JP5130959B2 - Vehicle ambient environment detection device - Google Patents
Vehicle ambient environment detection device Download PDFInfo
- Publication number
- JP5130959B2 JP5130959B2 JP2008055002A JP2008055002A JP5130959B2 JP 5130959 B2 JP5130959 B2 JP 5130959B2 JP 2008055002 A JP2008055002 A JP 2008055002A JP 2008055002 A JP2008055002 A JP 2008055002A JP 5130959 B2 JP5130959 B2 JP 5130959B2
- Authority
- JP
- Japan
- Prior art keywords
- detection means
- vehicle
- accuracy
- detected
- detection
- 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.)
- Active
Links
Images
Description
本発明は、車両周囲の歩行者等、車両周囲の環境を検出する車両周囲環境検出装置に関する。 The present invention relates to a vehicle surrounding environment detection device that detects an environment around a vehicle such as a pedestrian around the vehicle.
特許文献１では、レーダの反射波の強度やばらつきに応じて検出物体の属性（車両か否か）を判定し、検出物体が非車両の場合、そのエリアのみ画像処理をして、レーダで検出した物体が人間であるか否かを判定している。この技術では、カメラで撮像した全エリアを画像処理して歩行者を検出するのではなく、レーダ反射波の強度やばらつきを基に、他の車両以外の位置に相当する画像領域に限定して画像処理することで、歩行者検出のための画像処理の処理負荷を低減している。
しかしながら、特許文献１では、レーダの反射波の強度やばらつきのみで車両か否かを判別しているため、車両の判別精度が低くなる、といった課題がある。またその結果として、誤検出した車両に対しても画像処理を行ってしまうため、歩行者検出のための画像処理の処理負荷が多くなる、といった課題がある。
本発明の課題は、レーダを用いて物体の属性を高い精度で判別することである。
However, in
An object of the present invention is to determine an object attribute with high accuracy using a radar.
前記課題を解決するために、本発明に係る請求項１に記載の車両周囲環境検出装置は、検出用信号を出射し、その反射信号を受信して、物体検出手段が検出した車両周囲の物体の動きと、前記物体検出手段の受信状態とを基に、物体検出手段が検出した物体が特定の物体である確度を確度算出手段により算出する。ここで、特定の物体とは例えば歩行者である。確度算出手段は、例えば進路予測手段が予測した車両の予測進路と、その予測進路における前記動き検出手段が検出した物体の動きとを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する。
In order to solve the above-described problem, the vehicle surrounding environment detection device according to
本発明によれば、物体検出手段による物体の属性の判別結果となる特定の物体である確度の算出精度を高めることができる。これにより、この確度を物体識別手段の処理に反映させることで、物体識別手段の処理負荷の低減が可能となる。 According to the present invention, it is possible to increase the accuracy of calculating the accuracy of a specific object that is a result of determining the attribute of an object by the object detection unit. Thereby, the processing load of the object identification means can be reduced by reflecting this accuracy in the processing of the object identification means.
本発明を実施するための最良の形態（以下、実施形態という。）を図面を参照しながら詳細に説明する。
（第１の実施形態）
（構成）
第１の実施形態は、本発明を適用した車両である。図１は、その車両の構成を示す。
図１に示すように、車両は、レーザレーダ１、レーダ処理装置２、ＣＣＤ（Charge Coupled Device）カメラ３、画像処理装置４、外界認識装置５、車速検出装置６、操舵角検出装置７、自動ブレーキ制御装置８、負圧ブレーキブースタ９及び警報ブザー１０を備える。
The best mode for carrying out the present invention (hereinafter referred to as an embodiment) will be described in detail with reference to the drawings.
(First embodiment)
(Constitution)
The first embodiment is a vehicle to which the present invention is applied. FIG. 1 shows the configuration of the vehicle.
As shown in FIG. 1, the vehicle includes a
レーザレーダ１は、車両前方を走査するスキャニング式レーザレーダであり、走査結果をレーダ処理装置２に出力する。レーダ処理装置２は、レーザレーダ１の走査結果を基に、歩行者候補物体を抽出する。具体的には、レーダ処理装置２は、一つ又は複数の物体（歩行者候補物体）に対して自車両を原点とする２次元（車間距離方向と車幅方向）座標値を算出し、物体の幅（大きさ）を算出する。ＣＣＤカメラ３は、プログレッシブスキャン式３ＣＣＤカメラであり、自車両前方の状況を高速に把握する。ＣＣＤカメラ３は、撮像結果（撮像画像）を画像処理装置４に出力する。画像処理装置４は、画像処理により歩行者の認識処理を実施する。レーダ処理装置２及び画像処理装置４は、認識処理の結果を外界認識装置５に出力する。また、車速検出装置６は、自車両の状態量を推定するために、従属左右車輪速度を検出する。操舵角検出装置７は、前輪操舵角を検出する。車速検出装置６及び操舵角検出装置７は、検出結果を外界認識装置５に出力する。
The
外界認識装置５は、レーダ処理装置２が算出した物体（歩行者候補物体）の位置と、画像処理装置４で認識した歩行者の位置からセンサーフュージョンによる位置精度向上や追跡の頑強化及び歩行者の判別の処理を行う。外界認識装置５は、処理結果を自動ブレーキ制御装置８に出力する。自動ブレーキ制御装置８は、外界認識装置５が判別した歩行者との距離を基に、制動力を算出し、その算出結果を基に、負圧ブレーキブースタ９を制御（自動制動制御）する。負圧ブレーキブースタ９は、前後輪の任意の制動力を達成するためのものである。自動ブレーキ制御装置８は、負圧ブレーキブースタ９のソレノイドバルブに制動力指令電圧を印加して、制動力を付与し、自車両を減速させる。また、自動ブレーキ制御装置８は、外界認識装置５が判別した歩行者との距離を基に、警報タイミングを算出し、その算出結果を基に、警報ブザー１０を制御（自動警報出力制御）する。これにより、警報ブザー１０により警報出力して、運転者に注意を促す。これらのレーダ処理装置２や自動ブレーキ制御装置８はそれぞれ、マイクロコンピュータとその周辺部品や各種アクチュエータの駆動回路等を備え、互いに通信回路を介して情報を送受信する。
The external
図２は、外界認識装置５の処理手順を示す。ここで、処理を全て１００（ｍｓｅｃ）毎に実施する（サンプリング周期＝１００ｍｓｅｃ）。
図２に示すように、処理を開始すると、先ずステップＳ１において、外界認識装置５は、車速検出装置６及び操舵検出装置７から車速Ｖｓｐ＿ｚ０（ｍ／ｓｅｃ）及び操舵角Ｓｔｒ＿ｚ０（ｒａｄ）を読み込む。ここで、操舵角Ｓｔｒ＿ｚ０は、右方向への操舵が正値になる。また、Ｖｓｐ＿ｚ０、Ｓｔｒ＿ｚ０の「＿ｚ０」は、今回のサンプリングにおける値を意味し、「＿ｚ１」であれば、前回のサンプリングにおける値を意味する。
FIG. 2 shows a processing procedure of the external
As shown in FIG. 2, when the process is started, first, in step S1, the external
続いてステップＳ２において、外界認識装置５は、左右位置（横方向位置）Ｐｘ＿ｚ０［ｉ］、前後位置（縦方向位置）Ｐｙ＿ｚ０［ｉ］及び大きさｏｂｊＷ＿ｚ０［ｉ］を読み込む（レーダ処理装置２の処理結果を読み込む）。ここで、左右位置（横方向位置）Ｐｘ＿ｚ０［ｉ］、前後位置（縦方向位置）Ｐｙ＿ｚ０［ｉ］及び大きさｏｂｊＷ＿ｚ０［ｉ］は、レーザレーダ１が検出した物体（歩行者候補物体）の情報である。物体の左右位置Ｐｘ＿ｚ０［ｉ］及び物体の前後位置Ｐｙ＿ｚ０［ｉ］は、自車両位置を原点とした位置になる。また、外界認識装置５は、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］、受光強度の分散値Ｌ＿ｄｖ＿ｚ０及び受光強度の過去１秒間における時間的なバラツキ（例えば標準偏差）Ｌ＿ｓｄｖ［ｉ］を読み込む（レーダ処理装置２の処理結果を読み込む）。ここで、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］、受光強度の分散値Ｌ＿ｄｖ＿ｚ０及び受光強度の過去１秒間における時間的なバラツキＬ＿ｓｄｖ［ｉ］は、レーザレーダ１そのものの情報である。また、各値の［ｉ］は、検出物体ごとに割り当てたＩＤ番号を意味する。よって、ステップＳ２では、レーザレーダ１が検出した物体［ｉ］の全て（ｉ＝１〜Ｎ、Ｎ：整数）について、左右位置Ｐｘ＿ｚ０［ｉ］等の各種値を読み込んでいる。
Subsequently, in step S2, the external
続いてステップＳ３において、外界認識装置５は、前記ステップＳ２で検出した各物体［ｉ］について、自車両に対する横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び縦方向相対速度ｒＶｙ＿ｚ０［ｉ］を下記（１）式で表す伝達関数により算出する。
Ｇ（Ｚ）＝（ｃ・Ｚ２−ｃ）／（Ｚ２−ａ・Ｚ＋ｂ） ・・・（１）
ここで、Ｚは進み演算子である。また、ａ，ｂ，ｃは正数であり、これらは所望の擬似微分特性を有するようにサンプリング周期１００ｍｓｅｃで離散化したものである。また、以下の説明中の相対速度の符号については、負値の縦方向相対速度は、自車両との接近方向の値を意味し、負値の横方向相対速度は、自車両進行方向に対して右側方向の値を意味する。
Subsequently, in step S3, the external
G (Z) = (c · Z 2 −c) / (Z 2 −a · Z + b) (1)
Here, Z is a lead operator. Further, a, b, and c are positive numbers, and these are discretized at a sampling period of 100 msec so as to have a desired pseudo-differential characteristic. Regarding the sign of relative speed in the following description, a negative vertical relative speed means a value in the direction of approach to the host vehicle, and a negative lateral relative speed is relative to the traveling direction of the host vehicle. Means the value in the right direction.
続いてステップＳ４において、外界認識装置５は、物体の前後の動きに関して、該物体が歩行者らしい度合い（以下、第１歩行者確度という。）Ｒ１［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ１で読み込んだ車速Ｖｓｐ＿ｚ０及びステップＳ３で算出した縦方向相対速度ｒＶｙ＿ｚ０［ｉ］を用いて、下記（２）式により第１歩行者確度Ｒ１［ｉ］を算出する。
Ｒ１［ｉ］＝ｆｕｎｃ１（ｒＶｙ＿ｚ０［ｉ］＋Ｖｓｐ＿ｚ０） ・・・（２）
ここで、関数ｆｕｎｃ１（Ａ）は、その変数Ａに対して図３に示すような特性を有する。図３に示すように、変数Ａが０となる値を中心として、ある値±Ａ１の範囲内で、変数Ａが０に近づくほど、第１歩行者確度Ｒ１［ｉ］は大きくなる。そして、ある値±Ａ２（｜Ａ２｜＜｜Ａ１｜）の範囲内で、第１歩行者確度Ｒ１［ｉ］は正値となる（Ｒ１［ｉ］＞０）。
Subsequently, in step S4, the external
R1 [i] = func1 (rVy_z0 [i] + Vsp_z0) (2)
Here, the function func1 (A) has the characteristics shown in FIG. As shown in FIG. 3, the first pedestrian accuracy R1 [i] increases as the variable A approaches 0 within a range of a certain value ± A1 around the value at which the variable A becomes 0. The first pedestrian accuracy R1 [i] becomes a positive value (R1 [i]> 0) within a range of a certain value ± A2 (| A2 | <| A1 |).
