JP7063184B2 - 物体認識装置 - Google Patents

Description

本発明は、車両に搭載され、車両の周囲の物体を認識する物体認識装置に関する。

特許文献１は、車両に搭載される物体検知装置を開示している。その物体検知装置は、所定範囲内で検知した複数の物体を統合して単一の物体として認識する。所定範囲は矩形状であり、所定範囲の前後幅及び左右幅は、物体の絶対速度に基づいて可変に設定される。ここで、所定範囲の前後幅は、物体検知装置が搭載されている車両の進行方向に沿って拡大される。また、所定範囲の左右幅は、物体検知装置が搭載されている車両の左右方向に沿って拡大される。

特開２００９－１８６２７６号公報

センサ装置を用いて周囲の物体を検出する車両について考える。検出された複数の物体が同一物体に属すると判定された場合、それら複数の物体は統合され、同一物体として認識される。検出された複数の物体が同一物体に属するか否かを判定するために、物体の検出位置を基準とした統合判定範囲（統合判定距離）が用いられる。

統合判定範囲（統合判定距離）が適切に設定されない場合、同一物体として認識されるべき複数の物体が、別々の物体であると誤認識されるおそれがある。あるいは、別々の物体として認識されるべき複数の物体が、同一物体として誤認識されるおそれがある。すなわち、物体認識精度が低下する。

上記の特許文献１に記載された技術によれば、複数の物体を統合するために用いられる所定範囲は、物体検知装置が搭載されている車両の進行方向に沿って拡大される。しかしながら、車両の進行方向は、検出された物体とは無関係である。物体とは無関係な方向に沿って拡大された所定範囲は、複数の物体を統合するためには不適切である。不適切な範囲設定は、物体認識精度の低下を招く。

本発明の１つの目的は、車両の周囲の物体を認識する物体認識装置による物体認識精度を向上させることができる技術を提供することにある。

第１の観点は、車両に搭載される物体認識装置に関する。
前記物体認識装置は、
前記車両の周囲の状況を検出するセンサ装置と、
前記センサ装置による検出結果を示すセンサ検出情報が格納される記憶装置と、
プロセッサと
を備える。
前記プロセッサは、
前記センサ検出情報に基づいて、前記車両の周囲の物体を検出し、
前記物体の検出位置を基準として、前記物体と同一と判定される距離である統合判定距離を初期設定し、
前記センサ検出情報に基づいて、前記物体の進行方向を推定し、
前記統合判定距離を前記進行方向に沿って拡大し、
前記統合判定距離に基づいて、検出された複数の物体が同一物体に属するか否かを判定し、
前記複数の物体が前記同一物体に属すると判定した場合、前記複数の物体を前記同一物体として統合する。

第２の観点は、第１の観点に加えて、次の特徴を更に有する。
前記物体の横方向は、前記進行方向と直交する平面方向である。
前記プロセッサは、前記統合判定距離を前記横方向に沿って拡大することを禁止する。

第３の観点は、第１あるいは第２の観点に加えて、次の特徴を更に有する。
前記センサ装置は、更に、前記車両の状態を検出する。
前記センサ検出情報は、更に、前記車両の速度を示す。
前記プロセッサは、
前記センサ検出情報に基づいて、前記物体の絶対速度を算出し、
前記進行方向に沿った前記統合判定距離の拡大量を前記絶対速度に応じて増加させる。

第４の観点は、第１あるいは第２の観点に加えて、次の特徴を更に有する。
前記センサ装置は、更に、前記車両の状態を検出する。
前記センサ検出情報は、更に、前記車両の速度を示す。
前記プロセッサは、
前記センサ検出情報に基づいて、前記物体の絶対速度と前記絶対速度の信頼度を算出し、
前記信頼度が閾値以上である前記物体について、前記進行方向に沿った前記統合判定距離の拡大量を前記絶対速度に応じて増加させる。

第５の観点は、第４の観点に加えて、次の特徴を更に有する。
前記プロセッサは、前記信頼度が前記閾値未満である前記物体については、前記進行方向に沿って前記統合判定距離を拡大することを禁止する。

第６の観点は、第４の観点に加えて、次の特徴を更に有する。
前記プロセッサは、前記信頼度が前記閾値未満である前記物体については、前記進行方向に沿った前記統合判定距離の前記拡大量を一定に設定する。

第７の観点は、第１から第５の観点のいずれかに加えて、次の特徴を更に有する。
前記センサ装置は、更に、前記車両の状態を検出する。
前記センサ検出情報は、更に、前記車両の速度を示す。
前記プロセッサは、
前記センサ検出情報に基づいて、前記物体の絶対速度を算出し、
前記絶対速度に基づいて、前記進行方向を推定する。

第８の観点は、第１から第６の観点のいずれかに加えて、次の特徴を更に有する。
前記プロセッサは、
前記センサ検出情報に基づいて、前記物体の形状の長手方向を推定し、
前記長手方向を前記進行方向と推定する。

