JP2020046762A

JP2020046762A - 移動体検知装置

Info

Publication number: JP2020046762A
Application number: JP2018172880A
Authority: JP
Inventors: ▲火韋▼ 宋; Wei Song
Original assignee: Honda Motor Co Ltd
Current assignee: Honda Motor Co Ltd
Priority date: 2018-09-14
Filing date: 2018-09-14
Publication date: 2020-03-26

Abstract

【課題】オクルージョンが発生した場合でも、移動体の検知精度が低下しないようにする。【解決手段】直前の推定情報に基づき、現時点の各位置における移動体の占有確率と速度分布を表す予測情報を生成する予測部１１と、センサの検出情報に基づき、現時点の各位置における移動体の存在状況と移動状況に関する観測情報を生成する観測部１２と、予測情報と観測情報に基づき、現時点の各位置における移動体の占有確率と速度分布を表す推定情報を生成する推定部１３と、現時点の推定情報に基づき、各位置に移動体が存在するか否かを判定する判定部１４と、を備え、判定部は、移動体の存在に関する判定結果に基づき、各位置での移動体の存在状況に関する属性を推定情報に付与し、予測部は、前回の推定情報に含まれる属性に基づき、予測情報に属性を付与し、観測部は、予測情報に含まれる属性に基づき、観測情報を補正する。【選択図】図１

Description

本開示は、センサの検出情報に基づいて、対象エリアに存在する移動体を検知する移動体検知装置に関する。

近年、車両の走行時の安全性を高めるため、カメラやミリ波レーダなどのセンサを用いて、車両の周囲に存在する人物や車両などの移動体を検知する技術が普及している。このような移動体を検知する技術として、例えば、カメラの撮影画像に基づく観測結果と、ミリ波レーダの測定データに基づく観測結果とを統合して、移動体が存在するか否かを判定する技術が知られている（特許文献１参照）。

特許第３６６９２０５号公報

さて、人物や車両などの移動体が樹木などの遮蔽物の影に隠れるオクルージョンが発生する場合があり、このとき、移動体が部分的に遮蔽物の影に隠れた状態となると、ミリ波レーダの測定データからは移動体が認識されるにも拘わらず、カメラの撮影画像からは移動体を認識できなくなる。

このような場合、前記従来の技術のように、カメラの撮影画像に基づく観測結果と、ミリ波レーダの測定データに基づく観測結果とを統合して、移動体が存在するか否かを判定すると、カメラの撮影画像に基づく観測結果に影響されて、結果的に移動体が存在しないと判定されて、誤検知（見落とし）が発生することがある。

本発明は、このような背景に鑑み、移動体が遮蔽物の影に隠れるオクルージョンが発生した場合でも、移動体を検知する精度が低下することを避けることができる移動体検知装置を提供することを課題とする。

このような課題を解決するために、本発明のある実施形態は、センサ（１，２）の検出情報に基づいて、対象エリアに存在する移動体を検知する移動体検知装置（３）であって、直前の各位置における移動体の占有確率および速度分布を表す推定情報に基づいて、現時点の各位置における移動体の占有確率および速度分布を表す予測情報を生成する予測部（１１）と、前記センサの検出情報に基づいて、現時点の各位置における移動体の存在状況および移動状況に関する観測情報を生成する観測部（１２）と、前記予測情報および前記観測情報に基づいて、現時点の各位置における移動体の占有確率および速度分布を表す推定情報を生成する推定部（１３）と、現時点の前記推定情報に基づいて、各位置に移動体が存在するか否かを判定する判定部（１４）と、を備え、前記判定部は、各位置に移動体が存在するか否かの判定結果に基づいて、各位置での移動体の存在状況に関する属性を、各位置での前記推定情報に付与し、前記予測部は、前回の前記推定情報に含まれる属性に基づいて、前記予測情報に属性を付与し、前記観測部は、前記予測情報に含まれる属性に基づいて、前記観測情報を補正する。

この構成によれば、オクルージョンが発生していない状態で判定された属性が予測情報に引き継がれて、その予測情報に含まれる属性に基づいて、観測情報を補正するため、移動体が遮蔽物の影に隠れるオクルージョンが発生した場合でも、移動体を検知する精度が低下することを避けることができる。

また、上記構成において、前記判定部は、各位置に移動体が存在するか否かの判定結果に基づいて、移動体の有無に関する属性を、前記推定情報における速度分布の各速度に付与し、前記観測部は、検出特性が異なる複数の前記センサの一部で移動体を認識できない場合に、前記予測情報において移動体が存在するとの属性が付与された速度の確率に基づいて、前記観測情報を補正するとよい。

この構成によれば、オクルージョンにより、一部のセンサで移動体を観測できない場合でも、予測情報において移動体が存在するとの属性が付与された速度の確率に基づいて、観測情報を補正することで、移動体が存在することを精度よく検知することができる。

また、上記構成において、複数の前記センサは、カメラおよびミリ波レーダであるとよい。

この構成によれば、オクルージョンが発生して、ミリ波レーダでは移動体が認識されているにも拘わらず、カメラでは移動体を認識できない場合に、移動体が存在することを精度よく検知することができる。

また、上記構成において、前記判定部は、前記観測部で取得した移動体の種類と、各位置に移動体が存在するか否かの判定結果とに基づいて、各位置での移動体の有無および種類に関する属性を、前記推定情報における速度分布の各速度に付与し、前記観測部は、物体認識により移動体の種類ごとの認識スコアを取得して、その種類ごとの認識スコアを、前記予測情報において移動体の種類が一致する属性が付与された速度の確率に基づいて補正して、補正された種類ごとの認識スコアに基づいて、移動体の種類を判定するとよい。

この構成によれば、オクルージョンにより、実際に存在する移動体の種類に関する認識スコアが小さくなった場合でも、移動体の種類ごとの属性が付与された速度の確率に基づいて、種類ごとの認識スコアを補正することで、移動体の種類を精度よく判定することができる。

また、上記構成において、前記予測部、前記観測部、前記推定部および判定部は、前記対象エリアに設定された占有格子地図上の各セルにおける移動体の占有確率および速度分布を取得するベイジアン占有フィルタを構成するとよい。

この構成によれば、少ない演算量で移動体を効率よく検知することができる。

このように本発明によれば、移動体が遮蔽物の影に隠れるオクルージョンが発生した場合でも、移動体を検知する精度が低下することを避けることができる。このため、例えば、検知結果を衝突判定に利用する場合には、移動体が存在する方に判定されやすくなるため、安全性を高めることができる。

第１実施形態に係る移動体検知システムの概略構成を示すブロック図第１実施形態に係るＢＯＦ処理部５で行われる基本的な処理の概要を示す模式図オクルージョンが発生した場合の精度低下を説明する模式図第１実施形態に係るＢＯＦ処理部で行われる処理の概要を示す模式図第１実施形態に係るＢＯＦ処理部で行われる処理の手順を示すフロー図第１実施形態に係るＢＯＦ処理部で行われる初期化処理の概要を示す模式図第１実施形態に係る予測部で行われる処理の概要を示す模式図第１実施形態に係る予測部で行われる処理の概要を示す模式図第１実施形態に係る予測部で行われる処理の概要を示す模式図第１実施形態に係る予測部で行われる処理の手順を示すフロー図第１実施形態に係る予測部で行われる処理の手順を示すフロー図第１実施形態に係るセンサモデルを示す模式図第１実施形態に係る観測部で行われる処理の手順を示すフロー図第１実施形態に係る推定部で行われる処理の手順を示すフロー図第１実施形態に係る判定部で行われる処理の概要を示す模式図オクルージョンが発生した場合の精度低下を説明する模式図第２実施形態に係るＢＯＦ処理部で行われる処理の概要を示す模式図第２実施形態に係る予測部で行われる処理の概要を示す模式図第２実施形態に係る予測部で行われる処理の概要を示す模式図第２実施形態に係る予測部で行われる処理の概要を示す模式図第２実施形態に係る観測部で行われる処理の手順を示すフロー図第２実施形態に係る判定部で行われる処理の概要を示す模式図

以下、図面を参照して、本発明の実施形態について詳細に説明する。

（第１実施形態）
図１は、第１実施形態に係る移動体検知システムの概略構成を示すブロック図である。

この移動体検知システムは、例えば車両に搭載されて、車両の周囲に存在する移動体を検知して、その検知結果を衝突回避のための制御などに用いられるようにしたものであり、カメラ１（第１のセンサ）と、ミリ波レーダ２（第２のセンサ）と、ＥＣＵ３（移動体検知装置）と、を備えている。

カメラ１は、車両の周囲を撮影して、撮影画像（検出情報）を出力する。

ミリ波レーダ２は、ミリ波帯の電波を放射すると共に物体で反射された電波を検出して、測定データ（検出情報）を出力する。

ＥＣＵ３は、ＢＯＦ（ベイジアン占有フィルタ：Bayesian Occupation Filter）に関する処理を行うＢＯＦ処理部５を備えている。このＢＯＦ処理部５は、予測部１１と、観測部１２と、推定部１３と、判定部１４と、を備えている。なお、ＥＣＵ３の各部は、メモリに記憶されたプログラムをプロセッサで実行することで実現される。

次に、第１実施形態に係るＢＯＦ処理部５で行われる基本的な処理について説明する。図２は、ＢＯＦ処理部５で行われる基本的な処理の概要を示す模式図である。

ＢＯＦでは、対象エリア（例えば車両の前方）に、占有格子地図（Occupancy Grid Map）を設定する。この占有格子地図は、対象エリアを所定の大きさ（例えば１０ｃｍ四方）のセルに分割したものである。

ＢＯＦ処理部５では、各セル（各位置）における移動体（例えば人物）の占有確率および速度分布に関する情報を生成する。占有確率は、各セルに移動体が存在する確率（存在確率）である。速度分布は、各速度の確率（各方向に移動する確率）の分布状況を表すヒストグラム情報である。図２に示す例では、移動体が等速運動を行うものと想定して、あるセルに位置する移動体が、次の時刻に、そのセルに対して８方向（図中上方向、斜め右上方向、右方向、斜め右下方向、下方向、斜め左下方向、左方向、および斜め左上方向）で隣接するセルに移動するものとして、８方向の各速度の確率を取得する。

図１に示したように、予測部１１では、推定部１３で取得した時刻ｔ−１（直前）における各セル（各位置）の推定情報Ｐ（Ｏ_t-1，Ｖ_t-1｜Ｃ_t-1，Ｚ_t-1）に基づいて、時刻ｔ（現時点）における各位置の占有確率および速度分布を予測して、時刻ｔにおける各位置の予測情報（Ｏ_t，Ｖ_t｜Ｃ_t）を生成する。

観測部１２では、複数のセンサの検出情報、すなわち、カメラ１の撮影画像およびミリ波レーダ２の測定データに基づいて、時刻ｔ（現時点）における移動体の存在状況および移動状況に関する観測結果を取得して、時刻ｔにおける各セル（各位置）の観測情報Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）を生成する。この観測情報には、移動体の存在状況に関する情報として、移動体が存在することに対する投票値が含まれ、また、移動状況に関する情報として、移動体の移動速度および移動方向が含まれる。また、この観測情報では、各センサの観測結果が統合される（センサフュージョン）。

推定部１３では、予測部１１で取得した予測情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t）と、観測部１２で取得した観測情報Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）とに基づいて、時刻ｔ（現時点）における各セル（各位置）の占有確率および速度分布を推定して、時刻ｔにおける各セルの推定情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t，Ｚ_t）を生成する。具体的には、観測情報Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）を重みとして、予測情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t）に対して重み付けを行うことで、推定情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t，Ｚ_t）を生成する。

判定部１４では、推定部１３で取得した推定情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t，Ｚ_t）、特に各セルの占有確率に基づいて、セルに移動体が存在するか否かを判定する。

次式は、ＢＯＦモデルを表す。この式に基づいて、時刻ｔにおける各セルの推定情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t，Ｚ_t）を取得する。

ここで、Ｃ_tは、時刻ｔ（現時点）におけるセル（注目セル）を表し、Ｃ_t-1は、時刻ｔ−１（直前）におけるセル（先行セル）を表す。Ｖ_tは、時刻ｔにおける注目セルの速度を表し、Ｖ_t-1は、時刻ｔ−１における先行セルの速度を表す。Ｏ_tは、時刻ｔにおける注目セルの占有状態（占有または非占有）を表し、Ｏ_t-1は、時刻ｔ−１における先行セルの占有状態（占有または非占有）を表し、Ｏ_tおよびＯ_t-1は、occ（占有）とemp(非占有)とのいずかとなる。Ｚ_tは、時刻ｔにおけるセンサの観測結果を表す。

また、Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）は、時刻ｔ（現時点）における各セル（注目セル）の観測情報であり、セルＣ_t、占有状態Ｏ_t（占有または非占有）、および速度Ｖ_tの各条件を定義したときの条件付き確率である。この観測情報は観測部１２において生成される。

また、総和Σの項は、時刻ｔ（現時点）における各セル（注目セル）の予測情報（Ｏ_t，Ｖ_t｜Ｃ_t）である。この予測情報は、予測部１１で生成される。

Ｐ（Ｏ_t-1，Ｖ_t-1｜Ｃ_t-1）は、時刻ｔ−１（直前）における各セル（先行セル）の推定情報であり、次式のように表される。
Ｐ（Ｏ_t-1，Ｖ_t-1｜Ｃ_t-1）＝Ｐ（Ｖ_t-1｜Ｏ_t-1，Ｃ_t-1）×Ｐ（Ｏ_t-1｜Ｃ_t-1）
ここで、Ｐ（Ｖ_t-1｜Ｏ_t-1，Ｃ_t-1）は速度分布（各速度の確率）であり、Ｐ（Ｏ_t-1｜Ｃ_t-1）は占有確率である。

Ｐ（Ｃ_ｔ−１）は、時刻ｔ−１（＝０）における各セルの初期情報である。

Ｐ（Ｃ_t｜Ｖ_t，Ｃ_t-1）は、等速運動の移動モデルを表し、今回の速度Ｖ_tで先行セルＣ_t-1から注目セルＣ_tに到達できるか否かに関する情報であり、到達可能な場合には１となり、到達不能な場合には０となる。

Ｐ（Ｖ_t｜Ｖ_t-1，Ｏ_t）は、変速運動モデルを表す。本実施形態では、等速を前提とし、１とする。

Ｐ（Ｏ_t｜Ｏ_t-1）は、等速運動の誤差モデルを表す。本実施形態では、誤差がないことを前提とし、単位行列とする。

次に、オクルージョンが発生した場合の精度低下について説明する。図３は、オクルージョンが発生した場合の精度低下を説明する模式図である。

人物などの移動体の手前に樹木などの遮蔽物があると、移動体が遮蔽物の影に隠れるオクルージョンが発生する。このとき、移動体が部分的に遮蔽物の影に隠れた状態になると、ミリ波レーダ２の検出情報からは移動体が認識されるにも拘わらず、カメラ１の撮影画像からは移動体を認識できなくなる。

