JP3941791B2 - 車両用物体認識装置及びプログラム - Google Patents

Description

本発明は、例えば車両前方の所定角度範囲に渡って複数の送信波を照射し、それらの反射波に基づいて、自車両前方の先行車両等の物体を認識する車両用物体認識装置及びプログラムに関する。

従来より、車両前方の所定角度に渡って、光波，ミリ波などの送信波を照射し、その反射波を検出することによって、車両前方の物体（物標）を認識する物体認識装置が考えられている。

この種の装置は、例えば、先行車両等との間隔が短くなったことを検出して警報を発生する装置や、先行車両と所定の車間距離を維持するように車速を制御する装置などに適用され、先行車両の認識等に利用されている。

例えば特許文献１には、レーザレーダセンサによって車両の前方に、車幅方向及び車高方向それぞれの所定角度範囲に渡り複数のレーザ光を照射し、それらの反射光に基づいて先行車両等の物標を認識する車両用物体認識装置が開示されている。

ところが、レーザレーダセンサにおいては、センサ表面に汚れや水滴が付着した場合には、前方の物標を十分に認識できないという問題があった。
この対策として、センサ表面で反射するレーザ光の状態から、センサ表面の汚れ等の状態を検出する技術（特願２００３−１７６８２０号参照）や、検知距離の低下の状態から、センサ表面の汚れ等の状態を検出する技術（特許文献２参照）が提案されている。
特開平１１−３８１４１号公報 （第７頁、図５） 特開平１１−９４９４６号公報 （第６頁、図６）

しかしながら、上述した技術では、必ずしも十分ではなく、一層の改善が望まれていた。
つまり、センサ表面に汚れや水滴（雨滴）が付着した場合には、レーザのビーム幅が広くなり、そのため、前方の物標が本来の大きさより大きく見えたり、周りのものとの分離ができなくなる。

その結果、正しい前方の物標情報が得られないので、その情報に基づいた適切な制御を行うことができないという問題があった。
本発明は上記問題点を解決するものであり、その目的は、例えばセンサ表面に汚れや水滴が付着した悪状況であることを精度良く検出できる車両用物体認識装置及びプログラムを提供することである。

（１）請求項１の発明は、自車両の周囲に送信波を照射し、該送信波の反射波に基づいて、前記自車両の周囲の物体に対応するデータを取得し、該データに基づいて前記物体を認識する車両用物体認識装置において、前記認識した物体の大きさが、所定の判定値より大きな場合には、大きな物体であると判定する大きさ判定手段と、前記大きさ判定手段によって、前記大きな物体であると判定された物体が、所定以上存在するか否かを判定する存在状態判定手段と、前記存在状態判定手段によって、前記大きな物体であると判定された物体が、所定以上存在すると判定された場合には、前記物体の情報を得る状況が悪状況であると判定する悪状況判定手段と、を備えたことを特徴とする車両用物体認識装置を要旨とする。

本発明では、認識した物体（即ちノイズ等でなく物体であると認識したもの）が、所定の大きさよりも大きな物体であると判断され、その大きな物体が例えば通常ではあり得ないほど多く存在するなどの様に、所定の判定値以上に存在する場合には、物体の情報を得る状況が好ましくない悪状況であると判定している。

つまり、上述した様に、センサ表面に汚れが付着していたり、悪天候などによりセンサ表面に水滴等が付着した場合には、レーザのビーム幅が広くなり、前方の物体が本来の大きさより大きく見えたり、周りのものとの分離ができなくなる。よって、その様な現象が顕著になった場合には、センサ表面に汚れや水滴が付着した様な状態、即ち、前方の物体等の情報を得るのに好ましくない悪状況（検知能力が低下し、得られたデータの信頼性が低い様な状況）と判断するのである。

これにより、その様な悪状況にある場合には、レーダレーダ等のデータを用いた追従制御等の車両制御を禁止できるので、車両走行上の安全性が向上するという顕著な効果を奏する。

尚、大きな物体であるか否かの判定値や、大きな物体が所定以上存在するか否かの判定値は、例えば実験等により設定することができる。
（２）請求項２の発明は、複数個の前記認識した物体からなる物体グループに対して、前記大きな物体であると判定された物体が、所定以上存在するか否かを判定することを特徴とする前記請求項１に記載の車両用物体認識装置を要旨とする。

本発明では、所定の個数（例えば１８個）の認識した物体（物体グループ）に対して、大きな物体が所定以上存在するか否かの判定を行うので、その判定の精度を高めることができる。

（３）請求項３の発明は、前記物体グループに対する判定を複数回実施し、該複数回の実施結果に基づいて、前記悪状況を判定することを特徴とする前記請求項２に記載の車両用物体認識装置を要旨とする。

本発明では、上述した物体グループに対する判定を何度も実施して、それらの判定結果を総合して悪状況を判断するので、判定精度が一層向上するという利点がある。
（４）請求項４の発明は、前記存在状態判定手段の所定以上の判定として、前記大きな物体が所定個数以上又は所定割合以上の判定を行うことを特徴とする前記請求項１〜３のいずれかに記載の車両用物体認識装置を要旨とする。

