JP5475138B2 - 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法 - Google Patents

移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法 Download PDF

Info

Publication number
JP5475138B2
JP5475138B2 JP2012533026A JP2012533026A JP5475138B2 JP 5475138 B2 JP5475138 B2 JP 5475138B2 JP 2012533026 A JP2012533026 A JP 2012533026A JP 2012533026 A JP2012533026 A JP 2012533026A JP 5475138 B2 JP5475138 B2 JP 5475138B2
Authority
JP
Japan
Prior art keywords
moving object
moving
distribution
map
existence
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
Application number
JP2012533026A
Other languages
English (en)
Other versions
JPWO2012033173A1 (ja
Inventor
司 清水
吉紘 大濱
真一 永田
政行 清水
純 佐久川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Toyota Motor Corp
Toyota Central R&D Labs Inc
Original Assignee
Toyota Motor Corp
Toyota Central R&D Labs Inc
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Toyota Motor Corp, Toyota Central R&D Labs Inc filed Critical Toyota Motor Corp
Priority to JP2012533026A priority Critical patent/JP5475138B2/ja
Publication of JPWO2012033173A1 publication Critical patent/JPWO2012033173A1/ja
Application granted granted Critical
Publication of JP5475138B2 publication Critical patent/JP5475138B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V40/00—Recognition of biometric, human-related or animal-related patterns in image or video data
    • G06V40/10—Human or animal bodies, e.g. vehicle occupants or pedestrians; Body parts, e.g. hands
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20076—Probabilistic image processing
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30261—Obstacle

