JP2012123471A - 物体認識装置 - Google Patents

Abstract

【課題】移動物の認識を精度良く、且つ、より迅速に行うことを可能にする。
【解決手段】現時点におけるマッピング処理で絶対座標系上のグリッドセルに座標位置を割り当てられたか否かの情報と、マッピング処理での座標位置の割り当ての有無の尤もらしさについて予め定められた尤度情報と、ベイズ推定における事前確率としての現時点の直近の過去についてのグリッドセルの占有確率とをもとに、ベイズ推定を用いて現時点での各グリッドセルにおける占有確率を算出し、算出した占有確率をもとに、占有確率が所定の範囲にあるグリッドセルに割り当てられた座標位置の集合に対応する物体を移動物として認識する
【選択図】図２

Description

本発明は、移動物の認識を行う物体認識装置に関するものである。

例えば、特許文献１には、静止物と移動物とを区別して認識することができる歩行者認識装置が開示されている。この歩行者認識装置においては、レーザレーダで反射物体（つまり、反射点）の位置を検出し、複数のメッシュに分割された絶対座標系上の位置を決定する。続いて、レーザレーダによる検出周期の数が所定回数（例えば４回）となったときに連続して同一メッシュ内に反射点の位置データが存在する場合には、そのメッシュには静止物が位置するものとみなしてその位置データを削除していくことで、絶対座標系に移動物の位置データのみを残していく。そして、移動物のものとみなした位置データのうち近接するもの同士をグルーピングすることで歩行者の認識を行う。

特開２００８−２６９９７号公報

しかしながら、特許文献１に開示の歩行者認識装置では、静止物の位置データを特定した後でなければ移動物の位置データを特定することができないので、移動物を特定するのに、静止物を特定するのにかかる時間よりも多くの時間が必要となる。これに加え、静止物の位置データの特定には、レーザレーダによる反射点の位置の検出を例えば４回といった複数回行う必要があるので、移動物の位置データを特定して歩行者を認識するのに時間がかかるという問題点があった。レーザレーダによる反射点の位置の検出を例えば４回といった複数回行うのは、誤検出の影響を抑えて歩行者の認識の精度を上げるためと考えられる。

本発明は、上記従来の問題点に鑑みなされたものであって、その目的は、移動物の認識を精度良く、且つ、より迅速に行うことを可能にする物体認識装置を提供することにある。

請求項１の物体認識装置においては、測距センサにおける探査波の送信および反射波の受信の結果をもとに決定した絶対座標系における物体の座標位置を、当該絶対座標系を所定の大きさの区画単位に分割した区画にマッピング手段で逐次割り当てることになる。そして、所定の時点とその直近の過去とのそれぞれにおけるマッピング手段で座標位置を割り当てられたか否かの情報に応じて定まる、当該所定の時点での各区画における占有確率（各区画における物体が実際に存在し続けていた確かさの割合）を算出し、占有確率が所定の範囲にある区画に割り当てられた座標位置に対応する物体を移動物として認識することになる。

占有確率は、各区画における物体が実際に存在し続けていた確かさの割合であるので、占有確率が高くなるほど物体がその区画に静止し続けている可能性が高く、占有確率が低くなるほど物体がその区画に存在しない可能性が高い。そして、占有確率がそれらの中間の場合には、物体がその区画に移動してきた可能性が高い。請求項１の構成によれば、占有確率が所定の範囲にある区画に割り当てられた座標位置に対応する物体を移動物として認識するので、物体が移動してきた可能性が高い区画に割り当てられた座標位置に対応する物体を移動物としてより精度良く認識することが可能になる。

占有確率は所定の時点とその直近の過去とのマッピング手段で座標位置を割り当てられたか否かの情報に応じて定まるので、多くてもマッピング手段での座標位置の割り当ての処理を２回行いさえすれば占有確率を算出することができ、移動物の認識にかかる時間をより短く抑えることができる。また、静止物を先に認識することが移動物を認識するための必須の条件ではないので、静止物を特定するのにかかる時間よりも多くの時間を移動物の特定に必要としなくても済むようにできる。

請求項２の構成においては、所定の時点におけるマッピング手段で前記座標位置を割り当てられたか否かの情報（以下、割り当て情報）と、マッピング手段での座標位置の割り当ての有無の尤もらしさについて予め定められた尤度情報と、ベイズ推定における事前確率としての当該所定の時点の直近の過去についての占有確率とをもとに、ベイズ推定を用いて当該所定の時点での各区画における占有確率を算出することになる。

ベイズ推定では、事前確率に尤度関数を掛けることによって、目的とする確率を少ない試行回数で精度良く求めることができる。請求項２の構成によれば、所定の時点における割り当て情報と尤度情報と当該所定の時点の直近の過去についての占有確率とをもとにベイズ推定を用いて占有確率を算出するので、所定の時点での各区画における占有確率を迅速かつ精度良く算出することができる。その結果、移動物の認識をさらに精度良く、且つ、より迅速に行うことが可能になる。

請求項３の構成においては、座標位置を割り当てられた区画のうち、お互いが隣接するものについてはグルーピング手段でグループにまとめ、そのグループについての占有確率（グループ占有確率）を算出し、グループ占有確率が所定の範囲にあるグループに含まれる座標位置の集合に対応する物体を移動物として認識することになる。これによれば、反射波が得られた物体が、ある物体の一部分であった場合に、ある物体の構成部分のデータ同士をグループにまとめて扱うことが可能になる。

請求項４の構成においては、グループ占有確率が所定の範囲にあるグループのうち、残像区画検出手段で検出した残像区画（過去には座標位置が割り当てられていた区画）が所定個数以上隣接しているグループについて、そのグループに含まれる座標位置の集合に対応する物体を移動物として認識することになる。座標位置を割り当てられた区画が残像区画に隣接している場合には、当該座標位置に対応する物体がその残像区画から移動してきた可能性が高いと考えられることから、残像区画が所定個数以上隣接しているグループに含まれる座標位置の集合に対応する物体は移動物である可能性が高い。よって、以上の構成によれば、移動物の認識の精度をさらに高めることが可能になる。

請求項５の構成においては、占有確率が所定の範囲にある区画のうち、残像区画検出手段で検出した残像区画が所定個数以上隣接している区画について、その区画に割り当てられた座標位置に対応する物体を移動物として認識することになる。座標位置を割り当てられた区画が残像区画に隣接している場合には、当該座標位置に対応する物体がその残像区画から移動してきた可能性が高いと考えられることから、残像区画が所定個数以上隣接している区画に割り当てられた座標位置に対応する物体は移動物である可能性が高い。よって、以上の構成によっても、請求項４の構成と同様に移動物の認識の精度をさらに高めることが可能になる。

請求項６の構成によれば、測距センサの探査波が到達不能な領域である検出不能領域に該当する区画を残像区画として検出しないようにすることが可能になるので、検出不能領域に該当する区画を残像区画として検出した場合に生じる移動物の誤認識を防ぐことが可能になる。

請求項７の構成においては、占有確率が所定の範囲を超える区画に割り当てられた座標位置か占有確率が所定の範囲を超える区画に割り当てられた座標位置かに応じて、物体が移動物か静止物かを認識手段で認識することになる。よって、物体が移動物か静止物かの区別は同じタイミングで行われることになり、移動物の認識を静止物の認識にかかるのと同じ時間で行うことができる。

物体認識システム１００の概略的な構成を示すブロック図である。 ＥＣＵ２での移動体の認識に関する動作フローを示すフローチャートである。 グループの占有確率の算出を説明するための模式図である。 移動候補グループと静止グループとの判別を説明するための模式図である。 残像セルの検出を説明するための模式図である。 従来技術と本願発明との効果の比較を説明するための図である。

以下、本発明の実施形態について図面を用いて説明する。図１は、本発明が適用された物体認識システム１００の概略的な構成を示すブロック図である。図１に示す物体認識システム１００は、車両に搭載されるものであり、測距センサ１およびＥＣＵ（electronic control unit）２を含んでいる。なお、本実施形態では、物体認識システム１００は、車両の周囲、特に車両の前方に位置する移動物を検出する。

測距センサ１は、例えばレーザレーダであって、発光部１１、受光部１２、および時間計測部１３を備えている。発光部１１および受光部１２は、自車両の前方に存在する物体を検出できるように、自車両の前部に設けられる。

発光部１１は、レーザダイオードを備えており、ＥＣＵ２からの駆動信号に従って、車幅方向および車高方向それぞれの所定角度の範囲で不連続にパルス状のレーザ光を掃引照射（スキャン）する。これら車幅方向および車高方向それぞれにレーザ光が照射される角度範囲によって、レーザレーダの検知エリアが規定される。

受光部１２は、発光部１１から照射されたレーザ光が物体に反射された反射光を受光レンズで受光し、受光素子（フォトダイオード）に与える。受光素子は、反射光の強度に対応する電圧を出力する。この受光素子の出力電圧は、増幅器にて増幅された後にコンパレータに出力される。コンパレータは増幅器の出力電圧を基準電圧と比較し、出力電圧が基準電圧よりも大きくなったとき、所定の受光信号を時間計測部１３へ出力する。

時間計測部１３には、ＥＣＵ２から発光部１１へ出力される駆動信号も入力されている。この時間計測部１３は、駆動信号を出力してから受光信号が発生するまでの時間、すなわちレーザ光を出射した時刻と反射光を受光した時刻との時間差を計測し、この時間差の情報（以下、計測時間情報）をＥＣＵ２に入力する。

発光部１１が実際に自車両の前方に存在する物体を検出するためにレーザ光を照射する際には、照射エリア（つまり、検知エリア）内を定められたパターンで順番にレーザ光がスキャンするようにＥＣＵ２から発光部１１に駆動信号が出力される。このように、レーザ光がスキャンするパターンが定められているので、反射光を受光した場合には、その反射光が得られたレーザ光の照射角度が一義的に定まるようになっている。

ＥＣＵ２は、ＣＰＵ、ＲＯＭ、ＲＡＭ、バックアップＲＡＭ等よりなるマイクロコンピュータを主体として構成され、入力される情報をもとに、ＲＯＭに記憶された各種の制御プログラムを実行することで各種の処理を実行する。ＥＣＵ２は、請求項の物体認識装置に相当する。

ＥＣＵ２は、測距センサ１の時間計測部１３から計測時間情報（つまり、レーザ光の出射時刻と反射光の受光時刻との時間差）が入力された場合、その時間差に基づいて物体までの距離を算出する。ＥＣＵ２は、算出した物体までの距離と反射光が得られたレーザ光の照射角度とをもとにして、物体（詳しくはレーザ光の反射点）の位置データを作成する。詳しくは、発光部１１および受光部１２の中心を原点（０，０，０）とし、車幅方向をＸ軸、車両前後方向をＹ軸、高さ方向をＺ軸とするセンサ座標系におけるＸ座標、Ｙ座標、およびＺ座標を求める。つまり、発光部１１および受光部１２の中心（つまり、自車両の位置に相当）に対する物体の相対的な位置を求める。

ＥＣＵ２には、さらに自車両の走行速度を検出する車速センサ、自車両に作用するヨーレートの大きさを検出するヨーレートセンサ、およびステアリングホイールの操舵角を検出する操舵角センサなどからセンサ信号が入力される。ＥＣＵ２は、これらのセンサからのセンサ信号を用いて、自車両の移動量を算出する。

ここで、図２を用いて、ＥＣＵ２での移動物の認識に関する動作フローについての説明を行う。図２は、ＥＣＵ２での移動物の認識に関する動作フローを示すフローチャートである。本フローは、例えば自車両のＩＧスイッチやＡＣＣスイッチがオンされ、物体認識システム１００に電力が供給されたときに開始される。また、本フローは、物体認識システム１００への電力の供給が停止されたときに終了する。

なお、本フローは、車速センサのセンサ信号をもとに自車両の速度が例えば５ｋｍ／ｈ等の所定値（車速センサの検出限界の速度など）よりも大きくなったときに開始され、自車両の速度が所定値以下になったときに終了する構成としてもよい。

まず、ステップＳ１では、観測処理を行ってステップＳ２に移る。観測処理では、測距センサ１に駆動信号を出力し、検知エリアに向けてレーザ光を掃引照射させるとともに、測距センサ１から出力される計測時間情報の入力を受け付ける。なお、測距センサ１による測定周期は例えば１００ｍｓｅｃに設定される。

ステップＳ２では、マッピング処理を行ってステップＳ３に移る。マッピング処理では、測距センサ１から入力された計測時間情報（つまり、レーザ光の出射時刻と反射光の受光時刻との時間差）に基づいて反射点までの距離を算出し、前述したようにセンサ座標系における反射点の位置データを作成する。

また、マッピング処理では、自車両の車速、ヨーレート、操舵角などを用いて自車両の移動量を算出し、算出した自車両の移動量に基づいて、絶対座標系における自車両位置を算出する。絶対座標系の原点となる地点は、任意に設定可能であるが、例えば測距センサ１による計測を開始した時点（ｔ＝０）における発光部１１および受光部１２の中心を原点とする。絶対座標系は、車幅方向をＸ軸、車両前後方向をＹ軸、高さ方向をＺ軸とする。

絶対座標系における自車両位置の算出は、例えば特許文献１に開示されているのと同様にして、前後２輪モデルを使用して算出した自車両の移動量に基づいて行う構成とすればよい。なお、自車両の移動量は、前後２輪モデル等の車両モデルにあてはめて算出する以外にも、測距センサ１による測定で得られる固定物の位置データを使ったスキャンマッチングによる自己位置の推定、自車両（例えば４輪車両の場合）の４輪の車輪速度差、ＧＰＳによって検出される自車両の位置変化の情報等を利用して算出する構成としてもよい、
そして、絶対座標系における自車両の位置を定めた後に、センサ座標系の位置データ（座標位置）を用いて、各反射点の絶対座標系における位置を求める。つまり、センサ座標系における反射点の位置データを絶対座標系における位置データに変換する。具体的には、センサ座標系における反射点の座標位置を、絶対座標系における座標位置に変換するためには、センサ座標系の車両前後方向（Ｙ軸）を絶対座標系における自車両の進行方向に一致するようにセンサ座標系を回転させつつ、自車両の絶対座標系における座標位置に基づいて、車幅方向（Ｘ軸）、車両前後方向（Ｙ軸）、高さ方向（Ｚ軸）の３次元座標を絶対座標系に当てはめればよい。よって、ステップＳ２が請求項の絶対位置決定手段に相当する。

