JP6685836B2 - 情報処理装置、および、情報処理方法 - Google Patents

Description

本発明の実施の形態は、情報処理装置、および、情報処理方法に関する。

物体の位置や移動速度などの算出のために、物体の対象点を特定する技術が開示されている。

例えば、特許文献１には、検知エリア内に物体が完全に入っている場合、物体の中央を物体の位置として選択することが開示されている。また、特許文献１には、検知エリア内に物体の一部のみが入っている場合、物体の移動方向の先端側または後端側を選択することが開示されている。そして、特許文献１には、選択した検出点を、移動速度の算出に用いることが開示されている。また、特許文献２には、同一の物体を示すデータ群の中で、最も走行路に近いデータの位置を、物体の基準点に設定することが開示されている。

特開２０１０−２４９６９０号公報 特許第４１４０１１８号公報

しかしながら、従来では、単に、物体上の検出点を選択することで物体の対象点を算出しており、物体の対象点を精度良く特定することは困難であった。

本発明が解決しようとする課題は、物体の対象点を精度良く特定することができる、情報処理装置、および、情報処理方法を提供することである。

実施の形態の情報処理装置は、複数の検知点の各々の位置情報を取得する取得部と、前記複数の検知点を、物体を構成する検知点群に分類する分類部と、分類された前記検知点群を構成する前記検知点の各々の前記位置情報に基づいて、前記検知点群に所定の形状モデルをあてはめる形状導出部と、前記形状モデルに基づいて前記物体の対象点を特定する特定部と、第１のタイミングの前記位置情報に基づいて分類された前記物体を構成する前記検知点群に対応する、第２のタイミングの前記位置情報に基づいて分類された同じ前記物体を構成する前記検知点群を探索する探索部と、を備え、前記特定部は、前記第１のタイミングの前記検知点群にあてはめられた前記形状モデルにおける、前記第２のタイミングの前記検知点群にあてはめられた前記形状モデルに基づいて設定された前記対象点に対応する位置を、前記第１のタイミングの前記物体の前記対象点として特定する。

情報処理装置を示す図。 情報処理装置の構成を示すブロック図。 形状モデル管理情報のデータ構成を示す模式図。 処理回路による処理の説明図。 処理回路が実行する処理を示すフローチャート。 対象点の特定を示す説明図。 異なる位置が対象点として特定される場合の説明図。 情報処理装置の構成を示すブロック図。 処理回路による処理の説明図。 処理回路が実行する処理を示すフローチャート。 情報処理装置の構成を示すブロック図。 対象点の特定の説明図。 対象点の特定の説明図。 処理回路が実行する処理を示すフローチャート。 ハードウェア構成図。

以下に添付図面を参照して、情報処理装置、および、情報処理方法を詳細に説明する。

（第１の実施の形態）
図１は、本実施の形態の情報処理装置１０の一例を示す図である。情報処理装置１０は、物体３０の対象点Ｔを特定する。

本実施の形態では、情報処理装置１０が車両１２に搭載されている場合を一例として説明する。なお、情報処理装置１０は、車両１２に搭載された形態に限定されない。情報処理装置１０は、道路などの地面に固定された外部装置などの静止物に搭載されていてもよい。また、情報処理装置１０は、車両１２以外の移動体に搭載されていてもよい。

物体３０は、情報処理装置１０によって対象点Ｔを特定される物である。詳細には、物体３０は、センサ１０Ｇ（詳細後述）の外界に存在する物体であって、センサ１０Ｇによって観測される物体である。

物体３０は、移動体、静止物、の何れであってもよい。移動体は、移動可能な物である。移動体は、例えば、車両（自動二輪車、自動四輪車、自転車）、台車、飛行可能な物体（有人飛行機、無人飛行機（例えば、ドローン））、ロボット、人物、などである。静止物は、地面に固定された物である。静止物は、移動不可能な物や、地面に対して静止した状態の物である。静止物は、例えば、ガードレール、ポール、駐車車両、道路標識、などである。また、物体３０は、生物および非生物の何れであってもよい。生物は、例えば、人物、動物、植物、などである。非生物は、例えば、車両や飛行可能な物体やロボットなどである。

物体３０の対象点Ｔは、物体３０を示す１つの点である。物体３０の対象点Ｔは、例えば、物体３０の位置や速度の導出に用いられる。なお、物体３０の対象点Ｔを、物体３０の位置として用いてもよい。本実施の形態では、情報処理装置１０は、物体３０の対象点Ｔを特定する。対象点Ｔの特定方法については、詳細を後述する。

情報処理装置１０は、処理回路１０Ａと、出力回路１０Ｃと、センサ１０Ｇと、を備える。

センサ１０Ｇは、外界の観測情報を取得する。観測情報は、センサ１０Ｇの設置位置の周辺の、観測結果を示す情報である。本実施の形態では、観測情報は、センサ１０Ｇの周辺の複数の検知点の各々の位置情報を導出可能な情報である。

検知点の位置情報は、センサ１０Ｇから検知点までの距離と、センサ１０Ｇを基準とした検知点の方向と、を示す情報である。これらの距離および方向は、例えば、センサ１０Ｇを基準とする検知点の相対位置を示す位置座標や、検知点の絶対位置を示す位置座標や、ベクトルなどで表すことができる。

検知点は、センサ１０Ｇの外界における、センサ１０Ｇによって個別に観測される点の各々を示す。例えば、センサ１０Ｇは、センサ１０Ｇの周囲に光を照射し、反射点で反射した反射光を受光する。この反射点が、検知点に相当する。なお、複数の反射点を１つの検知点として用いてもよい。

これにより、センサ１０Ｇは、複数の検知点の各々に対する光の照射方向（センサ１０Ｇを基準とする検知点の方向）と、複数の検知点の各々で反射した反射光に関する情報と、を含む、観測情報を得る。反射光に関する情報は、例えば、光の照射から反射光の受光までの経過時間や、受光した光の強度（または出射した光の強度に対する受光した光の強度の減衰率）などである。後述する処理回路１０Ａでは、この経過時間などを用いて、センサ１０Ｇから検知点までの距離を導出する。

センサ１０Ｇは、例えば、撮影装置や、距離センサ（ミリ波レーダ、レーザセンサ）、などである。撮影装置は、撮影によって撮影画像データ（以下、撮影画像と称する）を得る。撮影画像データは、画素ごとに画素値を規定したデジタル画像データや、画素毎にセンサ１０Ｇからの距離を規定したデプスマップなどである。レーザセンサは、例えば、水平面に対して平行に設置された二次元ＬＩＤＡＲ（Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）センサや、三次元ＬＩＤＡＲセンサである。

ＬＩＤＡＲセンサは、パルス状に発光するレーザ光を周囲に照射し、物体３０の検知点で反射したレーザ光を受光する。そして、ＬＩＤＡＲセンサは、レーザ光の照射方向と、レーザ光の照射から受光までの経過時間と、を含む観測情報を得る。そして、後述する処理回路１０Ａでは、検知点の観測情報に含まれる経過時間から、照射方向におけるセンサ１０Ｇと検知点との距離を算出する。これによって、後述する処理回路１０Ａでは、各検知点の位置情報を取得する（詳細後述）。なお、ＬＩＤＡＲセンサ（センサ１０Ｇ）が、レーザ光の照射方向と、レーザ光の照射から受光までの経過時間と、から、照射方向におけるセンサ１０Ｇと検知点との距離を算出してもよい。

本実施の形態では、センサ１０Ｇが、二次元ＬＩＤＡＲセンサである場合を一例として説明する。

なお、センサ１０Ｇは、物体３０の表面を構成する各面の各々の観測情報を取得する構成であってもよい。また、センサ１０Ｇは、互いに異なる複数の撮影方向の撮影画像を取得する構成であってもよい。また、情報処理装置１０は、複数のセンサ１０Ｇを備えた構成であってもよい。この場合、情報処理装置１０は、同じ種類のセンサ１０Ｇを備えた構成であってもよいし、少なくとも１つの種類の異なる複数のセンサ１０Ｇを備えた構成であってもよい。なお、情報処理装置１０が複数のセンサ１０Ｇを備えた構成の場合、後述する処理回路１０Ａでは、これらの複数のセンサ１０Ｇで得られた観測情報を統合したものを、観測情報として用いればよい。

出力回路１０Ｃは、各種情報を出力する。本実施の形態では、出力回路１０Ｃは、出力情報を出力する。出力情報は、物体３０の対象点Ｔに関する情報を含む。具体的には、出力情報は、物体３０の対象点Ｔの位置を示す情報、対象点Ｔに基づいて導出された物体３０の移動方向、移動距離、移動速度、の少なくとも１つを含む。物体３０の対象点Ｔの位置を示す情報は、センサ１０Ｇに対する相対位置であってもよいし、絶対位置であってもよい。

出力回路１０Ｃは、例えば、出力情報を送信する通信機能、出力情報を表示する表示機能、出力情報を示す音を出力する音出力機能、などを備える。例えば、出力回路１０Ｃは、通信回路１０Ｄと、ディスプレイ１０Ｅと、スピーカ１０Ｆと、を含む。

通信回路１０Ｄは、出力情報を他の装置へ送信する。例えば、通信回路１０Ｄは、公知の通信回線を介して出力情報を送信する。ディスプレイ１０Ｅは、出力情報を表示する。ディスプレイ１０Ｅは、例えば、公知のＬＣＤ（ｌｉｑｕｉｄ ｃｒｙｓｔａｌ ｄｉｓｐｌａｙ）や投影装置やライトなどである。スピーカ１０Ｆは、出力情報を示す音を出力する。

次に、情報処理装置１０の構成について詳細に説明する。図２は、情報処理装置１０の構成の一例を示すブロック図である。

情報処理装置１０は、物体３０の対象点Ｔを特定する。情報処理装置１０は、例えば、専用または汎用コンピュータである。情報処理装置１０は、処理回路１０Ａと、記憶回路１０Ｂと、出力回路１０Ｃと、センサ１０Ｇと、入力装置１０Ｈと、を備える。出力回路１０Ｃは、上述したように、通信回路１０Ｄと、ディスプレイ１０Ｅと、スピーカ１０Ｆと、を含む。

処理回路１０Ａ、記憶回路１０Ｂ、出力回路１０Ｃ、センサ１０Ｇ、および入力装置１０Ｈは、バス１０Ｉを介して接続されている。なお、記憶回路１０Ｂ、出力回路１０Ｃ（通信回路１０Ｄ、ディスプレイ１０Ｅ、スピーカ１０Ｆ）、センサ１０Ｇ、および入力装置１０Ｈは、有線または無線で処理回路１０Ａに接続すればよい。また、記憶回路１０Ｂ、出力回路１０Ｃ（通信回路１０Ｄ、ディスプレイ１０Ｅ、スピーカ１０Ｆ）、センサ１０Ｇ、および入力装置１０Ｈの少なくとも１つと、処理回路１０Ａと、を、ネットワークを介して接続してもよい。

入力装置１０Ｈは、ユーザからの各種指示や情報入力を受け付ける。入力装置１０Ｈは、例えば、マウスやトラックボール等のポインティングデバイス、あるいはキーボード等の入力デバイスである。

記憶回路１０Ｂは、各種データを記憶する。記憶回路１０Ｂは、例えば、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）、フラッシュメモリ等の半導体メモリ素子、ハードディスク、光ディスク等である。なお、記憶回路１０Ｂは、情報処理装置１０の外部に設けられた記憶装置であってもよい。また、記憶回路１０Ｂは、記憶媒体であってもよい。具体的には、記憶媒体は、プログラムや各種情報を、ＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）やインターネットなどを介してダウンロードして記憶または一時記憶したものであってもよい。また、記憶回路１０Ｂを、複数の記憶媒体から構成してもよい。

本実施の形態では、記憶回路１０Ｂは、形状モデル管理情報１０Ｊを記憶する。形状モデル管理情報１０Ｊは、形状モデルを管理するための情報である。形状モデル管理情報１０Ｊのデータ形式は限定されない。例えば、形状モデル管理情報１０Ｊは、データベースやテーブルである。

形状モデルとは、物体３０の表面形状を表すモデルである。具体的には、形状モデルは、物体３０を外側から視認したときの輪郭によって示される形を示す。言い換えると、形状モデルは、物体３０における、センサなどによって観測可能な表面形状を示す。

なお、形状モデルは、物体３０の表面形状を表すモデルであればよく、その形態は限定されない。例えば、物体３０が自動四輪車である場合、自動四輪車の表面形状を水平面に投影して近似した長方形を、該物体３０の形状モデルとして用いる。また、形状モデルには、多角形や楕円などの平面図形、１以上の線分の組合せ、立体形状（例えば、直方体）などを用いてもよい。

図３は、形状モデル管理情報１０Ｊのデータ構成の一例を示す模式図である。形状モデル管理情報１０Ｊは、形状モデルと、物体の種類と、とりうる大きさの範囲と、候補点と、を対応づけたものである。

形状モデル管理情報１０Ｊには、形状モデルとして、形状モデルの特徴を示す特徴情報を登録してもよいし、形状モデルによって表される形状そのものを示す情報（正方形、長方形など）を登録してもよい。

物体の種類は、形状モデルによって示される形の物体３０の種類を示す情報である。とりうる大きさの範囲は、観測情報における、対応する種類の物体３０のとりうる大きさの範囲を示す。とりうる大きさの範囲は、例えば、観測情報としての撮影画像における、対応する種類の物体３０の高さｈ（例えば、撮影画像または水平面に沿った二次元平面における第１の方向の長さ）の範囲と、幅ｗ（例えば、該二次元平面における該第１の方向に直交する第２の方向の長さ）の範囲と、によって表す。なお、とりうる大きさの範囲の表し方は、図３に示す形態に限定されない。

候補点は、形状モデルにおける、対象点Ｔの候補となる点である。形状モデル管理情報１０Ｊには、１つの形状モデルに対して、少なくとも２つ以上の候補点が予め設定されている。

候補点は、形状モデルにおける、対応する種類の物体３０を示す点である。

例えば、候補点は、対応する形状モデルの物体３０における、外界から観測されやすい点である。外界から観測されやすい、とは、物体３０を様々な方向から観測したときに、観測される確率または観測される頻度が閾値以上であることを示す。具体的には、候補点は、物体３０とセンサ１０Ｇとの位置関係を考慮し、異なる位置関係であっても、センサ１０Ｇによって、閾値以上の回数、観測可能な点であることが好ましい。この閾値は、予め設定する。なお、この閾値は、ユーザによる入力装置１０Ｈの操作指示などによって、適宜変更可能としてもよい。

具体的には、候補点は、形状モデルが正方形や長方形などの多角形である場合、多角形を構成する隣接する２辺の交点によって構成される頂点（四角形状である場合、例えば、４頂点）の各々である。なお、候補点は、形状モデルが多角形である場合、多角形を構成する各辺の各々の中点（中間の点）や、線分の交点であってもよい。

また、候補点は、対応する形状モデルの物体３０の、特徴的な形状や材質を示す点であってもよい。例えば、センサ１０ＧとしてＬＩＤＡＲセンサを用いる場合、ＬＩＤＡＲセンサから照射されたレーザ光が正しく反射される領域を、該形状モデルの候補点として設定する。なお、センサ１０Ｇとして、ＬＩＤＡＲセンサを用いる場合、センサ１０Ｇから照射されたレーザ光が正しく反射されない領域（黒色領域や透明領域）については、該形状モデルの候補点として設定しないことが好ましい。

また、１つの物体３０に剛体と非剛体が混在する場合、剛体の領域を候補点として設定してもよい。例えば、物体３０が、人の乗車した自転車である場合、人の部分は変形する可能性がある。このため、この場合、自転車の車体（例えば、フレーム部分）に候補点を設定すればよい。

また、候補点は、対応する形状モデルの物体３０における、内側の点を含んでいてもよい。内側の点とは、物体３０の外郭より内側の点であり、外界から視認されない点を含む。例えば、候補点は、形状モデルの物体３０の、重心を示す点を含むものであってもよい。

なお、形状モデル管理情報１０Ｊは、形状モデルと、複数の候補点と、を少なくとも対応づけたものであればよい。このため、形状モデル管理情報１０Ｊは、物体の種類およびとりうる大きさの範囲の少なくとも一方が未登録のものであってもよい。また、形状モデル管理情報１０Ｊは、予め設定すればよい。また、形状モデル管理情報１０Ｊは、ユーザによる入力装置１０Ｈの操作指示などによって、適宜変更可能としてもよい。

また、形状モデル管理情報１０Ｊは、１つの物体３０を様々な方向から視認したときの、各視認方向に対応する形状モデルと複数の候補点とを対応づけたものであってもよい。

図２に戻り説明を続ける。次に、処理回路１０Ａについて説明する。処理回路１０Ａは、取得機能１０Ｋと、分類機能１０Ｌと、形状導出機能１０Ｍと、特定機能１０Ｎと、出力制御機能１０Ｐと、を備える。

処理回路１０Ａにおける各処理機能は、コンピュータによって実行可能なプログラムの形態で記憶回路１０Ｂへ記憶されている。処理回路１０Ａは、プログラムを記憶回路１０Ｂから読出、実行することで、各プログラムに対応する機能を実現するプロセッサである。

各プログラムを読み出した状態の処理回路１０Ａは、図２の処理回路１０Ａ内に示された各機能を有することになる。図２においては単一の処理回路１０Ａによって、取得機能１０Ｋ、分類機能１０Ｌ、形状導出機能１０Ｍ、特定機能１０Ｎ、および出力制御機能１０Ｐが実現されるものとして説明する。

なお、各機能の各々を実現するための独立した複数のプロセッサを組み合わせて処理回路１０Ａを構成してもよい。この場合、各プロセッサがプログラムを実行することにより各機能を実現する。また、各処理機能がプログラムとして構成され、１つの処理回路が各プログラムを実行する場合であってもよいし、特定の機能が専用の独立したプログラム実行回路に実装される場合であってもよい。

なお、本実施の形態および後述する実施の形態において用いる「プロセッサ」との文言は、例えば、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＧＰＵ（Ｇｒａｐｈｉｃａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）或いは、特定用途向け集積回路（Ａｐｐｌｉｃａｔｉｏｎ Ｓｐｅｃｉｆｉｃ Ｉｎｔｅｇｒａｔｅｄ Ｃｉｒｃｕｉｔ：ＡＳＩＣ）、プログラマブル論理デバイス（例えば、単純プログラマブル論理デバイス（Ｓｉｍｐｌｅ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＳＰＬＤ）、複合プログラマブル論理デバイス（Ｃｏｍｐｌｅｘ Ｐｒｏｇｒａｍｍａｂｌｅ Ｌｏｇｉｃ Ｄｅｖｉｃｅ：ＣＰＬＤ）、及びフィールドプログラマブルゲートアレイ（Ｆｉｅｌｄ Ｐｒｏｇｒａｍｍａｂｌｅ Ｇａｔｅ Ａｒｒａｙ：ＦＰＧＡ））の回路を意味する。プロセッサは、記憶回路１０Ｂに保存されたプログラムを読み出し実行することで機能を実現する。なお、記憶回路１０Ｂにプログラムを保存する代わりに、プロセッサの回路内にプログラムを直接組み込むよう構成しても構わない。この場合、プロセッサは回路内に組み込まれたプログラムを読み出し実行することで機能を実現する。

取得機能１０Ｋは、取得部の一例である。取得機能１０Ｋは、複数の検知点の各々の位置情報を取得する。

取得機能１０Ｋは、センサ１０Ｇから、センサ１０Ｇの周辺の観測情報を取得する。観測情報は、上述したように、センサ１０Ｇの外界の観測情報であって、センサ１０Ｇの周辺の複数の検知点の各々の位置情報を導出可能な情報である。取得機能１０Ｋは、観測情報から、検知点の各々の位置情報を導出する。これによって、取得機能１０Ｋは、検知点の位置情報を取得する。

具体的には、センサ１０ＧがＬＩＤＡＲセンサであったと仮定する。この場合、取得機能１０Ｋは、観測情報として、センサ１０Ｇからのレーザ光の照射方向と、レーザ光の照射から受光までの経過時間と、を含む観測情報を取得する。そして、取得機能１０Ｋは、経過時間から、照射方向におけるセンサ１０Ｇと検知点との距離を算出する。これによって、取得機能１０Ｋは、検知点の各々について、センサ１０Ｇから検知点までの距離と、センサ１０Ｇを基準とした検知点の方向と、を示す位置情報を取得する。

なお、上述したように、センサ１０ＧがＬＩＤＡＲセンサである場合、センサ１０Ｇが、レーザ光の照射方向と、レーザ光の照射から受光までの経過時間と、から、位置情報（照射方向と距離）を算出してもよい。この場合、取得機能１０Ｋは、検知点の各々の位置情報を、センサ１０Ｇ（ＬＩＤＡＲセンサ）から取得すればよい。

なお、上述したように、センサ１０Ｇが、物体３０の表面を構成する各面の各々の観測情報を得る構成の場合がある。この場合、取得機能１０Ｋは、観測情報に示される異なる面の各々を水平面に投影することで、検知点の位置情報を取得すればよい。また、センサ１０Ｇが、互いに異なる複数の撮影方向の撮影画像を得る構成の場合がある。この場合、取得機能１０Ｋは、センサ１０Ｇから取得した複数の撮影方向の撮影画像から、各検出点の奥行情報（距離情報）を再構築することで、検出点の各々の三次元の位置情報を推定すればよい。また、センサ１０Ｇが、複数のセンサ１０Ｇを備えた構成の場合がある。この場合、取得機能１０Ｋは、これらの複数のセンサ１０Ｇで得られた観測情報を統合した上で、検出点の位置情報の取得に用いればよい。

