特許 6571545 物体検出装置および物体検出方法

(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】6571545

(24)【登録日】2019年8月16日

(45)【発行日】2019年9月4日

(54)【発明の名称】物体検出装置および物体検出方法

(51)【国際特許分類】

   G01S 13/42 20060101AFI20190826BHJP

   G01S 13/93 20060101ALI20190826BHJP

   G08G 1/16 20060101ALI20190826BHJP

【ＦＩ】

   G01S13/42

   G01S13/93 220

   G08G1/16 C

【請求項の数】10

【全頁数】19

(21)【出願番号】特願2016-7892(P2016-7892)

(22)【出願日】2016年1月19日

(65)【公開番号】特開2017-129410(P2017-129410A)

(43)【公開日】2017年7月27日

【審査請求日】2018年7月27日

【国等の委託研究の成果に係る記載事項】（出願人による申告）平成２７年度、総務省「ＩＣＴを活用した次世代ＩＴＳの確立」のうち、「インフラレーダーシステム技術の開発」に関する委託事業、産業技術力強化法第１９条の適用を受ける特許出願

(73)【特許権者】

【識別番号】000005821

【氏名又は名称】パナソニック株式会社

(74)【代理人】

【識別番号】110002952

【氏名又は名称】特許業務法人鷲田国際特許事務所

(74)【代理人】

【識別番号】100105050

【弁理士】

【氏名又は名称】鷲田 公一

(72)【発明者】

【氏名】劉 偉傑

(72)【発明者】

【氏名】中川 洋一

【審査官】 藤田 都志行

(56)【参考文献】

【文献】 特開２０１３−１３０４７３（ＪＰ，Ａ）

【文献】 特開平９−２２２４７５（ＪＰ，Ａ）

【文献】 特開２００８−１８５３５７（ＪＰ，Ａ）

【文献】 特開２０００−１８０５４０（ＪＰ，Ａ）

【文献】 特開２００９−８５９２１（ＪＰ，Ａ）

【文献】 米国特許出願公開第２００５／０１７７３３６（ＵＳ，Ａ１）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０１Ｓ ７／００− ７／４２

Ｇ０１Ｓ １３／００−１３／９５

Ｇ０８Ｇ １／１６

(57)【特許請求の範囲】

【請求項1】

所定範囲を距離および方位角毎に分割した複数の単位領域の中から、レーダ装置が１つ以上の物体からの１つ以上の反射波を用いて生成した測定情報が所定の閾値を超える１つ以上の単位領域を、前記１つ以上の物体を捕捉する１つ以上の捕捉領域として抽出する捕捉領域抽出部と、
前記捕捉領域から所定の範囲内に存在する少なくとも１つの前記捕捉領域を含む予備グループを形成する予備グルーピング部と、
前記測定情報に基づいて、前記予備グループと当該予備グループ内の前記１つ以上の捕捉領域との関連を示す特徴量を算出する特徴量取得部と、
前記特徴量に基づいて、前記予備グループ内の前記１つ以上の捕捉領域が属する前記１つ以上の物体の種別を捕捉領域毎に判別する判別部と、
前記捕捉領域を前記物体の種別毎にグルーピングして、前記１つ以上の物体を検出する物体確定部と、
を具備する物体検出装置。

【請求項2】

前記レーダ装置が、前記測定情報を所定のフレーム毎に、生成し、
前フレームの前記予備グループに対する物体の種別の判別結果に基づいて、現フレームの前記予備グループに対する追跡処理を行う追跡部、を更に具備し、
前記特徴量取得部は、前記測定情報および前記追跡部による追跡結果に基づいて、前記特徴量を取得する、
請求項１に記載の物体検出装置。

【請求項3】

前記捕捉領域抽出部は、少なくとも２つのレーダ装置の各々から取得した前記測定情報に基づいて、前記捕捉領域を抽出し、
前記予備グルーピング部は、前記少なくとも２つのレーダ装置の各々に対して前記予備グループを形成し、
前記少なくとも２つのレーダ装置の各々に対応する前記予備グループを、同一の座標系上に統合する予備グループ統合部をさらに有する、
請求項１に記載の物体検出装置。

【請求項4】

前記判別部は、
前記特徴量に基づいて、前記捕捉領域が検出対象物体候補の各々に属する度合いを示す確度を算出する確度算出部と、
前記確度が最大となる検出対象物体候補に前記捕捉領域が属すると判定する最大確度算出部と、を具備する、
請求項１に記載の物体検出装置。

【請求項5】

前記特徴量は、前記予備グループ内の前記捕捉領域の個別の特徴量を含む、
請求項１に記載の物体検出装置。

【請求項6】

前記特徴量は、前記予備グループと、当該予備グループ内の前記捕捉領域との比較に関する特徴量を含む、
請求項１に記載の物体検出装置。

【請求項7】

前記特徴量は、前記予備グループ内の前記捕捉領域と、当該捕捉領域の近傍の他の捕捉領域のそれぞれの特徴量を含む、
請求項１に記載の物体検出装置。

【請求項8】

前記特徴量は、前フレームと現フレームとの間の前記予備グループに関する前記特徴量の変動量を含む、
請求項２に記載の物体検出装置。

【請求項9】

前記予備グループと当該予備グループ内の前記捕捉領域との関連を示す前記特徴量に応じた対象物体をモデル化した識別モデルを保存するモデル保存部、を更に具備し、
前記判別部は、前記特徴量取得部で算出された前記特徴量と、前記モデル保存部に保存された識別モデルとを比較して、前記予備グループ内の前記捕捉領域が属する物体の種別を判別する、
請求項１に記載の物体検出装置。

