JP6208260B2 - 物体認識装置 - Google Patents

Description

本発明は、レーダの測定距離データとカメラの画像とに基づいて物体を認識する物体認識装置に関する。

自動車における事故を削減し安全性を高めるため、障害物を検知し、これを回避、或いは運転者に通知する安全システムの技術が重要である。また運転者の負担を軽減し、より一層の安全性を得るため、路面の凹凸や段差などの形状を認識し、走行可能な領域を検知して自律的に走行する技術も求められている。

一方で、自動車には常にコスト低減が強く求められており、安全システムについても、その低コスト化が重要な課題となっている。自動車に搭載される物体認識装置にはLIDAR[Light Detection And Ranging](レーザレーダ)やミリ波レーダ等の距離計が用いられるが、装置の低コスト化を図るため、安価なレーダを用いてシステムを構成する必要がある。

安価なレーダは、スキャンラインの本数が少なく、角度分解能も低めであることから、スキャン位置（測定点）の間隔が大きく、距離データが離散的な位置しか得られず、レーダ単独での物体の識別や、位置検知は困難である。したがって、カメラと組み合わせてカメラの画像から物体の識別や位置検知を行うシステムが一般的である。

例えば特許文献１には、レーダで計測した距離データのうち、カメラ画像から検出した障害物を含む矩形領域内に存在する距離データを用いて障害物までの距離を算出する手法が示されている。

特開２０１１−１４５１６６号公報

しかしながら、このような手法は、検知対象の物体の大きさが先行車のように大きい場合には適用可能であるが、路上の空き缶や石などのようなサイズの小さな物体の場合には、距離データの得られるレーダのスキャン位置の間に埋もれてしまい、距離情報を得ることが困難であるという問題がある。また、レーダは車両側に搭載され、一定角度毎にスキャンを行う構造である為、遠方に行くほどスキャン位置の間隔が開いてしまい、遠方にある物体については、サイズが大きいものでも距離データを得られない可能性が高くなる。

さらに、一般的に自動車の障害物検知に用いられるレーダは、上下、左右の検出範囲が狭く、カメラ画像内の周辺部に写る物体については、距離測定の範囲外となるケースも多い。このような場合、物体のサイズが大きい場合でも距離データを得ることができず、例えば高速走行時の衝突防止の制御等が困難になるおそれがある。また、遠方の路面状態を検出することもできず、自律走行の性能向上には向かない構成となっていた。

本発明はこうした実状に鑑みてなされたものであり、その目的とするところは、レーダのスキャン位置の間に埋もれてしまい距離データが得られない位置や、レーダの検出範囲外となるために距離データを得られないカメラ画像内の周辺部における距離データを推定して、領域全体に密な距離データを得て、小さな物体や遠方にある物体までの距離を検出可能とする物体認識装置を得ることである。

上記課題を解決する本発明の物体認識装置は、レーダの測定距離データとカメラの画像に基づいて物体を認識する物体認識装置であって、前記画像から平面と推定される推定平面領域を検出する推定平面領域検出手段と、該推定平面領域の平面式を算出する領域平面推定手段と、該平面式と前記測定距離データに基づいて前記推定平面領域内の距離データを補間して推定する距離データ補間手段とを有することを特徴としている。

本発明によれば、推定平面領域の全体に亘って密に距離データを得ることができる。したがって、レーダのスキャン位置の間に埋もれてしまう小さな物体や、遠方の物体の検出が可能となり、更にレーダの検知範囲外の位置にある物体の距離情報も得ることが可能となる。なお、上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

システム構成図。 全体処理フロー。 領域分割の処理フロー。 領域分割を説明するイメージ図。 領域結合候補抽出の処理フロー。 平面式評価及び領域再分割の詳細処理フロー。 測定データによる領域再分割の処理フロー。 測定データによる領域の再分割の説明図。 距離データ補間の説明図

次に、本発明の実施形態について、図面を用いて以下に説明する。

本実施形態の物体認識装置は、車両に搭載されて、カメラの撮像画像とレーダの測定距離データに基づき例えば先行車などの車両前方の物体を認識するものであり、障害物回避や自律走行に用いることができる。

物体認識装置は、画像から平面と推定される推定平面領域を少なくとも一つ以上抽出し、その抽出した推定平面領域が平面であるか否かをレーダの測定距離データに基づいて検証し、平面であると検証された推定平面領域において、推定平面領域内の測定距離データを補間して測定距離データの存在しない位置の距離を推定し、領域内における距離データの範囲と密度を向上させる構成を有している。

図１は、本実施の形態における物体認識装置の一例を示すシステム構成図である。

物体認識装置は、図１に示すように、カメラ１１３、レーダ１１４、推定平面領域検出手段１０１、領域平面推定手段１０２、距離データ補間手段１０３、距離データ記憶手段１１８、物体領域検出手段１１５、距離データ選択手段１１６、物体距離算出手段１１７を有している。

例えば、カメラ１１３にはＣＣＤやＣＭＯＳ等の単眼カメラが用いられ、レーダ１１４にはレーザ距離計が用いられている。カメラ１１３とレーダ１１４は、車両前方に向けて配置される。物体認識装置のカメラ１１３とレーダ１１４以外の手段は、例えばＥＣＵなどのハードウエアと、ハードウエアにインストールされたソフトウエアによって機能的に具現化される。本実施形態では、物体認識装置がカメラ１１３とレーダ１１４を有する場合を例に説明しているが、カメラ１１３とレーダ１１４を含まず、カメラ１１３とレーダ１１４から信号をそれぞれ入力する構成としてもよい。

＜推定平面領域検出手段１０１＞
推定平面領域検出手段１０１は、内部構成として、閾値設定手段１０４、エッジ検出手段１０６、領域分割手段１０５、領域結合手段１０７を備えている。推定平面領域検出手段１０１は、カメラ１１３の画像から平面と推定される推定平面領域を検出する。具体的には、カメラ１１３の画像に含まれる情報から、全体の領域から単一の平面で構成されると考えられる領域毎に分割する。例えば、走行中の道路の路面と、道路脇の側壁が画像内に写っている場合には、全体の領域から路面の領域と側壁の領域を分割してそれぞれを推定平面領域として検出する。

領域分割は、主に画像の輝度エッジに基づいて行われる。そしてさらに加えて、各位置におけるテクスチャの特徴を生かして、画像上の各位置におけるパターン特徴量に基づいて行われる。エッジ検出手段１０６は、カメラ１１３の画像から輝度エッジを検出する。カメラ１１３がカラーを撮像可能な構成を有する場合には、RGBそれぞれの値毎にエッジを生成することで、色情報までを含んだ分割が可能となる。

閾値設定手段１０４は、検出されたエッジの強度、或いはテクスチャの特徴量の差の閾値を設定する。領域分割手段１０５は、閾値以上のエッジ強度、或いはパターン特徴量に差がある位置で領域を分割する。

本実施形態では、閾値設定手段１０４で設定する閾値を、画面全体の平均輝度や、画像から抽出した情報に応じて異なった値に設定するようにしている。例えば、積雪時の道路などでは画面全体の輝度が高く、コントラストが出やすい為、領域分割に用いるエッジ強度の値は大きく設定することが望ましい。また、オフロードシーンでは、路面、周囲の障害物ともコントラストの出にくい画像になることが考えられ、輝度、テクスチャの微細な変化で分割が行えるよう、閾値は低い値に設定することが望ましい。

領域結合手段１０７は、カメラ１１３の画像から推定平面領域を複数検出した場合に、複数の推定平面領域を互いに比較して類似性を評価する。そして、類似性が閾値よりも高いと判断された領域同士を結合して一つの連続した同一平面であると判断する。領域結合手段１０７は、領域分割手段１０５で分割した各領域の類似性を評価し、類似性が高い領域の対を結合する。したがって、結合された領域のどちらかに距離データがあれば、もう一方についても同じ平面の式により補間が行えるので、幅広い領域の距離データの推定が可能となる効果を生む。なお、推定平面領域検出手段１０１の処理内容については、後述する図４〜図６の処理フローで詳細に説明する。

＜領域平面推定手段１０２＞
領域平面推定手段１０２は、内部構成として、領域平面式推定手段１０８、推定平面評価手段１０９、領域再分割手段１１０を有している。領域平面推定手段１０２は、推定平面領域検出手段１０１で抽出された各推定平面領域が平面であるか否かをレーダの測定距離データに基づいて検証し、推定平面領域の平面式と、測定距離データ、すなわち３次元データとの間の誤差が大きい場合には、当該推定平面領域を平面と見なすことはできないとして、推定平面領域の再分割を行う。なお、平面式とは、平面を３軸座標で表した、平面の方程式である。
領域平面式推定手段１０８は、領域内の測定距離データが全て単一の平面上にあると仮定して平面式を求める。推定平面評価手段１０９は、例えば平面式と測定距離データとの間の距離等の差分値を用いて平面式と測定距離データの誤差を評価し、平面式の推定精度を評価する。この差分値が規定値よりも大きく、誤差が大きいと考えられる場合には、領域再分割手段１１０において、当該推定平面領域をさらに分割する再分割を行う。

このように推定した平面式の精度を評価し、誤差の大きい場合には、推定平面領域の再分割を行うことにより、画像情報による領域分割の過不足を修正し、より誤差の少ない距離の推定が可能になるという効果が得られる。なお、領域平面推定手段１０２の処理内容については、後述する図６及び図７の処理フローで詳細に説明する。

＜距離データ補間手段１０３＞
距離補間手段１０３は、内部構成として、補間元データ選択手段１１１と距離データ補間手段１１２を有している。距離補間手段１０３は、領域平面推定手段１０２で求めた各推定平面領域の平面式と、推定平面領域内の位置にある測定点の測定距離データの値を用いて、測定距離データの無い位置の距離を補間して推定する。

補間元データ選択手段１１１は、距離の推定を行う際に用いる測定距離データを選択するものであり、推定を行う位置を中心とした所定の選択範囲を設定し、その選択範囲に含まれる測定距離データを選択する。選択範囲は、推定平面領域の面の向きに応じて設定される。

距離データ補間手段１１２は、選択範囲に含まれている測定距離データを使用して、推定平面領域内の測定距離データの無い位置の距離を補間して推定する。したがって、より精度の高い距離推定が可能になるという効果が得られる。距離データ補間手段１１２で補間して求めた距離データの推定値（補間距離データ）は、距離データ記憶手段１１８に格納されて、物体距離算出手段により物体距離を算出する際に利用される。

物体認識装置は、物体領域検出手段１１５と、距離データ選択手段１１６と、物体距離算出手段１１７を有している。物体領域検出手段１１５は、カメラ１１３の画像に基づいて物体の存在領域を抽出する。距離データ選択手段１１６は、物体領域検出手段１１５により抽出された物体の存在領域に含まれる測定距離データ及び距離の推定値を、距離データ記憶手段１１８から読み出す。物体距離算出手段１１７は、距離データ記憶手段１１８から読み出した測定距離データ及び距離の推定値を用いて物体までの距離を算出する。

図２は、物体認識装置による物体検出処理全体の流れを示した処理フローである。

開始（Ｓ２０１）により、領域分割（Ｓ２０２）が行われ、閾値設定（Ｓ２０３）、エッジ画像作成（Ｓ２０４）、分割（Ｓ２０５）の各処理が実施される。閾値設定（Ｓ２０３）、エッジ画像作成（Ｓ２０４）、分割（Ｓ２０５）の各処理は、図１に示した閾値設定手段１０４、エッジ検出手段１０６、領域分割手段１０５における処理である。領域分割（Ｓ２０２）については、後述する図３の処理フローで詳細に説明する。

領域分割（Ｓ２０５）の後、領域結合候補抽出（Ｓ２０６）を行う。本処理は、図１で述べた領域結合手段１０７における処理が該当する。領域結合候補抽出（Ｓ２０６）では、分割済みの領域から同一平面で構成されると思われる領域の組を結合する。これは、図１における領域結合手段１０７における処理を示す。

そして、領域の平面式算出（Ｓ２０７）では、分割された領域内の測定距離データから推定平面領域の平面式が求められる。図１の領域平面式推定手段１０８での処理がこれに当たる。ステップＳ２０７で平面式を求めた後、推定平面領域内の測定距離データを用いて、平面式評価及び領域再分割（Ｓ２０８）を行う。

ステップＳ２０８では、ステップＳ２０７で求めた平面式と、測定距離データから得た３次元点の位置を比較し、領域内の全てのデータが求めた平面の式に一致しているか否かを評価する。そして、一致しない３次元点があった場合には、領域内の面が単一の平面でなく複数の平面で構成されるか、或いは面に凹凸があり、正しく推定が行えないことになるので、推定平面領域の再分割を実施する。

ステップＳ２０９では、ステップＳ２０８で推定平面領域の再分割が実施されたか否かが判断され、再分割が行なわれた場合には、ステップＳ２０７に戻り、再分割された推定平面領域の平面式を算出する。一方、再分割が行なわれていない場合には、推定平面領域のこれ以上の分割は不可能であるので、推定平面領域を確定してステップＳ２１０に移行する。ステップＳ２１０では、確定した推定平面領域の測定距離データを使用して、推定平面領域内の測定距離データの無い位置の距離を補間して推定する。そして、ステップＳ２１１で距離データ記憶手段１１８に補間距離データを保存し、終了する（Ｓ２１２）。

図３は、図２に示した領域分割Ｓ２０２の処理内容を詳細に示したフローチャートである。領域分割の処理として、初めにカメラ１１３の画像を読み込み（Ｓ３０２）、輝度エッジ画像の作成（Ｓ３０３）、及びパターン特徴量の算出（Ｓ３０６）を行う。輝度エッジについては、輝度エッジ強度の閾値設定（Ｓ３０４）、輝度エッジが閾値以上の位置で領域分割（Ｓ３０５）を行う。

パターン特徴量については、パターン特徴量の差の閾値を設定し（Ｓ３０７）、パターン特徴量の差が閾値以上となる位置、すなわちテクスチャが変化するような位置で領域分割（Ｓ３０８）を行う。ステップＳ３０９では、輝度、及びパターン特徴量の値から行なった領域分割の情報を統合し、全ての分割位置を合成する。したがって、画像は、輝度及びパターン特徴量により設定された推定平面領域に分割される。

ステップＳ３１０では、領域内の各パラメータを求める。このパラメータは、領域結合候補抽出（Ｓ２０６）で領域の類似度の判定に用いられるものであり、領域内の輝度、色相、パターン特徴量の平均値や分布等が含まれる。最後に、ステップＳ３１１でこれらの分割領域情報を保存し、処理を終了する（Ｓ３１２）。

図４は領域分割のイメージ図である。

図４に示した画像４０１は、カメラ１１３で撮像したものである。画像４０１は、一般の道路上で先行車に追従して走行しているシーンである。輝度エッジ、及びパターン特徴量の差によって領域の分割を行い、図中のＡ領域４０２〜Ｎ領域４１５までの領域に分割される例として示した。

このうち、Ａ領域４０２、Ｂ領域４０３、Ｃ領域４０４、Ｄ領域４０５は、道路の路面である。これらの領域は、全て同一の平面であるが、Ｎ領域４１５である白線によってＡ領域４０２とＤ領域４０５に分割されており、側壁の影により路面の一部の輝度が下がった影響で、Ｂ領域４０３が分割されている。また、Ｅ領域４０６とＦ領域４０７は、連続する１枚の側壁面であるが、先行車により分断されて別々の領域になっている。

図１の領域結合手段１０７は、このようなケースで、同一の平面でありながら分割されてしまった領域を結合し、同一の平面で構成される領域として、１つにまとめる働きをする。

結合を行う条件として、本実施形態では、以下の３つの条件を示す。

（１）互いの領域内における平均輝度、色（ＲＧＢそれぞれ）、パターン特徴量のそれぞれの差が所定の閾値（第一の閾値）以下である場合は、それらの領域を結合する。

（２）互いの領域内における平均輝度の差はある程度大きい（第二の閾値よりも大）が、色（ＲＧＢの割合）、パターン特徴量の差が極めて小さい（第二の閾値以下）場合は、それらの領域を結合する。

（３）白線や路面ペイントで分割された領域は、その両方の領域、及びこれらの線の領域を全て結合する。

上記（１）は全体に輝度、色、テクスチャともに類似しており、同じ面に見えるような場合、上記（２）は図４に示したＡ領域４0２とＢ領域４０３のように、同じ面であって影等の影響で分割されてしまった場合、上記（３）は領域に、制限速度や横断歩道などの路面ペイントなどがあり、見掛け上、異なる領域に見えてしまった場合である。これらは、本来同一の平面であり、結合することが望ましい。領域結合手段１０７は、このようなケースの最適化を図るため、領域の類似性を判断し、結合する機能を有する。

以下、図５を用いて領域結合手段１０７の処理の流れを詳細に説明する。

処理開始（Ｓ５０１）後、はじめに比較領域選択（Ｓ５０２）を行う。領域の類似性の比較は、全領域について行なっても良いが、本実施形態では、同一の面である可能性を高くするために、両方の領域の画面上の最短距離が所定の値の範囲内である領域間で比較を行うようにした。

比較の処理として、領域情報の読み出し（Ｓ５０３）の後に、輝度、色、パターン特徴量についての第一の閾値を設定し（Ｓ５０４）、それぞれが閾値以下であれば（Ｓ５０５でＹＥＳ）、同一の面であると判断して比較領域を結合（Ｓ５０８）する。これは上記（１）の場合の結合に相当する。

ここで、一致しなかった場合、ステップＳ５０６で第二の閾値を設定し、輝度の差が大きく、色、テクスチャの類似性が高い、という上記（２）の場合の結合について判断を行う（Ｓ５０７）。ここで条件に一致すれば（ステップＳ５０７でＹＥＳ）、ステップＳ５０８に進み、比較領域の結合を行う。

ステップＳ５０７において、差が閾値以上の場合には領域の結合は行わないが、着目点の領域、或いは隣接領域が、画像から別途検出した白線、或いは路面ペイントの領域である場合には、上記（３）の場合に相当するため、白線・路面ペイントの領域、及び両側に隣接する領域を結合する。

具体的には、ステップＳ５０９で画像を読み込み、白線・路面ペイントの検出を行い（Ｓ５１０）、輝度、色、パターン特徴量の差の第三の閾値を設定し（Ｓ５１１）、輝度、色、パターン特徴量の差が第三の閾値以下であるか否かを判断する（Ｓ５１２）。そして、第三の閾値以下の場合（Ｓ５１２でＹＥＳ）は、白線・路面ペイント領域、及び両側の領域を結合する（Ｓ５１３）。一方、差が第三の閾値よりも大きい場合（Ｓ５１２でＮＯ）は、終了する（Ｓ５１４）。
図６は、領域平面推定手段１０２における処理の内容を説明するフローチャートである。

開始（Ｓ６０1）により、推定平面領域内の測定距離データを用いて推定平面領域の平面式推定（Ｓ６０２）を行う。ステップＳ６０３では、推定平面領域内の全ての測定点の測定距離データと、平面式で表される推定平面との差分を算出し、ステップＳ６０４で全データの差分が閾値以内に収まっているか否かを判断する。ここで、全データの差分が閾値以内に収まっている場合には、全ての測定点が推定平面から閾値以下の距離内に位置しているので、その推定平面領域の平面式は正しいとして、領域を確定する処理を行う（Ｓ６０５）。

一方、ステップＳ６０４で、全データの差分が閾値以内に収まっていないと判断された場合、すなわち、推定平面までの離間距離が閾値を超える測定距離データがあった場合には、推定平面領域を再分割するか否かを判断する（ステップＳ６０７とステップＳ６０８）。ステップＳ６０７では、その推定平面領域が再分割済みか否かをチェックし、ステップＳ６０８では、推定平面領域内における測定距離データの数が閾値以上であるか否かをチェックする。

推定平面領域が再分割済みの場合には（ステップＳ６０７でＹＥＳ）、これ以上の分割を行わず、ステップＳ６０９に進む。また、推定平面領域内における測定距離データの数が閾値よりも少ない場合には（ステップＳ６０８でＮＯ）、これ以上さらに領域の分割を行っても平面式が得られないので、ステップＳ６０９に進む。

ステップＳ６０９では、当該領域の推定距離データの信頼度を低に設定する。信頼度が低に設定された推定距離データは、誤った、或いは誤差の大きい値である可能性が高いため、障害物回避の制御等には使用しないこととし、システムが誤検知による回避動作を実施してしまうのを防ぐ効果を得られる。なお、平面式を求めるためには少なくとも３個の測定距離データが必要であり、ステップＳ６０８では閾値は４個に設定されている。

ステップＳ６０７で再分割済ではないと判断され、ステップＳ６０８で推定平面領域内の測定距離データの数が閾値以上であると判断された場合は（ステップＳ６０８でＹＥＳ）、エッジ強度、パターン特徴量の閾値を変更し（ステップＳ６１０）、エッジ強度、パターン特徴量による領域再分割を行う（ステップＳ６１１）。そして、測定データによる領域再分割を実施し（Ｓ６１２）、これらの処理で行われた再分割の結果を統合し（Ｓ６１３）、再分割後の領域について、ステップＳ６０２から平面式の推定等を繰り返す。測定データによる領域分割Ｓ６１２の処理内容については、後述する図７の処理フローで詳細に説明する。

このように、図６に示した領域平面推定手段１０２における処理では、精度の良い平面式を得るために推定平面領域の再分割を行うので、補間した際に、精度良く、領域内の距離の推定を行えるという効果が得られる。

図７は、測定距離データを用いて領域を再分割する処理の内容を示したフローチャートである。

処理開始（Ｓ７０１）後、画像から消失点を求める（Ｓ７０２）。その後、領域内の隣り合う測定データをそれぞれ結んだ三角パッチを仮想的に設置し（Ｓ７０３）、各三角パッチの横方向、及び奥行き方向の高さ方向への傾きを算出する（Ｓ７０４）。

図８は、三角パッチの設置の様子を示す説明図である。画像８０１内で、分割対象の推定平面領域８０２に含まれる測定点８０８を結んだ三角パッチを設置し、各パッチの傾きを算出する。

求める傾きは、図８に示した座標の横方向８０５、及び奥行き方向８０７、すなわち消失点に向かう方向に対する高さ方向８０６の変化率、すなわち横方向８０５、および奥行き方向８０７に対する上り角度に相当する。

図８において、スタート地点は、推定平面領域８０２内の複数のパッチの内、最も手前で中央よりのパッチを基準パッチ８０３として設定し、この基準パッチ８０３と周辺のパッチの横、及び奥行き方向の傾きを比較していく。そして、これらの傾きの値が閾値を超えているパッチを抽出し、その抽出したパッチの中央位置で、領域の再分割を行う。

処理フローでは、図７のステップＳ７０５で中央手前側のパッチの傾きを基準値として記憶し、横、及び奥行き方向に傾きの値を比較していき、基準値との傾きの差が閾値以上となったパッチの中央位置を結んで再分割の位置を決定する。

具体的には、横方向の傾きが変化する位置を検出し（Ｓ７０６）、検出された横位置を境に領域を再分割し（Ｓ７０７）、また、奥行き方向の傾きが変化する位置を検出し（Ｓ７０８）、検出された奥行き位置を境に領域を再分割する（Ｓ７０９）。そして、領域分割情報を保存する（Ｓ７１０）。

図９は、図１に示した補間元データ選択手段１１１の動作を説明する説明図である。

図９には、水平面である路面、カメラ１１３の向きに対向する鉛直面である先行車の後面、カメラ１１３の向きに平行な鉛直面である側壁の３つの面が示されている。

推定平面領域内の測定距離データを補間する場合、先行車の後面のようにカメラ１１３の向きに対向する鉛直面の領域の場合には、領域内の距離データは全て同じ値となるはずである。そこで、本実施例では、カメラ１１３の向きに対向する鉛直面の領域の場合には、補間元データ選択手段１１１により、着目点を中心に真円形の円形エリア９０４を設定して、円形エリア９０４内の測定距離データを補間元データとして選択する。そして、距離データ補間手段１１２により、かかる補間元データを補間して着目点の距離を推定する。

一方、路面のように水平面の領域の場合には、領域内の距離データは、横方向には同じ値となり、また奥行き方向には無限遠に向かって値が変化していく。そこで、本実施例では、水平面の領域の場合には、補間元データ選択手段１１１により、誤差の出にくいエリアとして、着目点を中心に横方向に広い楕円形の横楕円形エリア９０３を設定して、横楕円形エリア９０３内の測定距離データを補間元データとして選択する。そして、距離データ補間手段１１２により、かかる補間元データを補間して着目点の距離を推定する。

また、側壁のようにカメラ１１３の向きに平行な鉛直面の領域の場合には、高さ方向の移動に対しては距離が変わらないが、奥行き方向には値が変化する。そこで、本実施例では、カメラ１１３の向きに平行な鉛直面の領域の場合には、補間元データ選択手段１１１により、着目点を中心に縦方向に長い楕円形の縦楕円形エリア９０５を設定して、縦楕円形エリア９０５内の測定データを補間元データとして選択する。そして、距離データ補間手段１１２により、かかる補間元データを補間して着目点の距離を推定する。このように、推定を行う領域の面の向きに適した形状のエリア内の測定データを用いて着目点の距離を推定することで、より精度の高い距離推定が行なえるという効果が得られる。

なお、上述の実施形態では、物体認識装置の構成について説明したが、走行中の物体を検出する検出精度を評価する評価装置として用いることもできる。

以上、本発明の実施形態について詳述したが、本発明は、前記の実施形態に限定されるものではなく、特許請求の範囲に記載された本発明の精神を逸脱しない範囲で、種々の設計変更を行うことができるものである。例えば、前記した実施の形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。さらに、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

101 推定平面領域検出手段
102 領域平面推定手段
103 距離データ補間手段
104 閾値設定手段
105 領域分割手段
106 エッジ検出手段
107 領域結合手段
108 領域平面式推定手段
109 推定平面評価手段
110 領域再分割手段
111 補間元データ選択手段
112 距離データ補間手段
113 カメラ
114 レーダ
115 物体領域検出手段
116 距離データ選択手段
117 距離算出手段
118 距離データ記憶手段

Claims (6)

1. カメラの画像とレーダの測定距離データに基づいて物体を認識する物体認識装置であって、
   前記画像から平面と推定される推定平面領域を検出する推定平面領域検出手段と、
   該推定平面領域の平面式を算出する領域平面推定手段と、
   該平面式と前記測定距離データに基づいて前記推定平面領域内の距離データを補間して推定する距離データ補間手段と、を有し、
   前記領域平面推定手段は、前記測定距離データに基づいて前記推定平面領域が予め設定された基準内の平滑性を持つ同一平面であるか否かを判別し、同一平面ではない場合には、前記推定平面領域を複数の平面領域に分割する領域再分割を行うことを特徴とする物体認識装置。
2. 前記測定距離データに基づいて前記推定平面領域の再分割位置を決定することを特徴とする請求項１に記載の物体認識装置。
3. 前記距離データ補間手段で補間して推定した距離データを用いて前記物体までの距離を求めることを特徴とする請求項１に記載の物体認識装置。
4. 前記推定平面領域検出手段は、前記画像から前記推定平面領域を複数検出した場合に、該複数の推定平面領域を互いに比較して類似性を評価し、類似性が閾値よりも高いと判断された領域同士を結合して一つの連続した同一平面であると判断することを特徴とする請求項１に記載の物体認識装置。
5. 前記推定平面領域検出手段は、前記類似性を評価する基準として、前記推定平面領域の輝度、色、パターン特徴量の少なくともいずれか一つを用いることを特徴とする請求項４に記載の物体認識装置。
6. 前記距離データ補間手段は、前記測定距離データのない位置の距離を推定する際に用いる前記測定距離データの選択範囲を、前記平面領域の面の向きに応じて変更することを特徴とする請求項１に記載の物体認識装置。

Images