JP4506162B2 - 前方物体検出装置及び前方物体検出方法 - Google Patents

Description

本発明は、車両に搭載される前方物体検出装置及び前方物体検出方法に関する。

従来より、車両に搭載され、当該車両の前方に存在する構造物（ガードレール等）、或いは先行車両の存在を検出する検出装置として採用されるスキャン式レーダ信号のグルーピング処理方法が知られている（例えば、特許文献１）。

この従来例に記載されたものは、車両に搭載されたレーダを用いて、複数物体からの距離と横位置（道路と直交する方向の位置）を計測し、距離の近い順に検出物標を並べ替え、並べ替えた順に従い、相互に隣接する検出物体について、所定の方向に連続性があるかどうか判定する。そして、この連続性判断結果によりグルーピングを行い、グループに属する検出点の情報に基づき、検出物標が連続性を持つ道路構造物か、連続性を持たない先行車かの分類を行う。
特開平７−２７０５３６号公報

しかしながら、上述した従来例に記載された方法では、互いに隣接する検出点が所定の方向に連続性を有するかどうかにより、グルーピングや検出物標の分類を行うようにしているので、自車両の前方がカーブ路で、且つ、先行車が存在する場合においては、この先行車に隠されて、道路構造物からの検出点は、連続性が途切れてしまうことがある。このような状況においては、グループ化された道路構造物の検出点は、相対位置と検出総数の関係のみを用いた判断では、連続性がないと判断され、先行車として分類されてしまうことがある。

これを図１７に示す説明図を参照して説明すると、自車両の前方にカーブ路が存在する場合には、レーダ１００にて自車両前方を走査する際に、デリニエータ等の道路構造物が、先行車両に隠れてしまうことがある。従って、グループ１０１、１０２、１０３の３つが得られることになり、実際には、グループ１０１とグループ１０３は同一の構造物であるにも関わらず、別体として認識されてしまうことがある。

即ち、ガードレール等の道路構造物は、本来、道路の沿道に長距離に渡って配置されているものであるにも関わらず、先行車により隠れてしまった場合には、連続性を検出することができなくなってしまい、その結果、ガードレールであるにも関わらず、先行車両であると判断されてしまうことがあった。

よって、従来における相対位置と検出総数の関数から検出点の分類を行う方法では、道路構造物を先行車と誤判断する可能性が高いという問題が生じていた。

また、複数の道路構造物を求める場合には、自車両の進行方向などにより、計測領域を複数領域に分割し、その領域毎に所定の方向に連続性を有するかどうかにより、グルーピングや検出物標の分類を行うようにしているので、自車の進行方向と前方の道路形状とが一致しない場合には、正確な領域分割を行われない。このため、道路構造物からの検出点は、連続性が途切れてしまうことがある。即ち、複数方向に並ぶ道路構造物の検出点は、自車の進行方向による領域分割と検出点の連続性（即ち、検出点の相対位置及び検出総数）の関係のみを用いた判断では、連続性がないと判断され、本来道路構造物であるものが先行車として分類されてしまうことがある。

これを図１８に示す説明図を参照して説明すると、自車両の前方に分岐路が存在する場合には、デリニエータ等の道路構造物からの反射点の並びは自車両の進行方向と異なってしまうことがある。従って、自車両の進行方向と一致する向きに並ぶグループ１０４、１０５、２つだけが得られることになり、実際には、グループ１０６は道路構造物であるにも関わらず、連続性のない先行車として認識されてしまうことがある。

即ち、分岐路における道路構造物は、本来、自車の進行方向とは異なる方向に渡って配置されているものであるにも関わらず、自車両の進行方向に依存した領域分割を行った場合には、連続性を検出することができなくなってしまい、その結果、ガードレールであるにも関わらず、先行車両であると判断されてしまうことがあった。

よって、従来における自車両の進行方向に依存した領域分割と相対位置と検出総数の関数から検出点の分類を行う方法では、道路構造物を先行車と誤判断する可能性が高いという問題が生じていた。

本発明は、このような従来の課題を解決するためになされたものであり、その目的とするところは、道路構造物をより正確に検出することのできる前方物体検出装置及び前方物体検出方法を提供することにある。

上記目的を達成するため、本願特許請求の範囲に記載の発明は、自車両に搭載されて自車両前方に存在する物体を検出する前方物体検出装置において、自車両前方に送信波を走査させながら出射して、自車両前方に存在する物体からの反射波を検出し、検出した反射波に基づいて、自車両に対する物体位置を示す検出点を検出する物体検出手段と、自車両に対する前記検出点の相対速度を算出する相対速度算出手段と、物体検出手段にて検出された検出点に基づき、所定の演算手法を用いて、互いに近接する検出点どうしを連結する検出線を検出する道路構造物線分検出手段と、前記道路構造物線分検出手段にて検出された検出線に基づいて、当該検出線どうしを連結する近似線を算出する道路構造物モデル算出手段と、前記道路構造物モデル算出手段にて算出された近似線の近傍に存在する検出点どうしをグルーピングし、これを道路構造物として検出する道路構造物検出手段と、前記道路構造物検出手段で道路構造物として判定されていない検出点のうち、互いに隣接する、または、孤立した検出点をグルーピングすることにより、所定グルーピング範囲内に存在する前記検出点の、自車両に対する相対速度に基づいて、自車両の前方に存在する物体は移動体であるかどうかを判断するグルーピング手段と、を有することを主な特徴とする。

本願特許請求の範囲に記載の発明では、演算手段は、検出点の連続性が途切れた場合であっても、道路構造物に対応する検出点をグルーピングし、これを道路構造物として検出することができる。

また、検出点の相対速度を参照することなく道路構造物を検出するので、検出点が密集して検出された場合等のように、検出点どうしの時間的な対応付けが容易でなく、検出点の相対速度を算出することが容易でない場合であっても、道路構造物をより正確に検出することができる。

さらに、道路形状別に道路構造物を検出するので、前方の道路形状が直線路とカーブ路の組合せやカーブ路とカーブ路の組合せのような複雑な道路環境においても、道路構造物をより正確に検出することができる。

（第１の実施の形態）
以下、本発明の第一の実施形態を、図面に基づいて説明する。ここでは、距離センサとしてスキャニングレーザレーダ（以下、レーザレーダという）を利用する場合について説明する。

本発明は、例えば、図１に示す如くの前方物体検出装置に適用される。

［前方物体検出装置の構成１］
図１は、前方物体検出装置の機能的な構成を示すブロック図であり、図２及び図３は、レーザレーダ１の設置位置を示した図である。この前方物体検出装置は、自車両前方に設けられたレーザレーダ（物体検出手段）１と、走行時の挙動を検出する車両挙動検出部２と、レーザレーダ１及び車両挙動検出部２より与えられる情報に基づいて、自車両前方に存在する物体を検出するための物体検出処理を行う演算部３と、提示部４を備えて構成されている。

レーザレーダ１は、図２及び図３に示すように、自車両１１の前部に設置される。また、スキャニング面において所定の角度で光軸を変更することで、所定のスキャン範囲でレーザ光を走査させる。これにより、レーザレーダ１はスキャン範囲に存在する物体にレーザ光を照射する。

レーザレーダ１は、出射したレーザ光が前方に存在する物体に照射されて反射された反射レーザ光（反射波）を検出することにより、反射レーザ光の光強度に基づいた反射信号を取得する。そして、取得した反射信号に基づいた距離計測処理を行うことにより、距離計測情報を生成し、これを演算部３に出力する。

車両挙動検出部２は、自車両１１のシフトポジションを検出するシフトポジションセンサと、自車両左右後輪の車輪速を検出する車輪速センサと、自車両１１の操舵角を検出する操舵角センサとを有する。このシフトポジションセンサ、車輪速センサ、操舵角センサからのセンサ信号を用いて、自車両位置、自車両進行方向、自車両１１の向き、及び移動距離を算出する演算装置を有する。

車両挙動検出部２は、演算装置にて算出された自車両位置、自車両進行方向、自車両の向き、及び移動距離を、車両走行情報として演算部３に出力する。

演算部３は、自車両内部に搭載されたＣＰＵ（Central Processing Unit)、 ＲＡＭ(Random Access Memory)、 ＲＯＭ(Read Only Memory)、 入出力Ｉ／Ｆ等からなるマイクロコンピュータで構成されており、道路構造物線分検出部（道路構造物線分検出手段）３１と、道路構造物モデル算出部（道路構造物モデル算出手段）３２と、道路構造物検出部（道路構造物検出手段）３３と、第１のグルーピング部（第１のグルーピング手段）３４と、第２のグルーピング部（第２のグルーピング手段）３５と、メモリ３６の各機能ブロックに分割される。また、道路構造物線分検出部３１は、線分算出部（線分算出手段）３１１と、線分分類部（線分分類手段）３１２と、を具備する。道路構造物モデル算出部３２は、線分選択部（線分選択手段）３２１と、近似式次数決定部（近似式次数決定手段）３２２を具備する。更に、道路構造物検出部３３は、道路構造物判定部（道路構造物判定手段）３３１と、判定基準変更部（判定基準変更手段）３３２と、初期道路構造物判定部（初期道路構造物判定手段）３３３を具備している。

また、演算部３は、レーザレーダ１及び車両挙動検出部２より得られる情報に基づいて、自車両１１の前方に存在する物体を検出する物体検出処理を行い、メモリ３６は、当該処理にて生成された各種情報と各種しきい値とを記憶する。なお、この物体検出処理の詳細については後述する。

提示部４は、自車両１１に搭載されるディスプレイやスピーカであり、演算部３にて行われた物体検出処理の結果を自車両１１の乗員等に提示する。

［前方物体検出装置の動作１］
この前方物体検出装置では、自車両１１が走行している場合において、レーザレーダ１により自車両１１の前方に存在する物体の距離計測処理を行う。ここで、図４に示すように、自車両１１の前方方向のスキャン範囲内に物体Ａ〜Ｃが存在する場合を一例として、図１〜図９を用いて説明する。ここで、図４〜図９は、検出点の検出位置等を示した説明図である。

レーザレーダ１は、スキャン範囲内にレーザ光を走査して距離計測処理をすることで、自車両１１からスキャン範囲に含まれる各物体までの距離情報（位置情報）を得て、当該得られた距離情報に基づいて、自車両１１に対する物体位置を示す検出点を検出する。

本例では、図４に示すように、レーザレーダ１（図中、ＬＲで表記）は、自車両１１に対する物体Ａ〜Ｃの位置情報を示す検出点ａ〜ｐを検出する。同図では検出点ａ〜ｐは物体Ａ〜Ｃについて得た距離に従ってプロットしている。

次いで、レーザレーダ１は検出点の位置に関する距離計測情報を生成して演算部３のメモリ３６に記憶する。

車両挙動検出部２は、演算装置にて自車両位置、自車両進行方向、自車両１１の向き、及び移動距離を算出し、車両走行情報として演算部３のメモリ３６に記憶する。

演算部３の線分算出部３１１は、図５に示すように、メモリ３６から距離計測情報、車両走行情報、後述する初期判定情報、及びしきい値Ｚｔ１、Ｚｔ２、Ｘｔ１を取得し、当該取得された情報等に基づいて、以下の処理を行う。

即ち、スキャン開始位置に最も近い検出点から当該検出点に隣接する検出点までのＺ方向（自車両進行方向前方向）距離差を算出する。

さらに、車両走行情報に基づいて、推定走路中心を以下の式（１）〜（２）を用いて算出し、当該算出された推定走路中心Ｌｂから当該各検出点までのＸ方向距離を算出する。さらに、当該Ｘ方向距離の差、即ち推定走路中心ＬｂからのＸ方向距離差を算出する。

１／ＲＨ＝（（１／ＬＨ）／（１＋ＡＨ＊ＶＨ＾２））＊（δ／ＮＨ） …（１）
ＡＨ＝−（Ｍ／２ＬＨ＾２）＊（（ＬＦ＊ＫＦ−ＬＲ＊ＫＲ）／（ＫＦ＊ＫＲ）） …（２）
ここで、ＲＨは、推定走路中心Ｌｂの曲率である。したがって、線分算出部３１１は、当該ＲＨの値及び自車両１１の位置等に基づいて、推定走路中心Ｌｂを算出する。

また、ＬＨ：ホイルベース、ＶＨ：車速、δ：舵角、ＮＨ：ステアリングギア比、Ｍ：車両重量、ＬＦ・ＬＲ：前・後輪軸重心点距離、ＫＦ・ＫＲ：前・後輪タイヤコーナリングスティッフネスである。ＶＨ、及びδの値は、車両走行情報から取得される。その他のパラメータの値は固定値としてメモリ３６に記憶され、推定走路中心算出の際に線分算出部３１１によりメモリ３６から取得される。

次いで、当該算出されたＺ方向距離差がしきい値Ｚｔ１以上Ｚｔ２以下で、且つ推定走路中心ＬｂからのＸ方向距離差がしきい値Ｘｔ１以下である場合には、これら検出点が同一の線分（検出線）を構成すると判定する。

そして、これら検出点の一方の検出点を始点、他方の検出点を終点とした線分、即ちこれら検出点を連結する線分を算出する。なお、当該条件を満たさない検出点は、他の線分を構成する検出点または線分を構成しない独立した検出点となる。

ここで、しきい値Ｚｔ１、Ｚｔ２は、デリニエータの設置間隔程度となるように設定され、しきい値Ｘｔ１は、上述した判定条件を満たす検出点どうしが同一の線分上に実質乗るように設定される。

次いで、当該算出された線分に近接する検出点が、以下に示す条件（ａ１）〜（ａ２）の何れも満たす場合には、当該検出点を当該線分を構成すると判定する。そして、当該検出点が当該線分の延長線上にある場合には、当該線分の終点を当該検出点に更新する。そして、当該処理を、当該線分を構成する検出点が存在しなくなるまで繰り返す。

（ａ１） 検出点から自車両までのＺ方向距離が、線分の始点から自車両１１までのＺ方向距離以上で終点から自車両１１までのＺ方向距離以下、または検出点から線分の始点及び終点のうち当該検出点に近い方の点までのＺ方向距離がしきい値Ｚｔ１以上Ｚｔ２以下。

（ａ２） 線分の延長線上の点のうち、検出点のＺ座標値に対応する点を算出し、当該算出点から推定走路中心ＬｂまでのＸ方向距離と、検出点から推定走路中心ＬｂまでのＸ方向距離と、の差がしきい値Ｘｔ１以下。

次いで、線分算出部３１１は、当該線分に属しない検出点が存在する場合には、当該検出点について上述した処理を繰り返す。そして、レーザレーダ１にて検出された検出点のうち、初期道路構造物判定部３３３による判定（道路構造物データとして利用するかどうかの判定）の対象とならなかった全ての検出点について繰り返すことにより、線分を算出する。これにより、本例では、図６に示すように、検出点ａ〜ｃで構成される線分２０、検出点ｆ〜ｈで構成される線分２１、及び検出点ｎ〜ｐで構成される線分２２を算出する。検出点ｄ、ｅ、ｉ〜ｋは、線分を構成しない。

次いで、各線分について、線分の傾きＭと、線分を構成する各検出点から推定走路中心ＬｂまでのＸ方向距離の平均値、即ち距離平均ＲＸと、線分を構成する検出点の数、即ち検出点数Ｎと、を算出し、当該算出結果に関する線分情報を生成してメモリ３６に記憶する。

演算部３の線分分類部３１２は、自車両１１の進路方向に対して左右両側の道路構造物を検出するために、線分算出部３１１にて算出された線分を分類する。まず、右側の道路構造物を検出するための分類について説明する。

線分分類部３１２は、メモリ３６から線分情報及びしきい値Ｔ１のデータを取得し、当該取得された情報等に基づいて、以下の分類を行う。

即ち、線分算出部３１１にて算出された線分が以下の条件（ｂ１）を満たす場合には、当該線分を、推定走路中心Ｌｂの右側に存在し、且つ自車両１１の進行方向に平行な線分として、分類Ｌ１に分類する。

また、線分算出部３１１にて算出された線分が以下の条件（ｂ２）を満たす場合には、当該線分を、推定走路中心Ｌｂの右側に存在し、自車両１１の進行方向と交差する線分として、分類Ｌ２に分類する。

また、線分算出部３１１にて算出された線分が以下の条件（ｂ３）を満たす場合には、当該線分を、推定走路中心Ｌｂの左側に存在し、自車両１１の進行方向と交差する線分として、分類Ｌ３に分類する。

（ｂ１） ｜Ｍ｜＞Ｔ１、且つＲＸ≧０。

（ｂ２） −Ｔ１≦Ｍ≦０、且つＲＸ≧０。

（ｂ３） −Ｔ１≦Ｍ≦０、且つＲＸ＜０。

ここで、しきい値Ｔ１は、例えば、高速道路上の隣接するデリニエータのＺ方向距離差を、高速道路の１車線の幅を半分にした値で除算して得られた値となる。

したがって、本例では、図６に示すように、線分２０を分類Ｌ１に分類し、線分２１を分類Ｌ２に分類し、線分２２を分類Ｌ３に分類する。

次に、左側の道路構造物を検出するための分類について説明する。

即ち、線分算出部３１１にて算出された線分が以下の条件（ｂ４）を満たす場合には、当該線分を、推定走路中心Ｌｂの左側に存在し、且つ自車両１１の進行方向に平行な線分として、分類Ｌ４に分類する。

また、線分算出部３１１にて算出された線分が以下の条件（ｂ５）を満たす場合には、当該線分を、推定走路中心Ｌｂの左側に存在し、自車両１１の進行方向と交差する線分として、分類Ｌ５に分類する。

また、線分算出部３１１にて算出された線分が以下の条件（ｂ６）を満たす場合には、当該線分を、推定走路中心Ｌｂの右側に存在し、自車両１１の進行方向と交差する線分として、分類Ｌ６に分類する。

（ｂ４） ｜Ｍ｜＞Ｔ１、且つＲＸ＜０。

（ｂ５） ０＜Ｍ≦Ｔ１、且つＲＸ＜０。

（ｂ６） ０＜Ｍ≦Ｔ１、且つＲＸ≧０。

なお、本例では、分類Ｌ４〜Ｌ６に分類される線分は存在しない。

次いで、線分分類部３１２は、当該分類の結果に関する分類情報を生成してメモリ３６に記憶する。

線分選択部３２１は、メモリ３６から分類情報を取得し、当該取得された分類情報に基づいて、線分算出部３１１により算出された線分のうち、分類Ｌ１、Ｌ２、Ｌ４、及びＬ５に分類されているものについては、各分類から距離平均ＲＸの絶対値が最も大きい線分をそれぞれ１本ずつ選択する。また、分類Ｌ３、及びＬ６に分類されているものについては、各分類から線分を構成する検出点数Ｎの値が最も大きい線分を１本ずつ選択する。なお、このように選択することとしたのは、以下の理由による。

即ち、図６に示すように、分類Ｌ１、Ｌ２、Ｌ４、及びＬ５に分類される線分は、自車両１１の近傍にて検出される場合が多く、推定走路中心Ｌｂ及び当該推定走路中心Ｌｂからの距離平均ＲＸに対する信頼性が大きいため、推定走路中心Ｌｂから最も離れた線分が道路構造物に対応する可能性が高い。一方、分類Ｌ３、及びＬ６に分類される線分は、自車両１１から離れた位置にて検出される場合が多く、推定走路中心Ｌｂ及び当該推定走路中心Ｌｂからの距離平均ＲＸに対する信頼性が小さいため、検出点数Ｎの数が大きい線分（遠方にて検出点が密集する部分）が道路構造物に対応する可能性が高いためである。

本例では、図６に示すように、分類Ｌ１に分類される線分から線分２０を、分類Ｌ２に分類される線分から線分２１を、分類Ｌ３に分類される線分から線分２２をそれぞれ選択する。

次いで、線分選択部３２１は、当該選択された線分に関する選択情報を生成してメモリ３６に記憶する。

近似式次数決定部３２２は、メモリ３６から選択情報を取得し、当該取得された選択情報に基づいて、自車両１１の右側に位置する道路構造物、左側に位置する道路構造物のそれぞれについて、近似線Ｌａの次数を決定し、更に、当該決定された次数等に基づいて近似線Ｌａを算出する。

まず、右側の道路構造物に対応する近似線Ｌａの次数決定方法および近似線算出方法について説明する。

即ち、近似式次数決定部３２２は、線分選択部３２１にて選択された線分のうち、分類Ｌ１〜Ｌ３に分類される線分に着目する。

そして、近似式次数決定部３２２は、当該線分選択部３２１にて選択された線分に分類Ｌ１に分類される線分のみが含まれる場合には、道路構造物は直線路上に並んでいると判断し、当該選択された線分を構成する検出点を回帰分析し、以下の式（３）で示される近似線Ｌａを算出する。

Ｘ＝ａ１＋ｂ１＊Ｚ …（３）
一方、選択された線分に分類Ｌ２または分類Ｌ３に分類される線分が含まれる場合には、道路構造物は曲線上に並んでいると判断し、当該選択された線分（分類Ｌ１〜Ｌ３に分類される線分）を構成する全ての検出点を重回帰分析し、以下の式（４）で示される近似線Ｌａを算出する。

Ｘ＝ａ１＋ｂ１＊Ｚ＋ｃ１＊Ｚ＾２ …（４）
本例では、選択された線分に分類Ｌ２または分類Ｌ３に分類される線分が含まれるので、図７に示すように、線分２０〜２２を構成する全ての検出点を重回帰分析し、式（４）で示される近似線Ｌａを算出する。

同様に、近似式次数決定部３２２は、左側の道路構造物に対応する近似線の次数及び近似線を、以下のように決定、算出する。

即ち、近似式次数決定部３２２は、線分選択部３２１にて選択された線分のうち、分類Ｌ４〜Ｌ６に分類される線分に着目する。

そして、近似式次数決定部３２２は、線分選択部３２１にて選択された線分が分類Ｌ４に分類されるもののみである場合には、道路構造物は直線路上に並んでいると判断し、当該選択された線分を構成する検出点を回帰分析し、上述した式（３）で示される近似線Ｌａを算出する。

一方、選択された線分に分類Ｌ５または分類Ｌ６に分類される線分が含まれる場合には、道路構造物は曲線上に並んでいると判断し、当該選択された線分（分類Ｌ４〜Ｌ６に分類される線分）を構成する全ての検出点を重回帰分析し、上述した式（４）で示される近似線Ｌａを算出する。

なお、近似式次数決定部３２２は、後述する初期道路構造物判定部３３３により道路構造物データとして利用すると判定された検出点に基づいて、上述した近似式次数決定処理及び近似式算出処理を行う。具体的には、後述する。

次いで、近似式次数決定部３２２は、当該決定された近似線の次数及び算出された近似線に関する近似線情報を生成してメモリ３６に記憶する。

道路構造物判定部３３１は、メモリ３６から距離計測情報、近似線情報、及びしきい値（基準距離）Ｔ２のデータを取得し、当該取得された情報等に基づいて、以下の処理を行う。

即ち、近似式次数決定部３２２により算出された近似線Ｌａから各検出点までの距離Ｄ１をそれぞれ算出する。

そして、当該算出された距離Ｄ１としきい値Ｔ２とを比較し、距離Ｄ１がしきい値Ｔ２未満である検出点を道路構造物データと判定する。

そして、道路構造物データと判定された検出点どうしをグルーピングし、これを道路構造物として検出する。さらに、道路構造物データと判定された検出点を回帰分析して、近似線Ｌａを再度算出する。

ここで、しきい値Ｔ２は、近似線Ｌａの次数が１次の場合には、レーザレーダ１の測定精度よりも若干大きい値に設定される。

本例では、図７に示すように、近似線Ｌａから各検出点ａ〜ｐまでの距離Ｄ１をそれぞれ算出し、当該算出された距離Ｄ１としきい値Ｔ２とを比較する。この結果、図８に示すように、検出点ａ〜ｃ、ｆ〜ｈ、ｋ〜ｐを道路構造物データと判定する。

次いで、道路構造物として検出された検出点及び算出された近似線Ｌａに関する道路構造物情報を生成し、メモリ３６に記憶する。

判定基準変更部３３２は、メモリ３６から近似線情報を取得し、当該取得された近似線情報に基づいて、メモリ３６に記憶されるしきい値Ｔ２の値を設定する。具体的には、近似式次数決定部３２２により決定された次数が１次の場合には、しきい値Ｔ２を上述した値に設定し、２次の場合には、上述した値よりも大きな値（例えば、上述した値よりも１メートル大きな値）に設定する。

初期道路構造物判定部３３３は、レーザレーダ１にて今回検出された検出点が道路構造物データとして利用できるかどうかを判定する。即ち、初期道路構造物判定を行う。

具体的には、メモリ３６から距離計測情報（今回生成されたもの）と、近似線情報（前回生成されたもの）と、しきい値Ｔ２のデータを取得し、当該取得された情報等に基づいて、前回算出された近似線Ｌａから今回検出された各検出点までの距離Ｄ２を算出する。

そして、当該算出された距離Ｄ２としきい値Ｔ２とを比較し、距離Ｄ２がしきい値Ｔ２未満で、且つ移動物体の近傍に存在しない検出点を道路構造物データとして利用すると判定する。さらに、距離Ｄ２がしきい値Ｔ２未満で、且つ移動物体の近傍に存在する検出点を道路構造物データとして利用しないと判定する。一方、距離Ｄ２がしきい値Ｔ２以上である検出点については、当該判定の対象としない。さらに、道路構造物データとして利用すると判定された検出点については、当該判定に用いられた近似線Ｌａの種類（自車両１１に対して右側の道路構造物に対応する近似線Ｌａか、左側の道路構造物に対応する近似線Ｌａか）に応じて、左右何れの側の道路構造物データとして利用するのかを判定する。

ここで、検出点が移動物体の近傍に存在するかどうかの判定は、以下のようにして行う。即ち、初期道路構造物判定部３３３は、第２のグルーピング部３５により前回検出された物体のうち、移動物体に関する第２グループデータをメモリ３６から取得する。なお、第２のグルーピング部３５による処理については、後述する。

次いで、初期道路構造物判定部３３３は、当該第２グループデータに含まれる相対速度情報に基づいて、当該移動物体の現在位置を推定し、今回検出された検出点が当該現在位置の近傍に存在する場合には、当該検出点は移動物体の近傍に存在すると判定する。一方、今回検出された検出点が当該現在位置の近傍に存在しない場合には、当該検出点は移動物体の近傍に存在しないと判定する。

次いで、当該初期道路構造物判定に関する初期判定情報を生成してメモリ３６に記憶する。

ここで、当該初期道路構造物判定処理を図９に基づいて説明する。なお、図９に示す近似線Ｌａが前回算出され、図４に示す物体Ｂ、Ｃが移動物体として前回検出され、検出点ｑ〜ａ−１が今回検出されたものとして説明する。

初期道路構造物判定部３３３は、メモリ３６から距離計測情報（今回生成されたもの）と、近似線情報（前回生成されたもの）と、しきい値Ｔ２のデータを取得し、前回算出された近似線Ｌａから今回検出された各検出点ｑ〜ａ−１までの距離Ｄ２を算出する。

さらに、メモリ３６から物体Ｂ、Ｃに関する第２グループデータを取得し、当該第２グループデータに基づいて、物体Ｂ、Ｃの現在位置を推定する。

そして、当該算出された距離Ｄ２としきい値Ｔ２とを比較し、さらに、各検出点ｑ〜ａ−１の位置と当該推定された現在位置とを比較する。この結果、検出点ｑ、ｓ〜ｗ、ｙ〜ａ−１については、距離Ｄ２がしきい値Ｔ２未満で、且つ当該推定された現在位置の近傍に存在しないので、道路構造物データとして利用すると判定する。

一方、検出点ｒ、Ｘについては、距離Ｄ２がしきい値Ｔ２未満で、且つ当該推定された現在位置の近傍に存在するので、道路構造物データとして利用しないと判定する。

図１に示す第１のグルーピング部３４は、メモリ３６から距離計測情報、道路構造物情報、及びしきい値Ｚｔ３、Ｚｔ４、Ｚｔ７、Ｘｔ２、Ｗｔ３のデータを取得する。そして、当該取得された情報等に基づいて、上述で道路構造物データとならなかった検出点に対して、スキャン開始位置から隣接する検出点間のＺ方向距離を演算し、演算して得たＺ方向距離の絶対値としきい値Ｚｔ３とを比較する。ここで、しきい値Ｚｔ３は、レーザレーダ１の測定精度よりも少し大きめの値で、且つ、Ｔ２（近似線が１次の場合）＜Ｚｔ３＜Ｔ２（近似線が２次の場合）となるように、設定される。

第１のグルーピング部３４は、Ｚ方向距離の絶対値がしきい値Ｚｔ３以下であると判定した場合には、距離を演算する際に使用した２つの検出点を、同一物体から反射した反射レーザ光により得たものと判定して、グルーピング対象とする。

一方、第１のグルーピング部３４は、Ｚ方向距離の絶対値がしきい値Ｚｔ３以上である場合、或いは、隣接する検出点が存在せず孤立した検出点である場合には、１つの検出点でのみでグルーピング対象とする。

第１のグルーピング部３４は、上述した処理を各検出点について繰り返すことで第１グループデータを生成する。さらに、各第１グループデータについて、第１グループデータに含まれる各検出点から自車両１１までのＺ方向距離を平均して第１グループデータのＺ方向距離を算出する。さらに、第１グループデータのＸ方向における中心点を算出し、第１グループデータの右端点と左端点との位置差にレーザレーダ１による単位スキャン幅を加算して物体幅を算出する。そして、当該算出結果を第１グループデータに含めて、メモリ３６に記憶する。

本例では、図４に示すように、検出点ｄ、ｅを第１グループデータＲ（１、ｔ）として認識し、検出点ｉ、ｊを第１グループデータＲ（２、ｔ）として認識する。また、検出点ｌ、ｍをグルーピング対象とできない第１グループデータＲ（３、ｔ）及びＲ（４、ｔ）として認識する。

このように、第１のグルーピング部３４は、道路構造物を除いたデータに対して、レーザ光の反射に基づくグルーピング処理をし、この処理を例えば所定間隔で行うことで時間的に前後する複数の第１グループデータを得る。

また、第１のグルーピング部３４は、自車両１１が走行している場合において、上述の第１グルーピング処理により得た時間的に前後する第１グループデータの比較をし、時間的に前後する第１グループデータが同一の第１グループデータか否かの判定をする。そして、演算部３は、時間的に前後する同一グループデータについて自車両１１に対する相対速度を計算する。

具体的には、時間的に前に相対速度を演算した第１グループデータと、今回の処理対象となる第１グループデータとの比較を行う。そして、時間的に前に相対速度を演算した第１グループデータと、今回の処理対象となる第１グループデータについて、以下に示す（ｃ１）、（ｃ２）の、２つの条件を満たす場合には、時間的に前後する第１グループデータが同一物体によるものであると判定する。

（ｃ１）時間的に前に検出された第１グループデータの相対速度から推定した当該第１グループデータの現在位置から、実測した今回の第１グループデータまでのＺ方向距離の絶対値がしきい値Ｚｔ４以下である。

（ｃ２）時間的に前に検出された第１グループデータのＸ方向における中心点から、今回の第１グループデータのＸ方向における中心点までのＸ方向距離の絶対値がしきい値Ｘｔ２以下である。

ここで、しきい値Ｚｔ４、Ｘｔ２は、正確な相対速度を算出するために、レーザレーダ１の測定精度と同等な小さい値に設定される。

さらに、今回の処理対象となり、上述した条件（ｃ１）〜（ｃ２）を満たさない第１グループデータと、時間的に前に検出され、相対速度を算出されていない第１グループデータとの比較も行う。

即ち、第１のグルーピング部３４は、時間的に前に検出された第１グループデータと、今回の処理対象となる第１グループデータについて、以下に示す（ｆ１）〜（ｆ３）の、２つの条件を満たす場合には、時間的に前後する第１グループデータが同一物体によるものであると判定する。

（ｆ１）時間的に前に検出された第１グループデータから、実測した今回の第１グループデータまでのＺ方向距離の絶対値がしきい値Ｚｔ７以下である。

（ｆ２）時間的に前に検出された第１グループデータのＸ方向における中心点から、今回の第１グループデータのＸ方向における中心点までのＸ方向距離の絶対値がしきい値Ｘｔ２以下である。

（ｆ３）時間的に前に検出された第１グループデータの物体幅と、実測した今回の第１グループデータの物体幅との差の絶対値がしきい値Ｗｔ３以下である。

第１のグルーピング部３４は、時間的に前の第１グループデータと同一物体によるものと認識された今回の第１グループデータについて自車両１１に対する相対速度を算出し、第１グループデータに含める。なお、相対速度の算出方法については、後述する。

また、第１のグルーピング部３４は、時間的に前の第１グループデータと同一物体によるものと認識されていない第１グループデータについては、相対速度の算出ができず、メモリ３６に記憶しておき、次回の第１グルーピング処理時に使用する。

図１に示す第２のグルーピング部３５は、上述の第１グルーピング処理後に、第２グルーピング処理を行う。このグルーピング処理では、時間的に前に既に求められた第２グループデータと、今回検出され、相対速度が計算された第１グループデータとの比較を行う。

ここで第２のグルーピング部３５は、前回の第２グループデータにおけるＸ方向の中心位置から左右１／２車線幅（例えば１．７５ｍ）をグルーピング範囲として決定し、この範囲内に存在する複数の検出点をグルーピングする。

具体的には、第２のグルーピング部３５は、前回の第２グループデータと、今回の相対速度が計算され、上述のグルーピング範囲にＸ方向の中心位置が存在する第１グループデータと、しきい値Ｚｔ５、Ｚｔ６、Ｖｔ１、Ｗｔ１、Ｖｔ２、Ｗｔ２をメモリ３６から取得する。

そして、前回の第２グループデータと、今回の相対速度が計算され、上述のグルーピング範囲にＸ方向の中心位置が存在する第１グループデータについて、以下に示す（ｄ１）〜（ｄ４）の４つの判定条件を全て満たす場合に、前回の第２グループデータと今回の第１グループデータとを同一物体とする。さらに、同一物体とされた第１グループデータどうしを第２グループデータとしてグルーピングする。

（ｄ１）前回の第２グループデータの相対速度から推定した当該第２グループデータの現在位置から、今回の第１グループデータまでのＺ方向距離の絶対値がしきい値Ｚｔ５以下。

（ｄ２）前回の第２グループデータの相対速度と今回の第１グループデータの相対速度比が０より大きい。ただし前回の第２グループデータの相対速度の絶対値が所定値（例えば５ｍ／ｓ程度）の場合は、適用除外とする。

（ｄ３）前回の第２グループデータの相対速度と、今回の第１グループデータの相対速度との差がしきい値Ｖｔ１以下。

（ｄ４）グルーピング後の第２のグループデータの物体幅がしきい値Ｗｔ１以下。

ここで、しきい値Ｚｔ５、Ｖｔ１、Ｗｔ１は、上述した距離差が車両１台分に収まれば、第１グループデータと第２グループデータを同一物体として良いという考え等に基づいて、設定される。

また、条件（ｄ２）は、前回の第２グループデータと今回の第１グループデータとが同一方向に移動しているかどうかを判断するための条件である。また、同条件の但し書き部分は、相対速度が小さいグループデータを、同一物体かどうかの判定から除外することを意味している。相対速度が小さいグループデータについては、測定誤差があることも考えられることから、各グループデータがどちらの方向に移動しているかを判断することが難しいためである。

更に、上記の判定条件を満たさずに同一物体がない第１グループデータについては、第１グループデータどうしでグルーピングを行い、以下に示す（ｅ１）〜（ｅ３）に示す３つの判定条件を満たす場合に、新規の第２グループデータとしてグルーピングする。

（ｅ１）今回の第１グループデータどうしにおけるＺ方向距離差の絶対値がＺｔ６以下。

（ｅ２）今回の第１グループデータどうしにおける相対速度差の絶対値がＶｔ２以下。

（ｅ３）グルーピング後の第２グループデータの物体幅がしきい値Ｗｔ２以下。

ここで、しきい値Ｚｔ６、Ｖｔ２、Ｗｔ２は、上述したＺ方向距離差が車両１．５台分に収まれば、第１グループデータどうしを同一物体として良いという考え等に基づいて、設定される。即ち、本条件（ｅ１）〜（ｅ３）は、最初の条件（ｄ１）〜（ｄ４）を満たさない第１グループデータについては、条件を少し緩くして再度判定を行うことを意味している。

また、第２のグルーピング部３５は、第１グループデータが上述した条件（ｄ１）〜（ｄ４）、（ｅ１）〜（ｅ３）の何れの判定条件を満たさない場合には、当該第１グループデータのみで新規に第２グループデータとする。

このような第２グルーピング処理を行うことにより、第２のグルーピング部３５は、自車両１１の前方に存在する物体に含まれる検出点で構成される第２グループデータを生成する。

さらに、第２グループデータに含まれる第１グループデータからＺ方向距離、Ｘ方向における中心点、物体の左右端点、相対速度のそれぞれについて平均値を算出し、当該算出された平均値を、当該第２グループデータのＺ方向距離、Ｘ方向における中心点、物体幅、相対速度とする。さらに当該第２グループデータに対応する過去の第２グループデータが存在する場合には、当該第２グループデータの検出回数の値を更新する。

