JP2009208676A - 車両周囲環境検出装置 - Google Patents

Abstract

【課題】レーダを用いて物体の属性を高い精度で判別する。
【解決手段】車両は、レーザの反射信号を受光して、車両周囲の物体を検出するレーザレーダ１と、レーザレーダ１が検出した物体の動きを検出する動き検出機能、レーザレーダ１における受光状態を検出する受信状態検出機能、並びにそれら検出した物体の動き及び受光状態を基に、レーザレーダ１が検出した物体が人間で確度を算出する確度算出機能を有する外界認識装置５を備える。
【選択図】図１

Description

本発明は、車両周囲の歩行者等、車両周囲の環境を検出する車両周囲環境検出装置に関する。

特許文献１では、レーダの反射波の強度やばらつきに応じて検出物体の属性（車両か否か）を判定し、検出物体が非車両の場合、そのエリアのみ画像処理をして、レーダで検出した物体が人間であるか否かを判定している。この技術では、カメラで撮像した全エリアを画像処理して歩行者を検出するのではなく、レーダ反射波の強度やばらつきを基に、他の車両以外の位置に相当する画像領域に限定して画像処理することで、歩行者検出のための画像処理の処理負荷を低減している。
特開２００４−１９１１３１号公報

しかしながら、特許文献１では、レーダの反射波の強度やばらつきのみで車両か否かを判別しているため、車両の判別精度が低くなる、といった課題がある。またその結果として、誤検出した車両に対しても画像処理を行ってしまうため、歩行者検出のための画像処理の処理負荷が多くなる、といった課題がある。
本発明の課題は、レーダを用いて物体の属性を高い精度で判別することである。

前記課題を解決するために、本発明に係る請求項１に記載の車両周囲環境検出装置は、検出用信号を出射し、その反射信号を受信して、物体検出手段が検出した車両周囲の物体の動きと、前記物体検出手段の受信状態とを基に、物体検出手段が検出した物体が特定の物体である確度を確度算出手段により算出する。ここで、特定の物体とは例えば歩行者である。

本発明によれば、物体検出手段による物体の属性の判別結果となる特定の物体である確度の算出精度を高めることができる。これにより、この確度を物体識別手段の処理に反映させることで、物体識別手段の処理負荷の低減が可能となる。

本発明を実施するための最良の形態（以下、実施形態という。）を図面を参照しながら詳細に説明する。
（第１の実施形態）
（構成）
第１の実施形態は、本発明を適用した車両である。図１は、その車両の構成を示す。
図１に示すように、車両は、レーザレーダ１、レーダ処理装置２、ＣＣＤ（Charge Coupled Device）カメラ３、画像処理装置４、外界認識装置５、車速検出装置６、操舵角検出装置７、自動ブレーキ制御装置８、負圧ブレーキブースタ９及び警報ブザー１０を備える。

レーザレーダ１は、車両前方を走査するスキャニング式レーザレーダであり、走査結果をレーダ処理装置２に出力する。レーダ処理装置２は、レーザレーダ１の走査結果を基に、歩行者候補物体を抽出する。具体的には、レーダ処理装置２は、一つ又は複数の物体（歩行者候補物体）に対して自車両を原点とする２次元（車間距離方向と車幅方向）座標値を算出し、物体の幅（大きさ）を算出する。ＣＣＤカメラ３は、プログレッシブスキャン式３ＣＣＤカメラであり、自車両前方の状況を高速に把握する。ＣＣＤカメラ３は、撮像結果（撮像画像）を画像処理装置４に出力する。画像処理装置４は、画像処理により歩行者の認識処理を実施する。レーダ処理装置２及び画像処理装置４は、認識処理の結果を外界認識装置５に出力する。また、車速検出装置６は、自車両の状態量を推定するために、従属左右車輪速度を検出する。操舵角検出装置７は、前輪操舵角を検出する。車速検出装置６及び操舵角検出装置７は、検出結果を外界認識装置５に出力する。

外界認識装置５は、レーダ処理装置２が算出した物体（歩行者候補物体）の位置と、画像処理装置４で認識した歩行者の位置からセンサーフュージョンによる位置精度向上や追跡の頑強化及び歩行者の判別の処理を行う。外界認識装置５は、処理結果を自動ブレーキ制御装置８に出力する。自動ブレーキ制御装置８は、外界認識装置５が判別した歩行者との距離を基に、制動力を算出し、その算出結果を基に、負圧ブレーキブースタ９を制御（自動制動制御）する。負圧ブレーキブースタ９は、前後輪の任意の制動力を達成するためのものである。自動ブレーキ制御装置８は、負圧ブレーキブースタ９のソレノイドバルブに制動力指令電圧を印加して、制動力を付与し、自車両を減速させる。また、自動ブレーキ制御装置８は、外界認識装置５が判別した歩行者との距離を基に、警報タイミングを算出し、その算出結果を基に、警報ブザー１０を制御（自動警報出力制御）する。これにより、警報ブザー１０により警報出力して、運転者に注意を促す。これらのレーダ処理装置２や自動ブレーキ制御装置８はそれぞれ、マイクロコンピュータとその周辺部品や各種アクチュエータの駆動回路等を備え、互いに通信回路を介して情報を送受信する。

図２は、外界認識装置５の処理手順を示す。ここで、処理を全て１００（ｍｓｅｃ）毎に実施する（サンプリング周期＝１００ｍｓｅｃ）。
図２に示すように、処理を開始すると、先ずステップＳ１において、外界認識装置５は、車速検出装置６及び操舵検出装置７から車速Ｖｓｐ＿ｚ０（ｍ／ｓｅｃ）及び操舵角Ｓｔｒ＿ｚ０（ｒａｄ）を読み込む。ここで、操舵角Ｓｔｒ＿ｚ０は、右方向への操舵が正値になる。また、Ｖｓｐ＿ｚ０、Ｓｔｒ＿ｚ０の「＿ｚ０」は、今回のサンプリングにおける値を意味し、「＿ｚ１」であれば、前回のサンプリングにおける値を意味する。

続いてステップＳ２において、外界認識装置５は、左右位置（横方向位置）Ｐｘ＿ｚ０［ｉ］、前後位置（縦方向位置）Ｐｙ＿ｚ０［ｉ］及び大きさｏｂｊＷ＿ｚ０［ｉ］を読み込む（レーダ処理装置２の処理結果を読み込む）。ここで、左右位置（横方向位置）Ｐｘ＿ｚ０［ｉ］、前後位置（縦方向位置）Ｐｙ＿ｚ０［ｉ］及び大きさｏｂｊＷ＿ｚ０［ｉ］は、レーザレーダ１が検出した物体（歩行者候補物体）の情報である。物体の左右位置Ｐｘ＿ｚ０［ｉ］及び物体の前後位置Ｐｙ＿ｚ０［ｉ］は、自車両位置を原点とした位置になる。また、外界認識装置５は、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］、受光強度の分散値Ｌ＿ｄｖ＿ｚ０及び受光強度の過去１秒間における時間的なバラツキ（例えば標準偏差）Ｌ＿ｓｄｖ［ｉ］を読み込む（レーダ処理装置２の処理結果を読み込む）。ここで、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］、受光強度の分散値Ｌ＿ｄｖ＿ｚ０及び受光強度の過去１秒間における時間的なバラツキＬ＿ｓｄｖ［ｉ］は、レーザレーダ１そのものの情報である。また、各値の［ｉ］は、検出物体ごとに割り当てたＩＤ番号を意味する。よって、ステップＳ２では、レーザレーダ１が検出した物体［ｉ］の全て（ｉ＝１〜Ｎ、Ｎ：整数）について、左右位置Ｐｘ＿ｚ０［ｉ］等の各種値を読み込んでいる。

続いてステップＳ３において、外界認識装置５は、前記ステップＳ２で検出した各物体［ｉ］について、自車両に対する横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び縦方向相対速度ｒＶｙ＿ｚ０［ｉ］を下記（１）式で表す伝達関数により算出する。
Ｇ（Ｚ）＝（ｃ・Ｚ^２−ｃ）／（Ｚ^２−ａ・Ｚ＋ｂ） ・・・（１）
ここで、Ｚは進み演算子である。また、ａ，ｂ，ｃは正数であり、これらは所望の擬似微分特性を有するようにサンプリング周期１００ｍｓｅｃで離散化したものである。また、以下の説明中の相対速度の符号については、負値の縦方向相対速度は、自車両との接近方向の値を意味し、負値の横方向相対速度は、自車両進行方向に対して右側方向の値を意味する。