絶対座標系は、ある大きさを持ったグリッドセル（例えば５０ｃｍ^３）に分割されており、絶対座標系における座標位置に変換された座標位置は、その座標位置に応じたグリッドセルに割り当てられることになる。よって、ステップＳ２が請求項のマッピング手段に相当し、グリッドセルが請求項の区画に相当する。なお、以降では便宜上、車幅方向（Ｘ軸）および車両前後方向（Ｙ軸）の２軸の平面に並ぶグリッドセルを用いて説明を行うものとするが、車幅方向（Ｘ軸）および高さ方向（Ｚ軸）、車両前後方向（Ｙ軸）および高さ方向（Ｚ軸）の２軸の平面に並ぶグリッドセルについても同様であるものとする。

ステップＳ３では、グルーピング処理を行ってステップＳ４に移る。グルーピング処理では、ステップＳ２で座標位置を割り当てられたグリッドセルのうち、お互いが隣接するグリッドセル同士についてはグループにまとめる。よって、ステップＳ３が請求項のグルーピング手段に相当する。

ステップＳ４では、絶対座標系の各グリッドセルの占有確率を算出する。よって、ステップＳ４が請求項の占有確率算出手段に相当する。グリッドセルの占有確率は、グリッドセルに座標位置が割り当てられたか否かに応じて、ベイズ推定を用いて算出する。以下では、座標位置が割り当てられたグリッドセルを占有セル、座標位置が割り当てられなかったグリッドセルを非占有セルと呼ぶ。

占有セルについては、以下の（１）式から占有確率を算出する。（１）式において、ｐ（ｘ_ｔ｜ｚ_ｔ）は、グリッドセルに座標位置が割り当てられた（つまり、グリッドセル内の反射点が観測された）場合に、そのグリッドセルに実際に反射点が存在する確率を示している。ｐ（ｘ_ｔ）はベイズ推定における事前確率であって、グリッドセルに実際に反射点が存在する確率を示している。ｐ（ｘ_―ｔ）はグリッドセルに実際に反射点が存在しない確率を示しており、ｐ（ｘ_―ｔ）＝１−ｐ（ｘ_ｔ）と表される。ｘ_―ｔの部分には、以下の記号１が本来は当てはまり、以降の数式以外の文章においても同様であるものとする。

また、ｐ（ｘ_ｔ）は、過去の時点についての占有確率が算出済みの場合には、ｐ（ｘ_ｔ）＝ｐ（ｘ_ｔ−１｜ｚ_ｔ−１）となるが、測距センサ１による計測を開始した時点（ｔ＝０）のように、過去の時点についての占有確率が算出済みでない場合には、確率は１／２であるのでｐ（ｘ₀）＝０．５となる。さらに、ｐ（ｚ_ｔ｜ｘ_ｔ）およびｐ（ｚ_ｔ｜ｘ_―ｔ）は予め定められた定数であって、ｐ（ｚ_ｔ｜ｘ_ｔ）はベイズ推定における尤度にあたる。ｐ（ｚ_ｔ｜ｘ_ｔ）は、物体が存在するときに物体（反射点）が観測される確率に相当し、ｐ（ｚ_ｔ｜ｘ_―ｔ）は物体が存在しないときに物体（反射点）が観測される確率に相当する。ｐ（ｚ_ｔ｜ｘ_ｔ）およびｐ（ｚ_ｔ｜ｘ_―ｔ）は、測距センサ１の測定精度に応じて設定すればよく、本実施形態では、ｐ（ｚ_ｔ｜ｘ_ｔ）＝０．８、ｐ（ｚ_ｔ｜ｘ_―ｔ）＝０．１とする。なお、０．０００１≦ｐ（ｘ_ｔ｜ｚ_ｔ）≦０．９９９９であるものとする。

非占有セルについては、以下の（２）式から占有確率を算出する。（２）式において、ｐ（ｘ_ｔ｜ｚ_―ｔ）は、グリッドセルに座標位置が割り当てられなかった（つまり、グリッドセル内の反射点が観測された）場合に、そのグリッドセルに実際に反射点が存在する確率を示している。ｐ（ｘ_ｔ）、ｐ（ｘ_―ｔ）については（１）式に説明したのと同様である。ｐｚ_―ｔの部分には、以下の記号２が本来は当てはまり、以降の数式以外の文章においても同様であるものとする。

また、ｐ（ｚ_―ｔ｜ｘ_ｔ）およびｐ（ｚ_―ｔ｜ｘ_―ｔ）は予め定められた定数であって、ｐ（ｚ_―ｔ｜ｘ_ｔ）はベイズ推定における尤度にあたる。ｐ（ｚ_―ｔ｜ｘ_ｔ）は、物体が存在するときに物体（反射点）が観測されない確率に相当し、ｐ（ｚ_―ｔ｜ｘ_―ｔ）は物体が存在しないときに物体（反射点）が観測されない確率に相当する。ｐ（ｚ_―ｔ｜ｘ_ｔ）はｐ（ｚ_―ｔ｜ｘ_ｔ）＝１−ｐ（ｚ_ｔ｜ｘ_ｔ）と表され、ｐ（ｚ_―ｔ｜ｘ_―ｔ）は、ｐ（ｚ_―ｔ｜ｘ_―ｔ）＝１−ｐ（ｚ_ｔ｜ｘ_―ｔ）と表される。本実施形態では、ｐ（ｚ_―ｔ｜ｘ_ｔ）＝０．２、ｐ（ｚ_―ｔ｜ｘ_―ｔ）＝０．９となる。なお、０．０００１≦ｐ（ｘ_ｔ｜ｚ_―ｔ）≦０．９９９９であるものとする。