本発明は、前記存在状態判定手段の判定手法を例示したものであり、例えば各物体グループにおける大きな物標の個数や割合により、大きな物体の存在状態を確実に判定することができる。

（５）請求項５の発明は、前記大きな物体であると判定された物体の個数又は割合に応じて、前記悪状況の判定に用いるカウンタ値を変更することを特徴とする前記請求項４に記載の車両用物体認識装置を要旨とする。

本発明では、大きな物体であると判定された物体の個数又は割合に応じて、悪状況の判定に用いるカウンタ値（例えば大物標カウンタ値）を変更するので、このカウンタ値に基づいて、悪状況を容易に判定することができる。

（６）請求項６の発明は、前記物体グループ毎に、前記カウンタ値を変化させる（例えば増減する）変動値を設定することを特徴とする前記請求項５に記載の車両用物体認識装置を要旨とする。

各物体グループでは、大きな物体の個数や割合が異なることが考えられるので、この個数や割合に応じて前記カウンタ値を変化させることにより、悪状況の判定を精度良く行うことができる。

例えば大きな物体の個数や割合が大である場合には、カウンタ値を大きくアップさせ、逆に大きな物体の個数や割合が小である場合には、カウンタ値をあまりアップさせない（又はカウンタ値を変化させない或いはダウンさせる）方法を採用できる。

（７）請求項７の発明は、前記悪状況の判定の際には、ワイパーの動作を加味して判定を行うことを特徴とする前記請求項１〜６のいずれかに記載の車両用物体認識装置を要旨とする。

ワイパーが作動した場合には、雨等の悪状況であることが推定される。よって、この判定を加えることにより、悪状況の判定を精度良く行うことができる。
（８）請求項８の発明は、前記物体との距離が所定の範囲内（条件Ａ）、前記物体の横位置が所定の範囲内（条件Ｂ）、前記物体の横幅が所定のＣ閾値以上（条件Ｃ）、前記自車両の車速が所定値以上（条件Ｆ）の全ての条件が満たされた場合には、前記大きな物体であると判定することを特徴とする前記請求項１〜７のいずれかに記載の車両用物体認識装置を要旨とする。

本発明は、認識した物体が大きな物体であるかどうかを判定するための条件を例示したものである。これにより、大きな物体であるかどうかを確実に判定することができる。
（９）請求項９の発明は、前記条件Ａ、条件Ｂ、条件Ｃ、条件Ｆの条件のいずれかが満たされない場合には、前記大きな物体であると判定しないことを特徴とする前記請求項８に記載の車両用物体認識装置を要旨とする。

本発明は、大きな物体ではないとの判定条件（不成立条件）を例示したものである。
（１０）請求項１０の発明は、前記物体との距離が所定の範囲内（条件Ａ）、前記物体の横位置が所定の範囲内（条件Ｂ）、前記物体の横幅が所定のＣ閾値以上（条件Ｃ）、前記物体の奥行きが所定値以上（条件Ｅ）、前記自車両の車速が所定値以上（条件Ｆ）の全ての条件が満たされた場合には、前記大きな物体であると判定することを特徴とする前記請求項１〜７のいずれかに記載の車両用物体認識装置を要旨とする。

本発明は、認識した物体が大きな物体であるかどうかを判定するための条件を例示したものである。本発明では、特に物体の奥行きを判定条件に加えている。これにより、大きな物体であるかどうかを確実に判定することができる。

（１１）請求項１１の発明は、前記条件Ａ、条件Ｂ、条件Ｃ、条件Ｅ、条件Ｆの条件のいずれかが満たされない場合には、前記大きな物体であると判定しないことを特徴とする前記請求項１０に記載の車両用物体認識装置を要旨とする。

本発明は、大きな物体ではないとの判定条件（不成立条件）を例示したものである。
（１２）請求項１２の発明は、前記自車両の速度が、所定の判定値より低い場合（例えば前記条件Ｆにおける所定値より低い場合）には、前記カウンタ値を０とすることを特徴とする前記請求項５〜１１のいずれかに記載の車両用物体認識装置を要旨とする。

自車速が低い場合、例えば渋滞で前方の車両が停止しているために自車速が低い場合には、同じ状況が継続するので、前記悪状況の判定が短時間で成立し易い。よって、その様な状況の場合には、カウンタ値を０として、悪状況の判定を回避するのである。

（１３）請求項１３の発明は、前記悪状況判定が成立した後に、前記カウンタ値が０の状態が所定時間継続した場合には、前記悪状況判定をキャンセルすることを特徴とする前記請求項５〜１２のいずれかに記載の車両用物体認識装置を要旨とする。

本発明は、悪状況が判定された場合に、その判定をキャンセルする内容を示したものである。つまり、前記カウンタ値が０の状態が所定期間継続した場合には、悪状況が改善した等とみなして、悪状況の判定をキャンセルするのである。

（１４）請求項１４の発明は、前記請求項１〜１３のいずれかに記載の車両用物体認識装置の各手段の機能を、コンピュータにより実現するためのプログラムを要旨とする。
つまり、上述した車両用物体認識装置の機能は、コンピュータのプログラムにより実行される処理により実現することができる。

このようなプログラムの場合、例えば、ＦＤ、ＭＯ、ＤＶＤ−ＲＯＭ、ＣＤ−ＲＯＭ、ハードディスク等のコンピュータ読み取り可能な記録媒体に記録し、必要に応じてコンピュータにロードして起動することにより用いることができる。この他、ＲＯＭやバックアップＲＡＭをコンピュータ読み取り可能な記録媒体として本プログラムを記録しておき、そのＲＯＭあるいはバックアップＲＡＭをコンピュータに組み込んで用いても良い。

次に、本発明の最良の形態の例（実施例）について説明する。

本実施例では、車間制御装置に車両用物体認識装置が適用されている。
ａ）まず、本実施例のシステム構成について説明する。
図１は、車間制御装置１のシステムブロック図である。

車間制御装置１は、認識・車間制御ＥＣＵ３を中心に構成され、認識・車間制御ＥＣＵ３は、マイクロコンピュータを主な構成として、入出力インターフェース（Ｉ／Ｏ）等を備えている。これらのハード構成は一般的なものであるので詳細な説明は省略する。

前記認識・車間制御ＥＣＵ３は、レーザレーダセンサ５、車速センサ７、ブレーキスイッチ９、ワイパースイッチ１０、スロットル開度センサ１１から各々検出信号を入力し、警報音発生器１３、距離表示器１５、センサ異常表示器１７、ブレーキ駆動器１９、スロットル駆動器２１、自動変速機制御器２３に駆動信号を出力する。

また、認識・車間制御ＥＣＵ３には、警報音量を設定する警報音量設定器２４、警報判定における感度を設定する警報感度設定器２５、クルーズコントロールスイッチ２６、ステアリングセンサ２７、ヨーレートセンサ２８が接続されている。

尚、認識・車間制御ＥＣＵ３は、電源スイッチ２９を備え、電源スイッチ２９がオンされることにより、所定の処理を開始する。
前記レーザレーダセンサ５は、図２（ａ）に示すように、発光部３０、受光部４０及びレーザレーダＣＰＵ７０などを主要部として構成されている。

発光部３０は、半導体レーザダイオード（ＬＤ：レーザダイオード）７５を備えており、このレーザダイオード７５は、レーザダイオード駆動回路７６を介してレーザレーダＣＰＵ７０に接続されている。レーザダイオード７５は、レーザレーダＣＰＵ７０からの駆動信号によりパルス状のレーザ光を放射（発光）し、このレーザ光は、発光レンズ７１、スキャナ７２、及びガラス板７７を介して外界に放射される。尚、ガラス面７７が、外部に露出するセンサ表面であり、このガラス面７７に汚れや雨滴等が付着する。

スキャナ７２には、ポリゴンミラー７３が鉛直軸を中心に回転可能に設けられ、レーザレーダＣＰＵ７０からの駆動信号がモータ駆動部７４を介して入力されると、このポリゴンミラー７３は図示しないモータの駆動力により回転する。

尚、このモータの回転位置は、モータ回転位置センサ７８によって検出され、レーザレーダＣＰＵ７０に出力される。
一方、受光部４０は、受光素子（ＰＤ：フォトダイオード）８３を備えており、この受光素子８３では、図示しない物体に反射されたレーザ光を受光レンズ８１を介して受光し、その強度に対応する電圧を出力する。

受光素子８３の出力電圧は、増幅器８５にて増幅された後に、コンパレータ８７に出力される。コンパレータ８７は、増幅器８５の出力電圧を基準電圧と比較し、出力電圧＞基準電圧となったとき所定の受光信号を時間計測回路８９へ出力する。

時間計測回路８９には、レーザレーダＣＰＵ７０からレーザダイオード駆動回路７６へ出力される駆動信号も入力される。
この時間計測回路８９では、図２（ｂ）に示すように、上記駆動信号をスタートパルスＰＡ、上記受光信号をストップパルスＰＢとし、２つのパルスＰＡ，ＰＢ間の位相差（すなわち、レーザ光を出射した時刻Ｔ０と反射光を受光した時刻Ｔ１との時間差ΔＴ）を２進デジタル信号に符号化する。

また、ストップパルスＰＢが、基準電圧以上となっている時間を、ストップパルスＰＢのパルス幅として計測する。そして、それらの値を２進デジタル信号に符号化してレーザレーダＣＰＵ７０へ出力する。

レーザレーダＣＰＵ７０は、時間計測回路８９から入力された２つのパルスＰＡ，ＰＢ間の入力時間差ΔＴ、レーザ光のスキャン角度θｘ、及び受光強度データ（ストップパルスＰＢのパルス幅が相当する）を測距データとして認識・車間制御ＥＣＵ３へ出力する。

