WO2016021606A1 - 複数の物体検出手段を用いた物体認識装置 - Google Patents

複数の物体検出手段を用いた物体認識装置 Download PDF

Info

Publication number
WO2016021606A1
WO2016021606A1 PCT/JP2015/072111 JP2015072111W WO2016021606A1 WO 2016021606 A1 WO2016021606 A1 WO 2016021606A1 JP 2015072111 W JP2015072111 W JP 2015072111W WO 2016021606 A1 WO2016021606 A1 WO 2016021606A1
Authority
WO
WIPO (PCT)
Prior art keywords
learning
axis
object detection
axis deviation
deviation
Prior art date
Application number
PCT/JP2015/072111
Other languages
English (en)
French (fr)
Inventor
郁佑 松元
高木　亮
磯貝　晃
一郎 相澤
淳 土田
佐藤　公一
Original Assignee
株式会社デンソー
トヨタ自動車株式会社
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 株式会社デンソー, トヨタ自動車株式会社 filed Critical 株式会社デンソー
Priority to DE112015003605.9T priority Critical patent/DE112015003605B4/de
Priority to KR1020177005660A priority patent/KR101961571B1/ko
Priority to CN201580041368.5A priority patent/CN106574961B/zh
Priority to US15/501,786 priority patent/US10422871B2/en
Publication of WO2016021606A1 publication Critical patent/WO2016021606A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/50—Systems of measurement based on relative movement of target
    • G01S17/58—Velocity or trajectory determination systems; Sense-of-movement determination systems
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/86—Combinations of lidar systems with systems other than lidar, radar or sonar, e.g. with direction finders
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/93—Lidar systems specially adapted for specific applications for anti-collision purposes
    • G01S17/931—Lidar systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/40—Means for monitoring or calibrating
    • G01S7/4004—Means for monitoring or calibrating of parts of a radar system
    • G01S7/4026—Antenna boresight
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/417—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section involving the use of neural networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/497—Means for monitoring or calibrating
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N7/00—Television systems
    • H04N7/18—Closed-circuit television [CCTV] systems, i.e. systems in which the video signal is not broadcast
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30242—Counting objects in image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/13—Edge detection
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes

Definitions

  • the present disclosure relates to an object recognition device, and more particularly to an object recognition device mounted on a moving body.
  • an object detection sensor such as a millimeter wave radar or a laser radar is mounted on a vehicle, and an object existing around the vehicle such as a preceding vehicle, a pedestrian, or an obstacle is detected.
  • the object recognition device performs various controls for improving the traveling safety of the vehicle based on the object detection result.
  • this object recognition device when a reference axis shift (optical axis shift) occurs in an object detection sensor attached to a vehicle, the object detection area by the object detection sensor shifts from the area that should be detected. It is conceivable that the detection accuracy of the is reduced. In such a case, the accuracy of various controls for improving the traveling safety of the vehicle may be reduced.
  • the axis deviation of the radar apparatus When detecting an axis deviation of the radar apparatus using an image captured by the imaging apparatus, if the detection process is performed in a situation where a deviation of the reference axis (imaging axis) of the imaging apparatus occurs, the axis deviation of the radar apparatus is detected. Cannot be detected with high accuracy, and there is a concern that erroneous determination may be caused.
  • the present disclosure has been made in view of the above circumstances, and object recognition that can suppress erroneous determination in processing for determining whether or not a reference axis shift of an object detection unit mounted on a moving body has occurred. Providing equipment.
  • This disclosure is configured as follows.
  • the present disclosure is applied to a moving body (50) in which a first object detection means (11) and a second object detection means (12) are mounted as object detection means for detecting an object existing in a predetermined detectable region.
  • the present invention relates to an object recognition apparatus.
  • An axis for performing an axis misalignment determination process for determining whether or not an axis misalignment has occurred in the reference axis of the second object detecting means based on the object detection results of the first object detecting means and the second object detecting means.
  • the determination accuracy of the axis deviation determination of the second object detection means changes. For example, if the learning result of the axis deviation amount of the first object detection means is a result indicating that the accuracy of the learning is not so high, there is a risk of causing an erroneous determination in the axis deviation determination of the second object detection means. is there.
  • the block diagram which shows schematic structure of an object recognition apparatus.
  • the figure which shows arrangement
  • the schematic diagram showing the shift
  • the time chart which shows the specific aspect of a radar axis deviation determination process.
  • the flowchart which shows the process sequence of a radar axis deviation determination process.
  • the flowchart which shows the process sequence of reset determination processing.
  • the time chart which shows the counter reset timing according to the learning state of a vanishing point.
  • the time chart which shows the specific aspect of other embodiment.
  • the object recognition apparatus 10 is mounted on a vehicle as a moving body.
  • the imaging device 11 and the radar device 12 recognize an object that exists in a detectable region including the front of the vehicle.
  • a schematic configuration of the object recognition apparatus 10 according to the present embodiment will be described with reference to FIGS. 1 and 2.
  • the imaging device 11 is an in-vehicle camera, and is composed of a CCD camera, a CMOS image sensor, a near infrared camera, and the like.
  • the imaging device 11 captures the surrounding environment including the traveling road of the host vehicle 50, generates image data representing the captured image, and sequentially outputs the image data to the object recognition device 10.
  • the imaging device 11 according to the present embodiment is installed near the upper end of the windshield of the host vehicle 50, for example, and captures an area 61 that extends in a range of a predetermined angle ⁇ 1 toward the front of the vehicle about the imaging axis X1 (see FIG. 2).
  • the imaging device 11 may be a monocular camera or a stereo camera.
  • the radar apparatus 12 is an apparatus that detects an object by transmitting an electromagnetic wave (that is, a radar wave) as a transmission wave and receiving the reflected wave.
  • an electromagnetic wave that is, a radar wave
  • the radar apparatus 12 is attached to the front portion of the host vehicle 50, and scans an area 62 that extends over a range of a predetermined angle ⁇ 2 ( ⁇ 2 ⁇ 1) with the radar signal centered on the optical axis X2 toward the front of the vehicle. .
  • distance measurement data is created based on the time from when the electromagnetic wave is transmitted toward the front of the vehicle until the reflected wave is received, and the created distance measurement data is sequentially output to the object recognition device 10.
  • the distance measurement data includes information on the direction in which the object exists, the distance to the object, and the relative speed.
  • the imaging axis X1 that is the reference axis of the imaging device 11 and the optical axis X2 that is the reference axis of the radar device 12 are in the same direction as the horizontal direction with respect to the road surface (traveling road surface) on which the host vehicle 50 travels.
  • the imaging device 11 and the radar device 12 are attached to the host vehicle 50.
  • at least a part of the detectable area 61 of the imaging device 11 and the detectable area 62 of the radar device 12 overlap each other.
  • the imaging device 11 corresponds to “first object detection means”
  • the radar device 12 corresponds to “second object detection means”.
  • the object recognition device 10 is a computer including a CPU, a RAM, a ROM, an I / O, and the like.
  • the object recognition device 10 includes a white line recognition unit 13, a flow calculation unit 14, a vanishing point calculation unit 20, and a radar axis deviation detection unit 30, and the CPU executes each of these programs by executing a program installed in the ROM. Realize the function.
  • the white line recognition unit 13 inputs an image photographed by the imaging device 11 and recognizes a white line as a road lane marking included in the image.
  • the white line recognition unit 13 extracts edge points as white line candidates from the captured image data based on, for example, the luminance change rate in the horizontal direction of the image, and sequentially stores the extracted edge points for each frame.
  • the white line is recognized based on the stored history of white line edge points.
  • the flow calculation unit 14 inputs an image photographed by the imaging device 11, and calculates an optical flow as a motion vector at each point in the image using the input image data (flow calculation means). For example, the flow calculation unit 14 calculates a motion vector for each pixel based on a change in spatial luminance distribution.
  • the vanishing point calculation unit 20 includes a reference value estimation unit 21, a vanishing point learning unit 22, and a learning value storage unit 25.
  • the reference value estimation unit 21 inputs information (white line information) on the position of the white line from the white line recognition unit 13, and also inputs information (flow information) on the optical flow from the flow calculation unit 14, and uses these input data.
  • Various processes for obtaining a vanishing point are executed.
  • the reference value estimation unit 21 calculates the vanishing point based on the image data captured by the imaging device 11. Specifically, the reference value estimation unit 21 calculates the vanishing point using the white line information input from the white line recognition unit 13 and the flow information input from the flow calculation unit 14. For example, when white line information is used, an intersection of a pair of white lines existing around the vehicle is estimated as a vanishing point, and the value (reference vanishing point) is stored in the ROM. When the vehicle is shipped, an initial value is stored in advance in the ROM as a vanishing point.
  • the initial value is set based on, for example, parameters indicating the mounting state of the imaging device 11 (for example, mounting height, depression angle of the imaging axis, etc.) and parameters relating to the imaging function of the imaging device 11 (for example, the number of pixels, focal length, etc.). Has been.
  • the vanishing point learning unit 22 performs vanishing point learning for calculating the vanishing point steady deviation amount (axial deviation amount of the imaging axis X1) accompanying the change in the mounting height and the axial direction of the imaging device 11. . Specifically, the vanishing point learning unit 22 performs learning on the vanishing point calculated from the white line information, and the second learning unit 24 executes learning on the vanishing point calculated from the flow information. With. The learning values (vanishing point learning values) of the first learning unit 23 and the second learning unit 24 are stored and updated in the learning value storage unit 25 each time learning is executed.
  • the vanishing point learning unit 22 starts vanishing point learning when a start switch (for example, an ignition switch) of the host vehicle 50 is turned on. Further, in this embodiment, the vanishing point learning is performed after the start switch is turned on in consideration that the mounting height and the axial direction of the imaging device 11 change according to the loading state and traveling state of the vehicle and the position of the vanishing point also changes accordingly. Even after it is once completed, vanishing point learning is sequentially performed.
  • a start switch for example, an ignition switch
  • the learning value storage unit 25 is configured by, for example, a nonvolatile memory (EEPROM or the like) that can electrically rewrite data.
  • the object recognition device 10 analyzes the image data using the vanishing point as an index, for example, estimates the traveling state of the host vehicle 50 with respect to the traveling road, the positional relationship with the preceding vehicle, and recognizes a pedestrian.
  • the radar axis deviation detection unit 30 includes a camera target detection unit 31, a radar target detection unit 32, an axis deviation information calculation unit 33, an axis deviation determination unit 34, and a reset determination unit 35.
  • the camera target detection unit 31 inputs an image taken by the imaging device 11 and detects a target (camera target) included in the image.
  • the radar target detection unit 32 inputs distance measurement data from the radar apparatus 12 and detects a target (radar target) included in the input data.
  • the axis deviation information calculation unit 33 determines whether an optical axis deviation has occurred in the radar device 12 based on the detection result by the camera target detection unit 31 and the detection result by the radar target detection unit 32. .
  • the axis misalignment information calculation unit 33 inputs the camera target detected by the camera target detection unit 31 and information on the radar target detected by the radar target detection unit 32, respectively.
  • the axis deviation information calculation unit 33 calculates the camera target detection counter CA and the axis deviation determination counter CJ. Specifically, when an object (for example, a preceding vehicle) exists in front of the host vehicle 50 and at least a target corresponding to the object is detected by the camera target detection unit 31, the camera target detection counter CA is set. Increment at a predetermined cycle. When the radar target detection unit 32 detects a target that can be the same object as the target detected by the camera target detection unit 31, the axis deviation determination counter CJ is incremented.
  • the camera target detection counter CA and the axis deviation determination counter CJ correspond to “information about optical axis deviation”.
  • the axis deviation determination unit 34 determines whether an optical axis deviation of the radar apparatus 12 has occurred based on the camera target detection counter CA and the axis deviation determination counter CJ input from the axis deviation information calculation unit 33. Specifically, the ratio of the axis deviation determination counter CJ to the camera target detection counter CA is calculated, and the ratio CJ / CA is compared with the determination value THA2. At this time, when CJ / CA ⁇ THA2, it is determined that there is an optical axis deviation. The reset determination unit 35 determines whether to output the data to the axis deviation determination unit 34 or invalidate the camera target detection counter CA and the axis deviation determination counter CJ.
  • the reset determination unit 35 inputs the vanishing point learning value from the learning value storage unit 25, and determines whether to reset the camera target detection counter CA and the axis deviation determination counter CJ based on the input vanishing point learning value. decide.
  • the reset determination unit 35 sets 0 or 1 to the past FOE credit flag Ftr based on the vanishing point learning value stored in the learning value storage unit 25, and sets the set flag Ftr as the axis deviation information.
  • the result is output to the calculation unit 33.
  • This past FOE trust flag Ftr is information indicating whether to reset the camera target detection counter CA and the axis deviation determination counter CJ. If the input past FOE trust flag Ftr is 1, the axis deviation information calculation unit 33 holds the measured values of the camera target detection counter CA and the axis deviation determination counter CJ as they are.
  • the camera target detection counter CA and the axis deviation determination counter CJ are reset to zero, and the counter measurement is restarted from the beginning.
  • the axis deviation information calculation unit 33 and the reset determination unit 35 constitute an “invalidating unit”.
  • FIG. 3 schematically shows the distance deviation of the camera target due to the axis deviation of the imaging axis X1. In FIG. 3, it is assumed that no optical axis deviation occurs.
  • the detection result of the imaging device 11 and the detection result of the radar device 12 are compared with respect to the detection distance from the host vehicle 50 to the same object (the preceding vehicle 55 in FIG. 3), in a state where no axis deviation occurs in the imaging axis X1.
  • the difference in detection distance is relatively small as ⁇ d1.
  • the imaging axis X1 is shifted by a predetermined angle ⁇ 3 upward from a horizontal position with respect to the traveling road surface, the difference in the detection distance is relatively large as ⁇ d2.
  • two targets may not be recognized as the same object in the image processing. obtain.
  • the learning state of the vanishing point shifts from a state where learning has not been completed for both optical flow and white line recognition to a learning completion state by optical flow, and then learning by white line recognition. Change to completed state.
  • the reliability of the vanishing point learning result that is, the amount of deviation from the true value of the vanishing point after learning changes after the start of the radar axis deviation determination process.
  • the reliability of the learning result is different between the state where vanishing point learning by white line recognition has not yet been completed and the state where vanishing point learning by white line recognition has been completed, and the former has a larger deviation from the true value than the latter.
  • the reliability of learning results tends to be low.
  • the camera target detection counter CA and the axis deviation determination counter CJ are invalidated according to the learning result of vanishing point learning. Specifically, if the reliability of the vanishing point learning result does not change after the start of the radar axis misalignment determination process, the camera target detection counter CA and the axis misalignment determination counter CJ are incremented as they are. On the other hand, if the reliability of the vanishing point learning result changes after the start of the radar axis deviation determination process, the camera target detection counter CA and the axis deviation determination counter CJ are reset, and the radar axis deviation determination process is performed. Start over from the beginning.
  • FIG. 4 shows the transition of the ignition switch (IG switch) on / off, (b) shows the transition of the values of the camera target detection counter CA and the axis deviation determination counter CJ, and (c) shows the learning of the vanishing point. Shows the state transition.
  • IG switch ignition switch
  • FIG. 4 it is assumed that a preceding vehicle exists when the IG switch is turned on.
  • the camera target detection counter CA starts counting up.
  • the axis deviation determination counter CJ is incremented by an amount corresponding to the number of detections (detection frequency). In FIG. 4, since the optical axis shift of the radar apparatus 12 has occurred, CJ ⁇ CA.
  • a command for starting vanishing point learning based on the optical flow is output.
  • the predetermined time T1 is set to a time (for example, tens of seconds) for acquiring image data necessary for the optical flow calculation.
  • the reliability of the vanishing point learning result has changed after the camera target detection counter CA starts counting up. It is estimated to be.
  • the camera target detection counter CA and the axis deviation determination counter CJ are reset to zero, and the count up for radar axis deviation determination is performed again from the beginning.
  • the absolute value ⁇ FOE (C ⁇ A) of the deviation amount between the previous learning value FOE_A and the vanishing point FOE_C due to the optical flow is calculated. Based on the calculated ⁇ FOE (CA), it is determined that the reliability of the learning result of vanishing point learning has changed.
  • the same processing is performed when vanishing point learning by white line recognition is completed at a time t13 when a predetermined time T2 (for example, several minutes) has further passed from the vanishing point learning start command by the optical flow. Specifically, it is determined that the reliability of the vanishing point learning result has changed from the absolute value ⁇ FOE (DC) of the deviation amount between the vanishing point FOE_C by the optical flow and the vanishing point by the white line recognition (FOE_D). Then, the camera target detection counter CA and the axis deviation determination counter CJ are reset to zero, and the count-up for radar axis deviation determination is restarted from the beginning.
  • DC absolute value
  • FOE_D white line recognition
  • step S103 an image captured by the imaging device 11 is input, and it is determined whether or not the input image includes a target (camera target). If the camera target is not detected, this routine is terminated as it is. If the camera target is detected, the process proceeds to step S104, and the camera target detection counter CA is incremented.
  • a target camera target
  • step S105 it is determined whether or not the radar apparatus 12 has detected a target that is regarded as the same object as the camera target. If it is detected, the process proceeds to step S106, and the axis deviation determination counter CJ is incremented. On the other hand, if there is no detection, the process proceeds to step S107 without executing the process of step S106.
  • step S107 it is determined whether or not the camera target detection counter CA is larger than a determination value THA1 (for example, several thousand times). If CA> THA1, the process proceeds to step S108, and it is determined whether or not the ratio (CJ / CA) of the axis deviation determination counter CJ to the camera target detection counter CA is smaller than the determination value THA2. If the ratio CJ / CA is greater than or equal to the determination value THA2, the process proceeds to step S110, and the camera target detection counter CA and the axis deviation determination counter CJ are reset to zero.
  • a determination value THA1 for example, several thousand times.
  • step S109 where it is determined that the optical axis shift of the radar apparatus 12 has occurred, and the determination result is stored. Thereafter, the process proceeds to step 110, where the camera target detection counter CA and the axis deviation determination counter CJ are reset to zero, and this routine ends.
  • step S201 it is determined whether or not vanishing point learning by white line recognition is completed. If the vanishing point learning by white line recognition has not been completed yet, the process proceeds to step S202, and it is determined whether or not the vanishing point learning by the optical flow has been completed. Here, it is determined whether or not the vanishing point calculated by the optical flow shows a stable value. When it is determined that the vanishing point is stable, the vanishing point learning value (FOE_C) is calculated based on the optical flow.
  • FOE_C vanishing point learning value
  • Whether or not the vanishing point calculated by the optical flow shows a stable value is determined based on the dispersion of the vanishing point in the vertical plane, and an affirmative determination is made when the dispersion is smaller than a predetermined value.
  • the process proceeds to step S203, and the vanishing point by the initial value or the previous learning value (FOE_A) and the optical flow is calculated. It is determined whether or not the absolute value ⁇ FOE (CA) of the deviation amount from the learning value FOE_C is smaller than the determination value THF1 (reliability determination means).
  • step S204 If ⁇ FOE (CA) ⁇ THF1, the process proceeds to step S204, and 1 is set to the past FOE credit flag Ftr. On the other hand, if ⁇ FOE (CA) ⁇ THF1, the process proceeds to step S205, and 0 is set to the past FOE credit flag Ftr.
  • step S202 a negative determination is made in step S202 and the process proceeds to step S204.
  • the past FOE credit flag Ftr is set to 1, the counter is not reset.
  • step S201 when vanishing point learning by white line recognition is completed, an affirmative determination is made in step S201, and the process proceeds to step S206.
  • step S206 it is determined whether or not the absolute value ⁇ FOE (DC) of the deviation amount between the vanishing point learning value FOE_C by the optical flow and the vanishing point learning value FOE_D by white line recognition is smaller than the determination value THF2 (reliability). Degree determination means). If ⁇ FOE (DC) ⁇ THF2, the process proceeds to step S207, and 1 is set to the past FOE credit flag Ftr. On the other hand, if ⁇ FOE (DC) ⁇ THF2, the process proceeds to step S208, and 0 is set to the past FOE credit flag Ftr.
  • DC absolute value of the deviation amount between the vanishing point learning value FOE_C by the optical flow and the vanishing point learning value FOE_D by white line recognition is smaller than the determination value THF2 (reliability). Degree determination means). If ⁇ FOE (DC
  • FIG. 7 is a time chart showing the reset timing according to the vanishing point learning state.
  • (a) is the initial value (or the previous learned value) is correct with respect to the true value and the vanishing point based on the optical flow is deviated from the true value
  • (b) is the initial value (or the previous learned value). Is deviated from the true value, and the vanishing point based on the optical flow is correct with respect to the true value
  • (c) and (d) are both true values of the initial value (or the last learned value) and the vanishing point based on the optical flow.
  • the amount of deviation from the true value of the vanishing point based on the optical flow is smaller than that in (d).
  • A is the ON timing of the IG switch
  • B is the start timing of vanishing point learning based on the optical flow
  • C is the timing when the vanishing point based on the optical flow is stable
  • D is white line recognition Is the completion timing of vanishing point learning based on, and corresponds to A to D in FIG.
  • the reset of the camera target detection counter CA and the axis deviation determination counter CJ is performed at at least one of timing C when the vanishing point calculated by the optical flow is stabilized and completion timing D of vanishing point learning by white line recognition.
  • the absolute value ⁇ FOE (CA) of the deviation amount between the previous learning value FOE_A and the vanishing point learning value FOE_C by the optical flow is large, and the vanishing point learning value by the optical flow is large.
  • the absolute value ⁇ FOE (DC) of the deviation amount between FOE_C and the vanishing point learning value FOE_D by white line recognition is large.
  • the counters CA and CJ are reset at timing C and timing D.
  • the counters CA and CJ are reset only at the timing C
  • the counters CA and CJ are reset only at the timing D.
  • the information regarding the deviation of the optical axis X2 of the radar device 12 acquired so far is invalidated.
  • the optical axis deviation determination of the radar apparatus 12 is performed according to the learning result of the axis deviation amount of the imaging apparatus 11. The accuracy of changes. In this regard, according to the above configuration, erroneous determination can be suppressed in the process of determining whether or not the optical axis shift of the radar apparatus 12 has occurred.
  • the counter CA which is information about the optical axis deviation
  • the CJ is invalidated. If a change in reliability occurs in the learning result of vanishing point learning after the start of radar axis misalignment determination processing, radar image misalignment determination is performed if image processing is performed based on a vanishing point with a large amount of deviation from the true value. The determination accuracy of becomes low. Accordingly, an erroneous determination may occur.
  • the vanishing point learning by white line recognition has high reliability of the learning result, but requires a certain amount of time (for example, several minutes to several tens of minutes) to complete the learning. Therefore, in the period until the vanishing point learning based on white line recognition is completed, the learning value at the previous vehicle driving is used, or it is obtained by another learning means with lower reliability than vanishing point learning based on white line recognition. It is necessary to perform image processing using the learned value, for example, the vanishing point learned value based on the optical flow. On the other hand, in the radar axis deviation determination process of the present embodiment, image data captured by the imaging device 11 is used. Therefore, a case where the learned vanishing point is deviated from the true value may be erroneously determined.
  • the vanishing point learning result is related to the optical axis deviation.
  • the information is invalidated.
  • the counters CA and CJ can be invalidated at an appropriate timing, and an erroneous determination caused by the fact that the learning accuracy of vanishing point learning is not sufficiently secured is preferable. Can be suppressed.
  • the radar axis deviation determination process can be performed before the vanishing point learning by white line recognition is completed.
  • vanishing point learning by optical flow learning can be completed as soon as possible after the start of driving of the vehicle, but learning accuracy is lower than vanishing point learning by white line recognition, and there is a deviation from the true value There is.
  • the radar axis deviation determination is performed before the vanishing point learning by the white line recognition is completed. Even when processing is started, erroneous determination of radar axis deviation can be suppressed.
  • the axis deviation determination of the radar device 12 is performed based on the object detection results of the imaging device 11 and the radar device 12. .
  • the imaging device 11 and the radar device 12 have different object detection ranges and detection accuracy, it is possible to compensate for each other's weak points by mounting both devices and performing object detection. Further, by combining the imaging device 11 and the radar device 12, it is possible to detect the optical axis shift of the radar device 12 using the image data of the imaging device 11.
  • FIG. 8 is a time chart showing a specific mode of the reset determination process with the above configuration.
  • (a) to (c) are the same as FIG.
  • a case is considered where the absolute value ⁇ FOE (CA) of the deviation amount between the previous learning value FOE_A and the vanishing point learning value FOE_C by the optical flow is large at the time t22 when the vanishing point calculated by the optical flow is stabilized.
  • the current camera target detection counter CA and the axis deviation determination counter CJ are stored (information holding unit). Subsequently, the camera target detection counter CA and the axis deviation determination counter CJ are reset (invalidating means).
  • the absolute value ⁇ FOE (DC) of the deviation amount between the vanishing point learning value (FOE_C) by optical flow and the vanishing point learning value (FOE_D) by white line recognition is larger than the determination value THF2
  • the previous time When the absolute value ⁇ FOE (DA) of the deviation amount between the learning value FOE_A and the vanishing point learning value FOE_D by white line recognition is smaller than the determination value THF3, the reliability of the learning result of the vanishing point learning before time t22 is It is assumed that more than a predetermined amount has been secured.
  • the radar axis misalignment determination process performed in the period from when the ignition switch is turned on until the vanishing point learning by white line recognition is completed has been described.
  • the present disclosure may be applied to radar axis misalignment determination processing performed in a period after vanishing point learning by white line recognition is completed. Vanishing point learning by white line recognition has high accuracy, and once learning is completed, the change in the learning value is relatively small thereafter.
  • the axial direction of the imaging axis X1 changes due to changes in the loading state or traveling state of the vehicle, and the position of the vanishing point changes.
  • the vanishing point learning is applied to a configuration in which vanishing point learning by optical flow and vanishing point learning by white line recognition are performed is described.
  • the point (D) when vanishing point learning by white line recognition is completed is the counter reset timing.
  • the axis deviation determination means for determining the axis deviation of the second object detection means is not limited to the above configuration as long as it is performed based on the object detection results of the first object detection means and the second object detection means. For example, detecting an error between the signal sending direction and the straight traveling direction of the vehicle based on the vanishing point detected based on the image taken while the vehicle is running and the sending direction of the signal sent from the radar device 12. It is good also as a structure which performs the axis-shift determination of the radar apparatus 12 by.
  • a configuration for detecting a change in the level of the vanishing point learning value as reliability determination means for detecting that a change in the reliability of the learning result of the vanishing point learning has occurred after the start of the radar axis misalignment determination process It was adopted. Specifically, the absolute value ⁇ FOE (CA) of the deviation amount between the previous learning value FOE_A and the vanishing point learning value FOE_C by optical flow, and the vanishing point learning value FOE_C by optical flow and the vanishing point learning value FOE by white line recognition. This was done by comparing the absolute value ⁇ FOE (DC) of the deviation amount from (FOE_D) with the judgment value.
  • the configuration of the reliability determination unit is not limited to this, and may be detected based on, for example, the degree of change (differential value) of the vanishing point learning value.
  • the axis deviation determination result based on the ratio CJ / CA that is, the determination that there is an optical axis deviation. It is good also as a structure which invalidates a result. That is, in this case, the axis deviation determination result based on the ratio CJ / CA corresponds to “information about axis deviation of the second object detection unit”.
  • the present disclosure may be applied to a system including a plurality of radar devices (first radar device, second radar device) as the first object detection unit and the second object detection unit.
  • first radar device second radar device
  • the present disclosure may be applied to a system including a plurality of radar devices (first radar device, second radar device) as the first object detection unit and the second object detection unit.
  • first radar device second radar device
  • the optical axis of the first radar device Based on the learning result of the amount of axis deviation, information regarding the axis deviation of the second radar device is invalidated.
  • the imaging apparatus 11 has the axial deviation in the vertical plane
  • the axial deviation in the horizontal plane is not limited to the axial deviation in the vertical plane.
  • the present disclosure can also be applied in the case where the error occurs.
  • the detectable area of the first object detection means and the second object detection means is not limited to the front of the vehicle, but may be, for example, the rear or side of the vehicle. Further, the attachment positions of the first object detection means and the second object detection means are not particularly limited.
  • the imaging device and the radar device are used as the object detection means, but the present invention is not limited to these.
  • a sonar that detects an object using an ultrasonic wave as a transmission wave may be employed.
  • the object recognition device mounted on a vehicle has been described as an example, but it can also be mounted on a moving body such as a railway vehicle, a ship, an aircraft, and the like.
  • SYMBOLS 10 ... Object recognition apparatus, 11 ... Imaging device (1st object detection means), 12 ... Radar apparatus (2nd object detection means), 13 ... White line recognition part, 14 ... Flow calculation part, 20 ... Vanishing point calculation part, 22 ... vanishing point learning unit, 23 ... first learning unit, 24 ... second learning unit, 25 ... learning value storage unit, 30 ... radar axis deviation detection unit, 31 ... camera target detection unit, 32 ... radar target detection unit , 33... Axis deviation information calculation unit, 34... Axis deviation determination unit, 35... Reset determination unit, 50 .. Self-vehicle, X1... Imaging axis (reference axis), X2.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Data Mining & Analysis (AREA)
  • Signal Processing (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Traffic Control Systems (AREA)
  • Radar Systems Or Details Thereof (AREA)
  • Image Analysis (AREA)
  • Closed-Circuit Television Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

