特許 5666987 移動物体検出装置

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】5666987

(24)【登録日】2014年12月19日

(45)【発行日】2015年2月12日

(54)【発明の名称】移動物体検出装置

(51)【国際特許分類】

   G01S 13/93 20060101AFI20150122BHJP

【ＦＩ】

   G01S13/93 Z

【請求項の数】3

【全頁数】23

(21)【出願番号】特願2011-117092(P2011-117092)

(22)【出願日】2011年5月25日

(65)【公開番号】特開2012-247214(P2012-247214A)

(43)【公開日】2012年12月13日

【審査請求日】2013年10月2日

(73)【特許権者】

【識別番号】000004260

【氏名又は名称】株式会社デンソー

(73)【特許権者】

【識別番号】502324066

【氏名又は名称】株式会社デンソーアイティーラボラトリ

(74)【代理人】

【識別番号】110000578

【氏名又は名称】名古屋国際特許業務法人

(72)【発明者】

【氏名】水谷 玲義

(72)【発明者】

【氏名】鈴木 幸一郎

(72)【発明者】

【氏名】高野 岳

【審査官】 堀 圭史

(56)【参考文献】

【文献】 特開平１０−１００８２０（ＪＰ，Ａ）

【文献】 特開２００６−０３８６９７（ＪＰ，Ａ）

【文献】 特開２０００−０９８０２８（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｓ ７／００−４２，１３／００−９５

(57)【特許請求の範囲】

【請求項1】

レーダ波を前方に向けて送信し、送信したレーダ波の反射波を観測することにより、前方に存在する移動物体における前端部および後端部の位置を検出することができる移動物体検出装置であって、
前記反射波を観測した結果に基づいて、前記レーダ波を反射した反射点の位置である反射点位置を連続して検出する位置検出手段と、
前記位置検出手段により検出された２つの前記反射点位置のうち、当該移動物体検出装置から遠い方の前記反射点位置である第１反射点位置を前記移動物体における前記前端部の位置であるとし、当該移動物体検出装置から近い方の前記反射点位置である第２反射点位置を前記移動物体における前記後端部の位置であるとして、前記第１反射点位置と前記第２反射点位置との間の距離である反射点間距離の時間経過による変動量が、前記反射点間距離の変動量が小さいことを示す予め設定された変動判定条件を満たす場合に、前記第１反射点位置および前記第２反射点位置がそれぞれ前記移動物体の前端部および後端部の位置であると判断する端部判断手段とを備える
ことを特徴とする移動物体検出装置。

【請求項2】

前記端部判断手段は、
前記反射点間距離が予め設定された固定値であると仮定して、前記位置検出手段により連続して検出された前記第１反射点位置と前記第２反射点位置の時間変化に基づき前記位置検出手段によって次回以降に検出される前記第１反射点位置と前記第２反射点位置を予測する固定位置予測手段と、
前記固定位置予測手段により予測された前記第１反射点位置および前記第２反射点位置と、前記位置検出手段により検出された前記第１反射点位置および前記第２反射点位置とを比較して、両者の一致度合いを示す固定一致度を算出する固定一致度算出手段と、
前記第１反射点位置および前記第２反射点位置がそれぞれ独立に移動すると仮定して、前記位置検出手段により連続して検出された前記第１反射点位置と前記第２反射点位置の時間変化に基づき前記位置検出手段によって次回以降に検出される前記第１反射点位置と前記第２反射点位置を予測する独立位置予測手段と、
前記独立位置予測手段により予測された前記第１反射点位置および前記第２反射点位置と、前記位置検出手段により検出された前記第１反射点位置および前記第２反射点位置とを比較して、両者の一致度合いを示す独立一致度を算出する独立一致度算出手段とを備え、
前記変動判定条件は、
前記固定一致度が前記独立一致度より大きいことである
ことを特徴とする請求項１に記載の移動物体検出装置。

【請求項3】

前記固定位置予測手段は、
前記反射点間距離の前記固定値として互いに異なる複数の値を仮定して、互いに値の異なる複数の前記固定値毎に、前記第１反射点位置と前記第２反射点位置を予測し、
前記固定一致度算出手段は、
前記固定位置予測手段により前記固定値毎に予測された前記第１反射点位置および前記第２反射点位置と、前記位置検出手段により検出された前記第１反射点位置および前記第２反射点位置とを比較して、複数の前記固定値毎に、両者の一致度合いを示す固定一致度を算出する
ことを特徴とする請求項２に記載の移動物体検出装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、レーダ装置を用いて移動物体を検出する移動物体検出装置に関する。

【背景技術】

【0002】

従来、レーダ波を前方に向けて送信し、反射したレーダ波を受信することにより、前方に存在する移動物体を検出する移動物体検出装置が知られている。
このようにレーダ波の反射を用いた移動物体検出装置では、１つの移動物体から複数の反射点を検出する場合がある。この場合において、複数の反射点が、互いに異なる移動物体からの検出結果であると認識してしまう状況の発生を抑制するために、移動物体検出装置の前方領域に設定された所定統合範囲内において速度の偏差が略等しい複数の反射点を統合し、これら統合された反射点が単一の移動物体からの検出結果であると認識する技術が知られている（例えば、特許文献１を参照）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開２００９−１８６２７６号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかし、上記特許文献１に記載の技術では、或る時刻において、移動速度が略等しい複数の移動体が所定統合範囲内に位置している場合であっても、これら複数の移動体を単一の移動物体であると認識してしまうおそれがあった。

