JPWO2014024284A1

JPWO2014024284A1 - 衝突予測装置

Info

Publication number: JPWO2014024284A1
Application number: JP2014529203A
Authority: JP
Inventors: 剛名波
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2012-08-08
Filing date: 2012-08-08
Publication date: 2016-07-21
Anticipated expiration: 2032-08-08
Also published as: WO2014024284A1; JP5835490B2; US9440650B2; DE112012006790T5; US20150183431A1; DE112012006790B4

Abstract

衝突予測装置は、自車に対する物標の位置情報を取得するセンサと、処理装置とを備え、前記処理装置は、前記センサにより複数の時点で取得された前記位置情報に基づいて、自車に対する物標の移動軌跡を算出し、該算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報の取得時点の数、複数の時点間における前記位置情報に係る前記物標の横幅の変動態様、及び、自車の前後方向における前記自車に対する物標の位置情報の変動態様からなる３つのパラメータのうちの少なくともいずれか１つとに基づいて、自車に対する物標の衝突の可能性を予測する。

Description

本発明は、自車に対する物標の衝突の可能性を予測する衝突予測装置に関する。

従来から、自車に対する障害物となりうる物標の相対的な移動軌跡を予測し、この移動軌跡の予測結果に基づいて、自車に対する物標の衝突の可能性を予測する衝突予測装置が知られている（例えば、特許文献１参照）。この衝突予測装置では、レーダによって定期的に物標の位置情報を検出しており、この検出した複数の位置情報を用いてＲＡＮＳＡＣ法や最小二乗法などにより直線（又は曲線）を近似し、この近似した直線に基づいて移動軌跡を予測している。

特開2004-352176号公報

しかしながら、特許文献１に記載の構成では、レーダによって検出した複数の位置情報を同等に扱っていたため、信頼度の低い位置情報（検出点）の影響によって予測精度が低下するという問題があった。

そこで、本発明は、自車に対する物標の衝突の可能性を精度良く予測することができる衝突予測装置の提供を目的とする。

本発明の一局面によれば、自車に対する物標の位置情報を取得するセンサと、
処理装置とを備え、
前記処理装置は、前記センサにより複数の時点で取得された前記位置情報に基づいて、自車に対する物標の移動軌跡を算出し、
前記処理装置は、前記算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報の取得時点の数、複数の時点間における前記位置情報に係る前記物標の横幅の変動態様、及び、自車の前後方向における前記自車に対する物標の位置情報の変動態様からなる３つのパラメータのうちの少なくともいずれか１つとに基づいて、自車に対する物標の衝突の可能性を予測することを特徴とする、衝突予測装置が提供される。

本発明によれば、自車に対する物標の衝突の可能性を精度良く予測することができる衝突予測装置が得られる。

一実施例による衝突予測装置１の要部構成を示す図である。衝突予測装置１により実行される主要処理の一例（実施例１）を示すフローチャートである。ＲＡＮＳＡＣ法と通常の最小二乗法とを対比して示す説明図である。衝突確率の算出方法の一例と共に衝突確率に基づく衝突不可避判定方法の一例を示す説明図である。衝突予測装置１により実行される主要処理の一例（実施例２）を示すフローチャートである。図５のステップ５０６の処理に関連して、信頼度の算出方法の他の一例を示す図である。衝突予測装置１により実行される主要処理の一例（実施例３）を示すフローチャートである。図７のステップ７０６の処理に関連した横幅の変動態様に基づく信頼度の算出方法の一例を示す図である。衝突予測装置１により実行される主要処理の一例（実施例４）を示すフローチャートである。

以下、図面を参照して、本発明を実施するための最良の形態の説明を行う。

図１は、一実施例による衝突予測装置１の要部構成を示す図である。衝突予測装置１は、車両に搭載される。衝突予測装置１は、処理装置１０を含む。

処理装置１０は、ＣＰＵを含む演算処理装置により構成されてよい。処理装置１０の各種機能（以下で説明する機能を含む）は、任意のハードウェア、ソフトウェア、ファームウェア又はそれらの組み合わせにより実現されてもよい。例えば、処理装置１０の機能の任意の一部又は全部は、特定用途向けＡＳＩＣ（application-specific integrated circuit）、ＦＰＧＡ（Field Programmable Gate Array）、ＤＳＰ（digital signal processor）により実現されてもよい。また、処理装置１０は、複数の処理装置により実現されてもよい。なお、典型的には、処理装置１０は、ＥＣＵ（電子制御ユニット）として具現化される。

処理装置１０には、自車に対する物標の位置情報を取得するセンサの一例として、レーダセンサ２０及び画像センサ３０が接続される。なお、レーダセンサ２０及び画像センサ３０のいずれか一方のみが使用されてもよい。

レーダセンサ２０は、電波（例えばミリ波）、光波（例えばレーザー）又は超音波を検出波として用いて、車両前方における物標の状態を検出する。なお、物標とは、自車に対して障害物となりうる任意の物体、即ち自車に対する衝突を防止すべき任意の物体を指し、例えば、他車や歩行者、静止物等であってよい。レーダセンサ２０は、物標と自車との関係を示す情報、例えば自車を基準とした物標の位置情報を所定の周期で検出する。物標の位置情報（検出結果）は、制御装置１０に所定の周期で送信されてよい。なお、レーダセンサ２０の機能（例えば、物標の位置算出機能）は処理装置１０により実現されてもよい。

