JP2019117501A - 判定装置、判定方法及び判定用プログラム - Google Patents

Abstract

【課題】車両の周辺の物体自体の形状、及びその物体の周辺の実際の状態に拘わらず、当該物体の種類を精度よく検出することが可能な判定装置を提供する。【解決手段】車両の周辺に存在する周辺物体の検出結果と、車両の位置と、を取得し（Ｓ１０）、物体ごとに物体の特徴を示す識別器データと、物体が存在する位置と、を取得し（Ｓ１２）、それらに基づいて、上記検出結果における周辺物体の種類を識別する（Ｓ１３）。【選択図】図７

Description

本願は、判定装置、判定方法及び判定用プログラムの技術分野に属する。より詳細には、車両等の移動体に関連する判定を行う判定装置及び判定方法並びに当該判定用のプログラムの技術分野に属する。

近年、車両におけるいわゆる自動運転に関する研究が盛んに行われている。そして自動運転の実現に当たって必要な技術の一つに、車両の周囲に存在する物体の検出がある。この場合の物体の例としては、その車両の周辺に存在する、人（歩行者等）、自転車又は二輪車、他の車両（当該車両と同じ車線上の他の車両、及び反対車線上の他の車両を含む）、周囲に立てられた道路標識及び信号機、並びに街路樹等の道路脇の植生等が挙げられる。そしてこのような物体の検出に用いることができる技術の一つに、ＬｉＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）システムを用いた物体検出がある。ＬｉＤＡＲシステムによる物体検出では、レーザ光等のパルス状の光ビームを周囲の物体に連続的に照射し、その反射光を一パルスの光ビームごとに受光し、その受光結果により、当該物体をいわゆる点群として検出する。そして、当該点群のデータと、上記物体ごとに予め設定された当該物体を識別するための識別器データと、を比較し、両者が一致すると判定される場合に、その点群として検出された物体を、当該比較された識別器データに対応する物体であると判定する。この場合の識別器データとは、例えば車両を識別するための識別器データの場合は、車両に光ビームを照射して得られる反射光全体の形状（影像）を点群としてモデル化したデータであり、当該車両に固有の識別器データである。この場合の識別器データは、同じ「車両」でも、小型車、大型車又は二輪車等の車種によって異なる識別器データとなる。

なお上記背景技術に関連する技術の一例としては、例えば下記特許文献１に記載された技術がある。下記特許文献１に記載された技術では、カメラからの撮像データを用いた周辺物体の検出において、カメラが搭載されている車両が移動している地域に応じて、検出対象たる周辺物体を認識するための認識ロジックを変更する構成とされている。

特開２００９−４２１６７号公報

一方、当該車両が実際に移動する道路及びその周辺環境においては、外観上は同じ形状に見えるが、物体の種類としては異なっている場合や、時間又は季節により外観上の形状が変化する物体がある。前者の例としては、ある交通標識と、それに似た形状の看板とが異なる種類である場合が挙げられる。また後者の例としては、季節によって全体形状が変わる街路樹が挙げられる。そして、上記特許文献１に記載されている従来技術では、周辺物体を認識するための認識ロジックを変える構成に過ぎないので、このような物体の種類を特定できない場合があるという問題点があった。従って、車両の周辺の物体自体の形状、又は当該物体の周辺の実際の状態に拘わらず、当該物体の種類を精度よく検出することが望まれる。

そこで本願は、上記の問題点及び要請に鑑みて為されたもので、その課題の一例は、車両の周辺の物体自体の形状、及びその物体の周辺の実際の状態に拘わらず、当該物体の種類を精度よく検出することが可能な判定装置及び判定方法並びに当該判定装置用のプログラムを提供することにある。

上記の課題を解決するために、請求項１に記載の発明は、周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を取得する第１取得手段と、物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物体位置情報と、を取得する第２取得手段と、各前記取得された物体検出情報及び検出位置情報と、各前記取得された特徴情報及び物体位置情報と、に基づき、前記物体検出情報における前記周辺物体の種類を判定する種類判定手段と、を備える。

上記の課題を解決するために、請求項１４に記載の発明は、第１取得手段と、第２取得手段と、種類判定手段と、を備える判定装置において実行される判定方法であって、周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を前記第１取得手段により取得する第１取得工程と、物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物体位置情報と、を前記第２取得手段により取得する第２取得工程と、各前記取得された物体検出情報及び検出位置情報と、各前記取得された特徴情報及び物体位置情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記種類判定手段により判定する種類判定工程と、を含む。

上記の課題を解決するために、請求項１５に記載の発明は、コンピュータを、請求項１から請求項１３のいずれか一項に記載の判定装置として機能させる。

実施形態に係る判定装置の概要構成を示すブロック図である。 第１実施例に係る地図データシステムの概要構成を示すブロック図である。 第１実施例に係る地図データシステムに係る識別器データのそれぞれを例示する図であり、（ａ）は当該識別器データの第１例を示す図であり、（ｂ）は当該識別器データの第２例を示す図であり、（ｃ）は当該識別器データの第３例を示す図である。 第１実施例に係る地図データシステムに係る識別器データベースの構成を例示する図である。 第１実施例に係る地図データの構造を示す図（Ｉ）であり、（ａ）は当該構造の第１例を示す図であり、（ｂ）は当該構造の第２例を示す図であり、（ｃ）は当該構造の第３例を示す図であり、（ｄ）は当該構造の第４例を示す図である。 第１実施例に係る地図データの構造を示す図（II）であり、（ａ）は当該構造の第５例を示す図であり、（ｂ）は当該構造の第６例を示す図であり、（ｃ）は当該構造の第７例を示す図であり、（ｄ）は当該構造の第８例を示す図であり、（ｅ）は当該構造の第９例を示す図である。 第１実施例に係る地図データ記録処理等を示すフローチャートであり、（ａ）は当該地図データ記録処理を示すフローチャートであり、（ｂ）は実施例に係る物体種類識別処理の全体を示すフローチャートであり、（ｃ）は当該物体種類識別処理の細部を示すフローチャートである。 第１実施例に係る識別器データの認識結果の評価を説明する図である。 第２実施例に係る地図データシステムの概要構成を示すブロック図である。