【請求項10】

所定範囲を距離および方位角毎に分割した複数の単位領域の中から、レーダ装置が１つ以上の物体からの１つ以上の反射波を用いて生成した測定情報が所定の閾値を超える１つ以上の単位領域を、前記１つ以上の物体を捕捉する１つ以上の捕捉領域として抽出し、
前記捕捉領域から所定の範囲内に存在する少なくとも１つの前記捕捉領域を含む予備グループを形成し、
前記測定情報に基づいて、前記予備グループと当該予備グループ内の前記１つ以上の捕捉領域との関連を示す特徴量を算出し、
前記特徴量に基づいて、前記予備グループ内の前記１つ以上の捕捉領域が属する前記１つ以上の物体の種別を捕捉領域毎に判別し、
前記捕捉領域を前記１つ以上の物体の種別毎にグルーピングして、前記１つ以上の複数の物体を検出する、
物体検出方法。

【発明の詳細な説明】

【技術分野】

【0001】

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および物体検出方法に関する。

【背景技術】

【0002】

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搭載された車両が増えている。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。

【0003】

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。

【0004】

また、レーダ装置は、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。レーダ装置は、空中または地上から侵入する物体を検知し、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。

【0005】

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レーダ測定情報を取得できる。このため、レーダ装置は、同一物体に属するレーダ測定情報に対してグルーピング（「クラスタリング」とも言う）処理を行い、物体領域を確定する。なお、グルーピング処理とは、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（クラスタとも言う）が、一つの物体から反射された信号の集合である、として定義する処理である。

【0006】

このようなレーダ装置の一例が特許文献１に開示されている。特許文献１には、レーダ装置のレーダ測定情報に対して、レーダ装置との距離に基づいて、局部領域の代表点を抽出し、代表点を基準点として固定の形状（矩形）及び方向（傾き）で表される物体領域範囲を設定し、物体領域範囲内のレーダ測定情報のうち、代表点と反射強度が近いレーダ測定情報をメンバ点とし、代表点および関連するメンバ点でグループを形成し、物体検出を行う技術が開示されている。

【先行技術文献】

【特許文献】

【0007】

【特許文献1】特開２０１０−２６６２２５号公報

【発明の概要】

【発明が解決しようとする課題】

【0008】

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、物体領域範囲内のレーダ測定情報（メンバ点の候補）に対して、反射強度に基づいて代表点と同一物体に属するか否かを判定する。このため、隣接する異なる物体からの反射強度が同程度に測定された場合には、グルーピングを誤ってしまう。例えば、車両の近傍に歩行者が位置する場合、レーダ装置に対する車両および歩行者の反射特性は、本来異なるが、反射方向によっては両者の反射強度が近い値で測定されることがある。このため、車両および歩行者は、同一のグループにグルーピングされるため、特許文献１に開示されたレーダ装置は、歩行者及び車両の分離検出が困難であった。

【0009】

本開示は、レーダ測定情報に対してグルーピング処理を施すことによって物体を検出する場合、隣接する異なる物体を分離して検出することができる物体検出装置および物体検出方法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】

【0010】

本開示の一態様に係る物体検出装置は、所定範囲を距離および方位角毎に分割した複数の単位領域の中から、レーダ装置が１つ以上の物体からの１つ以上の反射波を用いて生成した測定情報が所定の閾値を超える１つ以上の単位領域を、前記１つ以上の物体を捕捉する１つ以上の捕捉領域として抽出する捕捉領域抽出部と、前記捕捉領域から所定の範囲内に存在する少なくとも１つの前記捕捉領域を含む予備グループを形成する予備グルーピング部と、前記測定情報に基づいて、前記予備グループと当該予備グループ内の前記１つ以上の捕捉領域との関連を示す特徴量を算出する特徴量取得部と、前記特徴量に基づいて、前記予備グループ内の前記１つ以上の捕捉領域が属する前記１つ以上の物体の種別を捕捉領域毎に判別する判別部と、前記捕捉領域を前記物体の種別毎にグルーピングして、前記１つ以上の物体を検出する物体確定部と、を具備する構成を採る。

【0011】

本開示の一態様に係る物体検出方法は、所定範囲を距離および方位角毎に分割した複数の単位領域の中から、レーダ装置が１つ以上の物体からの１つ以上の反射波を用いて生成した測定情報が所定の閾値を超える１つ以上の単位領域を、前記１つ以上の物体を捕捉する１つ以上の捕捉領域として抽出し、前記捕捉領域から所定の範囲内に存在する少なくとも１つの前記捕捉領域を含む予備グループを形成し、前記測定情報に基づいて、前記予備グループと当該予備グループ内の前記１つ以上の捕捉領域との関連を示す特徴量を算出し、前記特徴量に基づいて、前記予備グループ内の前記１つ以上の捕捉領域が属する前記１つ以上の物体の種別を捕捉領域毎に判別し、前記捕捉領域を前記１つ以上の物体の種別毎にグルーピングして、前記１つ以上の複数の物体を検出する。

【発明の効果】

【0012】

本開示によれば、レーダ測定情報に対してグルーピング処理を施すことによって物体を検出する場合、隣接する異なる物体を分離して検出することができる。

【図面の簡単な説明】

【0013】

【図1】実施の形態１に係る物体検出装置の主要構成と、レーダ装置と、監視制御システムとの接続関係を示すブロック図

【図2A】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

【図2B】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

【図3A】実施の形態１に係る予備グループの生成例を示す図

【図3B】実施の形態１に係る予備グループの生成例を示す図

【図3C】実施の形態１に係る予備グループの生成例を示す図

【図3D】実施の形態１に係る予備グループの生成例を示す図

【図4】実施の形態２に係る物体検出装置の主要構成と、レーダ装置と、監視制御システムとの接続関係を示すブロック図

【図5】実施の形態３に係る物体検出装置の主要構成と、レーダ装置と、監視制御システムとの接続関係を示すブロック図

【図6】実施の形態３に係る統合座標系の一例を示す図

【図7】実施の形態４に係る物体検出装置の主要構成と、レーダ装置と、監視制御システムとの接続関係を示すブロック図

【図8A】実施の形態４に係る車両に対する確度の一例を示す図

【図8B】実施の形態４に係る歩行者に対する確度の一例を示す図

【発明を実施するための形態】

【0014】

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。

【0015】

＜実施の形態１＞
本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、本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、監視制御システム３０との接続関係を示すブロック図である。図１では、本実施の形態に係る物体検出装置１０は、レーダ装置２０および監視制御システム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、監視制御システム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。

