JP7363835B2 - 物体認識システム及び物体認識方法 - Google Patents

Description

本発明は、ライダー（LIDAR: Laser Imaging Detection And Ranging）を用いて物体を認識するシステム及び方法に関する。

国際公開第２０２０／１７０６７９号は、車両用灯具のアウターカバーと、アウターカバーの内部に形成された空間に格納されたライダーと、アウターカバーに付着した汚れを除去する灯具クリーナーと、車両用灯具のクリーナーの駆動を制御する制御部と、を備えるセンサシステムを開示する。この従来のシステムにおいて、車両用灯具は、車両の４隅に配置される。ライダーは、車両の周囲にレーザパルスを出力し、反射点で反射したレーザパルスの反射光を検出する。制御部は、アウターカバーに雨、雪、泥などの汚れが付着しているか否かの判定を行う。

アウターカバーに汚れが付着した場合、ライダーにより検出される反射光の強度が低下する。制御部による判定では、車両の周囲の乾燥路面で反射したレーザパルスの反射光の強度が取得される。そして、この反射光の強度が所定の閾値以下の場合、アウターカバーに汚れが付着していると判定される。アウターカバーに汚れが付着していると判定された場合、制御部は、クリーナーを駆動する。

国際公開第２０２０／１７０６７９号

しかしながら、乾燥路面で反射した反射光を利用する従来のシステムでは、アウターカバーの下部に付着した汚れを検出することしかできない。つまり、従来のシステムでは、アウターカバーの下部以外に付着した汚れを検出することができない。ライダーから出力されるレーザパルスの範囲は、車両の上下左右方向を含んでいる。そのため、ライダーによる物体の検出精度の低下を抑えるには、アウターカバーのうち、レーザパルス及び反射光が通過する範囲に付着する汚れを検出するための技術の開発が望まれる。

本発明の１つの目的は、ライダーの本体部を覆うカバー部のうち、当該本体部からのレーザパルスが通過する範囲に発生した異常を検出可能な技術を提供することにある。

第１の発明は、移動体の周囲の物体を認識する物体認識システムであり、次の特徴を有する。
前記物体認識システムは、ライダーの本体部と、カバー面と、データ処理装置と、を備える。前記本体部は、前記移動体の周囲にレーザパルスを出力し、前記周囲の反射点で反射した当該レーザパルスの反射光を検出することにより前記反射点のデータを取得する。前記カバー面は、前記本体部を保護する。前記データ処理装置は、前記反射点のデータの処理により得られる点群データに基づいて、物体認識処理を行う。
前記データ処理装置は、更に、前記スキャン範囲の所定区画の異常を判定する異常判定処理を行う。
前記データ処理装置は、前記異常判定処理において、前記点群データの履歴に基づいて、現在から所定時間が経過するまでの間、前記点群データを表現するためのデータセットの範囲内において、前記物体認識処理により認識されたトラッキング対象が前記移動体に対して相対的に移動する距離を示す相対移動距離を予測する。前記相対移動距離は、前記レーザパルスの出力中心軸に対して直交し、かつ、垂直方向と平行な方向の成分を示す垂直距離と、前記出力中心軸に対して直交し、かつ、水平方向と平行な成分を示す水平距離と、を含む。
前記データ処理装置は、前記異常判定処理において、前記垂直距離又は前記水平距離が所定距離以上の場合、前記トラッキング対象を構成する点群データの履歴に基づいて前記反射光の推定強度を計算する。前記推定強度は、前記所定時間の経過後の前記データセットの範囲内、かつ、前記所定区画に対応する区画を示す対応区画において、前記トラッキング対象の点群データを構成すると予測される前記反射光の強度である。
前記データ処理装置は、前記異常判定処理において、前記推定強度と前記反射光の実強度の差が所定強度を上回るか否かを判定する。前記実強度は、前記所定時間の経過後の前記データセットの範囲内、かつ、前記対応区画において、前記トラッキング対象の点群データを実際に構成する前記反射光の強度である。
前記データ処理装置は、前記異常判定処理において、前記推定強度と前記実強度の差が前記所定強度を上回ると判定された場合、前記所定区画に異常が生じていると判定する。
前記データ処理装置は、前記異常判定処理において、更に、
前記所定時間の経過後の前記データセットの範囲内において前記対応区画と一致することが予測される区画を示す特定区画を、現在の時刻における前記データセットの範囲内に特定する処理と、前記特定区画内の任意のデータを選択して当該任意のデータを構成する前記反射光の強度を評価する処理と、を行う。
前記データ処理装置は、前記反射光の強度を評価する処理において、前記特定区画内の全てのデータにおいて、当該全てのデータをそれぞれ構成する前記反射光の強度の平均値を計算し、前記平均値と、前記選択された任意のデータを構成する前記反射光の強度との差が所定偏差を上回るか否かを判定し、前記平均値と、前記選択された任意のデータを構成する前記反射光の強度との差が前記所定偏差を上回ると判定された場合、前記選択された任意のデータとは別のデータを選択する。

第２の発明は、第１の発明において更に次の特徴を有する。
前記データ処理装置は、前記異常判定処理において、前記トラッキング対象を構成する点群データの履歴に基づいて前記対応区画を設定する処理を更に行う。
前記データ処理装置は、前記対応区画を設定する処理において、前記所定時間の経過後の前記データセットの範囲内において、前記トラッキング対象の外縁部の点群データを構成すると予測される区画よりも内側の区画に、前記対応区画を設定する。

第３の発明は、物体認識方法であり、次の特徴を有する。
前記物体認識方法は、データ処理装置により行われる。
前記データ処理装置は、前記移動体の周囲の反射点で反射したレーザパルスの反射光を検出することにより取得された前記反射点のデータに基づいて、物体認識処理を行う。
前記データ処理装置は、前記レーザパルスの出力、前記反射光の検出及び前記反射点のデータを取得するライダーの本体部を保護するカバー面において、前記レーザパルス及び前記反射光が通過する範囲を示すスキャン範囲の所定区画の異常を判定する異常判定処理を行う。
前記データ処理装置は、前記異常判定処理において、前記点群データの履歴に基づいて、現在から所定時間が経過するまでの間、前記点群データを表現するためのデータセットの範囲内において、前記物体認識処理により認識されたトラッキング対象が前記移動体に対して相対的に移動する距離を示す相対移動距離を予測する。前記相対移動距離は、前記レーザパルスの出力中心軸に対して直交し、かつ、垂直方向と平行な方向の成分を示す垂直距離と、前記出力中心軸に対して直交し、かつ、水平方向と平行な成分を示す水平距離と、を含む。
前記データ処理装置は、前記異常判定処理において、前記垂直距離又は前記水平距離が所定距離以上の場合、前記トラッキング対象を構成する点群データの履歴に基づいて前記反射光の推定強度を計算する。前記推定強度は、前記所定時間の経過後の前記データセットの範囲内、かつ、前記所定区画に対応する区画を示す対応区画において、前記トラッキング対象の点群データを構成すると予測される前記反射光の強度である。
前記データ処理装置は、前記異常判定処理において、前記推定強度と前記反射光の実強度の差が所定強度を上回るか否かを判定する。前記実強度は、前記所定時間の経過後の前記データセットの範囲内、かつ、前記対応区画において、前記トラッキング対象の点群データを実際に構成する前記反射光の強度である。
前記データ処理装置は、前記異常判定処理において、前記推定強度と前記実強度の差が前記所定強度を上回ると判定された場合、前記所定区画に異常が生じていると判定する。
前記データ処理装置は、前記異常判定処理において、更に、前記所定時間の経過後の前記データセットの範囲内において前記対応区画と一致することが予測される区画を示す特定区画を、現在の時刻における前記データセットの範囲内に特定する処理と、前記特定区画内の任意のデータを選択して当該任意のデータを構成する前記反射光の強度を評価する処理と、を行う。
前記データ処理装置は、前記反射光の強度を評価する処理において、前記特定区画内の全てのデータにおいて、当該全てのデータをそれぞれ構成する前記反射光の強度の平均値を計算し、前記平均値と、前記選択された任意のデータを構成する前記反射光の強度との差が所定偏差を上回るか否かを判定し、前記平均値と、前記選択された任意のデータを構成する前記反射光の強度との差が前記所定偏差を上回ると判定された場合、前記選択された任意のデータとは別のデータを選択する。