次に、本願を実施するための形態について、図１を用いて説明する。なお図１は、実施形態に係る判定装置の概要構成を示すブロック図である。

図１に示すように、実施形態に係る判定装置Ｓは、第１取得手段２１と、第２取得手段２４と、種類判定手段３０と、を備えて構成されている。

この構成において第１取得手段２１は、周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を取得する。

一方第２取得手段２４は、物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物体位置情報と、を取得する。

これらにより種類判定手段３０は、第１取得手段２１によりそれぞれ取得された物体検出情報及び検出位置情報と、第２取得手段２４によりそれぞれ取得された特徴情報及び物体位置情報と、に基づき、上記物体検出情報における周辺物体の種類を判定する。

以上説明したように、実施形態に係る判定装置Ｓの動作によれば、物体検出情報及び検出位置情報と、特徴情報及び物体位置情報と、に基づき、物体検出情報における周辺物体の種類を判定する。よって、特徴情報及び物体位置情報を用いることで、周辺物体自体及びその周辺の実際の状態に拘わらず、周辺物体の種類を精度よく判定することができる。

次に、上述した実施形態に対応する具体的な実施例について、図２乃至図９を用いて説明する。なお以下に説明する各実施例は、車両に搭載されたＬｉＤＡＲシステムを用いて当該車両の周囲に存在する物体を検出する場合に実施形態を適用した実施例である。

また、図２は第１実施例に係る地図データシステムの概要構成を示すブロック図であり、図３は当該識別器データのそれぞれを例示する図であり、図４は当該地図データシステムに係る識別器データベースの構成を例示する図である。更に、図５及び図６は第１実施例に係る地図データの構造を示す図であり、図７は第１実施例に係る地図データ記録処理等を示すフローチャートであり、図８は第１実施例に係る識別器データを説明する図であり、図９は第２実施例に係る地図データシステムの概要構成を示すブロック図である。このとき図２では、図１に示した実施形態に係る判定装置Ｓにおける各構成部材に対応する第１実施例の構成部材それぞれについて、当該判定装置Ｓにおける各構成部材と同一の部材番号を用いている。

（Ｉ）第１実施例
初めに、実施形態に係る第１実施例について、図２乃至図８を用いて説明する。

図２に示すように、第１実施例に係る地図データシステムＳＳは、インターネット等のネットワークＮＷを介してデータの授受が可能な地図サーバ装置ＳＶと、車両に搭載されている物体種類識別装置Ｃと、により構成されている。なお図２においては、以下に説明する「データベース」を「ＤＢ」と示している。

また地図サーバ装置ＳＶには、地図管理用の車両に搭載されるか又は固定設置された一又は複数のＬｉＤＡＲセンサ１０からのデータが入力されている。そして地図サーバ装置ＳＶは、処理エリア決定部１１と、地図データベース１２と、識別器データ決定部１３と、識別器データベース１４と、識別器データ挿入部１５と、により構成されており、識別器データ挿入部１５は地図データベース１６に接続されている。この地図データベース１６は地図サーバ装置ＳＶとは別個に設けられてもよいし、地図サーバ装置ＳＶ内に設けられていてもよい。なお、上記処理エリア決定部１１、地図データベース１２、識別器データ決定部１３及び識別器データ挿入部１５は、地図サーバ装置ＳＶに備えられた図示しないＣＰＵ等を含むハードウェアロジック回路により実現されてもよいし、後述する第１実施例に係る地図データ記録処理に相当するプログラムを上記ＣＰＵ等が読み出して実行することにより、ソフトウェア的に実現されるものであってもよい。

一方物体種類識別装置Ｃは、ＬｉＤＡＲセンサ２０に接続された処理エリア決定部２１と、地図データベース２３と、ネットワークＮＷに接続された物体識別部２４と、位置検出部２５と、により構成されている。このとき、処理エリア決定部２１及び物体識別部２４は、物体種類識別装置Ｃに備えられた図示しないＣＰＵ等を含むハードウェアロジック回路により実現されてもよいし、後述する第１実施例に係る物体種類識別処理に相当するプログラムを上記ＣＰＵ等が読み出して実行することにより、ソフトウェア的に実現されるものであってもよい。

なお上記の構成において、処理エリア決定部２１が、実施形態に係る第１取得手段２１の一例に相当し、物体識別部２４が実施形態に係る第２取得手段２４の一例及び種類判定手段３０の一例にそれぞれ相当する。また図２に破線で示すように、処理エリア決定部２１及び物体識別部２４により、実施形態に係る判定装置Ｓの一例が構成される。

以上の構成において地図サーバ装置ＳＶの地図データベース１２は、ＬｉＤＡＲセンサ１０からのデータとのマッチング用の地図データを記録している。そして地図サーバ装置ＳＶの処理エリア決定部１１は、当該マッチング用の地図データを地図データベース１２から読み出しつつ、第１実施例に係る識別器データの決定及び地図データへの挿入の対象となる地図上のエリアを、予め設定された方法により決定する。このエリアの決定は手動で行われてもよい。

一方識別器データベース１４には、上記背景技術において説明した識別器データと同様の識別器データが記録されている。そして識別器データ決定部１３は、処理エリア決定部１１において決定された地図上のエリアについてのＬｉＤＡＲセンサ１０からのデータと、識別器データベース１４に記録されている識別器データと、に基づき、当該決定された地図上のエリアに適用される識別器データを、識別器データベース１４に記録されている識別器データとは別個に、改めて決定する。その後識別器データ挿入部１５は、識別器データ決定部１３により決定された識別器データを、それに対応して処理エリア決定部１１により決定されている地図上のエリアに相当する地図データに関連付けて、当該地図データを記録する地図データベース１６に記録する。なお、第１実施例に係る識別器データについては、後ほど詳述する。

一方物体種類識別装置Ｃの位置検出部２５は、例えばＧＰＳ（Global Positioning System）又は自立的な位置検出システムを用いて、物体種類識別装置Ｃが搭載されている車両の現在位置を検出し、当該現在位置を示す現在位置データを生成して物体識別部２４に出力する。一方地図データベース２３は、ＬｉＤＡＲセンサ２０からのデータとのマッチング用の地図データを記録している。そして処理エリア決定部２１は、当該マッチング用の地図データを地図データベース２３から読み出しつつ、第１実施例に係る物体種類識別処理の対象となる地図上のエリアを、予め設定された方法により決定する。そして物体識別部２４は、地図サーバ装置ＳＶの地図データベース１６に記録されている上記識別器データを、必要に応じてネットワークＮＷを介して取得し、当該識別器データと、ＬｉＤＡＲセンサ２０からのデータと、を、位置検出部２５からの上記現在位置データに基づいて比較し、処理対象のエリアに存在する物体の種類を識別する。

次に、第１実施例に係る識別器データベース１４の内容及び識別器データについて、図３及び図４を用いて説明する。

先ず第１実施例に係る識別器データについて、その概要を説明する。なお上述したように、第１実施例に係る識別器データベース１４に記録されている識別器データ自体は、上記背景技術において説明した識別器データと同様のものである。即ち第１実施例に係る識別器データベース１４に記録されている識別器データは、上記光ビームの物体からの反射光の受光結果に対応する点群の三次元形状を示す特徴量等を用いた学習処理により、生成される。この特徴量等を示す情報が、実施形態に係る特徴情報の一例に相当する。なお、実施形態の特徴情報には、上記反射光としての反射率を示す情報も含まれる。また、この場合の特徴量等としては、例えば、論文「”Using spin images for efficient object recognition in cluttered 3D scenes”, IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI). ISSN 0162-8828., E. Johnson, Andrew; Hebert, Martial (1999).」に記載されているようなSpin Imageや、論文「”Fast Point Feature Histograms (FPFH) for 3D registration”, Robotics and Automation, 2009. ICRA '09. IEEE International Conference onRadu Bogdan Rusu; Nico Blodow; Michael BeetzIntelligent Autonomous Systems, Technische Universitat Munchen」に記載されているような３次元特徴量が挙げられる。

このとき各特徴量の算出に当たっては、先ず、上記点群のデータ（以下、当該点群のデータを単に「点群データ」と称する）が、それが対応する反射光を反射した物体の種類ごとに分類され、当該分類された点群データの当該種類ごとの特徴量が算出される。

そして、当該算出された特徴量を上記物体の種類ごとに区分し、更に各特徴量に対して上記学習処理を施すと、図３にそれぞれ示すような第１識別器データＩＤ１乃至第３識別器データＩＤ３等が生成される。このとき各特徴量に対して施される学習処理に用いられる機械学習法としては、例えばＳＶＭ（Support Vector Machine）やDeep Learningといった機械学習法が用いられる。

また図３においては、ｎ種類の特徴量に対して上記学習処理を施した結果を順に、「特徴量Ｐ１」乃至「特徴量Ｐｎ」と示している。ここで図３（ａ）において、物体の種類としての「人」に対応する各特徴量Ｐ１乃至特徴量Ｐｎを集めた場合に、図３（ａ）に破線で示す波形が得られたとすると、当該波形に対応する第１識別器データＩＤ１は、上記種類としての人を識別するための識別器データとなる。また図３（ｂ）において、物体の種類としての「木」に対応する各特徴量Ｐ１乃至特徴量Ｐｎを集めた場合に、図３（ｂ）に破線で示す波形が得られたとすると、当該波形に対応する第２識別器データＩＤ２は、上記種類としての木を識別するための識別器データとなる。最後に図３（ｃ）において、物体の種類としての「車」に対応する各特徴量Ｐ１乃至特徴量Ｐｎを集めた場合に、図３（ｃ）に破線で示す波形が得られたとすると、当該波形に対応する第３識別器データＩＤ３は、上記種類としての車を識別するための識別器データとなる。そして上記識別器データベース１４には、図４に例示するように、一種類の物体を識別するための識別器データが、当該一種類に関連付けられた第１識別器データＩＤ１乃至第ｍ識別器データＩＤｍ（ｍ：種類数）として予め記録されている。

なお図３に示した例では、第１識別器データＩＤ１乃至第ｍ識別器データＩＤｍのいずれかが物体の一種類に対して関連付けられている場合について説明したが、これ以外に、物体の複数種類について一の多種類識別器データを関連付けて記録しておくこともできる。この場合、例えば図４に例示する第１多種類識別器データＭＩＤ１は、ある複数種類の物体について関連付けられる多種類識別器データである。また第２多種類識別器データＭＩＤ２は、第１多種類識別器データＭＩＤ１が関連付けられている複数種類とは異なる複数種類の物体に関連付けられている。そして、このような第１多種類識別器データＭＩＤ１乃至第ｋ多種類識別器データＭＩＤｋ（ｋは自然数）は、それぞれを参照データとして用いることで、当該第１多種類識別器データＭＩＤ１等が関連付けられている複数種類の物体を識別できることになる。なお以下の説明において、上記第１識別器データＩＤ１乃至第ｍ識別器データＩＤｍ及び上記第１多種類識別器データＭＩＤ１乃至第ｋ多種類識別器データＭＩＤｋに共通の事項を説明する場合、単に「識別器データＩＤ」と示す。

そして第１実施例に係る識別器データとしては、識別器データベース１４に記録されている識別器データＩＤが、当該識別器データＩＤに対応して後述するように決定された地図上のエリアに相当する地図データに関連付けられて、識別器データ挿入部１５により地図データベース１６に記録される。なお以下の説明では、第１実施形態に係る識別器データとして上記エリアに相当する地図データに関連付けられて記録された識別器データＩＤを含めて、「識別器データＩＤ」と称する。

次に、第１実施例に係る地図データベース１６に記録されている、第１実施例に係る地図データのデータ構造について、図５及び図６を用いて説明する。

図５及び図６に示すように、第１実施例に係る地図データベース１６では、地図としてのエリアごとに識別器データＩＤが記録されている。即ち、例えば図５（ａ）に示すように、車両ＣＣが進行する道路をその進行方向に等分したエリアＡ１乃至エリアＡ３ごとに、当該エリアＡ１乃至エリアＡ３それぞれに関連付けて上記識別器データＩＤが記録されている。このとき、例えば図５（ｂ）に示すように進行方向の長さが異なるエリアＢ１乃至エリアＢ４ごとに、当該エリアＢ１乃至エリアＢ４それぞれに関連付けられて上記識別器データＩＤが記録されていてもよいし、図５（ｃ）に示すようにカーブに沿って分けられたエリアＣ１乃至エリアＣ３ごとに、当該エリアＣ１乃至エリアＣ３それぞれに関連付けられて上記識別器データＩＤが記録されていてもよいし、図５（ｄ）に破線で示す交差点ＣＲに対応して分けられたエリアＤ１乃至エリアＤ４ごとに、当該エリアＤ１乃至エリアＤ４それぞれに関連付けられて上記識別器データＩＤが記録されていてもよい。更には、例えば図６（ａ）に示すように、車両ＣＣが進行する道路Ｒ以外の道路脇の領域をその進行方向に等分したエリアＥ１乃至エリアＥ６ごとに、当該エリアＥ１乃至エリアＥ６それぞれに関連付けて上記識別器データＩＤが記録されていてもよいし、例えば図６（ｂ）に示すように当該道路脇の進行方向の長さが異なるエリアＦ１乃至エリアＦ８ごとに、当該エリアＦ１乃至エリアＦ８それぞれに関連付けられて上記識別器データＩＤが記録されていてもよいし、図６（ｃ）に示すように当該道路脇がカーブに沿って分けられたエリアＧ１乃至エリアＧ６ごとに、当該エリアＧ１乃至エリアＧ６それぞれに関連付けられて上記識別器データＩＤが記録されていてもよいし、図６（ｄ）に破線で示す交差点ＣＲに対応して分けられた道路脇のエリアＨ１乃至エリアＨ４ごとに、当該エリアＨ１乃至エリアＨ４それぞれに関連付けられて上記識別器データＩＤが記録されていてもよい。

更に図６（ｅ）に例示するように、一部に重なりを有するように当該道路脇の領域を分けたエリアＪ１乃至エリアＪ７ごとに、当該エリアＪ１乃至エリアＪ７それぞれに関連付けて上記識別器データＩＤが記録されていてもよい。この図６（ｅ）に例示する場合、道路Ｒの進行方向左脇の領域においては、結果的に、エリアＪ１及びエリアＪ２にそれぞれ関連付けられた識別器データＩＤと共に、当該エリアＪ１及びエリアＪ２を含むエリアＪ３に関連付けられた識別器データＩＤが記録されている。よってエリアＪ１については、当該エリアＪ１に関連付けられた識別器データＩＤに加えて、エリアＪ３に関連付けられた識別器データＩＤも適用される。また同様にエリアＪ２についても、当該エリアＪ２に関連付けられた識別器データＩＤに加えて、エリアＪ３に関連付けられた識別器データＩＤが適用される。このようにエリアＪ３がエリアＪ１及びエリアＪ２を含んでいることは即ち、エリアＪ３が関連付けられた識別器データＩＤを参照して識別される物体が、エリアＪ１及びエリアＪ２を含むエリアにも分布していることを意味する。一方図６（ｅ）に示す例では、道路Ｒの進行方向右脇の領域においては、結果的に、エリアＪ４乃至エリアＪ６にそれぞれ関連付けられた識別器データＩＤと共に、当該エリアＪ４乃至エリアＪ６を含むエリアＪ７に関連付けられた識別器データＩＤが記録されている。よってエリアＪ４については、当該エリアＪ４に関連付けられた識別器データＩＤに加えて、エリアＪ７に関連付けられた識別器データＩＤも適用される。また同様にエリアＪ５及びエリアＪ６についても、当該エリアＪ５及びエリアＪ６にそれぞれ関連付けられた識別器データＩＤに加えて、エリアＪ７に関連付けられた識別器データＩＤが適用される。このようにエリアＪ７がエリアＪ４乃至エリアＪ６を含んでいることは即ち、エリアＪ７が関連付けられた識別器データＩＤを参照して識別される物体が、エリアＪ４乃至エリアＪ６を含むエリアに分布していることを意味する。

次に第１実施例に係る識別器データＩＤは、図５及び図６を用いて説明したエリアごとの区分に加えて、以下のｉ）乃至ｖ）に示すように区分されて地図データベース１６に記録される。なお以下の説明において、「国等」とは、国や地域又は道路をいうものとする。
ｉ）地図データベース１６に記録される地図データが適用される国等によって、そこに設けられている人工構造物の形状が異なる場合は、当該異なる人工構造物の形状ごと且つ当該国等ごとに当該人工構造物についての識別器データＩＤが作成され、その人工構造物が存在する国等に関連付けて地図データベース１６に記録される。この場合の「国等によって形状が異なる人工構造物」とは、例えば、日本国内の信号機であって、雪国では縦に長い形状を有し、雪が少ない地域では横に長い形状を有する場合をいう。
ii）上記国等によって、その国等に特有の動物が存在する場合は、その動物ごと且つ当該国等ごとに当該動物についての識別器データＩＤが作成され、その動物が存在する国等に関連付けて地図データベース１６に記録される。この場合の「国等に特有の動物」とは、例えば、地方では道路に飛び出してくる可能性があるが都市部ではその可能性がない動物（狸や鹿等）をいう。なお、特定の動物がその国等に存在しない物である場合に、その動物の識別器データＩＤに関連付けて「その動物がその国等では存在しない」旨を地図データベース１６に記録するように構成してもよい。
iii）上記国等において、季節や時間の変化に応じて例えば道路脇の植生の形状が変化する場合は、その国等且つ当該季節又は時間ごとに、その植生についての識別器データＩＤが作成され、その植生が存在する国等に関連付けて地図データベース１６に記録される。この場合の「季節や時間の変化に応じて形状が変化する植生」とは、例えば、夏は大きな葉を付けるが冬は落葉する広葉樹の街路樹をいう。
iv）上記国等において、天候の変化に応じて人や植生の形状が変化する場合は、その国等且つ当該天候ごとに、その人や植生についての識別器データＩＤが作成され、その人や植生が存在する国等に関連付けて地図データベース１６に記録される。この場合の天候の変化に応じて形状が変化する人又は植生とは、例えば、雨の時は傘をさすが晴れていれば傘をささない人（多少の雨では傘を差す週間がない国等を除く）や、強風等により大幅に形状が変化する植生（この場合は、その形状を学習データとして識別器データＩＤが作成される）が挙げられる。
ｖ）上記国等において、道路脇の人工構造物と道路との間に存在する植生により当該人工構造物が道路から見て遮蔽される場合であって、季節や時間の変化に応じてその植生の形状が変化するときには、その国等且つ当該季節又は時間ごとに、形状が変化する当該植生による遮蔽を考慮して、当該人工構造物についての識別器データＩＤが作成され、その人工構造物及び植生が存在する国等に関連付けて地図データベース１６に記録される。

次に、地図サーバ装置ＳＶにおいて実行される第１実施例に係る地図データ記録処理について、図７（ａ）を用いて説明する。図７（ａ）に示すように、第１実施例に係る地図データ記録処理は、例えば地図サーバ装置ＳＶの電源スイッチがオンとされたタイミングで開始される。そして第１実施例に係る地図データ記録処理では、先ず処理エリア決定部１１により処理対象となるエリアが決定されたか否かが確認される（ステップＳ１）。ステップＳ１の確認において当該エリアが決定されていない場合（ステップＳ１：ＮＯ）、処理エリア決定部１１により、例えば図５及び図６にそれぞれ例示するエリアＡ１等のいずれかが選択／決定される（ステップＳ２）。次に、処理対象のエリアが決定されたら（ステップＳ１：ＹＥＳ又はステップＳ２）、識別器データ決定部１３は、ＬｉＤＡＲセンサ１０から得られた点群データに基づき、識別器データＩＤを決定する対象となる物体と、その物体からの上記受光結果としての点群データと、を決定する（ステップＳ３）。このステップＳ３として具体的に識別器データ決定部１３は、例えば上記物体としての木からの受光結果であることが判っている点群データが得られた場合、その点群データを、「木」についての点群データ（いわゆる正解データ）として決定する。また、例えば上記物体としての信号機からの受光結果であることが判っている点群データが得られた場合、その点群データを、「信号機」についての点群データ（いわゆる正解データ）として決定する。また、例えば上記物体としての標識からの受光結果であることが判っている点群データが得られた場合、その点群データを、「標識」についての点群データ（いわゆる正解データ）として決定する。

上記正解データが決定されたら、図７（ａ）に戻って次に識別器データ決定部１３は、ステップＳ３で決定された正解データたる点群データに対して、識別器データベース１４に予め記録されている（学習処理済みの）複数の識別器データＩＤを適用し、正解データとしての物体の認識率が最も高い当該識別器データＩＤを、ステップＳ２で決定されたエリアに関連付けるべき（第１実施例に係る）識別器データＩＤとして改めて決定する（ステップＳ４）。このステップＳ４における認識率の評価として識別器データ決定部１３は、例えば図８左に示すパラメータＴＰ、パラメータＦＰ、パラメータＦＮ及びパラメータＴＮを用いて表される正解率、適合率、再現率及びＦ値（図８右参照）の観点を評価指標として評価を行う。なお図８右のＦ値の式において、「Ｐ」は図８における適合率を示し、「Ｒ」は図８における再現率を示す。そして識別器データ決定部１３は、ステップＳ４で決定された識別器データＩＤを識別器データ挿入部１５に出力する。

これにより識別器データ挿入部１５は、ステップＳ４で決定された第１実施例に係る識別器データＩＤを、それが関連付けられているエリアに相当する地図データの一部として地図データベース１６に記録する（ステップＳ５）。

次に、他のエリアについての識別器データＩＤの決定及び地図データベース１６への記録を行うか否かが、例えば処理エリア決定部１３により判定される（ステップＳ６）。なお図７（ａ）においては、上記他のエリアについての識別器データＩＤの決定及び地図データベース１６への記録を、単に「他のエリア識別器データ決定」と示している。そして、当該識別器データＩＤの決定及び地図データベース１６への記録を引き続き行う場合（ステップＳ６：ＹＥＳ）、処理エリア決定部１３は上記ステップＳ１に戻ってそれ以降の処理を繰り返す。一方ステップＳ６の判定において、識別器データＩＤの決定及び地図データベース１６への記録を終了する場合は（ステップＳ６：ＮＯ）、そのまま当該処理を終了する。

次に、物体種類識別装置Ｃにおいて実行される第１実施例に係る物体種類識別処理について、図７（ｂ）を用いて説明する。

図７（ｂ）に示すように、第１実施例に係る物体種類識別処理は、例えば物体種類識別装置Ｃの電源スイッチがオンとされたタイミングで開始される。そして第１実施例に係る物体種類識別処理では、先ず物体種類識別装置Ｃの物体識別部２４は、位置検出部２５から出力された現在位置データに基づき、第１実施例に係る物体種類識別処理の対象となる地図上のエリア（図５及び図６参照）を決定する（ステップＳ１０）。なおこのステップＳ１０において物体識別部２４は、上記現在位置データにより示されている現在位置を含むエリアを決定してもよいし、又は、当該現在位置から物体種類識別装置Ｃを搭載した車両が移動する予定のエリアを決定してもよい。

次に物体識別部２４は、ステップＳ１０で決定されたエリアについて第１実施例に係る物体種類識別処理を実行するために必要な上記第１実施例に係る識別器データＩＤ（即ち、当該エリアに関連付けられている識別器データＩＤ）を取得済みであるか否かを判定する（ステップＳ１１）。ステップＳ１１の判定において当該識別器データＩＤが取得されていない場合（ステップＳ１１：ＮＯ）、地図サーバ装置ＳＶの地図データベース１６にアクセスして当該必要な識別器データＩＤのデータが取得される（ステップＳ１２）。必要な識別器データＩＤが取得されたら（ステップＳ１１：ＹＥＳ又はステップＳ１２）、次に第１実施例に係る物体種類識別処理が実行される（ステップＳ１３）。その後、第１実施例に係る物体種類識別処理を終了するか否かが、例えば物体種類識別装置Ｃが搭載されている車両が目的地に到達したか否かを判定すること等により、例えば処理エリア決定部２１により判定される（ステップＳ１４）。ステップＳ１４の判定において当該物体種類識別処理を終了する場合（ステップＳ１４：ＹＥＳ）、処理エリア決定部２１は、そのまま当該物体種類識別処理を終了し、一方引き続き実行する場合（ステップＳ１４：ＮＯ）、処理エリア決定部２１は上記ステップＳ１０以降の処理を繰り返す。

次に、上記ステップＳ１３の物体種類識別処理について、図７（ｃ）を用いて説明する。図７（ｃ）に示すように、ステップＳ１３の物体種類識別処理では、先ず物体識別部２４はＬｉＤＡＲ２０における受光結果に対応する一の点群データ（ｉ）を取得する（ステップＳ１３０。ｉは自然数（以下、同様。））。次に物体識別部２４は、ステップＳ１３０で取得した点群データ（ｉ）と、ステップＳ１１又はステップＳ１２で取得されている識別器データＩＤと、を比較し、当該点群データ（ｉ）が受光結果として取得された物体の種類を識別する（ステップＳ１３１）。なおステップＳ１３１においては、第１実施例に係る第１識別器データＩＤ１乃至第ｍ識別器データＩＤｍのいずれかを用いて一物体ずつその種類を識別してもよいし、第１多種類識別器データＭＩＤ１乃至第ｋ多種類識別器データＭＩＤｋのいずれかを用いて複数の物体の種類を纏めて識別してもよい。

上記受光結果として取得された物体の種類がステップＳ１３１において識別されたら、次に物体識別部２４は、次の点群データ（ｉ＋１）について物体種類識別処理を行うか否かを判定する（ステップＳ１３２）。ステップＳ１３２の判定において次の点群データ（ｉ＋１）について物体種類識別処理を行う場合（ステップＳ１３２：ＹＥＳ）、物体識別部２４は上記ステップＳ１３０に戻って当該次の点群データ（ｉ＋１）について物体種類識別処理を繰り返す。一方ステップＳ１３２の判定において、例えば次に物体種類識別処理を行うべき点群データがない場合（ステップＳ１３２：ＮＯ）、物体識別部２４は上記ステップＳ１４に戻る。

以上それぞれ説明したように、第１実施例に係る物体種類識別処理によれば、ＬｉＤＡＲセンサ２０から得られた点群データ及び物体種類識別装置Ｃが搭載された車両の現在位置データと、識別器データＩＤ及びそれが関連付けられているエリアを含む地図データと、に基づき、当該点群データに対応する物体の種類を識別（判定）する（図７（ｂ）ステップＳ１３参照）。よって、識別器データＩＤ及びそれが関連付けられているエリアを含む地図データを用いて物体の種類を識別することで、周辺に存在する物体自体及びその周辺の実際の状態に拘わらず、物体の種類を精度よく識別することができる。

また、識別器データベース１４に記録されている識別器データＩＤと、当該識別器データＩＤにより識別された物体の種類と、に基づいて地図データベース１６に記録される第１実施例に係る識別器データＩＤが既定されている（図７（ａ）ステップＳ４及びステップＳ５参照）ので、より正確に物体の種類を識別することができる。

更に、識別器データＩＤのうち第１多種類識別器データＭＩＤ１乃至第ｋ多種類識別器データＭＩＤｋのいずれかを用いる場合は、少ない識別器データＩＤで多くの物体の種類を識別することができる。

更にまた、国ごと、地域ごと又は道路ごとの識別器データＩＤを用いる場合（上記ｉ）参照）は、物体自体及びその周辺の実際の状態に拘わらず、物体の種類を、国ごと、地域ごと又は道路ごとに精度よく識別することができる。

また、予め設定された動物についての識別器データＩＤを用いる場合（上記ii）参照）は、物体自体及びその周辺の実際の状態に拘わらず、物体の種類がその動物であるか否かを精度よく識別することができる。

更に、季節等の予め設定された時間区分ごとの識別器データＩＤを用いる場合（上記iii）参照）は、物体自体及びその周辺の実際の状態に拘わらず、物体の種類を当該時間区分ごとに精度よく識別することができる。

更にまた、天候の変化に応じた識別器データＩＤを用いる場合（上記iv）参照）は、物体自体及びその周辺の実際の状態に拘わらず、天候の変化に応じて物体の種類を精度よく識別することができる。

また、物体の遮蔽状態に応じた識別器データＩＤを用いる場合（上記ｖ）参照）は、物体自体及びその周辺の実際の状態に拘わらず、物体の遮蔽状態の変化に応じて当該物体の種類を精度よく識別することができる。

