WO2006090736A1

WO2006090736A1 - 物体認識装置

Info

Publication number: WO2006090736A1
Application number: PCT/JP2006/303166
Authority: WO
Inventors: Toshiaki Kakinami; Jun Sato
Original assignee: Aisin Seiki Kabushiki Kaisha
Priority date: 2005-02-23
Filing date: 2006-02-22
Publication date: 2006-08-31
Also published as: US20090208109A1; EP1852713A4; JP2006234494A; EP1852713A1

Abstract

　少ない演算量で、非検出対象のデータが混在しても安定して移動体周辺の物体の形状を認識することができ、両者の配置関係を求めて、この配置関係を良好に報知することのできる物体認識装置を提供する。　移動体周辺に存在する物体を認識する物体認識装置であって、下記構成を備える。物体の表面形状情報を検出する物体検出手段１と、表面形状情報を構成する標本群から任意に抽出した標本に基づいて定めた形状モデルに対する標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段２と、物体検出手段１及び形状認識手段２の検出及び認識結果に基づいて、移動体と物体との相対的な配置関係を演算する相対配置演算手段３と、この相対配置演算手段３の演算結果に基づいて、配置関係についてディスプレイへの表示又は音声により報知する報知手段５と、を備える。

Description

明細書

物体認識装置

技術分野

[0001] 本発明は、移動体周辺に存在する物体の輪郭形状を認識し、移動体と物体との相対的な配置関係を求めて、この配置関係について視覚的に、又は音声により報知する物体認識装置に関する。

背景技術

[0002] このような装置として、下記に出典を示す特許文献 1に記載されたような障害物検知装置がある。この装置は、車両 (移動体)の周辺に存在する障害物を検知して警報を発するものである。これは、従来の装置が、単に車両と障害物との距離だけを測定して所定距離よりも短い場合にのみ、警報を発するように構成されているのに対して発明されたものである。この発明は、距離に基づく警報だけでは、運転者にとって車両の周りのどの物体が障害物力判り難いという問題に鑑みてなされたものである。これによると、車両に複数の障害物検知センサを搭載し、障害物までの距離を演算する。これら得られた演算結果より障害物の形状が直線 (平板形状)か円形 (凸面形状) かを推定して表示する。このように構成することにより、障害物との距離と、障害物の形状とを利用して報知して、る。

特許文献 1：特開 2003 - 194938号公報 (第 2— 3頁、第 1— 7図）

発明の開示

発明が解決しょうとする課題

[0003] 上記公知技術は、障害物の形状までも推定する点において、利用者にとって有益なものである。しかし、実際の計測においては、検出対象の物体 (障害物）以外を検出した検出データが混在することが多い。そして、検出対象物以外の検出データは、ノイズ成分として作用するため、検出対象物の形状推定に際して誤認の原因となることが考えられる。即ち、障害物等の検出対象となる物体を検出する際の安定性が充分とはいえない。また、一般にこのようなノイズ除去の機能を具備すれば、演算量が増え、それに伴って処理時間の増大や装置の大規模ィ匕を招くことになる。 [0004] 本願発明は上記課題に鑑みてなされたもので、少ない演算量で、非検出対象のデータが混在しても安定して移動体周辺の物体の形状を認識することができ、両者の配置関係を求めて、この配置関係を良好に報知することのできる物体認識装置を提供することを目的としている。

課題を解決するための手段

[0005] この目的を達成するための本発明に係る移動体周辺に存在する物体を認識する物体認識装置の特徴構成は、下記構成を備える点にある。即ち、前記物体の表面形状情報を検出する物体検出手段と、前記表面形状情報を構成する標本群から任意に抽出した標本に基づいて定めた形状モデルに対する前記標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段と、前記物体検出手段及び前記形状認識手段の検出及び認識結果に基づ!、て、前記移動体と前記物体との相対的な配置関係を演算する相対配置演算手段と、この相対配置演算手段の演算結果に基づいて、前記配置関係についてディスプレイへの表示又は音声により報知する報知手段と、を備える点にある。

[0006] この特徴構成によれば、物体検出手段が物体の表面形状情報を検出し、この表面形状情報に基づいて、形状認識手段が物体の輪郭形状を認識する。ここで、表面形状情報とは、移動体から見た物体の表面の形状を示す情報である。電波や超音波等を用いた反射型のセンサを用いてもょ、し、可視光や赤外光等を利用して画像データを得るイメージセンサ、カメラ (動画、静止画を問わず)を用いてもよい。

[0007] 形状認識手段は、上記種々の物体検出手段より得られた標本群より、輪郭形状を認識する。ここで、標本群とは、表面形状情報を構成する個々のデータの集合体のことをいう。個々のデータとは、例えば、反射型のセンサを用いた場合には、障害物の各場所で反射された信号を受信して得られた各場所に対応した情報である。画像データを利用した場合には、エッジ抽出、三次元変換等の種々の画像処理により得られたデータを用いることができる。このように、形状認識手段の種類に依らず、物体の表面形状を表すデータを標本として扱! ヽ、この標本の集合体を標本群と称する。

[0008] 形状認識手段は、この標本群より任意に (ランダムに）いくつかの標本を抽出して、抽出した標本に基づいて形状モデルを定める。この形状モデルを定めるに際しては、抽出した標本より幾何学的に算出してもよいし、予め複数のテンプレートを用意して最適なものに当てはめる方法を用いてもよい。そして、標本群全体がこの形状モデルに対して、どの程度一致するかの一致度を演算する。この演算結果に基づいて、具現化された形状モデルが標本群に適合するものか否かを判定する。

[0009] 即ち、任意に抽出した標本にノイズ性の標本が含まれて、た場合には、定めた形状モデルと標本群との一致度は低くなる。従って、この形状モデルは標本群に適合しないと判定できる。ノイズ性の標本を含まずに形状モデルを定めた場合には、一致度は高くなる。従って、形状モデルは標本群に適合すると判定できる。このように、少なヽ演算量で、ノイズ性の標本を除去して対象となる物体の輪郭形状を認識することができる。

[0010] 形状認識手段は、標本群よりも遥かに少ない標本数である、任意に抽出された標本より形状モデルを定めている。従って、標本の抽出や形状モデルを定める際に必要となる演算量は少ない。そのため、演算時間も短ぐ装置も大規模ィ匕しない。また、形状モデルに対する標本群の一致度は、各標本の空間上の座標を用いて、幾何学的に演算することができる。従って、この一致度の演算も少ない演算量で行うことができる。さらに、これらの演算量が少ないことより、繰り返し異なる形状モデルを定めて一致度を演算しても総演算量の増大を抑制することができる。その結果、高い精度で輪郭形状を認識することができる。

[0011] 上述したように、本発明によれば対象となる物体の輪郭形状を安定して得ることができる。そして、表面形状情報を得るに際して、物体検出手段と物体との距離や位置関係も情報として取得できて、る。移動体における物体検出手段の配置場所は既知であり、移動体の外形形状も既知である。従って、認識した輪郭形状等を用いて、移動体の各場所と物体の各場所との相対的な配置関係を演算することができる。その結果、相対的な配置関係より、移動体のどの部分と物体のどの部分とが接近しているか等を容易に知ることができる。そして、これをディスプレイへの表示や音声により、報知するようにしている。従って、移動体の操作者や監督者は、自分が想定しているよりも接近して、る力否か等、物体との関係を知ることができる。

[0012] このように、本特徴構成によれば、少ない演算量で、非検出対象のデータが混在しても安定して移動体周辺に存在する物体の形状を認識すると共に、移動体と物体との相対配置関係を報知することができる。

[0013] また、本発明の物体認識装置は、前記物体検出手段が、前記物体の表面と前記移動体との距離に基づいて前記表面形状情報を検出することを特徴とする。

[0014] 対象となる物体の輪郭形状が、移動体からの遠近に関する形状、例えばいわゆる奥行きであるような場合、表面形状情報を物体と移動体との距離に基づいて検出すると好適である。このような場合、ノイズ性の標本が含まれない場合には、距離に基づいて検出された表面形状情報は、ほぼ認識したい輪郭形状を表す標本群となる。これにノイズ性の標本が含まれた場合でも、ノイズ性の標本を除去できれば、残った標本群はほぼ認識したヽ輪郭形状を示すものとなる。上述したように本発明によれば、形状モデルと標本群との一致度の演算により良好にノイズ性の標本を除去できる。従つて、物体検出手段が物体の表面と移動体との距離に基づいて表面形状状態を検出するものであると、安定且つ正確な物体認識が可能となる。

[0015] また、本発明の物体認識装置は、前記表面形状情報が、前記物体の外形形状に沿って離散的に得られるものであることを特徴とする。

[0016] このように、前記表面形状情報が前記物体の外形形状に沿って離散的に得られるもの（前記物体の外形輪郭を表すもの）であると好適である。

認識の対象となる物体は、壁等の平坦なものに限らず、段差を持つような場合もある。段差とは、車両のバンパー部とフロントやリャのウィンドウ部、階段等である。外形輪郭は、物体の有するこのような段差を含め、その外側、即ち外形を示す表面形状である。物体と物体検出手段とが最も近い距離、即ち物体が物体検出手段側に突出した部分だけし力検出できなければ、バンパー部や階段の最下段のみが検出されるしかし、移動体が物体に対して突出した部分は、必ずしも物体が移動体側に突出した部分と一致しているとは限らない。移動体の利用者 (監督者)は移動体の一部分と物体の一部分とが、過度に接近しないように操作又は監督することを望む。従って、場合によっては、認識したい輪郭形状は、物体が車両であれば、バンパー部に限らず、ウィンドウ部である場合もある。階段等の場合も同様である。従って、表面形状情報は単に対象となる物体が移動体側に最も突出した部分だけを対象とはせず、対象となる物体の種々の場所を対象とすることが好ましい。対象となる物体の外形輪郭を表す表面形状情報を得ることにより、用途に応じて、種々の場所に対する輪郭形状を認識するようにすると好ま Uヽ。

そして、外形形状に沿ったデータを連続した情報などで記憶するには膨大な記憶領域を必要とし、また、信号処理も容易でない。しかし、本特徴構成のように離散的なデータとすると、適宜、間を間引かれてデータ量を削減することができる。その結果、信号処理も高速にできる。