Description

本発明は、移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法に係り、特に、移動物の将来の位置を予測する移動物予測装置、プログラム、及び移動物予測方法、並びに、仮想可動物の将来の位置を予測する仮想可動物予測装置、プログラム、及び仮想可動物予測方法に関する。
従来より、物体が時間の経過とともに取りうる位置の変化を、時空間上での軌跡として生成し、物体の進路の確率的な予測を行う物体進路予測装置が知られている（特開２００７−２３３６４６号公報）。この物体進路予測装置では、現実として起こりうる状況下においても、安全性を確保できる軌道を生成している。
また、実際の環境下での経験をシステムが自律的に学習し、多様な外界環境に対して危険度の認識を可能とするオンラインリスク学習システムが知られている（特開２００８−２３８８３１号公報）。このオンラインリスク学習システムは、画像の特徴量を自動抽出し、運転者の運転操作との関係を学習しておくことで、実現されている。
また、交差点や合流点において自車両が衝突危険度の高い状況下にあるときに、運転者に対して警告することにより、自車両の衝突を予防する交差点衝突予防装置が知られている（特開２００５−１７３７０３号公報）。この交差点衝突予防装置は、交差点での事故形態をデータベースで持ち、センサ情報に基づいて検索してスコア付けを行うことで、実現されている。
しかしながら、上記の特開２００７−２３３６４６号公報に記載の技術では、移動物が移動できる領域に対する制限について明確にされておらず、どこにでも移動物の移動が可能となっているため、移動物の将来の位置を精度良く予測することができない、という問題がある。
また、上記の特開２００８−２３８８３１号公報に記載の技術では、運転者が運転行動を変えるような操作を行う傾向がない限りはリスク評価を行うことができないため、移動物の将来の位置を予測することができない場合がある、という問題がある。
また、上記の特開２００５−１７３７０３号公報に記載の技術では、交差点や合流点での様々な交通状況におけるリスクを表わすデータベースを必要としており、必ずしも実際に起こる全ての状況に対して対処できるとは限らない、という問題がある。また、リスク評価は設計者のスコア付けに基づいているため、物理的な意味を持たない。
本発明は、上記の問題点を解決するためになされたもので、様々な状況において、移動物の将来の位置を精度よく予測することができる移動物予測装置、プログラム、及び移動物予測方法を提供することを目的とする。
また、仮想可動物の将来の位置を精度よく予測することができる仮想可動物予測装置、プログラム、及び仮想可動物予測方法を提供することを目的とする。
上記の目的を達成するために本発明の第１の態様は、検出対象範囲から、移動物の位置、及び動作状態又は移動状態を検出する移動物検出部と、前記検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部と、前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部と、前記移動物検出部によって検出された前記移動物の位置、及び動作状態又は移動状態に基づいて、前記移動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する移動物記録部と、前記移動物の移動状態分布に基づいて、前記移動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測する予測部と、を含んで構成されている。
また、本発明の第２の態様は、コンピュータを、検出対象範囲から、移動物の位置、及び動作状態又は移動状態を検出する移動物検出部、前記検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部、前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部、前記移動物検出部によって検出された前記移動物の位置、及び動作状態又は移動状態に基づいて、前記移動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する移動物記録部、及び前記移動物の移動状態分布に基づいて、前記移動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測する予測部として機能させるためのプログラムである。
本発明の第１の態様及び第２の態様によれば、移動物検出部によって、検出対象範囲から、移動物の位置、及び動作状態又は移動状態を検出する。領域検出部によって、検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する。
そして、マップ生成部によって、領域検出部によって検出された走路区分の領域及び静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成する。移動物記録部によって、移動物検出部によって検出された移動物の位置、及び動作状態又は移動状態に基づいて、移動物の位置分布及び移動状態分布を生成して、存在可能度マップに記録する。
そして、予測部によって、移動物の移動状態分布に基づいて、移動物の位置分布を移動させると共に、移動させた位置分布を、存在可能度マップの存在可能度に基づいて変更して、存在可能度マップ上の移動物の将来の位置分布を予測する。
このように、移動物の移動状態分布に基づいて、位置分布を移動させると共に、走路区分の領域及び静止物の領域に対して移動物の存在可能度を与えた存在可能度マップに基づいて位置分布を変更することにより、様々な状況において、移動物の将来の位置を精度よく予測することができる。
本発明の第３の態様によれば、位置分布は、複数の移動物粒子で表わされ、予測部は、移動物の移動状態分布に基づいて、移動物の位置分布を表わす複数の移動物粒子の各々を移動させると共に、存在可能度マップの存在可能度に基づいて、移動させた移動物粒子を消滅させて他の移動物粒子を複製することにより、移動物の位置分布を変更して、存在可能度マップ上の移動物の将来の位置分布を予測する。
本発明の第４の態様によれば、位置分布は、確率分布で表わされ、予測部は、移動物の移動状態分布に基づいて、移動物の位置分布を表わす確率分布を移動させると共に、存在可能度マップの存在可能度に基づいて、移動させた確率分布を重み付けすることにより、移動物の位置分布を変更して、存在可能度マップ上の移動物の将来の位置分布を予測する。
本発明の第５の態様によれば、領域検出部は、更に、走路区分の種別及び静止物の高さを検出し、マップ生成部は、走路区分の領域に対して、走路区分の種類に応じた存在可能度を与え、静止物の領域に対して、静止物の高さに応じた存在可能度を与えて、存在可能度マップを生成する。これによって、移動物の将来の位置をより精度よく予測することができる。
本発明の第６の態様によれば、移動物検出部は、検出対象範囲から、移動物の位置、及び動作状態又は移動状態と共に、移動物の種類を検出し、マップ生成部は、移動物の種類毎に存在可能度を与えた存在可能度マップを生成する。これによって、移動物の将来の位置をより精度よく予測することができる。
本発明の第７の態様によれば、予測部は、移動物の移動状態分布に基づいて、移動物の位置分布を移動させると共に、移動させた位置分布を、位置分布に対応する領域に与えられた存在可能度の大きさ、又は位置分布に対応する領域及び移動前の位置分布に対する領域に与えられた存在可能度の差もしくは比に基づいて変更して、存在可能度マップ上の移動物の将来の位置分布を予測する。
本発明の第８の態様によれば、移動物予測装置は、予測部によって予測された、算出対象の移動物の位置分布と、算出対象の移動物以外の移動物の位置分布とに基づいて、算出対象の移動物と算出対象の移動物以外の移動物との衝突危険度を算出する危険度算出部を更に含む。
本発明の第９の態様によれば、移動物記録部は、検出された静止物の領域と、自装置を搭載した移動物の位置とに基づいて、自装置を搭載した移動物から見たときの静止物によって形成された死角領域を特定し、特定された死角領域内に存在すると想定される移動物の位置分布及び移動状態分布を生成して、存在可能度マップにおける、特定された死角領域内に、生成された移動物の位置分布及び移動状態分布を記録する。
本発明の第１０の態様によれば、上記の死角領域を特定する移動物記録部は、検出された静止物の領域と、自装置を搭載した移動物の位置とに基づいて、死角領域を特定し、検出対象範囲の移動物の移動環境を検出する移動環境検出部によって検出された前記移動環境のうちの特定された死角領域の周辺の移動環境、又は特定された死角領域の位置に基づいて、特定された死角領域内に存在すると想定される移動物の種類を推定すると共に、死角領域内の移動物の位置分布及び移動状態分布を生成して、存在可能度マップにおける、特定された死角領域内に、生成された移動物の位置分布及び移動状態分布を記録する。
本発明の第１１の態様によれば、移動物予測装置は、自装置を搭載した移動物から見て、検出対象範囲に存在する物体の位置を検出する物体位置検出部と、自装置を搭載した移動物の運動を推定する運動推定部と、前回更新された地図情報を、運動推定部によって推定された自装置を搭載した移動物の現在の運動に基づいて、現在の前記自装置を搭載した移動物から見た地図情報に繰り返し更新する地図更新部と、地図更新部によって地図情報が更新される毎に、更新された地図情報に、物体位置検出部によって検出された現在の物体の位置に対応するブロックに、静止物の存在を記録すると共に、自装置を搭載した移動物から検出された現在の物体の位置までの間に対応する各ブロックにおける静止物の存在の記録を減少させる静止物記録部と、を更に含み、領域検出部は、地図情報に基づいて、静止物の領域を検出する。
本発明の第１２の態様は、検出対象範囲から、移動物の位置、及び動作状態又は移動状態を検出すると共に、複数種類の走路区分の領域及び静止物の領域を検出するステップと、検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するステップと、検出された前記移動物の位置、及び動作状態又は移動状態に基づいて、前記移動物の位置分布及び移動状態分布を生成し、更に、前記移動物の移動状態分布に基づいて、前記移動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測するステップと、を含む。
本発明の第１３の態様は、検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部と、前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部と、前記検出対象範囲から、可動物が存在し得る死角領域を特定する死角領域特定部と、前記死角領域特定部によって特定された死角領域内に存在すると想定される仮想可動物を生成する仮想可動物生成部と、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する仮想可動物記録部と、前記仮想可動物の移動状態分布に基づいて、前記仮想可動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記仮想可動物の将来の位置分布を予測する予測部と、を含んで構成されている。
本発明の第１４の態様は、コンピュータを、検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部、前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部、前記検出対象範囲から、可動物が存在し得る死角領域を特定する死角領域特定部、前記死角領域特定部によって特定された死角領域内に存在すると想定される仮想可動物を生成する仮想可動物生成部、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する仮想可動物記録部、及び前記仮想可動物の移動状態分布に基づいて、前記仮想可動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記仮想可動物の将来の位置分布を予測する予測部として機能させるためのプログラムである。
本発明の第１３の態様及び第１４の態様によれば、領域検出部によって、検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する。マップ生成部によって、前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成する。
そして、死角領域特定部によって、前記検出対象範囲から、可動物が存在し得る死角領域を特定する。仮想可動物生成部によって、前記死角領域特定部によって特定された死角領域内に存在すると想定される仮想可動物を生成する。仮想可動物記録部によって、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する。
そして、予測部によって、前記仮想可動物の移動状態分布に基づいて、前記仮想可動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記仮想可動物の将来の位置分布を予測する。
このように、死角領域内に存在すると想定される仮想可動物について、想定される移動状態分布に基づいて、位置分布を移動させると共に、走路区分の領域及び静止物の領域に対して移動物の存在可能度を与えた存在可能度マップに基づいて位置分布を変更することにより、様々な状況において、仮想可動物の将来の位置を精度よく予測することができる。
本発明の第１５の態様によれば、死角領域特定部は、前記死角領域を特定すると共に、前記存在可能度マップにおける前記死角領域の存在可能度を、前記死角領域の距離に基づいて設定する。
本発明の第１６の態様によれば、仮想可動物記録部は、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定すると共に、前記仮想可動物が存在する前記死角領域の距離に基づいて、前記仮想可動物の種類を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する。
本発明の第１７の態様によれば、前記仮想可動物記録部は、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物が前記死角領域から飛び出したときに自装置を搭載した移動物と衝突するように、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する。
本発明の第１８の態様によれば、仮想可動物記録部は、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物が前記死角領域から飛び出したときに自装置を搭載した移動物と衝突することが想定される位置に最も近い、前記死角領域内の位置を、前記仮想可動物の位置として想定すると共に、前記仮想可動物が前記死角領域から飛び出したときに自装置を搭載した移動物と衝突するように、前記仮想可動物の動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する。
本発明の第１９の態様は、検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出するステップと、前記検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するステップと、前記検出対象範囲から、可動物が存在し得る死角領域を特定するステップと、前記特定された死角領域内に存在すると想定される仮想可動物を生成するステップと、前記生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録するステップと、前記仮想可動物の移動状態分布に基づいて、前記仮想可動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記仮想可動物の将来の位置分布を予測するステップと、を含む。
以上説明したように、本発明の一態様である移動物予測装置、プログラム、及び移動物予測方法によれば、移動物の移動状態分布に基づいて、位置分布を移動させると共に、走路区分の領域及び静止物の領域に対して移動物の存在可能度を与えた存在可能度マップに基づいて位置分布を変更することにより、様々な状況において、移動物の将来の位置を精度よく予測することができる、という効果が得られる。
また、本発明の一態様である仮想可動物予測装置、プログラム、及び仮想可動物予測方法によれば、死角領域内に存在すると想定される仮想可動物について、想定される移動状態分布に基づいて、位置分布を移動させると共に、走路区分の領域及び静止物の領域に対して移動物の存在可能度を与えた存在可能度マップに基づいて位置分布を変更することにより、様々な状況において、仮想可動物の将来の位置を精度よく予測することができる、という効果が得られる。
本発明の第１の実施の形態に係る衝突危険判定装置を示すブロック図である。 走行環境の例を示すイメージ図である。 初期状態における局所地図情報を示すイメージ図である。 レーザレーダによる検出結果が記録された局所地図情報を示すイメージ図である。 走行環境の例を示すイメージ図である。 歩行者に対する存在可能度を表わす存在可能度マップの例を示すイメージ図である。 自車両に対する存在可能度を表わす存在可能度マップの例を示すイメージ図である。 歩行者に対する存在可能度を定めたテーブルの例を示す図である。 自車両に対する存在可能度を定めたテーブルの例を示す図である。 存在可能度マップ上に移動物粒子を配置した様子を示す図である。 移動及び変更された移動物粒子の配置を示す図である。 移動及び変更された移動物粒子の配置を示す図である。 平均速度に応じた速度共分散行列を定めたテーブルの例を示す図である。 ＩＦ−ＴＨＥＮルールの例を示す図である。 本発明の第１の実施の形態に係る衝突危険判定装置における局所地図生成処理ルーチンの内容を示すフローチャートである。 本発明の第１の実施の形態に係る衝突危険判定装置における危険判定処理ルーチンの内容を示すフローチャートである。 本発明の第２の実施の形態に係る衝突危険判定装置を示すブロック図である。 位置分布の例を示すイメージ図である。 速度分布の例を示すイメージ図である。 位置分布が移動する様子を示すイメージ図である。 移動後の位置分布に対する重み付けを説明するための図である。 本発明の第３の実施の形態に係る衝突危険判定装置における危険判定処理ルーチンの内容を示すフローチャートである。 定点観測を行っている様子を示す図である。 データベースの例を示す図である。 周辺情報入力と想定出力とを格納したテーブルを示す図である。 ニューラルネットワークを示す図である。 本発明の第７の実施の形態に係る衝突危険判定装置を示すブロック図である。 死角領域を説明するための図である。 死角距離と存在可能度との対応を示す図である。 死角距離と仮想可動物の種類との対応を示す図である。 想定される仮想可動物の位置及び速度を算出する方法を説明するための図である。 本発明の第７の実施の形態に係る衝突危険判定装置における危険判定処理ルーチンの内容を示すフローチャートである。 想定される仮想可動物の位置及び速度を算出する方法を説明するための図である。
以下、図面を参照して本発明の実施の形態を詳細に説明する。なお、本実施の形態では、車両に搭載された衝突危険判定装置に、本発明を適用した場合を例に説明する。
図１に示すように、第１の実施の形態に係る衝突危険判定装置１０は、判定対象範囲である自車両の前方に対してレーザを１次元（水平方向）に走査しながら照射し、レーザの反射によりレーザが照射された物体の２次元位置を検出するレーザレーダ１２と、自車両の運動状態を検出する運動センサ１４と、自車両の前方を撮影するカメラ１８と、判定対象物である自車両の位置を検出するＧＰＳ装置２０と、これらの検出結果に基づいて、現在の自車両から見た前方の静止物の存在を記録した局所地図情報を生成すると共に、移動物との衝突の危険性を判定し、衝突の危険性がある場合に、警報装置２４によって警報を行うコンピュータ２２とを備えている。
また、レーザレーダ１２は、車両前方に設置され、装置を基準とする車両前方に存在する物体までの距離を検出する装置である。レーザレーダ１２は、出力するレーザを水平方向に走査することで、レーザの反射により自車両前方に存在する複数の物体表面上の複数の点の位置を検出することができる。レーザレーダ１２による検出結果は、自車両前方に存在する物体表面のある点の位置を表す２次元座標の集合である。レーザレーダ１２による検出処理は一定サイクルで実行される。レーザレーダ１２は、各時点での自車両前方に存在する物体表面の複数の点の２次元位置を示すデータをコンピュータ２２に出力する。なお、レーザレーダ１２は、物体位置検出部の一例である。
運動センサ１４は、自車両の速度を計測する車速センサ、ヨーレートを計測するジャイロセンサ、又は自車両の加速度を計測する加速度センサで構成されている。
カメラ１８は、小型のＣＣＤカメラ又はＣＭＯＳカメラで構成され、車両の前方を撮影するように車両のフロントウィンドウ上部等に取り付けられている。カメラ１８で撮影された前方の道路状況等の画像データは、コンピュータ２２に入力される。
コンピュータ２２は、ＣＰＵ、後述する局所地図生成処理ルーチン及び危険判定処理ルーチンの各々を実行するためのプログラムを記憶したＲＯＭ、データ等を記憶するＲＡＭ、及びこれらを接続するバスを含んで構成されている。このコンピュータ２２をハードウエアとソフトウエアとに基づいて定まる機能実現手段毎に分割した機能ブロックで説明すると、図１に示すように、レーザレーダ１２により検出された物体の２次元位置を取得する物体位置取得部３０と、運動センサ１４により検出された車速、ヨーレート、又は加速度に基づいて、自車両の運動を推定する自車運動推定部３２と、自車両の運動に基づいて、一時刻前までの局所地図情報を現在の自車両から見た座標系の局所地図情報に更新する局所地図更新部３４と、検出された現在の物体の２次元位置に基づいて、更新された局所地図情報における静止物の存在確率を変更する存在確率変更部３６と、を備えている。なお、存在確率変更部３６は、静止物記録部の一例である。
自車運動推定部３２は、局所地図情報が前回更新されてから現在までの間における、運動センサ１４により検出された車速、ヨーレート、又は加速度に基づいて、局所地図情報が前回更新されてから現在までの自車両の運動を推定する。
局所地図更新部３４は、一時刻前までに更新された局所地図情報を、推定された自車両の運動に従って、現在の自車から見た座標系へと変換することで、現在の自車両から見た前方領域を表わす局所地図情報を生成する。また、局所地図更新部３４は、局所地図情報の更新を繰り返し行う。局所地図情報は、図２Ｂに示すように、自車両前方の一定領域内を、一定の大きさの格子（ブロック）によって分割した複数のブロックで表される地図である。各ブロックにはその位置に静止物が存在する確率が記録され、初期状態では、図２Ｂに示すように、存在確率として初期値である０.５（中間値）が記録されている。
存在確率変更部３６は、局所地図更新部３４により局所地図情報が更新される毎に、物体位置取得部３０によって取得された現在の物体の２次元位置それぞれに基づいて、更新された局所地図情報において、その物体の２次元位置に対応するブロックの存在確率を増加させる。また、存在確率変更部３６は、自車両からその物体の２次元位置までの直線上に存在する各ブロックの存在確率を減少させる。このように存在確率を変更することにより、一定期間以上、対応する位置で物体が検出されたブロックの存在確率は高くなり、物体が一時的にしか検出されないブロックの存在確率は低くなる。図２Ａに示すような走行環境である場合、図２Ｃに示すように、例えば、静止物が確実に存在する位置のブロックには存在確率として１（最大値）が記録され、静止物が存在しない位置のブロックには存在確率として０（最小値）が記録される。また、他の物体によって隠されているなどの原因によって、その位置の情報が得られていないブロック（死角領域のブロック）には、存在確率として初期値である０.５（中間値）が記録される。
この結果、多くの移動物が存在する走行環境においても、比較的長時間同じ位置に観測される路側物などの静止物のみを安定して検出可能である。また、現在までレーザレーダ１２により観測できていない部分（不可視領域）も、存在確率が初期値（０.５）のままのブロックとして検出可能である。また、レーザレーダ１２の計測点がほとんど得られない遠方領域は、初期値から変化しないので、死角領域とみなすことができる。
また、コンピュータ２２は、電子地図を記憶した地図データベース３８と、カメラ１８によって撮影された前方画像、生成された局所地図情報、記憶された電子地図、及びＧＰＳ装置２０によって検出された自車両の位置に基づいて、自車両周辺の移動物、移動物の状態、及び走行環境の状況を検出する環境検出部４０と、検出された走行環境の状況に基づいて、移動物の種別毎に存在可能度を表わした存在可能度マップを生成するマップ生成部４２と、移動物を表わすデータとしての移動物粒子を複数生成すると共に、各移動物粒子に、移動物の移動状態分布に応じた移動状態を付与して、検出された移動物の位置の分布を表わすように存在可能度マップ上に配置する移動物生成部４４と、移動状態に基づいて、各移動物粒子を移動させる位置更新部４６と、存在可能度マップに基づいて消滅及び複製して移動物粒子の配置を変更する分布変更部４８と、各移動物の移動物粒子の配置に基づいて、自車両と移動物との衝突の危険性を判定して、判定結果を警報装置２４により出力する危険判定部５０とを備えている。
位置更新部４６、分布変更部４８、及び危険判定部５０による一連の処理は、繰り返し実行される。なお、環境検出部４０は、移動物検出部、領域検出部、及び移動環境検出部の一例である。また、位置更新部４６及び分布変更部４８は、予測部の一例である。危険判定部５０は、危険度算出部の一例である。
地図データベース３８に記憶されている電子地図には、道路形状や標識表示、建造物に関する情報が格納されている。
環境検出部４０は、ＧＰＳ装置２０によって検出された自車位置に基づいて、地図データベース３８の電子地図から、自車両周辺の走行区分（車線、歩道、横断歩道など）及び走路区分の領域や、標識表示（信号、一時停止など）、建造物に関する情報を検出する。また、地図データベース３８の電子地図から、自車両の周辺地域種別（スクールゾーン、商店街、住宅街など）や、道路属性（車線数、車線幅、中央分離帯の有無）を検出する。
また、環境検出部４０は、局所地図情報から、静止物（ガードレール、植込み、建物、駐停車車両など）が存在する領域を検出する。また、カメラ１８によって撮影された前方画像から、各静止物の高さを検出する。
また、環境検出部４０は、局所地図情報において、自車位置と静止物の位置とに基づいて、自車から見た静止物によって形成される死角領域を特定する。
また、環境検出部４０は、カメラ１８によって撮影された前方画像から、学習型のパターン認識技術（例えば、ＳＶＭ）によって、前方に存在する移動物の位置や大きさ、移動物の種類（例えば、歩行者、二輪車、自動車等）、動作状態（向き、歩様など）、及び移動状態（速度など）を検出すると共に、前方の道路における各種の走路区分の種別（車線、歩道、横断歩道、信号、一時停止線など）及び領域を検出する。なお、環境検出部４０は、連続する局所地図情報の時間差分をとることによって、移動している可動物と静止している可動物とを識別して、移動物が存在する領域を特定し、特定された移動物が存在する領域と、検出された移動物の種類とを対応付ける。
マップ生成部４２は、検出した走路区分の領域、静止物の領域、道路属性等に基づいて、移動物の種別毎に存在可能度マップを生成する。例えば、図３に示すような走行環境（車道は片側１車線であり、歩道と車道が高さ０．２［ｍ］の縁石によって区切られている）、及び歩道を歩行中の歩行者が存在する状況では、マップ生成部４２は、図４Ａに示すような、歩行者に対する存在可能度マップを生成する。また、マップ生成部４２は、図４Ｂに示すような、自車両に対する存在可能度マップを生成する。
存在可能度マップでは、各種走路区分の領域、及び静止物の領域に対して、存在可能度が与えられている。ここでは、存在可能度は、対象領域に対する歩行者、自車の存在し易さを０．０から１．０で表す。走路区分の存在可能度は、例えば、走路区分及び道路属性の組み合わせに応じて定められ、予めテーブルとして用意しておく。例えば、歩行者に対する存在可能度として、図５に示すようなテーブルを用意しておき、自車両に対する存在可能度として、図６に示すようなテーブルを用意しておく。
また、歩行者に対する静止物の領域の存在可能度は、静止物の高さｈ（［ｍ］）に応じて算出するものとし、例えば、以下の（１）式に従って、存在可能度が算出される。
存在可能度＝１．０−ｍｉｎ（ｈ，１．０） ・・・（１）
ただし、ｍｉｎ（ａ，ｂ）は、ａ，ｂのうち小さいものを返す関数である。
また、自車両に対する静止物の存在可能度として、例えば、０．０が与えられている。
移動物生成部４４は、存在可能度マップにおいて、特定された移動物が存在する領域を、粒子生成候補領域とし、死角領域も粒子生成候補領域とする。また、自車両が存在する領域も、粒子生成候補領域とする。また、移動物生成部４４は、予め設計された粒子総数となるように、乱数発生器を用いて、図７Ａに示すように、各粒子生成候補領域に対して複数の移動物粒子を生成して配置する。
また、移動物生成部４４は、検出した移動物の動作状態及び移動状態に基づき、移動物の移動状態を分布として設定する。移動物生成部４４は、移動状態として用いる物理量として、向きと、速度、加速度のいずれかもしくは両方とを設定する。
たとえば、歩行者の速度が大きい程、直進性が強く、移動の不確実性は低いと考えられるので、移動物生成部４４は、図８に示すような歩行者の平均速度に応じた分散・共分散のテーブルを利用して、移動物の移動状態の分布を設定する。また、歩行者の動作状態が、ふらふら・キョロキョロしている場合には、速度分散が大きくなるように移動状態の分布が設定される。
また、移動物生成部４４は、運動センサ１４によって検出された車速及び向きに基づいて、自車両の移動状態分布を生成する。
ここでは、自車に対しては移動の不確実性はないものとして、移動状態（速度）の共分散行列は０行列とする。また、歩行者の移動状態（速度）の共分散行列は、歩行者の移動の不確実性を表すものである。
また、各移動物粒子に対して、上記のように設定された移動物の移動状態の分布に基づいて、移動状態が各々決定される。
粒子生成候補領域に配置された移動物粒子には、自動車、二輪車、歩行者などの移動物の種類の検出結果のラベルや、設定された移動状態の分布に基づいて決定された移動状態の情報が併せて割り当てられる。なお、粒子総数は、コンピュータ２２の処理能力に応じて予め設定しておけばよい。
また、移動物を識別するための識別情報が、移動物粒子に割り当てられる。例えば、１つの移動物について生成された粒子生成候補領域に対しては、同じ識別情報が割り当てられた移動物粒子が生成される。
死角領域から生成された粒子生成候補領域の移動物粒子には、環境検出部４０の検出結果と、図９に示すような予め定められたＩＦ−ＴＨＥＮルールとに基づいて、自動車、二輪車、歩行者などの移動物の種類を示すラベルが割り当てられる。更に、移動物の種類に応じた予め定められた向き・速度・加速度などの移動状態分布に基づいて決定された移動状態を示す情報が、移動物粒子に割り当てる。例えば、道路形状が、片側１車線道路であり、死角領域が、駐車車両により形成されるものであり、かつ、死角領域に、横断歩道が含まれる場合には、歩行者のラベルが割り当てられた移動物粒子が配置される。
位置更新部４６は、各移動物粒子の位置を、移動物粒子に与えられた移動状態に基づいて移動させて、各移動物粒子の配置を１ステップ更新する。
分布変更部４８は、各移動物粒子を移動させた後に、移動地点の領域に与えられた存在可能度に応じて、移動物粒子を消滅・複製して、移動物粒子の再選択を行って、移動物の位置分布を変更する（存在し易さに応じて、移動物の移動に制約を与える）。
移動物粒子の再選択の時に、移動地点の領域に与えられた存在可能度ではなく、移動前後の領域に与えられた存在可能度の差または比を用いてもよい。
ここで、分布変更部４８が各移動物粒子を再選択する原理について説明する。
まず、更新処理により、各移動物粒子に割り当てられた移動状態に基づいて、各移動物粒子が遷移する。
そして、分布変更部４８は、遷移先の存在可能度が低いほど、高い確率で当該移動物粒子を消滅させる。次に、分布変更部４８は、消滅させた分だけ、移動物粒子を複製して、消滅していない他の移動物粒子の位置に重複するように配置し、又は、消滅していない他の移動物粒子の位置の周辺の位置（乱数を乗じた位置）に配置する。これによって、存在可能度が高い領域を中心に、移動物粒子が新たに生成される。また、全粒子数が一定になるように、上記の消滅及び複製が行われる。
例えば、安定した歩き方をしている歩行者であって、速度分散が小さい場合に、遷移先の存在可能度が低い領域を中心に移動物粒子は消滅し、遷移先の存在可能度が高い領域を中心に、移動物粒子が新たに生成されることにより、図７Ｂに示すように、移動物粒子の配置が変更され、横断歩道を渡らないことが表わされる。一方、ふらふら・キョロキョロしている歩行者であって、速度分散が大きい場合には、遷移先の存在可能度が低い領域を中心に移動物粒子は消滅し、遷移先の存在可能度が高い領域を中心に、移動物粒子が新たに生成されることにより、図７Ｃに示すように、移動物粒子の配置が変更され、横断歩道を渡ることが表わされる。
危険判定部５０は、分布変更部４８によって変更された各移動物の移動物粒子の配置に基づいて、自車両の移動物粒子と、他の移動物の移動物粒子とが重複する数をカウントし、カウントした数に基づいて、当該他の移動物との衝突確率を算出する。危険判定部５０は、算出された衝突確率が、閾値を超えた時に、衝突の危険性があると判定し、警報装置２４によって、重複した相手の移動物粒子の移動物の種類及び位置を、音や画像などの方法によって、ドライバに報知する。例えば、自車両の右前方で、歩行者と衝突する危険性がある場合には、音声により「右前方歩行者注意」と、ドライバに報知する。なお、重複した相手の移動物粒子の移動物に対して、警報装置２４により警報するようにしてもよい。
なお、自車以外の移動物同士の衝突回避の行動を模擬するために、自車との衝突確率を算出する前に、自車以外の移動物同士の衝突（移動物粒子の重複）を判定し、衝突が生じている場合には、衝突が生じている移動物の位置分布（移動物粒子の配置）を変更してもよい。また、次時刻の移動および衝突判定に備えて、自車と移動物との衝突確率の算出後に、衝突が生じている自車および移動物の位置分布（移動物粒子の配置）を変更してもよい。
次に、本実施の形態に係る衝突危険判定装置１０の作用について説明する。
まず、レーザレーダ１２によって、レーザが自車両の前方を水平方向に走査されて、走査方向に並んだレーザ照射位置としての物体の２次元位置の各々までの距離が計測され、自車両の前方に存在する物体の２次元位置が検出される。レーザレーダ１２によって検出される２次元位置は、レーザを走査する毎に得られる。
そして、コンピュータ２２によって、図１０に示す局所地図生成処理ルーチンが実行される。
まず、ステップ１００において、コンピュータ２２は、レーザレーダ１２から、前方に存在する物体の２次元位置（走査方向に並んだ各２次元位置までの計測距離）を示すデータを取得する。ステップ１０２において、コンピュータ２２は、一時刻前から現在までの間における、運動センサ１４により検出された車速、ヨーレート、又は加速度を取得し、取得した車速、ヨーレート、又は加速度に基づいて、一時刻前から現在までの自車両の運動を推定する。
そして、ステップ１０４において、コンピュータ２２は、後述するステップ１０６で前回更新された局所地図情報を、上記ステップ１０２で推定された自車両の運動に応じて、現在の自車両から見た座標系で表わされる局所地図情報に更新する。
次のステップ１０６では、コンピュータ２２は、上記ステップ１００で取得した自車両前方に存在する物体の２次元位置に基づいて、上記ステップ１０４で更新された局所地図情報において、自車両前方に存在する物体の２次元位置に対応するブロックの存在確率を増加させると共に、自車両から物体の２次元位置までの直線上に存在する各ブロックの存在確率を減少させる。これによって、コンピュータ２２は、現在物体が存在しない位置を地図上に記録する。そして、コンピュータ２２は、上記ステップ１００へ戻る。
上述したように、局所地図生成処理ルーチンが繰り返し実行されることにより、現在の自車両から見た静止物の位置が随時推定される。
なお、生成される局所地図情報は、上記局所地図生成処理ルーチンが所定回数繰り返されたときに有効とされるようにしてもよい。
また、コンピュータ２２によって、図１１に示す危険判定処理ルーチンが実行される。まず、ステップ１２０において、コンピュータ２２は、カメラ１８により撮影された前方画像及びＧＰＳ装置２０によって検出された自車両位置を取得する。次のステップ１２２では、コンピュータ２２は、上記ステップ１２０で取得した前方画像、自車両位置、及び地図データベース３８の電子地図に基づいて、自車両周辺の各種走路区分の領域及び道路属性を含む走行環境の状況を検出すると共に、周辺の移動物、移動物の動作状態、移動状態、移動物の種類、及び静止物の高さを検出する。
そして、ステップ１２４において、コンピュータ２２は、上述した局所地図生成処理ルーチンにより得られる現在の局所地図情報を取得する。次のステップ１２５では、コンピュータ２２は、上記ステップ１２４で取得した局所地図情報から、静止物が存在する領域を検出する。
そして、ステップ１２６において、コンピュータ２２は、上記ステップ１２２で検出された走路区分の領域、道路属性、及び上記ステップ１２５で検出された静止物が存在する領域と、移動物の種類毎に、走行区分の種類、道路属性、及び静止物に応じた存在可能度が定められたテーブルとに基づいて、存在可能度マップを生成する。
ステップ１３０では、コンピュータ２２は、上記ステップ１２６で生成された存在可能度マップにおいて、上記ステップ１２２で検出された移動物及び自車両に対する移動物粒子生成候補領域を設定すると共に、予め設定された粒子総数となるように、自車両を含む各移動物の移動物粒子を生成して、対応する移動物粒子生成候補領域に配置する。また、コンピュータ２２は、各移動物に対して、検出された動作状態及び移動状態に基づいて、移動状態分布を求め、求められた移動状態分布に基づいて、各移動物粒子に対して移動状態を各々決定して、各移動物粒子に移動状態を割り当てる。
次のステップ１３２では、コンピュータ２２は、予測ステップ数をカウントする変数ｎを、初期値１に設定する。
そして、ステップ１３４において、コンピュータ２２は、各移動物粒子を、割り当てられた移動状態に応じて移動させる。次のステップ１３６では、コンピュータ２２は、存在可能度マップの存在可能度に応じて、上記ステップ１３４により移動した移動物粒子の消滅及び複製を行い、移動物粒子の配置を変更する。ステップ１３８では、コンピュータ２２は、上記ステップ１３６で変更された、他の移動物の移動物粒子と、自車両の移動物粒子との重複頻度に基づいて、衝突危険度として、他の移動物との衝突確率を各々算出する。
そして、ステップ１４０では、コンピュータ２２は、上記ステップ１３８で算出された衝突確率が、閾値以上となる移動物が存在するか否かを判定する。該当する移動物が存在しない場合には、コンピュータ２２は、ステップ１４４へ移行する。一方、該当する移動物が存在する場合には、ステップ１４２において、コンピュータ２２は、該当する移動物の将来予測位置及び警告情報を警報装置２４に表示させて、ステップ１４４へ移行する。
ステップ１４４では、コンピュータ２２は、予測ステップを示す変数ｎが、将来予測時間に対応するステップ数Ｎに到達したか否かを判定する。変数ｎが、定数Ｎに到達していない場合には、ステップ１４６において、コンピュータ２２は、変数ｎをインクリメントして、上記ステップ１３４へ戻り、上記ステップ１３４以降の処理を繰り返す。一方、変数ｎが、定数Ｎに到達した場合には、コンピュータ２２は、危険判定処理ルーチンを終了する。
以上説明したように、第１の実施の形態に係る衝突危険判定装置によれば、移動物の移動状態分布に基づいて、各移動物粒子を移動させると共に、走路区分の領域及び静止物の領域に対して移動物の存在可能度を与えた存在可能度マップに基づいて各移動物粒子の配置を変更して、各移動物の位置分布を予測する。これによって、衝突危険判定装置は、様々な状況において、移動物の将来の位置を精度よく予測することができる。
他者との衝突危険度を推定する際には、移動物の将来位置予測が重要となる。移動物は、置かれている交通環境（静止障害物、歩道や車道、横断歩道などの走路区分など）に応じて、移動に制約を受ける。また、ドライバは、移動物の状態（向きや歩様など）により、将来位置の予測を変えている。このように、様々な交通状況の中での移動物の将来位置予測を実現するためには、想定すべき交通環境・移動物の状態の組み合わせが多く、予めそれらの組合せを用意しておくことは困難である。そこで、本実施の形態の衝突危険判定装置は、環境要因のみから決まる「場所に対する移動物の存在可能度」と、移動物の状態のみから決まる「移動物の移動の不確実性（移動状態分布）」とを独立に設定し、存在可能度マップ上で、移動物の移動状態分布に基づき移動物を移動させる。これによって、衝突危険判定装置は、様々な交通環境・移動物の状態の組合せを考慮した移動物の将来位置予測を行うことができる。また、衝突危険判定装置は、自車との衝突の程度を予測することで、様々な交通状況（道路環境と移動物状態の組合せからなる）における衝突危険度を推定することがきる。
また、交通環境の情報を手がかりとして、本来センサ情報が得られない死角領域にも移動物粒子を生成することで、死角領域に存在する移動物の存在を考慮した危険判定ができる。
また、粒子の総数を可変とすることで、処理するコンピータの能力に応じて危険判定の精度を調整することができる。
また、粒子総数が常に一定値であるため、走行環境の状況の複雑さに依存しない計算効率を確保することができる。
次に、第２の実施の形態に係る衝突危険判定装置について説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
第２の実施の形態では、路側の装置において、移動物の将来分布を予測して、衝突する危険性を判定している点が、第１の実施の形態と主に異なっている。
第２の実施の形態に係る衝突危険度判定装置は、路側に固定して設置されており、例えば、主要交差点に設置されている。図１２に示すように、衝突危険度判定装置２１０は、判定対象範囲である自装置の前方に対してレーザを１次元（水平方向）に走査しながら照射し、レーザの反射によりレーザが照射された物体の２次元位置を検出するレーザレーダ１２と、自装置の前方を撮影するカメラ１８と、自装置の位置を検出するＧＰＳ装置２０と、これらの検出結果に基づいて、現在の自装置から見た前方の静止物の存在を記録した局所地図情報を生成すると共に、移動物の将来の位置を予測し、予測結果に応じて衝突する危険性があると判定された場合に、警告メッセージを表示させる表示装置を搭載した車両において警告メッセージを表示させる指令を通信装置２２４に送信させるコンピュータ２２２とを備えている。
コンピュータ２２２は、物体位置取得部３０と、検出された現在の物体の２次元位置に基づいて、自装置から見た座標系の局所地図情報における静止物の存在確率を変更する存在確率変更部２３６と、を備えている。
また、コンピュータ２２２は、地図データベース３８と、自装置周辺の移動物及び走行環境の状況を検出する環境検出部４０と、マップ生成部４２と、移動物生成部４４と、位置更新部４６と、分布変更部４８と、各移動物の移動物粒子の配置に基づいて、各移動物について、他の移動物と衝突する危険性を判定し、表示装置を搭載した車両において判定結果を表示させるように指令を通信装置２２４により送信させる危険判定部２５０とを備えている。
次に、第２の実施の形態に係る局所地図情報処理ルーチンでは、コンピュータ２２２は、レーザレーダ１２から、前方に存在する物体の２次元位置を示すデータを取得する。次に、コンピュータ２２２は、取得した自装置前方に存在する物体の２次元位置に基づいて、局所地図情報において、自装置前方に存在する物体の２次元位置に対応するブロックの存在確率を増加させると共に、自装置から物体の２次元位置までの直線上に存在する各ブロックの存在確率を減少させる。これにより、コンピュータ２２２は、現在物体が存在しない位置を地図上に記録する。そして、コンピュータ２２２は、最初の処理へ戻る。
上述したように、局所地図生成処理ルーチンが繰り返し実行されることにより、現在の自装置から見た静止物の位置が随時推定される。
また、第２の実施の形態に係る危険判定処理ルーチンでは、まず、コンピュータ２２２は、カメラ１８により撮影された前方画像及びＧＰＳ装置２０によって検出された自装置位置を取得する。次に、コンピュータ２２２は、上記で取得した前方画像、自装置位置、及び地図データベース３８の電子地図に基づいて、自装置周辺の各種の走路区分の領域及び道路属性を含む走行環境の状況を検出すると共に、周辺の移動物、移動物の動作状態、移動状態、移動物の種類、及び静止物の高さを検出する。
そして、コンピュータ２２２は、上述した局所地図生成処理ルーチンにより得られる現在の局所地図情報を取得する。次に、コンピュータ２２２は、取得した局所地図情報に基づいて、静止物の領域を検出し、上記で検出した各種走路区分の領域、道路属性、及び上記で検出した静止物の領域に基づいて、静止物の領域及び走路区分の領域に存在可能度を与えた存在可能度マップを生成する。
そして、コンピュータ２２２は、上記で生成された存在可能度マップにおいて、上記で検出された移動物に対する移動物粒子生成候補領域を設定すると共に、予め設定された粒子総数となるように、各移動物の移動物粒子を生成して、対応する移動物粒子生成候補領域に配置する。また、コンピュータ２２２は、各移動物に対して移動状態分布を求め、求められた移動状態分布に基づいて、各移動物粒子に対して移動状態を決定して、移動状態を割り当てる。
次に、コンピュータ２２２は、予測ステップ数をカウントする変数ｎを、初期値１に設定する。そして、コンピュータ２２２は、各移動物粒子を、割り当てられた移動状態に応じて移動させる。次に、コンピュータ２２２は、存在可能度マップの存在可能度に応じて、上記で移動した移動物粒子の消滅及び複製を行い、移動物粒子の配置を変更する。そして、コンピュータ２２２は、各移動物を判定対象として、上記で変更された、判定対象の移動物の移動物粒子と、他の移動物の移動物粒子との重複頻度に基づいて、衝突危険度として、他の移動物との衝突確率を各々算出する。
次に、コンピュータ２２２は、上記で算出された衝突確率が、閾値以上となる移動物が存在するか否かを判定する。該当する移動物が存在する場合には、コンピュータ２２２は、判定対象の移動物に搭載された表示装置に、該当する移動物の将来予測位置及び警告情報を表示させる指令を、通信装置２２４により当該判定対象の移動物へ送信する。
コンピュータ２２２は、予測ステップを示す変数ｎが、将来予測時間に対応するステップ数Ｎに到達するまで、上記の処理を繰り返し、変数ｎが、定数Ｎに到達した場合には、危険判定処理ルーチンを終了する。
以上説明したように、第２の実施の形態に係る衝突危険判定装置によれば、路側の装置で、様々な状況に対して、周辺の各移動物の将来の位置を精度よく予測することができる。また、衝突危険判定装置は、周辺の移動体同士の衝突の程度を予測することで、様々な交通状況における衝突危険度を推定することができる。
次に、第３の実施の形態に係る衝突危険判定装置について説明する。なお、第３の実施の形態に係る衝突危険判定装置の構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
第３の実施の形態では、各移動物の位置分布及び移動状態の分布を、正規分布で表している点が、第１の実施の形態と主に異なっている。
第３の実施の形態に係る衝突危険判定装置では、移動物生成部４４によって、環境検出部４０によって検出された移動物の位置及び大きさに基づいて、図１３Ａに示すように、移動物の位置を、自車中心ｘ−ｙ座標空間での２次元正規分布（平均ベクトルと分散行列）で表現し、移動物の位置分布を表わす移動物データを生成する。移動物生成部４４は、生成した移動物データを、存在可能度マップ上に記録する。なお、移動物生成部４４は、位置の平均ベクトルとして、観測値（検出された移動物の位置）を用い、位置の共分散行列を、検出された移動物の大きさに基づき設定する。
また、移動物生成部４４は、環境検出部４０によって検出された移動物の動作状態及び移動状態に基づいて、図１３Ｂに示すように、移動物の速度を、自車中心ｘ−ｙ座標空間での２次元正規分布（平均ベクトルと分散行列）で表現し、存在可能度マップ上に記録された移動物データに割り当てる。なお、移動物生成部４４は、速度の平均ベクトルとして、環境検出部４０による歩行者検出結果（動作状態、移動状態）から推定したものを用いる。また、移動物生成部４４は、歩行者の平均速度に応じた上記図８に示すような分散・共分散のテーブルを利用して、速度の共分散行列を設定する。
また、移動物生成部４４は、運動センサ１４によって検出された車速に基づいて、自車両の速度分布を生成し、自車両の位置分布及び速度分布を表わす移動物データを生成し、存在可能度マップ上の自車位置に記録する。
移動物の位置分布は、以下の（２）式によって表される。
ただし、μｐｏｓは、位置平均ベクトルであり、以下の（３）式によって表され、Σｐｏｓは、位置共分散行列であり、以下の（４）式によって表される。
また、速度分布は、以下の（５）式によって表される。
ただし、μｖｅｌは、速度平均ベクトルであり、以下の（６）式によって表され、Σｖｅｌは、速度共分散行列であり、以下の（７）式によって表される。
移動物生成部４４は、存在可能度マップにおいて、環境検出部４０によって特定された死角領域内にも、移動物データを記録する。
死角領域内に記録される移動物データには、環境検出部４０の検出結果と、上記図９に示すような予め定められたＩＦ−ＴＨＥＮルールに基づいて、自動車、二輪車、歩行者などの移動物の種類を示すラベルが割り当てられる。更に、移動物データには、移動物の種類に応じて予め定められた位置分布及び速度分布が割り当てられる。
位置更新部４６は、図１４に示すように、移動物の位置分布及び速度分布を用いて、Δｔ秒後の移動物の位置分布を線形予測によって求める。
更新後の位置分布の位置平均ベクトルμｐｏｓ’及び位置共分散行列Σｐｏｓ’は、以下の（８）式、（９）式で表される。
分布変更部４８は、後段の危険判定部５０における衝突確率の算出のために、移動後の位置分布の各点（位置）における確率密度を、図１５に示すように、対応する領域に与えられた存在可能度により重み付けを行う。なお、存在可能度による重み付けの際に、移動地点の領域に与えられた存在可能度ではなく、移動前後の領域に与えられた存在可能度の差または比を用いて重み付けを行ってもよい。
例えば、移動後の歩行者の位置分布を、以下の（１０）式とし、位置ｘにおける歩行者の存在可能度を、Ｅｘｉｓｔｐｅｄ（ｘ）とする。
このとき、存在可能度で重み付けした位置分布Ｐｅｄ’（ｘ）は、以下の（１１）式で表される。
上記（１１）式のままでは、対象領域に全体に渡り位置分布を積分した値が１とならない場合があるので、積分値が１となるように、以下の（１２）式のように正規化する。
上記で求めた変更後の位置分布は衝突判定時にのみ用い、次時刻での移動物の移動の際には、変更前の位置分布を用いる。
危険判定部５０は、自車両の位置分布と、他の移動物の位置分布とを用いて、危険度として衝突確率を算出する。衝突確率は、同一将来時刻における同一位置に存在する確率（同時確率）であり、以下のようにして求められる。
同時確率（衝突確率）は、自車と他の移動物の位置分布を掛け合わせたものを、衝突範囲に渡って積分した値として求めることができる（一般にこの積分値は数値積分によって求める）。本実施例では、積分範囲として、存在可能度マップの全体を用いる。
移動物の位置分布の移動及び変更の結果、自車両の位置分布は、上記（１２）式と同様に、以下の（１３）式に示すように、存在可能度で重み付けした位置分布を正規化して表わされている。
ただし、Ｅｇｏ（ｘ）は、上記（２）式と同様に表わされる自車両の位置分布である。また、Ｅｘｉｓｔｅｇｏ（ｘ）は、位置ｘにおける自車両の存在可能度である。
また、他の移動物の位置分布は、上記（１２）式で表されており、求める積分値は、自車両および他の移動物の位置分布の全ての組合せの積分値の和として、以下の（１４）式に従って求める。
ただし、Ｄは、積分範囲（２次元領域）であり、存在可能度マップの全領域である。
また、危険判定部５０は、算出した衝突確率が、閾値以上であるか否かを判定する。衝突確率が閾値以上となる移動物が存在する場合には、危険判定部５０は、当該移動物の将来予測位置及び警告情報等を、警報装置２４に表示させて、ドライバに注意喚起を行う。
位置更新部４６、分布変更部４８、及び危険判定部５０による一連の処理は、予め設定された予測時間分だけ繰り返し実行され、各予測ステップにおいて、各移動物について、位置分布を移動させると共に、存在可能度に応じて、位置分布の変更が行われる。また、各予測ステップにおいて、自車両と各移動物との衝突確率が算出され、衝突確率が閾値以上となった場合には、その予測ステップにおける当該移動物の将来予測位置、及び危険度情報等が警報装置２４によって表示される。
次に、第３の実施の形態に係る衝突危険度判定装置の作用について説明する。
まず、レーザレーダ１２によって、レーザが自車両の前方を水平方向に走査されて、自車両の前方に存在する物体の２次元位置が検出され、そして、コンピュータ２２によって、上記図１０に示す局所地図生成処理ルーチンが実行される。局所地図生成処理ルーチンが繰り返し実行されることにより、現在の自車両から見た静止物の位置が随時推定される。
また、コンピュータ２２によって、図１６に示す危険判定処理ルーチンが実行される。なお、第１の実施の形態と同様の処理については、同一符号を付して説明を省略する。
まず、ステップ１２０において、コンピュータ２２は、カメラ１８により撮影された前方画像及びＧＰＳ装置２０によって検出された自車両位置を取得する。次のステップ１２２では、コンピュータ２２は、自車両周辺の各種の走路区分の領域及び道路属性を含む走行環境の状況を検出すると共に、周辺の移動物、移動物の動作状態、移動状態、移動物の種類、及び静止物の高さを検出する。
そして、ステップ１２４において、コンピュータ２２は、現在の局所地図情報を取得する。次のステップ１２５では、コンピュータ２２は、静止物が存在する領域を検出する。そして、ステップ１２６において、コンピュータ２２は、存在可能度マップを生成する。
ステップ３００では、コンピュータ２２は、上記ステップ１２２で検出した移動物の動作状態、移動状態、及び運動センサ１４の検出結果に基づいて、自車両も含む移動物の位置分布及び速度分布を表わす移動物データを生成して、存在可能度マップ上に記録する。
次のステップ１３２では、コンピュータ２２は、予測ステップ数をカウントする変数ｎを、初期値１に設定する。
そして、ステップ３０２において、コンピュータ２２は、上記ステップ３００又は前回のステップ３０２で得られた位置分布及び速度分布に基づいて、自車両も含む各移動物について、予測ステップｎにおける移動物の位置分布を予測して、各移動物の位置分布を移動する。
次のステップ３０４では、コンピュータ２２は、存在可能度マップの存在可能度に応じて、上記ステップ３０２により移動した各移動物の位置分布を変更する。ステップ３０６では、コンピュータ２２は、上記ステップ３０４で変更された、他の移動物の位置分布と、自車両の位置分布とに基づいて、衝突危険度として、他の移動物との衝突確率を各々算出する。
そして、ステップ１４０では、コンピュータ２２は、上記ステップ３０６で算出された衝突確率が、閾値以上となる移動物が存在するか否かを判定する。該当する移動物が存在しない場合には、コンピュータ２２は、ステップ１４４へ移行する。一方、該当する移動物が存在する場合には、ステップ１４２において、コンピュータ２２は、該当する移動物の将来予測位置及び警告情報を警報装置２４に表示させて、ステップ１４４へ移行する。
ステップ１４４では、コンピュータ２２は、予測ステップを示す変数ｎが、将来予測時間に対応するステップ数Ｎに到達したか否かを判定する。変数ｎが、定数Ｎに到達していない場合には、ステップ１４６において、コンピュータ２２は、変数ｎをインクリメントして、上記ステップ３０２へ戻り、上記ステップ３０２以降の処理を繰り返す。一方、変数ｎが、定数Ｎに到達した場合には、コンピュータ２２は、危険判定処理ルーチンを終了する。
以上説明したように、第３の実施の形態に係る衝突危険度判定装置によれば、移動物の移動状態分布に基づいて、移動物の位置分布を移動させると共に、走路区分の領域及び静止物の領域に対して移動物の存在可能度を与えた存在可能度マップに基づいて移動物の位置分布を変更して、移動物の位置分布を予測する。これにより、衝突危険度判定装置は、様々な状況において、移動物の将来の位置を精度よく予測することができる。また、衝突危険度判定装置は、自車との衝突の程度を予測することで、様々な交通状況（道路環境と移動物状態の組合せからなる）における衝突危険度を推定することができる。
次に、第４の実施の形態に係る衝突危険判定装置について説明する。なお、第４の実施の形態に係る衝突危険判定装置の構成は、第２の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
第４の実施の形態では、路側の装置において、移動物の将来分布を予測して、衝突する危険性を判定している点が、第３の実施の形態と主に異なっている。
第４の実施の形態に係る衝突危険度判定装置２１０は、路側に固定して設置されており、例えば、主要交差点に設置されている。
コンピュータ２２２の移動物生成部４６、位置更新部４６、及び分布変更部４８は、上記の第３の実施の形態と同様である。また、危険判定部２５０は、各移動物の位置分布に基づいて、各移動物について、他の移動物と衝突する危険性を判定し、表示装置を搭載した車両において判定結果を表示させるように指令を通信装置２２４により送信させる。
次に、第４の実施の形態に係る局所地図情報処理ルーチンは、上記の第２の実施の形態に係る局所地図情報処理ルーチンと同様であるため、説明を省略する。
また、第４の実施の形態に係る危険判定処理ルーチンでは、まず、コンピュータ２２２は、カメラ１８により撮影された前方画像及びＧＰＳ装置２０によって検出された自装置位置を取得する。次に、コンピュータ２２２は、上記で取得した前方画像、自装置位置、及び地図データベース３８の電子地図に基づいて、自装置周辺の各種の走路区分の領域及び道路属性を含む走行環境の状況を検出すると共に、周辺の移動物、移動物の動作状態、移動物の種類、及び静止物の高さを検出する。
そして、コンピュータ２２２は、上述した局所地図生成処理ルーチンにより得られる現在の局所地図情報を取得する。次に、コンピュータ２２２は、取得した局所地図情報に基づいて、静止物の領域を検出する。コンピュータ２２２は、上記で検出した各種走路区分の領域、道路属性、及び上記で検出した静止物の領域に基づいて、静止物の領域及び走路区分の領域に存在可能度を与えた存在可能度マップを生成する。
そして、コンピュータ２２２は、上記で検出された各移動物に対する位置分布及び速度分布を表わす移動物データを生成して、上記で生成された存在可能度マップ上に記録する。
次に、コンピュータ２２２は、予測ステップ数をカウントする変数ｎを、初期値１に設定する。そして、コンピュータ２２２は、各移動物の位置分布を、割り当てられた速度分布に応じて移動させる。次に、コンピュータ２２２は、存在可能度マップの存在可能度に応じて重み付けすることにより、上記で移動した移動物の位置分布を変更する。そして、コンピュータ２２２は、各移動物を判定対象として、上記で変更された、判定対象の移動物の位置分布と、他の移動物の位置分布とに基づいて、衝突危険度として、他の移動物との衝突確率を各々算出する。
次に、コンピュータ２２２は、上記で算出された衝突確率が、閾値以上となる移動物が存在するか否かを判定する。該当する移動物が存在する場合には、コンピュータ２２２は、判定対象の移動物に搭載された表示装置に、該当する移動物の将来予測位置及び警告情報を表示させる指令を、通信装置２２４により当該判定対象の移動物へ送信する。
コンピュータ２２２は、予測ステップを示す変数ｎが、将来予測時間に対応するステップ数Ｎに到達するまで、上記の処理を繰り返し、変数ｎが、定数Ｎに到達した場合には、危険判定処理ルーチンを終了する。
以上説明したように、第４の実施の形態に係る衝突危険判定装置によれば、路側の装置で、様々な状況に対して、移動物の将来の位置を精度よく予測することができる。また、衝突危険判定装置は、周辺の移動体同士の衝突の程度を予測することで、様々な交通状況における衝突危険度を推定することがきる。
次に、第５の実施の形態に係る衝突危険判定装置について説明する。なお、第５の実施の形態に係る衝突危険判定装置の構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
第５の実施の形態では、死角領域の位置に基づいて、死角領域内に配置される移動物粒子の移動物の種類を推定している点が、第１の実施の形態と異なっている。
第５の実施の形態に係る衝突危険判定装置の移動物生成部４４では、死角領域から生成された粒子生成候補領域の移動物粒子に対して、以下に示すように、死角領域の位置に基づいて、自動車、二輪車、歩行者などの移動物の種類を示すラベルを割り当てる。
例えば、予め定点観測により、その場所での移動物の出現頻度を記録して蓄積しておく。事故の多い交差点などで、図１７に示すように、カメラ撮影等による方法で、季節・時間帯等で層別して、車道・歩道を道なりに通過あるいは横断する移動物の種類を記録して、図１８に示すように、移動方向、移動物の種類、及び頻度が格納されたデータベースを、各位置について生成しておく。
移動物生成部４４は、死角領域の位置について生成されたデータベースに基づいて、出現頻度の高い移動物の種類を特定し、死角領域内に生成された粒子生成候補領域の移動物粒子に対して、特定された移動物の種類を示すラベルを割り当てる。また、移動物生成部４４は、特定された移動物の種類に応じて予め定められた移動状態分布に基づいて、移動状態を決定して、移動物粒子に割り当てる。
なお、第５の実施の形態に係る衝突危険判定装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
また、上記の実施の形態で説明した、死角領域内に想定される移動物の種類の推定方法を、上記の第３の実施の形態に適用してもよい。この場合には、死角領域内に記録される移動物データに、推定された移動物の種類や、移動物の種類に応じた位置分布及び速度分布を割り当てればよい。
次に、第６の実施の形態に係る衝突危険判定装置について説明する。なお、第６の実施の形態に係る衝突危険判定装置の構成は、第１の実施の形態と同様の構成となるため、同一符号を付して説明を省略する。
第６の実施の形態では、学習モデルに基づいて、死角領域の周辺情報から、死角領域内に配置される移動物粒子の移動物の種類を推定している点が、第１の実施の形態と異なっている。
第６の実施の形態に係る衝突危険判定装置の移動物生成部４４では、死角領域から生成された粒子生成候補領域の移動物粒子に対して、以下に示すように、学習モデルに基づいて、自動車、二輪車、歩行者などの移動物の種類を示すラベルを割り当てる。
まず、学習モデルに、死角領域の周辺情報と、想定すべき移動物の種類の写像関係を学習させる。例えば、専門家（例えば運転指導員）に対して、交通場面の写真・映像などを提示したり、同乗による聞き取り調査を行ったりして、死角領域に何を想定すべきかを回答してもらい、事後的にセンサ情報を集計して、死角領域の周辺情報を求める。そして、図１９に示すような、周辺情報入力の各種項目（死角生成物、自車と死角領域との位置関係、横断歩道の有無、信号機の有無、一時停止線の有無、追い越し規制の有無、制限速度、道路規模、交差点の有無、歩道の有無、バリアの有無、道路線形、自車速など）と想定出力の項目（死角領域に想定すべき移動物の種類）とからなるテーブルを作成する。
そして、図２０に示すように、ニューラルネットワークを使用して、死角領域の周辺情報の各種項目と、死角領域に想定すべき移動物の種類との写像関係を予め学習させておく。なお、構造を固定した線形回帰モデルや、決定木、ベイジアンネットワーク等を使用して学習するようにしてもよい。
移動物生成部４４は、環境検出部４０による検出結果から得られる死角領域の周辺情報を入力として、ニューラルネットワークから出力される、死角領域に想定すべき移動物の種類を取得し、死角領域内に生成された粒子生成候補領域の移動物粒子に対して、当該移動物の種類を示すラベルを割り当てる。また、移動物生成部４４は、特定された移動物の種類に応じて予め定められた移動状態分布に基づいて、移動状態を決定して、移動物粒子に割り当てる。
なお、第６の実施の形態に係る衝突危険判定装置の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
また、上記の実施の形態で説明した、死角領域内に想定される移動物の種類の推定方法を、上記の第３の実施の形態に適用してもよい。この場合には、死角領域内に記録される移動物データに、推定された移動物の種類や、移動物の種類に応じた位置分布及び速度分布を割り当てればよい。
次に、第７の実施の形態に係る衝突危険判定装置について説明する。なお、第１の実施の形態と同様の構成となる部分については、同一符号を付して説明を省略する。
第７の実施の形態では、可動物が存在し得る死角領域内に仮想可動物を想定して、移動物粒子を配置している点が、第１の実施の形態と異なっている。
図２１に示すように、第７の実施の形態に係る衝突危険判定装置７１０のコンピュータ７２２は、物体位置取得部３０と、自車運動推定部３２と、局所地図更新部３４と、存在確率変更部３６と、地図データベース３８と、環境検出部４０と、マップ生成部４２と、可動物が存在し得る死角領域を特定する死角領域特定部７４２と、特定された死角領域内に、仮想可動物を表わすデータとしての移動物粒子を複数生成すると共に、各移動物粒子に、想定される仮想可動物の移動状態分布に応じた移動状態を付与して、想定される仮想可動物の位置の分布を表わすように存在可能度マップ上に移動物粒子を配置する仮想可動物生成部７４３と、移動物生成部４４と、位置更新部４６と、分布変更部４８と、危険判定部５０とを備えている。なお、仮想可動物生成部７４３が、仮想可動物生成部及び仮想可動物記録部の一例である。
死角領域特定部７４２は、環境検出部４０によって検出された、局所地図情報における自車から見た静止物によって形成される死角領域と、地図データベースとに基づいて、図２２に示すように、可動物が存在可能な死角領域を特定する。また、死角領域特定部７４２は、特定された死角領域に対し、存在可能度マップにおいて、当該死角領域の死角距離ｄ（死角領域が道路である場合には死角領域は道路幅を示す。）に基づいて、図２３に示すように、歩行者の存在可能度、及び車両の存在可能度を設定する。すなわち、死角領域特定部７４２は、死角距離ｄが閾値Ｄｘ１以下である場合には、歩行者の存在可能度を１．０に設定し、死角距離ｄが閾値Ｄｘ１より大きい場合には、歩行者の存在可能度を０．８に設定する。これによって、死角領域特定部７４２は、死角距離ｄが小さいほど、歩行者の存在可能度を高く設定することができる。また、死角領域特定部７４２は、死角距離ｄが閾値Ｄｘ１以下である場合には、車両の存在可能度を０．２に設定し、死角距離ｄが閾値Ｄｘ１より大きい場合には、車両の存在可能度を１．０に設定する。これによって、死角領域特定部７４２は、死角距離ｄが大きいほど、車両の存在可能度を高く設定することができる。なお、死角領域の死角距離ｄについては、ナビゲーションシステムの道路幅情報データベースを用いて求めてもよい。
仮想可動物生成部７４３は、存在可能度マップにおいて、特定された可動物が存在可能な死角領域を、粒子生成候補領域とする。仮想可動物生成部７４３は、予め設計された粒子総数となるように、乱数発生器を用いて、死角領域の粒子生成候補領域に対して複数の移動物粒子を生成して配置する。なお、移動物粒子の配置位置は、後述する仮想可動物の位置に基づいて決定される。
また、仮想可動物生成部７４３は、死角領域から生成された粒子生成候補領域の移動物粒子について、図２４に示すように、上記の死角距離ｄに基づいて、仮想可動物の種類（例えば、歩行者、車両）を決定し、決定した仮想可動物の種類を示すラベルを移動物粒子に割り当てる。例えば、死角距離ｄが、閾値Ｄｘ２以下である場合には、仮想可動物生成部７４３は、仮想可動物の種類が歩行者であると決定し、死角距離ｄが、閾値Ｄｘ２より大きい場合には、仮想可動物生成部７４３は、仮想可動物の種類が車両であると決定する。
また、仮想可動物生成部７４３は、死角領域内に想定される仮想可動物が飛び出して自車両と衝突することを仮定して、仮想可動物の位置、動作状態、及び移動状態を算出し、算出された仮想可動物の動作状態及び移動状態に基づき、仮想可動物の移動状態を分布として設定する。
例えば、図２５に示すように、仮想可動物（例えば、歩行者）の飛び出し位置をＷｐとし、飛び出し速度をＶｐとして固定し、自車両の現在速度がｖ、自車両と衝突すると仮定されるクロスポイントまでの距離をｄとすると、自車両がクロスポイントまで到達する時間ｔは、ｔ＝ｄ／ｖである。また、速度ｖｐで移動中の仮想可動物が、時間ｔの間にクロスポイントまで到達できる距離ｄｐは、ｄｐ＝ｖｐ×ｔ＝ｖｐ×ｄ／ｖである。
従って、自車両が、死角領域の周辺を走行するにあたり、仮想可動物生成部７４３は、各演算時刻にて、常に、死角領域における位置（ｄｐ、Ｗｐ）に基づいて、仮想可動物の移動物粒子を配置すると共に、速度Ｖｐに基づいて、仮想可動物の移動物粒子の移動状態の分布を設定する。
要するに、常に自車とクロスポイントで衝突する移動物が飛び出してくるという最悪のケースを想定して、仮想可動物の位置、及び移動状態を設定する。
ただし、仮想可動物の想定位置（ｄｐ、Ｗｐ）が、死角領域より手前に来た時点で、仮想可動物の想定をやめ、仮想可動物生成部７４３は、当該仮想可動物の移動物粒子を消滅させる。
また、仮想可動物を識別するための識別情報が、移動物粒子に割り当てられる。例えば、１つの仮想可動物について生成された粒子生成候補領域に対しては、同じ識別情報が割り当てられた移動物粒子が生成される。
次に、第７の実施の形態に係る危険判定処理ルーチンについて、図２６を用いて説明する。なお、第１の実施の形態と同様の処理となる部分については、同一符号を付して詳細な説明を省略する。
まず、ステップ１２０において、コンピュータ７２２は、カメラ１８により撮影された前方画像及びＧＰＳ装置２０によって検出された自車両位置を取得する。次のステップ１２２では、コンピュータ７２２は、自車両周辺の各種走路区分の領域及び道路属性を含む走行環境の状況を検出すると共に、周辺の移動物、移動物の動作状態、移動状態、移動物の種類、及び静止物の高さを検出する。
そして、ステップ１２４において、コンピュータ７２２は、上述した局所地図生成処理ルーチンにより得られる現在の局所地図情報を取得する。次のステップ１２５では、コンピュータ７２２は、上記ステップ１２４で取得した局所地図情報から、静止物が存在する領域を検出する。そして、ステップ１２６において、コンピュータ７２２は、存在可能度マップを生成する。
次のステップ７６０では、コンピュータ７２２は、可動物が存在可能な死角領域を特定すると共に、存在可能度マップにおける当該死角領域の存在可能度を設定する。そして、ステップ７６２において、コンピュータ７２２は、存在可能度マップにおける当該死角領域を、移動物粒子生成候補領域として設定する。また、コンピュータ７２２は、上記ステップ７６０で特定された死角領域の死角距離に基づいて、仮想可動物の種類を決定すると共に、仮想可動物の位置及び移動状態を算出する。コンピュータ７２２は、予め設定された粒子総数となるように、仮想可動物の移動物粒子を生成して、算出された仮想可動物の位置に応じて、移動物粒子生成候補領域に移動物粒子を配置する。また、コンピュータ７２２は、仮想可動物に対して、算出された移動状態に基づいて、移動状態分布を求め、求められた移動状態分布に基づいて、各移動物粒子に対して移動状態を各々決定して、各移動物粒子に移動状態を割り当てる。
ステップ１３０では、コンピュータ７２２は、存在可能度マップにおいて、移動物及び自車両に対する移動物粒子生成候補領域を設定すると共に、自車両を含む各移動物の移動物粒子を生成して、対応する移動物粒子生成候補領域に配置する。また、コンピュータ７２２は、各移動物に対して、移動状態分布を求め、求められた移動状態分布に基づいて、各移動物粒子に移動状態を割り当てる。
次のステップ１３２では、コンピュータ７２２は、予測ステップ数をカウントする変数ｎを、初期値１に設定する。
そして、ステップ１３４において、コンピュータ７２２は、仮想可動物に対する移動物粒子を含む各移動物粒子を、割り当てられた移動状態に応じて移動させる。次のステップ１３６では、コンピュータ７２２は、存在可能度マップの存在可能度に応じて、上記ステップ１３４により移動した移動物粒子の消滅及び複製を行い、移動物粒子の配置を変更する。ステップ１３８では、コンピュータ７２２は、上記ステップ１３６で変更された、他の移動物の移動物粒子と、自車両の移動物粒子との重複頻度に基づいて、衝突危険度として、他の移動物との衝突確率を各々算出する。
そして、ステップ１４０では、コンピュータ７２２は、上記ステップ１３８で算出された衝突確率が、閾値以上となる移動物が存在するか否かを判定する。該当する移動物が存在しない場合には、コンピュータ７２２は、ステップ１４４へ移行する。一方、該当する移動物が存在する場合には、ステップ１４２において、コンピュータ７２２は、該当する移動物の将来予測位置及び警告情報を警報装置２４に表示させて、ステップ１４４へ移行する。
ステップ１４４では、コンピュータ７２２は、予測ステップを示す変数ｎが、将来予測時間に対応するステップ数Ｎに到達したか否かを判定する。変数ｎが、定数Ｎに到達していない場合には、ステップ１４６において、変数ｎをインクリメントして、上記ステップ１３４へ戻り、上記ステップ１３４以降の処理を繰り返す。一方、変数ｎが、定数Ｎに到達した場合には、危険判定処理ルーチンを終了する。
なお、第７の実施の形態に係る衝突危険判定装置７１０の他の構成及び作用については、第１の実施の形態と同様であるため、説明を省略する。
以上説明したように、第７の実施の形態に係る衝突危険判定装置によれば、死角領域内に存在すると想定される仮想可動物について、想定される移動状態分布に基づいて、位置分布を移動させると共に、走路区分の領域、静止物の領域、及び死角領域に対して移動物の存在可能度を与えた存在可能度マップに基づいて位置分布を変更する。これにより、衝突危険判定装置は、様々な状況において、仮想可動物の将来の位置を精度よく予測することができる。
また、衝突危険判定装置は、死角領域に、仮想可動物に対する移動物粒子を配置することで、実際には顕在化していない死角通過時における衝突危険を判定することができる。
なお、上記の実施の形態では、飛び出し速度を固定とした場合に、自車両とクロスポイントで衝突するように、仮想可動物の位置を算出する場合を例に説明したが、これに限定されるものではない。図２７に示すように、各演算時刻ごとに、死角領域に対して常にクロスポイントに一番近い位置からの飛び出しを想定して、仮想可動物の位置を算出するようにしてもよい。例えば、死角領域とクロスポイントとの距離をｄｐとし、飛び出し位置をＷｐとすると、仮想可動物の位置が位置（ｄｐ、Ｗｐ）と算出される。
また、上記の実施の形態で説明した、死角領域内に想定される仮想可動物を生成し、予測する方法を、上記の第２の実施の形態に適用してもよい。この場合には、路側の装置から見た静止物によって形成される死角領域であって、可動物が存在可能な死角領域を特定して、特定された死角領域内に想定される仮想可動物を生成するようにすればよい。
また、上記の実施の形態で説明した、死角領域内に想定される仮想可動物を生成し、予測する方法を、上記の第３の実施の形態に適用してもよい。この場合には、仮想可動物生成部７４３は、存在可能度マップにおいて、特定された可動物が存在可能な死角領域内に、仮想可動物データを記録する。また、仮想可動物生成部７４３によって、想定される仮想可動物の位置及び移動状態を算出し、仮想可動物の位置を、自車中心ｘ−ｙ座標空間での２次元正規分布で表現し、仮想可動物の位置分布を表わす仮想可動物データを生成して、存在可能度マップ上に記録する。なお、位置の平均ベクトルとして、想定される仮想可動物の位置を用い、位置の共分散行列は、予め求められた仮想可動物の大きさに基づき設定する。また、仮想可動物生成部７４３は、想定される仮想可動物の移動状態に基づいて、移動物の速度を、自車中心ｘ−ｙ座標空間での２次元正規分布で表現し、存在可能度マップ上に記録された仮想可動物データに割り当てる。なお、速度の平均ベクトルとして、算出された仮想可動物の速度を用いる。また、歩行者の平均速度に応じた上記図８に示すような分散・共分散のテーブルを利用して、速度の共分散行列を設定する。
また、上記の第１の実施の形態〜第８の実施の形態では、検出した移動物の動作状態又は移動状態に基づいて、移動状態分布を求める場合を例に説明したが、これに限定されるものではない。移動物の移動状態分布を検出して用いるようにしてもよい。また、移動物の種類毎に予め設計者が定めた移動状態分布を用いてもよい。また、歩行者を観測した結果（向きや歩様などの動作状態）を用いて移動状態の分散や向きを設定すると共に、移動物の種類毎に予め定めた平均速度を用いることにより、移動状態分布を求めてもよい。
また、存在可能度が、移動物が存在しやすさを表わす場合を例に説明したが、移動物の存在しにくさを表わす存在可能度を用いて、存在可能度マップを生成するようにしてもよい。
また、運動センサの検出結果を用いて、自車両の運動を推定する場合を例に説明したが、これに限定されるものではなく、レーザレーダの検出結果の時間差分によって、自車両の運動を推定してもよい。また、例えば、ＧＰＳ装置による自車位置の検出結果を用いて自車両の運動を推定するようにしてもよい。また、レーザレーダ、運動センサ、及びＧＰＳ装置の検出結果を組み合わせて、自車両の運動を推定するようにしてもよい。
また、レーザレーダによりレーザを前方に走査して物体の位置を検出する場合を例に説明したが、これに限定されるものではなく、ミリ波などの電磁波を前方に走査して物体の位置を検出するようにしてもよい。
また、レーザレーダによって自車両前方の物体の位置を検出する場合を例に説明したが、これに限定されるものではなく、例えば、ステレオカメラによって撮影された前方画像から、自車両前方の物体の位置を検出するようにしてもよい。
また、カメラを用いたステレオ技術によって、自車両から見た死角領域を特定するようにしてもよい。
本発明のプログラムを、記憶媒体に格納して提供することも可能である。
本発明に係るコンピュータ可読媒体は、コンピュータを、検出対象範囲から、移動物の位置、及び動作状態又は移動状態を検出する移動物検出部、前記検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部、前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部、前記移動物検出部によって検出された前記移動物の位置、及び動作状態又は移動状態に基づいて、前記移動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する移動物記録部、及び前記移動物の移動状態分布に基づいて、前記移動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測する予測部として機能させるためのプログラムを記憶する。
また、本発明に係るコンピュータ可読媒体は、コンピュータを、検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部、前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部、前記検出対象範囲から、可動物が存在し得る死角領域を特定する死角領域特定部、前記死角領域特定部によって特定された死角領域内に存在すると想定される仮想可動物を生成する仮想可動物生成部、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する仮想可動物記録部、及び前記仮想可動物の移動状態分布に基づいて、前記仮想可動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記仮想可動物の将来の位置分布を予測する予測部として機能させるためのプログラムを記憶する。
日本出願２０１０−２０１２１４の開示はその全体が参照により本明細書に取り込まれる。
本明細書に記載された全ての文献、特許出願、及び技術規格は、個々の文献、特許出願、及び技術規格が参照により取り込まれることが具体的かつ個々に記載された場合と同程度に、本明細書中に参照により取り込まれる。
１０、２１０、７１０ 衝突危険判定装置
１２ レーザレーダ
１４ 運動センサ
１８ カメラ
２０ ＧＰＳ装置
２２、２２２、７２２ コンピュータ
３２ 自車運動推定部
３４ 局所地図更新部
３６、２３６ 存在確率変更部
３８ 地図データベース
４０ 環境検出部
４２ マップ生成部
４４ 移動物生成部
４６ 位置更新部
４６ 移動物生成部
４８ 分布変更部
５０、２５０ 危険判定部
７４２ 死角領域特定部
７４３ 仮想可動物生成部

Claims (19)

  1. 検出対象範囲から、移動物の位置、及び動作状態又は移動状態を検出する移動物検出部と、
    前記検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部と、
    前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部と、
    前記移動物検出部によって検出された前記移動物の位置、及び動作状態又は移動状態に基づいて、前記移動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する移動物記録部と、
    前記移動物の移動状態分布に基づいて、前記移動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測する予測部と、
    を含む移動物予測装置。
  2. 前記位置分布は、複数の移動物粒子で表わされ、
    前記予測部は、前記移動物の移動状態分布に基づいて、前記移動物の位置分布を表わす前記複数の移動物粒子の各々を移動させると共に、前記存在可能度マップの存在可能度に基づいて、前記移動させた移動物粒子を消滅させて他の移動物粒子を複製することにより、前記移動物の位置分布を変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測する請求項１記載の移動物予測装置。
  3. 前記位置分布は、確率分布で表わされ、
    前記予測部は、前記移動物の移動状態分布に基づいて、前記移動物の位置分布を表わす前記確率分布を移動させると共に、前記存在可能度マップの存在可能度に基づいて、前記移動させた確率分布を重み付けすることにより、前記移動物の位置分布を変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測する請求項１記載の移動物予測装置。
  4. 前記領域検出部は、更に、前記走路区分の種別及び前記静止物の高さを検出し、
    前記マップ生成部は、前記走路区分の領域に対して、前記走路区分の種類に応じた前記存在可能度を与え、前記静止物の領域に対して、前記静止物の高さに応じた前記存在可能度を与えて、前記存在可能度マップを生成する請求項１〜請求項３の何れか１項記載の移動物予測装置。
  5. 前記移動物検出部は、前記検出対象範囲から、前記移動物の位置、及び動作状態又は移動状態と共に、前記移動物の種類を検出し、
    前記マップ生成部は、前記移動物の種類毎に前記存在可能度を与えた前記存在可能度マップを生成する請求項１〜請求項４の何れか１項記載の移動物予測装置。
  6. 前記予測部は、前記移動物の移動状態分布に基づいて、前記移動物の位置分布を移動させると共に、前記移動させた位置分布を、前記位置分布に対応する領域に与えられた存在可能度の大きさ、又は前記位置分布に対応する領域及び移動前の位置分布に対する領域に与えられた存在可能度の差もしくは比に基づいて変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測する請求項１〜請求項５の何れか１項記載の移動物予測装置。
  7. 前記予測部によって予測された、算出対象の移動物の位置分布と、前記算出対象の移動物以外の移動物の位置分布とに基づいて、前記算出対象の移動物と前記算出対象の移動物以外の移動物との衝突危険度を算出する危険度算出部を更に含む請求項１〜請求項６の何れか１項記載の移動物予測装置。
  8. 前記移動物記録部は、前記検出された静止物の領域と、自装置を搭載した移動物の位置とに基づいて、前記自装置を搭載した移動物から見たときの静止物によって形成された死角領域を特定し、前記特定された前記死角領域内に存在すると想定される移動物の位置分布及び移動状態分布を生成して、前記存在可能度マップにおける、前記特定された死角領域内に、前記生成された移動物の位置分布及び移動状態分布を記録する請求項１〜請求項７の何れか１項記載の移動物予測装置。
  9. 前記移動物記録部は、前記検出された静止物の領域と、前記自装置を搭載した移動物の位置とに基づいて、前記死角領域を特定し、前記検出対象範囲の移動物の移動環境を検出する移動環境検出部によって検出された前記移動環境のうちの前記特定された死角領域の周辺の移動環境、又は前記特定された死角領域の位置に基づいて、前記特定された前記死角領域内に存在すると想定される移動物の種類を推定すると共に、前記死角領域内の前記移動物の位置分布及び移動状態分布を生成して、前記存在可能度マップにおける、前記特定された死角領域内に、前記生成された移動物の位置分布及び移動状態分布を記録する請求項８記載の移動物予測装置。
  10. 自装置を搭載した移動物から見て、前記検出対象範囲に存在する物体の位置を検出する物体位置検出部と、
    前記自装置を搭載した移動物の運動を推定する運動推定部と、
    前回更新された前記地図情報を、前記運動推定部によって推定された前記自装置を搭載した移動物の現在の運動に基づいて、現在の前記自装置を搭載した移動物から見た前記地図情報に繰り返し更新する地図更新部と、
    前記地図更新部によって前記地図情報が更新される毎に、前記更新された地図情報に、前記物体位置検出部によって検出された現在の物体の位置に対応するブロックに、前記静止物の存在を記録すると共に、前記自装置を搭載した移動物から前記検出された現在の物体の位置までの間に対応する各ブロックにおける前記静止物の存在の記録を減少させる静止物記録部と、を更に含み、
    前記領域検出部は、前記地図情報に基づいて、前記静止物の領域を検出する請求項１〜請求項９の何れか１項記載の移動物予測装置。
  11. 検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部と、
    前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部と、
    前記検出対象範囲から、可動物が存在し得る死角領域を特定する死角領域特定部と、
    前記死角領域特定部によって特定された死角領域内に存在すると想定される仮想可動物を生成する仮想可動物生成部と、
    前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する仮想可動物記録部と、
    前記仮想可動物の移動状態分布に基づいて、前記仮想可動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記仮想可動物の将来の位置分布を予測する予測部と、
    を含む仮想可動物予測装置。
  12. 前記死角領域特定部は、前記死角領域を特定すると共に、前記存在可能度マップにおける前記死角領域の存在可能度を、前記死角領域の距離に基づいて設定する請求項１１記載の仮想可動物予測装置。
  13. 前記仮想可動物記録部は、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定すると共に、前記仮想可動物が存在する前記死角領域の距離に基づいて、前記仮想可動物の種類を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する請求項１１又は１２記載の仮想可動物予測装置。
  14. 前記仮想可動物記録部は、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物が前記死角領域から飛び出したときに自装置を搭載した移動物と衝突するように、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する請求項１１〜請求項１３の何れか１項記載の仮想可動物予測装置。
  15. 前記仮想可動物記録部は、前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物が前記死角領域から飛び出したときに自装置を搭載した移動物と衝突することが想定される位置に最も近い、前記死角領域内の位置を、前記仮想可動物の位置として想定すると共に、前記仮想可動物が前記死角領域から飛び出したときに自装置を搭載した移動物と衝突するように、前記仮想可動物の動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する請求項１１〜請求項１３の何れか１項記載の仮想可動物予測装置。
  16. コンピュータを、
    検出対象範囲から、移動物の位置、及び動作状態又は移動状態を検出する移動物検出部、
    前記検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部、
    前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部、
    前記移動物検出部によって検出された前記移動物の位置、及び動作状態又は移動状態に基づいて、前記移動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する移動物記録部、及び
    前記移動物の移動状態分布に基づいて、前記移動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測する予測部
    として機能させるためのプログラム。
  17. 移動物検出部によって、検出対象範囲から、移動物の位置、及び動作状態又は移動状態を検出すると共に、領域検出部によって、複数種類の走路区分の領域及び静止物の領域を検出するステップと、
    マップ生成部によって、検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するステップと、
    移動物記録部によって、検出された前記移動物の位置、及び動作状態又は移動状態に基づいて、前記移動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録し、更に、予測部によって、前記移動物の移動状態分布に基づいて、前記移動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記移動物の将来の位置分布を予測するステップと、
    を含む移動物予測方法。
  18. コンピュータを、
    検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出する領域検出部、
    前記領域検出部によって検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するマップ生成部、
    前記検出対象範囲から、可動物が存在し得る死角領域を特定する死角領域特定部、
    前記死角領域特定部によって特定された死角領域内に存在すると想定される仮想可動物を生成する仮想可動物生成部、
    前記仮想可動物生成部によって生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録する仮想可動物記録部、及び
    前記仮想可動物の移動状態分布に基づいて、前記仮想可動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記仮想可動物の将来の位置分布を予測する予測部
    として機能させるためのプログラム。
  19. 領域検出部によって、検出対象範囲から、複数種類の走路区分の領域及び静止物の領域を検出するステップと、
    マップ生成部によって、前記検出された前記走路区分の領域及び前記静止物の領域に対して、移動物の存在しやすさ又は存在しにくさを表わす存在可能度を与えた存在可能度マップを生成するステップと、
    死角領域特定部によって、前記検出対象範囲から、可動物が存在し得る死角領域を特定するステップと、
    仮想可動物生成部によって、前記特定された死角領域内に存在すると想定される仮想可動物を生成するステップと、
    仮想可動物記録部によって、前記生成された前記仮想可動物に対し、前記仮想可動物の位置、及び動作状態又は移動状態を想定し、前記仮想可動物の位置分布及び移動状態分布を生成して、前記存在可能度マップに記録するステップと、
    予測部によって、前記仮想可動物の移動状態分布に基づいて、前記仮想可動物の位置分布を移動させると共に、前記移動させた位置分布を、前記存在可能度マップの存在可能度に基づいて変更して、前記存在可能度マップ上の前記仮想可動物の将来の位置分布を予測するステップと、
    を含む仮想可動物予測方法。
JP2012533026A 2010-09-08 2011-09-08 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法 Active JP5475138B2 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012533026A JP5475138B2 (ja) 2010-09-08 2011-09-08 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法

Applications Claiming Priority (4)

Application Number Priority Date Filing Date Title
JP2010201214 2010-09-08
JP2010201214 2010-09-08
PCT/JP2011/070518 WO2012033173A1 (ja) 2010-09-08 2011-09-08 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法
JP2012533026A JP5475138B2 (ja) 2010-09-08 2011-09-08 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法

Publications (2)

Publication Number Publication Date
JPWO2012033173A1 JPWO2012033173A1 (ja) 2014-01-20
JP5475138B2 true JP5475138B2 (ja) 2014-04-16

Family

ID=45810769

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012533026A Active JP5475138B2 (ja) 2010-09-08 2011-09-08 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法

Country Status (5)

Country Link
US (1) US9424468B2 (ja)
EP (1) EP2615596A4 (ja)
JP (1) JP5475138B2 (ja)
CN (1) CN103155015B (ja)
WO (1) WO2012033173A1 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10310511B2 (en) 2016-04-20 2019-06-04 Toyota Jidosha Kabushiki Kaisha Automatic driving control system of mobile object

Families Citing this family (148)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101372023B1 (ko) * 2012-05-31 2014-03-07 현대자동차주식회사 차량 주변의 이동체 감지 장치 및 방법
JP5829980B2 (ja) * 2012-06-19 2015-12-09 トヨタ自動車株式会社 路側物検出装置
EP2894617B1 (en) * 2012-09-03 2016-11-30 Toyota Jidosha Kabushiki Kaisha Collision determination device and collision determination method
CN103680291B (zh) * 2012-09-09 2016-12-21 复旦大学 基于天花板视觉的同步定位与地图绘制的方法
US9383753B1 (en) 2012-09-26 2016-07-05 Google Inc. Wide-view LIDAR with areas of special attention
CN102928836B (zh) * 2012-10-29 2014-07-16 电子科技大学 一种地面目标跟踪方法
KR101807484B1 (ko) 2012-10-29 2017-12-11 한국전자통신연구원 객체 및 시스템 특성에 기반한 확률 분포 지도 작성 장치 및 그 방법
US9286693B2 (en) * 2013-02-25 2016-03-15 Hanwha Techwin Co., Ltd. Method and apparatus for detecting abnormal movement
US9679196B2 (en) 2013-02-27 2017-06-13 Hitachi Automotive Systems, Ltd. Object sensing device
DE102013102087A1 (de) * 2013-03-04 2014-09-04 Conti Temic Microelectronic Gmbh Verfahren zum Betrieb eines Fahrerassistenzsystems eines Fahrzeugs
US20140278392A1 (en) * 2013-03-12 2014-09-18 Motorola Mobility Llc Method and Apparatus for Pre-Processing Audio Signals
JP5905846B2 (ja) * 2013-03-29 2016-04-20 株式会社日本自動車部品総合研究所 横断判定装置およびプログラム
EP2985746B1 (en) * 2013-04-10 2017-05-17 Toyota Jidosha Kabushiki Kaisha Vehicle driving assistance apparatus
US11036238B2 (en) 2015-10-15 2021-06-15 Harman International Industries, Incorporated Positioning system based on geofencing framework
US9805592B2 (en) * 2013-10-07 2017-10-31 Savari, Inc. Methods of tracking pedestrian heading angle using smart phones data for pedestrian safety applications
DE202013006467U1 (de) * 2013-07-18 2014-10-22 GM Global Technology Operations LLC (n. d. Gesetzen des Staates Delaware) Fahrzeugumfeld-Überwachungssystem
US9280899B2 (en) * 2013-08-06 2016-03-08 GM Global Technology Operations LLC Dynamic safety shields for situation assessment and decision making in collision avoidance tasks
WO2015072002A1 (ja) * 2013-11-15 2015-05-21 株式会社日立製作所 移動ロボットシステム
US20150178930A1 (en) * 2013-12-20 2015-06-25 Qualcomm Incorporated Systems, methods, and apparatus for generating metadata relating to spatial regions of non-uniform size
JP6331402B2 (ja) * 2014-01-14 2018-05-30 株式会社デンソー 移動体検出装置および移動体検出方法
US10482658B2 (en) * 2014-03-31 2019-11-19 Gary Stephen Shuster Visualization and control of remote objects
JP6174516B2 (ja) * 2014-04-24 2017-08-02 本田技研工業株式会社 衝突回避支援装置、衝突回避支援方法、及びプログラム
US9550498B2 (en) * 2014-05-13 2017-01-24 Ford Global Technologies, Llc Traffic light anticipation
US20150336575A1 (en) * 2014-05-21 2015-11-26 GM Global Technology Operations LLC Collision avoidance with static targets in narrow spaces
JP6318864B2 (ja) * 2014-05-29 2018-05-09 トヨタ自動車株式会社 運転支援装置
DE102014008283A1 (de) * 2014-06-03 2015-12-03 Man Truck & Bus Ag Verfahren und Anordnung zur Warnung von Verkehrsteilnehmern, die ein stillstehendes Fahrzeug passieren
JP5962706B2 (ja) * 2014-06-04 2016-08-03 トヨタ自動車株式会社 運転支援装置
JP6260462B2 (ja) * 2014-06-10 2018-01-17 株式会社デンソー 運転支援装置
US9558659B1 (en) 2014-08-29 2017-01-31 Google Inc. Determining the stationary state of detected vehicles
JP6257482B2 (ja) * 2014-09-03 2018-01-10 株式会社デンソーアイティーラボラトリ 自動運転支援システム、自動運転支援方法及び自動運転装置
DE102014219148A1 (de) * 2014-09-23 2016-03-24 Robert Bosch Gmbh Verfahren und Vorrichtung zum Erstellen eines Bewegungsmodells eines Straßenverkehrsteilnehmers
US10309797B2 (en) * 2014-12-19 2019-06-04 Here Global B.V. User interface for displaying navigation information in a small display
US9569693B2 (en) * 2014-12-31 2017-02-14 Here Global B.V. Method and apparatus for object identification and location correlation based on received images
US10133947B2 (en) 2015-01-16 2018-11-20 Qualcomm Incorporated Object detection using location data and scale space representations of image data
KR20160107054A (ko) * 2015-03-03 2016-09-13 엘지전자 주식회사 차량 제어 장치, 차량 운전 보조 장치, 이동 단말기 및 그 제어 방법
CN112665556B (zh) 2015-04-01 2023-09-05 瓦亚视觉传感有限公司 使用被动和主动测量生成场景的三维地图
EP3288004B1 (en) 2015-04-23 2021-09-15 Nissan Motor Co., Ltd. Scene ascertainment device
US9610945B2 (en) * 2015-06-10 2017-04-04 Ford Global Technologies, Llc Collision mitigation and avoidance
JP6430907B2 (ja) * 2015-07-17 2018-11-28 株式会社Ｓｏｋｅｎ 運転支援システム
KR101926322B1 (ko) * 2015-08-28 2018-12-06 닛산 지도우샤 가부시키가이샤 차량 위치 추정 장치, 차량 위치 추정 방법
WO2017068049A1 (en) * 2015-10-22 2017-04-27 Philips Lighting Holding B.V. Lighting system optimized for cost reduction
US10013881B2 (en) 2016-01-08 2018-07-03 Ford Global Technologies System and method for virtual transformation of standard or non-connected vehicles
CN108475468B (zh) * 2016-01-15 2021-07-20 三菱电机株式会社 位置推测装置、位置推测方法及计算机可读取存储介质
CN105718905A (zh) * 2016-01-25 2016-06-29 大连楼兰科技股份有限公司 基于行人特征与车载摄像头的盲人检测与识别方法与系统
CN105718907A (zh) * 2016-01-25 2016-06-29 大连楼兰科技股份有限公司 基于导盲犬特征与车载摄像头的盲人检测识别方法与系统
CN105718904A (zh) * 2016-01-25 2016-06-29 大连楼兰科技股份有限公司 基于组合特征与车载摄像头的盲人检测与识别方法与系统
RU2719497C2 (ru) * 2016-01-29 2020-04-20 Ниссан Мотор Ко., Лтд. Способ для управления движением транспортного средства и устройство для управления движением транспортного средства
CA2945926C (en) * 2016-02-29 2018-09-25 Komatsu Ltd. Control system for work machine, work machine, and management system for work machine
JP6650635B2 (ja) * 2016-02-29 2020-02-19 パナソニックＩｐマネジメント株式会社 判定装置、判定方法、および判定プログラム
JP6601679B2 (ja) * 2016-03-01 2019-11-06 パナソニックＩｐマネジメント株式会社 判定装置、判定方法、および判定プログラム
JP6597408B2 (ja) * 2016-03-04 2019-10-30 株式会社デンソー 衝突緩和制御装置
JP6462610B2 (ja) * 2016-03-07 2019-01-30 株式会社デンソー 横断判定装置
US10282634B2 (en) * 2016-03-11 2019-05-07 Panasonic Intellectual Property Corporation Of America Image processing method, image processing apparatus, and recording medium for reducing variation in quality of training data items
CN107181908B (zh) * 2016-03-11 2020-09-11 松下电器（美国）知识产权公司 图像处理方法、图像处理装置及计算机可读记录介质
US10055652B2 (en) * 2016-03-21 2018-08-21 Ford Global Technologies, Llc Pedestrian detection and motion prediction with rear-facing camera
JP6214702B2 (ja) * 2016-03-22 2017-10-18 三菱電機株式会社 移動体認識システム
US9671785B1 (en) * 2016-03-29 2017-06-06 Delphi Technologies, Inc. V2X object-location verification system for automated vehicles
US11222438B2 (en) 2016-05-27 2022-01-11 Kabushiki Kaisha Toshiba Information processing apparatus, vehicle, and information processing method for presence probability of object
US11132611B2 (en) 2016-05-27 2021-09-28 Kabushiki Kaisha Toshiba Information processing apparatus and information processing method for determining presence probability of object
EP3252658B1 (en) * 2016-05-30 2021-08-11 Kabushiki Kaisha Toshiba Information processing apparatus and information processing method
US11204610B2 (en) * 2016-05-30 2021-12-21 Kabushiki Kaisha Toshiba Information processing apparatus, vehicle, and information processing method using correlation between attributes
WO2017210222A1 (en) * 2016-05-30 2017-12-07 Faraday&Future Inc. Generating and fusing traffic scenarios for automated driving systems
US11092446B2 (en) 2016-06-14 2021-08-17 Motional Ad Llc Route planning for an autonomous vehicle
US10126136B2 (en) 2016-06-14 2018-11-13 nuTonomy Inc. Route planning for an autonomous vehicle
US10309792B2 (en) 2016-06-14 2019-06-04 nuTonomy Inc. Route planning for an autonomous vehicle
US10829116B2 (en) 2016-07-01 2020-11-10 nuTonomy Inc. Affecting functions of a vehicle based on function-related information about its environment
DE102016212187A1 (de) * 2016-07-05 2018-01-11 Robert Bosch Gmbh Verfahren und Vorrichtung zum Betreiben einer eine Signalquelle umfassenden Verkehrsinfrastruktureinheit
EP3492870B1 (en) * 2016-07-26 2020-07-15 Nissan Motor Co., Ltd. Self-position estimation method and self-position estimation device
DE102016114168A1 (de) * 2016-08-01 2018-02-01 Connaught Electronics Ltd. Verfahren zum Erfassen eines Objekts in einem Umgebungsbereich eines Kraftfahrzeugs mit Vorhersage der Bewegung des Objekts, Kamerasystem sowie Kraftfahrzeug
US10258851B2 (en) * 2016-09-13 2019-04-16 AO Kaspersky Lab System and method for calculating projected impact generated by sports implements and gaming equipment
JP6700623B2 (ja) * 2016-10-07 2020-05-27 アイシン・エィ・ダブリュ株式会社 走行支援装置及びコンピュータプログラム
US10473470B2 (en) 2016-10-20 2019-11-12 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10331129B2 (en) 2016-10-20 2019-06-25 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10681513B2 (en) 2016-10-20 2020-06-09 nuTonomy Inc. Identifying a stopping place for an autonomous vehicle
US10857994B2 (en) 2016-10-20 2020-12-08 Motional Ad Llc Identifying a stopping place for an autonomous vehicle
US10339708B2 (en) * 2016-11-01 2019-07-02 Google Inc. Map summarization and localization
JP2018081545A (ja) * 2016-11-17 2018-05-24 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカＰａｎａｓｏｎｉｃ Ｉｎｔｅｌｌｅｃｔｕａｌ Ｐｒｏｐｅｒｔｙ Ｃｏｒｐｏｒａｔｉｏｎ ｏｆ Ａｍｅｒｉｃａ 画像データ抽出装置及び画像データ抽出方法
JP6866621B2 (ja) * 2016-12-02 2021-04-28 株式会社豊田中央研究所 移動物状態量推定装置及びプログラム
US10262539B2 (en) * 2016-12-15 2019-04-16 Ford Global Technologies, Llc Inter-vehicle warnings
IL293713B2 (en) * 2017-01-12 2023-06-01 Mobileye Vision Technologies Ltd Navigation based on vehicle activity
JP6796798B2 (ja) * 2017-01-23 2020-12-09 パナソニックＩｐマネジメント株式会社 イベント予測システム、イベント予測方法、プログラム、及び移動体
JP6890265B2 (ja) * 2017-01-23 2021-06-18 パナソニックＩｐマネジメント株式会社 イベント予測システム、イベント予測方法、プログラム、及び移動体
WO2018135509A1 (ja) * 2017-01-23 2018-07-26 パナソニックＩｐマネジメント株式会社 イベント予測システム、イベント予測方法、プログラムおよびそれを記録した記録媒体
JP6811429B2 (ja) * 2017-01-23 2021-01-13 パナソニックＩｐマネジメント株式会社 イベント予測システム、イベント予測方法、プログラム、及び移動体
US10445928B2 (en) 2017-02-11 2019-10-15 Vayavision Ltd. Method and system for generating multidimensional maps of a scene using a plurality of sensors of various types
US10627812B2 (en) * 2017-02-14 2020-04-21 Honda Research Institute Europe Gmbh Risk based driver assistance for approaching intersections of limited visibility
JP6846624B2 (ja) * 2017-02-23 2021-03-24 パナソニックＩｐマネジメント株式会社 画像表示システム、画像表示方法及びプログラム
KR20190113918A (ko) * 2017-03-02 2019-10-08 닛산 지도우샤 가부시키가이샤 운전 지원 방법 및 운전 지원 장치
US10234864B2 (en) 2017-03-07 2019-03-19 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10095234B2 (en) * 2017-03-07 2018-10-09 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
US10281920B2 (en) 2017-03-07 2019-05-07 nuTonomy Inc. Planning for unknown objects by an autonomous vehicle
JP6838769B2 (ja) * 2017-04-26 2021-03-03 日立Astemo株式会社 周辺環境認識装置、表示制御装置
WO2018216066A1 (ja) * 2017-05-22 2018-11-29 三菱電機株式会社 車載装置、走行支援方法および走行支援プログラム
JP6509279B2 (ja) * 2017-05-31 2019-05-08 本田技研工業株式会社 物標認識システム、物標認識方法、およびプログラム
CN107169468A (zh) * 2017-05-31 2017-09-15 北京京东尚科信息技术有限公司 用于控制车辆的方法和装置
JP6613265B2 (ja) * 2017-06-01 2019-11-27 本田技研工業株式会社 予測装置、車両、予測方法およびプログラム
JP6808590B2 (ja) * 2017-08-08 2021-01-06 株式会社東芝 情報処理装置、情報処理方法、プログラムおよび移動体
JP6904849B2 (ja) * 2017-08-14 2021-07-21 本田技研工業株式会社 車両制御装置、車両制御方法、およびプログラム。
US11430071B2 (en) * 2017-08-16 2022-08-30 Mobileye Vision Technologies Ltd. Navigation based on liability constraints
JP7051366B2 (ja) * 2017-10-18 2022-04-11 株式会社東芝 情報処理装置、学習済モデル、情報処理方法、およびプログラム
JP6880455B2 (ja) * 2017-10-26 2021-06-02 トヨタ自動車株式会社 運転支援装置及び運転支援システム
JP6338006B1 (ja) * 2017-11-02 2018-06-06 オムロン株式会社 人集結分析装置、移動先予定作成装置、人集結分析システム、車両、および、人集結分析プログラム
JP6958630B2 (ja) * 2017-11-17 2021-11-02 株式会社アイシン 車両運転補助システム、車両運転補助方法、及び車両運転補助プログラム
FR3076045A1 (fr) * 2017-12-22 2019-06-28 Orange Procede de surveillance d'un environnement d'un premier element positionne au niveau d'une voie de circulation, et systeme associe
WO2019138443A1 (ja) * 2018-01-09 2019-07-18 三菱電機株式会社 移動経路推定装置、移動経路推定システムおよび移動経路推定方法
JP7009252B2 (ja) * 2018-02-20 2022-01-25 キヤノン株式会社 画像処理装置、画像処理方法およびプログラム
US10726275B2 (en) * 2018-03-07 2020-07-28 Visteon Global Technologies, Inc. System and method for correlating vehicular sensor data
JP2019178971A (ja) * 2018-03-30 2019-10-17 パナソニックＩｐマネジメント株式会社 環境地図生成装置、環境地図生成方法、及び環境地図生成プログラム
CN111902694A (zh) * 2018-04-03 2020-11-06 御眼视觉技术有限公司 用于确定导航参数的系统和方法
US11300968B2 (en) 2018-05-16 2022-04-12 Massachusetts Institute Of Technology Navigating congested environments with risk level sets
EP3825805B1 (en) * 2018-07-20 2023-09-13 Sony Group Corporation Agent, presence probability map creation method, agent action control method, and program
US11353872B2 (en) * 2018-07-30 2022-06-07 Pony Ai Inc. Systems and methods for selectively capturing and filtering sensor data of an autonomous vehicle
JP7063208B2 (ja) * 2018-09-14 2022-05-09 オムロン株式会社 検知装置、移動体システム、及び検知方法
JP7043376B2 (ja) 2018-09-18 2022-03-29 株式会社東芝 情報処理装置、車両制御装置および移動体制御方法
JP7195098B2 (ja) * 2018-09-27 2022-12-23 株式会社Subaru 車両用通信装置、並びにこれを用いる車両制御システムおよび交通システム
JP7070307B2 (ja) * 2018-10-05 2022-05-18 オムロン株式会社 検知装置、移動体システム、及び検知方法
JP7067400B2 (ja) * 2018-10-05 2022-05-16 オムロン株式会社 検知装置、移動体システム、及び検知方法
US10984262B2 (en) * 2018-10-08 2021-04-20 StradVision, Inc. Learning method and testing method for monitoring blind spot of vehicle, and learning device and testing device using the same
JP7147448B2 (ja) * 2018-10-10 2022-10-05 トヨタ自動車株式会社 地図情報システム
CN109901193A (zh) * 2018-12-03 2019-06-18 财团法人车辆研究测试中心 近距离障碍物的光达侦测装置及其方法
US10549678B1 (en) * 2018-12-03 2020-02-04 Gentex Corporation System and method for a vehicle control system
US10814870B2 (en) * 2018-12-04 2020-10-27 GM Global Technology Operations LLC Multi-headed recurrent neural network (RNN) for multi-class trajectory predictions
CN109859527A (zh) * 2019-01-30 2019-06-07 杭州鸿泉物联网技术股份有限公司 一种非机动车转弯预警方法及装置
US11624630B2 (en) * 2019-02-12 2023-04-11 International Business Machines Corporation Using augmented reality to present vehicle navigation requirements
JP7111641B2 (ja) * 2019-03-14 2022-08-02 日立建機株式会社 建設機械
JP2020154384A (ja) * 2019-03-18 2020-09-24 いすゞ自動車株式会社 衝突確率算出装置、衝突確率算出システムおよび衝突確率算出方法
US11618439B2 (en) * 2019-04-11 2023-04-04 Phantom Auto Inc. Automatic imposition of vehicle speed restrictions depending on road situation analysis
JP7323356B2 (ja) * 2019-06-28 2023-08-08 フォルシアクラリオン・エレクトロニクス株式会社 駐車支援装置及び駐車支援方法
JP7078587B2 (ja) * 2019-09-30 2022-05-31 本田技研工業株式会社 走行支援システム、走行支援方法およびプログラム
CN111027692A (zh) * 2019-11-04 2020-04-17 中国电子科技集团公司第十四研究所 一种目标运动态势预测方法及装置
CN112818727A (zh) * 2019-11-18 2021-05-18 华为技术有限公司 一种道路约束确定方法及装置
WO2021149095A1 (ja) * 2020-01-20 2021-07-29 三菱電機株式会社 移動支援装置、移動支援学習装置、及び、移動支援方法
US11473927B2 (en) * 2020-02-05 2022-10-18 Electronic Arts Inc. Generating positions of map items for placement on a virtual map
US11385642B2 (en) 2020-02-27 2022-07-12 Zoox, Inc. Perpendicular cut-in training
CN111126362B (zh) * 2020-03-26 2020-08-07 北京三快在线科技有限公司 一种预测障碍物轨迹的方法及装置
KR20210129913A (ko) * 2020-04-21 2021-10-29 주식회사 만도모빌리티솔루션즈 운전자 보조 시스템
CN111598169B (zh) * 2020-05-18 2023-04-07 腾讯科技（深圳）有限公司 一种模型训练方法、游戏测试方法、模拟操作方法及装置
RU2762636C1 (ru) * 2020-09-28 2021-12-21 Федеральное государственное бюджетное образовательное учреждение высшего образования "МИРЭА - Российский технологический университет" Устройство параллельной обработки разнородной сенсорной информации в режиме реального времени
US11733054B2 (en) 2020-12-11 2023-08-22 Motional Ad Llc Systems and methods for implementing occlusion representations over road features
US11950567B2 (en) 2021-03-04 2024-04-09 Sky View Environmental Service Llc Condor monitoring systems and related methods
JPWO2022209607A1 (ja) * 2021-03-29 2022-10-06
WO2022208675A1 (ja) * 2021-03-30 2022-10-06 三菱電機株式会社 運転支援装置、運転支援システム、運転支援方法、及び、運転支援プログラム
US20220396313A1 (en) * 2021-06-15 2022-12-15 Steering Solutions Ip Holding Corporation Systems and methods for active blind zone assist
CN114371697A (zh) * 2021-12-08 2022-04-19 珠海云航智能技术有限公司 救生圈的控制方法、控制装置、电子设备以及存储介质
US11872937B2 (en) * 2022-02-16 2024-01-16 GM Global Technology Operations LLC Severity prediction system and method
WO2023157301A1 (ja) * 2022-02-21 2023-08-24 日立Astemo株式会社 電子制御装置及び軌道生成方法
WO2024079970A1 (ja) * 2022-10-13 2024-04-18 トヨタ自動車株式会社 情報処理装置、方法、及びプログラム
CN116467565B (zh) * 2023-06-20 2023-09-22 国家海洋局北海预报中心((国家海洋局青岛海洋预报台)(国家海洋局青岛海洋环境监测中心站)) 一种浒苔绿潮斑块最优搜寻区域预报方法

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2008178723A (ja) 2001-05-09 2008-08-07 Daiman:Kk 遊技機
JP4396250B2 (ja) 2003-12-08 2010-01-13 日産自動車株式会社 交差点衝突予防装置
KR100519781B1 (ko) * 2004-02-18 2005-10-07 삼성전자주식회사 객체 추적 방법 및 그 장치
US7966127B2 (en) * 2004-12-28 2011-06-21 Kabushiki Kaisha Toyota Chuo Kenkyusho Vehicle motion control device
JP4811019B2 (ja) * 2005-01-17 2011-11-09 株式会社豊田中央研究所 衝突挙動制御装置
JP4720386B2 (ja) * 2005-09-07 2011-07-13 株式会社日立製作所 運転支援装置
JP4896482B2 (ja) * 2005-10-06 2012-03-14 富士重工業株式会社 衝突判定装置
JP4396653B2 (ja) 2006-02-28 2010-01-13 トヨタ自動車株式会社 物体進路予測方法、装置、およびプログラム
JP4254844B2 (ja) * 2006-11-01 2009-04-15 トヨタ自動車株式会社 走行制御計画評価装置
JP5185554B2 (ja) 2007-03-23 2013-04-17 富士重工業株式会社 オンラインリスク学習システム
US7710248B2 (en) * 2007-06-12 2010-05-04 Palo Alto Research Center Incorporated Human-machine-interface (HMI) customization based on collision assessments
JP4939564B2 (ja) * 2009-03-23 2012-05-30 本田技研工業株式会社 車両用情報提供装置
JP5407898B2 (ja) * 2010-01-25 2014-02-05 株式会社豊田中央研究所 対象物検出装置及びプログラム
JP2011198266A (ja) * 2010-03-23 2011-10-06 Toyota Central R&D Labs Inc 危険判定装置及びプログラム
JP5620147B2 (ja) * 2010-05-24 2014-11-05 株式会社豊田中央研究所 可動物予測装置及びプログラム
JP4979840B2 (ja) * 2010-07-27 2012-07-18 パナソニック株式会社 移動体検出装置および移動体検出方法

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10310511B2 (en) 2016-04-20 2019-06-04 Toyota Jidosha Kabushiki Kaisha Automatic driving control system of mobile object

Also Published As

Publication number Publication date
CN103155015B (zh) 2014-12-31
EP2615596A4 (en) 2017-12-06
US9424468B2 (en) 2016-08-23
EP2615596A1 (en) 2013-07-17
CN103155015A (zh) 2013-06-12
US20130223686A1 (en) 2013-08-29
JPWO2012033173A1 (ja) 2014-01-20
WO2012033173A1 (ja) 2012-03-15

Similar Documents

Publication Publication Date Title
JP5475138B2 (ja) 移動物予測装置、仮想可動物予測装置、プログラム、移動物予測方法、及び仮想可動物予測方法
JP5620147B2 (ja) 可動物予測装置及びプログラム
US11400925B2 (en) Planning for unknown objects by an autonomous vehicle
US11685360B2 (en) Planning for unknown objects by an autonomous vehicle
JP5535816B2 (ja) 移動物予測装置及びプログラム
CN108062095B (zh) 在概率框架内使用传感器融合的物体追踪
JP6591842B2 (ja) 意味付け交通空間についての適合型射線ベースのシーン分析を行うための方法及びシステム、並びにそのようなシステムを備える車両
US10234864B2 (en) Planning for unknown objects by an autonomous vehicle
Hashimoto et al. A probabilistic model of pedestrian crossing behavior at signalized intersections for connected vehicles
JP6650211B2 (ja) 乗り物を運転することに関して運転者を支援する方法、運転者支援システム、コンピュータソフトウェア製品、及び乗り物
JP5587170B2 (ja) 運転支援装置及びプログラム
US11380105B2 (en) Identification and classification of traffic conflicts
JP5938569B2 (ja) 方位情報を考慮する高度運転者支援システム、及びその動作方法
Hashimoto et al. Probability estimation for pedestrian crossing intention at signalized crosswalks
Hashimoto et al. A probabilistic model for the estimation of pedestrian crossing behavior at signalized intersections
JP2013004021A (ja) 衝突危険度判定装置
JP2020046882A (ja) 情報処理装置、車両制御装置および移動体制御方法
JP2011198266A (ja) 危険判定装置及びプログラム
JP2012164159A (ja) 危険度判定装置、危険度判定プログラム及び危険度判定方法
JP5747593B2 (ja) 規範車速算出装置及びプログラム
WO2015155867A1 (ja) 移動推定装置
Klette et al. Vision-based driver assistance systems
KR102531281B1 (ko) 센싱부를 활용한 통행객체 정보 생성 방법 및 시스템
Pappan et al. RMF based target position estimation and collision probability forecasting technique in freeway junctions
Morris et al. Intersection Monitoring Using Computer Vision Techniques for Capacity, Delay, and Safety Analysis

Legal Events

Date Code Title Description
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: 20140114

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20140205

R151 Written notification of patent or utility model registration

Ref document number: 5475138

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250