JPWO2019097731A1 - 障害物認識装置および障害物認識方法 - Google Patents

Abstract

車両の周辺の物体を検知する第１センサおよび第２センサと、第１センサで検出された第１物体に関する第１検出データと、第２センサで検出された第２物体に関する第２検出データとに基づいて、第１物体と前記第２物体とが同一物体であるか否かを識別するための指標値を算出する算出部と、指標値と予め設定された閾値とを比較することで、第１物体と第２物体とが同一物体であるか否かを判定する判定部と、判定部により第１物体と第２物体とが同一物体であると判定された場合に、第１検出データと前記第２検出データとに基づいて第１センサと第２センサとの検出誤差を算出し、検出誤差をなくすように補正後の検出データを生成する補正部と、を備えることにより、実際には同一物体を検出している場合において、別々の物体であると誤認識することなく、正確に同一物体であるか否かを識別することができる。

Description

本発明は、車載センサを用いて障害物認識を行う障害物認識装置および障害物認識方法に関するものである。

従来から、車両周辺の障害物を、複数のセンサ情報を組み合わせて認識する障害物認識装置が提案されている（例えば、特許文献１参照）。

特許文献１の障害物認識装置は、センサとして前方カメラとミリ波レーダを備えている。前方カメラは障害物に関する第一パラメータ情報を取得し、ミリ波レーダは障害物に関する第二パラメータ情報を取得する。特許文献１の障害物認識装置は、第一パラメータ情報と第二パラメータ情報とに基づいて、前方カメラまたはミリ波レーダの方位角の軸ずれ量を算出し、算出された軸ずれ量を用いて、前方カメラまたはミリ波レーダの方位角の軸ずれを補正する。

特開第２０１０−２４９６１３号公報

しかしながら、従来技術には、以下のような課題がある。
車両に搭載されるセンサは、カメラ、ミリ波レーダ、レーザレーダ、超音波センサ、赤外線センサ等がある。複数のセンサで同一物体を検出する場合、センサの種類によりセンサ間で検出誤差（以下、バイアス誤差と称する）が発生する。バイアス誤差は、車両の走行環境により時間的に変動することがあるため、推定することが困難である。

従来の障害物認識装置は、このバイアス誤差を想定していない。そのため、従来の障害物認識装置は、複数のセンサが実際には同一物体を検出している場合でも、センサ間のバイアス誤差により、別々の物体であると誤認識してしまうという課題がある。

本発明は、このような課題を解決するためになされたものであり、その目的は、実際には複数のセンサが同一物体を検出している場合、別々の物体であると誤認識することなく、正確に同一物体であるか否かを識別することができる障害物認識装置および障害物認識方法を提供することである。

本発明における障害物認識装置は、車両の周辺の物体を検知する第１センサおよび第２センサと、第１センサで検出された第１物体に関する第１検出データと、第２センサで検出された第２物体に関する第２検出データとに基づいて、第１物体と前記第２物体とが同一物体であるか否かを識別するための指標値を算出する算出部と、指標値と予め設定された閾値とを比較することで、第１物体と第２物体とが同一物体であるか否かを判定する判定部と、判定部により第１物体と第２物体とが同一物体であると判定された場合に、第１検出データと前記第２検出データとに基づいて第１センサと第２センサとの検出誤差を算出し、検出誤差をなくすように補正後の検出データを生成する補正部と、を備えるものである。

また、本発明における障害物認識装置は、車両の周辺の物体を検知する第１センサと、第１センサにより過去に検出された検出データに基づいて、物体の動きを予測し、現在時刻における予測値を第３物体に関する第３検出データとして生成する予測部と、第１センサで検出された第１物体に関する第１検出データと、予測部により生成された第３物体に関する第３検出データとに基づいて、第１物体と第３物体とが同一物体であるか否かを識別するための指標値を算出する算出部と、指標値と予め設定された閾値とを比較することで、第１物体と第３物体とが同一物体であるか否かを判定する判定部と、判定部により第１物体と第３物体とが同一物体であると判定された場合に、第１検出データと第３検出データとに基づいて第１センサによる検出結果と予測部による生成結果とのバイアス誤差を算出し、前記バイアス誤差をなくすように補正後の検出データを生成する補正部と、を備えるものである。

また、本発明における障害物認識方法は、算出部、判定部および補正部の機能を実現するコントローラーにより実行される障害物認識方法であって、第１センサで検出された第１物体に関する第１検出データと、第２センサで検出された第２物体に関する第２検出データとに基づいて、第１物体と第２物体とが同一物体であるか否かを識別するための指標値を算出する算出ステップと、指標値と予め設定された閾値とを比較することで、第１物体と前記第２物体とが同一物体であるか否かを判定する判定ステップと、判定ステップにより第１物体と第２物体とが同一物体であると判定された場合に、第１検出データと第２検出データとに基づいて第１センサと第２センサとの検出誤差を算出し、検出誤差をなくすように補正後の検出データを生成する補正ステップと、を備えるものである。

また、本発明における障害物認識方法は、予測部、算出部、判定部および補正部の機能を実現するコントローラーにより実行される障害物認識方法であって、第１センサにより過去に検出された検出データに基づいて、物体の動きを予測し、現在時刻における予測値を第３物体に関する第３検出データとして生成する予測ステップと、第１センサで検出された第１物体に関する第１検出データと、予測ステップにより生成された第３物体に関する第３検出データとに基づいて、第１物体と第３物体とが同一物体であるか否かを識別するための指標値を算出する算出ステップと、指標値と予め設定された閾値とを比較することで、第１物体と前記第３物体とが同一物体であるか否かを判定する判定ステップと、判定ステップにより前記第１物体と前記第３物体とが同一物体であると判定された場合に、第１検出データと前記第３検出データとに基づいて第１センサによる検出結果と予測ステップによる生成結果とのバイアス誤差を算出し、バイアス誤差をなくすように補正後の検出データを生成する補正ステップと、を備えるものである。

本発明による障害物認識装置によれば、複数のセンサ情報を組み合わせて障害物を認識する場合に、センサ間のバイアス誤差を補正する構成を備えている。その結果、実際には複数のセンサが同一物体を検出している場合において、別々の物体であると誤認識することなく、正確に同一物体であるか否かを識別することができる障害物認識装置および障害物認識方法を得ることができる。

本発明の実施の形態１、２および３に係る障害物認識装置の構成を示すブロック図である。 本発明の実施の形態１、２および３に係る障害物認識装置の処理を示すフロー図である。 本発明の実施の形態１に係る誤差補正処理を示すフロー図である。 本発明の実施の形態１に係る誤差算出方法の説明図である。 本発明の実施の形態２に係る誤差補正処理を示すフロー図である。 本発明の実施の形態２に係る誤差補正処理の説明図である。 本発明の実施の形態３に係る誤差補正処理を示すフロー図である。 本発明の実施の形態３に係る誤差補正処理の説明図である。 本発明の実施の形態３に係る縦位置相関係数の説明図である。 本発明の実施の形態３に係る横位置相関係数の説明図である。 本発明の実施の形態４、５および６に係る障害物認識装置の構成を示すブロック図である。 本発明の実施の形態４、５および６に係る障害物認識装置の処理を示すフロー図である。 本発明の実施の形態４に係る誤差補正処理を示すフロー図である。 本発明の実施の形態４に係る誤差算出方法の説明図である。 本発明の実施の形態５に係る誤差補正処理を示すフロー図である。 本発明の実施の形態５に係る誤差補正処理の説明図である。 本発明の実施の形態６に係る誤差補正処理を示すフロー図である。 本発明の実施の形態６に係る誤差補正処理の説明図である。 本発明の実施の形態６に係る縦方向位置の相関係数の説明図である。 本発明の実施の形態６に係る横方向位置の相関係数の説明図である。 本発明の実施の形態６に係る検出時刻補正の説明図である。 本発明の実施の形態７に係る検出時刻補正量と相関係数の説明図である。

以下に、本発明の障害物認識装置および障害物認識方法の好適な実施の形態について、図面を用いて説明する。

実施の形態１.
図１は、本発明の実施の形態１に係る障害物認識装置１の構成を示すブロック図である。

本実施の形態１に係る障害物認識装置１は、制御部１０、時刻計測部１１、データ受信部１２、相関処理部１３、更新処理部１４、第１センサ１００、第２センサ２００および車両情報センサ３００を備えて構成されている。以下の説明では、これらを障害物認識装置１の各ブロックと称する場合がある。

第１センサ１００および第２センサ２００は、物体から放射または反射した光および電磁波を受信して、信号処理および画像処理を適用することで、物体までの距離、方位角、相対速度等を計測するセンサである。具体的には、第１センサ１００および第２センサ２００は、例えば、ミリ波レーダ、レーザレーダ、超音波センサ、赤外線センサ、光学カメラ等を、それぞれ単独または組み合わせて使用することができる。
以下の説明では、第１センサ１００および第２センサ２００が計測した物体の情報を「検出データ」と称する。

車両情報センサ３００は、自車の状態を計測するセンサである。具体的には、車両情報センサ３００は、自車の速度、車輪速、ステアリング角、ヨーレート等を計測する。以下、車両情報センサ３００が計測した自車の状態を示す情報を「自車データ」と称する。

制御部１０は、障害物認識装置１の機能を統括して制御するＥＣＵ（Ｅｌｅｃｔｒｏｎｉｃ Ｃｏｎｔｒｏｌ Ｕｎｉｔ）である。また、制御部１０は、算出部１０ａ、判定部１０ｂ、補正部１０ｃおよび記憶部１０ｄを備えている。

時刻計測部１１は、時刻を計測して、障害物認識装置１内の各ブロックに計測した時刻を出力する機能を備えている。

データ受信部１２は、第１センサ１００、第２センサ２００および車両情報センサ３００から送信される検出データおよび自車データを受信する。データ受信部１２は、受信した検出データを、時刻計測部１１で計測した時刻と関連づけて、制御部１０に出力する。

以下、説明を簡単にするために、このように検出データに時刻情報を加えたデータを「観測データ」と称する。

制御部１０の算出部１０ａ、判定部１０ｂおよび補正部１０ｃは、後述するバイアス誤差補正処理において予め設定された処理を実行する。

算出部１０ａは、バイアス誤差補正処理において、算出値、指標値等の演算処理を行う。

判定部１０ｂは、算出部１０ａが算出した指標値と予め設定された閾値条件とを比較することで、選択された物体ペアが同一物体か否かの判定を行う。

補正部１０ｃは、算出されたバイアス誤差値を用いて、時刻情報を含む検出データである観測データを補正する。

記憶部１０ｄは、揮発メモリ、不揮発メモリ等で構成される。記憶部１０ｄは、観測データ、算出値、指標値、自車データ、航跡データ等を保存する。また、記憶部１０ｄは、観測データを時系列順に格納した観測データ履歴を作成して保存する。また、記憶部１０ｄには、障害物認識装置１の機能を制御するためのプログラムデータが保存されている。

相関処理部１３は、制御部１０から送信された補正後観測データに基づいて、第１センサ１００および第２センサ２００で検出された物体を対応付ける相関処理を実行し、相関データを生成する。相関処理部１３は、補正後観測データおよび相関データを、更新処理部１４に出力する。

更新処理部１４は、相関データに基づいて、補正後観測データの物体情報を更新する。 ここで、物体情報とは、第１センサ１００または第２センサ２００で検出した物体の位置、速度、加速度、種別等の情報である。物体情報の更新は、例えば、カルマンフィルタ、粒子フィルタ等を用いて行うことができる。
更新された物体情報は、「航跡データ」として、更新処理部１４から表示部５００に出力される。また、記憶部１０ｄは、更新処理部１４によって物体情報の更新が実行されるタイミングにおいて、時刻計測部１１が計測した時刻と関連づけて、航跡データを保存する。

障害物認識装置１の外部に設けられた表示部５００は、更新処理部１４から出力された航跡データを、画像、文字情報等に加工して表示する。なお、表示部５００は、障害物認識装置１の内部に設けるようにしてもよい。

なお、障害物認識装置１内の各ブロックおよび制御部１０内の各ブロックは、それぞれ独立したＥＣＵに搭載されるように構成してもよいし、一部または全ブロックが一つのＥＣＵに搭載されるように構成してもよい。

次に、図２のフローチャートを用いて、実施の形態１に係る障害物認識装置１の処理の流れを説明する。

最初に、データ受信部１２は、制御部１０からの指令に基づいて、検出データ取得処理を行う（ステップＳ１００）。検出データ取得処理において、データ受信部１２は、第１センサ１００および第２センサ２００から検出データを取得し、車両情報センサ３００から自車データを取得する。次に、データ受信部１２は、取得した検出データを、時刻計測部１１で計測した時刻と関連づけた観測データを生成する。観測データは、データ受信部１２から制御部１０に出力される。

次に、制御部１０は、バイアス誤差補正処理を行う（ステップＳ２００）。バイアス誤差補正処理においては、まず、制御部１０の算出部１０ａが、データ受信部１２から出力された観測データに基づいて、第１センサ１００および第２センサ２００で検出された物体ペアの物理量の差分値を算出する。ここで、物理量とは、障害物の位置、速度、加速度、種別等の情報であり、以下の説明では、物体情報と称することがある。

続いて、制御部１０の判定部１０ｂは、予め設定された条件に基づいて、選択された物体ペアが同一物体か否かの判定を行う。物体ペアが同一物体であると判定された場合、制御部１０は、選択された物体ペアのバイアス誤差を設定または算出する。

続いて、制御部１０の補正部１０ｃが、バイアス誤差値を用いて、時刻情報を含む検出データである観測データを補正してバイアス誤差補正処理を終了する。補正後観測データは、制御部１０から相関処理部１３に出力される。

次に、相関処理部１３は、相関処理を行う（ステップＳ３００）。相関処理において、相関処理部１３は、補正後観測データを用いて、第１センサ１００および第２センサ２００で検出された物体の対応付けを実行し、相関データを生成する。相関処理部１３は、補正後観測データおよび相関データを、更新処理部１４に出力する。

次に、更新処理部１４は、物体情報の更新処理を行う（ステップＳ４００）。更新処理部１４は、相関データによって対応付けられた第一のセンサと第二のセンサの補正後観測データの物体情報を、例えば、カルマンフィルタ等を用いて更新する。

以上で、障害物認識装置１は処理を終了する。なお、図２に示す処理は、予め設定された動作周期で、繰り返し実行される。

次に、図３および図４を用いて、実施の形態１に係る障害物認識装置１のバイアス誤差補正処理の詳細について説明する。

図３は、本発明の実施の形態１に係る障害物認識装置１のバイアス誤差補正処理の流れを示すフローチャートである。

図３のステップＳ１０において、障害物認識装置１の制御部１０は、記憶部１０ｄに保存されている観測データ履歴から、最古の観測データを削除する。

続いて、ステップＳ１１において、制御部１０は、現周期で取得した最新の観測データを、記憶部１０ｄの観測データ履歴に保存する。ここで、観測データは、時刻情報を含む検出データである。また、検出データは、検出した物体の物理量である、位置、速度、加速度等の数値データである。観測データは、検出したセンサを識別するための番号および記号（以下、センサＩＤと称する）、検出した物体を識別するための番号および記号（以下、物体ＩＤと称する）に関連づけられて、記憶部１０ｄに保存される。

次に、ステップＳ１２において、制御部１０は、記憶部１０ｄに保存されている観測データに基づいて、第１センサ１００および第２センサ２００がそれぞれ取得した複数の物体の中から、第１センサ１００および第２センサ２００について１つずつ物体を選択する。以下、選択した物体のペアを、「選択物体ペア」と称する。

次に、ステップＳ１３において、制御部１０の算出部１０ａは、第１センサ１００の観測データと第２センサ２００の観測データ間の誤差値を算出する。具体的には、選択物体ペア間における観測データの物理量の差分値を、誤差値ΔＸとして算出する。ΔＸの算出方法については、図４を用いて説明する。

図４は、本発明の実施の形態１に係る観測データ間の誤差ΔＸの算出方法を説明する図である。図４の横軸は時刻、縦軸は観測データの物理量である。観測データの物理量は、第１センサ１００および第２センサ２００が検出した物体の位置、速度、加速度等の数値データである。

ここで、選択物体ペアにおいて、第１センサ１００で検出された物体を、物体ＩＤ＝ｉｄｓｎｓ１とする。物体ＩＤ＝ｉｄｓｎｓ１の時刻ｋにおける観測データを、Ｘｋｓｎｓ１とする。同様に、選択物体ペアにおいて、第２センサ２００で検出された物体を、物体ＩＤ＝ｉｄｓｎｓ２とする。物体ＩＤ＝ｉｄｓｎｓ２の時刻ｋにおける観測データを、Ｘｋｓｎｓ２とする。
制御部１０の算出部１０ａは、Ｘｋｓｎｓ１とＸｋｓｎｓ２の差分値の絶対値を、時刻ｋにおける観測データのセンサ間誤差ΔＸｋとして算出する。

図３のステップＳ１３において、算出部１０ａは、図４に示すように、時刻ｔ１〜ｔｎに対応した観測データのセンサ間誤差ΔＸ１〜ΔＸｎを算出する。

次に、制御部１０は、ステップＳ１４に処理を進める。ステップＳ１４において、制御部１０の判定部１０ｂは、予め設定された条件（１）に基づいて、Ｓ１２において設定された選択物体ペアが同一物体であるか否かを判定する。選択物体ペア間の物理量の差分値が小さいほど、選択物体ペアが同一物体である可能性は高くなる。そのため、条件（１）に基づく判定は、例えば以下のように実行することができる。

条件（１）は、センサ間誤差ΔＸ１〜ΔＸｎのばらつきの範囲が、予め設定された閾値より小さいこととする。ばらつきの範囲は、ΔＸ１〜ΔＸｎの最大値から最小値を減算した値、ΔＸ１〜ΔＸｎの平均値、ΔＸ１〜ΔＸｎの中央値等を用いることができる。

ステップＳ１４において、制御部１０の判定部１０ｂは、センサ間誤差ΔＸ１〜ΔＸｎのばらつきの範囲が、予め設定された閾値より小さい場合（Ｓ１４：Ｙｅｓ）には、選択物体ペアは同一物体であると判定する（ステップＳ１５）。

一方、ステップＳ１４において、制御部１０の判定部１０ｂは、センサ間誤差ΔＸ１〜ΔＸｎのばらつきの範囲が、予め設定された閾値以上である場合（Ｓ１４：Ｎｏ）は、選択物体ペアは同一物体ではないと判定する（ステップＳ２１）。

ステップＳ１５に続いて、制御部１０は、ステップＳ１６に処理を進める。
ステップＳ１６において、制御部１０は、選択物体ペアのバイアス誤差値を設定または算出する。バイアス誤差値は、例えば、時刻ｔ１〜ｔｎに対応した観測データのセンサ間誤差ΔＸ１〜ΔＸｎの中から、最新のΔＸｎをバイアス誤差値として設定することができる。また、ΔＸ１〜ΔＸｎの平均値、中央値等を算出して、バイアス誤差値として用いてもよい。

一方、ステップＳ２１に続いて、制御部１０は、ステップＳ２２に処理を進める。
ステップＳ２２において、制御部１０は、選択物体ペアのバイアス誤差値を、無効値に設定する。

