JP3104533B2 - 車載用の物体検出装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、車載用の物体検出装置
に関し、先行車両等の物体を検出する車載用の物体検出
装置に関する。

【０００２】

【従来の技術】従来より、車両にレーダ装置等を取り付
け、自車両の前方にレーダビームを照射して、先行車両
等の物体を検出する物体検出装置が開発されている。

【０００３】例えば、特開平１−１１４５５０号公報に
記載のものは、先行車両を検出している状態から、カー
ブの出入口等で上記検出していた先行車両を見失った場
合、一定時間だけ自車の制御車速を保持して見失い対策
を行なっている。

【０００４】

【発明が解決しようとする課題】従来装置において、先
行車両以外の障害物を先行車両と誤認した場合や、レー
ダ装置に雑音が混入した場合等のノイズによる誤判定を
防止するため、先行車両の検出時に検出の確信度（存在
確率）を演算し、確信度が低い検出データは採用しない
ようにすることが考えられる。

【０００５】その場合、今回検出した物体が過去に検出
した物体と位置が対応しているか否かを判断し、対応が
とれれば上記確信度を所定割合で増大させ、対応がとれ
なければ確信度を所定割合で減少させる。

【０００６】しかし、今回検出した物体が過去に検出し
た物体と位置が対応しているか否かだけで確信度を増大
又は減少させると、今回検出した物体の検出強度が小さ
い場合であっても確信度が増大してしまい誤判定のおそ
れがあるという問題があった。

【０００７】本発明は上記の点に鑑みてなされたもの
で、目標物体の検出精度に応じて目標物体の存在確率を
補正することにより、目標物体の存在確率を適正なもの
とし、制御・警報のノイズによる誤判定を防止できる車
載用の物体検出装置を提供することを目的とする。

【０００８】また、本発明は、目標物体の検出強度と過
去の目標物体の検出強度を比較することにより、検出さ
れた複数の目標物体の位置と過去の複数の目標物体の位
置との対応付けの精度を向上する車載用の物体検出装置
を提供することを目的とする。

【０００９】

【課題を解決するための手段】請求項１に記載の発明
は、図１（Ａ）に示す如く、目標物体の位置を検出する
物体検出手段Ｍ１と、上記物体検出手段で検出された目
標物体の位置と過去に検出された目標物体の位置とが対
応しているときには前回の値より大きくなり、対応して
いないときには前回の値より小さくなり目標物体の存在
度合いの確からしさを表わす確信度を演算する確信度演
算手段Ｍ２と、上記物体検出手段の物体検出環境を認識
する環境認識手段Ｍ３と、上記物体検出環境に応じて上
記確信度又は確信度のしきい値を補正する補正手段Ｍ４
とを有する。

【００１０】請求項２に記載の発明では、前記環境認識
手段Ｍ３は、物体検出手段Ｍ１で目標物体を検出できな
い可能性を推定して物体検出環境の認識を行なう。

【００１１】請求項３に記載の発明では、前記環境認識
手段Ｍ３は、物体検出環境として自車速を認識し、前記
補正手段は、上記自車速が大なるほど確信度を増大させ
る。

【００１２】請求項４に記載の発明では、前記環境認識
手段Ｍ３は、物体検出環境として目標物体との相対距離
を認識し、前記補正手段Ｍ４は上記相対距離に応じて確
信度を変更する。

【００１３】請求項５に記載の発明では、前記環境認識
手段Ｍ３は、物体検出環境として目標物体の検出強度を
認識し、前記補正手段Ｍ４は、上記検出強度の平均値と
現在の検出強度とに応じて確信度を変更する。

【００１４】請求項６に記載の発明では、前記環境認識
手段Ｍ３は、検出した目標物体が移動物体か固定物体か
を認識し、前記補正手段Ｍ４は、移動物体か固定物体か
に応じて確信度のしきい値を変更する。

【００１５】請求項７に記載の発明では、前記環境認識
手段Ｍ３は、目標物体が自車の車線上にあるか否かを認
識し、前記補正手段Ｍ４は、自車の車線上にあるか否か
に応じて確信度のしきい値を変更する。

【００１６】請求項８の発明は、図１（Ｂ）に示す如
く、過去の目標物体の検出時の検出強度と現在の検出強
度とを比較し、その比較結果に応じて現在の目標物体の
位置と過去の目標物体の位置との対応付けを行なう対応
付け手段Ｍ５を有する。

【００１７】

【作用】請求項１に記載の発明においては、確信度又は
そのしきい値を種々の環境条件に応じて補正できるた
め、目標物体の確信度又はそのしきい値を環境条件に応
じて適正な値とすることができ、ノイズによる誤判定を
防止して確実な物体の検出を行なうことができる。

【００１８】請求項２に記載の発明においては、目標物
体を検出できない可能性が高い場合は確信度の増加の割
合いを低くでき、目標物体の確信度を適正な値とするこ
とができる。

【００１９】請求項３に記載の発明においては、高速走
行時には確信度を増大させ、これにより確実な物体の検
出を早期に行なうことができる。

【００２０】請求項４に記載の発明においては、相対距
離が小さい場合には確信度を増大させ、これにより確実
な物体の検出を早期に行なうことができる。

【００２１】請求項５に記載の発明においては、目標物
体が小さく検出強度が小さい場合には確信度の補正量が
小さめになるが、過去の検出強度の平均値を導入するこ
とにより、目標物体が小さい場合であっても確信度を早
期に増加でき、確実な物体の検出を早期に行なうことが
できる。

【００２２】請求項６に記載の発明においては、目標物
体が移動物体の場合に、これが停止物体の場合に比べて
確信度が早期にしきい値に達し、移動物体の確実な検出
を早期に行なうことができる。

【００２３】請求項７に記載の発明においては、自車の
走行車線と他の走行車線とでしきい値が変更され、自車
の走行車線の目標物体についてのみ確実な物体の検出を
早期に行なうことができる。

