JP7147651B2 - 物体認識装置及び車両制御システム - Google Patents

Description

本発明は、車両の周囲の物体を認識する物体認識装置、及び車両を制御する車両制御システムに関する。

特許文献１は、自動運転における車両の進路を設定する進路設定装置を開示している。進路設定装置は、車両の周囲の障害物を検出する。更に、進路設定装置は、検出された障害物を静止障害物あるいは移動障害物と仮定することにより、複数種類の経路候補を生成する。そして、進路設定装置は、各経路候補の信頼度に基づいて、複数種類の経路候補の中から進路を決定する。

特開２０１８－１７６８７９号公報

車両の周囲の物体の認識には、ライダー（LIDAR: Laser Imaging Detection and Ranging）等のセンサが用いられる。但し、路面近くの領域については、ノイズの影響により誤認識が発生する可能性がある。そのため、路面近くの領域を認識対象領域から除外することも考えられるが、その場合、路面上の落下物を認識することができない。

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処理において、路面上の落下物の認識精度を高め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、車両の周囲の物体を認識する物体認識装置に関連する。
前記車両は、ライダーを備える。
ライダー点群は、前記ライダーによって検出される検出点の集合である。
前記物体認識装置は、
前記検出点の各々の検出位置を示すライダー計測情報、前記車両の絶対位置及び姿勢を示す位置姿勢情報、及び路面の絶対位置を示す地形地図情報が格納される記憶装置と、
前記車両の周囲の前記物体を認識する物体認識処理を行うプロセッサと
を備える。
前記物体は、前記路面上の落下物と、前記落下物以外の追跡対象とを含む。
前記物体認識処理において、前記プロセッサは、
前記地形地図情報に基づいて、前記路面の前記絶対位置から第１高さの領域をノイズ領域として設定し、
前記ライダー計測情報と前記位置姿勢情報に基づいて、前記ライダー点群を、前記ノイズ領域に含まれる第１点群と前記ノイズ領域に含まれない第２点群とに分類し、
前記第１点群に基づいて、前記落下物の候補である落下物候補を抽出する第１抽出処理を行い、
前記第２点群に基づいて、前記追跡対象の候補である追跡対象候補を抽出する第２抽出処理を行い、
前記落下物候補と前記追跡対象候補の水平位置が一致するか否かを判定し、
前記水平位置が一致する前記落下物候補と前記追跡対象候補とを前記追跡対象として統合し、
前記追跡対象に統合されなかった前記落下物候補を前記落下物として認識する。

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。
前記第１高さは、前記車両のピッチ角の誤差に基づいて予め決定される。

第３の観点は、第１又は第２の観点に加えて、次の特徴を更に有する。
路面点群は、前記路面を表す前記ライダー点群である。
前記第１点群は、前記路面点群と、前記路面点群以外の落下物点群とを含む。
前記第１抽出処理において、前記プロセッサは、
前記ライダー計測情報あるいは前記地形地図情報に基づいて、前記第１点群を前記路面点群と前記落下物点群とに分離する分離処理を行い、
前記落下物点群に基づいて、前記落下物候補を抽出する。

第４の観点は、第３の観点に加えて、次の特徴を更に有する。
同一レイヤに属する前記第１点群を考えたとき、前記落下物点群の前記検出位置と前記路面点群の前記検出位置との間には乖離が存在する。
特徴量は、前記乖離を特徴付けるパラメータである。
前記分離処理において、前記プロセッサは、
前記第１点群の前記ライダー計測情報に基づいて、前記第１点群の前記検出点の各々の前記特徴量を算出し、
前記特徴量に基づいて、前記第１点群を前記路面点群と前記落下物点群とに分離する。

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。
前記特徴量は、前記ライダーから前記検出点の各々までの距離を含む。

第６の観点は、第４又は第５の観点に加えて、次の特徴を更に有する。
前記特徴量は、隣接する検出点に対する前記検出位置の差分を含む。

第７の観点は、第４から第６の観点のいずれか１つに加えて、次の特徴を更に有する。
落下物尤度は、前記落下物候補が前記落下物であることの尤度である。
前記プロセッサは、前記落下物候補を抽出した後、前記落下物尤度を算出する尤度算出処理を更に行う。

第８の観点は、第７の観点に加えて、次の特徴を更に有する。
前記路面点群と前記落下物点群とを分離するための分離基準は予め決められている。
前記尤度算出処理において、前記プロセッサは、前記落下物候補に対応する前記落下物点群に関する前記特徴量と前記分離基準に基づいて、前記落下物尤度を算出する。
前記落下物候補に対応する前記落下物点群に関する前記特徴量が前記分離基準から離れているほど、前記落下物尤度は高くなる。

第９の観点は、第７又は第８の観点に加えて、次の特徴を更に有する。
連続度は、前記落下物候補の位置が時間的に連続している度合いを表す。
前記尤度算出処理において、前記プロセッサは、
前記落下物候補の抽出履歴に基づいて、前記連続度を算出し、
前記連続度が連続度閾値以上である場合、前記落下物尤度を増加させ、
前記連続度が前記連続度閾値未満である場合、前記落下物尤度を減少させる。

第１０の観点は、車両制御システムに関連する。
前記車両制御システムは、
第７から第９の観点のいずれか１つに係る前記物体認識装置と、
前記物体認識処理の結果に基づいて、前記車両の走行を制御する車両走行制御を行う車両走行制御装置と
を備える。
前記車両走行制御装置は、前記落下物尤度に応じて前記落下物に対する走行プランを生成し、前記走行プランに従って前記車両走行制御を行う。

第１１の観点は、第１０の観点に加えて、次の特徴を更に有する。
第２閾値は第１閾値よりも高い。
前記落下物尤度が前記第１閾値以上、且つ、前記第２閾値未満である場合、前記走行プランは、アクセルをＯＦＦすることを含む。
前記落下物尤度が前記第２閾値以上である場合、前記走行プランは、前記落下物を回避するための減速及び操舵の少なくとも一方を行うことを含む。