図３に示す例では、時刻ｔ−１におけるセルＣ１では、移動体（例えば人物）が遮蔽物の影に隠れるオクルージョンが発生していないため、カメラ１に基づく観測では、投票値（４）が大きくなり、ミリ波レーダ２に基づく観測でも、投票値（３）が大きくなる。このため、センサフュージョンにより各センサの投票値を加算した統合結果（７）が正の値となり、移動体が存在すると判定される。なお、投票値は、−５〜＋５の値をとる。

一方、時刻ｔにおけるセルＣ２では、移動体が遮蔽物の影に隠れるオクルージョンが発生しているため、カメラ１の撮影画像に基づく物体認識で、移動体を認識し難くなり、ミリ波レーダ２に基づく観測では投票値（３）が大きくなるにも拘わらず、カメラ１に基づく観測では投票値（−４）が小さくなる。このため、センサフュージョンにより各センサの観測結果を統合する、具体的には、各センサの投票値を加算すると、統合結果（−１）が負の値となり、移動体が存在しないと判定され、誤検知が発生する。

そこで、本実施形態では、各センサの観測結果を補正して、オクルージョンが発生した場合に移動体の検知精度が低下することを改善する。

次に、第１実施形態に係るＢＯＦ処理部５で行われる処理について説明する。図４は、ＢＯＦ処理部５で行われる処理の概要を示す模式図である。

本実施形態では、判定部１４において、各セルに移動体が存在するか否かを判定し、その判定結果に基づいて、各セルでの移動体の有無に関する属性を、各セルの推定情報、特に速度分布の各速度に付与する。

すなわち、移動体（例えば人物）が存在すると判定されたセルでは、各速度に「移動体あり」の属性を付与する。また、移動体が存在しないと判定されたセルでは、各速度に「移動体なし」の属性を付与する。

予測部１１では、時刻ｔ−１における先行セルから時刻ｔにおける注目セルに到達可能な速度の確率および属性（移動体あり、移動体なし）を注目セルに伝える。すなわち、先行セルから注目セルに到達可能な速度の確率に先行セルの占有確率を乗算した値を、注目セルにおける該当する方向の速度の確率に設定する。また、先行セルにおいて速度に付与された属性を、注目セルにおける該当する方向の速度に付与する。

観測部１２では、センサフュージョンにより各センサ（カメラ１およびミリ波レーダ２）の観測結果を統合して、注目セルの観測結果を取得する。このとき、一部のセンサで移動体を認識できない場合には、予測情報において属性が「移動体あり」となる速度の確率と、属性が「移動体なし」となる速度の確率とに基づいて、観測結果を補正する。

推定部１３では、注目セルの観測結果を重みとして、予測された注目セルの占有確率および速度分布に対して重み付けをして、注目セルの占有確率および速度分布を推定する。具体的には、予測された注目セルの占有確率に、注目セルの観測結果を乗算して、重みづけされた占有確率を取得し、予測された注目セルにおける各速度の確率に、注目セルの観測結果を乗算して、各速度の重みづけされた確率を取得する。

図４に示す例では、時刻ｔ−１における先行セルＣ１から時刻ｔにおける注目セルＣａに、図中右向きの速度で到達できる。また、時刻Ｔ−１における先行セルＣ２から時刻ｔにおける注目セルＣａに、図中右上向きの速度で到達できる。また、先行セルＣ１では、移動体が存在すると判定されたため、「移動体あり」の属性が速度に付与されている。また、先行セルＣ２では移動体が存在しないと判定されたため、「移動体なし」の属性が速度に付与されている。

この場合、先行セルＣ１の右向きの速度の確率（１．０）と、右向きの速度に付与された属性（移動体あり）と、占有確率（０．８）とが、先行セルＣ１から注目セルＣａに伝えられる。また、先行セルＣ２の右上向きの速度の確率（１．０）と、右上向きの速度に付与された属性（移動体なし）と、占有確率（０．１）とが、先行セルＣ２から注目セルＣａに伝えられる。

ここで、本実施形態では、先行セルＣ１から注目セルＣａに伝えられる右向きの速度に付与された属性が「移動体あり」であるため、速度の確率（１．０）と、占有確率（０．８）とを乗算した値（１．０×０．８＝０．８）を、注目セルＣａにおける該当する方向の速度の確率に設定するとともに、その速度に「移動体あり」の属性を付与する。

また、先行セルＣ２から注目セルＣａに伝えられる右上向きの速度に付与された属性が「移動体なし」であるため、速度の確率（１．０）と、占有確率（０．１）とを乗算した値（１．０×０．１＝０．１）を、注目セルＣａにおける該当する方向の速度の確率に設定するとともに、その速度に「移動体なし」の属性を付与する。

一方、時刻ｔにおける注目セルＣａでは、移動体が遮蔽物の影に隠れるオクルージョンが発生しているため、カメラ１の撮影画像に基づく物体認識で、移動体を認識し難くなり、ミリ波レーダ２に基づく観測では投票値が大きくなるが（３）、カメラ１に基づく観測では投票値（１／４）が小さくなる。

ここで、本実施形態では、各センサで移動体を認識できたか否かを判定し、一部のセンサで移動体を認識できなかった場合に、注目セルの観測結果を補正する。

具体的には、ミリ波レーダ２に基づく観測では移動体を認識できたが、カメラ１に基づく観測では移動体を認識できなかったため、注目セルの観測結果を補正する。このとき、まず、センサフュージョンにより各センサの観測結果（投票値）を統合する。本実施形態では、カメラ１に基づく観測での投票値（１／４）と、ミリ波レーダ２に基づく観測での投票値（３）とを乗算して、統合結果（１／４×３＝３／４）を得る。

また、属性が「移動体あり」となる速度の確率（０．８）と、属性が「移動体なし」となる速度の確率（０．１）との比率である速度成分比率νを求める。この速度成分比率νは、次式のように定義される。
ν＝速度の確率（移動体あり）／速度の確率（移動体なし）

次に、次式のように、統合結果としての投票値（１／４×３＝３／４）に、速度成分比率ν（０．８／０．１＝８）を乗算して、投票値を補正し、補正された投票値を得る。
補正された投票値＝（０．８／０．１）×１／４×３＝６

このような補正を行うことにより、補正された投票値は大きな値となり、移動体が存在すると判定され、誤検知を避けることができる。

次に、第１実施形態に係るＢＯＦ処理部５で行われる処理の手順について説明する。図５は、ＢＯＦ処理部５で行われる処理の手順を示すフロー図である。

ＢＯＦ処理部５では、まず、時刻ｔ＝０における各セルの占有確率および速度分布を初期化する（ＳＴ１０１）。次に、時刻ｔを１増分する（ＳＴ１０２）。

次に、予測部１１において、時刻ｔ−１（直前）における各セル（先行セル）の推定情報Ｐ（Ｏ_t-1，Ｖ_t-1｜Ｃ_t-1）に基づいて、時刻ｔにおける各セル（注目セル）の占有確率および速度分布を予測して、時刻ｔ（現時点）における各セル（注目セル）の予測情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t）を生成する（ＳＴ１０３）。

次に、観測部１２において、第１のセンサの観測結果、すなわち、カメラ１の撮影画像に基づく観測結果を取得する（ＳＴ１０４）。また、第２のセンサの観測結果、すなわち、ミリ波レーダ２の測定データに基づく観測結果を取得する（ＳＴ１０５）。

次に、観測部１２において、第１のセンサの観測結果と第２のセンサの観測結果とを統合して（センサフュージョン）、時刻ｔにおける観測情報Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）を生成する（ＳＴ１０６）。このとき、時刻ｔにおける各センサの観測結果を乗算して、注目セルの観測結果を取得する。また、複数のセンサの一部で移動体を認識できない場合には、属性が「移動体あり」となる速度の確率を、各センサの観測結果の積に乗算して、観測結果を補正する（対数の重み付き投票）。

