かを判定する。判定条件（ｃ１）〜（ｃ４）を満たすと判定された第１グループデータについては、ステップＳ２５以降の処理を行い、満たさないと判定された第１グループデータについては、ステップＳ２８以降の処理を行う。ステップＳ２８にて、第２グルーピング部４２は、ステップＳ２４にて過去の第２グループデータとの間で判定条件を満たない第１グループデータどうしを比較し、同一物体か否かを判断するための判定条件（ｄ１）〜（ｄ３）を満たす場合にはグルーピングを行い、新規に第２グループデータを生成する。一方、判定条件（ｄ１）〜（ｄ３）を満たさない場合には１つの第１グループデータで新規に第２グループデータを生成してメモリ５０に記憶し、ステップＳ２６に処理を進める。

ステップＳ２５において、第２グルーピング部４２は、第２グループデータに含まれる第１グループデータからＺ方向距離、Ｘ方向における中心点、物体の左右端点、相対速度のそれぞれについて平均値を算出する。算出された平均値を、当該第２グループデータのＺ方向距離、Ｘ方向における中心点、物体幅、相対速度として当該第２グループデータに含め、メモリ５０に記憶する。

次いで、当該第２グループデータに対応する過去の第２グループデータが存在する場合には、当該第２グループデータの検出回数の値を更新する。当該第２グループデータを、自車両６００の前方に存在する物体によるものと判断することで、自車両６００の前方に存在する物体を検出する。さらに、第２グループデータに含まれる相対速度情報に基づいて、当該物体が移動物体であるかどうかを判定し、当該判定の結果を第２グループデータに含める。

このようなステップＳ２４〜ステップＳ２６、２８までの処理を、ステップＳ２３で相対速度が計算された全ての第１グループデータに対して行い、ステップＳ２６の処理に移行する。

ステップＳ２６において、検出結果出力部４３は、ステップＳ２４〜ステップＳ２５の処理で得た第２グループデータを、自車両６００の乗員等が認識できるような形態にして出力装置５００の提示装置により提示する。

このように、可動物体検出手段４０は、道路構造物として検出されなかった検出点のうち、互いに隣接する検出ポイントを所定の条件でグルーピングして第１グループデータを生成し、この第１グループデータを他の観点から検証することにより、自車両６００の前方にある物体を検出する。これにより、道路構造物以外の物体を正確に検出することができる。移動しない道路構造物と、例えば他車両等の可動物体等とは、その挙動が異なるため、得られる検出情報の特性が異なる。本実施形態では、道路構造物とそれ以外の物体とを分けて検出することにより、道路構造物とそれ以外の物体とを誤認することなく正確に検出することができる。

また、Ｚ方向の距離を基準として第１グループデータを生成するとともに、Ｘ方向の幅を基準として第２グループデータを生成して、レーザレーダ２００によって検出される検出ポイントの位置について異なる観点からその共通性を求めることにより、道路構造物以外の物体を正確に検出することができる。

さらに、今回生成された第１グループデータが、前回の第２グループデータと所定の共通関係にある場合、今回生成された第１グループデータを第２グループデータと定義し、この第２グループデータに基づいて自車両前方の物体を検出して、異なるタイミングにおいて検出された検出ポイントの継時的変化の観点からその共通性を求めることにより、道路構造物以外の物体を正確に検出することができる。特に、先行車両等の動く物体については、継時的な変化の観点を加えることにより、物体を正確に検出することができる。

本実施形態では、前方物体検出装置１００及び９００について説明したが、前方物体検出方法を使用した場合も、同様に作用し、同様の効果を奏する。

なお、以上説明した実施形態は、本発明の理解を容易にするために記載されたものであって、本発明を限定するために記載されたものではない。したがって、上記の実施形態に開示された各要素は、本発明の技術的範囲に属する全ての設計変更や均等物をも含む趣旨である。

第１実施形態の前方物体検出装置のブロック構成概要を示す図である。 （Ａ）（Ｂ）は、レーザレーダの配置を説明する図である。 第１実施形態の前方物体検出装置のブロック構成図である。 第１実施形態に係る前方物体検出装置の制御手順を示すフローチャート図である。 レーザレーダにより検出ポイントを説明するための図である。 検出領域設定処理を説明するための図である。 線分検出処理を説明するための図である。 モデル算出処を説明するための図である。 第２実施形態の前方物体検出装置のブロック構成概要を示す図である。 第２実施形態の前方物体検出装置のブロック構成図である。 可動物体の検出処理を説明するための図である。 第２実施形態に係る前方物体検出装置の制御手順を示すフローチャート図である。

符号の説明

１００，９００…前方物体検出装置
１０…道路形状モデル算出手段
１１…道路形状情報取得部
１２…取得範囲決定部
１３…データ変換部
２０…検出情報取得手段
３０…第１検出手段，道路構造物検出手段
３１…検出領域設定部
３２…起点抽出部
３３…線分検出部
３４…モデル算出部
３５…判定部
３６…検出結果出力部
４０…第２検出手段，可動物体検出手段
４１…第１グルーピング部
４２…第２グルーピング部
４３…検出結果出力部

