JP6657934B2

JP6657934B2 - Object detection device

Info

Publication number: JP6657934B2
Application number: JP2015253238A
Authority: JP
Inventors: 利之松原; 誠悟伊藤; 照元小森
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2015-12-25
Filing date: 2015-12-25
Publication date: 2020-03-04
Anticipated expiration: 2035-12-25
Also published as: JP2017116445A

Description

本開示は、物体検出装置に関する。 The present disclosure relates to an object detection device.

特許文献１には、レーザーセンサによって計測された物体による反射の計測点が少ない場合、複数フレームにおける物体による反射の計測点を合成することにより、追跡対象の認識精度を向上する装置が記載されている。 Patent Literature 1 discloses an apparatus that improves the recognition accuracy of a tracking target by combining measurement points of reflection by an object in a plurality of frames when the number of measurement points of reflection by an object measured by a laser sensor is small. I have.

特開２０１１−１９１２２７号公報JP 2011-191227 A

ところで、レーザーセンサによって計測された計測点は、物体による反射の計測点の他に、路面による反射の計測点を含む。例えば、レーン境界線などの路面ペイントが存在する場合には、路面による反射の計測点が取得される。特許文献１記載の装置は、合成対象に路面の計測点を含んだ場合、路面を追跡対象として誤検知するおそれがある。 Incidentally, the measurement points measured by the laser sensor include, in addition to the measurement points of the reflection by the object, the measurement points of the reflection by the road surface. For example, when there is a road surface paint such as a lane boundary line, a measurement point of reflection by the road surface is acquired. In the device described in Patent Literature 1, when a synthesis target includes a measurement point on a road surface, the road surface may be erroneously detected as a tracking target.

本技術分野においては、路面を追跡対象として誤検知することを抑制することが望まれている。 In the present technical field, it is desired to suppress erroneous detection of a road surface as a tracking target.

本発明に係る物体検出装置は、レーザーセンサにより計測された複数の計測点に基づいて、物体の候補である物体候補を出力する物体検出装置であって、レーザーセンサによって計測された計測点の位置又は反射強度に基づいて、計測点を、路面上の物体を計測した計測点である物体判定点、又は、路面を計測した計測点である路面判定点の何れかに分類する点群分類部と、複数の物体判定点の位置に基づいて、複数の物体判定点を１又は複数の第１クラスタにクラスタリングする第１判定部と、物体判定点の位置との距離が所定値以下となる路面判定点の位置、及び物体判定点の位置に基づいて、物体判定点の位置との距離が所定値以下となる路面判定点と物体判定点とを１又は複数の第２クラスタにクラスタリングする第２判定部と、複数の路面判定点の位置に基づいて、複数の路面判定点を１又は複数の第３クラスタにクラスタリングする第３判定部と、第１クラスタと前回の処理において出力された物体候補とを対応付けし、第１クラスタに対応付けできない物体候補と第２クラスタとを対応付けし、第１クラスタ及び第２クラスタに対応付けできない物体候補と第３クラスタとを対応付けする対応部と、対応部によって対応付けられた第１クラスタ、第２クラスタ及び第３クラスタを物体候補として出力する出力部と、を備える。 An object detection device according to the present invention is an object detection device that outputs an object candidate that is a candidate for an object based on a plurality of measurement points measured by a laser sensor, and the position of the measurement point measured by the laser sensor Or, based on the reflection intensity, a measurement point, an object determination point that is a measurement point that measured an object on the road surface, or a point group classification unit that classifies the road surface determination point that is a measurement point that measured the road surface A first determination unit that clusters the plurality of object determination points into one or a plurality of first clusters based on the positions of the plurality of object determination points, and a road surface determination in which a distance between the positions of the plurality of object determination points is equal to or less than a predetermined value. Based on the position of the point and the position of the object determination point, a second determination for clustering a road surface determination point and an object determination point whose distance to the position of the object determination point is equal to or less than a predetermined value into one or a plurality of second clusters. Department and multiple A third determining unit that clusters the plurality of road surface determination points into one or a plurality of third clusters based on the position of the road surface determination point, and associates the first cluster with the object candidate output in the previous process. A correspondence unit that associates an object candidate that cannot be associated with the first cluster with the second cluster, and associates an object candidate that cannot be associated with the first cluster and the second cluster with the third cluster. An output unit that outputs the attached first cluster, second cluster, and third cluster as object candidates.

本発明によれば、追跡対象の正検出割合を向上させながら路面を追跡対象として誤検知することを抑制することができる。 Advantageous Effects of Invention According to the present invention, it is possible to suppress erroneous detection of a road surface as a tracking target while improving the ratio of correct detection of the tracking target.

実施形態に係る物体検出装置の構成を説明するブロック図である。1 is a block diagram illustrating a configuration of an object detection device according to an embodiment. 物体判定点及び路面判定点の一例を示す図である。It is a figure showing an example of an object judgment point and a road surface judgment point. 物体判定点に基づくクラスタの一例を示す図である。FIG. 4 is a diagram illustrating an example of a cluster based on an object determination point. 路面判定点に基づくクラスタの一例を示す図である。It is a figure showing an example of a cluster based on a road surface judgment point. 条件付きのクラスタリングの説明図である。FIG. 4 is an explanatory diagram of conditional clustering. 条件付きのクラスタリングの変形例の説明図である。It is explanatory drawing of the modification of conditional clustering. 条件付きのクラスタリングよるクラスタの一例を示す図である。FIG. 4 is a diagram illustrating an example of a cluster by conditional clustering. クラスタ及び既知の物体候補を示す図である。It is a figure showing a cluster and a known object candidate. 従来のクラスタリングを説明する図である。FIG. 4 is a diagram illustrating conventional clustering.