続いてステップＳ４において、外界認識装置５は、物体の前後の動きに関して、該物体が歩行者らしい度合い（以下、第１歩行者確度という。）Ｒ１［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ１で読み込んだ車速Ｖｓｐ＿ｚ０及びステップＳ３で算出した縦方向相対速度ｒＶｙ＿ｚ０［ｉ］を用いて、下記（２）式により第１歩行者確度Ｒ１［ｉ］を算出する。
Ｒ１［ｉ］＝ｆｕｎｃ１（ｒＶｙ＿ｚ０［ｉ］＋Ｖｓｐ＿ｚ０） ・・・（２）
ここで、関数ｆｕｎｃ１（Ａ）は、その変数Ａに対して図３に示すような特性を有する。図３に示すように、変数Ａが０となる値を中心として、ある値±Ａ１の範囲内で、変数Ａが０に近づくほど、第１歩行者確度Ｒ１［ｉ］は大きくなる。そして、ある値±Ａ２（｜Ａ２｜＜｜Ａ１｜）の範囲内で、第１歩行者確度Ｒ１［ｉ］は正値となる（Ｒ１［ｉ］＞０）。

この（２）式中、変数（ｒＶｙ＿ｚ０［ｉ］＋Ｖｓｐ＿ｚ０）は、レーザレーダ１が検出した物体の自車両の前後方向における速度そのものを示すものである。そして、変数（ｒＶｙ＿ｚ０［ｉ］＋Ｖｓｐ＿ｚ０）は、レーザレーダ１が検出した物体が真の歩行者であれば、その歩行速度は限定的となる（小さくなる）。よって、（２）式によれば、レーザレーダ１が検出した物体の速度が大きくなるほど、第１歩行者確度Ｒ１［ｉ］は小さくなるから、自車両の前後方向における移動速度が歩行者としてあり得ない値の場合には、第１歩行者確度Ｒ１［ｉ］は小さくなる。これを考慮して、例えば、Ａ１は４（ｍ／ｓｅｃ）であり、Ａ２は３（ｍ／ｓｅｃ）である。また、第１歩行者確度Ｒ１［ｉ］のとり得る値の範囲は−０．５〜０．５となる（Ｒ１［ｉ］∈［−０．５，０．５］）。

続いてステップＳ５において、外界認識装置５は、物体の左右の動きに関して、該物体が歩行者らしい度合い（以下、第２歩行者確度という。）Ｒ２［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ３で算出した横方向相対速度ｒＶｘ＿ｚ０［ｉ］を用いて、下記（３）式により第２歩行者確度Ｒ２［ｉ］を算出する。
Ｒ２［ｉ］＝ｆｕｎｃ１（ｒＶｘ＿ｚ０［ｉ］） ・・・（３）

この（３）式の関数ｆｕｎｃ１（Ａ）も、その変数Ａに対して図３に示すような特性を有する。この（３）式中、変数ｒＶｘ＿ｚ０［ｉ］は、レーザレーダ１が検出した物体の自車両の左右方向における速度そのものに等しい値を示している。そして、レーザレーダ１が検出した物体が真の歩行者であれば、その歩行速度は限定的となる（歩行速度は小さい）。よって、（３）式によれば、レーザレーダ１が検出した物体の速度が大きくなるほど、第２歩行者確度Ｒ２［ｉ］は小さくなるから、自車両の左右方向における移動速度が歩行者として有り得ない値の場合、第２歩行者確度Ｒ２［ｉ］は小さくなる。また、第２歩行者確度Ｒ２［ｉ］のとり得る値の範囲は−０．５〜０．５となる（Ｒ２［ｉ］∈［−０．５，０．５］）。

続いてステップＳ６において、外界認識装置５は、さらに物体が歩行者らしい度合い（以下、第３歩行者確度という。）Ｒ３［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ２で読み込んだ受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］及び物体の前後位置Ｐｙ＿ｚ０［ｉ］を用いて、下記（４）式により第３歩行者確度Ｒ３［ｉ］を算出する。
Ｒ３［ｉ］＝ｆｕｎｃ３（Ｌ＿ａｖ＿ｚ０［ｉ］−ｆｕｎｃ２（Ｐｙ＿ｚ０［ｉ］）） ・・・（４）
ここで、関数ｆｕｎｃ２（Ａ）は、その変数Ａに対して図４に示すような特性を有する。また、関数ｆｕｎｃ３（Ａ）は、その変数Ａに対して図５に示すような特性を有する。なお、図４及び図５中、ＲｅｆＭａｘは反射強度（受光強度）の最大値を示す。

この（４）式中、関数ｆｕｎｃ２は、物体の前後位置Ｐｙ＿ｚ０［ｉ］が自車両から遠くの位置になるほど（自車両との距離が長くなるほど）、小さくなる。よって、（４）式によれば、物体の前後位置Ｐｙ＿ｚ０［ｉ］を基に関数ｆｕｎｃ２で得た値と、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］との差分が大きくなるほど、第３歩行者確度Ｒ３［ｉ］は小さくなる。例えば、自車両から物体が遠くに位置しているのにもかかわらず、反射強度が大きい場合には、第３歩行者確度Ｒ３［ｉ］はより１に近くなる。例えば、検出した物体が道路脇に設置されている路側構造物であるリフレクターの場合、それが自車両から遠くに位置していても、反射強度が大きくなる。このような場合に、第３歩行者確度Ｒ３［ｉ］はより１に近くなる。

すなわち、関数ｆｕｎｃ２（Ｐｙ＿ｚ０［ｉ］）の値は、自車両と物体との距離から、予想される反射強度の値を示すものである。このため、第３歩行者確度Ｒ３［ｉ］（関数ｆｕｎｃ３の値）は、その予想される反射強度と、実際に物体から得た反射強度との乖離度合いを評価する値となる。このような第３歩行者確度Ｒ３［ｉ］により、物体との距離の情報に加えて、レーザレーダ１の反射強度の情報を基に、物体の属性を判定できるようにしている。この第３歩行者確度Ｒ３［ｉ］のとり得る値の範囲は０〜１となる（Ｒ３［ｉ］∈［０，１］）。
なお、この実施形態では、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］を用いた。これに代えて、前記ステップＳ２で読み込んだグルーピングした各反射地点の分散値Ｌ＿ｄｖ＿ｚ０や受光強度の過去１秒間における時間的なバラツキＬ＿ｓｄｖ［ｉ］を用いても良い。

続いてステップＳ７において、外界認識装置５は、最終的な歩行者らしい度合い（以下、総歩行者確度という。）Ｒ［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ４〜ステップＳ６で算出した第１〜第３歩行者確度Ｒ１［ｉ］，Ｒ２［ｉ］，Ｒ３［ｉ］を用いて、下記（５）式により総歩行者確度Ｒ［ｉ］を算出する。
ｔｍｐ［ｉ］＝（Ｒ１［ｉ］＋Ｒ２［ｉ］）・Ｒ３［ｉ］
ｉｆ（ｔｍｐ［ｉ］＜０） {Ｒ［ｉ］＝０}
ｅｌｓｅ{Ｒ［ｉ］＝ｔｍｐ［ｉ］}
・・・（５）

ここで、ｉｆ（expression） statement１ else statement２は、expressionを満たす場合にstatement１を実施し、expressionを満たさない場合にはstatement２を実施する関数である。この（５）式によれば、総歩行者確度Ｒ［ｉ］は、その値が大きくなるほど（その確度が高くなるほど）、レーザレーダ１で検出した物体が歩行者である可能性が高くなることを示す。ここで、総歩行者確度Ｒ［ｉ］のとり得る値の範囲は０〜１となる（Ｒ［ｉ］∈［０，１］）。ここで、物体の移動速度が歩行者としてあり得ないほど大きい場合を考える。すなわち、第１歩行者確度Ｒ１［ｉ］や第２歩行者確度Ｒ２［ｉ］が負値になり、第１歩行者確度Ｒ１［ｉ］と第２歩行者確度Ｒ２［ｉ］との合算値（Ｒ１［ｉ］＋Ｒ２［ｉ］）が負値となる場合を考える。この場合、（５）式によれば、レーザレーダ１の受光強度が弱く、第３歩行者確度Ｒ３［ｉ］が大きくなるときでも、総歩行者確度Ｒ［ｉ］は正値を示すことはない。すなわち、第３歩行者確度Ｒ３［ｉ］は、物体の移動速度が歩行者としてあり得ないほど大きければ、それを支配的なものとして扱い、レーザレーダ１の受光強度に関係なく、物体が歩行者である可能性を常に低く見積もることが可能な値になっている。