Claims (18)

1. 自車両に搭載され、自車両前方に存在する物体を検出する前方物体検出装置であって、
   前記自車両の前方に出射された走査波の反射波に基づいて検出された前記物体の検出ポイントの情報を含む検出情報を取得する検出情報取得手段と、
   前記自車両の現在位置を取得するとともに、地図データベースにアクセスして前記自車両前方の道路形状情報を取得し、当該道路形状情報に基づいて自車両前方の走行道路の道路形状モデルを算出する道路形状モデル算出手段と、
   前記検出情報取得手段により取得された検出情報と前記道路形状モデル算出手段により算出された道路形状モデルとに基づいて道路構造物モデルを算出し、当該算出された道路構造物モデルと所定の位置関係を有する検出ポイントをグルーピングし、当該グルーピングされた検出ポイントに対応する物体を道路構造物として検出する道路構造物検出手段と、を有する前方物体検出装置。
2. 前記道路形状モデル算出手段は、地図データベースにアクセスして、前記検出情報取得手段により取得される検出情報の検出領域よりも広い所定領域の前記道路形状情報を取得し、取得した道路形状情報を前記検出情報の検出領域内に入るようにデータ変換し、当該変換後の道路形状情報に基づいて自車両前方の走行道路の道路形状モデルを算出する請求項１に記載の前方物体検出装置。
3. 前記道路構造物検出手段は、
   前記道路形状モデル算出手段により算出された道路形状モデルと、先のタイミングにおける前記道路構造物の検出位置とに基づいて、現タイミングにおける自車両前方の道路構造物を検出する検出領域を設定する検出領域設定部と、
   前記検出領域設定部により設定された検出領域ごとに前記道路構造物モデルの起点となる検出ポイントを抽出する起点抽出部と、
   前記起点抽出部により抽出された起点と、当該起点と所定の位置関係にある検出ポイントとを順次連結して１又は２以上の線分を検出する線分検出部と、
   前記線分検出部により検出された線分に基づいて、前記道路構造物の形状を近似する道路構造物モデルを算出するモデル算出部と、
   前記モデル算出部により算出された道路構造モデルと所定の位置関係にある検出ポイントをグルーピングし、当該グルーピングされた検出ポイントに対応する物体を道路構造物として判定する判定部とを有する請求項１又は２に記載の前方物体検出装置。
4. 前記線分検出部は、
   前記起点抽出部により抽出された起点と、当該起点と所定の位置関係にある検出ポイントであって、かつ前記道路形状モデル算出手段により現のタイミングにおいて算出された道路形状モデルに対する距離が所定値未満の検出ポイントを、順次連結して１又は２以上の線分を検出する第１線分検出部と、
   前記起点抽出部により抽出された起点と、当該起点と所定の位置関係にある検出ポイントであって、かつ前記道路形状モデル算出手段により現のタイミングにおいて算出された道路形状モデルに対する距離が所定値以上の検出ポイントを、順次連結して１又は２以上の線分を検出する第２線分検出部とを有する請求項３に記載の前方物体検出装置。
5. 前記判定部は、前記道路構造物に対応する検出ポイント以外の検出ポイントが前記道路形状モデルに対して左側又は右側のいずれの側にあるかを判断し、その判断結果に応じて当該検出ポイントが前記グルーピングの対象となるか否かの判断基準となる所定の位置関係を変更する判定基準変更部を有する請求項３又は４に記載の前方物体検出装置。
6. 前記道路構造物検出手段により検出された道路構造物に対応する検出ポイント以外の検出ポイントの検出情報に基づいて、道路構造物以外の物体を検出する可動物体検出手段をさらに有する請求項１〜５のいずれかに記載の前方物体検出装置。
7. 前記可動物体検出手段は、前記道路構造物検出手段により検出された道路構造物に対応する検出ポイント以外の検出ポイントであって、前記自車両と所定の位置関係を有する検出ポイントをグルーピングし、当該グルーピングされた検出ポイントに対応する物体を道路構造物以外の物体として検出する請求項６に記載の前方物体検出装置。
8. 前記可動物体検出手段は、前記道路構造物検出手段により検出された道路構造物に対応する検出ポイント以外の検出ポイントであって、前記自車両と第１の位置関係を有する検出ポイントをグルーピングした第１グループと、第２の位置関係を有する検出ポイントをグルーピングした第２グループとを比較し、第１グループと第２グループとが所定の位置関係にある場合に、前記第１グループ又は前記第２グループとしてグルーピングされた検出ポイントに対応する物体を道路構造物以外の物体として検出する請求項６に記載の前方物体検出装置。
9. 前記可動物体検出手段は、先のタイミングにおいてグルーピングした検出ポイントのグループと、その後のタイミングにおいてグルーピングした検出ポイントのグループとの位置関係に基づいて、前記後のタイミングにおける検出ポイントグループに対応する物体を道路構造物以外の物体として検出する請求項６又は７に記載の前方物体検出装置。
