JP2020198006A - 物体認識装置および物体認識方法 - Google Patents

Abstract

【課題】クラスタリング処理の処理負荷の増加および応答性の低下を抑制する。【解決手段】物体認識装置１０は、物体認識装置の周囲に存在する物体ＯＢ１、ＯＢ２の点群を取得する点群取得部２２と、取得された点群のうち各点間の距離が予め定められた距離閾値以下である点群を統合して、複数のクラスタＣ１、Ｃｎ−１、Ｃｎ、Ｃｘ、Ｃｙ、Ｃｚを作成するクラスタ作成部２３と、各クラスタを構成する構成点の特徴量を算出し、算出された特徴量が近似するクラスタ同士を結合するクラスタ結合部２４と、を備える。【選択図】図２

Description

本開示は、物体を認識する技術に関する。

特許文献１には、クラスタを作成する際の閾値を動的に変化させてクラスタの候補を複数作成し、作成されたクラスタの候補と、過去に作成されたクラスタとを比較して、形状が最も近い組合せとなるクラスタを一つの物体として認識する技術が開示されている。

特開２０１３−２２８２５９号公報

しかしながら、特許文献１に記載の技術は、閾値を動的に変化させて多数回クラスタを作成するので、処理負荷が増加するおそれがある。また、過去に作成されたクラスタの履歴が必要なので、履歴を得るまでに時間を要し、応答性が低下するおそれがある。

本開示は、以下の形態として実現することが可能である。

本開示の一実施形態によれば、物体認識装置（１０）が提供される。この物体認識装置は、前記物体認識装置の周囲に存在する物体（ＯＢ１、ＯＢ２）の点群を取得する点群取得部（２２）と、取得された前記点群のうち各点間の距離が予め定められた距離閾値以下である点群を統合して、複数のクラスタ（Ｃ_１、Ｃ_ｎ−１、Ｃ_ｎ、Ｃ_ｘ、Ｃ_ｙ、Ｃ_ｚ）を作成するクラスタ作成部（２３）と、各前記クラスタを構成する構成点の特徴量を算出し、算出された特徴量が近似するクラスタ同士を結合するクラスタ結合部（２４）と、を備える。

この形態の物体認識装置によれば、周囲に存在する物体の点群を取得し、取得された点群のうち各点間の距離が予め定められた距離閾値以下である点群を統合して、複数のクラスタを作成し、各クラスタを構成する構成点の特徴量を算出し、算出された特徴量が近似するクラスタ同士を結合するので、複数のクラスタを多数回作成する構成に比べて、処理負荷を低減できる。また、過去に作成されたクラスタの履歴を要しないので、応答性の低下を抑制できる。

本開示は、種々の形態で実現することも可能である。例えば、測距装置、測距方法、物体認識方法、これらの装置や方法を実現するためのコンピュータプログラム、かかるコンピュータプログラムを記憶した記憶媒体等の形態で実現することができる。

本開示の一実施形態としての物体認識装置を搭載した車両と照射光の照射範囲を示す説明図である。 物体認識装置の概略構成を示すブロック図である。 物体認識処理が実行される場面の一例を模式的に示す説明図である。 物体認識処理の処理手順を示すフローチャートである。 クラスタ作成処理の概要を説明するための説明図である。 クラスタ作成処理の処理手順を示すフローチャートである。 距離閾値を説明するための説明図である。 作成されたクラスタの一例を模式的に示す説明図である。 クラスタ結合処理の処理手順を示すフローチャートである。 クラスタ結合処理の処理手順を示すフローチャートである。 基準主軸および仮結合主軸の一例を模式的に示す説明図である。 基準主軸および仮結合主軸の他の例を模式的に示す説明図である。 第３基準主軸と第３仮結合主軸との間の角度を模式的に示す説明図である。 第２実施形態におけるクラスタ結合処理の処理手順を示すフローチャートである。 第２実施形態におけるクラスタ結合処理の処理手順を示すフローチャートである。 第３実施形態におけるクラスタ結合処理の処理手順を示すフローチャートである。 第３実施形態におけるクラスタ結合処理の処理手順を示すフローチャートである。

Ａ．第１実施形態：
Ａ１．装置構成：
図１に示すように本実施形態の物体認識装置１０は、車両１００に搭載され、車両１００の前方の周囲に存在する物体、例えば、他の車両や歩行者や建物等までの距離を測定し、測定された距離に基づいて物体を認識する。本実施形態では、物体認識装置１０は、ＬｉＤＡＲ（Light Detection And Ranging）により構成されている。物体認識装置１０は、照射光Ｌｚを照射して、物体からの反射光を受光する。図１では、照射光Ｌｚの射出中心位置を原点とし、車両１００の前後方向をＹ軸とし、原点を通り車両１００の幅方向をＸ軸とし、原点を通り鉛直方向をＺ軸として表している。なお、車両１００の前方を＋Ｙ方向、車両１００の後方を−Ｙ方向とし、車両１００の右方向を＋Ｘ方向、車両１００の左方向を−Ｘ方向とし、鉛直上方を＋Ｚ方向、鉛直下方を−Ｚ方向とする。照射光Ｌｚは、Ｘ−Ｙ平面と平行な方向の一次元走査により照射される。図１の実線の太い矢印で示すように、照射光Ｌｚは、車両１００の前方方向に向かって左から右側に走査しながら、細い実線の各マス目に照射される。照射光Ｌｚは、物体認識装置１０の分解能θ１に応じた角度で照射される。分解能θ１とは、レーザの照射軸がＹ−Ｚ平面においてＹ軸となす角度を意味する。

物体認識装置１０は、照射光Ｌｚを照射してから反射光を受光するまでの時間、すなわち、光の飛行時間ＴＯＦ（Time of Flight）を特定し、飛行時間ＴＯＦを物体までの距離として算出することによって、物体を測距点群として検出する。測距点とは、物体認識装置１０が測距可能な範囲において、反射光によって特定される物体の少なくとも一部が存在し得る位置を示す点を意味し、例えば、物体の代表点に相当する。また、測距点群とは、所定期間における測距点の集合を意味し、物体の測距点の３次元座標により表される。物体認識装置１０は、検出された測距点群に対してクラスタリングを行って、測距点群を複数のクラスタに分類することにより、物体を認識する。

図２に示すように、物体認識装置１０は、ＣＰＵ２０と、メモリ３０と、入出力インターフェース１１とを備える。ＣＰＵ２０、メモリ３０、および入出力インターフェース１１は、バス１５を介して双方向に通信可能に接続されている。メモリ３０は、ＲＯＭ、ＲＡＭ、およびＥＥＰＲＯＭを含む。入出力インターフェース１１には、発光制御部４１および受光制御部５１がそれぞれ制御信号線を介して接続されている。発光制御部４１に対しては発光制御信号が送信され、受光制御部５１からは受光制御信号が受信される。

発光制御部４１は、入出力インターフェース１１を介して制御部２１から入力される発光制御信号に応じたタイミングで照射光Ｌｚを照射するよう発光素子４２を駆動する。発光素子４２は、例えば、赤外レーザダイオードであり、照射光Ｌｚとして赤外レーザ光を出射する。発光素子４２は１つでもよく複数であってもよく、発光素子４２がＺ軸方向に複数設けられている場合は、例えば、Ｚ軸方向への走査を省略できる。

受光制御部５１は、受光素子５２に入射された入射光量または入射光強度を受光制御信号として出力する。受光素子５２は、平板状の光センサに複数の画素が縦横方向に配列された構成を有し、例えば、ＳＰＡＤ（Single Photon Avalanche Diode）、その他のフォトダイオードにより構成される。受光制御部５１は、受光素子５２に入射された入射光量または入射光強度に応じて発生する電流を電圧に変換し、例えば、輝度値や明度を示す画素値を受光制御信号として制御部２１へ出力する。

ＣＰＵ２０は、メモリ３０に記憶されたプログラムを展開して実行することにより、制御部２１と、点群取得部２２と、クラスタ作成部２３と、クラスタ結合部２４と、物体認識部２５として機能する。

制御部２１は、物体認識装置１０全体の動作を制御する。本実施形態では、制御部２１は、後述の物体認識処理を実行する。

点群取得部２２は、入出力インターフェース１１を介して受光制御部５１から入力される受光制御信号を用いて、測距点群を取得する。具体的には、点群取得部２２は、受光制御信号により示される画素値から測距点の位置を検出することにより、測距点群を取得する。測距点群は、３次元座標として取得される。なお、測距点群は、３次元座標に代えて、２次元座標で表されてもよい。また、点群取得部２２は、物体認識装置１０とは異なる外部装置を介して測距点群を取得してもよい。

クラスタ作成部２３は、取得された測距点群に対してクラスタリングを行うことにより、互いに近接する複数の測距点を統合して１つのグループ（クラスタ）を作成する。具体的には、クラスタ作成部２３は、取得された測距点群について、３次元空間における各測距点間の距離を求め、かかる距離が予め定められた距離閾値以下である測距点（群）、すなわち、近い位置にある測距点同士をまとめて同一のクラスタに集約することにより、測距点群を複数のクラスタに分類する。なお、距離閾値は、予め実験等により算出されて、メモリ３０に格納されている。