[0017] また、本発明の物体認識装置は、前記表面形状情報を構成する前記標本群から、認識の対象形状に応じた数の前記標本が任意に抽出されることを特徴とする。

[0018] この特徴構成によれば、認識の対象形状に応じた数の標本が抽出されるので、効率よく形状モデルを定めることができる。

[0019] さらに、本発明の物体認識装置は、前記対象形状が、二次曲線に近似された車両のバンパー形状であり、 5つの前記標本が任意に抽出されることを特徴とする。

[0020] この特徴構成によれば、車両のバンパー形状を二次曲線に近似することにより、形状モデルを簡単な演算によって定めることができる。

[0021] また、本発明の物体認識装置は、前記形状認識手段が、前記形状モデルの接線に対して直交する両方向に所定距離離れた点を結んだ 2つの曲線に挟まれた部分を有効範囲と定め、前記有効範囲の中に含まれる前記標本の数と前記標本群の総数との関係によって前記一致度を算出することを特徴とする。

[0022] この特徴構成によれば、形状モデルから等距離離れた 2本の曲線によって正確に有効範囲を定めることができる。その結果、形状認識手段は、定められる各形状モデルに対して同一の条件で一致度を算出することができ、正確な一致度の比較を行うことができる。

[0023] また、本発明の物体認識装置は、前記形状認識手段が下記のように認識することを特徴とする。即ち前記形状認識手段は、所定回数に亘つて、前記標本群から任意の前記標本を抽出し、定められた各前記形状モデルに対して前記一致度を演算する。そして、前記所定回数の繰り返しの後、所定のしきい値を超えた前記形状モデルのうちで最大の前記一致度を有する前記形状モデルを前記物体の輪郭形状として認識することを特徴とする。

[0024] この特徴構成によれば、複数回定められる形状モデルのうちで最大の一致度を有するものを輪郭形状として認識することができるので、精度のょヽ認識を行うことができる。

[0025] また、本発明の物体認識装置は、前記形状認識手段が、前記所定回数に拘らず、最先に前記所定のしきい値を超えた前記一致度を有する前記形状モデルを前記物体の輪郭形状として認識することを特徴とする。

[0026] この特徴構成によれば、所定回数に拘らず、一致度が最先に所定のしき!、値を超えた形状モデルを認識結果とするので、迅速な認識が可能となる。

[0027] また、本発明の物体認識装置は、前記相対配置演算手段が、前記移動体の移動状態を検出する移動状態検出手段の検出結果に基づいて前記配置関係を演算すると共に、この配置関係に基づいて前記移動体と前記物体との接近度合いを判定する判定手段を備えることを特徴とする。

[0028] 移動状態検出手段によって移動体の移動状態を検出すると、近未来の移動体の位置を推定することができる。従って、移動状態検出手段の検出結果に基づいて、現在に留まらず未来の、物体と移動体との配置関係を演算することができる。既に両者の配置関係により、物体と移動体との各部分の接近度合いが知られているので、移動体の移動によりこの接近度合いの変化を演算することができる。その結果、移動体と物体との各部分の接近度合いを事前に予測することが可能となる。そして、この接近度合いを判定すると、例えば移動体と物体とが過度に接近したような場合に、迅速な対応が可能となる。

[0029] また、本発明の物体認識装置は、さらに、前記判定手段により判定された前記接近度合いに基づいて、前記移動体の移動速度及び旋回方向の一方又は双方を制御する移動制御手段を備えることを特徴とする。

[0030] 既に説明したように接近度合いを判定すると、例えば移動体と物体とが過度に接近したような場合に、迅速な対応につなげることができる。この対応として、上記のように、移動体の移動速度及び旋回方向の一方又は双方を制御するようにすると、好ましい。即ち、移動速度を制御すれば、過度に物体に接近する移動体の接近速度を遅くすることや、接近を停止することができる。また、旋回方向を制御すれば、物体に接近しない方向へ移動方向を変更することができる。

[0031] また、本発明の物体認識装置は、前記物体検出手段が、前記移動体の移動に伴つて前記物体の前記表面形状情報を検出するものであることを特徴とする。

[0032] 移動体の移動に伴って物体の表面形状情報を検出するように構成すると、移動体の移動方向に合わせて物体を検出することとなり、効率的な検出が可能となる。また、例えば物体検出手段を一方向に向けた固定的なセンサ (例えば、シングノレビームセンサ）で構成することもできる。即ち、固定的に一方向しか検出できない物体検出手段であっても、移動体が動くことによって広、範囲を走査することができる。

[0033] また、本発明の物体認識装置は、前記物体検出手段が、前記移動体の移動に拘らず前記物体に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づいて前記物体の前記表面形状情報を検出することを特徴とする。

[0034] この構成によれば、移動体が停止状態にあっても、広い範囲を走査して物体を検出することができる。その結果、例えば停止している移動体が移動を開始する際に物体の有無等の周囲の状況を考慮することができる。

発明を実施するための最良の形態

[0035] 〔第一実施形態〕

以下、本発明の好適な実施形態を、車両が他の車両を認識する場合を例として、図面に基づいて説明する。図 1に示すように、移動体としての車両 10には、側方に向けた距離センサ 1 (物体検出手段)が搭載されている。この距離センサ 1は、例えばポイントセンサ、即ち、シングル一ビームセンサや超音波を利用したソナ一等である。そして、車両 10は、駐停車中の他の車両 20 (以下、駐車車両と称す。）のそばを図示 X 方向へ通過する際に、距離センサ 1によって駐車車両 20までの距離を計測する。駐車車両 20は本発明の物体に相当するものである。尚、図 1には、簡略のため、車両 1 0の左側方にのみ距離センサ 1を設けて、るが、当然両側方に設けて、てもよい。

