JP6918509B2 - Information processing device - Google Patents

Description

本開示は、物体の識別に用いることのできる情報処理装置に関する。 The present disclosure relates to an information processing device that can be used to identify an object.

識別対象となる物体に関して取得された３次元の測定点群をダウンサンプリングする方法として、例えば、特許文献１にて用いられているように、空間を一定サイズの格子で区切り、各格子内に測定点が存在するか否かの２値割り当て、若しくは、測定点数を用いたスカラ値割り当てなどのボクセル表現を行う技術が知られている。 As a method of downsampling a group of three-dimensional measurement points acquired for an object to be identified, for example, as used in Patent Document 1, a space is divided by a grid of a certain size and measurement is performed in each grid. A technique for performing voxel expression such as binary allocation of whether or not a point exists or scalar value allocation using the number of measurement points is known.

特開２０１４−１３４３２号公報Japanese Unexamined Patent Publication No. 2014-13432

識別対象となる物体と、測定点を取得するための測定装置と、の間の距離が大きくなるにつれて、測定点の誤差は大きくなりやすい。測定点の誤差が大きくなるとボクセル表現の変動も大きくなり、物体識別のロバスト性の確保が困難になるという問題があった。 As the distance between the object to be identified and the measuring device for acquiring the measuring point increases, the error of the measuring point tends to increase. When the error of the measurement point becomes large, the fluctuation of the voxel expression also becomes large, and there is a problem that it becomes difficult to secure the robustness of object identification.

本開示は、物体の識別においてロバスト性の向上を図る技術を提供する。 The present disclosure provides a technique for improving robustness in identifying an object.

本開示の第１の態様は、取得部（４１）と、生成部（４３）と、を備える情報処理装置（１２）である。取得部は、物体の存在する位置を示す１つ以上の測定点を検出する測定装置（１１）から、上記１つ以上の測定点を取得するように構成されている。生成部は、１つ以上の測定点が存在する領域を構成する複数の単位領域に対して、上記取得部により取得された１つ以上の測定点それぞれに基づく投票を行い、少なくとも上記複数の単位領域それぞれへの投票値を含む情報である投票情報を生成するように構成されている。 The first aspect of the present disclosure is an information processing apparatus (12) including an acquisition unit (41) and a generation unit (43). The acquisition unit is configured to acquire the one or more measurement points from the measuring device (11) that detects one or more measurement points indicating the position where the object exists. The generation unit votes for a plurality of unit areas constituting an area in which one or more measurement points exist, based on each of the one or more measurement points acquired by the acquisition unit, and at least the plurality of units. It is configured to generate voting information, which is information that includes voting values for each area.

また生成部は、上記１つ以上の測定点それぞれに設定される１つ又は複数の単位領域を含む投票領域に対して投票を行うように構成されている。
このような構成によれば、投票情報における測定点の誤差の影響を低減することができる。よって、投票情報を用いた物体の識別をロバスト性の高いものとすることができる。 Further, the generation unit is configured to vote for a voting area including one or a plurality of unit areas set for each of the one or more measurement points.
According to such a configuration, the influence of the error of the measurement point in the voting information can be reduced. Therefore, the identification of the object using the voting information can be made highly robust.

本開示の第２の態様は、取得部（４１）と、生成部（４３）と、を備える情報処理装置（１２）である。取得部は、物体の存在する位置を示す１つ以上の測定点を検出する測定装置（１１）から、上記１つ以上の測定点を取得するように構成されている。生成部は、１つ以上の測定点が存在する領域を構成する複数の単位領域に対して、上記取得部により取得された１つ以上の測定点それぞれに基づく投票を行い、少なくとも上記複数の単位領域それぞれへの投票値を含む情報である投票情報を生成するように構成されている。 A second aspect of the present disclosure is an information processing apparatus (12) including an acquisition unit (41) and a generation unit (43). The acquisition unit is configured to acquire the one or more measurement points from the measuring device (11) that detects one or more measurement points indicating the position where the object exists. The generation unit votes for a plurality of unit areas constituting an area in which one or more measurement points exist, based on each of the one or more measurement points acquired by the acquisition unit, and at least the plurality of units. It is configured to generate voting information, which is information that includes voting values for each area.

また生成部は、上記単位領域の大きさを変更可能に構成されている。
このような構成によれば、投票情報における測定点の誤差の影響を低減することができる。よって、投票情報を用いた物体の識別をロバスト性の高いものとすることができる。 Further, the generation unit is configured so that the size of the unit area can be changed.
According to such a configuration, the influence of the error of the measurement point in the voting information can be reduced. Therefore, the identification of the object using the voting information can be made highly robust.

なお、この欄及び特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本開示の技術的範囲を限定するものではない。 In addition, the reference numerals in parentheses described in this column and the scope of claims indicate the correspondence with the specific means described in the embodiment described later as one embodiment, and the technical scope of the present disclosure is defined. It is not limited.

図１Ａがレーダ装置の構成を示すブロック図であり、図１Ｂがレーダ制御部の機能ブロック図である。FIG. 1A is a block diagram showing a configuration of a radar device, and FIG. 1B is a functional block diagram of a radar control unit. 発光部の照射態様を説明する図である。It is a figure explaining the irradiation mode of a light emitting part. 物体認識処理のフローチャートである。It is a flowchart of an object recognition process. 識別処理のフローチャートである。It is a flowchart of identification processing. 物体存在領域を説明する図である。It is a figure explaining the object existence area. 図６Ａ〜図６Ｃのいずれも、投票領域に対して投票を行う場合の例を説明する図である。Each of FIGS. 6A to 6C is a diagram illustrating an example in the case of voting in the voting area. 図７Ａ〜図７Ｃのいずれも、投票領域に対して投票を行う場合の例を説明する図である。Each of FIGS. 7A to 7C is a diagram illustrating an example in the case of voting in the voting area. 図８Ａ〜図８Ｃのいずれも、物体との距離に応じた投票領域の設定方法の例を説明する図である。Each of FIGS. 8A to 8C is a diagram illustrating an example of a method of setting a voting area according to a distance to an object. 図９Ａ及び図９Ｂは、測定点との距離に応じて重み付けをされた投票の例であり、図９Ｃは、重み付けの設定方法の例を説明する図である。9A and 9B are examples of voting weighted according to the distance to the measurement point, and FIG. 9C is a diagram illustrating an example of a weighting setting method. 図１０Ａ及び図１０Ｂは、反射強度に応じて重み付けをされた投票の例である。10A and 10B are examples of voting weighted according to reflection intensity. 変形例の識別処理のフローチャートである。It is a flowchart of identification processing of a modification. 図１２Ａ及び図１２Ｂは、反射強度に応じた投票領域の設定方法の例を説明する図である。12A and 12B are diagrams illustrating an example of a method of setting a voting area according to the reflection intensity. 図１３Ａ及び図１３Ｂは、物体存在領域における測定点の位置に応じた投票領域の設定方法の例を説明する図である。13A and 13B are diagrams for explaining an example of a method of setting a voting area according to the position of a measurement point in an object existence area. 図１４Ａ及び図１４Ｂは、ライン毎の２次元ボクセル表現の例を説明する図である。14A and 14B are diagrams illustrating an example of a two-dimensional voxel representation for each line. 変形例の識別処理のフローチャートである。It is a flowchart of identification processing of a modification. 図１６Ａ及び図１６Ｂは、距離に応じた格子サイズの設定方法の例を説明する図である。16A and 16B are diagrams illustrating an example of a method of setting a grid size according to a distance.

以下、図面を参照しながら、発明を実施するための形態を説明する。
［１．第１実施形態］
［１−１．構成］
図１に示すレーダ装置１は、車両に搭載して用いられる装置である。レーダ装置１は、光学ユニット１１と、レーダ制御部１２と、を備える。 Hereinafter, modes for carrying out the invention will be described with reference to the drawings.
[1. First Embodiment]
[1-1. Constitution]
The radar device 1 shown in FIG. 1 is a device mounted on a vehicle and used. The radar device 1 includes an optical unit 11 and a radar control unit 12.

光学ユニット１１は、発光部２１と受光部２２とを備える。発光部２１は、図２に示されるように、車両３の進行方向に向かって光を照射する。受光部２２は、発光部２１にて照射された光の反射光を受ける。この取得した反射光を解析することにより、車両３の外部に存在する物体の存在する位置を示す１つ以上の測定点を検出する。受光部２２による測定点の検出は、所定のサンプリング周期にて実行される。 The optical unit 11 includes a light emitting unit 21 and a light receiving unit 22. As shown in FIG. 2, the light emitting unit 21 irradiates light in the traveling direction of the vehicle 3. The light receiving unit 22 receives the reflected light of the light emitted by the light emitting unit 21. By analyzing the acquired reflected light, one or more measurement points indicating the positions where the objects existing outside the vehicle 3 exist are detected. The detection of the measurement point by the light receiving unit 22 is executed at a predetermined sampling cycle.