そして、前記認識・車間制御ＥＣＵ３は、レーザレーダセンサ５からの測距データを基にして物体を認識し、その認識物体から得た先行車の状況に合わせて、ブレーキ駆動器１９、スロットル駆動器２１および自動変速機制御器２３に駆動信号を出力することにより車速を制御する、いわゆる車間制御を実施する。

また、認識物体が所定の警報領域に所定時間存在した場合等に警報する警報判定処理も同時に実施する。この場合の物体としては、自車（即ち自車両）の前方を走行する先行車等が該当する。
ｂ）次に、認識・車間制御ＥＣＵ３の内部構成について、制御ブロックとして、前記図１に基づいて説明する。

レーザレーダセンサ５から出力された測距データは、物体認識ブロック４３に送られる。物体認識ブロック４３では、走査ライン毎に、測距データとして得た時間差ΔＴとスキャン角度θｘとを、レーザレーダセンサ５中心を原点（０，０）とし、車幅方向をＸ軸、車両前方方向をＺ軸とするＸＺ直交座標に変換する。

このＸＺ直交座標に変換された測距データは、後述するプリセグメントデータ化、本セグメントデータ化、及び物標化という３種類の一体化処理がなされ、車両の前方に存在する物体毎に集約される。

そして、物体毎に集約された測距データに基づいて、物体の中心位置（Ｘ，Ｚ）、大きさ（Ｗ，Ｄ）を求める。さらに、物体の中心位置（Ｘ，Ｚ）の時間的変化に基づいて、自車位置を基準とする先行車両等の物体の相対速度（Ｖｘ，Ｖｚ）を求める。

また、物体認識ブロック４３では、車速センサ７の検出値に基づいて車速演算ブロック４７から出力される車速（自車速）と上記求められた相対速度（Ｖｘ，Ｖｚ）とから、物体が停止物体であるか移動物体であるかの識別が行われる。尚、物体の大きさを示す（Ｗ，Ｄ）は、それぞれ（横幅、奥行き）である。このようなデータを持つ物体のモデルを「物標モデル」と呼ぶ。

この物体認識ブロック４３にて求めたデータが異常な範囲の値かどうかが、センサ異常検出ブロック４４にて検出され、異常な範囲の値である場合には、センサ異常表示器１７にその旨の表示がなされる。

また、ステアリングセンサ２７からの信号に基づいて操舵角演算ブロック４９にて操舵角が求められ、ヨーレートセンサ２８からの信号に基づいて、ヨーレート演算ブロック５１にてヨーレートが演算される。

カーブ半径（曲率半径）算出ブロック５７では、車速演算ブロック４７からの車速と操舵角演算ブロック４９からの操舵角とヨーレート演算ブロック５１からのヨーレートとに基づいて、カーブ半径（曲率半径）Ｒを算出する。

先行車判定ブロック５３では、このカーブ半径Ｒと、物体認識ブロック４３にて求められた中心位置座標（Ｘ，Ｚ）、物体の大きさ（Ｗ，Ｄ）、及び相対速度（Ｖｘ，Ｖｚ）とに基づいて、自車両との距離が最も短い先行車両を選択し、その先行車両との距離Ｚ及び相対速度Ｖｚを求める。

そして、車間制御部及び警報判定部ブロック５５が、この先行車との距離Ｚ、相対速度Ｖｚ、クルーズコントロールスイッチ２６の設定状態およびブレーキスイッチ９の踏み込み状態、スロットル開度センサ１１からの開度および警報感度設定器２５による感度設定値に基づいて、警報判定ならば警報するか否かを判定し、クルーズ判定ならば車速制御の内容を決定する。その結果を、警報が必要ならば、警報発生信号を警報音発生器１３に出力する。

また、クルーズ判定ならば、自動変速機制御器２３、ブレーキ駆動器１９およびスロットル駆動器２１に制御信号を出力して、必要な制御を実施する。そして、これらの制御実行時には、距離表示器１５に対して必要な表示信号を出力して、状況をドライバーに告知する。

ｃ）次に、本実施例の要部である認識・車間制御ＥＣＵ３にて行われる処理について、図３及び図４のフローチャートに基づいて説明する。
(1)まず、図３に基づいて、悪状況の判定処理について説明する。尚、本処理は所定に期間毎に実施される。

図３のステップ（Ｓ）１００では、悪状況であるか否かの判定を行う。具体的には、条件αと条件βとが共に成立したか否かを判定する。ここで肯定判断されるとステップ１１０に進み、一方否定判断されると一旦本処理を終了する。

この条件αとは、「ワイパースイッチ１０がオン（ＯＮ）」という条件を示しており、ワイパースイッチ１０がオンになっておれば、雨等により悪状況の可能性が高いと判断するものである。尚、ワイパースイッチ１０がオフ（ＯＦＦ）となってから１５分間は、ワイパースイッチ１０がオンの状態であるとみなしている。

