JP7156817B2 - Target detection device and target detection method - Google Patents
Target detection device and target detection method Download PDFInfo
- Publication number
- JP7156817B2 JP7156817B2 JP2018093650A JP2018093650A JP7156817B2 JP 7156817 B2 JP7156817 B2 JP 7156817B2 JP 2018093650 A JP2018093650 A JP 2018093650A JP 2018093650 A JP2018093650 A JP 2018093650A JP 7156817 B2 JP7156817 B2 JP 7156817B2
- Authority
- JP
- Japan
- Prior art keywords
- data
- target
- instantaneous
- prediction
- unit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Landscapes
- Radar Systems Or Details Thereof (AREA)
Description
本発明は、物標検出装置および物標検出方法に関する。 The present invention relates to a target object detection device and a target object detection method.
従来、例えば車両の周囲へ電波を送信し、送信した電波が物標で反射した反射波に基づいて物標を検出する物標検出装置が知られている。物標検出装置には、例えば、物標の反射点である瞬時データに対して時系列フィルタリングを施すことによって物標データを生成するものがある(例えば、特許文献1参照)。また、かかる時系列フィルタリングでは、例えば、今回の瞬時データに対して前回の物標データを割り当てることで、前回の物標データと連続性をとる。 2. Description of the Related Art Conventionally, there is known a target detection device that transmits radio waves around a vehicle, for example, and detects a target based on reflected waves of the transmitted radio waves that are reflected by the target. For example, there is a target detection device that generates target data by applying time-series filtering to instantaneous data representing reflection points of the target (see, for example, Patent Document 1). Further, in such time-series filtering, for example, by assigning the previous target data to the current instantaneous data, continuity with the previous target data is obtained.
しかしながら、上記した従来技術には、物標の検出精度を向上させるうえで更なる改善の余地があった。具体的には、従来は、1つの瞬時データに対して1つの物標データを割り当てるため、物標データよりも瞬時データの数が少ない場合、いわゆる物標データによる瞬時データの取り合いが起こるおそれがあった。かかる取り合いが起こると、物標データの入れ替わりが起きてしまい、物標検出の信頼性が低下するおそれがあった。 However, the conventional techniques described above have room for further improvement in terms of improving target detection accuracy. Specifically, conventionally, one piece of target data is assigned to one piece of instantaneous data. Therefore, if the number of pieces of instantaneous data is smaller than that of target data, the so-called target data may compete for the piece of instantaneous data. there were. If such a scramble occurs, the target data will be replaced, and there is a risk that the reliability of target detection will decrease.
本発明は、上記に鑑みてなされたものであって、物標の検出精度を向上させることができる物標検出装置および物標検出方法を提供することを目的とする。 SUMMARY OF THE INVENTION It is an object of the present invention to provide a target detection device and a target detection method capable of improving target detection accuracy.
上述した課題を解決し、目的を達成するために、本発明に係る物標検出装置は、生成部と、フィルタ処理部とを備える。前記生成部は、送信した電波が物標で反射した反射波に基づいて前記物標に対応する瞬時データを生成する。前記フィルタ処理部は、前記生成部によって生成された前記瞬時データに対して時系列フィルタリングを施すことによって前記物標に対応する物標データを生成する。また、前記フィルタ処理部は、前回の前記物標データに基づく今回の前記物標データの予測データに対して今回の前記瞬時データを割り当てることで、前記前回の物標データとの連続性をとる割り当て部を備える。前記割り当て部は、1つの前記今回の瞬時データに対して、複数の前記予測データを割り当て可能である。 In order to solve the above-described problems and achieve the object, the target detection device according to the present invention includes a generator and a filter processor. The generation unit generates instantaneous data corresponding to the target based on a reflected wave of the transmitted radio wave reflected by the target. The filter processor generates target object data corresponding to the target by applying time-series filtering to the instantaneous data generated by the generator. Further, the filter processing unit assigns the current instantaneous data to prediction data of the current target data based on the previous target data, thereby ensuring continuity with the previous target data. An allocation unit is provided. The allocation unit can allocate a plurality of the prediction data to one of the current instantaneous data.
本発明によれば、物標の検出精度を向上させることができる。 According to the present invention, target detection accuracy can be improved.
以下、添付図面を参照して、本願の開示する物標検出装置および物標検出方法の実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。なお、以下では、物標検出装置がFM-CW(Frequency Modulated Continuous Wave)方式である場合を例に挙げて説明するが、物標検出装置は、例えばFCM(Fast-Chirp Modulation)方式といった他の方式であってもよい。 Hereinafter, embodiments of a target object detection device and a target object detection method disclosed in the present application will be described in detail with reference to the accompanying drawings. It should be noted that the present invention is not limited by this embodiment. In the following description, the target detection device is based on the FM-CW (Frequency Modulated Continuous Wave) system. It may be a method.
まず、図1Aおよび図1Bを用いて、実施形態に係る物標検出方法の概要について説明する。図1Aおよび図1Bは、実施形態に係る物標検出方法の概要を示す図である。図1Aでは、実施形態に係る物標検出装置1を搭載した自車両MCと、自車両MCの前方に位置する他車両LCとを示している。
First, the outline of the target object detection method according to the embodiment will be described with reference to FIGS. 1A and 1B. 1A and 1B are diagrams showing an outline of a target detection method according to an embodiment. FIG. 1A shows an own vehicle MC equipped with a
図1Aに示すように、物標検出装置1は、例えば自車両MCのフロントグリル内等に搭載され、自車両MCの進行方向に存在する物標(例えば、他車両LC等)を検出する。なお、物標検出装置1の搭載箇所は、例えばフロントガラスやリアグリル、左右の側部(例えば、左右のドアミラー)等他の箇所に搭載されてもよい。
As shown in FIG. 1A, the
また、図1Aに示すように、物標検出装置1は、自車両MCの周囲に送信した電波が他車両LCで反射した反射波に基づいて物標に対応する瞬時データ100を生成する(ステップS1)。瞬時データ100には、例えば、自車両MCへの向きの相対速度や、自車両MCと瞬時データ100までの距離、瞬時データ100の角度といった情報が含まれる。
Further, as shown in FIG. 1A, the
また、物標検出装置1は、生成した瞬時データ100に対して時系列フィルタリングを施す(ステップS2)ことによって物標に対応する物標データを生成する。時系列フィルタリングは、例えば、パーティクルフィルタや、カルマンフィルタ等の既知の時系列フィルタリングを採用可能である。なお、以下では、時系列フィルタリングは、パーティクルフィルタである場合を例に挙げて説明する。
Further, the
図1Bでは、時系列フィルタリングにおける連続性をとる処理を示している。図1Bには、前回の周期の物標データ(以下、前回の物標データ)50a,50bと、前回の物標データ50a,50bから予測される今回の周期の予測データ(以下、今回の予測データ)60a,60bと、今回の周期の瞬時データ(以下、今回の瞬時データ)100とを示している。なお、前回の物標データ50a,50bから今回の予測データ60a,60bを予測する予測処理の詳細は後述する。
FIG. 1B shows a process of ensuring continuity in time-series filtering. FIG. 1B shows
時系列フィルタリングでは、今回の瞬時データ100に対して予測データ60a,60bを割り当てることで前回の物標データ50a,50との連続性をとる。
In the time-series filtering, by assigning
ここで、従来の物標検出方法について説明する。従来の物標検出方法では、1つの瞬時データに対して1つの予測データを割り当てていた。このため、予測データよりも瞬時データの数が少ない場合、いわゆる予測データによる瞬時データの取り合いが起こるおそれがあった。かかる取り合いが起こると、瞬時データに対して割り当てられる予測データが入れ替わるおそれがあり、物標検出の信頼性が低下するおそれがあった。このように、従来は、物標の検出精度を向上させるうえで更なる改善の余地があった。 Here, a conventional target object detection method will be described. In the conventional target detection method, one predictive data is assigned to one instantaneous data. For this reason, when the number of instantaneous data is smaller than the number of predicted data, there is a possibility that so-called predicted data will compete for instantaneous data. If such a scramble occurs, there is a possibility that the prediction data assigned to the instantaneous data will be replaced, and there is a possibility that the reliability of target detection will be lowered. As described above, conventionally, there is room for further improvement in terms of improving target detection accuracy.
