JP3146903B2 - 車載用レーダ装置 - Google Patents
車載用レーダ装置Info
- Publication number
- JP3146903B2 JP3146903B2 JP01537495A JP1537495A JP3146903B2 JP 3146903 B2 JP3146903 B2 JP 3146903B2 JP 01537495 A JP01537495 A JP 01537495A JP 1537495 A JP1537495 A JP 1537495A JP 3146903 B2 JP3146903 B2 JP 3146903B2
- Authority
- JP
- Japan
- Prior art keywords
- detection
- target object
- vehicle
- moving object
- existence probability
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Radar Systems Or Details Thereof (AREA)
Description
【０００１】
【産業上の利用分野】本発明は車載用レーダ装置に関
し、特に先行車両や路側物等の目標物体を検出する車載
用レーダ装置に関する。
し、特に先行車両や路側物等の目標物体を検出する車載
用レーダ装置に関する。
【０００２】
【従来の技術】従来より、自車両の前方にレーダビーム
を照射して、先行車両等の目標物体を検出する車載用レ
ーダ装置が開発されている。例えば、特開平２−２５９
５８６号公報には、ＦＭ−ＣＷ方式のレーダで得られた
ビート信号を複数のバンドパスフィルタで探知距離の異
なる複数の領域に区分し、上記複数のバンドパスフィル
タの出力を閾値の異なる複数のコンパレータで夫々判別
して、複数の領域の幅を同様とすること、つまり探知領
域を近距離では幅広く、遠距離では狭くしてビーム形状
を最適化することが開示されている。
を照射して、先行車両等の目標物体を検出する車載用レ
ーダ装置が開発されている。例えば、特開平２−２５９
５８６号公報には、ＦＭ−ＣＷ方式のレーダで得られた
ビート信号を複数のバンドパスフィルタで探知距離の異
なる複数の領域に区分し、上記複数のバンドパスフィル
タの出力を閾値の異なる複数のコンパレータで夫々判別
して、複数の領域の幅を同様とすること、つまり探知領
域を近距離では幅広く、遠距離では狭くしてビーム形状
を最適化することが開示されている。
【０００３】
【発明が解決しようとする課題】レーダ装置のパワーは
温度、湿度、天候といった環境条件により変動する。例
えば温度が低いと送信パワーは増大し、雨ではレーダビ
ームが減衰し、また送信アンテナに水滴が付着すると出
力パワーが低下する等である。
温度、湿度、天候といった環境条件により変動する。例
えば温度が低いと送信パワーは増大し、雨ではレーダビ
ームが減衰し、また送信アンテナに水滴が付着すると出
力パワーが低下する等である。
【０００４】レーダ装置が通常の送信パワーであるとき
の受信レベルが図２７に破線で示すものであり、これに
対して閾値ＬTHで検波を行うものとする。この場合、送
信パワーが小となったときの受信レベルは一点鎖線に示
す如くなり、検知領域（幅）θS は狭くなる。また送信
パワーが大となったときの受信レベルは実線に示す如く
なり、検知領域θL は広くなる。
の受信レベルが図２７に破線で示すものであり、これに
対して閾値ＬTHで検波を行うものとする。この場合、送
信パワーが小となったときの受信レベルは一点鎖線に示
す如くなり、検知領域（幅）θS は狭くなる。また送信
パワーが大となったときの受信レベルは実線に示す如く
なり、検知領域θL は広くなる。
【０００５】つまり、送信パワーが大となると検知領域
が広くなり、路側物や隣接車線の車両を誤検出すること
が増え、送信パワーが小となると検知領域が狭くなり、
自車の走行車線上の先行車を検出しにくくなるという問
題があった。本発明は上記の点に鑑みなされたもので、
路側物及び移動物の検出状況に応じてレーダ装置の検知
領域を可変制御することにより、環境条件に拘らず常時
最適の検知領域を設定して誤検出の発生を低減できる車
載用レーダ装置を提供することを目的とする。
が広くなり、路側物や隣接車線の車両を誤検出すること
が増え、送信パワーが小となると検知領域が狭くなり、
自車の走行車線上の先行車を検出しにくくなるという問
題があった。本発明は上記の点に鑑みなされたもので、
路側物及び移動物の検出状況に応じてレーダ装置の検知
領域を可変制御することにより、環境条件に拘らず常時
最適の検知領域を設定して誤検出の発生を低減できる車
載用レーダ装置を提供することを目的とする。
【０００６】
【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に示す如く、レーダ装置本体Ｍ１で周波数変調
された搬送波を送受信し、周波数上昇部分及び周波数下
降部分夫々のビート信号のパワースペクトラムで対をな
すピークの周波数から目標物体との相対距離及び相対速
度を算出する車載用レーダ装置において、上記目標物体
として検出された路側物及び移動物の検出状況を認識す
る検出状況認識手段Ｍ２と、上記認識された路側物及び
移動物の検出状況から移動物の見失いを検出し、検出さ
れた見失い状況に応じて検知領域を可変する検知領域制
御手段Ｍ３とを有する。
は、図１に示す如く、レーダ装置本体Ｍ１で周波数変調
された搬送波を送受信し、周波数上昇部分及び周波数下
降部分夫々のビート信号のパワースペクトラムで対をな
すピークの周波数から目標物体との相対距離及び相対速
度を算出する車載用レーダ装置において、上記目標物体
として検出された路側物及び移動物の検出状況を認識す
る検出状況認識手段Ｍ２と、上記認識された路側物及び
移動物の検出状況から移動物の見失いを検出し、検出さ
れた見失い状況に応じて検知領域を可変する検知領域制
御手段Ｍ３とを有する。
【０００７】請求項２に記載の発明では、前記検出状況
認識手段は、移動物の検出状況を距離に応じて認識す
る。請求項３に記載の発明では、前記検知領域制御手段
は、路側物及び移動物夫々の検出状況を入力とするファ
ジィ演算を行って前記レーダ装置の検知領域の可変制御
を行うことを特徴とする請求項１又は２記載の車載用レ
ーダ装置。
認識手段は、移動物の検出状況を距離に応じて認識す
る。請求項３に記載の発明では、前記検知領域制御手段
は、路側物及び移動物夫々の検出状況を入力とするファ
ジィ演算を行って前記レーダ装置の検知領域の可変制御
を行うことを特徴とする請求項１又は２記載の車載用レ
ーダ装置。
【０００８】
【作用】請求項１に記載の発明においては、目標物体と
して検出された路側物及び移動物の検出状況を認識し、
認識された路側物及び移動物の検出状況から移動物の見
失いを検出し、検出された見失い状況に応じて検知領域
を可変するため、路側物及び移動物の検出状況から検出
領域の変動を知ることができ、これに応じて検知領域を
可変制御して最適な検知領域を設定することができ、誤
検出の発生を低減できる。
して検出された路側物及び移動物の検出状況を認識し、
認識された路側物及び移動物の検出状況から移動物の見
失いを検出し、検出された見失い状況に応じて検知領域
を可変するため、路側物及び移動物の検出状況から検出
領域の変動を知ることができ、これに応じて検知領域を
可変制御して最適な検知領域を設定することができ、誤
検出の発生を低減できる。
【０００９】請求項２に記載の発明においては、移動物
の検出状況を距離に応じて認識するため、移動物の遠距
離での検出回数が多い場合に、検知領域が広いことを知
ることができ、移動物の近距離での検出もれが多い場合
に検知領域が狭いことを知ることができる。
の検出状況を距離に応じて認識するため、移動物の遠距
離での検出回数が多い場合に、検知領域が広いことを知
ることができ、移動物の近距離での検出もれが多い場合
に検知領域が狭いことを知ることができる。
【００１０】請求項３に記載の発明においては、路側物
及び移動物の検出状況を入力とするファジィ演算で検知
領域の可変制御を行うため、各検出状況に応じて最適の
検出領域の設定を行うことができる。
及び移動物の検出状況を入力とするファジィ演算で検知
領域の可変制御を行うため、各検出状況に応じて最適の
検出領域の設定を行うことができる。
【００１１】
【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，方向性結合器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
方向性結合器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、方向性結合
器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。
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，方向性結合器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
方向性結合器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、方向性結合
器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。
【００１２】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，危険判定器３２，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
と方向性結合器１６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２６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。
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，危険判定器３２，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
と方向性結合器１６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２６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。
【００１３】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、危険判定器３２で予め定められた、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。
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、危険判定器３２で予め定められた、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。
【００１４】また、ステア制御回路４０は車速センサ４
２から自車速度ＶS を供給され、操舵角センサ４４から
操舵角θH 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θS を算出する。
２から自車速度ＶS を供給され、操舵角センサ４４から
操舵角θH 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θS を算出する。
【００１５】 θS ＝ sin-1（Ｒ／２ρ） …（ａ） ρ＝（１＋Ｋ1 ×ＶS 2 ）×Ｋ2 ／θH …（ｂ） 但し、Ｋ1 ，Ｋ2 は定数であり、ステア角θS 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
θS 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。
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
θS 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。
【００１６】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。
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。
【００１７】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。
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。
【００１８】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で全ての保存データの相対距
離Ｒ’ｍ，相対速度Ｖ’ｍとｉ番目の新データの範囲Ｒ
ｉ±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，Ｖ’ｍと
Ｖ’ｍの増分ΔＶ’ｍ及びＲ’ｍの増分ΔＲ’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。
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で全ての保存データの相対距
離Ｒ’ｍ，相対速度Ｖ’ｍとｉ番目の新データの範囲Ｒ
ｉ±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，Ｖ’ｍと
Ｖ’ｍの増分ΔＶ’ｍ及びＲ’ｍの増分ΔＲ’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。
【００１９】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，ＬＶ
Ｌ’ｐ，…と範囲の中心である新データの反射強度ＬＶ
Ｌｉ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。
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，ＬＶ
Ｌ’ｐ，…と範囲の中心である新データの反射強度ＬＶ
Ｌｉ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。
【００２０】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。
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。
【００２１】ステップＳ４２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，ＬＶＬｊ，…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。
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，ＬＶＬｊ，…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。
【００２２】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。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，Ｖｉ±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Ｓ４８でｉ番目が新データの最後と判別されるとス
テップＳ５２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Ｓ
６０に進む。
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。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，Ｖｉ±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Ｓ４８でｉ番目が新データの最後と判別されるとス
テップＳ５２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Ｓ
６０に進む。
【００２３】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。
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。
【００２４】 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ＬＶ
Ｌｉ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Ｓ８
０に進む。
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ＬＶ
Ｌｉ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Ｓ８
０に進む。
【００２５】 Ａｉ＝Ｂ×γｉ ＥＸｉ＝ＥＸｉｒ＋Ａｉ …（２） 但し、ＥＸｉｒは前回保存した存在確率である。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ＥＸ
ｉを演算する。
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ＥＸ
ｉを演算する。
【００２６】 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。
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。
【００２７】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。
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。
【００２８】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。
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。
【００２９】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。
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。
【００３０】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。
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。
【００３１】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。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。
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。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。
【００３２】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。
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Ｓ
８０に進む。
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。
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Ｓ
８０に進む。
【００３３】 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。
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。
【００３４】 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。
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。
【００３５】 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。
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。
【００３６】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。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１４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。
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。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１４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。
【００３７】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。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Ｓ
２０４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。
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。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Ｓ
２０４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。
【００３８】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。
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。
【００３９】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。
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。
【００４０】 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。
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。
【００４１】 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。
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。
【００４２】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。
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。
【００４３】 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。
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。
【００４４】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。
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。
【００４５】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。
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。
【００４６】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。
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。
【００４７】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。図１８のステップＳ３００では相対速度Ｖi を自
車速度と比較し、相対速度Ｖ i が自車速度ＶS から所定
範囲内にあるか否かを判別する。相対速度Ｖi 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。
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。図１８のステップＳ３００では相対速度Ｖi を自
車速度と比較し、相対速度Ｖ i が自車速度ＶS から所定
範囲内にあるか否かを判別する。相対速度Ｖi 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。
【００４８】次にステップＳ３０４では存在確率ＥＸi
をしきい値Ｚと比較し、ＥＸi ≧Ｚの場合はステップＳ
３２０で目標物体ｉを制御・警報対象のデータとして次
処理に進む。また、ＥＸi ＜Ｚの場合はステップＳ３０
６で存在確率ＥＸi が減少中かどうかを判別する。存在
確率ＥＸi 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ＥＸi を強制的に０と
してステップＳ３１０に進み、また存在確率ＥＸi 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Ｓ３
１０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。
をしきい値Ｚと比較し、ＥＸi ≧Ｚの場合はステップＳ
３２０で目標物体ｉを制御・警報対象のデータとして次
処理に進む。また、ＥＸi ＜Ｚの場合はステップＳ３０
６で存在確率ＥＸi が減少中かどうかを判別する。存在
確率ＥＸi 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ＥＸi を強制的に０と
してステップＳ３１０に進み、また存在確率ＥＸi 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Ｓ３
１０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。
【００４９】一方、ステップＳ３００で相対速度Ｖi 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ＥＸi 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ＥＸi に図５のステッ
プＳ７０で算出したＡi 又は図１０のステップＳ１１０
で算出したＤi を加算することにより存在確率ＥＸi の
増加分Ａi 又はＤ i を２倍としてステップＳ３１８に進
み、存在確率ＥＸi 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。
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ＥＸi 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ＥＸi に図５のステッ
プＳ７０で算出したＡi 又は図１０のステップＳ１１０
で算出したＤi を加算することにより存在確率ＥＸi の
増加分Ａi 又はＤ i を２倍としてステップＳ３１８に進
み、存在確率ＥＸi 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。
【００５０】ステップＳ３１８では存在確率ＥＸi をし
きい値Ｚと比較し、ＥＸi ≧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、ＥＸi ＜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。
きい値Ｚと比較し、ＥＸi ≧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、ＥＸi ＜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。
【００５１】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ＥＸi が低い時
点から制御・警報対象とする。
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ＥＸi が低い時
点から制御・警報対象とする。
【００５２】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。
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。
【００５３】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ＥＸi が時間
と共に増大する。ステップＳ３０６で存在確率ＥＸi 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ＥＸi を強制的に０として
路側物の除去を確実にしている。
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ＥＸi が時間
と共に増大する。ステップＳ３０６で存在確率ＥＸi 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ＥＸi を強制的に０として
路側物の除去を確実にしている。
【００５４】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ＥＸi の増加速度を大きく
している。
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ＥＸi の増加速度を大きく
している。
【００５５】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。
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。
【００５６】図１８の実施例では、目標物体ｉが移動物
体で、存在確率ＥＸi が増加中の場合はステップＳ３１
６でＥＸi 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Ｖi で参照して増分
ΔＥＸを求め、増分ΔＥＸを存在確率ＥＸi に加算する
構成としても良い。
体で、存在確率ＥＸi が増加中の場合はステップＳ３１
６でＥＸi 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Ｖi で参照して増分
ΔＥＸを求め、増分ΔＥＸを存在確率ＥＸi に加算する
構成としても良い。
【００５７】図２１において、増分ΔＥＸは、相対速度
Ｖi つまり目標物体ｉが自車に接近する速度がＶi Ｍま
ではＶi 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。図２２はターゲッ
ト認識器３０が実行する入力レベル制御処理のフローチ
ャートを示す。同図中、ステップＳ５００で除去回数Ｎ
rs、遠距離検出回数ＮL 、ホールド回数ＮS 夫々をゼロ
にリセットする。次に、ステップＳ５０２で路側物除去
が発生したか否かを判別する。この路側物除去は図１８
のフローチャートにおけるステップＳ３０８が実行され
たか否かによって判別し、ステップＳ３０８の実行によ
り路側物除去がなされた場合はステップＳ５０４で除去
回数Ｎrsを１だけインクリメントしてステップＳ５０６
に進む。路側物除去がなされていない場合はそのままス
テップＳ５０６に進む。
Ｖi つまり目標物体ｉが自車に接近する速度がＶi Ｍま
ではＶi 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。図２２はターゲッ
ト認識器３０が実行する入力レベル制御処理のフローチ
ャートを示す。同図中、ステップＳ５００で除去回数Ｎ
rs、遠距離検出回数ＮL 、ホールド回数ＮS 夫々をゼロ
にリセットする。次に、ステップＳ５０２で路側物除去
が発生したか否かを判別する。この路側物除去は図１８
のフローチャートにおけるステップＳ３０８が実行され
たか否かによって判別し、ステップＳ３０８の実行によ
り路側物除去がなされた場合はステップＳ５０４で除去
回数Ｎrsを１だけインクリメントしてステップＳ５０６
に進む。路側物除去がなされていない場合はそのままス
テップＳ５０６に進む。
【００５８】ステップＳ５０６では移動物遠距離検出が
発生したか否かを判別する。移動物は図１８のフローチ
ャートにおけるステップＳ３００で相対速度が自車速度
と異なっていると判別された目標物体ｉであり、この移
動物の相対距離Ｒi を所定距離ＲL （ＲL は例えば１０
０ｍ）と比較してＲi ＞ＲL の場合に移動物遠距離検出
が発生したとする。移動物遠距離検出が発生するとステ
ップＳ５０８で遠距離検出回数ＮL を１だけインクリメ
ントしてステップＳ５１０に進み、この発生がなければ
そのままステップＳ５１０に進む。
発生したか否かを判別する。移動物は図１８のフローチ
ャートにおけるステップＳ３００で相対速度が自車速度
と異なっていると判別された目標物体ｉであり、この移
動物の相対距離Ｒi を所定距離ＲL （ＲL は例えば１０
０ｍ）と比較してＲi ＞ＲL の場合に移動物遠距離検出
が発生したとする。移動物遠距離検出が発生するとステ
ップＳ５０８で遠距離検出回数ＮL を１だけインクリメ
ントしてステップＳ５１０に進み、この発生がなければ
そのままステップＳ５１０に進む。
【００５９】ステップＳ５１０では移動物近距離データ
ホールドが発生したか否かを判別する。データホールド
は目標物体ｉを見失って図５のフローチャートにおける
ステップＳ７４、又は図１０のステップＳ１１４，又は
図１５のＳ２４６，Ｓ２５６を実行したことである。こ
の見失った目標物体ｉが図１８のステップＳ３００で移
動物（相対速度が自車速度と異なる）と判別され、この
移動物の相対距離Ｒiを所定距離ＲS （ＲS は例えば５
０ｍ）と比較してＲi ＞ＲS の場合に移動物近距離デー
タホールドが発生したとする。移動物近距離データホー
ルドが発生するとステップＳ５１２でホールド回数ＮS
を１だけインクリメントしてステップＳ５１４に進む。
この発生がなければそのままステップＳ５１４に進む。
ホールドが発生したか否かを判別する。データホールド
は目標物体ｉを見失って図５のフローチャートにおける
ステップＳ７４、又は図１０のステップＳ１１４，又は
図１５のＳ２４６，Ｓ２５６を実行したことである。こ
の見失った目標物体ｉが図１８のステップＳ３００で移
動物（相対速度が自車速度と異なる）と判別され、この
移動物の相対距離Ｒiを所定距離ＲS （ＲS は例えば５
０ｍ）と比較してＲi ＞ＲS の場合に移動物近距離デー
タホールドが発生したとする。移動物近距離データホー
ルドが発生するとステップＳ５１２でホールド回数ＮS
を１だけインクリメントしてステップＳ５１４に進む。
この発生がなければそのままステップＳ５１４に進む。
【００６０】ステップＳ５１４ではステップＳ５００の
実行後、所定時間（例えば数秒）を経過したか否かを判
別し、所定時間経過してないときはステップＳ５０２に
進んでＮrs，ＮL ，ＮS 夫々のカウントを繰り返し、所
定時間経過するとステップＳ５１６に進む。これによ
り、所定時間内における除去回数Ｎrs，遠距離検出回数
ＮL ，ホールド回数ＮS がカウントされる。除去回数Ｎ
rsが大きいことは送信パワーが大きく路側物の検出が増
えたことを表わしており、遠距離検出回数ＮL が大きい
ことは送信パワーが大きく遠距離の移動物の検出が増え
たことを表わしている。またホールド回数ＮS が大きい
ことは送信パワーが小さく近距離の移動物を見失うこと
が増えたことを表わしている。上記のステップＳ５００
〜Ｓ５１４が検出状況認識手段Ｍ２に対応する。
実行後、所定時間（例えば数秒）を経過したか否かを判
別し、所定時間経過してないときはステップＳ５０２に
進んでＮrs，ＮL ，ＮS 夫々のカウントを繰り返し、所
定時間経過するとステップＳ５１６に進む。これによ
り、所定時間内における除去回数Ｎrs，遠距離検出回数
ＮL ，ホールド回数ＮS がカウントされる。除去回数Ｎ
rsが大きいことは送信パワーが大きく路側物の検出が増
えたことを表わしており、遠距離検出回数ＮL が大きい
ことは送信パワーが大きく遠距離の移動物の検出が増え
たことを表わしている。またホールド回数ＮS が大きい
ことは送信パワーが小さく近距離の移動物を見失うこと
が増えたことを表わしている。上記のステップＳ５００
〜Ｓ５１４が検出状況認識手段Ｍ２に対応する。
【００６１】ステップＳ５１６では上記除去回数Ｎrs，
遠距離検出回数ＮL ，ホールド回数ＮS を用いてファジ
ィ演算を行い、ビート信号制御量を算出する。このファ
ジィ演算の詳細なフローチャートを図２３に示す。ま
ず、ステップＳ５５０でＮrs，ＮL ，ＮS 夫々で図２４
（Ａ），（Ｂ），（Ｃ）夫々に示すメンバシップ関数を
参照し、図２４（Ａ），（Ｂ），（Ｃ）夫々からＳ，
Ｍ，Ｌについての各メンバシップ値を算出する。
遠距離検出回数ＮL ，ホールド回数ＮS を用いてファジ
ィ演算を行い、ビート信号制御量を算出する。このファ
ジィ演算の詳細なフローチャートを図２３に示す。ま
ず、ステップＳ５５０でＮrs，ＮL ，ＮS 夫々で図２４
（Ａ），（Ｂ），（Ｃ）夫々に示すメンバシップ関数を
参照し、図２４（Ａ），（Ｂ），（Ｃ）夫々からＳ，
Ｍ，Ｌについての各メンバシップ値を算出する。
【００６２】次に、ステップＳ５２２で図２５に示すフ
ァジィルールに従い、Ｎrs，ＮL ，ＮS の各関数のメン
バシップ値の最大値を選択する。ここで、Ｎrs＝
ＮrsO ，Ｎ L ＝ＮL0，ＮS ＝ＮS0の場合、図２５に示す
ファジィルールの１番目のルール、つまり路側物除去回
数ＮrsはＬ、かつ、遠距離検出回数ＮL はＬ、かつ近距
離ホールドＮS はＬのとき、出力はＳを考えると、Ｎ
rsO のＬのメンバシップ値は０．３、ＮL0のＬのメンバ
シップ値は０．３、ＮS0のＬのメンバシップ値は０．６
である。
ァジィルールに従い、Ｎrs，ＮL ，ＮS の各関数のメン
バシップ値の最大値を選択する。ここで、Ｎrs＝
ＮrsO ，Ｎ L ＝ＮL0，ＮS ＝ＮS0の場合、図２５に示す
ファジィルールの１番目のルール、つまり路側物除去回
数ＮrsはＬ、かつ、遠距離検出回数ＮL はＬ、かつ近距
離ホールドＮS はＬのとき、出力はＳを考えると、Ｎ
rsO のＬのメンバシップ値は０．３、ＮL0のＬのメンバ
シップ値は０．３、ＮS0のＬのメンバシップ値は０．６
である。
【００６３】この後、ステップＳ５２４では図２４
（Ｄ）に示すＳ，Ｍ，Ｌの出力メンバシップ関数のうち
各ルールで指定された関数の面積にステップＳ５２２で
得られた最大値を乗算する。例えば１番目のルールでは
出力メンバシンプ関数Ｓに上記の最大値０．６を乗算す
る。次に、ステップＳ５２６では各ルールで乗算された
出力メンバシップ関数の重心を求め、ステッＳ５２８で
この重心の値をビート信号制御量とし、処理を終了す
る。
（Ｄ）に示すＳ，Ｍ，Ｌの出力メンバシップ関数のうち
各ルールで指定された関数の面積にステップＳ５２２で
得られた最大値を乗算する。例えば１番目のルールでは
出力メンバシンプ関数Ｓに上記の最大値０．６を乗算す
る。次に、ステップＳ５２６では各ルールで乗算された
出力メンバシップ関数の重心を求め、ステッＳ５２８で
この重心の値をビート信号制御量とし、処理を終了す
る。
【００６４】図２２のステップＳ５１８ではステップＳ
５１６で求められたビート信号制御量を増幅器２４に供
給して増幅度を可変制御してステップＳ５５０に進む。
上記のステップＳ５１６，Ｓ５１８が検知領域制御手段
Ｍ３に対応する。これにより、送信パワーが大きく検知
領域が図２６に破線ＩB に示す如く広がっている場合は
増幅器２４の増幅度が減少されて実線ＩA に示す如く最
適の検知領域となるように制御される。また送信パワー
が小さく検知領域が破線ＩC に示す如く狭い場合は増幅
器２４の増幅度が増大されて実線ＩA に示す如く最適の
検知領域となるように制御される。従って、誤検出の発
生を低減できる。
５１６で求められたビート信号制御量を増幅器２４に供
給して増幅度を可変制御してステップＳ５５０に進む。
上記のステップＳ５１６，Ｓ５１８が検知領域制御手段
Ｍ３に対応する。これにより、送信パワーが大きく検知
領域が図２６に破線ＩB に示す如く広がっている場合は
増幅器２４の増幅度が減少されて実線ＩA に示す如く最
適の検知領域となるように制御される。また送信パワー
が小さく検知領域が破線ＩC に示す如く狭い場合は増幅
器２４の増幅度が増大されて実線ＩA に示す如く最適の
検知領域となるように制御される。従って、誤検出の発
生を低減できる。
【００６５】なお、上記実施例ではビート信号入力レベ
ルを可変調整しているが、その代りに送信アンテナ１８
から出力するレーダビームの送信パワーを可変調整して
も良い。
ルを可変調整しているが、その代りに送信アンテナ１８
から出力するレーダビームの送信パワーを可変調整して
も良い。
【００６６】
【発明の効果】請求項１に記載の発明によれば、目標物
体として検出された路側物及び移動物の検出状況を認識
し、認識された路側物及び移動物の検出状況から移動物
の見失いを検出し、検出された見失い状況に応じて検知
領域を可変するため、路側物及び移動物の検出状況から
検出領域の変動を知ることができ、これに応じて検知領
域を可変制御して温度、湿度、天候といった環境条件の
変動に拘わらず最適な検知領域を設定することができ、
誤検出の発生を低減できる。
体として検出された路側物及び移動物の検出状況を認識
し、認識された路側物及び移動物の検出状況から移動物
の見失いを検出し、検出された見失い状況に応じて検知
領域を可変するため、路側物及び移動物の検出状況から
検出領域の変動を知ることができ、これに応じて検知領
域を可変制御して温度、湿度、天候といった環境条件の
変動に拘わらず最適な検知領域を設定することができ、
誤検出の発生を低減できる。
【００６７】また、請求項２に記載の発明によれば、移
動物の検出状況を距離に応じて認識するため、移動物の
遠距離での検出回数が多い場合に、検知領域が広いこと
を知ることができ、移動物の近距離での検出もれが多い
場合に検知領域が狭いことを知ることができる。
動物の検出状況を距離に応じて認識するため、移動物の
遠距離での検出回数が多い場合に、検知領域が広いこと
を知ることができ、移動物の近距離での検出もれが多い
場合に検知領域が狭いことを知ることができる。
【００６８】また、請求項３に記載の発明によれば、路
側物及び移動体の検出状況を入力とするファジィ演算で
検知領域の可変制御を行うため、各検出状況に応じて最
適の検出領域の設定を行うことができ、実用上きわめて
有用である。
側物及び移動体の検出状況を入力とするファジィ演算で
検知領域の可変制御を行うため、各検出状況に応じて最
適の検出領域の設定を行うことができ、実用上きわめて
有用である。
【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。
る。
【図４】認識処理の第１実施例のフローチャートであ
る。
る。
【図５】認識処理の第１実施例のフローチャートであ
る。
る。
【図６】認識処理の第１実施例のフローチャートであ
る。
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。
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。
る。
【図１６】認識処理の第３実施例のフローチャートであ
る。
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。
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。
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】入力レベル制御処理のフローチャートであ
る。
る。
【図２３】ファジィ演算処理のフローチャートである。
【図２４】ファジィ演算を説明するための図である。
【図２５】ファジィ演算を説明するための図である。
【図２６】検知領域を説明するための図である。
【図２７】検知領域を説明するための図である。
１０ 搬送波発生器 １２ 周波数変調器 １４ 変調電圧発生器 １６ 方向性結合器 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 レーダ装置本体 Ｍ２ 検出状況認識手段 Ｍ３ 検知領域制御手段
───────────────────────────────────────────────────── フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G01S 7/00 - 7/42 G01S 13/00 - 13/95
Claims (3)
- 【請求項１】 周波数変調された搬送波を送受信し、周
波数上昇部分及び周波数下降部分夫々のビート信号のパ
ワースペクトラムで対をなすピークの周波数から目標物
体との相対距離及び相対速度を算出する車載用レーダ装
置において、 上記目標物体として検出された路側物及び移動物の検出
状況を認識する検出状況認識手段と、 上記認識された路側物及び移動物の検出状況から移動物
の見失いを検出し、検出された見失い状況に応じて検知
領域を可変する検知領域制御手段とを有することを特徴
とする車載用レーダ装置。 - 【請求項２】 前記検出状況認識手段は、移動物の検出
状況を距離に応じて認識することを特徴とする請求項１
記載の車載用レーダ装置。 - 【請求項３】 前記検知領域制御手段は、路側物及び移
動物夫々の検出状況を入力とするファジィ演算を行って
前記レーダ装置の検知領域の可変制御を行うことを特徴
とする請求項１又は２記載の車載用レーダ装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01537495A JP3146903B2 (ja) | 1995-02-01 | 1995-02-01 | 車載用レーダ装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP01537495A JP3146903B2 (ja) | 1995-02-01 | 1995-02-01 | 車載用レーダ装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH08211144A JPH08211144A (ja) | 1996-08-20 |
| JP3146903B2 true JP3146903B2 (ja) | 2001-03-19 |
Family
ID=11887009
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP01537495A Expired - Fee Related JP3146903B2 (ja) | 1995-02-01 | 1995-02-01 | 車載用レーダ装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3146903B2 (ja) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002257928A (ja) | 2001-03-06 | 2002-09-11 | Murata Mfg Co Ltd | レーダ |
| JP4086670B2 (ja) * | 2003-01-28 | 2008-05-14 | 富士通テン株式会社 | レーダ装置 |
| JP5103722B2 (ja) * | 2005-09-28 | 2012-12-19 | 日産自動車株式会社 | 停止車両判別装置 |
| JP4850898B2 (ja) * | 2006-02-16 | 2012-01-11 | 三菱電機株式会社 | レーダ装置 |
| CN113687346B (zh) * | 2021-10-27 | 2022-02-08 | 宝嘉智能科技(南通)有限公司 | 一种用于雾天的高速预警微波雷达 |
-
1995
- 1995-02-01 JP JP01537495A patent/JP3146903B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH08211144A (ja) | 1996-08-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3104559B2 (ja) | 車載用レーダ装置 | |
| KR102099851B1 (ko) | 자동차 레이더 시스템에서 탐지된 타겟들의 클러스터링 방법 및 이를 위한 장치 | |
| JP4698048B2 (ja) | Ｆｍ−ｃｗレーダの路上静止物検知方法 | |
| JP3119142B2 (ja) | 車載レーダ装置 | |
| JPH09222477A (ja) | 車載用レーダ装置 | |
| JP4007498B2 (ja) | 車載用レーダ装置 | |
| JP3104533B2 (ja) | 車載用の物体検出装置 | |
| JP3371854B2 (ja) | 周囲状況検出装置及び記録媒体 | |
| EP2151809B1 (en) | Object detecting device, and object detecting method | |
| JP3577851B2 (ja) | 走行制御装置 | |
| JP4837755B2 (ja) | 物体検知装置 | |
| EP1720036A1 (en) | Vehicle control method and vehicle warning method | |
| US20050203705A1 (en) | Vehicle driving control device and vehicle control unit | |
| JP2014227000A (ja) | 車両制御装置、その方法およびそのプログラム | |
| JP2001242242A (ja) | 検知性能向上機能を備えたミリ波レーダ装置 | |
| US11307300B2 (en) | Vehicle radar system | |
| JP4079739B2 (ja) | 車載用レーダ装置 | |
| JP4614646B2 (ja) | 車輌の障害物検出レーダー装置 | |
| JP3146903B2 (ja) | 車載用レーダ装置 | |
| JPH0763843A (ja) | 車載レーダ装置 | |
| JP2008064743A (ja) | 車載レーダ装置 | |
| JP7127969B2 (ja) | レーダ装置及び信号処理方法 | |
| JPH09178849A (ja) | 車載レーダ装置 | |
| US10571563B2 (en) | Radar device and signal processing method | |
| JP2013257249A (ja) | 物体検出装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20080112 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090112 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090112 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100112 Year of fee payment: 9 |
|
| LAPS | Cancellation because of no payment of annual fees |