JP2016223872A

JP2016223872A - 物体識別装置

Info

Publication number: JP2016223872A
Application number: JP2015109460A
Authority: JP
Inventors: 野田　晋作; Shinsaku Noda; 晋作野田
Original assignee: Mitsubishi Electric Corp
Current assignee: Mitsubishi Electric Corp
Priority date: 2015-05-29
Filing date: 2015-05-29
Publication date: 2016-12-28
Anticipated expiration: 2035-05-29
Also published as: DE102015218570A1; US10545228B2; US20160349358A1; JP6058072B2

Abstract

【課題】検出された物体を正確に識別することができる物体識別装置を得る。【解決手段】レーダ１から物体のカテゴリ毎のレーダ信頼度がＣＰＵ３に入力され、カメラ２から物体のカテゴリ毎のカメラ信頼度がＣＰＵ３に入力され、ＣＰＵ３では、カテゴリ毎に、レーダ１およびカメラ２の信頼度を加重平均して各カテゴリの平均信頼度とし、平均信頼度が最も高いカテゴリを物体の種類として識別する。【選択図】図１

Description

本発明は、複数のセンサにおける物体識別情報を用いて物体の識別を行う物体識別装置に関する。

従来の物体識別装置としては、例えば特許文献１に示すような技術を用いたものが知られている。この従来技術を用いた物体識別装置は、はじめにレーザレーダにおいて、物体が検出される。検出した物体が、レーザレーダの歩行者検出可能領域以遠であれば、当該物体に歩行者でないことを示す識別情報が付けられ、カメラに伝達される。次にカメラにおいて検出された物体の内、前記識別情報が付けられた物体は識別対象から除外され、残った物体に対してパターンマッチング等の画像識別処理を施して歩行者の識別が行われる。

特開２００９−２３７８９８号公報

上述のように構成された従来の物体識別装置では、例えばレーザレーダの歩行者検出可能領域以遠に存在する歩行者が、反射レベルの揺らぎ等によりレーザレーダで検出された場合においては、当該歩行者は歩行者でないと判断され、正確に識別されないという問題があった。

本発明はこのような問題点に鑑みてなされたものであり、検出された物体を正確に識別することができる物体識別装置を得ることを目的とする。

本発明に係る物体識別装置は、検出した物体に対して物体の種類について予め定められたカテゴリ毎に合致する度合いを示す信頼度を出力する複数のセンサと、カテゴリ毎に、各センサの信頼度の平均を各カテゴリの平均信頼度とし、平均信頼度が最も高いカテゴリを物体の種類として識別する処理部を備えたものである。

本発明によれば、複数のセンサでそれぞれ識別した結果を、信頼度を用いて判定するので、正確に物体を識別することができる。

本発明の実施の形態１における物体識別装置の構成を示すブロック図である。本発明の実施の形態１に係る物体識別装置におけるレーダの受信レベルの特性例を示す説明図である。被検出物体のカテゴリ毎の受信レベルの分布の特性を示す説明図である。被検出物体のカテゴリ毎の受信レベルに対するレーダ信頼度の特性を示す説明図である。本発明の実施の形態１に係る物体識別装置におけるＣＰＵでの加重平均の例を示す説明図である。

実施の形態１．
図１は本発明の実施の形態１に係る物体識別装置を示している。本実施の形態においては、物体を検出するセンサとしてレーダ１とカメラ２を備えており、それぞれの検出結果は処理部としてのＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）（処理部とも称す）３に入力されるようになっている。この物体識別装置は、自動車などに搭載され、前方に存在する物体を検出して種類を識別する。

本実施の形態は、検出された物体について「自動車」「オートバイ」「歩行者」の３つのカテゴリに識別する物体識別装置を提供するものである。

まず、レーダ１の構成と動作を説明する。レーダ１はパルス状に制御された電波（送信パルス）を送信し、物体（図示しない）にて反射された電波がレーダ１にて受信パルスとして受信される。受信パルスと送信パルスとの時間差、すなわち電波が物体との距離Ｒを往復するに要した時間Ｔがカウンタを用いて計測され、物体までの距離Ｒが式（１）を用いて算出される。なお、式（１）において、ｃは光速である。

ここで、レーダ１における物体の識別方法について説明する。レーダ１から送信され、物体で反射されてレーダ１で受信される電波の受信レベルＡは、物体との距離Ｒに応じて徐々に減衰することは広く知られている。また、物体によって電波の反射率が異なるため、前記３つのカテゴリの中で最も反射率が大きい自動車に対する受信レベルＡが最も大きく、次いでオートバイの受信レベルＡが大きく、最も反射率が小さい歩行者に対する受信レベルＡが最も小さくなる。

図２はこれら受信レベルＡの様子を模式的に示している。自動車に対する受信レベルＡは太実線Ｃ１に示すように変化し、オートバイに対する受信レベルＡは点線Ｂ１に示すように変化し、また歩行者に対する受信レベルＡは太破線Ｐ１に示すように変化する。
したがって、レーダ１を用いた場合の物体のカテゴリと、距離Ｒと、受信レベルＡの関係を予め実験的に把握しておけば、検出された物体の距離Ｒと受信レベルＡから物体のカテゴリを識別することができることになる。

ただし、実際の受信レベルＡは、例えば同じ「自動車」のカテゴリであっても自動車の種類や向きなどによって反射率が異なり、あるいは天候やノイズ等、様々な要因によって変化する。このため物体の各カテゴリに対する実際の受信レベルＡは単一の値ではなく、ある範囲に分布することとなる。
以上を踏まえ、物体の距離Ｒが決まった場合の、受信レベルＡの分布を確率密度として例示したものが図３である。自動車についての確率密度は太実線Ｃ２に示すようになり、オートバイについての確率密度は点線Ｂ２に示すようになり、また歩行者についての確率密度は太破線Ｐ２に示すようになる。

受信レベルＡに対するカテゴリ毎のレーダ信頼度は、図３の確率密度を受信レベルＡごとに合計が１となるように規格化した図４に示すようなものとして計算される。自動車についてのレーダ信頼度は太実線Ｃ３に示すようになり、オートバイについてのレーダ信頼度は点線Ｂ３に示すようになり、また歩行者についてのレーダ信頼度は太破線Ｐ３に示すようになる。例えば、受信レベルＡが１０である場合は、「自動車」のカテゴリのレーダ信頼度は０．１２、「オートバイ」のカテゴリのレーダ信頼度は０．６２、「歩行者」のカテゴリのレーダ信頼度は０．２６となる。

以上のように計算された物体のカテゴリ毎のレーダ信頼度は、レーダ１から処理部であるＣＰＵ３に入力される。

本実施の形態においては、レーダ１は距離Ｒと受信レベルＡに基づいてカテゴリ毎のレーダ信頼度を計算したが、これら以外の特徴量を用いてレーダ信頼度を計算してもよい。

次に、カメラ２の構成と動作を説明する。カメラ２の撮像素子（図示しない）で得られた画像に対し、まず自動車をマッチング対象としたパターンマッチングを行い、所定の合致度以上の物体が検出されれば、「自動車」のカテゴリの合致度として記憶する。あるいは、所定の合致度以上の物体が検出されなかった場合は、「自動車」のカテゴリの合致度を０％とする。

次に上記した自動車の場合と同様に、オートバイをマッチング対象としたパターンマッチングを行い、所定の合致度以上の物体が検出されれば、「オートバイ」のカテゴリの合致度として記憶する。あるいは、所定の合致度以上の物体が検出されなかった場合は、「オートバイ」のカテゴリの合致度を０％とする。

さらに、歩行者をマッチング対象としたパターンマッチングを行い、所定の合致度以上の物体が検出されれば、「歩行者」のカテゴリの合致度として記憶する。あるいは、所定の合致度以上の物体が検出されなかった場合は、「歩行者」のカテゴリの合致度を０％とする。

以上のようにして求められたカテゴリ毎の合致度を基に、カテゴリ毎のカメラ信頼度を求める方法について説明する。カテゴリ毎のカメラ信頼度は、カテゴリ毎の合致度に対し、それらの合計が１となるように規格化して求める。例えば、「自動車」のカテゴリの合致度が０％、「オートバイ」のカテゴリの合致度が４２％、「歩行者」のカテゴリの合致度が７８％であった場合は、「自動車」のカテゴリのカメラ信頼度は０、「オートバイ」のカテゴリのカメラ信頼度は０．３５、「歩行者」のカテゴリのカメラ信頼度は０．６５となる。

以上のように計算された物体のカテゴリ毎のカメラ信頼度は、カメラ２から処理部であるＣＰＵ３に入力される。

次に、上述のようにしてＣＰＵ３に入力されたカテゴリ毎のレーダ信頼度、およびカメラ信頼度に基づき、物体の識別を行う方法につき説明する。本実施の形態では、センサとしてレーダ１とカメラ２を用いており、それぞれにおいてカテゴリ毎の信頼度を求めたが、センサ毎に物体を識別する適性が異なる。すなわち、レーダ１は受信レベルＡに基づいてカテゴリ毎の信頼度を求めているが、受信レベルＡだけで物体を識別することはさほど信憑性が高くないと考えられる。一方、カメラ２は物体の形状等に基づいて識別を行うため、その識別結果は比較的信憑性が高いと考えられる。

以上のことから、レーダ１から入力されたレーダ信頼度に対しては重みを０．２、またカメラ２から入力されたカメラ信頼度に対しては重みを０．８と設定し、各信頼度の加重平均を図５のように求める。図５より、カテゴリ毎の信頼度加重平均は、「自動車」のカテゴリが０．０２４、「オートバイ」のカテゴリが０．４０４、「歩行者」のカテゴリが０．５７２となり、検出された物体は信頼度加重平均が最も高い「歩行者」として識別される。
このように、本実施の形態においては、レーダ、カメラ毎に重み付けを設定し、カテゴリ毎に、レーダ、カメラの信頼度の平均となる加重平均を各カテゴリの平均信頼度として計算し、平均信頼度が最も高いカテゴリを物体の種類として識別する。

本実施の形態では、ＣＰＵ３はレーダ１およびカメラ２とは別体構成としているが、例えばＣＰＵ３がカメラ２に組み込まれていても全く同様に本発明の効果を得ることができる。

本実施の形態ではレーダ１とカメラ２の２個のセンサを用いて物体の識別を行う例を示したが、さらに別のセンサ（例えばレーザ距離計など）の識別結果（信頼度）を加味し、より正確な識別を行うことができることは言うまでもない。

本実施の形態によれば、あるセンサ（例えばレーダ１）の判断結果だけで歩行者でないと決めつけることなく、複数のセンサの判断結果を統合して識別するため、正確な識別が可能となる。また、各センサが計算するカテゴリ毎の信頼度に対して加重平均を用いるため、センサの物体識別適性を考慮した、より正確な識別が可能となる。
また、本発明は、自動車などに搭載され、前方に存在する物体を検出して種類を識別する物体識別装置などに有用である。

本発明は、上記の実施の形態に限定されるものではなく、その発明の範囲内において、実施の形態を適宜、変形、省略することができる。

１レーダ、２カメラ、３ＣＰＵ

本発明に係る物体識別装置は、検出した物体に対して物体の種類について予め定められたカテゴリ毎に合致する度合いを示す信頼度を出力する複数のセンサと、カテゴリ毎に、各センサの信頼度を加重平均したものを各カテゴリの平均信頼度とし、平均信頼度が最も高いカテゴリを物体の種類として識別する処理部を備えたものである。

Claims

検出した物体に対して前記物体の種類について予め定められたカテゴリ毎に合致する度合いを示す信頼度をそれぞれ出力する複数のセンサと、前記カテゴリ毎に、前記各センサの前記信頼度の平均を各カテゴリの平均信頼度とし、前記平均信頼度が最も高いカテゴリを前記物体の種類として識別する処理部を備えたことを特徴とする物体識別装置。
前記処理部における前記平均信頼度は、前記各センサの前記信頼度を加重平均したものであることを特徴とする請求項１に記載の物体識別装置。
前記センサはレーダであり、前記物体で反射されて受信される電波の受信レベルと、前記物体との距離とから得られた前記受信レベルに対する前記カテゴリ毎のレーダ信頼度を前記処理部に出力することを特徴とする請求項１または請求項２に記載の物体識別装置。
前記センサはカメラであり、前記物体を撮影して得られた画像に対し、前記カテゴリ毎の物体をマッチング対象としたパターンマッチングを行って得られた前記カテゴリ毎の合致度により得られた前記カテゴリ毎のカメラ信頼度を前記処理部に出力することを特徴とする請求項１または請求項２に記載の物体識別装置。