本発明によれば、複数の物体が同一物体に属するか否かを判定する統合判定処理が行われる。その統合判定処理のための統合判定距離は、物体の検出位置を基準として初期設定される。更に、物体の進行方向が推定され、統合判定距離はその進行方向に沿って拡大される。すなわち、統合判定距離は、物体と無関係な方向ではなく、物体の進行方向に沿って拡大される。従って、統合判定距離に基づく統合判定処理の精度が向上する。その結果、物体認識精度も向上する。

本発明の実施の形態に係る車両を説明するための概念図である。 本発明の実施の形態に係る統合判定処理を説明するための概念図である。 長い物体に関する統合判定処理を説明するための概念図である。 第１の比較例を示す概念図である。 第２の比較例を示す概念図である。 本発明の実施の形態に係る統合判定距離の設定方法を説明するための概念図である。 本発明の実施の形態に係る統合判定処理の一例を説明するための概念図である。 本発明の実施の形態に係る統合判定処理の他の例を説明するための概念図である。 本発明の実施の形態に係る物体認識装置の構成例を示すブロック図である。 本発明の実施の形態に係る物体認識処理を示すフローチャートである。 本発明の実施の形態における物体の進行方向を推定する方法の第１の例を説明するための概念図である。 本発明の実施の形態における物体の進行方向を推定する方法の第２の例を説明するための概念図である。 本発明の実施の形態における物体の進行方向を推定する方法の第３の例を説明するための概念図である。 本発明の実施の形態における物体の進行方向を推定する方法の第３の例を説明するための概念図である。 本発明の実施の形態に係る物体認識処理のステップＳ２００（距離設定処理）の第１の例を示すフローチャートである。 本発明の実施の形態に係る物体認識処理のステップＳ２００（距離設定処理）の第２の例を示すフローチャートである。 本発明の実施の形態に係る物体認識処理のステップＳ２００（距離設定処理）の第２の例を説明するための概念図である。 本発明の実施の形態に係る物体認識処理のステップＳ２００（距離設定処理）の第３の例を説明するための概念図である。 本発明の実施の形態に係る物体認識処理のステップＳ２００（距離設定処理）の第３の例を示すフローチャートである。 本発明の実施の形態に係る物体認識処理のステップＳ２００（距離設定処理）の第４の例を示すフローチャートである。 本発明の実施の形態に係る運転支援システムの構成例を示すブロック図である。

添付図面を参照して、本発明の実施の形態を説明する。

１．概要
図１は、本実施の形態に係る車両１を説明するための概念図である。車両１は、車両１の周囲の状況を検出するセンサ装置を備えている。センサ装置としては、ライダー（LIDAR: Laser Imaging Detection and Ranging）、レーダ、カメラ、等が例示される。車両１は、センサ装置を用いて、車両１の周囲の物体Ｔ（物標）を検出する。

尚、図１には、ＸＹ座標系における物体Ｔの検出位置が示されている。Ｘ方向は、車両１の前後方向を表し、Ｙ方向は、車両１の横方向を表す。以下の説明においても同様である。

検出された複数の物体Ｔが同一物体に属する場合、それら複数の物体Ｔを同一物体として統合（認識）することが好ましい。例えば、同一物体の異なる部分が複数の物体Ｔとして検出された場合、それら複数の物体Ｔを同一物体として統合することが好ましい。

また、「複数の物体Ｔが同一物体に属する」とは、複数の物体Ｔが同一である場合も含む。例えば、視野の重なるライダーとカメラのそれぞれによって、同一物体が２つの物体Ｔとして検出された場合を考える。検出誤差が存在するため、２つの物体Ｔの検出位置は必ずしも一致しない。このような場合も、２つの物体Ｔを同一物体として統合することが好ましい。

検出された複数の物体Ｔを同一物体として統合する処理は、以下「物体統合処理」と呼ばれる。物体統合処理は、「フュージョン（fusion）処理」と呼ばれる場合もある。物体統合処理を行うためには、まず、検出された複数の物体Ｔが同一物体に属するか否かを判定する必要がある。そのような処理は、以下「統合判定処理」と呼ばれる。

図２は、本実施の形態に係る統合判定処理を説明するための概念図である。統合判定処理では、少なくとも、複数の物体Ｔのそれぞれの検出位置の観点から、複数の物体Ｔを統合すべきか否かが判定される。そのために、「統合判定範囲ＲＦ」が用いられる。統合判定範囲ＲＦは、検出された物体Ｔと同一と判定される（みなし得る）範囲である。この統合判定範囲ＲＦは、物体Ｔの検出位置を基準として設定される。例えば、統合判定範囲ＲＦは、物体Ｔの検出範囲を含む矩形範囲である。但し、統合判定範囲ＲＦの大きさや形状はそれに限定されない。

統合判定範囲ＲＦに基づいて、複数の物体Ｔが同一物体に属するか否かが判定される。複数の物体Ｔが同一物体に属すると判定するための条件は、以下「統合条件」と呼ばれる。統合条件としては様々な例が考えられる。例えば、統合条件は、「複数の物体Ｔのうち１つに対する統合判定範囲ＲＦに他の物体Ｔが存在していること」を含む。他の例として、統合条件は、「複数の物体Ｔのそれぞれに対する複数の統合判定範囲ＲＦ同士が重なっていること」を含んでもよい。

図２に示される例では、複数の物体Ｔとして第１物体Ｔ１と第２物体Ｔ２が示されている。第１物体Ｔ１に対して統合判定範囲ＲＦ１が設定され、第２物体Ｔ２に対して統合判定範囲ＲＦ２が設定されている。例えば、第１物体Ｔ１に対する統合判定範囲ＲＦ１に着目すると、その統合判定範囲ＲＦ１に第２物体Ｔ２が位置している。このことから、少なくとも検出位置の観点から、第１物体Ｔ１と第２物体Ｔ２は同一物体に属すると判定される。更に、第１物体Ｔ１と第２物体Ｔ２との間の速度差の観点から、第１物体Ｔ１と第２物体Ｔ２が同一物体に属するか否かが判定されてもよい。

図３は、“長い物体”に関する統合判定処理を説明するための概念図である。例えば、車両１の近くに長いトラック２が存在している。そのトラック２の異なる部分が、２つのセンサによって、それぞれ第１物体Ｔ１と第２物体Ｔ２として検出されている。この場合も、第１物体Ｔ１と第２物体Ｔ２を同一物体（トラック２）として統合することが好ましい。

しかしながら、物体Ｔの検出位置を基準として単純に統合判定範囲ＲＦを設定しただけでは、図３に示されるように、第１物体Ｔ１と第２物体Ｔ２が統合条件を満たさない可能性がある。第１物体Ｔ１と第２物体Ｔ２が同一物体として統合されない場合、第１物体Ｔ１と第２物体Ｔ２との間にあたかもスペースが存在するかのように見える。このことは、車両走行制御の観点から好ましくない。

そこで、物体Ｔの検出位置を基準として統合判定範囲ＲＦを設定した後、所定の規則に従って統合判定範囲ＲＦを拡大することが考えられる。まず、比較例として、統合判定範囲ＲＦを「Ｘ方向（車両１の前後方向）」に沿って拡大することを考える。

図４は、第１の比較例を示している。図４において、長いトラック２の異なる部分が、それぞれ第１物体Ｔ１と第２物体Ｔ２として検出されている。そのトラック２の進行方向は、Ｘ方向と異なっている。統合判定範囲ＲＦ１、ＲＦ２の各々がＸ方向に沿って拡大されても、第１物体Ｔ１と第２物体Ｔ２は同一物体として統合されない。すなわち、同一物体として認識されるべき第１物体Ｔ１と第２物体Ｔ２が、別々の物体であると誤認識される。

図５は、第２の比較例を示している。図５において、先行車両３、４が、それぞれ第１物体Ｔ１と第２物体Ｔ２として検出されている。統合判定範囲ＲＦ１、ＲＦ２の各々がＸ方向に沿って拡大された結果、先行車両３、４が同一物体として統合される。すなわち、別々の物体として認識されるべき先行車両３、４が、同一物体として誤認識される。

このように、比較例に係る統合判定範囲ＲＦの設定は適切ではない。それは、Ｘ方向（車両１の前後方向）が物体Ｔと無関係だからである。物体Ｔとは無関係なＸ方向に沿って拡大された統合判定範囲ＲＦは、複数の物体Ｔを統合するためには不適切なのである。不適切な統合判定範囲ＲＦの設定は、物体認識精度の低下を招く。

図６は、本実施の形態の特徴を説明するための概念図である。統合判定範囲ＲＦの形状は必ずしも矩形ではない。また、統合判定範囲ＲＦが細線状に設定される可能性もある。そこで、統合判定範囲ＲＦを上位概念化した「統合判定距離ＤＦ」を考える。統合判定距離ＤＦは、物体Ｔと同一と判定される距離である。

本実施の形態によれば、物体Ｔの検出位置を基準として統合判定距離ＤＦが初期設定される。また、物体Ｔの進行方向Ｐが推定される。そして、統合判定距離ＤＦは、物体Ｔと無関係なＸ方向ではなく、物体Ｔの進行方向Ｐに沿って拡大される。これは、統合判定範囲ＲＦを物体Ｔの進行方向Ｐに沿って拡大することと等価である。

図７は、本実施の形態に係る統合判定処理の一例を説明するための概念図である。図７に示される例は、統合判定範囲ＲＦの設定を除いて、図４で示された第１の比較例と同じである。本実施の形態によれば、統合判定範囲ＲＦ１は、第１物体Ｔ１の進行方向Ｐ１に沿って拡大され、統合判定範囲ＲＦ２は、第２物体Ｔ２の進行方向Ｐ２に沿って拡大される。その結果、第１物体Ｔ１と第２物体Ｔ２が同一物体（トラック２）として適切に統合される。これにより、物体認識精度が向上する。

図８は、本実施の形態に係る統合判定処理の他の例を説明するための概念図である。図８に示される例は、統合判定範囲ＲＦの設定を除いて、図５で示された第２の比較例と同じである。本実施の形態によれば、統合判定範囲ＲＦ１は、第１物体Ｔ１（先行車両３）の進行方向Ｐ１に沿って拡大され、統合判定範囲ＲＦ２は、第２物体Ｔ２（先行車両４）の進行方向Ｐ２に沿って拡大される。その結果、先行車両３、４は、統合されず、別々の物体として適切に認識される。すなわち、物体認識精度が向上する。

尚、図６において、横方向Ｑは、物体Ｔの進行方向Ｐと直交する平面方向である。不必要な物体統合を避けるために、横方向Ｑに沿った統合判定距離ＤＦは、初期設定値のまま維持されることが好適である。言い換えれば、統合判定距離ＤＦを横方向Ｑに沿って拡大することを禁止することが好適である。但し、不必要な物体統合が発生しない程度に、横方向Ｑに沿った統合判定距離ＤＦが変更されてもよい。

以上に説明されたように、本実施の形態によれば、複数の物体Ｔが同一物体に属するか否かを判定する統合判定処理が行われる。その統合判定処理のための統合判定距離ＤＦは、物体Ｔの検出位置を基準として初期設定される。更に、物体Ｔの進行方向Ｐが推定され、統合判定距離ＤＦはその進行方向Ｐに沿って拡大される。すなわち、統合判定距離ＤＦは、物体Ｔと無関係なＸ方向ではなく、物体Ｔの進行方向Ｐに沿って拡大される。従って、統合判定距離ＤＦに基づく統合判定処理の精度は、上述の比較例よりも向上する。その結果、物体認識精度も向上する。

以下、本実施の形態に係る物体認識技術について更に詳しく説明する。

２．物体認識装置の構成
図９は、本実施の形態に係る物体認識装置１０の構成例を示すブロック図である。物体認識装置１０は、車両１に搭載されており、車両１の周囲の物体Ｔを認識する「物体認識処理」を行う。この物体認識装置１０は、センサ装置２０及び制御装置１００を備えている。

センサ装置２０は、周辺状況センサ２１と車両状態センサ２２を含んでいる。

周辺状況センサ２１は、車両１の周辺の状況を検出するセンサである。具体的には、周辺状況センサ２１は、ライダーやレーダといった測距センサを含んでいる。測距センサは、送信波を出力し、車両１の周辺の物体Ｔからの反射波を受け取る。反射波の受信状態から、物体Ｔの相対位置（距離、方向）や相対速度を算出することができる。周辺状況センサ２１は、更に、車両１の周囲を撮像するカメラを含んでいてもよい。尚、各センサの設置位置及び個数は、特に限定されない。

車両状態センサ２２は、車両１の状態を検出する。例えば、車両状態センサ２２は、車輪速センサ、車速センサ、ヨーレートセンサ等を含んでいる。車輪速センサは、車両１の各車輪の回転速度を検出する。車速センサは、車両１の速度を検出する。ヨーレートセンサは、車両１のヨーレートを検出する。

制御装置１００は、車両１を制御するマイクロコンピュータである。制御装置１００は、ＥＣＵ（Electronic Control Unit）とも呼ばれる。この制御装置１００は、プロセッサ１１０及び記憶装置１２０を備えている。プロセッサ１１０は、記憶装置１２０に格納された制御プログラムを実行することにより各種処理を行う。記憶装置１２０には、各種情報が格納される。

例えば、プロセッサ１１０は、センサ装置２０からセンサ検出情報２００を取得し、センサ検出情報２００を記憶装置１２０に格納する。センサ検出情報２００は、センサ装置２０による検出結果を示す。より詳細には、センサ検出情報２００は、周辺状況情報と車両状態情報を含む。周辺状況情報は、周辺状況センサ２１によって検出される周辺状況を示す。例えば、周辺状況情報は、ライダーによって計測される点群（point cloud）の位置を示す点群情報を含む。また、周辺状況情報は、カメラによって撮像される撮像情報を含む。車両状態情報は、車両状態センサ２２によって検出される車両１の状態を示す。車両１の状態としては、車両１の速度（車速）が例示される。

また、プロセッサ１１０は、センサ検出情報２００に基づいて、車両１の周囲の物体Ｔを認識する「物体認識処理」を行う。プロセッサ１１０は、認識された物体Ｔに関する物体情報３００を生成し、物体情報３００を記憶装置１２０に格納する。物体情報３００は、物体Ｔの位置、速度（相対速度、絶対速度）、サイズ、進行方向Ｐ、等を示す。以下、本実施の形態に係る物体認識処理について更に詳しく説明する。

３．物体認識処理
図１０は、本実施の形態に係るプロセッサ１１０（制御装置１００）による物体認識処理を示すフローチャートである。尚、図１０に示される処理フローは、一定サイクル毎に繰り返し実行される。

３－１．ステップＳ１００（物体検出処理）
ステップＳ１００において、プロセッサ１１０は、物体検出処理を行う。具体的には、プロセッサ１１０は、センサ検出情報２００（周辺状況情報）に基づいて、車両１の周囲の物体Ｔを検出する。例えば、プロセッサ１１０は、ライダーによって計測される点群の位置を示す点群情報に基づいて物体Ｔを検出する。また、プロセッサ１１０は、カメラによって撮像される撮像情報に基づいて物体Ｔを検出する。これらの物体検出方法は周知である。

プロセッサ１１０は、センサ検出情報２００に基づいて、車両１に対する物体Ｔの相対位置及び相対速度を算出する。また、プロセッサ１１０は、物体Ｔの絶対速度を算出してもよい。物体Ｔの絶対速度は、車両１の速度と物体Ｔの相対速度から算出される。車両１の速度は、車両状態情報から得られる。また、プロセッサ１１０は、物体Ｔのサイズを算出してもよい。プロセッサ１１０は、物体情報３００を生成し、物体情報３００を記憶装置１２０に格納する。

３－２．ステップＳ２００（距離設定処理）
ステップＳ２００において、プロセッサ１１０は、統合判定距離ＤＦを設定する距離設定処理を行う。上述の通り、統合判定距離ＤＦは、物体Ｔと同一と判定される距離であり、統合判定範囲ＲＦを包含する概念である。統合判定距離ＤＦの設定の詳細については、後に説明される。

３－３．ステップＳ３００（統合判定処理）
ステップＳ３００において、プロセッサ１１０は、上述の統合判定処理を行う。すなわち、プロセッサ１１０は、複数の物体Ｔが同一物体に属するか否かを判定する。複数の物体Ｔが同一物体に属すると判定するための条件は、統合条件である。統合判定処理は、複数の物体Ｔが統合条件を満たすか否かを判定する処理であると言うこともできる。

統合条件は、物体Ｔの位置に関連する条件を含む。例えば、統合条件は、「複数の物体Ｔのうち１つに対する統合判定距離ＤＦ（統合判定範囲ＲＦ）に他の物体Ｔが存在していること」を含む。統合判定範囲ＲＦと重なっている物体Ｔの部分の全体サイズに対する比率が考慮されてもよい。他の例として、統合条件は、「複数の物体Ｔのそれぞれに対する複数の統合判定範囲ＲＦ同士が重なっていること」を含んでもよい。更に、統合条件は、物体Ｔの速度に関連する条件を含んでいてもよい。例えば、統合条件は、「複数の物体Ｔの間の相対速度の差が所定範囲内であること」を含んでいてもよい。

プロセッサ１１０は、統合判定距離ＤＦと物体情報３００に基づいて、複数の物体Ｔが統合条件を満たすか否かを判定する。複数の物体Ｔが統合条件を満たす場合（ステップＳ３００；Ｙｅｓ）、処理はステップＳ４００に進む。一方、複数の物体Ｔが統合条件を満たさない場合（ステップＳ３００；Ｎｏ）、処理はステップＳ５００に進む。

３－４．ステップＳ４００（物体統合処理）
ステップＳ４００において、プロセッサ１１０は、物体統合処理を行う。すなわち、プロセッサ１１０は、統合条件を満たす複数の物体Ｔを同一物体として統合する。例えば、同一物体の位置及び形状は、統合された複数の物体Ｔを覆う矩形に基づいて算出される。同一物体の速度は、統合された複数の物体Ｔのそれぞれの速度の重み付け平均等により算出される。

３－５．ステップＳ５００
ステップＳ５００において、プロセッサ１１０は、複数の物体Ｔのそれぞれを単独物体として認識する。

４．物体の進行方向の推定方法
上述の通り、本実施の形態によれば、統合判定距離ＤＦを設定する際に、物体Ｔの進行方向Ｐが用いられる。進行方向Ｐを推定する方法としては、様々な例が考えられる。

４－１．第１の例
図１１は、物体Ｔの進行方向Ｐを推定する方法の第１の例を説明するための概念図である。第１の例では、プロセッサ１１０は、センサ検出情報２００に基づいて、物体Ｔの絶対速度Ｖを算出する。物体Ｔの絶対速度Ｖは、車両１の速度と物体Ｔの相対速度から算出される。車両１の速度は、車両状態情報から得られる。そして、プロセッサ１１０は、算出された絶対速度Ｖの方向を進行方向Ｐと推定する。

４－２．第２の例
図１２は、物体Ｔの進行方向Ｐを推定する方法の第２の例を説明するための概念図である。第２の例では、プロセッサ１１０は、絶対速度Ｖの履歴に基づいて、物体Ｔの進行方向Ｐを推定する。基準タイミングにおける物体Ｔの位置及び進行方向Ｐは既知であるとする。例えば、第１の例と同じ手法で、基準タイミングにおける進行方向Ｐが得られる。プロセッサ１１０は、基準タイミング以降の絶対速度Ｖ（速度ベクトル）を積分し、物体Ｔの位置及び進行方向Ｐの変化量を算出する。そして、プロセッサ１１０は、基準タイミングにおける物体Ｔの位置及び進行方向Ｐに変化量を加えることによって、所望のタイミングにおける物体Ｔの進行方向Ｐを推定する。

４－３．第３の例
図１３は、物体Ｔの進行方向Ｐを推定する方法の第３の例を説明するための概念図である。第３の例では、プロセッサ１１０は、センサ検出情報２００に基づいて、物体Ｔの形状の長手方向を推定する。そして、プロセッサ１１０は、その長手方向を物体Ｔの進行方向Ｐと推定する。本手法は、静止している物体Ｔにも適用可能である。

図１３に示される例では、物体Ｔは他車両である。その他車両の側面と後面のそれぞれに相当する２つの辺ＳＳ、ＲＳが、物体Ｔを構成する辺として検出される。辺ＳＳの長さは、辺ＲＳの長さよりも大きい。この場合、プロセッサ１１０は、辺ＳＳの方向を物体Ｔの長手方向、すなわち、進行方向Ｐと推定する。一般的な車両の横幅を考慮して、所定の下限値以上の長さの辺だけが抽出されてもよい。

図１４に示される例では、プロセッサ１１０は、検出された辺ＳＳ、ＲＳをＸ軸に投影する。辺ＳＳの投影長は、辺ＲＳの投影長よりも大きい。この場合、プロセッサ１１０は、辺ＳＳの方向を物体Ｔの長手方向、すなわち、進行方向Ｐと推定する。本手法によれば、後面に相当する辺ＲＳの投影長が小さくなるため、辺ＳＳをより抽出しやすくなる。

プロセッサ１１０は、カメラによって撮像される撮像情報を解析して、他車両の側面や後面を認識してもよい。この場合、プロセッサ１１０は、側面に平行な方向を長手方向、すなわち、進行方向Ｐと推定する。

５．統合判定距離の設定方法
次に、本実施の形態に係る物体認識処理のステップＳ２００（距離設定処理）について詳しく説明する。ステップＳ２００としては、様々な例が考えられる。

５－１．第１の例
図１５は、ステップＳ２００の第１の例を示すフローチャートである。

ステップＳ２１０において、プロセッサ１１０は、検出された物体Ｔに対する統合判定距離ＤＦ（統合判定範囲ＲＦ）を初期設定する。より詳細には、プロセッサ１１０は、物体情報３００を参照し、物体Ｔの検出位置を基準として、統合判定距離ＤＦを初期設定する。基準となる検出位置は、基準点である。例えば、車両１からの最も近い点が、基準点として用いられる。他の例として、一定期間にわたって安定的に検出（追跡）されている点が、基準点として用いられてもよい。統合判定距離ＤＦの初期設定値は、一定値であってもよいし、物体Ｔの検出範囲に応じて設定されてもよい。

ステップＳ２５０において、プロセッサ１１０は、センサ検出情報２００に基づいて、物体Ｔの進行方向Ｐを推定する。進行方向Ｐの推定方法は、上述のセクション４で説明された通りである。

ステップＳ２６０において、プロセッサ１１０は、物体Ｔに対する統合判定距離ＤＦを物体Ｔの進行方向Ｐに沿って拡大する。尚、統合判定距離ＤＦの上限値が設定されてもよい。この場合、統合判定距離ＤＦの拡大によって統合判定距離ＤＦが極端に大きくなることが防止される。

５－２．第２の例
図１６は、ステップＳ２００の第２の例を示すフローチャートである。第１の例と重複する説明は適宜省略される。ステップＳ２１０とステップＳ２５０は、第１の例と同様である。

ステップＳ２２０において、プロセッサ１１０は、センサ検出情報２００に基づいて、物体Ｔの絶対速度Ｖを算出する。物体Ｔの絶対速度Ｖは、車両１の速度と物体Ｔの相対速度から算出される。車両１の速度は、車両状態情報から得られる。

第２の例では、ステップＳ２６０の代わりにステップＳ２６０Ａが実施される。ステップＳ２６０Ａにおいて、プロセッサ１１０は、統合判定距離ＤＦを物体Ｔの進行方向Ｐに沿って拡大する。このとき、プロセッサ１１０は、進行方向Ｐに沿った統合判定距離ＤＦの拡大量を、物体Ｔの絶対速度Ｖに応じて増加させる。すなわち、物体Ｔの絶対速度Ｖが高くなるほど、進行方向Ｐに沿った統合判定距離ＤＦの拡大量が増加する。

図１７は、ステップＳ２６０Ａの一例を示している。物体ＴＡに対する統合判定距離ＤＦＡは、物体ＴＡの進行方向ＰＡに沿って拡大される。物体ＴＢに対する統合判定距離ＤＦＢは、物体ＴＢの進行方向ＰＢに沿って拡大される。物体ＴＢの絶対速度ＶＢは、物体ＴＡの絶対速度ＶＡよりも高い。結果として、物体ＴＢに対する統合判定距離ＤＦＢは、物体ＴＡに対する統合判定距離ＤＦＡよりも大きくなる。

尚、統合判定距離ＤＦの上限値が設定されてもよい。この場合、統合判定距離ＤＦの拡大によって統合判定距離ＤＦが極端に大きくなることが防止される。統合判定距離ＤＦの下限値が設定されてもよい。この場合、停止している物体Ｔに対しても、ある程度の統合判定距離ＤＦが確保される。

５－３．第３の例
上述の第２の例では、進行方向Ｐに沿った統合判定距離ＤＦの拡大量は、物体Ｔの絶対速度Ｖに応じて増加する。しかしながら、算出される絶対速度Ｖの信頼度が低い場合もあり得る。例えば図１８において、物体ＴＸがセンサ視野の境界付近に位置している。このような物体ＴＸについて算出（推定）される絶対速度Ｖの信頼度は低い。信頼度の低い絶対速度Ｖに基づいて統合判定距離ＤＦが設定されると、統合判定距離ＤＦの精度が却って低下する。そこで、第３の例では、絶対速度Ｖの信頼度に応じて、統合判定距離ＤＦの設定方法が変更される。

図１９は、ステップＳ２００の第３の例を示すフローチャートである。第２の例と重複する説明は適宜省略される。

ステップＳ２３０において、プロセッサ１１０は、センサ検出情報２００に基づいて、物体Ｔの絶対速度Ｖと絶対速度Ｖの信頼度を算出する。例えば、物体Ｔがセンサ視野の境界に近づくほど、絶対速度Ｖの信頼度は低くなる。他の例として、物体Ｔの検出回数が少なくなるほど、絶対速度Ｖの信頼度は低くなる。更に他の例として、一定期間における絶対速度Ｖのばらつきが大きくなるほど、絶対速度Ｖの信頼度は低くなる。

続くステップＳ２４０において、プロセッサ１１０は、絶対速度Ｖの信頼度を所定の閾値と比較する。

信頼度が閾値以上である場合（ステップＳ２４０；Ｙｅｓ）、プロセッサ１１０は、当該物体Ｔを「高信頼度物体」と判定する。この場合、処理は、ステップＳ２５０、Ｓ２６０Ａに進む。ステップＳ２５０、Ｓ２６０Ａは、第２の例の場合と同じである。高信頼度物体については、プロセッサ１１０は、進行方向Ｐに沿った統合判定距離ＤＦの拡大量を絶対速度Ｖに応じて増加させる。

一方、信頼度が閾値未満の場合（ステップＳ２４０；Ｎｏ）、プロセッサ１１０は、当該物体Ｔを「低信頼度物体」と判定する。この場合、処理は、ステップＳ２７０に進む。ステップＳ２７０において、プロセッサ１１０は、低信頼度物体に対する統合判定距離ＤＦを進行方向Ｐに沿って拡大することを禁止する。言い換えれば、プロセッサ１１０は、進行方向Ｐに沿った統合判定距離ＤＦを拡大することなく、初期設定値のまま維持する。

このように、第３の例によれば、絶対速度Ｖの信頼度を考慮して、統合判定距離ＤＦが設定される。低信頼物体については、統合判定距離ＤＦの拡大が禁止される。これにより、統合判定距離ＤＦについて一定レベルの精度が確保される。その結果、物体認識精度の低下が抑制される。

５－４．第４の例
図２０は、ステップＳ２００の第４の例を示すフローチャートである。第４の例は、第３の例の変形例である。第３の例と重複する説明は、適宜省略される。

絶対速度Ｖの信頼度が閾値未満の場合（ステップＳ２４０；Ｎｏ）、処理は、ステップＳ２８０に進む。ステップＳ２８０において、プロセッサ１１０は、センサ検出情報２００に基づいて、物体Ｔ（低信頼度物体）の進行方向Ｐを推定する。このとき、絶対速度Ｖを用いない手法で進行方向Ｐが推定されてもよい。

続くステップＳ２９０において、プロセッサ１１０は、統合判定距離ＤＦを進行方向Ｐに沿って拡大する。但し、低信頼物体については、プロセッサ１１０は、絶対速度Ｖを用いることなく統合判定距離ＤＦを拡大する。具体的には、プロセッサ１１０は、進行方向Ｐに沿った統合判定距離ＤＦの拡大量を一定に設定する。低信頼度の絶対速度Ｖが用いられないため、統合判定距離ＤＦの精度の低下が抑制される。

５－５．第５の例
物体Ｔの横方向Ｑは、物体Ｔの進行方向Ｐと直交する平面方向である（図６参照）。第５の例では、横方向Ｑに沿った統合判定距離ＤＦについて検討する。

仮に統合判定距離ＤＦが横方向Ｑに沿って拡大された場合、同一物体に属さない複数の物体Ｔが誤って統合されてしまう可能性が高くなる。従って、プロセッサ１１０は、統合判定距離ＤＦを横方向Ｑに沿って拡大することを禁止する。言い換えれば、プロセッサ１１０は、横方向Ｑに沿った統合判定距離ＤＦを拡大することなく、初期設定値のまま維持する。

第５の例は、上述の第１～第４の例のいずれにも適用可能である。第５の例を適用することによって、不必要な物体統合が抑制され、物体認識精度が更に向上する。

６．運転支援制御
本実施の形態に係る物体認識装置１０は、車両１の運転を支援する「運転支援制御」に適用されてもよい。そのような運転支援制御として、自動運転制御、追従走行制御、衝突回避制御、等が例示される。

図２１は、本実施の形態に係る運転支援システムの構成例を示すブロック図である。運転支援システムは、車両１に搭載され、車両１の運転を支援する運転支援制御を行う。この運転支援システムは、センサ装置２０、走行装置３０、及び制御装置１００を備えている。

走行装置３０は、駆動装置、制動装置、及び操舵装置を含んでいる。駆動装置は、駆動力を発生させる動力源である。駆動装置としては、エンジン、電動機、インホイールモータが例示される。制動装置は、制動力を発生させる。操舵装置は、車両１の車輪を転舵する。例えば、操舵装置は、パワーステアリング（EPS: Electric Power Steering）装置を含んでいる。

制御装置１００（プロセッサ１１０）は、走行装置３０の動作を制御することによって、車両走行制御を行う。車両走行制御は、駆動制御、制動制御、及び操舵制御を含んでいる。駆動制御は、駆動装置を通して行われる。制動制御は、制動装置を通して行われる。操舵制御は、操舵装置を通して行われる。

制御装置１００（プロセッサ１１０）は、上述の物体認識処理を行う。更に、制御装置１００は、物体認識結果に基づいて車両走行制御を適宜行うことにより、運転支援制御（自動運転制御、追従走行制御、衝突回避制御）を行う。

１ 車両
１０ 物体認識装置
２０ センサ装置
１００ 制御装置
１１０ プロセッサ
１２０ 記憶装置
２００ センサ検出情報
３００ 物体情報
ＤＦ 統合判定距離
ＲＦ 統合判定範囲

Claims (8)

1. 車両に搭載される物体認識装置であって、
   前記車両の周囲の状況を検出するセンサ装置と、
   前記センサ装置による検出結果を示すセンサ検出情報が格納される記憶装置と、
   プロセッサと
   を備え、
   前記プロセッサは、
   前記センサ検出情報に基づいて、前記車両の周囲の複数の物体のそれぞれの位置を検出し、
   前記複数の物体のそれぞれについて、前記検出位置を基準として、前記物体と同一と判定される距離である統合判定距離を初期設定し、
   前記センサ検出情報に基づいて、前記複数の物体のそれぞれの進行方向を推定し、
   前記複数の物体のそれぞれの前記統合判定距離を前記複数の物体のそれぞれの前記進行方向に沿って拡大し、
   前記複数の物体のそれぞれの前記統合判定距離に基づいて、前記複数の物体が同一物体に属するか否かを判定し、
   前記複数の物体が前記同一物体に属すると判定した場合、前記複数の物体を前記同一物体として統合する
   物体認識装置。
2. 請求項１に記載の物体認識装置であって、
   前記物体の横方向は、前記進行方向と直交する平面方向であり、
   前記プロセッサは、前記統合判定距離を前記横方向に沿って拡大することを禁止する
   物体認識装置。
3. 請求項１又は２に記載の物体認識装置であって、
   前記センサ装置は、更に、前記車両の状態を検出し、
   前記センサ検出情報は、更に、前記車両の速度を示し、
   前記プロセッサは、
   前記センサ検出情報に基づいて、前記物体の絶対速度を算出し、
   前記進行方向に沿った前記統合判定距離の拡大量を前記絶対速度に応じて増加させる
   物体認識装置。
4. 請求項１又は２に記載の物体認識装置であって、
   前記センサ装置は、更に、前記車両の状態を検出し、
   前記センサ検出情報は、更に、前記車両の速度を示し、
   前記プロセッサは、
   前記センサ検出情報に基づいて、前記物体の絶対速度と前記絶対速度の信頼度を算出し、
   前記信頼度が閾値以上である前記物体について、前記進行方向に沿った前記統合判定距離の拡大量を前記絶対速度に応じて増加させる
   物体認識装置。
5. 請求項４に記載の物体認識装置であって、
   前記プロセッサは、前記信頼度が前記閾値未満である前記物体については、前記進行方向に沿って前記統合判定距離を拡大することを禁止する
   物体認識装置。
6. 請求項４に記載の物体認識装置であって、
   前記プロセッサは、前記信頼度が前記閾値未満である前記物体については、前記進行方向に沿った前記統合判定距離の前記拡大量を一定に設定する
   物体認識装置。
7. 請求項１乃至５のいずれか一項に記載の物体認識装置であって、
   前記センサ装置は、更に、前記車両の状態を検出し、
   前記センサ検出情報は、更に、前記車両の速度を示し、
   前記プロセッサは、
   前記センサ検出情報に基づいて、前記物体の絶対速度を算出し、
   前記絶対速度に基づいて、前記進行方向を推定する
   物体認識装置。
8. 請求項１乃至６のいずれか一項に記載の物体認識装置であって、
   前記プロセッサは、
   前記センサ検出情報に基づいて、前記物体の形状の長手方向を推定し、
   前記長手方向を前記進行方向と推定する
   物体認識装置。

Images