続いてステップＳ８において、外界認識装置５は、微分演算等で用いる変数の過去値を更新して終了する。すなわち、前記ステップＳ３の伝達関数を離散式として解く場合に、そのときに用いる変数の過去値を更新する。
（動作）
一連の動作は次のようになる。
車両走行中、レーザレーダ１が走査結果をレーダ処理装置２に出力し、レーダ処理装置２は、レーザレーダ１の走査結果を基に、歩行者候補物体を抽出する。その一方で、ＣＣＤカメラ３は、自車両前方の状況の撮像画像を画像処理装置４に出力し、画像処理装置４は、画像処理により歩行者の認識処理を実施する。そして、レーダ処理装置２及び画像処理装置４は、認識処理の結果を外界認識装置５に出力する。また、車速検出装置６及び操舵角検出装置７は、検出結果を外界認識装置５に出力する。外界認識装置５は、入力を基に、物体が人間である確度を算出する。すなわち、外界認識装置５は、車速検出装置６及び操舵検出装置７から車速Ｖｓｐ＿ｚ０（ｍ／ｓｅｃ）及び操舵角Ｓｔｒ＿ｚ０（ｒａｄ）を読み込む（前記ステップＳ１）。さらに、外界認識装置５は、レーザレーダ１が検出した各物体の情報として、左右位置Ｐｘ＿ｚ０［ｉ］、前後位置Ｐｙ＿ｚ０［ｉ］及び大きさｏｂｊＷ＿ｚ０［ｉ］を読み込む（前記ステップＳ２）。

そして、外界認識装置５は、自車両に対する横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び縦方向相対速度ｒＶｙ＿ｚ０［ｉ］を算出する（前記ステップＳ３）。外界認識装置５は、算出した縦方向相対速度ｒＶｙ＿ｚ０［ｉ］及び横方向相対速度ｒＶｘ＿ｚ０［ｉ］を基に、第１歩行者確度Ｒ１［ｉ］及び第２歩行者確度Ｒ２［ｉ］を算出する（前記ステップＳ４、ステップＳ５）。ここで、自車両の前後方向における移動速度が歩行者としてあり得ないほど大きい場合、第１歩行者確度Ｒ１［ｉ］は小さい値になる。また、自車両の前後方向における移動速度が歩行者としてあり得ないほど大きい場合、第２歩行者確度Ｒ２［ｉ］は小さい値になる。

また、外界認識装置５は、レーザレーダ１の受光強度を基に、第３歩行者確度Ｒ３［ｉ］を算出する（前記ステップＳ６）。ここで、受光強度が強い場合、第３歩行者確度Ｒ３［ｉ］は１に近い値となる。そして、外界認識装置５は、第１〜第３歩行者確度Ｒ１［ｉ］〜Ｒ３［ｉ］を基に、総歩行者確度Ｒ［ｉ］を算出する（前記ステップＳ７）。レーザレーダ１が検出した物体が歩行者である可能性が高くなるほど、総歩行者確度Ｒ［ｉ］は大きくなる（１に近づく）。そして、外界認識装置５は、処理結果を自動ブレーキ制御装置８に出力する。自動ブレーキ制御装置８は、警報ブザー１０により警報出力することで、運転者に注意を促す。また、自動ブレーキ制御装置８は、負圧ブレーキブースタ９のソレノイドバルブに制動力指令電圧を印加して、制動力を付与し、自車両を減速させる。

なお、この第１の実施形態を次のような構成により実現することもできる。
すなわち、この第１の実施形態では、画像処理等する特定の物体を人間としている。しかし、これに限定されるものではない。例えば、人間以外の他の物体を特定の物体とすることができる。この場合、特定の物体を認識する処理に対応して、図３の特性図等、処理内容を適宜変更する。

なお、この第１の実施形態の車両は、図６に示すように、検出用信号を出射し、その反射信号を受信して、車両周囲の物体を検出する物体検出手段１０１と、前記物体検出手段１０１が検出した物体の動きを検出する動き検出手段１０２と、前記物体検出手段１０１における反射信号の受信状態を検出する受信状態検出手段１０３と、前記動き検出手段１０２が検出した物体の動きと、前記受信状態検出手段１０３が検出した受信状態とを基に、前記物体検出手段１０１が検出した物体が特定の物体である確度を算出する確度算出手段１０４とを備える。そして、前記実施形態の車両は、車両周囲を撮像するＣＣＤカメラ３に相当する撮像手段１０５と、前記撮像手段１０５の撮像画像を画像処理して、車両周囲の物体を識別する画像処理装置４に相当する物体識別手段１０６とを備える。

また、この第１の実施形態において、レーザレーダ１は、検出用信号を出射し、その反射信号を受信して、車両周囲の物体を検出する物体検出手段を実現している。また、外界認識装置５のステップＳ３の処理は、前記物体検出手段が検出した物体の動きを検出する動き検出手段を実現している。また、外界認識装置５のステップＳ２の処理は、前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段を実現している。また、外界認識装置５のステップＳ４〜ステップＳ７の処理は、前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段を実現している。

（作用及び効果）
（１）検出用信号となるレーザの反射光を受光して、レーザレーダ１が検出した車両周囲の物体（歩行者候補物体）の動きと、レーザレーダ１の受光強度とを基に、レーザレーダ１が検出した物体が人間である確度を算出している。このように、レーザレーダ１の受光強度のみならず、車両周囲の物体（歩行者候補物体）の動きを基に、レーザレーダ１が検出した物体が人間である確度を算出している。これにより、レーザレーダ１による物体の属性の判別結果となる人間である確度の算出精度を高めることができる。これにより、この確度を画像処理装置４の処理（認識結果や実施タイミング等）に反映させることで、画像処理装置４の処理負荷の低減が可能となる。

（２）車両の進路に対する物体の左右方向の運動を示す横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び車両の進路に対する物体の前後方向の運動を示す値（ｒＶｙ＿ｚ０［ｉ］＋Ｖｓｐ＿ｚ０）を基に、レーザレーダ１が検出した物体が人間である確度を算出している。これにより、物体の動き情報を用いることで、物体が歩行者か否かの判別を高い精度で行うことができる。

（３）レーザレーダ１の受光強度が強い場合、レーザレーダ１が検出した物体が人間である確度を低くしている。路側構造物では反射率が高くなることが多いことから、レーザレーダ１の受光強度が強い場合、レーザレーダ１が検出した物体が人間である確度を低くすることで、物体が歩行者か否かの判別を高い精度で行うことができる。
（４）物体の動きの情報を横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び縦方向相対速度ｒＶｙ＿ｚ０［ｉ］として得ている。これにより、簡単な処理により確度を算出できる。

（第２の実施形態）
（構成）
第２の実施形態も、本発明を適用した車両である。第２の実施形態の車両も、前記第１の実施形態と同様、図１に示すような構成となる。第２の実施形態では、前記第１の実施形態の処理動作（図２）を一部異ならせている。
図７は、第２の実施形態における処理動作を示す。図７に示すように、処理を開始すると、先ずステップＳ２１において、画像処理装置４は、ＣＣＤカメラ３の入力画像を取り込む。
続いてステップＳ２２において、外界認識装置５は、前記第１の実施形態のステップＳ１と同様に、車速検出装置６及び操舵検出装置７から車速Ｖｓｐ＿ｚ０及び操舵角Ｓｔｒ＿ｚ０を読み込む。

続いてステップＳ２３において、外界認識装置５は、自車両の将来の進路を予測する。具体的には、外界認識装置５は、前記ステップＳ２２で読み込んだ車速Ｖｓｐ＿ｚ０及び操舵角Ｓｔｒ＿ｚ０を用いて、下記（６）式により走行路の曲率半径（ｍ）の逆数Ｒｏｗ（１／ｍ）を算出する。
Ｒｏｗ＝１／（（１＋Ａ・Ｖｓｐ＿ｚ０^２・Ｌ_ＷＢ）／Ｓｔｒ＿ｚ０） ・・・（６）
ここで、Ａは、車両固有の値であるスタビリティファクタ（車重、ホールベース長、重心位置、タイヤの横力で決まる定数とみなせる値）である。また、Ｌ_ＷＢ（ｍ）はホイールベース長である。