次に、推定部１３において、ＳＴ１０３で取得した時刻ｔにおける注目セルの予測情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t）と、ＳＴ１０５で取得した時刻ｔにおける注目セルの観測情報Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）とに基づいて、時刻ｔにおける注目セルの推定情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t，Ｚ_t）を取得する（ＳＴ１０７）。

次に、判定部１４において、ＳＴ１０７で取得した時刻ｔにおける注目セルの推定情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t，Ｚ_t）、特に各セルの占有確率に基づいて、各セルに移動体が存在するか否かを判定する（ＳＴ１０８）。このとき、セルの占有確率が所定のしきい値（例えば０．５）以上となる場合に、セルに移動体が存在すると判定し、注目セルの占有確率がしきい値未満である場合には、注目セルに移動体が存在しないものと判定する。

次に、判定部１４において、各セルに移動体が存在するか否かに関する判定結果に基づいて、各セルの各速度に属性を付与する（ＳＴ１０９）。このとき、セルに移動体が存在するものと判定された場合には、全ての速度に「移動体あり」の属性を付与し、注目セルに移動体が存在しないものと判定された場合には、全ての速度に「移動体なし」の属性を付与する。

以上の処理（ＳＴ１０２〜ＳＴ１０９）が、終了指示があるまで（ＳＴ１１０でＹｅｓ）、繰り返される。このとき、ＳＴ１０９で取得した属性情報を含む推定情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t，Ｚ_t）が、次の時刻に関するＳＴ１０３以降の処理に用いられる。

次に、第１実施形態に係るＢＯＦ処理部５で行われる初期化処理（図５のＳＴ１０１）について説明する。図６は、初期化処理の概要を示す模式図である。

ＢＯＦ処理部５では、処理を開始した際に、まず、全てのセルの占有確率および速度分布を初期化する。本実施形態では、速度分布（各速度の確率）を一様分布に初期化する。具体的には、次式のように、各速度の確率を所定値（α）に設定する。
Ｐ（Ｖ_t-1｜Ｏ_t-1，Ｃ_t-1）＝α

また、占有確率を初期化する。具体的には、次式のように、占有確率を所定値（０．５）に設定する。
Ｐ（Ｏ_t-1｜Ｃ_t-1）＝０．５

次に、第１実施形態に係る予測部１１で行われる処理（図５のＳＴ１０３）について説明する。図７、図８、図９は、予測部１１で行われる処理の概要を示す模式図である。

予測部１１では、時刻ｔ−１における各セル（先行セル）の占有確率および速度分布（各速度の確率）に基づいて、時刻ｔにおける各セル（注目セル）の占有確率および速度分布を予測する。

このとき、先行セルから注目セルに到達可能な速度に関する情報を先行セルから注目セルに伝えて、注目セルの占有確率および速度分布を求める。具体的には、先行セルから注目セルに到達可能な速度の確率に先行セルの占有確率を乗算した値を、注目セルにおける該当する方向の速度の確率に設定する。また、先行セルにおいて速度に付与された属性（移動体の有無）を、注目セルにおける該当する方向の速度に付与する。また、注目セルにおける各速度の確率を加算して、注目セルの占有確率を求める。以下、図７、図８、図９に示す具体例について説明する。

図７に示すように、時刻ｔ−１における先行セルＣ１には、占有確率（０．８）および速度分布（各速度の確率）が設定されている。また、先行セルＣ１に移動体が存在するものと判定されて、先行セルＣ１の各速度には、「移動体あり」の属性が付与されている。

ここで、図中右上向きの速度により先行セルＣ１から注目セルＣａに到達できるため、右上向きの速度に関する情報を先行セルＣ１から注目セルＣａに伝える。このとき、先行セルＣ１の占有確率（０．８）と、該当する速度の確率（０．３）とを乗算して、注目セルＣａにおける該当する速度の確率（０．８×０．３＝０．２４）を求める。また、先行セルＣ１における右上向きの速度の属性（移動体あり）を、注目セルＣａにおける該当する速度に付与する。

また、図８に示すように、時刻ｔ−１における先行セルＣ２では、占有確率（０．２）および速度分布（各速度の確率）が設定されている。また、移動体が存在しないものと判定されて、先行セルＣ２の各速度には、「移動体なし」の属性が付与されている。

ここで、右向きの速度により先行セルＣ２から注目セルＣａに到達できるため、右向きの速度に関する情報を先行セルＣ２から注目セルＣａに伝える。このとき、先行セルＣ２の占有確率（０．２）と、該当する速度の確率（０．１）とを乗算して、注目セルＣａにおける該当する速度の確率（０．２×０．１＝０．０２）を求める。また、先行セルＣ２における右向きの速度の属性（移動体なし）を、注目セルＣａにおける該当する速度に付与する。

このようにして、各先行セルＣ１，Ｃ２...において注目セルＣａに到達可能な速度の情報を注目セルＣａに伝えることで、図９に示すように、注目セルＣａにおける各方向の速度に確率および属性を設定する。また、各速度の確率を加算することで、注目セルＣａの占有確率を求める。

なお、本実施形態では、速度に属性（移動体の有無）を付与するようにしたが、一般的なＢＯＦでは、速度に属性は付与されない。

次に、第１実施形態に係る予測部１１で行われる処理（図５のＳＴ１０３）の手順について説明する。図１０、図１１は、予測部１１で行われる処理の手順を示すフロー図である。

図１０に示すように、予測部１１では、まず、時刻ｔにおける注目セルＣ_t（ｎ₁）を選択する（ＳＴ２０１）。なお、ｎ₁は、セルの識別子（番号）である。次に、時刻ｔにおける占有状態Ｏ_t（ｎ₂）を選択する（ＳＴ２０２）。なお、ｎ₂は、占有状態（占有または非占有）の識別子（番号）である。次に、時刻ｔにおける速度Ｖ_t（ｎ₃）を選択する（ＳＴ２０３）。なお、ｎ₃は、速度の識別子（番号）である。

次に、選択した注目セルＣ_t（ｎ₁）、占有状態Ｏ_t（ｎ₂）、および速度Ｖ_t（ｎ₃）に応じた予測情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t）を取得する（ＳＴ２０４）。具体的には、ＢＯＦモデルの以下の項を演算する。

次に、ｎ₃が最大値（ＭＡＸ）であるか否かを判定する（ＳＴ２０５）。ここで、ｎ₃が最大値でない場合には（ＳＴ２０５でＮｏ）、ｎ₃を１増分して（ＳＴ２０７）、ＳＴ２０３に戻り、次の速度の処理を行う。

一方、ｎ₃が最大値である場合には（ＳＴ２０５でＹｅｓ）、ｎ₃を０に初期化する（ＳＴ２０６）。次に、ｎ₂が最大値（ＭＡＸ）であるか否かを判定する（ＳＴ２０８）。ここで、ｎ₂が最大値でない場合には（ＳＴ２０８でＮｏ）、ｎ₂を１増分して（ＳＴ２１０）、ＳＴ２０２に戻り、次の占有状態（占有または非占有）の処理を行う。

一方、ｎ₂が最大値である場合には（ＳＴ２０８でＹｅｓ）、ｎ₂を０に初期化する（ＳＴ２０９）。次に、ｎ₁が最大値（ＭＡＸ）であるか否かを判定する（ＳＴ２１１）。ここで、ｎ₁が最大値でない場合には（ＳＴ２１１でＮｏ）、ｎ₁を１増分して（ＳＴ２１３）、ＳＴ１０１に戻り、次のセルを注目セルに設定して処理を行う。

