JP2014173869A - 物体検出方法 - Google Patents

Abstract

【課題】ソフトウェア設計やハードウェアの部品選定などに制約を与えることなく対象エリアの拡大に対応することができる物体検出方法を提供する。
【解決手段】走査方向において最も走査角が小さい検出点を基準点に設定し、その基準点の距離データに基づいて、基準点と対応付けが可能であるか否かを判定するための基準となる結合中心点および結合半径を設定する。そして、結合中心点から結合半径の範囲内の第二直線上に基準点とは異なる他の検出点が存在するか否かを判定し、他の検出点が存在する場合には、当該他の検出点を基準点に対応付けるための論理的な結合処理である空間クラスタリングを行う。そして、空間クラスタリングが行われた検出点群を結ぶ仮想的な線分である結合線分を設定し、当該結合線分により示される検出点群を１つの物体に対応するものと判定する。
【選択図】図６

Description

本発明は、対象エリア内に存在する物体を検出する物体検出方法に関する。

従来、レーザ距離計などの光学式距離計を用いて走査角度ごとに対象エリア内にレーザ光を照射し、対象エリア内の物体を検出することが行われている。この場合、物体を検出する方法として、対象エリアを複数のグリッドに分割し、各グリッドにて反射光が検出された回数を積算し、その検出回数に基づいて物体を検出するいわゆる占有グリッド法が知られている（例えば、特許文献１参照）。この占有グリッド法は、物体の有無および大きさを検出できるとともに、物体の運動状態の違いに基づいて移動体であるか静止体であるかを判別できるなど、検出性能が高いという特徴がある。

特開２０１２−４７５７５号公報

しかしながら、占有グリッド法の場合、対象エリアをグリッドに分割して物体を検出するという性質上、グリッド数が増加すると演算の負荷が増加することは避けられない。また、グリッド数が増加した場合には、演算のために多くのメモリ領域も必要となってくる。つまり、占有グリッド法では、対象エリアの面積に比例して、ハードウェア的なリソースおよびソフトウェア的なリソースの双方がともに増加することになる。このため、対象エリアを拡大したいという要望に対しては、対象エリアの面積に比例して必要なリソースが増加するという性質が、ソフトウェア設計やハードウェアの部品選定などに制約を与えてしまう結果となる。

本発明は上記事情に鑑みてなされたものであり、その目的は、ソフトウェア設計やハードウェアの部品選定などに制約を与えることなく対象エリアの拡大に対応することができる物体検出方法を提供することにある。

請求項１記載の発明では、１走査中に得られた検出点の走査角および距離が記憶されているスキャン情報から、走査方向において最も走査角が小さい検出点を基準点に設定し、基準点の走査角を示す仮想的な直線である第一直線、当該基準点の走査角の次の走査角を示す仮想的な直線である第二直線、および基準点を通って第一直線から垂直に伸びる仮想的な直線である第三直線を設定し、第二直線と第三直線との交点を結合中心点として設定する。つまり、基準点の次の走査角を示す第二直線上に結合中心点を設定する。そして、結合中心点と基準点との間の距離に基づいて、当該基準点と対応付けが可能であるか否かを判定するための基準値となる結合半径を設定する。

続いて、結合中心点から結合半径の範囲内の第二直線上に、基準点とは異なる他の検出点が存在するか否かを判定し、他の検出点が存在する場合には、当該他の検出点を基準点に対応付けるための論理的な結合処理である空間クラスタリングを行うとともに、当該他の検出点を新たな基準点に設定する。一方、他の検出点が存在しない場合には、走査方向において次の走査角度以降において最も走査角が小さい検出点を抽出して新たな基準点に設定する。そして、スキャン情報に記憶されている全ての検出点に対して空間クラスタリングを行えるか否かを判定し、空間クラスタリングが行われた検出点群を結ぶ仮想的な線分である結合線分を設定し、当該結合線分により示される検出点群を１つの物体に対応するものと判定する。

つまり、第二直線上に設定された結合中心点を中心とした結合半径内の範囲を、検出点を互いに関連づける空間クラスタリングを行えるか否かを判定するための範囲に設定している。これは、光学式距離計が対象エリアを走査する場合、所定の走査角度にて一定方向（走査方向）に走査することから、同一物体からの反射光を検出しているとすれば、次の検出点が存在するのは第二直線上になるためである。そして、結合半径内に存在する検出点を基準点に対応付ける空間クラスタリングを行うことで、距離方向および角度方向において所定の連続性を有する検出点群を生成する。続いて、空間クラスタリングを行えるか否かを全ての検出点に対して判定することで、隣接する検出点の対応付けが可能であるかを順次判定する。この判定は、同一物体であるかの判定に相当する。この場合、対応付けが可能と判定された検出点は、順次検出点群に加えられ、検出点群を成長させていく。一方、対応付けが不可能となった時点で、１つの検出点群の成長は停止する。なお、基準点が同一物体の最後の検出角度ならば、仮に次の走査角にて検出点が存在していたとしても、その検出点は他の物体に対応するものであり、結合半径内に収まることはないと考えられる。このため、結合半径であるか否かを判定条件とすれば、その検出点が同一物体に対応するものであるか否かを判定できる。

このように成長させた検出点群に対して仮想的な線分である結合線分を設定することにより、検出点群の大きさ（結合線分の幅）および位置（結合線分までの距離）を算出可能となる。すなわち、本質的には距離データの集合である検出点群に対して、「物体」を特定するために必要となる「大きさ」および「位置」という属性を付与することができる。換言すると、ある連続性を有する検出点群に対して結合線分を設定するという線分結合方式によって、物体を検出することができる。また、結合線分の幅から物体の大きさをも算出することもできる。また、空間クラスタリングにより特定した物体の時間的な変化を観察すれば、従来と同様に、特定した物体が移動体であるか否かの判定もすることができる。

この線分結合方式の場合、各検出点は測定結果として距離データを既に有しており、また、光学式距離計の走査角度は予め決まっていることから、空間クラスタリングを距離データのみによって行うことができる。具体的には、基準点の距離データによって算出される結合中心点の距離データと他の検出点の距離データとの差分が、判定値より大きいか否かによって、空間クラスタリングを行えるか否かが判定される。このため、空間クラスタリングを行う際の処理は、実質的には四則演算程度の処理となり、負荷が大幅に増加するようなことはない。

また、反射光を検出するという光学式距離計の性質上、ある走査角において検出される検出点は１点となる。つまり、対象エリアの面積が拡大したとしても検出点の数は変わらないため、対象エリアの面積に比例して空間クラスタリングを行う際の負荷が増加することはない。また、対象エリアが拡大したとしても、物体を検出するためのアルゴリズムが変化することもない。すなわち、空間クラスタリングでは、対象エリアの面積が拡大したとしても、物体を検出する際に必要とするメモリ領域が増加することがなく、また、処理の負荷が増加するようなことがない。
したがって、物体の検出、大きさの算出、移動体であるか否かの判定等を行うことができるとともに、ソフトウェア設計やハードウェアの部品選定などに制約を与えることがなく対象エリアの拡大に対応することができる。