図４は、処理回路１０Ａによる処理の説明図である。図４（Ａ）は、取得機能１０Ｋによる位置情報の取得の説明図である。図４（Ａ）に示すように、センサ１０Ｇは、センサ１０Ｇの周囲に光を照射し、センサ１０Ｇの周辺の物体３０（物体３０Ａ〜物体３０Ｅ）で反射した反射光を受光する。これによって、センサ１０Ｇは、物体３０（物体３０Ａ〜物体３０Ｅ）における反射点に相当する検知点３２（例えば、検知点３２_１〜検知点３２_２７）の各々の観測情報を得る。なお、物体３０の位置、物体３０の数、検知点３２の数、および、検知点３２の位置は、一例であり、図４に示す形態に限定されない。

そして、取得機能１０Ｋは、観測情報から、これらの検知点３２（例えば、検知点３２_１〜検知点３２_２７）の各々の位置情報を取得する。

図２に戻り説明を続ける。分類機能１０Ｌは、分類部の一例である。分類機能１０Ｌは、取得機能１０Ｋで位置情報を取得した複数の検知点３２を、物体３０を構成する検知点群に分類する。詳細には、分類機能１０Ｌは、複数の検知点３２を、複数のカテゴリに分類する。このカテゴリは、少なくとも物体３０を含む。カテゴリは、物体３０以外の要素を含んでいてもよい。

図４（Ｂ）は、分類機能１０Ｌによる分類の説明図である。分類機能１０Ｌは、検知点３２の各々の位置情報に基づいて、複数の検知点３２を、物体３０を構成する検知点群Ｂに分類する。

例えば、センサ１０Ｇが二次元ＬＩＤＡＲセンサであったと仮定する。この場合、分類機能１０Ｌは、センサ１０Ｇを水平面に沿った二次元平面の円中心とした円の周方向に向かって順に、複数の検知点３２の各々に番号を付与（順序付け）する。

そして、情報処理装置１０は、付与した番号の順に、検知点３２の各々について、ひとつ前の検知点３２と同じ物体３０を構成するか否かを判定する。例えば、分類機能１０Ｌは、ひとつ前の検知点３２の位置情報に示される距離（センサ１０Ｇまでの距離）と、処理対象の検知点３２の位置情報に示される距離と、の差が閾値以下であると、同じ物体３０を構成すると判定する。そして、分類機能１０Ｌは、同じ物体３０と判定されなくなるまで、該周方向に順に検知点３２を判定する。そして、同じ物体３０を構成すると判定した検知点３２の群を、１つの物体３０を構成する検知点群Ｂとして、分類する。

この分類処理によって、図４（Ａ）および図４（Ｂ）に示す例では、複数の検知点３２（検知点３２_１〜検知点３２_２７）が、物体３０を構成する１または複数の検知点群Ｂ（検知点群Ｂ１〜検知点群Ｂ５）に分類される。

なお、分類機能１０Ｌによる分類方法は、上記方法に限定されない。詳細には、上記では、センサ１０Ｇを二次元平面の円中心とした円の周方向に向かって順に、検知点３２を順序付けし、分類処理を行った。しかし、検知点３２の順序付けの方法は、この方法に限定されない。

また、同じ物体３０を構成するか否かの判定基準は、上記基準に限定されない。例えば、分類機能１０Ｌは、センサ１０Ｇを基準とする検知点３２の相対位置を示す位置座標や、検知点３２の絶対位置を、判定基準に用いてもよい。また、分類機能１０Ｌは、同じ物体３０を構成すると判定した複数の検知点３２から、次に判定する対象の検知点３２までの距離が閾値以下であるか否かを判別することで、同じ物体３０を構成すると判定してもよい。また、分類機能１０Ｌは、検知点３２の観測情報に含まれる光の反射強度を用いて、同じ物体３０を構成するか否かを判定してもよい。

図２に戻り説明を続ける。形状導出機能１０Ｍは、形状導出部の一例である。形状導出機能１０Ｍは、検知点群Ｂを構成する検知点３２の各々の位置情報に基づいて、検知点群Ｂに所定の形状モデルをあてはめる。言い換えると、形状導出機能１０Ｍは、物体３０に分類された複数の検知点３２の各々の位置情報に基づいて、検知点群Ｂごとに形状モデルＭをあてはめる。

図４を用いて具体的に説明する。図４（Ｃ）は、形状導出機能１０Ｍによる形状モデルＭのあてはめの一例を示す説明図である。

例えば、形状導出機能１０Ｍは、あらかじめ定めた１つの形状モデルの種類を用いて、座標変化や長辺方向の角度変化（重心回転）や辺の長さの変形などの調整を行うことで、による変，検知点群Ｂの各々に、形状モデルＭをあてはめる。

例えば、形状導出機能１０Ｍが、センサ１０Ｇの周辺の物体３０（例えば、自動四輪車）への形状モデルＭのあてはめに、形状モデルの種類として長方形を用意した場合を説明する。形状導出機能１０Ｍは、形状モデルである長方形を、検知点群Ｂ（検知点群Ｂ１〜検知点群Ｂ５）の各々にあてはめる（図４（Ｂ）参照）。

例えば、形状導出機能１０Ｍは、形状モデルである長方形について、長方形の座標と、長方形の姿勢を表す１つの基準方向に対する角度と、長方形の辺の長さと、を変数とする。そして、形状導出機能１０Ｍは、１つの物体３０を構成する検知点群Ｂごとに、水平面に投影した検知点群Ｂに対して、用意した形状モデルである長方形の変数に初期値を設定する。さらに、形状導出機能１０Ｍは、初期値から変数を微小に変化させて走査し、評価関数を最小にする変数によって、形状モデルである長方形を１つ規定する。これによって、規定したこの形状モデルを、該検知点群Ｂの形状モデルＭとしてあてはめる。

なお、形状モデルの変数の初期値には、例えば、形状モデルの種類を長方形とした場合，処理対象の検知点群Ｂを囲む最小面積の長方形の座標と角度（１つの座標軸に対する長辺方向の角度）と辺の長さとを設定する。なお、初期値の設定方法は、この方法に限定されない。例えば、形状導出機能１０Ｍは、検知点群Ｂに対してハフ変換を行うことで、直線を検出し、初期形状モデルとしての長方形の１辺とする方法を用いてもよい。

評価関数には、例えば、検知点群Ｂを構成する検知点３２の各々と、あてはめた形状モデルの辺と、の最短距離の和を用いる。

形状導出機能１０Ｍは、形状モデルの変数を調整し、評価関数の値が最小となる形状モデルを１つに規定する。そして、形状導出機能１０Ｍは、規定した形状モデルを、対応する検知点群Ｂにあてはめる形状モデルＭとして用いる。このようにして、形状導出機能１０Ｍは、物体３０を構成する検知点群Ｂに形状モデルＭをあてはめる。

なお、形状導出機能１０Ｍは、検知点群Ｂを構成する複数の検知点３２の各々の上記最短距離の内、最も大きい最短距離を、評価関数として用いてもよい。すなわち、形状導出機能１０Ｍは、検知点群Ｂを構成する複数の検知点３２の内、あてはめた初期形状モデルの辺との最短距離の最も大きい１つの検知点３２を用いて、評価関数を求めてもよい。

また、形状導出機能１０Ｍは、検知点３２の各々に、検知点３２の各々の位置情報に応じた重み付けを行ったものを、評価関数として用いてもよい。

例えば、形状導出機能１０Ｍは、ある物体３０を構成する検知点群Ｂに属する複数の検知点３２と、他の物体３０を構成する検知点群Ｂに属する１または複数の検知点３２と、を用いて、ある物体３０を構成する検知点群Ｂへ形状モデルＭをあてはめてもよい。

この場合、形状導出機能１０Ｍは、処理対象の検知点群Ｂに含まれる、他の検知点群Ｂにも属する検知点３２（他の検知点３２と称する）の数や、センサ１０Ｇと該他の検知点３２の各々とを結ぶ直線が処理対象の検知点群Ｂにあてはめた初期形状モデルに交差する数を、評価関数として用いる。

また、形状導出機能１０Ｍは、これらの複数種類の評価関数の和を、形状モデルＭのあてはめに用いる評価関数として用いてもよい。

なお、形状導出機能１０Ｍは、他の方法を用いて、検知点群Ｂに形状モデルＭをあてはめてもよい。

例えば、形状導出機能１０Ｍは、検知点群Ｂから物体３０の種類を判別し、物体３０の種類ごとに対応する形状モデルＭを選択することで、該検知点群Ｂに形状モデルＭをあてはめてもよい。

例えば、形状導出機能１０Ｍは、物体３０の種類ごとに異なる形状モデルＭを、予め設定する。具体的には、形状導出機能１０Ｍは、物体３０の種類“人物”には円の形状モデルＭ、物体３０の種類“自動四輪車”には長方形の形状モデルＭ、物体３０の種類“ガードレール”には線状の形状モデルＭ、を予め設定する。

そして、形状導出機能１０Ｍは、検知点群Ｂから判別した物体３０の種類に対応する形状モデルＭを、選択すればよい。これによって、形状導出機能１０Ｍは、物体３０の種類の判別結果に応じて、あてはめる形状モデルＭの種類を変化させることができる。

なお、形状導出機能１０Ｍは、形状モデル管理情報１０Ｊ（図３参照）における、物体３０の種類に対応する“とりうる大きさの範囲”を更に用いて、検知点群Ｂに形状モデルＭをあてはめてもよい。この場合、“とりうる大きさの範囲”は、物体３０の種類ごとに予め定めればよい。例えば、形状モデルＭの形状が長方形であっても、その長方形の大きさは、対応する物体３０の種類に応じて異なる。このため、“とりうる大きさの範囲”には、対応する物体３０の種類（例えば、自転車、自動四輪車、バス、など）の平均的なサイズを用いればよい。

そして、情報処理装置１０は、形状モデルの大きさ（例えば、長方形の辺の長さ）を、検知点群Ｂへのあてはめの際の変数として加え、大きさの変数を変化される探索範囲を、物体３０の種類に対応する“とりうる大きさの範囲”とし、検知点群Ｂに形状モデルＭをあてはめればよい。

これによって、例えば、図４（Ｂ）および図４（Ｃ）に示すように、検知点群Ｂ１〜検知点群Ｂ５の各々に、形状モデルＭ１〜形状モデルＭ５の各々があてはめられる。

図２に戻り説明を続ける。特定機能１０Ｎは、特定部の一例である。特定機能１０Ｎは、形状導出機能１０Ｍによってあてはめられた形状モデルＭに基づいて、物体３０の対象点Ｔを特定する。すなわち、特定機能１０Ｎは、形状モデルＭに基づいて、形状モデルＭのあてはめられた検知点群Ｂに対応する物体３０の対象点Ｔを特定する。

本実施の形態では、特定機能１０Ｎは、形状モデルＭに予め設定した複数の候補点の内の１つを、物体３０の対象点Ｔとして特定する。

図４（Ｄ）は、特定機能１０Ｎによる対象点Ｔの特定の一例を示す説明図である。例えば、形状モデルＭ１〜形状モデルＭ５の各々に、各形状モデルＭに対応する複数の候補点Ｃとして、矩形状の形状モデルＭの４頂点（候補点Ｃ１〜候補点Ｃ４）の各々が予め設定されていたと仮定する。この場合、特定機能１０Ｎは、検知点群Ｂごとにあてはめられた形状モデルＭ（形状モデルＭ１〜形状モデルＭ５）の各々について、各形状モデルＭの複数の候補点Ｃ（候補点Ｃ１〜候補点Ｃ４）の内の１つを、対象点Ｔとして特定する。

特定機能１０Ｎは、形状導出機能１０Ｍであてはめた形状モデルＭに対応する複数の候補点Ｃを、形状モデル管理情報１０Ｊから読取り、対象点Ｔの特定に用いればよい。

詳細には、特定機能１０Ｎは、形状モデルＭに対応する複数の候補点Ｃを予め設定する。本実施の形態では、特定機能１０Ｎは、形状モデルＭと、複数の候補点Ｃと、を対応づけて予め形状モデル管理情報１０Ｊ（図３参照）に登録することで、候補点Ｃを予め設定すればよい。

特定機能１０Ｎは、あてはめた形状モデルＭに予め設定した複数の候補点の内の１つを、対象点Ｔとして特定する。

例えば、特定機能１０Ｎは、形状モデルＭに予め設定した複数の候補点Ｃの内、センサ１０Ｇの位置に最も近い候補点Ｃを、対象点Ｔとして特定する。

センサ１０Ｇの位置には、観測情報の取得時のセンサ１０Ｇの位置を用いればよい。また、特定機能１０Ｎは、検知点３２の位置情報、および、形状モデルＭにおける複数の候補点Ｃの各々と検知点群Ｂを構成する検知点３２の各々との相対的な位置関係、に基づいて、候補点Ｃの各々の位置を特定すればよい。そして、特定機能１０Ｎは、形状モデルＭに予め設定した複数の候補点Ｃの内、センサ１０Ｇの位置に最も近い位置の候補点Ｃを、対象点Ｔとして特定する。

なお、上述したように、形状モデルＭは、物体３０を構成する検知点３２の検知点群Ｂごとにあてはめられたものである。また、取得機能１０Ｋは、検知点３２の各々の位置情報を取得する。このため、特定機能１０Ｎは、形状モデルＭに設定された複数の候補点Ｃの各々と、検知点群Ｂを構成する検知点３２の各々と、の相対的な位置関係を把握することができる。

図４（Ｄ）を用いて説明する。例えば、物体３０Ａの検知点群Ｂ１（図４（Ｂ）参照）にあてはめた形状モデルＭ１に、複数の候補点Ｃ（候補点Ｃ１〜候補点Ｃ４）が設定されていたと仮定する（図４（Ｄ）参照）。この場合、特定機能１０Ｎは、該形状モデルＭ１の複数の候補点Ｃ（候補点Ｃ１〜候補点Ｃ４）の内、センサ１０Ｇの位置に最も近い候補点Ｃ４を、物体３０Ａの対象点Ｔとして特定する。

特定機能１０Ｎは、検知点群Ｂ２〜検知点群Ｂ５の各々にあてはめた形状モデルＭ２〜形状モデルＭ５の各々についても同様に、複数の候補点Ｃの内、センサ１０Ｇの位置に最も近い候補点Ｃ（図４（Ｄ）に示す例では、形状モデルＭ２の候補点Ｃ１、形状モデルＭ３の候補点Ｃ２、形状モデルＭ４の候補点Ｃ２、形状モデルＭ５の候補点Ｃ４）の各々を、各形状モデルＭ（形状モデルＭ２〜形状モデルＭ５）の各々に対応する物体３０（物体３０Ｂ〜物体３０Ｅ）の各々の対象点Ｔとして特定する。

なお、特定機能１０Ｎは、形状モデルＭに予め設定した複数の候補点Ｃの内、該形状モデルＭをあてはめた検知点群Ｂを構成する検知点３２に最も近い候補点Ｃを、物体３０の対象点Ｔとして特定してもよい。すなわち、特定機能１０Ｎは、形状モデルＭに予め設定した複数の候補点Ｃの内、最も近い位置に検知点３２の存在する候補点Ｃを、物体３０の対象点Ｔとして特定してもよい。

また、特定機能１０Ｎは、形状モデルＭに予め設定した複数の候補点Ｃの内、検知点群Ｂを構成する検知点３２の分布率の最も高い候補点Ｃを、物体３０の対象点Ｔとして特定してもよい。

検知点３２の分布率は、候補点Ｃの周辺に存在する検知点３２の割合を示す。検知点３２の分布率は、候補点Ｃに対して、より近くに位置する検知点３２の数が多いほど、大きい値を示す。例えば、候補点Ｃにおける検知点３２の分布率は、候補点Ｃから予め定めた範囲内に位置する検知点３２の各々に、候補点Ｃに近い位置ほど大きい値を付与し、該検知点３２に付与した値の合計値で表す。

そして、物体３０の検知点群Ｂにあてはめた形状モデルＭにおける複数の候補点Ｃの内、検知点３２の分布率の最も高い候補点Ｃを、物体３０の対象点Ｔとして特定すればよい。

すなわち、特定機能１０Ｎは、分布率を用いて対象点Ｔを特定することで、検知点群Ｂを構成する複数の検知点３２における、候補点Ｃから所定の範囲内に含まれる検知点３２の数や、候補点Ｃから該候補点Ｃに最も近い検知点３２までの距離を用いて、物体３０の対象点Ｔを特定することができる。

ここで、検知点３２の分布率が高いほど、候補点Ｃに対する形状モデルＭのあてはまりが良いといえる。このため、特定機能１０Ｎが、検知点３２の分布率の最も高い候補点Ｃを物体３０の対象点Ｔとして特定することで、対象点Ｔの特定精度の向上を図ることができる。また、形状モデルＭに設定された複数の候補点Ｃの内、周囲の検知点３２の少ない不安定な候補点Ｃを対象点Ｔから除外することができる。このため、特定機能１０Ｎは、異なるタイミングに観測された観測情報における、同じ物体３０の対象点Ｔを精度良く特定することができる。

出力制御機能１０Ｐは、出力部の一例である。出力制御機能１０Ｐは、物体３０の対象点Ｔを示す出力情報を、出力回路１０Ｃから出力する。なお、出力制御機能１０Ｐは、出力情報を記憶回路１０Ｂへ記憶してもよい。また、出力制御機能１０Ｐは、出力情報を、他の処理機能部（例えば、衝突判定や運動予測などを行う機能）に対して出力してもよい。また、出力制御機能１０Ｐは、出力情報の記憶回路１０Ｂへの記憶と、出力情報の出力と、出力情報の他の処理機能部への出力と、の少なくとも２つ以上を行ってもよい。

上述したように、出力情報は、物体３０の対象点Ｔに関する情報を含む。具体的には、出力情報は、物体３０の対象点Ｔの位置を示す情報、対象点Ｔに基づいて導出された物体３０の移動方向、移動距離、移動速度、の少なくとも１つを含む。

例えば、出力制御機能１０Ｐは、分類機能１０Ｌで分類した検知点群Ｂの物体３０の各々の対象点Ｔに関する出力情報を、出力回路１０Ｃから出力する。

これによって、出力回路１０Ｃにおける通信回路１０Ｄが、外部装置などに、対象点Ｔに関する出力情報を送信する。また、例えば、出力回路１０Ｃにおけるディスプレイ１０Ｅに、出力情報が表示される。また、例えば、出力回路１０Ｃにおけるスピーカ１０Ｆが、出力情報に応じた音を出力する。出力情報に応じた音は、出力情報を示す音声であってもよいし、出力情報に応じた警告音であってもよい。

次に、処理回路１０Ａが実行する処理の手順を説明する。図５は、処理回路１０Ａが実行する処理の手順の一例を示す、フローチャートである。

まず、取得機能１０Ｋが、センサ１０Ｇから、観測情報を取得する（ステップＳ１００）。次に、取得機能１０Ｋは、ステップＳ１００で取得した観測情報から、検知点３２の各々の位置情報を取得する（ステップＳ１０２）。

次に、分類機能１０Ｌが、ステップＳ１０２で位置情報を取得した複数の検知点３２を、物体３０を構成する検知点群Ｂに分類する（ステップＳ１０４）。次に、形状導出機能１０Ｍが、ステップＳ１０４で分類した検知点群Ｂに、形状モデルＭをあてはめる（ステップＳ１０６）。なお、ステップＳ１０４の処理において、形状導出機能１０Ｍが、複数の検知点３２を複数の検知点群Ｂに分類した場合には、形状導出機能１０Ｍは、複数の検知点群Ｂの各々に、形状モデルＭをあてはめる。

次に、特定機能１０Ｎは、ステップＳ１０６であてはめた形状モデルＭに基づいて、物体３０の対象点Ｔを特定する（ステップＳ１０８）。なお、ステップＳ１０６の処理において、形状導出機能１０Ｍが、複数の検知点群Ｂの各々に形状モデルＭをあてはめた場合、特定機能１０Ｎは、複数の形状モデルＭの各々に対応する物体３０の各々について、対象点Ｔを特定する。

次に、特定機能１０Ｎは、ステップＳ１０８で特定した対象点Ｔに関する出力情報を、出力回路１０Ｃから出力する（ステップＳ１１０）。

次に、処理回路１０Ａは、処理を終了するか否かを判断する（ステップＳ１１２）。例えば、処理回路１０Ａは、入力装置１０Ｈから処理終了を示す信号を受付けたか否かを判別することで、ステップＳ１１２の判断を行う。ステップＳ１１２で否定判断すると（ステップＳ１１２：Ｎｏ）、上記ステップＳ１００へ戻る。一方、ステップＳ１１２で肯定判断すると（ステップＳ１１２：Ｙｅｓ）、本ルーチンを終了する。

上記処理を実行することによって、処理回路１０Ａでは、センサ１０Ｇが観測情報を取得する毎に、観測情報から取得した検知点３２の各々の位置情報に基づいて検知点群Ｂに形状モデルＭをあてはめ、形状モデルＭに基づいて、物体３０の対象点Ｔを特定する。このため、観測時刻などの異なる複数の観測情報の各々について、物体３０の対象点Ｔを特定することができる。

図６は、本実施の形態の処理回路１０Ａによる、対象点Ｔの特定の一例を示す説明図である。形状モデルＭ１によって示される物体３０Ａが、センサ１０Ｇから離れる方向（矢印Ｘ方向）に移動していると仮定する。そして、センサ１０Ｇが、時刻ｔ１、時刻ｔ２、時刻ｔ３、時刻ｔ４、の各々の時刻の観測情報を取得したと仮定する。

そして、処理回路１０Ａが、時刻ｔ１、時刻ｔ２、時刻ｔ３、および、時刻ｔ４の各々の時刻の観測情報を取得するごとに、上記ステップＳ１００〜ステップＳ１１２の処理を実行したと仮定する。

この場合、取得機能１０Ｋは、時刻ｔ１、時刻ｔ２、時刻ｔ３、および、時刻ｔ４の各々の時刻における、物体３０Ａを構成する複数の検知点３２（検知点３２_１〜検知点３２_５）の位置情報を取得する（図６（Ａ）参照）。そして、分類機能１０Ｌおよび形状導出機能１０Ｍによって、時刻ｔ１、時刻ｔ２、時刻ｔ３、および、時刻ｔ４の各々の時刻における、物体３０Ａを構成する検知点群Ｂ１に、形状モデルＭ１があてはめられる（図６（Ａ）、図６（Ｂ）参照）。

特定機能１０Ｎは、時刻ｔ１、時刻ｔ２、時刻ｔ３、および、時刻ｔ４の各々のタイミングにおいてあてはめた形状モデルＭ１の各々について、形状モデルＭ１の複数の候補点Ｃの内の１つを、対象点Ｔとして特定する。図６に示す例は、特定機能１０Ｎは、時刻ｔ１、時刻ｔ２、時刻ｔ３、および、時刻ｔ４の各々の時刻において、あてはめた形状モデルＭ１の各々の複数の候補点Ｃの内、センサ１０Ｇに最も近い候補点Ｃ４を、対象点Ｔとして特定した場合を示した。

詳細には、特定機能１０Ｎは、あてはめた形状モデルＭ１に設定されている候補点Ｃ（候補点Ｃ１〜候補点Ｃ４）の各々の位置を特定する。図６に示す例では、特定機能１０Ｎは、長方形の形状モデルＭ１の４頂点の各々の位置を特定する。

次に、特定機能１０Ｎは、観測情報を取得した各時刻（時刻ｔ１、時刻ｔ２、時刻ｔ３、および、時刻ｔ４）における、センサ１０Ｇの位置を特定する。本実施の形態では、特定機能１０Ｎは、情報処理装置１０にセンサ１０Ｇが設置されているものとし、情報処理装置１０の位置をセンサ１０Ｇの位置として用いる。なお、各検知点３２に対するセンサ１０Ｇの相対位置を、センサ１０Ｇの位置として用いてもよい。

そして、特定機能１０Ｎは、形状モデルＭ１を構成する複数の候補点Ｃ（候補点Ｃ１〜候補点Ｃ４）の各々と、センサ１０Ｇと、の距離を算出する。特定機能１０Ｎは、観測情報を取得した各時刻（時刻ｔ１、時刻ｔ２、時刻ｔ３、および、時刻ｔ４）の各々について、形状モデルＭ１に設定された候補点Ｃ１〜候補点Ｃ４の内、センサ１０Ｇとの距離が最も小さい候補点Ｃ４を、対象点Ｔとして特定する。

このように、特定機能１０Ｎは、形状モデルＭ１に予め設定した複数の候補点Ｃの内の１つを、対象点Ｔとして特定する。このため、観測情報を取得した時刻が異なる場合であっても、物体３０の対象点Ｔを安定して特定することができる。

以上説明したように、本実施の形態の情報処理装置１０は、取得機能１０Ｋと、分類機能１０Ｌと、形状導出機能１０Ｍと、特定機能１０Ｎと、を備える。取得機能１０Ｋは、複数の検知点３２の各々の位置情報を取得する。分類機能１０Ｌは、複数の検知点３２を、物体３０を構成する検知点群Ｂに分類する。形状導出機能１０Ｍは、分類された検知点群Ｂを構成する検知点３２の各々の位置情報に基づいて、検知点群Ｂに所定の形状モデルＭをあてはめる。特定機能１０Ｎは、形状モデルＭに基づいて、物体３０の対象点Ｔを特定する。

このように、本実施の形態の情報処理装置１０では、物体３０を構成する検知点群Ｂにあてはめた形状モデルＭに基づいて、物体３０の対象点Ｔを特定する。

従って、本実施の形態の情報処理装置１０では、物体３０の対象点Ｔを精度良く特定することができる。

また、本実施の形態では、特定機能１０Ｎは、形状モデルＭに予め設定した複数の候補点の内の１つを、物体３０の対象点Ｔとして特定する。このため、本実施の形態の情報処理装置１０では、物体３０における同じ位置を対象点Ｔとして特定することができる。すなわち、時刻や観察方向などの異なる複数の観測情報に、同じ物体３０が含まれる場合であっても、同じ物体３０について、該物体３０における同じ位置を、対象点Ｔとして特定することができる。

なお、本実施の形態の情報処理装置１０で特定した、物体３０の対象点Ｔは、物体３０の位置、物体３０の移動量、および、物体３０の移動速度、などの導出に用いることができる。

例えば、図６（Ｃ）に示すように、特定機能１０Ｎは、時刻ｔ１、時刻ｔ２、時刻ｔ３、および、時刻ｔ４の各々において特定した、物体３０Ａの対象点Ｔを用いて、該物体３０Ａの移動方向、移動量、および、移動速度、の少なくとも１つを算出してもよい。

この場合、特定機能１０Ｎは、例えば、物体３０Ａについて、異なる時刻の各々で特定した対象点Ｔを結ぶ直線の方向（図６（Ｄ）中の、矢印Ｘ方向参照）を、物体３０Ａの移動方向として算出する。また、特定機能１０Ｎは、例えば、物体３０Ａについて、異なる時刻の各々で特定した対象点Ｔ間の距離を、各時刻間の移動量として算出する。また、特定機能１０Ｎは、例えば、物体３０Ａについて、異なる時刻の各々で特定した対象点Ｔ間の距離と、時刻間の間隔と、を用いて、移動速度を算出する。

このため、本実施の形態の情報処理装置１０で特定した物体３０の対象点Ｔを用いることで、本実施の形態の情報処理装置１０では、上記効果に加えて、物体３０の位置、移動量、および移動速度の少なくとも１つを、高精度に導出することが出来る。

なお、物体３０とセンサ１０Ｇとの位置関係によっては、同じ物体３０であっても、物体３０における異なる位置が対象点Ｔとして特定される場合がある。

図７は、物体３０における異なる位置が対象点Ｔとして特定される場合の説明図である。図７に示すように、物体３０Ａが、センサ１０Ｇに近付く方向に向かって移動した後に離れる方向に向かって移動したと仮定する（図７中、矢印Ｘ方向参照）。

そして、特定機能１０Ｎが、該物体３０Ａの検知点群Ｂ１にはてはめられた形状モデルＭ１に設定された候補点Ｃ（候補点Ｃ１〜候補点Ｃ４）における、センサ１０Ｇに最も近い位置の候補点Ｃを、対象点Ｔとして特定したと仮定する。この場合、時刻ｔ１で観測された観測情報に基づいて特定された、物体３０Ａの対象点Ｔは、物体３０Ａの検知点群Ｂ１にあてはめられた形状モデルＭ１における、候補点Ｃ１である。一方、時刻ｔ２で観測された観測情報に基づいて特定された、物体３０Ａの対象点Ｔは、物体３０Ａの検知点群Ｂ１にあてはめられた形状モデルＭ１における、候補点Ｃ４である。

この場合、物体３０Ａの移動量を、時刻ｔ２において対象点Ｔとして特定した候補点Ｃ４と、時刻ｔ１において対象点Ｔとして特定した候補点Ｃ１、を用いて、物体３０Ａの移動距離、移動方向、および移動速度を算出すると、誤差が生じる。

そこで、特定機能１０Ｎでは、特定した対象点Ｔを用いて物体３０（図７では物体３０Ａ）の移動量、移動方向、および移動速度の少なくとも１つを導出する場合、以下の方法を用いることが好ましい。

詳細には、特定機能１０Ｎは、この場合、異なる時刻の各々の物体３０Ａにあてはめられた形状モデルＭ１間における、互いに対応する位置の候補点Ｃを用いて、移動量、移動方向、および移動速度を導出すればよい。対応する位置の候補点Ｃとは、異なる時刻の同じ物体３０（ここでは物体３０Ａ）の各々にあてはめられた複数の形状モデルＭ（例えば形状モデルＭ１）間における、同じ位置関係の候補点Ｃを示す。

図７に示す例では、特定機能１０Ｎは、物体３０Ａの移動量、移動方向、および移動速度の少なくとも１つを導出する場合、時刻ｔ１における候補点Ｃ１である対象点Ｔと、時刻ｔ１の候補点Ｃ１に対応する、時刻ｔ２における対応する候補点Ｃである候補点Ｃ１と、を用いて、物体３０Ａの移動量、移動方向、および移動速度を導出する。

これにより、本実施の形態の情報処理装置１０では、上記効果に加えて、物体３０の、移動量、移動方向、および移動速度の少なくとも１つを、精度良く導出することができる。

なお、特定機能１０Ｎは、物体３０Ａの移動量、移動方向、および移動速度の少なくとも１つを導出する場合、時刻ｔ１における対象点Ｔ（候補点Ｃ１）と、時刻ｔ２における対象点Ｔ（候補点Ｃ４）と、の距離に、物体３０Ａにおける移動方向の長さを加算した値を、物体３０Ａの移動量として用いてもよい。なお、物体３０Ａにおける移動方向の長さに代えて、形状モデルＭにおける、該候補点Ｃ１と該候補点Ｃ４との位置関係を用いてもよい。

なお、本実施の形態では、特定機能１０Ｎは、形状モデルＭに予め設定した複数の候補点Ｃの内、センサ１０Ｇの位置に最も近い候補点Ｃ、検知点３２の分布率の最も高い候補点Ｃ、検知点３２に最も近い候補点Ｃ、の何れかを、対象点Ｔとして特定する場合を示した。しかし、特定機能１０Ｎは、形状モデルＭに予め設定された複数の候補点Ｃの内の１つを、対象点Ｔとして特定すればよく、その特定方法は限定されない。

また、特定機能１０Ｎは、複数の特定方法を組み合わせて、対象点Ｔの特定に用いてもよい。例えば、特定機能１０Ｎは、複数の特定方法の各々の基準値の合計値を、１つの基準値として求める。そして、特定機能１０Ｎは、形状モデルＭに設定された複数の候補点Ｃの各々を、該基準値を用いて判定し、最も良いと判定した候補点Ｃを、対象点Ｔとして特定してもよい。また、特定機能１０Ｎは、複数の特定方法の各々に閾値を設定した判定処理を行い、合格判定の多かった（もしくはすべて合格した）候補点Ｃを、対象点Ｔとして特定してもよい。

このように、特定機能１０Ｎが複数の特定方法を組み合わせて対象点Ｔを特定することで、情報処理装置１０は、より精度良く対象点Ｔを特定することができる。

例えば、図７に示すように、同じ物体３０Ａにあてはめた形状モデルＭ１から対象点Ｔとして特定される候補点Ｃが変わる時刻（時刻ｔ１、時刻ｔ２）の時間帯では、１つの特定方法を用いて対象点Ｔを特定すると、対象点Ｔとして特定される候補点Ｃが変動する場合がある。一方、特定機能１０Ｎが複数の特定方法を組み合わせて対象点Ｔを特定することで、このような変動を抑制することができる。

（第２の実施の形態）
図８は、情報処理装置１４の構成の一例を示すブロック図である。本実施の形態では、情報処理装置１４は、第１の実施の形態の情報処理装置１０とは異なる方法で、対象点Ｔを特定する。

情報処理装置１４の構成について詳細に説明する。

情報処理装置１４は、物体３０の対象点Ｔを特定する。情報処理装置１４は、例えば、専用または汎用コンピュータである。情報処理装置１４は、処理回路１４Ａと、記憶回路１０Ｂと、出力回路１０Ｃ（通信回路１０Ｄ、ディスプレイ１０Ｅ、スピーカ１０Ｆ）と、センサ１０Ｇと、入力装置１０Ｈと、を備える。

情報処理装置１４は、処理回路１０Ａに代えて処理回路１４Ａを備えた点以外は、第１の実施の形態の情報処理装置１０と同様である。

処理回路１４Ａは、取得機能１０Ｋと、分類機能１０Ｌと、探索部１４Ｒと、形状導出機能１４Ｍと、特定機能１４Ｎと、出力制御機能１０Ｐと、を備える。処理回路１４Ａは、形状導出機能１０Ｍおよび特定機能１０Ｎに代えて、形状導出機能１４Ｍおよび特定機能１４Ｎを備え、探索部１４Ｒを更に備える以外は、処理回路１０Ａと同様である。

本実施の形態では、処理回路１４Ａは、あるタイミング（第１のタイミングとする）の物体３０の対象点Ｔを特定するときに、他のタイミング（第２のタイミングとする）の同じ物体３０の対象点Ｔから、第１のタイミングの物体３０の対象点Ｔを特定する。

第１のタイミングと第２のタイミングは、センサ１０Ｇによる観測情報の取得タイミング、およびセンサ１０Ｇの位置、の少なくとも一方が異なる。取得タイミングが異なる場合、第２のタイミングは、第１のタイミングより前のタイミングであってもよいし、第１のタイミングより後のタイミングであってもよい。センサ１０Ｇの位置が異なる場合、情報処理装置１４は、設置位置の異なる複数のセンサ１０Ｇを備えた構成とすればよい。そして、各センサ１０Ｇから取得した観測情報の内の１つを、第１のタイミングの観測情報とし、他のセンサ１０Ｇから取得した観測情報を、第２のタイミングの観測情報として用いればよい。

なお、第２のタイミングが第１のタイミングより後の（すなわち第１のタイミングより未来の）タイミングである場合、処理回路１４Ａでは、各タイミングに対応する複数の観測情報を取得した後に、各タイミングの観測情報に基づいた物体３０の対象点Ｔの特定を行えばよい。

本実施の形態の処理回路１４Ａは、探索部１４Ｒを更に備える。また、処理回路１４Ａは、第１の実施の形態の形状導出機能１０Ｍおよび特定機能１０Ｎに代えて、形状導出機能１４Ｍおよび特定機能１４Ｎを備える。なお、なお、取得機能１０Ｋ、分類機能１０Ｌ、および出力制御機能１０Ｐは、第１の実施の形態と同様である。

図９は、処理回路１４Ａによる処理の説明図である。

探索部１４Ｒは、第１のタイミングｔ１’における物体３０を構成する検知点群Ｂに対応する、第２のタイミングｔ２’における同じ物体３０を構成する検知点群Ｂを探索する。

例えば、図９（Ａ）に示すように、取得機能１０Ｋが、第２のタイミングｔ２’における物体３０Ｆを構成する検知点３２の位置情報として、検知点３２ｃ〜検知点３２ｆの位置情報を取得したと仮定する。また、分類機能１０Ｌが、これらの検知点３２ｃ〜検知点３２ｆを、物体３０Ｆを構成する検知点群Ｂｂに分類したと仮定する。

取得機能１０Ｋは、第１のタイミングｔ１’における検知点３２（検知点３２ａ、検知点３２ｂ）の各々の位置情報を取得する。すると、分類機能１０Ｌは、これらの検知点３２（検知点３２ａ、検知点３２ｂ）を、物体３０Ｆを構成する検知点群Ｂａに分類する。

そして、探索部１４Ｒは、分類機能１０Ｌで分類した検知点群Ｂの各々について、第２のタイミングｔ２’における、同じ物体３０を構成する検知点群Ｂを探索する。

例えば、探索部１４Ｒは、第２のタイミングｔ２’における検知点群Ｂを記憶しておく。そして、探索部１４Ｒは、第１のタイミングｔ１’における検知点群Ｂａを分類機能１０Ｌから受付けると、該検知点群Ｂａの物体３０Ｆと同一の物体３０Ｆを構成する検知点群Ｂ（検知点群Ｂｂ）を、第２のタイミングｔ２’の検知点群Ｂから探索する。

例えば、探索部１４Ｒは、第１のタイミングｔ１’における検知点群Ｂａを構成する検知点３２の各々について、１点ごとに、第２のタイミングｔ２’における対応する検知点３２を探索する。そして、探索部１４Ｒは、第２のタイミングｔ２’の検知点群Ｂの内、第１のタイミングｔ１’における検知点群Ｂａを構成する検知点３２に対して対応する検知点３２を最も多く含む検知点群Ｂを、同じ物体３０Ｆを構成する検知点群Ｂｂとして探索する。

具体的には、探索部１４Ｒは、第１のタイミングｔ１’における検知点群Ｂａを構成する検知点３２の各々の位置情報を用いて、第２のタイミングｔ２’における最も近い位置に存在する検知点３２を、対応する検知点３２として探索する。そして、第２のタイミングｔ２’における対応する検知点３２の最も多い検知点群Ｂを、該第２のタイミングｔ２’における同じ物体３０Ｆの検知点群Ｂｂとして探索すればよい。

なお、探索部１４Ｒは、他の方法を用いて、第１のタイミングｔ１’における検知点群Ｂａを構成する検知点３２の各々に対応する、第２のタイミングｔ２’における検知点３２を探索してもよい。

例えば、探索部１４Ｒは、第１のタイミングｔ１’における検知点群Ｂａを構成する検知点３２について、１点ごとに、周辺の他の検知点３２の分布を示す特徴量を算出する。そして、探索部１４Ｒは、第２のタイミングｔ２’における、該特徴量の最も近い検知点３２を、対応する検知点３２として探索してもよい。

また、探索部１４Ｒは、第１のタイミングｔ１’と第２のタイミングｔ２’との差分（例えば、経過時間）と、第２のタイミングｔ２’における物体３０Ｆの移動方向および移動量に基づいて、第１のタイミングｔ１’における検知点群Ｂａに対応する、第２のタイミングｔ２’における同じ物体３０Ｆの検知点群Ｂｂを探索してもよい。

このようにして、探索部１４Ｒは、第１のタイミングｔ１’における検知点群Ｂａの示す物体３０Ｆと同一の物体３０Ｆを構成する検知点群Ｂｂを、第２のタイミングｔ２’の検知点３２から探索する。

なお、探索部１４Ｒは、第１のタイミングｔ１’で分類された検知点群Ｂと、第２のタイミングｔ２’で分類された検知点群Ｂと、を用いて、同じ物体３０を構成する検知点群Ｂごとに、対応づけを行ってもよい。この場合、探索部１４Ｒは、検知点群Ｂを構成する検知点３２の各々の移動量や、検知点群Ｂを構成する検知点３２の各々の該特徴量を用いて、対応する検知点群Ｂを探索すればよい。

形状導出機能１４Ｍは、形状導出部の一例である。形状導出機能１４Ｍは、第１のタイミングｔ１’における検知点群Ｂａと、第２のタイミングｔ２’における対応する検知点群Ｂｂと、の各々に、形状モデルＭをあてはめる。形状導出機能１４Ｍは、第１の実施の形態の形状導出機能１０Ｍと同様にして、検知点群Ｂへ形状モデルＭをあてはめればよい。

図９に示す例では、形状導出機能１４Ｍは、第１のタイミングｔ１’における物体３０Ｆの検知点群Ｂａに、形状モデルＭをあてはめる。また、形状導出機能１４Ｍは、第２のタイミングｔ２’における、同じ物体３０Ｆの検知点群Ｂｂに、形状モデルＭ’をあてはめる（図９（Ｂ）参照）。

そして、特定機能１４Ｎは、第１のタイミングｔ１’の検知点群Ｂａにあてはめられた形状モデルＭにおける、第２のタイミングｔ２’の検知点群Ｂｂにあてはめられた形状モデルＭ’に基づいて設定された対象点Ｔ’に基づいて、第１のタイミングｔ１’の物体３０Ｆの対象点Ｔを特定する（図９（Ｂ）参照）。

詳細には、まず、特定機能１４Ｎは、第２のタイミングｔ２’の検知点群Ｂｂに形状モデルＭ’をあてはめ、該形状モデルＭ’の候補点Ｃの内の１つを、対象点Ｔ’として特定する。形状モデルＭ’のあてはめ、および、対象点Ｔ’の特定方法は、第１の実施の形態と同様である。

なお、特定機能１４Ｎは、第２のタイミングｔ２’における、検知点群Ｂｂにあてはめた形状モデルＭ’に、対象点Ｔ’が既に特定済である場合、特定済の対象点Ｔ’を読取ることで、対象点Ｔ’を特定すればよい。

そして、特定機能１４Ｎは、第１のタイミングｔ１’の検知点群Ｂａにあてはめられた形状モデルＭに設定された複数の候補点Ｃ（Ｃ１〜Ｃ４）の内、第２のタイミングｔ２’の形状モデルＭ’の対象点Ｔ’に基づいて、検知点群Ｂａの対象点Ｔを特定する。

図９（Ｂ）に示す例では、特定機能１４Ｎは、物体３０Ｆがセンサ１０Ｇから離れる方向（矢印Ｘ方向）に向かって移動しているものとして、形状モデルＭおよび形状モデルＭ’の各々の候補点Ｃを対応づける。これにより、図９（Ｂ）に示す例では、特定機能１４Ｎは、第１のタイミングｔ１’の形状モデルＭに設定された複数の候補点Ｃ（Ｃ１〜Ｃ４）の内、第２のタイミングｔ２’の形状モデルＭ’の対象点Ｔ’（候補点Ｃ４）に対応する位置の候補点Ｃ４を、検知点群Ｂａの対象点Ｔとして特定する。

このように、本実施の形態では、特定機能１４Ｎは、他のタイミング（第２のタイミングｔ２’）で特定した対象点Ｔ’を用いて、第１のタイミングｔ１’における同じ物体３０の対象点Ｔを特定する。

このため、本実施の形態の情報処理装置１４では、例えば、第１のタイミングｔ１’における、物体３０を構成する検知点群Ｂに含まれる検知点３２の数が少ない場合や、あてはめた形状モデルＭにおける複数の候補点Ｃの何れもがセンサ１０Ｇから遠い位置に存在する場合であっても、安定して物体３０の対象点Ｔを特定することができる。

なお、第２のタイミングｔ２’として用いる観測情報には、他のタイミングの観測情報から導出した検知点群Ｂを構成する検知点３２の数に比べて、検知点群Ｂを構成する検知点３２の数が多いものを用いることが好ましい。また、第２のタイミングｔ２’として用いる観測情報には、他のタイミングの観測情報に比べて、センサ１０Ｇから物体３０までの距離の近いものを用いることが好ましい。

これによって、特定機能１４Ｎは、より精度良く物体３０の対象点Ｔを特定することができる。

なお、上記には、探索部１４Ｒが、第２のタイミングｔ２’における検知点群Ｂを記憶しておき、第１のタイミングｔ１’における検知点群Ｂａの物体３０Ｆと同一の物体３０Ｆを構成する検知点群Ｂ（検知点群Ｂｂ）を、第２のタイミングｔ２’の検知点群Ｂから探索する形態を示した。

しかし、処理回路１４Ａは、第１のタイミングｔ１’における検知点群Ｂａにあてはめた形状モデルＭに対応する、第２のタイミングｔ２’の同じ物体３０Ｆの形状モデルＭ’を、第２のタイミングｔ２’における検知点群Ｂにあてはめた形状モデルＭから探索し、対象点Ｔの特定に用いてもよい。

また、本実施の形態では、第１のタイミングｔ１’と第２のタイミングｔ２’の２つのタイミングを用いて対象点Ｔを特定する場合を説明した。しかし、処理回路１４Ａは、第１のタイミングｔ１’に対して、複数の第２のタイミングｔ２’を用いて、対象点Ｔを特定してもよい。

また、処理回路１４Ａは、第２のタイミングｔ２’における物体３０Ｆの移動方向や移動速度から、第１のタイミングｔ１’における同じ物体３０Ｆの移動を予測してもよい。そして、処理回路１４Ａは、予測した位置における形状モデルＭと、第１のタイミングｔ１’における検知点群Ｂａにあてはめた形状モデルＭと、を用いて、対象点Ｔの特定を行ってもよい。

次に、処理回路１４Ａが実行する処理の手順の一例を説明する。図１０は、処理回路１４Ａが実行する処理の手順の一例を示す、フローチャートである。なお、図１０に示すフローでは、第２のタイミングｔ２’は、第１のタイミングｔ１’より前の（過去の）タイミングであるものとして説明する。

まず、取得機能１０Ｋが、センサ１０Ｇから、第１のタイミングｔ１’の観測情報を取得する（ステップＳ２００）。この第１のタイミングｔ１’は、センサ１０Ｇが新たに観測情報の取得する毎に、該観測情報の取得タイミングに更新すればよい。

次に、取得機能１０Ｋは、ステップＳ２００で取得した、第１のタイミングｔ１’の観測情報から、検知点３２の各々の位置情報を取得する（ステップＳ２０２）。

次に、分類機能１０Ｌが、ステップＳ２０２で位置情報を取得した複数の検知点３２を、物体３０を構成する検知点群Ｂに分類する（ステップＳ２０４）。ステップＳ２０４では、分類機能１０Ｌが、複数の検知点３２（検知点３２ａ、検知点３２ｂ）を、物体３０Ｆを構成する検知点群Ｂａに分類したと仮定して、説明を続ける。

次に、探索部１４Ｒは、第２のタイミングｔ２’における対応する物体３０Ｆの検知点群Ｂｂを探索する（ステップＳ２０６）。次に、形状導出機能１４Ｍは、第１のタイミングｔ１’における物体３０Ｆの検知点群Ｂａに、形状モデルＭをあてはめる（ステップＳ２０８）。また、形状導出機能１４Ｍは、第２のタイミングｔ２’における、同じ物体３０Ｆの検知点群Ｂｂに、形状モデルＭ’をあてはめる（ステップＳ２０８）。

次に、特定機能１４Ｎは、第２のタイミングｔ２’の検知点群Ｂｂにあてはめられた形状モデルＭ’の複数の候補点Ｃの内の１つを、対象点Ｔ’として特定する（ステップＳ２１０）。

次に、特定機能１４Ｎは、第１のタイミングｔ１’の検知点群Ｂａにあてはめられた形状モデルＭに設定された複数の候補点Ｃ（Ｃ１〜Ｃ４）の内、ステップＳ２１０で特定した対象点Ｔ’に対応する位置の候補点Ｃを、第１のタイミングｔ１’における物体３０Ｆの対象点Ｔとして特定する（ステップＳ２１２）。

次に、特定機能１４Ｎは、ステップＳ２１２で特定した対象点Ｔを示す出力情報を出力する（ステップＳ２１４）。

次に、処理回路１４Ａは、処理を終了するか否かを判断する（ステップＳ２１６）。例えば、処理回路１４Ａは、入力装置１０Ｈから処理終了を示す信号を受付けたか否かを判別することで、ステップＳ２１６の判断を行う。ステップＳ２１６で否定判断すると（ステップＳ２１６：Ｎｏ）、上記ステップＳ２００へ戻る。一方、ステップＳ２１６で肯定判断すると（ステップＳ２１６：Ｙｅｓ）、本ルーチンを終了する。

以上説明したように、本実施の形態の情報処理装置１４では、探索部１４Ｒが、第１のタイミングｔ１’の検知点３２の位置情報に基づいて分類された物体３０を構成する検知点群Ｂに対応する、第２のタイミングｔ２’の検知点３２の位置情報に基づいて分類された同じ物体３０を構成する検知点群Ｂを探索する。特定機能１４Ｎは、第１のタイミングｔ１’の検知点群Ｂにあてはめられた形状モデルＭにおける、第２のタイミングｔ２’の検知点群Ｂにあてはめられた形状モデルＭに基づいて設定された対象点Ｔ’に対応する位置を、第１のタイミングｔ１’の物体３０の対象点Ｔとして特定する。

このように、本実施の形態の情報処理装置１４は、異なるタイミングの観測情報に基づいて特定した対象点Ｔ’を用いて、処理対象のタイミングの観測情報に含まれる、物体３０の対象点Ｔを特定する。

従って、本実施の形態の情報処理装置１４では、第１の実施の形態の効果に加えて、対象点Ｔを安定して精度良く特定することができる。また、本実施の形態の情報処理装置１４では、第１の実施の形態の効果に加えて、処理回路１４Ａへの処理負荷の軽減、および、処理速度の向上の少なくとも一方を図ることができる。

（第３の実施の形態）
図１１は、本実施の形態の情報処理装置１６の構成の一例を示すブロック図である。本実施の形態の情報処理装置１６は、検知点群Ｂに複数の形状モデルＭをあてはめ、複数の形状モデルＭに基づいて、物体３０の対象点Ｔを特定する。

情報処理装置１６は、上記実施の形態の情報処理装置１０、情報処理装置１４と同様に、物体３０の対象点Ｔを特定する。情報処理装置１６は、例えば、専用または汎用コンピュータである。

情報処理装置１６は、処理回路１６Ａと、記憶回路１０Ｂと、出力回路１０Ｃと、センサ１０Ｇと、入力装置１０Ｈと、を備える。情報処理装置１６は、処理回路１０Ａに代えて処理回路１６Ａを備えた点以外は、第１の実施の形態の情報処理装置１０と同様である。

処理回路１６Ａは、取得機能１０Ｋと、分類機能１０Ｌと、形状導出機能１６Ｍと、特定機能１６Ｎと、出力制御機能１０Ｐと、を備える。処理回路１６Ａは、形状導出機能１０Ｍおよび特定機能１０Ｎに代えて、形状導出機能１６Ｍおよび特定機能１６Ｎを備える以外は、処理回路１０Ａと同様である。

形状導出機能１６Ｍは、分類機能１０Ｌが分類した検知点群Ｂに、形状および位置の少なくとも一方の異なる複数の形状モデルＭをあてはめる。言い換えると、本実施の形態では、形状導出機能１６Ｍは、１つの検知点群Ｂに対して、複数の形状モデルＭをあてはめる。

形状導出機能１６Ｍは、第１の実施の形態の形状導出機能１０Ｍと同様にして形状モデルＭをあてはめる。なお、第１の実施の形態では、形状導出機能１０Ｍは、１つの物体３０を構成する検知点群Ｂごとに、水平面に投影した検知点群Ｂに対して初期形状モデルの変数を微小に変化させ、評価関数を最小にする１つの初期形状モデルを、形状モデルＭとしてあてはめた。一方、本実施の形態では、形状導出機能１０Ｍは、１つの物体３０を構成する検知点群Ｂごとに、評価関数が最小のものから順に予め定めた複数の数の初期形状モデルを、複数の形状モデルＭとしてあてはめる。

図１２は、処理回路１６Ａによる対象点Ｔの特定の説明図である。図１２には、複数の検知点３２を含む検知点群Ｂに対して、互いに形の異なる２つの形状モデルＭ（形状モデルＭ１０（図１２（Ａ）参照）、形状モデルＭ１１（図１２（Ｂ）参照））の各々をあてはめた場合を示した。図１２に示す現象は、物体３０上における観測面が変わる事などにより生じる場合がある。

特定機能１６Ｎは、検知点群Ｂにあてはめた複数の形状モデルＭに基づいて、該検知点群Ｂの示す物体３０の対象点Ｔを特定する。

ここで、図１２（Ａ）、図１２（Ｂ）の各々に示す形状モデルＭ（形状モデルＭ１０、形状モデルＭ１１）を、検知点３２に対する位置が一致するように重ねて示すと、図１２（Ｃ）に示すものとなる。

特定機能１６Ｎは、あてはめた複数の形状モデルＭの各々に設定された候補点Ｃ（形状モデルＭ１１の候補点Ｃ１’〜候補点Ｃ４’、形状モデルＭ１０の候補点Ｃ１〜候補点Ｃ４）の内の１つの候補点Ｃを、対象点Ｔとして特定する。複数の候補点Ｃから、対象点Ｔとして１つの候補点Ｃを特定する方法は、第１の実施の形態における特定機能１０Ｎと同様の方法を用いればよい。

例えば、特定機能１６Ｎは、複数の形状モデルＭの各々に設定された候補点Ｃ（形状モデルＭ１１の候補点Ｃ１’〜候補点Ｃ４’、形状モデルＭ１０の候補点Ｃ１〜候補点Ｃ４）の内、センサ１０Ｇの位置に最も近い候補点Ｃ（例えば、候補点Ｃ４）を、対象点Ｔとして特定すればよい。

