JP6650344B2 - Object detection device and object detection method - Google Patents

Object detection device and object detection method Download PDF

Info

Publication number
JP6650344B2
JP6650344B2 JP2016100331A JP2016100331A JP6650344B2 JP 6650344 B2 JP6650344 B2 JP 6650344B2 JP 2016100331 A JP2016100331 A JP 2016100331A JP 2016100331 A JP2016100331 A JP 2016100331A JP 6650344 B2 JP6650344 B2 JP 6650344B2
Authority
JP
Japan
Prior art keywords
cluster
unit
sub
speed
detection device
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
JP2016100331A
Other languages
Japanese (ja)
Other versions
JP2017067756A (en
Inventor
偉傑 劉
偉傑 劉
中川　洋一
洋一 中川
安木　慎
慎 安木
笠原　稔弘
稔弘 笠原
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.)
Panasonic Corp
Panasonic Holdings Corp
Original Assignee
Panasonic Corp
Matsushita Electric Industrial Co Ltd
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 Panasonic Corp, Matsushita Electric Industrial Co Ltd filed Critical Panasonic Corp
Priority to CN201610681850.1A priority Critical patent/CN106646449B/en
Priority to US15/265,199 priority patent/US10274593B2/en
Publication of JP2017067756A publication Critical patent/JP2017067756A/en
Application granted granted Critical
Publication of JP6650344B2 publication Critical patent/JP6650344B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/60—Velocity or trajectory determination systems; Sense-of-movement determination systems wherein the transmitter and receiver are mounted on the moving object, e.g. for determining ground speed, drift angle, ground track
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/50—Systems of measurement based on relative movement of target
    • G01S13/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G01S13/589—Velocity or trajectory determination systems; Sense-of-movement determination systems measuring the velocity vector
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles

Landscapes

  • Engineering & Computer Science (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Electromagnetism (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Traffic Control Systems (AREA)

Description

本開示は、レーダ装置の測定結果を利用して、周辺に存在する物体を精度よく検出することができる物体検出装置及び物体検出方法に関する。   The present disclosure relates to an object detection device and an object detection method that can accurately detect an object existing in the vicinity by using a measurement result of a radar device.

近年、車両の周囲に存在する、他車両、歩行者、二輪車、または、路上にある設置物を検出するレーダ装置が車両に搭載されることが一般的となっている。車載用のレーダ装置は、自車両の前方や側方から接近してくる物体を検出し、自車両との相対位置、または、自車両との相対速度を測定する。そして、車載用のレーダ装置は、測定結果に基づき、自車両と物体とが衝突する可能性が無いかを判断し、可能性が有ると判断した場合には、運転手に警告を提示し、または、自車両の走行を制御することによって、衝突を回避させる。   2. Description of the Related Art In recent years, it has become common for a vehicle to be equipped with a radar device that detects another vehicle, a pedestrian, a two-wheeled vehicle, or an installed object on a road existing around the vehicle. The on-vehicle radar device detects an object approaching from the front or side of the own vehicle, and measures a relative position to the own vehicle or a relative speed to the own vehicle. Then, based on the measurement result, the on-vehicle radar device determines whether there is a possibility of collision between the own vehicle and the object, and when it is determined that there is a possibility, presents a warning to the driver, Alternatively, a collision is avoided by controlling the traveling of the own vehicle.

また、道路周辺に設置されたレーダ装置を用いて、道路の交通を監視または管理するシステムが開発されている。このようなシステムは、例えば、交差点の周辺に設置されたレーダ装置によって、交差点を通過する車両または歩行者を検出し、または、交通流量を計測することによって、信号機を適応的に制御する。また、このようなシステムは、道路内で車両と歩行者との複数物体の衝突の可能性があると判断した場合、運転手や歩行者に警告を提示して、複数物体の衝突を回避させる。   In addition, a system for monitoring or managing traffic on a road using a radar device installed around the road has been developed. Such a system adaptively controls a traffic light by, for example, detecting a vehicle or a pedestrian passing through an intersection or measuring a traffic flow by a radar device installed around the intersection. In addition, when such a system determines that there is a possibility of collision between a vehicle and a pedestrian on a road, a warning is presented to a driver or a pedestrian to prevent the collision of the plurality of objects. .

レーダ装置の他の利用法は、例えば空港、または、その他の施設を監視するために設置される例がある。このようなレーダ装置は、空中または地上からの物体を検知し、関連セキュリティシステムに情報を提供することで、物体の侵入を防止する。   Other uses for radar equipment include, for example, being installed to monitor airports or other facilities. Such a radar device detects an object in the air or from the ground and provides information to a related security system to prevent the object from entering.

このように、レーダ装置は、物体を検出するために様々な場面で利用される。最近では、レーダ装置は、高分解能化によって、同一物体から複数部位の測定データを取得できる。このため、レーダ装置は、同一物体に属する測定データに対してクラスタリング処理を行い、物体領域を確定する。なお、クラスタリング処理とは、ある観測周期において検出された信号をグループ分けし、各グループ（クラスタ）をそれぞれ一つの物体で反射された信号の集合として定義する処理である。   As described above, the radar device is used in various situations to detect an object. Recently, a radar device can acquire measurement data of a plurality of parts from the same object by increasing the resolution. Therefore, the radar apparatus performs a clustering process on the measurement data belonging to the same object, and determines the object region. Note that the clustering process is a process in which signals detected in a certain observation period are grouped, and each group (cluster) is defined as a set of signals reflected by one object.

このようなレーダ装置の一例が、例えば特許文献１に開示されている。特許文献１には、レーダの測定データ群に対して、扇形のクラスタ領域を設定し、同一物体に属する複数の測定データをクラスタリングし、物体の検出と追跡とを行う技術が開示されている。   An example of such a radar device is disclosed in, for example, Patent Document 1. Patent Literature 1 discloses a technique of setting a fan-shaped cluster region for a radar measurement data group, clustering a plurality of measurement data belonging to the same object, and detecting and tracking the object.

国際公開第２０１２／１２８０９６号International Publication No. 2012/128096

しかしながら、上述した特許文献１に開示された技術では、クラスタ領域に入った全ての物体測定データを用いて物体の速度を求めるため、物体の一部が、物体の主要部分の動きとは独立して動いている場合、物体の一部の異なる動きの影響により物体の主要部分の正確な速度の算出が困難となる。例えば、物体が車両である場合、車両の一部である車輪の回転は、車両の主要部分である車体の動きとは独立しており、車輪の回転速度は車体の移動速度よりも速いため、車両速度を求める際に車輪から得た測定データを用いると、算出精度が落ちてしまう。同様に、物体が歩行者である場合は、歩行者の一部である手足を振る速度は歩行者の主要部分である胴体部分の移動速度と異なるため、歩行者の主要部分の移動速度を算出する際に、手足から得た測定データを利用すると、移動速度を正しく算出することは困難である。   However, in the technique disclosed in Patent Document 1 described above, since the speed of an object is obtained by using all the object measurement data included in the cluster area, a part of the object is independent of the movement of the main part of the object. When the object is moving, it is difficult to calculate an accurate velocity of the main part of the object due to the influence of different movements of the part of the object. For example, if the object is a vehicle, the rotation of the wheels that are a part of the vehicle is independent of the movement of the vehicle body that is the main part of the vehicle, and the rotation speed of the wheels is faster than the moving speed of the vehicle body. If the measurement data obtained from the wheels is used when determining the vehicle speed, the calculation accuracy is reduced. Similarly, when the object is a pedestrian, the speed of shaking the limb, which is a part of the pedestrian, is different from the moving speed of the torso, which is the main part of the pedestrian, so the moving speed of the main part of the pedestrian is calculated. In this case, if measurement data obtained from limbs is used, it is difficult to calculate a moving speed correctly.

本開示の非限定的な実施例は、レーダ測定データをクラスタリングする際に、物体の主要部分の動きとは異なる動きをする物体の一部を考慮し、物体の移動速度を正確に求めることができる物体検出装置及び物体検出方法を提供することを目的とする。   A non-limiting example of the present disclosure is that when clustering radar measurement data, it is possible to accurately determine the moving speed of the object by considering a part of the object that moves differently from the movement of the main part of the object. It is an object of the present invention to provide an object detection device and an object detection method that can be used.

本開示の一態様は、１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得する捕捉点取得部と、前記２つ以上の捕捉点を含む１つ以上のクラスタを生成するクラスタ生成部と、前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割するサブクラスタ生成部と、前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する速度算出部と、を有する物体検出装置である。   According to one embodiment of the present disclosure, for one of a plurality of unit areas obtained by dividing a measurement range of one or more radar devices for each distance and azimuth, the one or more radar devices generate a reflected wave from an object. At least one of a power profile and a Doppler velocity profile, which are obtained measurement information, is input, and two or more unit regions capturing the object are extracted from the plurality of unit regions by using the measurement information. A capture point acquisition unit that acquires as a capture point, a cluster generation unit that generates one or more clusters including the two or more capture points, and a moving direction different from a main part of the object and each of the clusters. A sub-cluster generating unit that divides into one or more first sub-clusters corresponding to a part of the object having a moving speed and one or more second sub-clusters corresponding to a main part of the object; With one or more capture points belonging to the second sub-cluster, the speed calculation unit for calculating a moving speed of the object, an object detecting device with a.

本開示の他の一態様は、１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得し、前記２つ以上の捕捉点を含む１つ以上のクラスタを生成し、前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割し、前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する、物体検出方法である。   According to another embodiment of the present disclosure, for a plurality of unit regions obtained by dividing a measurement range of one or more radar devices for each distance and azimuth, the one or more radar devices use reflected waves from an object. At least one of a power profile and a Doppler velocity profile, which are measurement information generated by the above, is input, and by using the measurement information, two or more unit areas capturing the object are extracted from the plurality of unit areas by two. Acquiring as one or more capture points, generating one or more clusters including the two or more capture points, and generating each of the clusters of the object having a different moving direction and speed from a main portion of the object. One or more first sub-clusters corresponding to a part and one or more second sub-clusters corresponding to a main part of the object are divided, and one or more capture points belonging to the second sub-cluster are determined. Use , And calculates the moving speed of the object is object detection method.

これらの概括的かつ特定の態様は、システム、装置及び方法の任意の組み合わせにより実現してもよい。   These general and specific aspects may be implemented by any combination of systems, devices, and methods.

本開示によれば、レーダ測定データをクラスタリングする際に、物体の主要部分の動きとは異なる動きをする物体の一部を考慮し、物体の移動速度を正確に求めることができる。   According to the present disclosure, when clustering radar measurement data, it is possible to accurately calculate the moving speed of an object by considering a part of the object that moves differently from the main part of the object.

本開示の一態様における更なる利点及び効果は、明細書及び図面から明らかにされる。かかる利点及び／または効果は、いくつかの実施形態並びに明細書及び図面に記載された特徴によってそれぞれ提供されるが、１つまたはそれ以上の同一の特徴を得るために必ずしも全てが提供される必要はない。   Further advantages and advantages of one aspect of the present disclosure will be apparent from the description and drawings. Such advantages and / or advantages are each provided by some embodiments and by the features described in the specification and drawings, but not necessarily all to achieve one or more identical features. There is no.

本開示の第１の実施の形態に係る物体検出装置の主要構成と、レーダ装置と、車両制御システムとの接続関係を示すブロック図FIG. 1 is a block diagram illustrating a main configuration of an object detection device according to a first embodiment of the present disclosure, and a connection relationship between a radar device and a vehicle control system. 測定情報の一例としての電力プロファイルを示す概念図Conceptual diagram showing a power profile as an example of measurement information 測定情報の一例としてのドップラ速度プロファイルを示す概念図Conceptual diagram showing Doppler velocity profile as an example of measurement information クラスタ範囲の確定方法の一例について示す図Diagram showing an example of a method for determining the cluster range レーダ装置が物体を検出できる空間であるレーダ測定空間の一例を示す図The figure which shows an example of the radar measurement space which is the space which the radar device can detect the object 時間の経過に伴うクラスタの移動を示す概念図Conceptual diagram showing cluster movement over time θ−ｖｒ座標系における式（１）の曲線と、各捕捉点との距離を例示する図The figure which illustrates the distance of the curve of Formula (1) in a (theta) -vr coordinate system, and each capture point. 第１の実施の形態に係る物体検出装置の動作例を示すフローチャート5 is a flowchart illustrating an operation example of the object detection device according to the first embodiment. 本開示の第２の実施の形態に係る物体検出装置の主要構成と、レーダ装置と、車両制御システムとの接続関係を示すブロック図FIG. 4 is a block diagram illustrating a main configuration of an object detection device according to a second embodiment of the present disclosure, and a connection relationship between a radar device and a vehicle control system. 本開示の第３の実施の形態に係る物体検出装置の主要構成と、レーダ装置と、車両制御システムとの接続関係を示すブロック図FIG. 7 is a block diagram illustrating a main configuration of an object detection device according to a third embodiment of the present disclosure, and a connection relationship between a radar device and a vehicle control system. 本開示の第４の実施の形態に係る物体検出装置の主要構成と、２つのレーダ装置と、車両制御システムとの接続関係を示すブロック図FIG. 7 is a block diagram showing a main configuration of an object detection device according to a fourth embodiment of the present disclosure, and a connection relationship between two radar devices and a vehicle control system. ２つのレーダ装置の配置例を示す図The figure which shows the example of arrangement | positioning of two radar apparatuses

以下、本開示の実施の形態について、図面を参照して詳細に説明する。   Hereinafter, embodiments of the present disclosure will be described in detail with reference to the drawings.

＜第１の実施の形態＞
本開示の第１の実施の形態に係る物体検出装置について図面を用いて説明する。図１は、第１の実施の形態に係る物体検出装置１０の主要構成と、レーダ装置２０と、車両制御システム３０との接続関係を示すブロック図である。図１に示すように、本開示の第１の実施の形態に係る物体検出装置１０は、レーダ装置２０及び車両制御システム３０に接続され、レーダ装置２０から出力される測定情報を処理するレーダ信号処理機能の一部を実現し、車両制御システム３０に対してレーダ信号処理によって得られた各種情報を出力する。 <First embodiment>
An object detection device according to a first embodiment of the present disclosure will be described with reference to the drawings. FIG. 1 is a block diagram showing a main configuration of an object detection device 10 according to the first embodiment, and a connection relationship between a radar device 20 and a vehicle control system 30. As shown in FIG. 1, an object detection device 10 according to a first embodiment of the present disclosure is connected to a radar device 20 and a vehicle control system 30, and processes a measurement signal output from the radar device 20. A part of the processing function is realized, and various information obtained by radar signal processing is output to the vehicle control system 30.

レーダ装置２０は、例えば所定の角度間隔で順次方向を変更し、所定範囲に対してレーダ信号を送信し、レーダ信号が障害物等の物体によって反射した反射信号を受信する。また、レーダ装置２０は、反射信号をベースバンドに変換して、レーダ信号の送信方向毎の遅延プロファイル（伝搬遅延特性）を、所定範囲を複数に分割した単位領域毎に取得し、測定結果（測定情報）として物体検出装置１０に出力する。   The radar device 20 sequentially changes the direction at predetermined angular intervals, for example, transmits a radar signal to a predetermined range, and receives a reflected signal in which the radar signal is reflected by an object such as an obstacle. Further, the radar device 20 converts the reflection signal into a baseband, acquires a delay profile (propagation delay characteristic) for each transmission direction of the radar signal for each unit region obtained by dividing a predetermined range into a plurality of units, and obtains a measurement result ( The measurement information is output to the object detection device 10.

車両制御システム３０は、物体検出装置１０がレーダ装置２０の出力するレーダ信号を処理することで検出した物体の位置や速度等の情報を取得し、例えば車両の運転者に対して警告を提示し、また、物体の位置や速度に応じて、衝突の可能性があると判断した場合に、車両の動作を制御する処理（アクセル操作、ブレーキ操作またはハンドル操作）を行う。   The vehicle control system 30 obtains information such as the position and speed of the detected object by processing the radar signal output from the radar device 20 by the object detection device 10, and presents a warning to, for example, a driver of the vehicle. In addition, when it is determined that there is a possibility of collision according to the position and speed of the object, processing for controlling the operation of the vehicle (accelerator operation, brake operation, or steering operation) is performed.

物体検出装置１０は、レーダ装置２０から出力された測定情報に基づいて、自車両の周囲に存在する物体を検出し、検出した場合にその物体の位置や速度に関する情報を生成して車両制御システム３０に出力する。以下では、物体検出装置１０の詳細な構成や、各構成の動作等について詳細に説明する。   The object detection device 10 detects an object existing around the own vehicle based on the measurement information output from the radar device 20, and generates information on the position and speed of the object when the object is detected, thereby controlling the vehicle control system. Output to 30. Hereinafter, a detailed configuration of the object detection device 10, an operation of each configuration, and the like will be described in detail.

図１に示すように、物体検出装置１０は、捕捉点取得部１１、クラスタ生成部１２、サブクラスタ生成部１３、速度算出部１４、追跡部１５、及び、物体確定部１６を有する。これらの物体検出装置１０の各構成は、ソフトウェアまたはＬＳＩ回路などのハードウェアで実現してもよいし、車両を制御する電子制御ユニット（Electronic Control Unit：ＥＣＵ）の一部として実現してもよい。   As illustrated in FIG. 1, the object detection device 10 includes a capture point acquisition unit 11, a cluster generation unit 12, a sub-cluster generation unit 13, a speed calculation unit 14, a tracking unit 15, and an object determination unit 16. Each configuration of the object detection device 10 may be realized by software or hardware such as an LSI circuit, or may be realized as a part of an electronic control unit (ECU) for controlling a vehicle. .

捕捉点取得部１１は、レーダ装置２０から測定情報を取得し、単位領域毎の値に基づいて検出した物体に対応する単位領域の候補を抽出する。レーダ装置２０から取得する測定情報は、電力プロファイル及びドップラ速度プロファイルである。   The capture point acquisition unit 11 acquires measurement information from the radar device 20 and extracts a unit area candidate corresponding to the detected object based on the value of each unit area. The measurement information acquired from the radar device 20 is a power profile and a Doppler velocity profile.

図２Ａは、測定情報の一例としての電力プロファイルを示す概念図である。図２Ｂは、測定情報の一例としてのドップラ速度プロファイルを示す概念図である。図２Ａ及び図２Ｂにおいて、横軸がレーダ装置２０を基準とした物体の方位角、縦軸がレーダ装置２０を基準とした物体までの距離である。図２Ａ及び図２Ｂにおいて、横軸を１０度、縦軸を１０ｍ毎に区切って単位領域を構成している。以下では、この単位領域をセルと称する。   FIG. 2A is a conceptual diagram illustrating a power profile as an example of measurement information. FIG. 2B is a conceptual diagram illustrating a Doppler velocity profile as an example of measurement information. 2A and 2B, the horizontal axis represents the azimuth of the object based on the radar device 20, and the vertical axis represents the distance to the object based on the radar device 20. 2A and 2B, the horizontal axis is divided by 10 degrees, and the vertical axis is divided every 10 m to form a unit area. Hereinafter, this unit area is referred to as a cell.

なお、本開示において、セル（単位領域）の方位角の範囲及び距離の範囲は、上記範囲に限定されない。セルの大きさは、高い分解能を得られるという点では、より小さい方が好ましい。   In the present disclosure, the range of the azimuth angle and the range of the distance of the cell (unit region) are not limited to the above ranges. The size of the cell is preferably smaller from the viewpoint that high resolution can be obtained.

図２Ａでは、各セルにおける反射強度を０から５の６段階で示し、レベル５が最も反射強度が強い。図２Ｂにおいて、各セルにおけるドップラ速度を０から５の６段階で示し、レベル５が最もドップラ速度が速い。なお、ドップラ速度はレーダ装置２０に対して物体が近づいているか遠ざかっているかによって符号が違うが、図示を簡単にするため、図２Ｂでは一例として正極性のドップラ速度を示している。   In FIG. 2A, the reflection intensity in each cell is shown in six levels from 0 to 5, with level 5 having the highest reflection intensity. In FIG. 2B, the Doppler speed in each cell is shown in six stages from 0 to 5, with level 5 having the fastest Doppler speed. The sign of the Doppler speed differs depending on whether an object is approaching or moving away from the radar device 20, but for simplicity of illustration, FIG. 2B shows a positive Doppler speed as an example.

捕捉点取得部１１は、レーダ装置２０から測定情報、すなわち図２Ａに示す電力プロファイル及び図２Ｂに示すドップラ速度プロファイルを取得した後、反射強度とドップラ速度の値がそれぞれ所定のしきい値以内のセルを抽出し、抽出したセルを物体が存在するセルの候補とする。以下では、捕捉点取得部１１が抽出する、物体が存在するセルの候補を捕捉点と称する。   After acquiring the measurement information from the radar device 20, that is, the power profile shown in FIG. 2A and the Doppler velocity profile shown in FIG. 2B, the capture point acquisition unit 11 sets the values of the reflection intensity and the Doppler velocity within a predetermined threshold value, respectively. A cell is extracted, and the extracted cell is set as a candidate for a cell in which an object exists. Hereinafter, the candidate of the cell where the object exists, which is extracted by the capture point acquisition unit 11, is referred to as a capture point.

なお、図２Ａ及び図２Ｂに示す各プロファイルは、説明を簡単にするため、方位角と距離とを座標軸とする直交座標系にて例示されている。このため、各セルの形状は矩形となっている。しかしながら、捕捉点取得部１１は、本実施の形態においては、レーダ装置２０の位置を中心とした極座標系の測定結果を使用することが望ましい。この場合、セルの形状は扇形となる。なお、以下の説明では、セルの形状にかかわらず、図２Ａ及び図２Ｂに示す電力プロファイル及びドップラ速度プロファイルの各セルを、１つの点として取り扱うことにする。   Each profile shown in FIGS. 2A and 2B is illustrated in an orthogonal coordinate system using azimuth and distance as coordinate axes for simplicity of description. Therefore, each cell has a rectangular shape. However, in the present embodiment, it is desirable that the capture point acquisition unit 11 use the measurement result of the polar coordinate system centering on the position of the radar device 20. In this case, the cell has a fan shape. In the following description, each cell of the power profile and the Doppler velocity profile shown in FIGS. 2A and 2B is treated as one point regardless of the shape of the cell.

クラスタ生成部１２は、捕捉点取得部１１が抽出した複数の捕捉点をクラスタリングする。クラスタリングの方法やクラスタ形状については本開示では限定せず、公知の方法を利用すればよい。一例として、クラスタ生成部１２は、例えば、図３に示すように、クラスタ形状を一定半径の円形とし、取得した捕捉点の中から電力プロファイルにおける反射強度の極大点を求め、極大点を中心点としてクラスタ範囲を確定する。そして、クラスタ範囲に入った全ての捕捉点を１つのクラスタとすればよい。図３は、クラスタ範囲の確定方法の一例について示す図である。なお、クラスタ生成部１２は、クラスタ形状として設定する一定半径の円形を、検出対象によって、変更することができる。クラスタ生成部１２は、例えば、検出対象が大型車である場合は、半径を５ｍ程度に設定し、中型車では、半径を３ｍに設定することができる。   The cluster generation unit 12 clusters the plurality of capture points extracted by the capture point acquisition unit 11. The clustering method and the cluster shape are not limited in the present disclosure, and a known method may be used. For example, as shown in FIG. 3, the cluster generation unit 12 sets the cluster shape to a circular shape having a constant radius, obtains the maximum point of the reflection intensity in the power profile from the acquired capture points, and sets the maximum point as the center point. To determine the cluster range. Then, all captured points that fall within the cluster range may be regarded as one cluster. FIG. 3 is a diagram illustrating an example of a method of determining a cluster range. Note that the cluster generation unit 12 can change the circle having a constant radius set as the cluster shape depending on the detection target. For example, when the detection target is a large vehicle, the cluster generation unit 12 can set the radius to about 5 m, and for a medium-sized vehicle, the radius can be set to 3 m.

サブクラスタ生成部１３は、クラスタ生成部１２が生成した各クラスタに属する捕捉点に対し、方位角測定値とドップラ速度測定値との間の制約関係を利用して、２種類のサブクラスタに分割する。２種類のサブクラスタは、それぞれ、物体の主要部分（物体の本体）に対応するサブクラスタと、物体の主要部分とは異なる移動方向及び移動速度を有する物体の一部に対応するサブクラスタである。例えば、物体が車両である場合、１つのサブクラスタは車両の主要部分（車体等）に対応し、もう１つのサブクラスタは車輪に対応している。あるいは、例えば物体が人（歩行者）である場合、１つのサブクラスタは人の主要部分（胴体部分）に対応し、もう１つのサブクラスタは手足等に対応している。以下、サブクラスタ生成部１３の処理について詳細に説明する。   The sub-cluster generation unit 13 divides the capture points belonging to each cluster generated by the cluster generation unit 12 into two types of sub-clusters using the constraint relationship between the azimuth measurement value and the Doppler velocity measurement value. I do. The two types of sub-clusters are a sub-cluster corresponding to the main part of the object (the main body of the object) and a sub-cluster corresponding to a part of the object having a different moving direction and moving speed from the main part of the object. . For example, when the object is a vehicle, one sub-cluster corresponds to a main part (vehicle body or the like) of the vehicle, and another sub-cluster corresponds to wheels. Alternatively, for example, when the object is a person (pedestrian), one sub-cluster corresponds to a main part (body part) of the person, and another sub-cluster corresponds to limbs and the like. Hereinafter, the processing of the sub-cluster generation unit 13 will be described in detail.