クラスタ結合部２４は、クラスタを構成する構成点、すなわち、クラスタに含まれる測距点群の分布を示す特徴量に基づき、クラスタを結合する。本実施形態では、特徴量として、構成点の各座標値に対して主成分分析を行うことによって得られる主成分軸における分散値を用いる。具体的には、クラスタ結合部２４は、一のクラスタにおいて、構成点の位置を示す座標値を主成分分析して３つの主成分軸を求め、各主成分軸における分散値を算出する。また、クラスタ結合部２４は、当該一のクラスタと、他の一のクラスタとを仮に結合させた場合に得られるクラスタ（後述の仮結合クラスタ）において、同様に、各主成分軸における分散値を算出する。そして、クラスタ結合部２４は、一のクラスタにおける各分散値と、仮結合クラスタにおける各分散値との変化量が所定の閾値以下である場合、両クラスタの特徴量が近似しているとして、これら２つのクラスタを結合して１つのクラスタにまとめる。なお、主成分分析は、図１に示すＸＹ平面の２次元解析により行われてもよい。

物体認識部２５は、結合後のクラスタを用いて、物体を認識する。

Ａ２．物体認識処理：
本実施形態では、図３に示す走行シーンにおいて物体認識処理が実行されているとして、物体認識処理の処理手順を説明する。図３に示すように、車両１００は、道路Ｌｎを前方方向ＦＤに走行している。道路Ｌｎには、道路Ｌｎと平行な壁ＯＢ１が設置された歩道ＲＳが設けられており、壁ＯＢ１沿いに歩行者ＯＢ２が前方方向ＦＤに歩いている。物体認識装置１０では、後述の物体認識処理が実行されており、車両１００の前方方向ＦＤに存在する壁ＯＢ１や、歩行者ＯＢ２等の物体が認識され得る。

図４に示す物体認識処理は、車両１００全体を制御する上位のＥＣＵからイグニッションスイッチがオフからオンに切り替わったことを示す信号が物体認識装置１０に入力されると、開始される。物体認識処理は、イグニッションスイッチがオンからオフに切り替えられるまでの間、繰り返し実行される。点群取得部２２は、測距点群を取得する（ステップＳ１０５）。クラスタ作成部２３は、取得された測距点群に対してクラスタリングを行って、クラスタを作成する（ステップＳ１１０）。クラスタ結合部２４は、作成された各クラスタの特徴量にしたがってクラスタの結合可否を判定し、クラスタを結合する（ステップＳ１１５）。物体認識部２５は、結合後のクラスタに基づき物体を認識する（ステップＳ１２０）。ステップＳ１２０の実行後、物体認識処理は終了し、所定のインターバルが経過した後、ステップＳ１０５が実行される。なお、所定のインターバルは、例えば、１００ミリ秒から２００ミリ秒の範囲の任意の時間としてもよい。

このような物体認識処理を実現するために、クラスタ作成部２３により実行されるクラスタ作成処理、およびクラスタ結合部２４により実行されるクラスタ結合処理の具体的な処理内容を順次説明する。

Ａ３．クラスタ作成処理：
図５を用いて、クラスタ作成処理の概要を説明する。図５には、点群取得部２２により取得された測距点群の一部の測距点Ｐ１〜Ｐ７を模式的に示している。クラスタ作成処理では、或る測距点を基準とし、当該測距点と他の各測距点との距離をそれぞれ算出し、距離が近い場合に当該測距点と他の測距点とを一つのグループ（クラスタ）にまとめる。

図５に示す例において、まず、点Ｐ_１を基準点とし、点Ｐ_１と、各点Ｐ_２、点Ｐ_３、点Ｐ_４、点Ｐ_５、点Ｐ_６、点Ｐ_７および点Ｐ_８との距離ｒ_１、距離ｒ_２、距離ｒ_３、距離ｒ_４、距離ｒ_５、距離ｒ_６および距離ｒ_７がそれぞれ算出される。次に、算出された距離ｒ_１、距離ｒ_２、距離ｒ_３、距離ｒ_４、距離ｒ_５、距離ｒ_６および距離ｒ_７が距離閾値以下となる点同士が一つのクラスタとして作成される。図５に示す例では、破線で囲んで示すように、点Ｐ_１と点Ｐ_２と点Ｐ_８とが同じクラスタに属するようにクラスタが作成される。これに対して、点Ｐ_１との距離が距離閾値以上である点は、それぞれ別のクラスタに属するようにクラスタが作成される。図５に示す例では、二点鎖線で囲んで示すように、点Ｐ_３、点Ｐ_４、点Ｐ_５、点Ｐ_６および点Ｐ_７は、点Ｐ_１、点Ｐ_２および点Ｐ_８が属するクラスタとは別のクラスタに属するようにクラスタが作成される。クラスタの作成処理では、取得された全ての測距点が順次基準点とされる。例えば、点Ｐ_２が基準点となる場合には、点Ｐ_２と、点Ｐ_３、点Ｐ_４、点Ｐ_５、点Ｐ_６、点Ｐ_７および点Ｐ_８との距離がそれぞれ算出され、算出された距離に基づいてクラスタの作成が行なわれる。以下、クラスタ作成処理の詳細な処理手順を説明する。

図６に示すように、クラスタ作成部２３は、現在の処理対象の測距点を示すインデックス値ｉおよびｊに「１」を設定する（ステップＳ２０５、Ｓ２１０）。なお、以降の説明では、処理対象の測距点を点Ｐ_ｉ、点Ｐ_ｊと呼ぶ。クラスタ作成部２３は、点Ｐ_ｉと点Ｐ_ｊとが異なる測距点であるか否かを判定する（ステップＳ２１５）。

点Ｐ_ｉと点Ｐ_ｊとが異なる測距点であると判定された場合（ステップＳ２１５：ＹＥＳ）、クラスタ作成部２３は、点Ｐ_ｉと点Ｐ_ｊとの間の距離を算出し（ステップＳ２２０）、算出された２点間の距離が予め定められた距離閾値以下であるか否かを判定する（ステップＳ２２５）。具体的には、図７に示すように、点Ｐ_ｉの３次元座標値（Ｘ座標値、Ｙ座標値、Ｚ座標値）がＸ１、Ｙ１およびＺ１であり、点Ｐ_ｊの３次元座標値（Ｘ座標値、Ｙ座標値、Ｚ座標値）がＸ２、Ｙ２およびＺ２であるとして説明する。なお、図７に示す角度θ１は、物体認識装置１０の分解能である。

クラスタ結合部２４は、各座標値の差を算出する。具体的には、クラスタ結合部２４は、各ＸＹＺ座標値から２点間の距離を算出し、算出された各距離がいずれも予め定められた閾値Ｔｈ１以下であるか否かを判定する。本実施形態において、「予め定められた距離閾値Ｔｈ１」は、物体認識装置１０から点Ｐ_ｉまでの距離Ｄｓ１と、物体認識装置１０から点Ｐ_ｊまでの距離Ｄｓ２とのうち、より大きな距離（図７に示す例では距離Ｄｓ２）と、分解能θ１とを乗じた値の２倍の値に設定されている。なお、距離閾値は、距離Ｄｓ１と距離Ｄｓ２とのうちのより大きな距離と分解能θ１とを乗じた値としてもよい。また、距離Ｄｓ１と距離Ｄｓ２とのうちのより大きな距離に乗じる値として、雨や霧などの天候、外乱光の強さ等の車両１００の周囲の環境に応じた任意の値を採用してもよい。また、車両１００の周囲の環境によって点群の取得精度が低下している場合には、距離閾値を通常時に比べて大きく設定してもよい。なお、上述のステップＳ２２０において、２点間の距離は、図１に示すＸＹ平面の２次元座標値（Ｘ座標値、Ｙ座標値）を用いて算出されてもよい。

点Ｐ_ｉおよび点Ｐ_ｊ間の距離が距離閾値Ｔｈ１以下であると判定された場合（ステップＳ２２５：ＹＥＳ）、クラスタ作成部２３は、点Ｐ_ｉがクラスタに属するか否かを判定する（ステップＳ２３０）。具体的には、クラスタ作成部２３は、既に作成済みのクラスタが存在する場合には、作成済みのクラスタを順に探索し、点Ｐ_ｉが含まれるクラスタの有無を判定する。なお、クラスタ作成処理が初回に実行される場合を除いては、ステップＳ２３０の実行時に少なくとも１つのクラスタが作成されている。