そこで、実施形態に係る物標検出方法では、1つの瞬時データ100に対して複数の予測データ60a,60bを割り当て可能とした。具体的には、実施形態に係る物標検出装置1は、1つの今回の瞬時データ100に対して、複数の予測データ60a,60bを割り当て可能にする。
Therefore, in the target object detection method according to the embodiment, it is possible to assign a plurality of
そして、実施形態に係る物標検出装置1は、割り当てた1つの今回の瞬時データ100に基づいて2つの予測データ60a,60bそれぞれに対応する2つの今回の物標データを生成する。
Then, the
これにより、予測データ60a,60bによる瞬時データ100の取り合いが起こらなくなることにより、予測データ60a,60bの入れ替わりが起きなくなる。すなわち、実施形態に係る物標検出方法によれば、物標の検出精度を向上させることができる。
This prevents the
なお、図1Bに示す例では、1つの瞬時データ100に対して2つの予測データ60a,60bを割り当てる場合を示したが、1つの瞬時データ100に対して割り当てる予測データ60a,60bの数は3つ以上であってもよい。
Note that the example shown in FIG. 1B shows the case where two
また、以下では、複数の予測データ60a,60bや、複数の物標データ50a,50b、割り当て範囲Ra,Rbを区別しない場合、それぞれ予測データ60や、物標データ50、割り当て範囲Rと記載する場合がある。
Further, hereinafter, when the plurality of
次に、図2を参照して、実施形態に係る物標検出装置1の構成について詳細に説明する。図2は、実施形態に係る物標検出装置1の構成を示すブロック図である。なお、図2では、本実施形態の特徴を説明するために必要な構成要素のみを機能ブロックで表しており、一般的な構成要素についての記載を省略している。
Next, the configuration of the target
換言すれば、図2に図示される各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。例えば、各機能ブロックの分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することが可能である。 In other words, each component illustrated in FIG. 2 is functionally conceptual and does not necessarily need to be physically configured as illustrated. For example, the specific forms of distribution and integration of each functional block are not limited to those shown in the figure, and all or part of them can be functionally or physically distributed in arbitrary units according to various loads and usage conditions.・It is possible to integrate and configure.
図2に示すように、物標検出装置1は、送信部10と、受信部20と、処理部30とを備える。物標検出装置1は、自車両MCの挙動を制御する車両制御装置2に接続される。
As shown in FIG. 2 , the
かかる車両制御装置2は、物標検出装置1による物標の検出結果に基づいて、PCS(Pre-crash Safety System)やAEB(Advanced Emergency Braking System)などの車両制御を行う。
The
送信部10は、信号生成部11と、発振器12と、送信アンテナ13とを備える。信号生成部11は、後述する送受信制御部31の制御により、三角波で周波数変調されたミリ波を送信するための変調信号を生成する。発振器12は、かかる信号生成部11によって生成された変調信号に基づいて送信信号を生成し、送信アンテナ13へ出力する。なお、図2に示すように、発振器12によって生成された送信信号は、後述するミキサ22に対しても分配される。
The
送信アンテナ13は、発振器12からの送信信号を送信波へ変換し、かかる送信波を自車両MCの外部へ出力する。送信アンテナ13が出力する送信波は、三角波で周波数変調された連続波である。送信アンテナ13から自車両MCの外部、たとえば前方へ送信された送信波は、他車両LC等の物標で反射されて反射波となる。
The transmission antenna 13 converts a transmission signal from the
受信部20は、アレーアンテナを形成する複数の受信アンテナ21と、複数のミキサ22と、複数のA/D変換部23とを備える。ミキサ22およびA/D変換部23は、受信アンテナ21ごとに設けられる。
The receiving
各受信アンテナ21は、物標からの反射波を受信波として受信し、かかる受信波を受信信号へ変換してミキサ22へ出力する。なお、図2に示す受信アンテナ21の数は4つであるが、3つ以下または5つ以上であってもよい。
Each receiving
受信アンテナ21から出力された受信信号は、図示略の増幅器(たとえば、ローノイズアンプ)で増幅された後にミキサ22へ入力される。ミキサ22は、分配された送信信号と、受信アンテナ21から入力される受信信号との一部をミキシングし不要な信号成分を除去してビート信号を生成し、A/D変換部23へ出力する。
A received signal output from the receiving
ビート信号は、送信波と反射波との差分波であって、送信信号の周波数(以下、「送信周波数」と記載する)と受信信号の周波数(以下、「受信周波数」と記載する)との差となるビート周波数を有する。ミキサ22で生成されたビート信号は、A/D変換部23でデジタル信号に変換された後に、処理部30へ出力される。
The beat signal is a difference wave between the transmitted wave and the reflected wave, and is the difference between the frequency of the transmitted signal (hereinafter referred to as "transmission frequency") and the frequency of the received signal (hereinafter referred to as "received frequency"). It has a different beat frequency. The beat signal generated by the
処理部30は、送受信制御部31と、信号処理部32と、記憶部33とを備える。信号処理部32は、生成部32aと、フィルタ処理部32bとを備える。
The
記憶部33は、履歴データ33aを記憶する。履歴データ33aは、信号処理部32が実行する一連の信号処理における物標データ50の履歴や、瞬時データ100の履歴を含む情報である。
The
処理部30は、たとえば、CPU(Central Processing Unit)、記憶部33に対応するROM(Read Only Memory)やRAM(Random Access Memory)、レジスタ、その他の入出力ポートなどを含むマイクロコンピュータであり、物標検出装置1全体を制御する。
The
かかるマイクロコンピュータのCPUがROMに記憶されたプログラムを読み出して実行することによって、送受信制御部31および信号処理部32として機能する。なお、送受信制御部31および信号処理部32は全部をASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)などのハードウェアで構成することもできる。
The CPU of such a microcomputer functions as a transmission/
送受信制御部31は、信号生成部11を含む送信部10、および、受信部20を制御する。信号処理部32は、一連の信号処理を周期的に実行する。つづいて信号処理部32の各構成要素について説明する。
The transmission/
生成部32aは、瞬時データ100を生成する。具体的には、生成部32aは、周波数解析処理と、ピーク抽出処理と、瞬時データ生成処理とを行うことで、瞬時データ100を生成する。
The
周波数解析処理では、各A/D変換部23から入力されるビート信号に対して高速フーリエ変換(FFT:Fast Fourier Transform)処理(以下、「FFT処理」と記載する)を行う。かかるFFT処理の結果は、ビート信号の周波数スペクトルであり、ビート信号の周波数ごと(周波数分解能に応じた周波数間隔で設定された周波数ビンごと)のパワー値(信号レベル)である。
In the frequency analysis process, the beat signal input from each A/
ピーク抽出処理では、周波数解析処理によるFFT処理の結果においてピークとなるピーク周波数を抽出する。なお、ピーク抽出処理では、後述するビート信号の「UP区間」および「DN区間」のそれぞれについてピーク周波数を抽出する。 In the peak extraction process, a peak frequency is extracted as a result of the FFT process by the frequency analysis process. In the peak extraction process, peak frequencies are extracted for each of the "UP section" and the "DN section" of the beat signal, which will be described later.
瞬時データ生成処理では、ピーク抽出処理において抽出されたピーク周波数のそれぞれに対応する反射波の到来角度とそのパワー値を算出する角度推定処理を実行する。なお、角度推定処理の実行時点で、到来角度は、物標が存在すると推定される角度であることから、以下では「推定角度」と記載する場合がある。 In the instantaneous data generation process, an angle estimation process is executed to calculate the arrival angle and the power value of the reflected wave corresponding to each of the peak frequencies extracted in the peak extraction process. It should be noted that, at the time of execution of the angle estimation process, the arrival angle is an angle at which it is estimated that the target exists, so it may be referred to as an "estimated angle" below.
また、瞬時データ生成処理では、算出した推定角度とパワー値との算出結果に基づいて「UP区間」および「DN区間」それぞれのピーク周波数の正しい組み合わせを判定するペアリング処理を実行する。 Also, in the instantaneous data generation process, a pairing process is executed to determine the correct combination of the peak frequencies of the "UP section" and the "DN section" based on the calculated estimated angle and power value.
また、瞬時データ生成処理では、判定した組み合わせ結果から各物標の自車両MCに対する距離および自車両MCへの向きの相対速度を算出する。また、瞬時データ処理では、算出した各物標の推定角度、距離および相対速度を、最新周期(最新スキャン)分の瞬時データ100としてフィルタ処理部32bへ出力するとともに、記憶部33の履歴データ33aとして記憶する。
Further, in the instantaneous data generation process, the distance of each target from the own vehicle MC and the relative speed toward the own vehicle MC are calculated from the determined combination result. In the instantaneous data processing, the calculated estimated angle, distance, and relative velocity of each target are output as
説明を分かりやすくするために、信号処理部32の前段処理から信号処理部32におけるここまでの処理の流れを図3~図4Cに示す。図3は、信号処理部32の前段処理から生成部32aにおけるピーク抽出処理までの処理説明図である。
3 to 4C show the flow of processing from the pre-processing of the
また、図4Aは、角度推定処理の処理説明図である。また、図4Bおよび図4Cは、ペアリング処理の処理説明図(その1)および(その2)である。なお、図3は、2つの太い下向きの白色矢印で3つの領域に区切られている。以下では、かかる各領域を順に、上段、中段、下段と記載する。 Also, FIG. 4A is a process explanatory diagram of the angle estimation process. 4B and 4C are process explanatory diagrams (part 1) and (part 2) of the pairing process. Note that FIG. 3 is divided into three regions by two thick downward white arrows. In the following, such regions are described in order as an upper stage, a middle stage, and a lower stage.
図3の上段に示すように、送信信号fs(t)は、送信アンテナ13から送信波として送出された後、物標において反射されて反射波として到来し、受信アンテナ21において受信信号fr(t)として受信される。
As shown in the upper part of FIG. 3, the transmission signal fs(t) is transmitted from the transmission antenna 13 as a transmission wave, is reflected by the target, arrives as a reflected wave, and is received by the
このとき、図3の上段に示すように、受信信号fr(t)は、自車両MCと物標との距離に応じて、送信信号fs(t)に対して時間差Tだけ遅延している。この時間差Tと、自車両MCおよび物標の相対速度に基づくドップラー効果とにより、ビート信号は、周波数が上昇する「UP区間」の周波数fupと、周波数が下降する「DN区間」の周波数fdnとが繰り返される信号として得られる(図3の中段参照)。 At this time, as shown in the upper part of FIG. 3, the received signal fr(t) is delayed by the time difference T with respect to the transmitted signal fs(t) according to the distance between the host vehicle MC and the target. Due to this time difference T and the Doppler effect based on the relative velocities of the host vehicle MC and the target, the beat signal has a frequency fup in an "UP section" where the frequency rises and a frequency fdn in the "DN section" where the frequency drops. is obtained as a repeated signal (see the middle part of FIG. 3).
図3の下段には、かかるビート信号を周波数解析処理においてFFT処理した結果を、「UP区間」側および「DN区間」側のそれぞれについて模式的に示している。 The lower part of FIG. 3 schematically shows the results of the FFT processing of the beat signal in the frequency analysis processing for each of the "UP section" side and the "DN section" side.
図3の下段に示すように、FFT処理後には、「UP区間」側および「DN区間」側のそれぞれの周波数領域における波形が得られる。ピーク抽出処理では、かかる波形においてピークとなるピーク周波数を抽出する。 As shown in the lower part of FIG. 3, after the FFT processing, waveforms in the frequency domains on the "UP section" side and the "DN section" side are obtained. In the peak extraction process, the peak frequency of the waveform is extracted.
たとえば、図3の下段に示した例の場合、ピーク抽出閾値が用いられ、「UP区間」側においては、ピークPu1~Pu3がそれぞれピークとして判定され、ピーク周波数fu1~fu3がそれぞれ抽出される。 For example, in the case of the example shown in the lower part of FIG. 3, a peak extraction threshold is used, peaks Pu1 to Pu3 are determined as peaks, and peak frequencies fu1 to fu3 are extracted on the "UP section" side.
また、「DN区間」側においては、同じくピーク抽出閾値により、ピークPd1~Pd3がそれぞれピークとして判定され、ピーク周波数fd1~fd3がそれぞれ抽出される。 Also, on the "DN section" side, the peaks Pd1 to Pd3 are determined as peaks by the same peak extraction threshold, and the peak frequencies fd1 to fd3 are extracted.
ここで、ピーク抽出処理により抽出した各ピーク周波数の周波数成分には、複数の物標からの反射波が混成している場合がある。そこで、瞬時データ生成処理では、各ピーク周波数のそれぞれについて方位演算する角度推定処理を行い、ピーク周波数ごとに対応する物標の存在を解析する。 Here, the frequency component of each peak frequency extracted by the peak extraction process may be mixed with reflected waves from a plurality of targets. Therefore, in the instantaneous data generation process, an angle estimation process for performing azimuth calculation is performed for each peak frequency, and the presence of a target corresponding to each peak frequency is analyzed.
なお、瞬時データ生成処理における方位演算は、たとえばESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)などの公知の到来方向推定手法を用いて行うことができる。 Note that the azimuth calculation in the instantaneous data generation process can be performed using a known direction-of-arrival estimation technique such as ESPRIT (Estimation of Signal Parameters via Rotational Invariance Techniques).
図4Aは、瞬時データ生成処理の方位演算結果を模式的に示すものである。瞬時データ生成処理では、かかる方位演算結果の各ピークPu1~Pu3から、これらピークPu1~Pu3にそれぞれ対応する各物標(各反射点)の推定角度を算出する。また、各ピークPu1~Pu3の大きさがパワー値となる。瞬時データ生成処理では、図4Bに示すように、かかる角度推定処理を「UP区間」側および「DN区間」側のそれぞれについて行う。 FIG. 4A schematically shows an azimuth calculation result of instantaneous data generation processing. In the instantaneous data generation process, the estimated angle of each target (each reflection point) corresponding to each of the peaks Pu1 to Pu3 is calculated from each of the peaks Pu1 to Pu3 of the azimuth calculation result. Also, the magnitude of each of the peaks Pu1 to Pu3 is the power value. In the instantaneous data generation processing, as shown in FIG. 4B, such angle estimation processing is performed for each of the "UP section" side and the "DN section" side.
そして、瞬時データ生成処理では、方位演算結果において、推定角度およびパワー値の近い各ピークを組み合わせるペアリング処理を行う。また、その組み合わせ結果から、瞬時データ生成処理では、各ピークの組み合わせに対応する各物標(各反射点)の距離および自車両MCへの向きの相対速度を算出する。 Then, in the instantaneous data generation process, a pairing process is performed in which peaks having similar estimated angles and power values are combined in the azimuth calculation result. Further, from the result of the combination, in the instantaneous data generation process, the distance of each target (each reflection point) corresponding to the combination of each peak and the relative speed toward the own vehicle MC are calculated.
距離は、「距離∝(fup+fdn)」の関係に基づいて算出することができる。相対速度は、「速度∝(fup-fdn)」の関係に基づいて算出することができる。その結果、図4Cに示すように、自車両MCに対する、各反射点RPの推定角度、距離および相対速度の瞬時データ100を示すペアリング処理結果が得られる。
The distance can be calculated based on the relationship “distance∝(fup+fdn)”. The relative velocity can be calculated based on the relationship "velocity∝(fup-fdn)". As a result, as shown in FIG. 4C, a pairing processing result showing
図2に戻って、フィルタ処理部32bについて説明する。図2に示すように、フィルタ処理部32bは、予測部321bと、割り当て部322bと、重み付け部323bと、リサンプリング部324bと、物標データ生成部325bとを備える。
Returning to FIG. 2, the
フィルタ処理部32bは、生成部32aによって生成された瞬時データ100に対して所定数の粒子データを割り当てるパーティクルフィルタを施すことによって、瞬時データ100に対応する物標データ50を生成する。
The
予測部321bは、パーティクルフィルタにおけるサンプル点(粒子データ)の予測処理を行う。具体的には、予測部321bは、最新の周期を時間tとし、時間tにおける粒子データの分布状態Xtとした場合、前回の周期の時間t-1の分布状態Xt-1に基づく確率密度関数に基づいてN個の粒子データを配置(サンプリング)する。つまり、予測部321bは、予測処理において、時間t-1の粒子データから時間tにおいて瞬時データ100が現れそうな領域に粒子データを分布させる。
The
なお、予測部321bは、新規の物標に対応する瞬時データ100については、前回の周期の粒子データが存在しないため、所定の分布状態の粒子データを分布させる。
Note that the
また、予測部321bは、前回の物標データ50に基づいて今回の物標データ50に対応する予測データ60を生成する。具体的には、予測部321bは、前回の物標データ50の実際の移動向きおよびかかる移動向きへの相対速度に基づいて予測データ60を生成する。
The
割り当て部322bは、最新の周期における瞬時データ100を、予測部321bの予測結果である最新の粒子データへ割り当てる処理を行う。具体的には、割り当て部322bは、予測部321bによって生成された今回の予測データ60に対応する所定の割り当て範囲R内に存在する今回の瞬時データ100に対して、予測データ60および予測データ60に対応する粒子データを割り当てる。
The allocation unit 322b performs a process of allocating the
なお、割り当て部322bは、いずれの物標データ50の割り当て範囲R内にも存在しない瞬時データ100があった場合には、かかる瞬時データ100を新規の物標として扱う。
If there is
また、割り当て部322bは、1つの今回の瞬時データ100に対して、複数の予測データ60を割り当て可能である。ここで、図5を用いて、複数割り当て処理について具体的に説明する。
Also, the allocation unit 322b can allocate a plurality of prediction data 60 to one
図5は、割り当て部322bによる複数割り当て処理を示す図である。図5の上段では、2つの予測データ60a,60bと、4つの瞬時データ100a~100dとを示している。なお、4つの瞬時データ100a~100dのうち、3つの瞬時データ100a~100cは、予測データ60a,60bの割り当て範囲Ra,Rb内にあり、1つの瞬時データ100dは、割り当て範囲Ra,Rb外にあることとする。
FIG. 5 is a diagram showing multiple allocation processing by the allocation unit 322b. The upper part of FIG. 5 shows two predicted
また、図5の下段では、2つの予測データ60a,60bおよび4つの瞬時データ100a~100dそれぞれの組み合わせについてのコスト値を示している。コスト値とは、割り当て部322bによって算出される指標であり、予測データ60と瞬時データ100との関係性を評価した評価値である。具体的には、コスト値は、例えば、自車両MCまでの距離や、角度、相対速度等に基づいて算出される。なお、図5に示す例では、コスト値は、距離や、角度、相対速度が近い瞬時データ100および予測データ60の組み合わせほど低くなるようにしている。なお、瞬時データ100dについては、予測データ60a,60bの割り当て範囲Ra,Rb外にあるため、コスト値を上限である最大値に設定する。
Also, the lower part of FIG. 5 shows the cost value for each combination of the two
図5の下段に示すように、割り当て部322bは、まず、コスト値に基づいて第1の割当条件により瞬時データ100を予測データ60へ割り当てる。具体的には、割り当て部322bは、各瞬時データ100についてコスト値が最も低い予測データ60が第1の割当条件を満たすとして、割り当てる。図5の下段示す例では、割り当て部322bは、第1の割当条件により、3つの瞬時データ100a~100cに対して予測データ60aを割り当てる。