続いてステップＳ２４において、外界認識装置５は、前記第１の実施形態のステップＳ２と同様に、左右位置Ｐｘ＿ｚ０［ｉ］、前後位置Ｐｙ＿ｚ０［ｉ］及び大きさｏｂｊＷ＿ｚ０［ｉ］を読み込む。これらの値は、レーザレーダ１が検出した物体の情報である。また、外界認識装置５は、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］、受光強度の分散値Ｌ＿ｄｖ＿ｚ０及び受光強度の過去１秒間における時間的なばらつきＬ＿ｓｄｖ［ｉ］を読み込む。これらの値は、レーザレーダ１そのものの情報である。

続いてステップＳ２５において、外界認識装置５は、前記第１の実施形態のステップＳ３と同様に、前記ステップＳ２で検出した各物体［ｉ］について、自車両との横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び縦方向相対速度ｒＶｙ＿ｚ０［ｉ］を伝達関数により算出する（前記（１）式）。
続いてステップＳ２６において、外界認識装置５は、レーザレーダ１で検出した物体が自車両にとって注目すべき度合い（以下、注目必要度合いという。）Ａｔ［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ２４で読み込んだ物体の左右位置Ｐｘ＿ｚ０［ｉ］及び物体の前後位置Ｐｙ＿ｚ０［ｉ］、並びに前記ステップＳ２３で算出した値Ｒｏｗを用いて、下記（７）式により注目必要度合いＡｔ［ｉ］を算出する。
Ａｔ［ｉ］＝ｆｕｎｃ４（Ｐｘ＿ｚ０［ｉ］，Ｐｙ＿ｚ０［ｉ］，Ｒｏｗ） ・・・（７）

ここで、関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）は、その変数Ｘ，Ｙ，Ｒに対して図８及び図９に示すような特性を有する。図８に示すように、Ｘ軸、Ｙ軸、関数ｆｕｎｃ４の軸は、それぞれが直行する３次元の関係となる。そして、関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）の値は、Ｙ軸付近で最大値を有する分布となっており、その最大値が、Ｘ−Ｙ平面内で変数Ｒに応じて変化する（Ｙ軸からずれる）ようになっている。すなわち、変数Ｒに応じて関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）の値の分布が遷移する。これにより、関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）の値は、変数Ｘ，Ｙに対応し、変数Ｒに応じて変化する値として得られる。この関数ｆｕｎｃ４のとり得る値の範囲は０〜１となる（ｆｕｎｃ４∈［０，１］）。

この関数ｆｕｎｃ４を用いた（７）式により、注目必要度合いＡｔ［ｉ］は、走行路の曲率半径の逆数Ｒｏｗを基に得た、予測進路の走路中央で最大値となる分布において、物体の位置に対応する値を示すものとなる。ここで、物体の位置は、物体の左右位置Ｐｘ＿ｚ０［ｉ］及び物体の前後位置Ｐｙ＿ｚ０［ｉ］である。これにより、物体の位置が予測進路の走路中央に近くなるほど、注目必要度合いＡｔ［ｉ］は大きくなる（１に近くなる）。

図９は、前記図８の視点を変えて示す図である（２次元として示す）。ここで、図９に示すように、自車両は、自車両の走行方向の右側に物体［ｉ］を検出し、自車両の走行方向の左側に他の物体［ｉ＋１］を検出しているものとする。この場合、右側に検出した物体［ｉ］の注目必要度合いＡｔ［ｉ］は、その物体［ｉ＋１］の左右位置Ｐｘ＿ｚ０［ｉ］及び前後位置Ｐｙ＿ｚ０［ｉ］で決まる位置が、値Ｒｏｗで決まる予測進路（右旋回の進路）の走路中央に近くなるほど、大きくなる（１に近くなる）。また、左側に検出した物体［ｉ＋１］の注目必要度合いＡｔ［ｉ＋１］は、その物体［ｉ＋１］の左右位置Ｐｘ＿ｚ０［ｉ＋１］及び前後位置Ｐｙ＿ｚ０［ｉ＋１］で決まる位置が、値Ｒｏｗで決まる予測進路（左旋回の進路）の走路中央に近くなるほど、大きくなる（１に近くなる）。よって、自車両の走行方向の右側で検出した物体［ｉ］と自車両の走行方向の左側で検出した物体［ｉ＋１］とが、自車両と横方向位置（左右位置Ｐｘ＿ｚ０の絶対値）で同じになる場合でも、値Ｒｏｗによってそれらは異なる値を示すものとなる。

このように、自車両の予測進路の走路近くに位置する物体について、その横位置が自車両に近くなるほど、注目必要度合いＡｔ［ｉ］は大きくなる。注目必要度合いＡｔ［ｉ］は、その値が１のとき、物体［ｉ］が自車両の予測進路の走路中央に位置していることを意味し、このような物体［ｉ］については最も注目しなければならないことを意味する。
続いてステップＳ２７において、外界認識装置５は、レーザレーダ１だけでなく画像処理で物体の冗長検知を行うための要求レベルＲｅｑＩＰ［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ２６で算出した注目必要度合いＡｔ［ｉ］を用いて、下記（８）式により要求レベルＲｅｑＩＰ［ｉ］を算出する。
ＲｅｑＩＰ［ｉ］＝ｆｕｎｃ５（Ａｔ［ｉ］） ・・・（８）

ここで、関数ｆｕｎｃ５（Ａ）は、その変数Ａに対して図１０に示すような特性を有する。図１０に示すように、変数Ａに応じて関数ｆｕｎｃ５（Ａ）の値が段階的に変化し、変数が大きくなるほど、関数ｆｕｎｃ５（Ａ）の値が大きくなる。また、ヒステリシス（同図中の矢印）を考慮して、変数Ａと関数ｆｕｎｃ５（Ａ）の値との関係を得ている。このような関数ｆｕｎｃ５を用いた（８）式により、注目必要度合いＡｔ［ｉ］が大きくなるほど、要求レベルＲｅｑＩＰ［ｉ］は段階的に大きくなる。よって、自車両の予測進路の走路近くに位置する物体について、その横位置が自車両に近くなるほど、注目必要度合いＡｔ［ｉ］が大きくなるので、要求レベルＲｅｑＩＰ［ｉ］も大きくなる。

続いてステップＳ２８〜ステップＳ３０において、外界認識装置５は、前記第１の実施形態のステップＳ４〜ステップＳ６と同様にして、第１〜第３歩行者確度Ｒ１［ｉ］〜Ｒ３［ｉ］を算出する。
続いてステップＳ３１において、外界認識装置５は、第４歩行者確度Ｒ４［ｉ］を算出する。具体的には、外界認識装置５は、下記（９）式により算出する。
Ｐｖ＿Ｔ［ｉ］＝ｆｕｎｃ６（Ｐｙ＿ｚ０［ｉ］／Ｖｓｐ＿ｚ０）
Ｔｍｐ１［ｉ］＝ｆｕｎｃ４（Ｐｘ＿ｚ０［ｉ］＋Ｐｖ＿Ｔ［ｉ］・ｒＶｘ＿ｚ０［ｉ］，Ｐｙ＿ｚ０［ｉ］，Ｒｏｗ）
Ｔｍｐ２［ｉ］＝Ｒ２［ｉ］＋０．５
Ｒ４［ｉ］＝Ｔｍｐ１［ｉ］・Ｔｍｐ２［ｉ］
・・・（９）