点Ｐ_ｉがクラスタに属さないと判定された場合（ステップＳ２３０：ＮＯ）、クラスタ作成部２３は、クラスタを新たに作成し（ステップＳ２３５）、作成されたクラスタに点Ｐ_ｉおよび点Ｐ_ｊを追加する（ステップＳ２４０）。これに対して、点Ｐ_ｉがクラスタに属すると判定された場合（ステップＳ２３０：ＹＥＳ）、クラスタ作成部２３は、点Ｐ_ｉが属するクラスタに点Ｐ_ｊを追加する（ステップＳ２４５）。このとき、点Ｐ_ｉが属するクラスタに点Ｐ_ｊを追加することによってクラスタの大きさが予め定められた大きさよりも大きくなる場合には、クラスタ作成部２３は、クラスタを新たに作成し、作成されたクラスタに点Ｐ_ｊを追加してもよい。「予め定められた大きさ」とは、トラック等の大きな物体と認識され得る物体よりも大きな大きさを意味し、例えば、クラスタの一辺の長さが１０メートル以上の大きさとしてもよい。

上述のステップＳ２４０の実行後、または、上述のステップＳ２４５の実行後、または、上述のステップＳ２２５において点Ｐ_ｉおよび点Ｐ_ｊ間の距離が距離閾値Ｔｈ１以下でないと判定された場合（ステップＳ２２５：ＮＯ）、または、上述のステップＳ２１５において点Ｐ_ｉと点Ｐ_ｊとが異なる測距点でないと判定された場合（ステップＳ２１５：ＮＯ）、クラスタ作成部２３は、インデックス値ｊが構成点数に達したか否かを判定する（ステップＳ２５０）。インデックス値ｊが構成点数に達していない場合（ステップＳ２５０：ＮＯ）、クラスタ作成部２３は、インデックス値ｊに「１」を加算し（ステップＳ２６０）、上述のステップＳ２１５を実行する。他方、インデックス値ｊが構成点数に達している場合には（ステップＳ２５０：ＹＥＳ）、インデックス値ｉが構成点数に達しているか否かを判定する（ステップＳ２５５）。インデックス値ｉが構成点数に達していない場合（ステップＳ２５５：ＮＯ）、クラスタ作成部２３は、インデックス値ｉに「１」を加算し（ステップＳ２６５）、上述のステップＳ２１０を実行する。他方、インデックス値ｉが構成点数に達している場合には（ステップＳ２５５：ＹＥＳ）、クラスタ作成処理は終了する。

図８には、図３に示す走行シーンにおいて取得され得る壁ＯＢ１および歩行者ＯＢ２の測距点群の一部と、上述のクラスタ作成処理を実行することによって作成されるクラスタとを模式的に示している。図８において、測距点群をハッチング付きの丸で示し、クラスタを実線で示している。図８に示す例では、壁ＯＢ１の測距点群は、複数のクラスタＣ_１、Ｃ_ｎ−１、Ｃ_ｎおよびＣ_ｘに分類され、歩行者ＯＢ２の測距点群は、右足部分に相当するクラスタＣ_ｙと、右足部分を除く身体の部位に相当するクラスタＣ_ｚとに分類されるとしている。なお、図示の便宜上、歩行者ＯＢ２の測距点群の図示を省略し、クラスタＣ_ｙおよびＣ_ｚにハッチングを付している。壁ＯＢ１のクラスタＣ_１〜Ｃ_ｎおよびＣ_ｘは、壁ＯＢ１の長手方向において、前方方向ＦＤに向かうにしたがって、すなわち、物体認識装置１０から離れるにしたがって、バラバラに分散されるとともにクラスタ間の距離が離れている。具体的には、物体認識装置１０に近い側（図８の左側）では、測距点間の距離が小さいために、測距点がある程度まとまったクラスタＣ_１が作成され、物体認識装置１０から遠い側（図８の右側）では、測距点間の距離が大きくなるために、より少ない構成点数のクラスタが作成される。

Ａ４．クラスタ結合処理：
クラスタ結合処理では、概括的には以下の処理が行われる。
（１）作成された各クラスタを順に基準のクラスタとして固定し、基準のクラスタと他のクラスタとを結合させるか否かを判定する。なお、以降の説明において、基準のクラスタを基準クラスタと呼び、結合対象となる他のクラスタを対象クラスタと呼ぶ。
（２）結合の可否の判定においては、クラスタにおける構成点（測距点群）の分布を示す特徴量として、クラスタに対する主成分分析によって得られる主成分軸の分散値を用いる。
（３）同じ物体のクラスタであれば、クラスタを結合させた場合の分散の変化が少ないことから、基準クラスタの特徴量と、両クラスタを結合させたクラスタの特徴量とが近い値である場合には、基準クラスタと対象クラスタとを結合する。
以下、詳細に説明する。

図９に示すように、クラスタ結合部２４は、基準クラスタを示すインデックス値ｋ、および対象クラスタを示すインデックス値ｍにそれぞれ「１」を設定する（ステップＳ３０５、Ｓ３１０）。なお、以降の説明では、基準クラスタをクラスタＣ_ｋ、対象クラスタをクラスタＣ_ｍと表す。クラスタ結合部２４は、基準クラスタＣ_ｋと対象クラスタＣ_ｍとが異なるクラスタであるか否かを判定する（ステップＳ３１５）。具体的には、クラスタ結合部２４は、インデックス値ｋとインデックス値ｍとが一致するか否かを判定する。

基準クラスタＣ_ｋと対象クラスタＣ_ｍとが異なるクラスタであると判定された場合（ステップＳ３１５：ＹＥＳ）、クラスタ結合部２４は、基準クラスタＣ_ｋを主成分分析し（ステップＳ３２０）、各主成分軸における分散を算出する（ステップＳ３２５）。具体的には、クラスタ結合部２４は、基準クラスタＣ_ｋにおける構成点の各座標値（Ｘ座標、Ｙ座標およびＺ座標）に対する主成分分析を行い、主成分分析により得られる第１、第２および第３の主成分軸における分散値をそれぞれ算出する。第１主成分軸は、クラスタＣ_ｋにおいて分散が最も大きい固有ベクトルである。第２主成分軸は、第１主成分軸に直交し、クラスタＣ_ｋにおいて分散が２番目に大きい固有ベクトルである。第３主成分軸は、第１主成分軸および第２主成分軸の双方に直交し、クラスタＣ_ｋにおいて分散が３番目に大きい固有ベクトルである。以降の説明では、基準クラスタＣ_ｋの各主成分軸を基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３と呼ぶ。

クラスタ結合部２４は、基準クラスタＣ_ｋと対象クラスタＣ_ｍとを仮結合した仮結合クラスタＣ_ｃｎを主成分分析し（ステップＳ３３０）、図１０に示すように、各主成分軸における分散を算出する（ステップＳ３３５）。具体的には、クラスタ結合部２４は、まず、クラスタＣ_ｋとクラスタＣ_ｍとを結合して一つのクラスタ（以下、「仮結合クラスタ」と呼ぶ）Ｃ_ｃｎを作成する。次に、クラスタ結合部２４は、作成された仮結合クラスタＣ_ｃｎの構成点、すなわち、基準クラスタＣ_ｋの構成点と対象クラスタＣ_ｍの構成点との各座標値に対する主成分分析を行う。そして、クラスタ結合部２４は、主成分分析により得られる第１、第２および第３の主成分軸における分散値をそれぞれ算出する。なお、以降の説明では、仮結合クラスタＣ_ｃｎの各主成分軸を仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３と呼ぶ。

図１１では、歩行者ＯＢ２を構成するクラスタＣ_ｙおよびＣ_ｚ（図８）が結合されたクラスタを基準クラスタＣ_ｋとし、壁ＯＢ１の一部を構成するクラスタＣ_ｘ（図８）を対象クラスタＣ_ｍとした場合において、基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３と、クラスタＣ_ｋと対象クラスタＣ_ｍとを仮結合した仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３とをそれぞれ例示している。図１１に示すように、基準クラスタＣ_ｋと対象クラスタＣ_ｍとがそれぞれ異なる物体を構成している場合、仮結合前と仮結合後とでは、構成点の分布（ばらつき）が大きくなる。

図１２では、歩行者ＯＢ２の一部（上半身および左足）を構成するクラスタＣ_ｚ（図８）を基準クラスタＣ_ｋとし、歩行者ＯＢ２の他の一部（右足）を構成するクラスタＣ_ｙ（図８）を対象クラスタＣ_ｍとした場合において、基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３と、クラスタＣ_ｋと対象クラスタＣ_ｍとを仮結合した仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３とをそれぞれ例示している。図１２に示すように、基準クラスタＣ_ｋと対象クラスタＣ_ｍとがいずれも同じ物体を構成している場合には、仮結合前と仮結合後とでは、構成点の分布（ばらつき）が小さくなる。

