JP6650344B2 - 物体検出装置及び物体検出方法 - Google Patents

Description

本開示は、レーダ装置の測定結果を利用して、周辺に存在する物体を精度よく検出することができる物体検出装置及び物体検出方法に関する。

近年、車両の周囲に存在する、他車両、歩行者、二輪車、または、路上にある設置物を検出するレーダ装置が車両に搭載されることが一般的となっている。車載用のレーダ装置は、自車両の前方や側方から接近してくる物体を検出し、自車両との相対位置、または、自車両との相対速度を測定する。そして、車載用のレーダ装置は、測定結果に基づき、自車両と物体とが衝突する可能性が無いかを判断し、可能性が有ると判断した場合には、運転手に警告を提示し、または、自車両の走行を制御することによって、衝突を回避させる。

また、道路周辺に設置されたレーダ装置を用いて、道路の交通を監視または管理するシステムが開発されている。このようなシステムは、例えば、交差点の周辺に設置されたレーダ装置によって、交差点を通過する車両または歩行者を検出し、または、交通流量を計測することによって、信号機を適応的に制御する。また、このようなシステムは、道路内で車両と歩行者との複数物体の衝突の可能性があると判断した場合、運転手や歩行者に警告を提示して、複数物体の衝突を回避させる。

レーダ装置の他の利用法は、例えば空港、または、その他の施設を監視するために設置される例がある。このようなレーダ装置は、空中または地上からの物体を検知し、関連セキュリティシステムに情報を提供することで、物体の侵入を防止する。

このように、レーダ装置は、物体を検出するために様々な場面で利用される。最近では、レーダ装置は、高分解能化によって、同一物体から複数部位の測定データを取得できる。このため、レーダ装置は、同一物体に属する測定データに対してクラスタリング処理を行い、物体領域を確定する。なお、クラスタリング処理とは、ある観測周期において検出された信号をグループ分けし、各グループ（クラスタ）をそれぞれ一つの物体で反射された信号の集合として定義する処理である。

このようなレーダ装置の一例が、例えば特許文献１に開示されている。特許文献１には、レーダの測定データ群に対して、扇形のクラスタ領域を設定し、同一物体に属する複数の測定データをクラスタリングし、物体の検出と追跡とを行う技術が開示されている。

国際公開第２０１２／１２８０９６号

しかしながら、上述した特許文献１に開示された技術では、クラスタ領域に入った全ての物体測定データを用いて物体の速度を求めるため、物体の一部が、物体の主要部分の動きとは独立して動いている場合、物体の一部の異なる動きの影響により物体の主要部分の正確な速度の算出が困難となる。例えば、物体が車両である場合、車両の一部である車輪の回転は、車両の主要部分である車体の動きとは独立しており、車輪の回転速度は車体の移動速度よりも速いため、車両速度を求める際に車輪から得た測定データを用いると、算出精度が落ちてしまう。同様に、物体が歩行者である場合は、歩行者の一部である手足を振る速度は歩行者の主要部分である胴体部分の移動速度と異なるため、歩行者の主要部分の移動速度を算出する際に、手足から得た測定データを利用すると、移動速度を正しく算出することは困難である。

本開示の非限定的な実施例は、レーダ測定データをクラスタリングする際に、物体の主要部分の動きとは異なる動きをする物体の一部を考慮し、物体の移動速度を正確に求めることができる物体検出装置及び物体検出方法を提供することを目的とする。

本開示の一態様は、１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得する捕捉点取得部と、前記２つ以上の捕捉点を含む１つ以上のクラスタを生成するクラスタ生成部と、前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割するサブクラスタ生成部と、前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する速度算出部と、を有する物体検出装置である。

本開示の他の一態様は、１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得し、前記２つ以上の捕捉点を含む１つ以上のクラスタを生成し、前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割し、前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する、物体検出方法である。

これらの概括的かつ特定の態様は、システム、装置及び方法の任意の組み合わせにより実現してもよい。

本開示によれば、レーダ測定データをクラスタリングする際に、物体の主要部分の動きとは異なる動きをする物体の一部を考慮し、物体の移動速度を正確に求めることができる。

本開示の一態様における更なる利点及び効果は、明細書及び図面から明らかにされる。かかる利点及び／または効果は、いくつかの実施形態並びに明細書及び図面に記載された特徴によってそれぞれ提供されるが、１つまたはそれ以上の同一の特徴を得るために必ずしも全てが提供される必要はない。

本開示の第１の実施の形態に係る物体検出装置の主要構成と、レーダ装置と、車両制御システムとの接続関係を示すブロック図 測定情報の一例としての電力プロファイルを示す概念図 測定情報の一例としてのドップラ速度プロファイルを示す概念図 クラスタ範囲の確定方法の一例について示す図 レーダ装置が物体を検出できる空間であるレーダ測定空間の一例を示す図 時間の経過に伴うクラスタの移動を示す概念図 θ−ｖ_ｒ座標系における式（１）の曲線と、各捕捉点との距離を例示する図 第１の実施の形態に係る物体検出装置の動作例を示すフローチャート 本開示の第２の実施の形態に係る物体検出装置の主要構成と、レーダ装置と、車両制御システムとの接続関係を示すブロック図 本開示の第３の実施の形態に係る物体検出装置の主要構成と、レーダ装置と、車両制御システムとの接続関係を示すブロック図 本開示の第４の実施の形態に係る物体検出装置の主要構成と、２つのレーダ装置と、車両制御システムとの接続関係を示すブロック図 ２つのレーダ装置の配置例を示す図

以下、本開示の実施の形態について、図面を参照して詳細に説明する。

＜第１の実施の形態＞
本開示の第１の実施の形態に係る物体検出装置について図面を用いて説明する。図１は、第１の実施の形態に係る物体検出装置１０の主要構成と、レーダ装置２０と、車両制御システム３０との接続関係を示すブロック図である。図１に示すように、本開示の第１の実施の形態に係る物体検出装置１０は、レーダ装置２０及び車両制御システム３０に接続され、レーダ装置２０から出力される測定情報を処理するレーダ信号処理機能の一部を実現し、車両制御システム３０に対してレーダ信号処理によって得られた各種情報を出力する。

レーダ装置２０は、例えば所定の角度間隔で順次方向を変更し、所定範囲に対してレーダ信号を送信し、レーダ信号が障害物等の物体によって反射した反射信号を受信する。また、レーダ装置２０は、反射信号をベースバンドに変換して、レーダ信号の送信方向毎の遅延プロファイル（伝搬遅延特性）を、所定範囲を複数に分割した単位領域毎に取得し、測定結果（測定情報）として物体検出装置１０に出力する。