ここで、関数ｆｕｎｃ６（Ａ）は、その変数Ａに対して図１１に示すような特性を有する。図１１に示すように、関数ｆｕｎｃ６（Ａ）の値は、変数Ａが１になるまで該変数Ａと同じ値をとり、変数Ａが１よりも大きくなると、変数Ａにかかわらず１になる。このような関数ｆｕｎｃ６を用いた（９）式において、関数ｆｕｎｃ６の変数（Ｐｙ＿ｚ０［ｉ］／Ｖｓｐ＿ｚ０）は、自車両が現在位置から物体の前後位置ｙ＿ｚ０［ｉ］を通過するまでの予測時間を示す。このようなことから、ｆｕｎｃ６（Ｐｙ＿ｚ０［ｉ］／Ｖｓｐ＿ｚ０）の値Ｐｖ＿Ｔ［ｉ］は、検出した物体の位置に自車両が到達するまでの時間に応じて変化する。また、（９）式中、関数ｆｕｎｃ４の変数（Ｐｘ＿ｚ０［ｉ］＋Ｐｖ＿Ｔ［ｉ］・ｒＶｘ＿ｚ０［ｉ］）は、自車両が現在位置から物体の前後位置Ｐｙ＿ｚ０［ｉ］を通過するまでの予測時間Ｐｖ＿Ｔ［ｉ］における、該物体の横方向の位置を示す。これにより、Ｔｍｐ１［ｉ］は、自車両が物体を検出した位置を通過する際に、該物体が自車両に近づいているか否かを、値Ｒｏｗを用いることで道路形状を反映させつつ、判定するための値となる。ここで、Ｔｍｐ１［ｉ］のとり得る値の範囲は０〜１となる（Ｔｍｐ１［ｉ］∈［０，１］）。さらに、横方向の移動速度から歩行者らしさを判定するための第２歩行者確度Ｒ２［ｉ］のとり得る値の範囲が−０．５〜０．５となる（Ｒ２［ｉ］∈［−０．５，０．５］）。これに対応して、（９）式中、Ｔｍｐ２［ｉ］は、そのとり得る値の範囲が０．５だけシフトし、０〜１となる（Ｔｍｐ２［ｉ］∈［０，１］）。

この（９）式によれば、検出した物体が自車両の予測進路の走路内に向かって移動する場合やその移動が歩行者らしい動きによるものである場合、第４歩行者確度Ｒ４［ｉ］は大きくなる。また、検出した物体が自車両の予測進路の走路から離れていく場合やその移動が歩行者らしくない動きによるものである場合、第４歩行者確度Ｒ４［ｉ］は小さくなる。例えば、自車両の予測進路の走路の近くに物体を検出したとしても、自車両が実際にその物体の検出地点を通過したときに該物体が自車両から離れた位置にあれば、該物体について画像処理により認識処理する必要性は乏しい。このような場合、第４歩行者確度Ｒ４［ｉ］は小さくなる。

続いてステップＳ３２において、外界認識装置５は、最終的な歩行者らしい度合い（総歩行者確度）Ｒ［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ２８〜ステップＳ３１で算出した歩行者確度Ｒ１［ｉ］，Ｒ３［ｉ］，Ｒ４［ｉ］を用いて、下記（１０）式により総歩行者確度Ｒ［ｉ］を算出する。
Ｒ［ｉ］＝ｆｕｎｃ７（２・Ｒ１［ｉ］・Ｒ３［ｉ］・Ｒ４［ｉ］） ・・・（１０）

ここで、関数ｆｕｎｃ７（Ａ）は、その変数Ａに対して図１２に示すような特性を有する。図１２に示すように、関数ｆｕｎｃ７（Ａ）の値は、変数Ａが正値の場合には、該変数Ａと同じ値（変数Ａに比例する値）になり、変数Ａが負値の場合には０になる。この（１０）式によれば、総歩行者確度Ｒ［ｉ］は、前記第１の実施形態（前記（５）式）と同様に、その値が大きくなるほど、レーザレーダ１で検出した物体が歩行者である可能性が高くなることを示す。ここで、総歩行者確度Ｒ［ｉ］のとり得る値の範囲は０〜１となる（Ｒ［ｉ］∈［０，１］）。

例えば、自車両の前後方向における物体の移動速度が歩行者としてあり得ないほど大きく、第１歩行者確度Ｒ１［ｉ］が負値になる場合を考える。この場合には、レーザレーダ１の受光強度が弱く、第３歩行者確度Ｒ３［ｉ］が大きい値でも、総歩行者確度Ｒ［ｉ］は正値を示すことはない。また、自車両の前後方向における物体の移動速度が歩行者としてありえ得ないほど大きく、第１歩行者確度Ｒ１［ｉ］が負値になる場合を考える。この場合には、物体近くを自車両が通過するとして、第４歩行者確度Ｒ４［ｉ］が大きい値でも、総歩行者確度Ｒ［ｉ］は正値を示すことはない。このように、物体の移動速度が歩行者としてあり得ないほど大きければ、それを支配的なものとして扱い、レーザレーダ１の受光強度や物体近くを自車両が通過する事情に関係なく、物体が歩行者である可能性を常に低く見積もるようにする。

続いてステップＳ３３において、外界認識装置５は、冗長検知（画像処理による物体認識処理）の実施を許可するしきい値を各物体について算出する。具体的には、外界認識装置５は、前記ステップＳ３２で算出した総歩行者確度Ｒ［ｉ］を用いて、下記（１１）式によりしきい値ＴＨＲ［ｉ］を算出する。
ＴＨＲ［ｉ］＝ｆｕｎｃ８( Ｒ［ｉ］ ) ・・・（１１）

ここで、関数ｆｕｎｃ８（Ａ）は、その変数Ａに対して図１３に示すような特性を有する。図１３に示すように、変数Ａに応じて関数ｆｕｎｃ８（Ａ）の値が段階的に変化し、変数が大きくなるほど、関数ｆｕｎｃ８（Ａ）の値が大きくなる。また、ヒステリシス（同図中の矢印）を考慮して、変数Ａと関数ｆｕｎｃ８（Ａ）の値との関係を得ている。このような関数ｆｕｎｃ８を用いた（１１）式により、しきい値ＴＨＲ［ｉ］は、総歩行者確度Ｒ［ｉ］が大きくなるほど、段階的に小さくなる。すなわち、レーザレーダ１が検出した物体が歩行者である可能性が高くなる場合、総歩行者確度Ｒ［ｉ］が大きくなるので、しきい値ＴＨＲ［ｉ］は小さくなる。

なお、本実施形態では、常に一定の特性を有する関数としているが、ナビゲーションシステムからの道路属性が事故多発エリアやスクールゾーンを示す場合には、しきい値ＴＨＲ［ｉ］を小さくしても良い（異なる特性の関数に切り換えても良い）。
続いてステップＳ３４において、外界認識装置５は、前記ステップＳ２７で算出した冗長検知を行う要求レベルＲｅｑＩＰ［ｉ］が、前記ステップＳ３３で算出したしきい値ＴＨＲ［ｉ］よりも大きいか否かを判定する。前述のように、外界認識装置５は、レーザレーダ１で検出した物体について、前記ステップＳ３２において総歩行者確度Ｒ［ｉ］を算出することで、該物体が歩行者である可能性を判別している。このような処理に加えて、該物体について画像処理により認識処理を実施するか否かを、このステップＳ３４において判定する。ここで、外界認識装置５は、要求レベルＲｅｑＩＰ［ｉ］がしきい値ＴＨＲ［ｉ］よりも大きい場合（ＲｅｑＩＰ［ｉ］＞ＴＨＲ［ｉ］）、歩行者認識のための画像処理を実施するため、ステップＳ３５に進み、そうでない場合（ＲｅｑＩＰ［ｉ］≦ＴＨＲ［ｉ］）、ステップＳ３８に進む。

ステップＳ３５では、画像処理装置４は、前記ステップＳ２１でＣＣＤカメラ３から取り込んだ画像中で、前記ステップＳ３４の判定処理で判定条件を満たした物体［ｉ］の位置に相当する画像領域に限定して、歩行者認識のための画像処理を実施する。ここで、物体認識の画像処理方法として、パターンモデルや反射信号に基づいて実施する等、種々ある。例えば、本実施形態では、特開２００５−３１８４０８号公報に開示の方法により、物体認識の画像処理を実施する。この画像処理により、物体からの反射信号より得られるビート信号のパワースペクトル値を基に、物体が歩行者に類似する度合い（以下、歩行者類似度合いという。）ＳＭＬ［ｉ］を算出する。歩行者類似度合いＳＭＬ［ｉ］は、そのとり得る値の範囲が０〜１であり（ＳＭＬ［ｉ］∈［０，１］）、その度合いが高くなるほど、認識対象の物体が歩行者に類似することを意味する。

