JP7298536B2

JP7298536B2 - 物体認識装置

Info

Publication number: JP7298536B2
Application number: JP2020080182A
Authority: JP
Inventors: 高志小川
Original assignee: Denso Corp
Current assignee: Denso Corp
Priority date: 2020-04-30
Filing date: 2020-04-30
Publication date: 2023-06-27
Anticipated expiration: 2040-04-30
Also published as: WO2021220882A1; JP2021174430A; DE112021002587T5; US20230075000A1

Description

本開示は物体認識装置に関する。

物体認識装置が特許文献１に開示されている。物体認識装置は、レーザレーダ等を用いて物体を認識する。

特開２０１５－２２５４１号公報

物体認識装置は、レーザレーダ等を用いて取得した検出点を用いて物体を認識する。取得した検出点の中に、空間浮遊物等に起因する検出点が含まれることがある。この場合、物体を正確に認識することが困難になる。本開示の１つの局面では、空間浮遊物等に起因する検出点が物体の認識に用いられることを抑制できる物体認識装置を提供することが好ましい。

（１）本開示の１つの局面は、センサ（３１）を用いて、複数の方位における検出点（３３）を取得するように構成された検出点取得ユニット（７）と、前記検出点取得ユニットが取得した前記検出点の少なくとも一部を用いて物体を認識するように構成された物体認識ユニット（９）と、を備える物体認識装置（１）である。

本開示の１つの局面である物体認識装置は、複数の前記検出点のそれぞれについて、以下で定義する立体点条件を充足するか否かを判断するように構成された立体点判断ユニット（１１）と、複数の前記検出点のそれぞれについて、以下で定義する検出点数を算出するように構成された検出点数算出ユニット（１３）と、複数の前記検出点のそれぞれについて、以下で定義する欠落検出点が多いほど高くなる不連続性指標を算出するように構成された不連続性指標算出ユニット（１５）と、前記検出点取得ユニットが取得した前記検出点から、前記立体点条件を充足しない前記検出点、前記検出点数が閾値以下である前記検出点、及び、前記不連続性指標が閾値以上である前記検出点を除外する除外ユニット（１９）と、を備える。

前記物体認識ユニットは、前記検出点取得ユニットが取得した前記検出点のうち、前記除外ユニットにより除外されなかった前記検出点を用いて、前記物体を認識するように構成されている。

立体点条件：前記立体点条件を充足するか否かの判断対象である前記検出点（４３）を含む所定の領域（４５）内に、高さが異なる他の前記検出点が存在する。
検出点数：前記検出点数を算出する対象となる前記検出点（４３）を含む所定の領域（４７）内に存在する前記検出点の数。

欠落検出点：前記不連続性指標の算出対象である前記検出点（４３）を含む所定の基準領域（４７）に存在するいずれか２つの前記検出点を第１の検出点及び第２の検出点としたとき、前記第１の検出点の前記方位と、前記第２の検出点の前記方位との間の前記方位にあり、前記基準領域の外にある前記検出点。

本開示の１つの局面である物体認識装置は、空間浮遊物等に起因する検出点が物体の認識に用いられることを抑制できる。
（２）本開示の別の局面は、センサ（３１）を用いて、複数の方位における検出点（３３）を取得するように構成された検出点取得ユニット（７）と、前記検出点取得ユニットが取得した前記検出点の少なくとも一部を用いて物体を認識するように構成された物体認識ユニット（９）と、を備える物体認識装置（１）である。

本開示の別の局面である物体認識装置は、複数の前記検出点のそれぞれについて、以下で定義する立体点条件を充足するか否かを判断するように構成された立体点判断ユニット（１１）と、複数の前記検出点のそれぞれについて、以下で定義する検出点数を算出するように構成された検出点数算出ユニット（１３）と、複数の前記検出点のそれぞれについて、以下で定義する不規則性指標を算出するように構成された不規則性指標算出ユニット（１７）と、前記検出点取得ユニットが取得した前記検出点から、前記立体点条件を充足しない前記検出点、前記検出点数が閾値以下である前記検出点、及び、前記不規則性指標が閾値以上である前記検出点を除外する除外ユニット（１９）と、を備える。

不規則性指標：前記不規則性指標の算出対象である前記検出点（４３）を含む所定の範囲（４７）内に存在する前記検出点の位置の不規則性が高いほど大きい指標。
本開示の別の局面である物体認識装置は、空間浮遊物等に起因する検出点が物体の認識に用いられることを抑制できる。

（３）本開示の別の局面は、センサ（３１）を用いて、複数の方位における検出点（３３）を取得するように構成された検出点取得ユニット（７）と、前記検出点取得ユニットが取得した前記検出点の少なくとも一部を用いて物体を認識するように構成された物体認識ユニット（９）と、を備える物体認識装置（１）である。