光学ユニット１１としては、例えば、ＬＩＤＡＲのようなレーザーレーダを用いることができる。光学ユニット１１が、物体の存在する位置を測定する測定装置の一例である。
レーダ制御部１２は、ＣＰＵ３１と、ＲＡＭ、ＲＯＭ、フラッシュメモリ等の半導体メモリ（以下、メモリ３２）と、を有する周知のマイクロコンピュータを中心に構成される。レーダ制御部１２の各種機能は、ＣＰＵ３１が非遷移的実体的記録媒体に格納されたプログラムを実行することにより実現される。この例では、メモリ３２が、プログラムを格納した非遷移的実体的記録媒体に該当する。また、このプログラムの実行により、プログラムに対応する方法が実行される。なお、レーダ制御部１２を構成するマイクロコンピュータの数は１つでも複数でもよい。 As the optical unit 11, for example, a laser radar such as LIDAR can be used. The optical unit 11 is an example of a measuring device that measures the position where an object exists.
The radar control unit 12 is mainly composed of a well-known microcomputer having a CPU 31 and a semiconductor memory (hereinafter, memory 32) such as a RAM, a ROM, and a flash memory. Various functions of the radar control unit 12 are realized by the CPU 31 executing a program stored in a non-transitional substantive recording medium. In this example, the memory 32 corresponds to a non-transitional substantive recording medium in which the program is stored. In addition, by executing this program, the method corresponding to the program is executed. The number of microcomputers constituting the radar control unit 12 may be one or a plurality.

レーダ制御部１２は、ＣＰＵ３１がプログラムを実行することで実現される機能の構成として、取得部４１と、設定部４２と、生成部４３と、識別部４４と、を備える。レーダ制御部１２を構成するこれらの要素を実現する手法はソフトウェアに限るものではなく、その一部又は全部の要素について、一つあるいは複数のハードウェアを用いて実現してもよい。例えば、上記機能がハードウェアである電子回路によって実現される場合、その電子回路は多数の論理回路を含むデジタル回路、又はアナログ回路、あるいはこれらの組合せによって実現してもよい。このレーダ制御部１２が、情報処理装置に相当する。 The radar control unit 12 includes an acquisition unit 41, a setting unit 42, a generation unit 43, and an identification unit 44 as a function configuration realized by the CPU 31 executing a program. The method for realizing these elements constituting the radar control unit 12 is not limited to software, and some or all of the elements may be realized by using one or more hardware. For example, when the above function is realized by an electronic circuit which is hardware, the electronic circuit may be realized by a digital circuit including a large number of logic circuits, an analog circuit, or a combination thereof. The radar control unit 12 corresponds to an information processing device.

［１−２．処理］
［１−２−１．物体認識処理］
レーダ制御部１２のＣＰＵ３１が実行する物体認識処理について、図３のフローチャートを用いて説明する。 [1-2. process]
[1-2-1. Object recognition processing]
The object recognition process executed by the CPU 31 of the radar control unit 12 will be described with reference to the flowchart of FIG.

まず、Ｓ１では、ＣＰＵ３１は、上述したサンプリング周期に合わせて、光学ユニット１１から複数の測定点を取得する。このＳ１の処理が、取得部４１による処理である。
Ｓ２では、ＣＰＵ３１は、クラスタリングを実行する。ここでは、Ｓ１にて取得された複数の測定点を対象として、点間距離が所定の距離以下の測定点をクラスタリングし、１つ以上のクラスタ点群を生成する。このクラスタ点群を単位として、後述するＳ３の識別処理が実行される。なおクラスタリングの処理は、例えば特開２０１２−２２１４５６に示されるような既存の技術を用いることができる。 First, in S1, the CPU 31 acquires a plurality of measurement points from the optical unit 11 in accordance with the sampling period described above. The process of S1 is the process of the acquisition unit 41.
In S2, the CPU 31 executes clustering. Here, for a plurality of measurement points acquired in S1, measurement points whose inter-point distance is equal to or less than a predetermined distance are clustered to generate one or more cluster point groups. The identification process of S3, which will be described later, is executed with this cluster point cloud as a unit. For the clustering process, for example, an existing technique as shown in Japanese Patent Application Laid-Open No. 2012-22145 can be used.

Ｓ３では、ＣＰＵ３１は、識別処理を実行する。ここでは、クラスタ点群が存在する３次元空間を分割した複数の単位領域に対して、取得部４１により取得された１つ以上の測定点それぞれに基づく投票を行い、少なくとも複数の単位領域それぞれへの投票値を含む情報であるボクセル表現を生成する。そして、取得したボクセル表現を用いて物体の識別を行う。以下、クラスタ点群からボクセル表現を生成することを、ボクセル化とも記載する。本実施形態においては、上述した単位領域は格子状に設定される。このＳ３の識別処理の詳細については後述する。ここでいう投票値とは、単位領域に投票された数と、各投票の重み付けと、を考慮した値である。投票に重み付けを行わない場合、各単位領域の投票数が投票値となる。なお上述したボクセル表現が、クラスタ点群をボクセル化した結果の特徴量であり、投票情報に相当する。このＳ３の後、図３の処理を終了する。 In S3, the CPU 31 executes the identification process. Here, a vote is performed based on each of one or more measurement points acquired by the acquisition unit 41 for a plurality of unit areas that divide the three-dimensional space in which the cluster point cloud exists, and at least each of the plurality of unit areas is voted. Generates a voxel representation that is information containing the voting value of. Then, the object is identified using the acquired voxel representation. Hereinafter, generating a voxel representation from a cluster point cloud is also described as voxelization. In the present embodiment, the above-mentioned unit regions are set in a grid pattern. The details of the identification process of S3 will be described later. The voting value referred to here is a value that takes into consideration the number of votes cast in the unit area and the weighting of each vote. If the votes are not weighted, the number of votes in each unit area will be the voting value. The above-mentioned voxel expression is a feature amount of the result of voxelizing the cluster point cloud, and corresponds to voting information. After this S3, the process of FIG. 3 ends.

［１−２−２．識別処理］
レーダ制御部１２のＣＰＵ３１が実行する識別処理について、図４のフローチャートを用いて説明する。 [1-2-2. Identification process]
The identification process executed by the CPU 31 of the radar control unit 12 will be described with reference to the flowchart of FIG.

Ｓ１１では、まずＣＰＵ３１は、格子設定を行う。ここでは、図５に示されるように、光学ユニット１１により測定された１つ以上の測定点１０１に基づいて生成された１つのクラスタ点群１１１に対して、当該クラスタ点群１１１が内部に含まれる箱型の３次元空間である物体存在領域１１３を設定する。つまり、物体存在領域１１３は、１つ以上の測定点１０１が存在する領域である。 In S11, the CPU 31 first sets the grid. Here, as shown in FIG. 5, the cluster point group 111 is internally included in one cluster point group 111 generated based on one or more measurement points 101 measured by the optical unit 11. The object existence area 113, which is a box-shaped three-dimensional space, is set. That is, the object existence region 113 is an region in which one or more measurement points 101 exist.

上述した単位領域１０２は、物体存在領域１１３を格子状に分割したものである。換言すると、複数の単位領域１０２によって物体存在領域１１３が構成される。なお物体存在領域１１３に含まれる複数の単位領域１０２には、測定点１０１が存在する単位領域１０２と、測定点１０１が存在しない単位領域１０２と、が存在する。 The unit region 102 described above is a grid-like division of the object existence region 113. In other words, the object existence region 113 is composed of the plurality of unit regions 102. The plurality of unit regions 102 included in the object existence region 113 include a unit region 102 in which the measurement point 101 exists and a unit region 102 in which the measurement point 101 does not exist.

本実施形態においては、格子のサイズは物体存在領域１１３の位置や大きさに関らず一定である。このＳ１１の処理が、上述した設定部４２による処理である。
Ｓ１２では、ＣＰＵ３１は、ボクセル値計算を行う。ここでは、取得された測定点１０１それぞれに設定される投票領域に対して投票を行う。投票領域とは、１つ又は複数の単位領域を含むものである。 In the present embodiment, the size of the grid is constant regardless of the position and size of the object existence region 113. The process of S11 is the process of the setting unit 42 described above.
In S12, the CPU 31 calculates the voxel value. Here, voting is performed for the voting area set for each of the acquired measurement points 101. The voting area includes one or more unit areas.