続いてステップＳ３６において、画像処理装置４は、前記ステップＳ３５で算出した歩行者類似度合いＳＭＬ［ｉ］が、所定のしきい値（固定しきい値）よりも大きいか否かを判定する。ここで、画像処理装置４は、歩行者類似度合いＳＭＬ［ｉ］が所定のしきい値よりも大きい場合（ＳＭＬ［ｉ］＞所定のしきい値）、物体が歩行者である可能性が高いとして、ステップＳ３７に進み、そうでない場合（ＳＭＬ［ｉ］≦所定のしきい値）、ステップＳ３８に進む。
なお、前記ステップＳ３５及びステップＳ３６の処理を、外界認識装置５が行うこととしても良い。

ステップＳ３７では、画像処理装置４又は外界認識装置５は、前記ステップＳ３６の判定処理で判定条件を満足する歩行者情報を後段へ伝える。これにより、自動ブレーキ制御装置８は、歩行者情報を基に、検出した物体［ｉ］（検出した物体［ｉ］が複数であれば各物体）に対して自動制動制御や自動警報出力を実施する。例えば、自動ブレーキ制御装置８は、検出した物体の歩行者類似度合いが高ければ、該検出した物体が歩行者である可能性が高いとして、該物体を対象として自動制動制御等を行う。また、自動ブレーキ制御装置８は、検出した物体の歩行者類似度合いが低ければ、該検出した物体に対しては、該検出した物体がリフレクター等であり、歩行者である可能性が低いとして、該物体と自車両との距離が短い場合でも、自動制動制御等を行わない。

続いてステップＳ３８において、前記第１の実施形態のステップＳ８と同様に、微分演算等で用いる変数の過去値を更新して終了する。
（動作）
一連の動作は次のようになる。ここでは、第２の実施形態において特有の動作を説明する。
外界認識装置５は、自車両の将来の進路を予測し（前記ステップＳ２３）、その予測進路を示す値Ｒｏｗを基に、注目必要度合いＡｔ［ｉ］を算出する（前記ステップＳ２６）。ここで、自車両の予測進路の近くに位置する物体について、その横位置が自車両に近くなるほど、注目必要度合いＡｔ［ｉ］は大きくなる。また、外界認識装置５は、レーザレーダ１だけでなく画像処理で、物体を冗長検知するための要求レベルＲｅｑＩＰ［ｉ］を算出する（前記ステップＳ２７）。ここで、物体が自車両の予測進路の走路で、該自車両との横位置が近くなるほど、要求レベルＲｅｑＩＰ［ｉ］は大きくなる。また、外界認識装置５は、第４歩行者確度Ｒ４［ｉ］を算出する（前記ステップＳ３１）。ここで、検出した物体が自車両の予測進路の走路内に向かって移動する場合やその移動が歩行者らしい動きによるものである場合、第４歩行者確度Ｒ４［ｉ］は大きくなる。また、外界認識装置５は、歩行者確度Ｒ１［ｉ］，Ｒ３［ｉ］，Ｒ４［ｉ］を基に、総歩行者確度Ｒ［ｉ］を算出する（前記ステップＳ３２）。

そして、外界認識装置５は、冗長検知の実施を許可するしきい値ＴＨＲ［ｉ］を各物体［ｉ］について算出する。具体的には、外界認識装置５は、各物体［ｉ］毎に算出した歩行者確度Ｒ［ｉ］を基に、各物体［ｉ］のしきい値ＴＨＲ［ｉ］を算出する（前記ステップＳ３３）。ここで、レーザレーダ１が検出した物体が歩行者である可能性が高くなるほど、しきい値ＴＨＲ［ｉ］は小さくなる。そして、外界認識装置５は、要求レベルＲｅｑＩＰ［ｉ］がしきい値ＴＨＲ［ｉ］よりも大きくなる判定条件を満たす場合、ＣＣＤカメラ３から取り込んだ画像に対して画像処理を実施する（前記ステップＳ３５）。すなわち、ＣＣＤカメラ３から取り込んだ画像中で、該判定条件を満たした物体［ｉ］の位置に相当する画像領域に限定して、歩行者認識のための画像処理を実施する。ここで、前述のように、総歩行者確度Ｒ［ｉ］が大きくなるほど、すなわちレーザレーダ１が検出した物体が歩行者である可能性が高くなるほど、しきい値ＴＨＲ［ｉ］は小さくなる。このようなことから、レーザレーダ１が検出した物体が歩行者である可能性が高い場合に、歩行者認識のための画像処理を実施し易くなる。そして、実施した歩行者認識のための画像処理により、歩行者類似度合いＳＭＬ［ｉ］を算出する。

そして、画像処理装置４又は外界認識装置５は、物体［ｉ］の歩行者類似度合いＳＭＬ［ｉ］が所定のしきい値（固定しきい値）よりも大きい場合、該物体［ｉ］が歩行者である可能性が高いとして、歩行者情報を後段へ伝える（前記ステップＳ３７）。これにより、自動ブレーキ制御装置８は、歩行者情報を基に、検出した物体［ｉ］（検出した物体［ｉ］が複数であれば各物体）に対して自動制動制御や自動警報出力を実施する。
なお、この第２の実施形態において、ＣＣＤカメラ３は、車両周囲を撮像する撮像手段を実現している。また、画像処理装置４又は外界認識装置５、或いは画像処理装置４と外界認識装置５とが協働して、前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段を実現している。

また、この第２の実施形態において、外界認識装置５のステップＳ２３の処理は、車両の進路を予測する進路予測手段を実現している。また、外界認識装置５のステップＳ３１及びステップＳ３４の処理は、前記進路予測手段が予測した車両の予測進路と、前記動き検出手段が検出した物体の動きとを基に、該物体を画像処理すべき対象とするか否かを判定するための画像処理対象判定用値を算出し、その算出した画像処理対象判定用値と所定のしきい値との比較結果を基に、画像処理すべき対象とするか否かを判定する画像処理対象判定手段を実現している。そして、実施可否判定手段が、前記確度算出手段が算出した確度を基に、前記所定のしきい値を補正することを実現している。

（効果）
（１）検出用信号となるレーザの反射光を受光して、レーザレーダ１が検出した車両周囲の物体（歩行者候補物体）の動きと、レーザレーダ１の受光強度とを基に、レーザレーダ１が検出した物体が人間である確度を算出している。そして、その確度を基に、歩行者認識のための画像処理の実施の可否を決めるしきい値ＴＨＲ［ｉ］を算出している。すなわち、その確度を、歩行者認識のための画像処理に反映させている。これにより、歩行者認識のための画像処理の処理負荷の低減が可能となる。

（２）レーザレーダ１が検出した物体が人間である確度を基に、歩行者認識のための画像処理の実施の可否を決めるしきい値ＴＨＲ［ｉ］を算出している。これにより、歩行者である可能性が低い物体に対して、歩行者認識のための画像処理を実施してしまうのを抑制でき、画像処理の処理負荷の低減が可能となる。その結果、画像処理により物体を歩行者と誤認識しまうのを防止できる。
（３）レーザレーダ１が検出した物体が人間である確度を基に、歩行者認識のための画像処理の実施の可否を決めるしきい値ＴＨＲ［ｉ］を算出しているので、簡単な処理で、歩行者でない可能性が高い物体に対して、歩行者認識のための画像処理を実施してしまうのを防止できる。

（４）自車両の予測進路を示す値Ｒｏｗと、その予測進路における物体の動き（Ｔｍｐ１［ｉ］、Ｔｍｐ２［ｉ］）とを基に、第４歩行者確度Ｒ４［ｉ］を算出している。これにより、画像処理にて、自車両の進路上で横断しようとしている歩行者を的確、かつ素早く認識できる。その結果、画像処理候補の物体数を減少できるため（絞りこむことができるため）、画像処理の処理負荷を低減できる。
（５）要求レベルＲｅｑＩＰ［ｉ］及び総歩行者確度Ｒ［ｉ］をヒステリシスを考慮して得ている（前記図１０、図１３参照）。これにより、レーザレーダ１の物体の検出のばらつき等の影響を受けずに、それら値を得ることができる。

（第３の実施形態）
（構成）
第３の実施形態も、本発明を適用した車両である。第３の実施形態の車両も、前記第１の実施形態と同様、図１に示すような構成となる。第３の実施形態では、前記第２の実施形態の処理動作（図７）を一部異ならせている。