10. 自車両に搭載され、自車両前方に存在する物体を検出する前方物体検出方法であって、
    前記自車両の前方に出射された走査波の反射波に基づいて検出された前記物体の検出ポイントの情報を含む検出情報を取得するステップと、
    前記自車両の現在位置を取得するとともに、地図データベースにアクセスして前記自車両前方の道路形状情報を取得し、当該道路形状情報に基づいて自車両前方の走行道路の道路形状モデルを算出するステップと、
    前記取得された検出情報と前記算出された道路形状モデルとに基づいて道路構造物モデルを算出し、当該算出された道路構造物モデルと所定の位置関係を有する検出ポイントをグルーピングするステップと、
    当該グルーピングされた検出ポイントに対応する物体を道路構造物として検出するステップとを有する前方物体検出方法。
11. 前記走行道路形状モデルを算出するステップは、地図データベースにアクセスして、前記取得される検出情報の検出領域よりも広い所定領域の前記道路形状情報を取得し、取得した道路形状情報を前記検出情報の検出領域内に入るようにデータ変換し、当該変換後の道路形状情報に基づいて自車両前方の走行道路の道路形状モデルを算出する請求項１０に記載の前方物体検出方法。
12. 前記道路構造物を検出するステップは、
    前記算出された道路形状モデルと、先のタイミングにおける前記道路構造物の検出位置とに基づいて、現タイミングにおける自車両前方の道路構造物を検出する検出領域を設定するステップと、
    前記設定された検出領域ごとに前記道路構造物モデルの起点となる検出ポイントを抽出するステップと、
    前記抽出された起点と、当該起点と所定の位置関係にある検出ポイントとを順次連結して１又は２以上の線分を検出するステップと、
    前記検出された線分に基づいて、前記道路構造物の形状を近似する道路構造物モデルを算出するステップと、
    前記算出された道路構造モデルと所定の位置関係にある検出ポイントをグルーピングし、当該グルーピングされた検出ポイントに対応する物体を道路構造物として判定するステップとを有する請求項１０又は１１に記載の前方物体検出方法。
13. 前記線分を検出するステップは、
    前記起点を抽出するステップにより抽出された起点と、当該起点と所定の位置関係にある検出ポイントであって、かつ現のタイミングにおいて算出された前記道路形状モデルに対する距離が所定値未満の検出ポイントを、順次連結して１又は２以上の第１線分を検出するステップと、
    前記抽出された起点と、当該起点と所定の位置関係にある検出ポイントであって、かつ現のタイミングにおいて算出された前記道路形状モデルに対する距離が所定値以上の検出ポイントを、順次連結して１又は２以上の第２線分を検出するステップとを有する請求項１２に記載の前方物体方法。
14. 前記判定するステップは、前記道路構造物に対応する検出ポイント以外の検出ポイントが前記道路形状モデルに対して左側又は右側のいずれの側にあるかを判断し、その判断結果に応じて当該検出ポイントが前記グルーピングの対象となるか否かの判断基準となる所定の位置関係を変更するステップを有する請求項１２又は１３に記載の前方物体検出方法。
15. 前記道路構造物を検出するステップにより検出された道路構造物に対応する検出ポイント以外の検出ポイントの検出情報に基づいて、道路構造物以外の物体を検出するステップをさらに有する請求項１０〜１４のいずれかに記載の前方物体検出方法。
16. 前記道路構造物以外の物体を検出するステップは、前記検出された道路構造物に対応する検出ポイント以外の検出ポイントであって、前記自車両と所定の位置関係を有する検出ポイントをグルーピングし、当該グルーピングされた検出ポイントに対応する物体を道路構造物以外の物体として検出する請求項１５に記載の前方物体検出方法。
17. 前記道路構造物以外の物体を検出するステップは、前記検出された道路構造物に対応する検出ポイント以外の検出ポイントであって、前記自車両と第１の位置関係を有する検出ポイントをグルーピングした第１グループと、第２の位置関係を有する検出ポイントをグルーピングした第２グループとを比較し、第１グループと第２グループとが所定の位置関係にある場合に、前記第１グループ又は前記第２グループとしてグルーピングされた検出ポイントに対応する物体を道路構造物以外の物体として検出する請求項１５に記載の前方物体検出方法。
18. 前記道路構造物以外の物体を検出するステップは、先のタイミングにおいてグルーピングした検出ポイントのグループと、その後のタイミングにおいてグルーピングした検出ポイントのグループとの関係に基づいて、前記後のタイミングにおける検出ポイントグループに対応する物体を道路構造物以外の物体として検出する請求項１６又は１７に記載の前方物体検出方法。
    
    

Images