この（２）式中、変数（ｒＶｙ＿ｚ０［ｉ］＋Ｖｓｐ＿ｚ０）は、レーザレーダ１が検出した物体の自車両の前後方向における速度そのものを示すものである。そして、変数（ｒＶｙ＿ｚ０［ｉ］＋Ｖｓｐ＿ｚ０）は、レーザレーダ１が検出した物体が真の歩行者であれば、その歩行速度は限定的となる（小さくなる）。よって、（２）式によれば、レーザレーダ１が検出した物体の速度が大きくなるほど、第１歩行者確度Ｒ１［ｉ］は小さくなるから、自車両の前後方向における移動速度が歩行者としてあり得ない値の場合には、第１歩行者確度Ｒ１［ｉ］は小さくなる。これを考慮して、例えば、Ａ１は４（ｍ／ｓｅｃ）であり、Ａ２は３（ｍ／ｓｅｃ）である。また、第１歩行者確度Ｒ１［ｉ］のとり得る値の範囲は−０．５〜０．５となる（Ｒ１［ｉ］∈［−０．５，０．５］）。
In the equation (2), the variable (rVy_z0 [i] + Vsp_z0) indicates the speed of the object detected by the
続いてステップＳ５において、外界認識装置５は、物体の左右の動きに関して、該物体が歩行者らしい度合い（以下、第２歩行者確度という。）Ｒ２［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ３で算出した横方向相対速度ｒＶｘ＿ｚ０［ｉ］を用いて、下記（３）式により第２歩行者確度Ｒ２［ｉ］を算出する。
Ｒ２［ｉ］＝ｆｕｎｃ１（ｒＶｘ＿ｚ０［ｉ］） ・・・（３）
Subsequently, in step S5, the external
R2 [i] = func1 (rVx_z0 [i]) (3)
この（３）式の関数ｆｕｎｃ１（Ａ）も、その変数Ａに対して図３に示すような特性を有する。この（３）式中、変数ｒＶｘ＿ｚ０［ｉ］は、レーザレーダ１が検出した物体の自車両の左右方向における速度そのものに等しい値を示している。そして、レーザレーダ１が検出した物体が真の歩行者であれば、その歩行速度は限定的となる（歩行速度は小さい）。よって、（３）式によれば、レーザレーダ１が検出した物体の速度が大きくなるほど、第２歩行者確度Ｒ２［ｉ］は小さくなるから、自車両の左右方向における移動速度が歩行者として有り得ない値の場合、第２歩行者確度Ｒ２［ｉ］は小さくなる。また、第２歩行者確度Ｒ２［ｉ］のとり得る値の範囲は−０．５〜０．５となる（Ｒ２［ｉ］∈［−０．５，０．５］）。
The function func1 (A) of the equation (3) also has characteristics as shown in FIG. In this equation (3), the variable rVx_z0 [i] indicates a value equal to the speed of the object detected by the
続いてステップＳ６において、外界認識装置５は、さらに物体が歩行者らしい度合い（以下、第３歩行者確度という。）Ｒ３［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ２で読み込んだ受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］及び物体の前後位置Ｐｙ＿ｚ０［ｉ］を用いて、下記（４）式により第３歩行者確度Ｒ３［ｉ］を算出する。
Ｒ３［ｉ］＝ｆｕｎｃ３（Ｌ＿ａｖ＿ｚ０［ｉ］−ｆｕｎｃ２（Ｐｙ＿ｚ０［ｉ］）） ・・・（４）
ここで、関数ｆｕｎｃ２（Ａ）は、その変数Ａに対して図４に示すような特性を有する。また、関数ｆｕｎｃ３（Ａ）は、その変数Ａに対して図５に示すような特性を有する。なお、図４及び図５中、ＲｅｆＭａｘは反射強度（受光強度）の最大値を示す。
Subsequently, in step S6, the external
R3 [i] = func3 (L_av_z0 [i] −func2 (Py_z0 [i])) (4)
Here, the function func2 (A) has characteristics as shown in FIG. Further, the function func3 (A) has the characteristics shown in FIG. 4 and 5, RefMax represents the maximum value of the reflection intensity (light reception intensity).
この（４）式中、関数ｆｕｎｃ２は、物体の前後位置Ｐｙ＿ｚ０［ｉ］が自車両から遠くの位置になるほど（自車両との距離が長くなるほど）、小さくなる。よって、（４）式によれば、物体の前後位置Ｐｙ＿ｚ０［ｉ］を基に関数ｆｕｎｃ２で得た値と、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］との差分が大きくなるほど、第３歩行者確度Ｒ３［ｉ］は小さくなる。例えば、自車両から物体が遠くに位置しているのにもかかわらず、反射強度が大きい場合には、第３歩行者確度Ｒ３［ｉ］はより１に近くなる。例えば、検出した物体が道路脇に設置されている路側構造物であるリフレクターの場合、それが自車両から遠くに位置していても、反射強度が大きくなる。このような場合に、第３歩行者確度Ｒ３［ｉ］はより１に近くなる。 In the equation (4), the function func2 becomes smaller as the front / rear position Py_z0 [i] of the object becomes farther from the own vehicle (the longer the distance from the own vehicle). Therefore, according to the equation (4), the third pedestrian accuracy increases as the difference between the value obtained by the function func2 based on the front / rear position Py_z0 [i] of the object and the average value L_av_z0 [i] of the received light intensity increases. R3 [i] becomes small. For example, the third pedestrian accuracy R3 [i] is closer to 1 when the reflection intensity is high even though the object is located far from the host vehicle. For example, in the case where the detected object is a reflector that is a roadside structure installed on the side of the road, the reflection intensity is increased even if it is located far from the host vehicle. In such a case, the third pedestrian accuracy R3 [i] is closer to 1.
すなわち、関数ｆｕｎｃ２（Ｐｙ＿ｚ０［ｉ］）の値は、自車両と物体との距離から、予想される反射強度の値を示すものである。このため、第３歩行者確度Ｒ３［ｉ］（関数ｆｕｎｃ３の値）は、その予想される反射強度と、実際に物体から得た反射強度との乖離度合いを評価する値となる。このような第３歩行者確度Ｒ３［ｉ］により、物体との距離の情報に加えて、レーザレーダ１の反射強度の情報を基に、物体の属性を判定できるようにしている。この第３歩行者確度Ｒ３［ｉ］のとり得る値の範囲は０〜１となる（Ｒ３［ｉ］∈［０，１］）。
なお、この実施形態では、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］を用いた。これに代えて、前記ステップＳ２で読み込んだグルーピングした各反射地点の分散値Ｌ＿ｄｖ＿ｚ０や受光強度の過去１秒間における時間的なバラツキＬ＿ｓｄｖ［ｉ］を用いても良い。
That is, the value of the function func2 (Py_z0 [i]) indicates the value of the reflection intensity that is expected from the distance between the host vehicle and the object. Therefore, the third pedestrian accuracy R3 [i] (value of the function func3) is a value for evaluating the degree of deviation between the expected reflection intensity and the reflection intensity actually obtained from the object. With such third pedestrian accuracy R3 [i], the attribute of the object can be determined based on the information on the reflection intensity of the
In this embodiment, the average value L_av_z0 [i] of the received light intensity is used. Instead, the dispersion value L_dv_z0 of each grouped reflection point read in step S2 or temporal variation L_sdv [i] of the received light intensity in the past 1 second may be used.
続いてステップＳ７において、外界認識装置５は、最終的な歩行者らしい度合い（以下、総歩行者確度という。）Ｒ［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ４〜ステップＳ６で算出した第１〜第３歩行者確度Ｒ１［ｉ］，Ｒ２［ｉ］，Ｒ３［ｉ］を用いて、下記（５）式により総歩行者確度Ｒ［ｉ］を算出する。
ｔｍｐ［ｉ］＝（Ｒ１［ｉ］＋Ｒ２［ｉ］）・Ｒ３［ｉ］
ｉｆ（ｔｍｐ［ｉ］＜０） {Ｒ［ｉ］＝０}
ｅｌｓｅ{Ｒ［ｉ］＝ｔｍｐ［ｉ］}
・・・（５）
Subsequently, in step S7, the external
tmp [i] = (R1 [i] + R2 [i]) · R3 [i]
if (tmp [i] <0) {R [i] = 0}
else {R [i] = tmp [i]}
... (5)
ここで、ｉｆ（expression） statement１ else statement２は、expressionを満たす場合にstatement１を実施し、expressionを満たさない場合にはstatement２を実施する関数である。この（５）式によれば、総歩行者確度Ｒ［ｉ］は、その値が大きくなるほど（その確度が高くなるほど）、レーザレーダ１で検出した物体が歩行者である可能性が高くなることを示す。ここで、総歩行者確度Ｒ［ｉ］のとり得る値の範囲は０〜１となる（Ｒ［ｉ］∈［０，１］）。ここで、物体の移動速度が歩行者としてあり得ないほど大きい場合を考える。すなわち、第１歩行者確度Ｒ１［ｉ］や第２歩行者確度Ｒ２［ｉ］が負値になり、第１歩行者確度Ｒ１［ｉ］と第２歩行者確度Ｒ２［ｉ］との合算値（Ｒ１［ｉ］＋Ｒ２［ｉ］）が負値となる場合を考える。この場合、（５）式によれば、レーザレーダ１の受光強度が弱く、第３歩行者確度Ｒ３［ｉ］が大きくなるときでも、総歩行者確度Ｒ［ｉ］は正値を示すことはない。すなわち、第３歩行者確度Ｒ３［ｉ］は、物体の移動速度が歩行者としてあり得ないほど大きければ、それを支配的なものとして扱い、レーザレーダ１の受光強度に関係なく、物体が歩行者である可能性を常に低く見積もることが可能な値になっている。
Here, if (expression) statement1 else statement2 is a function that executes statement1 when expression is satisfied, and executes statement2 when expression is not satisfied. According to this equation (5), as the total pedestrian accuracy R [i] increases (the accuracy increases), the possibility that the object detected by the
続いてステップＳ８において、外界認識装置５は、微分演算等で用いる変数の過去値を更新して終了する。すなわち、前記ステップＳ３の伝達関数を離散式として解く場合に、そのときに用いる変数の過去値を更新する。
（動作）
一連の動作は次のようになる。
車両走行中、レーザレーダ１が走査結果をレーダ処理装置２に出力し、レーダ処理装置２は、レーザレーダ１の走査結果を基に、歩行者候補物体を抽出する。その一方で、ＣＣＤカメラ３は、自車両前方の状況の撮像画像を画像処理装置４に出力し、画像処理装置４は、画像処理により歩行者の認識処理を実施する。そして、レーダ処理装置２及び画像処理装置４は、認識処理の結果を外界認識装置５に出力する。また、車速検出装置６及び操舵角検出装置７は、検出結果を外界認識装置５に出力する。外界認識装置５は、入力を基に、物体が人間である確度を算出する。すなわち、外界認識装置５は、車速検出装置６及び操舵検出装置７から車速Ｖｓｐ＿ｚ０（ｍ／ｓｅｃ）及び操舵角Ｓｔｒ＿ｚ０（ｒａｄ）を読み込む（前記ステップＳ１）。さらに、外界認識装置５は、レーザレーダ１が検出した各物体の情報として、左右位置Ｐｘ＿ｚ０［ｉ］、前後位置Ｐｙ＿ｚ０［ｉ］及び大きさｏｂｊＷ＿ｚ０［ｉ］を読み込む（前記ステップＳ２）。
Subsequently, in step S8, the external
(Operation)
A series of operations are as follows.