クラスタ結合部２４は、各基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３と、仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３とで傾きが近い主成分軸同士をペアリングする（ステップＳ３４０）。具体的には、クラスタ結合部２４は、各主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２、ＡＸ_ｋ３、ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３の傾きを算出し、基準クラスタＣ_ｋの３つの主成分軸の傾きと、仮結合クラスタＣ_ｃｎの３つの主成分軸の傾きとを対比して、傾きが近い主成分軸同士をペアにする。例えば、図１１に示す例では、第１基準主成分軸ＡＸ_ｋ１の傾きは、第２仮結合主成分軸ＡＸ_ｃｎ２および第３仮結合主成分軸ＡＸ_ｃｎ３に比べて、第１仮結合主成分軸ＡＸ_ｃｎ１の傾きと近似するため、第１基準主成分軸ＡＸ_ｋ１と第１仮結合主成分軸ＡＸ_ｃｎ１とがペアになる。同様に、第２基準主成分軸ＡＸ_ｋ２と第２仮結合主成分軸ＡＸ_ｃｎ２とが、第３基準主成分軸ＡＸ_ｋ３と第３仮結合主成分軸ＡＸ_ｃｎ３とが、それぞれペアになる。

クラスタ結合部２４は、各ペアにおける分散比を算出する（ステップＳ３４５）。具体的には、クラスタ結合部２４は、ペアごとに、基準主成分軸の分散の仮結合主成分軸の分散に対する変化率を分散比として算出する。クラスタ結合部２４は、算出された分散比が閾値以下であるか否かを判定する（ステップＳ３５０）。具体的には、クラスタ結合部２４は、上述のステップＳ３４５において算出された各ペアの分散比がいずれも閾値以下であるか否かを判定する。

算出された分散比が閾値より大きいと判定された場合（ステップＳ３５０：ＮＯ）、クラスタ結合部２４は、基準クラスタＣ_ｋの第３主成分軸（第３基準主成分軸）ＡＸ_ｋ３と対象クラスタＣ_ｍの第３主成分軸ＡＸ_ｍ３との間の角度が閾値以下であるか否かを判定する（ステップＳ３５５）。具体的には、図１３に示すように、クラスタＣ_ｋおよびＣ_ｍが１つの連続した壁ＯＢ３を構成する一部のクラスタである場合、基準クラスタＣ_ｋの第３主成分軸（第３基準主成分軸）ＡＸ_ｋ３と対象クラスタＣ_ｍの第３主成分軸ＡＸ_ｍ３との間の角度θ２は、面の法線に相当するため、所定の閾値よりも小さくなる。このため、２つのクラスタＣ_ｋおよびＣ_ｍの第３主成分軸ＡＸ_ｋ３およびＡＸ_ｍ３の間の角度を判定することにより、本来は同じ１つの物体（壁ＯＢ３）を構成するクラスタ同士であるにもかかわらず、誤って別の物体を構成するクラスタであると認識されることを抑制できる。

上述のステップＳ３５５において基準クラスタＣ_ｋの第３主成分軸ＡＸ_ｋ３と対象クラスタＣ_ｍの第３主成分軸ＡＸ_ｍ３との間の角度が閾値以下であると判定された場合（ステップＳ３５５：ＹＥＳ）、または、上述のステップＳ３５０において分散比が閾値以下であると判定された場合（ステップＳ３５０：ＮＯ）、クラスタ結合部２４は、基準クラスタＣ_ｋと対象クラスタＣ_ｍとを結合する（ステップＳ３６０）。

ステップＳ３６０の実行後、または、上述のステップＳ３５５において基準クラスタＣ_ｋの第３主成分軸ＡＸ_ｋ３と対象クラスタＣ_ｍの第３主成分軸ＡＸ_ｍ３との間の角度が閾値より大きいと判定された場合（ステップＳ３５５：ＮＯ）、または、上述のステップＳ３１５において基準クラスタＣ_ｋと対象クラスタＣ_ｍとが異なるクラスタでないと判定された場合（ステップＳ３１５：ＮＯ）、クラスタ結合部２４は、対象クラスタを示すインデックス値ｍがクラスタ数に達しているか否かを判定する（ステップＳ３６５）。インデックス値ｍがクラスタ数に達していない場合（ステップＳ３６５：ＮＯ）、クラスタ結合部２４は、インデックス値ｍに「１」を加算し（ステップＳ３８０）、上述のステップＳ３１５に戻る。他方、インデックス値ｍがクラスタ数に達している場合には（ステップＳ３６５：ＹＥＳ）、基準クラスタを示すインデックス値ｋがクラスタ数に達しているか否かを判定する（ステップＳ３７０）。

インデックス値ｋがクラスタ数に達していない場合（ステップＳ３７０：ＮＯ）、クラスタ結合部２４は、インデックス値ｋに「１」を加算し（ステップＳ３７５）、上述のステップＳ３１０に戻る。他方、インデックス値ｋがクラスタ数に達している場合（ステップＳ３７０：ＹＥＳ）には、クラスタ結合処理は終了する。

以上の構成を有する第１実施形態の物体認識装置１０によれば、物体認識装置１０の周囲に存在する物体ＯＢ１、ＯＢ２の点群を取得し、取得された点群のうち各点間の距離が予め定められた距離閾値Ｔｈ１以下である点群を統合して、複数のクラスタＣ_１、Ｃ_ｎ−１、Ｃ_ｎ、Ｃ_ｘ、Ｃ_ｙ、Ｃ_ｚを作成し、各クラスタを構成する構成点の特徴量を算出し、算出された特徴量が近似するクラスタ同士を結合するので、複数のクラスタを多数回作成する構成に比べて、物体認識処理に要する負荷を低減できる。また、過去に作成されたクラスタの履歴を要しないので、応答性の低下を抑制できる。

加えて、特徴量は、各構成点の座標値に対する主成分分析により得られる値であるので、各クラスタにおける構成点の分布を容易に算出できる。また、クラスタ結合部２４は、基準クラスタＣ_ｋに対する主成分分析により得られる基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３を算出し、仮結合クラスタＣ_ｃｎに対する主成分分析により得られる仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３を算出し、特徴量は、各基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３の傾きと、各仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３の傾きとが近い主成分軸同士をペアにしたときの、基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３における分散と仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３における分散との変化量であるので、基準クラスタと仮結合クラスタとの分散の変化量を精度よく算出できる。

また、特徴量は、基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３における分散と、仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３における分散との比であるので、結合前のクラスタと結合後のクラスタとにおける構成点の分布の変化を容易に検出できる。加えて、特徴量は、基準第３主成分軸ＡＸ_ｋ３と、対象クラスタＣ_ｍに対する主成分分析により得られる第３主成分軸ＡＸ_ｍ３との間の角度θ２であるので、基準クラスタＣ_ｋおよび対象クラスタＣ_ｍが壁や曲面等の面で構成される物体の一部であることを容易に検出できる。この結果、基準クラスタＣ_ｋと対象クラスタＣ_ｍとを結合できるので、基準クラスタＣ_ｋと対象クラスタＣ_ｍとが別の物体として認識されることを抑制できる。

加えて、クラスタ作成部２３は、物体認識装置１０の分解能θ１と、物体認識装置１０から測距点Ｐ_ｊまでの距離Ｄｓ２とを用いて、距離閾値Ｔｈ１の値を変化させるので、測距点の検出誤差が生じた場合であっても、クラスタを精度よく作成できる。また、クラスタ作成部２３は、作成する予定のクラスタの大きさが予め定められた大きさよりも大きくなる場合に新たにクラスタを作成するので、クラスタの大きさを予め定められた大きさ以下にそろえることができる。この結果、各クラスタの特徴量を精度よく算出できるので、クラスタの誤結合の発生を抑制できる。

Ｂ．第２実施形態：
Ｂ１．装置構成：
第２実施形態における物体認識装置１０は、図２に示す第１実施形態における物体認識装置１０と同様であるので、その詳細な説明は省略する。

Ｂ２．物体認識処理：
第２実施形態における物体認識処理は、クラスタ結合処理の手順において第１実施形態におけるクラスタ結合処理と異なり、他の処理手順は第１実施形態と同じである。

第２実施形態のクラスタ結合処理は、結合可否の判定の対象となる２つのクラスタのうち、一のクラスタＣ_ｋと、他の一のクラスタＣ_ｍとのうち構成点数の大きなクラスタを基準クラスタとし、結合可否の判定に用いる特徴量として、仮結合クラスタＣ_ｃｎの仮結合主成分軸における分散に代えて、仮結合クラスタＣ_ｃｎの基準クラスタの主成分軸における分散を用いる。以下、詳細に説明する。

図１４および図１５に示す第２実施形態のクラスタ結合処理は、ステップＳ３２０に代えてステップＳ３２０ａを実行する点と、ステップＳ３２５に代えてステップＳ３２５ａを実行する点と、ステップＳ３３０を省略する点と、ステップＳ３３５に代えてステップＳ３３５ａを実行する点と、ステップＳ３４０を省略する点と、ステップＳ３４５に代えてステップＳ３４５ａを実行する点と、ステップＳ３５０に代えてステップＳ３５０ａを実行する点と、ステップＳ３６０に代えてステップＳ３６０ａを実行する点とにおいて、図９および図１０に示す第１実施形態のクラスタ結合処理と異なる。第２実施形態のクラスタ結合処理におけるその他の手順は、第１実施形態のクラスタ結合処理と同じであるので、同一の手順には同一の符号を付し、その詳細な説明は省略する。