請求項２記載の発明では、対象エリアを走査するごとにスキャン情報を時系列で記憶し、最新のスキャン情報に含まれる結合線分と、少なくとも１走査分よりも前に記憶された基準スキャン情報に含まれる結合線分とについて、角度方向の重なり度合いおよび距離方向の重なり度合いが予め設定されている判定値を超えるか否かを判定する。つまり、結合線分の時間的な変化を抽出し、その変化量を判定している。

そして、角度方向の重なり度合い、および距離方向との重なり度合いといった変化量が判定値を超えると判定された結合線分に対して、互いを対応付けるための論理的な結合処理である時間クラスタリングを行っている。
このように、結合線分の変化を時系列で判定することで、各結合線分の類似性、すなわち、同一物体によるものであるか否かを判別することができる。つまり、時間クラスタリングが行われた結合線分は、同一物体に対応するものであると判定することができる。この場合、結合線分の形状そのものを判定しているわけではないので、形状認識等の処理は不要となる。
この場合、距離方向の変化が生じていれば、移動体であることを判別できる。さらに、距離方向の変化量から移動体の速さを算出できるとともに、角度方向の変化量から移動体の移動方向も算出できる。

請求項３記載の発明では、複数のスキャン情報から結合線分を抽出し、抽出した結合線分のうち時間クラスタリングが行われた回数が予め定められている規定数を超えた結合線分を、同一物体に対応するものであると判定する。
光学式距離計は、例えば太陽光などの外乱ノイズの影響を受けることがある。そのため、１走査の検出結果から物体を検出すると、誤検出する可能性もある。そこで、複数のスキャン情報から結合線分を抽出し、それらについて個別に時間クラスタリングを行うことにより、ノイズの影響を排除あるいは低減させた状態で、同一物体であるか否かを判定することができる。したがって、物体の検出精度を向上させることができる。また、検出した物体の大きさや距離の確かさも向上させることができる。

請求項４記載の発明では、スキャン情報に複数の結合線分が含まれている場合、時間クラスタリングを行った結果から複数の結合線分の変化を抽出し、その変化に基づいて複数の結合線分が単一の物体に対応するものであるか否かを判定する。
光学式距離計は、反射光を検出していることから、手前側に物体があると、奥側の物体をとらえることができない。この場合、奥側の物体に対応する結合線分が、手前側の物体により生じる影により分断され、例えば２つの結合線分として検出されることがある。そして、例えば手前側の物体が移動体である場合、奥側の物体に対応する結合線分の大きさが変化することで、実際には１つの物体であるにも関わらず、２つの物体であると誤検出するおそれがある。

そこで、例えば距離方向や角度方向の変化や結合線分の端部が移動しているか否か等、結合線分の時間的な変化を抽出し、その変化に基づいて手前側の物体によって一時的に分断された結合線分であるかを判別する。これにより、複数の結合線分が含まれている場合に、単一の物体による結合線分であるか否かを判定することができ、単一の物体を誤って複数の物体であると誤検出するおそれを低減することができる。

第１実施形態における物体検出方法の対象エリアを模式的に示す図 レーザ距離計の構成を模式的に示す図 レーザ距離計の視野を模式的に示す図 比較例としてのグリッド占有法の概略を示す図 物体検出処理の流れを示す図 空間クラスタリング処理の流れを示す図 空間クラスタリング処理におけるクラスタリングの一例を示す図その１ 空間クラスタリング処理におけるクラスタリングの一例を示す図その２ 空間クラスタリング処理の処理結果を模式的に示す図 時間クラスタリング処理の流れを示す図 時間クラスタリング処理における重なり度合いの一例を示す図 時間クラスタリング処理における処理結果の一例を示す図 第２実施形態における時間クラスタリング処理の流れを模式的に示す図 時間クラスタリング処理における処理結果の一例を示す図 第３実施形態における時間クラスタリング処理の流れを模式的に示す図 時間クラスタリング処理における処理結果の一例を示す図

以下、本発明の複数の実施形態について図面を参照しながら説明する。なお、各実施形態において実質的に共通する構成については同一の符号を付して説明する。
（第１実施形態）
以下、本発明の第１実施形態による物体検出方法について、図１から図１２を参照しながら説明する。

図１に示すように、本実施形態の物体検出方法を適用したレーザ距離計１は、物体を検出する対象となる対象エリア２の例えば図示しない壁部などに設けられている。レーザ距離計１は、特許請求の範囲に記載した光学式距離計に相当する。このレーザ距離計１は、対象エリア２内における例えば物体Ｍ１、Ｍ２までの距離を検出し、その検出結果に応じて物体を検出する。なお、本実施形態では、レーザ距離計１は、図１に矢印Ａにて示すように、平面視において反時計回りを走査方向としている。

レーザ距離計１は、図２に示すように、制御部１０、記憶部１１、入出力部１２、レーザ走査部１３、判定部１４、空間結合部１５および時間結合部１６などを備えている。制御部１０は、図示しないＣＰＵやＲＯＭおよびＲＡＭなどを有するマイクロコンピュータにより構成されており、記憶部１１などに記憶されているコンピュータプログラムを実行することによりレーザ走査部１３などを制御する。

記憶部１１は、図示しない不揮発性のメモリ素子などにより構成されており、コンピュータプログラム等の各種の情報を記憶する。また記憶部１１は、後述するスキャン情報、空間クラスタリング情報、および時間クラスタリング情報を複数走査分記憶可能に構成されている。入出力部１２は、図示しない上位の制御装置からの指令信号の入力や、物体の検出結果の報知出力などを行う入出力手段として機能する。

レーザ走査部１３は、レーザ照射部１３ａ、レーザ照射部１３ａから照射されたレーザ光を反射するミラー１３ｂ、予め定められている走査角度および走査周期にてミラー１３ｂを回転駆動するモータ１３ｃ、対象エリア２に照射されたレーザ光が物体で反射した際の反射光を受光するレーザ受光部１３ｄを備えている。このレーザ走査部１３は、一例として、角度分解能（走査角度）が０．２５度、走査範囲が１９０度となっている。このため、レーザ距離計１の測定ポイントの数は１９０度／０．２５度＋１＝７６１個となり、図１にＰ１〜Ｐ７６１にて示している。また、レーザ距離計１は、検出サイズが２０ｃｍ、１走査の走査時間が約３０ｍｓｅｃとなっている。