ステップＳ１６またはステップＳ２２に続いて、制御部１０は、ステップＳ１７に処理を進める。
ステップＳ１７において、制御部１０は、第１センサ１００および第２センサ２００の観測データ中の物体について、全ての物体ペアが選択済みの場合（Ｓ１７：Ｙｅｓ）には、ステップＳ１８に処理進める。
一方、制御部１０は、まだ全ての物体ペアが選択済みではない場合（Ｓ１７：Ｎｏ）には、ステップＳ１２に戻って、新たに選択物体ペアを設定する。

ステップＳ１８において、制御部１０の判定部１０ｂは、選択された全ての物体ペアにおいて、ステップＳ１６において設定されたバイアス誤差値が無効値であるか否かを判定する。選択された全ての物体ペアにおいてバイアス誤差値が無効値に設定されていない場合（Ｓ１８：Ｎｏ）には、制御部１０は、ステップＳ１９に処理を進める。
一方、選択された全ての物体ペアにおいて、何れか一つでもバイアス誤差値が無効値に設定されている場合（Ｓ１８：Ｙｅｓ）には、制御部１０は、ステップＳ２３に処理を進める。

ステップＳ１８において、制御部１０は、選択された全ての物体ペアにおいて、バイアス誤差値が最小の値となる選択物体ペアを、同一物体と決定する。続いて、制御部１０は、ステップＳ２０に処理を進める。

一方、ステップＳ２３において、制御部１０は、選択された全ての物体ペアにおいて同一物体は無いと決定する。すなわち、制御部１０は、第１センサ１００および第２センサ２００の観測データに同一物体が存在しないと決定して、バイアス誤差補正処理を終了する。

ステップＳ２０において、制御部１０の補正部１０ｃは、同一物体と判定された選択物体ペアにおいて、バイアス誤差値を用いて、観測データの補正処理を行う。補正処理は、センサ間の検出誤差であるバイアス誤差をなくすように、例えば、第１センサ１００の観測データからバイアス誤差値を減算するようにすればよい。ステップＳ２０の補正処理が終了した後、制御部１０はバイアス誤差補正処理を終了する。

以上説明したステップＳ１５の判定およびステップＳ１９の決定について補足して説明する。
バイアス誤差補正処理の流れにおいて、第１センサ１００および第２センサ２００の観測データ中に、検出された物体が１つずつしかない場合は、選択物体ペアの組み合わせは１つのみとなる。そして、その選択物体ペアがステップＳ１５において同一物体と判定された場合は、一意的にステップＳ１６、ステップＳ１７：Ｙｅｓ、ステップＳ１８：Ｎｏの順に処理は進み、ステップＳ１９において、選択物体ペアは同一物体として決定される。

一方、第１センサ１００および第２センサ２００の観測データにおいて、検出された物体が複数ある場合は、選択物体ペアの組み合わせも複数となる。そのため、最初に選択された選択物体ペアがステップＳ１５において同一物体と判定されたとしても、他により小さいバイアス誤差を持つ選択物体ペアが存在する可能性がある。そのため、制御部１０は、全物体ペアのバイアス誤差値の算出が終了するまで、ステップＳ１２からステップＳ１７までの処理を繰り返し実行する。そして、制御部１０は、ステップＳ１９において、バイアス誤差値が最小の選択物体ペアを同一物体として決定する。

以上説明したように、本実施の形態１に係る障害物認識装置によれば、算出した物理量の差分値を判定指標値として、選択した物体ペアが同一物体であるか否かを判定することにより、正確に物体の認識をおこなうことができる。

実施の形態２.
次に、本発明の実施の形態２に係る障害物認識装置１の制御処理の流れについて、図５および図６を用いて説明する。

実施の形態２と実施の形態１では、選択物体ペアが同一物体か否かを判定するために用いる指標値の構成が異なっている。実施の形態２の障害物認識装置１の構成は、実施の形態１の図１で示したブロック図と同様であるため、説明は省略する。

実施の形態１のバイアス誤差補正処理においては、第１センサ１００および第２センサ２００の観測データに基づいて、選択物体ペアの物理量の差分値を算出した。そして、算出した物理量の差分値を用いて、選択物体ペアが同一物体か否かを判定する例について説明した。これに対して、実施の形態２では、選択物体ペアの移動軌跡を多項式で近似し、近似した多項式の係数の差分値を算出して、選択物体ペアが同一物体か否かを判定する。

図５は、本発明の実施の形態２に係る障害物認識装置１の処理の流れを示すフローチャートである。実施の形態１と同様の部分は同じ符号を付して説明を省略する。

図５のステップＳ１０における最古の観測データの削除およびステップＳ１１における最新の観測データの追加処理は、実施の形態１で説明した図３と同様のため説明を省略する。

次に、ステップＳ３０において、制御部１０は、第１センサ１００および第２センサ２００の観測データを、自車データを用いて、対地座標系に変換する処理を行う。以下、このように対地座標系に変換した観測データを、「座標変換データ」と称する。座標変換データは、記憶部１０ｄに保存される。

次に、ステップＳ３１において、制御部１０の算出部１０ａは、座標変換データを用いて、第１センサ１００および第２センサ２００が検出した物体の移動軌跡を算出する。

図６は、本発明の実施の形態２に係る、検出物体の移動軌跡の算出方法を説明する図である。図６には、各時刻において、第１センサ１００が検出した物体および第２センサ２００が検出した物体の座標変換データが示されている。図６には、物体を検出した７つの時刻における座標変換データが、対地座標系ｘｙ上にプロットされている。

物体の移動軌跡は、多項式ｙ＝Ｃ０＋Ｃ１＊Ｘ＋Ｃ２＊Ｘ＾２＋Ｃ３＊Ｘ＾３で近似することができる。図６に示すように、第１センサ１００が検出した物体の移動軌跡は、多項式ｙｓｎｓ１＝Ｃ０ｓｎｓ１＋Ｃ１ｓｎｓ１＊Ｘ＋Ｃ２ｓｎｓ１＊Ｘ＾２＋Ｃ３ｓｎｓ１＊Ｘ＾３となる。同様に、第２センサ２００が検出した物体の移動軌跡は、多項式ｙｓｎｓ２＝Ｃ０ｓｎｓ２＋Ｃ１ｓｎｓ２＊Ｘ＋Ｃ２ｓｎｓ２＊Ｘ＾２＋Ｃ３ｓｎｓ２＊Ｘ＾３となる。

算出部１０ａは、座標変換データを用いて、移動軌跡を近似する多項式ｙ＝Ｃ０＋Ｃ１＊Ｘ＋Ｃ２＊Ｘ＾２＋Ｃ３＊Ｘ＾３の係数Ｃ０、Ｃ１、Ｃ２、Ｃ３を算出することによって、移動軌跡を算出する。
具体的には、算出部１０ａは、第１センサ１００が検出した物体の多項式ｙｓｎｓ１＝Ｃ０ｓｎｓ１＋Ｃ１ｓｎｓ１＊Ｘ＋Ｃ２ｓｎｓ１＊Ｘ＾２＋Ｃ３ｓｎｓ１＊Ｘ＾３の係数Ｃ０ｓｎｓ１、Ｃ１ｓｎｓ１、Ｃ２ｓｎｓ１、Ｃ３ｓｎｓ１を算出する。同様に、算出部１０ａは、第２センサ２００が検出した物体の多項式ｙｓｎｓ２＝Ｃ０ｓｎｓ２＋Ｃ１ｓｎｓ２＊Ｘ＋Ｃ２ｓｎｓ２＊Ｘ＾２＋Ｃ３ｓｎｓ２＊Ｘ＾３の係数Ｃ０ｓｎｓ２、Ｃ１ｓｎｓ２、Ｃ２ｓｎｓ２、Ｃ３ｓｎｓ２を算出する。

次に、ステップＳ３２において、制御部１０は、記憶部１０ｄに保存されている第１センサ１００および第２センサ２００の座標変換データ中の複数の物体の中から、第１センサ１００および第２センサ２００についてそれぞれ１つずつ物体を選択して、選択物体ペアを設定する。

次に、ステップＳ３３において、制御部１０の算出部１０ａは、選択物体ペアの移動軌跡を比較するために、上記多項式の係数の差分値の絶対値を算出する。

ここで、係数Ｃ０、Ｃ１、Ｃ２、Ｃ３の差分値の絶対値を、それぞれΔＣ０、ΔＣ１、ΔＣ２、ΔＣ３とする。図６に示す２つの移動軌跡の場合、算出部１０ａは、ΔＣ０＝ａｂｓ（Ｃ０ｓｎｓ１−Ｃ０ｓｎｓ２）、ΔＣ１＝ａｂｓ（Ｃ１ｓｎｓ１−Ｃ１ｓｎｓ２）、ΔＣ２＝ａｂｓ（Ｃ２ｓｎｓ１−Ｃ２ｓｎｓ２）、ΔＣ３＝ａｂｓ（Ｃ３ｓｎｓ１−Ｃ３ｓｎｓ２）を算出する。

続いて、ステップＳ３４において、制御部１０の判定部１０ｂは、予め設定された条件（２）に基づいて、選択物体ペアが同一物体であるか否かを判定する。選択物体ペアの移動軌跡の近似度が高いほど、選択物体ペアが同一物体である可能性は高くなる。そのため、条件（２）に基づく判定は、例えば以下のように実行することができる。

まず、制御部１０は、係数差分値の絶対値ΔＣ０、ΔＣ１、ΔＣ２、ΔＣ３に対して、予めそれぞれに対応する閾値を設定する。そして、ステップＳ３４において、制御部１０の判定部１０ｂは、ΔＣ０、ΔＣ１、ΔＣ２、ΔＣ３のすべてが、それぞれ予め設定された閾値より小さい場合（Ｓ３４：Ｙｅｓ）には、選択物体ペアは同一物体であると判定する（ステップＳ１５）。

一方、ステップＳ３４において、制御部１０の判定部１０ｂは、ΔＣ０、ΔＣ１、ΔＣ２、ΔＣ３の何れか１つが、予め設定された閾値以上である場合（Ｓ３４：Ｎｏ）には、選択物体ペアは同一物体ではないと判定する（ステップＳ２１に処理を進める）。

ステップＳ３４に続くステップＳ１５およびステップＳ２１以降の処理は、実施の形態１で説明した図３と同様であるため、説明を省略する。

以上説明したように、本実施の形態２に係る障害物認識装置によれば、対地座標系における選択物体ペアの移動軌跡の近似度を判定指標値として、選択した物体ペアが同一物体であるか否かを判定することにより、正確に物体の認識をおこなうことができる。

実施の形態３.
次に、本発明の実施の形態３に係る障害物認識装置１の制御処理の流れについて、図７および図８Ａ〜図８Ｃを用いて説明する。

実施の形態３と実施の形態１および２では、選択物体ペアが同一物体か否かを判定するために用いる算出値の構成が異なっている。実施の形態３の障害物認識装置１の構成は、実施の形態１の図１で示したブロック図と同様であるため、説明は省略する。

実施の形態１のバイアス誤差補正処理においては、選択物体ペアの物理量の差分値を算出して、選択物体ペアが同一物体か否かを判定する例について説明した。また、実施の形態２では、選択物体ペアの移動軌跡をそれぞれ多項式で近似し、近似した多項式の係数の差分値を算出して、選択物体ペアが同一物体か否かを判定する例について説明した。

これに対して、実施の形態３では、選択物体ペアの対地座標位置の時系列データに基づいて相関係数を算出し、算出した相関係数に基づいて、選択物体ペアが同一物体か否かを判定する。

次に、図７および図８Ａ〜図８Ｃを用いて、実施の形態３に係る障害物認識装置１のバイアス誤差補正処理の詳細について説明する。

図７は、本発明の実施の形態３に係る障害物認識装置１の処理の流れを示すフローチャートである。また、図８Ａは、本発明の実施の形態３に係る障害物認識装置１の誤差補正処理の説明図、図８Ｂは縦位置相関係数の説明図、図８Ｃは横位置相関係数の説明図である。実施の形態１または実施形態２と同様の部分は同じ符号を付して説明を省略する場合がある。

図７のステップＳ１０における最古の観測データの削除およびステップＳ１１における最新の観測データの追加処理は、実施の形態１で説明した図３と同様のため説明を省略する。

次に、実施の形態２と同様に、ステップＳ３０において、制御部１０は、第１センサ１００および第２センサ２００の観測データを、自車データを用いて、対地座標系に変換する処理を行う。

次に、実施の形態２と同様に、ステップＳ３２において、制御部１０は、記憶部１０ｄに保存されている座標変換データに基づいて、第１センサ１００および第２センサ２００がそれぞれ取得した複数の物体の中から、第１センサ１００および第２センサ２００について１つずつ物体を選択する。選択した物体の座標変換データのペアを選択する。

次に、ステップＳ４０において、制御部１０の算出部１０ａは、座標変換データを用いて、選択物体ペアの相関係数を算出する。

図８Ａ〜図８Ｃは、本発明の実施の形態３に係る、選択物体ペアの相関係数ｒの算出方法を説明する図である。

図８Ａでは、対地座標系ｘｙに対応して、時刻ｔ１〜ｔｎにおける物体の縦方向位置をposＸ、横方向位置をposＹとしている。そして、図８Ａの各プロットは、時刻ｔ１〜ｔｎにおいて、第１センサ１００が検出した物体の座標変換データＸ１_sns１〜Ｘｎ_sns１および第２センサ２００が検出した物体の座標変換データＸ１_sns２〜Ｘｎ_sns２を示している。

すなわち、図８Ａに示すＸ１_sns１〜Ｘｎ_sns１は、第１センサ１００が検出した物体の時刻ｔ１〜ｔｎにおける縦方向位置（ＰｏｓＸsns１）である。同様に、Ｘ１_sns２〜Ｘｎ_sns２は、第２センサ２００が検出した物体の時刻ｔ１〜ｔｎにおける縦方向位置（ＰｏｓＸsns２）である。
また、図示しないＹ１_sns１〜Ｙｎ_sns１は、第１センサ１００が検出した物体の時刻ｔ１〜ｔｎにおける横方向位置（ＰｏｓＹsns１）である。同様に、図示しないＹ１_sns２〜Ｙｎ_sns２は、第２センサ２００が検出した物体の時刻ｔ１〜ｔｎにおける縦方向位置（ＰｏｓＹsns２）である。

ステップＳ４０において、制御部１０の算出部１０ａは、選択物体ペアについて、時刻ｔ１〜ｔｎにおける縦方向位置ＰｏｓＸsns１およびＰｏｓＸsns２、並びに、横方向位置ＰｏｓＹsns１およびＰｏｓＹsns２を算出する。

続いて、算出部１０ａは、縦方向位置（ＰｏｓＸsns１、ＰｏｓＸsns２）の相関係数ｒposＸおよび横方向位置（ＰｏｓＹsns１、ＰｏｓＹsns２）の相関係数ｒposＹを算出する。

図８Ｂは、縦方向位置（ＰｏｓＸsns１、ＰｏｓＸsns２）の相関係数ｒposＸの算出方法の例を説明する図である。図８Ｂの横軸は第２センサ２００が検出した物体の縦方向位置（ＰｏｓＸsns２）であり、図８Ｂの縦軸は第１センサ１００が検出した物体の縦方向位置（ＰｏｓＸsns１）である。
図８Ｂに示すように、時刻ｔ１〜ｔｎにおける縦方向位置を示すＰｏｓＸsns１_tiとＰｏｓＸsns２_ti（i＝１、２、・ｎ）の２組のデータ列｛（ＰｏｓＸsns１_ti、ＰｏｓＸsns２_ti）｝を変数としたときの相関係数ｒposＸを算出する。

図８Ｃは、横方向位置（ＰｏｓＸsns１、ＰｏｓＸsns２）の相関係数ｒposＹの算出方法の例を説明する図である。図８Ｃの横軸は第２センサ２００が検出した物体の横方向位置（ＰｏｓＹsns２）であり、図８Ｃの縦軸は第１センサ１００が検出した物体の横方向位置（ＰｏｓＹsns１）である。
図８Ｃに示すように、算出部１０ａは、時刻ｔ１〜ｔｎにおける横方向位置を示すＰｏｓＹsns１_tiとＰｏｓＹsns２_ti（i＝１、２、・ｎ）の２組のデータ列｛（ＰｏｓＹsns１_ti、ＰｏｓＹsns２_ti）｝を変数としたときの相関係数ｒposＹを算出する。

続いて、ステップＳ４１において、制御部１０の判定部１０ｂは、予め設定された条件（３）に基づいて、選択物体ペアが同一物体であるか否かを判定する。上記のように算出した相関係数が大きいほど、選択物体ペアが同一物体である可能性は高くなる。そのため、条件（３）に基づく判定は、例えば以下のように実行することができる。

まず、制御部１０は、相関係数ｒposＸおよびｒposＹに対して、予めそれぞれに対応する閾値を設定する。ステップＳ４１おいて、制御部１０の判定部１０ｂは、相関係数ｒposＸおよびｒposＹの両方が、それぞれ予め設定された閾値以上である場合（Ｓ４１：Ｙｅｓ）には、選択物体ペアは同一物体であると判定する。そして、制御部１０は、ステップＳ１５に処理を進める。

一方、ステップＳ４１において、制御部１０の判定部１０ｂは、相関係数ｒposＸおよびｒposＹの何れか１つが、予め設定された閾値より小さい場合（Ｓ４１：Ｎｏ）には、選択物体ペアは同一物体ではないと判定する。そして、制御部１０は、ステップＳ２１に処理を進める。

ステップＳ４１に続くステップＳ１５およびステップＳ２１以降の処理は、実施の形態１で説明した図３と同様であるため、説明を省略する。

以上説明したように、実施の形態３に係る障害物認識装置によれば、選択物体ペアの対地座標位置の時系列データを用いて算出した相関係数を判定指標値として、選択した物体ペアが同一物体であるか否かを判定することにより、正確に物体の認識をおこなうことができる。

実施の形態４.
次に、本発明の実施の形態４に係る障害物認識装置２について、図９〜図１２を用いて説明する。

実施の形態１〜３のバイアス誤差補正処理においては、第１センサ１００および第２センサ２００の観測データに基づいて、選択物体ペアが同一物体か否かを判定する例について説明した。

これに対して、実施の形態４に係る障害物認識装置２は、実施の形態１〜３に係る障害物認識装置１の構成に加えて、予測処理部を備えている。実施の形態４では、第１センサ１００または第２センサ２００の観測データと、予測処理部で算出した予測データに基づいて、選択物体ペアが同一物体か否かを判定する例について説明する。なお、以下の説明では、実施の形態１〜３と同様の部分は同じ符号を付して説明を省略する場合がある。

また、以下の説明では、第１センサ１００の観測データと予測データを使用する場合について説明するが、第１センサ１００の観測データの代わりに第２センサ２００の観測データを使用することも可能である。

図９は、本発明の実施の形態４に係る障害物認識装置２の構成を示すブロック図である。本実施の形態４に係る障害物認識装置２は、図１に示す実施の形態１〜３に係る障害物認識装置１の構成に加えて、予測部１０ｅを備えている。

次に、図１０のフローチャートを用いて、実施の形態４に係る障害物認識装置２の処理の流れを説明する。

図２に示す実施の形態１のフローチャートと異なり、図１０に示す実施の形態４のフローチャートにおいては、最初に、予測処理（ステップＳ５００）が実行される。
具体的には、予測部１０ｅは、前周期における更新処理（ステップＳ４００）で更新された物体情報である航跡データを基づいて、現時刻における物体の航跡の状態の予測データを算出する予測処理（ステップＳ５００）を行う。ここで、物体の航跡の状態とは、検出した物体の位置、速度、加速度、属性情報等である。

算出された予測データは、予測部１０ｅから記憶部１０ｄに送信される。記憶部１０ｄは、予測データを時系列順に格納した予測データ履歴を作成して保存する。

次に、データ受信部１２は、検出データ取得処理を行う（ステップＳ１００）。検出データ取得処理については、実施の形態１〜３のステップＳ１００と同様である。なお、以下に説明するように、第１センサ１００の観測データをバイアス誤差補正処理に使用する場合は、第２センサ２００の観測データを取得する必要はない。

次に、制御部１０は、バイアス誤差補正処理を行う（ステップＳ２００）。バイアス誤差補正処理においては、まず、制御部１０の算出部１０ａが、データ受信部１２から出力された観測データおよび予測部１０ｅから出力された予測データに基づいて、第１センサ１００で検出された物体および予測データ中の物体の物理量の差分値を算出する。

続いて、制御部１０の判定部１０ｂは、予め設定された条件に基づいて、第１センサ１００の観測データおよび予測データから選択された物体ペアが、同一物体か否かの判定を行う。物体ペアが同一物体であると判定された場合、制御部１０は、選択された物体ペアの第１センサ１００の観測データと予測データ間の誤差（以下、実施の形態１〜３と同様にバイアス誤差と称する）を設定または算出する。

続いて、制御部１０の補正部１０ｃは、バイアス誤差値を用いて、観測データを補正して、バイアス誤差補正処理を終了する。補正後観測データは、制御部１０から相関処理部１３に出力される。

次に、相関処理部１３は、相関処理を行う（ステップＳ３００）。相関処理において、相関処理部１３は、補正後観測データを用いて、第１センサ１００の補正後観測データと予測データの対応付けを実行し、相関データを生成する。相関処理部１３は、補正後観測データおよび相関データを、更新処理部１４に出力する。

次に、更新処理部１４は、物体情報の更新処理を行う（ステップＳ４００）。更新処理部１４は、相関データによって第１センサ１００の補正後観測データと予測データの物体情報を、例えば、センサフュージョンを行うことによって更新する。

以上で、障害物認識装置２は処理を終了する。なお、図１０に示す処理は、予め設定された動作周期で、繰り返し実行される。

次に、図１１および図１２を用いて、実施の形態４に係る障害物認識装置２のバイアス誤差補正処理の詳細について説明する。

図１１は、本発明の実施の形態４に係る障害物認識装置２のバイアス誤差補正処理の流れを示すフローチャートである。

実施の形態４におけるバイアス誤差補正処理は、実施の形態１における第２センサ２００の観測データを予測データに置き換えた場合の処理と同様である。そのため、以下の説明では、実施の形態１と同様の部分は同じ符号を付して説明を省略する場合がある。

図１１のステップＳ５０において、障害物認識装置２の制御部１０は、記憶部１０ｄに保存されている観測データのうち、最古の観測データを削除する。また、制御部１０は、記憶部１０ｄに保存されている予測データのうち、最古の予測データを削除する。

続いて、ステップＳ５１において、制御部１０は、現周期で取得した最新の観測データを、記憶部１０ｄの観測データ履歴に保存する。また、制御部１０は、現周期の予測データを、記憶部１０ｄの観測データ履歴に保存する。

次に、ステップＳ５２において、制御部１０は、記憶部１０ｄに保存されている第１センサ１００の観測データ中および予測データ中の複数の物体の中から、それぞれ１つずつ物体を選択して、選択物体ペアを設定する。

次に、ステップＳ５３において、制御部１０の算出部１０ａは、選択物体ペア間における第１センサ１００の観測データと予測データの物理量の差分値を、誤差値ΔＸとして算出する。なお、ステップＳ５３の処理は、実施の形態１のステップＳ１３における第２センサ２００の観測データを、予測データに変更した処理である。ΔＸの算出方法については、図１１を用いて説明する。

図１２は、本発明の実施の形態４に係る観測データと予測データ間の誤差ΔＸの算出方法を説明する図である。

ここで、選択物体ペアにおいて、第１センサ１００で検出された物体を、物体ＩＤ＝ｉｄｓｎｓ１とする。物体ＩＤ＝ｉｄｓｎｓ１の時刻ｋにおける観測データを、Ｘｋｓｎｓ１とする。同様に、選択ペアにおいて、予測データ中の物体を、物体ＩＤ＝ｉｄｓｒeｄとする。物体ＩＤ＝ｉｄｓｒeｄの時刻ｋにおける観測データを、Ｘｋｓｒeｄとする。

時刻ｋにおける観測データと予測データ間誤差ΔＸｋは、Ｘｋｓｎｓ１とＸｋｓｒeｄとの差分値の絶対値とすることができる。図１０のステップＳ５３において、制御部１０の算出部１０ａは、図１１に示すように、時刻ｔ１〜ｔｎに対応した誤差ΔＸ１〜ΔＸｎを算出する。

図１１に戻り、制御部１０は、ステップＳ５４に処理を進める。ステップＳ５４において、制御部１０の判定部１０ｂは、予め設定された条件（１）’に基づいて、ステップＳ５２において設定された選択物体ペアが同一物体であるか否かを判定する。

条件（１）’に基づく判定は、例えば以下のように実行することができる。
ステップＳ５４において、制御部１０の判定部１０ｂは、誤差ΔＸ１〜ΔＸｎのばらつきの範囲が、予め設定された閾値より小さい場合（Ｓ５４：Ｙｅｓ）には、選択物体ペアは同一物体であると判定する（ステップＳ１５）。

一方、ステップＳ５４において、制御部１０の判定部１０ｂは、センサ間誤差ΔＸ１〜ΔＸｎのばらつきの範囲が、予め設定された閾値以上である場合（Ｓ５４：Ｎｏ）は、選択物体ペアは同一物体ではないと判定する（ステップＳ２１）。ばらつきの範囲は、ΔＸ１〜ΔＸｎの最大値から最小値を減算した値、ΔＸ１〜ΔＸｎの平均値、ΔＸ１〜ΔＸｎの中央値等を用いることができる。

ステップＳ１５に続いて、制御部１０は、ステップＳ１６に処理を進める。
ステップＳ１６において、制御部１０は、選択物体ペアのバイアス誤差値を設定する。バイアス誤差値は、例えば、時刻ｔ１〜ｔｎに対応した観測データのセンサ間誤差ΔＸ１〜ΔＸｎの中から、最新のΔＸｎをバイアス誤差値として用いることができる。また、ΔＸ１〜ΔＸｎの平均値、中央値等をバイアス誤差値として用いてもよい。

一方、ステップＳ２１に続いて、制御部１０は、ステップＳ２２に処理を進める。
ステップＳ２２において、制御部１０は、選択物体ペアのバイアス誤差値を、無効値に設定する。

ステップＳ１６またはステップＳ２２に続いて、制御部１０は、ステップＳ５７に処理を進める。
ステップＳ５７において、制御部１０は、第１センサ１００の観測データ中および予測データ中の物体について、全ての物体ペアが選択済みの場合（Ｓ５７：Ｙｅｓ）には、ステップＳ１８に処理進める。
一方、制御部１０は、全ての物体ペアが選択済みではない場合（Ｓ５７：Ｎｏ）には、ステップＳ５２に戻って、新たに選択物体ペアを設定する。

ステップＳ１８において、制御部１０の判定部１０ｂは、選択された全ての物体ペアにおいて、ステップＳ１６において設定されたバイアス誤差値が無効値であるか否かを判定する。選択された全ての物体ペアにおいてバイアス誤差値が無効値ではない場合（Ｓ１８：Ｎｏ）には、制御部１０は、ステップＳ１９に処理を進める。一方、選択された全ての物体ペアにおいてバイアス誤差値が無効値ではない場合（Ｓ１８：Ｙｅｓ）には、制御部１０は、ステップＳ２３に処理を進める。

ステップＳ１８において、制御部１０は、選択された全ての物体ペアにおいてバイアス誤差値が最小の値となる選択物体ペアを、同一物体と決定する。続いて、制御部１０は、ステップＳ２０に処理を進める。

ステップＳ２３において、制御部１０は、選択された全ての物体ペアにおいて同一物体が無いと決定して、バイアス誤差補正処理を終了する。

ステップＳ２０において、制御部１０の補正部１０ｃは、同一物体と判定された選択物体ペアにおいて、バイアス誤差値を用いて、第１センサ１００の観測データの補正処理を行う。補正処理は、バイアス誤差をなくすように、例えば、第１センサ１００の観測データからバイアス誤差値を減算するようにすればよい。ステップＳ２０の補正処理が終了した後、制御部１０はバイアス誤差補正処理を終了する。

なお、以上説明したバイアス誤差補正処理において、観測データは、第１センサ１００または第２センサ２００の何れか一方のみを使用すればよい。そのため、障害物認識装置２においては、第１センサ１００または第２センサ２００の何れか１つを省略可能である。または、第１センサ１００または第２センサ２００の何れか一方のみを優先的に選択して使用するように設定してもよい。

以上説明したように、本実施の形態４に係る障害物認識装置によれば、バイアス誤差補正処理において、第１センサ１００または第２センサ２００の観測データと、予測処理部で算出した予測データから物理量を算出する。続いて、算出した物理量の差分値を判定指標値として、選択した物体ペアが同一物体であるか否かを判定することにより、正確に物体の認識をおこなうことができる。

実施の形態５.
次に、本発明の実施の形態５に係る障害物認識装置２について、図１３および図１４を用いて説明する。

実施の形態５と実施の形態４では、選択物体ペアが同一物体か否かを判定するために用いる指標値の構成が異なっている。実施の形態６の障害物認識装置２の構成は、実施の形態４の図９で示したブロック図と同様であるため、説明は省略する。

実施の形態４のバイアス誤差補正処理においては、第１センサ１００または第２センサ２００の観測データと、予測処理部で算出した予測データに基づいて、選択物体ペアの物理量の差分値を算出した。そして、算出した物理量の差分値を用いて、選択物体ペアが同一物体か否かを判定する例について説明した。

これに対して、実施の形態５では、実施の形態４と同様に予測データを用いる構成において、選択物体ペアの移動軌跡を多項式で近似し、近似した多項式の係数の差分値を算出して、選択物体ペアが同一物体か否かを判定する例について説明する。

すなわち、実施の形態５におけるバイアス誤差補正処理は、実施の形態２における第１センサ１００の観測データまたは第２センサ２００の観測データの何れか一方を、予測データに置き換えた場合の処理と同様である。そのため、以下の説明では、実施の形態１〜４と同様の部分は同じ符号を付して説明を省略する場合がある。

なお、以下の説明では、第１センサ１００の観測データと予測データを使用する場合について説明するが、第１センサ１００の観測データの代わりに第２センサ２００の観測データを使用することも可能である。

次に、図１３および図１４を用いて、実施の形態５に係る障害物認識装置２のバイアス誤差補正処理の詳細について説明する。

図１３は、本発明の実施の形態５に係る障害物認識装置２のバイアス誤差補正処理の流れを示すフローチャートである。

図１３のステップＳ５０において、障害物認識装置２の制御部１０は、記憶部１０ｄに保存されている観測データのうち、最古の観測データを削除する。また、制御部１０は、記憶部１０ｄに保存されている予測データのうち、最古の予測データを削除する。

続いて、ステップＳ５１において、制御部１０は、現周期で取得した最新の観測データを、記憶部１０ｄの観測データ履歴に保存する。また、制御部１０は、現周期の予測データを、記憶部１０ｄの観測データ履歴に保存する。

次に、ステップＳ６０において、制御部１０は、第１センサ１００の観測データおよび予測データを、自車データを用いて、対地座標系に変換する処理を行う。座標変換データは、記憶部１０ｄに保存される。

次に、ステップＳ６１において、制御部１０の算出部１０ａは、座標変換データを用いて、第１センサ１００の観測データ中および予測データ中の物体の移動軌跡を算出する。移動軌跡を近似する多項式は、実施の形態２と同様である。

図１４は、本発明の実施の形態５に係る、検出物体の移動軌跡の算出方法を説明する図である。図１４においては、実施の形態２の図６における第２センサ２００が検出した物体の座標変換データが、予測データ中の物体の座標変換データに置き換えられている。

算出部１０ａは、第１センサ１００が検出した物体の移動軌跡の多項式ｙｓｎｓ１＝Ｃ０ｓｎｓ１＋Ｃ１ｓｎｓ１＊Ｘ＋Ｃ２ｓｎｓ１＊Ｘ＾２＋Ｃ３ｓｎｓ１＊Ｘ＾３の係数Ｃ０ｓｎｓ１、Ｃ１ｓｎｓ１、Ｃ２ｓｎｓ１、Ｃ３ｓｎｓ１を算出する。同様に、算出部１０ａは、予測データの物体の移動軌跡の多項式ｙｐｒｅｄ＝Ｃ０ｐｒｅｄ＋Ｃ１ｐｒｅｄ＊Ｘ＋Ｃ２ｐｒｅｄ＊Ｘ＾２＋Ｃ３ｐｒｅｄ＊Ｘ＾３の係数Ｃ０ｐｒｅｄ、Ｃ１ｐｒｅｄ、Ｃ２ｐｒｅｄ、Ｃ３ｐｒｅｄを算出する。

次に、ステップＳ６２において、制御部１０は、記憶部１０ｄに保存されている第１センサ１００の観測データ中および予測データ中の複数の物体の中から、それぞれ１つずつ物体を選択して、選択物体ペアを設定する。

次に、ステップＳ６３において、制御部１０の算出部１０ａは、選択物体ペア間における移動軌跡を近似する多項式の係数の差分値の絶対値ΔＣ０、ΔＣ１、ΔＣ２、ΔＣ３を算出する。図１４に示す２つの移動軌跡の場合、ΔＣ０＝ａｂｓ（Ｃ０ｓｎｓ１−Ｃ０ｐｒｅｄ）、ΔＣ１＝ａｂｓ（Ｃ１ｓｎｓ１−Ｃ１ｐｒｅｄ）、ΔＣ２＝ａｂｓ（Ｃ２ｓｎｓ１−Ｃ２ｐｒｅｄ）、ΔＣ３＝ａｂｓ（Ｃ３ｓｎｓ１−Ｃ３ｐｒｅｄ）を算出する。

続いて、ステップＳ６４において、制御部１０の判定部１０ｂは、予め設定された条件（２）’に基づいて、選択物体ペアが同一物体であるか否かを判定する。条件（２）’に基づく判定は、例えば以下のように実行することができる。

まず、制御部１０は、係数差分値の絶対値ΔＣ０、ΔＣ１、ΔＣ２、ΔＣ３に対して、予めそれぞれに対応する閾値を設定する。そして、ステップＳ６４において、制御部１０の判定部１０ｂは、ΔＣ０、ΔＣ１、ΔＣ２、ΔＣ３のすべてが、それぞれ予め設定された閾値より小さい場合（Ｓ６４：Ｙｅｓ）には、選択物体ペアは同一物体であると判定する（ステップＳ１５）に処理を進める。

一方、ステップＳ６４において、制御部１０の判定部１０ｂは、ΔＣ０、ΔＣ１、ΔＣ２、ΔＣ３の何れか１つが、予め設定された閾値以上である場合（Ｓ６４：Ｎｏ）には、選択物体ペアは同一物体ではないと判定する（ステップＳ２１）。

ステップＳ６４に続くステップＳ１５およびステップＳ２１以降の処理は、実施の形態４で説明した図１１と同様であるため、説明を省略する。

以上説明したように、本実施の形態５に係る障害物認識装置によれば、第１センサ１００または第２センサ２００の観測データと、予測処理部で算出した予測データから対地座標系における選択物体ペアの移動軌跡を算出する。続いて、算出した選択物体ペアの移動軌跡の近似度を判定指標値として、選択した物体ペアが同一物体であるか否かを判定することにより、正確に物体の認識をおこなうことができる。

実施の形態６.
次に、本発明の実施の形態６に係る障害物認識装置２について、図１５および図１６Ａ〜図１６Ｃを用いて説明する。

実施の形態６と実施の形態４および５では、選択物体ペアが同一物体か否かを判定するために用いる指標値の構成が異なっている。実施の形態６の障害物認識装置２の構成は、実施の形態４の図９で示したブロック図と同様であるため、説明は省略する。

実施の形態４のバイアス誤差補正処理においては、第１センサ１００または第２センサ２００の観測データと、予測処理部で算出した予測データに基づいて、選択物体ペアの物理量の差分値を算出した。そして、算出した物理量の差分値を用いて、選択物体ペアが同一物体か否かを判定する例について説明した。また、実施の形態５では、実施の形態４と同様に予測データを用いる構成において、選択物体ペアの移動軌跡をそれぞれ多項式で近似し、近似した多項式の係数の差分値を算出して、選択物体ペアが同一物体か否かを判定する例について説明した。

これに対して、実施の形態６では、実施の形態４と同様に予測データを用いる構成において、選択物体ペアの対地座標位置の時系列データに基づいて相関係数算出し、算出した相関係数に基づいて、選択物体ペアが同一物体か否かを判定する。

すなわち、実施の形態６におけるバイアス誤差補正処理は、実施の形態３における第１センサ１００の観測データまたは第２センサ２００の観測データの何れか一方を、予測データに置き換えた場合の処理と同様である。そのため、以下の説明では、実施の形態１〜５と同様の部分は同じ符号を付して説明を省略する場合がある。

なお、以下の説明では、第１センサ１００の観測データと予測データを使用する場合について説明するが、第１センサ１００の観測データの代わりに第２センサ２００の観測データを使用することも可能である。

次に、図１５および図１６Ａ〜図１６Ｃを用いて、実施の形態６に係る障害物認識装置２のバイアス誤差補正処理の詳細について説明する。

図１５は、本発明の実施の形態６に係る障害物認識装置２の処理の流れを示すフローチャートである。図１６Ａは、本発明の実施の形態６に係る障害物認識装置２の誤差補正処理の説明図、図１６Ｂは縦位置相関係数の説明図、図１６Ｃは横位置相関係数の説明図である。

図１５のステップＳ５０における最古の観測データおよび最古の予測データの削除およびステップＳ５１における最新の観測データおよび最新の予測データの追加処理は、実施の形態５で説明した図１３と同様のため説明を省略する。

次に、実施の形態５と同様に、ステップＳ６０において、制御部１０は、第１センサ１００の観測データおよび予測データを、自車データを用いて、対地座標系に変換する処理を行う。

次に、実施の形態４と同様に、ステップＳ５２において、制御部１０は、記憶部１０ｄに保存されている第１センサ１００の観測データ中および予測データ中の複数の物体の中から、それぞれ１つずつ物体を選択して、選択物体ペアを設定する。

次に、実施の形態３と同様に、ステップＳ４０において、制御部１０の算出部１０ａは、座標変換データを用いて、選択物体ペアの相関係数を算出する。

図１６Ａ〜図１６Ｃは、本発明の実施の形態６に係る、選択物体ペアの相関係数ｒの算出方法を説明する図である。

図１６Ａに示すＸ１_sns１〜Ｘｎ_sns１は、第１センサ１００が検出した物体の時刻ｔ１〜ｔｎにおける縦方向位置（ＰｏｓＸsns１）である。同様に、Ｘ１_ pred〜Ｘｎ_ predは、予測データの時刻ｔ１〜ｔｎにおける縦方向位置（ＰｏｓＸpred）である。

また、図示しないＹ１_sns１〜Ｙｎ_sns１は、第１センサ１００が検出した物体の時刻ｔ１〜ｔｎにおける横方向位置（ＰｏｓＹsns１）である。同様に、図示しないＹ１_ pred〜Ｙｎ_ predは、予測データの時刻ｔ１〜ｔｎにおける縦方向位置（ＰｏｓＹpred）である。

ステップＳ７０において、制御部１０の算出部１０ａは、選択物体ペアについて、時刻ｔ１〜ｔｎにおける縦方向位置ＰｏｓＸsns１およびＰｏｓＸpred、並びに、横方向位置ＰｏｓＹsns１およびＰｏｓＹpredを算出する。

続いて、算出部１０ａは、縦方向位置（ＰｏｓＸsns１、ＰｏｓＸpred）の相関係数ｒposＸおよび横方向位置（ＰｏｓＹsns１、ＰｏｓＹpred）の相関係数ｒposＹを算出する。

図１６Ｂは、縦方向位置（ＰｏｓＸsns１、ＰｏｓＸpred）の相関係数ｒposＸの算出方法の例を説明する図である。
図１６Ｂに示すように、算出部１０ａは、時刻ｔ１〜ｔｎにおける縦方向位置を示すＰｏｓＸsns１_tiとＰｏｓＸpred_ti（i＝１、２、・ｎ）の２組のデータ列｛（ＰｏｓＸsns１_ti、ＰｏｓＸpred_ti）｝を変数としたときの相関係数ｒposＸを算出する。

図１６Ｃは、横方向位置（ＰｏｓＸsns１、ＰｏｓＸpred）の相関係数ｒposＹの算出方法の例を説明する図である。
図１６Ｃに示すように、算出部１０ａは、時刻ｔ１〜ｔｎにおける横方向位置を示すＰｏｓＹsns１_tiとＰｏｓＹpred_ti（i＝１、２、・ｎ）の２組のデータ列｛（ＰｏｓＹsns１_ti、ＰｏｓＹpred_ti）｝を変数としたときの相関係数ｒposＹを算出する。

続いて、ステップＳ７１において、制御部１０の判定部１０ｂは、予め設定された条件（３）'に基づいて、選択物体ペアが同一物体であるか否かを判定する。条件（３）'に基づく判定は、例えば以下のように実行することができる。

まず、制御部１０は、相関係数ｒposＸおよびｒposＹに対して、予めそれぞれに対応する閾値を設定する。ステップＳ４１おいて、制御部１０の判定部１０ｂは、相関係数ｒposＸおよびｒposＹの両方が、それぞれ予め設定された閾値以上である場合（Ｓ７１：Ｙｅｓ）には、選択物体ペアは同一物体であると判定する。そして、制御部１０は、ステップＳ１５に処理を進める。

一方、ステップＳ７１において、制御部１０の判定部１０ｂは、相関係数ｒposＸおよびｒposＹの何れか１つが、予め設定された閾値より小さい場合（Ｓ７１：Ｎｏ）には、選択物体ペアは同一物体ではないと判定する。そして、制御部１０は、ステップＳ２１に処理を進める。

ステップＳ７１に続くステップＳ１５およびステップＳ２１以降の処理は、実施の形態４で説明した図９と同様であるため、説明を省略する。

以上説明したように、本実施の形態６に係る障害物認識装置によれば、バイアス誤差補正処理において、第１センサ１００または第２センサ２００の観測データと、予測処理部で算出した予測データから、対地座標系における選択物体ペアの位置の相関係数を算出する。続いて、算出した相関係数を判定指標値として、選択した物体ペアが同一物体であるか否かを判定することにより、正確に物体の認識をおこなうことができる。

実施の形態７.
実施の形態７は、実施の形態１〜６で説明した障害物認識装置１および障害物認識装置２において、検出データの検出時刻に対してセンサの遅延時間に基づく補正を行う構成を備えている。以下、検出データに検出時刻にセンサの遅延時間に基づく補正を行う処理を、検出時刻の補正処理と称する。

センサにはセンサの種類等に対応した遅延時間が存在する。センサの遅延時間とは、例えば、検出物体がセンサの検出領域内に入ってから、センサの出力が実行されるまでの時間であり、センサの応答時間とも言う。そのため、センサの遅延時間を考慮しない場合は、検出データに時間的なずれが生じてしまう可能性がある。

以下、本発明の実施の形態７に係る検出時刻の補正処理について説明する。
まず、検出時刻の補正処理を実行するタイミングについて説明する。

実施の形態１の図２（障害物認識装置１）および実施の形態４の図１０（障害物認識装置２）で説明したように、検出データ取得処理（ステップＳ１００）において、データ受信部１２は、センサから検出データを取得する。続いて、データ受信部１２は、取得した検出データを、時刻計測部１１で計測した時刻と関連づけて観測データを生成する。

ここで、センサに遅延時間が無い場合は、データ受信部１２がセンサから検出データを受信した時刻を時刻計測部１１で計測し、観測データとしてそのまま適用することができる。しかしながら、センサに遅延時間がある場合は、データ受信部１２がセンサからの受信した時刻と、実際にセンサが物体を検出した時刻にずれが生じてしまうことになる。

すなわち、検出時刻の補正処理とは、観測データに含まれる時刻情報を補正する処理である。そのため、検出時刻の補正処理は、データ受信部１２が検出データを取得した後から、制御部１０が観測データを用いてバイアス誤差補正処理を実行する前までの期間に行うようにすると好適である。

検出時刻の補正処理実行のタイミングとしては、データ受信部１２が観測データを生成する際に実行するように設定することができる。
または、データ受信部１２は検出データの取得および出力を行い、制御部１０の算出部１０ａが、検出時刻の補正処理を行うようにしてもよい。その場合は、データ受信部１２が制御部１０に検出データを出力し、続いて、制御部１０の算出部１０ａが、検出時刻の補正処理を行うようにすればよい。

以下の説明では、制御部１０の算出部１０ａが検出時刻の補正処理を行う場合について説明する。

次に、検出時刻の補正処理の内容の詳細について説明する。

障害物認識装置１においては、第１センサ１００および第２センサ２００の遅延時間が既知である場合には、制御部１０の算出部１０ａは、既知の遅延時間を第１センサ１００および第２センサ２００の検出データにそれぞれ加算することで、検出時刻の補正処理を行う。

次に、障害物認識装置１において、第１センサ１００および第２センサ２００の観測データを用いた検出時間の補正方法について、図１７Ａおよび図１７Ｂ用いて説明する。

図１７Ａは、第１センサ１００および第２センサ２００の時系列の観測データを示している。また、図１７Ｂは、検出時間の補正量（以下、シフト時間と称する）と時系列データの相関係数ｒの関係を示している。制御部１０は、図１７Ｂに示すシフト時間と相関係数ｒの関係に基づいて、遅延時間を推定する。

まず、制御部１０は、第１センサ１００および第２センサ２００の時系列の観測データから、時系列データの相関係数ｒ０を算出する。

次に、制御部１０は、図１７Ａに示すように、第１センサ１００の時系列の観測データを、１周期分に相当するシフト時間Δｔの分だけ、時刻が増加する方向にシフトさせる。続いて、制御部１０は、Δｔシフトさせた第１センサ１００の時系列の観測データと、第２センサ２００の時系列の観測データから、時系列データの相関係数ｒ（Δｔ）を算出する。

次に、制御部１０は、図１７Ａに示すように、第１センサ１００の時系列の観測データを、２周期分に相当するシフト時間２＊Δｔの分だけ、時刻が増加する方向にシフトさせる。続いて、制御部１０は、２＊Δｔシフトさせた第１センサ１００の時系列の観測データと、第２センサ２００の時系列の観測データから、時系列データの相関係数ｒ（２＊Δｔ）を算出する。

同様に、制御部１０は、第１センサ１００の時系列の観測データを、３＊Δｔ、４＊Δｔ、５＊Δｔ、−１＊Δｔ、−２＊Δｔとシフトさせ、それぞれ相関係数を算出する。

図１７Ｂは、シフト時間を横軸として、上記のように算出した時系列データの相関係数ｒをプロットした図である。図１７Ｂの例では、時系列データの相関係数ｒは、シフト時間が２＊Δｔの時に最大となっている。

制御部１０は、時系列データの相関係数ｒが最大となるシフト時間（図１７Ａでは２＊Δｔ）を遅延時間の推定値として設定する。続いて、制御部１０の算出部１０ａは、設定された遅延時間の推定値を用いて第１センサ１００の時系列の観測データを補正する。

検出時間補正処理の終了後、制御部１０は、この検出時間補正後の観測データを用いて、実施の形態１〜３で説明したバイアス誤差補正処理を実行する。バイアス誤差補正処理において、算出部１０ａは、検出時間補正後の観測データを用いて指標値を算出する。

なお、相関係数ｒの算出および遅延時間の推定は、制御部１０ではなく、障害物認識装置内部に設けた推定部が行うこととしてもよい。

以上の説明では、実施の形態１〜３（障害物認識装置１）で説明した処理に追加する処理として、第１センサ１００および第２センサ２００の時系列の観測データを用いて、検出時刻の補正処理を行う場合について説明した。以上説明した検出時刻の補正処理は、実施の形態４〜６（障害物認識装置２）で説明した処理に追加することも可能である。

障害物認識装置２において、第１センサ１００または第２センサ２００の少なくとも何れか一方の遅延時間が既知である場合には、算出部１０ａは、既知の遅延時間を第１センサ１００または第２センサ２００の検出データに加算することで、検出時刻の補正処理を行う。