また投票は、重み付けを伴って行われる。具体的には、投票領域に含まれる１つ以上の単位領域に対して、投票領域への投票に係る測定点１０１からの距離が大きい単位領域ほど重み付けが小さくなるように投票が行われる。 Voting is also weighted. Specifically, voting is performed on one or more unit areas included in the voting area so that the weighting becomes smaller as the distance from the measurement point 101 related to voting in the voting area is larger.

まず、投票領域の設定について図６〜図８を用いて説明する。
図６Ａ〜６Ｃは、１つの測定点１０１について、それぞれ異なる態様で単位領域１０２に投票が行われた状態を示す図である。なお理解を容易にする目的で、図６Ａ〜６Ｃでは２次元的な図形を用いると共に、投票値については重み付けを考慮せずに「１」の値が投票されるものとする。 First, the setting of the voting area will be described with reference to FIGS. 6 to 8.
6A to 6C are diagrams showing a state in which voting is performed on the unit region 102 in different modes for one measurement point 101. For the purpose of facilitating understanding, two-dimensional figures are used in FIGS. 6A to 6C, and a value of "1" is voted for the voting value without considering weighting.

図６Ａは、測定点１０１が投票された単位領域１０２である主領域１０２Ａ、及び、主領域１０２Ａに隣接する空間である副領域１０２Ｂに対して投票が行われる場合を示す。３次元空間上では、主領域１０２Ａと隣接する副領域１０２Ｂは６つ存在するため、合計７つの単位領域１０２に対して投票が行われる。この７つの単位領域１０２が、投票領域１０９となる。 FIG. 6A shows a case where voting is performed on the main region 102A, which is the unit region 102 in which the measurement point 101 has been voted, and the sub-region 102B, which is a space adjacent to the main region 102A. Since there are six sub-regions 102B adjacent to the main region 102A on the three-dimensional space, a total of seven unit regions 102 are voted. These seven unit areas 102 become voting areas 109.

図６Ｂは、投票が行われる単位領域１０２の選択方法を図６Ａのものから変更したものである。この場合では、主領域１０２Ａの周囲を囲むように設定された副領域１０２Ｃに対して投票が行われる。３次元空間上では、主領域１０２Ａと隣接する副領域１０２Ｃは２６個存在する。よって、合計２７個の単位領域１０２に対して投票が行われる。この２７個の単位領域１０２が、投票領域１０９となる。 FIG. 6B is a modification of the method of selecting the unit area 102 in which voting is performed from that of FIG. 6A. In this case, voting is performed on the sub-region 102C set to surround the main region 102A. In the three-dimensional space, there are 26 sub-regions 102C adjacent to the main region 102A. Therefore, a vote is made for a total of 27 unit areas 102. The 27 unit areas 102 become voting areas 109.

図６Ｃは、投票が行われる単位領域１０２を、測定点１０１からの距離に応じて定めた場合の図である。図６Ｃに示されるように、測定点１０１から所定の距離に存在する単位領域１０２、言い換えると、測定点１０１を中心とする球体１０４内に一部でも含まれる単位領域１０２を、副領域１０２Ｄとして設定する。 FIG. 6C is a diagram when the unit area 102 in which voting is performed is determined according to the distance from the measurement point 101. As shown in FIG. 6C, the unit region 102 existing at a predetermined distance from the measurement point 101, in other words, the unit region 102 included in the sphere 104 centered on the measurement point 101 as a sub-region 102D. Set.

なお、副領域１０２Ｄを決定するための判断基準となる測定点１０１からの距離は、全ての方向に対して一定でなくともよい。例えば、図７Ａ〜７Ｃに示されるように、断面が楕円形の空間を基準として副領域１０２Ｄを決定してもよい。図７Ａ〜７Ｃの例では、Ｘ方向に関しては閾値となる距離が小さいが、Ｚ方向に関してはより距離が大きく、Ｙ方向に関してはＺ方向よりもさらに距離が大きくなるように設定されている。 The distance from the measurement point 101, which is a criterion for determining the sub-region 102D, does not have to be constant in all directions. For example, as shown in FIGS. 7A-7C, the sub-region 102D may be determined with reference to a space having an elliptical cross section. In the examples of FIGS. 7A to 7C, the threshold distance is small in the X direction, but the distance is larger in the Z direction, and the distance is set to be larger in the Y direction than in the Z direction.

本実施形態において、投票領域１０９の広さ、即ち投票領域１０９に含まれる単位領域１０２の数は、光学ユニット１１から該投票領域１０９への投票に係る測定点１０１までの距離が大きいほど、多くなるように設定される。 In the present embodiment, the size of the voting area 109, that is, the number of unit areas 102 included in the voting area 109 increases as the distance from the optical unit 11 to the measurement point 101 related to voting in the voting area 109 increases. Is set to be.

例えば図８Ａに示されるように、物体と光学ユニット１１との間の距離と、投票領域１０９の広さとの関係式を、線形の１次式又は２次式以上の高次多項式にて設定することができる。物体の位置は、測定点１０１の位置と言い換えることができる。またこれらの関係式は、実験的に求めた複数の実験値８１から算出することが考えられる。なおこれらの関係式は、方向ごとに閾値を変えてもよい。例えば図８Ｂに示されるように、物体存在空間の水平方向、垂直方向、奥行方向のそれぞれについて異なる関係式が設定されていてもよい。なお、これらの関係式は、特に図６Ｃや図７Ａ〜７Ｃで示されるように、測定点１０１からの距離を閾値として副領域を設定する場合に都合がよい。 For example, as shown in FIG. 8A, the relational expression between the distance between the object and the optical unit 11 and the size of the voting area 109 is set by a linear first-order expression or a higher-order polynomial of a second-order or higher order. be able to. The position of the object can be rephrased as the position of the measurement point 101. Further, these relational expressions may be calculated from a plurality of experimental values 81 obtained experimentally. In these relational expressions, the threshold value may be changed for each direction. For example, as shown in FIG. 8B, different relational expressions may be set for each of the horizontal direction, the vertical direction, and the depth direction of the object existence space. It should be noted that these relational expressions are particularly convenient when the sub-region is set with the distance from the measurement point 101 as a threshold value, as shown in FIGS. 6C and 7A to 7C.

また、図８Ｃに示されるように、上述した物体と光学ユニット１１との距離と、格子数と、の関係を設定することができる。図８Ｃのうち実線は、投票領域として、測定点１０１が存在する主領域１０２Ａから拡張される範囲を示すサイズを示している。また図８Ｃのうち破線は、測定点１０１が存在する主領域１０２Ａを中心とした投票領域１０９に含まれる単位領域１０２（副領域）の総数を示している。上述した拡張範囲のサイズが１のとき、即ち、主領域１０２Ａを中心とした、１辺が格子３つ分の長さの立方体を投票領域とするとき、副領域の数は、主領域１０２Ａを中心とした、３^３個の格子のうち主領域１０２Ａの分の１を除いた２６個になる。同様に、上述した拡張範囲のサイズが２のときは５^３から１を除いた１２４個となり、拡張範囲のサイズが３のときは７^３から１を除いた３４２個となる。 Further, as shown in FIG. 8C, the relationship between the distance between the above-mentioned object and the optical unit 11 and the number of lattices can be set. The solid line in FIG. 8C shows the size indicating the range extended from the main area 102A where the measurement point 101 exists as the voting area. Further, the broken line in FIG. 8C shows the total number of unit regions 102 (sub-regions) included in the voting region 109 centered on the main region 102A where the measurement point 101 exists. When the size of the above-mentioned expansion range is 1, that is, when a cube centered on the main region 102A and having a side having a length of three grids is used as the voting region, the number of sub-regions is the main region 102A. Of the 33 grids at the center, 26 are excluded, excluding one- ^{third of the main region 102A.} Similarly, the size of the extended range described above 124 pieces and will, except for the 5 ³ 1 When the 2, when the size of the extended range of 3 a 342 amino excluding the 1 to 7 ^3.

次に、重み付けの設定について、図９Ａ〜９Ｃを用いて説明する。
図９Ａは、図６Ａのように投票領域１０９を設定した場合において、主領域１０２Ａと副領域１０２Ｂとで重み付けを変えた投票状態を示す。ここでは、測定点１０１を含む主領域１０２Ａには「４」が、副領域１０２Ｂには「１」が投票される。 Next, the weighting setting will be described with reference to FIGS. 9A to 9C.
FIG. 9A shows a voting state in which the weighting is changed between the main area 102A and the sub area 102B when the voting area 109 is set as shown in FIG. 6A. Here, "4" is voted for the main region 102A including the measurement point 101, and "1" is voted for the sub-region 102B.