更に、識別器データＩＤが車両ＣＣの道路に対応して予め分割されたエリアＡ１等ごとに設定されているので（図５及び図６参照）、物体自体及びその周辺の実際の状態に拘わらず、道路に対応したエリアごとに物体の種類を精度よく認識することができる。

更にまた、識別器データＩＤが当該識別器データＩＤに対応して予め分割されたエリアＪ１乃至エリアＪ７ごとに設定されているので（図６（ｅ）参照）、物体自体及びその周辺の実際の状態に拘わらず、識別器データＩＤに対応したエリアＪ１乃至エリアＪ７ごとに物体の種類を精度よく識別することができる。

また、識別器データＩＤが設定されているエリアＡ１等が、車両ＣＣの進行方向に対応して分割されたエリアＡ１等であるので、物体自体及びその周辺の実際の状態に拘わらず、車両ＣＣの移動に対応してその周辺に存在する物体の種類を精度よく識別することができる。

（II）第２実施例
次に、実施形態に係る他の実施例である第２実施例について、図９を用いて説明する。なお図９は、第２実施例に係る地図データシステムの概要構成を示すブロック図である。また、図９に示す第２実施例に係る地図データシステムのうち、第１実施例に係る地図データシステムＳＳと同様の構成部材については、同様の部材番号を付して細部の説明は省略する。

上述した第１実施例に係る物体種類識別処理では、物体種類識別装置Ｃが搭載されている車両の現在位置等に基づいて決定されたエリアに関連付けられている識別器データＩＤを、当該物体種類識別処理ごとに取得する構成とされていた（図７（ｂ）ステップＳ１１及びステップＳ１２参照）。これに対して以下に説明する第２実施例では、例えばエリアに対する依存性が低い識別器データＩＤ（例えば、天候の変化に応じた識別器データＩＤ（上記iv）参照））については、地図サーバ装置からのいわゆるプッシュ送信方式により、物体種類識別装置Ｃが搭載されている車両に当該識別器データＩＤを送信する。

即ち、第２実施例に係る地図データシステムＳＳ１の地図サーバ装置は、第１実施例に係る地図データベース１６に代えて、図９に例示するように、物体の一種類に対して一対一に関連付けられており且つ天候別の識別器データである第１天候別識別器データＷＩＤ１乃至第ｍ天候別識別器データＷＩＤｍと、物体の複数の種類に対して一つが関連付けられており且つ天候別の識別器データである第１天候別多種類識別器データＷＭＩＤ１乃至第ｋ天候別多種類識別器データＷＭＩＤｋと、が、地図上のエリアごと又は当該エリア内の地点ごとに関連付けられて記録された識別器データベース４０を備えている。この識別器データベース４０では、上記第１天候別識別器データＷＩＤ１乃至第ｍ天候別識別器データＷＩＤｍと、上記第１天候別多種類識別器データＷＭＩＤ１乃至第ｋ天候別多種類識別器データＷＭＩＤｋと、が、上記エリアごと又は上記地点ごとに関連付けられていればよく、識別器データベース４０自体が地図データベースである必要はない。

そして第２実施例に係る地図サーバ装置は、ネットワークＮＷを介して接続されている物体種類識別装置Ｃから現在位置データを取得すると共に、当該現在位置データにより示される現在位置の天候を示す天候情報を、例えば外部の図示しない天候サーバ装置から取得する。その後地図サーバ装置は、当該現在位置の天候に対応した第１天候別識別器データＷＩＤ１乃至第ｍ天候別識別器データＷＩＤｍのいずれか、又は第１天候別多種類識別器データＷＭＩＤ１乃至第ｋ天候別多種類識別器データＷＭＩＤｋのいずれかを、識別器データベース４０から読み出し、それを上記プッシュ方式により（即ち強制的に）上記物体種類識別装置Ｃに送信する。

これにより物体種類識別装置Ｃは、送信されてきた天候別の識別器データを用いて、当該物体種類識別装置Ｃが搭載されている車両の現在位置の天候に応じて、その周辺に存在する物体の種類を識別する（図７（ｂ）及び図７（ｃ）参照）。

以上説明したように、第２実施例に係る物体種類識別処理によっても、第１実施例に係る物体種類識別処理と同様に、周辺に存在する物体自体及びその周辺の実際の状態に拘わらず、物体の種類を天候に応じて精度よく識別することができる。

なお、上述した各実施例では、ＬｉＤＡＲセンサ１０又はＬｉＤＡＲセンサ２０から得られた点群データを用いて物体の種類を識別する場合について説明したが、これ以外に、例えば車載カメラから得られた画像データ又は車載の超音波センサから得られた超音波データを用いて物体の種類を識別する場合に、本願を適用することも可能である。これらの場合は、画像データ又は超音波データごとに識別器データを生成して地図データベース１６に記録し、更に当該識別器データを読み出して物体種類識別装置Ｃにおいて活用すればよい。

また上述した各実施例では、車両に搭載されたＬｉＤＡＲセンサ１０又はＬｉＤＡＲセンサ２０から得られた点群データ等に基づき、当該点群データに対応する物体の種類を識別（判定）する際に本願を適用する場合について説明した。これに対し、例えば、交差点を通行する人が降雨時に傘をさす場合等について、その交差点等において定点計測等を行う際に、ＬｉＤＡＲセンサを車両ではなく固定設置し、天候又は時間或いは季節等に応じて異なる識別器データを用いる場合に、本願を適用することも可能である。

更に、図７にそれぞれ示したフローチャートに相当するプログラムを、光ディスク又はハードディスク等の記録媒体に記録しておき、或いはインターネット等のネットワークを介して取得しておき、これらを汎用のマイクロコンピュータ等に読み出して実行することにより、当該マイクロコンピュータ等を各実施例に係る処理エリア決定部２１及び物体識別部２４として機能させることも可能である。

１０、２０ ＬｉＤＡＲセンサ
１６ 地図データベース
２１ 第１取得手段（処理エリア決定部）
２４ 第２取得手段（物体識別部）
３０ 種類判定手段
Ｃ 物体種類識別装置
Ｓ 判定装置
ＳＶ 地図サーバ装置
ＳＳ、ＳＳ１ 地図データシステム
ＩＤ１ 第１識別器データ
ＩＤ２ 第２識別器データ
ＩＤｍ 第ｍ識別器データ
ＭＩＤ１ 第１多種類識別器データ
ＭＩＤ２ 第２多種類識別器データ
ＭＩＤｋ 第ｋ多種類識別器データ
ＷＩＤ１ 第１天候別識別器データ
ＷＩＤ２ 第２天候別識別器データ
ＷＩＤｍ 第ｍ天候別識別器データ
ＷＭＩＤ１ 第１天候別多種類識別器データ
ＷＭＩＤ２ 第２天候別多種類識別器データ
ＷＭＩＤｋ 第ｋ天候別多種類識別器データ

Claims (15)

1. 周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を取得する第１取得手段と、
   物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物体位置情報と、を取得する第２取得手段と、
   各前記取得された物体検出情報及び検出位置情報と、各前記取得された特徴情報及び物体位置情報と、に基づき、前記物体検出情報における前記周辺物体の種類を判定する種類判定手段と、
   を備えることを特徴とする判定装置。
2. 請求項１に記載の判定装置において、
   前記特徴情報は、過去の前記物体検出情報と、当該過去の前記物体検出情報に対応した前記種類の判定結果と、に基づいて予め設定されていることを特徴とする判定装置。
3. 請求項１又は請求項２に記載の判定装置において、
   一の前記特徴情報が、複数の前記種類に対応していることを特徴とする判定装置。
4. 請求項１から請求項３のいずれか一項に記載の判定装置において、
   前記第２取得手段は、国ごとに予め設定された前記特徴情報を取得し、
   前記種類判定手段は、各前記取得された物体検出情報及び移動体位置情報と、各前記取得された物体位置情報及び国ごとの特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記国ごとに判定することを特徴とする判定装置。
5. 請求項１から請求項４のいずれか一項に記載の判定装置において、
   前記第２取得手段は、地域ごとに予め設定された前記特徴情報を取得し、
   前記種類判定手段は、各前記取得された物体検出情報及び移動体位置情報と、各前記取得された物体位置情報及び地域ごとの特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記地域ごとに判定することを特徴とする判定装置。
6. 請求項１から請求項５のいずれか一項に記載の判定装置において、
   前記第２取得手段は、前記移動体の移動路ごとに予め設定された前記特徴情報を取得し、
   前記種類判定手段は、各前記取得された物体検出情報及び移動体位置情報と、各前記取得された物体位置情報及び移動路ごとの特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記移動路ごとに判定することを特徴とする判定装置。
7. 請求項１から請求項６のいずれか一項に記載の判定装置において、
   前記第２取得手段は、予め設定された動物について予め設定された前記特徴情報を取得し、
   前記種類判定手段は、各前記取得された物体検出情報及び移動体位置情報と、各前記取得された物体位置情報及び動物についての特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類が前記動物であるか否かを判定することを特徴とする判定装置。
8. 請求項１から請求項７のいずれか一項に記載の判定装置において、
   前記第２取得手段は、予め設定された時間区分ごとに予め設定された前記特徴情報を取得し、
   前記種類判定手段は、各前記取得された物体検出情報及び移動体位置情報と、各前記取得された物体位置情報及び時間区分ごとの特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記時間区分ごとに判定することを特徴とする判定装置。
9. 請求項１から請求項８のいずれか一項に記載の判定装置において、
   前記第２取得手段は、天候の変化に応じて予め設定された前記特徴情報を取得し、
   前記種類判定手段は、各前記取得された物体検出情報及び移動体位置情報と、各前記取得された物体位置情報及び天候の変化に応じた特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記変化に応じて判定することを特徴とする判定装置。
10. 請求項１から請求項９のいずれか一項に記載の判定装置において、
    前記第２取得手段は、前記周辺物体の遮蔽状態の変化に応じて予め設定された前記特徴情報を取得し、
    前記種類判定手段は、各前記取得された物体検出情報及び移動体位置情報と、各前記取得された物体位置情報及び前記遮蔽状態の変化に応じた特徴情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記遮蔽状態の変化に応じて判定することを特徴とする判定装置。
11. 請求項１から請求項１０のいずれか一項に記載の判定装置において、
    前記特徴情報が、前記移動体の移動路に対応して予め分割された領域ごとに設定されていることを特徴とする判定装置。
12. 請求項１から請求項１１のいずれか一項に記載の判定装置において、
    前記特徴情報が、当該特徴情報に対応して予め分割された領域ごとに設定されていることを特徴とする判定装置。
13. 請求項１１又は請求項１２に記載の判定装置において、
    前記領域は、前記移動体の移動方向に対応して分割された領域であることを特徴とする判定装置。
14. 第１取得手段と、第２取得手段と、種類判定手段と、を備える判定装置において実行される判定方法であって、
    周辺物体を検出可能な検出装置から、当該周辺物体に関する物体検出情報と、前記検出装置の位置を示す検出位置情報と、を前記第１取得手段により取得する第１取得工程と、
    物体ごとに当該物体の特徴を示す特徴情報と、当該物体が存在する位置を示す物体位置情報と、を前記第２取得手段により取得する第２取得工程と、
    各前記取得された物体検出情報及び検出位置情報と、各前記取得された特徴情報及び物体位置情報と、に基づき、前記物体検出情報における前記周辺物体の種類を前記種類判定手段により判定する種類判定工程と、
    を含むことを特徴とする判定方法。
15. コンピュータを、請求項１から請求項１３のいずれか一項に記載の判定装置として機能させることを特徴とする判定用プログラム。

Images