なお、特定機能１６Ｎは、検知点群Ｂにあてはめた複数の形状モデルＭについて、同じ領域に存在する候補点Ｃごとの平均位置を用いて、対象点Ｔを特定してもよい。同じ領域とは、形状モデルＭにおける位置が同じ領域を意味する。

図１３は、処理回路１６Ａによる対象点Ｔの特定の説明図である。図１３には、複数の検知点３２を含む検知点群Ｂに対して、互いに位置の異なる５つの形状モデルＭ（形状モデルＭ２０〜形状モデルＭ２４（図１３（Ａ）〜図１３（Ｅ）参照）の各々をあてはめた場合を示した。図１３に示す現象は、評価関数の小さい（評価関数が予め定めた値未満）の形状モデルＭが、真の物体の形状の近傍に複数存在する場合に生じる。

図１３（Ａ）〜図１３（Ｅ）の各々に示す形状モデルＭ（形状モデルＭ２０〜形状モデルＭ２４）の各々の検知点３２を、物体３０の真の形状を示す長方形にあてはめて表すと、図１３（Ｆ）に示すものとなる。

特定機能１６Ｎは、これらの形状モデルＭ（形状モデルＭ２０〜形状モデルＭ２４）の各々に設定された候補点Ｃの各々について、形状モデルＭにおける同じ領域の候補点Ｃの群（群Ｃ１０〜群Ｃ１３）ごとに、候補点Ｃの平均位置を求める。そして、求めた平均位置の各々を、該検知点群Ｂに対応する候補点Ｃ（Ｃ１０’、Ｃ１１’、Ｃ１２’、Ｃ１３’）として用いる。

そして、特定機能１６Ｎは、これらの複数の候補点Ｃ（Ｃ１０’、Ｃ１１’、Ｃ１２’、Ｃ１３’）の内の１つの候補点Ｃを、対象点Ｔとして特定する。複数の候補点Ｃ（Ｃ１０’、Ｃ１１’、Ｃ１２’、Ｃ１３’）から、対象点Ｔとして１つの候補点Ｃを特定する方法は、第１の実施の形態における特定機能１０Ｎと同様の方法を用いればよい。なお、特定機能１６Ｎは、候補点Ｃの平均位置に代えて、候補点Ｃの中点や重み付け平均を用いてもよい。

次に、処理回路１６Ａが実行する処理の手順を説明する。図１４は、処理回路１６Ａが実行する処理の手順の一例を示す、フローチャートである。

まず、取得機能１０Ｋが、センサ１０Ｇから、観測情報を取得する（ステップＳ３００）。次に、取得機能１０Ｋは、ステップＳ３００で取得した観測情報から、検知点３２の各々の位置情報を取得する（ステップＳ３０２）。

次に、分類機能１０Ｌが、ステップＳ３０２で位置情報を取得した複数の検知点３２を、物体３０を構成する検知点群Ｂに分類する（ステップＳ３０４）。次に、形状導出機能１６Ｍが、ステップＳ３０４で分類した検知点群Ｂに、複数の形状モデルＭをあてはめる（ステップＳ３０６）。

次に、特定機能１６Ｎは、ステップＳ３０６であてはめた複数の形状モデルＭに基づいて、対象点Ｔを特定する（ステップＳ３０８）。次に、特定機能１６Ｎは、ステップＳ３０８で特定した対象点Ｔを示す出力情報を出力する（ステップＳ３１０）。

次に、処理回路１６Ａは、処理を終了するか否かを判断する（ステップＳ３１２）。例えば、処理回路１６Ａは、入力装置１０Ｈから処理終了を示す信号を受付けたか否かを判別することで、ステップＳ３１２の判断を行う。ステップＳ３１２で否定判断すると（ステップＳ３１２：Ｎｏ）、上記ステップＳ３００へ戻る。一方、ステップＳ３１２で肯定判断すると（ステップＳ３１２：Ｙｅｓ）、本ルーチンを終了する。

以上説明したように、本実施の形態の情報処理装置１６では、形状導出機能１６Ｍが、検知点群Ｂに、形状および位置の少なくとも一方の異なる複数の形状モデルＭをあてはめる。特定機能１６Ｎは、複数の形状モデルＭに基づいて、物体３０の対象点Ｔを特定する。

このため、本実施の形態の情報処理装置１６では、形状モデルＭのあてはめが不安定な場合であっても、安定して物体３０の対象点Ｔを特定することができる。

従って、本実施の形態の情報処理装置１６では、上記第１の実施の形態の情報処理装置１０の効果に加えて、更に精度良く、物体３０の対象点Ｔを特定することができる。

次に、上記実施の形態の情報処理装置１０、情報処理装置１４、および、情報処理装置１６のハードウェア構成の一例を説明する。図１５は、上記実施の形態の情報処理装置１０、情報処理装置１４、および情報処理装置１６のハードウェア構成図の一例である。

上記実施の形態の情報処理装置１０、情報処理装置１４、および情報処理装置１６は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）８６などの制御装置と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）８８やＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０やＨＤＤ（ハードディスクドライブ）９２などの記憶装置と、各種機器とのインターフェースであるＩ／Ｆ部８２と、出力情報などの各種情報を出力する出力部８０と、ユーザによる操作を受付ける入力部９４と、各部を接続するバス９６とを備えており、通常のコンピュータを利用したハードウェア構成となっている。

上記実施の形態の情報処理装置１０、情報処理装置１４、および情報処理装置１６では、ＣＰＵ８６が、ＲＯＭ８８からプログラムをＲＡＭ９０上に読み出して実行することにより、上記各機能がコンピュータ上で実現される。

なお、上記実施の形態の情報処理装置１０、情報処理装置１４、および情報処理装置１６で実行される上記各処理を実行するためのプログラムは、ＨＤＤ９２に記憶されていてもよい。また、上記実施の形態の情報処理装置１０、情報処理装置１４、および情報処理装置１６で実行される上記各処理を実行するためのプログラムは、ＲＯＭ８８に予め組み込まれて提供されていてもよい。

また、上記実施の形態の情報処理装置１０、情報処理装置１４、および情報処理装置１６で実行される上記処理を実行するためのプログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ−ＲＯＭ、ＣＤ−Ｒ、メモリカード、ＤＶＤ（Ｄｉｇｉｔａｌ Ｖｅｒｓａｔｉｌｅ Ｄｉｓｋ）、フレキシブルディスク（ＦＤ）等のコンピュータで読み取り可能な記憶媒体に記憶されてコンピュータプログラムプロダクトとして提供されるようにしてもよい。また、上記実施の形態の情報処理装置１０、情報処理装置１４、および情報処理装置１６で実行される上記処理を実行するためのプログラムを、インターネットなどのネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしてもよい。また、上記実施の形態の情報処理装置１０、情報処理装置１４、および情報処理装置１６で実行される上記処理を実行するためのプログラムを、インターネットなどのネットワーク経由で提供または配布するようにしてもよい。

なお、上記には、本発明の実施の形態を説明したが、上記実施の形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この新規な実施の形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施の形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

１０、１４、１６ 情報処理装置
１０Ｇ センサ
１０Ｋ 取得機能
１０Ｌ 分類機能
１０Ｍ、１４Ｍ、１６Ｍ 形状導出機能
１０Ｎ、１４Ｎ、１６Ｎ 特定機能
１０Ｐ 出力制御機能
１４Ｒ 探索部

Claims (11)

1. 複数の検知点の各々の位置情報を取得する取得部と、
   前記複数の検知点を、物体を構成する検知点群に分類する分類部と、
   分類された前記検知点群を構成する前記検知点の各々の前記位置情報に基づいて、前記検知点群に所定の形状モデルをあてはめる形状導出部と、
   前記形状モデルに基づいて前記物体の対象点を特定する特定部と、
   第１のタイミングの前記位置情報に基づいて分類された前記物体を構成する前記検知点群に対応する、第２のタイミングの前記位置情報に基づいて分類された同じ前記物体を構成する前記検知点群を探索する探索部と、
   を備え、
   前記特定部は、
   前記第１のタイミングの前記検知点群にあてはめられた前記形状モデルにおける、前記第２のタイミングの前記検知点群にあてはめられた前記形状モデルに基づいて設定された前記対象点に対応する位置を、前記第１のタイミングの前記物体の前記対象点として特定する、
   情報処理装置。
2. 前記取得部は、センサの周辺の観測情報から、前記検知点の前記位置情報を取得する、請求項１に記載の情報処理装置。
3. 前記特定部は、
   前記形状モデルに予め設定した複数の候補点の内の１つを、前記対象点として特定する、請求項１に記載の情報処理装置。
4. 前記特定部は、
   前記形状モデルに予め設定した複数の候補点の内、前記センサに最も近い前記候補点を、前記対象点として特定する、請求項２に記載の情報処理装置。
5. 前記特定部は、
   前記形状モデルに予め設定した複数の候補点の内、前記検知点の分布率の最も高い前記候補点を、前記対象点として特定する、請求項１に記載の情報処理装置。
6. 前記特定部は、
   前記形状モデルに予め設定した複数の候補点の内、前記検知点に最も近い前記候補点を、前記対象点として特定する、請求項１に記載の情報処理装置。
7. 前記形状導出部は、前記検知点群に、形状および位置の少なくとも一方の異なる複数の前記形状モデルをあてはめ、
   前記特定部は、
   複数の前記形状モデルに基づいて前記物体の前記対象点を特定する、請求項１に記載の情報処理装置。
8. 前記センサは、距離センサ、および撮影装置のうち少なくとも１つを含む、請求項２に記載の情報処理装置。
9. 移動体または静止物に搭載された、請求項１に記載の情報処理装置。
10. 特定された前記対象点を示す情報を含む出力情報を出力する出力部を備える、請求項１に記載の情報処理装置。
11. 複数の検知点の各々の位置情報を取得する取得ステップと、
    前記複数の検知点を、物体を構成する検知点群に分類する分類ステップと、
    分類された前記検知点群を構成する前記検知点の各々の前記位置情報に基づいて、前記検知点群に所定の形状モデルをあてはめるステップと、
    前記形状モデルに基づいて前記物体の対象点を特定する特定ステップと、
    第１のタイミングの前記位置情報に基づいて分類された前記物体を構成する前記検知点群に対応する、第２のタイミングの前記位置情報に基づいて分類された同じ前記物体を構成する前記検知点群を探索する探索ステップと、
    を含み、
    前記特定ステップは、
    前記第１のタイミングの前記検知点群にあてはめられた前記形状モデルにおける、前記第２のタイミングの前記検知点群にあてはめられた前記形状モデルに基づいて設定された前記対象点に対応する位置を、前記第１のタイミングの前記物体の前記対象点として特定する、
    情報処理方法。

Images