JP7140229B1 - 推定装置、推定方法およびプログラム - Google Patents

Abstract

【課題】走査型のセンサによって得られる点群データに基づいて物体の長さを高精度に推定する。【解決手段】センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出する物体検出部と、前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測する速度計測部と、前記形状情報と前記速度とに基づいて前記物体の長さを推定するサイズ推定部と、を備える、推定装置が提供される。【選択図】図１

Description

本発明は、推定装置、推定方法およびプログラムに関する。

近年、センサによって得られたデータに基づいて物体を検出する技術が知られている。センサには様々な種類が存在する。例えば、始端から終端まで２次元的に光または電波を走査（スキャン）することを繰り返して走査結果（以下、「フレーム」とも言う。）を連続的に得るセンサ（以下、「走査型のセンサ」とも言う。）が存在する。フレームにおける光または電波の検出位置の集合は、点群データに該当し得る。ここで、点群データは、センサから物体までの２次元座標ごとの距離を示す。したがって、点群データを用いれば、実空間に存在する物体を３次元的に検出することが可能である。

走査型のセンサの一例として、ＬｉＤＡＲ（Ｌａｓｅｒ Ｉｍａｇｉｎｇ Ｄｅｔｅｃｔｉｏｎ ａｎｄ Ｒａｎｇｉｎｇ）が知られている。例えば、ＬｉＤＡＲによって得られた点群データに基づいて物体を検出する技術が開示されている（例えば、特許文献１参照）。環境に対して固定された走査型のセンサによって得られた点群データに基づいて、静止物体の長さが推定される場合には、静止物体の長さが高精度に推定され得る。

特開２０１９－２１９２４８号公報

しかし、走査型のセンサによって得られた点群データに基づいて、物体の長さが推定される場合には、走査型のセンサによって始端から終端に向かって光または電波が走査されている間にも物体の位置は変化してしまう可能性がある。したがって、走査型のセンサによって得られる点群データに基づく物体の長さの推定結果には、物体の実際の長さとの間に誤差が生じ得る。

特に、物体かセンサあるいは両方が移動している環境で、物体の進行方向とセンサの走査方向とが同一方向または逆方向である場合に、物体の長さの推定結果に生じる誤差は大きくなり得る。

そこで、本発明は、上記問題に鑑みてなされたものであり、本発明の目的とするところは、走査型のセンサによって得られる点群データに基づいて物体の長さを高精度に推定することが可能な技術を提供することにある。

上記問題を解決するために、本発明のある観点によれば、センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出する物体検出部と、前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測する速度計測部と、前記形状情報と前記速度とに基づいて前記物体の長さを推定するサイズ推定部と、を備える、推定装置が提供される。

前記サイズ推定部は、前記形状情報に基づいて前記物体の先頭座標と後尾座標との距離を算出し、前記速度を用いて前記距離に対する補正を行うことにより、前記物体の長さを推定してもよい。

前記サイズ推定部は、前記速度と補正係数とを用いて前記距離に対する補正を行ってもよい。

前記サイズ推定部は、前記速度と前記補正係数との乗算結果を前記距離に対して加算または減算することにより前記補正を行ってもよい。

前記サイズ推定部は、前記第１のフレームおよび前記第２のフレームを含んだ複数のフレームそれぞれにおける前記物体の速度と前記先頭座標および前記後尾座標の距離との対応関係に対する線形近似により前記補正係数を算出してもよい。

前記サイズ推定部は、前記物体の速度に基づいて、前記距離に対する補正を行うか否かを判定してもよい。

前記サイズ推定部は、前記第１のフレームおよび前記第２のフレームそれぞれにおける前記物体の位置に基づいて前記物体の進行方向を推定し、前記進行方向に基づいて前記先頭座標および前記後尾座標を検出してもよい。

前記サイズ推定部は、前記進行方向に沿った座標軸における前記形状情報の最大座標を前記先頭座標として検出するとともに、前記座標軸における前記形状情報の最小座標を前記後尾座標として検出してもよい。

前記サイズ推定部は、前記第１のフレームおよび前記第２のフレームを含んだ複数のフレームそれぞれにおける前記物体の形状情報と、前記複数のフレームのうちの所定のフレームにおける速度とに基づいて、前記物体の長さを推定してもよい。

前記サイズ推定部は、前記複数のフレームのうち前記物体の先頭座標と後尾座標との距離が最大値をとるフレームを前記所定のフレームとして特定し、前記所定のフレームにおける前記物体の速度を用いて前記最大値に対する補正を行うことにより、前記物体の長さを推定してもよい。

前記サイズ推定部は、前記複数のフレームに続くフレームが前記センサによって得られなくなったことに基づいて前記物体の長さを推定してもよい。

前記推定装置は、前記複数のフレームそれぞれにおける前記物体の位置に基づいて、前記物体の追跡処理を行う物体追跡部を備えてもよい。

前記センサは、ＬｉＤＡＲ、デプスカメラまたはレーダーであってもよい。

前記物体は、車両であってもよい。

前記サイズ推定部は、前記速度計測部によって計測された速度に対して平滑化フィルタを適用して平滑化を行い、平滑化後の速度と前記形状情報とに基づいて、前記物体の長さを推定してもよい。

前記推定装置は、前記物体の長さと前記物体の先頭座標とに基づいて、前記第１のフレームにおける前記物体の所定の位置を推定する位置推定部を備えてもよい。

前記センサは、移動しており、前記物体は、前記センサに対して相対的に移動していてもよい。

また、本発明の別の観点によれば、センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出することと、前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測することと、前記形状情報と前記速度とに基づいて前記物体の長さを推定することと、を備える、推定方法が提供される。

また、本発明の別の観点によれば、コンピュータを、センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出する物体検出部と、前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測する速度計測部と、前記形状情報と前記速度とに基づいて前記物体の長さを推定するサイズ推定部と、を備える推定装置として機能させるプログラムが提供される。