そして、当該第２グループデータを、自車両１１の前方に存在する物体によるものと判断することで、自車両１１の前方に存在する物体（本例では、図４に示すように、物体Ｂ、Ｃ）を検出する。さらに、第２グループデータに含まれる相対速度情報に基づいて、当該物体が移動物体であるかどうかを判定し、当該判定の結果を第２グループデータに含める。

そして、生成された第２グループデータを、メモリ３６に記憶する。

［前方物体検出装置による物体検出手順１］
図１０は、演算部３により物体検出処理を行う際の処理手順を示すフローチャートである。なお、前方物体検出装置は、自車両１１が走行している場合において、ステップＳ１以降の処理を開始する。

ステップＳ１において、レーザレーダ１は、スキャン範囲内にレーザ光を走査して距離計測処理をすることで、スキャン範囲に含まれる各物体までの距離情報（位置情報）を得て、当該得られた距離情報に基づいて、自車両１１に対する物体位置を示す検出点を検出する（図４参照）。

次いで、レーザレーダ１は、各検出点の位置に関する距離計測情報を生成して演算部３のメモリ３６に記憶する。

一方、車両挙動検出部２は、演算装置にて自車両位置、自車両進行方向、自車両１１の向き、及び移動距離を算出し、車両走行情報として演算部３のメモリ３６に記憶する。

次いで、判定基準変更部３３２は、メモリ３６に近似線情報が記憶されているかどうか、即ち、前回の物体検出処理において、道路構造物モデル算出部３２により近似線Ｌａが算出されているかどうかを判定する。

この結果、記憶されている場合には、ステップＳ２の処理に移行し、記憶されていない場合には、ステップＳ３の処理に移行する。

ステップＳ２にて、判定基準変更部３３２は、メモリ３６から近似線情報を取得し、当該近似線情報に基づいて、メモリ３６に記憶されるしきい値Ｔ２の値を設定する。

次いで、初期道路構造物判定部３３３は、上述した初期道路構造物判定を行う（図９参照）。

具体的には、メモリ３６から、今回生成された距離計測情報と、前回生成された近似線情報と、しきい値Ｔ２のデータを取得し、当該取得された情報等に基づいて、前回算出された近似線Ｌａから今回検出された各検出点までの距離Ｄ２を算出する。

さらに、第２のグルーピング部３５により前回検出された物体のうち、移動物体に関する第２グループデータをメモリ３６から取得する。

次いで、当該第２グループデータに含まれる相対速度情報に基づいて、当該移動物体の現在位置を推定し、今回検出された検出点が当該現在位置の近傍に存在する場合には、当該検出点は移動物体の近傍に存在すると判定する。一方、今回検出された検出点が当該現在位置の近傍に存在しない場合には、当該検出点は移動物体の近傍に存在しないと判定する。

次いで、当該算出された距離Ｄ２としきい値Ｔ２とを比較し、距離Ｄ２がしきい値Ｔ２未満で、且つ移動物体の近傍に存在しない検出点を道路構造物データとして利用すると判定する。さらに、距離Ｄ２がしきい値Ｔ２未満で、且つ移動物体の近傍に存在する検出点を道路構造物データとして利用しないと判定する。一方、距離Ｄ２がしきい値Ｔ２以上である検出点については、当該判定の対象としない。

次いで、当該初期道路構造物判定に関する初期判定情報を生成してメモリ３６に記憶する。

次いで、演算部３は、道路構造物データとして利用すると判定された検出点についてはステップＳ６以降の処理を、道路構造物データとして利用しないと判定された検出点についてはステップＳ１０以降の処理を、当該判定の対象とならなかった検出点についてはステップＳ３以降の処理を行う。

次いで、ステップＳ３にて、線分算出部３１１は、メモリ３６から距離計測情報及び初期判定情報を取得し、当該情報に基づいて、初期道路構造物判定部３３３による判定の対象とならなかった検出点を認識する。

次いで、当該検出点について上述した線分算出処理を行い（図５及び図６参照）、当該処理により算出された各線分について、線分の傾きＭと、線分を構成する各検出点から推定走路中心Ｌｂまでの距離の平均値、即ち距離平均ＲＸと、線分を構成する検出点の数、即ち検出点数Ｎと、を算出する。次いで、当該算出結果に関する線分情報を生成してメモリ３６に記憶する。

次いで、ステップＳ４にて、線分分類部３１２は、メモリ３６から線分情報及びしきい値Ｔ１のデータを取得し、当該取得された情報等に基づいて、線分算出部３１１にて算出された全ての線分について、上述した線分分類処理を行う（図６参照）。次いで、当該分類の結果に関する分類情報を生成してメモリ３６に記憶する。

次いで、ステップＳ５にて、線分選択部３２１は、メモリ３６から分類情報を取得し、当該取得された分類情報に基づいて、上述した線分選択処理を行う。次いで、当該選択された線分に関する選択情報を生成してメモリ３６に記憶する。

次いで、ステップＳ６にて、近似式次数決定部３２２は、メモリ３６から選択情報及び初期判定情報を取得し、当該取得された情報に基づいて、自車両１１の右側に位置する道路構造物、左側に位置する道路構造物のそれぞれについて、近似線Ｌａの次数を決定する。

次いで、ステップＳ７にて、当該決定された次数に基づいて、近似線Ｌａを算出し（図７参照）、当該決定された近似線Ｌａの次数及び算出された近似線Ｌａに関する近似線情報を生成してメモリ３６に記憶する。

具体的には、右側の道路構造物に対応する近似線Ｌａについては、線分選択部３２１にて選択された線分に分類Ｌ１に分類される線分のみが含まれる場合、またはステップＳ２にて右側の道路構造物データとして利用すると判定された検出点について、自車両１１から最も近い検出点から最も遠い検出点までのＸ方向距離が所定距離（例えば３メートル）未満である場合には、次数を１次と決定する。さらに、当該選択された線分を構成する検出点及び右側の道路構造物データとして利用すると判定された検出点を回帰分析して、式（３）で示される近似線Ｌａを算出する。

一方、当該選択された線分に分類Ｌ２またはＬ３に分類される線分が含まれる場合、または上述したＸ方向距離が所定距離以上である場合には、次数を２次と決定する。さらに、当該選択された線分を構成する全ての検出点及び右側の道路構造物データとして利用すると判定された検出点を重回帰分析して、式（４）で示される近似線Ｌａを算出する。

同様に、左側の道路構造物に対応する近似線Ｌａについては、線分選択部３２１にて選択された線分に分類Ｌ４に分類される線分のみが含まれる場合、または左側の道路構造物データとして利用すると判定された検出点について、上述したＸ方向距離が所定距離未満である場合には、次数を１次と決定する。さらに、当該選択された線分を構成する検出点及び左側の道路構造物データとして利用すると判定された検出点を回帰分析して、式（３）で示される近似線Ｌａを算出する。

一方、当該選択された線分に分類Ｌ５またはＬ６に分類される線分が含まれる場合、または上述したＸ方向距離が所定距離以上である場合には、次数を２次と決定する。さらに、当該選択された線分を構成する全ての検出点及び左側の道路構造物データとして利用すると判定された検出点を重回帰分析して、式（４）で示される近似線Ｌａを算出する。

次いで、ステップＳ８にて、判定基準変更部３３２は、近似線情報をメモリ３６から取得し、当該近似線情報に基づいて、メモリ３６に記憶されるしきい値Ｔ２の値を設定する。

次いで、道路構造物判定部３３１は、メモリ３６から距離計測情報、近似線情報、及びしきい値Ｔ２のデータを取得する。

次いで、当該取得された情報等に基づいて、近似式次数決定部３２２により今回算出された近似線Ｌａからレーザレーダ１にて今回検出された各検出点までの距離Ｄ１をそれぞれ算出する。

次いで、当該算出された距離Ｄ１としきい値Ｔ２とを比較し、距離Ｄ１がしきい値Ｔ２未満である検出点を道路構造物データと判定する（図７及び図８参照）。

次いで、演算部３は、道路構造物データと判定された検出点については、ステップＳ９以降の処理を行い、道路構造物データと判定されなかった検出点については、ステップＳ１０以降の処理を行う。

ステップＳ９にて、道路構造物判定部３３１は、道路構造物データと判定された検出点どうしをグルーピングし、これを道路構造物として検出する。さらに、道路構造物データと判定された検出点を回帰分析して、近似線Ｌａを再度算出する。

次いで、道路構造物として検出された検出点及び算出された近似線に関する道路構造物情報を生成し、メモリ３６に記憶する。さらに、提示部４にて当該道路構造物情報を自車両１１の乗員等に提示する。その後、ステップＳ１の処理に戻る。

ステップＳ１０にて、第１のグルーピング部３４は、メモリ３６から距離計測情報、道路構造物情報、及びしきい値Ｚｔ３、Ｚｔ４、Ｚｔ７、Ｘｔ２、Ｗｔ３のデータを取得する。

次いで、第１のグルーピング部３４は、当該情報等に基づいて、ステップＳ２において道路構造物データとして利用しないと判定された検出点、及びステップＳ８において道路構造物データと判定されなかった検出点に対して上述した第１グルーピング処理を行う。

即ち、第１のグルーピング部３４は、例えばスキャン範囲において自車両１１から見た右側の端部から検出点間のＺ方向距離を演算し、演算して得たＺ方向距離の絶対値がしきい値Ｚｔ３以下である場合は、当該検出点どうしをグルーピングして第１グループデータとする。

次いで、第１のグルーピング部３４は、Ｚ方向距離の絶対値がしきい値Ｚｔ３を超える位置、或いは、隣接する検出点が存在しない位置まで検出点の比較をすることで、第１グループデータを更新する。

次いで、各第１グループデータについて、第１グループデータに含まれる各検出点から自車両１１までのＺ方向距離を平均して第１グループデータのＺ方向距離を算出する。さらに、第１グループデータのＸ方向における中心点を算出し、第１グループデータの右端点と左端点との位置差にレーザレーダ１による単位スキャン幅を加算して物体幅を算出する。

次いで、当該算出結果を第１グループデータに含めてメモリ３６に記憶し、ステップＳ１１に進む。

ステップＳ１１において、第１のグルーピング部３４は、上述した時間的に前後する第１グループデータの比較を行う。

具体的には、第１のグルーピング部３４は、今回生成された第１グループデータと、前回生成された第１グループデータのうち、相対速度が計算されている第１グループデータと、をメモリ３６から取得する。

次いで、今回の第１グループデータと、前回生成された第１グループデータとを比較し、上述した判定条件（ｃ１）〜（ｃ２）を満たす場合には同一物体とする。

そして、第１のグルーピング部３４は、判定条件（ｃ１）〜（ｃ２）を満たす第１グループデータについては、後のステップで相対速度を計算するために、当該第１グループデータに過去２点の距離情報（Ｚ方向距離、及びＸ方向中心点の情報）を追加して、ステップＳ１３以降の処理を行う。

また、第１のグルーピング部３４は、判定条件（ｃ１）〜（ｃ２）を満たさない今回の第１グループデータについては、相対速度が検出されている前々回の第１グループデータをメモリ３６から取得し、当該前々回の第１グループデータと判定条件（ｃ１）〜（ｃ２）を満たすか否かを判定する。

また、当該今回の第１グループデータが前々回の第１のグループデータとの間で判定条件（ｃ１）〜（ｃ２）を満たさない場合には、当該前々回の第１グループデータを削除する。

一方、満たす場合には、当該今回の第１グループデータと、前々回の第１グループデータとを同一物体とし、当該今回の第１グループデータについては、過去２点の距離情報を追加して、ステップＳ１３以降の処理を行う。

また、第１のグルーピング部３４は、相対速度が検出されている前回、前々回の第１グループデータとの間で判定条件（ｃ１）〜（ｃ２）を満たさない今回の第１グループデータについては、相対速度が計算されていない前回の第１グループデータをメモリ３６から取得し、当該前回の第１グループデータと判定条件（ｆ１）〜（ｆ３）を満たすか否かを判定する。

この結果、判定条件（ｆ１）〜（ｆ３）を満たさない今回の第１グループデータについては、ステップＳ１２以降の処理を行う。

一方、満たす場合には、今回の第１グループデータと、前回の第１グループデータとを同一物体とし、当該第１グループデータについては、過去２点の距離情報を追加して、ステップＳ１３以降の処理を行う。

ステップＳ１２において、第１のグルーピング部３４は、ステップＳ１１で過去の第１グループデータと同一物体によるものでないと判定された今回の第１グループデータのＺ方向距離、Ｘ方向における中心点、物体幅をメモリ３６に記憶して、ステップＳ１に戻る。なお、この場合記憶した各種情報は、次回以降のステップＳ１１の時系列判断で使用する。

ステップＳ１３において、第１のグルーピング部３４は、過去の第１グループデータとの間で時系列判断をするための判定条件を満たした第１グループデータについて、今回、前回及び前々回の距離情報を用いて相対速度を計算する。次いで、計算した相対速度情報を今回の第１グループデータに追加して、メモリ３６に記憶する。

第１のグルーピング部３４は、上述のステップＳ１１〜ステップＳ１３までの処理をステップＳ１０で検出した全ての第１グループデータについて行い、以降のステップＳ１４〜ステップＳ１６の処理に移行する。

ステップＳ１４において、第２のグルーピング部３５は、メモリ３６から、ステップＳ１１で相対速度が計算された第１グループデータと、過去の第２グループデータと、しきい値Ｚｔ５、Ｚｔ６、Ｖｔ１、Ｗｔ１、Ｖｔ２、Ｗｔ２のデータを取得する。

次いで、当該情報等に基づいて、当該第１グループデータと第２グループデータとを比較して、同一物体と判定するための判定条件（ｄ１）〜（ｄ４）を満たす第１グループデータが存在するか否かを判定する。

次いで、判定条件（ｄ１）〜（ｄ４）を満たすと判定された第１グループデータについては、ステップＳ１６以降の処理を行い、満たさないと判定された第１グループデータについては、ステップＳ１５以降の処理を行う。

ステップＳ１５にて、第２のグルーピング部３５は、ステップＳ１４にて過去の第２グループデータとの間で判定条件を満たない第１グループデータどうしを比較し、同一物体するための判定条件（ｅ１）〜（ｅ３）を満たす場合にはグルーピングを行い、新規に第２グループデータを生成する。

一方、判定条件（ｅ１）〜（ｅ３）を満たさない場合には１つの第１グループデータで新規に第２グループデータを生成してメモリ３６に記憶し、ステップＳ１７に処理を進める。

ステップＳ１６において、第２のグルーピング部３５は、第２グループデータに含まれる第１グループデータからＺ方向距離、Ｘ方向における中心点、物体の左右端点、相対速度のそれぞれについて平均値を算出する。

次いで、当該算出された平均値を、当該第２グループデータのＺ方向距離、Ｘ方向における中心点、物体幅、相対速度として当該第２グループデータに含め、メモリ３６に記憶する。

次いで、当該第２グループデータに対応する過去の第２グループデータが存在する場合には、当該第２グループデータの検出回数の値を更新する。

次いで、当該第２グループデータを、自車両１１の前方に存在する物体によるものと判断することで、自車両１１の前方に存在する物体を検出する。さらに、第２グループデータに含まれる相対速度情報に基づいて、当該物体が移動物体であるかどうかを判定し、当該判定の結果を第２グループデータに含める。

このようなステップＳ１４〜ステップＳ１６までの処理を、ステップＳ１３で相対速度が計算された全ての第１グループデータに対して行い、ステップＳ１７の処理に移行する。

ステップＳ１７において、第２のグルーピング部３５は、ステップＳ１４〜ステップＳ１６の処理で得た第２グループデータを、自車両１１の乗員等が認識できるような形態にして提示部４にて提示する。

以上により、本第１の実施の形態では、演算部３は、レーザレーダ１にて検出された検出点に基づき、互いに近接する検出点どうしを連結する線分を検出する。そして、当該検出された線分に基づいて、当該検出線どうしを連結する近似線Ｌａを算出し、当該算出された近似線Ｌａの近傍に存在する検出点どうしをグルーピングし、これを道路構造物として検出する（図１０に示すステップＳ３〜ステップＳ９参照）。

これにより、演算部３は、検出点の連続性が途切れた場合であっても、道路構造物に対応する検出点をグルーピングし、これを道路構造物として検出することができる。

さらに、検出点の相対速度を参照することなく道路構造物を検出するので、検出点が密集して検出された場合等のように、検出点どうしの時間的な対応付けが容易でなく、検出点の相対速度を算出することが容易でない場合であっても、道路構造物をより正確に検出することができる。

また、演算部３は、算出された線分を分類Ｌ１〜Ｌ６に分類し、当該分類に基づいて近似線Ｌａを算出する（ステップＳ４〜ステップＳ７参照）。したがって、演算部３は、当該分類を利用して近似線Ｌａを算出することができるので、近似線Ｌａを迅速に算出することができる。

具体的には、演算部３は、当該分類された線分のうち、所定の線分を選択し、当該選択された線分の分類に応じて、近似線Ｌａの次数を決定し、当該決定された次数に基づいて近似線Ｌａを算出する（ステップＳ４〜ステップＳ７参照）。

したがって、当該分類を参照して線分を選択するので、選択すべき線分を当該分類から迅速に決定することができる。即ち、効率的に線分を選択することができる。これにより、近似線Ｌａの次数を迅速に決定することができる。

さらに、当該次数に基づいて、近似線Ｌａの形状を迅速に決定することができるので、近似線Ｌａを迅速に算出することができる。

特に、本実施の形態では、線分分類部３１２による各分類から線分を一つ選択し、当該選択された線分に基づいて、近似線Ｌａを算出する。したがって、近似線Ｌａの算出に要する線分の数を減らすことができるので、近似線Ｌａを迅速に算出することができる。

具体的には、分類Ｌ１〜Ｌ３に分類される線分が含まれる場合には、当該線分に基づいて右側の道路構造物に対応する近似線Ｌａを算出する。また、分類Ｌ４〜Ｌ６に分類される線分が含まれる場合には、当該線分に基づいて左側の道路構造物に対応する近似線Ｌａを算出する。

これにより、演算部３は、左右両側の当該道路構造物に対応する近似線Ｌａを迅速に算出することができる。

また、演算部３は、道路構造物データとしての信頼性が大きい線分を選択するので、より正確な近似線Ｌａを算出することができる。

また、演算部３は、近似線Ｌａから各検出点までの距離Ｄ１を算出し、当該算出された距離Ｄ１がしきい値Ｔ２未満である検出点を道路構造物データであると判定する。そして、道路構造物データと判定された検出点どうしをグルーピングして、これを道路構造物として検出する（ステップＳ８〜ステップＳ９参照）。

したがって、近似線Ｌａ周辺の一定領域に存在する検出点をグルーピングすることができるので、道路構造物に対応する検出点をより正確にグルーピングし、これを道路構造物として検出することができる。

特に、本実施の形態では、演算部３は、当該グルーピングされた検出点に基づいて、近似線Ｌａを再度算出して、当該算出された近似線Ｌａを提示部４にて提示するので、より正確な近似線Ｌａを提示することができる。

また、初期道路構造物判定部３３３は、近似線Ｌａを算出する前に、前回算出された近似線Ｌａから今回検出された各検出点までの距離Ｄ２を算出する。そして、当該算出された距離Ｄ２がしきい値Ｔ２未満で、且つ移動物体の近傍に存在しない検出点を道路構造物データとして利用し、当該算出された距離がしきい値Ｔ２未満で、且つ移動物体の近傍に存在する検出点を道路構造物データとして利用しないと判定する（ステップＳ２参照）。

そして、演算部３は、当該道路構造物データとして利用すると判定された検出点に基づいて、近似線Ｌａを算出する（ステップＳ７参照）。

これにより、演算部３は、オクルージョン（検出点が検出できたり、できなかったりする場合が頻繁に起こること）の影響により、道路構造物に対応する検出点が少なく、今回の検出において線分を算出することができない場合であっても、近似線Ｌａを算出することができる。したがって、このような場合であっても、道路構造物を検出することができる。

さらに、初期道路構造物判定部３３３は、移動物体から検出された可能性のある検出点を道路構造物データか否かの判定から除外することができるので、移動物体の非検出や道路構造物の誤検出を防止することができる。

さらに、当該検出処理も、検出点の相対速度を参照することなく行うので、検出点どうしの時間的な対応付けが容易でなく、検出点の相対速度を算出することが容易でない場合であっても、道路構造物をより正確に検出することができる。

また、演算部３は、しきい値Ｔ２を、当該決定された次数に基づいて設定するので、近似線Ｌａの形状に応じて、上述した一定領域を変更することができる。

特に、本実施の形態では、次数が大きいほどしきい値Ｔ２の値、即ち一定領域を大きくするので、近似線Ｌａの次数が大きくなり、検出点の検出位置にバラツキが生じやすくなっても、道路構造物データとなる検出点をより正確にグルーピングすることができる。

また、演算部３は、道路構造物として検出されなかった検出点のうち、互いに隣接する検出点をグルーピングして第１グループデータを生成する。そして、今回生成された第１グループデータに対応するデータが、前回の第２グループデータに含まれている場合には、これを第２グループデータとし、当該第２グループデータを自車両前方に存在する物体によるものであると判断する。

即ち、演算部３は、道路構造物からの検出点、即ち時間的な対応付けが困難な検出点を除き、残りの検出点をグルーピングして物体を検出するので、自車両１１前方に存在する物体をより正確に検出することができ、且つ物体の分類をより正確に行うことができる。

（第２の実施の形態）
次に、本発明の第２の実施形態を、図面に基づいて説明する。ここでは、距離センサとしてレーザレーダを利用する場合について説明する。

本発明は、例えば、図１１に示す如くの前方物体検出装置に適用される。

［前方物体検出装置の構成２］
図１１は、前方物体検出装置の機能的な構成を示すブロック図である。この前方物体検出装置は、第一の実施形態と同様に自車両前方に設けられたレーザレーダ（物体検出手段）１と、走行時の挙動を検出する車両挙動検出部２と、レーザレーダ１及び車両挙動検出部２より与えられる情報に基づいて、自車両前方に存在する物体を検出するための物体検出処理を行う演算部３と、提示部４を備えて構成されている。

レーザレーダ１及び車両挙動検出部２の構成については第一の実施形態と同様のため説明を省略する。

演算部３は、自車両内部に搭載されたＣＰＵ（Central Processing Unit）、 ＲＡＭ(Random Access Memory)、 ＲＯＭ(Read Only Memory)、 入出力Ｉ／Ｆ等からなるマイクロコンピュータで構成されており、第一の実施形態と同様に道路構造物線分検出部３１と、道路構造物モデル算出部３２と、道路構造物検出部３３と、第１のグルーピング部３４と、第２のグルーピング部３５と、メモリ３６の各機能ブロックに分割される。また、道路構造物線分検出部３１は、検出点水平位置検出部（検出点水平位置検出手段）３１３と、道路形状線分算出部（道路形状線分算出手段）３１４と、を具備する。道路構造物モデル算出部３２は、分岐路検出部（分岐路検出手段）３２３と、複合カーブ路検出部（複合カーブ路検出手段）３２４と形状近似式次数決定部（近似式次数決定手段）３２５を具備する。道路構造物検出部３３は、第一の実施形態と同様に道路構造物判定部３３１と、判定基準変更部３３２と、初期道路構造物判定部３３３と、更に、分岐路構造物判定部（分岐路構造物判定手段）３３４と、を具備している。

また、演算部３は、レーザレーダ１及び車両挙動検出部２より得られる情報に基づいて、自車両１１の前方に存在する物体を検出する物体検出処理を行い、メモリ３６は、当該処理にて生成された各種情報と各種しきい値とを記憶する。なお、この物体検出処理の詳細については後述する。

提示部４は、自車両１１に搭載されるディスプレイやスピーカであり、演算部３にて行われた物体検出処理の結果を自車両１１の乗員等に提示する。

［前方物体検出装置の動作２］
この前方物体検出装置では、自車両１１が走行している場合において、レーザレーダ１により自車両１１の前方に存在する物体の距離計測処理を行う。ここで、図１２に示すように、自車両１１の前方方向のスキャン範囲内に物体Ａ−１〜Ｅ−１が存在する場合を一例として、図１１〜図１５を用いて説明する。ここで、図１２〜図１５は、検出点の検出位置等を示した説明図である。

レーザレーダ１は、スキャン範囲内にレーザ光を走査して距離計測処理をすることで、自車両１１からスキャン範囲に含まれる各物体までの距離情報（位置情報）を得て、当該得られた距離情報に基づいて、自車両１１に対する物体位置を示す検出点を検出する。

本例では、図１２に示すように、レーザレーダ１（図中、ＬＲで表記）は、自車両１１に対する物体Ａ−１〜Ｅ−１の位置情報を示す検出点ａ−２〜ｎ−１を検出する。同図では検出点ａ−２〜ｎ−１は物体Ａ−１〜Ｅ−１について得た距離情報に従ってプロットしている。

次いで、レーザレーダ１は検出点の位置に関する距離計測情報を生成して演算部３のメモリ３６に記憶する。

車両挙動検出部２は、演算装置にて自車両位置、自車両進行方向、自車両１１の向き、及び移動距離を算出し、車両走行情報として演算部３のメモリ３６に記憶する。

演算部３の検出点水平位置検出部３１３は、メモリ３６から距離計測情報及び初期判定情報を取得し、これらの情報に基づいて、各検出点のＸ方向距離を算出する。そして、初期判定情報及び距離計測情報、即ち、検出点をスキャン右端方向からＸ方向距離順に並べ替えて、メモリ３６に記憶する。

演算部３の道路形状線分算出部３１４は、図１２〜図１３に示すように、自車両１１の前方の道路構造物を複数検出するために、右カーブ路、左カーブ路、直線路の順に各道路形状を示す線分を算出する。

具体的には、道路形状線分算出部３１４は、メモリ３６からＸ方向距離順に並べ替えられた距離計測情報及び初期判定情報と、しきい値Ｚｔ１、Ｚｔ２、Ｘｔ１のデータとを取得し、当該取得された情報等に基づいて、初期道路構造物判定部３３３による判定（道路構造物データとして利用するかどうかの判定）の対象とならなかった全ての検出点について以下の処理を行う。

まず、右カーブ路を示す線分の検出について説明する。

道路形状線分算出部３１４は、Ｘ方向距離が一番大きい検出点から、以下の条件（ｇ１）〜（ｇ２）を満たす検出点の対（一の検出点と当該一の検出点の左側に隣接する他の検出点）を検索する。

（ｇ１） 他の検出点のＺ方向距離が一の検出点のＺ方向距離に対してＺｔ１以上Ｚｔ２以下の範囲で減少している。

（ｇ２） 他の検出点のＸ方向距離が一の検出点のＸ方向距離に対してＸｔ１以上減少している。

この結果、条件（ｇ１）〜（ｇ２）を満たす検出点の対が存在する場合には、これらの検出点が同じ第１の右カーブ路線分を構成すると判定する。そして、同じ第１の右カーブ路線分を構成する検出点のうち、左端の検出点を最近点、右端の検出点を最遠点とした第１の右カーブ路線分、即ちこれら検出点を連結する第１の右カーブ路線分を算出する（以下、「第１の右カーブ路算出処理」と称する）。なお、当該条件（ｇ１）〜（ｇ２）を満たさない検出点は、他の線分を構成する検出点または線分を構成しない独立した検出点となる。そして、当該算出された第１の右カーブ路線分の最近点と、当該最近点の左側に隣接する検出点が条件（ｇ１）〜（ｇ２）を満たすかどうか判定し、満たす場合にはこれらの検出点について第１の右カーブ路算出処理を行って当該第１の右カーブ路線分を延長する。以上の処理を、当該第１の右カーブ路線分を構成する検出点が存在しなくなるまで繰り返す。

そして、以上の処理を、いずれかの第１の右カーブ路線分に属する検出点が存在しなくなるまで繰り返す。

そして、当該算出された第１の右カーブ路線分のうち、第１の右カーブ路線分を構成する検出点が３点以上で、且つ、最も検出点が多い線分を選択し、当該選択された第１の右カーブ路線分の最近点及び最遠点に関する（即ち、算出結果に関する）線分情報を生成してメモリ３６に記憶する。

そして、道路形状線分算出部３１４は、いずれの線分にも属していない検出点と算出された線分の最近点のうち、Ｘ方向距離が一番小さい検出点から、以下の条件（ｈ１）〜（ｈ２）を満たす検出点の対（一の検出点と当該一の検出点の右側に隣接する他の検出点）を検索する。

（ｈ１） 他の検出点のＺ方向距離が一の検出点のＺ方向距離に対してＺｔ１以上Ｚｔ２以下の範囲で増加している。

（ｈ２） 他の検出点のＸ方向距離が一の検出点のＸ方向距離に対してＸｔ１以上増加している。

この結果、条件（ｈ１）〜（ｈ２）を満たす検出点の対が存在する場合には、これらの検出点が同じ第２の右カーブ路線分を構成すると判定する。そして、同じ第２の右カーブ路線分を構成する検出点のうち、左端の検出点を最近点、右端の検出点を最遠点とした第２の右カーブ路線分、即ちこれら検出点を連結する第２の右カーブ路線分を算出する（以下、「第２の右カーブ路算出処理」と称する）。なお、当該条件（ｈ１）〜（ｈ２）を満たさない検出点は、他の線分を構成する検出点または線分を構成しない独立した検出点となる。そして、当該算出された第２の右カーブ路線分の最遠点と、当該最遠点の右側に隣接する検出点が条件（ｈ１）〜（ｈ２）を満たすかどうか判定し、満たす場合にはこれらの検出点について第２の右カーブ路算出処理を行って当該第２の右カーブ路線分を延長する。以上の処理を、当該第２の右カーブ路線分を構成する検出点が存在しなくなるまで繰り返す。

そして、以上の処理を、いずれかの第２の右カーブ路線分に属する検出点が存在しなくなるまで繰り返す。

そして、算出された第２の右カーブ路線分のうち、第２の右カーブ路線分を構成する検出点が３点以上で、最も検出点が多い第２の右カーブ路線分を選択し、当該選択された第２の右カーブ路線分の最近点と最遠点に関する線分情報をメモリ３６に記憶する。

次いで、左カーブ路を示す左カーブ路線分の検出について説明する。

道路形状線分算出部３１４は、いずれの線分にも属していない検出点と算出された線分の最近点のうち、Ｘ方向距離が一番大きい検出点から、以下の条件（ｉ１）〜（ｉ２）を満たす検出点の対（一の検出点と当該一の検出点の左側に隣接する他の検出点）を検索する。

（ｉ１） 他の検出点のＺ方向距離が一の検出点のＺ方向距離に対してＺｔ１以上Ｚｔ２以下の範囲で増加している。

（ｉ２） 他の検出点のＸ方向距離が一の検出点のＸ方向距離に対してＸｔ１以上減少している。

この結果、条件（ｉ１）〜（ｉ２）を満たす検出点の対が存在する場合には、これらの検出点が同じ第１の左カーブ路線分を構成すると判定する。そして、同じ第１の左カーブ路線分を構成する検出点のうち、右端の検出点を最近点、左端の検出点を最遠点とした第１の左カーブ路線分、即ちこれら検出点を連結する第１の左カーブ路線分を算出する（以下、「第１の左カーブ路算出処理」と称する）。なお、当該条件（ｉ１）〜（ｉ２）を満たさない検出点は、他の線分を構成する検出点または線分を構成しない独立した検出点となる。そして、当該算出された第１の左カーブ路線分の最遠点と、当該最遠点の左側に隣接する検出点が条件（ｉ１）〜（ｉ２）を満たすかどうか判定し、満たす場合にはこれらの検出点について第１の左カーブ路算出処理を行って当該第１の左カーブ路線分を延長する。以上の処理を、当該第１の左カーブ路線分を構成する検出点が存在しなくなるまで繰り返す。

そして、以上の処理を、いずれかの第１の左カーブ路線分に属する検出点が存在しなくなるまで繰り返す。

そして、算出された第１の左カーブ路線分のうち、第１の左カーブ路線分を構成する検出点が３点以上で、最も検出点が多い第１の左カーブ路線分を選択し、当該選択された第１の左カーブ路線分の最近点と最遠点に関する線分情報をメモリ３６に記憶する。

そして、道路形状線分算出部３１４は、いずれの線分にも属していない検出点と算出された線分の最近点に対して、Ｘ方向距離が一番小さい検出点から、以下の条件（ｊ１）〜（ｊ２）を満たす検出点の対（一の検出点と当該一の検出点の右側に隣接する他の検出点）を検索する。

（ｊ１） 他の検出点のＺ方向距離が一の検出点のＺ方向距離に対してＺｔ１以上Ｚｔ２以下の範囲で減少している。

（ｊ２） 他の検出点のＸ方向距離が一の検出点のＸ方向距離に対してＸｔ１以上増加している。

この結果、条件（ｊ１）〜（ｊ２）を満たす検出点の対が存在する場合には、これらの検出点が同じ第２の左カーブ路線分を構成すると判定する。そして、同じ第２の左カーブ路線分を構成する検出点のうち、右端の検出点を最近点、左端の検出点を最遠点とした第２の左カーブ路線分、即ちこれら検出点を連結する第２の左カーブ路線分を算出する（以下、「第２の左カーブ路算出処理」と称する）。なお、当該条件（ｊ１）〜（ｊ２）を満たさない検出点は、他の線分を構成する検出点または線分を構成しない独立した検出点となる。そして、当該算出された第２の左カーブ路線分の最近点と、当該最近点の右側に隣接する検出点が条件（ｊ１）〜（ｊ２）を満たすかどうか判定し、満たす場合にはこれらの検出点について第２の左カーブ路算出処理を行って当該第２の左カーブ路線分を延長する。以上の処理を、当該第２の左カーブ路線分を構成する検出点が存在しなくなるまで繰り返す。

そして、以上の処理を、いずれかの第２の左カーブ路線分に属する検出点が存在しなくなるまで繰り返す。

そして、算出された第２の左カーブ路線分のうち、第２の左カーブ路線分を構成する検出点が３点以上で、最も検出点が多い第２の左カーブ路線分を選択し、当該選択された第２の左カーブ路線分の最近点と最遠点に関する線分情報をメモリ３６に記憶する。

次いで、直線路を示す線分の検出について説明する。

道路形状線分算出部３１４は、いずれの線分にも属していない検出点と算出された線分の最近点のうち、Ｘ方向距離が一番大きい検出点から、以下の条件（ｋ１）〜（ｋ２）を満たす検出点の対（一の検出点と当該一の検出点の左側に隣接する他の検出点）を検索する。

（ｋ１） 他の検出点のＺ方向距離と一の検出点のＺ方向距離との差がＺｔ１以上Ｚｔ２以下の値となる。

（ｋ２） 他の検出点のＸ方向距離と一の検出点のＸ方向距離との差がＸｔ１以下の値となる。

この結果、条件（ｋ１）〜（ｋ２）を満たす検出点の対が存在する場合には、これらの検出点が同じ第１の直線路線分を構成すると判定する。そして、同じ第１の直線路線分を構成する検出点のうち、自車両１１に近い検出点を最近点、自車両１１から遠い点を最遠点とした第１の直線路線分、即ちこれら検出点を連結する第１の直線路線分を算出する（以下、「第１の直線路算出処理」と称する）。なお、当該条件（ｋ１）〜（ｋ２）を満たさない検出点は、他の線分を構成する検出点または線分を構成しない独立した検出点となる。そして、当該算出された左端の検出点とその検出点と左側に隣接する検出点が条件（ｋ１）〜（ｋ２）を満たすかどうか判定し、満たす場合にはこれらの検出点について第１の直線路算出処理を行って当該第１の直線路線分を延長する。以上の処理を、当該第１の直線路線分を構成する検出点が存在しなくなるまで繰り返す。

そして、以上の処理を、いずれかの第１の直線路線分に属する検出点が存在しなくなるまで繰り返す。

そして、算出された第１の直線路線分のうち、第１の直線路線分を構成する検出点が３点以上で、最も検出点が多い第１の直線路線分を選択し、当該選択された直線路線分の最近点と最遠点に関する線分情報をメモリ３６に記憶する。

そして、道路形状線分算出部３１４は、いずれの線分にも属していない検出点と算出された線分の最近点に対して、Ｘ方向距離が一番小さい検出点から、上述した条件（ｋ１）〜（ｋ２）を満たす検出点の対（一の検出点と当該一の検出点の右側に隣接する他の検出点）を検索する。

この結果、条件（ｋ１）〜（ｋ２）を満たす検出点の対が存在する場合には、これらの検出点が同じ第２の直線路線分を構成すると判定する。そして、同じ第２の直線路線分を構成する検出点のうち、自車両１１に近い検出点を最近点、自車両１１から遠い点を最遠点とした第２の直線路線分、即ちこれら検出点を連結する第２の直線路線分を算出する（以下、「第２の直線路算出処理」と称する）。なお、当該条件（ｋ１）〜（ｋ２）を満たさない検出点は、他の線分を構成する検出点または線分を構成しない独立した検出点となる。そして、当該算出された右端の検出点とその検出点と右側に隣接する検出点が条件（ｋ１）〜（ｋ２）を満たすかどうか判定し、満たす場合にはこれらの検出点について第２の直線路算出処理を行って当該第２の直線路線分を延長する。以上の処理を、当該第２の直線路線分を構成する検出点が存在しなくなるまで繰り返す。

そして、以上の処理を、いずれかの第２の直線路線分に属する検出点が存在しなくなるまで繰り返す。

そして、算出された第２の直線路線分のうち、第２の直線路線分を構成する検出点が３点以上で、最も検出点が多い第２の直線路線分を選択し、当該選択された第２の直線路線分の最近点と最遠点に関する線分情報をメモリ３６に記憶する。

上記のような検出手順で処理を行うことにより、本例では、図１３に示すように、検出点ａ−２〜ｃ−１で構成される直線路線分Ｌｂ−３、検出点ｉ−１、ｈ−１、ｇ−１、ｆ−１で構成される直線路線分Ｌｂ−２、及び検出点ｉ−１、ｋ−１、ｍ−１、ｎ−１で構成される左カーブ路線分Ｌｂ−１を算出する。検出点ｄ−１、ｅ−１、ｊ−１、ｌ−１は線分を構成しない。

演算部３の分岐路検出部３２３は、分岐路を検出するために、メモリ３６から線分情報を取得し、当該取得された線分情報に基づいて、以下の処理を行う。即ち、分岐路検出部３２３は、同じ最近点を持つ線分は、分岐路を構成する線分であると判定し、当該分岐路を構成する線分に関する分岐路情報をメモリ３６に記憶する。これにより、同じ最近点を持つ線分を分岐路として検出する。本例では、図１４に示すように、左カーブ路線分Ｌｂ−１と直線路線分Ｌｂ−２が分岐路として検出される。

演算部３の複合カーブ路検出部３２４は、複合カーブ路、即ち、カーブ路線分と直線路線分の結合を検出する。
ここで、図１４では、該当する例が存在しないため、図１５に示すように、図４の例に置き換えて複合カーブ路検出について説明する。

この場合、図１６に示すように、演算部３は道路形状線分算出部３１４で検出点ｆ、ｇ、ｈ、ｋ、ｎ、ｏ、ｐを左カーブ路線分Ｌｂ−４、検出点ａ〜ｃを直線路線分Ｌｂ−５として算出する。そして、当該算出された線分Ｌｂ−４〜Ｌｂ−５の最近点及び最遠点に関する線分情報を生成してメモリ３６に記憶する。

次いで演算部３は分岐路検出部３２３の処理を行うが、該当する線分は存在しないため、複合カーブ路検出部３２４の処理に移行する。

複合カーブ路検出部３２４は、線分情報及びしきい値Ｚｔ８、Ｘｔ３を取得し、当該取得された線分情報等に基づいて、以下の処理を行う。

即ち、カーブ路線分の最近点と直線路線分の最遠点のＺ方向距離差がＺｔ８以下で、Ｘ方向距離差がＸｔ３以下である場合には、これらの検出点が同一の複合カーブ路線分を構成すると判定して、これらを結合する。これにより、複合カーブ路線分を算出する。ここで、しきい値はＺｔ８＞Ｚｔ１、Ｘｔ３＞Ｘｔ１となるように設定する。

そして、複合カーブ路検出部３２４は、道路形状線分算出部３１４で算出されたカーブ路と直線路に対して、上述した処理を繰り返し行い、複合カーブ路線分を算出する。これにより、本例では図１５に示すように、左カーブ路線分Ｌｂ−４と直線路線分Ｌｂ−５を結合して、複合カーブ路線分を算出する。言い換えれば、直線路線分及びカーブ路線分を複合カーブ路として検出する。

そして、複合カーブ路検出部３２４は、複合カーブ路線分の最遠点を当該複合カーブ路線分を構成するカーブ路線分の最遠点とし、複合カーブ路線分の最近点を当該複合カーブ路線分を構成する直線路線分の最遠点として、複合カーブ路線分の最近点及び最遠点に関する線分情報をメモリ３６に記憶する。そして、直線路線分の情報はメモリ３６から削除する。

形状近似式次数決定部３２５は、メモリ３６から線分情報を取得し、当該取得された線分情報に基づいて、自車両１１の前方に位置する道路構造物それぞれについて、近似線Ｌａの次数を決定し、更に、当該決定された次数等に基づいて近似線Ｌａを算出する。

具体的には、形状近似式次数決定部３２５は、直線路線分のうち、複合カーブ路検出部３２４で結合対象とならなかった直線路線分については、近似線Ｌａの次数を１次と決定する。そして、当該直線路線分を構成する検出点を回帰分析し、式（３）で示される近似線Ｌａを算出する。

また、カーブ路線分または複合カーブ路線分については、近似線Ｌａの次数を２次と決定する。そして、これらカーブ路線分及び複合カーブ路線分を構成する検出点を重回帰分析して、式（４）で示される近似線Ｌａを算出する。

さらに、メモリ３６から初期判定情報及びしきい値Ｔ１のデータを取得し、初期道路構造物判定部３３３にて道路構造物として利用すると判定された検出点のうち最近点と最遠点に基づいて、これら検出点で構成される線分の傾きＭを算出する。

次いで、傾きＭが条件（ｌ１）を満たすときには、直線路と判定し、当該検出点を回帰分析して、式（３）で示される近似線Ｌａを算出する。

また、Ｍが条件（ｌ２）を満たすときには、カーブ路と判定し、当該検出点を重回帰分析し、式（４）で示される近似線Ｌａを算出する。

（ｌ１） ｜Ｍ｜＞Ｔ１
（ｌ２） ｜Ｍ｜≦Ｔ１
次いで、形状近似式次数決定部３２５は、当該決定された近似線の次数及び算出された近似線Ｌａに関する近似線情報を生成してメモリ３６に記憶する。

分岐路構造物判定部３３４は、メモリ３６から距離計測情報、分岐路情報、近似線情報を取得し、当該取得された情報等に基づいて、以下の処理を行う。

即ち、図１４に示すように、分岐路検出部３２３で分岐路と判定された線分に対応する近似線Ｌａに基づいて、これら近似線Ｌａ囲まれる領域を算出し、その領域内に存在する検出点を分岐路内に存在する道路構造物（以下、「分岐構造物」と称する）として検出する。

本例では、左カーブ路線分Ｌｂ−１と直線路線分Ｌｂ−２で囲まれた斜線部分領域に存在する検出点ｊ−１、ｌ−１を分岐構造物として検出する。

次いで分岐路構造物判定部３３４は、当該検出結果に関する分岐構造物判定情報を生成してメモリ３６に記憶する。

道路構造物判定部３３１、判定基準変更部３３２、初期道路構造物判定部３３３、第１のグルーピング部３４、第２のグルーピング部３５の処理については、第１の実施形態と同様な処理のため、説明は省略する。

［前方物体検出装置による物体検出手順２］
図１６は、演算部３により物体検出処理を行う際の処理手順を示すフローチャートである。なお、前方物体検出装置は、自車両１１が走行している場合において、ステップＳ２１以降の処理を開始する。

ステップＳ２１において、レーザレーダ１は、スキャン範囲内にレーザ光を走査して距離計測処理をすることで、スキャン範囲に含まれる各物体までの距離情報（位置情報）を得て、当該得られた距離情報に基づいて、自車両１１に対する物体位置を示す検出点を検出する（図１２参照）。

次いで、レーザレーダ１は、各検出点の位置に関する距離計測情報を生成して演算部３のメモリ３６に記憶する。

一方、車両挙動検出部２は、演算装置にて自車両位置、自車両進行方向、自車両１１の向き、及び移動距離を算出し、車両走行情報として演算部３のメモリ３６に記憶する。

次いで、判定基準変更部３３２は、メモリ３６に近似線情報が記憶されているかどうか、即ち、前回の物体検出処理において、道路構造物モデル算出部３２により近似線Ｌａが算出されているかどうかを判定する。

この結果、記憶されている場合には、ステップＳ２２の処理に移行し、記憶されていない場合には、ステップＳ２３の処理に移行する。

ステップＳ２２にて、判定基準変更部３３２は、メモリ３６から近似線情報を取得し、当該近似線情報に基づいて、メモリ３６に記憶されるしきい値Ｔ２の値を設定する。

次いで、初期道路構造物判定部３３３は、上述した初期道路構造物判定を行い（図９参照）、当該初期道路構造物判定に関する初期判定情報を生成してメモリ３６に記憶する。

次いで、演算部３は、道路構造物データとして利用すると判定された検出点についてはステップＳ２７以降の処理を、道路構造物データとして利用しないと判定された検出点についてはステップＳ３２以降の処理を、当該判定の対象とならなかった検出点についてはステップＳ２３以降の処理を行う。

次いで、ステップＳ２３にて、検出点水平位置検出部３１３は、メモリ３６から距離計測情報及び初期判定情報を取得し、当該情報に基づいて、初期道路構造物判定部３３３による判定の対象とならなかった検出点を認識する。

次いで、当該検出点について上述した検出点水平位置算出処理を行い、当該処理により算出されたＸ方向距離に基づいて、距離計測情報及び初期判定情報をスキャン右端方向からＸ方向距離順に並べ替える。そして、当該並べ替えられた距離計測情報及び初期判定情報をメモリ３６に記憶する。

次いで、ステップＳ２４にて、道路形状線分算出部３１４は、メモリ３６からＸ距離方向順に並べ替えられた距離計測情報及び初期判定情報を取得し、当該情報に基づいて、初期道路構造物判定部３３３による判定の対象とならなかった検出点を認識する。

次いで、メモリ３６からしきい値Ｚｔ１、Ｚｔ２、Ｘｔ１のデータを取得し、当該検出点について上述した道路形状線分算出処理を行い（図１３及び図１４参照）、当該算出結果に関する線分情報を生成してメモリ３６に記憶する。

次いで、ステップＳ２５にて、分岐路検出部３２３は、メモリ３６から線分情報を取得し、当該取得された線分情報に基づいて、上述した分岐路検出処理を行い、当該検出された分岐路に関する分岐路情報を生成してメモリ３６に記憶する。

次いで、ステップＳ２６にて、複合カーブ路検出部３２４は、メモリ３６から線分情報およびしきい値Ｚｔ８、Ｘｔ３のデータを取得し、当該取得された情報に基づいて、上述した複合カーブ路検出処理（図１５参照）を行い、当該検出された複合カーブ路に関する線分情報を生成してメモリ３６に記憶する。

次いで、ステップＳ２７にて、形状近似式次数決定部３２５は、メモリ３６から線分情報および初期判定情報を取得し、当該取得された情報に基づいて、自車両１１の前方に位置する道路構造物それぞれについて、近似線Ｌａの次数を決定する。

次いで、ステップＳ２８にて、当該決定された次数に基づいて、近似線Ｌａを算出し、当該決定された近似線Ｌａの次数及び算出された近似線Ｌａに関する近似線情報を生成してメモリ３６に記憶する。

具体的には、直線路線分のうち、複合カーブ路として検出されなかった直線路線分については次数を１次と決定する。また、ステップＳ２２にて道路構造物データとして利用すると判定された検出点であって、自車両１１から最近点から最遠点までのＸ方向距離が所定距離（例えば３メートル）未満であるものについても、次数を１次と決定する。そして、当該直線路線分を構成する検出点及び道路構造物データとして利用すると判定された検出点を回帰分析して、式（３）で示される近似線Ｌａを算出する。

一方、カーブ路線分及び複合カーブ路線分については、次数を２次と決定する。また、ステップＳ２２にて道路構造物データとして利用すると判定された検出点であって、上述したＸ方向距離が所定距離以上である検出点についても、次数を２次と決定する。そして、カーブ路線分または複合カーブ路線分を構成する全ての検出点及び道路構造物データとして利用すると判定された検出点を重回帰分析して、式（４）で示される近似線Ｌａを算出する。

次いで、ステップＳ２９にて、分岐路構造物判定部３３４は、メモリ３６から距離計測情報と分岐路情報を取得し、当該情報に基づいて、分岐路を構成する線分に囲まれた領域に存在する検出点を分岐構造物として検出する。

次いで、当該検出結果に関する分岐構造物情報を生成し、メモリ３６に記憶する。さらに、提示部４にて当該分岐構造物情報を自車両１１の乗員等に提示する。その後、ステップＳ２１の処理に戻る。また、分岐構造物として検出されなかった検出点については、ステップＳ３０以降の処理を行う。

次いで、ステップＳ３０にて、判定基準変更部３３２は、近似線情報をメモリ３６から取得し、当該近似線情報に基づいて、メモリ３６に記憶されるしきい値Ｔ２の値を設定する。

次いで、道路構造物判定部３３１は、メモリ３６から距離計測情報、近似線情報、及びしきい値Ｔ２のデータを取得する。

次いで、当該取得された情報等に基づいて、形状近似式次数決定部３２５により今回算出された近似線Ｌａからレーザレーダ１にて今回検出された各検出点までの距離Ｄ１をそれぞれ算出する。

次いで、当該算出された距離Ｄ１としきい値Ｔ２とを比較し、距離Ｄ１がしきい値Ｔ２未満である検出点を道路構造物データと判定する（図７及び図８参照）。

次いで、演算部３は、道路構造物データと判定された検出点については、ステップＳ３１以降の処理を行い、道路構造物データと判定されなかった検出点については、ステップＳ３２以降の処理を行う。

ステップＳ３１にて、道路構造物判定部３３１は、道路構造物データと判定された検出点どうしをグルーピングし、これを道路構造物として検出する。さらに、道路構造物データと判定された検出点を回帰分析して、近似線Ｌａを再度算出する。

次いで、道路構造物として検出された検出点及び算出された近似線に関する道路構造物情報を生成し、メモリ３６に記憶する。さらに、提示部４にて当該道路構造物情報を自車両１１の乗員等に提示する。その後、ステップＳ１の処理に戻る。

ステップＳ３２〜ステップＳ３９にて、第１のグルーピング部３４及び第２のグルーピング部３５は、ステップＳ２２において道路構造物データとして利用しないと判定された検出点、及びステップＳ３０において道路構造物データと判定されなかった検出点に対して、図１０に示すステップＳ１０〜ステップＳ１７と同様の処理を行う。

以上により、本第２の実施の形態では、演算部３は、レーザレーダ１にて検出された検出点に基づき、互いに近接する検出点どうしを所定の手順に従い連結することで線分を算出する。そして、当該算出された線分の形状に基づいて、近似線Ｌａを算出し、当該算出された近似線Ｌａの近傍に存在する検出点どうしをグルーピングし、これを道路構造物として検出する（図１６に示すステップＳ２３〜ステップＳ３１参照）。

このように、演算部３は、道路形状毎に線分を検出するため、自車両１１前方の道路環境が複数種類の道路が存在するような複雑な道路環境である場合でも、効率よく且つ正確に道路形状を表す線分を算出することができる。したがって、近似線Ｌａを効率よく且つ正確に算出することができるので、道路構造物を正確に検出することができる。

特に本実施形態では、道路形状別の線分をスキャン両側から算出するため、Ｚ方向の距離が異なり、Ｘ方向の距離がオーバーラップするような配置にある道路構造物であっても、正確に道路構造物を検出することができる。また、一の道路の左右両側に存在する道路構造物を確実に検出することができる。

また、分岐路を構成する線分は、互いに最近点を共有するところ、演算部３は、道路形状線分の最近点を比較することで分岐路を検出するので、道路構造物の誤検出が発生しやすい分岐路を精度良く検出することができる。

本発明の一実施形態に係る前方物体検出装置の構成を示すブロック図である。 レーザレーダの設置位置を示す側面図である。 レーザレーダの設置位置を示す平面図である。 検出点の検出位置等を示す説明図である。 線分算出処理の様子を示す説明図である。 検出点及び線分の検出位置を示す説明図である。 検出点と近似線の位置関係を示す説明図である。 検出点と近似線の位置関係を示す説明図である。 初期道路構造物判定の様子を示す説明図である。 前方物体検出装置による処理の手順を示すフローチャートである。 本発明の他の実施の形態に係る前方物体検出装置の構成を示すブロック図である。 検出点の検出位置等を示す説明図である。 線分算出処理の様子を示す説明図である。 分岐路検出の様子を示す説明図である。 複合カーブ路検出の様子を示す説明図である。 前方物体検出装置による処理の手順を示すフローチャートである。 従来における物体検出処理を示す説明図である。 従来における物体検出処理を示す説明図である。

符号の説明

１…レーザレーダ（物体検出手段）
２…車両挙動検出部
３…演算部（演算手段）
４…提示部
１１…自車両
３１…道路構造物線分検出部（道路構造物線分検出手段）
３２…道路構造物モデル算出部（道路構造物モデル算出手段）
３３…道路構造物検出部（道路構造物検出手段）
３４…第１のグルーピング部（第１のグルーピング手段）
３５…第２のグルーピング部（第２のグルーピング手段）
３６…メモリ
３１１…線分算出部（線分算出手段）
３１２…線分分類部（線分分類手段）
３１３…検出点水平位置検出部（検出点水平位置検出手段）
３１４…道路形状線分算出部（道路形状線分算出手段）
３２１…線分選択部（線分選択手段）
３２２…近似式次数決定部（近似式次数決定手段）
３２３…分岐路検出部（分岐路検出手段）
３２４…複合カーブ路検出部（複合カーブ路検出手段）
３２５…形状近似式次数決定部（近似式次数決定手段）
３３１…道路構造物判定部（道路構造物判定手段）
３３２…判定基準変更部（判定基準変更手段）
３３３…初期道路構造物判定部（初期道路構造物判定手段）
３３４…分岐路構造物判定部（分岐路構造物判定手段）

Claims (11)

1. 自車両に搭載されて自車両前方に存在する物体を検出する前方物体検出装置において、
   自車両前方に送信波を走査させながら出射して、自車両前方に存在する物体からの反射波を検出し、検出した反射波に基づいて、自車両に対する前記物体位置を示す検出点を検出する物体検出手段と、
   自車両に対する前記検出点の相対速度を算出する相対速度算出手段と、
   前記物体検出手段にて検出された検出点に基づき、所定の演算手法を用いて、互いに近接する検出点どうしを連結する検出線を検出する道路構造物線分検出手段と、
   前記道路構造物線分検出手段にて検出された検出線に基づいて、当該検出線どうしを連結する近似線を算出する道路構造物モデル算出手段と、
   前記道路構造物モデル算出手段にて算出された近似線の近傍に存在する検出点どうしをグルーピングし、これを道路構造物として検出する道路構造物検出手段と、
   前記道路構造物検出手段で道路構造物として判定されていない検出点のうち、互いに隣接する、または、孤立した検出点をグルーピングすることにより、所定グルーピング範囲内に存在する前記検出点の、自車両に対する相対速度に基づいて、自車両の前方に存在する物体は移動体であるかどうかを判断するグルーピング手段と、
   を有することを特徴とする前方物体検出装置。
2. 請求項１記載の前方物体検出装置において、
   前記道路構造物線分検出手段は、
   前記物体検出手段にて検出された各検出点に基づいて、自車両から当該各検出点までの距離、及び自車両の推定走路中心から当該各検出点までの距離を算出し、当該算出結果に基づいて前記検出線を算出する線分算出手段と、
   前記線分算出手段にて算出された検出線の傾き、当該検出線から前記推定走路中心までの距離、及び当該検出線を構成する検出点の数のうち、少なくとも一つに基づいて、当該検出線を分類する線分分類手段と、を有し、
   前記道路構造物モデル算出手段は、前記線分分類手段による分類に基づいて、前記近似線を算出することを特徴とする前方物体検出装置。
3. 請求項２記載の前方物体検出装置において、
   前記道路構造物モデル算出手段は、
   前記線分分類手段にて分類された検出線のうち、所定の検出線を選択する線分選択手段と、
   前記線分選択手段にて選択された検出線に基づいて、前記近似線の次数を決定し、当該決定された次数に基づいて前記近似線を算出する近似式次数決定手段と、
   を有することを特徴とする前方物体検出装置。
4. 請求項１記載の前方物体検出装置において、
   前記道路構造物線分検出手段は、
   前記物体検出手段にて検出された各検出点に基づいて、自車両から当該各検出点までの水平方向距離を算出し、当該検出点を当該算出された水平方向距離に基づいて並べ替える検出点水平位置検出手段と、
   前記検出点水平位置検出手段により並べ替えられた検出点のうち、互いに近接する検出点の距離変化量に基づいて、左カーブ路、右カーブ路、または直線路に対応する検出線を算出する道路形状線分算出手段と、を有し、
   前記道路構造物モデル算出手段は、前記道路形状線分算出手段により算出された検出線に基づいて、前記近似線を算出することを特徴とする前方物体検出装置。
5. 請求項４記載の前方物体検出装置において、
   前記道路構造物モデル算出手段は、
   前記道路形状線分算出手段により算出された各検出線のうち、カーブ路に対応する検出線の最近点と、直線路に対応する検出線の最遠点と、の位置関係を比較し、これら最近点及び最遠点が互いに近接する場合には、前記カーブ路に対応する検出線及び前記直線路に対応する検出線を複合カーブ路として検出する複合カーブ路検出手段と、
   前記道路形状線分算出手段により算出された検出線、及び前記複合カーブ路検出手段により検出された複合カーブ路に基づいて、前記近似線の次数を決定し、当該決定された次数に基づいて前記近似線を算出する近似式次数決定手段と、を有することを特徴とする前方物体検出装置。
6. 請求項４記載の前方物体検出装置において、
   前記道路構造物モデル算出手段は、
   前記道路形状線分算出手段により算出された各検出線の最近点を比較し、同じ最近点を持つ検出線同士を分岐路として検出する分岐路検出手段と、
   前記道路形状線分算出手段により算出された検出線に基づいて、前記近似線の次数を決定し、当該決定された次数に基づいて前記近似線を算出する近似式次数決定手段と、を有し、
   前記道路構造物検出手段は、前記近似式次数決定手段により算出された近似線のうち、前記分岐路検出手段により検出された分岐路に対応する近似線に挟まれる検出点を分岐路内に存在する道路構造物として検出する分岐路構造物判定手段を有することを特徴とする前方物体検出装置。
7. 請求項３及び５、６のいずれか１項に記載の前方物体検出装置において、
   前記道路構造物検出手段は、前記道路構造物モデル算出手段にて算出された近似線から前記検出点までの距離を算出し、当該算出された距離が予め定められた基準距離未満である検出点を道路構造物データであると判定し、道路構造物データと判定された検出点どうしをグルーピングして、これを道路構造物として検出する道路構造物判定手段を有することを特徴とする前方物体検出装置。
8. 請求項７記載の前方物体検出装置において、
   前記道路構造物検出手段は、
   前回算出された近似線から今回検出された各検出点までの距離を算出し、当該算出された距離が前記基準距離未満で、且つ移動物体の近傍に存在しない検出点を道路構造物データとして利用し、当該算出された距離が前記基準距離未満で、且つ移動物体の近傍に存在する検出点を道路構造物データとして利用しないと判定する初期道路構造物判定手段を有し、
   前記近似式次数決定手段は、前記初期道路構造物判定手段により道路構造物データとして利用すると判定された検出点に基づいて、前記近似線を算出することを特徴とする前方物体検出装置。
9. 請求項７または８記載の前方物体検出装置において、
   前記道路構造物検出手段は、
   前記基準距離を前記近似式次数決定手段により決定された次数に基づいて設定する判定基準変更手段を有することを特徴とする前方物体検出装置。
10. 請求項１〜９のいずれか１項に記載の前方物体検出装置において、前記グルーピング手段は、
    前記道路構造物検出手段で検出されなかった検出点のうち、互いに隣接する検出点をグルーピングして第１グループデータを得る第１のグルーピング手段と、
    前記第１のグルーピング手段により、第１のグループデータが複数得られた場合に、各第１のグループデータに対し、所定の条件に基づいてグルーピングを行う第２のグルーピング手段と、を有し、
    前記第２のグルーピング手段でグルーピングされた第２のグループデータを、自車両の前方に存在する移動体によるものであると判断することを特徴とする前方物体検出装置。
11. 自車両前方に存在する物体を検出する前方物体検出方法であって、
    自車両前方に送信波を走査させながら出射して、自車両前方に存在する物体からの反射波を検出し、検出した反射波に基づいて、自車両に対する前記物体位置を示す複数の検出点を検出する第１のステップと、
    自車両に対する前記検出点の相対速度を算出する第２のステップと、
    前記第１のステップにて検出された検出点に基づき、所定の演算手法を用いて、互いに近接する検出点どうしを連結する検出線を検出する第３のステップと、
    前記第３のステップにて検出された検出線に基づいて、当該検出線どうしを連結する近似線を算出する第４のステップと、
    前記第４のステップにて算出された近似線の近傍に存在する検出点どうしをグルーピングし、これを道路構造物として検出する第５のステップと、
    前記第５のステップで道路構造物として判定されていない検出点のうち、互いに隣接する、または、孤立した検出点をグルーピングすることにより、所定グルーピング範囲内に存在する前記検出点の、自車両に対する相対速度に基づいて、自車両の前方に存在する物体は移動体であるかどうかを判断する第６のステップと、
    を有することを特徴とする前方物体検出方法。

Images