特開 2022-142252 人体検出装置およびブレーキ制御システム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】公開特許公報(A)

(11)【公開番号】P2022142252

(43)【公開日】2022-09-30

(54)【発明の名称】人体検出装置およびブレーキ制御システム

(51)【国際特許分類】

   G01S 7/539 20060101AFI20220922BHJP

   G01S 15/931 20200101ALI20220922BHJP

   G01V 1/00 20060101ALI20220922BHJP

【ＦＩ】

G01S7/539

G01S15/931

G01V1/00 A

【審査請求】未請求

【請求項の数】5

【出願形態】ＯＬ

(21)【出願番号】P 2021042362

(22)【出願日】2021-03-16

(71)【出願人】

【識別番号】000000011

【氏名又は名称】株式会社アイシン

(74)【代理人】

【識別番号】110002147

【氏名又は名称】弁理士法人酒井国際特許事務所

(72)【発明者】

【氏名】永田 雄介

(72)【発明者】

【氏名】田林 伸一郎

【テーマコード（参考）】

2G105

5J083

【Ｆターム（参考）】

2G105AA01

2G105BB02

2G105CC01

2G105DD02

2G105EE01

2G105GG02

2G105HH01

5J083AA02

5J083AB12

5J083AB13

5J083AC29

5J083AD01

5J083AD09

5J083AE08

5J083AF08

5J083BA01

5J083BE08

5J083BE18

5J083BE60

(57)【要約】

【課題】超音波センサによって得られたデータのみに基づいて人体を検出する。
【解決手段】実施形態の人体検出装置は、所定領域に対して送信した超音波の反射波を受信した超音波センサから検出情報を取得する。検出情報に応じた反射波波形を、超音波の反射物体までの距離、および、超音波に関する距離に応じた減衰特性情報に基づいて、正規化する。正規化された反射波波形におけるピークが所定の閾値以上であった場合に、所定領域において物体を検出したと判定する。物体検出部によって物体が検出された場合に、正規化後の反射波波形からピークを含む所定範囲の反射波波形を抽出する。所定範囲の反射波波形に対して、時間情報を失わない所定の周波数解析を行って複数のパラメータを生成する。複数のパラメータのうち、物体が人体か否かを判別するためのパラメータを抽出する。抽出されたパラメータに基づいて、物体が人体か否かを判別する。
【選択図】図９

【特許請求の範囲】

【請求項1】

所定領域に対して送信した超音波の反射波を受信した超音波センサから検出情報を取得する取得部と、
前記検出情報に応じた反射波波形を、前記超音波の反射物体までの距離、および、超音波に関する距離に応じた減衰特性情報に基づいて、正規化する正規化部と、
正規化された前記反射波波形におけるピークが所定の閾値以上であった場合に、前記所定領域において物体を検出したと判定する物体検出部と、
前記物体検出部によって前記物体が検出された場合に、正規化後の前記反射波波形からピークを含む所定範囲の反射波波形を抽出する波形抽出部と、
前記所定範囲の反射波波形に対して、時間情報を失わない所定の周波数解析を行って複数のパラメータを生成する解析部と、
前記複数のパラメータのうち、前記物体が人体か否かを判別するためのパラメータを抽出するパラメータ抽出部と、
前記抽出されたパラメータに基づいて、前記物体が人体か否かを判別して人体を検出する人体検出部と、
を備える人体検出装置。

【請求項2】

前記物体検出部によって前記物体が検出された場合に、正規化後の前記反射波波形に基づいて前記物体の位置と速度を計算する計算部を、さらに備え、
前記人体検出部は、前記抽出されたパラメータ、および、前記物体の位置と速度に基づいて、前記物体が人体か否かを判別して人体を検出する、請求項１に記載の人体検出装置。

【請求項3】

前記解析部は、前記所定範囲の反射波波形に対して、時間情報を失わない前記所定の周波数解析としてウェーブレット変換を行って複数のパラメータを生成する、請求項１に記載の人体検出装置。

【請求項4】

前記パラメータ抽出部は、予め記憶部に記憶されたパラメータ抽出に関する機械学習データに基づいて、前記複数のパラメータのうち、前記物体が人体か否かを判別するためのパラメータを抽出する、請求項１に記載の人体検出装置。

【請求項5】

車両に搭載された、請求項１から請求項４のいずれか一項に記載の人体検出装置と、
前記人体検出装置による人体の検出結果に基づいて前記車両のブレーキを制御する制動制御部と、を備えるブレーキ制御システム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、人体検出装置およびブレーキ制御システムに関する。

【背景技術】

【0002】

従来から、例えば、車両制御システムにおいて、自車両の周囲に存在する人体（歩行者等）を検出する技術がある。この技術は、例えば、レーダ装置や超音波センサなどによる物体の検出結果と、カメラによる撮影画像とに基づいて、実現される。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特許第６６４３１６６号公報

【特許文献2】特許第６６５７９３４号公報

【特許文献3】特開２００６－２５０９２７号公報

【特許文献4】特開２０１２－１８９４４１号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

しかしながら、上述の従来技術は、コスト等の面で改善の余地がある。

【0005】

そこで、本発明の課題の一つは、超音波センサによって得られたデータのみに基づいて人体を検出することができる人体検出装置およびブレーキ制御システムを提供することである。

