特開 2025-18427 物体検知装置及び物体検知方法

(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】P2025018427

(43)【公開日】2025-02-06

(54)【発明の名称】物体検知装置及び物体検知方法

(51)【国際特許分類】

   G01S 17/89 20200101AFI20250130BHJP

【ＦＩ】

G01S17/89

【審査請求】未請求

【請求項の数】7

【出願形態】ＯＬ

(21)【出願番号】P 2023122119

(22)【出願日】2023-07-27

(71)【出願人】

【識別番号】390010054

【氏名又は名称】コイト電工株式会社

(74)【代理人】

【識別番号】100134832

【弁理士】

【氏名又は名称】瀧野 文雄

(74)【代理人】

【識別番号】100165308

【弁理士】

【氏名又は名称】津田 俊明

(74)【代理人】

【識別番号】100115048

【弁理士】

【氏名又は名称】福田 康弘

(72)【発明者】

【氏名】細谷 大輔

(72)【発明者】

【氏名】木村 晃治

【テーマコード（参考）】

5J084

【Ｆターム（参考）】

5J084AA05

5J084AA07

5J084AA09

5J084AA14

5J084AB01

5J084AB07

(57)【要約】

【課題】センサヘッド（ＬｉＤＡＲ）からの距離に関わらず、精度良くクラスタリングすることができる物体検知装置及び物体検知方法を提供する。
【解決手段】物体検知装置１０は、地上に設置されたＬｉＤＡＲ２から点群情報が入力される入力部１１ａと、入力部１１ａに入力された点群情報が含む各点の点間距離について設定された閾値に基づいてクラスタリング処理を行う処理部１１ｂと、を備えている。そして、処理部１１ｂは、点間距離について設定された複数の閾値それぞれによってクラスタリング処理を行い、それらのクラスタリング処理で得られたクラスタのうち、重複するクラスタを削除する重複クラスタ整理処理を行っている。
【選択図】図２

【特許請求の範囲】

【請求項1】

地上に設置され、光を間欠的に照射して所定の空間を走査し、当該光の反射光を受光して当該反射光に基づく点群情報を取得するセンサから前記点群情報が入力される入力部と、
前記入力部に入力された前記点群情報を含む各点の点間距離について設定された閾値に基づいてクラスタリング処理を行う処理部と、
を備え、
前記処理部は、前記点間距離について設定された複数の閾値それぞれによってクラスタリング処理を行い、前記クラスタリング処理で得られたクラスタのうち、重複するクラスタを削除する処理を行う、
ことを特徴とする物体検知装置。

【請求項2】

前記処理部は、前記複数の閾値を、前記センサが検知できる最大奥行距離と、最低限分離したい近接物体間距離に基づく最小の点間距離と、に基づいて算出することを特徴とする請求項１に記載の物体検知装置。

【請求項3】

前記処理部は、前記複数の閾値を、前記最大奥行距離での最大点間距離と、前記最小の点間距離と、の間を複数に等分して算出することを特徴とする請求項２に記載の物体検知装置。

【請求項4】

前記処理部は、一のクラスタ内に複数のクラスタが含まれる場合に当該一のクラスタを削除することを特徴とする請求項１に記載の物体検知装置。

【請求項5】

前記処理部は、一のクラスタが他のクラスタ内にただ一つ含まれている場合は当該一のクラスタを削除することを特徴とする請求項１に記載の物体検知装置。

【請求項6】

前記処理部でクラスタリングされた点群に基づいて物体を検知する検知部を更に備えることを特徴とする請求項１から５のうちいずれか一項に記載の物体検知装置。

【請求項7】

地上に設置され、光を間欠的に照射して所定の空間を走査し、当該光の反射光を受光して当該反射光に基づく点群情報を取得するセンサを備える物体検知装置で実行される物体検知方法であって、
前記センサから前記点群情報が入力される入力工程と、
前記入力工程に入力された前記点群情報が含む各点の点間距離について設定された閾値に基づいてクラスタリング処理を行う処理工程と、
を含み、
前記処理工程は、前記点間距離について設定された複数の閾値それぞれによってクラスタリング処理を行い、前記クラスタリング処理で得られたクラスタのうち、重複するクラスタを削除する処理を行う、
ことを特徴とする物体検知方法。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、例えば道路上の物体を検知する物体検知装置及び物体検知方法に関する。

【背景技術】

【0002】

道路上の物体を検知する物体検知装置として、ＬｉＤＡＲ（Light Detection And Ranging）により検出された点群をクラスタリングして生成されたクラスタを用いて物体を検出する方法が知られている。

【0003】

例えば特許文献１には、各測距点同士の点間距離に基づいて、測距点群の部分集合であるクラスタにクラスタリングすることが記載されている。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０２２－００６７１６号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

上記したクラスタリングの際には、予め定めた点間距離の閾値に基づいて、クラスタリングを行っている。ＬｉＤＡＲのレーザは放射状の広がりを持つため、センサヘッドから遠くなるほど単位面積当たりの反射点数が少なく、かつ点同士の間隔が大きくなる。遠い地点では点間距離の閾値を十分に大きく設定しないと同一物体からの反射点群であるにもかかわらず別々のクラスタとして扱ってしまうおそれがある。

【0006】

一方で、点間距離の閾値が大きすぎるとセンサヘッドから近い地点では、近接して存在する複数物体からの反射点群を１つのクラスタとして扱ってしまうおそれがある。

【0007】

そこで、本発明は、センサヘッド（ＬｉＤＡＲ）からの距離に関わらず、精度良くクラスタリングすることができる物体検知装置及び物体検知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】

【0008】

上記課題を解決するためになされた請求項１に記載された発明は、地上に設置され、光を間欠的に照射して所定の空間を走査し、当該光の反射光を受光して当該反射光に基づく点群情報を取得するセンサから前記点群情報が入力される入力部と、前記入力部に入力された前記点群情報を含む各点の点間距離について設定された閾値に基づいてクラスタリング処理を行う処理部と、を備え、前記処理部は、前記点間距離について設定された複数の閾値それぞれによってクラスタリング処理を行い、前記クラスタリング処理で得られたクラスタのうち、重複するクラスタを削除する処理を行う、ことを特徴とする物体検知装置である。

【発明の効果】

【0009】

本発明によれば、複数の点間距離の閾値でクラスタリング処理を施すので、１つの閾値では複数の物体を含む１つのクラスタとなるものを分離した複数のクラスタとすることができる。また、複数の閾値で生成されたクラスタで重複する場合は、一方を削除することで、現実の物体とクラスタとを整合させることができる。

【図面の簡単な説明】

【0010】

【図1】本発明の一実施形態にかかる物体検知装置の設置例である。

【図2】図１に示された物体検知装置のブロック図である。

【図3】図２に示された物体検知装置における点間距離リスト作成処理のフローチャートである。

【図4】検知したい最大奥行距離ｄｍａｘと最大点間距離ｗｍａｘについての説明図である。

【図5】図２に示された物体検知装置におけるマルチクラスタリング処理のフローチャートである。

【図6】マルチクラスタリング処理の説明図である。

【図7】注目クラスタが他クラスタ内にただ一つ含まれる場合の例を示した図である。

【発明を実施するための形態】

【0011】

以下、本発明の一実施形態を、図１～図７を参照して説明する。図１は、本発明の一実施形態にかかる物体検知装置の設置例である。

【0012】

図１に示した物体検知装置１０は、例えば交差点の近傍等に固定された支柱Ｐに設置される。そして、物体検知装置１０は交差点を通行する歩行者や車両等の移動体を検知する。即ち、物体検知装置１０は、地上に設置されている。この地上に設置されているとは、直接的又は間接的を問わずに地上に固定されていること、つまり、車両等の移動体ではなく建造物等の地上に固定的に設置されている物体へ設置されることを意味している。

【0013】

物体検知装置１０は、本体部１と、ＬｉＤＡＲ２と、を備えている。本体部１は、支柱Ｐの下部に制御ボックス等として設けられる。本体部１は、図２のブロック図に示すように、制御部１１と、通信部１２と、を備えている。

【0014】

制御部１１は、例えばコンピュータ等で構成されている。制御部１１は、物体検知装置１０の全体制御を司る。図１では、制御部１１は、入力部１１ａと、処理部１１ｂと、検知部１１ｃと、を機能的に備えている。

【0015】

入力部１１ａは、ＬｉＤＡＲ２が取得した点群情報が入力される。処理部１１ｂは、入力部１１ａに入力された点群情報が含む各点の点間距離について設定された閾値に基づいてクラスタリング処理を行う。検知部１１ｃは、処理部１１ｂでクラスタリングされた点群に基づいて物体を検知する。検知部１１ｃは、例えばクラスタの形状や大きさ等から歩行者や車両などの移動体の種別を判別する。

【0016】

通信部１２は、制御部１１で検知された物体に関する情報を外部へ出力する。通信部１２は、例えば無線通信装置として構成すればよい（有線通信装置でもよい）。物体に関する情報としては、物体の種別や移動方向、移動速度などが挙げられる。また、出力先の具体例としては、支柱Ｐの近隣を通行する車両等の移動体や、交通管制センター等が挙げられる。

【0017】

ＬｉＤＡＲ２は、レーザ光を間欠的に照射して所定の空間を走査し、当該光の反射光を受光して当該反射光に基づく点群情報（３次元点群情報）を取得するセンサである。ＬｉＤＡＲ２は、照射したレーザ光の反射光により、照射範囲の空間に存在する物体までの距離を離散的に測定し、当該物体の位置や形状を３次元の点群として認識する。ＬｉＤＡＲ２は、本実施形態では、図１に示したように、支柱Ｐの上部に設置され、所定の空間として道路表面Ｒ上（道路表面Ｒ及びその上方の空間）を走査する。

【0018】

次に、上述した構成の物体検知装置１０において、物体検知動作のうちのクラスタリング動作について図３～図７を参照して説明する。図３は、点間距離リスト作成処理のフローチャートである。図３のフローチャートは後述する図５のフローチャートを実行する前に行う。

【0019】

点間距離リストとは、後述するマルチクラスタリング処理で用いる点間距離の閾値のリストである。つまり、図３のフローチャートを実行することで複数の閾値を生成しリスト化している。

【0020】

まず、処理部１１ｂは、ＬｉＤＡＲ２で検知したい最大奥行距離ｄｍａｘでの最大点間距離ｗｍａｘを算出する（ステップＳ１１）。ここで、最大奥行距離ｄｍａｘと最大点間距離ｗｍａｘについて図４を参照して説明する。図４はＬｉＤＡＲ２から間欠的に出射されたレーザ光を模式的に示した図である。図４では、ＬｉＤＡＲ２から出射されたレーザ光は、奥行距離ｄ離れた地点まで到達する。奥行とは、図４に示したように、ＬｉＤＡＲ２から見てレーザ光を照射する方向である。

【0021】

そして、ＬｉＤＡＲ２の水平方向の分解能をθとすると、奥行距離ｄにおける点間距離ｗ１、ｗ２、…、ｗｎは図示した式のとおりとなる。図４に示した式のうちｗｎを算出する式を（１）式として以下に示す。
ｗｎ＝ｄ＊ｔａｎ（ｎθ）－ｄ＊ｔａｎ（（ｎ－１）θ）・・・（１）

【0022】

つまり、検知したい最大奥行距離ｄｍａｘとは、ＬｉＤＡＲ２により検知したい最大の奥行距離ｄである。また、最大点間距離ｗｍａｘとは、最大奥行位置ｄｍａｘにおける一番外側の照射点とその内側の照射点の点間距離ｗｎである。ＬｉＤＡＲ２の構造上、最大奥行位置ｄｍａｘにおける最大点間距離はこのｗｎとなる。したがって、上記した最大奥行位置ｄｍａｘと、分解能θと、ＬｉＤＡＲ２の片側水平方向発射数ｎと、が判明すれば、最大点間距離ｗｍａｘを求めることができる。

【0023】

図３の説明に戻る。次に、処理部１１ｂは、点間距離リスト要素間の差分値ｗｄｉｆｆを算出する（ステップＳ１２）。差分値ｗｄｉｆｆは以下の（２）式により求められる。
ｗｄｉｆｆ＝（ｗｍａｘ－ｗｍｉｎ）／ｊ・・・（２）

【0024】

（２）式中のｗｍｉｎは、最低限分離したい近接物体間距離より十分に小さい数値である（以下、最小の点間距離ｗｍｉｎとする）。最小の点間距離ｗｍｉｎは、例えば並走する歩行者が５００ｍｍ以上離れている場合は分離したいが、４９９ｍｍの場合は分離できなくても許容するとした場合はｗｍｉｎ＝４９９ｍｍとなる。（２）式中のｊは、点間距離リストを分割したい数である。この分割したい数ｊは１以上の値が設定される。分割したい数ｊの上限値は処理部１１ｂの処理能力によるが概ね１０以下が望ましい。