As shown in the lower part of FIG. 5, the allocation unit 322b first allocates the
つまり、第1の割当条件では、予測データ60bには、瞬時データ100a~100dが1つも割り当てられない。かかる場合、割り当て部322bは、第1の割当条件により瞬時データ100a~100cに割り当てられなかった予測データ60bを、その予測範囲Rb内にあり、他の予測データ60aが割り当てられた瞬時データ100a~100cに対して第2の割当条件により重複して割り当てる。
That is, under the first allocation condition, none of the
具体的には、割り当て部322bは、予測データ60bのコスト値のうち、最も低いコスト値の瞬時データ100aを第2の割当条件を満たすとして、重複して割り当てる。つまり、割り当て部322bは、1つの瞬時データ100aに対して2つの予測データ60a,60bを割り当てる。
Specifically, the allocation unit 322b redundantly allocates the
このように、瞬時データ100および予測データ60の距離や、角度、相対速度を考慮したコスト値により複数割り当て処理を行うことで、1つの瞬時データ100に対して適切に複数の予測データ60を割り当てることができる。また、第1の割当条件により割り当てられなかった予測データ60について、第2の割当条件により割り当て処理を行うことで、すべての予測データ60について瞬時データ100を割り当てることができる。
In this way, by performing multiple assignment processing based on the cost value considering the distance, angle, and relative speed of the
図2に戻って重み付け部323bについて説明する。重み付け部323bは、割り当て部322bによる割り当て関係にある今回の瞬時データ100および今回の予測データ60に対応する粒子データそれぞれについて重みを付ける。
Returning to FIG. 2, the weighting unit 323b will be described. The weighting unit 323b weights each of the particle data corresponding to the current
例えば、重み付け部323bは、今回の粒子データのうち、今回の瞬時データ100に近い粒子の重みを大きくし、今回の瞬時データ100から遠い粒子の重みを小さくする。なお、ここでいう「近い」および「遠い」は、マハラノビス距離が「近い」および「遠い」ことを指す。
For example, the weighting unit 323b increases the weight of particles close to the
また、重み付け部323bは、1つの瞬時データ100に対して複数の予測データ60が割り当てらた場合、1つの瞬時データ100に基づいて、複数の予測データ60それぞれの粒子データについて重みを付ける。
Further, when a plurality of prediction data 60 are assigned to one
次に、リサンプリング部324bは、今回の粒子データそれぞれの重みに基づいて粒子データを再配置(リサンプリング)する。具体的には、リサンプリング部324bは、重みが小さい粒子データを瞬時データ100の近く(重みが大きい)へ移動させる。より具体的には、リサンプリング部324bは、重みが所定の閾値未満の粒子データを重みが所定の閾値以上の粒子データへ再配置する。これにより、後述の物標データ生成部325bによって生成される物標データ50を、予測データ60よりも瞬時データ100の近くへ寄せることができる。
Next, the
なお、リサンプリング部324bは、1つの瞬時データ100に対して、複数の予測データ60が割り当てられていた場合、瞬時データ100と複数の予測データ60それぞれとの相対的な関係性に基づいて上記した閾値を決定する。具体的には、リサンプリング部324bは、複数の予測データ60それぞれと、瞬時データ100とのマハラノビス距離に基づいて閾値を決定する。
Note that, when a plurality of prediction data 60 are assigned to one
例えば、リサンプリング部324bは、瞬時データ100とのマハラノビス距離が遠い予測データ60については、上記した閾値を低くし、一方、マハラノビス距離が近い予測データ60については、上記した閾値を高くする。例えば、リサンプリング部324bは、複数の予測データ60のマハラノビス距離の差分に応じて、どの程度閾値を低く(あるいは高く)するかを決定してもよい。
For example, the
つまり、リサンプリング部324bは、マハラノビス距離が近い予測データ60に対応する物標データ50については、瞬時データ100へより近づくようにし、マハラノビス距離が遠い予測データ60に対応する物標データ50については、瞬時データ100へ近づきにくくする。
That is, the
これにより、例えば、瞬時データ100に含まれるノイズ成分が比較的大きい場合等に、後述の物標データ生成部325bで生成される複数の物標データ50すべてがかかる瞬時データ100の近くへ寄ることを防止できるため、物標データ50の連続性が不安定になることを防止できる。
As a result, for example, when the noise component included in the
物標データ生成部325bは、リサンプリング部324bによって再配置された今回の粒子データに基づいて確率密度関数を再計算し、再計算された確率密度関数の重心に基づいて物標データ50を生成する。なお、物標データ生成部325bは、確率密度関数の重心に基づいて物標データ50を生成したが、例えば、確率密度関数の平均に基づいて物標データ50を生成してもよい。
The target
また、物標データ生成部325bは、粒子データが割り当てられなかった瞬時データ100を新規の物標として扱い、そのまま物標データとして出力する。すなわち。物標データ生成部325bは、新規の物標の場合、瞬時データ100=物標データとして出力する。
Also, the
また、物標データ生成部325bは、1つの瞬時データ100に対して、複数の予測データ60が割り当てられた場合、複数の予測データ60それぞれに対応する物標データ50を生成する。これにより、瞬時データ100よりも予測データ60の数が多い場合であっても、すべての予測データ60について連続性をとることができる。
Further, when a plurality of prediction data 60 are assigned to one piece of
また、物標データ生成部325bは、1つの瞬時データ100に対して複数の予測データ60が割り当てられた場合について、所定の条件を満たすと、複数の予測データ60それぞれに対応する複数の物標データ50について、物標データ50の代表値を生成する。そして、物標データ生成部325bは、かかる代表値を車両制御装置2へ出力する。
In addition, when a plurality of prediction data 60 are assigned to one
ここで、図6を用いて、物標データ生成部325bによる物標データ50の代表値の生成処理について説明する。図6は、物標データ50の代表値の生成処理を示す図である。
Here, the generation processing of the representative value of the target data 50 by the target
図6では、最新の周期に相当する時間tと、時間tの1つ前の時間t-1と、時間t-1の1つ前の時間t-2とにおける物標データ50の生成処理を示している。また、図6では、1つの瞬時データ100が過去の2周期に亘って同一の複数の物標データ50a,50b(予測データ60a,60b)と連続性がとられている場合を示している。なお、各符号のカッコ内には、対応する時間を示している。すなわち、瞬時データ100(t)は、時間tに得られた瞬時データ100であることを示している。
In FIG. 6, generation processing of target object data 50 at time t corresponding to the latest cycle, time t-1 immediately before time t, and time t-2 immediately before time t-1 is performed. showing. Also, FIG. 6 shows a case where one
図6に示すように、物標データ生成部325bは、時間t-2から時間tの期間において、瞬時データ100および2つの予測データ60a,60bの割り当て関係が連続した場合、時間tにおいて、複数の物標データ50a,50bの代表値50abを生成する。例えば、物標データ生成部325bは、複数の物標データ50a,50bの平均値を代表値50abとしてもよく、複数の物標データ50a,50bのいずれか一方を代表値50abとしてもよい。
As shown in FIG. 6, the target
つまり、物標データ生成部325bは、瞬時データ100および複数の予測データ60の割り当て関係の連続する周期数に応じて同一の物標である確率カウントを増やしていき、かかる確率カウントが所定の閾値以上となった場合に、複数の予測データ60は同一の物標に由来する確率が高いとして、生成する複数の物標データ50を1つの代表値50abとしてまとめる。これにより、同一の物標に対して複数の物標データ50が生成され続けることを回避できる。
In other words, the target
なお、物標データ生成部325bは、例えば、物標データ50の状態に応じて上記した確率カウントの上昇幅を調整してもよい。例えば、物標データ生成部325bは、1つの瞬時データ100に割り当てられた複数の予測データ60それぞれの移動ベクトル(移動向きおよび相対速度)が異なる場合には、確率カウントを上昇させない、あるいは、上昇カウント数をごくわずかにする。つまり、複数の予測データ60の移動ベクトルが異なる場合は、別物標である可能性が高いため、1つの瞬時データ100を共有したとしても、代表値50abを生成しないようにする。これにより、異なる物標に由来する複数の物標データ50から誤って代表値50abを生成することを防止できる。
Note that the
なお、物標データ生成部325bは、1つの瞬時データ100に割り当てられた複数の予測データ60それぞれの移動ベクトルが類似していた場合、確率カウントの上昇カウント数を通常よりも大きくしてもよい。これにより、複数の物標データ50をより早期に代表値50abにまとめることで、より早期に同一の物標として検出することができる。
Note that the target
また、例えば、物標データ生成部325bは、複数の物標データ50の過去の位置が所定距離以上離れていた場合には、1つの瞬時データ100を共有したとしても、確率カウントの上昇カウント数をごくわずかにする。これにより、例えば、異なる物標が互いに接近することにより1つの瞬時データ100を共有する場合等に、誤って代表値50abが生成されることを防止できる。
Further, for example, when the past positions of a plurality of target data 50 are separated by a predetermined distance or more, the target
次に、図7を用いて、実施形態に係る物標検出装置1が実行する処理の処理手順について説明する。図7は、実施形態に係る物標検出装置1が実行する処理の処理手順を示すフローチャートである。
Next, a processing procedure of processing executed by the target
図7に示すように、まず、生成部32aは、送信した電波が物標で反射した反射波に基づいて物標に対応する瞬時データ100を生成する(ステップS101)。
As shown in FIG. 7, first, the
つづいて、フィルタ処理部32bの予測部321bは、前回の粒子データに基づいて今回の粒子データを予測する予測処理と、前回の物標データ50に基づいて今回の物標データ50に対応する予測データ60を予測する予測処理を行う(ステップS102)。なお、フィルタ処理部32bは、前回の粒子データが存在しない場合、前回の瞬時データ100の相対速度に基づいて今回の粒子データを予測する。
Subsequently, the
つづいて、割り当て部322bは、今回の粒子データに今回の瞬時データ100を割り当てる(ステップS103)。なお、割り当て部322bの具体的な処理手順については、図8で後述する。
Subsequently, the allocation unit 322b allocates the current
つづいて、割り当て部322bは、今回の粒子データが割り当てられなかった瞬時データ100の有無により新規の物標の有無を判定する(ステップS104)。割り当て部322bは、瞬時データ100が新規の物標であった場合(ステップS104,Yes)、新規の物標に対応する瞬時データ100に対して所定の粒子データ(例えば、初期状態の粒子データ)を設定する(ステップS105)。
Subsequently, the assignment unit 322b determines whether there is a new target based on the presence or absence of
つづいて、重み付け部323bは、瞬時データ100が新規の物標でなかった場合(ステップS104,No)、瞬時データ100に基づいて今回の粒子データそれぞれに重み付けを行う(ステップS106)。
Subsequently, if the
つづいて、リサンプリング部324bは、重み付け部323bによる重み付けに基づいて今回の粒子データのリサンプリングを行う(ステップS107)。つづいて、物標データ生成部325bは、リサンプリングされた今回の粒子データの確率密度関数を更新し、かかる確率密度関数に基づいて物標データ50を生成し(ステップS108)、処理を終了する。なお、物標データ生成部325bによる物標データ50の代表値50abの生成処理については、図9で後述する。
Subsequently, the
次に、図8を用いて、実施形態に係る割り当て部322bが実行する割り当て処理の処理手順について説明する。図8は、実施形態に係る割り当て部322bが実行する割り当て処理の処理手順を示すフローチャートである。 Next, a processing procedure of allocation processing executed by the allocation unit 322b according to the embodiment will be described with reference to FIG. FIG. 8 is a flowchart illustrating the procedure of allocation processing executed by the allocation unit 322b according to the embodiment.
図8に示すように、まず、割り当て部322bは、予測データ60それぞれについて、割り当て範囲R内に存在する瞬時データ100とのコスト値を算出する(ステップS201)。
As shown in FIG. 8, first, the allocation unit 322b calculates a cost value for each of the prediction data 60 and the
つづいて、割り当て部322bは、算出したコスト値に基づいて、第1の割当条件により割り当て処理を行う(ステップS202)。例えば、割り当て部322bは、各瞬時データ100について、コスト値が最も低い予測データ60を第1の割当条件を満たす予測データ60として割り当てる。
Subsequently, the allocation unit 322b performs allocation processing according to the first allocation condition based on the calculated cost value (step S202). For example, the allocation unit 322b allocates the prediction data 60 with the lowest cost value as the prediction data 60 that satisfies the first allocation condition for each piece of
そして、割り当て部322bは、第1の割当条件により割り当てられない予測データ60があるか否かを判定する(ステップS203)。割り当て部322bは、第1の割当条件により割り当てられない予測データ60があった場合(ステップS203,Yes)、第2の割当条件により重複して割り当てを行い(ステップS204)、割り当て処理を終了する。 Then, the allocation unit 322b determines whether there is any prediction data 60 that cannot be allocated under the first allocation condition (step S203). If there is prediction data 60 that cannot be allocated under the first allocation condition (step S203, Yes), the allocation unit 322b performs redundant allocation under the second allocation condition (step S204), and ends the allocation process. .
一方、割り当て部322bは、第1の割当条件により割り当てられない予測データ60がない場合(ステップS203,No)、すべての予測データ60の割り当てが完了したため、割り当て処理を終了する。 On the other hand, if there is no predictive data 60 that cannot be assigned according to the first assignment condition (step S203, No), the assigning unit 322b terminates the assigning process because assignment of all predictive data 60 has been completed.