図１４に示すように、クラスタＣ_ｋとクラスタＣ_ｍとが異なるクラスタであると判定されると（ステップＳ３１５：ＹＥＳ）、クラスタ結合部２４は、クラスタＣ_ｋとクラスタＣ_ｍとのうち、構成点数が多いクラスタＣ_ｔを主成分分析し（ステップＳ３２０ａ）、各主成分軸における分散を算出する（ステップＳ３２５ａ）。具体的には、クラスタ結合部２４は、クラスタＣ_ｋの構成点数と、クラスタＣ_ｍの構成点数とをそれぞれ算出し、構成点数がより多いクラスタを基準クラスタＣ_ｔとして特定する。次に、クラスタ結合部２４は、特定された基準クラスタＣ_ｔにおける構成点の各座標値に対する主成分分析を行い、主成分分析により得られる第１、第２および第３の主成分軸における分散値をそれぞれ算出する。なお、以降の説明では、基準クラスタＣ_ｔの各主成分軸を基準主成分軸ＡＸ_ｔ１、ＡＸ_ｔ２およびＡＸ_ｔ３と呼ぶ。

図１５に示すように、クラスタ結合部２４は、クラスタＣ_ｋとクラスタＣ_ｍとを仮結合した仮結合クラスタＣ_ｃｎの、基準クラスタＣ_ｔの各基準主成分軸ＡＸ_ｔ１、ＡＸ_ｔ２およびＡＸ_ｔ３における分散を算出する（ステップＳ３３５ａ）。具体的には、クラスタ結合部２４は、仮結合クラスタＣ_ｃｎに対して基準主成分軸ＡＸ_ｔ１、ＡＸ_ｔ２およびＡＸ_ｔ３を適用し、基準主成分軸ＡＸ_ｔ１、ＡＸ_ｔ２およびＡＸ_ｔ３における分散をそれぞれ求める。すなわち、クラスタ結合部２４は、仮結合クラスタＣ_ｃｎに対しては主成分分析を行わず、基準クラスタＣ_ｔと仮結合クラスタＣ_ｃｎとにおいて、いずれも基準主成分軸ＡＸ_ｔ１、ＡＸ_ｔ２およびＡＸ_ｔ３を用いて分散値を算出する。

本実施形態において、仮結合クラスタＣ_ｃｎの分散を基準主成分軸ＡＸ_ｔ１、ＡＸ_ｔ２およびＡＸ_ｔ３を用いて算出するのは、以下の理由による。すなわち、クラスタＣ_ｋとクラスタＣ_ｍとが異なる物体である場合、２つのクラスタＣ_ｋおよびＣ_ｍの結合前と結合後とでは、主成分軸が大きく変化する。このため、クラスタＣ_ｋおよびＣ_ｍを結合させる前の主成分軸に固定して分散を算出すると、分散比はより大きくなるので、結合前と結合後とにおける分散の変化をより精度よく検出できる。この結果、クラスタＣ_ｋとクラスタＣ_ｍとを容易に分離できることになる。

クラスタ結合部２４は、分散比を算出する（ステップＳ３４５ａ）。具体的には、クラスタ結合部２４は、基準クラスタＣ_ｔの分散の仮結合クラスタＣ_ｃｎの分散に対する変化率を、分散比として算出する。より具体的には、クラスタ結合部２４は、第１基準主成分軸ＡＸ_ｔ１について、基準クラスタＣ_ｔの第１基準主成分軸ＡＸ_ｔ１における分散の、仮結合クラスタＣ_ｃｎの第１基準主成分軸ＡＸ_ｔ１における分散に対する変化率を算出する。同様に、クラスタ結合部２４は、第２基準主成分軸ＡＸ_ｔ２について、基準クラスタＣ_ｔの第２基準主成分軸ＡＸ_ｔ２における分散の、仮結合クラスタＣ_ｃｎの第２基準主成分軸ＡＸ_ｔ２における分散に対する変化率を算出し、第３基準主成分軸ＡＸ_ｔ３について、基準クラスタＣ_ｔの第３基準主成分軸ＡＸ_ｔ３における分散の、仮結合クラスタＣ_ｃｎの第３基準主成分軸ＡＸ_ｔ３における分散に対する変化率を算出する。

クラスタ結合部２４は、分散比の最大値が閾値以下であるか否かを判定する（ステップＳ３５０ａ）。具体的には、クラスタ結合部２４は、上述のステップＳ３４５ａにおいて算出された３つの分散比のうち最大値を求め、かかる最大値と閾値とを対比する。閾値は、上述の第１実施形態のステップＳ３５０の閾値と同じ値が設定されていてもよいし、他の任意の値が設定されていてもよい。

分散比の最大値が閾値以下であると判定された場合（ステップＳ３５０ａ：ＹＥＳ）、クラスタ結合部２４は、クラスタＣ_ｋとクラスタＣ_ｍとを結合する（ステップＳ３６０ａ）。ステップＳ３６０ａの実行後、上述のステップＳ３６５が実行される。他方、上述のステップＳ３５０ａにおいて分散比の最大値が閾値より大きいと判定された場合（ステップＳ３５０ａ：ＮＯ）、上述のステップＳ３５５が実行される。

以上の構成を有する第２実施形態の物体認識装置１０によれば、クラスタ結合部２４は、一のクラスタを基準クラスタＣ_ｋとし、該基準クラスタＣ_ｋに対する主成分分析により得られる第１基準主成分軸ＡＸ_ｋ１、第２基準主成分軸ＡＸ_ｋ２、および第３基準主成分軸ＡＸ_ｋ３における分散をそれぞれ算出し、基準クラスタＣ_ｋと、基準クラスタＣ_ｋと結合する対象の対象クラスタＣ_ｍと、を仮に結合した仮結合クラスタＣ_ｃｎの各基準主成分軸ＡＸ_ｋ１、ＡＸ_ｋ２およびＡＸ_ｋ３における分散をそれぞれ算出する。また、特徴量は、基準クラスタＣ_ｋの各分散と、仮結合クラスタＣ_ｃｎの各分散との変化量である。したがって、主成分軸を仮結合前の基準主成分軸ＡＸ_ｔ１、ＡＸ_ｔ２およびＡＸ_ｔ３に固定して、基準クラスタＣ_ｋの分散および仮結合クラスタＣ_ｃｎの分散をそれぞれ算出することによって、仮結合前のクラスタと仮結合後のクラスタとにおける分散の変化をより精度よく検出できる。この結果、基準クラスタＣ_ｋと対象クラスタＣ_ｍとの結合可否を容易に判定できる。

また、基準クラスタＣ_ｋは、一のクラスタと、他の一のクラスタと、のうち、構成点の数がより多いクラスタなので、構成点の数が少ない方のクラスタを基準クラスタＣ_ｋに設定する構成に比べて、クラスタの結合可否の判定に要する処理負荷を低減できる。

Ｃ．第３実施形態：
Ｃ１．装置構成：
第３実施形態における物体認識装置１０は、図２に示す第１実施形態における物体認識装置１０と同様であるので、その詳細な説明は省略する。

Ｃ２．物体認識処理：
第３実施形態における物体認識処理は、クラスタ結合処理の手順において第１実施形態におけるクラスタ結合処理と異なり、他の処理手順は第１実施形態と同じである。

第３実施形態のクラスタ結合処理は、作成された複数のクラスタを構成点数が多い順に並び替えて、構成点数が所定数以上となる比較的大きなクラスタ同士を先に結合させ、その後、構成点数が所定数よりも少ない比較的小さなクラスタを、先に結合されたクラスタに結合させる。小さなクラスタを介して大きなクラスタ同士が結合されることを抑制するためである。以下、詳細に説明する。

図１６および図１７に示す第３実施形態のクラスタ結合処理は、ステップＳ３０１、ステップＳ３０３、ステップＳ３１６、ステップＳ３１７、ステップＳ３１８、ステップＳ３１９、ステップＳ３５１、ステップＳ３８５、およびステップＳ３９０を追加して実行する点と、ステップＳ３１５に代えてステップＳ３１５ａを実行する点と、ステップＳ３２０に代えてステップＳ３２０ｂを実行する点と、ステップＳ３２５に代えてステップＳ３２５ｂを実行する点と、ステップＳ３３０に代えてステップＳ３３０ａを実行する点と、ステップＳ３４０に代えてステップＳ３４０ａを実行する点と、ステップＳ３６０に代えてステップＳ３６０ａを実行する点とにおいて、図９および図１０に示す第１実施形態のクラスタ結合処理と異なる。第３実施形態のクラスタ結合処理におけるその他の手順は、第１実施形態のクラスタ結合処理と同じであるので、同一の手順には同一の符号を付し、その詳細な説明は省略する。