また、障害物認識装置２において、第１センサ１００または第２センサ２００の観測データと、予測データを用いて検出時間の補正を行う場合には、以上の図１７Ａおよび図１７Ｂを用いた説明において、第２センサ２００の時系列の観測データを、時系列の予測データに置き換える構成とすればよい。そして、検出時間補正処理の終了後、制御部１０は、この検出時間補正後の観測データを用いて、実施の形態４〜６で説明したバイアス誤差補正処理を実行する。バイアス誤差補正処理において、算出部１０ａは、検出時間補正後の観測データを用いて指標値を算出する。

以上説明したように、本実施の形態７に係る障害物認識装置によれば、センサの遅延時間に起因する物体検出時刻のずれを防止した状態で、バイアス誤差補正処理を実行することが可能となる。

１、２ 障害物認識装置、１０ 制御部、１１ 時刻計測部、１２ データ受信部、１３ 相関処理部、１４ 更新処理部、１００ 第１センサ、２００ 第２センサ、３００ 車両情報センサ、５００ 表示部。

Claims (15)

1. 車両の周辺の物体を検知する第１センサおよび第２センサと、
   前記第１センサで検出された第１物体に関する第１検出データと、前記第２センサで検出された第２物体に関する第２検出データとに基づいて、前記第１物体と前記第２物体とが同一物体であるか否かを識別するための指標値を算出する算出部と、
   前記指標値と予め設定された閾値とを比較することで、前記第１物体と前記第２物体とが同一物体であるか否かを判定する判定部と、
   前記判定部により前記第１物体と前記第２物体とが同一物体であると判定された場合に、前記第１検出データと前記第２検出データとに基づいて前記第１センサと前記第２センサとの検出誤差を算出し、前記検出誤差をなくすように補正後の検出データを生成する補正部と、
   を備える障害物認識装置。
2. 前記第１センサは、前記第１検出データとして、前記第１物体の位置、速度および加速度の少なくともいずれか１つの物理量を検出し、
   前記第２センサは、前記第２検出データとして、前記第２物体の位置、速度および加速度の少なくともいずれか１つの物理量であり、前記第１センサと同一の物理量を検出し、
   前記算出部は、前記第１検出データと前記第２検出データとの差分を前記指標値として算出する
   請求項１に記載の障害物認識装置。
3. 前記第１センサは、前記第１検出データとして、前記第１物体の位置を検出し、
   前記第２センサは、前記第２検出データとして、前記第２物体の位置を検出し、
   前記算出部は、前記第１検出データの時系列データから算出した前記第１物体の移動軌跡と、前記第２検出データの時系列データから算出した前記第２物体の移動軌跡との近似度を前記指標値として算出する
   請求項１に記載の障害物認識装置。
4. 前記算出部は、前記第１物体の移動軌跡を第１多項式として近似し、前記第２物体の移動軌跡を第２多項式として近似し、前記第１多項式と前記第２多項式とで、対応する項の係数同士の差分の絶対値を前記近似度として算出する
   請求項３に記載の障害物認識装置。
5. 前記第１センサは、前記第１検出データとして、前記第１物体の位置を検出し、
   前記第２センサは、前記第２検出データとして、前記第２物体の位置を検出し、
   前記算出部は、前記第１検出データの時系列データと、前記第２検出データの時系列データとの相関係数を前記指標値として算出する
   請求項１に記載の障害物認識装置。
6. 前記第２センサが前記第２物体を検出してから前記第２検出データを出力するまでに必要とされる第２時間に対して、前記第１センサが前記第１物体を検出してから前記第１検出データを出力するまでに必要とされる第１時間が長い場合の時間差を遅延時間と規定した際に、前記遅延時間を既知のデータとして記憶する記憶部をさらに備え、
   前記算出部は、前記第１センサで検出された前記第１検出データを取得した時刻に対して前記遅延時間だけ遅れを持たせた時刻に前記第１検出データを受信したものとして遅延処理を実行し、前記遅延処理を実行した後の前記第１検出データと、前記遅延処理を実行しない前記第２検出データとに基づいて、前記指標値を算出する
   請求項１から５のいずれか１項に記載の障害物認識装置。
7. 前記第２センサが前記第２物体を検出してから前記第２検出データを出力するまでに必要とされる第２時間に対して、前記第１センサが前記第１物体を検出してから前記第１検出データを出力するまでに必要とされる第１時間が長い場合の時間差を遅延時間と規定した際に、前記遅延時間が既知のデータでない場合に、前記第１検出データの時系列データと前記第２検出データの時系列データとに基づいて前記遅延時間を推定する推定部をさらに備え、
   前記算出部は、前記第１センサで検出された前記第１検出データを取得した時刻に対して前記遅延時間だけ遅れを持たせた時刻に前記第１検出データを受信したものとして遅延処理を実行し、前記遅延処理を実行した後の前記第１検出データと、前記遅延処理を実行しない前記第２検出データとに基づいて、前記指標値を算出する
   請求項１から５のいずれか１項に記載の障害物認識装置。
8. 前記推定部は、前記第１検出データの時系列データを順次時間シフトさせ、前記第２検出データの時系列データとの相関係数を算出し、相関係数が最大となる時間シフト量を前記遅延時間として推定する
   請求項７に記載の障害物認識装置。
9. 車両の周辺の物体を検知する第１センサと、
   前記第１センサにより過去に検出された検出データに基づいて、前記物体の動きを予測し、現在時刻における予測値を第３物体に関する第３検出データとして生成する予測部と、
   前記第１センサで検出された第１物体に関する第１検出データと、前記予測部により生成された第３物体に関する前記第３検出データとに基づいて、前記第１物体と前記第３物体とが同一物体であるか否かを識別するための指標値を算出する算出部と、
   前記指標値と予め設定された閾値とを比較することで、前記第１物体と前記第３物体とが同一物体であるか否かを判定する判定部と、
   前記判定部により前記第１物体と前記第３物体とが同一物体であると判定された場合に、前記第１検出データと前記第３検出データとに基づいて前記第１センサによる検出結果と前記予測部による生成結果とのバイアス誤差を算出し、前記バイアス誤差をなくすように補正後の検出データを生成する補正部と、
   を備える障害物認識装置。
10. 前記第１センサは、前記第１検出データとして、前記第１物体の位置、速度および加速度の少なくともいずれか１つの物理量を検出し、
    前記予測部は、前記第３検出データとして、前記第３物体の位置、速度および加速度の少なくともいずれか１つの物理量であり、前記第１センサと同一の物理量を予測し、
    前記算出部は、前記第１検出データと前記第３検出データとの差分を前記指標値として算出する
    請求項９に記載の障害物認識装置。
11. 前記第１センサは、前記第１検出データとして、前記第１物体の位置を検出し、
    前記予測部は、前記第３検出データとして、前記第３物体の位置を検出し、
    前記算出部は、前記第１検出データの時系列データから算出した前記第１物体の移動軌跡と、前記第３検出データの時系列データから算出した前記第３物体の移動軌跡との近似度を前記指標値として算出する
    請求項９に記載の障害物認識装置。
12. 前記算出部は、前記第１物体の移動軌跡を第１多項式として近似し、前記第３物体の移動軌跡を第３多項式として近似し、前記第１多項式と前記第３多項式とで、対応する項の係数同士の差分の絶対値を前記近似度として算出する
    請求項１１に記載の障害物認識装置。
13. 前記第１センサは、前記第１検出データとして、前記第１物体の位置を検出し、
    前記予測部は、前記第３検出データとして、前記第３物体の位置を予測し、
    前記算出部は、前記第１検出データの時系列データと、前記第３検出データの時系列データとの相関係数を前記指標値として算出する
    請求項９に記載の障害物認識装置。
14. 請求項１に記載の障害物認識装置において、前記算出部、前記判定部および前記補正部の機能を実現するコントローラーにより実行される障害物認識方法であって、
    前記第１センサで検出された前記第１物体に関する前記第１検出データと、前記第２センサで検出された前記第２物体に関する前記第２検出データとに基づいて、前記第１物体と前記第２物体とが同一物体であるか否かを識別するための前記指標値を算出する算出ステップと、
    前記指標値と予め設定された閾値とを比較することで、前記第１物体と前記第２物体とが同一物体であるか否かを判定する判定ステップと、
    前記判定ステップにより前記第１物体と前記第２物体とが同一物体であると判定された場合に、前記第１検出データと前記第２検出データとに基づいて前記第１センサと前記第２センサとの前記検出誤差を算出し、前記検出誤差をなくすように補正後の検出データを生成する補正ステップと、
    を有する障害物認識方法。
15. 請求項９に記載の障害物認識装置において、前記予測部、前記算出部、前記判定部および前記補正部の機能を実現するコントローラーにより実行される障害物認識方法であって、
    前記第１センサにより過去に検出された検出データに基づいて、前記物体の動きを予測し、現在時刻における予測値を前記第３物体に関する前記第３検出データとして生成する予測ステップと、
    前記第１センサで検出された前記第１物体に関する前記第１検出データと、前記予測ステップにより生成された前記第３物体に関する前記第３検出データとに基づいて、前記第１物体と前記第３物体とが同一物体であるか否かを識別するための前記指標値を算出する算出ステップと、
    前記指標値と予め設定された閾値とを比較することで、前記第１物体と前記第３物体とが同一物体であるか否かを判定する判定ステップと、
    前記判定ステップにより前記第１物体と前記第３物体とが同一物体であると判定された場合に、前記第１検出データと前記第３検出データとに基づいて前記第１センサによる検出結果と前記予測ステップによる生成結果との前記バイアス誤差を算出し、前記バイアス誤差をなくすように補正後の検出データを生成する補正ステップと、
    を有する障害物認識方法。

Images