次に、図9を用いて、実施形態に係る物標データ生成部325bが実行する代表値50abの生成処理の処理手順について説明する。図9は、物標データ生成部325bが実行する代表値50abの生成処理の処理手順を示すフローチャートである。
Next, a processing procedure of generation processing of the representative value 50ab executed by the target object
図9に示すように、物標データ生成部325bは、割り当て部322bによって1つの瞬時データ100に対して複数の予測データ60を割り当てたか否かを判定する(ステップS301)。
As shown in FIG. 9, the target
物標データ生成部325bは、1つの瞬時データ100に対して複数の予測データ60を割り当てられた場合(ステップS301,Yes)、割り当て関係にある瞬時データ100および複数の予測データ60の組み合わせが同一の物標である確率を示す確率カウントをアップする(ステップS302)。
When a plurality of prediction data 60 are assigned to one instantaneous data 100 (step S301, Yes), the
つづいて、物標データ生成部325bは、確率カウントが所定の閾値以上となったか否かを判定する(ステップS303)。物標データ生成部325bは、確率カウントが所定の閾値以上となった場合(ステップS303,Yes)、物標データ50の代表値50abを生成し(ステップS304)、処理を終了する。
Subsequently, the target object
一方、ステップS301において、物標データ生成部325bは、1つの瞬時データ100に対して複数の予測データ60を割り当てられなかった場合(ステップS301,No)、予測データ60それぞれに対応する物標データ50を生成し(ステップS305)、処理を終了する。
On the other hand, in step S301, when the
また、ステップS303において、物標データ生成部325bは、確率カウントが所定の閾値未満であった場合(ステップS303,No)、処理をステップS305へ移行する。
Also, in step S303, the target
上述してきたように、実施形態に係る物標検出装置1は、生成部32aと、フィルタ処理部32bとを備える。生成部32aは、送信した電波が物標で反射した反射波に基づいて物標に対応する瞬時データ100を生成する。フィルタ処理部32bは、生成部32aによって生成された瞬時データ100に対して時系列フィルタリングを施すことによって物標に対応する物標データ50を生成する。また、フィルタ処理部32bは、前回の物標データ50に基づく今回の物標データ50の予測データ60に対して今回の瞬時データ100を割り当てることで、前回の物標データ50との連続性をとる割り当て部322bを備える。割り当て部322bは、1つの今回の瞬時データ100に対して、複数の予測データ60を割り当て可能である。これにより、物標の検出精度を向上させることができる。
As described above, the
上述した実施形態では、物標検出装置1は車両に設けられることとしたが、無論、車両以外の移動体、たとえば船舶や航空機などに設けられてもよい。
In the above-described embodiment, the target
また、上述した実施形態では、物標検出装置1の用いる到来方向推定手法の例にESPRITを挙げたが、これに限られるものではない。たとえばDBF(Digital Beam Forming)や、PRISM(Propagator method based on an Improved Spatial-smoothing Matrix)、MUSIC(Multiple Signal Classification)などを用いてもよい。
Further, in the above-described embodiment, ESPRIT is used as an example of the direction-of-arrival estimation method used by the
また、上述した実施形態では、フィルタ処理部32bは、パーティクルフィルタを用いた場合を示したが、用いる時系列フィルタリングは、パーティクルフィルタに限定されるものではなく、例えば、カルマンフィルタや、αβフィルタ等の時系列フィルタリングであってもよい。
Further, in the above-described embodiment, the
さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。 Further effects and modifications can be easily derived by those skilled in the art. Therefore, the broader aspects of the invention are not limited to the specific details and representative embodiments so shown and described. Accordingly, various changes may be made without departing from the spirit or scope of the general inventive concept defined by the appended claims and equivalents thereof.
1 レーダ装置
32 信号処理部
32a 生成部
32b フィルタ処理部
33 記憶部
33a 履歴データ
50,50a,50b 物標データ
60,60a,60b 予測データ
100 瞬時データ
321b 予測部
322b 割り当て部
323b 重み付け部
324b リサンプリング部
325b 物標データ生成部
LC 他車両
MC 自車両
1
Claims (5)
前記生成部によって生成された前記瞬時データに対して時系列フィルタリングを施すことによって、前記瞬時データに対応づけられる前記物標との距離及び相対速度、並びに前記物標が位置する方位を示す推定角度を含む物標データを生成するフィルタ処理部と、を備え、
前記フィルタ処理部は、
前回の処理サイクルで生成された前記物標データから、該物標データによって表される物標が今回の処理サイクルで有すると予測される前記物標データの予測値である予測データを生成する予測データ生成部と、
前記予測データが示す位置から所定の割り当て範囲内にある前記瞬時データそれぞれについて、当該予測データとの関係性を評価した評価指標を算出する指標算出部と、
前記評価指標を用いた第1の割当条件に従って、前記瞬時データを前記予測データのいずれかに割り当てると共に、前記第1の割当条件により前記予測データのいずれかに割り当てられた前記瞬時データを、前記評価指標を用いた第2の割当条件に従って、前記瞬時データが割り当てられていない前記予測データのいずれかに重複して割り当てる割り当て部と、
前記割り当て部により前記瞬時データの割当先となった複数の前記予測データのそれぞれについて前記物標データを生成する物標データ生成部と、を備えること
を特徴とする物標検出装置。 Receiving the reflected wave of the transmitted radio wave, and repeatedly generating instantaneous data in each processing cycle , including the distance and relative velocity from the reflection point of the target that reflected the reflected wave, and an estimated angle indicating the direction of arrival of the reflected wave. a generator that
An estimated angle indicating a distance and a relative speed to the target and an azimuth at which the target is positioned, which are associated with the instantaneous data, by subjecting the instantaneous data generated by the generating unit to time-series filtering. a filter processing unit that generates target data including
The filter processing unit is
Prediction for generating, from the target data generated in the previous processing cycle, prediction data that is a prediction value of the target data that the target represented by the target data is predicted to have in the current processing cycle a data generator;
an index calculation unit that calculates an evaluation index that evaluates the relationship between each of the instantaneous data within a predetermined allocation range from the position indicated by the prediction data and the prediction data;
Allocating the instantaneous data to any of the predictive data according to a first allocation condition using the evaluation index, and assigning the instantaneous data allocated to any of the predictive data according to the first allocation condition to the an allocation unit that redundantly allocates one of the prediction data to which the instantaneous data is not allocated according to a second allocation condition using an evaluation index ;
a target data generation unit that generates the target data for each of the plurality of prediction data to which the instantaneous data is allocated by the allocation unit;
A target detection device characterized by:
前記瞬時データに対して所定数の粒子データを割り当てるパーティクルフィルタであり、
前記フィルタ処理部は、
前記瞬時データに基づいて前記所定数の粒子データに対して所定の重みを付与する重み付け部と、
前記所定数の粒子データのうち、前記重み付け部により付与された前記重みが所定の閾値未満である前記粒子データを再配置するリサンプリング部と、をさらに備え、
前記リサンプリング部は、
前記1つの今回の瞬時データに対して、前記複数の予測データが割り当てられた場合、当該瞬時データと当該複数の予測データそれぞれとの相対的な関係性に基づいて前記所定の閾値を決定すること
を特徴とする請求項1に記載の物標検出装置。 The time series filtering is
a particle filter that allocates a predetermined number of particle data to the instantaneous data;
The filter processing unit is
a weighting unit that gives a predetermined weight to the predetermined number of particle data based on the instantaneous data;
a resampling unit that rearranges the particle data for which the weight given by the weighting unit is less than a predetermined threshold among the predetermined number of particle data,
The resampling unit
Determining the predetermined threshold based on a relative relationship between the instantaneous data and each of the plurality of prediction data when the plurality of prediction data are assigned to the one current instantaneous data. The target detection device according to claim 1 , characterized by:
前記1つの今回の瞬時データが過去の所定周期以上に亘って同一の複数の前記前回の物標データと連続性がとられていた場合、前記複数の前回の物標データから前記今回の物標データの代表値を生成すること
を特徴とする請求項1~2のいずれか1つに記載の物標検出装置。 The filter processing unit is
When the one current instantaneous data has continuity with the same plurality of previous target data over a predetermined past period or more, the current target data is obtained from the plurality of previous target data. The target detection device according to any one of claims 1 and 2 , wherein a representative value of data is generated.
を特徴とする請求項1~3のいずれか1つに記載の物標検出装置。 The target detection device according to any one of claims 1 to 3, characterized by:
前記生成工程によって生成された前記瞬時データに対して時系列フィルタリングを施すことによって、前記瞬時データに対応づけられる前記物標との距離及び相対速度、並びに前記物標が位置する方位を示す推定角度を含む物標データを生成するフィルタ処理工程と、を含み、
前記フィルタ処理工程は、
前回の処理サイクルで生成された前記物標データから、該物標データによって表される物標が今回の処理サイクルで有すると予測される前記物標データの予測値である予測データを生成する予測データ生成工程と、
前記予測データが示す位置から所定の割り当て範囲内にある前記瞬時データそれぞれについて、当該予測データとの関係性を評価した評価指標を算出する指標算出工程と、
前記評価指標を用いた第1の割当条件に従って、前記瞬時データを前記予測データのいずれかに割り当てると共に、前記第1の割当条件により前記予測データのいずれかに割り当てられた前記瞬時データを、前記評価指標を用いた第2の割当条件に従って、前記瞬時データが割り当てられていない前記予測データのいずれかに重複して割り当てる割り当て工程と、
前記割り当て肯定により前記瞬時データの割当先となった複数の前記予測データのそれぞれについて前記物標データを生成する物標データ生成工程と、を含むこと
を特徴とする物標検出方法。 Receiving the reflected wave of the transmitted radio wave, and repeatedly generating instantaneous data in each processing cycle , including the distance and relative velocity to the reflection point of the target that reflected the reflected wave, and an estimated angle indicating the direction of arrival of the reflected wave. a generation step to
Time-series filtering is applied to the instantaneous data generated by the generating step, thereby obtaining a distance and relative velocity to the target, which are associated with the instantaneous data, and an estimated angle indicating the azimuth of the target. a filtering step of generating target data comprising
The filtering step includes
Prediction for generating prediction data, which is a predicted value of the target data that the target represented by the target data is predicted to have in the current processing cycle, from the target data generated in the previous processing cycle. a data generation step;
an index calculation step of calculating an evaluation index that evaluates the relationship with the predicted data for each of the instantaneous data within a predetermined allocation range from the position indicated by the predicted data;
Allocating the instantaneous data to any of the prediction data according to a first allocation condition using the evaluation index, and assigning the instantaneous data allocated to any of the prediction data according to the first allocation condition to the an assigning step of redundantly assigning the instantaneous data to any of the predictive data to which the instantaneous data is not assigned according to a second assignment condition using an evaluation index ;
and a target data generation step of generating the target data for each of the plurality of prediction data to which the instantaneous data is assigned due to the affirmation of assignment.
A target detection method characterized by:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018093650A JP7156817B2 (en) | 2018-05-15 | 2018-05-15 | Target detection device and target detection method |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018093650A JP7156817B2 (en) | 2018-05-15 | 2018-05-15 | Target detection device and target detection method |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019200079A JP2019200079A (en) | 2019-11-21 |
JP7156817B2 true JP7156817B2 (en) | 2022-10-19 |
Family
ID=68613062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018093650A Active JP7156817B2 (en) | 2018-05-15 | 2018-05-15 | Target detection device and target detection method |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7156817B2 (en) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003066137A (en) | 2001-08-27 | 2003-03-05 | Mitsubishi Electric Corp | Multitarget tracking device |
JP2004219299A (en) | 2003-01-16 | 2004-08-05 | Mitsubishi Electric Corp | Parallel multiple target tracking system |
JP2011117845A (en) | 2009-12-03 | 2011-06-16 | Toshiba Corp | Apparatus and method for detecting target |
US20150102955A1 (en) | 2013-10-14 | 2015-04-16 | GM Global Technology Operations LLC | Measurement association in vehicles |
JP2018063130A (en) | 2016-10-11 | 2018-04-19 | 株式会社デンソーテン | Radar device and continuity determination method |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0627808B2 (en) * | 1984-10-04 | 1994-04-13 | 防衛庁技術研究本部長 | Radar device |
-
2018
- 2018-05-15 JP JP2018093650A patent/JP7156817B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003066137A (en) | 2001-08-27 | 2003-03-05 | Mitsubishi Electric Corp | Multitarget tracking device |
JP2004219299A (en) | 2003-01-16 | 2004-08-05 | Mitsubishi Electric Corp | Parallel multiple target tracking system |
JP2011117845A (en) | 2009-12-03 | 2011-06-16 | Toshiba Corp | Apparatus and method for detecting target |
US20150102955A1 (en) | 2013-10-14 | 2015-04-16 | GM Global Technology Operations LLC | Measurement association in vehicles |
JP2018063130A (en) | 2016-10-11 | 2018-04-19 | 株式会社デンソーテン | Radar device and continuity determination method |
Also Published As
Publication number | Publication date |
---|---|
JP2019200079A (en) | 2019-11-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6924066B2 (en) | Radar device and target detection method | |
US20150204971A1 (en) | Radar apparatus | |
JP4045043B2 (en) | Radar equipment | |
US11002845B2 (en) | Radar device and target height estimation method | |
JP2015141109A (en) | Radar device and signal processing method | |
JP2016102739A (en) | Radar device and signal processing method | |
US9372260B2 (en) | Object detecting device, object detecting method, object detecting program, and motion control system | |
JP6993136B2 (en) | Radar device and target detection method | |
JP2009092410A (en) | Radar system and target detecting method | |
JP2018115931A (en) | Radar device and method for detecting target | |
JP7244220B2 (en) | Radar device and target data output method | |
US20130268173A1 (en) | Object detecting device, object detecting method, object detecting program, and motion control system | |
JP7181010B2 (en) | Radar device and target detection method | |
JP6873009B2 (en) | Radar device and target detection method | |
JP7156817B2 (en) | Target detection device and target detection method | |
JP7221606B2 (en) | Radar device and shaft deviation detection method | |
JP2019196994A (en) | Rader device and target detection method | |
JP7164327B2 (en) | Target detection device | |
JP7168353B2 (en) | Radar device and target data allocation method | |
JP2019200145A (en) | Radar device and interference wave detection method | |
JP7111506B2 (en) | Target detection device | |
JP2020008366A (en) | Radar device and method for controlling radar device | |
JP6426505B2 (en) | Passive radar device and target detection method | |
JP2002156449A (en) | Radar device | |
JP6929183B2 (en) | Radar device and target detection method |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210429 |
|
RD02 | Notification of acceptance of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7422 Effective date: 20211013 |
|
RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20220217 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220225 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220322 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220523 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220913 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20221006 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7156817 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |