JP2018059884A - 物標識別装置、プログラム及び方法 - Google Patents

Abstract

【課題】本開示は、レーダによる物標識別において、物標の方向についての低い分解能及び少ない情報量を補完することにより、レーダ反射信号がどのような物標に由来するかを従来と比べて確実に識別することを目的とする。【解決手段】本開示は、クラスタリング部３が構成した各時刻毎でのクラスタについて、各時刻毎での物標の特徴量である一次特徴量を抽出する一次特徴量抽出部５と、軌跡抽出部４が軌跡抽出した所定期間でのクラスタについて、一次特徴量の統計量及び／又は変化量である二次特徴量を抽出する二次特徴量抽出部６と、一次特徴量の時間統計量及び／又は時間変化量である二次特徴量に基づいて、物標からの反射信号がいずれの種別の物標に由来するかを識別する物標識別部７と、を備える物標識別装置Ｒである。【選択図】図１

Description

本開示は、レーダ反射信号がどのような物標に由来するかを識別する技術に関する。

レーダ反射信号がどのような物標（自動車、歩行者及び自転車等）に由来するかを識別する技術が研究されている（例えば、非特許文献１等を参照。）。レーダによる物標識別は、カメラによる物標識別と比べて、濃霧等への耐候性が高く、夜間等での運用ができる。

野田晋作、"前方監視用ミリ波レーダ"、［ｏｎｌｉｎｅ］、２０１６年３月、三菱技報ｖｏｌ．９０、［平成２８年９月１６日検索］、インターネット＜ＵＲＬ：ｈｔｔｐ：／／ｍｉｔｓｕｂｉｓｈｉｅｌｅｃｔｒｉｃ．ｃｏ．ｊｐ／ｃｏｒｐｏｒａｔｅ／ｇｉｈｏ／１６０３／ｐｄｆ／１６０３１０８．ｐｄｆ＞

しかし、レーダによる物標識別は、カメラによる物標識別と比べて、物標の距離については直接測定することができるが、物標の方向については分解能が低いため情報量が少ない。よって、レーダによる物標識別であっても、カメラによる物標識別と比べて、レーダ反射信号がどのような物標に由来するかを確実に識別することができないことがある。

そこで、前記課題を解決するために、本開示は、レーダによる物標識別において、物標の方向についての低い分解能及び少ない情報量を補完することにより、レーダ反射信号がどのような物標に由来するかを従来と比べて確実に識別することを目的とする。

上記目的を達成するために、物標の特徴量の時間的な統計量や変化量を抽出することにより、物標の方向についての低い分解能及び少ない情報量を補完することとした。

具体的には、本開示は、物標からの反射信号について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、反射強度の情報を取得する反射強度取得部と、前記反射強度の情報について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、所定強度閾値を超える前記反射強度を有する物標信号を検出する物標信号検出部と、前記物標信号について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内におけるクラスタを構成するクラスタリング部と、前記クラスタについて、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内における軌跡を抽出する軌跡抽出部と、前記クラスタリング部が構成した各時刻毎での前記クラスタについて、各時刻毎での物標の特徴量である一次特徴量を抽出する一次特徴量抽出部と、前記軌跡抽出部が軌跡抽出した所定期間での前記クラスタについて、前記一次特徴量の統計量及び／又は変化量である二次特徴量を抽出する二次特徴量抽出部と、前記一次特徴量の時間統計量及び／又は時間変化量である前記二次特徴量に基づいて、物標からの反射信号がいずれの種別の物標に由来するかを識別する物標識別部と、を備えることを特徴とする物標識別装置である。