【課題を解決するための手段】

【0006】

実施形態の人体検出装置は、例えば、所定領域に対して送信した超音波の反射波を受信した超音波センサから検出情報を取得する取得部と、前記検出情報に応じた反射波波形を、前記超音波の反射物体までの距離、および、超音波に関する距離に応じた減衰特性情報に基づいて、正規化する正規化部と、正規化された前記反射波波形におけるピークが所定の閾値以上であった場合に、前記所定領域において物体を検出したと判定する物体検出部と、前記物体検出部によって前記物体が検出された場合に、正規化後の前記反射波波形からピークを含む所定範囲の反射波波形を抽出する波形抽出部と、前記所定範囲の反射波波形に対して、時間情報を失わない所定の周波数解析を行って複数のパラメータを生成する解析部と、前記複数のパラメータのうち、前記物体が人体か否かを判別するためのパラメータを抽出するパラメータ抽出部と、前記抽出されたパラメータに基づいて、前記物体が人体か否かを判別して人体を検出する人体検出部と、を備える。
このような構成により、超音波の反射波波形の正規化と、正規化された反射波波形におけるピークに基づく物体検出と、反射波波形に対する時間情報を失わない所定の周波数解析によるパラメータ生成と、人体判別用のパラメータ抽出と、抽出パラメータに基づく人体検出と、によって、超音波センサによって得られたデータのみに基づいて人体を検出することができる。

【0007】

また、前記人体検出装置では、例えば、前記物体検出部によって前記物体が検出された場合に、正規化後の前記反射波波形に基づいて前記物体の位置と速度を計算する計算部を、さらに備え、前記人体検出部は、前記抽出されたパラメータ、および、前記物体の位置と速度に基づいて、前記物体が人体か否かを判別して人体を検出する。
このような構成により、抽出されたパラメータに加えて物体の位置と速度に基づくことで、人体検出精度をさらに向上させることができる。

【0008】

また、前記人体検出装置では、例えば、前記解析部は、前記所定範囲の反射波波形に対して、時間情報を失わない前記所定の周波数解析としてウェーブレット変換を行って複数のパラメータを生成する。
このような構成により、時間情報を失わない所定の周波数解析として具体的にウェーブレット変換を用いることができる。

【0009】

また、前記人体検出装置では、例えば、前記パラメータ抽出部は、予め記憶部に記憶されたパラメータ抽出に関する機械学習データに基づいて、前記複数のパラメータのうち、前記物体が人体か否かを判別するためのパラメータを抽出する。
このような構成により、パラメータ抽出に関する機械学習データに基づいて、複数のパラメータのうち人物判別用のパラメータを抽出することができる。

【0010】

また、車両に搭載された人体検出装置と、前記人体検出装置による人体の検出結果に基づいて前記車両のブレーキを制御する制動制御部と、によって、ブレーキ制御システムを実現することができる。

【図面の簡単な説明】

【0011】

【図1】図１は、実施形態の車両制御システムが搭載される車両の平面図である。

【図2】図２は、実施形態の車両制御システムの全体構成を示すブロック図である。

【図3】図３は、実施形態の車両制御装置の機能構成を示すブロック図である。

【図4】図４は、実施形態における超音波の反射波波形の正規化の説明図である。

【図5】図５は、実施形態における反射波波形のピーク近傍抽出の説明図である。

【図6】図６は、実施形態におけるウェーブレット変換の対象データ例を示すグラフである。

【図7】図７は、実施形態におけるウェーブレット変換の基底関数例のメキシカンハット関数を示すグラフである。

【図8】図８は、実施形態の車両制御システムによる全体処理を示すフローチャートである。

【図9】図９は、図８のステップＳ５の処理の詳細を示すフローチャートである。

【図10】図１０は、図９のステップＳ５０６の処理の詳細を示すフローチャートである。

【発明を実施するための形態】

【0012】

以下、本発明の例示的な実施形態が開示される。以下に示される実施形態の構成、ならびに当該構成によってもたらされる作用および効果は、一例である。本発明は、以下の実施形態に開示される構成以外によっても実現可能である。また、本発明によれば、構成によって得られる種々の効果（派生的な効果も含む）のうち少なくとも一つを得ることが可能である。

【0013】

図１は、実施形態の車両制御システム２０（図２）が搭載される車両１０の平面図である。車両１０は、例えば、内燃機関（エンジン、図示されず）を駆動源とする自動車（内燃機関自動車）であってもよいし、電動機（モータ、図示されず）を駆動源とする自動車（電気自動車、燃料電池自動車等）であってもよいし、それらの双方を駆動源とする自動車（ハイブリッド自動車）であってもよい。また、車両１０は、種々の変速装置を搭載することができるし、内燃機関や電動機を駆動するのに必要な種々の装置（システム、部品等）を搭載することができる。また、車両１０における車輪１３の駆動に関わる装置の方式、個数、および、レイアウト等は、種々に設定することができる。

【0014】

図１に示すように、車両１０は、車体１２と、４個の車輪１３と、１２個の超音波センサ１６ａ～１６ｌを備える。以下、超音波センサ１６ａ～１６ｌを区別する必要がない場合、超音波センサ１６と記載する。

【0015】

車体１２は、乗員が乗車する車室を構成する。車体１２は、車輪１３、超音波センサ１６等を収容または保持する。

【0016】

４個の車輪１３は、車体１２の前側に２個、後側に２個、設けられている。例えば、前側の２個の車輪１３は、転舵輪として機能して、後側の２個の車輪１３は、駆動輪として機能する。