本発明によれば、路面の絶対位置を示す地形地図情報に基づいて、路面近くのノイズ領域が設定される。ライダー計測情報で示されるライダー点群は、ノイズ領域に含まれる第１点群と、それ以外の第２点群とに分類される。第１点群からは、ノイズ領域に含まれる落下物候補が抽出される。一方、第２点群からは、ノイズ領域に含まれない追跡対象候補が抽出される。

ノイズ領域に含まれない追跡対象候補の抽出精度は、ノイズ領域に含まれる落下物候補の抽出精度よりも高い。落下物候補と追跡対象候補の水平位置が一致する場合、その位置には落下物ではなく追跡対象が存在すると判断することができる。その場合、落下物候補と追跡対象候補が追跡対象として統合される。言い換えれば、追跡対象候補と重なる落下物候補は、落下物ではなく追跡対象として認識される。これにより、落下物の誤認識が抑制される。すなわち、落下物の認識精度を高めることが可能となる。

本発明の第１の実施の形態に係る車両に搭載されるライダーを説明するための概念図である。 本発明の第１の実施の形態における路面点群を説明するための概念図である。 本発明の第１の実施の形態に係る物体認識装置を説明するためのブロック図である。 本発明の第１の実施の形態に係る物体認識処理によって認識される物体を示す概念図である。 本発明の第１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。 本発明の第１の実施の形態に係る物体認識処理のステップＳ１０を説明するための概念図である。 本発明の第１の実施の形態に係る物体認識処理のステップＳ２０を説明するための概念図である。 本発明の第１の実施の形態に係る物体認識処理のステップＳ３０及びＳ４０を説明するための概念図である。 本発明の第１の実施の形態に係る物体認識処理のステップＳ６０を説明するための概念図である。 本発明の第２の実施の形態に係る物体認識処理のステップＳ３０を説明するための概念図である。 本発明の第２の実施の形態に係る物体認識処理のステップＳ３０を説明するための概念図である。 本発明の第２の実施の形態に係る物体認識処理のステップＳ３０を説明するための概念図である。 本発明の第２の実施の形態に係る物体認識処理のステップＳ３０を示すフローチャートである。 本発明の第２の実施の形態に係る物体認識処理のステップＳ３０を説明するための概念図である。 本発明の第３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。 本発明の第３の実施の形態における落下物尤度の更新例を示すタイミングチャートである。 本発明の第４の実施の形態に係る車両制御システムの構成例を示すブロック図である。 本発明の第４の実施の形態に係る車両制御システムの制御装置による処理を示すフローチャートである。

添付図面を参照して、本発明の実施の形態を説明する。

１．第１の実施の形態
１－１．ライダー点群
図１は、本実施の形態に係る車両１に搭載されるライダー１０を説明するための概念図である。ライダー１０は、車両１の周囲の物体を認識するために用いられる。

より詳細には、ライダー１０は、複数の方向に向けてレーザパルスを順次出力（走査）する。レーザパルスが物体上の反射点で反射すると、レーザパルスの反射光がライダー１０に戻ってくる。ライダー１０は、レーザパルスの反射光を受け取る。反射光の受光状態に基づいて、ライダー１０に固定されたセンサ座標系における反射点の位置（距離及び方向）を算出することができる。図１に示される例では、センサ座標系のＳＸ軸は、走査の中心軸であり、水平方向と平行である。センサ座標系のＳＺ軸は、ＳＸ軸と直交しており、垂直走査面と平行である。但し、センサ座標系はその例に限定されない。

以下の説明において、ライダー１０によって検出される点（反射点）を「検出点」と呼ぶ。検出点の位置を「検出位置」と呼ぶ。検出点の集合を「ライダー点群ＰＣ」と呼ぶ。ライダー点群ＰＣに基づいて、車両１の周囲の物体及びその相対位置を認識することができる。例えば、図１に示されるように、車両１の前方の先行車両２及びその相対位置を認識することができる。

図２は、路面点群ＰＣＲを説明するための概念図である。ライダー１０から出力されるレーザパルスは、路面ＲＳの微小凹凸によっても反射される。路面点群ＰＣＲは、ライダー点群ＰＣのうち路面ＲＳを表す点群である。

１－２．物体認識装置
図３は、本実施の形態に係る物体認識装置５０を説明するためのブロック図である。物体認識装置５０は、ライダー１０、位置姿勢センサ２０、及び地形地図データベース３０に接続されている。

上述の通り、ライダー１０は、車両１に搭載されており、ライダー点群ＰＣに関する情報を取得する。

位置姿勢センサ２０は、車両１に搭載されており、車両１の絶対位置及び姿勢を検出する。車両１の絶対位置は、絶対座標系（緯度、経度、高度）において定義される。車両１の姿勢は、方位、ピッチ角、及びロール角を含む。例えば、位置姿勢センサ２０は、車両１の絶対位置及び方位を検出するＧＰＳ（Global Positioning System）センサを含んでいる。また、位置姿勢センサ２０は、車両１のピッチ角やロール角を検出する姿勢センサを含んでいる。

地形地図データベース３０は、地形地図情報２３０のデータベースである。地形地図情報２３０は、地形（terrain）に関する地図情報である。より詳細には、地形地図情報２３０は、路面ＲＳの絶対位置を示す。例えば、地形地図情報２３０は、路面ＲＳの各点の水平位置（緯度、経度）と高さ（高度）とを関連付けて示す。地形地図データベース３０は、車両１に搭載されている所定の記憶装置に格納されていてもよいし、車両１の外部の管理サーバに格納されていてもよい。

物体認識装置５０は、車両１の周囲の物体を認識する。この物体認識装置５０は、プロセッサ５１と記憶装置５２を備えている。記憶装置５２には、各種情報が格納される。プロセッサ５１は、コンピュータプログラムを実行することにより各種処理を行う。コンピュータプログラムは、記憶装置５２に格納されている、あるいは、コンピュータ読み取り可能な記録媒体に記録されている。