本開示の別の局面である物体認識装置は、複数の前記検出点のそれぞれについて、以下で定義する立体点条件を充足するか否かを判断するように構成された立体点判断ユニット（１１）と、複数の前記検出点のそれぞれについて、以下で定義する検出点数を算出するように構成された検出点数算出ユニット（１３）と、複数の前記検出点のそれぞれについて、以下で定義する欠落検出点が多いほど高くなる不連続性指標を算出するように構成された不連続性指標算出ユニット（１５）と、複数の前記検出点のそれぞれについて、以下で定義する不規則性指標を算出するように構成された不規則性指標算出ユニット（１７）と、前記検出点取得ユニットが取得した前記検出点から、前記立体点条件を充足しない前記検出点、前記検出点数が閾値以下である前記検出点、前記不連続性指標が閾値以上である前記検出点、及び、前記不規則性指標が閾値以上である前記検出点を除外する除外ユニット（１９）と、を備える。

物体認識装置の構成を表すブロック図である。物体認識装置の機能的構成を表すブロック図である。物体認識装置が実行する処理を表すフローチャートである。物体認識装置が実行する処理を表す説明図である。立体点条件を表す説明図である。検出点数の算出方法を表す説明図である。不連続性指標の算出方法を表す説明図である。不規則性指標の算出方法を表す説明図である。物体認識装置が実行する立体面再判断の処理を表すフローチャートである。物体認識装置が実行する立体面再判断の処理を表すフローチャートである。立体面クラスタの分割と再生成を表す説明図である。立体面クラスタを分割する方法を表す説明図である。

本開示の例示的な実施形態について図面を参照しながら説明する。
＜第１実施形態＞
１．物体認識装置１の構成
物体認識装置１の構成を、図１及び図２に基づき説明する。物体認識装置１は、例えば、車両に搭載される。物体認識装置１は、ＣＰＵ３と、例えば、ＲＡＭ又はＲＯＭ等の半導体メモリ（以下、メモリ５とする）と、を有するマイクロコンピュータを備える。

物体認識装置１の各機能は、ＣＰＵ３が非遷移的実体的記録媒体に格納されたプログラムを実行することにより実現される。この例では、メモリ５が、プログラムを格納した非遷移的実体的記録媒体に該当する。また、このプログラムが実行されることで、プログラムに対応する方法が実行される。なお、物体認識装置１は、１つのマイクロコンピュータを備えてもよいし、複数のマイクロコンピュータを備えてもよい。

物体認識装置１は、図２に示すように、検出点取得ユニット７と、物体認識ユニット９と、立体点判断ユニット１１と、検出点数算出ユニット１３と、不連続性指標算出ユニット１５と、不規則性指標算出ユニット１７と、除外ユニット１９と、立体面再判断ユニット２１と、を備える。なお、立体面再判断ユニット２１は、クラスタ形成ユニット及び無効化ユニットに対応する。

図１に示すように、物体認識装置１は、センサ３１と接続している。センサ３１は、例えば、ライダーである。センサ３１は、ライダー以外のセンサであってもよい。ライダー以外のセンサとして、例えば、カメラ、ミリ波レーダ等が挙げられる。カメラとして、例えば、ステレオカメラ、単眼カメラ等が挙げられる。センサ３１は、例えば車両に搭載されている。センサ３１は、例えば、車両の周囲に存在する物体を検出する。センサ３１は、検出結果を表す信号を物体認識装置１に送る。

２．物体認識装置１が実行する処理
物体認識装置１が実行する処理を、図３～図１２に基づき説明する。図３のステップ１では、検出点取得ユニット７が、センサ３１を用いて測定を行い、複数の方位における検出点３３を取得する。方位とは、センサ３１を基準とする方位である。方位には、垂直方向での方位（以下では垂直方向方位とする）と、水平方向での方位（以下では水平方向方位４２とする）とがある。それぞれの検出点３３は、垂直方向方位と、水平方向方位４２とを有する。

図４のＦ１に、取得した検出点３３の例を示す。検出点３３は、例えば、周辺車両３５、路面３７、路側物３９、空間浮遊物４１等からの反射により得られる。空間浮遊物４１は、例えば、排気ガスに含まれる微粒子である。

ステップ２では、除外ユニット１９が、前記ステップ１で取得した検出点３３から、１つの検出点３３を選定する。選定した検出点３３を以下では判断対象点４３とする。ステップ２の処理は、後述するステップ１０で肯定判断がなされるまで繰り返し実行される。除外ユニット１９が選定する検出点３３は、過去のステップ２の処理において未だ判断対象点４３として選定されていない検出点３３である。

ステップ３では、直前の前記ステップ２で選定した判断対象点４３が立体点条件を充足するか否かを立体点判断ユニット１１が判断する。立体点条件を、図５に基づき説明する。立体点判断ユニット１１は、判断対象点４３を含む領域４５を設定する。

領域４５は、垂直方向及び水平方向における一定の幅を有する。立体点判断ユニット１１は、領域４５内に存在する、判断対象点４３以外の検出点３３（以下では領域内検出点３３Ａとする）を特定する。立体点判断ユニット１１は、領域内検出点３３Ａのうち、判断対象点４３とは垂直方向方位が異なるものの数Ｘを算出する。立体点条件は、例えば、Ｘが予め設定された閾値以上という条件である。

また、立体点条件は、高さ幅Ｗが予め設定された閾値以上という条件であってもよい。高さ幅Ｗは、領域内検出点３３Ａのうち、最も高いものと、最も低いものとの、垂直方向における距離である。

立体点条件は、領域４５内に、判断対象点４３とは高さが異なる他の検出点３３が存在することに対応する。立体点条件が充足される場合、本処理はステップ４に進む。立体点条件が充足されない場合、本処理はステップ９に進む。

なお、ステップ３の処理は、後述するステップ１０で肯定判断がなされるまで繰り返し実行される。ステップ３の処理の対象となる判断対象点４３は、ステップ３の処理ごとに異なる。よって、立体点判断ユニット１１は、前記ステップ１で取得された複数の検出点３３のそれぞれについて、立体点条件を充足するか否かを判断する。

ステップ４では、検出点数算出ユニット１３が、直前の前記ステップ２で選定した判断対象点４３の検出点数を算出する。検出点数の算出方法を図６に基づき説明する。検出点数算出ユニット１３は、判断対象点４３を含む領域４７を設定する。領域４７は、水平方向における一定の広がりを有する。垂直方向から見たとき、領域４７の形状は、例えば、矩形である。判断対象点４３は、例えば、領域４７の中心に位置する。

検出点数算出ユニット１３は、垂直方向方位が判断対象点４３と同じであって、水平方向での座標が領域４７内に存在する検出点３３（以下では領域内検出点３３Ｂとする）を特定する。検出点数算出ユニット１３は、領域内検出点３３Ｂの数を検出点数とする。

なお、ステップ４の処理は、後述するステップ１０で肯定判断がなされるまで繰り返し実行される。ステップ４の処理の対象となる判断対象点４３は、ステップ４の処理ごとに異なる。よって、検出点数算出ユニット１３は、複数の検出点３３のそれぞれについて、検出点数を算出する。

ステップ５では、不連続性指標算出ユニット１５が、直前の前記ステップ２で選定した判断対象点４３の不連続性指標Ｄを算出する。不連続性指標Ｄの算出方法を、図７に基づき説明する。不連続性指標算出ユニット１５は、前記ステップ４の処理で算出した領域内検出点３３Ｂを使用する。

不連続性指標算出ユニット１５は、判断対象点４３及び領域内検出点３３Ｂの方位番号を抽出する。なお、方位番号とは、センサ３１が電磁波を照射する全ての水平方向方位４２に付されている番号である。水平方向方位４２が一定の方向Ｙに変化するにつれて、方位番号は大きくなる。任意の方位番号と、隣接する方位番号との差Δｄは一定である。

図７に示す例では、抽出された方位番号は、ｉ_１、ｉ_２、ｉ_３、i_４、ｉ_５である。ｉ_１とｉ_２との間には、領域４７内にない検出点３３の方位番号が１つある。そのため、ｉ_１とｉ_２との差は、２Δｄである。また、ｉ_４とｉ_５との間には、領域４７内にない検出点３３の方位番号が１つある。そのため、ｉ_４とｉ_５との差は、２Δｄである。

ｉ_２とｉ_３との間には、抽出されなかった方位番号はない。そのため、ｉ_２とｉ_３との差はΔｄである。ｉ_３とｉ_４との間には、抽出されなかった方位番号はない。そのため、ｉ_３とｉ_４との差はΔｄである。不連続性指標算出ユニット１５は、式（１）により、不連続性指標Ｄを算出する。

ｎの値は、図７に示す事例では、１～４の自然数である。Ｎは、領域内検出点３３Ｂの数と、判断対象点４３の数との和である。図７に示す事例では、Ｎは５である。ｍ_{（ｎ、ｎ＋１）}は、α×Δｄである。αは、ｉ_ｎとｉ_ｎ＋１との間にある、未観測点の方位番号の数である。未観測点の方位番号とは、検出点３３が得られなかった水平方向方位４２の方位番号である。γは定数の閾値である。

不連続性指標Ｄは、欠落検出点が多いほど高くなる指標である。欠落検出点とは、領域４７に存在するいずれか２つの領域内検出点３３Ｂを第１の検出点及び第２の検出点としたとき、第１の検出点の水平方向方位４２と、第２の検出点の水平方向方位４２との間の水平方向方位４２にあり、領域４７の外にある検出点３３である。図７に示す事例では、方位番号がｉ_１とｉ_２との間である水平方向方位４２にある検出点３３と、方位番号がｉ_４とｉ_５との間である水平方向方位４２にある検出点３３とが、欠落検出点に該当する。

ステップ６では、不規則性指標算出ユニット１７が、直前の前記ステップ２で選定した判断対象点４３の不規則性指標Ｉを算出する。不規則性指標Ｉの算出方法を、図８に基づき説明する。不規則性指標算出ユニット１７は、前記ステップ４の処理と同様に、領域４７を設定する。また、不規則性指標算出ユニット１７は、前記ステップ４の処理と同様に、領域内検出点３３Ｂを特定する。

不規則性指標算出ユニット１７は、回帰直線４９を算出する。回帰直線４９は、回帰誤差を最小にする直線である。回帰誤差とは、判断対象点４３と直線との距離、及び、それぞれの領域内検出点３３Ｂと直線との距離の二乗和である。不規則性指標Ｉは、直線が回帰直線４９である場合の回帰誤差である。不規則性指標Ｉは、式（２）で表される。

ｄ_ｎは、判断対象点４３及び領域内検出点３３Ｂのうちのいずれか１つと回帰直線４９との距離である。不規則性指標Ｉは、領域内検出点３３Ｂの位置の不規則性が高いほど大きい指標である。
ステップ７では、直前の前記ステップ２で選定した判断対象点４３が立体面条件を充足するか否かを除外ユニット１９が判断する。立体面条件を充足するとは、以下のＪ１～Ｊ３の全てを充足することである。

Ｊ１：前記ステップ４で算出した検出点数が予め設定された閾値を超える。
Ｊ２：前記ステップ５で算出した不連続性指標Ｄが予め設定された閾値未満である。
Ｊ３：前記ステップ６で算出した不規則性指標Ｉが予め設定された閾値未満である。

直前の前記ステップ２で選定した判断対象点４３が立体面条件を充足する場合、本処理はステップ８に進む。直前の前記ステップ２で選定した判断対象点４３が立体面条件を充足しない場合、本処理はステップ９に進む。

ステップ８では、除外ユニット１９が、直前の前記ステップ２で選定した判断対象点４３について、立体面フラグをオンにする。
ステップ９では、除外ユニット１９が、直前の前記ステップ２で選定した判断対象点４３について、立体面フラグをオフにする。

図４のＦ２に、立体面フラグをオン又はオフにした事例を示す。３３Ｃは、立体面フラグがオンである検出点３３である。３３Ｄは、立体面フラグがオフである検出点３３である。周辺車両３５からの反射により得られる検出点３３に比べて、路面３７からの反射により得られる検出点３３、及び、空間浮遊物４１からの反射により得られる検出点３３は、立体面フラグがオフになり易い。

ステップ１０では、前記ステップ１で取得した全ての検出点３３を前記ステップ２で判断対象点４３として選定し終えたか否かを、除外ユニット１９が判断する。全ての検出点３３を判断対象点４３として選定し終えた場合、本処理はステップ１１に進む。いずれかの検出点３３を未だ判断対象点４３として選定していない場合、本処理はステップ２に進む。

ステップ１１では、立体面再判断ユニット２１が立体面再判断を行う。この処理を、図９～図１２に基づき説明する。図９のステップ２１では、立体面再判断ユニット２１が、前記ステップ１で取得した検出点３３の垂直方向方位の中から、１つの垂直方向方位を選定する。ステップ２１の処理は、後述するステップ３９で肯定判断がなされるまで繰り返し実行される。立体面再判断ユニット２１が選定する垂直方向方位は、過去のステップ２１の処理において未だ選定されていない垂直方向方位である。

ステップ２２では、立体面再判断ユニット２１が、着目点を選定する。着目点は、直前の前記ステップ２１で選定した垂直方向方位にある１つの検出点３３である。ステップ２２の処理は、後述するステップ３９で肯定判断がなされるまで繰り返し実行される。立体面再判断ユニット２１が選定する着目点は、過去のステップ２２の処理において未だ選定されていない検出点３３である。立体面再判断ユニット２１は、順次選定する着目点の水平方向方位４２が、図１１に示す方向Ｙに変化するように、着目点を選定する。

ステップ２３では、直前の前記ステップ２２で選定された着目点の立体面フラグがオンであるか否かを立体面再判断ユニット２１が判断する。着目点の立体面フラグがオンである場合、本処理はステップ２４に進む。着目点の立体面フラグがオフである場合、本処理はステップ２９に進む。

ステップ２４では、立体面クラスタが存在するか否かを立体面再判断ユニット２１が判断する。立体面クラスタとは、検出点３３の集合である。立体面クラスタが存在する場合、本処理はステップ２５に進む。立体面クラスタが存在しない場合、本処理はステップ２７に進む。

ステップ２５では、直前の前記ステップ２２で選定された着目点と立体面クラスタとが接続可能であるか否かを立体面再判断ユニット２１が判断する。着目点と立体面クラスタとが接続可能であるとは、着目点と、立体面クラスタに含まれるいずれかの検出点３３との距離が予め設定された閾値以下であることである。着目点と立体面クラスタとが接続可能である場合、本処理はステップ２６に進む。着目点と立体面クラスタとが接続可能ではない場合、本処理はステップ３０に進む。

ステップ２６では、立体面再判断ユニット２１が、立体面クラスタを、直前の前記ステップ２２で選定された着目点を含むように更新する。立体面再判断ユニット２１は、更新された立体面クラスタの連続スキップ回数を初期化し、０にする。
ステップ２７では、立体面再判断ユニット２１が、直前の前記ステップ２２で選定された着目点から成る立体面クラスタを新規作成する。

ステップ２８では、直前の前記ステップ２２で選定された着目点の水平方向方位４２が、水平最終方位であるか否かを立体面再判断ユニット２１が判断する。水平最終方位とは、直前の前記ステップ２１で選定した垂直方向方位にある検出点３３の水平方向方位４２のうち、最も方向Ｙに進んだ水平方向方位４２である。着目点の水平方向方位４２が水平最終方位である場合、本処理はステップ３２に進む。着目点の水平方向方位４２が水平最終方位ではない場合、本処理はステップ２２に進む。

ステップ２９では、立体面クラスタが存在するか否かを立体面再判断ユニット２１が判断する。立体面クラスタが存在する場合、本処理はステップ３０に進む。立体面クラスタが存在しない場合、本処理はステップ２８に進む。

ステップ３０では、立体面再判断ユニット２１が、接続スキップ回数をインクリメントする。
ステップ３１では、接続スキップ回数が予め設定された閾値より大きいか否かを立体面再判断ユニット２１が判断する。接続スキップ回数が閾値より大きい場合、本処理はステップ３２に進む。接続スキップ回数が閾値以下である場合、本処理はステップ２８に進む。

ステップ３２では、立体面再判断ユニット２１が、立体面クラスタを確定する。図４のＦ３に、確定した立体面クラスタ５１、５３、５５を示す。
ステップ３３では、立体面再判断ユニット２１が、立体面クラスタの線形回帰誤差を算出する。

立体面クラスタの線形回帰誤差とは、立体面クラスタに含まれるそれぞれの検出点３３Ｃと回帰直線との距離の二乗和である。立体面再判断ユニット２１は、算出した線形回帰誤差が予め設定された閾値より大きいか否かを判断する。立体面クラスタの線形回帰誤差が閾値より大きい場合、本処理はステップ３４に進む。立体面クラスタの線形回帰誤差が閾値以下である場合、本処理は図１０のステップ３５に進む。

ステップ３４では、立体面再判断ユニット２１が、線形回帰誤差が閾値より大きいと判断された立体面クラスタを２つの立体面クラスタに分割する。立体面クラスタを分割する方法を、図１１及び図１２に示す事例に基づき説明する。

図１１に示す立体面クラスタ５１の線形回帰誤差は閾値より大きかった。立体面再判断ユニット２１は、図１２に示すように、立体面クラスタ５１を２つの立体面クラスタ５１Ａ、５１Ｂに分割する複数のパターンＰ１～Ｐ５を想定する。

立体面再判断ユニット２１は、パターンＰ１～Ｐ５のそれぞれについて、立体面クラスタ５１Ａの線形回帰誤差と、立体面クラスタ５１Ｂの線形回帰誤差との和（以下では、総合誤差とする）を算出する。立体面再判断ユニット２１は、パターンＰ１～Ｐ５の中から、総合誤差が最小となる１つのパターンを選択する。

図１１、図１２に示す事例では、パターンＰ３における総合誤差が最小であった。立体面再判断ユニット２１は、パターンＰ３における立体面クラスタ５１Ａ、５１Ｂを、分割後の立体面クラスタ５１Ａ、５１Ｂとする。立体面クラスタ５１が、立体面クラスタ５１Ａ、５１Ｂに分割された状態を図４のＦ４に示す。

立体面再判断ユニット２１は、分割後の立体面クラスタ５１Ａ、５１Ｂのうち、水平方向方位４２が方向Ｙの上流側にある立体面クラスタ５１Ａのみを残し、立体面クラスタ５１Ｂを削除する。立体面再判断ユニット２１は、図１１に示すように、立体面クラスタ５１Ａに含まれる検出点３３Ｃのうち、方向Ｙに最も進んだ水平方向方位４２にある検出点３３Ｃを、最新の着目点３３Ｅとする。

立体面再判断ユニット２１は、立体面クラスタ５１Ｂに含まれていた検出点３３Ｃを、未だ着目点として選定されていないものとする。よって、今後の前記ステップ２２の処理では、立体面クラスタ５１Ｂに含まれていた検出点３３Ｃが、着目点として順次選定される。

例えば、図４のＦ５に示すように、立体面クラスタ５１Ｂに含まれていた検出点３３Ｃの少なくとも一部により、新たな立体面クラスタ５７が形成される。なお、新たな立体面クラスタ５７の線形回帰誤差が閾値より大きい場合、立体面クラスタ５７に対し、ステップ３４の処理が実行される。

ステップ３５では、立体面再判断ユニット２１が、立体面クラスタの大きさを算出する。

ステップ３６では、立体面再判断ユニット２１が、前記ステップ３５で算出した大きさが予め設定された閾値以下であった立体面クラスタに含まれている検出点３３Ｃの立体面フラグをオフにする。その結果、大きさが閾値以下であった立体面クラスタに含まれている検出点３３Ｃは検出点３３Ｄに変化する。

また、立体面再判断ユニット２１は、線形回帰誤差が予め設定された閾値以上であった立体面クラスタに含まれている検出点３３Ｃの立体面フラグをオフにする。その結果、線形回帰誤差が閾値以上であった立体面クラスタに含まれている検出点３３Ｃは検出点３３Ｄに変化する。

なお、ステップ３６で使用する線形回帰誤差とは、前記ステップ３４の処理を行わなかった場合は、前記ステップ３３で算出した線形回帰誤差である。前記ステップ３４で立体面クラスタを分割した場合は、前記ステップ３４で算出した、分割後の立体面クラスタの線形回帰誤差である。

図４のＦ５に示す事例では、立体面クラスタ５５の大きさは閾値以下であった。そのため、立体面クラスタ５５に含まれている検出点３３Ｃは、図４のＦ６に示すように、検出点３３Ｄに変化した。また、立体面クラスタ５３の大きさは閾値以上であったが、立体面クラスタ５３の線形回帰誤差は閾値以上であった。そのため、立体面クラスタ５３に含まれている検出点３３Ｃは、図４のＦ６に示すように、検出点３３Ｄに変化した。

立体面クラスタ５１Ａ、５７の大きさは閾値以上であり、立体面クラスタ５１Ａ、５７の線形回帰誤差は閾値未満であった。そのため、立体面クラスタ５１Ａ、５７に含まれている検出点３３Ｃは、図４のＦ６に示すように、検出点３３Ｃのままであった。

ステップ３７では、立体面再判断ユニット２１が、クラスタ情報をリセットする。
ステップ３８では、最新の着目点３３Ｅの水平方向方位４２が水平最終方位であるか否かを立体面再判断ユニット２１が判断する。最新の着目点３３Ｅの水平方向方位４２が水平最終方位である場合、本処理はステップ３９に進む。最新の着目点３３Ｅの水平方向方位４２が水平最終方位ではない場合、本処理はステップ２２に進む。

ステップ３９では、前記ステップ１で取得した検出点３３の垂直方向方位の全てを前記ステップ２１で選定し終えたか否かを立体面再判断ユニット２１が判断する。垂直方向方位の全てを選定し終えた場合、立体面再判断の処理を終了し、図３のステップ１２に進む。未だ選定していない垂直方向方位が残っている場合、本処理はステップ２１に進む。

図３に戻り、ステップ１２では、物体認識ユニット９が、検出点３３Ｃを用いて物体を認識する。
３．物体認識装置１が奏する効果
（１Ａ）物体認識装置１は、センサ３１を用いて取得した検出点３３から、立体点条件を充足しない検出点３３、検出点数が閾値以下である検出点３３、不連続性指標Ｄが閾値以上である検出点３３、及び、不規則性指標Ｉが閾値以上である検出点３３を除外する。物体認識装置１は、除外されなかった検出点３３を用いて物体を認識する。

空間浮遊物４１に起因する検出点３３は、空間的にランダムに分布する。そのため、空間浮遊物４１に起因する検出点３３は、除外され易い。車両のボディー等の物体に起因する検出点３３の群は、垂直方向への広がりを持った平面状に分布するため、除外され難い。その結果、物体認識装置１は、空間浮遊物４１に起因する検出点３３が物体の認識に用いられることを抑制できる。

（１Ｂ）物体認識装置１は、検出点３３Ｃを用いて立体面クラスタを形成する。検出点３３Ｃは、除外ユニット１９により除外されなかった検出点３３に対応する。物体認識装置１は、立体面クラスタのうち、大きさが閾値以下であるもの、及び、線形回帰誤差が閾値以上であるものに含まれる検出点３３Ｃの立体面フラグをオフにする。この処理は、所定の無効条件に該当する立体面クラスタに含まれる検出点３３Ｃを無効化することに対応する。立体面クラスタの大きさが閾値以下であること、及び、立体面クラスタの線形回帰誤差が閾値以上であることは、無効化条件に対応する。

