JP6530685B2 - 物体検出装置、物体検出システム、物体検出方法および物体検出プログラム - Google Patents

Description

本発明は、物体を検出する物体検出装置、物体検出システム、物体検出方法および物体検出プログラムに関する。

測距装置を用いて３次元空間中を２次元走査し、監視対象領域内の孤立した物体を検出する技術が知られている。測距装置としては種々のものがすでに開示されている（例えば、特許文献１〜４、非特許文献１）。

単に測距装置による観測値である２次元距離画像を取得しただけでは、監視対象領域内に孤立した３次元物体があるかどうかや、その大きさ、形状、数が分からないため、３次元物体検出処理が必要となる。３次元物体検出処理として、３次元格子への投票および隣接格子のグループ化を組み合わせた方式がある（例えば、特許文献４）。この方式について説明する。

３次元空間中の監視対象領域は複数の３次元格子で近似される。ここで、３次元格子とは、例えばＸＹＺ直交座標系の座標軸に沿って３次元空間を格子状に切った際の箱のことであり、ボクセルとも呼ばれる。

物体の検出処理は以下のようにして行う。まず、距離データである２次元距離画像中の監視対象画素をＸＹＺ座標系の物体候補検出点に変換し、物体検出候補点が含まれる３次元格子に投票する。次に、物体検出候補点が含まれる隣接３次元格子同士をグループ化し、個々のグループを３次元物体として検出する。

特許第４８３７４１３号 特許第４７０３８３０号 特開２０１２−２４２１８９号公報 特開２０１４−１４２２８８号公報

Andreas Nuchter (2009), 3D Robotic Mapping, The Simultaneous Localization and Mapping Problem with Six Degrees of Freedom, Springer Science & Business Media

ところで、３次元格子を粗く設定すると、測距装置から近い位置における物体検出の解像度を確保できない。一方、３次元格子を細かく設定すると、測距装置から遠い位置では疎に投票されることとなり、グループ化の精度が低下してしまう。

このように、３次元格子に投票する方式では、必ずしも精度よく物体を検出できないという問題がある。１次元走査型の測距装置を用いて２次元空間中を１次元走査して物体を検出する場合にも、同様の問題がある。

本発明はこのような問題点に鑑みてなされたものであり、本発明の課題は、測距装置から近い位置においても遠い位置においても、精度よく監視対象領域内の孤立した物体を検出できる物体検出装置、物体検出システム、物体検出方法および物体検出プログラムを提供することである。

本発明の一態様によれば、２次元走査型の測距装置によって３次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得する観測距離画像取得部と、前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定する監視対象画素抽出部と、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うクラスタリング部と、を備える物体検出装置が提供される。

本態様によれば、３次元空間に対して３次元格子を適用することなく、監視対象画素が示す対象物どうしの距離に基づいてクラスタリングを行うので、物体が遠方にある場合にも、物体検出候補点が疎に投票されるという問題がなく、測距装置から物体までの遠近にかかわらず、適切なクラスタリングを行うことができる。

望ましくは、前記測距装置は、第１方向および第２方向に２次元走査を行い、前記クラスタリング部は、前記観測距離画像を、前記第１方向に対応させて複数の領域に分割し、分割された各領域内で１次元クラスタリングを行ってセグメントを生成する第１クラスタリング部と、所定の領域で生成された前記セグメントと、前記第２方向において前記所定の領域と隣接する領域で生成された前記セグメントとの距離に基づいてクラスタリングを行って物体クラスタを生成する第２クラスタリング部と、を有する。
このような構成によれば、領域内で１次元クラスタリングを行うため、クラスタリングの計算量を抑えることができる。

望ましくは、前記第１クラスタリング部は、前記測距装置による２次元走査座標系を歪ませた座標系における画素の隣接関係を考慮して、隣接する前記監視対象画素が示す対象物どうしの距離に基づいて、各領域内でクラスタリングを行う。

前記第１クラスタリング部は、前記測距装置による２次元走査座標系を歪ませた座標系における画素の隣接関係を定義した第１クラスタリングマップに基づいて、各領域内でクラスタリングを行ってもよい。
このような構成によれば、測距装置による走査の順に関わらず、領域内で適切にクラスタリングを行うことができる。

望ましくは、前記領域は、実空間において、前記測距装置を通る鉛直な線を中心とする円柱面上で、地面と平行な所定領域に対応する領域であり、より望ましくは、前記所定領域は、前記測距装置と地面との距離を半径とする前記円柱面における、前記地面からの距離が略一定となる対象物から構成される領域である。
このような構成によれば、適切に領域を設定することができ、物体検出の精度が向上する。

前記第２クラスタリング部は、前記所定の領域で生成された前記セグメントに含まれる画素が示す対象物と、前記所定の領域と隣接する領域で生成された前記セグメントに含まれる画素が示す対象物と、の間の距離のうちの最小値を算出し、この最小値に基づいてクラスタリングを行って前記物体クラスタを生成してもよい。
このような構成によれば、領域間でのクラスタリングを高精度かつ効率的に行うことができる。

望ましくは、前記第２クラスタリング部は、前記複数の領域の隣接関係を定義した第２クラスタリングマップに基づいて、前記物体クラスタを生成し、より望ましくは、前記領域は、実空間において、前記測距装置を通る鉛直な線を中心とする円柱面上で、地面と平行な所定領域に対応する領域であり、前記第２クラスタリングマップは、実空間において隣接する矩形領域が隣接するよう、前記複数の領域の隣接関係を定義する。
このような構成によれば、適切に領域の隣接関係を定義でき、物体検出の精度が向上する。

物体検出装置は、前記物体クラスタに含まれる、前記観測距離画像における各画素が示す点を、ＸＹＺ座標系に変換するＸＹＺ座標系変換部を備えるのが望ましい。
このような構成によれば、ＸＹＺ座標系に変換するため、物体クラスタの大きさや形状が分かる。

また、本発明の別の態様によれば、１次元走査型の測距装置によって２次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得する観測距離画像取得部と、前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定する監視対象画素抽出部と、前記測距装置による走査座標系とは異なる座標系における画素の隣接関係を考慮して、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うクラスタリング部と、を備える物体検出装置が提供される。

本態様によれば、２次元空間に対して２次元格子を適用することなく、監視対象画素が示す対象物どうしの距離に基づいてクラスタリングを行うので、物体が遠方にある場合にも、物体検出候補点が疎に投票されるという問題がなく、測距装置から物体までの遠近にかかわらず、適切なクラスタリングを行うことができる。さらに、測距装置による走査座標系とは異なる座標系における距離を用いるため、測距装置による走査の順に関わらず、クラスタリングを行うことができる。

望ましくは、前記クラスタリング部は、前記監視対象画素の１つである第１画素の値が示す距離と、前記第１画素に対応する方向と、前記監視対象画素の１つであって前記第１画素と隣接する第２画素の値が示す距離と、前記第２画素に対応する方向と、に基づいて、隣接する前記第１画素および前記第２画素が示す対象物どうしの距離を算出する。

具体的には、前記クラスタリング部は、前記第１画素が示す対象物と、前記第２画素が示す対象物と、前記測距装置の位置と、を３頂点とする三角形に余弦定理を適用して、隣接する前記第１画素および前記第２画素が示す対象物どうしの距離を算出してもよい。

さらに具体的には、前記クラスタリング部は、下式に基づいて隣接する前記第１画素および前記第２画素が示す対象物どうしの距離を算出してもよい。

ここで、Ｒｒｌｔｖ（（ｉｍｓ１，ｉｍｓ２），（ｉ’ｍｓ１，ｉ’ｍｓ２））は前記第１画素および前記第２画素が示す対象物どうしの距離、Ｒ（ｉｍｓ１，ｉｍｓ２）は、前記第１画素の値が示す距離、Ｄ（ｉｍｓ１，ｉｍｓ２）は、前記第１画素に対応する方向を示すベクトル、Ｒ（ｉ’ｍｓ１，ｉ’ｍｓ２）は、前記第２画素の値が示す距離、Ｄ（ｉ’ｍｓ１，ｉ’ｍｓ２）は、前記第２画素に対応する方向を示すベクトルである。
このような構成によれば、座標変換を行う必要がないため、計算量を削減できる。

前記監視対象画素抽出部は、前記観測距離画像と背景画像とを比較して、前記観測距離画像のうち背景でない画素を前記監視対象画素とし、前記背景画像は、背景となるもの以外の物体がない状態で前記測距装置によって生成された距離画像であるか、前記測距装置によって生成された複数の距離画像の平均であり、前記背景画像の各画素の値は、該画素に対応する方向にある対象物と前記測距装置との距離を示すのが望ましい。
このような構成によれば、適切な背景画像を用いることができ、精度よく監視対象画素を抽出できる。

また、本発明の別の態様によれば、前記観測距離画像を生成する測距装置と、上記物体検出装置と、を備える物体検出システムが提供される。

また、本発明の別の態様によれば、２次元走査型の測距装置によって３次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得するステップと、前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定するステップと、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うステップと、を備える物体検出方法が提供される。

また、本発明の別の態様によれば、１次元走査型の測距装置によって２次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得するステップと、前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定するステップと、前記測距装置による走査座標系とは異なる座標系における画素の隣接関係を考慮して、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うステップと、を備える物体検出方法が提供される。

また、本発明の別の態様によれば、コンピュータに、２次元走査型の測距装置によって３次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得するステップと、前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定するステップと、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うステップと、を実行させる物体検出プログラムが提供される。

また、本発明の別の態様によれば、コンピュータに、１次元走査型の測距装置によって２次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得するステップと、前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定するステップと、前記測距装置による走査座標系とは異なる座標系における画素の隣接関係を考慮して、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うステップと、を実行させる物体検出プログラムが提供される。

測距装置から近い位置においても遠い位置においても、精度よく物体を検出できる。

本発明の第１の実施形態に係る物体検出システムの概略構成を示すブロック図。 測距装置１を詳しく説明する図。 監視対象画素抽出部１２の処理動作を模式的に示す図。 主方向クラスタリング走査マップＭｃｌｓｔｒ１を模式的に説明する図。 主方向クラスタリング部１３の処理動作を模式的に説明する図。 画素間の相対距離Ｒｒｌｔｖを算出する手法を説明する図。 主方向クラスタリング部１３による線セグメント形成の手順の一例を示すフローチャート。 副方向クラスタリング部１４の処理動作を模式的に説明する図。 副方向クラスタリング部１４による物体クラスタ形成の手順の一例を示すフローチャート。 物体検出処理を、３次元格子をグループ化する方式で行った場合の計算時間と、本実施形態による方式で行った場合の計算時間とを比較する図。 第２の実施形態における主方向クラスタリング走査マップＭｃｌｓｔｒ１を模式的に説明する図。 図１１のように主方向クラスタリング走査マップＭｃｌｓｔｒ１を定義する場合の、主方向クラスタリング部１３の処理動作を模式的に説明する図。 第２の実施形態における副方向クラスタリングマップＭｃｌｓｔｒ２を模式的に説明する図。 図１２および図１３のように主方向クラスタリングマップＭｃｌｓｔｒ１および副方向クラスタリングマップＭｃｌｓｔｒ２をそれぞれ定義する場合の、副方向クラスタリング部１４の処理動作を模式的に説明する図。 本発明の第３の実施形態に係る物体検出システムの概略構成を示すブロック図。 図２に示した測距装置１の観測位置の関係を示す図。

以下、本発明に係る実施形態について、図面を参照しながら具体的に説明する。

（第１の実施形態）
図１は、本発明の第１の実施形態に係る物体検出システムの概略構成を示すブロック図である。物体検出システムは、測距装置１と、物体検出装置２とを備えている。

測距装置１は、ある方向を測距すべく、その方向に測定光を照射し、対象物からの反射光に基づいて当該方向にある対象物との距離を算出する。測距装置１は２次元走査型の測距装置であり、３次元空間を２次元方向に走査しながら、走査方向ごとに、対象物と測距装置１との距離を算出する。その結果として、測距装置１は、各方向にある対象物と、測距装置１との距離を示す観測距離画像Ｒｏｂｓを生成する。観測距離画像Ｒｏｂｓは２次元画像であり、走査方向の一方（主方向）のインデックスをｉｍｓ１とし、他方（副方向）のインデックスをｉｍｓ２とする。観測距離画像Ｒｏｂｓの主方向および副方向の画素数をそれぞれＮｍｓ１，Ｎｍｓ２とすると、インデックスｉｍｓ１は１〜Ｎｍｓ１の値をとり得、インデックスｉｍｓ２は１〜Ｎｍｓ２の値をとり得る。

図２は、測距装置１を詳しく説明する図である。測距装置１は、物体検出領域内の遮蔽物をできるだけ避けられるよう、物体検出領域の上方に設置されるのが望ましい。そして、本実施形態の測距装置１は、２次元方向として、水平方向および垂直方向に走査を行う。すなわち、測距装置１は、水平方向に走査する走査系を、さらに垂直方向に走査する。

水平方向の測距角度θｍｓ１は正面を０度として−９５〜＋９５度をとり得る。垂直方向の測距角度θｍｓ２は水平方向を０度として０〜−９０度をとり得る。測距角度の組（θｍｓ１，θｍｓ２）は、測距の方向を示す。

測距装置１はある測距角度の組（θｍｓ１，θｍｓ２）が示す方向に測定光を照射する。そして、測距装置１は、反射光に基づいて、この方向にある対象物と測距装置１との距離Ｒを算出する。そして、測距装置１は、算出された距離Ｒを、当該測距角度の組（θｍｓ１，θｍｓ２）と対応する、観測距離画像Ｒｏｂｓにおける画素（ｉｍｓ１，ｉｍｓ２）の値とする。以下、観測距離画像Ｒｏｂｓにおける画素（ｉｍｓ１，ｉｍｓ２）が示す距離（値）をＲ（ｉｍｓ１，ｉｍｓ２）と表記する。

なお、ある測距角度の組（θｍｓ１，θｍｓ２）と、観測距離画像Ｒｏｂｓにおける画素（ｉｍｓ１，ｉｍｓ２）との対応関係は予め一意に定められている。逆にいうと、観測距離画像Ｒｏｂｓにおける画素（ｉｍｓ１，ｉｍｓ２）に対して、測距角度の組（θｍｓ１，θｍｓ２）が定まる。そして、測距角度の組（θｍｓ１，θｍｓ２）は、測距装置１を原点とする測距走査方向ベクトルＤ（ｉｍｓ１，ｉｍｓ２）と対応するものとする。測距走査方向ベクトルＤ（ｉｍｓ１，ｉｍｓ２）は、例えば大きさが１の３次元ベクトルである。観測距離画像Ｒｏｂｓにおける画素（ｉｍｓ１，ｉｍｓ２）と測距走査方向ベクトル（ｉｍｓ１，ｉｍｓ２）の対応関係は、例えば測距走査方向ベクトルテーブルＤｍｓに記憶される。

測距装置１は、水平方向の測距角度θｍｓ１を−９５〜＋９５度の間で、かつ、垂直方向の測距角度θｍｓ２を０〜−９０度の間で離散的に走査しながら、上記の処理を行う。これにより、観測距離画像Ｒｏｂｓにおける全画素（ｉｍｓ１，ｉｍｓ２）に、当該画素と対応する測距走査方向ベクトルＤ（ｉｍｓ１，ｉｍｓ２）の方向にある対象物との距離Ｒ（ｉｍｓ１，ｉｍｓ２）が設定される。

よって、観測距離画像Ｒｏｂｓにおける画素（ｉｍｓ１，ｉｍｓ２）の値は、この画素と対応する測距走査方向ベクトルＤ（ｉｍｓ１，ｉｍｓ２）の方向を測距して得られた、測距装置１からの距離Ｒ（ｉｍｓ１，ｉｍｓ２）を示している。言い換えると、観測距離画像Ｒｏｂｓにおける各画素（ｉｍｓ１，ｉｍｓ２）は、測距走査方向ベクトルＤ（ｉｍｓ１，ｉｍｓ２）の方向に、測距装置１から距離Ｒ（ｉｍｓ１，ｉｍｓ２）だけ離れた点（位置）に、対象物があることを示している。

測距方式としては、公知の手法（例えば、特許文献１，２や非特許文献１）を適用すればよい。例えば特許文献１に記載のＴＯＦ（Time of Flight）方式は、物体検出領域に向かってパルス状の測定光を照射し、照射時と反射光検出時との時間差に基づいて、対象物との距離を算出するものである。また、特許文献２に記載のＡＭ（Amplitude Modulation）方式は、物体検出領域に向かって振幅変調された測定光を照射し、測定光と反射光の位相差に基づいて、対象物との距離を算出するものである。

なお、測距装置１の構成や測距方式に特に制限はなく、上述した例とは異なるものであっても構わない。

図１に戻り、物体検出装置２は、観測距離画像取得部１１と、監視対象画素抽出部１２と、主方向クラスタリング部１３および副方向クラスタリング部１４を含むクラスタリング部２０とを有する。これら各部の一部または全部は、ハードウェアで構成されてもよいし、コンピュータのプロセッサが所定のプログラムを実行することによって実現されてもよい。

観測距離画像取得部１１は測距装置１によって生成された観測距離画像Ｒｏｂｓを取得する。上述したように、観測距離画像Ｒｏｂｓの各画素（ｉｍｓ１，ｉｍｓ２）の値は、距離Ｒ（ｉｍｓ１，ｉｍｓ２）を示す。

監視対象画素抽出部１２は、観測距離画像Ｒｏｂｓから監視対象となる画素（ｉｍｓ１，ｉｍｓ２）を抽出し、各監視対象画素に対応する方向、および、監視対象画素が示す対象物と測距装置１との距離Ｒ（ｉｍｓ１，ｉｍｓ２）を特定する。なお、方向は、各画素（ｉｍｓ１，ｉｍｓ２）と角度の組（θｍｓ１，θｍｓ２）との対応関係から特定される。監視対象画素抽出部１２は全画素を監視対象画素としてもよいし、予め定めた画素を監視対象画素としてもよいが、以下では、非背景画素を監視対象画素とする例を説明する。

すなわち、監視対象画素抽出部１２は、観測距離画像Ｒｏｂｓと、予め用意された背景画像Ｒｂｇとを比較して、観測距離画像Ｒｏｂｓのうちの背景でない画素を抽出する。そして、監視対象画素抽出部１２は、観測距離画像Ｒｏｂｓにおける背景でない画素のインデックス（非背景インデックスともいう）の集合ＳｎｂｇＩｄｘを抽出する。より具体的には、監視対象画素抽出部１２は、観測距離画像Ｒｏｂｓの画素（ｉｍｓ１，ｉｍｓ２）が示す距離Ｒ（ｉｍｓ１，ｉｍｓ２）と、非背景画像Ｒｂｇの画素（ｉｍｓ１，ｉｍｓ２）が示す距離との差が所定値以上であれば、当該インデックスの組（ｉｍｓ１，ｉｍｓ２）を非背景インデックスとする。

なお、監視対象画素抽出部１２は観測距離画像Ｒｏｂｓの全画素を非背景画素として扱ってもよい。

そして、監視対象画素抽出部１２は観測距離画像Ｒｏｂｓの画素数と同じサイズの行列ＭｎｂｇＩｄｘを生成する。すなわち、監視対象画素抽出部１２は、この行列ＭｎｂｇＩｄｘにおける各要素のうち、非背景インデックスの集合ＳｎｂｇＩｄｘに含まれるインデックスに対応する要素を１値に、他の要素を０値に設定する。

なお、背景とは、測距装置１の測距対象となり得るが、３次元物体として検出する必要がないものであり、例えば床や天井、固定された家具などである。

ここで、背景画像Ｒｂｇは、例えば物体検出領域内に何らの３次元物体がない状態で、測距装置１によって生成された観測距離画像とすることができる。あるいは、測距装置１によって生成された多数の観測距離画像を画素ごとに平均した平均距離画像であってもよい。後者の場合、測距装置１のノイズの影響を抑えることができるし、物体検出領域内に何らの３次元物体がない状態を実現することが難しい場合でも、背景画像Ｒｂｇを生成できる。なお、平均としては、算術平均のほか、幾何平均や刈り込み平均などを用いることができる。

図３は、監視対象画素抽出部１２の処理動作を模式的に示す図である。この例では、観測距離画像Ｒｏｂｓにおける画素（３，２）が示す距離Ｒ（３，２）は１８０であるのに対し、背景画像Ｒｂｇにおける画素（３，２）が示す距離は０であり、両者は大きく異なっている。よって、監視対象画素抽出部１２は、行列ＭｎｂｇＩｄｘにおける要素（３，２）を１値に設定する。一方、観測距離画像Ｒｏｂｓにおける他の画素が示す距離は、背景画像Ｒｂｇにおける対応画素が示す距離とそれぞれ等しい。よって、監視対象画素抽出部１２は行列ＭｎｂｇＩｄｘにおける他の要素を０値に設定する。

図１に戻り、クラスタリング部２０は、ある監視対象画素（画素（ｉｍｓ１，ｉｍｓ２）とする）が示す対象物と、隣接する監視対象画素（画素（ｉ’ｍｓ１，ｉ’ｍｓ２）とする）が示す対象物と、の距離を算出し、この距離に基づいてクラスタリングを行う。この距離は、監視対象画素（ｉｍｓ１，ｉｍｓ２）が示す対象物と測距装置１との距離Ｒ（ｉ’ｍｓ１，ｉ’ｍｓ２）と、隣接する監視対象画素（ｉ’ｍｓ１，ｉ’ｍｓ２）が示す対象物と測距装置１との距離Ｒ（ｉ’ｍｓ１，ｉ’ｍｓ２）と、に基づいて算出される。

具体的には、クラスタリング部２０における主方向クラスタリング部１３は、観測距離画像を主方向に対応させて複数の領域（以下、そのそれぞれを主方向クラスタリング単位と呼ぶ）に分割し、各主方向クラスタリング単位内で１次元クラスタリングを行って線セグメントを生成する。すなわち、主方向クラスタリング部１３は、観測距離画像Ｒｏｂｓ、非背景画素を示す行列ＭｎｂｇＩｄｘおよび測距走査方向ベクトルテーブルＤｍｓを用いて、主方向クラスタリング走査マップＭｃｌｓｔｒ１（後述）により定義される各主方向クラスタリング単位内で主方向のクラスタリングを行い、線セグメントから構成される線セグメント集合ＳｌｉｎｅＳｅｇを生成する。

主方向クラスタリング走査マップＭｃｌｓｔｒ１には、観測距離画像Ｒｏｂｓの全画素（ｉｍｓ１，ｉｍｓ２）を定義域として、各画素（ｉｍｓ１，ｉｍｓ２）がどの主方向クラスタリング単位に含まれるか、および、その主方向クラスタリング単位内の１次元の順序（すなわち、各主方向クラスタリング単位内でどの画素とどの画素とが隣接しているかを示す隣接関係）が格納されている。言い換えると、主方向クラスタリング走査マップＭｃｌｓｔｒ１は、各主方向クラスタリング単位が、観測距離画像Ｒｏｂｓのどの画素をどのような順序で並べて構成されるか、を定義している。

図４は、主方向クラスタリング走査マップＭｃｌｓｔｒ１を模式的に説明する図である。図示のように、例えば観測距離画像Ｒｏｂｓを主方向に８等分（実際は例えば６０等分程度）して８つの主方向クラスタリング単位１〜８を設定し、各主方向クラスタリング単位を複数ライン（同図では３ライン）の画素から構成されるようにすることができる。

各主方向クラスタリング単位に属する画素の順序は、主方向インデックスｉｍｓ１の昇順とし、主方向インデックスｉｍｓ１が同一の画素が複数ある場合には副方向インデックスｉｍｓ２の降順とすることができる。例えば、画素（１，１）と画素（１，２）が隣接しているほか、画素（１，１）と画素（２，３）も隣接している。

図５は、主方向クラスタリング部１３の処理動作を模式的に説明する図である。同図は図４（ａ）の主方向クラスタリング単位１内のクラスタリング処理を示している。

主方向クラスタリング部１３は、各主方向クラスタリング単位に属し、ある非背景画素が示す対象物と、この非背景画素と隣接する別の非背景画素が示す対象物と、の間の相対距離Ｒｒｌｔｖを算出する。なお、以下では、このような相対距離Ｒｒｌｔｖを単に「画素間の相対距離Ｒｒｌｔｖ」ともいう。そして、相対距離Ｒｒｌｔｖが所定の閾値Ｔｃｌｓｔｒ１（例えば０．２０［ｍ］）以下である場合、主方向クラスタリング部１３は、その２画素が同一の線セグメントに属すると判断する。相対距離が閾値Ｔｃｌｓｔｒ１より大きい場合、主方向クラスタリング部１３は、その２画素が異なる線セグメントに属すると判断する。

例えば、図５において、観測距離画像Ｒｏｂｓにおける画素（１，１）と画素（１，２）が隣接している。このとき、画素（１，１）と画素（１，２）との間の相対距離Ｒｒｌｔｖが閾値Ｔｃｌｓｔｒ１以下であれば、両画素は同一の線セグメント（例えば線セグメント１）に属すると判断される。

一方、同図において、観測距離画像Ｒｏｂｓにおける画素（６，１）と画素（１０，１）が隣接している。画素（６，１）と画素（１０，１）との間の相対距離Ｒｒｌｔｖが閾値Ｔｃｌｓｔｒ１より大きければ、両画素は異なる線セグメント（例えば、画素（６，１）は線セグメント１、画素（１０，１）は線セグメント２）に属すると判断される。

隣接する２つの非背景画素間の相対距離Ｒｒｌｔｖと閾値Ｔｃｌｓｔｒ１との比較評価を、各主方向クラスタリング単位に属する全画素について順次行うことで、主方向クラスタリング単位ごとに１または複数の線セグメントが形成される。

図６は、画素間の相対距離Ｒｒｌｔｖを算出する手法を説明する図である。図示のように、画素（ｉｍｓ１，ｉｍｓ２）が示す点Ｐ（ｉｍｓ１，ｉｍｓ２）は、測距装置１を原点Ｏとして、距離Ｒ（ｉｍｓ１，ｉｍｓ２）および測距走査方向ベクトルＤ（ｉｍｓ１，ｉｍｓ２）によって特定される。同様に、画素（ｉ’ｍｓ１，ｉ’ｍｓ２）が示す点Ｐ’（ｉ’ｍｓ１，ｉ’ｍｓ２）は、距離Ｒ（ｉ’ｍｓ１，ｉ’ｍｓ２）および測距走査方向ベクトルＤ（ｉ’ｍｓ１，ｉ’ｍｓ２）によって特定される。

そこで、主方向クラスタリング部１３は、これらの距離Ｒおよび測距走査方向ベクトルＤに基づき、三角形ＯＰＰ’に余弦定理を適用して相対距離Ｒｒｌｔｖを算出する。具体的には、下記（１）式により、画素（ｉｍｓ１，ｉｍｓ２）と、画素（ｉ’ｍｓ１，ｉ’ｍｓ２）との相対距離Ｒｒｌｔｖ（（ｉｍｓ１，ｉｍｓ２），（ｉ’ｍｓ１，ｉ’ｍｓ２））が得られる。

このように、本実施形態における主方向クラスタリング部１３は、各画素が示す点をＸＹＺ座標系に変換することなく、観測距離画像Ｒｏｂｓの各画素が示す距離Ｒと測距走査方向ベクトルＤとに基づいて画素間の相対距離Ｒｒｌｔｖを算出する。そのため、計算量を減らすことができる。

図７は、主方向クラスタリング部１３による線セグメント形成の手順の一例を示すフローチャートである。
まず、主方向クラスタリング部１３は処理対象とする１つの主方向クラスタリング単位を選択する（ステップＳ１）。以降、選択された主方向クラスタリング単位内での処理が行われる。

続いて、主方向クラスタリング部１３は線セグメントインデックスの集合をクリアする（ステップＳ２）。線セグメントインデックスの集合は、ある線セグメントに属する観測距離画像Ｒｏｂｓの画素を順次追加していくための一時的なデータである。

そして、主方向クラスタリング部１３は、主方向クラスタリング単位に属する処理対象画素（ｉｍｓ１，ｉｍｓ２）を、主方向クラスタリング走査マップＭｃｌｓｔｒ１における順序に従って取得する（ステップＳ３）。なお、主方向クラスタリング部１３は、行列ＭｎｂｇＩｎｄｘを参照し、背景画素は取得しない。

ここで、処理対象画素（ｉｍｓ１，ｉｍｓ２）が主方向クラスタリング単位における順序１の画素である場合や、後述するステップＳ１０で線セグメントが確定した直後の処理対象画素である場合、線セグメントインデックスの集合に画素が保存されていない（ステップＳ４のＮＯ）。この場合、主方向クラスタリング部１３は処理対象画素（ｉｍｓ１，ｉｍｓ２）を線セグメントの１つ目の画素として線セグメントインデックスの集合に保存する（ステップＳ５）。そして、ステップＳ１２に進む。

すでに線セグメントインデックスの集合に画素が保存されている場合（ステップＳ４のＹＥＳ）、最後に保存された画素と処理対象画素（ｉｍｓ１，ｉｍｓ２）との間の相対距離Ｒｒｌｔｖを評価すべく、主方向クラスタリング部１３は、主方向クラスタリング走査マップＭｃｌｓｔｒ１を参照して、処理対象画素（ｉｍｓ１，ｉｍｓ２）と隣接する１つ前の処理済画素（ｉ’ｍｓ１，ｉ’ｍｓ２）（以下、単に隣接画素という）を取得する（ステップＳ６）。

次に、主方向クラスタリング部１３は、処理対象画素（ｉｍｓ１，ｉｍｓ２）と、隣接画素（ｉ’ｍｓ１，ｉ’ｍｓ２）と間の相対距離Ｒｒｌｔｖを上記（１）式に基づいて算出する（ステップＳ７）。

相対距離Ｒｒｌｔｖが閾値Ｔｃｌｓｔｒ１以下であれば（ステップＳ８のＹＥＳ）、処理対象画素（ｉｍｓ１，ｉｍｓ２）は隣接画素（ｉ’ｍｓ１，ｉ’ｍｓ２）と同一の線セグメントに属する。よって、主方向クラスタリング部１３は処理対象画素（ｉｍｓ１，ｉｍｓ２）を線セグメントインデックスに追加する（ステップＳ９）。その後、ステップＳ１２に進む。

一方、相対距離Ｒｒｌｔｖが閾値Ｔｃｌｓｔｒ１より大きければ（ステップＳ８のＮＯ）、処理対象画素（ｉｍｓ１，ｉｍｓ２）は隣接画素（ｉ’ｍｓ１，ｉ’ｍｓ２）とは別の線セグメントに属する。よって、主方向クラスタリング部１３は、既に線セグメントインデックスの集合に保存された画素の集合を１つの線セグメントとして確定する（ステップＳ１０）。確定した線セグメントに含まれる各画素は、線セグメント集合ＳｌｉｎｅＳｅｇの１つの要素となる。

そして、新たな線セグメントを形成すべく、主方向クラスタリング部１３は、線セグメントインデックスの集合をクリアする（ステップＳ１１）。その後、線セグメントインデックスの集合に現在の処理対象画素（ｉｍｓ１，ｉｍｓ２）を加えて（ステップＳ１２）、ステップＳ１３に進む。

以上により、１つの処理対象画素（ｉｍｓ１，ｉｍｓ２）についての処理が完了する。そして、主方向クラスタリング単位内に未処理の画素がある場合（ステップＳ１３のＮＯ）、ステップＳ３に戻り、主方向クラスタリング部１３は主方向クラスタリング走査マップＭｃｌｓｔｒ１を参照して次の処理対象画素を取得し（ステップＳ３）、同様の処理が行われる。

ステップＳ１で選択した主方向クラスタリング単位内の全画素について処理した後（ステップＳ１３のＹＥＳ）、主方向クラスタリング部１３は、既に線セグメントインデックスの集合に保存された画素の集合を、処理対象の主方向クラスタリング単位における最後の線セグメントとして確定する（ステップＳ１４）。

以上の処理を、主方向クラスタリング部１３は全ての主方向クラスタリング単位について処理する（ステップＳ１５）。これにより、線セグメント集合ＳｌｉｎｅＳｅｇが形成される。線セグメント集合ＳｌｉｎｅＳｅｇは、各主方向クラスタリング単位内で生成された線セグメントから構成される。各線セグメントは、観測距離画像Ｒｏｂｓにおける１または複数の画素から構成される。

なお、線セグメントを構成する画素数がある閾値未満である場合には、当該線セグメントを線セグメント集合ＳｌｉｎｅＳｅｇに含めないようにしてもよい。

図１に戻り、副方向クラスタリング部１４は、ある主方向クラスタリング内で生成された線セグメントと、副方向において隣接する別の主方向クラスタリング内で生成された線セグメントとの間の距離に基づいてクラスタリングを行い、物体クラスタを生成する。より具体的には、副方向クラスタリング部１４は、観測距離画像Ｒｏｂｓ、測距走査方向ベクトルテーブルＤｍｓおよび線セグメント集合ＳｌｉｎｅＳｅｇを用いて、副方向クラスタリング走査マップＭｃｌｓｔｒ２（後述）により定義される順でクラスタリングを行い、物体クラスタ集合Ｏｂｊｃｌｓｔｒを生成する。

副方向クラスタリング走査マップＭｃｌｓｔｒ２には、全主方向クラスタリング単位を定義域として、これらの１次元順序が格納されている。すなわち、副方向クラスタリング走査マップＭｃｌｓｔｒ２は主方向クラスタリング単位同士の隣接関係を定義している。一例として、本実施形態では、主方向クラスタリング単位のインデックスと１次元順序とを一致させるものとする。つまり、上にある主方向クラスタリング単位から下にある主方向クラスタリング単位に向かって昇順で１次元順序を設定する。

図８は、副方向クラスタリング部１４の処理動作を模式的に説明する図である。同図（ａ）に示されるように、観測距離画像Ｒｏｂｓの主方向クラスタリング単位１〜８内に線セグメント１〜１０が形成されている。その詳細を線セグメント集合ＳｌｉｎｅＳｅｇとして同図（ｂ）に示している。また、副方向クラスタリング走査マップＭｃｌｓｔｒ２は同図（ｃ）に示す通りである。

副方向クラスタリング部１４は、ある主方向クラスタリング単位内の線セグメントと、隣接する主方向クラスタリング単位内の線セグメントとの間の相対距離を算出する（具体的な相対距離の算出手法は後述する）。そして、相対距離が所定の閾値Ｔｃｌｓｔｒ２（例えば０．５０［ｍ］）以下である場合、副方向クラスタリング部１４は、その２つの線セグメントが同一の物体クラスタに属すると判断する。相対距離が閾値Ｔｃｌｓｔｒ２より大きい場合、副方向クラスタリング部１４は、その２つの線セグメントが異なる物体クラスタに属すると判断する。

例えば、図８において、副方向クラスタリング走査マップＭｃｌｓｔｒ２によれば、主方向クラスタリング単位１と主方向クラスタリング単位２が隣接している。そこで、副方向クラスタリング部１４は、前者に属する線セグメント１と、後者に属する線セグメント３との相対距離が閾値を算出する。この相対距離が閾値Ｔｃｌｓｔｒ２以下であったとすると、両線セグメントは同一の物体クラスタ（例えば物体クラスタ１）に属すると判断される。一方、相対距離が閾値Ｔｃｌｓｔｒ２より大きかったとすると、両線セグメントは異なる物体クラスタ（例えば、線セグメント１は物体クラスタ１、線セグメント３は物体クラスタ２）に属すると判断される。

隣接する２つの主方向クラスタリング単位に含まれる線セグメント間の相対距離と閾値Ｔｃｌｓｔｒ２との比較評価を、各主方向クラスタリング単位に属する全線セグメントについて順次行うことで、１または複数の物体クラスタが形成される。

線セグメント間の相対距離は、一方の線セグメントに属する画素と、他方の線セグメントに属する画素との間の相対距離Ｒｒｌｔｖのうちの最小値とする。具体的には、下記（２）式により、主方向クラスタリング単位ｉ_clstrU1における線セグメントｉ_lineSegUE1と、主方向クラスタリング単位ｉ’_clstrU1における線セグメントｉ’_lineSegUE1との相対距離Ｒ_{rltvBwLineSeg}（Ｓ_lineSeg（ｉ_clstrU1，ｉ_lineSegEU1），Ｓ_lineSeg（ｉ’_clstrU1，ｉ’_lineSegEU1）が得られる。

上記（２）式における相対距離Ｒｒｌｔｖは図６に示すようにして算出される。このように、本実施形態における副方向クラスタリング部１４も、各画素が示す点をＸＹＺ座標系に変換することなく、観測距離画像Ｒｏｂｓの各画素が示す距離Ｒと測距走査方向ベクトルＤとに基づいて画素間の相対距離を算出する。そのため、計算量を減らすことができる。

図９は、副方向クラスタリング部１４による物体クラスタ形成の手順の一例を示すフローチャートである。
初期設定として、副方向クラスタリング部１４は１番目の主方向クラスタリング単位内の線セグメントを物体クラスタとする（ステップＳ２１）。ここでの物体クラスタとは、線セグメントの集合であり、より詳しくは線セグメントを構成する観測距離画像Ｒｏｂｓの画素の集合である。

続いて、副方向クラスタリング部１４は、副方向クラスタリング走査マップＭｃｌｓｔｒ２を参照して、処理対象の主方向クラスタリング単位と、１つ前に隣接する主方向クラスタリング単位を取得する（ステップＳ２２）。