以下、図面を参照して、本発明の実施形態について説明する。なお、以下の説明において、同一又は相当要素には同一符号を付し、重複する説明を省略する。 Hereinafter, embodiments of the present invention will be described with reference to the drawings. In the following description, the same or corresponding elements will be denoted by the same reference symbols, without redundant description.

図１は、実施形態に係る物体検出装置１の構成を説明するブロック図である。物体検出装置１は、レーザーセンサ１０を備える車両（乗用車など）に搭載される。物体検出装置１は、レーザーセンサ１０により計測された複数の計測点に基づいて、物体の候補である物体候補を出力する。 FIG. 1 is a block diagram illustrating a configuration of an object detection device 1 according to the embodiment. The object detection device 1 is mounted on a vehicle (a passenger car or the like) including the laser sensor 10. The object detection device 1 outputs an object candidate that is a candidate for an object based on a plurality of measurement points measured by the laser sensor 10.

レーザーセンサ１０は、車両の周囲環境を検出する検出器である。周囲環境には、路面及び物体が含まれる。物体は、有体物であり、静止物、移動物などを含む。レーザーセンサ１０は、電磁波の発信回路、受信回路、各種演算を行う演算回路及び記憶部を備えている。電磁波は、例えばレーザ光やミリ波である。レーザーセンサ１０は、車両の周囲の設定検知角度の範囲に亘って電磁波を発信し、物体又は路面が反射した反射波を受信する。レーザーセンサ１０は、反射波の検出角度（受信角度）と、発信から受信までに要する電磁波の伝搬時間から求まる検出距離とに基づいて、物体又は路面の位置を検出する。位置とは、三次元の位置であり、高さを含む。なお、検出距離は反射波の強度から求めてもよい。レーザーセンサ１０は、発信ごとに、電磁波を反射した位置を計測点として複数取得する。つまり、計測点とは、電磁波を反射した位置の観測点である。 The laser sensor 10 is a detector that detects a surrounding environment of the vehicle. The surrounding environment includes a road surface and an object. The object is a tangible object, and includes a stationary object, a moving object, and the like. The laser sensor 10 includes an electromagnetic wave transmitting circuit, a receiving circuit, an arithmetic circuit for performing various arithmetic operations, and a storage unit. The electromagnetic wave is, for example, a laser beam or a millimeter wave. The laser sensor 10 emits an electromagnetic wave over a range of a set detection angle around the vehicle, and receives a reflected wave reflected by an object or a road surface. The laser sensor 10 detects a position of an object or a road surface based on a detection angle (reception angle) of a reflected wave and a detection distance obtained from a propagation time of an electromagnetic wave required from transmission to reception. The position is a three-dimensional position and includes a height. Note that the detection distance may be obtained from the intensity of the reflected wave. The laser sensor 10 acquires a plurality of positions at which the electromagnetic waves are reflected as measurement points for each transmission. That is, the measurement point is an observation point at a position where the electromagnetic wave is reflected.

物体検出装置１は、ＥＣＵ（Electronic Control Unit）１１を備えている。レーザーセンサ１０及びＥＣＵ１１は、ＣＡＮ（Controller Area Network）通信回路を用いて通信するネットワークにそれぞれ接続され、相互通信を行うことができる。 The object detection device 1 includes an ECU (Electronic Control Unit) 11. The laser sensor 10 and the ECU 11 are each connected to a network that communicates using a CAN (Controller Area Network) communication circuit, and can perform mutual communication.

ＥＣＵ１１は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＣＡＮ通信回路などを有する電子制御ユニットである。ＥＣＵ１１は、ＣＰＵが出力する信号に基づいてハードウェアを制御し、後述する構成要素の機能を実現する。より具体的な動作の一例としては、ＥＣＵ１１は、ＣＡＮ通信回路を動作させてデータを入出力し、入力データをＲＡＭに記憶し、ＲＯＭに記憶されているプログラムをＲＡＭにロードし、ＲＡＭにロードされたプログラムを実行する。 The ECU 11 is an electronic control unit having a CPU (Central Processing Unit), a ROM (Read Only Memory), a RAM (Random Access Memory), a CAN communication circuit, and the like. The ECU 11 controls hardware based on a signal output from the CPU, and realizes functions of components described later. As an example of a more specific operation, the ECU 11 operates the CAN communication circuit to input and output data, stores the input data in the RAM, loads the program stored in the ROM into the RAM, and loads the program into the RAM. Executes the specified program.

ＥＣＵ１１は、点群分類部２０、クラスタリング部３０、対応部４００及び追跡候補出力部（出力部）５０を備える。 The ECU 11 includes a point cloud classification unit 20, a clustering unit 30, a correspondence unit 400, and a tracking candidate output unit (output unit) 50.

点群分類部２０は、レーザーセンサ１０によって計測された計測点の位置又は反射強度に基づいて、計測点を、路面上の物体を計測した計測点である物体判定点、又は、路面を計測した計測点である路面判定点の何れかに分類する。物体判定点は、物体からの反射による計測点と推定した点である。路面判定点は、路面からの反射による計測点と推定した点である。これらの判定は、反射強度が不安定な場合などにおいて、路面からの反射による計測点を物体判定点と推定したり、物体からの反射による計測点を路面判定点と推定したりする場合がある。 The point cloud classification unit 20 measures the measurement point based on the position or the reflection intensity of the measurement point measured by the laser sensor 10, an object determination point that is a measurement point obtained by measuring an object on the road surface, or measures the road surface. It is classified into any of the road surface determination points that are measurement points. The object determination point is a point estimated as a measurement point due to reflection from the object. The road surface determination point is a point estimated as a measurement point due to reflection from the road surface. In these determinations, when the reflection intensity is unstable, for example, a measurement point due to reflection from the road surface may be estimated as an object determination point, or a measurement point due to reflection from an object may be estimated as a road surface determination point. .

点群分類部２０は、レーザーセンサ１０によって計測された高さ情報が第１閾値以上の計測点は、物体判定点に分類する。第１閾値は、高さ情報によって物体か路面かを分類するための閾値である。点群分類部２０は、レーザーセンサ１０によって計測された高さ情報が第１閾値以上でない計測点は、路面判定点であると分類する。点群分類部２０は、高さ情報及び反射強度を複合させて、物体判定点又は路面判定点の何れかに分類してもよい。例えば、点群分類部２０は、レーザーセンサ１０によって計測された高さ情報が第１閾値を含む所定範囲に含まれ、かつ、反射強度が第２閾値以下となる計測点を、路面判定点と分類してもよい。 The point group classification unit 20 classifies the measurement points whose height information measured by the laser sensor 10 is equal to or more than the first threshold as object determination points. The first threshold is a threshold for classifying an object or a road surface based on height information. The point cloud classification unit 20 classifies the measurement point whose height information measured by the laser sensor 10 is not equal to or greater than the first threshold value as a road surface determination point. The point cloud classification unit 20 may classify the object into either an object determination point or a road surface determination point by combining the height information and the reflection intensity. For example, the point cloud classification unit 20 determines a measurement point where the height information measured by the laser sensor 10 is included in a predetermined range including the first threshold and the reflection intensity is equal to or less than the second threshold as a road surface determination point. It may be classified.

図２は、物体判定点及び路面判定点の一例を示す図である。図２には、図示しないカメラセンサからの前方画像Ｇ１と、車両の周囲を俯瞰するように座標変換したマップ画像Ｇ２とが示されている。図２では、一台の先行車両と二台の後続車両が存在する場合を示している。図２に示されるように、マップ画像Ｇ２には、物体判定点２１（白円）及び路面判定点２２（黒円）が示されている。マップ画像Ｇ２上において、前方画像Ｇ１に示された先行車両Ｈに対応する位置には、物体判定点２１が集中している。また、マップ画像Ｇ２上において、前方画像Ｇ１に示されたレーン境界線Ｌに対応する位置には、路面判定点２２が集中している。路面からの反射は、レーン境界線や路面ペイントの部分で反射が強くなったり乱れたりする。このため、前方画像Ｇ１に示されたレーン境界線Ｌに対応する位置に、路面判定点２２及び物体判定点２１が混在している。さらに、二台の後続車両の計測点が不足しており、マップ画像Ｇ２では正確に確認できていない例を示している。 FIG. 2 is a diagram illustrating an example of an object determination point and a road surface determination point. FIG. 2 shows a forward image G1 from a camera sensor (not shown) and a map image G2 subjected to coordinate transformation so that the surroundings of the vehicle are overlooked. FIG. 2 illustrates a case where one preceding vehicle and two following vehicles exist. As shown in FIG. 2, the map image G2 shows an object determination point 21 (white circle) and a road surface determination point 22 (black circle). On the map image G2, the object determination point 21 is concentrated at a position corresponding to the preceding vehicle H shown in the front image G1. On the map image G2, the road surface determination points 22 are concentrated at positions corresponding to the lane boundary lines L shown in the front image G1. The reflection from the road surface becomes strong or disturbed at the lane boundary and the road surface paint. For this reason, the road surface determination point 22 and the object determination point 21 are mixed at a position corresponding to the lane boundary line L shown in the front image G1. Further, an example is shown in which the measurement points of the two following vehicles are insufficient and cannot be accurately confirmed in the map image G2.