【0005】

本発明は、こうした問題に鑑みてなされたものであり、複数の移動体を単一の移動物体であると誤認識してしまう状況の発生を抑制し、移動体検出精度を向上させることができる技術を提供することを目的とする。

【課題を解決するための手段】

【0006】

上記目的を達成するためになされた請求項１に記載の移動物体検出装置は、レーダ波を前方に向けて送信し、送信したレーダ波の反射波を観測することにより、前方に存在する移動物体における前端部および後端部の位置を検出することができる移動物体検出装置であって、まず位置検出手段が、反射波を観測した結果に基づいて、レーダ波を反射した反射点の位置である反射点位置を連続して検出する。そして端部判断手段が、位置検出手段により検出された２つの反射点位置のうち、当該移動物体検出装置から遠い方の反射点位置である第１反射点位置を移動物体における前端部の位置であるとし、当該移動物体検出装置から近い方の反射点位置である第２反射点位置を移動物体における後端部の位置であるとして、第１反射点位置と第２反射点位置との間の距離である反射点間距離の時間経過による変動量が、反射点間距離の変動量が小さいことを示す予め設定された変動判定条件を満たす場合に、第１反射点位置および第２反射点位置がそれぞれ移動物体の前端部および後端部の位置であると判断する。

【0007】

このように構成された移動物体検出装置では、第１反射点位置と第２反射点位置との間の距離である反射点間距離の時間経過による変動量が小さい場合に、第１反射点位置および第２反射点位置が１つの移動物体に起因したものであると判断する。

【0008】

このため、例えば当該移動物体検出装置の前方において第１の移動物体の後方から第２の移動物体が接近している状況で、第１の移動物体の後端部を第１反射点位置として検出するとともに、第２の移動物体の前端部を第２反射点位置として検出した場合には、時間が経過するにつれて反射点間距離が小さくなり、反射点間距離の時間経過による変動量が大きくなるため、第１反射点位置および第２反射点位置が１つの移動物体に起因したものであると判断しない。

【0009】

一方、第１の移動物体の前端部を第１反射点位置として検出するとともに、第１の移動物体の後端部を第２反射点位置として検出した場合には、時間が経過するにつれて反射点間距離がほとんど変化することなく、反射点間距離の時間経過による変動量が小さいため、第１，２反射点位置が１つの移動物体に起因したものであると判断する。

【0010】

したがって、このように構成された移動物体検出装置によれば、複数の移動体を単一の移動物体であると誤認識してしまう状況の発生を抑制し、移動体検出精度を向上させることができる。

【0011】

また請求項１に記載の移動物体検出装置において、請求項２に記載のように、端部判断手段では、固定位置予測手段が、反射点間距離が予め設定された固定値であると仮定して、位置検出手段により連続して検出された第１反射点位置と第２反射点位置の時間変化に基づき位置検出手段によって次回以降に検出される第１反射点位置と第２反射点位置を予測するとともに、固定一致度算出手段が、固定位置予測手段により予測された第１反射点位置および第２反射点位置と、位置検出手段により検出された第１反射点位置および第２反射点位置とを比較して、両者の一致度合いを示す固定一致度を算出し、さらに独立位置予測手段が、第１反射点位置および第２反射点位置がそれぞれ独立に移動すると仮定して、位置検出手段により連続して検出された第１反射点位置と第２反射点位置の時間変化に基づき位置検出手段によって次回以降に検出される第１反射点位置と第２反射点位置を予測するとともに、独立一致度算出手段が、独立位置予測手段により予測された第１反射点位置および第２反射点位置と、位置検出手段により検出された第１反射点位置および第２反射点位置とを比較して、両者の一致度合いを示す独立一致度を算出し、変動判定条件は、固定一致度が独立一致度より大きいことであるようにしてもよい。

【0012】

このように構成された移動物体検出装置では、反射点間距離が固定されていると仮定して第１，２反射点位置を予測した場合の一致度（固定一致度）と、第１，２反射点位置が独立に移動すると仮定して第１，２反射点位置を予測した場合の一致度（独立一致度）とを比較して、固定一致度が独立一致度より大きい場合に、第１，２反射点位置が１つの移動物体に起因したものであると判断する。

【0013】

このように構成された移動物体検出装置によれば、固定一致度と独立一致度とを比較するという簡便な方法で、反射点間距離の時間経過による変動量が大きいか否かを判断することができる。

【0014】

また請求項２に記載の移動物体検出装置において、請求項３に記載のように、固定位置予測手段が、反射点間距離の固定値として互いに異なる複数の値を仮定して、互いに値の異なる複数の固定値毎に、第１反射点位置と第２反射点位置を予測し、固定一致度算出手段が、固定位置予測手段により固定値毎に予測された第１反射点位置および第２反射点位置と、位置検出手段により検出された第１反射点位置および第２反射点位置とを比較して、複数の固定値毎に、両者の一致度合いを示す固定一致度を算出するようにしてもよい。

【0015】

このように構成された移動物体検出装置では、互いに異なる複数の反射点間距離の固定値毎に固定一致度が算出されるため、固定一致度が最も大きい反射点間距離を、検出した移動物体における前端部と後端部との間の距離とすることができる。