【００２４】請求項８に記載の発明においては、目標物
体の現在と過去の対応付けの際に位置だけでなく検出強
度も用いるため対応付けの精度が向上する。

【００２５】

【実施例】図２は本発明装置のブロック図を示す。同図
中、送信側回路は、搬送波発生器１０，周波数変調器１
２，変調電圧発生器１４，サーキュレータ１６，及び送
信アンテナ１８から構成される。搬送波発生器１０から
は搬送波が出力され、周波数変調器１２に供給される。
一方、変調電圧発生器１４からは振幅が三角形状に変化
する三角波が出力され、変調波として周波数変調器１２
に供給される。これによって、搬送波発生器１０からの
搬送波は周波数変調され、時間経過に伴って周波数が三
角形状に変化する送信信号が出力される。この送信信号
はサーキュレータ１６を介して送信アンテナ１８に供給
され、被検出物体に向けて放射される。一方、サーキュ
レータ１６を介して、送信信号の一部は後述する受信側
回路のミキサ２２に供給される。

【００２６】受信側回路は、受信アンテナ２０，ミキサ
２２，増幅器２４，フィルタ２６，高速フーリエ変換処
理器（ＦＦＴ信号処理器）２８，ターゲット認識器３
０，及び警報器３４から構成される。被検出物体からの
反射波は受信アンテナ２０で受信され、ミキサ２２に供
給される。ミキサ２２では受信信号とサーキュレータ１
６からの送信信号の一部が差分演算により結合され、ビ
ート信号が生成される。ミキサ２２からのビート信号は
増幅器２４で増幅され、アンチエリアシングフィルタ２
６を介してＦＦＴ信号処理器２８及びターゲット認識器
３０に供給される。ＦＦＴ信号処理器２８は周波数上昇
部分及び周波数下降部分夫々のパワースペクトラムを得
て、ターゲット認識器３０に供給する。上記の搬送波発
生器１０〜ＦＦＴ信号処理器２８が物体検出手段Ｍ１に
対応する。

【００２７】ターゲット認識器３０は周波数上昇部分，
下降部分夫々のパワースペクトラムのピークを検出して
ペアリングを行ない、各目標物体に対応するピーク対を
形成する。このピーク対の周波数上昇部分のピーク周波
数fup と周波数下降部分のピーク周波数fdown とから得
られる相対速度周波数fd, 距離周波数fr fd＝(fdown-fup）／２ …（１） fr＝(fdown+fup）／２ …（２） 及び fd＝２・Ｖ／Ｃ・ｆ０ …（３） fr＝４・ｆｍ・Δｆ／Ｃ・Ｒ …（４） 但し、Ｖ：相対速度、Ｃ：光速、ｆ０：中心周波数、ｆ
ｍ：変調周波数、Δｆ：周波数変移幅、Ｒ：相対距離に
より相対距離Ｒ及び相対速度Ｖを同時に求める。この
後、予め定められた、又は自車の走行状態に応じて算出
される安全距離と上記相対距離の大小比較を行ない、安
全距離以下である場合には危険と判定し、警報器３４に
より運転者に報知する。

【００２８】また、ステア制御回路４０は車速センサ４
２から自車速度Ｖ_S を供給され、操舵角センサ４４から
操舵角θ_H を供給され、ターゲット認識器３０から相対
距離Ｒを供給されており、次式によりカーブの曲率半径
ρ及び送信アンテナ１８及び受信アンテナ２０の回動角
であるステア角θ_S を算出する。

【００２９】 θ_S ＝ sin^-1（Ｒ／２ρ） …（ａ） ρ＝（１＋Ｋ₁ ×Ｖ_S ² ）×Ｋ₂ ／θ_H …（ｂ） 但し、Ｋ₁ ，Ｋ₂ は定数であり、ステア角θ_S は例えば
車両の進行方向を０として左側を正、右側を負としてい
る。ステア制御回路４０は（ａ）式で算出したステア角
θ_S となるようにステア機構４６を駆動して送信アンテ
ナ１８及び受信アンテナ２０の回動を制御する。また、
車速センサ４２で検出した自車速度はターゲット認識器
３０にも供給されている。

【００３０】図３乃至図６はターゲット認識器３０が実
行する認識処理の第１実施例のフローチャートを示す。
この処理は数十msec毎に実行される。同図中、ステップ
Ｓ１０ではＦＦＴ信号処理器２８より供給されるパワー
スペクトラムを取り込む。次にステップＳ１２で、ピー
ク対毎つまり目標物体毎に（１）式〜（４）式を用いて
目標物体の相対距離Ｒ及び相対速度Ｖ（Ｖは接近方向を
正とする）、及びピーク対の平均レベルである反射強度
ＬＶＬを計算する。この反射強度ＬＶＬは周波数上昇部
分，周波数下降部分夫々のピークのレベルを別々に用い
ても良いが、計算が複雑になるため平均レベルを用い
る。なお、目標物体の数ｎは車両だけであれば５程度で
あるが、路側物等からの反射があるので２０程度とな
る。

【００３１】ステップＳ１４では保存データが有るか、
つまり前回既に目標物体が存在していたか否かを判別
し、保存データがなければ位置記憶手段Ｍ２及び検出強
度記憶手段Ｍ５に対応するステップＳ１６に進み、ステ
ップＳ１２において検出された新たな目標物体のＲ，
Ｖ，ＬＶＬのデータを新保存データとして全て保存し、
図５のステップＳ６０に進む。このときの新たな目標物
体の存在確率は基本的に例えば５％等の一定値とする。

【００３２】また、保存データが存在する場合には、ス
テップＳ１８で新データつまり新たな目標物体ｉ（ｉは
１〜ｎのいずれか）を選択し、その相対距離Ｒｉ，相対
速度Ｖｉを中心とする範囲Ｒｉ±α，Ｖｉ±βを計算す
る。上記の範囲±α，±β夫々は車両が急加減速を行な
ったときの限界値とレーダ装置の誤差を含んだ値であ
る。そして、ステップＳ２０にて相対距離Ｒ’ｍ相対速
度Ｖ’ｍとｉ番目の新データの範囲Ｒｉ±α，Ｖｉ±β
との比較を、全ての保存データについて行なう。なお、
保存データに範囲を設けて新データと比較しても良く、
また、保存データのＲ’ｍとＲ’ｍの増分ΔＲ’ｍ，
Ｖ’ｍとＶ’ｍの増分ΔＶ’ｍとから次のＲ’ｍ，Ｖ’
ｍを予測して、この予測値を上記保存データの代りに用
いても良い。