一方、ｎ₁が最大値である場合には（ＳＴ２１１でＹｅｓ）、ｎ₁を０に初期化する（ＳＴ２１２）。

ＳＴ２０４では、図１１に示すように、まず、時刻ｔ−１における対象となる先行セルＣ_t-1（ｎ₄）を、注目セルの周辺のセルの中から選択する（ＳＴ３０１）。なお、ｎ₁は、セルの識別子（番号）である。また、等速運動の場合には、注目セルに８方向で隣接するセルが先行セルとなる。次に、時刻ｔ−１における占有状態Ｏ_t-1（ｎ₅）を選択する（ＳＴ３０２）。なお、ｎ₅は、占有状態（占有または非占有）の識別子（番号）である。次に、時刻ｔ−１における速度Ｖ_t-1（ｎ₆）を選択する（ＳＴ３０３）。なお、ｎ₆は、速度の識別子（番号）である。

次に、選択した先行セルＣ_t-1（ｎ₄）、占有状態Ｏ_t-1（ｎ₅）、および速度Ｖ_t-1（ｎ₆）に応じたＢＯＦモデルの各項、すなわち、Ｐ（Ｃ_t-1）、Ｐ（Ｃ_t｜Ｖ_t，Ｃ_t-1）、Ｐ（Ｏ_t-1，Ｖ_t-1｜Ｃ_t-1）、Ｐ（Ｖ_t｜Ｖ_t-1，Ｏ_t）、およびＰ（Ｏ_t｜Ｏ_t-1）を演算する（ＳＴ３０４）。

次に、ｎ₆が最大値（ＭＡＸ）であるか否かを判定する（ＳＴ３０５）。ここで、ｎ₆が最大値でない場合には（ＳＴ３０５でＮｏ）、ｎ₆を１増分して（ＳＴ３０７）、ＳＴ３０３に戻り、次の速度の処理を行う。

一方、ｎ₆が最大値である場合には（ＳＴ３０５でＹｅｓ）、ｎ₆を０に初期化する（ＳＴ３０６）。次に、ｎ₅が最大値（ＭＡＸ）であるか否かを判定する（ＳＴ３０８）。ここで、ｎ₅が最大値でない場合には（ＳＴ３０８でＮｏ）、ｎ₅を１増分して（ＳＴ３１０）、ＳＴ３０２に戻り、次の占有状態（占有または非占有）の処理を行う。

一方、ｎ₅が最大値である場合には（ＳＴ３０８でＹｅｓ）、ｎ₅を０に初期化する（ＳＴ３０９）。次に、ｎ₄が最大値（ＭＡＸ）であるか否かを判定する（ＳＴ３１１）。ここで、ｎ₄が最大値でない場合には（ＳＴ３１１でＮｏ）、ｎ₄を１増分して（ＳＴ３１３）、ＳＴ３０１に戻り、次のセルを対象となる先行セルに設定して処理を行う。

一方、ｎ₄が最大値である場合には（ＳＴ３１１でＹｅｓ）、ｎ₄を０に初期化する（ＳＴ３１２）。

次に、ＳＴ３０４で取得したＢＯＦモデルの各項の積の総和を演算する（ＳＴ３１４）。

次に、第１実施形態に係る観測部１２で行われる処理について説明する。図１２は、センサモデルを示す模式図である。

観測部１２では、各センサの検出情報、すなわち、カメラ１の撮影画像およびミリ波レーダ２の測定データに基づいて、現在の移動体の位置を取得して、その移動体の位置に基づいて、時刻ｔにおける各セルの観測情報Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）を生成する。

本実施形態では、図１２に示す特性のセンサモデルを採用し、このセンサモデルに基づいて、各センサの観測結果として、セルが移動体に占有されている確率Ｐ（Ｚ_t,k｜Ｃ_t，Ｏ_t＝occ）と、セルが移動体に占有されていない確率Ｐ（Ｚ_t,k｜Ｃ_t，Ｏ_t＝emp）との比率（図４に示した投票値に相当し、以下、観測比率と呼称する。）を算出する。なお、このセンサモデルは、センサ（カメラ１およびミリ波レーダ２）ごとに設定される。

このセンサモデルでは、センサの検出情報から計測された移動体の位置を中心にした正規分布により、センサの観測結果が各セルに割り当てられ、次式のように、各セルの観測比率が算出される。

ここで、ｋは、センサの識別子（番号）である。

また、ＦＮ／ＴＮおよびＴＰ／ＦＰは、センサの誤差特性を表すものであり、初期値（定数）として与えられる。ＦＮ（False Negative）は、移動体が存在する状態で移動体を認識しない場合のスコアであり、ＴＮ（True Negative）は、移動体が存在しない状態で移動体を認識しない場合のスコアであり、ＴＰ（True Positive）は、移動体が存在する状態で移動体を認識した場合のスコアであり、ＦＰ（False Positive）は、移動体が存在しない状態で移動体を認識した場合のスコアである。

また、ηは、センサのＴＰ情報の信頼度を表すものであり、ηが大きいほどＴＰ情報の信頼度が高い。η×ＴＰ／ＦＰは、センサの検出情報から計測された移動体の中心位置にあるセルの観測比率Ｚとなる。

また、ｘは、セルの位置を表す。μは、センサの検出情報から計測された移動体の中心位置（計測値）である。σは、標準偏差である。

なお、図１２に示すセンサモデルは一例であり、このようなセンサモデルに限定されるものではなく、種々のセンサモデルを採用することができる。

また、環境に応じてセンサモデルを変更するようにしてもよい。例えば、オクルージョンが発生した場合には、本来は移動体を認識できないため、オクルージョンが発生したことを検知すると、移動体が存在することを表すスコアが小さくなるようなセンサモデルに変更するようにしてもよい。

このようにして、各センサの観測結果を取得すると、次に、各センサの観測結果を統合する（センサフュージョン）。このとき、各センサの観測結果である観測比率Ｚ_kを乗算して、統合された観測比率Ｚを取得する。特に本実施形態では、移動体を認識できなかったセンサがある場合には、次式のように、各センサの観測結果である観測比率Ｚ_kを乗算したものに、さらに速度成分比率νを乗算して、観測比率Ｚを取得する。
Ｚ＝ν×Ｚ₁×Ｚ₂

ここで、速度成分比率νは、属性が「移動体あり」となる速度の確率と、属性が「移動体なし」となる速度の確率との比率であり、次式のように定義される。
ν＝速度の確率（移動体あり）／速度の確率（移動体なし）
このとき、属性（移動体あり、移動体なし）が同一となる速度の方向が複数ある場合には、各方向の速度の確率を加算する。例えば、図９に示した例では、属性が「移動体なし」となる速度の方向が複数あり、速度成分比率νは、次式のようになる。
ν＝０．２４／（０．０５＋０．０２＋０．０３）＝２４
また、このように各方向の速度の確率を加算するため、速度成分比率νの算出式の分母、すなわち、属性が「移動体なし」となる速度の確率が０となることはない。

次に、第１実施形態に係る観測部１２で行われる処理について説明する。図１３は、観測部１２で行われる処理（図５のＳＴ１０４，ＳＴ１０５，ＳＴ１０６）の手順を示すフロー図である。

観測部１２では、図５に示したように、第１のセンサの観測結果を取得し（ＳＴ１０４）、また、第２のセンサの観測結果を取得して（ＳＴ１０５）、第１のセンサの観測結果と第２のセンサの観測結果とを統合して（センサフュージョン）、時刻ｔにおける観測情報Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）を生成する（ＳＴ１０６）。

第１のセンサの観測結果を取得する処理（図５のＳＴ１０４）では、図１３（Ａ）に示すように、まず、カメラ１（第１のセンサ）の撮影画像（検出情報）を取得する（ＳＴ４０１）。次に、カメラ１の撮影画像に対する物体認識により移動体を認識する（ＳＴ４０２）。次に、移動体の認識結果から、移動体の位置を、セル座標（車両座標系における座標）で取得する（ＳＴ４０３）。次に、移動体の位置に基づいて、第１のセンサに関する観測比率Ｚ₁（観測結果）を算出する（ＳＴ４０４）。

また、第２のセンサの観測結果を取得する処理（図５のＳＴ１０５）では、図１３（Ｂ）に示すように、まず、ミリ波レーダ２（第２のセンサ）の測定データ（検出情報）を取得する（ＳＴ４１１）。次に、ミリ波レーダ２の測定データに対する物体認識により移動体を認識する（ＳＴ４１２）。次に、移動体の認識結果から、移動体の位置を、セル座標（車両座標系における座標）で取得する（ＳＴ４１３）。次に、移動体の位置と、センサモデル（図１２参照）とに基づいて、第２のセンサに関する観測比率Ｚ₂（観測結果）を算出する（ＳＴ４１４）。

また、第１のセンサの観測結果と第２のセンサの観測結果とを統合する処理（図５のＳＴ１０６）では、図１３（Ｃ）に示すように、まず、各セルにおいて、移動体を認識できなかったセンサがあるか否かを判定する（ＳＴ４２１）。

ここで、移動体を認識できなかったセンサがある場合には（ＳＴ４２１でＹｅｓ）、予測部１１で取得した時刻ｔにおける注目セルの予測情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t）、特に予測された速度分布から、属性が「移動体あり」となる速度の確率と、属性が「移動体なし」となる速度の確率とを取得して、次式のように、属性が「移動体あり」となる速度の確率と、属性が「移動体なし」となる速度の確率との比率である速度成分比率νを算出する（ＳＴ４２２）。
ν＝速度の確率（移動体あり）／速度の確率（移動体なし）

次に、速度成分比率νと、各センサに関する観測比率Ｚ₁，Ｚ₂と、に基づいて、注目セルの観測比率Ｚを算出する（ＳＴ４２３）。具体的には、次式のように、速度成分比率νと、観測比率Ｚ₁と、観測比率Ｚ₂とを乗算して、観測比率Ｚを算出する。
Ｚ＝ν×Ｚ₁×Ｚ₂

一方、移動体を認識できなかったセンサがない、すなわち、全てのセンサで移動体を認識できた場合には（ＳＴ４２１でＮｏ）、各センサに関する観測比率Ｚ₁，Ｚ₂に基づいて、注目セルの観測比率Ｚを算出する（ＳＴ４２４）。具体的には、次式のように、観測比率Ｚ₁と観測比率Ｚ₂とを乗算して、注目セルの観測比率Ｚを算出する。
Ｚ＝Ｚ₁×Ｚ₂

なお、一般的なＢＯＦでは、移動体を認識できなかったセンサがあるか否かに関する判定（ＳＴ１０１）は行われず、各センサに関する観測比率Ｚ₁，Ｚ₂を乗算して、注目セルの観測比率Ｚを求める（Ｚ＝Ｚ₁×Ｚ₂）。

次に、第１実施形態に係る推定部１３で行われる処理（図５のＳＴ１０７）について説明する。図１４は、推定部１３で行われる処理の手順を示すフロー図である。

推定部１３では、予測部１１で取得した時刻ｔにおける注目セルの予測情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t）と、観測部１２で取得した時刻ｔにおける注目セルでの観測情報Ｐ（Ｚ_t｜Ｃ_t，Ｏ_t，Ｖ_t）とに基づいて、時刻ｔにおける注目セルの占有確率および速度分布を推定して、時刻ｔにおける注目セルの推定情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t，Ｚ_t）を取得する。

具体的には、まず、観測部１２の観測結果である観測比率Ｚを重みとして、予測された占有確率Ｐ（Ｏ_t｜Ｃ_t）に対して重みづけを行う（ＳＴ５０１）。具体的には、次式のように、観測比率Ｚ（重み）と、予測された占有確率Ｐ（Ｏ_t＝occ｜Ｃ_t）とを乗算して、重みづけされた占有確率Ｐ（Ｏ_t＝occ｜Ｃ_t）を算出する。
Ｐ（Ｏ_t＝occ｜Ｃ_t-1）＝Ｚ×Ｐ（Ｏ_t＝occ｜Ｃ_t-1）

次に、重みづけされた占有確率Ｐ（Ｏ_t｜Ｃ_t）に対して正規化を行う（ＳＴ５０２）。具体的には、次式のように、正規化された占有確率Ｐ（Ｏ_t＝occ｜Ｃ_t）および非占有確率Ｐ（Ｏ_t＝emp｜Ｃ_t）を求める。
Ｐ（Ｏ_t＝occ｜Ｃ_t）
＝Ｐ（Ｏ_t＝occ｜Ｃ_t）／（Ｐ（Ｏ_t＝occ｜Ｃ_t）＋Ｐ（Ｏ_t＝emp｜Ｃ_t））
Ｐ（Ｏ_t＝emp｜Ｃ_t）
＝Ｐ（Ｏ_t＝emp｜Ｃ_t）／（Ｐ（Ｏ_t＝occ｜Ｃ_t）＋Ｐ（Ｏ_t＝emp｜Ｃ_t））
この正規化により、占有確率Ｐ（Ｏ_t＝occ｜Ｃ_t）と非占有確率Ｐ（Ｏ_t＝emp｜Ｃ_t）との合計を１とすることができる。

次に、第１実施形態に係る判定部１４で行われる処理（図５のＳＴ１０８，ＳＴ１０９）について説明する。図１５は、判定部１４で行われる処理の概要を示す模式図である。

判定部１４では、推定部１３で取得した各セルの推定情報、特に注目セルの占有確率に基づいて、各セルに移動体が存在するか否かを判定する。また、判定部１４では、各セルに移動体が存在するか否かの判定結果に基づいて、各位置での移動体の存在状況に関する属性を、各セルの推定情報に付与する。特に本実施形態では、移動体の有無に関する属性を、速度分布の各速度に付与する。

具体的には、注目セルの占有確率が所定のしきい値（例えば０．５）以上である場合には、注目セルに移動体が存在するものとして、全ての速度に「移動体あり」の属性を付与する。一方、注目セルの占有確率がしきい値未満である場合には、注目セルに移動体が存在しないものとして、全ての速度に「移動体なし」の属性を付与する。

図１５に示す例では、セルＣ１において、占有確率（０．８）がしきい値（０．５）以上であるため、速度分布の全ての速度に「移動体あり」の属性を付与する。一方、セルＣ２では、占有確率（０．２）がしきい値（０．５）未満であるため、全ての速度に「移動体なし」の属性を付与する。

（第２実施形態）
次に、第２実施形態について説明する。なお、ここで特に言及しない点は前記の実施形態と同様である。

まず、オクルージョンが発生した場合の精度低下について説明する。図１６は、オクルージョンが発生した場合の精度低下を説明する模式図である。

カメラ１の撮影画像に対する画像認識により移動体の属性を判定する。このとき、人物などの移動体が遮蔽物の影に隠れるオクルージョンが発生すると、移動体の種類の判定が難しくなり、移動体の種類を誤判定する場合がある。

図１６に示す例では、時刻ｔ−１におけるセルＣ１では、移動体が遮蔽物の影に隠れるオクルージョンが発生していないため、実際に存在する人物に関する認識スコア（認識結果の確からしさを表す評価値）が大きくなり（０．８）、実際に存在しない車両に関する認識スコア（０．１）は小さくなるため、移動体を人物と正しく認識される。

