JP2019219253A - 車両用物標検出方法および装置 - Google Patents

Abstract

【課題】歩行者を道路構造物と区別して検出する。【解決手段】本発明の物標検出方法は、レーダの反射信号を受信する受信ステップと、受信ステップで受信された信号を極形式データに変換し、当該極形式データにおける位相の情報を所定期間に亘り抽出した位相の時系列データを生成するデータ生成ステップと、データ生成ステップで生成された位相の時系列データを調べ、物標が歩行者であった場合に得られる歩行者モデルデータと前記位相の時系列データとの一致度が高い場合に、歩行者が存在すると判定する判定ステップとを含む。【選択図】図４

Description

本発明は、自車両から発信されるレーダを用いて自車両周辺の物標を検出する技術に関する。

近年、車両の安全性向上の観点から、自車両の周囲の障害物をレーダにより認識し、必要に応じて自動ブレーキ等の回避措置をとる運転支援機能を搭載した車両が増えてきている。このような運転支援機能付きの車両において、自車両の周囲に歩行者とそれ以外の障害物（例えば他車両やガードレールなど）との双方が存在する場合には、両者を区別して認識すること（特に歩行者を他の障害物と区別して認識すること）が望ましく、そのための技術が種々提案されている。

例えば、下記特許文献１には、自車両からレーダを照射してその反射信号を受信する信号取得手段と、受信された反射信号をＦＦＴ処理することにより、歩行者からの反射信号に由来する周波数成分と先行車両からの反射信号に由来する周波数成分とを含んだ離散的な第１のスペクトル信号を得るスペクトル信号取得手段と、自車両と先行車両との相対距離および相対速度の計測結果を用いた所定の演算により、先行車両の周波数成分を示す離散的な第２のスペクトル信号を得るスペクトル信号算出手段と、第１のスペクトル信号から第２のスペクトル信号を減算するスペクトル信号減算手段と、減算後のスペクトル信号に基づいて歩行者を検出する（自車両と歩行者との相対距離および相対速度を算出する）距離速度算出手段とを備えたレーダ装置が開示されている。

特開２０１６−１０２６７５号公報

上記特許文献１では、反射信号をＦＦＴ処理することで得られるスペクトルデータ（第１のスペクトル信号）から、理論的に（演算により）求められる他車両のスペクトルデータ（第２のスペクトル信号）が減算されるので、自車両の周囲に他車両と歩行者とが混在する状況であっても、上記減算後のデータに基づいて精度よく歩行者を検出できるとされている。

ここで、自車両が走行する道路上には、他車両以外にも、ガードレールや電柱、標識などの構造物が存在する（以下、これらを総称して道路構造物という）。このような道路構造物は、車両に比べてサイズが小さく、また平面部分も少ない。したがって、当該道路構造物からの反射信号は、他車両からの反射信号に比べて信号強度がかなり小さくなる傾向にある。このような性質の道路構造物からの反射信号は、強度が相対的に小さいという意味において、歩行者からの反射信号と類似している。このため、仮に上記のように他車両のスペクトルデータを減算する処理を行ったところで、残った周波数成分が歩行者に由来するのか道路構造物に由来するのかは、これを判断することが困難である。このように、上記特許文献１の方法では、歩行者の検出精度が期待通りには向上しないと考えられる。

本発明は、上記のような事情に鑑みてなされたものであり、歩行者を道路構造物と区別して検出することが可能な車両用物標検出方法および装置を提供することを目的とする。

前記課題を解決するためのものとして、本発明は、自車両から発信されるレーダを用いて自車両周辺の物標を検出する方法であって、前記レーダの反射信号を受信する受信ステップと、前記受信ステップで受信された信号を極形式データに変換し、当該極形式データにおける位相の情報を所定期間に亘り抽出した位相の時系列データを生成するデータ生成ステップと、前記データ生成ステップで生成された位相の時系列データを調べ、前記物標が歩行者であった場合に得られる歩行者モデルデータと前記位相の時系列データとの一致度が高い場合に、歩行者が存在すると判定する判定ステップとを含む、ことを特徴とするものである（請求項１）。

ガードレールや電柱、標識などの道路構造物からの反射信号は、信号強度が比較的小さい（例えば他車両からの反射信号に比べて大幅に小さい）という意味において、歩行者からの反射信号と類似している。このため、受信されたレーダの反射信号をそのまま解析したのでは、歩行者と道路構造物とを区別することは困難である。これに対し、本発明では、受信信号が極形式データに変換されるとともに、変換後の極形式データから位相の時系列データが生成されるので、この位相の時系列データを調べることにより、歩行者を道路構造物と明瞭に区別して検出することができる。

ここで、物標が歩行者であった場合に得られるレーダの反射信号を極形式データに変換すると、物標が道路構造物であった場合の極形式データとは明確に異なる特徴を有することが分かっている。このことを利用して、本発明では、得られた極形式データと歩行者モデルデータ（物標が歩行者であった場合に典型的に得られる極形式データ）との一致度が調べられ、当該一致度が高い場合に歩行者が存在すると判定される。これにより、反射信号がいずれも弱くなりがちな歩行者および道路構造物を明瞭に区別することができ、歩行者の検出精度を効果的に向上させることができる。

前記位相の時系列データに関するより詳しい知見として、物標が歩行者であった場合に得られる位相の時系列データにおける分散は、物標が道路構造物であった場合のそれよりも大きくなることが分かっている。また、当該位相の時系列データにおける最大値と最小値との差分も、物標が道路構造物であった場合のそれよりも大きくなることが分かっている。これは、歩行者である人間の特性、つまり、表面形状が生物特有の複雑な凹凸形状であることや、皮膚、筋肉、内蔵、骨などの多様な物質によって身体が構成されていることに由来するものと考えられる。

そこで、前記判定ステップでは、前記位相の時系列データの分散を算出するとともに、算出した分散の値が所定の第１閾値より大きいことを含む特定の条件が成立した場合に、前記位相の時系列データと前記歩行者モデルデータとの一致度が高いと判定することが好ましい（請求項２）。

あるいは、前記判定ステップでは、前記位相の時系列データにおける最大値と最小値との差分を算出するとともに、算出した差分の値が所定の第２閾値より大きいことを含む特定の条件が成立した場合に、前記位相の時系列データと前記歩行者モデルデータとの一致度が高いと判定することが好ましい（請求項３）。

これらの構成によれば、物標が歩行者であった場合に得られる位相の時系列データにおける特徴的な指標（分散、または最大値と最小値との差分）に基づいて、歩行者を精度よく検出することができる。

本発明の物標検出方法は、好ましくは、前記第１のステップで受信された信号にフーリエ変換を含む所定の処理を施すことにより、自車両からの距離と信号強度との関係を表す距離スペクトルを生成するとともに、当該距離スペクトルの中に予め定められた所定強度範囲に収まるピークをもったピーク波形が存在するか否かを判定する第１準備ステップと、前記第１準備ステップにおいて前記所定強度範囲に収まるピークをもったピーク波形が確認された場合に、当該ピーク波形のピーク位置を含む所定距離範囲における距離スペクトルのデータを、逆フーリエ変換を含む所定の処理によって時系列の極形式データに変換する第２準備ステップとをさらに含み、前記データ生成ステップでは、前記第２準備ステップにより前記所定距離範囲について生成された極形式データに基づいて、前記位相の時系列データを生成する（請求項４）。

この構成によれば、距離スペクトルのデータのうち歩行者（または道路構造物）に由来すると考えられるピーク波形の部分に限定して極形式データへの変換処理が施されるので、処理負担を効果的に軽減することができる。また、歩行者に由来する疑いのある極形式データのみを対象に位相の時系列データが調べられるので、余分なデータを処理することに起因した誤判定の可能性を排除でき、歩行者の有無をより精度よく判定することができる。

また、本発明は、自車両から発信されるレーダを用いて自車両周辺の物標を検出する装置であって、前記レーダを発信する送信部と、前記送信部からのレーダの反射信号を受信する受信部と、前記受信部が受信した信号を解析することにより歩行者の存在の有無を判定する処理部とを備え、前記処理部は、前記受信部が受信した信号を極形式データに変換し、当該極形式データにおける位相の情報を所定期間に亘り抽出した位相の時系列データを生成するデータ生成処理と、前記データ生成処理で生成された位相の時系列データを調べ、前記物標が歩行者であった場合に得られる歩行者モデルデータと前記位相の時系列データとの一致度が高い場合に、歩行者が存在すると判定する判定処理とを実行する、ことを特徴とするものである（請求項５）。

この物標検出装置によれば、上述した物標検出方法の発明と同様に、歩行者を道路構造物と明瞭に区別することができ、歩行者の検出精度を向上させることができる。

以上説明したように、本発明によれば、歩行者を道路構造物と区別して検出することができる。

本発明の物標検出方法（または装置）が適用された車両の好ましい実施形態を示す概略平面図である。 上記車両の制御系統を示すブロック図である。 上記車両の走行中に実行される歩行者の検出処理の前半部を示すフローチャートである。 上記歩行者の検出処理の後半部を示すフローチャートである。 ＩＱデータの概念を説明するための説明図である。 図３のステップＳ６の処理により得られる距離スペクトルの一例を示す図である。 図４のステップＳ１１の処理により得られるＩＱデータの一例を示す図であり、（ａ）はＩＱデータの直交成分、（ｂ）はＩＱデータの同相成分を示している。 図４のステップＳ１１の処理により得られるＩＱデータの別の一例を示す図であり、（ａ）はＩＱデータの直交成分、（ｂ）はＩＱデータの同相成分を示している。 図７（ａ）（ｂ）に示されるＩＱデータから図４のステップＳ１２を経て生成される位相の時系列データを示す図であり、物標が歩行者であった場合に得られる当該時系列データの一例を示す図である。 図８（ａ）（ｂ）に示されるＩＱデータから図４のステップＳ１２を経て生成される位相の時系列データを示す図であり、物標が道路構造物であった場合に得られる当該時系列データの一例を示す図である。

図１は、本発明の物標検出方法（または装置）が適用された車両の好ましい実施形態を示す概略平面図である。本図に示される車両は、自車両の周囲の障害物を検出するための複数のレーダユニット１（１Ａ〜１Ｅ）および複数のカメラユニット２（２Ａ，２Ｂ）を備えている。

上記複数のレーダユニット１は、車両の前端部の中央に配置された第１レーダユニット１Ａと、車両の前端部の左端に配置された第２レーダユニット１Ｂと、車両の前端部の右端に配置された第３レーダユニット１Ｃと、車両の後端部の左端に配置された第４レーダユニット１Ｄと、車両の後端部の右端に配置された第５レーダユニット１Ｅとを含んでいる。第１レーダユニット１Ａは、例えばフロントグリルに配置され、第２・第３レーダユニット１Ｂ，１Ｃは、例えばフロントバンパーフェースの裏面に配置され、第４・第５レーダユニット１Ｄ，１Ｅは、例えばリヤバンパーフェースの裏面に配置されている。

第１〜第５レーダユニット１Ａ〜１Ｅは、それぞれ、自車両の周囲に向けてレーダ（例えばミリ波レーダ）を発信する送信部５と、送信部５から発信されたレーダの反射信号、つまり周囲の障害物等で反射して自車両に返ってくるレーダを受信する受信部６とを有している（いずれも図２参照）。各レーダユニット１Ａ〜１Ｅは、それぞれ、自身を中心に扇状に拡がる領域を検出範囲とするレーダ検出器であり、これら各レーダユニット１Ａ〜１Ｅが図１に示した車両の各位置に分散して配置されることにより、車両のほぼ全周囲がレーダによる検出範囲とされている。なお、以下では、第１〜第５レーダユニット１Ａ〜１Ｅを特に区別せずに指すときは、単にレーダユニット１というものとする。

上記複数のカメラユニット２は、車室内からフロントガラスを通じて車両の前方を撮像する第１カメラユニット２Ａと、車両の後端部から車両の後方を撮像する第２カメラユニット２Ｂとを含んでいる。第１カメラユニット２Ａは、例えばフロントガラスの上端部における車室内側の面に配置されており、第２カメラユニット２Ｂは、例えばリヤゲートに配置されている。

図示を省略するが、第１・第２カメラユニット２Ａ，２Ｂは、それぞれ、レンズ部と、レンズ部を通じて入光された光を電気信号に変換するイメージセンサと、イメージセンサからの信号を処理して画像データとして出力するデータ処理部とを有している。各カメラユニット２Ａ，２Ｂは、それぞれ、自身を中心に扇状に拡がる領域を撮像範囲とする撮像装置であり、これら各カメラユニット２Ａ，２Ｂが車両の前後に分かれて配置されることにより、車両の前方および後方の比較的広角な範囲がカメラによる撮像範囲とされている。なお、以下では、第１・第２カメラユニット２Ａ，２Ｂを特に区別せずに指すときは、単にカメラユニット２というものとする。

図２は、当実施形態の車両の制御系統を示すブロック図である。本図に示されるコントローラ１０は、車両の各部を制御するためのマイクロプロセッサであり、周知のＣＰＵ、ＲＡＭ、ＲＯＭ等から構成されている。

コントローラ１０は、レーダユニット１およびカメラユニット２と電気的に接続されており、各ユニット１，２との間で種々の信号を送受信する。例えば、コントローラ１０は、レーダユニット１の送信部５に対し所定の制御信号を出力するとともに、レーダユニット１の受信部６からレーダの反射信号を示すデータを受け付ける。また、コントローラ１０は、カメラユニット２に対し所定の制御信号を出力するとともに、カメラユニット２から画像データを受け付ける。

コントローラ１０は、処理部１１および記憶部１２を機能的に有している。処理部１１は、レーダユニット１およびカメラユニット２の各動作を制御しつつ各ユニット１，２から入力されるデータに基づいて種々の解析や判定等を行うものである。記憶部１２は、処理部１１による処理に必要な各種データを記憶するものである。