図１６に示すように、クラスタ結合処理が開始されると、クラスタ結合部２４は、構成点数が最大のクラスタを基点として構成点数の多い順にクラスタを並び替える（ステップＳ３０１）。具体的には、クラスタ結合部２４は、作成された各クラスタの構成点数を算出し、算出された構成点数が多い順にクラスタのインデックス値を振り直す。すなわち、クラスタ結合部２４は、構成点数が最も多いクラスタのインデックス値を「１」に設定し、構成点数が少なくなるにしたがってインデックス値が増加するように、各クラスタのインデックス値を設定する。次に、構成点数が最も多いクラスタを基点として、かかる基点から予め定められた方向にインデックス値の順に各クラスタを並び替える。したがって、本実施形態では、結合の対象となるクラスタが、予め定められた方向に沿って順に選択される。上述の「予め定められた方向」は、時計回りの方向に設定されている。なお、予め定められた方向は、時計回りに限らず、他の任意の方向に設定されていてもよい。

クラスタ結合部２４は、フラグＬｏｏｐの値を「１」に設定する（ステップＳ３０３）。後述するように、フラグＬｏｏｐが「１」である場合、比較的大きなクラスタを対象に結合可否が判定され、フラグＬｏｏｐが「２」である場合には、比較的小さなクラスタを対象に結合可否が判定される。

上述のステップＳ３０５およびステップＳ３１０の実行後、クラスタ結合部２４は、或る一のクラスタＣ_ｋと他の一のクラスタＣ_ｍとが異なるクラスタであり、かつ、クラスタＣ_ｋとクラスタＣ_ｍとの距離が閾値以下であるか否かを判定する（ステップＳ３１５ａ）。具体的には、クラスタ結合部２４は、まず、インデックス値ｋおよびｍの値が一致するか否かを判定する。次に、クラスタ結合部２４は、クラスタＣ_ｋとクラスタＣ_ｍとの間の距離を算出し、算出された距離が閾値以下であるか否かを判定する。「クラスタＣ_ｋとクラスタＣ_ｍとの間の距離」とは、互いのクラスタに対する最近傍の点の間の距離を意味する。なお、クラスタＣ_ｋとクラスタＣ_ｍとの間の距離は、クラスタＣ_ｋおよびクラスタＣ_ｍの各重心位置との間の距離としてもよい。

クラスタＣ_ｋとクラスタＣ_ｍとが異なるクラスタであり、かつ、クラスタＣ_ｋとクラスタＣ_ｍとの距離が閾値以下であると判定された場合（ステップＳ３１５ａ：ＹＥＳ）、クラスタ結合部２４は、クラスタＣ_ｋの構成点数とクラスタＣ_ｍの構成点数とがいずれも予め定められた構成点数閾値以上であるか否かを判定する（ステップＳ３１６）。本実施形態において、「予め定められた構成点数閾値」は、１０点を意味する。なお、構成点数閾値は、１０点に代えて、５点としてもよいし、他の任意の点数としてもよい。また、物体認識装置１０からの距離に応じて、構成点数閾値を変化させてもよい。この場合、例えば、物体認識装置１０からの距離が長くなるにしたがって、構成点数が少なくなるように閾値を設定してもよい。また、物体認識装置１０からの距離に代えて、天候、外乱光の強さといった車両１００の周囲の環境や、分解能θ１に応じて、構成点数閾値を変化させてもよい。また、物体認識装置１０からの距離と、車両１００の周囲の環境と、分解能θ１とに応じて、構成点数閾値を変化させてもよい。

クラスタＣ_ｋの構成点数とクラスタＣ_ｍの構成点数とがいずれも構成点数閾値以上であると判定された場合（ステップＳ３１６：ＹＥＳ）、クラスタ結合部２４は、フラグＬｏｏｐの値が「１」であるか否かを判定する（ステップＳ３１８）。他方、クラスタＣ_ｋの構成点数とクラスタＣ_ｍの構成点数とのうちのいずれか一方が構成点数閾値より小さいと判定された場合（ステップＳ３１６：ＮＯ）、クラスタ結合部２４は、フラグＬｏｏｐの値が「２」であるか否かを判定する（ステップＳ３１７）。

上述のステップＳ３１７においてフラグＬｏｏｐの値が「２」であると判定された場合（ステップＳ３１７：ＹＥＳ）、または、上述のステップＳ３１８においてフラグＬｏｏｐの値が「１」であると判定された場合（ステップＳ３１８：ＹＥＳ）、クラスタ結合部２４は、クラスタＣ_ｋとクラスタＣ_ｍとのうち、構成点数の多いクラスタを基準クラスタとし、一部の範囲の構成点を抽出する（ステップＳ３１９）。具体的には、クラスタ結合部２４は、各クラスタＣ_ｋおよびＣ_ｍの構成点数を比較し、構成点数がより多いクラスタを基準クラスタに設定する。次に、クラスタ結合部２４は、基準クラスタにおける予め定められた範囲内の構成点を抽出する。

本実施形態において、基準クラスタから一部の範囲の構成点を抽出するのは、比較している２つのクラスタＣ_ｋおよびＣ_ｍの分散比を精度よく算出するためである。すなわち、比較している２つのクラスタＣ_ｋおよびＣ_ｍの構成点数の差が大きい場合、構成点数が多いクラスタの分散値と構成点数が少ないクラスタの分散値との乖離が大きくなり、分散比を算出する際、構成点数が少ないクラスタの分散値が分散比に寄与しないおそれがある。このため、本実施形態では、基準クラスタから一部の範囲の構成点を抽出することによって、分散比を精度よく算出できる。この結果、クラスタが過剰に結合されることを抑制できる。ステップＳ３１９において、「予め定められた範囲」とは、クラスタＣ_ｋおよびＣ_ｍのうち基準クラスタではない他方のクラスタ（以下、「対象クラスタ」と呼ぶ）の重心位置を中心とする所定の半径の円によって囲まれる領域を意味する。なお、予め定められた範囲は、各クラスタＣ_ｋおよびＣ_ｍの構成点数に応じて他の任意の範囲が設定されていてもよい。

クラスタ結合部２４は、抽出された点群により構成されるクラスタ（以下、「抽出クラスタ」と呼ぶ）Ｃ_ｐを主成分分析し（ステップＳ３２０ｂ）、抽出クラスタＣ_ｐの各主成分軸における分散を算出する（ステップＳ３２５ｂ）。ステップＳ３２０ｂおよびステップＳ３２５ｂの処理手順は、上述のステップＳ３２０およびステップＳ３２５と同じであるので、詳細な説明は省略する。なお、以降の説明では、抽出クラスタＣ_ｐの各主成分軸を抽出主成分軸ＡＸ_ｐ１、ＡＸ_ｐ２およびＡＸ_ｐ３と呼ぶ。

クラスタ結合部２４は、抽出クラスタＣ_ｐと対象クラスタとを仮結合した仮結合クラスタＣ_ｃｎを主成分分析し（ステップＳ３３０ａ）、各主成分軸における分散を算出する（ステップＳ３３５）。ステップＳ３３０ａの処理手順は、上述のステップＳ３３０と同じであるので、詳細な説明は省略する。

上述のステップＳ３３５が実行されると、クラスタ結合部２４は、各抽出主成分軸ＡＸ_ｐ１、ＡＸ_ｐ２およびＡＸ_ｐ３と、仮結合主成分軸ＡＸ_ｃｎ１、ＡＸ_ｃｎ２およびＡＸ_ｃｎ３とで傾きが近い主成分軸同士をペアリングする（ステップＳ３４０ａ）。ステップＳ３４０ａの処理内容は、上述のステップＳ３４０と同じであるので、詳細な説明は省略する。

各ペアにおける分散比が閾値より大きいと判定された場合（ステップＳ３５０：ＮＯ）、クラスタ結合部２４は、第３主成分軸ＡＸ_ｋ３、ＡＸ_ｍ３における座標の最大値と最小値との差が閾値以下であるか否かを判定する（ステップＳ３５１）。具体的には、クラスタ結合部２４は、各第３主成分軸ＡＸ_ｋ３およびＡＸ_ｍ３において、座標が最大となる点、および最小となる点をそれぞれ特定し、最大値と最小値との差を算出する。例えば、図１３に示すように、第３主成分軸ＡＸ_ｋ３における座標の最大値と最小値との差は、クラスタＣ_ｋの面の厚みｄ１となる。次に、クラスタ結合部２４は、算出した各差がいずれも閾値以下であるか否かを判定する。算出した各差、すなわち、各クラスタＣ_ｋ、Ｃ_ｍの面の厚みが所定の閾値以下であれば、クラスタＣ_ｋおよびＣ_ｍが連続した面を構成するクラスタであると判定できる。第３主成分軸ＡＸ_ｋ３、ＡＸ_ｍ３の座標の最大値と最小値との差が閾値以下であると判定された場合（ステップＳ３５１：ＹＥＳ）、上述のステップＳ３５５が実行される。

上述のステップＳ３５０において各ペアにおける分散比が閾値以下であると判定された場合（ステップＳ３５０：ＹＥＳ）、クラスタ結合部２４は、クラスタＣ_ｋとクラスタＣ_ｍとを結合する（ステップＳ３６０ａ）。

上述のステップＳ３６０ａの実行後、または、上述のステップＳ３５１において第３主成分軸ＡＸ_ｋ３、ＡＸ_ｍ３の座標の最大値と最小値との差が閾値より大きいと判定された場合（ステップＳ３５１：ＮＯ）、または、上述のステップＳ３１５ａにおいてクラスタＣ_ｋとクラスタＣ_ｍとが同じクラスタである、あるいはクラスタＣ_ｋとクラスタＣ_ｍとの距離が閾値より大きいと判定された場合（ステップＳ３１５ａ：ＮＯ）、または、上述のステップＳ３１７においてフラグＬｏｏｐが「２」でないと判定された場合（ステップＳ３１７：ＮＯ）、または、上述のステップＳ３１８においてフラグＬｏｏｐが「１」でないと判定された場合（ステップＳ３１８：ＮＯ）、上述のステップＳ３６５が実行される。

上述のステップＳ３７０においてインデックス値ｋがクラスタ数に達している場合（ステップＳ３７０：ＹＥＳ）、クラスタ結合部２４は、フラグＬｏｏｐの値が「２」であるか否かを判定する（ステップＳ３８５）。フラグＬｏｏｐの値が「２」でない場合（ステップＳ３８５：ＮＯ）、クラスタ結合部２４は、フラグＬｏｏｐの値に「１」を加算する（ステップＳ３９０）。ステップＳ３９０の実行後、上述のステップＳ３０５が実行される。他方、上述のステップＳ３８５において、フラグＬｏｏｐの値が「２」である場合（ステップＳ３８５：ＹＥＳ）には、クラスタ結合処理は終了する。

以上の構成を有する第３実施形態の物体認識装置１０によれば、第１実施形態と同様な効果を奏する。加えて、基準クラスタは、一のクラスタと他の一のクラスタとのうち、構成点の数がより多いクラスタＣ_ｋであり、クラスタ結合部２４は、基準クラスタＣ_ｋの一部の範囲の構成点を抽出し、抽出された構成点からなる抽出クラスタの特徴量と、一のクラスタと他の一のクラスタとのうち基準クラスタとは異なるクラスタＣ_ｍの特徴量とを用いて、一のクラスタと他の一のクラスタとを結合するか否かを判定するので、一のクラスタと他の一のクラスタとで構成点の数に大きな乖離がある場合であっても、特徴量を精度よく検出できる。このため、一のクラスタと他の一のクラスタとの結合可否を容易に判定できる。

また、特徴量は、基準クラスタＣ_ｋの第３主成分軸ＡＸ_ｋ３と対象クラスタＣ_ｍの第３主成分軸ＡＸ_ｍ３における最大値と最小値との差なので、クラスタＣ_ｋおよびＣ_ｍが連続した面を構成するクラスタであるか否かを容易に判定できる。この結果、壁等の面で構成される物体のクラスタと、歩行者や車両等の物体のクラスタとが結合されることを抑制できる。加えて、クラスタ結合部２４は、クラスタ間の距離が予め定められた距離以下である場合にのみ、クラスタ結合処理を実行するので、離れた位置に存在するクラスタ同士が結合されることを抑制できる。

加えて、クラスタ結合部２４は、構成点の数が最も多いクラスタを基点とし、該基点のクラスタから予め定められた方向に構成点の数が多い順に各クラスタを並び替え、基点のクラスタと結合する対象のクラスタを予め定められた方向に沿って選択するので、構成点の数が多いクラスタから順にクラスタの結合可否を判定できる。このため、構成点の数が小さいクラスタから順にクラスタの結合可否を判定する構成に比べて、クラスタの結合可否の判定に要する処理負荷を低減できる。

また、クラスタ結合部２４は、各クラスタのうち、構成点の数が予め定められた構成点数閾値以上であるクラスタのみを対象にクラスタ結合処理を実行するので、構成点の数が予め定められた構成点数閾値よりも小さいクラスタ同士が結合されていくことによって全てのクラスタが結合されることを抑制できる。また、クラスタ結合部２４は、各クラスタのうち、構成点の数が予め定められた構成点数閾値以上であるクラスタの結合処理を実行した後、結合処理を実行していない残りのクラスタの結合処理を実行するので、結合処理の対象となるクラスタの取りこぼしの発生を抑制できる。また、クラスタ結合部２４は、物体認識装置１０からの距離に応じて構成点数閾値を変化させるので、測距点の検出誤差が生じた場合であっても、クラスタの大きさを精度よく判定できる。

Ｄ．他の実施形態：
（１）上記各実施形態においては、クラスタ作成処理において、点Ｐ_ｉとは異なる全ての測距点を対象にクラスタの作成等の処理（ステップＳ２２０〜ステップＳ２５５）が実行されていたが、点Ｐ_ｉから所定の矩形範囲内に存在する測距点のみを対象として、ステップＳ２２０〜ステップＳ２５５の処理を実行してもよい。このような構成においても、上記各実施形態と同様な効果を奏する。

（２）上記各実施形態においては、クラスタの結合可否の判定に用いる特徴量は、基準クラスタＣ_ｋにおける分散と仮結合クラスタＣ_ｃｎにおける分散との比（分散の変化率）に代えて、基準クラスタＣ_ｋにおける分散と仮結合クラスタＣ_ｃｎにおける分散との差（分散の変化量）であってもよい。このような構成においても、上記各実施形態と同様な効果を奏する。

（３）上記各実施形態においては、基準クラスタＣ_ｋおよび仮結合クラスタＣ_ｃｎを主成分分析する際に３つの主成分軸（第１主成分軸、第２主成分軸および第３主成分軸）を算出していたが、第３主成分軸の算出を省略してもよいし、第３主成分軸に加えて第２主成分軸の算出を省略してもよい。このような構成においても、上記各実施形態と同様な効果を奏する。

（４）上記各実施形態において、クラスタの結合可否の判定に用いる特徴量は、主成分分析により得られる分散に代えて、標準偏差であってもよいし、反射強度であってもよい。このような構成においても、上記各実施形態と同様な効果を奏する。

（５）上記第２実施形態においては、基準クラスタＣ_ｋは、一のクラスタと他の一のクラスタとのうち、構成点数がより大きなクラスタであったが、クラスタの体積がより大きなクラスタを基準クラスタとしてもよい。また、点群が２次元座標で取得される構成においては、クラスタの面積がより大きなクラスタを基準クラスタとしてもよい。また、クラスタの一辺の長さがより長いクラスタを基準クラスタとしてもよい。このような構成においても、上記各実施形態と同様な効果を奏する。

（６）上記第３実施形態においては、ステップＳ３１６において、クラスタＣ_ｋおよびＣ_ｍの構成点数が構成点数閾値以上であるか否かを判定していたが、構成点数に代えて、クラスタＣ_ｋおよびＣ_ｍの大きさが予め定められた大きさ閾値以上であるか否かを判定してもよい。クラスタの大きさとしては、クラスタの一辺の長さ、クラスタの体積、あるいはクラスタの面積を採用できる。例えば、各座標軸における最大値と最小値との差を算出し、算出された各差がいずれも２０センチメートル以上であるか否かを判定してもよい。また、例えば、点群が３次元座標で取得される構成においては、クラスタの体積を算出し、算出された体積が大きさ閾値以上であるか否かを判定してもよい。また、例えば、点群が２次元座標で取得される構成においては、クラスタの面積を算出し、算出された面積が大きさ閾値以上であるか否かを判定してもよい。なお、ステップＳ３１６の判定に大きさ閾値を用いる構成においても、構成点数閾値と同様に、物体認識装置１０からの距離と、天候、外乱光の強さといった車両１００の周囲の環境と、分解能θ１と、のうちの少なくとも１つを用いて、大きさ閾値を変化させてもよい。このような構成においても、上記各実施形態と同様な効果を奏する。

（７）上記各実施形態においては、物体認識装置１０は、ＬｉＤＡＲにより構成されていたが、ＬｉＤＡＲに代えて、単眼カメラや、ステレオカメラ等の撮像装置や、点群を取得可能な他の任意のセンサにより構成されていてもよい。このような構成においても、上記各実施形態と同様な効果を奏する。

上記各実施形態において、ソフトウェアによって実現された機能及び処理の一部又は全部は、ハードウェアによって実現されてもよい。また、ハードウェアによって実現された機能及び処理の一部又は全部は、ソフトウェアによって実現されてもよい。ハードウェアとしては、例えば、集積回路、ディスクリート回路、または、それらの回路を組み合わせた回路モジュールなど、各種回路を用いてもよい。また、本開示の機能の一部または全部がソフトウェアで実現される場合には、そのソフトウェア（コンピュータプログラム）は、コンピュータ読み取り可能な記録媒体に格納された形で提供することができる。「コンピュータ読み取り可能な記録媒体」とは、フレキシブルディスクやＣＤ−ＲＯＭのような携帯型の記録媒体に限らず、各種のＲＡＭやＲＯＭ等のコンピュータ内の内部記憶装置や、ハードディスク等のコンピュータに固定されている外部記憶装置も含んでいる。すなわち、「コンピュータ読み取り可能な記録媒体」とは、データパケットを一時的ではなく固定可能な任意の記録媒体を含む広い意味を有している。

本開示は、上述の実施形態に限られるものではなく、その趣旨を逸脱しない範囲において種々の構成で実現することができる。例えば、発明の概要の欄に記載した各形態中の技術的特徴に対応する実施形態中の技術的特徴は、上述の課題の一部又は全部を解決するために、あるいは、上述の効果の一部又は全部を達成するために、適宜、差し替えや、組み合わせを行うことが可能である。また、その技術的特徴が本明細書中に必須なものとして説明されていなければ、適宜、削除することが可能である。

１０…物体認識装置、２２…点群取得部、２３…クラスタ作成部、２４…クラスタ結合部、Ｃ_１、Ｃ_ｎ−１、Ｃ_ｎ、Ｃ_ｘ、Ｃ_ｙ、Ｃ_ｚ…クラスタ、ＯＢ１…壁、ＯＢ２…歩行者

Claims (17)

1. 物体認識装置（１０）であって、
   前記物体認識装置の周囲に存在する物体（ＯＢ１、ＯＢ２）の点群を取得する点群取得部（２２）と、
   取得された前記点群のうち各点間の距離が予め定められた距離閾値以下である点群を統合して、複数のクラスタ（Ｃ_１、Ｃ_ｎ−１、Ｃ_ｎ、Ｃ_ｘ、Ｃ_ｙ、Ｃ_ｚ）を作成するクラスタ作成部（２３）と、
   各前記クラスタを構成する構成点の特徴量を算出し、算出された特徴量が近似するクラスタ同士を結合するクラスタ結合部（２４）と、
   を備える、物体認識装置。
2. 請求項１に記載の物体認識装置であって、
   前記特徴量は、各前記構成点の座標値に対する主成分分析により得られる値である、
   物体認識装置。
3. 請求項２に記載の物体認識装置であって、
   前記クラスタ結合部は、
   各前記クラスタのうち一のクラスタを基準クラスタ（Ｃ_ｋ）とし、該基準クラスタに対する主成分分析により得られる第１基準主成分軸（ＡＸ_ｋ１）、第２基準主成分軸（ＡＸ_ｋ２）、および第３基準主成分軸（ＡＸ_ｋ３）を算出し、
   前記基準クラスタと、前記基準クラスタと結合する対象のクラスタである対象クラスタと、を仮に結合した仮結合クラスタ（Ｃ_ｃｎ）に対する主成分分析により得られる第１仮結合主成分軸（ＡＸ_ｃｎ１）、第２仮結合主成分軸（ＡＸ_ｃｎ２）、および第３仮結合主成分軸（ＡＸ_ｃｎ３）を算出し、
   前記特徴量は、各前記基準主成分軸の傾きと、各前記仮結合主成分軸の傾きとが近い主成分軸同士をペアにしたときの、前記基準主成分軸における分散と前記仮結合主成分軸における分散との変化量である、
   物体認識装置。
4. 請求項２に記載の物体認識装置であって、
   前記クラスタ結合部は、
   各前記クラスタのうち一のクラスタを基準クラスタ（Ｃ_ｋ）とし、該基準クラスタに対する主成分分析により得られる第１基準主成分軸（ＡＸ_ｋ１）、第２基準主成分軸（ＡＸ_ｋ２）、および第３基準主成分軸（ＡＸ_ｋ３）における分散をそれぞれ算出し、
   前記基準クラスタと、前記基準クラスタと結合する対象のクラスタである対象クラスタ（Ｃ_ｍ）と、を仮に結合した仮結合クラスタ（Ｃ_ｃｎ）の各前記基準主成分軸における分散をそれぞれ算出し、
   前記特徴量は、前記基準クラスタの各前記分散と、前記仮結合クラスタの各前記分散との変化量である、
   物体認識装置。
5. 請求項３または請求項４に記載の物体認識装置であって、
   前記基準クラスタは、一のクラスタと、他の一のクラスタと、のうち、前記構成点の数がより多いクラスタ、または、クラスタの面積とクラスタの体積とのうちのいずれか一方がより大きなクラスタ、または、クラスタの一辺の長さがより長いクラスタである、
   物体認識装置。
6. 請求項３から請求項５までのいずれか一項に記載の物体認識装置であって、
   前記特徴量は、前記分散の比である、
   物体認識装置。
7. 請求項３から請求項６までのいずれか一項に記載の物体認識装置であって、
   前記基準クラスタは、各前記クラスタのうち、一のクラスタと、他の一のクラスタと、のうち、前記構成点の数がより多いクラスタ、または、クラスタの面積とクラスタの体積とのうちのいずれか一方がより大きなクラスタであり、
   前記クラスタ結合部は、
   前記基準クラスタの構成点であって、前記対象クラスタから予め定められた距離内に存在する構成点を抽出し、
   抽出された前記構成点からなる抽出クラスタの前記特徴量と、前記一のクラスタと前記他の一のクラスタとのうち前記基準クラスタとは異なるクラスタの前記特徴量とを用いて、前記一のクラスタと、前記他の一のクラスタとを結合するか否かを判定する、
   物体認識装置。
8. 請求項３から請求項７までのいずれか一項に記載の物体認識装置であって、
   前記特徴量は、前記第３基準主成分軸と、前記対象クラスタに対する主成分分析により得られる第３主成分軸との間の角度（θ２）である、
   物体認識装置。
9. 請求項８に記載の物体認識装置であって、
   前記特徴量は、第３主成分軸における座標値の最大値と最小値との差である、
   物体認識装置。
10. 請求項１から請求項９までのいずれか一項に記載の物体認識装置であって、
    前記クラスタ結合部は、クラスタ間の距離が予め定められた距離以下である場合にのみ、クラスタの結合処理を実行する、
    物体認識装置。
11. 請求項１から請求項１０までのいずれか一項に記載の物体認識装置であって、
    前記クラスタ結合部は、
    各前記クラスタのうち、前記構成点の数が最も多いクラスタ、または、クラスタの面積とクラスタの体積とのうちのいずれか一方が最も大きなクラスタを基点とし、該基点のクラスタから予め定められた方向に、前記構成点の数が多い順、または、前記面積と前記体積とのうちのいずれか一方が大きな順に各前記クラスタを並び替え、
    前記基点のクラスタと結合する対象のクラスタを、前記予め定められた方向に沿って選択する、
    物体認識装置。
12. 請求項１から請求項１１までのいずれか一項に記載の物体認識装置であって、
    前記クラスタ結合部は、各前記クラスタのうち、前記構成点の数が予め定められた構成点数閾値以上であるクラスタ、または、前記クラスタの面積と体積とのうちのいずれか一方が予め定められた大きさ閾値以上であるクラスタのみを対象にクラスタの結合処理を実行する、
    物体認識装置。
13. 請求項１２に記載の物体認識装置であって、
    前記クラスタ結合部は、各前記クラスタのうち、前記構成点の数が前記予め定められた構成点数閾値以上であるクラスタ、または、前記クラスタの面積と体積とのうちのいずれか一方が前記予め定められた大きさ閾値以上であるクラスタの前記結合処理を実行した後、前記結合処理を実行していない残りのクラスタの前記結合処理を実行する、
    物体認識装置。
14. 請求項１２または請求項１３に記載の物体認識装置であって、
    前記クラスタ結合部は、前記物体認識装置の分解能と、前記物体認識装置から前記物体までの距離と、前記物体認識装置の周囲の環境と、のうちの少なくとも一つを用いて、前記予め定められた構成点数閾値と、前記予め定められた大きさ閾値とを変化させる、
    物体認識装置。
15. 請求項１から請求項１４までのいずれか一項に記載の物体認識装置であって、
    前記クラスタ作成部は、前記物体認識装置の分解能と、前記物体認識装置から前記物体までの距離と、前記物体認識装置の周囲の環境と、のうちの少なくとも一つを用いて、前記予め定められた距離閾値を変化させる、
    物体認識装置。
16. 請求項１から請求項１５までのいずれか一項に記載の物体認識装置であって、
    前記クラスタ作成部は、作成する予定のクラスタの大きさが予め定められた大きさよりも大きくなる場合、新たにクラスタを作成する、
    物体認識装置。
17. 物体認識方法であって、
    物体認識装置（１０）の周囲に存在する物体（ＯＢ１、ＯＢ２）の点群を取得し、
    取得された前記点群のうち各点間の距離が予め定められた距離閾値以下である点群を統合して、複数のクラスタ（Ｃ_１、Ｃ_ｎ−１、Ｃ_ｎ、Ｃ_ｘ、Ｃ_ｙ、Ｃ_ｚ）を作成し、
    各前記クラスタを構成する構成点の特徴量を算出し、算出された特徴量が近似するクラスタ同士を結合する、
    物体認識方法。

Images