図１４は、第３の実施形態における処理動作を示す。図１４に示すように、第３の実施形態では、前記ステップＳ３３、ステップＳ３４及びステップＳ３６の処理を無くす一方で、ステップＳ５１〜ステップＳ５４の処理を加えている。
すなわち、前記ステップＳ３１の後段にステップＳ５１の処理を加えている。そのステップＳ５１では、外界認識装置５は、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を補正する。その補正手順は次のようになる。

先ず、外界認識装置５は、前記ステップＳ３の方法（伝達関数による算出方法）と同様にして、操舵角速度Ｓｔｒ＿ｄｏｔ＿ｚ０［ｒａｄ］を算出する。そして、外界認識装置５は、その算出した操舵角速度Ｓｔｒ＿ｄｏｔ＿ｚ０の絶対値が、直進走行を判断するしきい値ＴＨＲ＿ＳＴＲ未満の場合（｜Ｓｔｒ＿ｄｏｔ＿ｚ０｜＜ＴＨＲ＿ＳＴＲ）、継続カウンタンＳｔｒｔ＿Ｃｎｔをインクリメントする（Ｓｔｒｔ＿Ｃｎｔ＝Ｓｔｒｔ＿Ｃｎｔ＋１）。また、外界認識装置５は、操舵角速度Ｓｔｒ＿ｄｏｔ＿ｚ０の絶対値が、しきい値ＴＨＲ＿ＳＴＲ以上の場合（｜Ｓｔｒ＿ｄｏｔ＿ｚ０｜≧ＴＨＲ＿ＳＴＲ）、継続カウンタンＳｔｒｔ＿Ｃｎｔを零にする（Ｓｔｒｔ＿Ｃｎｔ＝０）。続いて、外界認識装置５は、そのようにして得た継続カウンタンＳｔｒｔ＿Ｃｎｔを用いて、下記（１２）式により補正係数Ｃｏｅｆｆ＿Ｔｒｓｔを算出する。
Ｃｏｅｆｆ＿Ｔｒｓｔ＝ｆｕｎｃ９（Ｓｔｒｔ＿Ｃｎｔ） ・・・（１２）

ここで、関数ｆｕｎｃ９（Ａ）は、その変数Ａに対して図１５に示すような特性を有する。図１５に示すように、変数Ａが小さいときには、該変数Ａとともに、関数ｆｕｎｃ９（Ａ）の値は増加し、変数Ａがある値よりも大きくなると、該変数Ａにかかわらず、関数ｆｕｎｃ９（Ａ）の値は１になる。そして、この（１２）式により継続カウンタンＳｔｒｔ＿Ｃｎｔに応じて得た補正係数Ｃｏｅｆｆ＿Ｔｒｓｔを用いて、下記（１３）式及び（１４）式に示すように、第２歩行者確度Ｒ２［ｉ］（前記ステップＳ２９の算出値）及び第４歩行者確度Ｒ４［ｉ］を補正する。
Ｒ２［ｉ］＝Ｒ２［ｉ］・Ｃｏｅｆｆ＿Ｔｒｓｔ ・・・（１３）
Ｒ４［ｉ］＝Ｒ４［ｉ］・Ｃｏｅｆｆ＿Ｔｒｓｔ ・・・（１４）

ここで、補正係数Ｃｏｅｆｆ＿Ｔｒｓｔのとり得る値の範囲は０〜１となる（Ｃｏｅｆｆ＿Ｔｒｓｔ∈［０，１］）。この（１３）式及び（１４）式によれば、継続カウンタンＳｔｒｔ＿Ｃｎｔの値が小さいほど、すなわち操舵角速度が小さく、かつその状態の継続時間が長くなるほど、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］は小さくなるように補正される。これにより、動きの情報となる第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を、信頼性を基に補正している。

続いてステップＳ３２において、外界認識装置５は、前記第２の実施形態と同様に、最終的な歩行者らしい度合い（総歩行者確度）Ｒ［ｉ］を算出する。ここでは、外界認識装置５は、前記ステップＳ５２で補正した第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を用いて、総歩行者確度Ｒ［ｉ］を算出する（前記（１０）式）。
続いてステップＳ５２において、外界認識装置５は、前記ステップＳ３２で算出した総歩行者確度Ｒ［ｉ］を用いて、下記（１５）式により画像処理結果の歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出する。
ＴＨＲ＿ＩＰ［ｉ］＝ｆｕｎｃ１０（Ｒ［ｉ］） ・・・（１５）

ここで、関数ｆｕｎｃ１０（Ａ）は、その変数Ａに対して図１６に示すような特性を有する。図１６に示すように、変数Ａに応じて関数ｆｕｎｃ１０（Ａ）の値が段階的に変化し、変数が大きくなるほど、関数ｆｕｎｃ１０（Ａ）の値が大きくなる。また、ヒステリシス（同図中の矢印）を考慮して、変数Ａと関数ｆｕｎｃ１０（Ａ）の値との関係を得ている。このような関数ｆｕｎｃ１０を用いた（１５）式により、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］は、総歩行者確度Ｒ［ｉ］が大きくなるほど、段階的に小さくなる。すなわち、レーザレーダ１が検出した物体が歩行者である可能性が高くなる場合、総歩行者確度Ｒ［ｉ］が大きくなるので、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］は小さくなる。

続いてステップＳ５３において、外界認識装置５は、前記ステップＳ２７で算出した冗長検知を行う要求レベルＲｅｑＩＰ［ｉ］が、所定のしきい値（前記第２の実施形態とは異なり、固定しき値）よりも大きいか否かを判定する。所定のしきい値は例えば３である。なお、図示しないナビゲーションシステムからの道路情報を基に、所定のしきい値を変更しても良い。このステップＳ５３の判定処理の結果、要求レベルＲｅｑＩＰ［ｉ］が所定のしきい値よりも大きい場合（ＲｅｑＩＰ［ｉ］＞所定のしきい値）、歩行者認識のための画像処理を実施するため、ステップＳ３５に進み、そうでない場合（ＲｅｑＩＰ［ｉ］≦所定のしきい値）、ステップＳ３８に進む。

ステップＳ３５に続くステップＳ５４では、画像処理装置４は、該ステップＳ３５で算出した歩行者類似度合いＳＭＬ［ｉ］が、前記ステップＳ５２で算出した歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］よりも大きいか否かを判定する。ここで、歩行者類似度合いＳＭＬ［ｉ］が歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］よりも大きい場合（ＳＭＬ［ｉ］＞ＴＨＲ＿ＩＰ［ｉ］）、ステップＳ３７に進み、そうでない場合（ＳＭＬ［ｉ］≦ＴＨＲ＿ＩＰ［ｉ］）、ステップＳ３８に進む。なお、前記ステップＳ５４の処理を、外界認識装置５が行うこととしても良い。
前記第２の実施形態と同様に、ステップＳ３７では、前記ステップＳ５４の判定処理を満足する歩行者情報を後段へ伝え、ステップＳ３８では、微分演算等で用いる変数の過去値を更新して終了する。

（動作）
一連の動作は次のようになる。ここでは、第３の実施形態において特有の動作を説明する。
外界認識装置５は、操舵角速度Ｓｔｒ＿ｄｏｔ＿ｚ０［ｒａｄ］の変動を基に、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を補正する（前記ステップＳ５１）。ここで、操舵角速度が小さく、かつその状態の継続時間が長くなるほど、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］は小さくなるように補正される。そして、外界認識装置５は、補正した第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を基に、総歩行者確度Ｒ［ｉ］を算出する（前記ステップＳ３２）。そして、外界認識装置５は、算出した総歩行者確度Ｒ［ｉ］を基に、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出する（前記ステップＳ５２）。ここで、物体が歩行者である可能性が高くなるほど、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］は小さくなる。そして、外界認識装置５は、要求レベルＲｅｑＩＰ［ｉ］が、その要求レベルＲｅｑＩＰ［ｉ］に対応して設定してある所定のしきい値（固定値）よりも大きくなる判定条件を満たす場合、ＣＣＤカメラ３から取り込んだ画像に対して画像処理を実施する。すなわち、ＣＣＤカメラ３から取り込んだ画像中で、該判定条件を満たした物体［ｉ］の位置に相当する画像領域に限定して、歩行者認識のための画像処理を実施する（前記ステップＳ５３、ステップＳ３５）。その実施した歩行者認識のための画像処理により、歩行者類似度合いＳＭＬ［ｉ］を算出する。そして、外界認識装置５は、歩行者類似度合いＳＭＬ［ｉ］が歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］よりも大きい場合、歩行者情報を後段へ伝える。これにより、自動ブレーキ制御装置８は、歩行者情報を基に、検出した物体［ｉ］（検出した物体［ｉ］が複数であれば各物体）に対して自動制動制御や自動警報出力を実施する。