第１又は３の発明によれば、データ処理装置より、スキャン範囲の所定区画の異常を判定する異常判定処理が行われる。異常判定処理によれば、反射点のデータ処理により得られる点群データの履歴に基づいて、反射光の推定強度が計算される。また、異常判定処理によれば、反射光の推定強度と、反射光の実強度との差が所定強度を上回ると判定された場合、所定区画に異常が生じていると判定される。従って、スキャン範囲に発生した異常を検出することが可能となる。
特定区画内の任意のデータが選択される場合、選択された任意のデータを構成する反射光の強度が周囲のそれから大幅に乖離する可能性がある。この点、第１又は３の発明によれば、特定区画内の全てのデータをそれぞれ構成する反射光の強度の平均値が計算される。また、この平均値と、選択された任意のデータを構成する反射光の強度との差が所定偏差を上回ると判定された場合、当該任意のデータとは異なる別のデータが選択される。従って、特定区画内の任意のデータを適切に選択して、スキャン範囲に発生した異常の検出の精度を高めることが可能となる。

トラッキング対象の外縁部の点群データを構成すると予測される区画は、トラッキング対象とは異なる物体のデータを含む可能性がある。この点、第２の発明によれば、トラッキング対象の外縁部の点群データを構成すると予測される区画よりも内側の区画に対応区画を設定することが可能となる。従って、反射光の推定強度の計算の精度を高めて、スキャン範囲に発生した異常の検出の精度を高めることが可能となる。

ライダーを用いた物体認識の例を説明する図である。 ３Ｄライダーの構成例を示す概略図である。 点群データを表現するためのデータセットの範囲と、レーザパルス及び反射光が通過する範囲に対応する区画としてこのデータセット範囲に定義される対応区画と、を模式的に示した図である。 データセット範囲内におけるトラッキング対象の将来の移動方向及び移動距離の予測手法の一例を説明する図である。 将来のＺ位置データの推定手法の一例を説明する図である。 実施形態に係る物体認識システムの構成例を示すブロック図である。 データ処理装置の機能構成例を示すブロック図である。 トラッキング対象の将来の移動方向及び移動距離の一例を示す図である。 データ処理装置（プロセッサ）により実行される異常判定処理の流れを示すフローチャートである。

以下、図面を参照しながら、本発明の実施形態に係る物体認識システムについて説明する。なお、実施形態に係る物体認識方法は、実施形態に係る物体認識システムにおいて行われるコンピュータ処理により実現される。また、各図において、同一又は相当する部分には同一符号を付してその説明を簡略化し又は省略する。

１．実施形態の概要
１－１．ライダーを用いた物体認識
図１は、ライダーを用いた物体認識の例を説明する図である。図１には、移動体ＭＢが描かれている。図１に示される移動体ＭＢは車両である。ただし、移動体ＭＢは、ロボット、海洋移動体又は飛翔体でもよい。ロボットとしては、物流ロボット及び作業ロボットが例示される。海洋移動体としては船舶及び潜水艦が例示される。飛翔体としては、飛行機、ドローンなどが例示される。

移動体ＭＢには、３Ｄライダー１０が搭載されている。３Ｄライダー１０は、移動体ＭＢの周囲にレーザパルスを出力する。移動体ＭＢの周囲の反射点ＲＰでレーザパルスが反射すると、当該レーザパルスの反射光が３Ｄライダー１０に戻ってくる。３Ｄライダー１０は、この反射光を検出することにより反射点ＲＰのデータを得る。

図１には、移動体ＭＢが走行する路面ＲＳが描かれている。路面ＲＳ上の反射点ＲＰで反射したレーザパルスの反射光が３Ｄライダー１０により検出されると、当該反射点ＲＰのデータが得られる。図１には、また、移動体ＭＢの前方に存在する物体ＯＢ１が描かれている。図１に示される物体ＯＢ１は車両である。物体ＯＢ１は移動していてもよいし、静止していてもよい。物体ＯＢ１上の反射点ＲＰで反射したレーザパルスの反射光が３Ｄライダー１０により検出されると、当該反射点ＲＰのデータが得られる。

反射点ＲＰのデータは、例えば、レーザパルスの出力角度（水平角度θ及び垂直角度φ）のデータと、この出力角度におけるレーザパルスの飛行時間（TOF: Time Of Flight）のデータと、を含んでいる。反射点ＲＰのデータが処理されると、点群データＬＩＤが得られる。点群データＬＩＤを構成する個々のデータは、３Ｄライダー１０に固定されたセンサ座標系における３Ｄ位置データ（即ち、Ｘ、Ｙ及びＺ位置データ）と、反射光の強度ＩＲのデータと、を含んでいる。

移動体ＭＢには、また、データ処理装置２０が搭載されている。データ処理装置２０は、点群データＬＩＤに基づいて移動体ＭＢの周囲の物体を認識する「物体認識処理」を行う。物体認識処理では、トラッキングの対象となる物体が認識される。移動体ＭＢが車両の場合のトラッキング対象としては、他の移動体、道路標識、路面、路側物及び落下物が例示される。物体の認識は、クラスタリング処理により行われる。クラスタリング処理は、点群データＬＩＤに基づいて、反射特性が類似する近い点群データを複数のクラスタにグループ化する処理である。クラスタリング処理を含む物体の認識手法は特に限定されず、公知の技術を適用することができる。

１－２．異常判定処理
図２は、３Ｄライダー１０の構成例を示す概略図である。図２に示される例において、３Ｄライダー１０は、本体部１１と、カバー部１２と、を備えている。本体部１１は、レーザパルスの出力と、レーザパルスの反射光の検出と、反射点ＲＰのデータの処理と、を行う。カバー部１２は、本体部１１を保護する目的で設けられる。カバー部１２は、本体部１１の外周を覆うカバー面を含んでいる。図２には、このカバー面の一部として、レーザパルス及び反射光が通過する範囲（以下、「スキャン範囲」とも称す。）ＳＲが描かれている。

カバー部１２は外気に晒されているので、カバー面には雨、雪、泥などの汚れが付着する。また、カバー面には、小石などの飛翔物体との接触により傷が発生する。スキャン範囲ＳＲに汚れが付着し、又はこのスキャン範囲ＳＲに傷が付くと、反射点ＲＰのデータの精度が低下し、ひいては、点群データＬＩＤに基づいた物体の認識の精度が低下する。そこで、実施形態では、スキャン範囲ＳＲの異常を判定する「異常判定処理」を行う。

異常判定処理では、スキャン範囲ＳＲ内の所定区画ＰＲに異常が生じているか否かが判定される。所定区画ＰＲは、スキャン範囲ＳＲをＮ個の区分したときの単位区画に基づいて定義される。単位区画は１個の区画から構成されてもよいし、２個以上の区画の集合から構成されてもよい。所定区画ＰＲの中心の位置は、例えば、上述したセンサ座標系と共通する座標系上の座標（ｘｉ，ｙｊ，ｚｋ）により表される。この場合のＺ軸はレーザパルスの出力中心軸であり、水平方向と平行である。また、Ｙ軸はＺ軸と直交しており、垂直方向と平行である。Ｘ軸は、Ｚ軸及びＹ軸と直交している。

レーザパルスの出力の範囲は、スキャン範囲ＳＲと一致する。また、レーザパルスの反射光は、スキャン範囲ＳＲを通過する。従って、点群データＬＩＤを表現するためのデータセットの範囲ＤＲの形状は、スキャン範囲ＳＲの形状と相似すると言える。そこで、データセット範囲ＤＲをスキャン範囲ＳＲと同じくＮ個に区分する。そうすると、スキャン範囲ＳＲにおける所定区画ＰＲに対応する区画（以下、「対応区画」とも称す。）ＰＲＣが、データセット範囲ＤＲ内に定義できる。

図３は、データセット範囲ＤＲ及び対応区画ＰＲＣを模式的に示した図である。既に説明したように、データセット範囲ＤＲの形状は、スキャン範囲ＳＲの形状と相似する。また、データセット範囲ＤＲはＮ個に区分されている。そのため、所定区画ＰＲの中心の位置が座標（ｘｉ，ｙｊ，ｚｋ）により表される場合、対応区画ＰＲＣの中心の位置は、座標（Ｘｉ，Ｙｊ，Ｚｋ）により表される。

図３には、また、図１に示した物体ＯＢ１の反射点ＲＰのデータの処理により得られた点群データＬＩＤ＿ＯＢ１（Ｘ，Ｙ，Ｚ，ＩＲ）が描かれている。この点群データＬＩＤ＿ＯＢ１（Ｘ，Ｙ，Ｚ，ＩＲ）は、上述したセンサ座標系における３Ｄ位置データ（即ち、Ｘ、Ｙ及びＺ位置データ）と、反射光強度ＩＲのデータと、を含む個々のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）から構成される。各データＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）にそれぞれ含まれるＸ及びＹ位置データは、データセット範囲ＤＲにおける当該データＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）のＸ及びＹ座標のデータを表している。一方、各データＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）にそれぞれ含まれるＺ位置データは、移動体ＭＢ（本体部１１）から反射点ＲＰまでの距離ＤＳのデータを表している。

ここで、反射光強度ＩＲについて説明する。反射光強度ＩＲは、例えば、下記式（１）のライダーの受信電力Ｐｒに基づいて計算される。

式（１）の右辺第１項において、Ｐｔは送信電力であり、Ｇｔは送信の指向性（広がり）に関する係数であり、Ｒは光源から反射点ＲＰまでの距離である。Ｔｔは送信部の透過率であり、Ｔｒは受信部の透過率であり、Ｌは空間減衰に関する係数である。式（１）の右辺第２項は、ノイズＮを表している。

式（１）から分かるように、反射光強度ＩＲは、距離Ｒの４乗に反比例する。そのため、式（１）の右辺第１項における距離Ｒ以外の変数を一定と見做し、第２項が無視できると仮定すると、距離Ｒ（つまり、距離ＤＳ）に基づいて反射光強度ＩＲを表現することができる。

異常判定処理では、トラッキング対象を構成する点群データＬＩＤの履歴に基づいて、データセット範囲ＤＲ内における当該トラッキング対象の将来の移動方向及び移動距離が予測される。本明細書において、「将来の移動方向」は、現在から所定時間が経過するまでの間、データセット範囲ＤＲ内においてトラッキング対象が移動体ＭＢに対して相対的に移動する方向と定義される。「将来の移動距離」とは、現在から所定時間が経過するまでの間、データセット範囲ＤＲ内においてトラッキング対象が将来の移動方向に移動する距離と定義される。

データセット範囲ＤＲ内におけるトラッキング対象の将来の移動方向及び移動距離の予測手法の一例について、図４を参照しながら説明する。図４には、トラッキング対象としての物体ＯＢ２を構成する点群データＬＩＤが簡略化して描かれている。図４に示される物体ＯＢ２は、移動体ＭＢが走行する車線の右前方の路肩で停止している車両である。

図４には、また、時刻ｔ１～ｔ３におけるデータセット範囲ＤＲが時系列で示されている。なお、図４の説明は以下の内容を前提とする。第１に、現在の時刻が時刻ｔ２であり、物体ＯＢ２のトラッキングは時刻ｔ１において既に開始されている。第２に、時刻ｔ１～ｔ２の間、移動体ＭＢは車線上を一定速度で直進し、物体ＯＢ２に徐々に近づいている。つまり、時刻ｔ１～ｔ２の間、物体ＯＢ２に対する移動体ＭＢのＺ軸方向における相対速度Ｖｒｚは一定である。第３に、時刻ｔ３は将来の時刻であり、時刻ｔ２から時刻ｔ３までの時間差は、上述した所定時間と等しい。

物体ＯＢ２の将来の移動方向及び移動距離の予測は、時刻ｔ１～ｔ２の間における物体ＯＢ２の移動の挙動が、時刻ｔ２以降も継続されるとの仮定に基づいて行われる。移動方向の予測では、まず、時刻ｔ１において物体ＯＢ２を構成する点群データＬＩＤ＿ＯＢ２（Ｘ，Ｙ，Ｚ，ＩＲ）のうちから、物体ＯＢ２の基準の位置（例えば、物体ＯＢ２の中央の位置）に存在するデータ（Ｘ１，Ｙ１，Ｚ１）が特定される。この特定処理は、時刻ｔ２における点群データＬＩＤ＿ＯＢ２（Ｘ，Ｙ，Ｚ，ＩＲ）に対しても行われる。そうすると、基準の位置のデータ（Ｘ２，Ｙ２，Ｚ２）も特定される。

時刻ｔ１～ｔ２の間における物体ＯＢ２の移動方向は、座標（Ｘ１，Ｙ１，Ｚ１）を始点とし、座標（Ｘ２，Ｙ２，Ｚ２）を終点とするベクトルＶＥの向きに等しい。よって、物体ＯＢ２の将来の移動方向（つまり、時刻ｔ２～ｔ３の間におけるデータセット範囲ＤＲ内の物体ＯＢ２の移動方向）は、このベクトルＶＥの向きと等しい方向として予測される。

時刻ｔ１～ｔ２の間における物体ＯＢ２の移動距離は、ベクトルＶＥの大きさ｜ＶＥ｜に基づいて予測される。具体的に、物体ＯＢ２の将来の移動距離（つまり、時刻ｔ２～ｔ３の間におけるデータセット範囲ＤＲ内の物体ＯＢ２の移動距離）は、下記式（２）を用いて予測される。
将来の移動距離＝｜ＶＥ｜＊（ｔ３－ｔ２）／（ｔ２－ｔ１） ・・・（２）

異常判定処理では、また、予測された将来の移動方向及び移動距離に基づいて、対応区画ＰＲＣの将来の反射光強度ＩＲのデータが推定される。以下の説明では、将来の反射光強度ＩＲを「推定値ＩＲＥ」とも称す。

推定値ＩＲＥの推定手法の一例について、図５を参照しながら説明する。なお、図５の説明における前提は、図４の説明におけるそれと同じである。また、図４を用いて説明された予測手法は、これから説明する物体ＯＢ２の将来の移動方向及び移動距離の予測にも適用されている。

推定値ＩＲＥの推定では、まず、現在の時刻（つまり、時刻ｔ２）におけるデータセット範囲ＤＲ内に、対応区画ＰＲＣが設定される。対応区画ＰＲＣは、例えば、将来の時刻においてトラッキング対象を構成する点群データＬＩＤが取得されると予測される単位区画に設定される。この単位区画は、トラッキング対象を構成する点群データＬＩＤの位置の履歴と、トラッキング対象の将来の移動方向と、に基づいて予測される。

図５に示される時刻ｔ１及びｔ２では、トラッキング対象としての物体ＯＢ２を構成する点群データＬＩＤ＿ＯＢ２（Ｘ，Ｙ，Ｚ，ＩＲ）が、データセット範囲ＤＲの右方領域に位置している。また、物体ＯＢ２の将来の移動方向は、ベクトルＶＥの向きであることが予想されている。そうすると、点群データＬＩＤ＿ＯＢ２（Ｘ，Ｙ，Ｚ，ＩＲ）が取得されると予測される単位区画は、この右方領域、かつ、現在の時刻における点群データＬＩＤ＿ＯＢ２（Ｘ，Ｙ，Ｚ，ＩＲ）よりもベクトルＶＥの向きに位置する単位区画であることが分かる。

対応区画ＰＲＣが設定されたら、対応区画ＰＲＣの中心の位置の座標（Ｘｉ，Ｙｊ，Ｚｋ）から、ベクトルＶＥの向きとは反対の向きに大きさ｜ＶＥ｜だけ離れた位置の座標（Ｘｐ，Ｙｑ，Ｚｒ）が特定される。ベクトルＶＥ及び大きさ｜ＶＥ｜については、図４を用いて説明したとおりである。座標（Ｘｐ，Ｙｑ，Ｚｒ）は、具体的に、座標（Ｘｉ，Ｙｊ，Ｚｋ）を始点するベクトルＶＥの逆ベクトルＩＶＥの終点に相当する。

座標（Ｘｐ，Ｙｑ，Ｚｒ）の特定は、現在の時刻（つまり、時刻ｔ２）におけるデータセット範囲ＤＲ内で行われる。座標（Ｘｐ，Ｙｑ，Ｚｒ）が特定されたら、この座標（Ｘｐ，Ｙｑ，Ｚｒ）を含む単位区画が特定される。以下、特定された単位区画を「特定区画」ＰＲＳとも称す。特定区画は、将来の時刻におけるデータセット範囲ＤＲにおいて対応区画ＰＲＣに一致することが予測される単位区画である。特定区画ＰＲＳの特定も、現在の時刻におけるデータセット範囲ＤＲ内で行われる。

特定区画が特定されたら、特定区画ＰＲＳ内の任意のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成するＺ位置データ及び反射光強度ＩＲのデータが選択される。任意のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）としては、データセット範囲ＤＲ内において座標（Ｘｐ，Ｙｑ，Ｚｒ）に位置するデータＬＩＤ（Ｘｐ，Ｙｑ，Ｚｒ，ＩＲ）が例示される。データＬＩＤ（Ｘｐ，Ｙｑ，Ｚｒ，ＩＲ）が存在しない場合は、データセット範囲ＤＲ内において座標（Ｘｐ，Ｙｑ，Ｚｒ）からの距離が最も短い位置に存在するデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を選択すればよい。

図４の説明で述べたように、物体ＯＢ２の将来の移動方向及び移動距離の予測は、時刻ｔ１～ｔ２の間におけるデータセット範囲ＤＲ内の物体ＯＢ２の移動の挙動が時刻ｔ２以降も継続されると仮定して行われる。この仮定に基づけば、この挙動は時刻ｔ３においても継続される。そうすると、特定区画ＰＲＳ内の任意のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成するＺ位置データは、将来の時刻ｔ３のデータセット範囲ＤＲ内において対応区画ＰＲＣに含まれるデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成する反射光強度ＩＲのデータと高い相関を有することが予想される。

移動体ＭＢと物体ＯＢ２のＺ軸方向の距離ＤＳｚは、時刻ｔ２～ｔ３の間にＶｒｚ＊（ｔ３－ｔ２）だけ変化する。よって、時刻ｔ３における推定値ＩＲＥ（ｔ３）は、下記式（３）を用いて計算される。
ＩＲＥ（ｔ３）＝ＩＲＡ（ｔ２）＊ＤＳｚ（ｔ２）^４／［ＤＳｚ（ｔ２）－Ｖｒｚ＊（ｔ３－ｔ２）］^４ ・・・（３）
上記式（３）において、ＩＲＡ（ｔ２）は、特定区画ＰＲＳ内の任意のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成する反射光強度ＩＲのデータの時刻ｔ２における値である。ＤＳｚ（ｔ２）は、特定区画ＰＲＳ内の任意のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成するＺ位置データの時刻ｔ２における値である。

異常判定処理では、推定値ＩＲＥ（ｔ３）と、実値ＩＲＡ（ｔ３）とが比較される。実値ＩＲＡ（ｔ３）は、は、特定区画ＰＲＳ内の任意のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成する反射光強度ＩＲのデータの、時刻ｔ３での実値である。そして、推定値ＩＲＥ（ｔ３）と実値ＩＲＡ（ｔ３）の差｜ＩＲＥ（ｔ３）－ＩＲＡ（ｔ３）｜が所定強度ＩＲｔｈを上回る場合、所定区画ＰＲに異常が生じていると判定される。

以上をまとめると、実施形態によれば、カバー部１２の所定区画ＰＲに異常が生じているか否かを判定するために異常判定処理が行われる。異常判定処理では、トラッキング対象を構成する点群データＬＩＤの履歴に基づいて、データセット範囲ＤＲ内における当該トラッキング対象の将来の移動方向及び移動距離が予測される。異常判定処理では、また、この将来の移動方向及び移動距離に基づいて、対応区画ＰＲＣの将来の反射光強度ＩＲのデータ（即ち、推定値ＩＲＥ）が推定される。そして、推定値ＩＲＥと、対応区画ＰＲＣの実際の反射光強度ＩＲのデータ（即ち、実値ＩＲＡ）との差｜ＩＲＥ－ＩＲＡ｜が所定強度ＩＲｔｈを上回る場合、所定区画ＰＲに異常が生じていると判定される。

このように、実施形態によれば、異常判定処理が行われる。異常判定によれば、所定区画ＰＲに異常が生じていることを検出することが可能となる。従って、反射点ＲＰのデータの精度が低下し、ひいては、点群データＬＩＤに基づいた物体の認識の精度が低下するのを検知することが可能となる。

以下、実施形態に係る物体認識システムについて詳細に説明する。

２．物体認識システム
２－１．構成例
図６は、実施形態に係る物体認識システムの構成例を示すブロック図である。図６に示される例では、物体認識システム１００が、３Ｄライダー１０と、データ処理装置２０と、ミリ波レーダ３０と、カメラ４０と、ＧＮＳＳ（Global Navigation Satellite System）受信機５０と、地図データベース６０と、ＨＭＩ（Human Machine Interface）７０と、ライダークリーナー８０と、を備えている。

３Ｄライダー１０は、図２に示した本体部１１及びカバー部１２を備えている。本体部１１は、例えば、レーザパルスを出力する発光部と、レーザパルスを水平方向及び垂直方向に走査させる光偏向器と、レンズ等の光学系と、レーザパルスの反射光を検出する受光部と、を備えている。発光部は、例えば、レーザダイオードである。発光部から出力されるレーザパルスのピーク波長は特に限定されない。光偏向器は、例えば、ＭＥＭＳ（Micro Electro Mechanical Systems）ミラー又はポリゴンミラーである。受光部は、例えば、フォトダイオードである。

３Ｄライダー１０は、光偏向器によりレーザパルスを走査せずに、点群データＬＩＤを取得する構成を有していてもよい。この構成としては、フェイズドアレイ方式及びフラッシュ方式が例示される。３Ｄライダー１０は、発光部と受光部を機械的に回転駆動させることで点群データＬＩＤを取得する構成を有していてもよい。

データ処理装置２０は、少なくとも１つのプロセッサ２１と、少なくとも１つのメモリ２２とを備えるマイクロコンピュータから構成される。プロセッサ２１は、ＣＰＵ（Central Processing Unit）を含んでいる。メモリ２２は、ＤＤＲメモリなどの揮発性のメモリであり、プロセッサ２１が使用するプログラムの展開及び各種データの一時保存を行う。各種データには、３Ｄライダー１０が取得した点群データＬＩＤが含まれる。データ処理装置２０の機能構成例については後述される。

ミリ波レーダ３０は、移動体ＭＢの周囲にミリ波の電磁波を出力する。移動体ＭＢの周囲の物体で電磁波が反射すると、電磁波がミリ波レーダ３０に戻ってくる。ミリ波レーダ３０は、この反射電磁波を検出してレーダデータＭＩＬを生成する。レーダデータＭＩＬとしては、移動体ＭＢ（ミリ波レーダ３０）から物体までの距離のデータ、移動体ＭＢに対する物体の方向のデータ、及び、移動体ＭＢに対する物体の相対速度のデータが例示される。レーダデータＭＩＬはメモリ２２に格納される。

カメラ４０は、移動体ＭＢの周囲を撮像して画像データＩＭＧを取得する。画像データＩＭＧはメモリ２２に格納される。カメラ４０は、画像データＩＭＧを処理して、移動体ＭＢの周囲の物体を認識してもよい。この場合の画像データＩＭＧとしては、認識された物体の属性を示すデータ、移動体ＭＢから物体までの距離のデータ、移動体ＭＢに対する物体の方向のデータ、及び物体の位置のデータが例示される。

ＧＮＳＳ受信機５０は、３個以上の人工衛星からの信号を受信する。ＧＮＳＳ受信機５０は、受信信号に基づいて、移動体ＭＢの位置及び姿勢データＰＯＳを生成する。位置及び姿勢データＰＯＳはメモリ２２に格納される。

地図データベース６０には、地図データＭＡＰが格納されている。地図データＭＡＰとしては、道路の位置データ、道路形状のデータ（例えば、カーブ、直線の種別）、交差点及び構造物の位置データが例示される。地図データＭＡＰには、交通規制データも含まれている。地図データベース６０は、移動体ＭＢに搭載された所定の記憶装置（例えば、ハードディスク、フラッシュメモリ）内に形成されている。地図データベース６０は、移動体ＭＢと通信可能な施設のコンピュータ内に形成されていてもよい。

ＨＭＩユニット７０は、移動体ＭＢのドライバとの間で各種の情報をやり取りする。ＨＭＩユニット７０は、例えば、入力装置（例えば、操作ボタン、タッチパネル）と、表示装置と、音声出力装置と、を備えている。ＨＭＩユニット７０は、入力装置を介してドライバから入力された情報を、データ処理装置２０に送信する。ＨＭＩユニット７０は、データ処理装置２０からの制御信号に基づいて、ドライバに情報を提供する。ドライバに提供される情報には注意喚起情報が含まれる。注意喚起情報には、カバー部１２に異常が発生していることを示す情報が含まれる。

ライダークリーナー８０は、カバー部２０に付着した汚れを除去する。ライダークリーナー８０は、カバー部１２の付近に設けられている。ライダークリーナー８０は、例えば、洗浄液又は空気をカバー部１２に噴射するスプレーである。ライダークリーナー８０がスプレーの場合、２基以上のスプレーが設けられていてもよい。この場合、２基以上のスプレーは、スキャン範囲ＳＲ内に設定された担当範囲にそれぞれ対応して設けられる。ライダークリーナー８０は、例えば、データ処理装置２０からの制御信号ＩＮＳに基づいて駆動される。

２－２．データ処理装置の機能構成例
図７は、データ処理装置２０の機能構成例を示すブロック図である。図７に示される例では、データ処理装置２０が、データ取得部２３と、物体認識部２４と、移動予測部２５と、推定値計算部２６と、異常判定制御部２７と、を備えている。これらの機能は、プロセッサ２１がメモリ２２に格納された所定のプログラムを処理することにより実現される。

データ取得部２３は、データ処理装置２０による各種の処理に必要なデータを取得する。各種の処理としては、物体認識処理、トラッキング処理、及び異常判定処理が例示される。各種の処理に必要なデータには、上述した点群データＬＩＤ、レーダデータＭＩＬ、画像データＩＭＧ、位置及び姿勢データＰＯＳ、並びに地図データＭＡＰが例示される。

物体認識部２４は、データ取得部２３が取得した点群データＬＩＤに基づいて、物体認識処理を行う。物体認識処理では、トラッキング対象となる物体が認識される。物体の認識は、クラスタリング処理により行われる。クラスタリング処理を含む物体の認識手法は特に限定されず、公知の技術を適用することができる。物体認識部２４は、トラッキング対象のデータをトラッキング部２５に送る。

物体認識処理では、点群データＬＩＤと他のデータが統合（Fusion）されてもよい。他のデータの第１の例として、位置及び姿勢データＰＯＳと、地図データＭＡＰとが挙げられる。これらのデータを点群データＬＩＤと統合することで、移動体ＭＢの周囲の静止物体がトラッキング対象として認識される。他のデータの第２の例として、レーダデータＭＩＬ又は画像データＩＭＧが例示される。レーダデータＭＩＬ又は画像データＩＭＧを点群データＬＩＤと統合することで、移動体ＭＢの周囲の移動物体がトラッキング対象として認識される。

移動予測部２５は、トラッキング対象を構成する点群データＬＩＤの履歴に基づいて、当該トラッキング対象の将来の移動方向及び移動距離を予測する。図８は、将来の移動方向及び移動距離の一例を示す図である。図８に示される座標（Ｘ１，Ｙ１，Ｚ１）及び（Ｘ２，Ｙ２，Ｚ２）は、図４で説明した点群データＬＩＤ＿ＯＢ２（Ｘ，Ｙ，Ｚ，ＩＲ）のうちの基準の位置の座標である。

移動予測部２５は、座標（Ｘ１，Ｙ１，Ｚ１）を始点とし、座標（Ｘ２，Ｙ２，Ｚ２）を終点とするベクトルＶＥの向きを計算する。このベクトルＶＥの向きが、将来の移動方向である。移動予測部２５は、ベクトルＶＥの向きを示すデータを推定値計算部２６に送る。移動予測部２５は、また、ベクトルＶＥの大きさ｜ＶＥ｜を計算する。大きさ｜ＶＥ｜は、データセット範囲ＤＲにおける座標（Ｘ１，Ｙ１，Ｚ１）から座標（Ｘ２，Ｙ２，Ｚ２）までの距離ＤＳＲに等しい。

移動予測部２５は、更に、距離ＤＳＲをＸ軸方向の成分と、Ｙ軸方向の成分と、を計算する。既に説明したように、Ｙ軸はＺ軸（レーザパルスの出力中心軸）と直交しており、垂直方向と平行である。そのため、以下、Ｙ軸方向の成分を「垂直距離ＤＳＲｙ」とも称す。また、Ｘ軸はＺ軸及びＹ軸と直交しており、水平方向と平行である。そのため、以下、Ｘ軸方向の成分を「水平距離ＤＳＲｘ」とも称す。移動予測部２５は、垂直距離ＤＳＲｙ及び水平距離ＤＳＲｘのデータを推定値計算部２６に送る。

推定値計算部２６は、将来の時刻における対応区画ＰＲＣの推定値ＩＲＥを計算する。推定値計算部２６は、まず、現在の時刻におけるデータセット範囲ＤＲ内に対応区画ＰＲＣを設定する。対応区画ＰＲＣは、将来の時刻においてトラッキング対象を構成する点群データＬＩＤが取得されると予測される単位区画に設定される。この単位区画は、トラッキング対象を構成する点群データＬＩＤの位置の履歴と、トラッキング対象の将来の移動方向と、に基づいて予測される。

対応区画ＰＲＣは、トラッキング対象の外縁部を構成する点群データＬＩＤが取得されると予測される単位区画を除いて設定されることが望ましい。この理由は、外縁部を構成する点群データＬＩＤは、トラッキング対象とは異なる物体の３Ｄ位置データを含む可能性があるからである。従って、対応区画ＰＲＣは、外縁部に位置よりも内側に位置すると予測される単位区画に設定されることが望ましい。

対応区画ＰＲＣの設定後、推定値計算部２６は、この対応区画ＰＲＣの中心の位置の座標（Ｘｉ，Ｙｊ，Ｚｋ）を特定する。そして、推定値計算部２６は、座標（Ｘｉ，Ｙｊ，Ｚｋ）と、トラッキング対象の将来の移動方向及び移動距離のデータとに基づいて、座標（Ｘｐ，Ｙｑ，Ｚｒ）を特定する。既に説明したように、座標（Ｘｐ，Ｙｑ，Ｚｒ）は、座標（Ｘｉ，Ｙｊ，Ｚｋ）から、ベクトルＶＥの向きとは反対の向きに大きさ｜ＶＥ｜だけ離れた位置の座標である。

座標（Ｘｐ，Ｙｑ，Ｚｒ）の特定後、推定値計算部２６は、この座標（Ｘｐ，Ｙｑ，Ｚｒ）を含む単位区画（つまり、特定区画）を特定する。既に説明したように、特定区画は、将来の時刻におけるデータセット範囲ＤＲにおいて対応区画ＰＲＣに一致することが予測される単位区画である。座標（Ｘｐ，Ｙｑ，Ｚｒ）及び特定区画ＰＲＳの特定が現在の時刻におけるデータセット範囲ＤＲ内で行われることも既に説明したとおりである。

特定区画ＰＲＳの特定後、推定値計算部２６は、特定区画ＰＲＳ内の任意のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成するＺ位置データ及び反射光強度ＩＲのデータを選択する。任意のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）の例については既に説明したとおりである。

反射光強度ＩＲのデータの選択に際し、推定値計算部２６は、選択された反射光強度ＩＲのデータの評価を行うことが望ましい。この理由は、選択された反射光強度ＩＲのデータが、その周囲の反射光強度ＩＲのデータから大きく乖離する特異点のデータに該当する可能性があるからである。反射光強度ＩＲのデータが特異点のデータに該当するか否かは、特定区画ＰＲＳ内の全てのデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成する反射光強度ＩＲのデータの平均値ＡＩＲとの比較に基づいて評価される。選択された反射光強度ＩＲのデータと平均値ＡＩＲの差が所定偏差ＡＩＲｔｈを上回る場合、当該データは特異点のデータに該当すると判定される。この場合は、反射光強度ＩＲのデータを破棄し、特定区画ＰＲＳ内の別のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成する反射光強度ＩＲのデータを選択する。

Ｚ位置データ及び反射光強度ＩＲのデータの選択後、推定値計算部２６は、推定値ＩＲＥを計算する。推定値ＩＲＥの計算は、選択された反射光強度ＩＲのデータの現在の時刻における値（つまり、実値ＩＲＡ）と、選択されたＺ位置データの現在の時刻における値（つまり、移動体ＭＢとトラッキング対象の距離ＤＳｚ）と、現在の時刻から将来の時刻の間のＺ位置データの変化量（つまり、距離ＤＳｚの変化量ΔＤＳｚ）とに基づいて行われる。推定値ＩＲＥの計算式は、上記式（３）を変形した下記式（４）により表される。
ＩＲＥ＝ＩＲＡ＊ＤＳｚ^４／［ＤＳｚ－Ｖｒｚ＊ΔＤＳｚ］^４ ・・・（４）
推定値計算部２６は、推定値ＩＲＥのデータを異常判定制御部２７に送る。

異常判定制御部２７は、所定区画ＰＲに異常が生じているか否かを判定する。この判定は、推定値ＩＲＥと、時間の経過に伴って取得された実値ＩＲＡとの比較に基づいて行われる。この実値ＩＲＡは、推定値計算部２６により選択された特定区画ＰＲＳ内のデータＬＩＤ（Ｘ，Ｙ，Ｚ，ＩＲ）を構成する反射光強度ＩＲのデータに対応する。

推定値ＩＲＥと実値ＩＲＡの差｜ＩＲＥ－ＩＲＡ｜が所定強度ＩＲｔｈを上回る場合、異常判定制御部２７は、所定区画ＰＲに異常が生じていると判定する。そうでない場合、所定区画ＰＲは正常であると判定される。異常判定制御部２７は、所定区画ＰＲに異常が生じていると判定された回数ＮＪをカウントする。そして、この判定回数ＮＪが所定回数Ｎｔｈを上回ると判定された場合、異常判定制御部２７は、制御信号ＩＮＳをライダークリーナー８０に出力する。

制御信号ＩＮＳをライダークリーナー８０に出力した後、判定回数ＮＪが所定回数Ｎｔｈを上回ると再び判定された場合、異常判定制御部２７は、制御信号ＩＮＳをＨＭＩユニット７０に出力してもよい。所定区画ＰＲの異常の原因が汚れの場合、制御信号ＩＮＳに基づくライダークリーナー８０の駆動によりこの原因が解消する。一方、異常の原因が傷の場合は、ライダークリーナー８０の駆動によってもこの原因が解消しない可能性がある。この点、制御信号ＩＮＳをＨＭＩユニット７０に出力することで、注意喚起情報がドライバに提供される。これにより、傷の修復等をドライバに促すことが可能となる。

２－３．異常判定処理の例
図９は、データ処理装置２０（プロセッサ２１）により実行される異常判定処理の流れを示すフローチャートである。図９に示されるルーチンは、所定の制御周期で繰り返し実行される。

図９に示されるルーチンでは、まず、トラッキング対象が特定される（ステップＳ１１）。トラッキング対象は、別途行われる物体認識処理により認識された物体のうちから特定される。

ステップＳ１１の処理に続いて、トラッキング対象を構成する点群データＬＩＤのデータ範囲ＴＲが所定範囲ＴＲｔｈを上回るか否かが判定される（ステップＳ１２）。データ範囲ＴＲは、例えば、データセット範囲ＤＲにおいて、トラッキング対象の外縁部を構成する点群データＬＩＤが位置する単位区画を繋げることにより計算される。データ範囲ＴＲが所定範囲ＴＲｔｈ以下の場合は、ステップＳ１１の処理において特定されたトラッキング対象が異常判定処理に適していないと判断される。この場合は、異常判定処理が終了する。

ステップＳ１２の判定結果が肯定的な場合、水平距離ＤＳＲｘ及び垂直距離ＤＳＲｙが計算される（ステップＳ１３）。水平距離ＤＳＲｘ及び垂直距離ＤＳＲｙは、トラッキング対象の将来の移動方向及び移動距離に基づいて計算される。水平距離ＤＳＲｘ及び垂直距離ＤＳＲｙについては図８で説明したとおりである。

ステップＳ１３の処理に続いて、水平距離ＤＳＲｘ又は垂直距離ＤＳＲｙが所定距離ＤＳＲｔｈを上回るか否かが判定される（ステップＳ１４）。水平距離ＤＳＲｘ又は垂直距離ＤＳＲｙが短い場合は、現在の時刻及び将来の時刻において同一の単位区画を比較することになる可能性がある。この場合は、対応区画ＰＲＣと特定区画ＰＲＳのデータ範囲が重複することから、反射特性の異なる反射光強度ＩＲのデータを比較してしまう可能性がある。そうすると、異常判定の精度が低下してしまう。

そこで、水平距離ＤＳＲｘ又は垂直距離ＤＳＲｙが所定距離ＤＳＲｔｈ以下の場合、ステップＳ１１の処理において特定されたトラッキング対象が異常判定処理に適していないと判断される。この場合は、異常判定処理が終了する。

ステップＳ１４の判定結果が肯定的な場合、推定値ＩＲＥが計算される（ステップＳ１５）。推定値ＩＲＥの計算は、上記式（４）に基づいて行われる。

ステップＳ１５の処理に続いて、差｜ＩＲＥ－ＩＲＡ｜が所定強度ＩＲｔｈを上回るか否かが判定される（ステップＳ１６）。ステップＳ１６の判定結果が肯定的な場合、判定回数ＮＪがインクリメント（ＮＪ＝ＮＪ＋１）される（ステップＳ１７）。判定回数ＮＪのインクリメントは、所定区画ＰＲごとに行われる。ステップＳ１６の判定結果が否定的な場合、判定回数ＮＪがリセットされて、異常判定処理が終了する。

ステップＳ１７の処理に続いて、判定回数ＮＪが所定回数ＮＪｔｈを上回るか否かが判定される（ステップＳ１８）。ステップＳ１８の判定結果が肯定的な場合、制御信号ＩＮＳがライダークリーナー８０に出力される（ステップＳ１９）。制御信号ＩＮＳの出力後、判定回数ＮＪがリセットされて、異常判定処理が終了する。

３．効果
以上説明した実施形態によれば、異常判定処理が行われる。異常判定によれば、トラッキング対象を構成する点群データＬＩＤの履歴に基づいて、所定区画ＰＲに異常が生じていることを検出することが可能となる。従って、反射点ＲＰのデータの精度が低下し、ひいては、点群データＬＩＤに基づいた物体の認識の精度が低下するのを検知することが可能となる。

１０ ３Ｄライダー
１１ 本体部
１２ カバー部
２０ データ処理装置
２１ プロセッサ
２２ メモリ
２３ データ取得部
２４ 物体認識部
２５ 移動予測部
２６ 推定値計算部
２７ 異常判定制御部
ＤＲ データセット範囲
ＤＳＲ 距離
ＤＳＲｘ 水平距離
ＤＳＲｙ 垂直距離
ＩＲ 反射光強度
ＩＲＡ 反射光強度の実値
ＩＲＥ 反射光強度の推定値
ＬＩＤ 点群データ
ＭＢ 移動体
ＯＢ１、ＯＢ２ 物体
ＰＲ 所定区画
ＰＲＣ 対応区画
ＰＲＳ 特定区画
ＲＰ 反射点
ＳＲ スキャン範囲

Claims (3)

1. 移動体の周囲の物体を認識する物体認識システムであって、
   前記移動体の周囲にレーザパルスを出力し、前記周囲の反射点で反射した当該レーザパルスの反射光を検出することにより前記反射点のデータを取得するライダーの本体部と、
   前記本体部を保護するカバー面と、
   前記反射点のデータの処理により得られる点群データに基づいて、物体認識処理を行うデータ処理装置と、
   を備え、
   前記カバー面は、前記レーザパルス及び前記反射光が通過する範囲を示すスキャン範囲を含み、
   前記データ処理装置は、更に、前記スキャン範囲の所定区画の異常を判定する異常判定処理を行い、
   前記データ処理装置は、前記異常判定処理において、
   前記点群データの履歴に基づいて、現在から所定時間が経過するまでの間、前記点群データを表現するためのデータセットの範囲内において、前記物体認識処理により認識されたトラッキング対象が前記移動体に対して相対的に移動する距離を示す相対移動距離を予測し、
   前記相対移動距離は、前記レーザパルスの出力中心軸に対して直交し、かつ、垂直方向と平行な方向の成分を示す垂直距離と、前記出力中心軸に対して直交し、かつ、水平方向と平行な成分を示す水平距離と、を含み、
   前記垂直距離又は前記水平距離が所定距離以上の場合、前記トラッキング対象を構成する点群データの履歴に基づいて前記反射光の推定強度を計算し、
   前記推定強度は、前記所定時間の経過後の前記データセットの範囲内、かつ、前記所定区画に対応する区画を示す対応区画において、前記トラッキング対象の点群データを構成すると予測される前記反射光の強度であり、
   前記推定強度と前記反射光の実強度の差が所定強度を上回るか否かを判定し、
   前記実強度は、前記所定時間の経過後の前記データセットの範囲内、かつ、前記対応区画において、前記トラッキング対象の点群データを実際に構成する前記反射光の強度であり、
   前記推定強度と前記実強度の差が前記所定強度を上回ると判定された場合、前記所定区画に異常が生じていると判定し、
   前記データ処理装置は、前記異常判定処理において、更に、
   前記所定時間の経過後の前記データセットの範囲内において前記対応区画と一致することが予測される区画を示す特定区画を、現在の時刻における前記データセットの範囲内に特定する処理と、
   前記特定区画内の任意のデータを選択して当該任意のデータを構成する前記反射光の強度を評価する処理と、
   を行い、
   前記データ処理装置は、前記反射光の強度を評価する処理において、
   前記特定区画内の全てのデータにおいて、当該全てのデータをそれぞれ構成する前記反射光の強度の平均値を計算し、
   前記平均値と、前記選択された任意のデータを構成する前記反射光の強度との差が所定偏差を上回るか否かを判定し、
   前記平均値と、前記選択された任意のデータを構成する前記反射光の強度との差が前記所定偏差を上回ると判定された場合、前記選択された任意のデータとは別のデータを選択する
   ことを特徴とする物体認識システム。
2. 請求項１に記載の物体認識システムであって、
   前記データ処理装置は、前記異常判定処理において、前記トラッキング対象を構成する点群データの履歴に基づいて前記対応区画を設定する処理を更に行い、
   前記データ処理装置は、前記対応区画を設定する処理において、前記所定時間の経過後の前記データセットの範囲内において、前記トラッキング対象の外縁部の点群データを構成すると予測される区画よりも内側の区画に、前記対応区画を設定する
   ことを特徴とする物体認識システム。
3. 移動体の周囲の物体を認識する物体認識方法であって、
   前記移動体の周囲の反射点で反射したレーザパルスの反射光を検出することにより取得された前記反射点のデータの処理により得られる点群データに基づいて、物体認識処理を行うデータ処理装置が、前記レーザパルスの出力、前記反射光の検出及び前記反射点のデータを取得するライダーの本体部を保護するカバー面において、前記レーザパルス及び前記反射光が通過する範囲を示すスキャン範囲の所定区画の異常を判定する異常判定処理を行い、
   前記データ処理装置は、前記異常判定処理において、
   前記点群データの履歴に基づいて、現在から所定時間が経過するまでの間、前記点群データを表現するためのデータセットの範囲内において、前記物体認識処理により認識されたトラッキング対象が前記移動体に対して相対的に移動する距離を示す相対移動距離を予測し、
   前記相対移動距離は、前記レーザパルスの出力中心軸に対して直交し、かつ、垂直方向と平行な方向の成分を示す垂直距離と、前記出力中心軸に対して直交し、かつ、水平方向と平行な成分を示す水平距離と、を含み、
   前記垂直距離又は前記水平距離が所定距離以上の場合、前記トラッキング対象を構成する点群データの履歴に基づいて前記反射光の推定強度を計算し、
   前記推定強度は、前記所定時間の経過後の前記データセットの範囲内、かつ、前記所定区画に対応する区画を示す対応区画において、前記トラッキング対象の点群データを構成すると予測される前記反射光の強度であり、
   前記推定強度と前記反射光の実強度の差が所定強度を上回るか否かを判定し、
   前記実強度は、前記所定時間の経過後の前記データセットの範囲内、かつ、前記対応区画において、前記トラッキング対象の点群データを実際に構成する前記反射光の強度であり、
   前記推定強度と前記実強度の差が前記所定強度を上回ると判定された場合、前記所定区画に異常が生じていると判定し、
   前記データ処理装置は、前記異常判定処理において、更に、
   前記所定時間の経過後の前記データセットの範囲内において前記対応区画と一致することが予測される区画を示す特定区画を、現在の時刻における前記データセットの範囲内に特定する処理と、
   前記特定区画内の任意のデータを選択して当該任意のデータを構成する前記反射光の強度を評価する処理と、
   を行い、
   前記データ処理装置は、前記反射光の強度を評価する処理において、
   前記特定区画内の全てのデータにおいて、当該全てのデータをそれぞれ構成する前記反射光の強度の平均値を計算し、
   前記平均値と、前記選択された任意のデータを構成する前記反射光の強度との差が所定偏差を上回るか否かを判定し、
   前記平均値と、前記選択された任意のデータを構成する前記反射光の強度との差が前記所定偏差を上回ると判定された場合、前記選択された任意のデータとは別のデータを選択する
   ことを特徴とする物体認識方法。

Images