画像センサ３０は、ＣＣＤ（charge-coupled device）やＣＭＯＳ（complementary metal oxide semiconductor）等の撮像素子を含むカメラ及び画像処理装置を含み、車両前方における物標の状態を画像認識する。画像センサ３０のカメラは、ステレオカメラであってもよいし、他の態様で２つ以上のカメラを含んでもよい。画像センサ３０は、画像認識結果に基づいて、物標と自車との関係を示す情報、例えば自車を基準とした物標の位置情報を所定の周期で検出する。物標の位置情報は、自車前後方向における物標の位置（距離）に関する情報、及び／又は、自車横方向（幅方向）における物標の横位置に関する情報を含んでよい。物標の横位置は、物標の係る画素集合の横方向の中心位置に基づいて算出されてもよいし、左端の横位置と右端の横位置との間の範囲として算出されてもよい。また、画像センサ３０は、必要な場合、画像認識結果に基づいて、物標の横幅に関する情報（横幅情報）を取得してもよい。画像センサ３０により取得された情報（検出結果）は、例えば所定のフレーム周期で制御装置１０に送信されてよい。なお、画像処理装置の画像処理機能（例えば、物標の位置算出機能や横幅機能）は処理装置１０により実現されてもよい。

なお、画像センサ３０がステレオカメラの場合、２つのカメラで取得された画像（ステレオ画像データ）は、エッジ検出処理を経て、ステレオマッチング処理が実行される。ステレオマッチング処理では、一方の画像を基準画像として例えばＳＡＤ（差分絶対和：ＳｕｍｏｆＡｂｓｏｌｕｔｅＤｉｆｆｅｒｅｎｃｅｓ）演算が実行され、ＳＡＤ波形に基づいて視差画像が生成される。このとき、視差が略同じ画素がグループ化され、かかるグループ化された画素集合が、物標に係る画素集合として認識されてもよい。或いは、視差が略同じ画素集合に対してパターンマッチングが実行され、マスタパターンにマッチングする画素集合が、物標に係る画素集合として認識されてもよい。いずれの場合も、物標の横幅は、物標に係る画素集合の横幅（左右方向の幅）を実空間の幅に変換することで算出されてもよい。

なお、レーダセンサ２０及び画像センサ３０の双方を用いる場合、それぞれの物標の位置情報は、適宜、組み合わせて使用されてもよい。例えば、自車前後方向の位置（距離）に関する物標の位置情報及び速度情報は、レーダセンサ２０により取得されてよく、自車横方向の位置（横位置）に関する物標の位置情報及び物標の横幅に関する情報（横幅情報）は、画像センサ３０により取得されてよい。

処理装置１０には、その他、車両情報を取得する車両センサ４０が接続されてもよい。車両センサ４０は、車速を検出する車速センサ（車輪速センサ）等を含んでよい。

処理装置１０には、制御対象装置の一例として、スロットル制御装置（例えば、エンジンＥＣＵ）５０、ブレーキ制御装置（例えば、ブレーキＥＣＵ）５２、表示器５４、及び、ブザー５６が接続される。

スロットル制御装置５０は、処理装置１０から指令に応答して、スロットル開度を制御してエンジンの出力を調整する。例えば、処理装置１０は、自車と物標との衝突が不可避であると判定した場合に、スロットル制御装置５０を介してエンジンの出力を低下させてもよい。

ブレーキ制御装置５２は、処理装置１０から指令に応答して、ブレーキアクチュエータ及び／又はバルブを制御して制動力（ホイールシリンダ圧）を調整する。例えば、処理装置１０は、自車と物標との衝突が不可避であると判定した場合に、ブレーキ制御装置５２を介して自動的に制動力を発生させてもよい。

表示器５４は、処理装置１０から指令に応答して、警報を表示する。警報は、自車と物標との衝突に関するものであってよい。なお、表示器５４は、処理装置１０により直接制御されてもよいし、他の制御装置を介して処理装置１０により制御されてもよい。

ブザー５６は、処理装置１０から指令に応答して、警報音を出力する。警報音は、自車と物標との衝突に関するものであってよい。なお、ブザー５６は、処理装置１０により直接制御されてもよいし、他の制御装置を介して処理装置１０により制御されてもよい。

なお、制御対象装置は、自車と物標との衝突が不可避であると判定した場合に、バンパの上下位置や前後位置を可変する装置や、シートベルトを所定量巻き取るシートベルトプリテンショナ等のような他の保護装置を含んでよい。

図２は、衝突予測装置１により実行される主要処理の一例（実施例１）を示すフローチャートである。なお、図２に示す処理は、処理装置１０により実行されるが、一部の処理（例えばステップ２０２の処理等）は、レーダセンサ２０及び／又は画像センサ３０内の処理装置により実行されてもよい。この場合、レーダセンサ２０及び／又は画像センサ３０内の処理装置が処理装置１０の一部を構成することになる。図２に示す処理ルーチンは、例えば車両の走行中に所定周期毎に実行されてもよい。

ステップ２００では、レーダセンサ２０及び／又は画像センサ３０からのセンサ情報（物標の位置情報）が読み込まれる。

ステップ２０２では、上記ステップ２００で読み込まれた物標の位置情報に基づいて、自車に対する物標の移動ベクトル（以下、単に「移動ベクトル」とも称する）が算出される。この際、算出した移動ベクトルに基づいて、衝突横位置が算出されてよい。衝突横位置は、仮に物標が自車に衝突した場合に物標が自車の前部のどの位置に衝突するかを表し、具体的には、移動ベクトルの延長線と、自車の前部に接する水平方向の線との交点位置（延長した移動ベクトルが自車前部と交わるときに、その交点の位置）に対応する。ここで、かかる移動ベクトルを算出するために、上記ステップ２００で読み込まれる物標の位置情報は、複数の時点の位置情報である。即ち、上記ステップ２００で読み込まれた物標の位置情報は、自車に対する物標の位置の変化履歴を表す情報である。複数の時点の位置情報から移動ベクトルを算出する方法は、通常の最小二乗法を含む任意の方法であってよいが、好ましくは、複数の時点の物標の位置情報の中で所定の誤差範囲内にあるものだけを使用するロバスト推定方法である。ロバスト推定方法は、典型的には、ランダムに幾つかの位置情報のサンプルを抽出し、抽出したサンプルに最小二乗法を適用することを繰り返すＲＡＮＳＡＣ（RANdom SAmple Consensus）法である。ここでは、好ましい例として、ＲＡＮＳＡＣ法で移動ベクトルが算出されるものとして説明を続ける。

ステップ２０４では、上記ステップ２０２で移動ベクトルを算出する際に採用された物標の位置情報の数（採用点数）に基づいて、上記ステップ２０２で算出された移動ベクトルに関する信頼度が算出される。ＲＡＮＳＡＣ法（他のロバスト推定方法も同様）では、所定の誤差範囲内から外れた位置情報は、外れ値（アウトライア）として不採用とされる。従って、採用点数は、実質的に、移動ベクトルの算出に使用（採用）された物標の位置情報の数（時点の数）に対応する。

信頼度は、採用点数が多いほど高くなる態様で算出されてよい。即ち、信頼度は、採用点数が少ないほど低くなる態様で算出されてよい。例えば、採用点数が最大点数（または所定基準数以上）ならば信頼度が１００（最大値）、採用点数が２点ならば、信頼度が４０といった具合である。これは、採用点数が少ない場合には、ＲＡＮＳＡＣ法によっても精度の高い直線近似ができない場合があるためである。信頼度は、採用点数の減少に伴って線形的に低下する態様で算出されてもよいし、非線形（ステップ状を含む）に低下する態様で算出されてもよい。

ステップ２０６では、上記ステップ２０２で算出した移動ベクトルと、上記ステップ２０４で算出された信頼度とに基づいて、衝突確率が算出される。この衝突確率の算出方法は任意であってよい。例えば、上記ステップ２０２で算出した移動ベクトルが自車に向かうベクトルであるとき、上記ステップ２０４で算出された信頼度が高いほど（即ち採用点数が多いほど）、衝突確率が高くなる態様で衝突確率が算出されてよい。衝突確率の算出方法の他の一例については後述する（図４参照）。このようにして算出された衝突確率は、所定の閾値と比較され、衝突確率が所定の閾値を越えた場合に、ブレーキ制御装置５２等が上述の如く作動されてよい。また、このようにして算出された衝突確率は、衝突確率の積算値を導出するために、過去の直近の複数時点での衝突確率と合算されてもよい（図４参照）。この場合、衝突確率の積算値が所定の閾値を越えた場合に、ブレーキ制御装置５２等が上述の如く作動されてよい。

図３は、図２のステップ２０２の処理に関連して、ＲＡＮＳＡＣ法と通常の最小二乗法とを対比して示す説明図である。図３（Ａ）は、通常の最小二乗法で直線近似を行って得られる移動ベクトル７０を模式的に示し、図３（Ｂ）は、ＲＡＮＳＡＣ法で直線近似を行って得られる移動ベクトル７２を模式的に示す。図３において、×印は、各時点における物標検出点を表す。物標検出点とは、物標の位置を表す点であり、自車に対する物標の距離及び横位置で表されてよい。複数の時点の物標検出点（物標の位置情報）は、図３に示すように、時系列の点列データをなす情報であってよい。なお、図示に示す例では、物標検出点は、自車に対する相対座標系（相対的な位置）で示されているが、絶対座標系で取得・処理されてもよい。

通常の最小二乗法で直線近似を行う場合、図３（Ａ）に模式的に示すように、外れ値（アウトライア）Ａの影響を受けるのに対して、ＲＡＮＳＡＣ法で直線近似を行う場合、図３（Ｂ）に模式的に示すように、外れ値Ａを除いて直線近似が行われるので、外れ値Ａの影響を受けない精度の良い近似が可能となる。他方、ＲＡＮＳＡＣ法で直線近似を行う場合、上述の如く、例えば外れ値Ａが多いことに起因して、採用点数が少ない場合には、精度の高い直線近似ができない場合がある。かかる場合に、ＲＡＮＳＡＣ法で直線近似を行って得られる移動ベクトルに基づいて、衝突確率を算出すると、実際の衝突確率が低いにも拘らず高い衝突確率が算出される虞がある。

これに対して、図２に示す処理によれば、ＲＡＮＳＡＣ法で直線近似を行って得られる移動ベクトルに加えて、算出された移動ベクトルに関する信頼度（採用点数に基づく信頼度）に基づいて、衝突確率が算出されるので、実際の衝突確率に、より適合した衝突確率を算出することが可能となる。

なお、図３に示す例では、各時点における物標検出点は、一点であるが、この一点は、各時点において複数点検出されうる物標検出点、即ち各時点における物標検出点集合（同一の物標に係る物標検出点集合）のうちの特定の一点であってよい。例えば、特定の一点は、物標検出点集合の中心位置（例えば左右方向の中心位置）であってよい。また、物標の横幅を考慮するために、各時点における物標検出点集合の左端の物標検出点についても、ＲＡＮＳＡＣ法で直線近似を行って移動ベクトルを導出すると共に、各時点における物標検出点集合の右端の物標検出点についても、ＲＡＮＳＡＣ法で直線近似を行って移動ベクトルを導出してもよい。この場合、３本の移動ベクトルが算出されることになる。この場合、採用点数に基づく信頼度は、３本の移動ベクトルのそれぞれに対して得られる信頼度の平均値であってもよいし、所定の重み付けを行って組み合わせた値であってもよい。