以上説明したように本発明によれば、走査型のセンサによって得られる点群データに基づいて物体の長さを高精度に推定することが可能な技術が提供される。

本発明の実施形態の背景を説明するための図である。 同実施形態に係る推定システムの機能構成例を示すブロック図である。 同実施形態に係る推定装置の全体的な動作例を示すフローチャートである。 車両の現フレームにおける形状情報および速度の算出処理の詳細を示すフローチャートである。 車長推定処理の詳細を示すフローチャートである。 速度計測部によって計測された車両の速度およびサイズ推定部によって算出された車両の先頭座標と後尾座標との距離それぞれの時間変化の例を示す図である。 車両位置の推定の例について説明するための図である。 補正係数を計算によって求める手法の例について説明するための図である。 同実施形態に係る推定装置の例としての情報処理装置のハードウェア構成を示す図である。

以下に添付図面を参照しながら、本発明の好適な実施の形態について詳細に説明する。なお、本明細書及び図面において、実質的に同一の機能構成を有する構成要素については、同一の符号を付することにより重複説明を省略する。

また、本明細書および図面において、実質的に同一の機能構成を有する複数の構成要素を、同一の符号の後に異なる数字を付して区別する。また、異なる実施形態の類似する構成要素については、同一の符号の後に異なるアルファベットを付して区別する。ただし、実質的に同一の機能構成を有する複数の構成要素等の各々を特に区別する必要がない場合、同一符号のみを付する。

＜０．背景＞
近年、センサによって得られたデータに基づいて物体を検出する技術が知られている。センサには様々な種類が存在する。例えば、始端から終端まで２次元的に光または電波を走査することを繰り返してフレームを連続的に得るセンサ（走査型のセンサ）が存在する。点群データを用いれば、実空間に存在する物体を３次元的に検出することが可能である。

以下では、走査型のセンサの例として、ＬｉＤＡＲが用いられる場合を主に説明する。しかし、走査型のセンサは、ＬｉＤＡＲ以外のセンサであってもよい。例えば、走査型のセンサは、デプスセンサであってもよいし、レーダーであってもよい。

さらに、以下では、物体の例として、道路上を走行する車両が用いられる場合を主に想定する。道路は、一般道または高速道路などであってもよい。しかし、物体は、車両以外の物体であってもよい。例えば、物体は、船舶であってもよいし、航空機であってもよいし、人であってもよい。

図１は、本発明の実施形態の背景を説明するための図である。図１を参照すると、物体の例としての車両Ｍ１が存在している。車両Ｍ１は現在移動中であり、図１には、車両Ｍ１の現在の位置が示されている。図１に示された例では、車両Ｍ１の進行方向が左から右に向かう方向である。しかし、車両Ｍ１の進行方向は限定されない。また、車両Ｍ１の実際の長さＬ１が示されている。車両Ｍ１の長さは、車両Ｍ１の先頭から後尾までの長さであり得る。

なお、以下では、特に断りがない限り、車両Ｍ１の進行方向を座標軸の正方向であるとして説明を行う。

また、図１に示された例では、車両Ｍ１の側面の点群データが得られるようにＬｉＤＡＲが道路脇に設置される場合を主に想定する。しかし、ＬｉＤＡＲが設置される位置は限定されない。例えば、ＬｉＤＡＲは、車両Ｍ１の前面または背面の点群データが得られるように道路上方に設置されてもよい。

さらに、図１に示された例では、ＬｉＤＡＲの走査方向も車両Ｍ１の進行方向と同一方向（すなわち、左から右に向かう方向）である場合を想定する。しかし、ＬｉＤＡＲの走査方向は限定されない。例えば、ＬｉＤＡＲの走査方向は、車両Ｍ１の進行方向と逆方向（すなわち、右から左に向かう方向）であってもよい。

図１を参照すると、ＬｉＤＡＲによる走査によって得られる点群データＰｄが示されている。ここで、仮に環境に対して固定されたＬｉＤＡＲによって得られた点群データＰｄに基づいて、静止中の車両Ｍ１の長さが推定される場合を想定する。かかる場合には、車両Ｍ１の長さが高精度に推定され得る。

一方、図１に示された例のように、環境に対して固定されたＬｉＤＡＲによって得られた点群データＰｄに基づいて、移動中の車両Ｍ１の長さが推定される場合を想定する。かかる場合には、ＬｉＤＡＲによって始端から終端に向かってレーザー光が走査されている間にも車両Ｍ１の位置は変化してしまう。したがって、点群データＰｄに基づく移動中の車両Ｍ１の長さの推定結果には、車両Ｍ１の実際の長さＬ１との間に誤差Ｌ２が生じ得る。

より詳細に、点群データＰｄの右端は、現在の走査位置であり、現在における車両Ｍ１の先頭の位置に該当する。一方、点群データＰｄの左端は、現在よりも前の時点における走査位置であり、現在よりも前の時点における車両Ｍ１の後尾の位置に該当するが、現在における車両Ｍ１の後尾の位置との間には、ずれ（誤差Ｌ２に相当）が生じてしまっている。したがって、点群データＰｄに基づく移動中の車両Ｍ１の長さの推定結果にも、誤差Ｌ２が生じ得る。

特に、車両Ｍ１の進行方向とＬｉＤＡＲの走査方向とが同一方向または逆方向である場合には、車両Ｍ１の長さの推定結果に生じる誤差は大きくなり得る。

例えば、図１に示されるように、車両Ｍ１の進行方向とＬｉＤＡＲの走査方向とが同一方向（ここでは、左から右に向かう方向）である場合には、車両Ｍ１の長さは、Ｌ１＋Ｌ２として車両Ｍ１の実際の長さＬ１よりも大きく推定され得る。一方、車両Ｍ１の進行方向とＬｉＤＡＲの走査方向とが逆方向である場合には、車両Ｍ１の長さは、Ｌ１－Ｌ２として車両Ｍ１の実際の長さＬ１よりも小さく推定され得る。

そこで、本発明の実施形態においては、ＬｉＤＡＲによって得られる点群データＰｄに基づいて車両Ｍ１の長さを高精度に推定することが可能な技術について主に提案する。さらに、車両Ｍ１の長さが高精度に推定されることによって、車両Ｍ１の長さの推定結果に基づく車両Ｍ１の位置も高精度に推定され得る。また、車両Ｍ１の位置が高精度に推定されることによって、車両Ｍ１の位置の推定結果に基づく車両間の距離（車間距離）も高精度に推定され得る。

以上、本発明の実施形態の背景について説明した。

＜１．実施形態の詳細＞
続いて、本発明の実施形態の詳細について説明する。

［１－１．推定システムの構成例］
まず、本発明の実施形態に係る推定システムの機能構成例について説明する。図２は、本発明の実施形態に係る推定システムの機能構成例を示すブロック図である。図２に示したように、本発明の実施形態に係る推定システムは、推定装置１０とＬｉＤＡＲ２０とを備える。推定装置１０とＬｉＤＡＲ２０とは、有線にて接続されていてもよいし、無線にて接続されていてもよい。また、推定装置１０とＬｉＤＡＲ２０とは、ネットワークを介して接続されていてもよい。

（ＬｉＤＡＲ２０）
ＬｉＤＡＲ２０は、始端から終端まで２次元的に光または電波を走査することを繰り返してフレームを連続的に得るセンサ（走査型のセンサ）の例として機能する。フレームにおけるレーザー光の検出位置の集合は、点群データに該当し得る。ＬｉＤＡＲ２０は、点群データを含んだフレームを推定装置１０に出力する。

なお、ＬｉＤＡＲ２０に設けられるレーザー送受信センサの数、レーザーの走査方式および測定可能範囲は限定されない。例えば、レーザー送受信センサの数は、８個、１６個、３２個、６４個または１２８個などであってもよい。また、レーザーの走査方式は、水平方向に沿ってレーザーの向きを変化させる方式であってもよいし、垂直方向に沿ってレーザーの向きを変化させる方式であってもよい。また、測定可能範囲は、水平視野角において１２０°または全方位などであってもよく、垂直視野角において２０°、３０°または４０°などであってもよい。

（推定装置１０）
推定装置１０は、コンピュータによって実現され得る。図２に示されるように、推定装置１０は、点群取得部１１０と、物体検出部１２０と、物体追跡部１３０と、追跡情報記憶部１４０と、速度計測部１５０と、形状速度記憶部１６０と、サイズ推定部１７０と、位置推定部１８０と、物体位置記憶部１９０とを備える。

例えば、点群取得部１１０、物体検出部１２０、物体追跡部１３０、速度計測部１５０、サイズ推定部１７０および位置推定部１８０は、図示しない制御部によって実現され得る。一方、追跡情報記憶部１４０、形状速度記憶部１６０および物体位置記憶部１９０は、図示しない記憶部によって実現され得る。

図示しない制御部は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）などを含み、不揮発性の記憶装置により記憶されているプログラムがＣＰＵによりＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）に展開されて実行されることにより、その機能が実現され得る。このとき、当該プログラムを記録した、コンピュータに読み取り可能な記録媒体も提供され得る。あるいは、図示しない制御部は、専用のハードウェアにより構成されていてもよいし、複数のハードウェアの組み合わせにより構成されてもよい。

図示しない記憶部は、図示しない制御部を動作させるためのプログラムおよびデータを記憶することが可能な記憶装置である。また、図示しない記憶部は、図示しない制御部の動作の過程で必要となる各種データを一時的に記憶することもできる。例えば、記憶装置は、不揮発性の記憶装置であってよい。

（点群取得部１１０）
点群取得部１１０は、ＬｉＤＡＲ２０から出力された点群データを取得する。より詳細に、点群取得部１１０は、ＬｉＤＡＲ２０によって連続的に得られた複数のフレームそれぞれにおける点群データを順次に取得する。点群取得部１１０は、取得した点群データを物体検出部１２０に出力する。

（物体検出部１２０）
物体検出部１２０は、点群取得部１１０から出力された点群データに基づいて、車両Ｍ１が存在するエリアを車両Ｍ１の現フレームにおける形状情報として検出する。なお、現フレームは、第１のフレームの一例に該当し得る。また、後に説明する前フレームは、第１のフレームよりも前のフレームである第２のフレームの一例に該当し得る。ここで、車両Ｍ１の形状情報はどのように検出されてもよい。

一例として、物体検出部１２０は、点群取得部１１０から出力された点群データと、あらかじめ用意された背景点群データとの差分を計算することによって（例えば、Ｏｃｔｒｅｅデータ構造を用いた差分計算によって）車両Ｍ１の形状情報を検出してもよい。あるいは、物体検出部１２０は、クラスタリング処理によって車両Ｍ１の形状情報を検出してもよい。

さらに、物体検出部１２０は、車両Ｍ１の形状情報に基づいて、現フレームにおける車両Ｍ１の位置を検出する。物体検出部１２０によって検出される車両Ｍ１の位置は、車両Ｍ１のいずれの位置であってもよい。典型的には、物体検出部１２０によって検出される車両Ｍ１の位置は、車両Ｍ１の先頭の位置であってよい。しかし、物体検出部１２０によって検出される車両Ｍ１の位置は、車両Ｍ１の他の位置（例えば、車両Ｍ１の後尾の位置）などであってもよい。

（追跡情報記憶部１４０）
追跡情報記憶部１４０は、車両Ｍ１の追跡情報を記憶する。より詳細に、追跡情報記憶部１４０は、時間経過とともに変化する同一の車両Ｍ１の位置同士を対応付けた追跡情報を記憶する。追跡情報記憶部１４０は、現フレームの車両Ｍ１の位置を記憶する前には、現フレームの前のフレームである前フレームまでの車両Ｍ１の位置を記憶する。例えば、追跡情報記憶部１４０は、車両Ｍ１に固有のＩＤ（ＩＤｅｎｔｉｆｉｅｒ）を同一の車両Ｍ１の位置に対応付けて記憶する。

（物体追跡部１３０）
物体追跡部１３０は、複数のフレームそれぞれにおける車両Ｍ１の位置に基づいて、車両Ｍ１の追跡処理を行う。より詳細に、物体追跡部１３０は、追跡情報記憶部１４０から前フレームの車両の位置を取得し、前フレームの車両の位置と、現フレームの車両の位置との距離（例えば、ユークリッド距離）が閾値以下である場合に、現フレームの車両の位置をその車両に固有のＩＤに対応付けて追跡情報記憶部１４０に記憶させる。仮に、前フレームの車両の位置と、現フレームの車両の位置との距離が閾値を上回る場合には、物体追跡部１３０は、現フレームの車両の位置と新たなＩＤとを対応付けて追跡情報記憶部１４０に記憶させる。