図４は、レーダ装置２０が物体を検出できる空間であるレーダ測定空間の一例を示す図である。説明を簡単にするため、図４では、高さ方向（ｚ軸）を省略し、地面に対応する２次元座標系（ｘ軸、ｙ軸）を表示している。図４において、Ｃｉはあるクラスタに属する捕捉点の１つである（ｉ＝１〜Ｎ）。また、ＮはＣｉが属するクラスタが含む捕捉点の総数である。ドップラ速度プロファイルから求めた各Ｃｉに対応する方位角測定値をθｉ、ドップラ速度測定値をｖｒ，ｉとする。クラスタ内全ての捕捉点Ｃｉに対応する移動方向の方位角をλａｌｌ、移動速度の値をｖａｌｌと仮定すると、下記式（１）が成立する。この式（１）の関係が上記した方位角測定値とドップラ速度測定値との間の制約関係に相当する。

Figure 0006650344
FIG. 4 is a diagram illustrating an example of a radar measurement space in which the radar device 20 can detect an object. For simplicity, FIG. 4 omits the height direction (z axis) and displays a two-dimensional coordinate system (x axis, y axis) corresponding to the ground. 4 is C i one capture point belonging to a cluster (i = 1~N). Further, N represents the total number of acquisition points including cluster where C i belongs. An azimuth measurement value corresponding to each C i obtained from the Doppler velocity profile is θ i , and a Doppler velocity measurement value is v r, i . Assuming that the azimuth of the moving direction corresponding to all the capture points C i in the cluster is λ all and the value of the moving speed is v all , the following equation (1) is established. The relationship of equation (1) corresponds to the above-described constraint relationship between the measured azimuth angle and the measured Doppler velocity.
Figure 0006650344

ここで、Ｃｉの属するクラスタが同一速度で移動する物体であれば、クラスタ内全ての捕捉点Ｃｉ（ｉ＝１〜Ｎ）が上記式（１）を満たす。ただし、式（１）のクラスタ内全ての捕捉点Ｃｉに対応する移動速度ｖａｌｌと移動方向λａｌｌは未知の値である。 Here, if the cluster to which C i belongs is an object that moves at the same speed, all the capture points C i (i = 1 to N) in the cluster satisfy the above equation (1). However, the moving speed v all and the moving direction λ all corresponding to all the capture points C i in the cluster in the equation (1) are unknown values.

式（１）のｖａｌｌとλａｌｌは、以下の２つの方法で確定することができる。以下２つの方法について説明する。 In the equation (1), v all and λ all can be determined by the following two methods. Hereinafter, two methods will be described.

第１の方法は、回帰計算による算出方法である。図４において、捕捉点Ｃｉ（ｉ＝１〜Ｎ）のそれぞれについて、ドップラ速度プロファイルから求めた各Ｃｉに対応する測定値をθｉとｖｒ，ｉをすれば、下記式（２）が成立する。

Figure 0006650344
The first method is a calculation method using regression calculation. In FIG. 4, for each of the capture points C i (i = 1 to N), if θ i and v r, i are the measured values corresponding to each C i obtained from the Doppler velocity profile, the following equation (2) is obtained. Holds.
Figure 0006650344

式（２）において、ｖａｌｌ−ｘ及びｖａｌｌ−ｙはＣｉを含むクラスタ全体の速度、つまり、物体全体の速度のｘ成分及びｙ成分を示す。式（２）を用いて、例えば最小二乗法のような、公知の回帰計算手法により、Ｎ個の測定値（方位角及び速度）からパラメータｖａｌｌ−ｘ及びｖａｌｌ−ｙを算出することができる。そして、算出したｖａｌｌ−ｘ及びｖａｌｌ−ｙを用いて、下記式（３）及び式（４）によりクラスタ内全ての捕捉点Ｃｉに対応する移動速度ｖａｌｌと移動方向λａｌｌを算出する。

Figure 0006650344
Figure 0006650344
 In the formula (2), v all-x and v all-y is the speed of the whole cluster containing C i, that is, shows the x and y components of the velocity of the entire object. Using Equation (2), it is possible to calculate the parameters v all-x and v all-y from the N measured values (azimuth and velocity) by a known regression calculation method such as the least square method. it can. Then, calculated by using the calculated v all-x and v all-y, the following equation (3) and the moving speed v all the moving direction lambda all for all of the acquisition points C i in the cluster by the formula (4) I do.
Figure 0006650344
Figure 0006650344

上述した回帰計算は、複数回繰り返して実施してもよい。すなわち、算出した回帰計算の結果に基づいて、誤差の大きい捕捉点、例えば、ノイズにより発生したレーダ装置による測定誤差、を排除し、再度回帰計算を行うことで、算出するクラスタ内全ての捕捉点Ｃｉに対応する移動速度ｖａｌｌ及び移動方向λａｌｌの精度を向上させるようにしてもよい。本開示では、回帰計算の具体的な方法については限定しない。 The regression calculation described above may be repeatedly performed a plurality of times. That is, based on the result of the calculated regression calculation, capture points with large errors, for example, measurement errors due to the radar device caused by noise are eliminated, and the regression calculation is performed again. The accuracy of the moving speed v all and the moving direction λ all corresponding to C i may be improved. In the present disclosure, a specific method of the regression calculation is not limited.

第２の方法として、時間の経過に伴う物体の移動を追跡し、追跡によって得られた情報を利用して、図５に示すようにクラスタ内全ての捕捉点Ｃｉに対応する移動速度ｖａｌｌと移動方向λａｌｌを算出する方法がある。具体的には、電力プロファイル及びドップラ速度プロファイルの少なくとも１つを用いて、図５に示すように、現時刻の物体（クラスタの中心）の位置を（ｘａｌｌ−２，ｙａｌｌ−２）、レーダ測定取得の周期における１周期前のクラスタの中心位置を（ｘａｌｌ−１，ｙａｌｌ−１）とすると、クラスタ内全ての捕捉点Ｃｉに対応する移動速度ｖａｌｌ及び移動方向λａｌｌは下記式（５）及び式（６）により算出できる。なお、図５は、時間の経過に伴うクラスタの移動を示す概念図である。なお、クラスタの中心の位置は、各クラスタ内の捕捉点Ｃｉの位置情報の平均値である。

Figure 0006650344
Figure 0006650344
 As a second method, the movement of the object over time is tracked, and the information obtained by the tracking is used to move the moving speed v all corresponding to all the capture points C i in the cluster as shown in FIG. And the moving direction λ all are calculated. Specifically, using at least one of the power profile and the Doppler velocity profile, as shown in FIG. 5, the position of the object (center of the cluster) at the current time is (x all-2 , y all-2 ), Assuming that the center position of the cluster one cycle before in the cycle of radar measurement acquisition is (x all−1 , y all−1 ), the moving speed v all and the moving direction λ all corresponding to all the captured points C i in the cluster are It can be calculated by the following equations (5) and (6). FIG. 5 is a conceptual diagram showing the movement of the cluster over time. The position of the center of the cluster is the mean value of the positional information acquisition points C i in each cluster.
Figure 0006650344
Figure 0006650344

ただし、Ｔはレーダ測定取得の周期であり、位置（ｘａｌｌ−１，ｙａｌｌ−１）にあるクラスタが（ｘａｌｌ−２，ｙａｌｌ−２）に移動するまでの時間である。 Here, T is the period of radar measurement acquisition, and is the time until the cluster at the position (x all−1 , y all−1 ) moves to (x all−2 , y all−2 ).

サブクラスタ生成部１３は、以上のように求めたクラスタ内全ての捕捉点Ｃｉに対応する移動速度ｖａｌｌと移動方向λａｌｌをパラメータとした式（１）に基づき、クラスタに属する全捕捉点を２種類のサブクラスタに分割する。具体的には、図６に示すように、θ−ｖｒ座標系における式（１）の曲線と、各捕捉点との距離によって、距離が大きいサブクラスタと、距離が小さいサブクラスタとの２種類のサブクラスタとに分割する。図６は、θ−ｖｒ座標系における式（１）の曲線と、各捕捉点との距離を例示する図である。 Sub-cluster generating unit 13, based on equation (1) as a parameter the movement velocity v all the moving direction lambda all corresponding to the cluster in all acquisition points C i obtained as above, the total acquisition points belonging to the cluster Is divided into two types of subclusters. Specifically, as shown in FIG. 6, theta-v r and the curve of the equation (1) in the coordinate system, the distance between each capture point, distance and large subcluster, the distance is smaller subcluster 2 Divided into different types of subclusters. Figure 6 is a diagram illustrating the curves of the formula (1) in the theta-v r coordinate system, the distance between each capture point.

具体的には、サブクラスタ生成部１３は、例えば図６に示すように、θ−ｖｒ座標系における曲線ｖｒ＝ｖａｌｌｃｏｓ（λａｌｌ−θ）（図６に示す実線の曲線）の上下に曲線ｖｒ＝（ｖａｌｌ±Δｖ）ｃｏｓ（λａｌｌ−θ）（図６に示す点線の曲線）を設ける。サブクラスタ生成部１３は、点線の曲線で囲まれる領域内に位置する捕捉点（黒丸）と、点線の曲線で囲まれる領域外に位置する捕捉点（白丸）とを、それぞれ異なる２種類のサブクラスタに分割する。 Specifically, the sub-cluster generating unit 13, for example, as shown in FIG. 6, theta-v curve at r coordinate system v r = v all cos (λ all -θ) of (solid curve shown in FIG. 6) A curve v r = (v all ± Δv) cos (λ all −θ) (dotted curve shown in FIG. 6) is provided above and below. The sub-cluster generation unit 13 determines two different types of sub-points, namely, a capture point (black circle) located in the area surrounded by the dotted line curve and a capture point (white circle) located outside the area surrounded by the dotted line curve. Divide into clusters.

ここで、Δｖは適宜設定されるしきい値である。例えば物体が車両の場合、点線の曲線で囲まれる領域内に位置する捕捉点は、車輪以外の車体の反射によるものであり、点線の曲線で囲まれる領域外に位置する捕捉点は車輪の反射によるものである可能性が高い。   Here, Δv is an appropriately set threshold value. For example, when the object is a vehicle, the capture points located in the area surrounded by the dotted curve are due to the reflection of the vehicle body other than the wheels, and the capture points located outside the area surrounded by the dotted curve are the reflections of the wheels. Is likely to be due to

このように、サブクラスタ生成部１３は、各捕捉点の移動方向や移動速度に基づいて、物体の主要部分の動きに対応するサブクラスタと、物体の主要部分の動きとは異なる動きをする物体の一部に対応するサブクラスタと、に分割する。   As described above, the sub-cluster generation unit 13 determines, based on the moving direction and the moving speed of each capture point, the sub-cluster corresponding to the motion of the main part of the object and the sub-cluster that moves differently from the main part of the object. And a sub-cluster corresponding to a part of.

速度算出部１４は、点線の曲線で囲まれる領域内の捕捉点（図６に示す黒丸）を利用し、以下の式（２−２）、式（３−２）及び（４−２）を用いて実際の移動速度ｖｔａｒｇｅｔと実際の移動方向λｔａｒｇｅｔを算出する。すなわち、速度算出部１４は、車輪以外の車体の動きに対応するサブクラスタに属する捕捉点を利用してクラスタの速度算出を行う。

Figure 0006650344
Figure 0006650344
Figure 0006650344
 The speed calculation unit 14 uses the capture points (black circles shown in FIG. 6) in the area surrounded by the dotted curve, and calculates the following equations (2-2), (3-2), and (4-2). Then, the actual movement speed v target and the actual movement direction λ target are calculated. That is, the speed calculation unit 14 calculates the speed of the cluster using the capture points belonging to the subcluster corresponding to the movement of the vehicle body other than the wheels.
Figure 0006650344
Figure 0006650344
Figure 0006650344

なお、ｖｍａｉｎ−ｘ及びｖｍａｉｎ−ｙは、物体の主要部分の動きに対応するサブクラスタに含まる捕捉点Ｃｍｉ（ｍｉ＝１〜Ｍ、Ｍ＜Ｎ）によって求められた値である。 Note that v main-x and v main-y are values obtained by the capture points C mi (mi = 1 to M, M <N) included in the subcluster corresponding to the movement of the main part of the object.

このため、物体の主要部分となる動きとは異なる動きをする物体の一部、すなわち例えば物体が車両である場合の車輪部分や、物体が人である場合の手足等の動きに影響を抑制し、物体の主要部分となる移動速度を算出することができる。なお、速度算出部１４は、式（３−２）を用いて実際の移動速度ｖｔａｒｇｅｔを算出するため、速度算出部１４が算出する実際の移動速度ｖｔａｒｇｅｔは、クラスタのドップラ速度（１次元速度：レーダ装置の特定方位方向の速度）ではなく、ｘ成分及びｙ成分を有する速度（２次元速度）となる。 For this reason, a part of the object that moves differently from the movement that becomes the main part of the object, that is, for example, a wheel part when the object is a vehicle, or a movement of a limb or the like when the object is a person is suppressed. , It is possible to calculate the moving speed that is the main part of the object. Incidentally, the speed calculation unit 14 for calculating the actual moving speed v target by using equation (3-2), the actual moving speed v target speed calculating section 14 calculates the Doppler velocity (1-dimensional cluster Velocity: not a velocity in a specific azimuth direction of the radar apparatus, but a velocity having an x component and a y component (two-dimensional velocity).

なお、サブクラスタ生成部１３によるサブクラスタの生成と、速度算出部１４による実際の移動速度ｖｔａｒｇｅｔ及び実際の移動方向λｔａｒｇｅｔの算出を、回帰的に繰り返し行い、パラメータの算出精度を向上させるようにしてもよい。 The generation of the sub-cluster by the sub-cluster generation unit 13 and the calculation of the actual moving speed v target and the actual moving direction λ target by the speed calculation unit 14 are recursively repeated to improve the parameter calculation accuracy. It may be.

追跡部１５は、公知の追跡技術、例えばαβフィルタやカルマンフィルタ等を利用し、クラスタの追跡処理を行う。ただし、追跡要素として、速度に関しては、ドップラ速度の追跡ではなく、２次元速度の追跡を行う。また、クラスタの速度を算出する際に、クラスタの全捕捉点でなく、図６に示した点線の曲線で囲まれる領域内のサブクラスタに含まれる捕捉点を利用する。すなわち、追跡部１５は、物体の一部ではなく、物体の主要部分となる動きを追跡している。   The tracking unit 15 performs a cluster tracking process using a known tracking technique, for example, an αβ filter or a Kalman filter. However, regarding the speed, a two-dimensional speed is tracked, not a Doppler speed. Further, when calculating the speed of the cluster, not all the capture points of the cluster but the capture points included in the sub-clusters in the area surrounded by the dotted curve shown in FIG. 6 are used. That is, the tracking unit 15 tracks a movement that is not a part of the object but a main part of the object.

以下、追跡部１５によりαβフィルタを利用した追跡の一例について説明する。αβフィルタの処理を下記式（７）から式（１０）に示す。

Figure 0006650344
Figure 0006650344
Figure 0006650344
Figure 0006650344
 Hereinafter, an example of tracking using the αβ filter by the tracking unit 15 will be described. The processing of the αβ filter is shown in the following equations (7) to (10).
Figure 0006650344
Figure 0006650344
Figure 0006650344
Figure 0006650344

式（７）から式（１０）において、Ｘ及びＶは下記式（１１）及び式（１２）に示すような２次元ベクトルである。

Figure 0006650344
Figure 0006650344
 In Expressions (7) to (10), X and V are two-dimensional vectors as shown in Expressions (11) and (12) below.
Figure 0006650344
Figure 0006650344

式（７）では、平滑位置Ｘｓｋを予測位置Ｘｐｋと測定位置Ｘｏｋを用いて算出する。重み付けは、パラメータαを用いて調整する。なお、平滑位置とは、サンプリング時刻ｋにおけるクラスタの推定位置である。 In equation (7), it is calculated by using the smoothed position X sk and the predicted position X pk measurement position X ok. The weight is adjusted using the parameter α. Note that the smooth position is the estimated position of the cluster at the sampling time k.

また、式（８）では、平滑速度Ｖｓｋを予測速度Ｖｐｋと測定速度Ｖｏｋを用いて算出する。また、重み付けは、パラメータβを用いて調整する。なお、平滑速度とは、サンプリング時刻ｋにおけるクラスタの推定速度である。 Further, in Formula (8), it is calculated by using the smoothed velocity V sk and predicted velocity V pk measurement speed V ok. The weight is adjusted using the parameter β. Note that the smoothing speed is the estimated speed of the cluster at the sampling time k.

予測位置Ｘｐｋは式（９）によって算出される。また、予測速度Ｖｐｋは式（１０）によって算出される。式（９）及び式（１０）において、物体の運動を等速モデルで表現しており、時刻ｋ−１における平滑位置Ｘｓｋ−１と平滑速度Ｖｓｋ−１を用いて時刻ｋにおける予測位置Ｘｐｋと予測速度Ｖｐｋとを算出している。 The predicted position X pk is calculated by Expression (9). Further, the predicted speed Vpk is calculated by Expression (10). In equations (9) and (10), the motion of the object is represented by a constant velocity model, and the predicted position at time k is calculated using the smooth position X sk-1 and the smooth speed V sk-1 at time k -1. X pk and the predicted speed V pk are calculated.

追跡部１５は、当該クラスタに属する全捕捉点を利用し、全捕捉点の平均位置をクラスタの測定位置Ｘｏｋとする。さらに、追跡部１５は、速度算出部１４が算出した速度をクラスタの測定速度Ｖｏｋとする。すなわち、測定速度Ｖｏｋは、クラスタの全捕捉点ではなく、サブクラスタに属する捕捉点に依存して決定される。 The tracking unit 15 uses all the captured points belonging to the cluster and sets the average position of all the captured points as the measured position Xok of the cluster. Further, the tracking unit 15 sets the speed calculated by the speed calculation unit 14 as the measured speed V ok of the cluster. That is, the measurement speed V ok is determined not based on all the capture points of the cluster but on the capture points belonging to the sub-cluster.

なお、追跡部１５におけるパラメータαとβの選択方法や、追跡の起動方法等は公知の手法を利用すればよく、本開示では特に限定しない。   A known method may be used for the method of selecting the parameters α and β in the tracking unit 15 and the method of activating tracking, and the present disclosure is not particularly limited.

物体確定部１６は、捕捉点の分布形状、図２Ａ及び図２Ｂに示す反射強度の分布、ドップラ速度の分布、さらに追跡部１５による追跡結果の平滑速度等に基づいて、公知のテンプレートマッチング手法等によってレーダ装置２０が検出した物体の種別（車両あるいは歩行者等）を判別する。物体確定部１６による物体判別の方法については、本開示では限定しない。物体判別の方法には、公知の技術を利用すればよい。そして、物体確定部１６は、検出された物体の位置や移動速度等、物体に関する情報を車両制御システム３０に対して出力する。   The object determination unit 16 performs a known template matching method or the like based on the distribution shape of the capture points, the distribution of the reflection intensity shown in FIGS. 2A and 2B, the distribution of the Doppler velocity, and the smoothing speed of the tracking result by the tracking unit 15. Then, the type of the object (vehicle, pedestrian, or the like) detected by the radar device 20 is determined. The method of object determination by the object determination unit 16 is not limited in the present disclosure. A publicly-known technique may be used for the method of object discrimination. Then, the object determination unit 16 outputs information on the object, such as the detected position and moving speed of the object, to the vehicle control system 30.

次に、第１の実施の形態に係る物体検出装置１０の動作例について説明する。図７は、物体検出装置１０の動作例を示すフローチャートである。ステップＳ１において、捕捉点取得部１１は、レーダ装置２０から測定情報を取得する。そして、ステップＳ２において、捕捉点取得部１１は、測定情報に基づいて捕捉点を抽出し取得する。   Next, an operation example of the object detection device 10 according to the first embodiment will be described. FIG. 7 is a flowchart illustrating an operation example of the object detection device 10. In step S <b> 1, the capture point acquisition unit 11 acquires measurement information from the radar device 20. Then, in step S2, the capture point acquisition unit 11 extracts and acquires the capture points based on the measurement information.

ステップＳ３において、クラスタ生成部１２は、複数の捕捉点をクラスタリングする。そして、ステップＳ４においてサブクラスタ生成部１３はクラスタ生成部１２が生成したクラスタを２種類のサブクラスタに分割する。   In step S3, the cluster generation unit 12 clusters a plurality of capture points. Then, in step S4, the sub-cluster generation unit 13 divides the cluster generated by the cluster generation unit 12 into two types of sub-clusters.

ステップＳ５において、速度算出部１４は、サブクラスタ生成部１３が生成したサブクラスタのうち、物体の一部に対応するサブクラスタに属する捕捉点を用いて、クラスタの２次元速度を算出する。   In step S5, the speed calculation unit 14 calculates the two-dimensional speed of the cluster using the capture points belonging to the subcluster corresponding to a part of the object among the subclusters generated by the subcluster generation unit 13.

ステップＳ６において、追跡部１５は追跡処理を行う。具体的には、１回前のレーダ測定周期における平滑位置Ｘｓｋ−１及び平滑速度Ｖｓｋ−１を利用して予測位置Ｘｐｋ及び予測速度Ｖｐｋを算出する。そして、追跡部１５は、クラスタに属する全捕捉点の平均位置を測定位置Ｘｏｋ、速度算出部１４が算出した速度を測定速度Ｖｏｋとして、測定位置Ｘｏｋ及び予測位置Ｘｐｋに基づいて現在の周期の平滑位置Ｘｓｋを、測定速度Ｖｏｋ及び予測速度Ｖｐｋに基づいて平滑速度Ｖｓｋを算出する。 In step S6, the tracking unit 15 performs a tracking process. Specifically, the predicted position X pk and the predicted speed V pk are calculated using the smoothed position X sk-1 and the smoothed speed V sk-1 in the immediately preceding radar measurement cycle. Then, the tracking unit 15 sets the average position of all the captured points belonging to the cluster as the measurement position X ok and the speed calculated by the speed calculation unit 14 as the measurement speed V ok based on the measurement position X ok and the predicted position X pk. the period of the smoothing position X sk, calculates a smoothed velocity V sk based on the measured velocity V ok and predicted velocity V pk.

ステップＳ７において、物体確定部１６は、追跡部１５の追跡結果等に基づいて、物体の種別を判別し、判別結果を出力する。   In step S7, the object determination unit 16 determines the type of the object based on the tracking result of the tracking unit 15 and outputs the determination result.

以上説明したように、本開示の第１の実施の形態に係る物体検出装置１０は、所定範囲を距離及び方位角毎に複数に分割した単位領域の中から、レーダ装置が反射波を用いて生成した、当該所定範囲に関する電力プロファイル及び／またはドップラ速度プロファイルである測定情報が所定のしきい値を超えるものを、物体を捕捉する捕捉点として取得する捕捉点取得部と、前記捕捉点を、全ての捕捉点がいずれかのクラスタに属し、かつ、各クラスタが少なくとも１つの捕捉点を含むようにクラスタリングするクラスタ生成部と、前記クラスタ生成部が生成した各クラスタを、当該クラスタに対応する前記物体の主要部分の移動方向及び移動速度とは異なる動きをする前記物体の一部に対応するサブクラスタと、前記物体の主要部分に対応するサブクラスタとの２種類のサブクラスタに分割するサブクラスタ生成部と、前記物体の主要部分に対応するサブクラスタに属する捕捉点を用いて、前記クラスタの移動速度を算出する速度算出部と、を有する。   As described above, the object detection device 10 according to the first embodiment of the present disclosure allows the radar device to use a reflected wave from a unit area obtained by dividing a predetermined range into a plurality of units for each distance and azimuth. Generated, the power profile and / or measurement information that is a Doppler velocity profile for the predetermined range, a capture point acquisition unit that acquires as a capture point for capturing an object that captures an object that exceeds a predetermined threshold, the capture point, A cluster generation unit that performs clustering so that all the capture points belong to one of the clusters and each cluster includes at least one capture point; and converts each of the clusters generated by the cluster generation unit into a cluster corresponding to the cluster. A sub-cluster corresponding to a part of the object moving differently from the moving direction and the moving speed of the main part of the object; and a sub-cluster corresponding to the main part of the object. A sub-cluster generation unit that divides into two types of sub-clusters, i.e., a sub-cluster, and a speed calculation unit that calculates a moving speed of the cluster using capture points belonging to a sub-cluster corresponding to a main part of the object. Have.

このような構成により、第１の実施の形態に係る物体検出装置１０によれば、レーダ測定結果に基づいて検出した物体に対応するクラスタを、物体の主要部分の動きに対応するサブクラスタと、物体の主要部分の動きとは異なる動きをする物体の一部（例えば、物体が車両である場合の車輪部分や、物体が人である場合の手足等）に対応するサブクラスタとに分割する。そして、クラスタの速度を算出するときに、物体の主要部分の動きに対応するサブクラスタに属する捕捉点を利用してクラスタの速度算出を行っている。このため、物体の主要部分の動きとは異なる動きをする物体の一部、すなわち例えば物体が車両である場合の車輪部分や、物体が人である場合の手足等の動きに影響を抑制し、物体の主要部分の移動速度を正確に算出することができる。   With such a configuration, according to the object detection device 10 according to the first embodiment, the cluster corresponding to the object detected based on the radar measurement result is divided into a sub-cluster corresponding to the movement of the main part of the object, It is divided into sub-clusters corresponding to a part of the object that moves differently from the movement of the main part of the object (for example, a wheel part when the object is a vehicle, a limb when the object is a person, and the like). When calculating the speed of the cluster, the speed of the cluster is calculated using the capture points belonging to the subcluster corresponding to the movement of the main part of the object. For this reason, a part of the object which moves differently from the movement of the main part of the object, that is, for example, a wheel portion when the object is a vehicle, and suppresses an influence on a movement of a limb or the like when the object is a person, The moving speed of the main part of the object can be accurately calculated.

従って、第１の実施の形態に係る物体検出装置１０によれば、クラスタの移動速度を正確に算出することができるので、その後のクラスタの追跡処理や、追跡結果を用いた物体の種別の判別処理を高精度で行うことができるようになる。   Therefore, according to the object detection device 10 according to the first embodiment, since the moving speed of the cluster can be accurately calculated, the subsequent tracking processing of the cluster and the classification of the object using the tracking result are performed. Processing can be performed with high accuracy.

また、第１の実施の形態に係る物体検出装置１０によれば、式（１）により速度算出部１４がドップラ速度（１次元速度）ではなく物体の平面上速度（２次元速度）を算出する。物体の主要部分の動きとは異なる動きをする物体の一部が存在する場合、物体の主要部分のドップラ速度を正確に追跡することは困難であるため、精度の良い２次元速度を算出することで、物体の主要部分のドップラ速度を補うことができるようになる。   In addition, according to the object detection device 10 according to the first embodiment, the velocity calculation unit 14 calculates not the Doppler velocity (one-dimensional velocity) but the plane velocity (two-dimensional velocity) of the object according to the equation (1). . It is difficult to accurately track the Doppler velocity of the main part of the object when there is a part of the object that moves differently from the main part of the object. Therefore, it is necessary to calculate an accurate two-dimensional velocity. Thus, the Doppler velocity of the main part of the object can be compensated.

また、第１の実施の形態に係る物体検出装置１０は、物体に関する情報に、サブクラスタに関する情報として、サブクラスタの数、位置、及び各サブクラスタの大きさと速度分布も含めて出力してもよい。物体確定部１６は、サブクラスタに関する情報のうち少なくとも１つを利用して、更に、物体の特定部分に関する情報を検知し、物体状況を判定（例えば、車種判別、人数判断）する処理が考えられる。   Also, the object detection device 10 according to the first embodiment may output information on an object including information on the number of sub-clusters, the position of the sub-clusters, and the size and velocity distribution of each sub-cluster as information on the sub-clusters. Good. The object determination unit 16 may use at least one of the information on the sub-clusters to further detect information on a specific part of the object, and determine the object status (for example, vehicle type determination, number of people determination). .

例えば、物体確定部１６は、サブクラスタに関する情報が車輪を反映する場合、車輪の数及び位置を、サブクラスタに関する情報のうち少なくとも１つから検知することで、車種（例えば、２輪車、乗用車、大型車）を判別することができる。また、物体確定部１６は、サブクラスタに関する情報が歩行者の手足の動作を反映する場合、サブクラスタに関する情報のうち少なくとも１つから手足の数を検知することで、人数を確定することができる。   For example, when the information on the sub-clusters reflects wheels, the object determination unit 16 detects the number and position of the wheels from at least one of the information on the sub-clusters, and thereby determines the vehicle type (for example, a two-wheeled vehicle, a passenger car). , Large vehicles). Further, when the information regarding the sub-cluster reflects the motion of the limb of the pedestrian, the object determination unit 16 can determine the number of people by detecting the number of the limbs from at least one of the information regarding the sub-cluster. .

そして、上記に説明したように、レーダ装置及び本開示の物体検出装置を車両に搭載することにより、レーダ装置による車両の周囲に存在する物体の速度を正確に求めることができ、自車両周辺に存在する車両、二輪車、及び歩行者等を正確に検出することができる。また、これらの移動速度を精度よく検出できるので、例えば自車両との衝突可能性を予測することができる。衝突可能性があると判断した場合は、衝突回避のための警告や制御を行うことができるので、交通事故の防止に効果がある。   Then, as described above, by mounting the radar device and the object detection device of the present disclosure on the vehicle, the speed of the object existing around the vehicle by the radar device can be accurately obtained, and the speed around the own vehicle can be determined. Existing vehicles, two-wheeled vehicles, pedestrians, and the like can be accurately detected. In addition, since these moving speeds can be detected with high accuracy, it is possible to predict, for example, the possibility of collision with the host vehicle. When it is determined that there is a possibility of a collision, a warning and control for avoiding a collision can be performed, which is effective in preventing a traffic accident.

なお、本開示の物体検出装置は車両以外にも搭載され、例えば、交差点を含む道路周辺に存在する車両、二輪車、及び歩行者等を正確に検出するために、道路周辺に設置されたレーダ装置に接続されて使用されてもよい。この場合には、交差点等における車両、二輪車、及び歩行者等の衝突の可能性の予測、衝突の回避、及び、交通量の把握と管理を行うことができる。その結果、交通事故の防止し、交通管理の効率化に効果がある。   Note that the object detection device of the present disclosure is also mounted on vehicles other than vehicles. For example, radar devices installed around roads to accurately detect vehicles, motorcycles, pedestrians, and the like existing around roads including intersections. May be connected to and used. In this case, it is possible to predict the possibility of collision of a vehicle, a motorcycle, a pedestrian, or the like at an intersection or the like, avoid a collision, and grasp and manage the traffic volume. As a result, it is effective in preventing traffic accidents and improving the efficiency of traffic management.

あるいは、本開示の物体検出装置は、例えば空港、建物、または、施設の監視を行うレーダ装置に接続されていてもよい。例えば小型飛行体や鳥、侵入者等を正確に検出することができるので、施設の安全が確保される。   Alternatively, the object detection device of the present disclosure may be connected to, for example, a radar device that monitors an airport, a building, or a facility. For example, a small flying object, a bird, an intruder, and the like can be accurately detected, so that the safety of the facility is ensured.

＜第２の実施の形態＞
図８は、本開示の第２の実施の形態に係る物体検出装置１０Ａの主要構成と、レーダ装置２０と、車両制御システム３０との接続関係を示すブロック図である。図８において、図１と共通する構成には、図１と同一の符号を付して詳細な説明を省略する。図８に示す物体検出装置１０Ａは、速度算出部１４１を有する。速度算出部１４１は、第１の実施の形態に係る物体検出装置１０の速度算出部１４とは異なる動作を行う。 <Second embodiment>
FIG. 8 is a block diagram illustrating a main configuration of the object detection device 10A according to the second embodiment of the present disclosure, and a connection relationship between the radar device 20 and the vehicle control system 30. 8, the same components as those in FIG. 1 are denoted by the same reference numerals as those in FIG. 1, and detailed description will be omitted. The object detection device 10A illustrated in FIG. 8 includes a speed calculation unit 141. The speed calculator 141 performs an operation different from that of the speed calculator 14 of the object detection device 10 according to the first embodiment.

第１の実施の形態の速度算出部１４では２次元速度を利用してクラスタの速度を算出していたが、第２の実施の形態の速度算出部１４１は、物体の主要部分に対応するサブクラスタに属する捕捉点のドップラ速度の平均値を利用して速度の算出を行う。第２の実施の形態では、速度の算出にドップラ速度を利用するため、第１の実施の形態１において速度を算出するために使用していた式（１）は使用しない（式（１）の速度ｖａｌｌはドップラ速度ではなく物体の平面上の速度であるため）が、例えば公知の速度算出法を使用すればよい。具体的には、例えば、サブクラスタに属する捕捉点のドップラ速度の平均値を測定速度Ｖｏｋとし、式（８）を使用して平滑速度Ｖｓｋを算出するようにすればよい。 Although the speed calculator 14 according to the first embodiment calculates the cluster speed using the two-dimensional speed, the speed calculator 141 according to the second embodiment uses a sub-correspondence corresponding to the main part of the object. The speed is calculated using the average value of the Doppler velocities at the capture points belonging to the cluster. In the second embodiment, since the Doppler speed is used for calculating the speed, the expression (1) used for calculating the speed in the first embodiment is not used (the expression (1)). Since the speed v all is not the Doppler speed but the speed on the plane of the object), for example, a known speed calculation method may be used. Specifically, for example, the average value of the Doppler velocities at the capture points belonging to the sub-cluster is set as the measured velocity V ok, and the smoothing velocity V sk may be calculated using Expression (8).

以上説明したように、本開示の第２の実施の形態に係る物体検出装置１０Ａは、所定範囲にレーダ送信波を送信し、その反射波を受信して、当該所定範囲に関する電力プロファイル及び／またはドップラ速度プロファイルである測定情報を生成するレーダ装置から取得した前記測定情報に基づいて、前記所定範囲を所定の距離及び方位角毎に複数に分割した単位領域毎の前記電力プロファイル及び／またはドップラ速度プロファイルが所定のしきい値を超える少なくとも１つの領域を、物体を捕捉する捕捉点として取得する捕捉点取得部と、前記少なくとも１つの捕捉点を、少なくとも１つのクラスタにクラスタリングするクラスタ生成部と、前記クラスタ生成部が生成した各クラスタを、当該クラスタに対応する前記物体の主要部分の移動方向及び移動速度とは異なる動きをする前記物体の一部に対応するサブクラスタと、前記物体の主要部分に対応するサブクラスタの２種類のサブクラスタに分割するサブクラスタ生成部と、前記物体の主要部分に対応するサブクラスタに属する単位領域のドップラ速度の平均値に基づいて、前記クラスタの移動速度を算出する速度測定値算出部と、を有する。   As described above, the object detection device 10A according to the second embodiment of the present disclosure transmits a radar transmission wave in a predetermined range, receives the reflected wave, and obtains a power profile and / or a power profile related to the predetermined range. The power profile and / or the Doppler speed for each unit area obtained by dividing the predetermined range into a plurality of units for each of a predetermined distance and an azimuth angle based on the measurement information obtained from the radar apparatus that generates the measurement information that is the Doppler speed profile. A capture point acquisition unit that acquires at least one region whose profile exceeds a predetermined threshold value as a capture point for capturing an object; a cluster generation unit that clusters the at least one capture point into at least one cluster; Moving each cluster generated by the cluster generation unit to a main part of the object corresponding to the cluster A sub-cluster corresponding to a part of the object that moves different in direction and moving speed, a sub-cluster generating unit that divides the object into two types of sub-clusters corresponding to a main part of the object, A speed measurement value calculation unit that calculates a moving speed of the cluster based on an average value of Doppler velocities of unit regions belonging to a subcluster corresponding to the main part.

このような構成により、第２の実施の形態に係る物体検出装置１０Ａによれば、第１の実施の形態と同様に、レーダ測定結果に基づいて検出した物体に対応するクラスタを、物体の主要部分の動きに対応するサブクラスタと、物体の主要部分の動きとは異なる動きをする物体の一部（例えば、物体が車両である場合の車輪部分や、物体が人である場合の手足等）に対応するサブクラスタとに分割する。そして、クラスタの速度を算出するときに、物体の主要部分の動きに対応するサブクラスタに属する捕捉点を利用してクラスタの速度算出を行っている。
このため、物体の主要部分の動きとは異なる動きをする物体の一部、すなわち例えば物体が車両である場合の車輪部分や、物体が人である場合の手足等の動きに影響を受けずに、物体の主要部分の移動速度を正確に算出することができる。また、第２の実施の形態に係る物体検出装置１０Ａは、ドップラ速度から２次元速度を算出するための捕捉点の数が不十分で、回帰計算精度を保証できない場合にも、速度算出の精度を向上させることができる。 With such a configuration, according to the object detection device 10A according to the second embodiment, similar to the first embodiment, the cluster corresponding to the object detected based on the radar measurement result is assigned to the main object. A sub-cluster corresponding to the movement of the part and a part of the object that moves differently from the movement of the main part of the object (for example, a wheel part when the object is a vehicle, a limb when the object is a person, and the like). Is divided into subclusters corresponding to. When calculating the speed of the cluster, the speed of the cluster is calculated using the capture points belonging to the subcluster corresponding to the movement of the main part of the object.
For this reason, a part of the object that moves differently from the movement of the main part of the object, that is, for example, a wheel part when the object is a vehicle or a limb or the like when the object is a person without being affected by the movement In addition, the moving speed of the main part of the object can be accurately calculated. Also, the object detection device 10A according to the second embodiment can perform the speed calculation with high accuracy even when the number of capture points for calculating the two-dimensional speed from the Doppler speed is insufficient and the regression calculation accuracy cannot be guaranteed. Can be improved.

＜第３の実施の形態＞
図９は、本開示の第３の実施の形態に係る物体検出装置１０Ｂの主要構成と、レーダ装置２０と、車両制御システム３０との接続関係を示すブロック図である。図９において、図１と共通する構成には、図１と同一の符号を付して詳細な説明を省略する。第３の実施の形態に係る物体検出装置１０Ｂは、図９に示すように、第１の実施の形態に係る物体検出装置１０のサブクラスタ生成部１３と追跡部１５の間にマイクロ速度算出部１８が挿入された構成を有する。また、第３の実施の形態に係る物体検出装置１０Ｂは、第１の実施の形態における追跡部１５が追跡部１５Ｂに、第１の実施の形態における物体確定部１６が物体確定部１６Ｂに、それぞれ置き換わった構成を有する。 <Third embodiment>
FIG. 9 is a block diagram illustrating a main configuration of the object detection device 10B according to the third embodiment of the present disclosure, and a connection relationship between the radar device 20 and the vehicle control system 30. 9, the same components as those in FIG. 1 are denoted by the same reference numerals as those in FIG. 1, and detailed description is omitted. As shown in FIG. 9, the object detection device 10B according to the third embodiment includes a micro speed calculation unit between the sub-cluster generation unit 13 and the tracking unit 15 of the object detection device 10 according to the first embodiment. 18 is inserted. Further, in the object detection device 10B according to the third embodiment, the tracking unit 15 in the first embodiment corresponds to the tracking unit 15B, the object determination unit 16 in the first embodiment corresponds to the object determination unit 16B, Each has a replaced configuration.

マイクロ速度算出部１８は、サブクラスタ生成部１３が生成したサブクラスタのうち、図６に示す点線の曲線で囲まれる領域外に位置する捕捉点（白丸）のドップラ速度の平均値を算出し、クラスタのマイクロ速度ｖｍｉｃｒｏとする。このマイクロ速度ｖｍｉｃｒｏは、物体の主要部分の動きとは異なる動きをする物体の一部の速度に対応している。 The micro-velocity calculation unit 18 calculates the average value of the Doppler velocities of the capture points (open circles) located outside the region surrounded by the dotted curve shown in FIG. 6 among the sub-clusters generated by the sub-cluster generation unit 13, Let the micro speed of the cluster be v micro . The micro speed v micro corresponds to the speed of a part of the object that moves differently from the movement of the main part of the object.

追跡部１５Ｂは、追跡に利用する速度ベクトルＶの次元を拡大する。例えばαβフィルタの場合、速度ベクトルは下記のように拡大される。

Figure 0006650344
The tracking unit 15B enlarges the dimension of the velocity vector V used for tracking. For example, in the case of an αβ filter, the velocity vector is expanded as described below.
Figure 0006650344

式（１３）において、ｖｍｉｃｒｏはマイクロ速度算出部１８より算出した速度である。ｖｍｉｃｒｏはクラスタ（物体）の主要部分の動きとは異なる動きをする物体の一部の速度であるため、実施の形態３では、物体判別の特徴量として利用する。 In the equation (13), v micro is a speed calculated by the micro speed calculation unit 18. Since v micro is the speed of a part of an object that moves differently from the movement of the main part of the cluster (object), it is used as a feature amount for object determination in the third embodiment.

物体確定部１６Ｂは、第１の実施の形態の物体確定部１６で利用した特徴にマイクロ速度の特徴を加え、物体判別を実現する。物体確定部１６Ｂは、マイクロ速度ｖｍｉｃｒｏの時系列的変化を把握することによって、物体判別をより正確に行うことができる。 The object determination unit 16B adds a micro-speed feature to the features used in the object determination unit 16 of the first embodiment to realize object determination. The object determination unit 16B can more accurately perform the object determination by grasping the time-series change in the micro speed v micro .

以上説明したように、第３の実施の形態に係る物体検出装置１０Ｂは、前記物体の一部に対応するサブクラスタに属する単位領域のドップラ速度の平均値であるマイクロ速度を算出するマイクロ速度算出部と、前記クラスタ生成部が生成したクラスタに対して追跡処理を行う追跡部と、に有し、前記追跡部は、前記速度算出部の算出した移動速度と、前記マイクロ速度算出部が算出した前記マイクロ速度と、を前記クラスタの移動速度とする。   As described above, the object detection device 10B according to the third embodiment calculates the micro speed which is the average value of the Doppler speed of the unit area belonging to the sub-cluster corresponding to a part of the object. And a tracking unit that performs a tracking process on the cluster generated by the cluster generation unit, wherein the tracking unit calculates the moving speed calculated by the speed calculation unit and the micro speed calculation unit. Let the micro speed be the moving speed of the cluster.

このような構成により、第３の実施の形態に係る物体検出装置１０Ｂによれば、物体の主要部分の動きに対応するサブクラスタと、物体の主要部分の動きとは異なる動きをする物体の一部に対応するサブクラスタの両方を追跡し、両方から得られた位置及び速度を用いて物体の種別を判別するので、物体の種別の判別精度が向上する。   With such a configuration, according to the object detection device 10B according to the third embodiment, the sub-cluster corresponding to the movement of the main part of the object and the sub-cluster corresponding to the movement of the main part of the object are different. Since both of the sub-clusters corresponding to the part are tracked and the type of the object is determined using the position and velocity obtained from both, the accuracy of determining the type of the object is improved.

具体的には、例えば、物体として、ドローン等と称される小型飛行物体と鳥の２種類の飛行物体がレーダ装置２０の検出範囲内に存在した場合に、これら２種類の飛行物体の主要部分が似たような速度で移動していたとしても、例えば小型飛行物体の一部であるプロペラ部分の回転速度は、鳥の翼の羽ばたき速度より明らかに速い。このため、物体の主要部分の動きとは異なる動きをする物体の一部の速度を算出することで、小型飛行物体と鳥とを精度よく判別することができるようになる。なお、レーダ装置２０の検出範囲内にどちらか一方の飛行物体が存在する場合は、予め小型飛行物体におけるプロペラ部分の回転速度や、鳥の翼の羽ばたき速度等の情報を取得しておくことで、精度よく判別することができる。第３の実施の形態に係る物体検出装置１０Ｂは、上記した小型飛行物体と鳥の他にも、例えば手押し自転車と歩行者との判別、自転車とランニング中の人との判別等も精度よく行うことができる。   Specifically, for example, when two types of flying objects called a drone or the like and a bird are present within the detection range of the radar device 20, the main parts of these two types of flying objects are Even if they are moving at similar speeds, for example, the rotation speed of the propeller part, which is a part of the small flying object, is clearly higher than the flapping speed of the bird wing. For this reason, by calculating the speed of a part of the object that moves differently from the movement of the main part of the object, the small flying object and the bird can be accurately distinguished. When either one of the flying objects exists within the detection range of the radar device 20, information such as the rotation speed of the propeller portion of the small flying object and the flapping speed of the bird's wing can be obtained in advance. , Can be accurately determined. The object detection device 10B according to the third embodiment performs, for example, discrimination between a hand-held bicycle and a pedestrian, discrimination between a bicycle and a running person, and the like in addition to the small flying object and the bird. be able to.

＜第４の実施の形態＞
図１０は、本開示の第４の実施の形態に係る物体検出装置１０Ｃの主要構成と、２つのレーダ装置２０１及び２０２と、車両制御システム３０との接続関係を示すブロック図である。図１０において、図１と共通する構成には、図１と同一の符号を付して詳細な説明を省略する。第４の実施の形態に係る物体検出装置１０Ｃは、２つの捕捉点取得部１１１と１１２、２つのクラスタ生成部１２１と１２２、及び空間位置統合部１９が挿入された構成を有する。 <Fourth embodiment>
FIG. 10 is a block diagram illustrating a main configuration of an object detection device 10C according to a fourth embodiment of the present disclosure, and a connection relationship between two radar devices 201 and 202 and a vehicle control system 30. 10, the same components as those in FIG. 1 are denoted by the same reference numerals as those in FIG. 1, and detailed description is omitted. The object detection device 10C according to the fourth embodiment has a configuration in which two capture point acquisition units 111 and 112, two cluster generation units 121 and 122, and a spatial position integration unit 19 are inserted.

図１０及び図１１に示すように、第４の実施の形態では、２台のレーダ装置２０１及び２０２を異なる空間位置に設置する場合の対応方法を開示する。図１１は、２つのレーダ装置２０１及び２０２の配置例を示す図である。   As shown in FIGS. 10 and 11, the fourth embodiment discloses a method for installing two radar devices 201 and 202 at different spatial positions. FIG. 11 is a diagram showing an example of the arrangement of the two radar devices 201 and 202.

レーダ装置２０１から出力された測定情報を用いて、捕捉点取得部１１１が捕捉点を取得し、クラスタ生成部１２１がクラスタを生成する。同様に、レーダ装置２０２から出力された測定情報を用いて、捕捉点取得部１１２が捕捉点を取得し、クラスタ生成部１２２がクラスタを生成する。   Using the measurement information output from the radar device 201, the capture point acquisition unit 111 acquires a capture point, and the cluster generation unit 121 generates a cluster. Similarly, using the measurement information output from the radar device 202, the capture point acquisition unit 112 acquires a capture point, and the cluster generation unit 122 generates a cluster.

空間位置統合部１９は、レーダ装置２０１とレーダ装置２０２に対して、同一の基準座標系を設定する。空間位置統合部１９は、例えば、レーダ装置２０１の座標系を基準座標系として利用する。そして、空間位置統合部１９は、各レーダ装置２０１及び２０２の設置位置に基づいて、２台のレーダ装置からクラスタ生成部１２１及び１２２により生成されたクラスタが同一の物体に対応するかを判断する。   The spatial position integration unit 19 sets the same reference coordinate system for the radar device 201 and the radar device 202. The spatial position integrating unit 19 uses, for example, the coordinate system of the radar device 201 as a reference coordinate system. Then, the spatial position integration unit 19 determines whether the clusters generated by the cluster generation units 121 and 122 from the two radar devices correspond to the same object based on the installation positions of the radar devices 201 and 202. .

そして、空間位置統合部１９は、クラスタが同一の物体に対応するクラスタであると判断した場合は、捕捉点取得部１１１及び１１２が取得した捕捉点を統合し、クラスタの捕捉点とする。例えば、捕捉点取得部１１１が取得した捕捉点がＣ１ｉ（ｉ＝１〜Ｎ）、捕捉点取得部１１２が取得した捕捉点がＣ２ｊ（ｊ＝１〜Ｍ）とすれば、統合した後の捕捉点の数はＮ＋Ｍ個である。 If the spatial position integrating unit 19 determines that the cluster is a cluster corresponding to the same object, the spatial position integrating unit 19 integrates the capturing points acquired by the capturing point acquiring units 111 and 112 and sets the acquired points as the cluster capturing points. For example, if the capture points acquired by the capture point acquisition unit 111 are C1 i (i = 1 to N) and the capture points acquired by the capture point acquisition unit 112 are C2 j (j = 1 to M), after integration The number of capture points is N + M.

また、空間位置統合部１９は、レーダ装置２０１及び２０２の設置位置の相違に起因するパラメータの調整処理、具体的には、例えば各レーダ装置２０１及び２０２から同一の物体を測定した場合、物体の方位角が異なるため、方角差異を補正する処理等を行う。   In addition, the spatial position integration unit 19 performs a parameter adjustment process caused by a difference between the installation positions of the radar devices 201 and 202, specifically, for example, when the same object is measured from each of the radar devices 201 and 202, Since the azimuth angles are different, processing for correcting the direction difference is performed.

サブクラスタ生成部１３、速度算出部１４、追跡部１５、及び物体確定部１６は、これらのＮ＋Ｍ個の捕捉点に対して、上記した第１の実施の形態と同様の動作を行う。   The sub-cluster generation unit 13, the speed calculation unit 14, the tracking unit 15, and the object determination unit 16 perform the same operations as those in the first embodiment described above for these N + M capture points.

以上説明したように、第４の実施の形態に係る物体検出装置１０Ｃは、互いに異なる位置に設置された少なくとも２つのレーダ装置のそれぞれが、互いに異なる所定範囲にレーダ送信波を送信し、その反射波を受信して、前記所定範囲に関する電力プロファイル及び／またはドップラ速度プロファイルである測定情報を生成し、当該少なくとも２つのレーダ装置のそれぞれから取得した前記測定情報に基づいて、前記所定範囲を所定の距離及び方位角毎に複数に分割した単位領域毎の前記電力プロファイル及び／またはドップラ速度プロファイルが所定のしきい値を超える少なくとも１つの領域を、物体を捕捉する捕捉点として取得する少なくとも２つの捕捉点取得部と、前記少なくとも２つの捕捉点取得部がそれぞれ取得した前記少なくとも１つの捕捉点を、少なくとも１つのクラスタにクラスタリングする少なくとも２つのクラスタ生成部と、前記少なくとも２つのクラスタ生成部がそれぞれ生成したクラスタと、前記少なくとも２つのレーダ装置とを含む同一の座標系を設定する空間位置統合部と、をさらに有する。   As described above, in the object detection device 10C according to the fourth embodiment, each of at least two radar devices installed at different positions transmits a radar transmission wave to a predetermined range different from each other, Receiving the wave, generating measurement information that is a power profile and / or a Doppler velocity profile for the predetermined range, and determining the predetermined range based on the measurement information obtained from each of the at least two radar devices. At least two acquisitions for acquiring at least one area in which the power profile and / or Doppler velocity profile for each unit area divided into a plurality of distances and azimuths exceeds a predetermined threshold value as an acquisition point for capturing an object. A point acquisition unit and the at least two acquisition points acquired by the at least two capture point acquisition units, respectively. An identical coordinate system including at least two cluster generators for clustering one capture point into at least one cluster, clusters respectively generated by the at least two cluster generators, and the at least two radar devices is set. And a spatial position integrating unit.

このような構成により、例えば２地点にレーダ装置を設置して交差点等の要監視地点の物体検出を行う場合に、交差点内に存在する車両、歩行者、二輪車等の各物体を精度よく検出することができる。また、各物体の移動速度を精度よく検出できるので、例えばこれらの物体同士の衝突予測等を行うことができ、警報を発する等の対処を行うことができるようになる。   With such a configuration, for example, when the radar device is installed at two points and an object at a monitoring required point such as an intersection is detected, each object such as a vehicle, a pedestrian, and a two-wheeled vehicle existing at the intersection is accurately detected. be able to. In addition, since the moving speed of each object can be detected with high accuracy, it is possible to predict a collision between these objects, for example, and to take measures such as issuing an alarm.

なお、上記第４の実施の形態では、捕捉点取得部とクラスタ生成部が２台のレーダ装置２０１及び２０２に合わせてそれぞれ２つずつ設けられていたが、本開示はこれに限定されない。例えば、１つの捕捉点取得部と１つのクラスタ生成部が、２台のレーダ装置２０１及び２０２からそれぞれ測定情報を取得し、これらを別々に処理し、空間位置統合部１９において別々に処理されたクラスタを統合するようにしてもよい。   In the fourth embodiment, two capture point acquisition units and two cluster generation units are provided for each of the two radar devices 201 and 202, but the present disclosure is not limited to this. For example, one capture point acquisition unit and one cluster generation unit respectively acquire measurement information from the two radar devices 201 and 202, process them separately, and process them separately in the spatial position integration unit 19. Clusters may be integrated.

以上、本開示の物体検出装置の実施の形態について説明した。これらの実施の形態は、本開示の物体検出装置の一例に過ぎず、各種変形を行ってもよい。また、上記で説明した各実施の形態は、適宜組み合わせてもよい。例えば、第４の実施の形態に係る物体検出装置１０Ｃに、第３の実施の形態にて説明したマイクロ速度算出部と追跡部とを加えてもよい。このような構成の場合、物体のマイクロ速度特徴を異なる方向から取得でき、物体判別精度を向上させることができる。   The embodiment of the object detection device according to the present disclosure has been described above. These embodiments are merely examples of the object detection device of the present disclosure, and various modifications may be made. Further, the embodiments described above may be appropriately combined. For example, the micro speed calculation unit and the tracking unit described in the third embodiment may be added to the object detection device 10C according to the fourth embodiment. In such a configuration, the micro-velocity feature of the object can be acquired from different directions, and the object determination accuracy can be improved.

＜実施形態のまとめ＞
本開示の第１の態様に係る物体検出装置は、１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得する捕捉点取得部と、前記２つ以上の捕捉点を含む１つ以上のクラスタを生成するクラスタ生成部と、前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割するサブクラスタ生成部と、前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する速度算出部と、を有する。 <Summary of Embodiment>
The object detection device according to the first aspect of the present disclosure is configured such that the one or more radar devices are separated from the object by a plurality of unit regions obtained by dividing a measurement range of one or more radar devices for each distance and azimuth. At least one of a power profile and a Doppler velocity profile, which are measurement information generated using reflected waves, is input, and, using the measurement information, two or more of the plurality of unit regions that have captured the object. A capture point acquisition unit that acquires a unit region as two or more capture points; a cluster generation unit that generates one or more clusters including the two or more capture points; Dividing into one or more first sub-clusters corresponding to a part of the object having a moving direction and a moving speed different from a part and one or more second sub-clusters corresponding to a main part of the object It has a sub-cluster generating unit, using one or more capture points belonging to the second sub-cluster, the speed calculation unit for calculating a moving speed of the object, the.

本開示の第２の態様に係る物体検出装置は、第１の態様に係る物体検出装置において、前記速度算出部は、前記第２サブクラスタに属する１つ以上の捕捉点に対応する、電力プロファイル及びドップラ速度プロファイルの少なくとも１つを用いて、前記物体の移動速度を算出する。   An object detection device according to a second aspect of the present disclosure is the object detection device according to the first aspect, wherein the speed calculation unit is configured to output a power profile corresponding to one or more capture points belonging to the second sub-cluster. And at least one of a Doppler velocity profile and a moving velocity of the object.

本開示の第３の態様に係る物体検出装置は、第１の態様に係る物体検出装置において、前記物体の移動速度は、ドップラ速度である。   An object detection device according to a third aspect of the present disclosure is the object detection device according to the first aspect, wherein the moving speed of the object is a Doppler speed.

本開示の第４の態様に係る物体検出装置は、第１から第３の態様のいずれかに係る物体検出装置において、前記第２サブクラスタを用いて、前記クラスタに対して追跡処理を行う追跡部をさらに有する。   An object detection device according to a fourth aspect of the present disclosure is the object detection device according to any one of the first to third aspects, wherein the tracking that performs a tracking process on the cluster using the second sub-cluster is provided. Further comprising a part.

本開示の第５の態様に係る物体検出装置は、第４の態様に係る物体検出装置において、前記測定情報及び前記追跡部による追跡結果に基づいて、前記物体の種別を判別する物体確定部をさらに有する。   An object detection device according to a fifth aspect of the present disclosure is the object detection device according to the fourth aspect, wherein the object determination unit that determines the type of the object based on the measurement information and a tracking result by the tracking unit. Have more.

本開示の第６の態様に係る物体検出装置は、第５の態様に係る物体検出装置において、前記物体確定部は、前記第１サブクラスタの数、位置、大きさ及び速度分布のうち少なくとも１つを用いて、車種の判別を行う。   An object detection device according to a sixth aspect of the present disclosure is the object detection device according to the fifth aspect, wherein the object determination unit includes at least one of the number, position, size, and velocity distribution of the first sub-cluster. The vehicle type is discriminated using the two.

本開示の第７の態様に係る物体検出装置は、第５の態様に係る物体検出装置において、前記物体確定部は、前記第１サブクラスタの数、位置、大きさ及び速度分布のうち少なくとも１つを用いて、人数の判別を行う。   An object detection device according to a seventh aspect of the present disclosure is the object detection device according to the fifth aspect, wherein the object determination unit includes at least one of the number, position, size, and velocity distribution of the first sub-cluster. The number of persons is determined using the numbers.

本開示の第８の態様に係る物体検出装置は、第１から第７の態様のいずれかに係る物体検出装置において、前記サブクラスタ生成部は、前記クラスタに属する単位領域において、前記電力プロファイル及び前記ドップラ速度プロファイルの少なくともいずれか１つを用いて、前記第１及び第２サブクラスタを生成する。   An object detection device according to an eighth aspect of the present disclosure is the object detection device according to any one of the first to seventh aspects, wherein the sub-cluster generation unit is configured to execute the sub-cluster generation unit in the unit area belonging to the cluster. The first and second subclusters are generated using at least one of the Doppler velocity profiles.

本開示の第９の態様に係る物体検出装置は、第８の態様に係る物体検出装置において、前記サブクラスタ生成部は、下記式（１）に示す曲線からの距離が所定のしきい値以内である捕捉点を用いて前記第１及び第２サブクラスタを生成する。

Figure 0006650344
ｖｒ：ドップラ速度測定値、θ：方位角測定値、ｖａｌｌ：クラスタ内全ての捕捉点に対応する移動速度、λａｌｌ：クラスタ内全ての捕捉点に対応する移動方向の方位角 An object detection device according to a ninth aspect of the present disclosure is the object detection device according to the eighth aspect, wherein the sub-cluster generation unit is configured such that a distance from a curve represented by the following equation (1) is within a predetermined threshold value The first and second subclusters are generated using the capture points
Figure 0006650344
 v r : Doppler velocity measurement value, θ: azimuth measurement value, v all : moving speed corresponding to all capture points in the cluster, λ all : azimuth angle of movement direction corresponding to all capture points in the cluster

本開示の第１０の態様に係る物体検出装置は、第１の態様に係る物体検出装置において、前記第２サブクラスタに属する単位領域におけるドップラ速度の平均値であるマイクロ速度を算出するマイクロ速度算出部と、前記クラスタ生成部が生成したクラスタに対して追跡処理を行う追跡部と、をさらに有し、前記追跡部は、前記速度算出部の算出した前記物体の移動速度と、前記マイクロ速度算出部が算出した前記マイクロ速度との両方、を前記クラスタの移動速度とする。   The object detection device according to a tenth aspect of the present disclosure is the object detection device according to the first aspect, wherein the micro speed calculation that calculates a micro speed that is an average value of Doppler velocities in a unit area belonging to the second sub-cluster. And a tracking unit that performs a tracking process on the cluster generated by the cluster generation unit, wherein the tracking unit calculates the moving speed of the object calculated by the speed calculation unit and the micro speed calculation. Both the micro speed calculated by the unit and the moving speed of the cluster are set as the moving speed of the cluster.

本開示の第１１の態様に係る物体検出装置は、第１の態様に係る物体検出装置において、前記捕捉点取得部は、互いに異なる位置に設置された複数のレーダ装置から、互いに異なる複数の測定情報が入力され、前記各測定情報に基づいて、前記各レーダ装置の測定範囲を分割した複数の単位領域の中から、前記各レーダ装置によって捕捉された前記物体の２つ以上の捕捉点を取得し、前記クラスタ生成部は、前記各レーダ装置によって捕捉された前記物体の２つ以上の捕捉点を含む前記各レーダ装置に対応した１つ以上のクラスタを生成し、前記各レーダ装置に対応した１つ以上のクラスタと、前記複数のレーダ装置と、を含む同一の座標系を設定する空間位置統合部をさらに有する。   An object detection device according to an eleventh aspect of the present disclosure is the object detection device according to the first aspect, wherein the capturing point acquisition unit performs a plurality of different measurements from a plurality of radar devices installed at different positions. Information is input, and two or more capture points of the object captured by each radar device are acquired from a plurality of unit areas obtained by dividing the measurement range of each radar device based on each measurement information. Then, the cluster generation unit generates one or more clusters corresponding to the respective radar devices including two or more capture points of the object captured by the respective radar devices, and corresponds to the respective radar devices. The apparatus further includes a spatial position integrating unit that sets the same coordinate system including one or more clusters and the plurality of radar devices.

本開示の第１２の態様に係る物体検出方法は、１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得し、前記２つ以上の捕捉点を含む１つ以上のクラスタを生成し、前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割し、前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する。   An object detection method according to a twelfth aspect of the present disclosure is characterized in that, for a plurality of unit areas obtained by dividing the measurement range of one or more radar devices for each distance and azimuth, At least one of a power profile and a Doppler velocity profile, which are measurement information generated using reflected waves, is input, and, using the measurement information, two or more of the plurality of unit regions that have captured the object. A unit area is obtained as two or more capture points, one or more clusters including the two or more capture points are generated, and each of the clusters is moved in a different moving direction and a different moving speed from a main part of the object. Divided into one or more first sub-clusters corresponding to a part of the object having one or more and one or more second sub-clusters corresponding to a main part of the object, and belonging to the second sub-cluster. Using the above capture points, and calculates the moving speed of the object.

以上、図面を参照しながら各種の実施形態について説明したが、本開示はかかる例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本開示の技術的範囲に属するものと了解される。また、開示の趣旨を逸脱しない範囲において、上記実施形態における各構成要素を任意に組み合わせてもよい。   Although various embodiments have been described with reference to the drawings, it is needless to say that the present disclosure is not limited to such examples. It will be apparent to those skilled in the art that various changes or modifications can be made within the scope of the claims, and these naturally belong to the technical scope of the present disclosure. I understand. Further, each component in the above embodiment may be arbitrarily combined without departing from the spirit of the disclosure.

上記各実施形態では、本開示はハードウェアを用いて構成する例にとって説明したが、本開示はハードウェアとの連携においてソフトウェアでも実現することも可能である。   In each of the above embodiments, the present disclosure has been described with respect to an example in which the present disclosure is configured using hardware, but the present disclosure can also be realized by software in cooperation with hardware.

また、上記各実施形態の説明に用いた各機能ブロックは、典型的には、入力端子及び出力端子を有する集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。   Each functional block used in the description of each of the above embodiments is typically implemented as an LSI which is an integrated circuit having an input terminal and an output terminal. These may be individually integrated into one chip, or may be integrated into one chip so as to include some or all of them. Although an LSI is used here, it may be called an IC, a system LSI, a super LSI, or an ultra LSI depending on the degree of integration.

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサを用いて実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）、ＬＳＩ内部の回路セルの接続又は設定を再構成可能なリコンフィギュラブル プロセッサ（Reconfigurable Processor）を利用してもよい。   Further, the method of circuit integration is not limited to LSI, and may be realized using a dedicated circuit or a general-purpose processor. After the LSI is manufactured, a field programmable gate array (FPGA) that can be programmed and a reconfigurable processor that can reconfigure connection or setting of circuit cells inside the LSI may be used.

さらには、半導体技術の進歩又は派生する別技術により,ＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックを集積化してもよい。バイオ技術の適用等が可能性としてありえる。   Further, if an integrated circuit technology that replaces the LSI appears due to the progress of the semiconductor technology or another technology derived therefrom, the functional blocks may be integrated using the technology. Application of biotechnology, etc. is possible.

本開示は、レーダ装置の測定結果を用いて物体の検出を行う物体検出装置に利用することができる。   INDUSTRIAL APPLICABILITY The present disclosure can be used for an object detection device that detects an object using a measurement result of a radar device.

１０，１０Ａ，１０Ｂ，１０Ｃ 物体検出装置
１１，１１１，１１２ 捕捉点取得部
１２，１２１，１２２ クラスタ生成部
１３ サブクラスタ生成部
１４，１４１ 速度算出部
１５，１５Ｂ 追跡部
１６，１６Ｂ 物体確定部
１８ マイクロ速度算出部
１９ 空間位置統合部
２０，２０１，２０２ レーダ装置
３０ 車両制御システム 10, 10A, 10B, 10C Object detection device 11, 111, 112 Capture point acquisition unit 12, 121, 122 Cluster generation unit 13 Sub-cluster generation unit 14, 141 Speed calculation unit 15, 15B Tracking unit 16, 16B Object determination unit 18 Micro speed calculation unit 19 Spatial position integration unit 20, 201, 202 Radar device 30 Vehicle control system

Claims (12)

１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得する捕捉点取得部と、
前記２つ以上の捕捉点を含む１つ以上のクラスタを生成するクラスタ生成部と、
前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割するサブクラスタ生成部と、
前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する速度算出部と、
を有する物体検出装置。 A power profile, which is measurement information generated by the one or more radar devices using reflected waves from an object, for a plurality of unit regions obtained by dividing the measurement range of one or more radar devices for each distance and azimuth. And acquiring at least one of the Doppler velocity profiles and acquiring, as the two or more capturing points, two or more unit areas capturing the object from the plurality of unit areas using the measurement information. A point acquisition unit;
A cluster generation unit that generates one or more clusters including the two or more capture points;
One or more first sub-clusters corresponding to a part of the object having a different moving direction and moving speed from a main part of the object, and one or more first sub-clusters corresponding to a main part of the object. A sub-cluster generation unit that divides into a second sub-cluster,
A speed calculation unit that calculates a moving speed of the object using one or more capture points belonging to the second sub-cluster;
An object detection device having: 前記速度算出部は、前記第２サブクラスタに属する１つ以上の捕捉点に対応する、電力プロファイル及びドップラ速度プロファイルの少なくとも１つを用いて、前記物体の移動速度を算出する、
請求項１に記載の物体検出装置。 The speed calculating unit calculates a moving speed of the object using at least one of a power profile and a Doppler speed profile corresponding to one or more capturing points belonging to the second sub-cluster.
The object detection device according to claim 1. 前記物体の移動速度は、ドップラ速度である、
請求項１に記載の物体検出装置。 The moving speed of the object is a Doppler speed,
The object detection device according to claim 1. 前記第２サブクラスタを用いて、前記クラスタに対して追跡処理を行う追跡部をさらに有する、
請求項１から３のいずれか一項に記載の物体検出装置。 A tracking unit that performs a tracking process on the cluster using the second sub-cluster;
The object detection device according to claim 1. 前記測定情報及び前記追跡部による追跡結果に基づいて、前記物体の種別を判別する物体確定部をさらに有する、
請求項４に記載の物体検出装置。 Based on the measurement information and the tracking result by the tracking unit, further comprising an object determination unit that determines the type of the object,
The object detection device according to claim 4. 前記物体確定部は、前記第１サブクラスタの数、位置、大きさ及び速度分布のうち少なくとも１つを用いて、車種の判別を行う、
請求項５に記載の物体検出装置。 The object determination unit determines a vehicle type using at least one of the number, position, size, and speed distribution of the first sub-cluster.
The object detection device according to claim 5. 前記物体確定部は、前記第１サブクラスタの数、位置、大きさ及び速度分布のうち少なくとも１つを用いて、人数の判別を行う、
請求項５に記載の物体検出装置。 The object determination unit determines the number of people using at least one of the number, position, size, and velocity distribution of the first sub-cluster.
The object detection device according to claim 5. 前記サブクラスタ生成部は、前記クラスタに属する単位領域において、前記電力プロファイル及び前記ドップラ速度プロファイルの少なくともいずれか１つを用いて、前記第１及び第２サブクラスタを生成する、
請求項１から７のいずれか一項に記載の物体検出装置。 The sub-cluster generation unit generates the first and second sub-clusters using at least one of the power profile and the Doppler velocity profile in a unit area belonging to the cluster,
The object detection device according to claim 1. 前記サブクラスタ生成部は、下記式（１）に示す曲線からの距離が所定のしきい値以内である捕捉点を用いて前記第１及び第２サブクラスタを生成する、
請求項８に記載の物体検出装置。
Figure 0006650344
 ｖｒ：ドップラ速度測定値、θ：方位角測定値、ｖａｌｌ：クラスタ内全ての捕捉点に対応する移動速度、λａｌｌ：クラスタ内全ての捕捉点に対応する移動方向の方位角 The sub-cluster generation unit generates the first and second sub-clusters using capture points whose distance from a curve represented by the following equation (1) is within a predetermined threshold.
An object detection device according to claim 8.
Figure 0006650344
 v r : Doppler velocity measurement value, θ: azimuth measurement value, v all : moving speed corresponding to all capture points in the cluster, λ all : azimuth angle of movement direction corresponding to all capture points in the cluster 前記第２サブクラスタに属する単位領域におけるドップラ速度の平均値であるマイクロ速度を算出するマイクロ速度算出部と、
前記クラスタ生成部が生成したクラスタに対して追跡処理を行う追跡部と、
をさらに有し、
前記追跡部は、前記速度算出部の算出した前記物体の移動速度と、前記マイクロ速度算出部が算出した前記マイクロ速度との両方、を前記クラスタの移動速度とする、
請求項１に記載の物体検出装置。 A micro speed calculation unit that calculates a micro speed that is an average value of Doppler velocities in a unit area belonging to the second sub-cluster;
A tracking unit that performs a tracking process on the cluster generated by the cluster generation unit;
Further having
The tracking unit, the moving speed of the object calculated by the speed calculating unit, and both the micro speed calculated by the micro speed calculating unit, the moving speed of the cluster,
The object detection device according to claim 1. 前記捕捉点取得部は、互いに異なる位置に設置された複数のレーダ装置から、互いに異なる複数の測定情報が入力され、前記各測定情報に基づいて、前記各レーダ装置の測定範囲を分割した複数の単位領域の中から、前記各レーダ装置によって捕捉された前記物体の２つ以上の捕捉点を取得し、
前記クラスタ生成部は、前記各レーダ装置によって捕捉された前記物体の２つ以上の捕捉点を含む前記各レーダ装置に対応した１つ以上のクラスタを生成し、
前記各レーダ装置に対応した１つ以上のクラスタと、前記複数のレーダ装置と、を含む同一の座標系を設定する空間位置統合部をさらに有する、
請求項１に記載の物体検出装置。 The capture point acquisition unit, a plurality of measurement information different from each other is input from a plurality of radar devices installed at different positions from each other, based on the measurement information, a plurality of divided measurement range of each radar device. Acquiring two or more capture points of the object captured by each radar device from the unit area,
The cluster generation unit generates one or more clusters corresponding to each radar device including two or more capture points of the object captured by each radar device,
A spatial position integrating unit that sets the same coordinate system including at least one cluster corresponding to each radar device and the plurality of radar devices;
The object detection device according to claim 1. １つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、
前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得し、
前記２つ以上の捕捉点を含む１つ以上のクラスタを生成し、
前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割し、
前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する、
物体検出方法。 A power profile, which is measurement information generated by the one or more radar devices using reflected waves from an object, for a plurality of unit regions obtained by dividing the measurement range of one or more radar devices for each distance and azimuth. And at least one of a Doppler velocity profile is input;
Using the measurement information, from among the plurality of unit regions, two or more unit regions capturing the object are acquired as two or more capture points,
Generating one or more clusters including the two or more capture points;
One or more first sub-clusters corresponding to a part of the object having a different moving direction and moving speed from the main part of the object, and one or more first sub-clusters corresponding to the main part of the object. Divided into a second sub-cluster and
Calculating a moving speed of the object using one or more capture points belonging to the second sub-cluster;
Object detection method.
JP2016100331A 2015-10-02 2016-05-19 Object detection device and object detection method Active JP6650344B2 (en)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN201610681850.1A CN106646449B (en) 2015-10-02 2016-08-17 Object detection device and object detection method
US15/265,199 US10274593B2 (en) 2015-10-02 2016-09-14 Object detection device and object detection method

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015197017 2015-10-02
JP2015197017 2015-10-02

Publications (2)

Publication Number Publication Date
JP2017067756A JP2017067756A (en) 2017-04-06
JP6650344B2 true JP6650344B2 (en) 2020-02-19

Family

ID=58492371

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2016100331A Active JP6650344B2 (en) 2015-10-02 2016-05-19 Object detection device and object detection method

Country Status (2)

Country Link
JP (1) JP6650344B2 (en)
CN (1) CN106646449B (en)

Families Citing this family (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP3367121B1 (en) * 2017-02-23 2020-04-08 Veoneer Sweden AB Inverted synthetic aperture radar for a vehicle radar system
JP6937600B2 (en) * 2017-04-07 2021-09-22 リオン株式会社 Drone detection system and drone detection method
US10139833B1 (en) * 2017-05-17 2018-11-27 GM Global Technology Operations LLC Six-dimensional point cloud system for a vehicle
JP6773606B2 (en) * 2017-06-06 2020-10-21 株式会社東芝 Radar device and its radar signal processing method
CN110604577B (en) * 2018-06-15 2022-03-15 富士通株式会社 Control method and control device of vital sign detection system and electronic equipment
DE102018118150A1 (en) * 2018-07-26 2020-01-30 S.M.S Smart Microwave Sensors Gmbh System for controlling traffic routing at an intersection
JP7205181B2 (en) * 2018-11-19 2023-01-17 株式会社Ihi Monitoring system and processing equipment
JP7205179B2 (en) * 2018-11-19 2023-01-17 株式会社Ihi Monitoring system
JP7205180B2 (en) * 2018-11-19 2023-01-17 株式会社Ihi Monitoring system and processing equipment
JP7186414B2 (en) * 2018-12-07 2022-12-09 学校法人早稲田大学 Speed detection system for moving object, speed detection device and its program
DE102020123585A1 (en) * 2019-09-13 2021-08-19 Motional AD LLC (n.d.Ges.d. Staates Delaware) ADVANCED OBJECT TRACKING USING RADAR
DE102019214383A1 (en) * 2019-09-20 2021-03-25 Conti Temic Microelectronic Gmbh Object tracking method
JP7306192B2 (en) * 2019-09-27 2023-07-11 沖電気工業株式会社 Synthesis processing device, synthesis processing system, and synthesis processing method
JP2021059172A (en) * 2019-10-04 2021-04-15 Ｊｒ東日本コンサルタンツ株式会社 Approach detection device, approach detection system, and approach detection method
CN114631038A (en) * 2019-11-15 2022-06-14 住友电气工业株式会社 Information generation device, information generation method, and computer program
JP7338497B2 (en) * 2020-02-06 2023-09-05 株式会社デンソー signal processor
JP7464436B2 (en) 2020-04-22 2024-04-09 日本無線株式会社 Device and program for identifying objects
JP7338559B2 (en) * 2020-05-26 2023-09-05 株式会社デンソー signal processor
CN113721253B (en) * 2021-08-30 2024-03-15 杭州视光半导体科技有限公司 Moving object speed detection method based on FMCW laser radar

Family Cites Families (18)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP3356058B2 (en) * 1998-05-27 2002-12-09 三菱自動車工業株式会社 Rear monitor system for vehicles
JP3512066B2 (en) * 1998-12-10 2004-03-29 トヨタ自動車株式会社 Automotive radar equipment
EP1666914B1 (en) * 2003-09-11 2017-04-05 Mitsubishi Denki Kabushiki Kaisha Radar device
US7567203B2 (en) * 2005-04-11 2009-07-28 Raytheon Canada Limited Classification system for radar and sonar applications
GB0701869D0 (en) * 2007-01-31 2007-03-14 Cambridge Consultants Adaptive radar
CN100538399C (en) * 2007-09-27 2009-09-09 武汉大学 Cutting apart and classification and variety detection integration method of high-resolution remote sensing image
JP2010032430A (en) * 2008-07-30 2010-02-12 Toyota Motor Corp Object detector
FR2940465B1 (en) * 2008-12-18 2010-12-31 Valeo Vision Sas METHOD FOR DETECTING A TARGET OBJECT FOR A MOTOR VEHICLE
JP4680294B2 (en) * 2008-12-26 2011-05-11 トヨタ自動車株式会社 Object detection apparatus and object detection method
CN101672916B (en) * 2009-09-17 2011-11-09 中国海洋大学 Motion distorting compensation method of mechanical scanning type imaging sonar
KR101201979B1 (en) * 2010-10-21 2012-11-15 주식회사 애트랩 Input device and touch position detecting method thereof
PL2538238T3 (en) * 2011-06-21 2014-04-30 Kapsch Trafficcom Ag Device and method for detecting wheels
JP2013096828A (en) * 2011-10-31 2013-05-20 Panasonic Corp Doppler radar system and object detection method
CN102695237B (en) * 2012-01-10 2014-10-22 南京邮电大学 Routing method for supporting random moving mobile sensing network
JP2013238442A (en) * 2012-05-14 2013-11-28 Oki Electric Ind Co Ltd Estimation apparatus, estimation method and program
US20140266860A1 (en) * 2013-03-14 2014-09-18 Gaddi BLUMROSEN Method and system for activity detection and classification
JP6283189B2 (en) * 2013-10-09 2018-02-21 住友電気工業株式会社 Radio wave sensor and detection method
CN104359432B (en) * 2014-12-02 2017-04-12 中电科信息产业有限公司 Electromagnetic acoustic thickness measurement method and device

Also Published As

Publication number Publication date
JP2017067756A (en) 2017-04-06
CN106646449A (en) 2017-05-10
CN106646449B (en) 2022-04-26

Similar Documents

Publication Publication Date Title
JP6650344B2 (en) Object detection device and object detection method
US10274593B2 (en) Object detection device and object detection method
US10451720B2 (en) Object detection apparatus and object detection method
US10061023B2 (en) Object detection apparatus and method
US10139833B1 (en) Six-dimensional point cloud system for a vehicle
JP6593588B2 (en) Object detection apparatus and object detection method
JP6410178B2 (en) Object detection apparatus and object detection method
US10605896B2 (en) Radar-installation-angle calculating device, radar apparatus, and radar-installation-angle calculating method
JP6659367B2 (en) Object detection device and object detection method
CN104573646A (en) Detection method and system, based on laser radar and binocular camera, for pedestrian in front of vehicle
US20200371228A1 (en) Yaw rate from radar data
CN107103275B (en) Wheel-based vehicle detection and tracking using radar and vision
EP3631363A1 (en) Device and method for detection and localization of vehicles
WO2018137135A1 (en) System and method of radar-based obstacle avoidance for unmanned aerial vehicles
JP2007257536A (en) Road traffic monitoring device by means of millimeter-wave radar
CN1940591A (en) System and method of target tracking using sensor fusion
Shao et al. A grid projection method based on ultrasonic sensor for parking space detection
US11709260B2 (en) Data driven resolution function derivation
WO2023147160A1 (en) Radar object classification based on radar cross-section data
CN106240454B (en) System for providing vehicle collision early warning and vehicle-mounted equipment
JP2018005786A (en) Device and method for measuring radar traffic
CN110095776A (en) For determining the presence of object and/or method and ambient enviroment the identification equipment of characteristic
JP2018118595A (en) Obstacle detection device in railway crossing
Graves et al. Design Flow of mmWave Radar and Machine Vision Fusion for Pedestrian Collision Warning
Seo et al. Detection and tracking of the vanishing point on a horizon for automotive applications

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20181130

RD02 Notification of acceptance of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7422

Effective date: 20190718

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20191108

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20191121

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: 20200107

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20200120

R150 Certificate of patent or registration of utility model

Ref document number: 6650344

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150