CN115176175A - 物体检测装置 - Google Patents

物体检测装置 Download PDF

Info

Publication number
CN115176175A
CN115176175A CN202180015257.2A CN202180015257A CN115176175A CN 115176175 A CN115176175 A CN 115176175A CN 202180015257 A CN202180015257 A CN 202180015257A CN 115176175 A CN115176175 A CN 115176175A
Authority
CN
China
Prior art keywords
image
resolution
point group
cluster
target
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202180015257.2A
Other languages
English (en)
Inventor
秋山启子
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from JP2021018327A external-priority patent/JP7501398B2/ja
Application filed by Denso Corp filed Critical Denso Corp
Publication of CN115176175A publication Critical patent/CN115176175A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
    • G06V10/75—Organisation of the matching processes, e.g. simultaneous or sequential comparisons of image or video features; Coarse-fine approaches, e.g. multi-scale approaches; using context analysis; Selection of dictionaries
    • G06V10/757—Matching configurations of points or features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/762—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using clustering, e.g. of similar faces in social networks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/02—Systems using the reflection of electromagnetic waves other than radio waves
    • G01S17/06—Systems determining position data of a target
    • G01S17/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4808—Evaluating distance, position or velocity data
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/483—Details of pulse systems
    • G01S7/486—Receivers
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/187—Segmentation; Edge detection involving region growing; involving region merging; involving connected component labelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/60—Analysis of geometric attributes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/71—Circuitry for evaluating the brightness variation
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
    • H04N23/70—Circuitry for compensating brightness variation in the scene
    • H04N23/74—Circuitry for compensating brightness variation in the scene by influencing the scene brightness using illuminating means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10028—Range image; Depth image; 3D point clouds
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/20—Special algorithmic details
    • G06T2207/20021—Dividing image into blocks, subimages or windows
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30196—Human being; Person
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Multimedia (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Software Systems (AREA)
  • Electromagnetism (AREA)
  • Signal Processing (AREA)
  • Evolutionary Computation (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Databases & Information Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Geometry (AREA)
  • Optical Radar Systems And Details Thereof (AREA)

Abstract

本发明的物体检测装置具备照射部(2)、受光部(3)、以及检测部(51～54、61)。受光部构成为接收由照射部照射出的光被反射而成的光亦即反射光、和环境光。检测部构成为基于点群、和至少一个图像来检测规定的物体，上述点群为基于反射光的信息。点群是在测距区域整体检测到的反射点的群。至少一个图像包含基于环境光的图像亦即环境光图像、基于离基于反射光检测到的物体的距离的图像亦即距离图像以及/或者基于反射光的反射强度的图像亦即反射强度图像。

Description

物体检测装置
相关申请的交叉引用
本国际申请主张基于2020年2月18日向日本专利厅申请的日本专利申请第2020－25300号以及2021年2月8日向日本专利厅申请的日本专利申请第2021－18327号的优先权，将日本专利申请第2020－25300号以及日本专利申请第2021－18327号的全部内容通过参照引用至本国际申请。
技术领域
本公开涉及物体检测装置。
背景技术
在专利文献1中，记载有使用通过对由激光雷达检测到的多个检测点进行聚类而生成的簇来检测物体的物体识别装置。具体而言，物体识别装置通过计算上次生成的簇和这次生成的簇的一致度，来确定表示物体的簇。此时，物体识别装置利用簇具有树状构造这一情况来从根节点的簇朝向子节点的簇来计算一致度。
专利文献1：日本特开2013－228259号公报
然而，发明者的详细研究的结果是发现了以下的课题。即，当如专利文献1所记载的装置那样仅使用点群来进行聚类时，难以以正确的单位检测物体。例如，在针对设为检测对象的物体，生成了与本来应当生成的簇相比较小的簇作为根节点的簇的情况下，难以将与根节点的簇相比较大的簇检测为物体，导致过度分割。另外，例如，在不存在上次生成的簇的情况下，即在初次的聚类时，不能够计算上次生成的簇和这次生成的簇的一致度，因此难以确定表示物体的簇，而检测精度变低。
发明内容
本公开的一方面提供能够更高精度地以正确的单位检测物体的物体检测装置。
本公开的一个方式是物体检测装置，具备照射部、受光部、以及检测部。照射部构成为向规定的测距区域照射光。受光部构成为接收由照射部照射出的光被反射而成的光亦即反射光、和环境光。检测部构成为基于作为基于反射光的信息的点群、和至少一个图像，来检测规定的物体。点群是在测距区域整体检测到的反射点的群。至少一个图像包含基于环境光的图像亦即环境光图像、基于离基于反射光检测的物体的距离的图像亦即距离图像以及/或者基于反射光的反射强度的图像亦即反射强度图像。
根据这样的结构，能够更高精度地以正确的单位检测物体。
附图说明
图1是示出物体检测装置的结构的框图。
图2是示出行人的图像物标的示意性的图的一个例子。
图3是点群中的示出行人的部分的示意性的图的一个例子。
图4是示出搅拌车的图像物标的示意性的图的一个例子。
图5是点群中的示出搅拌车的部分的示意性的图的一个例子。
图6是示出第一实施方式的物体检测处理的前半部分的流程图。
图7是示出第一实施方式的物体检测处理的后半部分的流程图。
图8是示出第二实施方式的物体检测处理的前半部分的流程图。
图9是示出第二实施方式的变形例的物体检测处理的流程图。
具体实施方式
以下，参照附图，对本公开的例示性的实施方式进行说明。
[1.结构]
图1所示的物体检测装置1搭载于车辆来使用，通过照射光，并接收来自反射照射出的光的物体的反射光，来检测存在于车辆前方的物体。
如图1所示，物体检测装置1具备照射部2、受光部3、存储部4、以及处理部5。
照射部2向车辆的前方的测距区域照射激光。测距区域是分别沿水平方向以及垂直方向以规定的角度范围扩展的区域。照射部2沿水平方向扫描激光。
受光部3检测来自测距区域的入射光的光量。在由受光部3检测的入射光中，除了包含由照射部2照射出的激光被物体反射而成的反射光以外，还包含太阳光的反射光等环境光。
测距区域被划分为多个分割区域。测距区域能够在多个分割区域的每一个检测入射光的光量。在将测距区域表示为在以受光部3为视点观察前方(即，激光的照射方向)时视觉确认的二维平面时，上述的多个分割区域对应于将该二维平面关于水平方向以及垂直方向分割为多段而成的一个一个的区域。如果作为三维空间观察，则分割区域分别是沿着从受光部3延伸的直线而具有长度的空间区域。针对每个分割区域，与上述的直线的水平方向的角度以及垂直方向的角度建立对应来确定。
在本实施方式中，测距区域划分为与以往的一般的LIDAR相比较而言较细小的分割区域。例如，测距区域中的分割区域的数量设计为，在上述的二维平面中，沿水平方向划分为500个，沿垂直方向划分为100个。
各分割区域与一个以上的受光元件建立对应。根据与一个分割区域建立对应的受光元件的数量，分割区域的大小(即，在上述的二维平面上，其面积的大小)发生变化。与一个分割区域建立对应的受光元件的数量越少，一个分割区域的大小越小，分辨率越高。为了实现这样的结构，受光部3具备排列了多个受光元件的受光元件阵列。受光元件阵列例如由SPAD、其他的光电二极管构成。此外，SPAD是Single Photon Avalanche Diode(单光子雪崩二极管)的简称。
如上述那样，在入射光中包含有反射光和环境光。在对以激光的照射定时为开始时刻的一定期间的入射光的光量进行取样而成的表示时间与入射光的光量的关系的受光波形中，由照射部2照射出的激光被物体反射而成的反射光被检测为能够充分地与环境光相区分的峰值。根据从照射部2对激光的照射定时至反射光的检测定时为止的时间，来计算离激光被物体反射的反射点的距离。因此，根据分割区域的水平方向以及垂直方向的角度、以及从物体检测装置1起的距离，来确定反射点的三维位置。由于在每个分割区域确定反射点的三维位置，因此在测距区域整体确定作为检测到的反射点的群的点群的三维位置。即，针对反射了激光的物体，确定其三维位置、和三维空间中的水平方向以及垂直方向的尺寸。此外，为了后述的聚类等处理，将反射点的三维位置转换为X、Y、Z的坐标值。
环境光被检测为未检测出反射光的期间的受光波形。例如，也可以将经过了为了检测激光的反射光而设定的期间后的受光波形检测为环境光。如上述那样，受光部3在检测来自各分割区域的入射光的光量后，基于接收到的环境光，生成横向500像素、纵向100像素的分辨率且多灰度等级的灰度图像作为环境光图像。即，环境光图像成为与通过照相机拍摄车辆的前方的情况相同的图像。此外，由于点群中的各反射点的角度位置与环境光图像中的各像素的位置一一对应，因此能够以较高的精度确定对环境光图像进行图像解析而识别的物体、与在点群中识别的物体的对应关系。应予说明，通过后述的图像生成部61生成环境光图像。
存储部4存储种类信息、距离阈值、以及尺寸阈值。
所谓种类信息是检测对象的物体的种类。在检测对象的物体中，包含行人、先行车辆等驾驶员在驾驶时应当关注的物体。
所谓距离阈值是作为可检测检测对象的物体的距离范围的标准而对每个物体的种类设定的阈值。例如，在因物体检测装置1的性能、行驶环境等重要因素，而能够在远离规定距离以上的位置检测行人的可能性极低的情况下，将该规定距离设定为针对行人的距离阈值。此外，使用的距离阈值也可以根据行驶环境等而变更。
所谓尺寸阈值是作为检测对象的物体的适当的尺寸的标准而对每个物体的种类设定的阈值。例如，将作为有可能是行人的高度以及宽度的范围，且在超过该范围的情况下是行人的可能性极低的高度以及宽度的范围各自的上限值设定为针对行人的尺寸阈值。通过不设定下限值，例如，即使在仅拍摄到行人的上半身的情况等下，也能够进行是行人的判定。
以具有未图示的CPU、ROM、RAM、闪存等的公知的微型计算机为中心构成处理部5。CPU执行储存于于作为非过渡实体记录介质的ROM的程序。通过执行该程序，来执行与该程序对应的方法。具体而言，处理部5按照该程序，执行后述的图6以及图7所示的物体检测处理。此外，处理部5也可以具备一个微型计算机，也可以具备多个微型计算机。
处理部5具备点群生成部51、簇生成部52、识别部53、物体检测部54、切换部55、以及图像生成部61作为通过CPU执行程序而实现的功能模块即假想的构成要素。实现处理部5中包含的各部的功能的方法不限于软件，其一部分或者全部的功能也可以使用一个或多个硬件实现。例如，在通过作为硬件的电子电路实现上述功能的情况下，也可以通过数字电路、或模拟电路、或者它们组合来实现该电子电路。
点群生成部51基于受光波形生成点群。所谓点群，是在测距区域整体检测到的反射点的群。所谓反射点表示反射来自照射部2的激光的点，在每个上述的分割区域取得。通过变更与一个分割区域建立对应的受光元件的数量，能够在该点群中切换点群分辨率。所谓点群分辨率，是检测构成点群的多个反射点的单位(即分割区域)的数量。
簇生成部52通过对由点群生成部51生成的点群进行聚类，来生成多个簇。
图像生成部61生成环境光图像、距离图像、以及反射强度图像。所谓距离图像是以每个像素表示离由照射部2照射出的激光被物体反射的反射点的距离的图像。所谓反射强度图像是以每个像素表示受光部3接收由照射部2照射出的激光被物体反射而成的反射光的强度的图像。各图像能够切换分辨率。
识别部53对环境光图像进行解析，在环境光图像中检测被识别为检测对象的物体的部分亦即图像物标。即，识别部53从环境光图像检测与存储于存储部4的种类信息吻合的物体。作为检测图像物标的方法，例如可使用Deep Learning(深度学习)、机器学习等。
物体检测部54在点群中检测对应于由识别部53检测到的图像物标的簇。关于对应于图像物标的簇的检测，在后面详述。
切换部55切换分辨率作为切换处理。关于垂直方向上的分辨率，在受光部3中，通过减少一个像素中使用的受光元件的数量，并增加垂直方向上的像素数，从而分辨率变高。物体检测装置1构成为能够在将多个受光元件中的第一数量的受光元件设为一个像素的第一分辨率、和将多个受光元件中的与第一数量相比数量较少的第二数量的受光元件设为一个像素的第二分辨率间切换。在本实施方式中，物体检测装置1能够在将横向6个×纵向4个合计24个受光元件设为一个像素的默认的分辨率、和将横向6个×纵向2个合计12个受光元件设为一个像素的高水准的分辨率间切换。另一方面，关于水平方向上的分辨率，在照射部2中，通过缩窄扫描激光的间隔，并增加水平方向上的像素数，从而分辨率变高。在本实施方式中，在高水准的分辨率的情况下，生成横向1000像素、纵向200像素的分辨率的图像作为环境光图像。另外，在本实施方式中，点群分辨率被设定为与上述的图像的分辨率一致。具体而言，在高水准的情况下，将点群生成为在沿水平方向1000个、沿垂直方向200个分割区域中检测到的反射点的群。
这里，使用图2以及图3，以墙壁和行人接近的情况为例进行说明。即使在图2的环境光图像中，与墙壁21分离地检测到行人22作为图像物标的情况下，在图3的点群中，存在不区分墙壁23和行人24而检测为一个簇的情况。这里，将应当以物体为单位区分的多个簇结合为一个簇的状态称为簇过度结合。
另外，使用图4以及图5，以搅拌车为例进行说明。如图4所示，即使在环境光图像中检测到搅拌车25作为图像物标的情况下，在图5的点群中，存在搅拌车以车体中的前方的部分26和罐体的部分27被检测为两个簇的情况。这里，将应当以物体为单位区分的一个簇被分割为多个簇的状态称为簇过度分割。
即，在图2～图5所示的情况下，存在即使在环境光图像中能够以正确的单位检测物体，也难以在点群中以正确的单位检测物体的情况。
相反地，也存在即使在点群中能够以正确的单位检测物体，也难以在环境光图像中以正确的单位检测物体的情况。例如，在环境光图像中，存在将具有斑点图案的墙壁的一部分、涂在路面上的箭头等检测为表示行人的图像物标的情况。
因此，本实施方式的物体检测装置1执行通过利用环境光图像和点群双方来使物体的检测精度提高的物体检测处理。
[2.处理]
使用图6以及图7的流程图，对物体检测装置1的处理部5所执行的物体检测处理进行说明。每当测距区域整体的测距完成时就执行物体检测处理。此外，在物体检测处理开始时，分辨率被设定为默认的分辨率。此外，在本处理的说明中，在仅称为分辨率时，包含图像的分辨率和点群的点群分辨率双方。
首先，在S101中，处理部5生成点群。此外，S101相当于作为点群生成部51的处理。
接着，在S102中，处理部5通过对点群进行聚类而生成多个簇。生成的各簇作为初始值而不具有种类信息。此外，S102相当于作为簇生成部52的处理。
接着，在S103中，处理部5从环境光图像检测图像物标。通过检测图像物标，从而也识别该图像物标的种类。在环境光图像中存在多个检测对象的物体的情况下，处理部5从环境光图像检测多个图像物标。按每个图像物标执行后面的处理。此外，虽然在S102中生成了簇，但在S103中未检测到图像物标的情况下，处理部5在移至S112而将生成的各簇检测为物体后，结束图6的物体检测处理。此时，生成的各簇被检测为不具有种类信息的物体。此外，S103相当于作为识别部53的处理。
接着，在S104中，处理部5检测图像物标对应簇。具体而言，首先处理部5在环境光图像中将在S103中检测到的图像物标以矩形包围。此外，处理部5将点群视作具有各反射点的角度位置的信息的二维平面，在点群中将在S102中生成的多个簇分别以矩形包围。接下来，处理部5检测与图像物标的矩形重叠的簇的矩形，并将该簇检测为图像物标对应簇。这里，在存在多个与图像物标的矩形重叠的簇的矩形的情况下，检测与图像物标的矩形的重叠率最大的簇的矩形，并将该簇检测为图像物标对应簇。即，处理部5实施图像物标与簇的建立对应。此外，在不存在与图像物标的矩形重叠的簇的矩形的情况下，使图像物标无效，结束图6的物体检测处理。
接着，在S105中，处理部5判定离图像物标所示的物体的距离是否适当。具体而言，在离图像物标所示的物体的距离为距离阈值以内的情况下，处理部5判定为该距离适当。仅利用环境光图像无法实施离物体的距离是否适当的判定，但通过使用具有离反射点的距离的信息的点群从而能够进行离物体的距离是否适当的判定。即，由于图像物标与簇建立对应，因此例如能够将图像物标对应簇的中心点与物体检测装置1的距离作为图像物标与物体检测装置1的距离使用。应予说明，在以下的说明中，所谓图像物标对应簇的像素或者像素数是指检测构成点群的多个反射点的单位亦即分割区域或者分割区域的数量。
处理部5在S105中判定为离图像物标所示的物体的距离适当的情况下，移至S106，判定图像物标所示的物体的尺寸是否适当。具体而言，在图像物标所示的物体的尺寸收敛于尺寸阈值的情况下，处理部5判定为该尺寸适当。仅利用环境光图像无法实施物体的尺寸是否适当的判定，但通过使用具有反射点的三维位置的信息的点群从而能够进行物体的尺寸是否适当的判定。基于对应于图像物标的点群中的部分来推断图像物标所示的物体的尺寸。所谓对应于图像物标的点群中的部分是点群中的对应于图像物标的各像素的位置的角度位置的部分。例如，在与图像物标的像素数相比图像物标对应簇的像素数较多的情况下，图像物标对应簇中的对应于图像物标的点群中的部分的尺寸推断为图像物标所示的物体的尺寸。另外，例如，在与图像物标的像素数相比图像物标对应簇的像素数较少的情况下，将图像物标的像素数相对于图像物标对应簇的像素数的比率乘以图像物标对应簇而得的簇的尺寸推断为图像物标所示的物体的尺寸。
处理部5在S106中判定为图像物标所示的物体的尺寸适当的情况下，移至S107，判定图像物标的像素数与图像物标对应簇的像素数是否同等。具体而言，在图像物标对应簇中的像素数减去图像物标中的像素数而得的差值收敛于表示规定的像素数的范围的像素数阈值中的上限值以下以及下限值以上的情况下，处理部5判定为图像物标的像素数与图像物标对应簇的像素数同等。例如在像素数阈值是表示正负10像素的范围的情况下，上限值表示正10，下限值表示负10。
处理部5在S107中判定为图像物标的像素数与图像物标对应簇的像素数不同等的情况下，移至S108，判定簇是否过度结合。根据在对应于图像物标的点群中的部分中是否存在与对应于图像物标的点群中的部分相比较而言尺寸较大的簇亦即过度结合簇来判定簇是否过度结合。例如，在图像物标对应簇中的像素数减去图像物标中的像素数而得的差值与像素数阈值中的上限值相比较大的情况下，判定为存在过度结合簇。在存在过度结合簇的情况下，处理部5判定为簇过度结合。
处理部5在S108中判定为簇过度结合的情况下，移至S109，判定是否已经实施了切换处理。在本实施方式中，处理部5判定是否已经切换了分辨率。此外，切换分辨率的处理在后述的S110或者S115中执行。
处理部5在S109中判定为并未切换分辨率的情况下，移至S110，在实施切换处理即将分辨率切换为高水准的分辨率后，返回S101。即，处理部5在图像以及点群的分辨率更高的状态下，再次执行S101～S108中的处理。
另一方面，处理部5在S109中判定为已经切换了分辨率的情况下，移至S111。即，处理部5在图像以及点群的分辨率更高的状态下，再次执行S101～S108中的处理，在仍然判定为簇过度结合的情况下，移至S111。
处理部5在S111中将过度结合簇分割。处理部5将过度结合簇分割，使得过度结合簇中的对应于图像物标的部分亦即对象簇、和过度结合簇中的除了对应于图像物标的部分以外的部分亦即邻接簇的最短距离与对象簇中的相邻的两点间的距离中最大的距离相比较大，并且，与邻接簇中的相邻的两点间的距离中最大的距离相比较大。此外，处理部5也可以将过度结合簇中的对应于图像物标的部分直接分割而作为一个簇。
接着，在S112中，处理部5将对应于图像物标的点群中的部分的簇检测为物体。即，在S108中判定为簇过度结合，并在S111中将过度结合簇分割的情况下，处理部5将过度结合簇中的对应于图像物标的部分的簇检测为具有种类信息的物体。此外，在S112中，处理部5将从过度结合簇分割出的邻接簇检测为不具有种类信息的物体。之后，处理部5结束图6的物体检测处理。
另一方面，处理部5在S108中判定为簇未过度结合的情况下，移至S113，判定簇是否过度分割。根据在对应于图像物标的点群中的部分中是否存在两个以上的簇来判定簇是否过度分割。具体而言，在图像物标对应簇中的像素数减去图像物标中的像素数而得的差值与像素数阈值中的下限值相比较小，并且在对应于图像物标的点群中的部分除了图像物标对应簇以外还存在一个以上的簇的情况下，处理部5判定为簇过度分割。
处理部5在S113中判定为簇过度分割的情况下，移至S114，判定是否已经实施了切换处理。在本实施方式中，处理部5判定是否已经切换了分辨率。
处理部5在S114中判定为并未切换分辨率的情况下，移至S115，在实施切换处理即将分辨率切换为高水准的分辨率后，返回S101。即，处理部5在图像以及点群的分辨率更高的状态下，再次执行S101～S108、S113中的处理。应予说明，S110、S115相当于作为切换部55的处理。
另一方面，处理部5在S114中判定为已经切换了分辨率的情况下，移至S116。即，处理部5在图像以及点群的分辨率更高的状态下，再次执行S101～S108、S113中的处理，在仍然判定为簇过度分割的情况下，移至S116。
处理部5在S116中将存在于对应于图像物标的点群中的部分的两个以上的簇结合后，移至S112。即，在S116中将两个以上的簇结合的情况下，处理部5将结合后的簇检测为具有种类信息的物体。之后，处理部5结束图6的物体检测处理。
处理部5在S113中判定为簇未过度分割的情况下，移至S112，在将图像物标对应簇检测为物体后，结束图6的物体检测处理。此时，图像物标对应簇被检测为不具有种类信息的物体。此外，处理部5即使在S113中判定为簇未过度分割的情况下，也在S104中存在多个与图像物标的矩形重叠的簇的矩形的情况下，将与图像物标的矩形的重叠率次大的簇作为图像物标对应簇，重复S105及以后的处理。
另一方面，处理部5在S107中判定为图像物标的像素数与图像物标对应簇的像素数同等的情况下，移至S112，在将作为对应于图像物标的点群中的部分的簇的图像物标对应簇检测为具有种类信息的物体后，结束图6的物体检测处理。这表示，图像物标对应簇中的像素数与图像物标中的像素数几乎同等，图像物标对应簇既未过度分割也未过度结合。即，表示图像物标所示的物体和对应于图像物标的点群中的部分的簇都以正确的单位被检测。
另一方面，在S106中判定为图像物标所示的物体的尺寸不适当的情况下，处理部5使物标图像无效。另外，处理部5在移至S112而将图像物标对应簇检测为物体后，结束图6的物体检测处理。此时，图像物标对应簇被检测为不具有种类信息的物体。
另外，在S105中判定为离图像物标所示的物体的距离不适当的情况下，处理部5也使物标图像无效。另外，处理部5在移至S112而将图像物标对应簇检测为物体后，结束图6的物体检测处理。此时，图像物标对应簇被检测为不具有种类信息的物体。此外，S104～S108、S111～S113、S116相当于作为物体检测部54的处理。
[3.效果]
根据以上详述的实施方式，可得到以下的效果。
(3a)物体检测装置1基于点群和环境光图像，来检测规定的物体。根据这样的结构，与不利用环境光图像而在点群中检测规定的物体的情况相比较而言，容易在点群中识别物体的种类、单位。另外，与计算上次生成的簇和这次生成的簇的一致度来检测物体的情况相比较，能够在初次的测距时也以与第二次及以后的测距时同等的精度检测出物体。因此，根据物体检测装置1，能够更高精度地以正确的单位检测物体。
(3b)物体检测装置1在判定为通过对点群进行聚类而生成的多个簇中的两个以上的簇存在于对应于图像物标的点群中的部分的情况下，将该两个以上的簇检测为一个物体。根据这样的结构，即使在点群中簇过度分割的情况下，物体检测装置1也能够以正确的单位检测物体。
(3c)物体检测装置1在判定为通过对点群进行聚类而生成的多个簇中的与对应于图像物标的点群中的部分相比较而言尺寸较大的过度结合簇存在于对应于图像物标的点群中的部分的情况下，将该过度结合簇中的对应于图像物标的部分检测为物体。根据这样的结构，即使在点群中簇过度结合的情况下，物体检测装置1也能够以正确的单位检测物体。
(3d)物体检测装置1将过度结合簇分割，使得过度结合簇中的对应于图像物标的部分亦即对象簇、和过度结合簇中的除了对应于图像物标的部分以外的部分亦即邻接簇的最短距离与对象簇中的相邻的两点间的距离中最大的距离相比较大，并且，与邻接簇中的相邻的两点间的距离中最大的距离相比较大。根据这样的结构，与将过度结合簇中的对应于图像物标的部分直接分割而作为一个簇的情况相比较而言，物体检测装置1能够以正确的单位检测物体。
(3e)物体检测装置1在根据图像物标所示的物体的种类判定为物体的尺寸在预先设定的尺寸的范围内的情况下，将对应于图像物标的点群中的部分检测为物体。即，物体检测装置1基于针对每个物体的种类假定的尺寸，来验证物体的或然率。此时，物体检测装置1使用环境光图像识别物体的种类，使用点群计算物体的尺寸。通过不仅组合环境光图像还组合点群，物体检测装置1能够减少物体的种类的误识别。
(3f)物体检测装置1在根据图像物标所示的物体的种类判定为离物体的距离在预先设定的距离的范围内的情况下，将对应于图像物标的点群中的部分检测为物体。即，物体检测装置1基于针对每个物体的种类假定的存在位置，来验证物体的或然率。此时，物体检测装置1使用环境光图像识别物体的种类，使用点群计算离物体的距离。通过不仅组合环境光图像还组合点群，物体检测装置1能够减少物体的种类的误识别。