While the vehicle is traveling, the
そして、外界認識装置５は、自車両に対する横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び縦方向相対速度ｒＶｙ＿ｚ０［ｉ］を算出する（前記ステップＳ３）。外界認識装置５は、算出した縦方向相対速度ｒＶｙ＿ｚ０［ｉ］及び横方向相対速度ｒＶｘ＿ｚ０［ｉ］を基に、第１歩行者確度Ｒ１［ｉ］及び第２歩行者確度Ｒ２［ｉ］を算出する（前記ステップＳ４、ステップＳ５）。ここで、自車両の前後方向における移動速度が歩行者としてあり得ないほど大きい場合、第１歩行者確度Ｒ１［ｉ］は小さい値になる。また、自車両の前後方向における移動速度が歩行者としてあり得ないほど大きい場合、第２歩行者確度Ｒ２［ｉ］は小さい値になる。
Then, the external
また、外界認識装置５は、レーザレーダ１の受光強度を基に、第３歩行者確度Ｒ３［ｉ］を算出する（前記ステップＳ６）。ここで、受光強度が強い場合、第３歩行者確度Ｒ３［ｉ］は１に近い値となる。そして、外界認識装置５は、第１〜第３歩行者確度Ｒ１［ｉ］〜Ｒ３［ｉ］を基に、総歩行者確度Ｒ［ｉ］を算出する（前記ステップＳ７）。レーザレーダ１が検出した物体が歩行者である可能性が高くなるほど、総歩行者確度Ｒ［ｉ］は大きくなる（１に近づく）。そして、外界認識装置５は、処理結果を自動ブレーキ制御装置８に出力する。自動ブレーキ制御装置８は、警報ブザー１０により警報出力することで、運転者に注意を促す。また、自動ブレーキ制御装置８は、負圧ブレーキブースタ９のソレノイドバルブに制動力指令電圧を印加して、制動力を付与し、自車両を減速させる。
Further, the external
なお、この第１の実施形態を次のような構成により実現することもできる。
すなわち、この第１の実施形態では、画像処理等する特定の物体を人間としている。しかし、これに限定されるものではない。例えば、人間以外の他の物体を特定の物体とすることができる。この場合、特定の物体を認識する処理に対応して、図３の特性図等、処理内容を適宜変更する。
The first embodiment can also be realized by the following configuration.
That is, in the first embodiment, a specific object for image processing or the like is a human. However, it is not limited to this. For example, an object other than a human can be set as a specific object. In this case, corresponding to the process of recognizing a specific object, the processing content such as the characteristic diagram of FIG.
なお、この第１の実施形態の車両は、図６に示すように、検出用信号を出射し、その反射信号を受信して、車両周囲の物体を検出する物体検出手段１０１と、前記物体検出手段１０１が検出した物体の動きを検出する動き検出手段１０２と、前記物体検出手段１０１における反射信号の受信状態を検出する受信状態検出手段１０３と、前記動き検出手段１０２が検出した物体の動きと、前記受信状態検出手段１０３が検出した受信状態とを基に、前記物体検出手段１０１が検出した物体が特定の物体である確度を算出する確度算出手段１０４とを備える。そして、前記実施形態の車両は、車両周囲を撮像するＣＣＤカメラ３に相当する撮像手段１０５と、前記撮像手段１０５の撮像画像を画像処理して、車両周囲の物体を識別する画像処理装置４に相当する物体識別手段１０６とを備える。
As shown in FIG. 6, the vehicle according to the first embodiment emits a detection signal, receives the reflection signal, and detects an object around the vehicle, and the object detection unit. A
また、この第１の実施形態において、レーザレーダ１は、検出用信号を出射し、その反射信号を受信して、車両周囲の物体を検出する物体検出手段を実現している。また、外界認識装置５のステップＳ３の処理は、前記物体検出手段が検出した物体の動きを検出する動き検出手段を実現している。また、外界認識装置５のステップＳ２の処理は、前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段を実現している。また、外界認識装置５のステップＳ４〜ステップＳ７の処理は、前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段を実現している。
In the first embodiment, the
（作用及び効果）
（１）検出用信号となるレーザの反射光を受光して、レーザレーダ１が検出した車両周囲の物体（歩行者候補物体）の動きと、レーザレーダ１の受光強度とを基に、レーザレーダ１が検出した物体が人間である確度を算出している。このように、レーザレーダ１の受光強度のみならず、車両周囲の物体（歩行者候補物体）の動きを基に、レーザレーダ１が検出した物体が人間である確度を算出している。これにより、レーザレーダ１による物体の属性の判別結果となる人間である確度の算出精度を高めることができる。これにより、この確度を画像処理装置４の処理（認識結果や実施タイミング等）に反映させることで、画像処理装置４の処理負荷の低減が可能となる。
(Function and effect)
(1) A laser radar that receives reflected light of a laser serving as a detection signal and based on the movement of an object (pedestrian candidate object) around the vehicle detected by the
（２）車両の進路に対する物体の左右方向の運動を示す横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び車両の進路に対する物体の前後方向の運動を示す値（ｒＶｙ＿ｚ０［ｉ］＋Ｖｓｐ＿ｚ０）を基に、レーザレーダ１が検出した物体が人間である確度を算出している。これにより、物体の動き情報を用いることで、物体が歩行者か否かの判別を高い精度で行うことができる。 (2) Laser radar based on the lateral relative speed rVx_z0 [i] indicating the lateral movement of the object with respect to the vehicle path and the value (rVy_z0 [i] + Vsp_z0) indicating the longitudinal movement of the object with respect to the vehicle path. The probability that the object detected by 1 is a human is calculated. Thereby, by using the motion information of the object, it is possible to determine with high accuracy whether or not the object is a pedestrian.
（３）レーザレーダ１の受光強度が強い場合、レーザレーダ１が検出した物体が人間である確度を低くしている。路側構造物では反射率が高くなることが多いことから、レーザレーダ１の受光強度が強い場合、レーザレーダ１が検出した物体が人間である確度を低くすることで、物体が歩行者か否かの判別を高い精度で行うことができる。
（４）物体の動きの情報を横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び縦方向相対速度ｒＶｙ＿ｚ０［ｉ］として得ている。これにより、簡単な処理により確度を算出できる。
(3) When the received light intensity of the
(4) Information on the motion of the object is obtained as the horizontal relative speed rVx_z0 [i] and the vertical relative speed rVy_z0 [i]. Thereby, the accuracy can be calculated by a simple process.
（第２の実施形態）
（構成）
第２の実施形態も、本発明を適用した車両である。第２の実施形態の車両も、前記第１の実施形態と同様、図１に示すような構成となる。第２の実施形態では、前記第１の実施形態の処理動作（図２）を一部異ならせている。
図７は、第２の実施形態における処理動作を示す。図７に示すように、処理を開始すると、先ずステップＳ２１において、画像処理装置４は、ＣＣＤカメラ３の入力画像を取り込む。
続いてステップＳ２２において、外界認識装置５は、前記第１の実施形態のステップＳ１と同様に、車速検出装置６及び操舵検出装置７から車速Ｖｓｐ＿ｚ０及び操舵角Ｓｔｒ＿ｚ０を読み込む。
(Second Embodiment)
(Constitution)
The second embodiment is also a vehicle to which the present invention is applied. Similarly to the first embodiment, the vehicle according to the second embodiment has a configuration as shown in FIG. In the second embodiment, the processing operation (FIG. 2) of the first embodiment is partially different.
FIG. 7 shows the processing operation in the second embodiment. As shown in FIG. 7, when the process is started, first, in step S21, the
Subsequently, in step S22, the external
続いてステップＳ２３において、外界認識装置５は、自車両の将来の進路を予測する。具体的には、外界認識装置５は、前記ステップＳ２２で読み込んだ車速Ｖｓｐ＿ｚ０及び操舵角Ｓｔｒ＿ｚ０を用いて、下記（６）式により走行路の曲率半径（ｍ）の逆数Ｒｏｗ（１／ｍ）を算出する。
Ｒｏｗ＝１／（（１＋Ａ・Ｖｓｐ＿ｚ０２・ＬＷＢ）／Ｓｔｒ＿ｚ０） ・・・（６）
ここで、Ａは、車両固有の値であるスタビリティファクタ（車重、ホールベース長、重心位置、タイヤの横力で決まる定数とみなせる値）である。また、ＬＷＢ（ｍ）はホイールベース長である。
Subsequently, in step S23, the external
Row = 1 / ((1 + A · Vsp_z0 2 · L WB ) / Str_z0) (6)
Here, A is a stability factor (value that can be regarded as a constant determined by the vehicle weight, the hole base length, the center of gravity position, and the lateral force of the tire), which is a value unique to the vehicle. L WB (m) is the wheelbase length.
続いてステップＳ２４において、外界認識装置５は、前記第１の実施形態のステップＳ２と同様に、左右位置Ｐｘ＿ｚ０［ｉ］、前後位置Ｐｙ＿ｚ０［ｉ］及び大きさｏｂｊＷ＿ｚ０［ｉ］を読み込む。これらの値は、レーザレーダ１が検出した物体の情報である。また、外界認識装置５は、受光強度の平均値Ｌ＿ａｖ＿ｚ０［ｉ］、受光強度の分散値Ｌ＿ｄｖ＿ｚ０及び受光強度の過去１秒間における時間的なばらつきＬ＿ｓｄｖ［ｉ］を読み込む。これらの値は、レーザレーダ１そのものの情報である。
Subsequently, in step S24, the external
続いてステップＳ２５において、外界認識装置５は、前記第１の実施形態のステップＳ３と同様に、前記ステップＳ２で検出した各物体［ｉ］について、自車両との横方向相対速度ｒＶｘ＿ｚ０［ｉ］及び縦方向相対速度ｒＶｙ＿ｚ０［ｉ］を伝達関数により算出する（前記（１）式）。
続いてステップＳ２６において、外界認識装置５は、レーザレーダ１で検出した物体が自車両にとって注目すべき度合い（以下、注目必要度合いという。）Ａｔ［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ２４で読み込んだ物体の左右位置Ｐｘ＿ｚ０［ｉ］及び物体の前後位置Ｐｙ＿ｚ０［ｉ］、並びに前記ステップＳ２３で算出した値Ｒｏｗを用いて、下記（７）式により注目必要度合いＡｔ［ｉ］を算出する。
Ａｔ［ｉ］＝ｆｕｎｃ４（Ｐｘ＿ｚ０［ｉ］，Ｐｙ＿ｚ０［ｉ］，Ｒｏｗ） ・・・（７）
Subsequently, in step S25, as in step S3 of the first embodiment, the external
Subsequently, in step S26, the external
At [i] = func4 (Px_z0 [i], Py_z0 [i], Row) (7)
ここで、関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）は、その変数Ｘ，Ｙ，Ｒに対して図８及び図９に示すような特性を有する。図８に示すように、Ｘ軸、Ｙ軸、関数ｆｕｎｃ４の軸は、それぞれが直行する３次元の関係となる。そして、関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）の値は、Ｙ軸付近で最大値を有する分布となっており、その最大値が、Ｘ−Ｙ平面内で変数Ｒに応じて変化する（Ｙ軸からずれる）ようになっている。すなわち、変数Ｒに応じて関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）の値の分布が遷移する。これにより、関数ｆｕｎｃ４（Ｘ，Ｙ，Ｒ）の値は、変数Ｘ，Ｙに対応し、変数Ｒに応じて変化する値として得られる。この関数ｆｕｎｃ４のとり得る値の範囲は０〜１となる（ｆｕｎｃ４∈［０，１］）。 Here, the function func4 (X, Y, R) has characteristics as shown in FIGS. 8 and 9 with respect to the variables X, Y, R. As shown in FIG. 8, the axes of the X axis, the Y axis, and the function func4 have a three-dimensional relationship in which each is orthogonal. The value of the function func4 (X, Y, R) has a distribution having a maximum value near the Y axis, and the maximum value changes in accordance with the variable R in the XY plane (Y axis). It is supposed to be out of place). That is, the distribution of the value of the function func4 (X, Y, R) changes according to the variable R. Thus, the value of the function func4 (X, Y, R) is obtained as a value corresponding to the variables X and Y and changing according to the variable R. The range of values that the function func4 can take is 0 to 1 (func4ε [0,1]).