図９Ｂは、図６Ｂのように投票領域１０９を設定した場合において重み付けを変えた投票状態を示す。ここでは、主領域１０２Ａには「１６」が投票される。また副領域１０２Ｃのうち、３次元空間において主領域１０２Ａと面同士が隣接する副領域１０２Ｃには「２」が投票され、それ以外の副領域１０２Ｃには「１」が投票される。 FIG. 9B shows a voting state in which the weighting is changed when the voting area 109 is set as shown in FIG. 6B. Here, "16" is voted for the main area 102A. Of the sub-regions 102C, "2" is voted for the sub-region 102C whose faces are adjacent to the main region 102A in the three-dimensional space, and "1" is voted for the other sub-regions 102C.

各単位領域１０２に投票される値は、測定点１０１からの距離が大きい単位領域１０２ほど重み付けが小さくなるように設定することができる。このような距離と重み付けの関係は、常に厳密なものでなくてもよい。例えば、図９Ｂでは主領域１０２Ａを基準とした距離によって重み付けをしているため、測定点１０１からの距離が小さくとも重み付けが小さくなる場合がある。しかしながら、物体存在領域１１３全体として見たときに、測定点１０１からの距離と重み付けの関係が大よそ成立していればよい。 The value voted for each unit area 102 can be set so that the weighting becomes smaller as the distance from the measurement point 101 increases. Such a distance-weighting relationship does not always have to be exact. For example, in FIG. 9B, since the weighting is performed according to the distance with respect to the main region 102A, the weighting may be small even if the distance from the measurement point 101 is small. However, when the object existence region 113 as a whole is viewed, it is sufficient that the relationship between the distance from the measurement point 101 and the weighting is roughly established.

図９Ｃに示されるように、測定点１０１から単位領域１０２までの距離と、投票重みと、の関係は、距離が大きいほど重み付けが小さくなる。ここで、上記距離と投票重みとの関係式は、例えば、線形関数やガウス関数などで示すことができる。 As shown in FIG. 9C, the relationship between the distance from the measurement point 101 to the unit area 102 and the voting weight becomes smaller as the distance increases. Here, the relational expression between the distance and the voting weight can be shown by, for example, a linear function or a Gaussian function.

以上の方法で、測定点それぞれに基づいて投票領域１０９に含まれる単位領域１０２への投票が行われ、その合計値が、物体存在領域１１３に係るボクセル表現として出力される。ボクセル表現には、物体存在領域１１３の大きさ、即ち物体存在領域１１３を構成する単位領域の数や形状などの情報と、単位領域ごとの、全ての測定点に基づく投票値の合計と、の情報が含まれる。このＳ１２の処理が、上述した生成部４３による処理である。 By the above method, voting is performed on the unit area 102 included in the voting area 109 based on each measurement point, and the total value thereof is output as a voxel expression relating to the object existence area 113. The voxel representation includes information such as the size of the object existence area 113, that is, the number and shape of the unit areas constituting the object existence area 113, and the total of the voting values based on all the measurement points for each unit area. Contains information. The process of S12 is the process of the generation unit 43 described above.

図４の説明に戻る。
Ｓ１３では、ＣＰＵ３１は、Ｓ１２にて取得したボクセル表現を用いて、サポートベクターマシン（以下、ＳＶＭ）の適用を実行する。ここでは、予め学習により作成された、例えば人や車などの所定の識別対象であるか否かを識別する識別器であるＳＶＭモデルが用いられる。 Returning to the description of FIG.
In S13, the CPU 31 applies the support vector machine (hereinafter, SVM) by using the voxel representation acquired in S12. Here, an SVM model, which is a discriminator created in advance by learning and discriminating whether or not it is a predetermined identification target such as a person or a car, is used.

ＳＶＭモデル作成は、次のように行う。まず、所定の識別対象と非識別対象に係る複数の学習用クラスタ点群に対してボクセル化を行う。その後、それぞれにて取得されたボクセル表現をベクトル化する。このようにして取得された識別対象と非識別対象の特徴ベクトル群に基づいて、ＳＶＭモデルを作成する。 The SVM model is created as follows. First, voxels are formed for a plurality of learning cluster point clouds related to a predetermined identification target and a non-identification target. After that, the voxel representations obtained in each are vectorized. An SVM model is created based on the feature vector group of the identification target and the non-identification target acquired in this way.

識別部４４は、上述したボクセル表現をＳＶＭモデルに代入することにより、クラスタ点群に対応する物体が、当該ＳＶＭモデルが識別する識別対象であるか否かの判定を行うように構成されている。 The identification unit 44 is configured to determine whether or not the object corresponding to the cluster point cloud is the identification target to be identified by the SVM model by substituting the above-mentioned voxel representation into the SVM model. ..

このＳ１３の処理が、上述した識別部４４による識別処理である。このＳ１３の後、本処理が終了する。
［１−３．効果］
以上詳述した第１実施形態によれば、以下の効果が得られる。 The process of S13 is the identification process by the identification unit 44 described above. After this S13, this process ends.
[1-3. effect]
According to the first embodiment described in detail above, the following effects can be obtained.

（１ａ）本実施形態のレーダ装置１では、取得された測定点１０１に基づいて複数の単位領域１０２に投票がなされる。よって、取得されるボクセル表現に対する、測定誤差やノイズの影響を小さくすることができ、識別器による識別性を高めたロバストな物体の識別を行うことができる。 (1a) In the radar device 1 of the present embodiment, votes are cast for a plurality of unit areas 102 based on the acquired measurement points 101. Therefore, it is possible to reduce the influence of measurement error and noise on the acquired voxel representation, and it is possible to identify a robust object with enhanced discriminability by a discriminator.

なお本実施形態では、光学ユニット１１から測定点１０１までの距離が大きいほど、投票領域１０９が拡大される。上述した距離が大きくなるほど測定誤差やノイズの影響を受けやすくなる場合には、より高度に物体識別のロバスト性を向上させることができる。 In the present embodiment, the larger the distance from the optical unit 11 to the measurement point 101, the larger the voting area 109. When the above-mentioned distance becomes larger and more susceptible to measurement error and noise, the robustness of object identification can be improved to a higher degree.

（１ｂ）レーダ装置１では、測定点１０１から単位領域１０２までの距離が大きいほど、投票の重み付けが小さくなり、投票値が小さくなる。これにより、測定されたデータを重視しつつも、測定点の誤差を吸収し、ロバストな物体識別を行うことができる。 (1b) In the radar device 1, the larger the distance from the measurement point 101 to the unit area 102, the smaller the voting weight and the smaller the voting value. As a result, it is possible to absorb the error of the measurement point and perform robust object identification while emphasizing the measured data.

［１−４．第１実施形態の変形例］
＜変形例１：重み付けの不使用＞
上記実施形態においては、測定点１０１から投票領域に含まれる単位領域１０２への距離に応じて重み付けを行う構成を例示したが、重み付けは行われず、同じ値が投票される構成であってもよい。 [1-4. Modification example of the first embodiment]
<Modification example 1: No weighting>
In the above embodiment, a configuration in which weighting is performed according to the distance from the measurement point 101 to the unit region 102 included in the voting area is illustrated, but weighting is not performed and the same value may be voted. ..

＜変形例２：反射強度に基づく重み付け投票＞
（ｉ）光学ユニット１１は、受光部２２が取得した反射光の強度（以下、反射強度と記載する）を出力可能に構成されている。このように、物体表面から該測定装置に向かって進む光を取得して該物体の位置を測定すると共に、その取得した光の強度を出力可能に構成されている場合には、投票における重み付けを、反射強度に応じて設定してもよい。 <Modification 2: Weighted voting based on reflection intensity>
(I) The optical unit 11 is configured to be able to output the intensity of the reflected light acquired by the light receiving unit 22 (hereinafter, referred to as the reflected intensity). In this way, when the position of the object is measured by acquiring the light traveling from the surface of the object toward the measuring device and the intensity of the acquired light can be output, the weighting in the voting is given. , May be set according to the reflection intensity.

例えば、生成部４３は、投票領域１０９に含まれる１つ以上の単位領域１０２に対して、投票領域１０９への投票に係る測定点１０１を取得するために光学ユニット１１が取得した光の反射強度が大きいほど重み付けが大きくなるように投票を行うように構成することができる。 For example, the generation unit 43 has a light reflection intensity acquired by the optical unit 11 in order to acquire a measurement point 101 related to voting in the voting region 109 with respect to one or more unit regions 102 included in the voting region 109. It can be configured to vote so that the larger the value, the greater the weighting.

なお、ここでいう反射強度とは、光学ユニット（１１）が取得した反射光の強さ（明るさ）を意味する。
具体的には、図１０Ａに示されるように、主領域１０２Ａと副領域１０２Ｃとを含む投票領域１０９には、測定点１０１の反射強度に応じたパラメータ「ｐ」が投票されるように構成することができる。 The reflection intensity referred to here means the intensity (brightness) of the reflected light acquired by the optical unit (11).
Specifically, as shown in FIG. 10A, the voting region 109 including the main region 102A and the sub-region 102C is configured so that the parameter “p” corresponding to the reflection intensity of the measurement point 101 is voted. be able to.

また、図１０Ｂに示されるように、反射強度による重み付けと、測定点１０１から単位領域１０２までの距離による重み付けと、を組み合わせた重み付けにすることもできる。
（ｉｉ）投票情報として、反射強度による重み付けを行わない場合のボクセル表現と、反射強度による重み付けを行う場合のボクセル表現と、を組み合わせた１つの特徴量を生成して、その投票情報に基づいて識別を行うように構成してもよい。 Further, as shown in FIG. 10B, the weighting based on the reflection intensity and the weighting based on the distance from the measurement point 101 to the unit region 102 can be combined.
(Ii) As voting information, one feature quantity that combines a voxel expression when weighting by reflection intensity and a voxel expression when weighting by reflection intensity is performed is generated, and based on the voting information. It may be configured to perform identification.

この場合において、ＳＶＭモデル作成は、次のように行う。まず、所定の識別対象と非識別対象に係る複数の学習用クラスタ点群に対して、反射強度を用いない通常のボクセル化と、反射強度を用いたボクセル化と、を行う。その後、それぞれにて取得されたボクセル表現を、ベクトル化し結合する。このようにして取得された識別対象と非識別対象の特徴ベクトルに基づいて、ＳＶＭモデルを作成する。 In this case, the SVM model is created as follows. First, a normal voxelization without using the reflection intensity and a voxelization using the reflection intensity are performed on a plurality of learning cluster point clouds related to a predetermined identification target and a non-identification target. After that, the voxel representations obtained in each are vectorized and combined. An SVM model is created based on the feature vectors of the identification target and the non-identification target obtained in this way.

次に、レーダ制御部１２のＣＰＵ３１が実行する識別処理について、図１１のフローチャートを用いて説明する。
まず、Ｓ２１では、ＣＰＵ３１は、通常のボクセル化を実行する。つまり、図１０Ａ、１０Ｂに示されるように重み付け投票を行い、その結果のボクセル表現を取得する。 Next, the identification process executed by the CPU 31 of the radar control unit 12 will be described with reference to the flowchart of FIG.
First, in S21, the CPU 31 executes normal voxelization. That is, weighted voting is performed as shown in FIGS. 10A and 10B, and the resulting voxel representation is acquired.

Ｓ２２では、ＣＰＵ３１は、反射強度を用いたボクセル化を実行する。
Ｓ２３では、ＣＰＵ３１は、ＳＶＭの適用を実行する。ここでは、Ｓ２１及びＳ２２にて取得したボクセル表現を、上述したＳＶＭモデルを作成するステップと同様の手法にて結合する。その結合した特徴ベクトルを、学習により予め生成されたＳＶＭモデルに代入して、物体が識別対象物であるか否かを出力する。その後、本処理を終了する。 In S22, the CPU 31 executes voxelization using the reflection intensity.
In S23, the CPU 31 executes the application of the SVM. Here, the voxel representations acquired in S21 and S22 are combined by the same method as in the step of creating the SVM model described above. The combined feature vector is substituted into the SVM model generated in advance by learning, and whether or not the object is an object to be identified is output. After that, this process ends.

このような構成であれば、物体の識別を行う場合に、測定点の反射強度が考慮されることとなる。よって、より精度の高い識別処理を実行できるようになるとともに、測定点のノイズに強いロバストな識別処理を実行することができる。 With such a configuration, the reflection intensity of the measurement point is taken into consideration when identifying the object. Therefore, it becomes possible to execute the identification process with higher accuracy, and it is possible to execute the robust identification process that is resistant to noise at the measurement point.

なお、反射強度による重み付けを行ってボクセル表現を取得した場合においては、そのボクセル表現のみを用いて物体の識別を実行してもよいし、反射強度による重み付けを行わない場合のボクセル表現も同時に取得して、識別器のスコアが高い方を取得するように構成されていてもよい。 When the voxel expression is acquired by weighting by the reflection intensity, the object may be identified by using only the voxel expression, or the voxel expression when the weighting by the reflection intensity is not performed is also acquired at the same time. Then, it may be configured to acquire the higher score of the discriminator.

＜変形例３：反射強度による投票領域の設定＞
上記変形例２に示されるように、測定点それぞれに係る反射強度を取得可能である場合には、反射強度に反比例して投票領域１０９の広さが変化するように構成されていてもよい。例えば、図１２Ａに示されるように、反射強度と投票領域の関係が実験的に求めた２点の実験値８３を用いて線形に変化するように関係付けられていてもよいし、高次多項式によって関係付けられていてもよい。 <Modification 3: Setting of voting area by reflection intensity>
As shown in the second modification, if the reflection intensity related to each measurement point can be obtained, the size of the voting area 109 may be changed in inverse proportion to the reflection intensity. For example, as shown in FIG. 12A, the relationship between the reflection intensity and the voting region may be related so as to change linearly using two experimental values 83 obtained experimentally, or a high-order polynomial. May be related by.

この場合は、投票領域１０９は、該投票領域１０９への投票に係る測定点の反射強度が小さいほど、投票領域１０９に含まれる単位領域１０２の数が多くなる。
またノイズ特性を考慮して、図１２Ｂに示されるように、垂直方向、水平方向、奥行方向ごとに反射強度に応じた投票領域１０９が個別に変化するように構成されていてもよい。 In this case, the voting area 109 has a larger number of unit areas 102 included in the voting area 109 as the reflection intensity of the measurement point related to voting on the voting area 109 is smaller.
Further, in consideration of noise characteristics, as shown in FIG. 12B, the voting area 109 may be individually configured to change according to the reflection intensity in each of the vertical direction, the horizontal direction, and the depth direction.

＜変形例４：対象の動きに応じた投票領域の設定＞
上記実施形態にて説明したように、クラスタ点群１１１に基づいて設定部４２により物体存在領域１１３が設定される。ここで、投票領域１０９に含まれる単位領域１０２の数は、投票領域１０９への投票に係る測定点１０１の物体存在領域１１３における位置に応じて設定されるように構成されていてもよい。 <Modification 4: Setting of voting area according to the movement of the target>
As described in the above embodiment, the object existence region 113 is set by the setting unit 42 based on the cluster point cloud group 111. Here, the number of unit areas 102 included in the voting area 109 may be set according to the position of the measurement point 101 related to voting in the voting area 109 in the object existence area 113.

例えば、図１３Ａに示されるように、識別器の識別対象が人７１である場合において、腕部７２と脚部７３は、動作によって位置の変動が大きくなりやすいため、測定点にばらつきが生じやすい部分であると考えられる。そこで、図１３Ｂに示されるように、物体存在領域１１３における腕部７２及び脚部７３に対応する領域に測定点が存在する場合には、投票領域１０９を広く設定し、また、その他の頭部７４、胴部７５などの動きが小さい部分については、投票領域１０９を相対的に狭く設定することが考えられる。 For example, as shown in FIG. 13A, when the identification target of the classifier is the person 71, the positions of the arms 72 and the legs 73 tend to fluctuate greatly depending on the movement, so that the measurement points tend to fluctuate. Considered to be a part. Therefore, as shown in FIG. 13B, when the measurement points are present in the regions corresponding to the arms 72 and the legs 73 in the object existence region 113, the voting region 109 is set wide, and the other heads are also set. It is conceivable to set the voting area 109 to be relatively narrow for the portion where the movement is small, such as 74 and the body portion 75.

このように構成することで、動きの大きい部分により生じる測定点のばらつきを吸収してロバストな物体の識別を行うことができる。
＜変形例５：検出ラインに対応する２次元の単位領域設定＞
図１４Ａに示されるように、光学ユニット１１が取得する測定点１０１は、層状に並ぶ複数の仮想平面（光学ユニット１１の発光仕様によって定義される）と、識別対象物の表面と、の交線上において取得されている。なお以下の説明において、前記交線をラインと呼び、ラインの数と仮想平面の数とは同じである。 With this configuration, it is possible to identify a robust object by absorbing variations in measurement points caused by a portion having a large movement.
<Modification 5: Two-dimensional unit area setting corresponding to the detection line>
As shown in FIG. 14A, the measurement points 101 acquired by the optical unit 11 are on the intersection of a plurality of virtual planes (defined by the light emission specifications of the optical unit 11) arranged in layers and the surface of the identification object. Has been obtained at. In the following description, the line of intersection is called a line, and the number of lines and the number of virtual planes are the same.

そこで、取得されたクラスタ点群を、上述した複数の仮想平面ごとに分割し、分割したクラスタ点群ごとに、投票領域に対して投票を行うように構成されていてもよい。
図１４Ａでは、識別対象物１１５が６つのラインＬ１〜Ｌ６により構成されている。この６つのラインに対応する仮想平面は６つ存在する。ここで、その６つの仮想平面それぞれに対応するように、複数の単位領域１０２を組み合わせて構成された６つの物体存在領域１２１を設定することができる。この物体存在領域１２１は、２次元平面として扱うことができる。 Therefore, the acquired cluster point cloud may be divided into the plurality of virtual planes described above, and each of the divided cluster point groups may be configured to vote for the voting area.
In FIG. 14A, the identification object 115 is composed of six lines L1 to L6. There are six virtual planes corresponding to these six lines. Here, six object existence regions 121 configured by combining a plurality of unit regions 102 can be set so as to correspond to each of the six virtual planes. This object existence region 121 can be treated as a two-dimensional plane.

取得される投票情報は、その識別対象物１１５のライン数分の２次元ボクセル（すなわちピクセル）表現を含む情報である。
図１４Ｂに示されるように、遠方に存在する識別対象物１１７は、相対的に少ないライン数で測定点１０１が取得される。その結果、その識別対象物１１７に対応する物体存在領域１２１の数が減少する。そこで、物体存在領域１２１の数に応じて予め準備した識別器を用いることで、より高精度に物体の識別を行うことができる。 The voting information acquired is information including a two-dimensional voxel (that is, pixel) representation corresponding to the number of lines of the identification object 115.
As shown in FIG. 14B, the measurement point 101 is acquired with a relatively small number of lines for the identification object 117 existing in the distance. As a result, the number of object existence regions 121 corresponding to the identification object 117 is reduced. Therefore, by using a classifier prepared in advance according to the number of object existence regions 121, it is possible to discriminate an object with higher accuracy.

このようにボクセル表現を取得することで、ライン数にかかわらず単一の識別器を用いた場合と比較して、物体の識別の精度を高めることができる。
以下に具体的な処理を説明する。レーダ制御部１２のＣＰＵ３１は、図３に示されるフローチャートに沿って処理を実行するが、Ｓ３の識別処理の具体的な内容が上記実施形態とは相違するため、その点について説明する。 By acquiring the voxel representation in this way, the accuracy of object identification can be improved as compared with the case where a single classifier is used regardless of the number of lines.
Specific processing will be described below. The CPU 31 of the radar control unit 12 executes the process according to the flowchart shown in FIG. 3, but since the specific content of the identification process of S3 is different from that of the above embodiment, this point will be described.

レーダ制御部１２のＣＰＵ３１が実行する識別処理について、図１５のフローチャートを用いて説明する。
この処理では、まず、Ｓ３１〜Ｓ３３を反復して行う。反復はｌ回実行される。ここでいうｌとは、ライン数であり、言い換えると物体存在領域１２１の数である。以下の説明におけるｉは、その時点での反復回数である。 The identification process executed by the CPU 31 of the radar control unit 12 will be described with reference to the flowchart of FIG.
In this process, first, S31 to S33 are repeated. The iteration is performed l times. Here, l is the number of lines, in other words, the number of object existence regions 121. In the following description, i is the number of iterations at that time.

Ｓ３１では、ＣＰＵ３１は、格子設定を行う。具体的には、ｉ番目の仮想平面において、格子状に分割した単位領域１０２を組み合わせた物体存在領域１２１を設定する。
Ｓ３２では、ＣＰＵ３１は、ライン数がｌであるクラスタ点群の中から、ｉ番目のラインに対応する測定点１０１のデータを抽出して取得する。 In S31, the CPU 31 sets the grid. Specifically, in the i-th virtual plane, an object existence region 121 in which unit regions 102 divided in a grid pattern are combined is set.
In S32, the CPU 31 extracts and acquires the data of the measurement point 101 corresponding to the i-th line from the cluster point group in which the number of lines is l.

Ｓ３３では、ボクセル値を計算する。ここでは、測定点１０１に応じた１つ以上の投票領域を対象として投票を行う。投票領域の設定や重み付けなどは、上記実施形態や変形例にて説明した手法を２次元に変更して用いることができる。 In S33, the voxel value is calculated. Here, voting is performed for one or more voting areas according to the measurement point 101. For the setting and weighting of the voting area, the method described in the above-described embodiment or modification can be changed to two dimensions and used.

このＳ３１〜Ｓ３３を、全ての物体存在領域１２１について実行する。これにより、投票情報として、ｌ層の２次元ボクセル（すなわちピクセル）表現を取得する。その後、処理がＳ３４に移行する。 These S31 to S33 are executed for all the object existence regions 121. As a result, the two-dimensional voxel (that is, pixel) representation of the l-layer is acquired as voting information. After that, the process shifts to S34.

Ｓ３４では、ＣＰＵ３１は、予め学習されたＳＶＭモデルの中から、ライン数ｌのモデルを選定する。
識別器であるＳＶＭモデルは、ライン数ごとに作成される。即ち、ある識別対象物に基づいて生成された学習用のクラスタ点群について、ライン数をｉとしたときのクラスタ点群を抽出する。そして、ラインごとにボクセル化を行い、取得された２次元ボクセル（すなわちピクセル）表現を用いてＳＶＭモデルを作成する。この処理を、ライン数ｉを１〜Ｌまで繰り返すことにより、ライン数ごとのＳＶＭモデルを作成する。なおＬとは、光学ユニット１１が取り得る最大のライン数である。もちろん、全てのライン数に対してＳＶＭモデルを作成する必要があるわけではない。 In S34, the CPU 31 selects a model having the number of lines l from the SVM models learned in advance.
The SVM model, which is a classifier, is created for each number of lines. That is, the cluster point cloud for learning generated based on a certain identification object is extracted when the number of lines is i. Then, voxels are formed for each line, and an SVM model is created using the acquired two-dimensional voxel (that is, pixel) representation. By repeating this process from the number of lines i to 1 to L, an SVM model for each number of lines is created. Note that L is the maximum number of lines that the optical unit 11 can take. Of course, it is not necessary to create an SVM model for all the number of lines.

Ｓ３５では、ＣＰＵ３１は、Ｓ３１〜Ｓ３３にて取得したボクセル表現を、ＳＶＭモデルに適用して、当該モデルの識別する対象物であるか否かを判定する。その後、本処理を終了する。 In S35, the CPU 31 applies the voxel representation acquired in S31 to S33 to the SVM model, and determines whether or not it is an object to be identified by the model. After that, this process ends.

なお上述した例では、ラインを水平方向に分割し、ライン毎にボクセル表現を取得する構成を例示したが、分割する方向は水平方向に限られない。例えば、垂直方向に分割してもよい。 In the above-mentioned example, a configuration in which a line is divided in the horizontal direction and a voxel expression is acquired for each line is illustrated, but the dividing direction is not limited to the horizontal direction. For example, it may be divided in the vertical direction.

［２．第２実施形態］
［２−１．第１実施形態との相違点］
第２実施形態は、基本的な構成は第１実施形態と同様であるため、相違点について以下に説明する。なお、第１実施形態と同じ符号は、同一の構成を示すものであって、先行する説明を参照する。 [2. Second Embodiment]
[2-1. Differences from the first embodiment]
Since the basic configuration of the second embodiment is the same as that of the first embodiment, the differences will be described below. The same reference numerals as those in the first embodiment indicate the same configurations, and the preceding description will be referred to.

前述した第１実施形態では、投票領域１０９の広さを変更する構成を例示した。これに対し、第２実施形態では、単位領域の大きさを変更可能に構成されている点で、第１実施形態と相違する。 In the first embodiment described above, a configuration for changing the size of the voting area 109 has been illustrated. On the other hand, the second embodiment is different from the first embodiment in that the size of the unit area can be changed.