【0016】

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、所定範囲が複数に分割された単位領域毎に生成し、測定情報として物体検出装置１０に出力する。

【0017】

監視制御システム３０は、物体検出装置１０がレーダ装置２０から出力されたレーダ測定情報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する。また、監視制御システム３０は、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、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。

【0018】

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、検出した物体の位置や速度に関する情報を生成して、監視制御システム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。

【0019】

図１では、物体検出装置１０は、捕捉領域抽出部１１、予備グルーピング部１２、特徴量取得部１３、モデル保存部１４、判別部１５、および、物体確定部１６を有する。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。

【0020】

捕捉領域抽出部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、検出した物体が存在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、電力プロファイルおよびドップラ速度プロファイルの少なくとも１つである。

【0021】

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および図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および図２Ｂでは、単位領域は、横軸を１０度、縦軸を１０ｍ毎に区切って構成される。以下では、単位領域をセルと称する。

【0022】

なお、本開示において、セル（単位領域）の方位角の範囲および距離の範囲は、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。

【0023】

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では、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、によって極性（正負）が変化するが、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す。

【0024】

捕捉領域抽出部１１は、レーダ装置２０から測定情報（図２Ａに示す電力プロファイル、図２Ｂに示すドップラ速度プロファイル）を取得した後、測定情報（反射強度、ドップラ速度）の値の絶対値が、所定の閾値以上のセルを抽出し、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、捕捉領域抽出部１１が抽出した「物体が存在するセルの候補」を、物体を捕捉するために用いる、「捕捉領域」と称する。１つの捕捉領域は、１つ以上のセルを有し、複数のセルであってもよい。

【0025】

なお、図２Ａおよび図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、矩形である。しかしながら、捕捉領域抽出部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。つまり、セルの形状は扇形である。なお、以下の説明では、セルの形状にかかわらず、図２Ａおよび図２Ｂに示す電力プロファイルおよ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。

【0026】

予備グルーピング部１２は、捕捉領域抽出部１１が抽出した各捕捉領域をグルーピングして、各捕捉領域の種別を判定するための予備グループを生成する。具体的には、予備グルーピング部１２は、判定対象の捕捉領域から指定範囲内に存在する少なくとも１つの捕捉領域（対象の捕捉領域を含む）を含む予備グループを形成する。生成される予備グループは、従来のグルーピングで生成されるグループと異なり、必ずしも同一物体に属するレーダ測定情報から形成されるとは限らない。

【0027】

図３Ａを用いて予備グルーピング部１２での予備グループの生成方法について説明する。図３Ａでは、予備グルーピング部１２が、捕捉領域ａの予備グループを求める場合について説明する。

【0028】

まず、予備グルーピング部１２は、捕捉領域ａから指定範囲内に存在する他の捕捉領域ｂ，ｃを抽出する。なお、予備グルーピング部１２は、物体検出装置１０での最大検出対象物体の大きさに基づいて、捕捉領域ａから所定値離れた範囲を指定範囲として設定してもよい。例えば、最大検出対象物体が大きさ５ｍの大型車である場合、指定範囲は、捕捉領域aから５ｍ以内の範囲が設定される。

【0029】

次いで、予備グルーピング部１２は、指定範囲内の捕捉領域ｂに対して、捕捉領域ａおよび捕捉領域ｂの双方を囲む指定形状Ａ１を求める。同様に、予備グルーピング部１２は、指定範囲内の捕捉領域ｃに対しても、捕捉領域ｃおよび捕捉領域ａの双方を囲む指定形状Ａ２を求める。指定形状は、矩形や楕円などが考えられるが、本開示では指定形状を特に限定しない。

【0030】

次いで、予備グルーピング部１２は、指定形状Ａ１、Ａ２に対して、最大検出対象物体の大きさに基づいて、指定形状Ａ１とＡ２とを捕捉領域ａの予備グループにするか否かを判定する。例えば、予備グルーピング部１２は、指定形状Ａ１を、仮に１つの対象物体とした場合、指定形状Ａ１のサイズが最大検出対象物体の大きさの範囲内であるか否かを判定する。

【0031】

指定形状Ａ１のサイズが最大検出対象物体の大きさの範囲内である場合、予備グルーピング部１２は、指定形状Ａ１を捕捉領域ａの予備グループの一部と判定する。一方、指定形状Ａ１のサイズが最大検出対象物体の大きさの範囲外である場合、予備グルーピング部１２は、指定形状Ａ１を捕捉領域ａの予備グループから除く。

【0032】

予備グルーピング部１２は、指定形状Ａ２に対しても、指定形状Ａ１に対する処理と同様の処理を行う。例えば、指定形状Ａ１および指定形状Ａ２の何れも対象範囲内であれば、捕捉領域ａの予備グループは、指定形状Ａ１と指定形状Ａ２とを用いて構成される。

【0033】

図３Ａで示した予備グループの生成処理は、より簡単に実現できる。例えば、予備グルーピング部１２は、レーダ測定情報が方位角と距離とで表される場合、捕捉領域ａおよび捕捉領域ｂの最小方位角と最大方位角、および、最小距離と最大距離で１つの扇形を形成する。予備グルーピング部１２は、１つの扇形のサイズが最大検出対象物体の大きさの範囲内である場合、捕捉領域ｂを捕捉領域ａの予備グループの一部と判断する。

【0034】

図１では、特徴量取得部１３は、測定情報に基づいて、予備グループおよび当該予備グループ内の捕捉領域の特徴量を算出する。本開示では特徴量の値は具体的に限定されない。例えば、特徴量取得部１３は、少なくとも下記３種類の中の少なくとも１種類の特徴量を算出してもよい。

【0035】

（１）捕捉領域特徴
捕捉領域特徴に基づく特徴量は、予備グループ内の各捕捉領域個別の大きさ、反射電力およびドップラ速度に関連する特徴を利用して、算出される。例えば、大きさの特徴としては、捕捉領域の方位幅、距離幅、面積であり、反射電力の特徴としては、例えば、反射電力の最大値、平均値、分散であり、ドップラ速度の特徴としては、例えば、ドップラ速度の最大値、平均値、分散である。つまり、捕捉領域特徴は、捕捉領域単独での特徴量である。

【0036】

（２）比較特徴
比較特徴に基づく特徴量は、予備グループと当該予備グループ内の捕捉領域との間の位置または大きさの比較に関連する特徴を利用して、算出される。例えば、位置の比較特徴としては、捕捉領域と予備グループとの間の中心方位値の差、中心距離値の差であり、大きさの比較特徴としては、捕捉領域と予備グループとの間の方位幅の比率、距離幅の比率である。つまり、比較特徴は、予備グループと当該予備グループ内の捕捉領域との関係を示す特徴量である。

【0037】

（３）近傍特徴
近傍特徴に基づく特徴量は、予備グループ内の捕捉領域の近傍の特徴を利用して、算出される。例えば、特徴量取得部１３は、予備グループ内の捕捉領域と方位または距離において近傍する指定の大きさのエリアを近傍領域とし、当該捕捉領域の特徴量に加え、近傍領域内の他の捕捉領域の特徴量を算出する。ただし、近傍領域は予備グループ内に限定する。例えば、特徴量取得部１３は、捕捉領域の左側または右側において、捕捉領域と同等の大きさのエリアを近傍領域とし、近傍エリア内の捕捉領域の反射電力またはドップラ速度に関連する特徴を利用してもよい。ただし、近傍領域を設定できない場合、特徴量取得部１３は、当該捕捉領域および予備グループの特徴量を「無し」、つまり、０として算出する。つまり、近傍特徴は、捕捉領域とその周辺エリアとの関係を示す特徴量である。

【0038】

モデル保存部１４は、事前に取得した各種別の対象物体の捕捉領域および予備グループに対する特徴量を抽出し、特徴量に応じた対象物体をモデル化した識別モデルを生成し、生成した識別モデルを予め保存している。モデル保存部１４に保存される対象物体の具体的な識別モデルの生成方法について、本開示は特に限定されない。例えば、モデル保存部１４は、特徴量の分布特性より直接的に対象物体を判別する解析手法、教師データに基づく機械学習手法（例えば、Support Vector Machine手法）、または特徴量の自動抽出を含む深層学習手法などを識別手法として利用できる。モデル保存部１４は、識別手法に応じて対応する識別モデルを生成する。

【0039】

判別部１５は、特徴量取得部１３で取得した特徴量に基づいて、予備グループ内の捕捉領域が属する物体の種別を捕捉領域毎に判別する。例えば、判別部１５は、特徴量取得部１３で取得した特徴量と、モデル保存部１４に保存している識別モデルとを比較（マッチング）して、予備グループ内の捕捉領域が、どの種別の対象物体に属するかを判別する。

【0040】

図３Ｂ〜図３Ｄを用いて判別部１５での判別方法の一例について説明する。図３Ｂ〜図３Ｄは各種別の対象物体に対する予備グループの生成例を示す。例えば、モデル保存部１４は、図３Ｂ〜図３Ｄに示す予備グループにそれぞれ対応する識別モデルを保存している。

【0041】

図３Ｂは歩行者単独の例を示す。図３Ｂでは、１つの捕捉領域ｕ１を示す。捕捉領域ｕ１の周辺に他の捕捉領域が存在しないので、捕捉領域ｕ１の予備グループＵは、捕捉領域ｕ１と同じ大きさのエリアを有する。図３Ｂでは、判別部１５は、例えば、上記した（１）捕捉領域特徴を用いて捕捉領域ｕ１が属する物体の種別を判別する。

【0042】

図３Ｃは車両単独の例を示す。図３Ｃでは、３つの捕捉領域ｖ１、ｖ２、ｖ３を示す。一例として、捕捉領域ｖ１を判別対象とする。図３Ｃでは、捕捉領域ｖ１の予備グループＶは捕捉領域ｖ２およびｖ３を含む。捕捉領域ｖ２および捕捉領域ｖ３は、予備グループＶの位置および大きさに影響を与えるので、捕捉領域ｖ１の比較特徴（上記（２））および近傍特徴（上記（３））にも影響を与える。

【0043】

図３Ｂに示す捕捉領域ｕ１と図３Ｃに示す捕捉領域ｖ１とが同じ捕捉領域特徴（上記（１））を有する場合について説明する。ここで、予備グループＵ及び予備グループＶは、エリアの大きさ、グループ内に含まれる捕捉領域が異なるため、比較特徴（上記（２））または近傍特徴（上記（３））が異なる。

【0044】

よって、判別部１５は、予備グループ毎で、特徴量と識別モデルとを比較し、各捕捉領域が属する物体の種別を判別する。このため、判別部１５は、捕捉領域ｕ１と捕捉領域ｖ１とを区別できる。つまり、判別部１５は、捕捉領域ｕ１と捕捉領域ｖ１とが、同じ捕捉領域特徴を有するため、捕捉領域単位では区別困難であるが、予備グループ単位では区別可能である。

【0045】

図３Ｄは車両と歩行者とが同時に存在する例を示す。図３Ｄでは、４つの捕捉領域ｗ１、ｗ２、ｗ３、ｗ４を示し、予備グループＷに、４つの捕捉領域ｗ１、ｗ２、ｗ３、ｗ４が属する。