この関数ｆｕｎｃ４を用いた（７）式により、注目必要度合いＡｔ［ｉ］は、走行路の曲率半径の逆数Ｒｏｗを基に得た、予測進路の走路中央で最大値となる分布において、物体の位置に対応する値を示すものとなる。ここで、物体の位置は、物体の左右位置Ｐｘ＿ｚ０［ｉ］及び物体の前後位置Ｐｙ＿ｚ０［ｉ］である。これにより、物体の位置が予測進路の走路中央に近くなるほど、注目必要度合いＡｔ［ｉ］は大きくなる（１に近くなる）。 According to the equation (7) using this function func4, the required degree of attention At [i] is obtained based on the reciprocal number Row of the radius of curvature of the road, and is distributed at the maximum value at the center of the road of the predicted path. The value corresponding to the position is indicated. Here, the positions of the object are the left-right position Px_z0 [i] of the object and the front-rear position Py_z0 [i] of the object. Thereby, the attention required degree At [i] becomes larger (closer to 1) as the position of the object is closer to the center of the predicted course.
図９は、前記図８の視点を変えて示す図である（２次元として示す）。ここで、図９に示すように、自車両は、自車両の走行方向の右側に物体［ｉ］を検出し、自車両の走行方向の左側に他の物体［ｉ＋１］を検出しているものとする。この場合、右側に検出した物体［ｉ］の注目必要度合いＡｔ［ｉ］は、その物体［ｉ＋１］の左右位置Ｐｘ＿ｚ０［ｉ］及び前後位置Ｐｙ＿ｚ０［ｉ］で決まる位置が、値Ｒｏｗで決まる予測進路（右旋回の進路）の走路中央に近くなるほど、大きくなる（１に近くなる）。また、左側に検出した物体［ｉ＋１］の注目必要度合いＡｔ［ｉ＋１］は、その物体［ｉ＋１］の左右位置Ｐｘ＿ｚ０［ｉ＋１］及び前後位置Ｐｙ＿ｚ０［ｉ＋１］で決まる位置が、値Ｒｏｗで決まる予測進路（左旋回の進路）の走路中央に近くなるほど、大きくなる（１に近くなる）。よって、自車両の走行方向の右側で検出した物体［ｉ］と自車両の走行方向の左側で検出した物体［ｉ＋１］とが、自車両と横方向位置（左右位置Ｐｘ＿ｚ０の絶対値）で同じになる場合でも、値Ｒｏｗによってそれらは異なる値を示すものとなる。 FIG. 9 is a diagram showing the viewpoint of FIG. 8 changed (shown as two-dimensional). Here, as shown in FIG. 9, the own vehicle detects an object [i] on the right side of the traveling direction of the own vehicle and detects another object [i + 1] on the left side of the traveling direction of the own vehicle. And In this case, the degree of attention At [i] of the object [i] detected on the right side is predicted to be determined by the value Row, the position determined by the left-right position Px_z0 [i] and the front-rear position Py_z0 [i] of the object [i + 1]. The closer to the center of the path (the course of the right turn), the larger (closer to 1). Further, the attention degree At [i + 1] of the object [i + 1] detected on the left side is a predicted course determined by the value Row at a position determined by the left-right position Px_z0 [i + 1] and the front-rear position Py_z0 [i + 1] of the object [i + 1]. The closer to the center of the runway (left turn course), the larger (closer to 1). Therefore, the object [i] detected on the right side of the traveling direction of the host vehicle and the object [i + 1] detected on the left side of the traveling direction of the host vehicle are the same in the lateral position (absolute value of the left and right position Px_z0). Even in the case of, they will show different values depending on the value Row.
このように、自車両の予測進路の走路近くに位置する物体について、その横位置が自車両に近くなるほど、注目必要度合いＡｔ［ｉ］は大きくなる。注目必要度合いＡｔ［ｉ］は、その値が１のとき、物体［ｉ］が自車両の予測進路の走路中央に位置していることを意味し、このような物体［ｉ］については最も注目しなければならないことを意味する。
続いてステップＳ２７において、外界認識装置５は、レーザレーダ１だけでなく画像処理で物体の冗長検知を行うための要求レベルＲｅｑＩＰ［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ２６で算出した注目必要度合いＡｔ［ｉ］を用いて、下記（８）式により要求レベルＲｅｑＩＰ［ｉ］を算出する。
ＲｅｑＩＰ［ｉ］＝ｆｕｎｃ５（Ａｔ［ｉ］） ・・・（８）
In this way, the degree of attention At [i] increases as the lateral position of an object positioned near the predicted course of the host vehicle approaches the host vehicle. The attention required degree At [i], when the value is 1, means that the object [i] is located at the center of the predicted track of the host vehicle, and the most attention is paid to such an object [i]. Means you have to do.
Subsequently, in step S27, the external
ReqIP [i] = func5 (At [i]) (8)
ここで、関数ｆｕｎｃ５（Ａ）は、その変数Ａに対して図１０に示すような特性を有する。図１０に示すように、変数Ａに応じて関数ｆｕｎｃ５（Ａ）の値が段階的に変化し、変数が大きくなるほど、関数ｆｕｎｃ５（Ａ）の値が大きくなる。また、ヒステリシス（同図中の矢印）を考慮して、変数Ａと関数ｆｕｎｃ５（Ａ）の値との関係を得ている。このような関数ｆｕｎｃ５を用いた（８）式により、注目必要度合いＡｔ［ｉ］が大きくなるほど、要求レベルＲｅｑＩＰ［ｉ］は段階的に大きくなる。よって、自車両の予測進路の走路近くに位置する物体について、その横位置が自車両に近くなるほど、注目必要度合いＡｔ［ｉ］が大きくなるので、要求レベルＲｅｑＩＰ［ｉ］も大きくなる。 Here, the function func5 (A) has the characteristics as shown in FIG. As shown in FIG. 10, the value of the function func5 (A) changes stepwise according to the variable A, and the value of the function func5 (A) increases as the variable increases. In addition, the relationship between the variable A and the value of the function func5 (A) is obtained in consideration of hysteresis (arrow in the figure). According to equation (8) using such a function func5, the required level ReqIP [i] increases stepwise as the attention required degree At [i] increases. Therefore, the degree of attention At [i] increases as the lateral position of the object located near the traveling path of the predicted course of the own vehicle becomes closer to the own vehicle, and the required level ReqIP [i] also increases.
続いてステップＳ２８〜ステップＳ３０において、外界認識装置５は、前記第１の実施形態のステップＳ４〜ステップＳ６と同様にして、第１〜第３歩行者確度Ｒ１［ｉ］〜Ｒ３［ｉ］を算出する。
続いてステップＳ３１において、外界認識装置５は、第４歩行者確度Ｒ４［ｉ］を算出する。具体的には、外界認識装置５は、下記（９）式により算出する。
Ｐｖ＿Ｔ［ｉ］＝ｆｕｎｃ６（Ｐｙ＿ｚ０［ｉ］／Ｖｓｐ＿ｚ０）
Ｔｍｐ１［ｉ］＝ｆｕｎｃ４（Ｐｘ＿ｚ０［ｉ］＋Ｐｖ＿Ｔ［ｉ］・ｒＶｘ＿ｚ０［ｉ］，Ｐｙ＿ｚ０［ｉ］，Ｒｏｗ）
Ｔｍｐ２［ｉ］＝Ｒ２［ｉ］＋０．５
Ｒ４［ｉ］＝Ｔｍｐ１［ｉ］・Ｔｍｐ２［ｉ］
・・・（９）
Subsequently, in steps S28 to S30, the external
Subsequently, in step S31, the external
Pv_T [i] = func6 (Py_z0 [i] / Vsp_z0)
Tmp1 [i] = func4 (Px_z0 [i] + Pv_T [i] · rVx_z0 [i], Py_z0 [i], Row)
Tmp2 [i] = R2 [i] +0.5
R4 [i] = Tmp1 [i] · Tmp2 [i]
... (9)
ここで、関数ｆｕｎｃ６（Ａ）は、その変数Ａに対して図１１に示すような特性を有する。図１１に示すように、関数ｆｕｎｃ６（Ａ）の値は、変数Ａが１になるまで該変数Ａと同じ値をとり、変数Ａが１よりも大きくなると、変数Ａにかかわらず１になる。このような関数ｆｕｎｃ６を用いた（９）式において、関数ｆｕｎｃ６の変数（Ｐｙ＿ｚ０［ｉ］／Ｖｓｐ＿ｚ０）は、自車両が現在位置から物体の前後位置ｙ＿ｚ０［ｉ］を通過するまでの予測時間を示す。このようなことから、ｆｕｎｃ６（Ｐｙ＿ｚ０［ｉ］／Ｖｓｐ＿ｚ０）の値Ｐｖ＿Ｔ［ｉ］は、検出した物体の位置に自車両が到達するまでの時間に応じて変化する。また、（９）式中、関数ｆｕｎｃ４の変数（Ｐｘ＿ｚ０［ｉ］＋Ｐｖ＿Ｔ［ｉ］・ｒＶｘ＿ｚ０［ｉ］）は、自車両が現在位置から物体の前後位置Ｐｙ＿ｚ０［ｉ］を通過するまでの予測時間Ｐｖ＿Ｔ［ｉ］における、該物体の横方向の位置を示す。これにより、Ｔｍｐ１［ｉ］は、自車両が物体を検出した位置を通過する際に、該物体が自車両に近づいているか否かを、値Ｒｏｗを用いることで道路形状を反映させつつ、判定するための値となる。ここで、Ｔｍｐ１［ｉ］のとり得る値の範囲は０〜１となる（Ｔｍｐ１［ｉ］∈［０，１］）。さらに、横方向の移動速度から歩行者らしさを判定するための第２歩行者確度Ｒ２［ｉ］のとり得る値の範囲が−０．５〜０．５となる（Ｒ２［ｉ］∈［−０．５，０．５］）。これに対応して、（９）式中、Ｔｍｐ２［ｉ］は、そのとり得る値の範囲が０．５だけシフトし、０〜１となる（Ｔｍｐ２［ｉ］∈［０，１］）。 Here, the function func6 (A) has the characteristics shown in FIG. As shown in FIG. 11, the value of the function func6 (A) takes the same value as the variable A until the variable A becomes 1, and becomes 1 regardless of the variable A when the variable A becomes larger than 1. In the equation (9) using such a function func6, the variable (Py_z0 [i] / Vsp_z0) of the function func6 is an estimated time until the host vehicle passes the front / rear position y_z0 [i] of the object from the current position. Show. For this reason, the value Pv_T [i] of func6 (Py_z0 [i] / Vsp_z0) changes according to the time until the host vehicle reaches the position of the detected object. In addition, in equation (9), the variable (Px_z0 [i] + Pv_T [i] · rVx_z0 [i]) of the function func4 is the estimated time until the host vehicle passes the object front / rear position Py_z0 [i] from the current position The horizontal position of the object in Pv_T [i] is shown. Thus, Tmp1 [i] determines whether or not the object is approaching the host vehicle while reflecting the road shape by using the value Row when the host vehicle passes the position where the object is detected. It is a value to do. Here, the range of possible values of Tmp1 [i] is 0 to 1 (Tmp1 [i] ε [0,1]). Further, the range of possible values of the second pedestrian accuracy R2 [i] for determining the pedestrian-likeness from the lateral movement speed is −0.5 to 0.5 (R2 [i] ∈ [− 0.5, 0.5]). Correspondingly, in the equation (9), Tmp2 [i] has a range of possible values shifted by 0.5 to become 0 to 1 (Tmp2 [i] ε [0, 1]).
この（９）式によれば、検出した物体が自車両の予測進路の走路内に向かって移動する場合やその移動が歩行者らしい動きによるものである場合、第４歩行者確度Ｒ４［ｉ］は大きくなる。また、検出した物体が自車両の予測進路の走路から離れていく場合やその移動が歩行者らしくない動きによるものである場合、第４歩行者確度Ｒ４［ｉ］は小さくなる。例えば、自車両の予測進路の走路の近くに物体を検出したとしても、自車両が実際にその物体の検出地点を通過したときに該物体が自車両から離れた位置にあれば、該物体について画像処理により認識処理する必要性は乏しい。このような場合、第４歩行者確度Ｒ４［ｉ］は小さくなる。 According to the equation (9), when the detected object moves toward the track of the predicted course of the host vehicle or when the movement is caused by a pedestrian-like movement, the fourth pedestrian accuracy R4 [i] Will grow. In addition, when the detected object moves away from the track of the predicted course of the host vehicle or when the movement is caused by a movement that does not look like a pedestrian, the fourth pedestrian accuracy R4 [i] decreases. For example, even if an object is detected near the track of the predicted course of the own vehicle, if the object is in a position away from the own vehicle when the vehicle actually passes the detection point of the object, There is little need for recognition processing by image processing. In such a case, the fourth pedestrian accuracy R4 [i] becomes small.
続いてステップＳ３２において、外界認識装置５は、最終的な歩行者らしい度合い（総歩行者確度）Ｒ［ｉ］を算出する。具体的には、外界認識装置５は、前記ステップＳ２８〜ステップＳ３１で算出した歩行者確度Ｒ１［ｉ］，Ｒ３［ｉ］，Ｒ４［ｉ］を用いて、下記（１０）式により総歩行者確度Ｒ［ｉ］を算出する。
Ｒ［ｉ］＝ｆｕｎｃ７（２・Ｒ１［ｉ］・Ｒ３［ｉ］・Ｒ４［ｉ］） ・・・（１０）
Subsequently, in step S <b> 32, the external
R [i] = func7 (2 · R1 [i] · R3 [i] · R4 [i]) (10)
ここで、関数ｆｕｎｃ７（Ａ）は、その変数Ａに対して図１２に示すような特性を有する。図１２に示すように、関数ｆｕｎｃ７（Ａ）の値は、変数Ａが正値の場合には、該変数Ａと同じ値（変数Ａに比例する値）になり、変数Ａが負値の場合には０になる。この（１０）式によれば、総歩行者確度Ｒ［ｉ］は、前記第１の実施形態（前記（５）式）と同様に、その値が大きくなるほど、レーザレーダ１で検出した物体が歩行者である可能性が高くなることを示す。ここで、総歩行者確度Ｒ［ｉ］のとり得る値の範囲は０〜１となる（Ｒ［ｉ］∈［０，１］）。
Here, the function func7 (A) has the characteristics as shown in FIG. As shown in FIG. 12, the value of the function func7 (A) is the same value as the variable A (a value proportional to the variable A) when the variable A is a positive value, and the variable A is a negative value. It becomes 0. According to this equation (10), as the total pedestrian accuracy R [i] becomes larger as in the first embodiment (the above equation (5)), the object detected by the
例えば、自車両の前後方向における物体の移動速度が歩行者としてあり得ないほど大きく、第１歩行者確度Ｒ１［ｉ］が負値になる場合を考える。この場合には、レーザレーダ１の受光強度が弱く、第３歩行者確度Ｒ３［ｉ］が大きい値でも、総歩行者確度Ｒ［ｉ］は正値を示すことはない。また、自車両の前後方向における物体の移動速度が歩行者としてありえ得ないほど大きく、第１歩行者確度Ｒ１［ｉ］が負値になる場合を考える。この場合には、物体近くを自車両が通過するとして、第４歩行者確度Ｒ４［ｉ］が大きい値でも、総歩行者確度Ｒ［ｉ］は正値を示すことはない。このように、物体の移動速度が歩行者としてあり得ないほど大きければ、それを支配的なものとして扱い、レーザレーダ１の受光強度や物体近くを自車両が通過する事情に関係なく、物体が歩行者である可能性を常に低く見積もるようにする。
For example, consider a case where the moving speed of an object in the front-rear direction of the host vehicle is so large that it is impossible for a pedestrian to have a negative first pedestrian accuracy R1 [i]. In this case, even if the received light intensity of the
続いてステップＳ３３において、外界認識装置５は、冗長検知（画像処理による物体認識処理）の実施を許可するしきい値を各物体について算出する。具体的には、外界認識装置５は、前記ステップＳ３２で算出した総歩行者確度Ｒ［ｉ］を用いて、下記（１１）式によりしきい値ＴＨＲ［ｉ］を算出する。
ＴＨＲ［ｉ］＝ｆｕｎｃ８( Ｒ［ｉ］ ) ・・・（１１）
Subsequently, in step S33, the external
THR [i] = func8 (R [i]) (11)
ここで、関数ｆｕｎｃ８（Ａ）は、その変数Ａに対して図１３に示すような特性を有する。図１３に示すように、変数Ａに応じて関数ｆｕｎｃ８（Ａ）の値が段階的に変化し、変数が大きくなるほど、関数ｆｕｎｃ８（Ａ）の値が大きくなる。また、ヒステリシス（同図中の矢印）を考慮して、変数Ａと関数ｆｕｎｃ８（Ａ）の値との関係を得ている。このような関数ｆｕｎｃ８を用いた（１１）式により、しきい値ＴＨＲ［ｉ］は、総歩行者確度Ｒ［ｉ］が大きくなるほど、段階的に小さくなる。すなわち、レーザレーダ１が検出した物体が歩行者である可能性が高くなる場合、総歩行者確度Ｒ［ｉ］が大きくなるので、しきい値ＴＨＲ［ｉ］は小さくなる。
Here, the function func8 (A) has characteristics as shown in FIG. As shown in FIG. 13, the value of the function func8 (A) changes stepwise according to the variable A, and the value of the function func8 (A) increases as the variable increases. In addition, the relationship between the variable A and the value of the function func8 (A) is obtained in consideration of hysteresis (arrow in the figure). According to equation (11) using such a function func8, the threshold value THR [i] decreases stepwise as the total pedestrian accuracy R [i] increases. That is, when there is a high possibility that the object detected by the
なお、本実施形態では、常に一定の特性を有する関数としているが、ナビゲーションシステムからの道路属性が事故多発エリアやスクールゾーンを示す場合には、しきい値ＴＨＲ［ｉ］を小さくしても良い（異なる特性の関数に切り換えても良い）。
続いてステップＳ３４において、外界認識装置５は、前記ステップＳ２７で算出した冗長検知を行う要求レベルＲｅｑＩＰ［ｉ］が、前記ステップＳ３３で算出したしきい値ＴＨＲ［ｉ］よりも大きいか否かを判定する。前述のように、外界認識装置５は、レーザレーダ１で検出した物体について、前記ステップＳ３２において総歩行者確度Ｒ［ｉ］を算出することで、該物体が歩行者である可能性を判別している。このような処理に加えて、該物体について画像処理により認識処理を実施するか否かを、このステップＳ３４において判定する。ここで、外界認識装置５は、要求レベルＲｅｑＩＰ［ｉ］がしきい値ＴＨＲ［ｉ］よりも大きい場合（ＲｅｑＩＰ［ｉ］＞ＴＨＲ［ｉ］）、歩行者認識のための画像処理を実施するため、ステップＳ３５に進み、そうでない場合（ＲｅｑＩＰ［ｉ］≦ＴＨＲ［ｉ］）、ステップＳ３８に進む。
In the present embodiment, the function always has a constant characteristic. However, when the road attribute from the navigation system indicates an accident-prone area or school zone, the threshold value THR [i] may be reduced. (You may switch to a function with a different characteristic).
Subsequently, in step S34, the external
ステップＳ３５では、画像処理装置４は、前記ステップＳ２１でＣＣＤカメラ３から取り込んだ画像中で、前記ステップＳ３４の判定処理で判定条件を満たした物体［ｉ］の位置に相当する画像領域に限定して、歩行者認識のための画像処理を実施する。ここで、物体認識の画像処理方法として、パターンモデルや反射信号に基づいて実施する等、種々ある。例えば、本実施形態では、特開２００５−３１８４０８号公報に開示の方法により、物体認識の画像処理を実施する。この画像処理により、物体からの反射信号より得られるビート信号のパワースペクトル値を基に、物体が歩行者に類似する度合い（以下、歩行者類似度合いという。）ＳＭＬ［ｉ］を算出する。歩行者類似度合いＳＭＬ［ｉ］は、そのとり得る値の範囲が０〜１であり（ＳＭＬ［ｉ］∈［０，１］）、その度合いが高くなるほど、認識対象の物体が歩行者に類似することを意味する。
In step S35, the
続いてステップＳ３６において、画像処理装置４は、前記ステップＳ３５で算出した歩行者類似度合いＳＭＬ［ｉ］が、所定のしきい値（固定しきい値）よりも大きいか否かを判定する。ここで、画像処理装置４は、歩行者類似度合いＳＭＬ［ｉ］が所定のしきい値よりも大きい場合（ＳＭＬ［ｉ］＞所定のしきい値）、物体が歩行者である可能性が高いとして、ステップＳ３７に進み、そうでない場合（ＳＭＬ［ｉ］≦所定のしきい値）、ステップＳ３８に進む。
なお、前記ステップＳ３５及びステップＳ３６の処理を、外界認識装置５が行うこととしても良い。
Subsequently, in step S36, the
In addition, it is good also as the external
ステップＳ３７では、画像処理装置４又は外界認識装置５は、前記ステップＳ３６の判定処理で判定条件を満足する歩行者情報を後段へ伝える。これにより、自動ブレーキ制御装置８は、歩行者情報を基に、検出した物体［ｉ］（検出した物体［ｉ］が複数であれば各物体）に対して自動制動制御や自動警報出力を実施する。例えば、自動ブレーキ制御装置８は、検出した物体の歩行者類似度合いが高ければ、該検出した物体が歩行者である可能性が高いとして、該物体を対象として自動制動制御等を行う。また、自動ブレーキ制御装置８は、検出した物体の歩行者類似度合いが低ければ、該検出した物体に対しては、該検出した物体がリフレクター等であり、歩行者である可能性が低いとして、該物体と自車両との距離が短い場合でも、自動制動制御等を行わない。
In step S37, the
続いてステップＳ３８において、前記第１の実施形態のステップＳ８と同様に、微分演算等で用いる変数の過去値を更新して終了する。
（動作）
一連の動作は次のようになる。ここでは、第２の実施形態において特有の動作を説明する。
外界認識装置５は、自車両の将来の進路を予測し（前記ステップＳ２３）、その予測進路を示す値Ｒｏｗを基に、注目必要度合いＡｔ［ｉ］を算出する（前記ステップＳ２６）。ここで、自車両の予測進路の近くに位置する物体について、その横位置が自車両に近くなるほど、注目必要度合いＡｔ［ｉ］は大きくなる。また、外界認識装置５は、レーザレーダ１だけでなく画像処理で、物体を冗長検知するための要求レベルＲｅｑＩＰ［ｉ］を算出する（前記ステップＳ２７）。ここで、物体が自車両の予測進路の走路で、該自車両との横位置が近くなるほど、要求レベルＲｅｑＩＰ［ｉ］は大きくなる。また、外界認識装置５は、第４歩行者確度Ｒ４［ｉ］を算出する（前記ステップＳ３１）。ここで、検出した物体が自車両の予測進路の走路内に向かって移動する場合やその移動が歩行者らしい動きによるものである場合、第４歩行者確度Ｒ４［ｉ］は大きくなる。また、外界認識装置５は、歩行者確度Ｒ１［ｉ］，Ｒ３［ｉ］，Ｒ４［ｉ］を基に、総歩行者確度Ｒ［ｉ］を算出する（前記ステップＳ３２）。
Subsequently, in step S38, as in step S8 of the first embodiment, the past value of the variable used in the differential calculation or the like is updated and the process ends.
(Operation)
A series of operations are as follows. Here, operations unique to the second embodiment will be described.
The external
そして、外界認識装置５は、冗長検知の実施を許可するしきい値ＴＨＲ［ｉ］を各物体［ｉ］について算出する。具体的には、外界認識装置５は、各物体［ｉ］毎に算出した歩行者確度Ｒ［ｉ］を基に、各物体［ｉ］のしきい値ＴＨＲ［ｉ］を算出する（前記ステップＳ３３）。ここで、レーザレーダ１が検出した物体が歩行者である可能性が高くなるほど、しきい値ＴＨＲ［ｉ］は小さくなる。そして、外界認識装置５は、要求レベルＲｅｑＩＰ［ｉ］がしきい値ＴＨＲ［ｉ］よりも大きくなる判定条件を満たす場合、ＣＣＤカメラ３から取り込んだ画像に対して画像処理を実施する（前記ステップＳ３５）。すなわち、ＣＣＤカメラ３から取り込んだ画像中で、該判定条件を満たした物体［ｉ］の位置に相当する画像領域に限定して、歩行者認識のための画像処理を実施する。ここで、前述のように、総歩行者確度Ｒ［ｉ］が大きくなるほど、すなわちレーザレーダ１が検出した物体が歩行者である可能性が高くなるほど、しきい値ＴＨＲ［ｉ］は小さくなる。このようなことから、レーザレーダ１が検出した物体が歩行者である可能性が高い場合に、歩行者認識のための画像処理を実施し易くなる。そして、実施した歩行者認識のための画像処理により、歩行者類似度合いＳＭＬ［ｉ］を算出する。
Then, the external
そして、画像処理装置４又は外界認識装置５は、物体［ｉ］の歩行者類似度合いＳＭＬ［ｉ］が所定のしきい値（固定しきい値）よりも大きい場合、該物体［ｉ］が歩行者である可能性が高いとして、歩行者情報を後段へ伝える（前記ステップＳ３７）。これにより、自動ブレーキ制御装置８は、歩行者情報を基に、検出した物体［ｉ］（検出した物体［ｉ］が複数であれば各物体）に対して自動制動制御や自動警報出力を実施する。
なお、この第２の実施形態において、ＣＣＤカメラ３は、車両周囲を撮像する撮像手段を実現している。また、画像処理装置４又は外界認識装置５、或いは画像処理装置４と外界認識装置５とが協働して、前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段を実現している。
Then, when the pedestrian similarity degree SML [i] of the object [i] is larger than a predetermined threshold (fixed threshold), the
In the second embodiment, the CCD camera 3 realizes an imaging means for imaging the periphery of the vehicle. In addition, the
また、この第２の実施形態において、外界認識装置５のステップＳ２３の処理は、車両の進路を予測する進路予測手段を実現している。また、外界認識装置５のステップＳ３１及びステップＳ３４の処理は、前記進路予測手段が予測した車両の予測進路と、前記動き検出手段が検出した物体の動きとを基に、該物体を画像処理すべき対象とするか否かを判定するための画像処理対象判定用値を算出し、その算出した画像処理対象判定用値と所定のしきい値との比較結果を基に、画像処理すべき対象とするか否かを判定する画像処理対象判定手段を実現している。そして、実施可否判定手段が、前記確度算出手段が算出した確度を基に、前記所定のしきい値を補正することを実現している。
In the second embodiment, the process of step S23 of the external
（効果）
（１）検出用信号となるレーザの反射光を受光して、レーザレーダ１が検出した車両周囲の物体（歩行者候補物体）の動きと、レーザレーダ１の受光強度とを基に、レーザレーダ１が検出した物体が人間である確度を算出している。そして、その確度を基に、歩行者認識のための画像処理の実施の可否を決めるしきい値ＴＨＲ［ｉ］を算出している。すなわち、その確度を、歩行者認識のための画像処理に反映させている。これにより、歩行者認識のための画像処理の処理負荷の低減が可能となる。
(effect)
(1) A laser radar that receives reflected light of a laser serving as a detection signal and based on the movement of an object (pedestrian candidate object) around the vehicle detected by the
（２）レーザレーダ１が検出した物体が人間である確度を基に、歩行者認識のための画像処理の実施の可否を決めるしきい値ＴＨＲ［ｉ］を算出している。これにより、歩行者である可能性が低い物体に対して、歩行者認識のための画像処理を実施してしまうのを抑制でき、画像処理の処理負荷の低減が可能となる。その結果、画像処理により物体を歩行者と誤認識しまうのを防止できる。
（３）レーザレーダ１が検出した物体が人間である確度を基に、歩行者認識のための画像処理の実施の可否を決めるしきい値ＴＨＲ［ｉ］を算出しているので、簡単な処理で、歩行者でない可能性が高い物体に対して、歩行者認識のための画像処理を実施してしまうのを防止できる。
(2) Based on the probability that the object detected by the
(3) Since the threshold value THR [i] for determining whether or not to perform image processing for pedestrian recognition is calculated based on the probability that the object detected by the
（４）自車両の予測進路を示す値Ｒｏｗと、その予測進路における物体の動き（Ｔｍｐ１［ｉ］、Ｔｍｐ２［ｉ］）とを基に、第４歩行者確度Ｒ４［ｉ］を算出している。これにより、画像処理にて、自車両の進路上で横断しようとしている歩行者を的確、かつ素早く認識できる。その結果、画像処理候補の物体数を減少できるため（絞りこむことができるため）、画像処理の処理負荷を低減できる。
（５）要求レベルＲｅｑＩＰ［ｉ］及び総歩行者確度Ｒ［ｉ］をヒステリシスを考慮して得ている（前記図１０、図１３参照）。これにより、レーザレーダ１の物体の検出のばらつき等の影響を受けずに、それら値を得ることができる。
(4) The fourth pedestrian accuracy R4 [i] is calculated based on the value Row indicating the predicted course of the host vehicle and the movement of the object (Tmp1 [i], Tmp2 [i]) on the predicted course. Yes. Thereby, the pedestrian who is going to cross on the course of the own vehicle can be recognized accurately and quickly by image processing. As a result, the number of image processing candidate objects can be reduced (because it can be narrowed down), so that the processing load of image processing can be reduced.
(5) The required level ReqIP [i] and the total pedestrian accuracy R [i] are obtained in consideration of hysteresis (see FIGS. 10 and 13). As a result, these values can be obtained without being affected by variations in detection of the object of the
（第３の実施形態）
（構成）
第３の実施形態も、本発明を適用した車両である。第３の実施形態の車両も、前記第１の実施形態と同様、図１に示すような構成となる。第３の実施形態では、前記第２の実施形態の処理動作（図７）を一部異ならせている。
(Third embodiment)
(Constitution)
The third embodiment is also a vehicle to which the present invention is applied. Similarly to the first embodiment, the vehicle according to the third embodiment also has a configuration as shown in FIG. In the third embodiment, the processing operation (FIG. 7) of the second embodiment is partially different.
図１４は、第３の実施形態における処理動作を示す。図１４に示すように、第３の実施形態では、前記ステップＳ３３、ステップＳ３４及びステップＳ３６の処理を無くす一方で、ステップＳ５１〜ステップＳ５４の処理を加えている。
すなわち、前記ステップＳ３１の後段にステップＳ５１の処理を加えている。そのステップＳ５１では、外界認識装置５は、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を補正する。その補正手順は次のようになる。
FIG. 14 shows the processing operation in the third embodiment. As shown in FIG. 14, in the third embodiment, the processes of steps S33, S34, and S36 are eliminated while the processes of steps S51 to S54 are added.
That is, the process of step S51 is added after the step S31. In step S51, the external
先ず、外界認識装置５は、前記ステップＳ３の方法（伝達関数による算出方法）と同様にして、操舵角速度Ｓｔｒ＿ｄｏｔ＿ｚ０［ｒａｄ］を算出する。そして、外界認識装置５は、その算出した操舵角速度Ｓｔｒ＿ｄｏｔ＿ｚ０の絶対値が、直進走行を判断するしきい値ＴＨＲ＿ＳＴＲ未満の場合（｜Ｓｔｒ＿ｄｏｔ＿ｚ０｜＜ＴＨＲ＿ＳＴＲ）、継続カウンタＳｔｒｔ＿Ｃｎｔをインクリメントする（Ｓｔｒｔ＿Ｃｎｔ＝Ｓｔｒｔ＿Ｃｎｔ＋１）。また、外界認識装置５は、操舵角速度Ｓｔｒ＿ｄｏｔ＿ｚ０の絶対値が、しきい値ＴＨＲ＿ＳＴＲ以上の場合（｜Ｓｔｒ＿ｄｏｔ＿ｚ０｜≧ＴＨＲ＿ＳＴＲ）、継続カウンタＳｔｒｔ＿Ｃｎｔを零にする（Ｓｔｒｔ＿Ｃｎｔ＝０）。続いて、外界認識装置５は、そのようにして得た継続カウンタＳｔｒｔ＿Ｃｎｔを用いて、下記（１２）式により補正係数Ｃｏｅｆｆ＿Ｔｒｓｔを算出する。
Ｃｏｅｆｆ＿Ｔｒｓｔ＝ｆｕｎｃ９（Ｓｔｒｔ＿Ｃｎｔ） ・・・（１２）
First, the external
Coeff_Trst = func9 (Strt_Cnt) (12)
ここで、関数ｆｕｎｃ９（Ａ）は、その変数Ａに対して図１５に示すような特性を有する。図１５に示すように、変数Ａが小さいときには、該変数Ａとともに、関数ｆｕｎｃ９（Ａ）の値は増加し、変数Ａがある値よりも大きくなると、該変数Ａにかかわらず、関数ｆｕｎｃ９（Ａ）の値は１になる。そして、この（１２）式により継続カウンタＳｔｒｔ＿Ｃｎｔに応じて得た補正係数Ｃｏｅｆｆ＿Ｔｒｓｔを用いて、下記（１３）式及び（１４）式に示すように、第２歩行者確度Ｒ２［ｉ］（前記ステップＳ２９の算出値）及び第４歩行者確度Ｒ４［ｉ］を補正する。
Ｒ２［ｉ］＝Ｒ２［ｉ］・Ｃｏｅｆｆ＿Ｔｒｓｔ ・・・（１３）
Ｒ４［ｉ］＝Ｒ４［ｉ］・Ｃｏｅｆｆ＿Ｔｒｓｔ ・・・（１４）
Here, the function func9 (A) has the characteristics shown in FIG. As shown in FIG. 15, when the variable A is small, the value of the function func9 (A) increases together with the variable A. When the variable A becomes larger than a certain value, the function func9 (A ) Is 1. Then, this (12) using a correction coefficient Coeff_Trst obtained in accordance with the continuous counter S Trt_Cnt by formula, as shown in the following equation (13) and (14), a second pedestrian Accuracy R2 [i] ( The calculated value of step S29) and the fourth pedestrian accuracy R4 [i] are corrected.
R2 [i] = R2 [i] · Coeff_Trst (13)
R4 [i] = R4 [i] · Coeff_Trst (14)
ここで、補正係数Ｃｏｅｆｆ＿Ｔｒｓｔのとり得る値の範囲は０〜１となる（Ｃｏｅｆｆ＿Ｔｒｓｔ∈［０，１］）。この（１３）式及び（１４）式によれば、継続カウンタＳｔｒｔ＿Ｃｎｔの値が小さいほど、すなわち操舵角速度が小さく、かつその状態の継続時間が長くなるほど、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］は小さくなるように補正される。これにより、動きの情報となる第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を、信頼性を基に補正している。 Here, the range of values that the correction coefficient Coeff_Trst can take is 0 to 1 (Coeff_Trstε [0, 1]). According to this equation (13) and (14), continued counter S as the value of trt_Cnt is small, that the steering angular velocity is small, and as the duration of this state becomes longer, the second and fourth pedestrian Accuracy R2 [I] and R4 [i] are corrected to be small. As a result, the second and fourth pedestrian accuracy R2 [i], R4 [i], which are movement information, are corrected based on the reliability.
続いてステップＳ３２において、外界認識装置５は、前記第２の実施形態と同様に、最終的な歩行者らしい度合い（総歩行者確度）Ｒ［ｉ］を算出する。ここでは、外界認識装置５は、前記ステップＳ５２で補正した第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を用いて、総歩行者確度Ｒ［ｉ］を算出する（前記（１０）式）。
続いてステップＳ５２において、外界認識装置５は、前記ステップＳ３２で算出した総歩行者確度Ｒ［ｉ］を用いて、下記（１５）式により画像処理結果の歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出する。
ＴＨＲ＿ＩＰ［ｉ］＝ｆｕｎｃ１０（Ｒ［ｉ］） ・・・（１５）
Subsequently, in step S <b> 32, the external
Subsequently, in step S52, the external
THR_IP [i] = func10 (R [i]) (15)
ここで、関数ｆｕｎｃ１０（Ａ）は、その変数Ａに対して図１６に示すような特性を有する。図１６に示すように、変数Ａに応じて関数ｆｕｎｃ１０（Ａ）の値が段階的に変化し、変数が大きくなるほど、関数ｆｕｎｃ１０（Ａ）の値が大きくなる。また、ヒステリシス（同図中の矢印）を考慮して、変数Ａと関数ｆｕｎｃ１０（Ａ）の値との関係を得ている。このような関数ｆｕｎｃ１０を用いた（１５）式により、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］は、総歩行者確度Ｒ［ｉ］が大きくなるほど、段階的に小さくなる。すなわち、レーザレーダ１が検出した物体が歩行者である可能性が高くなる場合、総歩行者確度Ｒ［ｉ］が大きくなるので、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］は小さくなる。
Here, the function func10 (A) has the characteristics shown in FIG. As shown in FIG. 16, the value of the function func10 (A) changes stepwise according to the variable A, and the value of the function func10 (A) increases as the variable increases. In addition, the relationship between the variable A and the value of the function func10 (A) is obtained in consideration of the hysteresis (arrow in the figure). According to the equation (15) using such a function func10, the pedestrian determination threshold value THR_IP [i] decreases stepwise as the total pedestrian accuracy R [i] increases. That is, when there is a high possibility that the object detected by the
続いてステップＳ５３において、外界認識装置５は、前記ステップＳ２７で算出した冗長検知を行う要求レベルＲｅｑＩＰ［ｉ］が、所定のしきい値（前記第２の実施形態とは異なり、固定しき値）よりも大きいか否かを判定する。所定のしきい値は例えば３である。なお、図示しないナビゲーションシステムからの道路情報を基に、所定のしきい値を変更しても良い。このステップＳ５３の判定処理の結果、要求レベルＲｅｑＩＰ［ｉ］が所定のしきい値よりも大きい場合（ＲｅｑＩＰ［ｉ］＞所定のしきい値）、歩行者認識のための画像処理を実施するため、ステップＳ３５に進み、そうでない場合（ＲｅｑＩＰ［ｉ］≦所定のしきい値）、ステップＳ３８に進む。
Subsequently, in step S53, the external
ステップＳ３５に続くステップＳ５４では、画像処理装置４は、該ステップＳ３５で算出した歩行者類似度合いＳＭＬ［ｉ］が、前記ステップＳ５２で算出した歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］よりも大きいか否かを判定する。ここで、歩行者類似度合いＳＭＬ［ｉ］が歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］よりも大きい場合（ＳＭＬ［ｉ］＞ＴＨＲ＿ＩＰ［ｉ］）、ステップＳ３７に進み、そうでない場合（ＳＭＬ［ｉ］≦ＴＨＲ＿ＩＰ［ｉ］）、ステップＳ３８に進む。なお、前記ステップＳ５４の処理を、外界認識装置５が行うこととしても良い。
前記第２の実施形態と同様に、ステップＳ３７では、前記ステップＳ５４の判定処理を満足する歩行者情報を後段へ伝え、ステップＳ３８では、微分演算等で用いる変数の過去値を更新して終了する。
In step S54 subsequent to step S35, the
As in the second embodiment, in step S37, pedestrian information that satisfies the determination process in step S54 is transmitted to the subsequent stage, and in step S38, the past value of a variable used in differentiation or the like is updated and the process ends. .
（動作）
一連の動作は次のようになる。ここでは、第３の実施形態において特有の動作を説明する。
外界認識装置５は、操舵角速度Ｓｔｒ＿ｄｏｔ＿ｚ０［ｒａｄ］の変動を基に、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を補正する（前記ステップＳ５１）。ここで、操舵角速度が小さく、かつその状態の継続時間が長くなるほど、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］は小さくなるように補正される。そして、外界認識装置５は、補正した第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を基に、総歩行者確度Ｒ［ｉ］を算出する（前記ステップＳ３２）。そして、外界認識装置５は、算出した総歩行者確度Ｒ［ｉ］を基に、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出する（前記ステップＳ５２）。ここで、物体が歩行者である可能性が高くなるほど、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］は小さくなる。そして、外界認識装置５は、要求レベルＲｅｑＩＰ［ｉ］が、その要求レベルＲｅｑＩＰ［ｉ］に対応して設定してある所定のしきい値（固定値）よりも大きくなる判定条件を満たす場合、ＣＣＤカメラ３から取り込んだ画像に対して画像処理を実施する。すなわち、ＣＣＤカメラ３から取り込んだ画像中で、該判定条件を満たした物体［ｉ］の位置に相当する画像領域に限定して、歩行者認識のための画像処理を実施する（前記ステップＳ５３、ステップＳ３５）。その実施した歩行者認識のための画像処理により、歩行者類似度合いＳＭＬ［ｉ］を算出する。そして、外界認識装置５は、歩行者類似度合いＳＭＬ［ｉ］が歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］よりも大きい場合、歩行者情報を後段へ伝える。これにより、自動ブレーキ制御装置８は、歩行者情報を基に、検出した物体［ｉ］（検出した物体［ｉ］が複数であれば各物体）に対して自動制動制御や自動警報出力を実施する。
(Operation)
A series of operations are as follows. Here, operations unique to the third embodiment will be described.
The external
ここで、前述のように、総歩行者確度Ｒ［ｉ］が大きくなるほど、すなわちレーザレーダ１が検出した物体が歩行者である可能性が高くなるほど、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］が小さくなる。このようなことから、レーザレーダ１が検出した物体が歩行者である可能性が低ければ、歩行者情報が後段へ伝えられない。すなわち、レーザレーダ１が検出した物体が歩行者である可能性が低ければ、画像処理により得た歩行者類似度合いも低くする処理と等価な処理を行う。
As described above, the pedestrian determination threshold value THR_IP [i] increases as the total pedestrian accuracy R [i] increases, that is, as the object detected by the
（効果）
（１）検出用信号となるレーザの反射光を受光して、レーザレーダ１が検出した車両周囲の物体（歩行者候補物体）の動きと、レーザレーダ１の受光強度とを基に、レーザレーダ１が検出した物体が人間である確度を算出している。そして、その確度を基に、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出している。すなわち、その確度を、歩行者認識のための画像処理に反映させている。これにより、歩行者認識のための画像処理の処理負荷の低減が可能となる。
(effect)
(1) A laser radar that receives reflected light of a laser serving as a detection signal and based on the movement of an object (pedestrian candidate object) around the vehicle detected by the
（２）レーザレーダ１が検出した物体が人間である確度を基に、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出している。これにより、レーザレーダ１の検出結果から歩行者である確度が高い物体は、画像処理結果で歩行者類似度合いＳＭＬ［ｉ］が小さくなる場合（歩行者である可能性が低い結果）でも、最終的には、歩行者として判別され易くなる。その反対に、レーザレーダ１の検出結果から歩行者である確度が低い物体は、画像処理結果において、歩行者類似度合いＳＭＬ［ｉ］が大きくならないと（歩行者である可能性が高い結果にならないと）、最終的には、歩行者として判別されなくなる。このようにすることで、レーザレーダ１による物体検出と画像処理により物体認識とを行うシステム全体として、歩行者の誤検出と不検出のバランスを的確に調整することが可能となる。
(2) A pedestrian determination threshold value THR_IP [i] is calculated based on the probability that the object detected by the
（３）レーザレーダ１が検出した物体が人間である確度を基に、歩行者判定用しきい値ＴＨＲ＿ＩＰ［ｉ］を算出しているので、簡単な処理で、前述のようなシステム全体として、歩行者の誤検出と不検出のバランスを的確に調整することが可能となる。
（４）操舵角速度が小さく、その状態の継続時間が長くなるほど、第２及び第４歩行者確度Ｒ２［ｉ］，Ｒ４［ｉ］を小さくなるように補正している。ここで、操舵角速度が小さく、かつその状態の継続時間が長くなる場合には、車両安定度合いが低いことから、そのような補正をすることで、総歩行者確度Ｒ［ｉ］を小さくする補正をしている。これにより、物体の動き情報の信頼性が高くなり、画像処理による誤認識を低減できる。
(3) Since the pedestrian determination threshold value THR_IP [i] is calculated based on the probability that the object detected by the
(4) The second and fourth pedestrian accuracy R2 [i] and R4 [i] are corrected to be smaller as the steering angular velocity is smaller and the duration of the state is longer. Here, when the steering angular velocity is small and the duration of the state becomes long, the degree of vehicle stability is low. Therefore, by making such a correction, a correction for reducing the total pedestrian accuracy R [i]. I am doing. Thereby, the reliability of the motion information of an object becomes high and the misrecognition by image processing can be reduced.
１ レーザレーダ、２ レーダ処理装置、３ ＣＣＤカメラ、４ 画像処理装置、５ 外界認識装置、６ 車速検出装置、７ 操舵角検出装置、８ 自動ブレーキ制御装置、９ 負圧ブレーキブースタ、１０ 警報ブザー、１０１ 物体検出手段、１０２ 動き検出手段、１０３ 受信状態検出手段、１０４ 確度算出手段、１０５ 撮像手段、１０６ 物体識別手段
1 Laser radar, 2 Radar processing device, 3 CCD camera, 4 Image processing device, 5 Outside world recognition device, 6 Vehicle speed detection device, 7 Steering angle detection device, 8 Automatic brake control device, 9 Negative pressure brake booster, 10 Alarm buzzer, DESCRIPTION OF
Claims (11)
前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、
を備え、
前記確度算出手段は、進路予測手段が予測した車両の予測進路と、その予測進路における前記動き検出手段が検出した物体の動きとを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出することを特徴とする車両周囲環境検出装置。 An object detection means for emitting a detection signal, receiving the reflected signal, and detecting an object around the vehicle;
Motion detection means for detecting the motion of the object detected by the object detection means;
Reception state detection means for detecting the reception state of the reflected signal in the object detection means;
Accuracy calculation means for calculating the accuracy that the object detected by the object detection means is a specific object based on the movement of the object detected by the movement detection means and the reception status detected by the reception status detection means;
Equipped with a,
The accuracy calculation unit is configured such that the object detected by the object detection unit is a specific object based on the predicted route of the vehicle predicted by the route prediction unit and the movement of the object detected by the motion detection unit on the predicted route. A vehicle surrounding environment detection device characterized by calculating certain accuracy .
前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、
車両挙動の安定度合いを検出する車両安定度合い検出手段と、
を備え、
前記確度算出手段は、前記車両安定度合い検出手段が検出した車両挙動の安定度合いが高い場合、前記確度を高くすることを特徴とする車両周囲環境検出装置。 An object detection means for emitting a detection signal, receiving the reflected signal, and detecting an object around the vehicle;
Motion detection means for detecting the motion of the object detected by the object detection means;
Reception state detection means for detecting the reception state of the reflected signal in the object detection means;
Accuracy calculation means for calculating the accuracy that the object detected by the object detection means is a specific object based on the movement of the object detected by the movement detection means and the reception status detected by the reception status detection means;
Vehicle stability detection means for detecting the stability of vehicle behavior;
Equipped with a,
The vehicle surrounding environment detection device , wherein the accuracy calculation means increases the accuracy when the stability degree of the vehicle behavior detected by the vehicle stability degree detection means is high .
車両周囲を撮像する撮像手段と、
前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、を備え、
前記確度算出手段は、進路予測手段が予測した車両の予測進路と、その予測進路における前記動き検出手段が検出した物体の動きとを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出し、
前記確度算出手段が算出した確度を、前記物体識別手段の処理に反映させることを特徴とする車両周囲環境検出装置。 An object detection means for emitting a detection signal, receiving the reflected signal, and detecting an object around the vehicle;
Imaging means for imaging the surroundings of the vehicle;
An object identification means for performing image processing on a captured image of the imaging means to identify an object around the vehicle;
Motion detection means for detecting the motion of the object detected by the object detection means;
Reception state detection means for detecting the reception state of the reflected signal in the object detection means;
Accuracy calculation means for calculating the accuracy that the object detected by the object detection means is a specific object based on the movement of the object detected by the movement detection means and the reception status detected by the reception status detection means; With
The accuracy calculation unit is configured such that the object detected by the object detection unit is a specific object based on the predicted route of the vehicle predicted by the route prediction unit and the movement of the object detected by the motion detection unit on the predicted route. Calculate certain accuracy,
The vehicle surrounding environment detection apparatus characterized in that the accuracy calculated by the accuracy calculation means is reflected in the processing of the object identification means.
車両周囲を撮像する撮像手段と、
前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、
車両挙動の安定度合いを検出する車両安定度合い検出手段と、
を備え、
前記確度算出手段が算出した確度を、前記物体識別手段の処理に反映させ、
前記確度算出手段は、前記車両安定度合い検出手段が検出した車両挙動の安定度合いが高い場合、前記確度を高くすることを特徴とする車両周囲環境検出装置。 An object detection means for emitting a detection signal, receiving the reflected signal, and detecting an object around the vehicle;
Imaging means for imaging the surroundings of the vehicle;
An object identification means for performing image processing on a captured image of the imaging means to identify an object around the vehicle;
Motion detection means for detecting the motion of the object detected by the object detection means;
Reception state detection means for detecting the reception state of the reflected signal in the object detection means;
Accuracy calculation means for calculating the accuracy that the object detected by the object detection means is a specific object based on the movement of the object detected by the movement detection means and the reception status detected by the reception status detection means;
Vehicle stability detection means for detecting the stability of vehicle behavior;
With
Reflecting the accuracy calculated by the accuracy calculation means in the processing of the object identification means ,
The probability calculating means, the vehicle stability degree when the detection means stable degree of vehicle behavior detected is high, the vehicle surrounding environment detection device, characterized in high to Rukoto the accuracy.
車両周囲を撮像する撮像手段と、
前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、
前記確度算出手段が算出した確度を基に、前記物体識別手段による画像処理の実施の可否を判定する実施可否判定手段と、
を備え、
前記確度算出手段は、進路予測手段が予測した車両の予測進路と、その予測進路における前記動き検出手段が検出した物体の動きとを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出することを特徴とする車両周囲環境検出装置。 An object detection means for emitting a detection signal, receiving the reflected signal, and detecting an object around the vehicle;
Imaging means for imaging the surroundings of the vehicle;
An object identification means for performing image processing on a captured image of the imaging means to identify an object around the vehicle;
Motion detection means for detecting the motion of the object detected by the object detection means;
Reception state detection means for detecting the reception state of the reflected signal in the object detection means;
Accuracy calculation means for calculating the accuracy that the object detected by the object detection means is a specific object based on the movement of the object detected by the movement detection means and the reception status detected by the reception status detection means;
Based on the accuracy calculated by the accuracy calculation means, implementation feasibility judgment means for judging whether image processing by the object identification means can be performed,
Equipped with a,
The accuracy calculation unit is configured such that the object detected by the object detection unit is a specific object based on the predicted route of the vehicle predicted by the route prediction unit and the movement of the object detected by the motion detection unit on the predicted route. A vehicle surrounding environment detection device characterized by calculating certain accuracy .
車両周囲を撮像する撮像手段と、
前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、
前記確度算出手段が算出した確度を基に、前記物体識別手段による画像処理の実施の可否を判定する実施可否判定手段と、
車両挙動の安定度合を検出する車両安定度合検出手段と、
を備え、
前記確度算出手段は、前記車両安定度合い検出手段が検出した車両挙動の安定度合いが高い場合、前記確度を高くすることを特徴とする車両周囲環境検出装置。 An object detection means for emitting a detection signal, receiving the reflected signal, and detecting an object around the vehicle;
Imaging means for imaging the surroundings of the vehicle;
An object identification means for performing image processing on a captured image of the imaging means to identify an object around the vehicle;
Motion detection means for detecting the motion of the object detected by the object detection means;
Reception state detection means for detecting the reception state of the reflected signal in the object detection means;
Accuracy calculation means for calculating the accuracy that the object detected by the object detection means is a specific object based on the movement of the object detected by the movement detection means and the reception status detected by the reception status detection means;
Based on the accuracy calculated by the accuracy calculation means, implementation feasibility judgment means for judging whether image processing by the object identification means can be performed,
Vehicle stability detection means for detecting the stability of vehicle behavior;
Equipped with a,
The vehicle surrounding environment detection device , wherein the accuracy calculation means increases the accuracy when the stability degree of the vehicle behavior detected by the vehicle stability degree detection means is high .
車両周囲を撮像する撮像手段と、
前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、
前記確度算出手段が算出した確度を基に、前記物体識別手段による画像処理の実施の可否を判定する実施可否判定手段と、
車両の進路を予測する進路予測手段と、
前記進路予測手段が予測した車両の予測進路と、前記動き検出手段が検出した物体の動きとを基に、該物体を画像処理すべき対象とするか否かを判定するための画像処理対象判定用値を算出し、その算出した画像処理対象判定用値と所定のしきい値との比較結果を基に、画像処理すべき対象とするか否かを判定する画像処理対象判定手段と、を備え、
前記実施可否判定手段は、前記確度算出手段が算出した確度を基に、前記所定のしきい値を補正することを特徴とする車両周囲環境検出装置。 An object detection means for emitting a detection signal, receiving the reflected signal, and detecting an object around the vehicle;
Imaging means for imaging the surroundings of the vehicle;
An object identification means for performing image processing on a captured image of the imaging means to identify an object around the vehicle;
Motion detection means for detecting the motion of the object detected by the object detection means;
Reception state detection means for detecting the reception state of the reflected signal in the object detection means;
Accuracy calculation means for calculating the accuracy that the object detected by the object detection means is a specific object based on the movement of the object detected by the movement detection means and the reception status detected by the reception status detection means;
Based on the accuracy calculated by the accuracy calculation means, implementation feasibility judgment means for judging whether image processing by the object identification means can be performed,
Course prediction means for predicting the course of the vehicle;
Image processing target determination for determining whether or not the object is to be subjected to image processing based on the predicted path of the vehicle predicted by the path prediction unit and the motion of the object detected by the motion detection unit Image processing target determination means for calculating a use value, and determining whether or not the image processing target determination value is to be processed based on a comparison result between the calculated image processing target determination value and a predetermined threshold value , Prepared ,
The vehicle surrounding environment detection device, wherein the implementation availability determination unit corrects the predetermined threshold based on the accuracy calculated by the accuracy calculation unit.
車両周囲を撮像する撮像手段と、
前記撮像手段の撮像画像を画像処理して、車両周囲の物体を識別する物体識別手段と、
前記物体識別手段の物体識別結果を基に、該物体が特定の物体と類似しているか否かを判定する類似判定手段と、
前記物体検出手段が検出した物体の動きを検出する動き検出手段と、
前記物体検出手段における反射信号の受信状態を検出する受信状態検出手段と、
前記動き検出手段が検出した物体の動きと、前記受信状態検出手段が検出した受信状態とを基に、前記物体検出手段が検出した物体が特定の物体である確度を算出する確度算出手段と、を備え、
前記類似判定手段は、前記確度算出手段が算出した確度を基に、前記類似の判定結果を補正することを特徴とする車両周囲環境検出装置。 An object detection means for emitting a detection signal, receiving the reflected signal, and detecting an object around the vehicle;
Imaging means for imaging the surroundings of the vehicle;
An object identification means for performing image processing on a captured image of the imaging means to identify an object around the vehicle;
Similarity determination means for determining whether or not the object is similar to a specific object based on the object identification result of the object identification means;
Motion detection means for detecting the motion of the object detected by the object detection means;
Reception state detection means for detecting the reception state of the reflected signal in the object detection means;
Accuracy calculation means for calculating the accuracy that the object detected by the object detection means is a specific object based on the movement of the object detected by the movement detection means and the reception status detected by the reception status detection means; With
The similarity determining means, wherein based on the accuracy of probability calculating means is calculated, the similarity determination result car both the surrounding environment detection device you and correcting a.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008055002A JP5130959B2 (en) | 2008-03-05 | 2008-03-05 | Vehicle ambient environment detection device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2008055002A JP5130959B2 (en) | 2008-03-05 | 2008-03-05 | Vehicle ambient environment detection device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2009208676A JP2009208676A (en) | 2009-09-17 |
| JP5130959B2 true JP5130959B2 (en) | 2013-01-30 |
Family
ID=41182244
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2008055002A Active JP5130959B2 (en) | 2008-03-05 | 2008-03-05 | Vehicle ambient environment detection device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5130959B2 (en) |
Families Citing this family (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP5379543B2 (en) * | 2009-04-09 | 2013-12-25 | 日立オートモティブシステムズ株式会社 | Automobile external recognition device |
| JP2012089114A (en) * | 2010-09-24 | 2012-05-10 | Toyota Motor Corp | Obstacle recognition device |
| DE102018127990A1 (en) * | 2018-11-08 | 2020-05-14 | Bayerische Motoren Werke Aktiengesellschaft | Method and processing unit for determining information relating to an object in an environment of a vehicle |
| JP2020132028A (en) * | 2019-02-22 | 2020-08-31 | トヨタ自動車株式会社 | Vehicle drive support device |
| JP2023008527A (en) * | 2021-07-06 | 2023-01-19 | パナソニックホールディングス株式会社 | Information processing unit, information processing method, and program |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4016826B2 (en) * | 2002-12-10 | 2007-12-05 | 株式会社デンソー | Object labeling method and apparatus, program |
| JP4193703B2 (en) * | 2004-01-19 | 2008-12-10 | トヨタ自動車株式会社 | Object detection device |
| JP4941210B2 (en) * | 2007-09-28 | 2012-05-30 | トヨタ自動車株式会社 | Object detection device |
-
2008
- 2008-03-05 JP JP2008055002A patent/JP5130959B2/en active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2009208676A (en) | 2009-09-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US9975550B2 (en) | Movement trajectory predicting device and movement trajectory predicting method | |
| CA2949200C (en) | Processing apparatus, processing system, processing program, and processing method | |
| JP2016001170A (en) | Processing unit, processing program and processing method | |
| JP6551283B2 (en) | Vehicle control device, vehicle control method | |
| JP2016001464A (en) | Processor, processing system, processing program, and processing method | |
| CN105702088A (en) | warning device | |
| JP2007310741A (en) | Solid object recognition device | |
| JPWO2019058720A1 (en) | Information processing equipment, autonomous mobile devices, and methods, and programs | |
| RU2770230C1 (en) | Method and device for predicting the movement of another vehicle | |
| JP5577126B2 (en) | Driving support device | |
| JP5130959B2 (en) | Vehicle ambient environment detection device | |
| GB2576206A (en) | Sensor degradation | |
| US20220161849A1 (en) | Vehicle control device, vehicle control method, and non-transitory computer-readable recording medium recording program | |
| US20220237921A1 (en) | Outside environment recognition device | |
| KR20200044169A (en) | Collision Avoidance System and Method of Autonomous Vehicle | |
| WO2018025632A1 (en) | Image-capturing device | |
| KR20160131196A (en) | Device for detecting an obstacle | |
| US20220176953A1 (en) | Driving assistance device, method for assisting driving, and computer readable storage medium for storing driving assistance program | |
| US11731662B2 (en) | Autonomous vehicle system for detecting pedestrian presence | |
| US20220237899A1 (en) | Outside environment recognition device | |
| Kao et al. | Design of Sensor Fusion Driver Assistance System for Active Pedestrian Safety | |
| US20220237922A1 (en) | Outside environment recognition device | |
| Thammakaroon et al. | Improvement of forward collision warning in real driving environment using machine vision | |
| KR20230136830A (en) | Driver assistance system and driver assistance method | |
| KR20230129076A (en) | Method and apparatus for preventing collision with overloaded vehicle |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20100917 |
|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20110224 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120524 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120612 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120809 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121009 |
|
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121022 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151116 Year of fee payment: 3 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 Ref document number: 5130959 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |