特許 7149172 物体認識方法及び物体認識装置

(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】

(24)【登録日】2022-09-28

(45)【発行日】2022-10-06

(54)【発明の名称】物体認識方法及び物体認識装置

(51)【国際特許分類】

   G01S 17/931 20200101AFI20220929BHJP

   G01S 13/931 20200101ALI20220929BHJP

   G01S 17/66 20060101ALI20220929BHJP

   G08G 1/16 20060101ALI20220929BHJP

【ＦＩ】

G01S17/931

G01S13/931

G01S17/66

G08G1/16 D

【請求項の数】 4

(21)【出願番号】P 2018222178

(22)【出願日】2018-11-28

(65)【公開番号】P2020085716

(43)【公開日】2020-06-04

【審査請求日】2021-08-02

(73)【特許権者】

【識別番号】000003997

【氏名又は名称】日産自動車株式会社

(73)【特許権者】

【識別番号】507308902

【氏名又は名称】ルノー エス．ア．エス．

【氏名又は名称原語表記】ＲＥＮＡＵＬＴ Ｓ．Ａ．Ｓ．

【住所又は居所原語表記】１２２－１２２ ｂｉｓ， ａｖｅｎｕｅ ｄｕ Ｇｅｎｅｒａｌ Ｌｅｃｌｅｒｃ， ９２１００ Ｂｏｕｌｏｇｎｅ－Ｂｉｌｌａｎｃｏｕｒｔ， Ｆｒａｎｃｅ

(74)【代理人】

【識別番号】100083806

【弁理士】

【氏名又は名称】三好 秀和

(74)【代理人】

【識別番号】100101247

【弁理士】

【氏名又は名称】高橋 俊一

(74)【代理人】

【識別番号】100095500

【弁理士】

【氏名又は名称】伊藤 正和

(74)【代理人】

【識別番号】100098327

【弁理士】

【氏名又は名称】高松 俊雄

(72)【発明者】

【氏名】植田 宏寿

【審査官】東 治企

(56)【参考文献】

【文献】特開２０１１－１９６９４３（ＪＰ，Ａ）

【文献】特開２００９－０８６７８８（ＪＰ，Ａ）

【文献】特開２０１１－１５０６３３（ＪＰ，Ａ）

【文献】特開２００９－０１４４７９（ＪＰ，Ａ）

【文献】特開２００６－２５８５４５（ＪＰ，Ａ）

【文献】特開２００２－２９６３５０（ＪＰ，Ａ）

【文献】特開２００２－１２２６６９（ＪＰ，Ａ）

【文献】特開２００５－００９８８１（ＪＰ，Ａ）

【文献】特開２００７－２５７３３８（ＪＰ，Ａ）

(58)【調査した分野】(Int.Cl.，ＤＢ名)

Ｇ０１Ｓ ７／００－７／５１

Ｇ０１Ｓ １３／００－１３／９５

Ｇ０１Ｓ １７／００－１７／９５

Ｇ０８Ｇ １／１６

(57)【特許請求の範囲】

【請求項1】

自車両に搭載されたセンサを用いて、前記自車両の周囲の物体の表面上にある複数の検出点を検出し、前記センサにより検出された前記複数の検出点をクラスタリングし、クラスタリングされたクラスタを前記物体として認識する物体認識方法であって、
前記センサが検出可能な範囲と、前記センサが検出不可能な範囲との境界を示す死角境界の位置を算出し、
地図データベースを取得し、
前記自車両の位置を取得し、
前記地図データベースと前記自車両の位置とに基づいて、前記自車両が合流点に接近中か否かを判断し、
前記自車両が前記合流点に接近中である場合、前記自車両が走行する第１車線に合流する第２車線上に前記死角境界を設定し、
前記自車両が前記合流点に接近中であり、かつ、前記第１車線と前記第２車線との間に前記物体を認識した場合、前記物体を障害物と判断し、
クラスタリングされた前記障害物の端部の検出点と、前記センサとを結んだ直線の延長線上に、前記死角境界を設定し、
前記クラスタが、前記死角境界に接するか否かを判断し、
前記死角境界に接するクラスタに含まれる複数の検出点の中から、前記死角境界から最も離れた検出点を抽出し、
抽出した検出点を追跡する
ことを特徴とする物体認識方法。

【請求項2】

前記第２車線上において、前記死角境界から最も離れた検出点を抽出し、抽出した検出
点を追跡する
ことを特徴とする請求項１に記載の物体認識方法。

【請求項3】

前記死角境界から最も離れた検出点の速度ベクトルを前記第２車線の進行方向の速度成分及び前記進行方向に直角な方向の速度成分に分解する
ことを特徴とする請求項２に記載の物体認識方法。

【請求項4】

自車両に搭載されたセンサを用いて、前記自車両の周囲の物体の表面上にある複数の検出点を検出し、前記センサにより検出された前記複数の検出点をクラスタリングし、クラスタリングされたクラスタを前記物体として認識するコントローラを備える物体認識装置であって、
前記コントローラは、
前記センサが検出可能な範囲と、前記センサが検出不可能な範囲との境界を示す死角境界の位置を算出し、
地図データベースを取得し、
前記自車両の位置を取得し、
前記地図データベースと前記自車両の位置とに基づいて、前記自車両が合流点に接近中か否かを判断し、
前記自車両が前記合流点に接近中である場合、前記自車両が走行する第１車線に合流する第２車線上に前記死角境界を設定し、
前記自車両が前記合流点に接近中であり、かつ、前記第１車線と前記第２車線との間に前記物体を認識した場合、前記物体を障害物と判断し、
クラスタリングされた前記障害物の端部の検出点と、前記センサとを結んだ直線の延長線上に、前記死角境界を設定し、
前記クラスタが、前記死角境界に接するか否かを判断し、
前記死角境界に接するクラスタに含まれる複数の検出点の中から、前記死角境界から最も離れた検出点を抽出し、
抽出した検出点を追跡する
ことを特徴とする物体認識装置。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は、物体認識方法及び物体認識装置に関する。

【背景技術】

【0002】

従来より、レーザレーダを用いた物体のトラッキング方法が知られている（特許文献１）。特許文献１に記載された発明は、レーザレーダによって検出された検出点を用いてクラスタを作成し、クラスタに含まれる検出点の移動量に基づいてクラスタの形状の一致度を算出し、算出された形状の一致度が所定閾値以上の場合にクラスタを１つの物体として特定する。これにより、特許文献１に記載された発明は、物体を特定でき、さらに物体の速度も算出することができる。

【先行技術文献】

【特許文献】

【0003】

【文献】特開２０１３－２２８２５９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

センサの死角から出てくる物体は、徐々に見えてくるため、自車両から見た物体の見え方が大きく変化する。しかしながら、特許文献１に記載された発明は、センサの死角から出てくる物体について言及しておらず、センサの死角から出てくる物体の速度を精度よく算出することができないおそれがある。

【0005】

本発明は、上記問題に鑑みて成されたものであり、その目的は、物体の速度を精度よく算出することができる物体認識方法及び物体認識装置を提供することである。

【課題を解決するための手段】

【0006】

本発明の一態様に係る物体認識方法は、センサが検出可能な範囲と、センサが検出不可
能な範囲との境界を示す死角境界の位置を算出する。物体認識方法は、センサにより地図データベースを取得し、自車両の位置を取得する。物体認識方法は、地図データベースと自車両の位置とに基づいて、自車両が合流点に接近中か否かを判断する。物体認識方法は、自車両が合流点に接近中である場合、自車両が走行する第１車線に合流する第２車線上に死角境界を設定する。物体認識方法は、自車両が合流点に接近中であり、かつ、第１車線と第２車線との間に物体を認識した場合、物体を障害物と判断し、クラスタリングされた障害物の端部の検出点と、センサとを結んだ直線の延長線上に、死角境界を設定する。物体認識方法は、センサにより検出された複数の検出点をクラスタリングし、クラスタリングされたクラスタが、死角境界に接するか否かを判断する。物体認識方法は、死角境界に接するクラスタに含まれる複数の検出点の中から、死角境界から最も離れた検出点を抽出し、抽出した検出点を追跡する。

【発明の効果】

【0007】

本発明によれば、物体の速度を精度よく算出することができる

【図面の簡単な説明】

【0008】

【図1】図１は、本発明の第１実施形態に係る物体認識装置の概略構成図である。

【図2】図２は、本発明の第１実施形態に係る物体認識装置の一動作例を説明するフローチャートである。

【図3】図３は、死角境界の一例を説明する図である。

【図4】図４は、本発明の第２実施形態に係る物体認識装置の概略構成図である。

【図5】図５は、本発明の第２実施形態に係る物体認識装置の一動作例を説明するフローチャートである。

【図6】図６は、死角境界の設定方法の一例を説明する図である。

【図7】図７は、追跡方法の一例を説明する図である。

【発明を実施するための形態】

【0009】

以下、本発明の実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。

【0010】

（第１の実施形態）
（物体認識装置１の構成例）
図１を参照して、物体認識装置１の構成例を説明する。図１に示すように、物体認識装置１は、センサ１０と、コントローラ２０と、ディスプレイ３０と、を備える。

【0011】

物体認識装置１は、自動運転機能を有する車両に搭載されてもよく、自動運転機能を有しない車両に搭載されてもよい。また、物体認識装置１は、自動運転と手動運転とを切り替えることが可能な車両に搭載されてもよい。なお、本実施形態における自動運転とは、例えば、ブレーキ、アクセル、ステアリングなどのアクチュエータの内、少なくとも何れかのアクチュエータが乗員の操作なしに制御されている状態を指す。そのため、その他のアクチュエータが乗員の操作により作動していたとしても構わない。また、自動運転とは、加減速制御、横位置制御などのいずれかの制御が実行されている状態であればよい。また、本実施形態における手動運転とは、例えば、ブレーキ、アクセル、ステアリングを乗員が操作している状態を指す。

【0012】

センサ１０は、自車両に搭載され、自車両の周囲の物体を検出する装置である。センサ１０は、ライダ、レーダ、ミリ波レーダ、レーザレンジファインダ、ソナーなどを含む。センサ１０は、自車両の周囲の物体として、他車両、バイク、自転車、歩行者を含む移動物体、及び、障害物、落下物、駐車車両を含む静止物体を検出する。また、センサ１０は、移動物体及び静止物体の自車両に対する位置、姿勢（ヨー角）、大きさ、速度、加速度、減速度、ヨーレートを検出する。また、センサ１０は、車輪速センサ、操舵角センサ、及びジャイロセンサなどを含んでもよい。センサ１０は、検出した情報をコントローラ２０に出力する。

【0013】

本実施形態では、センサ１０は、ライダまたはレーダとして説明する。ライダまたはレーダは、電波を物体に向けて走査し、その反射波を測定することにより、物体までの距離や方向を測定する。また、ライダまたはレーダは、物体のポイントクラウドを検出点として取得する。ポイントクラウドとは、コントローラ２０が処理する点の集合である。通常、ポイントクラウドは、３次元座標（ｘ、ｙ、ｚ）で表現される。なお、物体のポイントクラウドを取得する方法は、ライダまたはレーダに限定されない。例えば、カメラ画像からそれぞれ周囲の画素と区別可能な特徴を持つ画素をポイントクラウドとして取得する方法が挙げられる。この方法には、例えば非特許文献「Jianbo Shi and Carlo Tomasi, "Good Features to Track," 1994 IEEE Conference on Computer Vision and Pattern Recognition (CVPR'94), 1994, pp.593 - 600.」に記載の方法が用いられる。

【0014】

コントローラ２０は、ＣＰＵ（中央処理装置）、メモリ、及び入出力部を備える汎用のマイクロコンピュータである。マイクロコンピュータには、物体認識装置１として機能させるためのコンピュータプログラムがインストールされている。コンピュータプログラムを実行することにより、マイクロコンピュータは、物体認識装置１が備える複数の情報処理回路として機能する。なお、ここでは、ソフトウェアによって物体認識装置１が備える複数の情報処理回路を実現する例を示すが、もちろん、以下に示す各情報処理を実行するための専用のハードウェアを用意して、情報処理回路を構成することも可能である。また、複数の情報処理回路を個別のハードウェアにより構成してもよい。コントローラ２０は、複数の情報処理回路として、死角境界算出部２１と、物体認識部２２と、運転支援部２３と、を備える。

【0015】

死角境界算出部２１は、センサ１０の死角境界の位置を算出し、算出結果に基づいて死角境界を設定する。物体認識部２２は、センサ１０によって検出された検出点をクラスタリングしたり、追跡したりする。運転支援部２３は、物体認識部２２の処理結果に基づいて運転支援を行う。

【0016】

次に、図２及び図３を参照して、物体認識装置１の一動作例を説明する。

【0017】

図２に示すステップＳ１０１において、死角境界算出部２１は、センサ１０の死角境界の位置を算出し、算出結果に基づいて死角境界を設定する。本実施形態において、死角境界とは、センサ１０が検出可能な範囲と、センサ１０が検出不可能な範囲との境界を示す。通常、センサ１０には、性能を示す指標として、検出可能な範囲（検出距離）が設定されている。死角境界算出部２１は、センサ１０の性能（検出距離）に基づいて、センサ１０の死角境界の位置を算出する。一例として、死角境界は、図３の５１によって示される。死角境界５１に囲まれる領域５０（図３の斜線部）は、センサ１０が検出可能な範囲を示す。なお、図３において、死角境界５１の形状は、半円形状であるが、これに限定されない。死角境界５１の形状は、円形状、扇形状、方形状、多角形状を含む。なお、死角境界５１の算出方法（設定方法）は、これに限定されない。他の方法は、第２実施形態で説明する。

【0018】

処理はステップ１０３に進み、センサ１０は、自車両４０の周囲の物体（図３に示す他車両６０、６１）を検出する。図３に示すように、センサ１０は、他車両６０、６１の表面上にある複数の検出点（検出点７０～７７）を検出する。

【0019】

処理はステップ１０５に進み、物体認識部２２は、ステップ１０３で検出された検出点７０～７７をクラスタリングする。クラスタリングとは、複数の検出点をクラスタ（物体）として抽出する手法である。物体認識部２２は、一例として、複数の検出点の中から、２点間の距離が所定値以下の検出点をクラスタリングする。具体的には、図３に示す検出点７０～７５がクラスタリングされ、一つのクラスタ６０（他車両６０）として抽出される。同様に、図３に示す検出点７６～７７がクラスタリングされ、一つのクラスタ６１（他車両６１）として抽出される。

【0020】

処理はステップ１０７に進み、物体認識部２２は、ステップＳ１０５で抽出されたクラスタ６０、６１が、死角境界５１に接するか否かを判断する。図３に示す例において、クラスタ６１は、死角境界５１に接している。一方、クラスタ６０は、死角境界５１に接していない。この場合、物体認識部２２は、クラスタ６１は死角境界５１に接する、と判断する。また、物体認識部２２は、クラスタ６０は死角境界５１に接していない、と判断する。

【0021】

死角境界５１に接するクラスタ６１は、センサ１０の死角から出てくる物体、または、センサ１０の死角に消えていく物体である。本実施形態では、死角境界５１に接するクラスタ６１は、センサ１０の死角から出てくる物体として説明する。センサ１０の死角から出てくる物体（クラスタ６１）は、徐々に見えてくるため、センサ１０から見た物体の見え方が大きく変化する。

【0022】

そこで、物体認識部２２は、死角境界５１に接するクラスタ６１に含まれる複数の検出点（検出点７６～７７）の中から、死角境界５１から最も離れた検出点（検出点７７）を抽出する（ステップＳ１０９）。処理は、ステップＳ１１１に進み、物体認識部２２は、ステップＳ１０９で抽出された検出点７７を追跡する。このように、物体認識部２２が死角境界５１から最も離れた検出点（検出点７７）を追跡することによって、センサ１０から見た物体（他車両６１）の見え方が大きく変化するシーンにおいても、物体認識部２２は、物体（他車両６１）の速度を精度よく算出することができる。

【0023】

なお、死角境界５１に接していないクラスタ６０に含まれる複数の検出点（検出点７０～７５）については、周知の方法によって追跡される（ステップＳ１０７でＮｏ）。

【0024】

処理はステップ１１３に進み、運転支援部２３は、ステップＳ１１１で追跡された他車両６０、６１の情報をディスプレイ３０に表示して運転支援を行う。

【0025】

処理はステップ１１５に進み、自車両４０の乗員が、イグニッションをオフした場合（ステップＳ１１５でＹｅｓ）、一連の処理は終了する。ユーザが、イグニッションをオフしていない場合（ステップＳ１１５でＮｏ）、処理はステップＳ１０３に戻る。なお、本実施形態におけるイグニッションのオフは、自車両４０の停止、自車両４０の電源システムの停止を含む。イグニッションのオフは、自車両４０の車室内に設けられたイグニッションスイッチをオフすることによって実現されてもよく、自車両４０の車室内に設けられた電源システムスイッチをオフすることによって実現されてもよい。

【0026】

（作用効果）
以上説明したように、第１実施形態に係る物体認識装置１によれば、以下の作用効果が得られる。

【0027】

物体認識装置１は、センサ１０が検出可能な範囲と、センサ１０が検出不可能な範囲との境界を示す死角境界５１の位置を算出し、算出結果に基づいて死角境界を設定する。物体認識装置１は、センサ１０により検出された複数の検出点（図３に示す検出点７０～７５、７６～７７）をクラスタリングする。物体認識装置１は、クラスタリングされたクラスタ（図３に示すクラスタ６０、６１）が死角境界５１に接するか否かを判断する。物体認識装置１は、死角境界５１に接するクラスタ６１に含まれる複数の検出点（図３に示す検出点７６～７７）の中から、死角境界５１から最も離れた検出点７７を抽出する。そして、物体認識装置１は、抽出された検出点７７を追跡する。これにより、センサ１０から見た物体（図３に示す他車両６１）の見え方が大きく変化するシーンにおいても、物体認識装置１は、他車両６１の速度を精度よく算出することができる。

【0028】

また、死角境界５１が設定されるため、物体認識装置１は、センサ１０が検出可能な範囲に進入してきた物体を早期に認識することができる。

【0029】

また、物体認識装置１は、検出点７６～７７をクラスタリングした後に追跡する。これにより、自車両４０の走行に関係しないノイズは除去される。

【0030】

（第２の実施形態）
（物体認識装置２の構成例）
次に、図４～図７を参照して、本発明の第２実施形態について説明する。第１実施形態と重複する構成については符号を引用してその説明は省略する。以下、相違点を中心に説明する。

【0031】

図４に示すように、第２実施形態に係る物体認識装置２は、地図データベース１１と、ＧＰＳ受信機１２をさらに備える。

【0032】

地図データベース１１は、カーナビゲーション装置などに記憶されているデータベースであって、道路情報、施設情報など経路案内に必要となる各種データが記憶されている。また、地図データベース１１には、道路の構造、道路の車線数、車線の位置、道路境界線、物標などの情報が記憶されている。地図データベース１１は、コントローラ２０の要求に応じて地図情報をコントローラ２０に出力する。なお、道路情報、物標情報などの各種データは必ずしも地図データベース１１から取得されるものに限定されず、センサ１０により取得されてもよく、また車車間通信、路車間通信を用いて取得されてもよい。また、道路情報、物標情報などの各種データが外部に設置されたサーバに記憶されている場合、コントローラ２０は、通信により随時これらのデータをサーバから取得してもよい。また、コントローラ２０は、外部に設置されたサーバから定期的に最新の地図情報を入手して、保有する地図情報を更新してもよい。

【0033】

ＧＰＳ受信機１２は、人工衛星からの電波を受信することにより、地上における自車両４０の位置（以下、自己位置と称する場合がある）及び自車両４０の姿勢を検出する。ＧＰＳ受信機１２は、検出した自車両４０の位置情報及び姿勢情報をコントローラ２０に出力する。

【0034】

次に、図５～図７を参照して、物体認識装置２の一動作例を説明する。

【0035】

ステップ２０１において、センサ１０は、自車両４０の周囲の物体を検出する。

【0036】

処理はステップ２０３に進み、ＧＰＳ受信機１２は、自己位置及び自車両４０の姿勢を検出する。

【0037】

処理はステップ２０５に進み、物体認識部２２は、地図データベース１１から自己位置の周辺の地図情報を取得する。

【0038】

処理はステップ２０７に進み、物体認識部２２は、ステップＳ２０３で検出された自己位置及び自車両４０の姿勢と、ステップＳ２０５で取得された地図情報とに基づいて、自車両４０が走行している車線を取得する。なお、以下では、自車両４０が走行している車線を単に自車線という。図６に示す９０は、自車線である。また、物体認識部２２は、ステップＳ２０３で検出された自己位置及び自車両４０の姿勢と、ステップＳ２０５で取得された地図情報とに基づいて、自車両４０が合流点または交差点に接近中か否かを判断する。図６に示すように、自車両４０が合流点に接近中である場合（ステップＳ２０７でＹｅｓ）、処理はステップＳ２０９に進む。一方、自車両４０が合流点または交差点に接近中でない場合（ステップＳ２０７でＮｏ）、処理はステップＳ２２１に進む。

【0039】

ステップＳ２０９において、物体認識部２２は、地図データベース１１から自車線９０に合流する車線９１の情報（位置情報、構造情報）を取得する（図６参照）。なお、図示は省略するが、自車両４０が交差点に接近中の場合、物体認識部２２は、地図データベース１１から自車線に交差する車線の情報を取得する。

【0040】

処理はステップＳ２１１に進み、死角境界算出部２１は、センサ１０の死角が存在するか否かを判断する。具体的には、死角境界算出部２１は、自車線９０と車線９１との間に複数の検出点が検出されたか否かを判断する。図６に示すように、自車線９０と車線９１との間に複数の検出点８０～８７が検出された場合、検出点８０～８７はクラスタリングされ、物体として認識される。さらにこの物体は障害物９２（例えば、壁）として判断される。物体が障害物であるか否かは、一例として、地図情報に基づいて判断される。図６に示すように、センサ１０の死角が存在する場合（ステップＳ２１１でＹｅｓ）、処理はステップＳ２１３に進む。一方、センサ１０の死角が存在しない場合（ステップＳ２１１でＮｏ）、処理はステップＳ２２１に進む。

【0041】

ステップＳ２１３において、死角境界算出部２１は、自車両４０（センサ１０）とクラスタリングされた障害物９２の端部の検出点８０とを結んだ直線の延長線９３上に死角境界を設定する（図６参照）。なお、図６において、他車両６２は死角に隠れているため検出されないが、例えば、図７では、他車両６２の検出点８８、８９が検出される。

【0042】

処理はステップ２１５に進み、物体認識部２２は、図７に示す検出点８８、８９をクラスタリングする。処理はステップ２１７に進み、物体認識部２２は、クラスタリングされたクラスタ（他車両６２）が死角境界に接するか否かを判断する。図７に示すように、クラスタ（他車両６２）が死角境界に接する場合（ステップＳ２１７でＹｅｓ）、処理はステップＳ２１９に進む。

【0043】

ステップＳ２１９において、物体認識部２２は、死角境界から最も離れた検出点（図７に示す検出点８９）を抽出する。検出点８９は、車線９１上において、死角境界から最も離れた検出点である。処理はステップＳ２２１に進み、物体認識部２２は、ステップＳ２１９で抽出された検出点８９を追跡する。

【0044】

処理はステップ２２３に進み、物体認識部２２は、追跡結果に基づいて、検出点８９の速度ベクトルを算出する。一例として物体認識部２２は、検出点８９の位置の時間変化から、検出点８９の速度ベクトルを算出する。そして、物体認識部２２は、速度ベクトルを車線９１の進行方向の速度成分及び進行方向に直角な方向の速度成分に分解する。

【0045】

処理はステップ２２５に進み、運転支援部２３は、ステップ２２３で算出された車線９１の進行方向の速度成分を用いて、他車両６２が合流点に到達するまでに要する時間を算出する。そして、運転支援部２３は、算出した時間をディスプレイ３０に表示して運転支援を行う。

【0046】

（作用効果）
以上説明したように、第２実施形態に係る物体認識装置２によれば、以下の作用効果が得られる。

【0047】

物体認識装置２は、ＧＰＳ受信機１２によって検出された自己位置及び自車両４０の姿勢と、地図データベース１１から取得した地図情報とに基づいて、自車両４０が合流点または交差点に接近中か否かを判断する。自車両４０が合流点または交差点に接近中である場合、物体認識装置２は、自車線９０（第１車線）に合流するまたは交差する車線９１上に死角境界を設定する。これにより、物体認識装置２は、見通しの悪い合流点または交差点においても物体を早期に認識することができ、物体の速度を精度よく算出することができる。

【0048】

物体認識装置２は、自車両４０が合流点または交差点に接近中であり、かつ、自車線９０と、車線９１（第２車線）との間に物体を認識した場合、この物体を障害物９２と判断する（図６参照）。そして、図６に示すように、物体認識装置２は、クラスタリングされた障害物９２の端部の検出点８０と、自車両４０（センサ１０）とを結んだ直線の延長線９３上に死角境界を直接設定する。このように第２実施形態に係る物体認識装置２によれば、自車両４０が見通しの悪い合流点（または交差点）に接近中の場合のみ、死角境界が直接設定される。

【0049】

また、物体認識装置２は、図７に示すように、車線９１上において、死角境界から最も離れた検出点８９を抽出し、抽出した検出点８９を追跡する。このように、物体認識装置２は、自車線９０に合流する車線９１上の検出点８９を追跡することにより、自車両４０の走行に関係する物体（他車両６２）を認識することができる。

【0050】

また、物体認識装置２は、検出点８９の速度ベクトルを車線９１の進行方向の速度成分及び進行方向に直角な方向の速度成分に分解する。これにより、物体認識装置２は、自車両４０の走行に関係する速度情報（車線９１の進行方向の速度成分）を精度よく算出することができる。

【0051】

上述の実施形態に記載される各機能は、１または複数の処理回路により実装され得る。処理回路は、電気回路を含む処理装置等のプログラムされた処理装置を含む。処理回路は、また、記載された機能を実行するようにアレンジされた特定用途向け集積回路（ＡＳＩＣ）や回路部品等の装置を含む。また、物体認識装置１及び物体認識装置２は、コンピュータの機能を改善しうる。

【0052】

上記のように、本発明の実施形態を記載したが、この開示の一部をなす論述及び図面はこの発明を限定するものであると理解すべきではない。この開示から当業者には様々な代替実施の形態、実施例及び運用技術が明らかとなろう。

【符号の説明】

【0053】

１、２ 物体認識装置
１０ センサ
１１ 地図データベース
１２ ＧＰＳ受信機
２０ コントローラ
２１ 死角境界算出部
２２ 物体認識部
２３ 運転支援部
３０ ディスプレイ

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】