[0036] 距離センサ 1は、車両 10の移動に応じて駐車車両 20との距離を計測する。このようにして得られた駐車車両 20の表面形状情報は、車両 10の移動距離に応じた離散的なデータである。尚、車両 10の「移動距離に応じて」には、「所定時間間隔に応じて」の意味も含むものである。例えば、車両 10が等速で移動する場合には、所定時間間隔に応じて計測すれば、移動距離に応じて測定することになる。移動体 10の移動速度、移動距離、移動時間は、線形的に定まる。従って、結果として概ね均等に表面形状情報を得ることができる方法であれば、どのような方法を用いてもよい。このようにして、車両 10は物体の表面形状情報を取得する (物体検出工程)。

[0037] 尚、距離センサ 1は移動時間を計測するタイマ、移動距離を計測するエンコーダ、移動速度を計測する回転センサ等の付随するセンサを備えていてもよい。また、これらセンサを別に備え、情報を得るようにして!/、てもよ!/、。

[0038] 図 2は、本発明の第一実施形態に係る物体認識装置の概略ブロック図である。図 2 において、形状認識部 2 (形状認識手段）は、マイクロコンピュータ 2A等の電子回路によって構成されている。形状認識部 2内の各処理部は、必ずしも物理的に異なる電子回路を示すものではなぐ機能としての処理部を示すものである。例えば、異なるプログラムを同一の CPUによって実行することにより、異なる機能を得るような場合も含むものである。

[0039] 図 2に示すように距離センサ 1によって測定された表面形状情報は、形状認識部 2 に入力される。入力された表面形状情報は、図 1に示す X方向及び Y方向を軸とする二次元平面にマッピングされて、標本記憶部 2aに記憶される。この標本記憶部 2aは、メモリで構成されている。本実施形態においては、マイクロコンピュータ 2Aに内蔵する形態を示している。勿論、マイクロコンピュータ 2Aとは別体のメモリを用いて、いわゆる外付けの形態としていてもよい。また、内蔵、外付けを問わず、レジスタ、ハードディスク等、他の記憶媒体を用いてもよい。

[0040] マイクロコンピュータ 2A内には、上記の他、相対配置演算部 3 (相対配置演算手段 )を備えている。詳細は後述する力上述したように車両 10から見た駐車車両 20の輪郭形状の認識に際して、距離センサ 1を用いて駐車車両 20の表面形状情報を取得している。従って、車両 10と駐車車両 20との距離情報も同時に得ることができている。相対配置演算部 3は、この距離情報と、輪郭形状とを用いて、車両 10と駐車車両 20との相対配置を演算するものである。 [0041] ここで、相対配置とは、車両 10の各部と駐車車両 20の各部との相対位置である。車両 10の外形形状は、自己の形状であるため、既知である。そして、車両 10から見た駐車車両 20の輪郭形状は、下記に詳述する方法により良好に認識できる。これらにより、相対配置演算部 3において図 10に示すように車両 10と駐車車両 20との相対配置を演算する。尚、図 10では理解を容易にするために、駐車車両 20全体を点線で示しているが、実際には認識された輪郭形状 Eと、車両 10との相対配置を演算する。勿論、他の場所も含めて輪郭形状 Eを認識している場合には、全ての相対配置を演算することができる。

[0042] そして、この相対配置は、ディスプレイ 5a等の報知手段 5に表示される。ディスプレィ 5aには、ナビゲーシヨンシステム等のモニタを兼用することができる。ディスプレイ 5 aへの表示 (報知）に際しては、車両 10の外形と、認識した輪郭形状 Eとを表示する。あるいは、輪郭形状 Eに基づいて駐車車両 20の全体をイラストとして表現し、車両 10 と駐車車両 20との相対配置関係を表示してもよ、。

[0043] また、上記のように視覚的に表示することによる報知に限らず、音声 (音響を含む）により報知してもよい。この音声は、ブザー 5bや、チャイム等によって発することができる。また、ナビゲーシヨンシステムには音声ガイドの機能を備えているものもある。従つて、モニタの利用と同様、この音声ガイドの機能を兼用するようにしてもよい。

[0044] 以下、物体検出工程と、それに続!ヽて物体の輪郭形状を認識する形状認識工程と、の詳細について説明する。

[0045] 初めに、物体検出工程について説明する。図 3に示すように、距離センサ 1によって駐車車両 20上の表面形状情報 Sが計測される。表面形状情報は、本実施形態において駐車車両 20のバンパー部の外形形状に沿った形で離散的に得られた計測データである。ここで、これら離散的に得られたデータの一群を標本群 S (ラージエス）と称する。標本群 Sは、輪郭形状の認識対象となるデータセットである。また、データセットを構成する一点一点のデータを標本 s (スモールエス）と称する。

[0046] 標本群 Sは、標本記憶部 2aの中で、図 4に示すように XYの二次元直交座標上にマッビングされる。尚、説明を容易にするため、図中には全ての標本 sを示していない。図 4に示した標本中、黒点で示す標本 sをインライア (inliers)、白抜き点で示す標本 s をアウトライア (outliers)と称する。図中、標本 sl、 sl3等はインライアであり、標本 s2、 s 7、 slOはアウトライアである。詳細は後述するが、インライアは駐車車両 20の輪郭形状を構成する標本である。アウトライアは駐車車両 20の輪郭形状力も外れた、わゆるノイズ性の標本である。

[0047] 以下、図 7に示すフローチャートも利用して、得られた標本群 Sより、駐車車両 20の輪郭形状を認識する手順 (形状認識工程)につヽて説明する。

[0048] 標本抽出部 2bは、標本群 S (標本 sl〜sl3)より任意の標本 si (iは標本番号)を数点抽出する（標本抽出工程、図 7 # 1)。どの標本 sを抽出するかについてはランダムに定まる。好適には乱数を用いる。例えば、マイクロコンピュータ 2Aに乱数発生器（不図示)を設け、発生した乱数を標本番号とする標本 siを抽出する。あるいは、マイク口コンピュータ 2Aが実行する乱数発生プログラムによって標本番号を定めてもよい。

[0049] また、抽出する標本の最小数は、認識した!/、対象形状によって異なる。例えば直線の認識をする場合には 2点であり、二次曲線であれば 5点である。本実施形態においては、駐車車両 20のバンパー形状を二次曲線に近似し、 5点を抽出する。このようにして抽出された個々のデータ、標本 sの集合は、データセットに対応する概念としてのサブセットである。

[0050] 続、て、このサブセット (ランダムに抽出した標本 sの集合体）に基づ!/、て形状モデル設定部 2cが形状モデルを定める（形状モデル設定工程、図 7 # 2)。

[0051] 図 5は、図 4の散布図に示す標本群 Sから任意に抽出した標本 3はり定めた形状モデル L (第一の形状モデル L1)と標本群 Sとの一致度を演算する説明図である。この第一の形状モデル L1は、標本 sl、 s5、 s8、 sl l、 sl3の 5つの標本 sに基づいて定められたものである。この形状モデル Lは、演算負荷の軽い線形計算により容易に求めることができる。または、予め数種類のテンプレート形状を用意しておき、これらテンプレート形状の中より最適なものを選択するようにして定めてもょ、。

[0052] また、図 5に示すように、形状モデル Lの接線に対して直交する両方向に所定距離離れた点を形状モデル Lに沿って結び、点線 B1及び B2を定める。この点線 B1及び B2に挟まれた部分が有効範囲 Wとなる。

[0053] 次に、定めた形状モデル Lと標本群 Sとの一致度を、一致度演算部 2dにおいて演算する。具体的には、上記のように定めた有効範囲 Wの中に、標本群 Sを構成する各標本 siがどの程度含まれるかによつて一致度を算出する（一致度演算工程、図 7 # 3)。

[0054] 図 5に示した第一の曲線モデル L1に対する有効範囲 Wの中には、標本 s2、 s7、 si 0のアウトライアを除く全ての標本 sが含まれている。従って、第一の形状モデル L1の標本群 Sに対する一致度は、 77% (10Z13)となる。つまり、第一の形状モデル L1 は、標本群 Sを構成する各標本 sにより、高い支持率 (77%)で合意 (コンセンサス)を得たということができる。

[0055] 次に、主演算部 2eにおいて、この一致度が所定のしきい値を超えているか否かを判定する（判定工程、図 7 # 4)。そして、しきい値を超えている場合には抽出したサブセットより定めた形状モデル (第一の形状モデル L1)を認識結果として認定する（認定工程、図 7 # 5)。即ち、第一の形状モデル L1を輪郭形状とする。例えば、しきい値が、 75%と設定されているような場合には、第一の形状モデル L1を輪郭形状とする。しきい値を超えていない場合には、図 7のフローチャートの処理 # 1に戻り、再度、別の標本 sを抽出して新たなサブセットを構成し、同様の処理を行う。複数回処理 # 1〜 # 4を繰り返してもしき、値を超えなヽような場合には、対象となる物体 (駐車車両 20等）が無い、と判断する。この回数は、予め規定しておけばよい。

[0056] 尚、本実施形態にぉヽては、理解を容易にするために標本群 Sを構成する標本 sの総数を 13ケとしている。しきい値の値 (75%)も、本実施形態の説明を容易にするための値である。従って、標本数、一致度の判定しきい値共に、本発明を限定する値ではない。例えば、標本数が多ければ、アウトライアに対するインライアの数は相対的に多くなり、上記の例よりも高いしきい値を設定することもできる。

[0057] 図 6に示した形状モデル L (第二の形状モデル L2)では、サブセットとして標本 s2、 s4、 s7、 slO、 sl3が抽出されている。上述したように標本 s2、 s7、 slOは、駐車車両 20の輪郭形状力も外れたいわゆるノイズ性の標本である。従って、駐車車両 20の輪郭形状から見た場合には、アウトライアとなるべき、標本である。そのため、図 6に示すように、これらの標本 s2、 s7、 slOを含むサブセットに基づいて定められた第二の形状モデル L2に対する有効範囲 Wから外れる標本 sが多数存在する。第一の形状モデル LIと同様の方法により一致度を演算すると、その一致度は 38% (5/13)となる。つまり、第二の形状モデル L2は、標本群 Sを構成する各標本 sにより、高い支持率で合意 (コンセンサス）を得られて!/、な、と、うことになる。

[0058] 上記 2つの形状モデル L1及び L2が抽出されるような場合、認識結果となる輪郭形状は第一の形状モデル L1となる。第一の形状モデル L1を定めるに際しては、ノイズ性の標本 sである標本 s2、 s7、 slOは、未使用である。これらノイズ性の標本は、アウトライアとして扱われ、除去されたこととなる。即ち、上記説明したような少ない演算量で、非検出対象のデータ (アウトライア）が混在してもこれを除去し、安定して物体の形状を認識することができる。

[0059] このような方法を用いず、標本 Sより輪郭形状を算出する方法は従来、種々提案されている。その一つは、最小自乗法である。最小自乗法では、データセットの全ての標本 sを用いて、夫々の標本 sが同一の重みとなって形状が計算される。その結果、上述したアウトライア (標本 s2等)の影響を受けて、本来とは異なった輪郭形状を認識する。輪郭形状を認識した後に、データセット全体との一致度を再確認することも可能ではある。しかし、最小自乗法自体の演算負荷が比較的重い上、この再確認の結果により繰り返し最小自乗法による形状認識を行うとさらに演算負荷を重くすることになる。

[0060] また別の方法として、特に直線の認識に好適なハフ（Hough)変換を利用する方法もある。ハフ変換はよく知られているように、直交座標（例えば XY平面）上に存在する直線は、極座標 - Θ空間）上では 1点で交差する、という性質を利用したものである。その変換式は、

p =X- cos Θ + Y- sin 0

である。上記式より、理解できるように極座標空間で pや Θの範囲を広げたり、細かい分解能を得たりしょうとすると、それだけ演算量が増大する。つまり、一次記憶手段としての、メモリは大容量が要求され、計算回数も多くなる。

[0061] これら従来の演算に比べ、本発明の「表面形状情報を構成する標本群 Sから任意に抽出した標本 sに基づいて定めた形状モデル Lに対する標本群 Sの一致度を演算する」方法は、演算量が少なぐ必要となるメモリ容量も少ない。 [0062] 〔第二実施形態〕

上記説明においては、形状モデル Lと標本群 Sとの一致度を調べ、この一致度が所定のしきい値を超えていれば、その形状モデル Lを認識結果とする。つまり、最先にしきい値を超えた形状モデル Lがそのまま認識結果となる。これに限らず、単にしきい値を超えただけで直ちにその形状モデル Lを認識結果とはせず、複数個の形状モデル Lを評価するようにしてもよい。具体的な手順については、以下に説明する。

[0063] 図 8は、図 4の散布図に示す標本群から輪郭形状を認識する第二の方法を説明するフローチャートである。この第二の方法では、サブセットを複数回抽出して形状モデル Lを定め、その中で最も一致度の高力つた形状モデル Lを認識結果とするようにしている。以下、図 8に基づいて、第二の方法について説明する。但し、処理 # 1〜# 4 は第一の方法である図 7に示したフローチャートと同様であるので、説明を省略する。

[0064] 本第二の方法では、サブセットを複数回繰り返して抽出するので、繰り返し回数を一時記憶する。形状認識工程の開始に当たって、まず初めにこの一時記憶する繰り返し回数をクリアする（初期化工程、図 8 # 0)。以下、第一実施形態と同様に、標本抽出工程（# 1)にて、標本群 Sよりランダムに標本 sを抽出してサブセットを作る。次に、形状モデル設定工程（# 2)にて、このサブセットに基づいて形状モデル Lを定める。そして、一致度演算工程（# 3)にて、形状モデル Lと標本群 Sとの一致度を演算し、判定工程（# 4)にて、一致度が所定のしきい値を超えている力否かを判定する。

[0065] 判定の結果、しき、値を超えて、た場合には、先に定めた形状モデル Lとこの形状モデル Lに対する一致度を一時記憶部（不図示）に記憶する（記憶工程、 # 41)。そして、一つの形状モデル Lに対する評価が完了したので、繰り返し回数をインクリメントする（計数工程、 # 42)。判定の結果、しきい値を超えていな力つた場合には、記憶工程（ # 41)を飛ばして、繰り返し回数をインクリメントする ( # 42)。

[0066] 次に、繰り返し回数が所定の回数に達した力否力 (超えた力否かでもよい）を判定する（離脱判定工程、 # 43)。所定の回数に達していなければ、標本抽出工程（# 1 )に戻り、以下判定工程（# 4)までを行って、新たな形状モデル Lの評価を行う。所定の回数に達していた場合には、記憶されている形状モデル Lの内、最も一致度の高力つた形状モデル Lを選択し、これを認識結果としての輪郭形状とする (認定工程、 # 51)。ここで、判定工程（# 4)において一致度のしきい値を超えたものが一つも無力たような場合には、認定工程（# 51)において該当無しと判断する。

[0067] このように、図 7に示す第一の方法、図 8に示す第二の方法共に、サブセットに基づ V、て定めた形状モデル Lを輪郭形状と認定して、る。一般に少な、標本数に基づ!/ヽて定めた形状モデル Lは、正確な輪郭形状を再現するものではない、とも考えられる。しかし、本発明においては、形状モデル Lと標本群 Sの全標本との一致度を評価している。従って、形状モデル Lはほぼ正確に輪郭形状を再現 (認識)できていると考えてよい。このように、サブセットを構成する少ない標本数から定めた形状モデルしが輪郭形状を再現できることは、演算量の削減に大きく貢献している。

[0068] 上述したように、形状モデル Lをそのまま認識結果として輪郭形状と認定することは、演算量の削減に大きく貢献する。しかし、本発明はこれに限定されるものではない。マイクロコンピュータ 2A等、演算手段の能力に余裕のある場合などでは、輪郭形状を再計算してもよい。

[0069] 例えば、一致度がしきヽ値を超えた形状モデル Lを基準とすれば、標本群 Sを構成する標本 sの夫々をインライア、アウトライアとして定義することができる。認定工程では、このインライア、アウトライアを認定する。そして、インライアと認定された全ての標本 sを対象として最小自乗法等を用いて形状を再計算する (再計算工程)。上述したように最小自乗法ではノイズ性の標本 sの影響を受けて、形状を正しく再現できな!、場合がある。しかし、この再計算工程においては、ノイズ性の標本 sはアウトライアとして除去されているため、正確な輪郭形状の再現が可能となる。

[0070] 〔第三実施形態〕

図 9は、本発明の第三実施形態に係る物体認識装置の概略ブロック図である。図 9に示すように、車輪速センサ 4aや舵角センサ 4b等、車両 10の移動状態を検出する移動状態検出手段 4からの入力情報を加味すれば、近未来の相対配置を演算することもできる。つまり、輪郭形状 Eが認識された現在の相対配置（図 10参照）に留まらず、将来の相対配置関係を推定 (予測)することができる。

[0071] 車輪速センサ 4aは、車両 10の各車輪部（前方右 FR、前方左 FL、後方右 RR、後方左 RL)に備えられたセンサである。これは例えば、ホール ICを利用した回転センサである。舵角センサ 4bは、車両 10のステアリングの回転角度やタイヤの回動角度を検出するセンサである。あるいは、前述の車輪速センサ 4aの各車輪部での計測結果 (左右の車輪の回転数や回転速度の違!、）に基づ!/、て舵角を演算する演算装置であってもよい。

[0072] これらのセンサにより検出した移動状態を加味して、現在及び未来における車両 1 0と駐車車両 20の輪郭形状 Eとの相対位置関係を演算する。舵角センサ 4bによって進行方向を推定し、車輪速センサ 4aによって進行速度を推定する。そして、車両 10 の予想軌跡や、駐車車両 20の輪郭形状 Eと車両 10との数秒後の相対配置関係を演算する。

[0073] 図 11は、車両 10と駐車車両 20の輪郭形状 Eとの相対配置関係の一例を示して、る。符号 10Aは車両 10の近未来の位置である。ここでは、移動する軌跡により、車両 10の一部と、駐車車両 20の輪郭形状 Eとが、干渉する例を示している。輪郭形状 Eと干渉すると、うことは、車両 10と駐車車両 20とが接触する可能性を示して、ると、える。

[0074] そして、上述したようにこの相対配置や軌跡をディスプレイ 5aやブザー 5b、音声ガイド等の報知手段 5を介して報知することができる。また、図 11に示すように輪郭形状 Eと、移動軌跡とが干渉するような場合には、注意や警告を促す報知を行うこともできる。さらに、ステアリング制御部 6aやブレーキ制御部 6b等の移動制御手段 6によって干渉を防止することができる。つまり、ステアリング制御部 6aで移動方向を変更したり、ブレーキ制御部 6bで速度を低下させたりすることができる。そして、これにより、未来の干渉、即ち車両 10と駐車車両 20との接触を防止することができる。

[0075] 〔その他の実施形態〕

上記説明においては、物体検出手段として、図 1に示したような車両 10の移動に伴つて駐車車両 20の表面形状情報を検出する距離センサ 1を例として説明した。しかし、本発明に係る物体検出手段は、これに限定されることはない。距離センサ 1は、車両 10の移動に拘らず表面形状情報を出力し、後段の情報処理において、移動距離毎、経過時間毎に選別することも可能である。また、車両 10の移動に拘らず駐車車両 20に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づいて表面形状情報を検出するものであってもよい。即ち、距離センサ 1のようなポイントセンサに限らず、一次元センサ、二次元センサ、三次元センサ等、物体の形状を反映した信号 (表面形状情報)を得られるセンサが使用できる。

[0076] 図 12には、本発明に係る物体検出手段として一次元センサを用いる場合の例が示されている。ここでは、一次元センサの一例として、スキャン型レーザーセンサを用いている。図 12に示すように、センサ位置（走査手段 laの位置)より放射状に物体 (駐車車両 20)が走査される。物体の各位置からのレーザー波の反射により、距離の分布を計測することができる。レーザー波を発射したときの方位角 Θをエンコーダ等により検出しておけば、図 3に示したものと同様に表面形状情報を得ることができる。そして、 XY直交座標にマッピングすることができる。

[0077] 一次元センサの他の例として、超音波方式のレーダ、光方式のレーダ、電波方式のレーダ、三角測量式の距離計等を用いてもよい。

[0078] 二次元センサとしては、水平'垂直方向に走査可能なスキャン型レーダがある。このスキャン型レーダを用いることにより、対象物体の水平方向の形状、垂直方向の形状に関する情報を得ることができる。

また、よく知られた二次元センサとしては CCD (Charge Coupled Device)や、 CIS ( CMOS Image Sensor)を利用したカメラ等の画像入力手段もある。このカメラより得られた画像データより、輪郭線情報、交点情報等の各種特徴量を抽出し、表面形状に関する情報を得てもよい。

[0079] 三次元センサについても同様であり、例えばステレオ撮影した画像データ等を用いて、形状に関する情報を得てもよい。

[0080] 〔その他の利用形態〕

以上、本発明の実施形態を、駐車車両 20を物体として、この輪郭形状を認識する方法及び装置とこれらの追加的特徴について説明した。この「物体」は、駐車車両や、建造物等の障害物に限らず、道路の走行レーンや、停止線、駐車枠等、種々のものが該当する。即ち、認識対象も立体物の輪郭形状に限定されるものではなぐ平面模様の形状認識にも適用できるものである。

[0081] また、図 10、図 11に示したように車両 10が前進移動している場合だけでなぐ図 1 3に示すように後進して車両 20aと 20bとの間に駐車するような場合にも利用できる。勿論、図 1のように前進移動した後、図 13に示すように後進移動する、いわゆるスイツチバックの場合にも適用できる。この場合、駐車車両 20a、 20bの輪郭形状 Eを確実に認識した後、両車両の間に進行することができる。

産業上の利用可能性

[0082] 本発明は、自動車の走行支援装置や駐車支援装置などに適用することができる。

また、ロボットの移動支援装置、停止支援装置などに適用することができる。

図面の簡単な説明

[0083] [図 1]本発明に係る物体認識装置を搭載した車両が他の車両を認識する場合の例を示す説明図

[図 2]本発明の第一実施形態に係る物体認識装置の概略ブロック図

[図 3]図 1の駐車車両の表面形状情報を測定した結果を示す図

[図 4]図 3に示す測定結果を二次元直交座標上にマッピングした散布図

[図 5]図 4の散布図に示す標本群から任意に抽出した標本より定めた第一の形状モデルと標本群との一致度を演算する説明図

[図 6]図 4の散布図に示す標本群から任意に抽出した標本より定めた第二の形状モデルと標本群との一致度を演算する説明図

[図 7]図 4の散布図に示す標本群カゝら輪郭形状を認識する第一の方法 (第一実施形態)を説明するフローチャート

[図 8]図 4の散布図に示す標本群カゝら輪郭形状を認識する第二の方法 (第二実施形態)を説明するフローチャート

[図 9]本発明の第三実施形態に係る物体認識装置の概略ブロック図

[図 10]図 2及び図 9の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の一例を示す図

[図 11]図 9の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の一例 (第三実施形態)を示す図

[図 12]本発明に係る物体検出手段として一次元センサを用いる場合の例 (他の実施形態)を示す図 [図 13]図 9の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の他の例 (他の利用形態)を示す図

符号の説明

1 距離センサ (物体検出手段）

2 形状認識部 (形状認識手段）

2A マイクロコンピュータ

3 相対位置演算部 (相対位置演算手段）

5 報知手段

5a ディスプレイ、 5b ブザー

S 標本群

s 標本

Claims

請求の範囲

[1] 移動体周辺に存在する物体を認識する物体認識装置であって、

前記物体の表面形状情報を検出する物体検出手段と、

前記表面形状情報を構成する標本群力任意に抽出した標本に基づいて定めた形状モデルに対する前記標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段と、

前記物体検出手段及び前記形状認識手段の検出及び認識結果に基づ、て、前記移動体と前記物体との相対的な配置関係を演算する相対配置演算手段と、この相対配置演算手段の演算結果に基づいて、前記配置関係についてディスプレィへの表示又は音声により報知する報知手段と、

を備える物体認識装置。

[2] 前記物体検出手段は、前記物体の表面と前記移動体との距離に基づいて前記表面形状情報を検出する請求項 1に記載の物体認識装置。

[3] 前記表面形状情報は、前記物体の外形形状に沿って離散的に得られるものである請求項 2に記載の物体認識装置。

[4] 前記表面形状情報を構成する前記標本群から、認識の対象形状に応じた数の前記標本が任意に抽出される請求項 1に記載の物体認識装置。

[5] 前記対象形状は、二次曲線に近似された車両のバンパー形状であり、 5つの前記標本が任意に抽出される請求項 4に記載の物体認識装置。

[6] 前記形状認識手段は、前記形状モデルの接線に対して直交する両方向に所定距離離れた点を結んだ 2つの曲線に挟まれた部分を有効範囲と定め、前記有効範囲の中に含まれる前記標本の数と前記標本群の総数との関係によって前記一致度を算出する請求項 1に記載の物体認識装置。

[7] 前記形状認識手段は、所定回数に亘つて、前記標本群から任意の前記標本を抽出し、定められた各前記形状モデルに対して前記一致度を演算すると共に、前記所定回数の繰り返しの後、所定のしきい値を超えた前記形状モデルのうちで最大の前記一致度を有する前記形状モデルを前記物体の輪郭形状として認識する請求項 1 に記載の物体認識装置。

[8] 前記形状認識手段は、前記所定回数に拘らず、最先に前記所定のしきい値を超えた前記一致度を有する前記形状モデルを前記物体の輪郭形状として認識する請求項 7に記載の物体認識装置。

[9] 前記相対配置演算手段が、前記移動体の移動状態を検出する移動状態検出手段の検出結果に基づいて前記配置関係を演算すると共に、

この配置関係に基づいて前記移動体と前記物体との接近度合いを判定する判定手段を備える請求項 1に記載の物体認識装置。

[10] 前記判定手段により判定された前記接近度合いに基づ!、て、前記移動体の移動速度及び旋回方向の一方又は双方を制御する移動制御手段を備える請求項 9に記載の物体認識装置。

[11] 前記物体検出手段は、前記移動体の移動に伴って前記物体の前記表面形状情報を検出する請求項 1に記載の物体認識装置。

[12] 前記物体検出手段は、前記移動体の移動に拘らず前記物体に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づ!、て前記物体の前記表面形状情報を検出する請求項 1に記載の物体認識装置。