レーザ距離計１は、対象エリア２が拡大したとしても、測定ポイントの数が変わることはない。すなわち、図３に示すように、レーザ距離計１から照射されるレーザ光は、レーザ距離計１から離間するほどその径が大きくなる。このため、対象エリア２（例えば、距離Ｌ１＝３０ｍ、幅＝６０ｍ）の最外縁における検出幅Ｗ１と、その面積が拡大された対象エリア３（例えば、距離Ｌ２＝６０ｍ、幅＝１２０ｍ）における検出幅Ｗ２とに差は生じるものの、対象エリア２および対象エリア３のいずれにおいても、ある走査角における測定ポイントの数は１個である。換言すると、対象エリア２に対してその面積が４倍になった対象エリア３であっても、測定ポイントの数は、図１にも示すように７６１個となる。

ここで、比較対象としての占有グリッド法について簡単に説明する。占有グリッド法の場合、図４（ａ）に示すように、対象エリア２内に複数のグリッドを敷き詰める。そして、各グリッドでの検知回数（投票数）に基づいて、物体を検出する。この場合、対象エリア２の大きさが３０ｍ×６０ｍであり、検出サイズが２０ｃｍであるとすると、対象エリア２内には、３０ｍ×６０ｍ／（２０ｃｍ×２０ｃｍ）＝４５０００個のグリッドが敷き詰められることになる。一方、対象エリア３の場合には、その面積が４倍であることから、４５０００個×４＝１８００００個のグリッドが敷き詰められることになる。すなわち、占有グリッド法の場合、対象エリアの面積に比例して対象となるグリッド数が増加する。

そして、占有グリッド法の場合、図４（ｂ）に示すように、対象エリア２のグリッドＲ１と、対象エリア３のグリッドＲ２とでは、グリッドの大きさは同じであったとしても、そのグリッド内に含まれる測定ポイントの数が異なっている。例えば、グリッドＲ１に含まれる測定ポイントの数は概ね１個であるのに対して、グリッドＲ２に含まれる測定ポイントの数は３〜４個となっている。この場合、同じ２０ｃｍの大きさの物体であっても、グリッドＲ１に存在していれば投票数が１となる一方、グリッドＲ２に存在していれば投票数が３〜４となる。このため、占有グリッド法では、グリッドまでの距離に応じて投票数に重み付けする処理が必要となる。

このように、占有グリッド法により物体を検出する場合には、同じレーザ距離計１を使用したとしても、対象エリアの面積が大きくなるほど処理の負荷が増加することになる。
これに対して、本実施形態では、判定部１４、空間結合部１５および時間結合部１６を設けることで、後述する線分結合方式により物体を検出している。本実施形態では、これら判定部１４、空間結合部１５および時間結合部１６は、制御部１０により実行されるコンピュータプログラムによりソフトウェア的に実現されている。なお、判定部１４、空間結合部１５および時間結合部１６をハードウェア的に実現してもよい。

判定部１４は、詳細は後述するが、空間結合部１５による空間クラスタリングの処理結果や時間結合部１６による時間クラスタリングの処理結果に基づいて、物体であるか否か、同一物体であるか否かなど各種の判定処理を行う。
空間結合部１５は、詳細は後述するが、１走査（１スキャン）中に検出された検出点に対して、互いに対応付けるための論理的な結合処理である空間クラスタリングを行う。
時間結合部１６は、詳細は後述するが、空間クラスタリングが行われた検出点（より厳密には、後述する結合線分）に対して、複数の走査においてその検出点を互いに対応付けるための論理的な結合処理である時間クラスタリングを行う。

次に、上記した構成の作用について説明する。
以下に説明する各処理は、厳密には制御部１０、判定部１４、空間結合部１５および時間結合部１６などにより実行されるものであるものの、説明の簡略化のため、制御部１０を主体として説明する。

制御部１０は、図５に示す物体検出処理を実行しており、反射ミラーを初期角度に駆動すると（Ａ１）、レーザ照射を開始する（Ａ２）。この初期角度は、図１の場合、測定ポイントＰ１に対応する角度である。続いて、制御部１０は、その角度にて対象エリア内で反射光を検出したか、つまり、検出点があるかを判定する（Ａ３）。そして、検出点がある場合には（Ａ３：ＹＥＳ）、反射ミラーの角度（走査角）、検出距離をスキャン情報に記憶する（Ａ４）。ここで、スキャン情報とは、１走査中に検出された検出点が記憶された情報である。なお、検出点がない場合には（Ａ３：ＮＯ）、ステップＡ４を省略してステップＡ５に移行する。

続いて、制御部１０は、反射ミラーを次の角度に駆動する（Ａ５）。そして、１スキャンが終了するまで（Ａ６：ＮＯ）、検出点の有無の判定（Ａ３）と、スキャン情報の記憶（Ａ４）とを繰り返す。このスキャン情報は、１走査ごとに記憶されるとともに、複数走査分の情報が記憶される。

制御部１０は、１スキャンが終了すると（Ａ６：ＹＥＳ）、空間クラスタリング処理を実行する（Ａ７）。
制御部１０は、図６に示す空間クラスタリング処理において、まず、走査方向において最小角度となる検出点を抽出する（Ｂ１）。続いて、検出点が抽出された場合には（Ｂ２：ＹＥＳ）、抽出した検出点を基準点に設定する（Ｂ３）。このとき、図７に示すように、走査方向で最小となる検出点が点ｒ１であった場合、点ｒ１が基準点に設定される。

続いて、制御部１０は、基準点のスキャン情報から結合中心点ｒ０を算出する（Ｂ３）この結合中心点ｒ０は、以下のように算出される。
制御部１０は、まず、点ｒ１のスキャン情報から、基準点となる点ｒ１までの距離を取得する。続いて、点ｒ１とレーザ距離計１とを結ぶ仮想的な線分である第一直線ＳＬ１と、点ｒ１から走査方向で次の走査角に対応する仮想的な直線である第二直線ＳＬ２とを設定する。このとき、第一直線ＳＬ１と第二直線ＳＬ２とがなす角θは、上記した角度分解能（０．２５度）となる。そして、点ｒ１を通り、第一直線ＳＬ１と垂直に伸びる仮想的な直線である第三直線ＳＬ３をさらに設定し、第二直線ＳＬ２と第三直線ＳＬ３との交点を結合中心点ｒ０として算出する。

この場合、点ｒ１から結合中心点ｒ０までの距離をＸ３とすると、Ｘ３は、以下の式（１）のように求めることができる。なお、式（１）では、レーザ距離計１から点ｒ１の距離をＸ１としており、このＸ１は、スキャン情報から取得可能な情報である。
Ｘ３＝Ｘ１・ｔａｎθ ・・・式（１）
そして、レーザ距離計１から結合中心点ｒ０までの距離をＸ０とすると、Ｘ０、Ｘ１、Ｘ３の関係は、以下の式（２）のようになる。

Ｘ０＾２＝Ｘ１＾２＋Ｘ３＾２ ・・・式（２）
これら式（１）、式（２）より、Ｘ０は、以下の式（３）のように算出される。
Ｘ０＝√（Ｘ１＾２＋（Ｘ１・ｔａｎθ）＾２）
つまり、
Ｘ０＝Ｘ１・√（１＋ｔａｎθ） ・・・式（３）
これにより、結合中心点ｒ０が求まる。なお、式（３）において、√（１＋ｔａｎθ）の項は、θがレーザ距離計１の走査角度であるので、定数として定義できる。そして、Ｘ１は、検出結果そのものである。このため、Ｘ０は、単純な乗算により算出することができる。

結合中心点ｒ０が求まると、制御部１０は、結合半径r_bindを算出する（Ｂ５）。この結合半径r_bindは、基準点（今回は点ｒ１）に対応付けられるか否かを判定するための基準値となる距離であり、結合中心点ｒ０を中心とした円２０の半径にて示される。具体的には、結合半径r_bindは、基準点と結合中心点ｒ０との距離に、補正値（r_adj）を加えた値として、以下の式（４）のように算出される。

r_bind＝Ｘ３＋r_adj
＝Ｘ１・ｔａｎθ＋r_adj ・・・式（４）
なお、補正値r_adjを設けているのは、実際のレーザ距離計１では、対象物の移動等による距離の変動や、温度変化等による検出距離の誤差（いわゆる温度ドリフト）等を補正するためである。この補正値r_adjは、例えば検出対象となる物体を予め設定している場合には、その物体に応じて変更する構成としてもよい。

結合中心点ｒ０および結合半径r_bindを算出すると、制御部１０は、結合中心点ｒ０から結合半径r_bindの円２０内に他の検出点が存在するかを判定する（Ｂ６）。より厳密には、円２０内であって、且つ、第二直線Ｌ２上に、他の検出点が存在するかを判定する。図７の例では、結合中心点ｒ０から結合半径r_bindの円２０内であって、且つ、第二直線Ｓｌ２上に他の検出点である点ｒ２が存在している。

この場合、制御部１０は、他の検出点が存在することから（Ｂ６：ＹＥＳ）、基準点（点ｒ１）と他の検出点（点ｒ２）とを対応付けて結合（クラスタリング）するとともに、クラスタリングした旨を空間クラスタリング情報に記憶する（Ｂ７）。この、点ｒ１と点ｒ２との結合が、他の検出点を基準点と対応付けるための論理的な結合処理である空間クラスタリングに相当する。また、空間クラスタリング情報には、スキャン情報に含まれる検出点のうち、いずれの検出点に対して空間クラスタリングを行ったのかの情報が記憶される。これにより、点ｒ１と点ｒ２とがクラスタリングされる。なお、図７では、点ｒ１と点ｒ２を囲む破線によりクラスタリングした状態を模式的に示している。

このように、制御部１０は、点ｒ１ではなく、結合中心点ｒ０を中心とした結合半径r_bind内に他の検出点が存在するかを判定している。つまり、制御部１０は、
｜Ｘ０−Ｘ２｜≦r_bindであれば、同一物体からのデータとして結合可能
｜Ｘ０−Ｘ２｜＞r_bindであれば、同一物体ではないデータとして結合不可能
と判定する。

このような判断基準を採用することにより、他の検出点の判定は、第二直線ＳＬ２上の点ｒ２までの距離Ｘ２と結合中心点ｒ０までの距離Ｘ０との差分が結合半径r_bindよりも大きいのか小さいのかにより判定できる。すなわち、１走査中に得られる距離データ（スキャン情報）のみを用いて、物体の検出を行うことができる。

このとき、図７において点ｒ１より図示右側（走査方向において手前側）の範囲を判定対象から外すことができるようになる。これは、点ｒ１は最も走査角が小さい検出点であり、図７において点ｒ１より図示右側（走査方向において手前側）には検出点が存在しないため、点ｒ１から右側の範囲を判定対象とする必要が無いためである。また、レーザ距離計１の場合、反射光を検出するという性質上、ある走査角において検出される検出点は１点となる。このため、検出対象となる他の検出点（今回の場合、点ｒ２）は、第二直線ＳＬ２上に必ず存在する。これにより、他の検出点を検出する際の演算処理を、実質的には基準点からの距離の差分を算出する程度の処理とすることができ、空間クラスタリングにて物体を検出するために負荷が増加することが防止される。さらに、対象エリア２の面積が拡大したとしても、検出点の数は変わらないので、対象エリア２の面積が増加したとしても、それによって負荷が増加することもない。

空間クラスタリング情報を記憶すると、制御部１０は、他の検出点（点ｒ２）を新たな基準点に設定した後（Ｂ８）、ステップＢ４に移行する。そして、点ｒ２のスキャン情報に基づいて新たに結合中心点ｒ０を算出するとともに（Ｂ４）、新たな結合半径r_bindを算出する（Ｂ５）。そして、結合中心点ｒ０から結合半径r_bindの円２０内に他の検出点が存在するかを再び判定する（Ｂ６）。このとき、図８に示すように、結合中心点ｒ０から結合半径r_bindの円２０内に他の検出点（点ｒ３）が存在する場合には（Ｂ６）、基準点（点ｒ２）と他の検出点（点ｒ３）とを対応付けて結合（クラスタリング）するとともに、クラスタリングした旨を空間クラスタリング情報に記憶する（Ｂ７）。これにより、図８に示すように、点ｒ２と点ｒ３とがクラスタリングされる。この場合、点ｒ１と点ｒ２とがクラスタリングされ、点ｒ２と点ｒ３とがクラスタリングされたことから、点ｒ１、ｒ２、ｒ３がクラスタリングされたことになる。

このように、制御部１０は、走査角が小さい検出点から順次クラスタリングが可能であるかの判定を繰り返している。
そして、制御部１０は、結合中心点ｒ０から結合半径r_bindの円２０内に他の検出点が存在しない場合（Ｂ６：ＮＯ）、１スキャン分の判定が終了していなければ（Ｂ９：ＮＯ）、ステップＢ１に移行して、現時点の走査角よりも大きく、且つ、最小角度となる検出点を抽出する（Ｂ１）。このとき、検出点が抽出された場合には（Ｂ２：ＹＥＳ）、ステップＢ３以降のクラスタリングの判定を行う。この場合、１スキャン内で複数のクラスタリングが行われることになる。

一方、制御部１０は、１スキャン分の判定が終了した場合（Ｂ９：ＮＯ）、および、新たな検出点が抽出されなかった場合には（Ｂ２：ＮＯ）、ステップＢ１０に移行して空間クラスタリング情報を保存する（Ｂ１０）。このステップＢ１０では、制御部１０は、図９に示すようにクラスタリングされた複数の検出点（図９の場合、点ｒ１〜ｒ５の５個）を１つの検出点群としてまとめるとともに、それらを接続する仮想的な線分である結合線分Ｋを設定する。そして、それらの情報を、空間クラスタリング情報として保存する。この結合線分Ｋは、同一物体であると判定された検出点の集合とも言える。この空間クラスタリング情報は、１走査ごとに記憶されるとともに、複数走査分の情報が記憶される。

この空間クラスタリング情報には、以下の情報が記憶される。
line_n_s：結合線分の開始点情報（図９の場合、点ｒ１の走査角、距離）
line_n_e：結合線分の終了点情報（図９の場合、点ｒ５の走査角、距離）
line_n_max：結合線分の検出点の距離の最大値（図９の場合、点ｒ１の距離）
line_n_min：結合線分の検出点の距離の最小値（図９の場合、点ｒ５の距離）
このように、制御部１０は、空間クラスタリングを行うことにより物体を検出する線分結合方式にて、物体の検出を行っている。
ところで、空間クラスタリングだけでも物体の検出や物体の大きさの推測が可能となるものの、本実施形態では、物体であることの確度をさらに高めるために、以下に説明する時間クラスタリングを行っている。

空間クラスタリング処理からリターンすると、制御部１０は、図５に示す物体検出処理において、時間クラスタリング処理を実行する（Ａ８）。
この時間クラスタリング処理では、制御部１０は、図１０に示すように、まず現スキャン情報と基準スキャン情報とを読み出している（Ｃ１）。ここで、現スキャン情報とは、上記したステップＡ７で空間クラスタリング処理が行われたスキャン情報であり、直近の１走査にて得られたスキャン情報である。また、基準スキャン情報とは、現スキャン情報よりも少なくとも１走査分よりも前に記憶されたスキャン情報である。本実施形態では、基準スキャン情報として、現スキャン情報の１走査前のスキャン情報を設定している。つまり、スキャン情報と基準スキャン情報とは、時間的に差異が生じているスキャン情報である。なお、何走査前のスキャン情報を基準スキャン情報として設定するかは、適宜設定あるいは変更することができる。

現スキャン情報と基準スキャン情報とを読み出すと、制御部１０は、現スキャン（つまり、今回の走査）の結合線分と、基準スキャン（つまり、１走査前の走査）の結合線分とを、それぞれの空間クラスタリング情報から抽出する（Ｃ２）。このとき、例えば図１１に示すように現スキャンから結合線分Ｋ１が抽出され、基準スキャンから結合線分Ｋ２が抽出されたとする。これらの結合線分は、上記したline_n_s、line_n_e、line_n_max、line_n_min等の情報が対応付けられている。

結合線分を抽出すると、制御部１０は、現スキャンの結合線分Ｋ１と基準スキャンの結合線分Ｋ２との角度方向の重なり度合いを算出する（Ｃ３）。例えば図１１に示すように、結合線分Ｋ１は、角度方向の幅、すなわち、レーザ距離計１を基点とした場合における結合線分の図示右端の検出点と図示左端の検出点とがなす角が、Ｋ１αであったとする。また、結合線分Ｋ２は、角度方向の幅がＫ２αであったとする。

制御部１０は、結合線分Ｋ１と結合線分Ｋ２とが重なり合っている角度Ｋαを求め、その角度Ｋαに基づいて角度方向における重なり度合いを算出する。このとき、例えば図１１における結合線分Ｋ１の左端の検出点から結合線分Ｋ２の右端の検出点までの角度に対するＫαの割合を重なり度合いとしてもよいし、Ｋ１αに対するＫαの割合とＫ２αに対するＫαの割合とに基づいて重なり度合いを算出してもよい。

続いて、制御部は、図１０に示す時間クラスタリング処理において、現スキャンの結合線分Ｋ１と基準スキャンの結合線分Ｋ２との距離方向の重なり度合いを算出する（Ｃ４）。この場合、図１１に示すように、結合線分Ｋ１の距離方向の幅がＫ１Ｄであり、結合線分Ｋ２の距離方向の幅がＫ２Ｄであったとすると、制御部１０は、結合線分Ｋ１とＫ２とが距離方向において重なり合った距離ＫＤを算出する。そして、その距離ＫＤに基づいて距離方向における重なり度合いを算出する。このとき、例えば図１１における結合線分Ｋ１の下端の検出点から結合線分Ｋ２の上端の検出点までの距離に対するＫＤの割合を重なり度合いとしてもよいし、Ｋ１Ｄに対するＫＤの割合とＫ２Ｄに対するＫＤの割合とに基づいて重なり度合いを算出してもよい。

続いて、制御部１０は、算出した角度方向および距離方向の重なり度合いが、それぞれ判定値を超えているかを判定する（Ｃ５）。この場合、角度方向に対しては判定値lap_scanが予め設定されており、距離方向に対しては判定値lap_distが予め設定されている。なお、判定値lap_scanおよび判定値lap_distは、予め設定しておいてもよいが、結合線分の角度方向の幅や距離方向の幅等に基づいて、つまり、結合線分の状態に基づいて、その都度算出するようにしてもよい。

制御部１０は、角度方向の重なり度合いが判定値lap_scanを超え、且つ、距離方向の重なり度合いが判定値lap_distを超えると判定すると（Ｃ５：ＹＥＳ）、現スキャンの結合線分Ｋ１と、基準スキャンの結合線分Ｋ２とをクラスタリングするとともに、時間クラスタリング情報に記憶する（Ｃ６）。このように結合線分Ｋ１と結合線分Ｋ２とをクラスタリングする処理が、時間的な差異があるスキャン情報から抽出した結合線分Ｋ１、Ｋ２を互いに対応付けるための論理的な結合処理である時間クラスタリングに相当する。また、時間クラスタリング情報とは、スキャン情報から抽出した結合線分のうち、いずれの結合線分に対して時間クラスタリングを行ったのかを示す情報である。

そして、制御部１０は、角度方向の重なり度合いと距離方向の重なり度合いとが判定値を超えた場合には、類似性が高い、すなわち、同一物体である可能性が高いと判断して、時間クラスタリングを行っている。この場合、結合線分の形状そのものを判定しているわけではないので、形状認識等の処理は不要となる。

その後、制御部１０は、現スキャンの全ての結合線分に対して角度方向および距離方向の重なり度合いの判定を行ったかを判定し（Ｃ７）、未判定の他の結合線分がある場合には（Ｃ７：ＮＯ）、ステップＣ３に移行して重なり度合いの判定を繰り返す一方、全ての結合線分に対して判定を行った場合には（Ｃ７：ＹＥＳ）、時間クラスタリング情報を保存して（Ｃ８）、図５に示す物体検出処理にリターンする。

物体検出処理にリターンすると、制御部１０は、空間クラスタリング情報および時間クラスタリング情報に基づいて、物体を検出するとともに、その検出結果を報知する（Ａ９）。つまり、空間クラスタリング処理および時間クラスタリング処理にて物体である可能性が高いと判定された結合線分を、最終的に物体として特定する。

具体的には、例えば図１２（ａ）に示すように物体Ｍ１が移動した際のスキャン情報が図１２（ｂ）に示すように得られた場合、制御部１０は、まず各走査のスキャン情報にて空間クラスタリングを行い、その後、１スキャン目（基準スキャン）の結合線分と２スキャン目（現スキャン）の結合線分とに対して重なり度合いを判定することで時間クラスタリングを行う。

この場合、空間クラスタリングを行うことで物体であると思われる検出点群がグループ化され、その後、時間クラスタリングをさらに行うことでグループ化された検出点群が確かに物体であることが確認される。このように、制御部１０は、物体検出の確度を高めている。このとき、時間クラスタリグした際の結合線分に距離方向の変化が生じているか否かにより、物体が移動体であるかも判別可能である。また、結合線分の幅を算出することにより、物体の大きさをも推測可能である。

以上説明した本実施形態の物体検出方法によれば、次のような効果を奏する。
１走査中に得られた検出点の走査角および距離を記憶しているスキャン情報から、走査方向において最も走査角が小さい検出点を基準点に設定し、その基準点に基づいて結合中心点ｒ０を設定し、基準点と結合中心点ｒ０と距離に基づいて結合半径r_bindを設定する。そして、結合中心点ｒ０から結合半径r_bindの範囲内の第二直線ＳＬ２上に、基準点とは異なる他の検出点が存在するか否かを判定し、他の検出点が存在する場合には、当該他の検出点を基準点に対応付けるための論理的な結合処理である空間クラスタリングを行う。そして、スキャン情報に記憶されている全ての検出点に対して空間クラスタリングを行えるか否かを判定し、空間クラスタリングが行われた検出点群を結ぶ仮想的な線分である結合線分Ｋを設定し、当該結合線分により示される検出点群を１つの物体に対応するものと判定する。

つまり、第二直線ＳＬ２上に設定された結合中心点ｒ０を中心とした結合半径r_bind内の範囲を、空間クラスタリングを行えるか否かを判定するための範囲に設定し、距離方向および角度方向において所定の連続性を有する検出点群を生成する。そして、その検出点群に対して仮想的な線分である結合線分を設定することにより、検出点群の大きさ（結合線分の幅）および位置（結合線分までの距離）を算出可能とする。すなわち、本質的には距離データの集合である検出点群に対して、「物体」を特定するために必要となる「大きさ」および「位置」という属性を付与することができる。

このように、ある連続性を有する検出点群に対して結合線分を設定するという線分結合方式によって、物体を検出することができる。
この場合、各検出点は測定結果として距離データを既に有しており、また、レーザ距離計１の走査角度θは予め決まっていることから、基準点の抽出、結合中心点ｒ０の算出、および、結合半径r_bindの算出は、距離データのみによって行うことができる。そして、空間クラスタリングは、結合中心点ｒ０までの距離Ｘ０と他の検出点の距離Ｘ２との差分が、結合半径r_bindより大きいか否かによって判定されるため、空間クラスタリングを行う際の処理は、実質的には四則演算程度の処理となる。したがって、線分結合方式により物体を検出する際には、負荷が大幅に増加するようなことはない。

また、反射光を検出するというレーザ距離計１の性質上、ある走査角において検出される検出点は１点となる。このため、対象エリア２の面積が拡大したとしても検出点の数は変わらないため、対象エリアの面積によって負荷が増加することがなく、そのアルゴリズムが変化することもない。したがって、ソフトウェア設計やハードウェアの部品選定などに制約を与えることがないとともに、対象エリアを拡大したいという要望に容易に応えることができる。

対象エリアを走査するごとにスキャン情報を時系列で記憶し、基準スキャン情報に含まれる結合線分を対象として角度方向の重なり度合いおよび距離方向の重なり度合いが予め設定されている判定値を超えるか否かを判定する。つまり、結合線分の時間的な変化を抽出し、その変化量を判定している。そして、角度方向の重なり度合い、および距離方向との重なり度合いが判定値を超えると判定された結合線分に対して、互いを対応付けるための論理的な結合処理である時間クラスタリングを行うことで、時間クラスタリングが行われた結合線分が同一物体に対応するものであると判定する。

このように、結合線分の変化を時系列で判定することで、各結合線分の類似性、すなわち、同一物体によるものであるか否かを判別することができる。つまり、時間クラスタリングが行われた結合線分は、同一物体に対応するものであると判定することができる。このとき、結合線分の形状そのものを認識する必要は無いので、形状認識等の処理は不要となり、負荷を増加させることもない。
また、時間クラスタリングを行った際に距離方向の変化が生じていれば、移動体であることを判別できる。この場合、距離方向の変化量から移動体の速さを算出できるとともに、角度方向の変化量から移動体の移動方向も算出できる。

（第２実施形態）
以下、本発明の第２実施形態による物体検出方法について、図１３および図１４を参照しながら説明する。第２実施形態では、時間クラスタリング処理にてノイズ除去を行っている点において、第１実施形態と異なっている。なお、レーザ距離計の構成は第１実施形態と共通するので同一の符号を付して説明する。また、図１０に示した時間クラスタリング処理と実質的に共通する処理については、詳細な説明は省略する。

レーザ距離計１の制御部１０は、第１実施形態と同様に、図５に示す物体検出処理を行っている。そして、物体検出処理のステップＡ８において、図１０に示した時間クラスタリング処理の代わりに、図１３に示すノイズ除去付き時間クラスタリング処理を行っている。
このノイズ除去付き時間クラスタリング処理では、制御部１０は、現スキャン情報と過去５スキャン分のスキャン情報とを読み出し（Ｄ１）、各スキャンの結合線分を抽出する（Ｄ２）。そして、現スキャンから過去５スキャン目までの結合線分について、角度方向の重なり度合いをそれぞれ算出する（Ｄ３）。

制御部１０は、１スキャン目から６スキャン目（現スキャン）までの結合線分が例えば図１４の「時間方向でクラスタリングされる例」に示すような状態で抽出された場合、１スキャン目の結合線分と２スキャン目の結合線分との重なり度合い、２スキャン目の結合線分と３スキャン目の結合線分との重なり度合い、３スキャン目の結合線分と４スキャン目の結合線分との重なり度合い、４スキャン目の結合線分と５スキャン目の結合線分との重なり度合い、５スキャン目の結合線分と６スキャン目の結合線分との重なり度合いをそれぞれ算出する。なお、角度方向の重なり度合いの算出は第１実施形態と共通するので説明を省略する。

ここで、過去５スキャン目までのスキャン情報（つまり、現スキャンを含めて６走査分のスキャン情報）を対象としているのは、物体の検出精度を高めるためである。すなわち、レーザ距離計１の１走査の走査時間が約３０ｍｓｅｃであることから、例えば太陽光等の外乱ノイズを考慮すると、２走査分のスキャン情報に同じようなノイズが現れる可能性がある。かといって、対象となるスキャン情報を多くしすぎると、物体を検出するまでの応答時間が長くなる。特に、本発明を侵入検知に適用する場合、応答時間の短縮は必須となる。そこで、外乱ノイズを除去することができ、且つ、物体を検出するまでの応答時間が長くなりすぎないように、６走査分のスキャン情報を対象としている。

続いて、制御部１０は、現スキャンから過去５スキャン目までの結合線分について、距離方向の重なり度合いをそれぞれ算出する（Ｄ３）。なお、距離方向の重なり度合いの算出は第１実施形態と共通するので説明を省略する。そして、角度方向および距離方向の重なり度合いが判定値（lap_scan、lap_dist）を超えて時間クラスタリングされた回数（時間結合回数）が４回を超えたかを判定する（Ｄ５）。

図１４の場合、全ての結合線分間で角度方向および距離方向の重なり度合いが判定値を超えた場合を想定しており、そのときの時間結合回数が５回となっている。なお、３スキャン目や５スキャン目に記号「○」にて示すように、例えば外乱ノイズ等により部分的に検出点が存在しない状態であったとしても、結合線分として見た場合には、その重なり度合いは判定値を超えていると判定されている。このため、時間結合回数は加算されている。つまり、結合線分を時間的にクラスタリングすることにより、外乱ノイズを除去することができる。

この場合、制御部１０は、時間結合回数が４回を超えていることから（Ｄ５：ＹＥＳ）、その結合線分が物体を示すものであると判定するとともに、時間クラスタリング情報を記憶する（Ｄ６）。このとき、時間クラスタリング情報には、対応する結合線分が同一物体によるものであることが記憶される。なお、時間結合回数の判定数を４回としてもよい。これは、発明者らが実験した結果、判定数が４回であっても、物体の検出精度が十分確保できたためである。

これに対して、制御部１０は、１スキャン目から６スキャン目（現スキャン）までの結合線分が例えば図１４の「時間方向でクラスタリングされない例」に示すような状態で抽出された場合、同様に角度方向および距離方向の重なり度合いを判定するものの、２スキャン目のように該当する結合線分が存在しなかった（検出点が無かった）状態や、５スキャン目のように検出点は存在するものの結合線分ではない（空間クラスタリングが行われていない）状態などがあると、それらに対して時間クラスタリングが行われることはない。すなわち、時間結合回数が加算されない。そのため、この例では、３スキャン目と４スキャン目だけが時間クラスタリングされており、時間結合回数は１回となっている。

この場合、制御部１０は、時間結合回数が４回を超えていないことから（Ｄ５：ＮＯ）、その結合線分が物体によるものでは無いと判定して、つまり、ノイズであると判定してステップＤ７に移行する。その後、制御部１０は、全ての結合線分を判定した場合には（Ｄ７：ＹＥＳ）、時間クラスタリング情報を保存して（Ｄ８）、リターンする。そして、物体検出処理にて、クラスタリング情報に基づいて物体を検出し、その検出結果の報知等を行う。

このように、制御部１０は、複数のスキャン情報を対象として結合線分の重なり度合いを判定し、時間クラスタリングが行われた回数により、物体であるか、ノイズであるかを判定している。換言すると、制御部１０は、時間クラスタリングを行うことで、ノイズを除去している。これにより、物体検出の精度を向上させることができる。
また、ノイズの影響を除去して検出した物体の大きさを検出できるので、検出した物体の確かさも向上させることができる。

（第３実施形態）
以下、本発明の第３実施形態による物体検出方法について、図１５および図１６を参照しながら説明する。第３実施形態では、時間クラスタリング処理にて移動体により生じる影を無効化している点において、第１実施形態と異なっている。なお、レーザ距離計の構成は第１実施形態と共通するので同一の符号を付して説明する。また、図１０に示した時間クラスタリング処理と実質的に共通する処理については、詳細な説明は省略する。

レーザ距離計１の制御部１０は、第１実施形態と同様に、図５に示す物体検出処理を行っている。そして、物体検出処理のステップＡ８において、図１０に示した時間クラスタリング処理の代わりに、図１５に示す影無効化時間クラスタリング処理を行っている。
この影無効化時間クラスタリング処理では、制御部１０は、現スキャン情報と過去２スキャン分のスキャン情報とを読み出し（Ｅ１）、各スキャンの結合線分を抽出する（Ｅ２）。そして、現スキャンから過去２スキャン目までの結合線分について、角度方向の重なり度合いをそれぞれ算出する（Ｅ３）。

ここで、図１６（ａ）に示すように移動体Ｍ１０が静止体Ｍ１１のまえを移動している状況を想定する。このとき、１スキャン目から３スキャン目（現スキャン）までの結合線分が、例えば図１６（ｂ）に示すように得られたとする。この場合、移動体Ｍ１０によってレーザ光が遮られ、静止体Ｍ１１に影が生じた結果、静止体Ｍ１１が２つの結合線分Ｋ１１、Ｋ１３として検出されている。このため、１つの物体であるにも関わらず、２つの物体であると誤認識される可能性がある。

そこで、制御部１０は、以下のようにして影の影響を無効化している。
制御部１０は、現スキャンの結合線分と過去２スキャン分の結合線分の角度方向、距離方向の重なり度合いを算出する（Ｅ２）。この場合、１スキャン目の結合線分Ｋ１１〜Ｋ１３と２スキャン目の結合線分Ｋ２１〜Ｋ２３との重なり度合い、および、２スキャン目の結合線分Ｋ２１〜Ｋ２３と３スキャン目の結合線分Ｋ３１〜Ｋ３３との重なり度合いがそれぞれ算出される。

続いて、制御部１０は、判定値を超える結合線分を抽出する（Ｅ３）。このとき、結合線分Ｋ１１、Ｋ２１、Ｋ３１が抽出つまり時間クラスタリングされ、結合線分Ｋ１２、Ｋ２２、Ｋ３２が時間クラスタリングされ、結合線分Ｋ３３、Ｋ２３、Ｋ３３が時間クラスタリングされる。そして、時間クラスタリングの結果に基づいて、すなわち、結合線分の時間変化に基づいて同一物体によるものと判定される結合線分を抽出する（Ｅ４）。

この場合、結合線分Ｋ１２、Ｋ２２、Ｋ３２は、時間クラスタリングされた結果から、同一物体、且つ、移動体によるものと判定される。一方、結合線分Ｋ１１、Ｋ２１、Ｋ３１の場合、その左端側の位置は変化せず、また、距離方向の変化がないにも関わらず、その長さが縮んでいる。また、結合線分Ｋ１３、Ｋ２３、Ｋ３３の場合、その右端側の位置は変化せず、また、距離方向の変化がないにも関わらず、その長さが伸びている。

レーザ距離計１においては、同一物体の幅（結合線分の角度方向の幅）が変化するのは、物体までの距離が変化した場合に限られる。このため、端部の位置が変化せず、その長さが変化している結合線分Ｋ１１、Ｋ２１、Ｋ３１、および結合線分Ｋ１３、Ｋ２３、Ｋ３３は、静止している物体によるものであると判断できる。また、図１６（ｂ）の場合、各結合線分の距離方向の位置が一致することから、結合線分Ｋ１１、Ｋ２１、Ｋ３１により示される物体と、結合線分Ｋ１３、Ｋ２３、Ｋ３３により示される物体とが、同一の物体であるとも判断できる。

そのため、制御部１０は、同一物体であると判断できる結合線分（Ｋ１１、Ｋ２１、Ｋ３１、およびＫ１３、Ｋ２３、Ｋ３３）を結合するとともに、時間クラスタリング情報を記憶する（Ｅ５）。この場合、制御部１０は、結合線分Ｋ１１と結合線分Ｋ１３とを結合するとともに、必要であれば結合線分間を補完もしくは結合線分が重なる部分を消去することで単一の結合線分とすることができる。すなわち、複数の結合線分を単一の物体によるものであると判定することができる。この場合、物体１が、結合線分が結合された物体（つまり、静止体Ｍ１１）となる。また、結合線分Ｋ１２、Ｋ２２、Ｋ３２により示される物体を、物体２（つまり、移動体Ｍ１０）として判定する。

このように、制御部１０は、結合線分の距離方向や角度方向の変化や端部が移動しているか否か等の時間的な変化を抽出し、その変化に基づいて手前側の物体によって一時的に分断された結合線分であるかを判別している。すなわち、影の影響を無効化している。これにより、複数の結合線分が含まれている場合に、単一の物体による結合線分であるか否かを判定することができ、単一の物体を誤って２つの物体であると誤検出するおそれを低減することができる。
なお、図１６では移動体Ｍ１０と静止体Ｍ１１との例を示したが、移動体と移動体との間に影が生じる状況であっても、同様の手法により影を無効化することができる。

（その他の実施形態）
本発明は、各実施形態にて例示したものに限定されることなく、例えば以下のように変形あるいは拡張することができる。
各実施形態で示した数値は例示であり、これに限定されない。
各実施形態では、説明の簡略化のために１走査が終了してから空間クラスタリング処理と時間クラスタリング処理とを行う流れを示したが、これらの処理を並行して行ってもよい。つまり、１走査が終了したら次の走査を開始するとともに、次の走査中に、前の走査に対する空間クラスタリング処理と時間クラスタリング処理とを行ってもよい。

対象とするスキャン情報を６走査分とし、時間結合回数の判定数を４〜５回としたが、対象となる物体が高速で移動することが想定される場合等においては、それらの数値を変更してもよい。
物体の検出結果の報知では、物体の大きさや距離を報知すればよい。この場合、予め検出対象として想定している物体（人、車両等）の大きさを設定しておき、その大きさの物体を検出した際に、対象となる物体を検出した旨を報知してもよい。

予め背景物（例えば、対象エリア内に存在する壁や固定的に設置されている物体等）を登録しておき、それらの背景物に対応する検出点を除外し、侵入物と見なされる物体に対応する検出点に対してのみ空間クラスタリングや時間クラスタリングを行うようにしてもよい。

図面中、１はレーザ距離計（光学式距離計）、２、３は対象エリア、Ｍ１、Ｍ２、Ｍ１０、Ｍ１１は物体を示す。

Claims (4)

1. 光学式距離計により予め設定されている走査角度ごとに対象エリア内を走査し、１走査中に得られた検出点の走査角および距離をスキャン情報として記憶し、
   前記スキャン情報に記憶されている検出点のうち、走査方向において最も走査角が小さい検出点を基準点に設定し、
   前記基準点の走査角を示す仮想的な直線である第一直線、当該基準点の走査角の次の走査角を示す仮想的な直線である第二直線、および前記基準点を通って前記第一直線から垂直に伸びる仮想的な直線である第三直線を設定し、前記第二直線と前記第三直線との交点を結合中心点として設定し、
   前記結合中心点と前記基準点との間の距離に基づいて、前記基準点と対応付けが可能であるか否かを判定するための基準値となる結合半径を設定し、
   前記結合中心点から前記結合半径の範囲内の前記第二直線上に、前記基準点とは異なる他の検出点が存在するか否かを判定し、
   他の検出点が存在する場合には、当該他の検出点を前記基準点に対応付けるための論理的な結合処理である空間クラスタリングを行うとともに、当該他の検出点を新たな前記基準点に設定する一方、他の検出点が存在しない場合には、走査方向において次の走査角度以降において最も走査角が小さい検出点を抽出して新たな前記基準点に設定し、
   前記スキャン情報に記憶されている全ての検出点に対して、前記空間クラスタリングを行えるか否かを判定し、
   前記空間クラスタリングが行われた検出点群を結ぶ仮想的な線分である結合線分を設定し、
   前記結合線分により示される検出点群を１つの物体に対応するものと判定する
   ことを特徴とする物体検出方法。
2. 前記対象エリアを走査するごとに前記スキャン情報を時系列で記憶し、
   少なくとも１走査分よりも前に記憶された前記スキャン情報を基準スキャン情報として設定し、
   最新の前記スキャン情報に含まれる前記結合線分と、前記基準スキャン情報に含まれる前記結合線分とについて、角度方向の重なり度合いおよび距離方向の重なり度合いが予め設定されている判定値を超えるか否かを判定し、
   前記角度方向の重なり度合い、および前記距離方向との重なり度合いが前記判定値を超えると判定された前記結合線分に対して、互いを対応付けるための論理的な結合処理である時間クラスタリングを行い、
   最新の前記スキャン情報に記憶されている全ての前記結合線分に対して、前記時間クラスタリングを行えるか否かを判定し、
   前記時間クラスタリングが行われた前記結合線分を同一物体に対応するものと判定する
   ことを特徴とする請求項１記載の物体検出方法。
3. 複数の前記スキャン情報から前記結合線分を抽出し、
   抽出した前記結合線分のうち、前記時間クラスタリングが行われた回数が予め定められている規定数を超えた前記結合線分を、同一物体に対応するものであると判定する
   ことを特徴とする請求項２記載の物体検出方法。
4. 前記スキャン情報に複数の前記結合線分が含まれている場合、前記時間クラスタリングを行った結果から複数の前記結合線分の変化を抽出し、その変化に基づいて当該複数の前記結合線分が単一の物体に対応するものであるか否かを判定する
   ことを特徴とする請求項２または３記載の物体検出方法。

Images