また、本開示は、物標からの反射信号について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、反射強度の情報を取得する反射強度取得ステップと、前記反射強度の情報について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、所定強度閾値を超える前記反射強度を有する物標信号を検出する物標信号検出ステップと、前記物標信号について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内におけるクラスタを構成するクラスタリングステップと、前記クラスタについて、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内における軌跡を抽出する軌跡抽出ステップと、前記クラスタリングステップで構成した各時刻毎での前記クラスタについて、各時刻毎での物標の特徴量である一次特徴量を抽出する一次特徴量抽出ステップと、前記軌跡抽出ステップで軌跡抽出した所定期間での前記クラスタについて、前記一次特徴量の統計量及び／又は変化量である二次特徴量を抽出する二次特徴量抽出ステップと、前記一次特徴量の時間統計量及び／又は時間変化量である前記二次特徴量に基づいて、物標からの反射信号がいずれの種別の物標に由来するかを識別する物標識別ステップと、をコンピュータに実行させるための物標識別プログラムである。

また、本開示は、物標からの反射信号について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、反射強度の情報を取得する反射強度取得ステップと、前記反射強度の情報について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、所定強度閾値を超える前記反射強度を有する物標信号を検出する物標信号検出ステップと、前記物標信号について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内におけるクラスタを構成するクラスタリングステップと、前記クラスタについて、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内における軌跡を抽出する軌跡抽出ステップと、前記クラスタリングステップで構成した各時刻毎での前記クラスタについて、各時刻毎での物標の特徴量である一次特徴量を抽出する一次特徴量抽出ステップと、前記軌跡抽出ステップで軌跡抽出した所定期間での前記クラスタについて、前記一次特徴量の統計量及び／又は変化量である二次特徴量を抽出する二次特徴量抽出ステップと、前記一次特徴量の時間統計量及び／又は時間変化量である前記二次特徴量に基づいて、物標からの反射信号がいずれの種別の物標に由来するかを識別する物標識別ステップと、を備えることを特徴とする物標識別方法である。

この構成によれば、レーダによる物標識別において、レーダ反射信号がどのような物標に由来するかを従来と比べて確実に識別することができる。

ここで、比較例として、一時的な物標の特徴量に基づいて物標を識別した後に、物標識別結果の時間的な統計量を抽出することが考えられる。しかし、物標識別回数が多くなるため、物標識別処理が複雑になるとともに、物標や動きの特徴が長時間をかけて初めて顕在化する場合には、その物標や動きの特徴を確実にとらえることができない。

一方で、本開示では、一時的な物標の特徴量の時間的な統計量や変化量を抽出した後に、時間的な統計量や変化量に基づいて物標を識別する。よって、物標識別回数が少なくなるため、物標識別処理が簡便になるとともに、物標や動きの特徴が長時間をかけて初めて顕在化する場合でも、その物標や動きの特徴を確実にとらえることができる。

また、本開示は、前記物標識別部は、前記一次特徴量の時間変化量である前記二次特徴量に基づいて、物標からの反射信号がいずれの種別の動きに由来するかを識別することを特徴とする物標識別装置である。

この構成によれば、レーダ反射信号がどのような物標（自動車、歩行者及び自転車等）に由来するかを識別するのみならず、レーダ反射信号がどのような動き（レーダ照射と平行方向や垂直方向の等速運動及び加速運動等）に由来するかを識別することができる。

また、本開示は、前記二次特徴量抽出部は、物標及び／又は動きの特徴が顕在化するための最小限の時間幅以上の時間幅としての前記所定期間での前記クラスタについて、前記一次特徴量の時間統計量及び／又は時間変化量である前記二次特徴量を抽出することを特徴とする物標識別装置である。

この構成によれば、時間的な統計量や変化量の抽出を行なう時間幅として、物標や動きの特徴が顕在化するための最小限の時間幅以上の時間幅に設定するため、その物標や動きの特徴を確実にとらえることができる。そして、時間的な統計量や変化量の抽出を行なう時間幅として、物標や動きの特徴が顕在化するための最小限の時間幅に設定するとき、その物標や動きの特徴を確実にかつ迅速にとらえることができる。

このように、本開示によれば、レーダによる物標識別において、物標の方向についての低い分解能及び少ない情報量を補完することにより、レーダ反射信号がどのような物標に由来するかを従来と比べて確実に識別することができる。