　移動体としての車両（５０）は、第１物体検出手段として撮像装置（１１）及び第２物体検出手段としてレーダ装置（１２）を搭載する。物体認識装置（１０）は、第１物体検出手段の基準軸Ｘ１の軸ずれ量を学習する軸ずれ学習手段と、第１物体検出手段及び第２物体検出手段の物体検出結果に基づいて、第２物体検出手段の基準軸において軸ずれが生じているか否かを判定する軸ずれ判定処理を実施する軸ずれ判定手段と、軸ずれ学習手段による軸ずれ量の学習結果に基づいて、軸ずれ判定処理によって取得した第２物体検出手段の軸ずれに関する情報を無効にする無効化手段と、を備える。

Description

複数の物体検出手段を用いた物体認識装置
　本開示は、物体認識装置に関し、特に移動体に搭載される物体認識装置に関する。
　従来、車両の走行安全性を向上させるための技術が知られている。例えば、物体認識装置として、ミリ波レーダやレーザレーダ等の物体検出センサを車両に搭載し、先行車両や歩行者、障害物等の車両周辺に存在する物体を検出する。物体認識装置は、その物体検出結果に基づいて、車両の走行安全性を向上させるための各種制御を行う。
　この物体認識装置では、車両に取り付けられた物体検出センサにおいて、基準軸のずれ（光軸のずれ）が発生した場合、物体検出センサによる物体検出領域が本来検出すべき領域からずれてしまい、物体の検出精度が低下することが考えられる。かかる場合、車両の走行安全性を向上させるための各種制御の精度が低下するおそれがある。
　そこで従来、物体検出センサの軸ずれを検出するための技術が種々提案されている。例えば、特開２００４－２０５３９８号公報には、カメラ及びレーダ装置が搭載された車両において、車両走行中にカメラで撮影した画像に基づいて検出した消失点とレーザビームの送出方向とに基づいて、レーザビームの送出方向と車両直進方向との間の誤差を検出し、レーザビームの送出方向の補正を行うことが開示されている。
特開２００４－２０５３９８号公報
　撮像装置で撮影した画像を用いてレーダ装置の軸ずれを検出する場合、その検出処理を撮像装置の基準軸（撮像軸）のずれが発生している状況下で実施すると、レーダ装置の軸ずれを精度良く検出できず、誤判定を招くことが懸念される。
　本開示は、上記事情に鑑みなされたものであり、移動体に搭載された物体検出手段の基準軸のずれが発生しているか否かを判定する処理において誤判定を抑制することができる物体認識装置を提供する。
　本開示は、以下のように構成されている。
　本開示は、所定の検出可能領域内に存在する物体を検出する物体検出手段として第１物体検出手段（１１）及び第２物体検出手段（１２）が搭載された移動体（５０）に適用される物体認識装置に関する。請求項１に記載の物体検出装置は、前記検出可能領域は各々に基準軸（Ｘ１、Ｘ２）を含み、前記第１物体検出手段の基準軸の軸ずれ量を学習する軸ずれ学習手段と、前記第１物体検出手段及び前記第２物体検出手段の物体検出結果に基づいて、前記第２物体検出手段の基準軸において軸ずれが生じているか否かを判定する軸ずれ判定処理を実施する軸ずれ判定手段と、前記軸ずれ学習手段による前記軸ずれ量の学習結果に基づいて、前記軸ずれ判定処理によって取得した前記第２物体検出手段の軸ずれに関する情報を無効にする無効化手段と、を備えることを特徴とする。
　第１物体検出手段の物体検出結果を用いて、第２物体検出手段の基準軸のずれが生じているか否かを判定する場合、第１物体検出手段の軸ずれ量の学習結果に応じて、第２物体検出手段の軸ずれ判定の判定精度が変わると考えられる。例えば、第１物体検出手段の軸ずれ量の学習結果が、該学習の精度がさほど高くないことを示す結果であった場合、第２物体検出手段の軸ずれ判定にて誤判定を招くおそれがある。こうした点に着目し、上記構成では、第１物体検出手段の基準軸の軸ずれ量の学習結果に基づいて、それまでに取得した第２物体検出手段の基準軸のずれに関する情報を無効にする。この構成によれば、第２物体検出手段の基準軸のずれが発生しているか否かを判定する処理において、誤判定を抑制することができる。
　　添付図面において：
物体認識装置の概略構成を示すブロック図。 撮像装置及びレーダ装置の移動体での配置を示す図。 撮像軸ずれが生じた場合の検出距離のずれを表す模式図。 レーダ軸ずれ判定処理の具体的態様を示すタイムチャート。 レーダ軸ずれ判定処理の処理手順を示すフローチャート。 リセット判定処理の処理手順を示すフローチャート。 消失点の学習状態に応じたカウンタリセットタイミングを示すタイムチャート。 他の実施形態の具体的態様を示すタイムチャート。
　以下、移動体の物体認識装置を具体化した実施形態について、図面を参照しつつ説明する。本実施形態に係る物体認識装置１０は、移動体としての車両に搭載されている。撮像装置１１及びレーダ装置１２は、車両の前方を含む検出可能領域内に存在する物体を認識する。本実施形態の物体認識装置１０の概略構成について図１及び図２を用いて説明する。
　撮像装置１１は車載カメラであり、ＣＣＤカメラやＣＭＯＳイメージセンサ、近赤外線カメラ等で構成されている。撮像装置１１は、自車両５０の走行道路を含む周辺環境を撮影し、その撮影した画像を表す画像データを生成して物体認識装置１０に逐次出力する。本実施形態の撮像装置１１は、自車両５０の例えばフロントガラスの上端付近に設置されており、撮像軸Ｘ１を中心に車両前方に向かって所定角度θ１の範囲で広がる領域６１を撮影する（図２参照）。なお、撮像装置１１は、単眼カメラであってもよく、ステレオカメラであってもよい。
　レーダ装置１２は、送信波として電磁波（即ち、レーダ波）を送信し、その反射波を受信することで物体を検出する装置である。例えばミリ波レーダやレーザレーダ等で構成されている。レーダ装置１２は、自車両５０の前部に取り付けられており、光軸Ｘ２を中心に車両前方に向かって所定角度θ２（θ２＜θ１）の範囲に亘って広がる領域６２をレーダ信号により走査する。そして、車両前方に向けて電磁波を送信してから反射波を受信するまでの時間に基づき測距データを作成し、その作成した測距データを物体認識装置１０に逐次出力する。測距データには、物体が存在する方位、物体までの距離及び相対速度の情報が含まれている。
　なお、撮像装置１１の基準軸である撮像軸Ｘ１と、レーダ装置１２の基準軸である光軸Ｘ２とが、自車両５０が走行する路面（走行路面）に対して水平な方向と同一方向になるように、撮像装置１１及びレーダ装置１２が自車両５０に取り付けられている。また、撮像装置１１の検出可能領域６１とレーダ装置１２の検出可能領域６２とは、互いに少なくとも一部の領域が重複している。撮像装置１１が「第１物体検出手段」に相当し、レーダ装置１２が「第２物体検出手段」に相当する。
　物体認識装置１０は、ＣＰＵ、ＲＡＭ、ＲＯＭ及びＩ／Ｏ等を備えたコンピュータである。物体認識装置１０は、白線認識部１３、フロー演算部１４、消失点演算部２０及びレーダ軸ずれ検出部３０を備えており、ＣＰＵが、ＲＯＭにインストールされているプログラムを実行することでこれら各機能を実現する。
　白線認識部１３は、撮像装置１１で撮影された画像を入力し、この画像に含まれている道路区画線としての白線を認識する。白線認識部１３では、例えば、画像の水平方向における輝度変化率等に基づいて、撮影画像データから白線の候補とするエッジ点を抽出し、その抽出したエッジ点を１フレームごとに順次記憶する。そして、記憶した白線のエッジ点の履歴に基づき白線を認識する。フロー演算部１４は、撮像装置１１で撮影された画像を入力し、その入力した画像データを用いて、画像中の各点における動きベクトルとしてオプティカルフローを演算する（フロー演算手段）。フロー演算部１４では、例えば、空間的な輝度分布の変化に基づいて画素ごとに動きベクトルを演算する。
　消失点演算部２０は、基準値推定部２１と、消失点学習部２２と、学習値記憶部２５とを備えている。基準値推定部２１は、白線認識部１３から白線の位置等に関する情報（白線情報）を入力するとともに、フロー演算部１４からオプティカルフローに関する情報（フロー情報）を入力し、それら入力データを用いて消失点（Focus　of　Expansion；ＦＯＥ）を求めるための各種処理を実行する。
　基準値推定部２１は、撮像装置１１で撮影された画像データに基づいて消失点を算出する。具体的には、基準値推定部２１は、白線認識部１３から入力した白線情報や、フロー演算部１４から入力したフロー情報を用いて消失点を算出する。例えば白線情報を用いる場合、車両周辺に存在する一対の白線の交点を消失点と推定し、その値（基準消失点）をＲＯＭに記憶する。なお、車両出荷時では、消失点として初期値が予めＲＯＭに記憶されている。初期値は、例えば撮像装置１１の取付状態を表すパラメータ（例えば、取付高さ、撮像軸の俯角など）や、撮像装置１１の撮像機能に関するパラメータ（例えば、画素数、焦点距離など）に基づき設定されている。
　消失点学習部２２は、撮像装置１１の取付高さや軸方向が変化することに伴う消失点の定常的なずれ量（撮像軸Ｘ１の軸ずれ量）を算出するための消失点学習を実行する。具体的には、消失点学習部２２は、白線情報から算出した消失点についての学習を実行する第１学習部２３と、フロー情報から算出した消失点についての学習を実行する第２学習部２４とを備える。第１学習部２３及び第２学習部２４のそれぞれの学習値（消失点学習値）は、学習の実行毎に学習値記憶部２５に都度記憶・更新される。
　消失点学習部２２では、自車両５０の始動スイッチ（例えばイグニッションスイッチ等）がオンされたことに伴い消失点学習を開始する。また本実施形態では、車両の積載状態や走行状態によって撮像装置１１の取付高さや軸方向が変化し、それに伴い消失点の位置も変化することを考慮し、始動スイッチのオン後に消失点学習が一旦完了した後も、消失点学習を逐次実行している。
　学習値記憶部２５は、例えば、電気的にデータの書き換えが可能な不揮発メモリ（ＥＥＰＲＯＭ等）によって構成されている。物体認識装置１０は、消失点を指標に画像データを解析することにより、例えば自車両５０の走行道路に対する走行状態や前方車両との位置関係等を推定したり歩行者を認識したりする。
　ただし、画像に基づく白線認識は、オプティカルフローの演算よりも時間がかかる。そのため、自車両５０の始動スイッチのオン後では、白線認識による消失点学習が完了する時刻よりも、オプティカルフローによる消失点学習が完了する時刻の方が早くなる。一方、消失点学習の学習精度は、オプティカルフローを用いるよりも、白線認識を用いた方が精度が高い。そこで本実施形態では、自車両５０の始動スイッチのオン後、白線認識による消失点学習が完了するまでは、オプティカルフローにより算出した学習値を用いて画像データの解析処理を行い、白線認識による消失点学習が完了した後では、白線認識により算出した学習値を用いて画像データの解析処理を行うこととしている。
　レーダ軸ずれ検出部３０は、カメラ物標検出部３１、レーダ物標検出部３２、軸ずれ情報演算部３３、軸ずれ判定部３４及びリセット判定部３５を備えている。
　カメラ物標検出部３１は、撮像装置１１で撮影された画像を入力し、この画像に含まれている物標（カメラ物標）を検出する。レーダ物標検出部３２は、レーダ装置１２からの測距データを入力し、その入力データに含まれている物標（レーダ物標）を検出する。軸ずれ情報演算部３３は、カメラ物標検出部３１による検出結果と、レーダ物標検出部３２による検出結果とに基づいて、レーダ装置１２で光軸ずれが発生しているか否かを判定する。
　具体的には、軸ずれ情報演算部３３は、カメラ物標検出部３１で検出したカメラ物標、及びレーダ物標検出部３２で検出したレーダ物標に関する情報をそれぞれ入力する。軸ずれ情報演算部３３では、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪの演算を行う。詳細には、自車両５０の前方に物体（例えば先行車両）が存在し、少なくともカメラ物標検出部３１によってその物体に対応する物標が検出されている場合に、カメラ物標検出カウンタＣＡを所定周期でインクリメントする。また、カメラ物標検出部３１で検出された物標と同一物体となり得る物標がレーダ物標検出部３２で検出されている場合に、軸ずれ判定カウンタＣＪをインクリメントする。なお、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪが「光軸ずれに関する情報」に相当する。
　軸ずれ判定部３４では、軸ずれ情報演算部３３から入力したカメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪに基づいて、レーダ装置１２の光軸ずれが発生しているか否かを判定する。具体的には、カメラ物標検出カウンタＣＡに対する軸ずれ判定カウンタＣＪの比率を算出し、その比率ＣＪ／ＣＡと判定値ＴＨＡ２とを比較することによって行う。このとき、ＣＪ／ＣＡ＜ＴＨＡ２である場合に光軸ずれ有りと判定する。リセット判定部３５は、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪについて、それらデータを軸ずれ判定部３４に出力するか、それとも無効にするかを決定する。
　以下、リセット判定部３５で実行されるカメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪのリセット判定処理について詳しく説明する。リセット判定部３５は、学習値記憶部２５から消失点学習値を入力し、その入力した消失点学習値に基づいて、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪをリセットするか否かを決定する。
　具体的には、リセット判定部３５は、学習値記憶部２５に記憶されている消失点学習値に基づいて、過去ＦＯＥ信用フラグＦｔｒに０か１を設定し、設定したフラグＦｔｒを軸ずれ情報演算部３３に出力する。この過去ＦＯＥ信用フラグＦｔｒは、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪをリセットするか否かを示す情報である。軸ずれ情報演算部３３では、入力した過去ＦＯＥ信用フラグＦｔｒが１であれば、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪの計測値をそのまま保持する。一方、過去ＦＯＥ信用フラグＦｔｒが０であれば、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪをゼロにリセットし、カウンタの計測を最初からやり直す。なお、軸ずれ情報演算部３３及びリセット判定部３５によって「無効化手段」が構成されている。
　リセット判定処理を実行する理由は次の通りである。撮像軸Ｘ１に軸ずれが発生している場合、その軸ずれ角度の分だけ、画像認識による物体との距離を誤ってしまう。図３に、撮像軸Ｘ１の軸ずれに起因するカメラ物標の距離ずれを模式的に表す。なお、図３では光軸ずれが発生していない場合を想定している。
　自車両５０から同一物体（図３では先行車両５５）までの検出距離について、撮像装置１１の検出結果とレーダ装置１２の検出結果を比較すると、撮像軸Ｘ１で軸ずれが発生していない状態では、検出距離の差はΔｄ１と比較的小さい。これに対し、撮像軸Ｘ１が、例えば走行路面に対して水平な位置よりも上向きに所定角度θ３だけずれている場合には、検出距離の差がΔｄ２と比較的大きくなる。この場合、撮像装置１１とレーダ装置１２で同一物体を検出しているにも関わらず、画像処理において２つの物標（カメラ物標とレーダ物標）が同一物体であると認識されないことが生じ得る。かかる場合、軸ずれ判定カウンタＣＪの計測値の信頼度が低くなり、レーダ軸ずれ判定処理において誤判定が発生することが考えられる。なお、こうした撮像軸ずれに起因する検出距離のずれは、消失点学習によって改善される（ＴＡ２→ＴＡ１）。
　また、車両の運転開始時では、消失点の学習状態が、オプティカルフロー及び白線認識のいずれについても学習未完了である状態から、オプティカルフローによる学習完了状態へと移行し、その後、白線認識による学習完了状態へと変化する。また、こうした学習状態の変化に伴い、レーダ軸ずれ判定処理の開始後において消失点の学習結果の信頼度、つまり学習後の消失点の真値に対するずれ量が変化することが考えられる。例えば、白線認識による消失点学習が未だ完了していない状態と、白線認識による消失点学習が完了した状態とでは学習結果の信頼度が相違し、前者では後者よりも真値に対するずれ量が大きく、学習結果の信頼度が低くなる傾向にある。
　そこで本実施形態では、消失点学習の学習結果に応じて、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪを無効化することとしている。具体的には、レーダ軸ずれ判定処理の開始後において、消失点の学習結果の信頼度が変わらなければ、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪのカウントアップをそのまま継続する。一方、レーダ軸ずれ判定処理の開始後において、消失点の学習結果の信頼度が変化した場合には、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪをリセットして、レーダ軸ずれ判定処理を最初からやり直す。
　次に、図４のタイムチャートを用いて、消失点の学習結果に基づくカウンタＣＡ，ＣＪのリセット判定処理の具体的態様について説明する。図４中、（ａ）はイグニッションスイッチ（ＩＧスイッチ）のオン／オフの推移、（ｂ）はカメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪの値の推移、（ｃ）は消失点の学習状態の推移を示す。なお、図４では、ＩＧスイッチオンの時点で先行車両が存在している場合を想定している。
　時刻ｔ１０でＩＧスイッチがオンされると、カメラ物標検出カウンタＣＡのカウントアップが開始される。また、カメラ物標と同一物体となり得るレーダ物標が検出されている場合には、その検出数（検出頻度）に対応する分だけ軸ずれ判定カウンタＣＪがカウントアップされる。図４では、レーダ装置１２の光軸ずれが生じているため、ＣＪ＜ＣＡとなっている。
　ＩＧスイッチのオン直後では、オプティカルフローによる消失点学習及び白線認識による消失点学習が未だ完了しておらず、学習値記憶部２５には前回の車両走行終了時に記憶した学習値がそのまま記憶されている。したがって、オプティカルフローに基づく消失点学習が開始されるまでのｔ１０～ｔ１１の期間では、前回学習値ＦＯＥ＿Ａを用いて画像処理が行われる。
　ＩＧスイッチのオンから所定時間Ｔ１が経過した後の時刻ｔ１１では、オプティカルフローに基づく消失点学習を開始するためのコマンドが出力される。なお、所定時間Ｔ１は、オプティカルフローの演算に必要な画像データを取得するための時間（例えば十数秒）が設定されている。
　ここで、オプティカルフローに基づき算出した消失点が、前回学習値ＦＯＥ＿Ａに対して比較的大きくずれた場合、カメラ物標検出カウンタＣＡのカウントアップ開始後に消失点の学習結果の信頼度が変化したものと推定される。こうした場合、本実施形態では、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪがゼロにリセットされ、レーダ軸ずれ判定のためのカウントアップが最初からやり直される。特に本実施形態では、オプティカルフローに基づく消失点（ＦＯＥ＿Ｃ）が安定した時点ｔ１２で、前回学習値ＦＯＥ＿Ａとオプティカルフローによる消失点ＦＯＥ＿Ｃとのずれ量の絶対値ΔＦＯＥ（Ｃ－Ａ）を算出し、その算出したΔＦＯＥ（Ｃ－Ａ）により、消失点学習の学習結果の信頼度の変化があったと判定する。
　オプティカルフローによる消失点学習の開始コマンドから更に所定時間Ｔ２（例えば数分）が経過した時点ｔ１３で、白線認識による消失点学習が完了した場合にも同様の処理が行われる。具体的には、オプティカルフローによる消失点ＦＯＥ＿Ｃと、白線認識による消失点（ＦＯＥ＿Ｄ）とのずれ量の絶対値ΔＦＯＥ（Ｄ－Ｃ）から、消失点の学習結果の信頼度が変化したと判定されると、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪがゼロにリセットされ、レーダ軸ずれ判定のためのカウントアップが最初からやり直される。
　次に、図５及び図６のフローチャートを用いて、本実施形態のレーダ軸ずれ検出部で実行される処理の手順について説明する。これらの処理は、物体認識装置１０のＣＰＵにより所定周期毎に繰り返し実行される。
　まず、図５のレーダ軸ずれ判定処理について説明する。図５において、ステップＳ１０１では、過去ＦＯＥ信用フラグＦｔｒに０がセットされているか否かを判定する。Ｆｔｒ＝０であればステップＳ１０２へ進み、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪを０にリセットする。一方、Ｆｔｒ＝１であればステップＳ１０２の処理を実行せずにステップＳ１０３へ進む。
　ステップＳ１０３では、撮像装置１１で撮影された画像を入力し、その入力した画像に物標（カメラ物標）が含まれているか否かを判定する。カメラ物標の検出無しの場合にはそのまま本ルーチンを終了し、カメラ物標の検出有りの場合にはステップＳ１０４へ進み、カメラ物標検出カウンタＣＡをインクリメントする。
　続くステップＳ１０５では、カメラ物標と同一物体とみなす物標がレーダ装置１２で検出されているか否かを判定する。検出有りの場合にはステップＳ１０６へ進み、軸ずれ判定カウンタＣＪをインクリメントする。一方、検出無しの場合にはステップＳ１０６の処理を実行せずにステップＳ１０７へ進む。
　ステップＳ１０７では、カメラ物標検出カウンタＣＡが判定値ＴＨＡ１（例えば数千回）よりも大きいか否かを判定する。ＣＡ＞ＴＨＡ１であればステップＳ１０８へ進み、カメラ物標検出カウンタＣＡに対する軸ずれ判定カウンタＣＪの比率（ＣＪ／ＣＡ）が判定値ＴＨＡ２よりも小さいか否かを判定する。比率ＣＪ／ＣＡが判定値ＴＨＡ２以上であればステップＳ１１０へ進み、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪをゼロにリセットする。一方、比率ＣＪ／ＣＡが判定値ＴＨＡ２よりも小さい場合には、ステップＳ１０９へ進み、レーダ装置１２の光軸ずれが発生しているものと判定し、その判定結果を記憶する。その後、ステップ１１０へ進み、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪをゼロにリセットして、本ルーチンを終了する。
　次に、図６のリセット判定処理について説明する。図６において、ステップＳ２０１では、白線認識による消失点学習が完了したか否かを判定する。白線認識による消失点学習が未だ完了していなければステップＳ２０２へ進み、オプティカルフローによる消失点学習が完了したか否かを判定する。ここでは、オプティカルフローにより算出した消失点が安定した値を示しているか否かを判定し、安定したと判定された場合にオプティカルフローに基づき消失点学習値（ＦＯＥ＿Ｃ）を算出する。オプティカルフローにより算出した消失点が安定した値を示しているか否かは、消失点の垂直面内での分散に基づき判定し、分散が所定値よりも小さい場合に肯定判定される。オプティカルフローにより算出した消失点が安定したと判定され、オプティカルフローに基づき消失点学習値（ＦＯＥ＿Ｃ）を算出した場合、ステップＳ２０３へ進み、初期値又は前回学習値（ＦＯＥ＿Ａ）とオプティカルフローによる消失点学習値ＦＯＥ＿Ｃとのずれ量の絶対値ΔＦＯＥ（Ｃ－Ａ）が判定値ＴＨＦ１よりも小さいか否かを判定する（信頼度判定手段）。そして、ΔＦＯＥ（Ｃ－Ａ）＜ＴＨＦ１であればステップＳ２０４へ進み、過去ＦＯＥ信用フラグＦｔｒに１をセットする。一方、ΔＦＯＥ（Ｃ－Ａ）＜ＴＨＦ１でなければステップＳ２０５へ進み、過去ＦＯＥ信用フラグＦｔｒに０をセットする。
　なお、オプティカルフローによる消失点が安定する前、及びオプティカルフローによる消失点学習が未完了である場合には、ステップＳ２０２で否定判定されてステップＳ２０４へ進む。この場合、過去ＦＯＥ信用フラグＦｔｒには１がセットされるため、カウンタリセットは行われない。
　さて、白線認識による消失点学習が完了すると、ステップＳ２０１で肯定判定されてステップＳ２０６へ進む。ステップＳ２０６では、オプティカルフローによる消失点学習値ＦＯＥ＿Ｃと、白線認識による消失点学習値ＦＯＥ＿Ｄとのずれ量の絶対値ΔＦＯＥ（Ｄ－Ｃ）が判定値ＴＨＦ２よりも小さいか否かを判定する（信頼度判定手段）。そして、ΔＦＯＥ（Ｄ－Ｃ）＜ＴＨＦ２であればステップＳ２０７へ進み、過去ＦＯＥ信用フラグＦｔｒに１をセットする。一方、ΔＦＯＥ（Ｄ－Ｃ）＜ＴＨＦ２でなければステップＳ２０８へ進み、過去ＦＯＥ信用フラグＦｔｒに０をセットする。
　図７は、消失点の学習状態に応じたリセットタイミングを示すタイムチャートである。図中、（ａ）は初期値（又は前回学習値）が真値に対して正しく、オプティカルフローに基づく消失点が真値からずれている場合、（ｂ）は初期値（又は前回学習値）が真値からずれており、オプティカルフローに基づく消失点が真値に対して正しい場合、（ｃ）及び（ｄ）は初期値（又は前回学習値）及びオプティカルフローに基づく消失点が共に真値からずれている場合、をそれぞれ示している。なお、（ｃ）では（ｄ）よりもオプティカルフローに基づく消失点の真値からのずれ量が小さい場合を想定している。図７中、「Ａ」はＩＧスイッチのオンタイミング、「Ｂ」はオプティカルフローに基づく消失点学習の開始タイミング、「Ｃ」はオプティカルフローに基づく消失点が安定したタイミング、「Ｄ」は白線認識に基づく消失点学習の完了タイミングであり、それぞれ図４中のＡ～Ｄに対応している。
　カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪのリセットは、オプティカルフローにより算出した消失点が安定したタイミングＣ、及び白線認識による消失点学習の完了タイミングＤの少なくともいずれかで行われる。例えば（ａ）及び（ｃ）のシーンでは、前回学習値ＦＯＥ＿Ａと、オプティカルフローによる消失点学習値ＦＯＥ＿Ｃとのずれ量の絶対値ΔＦＯＥ（Ｃ－Ａ）が大きく、かつオプティカルフローによる消失点学習値ＦＯＥ＿Ｃと、白線認識による消失点学習値ＦＯＥ＿Ｄとのずれ量の絶対値ΔＦＯＥ（Ｄ－Ｃ）が大きい。この場合には、タイミングＣ及びタイミングＤでカウンタＣＡ，ＣＪがリセットされる。また、（ｂ）のシーンでは、タイミングＣのみでカウンタＣＡ，ＣＪがリセットされ、（ｄ）のシーンでは、タイミングＤのみでカウンタＣＡ，ＣＪがリセットされる。
　以上詳述した本実施形態によれば、次の優れた効果が得られる。
　撮像装置１１の撮像軸Ｘ１の軸ずれ量を学習する消失点学習の学習結果に基づいて、それまでに取得したレーダ装置１２の光軸Ｘ２のずれに関する情報を無効にすることとした。撮像装置１１の物体検出結果を用いて、レーダ装置１２の光軸ずれが生じているか否かを判定する場合、撮像装置１１の軸ずれ量の学習結果に応じてレーダ装置１２の光軸ずれ判定の精度が変わる。この点、上記構成によれば、レーダ装置１２の光軸ずれが発生しているか否かを判定する処理において誤判定を抑制することができる。
　具体的には、レーダ軸ずれ判定処理の開始後において、真値に対する消失点学習の学習結果の信頼度の変化が生じたことが検出された場合に、光軸ずれに関する情報であるカウンタＣＡ，ＣＪを無効化する構成とした。レーダ軸ずれ判定処理の開始後に、消失点学習の学習結果において信頼度の変化が生じた場合、真値からのずれ量が大きい消失点に基づき画像処理が行われていると、レーダ軸ずれ判定の判定精度が低くなる。従って、誤判定が発生する場合がある。こうした点を考慮し、消失点学習の学習結果が疑わしい状況で取得した光軸ずれに関する情報を無効化する構成を採用した。これにより、レーダ軸ずれ判定の誤判定をできるだけ回避するようにすることができる。
　白線認識による消失点学習は、学習結果の信頼度が高い反面、学習が完了するまでにある程度の時間（例えば数分～十数分）を要する。そのため、白線認識に基づく消失点学習が完了までの期間では、前回の車両運転時の学習値を使用するか、あるいは白線認識に基づく消失点学習よりも信頼度が低い別の学習手段で得られた学習値、例えばオプティカルフローに基づく消失点学習値を用いて画像処理を行う必要がある。その一方で、本実施形態のレーダ軸ずれ判定処理では、撮像装置１１で撮影された画像データが用いられる。従って、学習した消失点が真値からずれている場合には誤判定となる場合が考えられる。その点に鑑み、車両の運転開始後において、白線認識による消失点学習が完了した時点で、消失点の学習結果、より具体的には消失点学習結果の信頼度に基づいて、光軸ずれに関する情報を無効にする構成とした。こうした構成によれば、レーダ軸ずれ判定処理において、適切なタイミングでカウンタＣＡ，ＣＪを無効化することができ、消失点学習の学習精度が十分に確保されていないことに起因する誤判定を好適に抑制することができる。また、消失点学習の学習精度が確保されている状況では、白線認識による消失点学習が完了する前にもレーダ軸ずれ判定処理を実施することができる。
　オプティカルフローによる消失点学習では、車両の運転開始後のできるだけ早期に学習を完了させることが可能である反面、白線認識による消失点学習よりも学習精度が低く、真値に対してずれが生じる場合がある。本実施形態では、消失点学習結果の信頼度が十分に確保されていない状況で計測したカウンタＣＡ，ＣＪについては無効にすることから、白線認識による消失点学習が完了する前にレーダ軸ずれ判定処理を開始した場合にもレーダ軸ずれの誤判定を抑制することができる。
　本実施形態では、物体検出手段として撮像装置１１及びレーダ装置１２を搭載する車両において、撮像装置１１及びレーダ装置１２の物体検出結果に基づいて、レーダ装置１２の軸ずれ判定を実施する構成とした。一般に、撮像装置１１とレーダ装置１２とでは物体の検出範囲や検出精度が異なることから、両装置を搭載して物体検出を行うことによって互いの弱点を補うことが可能になる。また、撮像装置１１とレーダ装置１２とを組み合わせることにより、撮像装置１１の画像データを用いてレーダ装置１２の光軸ずれを検出することが可能になる。
　（他の実施形態）
　本開示は上記実施形態に限定されず、例えば次のように実施してもよい。
　・上記実施形態において、消失点学習の学習結果の信頼度の変化が生じたことにより、光軸ずれに関する情報（カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪ）をリセットする場合、リセット前のカウンタＣＡ，ＣＪを保持しておく。そして、カウンタＣＡ，ＣＪをリセットした後に、そのリセットしたカウンタの計測期間での消失点学習の学習結果の信頼度が所定以上確保されていたことが検出された場合に、リセット前の情報を用いてその後のレーダ軸ずれ判定処理を実施する構成とした。上記構成によれば、消失点学習の学習結果の信頼度が確保されている状況で取得したカウンタＣＡ，ＣＪを活用することによって、レーダ装置１２の軸ずれ発生を確定するまでの時間を短くすることができる。
　図８に、上記構成のリセット判定処理の具体的態様をタイムチャートで示す。図８中、（ａ）～（ｃ）は図４と同じである。図８では、オプティカルフローにより算出した消失点が安定した時刻ｔ２２で、前回学習値ＦＯＥ＿Ａとオプティカルフローによる消失点学習値ＦＯＥ＿Ｃとのずれ量の絶対値ΔＦＯＥ（Ｃ－Ａ）が大きかった場合について考える。この場合、時刻ｔ２２では、現時点のカメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪを記憶する（情報保持手段）。続いて、カメラ物標検出カウンタＣＡ及び軸ずれ判定カウンタＣＪをリセットする（無効化手段）。その後、時刻ｔ２３で、白線認識による消失点学習が完了した場合、時刻ｔ２２以前で実施した消失点学習の学習結果の信頼度が所定以上確保されていたことが検出されると、時刻ｔ２３で時刻ｔ２２でのカウンタを復帰させる。ここで、「時刻ｔ２２以前で実施した消失点学習の学習結果の信頼度が所定以上確保されていたこと」は、例えば消失点学習の学習結果に基づいて検出する。具体的には、オプティカルフローによる消失点学習値（ＦＯＥ＿Ｃ）と、白線認識による消失点学習値（ＦＯＥ＿Ｄ）とのずれ量の絶対値ΔＦＯＥ（Ｄ－Ｃ）が判定値ＴＨＦ２よりも大きく、かつ前回学習値ＦＯＥ＿Ａと白線認識による消失点学習値ＦＯＥ＿Ｄとのずれ量の絶対値ΔＦＯＥ（Ｄ－Ａ）が判定値ＴＨＦ３よりも小さい場合に、時刻ｔ２２以前での消失点学習の学習結果の信頼度が所定以上確保されていたものとする。この場合、白線認識による消失点学習が完了した時刻ｔ２３では、レーダ装置１２の軸ずれ判定を最初からやり直す必要はなく、よってレーダ装置１２の軸ずれが発生しているか否かをできるだけ早期に確定することができる。
　・上記実施形態では、一例として、イグニッションスイッチがオンされてから白線認識による消失点学習が完了するまでの期間で実施するレーダ軸ずれ判定処理を説明した。しかしながら、白線認識による消失点学習が完了した後の期間で実施するレーダ軸ずれ判定処理に本開示を適用してもよい。白線認識による消失点学習は精度が高く、学習が一旦完了すると、その後は学習値の変化が比較的小さい。しかしながら、例えば車両の積載状態や走行状態の変化により撮像軸Ｘ１の軸方向が変化し、消失点の位置が変化することは十分に考えられる。そこで、白線認識による消失点学習が一旦完了した後の期間で実施するレーダ軸ずれ判定処理でも、消失点学習の学習結果に基づいて、光軸ずれに関する情報（カウンタ）を無効化することにより、レーダ装置１２のレーダ軸ずれ判定処理において誤判定を抑制することができる。
　・上記実施形態では、消失点学習として、オプティカルフローによる消失点学習と、白線認識による消失点学習とを実施する構成に適用する場合について説明した。しかしながら、オプティカルフローによる消失点学習、及び白線認識による消失点学習のいずれかのみを実施する構成に適用してもよい。例えば、オプティカルフローによる消失点学習を実施しない構成の場合、図４では、白線認識による消失点学習が完了した時点（Ｄ）のみがカウンタリセットタイミングとなる。
　・第２物体検出手段の軸ずれを判定する軸ずれ判定手段は、第１物体検出手段及び第２物体検出手段の物体検出結果に基づいて行うものであれば上記構成に限定しない。例えば、車両走行中に撮影した画像に基づいて検出した消失点と、レーダ装置１２から送出される信号の送出方向とに基づいて、信号の送出方向と車両の直進方向との誤差を検出することによってレーダ装置１２の軸ずれ判定を行う構成としてもよい。
　・上記実施形態では、レーダ軸ずれ判定処理の開始後に消失点学習の学習結果の信頼度の変化が生じたことを検出する信頼度判定手段として、消失点学習値のレベルの変化を検出する構成を採用した。具体的には、前回学習値ＦＯＥ＿Ａとオプティカルフローによる消失点学習値ＦＯＥ＿Ｃとのずれ量の絶対値ΔＦＯＥ（Ｃ－Ａ）、及びオプティカルフローによる消失点学習値ＦＯＥ＿Ｃと白線認識による消失点学習値ＦＯＥ（ＦＯＥ＿Ｄ）とのずれ量の絶対値ΔＦＯＥ（Ｄ－Ｃ）と判定値とを比較することにより行った。信頼度判定手段の構成はこれに限定せず、例えば消失点学習値の変化の度合い（微分値）に基づき検出してもよい。
　・上記実施形態において、比率ＣＪ／ＣＡに基づき光軸ずれ有りと判定された後に、消失点学習の学習結果に基づいて、比率ＣＪ／ＣＡに基づく軸ずれ判定結果、すなわち光軸ずれ有りの判定結果を無効とする構成としてもよい。つまり、この場合には、比率ＣＪ／ＣＡに基づく軸ずれ判定結果が「第２物体検出手段の軸ずれに関する情報」に相当する。
　・上記実施形態では、第１物体検出手段が撮像装置１１であって、第２物体検出手段がレーダ装置１２である場合について説明したが、第１物体検出手段及び第２物体検出手段の組み合わせは上記に限定しない。例えば、第１物体検出手段及び第２物体検出手段として複数のレーダ装置（第１レーダ装置、第２レーダ装置）を備えるシステムに本開示を適用してもよい。具体的には、第１レーダ装置及び第２レーダ装置の物体検出結果に基づいて、第２レーダ装置の光軸において軸ずれが生じているかを判定する構成において、第１レーダ装置の光軸における軸ずれ量の学習結果に基づいて、第２レーダ装置の軸ずれに関する情報を無効にする構成とする。
　・上記実施形態の図３では、撮像装置１１において垂直面内での軸ずれが発生した場合を一例に挙げて説明したが、垂直面内での軸ずれに限らず、水平面内での軸ずれが発生した場合にも本開示を適用することができる。
　・第１物体検出手段及び第２物体検出手段の検出可能領域は車両前方に限らず、例えば車両の後方や側方であってもよい。また、第１物体検出手段及び第２物体検出手段の取付位置も特に制限されない。
　・上記実施形態では、物体検出手段として撮像装置及びレーダ装置を用いたがこれらに限定されず、例えば送信波に超音波を用いて物体を検出するソナーを採用してもよい。
　・上記実施形態では、車両に搭載された物体認識装置を一例に挙げて説明したが、例えば、鉄道車両、船舶、航空機等の移動体に搭載することもできる。
　１０…物体認識装置、１１…撮像装置（第１物体検出手段）、１２…レーダ装置（第２物体検出手段）、１３…白線認識部、１４…フロー演算部、２０…消失点演算部、２２…消失点学習部、２３…第１学習部、２４…第２学習部、２５…学習値記憶部、３０…レーダ軸ずれ検出部、３１…カメラ物標検出部、３２…レーダ物標検出部、３３…軸ずれ情報演算部、３４…軸ずれ判定部、３５…リセット判定部、５０…自車両、Ｘ１…撮像軸（基準軸）、Ｘ２…光軸（基準軸）。

Claims (6)

  1. 　所定の検出可能領域内に存在する物体を検出する物体検出手段として第１物体検出手段（１１）及び第２物体検出手段（１２）が搭載された移動体（５０）に適用され、
    　前記検出可能領域は各々に基準軸（Ｘ１、Ｘ２）を含み、
    　前記第１物体検出手段の基準軸の軸ずれ量を学習する軸ずれ学習手段と、
    　前記第１物体検出手段及び前記第２物体検出手段の物体検出結果に基づいて、前記第２物体検出手段の基準軸において軸ずれが生じているか否かを判定する軸ずれ判定処理を実施する軸ずれ判定手段と、
    　前記軸ずれ学習手段による前記軸ずれ量の学習結果に基づいて、前記軸ずれ判定処理によって取得した前記第２物体検出手段の軸ずれに関する情報を無効にする無効化手段と、を備えることを特徴とする物体認識装置。
  2. 　前記軸ずれ学習手段による前記軸ずれ量の学習結果に基づいて、前記軸ずれ判定処理の開始後において真値に対する前記学習結果の信頼度の変化が生じたか否かを判定する信頼度判定手段を備え、
    　前記無効化手段は、前記信頼度判定手段によって前記学習結果の信頼度の変化が生じたと判定された場合に、前記第２物体検出手段の基準軸のずれに関する情報を無効にする請求項１に記載の物体認識装置。
  3. 　前記無効化手段によって無効にされる前の前記第２物体検出手段の基準軸のずれに関する情報を保持する情報保持手段を備え、
    　前記無効化手段によって前記第２物体検出手段の基準軸のずれに関する情報を無効にした後に、該無効にした情報を取得したときの前記真値に対する前記学習結果の信頼度が所定以上確保されていることが検出された場合に、前記情報保持手段に保持されている情報を用いて前記軸ずれ判定処理を実施する請求項２に記載の物体認識装置。
  4. 　前記第１物体検出手段は、道路を含む周辺環境を撮影する撮像装置であり、
    　前記第１物体検出手段により撮影された画像に基づいて前記道路の区画線を認識する区画線認識手段を備え、
    　前記軸ずれ学習手段は、前記区画線認識手段により認識した区画線に関する情報である区画線情報に基づいて、前記第１物体検出手段の基準軸の軸ずれ量を学習する手段を含み、
    　前記無効化手段は、前記移動体の運転開始後において前記軸ずれ学習手段による前記区画線情報に基づく前記軸ずれ量の学習が完了した時点で、前記学習結果に基づいて前記第２物体検出手段の基準軸のずれに関する情報を無効にする請求項１～３のいずれか一項に記載の物体認識装置。
  5. 　前記第１物体検出手段により撮影された画像に基づいてオプティカルフローを演算するフロー演算手段を備え、
    　前記軸ずれ学習手段は、前記区画線情報に基づいて前記第１物体検出手段の基準軸の軸ずれ量を学習する第１学習手段と、前記フロー演算手段により演算したオプティカルフローに基づいて前記第１物体検出手段の基準軸の軸ずれ量を学習する第２学習手段とを含み、
    　前記無効化手段は、前記移動体の運転開始後において前記軸ずれ学習手段による前記区画線情報に基づく前記軸ずれ量の学習が完了した時点及び前記区画線情報に基づく前記軸ずれ量の学習が完了するよりも前の期間で、前記学習結果に基づいて前記第２物体検出手段の基準軸のずれに関する情報を無効にする請求項４に記載の物体認識装置。
  6. 　前記第１物体検出手段は、道路を含む周辺環境を撮影する撮像装置であり、　前記第２物体検出手段は、送信波を送出し、該送出した送信波を受信することで前記物体を検出する探知装置である請求項１～５のいずれか一項に記載の物体認識装置。
PCT/JP2015/072111 2014-08-06 2015-08-04 複数の物体検出手段を用いた物体認識装置 WO2016021606A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
DE112015003605.9T DE112015003605B4 (de) 2014-08-06 2015-08-04 Mehrere Objekterfassungseinrichtungen verwendende Objekterkennungsvorrichtung
KR1020177005660A KR101961571B1 (ko) 2014-08-06 2015-08-04 복수의 물체 검출 수단을 사용한 물체 인식 장치
CN201580041368.5A CN106574961B (zh) 2014-08-06 2015-08-04 使用多个物体检测单元的物体识别装置
US15/501,786 US10422871B2 (en) 2014-08-06 2015-08-04 Object recognition apparatus using a plurality of object detecting means

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014160680A JP6396714B2 (ja) 2014-08-06 2014-08-06 物体認識装置
JP2014-160680 2014-08-06

Publications (1)

Publication Number Publication Date
WO2016021606A1 true WO2016021606A1 (ja) 2016-02-11

Family

ID=55263868

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/072111 WO2016021606A1 (ja) 2014-08-06 2015-08-04 複数の物体検出手段を用いた物体認識装置

Country Status (6)

Country Link
US (1) US10422871B2 (ja)
JP (1) JP6396714B2 (ja)
KR (1) KR101961571B1 (ja)
CN (1) CN106574961B (ja)
DE (1) DE112015003605B4 (ja)
WO (1) WO2016021606A1 (ja)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6390459B2 (ja) * 2015-02-10 2018-09-19 株式会社デンソー 光軸ずれ検出装置
US10852418B2 (en) * 2016-08-24 2020-12-01 Magna Electronics Inc. Vehicle sensor with integrated radar and image sensors
US9996752B2 (en) * 2016-08-30 2018-06-12 Canon Kabushiki Kaisha Method, system and apparatus for processing an image
JP6637472B2 (ja) * 2017-07-06 2020-01-29 本田技研工業株式会社 情報処理方法及び情報処理装置
DE102017118083B4 (de) 2017-08-09 2022-11-24 Sick Ag Sensor zur Erfassung eines Objekts und Verfahren zum Einstellen eines Schaltpunktes
JP6986962B2 (ja) * 2017-12-28 2021-12-22 株式会社デンソーテン カメラずれ検出装置およびカメラずれ検出方法
JP7127356B2 (ja) * 2018-05-14 2022-08-30 富士通株式会社 データ収集方法、データ収集プログラムおよび情報処理装置
JP6973302B2 (ja) * 2018-06-06 2021-11-24 トヨタ自動車株式会社 物標認識装置
KR20200040391A (ko) * 2018-10-10 2020-04-20 주식회사 만도 차량용 레이더의 보완 장치 및 방법
US11557061B2 (en) * 2019-06-28 2023-01-17 GM Cruise Holdings LLC. Extrinsic calibration of multiple vehicle sensors using combined target detectable by multiple vehicle sensors
JP7412254B2 (ja) * 2020-04-02 2024-01-12 三菱電機株式会社 物体認識装置および物体認識方法

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6714156B1 (en) * 2002-11-22 2004-03-30 Visteon Global Technologies, Inc. Method for correcting radar misalignment
JP2004198159A (ja) * 2002-12-17 2004-07-15 Nissan Motor Co Ltd 車載センサの軸ずれ計測装置
JP2004205398A (ja) * 2002-12-26 2004-07-22 Nissan Motor Co Ltd 車両用レーダ装置およびレーダの光軸調整方法
JP2008232887A (ja) * 2007-03-22 2008-10-02 Omron Corp 物体検知装置、および照射軸調整方法
JP2010249613A (ja) * 2009-04-14 2010-11-04 Toyota Motor Corp 障害物認識装置及び車両制御装置

Family Cites Families (17)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH09142236A (ja) * 1995-11-17 1997-06-03 Mitsubishi Electric Corp 車両の周辺監視方法と周辺監視装置及び周辺監視装置の故障判定方法と周辺監視装置の故障判定装置
JP3331882B2 (ja) * 1995-12-27 2002-10-07 株式会社デンソー 車両用障害物検出装置の中心軸偏向量算出装置，中心軸偏向量補正装置，および車間制御装置
JPH11142520A (ja) * 1997-11-06 1999-05-28 Omron Corp 測距装置の軸調整方法及び軸ずれ検出方法並びに測距装置
JP3922194B2 (ja) * 2003-03-11 2007-05-30 日産自動車株式会社 車線逸脱警報装置
JP2004317507A (ja) * 2003-04-04 2004-11-11 Omron Corp 監視装置の軸調整方法
EP1584946A3 (en) * 2004-04-02 2006-03-22 Omron Corporation Method of adjusting monitor axis of optical sensors
US7706978B2 (en) * 2005-09-02 2010-04-27 Delphi Technologies, Inc. Method for estimating unknown parameters for a vehicle object detection system
US7786898B2 (en) * 2006-05-31 2010-08-31 Mobileye Technologies Ltd. Fusion of far infrared and visible images in enhanced obstacle detection in automotive applications
JP5146716B2 (ja) * 2007-03-01 2013-02-20 マツダ株式会社 車両用障害物検知装置
JP4453775B2 (ja) * 2008-06-27 2010-04-21 トヨタ自動車株式会社 物体検出装置
JP5328491B2 (ja) 2009-06-02 2013-10-30 三菱電機株式会社 レーダ画像処理装置
JP5551892B2 (ja) * 2009-06-19 2014-07-16 富士通テン株式会社 信号処理装置、及びレーダ装置
JP5416026B2 (ja) * 2010-04-23 2014-02-12 本田技研工業株式会社 車両の周辺監視装置
JP2014228943A (ja) * 2013-05-20 2014-12-08 日本電産エレシス株式会社 車両用外界センシング装置、その軸ズレ補正プログラム及びその軸ズレ補正方法
US9898670B2 (en) * 2013-12-13 2018-02-20 Fts Computertechnik Gmbh Method and device for observing the environment of a vehicle
JP6428270B2 (ja) 2014-02-10 2018-11-28 株式会社デンソー 軸ずれ検出装置
US9286679B2 (en) * 2014-07-22 2016-03-15 GM Global Technology Operations LLC Misalignment correction and state of health estimation for lane management fusion function

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6714156B1 (en) * 2002-11-22 2004-03-30 Visteon Global Technologies, Inc. Method for correcting radar misalignment
JP2004198159A (ja) * 2002-12-17 2004-07-15 Nissan Motor Co Ltd 車載センサの軸ずれ計測装置
JP2004205398A (ja) * 2002-12-26 2004-07-22 Nissan Motor Co Ltd 車両用レーダ装置およびレーダの光軸調整方法
JP2008232887A (ja) * 2007-03-22 2008-10-02 Omron Corp 物体検知装置、および照射軸調整方法
JP2010249613A (ja) * 2009-04-14 2010-11-04 Toyota Motor Corp 障害物認識装置及び車両制御装置

Also Published As

Publication number Publication date
US10422871B2 (en) 2019-09-24
DE112015003605T5 (de) 2017-04-27
JP6396714B2 (ja) 2018-09-26
CN106574961B (zh) 2019-09-13
DE112015003605B4 (de) 2023-02-09
DE112015003605T8 (de) 2017-05-18
CN106574961A (zh) 2017-04-19
JP2016038261A (ja) 2016-03-22
KR20170041775A (ko) 2017-04-17
KR101961571B1 (ko) 2019-03-22
US20170227634A1 (en) 2017-08-10

Similar Documents

Publication Publication Date Title
JP6396714B2 (ja) 物体認識装置
JP6361366B2 (ja) 物体認識装置
US10922561B2 (en) Object recognition device and vehicle travel control system
KR101787996B1 (ko) 차선 추정 장치 및 그 방법
US9053554B2 (en) Object detection device using an image captured with an imaging unit carried on a movable body
US10457283B2 (en) Vehicle driving assist apparatus
US11014566B2 (en) Object detection apparatus
CN107305632B (zh) 基于单目计算机视觉技术的目标对象距离测量方法与系统
US10471961B2 (en) Cruise control device and cruise control method for vehicles
US11119210B2 (en) Vehicle control device and vehicle control method
JP6468136B2 (ja) 走行支援装置及び走行支援方法
JP6458651B2 (ja) 路面標示検出装置及び路面標示検出方法
JP2014228943A (ja) 車両用外界センシング装置、その軸ズレ補正プログラム及びその軸ズレ補正方法
JP4753765B2 (ja) 障害物認識方法
US11346922B2 (en) Object recognition apparatus and object recognition method
JP3656056B2 (ja) 割り込み車両検出装置及びその方法
JP3823782B2 (ja) 先行車両認識装置
JP2005329779A (ja) 障害物認識方法及び障害物認識装置
JP3925285B2 (ja) 走行路環境検出装置
JP2012014520A (ja) 障害物検出装置
JP2020076580A (ja) 軸ずれ推定装置
JP2020047059A (ja) 車両の走行環境検出装置及び走行制御システム
US20230243923A1 (en) Method for detecting intensity peaks of a specularly reflected light beam
JP2005332120A (ja) 障害物認識方法及び障害物認識装置
JP2018018215A (ja) 物体特徴点検知装置

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15829147

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 112015003605

Country of ref document: DE

ENP Entry into the national phase

Ref document number: 20177005660

Country of ref document: KR

Kind code of ref document: A

122 Ep: pct application non-entry in european phase

Ref document number: 15829147

Country of ref document: EP

Kind code of ref document: A1