グリッドセルがオクルージョン領域に該当する場合には、そのグリッドセルについては占有確率の算出を行わないものとする。オクルージョン領域とは、レーザ光が到達不能な領域のことであって、測距センサ１の検知エリア外の領域や物体の陰に相当する領域を指している。検知エリア外の領域については、スキャンの範囲をもとにＥＣＵ２で特定する構成とすればよい。また、物体の陰に相当する領域については、反射波が得られたときのレーザ光の照射角度から、レーザ光を反射した物体によってレーザ光が遮られる範囲を推定することで特定する構成とすればよい。よって、ＥＣＵ２が請求項の検出不能領域判断手段に相当する。なお、グリッドセルがオクルージョン領域に該当する場合には、占有確率を０．５としてもよい。

グリッドセルがオクルージョン領域に該当するか否かは、例えばグリッドセルが一部でもオクルージョン領域を含んでいる場合にオクルージョン領域に該当すると判定する構成としてもよいし、グリッドセルの半分以上などの所定の範囲を超えるオクルージョン領域を含んでいる場合にオクルージョン領域に該当すると判定する構成としてもよい。

なお、本実施形態では、グルーピング処理を行った後に、絶対座標系の各グリッドセルの占有確率を算出する構成を示したが、必ずしもこれに限らない。例えば、絶対座標系の各グリッドセルの占有確率を算出した後に、グルーピング処理を行う構成としてもよい。

ステップＳ５では、グループの占有確率（以下、グループ占有確率）の算出を行ってステップＳ６に移る。よって、ステップＳ５が請求項のグループ占有確率算出手段に相当する。グループ占有確率は、ステップＳ４で算出した各グリッドセルにおける占有確率とステップＳ２で各グリッドセルに割り当てられた座標位置の数とをもとに座標位置の比重に従って算出する。

ここで、図３を用いて、グループの占有確率の算出の具体例を示す。図３は、グループの占有確率の算出を説明するための模式図である。図中の各升目がグリッドセルを示しており、升目の中の数字が各グリッドセルの占有確率を示している。また、破線で囲ったグリッドセル群がグループ（以下、グループＢＣＤＥ）を示しており、枠Ａで示す点の集合がグループＢＣＤＥに含まれる座標位置群を示している。

図３の例では、Ｂで示すグリッドセルは含まれる座標位置の数が５つで占有確率は０．１、Ｃで示すグリッドセルは含まれる座標位置の数が２つで占有確率が０．３、Ｄで示すグリッドセルは含まれる座標位置の数が１つで占有確率が０．２、Ｅで示すグリッドセルは含まれる座標位置の数が１つで占有確率が０．５である。この場合には、グループ占有確率は、（０．１×５＋０．３×２＋０．２×１＋０．５×１）／９＝０．２となる。

ステップＳ６では、ステップＳ５で算出したグループ占有確率をもとに、移動候補グループか否かの判別（つまり、移動候補グループと静止グループとの判別）を行う。詳しくは、グループ占有確率が所定の下限の閾値以上、且つ、所定の上限の閾値以下（つまり、所定の範囲）である場合には、移動候補グループと判別（ステップＳ６でＹＥＳ）し、ステップＳ７に移る。一方、グループ占有確率が所定の上限の閾値よりも大きい（つまり、所定の範囲を超える）場合には、静止グループと判別（ステップＳ６でＮＯ）し、ステップＳ１０に移る。なお、所定の上限の閾値および所定の下限の閾値は任意に設定可能な値である。

ここで、図４を用いて、移動候補グループと静止グループとの判別の具体例を示す。図４は、移動候補グループと静止グループとの判別を説明するための模式図である。図４の例では、所定の上限の閾値が０．９２、所定の下限の閾値が０．００２であるものとする。また、図４に示すグループは図３で示すグループＢＣＤＥであり、グループ占有確率は０．２である。

図４の例では、グループ占有確率が０．００２以上、且つ、０．９２以下の範囲にある場合に移動候補グループと判別され、グループ占有確率が０．９２よりも大きい場合に静止グループと判別される。グループＢＣＤＥのグループ占有確率は０．２であるので、図４の例では、グループＢＣＤＥが移動候補グループと判別されることになる。

ステップＳ７では、残像セル探索処理を行ってステップＳ８に移る。残像セル探索処理では、絶対座標系の各グリッドセルのうちから、前述のオクルージョン領域に該当せず、且つ、ステップＳ２で座標位置を割り当てられていないグリッドセルであって、所定の下限の閾値以上、且つ、所定の上限の閾値以下（つまり、所定の範囲）であるグリッドセルを残像セルとして検出する。よって、ステップＳ７が請求項の残像区画検出手段に相当する。

ここで、図５を用いて、残像セルの検出の具体例を示す。図５は、残像セルの検出を説明するための模式図である。図５に示すＢ〜Ｅで示すグリッドセルからなるグループは図３で示すグループＢＣＤＥである。図５の例では、Ｆ〜Ｈで示すグリッドセルが占有確率０．４である他は、Ｂ〜Ｈ以外のグリッドセルの占有確率は０．００１であるものとする。また、所定の上限の閾値および所定の下限の閾値は、移動候補グループと静止グループとの判別に用いたのと同様の値であるものとする。なお、図５の例では、オクルージョン領域に該当するグリッドセルは存在しないものとする。

図５の例では、座標位置を割り当てられていないグリッドセルのうち、占有確率が０．００２以上、且つ、０．９２以下の範囲にあるものは、Ｆ〜Ｈで示すグリッドセルであるので、Ｆ〜Ｈで示すグリッドセルが残像セルとして検出されることになる。

なお、残像セルの検出に用いる所定の上限の閾値および所定の下限の閾値は、移動候補グループと静止グループとの判別に用いた所定の上限の閾値および所定の下限の閾値とは別の値とする構成としてもよい。また、ステップＳ２で座標位置を割り当てられていないグリッドセルの占有確率は大きくはならないため、残像セル探索処理では、絶対座標系の各グリッドセルのうちから、前述のオクルージョン領域に該当せず、且つ、ステップＳ２で座標位置を割り当てられていないグリッドセルであって、所定の下限の閾値以上であるグリッドセルを残像セルとして検出する構成としてもよい。

ステップＳ８では、移動候補グループの近傍に残像セルが２個以上（つまり、複数）存在するか否かを判定する。そして、複数存在した場合（ステップＳ８でＹＥＳ）には、ステップＳ９に移る。また、複数存在しなかった場合（ステップＳ８でＮＯ）には、ステップＳ１０に移る。ここで言うところの近傍とは、例えば移動候補グループからグリッドセル所定個数分の範囲内である。例えば移動候補グループからグリッドセル数個分の範囲内などとしてもよいし、移動候補グループからグリッドセル１個分の範囲内（つまり、移動候補グループに隣接）としてもよい。

ステップＳ９では、移動物判定処理を行ってステップＳ１に戻り、フローを繰り返す。移動物判定処理では、残像セルが複数隣接している移動候補グループに含まれる座標位置の集合を移動物と判定する。移動物判定処理では、座標位置の集合の占める範囲の大きさに応じて、歩行者などの移動物の種類まで判定する構成としてもよい。

例えば、図５に示した例では、移動候補グループであるグループＢＣＤＥに隣接する残像セルはＦ〜Ｈの３つであるので、グループＢＣＤＥに含まれる座標位置の集合が移動物と判定されることになる。なお、本実施形態では、隣接する残像セルが複数存在する場合に、移動候補グループに含まれる座標位置の集合を移動物と判定する構成を示したが、必ずしもこれに限らない。例えば、隣接する残像セルが１つでも存在する場合に、移動候補グループに含まれる座標位置の集合を移動物と判定する構成としてもよい。

ステップＳ１０では、静止物判定処理を行ってステップＳ１に戻り、フローを繰り返す。静止物判定処理では、グループに含まれる座標位置の集合を静止物と判定する。よって、ステップＳ８〜ステップＳ１０が請求項の認識手段に相当する。

本フローが繰り返され、所定の時点（例えば現時点）において、その直近の過去の時点での各グリッドセルの占有確率が算出済みとなった場合には、ステップＳ４では、直近の過去の時点の占有確率ｐ（ｘ_ｔ−１｜ｚ_ｔ−１）を現時点での事前確率ｐ（ｘ_ｔ）として用いて、現時点での各グリッドセルにおける占有確率を算出することになる。

直近の過去の時点の占有確率ｐ（ｘ_ｔ−１｜ｚ_ｔ−１）を現時点での事前確率ｐ（ｘ_ｔ）として用いて、現時点での各グリッドセルにおける占有確率を算出すると、前述の（１）式から明らかなように、物体が存在し続けているグリッドセルは、占有確率が１に近い値になっていく。また、物体が存在しない状態が続いているグリッドセルは、占有確率が０に近い値になっていき、物体が存在する状態が変化したグリッドセルは、それらの中間の値（物体が存在し続けているグリッドセルに比べて小さい値）になる。

このように、占有確率は、各グリッドセルにおける物体が実際に存在し続けていた確かさの割合であり、本実施形態の構成によれば、占有確率が所定の範囲にあるグリッドセルに割り当てられた座標位置に対応する物体を移動物として認識するので、物体が移動してきた可能性が高いグリッドセルに割り当てられた座標位置に対応する物体を移動物としてより精度良く認識することが可能になる。

ベイズ推定では、事前確率に尤度関数を掛けることによって、目的とする確率を少ない試行回数で精度良く求めることができるが、以上の構成によれば、現時点における割り当て情報と尤度と現時点の直近の過去についての占有確率とをもとにベイズ推定を用いて占有確率を算出するので、現時点での各グリッドセルにおける占有確率を迅速かつ精度良く算出することができる。

また、以上の構成によれば、測距センサ１の探査波が到達不能な領域（以下、検出不能領域）に該当するグリッドセルを残像セルとして検出しないようにするので、検出不能領域に該当するグリッドセルを残像セルとして検出した場合に生じる移動物の誤認識を防ぐことができる。

ここで、本発明における作用効果について、具体的に図６を用いて説明を行う。特許文献１に開示の歩行者認識装置によって歩行者の認識を行った場合の誤認識の回数と、物体認識システム１００によって歩行者の認識を行った場合の誤認識の回数とを比較したところ、特許文献１に開示の歩行者認識装置に比べ、物体認識システム１００の方が誤認識の回数が少なかった。

また、特許文献１に開示の歩行者認識装置では、静止物を認識するために、レーザ光を掃引照射（スキャン）して物体の座標位置を絶対座標系上のメッシュ（つまり、グリッドセル）に割り当てる作業を繰り返すが、誤認識を低く抑えるためには、この作業を７スキャン分は繰り返す必要がある。そして、静止物を認識した後に、移動物を認識するので、上記作業の８スキャン分に相当する時間がかかることになる。

これに対して、本実施形態では、現時点における割り当て情報と尤度と現時点の直近の過去についての占有確率とをもとにベイズ推定を用いて占有確率を算出し、移動物か静止物かの認識を行うことになる。本実施形態では、測距センサ１の測定精度をベイズ推定における尤度に組み込んでいるので、少ない試行回数でも誤認識を低く抑えて移動物か静止物かの認識を行うことができる。具体的には、レーザ光を掃引照射（スキャン）して物体の座標位置を絶対座標系上のメッシュ（つまり、グリッドセル）に割り当てる作業の２スキャン分に相当する時間で移動物の認識も静止物の認識も行うことができる。つまり、特許文献１に開示の歩行者認識装置に比べ、移動物の認識を精度良く、且つ、より迅速に行うことができる。

なお、本実施形態では、センサ座標系の車両前後方向（Ｙ軸）を絶対座標系における自車両の進行方向に一致するようにセンサ座標系を回転させつつ、自車両の絶対座標系における座標位置に基づいて、車幅方向（Ｘ軸）、車両前後方向（Ｙ軸）、高さ方向（Ｚ軸）の３次元座標を絶対座標系に当てはめることによって、センサ座標系における反射点の座標位置を、絶対座標系における座標位置に変換する構成を示したが、必ずしもこれに限らない。例えば、センサ座標系の車両前後方向（Ｙ軸）を絶対座標系における自車両の進行方向に一致するようにセンサ座標系を回転させつつ、自車両の絶対座標系における座標位置に基づいて、車幅方向（Ｘ軸）および車両前後方向（Ｙ軸）の２次元座標を絶対座標系に当てはめる構成としてもよい。

また、本実施形態では、移動候補グループに隣接する残像セルが複数存在するか否かを判定し、複数存在した場合に、その移動候補グループに含まれる座標位置の集合を移動物と判定する構成を示したが、必ずしもこれに限らない。例えば、占有確率が０．００２以上、且つ、０．９２以下の範囲にあるグリッドセル（以下、移動候補セル）に隣接する残像セルが複数存在するか否かを判定し、複数存在した移動候補セル同士をグループにまとめ、そのグループに含まれる座標位置の集合を移動物と判定する構成としてもよい。

なお、本実施形態では、測距センサ１としてレーザレーダを用いる構成を示したが、必ずしもこれに限らない。超音波センサや赤外線センサなど、探査波の送信およびその探査波の反射波の受信の結果をもとに物体の距離や位置を測定するものであれば、測距センサ１として用いることができる。

また、本実施形態では、ベイズ推定を用いてグリッドセルの占有確率を算出する構成を示したが、必ずしもこれに限らない。例えば、所定の時点（例えば現時点）におけるマッピング処理でグリッドセルに座標位置を割り当てられたか否かの情報とその直近の過去におけるマッピング処理でグリッドセルに座標位置を割り当てられたか否かの情報とをもとに応じて定まる占有確率を推定可能な手法であれば他の方法を用いてグリッドセルの占有確率を算出する構成としてもよい。

なお、本発明は、上述した各実施形態に限定されるものではなく、請求項に示した範囲で種々の変更が可能であり、異なる実施形態にそれぞれ開示された技術的手段を適宜組み合わせて得られる実施形態についても本発明の技術的範囲に含まれる。

１ 測距センサ、２ ＥＣＵ（物体認識装置、検出不能領域判断手段）、１１ 発光部、１２ 受光部、１３ 時間計測部、１００ 物体認識システム、Ｓ２ 絶対位置決定手段、マッピング手、Ｓ３ グルーピング手段、Ｓ４ 占有確率算出手段、Ｓ５ グループ占有確率算出手段、Ｓ７ 残像区画検出手段、Ｓ８〜Ｓ１０ 認識手段

Claims (7)

1. 車両に搭載され、
   所定の周期で探査波を送信させるとともにその探査波が物体によって反射された反射波を受信する測距センサにおける探査波の送信および反射波の受信の結果をもとに、所定の位置を原点とする絶対座標系における当該物体の座標位置を逐次決定する絶対位置決定手段と、
   前記絶対位置決定手段で絶対座標系における前記物体の座標位置を決定するごとに、当該絶対座標系を所定の大きさの区画単位に分割した各区画のうちの当該座標位置に対応する区画に、当該座標位置を割り当てるマッピング手段と、を備える物体認識装置であって、
   所定の時点において前記マッピング手段で前記座標位置を割り当てられたか否かの情報と当該所定の時点の直近の過去において前記マッピング手段で前記座標位置を割り当てられたか否かの情報とに応じて定まる、当該所定の時点での前記各区画における前記物体が実際に存在し続けていた確かさの割合である占有確率を算出する占有確率算出手段と、
   前記占有確率算出手段で算出した占有確率をもとに、占有確率が所定の範囲にある区画に割り当てられた座標位置に対応する物体を移動物として認識する認識手段とを備えることを特徴とする物体認識装置。
2. 請求項１において、
   前記占有確率算出手段は、前記所定の時点における前記マッピング手段で前記座標位置を割り当てられたか否かの情報と、前記マッピング手段での前記座標位置の割り当ての有無の尤もらしさについて予め定められた尤度情報と、ベイズ推定における事前確率としての当該所定の時点の直近の過去についての前記占有確率とをもとに、ベイズ推定を用いて当該所定の時点での前記各区画における占有確率を算出するものであって、
   当該過去についての前記占有確率が既に算出済みである場合には、算出済みの当該占有確率を当該所定の時点での前記各区画における占有確率の算出に用いる一方、当該過去についての前記占有確率が算出済みでない場合には、予め定めた値を当該占有確率として当該所定の時点での前記各区画における占有確率の算出に用いることを特徴とする物体認識装置。
3. 請求項１または２において、
   前記マッピング手段で前記座標位置を割り当てられた区画のうち、お互いが隣接するものについてはグループにまとめるグルーピング手段と、
   前記占有確率算出手段で算出した前記各区画における占有確率とその各区画に割り当てられた前記座標位置の数とをもとに、前記グルーピング手段でまとめたグループについての前記占有確率であるグループ占有確率を算出するグループ占有確率算出手段とをさらに備え、
   前記認識手段は、前記グループ占有確率算出手段で算出したグループ占有確率をもとに、グループ占有確率が所定の範囲にあるグループに含まれる座標位置の集合に対応する物体を移動物として認識することを特徴とする物体認識装置。
4. 請求項３において、
   前記マッピング手段で前記座標位置を割り当てられていないこと、および前記占有確率算出手段で算出した占有確率が所定値よりも大きいことをもとに、過去には前記座標位置が割り当てられていた区画である残像区画を前記各区画のうちから検出する残像区画検出手段をさらに備え、
   前記認識手段は、前記グループ占有確率算出手段で算出したグループ占有確率が所定の範囲にあるグループのうち、前記残像区画検出手段で検出した残像区画が近傍に所定個数以上存在しているグループについて、そのグループに含まれる座標位置の集合に対応する物体を移動物として認識することを特徴とする物体認識装置。
5. 請求項１または２において、
   前記マッピング手段で前記座標位置を割り当てられていないこと、および前記占有確率算出手段で算出した占有確率が所定値よりも大きいことをもとに、過去には前記座標位置が割り当てられていた区画である残像区画を前記各区画のうちから検出する残像区画検出手段をさらに備え、
   前記認識手段は、前記占有確率算出手段で算出した占有確率が所定の範囲にある区画のうち、前記残像区画検出手段で検出した残像区画が近傍に所定個数以上存在している区画について、その区画に割り当てられた座標位置に対応する物体を移動物として認識することを特徴とする物体認識装置。
6. 請求項４または５において、
   前記測距センサの探査波が到達不能な領域である検出不能領域を判断する検出不能領域判断手段をさらに備え、
   前記残像区画検出手段は、前記マッピング手段で前記座標位置を割り当てられていないこと、および前記占有確率算出手段で算出した占有確率が所定値よりも大きいことに加え、前記検出不能領域判断手段で判断した検出不能領域に該当しないことをもとに、前記残像区画を前記各区画のうちから検出することを特徴とする物体認識装置。
7. 請求項１〜６のいずれか１項において、
   前記認識手段は、前記占有確率が所定の範囲にある区画に割り当てられた座標位置に対応する物体の場合には移動物として認識する一方、前記占有確率が所定の範囲を超える区画に割り当てられた座標位置に対応する物体の場合には静止物として認識することを特徴とする物体認識装置。

Images