【0017】

超音波センサ１６は、所定領域に対して超音波を送信し、反射波を受信する。つまり、超音波センサ１６は、例えば、車両１０の外周部に設けられ、超音波を検出波として送信して、車両１０の周辺に存在する人体（歩行者等）等の対象物が反射した検出波を捉えるソナーである。超音波センサ１６は、検出情報（反射波の振幅、送受信の所要時間など）を車両制御装置３４に出力する。なお、超音波センサ１６は、一度の検出波の送信に対して、対象物の複数の個所が反射した複数の検出波を受信した場合、最も早く受信した検出波の所要時間のみを検出情報に含めてもよい。

【0018】

超音波センサ１６ａ、１６ｂ、１６ｃ、１６ｄは、サイドソナーとも呼ばれ、車両１０の左右の側部に設けられている。超音波センサ１６ａ、１６ｂ、１６ｃ、１６ｄは、車両１０の側方の対象物を検出して、検出情報を出力する。超音波センサ１６ｅ、１６ｆは、コーナーソナーとも呼ばれ、超音波センサ１６ａ、１６ｂ、１６ｃ、１６ｄよりも車両１０の後部（例えば、車両１０のコーナー近傍）に設けられ、超音波センサ１６ａ、１６ｂ、１６ｃ、１６ｄよりも後方（例えば、後方の外側）に向けられている。

【0019】

超音波センサ１６ｅ、１６ｆは、車両１０の斜め後方の対象物を検出して、検出情報を出力する。超音波センサ１６ｇ、１６ｈは、コーナーソナーとも呼ばれ、超音波センサ１６ａ、１６ｂ、１６ｃ、１６ｄよりも車両１０の前部（例えば、車両１０のコーナー近傍）に設けられ、超音波センサ１６ａ、１６ｂ、１６ｃ、１６ｄよりも前方（例えば、前方の外側）に向けられている。超音波センサ１６ｇ、１６ｈは、車両１０の斜め前方の対象物を検出して、検出情報を出力する。超音波センサ１６ｉ、１６ｊは、リアソナーとも呼ばれ、車両１０の後端部に設けられている。超音波センサ１６ｉ、１６ｊは、車両１０の後方の対象物を検出して、検出情報を出力する。超音波センサ１６ｋ、１６ｌは、フロントソナーとも呼ばれ、車両１０の前端部に設けられている。超音波センサ１６ｋ、１６ｌは、車両１０の前方の対象物を検出して、検出情報を出力する。

【0020】

図２は、実施形態の車両制御システム２０の全体構成を示すブロック図である。車両制御システム２０は、車両１０に搭載されて、車両１０の周辺の対象物に応じて、車両１０の運転を自動運転（一部自動運転を含む）によって支援する。

【0021】

図２に示すように、車両制御システム２０は、超音波センサ１６と、制動システム２２と、加速システム２４と、操舵システム２６と、変速システム２８と、車速センサ３０と、モニタ装置３２と、車両制御装置３４と、車内ネットワーク３６と、を備える。

【0022】

制動システム２２は、車両１０の制動を制御する。制動システム２２は、制動部４０と、制動制御部４２と、制動部センサ４４とを有する。

【0023】

制動部４０は、例えば、ブレーキ、ブレーキペダル等を含み、車両１０を減速させるための装置である。

【0024】

制動制御部４２は、例えば、ＣＰＵ（Central Processing Unit）等のハードウェアプロセッサを有するマイクロコンピュータ等のコンピュータである。制動制御部４２は、車両制御装置３４からの指示（停止制御信号）に基づいて、制動部４０を制御して、車両１０の制動を制御する。

【0025】

制動部センサ４４は、例えば、位置センサであって、制動部４０がブレーキペダルの場合、制動部４０の位置を検出する。制動部センサ４４は、検出した制動部４０の位置を車内ネットワーク３６に出力する。

【0026】

加速システム２４は、車両１０の加速を制御する。加速システム２４は、加速部４６と、加速制御部４８と、加速部センサ５０とを有する。

【0027】

加速部４６は、例えば、アクセルペダル等を含み、車両１０を加速させるための装置である。

【0028】

加速制御部４８は、例えば、ＣＰＵ等のハードウェアプロセッサを有するマイクロコンピュータ等のコンピュータである。加速制御部４８は、車両制御装置３４からの指示（加速制御信号）に基づいて、加速部４６を制御して、車両１０の加速を制御する。

【0029】

加速部センサ５０は、例えば、位置センサであって、加速部４６がアクセルペダルの場合、加速部４６の位置を検出する。加速部センサ５０は、検出した加速部４６の位置を車内ネットワーク３６に出力する。

【0030】

操舵システム２６は、車両１０の進行方向を制御する。操舵システム２６は、操舵部５２と、操舵制御部５４と、操舵部センサ５６とを有する。

【0031】

操舵部５２は、例えば、ハンドルまたはステアリングホイール等を含み、車両１０の転舵輪を転舵させて、車両１０の進行方向を操舵する装置である。

【0032】

操舵制御部５４は、例えば、ＣＰＵ等のハードウェアプロセッサを有するマイクロコンピュータ等のコンピュータである。操舵制御部５４は、車両制御装置３４からの指示（操舵制御信号）に基づいて、操舵部５２を制御して、車両１０の進行方向を制御する。

【0033】

操舵部センサ５６は、例えば、ホール素子等を含む角度センサであって、操舵部５２の回転角である操舵角を検出する。操舵部センサ５６は、検出した操舵部５２の操舵角を車内ネットワーク３６に出力する。

【0034】

変速システム２８は、車両１０の変速比を制御する。変速システム２８は、変速部５８と、変速制御部６０と、変速部センサ６２とを有する。

【0035】

変速部５８は、例えば、シフトレバー等を含み、車両１０の変速比を変更させる装置である。

【0036】

変速制御部６０は、例えば、ＣＰＵ等のハードウェアプロセッサを有するマイクロコンピュータ等のコンピュータである。変速制御部６０は、車両制御装置３４からの指示（変速制御信号）に基づいて、変速部５８を制御して、車両１０の変速比を制御する。

【0037】

変速部センサ６２は、例えば、位置センサであって、変速部５８がシフトレバーの場合、変速部５８の位置を検出する。変速部センサ６２は、検出した変速部５８の位置を車内ネットワーク３６に出力する。

【0038】

車速センサ３０は、例えば、車両１０の車輪１３の近傍に設けられたホール素子を有し、車輪１３の回転量または単位時間当たりの回転数を検出するセンサである。車速センサ３０は、検出した回転量または回転数を示す車輪速パルス数を、車両１０の速度（車速）を算出するためのセンサ値として、車内ネットワーク３６へ出力する。車両制御装置３４は、車速センサ３０から取得したセンサ値に基づいて車両１０の速度（車速）や移動量等を算出することができる。

【0039】

モニタ装置３２は、車両１０の車室内のダッシュボード等に設けられている。モニタ装置３２は、表示部６４と、音声出力部６６と、操作入力部６８とを有する。

【0040】

表示部６４は、車両制御装置３４が送信した画像データに基づいて、画像を表示する。表示部６４は、例えば、液晶ディスプレイ（ＬＣＤ：Liquid Crystal Display）、または、有機ＥＬディプレイ（ＯＥＬＤ：Organic Electroluminescent Display）等の表示装置である。表示部６４は、例えば、自動運転と手動運転との切り替えを指示する操作指示を受け付ける画像を表示する。

【0041】

音声出力部６６は、車両制御装置３４が送信した音声データに基づいて音声を出力する。音声出力部６６は、例えば、スピーカである。音声出力部６６は、例えば、自動運転と手動運転との切り替えを指示する操作指示に関する音声を出力する。

【0042】

操作入力部６８は、乗員の入力を受け付ける。操作入力部６８は、例えば、タッチパネルである。操作入力部６８は、表示部６４の表示画面に設けられている。操作入力部６８は、表示部６４が表示する画像を透過可能に構成されている。これにより、操作入力部６８は、表示部６４の表示画面に表示される画像を乗員に視認させることができる。操作入力部６８は、表示部６４の表示画面に表示される画像に対応した位置を乗員が触れることによって入力した指示を受け付けて、車両制御装置３４へ送信する。なお、操作入力部６８は、タッチパネルに限らず、押しボタン式等のハードスイッチであってもよい。

【0043】

車両制御装置３４は、ＥＣＵ（Electronic Control Unit）等のマイクロコンピュータを含むコンピュータであり、車両１０の自動運転による走行や駐車支援等の制御を行う。

【0044】

車両制御装置３４は、ＣＰＵ３４ａと、ＲＯＭ（Read Only Memory）３４ｂと、ＲＡＭ（Random Access Memory）３４ｃと、表示制御部３４ｄと、音声制御部３４ｅと、ＳＳＤ（Solid State Drive）３４ｆと、を備える。ＣＰＵ３４ａ、ＲＯＭ３４ｂおよびＲＡＭ３４ｃは、同一パッケージ内に集積されていてもよい。

【0045】

ＣＰＵ３４ａは、ハードウェアプロセッサの一例であって、ＲＯＭ３４ｂ等の不揮発性の記憶装置に記憶されたプログラムを読み出して、当該プログラムにしたがって各種の演算処理および制御を実行する。ＣＰＵ３４ａは、例えば、車両１０の自動運転による走行や駐車支援を実行する。

【0046】

ＲＯＭ３４ｂは、各プログラムおよびプログラムの実行に必要なパラメータ等を記憶する。ＲＡＭ３４ｃは、ＣＰＵ３４ａでの演算で用いられる各種のデータを一時的に記憶する。表示制御部３４ｄは、車両制御装置３４での演算処理のうち、主として、表示部６４に表示させる表示用の画像のデータ変換等を実行する。音声制御部３４ｅは、車両制御装置３４での演算処理のうち、主として、音声出力部６６に出力させる音声の処理を実行する。ＳＳＤ３４ｆは、書き換え可能な不揮発性の記憶装置であって、車両制御装置３４の電源がオフされた場合にあってもデータを維持する。

【0047】

車内ネットワーク３６は、例えば、ＣＡＮ（Controller Area Network）、ＬＩＮ（Local Interconnect Network）等を含む。車内ネットワーク３６は、加速システム２４と、制動システム２２と、操舵システム２６と、変速システム２８と、超音波センサ１６と、車速センサ３０と、モニタ装置３２の操作入力部６８と、車両制御装置３４とを互いに情報を送受信可能に接続する。

【0048】

図３は、実施形態の車両制御装置３４の機能構成を示すブロック図である。図３に示すように、車両制御装置３４は、機能構成として、取得部３４１と、正規化部３４２と、物体検出部３４３と、計算部３４４と、波形抽出部３４５と、解析部３４６と、パラメータ抽出部３４７と、人体検出部３４８と、制御部３４９と、を備える。これらの各機能構成は、ＣＰＵ３４ａがＲＯＭ３４ｂ等の記憶装置に記憶されたプログラムを読み出しそれを実行することにより、実現される。なお、各機能構成の一部または全部は、ＡＳＩＣ（Application Specific Integrated Circuit）を含む回路等のハードウェアによって構成されてもよい。

【0049】

なお、各部３４１～３４８は、人体検出装置３４００を構成する。また、人体検出装置３４００を含む車両制御装置３４と、制動制御部４２とは、ＡＥＢ（Advanced Emergency Braking）システム（衝突被害軽減ブレーキシステム）（ブレーキ制御システムの例）を構成する。

【0050】

取得部３４１は、各構成から各種データを取得する。取得部３４１は、例えば、所定領域に対して送信した超音波の反射波を受信した超音波センサ１６から検出情報を取得する。

【0051】

正規化部３４２は、検出情報に応じた反射波波形を、超音波の反射物体（例えば、路面、人体（歩行者等）、他の車両等）までの距離、および、超音波に関する距離に応じた減衰特性情報（例えば減衰関数）に基づいて、正規化する。

【0052】

ここで、図４は、実施形態における超音波の反射波波形の正規化の説明図である。超音波センサ１６から発せられた超音波は減衰特性を有している。この減衰特性から反射物体との距離が離れているほど反射波波形の振幅値は小さくなるので、スケールを合わせるために減衰関数にて正規化を行う。この減衰関数は、例えば、反射物体が路面以外に何もない状態で取得した反射波波形に対してフィッテイングを行って定義することができるが、減衰関数導出の手法はこれに限定されない。図４（ａ）の正規化前の反射波波形では微小だった対象物（路面以外）付近の振幅（距離が２１００程度の部分の振幅）が、図４（ｂ）の正規化後の反射波波形では大きく立ち上がっていることが確認できる。

【0053】

図３に戻って、物体検出部３４３は、正規化部３４２によって正規化された反射波波形におけるピークが所定の閾値以上であった場合に、所定領域に物体（路面以外の対象物）を検出したと判定する。なお、ピークの検出については、このような閾値判定に限定されず、ピーク検出アルゴリズム（例えばＣＦＡＲ（Constant False Alarm Rate）など）を使用するなど、他の手法を用いてもよい。

【0054】

計算部３４４は、物体検出部３４３によって物体が検出された場合に、正規化後の反射波波形に基づいて物体の位置と速度を計算する。具体的には、正規化後の反射波波形に基づいて物体の位置を時系列に計算し、時系列の位置に基づいて速度を計算する。

【0055】

波形抽出部３４５は、物体検出部３４３によって物体が検出された場合に、正規化後の反射波波形からピークを含む所定範囲の反射波波形を抽出（以下、ピーク近傍抽出ともいう。）する。ここで、図５は、実施形態における反射波波形のピーク近傍抽出の説明図である。反射波波形のピークとは、対象物に対応する部分の波形で振幅値が最も大きくなっている点を指す。ピーク近傍（ピーク座標付近の波形）の抽出を行わずに距離別の人体判別精度を調べると、遠距離（５～７ｍ）において不自然な結果となる場合があることが実験でわかっている。この原因として、図５（ａ）に示すように、生データでは、対象物ごとのピーク値時間座標にずれがある点が考えられる。この対策として、取得した反射波波形のピーク値の前後２００ステップ分について抽出し、ピーク値時間座標を揃える処理を行う。図５（ｂ）は、ピーク値時間座標を揃える処理を行った後の波形の一例である。また、これまでの知見から、ピーク近傍をその後の処理で使用することで汎化誤差を低減できることが分かっている。

【0056】

図３に戻って、解析部３４６は、波形抽出部３４５によって抽出した所定範囲の反射波波形に対して、時間情報を失わない所定の周波数解析を行って複数のパラメータを生成する。時間情報を失わない所定の周波数解析としては、例えば、ウェーブレット変換がある。

【0057】

ここで、図６は、実施形態におけるウェーブレット変換の対象データ例を示すグラフである。ウェーブレット変換は周波数解析の手法の一つで、フーリエ変換では周波数空間へ写像する際に失われてしまう時間情報を保持できるという特徴をもつ。これにより、対象とする波形の各時点における周波数成分の多寡を把握することができる。

【0058】

具体的には、フーリエ変換は窓関数を用いることで時間領域の情報を残すことができるが（ＳＴＦＴ（Short-Time Fourier Transform）：短時間フーリエ変換）、窓幅を周波数に合わせて固定することが必要となるため、広い周波数領域の解析には向かない。

【0059】

一方、連続ウェーブレット変換の関係式は、以下の式（１）の通りである。なお、ｔは時間である。ｘ（ｔ）は元信号である。Ｗ_Ψは基底関数Ψに基づいたウェーブレット変換である。ａはスケールパラメータである。ｂはシフトパラメータである。＊は複素共役である。なお、ａ，ｂは連続的な実数である。

【数1】

【0060】

また、連続ウェーブレット変換の基底関数の例は、以下の式（２）で示されるメキシカンハット関数である。

【数2】

【0061】

ここで、図７は、実施形態におけるウェーブレット変換の基底関数例のメキシカンハット関数を示すグラフである。そして、用意した基底関数（メキシカンハット関数）に対して、拡大縮小のスケーリングを行い、様々な波の幅を持つ基底関数群を作る。波の幅が広ければ低周波数、狭ければ高周波数の波である。ここで、用意した様々な周波数成分を持つ基底関数群をそれぞれ対象の波形に対して時間軸方向に平行移動させながら内積をとる。これにより、複数のパラメータが得られる。

【0062】

図３に戻って、パラメータ抽出部３４７は、解析部３４６によって生成された複数のパラメータのうち、物体が人体か否かを判別するためのパラメータを抽出する。例えば、パラメータ抽出部３４７は、予め記憶部（ＳＳＤ３４ｆなど）に記憶されたパラメータ抽出に関する機械学習データに基づいて、複数のパラメータのうち、物体が人体か否かを判別するためのパラメータを抽出する。つまり、予め機械学習により、複数のパラメータのうち、物体が人体か否かを判別するために大きく寄与するパラメータを特定しておく。ただし、パラメータ抽出の手法はこれに限定されず、ほかに、予めルールベースで決めておいてもよい。また、抽出するパラメータの数も、特に限定は無く、いくつでもよい。

【0063】

人体検出部３４８は、パラメータ抽出部３４７によって抽出されたパラメータに基づいて、物体が人体か否かを判別して人体を検出する。例えば、人体検出部３４８は、抽出されたパラメータ、および、物体の位置と速度に基づいて、物体が人体か否かを判別して人体を検出する。

【0064】

制御部３４９は、各種制御を行う。制御部３４９は、例えば、各システム２２、２４、２６、２８の全部または一部を制御することによる車両１０の自動運転によって、車両１０の走行や駐車支援等を制御する。また、制御部３４９は、例えば、制動制御部４２に対して、制動の指示を送信する。制動制御部４２は、人体検出装置３４００による人体の検出結果に基づいて車両のブレーキを制御する。例えば、人体検出装置３４００によって車両１０の周囲に人体（歩行者等）が検出された場合、制動制御部４２は、制御部３４９からの指示（停止制御信号）に基づいて、制動部４０を制御して、人体以外（例えば路上の落下物など）が検出された場合よりも早く車両１０が停車するように車両１０の制動を制御する。

【0065】

次に、図８は、実施形態の車両制御システム２０による全体処理を示すフローチャートである。ステップＳ１において、制御部３４９は、車両１０が低速領域での走行中か否かを判定し、Ｙｅｓの場合はステップＳ２に進み、Ｎｏの場合はステップＳ１に戻る。つまり、車両が低速領域で走行している場合には、ＡＥＢシステムを作動させる。また、ここでは前後進のどちらも含むこととする。

【0066】

ステップＳ２において、超音波センサ１６は超音波を生成する。次に、ステップＳ３において、超音波センサ１６は車両１０の超音波を出力する。

【0067】

次に、ステップＳ４において、超音波センサ１６は、超音波の反射波を受信する。次に、ステップＳ５において、人体検出装置３４００は、人体判別処理を行う。ここで、図９は、図８のステップＳ５の処理の詳細を示すフローチャートである。

【0068】

ステップＳ５０１において、人体検出装置３４００は、初期化を行う。次に、ステップＳ５０２において、正規化部３４２は、超音波の反射波波形を読み込む。

【0069】

次に、ステップＳ５０３において、正規化部３４２は、超音波の反射物体までの距離、および、超音波に関する距離に応じた減衰特性情報（例えば減衰関数）に基づいて、反射波波形を正規化（振幅スケールの正規化）する。

【0070】

次に、ステップＳ５０４において、物体検出部３４３は、ステップＳ５０３において正規化された反射波波形におけるピークが所定の閾値以上であるか否かで、物体（路面以外の対象物）を検出したか否かを判定する。

【0071】

次に、ステップＳ５０５において、物体検出部３４３は、物体を検出した場合（Ｙｅｓ）、ステップＳ５０６に進み、物体を検出しなかった場合（Ｎｏ）、ステップＳ５の処理を終了する。

【0072】

ステップＳ５０６において、計算部３４４は、対象物の状態推定処理を行う。ここで、図１０は、図９のステップＳ５０６の処理の詳細を示すフローチャートである。

【0073】

ステップＳ５２１において、計算部３４４は、正規化された反射波波形を読み込む。次に、ステップＳ５２２において、対象物の座標（位置）を推定（計算）する。

【0074】

次に、ステップＳ５２３において、計算部３４４は、座標推定を正常に終了したか否かを判定し、Ｙｅｓの場合はステップＳ５２４に進み、Ｎｏの場合はステップＳ５０６の処理を終了する。

【0075】

ステップＳ５２４において、計算部３４４は、物体の時系列の座標に基づいて速度を推定（計算）し、ステップＳ５０６の処理を終了する。

【0076】

図９に戻って、ステップＳ５０６の後、ステップＳ５０７において、波形抽出部３４５は、正規化された反射波波形のピーク近傍抽出を行う。

【0077】

次に、ステップＳ５０８において、解析部３４６は、ステップＳ５０７において抽出した反射波波形に対してウェーブレット変換を行って複数のパラメータを生成する。

【0078】

次に、ステップＳ５０９において、パラメータ抽出部３４７は、ステップＳ５０８において生成された複数のパラメータのうち、物体が人体か否かを判別することに関して高寄与度のパラメータを抽出する。

【0079】

次に、ステップＳ５１０において、人体検出部３４８は、ステップＳ５０９において抽出されたパラメータに基づいて、対象物の分類を行う。つまり、物体が人体か否かを判別する。その場合、例えば、抽出されたパラメータに加えて物体の位置と速度に基づいて、物体が人体か否かを判別する。

【0080】

次に、ステップＳ５１１において、人体検出部３４８は、分類結果を出力し、ステップＳ５の処理を終了する。

【0081】

図８に戻って、ステップＳ５の後、ステップＳ６において、人体検出装置３４００は、人体を検出した場合（Ｙｅｓ）、ステップＳ７に進み、人体を検出しなかった場合（Ｎｏ）、ステップＳ４に戻る。

【0082】

ステップＳ７において、制御部３４９は、制動制御部４２に、分類結果に応じた停止制御信号を送信する。次に、ステップＳ８において、制動制御部４２は、制御部３４９から停止制御信号を受信する。

【0083】

次に、ステップＳ９において、制動制御部４２は、停止制御信号に基づいて、制動部４０を制御して、車両１０の制動を制御する。例えば、車両１０の周囲に人体（歩行者等）が検出された場合、制動制御部４２は、制御部３４９からの指示（停止制御信号）に基づいて、制動部４０を制御して、人体以外（例えば路上の落下物など）が検出された場合よりも早く車両１０が停車するように車両１０の制動を制御する。

【0084】

次に、ステップＳ１０において、制動制御部４２は、車両１０が停止したか否かを判定し、Ｙｅｓの場合はステップＳ１１に進み、Ｎｏの場合はステップＳ９に戻る。

【0085】

ステップＳ１１において、制御部３４９は、ＡＥＢ制御を解除し、処理を終了する。

【0086】

このように、本実施形態の車両制御システム２０によれば、超音波の反射波波形の正規化と、正規化された反射波波形におけるピークに基づく物体検出と、反射波波形に対する時間情報を失わない所定の周波数解析によるパラメータ生成と、人体判別用のパラメータ抽出と、抽出パラメータに基づく人体検出とによって、超音波センサ１６によって得られたデータのみに基づいて人体を検出することができる。

【0087】

つまり、本来低解像度である超音波センサ１６による検出情報のみに基づいて高精度に人体判別を行うことができる。また、超音波センサ１６から得られた反射波波形のみで障害物の検知とその分類（人間か否かの分類）が可能になるので、同工程において従来使用していたセンサやチップの削減が可能となる。また、他センサと併用した場合においても、システムの冗長性の観点から堅牢な安全性システムの構築が可能となるという作用効果を奏する。

【0088】

また、抽出されたパラメータに加えて物体の位置と速度に基づくことで、人体検出精度をさらに向上させることができる。これは、例えば、人体の場合の位置や速度のパターンと、人体以外の場合の位置や速度のパターンと、に基づいた所定のアルゴリズムによって実現できる。

【0089】

また、時間情報を失わない所定の周波数解析として具体的にウェーブレット変換を用いることで、より高精度な人体検出結果を得ることができる。これは、例えば、フーリエ変換の場合と比べると、対象とする波形の各時点における周波数成分の多寡を把握可能であること等に起因する。

【0090】

また、パラメータ抽出に関する機械学習データに基づいて、複数のパラメータのうち人物判別用のパラメータを高精度に抽出することができる。

【0091】

また、車両１０に搭載された人体検出装置３４００と、人体検出装置３４００による人体の検出結果に基づいて車両１０のブレーキを制御する制動制御部４２と、によって、より効果的なＡＥＢシステムを実現することができる。

【0092】

以下、従来技術との比較について説明する。例えば、従来技術（特許第６６４３１６６号公報）は、レーダ装置を用いて複数の反射点から検出したレーダ物標と、撮像装置で撮影した画像から検出した画像物標を基に、自車両の周囲に存在する物体を認識する物体認識装置に関する技術である。レーダ装置で検出できなかった物標が画像単独物標に含まれている場合に、物体を検出したと判定する。また、画像単独物標が他車両の際、レーダ装置から取得した距離情報と撮影装置から取得した方位角情報から他車両の車両幅を算出する。

【0093】

この従来技術は、複数のセンサを用いたフュージョンでの物体認識システムで、レーダで検出できなかった物体をカメラ画像で検出した場合、物体有と判定する。しかし、カメラ画像による物体認識は雨や霧などの天候の影響を大きく受けるため条件次第では見落としが発生するケースも考えられる。レーダやカメラで見落としが発生する条件に対して今後の自動運転で主流になると思われるＬｉｄａｒを使用しても完全には解決することはできず、またシステムが重畳化するため有効ではない。

【0094】

一方、本実施形態の技術によれば、カメラ画像を用いないため、雨や霧などの天候の影響を比較的受けにくい。また、超音波センサ１６による検出情報のみで高精度な人体検出を可能としたので、簡潔なシステムで済む。

【0095】

また、例えば、他の従来技術（特許第６６５７９３４号公報）は、レーザーセンサにより計測された複数の計測点に基づいて、物体候補を出力する人物検出装置に関する技術である。初めにレーザーセンサで計測された点の３次元空間上の位置や反射強度に基づいて、それぞれの計測点が路面か路面上の物体かを分類する。その後、路面上の物体と分類された点群についてクラスタリングを行い、それぞれの物体を検出・認識する。

【0096】

レーザーセンサから取得できるデータで可能なこととして、車両に搭載した場合だと周囲を走行している車両や歩行者、建物までの距離や形状、その位置関係などを３次元情報として認識できることが挙げられる。これには発射したレーザーパルスが物体に当たって反射したポイントごとの３次元座標（点群）を用いている。ここから分かるように実環境では対象物が非常に多いため扱うデータ量が膨大になることが問題である。

【0097】

一方、本実施形態の技術によれば、超音波センサ１６による検出情報のみを用いるため、扱うデータ量が小さく済む。

【0098】

また、例えば、さらに他の従来技術（特開２００６－２５０９２７号公報）は、受信した超音波の反射波特性から、車外対象物の種類（人・壁・車両）を判別し、衝突対象に応じて乗員を拘束するべきか否かを判断する技術である。ここでの反射波特性とは反射波の波形の積分値・高調波・最大振幅を示しており、この中の少なくとも２つを用いる。

【0099】

この従来技術では、車外対象物の種類を判別する際に反射波形の最大振幅値・積分値を用いている。しかし、最大振幅値は対象物が近距離の場合、床面からはね返る反射波の影響を受けるため、対象物からの反射波における最大振幅値とは異なる値が返ってくるケースが考えられる。また、システムフローを見ると受信波に対する前処理はエンベロープ処理のみである。この処理のみの場合、超音波の減衰特性により対象物ごとの積分値の差異が小さくなることが考えられ、遠距離の対象物には高い判別精度が見込めない。以上より、この従来技術は、ＡＥＢシステムにとって必要な人体検出精度を実現できない可能性が高い。

【0100】

一方、本実施形態の技術によれば、上述のように、超音波に関する距離に応じた減衰特性情報（例えば減衰関数）に基づいて反射波波形を正規化することにより、遠距離の対象物についても高い判別精度を見込めるので、ＡＥＢシステムにとって必要な人体検出精度を実現できる。

【0101】

また、例えば、さらに他の従来技術（特開２０１２－１８９４４１号公報）は、人に特徴的な性質を利用して、静止した人とそれ以外の静止した物体との識別が可能な人物検出装置に関する技術である。各回の超音波送受信波の時系列パターンの時間的な変動量と、パターン識別手法により算出した現在の対象物に関しての人との類似度で、静止している障害物が人であるか否かを判別する。ここでの変動量は０番目の受信波形とそれ以降の各受信波形の内積の標準偏差を表し、また、類似度はパターン識別手法で算出した障害物の人らしさの程度を表す値である。

【0102】

この技術は対象物を静止している物体に限定しているが、車両に搭載する人体判別システムでは対象物の状態に依存しないのが望ましい。また、物体を判別するのに使用している変動量について、物体が静止しているということは音波が当たる面がほとんど変わらないため、反射波のエネルギー量のばらつきが小さくなり対象物ごとの差異が見えやすい。しかし、対象物が動いている場合、例えば人間だと音波が当たる面が各波形で異なるためばらつきが大きくなり特徴量として扱えない。以上より対象物が動いている場合には本技術は使用できないと考えられる。

【0103】

一方、本実施形態の技術によれば、超音波の反射波波形を用いて上述のような処理を行うという技術の特性上、対象物が動いている場合にも充分に使用できる。

【0104】

なお、車両制御装置３４で実行される上記処理を実行するためのプログラムは、インストール可能な形式または実行可能な形式のファイルでＣＤ－ＲＯＭ、ＣＤ－Ｒ、メモリカード、ＤＶＤ（Digital Versatile Disk）、フレキシブルディスク（ＦＤ）等のコンピュータで読み取り可能な記憶媒体に記憶されてコンピュータプログラムプロダクトとして提供されるようにしてもよい。また、当該プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するようにしてもよい。また、当該プログラムを、インターネット等のネットワーク経由で提供または配布するようにしてもよい。

【0105】

以上、本発明の実施形態を説明したが、上記実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。この新規な実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。この実施形態やその変形は、発明の範囲や要旨に含まれるとともに、特許請求の範囲に記載された発明とその均等の範囲に含まれる。

【0106】

例えば、ウェーブレット変換の基底関数は、メキシカンハット関数に限定されず、他の基底関数を用いてもよい。

【0107】

また、超音波センサ１６の個数は１２個に限定されず、他の個数であってもよい。

【符号の説明】

【0108】

１０…車両、１６…超音波センサ、２０…車両制御システム、３４…車両制御装置、４２…制動制御部、３４１…取得部、３４２…正規化部、３４３…物体検出部、３４４…計算部、３４５…波形抽出部、３４６…解析部、３４７…パラメータ抽出部、３４８…人体検出部、３４９…制御部、３４００…人体検出装置

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】