その後、副方向クラスタリング部１４は、処理対象の主方向クラスタリング単位内の線セグメントを取得する（ステップＳ２３）。

そして、副方向クラスタリング部１４は結合物体クラスタインデックス集合を予めクリアしておく（ステップＳ２４）。結合物体クラスタインデックス集合は、処理対象の線セグメントからの相対距離が閾値以下の物体クラスタのインデックスを格納する集合である。

続いて、副方向クラスタリング部１４は、１つ前に隣接する主方向クラスタリング単位に含まれる線セグメントが属するすべての物体クラスタから、未処理の物体クラスタを選択する（ステップＳ２５）。

そして、副方向クラスタリング部１４は、選択された物体クラスタに含まれる未処理の１つの画素を取得する（ステップＳ２６）。副方向クラスタリング部１４は、取得された画素と、ステップＳ２３で取得された線セグメントとの相対距離を算出し、閾値Ｔｃｌｓｔｒ２と比較する（ステップＳ２７）。ここでの相対距離は、線セグメントに含まれる画素と、取得された画素との間の相対距離Ｒｒｌｔｖの最小値をいう。

相対距離が閾値Ｔｃｌｓｔｒ２より大きい場合（ステップＳ２７のＮＯ）、この時点では、物体クラスタと、ステップＳ２３で取得された線セグメントが同一の物体クラスタとは判断できない。そこで、副方向クラスタリング部１４は、物体クラスタに含まれる次の未処理画素を取得し（ステップＳ２６）、同様の比較評価を行う（ステップＳ２７）。ただし、すでに選択された物体クラスタに含まれる全画素との比較評価の処理が完了した場合（ステップＳ２９のＹＥＳ）、ステップＳ３０に進む。

一方、相対距離が閾値Ｔｃｌｓｔｒ２以下である場合（ステップＳ２７のＹＥＳ）、物体クラスタと、ステップＳ２３で取得された線セグメントが同一の物体クラスタと判断できる。そこで、副方向クラスタリング部１４は、結合物体クラスタインデックス集合に、物体クラスタのインデックスを加える（ステップＳ２８）。

以上を選択された物体クラスタに含まれる全画素について処理する（ステップＳ２９のＹＥＳ）。なお、ステップＳ２９の判定およびステップＳ２６〜Ｓ２８の処理においては、計算量を減らすために、物体クラスタに含まれる全画素ではなく、１つ前に隣接する主方向クラスタリング単位に含まれる全画素についてのみ、処理してもよい。

その後、副方向クラスタリング部１４は、１つ前に隣接する主方向クラスタリング単位に含まれる線セグメントが属する、次の物体クラスタについて処理する（ステップＳ３０）。すべての物体クラスタについての処理が完了すると（ステップＳ３０のＹＥＳ）、副方向クラスタリング部１４は、結合物体クラスタインデックス集合に含まれるインデックスが示す物体クラスタを結合して新たな物体クラスタを形成し、結合対象の物体クラスタを継承する（ステップＳ３１）。

続いて、副方向クラスタリング部１４は同一主方向クラスタリング単位内の別の線セグメントを処理する（ステップＳ３２のＮＯ、ステップＳ２３以降）。そして、この処理を全主方向クラスタリング単位について行う（ステップＳ３３）。

以上のようにして生成された物体クラスタが、物体クラスタ集合ＳｏｂｊＣｌｓｔｒに格納される。

図８の例を用い、処理対象が主方向クラスタリング単位２であり、１つ前に隣接するのが主方向クラスタリング単位１である場合を考える。図８（ａ）に示すように、処理対象の主方向クラスタリング単位２内には別個の２つの線セグメント２，３がある。また、１つ前の主方向クラスタリング単位１内には長い線セグメント１がある。この場合、主方向クラスタリング単位２の処理を開始する時点（ステップＳ２３以前）では、線セグメント１が物体クラスタとなっている。

図９のステップＳ２３で線セグメント３が選択されると、物体クラスタである線セグメント１と、線セグメント２との間の相対距離が小さいためにこれらが結合されて１つの物体クラスタとなる。すなわち、線セグメント１および線セグメント２からなる新たな物体クラスタが生成される（ステップＳ３１）。

次いで、ステップＳ２３に戻って線セグメント３が選択されると、物体クラスタである線セグメント１，２と、線セグメント３との間の相対距離が小さいためにこれらが結合されて１つの物体クラスタとなる。すなわち、線セグメント１，２，３からなる新たな物体クラスタが生成される（ステップＳ３１）。

このようにして、主方向クラスタリング単位２内では別個であった２つの線セグメント２，３が、隣接する主方向クラスタリング単位１内における１つの線セグメント１を介して接続され、合計３つの線セグメント１，２，３が同一物体クラスタとなる。

なお、最終的に求められた物体クラスタに関して、物体クラスタを構成する画素数がある閾値未満である場合には、当該物体クラスタを物体クラスタ集合ＳｏｂｊＣｌｓｔｒに含めないようにしてもよい。

このように、第１の実施形態では、隣接する非背景画素どうしの距離に基づいてクラスタリングを行うので、３次元空間に３次元格子を適用する必要がない。そのため、対象物が遠方にあっても近傍にあっても、適切なクラスタリングを行うことができる。また、クラスタリングを行う際に、観測距離画像ＲｏｂｓをＸＹＺ座標系に変換することなく、距離Ｒおよび測距走査方向ベクトルＤを用いて、画素間の相対距離を算出する。そのため、物体検出に要する計算量を減らすことができる。また、主方向クラスタリング単位において１次元クラスタリングを行い、次いで、副方向において１次元クラスタリングを行うため、計算量を抑えることができる。

以下、本実施形態で説明した方式によれば、背景技術の欄で説明した３次元格子をグループ化する方式に比べて、物体検出に必要な計算量を大幅に減らせることを説明する。

まずは、３次元格子をグループ化する方式の場合の計算量を見積もる。上述したように、この方式では、
（１）すべての物体検出候補点を、測距装置を原点とするＸＹＺ座標系に変換し
（２）すべての物体検出候補点のそれぞれについて、変換されたＸＹＺ座標を使って、各３次元格子の内側にあるか外側にあるかを判定し、内側にあると判定された３次元格子に投票し
（３）投票済みの格子の中で隣接するものをグループ化する
という処理が必要である。

（１）の処理において、すべての物体検出候補点とは、観測距離画像における非背景画素である。そして、１つの非背景画素が示す距離Ｒを、測距装置を原点とするＸＹＺ座標系に変換するには、以下のステップを経る。
（１ａ）予め定めた水平方向走査角テーブルθｔｂｌｍｓ１を参照し，インデックスｉｍｓ１から測距走査角度θｍｓ１を定める。
（１ｂ）予め定めた垂直方向走査角テーブルθｔｂｌｍｓ２を参照し，インデックスｉｍｓ２から測距走査角度θｍｓ２を定める。
（１ｃ）測距走査角度θｍｓ１，θｍｓ２から、測距走査方向ベクトルテーブルＤｍｓを次式により決定する。

測距走査方向ベクトルテーブルＤｍｓは、測距装置を原点にとった場合の測定光の照射方向および反射光の入射方向に相当する。
（１ｄ）測距走査方向ベクトルテーブルＤｍｓに距離Ｒを乗じることによりＸＹＺ座標を得る。

以上から、（１）の処理をオンラインで行うのに必要な計算量は次のようになる。（１ａ）〜（１ｃ）をテーブルを用いて処理する場合、インデックスの組（ｉｍｓ１，ｉｍｓ２）をキーとする１回のテーブル参照が必要である。ここでは、テーブルの参照１回を浮動小数点演算１回相当とみなす。また、ステップ（１ｄ）の演算は浮動小数点の乗算３回と概算できる。以上から、ステップ（１ａ）からステップ（１ｄ）までの計算量は、１つの物体検出候補点につき浮動小数点演算４回となる。

よって、物体検出候補点の数がＮ_inCan個とすると、（１）の処理に要する浮動小数点演算の回数は下記（Ａ１）式で表される。
４×Ｎ_inCan ・・・（Ａ１）

一方、（２）の処理は、具体的には以下のステップを経る。
（２ａ）前提として、ある３次元格子の境界をＸＹＺ座標系での６平面に対応する６つの関数で表現し、例として次式のように表す。
ここで６平面の法線ベクトルをＸＹＺ座標系の基底に選んだ簡易な例を示すと次式のようになる。

（２ｂ）物体検出候補点のＸＹＺ座標の値を上記の６つの関数に代入し、下式に示すように全て関数での評価値が０以下になれば、格子「内」と判定する。一方、６つの関数での評価値が１つでも０より大きければ格子「外」と判定する。

以上から、（２）の処理をオンラインで行うのに必要な計算量は次のようになる。（２ｂ）の各関数の評価で乗算３回＋加算３回＋比較演算１回が行われる。これらを単純に足して考えると浮動小数点演算が７回発生する。関数評価は６個あるので、ステップ（２ｂ）の計算量の概算は浮動小数点演算７回×６回=４２回となる。この演算が、３次元格子の数だけ行われる。

ここで、物体検出領域のＸ，Ｙ，Ｚ方向の長さをそれぞれＬ_MNTRX，Ｌ_MNTRY，Ｌ_MNTRZとする。そして、各３次元格子の寸法のＸ，Ｙ，Ｚ方向の長さをそれぞれＬ_gridX，Ｌ_gridY，Ｌ_gridZとする。この場合、３次元格子の数は、（Ｌ_MNTRX／Ｌ_gridX）×（Ｌ_MNTRY／Ｌ_gridY）×（Ｌ_MNTRZ／Ｌ_gridZ）である。

よって、（２）の処理での合計計算量、すなわち浮動小数点演算の回数は下記（Ａ２）式で表される。

次に、（３）の処理は、具体的には以下のステップを経る。
（３ａ）Ｙ，Ｚを固定し、Ｘ軸方向に連なった３次元格子列毎に、隣接する投票済み格子をグループ化し、線セグメントを構成する。
（３ｂ）Ｚを固定したＸＹ平面上の線セグメント集合毎に、隣接する線セグメントをグループ化し、面セグメントを構成する。
（３ｃ）面セグメント集合において、隣接する面セグメントをグループ化し、立体セグメントを構成する。得られた立体セグメントが物体として検出される。

上記（３ａ）の処理では、各３次元格子において、隣接する３次元格子が少なくとも１回は参照される。このため、参照される処理は全体で（Ｌ_MNTRX／Ｌ_gridX）×（Ｌ_MNTRY／Ｌ_gridY）×（Ｌ_MNTRZ／Ｌ_gridZ）回発生する。１回の参照処理は少なくとも浮動小数点演算１回程度と見積もられるため、（３ａ）における浮動小数点演算は（Ｌ_MNTRX／Ｌ_gridX）×（Ｌ_MNTRY／Ｌ_gridY）×（Ｌ_MNTRZ／Ｌ_gridZ）×１回と概算される。

上記（３ｂ）の処理では、Ｚを固定したＸＹ平面上での線セグメント間の参照であるため、Ｙ方向に隣接する線セグメントのみを参照する場合でも、少なくとも（Ｌ_MNTRY／Ｌ_gridY）回の参照処理が発生する。この参照処理がＺ方向に（Ｌ_MNTRZ／Ｌ_gridZ）回行われる。よって、（３ｂ）における浮動小数点演算は（Ｌ_MNTRY／Ｌ_gridY）×（Ｌ_MNTRZ／Ｌ_gridZ）×１回と概算される。

上記（３ｃ）の処理は、Ｚ方向に隣接する面セグメントのみを参照するとして、少なくとも（Ｌ_MNTRZ／Ｌ_gridZ）回の参照処理が発生する。よって、（３ｃ）における浮動小数点演算は（Ｌ_MNTRZ／Ｌ_gridZ）×１回と概算される。

以上から、（３）の処理に要する浮動小数点の演算の回数は下記（Ａ３）式で表される。

上記（Ａ１）〜（Ａ３）式から、（１）〜（３）を合計した浮動小数点演算の回数は、下記（Ａ４）式で表される。

物体検出の精度向上のために３次元格子を小さくした場合、格子寸法が小さくなるにつれて上記（Ａ４）式の第２，３項の計算量が増加する。物体検出候補点の数Ｎ_inCanが全３次元格子数（Ｌ_MNTRX／Ｌ_gridX）×（Ｌ_MNTRY／Ｌ_gridY）×（Ｌ_MNTRZ／Ｌ_gridZ）より十分に小さい場合には第２，３項が支配的となるため、例えば、３次元格子の各辺の長さＬ_gridX，Ｌ_gridY，Ｌ_gridZをそれぞれ１／２倍にすると、計算量は単純には８倍になる。

すなわち、３次元格子をグループ化する従来の方式による計算量のオーダーは下記（Ａ５）式で与えられる。
このように、物体検出の精度を上げたい場合、３次元格子をグループ化する方式では計算量が著しく増加し、実時間での処理が極めて困難となる。

続いて、本実施形態による方式の場合の計算量を見積もる。本方式でのオンライン処理は、監視対象画素抽出部１２、主方向クラスタリング部１３および副方向クラスタリング部１４での処理である。ただし、監視対象画素抽出部１２での処理は、上記３次元格子をグループ化する方式と共通であるため、考慮しない。

主方向クラスタリング部１３では、非背景インデックス集合ＳｎｇｂＩｄｘに対応する画素において、主方向クラスタリング単位毎に、隣接する画素間の相対距離Ｒｒｌｔｖを算出し、相対距離Ｒｒｌｔｖが閾値Ｔｃｌｓｔｒ１以下の隣接画素を線セグメントとする。この際のオンライン計算量を概算すると以下のようになる。

隣接画素間の相対距離は上記（１）式で算出されるため、その１回あたりの浮動小数点演算は、平方根の計算も含めて約５０回相当と見積もられる。この演算が主方向クラスタ単位内の画素数×主方向クラスタ単位の本数分は少なくとも発生する。この回数をＮｍｓ１×Ｎｍｓ２回と見積もると、主方向クラスタリング部１３における浮動小数点の演算回数は下記（Ｂ１）式で表される。
５０×Ｎｍｓ１×Ｎｍｓ２ ・・・（Ｂ１）

一方、副方向クラスタリング部１４では、隣接する２つの主方向クラスタリング単位における線セグメント間の相対距離を算出し、この相対距離が閾値Ｔｃｌｓｔｒ２以下の線セグメントを同一物体クラスタとする。この際のオンライン計算量を概算すると以下のようになる。

線セグメントの平均長さをＡｖｅＬｅｎ_LinseSeg［画素］とすると、各線セグメント間での相対距離を算出する処理は、線セグメント内の全画素間で相対距離Ｒｒｌｔｖを算出し、その最小値を得る処理となる。そのため、副方向クラスタリング部１４における浮動小数点の演算回数はおおよそ下式で表される。

ここで、上式第１項は全画素間の相対距離Ｒｒｌｔｖの算出に関するものであり、第２項は最小値を得るためのソート処理に関するものである。

１つの主方向クラスタリング単位の画素数がおおよそＮｍｓ１画素と考えると、各主方向クラスタリング単位に含まれる線セグメントの本数はＮｍｓ１／ＡｖｅＬｅｎ_LineSeg本と概算される。したがって、副方向で隣接する線セグメント間で相対距離の比較を行うことを想定すると、その回数はＮｍｓ１／ＡｖｅＬｅｎ_LineSeg×Ｎｍｓ２回である。

以上から、副方向クラスタリング部１４における浮動小数点の演算回数は下記（Ｂ２）式で表される。

上記（Ｂ１），（Ｂ２）式から、主方向クラスタリング部１３および副方向クラスタリング部１４の浮動小数点演算の合計回数は、おおよそ下記（Ｂ３）式で表される。

すなわち、本実施形態によれば、計算量のオーダーは下記（Ｂ４）式で与えられる。

この式から分かるように、本実施形態の方式では、計算量は観測距離画像Ｒｏｂｓの画素数Ｎｍｓ１，Ｎｍｓ２にのみ依存する。本発明には３次元格子がないため、当然ではあるが、計算量は３次元格子の大きさに依存しない。

図１０は、約５０人の人間が動き回っている状況を観測し、物体検出処理を、３次元格子をグループ化する方式で行った場合の計算時間と、本実施形態による方式で行った場合の計算時間とを比較する図である。Ｌ_MNTRX＝３０［ｍ］，Ｌ_MNTRY＝１５［ｍ］，Ｌ_MNTRZ＝２［ｍ］とした。また、ＣＰＵ Ｃｏｒｅ ｉ７−３７７０（Ｉｖｙ Ｂｒｉｄｇｅ）４コア、３．４ＧＨｚ（１０８ＧＦＬＯＰＳ相当）のプロセッサを使用した。

図示のように、３次元格子をグループ化する方式では、３次元格子のサイズを小さくするにしたがい、計算時間（計算量）が大幅に増加していくことが分かる。これに対し、本実施形態による方式では、そもそも３次元格子がないため、計算時間は３次元格子のサイズには全く依存しない。計算時間は人間の位置に依存して変化するが、最大となる場合であっても５．０４５［ｍｓ］である。３次元格子をグループ化する方式と比較すると、格子サイズが３０［ｃｍ］×３０［ｃｍ］×３０［ｃｍ］である場合の計算時間よりは長いが、格子サイズが３０［ｃｍ］×３０［ｃｍ］×２５［ｃｍ］である場合の計算時間よりは短い。

また、本実施形態による方式によれば、３次元格子をグループ化する方式における最も高精度な設定（３次元格子サイズ７［ｃｍ］×７［ｃｍ］×２５［ｃｍ］）と比べて計算時間を１／１０以下に抑えつつ、同程度の精度で物体検出結果が得られた。

（第２の実施形態）
上述した第１の実施形態は、観測距離画像Ｒｏｂｓをそのまま用いて、すなわち、測距装置１による２次元走査順（２次元走査座標系）を基準として、クラスタリングを行うものであった。これに対し、以下に説明する第２の実施形態では、観測距離画像Ｒｏｂｓを歪ませた座標系を用いるものである。以下、第１および第２の実施形態との相違点を中心に説明する。

観測距離画像Ｒｏｂｓを歪ませる例として、測距装置１を通る鉛直な線を中心とし、測距装置１と地面との距離を半径とする円柱面上で、地面と平行な所定領域に対応する領域を主方向クラスタリング単位としてもよい。言い換えると、このような円柱面において、地面からの距離がほぼ一定となる対象物から主方向クラスタリング単位が構成される。このような主方向クラスタリング単位を、主方向クラスタリング走査マップＭｃｌｓｔｒ１で定義できる。

すなわち、実空間において、測距装置１を通る鉛直な線を中心とする円柱面において、地面と平行な矩形領域を複数設定する。そして、測距装置１の位置から測距装置１と同じ２次元走査を行って円柱面を撮影したとすると、得られる画像においては、実空間では地面と平行であった矩形領域が、歪んで映る。そこで、得られる画像における歪んだ各矩形領域を、１つの主方向クラスタリング単位とすればよい。

図１１は、第２の実施形態における主方向クラスタリング走査マップＭｃｌｓｔｒ１を模式的に説明する図である。上記のように観測距離画像Ｒｏｂｓを歪ませる場合、各主方向クラスタリング単位の左右端は、図１１（ａ）に示すように、水平ではなく中央側に湾曲して歪む。この場合、各主方向クラスタリング単位に属する画素の順序は、図１１（ｂ）に示すように、原則として主方向インデックスｉｍｓ１の昇順とし、主方向インデックスｉｍｓ１が同一の画素が複数ある場合には副方向インデックスｉｍｓ２の降順とすることができる。

図１２は、図１１のように主方向クラスタリング走査マップＭｃｌｓｔｒ１を定義する場合の、主方向クラスタリング部１３の処理動作を模式的に説明する図である。同図は図１１（ａ）の主方向クラスタリング単位１内のクラスタリング処理を示している。

図１２において、観測距離画像Ｒｏｂｓにおける画素（２，４）と画素（２，３）が隣接している。このとき、画素（２，４）と画素（２，３）との間の相対距離Ｒｒｌｔｖが閾値Ｔｃｌｓｔｒ１以下であれば、両画素は同一の線セグメント（例えば線セグメント１）に属すると判断される。

一方、同図において、観測距離画像Ｒｏｂｓにおける画素（６，１）と画素（１０，１）が隣接している。画素（６，１）と画素（１０，１）との間の相対距離Ｒｒｌｔｖが閾値Ｔｃｌｓｔｒ１より大きければ、両画素は異なる線セグメント（例えば、画素（６，１）は線セグメント１、画素（１０，１）は線セグメント２）に属すると判断される。

隣接する２つの非背景画素間の相対距離Ｒｒｌｔｖと閾値Ｔｃｌｓｔｒ１との比較評価を、各主方向クラスタリング単位に属する全画素について順次行うことで、主方向クラスタリング単位ごとに１または複数の線セグメントが形成される。

さらに本実施形態において、測距装置１が、正面から真下に振り下し、次いで、真下から正面に振り上げる連続した垂直走査を行う場合、次のように副方向クラスタリング走査マップＭｃｌｓｔｒ２を定義することができる。

図１３は、第２の実施形態における副方向クラスタリングマップＭｃｌｓｔｒ２を模式的に説明する図である。同図（ａ）では、便宜上、測距装置１の測距対象を水平方向に８つの領域１〜８に分割するとともに、そのそれぞれに対応させて主方向クラスタリング単位１〜８を設定している（なお、簡単のために上記のように歪ませることは表現していない）。同図における四角囲み数字は実空間における上からの順序、丸囲み数字は測距装置１による走査順を示している。

図示のように、測距装置１は、正面から真下に振り下す際に、実空間における奇数番目の領域１，３，５，７をこの順に走査する。そして、測距装置１は、真下から正面に振り上げる際に、実空間における偶数番目の領域８，６，４，２をこの順に走査する。その結果、実空間における領域の並び順と、得られる観測距離画像Ｒｏｂｓにおける主方向クラスタリング単位の並び順は異なる。

すなわち、観測距離画像Ｒｏｂｓにおける主方向クラスタリング単位１〜８は、実空間においては領域１，３，５，７，８，６，４，２とそれぞれ対応している。しかしながら、実空間では領域１〜８の順に並んでいることを考慮すれば、観測距離画像Ｒｏｂｓでは主方向クラスタリング単位１，８，２，７，３，６，４，５の順に隣接するはずである。よって、主方向クラスタリング単位の隣接関係として、副方向クラスタリングマップＭｃｌｓｔｒ２を図１３（ｂ）のように定義すればよい。

図１４は、図１２および図１３のように主方向クラスタリング走査マップＭｃｌｓｔｒ１および副方向クラスタリング走査マップＭｃｌｓｔｒ２をそれぞれ定義する場合の、副方向クラスタリング部１４の処理動作を模式的に説明する図である。同図（ａ）に示されるように、観測距離画像Ｒｏｂｓの主方向クラスタリング単位１〜８内に線セグメント１〜１０が形成されている。その詳細を線セグメント集合ＳｌｉｎｅＳｅｇとして同図（ｂ）に示している。また、副方向クラスタリング走査マップＭｃｌｓｔｒ２は同図（ｃ）に示す通りである。

例えば、図１４において、副方向クラスタリング走査マップＭｃｌｓｔｒ２によれば、主方向クラスタリング単位１と主方向クラスタリング単位８が隣接している。そこで、副方向クラスタリング部１４は、前者に属する線セグメント１と、後者に属する線セグメント１０との相対距離が閾値を算出する。この相対距離が閾値Ｔｃｌｓｔｒ２以下であったとすると、両線セグメントは同一の物体クラスタ（例えば物体クラスタ１）に属すると判断される。一方、相対距離が閾値Ｔｃｌｓｔｒ２より大きかったとすると、両線セグメントは異なる物体クラスタ（例えば、線セグメント１は物体クラスタ１、線セグメント１０は物体クラスタ２）に属すると判断される。

主方向クラスタリング部１３および副方向クラスタリング部１４の処理は第１の実施形態と同様であり、単に主方向クラスタリング走査マップＭｃｌｓｔｒ１および副方向クラスタリング走査マップＭｃｌｓｔｒ２による主方向クラスタリングの定義が異なるだけである。

このように、第２の実施形態では、観測距離画像Ｒｏｂｓを歪ませた座標系における画素の隣接関係に基づいて、すなわち、歪ませた座標系において隣接する監視対象画素が示す対象物どうしの距離を算出する。そのため、測距装置１の走査方向や走査順に関わらず、主方向クラスタリング単位を適切に設定でき、クラスタリングを行うことができる。

なお、上述した実施形態では２次元走査型の測距装置１を用いて３次元空間を測距することを念頭に置いていたが、１次元走査型の測距装置を用いて２次元空間を測距して得られる観測距離画像（この場合、１ラインのみの画像となる）を対象として、物体を検出することもできる。この場合も測距装置による走査座標系とは異なる座標系を用いることができ、例えば１回目の走査と２回目の走査とで測距方向が異なる場合に、１回目の走査と２回目の走査における測距方向を実空間に合わせて並び替えた座標系において、隣接する画素が示す距離に基づいてクラスタリングを行ってもよい。

（第３の実施形態）
上述した第１および第２の実施形態は、物体クラスタ集合として、物体クラスタを構成する観測距離画像Ｒｏｂｓにおける画素を出力するものであった。これに対し、次に説明する第３の実施形態では、物体クラスタを構成する観測距離画像Ｒｏｂｓにおける画素をＸＹＺ座標系に変換して出力するものである。以下、第１および第２の実施形態との相違点を中心に説明する。

図１５は、本発明の第３の実施形態に係る物体検出システムの概略構成を示すブロック図である。本実施形態における物体検出装置２’はさらにＸＹＺ座標系変換部１５を備えている。ＸＹＺ座標系変換部１５は、副方向クラスタリング部１４が出力する物体クラスタ集合に含まれる、観測距離画像Ｒｏｂｓにおける画素（ｉｍｓ１，ｉｍｓ２）をＸＹＺ座標に変換する。変換手法は、上記３次元格子をグループ化する方式における（１）の処理を適用すればよい。

副方向クラスタリング部１４から出力された物体クラスタ集合ＳｏｂｊＣｌｓｔｒ内の各物体クラスタに関して、ＸＹＺ座標系変換部１５は、各物体クラスタに含まれる観測距離画像Ｒｏｂｓの画素（ｉｍｓ１，ｉｍｓ２）を参照し、ＸＹＺ座標系に変換する。

以下では、観測距離画像Ｒｏｂｓの画素（ｉｍｓ１，ｉｍｓ２）が示す距離Ｒ（ｉｍｓ１，ｉｍｓ２）を単にＲと表記する。画素（ｉｍｓ１，ｉｍｓ２）が定まると、既定の測距走査方向ベクトルテーブルＤｍｓから測距走査方向ベクトルＤｍｓ（ｉｍｓ１，ｉｍｓ２）が読み出される。このとき、この距離画像画素のＸＹＺ座標値は次式で計算される。

以上がＸＹＺ座標系への変換処理である。

補足のため、事前にオフラインで計算される距走査方向ベクトルテーブルＤｍｓの構成方法について少し詳しく説明する。

図１６は、図２に示した測距装置１の観測位置の関係を示す図である。画素（ｉｍｓ１，ｉｍｓ２）に対応する測距角度の組を（θｍｓ１，θｍｓ２）とする。
図１６（ａ）に示すように、測距角度θｍｓ２＝０の場合、つまり、測距装置１がＺ軸周りに回転する場合、測距走査方向ベクトルＤｍｓは下式で表される。

次に、図１６（ｂ）に示すように、測距角度θｍｓ１＝０の場合、つまり、測距装置１がＸ軸周りに回転する場合、測距走査方向ベクトルＤｍｓは下式で表される。

続いて、図１６（ｃ）に示すように、測距装置１がＺ軸とＸ軸回りに同時に回転する場合は（Ｘ，Ｙ，Ｚ）＝（１，０，０）の点を、まずＺ軸回りに（π／２＋θｍｓ１）［ｒａｄ］回転させ、さらにＸ軸回りにθｍｓ２［ｒａｄ］回転させたものと考えることができる。よって、測距走査方向ベクトルＤｍｓは下式で表される。

上記の計算により、測距走査方向ベクトルテーブルＤｍｓを事前にオフラインで構成することができる。

ＸＹＺ座標系に変換することで、各物体クラスタのＸＹＺ座標系での分布が分かる。そのため、この分布からＸＹＺ座標系での大きさを特定し、小さな物体クラスタを除くようにしてもよい。具体的には、ＸＹＺ座標系変換部１５は、ＸＹＺ各軸での分布における最大値と最小値との差が閾値未満である場合、主成分分析を行って決定した３軸での分布における最大値と最小値との差が閾値未満である場合、床面軸とこれと直交する２軸からなる３軸での分布における最大値と最小値との差が閾値未満である場合に、当該物体クラスタが小さいとして除いてもよい。

このように、第３の実施形態では、物体クラスタをＸＹＺ座標で出力する。そのため、物体の位置、大きさ、形状なども把握できる。なお、本実施形態ではＸＹＺ座標に変換した後の処理がないため、第１の実施形態と比べた計算量の増加は４×Ｎ_inCan回だけである（上記（Ａ１）式参照）。

なお、各実施形態において、測距装置１は対象物からの反射光に基づいて測距を行うものであるが、場合によってはエコーによって複数の反射光が受光されることもある。その場合、いずれか１つのエコーについて上述した処理を行えばよく、例えば最も強度が高いエコーについて処理を行ってもよいし、最も手前のエコーについて処理を行ってもよいし、最も奥のエコーについて処理を行ってもよい。

上述した実施形態は、本発明が属する技術分野における通常の知識を有する者が本発明を実施できることを目的として記載されたものである。上記実施形態の種々の変形例は、当業者であれば当然になしうることであり、本発明の技術的思想は他の実施形態にも適用しうることである。したがって、本発明は、記載された実施形態に限定されることはなく、特許請求の範囲によって定義される技術的思想に従った最も広い範囲とすべきである。

１ 測距装置
２，２’ 物体検出装置
１１ 観測距離画像取得部
１２ 非背景抽出部
１３ 主方向クラスタリング部
１４ 副方向クラスタリング部
１５ ＸＹＺ座標系変換部
２０ クラスタリング部

Claims (19)

1. 第１方向および第２方向に２次元走査を行う２次元走査型の測距装置によって３次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得する観測距離画像取得部と、
   前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定する監視対象画素抽出部と、
   隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うクラスタリング部と、を備え、
   前記クラスタリング部は、
   前記観測距離画像を、前記第１方向に対応させて複数の領域に分割し、分割された各領域内で１次元クラスタリングを行ってセグメントを生成する第１クラスタリング部と、
   所定の領域で生成された前記セグメントと、前記第２方向において前記所定の領域と隣接する領域で生成された前記セグメントとの距離に基づいてクラスタリングを行って物体クラスタを生成する第２クラスタリング部と、
   を有する物体検出装置。
2. 前記第１クラスタリング部は、前記測距装置による２次元走査座標系を歪ませた座標系における画素の隣接関係を考慮して、隣接する前記監視対象画素が示す対象物どうしの距離に基づいて、各領域内でクラスタリングを行う、請求項１に記載の物体検出装置。
3. 前記第１クラスタリング部は、前記測距装置による２次元走査座標系を歪ませた座標系における画素の隣接関係を定義した第１クラスタリングマップに基づいて、各領域内でクラスタリングを行う、請求項２に記載の物体検出装置。
4. 前記領域は、実空間において、前記測距装置を通る鉛直な線を中心とする円柱面上で、地面と平行な所定領域に対応する領域である、請求項１乃至３のいずれかに記載の物体検出装置。
5. 前記所定領域は、前記測距装置と地面との距離を半径とする前記円柱面における、前記地面からの距離が略一定となる対象物から構成される領域である、請求項４に記載の物体検出装置。
6. 前記第２クラスタリング部は、前記所定の領域で生成された前記セグメントに含まれる画素が示す対象物と、前記所定の領域と隣接する領域で生成された前記セグメントに含まれる画素が示す対象物と、の間の距離のうちの最小値を算出し、この最小値に基づいてクラスタリングを行って前記物体クラスタを生成する、請求項１乃至５のいずれかに記載の物体検出装置。
7. 前記第２クラスタリング部は、前記複数の領域の隣接関係を定義した第２クラスタリングマップに基づいて、前記物体クラスタを生成する、請求項１乃至６のいずれかに記載の物体検出装置。
8. 前記領域は、実空間において、前記測距装置を通る鉛直な線を中心とする円柱面上で、地面と平行な所定領域に対応する領域であり、
   前記第２クラスタリングマップは、実空間において隣接する前記所定領域が隣接するよう、前記複数の領域の隣接関係を定義する、請求項７に記載の物体検出装置。
9. 前記物体クラスタに含まれる、前記観測距離画像における各画素が示す対象物を、ＸＹＺ座標系に変換するＸＹＺ座標系変換部を備える、請求項１乃至８のいずれかに記載の物体検出装置。
10. １次元走査型の測距装置によって２次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得する観測距離画像取得部と、
    前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定する監視対象画素抽出部と、
    前記測距装置による走査座標系とは異なる座標系であって、前記測距装置による走査座標系を実空間に合わせて並び替えた座標系における画素の隣接関係を考慮して、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うクラスタリング部と、を備える物体検出装置。
11. 前記クラスタリング部は、前記監視対象画素の１つである第１画素の値が示す距離と、前記第１画素に対応する方向と、前記監視対象画素の１つであって前記第１画素と隣接する第２画素の値が示す距離と、前記第２画素に対応する方向と、に基づいて、隣接する前記第１画素および前記第２画素が示す対象物どうしの距離を算出する、請求項１乃至１０のいずれかに記載の物体検出装置。
12. 前記クラスタリング部は、前記第１画素が示す対象物と、前記第２画素が示す対象物と、前記測距装置の位置と、を３頂点とする三角形に余弦定理を適用して、隣接する前記第１画素および前記第２画素が示す対象物どうしの距離を算出する、請求項１１に記載の物体検出装置。
13. 前記クラスタリング部は、下式に基づいて隣接する前記第１画素および前記第２画素が示す対象物どうしの距離を算出する、請求項１２に記載の物体検出装置
    ここで、Ｒｒｌｔｖ（（ｉｍｓ１，ｉｍｓ２），（ｉ’ｍｓ１，ｉ’ｍｓ２））は前記第１画素および前記第２画素が示す対象物どうしの距離、
    Ｒ（ｉｍｓ１，ｉｍｓ２）は、前記第１画素の値が示す距離、
    Ｄ（ｉｍｓ１，ｉｍｓ２）は、前記第１画素に対応する方向を示すベクトル、
    Ｒ（ｉ’ｍｓ１，ｉ’ｍｓ２）は、前記第２画素の値が示す距離、
    Ｄ（ｉ’ｍｓ１，ｉ’ｍｓ２）は、前記第２画素に対応する方向を示すベクトル。
14. 前記監視対象画素抽出部は、前記観測距離画像と背景画像とを比較して、前記観測距離画像のうち背景でない画素を前記監視対象画素とし、
    前記背景画像は、
    背景となるもの以外の物体がない状態で前記測距装置によって生成された距離画像であるか、
    前記測距装置によって生成された複数の距離画像の平均であり、
    前記背景画像の各画素の値は、該画素に対応する方向にある対象物と前記測距装置との距離を示す、請求項１乃至１３のいずれかに記載の物体検出装置。
15. 前記観測距離画像を生成する測距装置と、
    請求項１乃至１４のいずれかに記載の物体検出装置と、を備える物体検出システム。
16. 第１方向および第２方向に２次元走査を行う２次元走査型の測距装置によって３次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得するステップと、
    前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定するステップと、
    隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うステップと、を備え、
    前記クラスタリングを行うステップは、
    前記観測距離画像を、前記第１方向に対応させて複数の領域に分割し、分割された各領域内で１次元クラスタリングを行ってセグメントを生成する第１クラスタリングステップと、
    所定の領域で生成された前記セグメントと、前記第２方向において前記所定の領域と隣接する領域で生成された前記セグメントとの距離に基づいてクラスタリングを行って物体クラスタを生成する第２クラスタリングステップと、を含む物体検出方法。
17. １次元走査型の測距装置によって２次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得するステップと、
    前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定するステップと、
    前記測距装置による走査座標系とは異なる座標系であって、前記測距装置による走査座標系を実空間に合わせて並び替えた座標系における画素の隣接関係を考慮して、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うステップと、を備える物体検出方法。
18. コンピュータに、
    第１方向および第２方向に２次元走査を行う２次元走査型の測距装置によって３次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得するステップと、
    前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定するステップと、
    隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うステップと、を実行させ、
    前記クラスタリングを行うステップは、
    前記観測距離画像を、前記第１方向に対応させて複数の領域に分割し、分割された各領域内で１次元クラスタリングを行ってセグメントを生成する第１クラスタリングステップと、
    所定の領域で生成された前記セグメントと、前記第２方向において前記所定の領域と隣接する領域で生成された前記セグメントとの距離に基づいてクラスタリングを行って物体クラスタを生成する第２クラスタリングステップと、を含む物体検出プログラム。
19. コンピュータに、
    １次元走査型の測距装置によって２次元空間を測距して生成される観測距離画像であって、各画素の値が、該画素に対応する方向にある対象物と前記測距装置との距離を示す前記観測距離画像を取得するステップと、
    前記観測距離画像から監視対象画素を抽出し、該監視対象画素に対応する方向、および、当該監視対象画素が示す前記対象物と前記測距装置との距離を特定するステップと、
    前記測距装置による走査座標系とは異なる座標系であって、前記測距装置による走査座標系を実空間に合わせて並び替えた座標系における画素の隣接関係を考慮して、隣接する前記監視対象画素が示す対象物どうしの距離を、前記画素の方向と前記画素が示す前記対象物と前記測距装置との距離とに基づいて算出し、該距離に基づいてクラスタリングを行うステップと、を実行させる物体検出プログラム。