【0016】

すなわち、このように構成された移動物体検出装置によれば、検出した移動物体の長さを検出することができる。

【図面の簡単な説明】

【0021】

【図1】第１実施形態の移動物体検出装置１の構成を示すブロック図である。

【図2】抽出対象領域および割り当て仮説を説明する図である。

【図3】クラッタ、観測状態δ、および状態ベクトルｘを説明する図である。

【図4】第１実施形態の移動物体検出装置１の検出手法を説明する図である。

【図5】第２，３実施形態の移動物体検出装置１の構成を示すブロック図である。

【図6】他の実施形態のカルマンフィルタを説明する図である。

【発明を実施するための形態】

【0022】

（第１実施形態）
以下に本発明の第１実施形態について図面とともに説明する。
図１は、第１実施形態の移動物体検出装置１の構成を示すブロック図である。

【0023】

移動物体検出装置１は、車両に搭載され、図１に示すように、レーダ装置２に接続される。レーダ装置２は、車両に搭載され、ミリ波帯のレーダ波を車両の前方に向けて送信し、反射したレーダ波を受信することにより、レーダ波が反射した地点（以下、反射点という）までの距離および方位を示す情報（以下、反射点位置情報という）を検出する。

【0024】

移動物体検出装置１は、対象領域内反射点抽出部１０と、割当仮説生成部群２０と、車両端点トラッカ群３０と、平均処理部群４０と、モデル選択部５０と、固定・独立選択部６０とを備える。

【0025】

これらのうち対象領域内反射点抽出部１０は、レーダ装置２が検出した反射点位置情報のうち、予め設定された抽出対象領域内に位置する反射点についての反射点位置情報を、予め設定された観測周期Ｔ（例えば１００ｍｓ）毎に抽出して、観測結果とする。なお、観測開始からｋ回目の観測結果を観測Ｚ（ｋ）と表記する（ｋ＝１，２，３，・・・）。

【0026】

また抽出対象領域は、図２（ａ）に示すように、自車両Ｖｍの前方領域のうち、自車両Ｖｍが走行している車線の左右両側に設けられている車線である。そして例えば、自車両Ｖｍの前方において自車両Ｖｍの左右両側の車線を走行している車両Ｖｓ１，Ｖｓ２に向けてレーダ装置２がレーダ波を送信すると、レーダ装置２は、車両Ｖｓ１，Ｖｓ２の左右両側面のうち自車両Ｖｍに近い側の側面における前端部Ｐｆ１，Ｐｆ２と後端部Ｐｒ１，Ｐｒ２で反射点を検出する。なおレーダ装置２は、ミリ波レーダであり、レーザレーダよりも分解能が低いため、車両の前端部と後端部以外を反射点として検出しにくい。

【0027】

次に図１に示すように、割当仮説生成部群２０は、複数個（本実施形態では３個）の車両長固定割当仮説生成部２１，２２，２３と、１個の端点独立割当仮説生成部２６とから構成されている。

【0028】

これらのうち車両長固定割当仮説生成部２１，２２，２３は、前方車両の前端部Ｐｆで検出された反射点と後端部Ｐｒで検出された反射点との距離（すなわち、車両長）がそれぞれ、予め設定された固定長Ｌ１，Ｌ２，Ｌ３に固定されていると仮定して、割り当て仮説を生成する。以下、車両長が固定長Ｌ１，Ｌ２，Ｌ３に固定されていると仮定したモデルをそれぞれ、第１，２，３固定反射モデルという。

【0029】

また端点独立割当仮説生成部２６は、前方車両の前端部Ｐｆで検出された反射点と後端部Ｐｒで検出された反射点がそれぞれ独立に移動すると仮定して、割り当て仮説を生成する。以下、両端部の反射点が独立に移動すると仮定したモデルを独立反射モデルという。

【0030】

ここで、割り当て仮説について説明する。図２（ｂ）に示すように、前端部Ａと後端部Ｂが反射点となる場合において、レーダ装置２で３つの反射点が検出された場合に（以下、この３つの反射点を検出点Ｐｄ１，Ｐｄ２，Ｐｄ３という）、検出点Ｐｄ１，Ｐｄ２，Ｐｄ３を前端部Ａと後端部Ｂに割り当てる仮説（以下、割当仮説という）をＭＥＣＥ（「相互に排他的な項目」による「完全な全体集合」）で生成する。なお、前端部Ａおよび後端部Ｂが反射点として検出されない場合と、前端部Ａおよび後端部Ｂでない箇所が反射点としてレーダ装置２に検出される場合も考慮して割当仮説を生成する。但し、前端部Ａと後端部Ｂに起因しない反射点は、熱雑音等による誤検出でありクラッタという。

【0031】

観測Ｚ（ｋ）についての第ｉ番目の割当仮説をθ_i｜Ｚ（ｋ）と表記すると（ｉ＝０，１，２，３，・・・）、割当仮説θ_i｜Ｚ（ｋ）は、例えば図２（ｃ）に示すように生成される。

【0032】

ここで、例えば割当仮説θ₁｜Ｚ（ｋ）は「Ａ−１，Ｂ−２，ＦＡ−｛３｝」と設定されている。これは、前端部Ａは検出点Ｐｄ１として検出され、後端部Ｂは検出点Ｐｄ２として検出され、前端部Ａおよび後端部Ｂ以外の点が検出点Ｐｄ３として検出される場合を仮定していることを示す。

【0033】

また、割当仮説θ_j｜Ｚ（ｋ）は「Ａ−１，Ｂ−＊，ＦＡ−｛２，３｝」と設定されている。これは、前端部Ａは検出点Ｐｄ１として検出され、後端部Ｂは検出点Ｐｄ２として検出されず、前端部Ａおよび後端部Ｂ以外の点が検出点Ｐｄ２，Ｐｄ３として検出される場合を仮定していることを示す。

【0034】

また、割当仮説θ₀｜Ｚ（ｋ）は「Ａ−＊，Ｂ−＊，ＦＡ−｛１，２，３｝」と設定されている。これは、前端部Ａおよび後端部Ｂ以外の点が検出点Ｐｄ１，Ｐｄ２，Ｐｄ３として検出される場合を仮定していることを示す。

【0035】

そして割当仮説生成部２１，２２，２３，２６は、割当仮説を生成した後に、生成した割当仮説θ_i（ｋ）のそれぞれについて発生確率β_i（ｋ）を下式（５）により算出する。
β_i（ｋ） ＝ Ｐ（θ_i（ｋ）｜Ｚ^k） ・・・（５）
なおθ_i（ｋ）は、ｋ回目の観測におけるｉ番目の割当仮説を表す。またＺ^kは、ｋ回目の観測までに得られた観測の系列であり、下式（６）で表される。

【0036】

Ｚ^k ＝ ｛Ｚ（１），Ｚ（２），・・・，Ｚ（ｋ−１），Ｚ（ｋ）｝ ・・・（６）
すなわち、発生確率β_i（ｋ）は、観測の系列Ｚ^kが得られた場合における割当仮説θ_i（ｋ）の発生し易さを示す。

【0037】

以下に、発生確率β_i（ｋ）の算出方法を説明する。なお、本実施形態では、発生確率β_i（ｋ）の算出のために、Yaakov Bar-Shalom著「Multitarget-Multisensor Tracking」の６章に記載の方法を用いている。

【0038】

まず、発生確率β_i（ｋ）＝Ｐ（θ_i（ｋ）｜Ｚ^k）は、ベイズの定理を用いて下式（７）で表される。なお式（７）において、ｃは正規化係数、ｍ（ｋ）はｋ回目の観測における観測点数である。

【0039】

【数3】

【0040】

また、観測点数がｍ（ｋ）個の場合の観測Ｚ（ｋ）は下式（８）で表される。
Ｚ（ｋ）＝ ｛ｚ₁（ｋ），ｚ₂（ｋ），・・・，ｚ_m(k)-1（ｋ），ｚ_m(k)（ｋ）｝・・・（８）
なお式（８）において、ｚ_j（ｋ）は、観測Ｚ（ｋ）で検出された観測点である。

【0041】

そして、式（７）の最後の辺における２つの関数は、下式（９），（１０）で表される。式（９）は、割当仮説θ_i（ｋ）において観測点が位置ｚ_j（ｋ）にて検出される確率を表す（ｊ＝１，２，・・・，ｍ（ｋ）−１，ｍ（ｋ））。また式（１０）は、観測点数ｍ（ｋ）が与えられた時の割当仮説θ_i（ｋ）の確率を表す。

【0042】

【数4】

【0043】

なお式（９）において、ｔ_jは、観測点ｚ_j（ｋ）に割り当てられる前端部Ａまたは後端部Ｂを示す。
また、式（９）の右辺の関数ｐは下式（１１）で表される。

【0044】

【数5】

【0045】

なお式（１１）において、τ_ijは、割当仮説θ_i（ｋ）において観測点ｚ_j（ｋ）が端部Ａ，Ｂに割り当てられる場合には１となり、観測点ｚ_j（ｋ）がクラッタに割り当てられる場合には０となる関数である。

【0046】

そして、式（１１）の関数ｆは下式（１２）で表される。式（１２）の右辺は、平均をｚ（ｋ｜ｋ−１）、分散をＳ（ｋ）とするガウス分布における観測点ｚ_j（ｋ）の確率を示す。なおｚ（ｋ｜ｋ−１）は、後述のカルマンフィルタにより（ｋ−１）回目の観測時点においてｋ回目の観測時点の観測点を推定した時の値を示す。すなわち、（ｋ−１）回目の観測時点における予測値と、ｋ回目の観測時点における観測値との差が大きいほど、式（１２）の右辺の値は小さくなる。

【0047】

【数6】

【0048】

したがって、式（８）の右辺は下式（１３）で表される。φ_iは、ｉ番目の割当仮説におけるクラッタ数である。

【0049】

【数7】

【0050】

また式（１３）のＶ^-φiは、図３（ａ）に示すように、体積Ｖの観測領域内に一様に分布するクラッタをφ_i個検出する確率を表す。なお、クラッタの数φは、単位領域での平均発生個数をλとして、下式（１４）で表されるポワソン分布に従うと仮定する。

【0051】

【数8】

【0052】

また、式（１０）の右辺における２つ関数Ｐのうち左側の関数は、下式（１５）で表される。式（１５）の右辺は、反射点の観測状態δが与えられたときの割当仮説の総数の逆数を表す。

【0053】

【数9】

【0054】

また、式（１０）の右辺における２つ関数Ｐのうち右側の関数は、下式（１６）で表される。式（１６）の右辺は、クラッタ数分布と、各端部Ａ，Ｂの検出／非検出率を表す。なお式（１６）において、Ｐ^t_Dは、前端部Ａまたは後端部Ｂ（ｔ＝Ａまたはｔ＝Ｂ）の検出率である。またδ_itは、ｉ番目の割当仮説における前端部Ａまたは後端部Ｂ（ｔ＝Ａまたはｔ＝Ｂ）の観測状態である。

【0055】

【数10】

【0056】

例えば図３（ｂ）に示すように、割当仮説θ_i（ｋ）が「Ａ−１，Ｂ−＊，ＦＡ−｛２，３｝」の場合に、反射点（前端部Ａまたは後端部Ｂ）の観測状態δ_iは下式（１７）で、式（１５）の右辺は下式（１８）で、式（１６）の右辺は下式（１９）で表される。

【0057】

【数11】

【0058】

以上より、割当仮説生成部群２０は、発生確率β_i（ｋ）＝Ｐ（θ_i（ｋ）｜Ｚ^k）を下式（２０）に基づいて算出する。

【0059】

【数12】

【0060】

次に図１に示すように、車両端点トラッカ群３０は、車両長固定割当仮説生成部２１，２２，２３に対応した車両端点トラッカ３１，３２，３３と、端点独立割当仮説生成部２６に対応した車両端点トラッカ３６とから構成されている。

【0061】

車両端点トラッカ３１，３２，３３，３６は、割当仮説生成部２１，２２，２３，２６で生成された複数の割り当て仮説のそれぞれについて、公知のカルマンフィルタによる状態推定を観測周期Ｔ毎に実行する。なお、本実施形態のカルマンフィルタは、下式（２１）で表される状態方程式と、下式（２２）で表される観測方程式を用いて状態推定値ｘ_k|kを推定するものである。なおｘ_k|kは、ｋ回目の観測時点においてｋ回目の観測時点の状態を推定した時の値を示す。

【0062】

【数13】

【0063】

そして、推定の対象となる状態として、図３（ｃ）に示すように、前端と後端に反射点を持つ長さｌの剛体における重心位置と重心速度とから構成される状態ベクトルｘを設定すると、カルマンフィルタの状態方程式は下式（２３）で表される。なお、式（２３）中のｖはシステムノイズであり、平均が０および分散がσ_v²のガウス分布に従う。

【0064】

【数14】

【0065】

また、カルマンフィルタの観測方程式は、前端と後端の両方で反射点が検出された場合、前端で反射点が検出された場合、後端で反射点が検出された場合、および前端と後端の両方で反射点が検出されなかった場合のそれぞれで異なる。

【0066】

まず、前端と後端の両方で反射点が検出された場合の観測方程式は下式（２４）で表される。したがって、下式（２５）で表される観測誤差を用いてカルマンフィルタを計算する。なお、式（２４）中のｗは観測ノイズであり、平均が０および分散がσ_w²のガウス分布に従う。また式（２５）中のｘ_k|k-1は、（ｋ−１）回目の観測時点においてｋ回目の観測時点の状態を推定した時の値を示す。

【0067】

【数15】

【0068】

また、前端で反射点が検出された場合の観測方程式は下式（２６）で表される。したがって、下式（２７）で表される観測誤差を用いてカルマンフィルタを計算する。

【0069】

【数16】

【0070】

また、後端で反射点が検出された場合の観測方程式は下式（２８）で表される。したがって、下式（２９）で表される観測誤差を用いてカルマンフィルタを計算する。

【0071】

【数17】

【0072】

また、前端と後端の両方で反射点が検出されなかった場合には、下式（３０）で表される観測誤差を用いてカルマンフィルタを計算する。

【0073】

【数18】

【0074】

次に図１に示すように、平均処理部群４０は、複数個（本実施形態では３個）の平均処理部４１，４２，４３から構成されている。
平均処理部４１，４２，４３は、下式（３１）に示すように、車両端点トラッカ３１，３２，３３で算出された状態推定値ｘ_k|kを、車両長固定割当仮説生成部２１，２２，２３で算出された発生確率で平均した値（以下、平均状態推定値Ｘ_kという）を算出する処理を行う。なお、式（３１）におけるｘⁱ_k|kは、ｉ番目の割当仮説における状態推定値である。

【0075】

【数19】

【0076】

次にモデル選択部５０は、まず、ｋ回目の観測による上記第１，２，３固定反射モデルそれぞれの尤もらしさ（以下、モデル尤度という）を、下式（３２）により算出する。なお、式（３２）におけるＰ（Ｍ_j｜ｚ_k）は、第ｊ固定反射モデルのモデル尤度であり、Ｍ_jは第ｊ固定反射モデルを示す（ｊ＝１，２，３）。また、β_jiは第ｊ固定反射モデルにおけるｉ番目の割当仮説の発生確率である（ｊ＝１，２，３）。

【0077】

その後、第１，２，３固定反射モデルそれぞれのモデル尤度について、１回目からｋ回目までのモデル尤度を、下式（３３）に示すように積算することによって、ｋ回目の観測が終了した後のモデル尤度Ｐ（Ｍ_j｜Ｚ^k）を算出し、最も大きいモデル尤度を有する固定反射モデルを選択する。

【0078】

【数20】

【0079】

次に固定・独立選択部６０は、まず、端点独立割当仮説生成部２６が算出した発生確率を用いて、独立反射モデルのモデル尤度を下式（３４）により算出する。なお、式（３４）におけるＰ（Ｍ₀｜ｚ_k）は、ｋ回目の観測による独立反射モデルのモデル尤度であり、β_0iは独立反射モデルのｉ番目の割当仮説における生起確率である。また、式（３４）におけるＭ₀は独立反射モデルを示す。

【0080】

その後、独立反射モデルのモデル尤度について、式（３３）と同様にして、ｋ回目の観測が終了した後のモデル尤度Ｐ（Ｍ₀｜Ｚ^k）を算出する。

【0081】

【数21】

【0082】

その後に固定・独立選択部６０は、モデル選択部５０で選択した固定反射モデルのモデル尤度Ｐ（Ｍ_j｜Ｚ^k）と、独立反射モデルのモデル尤度Ｐ（Ｍ₀｜Ｚ^k）とを比較し、大きい方のモデルを選択する。そして、選択したモデルが固定反射モデルである場合には、１台の前方車両における前端部と後端部で検出された反射点であると判断して、選択した固定反射モデルの平均状態推定値Ｘ_kを出力する。