(3g)在物体检测装置1中，受光部3具有多个受光元件。物体检测装置1能够在将多个受光元件中的第一数量的受光元件作为一个像素的第一分辨率、和将多个受光元件中的与第一数量相比数量较少的第二数量的受光元件作为一个像素的第二分辨率间切换分辨率。根据这样的结构，与不能够在第一分辨率和第二分辨率间切换分辨率的情况相比较而言，物体检测装置1能够更高精度地检测物体。
此外，在本实施方式中，点群生成部51、簇生成部52、识别部53、物体检测部54以及图像生成部61相当于作为检测部的处理。
[4.第二实施方式]
[4－1.与第一实施方式的不同点]
第二实施方式由于基本的结构以及处理与第一实施方式相同，因此针对共用的结构以及处理省略说明，而以不同点为中心进行说明。
在第一实施方式中，物体检测装置1在物体检测处理的S103中，仅从环境光图像检测图像物标。另一方面，在第二实施方式中，物体检测装置1从环境光图像、距离图像以及反射强度图像的每一个检测图像物标。另外，在第二实施方式中，物体检测装置1根据外部的亮度来切换点群、环境光图像、距离图像以及反射强度图像的分辨率。
[4－2.处理]
使用图8的流程图，对第二实施方式的物体检测装置1的处理部5所执行的物体检测处理进行说明。
在S201中，处理部5判定外部的亮度与规定的阈值相比是否较亮。例如，在环境光的强度为规定的阈值以上的情况下，处理部5判定为外部较亮。
在S202中，处理部5生成与外部的亮度对应的点群分辨率的点群。具体而言，处理部5在S201中判定为外部的亮度与规定的阈值相比较亮的情况下，与在S201中判定为外部的亮度相比规定的阈值并不较亮的情况相比，生成点群分辨率相对较低的点群。另一方面，处理部5在S201中判定为外部的亮度相比规定的阈值并不较亮的情况下，生成点群分辨率相对较高的点群。点群分辨率与在S203中生成的距离图像以及反射强度图像的分辨率一致。
接着，在S102中，处理部5通过对点群进行聚类而生成多个簇。
接着，在S203中，处理部5生成与外部的亮度对应的分辨率的图像。具体而言，处理部5在S201中判定为外部的亮度与规定的阈值相比较亮的情况下，与在S201中判定为外部的亮度相比规定的阈值并不较亮的情况相比，生成分辨率相对较高的环境光图像，并生成分辨率相对较低的距离图像以及反射强度图像。另一方面，处理部5在S201中判定为外部的亮度相比规定的阈值并不较亮的情况下，生成分辨率相对较低的环境光图像，并生成分辨率相对较高的距离图像以及反射强度图像。
另外，在S203中，处理部5从环境光图像、距离图像以及反射强度图像的每一个检测图像物标，并将图像物标统合。所谓统合是基于使用三个种类的图像检测到的图像物标，生成在S203后进行的处理中使用的一个图像物标。例如，处理部5在从三个种类的图像中的任意图像检测到图像物标的情况下，采用为图像物标。此外，统合图像物标的方法不限定于此。例如，针对从三个种类的图像中的仅任一个图像检测到的图像物标，也可以不采用为图像物标。即，在这种情况下，视为未检测到图像物标而处理继续进行。另外，例如，针对从三个种类的图像中的仅任意两个图像检测到的图像物标，也可以不采用为图像物标。另外，在三个种类的图像中检测到不同的图像物标时，也可以基于预先针对每个图像确定的优先度来决定图像物标，或作为将在两个图像中检测到的图像物标统合后的图像物标。在该S203后，处理进入S104。S104～S106的处理与图6中示出的S104～S106的处理相同。
处理部5在S106中判定为图像物标所示的物体的尺寸适当的情况下，移至S204，判定图像物标的像素数与图像物标对应簇的像素数是否对应。
在上述的第一实施方式的S107中，处理部5为了比较图像物标与图像物标对应簇的尺寸，而将图像物标对应簇与图像物标的像素数相比较。然而在第二实施方式中，由于存在点群分辨率与图像的分辨率不同的情况，因此不能够进行简单的比较。因此，基于在S202中生成的点群的点群分辨率、和在S203中生成的图像的分辨率，求出点群分辨率与图像的分辨率的比率。例如，若假设图像的分辨率为横向500像素、纵向200像素，点群分辨率为横向1000像素、纵向200像素，则图像的一个像素的面积是点群的一个像素的面积的2倍。在该情况下，若图像物标对应簇的像素数相对于图像物标的像素数为2倍，则可以说是测距区域中的相同范围的大小。这样求出上述的比率，在考虑到该比率的基础上，求出图像物标的尺寸与图像物标对应簇的尺寸是否同等。此外，上述的方法是一个例子，在图像物标对应簇与图像物标的像素数不同的情况下，可以使用能够比较它们的尺寸的各种方法。
处理部5在S204中判定为图像物标的像素数与图像物标对应簇的像素数不对应的情况下，移至S108。另一方面，在判定为图像物标的像素数与图像物标对应簇的像素数对应的情况下，移至S112。S108及以后的处理与图7中示出的S108～S116的处理相同，因此省略说明。
[4－3.效果]
根据以上详述的第二实施方式，可得到以下的效果。
(4a)物体检测装置1在判定为外部的亮度较亮的情况下，与判定为外部的亮度并不较亮的情况相比较而言，基于分辨率相对较高的环境光图像、分辨率相对较低的距离图像以及反射强度图像来检测物体。根据这样的结构，在环境光图像中，由于从高分辨率的环境光图像检测图像物标，因此图像识别精度较高。另外，在距离图像以及反射强度图像中，由于SN提高，因此检测距离趋于延伸。因此，能够检测更远处的物体。此外，所谓SN，是信号与噪声的比。
(4b)物体检测装置1在判定为外部的亮度并不较亮的情况下，与判定为外部的亮度较亮的情况相比较而言，基于分辨率相对较低的环境光图像、分辨率相对较高的距离图像以及反射强度图像来检测物体。根据这样的结构，由于本来外部并不较亮的情况的环境光图像的可靠性就较低，因此即使降低环境光图像的分辨率也难以对可靠性造成影响。因此，能够抑制处理负荷并生成环境光图像。另外，在距离图像以及反射强度图像中，由于在环境光的强度较低的情况下噪声较少，因此检测距离趋于变长。因此，即使提高分辨率，也能够抑制检测距离下降。
(4c)在物体检测装置1中，点群分辨率与距离图像以及反射强度图像的分辨率一致。根据这样的结构，由于点群中的各反射点的角度位置与距离图像以及反射强度图像中的各像素的位置一一对应，因此容易取得对距离图像以及反射强度图像进行图像解析而识别的物体、与在点群中识别的物体的对应。
(4d)在物体检测装置1中，处理部5在S202中生成与外部的亮度对应的点群分辨率的点群，在S203中生成与外部的亮度对应的分辨率的图像。此外，处理部5在S108中判定为簇过度结合的情况下，在S110中切换为高水准的点群分辨率以及分辨率。处理部5在S113中判定为簇过度分割的情况下，也在S115中切换为高水准的点群分辨率以及分辨率。根据这样的结构，与第一实施方式相同地，能够更高精度地检测物体。
此外，在本实施方式中，S201相当于作为判定部的处理。
[4－4.第二实施方式的变形例]
(i)在上述实施方式中，基于环境光图像、距离图像以及反射强度图像的三个种类的图像来检测物体。然而，使用的图像的种类的数量不限定于此。例如，也可以使用环境光图像、距离图像以及反射强度图像中的至少一个种类。另外，也可以使用环境光图像、和距离图像以及反射强度图像中的至少一方。
(ii)在上述实施方式中，在判定为外部的亮度较亮的情况下，与判定为外部的亮度并不较亮的情况相比较而言，环境光图像的分辨率相对较高，点群的点群分辨率相对较低。另外，在判定为外部的亮度并不较亮的情况下，与判定为外部的亮度较亮的情况相比较而言，环境光图像的分辨率相对较低，点群的点群分辨率相对较高。即，在点群的点群分辨率相对较低时，环境光图像的分辨率设定得相对较高，在点群的点群分辨率相对较高时，环境光图像的分辨率设定得相对较低。然而，点群分辨率与分辨率的设定的方法不限定于此。例如，也可以使点群的点群分辨率保持恒定，而将环境光图像的分辨率切换得较高或者较低，也可以使环境光图像的分辨率保持恒定，而将点群的点群分辨率切换得较高或者较低。另外，例如，也可以在点群的点群分辨率较低时，将环境光图像的分辨率也切换为变低，也可以在点群的点群分辨率较高时，将环境光图像的分辨率也切换为变高。
另外，关于距离图像以及反射强度图像也相同地，例如，也可以使点群的点群分辨率保持恒定，而将距离图像以及反射强度图像的分辨率切换得较高或者较低，也可以使距离图像以及反射强度图像的分辨率保持恒定，而将点群的点群分辨率切换得较高或者较低。另外，例如，也可以在点群的点群分辨率较低时，将距离图像以及反射强度图像的分辨率也切换为变低，也可以在点群的点群分辨率较高时，将距离图像以及反射强度图像的分辨率也切换为变高。
根据这样的结构，能够将点群的点群分辨率和图像的分辨率分别独立地设定为适当的值。
(iii)在上述实施方式中，环境光图像、与距离图像以及反射强度图像的分辨率不同。即，基于具有第三分辨率的环境光图像、具有与第三分辨率不同的第四分辨率的距离图像以及反射强度图像来检测物体。然而，也可以环境光图像、与距离图像以及反射强度图像的分辨率一致。根据这样的结构，容易取得从各个图像检测到的图像物标的对应。
(iv)在上述实施方式中，点群分辨率与距离图像以及反射强度图像的分辨率一致。然而，点群的分辨率也可以与距离图像以及反射强度图像的分辨率不一致，也可以仅与距离图像以及反射强度图像中的一方的分辨率一致。
(v)在上述实施方式中，生成与外部的亮度对应的分辨率的点群以及图像。然而，点群以及图像也可以根据外部的亮度以外的条件来设定分辨率。例如，也可以根据时刻、前灯有无点亮、行驶的道路的属性等来设定分辨率的结构。
(vi)在上述实施方式中，基于环境光的强度，判定外部的亮度。然而，外部的亮度的判定的方法不限定于此。例如，也可以使用照度传感器。
(vii)在上述实施方式中，处理部5通过S107至S111、以及S113～S116的处理，在簇过度结合的情况下进行分割，在簇过度分割的情况下进行结合。然而，处理部5也可以不进行上述的簇的分割、结合。例如，如图9所示，处理部5在S104中检测到图像物标对应簇后，在S205中，判定离图像物标所示的物体的距离是否适当。具体而言，处理部5与图6的S105相同地进行判定。
接着，在S206中，处理部5判定图像物标所示的物体的尺寸是否适当。具体而言，处理部5与图6的S106相同地进行判定。
接着，在S207中，处理部5检测物体。此时，在S205中判定为离图像物标所示的物体的距离适当，并且在S206中判定为图像物标所示的物体的尺寸适当的情况下，图像物标对应簇被检测为具有种类信息的物体。之后，处理部5结束图9的物体检测处理。
另一方面，在S207中，在S205中判定为离图像物标所示的物体的距离不适当、或者在S206中判定为图像物标所示的物体的尺寸不适当的情况下，图像物标对应簇被检测为不具有种类信息的物体。之后，处理部5结束图9的物体检测处理。
另外，回到图7，例如，处理部5也可以在S108中判定了簇是否过度结合后，跳过S109、S110的处理。另外，处理部5也可以在S113中判定了簇是否过度分割后，跳过S114、S115的处理。即，处理部5也可以不实施切换处理，而将簇分割或者结合，并检测为具有种类信息的物体。
[5.其他实施方式]
以上，对本公开的实施方式进行了说明，但不言而喻地，本公开不限定于上述实施方式，可以采用各种方式。
(5a)在上述实施方式中，例示了具备SPAD作为受光元件的结构。然而，若能够检测入射光的光量随时间的变化，则也可以使用任意受光元件。
(5b)在上述第一实施方式中，例示了使用环境光图像的结构。然而，使用的图像的种类不限定于此。例如，也可以除了环境光图像以外或者代替环境光图像，使用距离图像以及反射强度图像的至少一方。此外，距离图像与反射强度图像均根据分割区域的数量生成，因此点群中的各反射点的角度位置与距离图像以及反射强度图像中的各像素的位置一一对应。由此，能够以较高的精度确定对距离图像以及反射强度图像进行图像解析来识别的物体、与在点群中识别的物体的对应关系。
这里，在使用环境光图像的情况下，有在晴朗的白天等检测性能较高，但在夜间、隧道内等检测性能下降。另一方面，在使用距离图像以及反射强度图像的情况下，具有与其相反的特性。因此，物体检测装置1通过并用这些图像，能够更高精度地以正确的单位检测物体。
(5c)在上述实施方式中，在存在过度分割或者过度结合的嫌疑的情况下，在切换分辨率后，在测距区域整体再次执行测距。然而，再次执行测距的范围不限定于此。物体检测装置1也可以仅在测距区域中的一部分的范围，例如仅在被怀疑过度结合、过度分割的范围再次执行测距。由此，抑制在不需要分辨率的切换的范围过度地检测物体，能够容易地防止检测定时延迟。
(5d)在上述实施方式中，例示了通过切换每一个像素的受光元件的数量来在第一分辨率与第二分辨率间切换分辨率的结构。然而，物体检测装置1也可以通过切换测距区域的范围来切换分辨率。具体而言，切换由照射部2照射的激光的水平方向上的角度范围。例如物体检测装置1不改变分割区域的数量，而将角度范围从－60°～+60°切换至－20°～+20°。当不改变分割区域的数量而缩窄角度范围时，该角度范围中的分割区域的数量相对变多，分辨率相对变高。因此，能够生成更详细的点群。另外，在环境光图像中，由于也不改变像素数而表现三分之一的范围，因此分辨率相对也变高。
另外，物体检测装置1作为切换处理，除了切换分辨率以外或者代替切换分辨率，通过将对各分割区域照射激光的次数从第一照射次数切换至与第一照射次数相比较多的第二照射次数，从而使SN提高。所谓照射激光的次数，是在进行一轮测距区域中的测距的期间物体检测装置1对各个分割区域照射激光的各次数。此外，在上述实施方式中，设定一次作为第一照射次数，对各分割区域一次一次地照射激光。根据这样的结构，例如如图5那样，即使在搅拌车以车体中的前方的部分26和罐体的部分27被检测为两个簇的情况下，物体检测装置1通过提高SN，从而也容易检测将前方的部分26与罐体的部分27连结的车体中的部分。由此，物体检测装置1能够将搅拌车检测为一个簇而不是两个簇。
此外，在上述实施方式中，测距区域整体被设定为照射激光的对象的范围，但考虑到当对各分割区域增加照射激光的次数时，检测周期变长，而检测物体的定时延迟。因此，物体检测装置1也可以仅在测距区域中的一部分的范围，例如仅在怀疑过度结合、过度分割的范围从第一照射次数切换至第二照射次数。由此，物体检测装置1能够抑制检测物体的定时延迟，并且更高精度地以正确的单位检测物体。
(5e)在上述实施方式中，例示了仅设定上限值作为尺寸阈值的结构。然而，也可以除了上限值以外或者代替上限值设定下限值作为尺寸阈值。
(5f)在上述实施方式中，物体检测装置1在图像物标对应簇的像素数与图像物标的像素数相比较而言，多规定的像素数以上的情况下，判定为存在过度结合簇。然而，例如，物体检测装置1也可以通过比较构成存在于对应于图像物标的点群中的部分的簇的全部的反射点的点数亦即整体点数、和对应于图像物标的部分的反射点的点数亦即部分点数，来判定为是否存在过度结合簇。另外，例如，物体检测装置1也可以在整体点数除以部分点数而得的值为比1大的规定值以上的情况下，判定为存在过度结合簇。
(5g)也可以使上述实施方式中的一个构成要素所具有的功能分散为多个构成要素、或将多个构成要素所具有的功能统合为一个构成要素。另外，也可以省略上述实施方式的结构的一部分。另外，也可以将上述实施方式的结构的至少一部分针对其他上述实施方式的结构进行附加、置换等。

Claims (16)

1.一种物体检测装置，其中，具备：
照射部(2)，构成为向规定的测距区域照射光；
受光部(3)，构成为接收环境光、和由上述照射部照射出的光被反射而成的光亦即反射光；以及
检测部(51～54、61)，构成为基于点群、和至少一个图像来检测规定的物体，其中，上述点群为基于上述反射光的信息，
上述点群是在测距区域整体检测到的反射点的群，
上述至少一个图像包含基于上述环境光的图像亦即环境光图像、基于离基于上述反射光检测到的上述物体的距离的图像亦即距离图像以及/或者基于上述反射光的反射强度的图像亦即反射强度图像。
2.根据权利要求1所述的物体检测装置，其中，
上述检测部在上述至少一个图像中检测被识别为上述物体的部分亦即图像物标，在判定为通过对上述点群进行聚类而生成的多个簇中的两个以上的簇存在于对应于上述图像物标的上述点群中的部分的情况下，将上述两个以上的簇检测为一个上述物体。
3.根据权利要求1或2所述的物体检测装置，其中，
上述检测部在上述至少一个图像中检测被识别为上述物体的部分亦即图像物标，在判定为通过对上述点群进行聚类而生成的多个簇中的与对应于上述图像物标的上述点群中的部分相比较而言尺寸较大的过度结合簇存在于对应于上述图像物标的上述点群中的部分的情况下，将上述过度结合簇中的对应于上述图像物标的部分分离并检测为上述物体。
4.根据权利要求3所述的物体检测装置，其中，
分割上述过度结合簇，使得上述过度结合簇中的对应于上述图像物标的部分亦即对象簇、和上述过度结合簇中的除了对应于上述图像物标的部分以外的部分亦即邻接簇的最短距离与上述对象簇中的相邻的两点间的距离中最大的距离相比较大，并且与邻接簇中的相邻的两点间的距离中最大的距离相比较大。
5.根据权利要求1～4中任一项所述的物体检测装置，其中，
上述检测部在上述至少一个图像中检测被识别为上述物体的部分亦即图像物标，在根据上述图像物标所示的上述物体的种类判定为上述物体的尺寸在预先设定的尺寸的范围内的情况下，将对应于上述图像物标的上述点群中的部分检测为上述物体。
6.根据权利要求1～5中任一项所述的物体检测装置，其中，
上述检测部在上述至少一个图像中检测被识别为上述物体的部分亦即图像物标，在根据上述图像物标所示的上述物体的种类判定为离上述物体的距离在预先设定的距离的范围内的情况下，将对应于上述图像物标的上述点群中的部分检测为上述物体。
7.根据权利要求1～6中任一项所述的物体检测装置，其中，
上述检测部能够基于第一分辨率的上述至少一个图像、和表示检测构成上述点群的多个上述反射点的单位的数量的第一点群分辨率的上述点群来检测上述物体，并且能够基于与上述第一分辨率相比较高的第二分辨率的上述至少一个图像、和与上述第一点群分辨率相比较高的第二点群分辨率的上述点群来检测上述物体。
8.根据权利要求7所述的物体检测装置，其中，
上述受光部具有多个受光元件，
上述检测部能够在将上述多个受光元件中的第一数量的受光元件作为一个像素的上述第一分辨率、和将上述多个受光元件中的与上述第一数量相比数量较少的第二数量的受光元件作为一个像素的上述第二分辨率间切换。
9.根据权利要求7或8所述的物体检测装置，其中，
上述检测部在上述至少一个图像中检测被识别为上述物体的部分亦即图像物标，通过对上述点群进行聚类而生成多个簇，
上述检测部在判定为上述多个簇中的两个以上的簇存在于对应于上述图像物标的上述点群中的部分的情况、或者判定为上述多个簇中的与对应于上述图像物标的上述点群中的部分相比较而言尺寸较大的结合簇存在于对应于上述图像物标的上述点群中的部分的情况下，将上述至少一个图像的分辨率从上述第一分辨率切换至上述第二分辨率，检测上述图像物标，并将上述点群的点群分辨率从上述第一点群分辨率切换至上述第二点群分辨率，对上述点群进行聚类。
10.根据权利要求1～9中任一项所述的物体检测装置，其中，
上述照射部能够在第一照射次数、和与上述第一照射次数相比较多的第二照射次数间切换向上述测距区域中的至少一部分的范围照射光的次数。
11.根据权利要求10所述的物体检测装置，其中，
上述检测部在上述至少一个图像中检测被识别为上述物体的部分亦即图像物标，通过对上述点群进行聚类而生成多个簇，
上述照射部在判定为上述多个簇中的两个以上的簇存在于对应于上述图像物标的上述点群中的部分的情况、或者判定为上述多个簇中的与对应于上述图像物标的上述点群中的部分相比较而言尺寸较大的过度结合簇存在于对应于上述图像物标的上述点群中的部分的情况下，从上述第一照射次数切换至上述第二照射次数，
上述检测部在照射光的次数从上述第一照射次数切换至上述第二照射次数的情况下，在上述第二照射次数中检测上述图像物标，对上述点群进行聚类。
12.根据权利要求1～11中任一项所述的物体检测装置，其中，
上述检测部能够基于上述点群、和与表示检测构成上述点群的多个上述反射点的单位的数量的点群分辨率不同的分辨率的上述至少一个图像，来检测上述物体。
13.根据权利要求12所述的物体检测装置，其中，
上述检测部能够基于上述点群、和与上述点群的上述点群分辨率不同的分辨率的上述环境光图像，来检测上述物体。
14.根据权利要求1～13中任一项所述的物体检测装置，其中，
上述检测部能够基于具有第三分辨率的上述环境光图像、和具有与上述第三分辨率不同的第四分辨率的上述距离图像以及上述反射强度图像中的至少一个，来检测上述物体。
15.根据权利要求14所述的物体检测装置，其中，
表示检测构成上述点群的多个上述反射点的单位的数量的点群分辨率与上述距离图像以及上述反射强度图像中的至少一个分辨率一致。
16.根据权利要求14或15所述的物体检测装置，其中，还具备：
亮度判定部(S201)，判定外部的亮度，
上述检测部在由上述亮度判定部判定为外部的亮度与规定的阈值相比较亮的情况下，与判定为外部的亮度与上述规定的阈值相比并不较亮的情况相比较而言，基于分辨率相对较高的上述环境光图像、和分辨率相对较低的上述距离图像以及上述反射强度图像中的至少一个，来检测上述物体。
CN202180015257.2A 2020-02-18 2021-02-16 物体检测装置 Pending CN115176175A (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
JP2020-025300 2020-02-18
JP2020025300 2020-02-18
JP2021-018327 2021-02-08
JP2021018327A JP7501398B2 (ja) 2020-02-18 2021-02-08 物体検出装置
PCT/JP2021/005722 WO2021166912A1 (ja) 2020-02-18 2021-02-16 物体検出装置

Publications (1)

Publication Number Publication Date
CN115176175A true CN115176175A (zh) 2022-10-11

Family

ID=77392255

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202180015257.2A Pending CN115176175A (zh) 2020-02-18 2021-02-16 物体检测装置

Country Status (3)

Country Link
US (1) US20220392194A1 (zh)
CN (1) CN115176175A (zh)
WO (1) WO2021166912A1 (zh)

Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4232167B1 (ja) * 2007-08-27 2009-03-04 三菱電機株式会社 対象特定装置、対象特定方法および対象特定プログラム
JP2011247872A (ja) * 2010-04-27 2011-12-08 Denso Corp 距離測定装置、距離測定方法、および距離測定プログラム
CN102859321A (zh) * 2011-04-25 2013-01-02 三洋电机株式会社 物体检测装置以及信息取得装置
US20130051658A1 (en) * 2011-08-22 2013-02-28 Samsung Electronics Co., Ltd. Method of separating object in three dimension point cloud
JP2013054522A (ja) * 2011-09-02 2013-03-21 Pasuko:Kk 道路付属物検出装置、道路付属物検出方法、及びプログラム
JP2013092459A (ja) * 2011-10-26 2013-05-16 Denso Corp 距離測定装置、および距離測定プログラム
CN103430210A (zh) * 2011-03-31 2013-12-04 索尼电脑娱乐公司 信息处理***、信息处理装置、拍摄装置、以及信息处理方法
US20150226553A1 (en) * 2013-06-27 2015-08-13 Panasonic Intellectual Property Corporation Of America Motion sensor device having plurality of light sources
CN105934774A (zh) * 2014-03-24 2016-09-07 株式会社日立制作所 物体检测装置、物体检测方法以及移动机器人
CN107533749A (zh) * 2015-06-30 2018-01-02 日立汽车***株式会社 物体检测装置
CN109507685A (zh) * 2018-10-15 2019-03-22 天津大学 phong式光照模型的TOF传感器模型的测距方法
CN110073652A (zh) * 2016-12-12 2019-07-30 索尼半导体解决方案公司 成像装置以及控制成像装置的方法
WO2019187216A1 (ja) * 2018-03-30 2019-10-03 Ｎｅｃソリューションイノベータ株式会社 物体識別装置、物体識別方法、及び制御プログラムを格納する非一時的なコンピュータ可読媒体
CN110476037A (zh) * 2017-04-03 2019-11-19 富士通株式会社 距离信息处理装置、距离信息处理方法以及距离信息处理程序

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6799169B2 (ja) * 2017-03-17 2020-12-09 本田技研工業株式会社 マルチモーダル融合による３ｄオブジェクト検出と配向推定の結合
CN109100741B (zh) * 2018-06-11 2020-11-20 长安大学 一种基于3d激光雷达及图像数据的目标检测方法
CN109345510A (zh) * 2018-09-07 2019-02-15 百度在线网络技术（北京）有限公司 物体检测方法、装置、设备、存储介质及车辆
JP7205613B2 (ja) * 2019-03-07 2023-01-17 日本電気株式会社 画像処理装置、画像処理方法及びプログラム
JP7235308B2 (ja) * 2019-09-10 2023-03-08 株式会社豊田中央研究所 物体識別装置、及び物体識別プログラム

Patent Citations (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4232167B1 (ja) * 2007-08-27 2009-03-04 三菱電機株式会社 対象特定装置、対象特定方法および対象特定プログラム
JP2011247872A (ja) * 2010-04-27 2011-12-08 Denso Corp 距離測定装置、距離測定方法、および距離測定プログラム
CN103430210A (zh) * 2011-03-31 2013-12-04 索尼电脑娱乐公司 信息处理***、信息处理装置、拍摄装置、以及信息处理方法
CN102859321A (zh) * 2011-04-25 2013-01-02 三洋电机株式会社 物体检测装置以及信息取得装置
US20130051658A1 (en) * 2011-08-22 2013-02-28 Samsung Electronics Co., Ltd. Method of separating object in three dimension point cloud
JP2013054522A (ja) * 2011-09-02 2013-03-21 Pasuko:Kk 道路付属物検出装置、道路付属物検出方法、及びプログラム
JP2013092459A (ja) * 2011-10-26 2013-05-16 Denso Corp 距離測定装置、および距離測定プログラム
US20150226553A1 (en) * 2013-06-27 2015-08-13 Panasonic Intellectual Property Corporation Of America Motion sensor device having plurality of light sources
CN105934774A (zh) * 2014-03-24 2016-09-07 株式会社日立制作所 物体检测装置、物体检测方法以及移动机器人
CN107533749A (zh) * 2015-06-30 2018-01-02 日立汽车***株式会社 物体检测装置
CN110073652A (zh) * 2016-12-12 2019-07-30 索尼半导体解决方案公司 成像装置以及控制成像装置的方法
CN110476037A (zh) * 2017-04-03 2019-11-19 富士通株式会社 距离信息处理装置、距离信息处理方法以及距离信息处理程序
WO2019187216A1 (ja) * 2018-03-30 2019-10-03 Ｎｅｃソリューションイノベータ株式会社 物体識別装置、物体識別方法、及び制御プログラムを格納する非一時的なコンピュータ可読媒体
CN109507685A (zh) * 2018-10-15 2019-03-22 天津大学 phong式光照模型的TOF传感器模型的测距方法

Also Published As

Publication number Publication date
US20220392194A1 (en) 2022-12-08
WO2021166912A1 (ja) 2021-08-26

Similar Documents

Publication Publication Date Title
US10832064B2 (en) Vacant parking space detection apparatus and vacant parking space detection method
US8908924B2 (en) Exterior environment recognition device and exterior environment recognition method
US8976999B2 (en) Vehicle detection apparatus
US9506859B2 (en) Method and device for determining a visual range in daytime fog
US11961306B2 (en) Object detection device
US11908119B2 (en) Abnormality detection device for vehicle
US20220011440A1 (en) Ranging device
CN115176175A (zh) 物体检测装置
US20230168369A1 (en) Driver Assistance System and Device and Method for Determining Object Status Parameter for Driver Assistance System
JP7501398B2 (ja) 物体検出装置
JP2022125966A (ja) 測距補正装置、測距補正方法、測距補正プログラム、および測距装置
JP2019007744A (ja) 物体検知装置、プログラムおよび物体検知システム
CN116413683A (zh) 激光雷达及其扫描方法、可读存储介质
US20240221399A1 (en) Vehicle detection device, vehicle detection method, and non transitory computer-readable medium
US11869248B2 (en) Object recognition device
WO2023047886A1 (ja) 車両検出装置、車両検出方法、及び車両検出プログラム
US20220299614A1 (en) Object detection apparatus and control method of object detection apparatus
WO2022176679A1 (ja) 測距補正装置、測距補正方法、測距補正プログラム、および測距装置
EP4303615A1 (en) Lidar system and method to operate
WO2024090116A1 (ja) データ処理装置、光学センサ、データ処理方法、データ処理プログラム
US20230266450A1 (en) System and Method for Solid-State LiDAR with Adaptive Blooming Correction
CN107272022A (zh) 一种车用固态激光雷达
JP2023143756A (ja) ノイズ除去装置、物体検出装置およびノイズ除去方法
WO2023104691A1 (en) Distance measurement based on an indirect time-of-flight technique
CN114428256A (zh) 物体检测装置

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination