JP6064674B2 - 物体認識装置 - Google Patents

Description

本発明は、物体を認識するための技術に関する。

従来、車両の前方に存在する物体を識別するための技術として、レーザレーダ装置により得られる測距データに対してクラスタリング処理を行い、形成されたクラスタが特定の検出対象（例えば歩行者）であるかを識別する技術が知られている。この種の技術では、レーザレーダ装置により距離が測定された複数の測距点に基づいて、物体を表すクラスタが形成され、形成されたクラスタが検出対象の物体を表すものであるかを識別するための特徴量が当該クラスタから抽出される。例えば特許文献１に記載の物体認識装置では、クラスタの特徴量として、幅、奥行き、面積、周囲、慣性モーメント、円形度などの情報が抽出される。そして、抽出された特徴量に基づいて、当該クラスタが検出対象を表すものであるか否かが識別される。

特開２０１１−６５４００号公報

あるクラスタの表す物体の一部が、他のクラスタの表す物体の背後に隠れている場合、そのクラスタ（一部が隠れたクラスタ）から抽出される特徴量（前述した例で言えば、幅、面積、周囲、円形度など）は、隠れのない状態での特徴量と大きく異なり得る。したがって、クラスタの表す物体の一部が隠れている状態を加味せずに識別が行われると、物体の識別性能が大幅に低下してしまうことが懸念される。

本発明は、こうした問題にかんがみてなされたものであり、一部が隠れている物体についての識別性能の低下を抑制するための技術を提供することを目的としている。

本発明の物体認識装置（２）は、クラスタリング手段（Ｓ１２，Ｓ８２，２１）と、特徴抽出手段（Ｓ１３，Ｓ８４，２１）と、隠れ判定手段（Ｓ１４，Ｓ８５，２１）と、識別手段（Ｓ１５，Ｓ８７，２１）と、を備える。

クラスタリング手段は、測距装置（１）により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成する。特徴抽出手段は、クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する。隠れ判定手段は、注目するクラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他のクラスタである他クラスタの表す物体の背後に隠れている状態を判定する。識別手段は、注目クラスタが検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての隠れ判定手段による判定結果と、に基づいて識別する。

このような構成によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている状態を加味せずに当該注目クラスタが検出対象の物体を表すものであるかを識別する構成と比較して、識別性能の低下を抑制することが可能となる。

なお、この欄及び特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本発明の技術的範囲を限定するものではない。

また、本発明は、前述した物体認識装置の他、当該物体認識装置を構成要素とする車両制御装置（システム）、当該物体認識装置としてコンピュータを機能させるためのプログラム、物体認識方法など、種々の形態で実現することができる。

車両制御システムの構成を示すブロック図である。 第１実施形態の物体認識処理のフローチャートである。 隠れ判定処理のフローチャートである。 左端評価処理の概要を示す図である。 左端評価処理のフローチャートである。 右端評価処理の概要を示す図である。 右端評価処理のフローチャートである。 フラグ設定処理のフローチャートである。 第１実施形態の識別処理のフローチャートである。 回避制御の概要を示す図である。 （Ａ）は第２実施形態の識別処理のフローチャート、（Ｂ）は第２実施形態のモデルマップを示す図である。 特徴空間内の分布を示す図である。 第３実施形態の物体認識処理のフローチャートである。 第３実施形態の絞り込み処理のフローチャートである。 第３実施形態の識別処理のフローチャートである。 第４実施形態の絞り込み処理のフローチャートである。 第５実施形態の絞り込み処理のフローチャートである。 第５実施形態の識別処理のフローチャートである。 （Ａ）は第６実施形態の識別処理のフローチャート、（Ｂ）は第６実施形態のモデルマップを示す図である。 第７実施形態の隠れ判定処理のフローチャートである。

以下、本発明が適用された実施形態について、図面を用いて説明する。
［１．第１実施形態］
［１−１．全体構成］
図１に示す車両制御システムは、車両に搭載されたシステムであって、レーザレーダ装置（ＬＩＤＡＲ）１と、データ処理装置２と、作用装置３と、を備える。この車両制御システムにおいて、データ処理装置２は、レーザレーダ装置１及び作用装置３のそれぞれと通信可能に接続されている。

レーザレーダ装置１は、自車両（当該レーザレーダ装置１が搭載された車両）の前方へレーザビームを照射してその反射光を受光することにより、自車両の前方に存在する物体までの距離を測定するための測距装置である。具体的には、レーザレーダ装置１は、探査波となるパルス状のレーザビームを、自車両の前方へ照射（送信）し、レーザビームを反射した物体からの反射光を受光（受信）する。そして、レーザレーダ装置１は、レーザビームが照射されてから反射光が受光されるまでの時間を計測し、その計測結果を元に、当該レーザレーダ装置１からレーザビームを反射した物体までの距離（センサ間距離）を測定する。

レーザレーダ装置１は、センサの水平方向及び垂直方向それぞれの所定角度の範囲でレーザビームを掃引照射（走査）する。具体的には、センサの水平方向への走査は、センサの正面方向を中心とする水平方向の所定角度範囲を走査エリアとして行われ、その走査エリアにおいて、レーザビームが規定ビーム幅に等しい間隔で所定回照射される。水平方向におけるビームの照射方向は、ビーム番号により管理される。

一方、センサの垂直方向においては、複数レイヤ（例えば第１レイヤ〜第Ｌレイヤ）の走査が行われる（Ｌはレイヤの数）。つまり、１回のラインスキャン（水平方向への一次元的な走査）が完了すると、レーザビームの俯角（垂直方向の角度）が順番に切り替えられ、俯角（レイヤ）の異なるビームによるラインスキャンが、レイヤの数Ｌだけ繰り返される。このような切替えが繰り返されることで、二次元的なビームスキャンが実現される。

レーザレーダ装置１は、このような二次元的なビームスキャンを実現するスキャン処理を、あらかじめ設定されたスキャン周期ごとに実行する。そして、レーザレーダ装置１は、物体までの距離の測定結果である測距値と、その測距値に対応するレーザビームの照射方向（ビーム番号及びレイヤ番号）と、を測距データとして蓄積する。

ここで、レーザビームの照射方向は、自車両の正面における鉛直面を想定した二次元マップにおける水平方向及び鉛直方向の位置に置き換えることができる。つまり、１回のスキャン処理で得られる測距データは、水平方向及び鉛直方向のそれぞれにおいて、照射方向単位（ビーム番号単位及びレイヤ単位）で平面を区分した各区画であるセルに、当該セルが表す照射方向での測距値が対応付けられた距離画像を表す。要するに、距離画像とは、セルごとの値（画素値に相当する値）として、測距値が割り当てられた画像を意味する。また、レーザレーダ装置１によれば、測距値の他に、例えば物体の反射強度についても測定される。こうした測定結果（反射強度等）についても距離画像の各セルに対応付けられる。

なお、レーザレーダ装置１は、例えば、車室外のフロントバンパ／グリル周辺や、車室内のルームミラー周辺など、自車両の前端中央付近（自車両の前方に向けてレーザビームを照射可能な位置）に設置される。

データ処理装置２は、レーザレーダ装置１からの測距データに基づいて自車両の前方に存在する物体を識別するための装置であり、制御部２１と、記憶部２２と、を備える。
制御部２１は、ＣＰＵ、ＲＯＭ、ＲＡＭ、Ｉ／Ｏ及びこれらの構成を接続するバスライン等からなる周知のマイクロコンピュータであり、各種処理を実行する構成要素として、クラスタリング処理部２１Ａと、隠れ判定部２１Ｂと、識別処理部２１Ｃと、を備える。なお、本実施形態では、これらの構成要素２１Ａ，２１Ｂ，２１Ｃはソフトウェアにより実現される。つまり、制御部２１は、各構成要素２１Ａ，２１Ｂ，２１Ｃとしての処理を実行することで、図１に示す構成として機能する。

記憶部２２は、各種データを記憶するための記憶装置（ＲＯＭ）である。記憶部２２には、あらかじめ決められている検出対象の物体（本実施形態では歩行者）の識別モデル２２Ａが記憶されている。識別モデル２２Ａは、機械学習によって得られた検出対象の統計モデル（抽出した特徴量を用いて対象を識別するための各種パラメータ群）である。

作用装置３は、データ処理装置２からの情報（物体の識別結果であり、例えば後述するラベルや識別スコア）に基づく種々の車両制御を実行するための電子制御装置（例えばＥＣＵ）である。本実施形態では、物体を回避可能な自車両の進行方向を運転者に報知する報知制御や、物体を回避するように自車両の運動を制御する回避制御などが、車両制御として実行される。

［１−２．処理］
次に、データ処理装置２の制御部２１が実行する物体認識処理について、図２のフローチャートを用いて説明する。なお、この物体認識処理は、レーザレーダ装置１にて１回のスキャン処理が終了するごと、つまり、スキャン周期ごとに起動される。

まずＳ１１で、制御部２１は、レーザレーダ装置１によるスキャン処理によって得られた測距データを入力する測距データ入力処理を実行する。
続いて、Ｓ１２で、制御部２１は、Ｓ１１で入力した測距データに対してクラスタリング処理を実行する。具体的には、制御部２１は、レーザレーダ装置１により距離が測定された複数の測距点から、物体（立体物）を表すクラスタを形成する。

続いて、Ｓ１３で、制御部２１は、Ｓ１２で形成された各クラスタが検出対象の物体を表すものであるかを識別するための特徴量を、当該クラスタから抽出する特徴抽出処理を実行する。特徴量としては、例えば物体幅（水平方向における幅）、面積、反射強度、奥行きなどが抽出される。

続いて、Ｓ１４で、制御部２１は、Ｓ１２で形成されたクラスタのうちの１つを順に注目クラスタとして選択し、注目クラスタごとに、当該注目クラスタの表す物体の一部が、注目クラスタ以外の他クラスタの表す物体の背後に隠れているか否かを判定する隠れ判定処理を実行する。なお、隠れ判定処理の詳細については後述する（図３〜図８）。

続いて、Ｓ１５で、制御部２１は、Ｓ１２で形成された各クラスタが検出対象の物体を表すものであるか否かを、当該クラスタの特徴量と、当該クラスタについての隠れ判定処理での判定結果と、に基づいて識別する識別処理を実行した後、図２の物体認識処理を終了する。なお、識別処理の詳細については後述する（図９）。

次に、物体認識処理（図２）のＳ１４で実行される隠れ判定処理について、図３のフローチャートを用いて説明する。
隠れ判定処理において、制御部２１は、クラスタリング処理（Ｓ１２）で形成されたクラスタのうちの１つを、順に注目クラスタとして選択し、注目クラスタごとに処理を実行する。より具体的には、制御部２１は、注目クラスタごとの処理において、レイヤ（レーザビームの照射高さ）ごとに処理を実行する。このため、制御部２１は、後述するＳ２１〜Ｓ２２の処理を、レイヤ番号ｉが１からＬになるまで繰り返すループ処理（レイヤループ処理）を実行する。さらに、制御部２１は、当該レイヤループ処理及び後述するＳ２３の処理を、注目クラスタの識別値ｏ₁が１からＮ（Ｎはクラスタリング処理で形成されたクラスタの総数）になるまで繰り返すループ処理（クラスタループ処理）を実行する。

すなわち、まずＳ２１で、制御部２１は、レイヤ番号ｉにおいて注目クラスタＣ（ｏ₁）の表す物体の左端が他クラスタの表す物体の背後に隠れているかを評価するための左端評価処理を実行し、左端の隠れ度合いを表す左隠れ点数ＮＬ（ｏ₁）を算出（積算）する。

ここで、左端評価処理の処理手順について、図４を用いて説明する。左端評価処理において、制御部２１は、次の［ＬＰ１］〜［ＬＰ３］の処理をレイヤごとに実行する。
［ＬＰ１］まず、制御部２１は、レイヤ番号ｉでの注目クラスタＣ（ｏ₁，ｉ）における左端の測距点について、ビーム番号及び測距値（ｊ_l（ｏ₁，ｉ），ｄ_l（ｏ₁，ｉ））を取得する。

［ＬＰ２］続いて、制御部２１は、注目クラスタＣ（ｏ₁，ｉ）の左端のビーム（測距点）に対して左側に隣接するＮＯ本の隣接ビーム（測距点）の中に、他クラスタの測距点が含まれるか否かを判定する。ここで、ＮＯは１以上の整数である。理論的には、ＮＯを１として評価すべきであるが、例えば車両のリアガラスに対してはレーザビームが透過してしまうといったように、測距値が得られない場合がある。そこで、本実施形態では、ロバスト性を考慮して、ＮＯが２以上の値（例えば３）に設定されている。なお、ＮＯ本の隣接ビームのビーム番号は、ｊ_l（ｏ₁，ｉ）−１、ｊ_l（ｏ₁，ｉ）−２、…、ｊ_l（ｏ₁，ｉ）−ＮＯと表され、他クラスタのビーム番号はｊ（ｏ₂，ｉ，ｎ）と表される。また、ＮＯ本の隣接ビームは下記式（１）で表され、［ＬＰ２］の処理は下記式（２）で表される。制御部２１は、ＮＯ本の隣接ビームのうち少なくとも１つに他クラスタの測距点が含まれると判定した場合に、Ｆ₀に１（ｔｒｕｅ）を代入する。

［ＬＰ３］続いて、制御部２１は、ＮＯ本の隣接ビームのうち少なくとも１つに他クラスタの測距点が含まれ（Ｆ₀＝１）、かつ、当該測距点が注目クラスタＣ（ｏ₁，ｉ）における左端の測距点よりも手前にあるか否かを判定する。そして、制御部２１は、当該判定で肯定判定した場合に、左隠れ点数ＮＬ（ｏ₁）をインクリメントする。ここで、他クラスタの測距点が注目クラスタにおける左端の測距点よりも手前にあることを条件としているのは、注目クラスタの表す物体の背後に存在する物体を表す他クラスタが含まれないようにするためである。なお、他クラスタの測距値はｄ（ｏ₂，ｉ，ｎ）と表され、［ＬＰ３］の処理は下記式（３）で表される。

図５は、前述した左端評価処理をフローチャートで表したものである。図５に示す左端評価処理において、Ｓ３１は上記［ＬＰ１］の処理、Ｓ３２〜Ｓ３３は上記［ＬＰ２］の処理、Ｓ３４〜Ｓ３５は上記［ＬＰ３］の処理であり、これらの処理内容は前述したとおりであるため、説明を省略する。

続いて、Ｓ２２で、制御部２１は、レイヤ番号ｉにおいて注目クラスタＣ（ｏ₁）の表す物体の右端が他クラスタの表す物体の背後に隠れているかを評価するための右端評価処理を実行し、右端の隠れ度合いを表す右隠れ点数ＮＲ（ｏ₁）を算出（積算）する。

ここで、右端評価処理の処理手順について、図６を用いて説明する。右端評価処理において、制御部２１は、次の［ＲＰ１］〜［ＲＰ３］の処理をレイヤごとに実行する。
［ＲＰ１］まず、制御部２１は、レイヤ番号ｉでの注目クラスタＣ（ｏ₁，ｉ）における右端の測距点について、ビーム番号及び測距値（ｊ_r（ｏ₁，ｉ），ｄ_r（ｏ₁，ｉ））を取得する。

［ＲＰ２］続いて、制御部２１は、注目クラスタＣ（ｏ₁，ｉ）の右端のビーム（測距点）に対して右側に隣接するＮＯ本の隣接ビーム（測距点）の中に、他クラスタの測距点が含まれるか否かを判定する。ＮＯの値は左端評価処理と同じに設定されている。なお、ＮＯ本の隣接ビームのビーム番号は、ｊ_l（ｏ₁，ｉ）＋１、ｊ_l（ｏ₁，ｉ）＋２、…、ｊ_l（ｏ₁，ｉ）＋ＮＯと表され、他クラスタのビーム番号はｊ（ｏ₂，ｉ，ｎ）と表される。また、ＮＯ本の隣接ビームは下記式（４）で表され、［ＲＰ２］の処理は下記式（５）で表される。制御部２１は、ＮＯ本の隣接ビームのうち少なくとも１つに他クラスタの測距点が含まれると判定した場合に、Ｆ₀に１（ｔｒｕｅ）を代入する。

［ＲＰ３］続いて、制御部２１は、ＮＯ本の隣接ビームのうち少なくとも１つに他クラスタの測距点が含まれ（Ｆ₀＝１）、かつ、当該測距点が注目クラスタＣ（ｏ₁，ｉ）における右端の測距点よりも手前にあるか否かを判定する。そして、制御部２１は、当該判定で肯定判定した場合に、右隠れ点数ＮＲ（ｏ₁）をインクリメントする。ここで、他クラスタの測距点が注目クラスタにおける右端の測距点よりも手前にあることを条件としているのは、注目クラスタの表す物体の背後に存在する物体を表す他クラスタが含まれないようにするためである。なお、他クラスタの測距値はｄ（ｏ₂，ｉ，ｎ）と表され、［ＲＰ３］の処理は下記式（６）で表される。

図７は、前述した右端評価処理をフローチャートで表したものである。図７に示す右端評価処理において、Ｓ４１は上記［ＲＰ１］の処理、Ｓ４２〜Ｓ４３は上記［ＲＰ２］の処理、Ｓ４４〜Ｓ４５は上記［ＲＰ３］の処理であり、これらの処理内容は前述したとおりであるため、説明を省略する。

そして、図３に示す隠れ判定処理では、以上のような左端評価処理（Ｓ２１）及び右端評価処理（Ｓ２２）が、レイヤループ処理で繰り返される。その結果、注目クラスタＣ（ｏ₁）を構成する構成レイヤ数Ｌ（ｏ₁）（構成レイヤ数Ｌ（ｏ₁）≦全レイヤ数Ｌ）において、左隠れ点数ＮＬ（ｏ₁）及び右隠れ点数ＮＲ（ｏ₁）のそれぞれが順次インクリメントされる。このようにして得られる左隠れ点数ＮＬ（ｏ₁）は、注目クラスタＣ（ｏ₁）の表す物体の左端が他クラスタの表す物体の背後に隠れている可能性の度合いを表す値となる。同様に、右隠れ点数ＮＲ（ｏ₁）は、注目クラスタＣ（ｏ₁）の表す物体の右端が他クラスタの表す物体の背後に隠れている可能性の度合いを表す値となる。

続いて、Ｓ２３で、制御部２１は、注目クラスタＣ（ｏ₁）について得られた左隠れ点数ＮＬ（ｏ₁）及び右隠れ点数ＮＲ（ｏ₁）に基づいて、注目クラスタＣ（ｏ₁）が他クラスタの表す物体の背後に隠れているか否かを判定するフラグ設定処理を実行する。具体的には、左隠れ点数ＮＬ（ｏ₁）及び右隠れ点数ＮＲ（ｏ₁）が高いほど、注目クラスタＣ（ｏ₁）が他クラスタの表す物体の背後に隠れている可能性が高いと考えられるため、これらの値に基づいて判定を行う。ただし、これらの値は、構成レイヤ数Ｌ（ｏ₁）が大きいほど（例えば自車両からの距離が近い物体であるほど）、大きくなる傾向にある。そこで、左隠れ点数ＮＬ（ｏ₁）及び右隠れ点数ＮＲ（ｏ₁）のそれぞれを構成レイヤ数Ｌ（ｏ₁）で割ることにより正規化し、正規化後の２つの値のうち少なくとも一方が所定のしきい値ＴＨ以上である場合に、隠れフラグＦ（ｏ₁）を立てる。ここでのしきい値ＴＨは、実際には隠れがあるにもかかわらず隠れがないと誤判定されたり、逆に、実際には隠れがないにもかかわらず隠れがあると誤判定されたりすることが生じにくい値に設定される。なお、Ｓ２３の処理は下記式（７）で表される。

図８は、前述したフラグ設定処理をフローチャートで表したものである。フラグ設定処理において、制御部２１は、左隠れ点数ＮＬ（ｏ₁）及び右隠れ点数ＮＲ（ｏ₁）のそれぞれを構成レイヤ数Ｌ（ｏ₁）で割ることにより正規化した値のうち、少なくとも一方がしきい値ＴＨ以上であるか否かを判定する（Ｓ５１）。そして、制御部２１は、Ｓ５１で肯定判定した場合に（Ｓ５１：ＹＥＳ）、隠れフラグＦ（ｏ₁）の値を、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていることを示す値である１（ｔｒｕｅ）に設定する（Ｓ５２）。一方、制御部２１は、Ｓ５１で否定判定した場合に（Ｓ５１：ＮＯ）、隠れフラグＦ（ｏ₁）の値を、注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていないことを示す値である０（ｆａｌｓｅ）に設定する（Ｓ５３）。

そして、図３に示す隠れ判定処理では、以上のようなレイヤループ処理及びフラグ設定処理（Ｓ２３）が、クラスタループ処理で繰り返されることにより、すべてのクラスタについて、他クラスタの表す物体の背後に隠れているか否かが判定され、隠れフラグの値が設定される。

次に、前述した物体認識処理（図２）のＳ１５で実行される識別処理について、図９のフローチャートを用いて説明する。なお、図９に示す識別処理は、識別対象のクラスタ（本実施形態では、Ｓ１２のクラスタリング処理で形成されたすべてのクラスタ）のそれぞれを処理対象として実行される。

まずＳ６１で、制御部２１は、注目クラスタ（識別対象のクラスタのうち、処理対象として選択されているクラスタ）について隠れ判定処理で設定された隠れフラグの値が１であるか否かを判定する。

そして、制御部２１は、Ｓ６１で隠れフラグの値が１でない（注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていない）と判定した場合には、処理をＳ６２へ移行させ、識別スコアＳを算出する。具体的には、制御部２１は、Ｓ１３の特徴抽出処理で抽出された注目クラスタの特徴量と、記憶部２２に記憶されている識別モデル２２Ａと、を用い、注目クラスタが検出対象の物体を表すものであることの可能性の度合いを、識別スコアＳとして算出する。

続いて、Ｓ６３で、制御部２１は、Ｓ６２で算出した識別スコアＳが、あらかじめ設定されている判定基準値としてのしきい値ＴＨ以上であるか否かを判定する。制御部２１は、Ｓ６３で識別スコアＳがしきい値ＴＨ以上であると判定すると、処理をＳ６４へ移行させ、注目クラスタのラベルを＋１にした後、図９の識別処理を終了する。注目クラスタのラベルを＋１にすることは、注目クラスタが検出対象の物体を表すものとして確定されたことを意味する。また、ここでのしきい値ＴＨは、実際には検出対象の物体であるにもかかわらず検出対象でないと誤判定されたり、逆に、実際には検出対象の物体でないにもかかわらず検出対象であると誤判定されたりすることが生じにくい値に設定される。

一方、制御部２１は、Ｓ６３で識別スコアＳがしきい値ＴＨ以上でないと判定すると、処理をＳ６５へ移行させ、注目クラスタのラベルを−１にした後、図９の識別処理を終了する。注目クラスタのラベルを−１にすることは、注目クラスタが検出対象の物体を表すものでないことの確定（リジェクト）を意味する。

これに対し、制御部２１は、Ｓ６１で隠れフラグの値が１である（注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている）と判定した場合には、処理をＳ６６へ移行させ、注目クラスタのラベルを０にした後、図９の識別処理を終了する。注目クラスタのラベルを０にすることは、注目クラスタが検出対象の物体を表すものであるか否かの判定を保留したこと、つまり、検出対象を表すものであるか否かが不明な立体物として保留したことを意味する。

［１−４．効果］
以上詳述した第１実施形態によれば、以下の効果が得られる。
（１Ａ）第１実施形態では、レーザレーダ装置１により距離が測定された複数の測距点に基づいて、物体を表すクラスタが形成され（Ｓ１２）、クラスタが検出対象の物体を表すものであるかを識別するための特徴量が当該クラスタから抽出される（Ｓ１３）。また、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かを判定する隠れ判定処理が行われる（Ｓ１４）。その後、注目クラスタが検出対象の物体を表すものであるかが、当該注目クラスタの特徴量と、当該注目クラスタについての隠れ判定処理による判定結果と、に基づいて識別される（Ｓ１５）。したがって、第１実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かを加味せずに当該注目クラスタが検出対象の物体を表すものであるかを識別する構成と比較して、一部が隠れている物体についての識別性能の低下を抑制することができる。

（１Ｂ）第１実施形態では、注目クラスタに隣接する所定数ＮＯの測距点のうち少なくとも１つが他クラスタに含まれ、かつ、当該他クラスタが注目クラスタよりも近距離に存在することを条件として、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定される（Ｓ１４）。したがって、第１実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かの判定を比較的正確にかつ簡易的に行うことができる。

（１Ｃ）第１実施形態では、注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていないと判定された場合には（Ｓ６１：ＮＯ）、当該注目クラスタが検出対象の物体を表すものであるか否かが、当該注目クラスタの特徴量に基づいて識別される（Ｓ６２〜Ｓ６５）。一方、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定された場合には（Ｓ６１：ＹＥＳ）、当該注目クラスタが検出対象の物体を表すものであるか否かの識別が保留される（Ｓ６６）。したがって、第１実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かを加味せずに当該注目クラスタが検出対象の物体を表すものであるか否かを識別する構成と比較して、柔軟な車両制御を実現することができる。

すなわち、例えば図１０に示すように、物体Ｏｂを回避するように自車両Ａの運動を制御する回避制御においては、ラベルが＋１である場合（物体Ｏｂが歩行者である場合）の回避パスＰａを、ラベルが−１である場合（物体Ｏｂが歩行者でない場合）の回避パスＰｂと比較して、余裕を持たせることが考えられる。つまり、歩行者に対してはできるだけ大きく回避しつつ、ドライバへの負担軽減の観点から、歩行者以外に対しては回避量を小さくする。ただし、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かを加味しない場合、歩行者であるにもかかわらず検出対象でないとの誤判定（隠れによる誤リジェクト）が生じ得る。この場合、歩行者に対する回避量が小さく設定されてしまう。これに対し、本実施形態では、ラベルが０である場合（物体Ｏｂが歩行者であるか不明な場合）の回避パスＰｃの余裕度を、Ｐｂ＜Ｐｃ＜Ｐａの関係になるように設定することができる。つまり、本実施形態によれば、ラベルが０である場合を判定しているため、歩行者の安全性とドライバへの負担軽減を両立した車両制御を実現することができる。なお、注目クラスタの隠れ状態の変化に伴い、ラベルが＋１に変化した場合には回避パスをＰａに変更し、逆に、ラベルが−１に変化した場合には回避パスをＰｂに変更すればよい。

なお、第１実施形態では、データ処理装置２が物体認識装置の一例に相当し、データ処理装置２により実行される処理手順が物体認識方法の一例に相当する。また、クラスタリング処理（Ｓ１２）がクラスタリング手段としての処理及びクラスタリングステップの一例に相当し、特徴抽出処理（Ｓ１３）が特徴抽出手段としての処理及び特徴抽出ステップの一例に相当する。また、隠れ判定処理（Ｓ１４）が隠れ判定手段としての処理及び隠れ判定ステップの一例に相当し、識別処理（Ｓ１５）が識別手段としての処理及び識別ステップの一例に相当する。また、レーザレーダ装置１が測距装置の一例に相当する。

［２．第２実施形態］
［２−１．第１実施形態との相違点］
第２実施形態は、基本的な構成は第１実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。

前述した第１実施形態では、識別処理において、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定された場合に、当該注目クラスタが検出対象の物体を表すものであるか否かの識別が保留される。これに対し、第２実施形態では、識別処理において、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定されたか否かに応じて、識別スコアＳの算出条件、具体的には識別モデル２２Ａが変更される点で、第１実施形態と相違する。

［２−２．処理］
次に、前述した第１実施形態の識別処理（図９）に代えて、第２実施形態の制御部２１が実行する識別処理について、図１１（Ａ）のフローチャートを用いて説明する。なお、図１１（Ａ）におけるＳ７２〜Ｓ７５の処理は、図９におけるＳ６２〜Ｓ６５の処理と同様であるため、説明を一部簡略化している。

まずＳ７１で、制御部２１は、複数種類の識別モデル２２Ａの中から、注目クラスタについての識別スコアＳの算出に用いる識別モデル２２Ａを選定する識別モデル選定処理を実行する。図１１（Ｂ）に示すように、複数種類の識別モデル（ｍｏｄｅｌ０１，ｍｏｄｅｌ０２，…，ｍｏｄｅｌ１ｎ）は、モデルマップにおいて、隠れフラグの値（０又は１）と、物体幅ｗの値（ｗ１，ｗ２，…，ｗｎ）と、に応じて分類されている。隠れフラグの値が１の識別モデルは、隠れがあるデータで学習されたモデルである。制御部２１は、注目クラスタについて隠れ判定処理で設定された隠れフラグと、注目クラスタについて特徴抽出処理で抽出された物体幅ｗと、に対応する識別モデル２２Ａを選定する。

続いて、Ｓ７２で、制御部２１は、Ｓ７１で選定した識別モデル２２Ａを用いて、識別スコアＳを算出する。
続いて、Ｓ７３で、制御部２１は、Ｓ７２で算出した識別スコアＳがしきい値ＴＨ以上であるか否かを判定し、しきい値ＴＨ以上であると判定すると、処理をＳ７４へ移行させ、注目クラスタのラベルを＋１にした後、図１１の識別処理を終了する。一方、制御部２１は、Ｓ７３で識別スコアＳがしきい値ＴＨ以上でないと判定すると、処理をＳ７５へ移行させ、注目クラスタのラベルを−１にした後、図１１の識別処理を終了する。

［２−３．効果］
以上詳述した第２実施形態によれば、前述した第１実施形態の効果（１Ａ）〜（１Ｂ）と同様の効果に加え、以下の効果が得られる。

（２Ａ）第２実施形態では、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定されたか否かに応じて、識別モデル２２Ａが変更される（Ｓ７１）。したがって、第２実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かに関係なく共通の識別モデル２２Ａが用いられる構成と比較して、一部が隠れている物体についての識別性能の低下を抑制することができる。

（２Ｂ）第２実施形態では、隠れフラグの値だけでなく、物体幅ｗの値に応じて識別モデル２２Ａが変更される（Ｓ７１）。図１２に示すように、特徴空間内の分布は、物体幅の値によって大きく異なるが、物体幅ｗの値に応じた識別モデル２２Ａを用いることで、識別面（歩行者と歩行者以外とを識別する境界）をシンプルにすることができ、識別性能を向上させることができる。

［３．第３実施形態］
［３−１．第１実施形態との相違点］
第３実施形態は、基本的な構成は第１実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。

前述した第１実施形態では、識別処理において、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定された場合に、当該注目クラスタが検出対象の物体を表すものであるか否かの識別が保留される。これに対し、第３実施形態では、識別処理の前に、当該識別処理で識別対象とされるクラスタを絞り込む絞り込み処理が行われる。そして、当該絞り込み処理において、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定された場合に、当該注目クラスタが検出対象の物体を表すものであるか否かの識別が保留される点で、第１実施形態と相違する。加えて、第３実施形態では、識別処理において、注目クラスタが移動状態であると判定され、かつ、注目クラスタの表す物体が隠れていないと判定された場合には、識別スコアＳを算出することなく注目クラスタが検出対象の物体を表すものであると識別される点で、第１実施形態と相違する。

［３−２．処理］
次に、前述した第１実施形態の物体認識処理（図２）に代えて、第３実施形態の制御部２１が実行する物体認識処理について、図１３のフローチャートを用いて説明する。なお、図１３におけるＳ８１〜Ｓ８２，Ｓ８４〜Ｓ８５，Ｓ８７の処理は、図２におけるＳ１１〜Ｓ１５の処理と同様であるため、説明を一部簡略化している。

まずＳ８１で、制御部２１は、レーザレーダ装置１から測距データを入力する測距データ入力処理を実行する。
続いて、Ｓ８２で、制御部２１は、Ｓ８１で入力した測距データに対してクラスタリング処理を実行する。

続いて、Ｓ８３で、制御部２１は、Ｓ８２で形成された各クラスタを時系列的に追跡する追跡処理を行う。この追跡処理により、各クラスタの移動速度Ｖが算出される。
続いて、Ｓ８４で、制御部２１は、Ｓ８２で形成された各クラスタから特徴量を抽出する特徴抽出処理を実行する。

続いて、Ｓ８５で、制御部２１は、Ｓ８２で形成された各クラスタの表す物体の一部が、他クラスタの表す物体の背後に隠れているか否かを判定する隠れ判定処理を実行する。
続いて、Ｓ８６で、制御部２１は、識別処理（Ｓ８７）で識別対象とされるクラスタを絞り込む絞り込み処理を実行する。なお、絞り込み処理の詳細については後述する。

続いて、Ｓ８７で、制御部２１は、Ｓ８２で形成された各クラスタが検出対象の物体を表すものであるか否かを識別する識別処理を実行する。その後、図１３の物体認識処理を終了する。

次に、物体認識処理（図１３）のＳ８６で実行される絞り込み処理について、図１４のフローチャートを用いて説明する。なお、図１４に示す絞り込み処理は、クラスタリング処理（Ｓ８２）で形成された各クラスタを処理対象として実行される。

まずＳ９１で、制御部２１は、注目クラスタ（処理対象として選択されているクラスタ）について隠れ判定処理で設定された隠れフラグの値が１であるか否かを判定する。
そして、制御部２１は、Ｓ９１で隠れフラグの値が１でない（注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていない）と判定した場合には、処理をＳ９２へ移行させ、絞り込み判定を行う。絞り込み処理は、識別処理で識別対象とされるクラスタを絞り込む処理であり、換言すれば、注目クラスタが検出対象の物体を表すものであるか否かを、識別処理よりも粗く判定する処理である。絞り込み処理では、特徴抽出処理（Ｓ８４）で抽出された注目クラスタの特徴量の少なくとも一部が評価される。具体的には、複数種類の特徴量のうち１つ以上の特徴量（判定対象の特徴量）について、注目クラスタの特徴量が判定基準をクリアするか否かが判定される。例えば物体幅については、注目クラスタの物体幅ｗが判定基準としての最小値ｗ_min及び最大値ｗ_maxの範囲に含まれる場合に（ｗ_min≦ｗ≦ｗ_max）、判定基準をクリアしたと判定される。ここでいう範囲は、比較的緩く（広めに）設定される。こうして、すべての判定対象の特徴量について判定基準をクリアしたと判定された場合には、識別処理で識別対象とするか否かを表す絞り込みフラグの値が１に設定される。一方、１つ以上の判定対象の特徴量について判定基準をクリアしないと判定された場合（注目クラスタが検出対象の物体を表す可能性が著しく低い場合）には、絞り込みフラグの値が０に設定される。

続いて、Ｓ９３で、制御部２１は、絞り込みフラグの値が１であるか否かを判定する。制御部２１は、Ｓ９３で絞り込みフラグの値が１であると判定すると、処理をＳ９４へ移行させ、注目クラスタを識別処理（Ｓ８７）で識別対象とされるクラスタとして抽出した後、図１４の絞り込み処理を終了する。

一方、制御部２１は、Ｓ９３で絞り込みフラグの値が１でないと判定すると、処理をＳ９５へ移行させ、注目クラスタのラベルを−１にした後、図１４の絞り込み処理を終了する。注目クラスタのラベルを−１にすることは、注目クラスタが検出対象の物体を表すものでないことの確定（リジェクト）を意味し、識別処理（Ｓ８７）での識別対象から除外される。

これに対し、制御部２１は、Ｓ９１で隠れフラグの値が１である（注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている）と判定した場合には、処理をＳ９６へ移行させ、注目クラスタのラベルを０にした後、図１４の絞り込み処理を終了する。注目クラスタのラベルを０にすることは、注目クラスタが検出対象の物体を表すものであるか否かの判定を保留したこと、つまり、検出対象を表すものであるか否かが不明な立体物として保留したことを意味し、識別処理（Ｓ８７）での識別対象から除外される。

次に、前述した第１実施形態の識別処理（図９）に代えて、第３実施形態の制御部２１が実行する識別処理について、図１５のフローチャートを用いて説明する。なお、図１５におけるＳ１０２〜Ｓ１０６の処理は、図９におけるＳ６１，Ｓ６４，Ｓ６２〜Ｓ６３，Ｓ６５の処理と同様であるため、説明を一部簡略化している。

まずＳ１０１で、制御部２１は、追跡処理（Ｓ８３）により算出された注目クラスタの移動速度Ｖが、移動状態か静止状態かを判別するための判定基準速度Ｖｍｉｎ以上であるか否かを判定する。

制御部２１は、Ｓ１０１で移動速度Ｖが判定基準速度Ｖｍｉｎ以上である（注目クラスタが移動状態である）と判定すると、処理をＳ１０２へ移行させ、注目クラスタについて隠れ判定処理（Ｓ８５）で設定された隠れフラグの値が１であるか否かを判定する。

そして、制御部２１は、Ｓ１０２で隠れフラグの値が１でない（注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていない）と判定した場合には、処理をＳ１０３へ移行させ、注目クラスタのラベルを＋１にした後、図１５の識別処理を終了する。つまり、追跡処理での追跡結果に基づいて注目クラスタが移動状態であると判定し、かつ、注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていないと判定した場合には、識別スコアＳを算出することなく注目クラスタが検出対象の物体を表すものであると識別する。

一方、制御部２１は、Ｓ１０１で移動速度Ｖが判定基準速度Ｖｍｉｎ未満である（注目クラスタが静止状態である）と判定した場合、及び、Ｓ１０２で隠れフラグの値が１である（注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている）と判定した場合には、処理をＳ１０４へ移行させ、識別スコアＳを算出する。

続いて、Ｓ１０５で、制御部２１は、Ｓ１０４で算出した識別スコアＳがしきい値ＴＨ以上であるか否かを判定し、しきい値ＴＨ以上であると判定すると、処理をＳ１０３へ移行させ、注目クラスタのラベルを＋１にした後、図１５の識別処理を終了する。一方、制御部２１は、Ｓ１０５で識別スコアＳがしきい値ＴＨ以上でないと判定すると、処理をＳ１０６へ移行させ、注目クラスタのラベルを−１にした後、図１５の識別処理を終了する。

［３−３．効果］
以上詳述した第３実施形態によれば、前述した第１実施形態の効果（１Ａ）〜（１Ｂ）と同様の効果に加え、以下の効果が得られる。

（３Ａ）第３実施形態では、クラスタを時系列的に追跡する追跡処理が行われる（Ｓ８３）。そして、追跡処理での追跡結果に基づいて注目クラスタが移動状態であると判定され（Ｓ１０１：ＹＥＳ）、かつ、隠れ判定処理（Ｓ８５）により注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていないと判定された場合には（Ｓ１０２：ＮＯ）、識別スコアＳを算出することなく当該注目クラスタが検出対象の物体を表すものであると識別される（Ｓ１０３）。したがって、第３実施形態によれば、検出対象の物体であるにもかかわらず検出対象でないと誤判定されてしまうことを生じにくくすることができ、加えて、識別処理の負荷を低減することができる。一方、移動状態の物体であっても他の物体の背後に隠れている場合には識別スコアＳを算出して判定するため、前方車両の一部が隠れている場合に検出対象（歩行者）であると誤判定してしまうといったことを生じにくくすることができる。

（３Ｂ）第３実施形態では、注目クラスタの表す物体が他クラスタの表す物体の背後に隠れていないと判定された場合には（Ｓ９１：ＮＯ）、当該注目クラスタについて絞り込み判定が行われ、識別処理での識別対象とすべきか否かが判定される（Ｓ９２〜Ｓ９５）。一方、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定された場合には（Ｓ９１：ＹＥＳ）、当該注目クラスタが検出対象の物体を表すものであるか否かの識別が保留される（Ｓ９６）。したがって、第３実施形態によれば、第１実施形態の効果（１Ｃ）と同様の効果が得られる。

なお、第３実施形態では、クラスタリング処理（Ｓ８２）がクラスタリング手段としての処理及びクラスタリングステップの一例に相当し、追跡処理（Ｓ８３）が追跡手段としての処理の一例に相当する。また、特徴抽出処理（Ｓ８４）が特徴抽出手段としての処理及び特徴抽出ステップの一例に相当し、隠れ判定処理（Ｓ８５）が隠れ判定手段としての処理及び隠れ判定ステップの一例に相当する。また、絞り込み処理（Ｓ８６）が絞り込み手段としての処理の一例に相当し、識別処理（Ｓ８７）が識別手段としての処理及び識別ステップの一例に相当する。

［４．第４実施形態］
［４−１．第３実施形態との相違点］
第４実施形態は、基本的な構成は第３実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。

前述した第３実施形態では、絞り込み処理において、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定された場合に、当該注目クラスタが検出対象の物体を表すものであるか否かの識別が保留される。これに対し、第４実施形態では、絞り込み処理において、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定されたか否かに応じて、識別対象とされるクラスタを絞り込むための条件が変更される点で、第３実施形態と相違する。

［４−２．処理］
次に、前述した第３実施形態の絞り込み処理（図１４）に代えて、第４実施形態の制御部２１が実行する絞り込み処理について、図１６のフローチャートを用いて説明する。なお、図１６におけるＳ１１１〜Ｓ１１２，Ｓ１１４〜Ｓ１１６の処理は、図１４におけるＳ９１〜Ｓ９５の処理と同様であるため、説明を一部簡略化している。

まずＳ１１１で、制御部２１は、注目クラスタについて隠れ判定処理で設定された隠れフラグの値が１であるか否かを判定する。
そして、制御部２１は、Ｓ１１１で隠れフラグの値が１でないと判定した場合には、処理をＳ１１２へ移行させ、通常の絞り込み判定（第３実施形態のＳ９２と同様の絞り込み判定）を行った後、処理をＳ１１４へ移行させる。

一方、制御部２１は、Ｓ１１１で隠れフラグの値が１であると判定した場合には、処理をＳ１１３へ移行させ、隠れ状態専用の絞り込み判定を行った後、処理をＳ１１４へ移行させる。隠れ状態専用の絞り込み判定は、基本的には通常の絞り込み判定（Ｓ１１２）と同様であるが、判定対象の特徴量が異なる。具体的には、隠れ状態専用の絞り込み判定においては、物体の一部が隠れている場合に信頼性が低下しやすい特徴量を判定対象の特徴量としない（制限を設けない）。例えば、物体幅ｗや面積などの特徴量は、他の物体に隠れている分、小さくなる。このように、物体の一部が隠れている場合に信頼性が低下しやすい特徴量（例えば物体幅や面積等）を、以下「第１種の特徴量」といい、逆に、物体の一部が隠れている場合にも信頼性が低下しにくい特徴量（例えば反射強度や奥行き等）を、以下「第２種の特徴量」という。

続いて、Ｓ１１４で、制御部２１は、絞り込みフラグの値が１であるか否かを判定し、値が１であると判定すると、処理をＳ１１５へ移行させ、注目クラスタを識別処理で識別対象とされるクラスタとして抽出した後、図１６の絞り込み処理を終了する。

一方、制御部２１は、Ｓ１１４で絞り込みフラグの値が１でないと判定すると、処理をＳ１１６へ移行させ、注目クラスタのラベルを−１にした後、図１６の絞り込み処理を終了する。

［４−３．効果］
以上詳述した第４実施形態によれば、前述した第１実施形態の効果（１Ａ）〜（１Ｂ）及び第３実施形態の効果（３Ａ）と同様の効果に加え、以下の効果が得られる。

（４Ａ）第４実施形態では、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れていると判定されたか否かに応じて、絞り込みの条件が変更される（Ｓ１１１〜Ｓ１１３）。したがって、第４実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かに関係なく共通の条件で絞り込みが行われる構成と比較して、絞り込みの精度を向上させることができる。

［５．第５実施形態］
［５−１．第３実施形態との相違点］
第５実施形態は、基本的な構成は第３実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。

前述した第３実施形態では、隠れ判定処理で、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かが判定される。そして、識別処理において、注目クラスタが移動状態であると判定され、かつ、注目クラスタの表す物体が隠れていないと判定された場合に、注目クラスタが検出対象の物体を表すものであると識別される。これに対し、第５実施形態では、隠れ判定処理で、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている可能性の度合いを表す隠れ信頼度が算出される点で、第３実施形態と相違する。さらに、第５実施形態では、注目クラスタについて算出された隠れ信頼度に応じて、絞り込みの条件が変更される点で、第３実施形態と相違する。加えて、第５実施形態では、識別処理において、隠れ信頼度に基づいて補正した識別スコアＳが用いられる点で、第３実施形態と相違する。

［５−２．処理］
次に、前述した第３実施形態の隠れ判定処理（つまり、第１実施形態で説明した隠れ判定処理）に代えて、第５実施形態で実行される隠れ判定処理について説明する。

第１実施形態では、前述した式（７）で表されるように、左隠れ点数ＮＬ（ｏ₁）及び右隠れ点数ＮＲ（ｏ₁）を構成レイヤ数Ｌ（ｏ₁）でそれぞれ正規化した２つの値のうちいずれかが所定のしきい値ＴＨ以上であるか否かに基づいて、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れているか否かが判定された。これに対し、第５実施形態では、下記式（８）で表されるように、左隠れ点数ＮＬ（ｏ₁）及び右隠れ点数ＮＲ（ｏ₁）を構成レイヤ数Ｌ（ｏ₁）でそれぞれ正規化した２つの値の平均値が、隠れ信頼度Ｒ（隠れ状態である可能性の度合いを表す連続値）として算出される。つまり、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている可能性が高いほど、隠れ信頼度Ｒが高くなる。また、隠れ信頼度Ｒの最小値は０となる。

次に、前述した第３実施形態の絞り込み処理（図１４）に代えて、第５実施形態の制御部２１が実行する絞り込み処理について、図１７のフローチャートを用いて説明する。なお、図１７におけるＳ１２２〜Ｓ１２４の処理は、図１４におけるＳ９３〜Ｓ９５の処理と同様であるため、説明を一部簡略化している。

まずＳ１２１で、制御部２１は、注目クラスタについての隠れ信頼度Ｒの値を加味した絞り込み判定を行う。ここで行われる絞り込み判定は、基本的には第３実施形態で説明した絞り込み判定（Ｓ９２）と同様であるが、隠れ信頼度Ｒの値が加味される点が異なる。具体的には、隠れ信頼度Ｒが高い場合には、第１種の特徴量（例えば物体幅ｗや面積等）について、判定基準を緩める。すなわち、第２種の特徴量については、前述した第３実施形態のＳ９２と同様、注目クラスタの特徴量Ｘが判定基準としての最小値Ｘ_min及び最大値Ｘ_maxの範囲に含まれる場合に（Ｘ_min≦Ｘ≦Ｘ_max）、判定基準をクリアしたと判定される。これに対し、第１種の特徴量については、隠れ信頼度Ｒが１以上の値に算出されることを前提として、注目クラスタの特徴量Ｘが、最小値Ｘ_minを隠れ信頼度Ｒで割った値から、最大値Ｘ_maxに隠れ信頼度Ｒを乗じた値までの範囲に含まれる場合に（Ｘ_min／Ｒ≦Ｘ≦Ｘ_max×Ｒ）、判定基準をクリアしたと判定される。つまり、第１種の特徴量についての範囲は、隠れ信頼度Ｒが大きいほど広くなるように設定される。そして、第３実施形態のＳ９２と同様、すべての判定対象の特徴量について判定基準をクリアしたと判定された場合には、絞り込みフラグの値が１に設定され、１つ以上の判定対象の特徴量について判定基準をクリアしないと判定された場合には、絞り込みフラグの値が０に設定される。

続いて、Ｓ１２２で、制御部２１は、絞り込みフラグの値が１であるか否かを判定し、値が１であると判定すると、処理をＳ１２３へ移行させ、注目クラスタを識別処理で識別対象とされるクラスタとして抽出した後、図１７の絞り込み処理を終了する。

一方、制御部２１は、Ｓ１２３で絞り込みフラグの値が１でないと判定すると、処理をＳ１２４へ移行させ、注目クラスタのラベルを−１にした後、図１７の絞り込み処理を終了する。

次に、前述した第３実施形態の識別処理（図１５）に代えて、第５実施形態の制御部２１が実行する識別処理について、図１８のフローチャートを用いて説明する。なお、図１８におけるＳ１３１，Ｓ１３３〜Ｓ１３５の処理は、図１５におけるＳ１０４〜Ｓ１０５，Ｓ１０３，Ｓ１０６の処理と同様であるため、説明を一部簡略化している。

まずＳ１３１で、制御部２１は、注目クラスタの特徴量と識別モデル２２Ａとを用い、注目クラスタが検出対象の物体を表すものであることの可能性の度合いを識別スコアＳ₀として算出する。

続いて、Ｓ１３２で、制御部２１は、Ｓ１３１で算出した識別スコアＳ₀を、隠れ判定処理で算出した隠れ信頼度Ｒに基づいて補正する。本実施形態では、隠れ判定処理において算出される隠れ信頼度Ｒの値が０以上であり、Ｓ１３１で算出した識別スコアＳ₀に隠れ信頼度Ｒを加算した値を補正後の識別スコアＳとする（Ｓ＝Ｓ₀＋Ｒ）。つまり、隠れ信頼度Ｒの値が０の場合には、識別スコアＳの値が識別スコアＳ₀に対して増加せず、隠れ信頼度Ｒが高いほど識別スコアＳが高くなるように補正される。なお、補正方法はあくまでも一例であり、これに限定されるものではない。例えば、隠れ信頼度Ｒの値が１以上の値として算出される前提で、識別スコアＳ₀に隠れ信頼度Ｒを乗じた値を補正後の識別スコアＳとしてもよい（Ｓ＝Ｓ₀×Ｒ）。

続いて、Ｓ１３３で、制御部２１は、識別スコアＳがしきい値ＴＨ以上であるか否かを判定し、しきい値ＴＨ以上であると判定すると、処理をＳ１３４へ移行させ、注目クラスタのラベルを＋１にした後、図１８の識別処理を終了する。一方、制御部２１は、Ｓ１３３で識別スコアＳがしきい値ＴＨ以上でないと判定すると、処理をＳ１３５へ移行させ、注目クラスタのラベルを−１にした後、図１８の識別処理を終了する。

［５−３．効果］
以上詳述した第５実施形態によれば、前述した第１実施形態の効果（１Ａ）〜（１Ｂ）及び第３実施形態の効果（３Ａ）と同様の効果に加え、以下の効果が得られる。

（５Ａ）第５実施形態では、注目クラスタに隣接する所定数ＮＯの測距点のうち少なくとも１つが他クラスタに含まれ、かつ、当該他クラスタが注目クラスタよりも近距離に存在することを条件として、他クラスタに含まれる当該測距点の数に基づいて注目クラスタについての隠れ信頼度Ｒが算出される。したがって、第５実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている可能性の度合いを比較的正確にかつ簡易的に行うことができる。

（５Ｂ）第５実施形態では、注目クラスタについて算出された隠れ信頼度Ｒに応じて、絞り込みの条件が変更される（Ｓ１２１）。したがって、第５実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている可能性の度合いに関係なく共通の条件で絞り込みが行われる構成と比較して、絞り込みの精度を向上させることができる。

（５Ｃ）第５実施形態では、注目クラスタの特徴量に基づいて当該注目クラスタが検出対象の物体を表すものである可能性の度合いを表す識別スコアＳ₀が算出され（Ｓ１３１）、当該識別スコアＳ₀が、注目クラスタについて算出された隠れ信頼度Ｒに基づいて補正される（Ｓ１３２）。そして、補正後の識別スコアＳに基づいて注目クラスタが検出対象の物体を表すものであるかが判定される（Ｓ１３３〜Ｓ１３５）。したがって、第５実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている可能性の度合いに応じた識別スコアＳに基づいて、当該注目クラスタが検出対象の物体を表すものであるかを識別することができる。その結果、隠れの可能性に応じて適切な識別を行うことができる。具体的には、隠れの可能性が高いほど、注目クラスタが検出対象の物体を表すものとして確定されやすくなるため、検出対象の物体であるにもかかわらず検出対象でないと誤判定されてしまうことを生じにくくすることができる。

なお、第５実施形態では、Ｓ１３１が算出手段としての処理の一例に相当し、Ｓ１３２が補正手段としての処理の一例に相当する。また、Ｓ１３３〜Ｓ１３５が対象判定手段としての処理の一例に相当する。

［６．第６実施形態］
［６−１．第５実施形態との相違点］
第６実施形態は、基本的な構成は第５実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。

前述した第５実施形態では、識別処理において、識別スコアＳ₀が隠れ信頼度Ｒの値に関係なく一定の条件で算出される。これに対し、第６実施形態では、識別処理において、識別スコアＳ₀の算出条件、具体的には識別モデル２２Ａが、隠れ信頼度Ｒの値に応じて変更される点で、第５実施形態と相違する。

［６−２．処理］
次に、前述した第５実施形態の識別処理（図１８）に代えて、第６実施形態の制御部２１が実行する識別処理について、図１９（Ａ）のフローチャートを用いて説明する。なお、図１９（Ａ）におけるＳ１４２〜Ｓ１４６の処理は、図１８におけるＳ１３１〜Ｓ１３５の処理と同様であるため、説明を一部簡略化している。

まずＳ１４１で、制御部２１は、複数種類の識別モデル２２Ａの中から、注目クラスタについての識別スコアＳ₀の算出に用いる識別モデル２２Ａを選定する識別モデル選定処理を実行する。図１９（Ｂ）に示すように、複数種類の識別モデル（ｍｏｄｅｌ１１，ｍｏｄｅｌ１２，…，ｍｏｄｅｌｍｎ）は、モデルマップにおいて、隠れ信頼度Ｒの値（Ｒ１，Ｒ２，…，Ｒｍ）と、物体幅ｗの値（ｗ１，ｗ２，…，ｗｎ）と、に応じて分類されている。このため、制御部２１は、注目クラスタについて隠れ判定処理で算出された隠れ信頼度Ｒと、注目クラスタについて特徴抽出処理で抽出された物体幅ｗと、に対応する識別モデル２２Ａを選定する。

続いて、Ｓ１４２で、制御部２１は、Ｓ１４１で選定した識別モデル２２Ａを用いて、識別スコアＳ₀を算出する。
続いて、Ｓ１４３で、制御部２１は、Ｓ１４２で算出した識別スコアＳ₀を、隠れ判定処理で算出した隠れ信頼度Ｒに基づいて補正する。

続いて、Ｓ１４４で、制御部２１は、識別スコアＳがしきい値ＴＨ以上であるか否かを判定し、しきい値ＴＨ以上であると判定すると、処理をＳ１４５へ移行させ、注目クラスタのラベルを＋１にした後、図１９（Ａ）の識別処理を終了する。一方、制御部２１は、Ｓ１４４で識別スコアＳがしきい値ＴＨ以上でないと判定すると、処理をＳ１４６へ移行させ、注目クラスタのラベルを−１にした後、図１９（Ａ）の識別処理を終了する。

［６−３．効果］
以上詳述した第６実施形態によれば、前述した第５実施形態の効果と同様の効果に加え、以下の効果が得られる。

（６Ａ）第６実施形態では、注目クラスタについて算出された隠れ信頼度Ｒに応じて、識別モデル２２Ａが変更される（Ｓ１４１）。したがって、第６実施形態によれば、注目クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている可能性の度合いに関係なく共通の識別モデル２２Ａが用いられる構成と比較して、一部が隠れている物体についての識別性能の低下を抑制することができる。

（６Ｂ）第６実施形態では、隠れフラグの値だけでなく、物体幅ｗの値に応じて識別モデル２２Ａが変更されるため（Ｓ１４１）、識別性能を向上させることができる。
なお、第６実施形態では、Ｓ１４２が算出手段としての処理の一例に相当し、Ｓ１４３が補正手段としての処理の一例に相当する。また、Ｓ１４４〜Ｓ１４６が対象判定手段としての処理の一例に相当する。

［７．第７実施形態］
［７−１．第５実施形態との相違点］
第７実施形態は、基本的な構成は第５実施形態と同様であるため、共通する構成については説明を省略し、相違点を中心に説明する。

前述した第５実施形態では、注目クラスタが移動状態であるか否かに関係なく、識別処理において識別スコアＳ₀が隠れ信頼度Ｒに基づいて補正される。これに対し、第７実施形態では、注目クラスタが移動状態でない場合には、識別処理において識別スコアＳ₀が補正されない点で、第５実施形態と相違する。

［７−２．処理］
次に、前述した第５実施形態の隠れ判定処理に代えて、第７実施形態の制御部２１が実行する隠れ判定処理について、図２０のフローチャートを用いて説明する。

まずＳ１５１で、制御部２１は、追跡処理（Ｓ８３）により算出された注目クラスタの移動速度Ｖが、移動状態か静止状態かを判別するための判定基準速度Ｖｍｉｎ以上であるか否かを判定する。

制御部２１は、Ｓ１５１で移動速度Ｖが判定基準速度Ｖｍｉｎ以上である（注目クラスタが移動状態である）と判定すると、処理をＳ１５２へ移行させ、隠れ信頼度Ｒを算出した後、図２０の隠れ判定処理を終了する。隠れ信頼度Ｒは、例えば前述した第５実施形態と同様に算出することが可能である。ただし、第７実施形態では、隠れ信頼度Ｒの値が０以上１以下の範囲に収まるように正規化される。

一方、制御部２１は、Ｓ１５１で移動速度Ｖが判定基準速度Ｖｍｉｎ未満である（注目クラスタが静止状態である）と判定すると、処理をＳ１５３へ移行させ、隠れ信頼度Ｒの値を１に設定した後、図２０の隠れ判定処理を終了する。なお、後述するように、隠れ信頼度Ｒの値が１であることは、実質的に識別スコアＳ₀が補正されないことを意味する。

次に、前述した第５実施形態の識別処理（図１８）に代えて、第７実施形態の制御部２１が実行する識別処理について説明する。ただし、第７実施形態の識別処理は、基本的には第５実施形態の識別処理と同様であり、Ｓ１３２の処理内容が異なるだけであるため、図面を流用しつつ、相違点であるＳ１３２の処理について説明する。

Ｓ１３２で、制御部２１は、Ｓ１３１で算出した識別スコアＳ₀を、隠れ判定処理で算出した隠れ信頼度Ｒに基づいて補正する。第７実施形態では、隠れ判定処理において算出される隠れ信頼度Ｒの値が０以上１以下であり、Ｓ１３１で算出した識別スコアＳ₀を隠れ信頼度Ｒで割った値を補正後の識別スコアＳとする（Ｓ＝Ｓ₀／Ｒ）。ただし、注目クラスタが静止状態である場合には、隠れ信頼度Ｒの値が１に設定されているため、実質的に識別スコアＳ₀の補正は行われないことになる。一方、注目クラスタが移動状態である場合には、隠れ信頼度Ｒが低いほど識別スコアＳが高くなるように識別スコアＳ₀が補正される。

［７−３．効果］
以上詳述した第７実施形態によれば、前述した第５実施形態の効果と同様の効果に加え、以下の効果が得られる。

（７Ａ）第７実施形態では、追跡処理での追跡結果に基づいて注目クラスタが静止状態であると判定された場合には（Ｓ１５１：ＮＯ）、識別スコアＳ₀が隠れ信頼度Ｒに基づいて補正されない（Ｓ１５３）。一方、追跡処理での追跡結果に基づいて注目クラスタが移動状態であると判定された場合には（Ｓ１５１：ＹＥＳ）、注目クラスタについて算出された隠れ信頼度Ｒが低いほど識別スコアＳが高くなるように、算出された識別スコアＳ₀が補正される。したがって、第７実施形態によれば、検出対象の物体であるにもかかわらず検出対象でないと誤判定されてしまうことを生じにくくすることができる。一方、移動状態の物体であっても他の物体の背後に隠れている可能性が高い場合には識別スコアＳの補正量が小さくなるため、前方車両の一部が隠れている場合に検出対象（歩行者）であると誤判定してしまうといったことを生じにくくすることができる。

［８．他の実施形態］
以上、本発明の実施形態について説明したが、本発明は、上記実施形態に限定されることなく、種々の形態を採り得ることは言うまでもない。

（１）上記実施形態では、特徴抽出処理（Ｓ１３，Ｓ８４）よりも後で隠れ判定処理（Ｓ１４，Ｓ８５）を実行するようにしているが、これに限定されるものではなく、特徴抽出処理よりも前に隠れ判定処理を実行してもよい。

（２）上記実施形態では、注目クラスタに隣接する隣接ビーム（測距点）の数ＮＯを複数にしているが、これに限定されるものではなく、ＮＯを１にしてもよい。
（３）上記実施形態で示した隠れ信頼度Ｒの算出方法はあくまでも一例であり、これに限定されるものではない。隠れ信頼度は、クラスタの表す物体の一部が他クラスタの表す物体の背後に隠れている可能性の度合いを表す値であればよい。

（４）上記実施形態では、歩行者を検出対象としているが、これに限定されるものではなく、例えば他の移動体（車両等）としてもよい。
（５）上記実施形態では、自車両の前方へレーザビームを照射する構成を例示したが、これに限定されるものではない。例えば、自車両の側方や後方などのように、前方以外の自車両周辺へレーザビームを照射するようにしてもよい。

（６）上記各実施形態について、ある実施形態の構成の少なくとも一部を、他の実施形態の構成に対して付加、置換等してもよい。例えば、第１及び第２実施形態では、追跡処理及び絞り込み処理を行わない構成を例示したが、これらの実施形態において追跡処理及び絞り込み処理の少なくとも一方を行うようにしてもよい。逆に、第３〜第７実施形態では、追跡処理及び絞り込み処理を行う構成を例示したが、これらの実施形態において追跡処理及び絞り込み処理の少なくとも一方を行わないようにしてもよい。

（７）本発明の各構成要素は概念的なものであり、上記実施形態に限定されない。例えば、１つの構成要素が有する機能を複数の構成要素に分散させたり、複数の構成要素が有する機能を１つの構成要素に統合したりしてもよい。また、上記実施形態の構成の少なくとも一部を、同様の機能を有する公知の構成に置き換えてもよい。

１…レーザレーダ装置、２…データ処理装置、３…作用装置、２１…制御部、２２…記憶部

Claims (15)

1. 測距装置（１）により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段（Ｓ１２，Ｓ８２，２１）と、
   前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段（Ｓ１３，Ｓ８４，２１）と、
   注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段（Ｓ１４，Ｓ８５，２１）と、
   前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段（Ｓ１５，Ｓ８７，２１）と、
   を備え、
   前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れているか否かを判定し、
   前記識別手段による識別対象とされる前記クラスタを絞り込む絞り込み手段（Ｓ８６，２１）を更に備え、
   前記絞り込み手段は、前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定されたか否かに応じて、絞り込みの条件を変更する
   ことを特徴とする物体認識装置。
2. 請求項１に記載の物体認識装置であって、
   前記識別手段は、
   前記隠れ判定手段により前記注目クラスタの表す物体が前記他クラスタの表す物体の背後に隠れていないと判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量に基づいて識別し、
   前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであるか否かの識別を保留する
   ことを特徴とする物体認識装置。
3. 請求項１に記載の物体認識装置であって、
   前記識別手段は、
   前記注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量と、識別モデルの表す特徴量と、の対比に基づいて識別し、
   前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定されたか否かに応じて、前記識別モデルを変更する
   ことを特徴とする物体認識装置。
4. 請求項１に記載の物体認識装置であって、
   前記クラスタを時系列的に追跡する追跡手段（Ｓ８３，２１）を更に備え、
   前記識別手段は、
   前記追跡手段による追跡結果に基づいて前記注目クラスタが移動状態であると判定し、かつ、前記隠れ判定手段により前記注目クラスタの表す物体が前記他クラスタの表す物体の背後に隠れていないと判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであると識別する
   ことを特徴とする物体認識装置。
5. 測距装置（１）により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段（Ｓ１２，Ｓ８２，２１）と、
   前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段（Ｓ１３，Ｓ８４，２１）と、
   注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段（Ｓ１４，Ｓ８５，２１）と、
   前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段（Ｓ１５，Ｓ８７，２１）と、
   前記注目クラスタが検出対象の物体を表すものか否かに応じて、前記注目クラスタの表す物体に対する回避制御での回避量を異なる値に設定する回避量設定手段と、
   を備え、
   前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れているか否かを判定し、
   前記識別手段は、
   前記隠れ判定手段により前記注目クラスタの表す物体が前記他クラスタの表す物体の背後に隠れていないと判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量に基づいて識別し、
   前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定された場合には、当該注目クラスタが前記検出対象の物体を表すものであるか否かの識別を保留し、
   前記回避量設定手段は、
   前記識別手段により前記識別が保留された場合には、前記回避量を、前記注目クラスタが前記検出対象の物体を表すものであると識別された場合の回避量と、前記注目クラスタが前記検出対象の物体を表すものでないと識別された場合の回避量との間の値に設定する
   ことを特徴とする物体認識装置。
6. 測距装置（１）により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段（Ｓ１２，Ｓ８２，２１）と、
   前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段（Ｓ１３，Ｓ８４，２１）と、
   注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段（Ｓ１４，Ｓ８５，２１）と、
   前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段（Ｓ１５，Ｓ８７，２１）と、
   を備え、
   前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れているか否かを判定し、
   前記識別手段は、
   前記注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量と、識別モデルの表す特徴量と、の対比に基づいて識別し、
   前記隠れ判定手段により前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定されたか否か、及び前記注目クラスタの特徴量として抽出された物体幅の値に応じて、前記識別モデルを変更する
   ことを特徴とする物体認識装置。
7. 請求項１から請求項６までのいずれか１項に記載の物体認識装置であって、
   前記隠れ判定手段は、
   前記注目クラスタに隣接する所定数の測距点のうち少なくとも１つが前記他クラスタに含まれ、かつ、当該他クラスタが前記注目クラスタよりも近距離に存在することを条件として、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れていると判定する
   ことを特徴とする物体認識装置。
8. 測距装置（１）により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段（Ｓ１２，Ｓ８２，２１）と、
   前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段（Ｓ１３，Ｓ８４，２１）と、
   注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段（Ｓ１４，Ｓ８５，２１）と、
   前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段（Ｓ１５，Ｓ８７，２１）と、
   を備え、
   前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れている可能性の度合いを表す隠れ信頼度を算出し、
   前記識別手段は、
   前記注目クラスタの特徴量に基づいて当該注目クラスタが前記検出対象の物体を表すものであることの可能性の度合いを表す識別スコアを算出する算出手段（Ｓ１３１，Ｓ１４２，２１）と、
   前記算出手段により算出された前記識別スコアを、前記注目クラスタについて算出された前記隠れ信頼度に基づいて補正する補正手段（Ｓ１３２，Ｓ１４３，２１）と、
   前記補正手段により補正された前記識別スコアに基づいて前記注目クラスタが前記検出対象の物体を表すものであるかを判定する対象判定手段（Ｓ１３３〜Ｓ１３５，Ｓ１４４〜Ｓ１４６，２１）と、
   を備えることを特徴とする物体認識装置。
9. 請求項８に記載の物体認識装置であって、
   前記クラスタを時系列的に追跡する追跡手段（Ｓ８３，２１）を更に備え、
   前記補正手段は、
   前記追跡手段による追跡結果に基づいて前記注目クラスタが移動状態であると判定した場合には、前記注目クラスタについて算出された前記隠れ信頼度が低いほど前記識別スコアが高くなるように、前記算出手段により算出された前記識別スコアを補正する
   ことを特徴とする物体認識装置。
10. 測距装置（１）により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段（Ｓ１２，Ｓ８２，２１）と、
    前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段（Ｓ１３，Ｓ８４，２１）と、
    注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段（Ｓ１４，Ｓ８５，２１）と、
    前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段（Ｓ１５，Ｓ８７，２１）と、
    を備え、
    前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れている可能性の度合いを表す隠れ信頼度を算出し、
    前記識別手段は、
    前記注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量と、識別モデルの表す特徴量と、の対比に基づいて識別し、
    前記注目クラスタについて算出された前記隠れ信頼度、及び前記注目クラスタの特徴量として抽出された物体幅の値に応じて、前記識別モデルを変更する
    ことを特徴とする物体認識装置。
11. 測距装置（１）により距離が測定された複数の測距点に基づいて、物体を表すクラスタを形成するクラスタリング手段（Ｓ１２，Ｓ８２，２１）と、
    前記クラスタが検出対象の物体を表すものであるかを識別するための特徴量を当該クラスタから抽出する特徴抽出手段（Ｓ１３，Ｓ８４，２１）と、
    注目する前記クラスタである注目クラスタの表す物体の一部が、当該注目クラスタ以外の他の前記クラスタである他クラスタの表す物体の背後に隠れている状態を判定する隠れ判定手段（Ｓ１４，Ｓ８５，２１）と、
    前記注目クラスタが前記検出対象の物体を表すものであるかを、当該注目クラスタの特徴量と、当該注目クラスタについての前記隠れ判定手段による判定結果と、に基づいて識別する識別手段（Ｓ１５，Ｓ８７，２１）と、
    を備え、
    前記隠れ判定手段は、前記注目クラスタの表す物体の一部が前記他クラスタの表す物体の背後に隠れている可能性の度合いを表す隠れ信頼度を算出し、
    前記識別手段による識別対象とされる前記クラスタを絞り込む絞り込み手段を更に備え、
    前記注目クラスタについて算出された前記隠れ信頼度に応じて、絞り込みの条件を変更する
    ことを特徴とする物体認識装置。
12. 請求項１１に記載の物体認識装置であって、
    前記識別手段は、
    前記注目クラスタの特徴量に基づいて当該注目クラスタが前記検出対象の物体を表すものであることの可能性の度合いを表す識別スコアを算出する算出手段（Ｓ１３１，Ｓ１４２，２１）と、
    前記算出手段により算出された前記識別スコアを、前記注目クラスタについて算出された前記隠れ信頼度に基づいて補正する補正手段（Ｓ１３２，Ｓ１４３，２１）と、
    前記補正手段により補正された前記識別スコアに基づいて前記注目クラスタが前記検出対象の物体を表すものであるかを判定する対象判定手段（Ｓ１３３〜Ｓ１３５，Ｓ１４４〜Ｓ１４６，２１）と、
    を備えることを特徴とする物体認識装置。
13. 請求項１２に記載の物体認識装置であって、
    前記クラスタを時系列的に追跡する追跡手段（Ｓ８３，２１）を更に備え、
    前記補正手段は、
    前記追跡手段による追跡結果に基づいて前記注目クラスタが移動状態であると判定した場合には、前記注目クラスタについて算出された前記隠れ信頼度が低いほど前記識別スコアが高くなるように、前記算出手段により算出された前記識別スコアを補正する
    ことを特徴とする物体認識装置。
14. 請求項１１に記載の物体認識装置であって、
    前記識別手段は、
    前記注目クラスタが前記検出対象の物体を表すものであるか否かを、当該注目クラスタの特徴量と、識別モデルの表す特徴量と、の対比に基づいて識別し、
    前記注目クラスタについて算出された前記隠れ信頼度に応じて、前記識別モデルを変更する
    ことを特徴とする物体認識装置。
15. 請求項８から請求項１４までのいずれか１項に記載の物体認識装置であって、
    前記隠れ判定手段は、
    前記注目クラスタに隣接する所定数の測距点のうち少なくとも１つが前記他クラスタに含まれ、かつ、当該他クラスタが前記注目クラスタよりも近距離に存在することを条件として、前記他クラスタに含まれる当該測距点の数に基づいて前記注目クラスタについての前記隠れ信頼度を算出する
    ことを特徴とする物体認識装置。