物体認識装置１は、上記の処理の後でも残った検出点３３Ｃを用いて物体を認識する。大きさが閾値以下である立体面クラスタに含まれる検出点３３Ｃは、路側物３９等に起因する検出点３３Ｃである可能性が高い。線形回帰誤差が閾値以上である立体面クラスタに含まれる検出点３３Ｃは、空間浮遊物４１等に起因する検出点３３Ｃである可能性が高い。

物体認識装置１は、路側物３９や空間浮遊物４１に起因する検出点３３が物体の認識に用いられることを抑制できる。
＜他の実施形態＞
以上、本開示の実施形態について説明したが、本開示は上述の実施形態に限定されることなく、種々変形して実施することができる。

（１）立体面条件を充足することは、Ｊ１及びＪ２を充足することであってもよい。この場合も、第１実施形態の効果を奏することができる。立体面条件を充足することは、Ｊ１及びＪ３を充足することであってもよい。この場合も、第１実施形態の効果を奏することができる。
（２）物体認識装置１は、前記ステップ１１の立体面再判断の処理を行わなくてもよい。この場合、物体認識装置１は、例えば、前記ステップ１０で肯定判断をした時点での検出点３３Ｃを用いて、前記ステップ１２の物体認識処理を行うことができる。物体認識装置１は、前記ステップ１１の立体面再判断の処理を行わない場合でも、第１実施形態の効果（１Ａ）を奏することができる。

（３）本開示に記載の物体認識装置１及びその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の物体認識装置１及びその手法は、一つ以上の専用ハードウェア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の物体認識装置１及びその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリと一つ以上のハードウェア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されてもよい。物体認識装置１に含まれる各部の機能を実現する手法には、必ずしもソフトウェアが含まれている必要はなく、その全部の機能が、一つあるいは複数のハードウェアを用いて実現されてもよい。

（４）上記実施形態における１つの構成要素が有する複数の機能を、複数の構成要素によって実現したり、１つの構成要素が有する１つの機能を、複数の構成要素によって実現したりしてもよい。また、複数の構成要素が有する複数の機能を、１つの構成要素によって実現したり、複数の構成要素によって実現される１つの機能を、１つの構成要素によって実現したりしてもよい。また、上記実施形態の構成の一部を省略してもよい。また、上記実施形態の構成の少なくとも一部を、他の上記実施形態の構成に対して付加又は置換してもよい。

（５）上述した物体認識装置１の他、当該物体認識装置１を構成要素とするシステム、当該物体認識装置１としてコンピュータを機能させるためのプログラム、このプログラムを記録した半導体メモリ等の非遷移的実態的記録媒体、物体認識方法等、種々の形態で本開示を実現することもできる。

１…物体認識装置、７…検出点取得ユニット、９…物体認識ユニット、１１…立体点判断ユニット、１３…検出点数算出ユニット、１５…不連続性指標算出ユニット、１７…不規則性指標算出ユニット、１９…除外ユニット、２１…立体面再判断ユニット、４２…水平方向方位、４３…判断対象点、４５、４７…領域、４９…回帰直線、５１、５１Ａ、５１Ｂ、５３、５５、５７…立体面クラスタ

Claims

センサ（３１）を用いて、複数の方位における検出点（３３）を取得するように構成された検出点取得ユニット（７）と、
前記検出点取得ユニットが取得した前記検出点の少なくとも一部を用いて物体を認識するように構成された物体認識ユニット（９）と、
を備える物体認識装置（１）であって、
複数の前記検出点のそれぞれについて、以下で定義する立体点条件を充足するか否かを判断するように構成された立体点判断ユニット（１１）と、
複数の前記検出点のそれぞれについて、以下で定義する検出点数を算出するように構成された検出点数算出ユニット（１３）と、
複数の前記検出点のそれぞれについて、以下で定義する欠落検出点が多いほど高くなる不連続性指標を算出するように構成された不連続性指標算出ユニット（１５）と、
前記検出点取得ユニットが取得した前記検出点から、前記立体点条件を充足しない前記検出点、前記検出点数が閾値以下である前記検出点、及び、前記不連続性指標が閾値以上である前記検出点を除外する除外ユニット（１９）と、
を備え、
前記物体認識ユニットは、前記検出点取得ユニットが取得した前記検出点のうち、前記除外ユニットにより除外されなかった前記検出点を用いて、前記物体を認識するように構成された物体認識装置。
立体点条件：前記立体点条件を充足するか否かの判断対象である前記検出点（４３）を含む所定の領域（４５）内に、高さが異なる他の前記検出点が存在する。
検出点数：前記検出点数を算出する対象となる前記検出点（４３）を含む所定の領域（４７）内に存在する前記検出点の数。
欠落検出点：前記不連続性指標の算出対象である前記検出点（４３）を含む所定の基準領域（４７）に存在するいずれか２つの前記検出点を第１の検出点及び第２の検出点としたとき、前記第１の検出点の前記方位と、前記第２の検出点の前記方位との間の前記方位にあり、前記基準領域の外にある前記検出点。
センサ（３１）を用いて、複数の方位における検出点（３３）を取得するように構成された検出点取得ユニット（７）と、
前記検出点取得ユニットが取得した前記検出点の少なくとも一部を用いて物体を認識するように構成された物体認識ユニット（９）と、
を備える物体認識装置（１）であって、
複数の前記検出点のそれぞれについて、以下で定義する立体点条件を充足するか否かを判断するように構成された立体点判断ユニット（１１）と、
複数の前記検出点のそれぞれについて、以下で定義する検出点数を算出するように構成された検出点数算出ユニット（１３）と、
複数の前記検出点のそれぞれについて、以下で定義する不規則性指標を算出するように構成された不規則性指標算出ユニット（１７）と、
前記検出点取得ユニットが取得した前記検出点から、前記立体点条件を充足しない前記検出点、前記検出点数が閾値以下である前記検出点、及び、前記不規則性指標が閾値以上である前記検出点を除外する除外ユニット（１９）と、
を備え、
前記物体認識ユニットは、前記検出点取得ユニットが取得した前記検出点のうち、前記除外ユニットにより除外されなかった前記検出点を用いて、前記物体を認識するように構成された物体認識装置。
立体点条件：前記立体点条件を充足するか否かの判断対象である前記検出点（４３）を含む所定の領域（４５）内に、高さが異なる他の前記検出点が存在する。
検出点数：前記検出点数を算出する対象となる前記検出点（４３）を含む所定の領域（４７）内に存在する前記検出点の数。
不規則性指標：前記不規則性指標の算出対象である前記検出点（４３）を含む所定の範囲（４７）内に存在する前記検出点の位置の不規則性が高いほど大きい指標。
センサ（３１）を用いて、複数の方位における検出点（３３）を取得するように構成された検出点取得ユニット（７）と、
前記検出点取得ユニットが取得した前記検出点の少なくとも一部を用いて物体を認識するように構成された物体認識ユニット（９）と、
を備える物体認識装置（１）であって、
複数の前記検出点のそれぞれについて、以下で定義する立体点条件を充足するか否かを判断するように構成された立体点判断ユニット（１１）と、
複数の前記検出点のそれぞれについて、以下で定義する検出点数を算出するように構成された検出点数算出ユニット（１３）と、
複数の前記検出点のそれぞれについて、以下で定義する欠落検出点が多いほど高くなる不連続性指標を算出するように構成された不連続性指標算出ユニット（１５）と、
複数の前記検出点のそれぞれについて、以下で定義する不規則性指標を算出するように構成された不規則性指標算出ユニット（１７）と、
前記検出点取得ユニットが取得した前記検出点から、前記立体点条件を充足しない前記検出点、前記検出点数が閾値以下である前記検出点、前記不連続性指標が閾値以上である前記検出点、及び、前記不規則性指標が閾値以上である前記検出点を除外する除外ユニット（１９）と、
を備え、
前記物体認識ユニットは、前記検出点取得ユニットが取得した前記検出点のうち、前記除外ユニットにより除外されなかった前記検出点を用いて、前記物体を認識するように構成された物体認識装置。
立体点条件：前記立体点条件を充足するか否かの判断対象である前記検出点（４３）を含む所定の領域（４５）内に、高さが異なる他の前記検出点が存在する。
検出点数：前記検出点数を算出する対象となる前記検出点（４３）を含む所定の領域（４７）内に存在する前記検出点の数。
欠落検出点：前記不連続性指標の算出対象である前記検出点（４３）を含む所定の基準領域（４７）に存在するいずれか２つの前記検出点を第１の検出点及び第２の検出点としたとき、前記第１の検出点の前記方位と、前記第２の検出点の前記方位との間の前記方位にあり、前記基準領域の外にある前記検出点。
不規則性指標：前記不規則性指標の算出対象である前記検出点（４３）を含む所定の範囲（４７）内に存在する前記検出点の位置の不規則性が高いほど大きい指標。
請求項１～３のいずれか１項に記載の物体認識装置であって、
前記検出点取得ユニットが取得した前記検出点のうち、前記除外ユニットにより除外されなかった前記検出点を用いてクラスタ（５１、５３、５５）を形成するように構成されたクラスタ形成ユニット（２１）と、
前記クラスタのうち、所定の無効条件に該当する前記クラスタ（５３、５５）に含まれる前記検出点を無効化する無効化ユニット（２１）と、
をさらに備え、
前記物体認識ユニットは、前記検出点取得ユニットが取得した前記検出点のうち、前記除外ユニットにより除外されず、前記無効化ユニットにより無効化されなかった前記検出点を用いて、前記物体を認識するように構成された物体認識装置。