【0046】

歩行者に基づく捕捉領域ｗ１と車両に基づく捕捉領域ｗ２とが同じ捕捉領域特徴（上記（１））を有する場合について説明する。ここで、捕捉領域ｗ１及び捕捉領域ｗ２は、予備グループＷ内で位置、近接する他の捕捉領域が異なるため、各捕捉領域ｗ１、ｗ２と予備グループＷとの比較特徴（上記（２））および各捕捉領域ｗ１、ｗ２の近傍特徴（上記（３））が異なる。

【0047】

よって、判別部１５は、予備グループ内の特徴量（比較特徴および近傍特徴）と識別モデルとを比較し、各捕捉領域が属する物体の種別を判別することで、捕捉領域ｗ１と捕捉領域ｗ２とを区別できる。つまり、捕捉領域ｗ１と捕捉領域ｗ２とは、同じ捕捉領域特徴を有するため、捕捉領域単位では区別困難であるが、予備グループ単位では区別可能である。

【0048】

また、図３Ｄの捕捉領域ｗ２と図３Ｃの捕捉領域ｖ１とは、車両の同じ部位に対応しているが、捕捉領域ｗ２が属する予備グループＷと、捕捉領域ｖ１が属する予備グループＶとでは、それぞれの比較特徴（上記（２））および近傍特徴（上記（３））が異なる。このため、モデル保存部１４が保存している識別モデルによって、判別部１５の結果が異なる。つまり、モデル保存部１４が車両単独の識別モデル（図３Ｃ）と、車両および歩行者が同時に存在する識別モデル（図３Ｄ）との両方を事前に保存している場合、判別部１５は、捕捉領域ｗ２、ｖ１をそれぞれ車両の捕捉領域として判別できる。

【0049】

物体確定部１６は、予備グループにおける全捕捉領域の判別結果に基づいて、対象物体の種別および対象物体の領域を確定する。つまり、物体確定部１６は、捕捉領域を物体の種別毎にグルーピングして、１つまたは複数の物体を検出する。また、物体確定部１６は、各物体に属する捕捉領域の合計を物体領域と確定する。なお、物体確定部１６は、同一種別に属する捕捉領域であっても、捕捉領域間の距離が所定値以上離れている場合、これらの捕捉領域を、同一種別の異なる物体と判定してもよい。更に、物体確定部１６は、物体に属する捕捉領域の特徴から物体の速度を求めて出力してもよい。

【0050】

以上説明したように、本実施の形態に係る物体検出装置１０は、レーダ装置２０で測定された複数のレーダ測定情報の特徴を利用することで、単一のレーダ測定情報では物体の検出が困難である場合でも物体を正確に検出することができる。本実施の形態と従来技術とを比較すると、次の２点が異なる。１つはグルーピングの実行順番であり、もう１つはモデル情報である。

【0051】

従来技術では、物体種別を考慮せず、捕捉領域の特徴（例えば、反射強度）の一致性に基づいて、捕捉領域のグルーピングを行っていた。しかし、レーダ装置では、反射方向によっては異なる物体からのレーダ測定情報が一致する場合、同一物体からのレーダ測定情報が一致しない場合がある。このため、従来技術では同一物体の捕捉領域を正確にグルーピングするのは困難であった。

【0052】

これに対して、本実施の形態によれば、物体検出装置１０は、各捕捉領域に対して同一物体であるか否かに依らず予備グループを形成し、予備グループ内での特徴量に基づいて各捕捉領域が属する物体の種別を判別する。つまり、物体検出装置１０は、判別対象の捕捉領域に対して、当該捕捉領域の特徴量以外にも、当該捕捉領域を含む予備グループでの特徴量を用いる。換言すると、物体検出装置１０は、捕捉領域に対して、周辺の捕捉領域との共起特性を考慮する。このため、物体検出装置１０では、１つの捕捉領域の特徴が或る種別の物体の特徴に一致する場合でも、予備グループ内の１つの捕捉領域の周辺に関する特徴が当該或る種別の物体の特徴とは異なる場合には、１つの捕捉領域の個別の特徴は、物体の判別処理に利用されない。すなわち、物体検出装置１０は、捕捉領域及び当該捕捉領域の周辺の捕捉領域の特徴量を複合的に用いて物体種別の判別精度を向上させることができ、同一物体の捕捉領域を正確にグルーピングできる。

【0053】

また、モデル情報について、従来技術では、各種別の物体に対してモデルがそれぞれ生成される。しかし、レーダ装置で物体を測定する場合、測定部位の数と位置とが時間によってランダムに変動するため、レーダ装置のレーダ測定情報から抽出できる物体の特徴を解析的に表現するのは困難であった。そのため、従来技術でも物体のモデルを生成する場合、事前に測定したデータを教師データとし、機械学習のモデル（例えば、Support Vector Machine）を利用していた。ただし、従来技術では、利用できる物体のモデルは、捕捉領域をグルーピングして形成される物体に対応するモデルであるので、捕捉領域のグルーピングが正しく行われなければ、物体のモデルを用いた物体検出を精度良く行うことは困難である。

【0054】

これに対して、本実施の形態では、個別の物体以外に、近接する異なる物体のレーダ測定情報を組み合わせて（つまり、予備グループを形成して）、教師データとして利用する。つまり、物体検出装置１０は、判別対象の捕捉領域の周辺の捕捉領域を含めたモデルを利用することで、レーダ測定情報に対する判別精度を向上させることができる。つまり、物体検出装置１０は、グルーピング処理の前（予備グルーピング）における捕捉領域毎の判別精度が向上するので、捕捉領域のグルーピングを正しく行うことができる。なお、本実施の形態では、物体検出装置１０は、グルーピング処理の前に捕捉領域単位で判別を行うため、判別処理におけるモデルとのマッチング時にはグルーピングは不要となる。

【0055】

このような構成により、本実施の形態に係る物体検出装置１０によれば、レーダ測定情報をグルーピングして物体を検出する場合、隣接する異なる物体を分離して検出することができる。

【0056】

＜実施の形態２＞
図４は、本実施の形態に係る物体検出装置４０の主要構成と、レーダ装置２０と、監視制御システム３０との接続関係を示すブロック図である。図４では、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４に示す物体検出装置４０には、実施の形態１に係る物体検出装置１０と比較して、追跡部４１が新たに追加される。また、特徴量取得部４２、モデル保存部４３、判別部４４は、実施の形態１に係る物体検出装置１０の特徴量取得部１３、モデル保存部１４、判別部１５とは異なる動作を行う。

【0057】

追跡部４１は、判別部４４から入力される、前フレームの予備グループに対する物体種別の判別結果（前フレーム情報）に基づいて、予備グルーピング部１２で算出された予備グループ（現フレームの予備グループ）に対する追跡処理を行う。つまり、追跡部４１は、現フレームにおいて前フレームの予備グループに対応する予備グループを確定する。なお、追跡部４１における追跡処理の方法は限定しない。また、追跡部４１が現フレームにおいて前フレームに対応する予備グループを捜索する範囲として、前フレームの予備グループの位置に近い範囲（例えば、前フレームの予備グループ位置から所定距離以内の範囲）が設定されてもよい。

【0058】

特徴量取得部４２は、予備グルーピング部１２で算出された予備グループ、及び、追跡部４１による追跡結果に基づいて特徴量を取得する。例えば、特徴量取得部４２は、実施の形態１の特徴取得部１３で取得する特徴量（１）〜（３）に加えて、下記の特徴量（４）を取得する。

【0059】

（４）フレーム間変動特徴
フレーム間変動特徴に基づく特徴量は、前フレームおよび現フレームの対応する予備グループ間の変動特徴を利用して、算出される。例えば、フレーム間変動特徴としては、前フレームと現フレームとの間における、同一予備グループの大きさの変動、同一グループが所有する捕捉領域数の変動、同一予備グループにおける捕捉領域の位置分布の変動がある。つまり、フレーム間変動特徴は、予備グループ及び捕捉領域の時間変化を示す特徴量である。

【0060】

モデル保存部４３は、実施の形態１のモデル保存部１３で取得した特徴量に加え、フレーム間変動特徴も事前に取得して識別モデルとして保存する。

【0061】

判別部４４は、特徴量（１）〜（３）に加え、フレーム間変動特徴（上記（４））も利用して、予備グループ内の捕捉領域を判別する。また、判別部４４は、判別結果を、追跡処理に用いる前フレーム情報として追跡部４１に出力する。

【0062】

レーダ測定情報に対応する物体部位は、時間（つまり、フレーム）に応じてランダムに変動する。つまり、捕捉領域の数および位置は、時間に応じて変動する。そのため、従来技術は、複数のフレームに渡る捕捉領域の追跡が困難であった。一方、従来、物体を確定してから追跡する技術が多数ある。しかし、従来の技術は、物体を確定していることが追跡の前提である。つまり、従来の技術は、物体を確定するために、追跡の結果を利用することは困難であった。

【0063】

これに対して、本実施の形態に係る物体検出装置４０によれば、レーダ測定情報を予備グループとしてグルーピング（集約）し、複数のフレームに渡って予備グループの追跡を行うことができる。これにより、物体検出装置４０は、物体判別において、複数のフレームに渡って追跡した特徴を利用するため、物体判別の性能を改善できる。例えば、車両の近傍に歩行者が存在し、車両からのレーダ測定情報の部位が時間変動した場合、物体検出装置４０は、歩行者からのレーダ測定情報と車両からのレーダ測定情報との位置関係の変動を追跡できるので、位置関係の変動に基づいて歩行者と車両とを分離して検出できる。

【0064】

＜実施の形態３＞
図５は、本実施の形態に係る物体検出装置５０の主要構成と、２つのレーダ装置２０Ａ，２０Ｂと、監視制御システム３０との接続関係を示すブロック図である。図５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。本実施の形態に係る物体検出装置５０は、２つの捕捉領域抽出部１１，５１、２つの予備グルーピング部１２，５２を有する。また、物体検出装置５０は、予備グループ統合部５３を有する。また、特徴量取得５４、モデル保存部５５、判別部５６は、実施の形態１に係る物体検出装置１０の特徴量取得部１３、モデル保存部１４、判別部１５とは異なる動作を行う。

【0065】

捕捉領域抽出部５１は、レーダ装置２０Ｂから測定情報を取得し、捕捉領域抽出部１１と同様にして、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。

【0066】

予備グルーピング部５２は、予備グルーピング部１２と同様にして、捕捉領域抽出部５１が抽出した各捕捉領域をグルーピングして、捕捉領域の種別を判定するための予備グループを生成する。

【0067】

つまり、予備グルーピング部１２はレーダ装置２０Ａに対する予備グループを形成し、予備グルーピング部５２はレーダ装置２０Ｂに対する予備グループを形成する。

【0068】

予備グループ統合部５３は、レーダ装置２０Ａおよびレーダ装置２０Ｂの空間座標を統一し、統一座標系でレーダ装置２０Ａの予備グループとレーダ装置２０Ｂの予備グループを統合する。

【0069】

予備グループ統合部５３における処理について図６を用いて詳細に説明する。

【0070】

図６は、レーダ装置２０Ａ、レーダ装置２０Ｂ、レーダ装置２０Ａの１つの予備グループＥａ、レーダ装置２０Ｂの１つの予備グループＥｂを示す。予備グループＥｂを捜索する方法として、予備グループ統合部５３は、予備グループＥａに対する指定範囲内において、レーダ装置２０Ｂの予備グループの中から予備グループＥａとの距離が最も近い予備グループを予備グループＥｂとして捜索してもよい。なお、予備グループＥａに対する指定範囲は、最大検出対象物体の大きさに基づいて設定されてもよい。また、予備グループ統合部５３は、予備グループＥｂを捜索する場合、予備グループＥａの寸法を考慮してもよい。また、予備グループ統合部５３は、１つの予備グループＥａに対して複数の予備グループを対応させてもよい。

【0071】

特徴量取得部５４は、例えば、図６に示す予備グループＥａおよび予備グループＥｂを含む統合領域を新しい予備グループ（以下、統合予備グループという）とし、レーダ装置２０Ａに属する捕捉領域ａ１，ａ２、および、レーダ装置２０Ｂに属する捕捉領域ｂ１，ｂ２を統合予備グループに属する捕捉領域として特徴量を取得する。

【0072】

モデル保存部５５は、統合予備グループにおいて、事前に取得した各種別の対象物体の捕捉領域および統合予備グループに対する特徴量を抽出し、特徴量に応じた対象物体をモデル化した識別モデルを生成し、識別モデルを保存する。

【0073】

判別部５６は、特徴量取得部５４で取得した特徴量と、モデル保存部５５に保存している識別モデルとをマッチングし、統合予備グループ内の捕捉領域がどの種別の対象物体に属するかを判別する。

【0074】

以上説明したように、本実施の形態に係る物体検出装置５０では、物体検出装置５０において、捕捉領域抽出部１１、５１は、２つのレーダ装置２０Ａ、２０Ｂの各々から取得した測定情報に基づいて捕捉領域を抽出する。そして、予備グルーピング部１２、５２は、２つのレーダ装置２０Ａ、２０Ｂの各々に対して予備グループを形成する。そして、予備グループ統合部５３は、複数のレーダ装置２０Ａ，２０Ｂの予備グループに対して統合予備グループを生成し、判別部５６は、統合予備グループ内の複数の捕捉領域の特徴量を用いて各捕捉領域を判別する。つまり、物体検出装置５０は、複数のレーダ装置２０Ａ，２０Ｂのレーダ測定情報間の共起特性を利用することができる。

【0075】

本実施の形態のように複数のレーダ装置２０Ａ，２０Ｂを用いることで、単一のレーダ測定情報よりも複数のレーダ測定情報に含まれる物体情報を用いることができるため、物体検出の精度が向上する。

【0076】

なお、図６では、対向して設置された複数のレーダ装置２０Ａ，２０Ｂを一例として示したが、本実施の形態は、車載レーダのように、同一方向を測定する複数レーダにも適用できる。また、設置されるレーダ装置の数は２つに限定されず、３つ以上のレーダ装置を用いてもよい。

【0077】

＜実施の形態４＞
図７は、本実施の形態に係る物体検出装置６０の主要構成と、レーダ装置２０と、監視制御システム３０との接続関係を示すブロック図である。図７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。本実施の形態に係る物体検出装置６０は、判別部１５の内部構成として、確度算出部６０１と、最大確度算出部６０２とを有する。

【0078】

確度算出部６０１は、予備グループ内の各捕捉領域に対して、指定された検出対象物体に属するか否かの二値判定ではなく、検出対象物体の候補の各々に属する度合い（確度）を算出する。例えば、確度算出部６０１は、捕捉領域の特徴量と、モデル保存部１４に保存された識別モデルとを比較した一致度合いを定量化し、確度とする。

【0079】

図８Ａおよび図８Ｂは、確度算出部６０１における確度算出処理の一例を示す。

【0080】

図８Ａおよび図８Ｂは、捕捉領域a、b、c、d、予備グループＥを示す。図８Ａは各捕捉領域に対する車両への確度を示し、図８Ｂは各捕捉領域に対する歩行者への確度を示す。

【0081】

最大確度算出部６０２は、各捕捉領域について、確度算出部６０１で算出された確度のうち最大確度に基づいて当該捕捉領域が属する物体の種別判別を行う。つまり、最大確度算出部６０２は、確度が最大となる検出対象物体の候補に、捕捉領域が属すると判定する。各捕捉領域は、最も確度の高い対象物体に分類される。例えば、図８Ａおよび図８Ｂにおいて、最大確度算出部６０２は、捕捉領域ｄを、最大確度０．９に対応する歩行者に分類し、捕捉領域ａ〜ｃを、最大確度（図８Ａでは、０．５，０．６，０．７。図８Ｂでは、０．３，０．４，０．５）に対応する車両に分類する。

【0082】

なお、最大確度算出部６０２は、捕捉領域の各物体に対応する確度が同程度である場合、判別を一時的に保留し、追加情報を利用して最終的な判別を行ってもよい。

【0083】

例えば、図８Ａおよび図８Ｂでは、捕捉領域ｄは、歩行者と車両の両方への確度が高いため、最大確度算出部６０２は、判別を一時的に保留し、予備グループの形状情報を追加情報として利用する。

【0084】

つまり、最大確度算出部６０２は、捕捉領域ｄを車両に分類する場合、捕捉領域a、b、c、ｄの４つで車両を形成し、捕捉領域ｄを歩行者に分類する場合、捕捉領域a、ｂ、ｃの３つで車両を形成する。次に、最大確度算出部６０２は、追加情報である予備グループの形状と形成した車両の形状（捕捉領域a、b、c、ｄ、又は、捕捉領域a、ｂ、ｃ）とを比較する。ここで、最大確度算出部６０２は、捕捉領域a、ｂ、ｃの３つで形成した形状が車両に近いと判断したため、捕捉領域ｄを歩行者に分類する。

【0085】

なお、他の追加情報は、例えば、予備グループの追跡情報、または複数のレーダ装置からの情報などであってもよい。ただし、捕捉領域の連続性を保証できない場合、最大確度算出部６０２は、例えば、車両や歩行者が存在する確度を保留情報としてもよい。

【0086】

以上のように、本実施の形態によれば、物体検出装置６０は、物体の判別に十分な情報がない場合でも、不確定の情報を蓄積し、物体の判別ができる。

【0087】

以上、本開示の各実施の形態について説明した。

【0088】

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、実施の形態４に係る物体検出装置６０に、実施の形態２にて説明した追跡部４１を加えてもよい。

【0089】

また、本開示の物体検出装置は、車両に搭載されたレーダ装置に接続されてもよい。この場合、自車両と物体とが衝突する可能性が有ると判断した場合、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、衝突を回避させることができる。また、本開示の物体検出装置は、交差点を含む道路周辺に存在する車両、二輪車、およ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もよい。レーダ装置が道路周辺に設置される場合、交差点等における車両、二輪車、および歩行者等の衝突の可能性の予測、衝突の回避、および、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。または、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。

【0090】

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。

【0091】

また、上記各実施形態の説明に用いた各機能ブロックは、典型的には集積回路であるＬＳＩとして実現される。集積回路は、上記実施の形態の説明に用いた各機能ブロックを制御し、入力端子と出力端子を備えてもよい。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。

【0092】

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。

【0093】

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。

【0094】

本開示の物体検出装置は、所定範囲を距離および方位角毎に分割した複数の単位領域の中から、レーダ装置が１つ以上の物体からの１つ以上の反射波を用いて生成した測定情報が所定の閾値を超える１つ以上の単位領域を、１つ以上の物体を捕捉する１つ以上の捕捉領域として抽出する捕捉領域抽出部と、捕捉領域から所定の範囲内に存在する少なくとも１つの捕捉領域を含む予備グループを形成する予備グルーピング部と、測定情報に基づいて、予備グループと当該予備グループ内の１つ以上の捕捉領域との関連を示す特徴量を算出する特徴量取得部と、特徴量に基づいて、予備グループ内の１つ以上の捕捉領域が属する１つ以上の物体の種別を捕捉領域毎に判別する判別部と、捕捉領域を物体の種別毎にグルーピングして、１つ以上の物体を検出する物体確定部と、を具備する構成を採る。

【0095】

本開示の物体検出装置において、レーダ装置が、測定情報を所定のフレーム毎に、生成し、前フレームの予備グループに対する物体の種別の判別結果に基づいて、現フレームの予備グループに対する追跡処理を行う追跡部、を更に具備し、特徴量取得部は、測定情報および追跡部による追跡結果に基づいて、特徴量を取得する。

【0096】

本開示の物体検出装置において、捕捉領域抽出部は、少なくとも２つのレーダ装置の各々から取得した測定情報に基づいて、捕捉領域を抽出し、予備グルーピング部は、少なくとも２つのレーダ装置の各々に対して予備グループを形成し、少なくとも２つのレーダ装置の各々に対応する予備グループを、同一の座標系上に統合する予備グループ統合部をさらに有する。

【0097】

本開示の物体検出装置において、判別部は、特徴量に基づいて、捕捉領域が検出対象物体候補の各々に属する度合いを示す確度を算出する確度算出部と、確度が最大となる検出対象物体候補に捕捉領域が属すると判定する最大確度算出部と、を具備する。

【0098】

本開示の物体検出装置において、特徴量は、予備グループ内の捕捉領域の個別の特徴量を含む。

【0099】

本開示の物体検出装置において、特徴量は、予備グループと、当該予備グループ内の捕捉領域との比較に関する特徴量を含む。

【0100】

本開示の物体検出装置において、特徴量は、予備グループ内の捕捉領域と、当該捕捉領域の近傍の他の捕捉領域のそれぞれの特徴量を含む。

【0101】

本開示の物体検出装置において、特徴量は、前フレームと現フレームとの間の予備グループに関する特徴量の変動量を含む。

【0102】

本開示の物体検出装置において、予備グループと当該予備グループ内の捕捉領域との関連を示す特徴量に応じた対象物体をモデル化した識別モデルを保存するモデル保存部、を更に具備し、判別部は、特徴量取得部で算出された特徴量と、モデル保存部に保存された識別モデルとを比較して、予備グループ内の捕捉領域が属する物体の種別を判別する。

【0103】

本開示の物体検出装置において、所定範囲を距離および方位角毎に分割した複数の単位領域の中から、レーダ装置が１つ以上の物体からの１つ以上の反射波を用いて生成した測定情報が所定の閾値を超える１つ以上の単位領域を、１つ以上の物体を捕捉する１つ以上の捕捉領域として抽出し、捕捉領域から所定の範囲内に存在する少なくとも１つの捕捉領域を含む予備グループを形成し、測定情報に基づいて、予備グループと当該予備グループ内の１つ以上の捕捉領域との関連を示す特徴量を算出し、特徴量に基づいて、予備グループ内の１つ以上の捕捉領域が属する１つ以上の物体の種別を捕捉領域毎に判別し、捕捉領域を１つ以上の物体の種別毎にグルーピングして、１つ以上の物体を検出する。

【産業上の利用可能性】

【0104】

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。

【符号の説明】

【0105】

１０，４０，５０，６０ 物体検出装置
１１，５１ 捕捉領域抽出部
１２，５２ 予備グルーピング部
１３，４２，５４ 特徴量取得部
１４，４３，５５ モデル保存部
１５，４４，５６ 判別部
１６ 物体確定部
２０，２０Ａ，２０Ｂ レーダ装置
３０ 監視制御システム
４１ 追跡部
５３ 予備グループ統合部
６０１ 確度算出部
６０２ 最大確度算出部

【図1】

【図2A】

【図2B】

【図3A】

【図3B】

【図3C】

【図3D】

【図4】

【図5】

【図6】

【図7】

【図8A】

【図8B】