一方、条件βとは、後述する「大きい物体（物標）である否かの判定に用いるカウンタ値（大物標カウンタ値）が、所定値（例えば５０）以上」という条件を示しており、この大物標カウンタ値が５０以上であれば、大きな物標が異常に多い状態、即ちセンサの汚れや悪天候等により、正常に物標を検出できない悪状況の状態であるとみなすのである。

従って、ステップ１１０では、条件αと条件βを共に満たす場合には、センサの汚れや悪天候等により、正常に物標を検出できない状態と判定するのである。
ステップ１１０では、前記ステップ１００の悪状況判定をリセットする条件が満たされたか否かを判定する。ここで肯定判断されるとステップ１２０に進み、一方否定判断されるとステップ１３０に進む。

この悪状況判定をリセットする条件としては、例えば悪状況判定が成立した後に、前記大物標カウンタ値が０の状態が２０秒間継続した場合や、レーザ光の発光停止した場合が挙げられる。

ステップ１２０では、悪状況判定をリセットする条件が満たされたので、悪状況の判定をキャンセルする。具体的には、悪状況であると判定された際に設定するフラグ（悪状況フラグ）をクリアする（１を０に変更する）。尚、大物標カウンタ値等もクリアする。

ステップ１２０では、悪状況判定をリセットする条件が満たされていないので、前記ステップ１００にて判定された悪状況判定を確定し、悪状況フラグをセットして（１に設定して）、一旦本処理を終了する。

従って、本処理での判定結果に基づいて、悪状況であると判定された場合には、例えばレーザレーダセンサ５の出力を用いた追従制御等の各種の車両制御を禁止することにより、一層安全性を高めることができる。

(2)次に、前記悪状況の判定処理に用いる大物標カウンタ値の処理ついて、図４に基づいて説明する。尚、本処理は所定に期間毎に実施される。
図４のステップ２００では、後述する物標認識処理を行う。この物標認識処理とは、レーザレーダセンサ５により得られたデータが、実際の前方車両等の物体を示すデータであるかを判断するための処理である。物標認識処理としては、例えば本願出願人により出願された特願２００２−３６８９０３号、特開平１１−３８１４１号公報、特開平７−３１８６５２号公報等に記載されている物標認識処理等を採用できる。

続くステップ２１０では、前記ステップ２００にて確定した物標に対して、その物標が大きい物標である条件を満たすか否かを判定する。ここで肯定判断されるとステップ２２０に進み、一方否定判断されると一旦本処理を終了する。

この条件としては、下記成立条件を採用できる。
＜成立条件＞
条件Ａand条件Ｂand 条件Ｃand条件Ｅand条件Ｆ
条件Ａ：距離Ｚ 「１０ｍ≦Ｚ≦２０ｍ」
条件Ｂ：横位置Ｘ 「lＸl≦２ｍ」
条件Ｃ：横幅Ｗ 「Ｗ≧２ｍ」
条件Ｅ：奥行きＤ 「Ｄ≧５ｍ」
条件Ｆ：自車速Ｖｎ「Ｖｎ≧５ｋｍ／時」
尚、大きな物標であると判断されない不成立条件とは、この成立条件が満たされない場合である。

ここで、前記距離Ｚ（自車と物体との距離）及び横位置Ｘ（自車の中心位置からの左右方向のずれ）の条件を入れたのは、レーザ光のカバー範囲から考えて、この範囲に先行車両等の物標の存在確立が高いためである。横幅Ｗの条件を入れたのは、横幅が大きすぎると、現実には無い大きな物標である可能性が高いからである。奥行きＤの条件を入れたのは、奥行きが大きすぎると、現実には無い大きな物標である可能性が高いからである。自車速Ｖｎの条件を入れたのは、自車速が０等の極めて低速の場合には、同じ状況が継続することにより、成立条件が過度に成立し易いからである。
なお、横幅Ｗの条件としては、条件Ｅを採用しない場合には、更に「４ｍ以上」の条件を加えることができる。

ステップ２２０では、大きい物標であると判断されたので、その個数を計数するために、個数カウンタ値をカウントアップする。
ステップ２３０では、前記ステップ２００にて物標と認識された（即ちノイズ等で無く物体であると確定された）１８個の物標について、前記大きい物標の判定が終了したか否かを判定する。ここで肯定判断されるとステップ２４０に進み、一方否定判断されると前記ステップ２１０に戻り、同様な判定を繰り返す。

ステップ２４０では、１８個全ての物標の判定が終了したので、カウントされた大きい物標の数に応じて、前記大物標カウンタをカウントし、一旦本処理を終了する。
例えば下記に示す様に、前記１８個の物標のうち大きな物標の数に応じて、大物標カウンタのカウントアップ値（マイナスの場合は減算となる）を設定する。

５個以上：＋２
３、４個：＋１
１、２個：−１
０個 ：−２
尚、自車速が０の場合には、大物標カウンタ値を０に設定するととともに、そのインクリメントを禁止する。この大物標カウンタ値は常に０以上とする。

この様に、本処理では、大きな物標をカウントし、その個数に応じて、前記悪状況の判定に用いる大物標カウンタ値を設定することができる。
尚、１８個の物標（物体グループ）が認識される毎に、大物標カウンタが更新されるので、この大物標カウンタを用い、前記図３のステップ１００にて、「大物標カウンタ値が、所定値（例えば５０）以上」という条件βの判定により、センサの汚れや悪天候等により、正常に物標を検出できない悪状況の状態であるか否かの判定を行うことができる。

(3)次に、前記大物標カウンタ値の処理に用いる物標認識処理について、図５等に基づいて説明する。尚、本処理は所定に期間毎に実施される。
本処理は、既に出願された内容（特願２００２−３６８９０３号参照）とほぼ同様であるので、簡単に説明する。

・図５は、物体認識に係るメイン処理を示すフローチャートである。
まず、図５のステップ３１０では、レーザレーダセンサ５から１走査ライン分ずつ測距データの読み込みを行う。

ステップ３２０では、読み込まれた測距データから、受光強度の弱いデータを削除する。
ステップ３３０では、測距データのプリセグメント化処理を行う。

ステップ３４０では、プリセグメント化された測距データの本セグメント化処理を行う。
・ここで、プリセグメント化処理及び本セグメント化処理について説明する。尚、図６は、プリセグメント化処理及び本セグメント化処理の流れ、及びその概要を示す説明図である。

まず、プリセグメント化処理及び本セグメント化処理の流れについて説明する。
図６に示すように、第１走査ラインの測距データに対して、プリセグメント化処理を行う。即ち、プリセグメント化条件を満たす測距データを集めてプリセグメントを形成する。次に、プリセグメント化された第１走査ラインの測距データに対して本セグメント化処理を行う。この本セグメント化処理では、プリセグメント化処理によって形成されたプリセグメント同士が、本セグメント化条件を満たす場合、それらのプリセグメントを接続して本セグメントを形成する。

続いて、第２走査ラインの測距データに対して、プリセグメント化処理、本セグメント化処理を行い、最後に、第３走査ラインの測距データに対して、プリセグメント化処理、本セグメント化処理を行う。このように、プリセグメント化処理及び本セグメント化処理は、走査ライン毎に順次実行される。

・次に、図７（ａ）、（ｂ）に基づいて、プリセグメント化処理、特にプリセグメント化条件に関して説明する。
図７（ａ）に示すように、1走査ライン分の測距データがＸＺ直交座標に変換された場合、各測距データは、車両前方の反射物を点として示すことになる。これらの反射物を点として示す点データが、以下の３つの条件（プリセグメント化条件）を満たす場合に、その点データを一体化してプリセグメントを作成する。

i)Ｚ軸方向の距離の差ΔＺが所定の距離以下であること。
ii)Ｘ軸方向の距離の差ΔＸが所定の距離以下であること。
iii)受光強度に関して、同じグループにグループ分けされていること。

更に、以下の２つの条件iv)，v)の内、いずれかが成立した場合には、その測距データをプリセグメントとしては扱わないこととした。
iv)反射物までの距離が所定距離以下の場合に、測距データが、他の測距データと一体化されないとき（１本のレーザ光のみ単独で反射光が得られた場合）。

v)一体化される測距データの数が所定個数以下で、かつその受光強度が受光強度小のグループにグループ分けされている場合。
前記プリセグメント化条件に従って、図７（ａ）に示す測距データをプリセグメント化すると、図７（ｂ）に示すように５つのプリセグメントが形成される。

そして、各プリセグメントについて、各測距データの位置（Ｘ，Ｚ）を平均化して、中心位置（Ｘｃ，Ｚｃ）を求めるとともに、各測距データの位置（Ｘ、Ｚ）の最小値と最大値とに基づいて、横幅Ｗ及び奥行きＤを求める。

・図５に戻り、ステップ３４０において、本セグメント化処理が行われ、１走査ラインの測距データから形成されたプリセグメント同士が、本セグメント化条件を満足する場合、それらを一体化して本セグメントとする。この本セグメント化条件は、プリセグメント同士の中心位置（Ｘc、Ｚc）の差（ΔＸc、ΔＺc）が、それぞれ一体化判定距離（ΔＸ、ΔＺ）以下であることである。

これにより、図８に例示するように、プリセグメントＰＳ１，ＰＳ２，ＰＳ３までの距離Ｚに応じて、それぞれ、Ｘ軸及びＺ軸方向に一体化判定距離（ΔＸ，ΔＺ）に応じた領域が設定される。

そして、受光強度に応じて抽出したプリセグメントに応じて、本セグメントまでの距離Ｚ等を算出する。また、抽出プリセグメントの距離Ｚの最小距離と最大距離との差から奥行きＤを求める。

更に、本セグメントの横幅Ｗを算出する。具体的には、本セグメントの横幅Ｗは、まず、全てのプリセグメントを使用して算出される。すなわち、全てのプリセグメントの中で、最も右端及び左端に位置する測距データの位置から横幅Ｗを算出する。その算出した横幅Ｗが、車両として通常有する横幅の最大値Ｗ０よりも小さい場合には、そのまま、横幅Ｗとする。

尚、算出した横幅が最大値Ｗ０よりも大きい場合であって、受光強度が異なる複数のプリセグメントによって本セグメントが構成される場合、受光強度小のプリセグメントを除いて、本セグメントの横幅を算出する。

・このようにして、走査ライン毎に、本セグメントが形成されると、次に、ステップ３５０に示すように物標化処理が行われる。
この物標化処理では、図９に示すように、各走査ラインにおける本セグメント同士を一体化すべき否かの判定がなされる。そして、一体化すべきと判定された本セグメント同士が接続され、一体の物標モデルとされる。

・以下、物標化処理に関して、図１０の説明図及び図１１のフローチャートに基づいて説明する。
物標化処理では、まず、図１１のステップ４１０において、各本セグメントの推定位置を算出する。即ち、図１０に示すように、本セグメントが前回処理時の位置から前回処理時における相対速度で移動したと仮定した場合、その本セグメントが存在するであろう推定位置を算出する。

ステップ４２０では、推定位置の周囲に、Ｘ軸及びＺ軸方向それぞれに所定量の幅を有する推定移動範囲を設定する。
ステップ４３０では、推定移動範囲に少なくとも一部が含まれる本セグメントを選択する。

ステップ４４０では、ステップ４３０において選択された本セグメントが複数存在する場合、それぞれの本セグメントのＸ軸及びＺ軸方向における相対速度の差（ΔＶｘ，ΔＶｚ）が、それぞれ所定速度差（ΔＶｘ０、ΔＶｚ０）未満か否かを判定する。

ステップ４５０では、ステップ４４０にて相対速度差（ΔＶｘ，ΔＶｚ）が所定速度差（ΔＶｘ０、ΔＶｚ０）未満と判定された場合には、それら複数の本セグメントが、一体のものであるとみなし、それら複数の本セグメントを一体化して物標モデルを形成する。

すなわち、複数の本セグメントに属する測距データのＸ軸、Ｚ軸方向における最小値及び最大値から、横幅Ｗｍ、奥行きＤｍを求めるとともに、各本セグメントまでの距離を平均化して、物標モデルまでの距離Ｚｍを求める。

ｄ）この様に、本実施例では、物体であると確定した１８個の各物標に対して、所定の条件Ａ〜条件Ｆを用いた成立条件を適用し、成立条件が満たされた場合には、大きな物標であると判定している。

更に、この判定結果に基づいて、１８個の物標からなる物体グループ毎に、大きな物標がいくつあるかを計数し、この計数した値に応じて、大物標カウンタ値を順次変更している。つまり、１つの物体グループに大きな物標が多数ある場合には、大物標カウンタ値を大きくカウントアップし、逆に、１つの物体グループに大きな物標が僅かしかない場合には、大きな物標の数に応じて、大物標カウンタ値を僅かにカウントアップしたり、カウントアップしなかったり、カウントダウンしている。

そして、この大物標カウンタ値が所定値以上であるという条件βと、ワイパースイッチ１０がオンであるという条件αとが満たされた場合には、センサ表面に汚れが付着したり雨天のような悪状況であると判定している。

これにより、レーザレーダセンサ５により、例えば前方車両との距離等のデータの検出を精度良く行えない状況にあると正確に判断できるので、レーザレーダセンサ５の出力を用いた追従制御等の車両制御を例えば禁止することにより、車両走行上での安全性が一層向上するという顕著な効果を奏する。

尚、本発明はこのような実施例に何等限定されるものではなく、本発明の主旨を逸脱しない範囲において種々なる形態で実施し得る。
例えば、上記実施例では、レーザ光を用いたレーザレーダセンサを採用したが、ミリ波等の電波や超音波等を用いるものであってもよい。また、スキャン方式にこだわる必要はなく、距離以外に方位を測定できる方式であればよい。

本発明が適用された車間制御装置の構成を示すブロック図である。 （ａ）はレーザレーダセンサの構成を示す構成図であり、（ｂ）はレーザレーダセンサにおける距離検出方法を説明するための説明図である。 実施例の悪状況判定処理を示すフローチャートである。 大物標カウンタ値を更新する処理を示すフローチャートである。 物体認識に係わる処理を示すフローチャートである。 プリセグメント化処理と本セグメント化処理の順序を説明するための説明図である。 （ａ）は、ＸＺ直交座標に変換された測距データを示し、（ｂ）は、プリセグメント化されたデータを示す説明図である。 本セグメント化処理の内容を説明するための説明図である。 物標化処理について説明する説明図である。 物標化処理における、一体化条件を説明するための説明図である。 物標化処理を示すフローチャートである。

符号の説明

１…車両制御装置、３…認識・車間制御ＥＣＵ、５…レーザレーダセンサ、７…車速センサ、９…ブレーキスイッチ、１０…ワイパースイッチ、１１…スロットル開度センサ、１３…警報音発生器、１５…距離表示器、１７…センサ異常表示器、１９…ブレーキ駆動器、２１…スロットル駆動器、２３…自動変速機制御器、２４…警報音量設定器、２５…警報感度設定器、２６…クルーズコントロールスイッチ、２７…ステアリングセンサ、２８…ヨーレートセンサ、２９…電源スイッチ、４３…物体認識ブロック、４４…センサ異常検出ブロック、４７…車速演算ブロック、４９…操舵角演算ブロック、５１…ヨーレート演算ブロック、５３…先行車判定ブロック、５５…車間制御部及び警報判定部ブロック、５７…カーブ半径算出ブロック、７０…レーザレーダＣＰＵ、７１…発光レンズ、７２…スキャナ、７３…ミラー、７４…モータ駆動回路、７５…半導体レーザダイオード、７６…レーザダイオード駆動回路、７７…ガラス板、８１…受光レンズ、８３…受光素子、８５…アンプ、８７…コンパレータ、８９…時間計測回路

Claims (14)

1. 自車両の周囲に送信波を照射し、該送信波の反射波に基づいて、前記自車両の周囲の物体に対応するデータを取得し、該データに基づいて前記物体を認識する車両用物体認識装置において、
   前記認識した物体の大きさが、所定の判定値より大きな場合には、大きな物体であると判定する大きさ判定手段と、
   前記大きさ判定手段によって、前記大きな物体であると判定された物体が、所定以上存在するか否かを判定する存在状態判定手段と、
   前記存在状態判定手段によって、前記大きな物体であると判定された物体が、所定以上存在すると判定された場合には、前記物体の情報を得る状況が悪状況であると判定する悪状況判定手段と、
   を備えたことを特徴とする車両用物体認識装置。
2. 複数個の前記認識した物体からなる物体グループに対して、前記大きな物体であると判定された物体が、所定以上存在するか否かを判定することを特徴とする前記請求項１に記載の車両用物体認識装置。
3. 前記物体グループに対する判定を複数回実施し、該複数回の実施結果に基づいて、前記悪状況を判定することを特徴とする前記請求項２に記載の車両用物体認識装置。
4. 前記存在状態判定手段の所定以上の判定として、前記大きな物体が所定個数以上又は所定割合以上の判定を行うことを特徴とする前記請求項１〜３のいずれかに記載の車両用物体認識装置。
5. 前記大きな物体であると判定された物体の個数又は割合に応じて、前記悪状況の判定に用いるカウンタ値を変更することを特徴とする前記請求項４に記載の車両用物体認識装置。
6. 前記物体グループ毎に、前記カウンタ値を変化させる変動値を設定することを特徴とする前記請求項５に記載の車両用物体認識装置。
7. 前記悪状況の判定の際には、ワイパーの動作を加味して判定を行うことを特徴とする前記請求項１〜６のいずれかに記載の車両用物体認識装置。
8. 前記物体との距離が所定の範囲内（条件Ａ）、前記物体の横位置が所定の範囲内（条件Ｂ）、前記物体の横幅が所定のＣ閾値以上（条件Ｃ）、前記自車両の車速が所定値以上（条件Ｆ）の全ての条件が満たされた場合には、前記大きな物体であると判定することを特徴とする前記請求項１〜７のいずれかに記載の車両用物体認識装置。
9. 前記条件Ａ、条件Ｂ、条件Ｃ、条件Ｆの条件のいずれかが満たされない場合には、前記大きな物体であると判定しないことを特徴とする前記請求項８に記載の車両用物体認識装置。
10. 前記物体との距離が所定の範囲内（条件Ａ）、前記物体の横位置が所定の範囲内（条件Ｂ）、前記物体の横幅が所定のＣ閾値以上（条件Ｃ）、前記物体の奥行きが所定値以上（条件Ｅ）、前記自車両の車速が所定値以上（条件Ｆ）の全ての条件が満たされた場合には、前記大きな物体であると判定することを特徴とする前記請求項１〜７のいずれかに記載の車両用物体認識装置。
11. 前記条件Ａ、条件Ｂ、条件Ｃ、条件Ｅ、条件Ｆの条件のいずれかが満たされない場合には、前記大きな物体であると判定しないことを特徴とする前記請求項１０に記載の車両用物体認識装置。
12. 前記自車両の速度が、所定の判定値より低い場合には、前記カウンタ値を０とすることを特徴とする前記請求項５〜１１のいずれかに記載の車両用物体認識装置。
13. 前記悪状況判定が成立した後に、前記カウンタ値が０の状態が所定時間継続した場合には、前記悪状況判定をキャンセルすることを特徴とする前記請求項５〜１２のいずれかに記載の車両用物体認識装置。
14. 前記請求項１〜１３のいずれかに記載の車両用物体認識装置の各手段の機能を、コンピュータにより実現するためのプログラム。

Images