一方、時刻ｔにおけるセルＣ２では、移動体が遮蔽物の影に隠れるオクルージョンが発生しているため、カメラ１の撮影画像に基づく物体認識で、移動体を認識し難くなり、人物に関する認識スコア（０．３）が小さくなる。このとき、人物に関する認識スコアが車両に関する認識スコア（０．５）より小さくなると、車両と誤認識される。

そこで、本実施形態では、以下に説明するように、センサの検出情報に基づく物体認識の認識結果を補正して、オクルージョンが発生した場合に移動体の認識精度が低下することを改善する。

次に、第２実施形態に係るＢＯＦ処理部５で行われる処理について説明する。図１７は、ＢＯＦ処理部５で行われる処理の概要を示す模式図である。

本実施形態では、判定部１４において、各セルに移動体が存在するか否かを判定し、その判定結果と、観測部１２での移動体の種類に関する認識結果とに基づいて、各セルでの移動体の有無および種類に関する属性を、各セルの推定情報、特に速度分布の各速度に付与する。

すなわち、人物が存在すると判定されたセルでは、各速度に「人物あり」の属性を付与する。また、車両が存在すると判定されたセルでは、各速度に「車両あり」の属性を付与する。また、移動体が存在しないと判定されたセルでは、各速度に「移動体なし」の属性を付与する。

予測部１１では、時刻ｔ−１における先行セルから時刻ｔにおける注目セルに到達可能な速度の確率および属性（人物あり、車両あり、移動体なし）を注目セルに伝える。すなわち、先行セルから注目セルに到達可能な速度の確率に先行セルの占有確率を乗算した値を、注目セルにおける該当する方向の速度の確率に設定する。また、先行セルにおいて速度に付与された属性を、注目セルにおける該当する方向の速度に付与する。

観測部１２では、物体認識により移動体の種類ごとの認識スコアを取得して、その種類ごとの認識スコアを、予測情報において移動体の種類が一致する属性が付与された速度の確率に基づいて補正して、補正された種類ごとの認識スコアに基づいて、移動体の種類を判定する。具体的には、人物に関する認識スコアに、属性が「人物あり」となる速度の確率を乗算して、人物に関する認識スコアを補正する。また、車両に関する認識スコアに、属性が「車両あり」となる速度の確率を乗算して、車両に関する認識スコアを補正する。そして、補正された人物に関する認識スコアと車両に関する認識スコアとを比較して、移動体の種類を判定する。

図１７に示す例では、時刻ｔ−１における先行セルＣ１から時刻ｔにおける注目セルＣａに、図中右向きの速度で到達できる。また、時刻Ｔ−１における先行セルＣ２から時刻ｔにおける注目セルＣａに、図中右上向きの速度で到達できる。また、先行セルＣ１では、人物が存在すると判定されたため、「人物あり」の属性が速度に付与されている。また、先行セルＣ２では車両が存在すると判定されたため、「車両あり」の属性が速度に付与されている。

この場合、先行セルＣ１の右向きの速度の確率（１．０）と、右向きの速度に付与された属性（人物あり）と、占有確率（０．８）とが、先行セルＣ１から注目セルＣａに伝えられる。また、先行セルＣ２の右上向きの速度の確率（０．２）と、右上向きの速度に付与された属性（車両あり）と、占有確率（０．８）とが、先行セルＣ２から注目セルＣａに伝えられる。

ここで、本実施形態では、先行セルＣ１から注目セルＣａに伝えられる右向きの速度に付与された属性が「人物あり」であるため、速度の確率（１．０）と、占有確率（０．８）とを乗算した値（１．０×０．８＝０．８）を、注目セルＣａにおける該当する方向の速度の確率に設定するとともに、その速度に「人物あり」の属性を付与する。

また、先行セルＣ２から注目セルＣａに伝えられる右上向きの速度に付与された属性が「車両あり」であるため、速度の確率（０．２）と、占有確率（０．８）とを乗算した値（０．２×０．８＝０．１６）を、注目セルＣａにおける該当する方向の速度の確率に設定するとともに、その速度に「車両あり」の属性を付与する。

一方、時刻ｔにおける注目セルＣａでは、移動体が遮蔽物の影に隠れるオクルージョンが発生しているため、カメラ１の撮影画像に基づく物体認識で、移動体を認識し難くなり、人物に関する認識スコア（０．３）が車両に関する認識スコア（０．５）より小さくなる。

ここで、本実施形態では、人物に関する認識スコア（０．３）に、属性が「人物あり」となる速度の確率（０．８）を乗算して、人物に関する認識スコアを補正する（０．３×０．８＝０．２４）。また、車両に関する認識スコア（０．５）に、属性が「車両あり」となる速度の確率（０．１６）を乗算して、車両に関する認識スコアを補正する（０．５×０．１６＝０．０８）。

このような補正により、人物に関する認識スコア（０．２４）が車両に関する認識スコア（０．０８）より大きくなり、人物と正しく判定される。

次に、第２実施形態に係る予測部１１で行われる処理（図５のＳＴ１０３）について説明する。図１８、図１９、図２０は、予測部１１で行われる処理の概要を示す模式図である。

予測部１１では、時刻ｔ−１における各セル（先行セル）の占有確率および速度分布（各速度の確率）に基づいて、時刻ｔにおける各セル（注目セル）の占有確率および速度分布を予測する。特に、本実施形態では、速度に属性（人物あり、車両あり、移動体なし）が付与され、この属性を各速度の確率と共に、先行セルから注目セルに伝える。以下、図１８、図１９、図２０に示す具体例について説明する。

図１８に示すように、時刻ｔ−１における先行セルＣ１には、占有確率（０．８）および速度分布（各速度の確率）が設定されている。また、先行セルＣ１に人物が存在するものと判定されて、先行セルＣ１の各速度には、「人物あり」の属性が付与されている。

ここで、図中右上向きの速度により先行セルＣ１から注目セルＣａに到達できるため、右上向きの速度に関する情報を先行セルＣ１から注目セルＣａに伝える。このとき、先行セルＣ１の占有確率（０．８）と、該当する速度の確率（０．３）とを乗算して、注目セルＣａにおける該当する速度の確率（０．８×０．３＝０．２４）を求める。また、先行セルＣ１における右上向きの速度の属性（人物あり）を、注目セルＣａにおける該当する速度に付与する。

また、図１９に示すように、時刻ｔ−１における先行セルＣ２では、占有確率（０．８）および速度分布（各速度の確率）が設定されている。また、車両が存在するものと判定されて、先行セルＣ２の各速度には、「車両あり」の属性が付与されている。

ここで、右向きの速度により先行セルＣ２から注目セルＣａに到達できるため、右向きの速度に関する情報を先行セルＣ２から注目セルＣａに伝える。このとき、先行セルＣ２の占有確率（０．８）と、該当する速度の確率（０．１）とを乗算して、注目セルＣａにおける該当する速度の確率（０．８×０．１＝０．０８）を求める。また、先行セルＣ２における右向きの速度の属性（車両あり）を、注目セルＣａにおける該当する速度に付与する。

このようにして、各先行セルＣ１，Ｃ２...において注目セルＣａに到達可能な速度の情報を注目セルＣａに伝えることで、図２０に示すように、注目セルＣａにおける各方向の速度に確率および属性を設定する。また、各速度の確率を加算することで、注目セルＣａの占有確率を求める。

次に、第２実施形態に係る観測部１２で行われる処理（図５のＳＴ１０４，ＳＴ１０５，ＳＴ１０６）について説明する。図２１は、観測部１２で行われる処理の手順を示すフロー図である。なお、第２実施形態に係るＢＯＦ処理部５における全体的な処理の手順は、第１実施形態（図５参照）と同様である。

第１のセンサの観測結果を取得する処理（図５のＳＴ１０４）では、図２１（Ａ）に示すように、まず、カメラ１（第１のセンサ）の撮影画像（検出情報）を取得する（ＳＴ４０１）。次に、カメラ１の撮影画像に対する物体認識により移動体を認識する（ＳＴ４０２）。次に、移動体の認識結果から、移動体の位置を、セル座標（車両座標系における座標）で取得する（ＳＴ４０３）。次に、カメラ１の撮影画像に対する物体認識において、同じ位置で複数の種類の移動体を認識した場合に、その位置に存在する移動体の種類を１つに決定する（ＳＴ４０５）。次に、移動体の位置に基づいて、第１のセンサに関する観測比率Ｚ₁（観測結果）を算出する（ＳＴ４０４）。

ＳＴ４０５では、まず、図２１（Ｂ）に示すように、まず、予測部１１で取得した時刻ｔにおける注目セルの予測情報Ｐ（Ｏ_t，Ｖ_t｜Ｃ_t）、特に、予測された速度分布から、属性ごとの速度の確率を取得する（ＳＴ４３１）。次に、属性ごとの速度の確率と、物体認識で取得した移動体ごとの認識スコア（認識結果の確からしさを表す値）とに基づいて、移動体ごとの認識スコアを補正する（ＳＴ４３２）。具体的には、移動体ごとの認識スコアに、その認識した移動体の種類と一致する属性が付与された速度の確率を乗算して、移動体ごとの認識スコアを補正する。次に、移動体ごとの認識スコアを比較して、移動体の種類を決定する（ＳＴ４３３）。

また、第２のセンサの観測結果を取得する処理（図５のＳＴ１０５）では、図２１（Ｃ）に示すように、まず、ミリ波レーダ２（第２のセンサ）の測定データ（検出情報）を取得する（ＳＴ４１１）。次に、ミリ波レーダ２の測定データに対する物体認識により移動体を認識する（ＳＴ４１２）。次に、移動体の認識結果から、移動体の位置を、セル座標（車両座標系における座標）で取得する（ＳＴ４１３）。次に、移動体の位置と、センサモデル（図１２参照）とに基づいて、第２のセンサに関する観測比率Ｚ₂（観測結果）を算出する（ＳＴ４１４）。

また、第１のセンサの観測結果と第２のセンサの観測結果とを統合する処理（図５のＳＴ１０６）では、図２１（Ｄ）に示すように、各センサに関する観測比率Ｚ₁，Ｚ₂に基づいて、注目セルの観測比率Ｚを算出する（ＳＴ４２４）。具体的には、次式のように、観測比率Ｚ₁と観測比率Ｚ₂とを乗算して、注目セルの観測比率Ｚを算出する。
Ｚ＝Ｚ₁×Ｚ₂

次に、第２実施形態に係る判定部１４で行われる処理（図５のＳＴ１０８，ＳＴ１０９）について説明する。図２２は、判定部１４で行われる処理の概要を示す模式図である。

判定部１４では、推定部１３で取得した各セルの占有確率に基づいて、各セルに移動体が存在するか否かを判定して、その判定結果と、観測部１２で取得した移動体の種類とに基づいて、移動体の有無および種類に関する属性を、各セルの各速度に付与する。

具体的には、注目セルの占有確率が所定のしきい値（例えば０．５）以上である場合には、注目セルに移動体が存在するものと判定して、観測部１２で取得した移動体の種類に応じて、全ての速度に「人物あり」または「車両あり」の属性を付与する。また、注目セルの占有確率がしきい値未満である場合には、注目セルに移動体が存在しないものと判定して、全ての速度に「移動体なし」の属性を付与する。

図２２に示す例では、セルＣ１において、カメラ１の撮影画像による物体認識により「人物」との認識結果が得られ、また、占有確率（０．８）がしきい値（０．５）以上であるため、速度分布の全ての速度に「人物あり」の属性を付与する。一方、セルＣ２では、カメラ１の撮影画像による物体認識により「車両」との認識結果が得られ、また、占有確率（０．８）がしきい値（０．５）以上であるため、全ての速度に「車両あり」の属性を付与する。

以上で具体的実施形態の説明を終えるが、本発明は上記実施形態に限定されることなく幅広く変形実施することができる。例えば、上記実施形態では、一例として、カメラ１およびミリ波レーダ２の２つのセンサを設けたが、このセンサは移動体を検出可能なものであれば特に限定されるものではなく、その他のセンサとして、例えばＬＩＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）を設けるようにしてもよい。また、本実施形態では、検出特性が異なる複数のセンサを設ければよく、検出原理が同一でも検出特性が異なるように設定されたセンサを複数設けるようにしてもよい。

また、上記実施形態では、各位置における移動体の存在状況を、ＢＯＦを用いて解析するようにしたが、解析のアルゴリズムはＢＯＦに限定されるものではなく、各位置における各時刻の占有確率および速度分布を取得できるものであればよい。

１カメラ（第１のセンサ）
２ミリ波レーダ（第２のセンサ）
３ＥＣＵ（移動体検知装置）
５ＢＯＦ処理部
１１予測部
１２観測部
１３推定部
１４判定部

Claims

センサの検出情報に基づいて、対象エリアに存在する移動体を検知する移動体検知装置であって、
直前の各位置における移動体の占有確率および速度分布を表す推定情報に基づいて、現時点の各位置における移動体の占有確率および速度分布を表す予測情報を生成する予測部と、
前記センサの検出情報に基づいて、現時点の各位置における移動体の存在状況および移動状況に関する観測情報を生成する観測部と、
前記予測情報および前記観測情報に基づいて、現時点の各位置における移動体の占有確率および速度分布を表す推定情報を生成する推定部と、
現時点の前記推定情報に基づいて、各位置に移動体が存在するか否かを判定する判定部と、
を備え、
前記判定部は、各位置に移動体が存在するか否かの判定結果に基づいて、各位置での移動体の存在状況に関する属性を、各位置での前記推定情報に付与し、
前記予測部は、前回の前記推定情報に含まれる属性に基づいて、前記予測情報に属性を付与し、
前記観測部は、前記予測情報に含まれる属性に基づいて、前記観測情報を補正することを特徴とする移動体検知装置。
前記判定部は、各位置に移動体が存在するか否かの判定結果に基づいて、移動体の有無に関する属性を、前記推定情報における速度分布の各速度に付与し、
前記観測部は、検出特性が異なる複数の前記センサの一部で移動体を認識できない場合に、前記予測情報において移動体が存在するとの属性が付与された速度の確率に基づいて、前記観測情報を補正することを特徴とする請求項１に記載の移動体検知装置。
複数の前記センサは、カメラおよびミリ波レーダであることを特徴とする請求項２に記載の移動体検知装置。
前記判定部は、前記観測部で取得した移動体の種類と、各位置に移動体が存在するか否かの判定結果とに基づいて、各位置での移動体の有無および種類に関する属性を、前記推定情報における速度分布の各速度に付与し、
前記観測部は、物体認識により移動体の種類ごとの認識スコアを取得して、その種類ごとの認識スコアを、前記予測情報において移動体の種類が一致する属性が付与された速度の確率に基づいて補正して、補正された種類ごとの認識スコアに基づいて、移動体の種類を判定することを特徴とする請求項１に記載の移動体検知装置。
前記予測部、前記観測部、前記推定部および判定部は、前記対象エリアに設定された占有格子地図上の各セルにおける移動体の占有確率および速度分布を取得するベイジアン占有フィルタを構成することを特徴とする請求項１から請求項４のいずれかに記載の移動体検知装置。