本開示の物標識別装置の構成を示すブロック図である。 本開示の物標識別装置の処理を示すフローチャートである。 本開示のクラスタリング及び軌跡抽出の処理を示す図である。 本開示の一次特徴量の定義を示す図である。 本開示の一次特徴量及び二次特徴量の定義を示す図である。 本開示のレーダ照射と平行方向の等速運動中の距離方向の一次特徴量及び二次特徴量を示す図である。 本開示のレーダ照射と平行方向の等速運動中の速度方向の一次特徴量及び二次特徴量を示す図である。 本開示の加速運動中の距離方向の一次特徴量及び二次特徴量を示す図である。 本開示の加速運動中の速度方向の一次特徴量及び二次特徴量を示す図である。 本開示のレーダ照射と垂直方向の等速運動中の距離方向の一次特徴量及び二次特徴量を示す図である。 本開示のレーダ照射と垂直方向の等速運動中の速度方向の一次特徴量及び二次特徴量を示す図である。 本開示の距離方向の一次特徴量の時間変化に関する実験結果を示す図である。 本開示の速度方向の一次特徴量の時間変化に関する実験結果を示す図である。

添付の図面を参照して本開示の実施形態を説明する。以下に説明する実施形態は本開示の実施の例であり、本開示は以下の実施形態に制限されるものではない。

（物標識別の概要）
本開示の物標識別装置の構成を図１に示す。本開示の物標識別装置の処理を図２に示す。物標識別装置Ｒは、反射強度取得部１、物標信号検出部２、クラスタリング部３、軌跡抽出部４、一次特徴量抽出部５、二次特徴量抽出部６及び物標識別部７から構成される。コンピュータとしての物標識別装置Ｒは、物標識別プログラムをインストールされることにより、各構成要素１〜７による各ステップＳ１〜Ｓ８を実行する。

反射強度取得部１は、物標からの反射信号について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、反射強度の情報を取得する（ステップＳ１）。ここで、レーダとして、ミリ波レーダやレーザレーダ等を用いることができる。

物標信号検出部２は、上記の反射強度の情報について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、所定強度閾値を超える反射強度を有する物標信号を検出する（ステップＳ２）。ここで、レーダ設置位置を基準とする動径距離及び動径方向についての極座標系を、レーダ設置位置を基準とする水平距離及び奥行距離についての直交座標系に、座標変換してもよい（図３及び図４を参照。）。

クラスタリング部３は、上記の物標信号について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内におけるクラスタを構成する（ステップＳ３）。軌跡抽出部４は、上記のクラスタについて、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内における軌跡を抽出する（ステップＳ４）。

本開示のクラスタリング及び軌跡抽出の処理を図３に示す。図３の左欄において、物標信号検出部２は、反射強度の情報から、物標信号Ｓを検出している。図３の中欄において、クラスタリング部３は、物標信号Ｓについて、３個のクラスタＣ１、Ｃ２、Ｃ３を構成している。図３の右欄では、軌跡抽出部４は、あるクラスタＣ３について、軌跡Ｔを抽出しており、そのクラスタＣ３に対応する物標について、追尾を実行している。

一次特徴量抽出部５は、クラスタリング部３が構成した各時刻毎でのクラスタについて、各時刻毎での物標の特徴量である一次特徴量を抽出する（ステップＳ５）。

本開示の一次特徴量の定義を図４に示す。一次特徴量は、各時刻毎でのクラスタ（図４では、自動車に対応するクラスタＣ４、及び、歩行者に対応するクラスタＣ５）のそれぞれの成分方向（図４では、水平方向、奥行方向及び速度方向）の最大値、最小値、平均値、中央値、四分位値又は分散値等である。最大値及び最小値は、クラスタＣ４、Ｃ５を表わす直方体の辺の位置に対応する。平均値は、クラスタＣ４、Ｃ５を表わす直方体の中心の位置に対応する。分散値は、クラスタＣ４、Ｃ５を表わす直方体の辺の長さに対応する。以下では、一次特徴量として、最大値、最小値、平均値又は分散値を説明する。