【0025】

分割したい数ｊと差分値ｗｄｉｆｆについて説明する。例えば、点間距離リストが２要素（１０００ｍｍと５００ｍｍ）であるとする。この場合、点間距離１０００ｍｍを基準（閾値）としてクラスタリング処理を行うと、レーザの照射間隔が９９９ｍｍに広がってしまう奥行地点でも点群のグループ化が可能になる。一方で、９９９ｍｍ以下の間隔で並んで移動する２つの物体は一体化してしまう。点間距離５００ｍｍを基準としてクラスタリング処理を行うと、５０１ｍｍ以上の間隔で並んで移動する２つの物体は分離して検知することが出来る。しかし、レーザの照射間隔が５０１ｍｍ以上に広がってしまう奥行地点では５００ｍｍの点間距離を基準としたクラスタリング処理は有効に働かない。

【0026】

ここで、レーザの照射間隔が７４９ｍｍに広がってしまう奥行地点において８００ｍｍ間隔で並んで移動する２つの物体を検知する場合、点間距離１０００ｍｍ基準でのクラスタリング処理では一塊の物体として検知される。一方で点間距離５００ｍｍ基準でのクラスタリング処理では点のグループができずに全てが孤立点となってしまう。そこで、点間距離１０００ｍｍでのクラスタリング処理と点間距離５００ｍｍのクラスタリング処理の間に点間距離７５０ｍｍのクラスタリング処理を行うと、２つの物体としての検知が可能になる。つまり、分割したい数ｊとは、最大点間距離ｗｍａｘと最小の点間距離ｗｍｉｎとの間を何分割するかを定める値である。

【0027】

例えば「奥行距離１００ｍ以内の物体を検知したい。また、５０１ｍｍ以上の間隔をあけて移動する物体は分離して検知したい。ただし、５００ｍｍ以下に近接して移動しているなら分離できなくても許容する」という要求を受けた場合、最大の基準点間距離（ｗｍａｘ）は、上記したように奥行距離１００ｍでのレーザの照射間隔になる。例えば、照射間隔が９９９ｍｍに広がってしまうなら１０００ｍｍの点間距離（閾値）が必要になる。一方、最小の点間距離（ｗｍｉｎ）は分離要求から５００ｍｍになる。上記した分割したい数ｊは、換言すればクラスタリング処理を余分に追加できる数であり、このｊに応じて最大点間距離ｗｍａｘから最小の点間距離ｗｍｉｎの区間を等分したのが差分値ｗｄｉｆｆである。

【0028】

次に、処理部１１ｂは、点間距離リストＬのｉ番目を算出する（ステップＳ１３）。ｉ番目の点間距離Ｌｉは以下の（３）式により求められる。ここで、ｉは整数であり、このステップＳ１３はｉを０から始めるとすると、ステップＳ１３を１回実行する度にｉを１ずつ増加させ、ｉ≦ｊの関係を満たす間繰り返す。つまり、ステップＳ１３はｊ＋１回繰り返される。
Ｌｉ＝ｗｍａｘ－ｗｄｉｆｆ＊ｉ・・・（３）

【0029】

このようにして、点間距離リストＬが作成される。例えば、最大点間距離ｗｍａｘ＝１０００ｍｍ、最小の点間距離ｗｍｉｎ＝５００ｍｍ、分割したい数ｊ＝２ならば差分値ｗｄｉｆｆは２５０になり、点間距離リストＬは（１０００ｍｍ、７５０ｍｍ、５００ｍｍ）の３要素を持つことになる。

【0030】

次に、マルチクラスタリング処理について図５のフローチャートを参照して説明する。マルチクラスタリング処理とは、図３のフローチャートを実行して生成した点間距離リストＬに含まれる点間距離を閾値として用いて複数回のクラスタリング処理を行うことである。

【0031】

まず、以下のステップＳ２１、Ｓ２２は、点間距離リストＬの長さ分繰り返す。例えば点間距離リストＬがＬ０＝１０００、Ｌ１＝７５０、Ｌ２＝５００の場合は、Ｌ０から順にＬ２まで３回繰り返される。点間距離リストＬは、分割したい数ｊが１以上であることと、（２）式から、必ず２以上の点間距離が含まれる。したがって、ステップＳ２１、Ｓ２２のループ（クラスタリングループ）は複数回実行される。

【0032】

ステップＳ２１では、処理部１１ｂは、クラスタリング処理を実行する。クラスタリング処理は、上記したように、ＬｉＤＡＲ２が取得した点群情報が入力部１１ａに入力され、入力された点群情報について、点間距離リストＬから選択された点間距離（閾値）に基づいてクラスタを生成する周知の処理である。

【0033】

次のステップＳ２２では、処理部１１ｂは、各クラスタに含まれない点を除外する。このステップＳ２２は、クラスタリング処理を繰り返す際に、より大きな点間距離でのクラスタリングでクラスタに含まれなかった点はそれよりも小さな点間距離でのクラスタリングでクラスタに含まれる可能性は無いため、処理高速化のために除外するものである。このステップＳ２２の処理を行うことで、次回のループを実行する際にクラスタリングの対象となるのは全てクラスタに含まれる点群となる。

【0034】

次のステップＳ２３～Ｓ２５は、ステップＳ２１で生成されたクラスタ個数分繰り返す。これらのステップＳ２３～Ｓ２５は重複クラスタ整理ループともいう。ステップＳ２３では、処理部１１ｂは、ループ処理の各回において処理対象として注目しているクラスタ（以下、注目クラスタ）内に複数のクラスタが含まれるか判定する。注目クラスタ内に複数のクラスタが含まれるとは、図６に示したように、クラスタα２内にクラスタβ１とクラスタβ２とが含まれるような場合を示している。図６は、ＬｉＤＡＲ２から照射されたレーザ光と、そのレーザ光の範囲にある物体Ｖ（車両）、Ｐ１（歩行者）、Ｐ２（歩行者）がある場合に、点間距離ａではクラスタα１、α２が生成され、点間距離ａより短い点間距離ｂではクラスタβ１、β２が生成されている。

【0035】

図５の説明に戻る。ステップＳ２３の判定の結果複数のクラスタが含まれる場合は（ステップＳ２３：ｙｅｓ）、処理部１１ｂは、注目クラスタを削除する（ステップＳ２４）。このステップＳ２４は、例えば、図６において、注目クラスタをクラスタα２とした場合が該当する。この場合、クラスタα２にはクラスタβ１とクラスタβ２とが含まれる。これは、例えば点間距離ａに基づいてクラスタα２を生成したが、実際は物体Ｐ１と物体Ｐ２を含んでいるのでクラスタα２は不要であり、点間距離ｂに基づいて生成されたクラスタβ１とクラスタβ２のみを残すのが適切である。

【0036】

一方、ステップＳ２３の判定の結果複数のクラスタが含まれない場合は（ステップＳ２３：ｎｏ）、処理部１１ｂは、注目クラスタが他クラスタ内にただ一つ含まれるか判定する（ステップＳ２５）。ステップＳ２５について、図７を参照して説明する。図７は、トラックＴの側面を示したものである。このトラックＴについてクラスタγ１とクラスタγ２が生成され、クラスタγ２はクラスタγ１にただ一つ含まれるとする。また、図中の黒丸は点群の点であるとする。

【0037】

これは、注目クラスタが他クラスタ内にただ一つ含まれる状態とは、図７において、トラックＴの荷台など物体の水平な部分で点の粗密が発生している状態となっていることを意味する。そのため、小さいクラスタγ２は削除して大きなクラスタγ１のみを残すようにするのが妥当である。

【0038】

ステップＳ２４の判定の結果、注目クラスタが他クラスタ内にただ一つ含まれる場合は（ステップＳ２４：ｙｅｓ）、処理部１１ｂは、ステップＳ２５に進む。つまり、上記したように注目クラスタを削除する。

【0039】

一方、注目クラスタが他クラスタ内にただ一つ含まれない場合は（ステップＳ２４：ｎｏ）、処理部１１ｂは、ステップＳ２３～Ｓ２５のループを終了し、次のクラスタの重複クラスタを整理する。全てのクラスタの重複クラスタの整理が完了した場合はフローチャートを終了する。

【0040】

ここで、図５の重複クラスタ整理ループについて例を用いて説明する。例えば、点間距離リストＬが（１０００ｍｍ、７５０ｍｍ、５００ｍｍ）の３要素の場合であれば、クラスタリングループ（ステップＳ２１、Ｓ２２）は３回実行される。

【0041】

このとき、レーザの照射間隔が７４９ｍｍに広がってしまう奥行地点において８００ｍｍ間隔で並んで移動する２つの物体がいる場合、点間距離１０００ｍｍでのクラスタリング処理では２つの物体を囲う大きなクラスタが１つ出力される。また、点間距離７５０ｍｍでのクラスタリング処理では並んでいる物体をそれぞれ囲うクラスタが２つ出力される。また、点間距離５００ｍｍでのクラスタリング処理ではクラスタが出力されない。この結果、出力されたクラスタ全てを採用してしまうと、物体は２つなのに３つの出力があるという現実に即さない結果になってしまうので、重複クラスタを整理する必要がある。

【0042】

そこで、重複クラスタ整理ループにおいて、クラスタリングループの結果で出力されたクラスタについて順に注目して処理を行う。点間距離１０００ｍｍでのクラスタリング処理で出力されたクラスタに注目した場合、そのクラスタの空間的な広がりの中には点間距離７５０ｍｍでのクラスタリング処理で出力されたクラスタ２つが含まれている。よって、点間距離１０００ｍｍでのクラスタリング処理で出力されたクラスタは削除する。これにより、現実に存在するのは並走する２つの物体であり、残されたクラスタも２つなので合致することになる。

【0043】

上述したフローチャートによれば、ステップＳ２１が入力工程、クラスタリングループが処理工程として機能する。

【0044】

本実施形態によれば、物体検知装置１０は、地上に設置されたＬｉＤＡＲ２から点群情報が入力される入力部１１ａと、入力部１１ａに入力された点群情報が含む各点の点間距離について設定された閾値に基づいてクラスタリング処理を行う処理部１１ｂと、を備えている。そして、処理部１１ｂは、点間距離について設定された複数の閾値それぞれでクラスタリング処理を行い、それらのクラスタリング処理で得られたクラスタのうち、重複するクラスタを削除する重複クラスタ整理処理を行っている。

【0045】

物体検知装置１０が上記のように構成されることにより、複数の点間距離の閾値でクラスタリング処理を施すので、１つの閾値だけでは複数の物体を含む１つのクラスタとなるものを分離した複数のクラスタとすることができる。また、複数の点間距離で生成されたクラスタで重複する場合は整理して削除することで、現実の物体とクラスタとを整合させることができる。

【0046】

また、処理部１１ｂは、複数の閾値をＬｉＤＡＲ２からの奥行距離ｄに基づいて予め算出している。このようにすることにより、例えばＬｉＤＡＲ２から離れるにしたがって、点間距離が大きくなるような閾値を設定することができる。

【0047】

また、処理部１１ｂは、複数の閾値を、ＬｉＤＡＲ２が検知できる最大奥行距離ｄｍａｘと、最小の点間距離ｗｍｉｎと、に基づいて算出している。このようにすることにより、最大奥行距離ｄｍａｘにおける最大点間距離ｗｍａｘを求めることができ、少なくとも最大点間距離ｗｍａｘと最小の点間距離ｗｍｉｎとを閾値に含むことができるようになる。

【0048】

また、処理部１１ｂは、複数の閾値を、ＬｉＤＡＲ２が検知できる最大奥行距離ｄｍａｘでの最大点間距離ｗｍａｘと、最小の点間距離ｗｍｉｎと、の間を複数に等分して算出している。このようにすることにより、最大点間距離ｗｍａｘと最小の点間距離ｗｍｉｎとに加えて、それらの中間距離に対応する点間距離も閾値として設定することができる。したがって、より精度良くクラスタリング処理を行うことができる。

【0049】

また、処理部１１ｂは、注目クラスタ内に複数のクラスタが含まれる場合に注目クラスタを削除している。このようにすることにより、重複するクラスタを削除することができる。

【0050】

また、処理部１１ｂは、注目クラスタが他クラスタ内にただ一つ含まれている場合は注目クラスタを削除している。このようにすることにより、物体の水平な部分で点の粗密が発生している状態などで、注目クラスタが他クラスタ内にただ一つ含まれている場合は、注目クラスタを削除して現実の物体とクラスタとを整合させることができる。

【0051】

なお、本発明は上記実施形態に限定されるものではない。即ち、当業者は、従来公知の知見に従い、本発明の骨子を逸脱しない範囲で種々変形して実施することができる。かかる変形によってもなお本発明の物体検知装置及び物体検知方法の構成を具備する限り、勿論、本発明の範疇に含まれるものである。

【符号の説明】

【0052】

１ 本体部
２ ＬｉＤＡＲ（センサ）
１０ 物体検知装置
１１ 制御部
１１ａ 入力部
１１ｂ 処理部
１１ｃ 検知部

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】