JP2017129446A - 物体検出装置 - Google Patents
物体検出装置 Download PDFInfo
- Publication number
- JP2017129446A JP2017129446A JP2016008805A JP2016008805A JP2017129446A JP 2017129446 A JP2017129446 A JP 2017129446A JP 2016008805 A JP2016008805 A JP 2016008805A JP 2016008805 A JP2016008805 A JP 2016008805A JP 2017129446 A JP2017129446 A JP 2017129446A
- Authority
- JP
- Japan
- Prior art keywords
- shape model
- cluster
- unit
- tracking
- fitting
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Traffic Control Systems (AREA)
- Optical Radar Systems And Details Thereof (AREA)
Abstract
【課題】検出対象物を精度良く検出可能な物体検出装置を提供する。【解決手段】物体検出装置100は、レーザーを送信して、レーザーを反射した位置を計測点として複数取得するLIDAR1と、計測点を1又は複数のクラスタにクラスタリングするクラスタリング部11と、クラスタの移動を追跡するクラスタ追跡部12と、クラスタを形状モデルに当てはめる形状モデル当てはめ部13と、形状モデルの移動を追跡する形状モデル追跡部14と、形状モデルの追跡結果に基づいて物体を検出する物体検出部15と、を備える。形状モデル当てはめ部13は、クラスタ追跡部12で追跡されたクラスタの移動速度/移動方向が形状モデル追跡部14で追跡された形状モデルの移動速度/移動方向と所定の速度閾値/方向閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外する。【選択図】図1
Description
本発明は、車両の周囲の物体を検出する物体検出装置に関する。
従来、車両の周囲の物体を検出する装置として、例えば、特許文献1に記載された装置がある。特許文献1に記載された装置は、LIDARを用いて検出された対象車両の計測点をクラスタリングしてクラスタを生成し、生成したクラスタに状態推定用のモデルを当てはめる。そして、この装置は、当てはめた結果を用いてカルマンフィルタ更新処理を行うことによって対象車両の状態を推定している。
特許文献1に記載された装置では、検出を行う対象車両との距離、対象車両の素材、及び形状などにより、LIDARの計測点が疎になった場合に、1台の対象車両であるにも関わらず、計測点が複数にクラスタリングされることが考えられる。この場合、1台の対象車両を、複数の物体と誤認識することが考えられる。
そこで、本発明の一側面は、検出対象物を精度良く検出可能な物体検出装置を提供することを目的とする。
本発明の一側面は、車両の周囲の物体を検出する物体検出装置であって、車両からレーザーを送信して反射したレーザーを受信することにより、レーザーを反射した位置を計測点として複数取得するレーザレーダと、レーザレーダにより取得された複数の計測点の位置に基づいて、複数の計測点を1又は複数のクラスタにクラスタリングするクラスタリング部と、クラスタリング部でクラスタリングされたクラスタの移動を追跡するクラスタ追跡部と、クラスタリング部でクラスタリングされたクラスタを形状モデルに当てはめる当てはめ部と、当てはめ部でクラスタが当てはめられた形状モデルの移動を追跡する形状モデル追跡部と、形状モデル追跡部での形状モデルの追跡結果に基づいて物体を検出する物体検出部と、を備え、当てはめ部は、クラスタ追跡部で追跡されたクラスタの移動速度が形状モデル追跡部で追跡された形状モデルの移動速度と所定の速度閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外すること、及び、クラスタ追跡部で追跡されたクラスタの移動方向が形状モデル追跡部で追跡された形状モデルの移動方向と所定の方向閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外することのうち少なくともいずれか一方を行う。
この物体検出装置では、クラスタ追跡部がクラスタの移動を追跡する。当てはめ部は、クラスタの移動速度が形状モデルの移動速度と所定の速度閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外する。また、当てはめ部は、クラスタの移動方向が形状モデルの移動方向と所定の方向閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外する。このようにしてクラスタを形状モデルに当てはめることにより、検出対象物の計測点が複数のクラスタにクラスタリングされたとしても、形状モデルに精度良く当てはめることができ、検出対象物を精度良く検出できる。
本発明の一側面によれば、検出対象物を精度良く検出することができる。
以下、本発明の実施形態について図面を参照しながら説明する。なお、図面の説明において同一の要素には同一の符号を付し、重複する説明を省略する。
図1に示す物体検出装置100は、乗用車等の自車両Vに搭載されている。物体検出装置100は、検出対象物として自車両Vの周囲の物体を検出する。図1に示すように、物体検出装置100は、LIDAR[Laser Imaging Detection and Ranging]1、及びECU[Electronic Control Unit]2を備えている。
LIDAR(レーザレーダ)1は、自車両Vの前端に設けられている。LIDAR1は、レーザーを車両前方に送信し、他車両等の物体で反射したレーザーを受信することにより、レーザーを反射した位置を計測点として複数取得する。LIDAR1は、取得した計測点に関する情報をECU2に送信する。
ECU2は、LIDAR1で取得された計測点に基づいて、自車両Vの周囲の物体を検出する。本実施形態において、ECU2は、自車両Vの前方の物体を検出する。ECU2は、CPU[Central Processing Unit]、ROM[Read Only Memory]、RAM[Random Access Memory]等を有する電子制御ユニットである。ECU2は、ROMに記憶されているプログラムをRAMにロードし、CPUで実行することで、各種の制御を実行する。ECU2は、複数の電子制御ユニットから構成されていてもよい。
ECU2は、機能的には、クラスタリング部11、クラスタ追跡部12、形状モデル当てはめ部(当てはめ部)13、形状モデル追跡部14、及び物体検出部15を備えている。
クラスタリング部11は、LIDAR1により取得された複数の計測点の位置に基づいて、複数の計測点を1又は複数のクラスタにクラスタリングする。クラスタとは、複数の計測点をまとめて総称するものであり、1つのグループである。クラスタリングとは、複数の計測点のまとまりを生成する(グループ化する)ことである。
具体的には、クラスタリング部11は、例えば、二次元グリッドを利用してクラスタリングを行う。二次元グリッドを利用する場合、例えば、図2に示すように、クラスタリング部11は、LIDAR1における計測点Pの座標系(X‐Y座標系)上に二次元グリッドGを生成し、検出した計測点Pを各グリッドに投票する。そして、クラスタリング部11は、各グリッドに対してラベリングを行い、同一ラベルに属する計測点Pを同一のクラスタとして統合する。また、クラスタリング部11は、計測点Pが含まれるグリッドのうち、隣接するグリッド同士を同一のクラスタとして統合する。これにより、図2に示す例では、クラスタC1とクラスタC2とが生成される。クラスタリング部11は、計測点をクラスタリングした複数のクラスタを出力する。
クラスタ追跡部12は、クラスタリング部11でクラスタリングされたクラスタ毎に、クラスタの移動を追跡する。クラスタ追跡部12は、例えば、カルマンフィルタを用いてクラスタの移動を追跡することができる。カルマンフィルタを用いる場合、カルマンフィルタの運動モデルは、仮定が少なく、頑強に追跡を行うことができるモデルであることが好ましい。例えば、カルマンフィルタの運動モデルとして、図3に示される、等速直線モデルを用いることができる。この等速直線モデルでは、対象の位置(x,y)、及び速度(vx,vy)を状態とする。また、クラスタの位置(x,y)を観測として、状態の推定を行う。クラスタ追跡部12は、クラスタの追跡結果として、クラスタの状態の推定値を出力する。
形状モデル当てはめ部13は、クラスタリング部11でクラスタリングされたクラスタを形状モデルに当てはめて、形状モデルのパラメータを推定する。なお、形状モデル当てはめ部13は、クラスタを形状モデルに当てはめる際に、クラスタ追跡部12で推定されたクラスタの移動速度が形状モデル追跡部14で推定された形状モデルの移動速度と所定の速度閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外する。また、形状モデル当てはめ部13は、クラスタを形状モデルに当てはめる際に、クラスタ追跡部12で推定されたクラスタの移動方向が形状モデル追跡部14で推定された形状モデルの移動方向と所定の方向閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外する。
なお、例えば、初めて形状モデルへの当てはめを行う場合等、形状モデル追跡部14においてまだ形状モデルの追跡が行われていないことがある。このような場合、形状モデル当てはめ部13は、例えば、上述した形状モデルへの当てはめからクラスタを除外する処理を行わなくてもよい。
形状モデル当てはめ部13は、例えば、ヒストグラムフィルタを用いて形状モデルのパラメータを推定することができる。ヒストグラムフィルタを用いる場合、クラスタに含まれるすべての計測点を観測とする。形状モデルとしては、例えば、図4(a)に示す四角形や、図4(b)に示す鎖型が挙げられる。
以下、形状モデルが四角形(図4(a))であり、且つヒストグラムフィルタを用いる場合に、形状モデル当てはめ部13で行われる処理の具体例について説明する。形状モデル当てはめ部13が推定する形状モデルのパラメータは、最近傍角の位置(xc,yc)、方向(θ)、幅(w)、長さ(l)とする。
最近傍角の位置(xc,yc)、及び方向(θ)は、クラスタ追跡部12で推定されたクラスタの状態の推定値のうち、ヒストグラムフィルタと対応するクラスタの状態の推定値を用いて計算することができる。或いは、最近傍角の位置(xc,yc)、及び方向(θ)は、形状モデル追跡部14で推定された形状モデルの状態の推定値のうち、ヒストグラムフィルタと対応する形状モデルの状態の推定値を用いて計算することができる。
形状モデル当てはめ部13は、形状モデルのパラメータのうち、幅(w)及び長さ(l)を、ヒストグラムフィルタにて推定する。幅(w)及び長さ(l)は時間変化しないため、ヒストグラムフィルタの運動モデルとしては、図5に示すように、推定誤差を考慮したランダムウォークを選択することができる。ヒストグラムフィルタの観測モデルとしては、図6及び図7に示すモデルを選択することができる。ここでは、形状モデル当てはめ部13は、図6に示すように、最近傍角の位置(xc,yc)をL字の交点(屈曲点)とし、方向(θ)をL字の縦線の傾きとするL字のグリッドを生成する。
形状モデル当てはめ部13は、L字のグリッド内に、入力されたクラスタ内の計測点Pを投票する。計測点Pが投票されたグリッドのうち、L字の交点から幅方向(L字の横線方向)に最も離れたグリッドの代表値を幅の観測(zw)とし、L字の交点から長さ方向(L字の縦線方向)に最も離れたグリッドの代表値を長さの観測(zl)とする。ヒストグラムフィルタの観測モデルは、幅と長さの観測がそれぞれ独立な正規分布であるとして、グリッド(w,l)の尤度を計算する。
形状モデル当てはめ部13は、ヒストグラムフィルタの推定値としては、最大事後確率のビンの代表値を出力する。また、形状モデル当てはめ部13は、推定した形状モデルのパラメータの安定度合い(収束の度合い)を、フィルタの収束で判断する。この収束は、最大事後確率で評価することができる。形状モデル当てはめ部13は、フィルタが予め定められた基準値以上収束した場合に、形状モデルのパラメータが収束したと判定する。
形状モデル当てはめ部13は、推定した形状モデルのパラメータと、該当する形状モデルの更新に使用したクラスタ、形状モデルのパラメータが収束したか否かを示すフラグを出力する。
形状モデル追跡部14は、形状モデル当てはめ部13でクラスタが当てはめられた形状モデルの移動を追跡する。形状モデル追跡部14は、形状モデル当てはめ部13から入力される複数のクラスタを観測として、形状モデル単位の追跡を行う。また、形状モデル追跡部14は、形状モデル内に含まれる複数のクラスタを統合し、一つのクラスタとする。形状モデル追跡部14は、統合後のクラスタを用いて形状モデル単位の追跡を行う。
形状モデル追跡部14は、例えば、カルマンフィルタを用いて形状モデルの移動を追跡することができる。カルマンフィルタを用いる場合、カルマンフィルタの運動モデルは、検出対象なる他車両の運動を正確に推定できるものを用いることが好ましい。例えば、カルマンフィルタの運動モデルとして、図8に示される、等加速度・一定ヨーレートモデルを用いることができる。この等加速度・一定ヨーレートモデルは、対象の位置(x,y)、線速度(v)、姿勢(θ)、線加速度(a)、及びヨーレート(ω)を状態として、状態の推定が行われる。また、大きさとしては、形状モデル当てはめ部13での形状モデルのパラメータの推定値を引き継ぐことができる。形状モデル追跡部14は、形状モデルの追跡結果として形状モデルの状態の推定値を出力する。
なお、形状モデル追跡部14は、形状モデルの追跡を行う際に、形状モデルのパラメータが収束した場合に、パラメータが収束した形状モデルの追跡を開始する。形状モデル追跡部14は、形状モデルのパラメータが収束したか否かを、形状モデル当てはめ部13から入力されるフラグに基づいて判断することができる。
物体検出部15は、形状モデル追跡部14での形状モデルの追跡結果に基づいて、自車両Vの周囲の物体を検出する。物体検出部15での物体の検出結果は、例えば車両の走行制御装置で利用されたり、物体の存在を運転者に報知したりするために利用することができる。
本実施形態は以上のように構成され、物体検出装置100では、クラスタ追跡部12がクラスタの移動を追跡する。形状モデル当てはめ部13は、クラスタの移動速度が形状モデルの移動速度と所定の速度閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外する。また、形状モデル当てはめ部13は、クラスタの移動方向が形状モデルの移動方向と所定の方向閾値以上異なるクラスタを、当該形状モデルへの当てはめから除外する。このようにしてクラスタを形状モデルに当てはめることにより、物体検出装置100は、検出対象物の計測点が複数のクラスタにクラスタリングされたとしても、形状モデルに精度良く当てはめることができ、検出対象物を精度良く検出できる。
また、移動速度/移動方向が形状モデルとは大きく異なるクラスタを当該形状モデルへの当てはめから除外することにより、例えば、検出対象物(他車両)のクラスタとそれ以外(道路構造物等)のクラスタとが接近する場合に、これらのクラスタが誤って統合されることを抑制できる。
形状モデル追跡部14は、形状モデルの追跡を行う際に、形状モデルのパラメータが収束した場合に、パラメータが収束した形状モデルの追跡を開始する。このように、形状モデルのパラメータが安定したものから追跡を開始することで、例えば、検出対象とする他車両が他の物体に一時的に接近する場合であっても、検出対象物の誤検出を抑制できる。
形状モデル当てはめ部13は、形状モデルのパラメータのうち、最近傍角の位置(xc,yc)、及び方向(θ)として、クラスタ追跡部12又は形状モデル追跡部14での推定値を用いることができる。この場合、形状モデル当てはめ部13における形状モデルのパラメータの計算負荷を抑制できる。
以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されるものではない。例えば、上述したカルマンフィルタやヒストグラムフィルタ等は一例であり、他のフィルタ等を用いてもよい。
形状モデル当てはめ部13は、クラスタを形状モデルに当てはめる際に、クラスタ追跡部12で推定されたクラスタの移動速度が形状モデル追跡部14で推定された形状モデルの移動速度と所定の速度閾値以上異なるクラスタを、形状モデルへの当てはめから除外すること、及び、クラスタ追跡部12で推定されたクラスタの移動方向が形状モデル追跡部14で推定された形状モデルの移動方向と所定の方向閾値以上異なるクラスタを、形状モデルへの当てはめから除外することのうち、両方を行うことは必須では無い。形状モデル当てはめ部13は、これらの少なくともいずれか一方を行えばよい。
また、形状モデル追跡部14は、形状モデルの追跡を行う際に、形状モデルのパラメータが収束した場合に追跡を開始することは必須では無い。
1…LIDAR(レーザレーダ)、11…クラスタリング部、12…クラスタ追跡部、13…形状モデル当てはめ部(当てはめ部)、14…形状モデル追跡部、15…物体検出部、100…物体検出装置、V…自車両(車両)。
Claims (1)
- 車両の周囲の物体を検出する物体検出装置であって、
前記車両からレーザーを送信して反射したレーザーを受信することにより、レーザーを反射した位置を計測点として複数取得するレーザレーダと、
前記レーザレーダにより取得された複数の計測点の位置に基づいて、複数の計測点を1又は複数のクラスタにクラスタリングするクラスタリング部と、
前記クラスタリング部でクラスタリングされた前記クラスタの移動を追跡するクラスタ追跡部と、
前記クラスタリング部でクラスタリングされた前記クラスタを形状モデルに当てはめる当てはめ部と、
前記当てはめ部で前記クラスタが当てはめられた前記形状モデルの移動を追跡する形状モデル追跡部と、
前記形状モデル追跡部での前記形状モデルの追跡結果に基づいて物体を検出する物体検出部と、を備え、
前記当てはめ部は、前記クラスタ追跡部で追跡された前記クラスタの移動速度が前記形状モデル追跡部で追跡された前記形状モデルの移動速度と所定の速度閾値以上異なる前記クラスタを、当該形状モデルへの当てはめから除外すること、及び、前記クラスタ追跡部で追跡された前記クラスタの移動方向が前記形状モデル追跡部で追跡された前記形状モデルの移動方向と所定の方向閾値以上異なる前記クラスタを、当該形状モデルへの当てはめから除外することのうち少なくともいずれか一方を行う、物体検出装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016008805A JP2017129446A (ja) | 2016-01-20 | 2016-01-20 | 物体検出装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016008805A JP2017129446A (ja) | 2016-01-20 | 2016-01-20 | 物体検出装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2017129446A true JP2017129446A (ja) | 2017-07-27 |
Family
ID=59396139
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016008805A Pending JP2017129446A (ja) | 2016-01-20 | 2016-01-20 | 物体検出装置 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2017129446A (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019152575A (ja) * | 2018-03-05 | 2019-09-12 | 株式会社デンソーアイティーラボラトリ | 物体追跡装置、物体追跡方法及び物体追跡用コンピュータプログラム |
WO2021251243A1 (ja) * | 2020-06-12 | 2021-12-16 | 株式会社デンソー | 物体認識装置 |
US11474246B2 (en) | 2019-10-28 | 2022-10-18 | Robert Bosch Gmbh | Vehicle tracking device |
WO2023062400A1 (ja) | 2021-10-12 | 2023-04-20 | 日産自動車株式会社 | 物体認識方法及び物体認識装置 |
JP7363574B2 (ja) | 2020-02-27 | 2023-10-18 | 株式会社デンソー | 物体検知装置 |
-
2016
- 2016-01-20 JP JP2016008805A patent/JP2017129446A/ja active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019152575A (ja) * | 2018-03-05 | 2019-09-12 | 株式会社デンソーアイティーラボラトリ | 物体追跡装置、物体追跡方法及び物体追跡用コンピュータプログラム |
US11474246B2 (en) | 2019-10-28 | 2022-10-18 | Robert Bosch Gmbh | Vehicle tracking device |
JP7363574B2 (ja) | 2020-02-27 | 2023-10-18 | 株式会社デンソー | 物体検知装置 |
WO2021251243A1 (ja) * | 2020-06-12 | 2021-12-16 | 株式会社デンソー | 物体認識装置 |
JP7409234B2 (ja) | 2020-06-12 | 2024-01-09 | 株式会社デンソー | 物体認識装置 |
WO2023062400A1 (ja) | 2021-10-12 | 2023-04-20 | 日産自動車株式会社 | 物体認識方法及び物体認識装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP2017129446A (ja) | 物体検出装置 | |
US10867191B2 (en) | Method for detecting and/or tracking objects | |
US9824586B2 (en) | Moving object recognition systems, moving object recognition programs, and moving object recognition methods | |
US10449956B2 (en) | Object tracking by unsupervised learning | |
CN108216249B (zh) | 用于车辆的周围环境检测的系统和方法 | |
US10860872B2 (en) | Virtual vehicle occupant rendering | |
JP6453701B2 (ja) | 姿勢推定装置 | |
JP6458651B2 (ja) | 路面標示検出装置及び路面標示検出方法 | |
CN110580040A (zh) | 盲区中的对象跟踪 | |
CN109100744B (zh) | 用于agv的目标定位方法及系统 | |
JP6895911B2 (ja) | 物体追跡装置、物体追跡方法及び物体追跡用コンピュータプログラム | |
CN111722249B (zh) | 物体识别装置以及车辆控制系统 | |
CN113635894A (zh) | 用于确定可行驶区域的方法 | |
CN111806421B (zh) | 车辆姿态确定系统和方法 | |
US20170220878A1 (en) | Device and method for detecting a curbstone in an environment of a vehicle and system for curbstone control for a vehicle | |
CN113002562A (zh) | 车辆控制装置以及存储介质 | |
CN113557523A (zh) | 用于以改善的对象探测运行机器人的方法和设备 | |
WO2021102676A1 (zh) | 物体状态获取方法、可移动平台及存储介质 | |
EP3620818A1 (en) | Annotation of radar-profiles of objects | |
JP7081098B2 (ja) | 走行環境認識装置、走行環境認識方法、プログラム | |
WO2022098516A1 (en) | Systems and methods for radar false track mitigation with camera | |
JP7459560B2 (ja) | 物体検知装置 | |
JP2017116445A (ja) | 物体検出装置 | |
JP2020086489A (ja) | 白線位置推定装置及び白線位置推定方法 | |
CN112652006A (zh) | 感测车辆周围环境中的物体的方法,数据处理设备,计算机程序产品和计算机可读数据介质 |