自動車に対応する各時刻毎でのクラスタＣ４では、歩行者に対応する各時刻毎でのクラスタＣ５と比べて、自動車のサイズは大きいため、水平方向及び奥行方向の分散値が大きい。そして、自動車の速度は速いため、速度方向の最大値、最小値及び平均値が大きい。さらに、自動車は一体として動くため、速度方向の分散値が小さい。

歩行者に対応する各時刻毎でのクラスタＣ５では、自動車に対応する各時刻毎でのクラスタＣ４と比べて、歩行者のサイズは小さいため、水平方向及び奥行方向の分散値が小さい。そして、歩行者の速度は遅いため、速度方向の最大値、最小値及び平均値が小さい。さらに、歩行者は胴体に対して手足を動かすため、速度方向の分散値が大きい。

ステップＳ１〜Ｓ５は、レーダ画像の１フレーム分の期間での処理である。レーダ画像の所定フレーム分の時間蓄積がされていないときには（ステップＳ６においてＮＯ）、ステップＳ１〜Ｓ５の処理を繰り返す。レーダ画像の所定フレーム分の時間蓄積がされているときには（ステップＳ６においてＹＥＳ）、ステップＳ７の処理を行なう。

二次特徴量抽出部６は、軌跡抽出部４が軌跡抽出したレーダ画像の所定フレーム分の期間でのクラスタについて、一次特徴量の統計量及び／又は変化量である二次特徴量を抽出する（ステップＳ７）。レーダ画像の所定フレーム分の期間については、後に詳述する。

本開示の一次特徴量及び二次特徴量の定義を図５に示す。図５においても、図４と同様にして、一次特徴量は、各時刻毎（図５では、時刻ＴＩ）でのクラスタの距離及び／又は速度の成分方向についての、最大値、最小値、平均値、中央値、四分位値又は分散値等である。以下では、一次特徴量として、最大値、最小値、平均値又は分散値を説明する。

二次特徴量は、レーダ画像の所定フレーム分の期間（図５では、時刻ＴＩ以前の期間ＴＰ）での距離及び／又は速度の成分方向についての、（１）一次特徴量の最大値、最小値、平均値、中央値、四分位値又は分散値等であり、及び／又は、（２）一次特徴量の時間変化量である。以下では、二次特徴量として、一次特徴量に関する、最大値、最小値、平均値、分散値又は時間変化量を説明する。

物標識別部７は、（１）一次特徴量の「時間統計量及び／又は時間変化量」である二次特徴量に基づいて、物標からの反射信号がいずれの種別の「物標」に由来するかを識別し（ステップＳ８）、（２）一次特徴量の「時間変化量」である二次特徴量に基づいて、物標からの反射信号がいずれの種別の「動き」に由来するかを識別する（ステップＳ８）。ここで、二次特徴量に基づいた物標や動きの識別として、二次特徴量に基づいた機械学習（教師あり学習及び教師なし学習を含む。）を用いることができる。

（物標識別の詳細）
図６〜図１１では、レーダ反射信号がどのような物標（自動車及び歩行者）に由来するかを識別するのみならず、レーダ反射信号がどのような動き（レーダ照射と平行方向や垂直方向の等速運動及び加速運動）に由来するかを識別する方法について、具体的に詳述する。

第１に、レーダ照射と平行方向の等速運動を識別する方法について説明する。距離及び／又は速度の成分方向の一次特徴量（最大値、最小値又は平均値）についての二次特徴量（時間変化量）に基づいて、レーダ照射と平行方向の等速運動をレーダ照射と垂直方向の等速運動や加速運動と区別することができる。例えば、距離成分の最大値、最小値又は平均値の時間微分が、時刻に依存しないことを確認すればよい。或いは、速度成分の最大値、最小値又は平均値の時間微分が、０であることを確認すればよい。

本開示のレーダ照射と平行方向の等速運動中の距離方向の一次特徴量及び二次特徴量を図６に示す。ここで、自動車の速度は速いが、歩行者の速度は遅い。そして、自動車のサイズは大きいが、歩行者のサイズは小さい。以上のことを反映して、二次特徴量は以下のようになる。

一次特徴量（最大値、最小値又は平均値）の二次特徴量（分散値又は時間変化量）は、自動車では大きいが、歩行者では小さい。一次特徴量（分散値）の二次特徴量（最大値、最小値又は平均値）は、自動車では大きいが、歩行者では小さい。このように、レーダ照射と平行方向の等速運動において、自動車と歩行者を識別する。ここで、レーダ画像の所定フレーム分の期間ＴＰは、物標の加速の有無の判定に必要な時間幅であることが望ましい。

本開示のレーダ照射と平行方向の等速運動中の速度方向の一次特徴量及び二次特徴量を図７に示す。ここで、自動車の速度は速いが、歩行者の速度は遅い。そして、自動車はタイヤを回転させるが、歩行者は両足を交互に出す。さらに、自動車は一体として動くが、歩行者は胴体に対して手足を動かす。以上のことを反映して、二次特徴量は以下のようになる。

一次特徴量（最大値、最小値又は平均値）の二次特徴量（最大値、最小値又は平均値）は、自動車では大きいが、歩行者では小さい。一次特徴量（最大値、最小値又は平均値）の二次特徴量（分散値又は時間変化量）は、自動車では小さいが、歩行者では大きい。一次特徴量（分散値）の二次特徴量（最大値、最小値又は平均値）は、自動車では小さいが、歩行者では大きい。このように、レーダ照射と平行方向の等速運動において、自動車と歩行者を識別する。ここで、レーダ画像の所定フレーム分の期間ＴＰは、物標の加速の有無の判定に必要な時間幅であることが望ましく、歩行者を識別する場合には、歩行速度の周期変動の有無の判定に必要な時間幅であることが望ましい。

なお、図６、７では、物標の進行方向は、レーダ照射方向と同じ方向である。しかし、変形例として、物標の進行方向は、レーダ照射方向と逆の方向でもよい。変形例においても、図６、７と同様に、物標を識別する。

第２に、加速運動を識別する方法について説明する。距離及び／又は速度の成分方向の一次特徴量（最大値、最小値又は平均値）についての二次特徴量（時間変化量）に基づいて、加速運動をレーダ照射と平行方向や垂直方向の等速運動と区別することができる。例えば、距離成分の最大値、最小値又は平均値の時間微分が、時刻に依存することを確認すればよい。或いは、速度成分の最大値、最小値又は平均値の時間微分が、０でないことを確認すればよい。

本開示の加速運動中の距離方向の一次特徴量及び二次特徴量を図８に示す。ここで、自動車の速度は速いが、歩行者の速度は遅い。そして、自動車のサイズは大きいが、歩行者のサイズは小さい。さらに、自動車は一体として動くが、歩行者は歩行速度が速まるにつれて手足の動きが大きくなる。以上のことを反映して、二次特徴量は以下のようになる。

一次特徴量（最大値、最小値又は平均値）の二次特徴量（分散値又は時間変化量）は、自動車では大きいが、歩行者では小さい。一次特徴量（分散値）の二次特徴量（最大値、最小値又は平均値）は、自動車では大きいが、歩行者では小さい。一次特徴量（分散値）の二次特徴量（分散値又は時間変化量）は、自動車では小さいが、歩行者では大きい。このように、加速運動において、自動車と歩行者を識別する。ここで、レーダ画像の所定フレーム分の期間ＴＰは、物標の加速の有無の判定に必要な時間幅であることが望ましい。

本開示の加速運動中の速度方向の一次特徴量及び二次特徴量を図９に示す。ここで、自動車の速度は速いが、歩行者の速度は遅い。そして、自動車の加速性能は高いが、歩行者の加速性能は低い。さらに、自動車は一体として動くが、歩行者は胴体に対して手足を動かす。加えて、自動車は一体として動くが、歩行者は歩行速度が速まるにつれて手足の角速度の分散が大きくなる。以上のことを反映して、二次特徴量は以下のようになる。