車両制御システム３０は、物体検出装置１０がレーダ装置２０の出力するレーダ信号を処理することで検出した物体の位置や速度等の情報を取得し、例えば車両の運転者に対して警告を提示し、また、物体の位置や速度に応じて、衝突の可能性があると判断した場合に、車両の動作を制御する処理（アクセル操作、ブレーキ操作またはハンドル操作）を行う。

物体検出装置１０は、レーダ装置２０から出力された測定情報に基づいて、自車両の周囲に存在する物体を検出し、検出した場合にその物体の位置や速度に関する情報を生成して車両制御システム３０に出力する。以下では、物体検出装置１０の詳細な構成や、各構成の動作等について詳細に説明する。

図１に示すように、物体検出装置１０は、捕捉点取得部１１、クラスタ生成部１２、サブクラスタ生成部１３、速度算出部１４、追跡部１５、及び、物体確定部１６を有する。これらの物体検出装置１０の各構成は、ソフトウェアまたはＬＳＩ回路などのハードウェアで実現してもよいし、車両を制御する電子制御ユニット（Electronic Control Unit：ＥＣＵ）の一部として実現してもよい。

捕捉点取得部１１は、レーダ装置２０から測定情報を取得し、単位領域毎の値に基づいて検出した物体に対応する単位領域の候補を抽出する。レーダ装置２０から取得する測定情報は、電力プロファイル及びドップラ速度プロファイルである。

図２Ａは、測定情報の一例としての電力プロファイルを示す概念図である。図２Ｂは、測定情報の一例としてのドップラ速度プロファイルを示す概念図である。図２Ａ及び図２Ｂにおいて、横軸がレーダ装置２０を基準とした物体の方位角、縦軸がレーダ装置２０を基準とした物体までの距離である。図２Ａ及び図２Ｂにおいて、横軸を１０度、縦軸を１０ｍ毎に区切って単位領域を構成している。以下では、この単位領域をセルと称する。

なお、本開示において、セル（単位領域）の方位角の範囲及び距離の範囲は、上記範囲に限定されない。セルの大きさは、高い分解能を得られるという点では、より小さい方が好ましい。

図２Ａでは、各セルにおける反射強度を０から５の６段階で示し、レベル５が最も反射強度が強い。図２Ｂにおいて、各セルにおけるドップラ速度を０から５の６段階で示し、レベル５が最もドップラ速度が速い。なお、ドップラ速度はレーダ装置２０に対して物体が近づいているか遠ざかっているかによって符号が違うが、図示を簡単にするため、図２Ｂでは一例として正極性のドップラ速度を示している。

捕捉点取得部１１は、レーダ装置２０から測定情報、すなわち図２Ａに示す電力プロファイル及び図２Ｂに示すドップラ速度プロファイルを取得した後、反射強度とドップラ速度の値がそれぞれ所定のしきい値以内のセルを抽出し、抽出したセルを物体が存在するセルの候補とする。以下では、捕捉点取得部１１が抽出する、物体が存在するセルの候補を捕捉点と称する。

なお、図２Ａ及び図２Ｂに示す各プロファイルは、説明を簡単にするため、方位角と距離とを座標軸とする直交座標系にて例示されている。このため、各セルの形状は矩形となっている。しかしながら、捕捉点取得部１１は、本実施の形態においては、レーダ装置２０の位置を中心とした極座標系の測定結果を使用することが望ましい。この場合、セルの形状は扇形となる。なお、以下の説明では、セルの形状にかかわらず、図２Ａ及び図２Ｂに示す電力プロファイル及びドップラ速度プロファイルの各セルを、１つの点として取り扱うことにする。

クラスタ生成部１２は、捕捉点取得部１１が抽出した複数の捕捉点をクラスタリングする。クラスタリングの方法やクラスタ形状については本開示では限定せず、公知の方法を利用すればよい。一例として、クラスタ生成部１２は、例えば、図３に示すように、クラスタ形状を一定半径の円形とし、取得した捕捉点の中から電力プロファイルにおける反射強度の極大点を求め、極大点を中心点としてクラスタ範囲を確定する。そして、クラスタ範囲に入った全ての捕捉点を１つのクラスタとすればよい。図３は、クラスタ範囲の確定方法の一例について示す図である。なお、クラスタ生成部１２は、クラスタ形状として設定する一定半径の円形を、検出対象によって、変更することができる。クラスタ生成部１２は、例えば、検出対象が大型車である場合は、半径を５ｍ程度に設定し、中型車では、半径を３ｍに設定することができる。

サブクラスタ生成部１３は、クラスタ生成部１２が生成した各クラスタに属する捕捉点に対し、方位角測定値とドップラ速度測定値との間の制約関係を利用して、２種類のサブクラスタに分割する。２種類のサブクラスタは、それぞれ、物体の主要部分（物体の本体）に対応するサブクラスタと、物体の主要部分とは異なる移動方向及び移動速度を有する物体の一部に対応するサブクラスタである。例えば、物体が車両である場合、１つのサブクラスタは車両の主要部分（車体等）に対応し、もう１つのサブクラスタは車輪に対応している。あるいは、例えば物体が人（歩行者）である場合、１つのサブクラスタは人の主要部分（胴体部分）に対応し、もう１つのサブクラスタは手足等に対応している。以下、サブクラスタ生成部１３の処理について詳細に説明する。

図４は、レーダ装置２０が物体を検出できる空間であるレーダ測定空間の一例を示す図である。説明を簡単にするため、図４では、高さ方向（ｚ軸）を省略し、地面に対応する２次元座標系（ｘ軸、ｙ軸）を表示している。図４において、Ｃ_ｉはあるクラスタに属する捕捉点の１つである（ｉ＝１〜Ｎ）。また、ＮはＣ_ｉが属するクラスタが含む捕捉点の総数である。ドップラ速度プロファイルから求めた各Ｃ_ｉに対応する方位角測定値をθ_ｉ、ドップラ速度測定値をｖ_ｒ，ｉとする。クラスタ内全ての捕捉点Ｃ_ｉに対応する移動方向の方位角をλ_ａｌｌ、移動速度の値をｖ_ａｌｌと仮定すると、下記式（１）が成立する。この式（１）の関係が上記した方位角測定値とドップラ速度測定値との間の制約関係に相当する。

ここで、Ｃ_ｉの属するクラスタが同一速度で移動する物体であれば、クラスタ内全ての捕捉点Ｃ_ｉ（ｉ＝１〜Ｎ）が上記式（１）を満たす。ただし、式（１）のクラスタ内全ての捕捉点Ｃ_ｉに対応する移動速度ｖ_ａｌｌと移動方向λ_ａｌｌは未知の値である。