［２−２．処理］
本実施形態では、生成部４３は、単位領域１０２の大きさを、光学ユニット１１から投票に係る測定点１０１までの距離に応じて設定するように構成されている。より具体的には、単位領域１０２の大きさは、上述した距離が大きいほど、大きくなるように設定される。 [2-2. process]
In the present embodiment, the generation unit 43 is configured to set the size of the unit region 102 according to the distance from the optical unit 11 to the measurement point 101 related to voting. More specifically, the size of the unit region 102 is set so as to increase as the distance described above increases.

例えば図１６Ａに示されるように、上述した距離と、格子サイズ、即ち単位領域の大きさと、の関係式を、線形の１次式又は２次式以上の高次多項式にて設定することができる。またこれらの関係式は、実験的に求めた複数の実験値８５から算出することが考えられる。なおこれらの関係式は、方向ごとに関係を変化させてもよい。例えば図１６Ｂに示されるように、物体存在領域の水平方向、垂直方向、奥行方向のそれぞれについて異なる関係式が設定されていてもよい。 For example, as shown in FIG. 16A, the relational expression between the above-mentioned distance and the lattice size, that is, the size of the unit region can be set by a linear linear expression or a higher-order polynomial of a second order or higher. .. Further, these relational expressions may be calculated from a plurality of experimental values 85 obtained experimentally. Note that these relational expressions may change the relation for each direction. For example, as shown in FIG. 16B, different relational expressions may be set for each of the horizontal direction, the vertical direction, and the depth direction of the object existence region.

［２−３．効果］
以上詳述した第２実施形態によれば、以下の効果が得られる。
（２ａ）本実施形態のレーダ装置１では、光学ユニット１１から測定点１０１までの距離が大きいほど単位領域の大きさが大きくなる。よって、測定点１０１までの距離が大きくノイズが大きくなりやすい場合にノイズの影響を小さくすることができ、識別器による識別性を高めたロバストな物体識別を行うことができる。 [2-3. effect]
According to the second embodiment described in detail above, the following effects can be obtained.
(2a) In the radar device 1 of the present embodiment, the larger the distance from the optical unit 11 to the measurement point 101, the larger the size of the unit region. Therefore, when the distance to the measurement point 101 is large and the noise tends to be large, the influence of the noise can be reduced, and robust object identification with enhanced discriminability by the classifier can be performed.

［２−４．第２実施形態の変形例］
本実施形態においても、第１実施形態の変形例５にて説明したように、図１４に示されるように、複数のラインに対応する、層状に並ぶ複数の仮想平面上において測定点が取得される場合には、２次元的な単位領域１０２を含む２次元的な物体存在領域１２１をライン数分集めたものを、投票情報として取得するように構成されていてもよい。そして、単位領域の大きさを、光学ユニット１１から測定点１０１までの距離に応じて変化させるように構成することができる。 [2-4. Modification example of the second embodiment]
Also in this embodiment, as described in the modified example 5 of the first embodiment, as shown in FIG. 14, measurement points are acquired on a plurality of layered virtual planes corresponding to a plurality of lines. In this case, the two-dimensional object existence region 121 including the two-dimensional unit region 102 may be collected for the number of lines and acquired as voting information. Then, the size of the unit region can be configured to be changed according to the distance from the optical unit 11 to the measurement point 101.

［３．他の実施形態］
以上、本開示の実施形態について説明したが、本開示は上述の実施形態に限定されることなく、種々変形して実施することができる。 [3. Other embodiments]
Although the embodiments of the present disclosure have been described above, the present disclosure is not limited to the above-described embodiments, and can be implemented in various modifications.

（３ａ）上記実施形態では、光学ユニット１１の一例としてＬＩＤＡＲを例示した。しかしながら、物体の存在する位置を示す測定点を取得可能であれば、ＬＩＤＡＲ以外の装置を用いてもよい。例えば、ステレオカメラのようにパッシブセンサを用いてもよい。 (3a) In the above embodiment, LIDAR is illustrated as an example of the optical unit 11. However, a device other than LIDAR may be used as long as a measurement point indicating the position where the object exists can be obtained. For example, a passive sensor such as a stereo camera may be used.

（３ｂ）上記第１実施形態では、単位領域１０２として格子状の空間を例示したが、格子状以外の形状であってもよい。例えば、物体存在領域１１３を一方から見たときの単位領域の断面が六角形となる、ハニカム形状であってもよい。 (3b) In the first embodiment, the grid-like space is illustrated as the unit region 102, but the shape may be other than the grid-like shape. For example, the object existence region 113 may have a honeycomb shape in which the cross section of the unit region when viewed from one side is hexagonal.

また第２実施形態では単位領域１０２が矩形である構成を例示したが、この場合も、他の形状であってもよい。
（３ｃ）上記第１実施形態では、投票領域１０９は、光学ユニット１１から測定点１０１までの距離などによって変化する構成を例示したが、該投票領域１０９への投票に係る測定点を基準として、一定の基準で設定されるように構成されていてもよい。その場合、少なくとも２つの単位領域を含むように構成することができる。例えば、上記距離や反射強度に影響されずに、常に、図６Ａに示されるように、主領域１０２Ａに隣接する副領域１０２Ｂに投票を行うように構成されていてもよい。 Further, in the second embodiment, the configuration in which the unit area 102 is rectangular is illustrated, but in this case as well, other shapes may be used.
(3c) In the first embodiment, the voting area 109 exemplifies a configuration that changes depending on the distance from the optical unit 11 to the measurement point 101, etc., but with reference to the measurement point related to voting in the voting area 109, It may be configured to be set according to a certain standard. In that case, it can be configured to include at least two unit areas. For example, it may be configured to always vote in the sub-region 102B adjacent to the main region 102A, as shown in FIG. 6A, without being affected by the distance or the reflection intensity.

（３ｄ）上記実施形態では、投票情報とは、ボクセル表現で示される特徴量である構成を例示したが、少なくとも投票数又は投票値を有する情報であれば、上記実施形態にて示した以外の特徴量であってもよい。また、取得された投票数や投票値に対して、何らかの変換処理が行われた値であってもよい。 (3d) In the above embodiment, the voting information exemplifies a configuration which is a feature amount represented by a voxel expression, but if the information has at least the number of votes or the voting value, other than those shown in the above embodiment. It may be a feature quantity. Further, it may be a value obtained by performing some conversion processing on the acquired number of votes or the vote value.

また上記実施形態では、識別部４４は、ボクセル表現を特徴量として識別器であるＳＶＭモデルに代入することにより、クラスタ点群に対応する物体の識別を行う構成を例示した。しかしながら、上述した投票情報に基づいて物体の識別を行うことができれば、その具体的な処理内容は特に限定されず、用いる特徴量に応じた様々な処理によって識別を実行することができる。 Further, in the above embodiment, the identification unit 44 exemplifies a configuration in which an object corresponding to a cluster point cloud is identified by substituting a voxel expression as a feature quantity into an SVM model which is a classifier. However, if the object can be identified based on the voting information described above, the specific processing content is not particularly limited, and the identification can be executed by various processing according to the feature amount to be used.

（３ｅ）上記実施形態における１つの構成要素が有する複数の機能を、複数の構成要素によって実現したり、１つの構成要素が有する１つの機能を、複数の構成要素によって実現したりしてもよい。また、複数の構成要素が有する複数の機能を、１つの構成要素によって実現したり、複数の構成要素によって実現される１つの機能を、１つの構成要素によって実現したりしてもよい。また、上記実施形態の構成の一部を省略してもよい。また、上記実施形態の構成の少なくとも一部を、他の上記実施形態の構成に対して付加又は置換してもよい。なお、特許請求の範囲に記載した文言から特定される技術思想に含まれるあらゆる態様が本開示の実施形態である。 (3e) A plurality of functions possessed by one component in the above embodiment may be realized by a plurality of components, or one function possessed by one component may be realized by a plurality of components. .. Further, a plurality of functions possessed by the plurality of components may be realized by one component, or one function realized by the plurality of components may be realized by one component. Further, a part of the configuration of the above embodiment may be omitted. In addition, at least a part of the configuration of the above embodiment may be added or replaced with the configuration of the other above embodiment. It should be noted that all aspects included in the technical idea specified from the wording described in the claims are embodiments of the present disclosure.

（３ｆ）上述したレーダ制御部１２の他、当該レーダ制御部１２を構成要素とするシステムであるレーダ装置１、当該レーダ制御部１２としてコンピュータを機能させるためのプログラム、このプログラムを記録した半導体メモリ等の非遷移的実態的記録媒体など、種々の形態で本開示を実現することもできる。 (3f) In addition to the radar control unit 12 described above, a radar device 1 which is a system having the radar control unit 12 as a component, a program for operating a computer as the radar control unit 12, and a semiconductor memory in which this program is recorded. It is also possible to realize the present disclosure in various forms such as a non-transitional actual recording medium such as.

１…レーダ装置、３…車両、１１…光学ユニット、１２…レーダ制御部、２１…発光部、２２…受光部、３１…ＣＰＵ、３２…メモリ、４１…取得部、４２…設定部、４３…生成部、４４…識別部、７１…人、７２…腕部、７３…脚部、７４…頭部、７５…胴部、１０１…測定点、１０２…単位領域、１０２Ａ…主領域、１０２Ｂ，１０２Ｃ，１０２Ｄ…副領域、１０４…球体、１０９…投票領域、１１１…クラスタ点群、１１３，１２１…物体存在領域、１１５、１１７…識別対象物 1 ... Radar device, 3 ... Vehicle, 11 ... Optical unit, 12 ... Radar control unit, 21 ... Light emitting unit, 22 ... Light receiving unit, 31 ... CPU, 32 ... Memory, 41 ... Acquisition unit, 42 ... Setting unit, 43 ... Generation unit, 44 ... Identification unit, 71 ... Person, 72 ... Arm, 73 ... Leg, 74 ... Head, 75 ... Torso, 101 ... Measurement point, 102 ... Unit area, 102A ... Main area, 102B, 102C , 102D ... sub-region, 104 ... sphere, 109 ... voting area, 111 ... cluster point group, 113, 121 ... object existence region, 115, 117 ... identification object

Claims (9)

物体の存在する位置を示す１つ以上の測定点を検出するレーザーレーダである測定装置（１１）から、前記１つ以上の測定点を取得するように構成された取得部（４１）と、
前記１つ以上の測定点が存在する領域を構成する複数の単位領域に対して、前記取得部により取得された前記１つ以上の測定点それぞれに基づく投票を行い、少なくとも前記複数の単位領域それぞれへの投票値を含む情報である投票情報を生成するように構成された生成部（４３）と、を備え、
前記生成部は、前記１つ以上の測定点それぞれに設定される１つ又は複数の前記単位領域を含む投票領域に対して投票を行うように構成されており、
前記投票領域は、前記測定装置から該投票領域への投票に係る前記測定点までの距離が大きいほど、前記投票領域に含まれる前記単位領域の数が多くなる、情報処理装置（１２）。 An acquisition unit (41) configured to acquire the one or more measurement points from a measurement device (11) which is a laser radar that detects one or more measurement points indicating the position where an object exists.
Voting based on each of the one or more measurement points acquired by the acquisition unit is performed on the plurality of unit areas constituting the region in which the one or more measurement points exist, and at least each of the plurality of unit areas. A generation unit (43) configured to generate voting information, which is information including a voting value for
The generation unit is configured to vote for a voting area including one or a plurality of the unit areas set for each of the one or more measurement points .
The information processing device (12) in which the number of unit areas included in the voting area increases as the distance from the measuring device to the measuring point related to voting in the voting area increases. 物体の存在する位置を示す１つ以上の測定点を検出するレーザーレーダである測定装置（１１）から、前記１つ以上の測定点を取得するように構成された取得部（４１）と、
前記１つ以上の測定点が存在する領域を構成する複数の単位領域に対して、前記取得部により取得された前記１つ以上の測定点それぞれに基づく投票を行い、少なくとも前記複数の単位領域それぞれへの投票値を含む情報である投票情報を生成するように構成された生成部（４３）と、を備え、
前記生成部は、前記１つ以上の測定点それぞれに設定される１つ又は複数の前記単位領域を含む投票領域に対して投票を行うように構成されており、
さらに、前記測定装置により測定された前記１つ以上の測定点に基づいて、前記１つ以上の測定点が含まれる領域である物体存在領域を設定するように構成された設定部（４２）を有しており、
前記単位領域は、前記物体存在領域を構成するものであり、
前記投票領域に含まれる前記単位領域の数は、前記投票領域への投票に係る前記測定点の前記物体存在領域における位置に応じて設定される、情報処理装置（１２）。 An acquisition unit (41) configured to acquire the one or more measurement points from a measurement device (11) which is a laser radar that detects one or more measurement points indicating the position where an object exists.
Voting based on each of the one or more measurement points acquired by the acquisition unit is performed on the plurality of unit areas constituting the region in which the one or more measurement points exist, and at least each of the plurality of unit areas. A generation unit (43) configured to generate voting information, which is information including a voting value for
The generation unit is configured to vote for a voting area including one or a plurality of the unit areas set for each of the one or more measurement points .
Further, a setting unit (42) configured to set an object existence region, which is a region including the one or more measurement points, based on the one or more measurement points measured by the measuring device. Have and
The unit area constitutes the object existence area, and is
The information processing device (12) sets the number of the unit areas included in the voting area according to the position of the measurement point related to voting in the voting area in the object existence area. 請求項１又は請求項２に記載の情報処理装置であって、
前記測定装置は、物体表面から該測定装置に向かって進む光を取得して該物体の位置を測定すると共に、取得した前記光の強度を出力可能に構成されており、
前記投票領域は、該投票領域への投票に係る前記測定点を取得するために前記測定装置が取得した前記光の強度が小さいほど、前記投票領域に含まれる前記単位領域の数が多くなる、情報処理装置。 The information processing device according to claim 1 or 2.
The measuring device is configured to acquire light traveling from the surface of an object toward the measuring device, measure the position of the object, and output the intensity of the acquired light.
In the voting area, the smaller the intensity of the light acquired by the measuring device for acquiring the measurement point related to voting in the voting area, the larger the number of the unit areas included in the voting area. Information processing device. 請求項１から請求項３のいずれか１項に記載の情報処理装置であって、
前記生成部は、前記投票領域に含まれる１つ以上の前記単位領域に対して、前記投票領域への投票に係る前記測定点からの距離が大きい前記単位領域ほど重み付けが小さくなるように投票を行うように構成されている、情報処理装置。 The information processing device according to any one of claims 1 to 3.
The generation unit votes for one or more of the unit areas included in the voting area so that the unit area having a larger distance from the measurement point related to voting in the voting area has a smaller weight. An information processing device that is configured to do so. 請求項１から請求項４のいずれか１項に記載の情報処理装置であって、
前記測定装置は、物体表面から該測定装置に向かって進む光を取得して該物体の位置を測定すると共に、取得した前記光の強度を出力可能に構成されており、
前記生成部は、前記投票領域に含まれる１つ以上の前記単位領域に対して、前記投票領域への投票に係る前記測定点を取得するために前記測定装置が取得した前記光の強度が大きいほど重み付けが大きくなるように投票を行うように構成されている、情報処理装置。 The information processing device according to any one of claims 1 to 4.
The measuring device is configured to acquire light traveling from the surface of an object toward the measuring device, measure the position of the object, and output the intensity of the acquired light.
The generation unit has a high intensity of light acquired by the measuring device in order to acquire the measurement point related to voting in the voting area with respect to one or more unit areas included in the voting area. An information processing device that is configured to vote so that the weight increases. 請求項１から請求項５のいずれか１項に記載の情報処理装置であって、
前記生成部は、前記単位領域の大きさを変更可能に構成されている、情報処理装置（１２）。 The information processing apparatus according to any one of claims 1 to 5.
The information processing device (12) is configured such that the generation unit can change the size of the unit area. 請求項６に記載の情報処理装置であって、
前記生成部は、前記単位領域の大きさを、前記測定装置から前記投票に係る前記測定点までの距離に応じて設定するように構成されている、情報処理装置。 The information processing device according to claim 6.
The information processing device is configured such that the generation unit sets the size of the unit area according to the distance from the measuring device to the measuring point related to the voting. 請求項１から請求項７のいずれか１項に記載の情報処理装置であって、
前記測定点は、層状に並ぶ複数の仮想平面に並ぶように、前記測定装置により取得され、
前記単位領域は、前記仮想平面に対応して設定される領域である、情報処理装置。 The information processing device according to any one of claims 1 to 7.
The measurement points are acquired by the measuring device so as to be arranged in a plurality of virtual planes arranged in layers.
The unit area is an information processing device that is an area set corresponding to the virtual plane. 請求項１から請求項８のいずれか１項に記載の情報処理装置であって、
前記生成部により生成された投票情報に基づいて、物体の種別を識別する識別部（４４）を備える、情報処理装置。 The information processing apparatus according to any one of claims 1 to 8.
An information processing device including an identification unit (44) that identifies a type of an object based on voting information generated by the generation unit.

Images