（速度計測部１５０）
速度計測部１５０は、現フレームにおける車両Ｍ１の位置と、前フレームにおける車両Ｍ１の位置とに基づいて、現フレームにおける車両Ｍ１の速度を計測する。

例えば、現フレームが得られた時刻をＴｆとし、現フレームにおける車両Ｍ１の位置を座標Ｐｆ（ｘ，ｙ，ｚ）とし、前フレームが得られた時刻をＴｆ－１とし、前フレームにおける車両Ｍ１の位置を座標Ｐｆ－１（ｘ，ｙ，ｚ）とする。このとき、速度計測部１５０は、現フレームにおける車両Ｍ１の速度ｖｆを、Ｐｆ（ｘ，ｙ，ｚ）とＰｆ－１（ｘ，ｙ，ｚ）とのユークリッド距離と、時刻Ｔｆと時刻Ｔｆ－１との差分とに基づいて、以下の式（１）により計測し得る。

速度計測部１５０は、現フレームにおける車両Ｍ１の速度ｖｆと、物体検出部１２０によって検出された現フレームにおける車両Ｍ１の形状情報とを、形状速度記憶部１６０に記憶させる。

（形状速度記憶部１６０）
形状速度記憶部１６０は、速度計測部１５０によって計測された現フレームにおける車両Ｍ１の速度と、物体検出部１２０によって検出された現フレームにおける車両Ｍ１の形状情報とを記憶する。

（サイズ推定部１７０）
サイズ推定部１７０は、形状速度記憶部１６０から現フレームにおける車両Ｍ１の形状情報と現フレームにおける車両Ｍ１の速度とを取得する。そして、サイズ推定部１７０は、現フレームにおける車両Ｍ１の形状情報と現フレームにおける車両Ｍ１の速度とに基づいて、車両Ｍ１の長さを推定する。これによって、車両Ｍ１の長さが高精度に推定され得る。

より詳細に、サイズ推定部１７０は、現フレームにおける車両Ｍ１の形状情報に基づいて、現フレームにおける車両Ｍ１の先頭座標と後尾座標との距離を算出する。そして、サイズ推定部１７０は、現フレームにおける車両Ｍ１の速度を用いて、現フレームにおける車両Ｍ１の先頭座標と後尾座標との距離に対する補正を行うことにより、車両Ｍ１の長さを推定する。かかる補正については、後に詳細に説明する。

ここで、現フレームにおける車両Ｍ１の先頭座標と後尾座標は、どのように検出されてもよい。一例として、サイズ推定部１７０は、現フレームおよび前フレームそれぞれにおける車両Ｍ１の位置に基づいて車両Ｍ１の進行方向を推定し、推定した進行方向に基づいて、現フレームにおける車両Ｍ１の先頭座標および後尾座標を検出してもよい。

より詳細に、サイズ推定部１７０は、推定した車両Ｍ１の進行方向に沿った座標軸における車両Ｍ１の形状情報の最大座標を車両Ｍ１の先頭座標として検出してもよい。また、サイズ推定部１７０は、推定した車両Ｍ１の進行方向に沿った座標軸における車両Ｍ１の形状情報の最小座標を車両Ｍ１の後尾座標として検出してもよい。

なお、車両Ｍ１の速度には、ノイズが含まれている可能性がある。そこで、車両Ｍ１の速度は、平滑化によってノイズが低減されてから車両Ｍ１の長さの推定に用いられるのが望ましい。すなわち、サイズ推定部１７０は、車両Ｍ１の速度に対して平滑化フィルタを適用して平滑化を行い、平滑化後の速度と、車両Ｍ１の形状情報とに基づいて、車両Ｍ１の長さを推定するのが望ましい。

（位置推定部１８０）
位置推定部１８０は、サイズ推定部１７０によって推定された車両Ｍ１の長さと、サイズ推定部１７０によって推定された車両Ｍ１の先頭座標または後尾座標とに基づいて、現フレームにおける車両Ｍ１の所定の位置を推定する。これによって、車両Ｍ１の所定の位置が高精度に推定され得る。

なお、以下では、車両Ｍ１の所定の位置の例として、位置推定部１８０が車両Ｍ１の長さ方向における中点座標と後尾座標とを推定する場合を主に想定する。しかし、位置推定部１８０によって推定される車両Ｍ１の位置は、車両Ｍ１のいずれの位置であってもよい。位置推定部１８０は、車両Ｍ１の所定の位置の例としての車両Ｍ１の中点座標および後尾座標と、サイズ推定部１７０によって推定された車両Ｍ１の先頭座標とを物体位置記憶部１９０に記憶させる。

（物体位置記憶部１９０）
物体位置記憶部１９０は、車両Ｍ１の所定の位置の例としての車両Ｍ１の中点座標および後尾座標と、サイズ推定部１７０によって推定された車両Ｍ１の先頭座標とを記憶する。

以上、本発明の実施形態に係る推定システム１の機能構成例について説明した。

［１－２．推定装置の動作例］
続いて、本発明の実施形態に係る推定装置１０の動作例について説明する。図３は、本発明の実施形態に係る推定装置１０の全体的な動作例を示すフローチャートである。

図３に示されるように、推定装置１０において、点群取得部１１０は、ＬｉＤＡＲ２０から出力された点群データを取得する（Ｓ１）。より詳細に、点群取得部１１０は、ＬｉＤＡＲ２０によって連続的に得られた複数のフレームそれぞれにおける点群データを順次に取得する。点群取得部１１０は、取得した点群データを物体検出部１２０に出力する。

続いて、物体検出部１２０、物体追跡部１３０および速度計測部１５０は、点群取得部１１０から出力された点群データに基づいて、車両Ｍ１の現フレームにおける形状情報および速度の算出処理を行う（Ｓ２）。図４を参照しながら、車両Ｍ１の現フレームにおける形状情報および速度の算出処理の詳細について説明する。

図４は、車両Ｍ１の現フレームにおける形状情報および速度の算出処理の詳細を示すフローチャートである。まず、物体検出部１２０は、点群取得部１１０から出力された点群データに基づいて、車両Ｍ１が存在するエリアを車両Ｍ１の現フレームにおける形状情報として検出する。上記しように、車両Ｍ１の形状情報はどのように検出されてもよい。

さらに、物体検出部１２０は、車両Ｍ１の形状情報に基づいて、現フレームにおける車両Ｍ１の位置を検出する（Ｓ２１）。上記したように、物体検出部１２０によって検出される車両Ｍ１の位置は、車両Ｍ１のいずれの位置であってもよい。

続いて、物体追跡部１３０は、車両Ｍ１の追跡処理を行う（Ｓ２２）。上記したように、物体追跡部１３０は、追跡情報記憶部１４０から前フレームの車両の位置を取得し、前フレームの車両の位置と、現フレームの車両の位置との距離が閾値以下である場合に、現フレームの車両の位置をその車両に固有のＩＤに対応付けて追跡情報記憶部１４０に記憶させる。仮に、前フレームの車両の位置と、現フレームの車両の位置との距離が閾値を上回る場合には、物体追跡部１３０は、現フレームの車両の位置と新たなＩＤとを対応付けて追跡情報記憶部１４０に記憶させる。

続いて、速度計測部１５０は、現フレームにおける車両Ｍ１の位置と、前フレームにおける車両Ｍ１の位置とに基づいて、現フレームにおける車両Ｍ１の速度を計測する（Ｓ２３）。一例として、速度計測部１５０は、現フレームにおける車両Ｍ１の速度ｖｆを、Ｐｆ（ｘ，ｙ，ｚ）とＰｆ－１（ｘ，ｙ，ｚ）とのユークリッド距離と、時刻Ｔｆと時刻Ｔｆ－１との差分とに基づいて、上記した式（１）により計測し得る。

速度計測部１５０は、現フレームにおける車両Ｍ１の速度ｖｆと、物体検出部１２０によって検出された現フレームにおける車両Ｍ１の形状情報とを、形状速度記憶部１６０に記憶させる（Ｓ２４）。

図３に戻って説明を続ける。サイズ推定部１７０は、現フレームに続くフレームである次フレームがＬｉＤＡＲ２０によって得られたかを判定する（Ｓ３）。サイズ推定部１７０は、次フレームがＬｉＤＡＲ２０によって得られた場合には（Ｓ３において「ＹＥＳ」）、Ｓ１に動作を移行する。すなわち、次フレームにおける点群データが点群取得部１１０によって取得される動作とそれ以降の動作が実行される。

サイズ推定部１７０は、次フレームがＬｉＤＡＲ２０によって得られなくなった場合には（Ｓ３において「ＮＯ」）、次フレームがＬｉＤＡＲ２０によって得られなくなったことに基づいて、車両Ｍ１の長さを推定する処理（以下、「車長推定処理」とも言う。）を行う（Ｓ４）。図５および図６を参照しながら、車長推定処理の詳細について説明する。

図５は、車長推定処理の詳細を示すフローチャートである。サイズ推定部１７０は、形状速度記憶部１６０から現フレームおよび前フレームを含んだ複数のフレームそれぞれにおける車両Ｍ１の形状情報を取得する。サイズ推定部１７０は、複数のフレームそれぞれにおける車両Ｍ１の形状情報と、複数のフレームのうちの所定のフレームにおける車両Ｍ１の速度とに基づいて、車両Ｍ１の長さを推定する。

より詳細に、サイズ推定部１７０は、複数のフレームそれぞれにおける車両Ｍ１の形状情報に基づいて、複数のフレームそれぞれにおける車両Ｍ１の先頭座標と後尾座標との距離を算出する。そして、サイズ推定部１７０は、複数のフレームそれぞれにおける車両Ｍ１の先頭座標と後尾座標との距離に基づいて、複数のフレームのうち、車両Ｍ１の先頭座標と後尾座標との距離が最大値（以下、「最大車長」とも言う。）をとるフレームを所定のフレーム（以下、「最大車長フレーム」とも言う。）として特定する（Ｓ３１）。

サイズ推定部１７０は、特定した最大車長フレームにおける車両Ｍ１の速度を形状速度記憶部１６０から取得する（Ｓ３２）。そして、サイズ推定部１７０は、特定した最大車長フレームにおける車両Ｍ１の速度を用いて、最大車長に対する補正を行うことにより、車両Ｍ１の長さを推定する（Ｓ３３）。

最大車長フレームにおいては、他のフレームと比較して、車両Ｍ１の全体（すなわち、車両Ｍ１の先頭から後尾まで）が他の物体などに遮蔽されることなく検出されている可能性が高いと考えられる。そのため、最大車長フレームにおける車両Ｍ１の速度が車両Ｍ１の長さの推定に用いられることによって、車両Ｍ１の長さがより高精度に推定されると考えられる。

図６は、速度計測部１５０によって計測された車両Ｍ１の速度（以下、「計測速度」とも言う。）およびサイズ推定部１７０によって算出された車両Ｍ１の先頭座標と後尾座標との距離（以下、「計測車長」とも言う。）それぞれの時間変化の例を示す図である。図６に示されたグラフの横軸は、時刻（すなわち、フレームの番号）を示している。グラフの縦軸は、計測車長と計測速度（ここでは、平滑化後の計測速度）である。サイズ推定部１７０は、計測車長が最大車長Ｌｍａｘを取る最大車長フレームにおける計測速度ｖ（Ｔ）を用いて、最大車長Ｌｍａｘに対する補正を行う。

サイズ推定部１７０は、最大車長フレームにおける計測速度ｖ（Ｔ）と補正係数βとを用いて、最大車長Ｌｍａｘに対する補正を行うことにより、車両Ｍ１の長さＬａを推定する。一例として、サイズ推定部１７０は、最大車長フレームにおける計測速度ｖ（Ｔ）と補正係数βとを乗算し、乗算結果を最大車長Ｌｍａｘに対して加算または減算することにより補正を行うことにより、車両Ｍ１の長さＬａを推定し得る。

ここでは、ＬｉＤＡＲの走査方向が車両Ｍ１の進行方向と同一方向である場合を想定している。かかる場合には、下記の式（２）に示されるように、サイズ推定部１７０が、最大車長フレームにおける計測速度ｖ（Ｔ）と補正係数βとの乗算結果を最大車長Ｌｍａｘに対して減算すればよい。

Ｌａ＝Ｌｍａｘ－βＶ（Ｔ） ・・・（２）

しかし、ＬｉＤＡＲの走査方向が車両Ｍ１の進行方向と逆方向である場合も想定され得る。かかる場合には、サイズ推定部１７０が、最大車長フレームにおける計測速度ｖ（Ｔ）と補正係数βとの乗算結果を最大車長Ｌｍａｘに対して加算すればよい。なお、ここでは補正係数βがあらかじめ決められている場合を想定する。例えば、補正係数βは、手動により設定されてもよい。

あるいは、ＬｉＤＡＲ２０の機種によって点群データの取得手法が異なり、点群データの取得手法の違いが補正に影響を与えることが想定される。したがって、補正係数βは、ＬｉＤＡＲ２０の機種に応じて決められてもよい。

あるいは、補正係数βは、ＬｉＤＡＲ２０のスキャン時間（１枚のフレームをスキャンするのに要する時間）に応じて決められてもよい。スキャン時間は、手動により変更される場合もあり得る。例えば、ＬｉＤＡＲ２０のスキャン時間が長いほど、車両Ｍ１の実際の長さに対する計測車長の誤差が大きくなることが想定される。そのため、ＬｉＤＡＲ２０のスキャン時間が長いほど、補正係数βは大きく決められてもよい。しかし、補正係数βは、後に詳細に説明するように、計算によって求められてもよい。

図５に戻って説明を続ける。位置推定部１８０は、サイズ推定部１７０によって推定された車両Ｍ１の長さと、サイズ推定部１７０によって検出された現フレームにおける車両Ｍ１の先頭座標とに基づいて、現フレームにおける車両Ｍ１の所定の位置を推定する。ここでは、上記したように、車両Ｍ１の所定の位置の例として、位置推定部１８０が車両Ｍ１の長さ方向における後尾座標を推定するとともに（Ｓ３４）、中点座標（車両位置）を推定する場合を想定する（Ｓ３５）。

図７は、車両位置の推定の例について説明するための図である。図７に示されるように、位置推定部１８０は、サイズ推定部１７０によって検出された現フレームにおける車両Ｍ１の先頭座標Ｐｈからサイズ推定部１７０によって推定された車両Ｍ１の長さを減算することにより、現フレームにおける車両Ｍ１の後尾座標Ｐｔを推定し得る。さらに、位置推定部１８０は、推定した現フレームにおける車両Ｍ１の後尾座標Ｐｔとサイズ推定部１７０によって検出された現フレームにおける車両Ｍ１の先頭座標Ｐｈとの中点座標Ｐｍを車両位置として推定し得る。

位置推定部１８０は、車両Ｍ１の中点座標Ｐｍおよび後尾座標Ｐｔと、サイズ推定部１７０によって推定された車両Ｍ１の先頭座標Ｐｈとを物体位置記憶部１９０に記憶させる。車長推定処理Ｓ４が終了すると、図３に示されるように、推定装置１０の動作が終了する。

以上、本発明の実施形態に係る推定装置１０の動作例について説明した。

［１－３．実施形態の効果］
以上に説明したように、本発明の実施形態に係る推定装置１０によれば、ＬｉＤＡＲによって得られる点群データに基づいて車両の長さを高精度に推定され得る。さらに、車両の長さが高精度に推定されることによって、車両の長さの推定結果に基づく車両位置も高精度に推定され得る。

また、車両位置が高精度に推定されることによって、車両位置の推定結果に基づく車両間の距離（車間距離）も高精度に推定され得る。例えば、車間距離が高精度に推定されれば、車両の自動運転も適切に支援され得る。さらに、車両位置が高精度に推定されることによって、車両位置の推定結果に基づく所定の場所（例えば、停止線または横断歩道など）を車両が通過する時刻も高精度に推定され得る。

なお、上記したように、ＬｉＤＡＲ２０の機種によって点群データの取得手法が異なる可能性がある。しかし、本発明の実施形態に係る補正手法は、あらゆる点群データの取得手法に対して（すなわち、ＬｉＤＡＲ２０のあらゆる機種に対して）適用され得る。かかる点において、本発明の実施形態に係る補正手法は優れていると言える。

以上、本発明の実施形態の効果について説明した。

＜２．各種変形例＞
続いて、各種の変形例について説明する。上記では、補正係数βが、手動により設定される場合、ＬｉＤＡＲ２０の機種に応じて決められる場合、ＬｉＤＡＲ２０のスキャン時間に応じて決められる場合などについて説明した。しかし、補正係数βは、計算によって求められてもよい。以下では、図８を参照しながら、補正係数βを計算によって求める手法の例について説明する。

図８は、補正係数βを計算によって求める手法の例について説明するための図である。図８を参照すると、複数のフレームそれぞれにおける車両Ｍ１の速度ｖと計測車長Ｌとの対応関係がプロットされたグラフが示されている。サイズ推定部１７０は、複数のフレームそれぞれにおける車両Ｍ１の速度ｖと計測車長Ｌとの対応関係に対する線形近似により補正係数βを算出してもよい。

より詳細に、図８に示された例では、複数のフレームそれぞれにおける車両Ｍ１の速度ｖと計測車長Ｌとの対応関係に対する線形近似により、一次関数Ｌ＝βＶ＋Ｌ０を得られている。サイズ推定部１７０は、このようして得られた一次関数Ｌ＝βＶ＋Ｌ０における傾きβを補正係数βとして算出してもよい。

また、上記では、サイズ推定部１７０が、無条件に計測車長を補正する例について主に説明した。しかし、無条件に計測車長を補正してしまうと、補正による処理負荷が高くなってしまうことも想定され得る。特に、１枚あたりのフレームに複数の車両が存在する場合などには、無条件に複数の車両に対応する計測車両を補正してしまうと、補正による処理負荷はより一層高くなってしまうことが想定され得る。

そこで、サイズ推定部１７０は、車両の速度に基づいて、計測車長に対する補正を行うか否かを判定してもよい。例えば、サイズ推定部１７０は、車両の速度が閾値を上回る場合に、車両の実際の長さに対する計測車長の誤差がより大きくなるため、計測車長に対する補正を行ってもよい。また、サイズ推定部１７０は、車両の速度が閾値以下である場合に、計測車長に対する補正を行わなくてもよい。これによって、補正による処理負荷が低減されることが期待され得る。

また、上記では、サイズ推定部１７０は、次フレームがＬｉＤＡＲ２０によって得られなくなったことに基づいて、車両Ｍ１の長さを推定する例について主に説明した（図３におけるＳ３、Ｓ４）。しかし、車両Ｍ１の長さを推定するタイミングは、かかる例に限定されない。例えば、サイズ推定部１７０は、ＬｉＤＡＲ２０によってフレームが得られるたびに、そのフレームに基づいて車両Ｍ１の長さを推定してもよい。一例として、車両Ｍ１の長さの推定は、車両の形状および速度の算出処理（図３におけるＳ２）の後に行われてもよい。

また、上記では、ＬｉＤＡＲ２０が固定されており検出対象の物体（上記の例では車両Ｍ１）が移動する場合について主に説明した。しかし、ＬｉＤＡＲ２０に対して物体が相対的に移動している場合であれば、ＬｉＤＡＲ２０が固定されており物体が移動する場合に生じる課題と同様の課題が生じ得る。したがって、本発明の実施形態に係る技術は、ＬｉＤＡＲ２０に対して物体が相対的に移動している場合に対して適用されることによって、当該課題が解決され得る。

すなわち、ＬｉＤＡＲ２０を移動物体（例えば、車両など）に搭載し（すなわち、ＬｉＤＡＲ２０は、所定の速度で移動しており）、他の移動物体あるいはＬｉＤＡＲ２０に対して相対的に移動している物体（例えば、路面などに配置された構造物など）を検出する構成にも、本発明の実施形態に係る技術が広く適用され得る。したがって、上記にて説明した「速度」は、ＬｉＤＡＲ２０に対する物体の「相対的な速度」を意味し得る。

以上、各種の変形例について説明した。

＜３．ハードウェア構成例＞
続いて、本発明の実施形態に係る推定装置１０のハードウェア構成例について説明する。以下では、本発明の実施形態に係る推定装置１０のハードウェア構成例として、情報処理装置９００のハードウェア構成例について説明する。なお、以下に説明する情報処理装置９００のハードウェア構成例は、推定装置１０のハードウェア構成の一例に過ぎない。したがって、推定装置１０のハードウェア構成は、以下に説明する情報処理装置９００のハードウェア構成から不要な構成が削除されてもよいし、新たな構成が追加されてもよい。なお、推定装置１０のハードウェアも同様に実現され得る。

図９は、本発明の実施形態に係る推定装置１０の例としての情報処理装置９００のハードウェア構成を示す図である。情報処理装置９００は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）９０１と、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）９０２と、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）９０３と、ホストバス９０４と、ブリッジ９０５と、外部バス９０６と、インタフェース９０７と、入力装置９０８と、出力装置９０９と、ストレージ装置９１０と、通信装置９１１と、を備える。

ＣＰＵ９０１は、演算処理装置および制御装置として機能し、各種プログラムに従って情報処理装置９００内の動作全般を制御する。また、ＣＰＵ９０１は、マイクロプロセッサであってもよい。ＲＯＭ９０２は、ＣＰＵ９０１が使用するプログラムや演算パラメータ等を記憶する。ＲＡＭ９０３は、ＣＰＵ９０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を一時記憶する。これらはＣＰＵバス等から構成されるホストバス９０４により相互に接続されている。

ホストバス９０４は、ブリッジ９０５を介して、ＰＣＩ（Ｐｅｒｉｐｈｅｒａｌ Ｃｏｍｐｏｎｅｎｔ Ｉｎｔｅｒｃｏｎｎｅｃｔ／Ｉｎｔｅｒｆａｃｅ）バス等の外部バス９０６に接続されている。なお、必ずしもホストバス９０４、ブリッジ９０５および外部バス９０６を分離構成する必要はなく、１つのバスにこれらの機能を実装してもよい。

入力装置９０８は、マウス、キーボード、タッチパネル、ボタン、マイクロフォン、スイッチおよびレバー等ユーザが情報を入力するための入力手段と、ユーザによる入力に基づいて入力信号を生成し、ＣＰＵ９０１に出力する入力制御回路等から構成されている。情報処理装置９００を操作するユーザは、この入力装置９０８を操作することにより、情報処理装置９００に対して各種のデータを入力したり処理動作を指示したりすることができる。

出力装置９０９は、例えば、ＣＲＴ（Ｃａｔｈｏｄｅ Ｒａｙ Ｔｕｂｅ）ディスプレイ装置、液晶ディスプレイ（ＬＣＤ）装置、ＯＬＥＤ（Ｏｒｇａｎｉｃ Ｌｉｇｈｔ Ｅｍｉｔｔｉｎｇ Ｄｉｏｄｅ）装置、ランプ等の表示装置およびスピーカ等の音声出力装置を含む。

ストレージ装置９１０は、データ格納用の装置である。ストレージ装置９１０は、記憶媒体、記憶媒体にデータを記録する記録装置、記憶媒体からデータを読み出す読出し装置および記憶媒体に記録されたデータを削除する削除装置等を含んでもよい。ストレージ装置９１０は、例えば、ＨＤＤ（Ｈａｒｄ Ｄｉｓｋ Ｄｒｉｖｅ）で構成される。このストレージ装置９１０は、ハードディスクを駆動し、ＣＰＵ９０１が実行するプログラムや各種データを格納する。

通信装置９１１は、例えば、ネットワークに接続するための通信デバイス等で構成された通信インタフェースである。また、通信装置９１１は、無線通信または有線通信のどちらに対応してもよい。

以上、本発明の実施形態に係る推定装置１０のハードウェア構成例について説明した。

＜４．まとめ＞
以上、添付図面を参照しながら本発明の好適な実施形態について詳細に説明したが、本発明はかかる例に限定されない。本発明の属する技術の分野における通常の知識を有する者であれば、特許請求の範囲に記載された技術的思想の範疇内において、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、これらについても、当然に本発明の技術的範囲に属するものと了解される。

１ 推定システム
１０ 推定装置
１１０ 点群取得部
１２０ 物体検出部
１３０ 物体追跡部
１４０ 追跡情報記憶部
１５０ 速度計測部
１６０ 形状速度記憶部
１７０ サイズ推定部
１８０ 位置推定部
１９０ 物体位置記憶部
２０ ＬｉＤＡＲ

Claims (17)

1. センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出する物体検出部と、
   前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測する速度計測部と、
   前記形状情報に基づいて前記物体の先頭座標と後尾座標との距離を算出し、前記第１のフレームおよび前記第２のフレームを含んだ複数のフレームそれぞれにおける前記物体の速度と前記先頭座標および前記後尾座標の距離との対応関係に対する線形近似により補正係数を算出し、前記速度と前記補正係数とを用いて前記距離に対する補正を行うことにより、前記物体の長さを推定するサイズ推定部と、
   を備える、推定装置。
2. 前記サイズ推定部は、前記速度と前記補正係数との乗算結果を前記距離に対して加算または減算することによって前記距離に対する補正を行う、
   請求項１に記載の推定装置。
3. 前記サイズ推定部は、前記物体の速度に基づいて、前記距離に対する補正を行うか否かを判定する、
   請求項１または２に記載の推定装置。
4. 前記サイズ推定部は、前記第１のフレームおよび前記第２のフレームそれぞれにおける前記物体の位置に基づいて前記物体の進行方向を推定し、前記進行方向に基づいて前記先頭座標および前記後尾座標を検出する、
   請求項１～３のいずれか一項に記載の推定装置。
5. 前記サイズ推定部は、前記進行方向に沿った座標軸における前記形状情報の最大座標を前記先頭座標として検出するとともに、前記座標軸における前記形状情報の最小座標を前記後尾座標として検出する、
   請求項４に記載の推定装置。
6. センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出する物体検出部と、
   前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測する速度計測部と、
   前記第１のフレームおよび前記第２のフレームを含んだ複数のフレームのうち前記物体の先頭座標と後尾座標との距離が最大値をとるフレームを所定のフレームとして特定し、前記所定のフレームにおける前記物体の速度を用いて前記最大値に対する補正を行うことにより、前記物体の長さを推定するサイズ推定部と、
   を備える、推定装置。
7. 前記サイズ推定部は、前記複数のフレームに続くフレームが前記センサによって得られなくなったことに基づいて前記物体の長さを推定する、
   請求項６に記載の推定装置。
8. 前記推定装置は、前記複数のフレームそれぞれにおける前記物体の位置に基づいて、前記物体の追跡処理を行う物体追跡部を備える、
   請求項６または７に記載の推定装置。
9. 前記センサは、ＬｉＤＡＲ、デプスカメラまたはレーダーである、
   請求項１～８のいずれか一項に記載の推定装置。
10. 前記物体は、車両である、
    請求項１～９のいずれか一項に記載の推定装置。
11. 前記サイズ推定部は、前記速度計測部によって計測された速度に対して平滑化フィルタを適用して平滑化を行い、平滑化後の速度と前記形状情報とに基づいて、前記物体の長さを推定する、
    請求項１～１０のいずれか一項に記載の推定装置。
12. 前記推定装置は、
    前記物体の長さと前記物体の先頭座標とに基づいて、前記第１のフレームにおける前記物体の所定の位置を推定する位置推定部を備える、
    請求項１～１１のいずれか一項に記載の推定装置。
13. 前記センサは、移動しており、
    前記物体は、前記センサに対して相対的に移動している、
    請求項１～１２のいずれか一項に記載の推定装置。
14. センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出することと、
    前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測することと、
    前記形状情報に基づいて前記物体の先頭座標と後尾座標との距離を算出し、前記第１のフレームおよび前記第２のフレームを含んだ複数のフレームそれぞれにおける前記物体の速度と前記先頭座標および前記後尾座標の距離との対応関係に対する線形近似により補正係数を算出し、前記速度と前記補正係数とを用いて前記距離に対する補正を行うことにより、前記物体の長さを推定することと、
    を備える、推定方法。
15. センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出することと、
    前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測することと、
    前記第１のフレームおよび前記第２のフレームを含んだ複数のフレームのうち前記物体の先頭座標と後尾座標との距離が最大値をとるフレームを所定のフレームとして特定し、前記所定のフレームにおける前記物体の速度を用いて前記最大値に対する補正を行うことにより、前記物体の長さを推定することと、
    を備える、推定方法。
16. コンピュータを、
    センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出する物体検出部と、
    前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測する速度計測部と、
    前記形状情報に基づいて前記物体の先頭座標と後尾座標との距離を算出し、前記第１のフレームおよび前記第２のフレームを含んだ複数のフレームそれぞれにおける前記物体の速度と前記先頭座標および前記後尾座標の距離との対応関係に対する線形近似により補正係数を算出し、前記速度と前記補正係数とを用いて前記距離に対する補正を行うことにより、前記物体の長さを推定するサイズ推定部と、
    を備える推定装置として機能させるプログラム。
17. コンピュータを、
    センサによって得られた点群データに基づいて、物体が存在するエリアを前記物体の第１のフレームにおける形状情報として検出するとともに前記物体の位置を前記第１のフレームにおける物体の位置として検出する物体検出部と、
    前記第１のフレームにおける物体の位置と、前記第１のフレームよりも前のフレームである第２のフレームにおける前記物体の位置とに基づいて、前記第１のフレームにおける前記センサに対する前記物体の相対的な速度を計測する速度計測部と、
    前記第１のフレームおよび前記第２のフレームを含んだ複数のフレームのうち前記物体の先頭座標と後尾座標との距離が最大値をとるフレームを所定のフレームとして特定し、前記所定のフレームにおける前記物体の速度を用いて前記最大値に対する補正を行うことにより、前記物体の長さを推定するサイズ推定部と、
    を備える推定装置として機能させるプログラム。
    
    

Images