図３および図４は、以上のようなコントローラ１０によって実行される歩行者の検出処理の具体的手順を示すフローチャートである。なお、このフローチャートは、レーダを用いて歩行者を検出する処理を示しているが、当実施形態の車両では、このフローチャートに示す処理以外にも、カメラを用いて歩行者、他車両、または道路構造物（ガードレールや電柱、標識など）を検出したり、レーダを用いて他車両または道路構造物を検出する処理を併せて実行することが可能である。言い換えると、このフローチャートは、カメラでは見逃すおそれのある歩行者をレーダを用いて検出するための処理を示しているといえる。また、このフローチャートの処理は、第１〜第５レーダユニット１Ａ〜１Ｅごとに個別に行われるが、いずれのレーダユニット１Ａ〜１Ｅを用いた場合の処理も基本的に同じであるので、以下では、第１〜第５レーダユニット１Ａ〜１Ｅを総称して単に「レーダユニット１」というものとする。

図３に示す処理がスタートすると、コントローラ１０の処理部１１は、ステップＳ１において、レーダユニット１の送信部５からレーダを発信させる。

次いで、処理部１１は、ステップＳ２に移行して、送信部５から発信されたレーダの反射信号、つまり自車両の周囲で反射してレーダユニット１の受信部６で受信されたレーダの信号を取り込む。

次いで、処理部１１は、ステップＳ３に移行して、受信部６から取り込んだデータをアナログデータからデジタルデータに変換するＡＤ変換を実行する。

次いで、処理部１１は、ステップＳ４に移行して、上記ステップＳ３によるＡＤ変換後のデータに基づいて、ＩＱデータを生成する。ＩＱデータとは、時系列の信号を正弦波の振幅、周波数、位相の時間関数で表した極形式（極座標形式）のデータのことであり、下記の式（１）で表すことができる。

ここに、
Ａ（ｔ）は正弦波の振幅、
ｆ（ｔ）は周波数、
φ（ｔ）は位相であり、それぞれ時間ｔの関数である。

上記式（１）で表現される正弦波は、図５に示すように、複素数（Ｉ＋ｊＱ）を用いた極形式で表すことができる。また、この図５では、実軸（Ｉ軸）の投影値であるＡ（ｔ）・ｃｏｓ（φ（ｔ））をＶｉとし、虚軸（Ｑ軸）の投影値であるＡ（ｔ）・ｓｉｎ（φ（ｔ））をＶｑとしている。なお、Ｖｉは同相成分、Ｖｑは直交成分と呼ばれる。

処理部１１は、上記ステップＳ４において、上記ステップＳ３によるＡＤ変換後のデータ（デジタル化された入力信号）に所定の演算処理を施すことにより、上述した同相成分Ｖｉおよび直交成分Ｖｑの時間関数を特定し、これをＩＱデータとして保持する。

次いで、処理部１１は、ステップＳ５に移行して、上記ステップＳ４の処理により得られたＩＱデータをフーリエ変換することにより、周波数と信号強度（振幅）との関係を示す周波数スペクトルを生成するＦＦＴ処理を実行する。

次いで、処理部１１は、ステップＳ６に移行して、上記ステップＳ５の処理により得られた周波数スペクトルに基づいて、自車両からの距離と信号強度との関係を表す距離スペクトルを生成する。すなわち、周波数と距離との間にはレーダの送受信方式（例えばＦＭＣＷ方式など）に応じて定まる１対１の相関関係があるので、この相関関係に基づいた所定の演算処理を施すことにより、上記周波数スペクトルから上記距離スペクトルを生成することができる。

図６は、上記ステップＳ６の処理により得られる距離スペクトルの一例を示している。本図に示すように、距離スペクトルは、自車両からの距離が連続的に変化した場合の信号強度（受信電力）の連続的な変化を示すデータとなって得られる。

次いで、処理部１１は、ステップＳ７に移行して、上記ステップＳ６の処理により得られた距離スペクトルの中に、図６に示す所定強度範囲Ｗ（図６）に収まるピークをもったピーク波形が存在するか否かを判定する。所定強度範囲Ｗは、レーダユニット１による受信信号（つまり距離スペクトルの基になる入力信号）に歩行者からの反射信号が含まれていた場合に得られるピーク波形を想定して予め定められている。すなわち、歩行者からの反射信号に基づくピーク波形が距離スペクトル内に存在する場合、このピーク波形の最大値（ピーク）は、経験上、所定強度範囲Ｗ内に収まることが分かっている。言い換えると、この所定強度範囲Ｗ内にピークが存在するということは、自車両の周囲に歩行者が存在する可能性があることを意味する。例えば、図６に示す距離スペクトルには、所定強度範囲Ｗに収まるピークをもったピーク波形が２つ存在しており（それぞれ符号Ａ１，Ａ２で示す）、これら各ピーク波形Ａ１，Ａ２のピーク位置（ピークに対応する横軸上の位置）は約１０ｍと約１２ｍである。これは、自車両から距離約１０ｍの位置と距離約１２ｍの位置とにそれぞれ歩行者が存在する可能性があることを示している。なお、自車両からの距離が長いほど反射信号の強度が小さくなることから、所定強度範囲Ｗの上限値Ｗ１と下限値Ｗ２とは、それぞれ、自車両から距離が長くなるほど（図６の右側ほど）小さくなるように設定されている。

ここで、歩行者からの反射信号の強度は、車両からの反射信号に比べれば大幅に小さくなる傾向にある。上記所定強度範囲Ｗは、歩行者からの反射信号におけるこのような性質に合わせて予め定められている。すなわち、所定強度範囲Ｗの上限値Ｗ１は、反射体（物標）が車両であった場合に得られるピーク値よりも十分に小さい値に設定されている。図６に例示する距離スペクトルには、所定強度範囲Ｗに収まるピークをもったピーク波形が２つ存在しているが（符号Ａ１，Ａ２）、所定強度範囲Ｗが上記のような大きさに設定されていることにより、これら２つのピーク波形Ａ１，Ａ２は、少なくとも、車両からの反射信号に由来するものではないということができる。なお、仮に自車両の周囲に他車両が存在する場合には、距離スペクトルの中に所定強度範囲Ｗ（その上限値Ｗ１）よりも大きいピークが含まれるはずであるが、図６の例にそのようなピークは見られない。このことは、自車両の周囲に他車両が存在しないことを意味する。

一方、ガードレールや電柱、標識などの道路構造物からの反射信号の強度は、歩行者からの反射信号と同様に、他車両からの反射信号よりも大幅に小さくなる傾向にある。これは、道路構造物は、箱状の車両とは異なり、レーダを強く反射する平面部分の面積が小さいためと考えられる。このため、単純に信号の強度だけを比較したのでは、歩行者と道路構造物とを区別することは困難である。例えば、図６に示す距離スペクトルには、所定強度範囲Ｗに収まるピークをもったピーク波形が２つ存在しているが（符号Ａ１，Ａ２）、これらのピーク波形Ａ１，Ａ２が歩行者からの反射信号に由来するのか道路構造物からの反射信号に由来するのかは、その信号強度を調べただけでは判断することができない。そこで、上記ステップＳ７でＹＥＳと判定された場合、つまり所定強度範囲Ｗに収まるピークをもったピーク波形が少なくとも１つ存在することが確認された場合、処理部１１は、そのピーク波形が歩行者または道路構造物のいずれに由来するのかを確定するため、次の図４のフローチャートに示す処理に移行する。

図４の処理に移行すると、処理部１１は、まずステップＳ１０において、後述するステップＳ１１で実行される逆フーリエ変換の対象範囲（所定距離範囲）を決定する。具体的に、処理部１１は、図６に示したような所定強度のピーク波形（ピークが所定強度範囲Ｗに収まるピーク波形Ａ１，Ａ２）を対象に、当該ピーク波形のピークに対応する横軸上の位置をピーク位置として特定するとともに、このピーク位置を少なくとも含む比較的狭い距離範囲を、上記所定距離範囲として決定する。例えば、処理部１１は、ピーク位置より３０ｃｍ手前の位置から、ピーク位置から３０ｃｍ遠ざかった位置までを、上記所定距離範囲として決定する。

図６に例示される距離スペクトルにおいて、ピーク位置が約１０ｍのピーク波形Ａ１を第１のピーク波形、ピーク位置が約１２ｍのピーク波形Ａ２を第２のピーク波形とする。この場合、上記所定距離範囲は、第１および第２のピーク波形Ａ１，Ａ２に対してそれぞれ個別に設定される。例えば、第１のピーク波形Ａ１に対し設定される所定距離範囲をＺ１とすると、この所定距離範囲Ｚ１は、約１０±０．３ｍとされる。同様に、第２のピーク波形Ａ２に対し設定される所定距離範囲をＺ２とすると、この所定距離範囲Ｚ２は、約１２±０．３ｍとされる。

次いで、処理部１１は、ステップＳ１１に移行して、上記ステップＳ１０で決定された所定距離範囲（例えば図６のＺ１，Ｚ２）における距離スペクトルのデータを、逆フーリエ変換によってＩＱデータに変換する。具体的に、処理部１１は、上記所定距離範囲における距離スペクトルのデータ（つまり自車両からの距離と信号強度との関係を示すデータ）を、周波数と信号強度との関係を示す周波数スペクトルのデータにまず変換し、この変換後のデータ（周波数スペクトルのデータ）に逆フーリエ変換を施すことにより、極形式の時系列データであるＩＱデータ（上述した図５および式（１）参照）を復元する。なお、図６に示した例のように、２つのピーク波形Ａ１，Ａ２に対応した２つの所定距離範囲Ｚ１，Ｚ２が特定されている場合、逆フーリエ変換後のＩＱデータとしては、所定距離範囲Ｚ１に対応する第１のＩＱデータと、所定距離範囲Ｚ２に対応する第２のＩＱデータとがそれぞれ復元されることになる。

図７（ａ）（ｂ）は、図６に示した第２のピーク波形Ａ２（所定距離範囲Ｚ２）に対応して生成されたＩＱデータの直交成分Ｖｑおよび同相成分Ｖｉのそれぞれの時系列データを示しており、図８（ａ）（ｂ）は、図６に示した第１のピーク波形Ａ１（所定距離範囲Ｚ１）に対応して生成されたＩＱデータの直交成分Ｖｑおよび同相成分Ｖｉのそれぞれの時系列データを示している。なお、既に述べたとおり、ＩＱデータの直交成分Ｖｑとは、極座標の虚軸（Ｑ軸）の投影値（＝Ａ（ｔ）・ｓｉｎ（φ（ｔ）））のことであり、同相成分Ｖｉとは、極座標の虚軸（Ｉ軸）の投影値（＝Ａ（ｔ）・ｃｏｓ（φ（ｔ）））のことである。

次いで、処理部１１は、ステップＳ１２に移行して、上記ステップＳ１１で得られたＩＱデータに基づいて、位相の時系列データを生成する。なお、位相の時系列データとは、下記の式（２）で表される位相の時間関数φ（ｔ）のことである。

図９は、図７（ａ）（ｂ）に示したＩＱデータから算出された位相φ（ｔ）、つまり、図６中の第２のピーク波形Ａ２（所定距離範囲Ｚ２）に対応して生成されたＩＱデータ（そのＶｑ，Ｖｉ）から上記式（２）により算出された位相φ（ｔ）の時系列データを示しており、図１０は、図８（ａ）（ｂ）に示したＩＱデータから算出された位相φ（ｔ）、つまり、図６中の第１のピーク波形Ａ１（所定距離範囲Ｚ１）に対応して生成されたＩＱデータ（そのＶｑ，Ｖｉ）から上記式（２）により算出された位相φ（ｔ）の時系列データを示している。なお、図９および図１０の位相のグラフは、図７および図８の直交／同相成分のグラフよりも横軸（時間軸）を拡大した状態で示している。

次いで、演算部１１は、ステップＳ１３に移行して、上記ステップＳ１２で得られた位相の時系列データにおける分散およびダイナミックレンジを算出する。

ここで、分散とは、データの散らばり度合いを示す指標であり、統計学上の一般的な分散の定義と同義である。すなわち、分散とは、下式（３）のσ^２のことであり、母集団を構成する複数のデータの平均値（μ）と各データの数値（ｘ_ｉ）との差の２乗を平均したものである。

ここに、
ｎは母集団のデータの総数、
ｘ_ｉは個々のデータの数値
μはデータの平均値である。

また、ダイナミックレンジとは、母集団のデータの最大値と最小値との差分のことである。

例えば、位相の時系列データとして図９または図１０のグラフに示すデータが得られた場合、演算部１１は、グラフ中に符号Ｔで示す範囲（つまりグラフ両端部において縦長の帯状を呈する発散部分Ｓ１，Ｓ２を除いた部分）を対象として、この有効範囲Ｔに含まれる多数のデータの値を調べ、当該データの分散とダイナミックレンジとをそれぞれ算出する。

次いで、演算部１１は、ステップＳ１４に移行して、上記ステップＳ１３で得られた位相の時系列データの分散およびダイナミックレンジを、予め定められた閾値と比較する処理を実行する。具体的に、演算部１１は、分散が第１閾値αよりも大きくかつダイナミックレンジが第２閾値βよりも大きいか否かを判定する。

第１閾値αおよび第２閾値βは、検出の対象である物標（反射体）が歩行者であった場合に典型的に得られる位相の時系列データ（以下、これを歩行者モデルデータという）に基づき予め設定されている。すなわち、物標が歩行者であった場合に得られる位相の時系列データと、物標が道路構造物であった場合に得られる位相の時系列データとを比較すると、経験上、物標が歩行者であった場合の方が、物標が道路構造物であった場合と比べて、位相およびダイナミックレンジの双方が大きくなることが分かっている。このような傾向を利用して、上記第１閾値αおよび第２閾値βは、歩行者と道路構造物とを区別し得る値（つまり歩行者のときの標準値と道路構造物のときの標準値との中間の値）にそれぞれ設定されている。言い換えると、分散が第１閾値αより大きくかつダイナミックレンジが第２閾値βより大きいということは、得られた位相の時系列データと歩行者モデルデータとの一致度が高く、物標が歩行者であるとの予測が成立することを意味する。なお、第１閾値αおよび第２閾値βは、自車両から物標までの距離（図６に示した距離スペクトルのピーク位置から特定される距離）が長いほど小さい値に設定される。

上記ステップＳ１４でＹＥＳと判定されて分散が第１閾値αより大きくかつダイナミックレンジが第２閾値βより大きいことが確認された場合、つまり、位相の時系列データと歩行者モデルデータとの一致度が高いことが確認された場合、処理部１１は、自車両の周囲に歩行者が存在すると判定する（ステップＳ１５）。例えば、位相の時系列データとして、図９に示したデータ、つまり縦軸方向の比較的広い範囲に分布するデータが得られたと仮定する。この場合、分散およびダイナミックレンジは、それぞれ閾値α，βよりも大きくなるので、これに応じて処理部１１は、自車両の周囲に歩行者が存在すると判定する。なお、図９のデータは、図６に示した第２のピーク波形Ａ２、つまり、距離約１２ｍの位置にピークを有するピーク波形Ａ２のデータが基になっている。したがって、この場合は、自車両から約１２ｍ離れた位置に歩行者が存在すると判定されることになる。

一方、上記ステップＳ１４でＮＯと判定されて分散が第１閾値α以下であることとダイナミックレンジが第２閾値β以下であることとの少なくも一方が確認された場合、つまり、位相の時系列データと歩行者モデルデータとの一致度が低いことが確認された場合、処理部１１は、自車両の周囲に道路構造物が存在すると判定する（ステップＳ１６）。例えば、位相の時系列データとして、図１０に示したデータ、つまり縦軸方向の比較的狭い範囲に分布するデータが得られたと仮定する。この場合、分散およびダイナミックレンジは、それぞれ閾値α，β以下になるので、これに応じて処理部１１は、自車両の周囲に道路構造物が存在すると判定する。なお、図１０のデータは、図６に示した第１のピーク波形Ａ１、つまり、距離約１０ｍの位置にピークを有するピーク波形Ａ１のデータが基になっている。したがって、この場合は、自車両から約１０ｍ離れた位置に道路構造物が存在すると判定されることになる。

以上説明したように、当実施形態では、受信されたレーダの反射信号が極形式のＩＱデータに変換され、このＩＱデータにおける位相の情報が所定期間に亘り抽出されて位相の時系列データが生成される（図９、図１０参照）。そして、この位相の時系列データの分散およびダイナミックレンジ（最大値と最小値との差分）が調べられ、分散が第１閾値αより大きくかつダイナミックレンジが第２閾値βより大きい場合に、自車両の周囲に歩行者が存在すると判定される。このような構成によれば、歩行者を道路構造物と区別して検出することができ、歩行者の検出精度を向上させることができるという利点がある。

すなわち、ガードレールや電柱、標識などの道路構造物からの反射信号は、信号強度が比較的小さい（例えば他車両からの反射信号に比べて大幅に小さい）という意味において、歩行者からの反射信号と類似している。このため、受信されたレーダの反射信号をそのまま解析したのでは、歩行者と道路構造物とを区別することは困難である。これに対し、上記実施形態では、受信信号が極形式のＩＱデータに変換されるとともに、変換後のＩＱデータから位相の時系列データが生成されるので、この位相の時系列データの分散およびダイナミックレンジを調べることにより、歩行者を道路構造物と明瞭に区別して検出することができる。

ここで、物標が歩行者であった場合に得られるレーダの反射信号をＩＱデータに変換すると、当該ＩＱデータの位相の時系列データにおける分散およびダイナミックレンジは、物標が道路構造物であった場合のそれよりも大きくなることが分かっている。これは、歩行者である人間の特性、つまり、表面形状が生物特有の複雑な凹凸形状であることや、皮膚、筋肉、内蔵、骨などの多様な物質によって身体が構成されていることに由来するものと考えられる。このように、物標が歩行者であった場合の位相の時系列データの傾向を考慮して、上記実施形態では、位相の時系列データにおける分散およびダイナミックレンジが調べられ、分散が第１閾値αより大きくかつダイナミックレンジが第２閾値βよりも大きいことが確認された場合、つまり、物標が歩行者であった場合に得られる典型的な位相の時系列データ（歩行者モデルデータ）との一致度が高い場合に、歩行者が存在すると判定される。このため、反射信号がいずれも弱くなりがちな歩行者および道路構造物を明瞭に区別することができ、歩行者の検出精度を効果的に向上させることができる。

特に、上記実施形態では、受信されたレーダの反射信号に対しフーリエ変換を含む所定の処理が施されることにより、自車両からの距離と信号強度との関係を表す連続的な距離スペクトル（図６）が生成され、この距離スペクトルの中に所定強度範囲Ｗに収まるピークをもったピーク波形（Ａ１，Ａ２）が確認された場合に、当該ピーク波形のピーク位置を含む所定距離範囲（Ｚ１，Ｚ２）における距離スペクトルのデータが、逆フーリエ変換を含む所定の処理によって時系列のＩＱデータに変換される。そして、この所定距離範囲（Ｚ１，Ｚ２）について生成されたＩＱデータに基づいて、上述した位相の時系列データが生成される（図９、図１０）。このような構成によれば、距離スペクトルのデータのうち歩行者（または道路構造物）に由来すると考えられるピーク波形の部分に限定してＩＱデータへの変換処理が施されるので、処理負担を効果的に軽減することができる。また、歩行者に由来する疑いのあるＩＱデータのみを対象に位相の時系列データが調べられるので、余分なデータを処理することに起因した誤判定の可能性を排除でき、歩行者の有無をより精度よく判定することができる。

以上、本発明の好ましい実施形態について説明したが、本発明はこの実施形態に限定して解釈されるべきものでなく、本発明の趣旨を逸脱しない範囲で種々の変更が可能である。

例えば、上記実施形態では、レーダの反射信号から得られる極形式データ（ＩＱデータ）に基づいて位相の時系列データ（図９、図１０）を生成し、この位相の時系列データにおける分散およびダイナミックレンジ（最大値と最小値との差分）を調べ、分散が第１閾値αより大きくかつダイナミックレンジが第２閾値βより大きい場合に、自車両の周囲に歩行者が存在すると判定したが、位相の時系列データと歩行者のモデルデータ（物標が歩行者であった場合に典型的に得られる位相の時系列データ）との一致度に基づいて歩行者を検出すればよく、その具体的方法は上記実施形態の方法に限られない。例えば、分散およびダイナミックレンジのいずれか一方のみに基づいて歩行者を検出してもよいし、分散およびダイナミックレンジのいずれもでもない他の指標を算出し、当該他の指標に基づいて歩行者を検出してもよい。さらに、分散およびダイナミックレンジと当該他の指標とを含む３つ以上の指標に基づいて歩行者を検出してもよい。

５ 送信部
６ 受信部
１１ 処理部
Ｗ 所定強度範囲
Ｚ１ 所定距離範囲
Ｚ２ 所定距離範囲

Claims (5)

1. 自車両から発信されるレーダを用いて自車両周辺の物標を検出する方法であって、
   前記レーダの反射信号を受信する受信ステップと、
   前記受信ステップで受信された信号を極形式データに変換し、当該極形式データにおける位相の情報を所定期間に亘り抽出した位相の時系列データを生成するデータ生成ステップと、
   前記データ生成ステップで生成された位相の時系列データを調べ、前記物標が歩行者であった場合に得られる歩行者モデルデータと前記位相の時系列データとの一致度が高い場合に、歩行者が存在すると判定する判定ステップとを含む、ことを特徴とする車両用物標検出方法。
2. 請求項１に記載の車両用物標検出方法において、
   前記判定ステップでは、前記位相の時系列データの分散を算出するとともに、算出した分散の値が所定の第１閾値より大きいことを含む特定の条件が成立した場合に、前記位相の時系列データと前記歩行者モデルデータとの一致度が高いと判定する、ことを特徴とする車両用物標検出方法。
3. 請求項１または２に記載の車両用物標検出方法において、
   前記判定ステップでは、前記位相の時系列データの最大値と最小値との差分を算出するとともに、算出した差分の値が所定の第２閾値より大きいことを含む特定の条件が成立した場合に、前記位相の時系列データと前記歩行者モデルデータとの一致度が高いと判定する、ことを特徴とする車両用物標検出方法。
4. 請求項１〜３のいずれか１項に記載の車両用物標検出方法において、
   前記第１のステップで受信された信号にフーリエ変換を含む所定の処理を施すことにより、自車両からの距離と信号強度との関係を表す距離スペクトルを生成するとともに、当該距離スペクトルの中に予め定められた所定強度範囲に収まるピークをもったピーク波形が存在するか否かを判定する第１準備ステップと、
   前記第１準備ステップにおいて前記所定強度範囲に収まるピークをもったピーク波形が確認された場合に、当該ピーク波形のピーク位置を含む所定距離範囲における距離スペクトルのデータを、逆フーリエ変換を含む所定の処理によって時系列の極形式データに変換する第２準備ステップとをさらに含み、
   前記データ生成ステップでは、前記第２準備ステップにより前記所定距離範囲について生成された極形式データに基づいて、前記位相の時系列データを生成する、ことを特徴とする車両用物標検出方法。
5. 自車両から発信されるレーダを用いて自車両周辺の物標を検出する装置であって、
   前記レーダを発信する送信部と、
   前記送信部からのレーダの反射信号を受信する受信部と、
   前記受信部が受信した信号を解析することにより歩行者の存在の有無を判定する処理部とを備え、
   前記処理部は、
   前記受信部が受信した信号を極形式データに変換し、当該極形式データにおける位相の情報を所定期間に亘り抽出した位相の時系列データを生成するデータ生成処理と、
   前記データ生成処理で生成された位相の時系列データを調べ、前記物標が歩行者であった場合に得られる歩行者モデルデータと前記位相の時系列データとの一致度が高い場合に、歩行者が存在すると判定する判定処理とを実行する、ことを特徴とする車両用物標検出装置。

Images