【００３３】次にステップＳ２２では範囲Ｒｉ±α又は
Ｖｉ±β内に２つ以上の保存データがあるか否かを判別
し、あれば対応付け手段Ｍ５に対応するステップＳ２４
に進み、なければ図４のステップＳ４０に進む。ステッ
プＳ２４では範囲内に存在した２つ以上の保存データの
反射強度ＬＶＬ’ｍ，ＬＶＬ’ｐ，…と範囲の中心であ
る新データの反射強度ＬＶＬｉとの差を求め、この差が
最小の保存データを選択する。更にステップＳ２６で選
択された差が最小となる保存データが２つ以上あるか否
かを判別し、あればステップＳ２８に進み、なければス
テップＳ４０に進む。ここで、反射強度の差を比較する
のは、検出周期が短かい場合は同一の目標物体の反射強
度は急激に変化しないためである。

【００３４】ステップＳ２８では差が最小の２つ以上の
保存データについて、新データとの相対距離の差の２乗
と、相対速度の差の２乗との和、例えば（Ｒ’ｍ−Ｒ
ｉ）²＋（Ｖ’ｍ−Ｖｉ）² を求め、２乗の和が最小と
なる保存データを選択する。この後、ステップＳ３０で
選択した保存データを他の新データが選択していないか
どうかを確認して図４のステップＳ４０に進む。ステッ
プＳ４０ではステップＳ３０の確認によって選択した保
存データを他の新データが選択しているかどうかを判別
し、他が選択していればステップＳ４２に進み、他が選
択していなければステップＳ４３でｉ番目の新データに
対する保存データの選択を終了してステップＳ４８に進
む。

【００３５】対応付け手段Ｍ５に対応するステップＳ４
２では選択された保存データの反射強度ＬＶＬ’ｍと、
これを選択した複数の新データの反射強度ＬＶＬｉ，Ｌ
ＶＬｊ，…との差を求め、この差が最小の新データを選
択する。更にステップＳ４４で選択された差が最小とな
る新データが２つ以上あるか否かを判別し、あればステ
ップＳ４６に進み、なければステップＳ４８に進む。

【００３６】ステップＳ４６では差が最小の２つ以上の
新データについて、保存データとの相対距離の差の２乗
と、相対速度の差の２乗の和、例えば（Ｒ’ｍ−Ｒｉ）
² ＋（Ｖ’ｍ−Ｖｉ）² を求め、２乗の和が最小となる
新データを選択する。

【００３７】この後、ステップＳ４８でｉ番目の新デー
タが今回得られた新データの最後のものかどうかを判別
し、最後でなければステップＳ５０で範囲Ｒｉ±α，Ｖ
ｉ±β内で選択された保存データを選択済みとしてステ
ップＳ１８に戻り処理を繰り返す。また、ステップＳ４
８でｉ番目が新データの最後と判別されるとステップＳ
５２に進み、保存データを選択できなかった新データを
新保存データとして保存して図５のステップＳ６０に進
む。

【００３８】図５のステップＳ６０，Ｓ６２では全ての
保存データについて新保存データか否か、新データに選
択された保存データか否かを判別する。新保存データ、
つまり新たに検出された目標物体ｉについてはステップ
Ｓ６４に進んで図７に示すマップを新データの反射強度
ＬＶＬｉで参照して補正係数γｉを演算する。ミリ波レ
ーダでは反射強度ＬＶＬはセンサ能力と目標物体の大き
さ（反射しやすさ）によって決まるためＬＶＬが大きい
と誤検出しにくいのでγを大きくして存在確率の増加率
を速くする。次にステップＳ６６で（１）式により確信
度としての存在確率ＥＸｉを演算し、Ｒｉ，Ｖｉ，ＬＶ
Ｌｉと共に保存してステップＳ８０に進む。

【００３９】 Ａｉ＝Ｂ×γｉ ＥＸｉ＝Ａｉ …（１） 但し、Ｂは例えば５％等の所定増減値また、新データに
選択された保存データつまり以前から検出されている目
標物体ｉについては、基本的に長時間検出され続けたと
き存在確率を高くする。このため、ステップＳ６８で図
７のマップを新データの反射強度ＬＶＬｉで参照して補
正係数γｉを求め、ステップＳ７０で（２）式により存
在確率ＥＸｉを演算し、ステップＳ８０に進む。

【００４０】 Ａｉ＝Ｂ×γｉ ＥＸｉ＝ＥＸｉｒ＋Ａｉ …（２） 但し、ＥＸｉｒは前回保存した存在確率である。

【００４１】また、新データに選択されてない保存デー
タ、つまり目標物体ｉを見失った場合はステップＳ７２
に進み、目標物体ｉの保存データ（前回検出された値）
の反射強度ＬＶＬｉで図８に示すマップを参照して補正
係数ηｉを演算する。このマップで、前回のＬＶＬｉが
大であると、見失うことが生じる可能性が低く、目標物
体ｉが車線変更等で自車前方に存在しなくなった可能性
が高いためである。次にステップＳ７４で（３）式によ
り存在確率ＥＸｉを演算する。

【００４２】 Ｃｉ＝Ｂ×ηｉ ＥＸｉ＝ＥＸｉｒ−Ｃｉ …（３） この後、ステップＳ７６では（３）式で得たＥＸｉが０
以下か否かを判別し、ＥＸｉ≦０のときはステップＳ７
８で目標物体ｉの保存データを消去し、ＥＸｉ＞０のと
きはステップＳ８０に進む。上記のステップＳ６４，Ｓ
６８，Ｓ７２が補正手段Ｍ４に対応し、ステップＳ６
６，Ｓ７０，Ｓ７４が確信度演算手段Ｍ２及び環境認識
手段Ｍ３に対応する。

【００４３】図６のステップＳ８０では自車の操舵角又
はヨーレート等から旋回半径を計算し、この旋回半径で
図９のマップを参照してしきい値Ｚを計算する。これは
直線路ではレーダビーム幅を１車線幅程度にしぼってお
り、存在確率が低くても誤検出の可能性が低く、カーブ
ではビームを偏向させたとしても離接車両を検出する確
率が高くなるため旋回半径が小さい程しきい値を高くし
ている。