より詳細には、プロセッサ５１は、ライダー計測情報２１０、位置姿勢情報２２０、及び地形地図情報２３０を取得する「情報取得処理」を行う。プロセッサ５１は、取得した情報を記憶装置５２に格納する。

ライダー計測情報２１０は、ライダー点群ＰＣに関する情報である。特に、ライダー計測情報２１０は、センサ座標系におけるライダー点群ＰＣの各検出点の検出位置を示す。更に、ライダー計測情報２１０は、各検出点における反射強度を示していてもよい。プロセッサ５１は、ライダー１０からライダー計測情報２１０を取得する。

位置姿勢情報２２０は、車両１の絶対位置及び姿勢を示す。プロセッサ５１は、位置姿勢センサ２０から位置姿勢情報２２０を取得する。位置姿勢情報２２０の精度を高めるために、プロセッサ５１は、周知の自己位置推定処理（localization）を更に行ってもよい。その場合、プロセッサ５１は、車両１の周囲の特徴物（例：白線、標識、ポール）に関する情報を取得し、自己位置推定処理を行う。

地形地図情報２３０は、上述の通り、路面ＲＳの絶対位置を示す。プロセッサ５１は、位置姿勢情報２２０を参照し、車両１の周囲の路面ＲＳに関する地形地図情報２３０を取得する。地形地図データベース３０が車両１の外部の管理サーバに格納されている場合、プロセッサ５１は、管理サーバと通信を行い、必要な地形地図情報２３０を取得する。

更に、プロセッサ５１は、車両１の周囲の物体を認識する「物体認識処理」を行う。後述されるように、プロセッサ５１は、ライダー計測情報２１０、位置姿勢情報２２０、及び地形地図情報２３０に基づいて、物体認識処理を行う。物体認識情報２５０は、物体認識処理の結果を示す情報である。プロセッサ５１は、物体認識処理によって得られる物体認識情報２５０を記憶装置５２に格納する。

尚、典型的には、物体認識装置５０は、車両１に搭載されたマイクロコンピュータにより実現される。但し、物体認識装置５０は、必ずしも車両１に搭載されていなくてもよい。物体認識処理に必要な情報を取得することができる限り、物体認識装置５０の設置位置は限定されない。

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。

１－３．物体認識処理
図４は、本実施の形態に係る物体認識処理によって認識される物体を示す概念図である。物体認識処理では、追跡（tracking）の対象となる物体が認識される。追跡対象としては、他車両、歩行者、看板、パイロン、路側物、落下物、等が挙げられる。本実施の形態では、路面ＲＳ上の落下物３と、落下物３以外の追跡対象４とを区別して考える。一般的に、落下物３は路面ＲＳの近傍のみに存在し、落下物３の高さは追跡対象４よりも顕著に低い。本実施の形態に係る物体認識処理は、落下物３と追跡対象４とを識別する。

物体認識処理では、ライダー１０により得られるライダー計測情報２１０が用いられる。具体的には、ライダー計測情報２１０で示されるライダー点群ＰＣにクラスタリング処理を適用することにより、物体が認識される。

但し、路面ＲＳ近くの領域については、ノイズの影響により誤認識が発生する可能性がある。ノイズの一因は、ライダー点群ＰＣに含まれる路面点群ＰＣＲである。路面ＲＳ近くの領域を認識対象領域から除外すると、路面ＲＳ上の落下物３を認識することができない。

以上の観点から、本実施の形態は、物体認識処理における落下物３の認識精度を高めることができる技術を提供する。

図５は、本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。以下、本実施の形態に係る物体認識処理の各ステップについて説明する。

１－３－１．ステップＳ１０
図６は、ステップＳ１０を説明するための概念図である。Ｚ方向は、鉛直方向を表す。ステップＳ１０において、プロセッサ５１は、ノイズの影響が大きいと考えられる「ノイズ領域ＮＲ」を設定する。図６に示されるように、ノイズ領域ＮＲは、路面ＲＳの絶対位置から高さｈ（第１高さ）の領域である。路面ＲＳの絶対位置は、上述の地形地図情報２３０から得られる。高さｈは、予め決定される。高さｈの決定ポリシーの一例は、次の通りである。

ライダー点群ＰＣの各検出点の絶対位置は、ライダー計測情報２１０と位置姿勢情報２２０に基づいて算出される。しかしながら、位置姿勢情報２２０は誤差を含んでいる可能性がある。特に、車両１のピッチ角の誤差は、路面点群ＰＣＲの高度の算出誤差の原因となる。このような路面点群ＰＣＲの高度の算出誤差を反映したパラメータが、ノイズ領域ＮＲの高さｈとして用いられる。具体的には、車両１のピッチ角の誤差として、所定の見込み値を考える。そして、そのピッチ角の誤差に基づいて高さｈが決定される。例えば、ピッチ角の誤差とライダー１０の最大計測距離との積が、高さｈとして用いられる。

高さｈを示す情報は、記憶装置５２に予め格納される。プロセッサ５１は、地形地図情報２３０と高さｈの情報に基づいて、路面ＲＳの絶対位置から高さｈの領域をノイズ領域ＮＲとして設定する。尚、落下物３の高さは、このノイズ領域ＮＲの高さｈと同程度か、あるいはそれ以下であることが多い。

１－３－２．ステップＳ２０
図７は、ステップＳ２０を説明するための概念図である。ステップＳ２０において、プロセッサ５１は、ライダー点群ＰＣを、ノイズ領域ＮＲに含まれる第１点群ＰＣ１と、ノイズ領域ＮＲに含まれない第２点群ＰＣ２とに分類する。

上述の通り、ライダー計測情報２１０は、センサ座標系におけるライダー点群ＰＣの各検出点の検出位置を示す。位置姿勢情報２２０は、車両１の絶対位置及び姿勢を示す。プロセッサ５１は、ライダー計測情報２１０と位置姿勢情報２２０に基づいて、ライダー点群ＰＣの各検出点の絶対位置を算出する。そして、プロセッサ５１は、ノイズ領域ＮＲを参照し、ライダー点群ＰＣを第１点群ＰＣ１と第２点群ＰＣ２とに分類する。

１－３－３．ステップＳ３０（第１抽出処理）
図８は、ステップＳ３０を説明するための概念図である。ステップＳ３０において、プロセッサ５１は、ノイズ領域ＮＲに含まれる第１点群ＰＣ１に基づいて、落下物３の候補を抽出する（第１抽出処理）。落下物３の候補は、以下「落下物候補３Ｃ」と呼ばれる。

但し、第１点群ＰＣ１は、路面点群ＰＣＲを含んでいる。落下物候補３Ｃを抽出するためには、路面点群ＰＣＲとそれ以外とを分離することが好ましい。路面点群ＰＣＲ以外の第１点群ＰＣ１は、以下「落下物点群ＰＣＦ」と呼ばれる。

プロセッサ５１は、第１点群ＰＣ１を路面点群ＰＣＲと落下物点群ＰＣＦとに分離する分離処理を行う。例えば、プロセッサ５１は、地形地図情報２３０を利用して分離処理を行う。具体的には、地形地図情報２３０で示される路面ＲＳの絶対位置が、路面点群ＰＣＲの絶対位置とみなされる。ライダー点群ＰＣの各検出点の絶対位置は、ライダー計測情報２１０と位置姿勢情報２２０に基づいて算出される。ライダー点群ＰＣの絶対位置と路面点群ＰＣＲの絶対位置が分かるため、ライダー点群ＰＣから路面点群ＰＣＲを除去することができる。

他の例として、プロセッサ５１は、地形地図情報２３０を利用することなくライダー計測情報２１０に基づいて、分離処理を行ってもよい。ライダー計測情報２１０に基づく分離処理は、後の第２の実施の形態において詳しく説明される。

分離処理の後、プロセッサ５１は、落下物点群ＰＣＦに基づいて落下物候補３Ｃを抽出する。より詳細には、プロセッサ５１は、周知のクラスタリング処理を落下物点群ＰＣＦに適用することによって、落下物候補３Ｃを抽出する。

尚、図８に示されるように、追跡対象４のうちノイズ領域ＮＲに含まれる下方部分も落下物候補３Ｃとして一旦抽出される。

１－３－４．ステップＳ４０（第２抽出処理）
ステップＳ４０において、プロセッサ５１は、第２点群ＰＣ２に基づいて、追跡対象４の候補を抽出する（第２抽出処理）。追跡対象４の候補は、以下「追跡対象候補４Ｃ」と呼ばれる。プロセッサ５１は、周知のクラスタリング処理を第２点群ＰＣ２に適用することによって、追跡対象候補４Ｃを抽出する。

１－３－５．ステップＳ５０
図８に示されるように、実際に追跡対象４が存在する水平位置では、落下物候補３Ｃと追跡対象候補４ＣがＺ方向において重なる。言い換えれば、落下物候補３Ｃと追跡対象候補４Ｃの水平位置が一致する。逆に、落下物候補３Ｃと追跡対象候補４Ｃの水平位置が一致している場合、その位置には落下物３ではなく追跡対象４が存在すると判断することができる。

そこで、ステップＳ５０において、プロセッサ５１は、落下物候補３Ｃと追跡対象候補４Ｃの水平位置が一致するか否かを判定する。この判定処理は、落下物候補３Ｃ毎に行われる。落下物候補３Ｃと追跡対象候補４Ｃとの間の水平位置の差が所定の閾値以下である場合、プロセッサ５１は、水平位置が一致していると判定する（ステップＳ５０；Ｙｅｓ）。この場合、処理は、ステップＳ６０に進む。それ以外の場合（ステップＳ５０；Ｎｏ）、処理は、ステップＳ７０に進む。

１－３－６．ステップＳ６０（統合処理）
図９は、ステップＳ６０を説明するための概念図である。ステップＳ６０において、プロセッサ５１は、統合処理を行う。具体的には、プロセッサ５１は、水平位置が一致する落下物候補３Ｃと追跡対象候補４Ｃを追跡対象４として統合する。言い換えれば、プロセッサ５１は、追跡対象候補４Ｃと重なる落下物候補３Ｃを、落下物３ではなく追跡対象４として認識する。

１－３－７．ステップＳ７０
プロセッサ５１は、ノイズ領域ＮＲに残っている落下物候補３Ｃを落下物３として認識する。つまり、プロセッサ５１は、追跡対象４に統合されなかった落下物候補３Ｃを落下物３として認識する。また、プロセッサ５１は、追跡対象候補４Ｃを追跡対象４として認識する。プロセッサ５１は、認識結果を示す物体認識情報２５０を生成し、その物体認識情報２５０を記憶装置５２に格納する。

１－４．効果
以上に説明されたように、本実施の形態によれば、路面ＲＳの絶対位置を示す地形地図情報２３０に基づいて、路面ＲＳ近くのノイズ領域ＮＲが設定される。ライダー計測情報２１０で示されるライダー点群ＰＣは、ノイズ領域ＮＲに含まれる第１点群ＰＣ１と、それ以外の第２点群ＰＣ２とに分類される。第１点群ＰＣ１からは、ノイズ領域ＮＲに含まれる落下物候補３Ｃが抽出される。一方、第２点群ＰＣ２からは、ノイズ領域ＮＲに含まれない追跡対象候補４Ｃが抽出される。

ノイズ領域ＮＲに含まれない追跡対象候補４Ｃの抽出精度は、ノイズ領域ＮＲに含まれる落下物候補３Ｃの抽出精度よりも高い。落下物候補３Ｃと追跡対象候補４Ｃの水平位置が一致する場合、その位置には落下物３ではなく追跡対象４が存在すると判断することができる。その場合、落下物候補３Ｃと追跡対象候補４Ｃが追跡対象４として統合される。言い換えれば、追跡対象候補４Ｃと重なる落下物候補３Ｃは、落下物３ではなく追跡対象４として認識される。これにより、落下物３の誤認識が抑制される。すなわち、落下物３の認識精度を高めることが可能となる。

２．第２の実施の形態
上述の第１抽出処理（ステップＳ３０）では、第１点群ＰＣ１を路面点群ＰＣＲと落下物点群ＰＣＦとに分離する分離処理が行われる。但し、路面点群ＰＣＲの検出情報（検出位置等）そのものにノイズが含まれる可能性がある。また、上述の通り、車両１のピッチ角の誤差が、路面点群ＰＣＲの高度の算出誤差の原因となる。従って、地形地図情報２３０で示される路面ＲＳの絶対位置を参照しても、路面点群ＰＣＲを精度良く除去することができない可能性がある。

そこで、第２の実施の形態では、地形地図情報２３０を利用することなくライダー計測情報２１０に基づいて分離処理を行う技術について説明する。第１の実施の形態と重複する説明は適宜省略される。

２－１．概要
図１０に示されるように、ライダー１０は、水平方向だけでなく、垂直方向に対してもレーザパルスを走査する。垂直方向の走査範囲は、複数のレイヤＬ１～Ｌｎ（ｎ＝２以上の整数）で表される。本実施の形態では、路面点群ＰＣＲを検出するレイヤ（図１０に示される例ではレイヤＬ４～Ｌ６）について考える。

図１１は、同一レイヤに属する路面点群ＰＣＲの分布を概念的に示している。Ｚ方向は鉛直方向であり、ＸＹ平面はＺ方向と直交している。同一レイヤに属する路面点群ＰＣＲは、基本的に、ライダー１０から同じ距離において放射状に分布する。但し、検出ノイズや路面ＲＳの凹凸の影響により、ライダー１０からの距離が検出点間で多少異なる可能性はある。

図１２は、路面ＲＳ上に落下物３が存在する場合を示している。ライダー１０から放射されるレーザパルスの一部は、路面ＲＳで反射せず、落下物３の表面で反射する。落下物３の表面における反射点が、上述の落下物点群ＰＣＦを構成する。つまり、第１点群ＰＣ１は、路面点群ＰＣＲと落下物点群ＰＣＦの両方を含んでいる。

図１２に示されるように、同一レイヤに属する第１点群ＰＣ１を考えたとき、落下物点群ＰＣＦの検出位置と路面点群ＰＣＲの検出位置との間には明確な乖離（ギャップ）が存在している。例えば、ライダー１０から各検出点までの距離は、落下物点群ＰＣＦと路面点群ＰＣＲとで異なる。また、隣接する２つの検出点の間の検出位置の差分は、落下物点群ＰＣＦと路面点群ＰＣＲとの境界において顕著に増大する。このような乖離は、単なる検出ノイズや路面ＲＳの凹凸とは明らかに異なる。そこで、本実施の形態では、このような乖離に着目して分離処理を行う。

２－２．プロセッサによる処理
図１３は、本実施の形態に係る第１抽出処理（ステップＳ３０）を示すフローチャートである。

２－２－１．ステップＳ３１
ステップＳ３１において、プロセッサ５１は、第１点群ＰＣ１の各検出点の「特徴量Ｑ」を算出する。特徴量Ｑは、図１２で説明された乖離を特徴付けるパラメータである。特徴量Ｑの一例として、ライダー１０から各検出点までの距離が挙げられる。特徴量Ｑの他の例として、隣接する検出点に対する検出位置の差分が挙げられる。プロセッサ５１は、第１点群ＰＣ１のライダー計測情報２１０に基づいて、第１点群ＰＣ１の各検出点の特徴量Ｑを算出することができる。

尚、隣接する２つの検出点のそれぞれに混ざる検出ノイズは相関する。そのため、隣接する２つの検出点の間の検出位置の差分を算出することにより、検出ノイズの影響を軽減することができる。

２－２－２．ステップＳ３２
ステップＳ３２において、プロセッサ５１は、特徴量Ｑに基づいて、第１点群ＰＣ１を路面点群ＰＣＲと落下物点群ＰＣＦとに分離する。路面点群ＰＣＲと落下物点群ＰＣＦとを分離するための「分離基準」は予め決められている。

図１４は、分離基準を説明するための概念図である。図１４に示される例では、２種類の特徴量Ｑ１、Ｑ２が考慮されている。特徴量Ｑ１、Ｑ２からなる特徴量空間において、路面点群ＰＣＲと落下物点群ＰＣＦはそれぞれ異なる分布を有する。分離基準は、特徴量空間において路面点群ＰＣＲと落下物点群ＰＣＦとを分離（区別）するための基準である。図１４に示されるように２種類の特徴量Ｑ１、Ｑ２からなる特徴量空間の場合、分離基準は分離線で与えられる。１種類の特徴量からなる特徴量空間の場合、分離基準は分離値（閾値）で与えられる。３種類以上の特徴量からなる特徴量空間の場合、分離基準は分離平面で与えられる。

分離基準は、実験あるいはシミュレーションを通して予め決定される。例えば、落下物３が存在しない場合（図１１参照）と落下物３が存在する場合（図１２参照）の両方のライダー計測情報２１０を対比することによって、分離基準を予め決定することができる。分離基準を示す情報は、記憶装置５２に予め格納される。プロセッサ５１は、特徴量Ｑと分離基準の情報に基づいて、第１点群ＰＣ１を路面点群ＰＣＲと落下物点群ＰＣＦとに分離する。

２－２－３．ステップＳ３３
ステップＳ３３において、プロセッサ５１は、落下物点群ＰＣＦに基づいて落下物候補３Ｃを抽出する。落下物候補３Ｃの抽出には、周知のクラスタリング処理が用いられる。このとき、実際には同一の落下物３が２つ以上の落下物候補３Ｃとして抽出されてもよい。また、実際には異なる２以上の落下物３が１つの落下物候補３Ｃとして抽出されてもよい。

２－３．効果
同一レイヤに属する第１点群ＰＣ１を考えたとき、落下物点群ＰＣＦの検出位置と路面点群ＰＣＲの検出位置との間には明確な乖離（ギャップ）が存在する。そのような乖離に着目することにより、路面点群ＰＣＲの情報のノイズに影響されることなく、路面点群ＰＣＲと落下物点群ＰＣＦとを精度良く分離することが可能となる。分離処理の精度が向上するため、落下物候補３Ｃの抽出精度も向上する。結果として、落下物３の認識精度も更に向上する。

３．第３の実施の形態
第３の実施の形態では、落下物候補３Ｃが落下物３であることの尤度（likelihood）を算出する手法を説明する。落下物候補３Ｃが落下物３であることの尤度は、以下「落下物尤度ＬＫＦ」と呼ばれる。既出の実施の形態と重複する説明は適宜省略される。

図１５は、本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。ステップＳ１０～Ｓ７０は、既出の実施の形態の場合と同じである（図５参照）。本実施の形態に係る物体認識処理は、更に、ステップＳ８０を含んでいる。ステップＳ８０は、少なくとも第１抽出処理（ステップＳ３０）の後に行われる。

ステップＳ８０において、プロセッサ５１は、落下物尤度ＬＫＦを算出する尤度算出処理を行う。物体認識情報２５０は、算出された落下物尤度ＬＫＦの情報を更に含む。落下物尤度ＬＫＦの算出方法の例は、次の通りである。

３－１．第１の例
落下物候補３Ｃに対応する落下物点群ＰＣＦに関する特徴量Ｑが分離基準（図１４参照）から離れているほど、落下物尤度ＬＫＦは高いと言える。そこで、プロセッサ５１は、落下物候補３Ｃに対応する落下物点群ＰＣＦに関する特徴量Ｑと分離基準に基づいて、落下物尤度ＬＫＦを算出する。具体的には、プロセッサ５１は、特徴量空間における特徴量Ｑと分離基準との間の離間距離を算出し、その離間距離に応じて落下物尤度ＬＫＦを算出する。離間距離が大きいほど、落下物尤度ＬＫＦは高くなる。

３－２．第２の例
第２の例では、同一の落下物候補３Ｃに関する「連続度」について考える。連続度とは、同一の落下物候補３Ｃの位置が時間的に連続している度合いを表す。

ライダー１０による計測及びライダー計測情報２１０の取得は、所定の計測周期毎に行われる。従って、落下物候補３Ｃの位置は、計測周期毎に更新される。計測周期程度の微小期間では、落下物３の絶対位置はほとんど変化しないため、落下物候補３Ｃの位置もほとんど変化しないことが期待される。つまり、落下物候補３Ｃの位置の今回値と前回値との間の変化量は、十分に小さいことが期待される。連続度は、その変化量の減少に従って増加し、その変化量の増加に従って減少する。

また、落下物３から毎回レーザパルスが反射してくるとは限らない。つまり、同一の落下物候補３Ｃが断続的に抽出される可能性もある。従って、数サイクルにわたる落下物候補３Ｃの平均位置が、連続度の算出に用いられてもよい。

更に、単位時間あたりに落下物候補３Ｃが抽出された回数が、その落下物候補３Ｃに関する連続度に反映されてもよい。単位時間あたりの抽出回数が多くなるほど、連続度は増加する。逆に、単位時間あたりの抽出回数が少なくなるほど、連続度は減少する。

プロセッサ５１は、新たな落下物候補３Ｃを抽出すると、その落下物候補３Ｃに関する落下物尤度ＬＫＦを初期設定する。その後、プロセッサ５１は、その落下物候補３Ｃの抽出履歴に基づいて、その落下物候補３Ｃに関する連続度を繰り返し算出する。連続度が連続度閾値以上である場合、プロセッサ５１は、落下物尤度ＬＫＦを増加させる。一方、連続度が連続度閾値未満である場合、プロセッサ５１は、落下物尤度ＬＫＦを減少させる。このように、プロセッサ５１は、落下物候補３Ｃの抽出履歴に基づいて、その落下物候補３Ｃに関する落下物尤度ＬＫＦを更新する。

３－３．第３の例
第３の例は、第１の例と第２の例の組み合わせである。まず、プロセッサ５１は、第１の例に従って落下物尤度ＬＫＦを算出する。続いて、プロセッサ５１は、第２の例に従って連続度を算出し、その連続度に応じて落下物尤度ＬＫＦを更に増減させる。

３－４．落下物尤度の更新例
図１６は、落下物尤度ＬＫＦの更新例を示すタイミングチャートである。図１６に示される例では、落下物尤度ＬＫＦは、時間と共に徐々に増加していく。このような落下物尤度ＬＫＦは、次に説明される車両走行制御に利用され得る。

尚、尤度算出処理（ステップＳ８０）において、プロセッサ５１は、追跡対象候補４Ｃが追跡対象４であることの尤度を算出してもよい。その尤度の算出方法は、上述の第２の例と同様である。

４．第４の実施の形態
第４の実施の形態では、物体認識処理の結果に基づく車両走行制御について説明する。既出の実施の形態と重複する説明は適宜省略される。

４－１．車両制御システムの構成例
図１７は、本実施の形態に係る車両制御システム１００の構成例を示すブロック図である。車両制御システム１００は、認識センサ１１０、車両状態センサ１２０、地図データベース１３０、走行装置１４０、及び制御装置１５０を備えている。

認識センサ１１０は、車両１に搭載されており、車両１の周囲の状況を認識（検出）する。認識センサ１１０は、上述のライダー１０を含んでいる。更に、認識センサ１１０は、カメラやレーダを含んでいてもよい。

車両状態センサ１２０は、車両１に搭載されており、車両１の状態を検出する。車両状態センサ１２０は、上述の位置姿勢センサ２０を含んでいる。更に、車両状態センサ１２０は、車速センサ、加速度センサ、ヨーレートセンサ、舵角センサ、等を含んでいてもよい。

地図データベース１３０は、地図情報の集合体である。地図データベース１３０は、車線配置や道路形状を示す一般的な道路地図情報を含んでいる。更に、地図データベース１３０は、上述の地形地図データベース３０を含んでいる。地図データベース１３０は、車両１に搭載されている所定の記憶装置に格納されていてもよいし、車両１の外部の管理サーバに格納されていてもよい。

走行装置１４０は、車両１の走行（加減速、操舵）を担う。具体的には、走行装置１４０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１５０は、プロセッサ１５１及び記憶装置１５２を備えている。記憶装置１５２には、各種情報が格納される。プロセッサ１５１は、コンピュータプログラムを実行することにより各種処理を行う。コンピュータプログラムは、記憶装置１５２に格納されている、あるいは、コンピュータ読み取り可能な記録媒体に記録されている。以下、制御装置１５０による処理を説明する。

４－２．制御装置による処理
図１８は、本実施の形態に係る車両制御システム１００の制御装置１５０による処理を示すフローチャートである。

４－２－１．情報取得処理（ステップＳ１）
制御装置１５０（プロセッサ１５１）は、車両１の運転環境を示す運転環境情報２４０を取得する。制御装置１５０は、取得した運転環境情報２４０を記憶装置１５２に格納する。

運転環境情報２４０は、周辺状況情報、車両状態情報、及び地図情報を含んでいる。周辺状況情報は、認識センサ１１０による認識結果を示す情報であり、上述のライダー計測情報２１０を含んでいる。制御装置１５０は、認識センサ１１０から周辺状況情報を取得する。車両状態情報は、車両状態センサ１２０による検出結果を示す情報であり、上述の位置姿勢情報２２０を含んでいる。制御装置１５０は、車両状態センサ１２０から車両状態情報を取得する。更に、制御装置１５０は、上述の地形地図情報２３０を含む必要な地図情報を地図データベース１３０から取得する。地図データベース１３０が車両１の外部の管理サーバに格納されている場合、制御装置１５０は、管理サーバと通信を行い、必要な地図情報を取得する。

４－２－２．物体認識処理（ステップＳ１０～Ｓ８０）
また、制御装置１５０（プロセッサ１５１）は、運転環境情報２４０に基づいて、物体認識処理を行う。物体認識処理は、既出の実施の形態のいずれかで説明されたものである。すなわち、制御装置１５０は、既出の実施の形態で説明された「物体認識装置５０」として機能する。制御装置１５０は、物体認識処理の結果を示す物体認識情報２５０を記憶装置１５２に格納する。

４－２－３．車両走行制御（ステップＳ１００）
更に、制御装置１５０（プロセッサ１５１）は、車両１の走行を制御する車両走行制御を行う。具体的には、制御装置１５０は、走行装置１４０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１５０は、車両走行制御を行う「車両走行制御装置」としても機能する。

特に、制御装置１５０は、物体認識情報２５０に基づいて車両走行制御を行う。具体的には、制御装置１５０は、認識された物体（落下物３、追跡対象４）に基づいて、走行プランを生成する。走行プランは、目標軌道を含む。制御装置１５０は、走行プランに従って車両１が走行するように車両走行制御を行う。

例えば、制御装置１５０は、運転環境情報２４０と物体認識情報２５０に基づいて、車両１が進路上の障害物（例：落下物３）と衝突する可能性があるか否か判定する。車両１が障害物と衝突する可能性が高い場合、制御装置１５０は、障害物との衝突を回避するための走行プラン（操舵、減速、等）を生成する。そして、制御装置１５０は、走行プランに従って衝突回避制御を行う。

第３の実施の形態で説明された落下物尤度ＬＫＦが得られている場合、制御装置１５０は、落下物尤度ＬＫＦに応じて落下物３に対する走行プランを生成してもよい。

例えば、落下物尤度ＬＫＦが低い段階で衝突回避制御が作動すると、落下物３が誤認識であった場合に、ドライバは違和感を感じる。また、衝突回避制御の誤作動は、衝突回避制御に対する信頼の低下を招く。そこで、制御装置１５０は、落下物尤度ＬＫＦに応じて走行プランの内容を段階的に切り替える。

一例として、第１閾値と、第１閾値よりも高い第２閾値を考える。落下物尤度ＬＫＦが第１閾値以上、且つ、第２閾値未満の場合、制御装置１５０は、アクセルをＯＦＦする走行プランを生成する。これにより、車両１が落下物３に到達するまでの時間を稼ぐことができる。その後、車両１が落下物３に近づくにつれて、落下物尤度ＬＫＦが更新され、より正確になる。そして、落下物尤度ＬＫＦが第２閾値以上になると、制御装置１５０は、落下物３を回避するための衝突回避制御（減速、操舵の少なくとも一方）を行う走行プランを生成する。これにより、衝突回避制御の誤作動が抑制される。

４－３．効果
以上に説明されたように、本実施の形態によれば、物体認識処理の結果に基づいて車両走行制御が行われる。例えば、落下物３の認識結果に基づいて、落下物３に対する衝突回避制御が行われる。特に、落下物尤度ＬＫＦを利用することにより、衝突回避制御の誤作動を抑制することが可能となる。このことは、衝突回避制御に対する違和感の軽減及び信頼の向上に寄与する。

本実施の形態に係る車両走行制御は、自動運転制御に適用され得る。

１ 車両
３ 落下物
３Ｃ 落下物候補
４ 追跡対象
４Ｃ 追跡対象候補
１０ ライダー
２０ 位置姿勢センサ
３０ 地形地図データベース
５０ 物体認識装置
５１ プロセッサ
５２ 記憶装置
１００ 車両制御システム
１１０ 認識センサ
１２０ 車両状態センサ
１３０ 地図データベース
１４０ 走行装置
１５０ 制御装置
２１０ ライダー計測情報
２２０ 位置姿勢情報
２３０ 地形地図情報
２４０ 運転環境情報
２５０ 物体認識情報
ＬＫＦ 落下物尤度
ＰＣ ライダー点群
ＰＣ１ 第１点群
ＰＣ２ 第２点群
ＰＣＦ 落下物点群
ＰＣＲ 路面点群

Claims (10)

1. 車両の周囲の物体を認識する物体認識装置であって、
   前記車両は、ライダーを備え、
   ライダー点群は、前記ライダーによって検出される検出点の集合であり、
   前記物体認識装置は、
   前記検出点の各々の検出位置を示すライダー計測情報、前記車両の絶対位置及び姿勢を示す位置姿勢情報、及び路面の絶対位置を示す地形地図情報が格納される記憶装置と、
   前記車両の周囲の前記物体を認識する物体認識処理を行うプロセッサと
   を備え、
   前記物体は、前記路面上の落下物と、前記落下物以外の追跡対象とを含み、
   前記物体認識処理において、前記プロセッサは、
   前記地形地図情報に基づいて、前記路面の前記絶対位置から第１高さの領域をノイズ領域として設定し、
   前記ライダー計測情報と前記位置姿勢情報に基づいて、前記ライダー点群を、前記ノイズ領域に含まれる第１点群と前記ノイズ領域に含まれない第２点群とに分類し、
   前記第１点群に基づいて、前記落下物の候補である落下物候補を抽出する第１抽出処理を行い、
   前記第２点群に基づいて、前記追跡対象の候補である追跡対象候補を抽出する第２抽出処理を行い、
   前記落下物候補と前記追跡対象候補の水平位置が一致するか否かを判定し、
   前記水平位置が一致する前記落下物候補と前記追跡対象候補とを前記追跡対象として統合し、
   前記追跡対象に統合されなかった前記落下物候補を前記落下物として認識し、
   前記第１高さは、前記位置姿勢情報に含まれる前記車両のピッチ角の誤差と、前記ライダーの最大計測距離との積である
   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、
   路面点群は、前記路面を表す前記ライダー点群であり、
   前記第１点群は、前記路面点群と、前記路面点群以外の落下物点群とを含み、
   前記第１抽出処理において、前記プロセッサは、
   前記ライダー計測情報あるいは前記地形地図情報に基づいて、前記第１点群を前記路面点群と前記落下物点群とに分離する分離処理を行い、
   前記落下物点群に基づいて、前記落下物候補を抽出する
   物体認識装置。
3. 請求項２に記載の物体認識装置であって、
   同一レイヤに属する前記第１点群を考えたとき、前記落下物点群の前記検出位置と前記路面点群の前記検出位置との間には乖離が存在し、
   特徴量は、前記乖離を特徴付けるパラメータであり、
   前記分離処理において、前記プロセッサは、
   前記第１点群の前記ライダー計測情報に基づいて、前記第１点群の前記検出点の各々の前記特徴量を算出し、
   前記特徴量に基づいて、前記第１点群を前記路面点群と前記落下物点群とに分離する
   物体認識装置。
4. 請求項３に記載の物体認識装置であって、
   前記特徴量は、前記ライダーから前記検出点の各々までの距離を含む
   物体認識装置。
5. 請求項３又は４に記載の物体認識装置であって、
   前記特徴量は、隣接する検出点に対する前記検出位置の差分を含む
   物体認識装置。
6. 請求項３乃至５のいずれか一項に記載の物体認識装置であって、
   落下物尤度は、前記落下物候補が前記落下物であることの尤度であり、
   前記プロセッサは、前記落下物候補を抽出した後、前記落下物尤度を算出する尤度算出処理を更に行う
   物体認識装置。
7. 請求項６に記載の物体認識装置であって、
   前記路面点群と前記落下物点群とを分離するための分離基準は予め決められており、
   前記尤度算出処理において、前記プロセッサは、前記落下物候補に対応する前記落下物点群に関する前記特徴量と前記分離基準に基づいて、前記落下物尤度を算出し、
   前記落下物候補に対応する前記落下物点群に関する前記特徴量が前記分離基準から離れているほど、前記落下物尤度は高くなる
   物体認識装置。
8. 請求項６又は７に記載の物体認識装置であって、
   連続度は、前記落下物候補の位置が時間的に連続している度合いを表し、
   前記尤度算出処理において、前記プロセッサは、
   前記落下物候補の抽出履歴に基づいて、前記連続度を算出し、
   前記連続度が連続度閾値以上である場合、前記落下物尤度を増加させ、
   前記連続度が前記連続度閾値未満である場合、前記落下物尤度を減少させる
   物体認識装置。
9. 請求項６乃至８のいずれか一項に記載の物体認識装置と、
   前記物体認識処理の結果に基づいて、前記車両の走行を制御する車両走行制御を行う車両走行制御装置と
   を備え、
   前記車両走行制御装置は、前記落下物尤度に応じて前記落下物に対する走行プランを生成し、前記走行プランに従って前記車両走行制御を行う
   車両制御システム。
10. 請求項９に記載の車両制御システムであって、
    第２閾値は第１閾値よりも高く、
    前記落下物尤度が前記第１閾値以上、且つ、前記第２閾値未満である場合、前記走行プランは、アクセルをＯＦＦすることを含み、
    前記落下物尤度が前記第２閾値以上である場合、前記走行プランは、前記落下物を回避するための減速及び操舵の少なくとも一方を行うことを含む
    車両制御システム。

Images