図４は、衝突確率の算出方法の一例と共に衝突確率に基づく衝突不可避判定方法の一例を示す説明図である。図４には、図３を参照して説明した移動ベクトル７２が自車と共に示されている。

図４には、自車の前部には、４つの投票箱１０１，１０２，１０３，１０４が模式的に示される。投票箱１０１，１０２，１０３，１０４は、自車の前部を横方向に分割したときの各部位（区画）に対応して仮想的に設定される。投票箱の数（本例では４つ）は任意である。また、自車の前部における各部位の横幅（即ち各投票箱に対応する各部位の横幅）は同一であってもよいし、部位に応じて異なる態様で設定されてもよい。また、投票箱は、自車前後方向で２段以上有してもよい。

図４に示す例では、衝突確率は、自車の前部における各部位毎に算出される。ここでは、衝突確率は、所定周期毎（例えば図２に示す処理周期毎）に、最大１０％の確率で自車の前部における各部位に対して算出される。自車の前部における各部位に対して算出された衝突確率は、所定周期毎に、各部位に対応する各投票箱１０１，１０２，１０３，１０４に投票され、合計１０回分（直近の１０回分）の衝突確率の積算値が評価される。即ち、直近の１０時点における各時点の衝突確率の積算値が評価される。ある時点の衝突確率は、移動ベクトル及び信頼度に基づいて算出されてよい。具体的には、上述の如く移動ベクトルに基づいて算出される衝突横位置が、自車の前部における各部位のうちのいずれの部位に属するかを判断し、衝突横位置が属する部位に係る投票箱に対して最大１０％の確率が付与される。この際、その時点における信頼度がその時点の衝突確率に乗算される態様で信頼度が加味されてもよい。例えば、その時点の信頼度が最大値（例えば１００）であれば、衝突横位置が属する部位に係る投票箱に対して最大の確率１０％（１０％×１）が付与される一方、その時点の信頼度が最小値（例えば０）であれば、衝突横位置が属する部位に係る投票箱に対して最大１０％に代えて確率０％（１０％×０）が付与されてもよい。なお、各時点の信頼度は、上述の如く、対応する各時点の衝突確率に対して反映されてもよいが、各時点の信頼度の平均値等が、衝突確率の積算値に反映されてもよい。

なお、衝突横位置は、例えば、移動ベクトルを中心として物標の横幅に対応した幅を持つ範囲で規定されてもよい。この場合、物標の横幅は、その時点の横幅情報に係る横幅であってもよいし、直近の複数時点の横幅情報に係る各横幅の平均値であってもよい。いずれの場合も、幅を持つ範囲で規定された衝突横位置が属する投票箱は複数個となりうる。また、同様に、物標の横幅を考慮するために、上述の如く複数本の移動ベクトルが導出される場合、各移動ベクトルに基づいて衝突横位置（範囲）が判断されてもよい。

なお、図４に示す例では、４時点で算出された各時点の衝突確率が投票された状態を模式的に示す。投票箱１０１に対しては、３時点で０より大きい衝突確率が投票され、投票箱１０２に対しては、４時点で０より大きい衝突確率が投票され、投票箱１０３に対しては、２時点で０より大きい衝突確率が投票されているのに対して、投票箱１０４に対しては、０より大きい衝突確率が一切投票されていない。例えば、投票箱１０２に対しては、直近４時点で全て１０％の衝突確率が投票されているとすると（当該直近４時点以前の６時点では衝突確率０％）、投票箱１０２の衝突確率の積算値は、４０％となる。

衝突確率の積算値の評価方法（即ち衝突確率の積算値に基づく衝突不可避判定方法）は、任意であるが、例えば、投票箱１０１，１０２，１０３，１０４毎に、衝突確率の積算値が所定の閾値と比較されてよい。所定の閾値は、投票箱１０１，１０２，１０３，１０４毎に用意されてよい。即ち、所定の閾値は、自車の前部における各部位毎に設定されてよい。この際、所定の閾値は、横方向で車両の中心側の方が車両の端部側よりも低くなるように設定されてもよい。例えば、自車端部側の投票箱１０１，１０４に対しては、自車中心側の投票箱１０２，１０３の閾値（例えば４５％）よりも大きい閾値（例えば７０％）が設定されてよい。投票箱１０１，１０２，１０３，１０４毎に、衝突確率の積算値が所定の閾値と比較され、いずれかの投票箱において衝突確率の積算値が所定の閾値を越えた場合に、当該投票箱に係る部位に対して物標の衝突が不可避であると判定されてよい。このようにして、自車の前部における各部位毎に衝突確率を算出する方法によれば、自車に対する物標の衝突の可能性を、自車の前部の各部位毎に精度良く評価することができる。

図５は、衝突予測装置１により実行される主要処理の他の一例（実施例２）を示すフローチャートである。なお、図５に示す処理は、処理装置１０により実行されるが、一部の処理（例えばステップ５０４の処理等）は、レーダセンサ２０及び／又は画像センサ３０内の処理装置により実行されてもよい。この場合、レーダセンサ２０及び／又は画像センサ３０内の処理装置が処理装置１０の一部を構成することになる。図５に示す処理ルーチンは、例えば車両の走行中に所定周期毎に実行されてもよい。図５に示す処理は、特に物標が静止物である場合に好適である。

ステップ５００では、レーダセンサ２０及び／又は画像センサ３０からのセンサ情報（物標の位置情報）が読み込まれる。また、レーダセンサ２０及び／又は画像センサ３０からのセンサ情報に加えて、車両センサ４０からの車両情報が読み込まれる。

ステップ５０２では、今回周期の物標の位置情報と、前回周期の物標の位置情報とに基づいて、自車に対する物標の位置の差分が算出されると共に、車両センサ４０からの車両情報（自車の車速情報）に基づいて、自車の車速からの物標の位置（距離）の変動率が算出される。自車に対する物標の位置（距離）の今回値と前回値との差分は、自車前後方向に関する差分（距離の変動率）であってよい。自車の車速からの物標の位置の変動率は、自車の速度に、演算周期（物標の位置情報の取得周期）を乗ずることにより算出されてよい。なお、物標が静止物である場合（或いは横方向のみに移動し前後方向で静止している場合）、自車に対する物標の位置の今回値と前回値との差分と、自車の車速からの物標の位置の変動率とは対応するはずである。

ステップ５０４では、図２に示したステップ２０２の処理と同様、上記ステップ５００で読み込まれた物標の位置情報に基づいて、移動ベクトル（及び衝突横位置）が算出される。

ステップ５０６では、上記ステップ５０２で算出された距離変動態様（自車に対する物標の位置の今回値と前回値との差分）に基づいて、検出された物標の信頼度が算出される。信頼度は、自車に対する物標の位置の今回値と前回値との差分と、自車の車速からの物標の位置の変動率との間の乖離が小さいほど高くなる態様で算出されてよい。即ち、信頼度は、距離変動が大きいほど小さくなる態様で算出されてよい。これは、自車に対する物標の位置の今回値と前回値との差分と、自車の車速からの物標の位置の変動率との間の乖離が大きい場合、検出対象でない物体が検出されている可能性が高く、物標の位置情報（距離）の信頼性が低いと考えられるためである。信頼度は、かかる乖離の増加に伴って線形的に低下する態様で算出されてもよいし、非線形（ステップ状を含む）に低下する態様で算出されてもよい。

なお、信頼度は、前回周期以前のステップ５０６での比較結果を考慮して算出されてもよい。例えば、自車に対する物標の位置の前回値と前々回値との差分と、前回周期における自車の車速からの物標の位置の変動率との間の乖離や、更にその前の周期での同乖離等が考慮されてもよい。この場合、信頼度は、乖離の平均値が小さいほど高くなる態様で算出されてよい。

ステップ５０８では、上記ステップ５０４で算出した移動ベクトルと、上記ステップ５０６で算出された信頼度とに基づいて、衝突確率が算出される。この衝突確率の算出方法は上述と同様であってよい。例えば、上記ステップ５０４で算出した移動ベクトルが自車に向かうベクトルであるとき、上記ステップ５０６で算出された信頼度が高いほど、衝突確率が高くなる態様で衝突確率が算出されてよい。また、図４を参照して上述した如く部位毎に衝突確率が算出されてもよい。

図６は、図５のステップ５０６の処理に関連して、信頼度の算出方法の他の一例を示す図である。図６において、ｔ１乃至ｔ５は、物標の位置情報の取得時点（周期）を表し、ｔ１から順にｔ５に向かう方向が時間経過方向である。符合８０が付されるマークは、各時点における物標検出点を表す。

信頼度は、自車に対する物標の位置自体の変動態様に基づいて算出されてもよい。例えば、図６（Ｂ）に模式的に示すように、自車に対する物標の位置が前回周期よりも自車から遠くなった場合（即ち自車に対する物標の距離が長くなった場合）に、低い信頼度が算出されてもよい。具体的には、図６（Ａ）に示す例では、時間の経過と共に、自車に対する物標の位置が近くなっているのに対して、図６（Ｂ）に示す例では、時点ｔ３にて自車に対する物標の位置が最も近くなった後、時点ｔ４にて自車に対する物標の位置が遠くに離れている。このように自車に対する物標の距離が不安定に変動する場合は、検出対象でない物体が検出されている可能性が高い。例えば、煙のような実体のない物体や側壁（自車に衝突し得ないときの側壁）などが検出されている可能性がある。従って、このような自車に対する物標の距離が不安定に変動する場合（即ち距離変動が大きい場合）には、図６（Ａ）に示す例のように安定して変動する場合（即ち距離変動が小さい場合）に比べて低い信頼度が算出されてよい。なお、このような距離の不安定の有無を判断するために用いられる物標の位置情報（物標検出点）は、上記ステップ５０４で移動ベクトルを算出する際に採用された物標の位置情報のみであってもよいが、不採用とされた物標の位置情報（外れ値）を含んでもよい。

図５及び図６に示す実施例２によれば、上述の距離変動態様により算出された信頼度に基づいて、衝突確率が算出されるので、実際の衝突確率に、より適合した衝突確率を算出することが可能となる。即ち、距離変動態様が大きい（不安定である）場合には、低い信頼度が算出され、それに応じて衝突確率が低くなるので、検出対象でない物体に対して高い衝突確率が算出されてしまうことを防止することができる。

なお、上述の実施例２は、上述した実施例１による組み合わせられてもよい。即ち、信頼度は、上述の距離変動態様と、上記ステップ５０４で移動ベクトルを算出する際に採用された物標の位置情報の数（採用点数）とに基づいて、算出されてもよい。例えば、上述の距離変動態様に基づく信頼度と、採用点数に基づく信頼度とを所定の重み付け係数で合算して最終的な信頼度を得てもよい。或いは、上述の距離変動態様に基づく信頼度に基づいて、採用点数に基づく信頼度を補正してもよい。

図７は、衝突予測装置１により実行される主要処理の他の一例（実施例３）を示すフローチャートである。なお、図７に示す処理は、処理装置１０により実行されるが、一部の処理（例えばステップ７０２の処理等）は、レーダセンサ２０及び／又は画像センサ３０内の処理装置により実行されてもよい。この場合、レーダセンサ２０及び／又は画像センサ３０内の処理装置が処理装置１０の一部を構成することになる。図７に示す処理ルーチンは、例えば車両の走行中に所定周期毎に実行されてもよい。

ステップ７００では、レーダセンサ２０及び／又は画像センサ３０からのセンサ情報（物標の位置情報及び横幅情報）が読み込まれる。

ステップ７０２では、図２に示したステップ２０２の処理と同様、上記ステップ７００で読み込まれた物標の位置情報に基づいて、移動ベクトル（及び衝突横位置）が算出される。

ステップ７０４では、上記ステップ７００で読み込まれた横幅情報に基づいて、横幅の変動態様が算出される。横幅の変動態様は、前回周期以前の横幅情報に基づいて算出されてよい。例えば、直近１０時点における横幅情報に基づいて、横幅の分散などの統計値が算出されてもよい。なお、このような横幅の変動態様を算出するために用いられる物標の横幅情報は、移動ベクトルの算出のために採用された物標の横幅情報に係る各時点に対応する横幅情報のみであってもよいが、物標の位置情報が不採用とされた時点における物標の横幅情報（即ち物標の位置情報が外れ値となった時点における横幅情報）を含んでもよい。

ステップ７０６では、上記ステップ７０４で算出された横幅の変動態様に基づいて、検出された物標の信頼度が算出される。信頼度は、横幅の変動態様が小さいほど高くなる態様で算出されてよい。これは、横幅の変動態様が大きい場合、検出された物標の信頼性が低いと考えられるためである（例えば、検出対象でない物体が検出されている可能性があり、或いは、物標の同一性に関して信頼性が低い）。信頼度は、かかる横幅の変動の増加に伴って線形的に低下する態様で算出されてもよいし、非線形（ステップ状を含む）に低下する態様で算出されてもよい。

ステップ７０８では、上記ステップ７０２で算出した移動ベクトルと、上記ステップ７０６で算出された信頼度とに基づいて、衝突確率が算出される。この衝突確率の算出方法は上述と同様であってよい。例えば、上記ステップ７０２で算出した移動ベクトルが自車に向かうベクトルであるとき、上記ステップ７０６で算出された信頼度が高いほど、衝突確率が高くなる態様で衝突確率が算出されてよい。また、図４を参照して上述した如く部位毎に衝突確率が算出されてもよい。

図８は、図７のステップ７０６の処理に関連した横幅の変動態様に基づく信頼度の算出方法の一例を示す図である。図６において、ｔ１乃至ｔ５は、物標の位置情報の取得時点（周期）を表し、ｔ１から順にｔ５に向かう方向が時間経過方向である。符合８０が付されるマークは、各時点における物標検出点の位置を表す。マーク８０の幅は、横幅情報に基づく物標の横幅（物標検出点集合の幅）に対応する。

図８（Ａ）に示す例では、ｔ１乃至ｔ５の各時点間における横幅の変動態様が小さい。このように横幅の変動態様が小さい場合は、検出対象の物標が高い精度で検出されている可能性が高い。これに対して、図８（Ｂ）に示す例では、ｔ１乃至ｔ５の各時点間における横幅の変動態様が大きい。具体的には、時点ｔ３にて検出された物標検出点集合の幅が、時点ｔ１及びｔ２にて検出された物標検出点集合の幅よりも有意に広い。また、時点ｔ４検出された物標検出点集合の幅は、時点ｔ１及びｔ２にて検出された物標検出点集合の幅と略同一であるが、時点ｔ５にて検出された物標検出点集合の幅は、時点ｔ４にて検出された物標検出点集合の幅よりも有意に広くなっている。このような横幅の変動態様が大きい場合は、検出対象でない物体が検出されている可能性が高い。例えば、煙のような実体のない物体などが検出されている可能性がある。従って、このような横幅の変動が不安定に変動する場合には、図６（Ａ）に示す例のように安定して変動する場合に比べて低い信頼度が算出されてよい。

図７及び図８に示す実施例３によれば、上述の横幅の変動態様により算出された信頼度に基づいて、衝突確率が算出されるので、実際の衝突確率に、より適合した衝突確率を算出することが可能となる。即ち、横幅の変動態様が大きい場合には、低い信頼度が算出され、それに応じて衝突確率が低くなるので、検出対象でない物体に対して高い衝突確率が算出されてしまうことを防止することができる。

なお、上述の実施例３において、物標の横幅を考慮するために、各時点における物標検出点集合の左端の物標検出点についても、ＲＡＮＳＡＣ法で直線近似を行って移動ベクトルを導出すると共に、各時点における物標検出点集合の右端の物標検出点についても、ＲＡＮＳＡＣ法で直線近似を行って移動ベクトルを導出する構成が採用されてもよい。この場合、物標検出点集合の幅の変動は、左端の物標検出点に係る移動ベクトルを算出する際の採用点数の数（又は不採用点数の数）、及び、右端の物標検出点に係る移動ベクトルを算出する際の採用点数の数（又は不採用点数の数）に影響しうるので、これらの数に基づいて判断されてもよい。また、物標検出点集合の幅の変動は、中心位置の物標検出点に係る移動ベクトルと、左端の物標検出点に係る移動ベクトルと、左端の物標検出点に係る移動ベクトルとの間の平行度にも影響しうるので、これらの間の平行度に基づいて判断されてもよい。

また、上述の実施例３は、上述した実施例１による組み合わせられてもよい。即ち、信頼度は、上述の横幅の変動態様と、上記ステップ７０２で移動ベクトルを算出する際に採用された物標の位置情報の数（採用点数）とに基づいて、算出されてもよい。例えば、上述の横幅の変動態様に基づく信頼度と、採用点数に基づく信頼度とを所定の重み付け係数で合算して最終的な信頼度を得てもよい。或いは、上述の横幅の変動態様に基づく信頼度に基づいて、採用点数に基づく信頼度を補正してもよい。

図９は、衝突予測装置１により実行される主要処理の他の一例（実施例４）を示すフローチャートである。なお、図９に示す処理は、処理装置１０により実行されるが、一部の処理（例えばステップ９０４の処理等）は、レーダセンサ２０及び／又は画像センサ３０内の処理装置により実行されてもよい。この場合、レーダセンサ２０及び／又は画像センサ３０内の処理装置が処理装置１０の一部を構成することになる。図９に示す処理ルーチンは、例えば車両の走行中に所定周期毎に実行されてもよい。

本実施例４は、上述した実施例１乃至３を組み合わせた実施例に対応する。以下では、上述した実施例１乃至３において説明した事項について適宜省略して説明を行う。

ステップ９００では、レーダセンサ２０及び／又は画像センサ３０からのセンサ情報等が読み込まれる。

ステップ９０２では、実施例２において図５を参照して上述したステップ５０２と同様、自車の車速からの物標の位置（距離）の変動率が算出される。

ステップ９０４では、実施例１において図２を参照して上述したステップ２０２と同様、自車に対する物標の移動ベクトル（及び衝突横位置）が算出される。

ステップ９０６では、実施例１において図２を参照して上述したステップ２０４と同様、上記ステップ９０４で移動ベクトルを算出する際に採用された物標の位置情報の数（採用点数）に基づいて、上記ステップ９０４で算出された移動ベクトルに関する信頼度が算出される。

ステップ９０８では、上記ステップ９０２で算出された距離変動態様に基づいて、距離変動による信頼度減算値が算出される。距離変動による信頼度減算値は、実施例２において図５を参照して上述したステップ５０６における信頼度の算出方法と基本的に考え方は同じであるが、信頼度を減ずるための「減算値」として後述の如く利用されるので、距離変動が大きいほど大きくなる態様で算出される。

ステップ９１０では、実施例３において図７を参照して上述したステップ７０４と同様、上記ステップ９００で読み込まれた横幅情報に基づいて横幅の変動態様が算出される。

ステップ９１２では、上記ステップ９１０で算出された横幅の変動態様に基づいて、横幅変動による信頼度減算値が算出される。横幅変動による信頼度減算値は、実施例３において図７を参照して上述したステップ７０６と基本的に考え方は同じであるが、信頼度を減ずるための「減算値」として後述の如く利用されるので、横幅変動が大きいほど大きくなる態様で算出される。

ステップ９１４では、上記ステップ９０６，９０８、９１２での算出結果に基づいて、最終的な信頼度が算出される。例えば、最終的な信頼度は、上記ステップ９０６で算出された信頼度から、上記ステップ９０８、９１２で算出された各信頼度減算値を減ずることで導出されてもよい。

ステップ９１６では、上記ステップ９０４で算出した移動ベクトルと、上記ステップ９１４で算出された信頼度とに基づいて、衝突確率が算出される。この衝突確率の算出方法は上述と同様であってよい。例えば、上記ステップ９０４で算出した移動ベクトルが自車に向かうベクトルであるとき、上記ステップ９１４で算出された信頼度が高いほど、衝突確率が高くなる態様で衝突確率が算出されてよい。また、図４を参照して上述した如く部位毎に衝突確率が算出されてもよい。

本実施例４によれば、移動ベクトルを直線近似で求める際の上述の採用点数と、上述の距離変動態様と、上述の横幅の変動態様とに基づいて、衝突確率が算出されるので、実際の衝突確率に、より適合した衝突確率を算出することが可能となる。これにより、検出対象でない物体に対して高い衝突確率が算出されてしまうことを防止することができる。

以上、本発明の好ましい実施例について詳説したが、本発明は、上述した実施例に制限されることはなく、本発明の範囲を逸脱することなく、上述した実施例に種々の変形及び置換を加えることができる。

例えば、上述した実施例は、自車前方の物標に対する自車の衝突に関するものであるが、衝突形態は、かかる前突に限られず、任意の衝突態様に対して上述した実施例の考え方（特に自車に対する物標の衝突可能性の予測方法）を適用することができる。例えば、後突（追突）であれば、車両後方を監視するレーダセンサ及び／又は画像センサが使用されればよい。

また、上述した実施例では、物標の移動軌跡として、直線近似により物標の移動ベクトル（直線の移動軌跡）が算出されているが、曲線近似により物標の移動軌跡（曲線）が算出されてもよい。

また、上述した実施例１等では、ＲＡＮＳＡＣ法で直線近似を行い、その際の採用点数に基づいて信頼度を算出しているが、ＲＡＮＳＡＣ法に代えて、通常の最小二乗法で直線近似を行うことも可能である。この場合、通常の最小二乗法は、一般的に、サンプル点数が多いほど信頼度が高くなりうることを考慮して、サンプル点数が多いほど高い信頼度が算出されてもよい。

また、上述した実施例１等では、ＲＡＮＳＡＣ法で直線近似を行い、その際の採用点数に基づいて信頼度を算出しているが、等価的に、不採用点数に基づいて信頼度を算出してもよい。この場合、不採用点数が多くなるに従って信頼度が低くなる態様で信頼度が算出されればよい。なお、不採用点数を考慮することは、合計の点数から採用点数を引いた数を考慮していることであり、採用点数を考慮していることに含まれる。また、採用点数を考慮することは、合計の点数に対する採用点数の比や偏差等を考慮することを含む。

また、上述した実施例では、採用点数等のパラメータに基づいて信頼度を算出しているが、上述した以外のパラメータを追加して用いて信頼度を算出してもよい。例えば、レーダセンサ２０の受信強度や画像センサ３０の認識信頼度（例えばパターンマッチング時の信頼度）に応じて、採用点数等のパラメータに基づいて算出した信頼度を補正してもよい。

また、上述した実施例では、信頼度に基づいて補正した衝突確率（又はその積算値、以下、同じ）を閾値と比較して、衝突不可避であるか否か（ブレーキ制御装置５２等を作動させるか否か）を判定しているが、信頼度と衝突確率とを独立に評価してもよい。即ち、信頼度が所定基準値以上であり、且つ、衝突確率が所定閾値以上である場合に、衝突不可避である（ブレーキ制御装置５２等を作動させる）と判定してもよい。

また、上述した実施例では、採用点数等のパラメータに基づいて信頼度を算出し、算出した信頼度に基づいて、移動ベクトルに基づく衝突確率を変更（補正）しているが、等価的に、移動ベクトルと、採用点数等のパラメータとに基づいて、衝突確率を直接的に算出してもよい。また、等価的に、算出した信頼度に基づいて、衝突確率に対して比較される閾値を補正してもよい。この場合、算出した信頼度が高いほど、閾値が正規の値に近づき、算出した信頼度が低いほど、閾値が正規の値よりも大きくなる態様で、閾値の補正が実行されてもよい。

１衝突予測装置
１０処理装置
２０レーダセンサ
３０画像センサ
４０車両センサ
５０スロットル制御装置
５２ブレーキ制御装置
５４表示器
５６ブザー

本発明の一局面によれば、自車に対する物標の位置情報を取得するセンサと、
処理装置とを備え、
前記処理装置は、前記センサにより複数の時点で取得された前記位置情報に基づいて、自車に対する物標の移動軌跡を算出し、
前記処理装置は、前記算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報の取得時点の数、複数の時点間における前記位置情報に係る前記物標の横幅の変動態様、及び、自車の前後方向における前記自車に対する物標の位置情報の変動態様からなる３つのパラメータのうちの少なくともいずれか１つとに基づいて、自車に対する物標の衝突の可能性を予測し、
前記処理装置は、前記算出した移動軌跡と、前記移動軌跡の算出に用いた前記位置情報の取得時点の数とに基づいて、前記位置情報の取得時点の数が少ないほど前記衝突の可能性が低くなる態様で、自車に対する物標の衝突の可能性を予測することを特徴とする、衝突予測装置が提供される。

Claims

自車に対する物標の位置情報を取得するセンサと、
処理装置とを備え、
前記処理装置は、前記センサにより複数の時点で取得された前記位置情報に基づいて、自車に対する物標の移動軌跡を算出し、
前記処理装置は、前記算出した移動軌跡と、該移動軌跡の算出に用いた前記位置情報の取得時点の数、複数の時点間における前記位置情報に係る前記物標の横幅の変動態様、及び、自車の前後方向における前記自車に対する物標の位置情報の変動態様からなる３つのパラメータのうちの少なくともいずれか１つとに基づいて、自車に対する物標の衝突の可能性を予測することを特徴とする、衝突予測装置。
前記処理装置は、前記算出した移動軌跡と、前記移動軌跡の算出に用いた前記位置情報の取得時点の数とに基づいて、前記位置情報の取得時点の数が少ないほど前記衝突の可能性が低くなる態様で、自車に対する物標の衝突の可能性を予測する、請求項１に記載の衝突予測装置。
前記処理装置は、前記算出した移動軌跡と、前記各時点間における前記位置情報に係る前記物標の横幅の変動態様とに基づいて、前記横幅の変動態様が大きいほど前記衝突の可能性が低くなる態様で、自車に対する物標の衝突の可能性を予測する、請求項１に記載の衝突予測装置。
前記処理装置は、前記算出した移動軌跡と、前記自車の前後方向における前記自車に対する物標の位置情報の変動態様とに基づいて、自車に対する物標の衝突の可能性を予測し、その際、前記処理装置は、前記位置情報の変動態様と車速センサから算出される自車の位置の変動態様との間に乖離がある場合に前記衝突の可能性が低くなる態様で、自車に対する物標の衝突の可能性を予測する、請求項１に記載の衝突予測装置。
前記処理装置は、前記算出した移動軌跡と、前記自車の前後方向における前記自車に対する物標の位置情報の変動態様とに基づいて、自車に対する物標の衝突の可能性を予測し、その際、前記処理装置は、前記自車に対する物標の位置が前回位置よりも前記自車に対して遠くなる場合に前記衝突の可能性が低くなる態様で、自車に対する物標の衝突の可能性を予測する、請求項１に記載の衝突予測装置。
前記処理装置は、RANSAC法により前記移動軌跡を算出する、請求項１に記載の衝突予測装置。
前記処理装置は、自車の部位毎に、自車の各部位に対する物標の衝突の可能性を予測する、請求項１に記載の衝突予測装置。