【００４４】この後ステップＳ８４で全ての目標物体ｉ
について、存在確率ＥＸｉをしきい値Ｚと比較し、ＥＸ
ｉ≧Ｚの目標物体ｉについてはステップＳ８６で制御・
警報対象のデータとして次処理に進み、またＥＸｉ＜Ｚ
の目標物体ｉについてはステップＳ８８で制御・警報対
象のデータから除いて次処理に進む。

【００４５】これにより、ノイズ、路側物、隣接車線の
車両等の短時間しか自車の前方に存在しない目標物体を
除去することができ、ノイズ等により目標物体を見失う
ことが防止できる。これは上記実施例では存在確率計算
に反射強度を用いているために適確な判断が可能となっ
ている。

【００４６】ところで、反射強度ＬＶＬを用いてセンサ
能力に従って目標物体の存在確率を計算することができ
るが、反射強度ＬＶＬの変化する大きな要因として目標
物体の大きさ及び材質で変わる反射断面積の大きさがあ
る。例えば大型のパネルトラックの如きものは相対距離
が遠くても存在確率が早く高くなり、２輪車の如きもの
は相対距離が近づかないと存在確率はなかなか高くなら
ず、制御・警報対象とはならない。このため、車間距離
（相対距離）及び自車速度によって存在確率を変化させ
ることにより、目標物体の物理的な危険性を存在確率に
反映させ、２輪車等の見失いを減少させるのが次の第２
実施例及び第３実施例である。

【００４７】図１０は認識処理の第２実施例の要部のフ
ローチャートであり、第１実施例の図５の代りに実行さ
れる。

【００４８】図１０のステップＳ１００，Ｓ１０２では
全ての保存データについて新保存データか否か、新デー
タに選択された保存データか否かを判別する。新保存デ
ータ、つまり新たに検出された目標物体ｉについてはス
テップＳ１０４に進んで図７に示すマップを新データの
反射強度ＬＶＬｉで参照して補正係数γｉを演算し、図
１１に示すマップを新データの相対距離Ｒｉで参照して
補正係数ν１ｉを演算し、図１２に示すマップを自車の
車速で参照して補正係数ξ１ｉを演算する。

【００４９】図１１において相対距離Ｒｉが小なる程、
補正定数ν１は増加させ、補正係数ν２は逆に減少させ
ている。また、図１２において車速が大な程、補正係数
ξ１は増加させ、補正係数ξ２は逆に減少させている。

【００５０】次にステップ１０６で（４）式により存在
確率ＥＸｉを演算しＲｉ，Ｖｉ，ＬＶＬｉと共に保存し
てステップＳ８０に進む。

【００５１】 Ｄｉ＝Ｂ×（γｉ＋ν１ｉ＋ξ１ｉ） ＥＸｉ＝Ｄｉ …（４） また、新データに選択された保存データつまり以前から
検出されている目標物体ｉについては、基本的に長時間
検出され続けたとき存在確率を高くするためステップＳ
１０８で図７，図１１，図１２夫々のマップを新データ
の反射強度ＬＶＬｉ，相対距離Ｒｉ及び車速ＳＰＤ夫々
で参照して補正係数γｉ，ν１ｉ，ξ１ｉを求め、ステ
ップＳ１１０で（５）式により存在確率ＥＸｉを演算
し、ステップＳ８０に進む。

【００５２】 Ｄｉ＝Ｂ×（γｉ＋ν１ｉ＋ξ１ｉ） ＥＸｉ＝ＥＸｉｒ＋Ｄｉ …（５） また、新データに選択されてない保存データ、つまり目
標物体ｉを見失った場合はステップＳ１１２に進み、目
標物体ｉの保存データ（前回検出された値）の反射強度
ＬＶＬｉ，相対距離Ｒｉ及び車速ＳＰＤ夫々で図８，図
１１，図１２夫々に示すマップを参照して補正係数η
ｉ，ν２ｉ，ξ２ｉ夫々を演算する。図１１，図１２で
ν２をＲが小なる程減少させξ２をＳＰＤが大なる程減
少させているのは物理的な危険性を表わすためである。
次にステップＳ１１４で（６）式により存在確率ＥＸｉ
を演算する。

【００５３】 Ｅｉ＝Ｂ×（ηｉ＋ν２ｉ＋ξ２ｉ） ＥＸｉ＝ＥＸｉｒ−Ｅｉ …（６） この後、ステップＳ７６では（３）式で得たＥＸｉが０
以下か否かを判別し、ＥＸｉ≦０のときはステップＳ１
１８で目標物体ｉの保存データを消去し、ＥＸｉ＞０の
ときはステップＳ８０に進む。

【００５４】目標物体の種類によって見失う確率に差が
あることは前述の通りである。この差を減らすため学習
により存在確率を計算し、２輪車等の反射強度の小さな
車両も確実に認識するようにしたのが第３実施例であ
る。

【００５５】同一物体からのレーダの反射強度は図１３
に示す如く相対距離Ｒによって変化する。このため図１
４に実線で示す如き乗用車相当の基準反射強度マップを
予め実験又はシミュレーョンにより作成しておく。これ
は一般道路では乗用車が比較的多いため基準としてい
る。この基準レベルに対してトラック等の大型車両は一
点鎖線に示す如く平均的に高いレベルとなり、２輪車等
は破線に示す如く平均的に低いレベルとなる。このた
め、存在確率が０以上の時間が一定時間以上となるまで
基準レベルとの差を平均化し、その平均値を現在のレベ
ルに加算した値を存在確率の増加率の補正量とする。見
失った場合は元のレベルに対して減少率の補正を行な
う。

【００５６】図１５は認識処理の第３実施例の要部のフ
ローチャートであり、第１実施例の図５の代りに実行さ
れる。

【００５７】図１５のステップＳ２００，Ｓ２０２では
全ての保存データについて新保存データか否か、新デー
タに選択された保存データか否かを判別する。新保存デ
ータつまり新たに検出された目標物体ｉについてはステ
ップＳ２０４で図１４のマップを新データの相対距離Ｒ
ｉで参照して基準レベルの反射強度ＬＶＬＢを演算し、
ステップＳ２０６で基準レベルの反射強度ＬＶＬＢから
新データの反射強度ＬＶＬｉを減算して差ＴＬＶＬｉを
求める。次にステップＳ２０８で図７に示すマップを新
データの反射強度ＬＶＬｉで参照して補正係数γｉを演
算し、図１１に示すマップを新データの相対距離Ｒｉで
参照して補正係数ν１ｉを演算し、図１２に示すマップ
を車速ＳＰＤで参照して補正係数ξ１ｉを演算する。ス
テップＳ２１０では（４）式より存在確率ＥＸｉ＝Ｂ×
（γｉ＋ν１ｉ＋ξ１ｉ）を演算しステップＳ８０に進
む。

【００５８】また、新データに選択された保存データ、
つまり以前から検出されている目標物体ｉについては、
図１６のステップＳ２１２でＬＶＬ学習を終了したか否
かを判別する。終了していなければ、ステップＳ２１４
で図１４のマップを新データの相対距離Ｒｉで参照して
基準レベルの反射強度ＬＶＬＢを演算し、ステップＳ２
１６で基準レベルの反射強度ＬＶＬＢと新データの反射
強度ＬＶＬｉとの差をＴＬＶＬｉに加算する。次にステ
ップＳ２１８で上記加算を所定回数ｑ回行なったかを判
別し、ｑ回未満ではステップＳ２２０に進み図７のマッ
プを新データの反射強度ＬＶＬｉで参照して補正係数γ
ｉを演算し、図１１のマップを新データの相対距離Ｒｉ
で参照して補正係数ν１ｉを演算し、図１２に示すマッ
プを車速ＳＰＤで参照して補正係数ξ１ｉを演算する。
ステップＳ２２２では（４）式より存在確率ＥＸｉを演
算しステップＳ８０に進む。

【００５９】ステップＳ２１８でｑ回加算したと判別さ
れるとステップＳ２２４でＴＬＶＬｉをｑで割算して平
均値ＤＬＶＬｉを求め、次のステップＳ２２６で新デー
タの反射強度ＬＶＬｉにＤＬＶＬｉを加算して補正反射
強度ＮＬＶＬｉを求める。これによりＬＶＬ学習が終了
する。次にステップＳ２２８で図７のマップをＮＬＶＬ
ｉで参照して補正係数γｉを演算し、図１２のマップを
車速ＳＰＤで参照して補正係数ξ１ｉを演算する。ステ
ップＳ２３０では（７）式より存在確率ＥＸｉを演算
し、ステップＳ８０に進む。

【００６０】 Ｄｉ＝Ｂ×（γｉ＋ξ１ｉ） ＥＸｉ＝ＥＸｉｒ＋Ｄｉ …（７） また、ステップＳ２１２でＬＶＬ学習を終らしたと判別
された場合はステップＳ２３２で図１４のマップを新デ
ータの相対距離Ｒｉで参照して基準レベルの反射強度Ｌ
ＶＬＢを演算し、ステップＳ２３４で（８）式により平
均値ＤＬＶＬｉを更新する。

【００６１】 ＤＬＶＬｉ＝（ＤＬＶＬｉ×（ｑ−１） ＋（ＬＶＬＢ−ＬＶＬｉ））／ｑ …（８） ステップＳ２３６では新データの反射強度ＬＶＬｉにＤ
ＬＶＬｉを加算して補正反射強度ＮＬＶＬｉを求める。
次にステップＳ２３８で図７のマップをＮＬＶＬｉで参
照して補正定数γｉを演算し、図１２のマップを車速Ｓ
ＰＤで参照して補正係数ξ１ｉを演算する。ステップＳ
２４０では（７）式により存在確率ＥＸｉを演算し、ス
テップＳ８０に進む。

【００６２】図１５のステップＳ２０２で新データに選
択されてない保存データつまり目標物体ｉを見失った場
合はステップＳ２４２でＬＶＬ学習を終了したか否かを
判別する。終了してなければステップＳ２４４で図８の
マップを保存データ（前回検出された値）の反射強度Ｌ
ＶＬｉで参照して補正係数ηｉを演算し、図１１のマッ
プを新データの相対距離Ｒｉで参照して補正係数ν２ｉ
を演算し、図１２に示すマップを車速ＳＰＤで参照して
補正係数ξ２ｉを演算する。ステップＳ２４６では
（６）式より存在確率ＥＸｉを演算する。この後、ステ
ップＳ２５０で存在確率ＥＸｉが０以下か否かを判別
し、ＥＸｉ≦０のときはステップＳ２５２で目標物体ｉ
の保存データを消去し、ＥＸｉ＞０のときはステップＳ
８０に進む。ステップＳ２４２でＬＶＬ学習を終了して
なければステップＳ２５４で図８のマップを保存データ
（前回検出された値）の反射強度ＬＶＬｉで参照して補
正係数ηｉを演算し、図１２に示すマップを車速ＳＰＤ
で参照して補正係数ξ２ｉを演算する。ステップＳ２５
６では（９）式より存在確率ＥＸｉを演算する。

【００６３】 Ｅｉ＝Ｂ×（ηｉ＋ξ２ｉ） ＥＸｉ＝ＥＸｉｒ−Ｅｉ …（９） この後、ステップＳ２６０で存在確率ＥＸｉが０以下か
否かを判別し、ＥＸｉ≦０のときはステップＳ２６２で
目標物体ｉの保存データを消去し、ＥＸｉ＞０のときは
ステップＳ８０に進む。

【００６４】ここで、全ての車両の反射強度ＬＶＬを基
準レベルに近づけることは、単に相対距離Ｒによる補正
であるだけではなく、実際にはマルチパス等で反射強度
が相対距離Ｒに対し一定ではないため、反射強度ＬＶＬ
に対し、平均値ＤＬＶＬを加算することに意味があり、
これによってセンサ能力を反映させている。

【００６５】これによって図１７に示す如く時点ｔ₀ で
新たに検出された目標物体の存在確率は連続して検出さ
れる時間が長くなるに従って高くなり、時点ｔ₂ 〜ｔ₃
間の如く見失ったときに存在確率が低下する。しかし時
点ｔ₃ 〜ｔ₄ 間で再び検出されると存在確率は徐々に高
くなり、その後見失った時間が長くなると最後には存在
確率が０となる。また、時点ｔ₁ 〜ｔ₅ 間でこの存在確
率はしきい値Ｚを越え、この目標物体は、制御・警報対
象のデータとされている。

【００６６】なお、上記の実施例では目標物体の検出強
度に応じて目標物体の存在確率を補正しているが、この
他にレーダ装置に故障が発生したとき、故障が軽微であ
れば補正量を小さくし故障が重大であれば補正量を大き
くして目標物体の存在確率を補正するように検出精度に
応じた補正を行なっても良い。

【００６７】図１８は認識処理の第４実施例の要部のフ
ローチャートであり、第１実施例の図６の代りに実行さ
れる。

【００６８】図１８のステップＳ３００では相対速度Ｖ
_i を自車速度と比較し、相対速度Ｖ _i が自車速度Ｖ_S か
ら所定範囲内にあるか否かを判別する。相対速度Ｖ_i が
自車速度から所定範囲内で自車速度と同程度の場合は、
このｉ番目の目標物体が停止物体であるとみなして、ス
テップＳ３０２に進む。ステップＳ３０２ではしきい値
Ｚに高設定値ＥＸＴＨＳ（例えば８０％）を設定する。

【００６９】次にステップＳ３０４では存在確率ＥＸ_i
をしきい値Ｚと比較し、ＥＸ_i ≧Ｚの場合はステップＳ
３２０で制御・警報対象のデータとして次処理に進む。
また、ＥＸ_i ＜Ｚの場合はステップＳ３０６で存在確率
ＥＸ_i が減少中かどうかを判別する。存在確率ＥＸ_i が
所定回数連続して減少していればステップＳ３０８で目
標物体ｉの存在確率ＥＸ_i を強制的に０としてステップ
Ｓ３１０に進み、また存在確率ＥＸ_i が所定回数連続し
て減少してなければそのままステップＳ３１０に進み、
ステップＳ３１０では目標物体ｉを制御・警報対象のデ
ータから除いて次処理に進む。

【００７０】一方、ステップＳ３００で相対速度Ｖ_i が
自車速度と異なっている場合は、このｉ番目の目標物体
が移動物体とみなしてステップＳ３１２に進み、しきい
値Ｚに中設定値ＥＸＴＨＭ（例えば５０％）を設定す
る。次にステップＳ３１４で目標物体ｉの存在確率ＥＸ
_i が所定回数連続して増加中かどうかを判別する。存在
確率ＥＸ_i が所定回数連続して増加していればステップ
Ｓ３１６で目標物体ｉの存在確率ＥＸ_i に図９のステッ
プＳ７０で算出したＡ_i 又は図１０のステップＳ１１０
で算出したＤ_i を加算することにより存在確率ＥＸ_i の
増加分Ａ_i 又はＤ _i を２倍としてステップＳ３１８に進
み、存在確率ＥＸ_i が所定回数連続して増加してなけれ
ばそのままステップＳ３１８に進む。

【００７１】ステップＳ３１８では存在確率ＥＸ_i をし
きい値Ｚと比較し、ＥＸ_i ≧Ｚの場合はステップＳ３２
０で目標物体ｉを制御・警報対象のデータとして次処理
に進み、ＥＸ_i ＜Ｚの場合はステップＳ３１０で目標物
体ｉを制御・警報対象のデータから除いて次処理に進
む。

【００７２】本実施例ではステップＳ３００で目標物体
ｉが移動物体か停止物体かを判別し、停止物体の場合は
検知対象物となる可能性が低いため、慎重に判定できる
ようにしきい値Ｚを高設定値ＥＸＴＨＳとし、移動物体
の場合は検知対象物となる可能性が高いため、しきい値
Ｚを中設定値ＥＸＴＨＭとして存在確率ＥＸ_i が低い時
点から制御・警報対象とする。

【００７３】ここで、停止物体には路側物等の不要反射
物と、自車線上の停止車両等の障害物とがある。路側物
の場合は時系列的な相対距離データは図１９（Ａ）に示
す如く短時間で不連続となることが多い。また停止車両
の場合は時系列的な相対距離データは図１９（Ｂ）に示
す如く長時間連続して接近することが多い。

【００７４】このため、路側物の場合は、存在確率ＥＸ
_i がしきい値Ｚを越える以前に減少し始め、停止車両の
場合は、これに近付いている限り存在確率ＥＸ_i が時間
と共に増大する。ステップＳ３０６で存在確率ＥＸ_i が
減少した場合は目標物体ｉが路側物とみなし、ステップ
Ｓ３０８で路側物の存在確率ＥＸ_i を強制的に０として
路側物の除去を確実にしている。

【００７５】移動物体の場合にはステップＳ３１２でし
きい値Ｚを中設定値ＥＸＴＨＭとし、目標物体ｉが制御
・警報対象データから突発的に除外されることを防止し
ている。また、この目標物体ｉが制御・警報対象データ
となるまでの応答性が遅くなることを防止するために、
その存在確率が増加している間はステップＳ３１６でそ
の増分を２倍として存在確率ＥＸ_i の増加速度を大きく
している。

【００７６】図２０（Ａ）は停止物体における存在確率
の時系列的な変化及びしきい値Ｚを示し、図２０（Ｂ）
は移動物体における存在確率の時系列的な変化及びしき
い値Ｚを示しており、制御・警報対象のデータを黒丸で
表わし、制御・警報対象を外れたデータを白丸で表わし
ている。

【００７７】図１８の実施例では、目標物体ｉが移動物
体で、存在確率ＥＸ_i が増加中の場合はステップＳ３１
６でＥＸ_i の増分を一律に２倍としている。この代り
に、図２１に示すマップを相対速度Ｖ_i で参照して増分
ΔＥＸを求め、増分ΔＥＸを存在確率ＥＸ_i に加算する
構成としても良い。

【００７８】図２１において、増分ΔＥＸは、相対速度
Ｖ_i つまり目標物体ｉが自車に接近する速度がＶ_i Ｍま
ではＶ_i が速いほど大きくなり、この接近速度が速いほ
ど存在確率の増加速度が大きくなる。

【００７９】図２２は認識処理の第５実施例の要部のフ
ローチャートであり、第１実施例の図６の代りに実行さ
れる。

【００８０】図２２のステップＳ４００では相対速度Ｖ
_i を自車速度Ｖ_S と比較し、相対速度Ｖ_i が自車速度か
ら所定範囲内にあるか否かを判別する。相対速度Ｖ_i が
自車速度から所定範囲内で自車速度と同程度の場合は、
このｉ番目の目標物体が停止物体であるとみなして、ス
テップＳ４０２に進む。ステップＳ４０２ではしきい値
Ｚに高設定値ＥＸＴＨＳ（例えば８０％）を設定する。

【００８１】次にステップＳ４０４では存在確率ＥＸ_i
をしきい値Ｚと比較し、ＥＸ_i ≧Ｚの場合はステップＳ
４２０で制御・警報対象のデータとして次処理に進む。
また、ＥＸ_i ＜Ｚの場合はステップＳ４０６で存在確率
ＥＸ_i が減少中かどうかを判別する。存在確率ＥＸ_i が
所定回数連続して減少していればステップＳ４０８で目
標物体ｉの存在確率ＥＸ_i を強制的に０としてステップ
Ｓ４１０に進み、また存在確率ＥＸ_i が所定回数連続し
て減少してなければそのままステップＳ４１０に進み、
ステップＳ４１０では目標物体ｉを制御・警報対象のデ
ータから除いて次処理に進む。

【００８２】一方、ステップＳ３００で相対速度Ｖ_i が
自車速度と異なっている場合は、このｉ番目の目標物体
が移動物体とみなしてステップＳ４１２に進む。

【００８３】ステップＳ４１２ではステア制御回路４０
から供給されるステア角度θ_S 、カーブの曲率半径ρ夫
々を入力する。次にステップＳ４１４，Ｓ４１６夫々で
目標物体ｉの相対距離Ｒ_i が２ρsin θ_S −α未満か、
又は２ρsin θ_S ＋βを越えるかどうかを判別する。上
記のα，βは誤判別を防止するためのガードを設定する
一定値である。ステップＳ４１４でＲ_i ＜２ρsin θ_S
−αの場合は、目標物体ｉが自車の走行車線（自車線）
よりカーブ内側の車線に存在するとみなし、ステップＳ
４０２に進む。また、ステップＳ４１６でＲ_i ＞２ρsi
n θ_S ＋βの場合は、目標物体ｉが自車線よりカーブ外
側の車線に存在するとみなし、ステップＳ４０２に進
む。更に、２ρsin θ_S −α≦Ｒ_i ≦２ρsin θ_S ＋β
の場合は目標物体ｉが自車線に存在するとしてステップ
Ｓ４２２に進む。

【００８４】ステップＳ４２２では、しきい値Ｚに中設
定値ＥＸＴＨＭ（例えば５０％）を設定する。次にステ
ップＳ４２４で目標物体ｉの存在確率ＥＸ_i が所定回数
連続して増加中かどうかを判別する。存在確率ＥＸ_i が
所定回数連続して増加していればステップＳ４２６で目
標物体ｉの存在確率ＥＸ_i に図９のステップＳ７０で算
出したＡ_i 又は図１０のステップＳ１１０で算出したＤ
_i を加算することにより存在確率ＥＸ_i の増加分Ａ_i 又
はＤ_i を２倍としてステップＳ４２８に進み、存在確率
ＥＸ_i が所定回数連続して増加してなければそのままス
テップＳ４２８に進む。

【００８５】ステップＳ４２８では存在確率ＥＸ_i をし
きい値Ｚと比較し、ＥＸ_i ≧Ｚの場合はステップＳ４３
０で目標物体ｉを制御・警報対象のデータとして次処理
に進み、ＥＸ_i ＜Ｚの場合はステップＳ４１０で目標物
体ｉを制御・警報対象のデータから除いて次処理に進
む。

【００８６】カーブ内では自車線に目標物体が存在しな
い場合、自車線上の遠方をサーチするために図２３
（Ａ）に示す如くステア角はθ_S1に設定される。ここ
で、自車線の内側車線に車両が存在すると、その相対距
離Ｒ_i が検出され、この相対距離Ｒ _i から次式によって
ステア角θ_S2が算出される。

【００８７】 θ_S ＝ sin^-1（Ｒ／２ρ） …（ａ） これにより自車線上の距離Ｒ₁ に目標物体が存在するも
のとして、図２３（Ｂ）示す如く角度θ_S2にステアされ
るため内側車線の車両からサーチが外れ、この車両を検
出できなくなる。これにより目標物体が存在しなくなる
と、再び自車線上の遠方をサーチするためにステア角は
θ_S1に設定され、検出される相対距離は図２３（Ｃ）に
示す如く時間変化する。このように検出した相対距離Ｒ
₁ が（ａ）式を満足しないときはステップＳ４１４によ
り目標物体が自車線ではないと判定して存在確率のしき
い値を停止物体と同一として処理を行なう。

【００８８】また、カーブ内で自車線より外側の車線に
目標物体が存在する場合も図２４に示す如く検出した相
対距離Ｒ₁ が（ａ）式を満足しなくなるため、ステップ
Ｓ４１６の判定により内側の車線と同様に存在確率のし
きい値を停止物体と同一として処理を行なう。

【００８９】なお、カーブの曲率半径ρはナビゲーショ
ンシステムの地図データから現在走行している道路の曲
率半径を抽出しても良く、上記実施例に限定されない。

【００９０】

【発明の効果】上述の如く、請求項１に記載の発明によ
れば、確信度又はそのしきい値を種々の環境条件に応じ
て補正できるため、目標物体の確信度又はそのしきい値
を環境条件に応じて適正な値とすることができ、ノイズ
による誤判定を防止して確実な物体の検出を行なうこと
ができる。

【００９１】また、請求項２に記載の発明によれば、目
標物体を検出できない可能性が高い場合は確信度の増加
の割合いを低くでき、目標物体の確信度を適正な値とす
ることができる。

【００９２】また、請求項３に記載の発明によれば、高
速走行時には確信度を増大させ、これにより確実な物体
の検出を早期に行なうことができる。

【００９３】また、請求項４に記載の発明によれば、相
対距離が小さい場合には確信度を増大させ、これにより
確実な物体の検出を早期に行なうことができる。

【００９４】また、請求項５に記載の発明によれば、目
標物体が小さく検出強度が小さい場合には確信度の補正
量が小さめになるが、過去の検出強度の平均値を導入す
ることにより、目標物体が小さい場合であっても確信度
を早期に増加でき、確実な物体の検出を早期に行なうこ
とができる。

【００９５】また、請求項６に記載の発明によれば、目
標物体が移動物体の場合に、これが停止物体の場合に比
べて確信度が早期にしきい値に達し、移動物体の確実な
検出を早期に行なうことができる。

【００９６】また、請求項７に記載の発明によれば、自
車の走行車線と他の走行車線とでしきい値が変更され、
自車の走行車線の目標物体についてのみ確実な物体の検
出を早期に行なうことができる。

【００９７】また、請求項８に記載の発明によれば、目
標物体の現在と過去の対応付けの際に位置だけでなく検
出強度も用いるため対応付けの精度が向上し、実用上き
わめて有用である。

【図面の簡単な説明】

【図１】本発明の原理図である。

【図２】本発明装置のブロック図である。

【図３】認識処理の第１実施例のフローチャートであ
る。

【図４】認識処理の第１実施例のフローチャートであ
る。

【図５】認識処理の第１実施例のフローチャートであ
る。

【図６】認識処理の第１実施例のフローチャートであ
る。

【図７】マップを示す図である。

【図８】マップを示す図である。

【図９】マップを示す図である。

【図１０】認識処理の第２実施例のフローチャートであ
る。

【図１１】マップを示す図である。

【図１２】マップを示す図である。

【図１３】マップを示す図である。

【図１４】マップを示す図である。

【図１５】認識処理の第３実施例のフローチャートであ
る。

【図１６】認識処理の第３実施例のフローチャートであ
る。

【図１７】図１５，図１６による認識処理を説明するた
めの図である。

【図１８】認識処理の第４実施例のフローチャートであ
る。

【図１９】時系列的な相対距離データを示す図である。

【図２０】時系列的な存在確率の変化を示す図である。

【図２１】マップを示す図である。

【図２２】認識処理の第５実施例のフローチャートであ
る。

【図２３】ステアによる目標物体の検出を説明するため
の図である。

【図２４】ステアによる目標物体の検出を説明するため
の図である。

【符号の説明】

１０ 搬送波発生器 １２ 周波数変調器 １４ 変調電圧発生器 １６ サーキュレータ １８ 送信アンテナ ２０ 受信アンテナ ２２ ミキサ ２４ 増幅器 ２６ フィルタ ２８ ＦＦＴ信号処理器 ３０ ターゲット認識器 ３４ 警報器 ４０ ステア制御回路 ４２ 車速センサ ４４ 操舵角センサ ４６ ステア機構 Ｍ１ 物体検出手段 Ｍ２ 確信度演算手段 Ｍ３ 環境認識手段 Ｍ４ 補正手段 Ｍ５ 対応付け手段

フロントページの続き (56)参考文献 特開 平３−260900（ＪＰ，Ａ) 特開 平３−263199（ＪＰ，Ａ) 特開 平５−114100（ＪＰ，Ａ) 特開 平６−150195（ＪＰ，Ａ) 特開 平５−273341（ＪＰ，Ａ) 特開 平５−180933（ＪＰ，Ａ) 特開 平６−148328（ＪＰ，Ａ) 特開 平５−11036（ＪＰ，Ａ) 特開 平６−156171（ＪＰ，Ａ) 特開 平５−203739（ＪＰ，Ａ) 特開 平５−203737（ＪＰ，Ａ) 特開 平５−114100（ＪＰ，Ａ) (58)調査した分野(Int.Cl.⁷，ＤＢ名) G01S 7/00 - 7/42 G01S 13/00 - 13/95

Claims (8)

(57)【特許請求の範囲】
1. 【請求項１】 目標物体の位置を検出する物体検出手段
   と、 上記物体検出手段で検出された目標物体の位置と過去に
   検出された目標物体の位置とが対応しているときには前
   回の値より大きくなり、対応していないときには前回の
   値より小さくなり目標物体の存在度合いの確からしさを
   表わす確信度を演算する確信度演算手段と、 上記物体検出手段の物体検出環境を認識する環境認識手
   段と、 上記物体検出環境に応じて上記確信度又は確信度のしき
   い値を補正する補正手段とを有することを特徴とする車
   載用の物体検出装置。
2. 【請求項２】 前記環境認識手段は、物体検出手段で目
   標物体を検出できない可能性を推定して物体検出環境の
   認識を行なうことを特徴とする請求項１に記載の車載用
   の物体検出装置。
3. 【請求項３】 前記環境認識手段は、物体検出環境とし
   て自車速を認識し、前記補正手段は、上記自車速が大な
   るほど確信度を増大させることを特徴とする請求項１に
   記載の車載用の物体検出装置。
4. 【請求項４】 前記環境認識手段は、物体検出環境とし
   て目標物体との相対距離を認識し、前記補正手段は上記
   相対距離に応じて確信度を変更することを特徴とする請
   求項１に記載の車載用の物体検出装置。
5. 【請求項５】 前記環境認識手段は、物体検出環境とし
   て目標物体の検出強度を認識し、前記補正手段は、上記
   検出強度の平均値と現在の検出強度とに応じて確信度を
   変更することを特徴とする請求項１に記載の車載用の物
   体検出装置。
6. 【請求項６】 前記環境認識手段は、検出した目標物体
   が移動物体か固定物体かを認識し、前記補正手段は、移
   動物体か固定物体かに応じて確信度のしきい値を変更す
   ることを特徴とする請求項１に記載の車載用の物体検出
   装置。
7. 【請求項７】 前記環境認識手段は、目標物体が自車の
   車線上にあるか否かを認識し、前記補正手段は、自車の
   車線上にあるか否かに応じて確信度のしきい値を変更す
   ることを特徴とする請求項１に記載の車載用の物体検出
   装置。
8. 【請求項８】 請求項１記載の車載用の物体検出装置に
   おいて、 過去の目標物体の検出時の検出強度と現在の検出強度と
   を比較し、その比較結果に応じて現在の目標物体の位置
   と過去の目標物体の位置との対応付けを行なう対応付け
   手段を有することを特徴とする車載用の物体検出装置。