式（１）のｖ_ａｌｌとλ_ａｌｌは、以下の２つの方法で確定することができる。以下２つの方法について説明する。

第１の方法は、回帰計算による算出方法である。図４において、捕捉点Ｃ_ｉ（ｉ＝１〜Ｎ）のそれぞれについて、ドップラ速度プロファイルから求めた各Ｃ_ｉに対応する測定値をθ_ｉとｖ_ｒ，ｉをすれば、下記式（２）が成立する。

式（２）において、ｖ_{ａｌｌ−ｘ}及びｖ_{ａｌｌ−ｙ}はＣ_ｉを含むクラスタ全体の速度、つまり、物体全体の速度のｘ成分及びｙ成分を示す。式（２）を用いて、例えば最小二乗法のような、公知の回帰計算手法により、Ｎ個の測定値（方位角及び速度）からパラメータｖ_{ａｌｌ−ｘ}及びｖ_{ａｌｌ−ｙ}を算出することができる。そして、算出したｖ_{ａｌｌ−ｘ}及びｖ_{ａｌｌ−ｙ}を用いて、下記式（３）及び式（４）によりクラスタ内全ての捕捉点Ｃ_ｉに対応する移動速度ｖ_ａｌｌと移動方向λ_ａｌｌを算出する。

上述した回帰計算は、複数回繰り返して実施してもよい。すなわち、算出した回帰計算の結果に基づいて、誤差の大きい捕捉点、例えば、ノイズにより発生したレーダ装置による測定誤差、を排除し、再度回帰計算を行うことで、算出するクラスタ内全ての捕捉点Ｃ_ｉに対応する移動速度ｖ_ａｌｌ及び移動方向λ_ａｌｌの精度を向上させるようにしてもよい。本開示では、回帰計算の具体的な方法については限定しない。

第２の方法として、時間の経過に伴う物体の移動を追跡し、追跡によって得られた情報を利用して、図５に示すようにクラスタ内全ての捕捉点Ｃ_ｉに対応する移動速度ｖ_ａｌｌと移動方向λ_ａｌｌを算出する方法がある。具体的には、電力プロファイル及びドップラ速度プロファイルの少なくとも１つを用いて、図５に示すように、現時刻の物体（クラスタの中心）の位置を（ｘ_{ａｌｌ−２}，ｙ_{ａｌｌ−２}）、レーダ測定取得の周期における１周期前のクラスタの中心位置を（ｘ_{ａｌｌ−１}，ｙ_{ａｌｌ−１}）とすると、クラスタ内全ての捕捉点Ｃ_ｉに対応する移動速度ｖ_ａｌｌ及び移動方向λ_ａｌｌは下記式（５）及び式（６）により算出できる。なお、図５は、時間の経過に伴うクラスタの移動を示す概念図である。なお、クラスタの中心の位置は、各クラスタ内の捕捉点Ｃ_ｉの位置情報の平均値である。

ただし、Ｔはレーダ測定取得の周期であり、位置（ｘ_{ａｌｌ−１}，ｙ_{ａｌｌ−１}）にあるクラスタが（ｘ_{ａｌｌ−２}，ｙ_{ａｌｌ−２}）に移動するまでの時間である。

サブクラスタ生成部１３は、以上のように求めたクラスタ内全ての捕捉点Ｃ_ｉに対応する移動速度ｖ_ａｌｌと移動方向λ_ａｌｌをパラメータとした式（１）に基づき、クラスタに属する全捕捉点を２種類のサブクラスタに分割する。具体的には、図６に示すように、θ−ｖ_ｒ座標系における式（１）の曲線と、各捕捉点との距離によって、距離が大きいサブクラスタと、距離が小さいサブクラスタとの２種類のサブクラスタとに分割する。図６は、θ−ｖ_ｒ座標系における式（１）の曲線と、各捕捉点との距離を例示する図である。

具体的には、サブクラスタ生成部１３は、例えば図６に示すように、θ−ｖ_ｒ座標系における曲線ｖ_ｒ＝ｖ_ａｌｌｃｏｓ（λ_ａｌｌ−θ）（図６に示す実線の曲線）の上下に曲線ｖ_ｒ＝（ｖ_ａｌｌ±Δｖ）ｃｏｓ（λ_ａｌｌ−θ）（図６に示す点線の曲線）を設ける。サブクラスタ生成部１３は、点線の曲線で囲まれる領域内に位置する捕捉点（黒丸）と、点線の曲線で囲まれる領域外に位置する捕捉点（白丸）とを、それぞれ異なる２種類のサブクラスタに分割する。

ここで、Δｖは適宜設定されるしきい値である。例えば物体が車両の場合、点線の曲線で囲まれる領域内に位置する捕捉点は、車輪以外の車体の反射によるものであり、点線の曲線で囲まれる領域外に位置する捕捉点は車輪の反射によるものである可能性が高い。

このように、サブクラスタ生成部１３は、各捕捉点の移動方向や移動速度に基づいて、物体の主要部分の動きに対応するサブクラスタと、物体の主要部分の動きとは異なる動きをする物体の一部に対応するサブクラスタと、に分割する。

速度算出部１４は、点線の曲線で囲まれる領域内の捕捉点（図６に示す黒丸）を利用し、以下の式（２−２）、式（３−２）及び（４−２）を用いて実際の移動速度ｖ_{ｔａｒｇｅｔ}と実際の移動方向λ_{ｔａｒｇｅｔ}を算出する。すなわち、速度算出部１４は、車輪以外の車体の動きに対応するサブクラスタに属する捕捉点を利用してクラスタの速度算出を行う。

なお、ｖ_{ｍａｉｎ−ｘ}及びｖ_{ｍａｉｎ−ｙ}は、物体の主要部分の動きに対応するサブクラスタに含まる捕捉点Ｃ_ｍｉ（ｍｉ＝１〜Ｍ、Ｍ＜Ｎ）によって求められた値である。

このため、物体の主要部分となる動きとは異なる動きをする物体の一部、すなわち例えば物体が車両である場合の車輪部分や、物体が人である場合の手足等の動きに影響を抑制し、物体の主要部分となる移動速度を算出することができる。なお、速度算出部１４は、式（３−２）を用いて実際の移動速度ｖ_{ｔａｒｇｅｔ}を算出するため、速度算出部１４が算出する実際の移動速度ｖ_{ｔａｒｇｅｔ}は、クラスタのドップラ速度（１次元速度：レーダ装置の特定方位方向の速度）ではなく、ｘ成分及びｙ成分を有する速度（２次元速度）となる。

なお、サブクラスタ生成部１３によるサブクラスタの生成と、速度算出部１４による実際の移動速度ｖ_{ｔａｒｇｅｔ}及び実際の移動方向λ_{ｔａｒｇｅｔ}の算出を、回帰的に繰り返し行い、パラメータの算出精度を向上させるようにしてもよい。

追跡部１５は、公知の追跡技術、例えばαβフィルタやカルマンフィルタ等を利用し、クラスタの追跡処理を行う。ただし、追跡要素として、速度に関しては、ドップラ速度の追跡ではなく、２次元速度の追跡を行う。また、クラスタの速度を算出する際に、クラスタの全捕捉点でなく、図６に示した点線の曲線で囲まれる領域内のサブクラスタに含まれる捕捉点を利用する。すなわち、追跡部１５は、物体の一部ではなく、物体の主要部分となる動きを追跡している。

以下、追跡部１５によりαβフィルタを利用した追跡の一例について説明する。αβフィルタの処理を下記式（７）から式（１０）に示す。

式（７）から式（１０）において、Ｘ及びＶは下記式（１１）及び式（１２）に示すような２次元ベクトルである。

式（７）では、平滑位置Ｘ_ｓｋを予測位置Ｘ_ｐｋと測定位置Ｘ_ｏｋを用いて算出する。重み付けは、パラメータαを用いて調整する。なお、平滑位置とは、サンプリング時刻ｋにおけるクラスタの推定位置である。

また、式（８）では、平滑速度Ｖ_ｓｋを予測速度Ｖ_ｐｋと測定速度Ｖ_ｏｋを用いて算出する。また、重み付けは、パラメータβを用いて調整する。なお、平滑速度とは、サンプリング時刻ｋにおけるクラスタの推定速度である。

予測位置Ｘ_ｐｋは式（９）によって算出される。また、予測速度Ｖ_ｐｋは式（１０）によって算出される。式（９）及び式（１０）において、物体の運動を等速モデルで表現しており、時刻ｋ−１における平滑位置Ｘ_ｓｋ−１と平滑速度Ｖ_ｓｋ−１を用いて時刻ｋにおける予測位置Ｘ_ｐｋと予測速度Ｖ_ｐｋとを算出している。

追跡部１５は、当該クラスタに属する全捕捉点を利用し、全捕捉点の平均位置をクラスタの測定位置Ｘ_ｏｋとする。さらに、追跡部１５は、速度算出部１４が算出した速度をクラスタの測定速度Ｖ_ｏｋとする。すなわち、測定速度Ｖ_ｏｋは、クラスタの全捕捉点ではなく、サブクラスタに属する捕捉点に依存して決定される。

なお、追跡部１５におけるパラメータαとβの選択方法や、追跡の起動方法等は公知の手法を利用すればよく、本開示では特に限定しない。

物体確定部１６は、捕捉点の分布形状、図２Ａ及び図２Ｂに示す反射強度の分布、ドップラ速度の分布、さらに追跡部１５による追跡結果の平滑速度等に基づいて、公知のテンプレートマッチング手法等によってレーダ装置２０が検出した物体の種別（車両あるいは歩行者等）を判別する。物体確定部１６による物体判別の方法については、本開示では限定しない。物体判別の方法には、公知の技術を利用すればよい。そして、物体確定部１６は、検出された物体の位置や移動速度等、物体に関する情報を車両制御システム３０に対して出力する。

次に、第１の実施の形態に係る物体検出装置１０の動作例について説明する。図７は、物体検出装置１０の動作例を示すフローチャートである。ステップＳ１において、捕捉点取得部１１は、レーダ装置２０から測定情報を取得する。そして、ステップＳ２において、捕捉点取得部１１は、測定情報に基づいて捕捉点を抽出し取得する。

ステップＳ３において、クラスタ生成部１２は、複数の捕捉点をクラスタリングする。そして、ステップＳ４においてサブクラスタ生成部１３はクラスタ生成部１２が生成したクラスタを２種類のサブクラスタに分割する。

ステップＳ５において、速度算出部１４は、サブクラスタ生成部１３が生成したサブクラスタのうち、物体の一部に対応するサブクラスタに属する捕捉点を用いて、クラスタの２次元速度を算出する。

ステップＳ６において、追跡部１５は追跡処理を行う。具体的には、１回前のレーダ測定周期における平滑位置Ｘ_ｓｋ−１及び平滑速度Ｖ_ｓｋ−１を利用して予測位置Ｘ_ｐｋ及び予測速度Ｖ_ｐｋを算出する。そして、追跡部１５は、クラスタに属する全捕捉点の平均位置を測定位置Ｘ_ｏｋ、速度算出部１４が算出した速度を測定速度Ｖ_ｏｋとして、測定位置Ｘ_ｏｋ及び予測位置Ｘ_ｐｋに基づいて現在の周期の平滑位置Ｘ_ｓｋを、測定速度Ｖ_ｏｋ及び予測速度Ｖ_ｐｋに基づいて平滑速度Ｖ_ｓｋを算出する。

ステップＳ７において、物体確定部１６は、追跡部１５の追跡結果等に基づいて、物体の種別を判別し、判別結果を出力する。

以上説明したように、本開示の第１の実施の形態に係る物体検出装置１０は、所定範囲を距離及び方位角毎に複数に分割した単位領域の中から、レーダ装置が反射波を用いて生成した、当該所定範囲に関する電力プロファイル及び／またはドップラ速度プロファイルである測定情報が所定のしきい値を超えるものを、物体を捕捉する捕捉点として取得する捕捉点取得部と、前記捕捉点を、全ての捕捉点がいずれかのクラスタに属し、かつ、各クラスタが少なくとも１つの捕捉点を含むようにクラスタリングするクラスタ生成部と、前記クラスタ生成部が生成した各クラスタを、当該クラスタに対応する前記物体の主要部分の移動方向及び移動速度とは異なる動きをする前記物体の一部に対応するサブクラスタと、前記物体の主要部分に対応するサブクラスタとの２種類のサブクラスタに分割するサブクラスタ生成部と、前記物体の主要部分に対応するサブクラスタに属する捕捉点を用いて、前記クラスタの移動速度を算出する速度算出部と、を有する。