ここで、前述のように、総歩行者確度Ｒ［ｉ］が大きくなるほど、すなわちレーザレーダ１が検出した物体が歩行者である可能性が高くなるほど、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］が小さくなる。このようなことから、レーザレーダ１が検出した物体が歩行者である可能性が低ければ、歩行者情報が後段へ伝えられない。すなわち、レーザレーダ１が検出した物体が歩行者である可能性が低ければ、画像処理により得た歩行者類似度合いも低くする処理と等価な処理を行う。

（効果）
（１）検出用信号となるレーザの反射光を受光して、レーザレーダ１が検出した車両周囲の物体（歩行者候補物体）の動きと、レーザレーダ１の受光強度とを基に、レーザレーダ１が検出した物体が人間である確度を算出している。そして、その確度を基に、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出している。すなわち、その確度を、歩行者認識のための画像処理に反映させている。これにより、歩行者認識のための画像処理の処理負荷の低減が可能となる。

（２）レーザレーダ１が検出した物体が人間である確度を基に、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出している。これにより、レーザレーダ１の検出結果から歩行者である確度が高い物体は、画像処理結果で歩行者類似度合いＳＭＬ［ｉ］が小さくなる場合（歩行者である可能性が低い結果）でも、最終的には、歩行者として判別され易くなる。その反対に、レーザレーダ１の検出結果から歩行者である確度が低い物体は、画像処理結果において、歩行者類似度合いＳＭＬ［ｉ］が大きくならないと（歩行者である可能性が高い結果にならないと）、最終的には、歩行者として判別されなくなる。このようにすることで、レーザレーダ１による物体検出と画像処理により物体認識とを行うシステム全体として、歩行者の誤検出と不検出のバランスを的確に調整することが可能となる。

（３）レーザレーダ１が検出した物体が人間である確度を基に、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出しているので、簡単な処理で、前述のようなシステム全体として、歩行者の誤検出と不検出のバランスを的確に調整することが可能となる。
（４）操舵角速度が小さく、その状態の継続時間が長くなるほど、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を小さくなるように補正している。ここで、操舵角速度が小さく、かつその状態の継続時間が長くなる場合には、車両安定度合いが低いことから、そのような補正をすることで、総歩行者確度Ｒ［ｉ］を小さくする補正をしている。これにより、物体の動き情報の信頼性が高くなり、画像処理による誤認識を低減できる。

本発明の第１の実施形態の車両の構成を示す図である。 第１の実施形態における外界認識装置５の処理手順を示すフローチャートである。 関数ｆｕｎｃ１（Ａ）の説明に使用した特性図である。 関数ｆｕｎｃ２（Ａ）の説明に使用した特性図である。 関数ｆｕｎｃ３（Ａ）の説明に使用した特性図である。 第１の実施形態の車両が本発明を実現するために備える構成を示す図である。 第２の実施形態における処理手順を示すフローチャートである。 関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）の説明に使用した特性図である。 関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）の説明に使用した他の特性図である。 関数ｆｕｎｃ５（Ａ）の説明に使用した特性図である。 関数ｆｕｎｃ６（Ａ）の説明に使用した特性図である。 関数ｆｕｎｃ７（Ａ）の説明に使用した特性図である。 関数ｆｕｎｃ８（Ａ）の説明に使用した特性図である。 第３の実施形態における処理手順を示すフローチャートである。 関数ｆｕｎｃ９（Ａ）の説明に使用した特性図である。 関数ｆｕｎｃ１０（Ａ）の説明に使用した特性図である。

符号の説明

１ レーザレーダ、２ レーダ処理装置、３ ＣＣＤカメラ、４ 画像処理装置、５ 外界認識装置、６ 車速検出装置、７ 操舵角検出装置、８ 自動ブレーキ制御装置、９ 負圧ブレーキブースタ、１０ 警報ブザー、１０１ 物体検出手段、１０２ 動き検出手段、１０３ 受信状態検出手段、１０４ 確度算出手段、１０５ 撮像手段、１０６ 物体識別手段

Claims (11)

1. 検出用信号を出射し、その反射信号を受信して、車両周囲の物体を検出する物体検出手段と、
   前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
   前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
   前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、
   を備えることを特徴とする車両周囲環境検出装置。
2. 検出用信号を出射し、その反射信号を受信して、車両周囲の物体を検出する物体検出手段と、
   車両周囲を撮像する撮像手段と、
   前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
   前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
   前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
   前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、を備え、
   前記確度算出手段が算出した確度を、前記物体識別手段の処理に反映させることを特徴とする車両周囲環境検出装置。
3. 検出用信号を出射し、その反射信号を受信して、車両周囲の物体を検出する物体検出手段と、
   車両周囲を撮像する撮像手段と、
   前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
   前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
   前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
   前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、
   前記確度算出手段が算出した確度を基に、前記物体識別手段による画像処理の実施の可否を判定する実施可否判定手段と、
   を備えることを特徴と請求項２に記載の車両周囲環境検出装置。
4. 車両の進路を予測する進路予測手段と、
   前記進路予測手段が予測した車両の予測進路と、前記動き検出手段が検出した物体の動きとを基に、該物体を画像処理すべき対象とするか否かを判定するための画像処理対象判定用値を算出し、その算出した画像処理対象判定用値と所定のしきい値との比較結果を基に、画像処理すべき対象とするか否かを判定する画像処理対象判定手段と、を備え、
   前記実施可否判定手段は、前記確度算出手段が算出した確度を基に、前記所定のしきい値を補正することを特徴とする請求項３に記載の車両周囲環境検出装置。
5. 検出用信号を出射し、その反射信号を受信して、車両周囲の物体を検出する物体検出手段と、
   車両周囲を撮像する撮像手段と、
   前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
   前記物体識別手段の物体識別結果を基に、該物体が特定の物体と類似しているか否かを判定する類似判定手段と、
   前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
   前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
   前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、を備え、
   前記類似判定手段は、前記確度算出手段が算出した確度を基に、前記類似の判定結果を補正することを特徴とする請求項２に記載の車両周囲環境検出装置。
6. 前記物体識別手段の物体識別結果を示す値と所定のしきい値との比較結果を基に、該物体が特定の物体と類似しているか否かを判定しており、前記確度算出手段が算出した確度を基に、前記所定のしきい値を補正することを特徴とする請求項５に記載の車両周囲環境検出装置。
7. 前記動き検出手段は、車両の進路に対する物体の左右方向の運動と、車両の進路に対する物体の前後方向の運動とを検出しており、前記確度算出手段は、前記動き検出手段が検出した車両の進路に対する物体の左右方向の運動及び車両の進路に対する物体の前後方向の運動を基に、前記物体検出手段が検出した物体が特定の物体である確度を算出することを特徴とする請求項１〜６の何れか１項に記載の車両周囲環境検出装置。
8. 前記確度算出手段は、進路予測手段が予測した車両の予測進路と、その予測進路における前記動き検出手段が検出した物体の動きとを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出することを特徴とする請求項１〜７の何れか１項に記載の車両周囲環境検出装置。
9. 車両挙動の安定度合いを検出する車両安定度合い検出手段を備え、前記確度算出手段は、前記車両安定度合い検出手段が検出した車両挙動の安定度合いが高い場合、前記確度を高くすることを特徴とする請求項１〜８のいずれか１項に記載の車両周囲環境検出装置。
10. 前記特定の物体は人間であり、前記確度算出手段は、前記受信状態検出手段が検出した受信強度が強い場合、前記物体検出手段が検出した物体が人間である確度を低くすることを特徴とする請求項１〜９のいずれか１項に記載の車両周囲環境検出装置。
11. 前記確度算出手段は、前記動き検出手段が検出した物体の移動速度を基に、前記物体検出手段が検出した物体が特定の物体である確度を算出することを特徴とする請求項１〜１０のいずれか１項に記載の車両周囲環境検出装置。

Images