【0083】

このように構成された移動物体検出装置１では、レーダ装置２により観測した結果に基づいて、車両端点トラッカ３１，３２，３３，３６により、カルマンフィルタを用いて、前方車両の前端部と後端部で検出された反射点位置を示す状態推定値ｘ_k|k（ｋ回目の観測時点においてｋ回目の観測時点の状態を推定した時の値）を観測周期Ｔ毎に連続して推定する。

【0084】

そして、車両端点トラッカ３１，３２，３３により、前方車両の前端部と後端部で検出された反射点との距離がそれぞれ、予め設定された固定長Ｌ１，Ｌ２，Ｌ３に固定されていると仮定して、カルマンフィルタを用いて、状態推定値ｘ_k|k-1（（ｋ−１）回目の観測時点においてｋ回目の観測時点の状態を推定した時の値）を観測周期Ｔ毎に連続して推定する。

【0085】

また、車両長固定割当仮説生成部２１，２２，２３およびモデル選択部５０により、状態推定値ｘ_k|k，ｘ_k|k-1を用いて、固定長Ｌ１，Ｌ２，Ｌ３に固定されていると仮定した第１，２，３固定反射モデルＭ₁，Ｍ₂，Ｍ₃それぞれについて、ｋ回目の観測が終了した後のモデル尤度Ｐ（Ｍ_j｜Ｚ^k）を算出し（ｊ＝１，２，３）、最も大きいモデル尤度を有するモデルを選択する。

【0086】

さらに車両端点トラッカ３６により、前方車両の前端部と後端部で検出された反射点がそれぞれ独立に移動すると仮定して、カルマンフィルタを用いて、状態推定値ｘ_k|k-1（（ｋ−１）回目の観測時点においてｋ回目の観測時点の状態を推定した時の値）を観測周期Ｔ毎に連続して推定する。

【0087】

また、端点独立割当仮説生成部２６および固定・独立選択部６０により、状態推定値ｘ_k|k，ｘ_k|k-1を用いて、独立に移動すると仮定した独立反射モデルＭ₀について、ｋ回目の観測が終了した後のモデル尤度Ｐ（Ｍ₀｜Ｚ^k）を算出する。

【0088】

そして固定・独立選択部６０により、第１，２，３固定反射モデルＭ₁，Ｍ₂，Ｍ₃の中で最も大きいモデル尤度を有するモデルのモデル尤度と、独立反射モデルＭ₀のモデル尤度とを比較して、固定反射モデルのモデル尤度の方が大きい場合に、１台の前方車両における前端部と後端部で検出された反射点であると判断する。

【0089】

このように構成された移動物体検出装置１では、２つの反射点位置の距離（以下、反射点間距離という）の時間経過による変動量が小さい場合に、２つの反射点位置が１つの移動物体に起因したものであると判断する。

【0090】

ここで、例えば図４（ａ）に示すように、前方車両１の後方から前方車両２が接近した後に前方車両１と前方車両２とが略等しい速度で走行している状況で、移動物体検出装置１が、前方車両１の後端部を反射点１として検出するとともに、前方車両２の前端部を反射点２として検出した場合を検討する。

【0091】

まず、略等しい速度で移動する反射点を単一の移動物体であると判断する手法では、図４（ｂ）に示すように、前方車両１と前方車両２とが略等しい速度で走行している状況下（図中の時刻Ｔｂ以降）において、前方車両１と前方車両２とを区別して検出することができない。

【0092】

一方、移動物体検出装置１では、図４（ｃ）に示すように、前方車両１の後方から前方車両２が接近している期間（図中の時刻Ｔ１ｃ〜時刻Ｔ２ｃまでの期間）で、反射点１と反射点２との距離Ｄ１２が変動していることを検出できるため、反射点１および反射点２が１つの移動物体に起因したものであると判断しない。

【0093】

したがって、このように構成された移動物体検出装置１によれば、複数の移動体を単一の移動物体であると誤認識してしまう状況の発生を抑制し、移動体検出精度を向上させることができる。

【0094】

また移動物体検出装置１では、第１，２，３固定反射モデルＭ₁，Ｍ₂，Ｍ₃の中で最も大きいモデル尤度を有するモデルのモデル尤度と、独立反射モデルＭ₀のモデル尤度とを比較して、固定反射モデルのモデル尤度の方が大きい場合に、１台の前方車両における前端部と後端部で検出された反射点であると判断する。このため、固定反射モデルのモデル尤度と独立反射モデルのモデル尤度とを比較するという簡便な方法で、２つの反射点位置が１つの移動物体に起因したものであるか否かを判断することができる。

【0095】

また、固定長が互いに異なる複数の固定反射モデル毎にモデル尤度が算出されるため、モデル尤度が最も大きい固定反射モデルの固定長を、検出した移動物体における前端部と後端部との間の距離とすることができる。このため、移動物体検出装置１では、検出した移動物体の長さを検出することができる。

【0096】

以上説明した実施形態において、車両端点トラッカ３１，３２，３３，３６において状態推定値ｘ_k|kを推定する処理は本発明における位置検出手段、割当仮説生成部群２０と車両端点トラッカ群３０とモデル選択部５０と固定・独立選択部６０は本発明における端部判断手段、車両端点トラッカ３１，３２，３３において状態推定値ｘ_k|k-1を推定する処理は本発明における固定位置予測手段、車両長固定割当仮説生成部２１，２２，２３およびモデル選択部５０は本発明における固定一致度算出手段、車両端点トラッカ３６において状態推定値ｘ_k|k-1を推定する処理は本発明における独立位置予測手段、端点独立割当仮説生成部２６および固定・独立選択部６０は本発明における独立一致度算出手段である。

【0097】

また、固定長Ｌ１，Ｌ２，Ｌ３は本発明における固定値、モデル尤度Ｐ（Ｍ₁｜Ｚ^k），Ｐ（Ｍ₂｜Ｚ^k），Ｐ（Ｍ₃｜Ｚ^k）は本発明における固定一致度、モデル尤度Ｐ（Ｍ₀｜Ｚ^k）は本発明における独立一致度である。

【0098】

（第２実施形態）
以下に本発明の第２実施形態を説明する。なお、第２実施形態では、第１実施形態と異なる部分を説明する。

【0099】

図５（ａ）は、第２実施形態の移動物体検出装置１の構成を示すブロック図である。
第２実施形態の移動物体検出装置１は、図５（ａ）に示すように、対象領域内反射点抽出部１０と、車両長固定割当仮説生成部２５と、端点独立割当仮説生成部２６と、車両端点トラッカ３５，３６と、平均処理部４５と、固定・独立選択部６１とを備える。

【0100】

これらのうち、対象領域内反射点抽出部１０と端点独立割当仮説生成部２６と車両端点トラッカ３６は、第１実施形態と同一であるため、説明を省略する。
まず車両長固定割当仮説生成部２５は、平均的な車両長として予め設定された固定長Ｌａに固定されていると仮定して、割り当て仮説を生成する。以下、車両長が固定長Ｌａに固定されていると仮定したモデルを平均固定反射モデルという。

【0101】

次に車両端点トラッカ３５は、車両長固定割当仮説生成部２５で生成された複数の割り当て仮説のそれぞれについて、公知のカルマンフィルタによる状態推定を観測周期Ｔ毎に実行し、第１実施形態の車両端点トラッカ３１，３２，３３と同様の処理を行う。

【0102】

また平均処理部４５は、車両端点トラッカ３５で算出された状態推定値ｘ_k|kを、車両長固定割当仮説生成部２５で算出された発生確率で平均した値（平均状態推定値Ｘ_k）を算出する処理を行う。

【0103】

そして固定・独立選択部６１は、第１実施形態のモデル選択部５０と同様の方法で、平均固定反射モデルについて、ｋ回目の観測が終了した後のモデル尤度Ｐ（Ｍ_a｜Ｚ^k）を算出するとともに、第１実施形態の固定・独立選択部６０と同様の方法で、独立反射モデルのモデル尤度について、ｋ回目の観測が終了した後のモデル尤度Ｐ（Ｍ₀｜Ｚ^k）を算出する。

【0104】

その後に固定・独立選択部６１は、平均固定反射モデルのモデル尤度Ｐ（Ｍ_a｜Ｚ^k）と、独立反射モデルのモデル尤度Ｐ（Ｍ₀｜Ｚ^k）とを比較し、大きい方のモデルを選択する。

【0105】

このように構成された移動物体検出装置１では、レーダ装置２により観測した結果に基づいて、車両端点トラッカ３５により、カルマンフィルタを用いて、前方車両の前端部と後端部で検出された反射点位置を示す状態推定値ｘ_k|k（ｋ回目の観測時点においてｋ回目の観測時点の状態を推定した時の値）を観測周期Ｔ毎に連続して推定する。

【0106】

そして、車両端点トラッカ３５により、前方車両の前端部と後端部で検出された反射点との距離がそれぞれ、平均的な車両長として予め設定された固定長Ｌａに固定されていると仮定して、カルマンフィルタを用いて、状態推定値ｘ_k|k-1（（ｋ−１）回目の観測時点においてｋ回目の観測時点の状態を推定した時の値）を観測周期Ｔ毎に連続して推定する。

【0107】

また車両長固定割当仮説生成部２５により、状態推定値ｘ_k|k，ｘ_k|k-1を用いて、固定長Ｌａに固定されていると仮定した平均固定反射モデルＭ_aについて、ｋ回目の観測が終了した後のモデル尤度Ｐ（Ｍ_a｜Ｚ^k）を算出する。

【0108】

さらに車両端点トラッカ３６により、前方車両の前端部と後端部で検出された反射点がそれぞれ独立に移動すると仮定して、カルマンフィルタを用いて、状態推定値ｘ_k|k-1（（ｋ−１）回目の観測時点においてｋ回目の観測時点の状態を推定した時の値）を観測周期Ｔ毎に連続して推定する。

【0109】

また、端点独立割当仮説生成部２６および固定・独立選択部６１により、状態推定値ｘ_k|k，ｘ_k|k-1を用いて、独立に移動すると仮定した独立反射モデルＭ₀について、ｋ回目の観測が終了した後のモデル尤度Ｐ（Ｍ₀｜Ｚ^k）を算出する。

【0110】

そして固定・独立選択部６１により、平均固定反射モデルＭ_aのモデル尤度と、独立反射モデルＭ₀のモデル尤度とを比較して、平均固定反射モデルのモデル尤度の方が大きい場合に、１台の前方車両における前端部と後端部で検出された反射点であると判断する。

【0111】

このように構成された移動物体検出装置１によれば、第１実施形態の移動物体検出装置１と同様に、複数の移動体を単一の移動物体であると誤認識してしまう状況の発生を抑制し、移動体検出精度を向上させることができる。

【0112】

また、第１実施形態よりも、車両長固定割当仮説生成部、車両端点トラッカ、および平均処理部の個数が少ないため、第１実施形態よりも単純な構成での移動物体検出装置を製造することができる。

【0113】

以上説明した実施形態において、車両端点トラッカ３５，３６において状態推定値ｘ_k|kを推定する処理は本発明における位置検出手段、割当仮説生成部２５，２６と車両端点トラッカ３５，３６と固定・独立選択部６１は本発明における端部判断手段、車両端点トラッカ３５において状態推定値ｘ_k|k-1を推定する処理は本発明における固定位置予測手段、車両長固定割当仮説生成部２５は本発明における固定一致度算出手段、車両端点トラッカ３６において状態推定値ｘ_k|k-1を推定する処理は本発明における独立位置予測手段、端点独立割当仮説生成部２６および固定・独立選択部６１は本発明における独立一致度算出手段である。

【0114】

また、固定長Ｌａは本発明における固定値、モデル尤度Ｐ（Ｍ_a｜Ｚ^k）は本発明における固定一致度、モデル尤度Ｐ（Ｍ₀｜Ｚ^k）は本発明における独立一致度である。
（第３実施形態）
以下に本発明の第３実施形態を説明する。なお、第３実施形態では、第１実施形態と異なる部分を説明する。

【0115】

図５（ｂ）は、第３実施形態の移動物体検出装置１の構成を示すブロック図である。
第３実施形態の移動物体検出装置１は、図５（ｂ）に示すように、対象領域内反射点抽出部１０と、端点独立割当仮説生成部２６と、車両端点トラッカ３６と、固定・独立選択部６２とを備える。

【0116】

これらのうち、対象領域内反射点抽出部１０と端点独立割当仮説生成部２６と車両端点トラッカ３６は、第１実施形態と同一であるため説明を省略する。
そして固定・独立選択部６２は、以下に示す方法を用いて、検出された反射点が、車両の前端部および後端部であるのか否かを判断する。

【0117】

まず、ｋ回目の観測で車両端点トラッカ３６により算出された前端部Ａおよび後端部Ｂの位置座標（車両進行方向（ｙ方向）の座標）の状態推定値をそれぞれ端点座標ｙ_1kおよび端点座標ｙ_2kと表記し、端点座標ｙ_1k，ｙ_2kが、下式（３５），（３６）に示すように正規分布に従って分布しているとする。ここで、σ_1t，σ_2tは、ｋ回目の観測時点における前端部および後端部のｙ座標推定誤差分散である。

【0118】

【数22】

【0119】

さらに、端点座標ｙ_1k，ｙ_2kが車両側面の前後端点であるならば、下式（３７），（３８）が成り立つと仮定する。

【0120】

【数23】

【0121】

そして、下式（３９），（４０）が成り立つ場合に、端点座標ｙ_1k，ｙ_2kを車両側面の前後端点であると判断する。

【0122】

【数24】

【0123】

このように構成された移動物体検出装置１によれば、第１，２実施形態の車両長固定割当仮説生成部を用いる必要がないため、第１，２実施形態の移動物体検出装置１よりも単純な構成で、２つの反射点位置が１つの移動物体に起因したものであるか否かを判断することができる。

【0124】

以上説明した実施形態において、車両端点トラッカ３６において状態推定値ｘ_k|kを推定する処理は本発明における位置検出手段、割当仮説生成部２６と車両端点トラッカ３５と固定・独立選択部６２は本発明における端部判断手段である。

【0125】

以上、本発明の一実施例について説明したが、本発明は上記実施例に限定されるものではなく、本発明の技術的範囲に属する限り種々の形態を採ることができる。
例えば上記実施形態では、自車両の進行方向と、自車両の前方領域を走行している車両（以下、前方他車両という）の進行方向が一致していると仮定して、カルマンフィルタによる状態推定を行うものを示した。しかし、図６（ａ）に示すように、自車両と前方他車両とで進行方向が異なっている場合には、以下に示す状態方程式および観測方程式を用いてカルマンフィルタによる状態推定を行うようにしてもよい。

【0126】

まず、前方他車両における側面の中点の位置および速度ｘ_n（以下、位置速度ベクトルｘ_nという）を下式（４１）で、前方他車両の進行方向角度φ_nを下式（４２）で、プロセスノイズを下式（４３）で表すと、状態方程式は下式（４４）で表される。

【0127】

【数25】

【0128】

そして、図６（ｂ）に示すように、前端の反射点の観測をｚ_fn、後端の反射点の観測をｚ_rnと表記すると、前端と後端の両方で反射点が検出された場合の観測方程式は下式（４５），（４６），（４７），（４８）で表される。

【0129】

【数26】

【0130】

また、前端で反射点が検出された場合の観測方程式は下式（４９），（５０），（５１）で表される。

【0131】

【数27】

【0132】

また、後端で反射点が検出された場合の観測方程式は下式（５２），（５３），（５４）で表される。

【0133】

【数28】

【符号の説明】

【0134】

１…移動物体検出装置、２…レーダ装置、１０…対象領域内反射点抽出部、２０…割当仮説生成部群、２１，２２，２３，２５…車両長固定割当仮説生成部、２６…端点独立割当仮説生成部、３０…車両端点トラッカ群、３１，３２，３３，３５，３６…車両端点トラッカ、４０…平均処理部群、４１，４２，４３，４５…平均処理部、５０…モデル選択部、６０，６１，６２…固定・独立選択部

【図1】

【図5】

【図2】

【図3】

【図4】

【図6】