一次特徴量（最大値、最小値又は平均値）の二次特徴量（最大値、最小値又は平均値）は、自動車では大きいが、歩行者では小さい。一次特徴量（最大値、最小値又は平均値）の二次特徴量（分散値又は時間変化量）は、自動車では大きいが、歩行者では小さい。一次特徴量（分散値）の二次特徴量（最大値、最小値又は平均値）は、自動車では小さいが、歩行者では大きい。一次特徴量（分散値）の二次特徴量（分散値又は時間変化量）は、自動車では小さいが、歩行者では大きい。このように、加速運動において、自動車と歩行者を識別する。ここで、レーダ画像の所定フレーム分の期間ＴＰは、物標の加速の有無の判定に必要な時間幅であることが望ましく、歩行者を識別する場合には、歩行速度の周期変動の有無の判定に必要な時間幅であることが望ましい。

なお、図８、９では、物標の進行方向は、レーダ照射方向と同じ方向である。しかし、変形例として、物標の進行方向は、レーダ照射方向と逆の方向でもよい。また、図８、９では、物標は加速している。しかし、変形例として、物標は減速してもよい。変形例においても、図８、９と同様に、物標を識別する。

第３に、レーダ照射と垂直方向の等速運動を識別する方法について説明する。距離及び／又は速度の成分方向の一次特徴量（最大値、最小値又は平均値）についての二次特徴量（時間変化量）に基づいて、レーダ照射と垂直方向の等速運動をレーダ照射と平行方向の等速運動や加速運動と区別することができる。例えば、距離成分の最大値、最小値又は平均値の時間微分が、負（又は正）から０を経て正（又は負）へと変化することを確認すればよい。或いは、速度成分の最大値、最小値又は平均値が、正（又は負）から０を経て負（又は正）へと変化することを確認すればよい。

本開示のレーダ照射と垂直方向の等速運動中の距離方向の一次特徴量及び二次特徴量を図１０に示す。ここで、自動車の速度は速いが、歩行者の速度は遅い。そして、自動車のサイズは大きいが、歩行者のサイズは小さい。以上のことを反映して、二次特徴量は以下のようになる。

一次特徴量（最大値、最小値又は平均値）の二次特徴量（分散値又は時間変化量）は、自動車では大きいが、歩行者では小さい。一次特徴量（分散値）の二次特徴量（最大値、最小値又は平均値）は、自動車では大きいが、歩行者では小さい。このように、レーダ照射と垂直方向の等速運動において、自動車と歩行者を識別する。ここで、レーダ画像の所定フレーム分の期間ＴＰは、物標のレーダ照射に対する横切りの有無の判定に必要な時間幅であることが望ましい。

本開示のレーダ照射と垂直方向の等速運動中の速度方向の一次特徴量及び二次特徴量を図１１に示す。ここで、自動車の速度は速いが、歩行者の速度は遅い。そして、自動車はタイヤを回転させるが、歩行者は両足を交互に出す。以上のことを反映して、二次特徴量は以下のようになる。

一次特徴量（最大値、最小値又は平均値）の二次特徴量（分散値又は時間変化量）は、自動車では大きいが、歩行者では小さい。一次特徴量（分散値）の二次特徴量（最大値、最小値又は平均値）は、自動車では小さいが、歩行者では大きい。このように、レーダ照射と垂直方向の等速運動において、自動車と歩行者を識別する。ここで、レーダ画像の所定フレーム分の期間ＴＰは、物標のレーダ照射に対する横切りの有無の判定に必要な時間幅であることが望ましく、歩行者を識別する場合には、歩行速度の周期変動の有無の判定に必要な時間幅であることが望ましい。

なお、図１０、１１では、物標の進行方向は、レーダ設定位置から見て右方向である。しかし、変形例として、物標の進行方向は、レーダ設定位置から見て左方向でもよい。変形例においても、図１０、１１と同様に、物標を識別する。

（物標識別の実験）
本開示の距離方向の一次特徴量の時間変化に関する実験結果を図１２に示す。図１２では、図６と同様に、レーダ照射と平行方向の等速運動中の距離方向の一次特徴量及び二次特徴量を示している。

一次特徴量（最大値、最小値又は平均値）の二次特徴量（分散値又は時間変化量）は、自動車では大きいが、歩行者では小さいことが分かった。一次特徴量（分散値）の二次特徴量（最大値、最小値又は平均値）は、自動車では大きいが、歩行者では小さいことが分かった。なお、自転車は、自動車と歩行者の中間の特徴を示すことが分かった。

本開示の速度方向の一次特徴量の時間変化に関する実験結果を図１３に示す。図１３では、図９と同様に、加速運動中の速度方向の一次特徴量及び二次特徴量を示している。

一次特徴量（最大値、最小値又は平均値）の二次特徴量（最大値、最小値又は平均値）は、自動車では大きいが、歩行者では小さいことが分かった。一次特徴量（最大値、最小値又は平均値）の二次特徴量（分散値又は時間変化量）は、自動車では大きいが、歩行者では小さいことが分かった。一次特徴量（分散値）の二次特徴量（最大値、最小値又は平均値）は、自動車では小さいが、歩行者では大きいことが分かった。一次特徴量（分散値）の二次特徴量（分散値又は時間変化量）は、自動車では小さいが、歩行者では大きいことが分かった。なお、自転車は、自動車と歩行者の中間の特徴を示すことが分かった。

（物標識別のまとめ）
本開示では、一次特徴量についての二次特徴量を抽出することにより、物標の方向についての低い分解能及び少ない情報量を補完することができ、レーダ反射信号がどのような物標に由来するかを従来と比べて確実に識別することができる。

ここで、比較例として、一次特徴量に基づいて物標を識別した後に、物標識別結果の時間的な統計量を抽出することが考えられる。しかし、物標識別回数が多くなるため、物標識別処理が複雑になるとともに、物標や動きの特徴が長時間をかけて初めて顕在化する場合には、その物標や動きの特徴を確実にとらえることができない。

一方で、本開示では、一次特徴量についての二次特徴量を抽出した後に、一次特徴量についての二次特徴量に基づいて物標を識別する。よって、物標識別回数が少なくなるため、物標識別処理が簡便になるとともに、物標や動きの特徴が長時間をかけて初めて顕在化する場合でも、その物標や動きの特徴を確実にとらえることができる。

そして、本開示では、レーダ反射信号がどのような物標（自動車、歩行者及び自転車等）に由来するかを識別するのみならず、レーダ反射信号がどのような動き（レーダ照射と平行方向や垂直方向の等速運動及び加速運動等）に由来するかを識別することができる。

さらに、一次特徴量についての二次特徴量の抽出を行なう時間幅として、物標や動きの特徴が顕在化するための最小限の時間幅以上の時間幅に設定するため、その物標や動きの特徴を確実にとらえることができる。加えて、一次特徴量についての二次特徴量の抽出を行なう時間幅として、物標や動きの特徴が顕在化するための最小限の時間幅に設定するとき、その物標や動きの特徴を確実にかつ迅速にとらえることができる。

なお、以上の説明では、レーダ装置は道路上等に固定されている。しかし、変形例として、レーダ装置は車両上に車載されてもよい。ここで、変形例では、レーダ装置が搭載された車両に対して、物標の相対位置及び／又は相対速度を検出することになる。しかし、レーダ装置が搭載された車両に対して、歩行者の相対速度が自動車の相対速度より速いことがあり得る。そこで、変形例では、レーダ装置が搭載された車両について、速度やステアリング角等の自車情報を取得したうえで、物標の相対位置及び／又は相対速度を物標の絶対位置及び／又は絶対速度に変換することが望ましい。

本開示の物標識別装置、プログラム及び方法は、自動車、歩行者及び自転車等の物標を識別することにより、道路の交通量の計測や危険の有無の判定等を行なうことができる。

Ｒ：物標識別装置
１：反射強度取得部
２：物標信号検出部
３：クラスタリング部
４：軌跡抽出部
５：一次特徴量抽出部
６：二次特徴量抽出部
７：物標識別部
Ｓ：物標信号
Ｃ１、Ｃ２、Ｃ３、Ｃ４、Ｃ５：クラスタ
Ｔ：軌跡
ＴＩ：時刻
ＴＰ：期間

Claims (5)

1. 物標からの反射信号について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、反射強度の情報を取得する反射強度取得部と、
   前記反射強度の情報について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、所定強度閾値を超える前記反射強度を有する物標信号を検出する物標信号検出部と、
   前記物標信号について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内におけるクラスタを構成するクラスタリング部と、
   前記クラスタについて、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内における軌跡を抽出する軌跡抽出部と、
   前記クラスタリング部が構成した各時刻毎での前記クラスタについて、各時刻毎での物標の特徴量である一次特徴量を抽出する一次特徴量抽出部と、
   前記軌跡抽出部が軌跡抽出した所定期間での前記クラスタについて、前記一次特徴量の統計量及び／又は変化量である二次特徴量を抽出する二次特徴量抽出部と、
   前記一次特徴量の時間統計量及び／又は時間変化量である前記二次特徴量に基づいて、物標からの反射信号がいずれの種別の物標に由来するかを識別する物標識別部と、
   を備えることを特徴とする物標識別装置。
2. 前記物標識別部は、前記一次特徴量の時間変化量である前記二次特徴量に基づいて、物標からの反射信号がいずれの種別の動きに由来するかを識別する
   ことを特徴とする、請求項１に記載の物標識別装置。
3. 前記二次特徴量抽出部は、物標及び／又は動きの特徴が顕在化するための最小限の時間幅以上の時間幅としての前記所定期間での前記クラスタについて、前記一次特徴量の時間統計量及び／又は時間変化量である前記二次特徴量を抽出する
   ことを特徴とする、請求項１又は２に記載の物標識別装置。
4. 物標からの反射信号について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、反射強度の情報を取得する反射強度取得ステップと、
   前記反射強度の情報について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、所定強度閾値を超える前記反射強度を有する物標信号を検出する物標信号検出ステップと、
   前記物標信号について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内におけるクラスタを構成するクラスタリングステップと、
   前記クラスタについて、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内における軌跡を抽出する軌跡抽出ステップと、
   前記クラスタリングステップで構成した各時刻毎での前記クラスタについて、各時刻毎での物標の特徴量である一次特徴量を抽出する一次特徴量抽出ステップと、
   前記軌跡抽出ステップで軌跡抽出した所定期間での前記クラスタについて、前記一次特徴量の統計量及び／又は変化量である二次特徴量を抽出する二次特徴量抽出ステップと、
   前記一次特徴量の時間統計量及び／又は時間変化量である前記二次特徴量に基づいて、物標からの反射信号がいずれの種別の物標に由来するかを識別する物標識別ステップと、
   をコンピュータに実行させるための物標識別プログラム。
5. 物標からの反射信号について、レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、反射強度の情報を取得する反射強度取得ステップと、
   前記反射強度の情報について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内において、所定強度閾値を超える前記反射強度を有する物標信号を検出する物標信号検出ステップと、
   前記物標信号について、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内におけるクラスタを構成するクラスタリングステップと、
   前記クラスタについて、前記レーダ設置位置を基準とする位置及び／又は速度を座標軸とする空間内における軌跡を抽出する軌跡抽出ステップと、
   前記クラスタリングステップで構成した各時刻毎での前記クラスタについて、各時刻毎での物標の特徴量である一次特徴量を抽出する一次特徴量抽出ステップと、
   前記軌跡抽出ステップで軌跡抽出した所定期間での前記クラスタについて、前記一次特徴量の統計量及び／又は変化量である二次特徴量を抽出する二次特徴量抽出ステップと、
   前記一次特徴量の時間統計量及び／又は時間変化量である前記二次特徴量に基づいて、物標からの反射信号がいずれの種別の物標に由来するかを識別する物標識別ステップと、
   を備えることを特徴とする物標識別方法。

Images