このような構成により、第１の実施の形態に係る物体検出装置１０によれば、レーダ測定結果に基づいて検出した物体に対応するクラスタを、物体の主要部分の動きに対応するサブクラスタと、物体の主要部分の動きとは異なる動きをする物体の一部（例えば、物体が車両である場合の車輪部分や、物体が人である場合の手足等）に対応するサブクラスタとに分割する。そして、クラスタの速度を算出するときに、物体の主要部分の動きに対応するサブクラスタに属する捕捉点を利用してクラスタの速度算出を行っている。このため、物体の主要部分の動きとは異なる動きをする物体の一部、すなわち例えば物体が車両である場合の車輪部分や、物体が人である場合の手足等の動きに影響を抑制し、物体の主要部分の移動速度を正確に算出することができる。

従って、第１の実施の形態に係る物体検出装置１０によれば、クラスタの移動速度を正確に算出することができるので、その後のクラスタの追跡処理や、追跡結果を用いた物体の種別の判別処理を高精度で行うことができるようになる。

また、第１の実施の形態に係る物体検出装置１０によれば、式（１）により速度算出部１４がドップラ速度（１次元速度）ではなく物体の平面上速度（２次元速度）を算出する。物体の主要部分の動きとは異なる動きをする物体の一部が存在する場合、物体の主要部分のドップラ速度を正確に追跡することは困難であるため、精度の良い２次元速度を算出することで、物体の主要部分のドップラ速度を補うことができるようになる。

また、第１の実施の形態に係る物体検出装置１０は、物体に関する情報に、サブクラスタに関する情報として、サブクラスタの数、位置、及び各サブクラスタの大きさと速度分布も含めて出力してもよい。物体確定部１６は、サブクラスタに関する情報のうち少なくとも１つを利用して、更に、物体の特定部分に関する情報を検知し、物体状況を判定（例えば、車種判別、人数判断）する処理が考えられる。

例えば、物体確定部１６は、サブクラスタに関する情報が車輪を反映する場合、車輪の数及び位置を、サブクラスタに関する情報のうち少なくとも１つから検知することで、車種（例えば、２輪車、乗用車、大型車）を判別することができる。また、物体確定部１６は、サブクラスタに関する情報が歩行者の手足の動作を反映する場合、サブクラスタに関する情報のうち少なくとも１つから手足の数を検知することで、人数を確定することができる。

そして、上記に説明したように、レーダ装置及び本開示の物体検出装置を車両に搭載することにより、レーダ装置による車両の周囲に存在する物体の速度を正確に求めることができ、自車両周辺に存在する車両、二輪車、及び歩行者等を正確に検出することができる。また、これらの移動速度を精度よく検出できるので、例えば自車両との衝突可能性を予測することができる。衝突可能性があると判断した場合は、衝突回避のための警告や制御を行うことができるので、交通事故の防止に効果がある。

なお、本開示の物体検出装置は車両以外にも搭載され、例えば、交差点を含む道路周辺に存在する車両、二輪車、及び歩行者等を正確に検出するために、道路周辺に設置されたレーダ装置に接続されて使用されてもよい。この場合には、交差点等における車両、二輪車、及び歩行者等の衝突の可能性の予測、衝突の回避、及び、交通量の把握と管理を行うことができる。その結果、交通事故の防止し、交通管理の効率化に効果がある。

あるいは、本開示の物体検出装置は、例えば空港、建物、または、施設の監視を行うレーダ装置に接続されていてもよい。例えば小型飛行体や鳥、侵入者等を正確に検出することができるので、施設の安全が確保される。

＜第２の実施の形態＞
図８は、本開示の第２の実施の形態に係る物体検出装置１０Ａの主要構成と、レーダ装置２０と、車両制御システム３０との接続関係を示すブロック図である。図８において、図１と共通する構成には、図１と同一の符号を付して詳細な説明を省略する。図８に示す物体検出装置１０Ａは、速度算出部１４１を有する。速度算出部１４１は、第１の実施の形態に係る物体検出装置１０の速度算出部１４とは異なる動作を行う。

第１の実施の形態の速度算出部１４では２次元速度を利用してクラスタの速度を算出していたが、第２の実施の形態の速度算出部１４１は、物体の主要部分に対応するサブクラスタに属する捕捉点のドップラ速度の平均値を利用して速度の算出を行う。第２の実施の形態では、速度の算出にドップラ速度を利用するため、第１の実施の形態１において速度を算出するために使用していた式（１）は使用しない（式（１）の速度ｖ_ａｌｌはドップラ速度ではなく物体の平面上の速度であるため）が、例えば公知の速度算出法を使用すればよい。具体的には、例えば、サブクラスタに属する捕捉点のドップラ速度の平均値を測定速度Ｖ_ｏｋとし、式（８）を使用して平滑速度Ｖ_ｓｋを算出するようにすればよい。

以上説明したように、本開示の第２の実施の形態に係る物体検出装置１０Ａは、所定範囲にレーダ送信波を送信し、その反射波を受信して、当該所定範囲に関する電力プロファイル及び／またはドップラ速度プロファイルである測定情報を生成するレーダ装置から取得した前記測定情報に基づいて、前記所定範囲を所定の距離及び方位角毎に複数に分割した単位領域毎の前記電力プロファイル及び／またはドップラ速度プロファイルが所定のしきい値を超える少なくとも１つの領域を、物体を捕捉する捕捉点として取得する捕捉点取得部と、前記少なくとも１つの捕捉点を、少なくとも１つのクラスタにクラスタリングするクラスタ生成部と、前記クラスタ生成部が生成した各クラスタを、当該クラスタに対応する前記物体の主要部分の移動方向及び移動速度とは異なる動きをする前記物体の一部に対応するサブクラスタと、前記物体の主要部分に対応するサブクラスタの２種類のサブクラスタに分割するサブクラスタ生成部と、前記物体の主要部分に対応するサブクラスタに属する単位領域のドップラ速度の平均値に基づいて、前記クラスタの移動速度を算出する速度測定値算出部と、を有する。

このような構成により、第２の実施の形態に係る物体検出装置１０Ａによれば、第１の実施の形態と同様に、レーダ測定結果に基づいて検出した物体に対応するクラスタを、物体の主要部分の動きに対応するサブクラスタと、物体の主要部分の動きとは異なる動きをする物体の一部（例えば、物体が車両である場合の車輪部分や、物体が人である場合の手足等）に対応するサブクラスタとに分割する。そして、クラスタの速度を算出するときに、物体の主要部分の動きに対応するサブクラスタに属する捕捉点を利用してクラスタの速度算出を行っている。
このため、物体の主要部分の動きとは異なる動きをする物体の一部、すなわち例えば物体が車両である場合の車輪部分や、物体が人である場合の手足等の動きに影響を受けずに、物体の主要部分の移動速度を正確に算出することができる。また、第２の実施の形態に係る物体検出装置１０Ａは、ドップラ速度から２次元速度を算出するための捕捉点の数が不十分で、回帰計算精度を保証できない場合にも、速度算出の精度を向上させることができる。

＜第３の実施の形態＞
図９は、本開示の第３の実施の形態に係る物体検出装置１０Ｂの主要構成と、レーダ装置２０と、車両制御システム３０との接続関係を示すブロック図である。図９において、図１と共通する構成には、図１と同一の符号を付して詳細な説明を省略する。第３の実施の形態に係る物体検出装置１０Ｂは、図９に示すように、第１の実施の形態に係る物体検出装置１０のサブクラスタ生成部１３と追跡部１５の間にマイクロ速度算出部１８が挿入された構成を有する。また、第３の実施の形態に係る物体検出装置１０Ｂは、第１の実施の形態における追跡部１５が追跡部１５Ｂに、第１の実施の形態における物体確定部１６が物体確定部１６Ｂに、それぞれ置き換わった構成を有する。

マイクロ速度算出部１８は、サブクラスタ生成部１３が生成したサブクラスタのうち、図６に示す点線の曲線で囲まれる領域外に位置する捕捉点（白丸）のドップラ速度の平均値を算出し、クラスタのマイクロ速度ｖ_{ｍｉｃｒｏ}とする。このマイクロ速度ｖ_{ｍｉｃｒｏ}は、物体の主要部分の動きとは異なる動きをする物体の一部の速度に対応している。

追跡部１５Ｂは、追跡に利用する速度ベクトルＶの次元を拡大する。例えばαβフィルタの場合、速度ベクトルは下記のように拡大される。

式（１３）において、ｖ_{ｍｉｃｒｏ}はマイクロ速度算出部１８より算出した速度である。ｖ_{ｍｉｃｒｏ}はクラスタ（物体）の主要部分の動きとは異なる動きをする物体の一部の速度であるため、実施の形態３では、物体判別の特徴量として利用する。

物体確定部１６Ｂは、第１の実施の形態の物体確定部１６で利用した特徴にマイクロ速度の特徴を加え、物体判別を実現する。物体確定部１６Ｂは、マイクロ速度ｖ_{ｍｉｃｒｏ}の時系列的変化を把握することによって、物体判別をより正確に行うことができる。

以上説明したように、第３の実施の形態に係る物体検出装置１０Ｂは、前記物体の一部に対応するサブクラスタに属する単位領域のドップラ速度の平均値であるマイクロ速度を算出するマイクロ速度算出部と、前記クラスタ生成部が生成したクラスタに対して追跡処理を行う追跡部と、に有し、前記追跡部は、前記速度算出部の算出した移動速度と、前記マイクロ速度算出部が算出した前記マイクロ速度と、を前記クラスタの移動速度とする。

このような構成により、第３の実施の形態に係る物体検出装置１０Ｂによれば、物体の主要部分の動きに対応するサブクラスタと、物体の主要部分の動きとは異なる動きをする物体の一部に対応するサブクラスタの両方を追跡し、両方から得られた位置及び速度を用いて物体の種別を判別するので、物体の種別の判別精度が向上する。

具体的には、例えば、物体として、ドローン等と称される小型飛行物体と鳥の２種類の飛行物体がレーダ装置２０の検出範囲内に存在した場合に、これら２種類の飛行物体の主要部分が似たような速度で移動していたとしても、例えば小型飛行物体の一部であるプロペラ部分の回転速度は、鳥の翼の羽ばたき速度より明らかに速い。このため、物体の主要部分の動きとは異なる動きをする物体の一部の速度を算出することで、小型飛行物体と鳥とを精度よく判別することができるようになる。なお、レーダ装置２０の検出範囲内にどちらか一方の飛行物体が存在する場合は、予め小型飛行物体におけるプロペラ部分の回転速度や、鳥の翼の羽ばたき速度等の情報を取得しておくことで、精度よく判別することができる。第３の実施の形態に係る物体検出装置１０Ｂは、上記した小型飛行物体と鳥の他にも、例えば手押し自転車と歩行者との判別、自転車とランニング中の人との判別等も精度よく行うことができる。

＜第４の実施の形態＞
図１０は、本開示の第４の実施の形態に係る物体検出装置１０Ｃの主要構成と、２つのレーダ装置２０１及び２０２と、車両制御システム３０との接続関係を示すブロック図である。図１０において、図１と共通する構成には、図１と同一の符号を付して詳細な説明を省略する。第４の実施の形態に係る物体検出装置１０Ｃは、２つの捕捉点取得部１１１と１１２、２つのクラスタ生成部１２１と１２２、及び空間位置統合部１９が挿入された構成を有する。

図１０及び図１１に示すように、第４の実施の形態では、２台のレーダ装置２０１及び２０２を異なる空間位置に設置する場合の対応方法を開示する。図１１は、２つのレーダ装置２０１及び２０２の配置例を示す図である。

レーダ装置２０１から出力された測定情報を用いて、捕捉点取得部１１１が捕捉点を取得し、クラスタ生成部１２１がクラスタを生成する。同様に、レーダ装置２０２から出力された測定情報を用いて、捕捉点取得部１１２が捕捉点を取得し、クラスタ生成部１２２がクラスタを生成する。

空間位置統合部１９は、レーダ装置２０１とレーダ装置２０２に対して、同一の基準座標系を設定する。空間位置統合部１９は、例えば、レーダ装置２０１の座標系を基準座標系として利用する。そして、空間位置統合部１９は、各レーダ装置２０１及び２０２の設置位置に基づいて、２台のレーダ装置からクラスタ生成部１２１及び１２２により生成されたクラスタが同一の物体に対応するかを判断する。

そして、空間位置統合部１９は、クラスタが同一の物体に対応するクラスタであると判断した場合は、捕捉点取得部１１１及び１１２が取得した捕捉点を統合し、クラスタの捕捉点とする。例えば、捕捉点取得部１１１が取得した捕捉点がＣ１_ｉ（ｉ＝１〜Ｎ）、捕捉点取得部１１２が取得した捕捉点がＣ２_ｊ（ｊ＝１〜Ｍ）とすれば、統合した後の捕捉点の数はＮ＋Ｍ個である。

また、空間位置統合部１９は、レーダ装置２０１及び２０２の設置位置の相違に起因するパラメータの調整処理、具体的には、例えば各レーダ装置２０１及び２０２から同一の物体を測定した場合、物体の方位角が異なるため、方角差異を補正する処理等を行う。

サブクラスタ生成部１３、速度算出部１４、追跡部１５、及び物体確定部１６は、これらのＮ＋Ｍ個の捕捉点に対して、上記した第１の実施の形態と同様の動作を行う。

以上説明したように、第４の実施の形態に係る物体検出装置１０Ｃは、互いに異なる位置に設置された少なくとも２つのレーダ装置のそれぞれが、互いに異なる所定範囲にレーダ送信波を送信し、その反射波を受信して、前記所定範囲に関する電力プロファイル及び／またはドップラ速度プロファイルである測定情報を生成し、当該少なくとも２つのレーダ装置のそれぞれから取得した前記測定情報に基づいて、前記所定範囲を所定の距離及び方位角毎に複数に分割した単位領域毎の前記電力プロファイル及び／またはドップラ速度プロファイルが所定のしきい値を超える少なくとも１つの領域を、物体を捕捉する捕捉点として取得する少なくとも２つの捕捉点取得部と、前記少なくとも２つの捕捉点取得部がそれぞれ取得した前記少なくとも１つの捕捉点を、少なくとも１つのクラスタにクラスタリングする少なくとも２つのクラスタ生成部と、前記少なくとも２つのクラスタ生成部がそれぞれ生成したクラスタと、前記少なくとも２つのレーダ装置とを含む同一の座標系を設定する空間位置統合部と、をさらに有する。

このような構成により、例えば２地点にレーダ装置を設置して交差点等の要監視地点の物体検出を行う場合に、交差点内に存在する車両、歩行者、二輪車等の各物体を精度よく検出することができる。また、各物体の移動速度を精度よく検出できるので、例えばこれらの物体同士の衝突予測等を行うことができ、警報を発する等の対処を行うことができるようになる。

なお、上記第４の実施の形態では、捕捉点取得部とクラスタ生成部が２台のレーダ装置２０１及び２０２に合わせてそれぞれ２つずつ設けられていたが、本開示はこれに限定されない。例えば、１つの捕捉点取得部と１つのクラスタ生成部が、２台のレーダ装置２０１及び２０２からそれぞれ測定情報を取得し、これらを別々に処理し、空間位置統合部１９において別々に処理されたクラスタを統合するようにしてもよい。

以上、本開示の物体検出装置の実施の形態について説明した。これらの実施の形態は、本開示の物体検出装置の一例に過ぎず、各種変形を行ってもよい。また、上記で説明した各実施の形態は、適宜組み合わせてもよい。例えば、第４の実施の形態に係る物体検出装置１０Ｃに、第３の実施の形態にて説明したマイクロ速度算出部と追跡部とを加えてもよい。このような構成の場合、物体のマイクロ速度特徴を異なる方向から取得でき、物体判別精度を向上させることができる。

＜実施形態のまとめ＞
本開示の第１の態様に係る物体検出装置は、１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得する捕捉点取得部と、前記２つ以上の捕捉点を含む１つ以上のクラスタを生成するクラスタ生成部と、前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割するサブクラスタ生成部と、前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する速度算出部と、を有する。

本開示の第２の態様に係る物体検出装置は、第１の態様に係る物体検出装置において、前記速度算出部は、前記第２サブクラスタに属する１つ以上の捕捉点に対応する、電力プロファイル及びドップラ速度プロファイルの少なくとも１つを用いて、前記物体の移動速度を算出する。

本開示の第３の態様に係る物体検出装置は、第１の態様に係る物体検出装置において、前記物体の移動速度は、ドップラ速度である。

本開示の第４の態様に係る物体検出装置は、第１から第３の態様のいずれかに係る物体検出装置において、前記第２サブクラスタを用いて、前記クラスタに対して追跡処理を行う追跡部をさらに有する。

本開示の第５の態様に係る物体検出装置は、第４の態様に係る物体検出装置において、前記測定情報及び前記追跡部による追跡結果に基づいて、前記物体の種別を判別する物体確定部をさらに有する。

本開示の第６の態様に係る物体検出装置は、第５の態様に係る物体検出装置において、前記物体確定部は、前記第１サブクラスタの数、位置、大きさ及び速度分布のうち少なくとも１つを用いて、車種の判別を行う。

本開示の第７の態様に係る物体検出装置は、第５の態様に係る物体検出装置において、前記物体確定部は、前記第１サブクラスタの数、位置、大きさ及び速度分布のうち少なくとも１つを用いて、人数の判別を行う。

本開示の第８の態様に係る物体検出装置は、第１から第７の態様のいずれかに係る物体検出装置において、前記サブクラスタ生成部は、前記クラスタに属する単位領域において、前記電力プロファイル及び前記ドップラ速度プロファイルの少なくともいずれか１つを用いて、前記第１及び第２サブクラスタを生成する。

本開示の第９の態様に係る物体検出装置は、第８の態様に係る物体検出装置において、前記サブクラスタ生成部は、下記式（１）に示す曲線からの距離が所定のしきい値以内である捕捉点を用いて前記第１及び第２サブクラスタを生成する。

ｖ_ｒ：ドップラ速度測定値、θ：方位角測定値、ｖ_ａｌｌ：クラスタ内全ての捕捉点に対応する移動速度、λ_ａｌｌ：クラスタ内全ての捕捉点に対応する移動方向の方位角

本開示の第１０の態様に係る物体検出装置は、第１の態様に係る物体検出装置において、前記第２サブクラスタに属する単位領域におけるドップラ速度の平均値であるマイクロ速度を算出するマイクロ速度算出部と、前記クラスタ生成部が生成したクラスタに対して追跡処理を行う追跡部と、をさらに有し、前記追跡部は、前記速度算出部の算出した前記物体の移動速度と、前記マイクロ速度算出部が算出した前記マイクロ速度との両方、を前記クラスタの移動速度とする。

本開示の第１１の態様に係る物体検出装置は、第１の態様に係る物体検出装置において、前記捕捉点取得部は、互いに異なる位置に設置された複数のレーダ装置から、互いに異なる複数の測定情報が入力され、前記各測定情報に基づいて、前記各レーダ装置の測定範囲を分割した複数の単位領域の中から、前記各レーダ装置によって捕捉された前記物体の２つ以上の捕捉点を取得し、前記クラスタ生成部は、前記各レーダ装置によって捕捉された前記物体の２つ以上の捕捉点を含む前記各レーダ装置に対応した１つ以上のクラスタを生成し、前記各レーダ装置に対応した１つ以上のクラスタと、前記複数のレーダ装置と、を含む同一の座標系を設定する空間位置統合部をさらに有する。

本開示の第１２の態様に係る物体検出方法は、１つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得し、前記２つ以上の捕捉点を含む１つ以上のクラスタを生成し、前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割し、前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する。

以上、図面を参照しながら各種の実施形態について説明したが、本開示はかかる例に限定されないことは言うまでもない。当業者であれば、特許請求の範囲に記載された範疇内において、各種の変更例または修正例に想到し得ることは明らかであり、それらについても当然に本開示の技術的範囲に属するものと了解される。また、開示の趣旨を逸脱しない範囲において、上記実施形態における各構成要素を任意に組み合わせてもよい。

上記各実施形態では、本開示はハードウェアを用いて構成する例にとって説明したが、本開示はハードウェアとの連携においてソフトウェアでも実現することも可能である。

また、上記各実施形態の説明に用いた各機能ブロックは、典型的には、入力端子及び出力端子を有する集積回路であるＬＳＩとして実現される。これらは個別に１チップ化されてもよいし、一部または全てを含むように１チップ化されてもよい。ここでは、ＬＳＩとしたが、集積度の違いにより、ＩＣ、システムＬＳＩ、スーパーＬＳＩ、ウルトラＬＳＩと呼称されることもある。

また、集積回路化の手法はＬＳＩに限るものではなく、専用回路または汎用プロセッサを用いて実現してもよい。ＬＳＩ製造後に、プログラムすることが可能なＦＰＧＡ（Field Programmable Gate Array）、ＬＳＩ内部の回路セルの接続又は設定を再構成可能なリコンフィギュラブル プロセッサ（Reconfigurable Processor）を利用してもよい。

さらには、半導体技術の進歩又は派生する別技術により,ＬＳＩに置き換わる集積回路化の技術が登場すれば、当然、その技術を用いて機能ブロックを集積化してもよい。バイオ技術の適用等が可能性としてありえる。

本開示は、レーダ装置の測定結果を用いて物体の検出を行う物体検出装置に利用することができる。

１０，１０Ａ，１０Ｂ，１０Ｃ 物体検出装置
１１，１１１，１１２ 捕捉点取得部
１２，１２１，１２２ クラスタ生成部
１３ サブクラスタ生成部
１４，１４１ 速度算出部
１５，１５Ｂ 追跡部
１６，１６Ｂ 物体確定部
１８ マイクロ速度算出部
１９ 空間位置統合部
２０，２０１，２０２ レーダ装置
３０ 車両制御システム

Claims (12)

1. １つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得する捕捉点取得部と、
   前記２つ以上の捕捉点を含む１つ以上のクラスタを生成するクラスタ生成部と、
   前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割するサブクラスタ生成部と、
   前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する速度算出部と、
   を有する物体検出装置。
2. 前記速度算出部は、前記第２サブクラスタに属する１つ以上の捕捉点に対応する、電力プロファイル及びドップラ速度プロファイルの少なくとも１つを用いて、前記物体の移動速度を算出する、
   請求項１に記載の物体検出装置。
3. 前記物体の移動速度は、ドップラ速度である、
   請求項１に記載の物体検出装置。
4. 前記第２サブクラスタを用いて、前記クラスタに対して追跡処理を行う追跡部をさらに有する、
   請求項１から３のいずれか一項に記載の物体検出装置。
5. 前記測定情報及び前記追跡部による追跡結果に基づいて、前記物体の種別を判別する物体確定部をさらに有する、
   請求項４に記載の物体検出装置。
6. 前記物体確定部は、前記第１サブクラスタの数、位置、大きさ及び速度分布のうち少なくとも１つを用いて、車種の判別を行う、
   請求項５に記載の物体検出装置。
7. 前記物体確定部は、前記第１サブクラスタの数、位置、大きさ及び速度分布のうち少なくとも１つを用いて、人数の判別を行う、
   請求項５に記載の物体検出装置。
8. 前記サブクラスタ生成部は、前記クラスタに属する単位領域において、前記電力プロファイル及び前記ドップラ速度プロファイルの少なくともいずれか１つを用いて、前記第１及び第２サブクラスタを生成する、
   請求項１から７のいずれか一項に記載の物体検出装置。
9. 前記サブクラスタ生成部は、下記式（１）に示す曲線からの距離が所定のしきい値以内である捕捉点を用いて前記第１及び第２サブクラスタを生成する、
   請求項８に記載の物体検出装置。
   

   

   ｖ_ｒ：ドップラ速度測定値、θ：方位角測定値、ｖ_ａｌｌ：クラスタ内全ての捕捉点に対応する移動速度、λ_ａｌｌ：クラスタ内全ての捕捉点に対応する移動方向の方位角
10. 前記第２サブクラスタに属する単位領域におけるドップラ速度の平均値であるマイクロ速度を算出するマイクロ速度算出部と、
    前記クラスタ生成部が生成したクラスタに対して追跡処理を行う追跡部と、
    をさらに有し、
    前記追跡部は、前記速度算出部の算出した前記物体の移動速度と、前記マイクロ速度算出部が算出した前記マイクロ速度との両方、を前記クラスタの移動速度とする、
    請求項１に記載の物体検出装置。
11. 前記捕捉点取得部は、互いに異なる位置に設置された複数のレーダ装置から、互いに異なる複数の測定情報が入力され、前記各測定情報に基づいて、前記各レーダ装置の測定範囲を分割した複数の単位領域の中から、前記各レーダ装置によって捕捉された前記物体の２つ以上の捕捉点を取得し、
    前記クラスタ生成部は、前記各レーダ装置によって捕捉された前記物体の２つ以上の捕捉点を含む前記各レーダ装置に対応した１つ以上のクラスタを生成し、
    前記各レーダ装置に対応した１つ以上のクラスタと、前記複数のレーダ装置と、を含む同一の座標系を設定する空間位置統合部をさらに有する、
    請求項１に記載の物体検出装置。
12. １つ以上のレーダ装置の測定範囲を距離及び方位角毎に分割した複数の単位領域に対して、前記１つ以上のレーダ装置が物体からの反射波を用いて生成した測定情報である電力プロファイル及びドップラ速度プロファイルの少なくとも１つが入力され、
    前記測定情報を用いて、前記複数の単位領域の中から、前記物体を捕捉した２つ以上の単位領域を、２つ以上の捕捉点として取得し、
    前記２つ以上の捕捉点を含む１つ以上のクラスタを生成し、
    前記各クラスタを、前記物体の主要部分とは異なる移動方向及び移動速度を有する前記物体の一部に対応する１つ以上の第１サブクラスタと、前記物体の主要部分に対応する１つ以上の第２サブクラスタとに分割し、
    前記第２サブクラスタに属する１つ以上の捕捉点を用いて、前記物体の移動速度を算出する、
    物体検出方法。

Images