クラスタリング部３０は、物体クラスタリング部（第１判定部）３０１、条件クラスタリング部（第２判定部）３０２及び路面クラスタリング部（第３判定部）３０３を備える。物体クラスタリング部３０１は、複数の物体判定点２１の位置に基づいて、複数の物体判定点２１を１又は複数の第１クラスタＣ１にクラスタリングする。クラスタとは、複数の計測点を纏めて総称するものであり、１つのグループである。クラスタリングとは、複数の計測点をグループ化することである。物体クラスタリング部３０１は、近接する物体判定点２１を同一の第１クラスタとして抽出する。具体的な一例として、物体クラスタリング部３０１は、物体判定点２１を二次元平面へ投影する。次に、物体クラスタリング部３０１は、投影された点群をクラスタ用グリッド地図へ変換する。次に、物体クラスタリング部３０１は、クラスタ用グリッド地図の各列を探索し、連結したグリッドに同一のクラスタ番号を付与する。これにより、物体クラスタリング部３０１は、連結したグリッドに対応した物体判定点２１を同一の第１クラスタにクラスタリングする。 The clustering unit 30 includes an object clustering unit (first determination unit) 301, a condition clustering unit (second determination unit) 302, and a road surface clustering unit (third determination unit) 303. The object clustering unit 301 clusters the plurality of object determination points 21 into one or a plurality of first clusters C1 based on the positions of the plurality of object determination points 21. A cluster is a collective term for a plurality of measurement points and is a group. Clustering refers to grouping a plurality of measurement points. The object clustering unit 301 extracts the adjacent object determination points 21 as the same first cluster. As a specific example, the object clustering unit 301 projects the object determination point 21 on a two-dimensional plane. Next, the object clustering unit 301 converts the projected point group into a cluster grid map. Next, the object clustering unit 301 searches each column of the cluster grid map and assigns the same cluster number to the connected grids. Thereby, the object clustering unit 301 clusters the object determination points 21 corresponding to the connected grids into the same first cluster.

図３は、物体判定点２１に基づく第１クラスタＣ１の一例を示す図である。図３は、図２に示された物体判定点２１及び路面判定点２２について、第１クラスタＣ１にクラスタリングした結果を示す。図３に示されるように、近接した物体判定点２１は、１つの第１クラスタＣ１にクラスタリングされる。 FIG. 3 is a diagram illustrating an example of the first cluster C1 based on the object determination point 21. FIG. 3 shows a result of clustering the object determination point 21 and the road surface determination point 22 shown in FIG. 2 into the first cluster C1. As shown in FIG. 3, the approaching object determination points 21 are clustered into one first cluster C1.

路面クラスタリング部３０３は、複数の路面判定点２２の位置に基づいて、複数の路面判定点２２を１又は複数の第３クラスタＣ３にクラスタリングする。路面クラスタリング部３０３のクラスタリングの手法は、クラスタリングの対象が路面判定点２２である点を除き、物体クラスタリング部３０１のクラスタリング手法と同一である。 The road surface clustering unit 303 clusters the plurality of road surface determination points 22 into one or a plurality of third clusters C3 based on the positions of the plurality of road surface determination points 22. The clustering method of the road surface clustering unit 303 is the same as the clustering method of the object clustering unit 301 except that the clustering target is the road surface determination point 22.

図４は、路面判定点２２に基づく第３クラスタＣ３の一例を示す図である。図４は、図２に示された物体判定点２１及び路面判定点２２について、第３クラスタＣ３にクラスタリングした結果を示す。図４に示されるように、近接した路面判定点２２は、１つの第３クラスタＣ３にクラスタリングされる。 FIG. 4 is a diagram illustrating an example of the third cluster C3 based on the road surface determination point 22. FIG. 4 shows the result of clustering the object determination point 21 and the road surface determination point 22 shown in FIG. 2 into the third cluster C3. As shown in FIG. 4, the adjacent road surface determination points 22 are clustered into one third cluster C3.

条件クラスタリング部３０２は、物体判定点２１の位置との距離が所定値以下となる路面判定点２２の位置、及び物体判定点２１の位置に基づいて、物体判定点２１の位置との距離が所定値以下となる路面判定点２２と物体判定点２１とを１又は複数の第２クラスタＣ２にクラスタリングする。図４に示されるように、全ての路面判定点２２をクラスタリングした場合には、実際の路面又はレーン境界線なども追跡候補となるため、誤検知が発生する可能性が高くなる。一例として、条件クラスタリング部３０２は、クラスタリングの対象の路面判定点２２を、物体判定点２１の近傍の路面判定点２２のみに限定する。図５は、条件付きのクラスタリングの説明図である。路面判定点２２（２２Ａ）と物体判定点２１との距離Ｌ１は所定値以下である。路面判定点２２（２２Ｂ）と物体判定点２１との距離Ｌ２は所定値より大きい。図５に示されるように、路面判定点２２のうち、物体判定点２１の位置との距離が所定値以下となる路面判定点２２（２２Ａ）のみがクラスタリングの対象となり、物体判定点２１の位置との距離が所定値以下とならない路面判定点２２（２２Ｂ）は、クラスタリングの対象とならない。条件クラスタリング部３０２は、対象となった路面判定点２２と物体判定点２１とを第２クラスタＣ２（Ｃ２１）としてクラスタリングする。条件クラスタリング部３０２のクラスタリングの手法は、対象となった路面判定点２２及び物体判定点２１についてクラスタリングする点を除き、物体クラスタリング部３０１のクラスタリング手法と同一である。 The condition clustering unit 302 determines that the distance to the position of the object determination point 21 is predetermined based on the position of the road surface determination point 22 and the position of the object determination point 21 whose distance to the position of the object determination point 21 is equal to or less than a predetermined value. The road surface determination point 22 and the object determination point 21 that are equal to or less than the value are clustered into one or a plurality of second clusters C2. As shown in FIG. 4, when all the road surface determination points 22 are clustered, an actual road surface or a lane boundary is also a tracking candidate, so that the possibility of erroneous detection increases. As an example, the condition clustering unit 302 limits the road surface determination point 22 to be clustered to only the road surface determination point 22 near the object determination point 21. FIG. 5 is an explanatory diagram of conditional clustering. The distance L1 between the road surface determination point 22 (22A) and the object determination point 21 is equal to or less than a predetermined value. The distance L2 between the road surface determination point 22 (22B) and the object determination point 21 is larger than a predetermined value. As shown in FIG. 5, among the road surface determination points 22, only the road surface determination point 22 (22A) whose distance from the position of the object determination point 21 is equal to or less than a predetermined value is subjected to clustering, and the position of the object determination point 21 is determined. The road surface determination point 22 (22B) in which the distance from the road surface does not become a predetermined value or less is not a target of clustering. The condition clustering unit 302 clusters the target road surface determination point 22 and the object determination point 21 as a second cluster C2 (C21). The clustering method of the condition clustering unit 302 is the same as the clustering method of the object clustering unit 301 except that the target road surface determination point 22 and the object determination point 21 are clustered.

図６は、条件付きのクラスタリングの変形例の説明図である。条件クラスタリング部３０２は、時系列追跡モデルを用いてクラスタをさらにクラスタリングしてもよい。時系列追跡モデルとは、前回の処理において出力された物体候補の位置、速度、方向なら大きさ（長さ及び幅）を用いて今回の処理における物体候補の位置を推定するモデルである。図６の（Ａ）は、一台の車両の計測結果であり、左右両端が物体判定点２１、中央部分が路面判定点２２である。図６の（Ａ）に示されるように、条件クラスタリング部３０２は、上述した手法により、物体判定点２１の近傍の路面判定点２２と、当該物体判定点２１とを第２クラスタＣ２にクラスタリングする。この場合、実際には一台の車両であっても、２つのクラスタに分離する。条件クラスタリング部３０２は、物体候補の位置、速度、方向及び大きさ（長さと幅）に基づいて今回の処理において物体候補Ｂを推定し、今回の処理において物体候補Ｂが存在する範囲内にクラスタが含まれる場合には、１つの第２クラスタＣ２（Ｃ２２）としてクラスタリングする。 FIG. 6 is an explanatory diagram of a modified example of the conditional clustering. The condition clustering unit 302 may further cluster clusters using a time-series tracking model. The time-series tracking model is a model that estimates the position of the object candidate in the current process using the size (length and width) of the position, speed, and direction of the object candidate output in the previous process. FIG. 6A shows the measurement result of one vehicle, in which the left and right ends are the object determination points 21, and the center part is the road surface determination point 22. As shown in FIG. 6A, the condition clustering unit 302 clusters the road determination point 22 near the object determination point 21 and the object determination point 21 into a second cluster C2 by the above-described method. . In this case, even if it is actually one vehicle, it is separated into two clusters. The condition clustering unit 302 estimates the object candidate B in the current process based on the position, speed, direction, and size (length and width) of the object candidate, and clusters the object candidate B in a range where the object candidate B exists in the current process. Is included, clustering is performed as one second cluster C2 (C22).

図７は、条件付きのクラスタリングよる第２クラスタＣ２の一例を示す図である。図６は、図２に示された物体判定点２１及び路面判定点２２について、第２クラスタＣ２にクラスタリングした結果を示す。図６に示されるように、物体判定点２１の位置との距離が所定値以下である路面判定点２２と物体判定点２１とは、１又は複数の第２クラスタＣ２（Ｃ２１）にクラスタリングされる。これにより、図４と比較して、誤検出の原因となる不要なクラスタが少なくなるとともに、物体判定点２１と路面判定点２２とが混在して従来ではクラスタリングできない場合でもクラスタリングすることができる。また、条件付きのクラスタリングの変形例を適用することで、一台の車両を２つにクラスタリングすることも防ぐことができる（第２クラスタＣ２（Ｃ２２））。このため、後述する対応部４００が誤って対応付けすることを回避することができる。 FIG. 7 is a diagram illustrating an example of the second cluster C2 based on conditional clustering. FIG. 6 shows a result of clustering the object determination point 21 and the road surface determination point 22 shown in FIG. 2 into the second cluster C2. As shown in FIG. 6, the road surface determination point 22 and the object determination point 21 whose distance from the position of the object determination point 21 is equal to or less than a predetermined value are clustered into one or a plurality of second clusters C2 (C21). . Thus, as compared with FIG. 4, unnecessary clusters that cause erroneous detection are reduced, and clustering can be performed even when the object determination point 21 and the road surface determination point 22 coexist and cannot be clustered conventionally. Further, by applying a modified example of conditional clustering, it is possible to prevent one vehicle from being clustered into two (second cluster C2 (C22)). For this reason, it can be avoided that the correspondence unit 400 described later mistakenly associates.

さらに、クラスタリング部３０は、後段の対応部４００の処理のために、各クラスタに確信度を設定する。クラスタリング部３０は、第１クラスタＣ１の確信度を、第２クラスタＣ２及び第３クラスタＣ３の確信度よりも高く設定する（確信度高）。クラスタリング部３０は、第２クラスタＣ２の確信度を、第１クラスタＣ１の確信度よりも低く、第３クラスタＣ３の確信度よりも高く設定する（確信度中）。つまり、クラスタリング部３０は、第３クラスタＣ３の確信度を、第１クラスタＣ１及び第２クラスタＣ２の確信度よりも低く設定する（確信度低）。このように、クラスタリング部３０は、第１クラスタＣ１、第２クラスタＣ２及び第３クラスタＣ３の順に、確信度が低くなるように確信度を設定する。 Further, the clustering unit 30 sets a certainty factor for each cluster for the processing of the corresponding unit 400 at the subsequent stage. The clustering unit 30 sets the certainty factor of the first cluster C1 higher than the certainty factors of the second cluster C2 and the third cluster C3 (high certainty factor). The clustering unit 30 sets the certainty factor of the second cluster C2 lower than the certainty factor of the first cluster C1 and higher than the certainty factor of the third cluster C3 (medium). That is, the clustering unit 30 sets the certainty factor of the third cluster C3 to be lower than the certainty factors of the first cluster C1 and the second cluster C2 (low certainty factor). As described above, the clustering unit 30 sets the certainty in the order of the first cluster C1, the second cluster C2, and the third cluster C3 so that the certainty decreases.

対応部４００は、第１クラスタＣ１と前回の処理において出力された物体候補とを対応付けし、第１クラスタＣ１に対応付けできない物体候補と第２クラスタＣ２とを対応付けし、第１クラスタＣ１及び第２クラスタＣ２に対応付けできない物体候補と第３クラスタＣ３とを対応付けする。対応部４００は、各クラスタに設定された確信度に基づいて上記処理を行う。 The correspondence unit 400 associates the first cluster C1 with the object candidate output in the previous processing, associates an object candidate that cannot be associated with the first cluster C1 with the second cluster C2, and associates the first cluster C1 The object candidate that cannot be associated with the second cluster C2 is associated with the third cluster C3. The correspondence unit 400 performs the above-described processing based on the certainty factor set for each cluster.

対応部４００は、確信度が高い順に物体候補との対応付けを行う。対応部４００は、第１対応部４０、第２対応部４１及び第３対応部４２を備えている。第１対応部４０は、最初に第１クラスタＣ１（確信度高）と前回の処理において出力された物体候補とを対応付けする。対応付けは、例えばユークリッド距離やマハラノビス距離などを用いた公知の手法で行われる。第１対応部４０は、対応付けられた追跡候補と第１クラスタＣ１との情報を追跡候補出力部５０へ出力する。第１対応部４０は、全ての追跡候補と対応付けできない第１クラスタＣ１を追跡候補出力部５０へ出力する。第１対応部４０は、全ての第１クラスタＣ１について対応付け判定が終了した場合、対応付かない追跡候補を第２対応部４１へ出力する。 The associating unit 400 associates objects with candidate objects in descending order of certainty factor. The corresponding unit 400 includes a first corresponding unit 40, a second corresponding unit 41, and a third corresponding unit 42. The first correspondence unit 40 first associates the first cluster C1 (high confidence) with the object candidate output in the previous process. The association is performed by a known method using, for example, a Euclidean distance or a Mahalanobis distance. The first corresponding unit 40 outputs information on the associated tracking candidate and the first cluster C1 to the tracking candidate output unit 50. The first corresponding unit 40 outputs to the tracking candidate output unit 50 the first cluster C1 that cannot be associated with all the tracking candidates. When the association determination is completed for all the first clusters C <b> 1, the first corresponding unit 40 outputs the uncorrelated tracking candidates to the second corresponding unit 41.

第２対応部４１は、第２クラスタＣ２（確信度中）と、第１対応部４０が対応付けなかった追跡候補とを対応付けする。第２対応部４１は、対応付けられた追跡候補と第２クラスタＣ２との情報を追跡候補出力部５０へ出力する。また、第２対応部４１は、全ての追跡候補と対応付けできない第２クラスタＣ２を追跡候補出力部５０へ出力する。第２対応部４１は、全ての第２クラスタＣ２について対応付け判定が終了した場合、対応付かない追跡候補を第３対応部４２へ出力する。 The second corresponding unit 41 associates the second cluster C2 (medium confidence level) with a tracking candidate that the first corresponding unit 40 did not associate. The second correspondence unit 41 outputs information on the associated tracking candidate and the second cluster C2 to the tracking candidate output unit 50. Further, the second correspondence unit 41 outputs the second cluster C2 that cannot be associated with all the tracking candidates to the tracking candidate output unit 50. When the association determination is completed for all the second clusters C2, the second corresponding unit 41 outputs the uncorrelated tracking candidates to the third corresponding unit 42.

第３対応部４２は、第３クラスタＣ３（確信度低）と、第１対応部４０及び第２対応部４１が対応付けなかった追跡候補とを対応付けする。第３対応部４２は、対応付けられた追跡候補と第３クラスタＣ３との情報を追跡候補出力部５０へ出力する。第３対応部４２は、全ての第３クラスタＣ３について対応付け判定が終了した場合、対応付かないクラスタは破棄する。 The third corresponding unit 42 associates the third cluster C3 (low confidence) with the tracking candidate that the first corresponding unit 40 and the second corresponding unit 41 did not associate. The third correspondence unit 42 outputs information on the associated tracking candidate and the third cluster C3 to the tracking candidate output unit 50. When the association determination has been completed for all the third clusters C3, the third corresponding unit 42 discards the unassociated clusters.

追跡候補出力部５０は、対応部４００によって対応付けられた第１クラスタＣ１、第２クラスタ及び第３クラスタを物体候補として出力する。また、追跡候補出力部５０は、対応付けされていない第１クラスタＣ１及び第２クラスタについては、新規の物体候補として出力する。 The tracking candidate output unit 50 outputs the first cluster C1, the second cluster, and the third cluster associated by the association unit 400 as object candidates. In addition, the tracking candidate output unit 50 outputs the first cluster C1 and the second cluster that are not associated with each other as new object candidates.

図８は、クラスタ及び既知の物体候補を示す図である。図８に示されるように、ある時刻ｔにおいて、自車両２の周囲に確信度が付与されたクラスタＣ１０〜Ｃ６０が観測されたとする。前回の処理（時刻ｔ−１）において、追跡候補Ｔ１〜Ｔ３は車両であるとする。 FIG. 8 is a diagram illustrating clusters and known object candidates. As shown in FIG. 8, at a certain time t, it is assumed that clusters C <b> 10 to C <b> 60 with certainty factors are observed around the own vehicle 2. In the previous process (time t-1), it is assumed that the tracking candidates T1 to T3 are vehicles.

時刻ｔ−１における追跡候補Ｔ１と、時刻ｔにおけるクラスタＣ１０及びクラスタＣ２０の対応付けについて説明する。クラスタＣ１０は、第１クラスタ（確信度高）である。クラスタＣ２０は、第２クラスタ（確信度低）である。ユークリッド距離ではクラスタＣ２０の方が近い。しかし、確信度を考慮して追跡候補Ｔ１とクラスタＣ１０とが対応付けられる。 The correspondence between the tracking candidate T1 at time t-1 and the clusters C10 and C20 at time t will be described. Cluster C10 is the first cluster (high confidence). Cluster C20 is a second cluster (low confidence). The cluster C20 is closer in Euclidean distance. However, the tracking candidate T1 is associated with the cluster C10 in consideration of the certainty factor.

時刻ｔ−１における追跡候補Ｔ２と、時刻ｔにおけるクラスタＣ３０及びクラスタＣ４０の対応付けについて説明する。クラスタＣ３０は、第３クラスタ（確信度中）である。クラスタＣ４０は、第２クラスタ（確信度低）である。ユークリッド距離ではクラスタＣ４０の方が近い。しかし、確信度を考慮して追跡候補Ｔ２とクラスタＣ３０とが対応付けられる。 The following describes how the tracking candidate T2 at time t-1 is associated with the cluster C30 and the cluster C40 at time t. Cluster C30 is the third cluster (medium confidence). Cluster C40 is the second cluster (low confidence). The cluster C40 is closer in Euclidean distance. However, the tracking candidate T2 is associated with the cluster C30 in consideration of the certainty factor.

時刻ｔ−１における追跡候補Ｔ３と、時刻ｔにおけるクラスタＣ５０及びクラスタＣ６０の対応付けについて説明する。クラスタＣ５０及びクラスタＣ６０は、第２クラスタ（確信度低）である。周囲に確信度が高いクラスタが存在しないため、追跡候補Ｔ２とユークリッド距離が近いクラスタＣ５０が対応付けられ、クラスタＣ６０は破棄される。 The following describes how the tracking candidate T3 at time t-1 is associated with the cluster C50 and the cluster C60 at time t. Cluster C50 and cluster C60 are the second cluster (low confidence). Since there is no cluster with high confidence in the surroundings, the tracking candidate T2 is associated with the cluster C50 having a short Euclidean distance, and the cluster C60 is discarded.

以上、本実施形態に係る物体検出装置１によれば、第１クラスタＣ１、第２クラスタＣ２及び第３クラスタＣ３の順、つまり確信度の高い順に、前回の処理において出力された物体候補と対応付けされる。このため、確信度の低いクラスタが追跡候補と対応付けられる可能性が低くなる。よって、路面を追跡対象として誤検知することを抑制することができる。その結果、追跡対象の正検出割合も向上させることができる。 As described above, according to the object detection device 1 according to the present embodiment, the first cluster C1, the second cluster C2, and the third cluster C3 correspond to the object candidates output in the previous process in the order of higher confidence. Attached. For this reason, the possibility that a cluster with low confidence is associated with a tracking candidate is reduced. Therefore, erroneous detection of a road surface as a tracking target can be suppressed. As a result, the correct detection ratio of the tracking target can be improved.

また、本実施形態に係る物体検出装置１によれば、従来では安定に追跡できなかった対象を安定に追跡できる。まず、本実施形態に係る物体検出装置１の効果と対比説明するために、従来のクラスタリングについて説明する。図９は、従来のクラスタリングを説明する図である。図９では、後方車両Ｈ１の時刻ｔ〜ｔ３までの計測点を平面視して示している。従来のクラスタリングでは、路面判定点２２として判定された場合、クラスタリングの対象とはならない。このため、時刻ｔ，ｔ＋１及びｔ＋３の計測点のように、同一対象を計測している場合であっても、微小なクラスタａ〜ｄを検出するだけであったり、時刻ｔ＋２の計測点のように、全くクラスタが計測されなかったりする事象が発生していた。このため、追跡対象と対応付けすることが困難であったり、追跡対象をロストしたりするおそれがあった。 Further, according to the object detection device 1 according to the present embodiment, it is possible to stably track an object that cannot be stably tracked in the past. First, conventional clustering will be described in order to compare with the effect of the object detection device 1 according to the present embodiment. FIG. 9 is a diagram for explaining conventional clustering. In FIG. 9, the measurement points of the rear vehicle H1 from time t to t3 are shown in plan view. In the conventional clustering, when it is determined as the road surface determination point 22, the clustering is not performed. Therefore, even when measuring the same target like the measurement points at times t, t + 1, and t + 3, only the minute clusters a to d are detected, or the measurement points at time t + 2 are not detected. In some cases, clusters were not measured at all. For this reason, there is a possibility that it is difficult to associate the target with the tracking target or the tracking target is lost.

これに対して、本実施形態に係る物体検出装置１によれば、レーザーセンサ１０による計測点がクラスタリング部３０によって第１クラスタＣ１、第２クラスタＣ２及び第３クラスタＣ３にクラスタリングされる。物体判定点２１及び路面判定点２２をクラスタリングした第３クラスタＣ３を採用することで、時刻ｔにおいて微小なクラスタａ，ｂから第３クラスタＣ３を生成して追跡対象とすることができる。これにより、従来では安定に追跡できなかった対象を安定に追跡できる。 On the other hand, according to the object detection device 1 according to the present embodiment, the measurement points of the laser sensor 10 are clustered into the first cluster C1, the second cluster C2, and the third cluster C3 by the clustering unit 30. By employing the third cluster C3 obtained by clustering the object determination point 21 and the road surface determination point 22, the third cluster C3 can be generated from the minute clusters a and b at the time t and can be set as a tracking target. As a result, an object that could not be tracked stably in the past can be tracked stably.

さらに、本実施形態に係る物体検出装置１によれば、複数フレームを合成する従来の場合に比べて合成処理を行わない分、処理を速くすることができる。このため、時間的な検出遅れを抑制することができる。また、疎なレーザーセンサ１０を車両の低い取り付け位置に取り付けた場合、物体判定点２１と路面判定点２２との分類が困難になるおそれがある。このような場合であっても、本実施形態に係る物体検出装置１は、物体判定点２１及び路面判定点２２をクラスタリングした第３クラスタＣ３を採用することで、適切に追跡対象を出力することができる。 Furthermore, according to the object detection device 1 according to the present embodiment, compared to the conventional case of combining a plurality of frames, the processing can be accelerated by not performing the combining processing. For this reason, a temporal detection delay can be suppressed. When the sparse laser sensor 10 is mounted at a low mounting position of the vehicle, it may be difficult to classify the object determination point 21 and the road surface determination point 22. Even in such a case, the object detection device 1 according to the present embodiment can appropriately output the tracking target by employing the third cluster C3 in which the object determination points 21 and the road surface determination points 22 are clustered. Can be.

本発明は、上述した実施形態に基づいて、当業者の知識に基づいて種々の変更、改良を施した様々な形態で実施することができる。 The present invention can be implemented in various forms with various changes and improvements based on the knowledge of those skilled in the art based on the above-described embodiments.

１…物体検出装置、２…自車両、１０…レーザーセンサ、２０…点群分類部、２１…物体判定点、２２…路面判定点、３０…クラスタリング部、４０…第１対応部、４１…第２対応部、４２…第３対応部、５０…追跡候補出力部、３０１…物体クラスタリング部（第１判定部）、３０２…条件クラスタリング部（第２判定部）、３０３…路面クラスタリング部（第３判定部）、４００…対応部。 DESCRIPTION OF SYMBOLS 1 ... Object detection apparatus, 2 ... own vehicle, 10 ... Laser sensor, 20 ... Point group classification | category part, 21 ... Object determination point, 22 ... Road surface determination point, 30 ... Clustering part, 40 ... 1st corresponding part, 41 ... No. 2 corresponding part, 42 ... third corresponding part, 50 ... tracking candidate output part, 301 ... object clustering part (first determination part), 302 ... condition clustering part (second determination part), 303 ... road surface clustering part (third part) Judging part), 400 ... corresponding part.

Claims

An object detection device that outputs an object candidate that is a candidate for an object based on a plurality of measurement points measured by a laser sensor,
Based on the position or reflection intensity of the measurement point measured by the laser sensor, the measurement point, the object determination point that is a measurement point that measured an object on the road surface, or a road surface that is a measurement point that measured the road surface A point group classifying unit that classifies any of the judgment points,
A first determination unit that clusters the plurality of object determination points into one or a plurality of first clusters based on positions of the plurality of object determination points;
The road surface where the distance to the position of the object determination point is equal to or less than a predetermined value, based on the position of the road surface determination point where the distance to the position of the object determination point is equal to or less than a predetermined value, and A second determination unit that clusters the determination point and the object determination point into one or more second clusters;
A third determination unit configured to cluster the plurality of road surface determination points into one or a plurality of third clusters based on positions of the plurality of road surface determination points;
It said first and associates the previous object candidate is a cluster and object candidate output in the last processing, and associates the previous object candidate that can not be associated with the first cluster and the second cluster, the first A corresponding unit that associates the previous object candidate that cannot be associated with one cluster and the second cluster with the third cluster;
The first cluster associated by the corresponding unit, and outputs the second cluster and the third cluster as the object candidate, the first cluster and the second cluster that is not associated with the corresponding portion An output unit that outputs as the new object candidate ,
An object detection device comprising: