以下、添付図面を参照して、本願の開示するレーダ装置および物標データ割当方法の実施形態を詳細に説明する。なお、この実施形態により本発明が限定されるものではない。なお、以下では、レーダ装置がFM-CW(Frequency Modulated Continuous Wave)方式である場合を例に挙げて説明するが、レーダ装置は、FCM(Fast-Chirp Modulation)方式であってもよい。
まず、図1Aおよび図1Bを用いて、実施形態に係る物標データ割当方法の概要について説明する。図1Aは、レーダ装置の搭載例を示す図である。図1Bは、物標データ割当方法の概要を示す図である。図1Aでは、実施形態に係るレーダ装置1を搭載した自車両MCと、自車両MCの前方に位置する他車両LCとを示している。
図1Aに示すように、レーダ装置1は、例えば自車両MCのフロントグリル内等に搭載され、自車両MCの進行方向に存在する物標(例えば、他車両LC等)を検出する。なお、レーダ装置1の搭載箇所は、例えばフロントガラスやリアグリル、左右の側部(例えば、左右のドアミラー)等他の箇所に搭載されてもよい。
また、図1Aに示すように、レーダ装置1は、自車両MCの周囲に送信した電波が他車両LCで反射した反射波に基づいて物標に対応する瞬時データ100を生成する。瞬時データ100には、自車両MCへの向きの相対速度や、自車両MCと瞬時データ100までの距離、瞬時データ100の方向といった情報が含まれる。
また、レーダ装置1は、生成した瞬時データ100に対して時系列フィルタリングを施し、フィルタ値として物標に対応する物標データを生成する。これにより、物標データを追従(トラッキング)することが可能となる。
かかる時系列フィルタリングは、前回の物標データから予測される予測データに対して今回の瞬時データ100を割り当てることで、物標データの連続性をとる処理である。より詳細には、時系列フィルタリングでは、前回の物標データに含まれる位置や速度等の情報に基づいて今回の物標データに対応する予測データを予測する。
そして、予測データから所定範囲内の今回の瞬時データ100を割り当てる。なお、以下、前回の物標データから予測データを結ぶベクトルについて「予測移動ベクトルVr」と記載する。
ところで、予測移動ベクトルVrには、自車両MCの予測移動量と他車両LCの予測移動量とが含まれる。このため、割当範囲の大きさは、各移動予測の想定誤差に基づいて設定される。つまり、ここで言う想定誤差とは、移動予測が外れた場合の、予測量と実際の値とのずれ量を定量的に定めたものである。予測量は例えば上記のように位置であり、速度であったりもする。すなわち、例えば、自車両MCおよび他車両LCが急旋回、急加速等を行ったとしても、トラッキング可能な範囲を割当範囲として設定する。つまり、割当範囲は、想定誤差に基づいて、実際に予測が外れる確率や、外れの発生状態における許容度など種々の設計上の要求を踏まえ、設定される。
また、レーダ装置1は、自車両MCの移動量について自車両MCの実際の舵角や走行速度に基づいて算出可能である。このため、レーダ装置1は、自車両MCの移動に起因する要素については予測の必要がなく、つまり想定誤差を小さくして(もしくは除いて)もいい。つまり、他車両LCの移動に起因する要素の想定誤差に主として基づいて割当範囲を設定することができる。これにより、割当範囲を狭めることが可能となる。なお、割当範囲が狭いことは、つまり予測の精度が高いことであり、瞬時データを割り当てる際に誤割当を行う可能性が低くなるため、一般的には好ましい。
しかしながら、例えば、自車両MCがバンク形状の道路を走行する場合、自車両MCの舵角に基づいて自車両MCの移動量を求めると、かかる移動量と自車両MCの実際の移動量とにズレが発生する。
すなわち、例えば、自車両MCがバンク形状の道路を直進する場合を想定すると、舵角がバンク角に応じた値(直進以外の値)を示すこととなる。このため、かかる場合に、レーダ装置1は、自車両MCが実際には直進しているにもかかわらず、自車両MCが旋回中であると認識してしまうおそれがある。
かかる場合に、レーダ装置1が算出した自車両MCの移動量と実際の自車両MCの移動量とに誤差が発生する。したがって、自車両MCの移動が正しいものとして、自車両MCの移動予測の想定誤差を考慮せずに割当範囲を設定すると、割当てられるべき瞬時データがかかる割当範囲の外に出現する場合がある。その結果、予測データに瞬時データが割り当てられず、物標データの連続性を適切に保つことができなくなる。
そこで、実施形態に係る物標データ割当方法では、バンク角に応じて割当範囲を設定することで、物標データの連続性を適切に保つこととした。具体的には、実施形態に係る物標データ割当方法では、図1Bに示すように、バンクなしと判定した場合に、予測データ60を中心とする第1割当範囲Ra1を設定し、バンクありと判定した場合、第1割当範囲Ra1よりも広い第2割当範囲Ra2を設定する。
例えば、第1割当範囲Ra1は、他車両LCの移動予測の想定誤差に応じた範囲であり、第2割当範囲Ra2は、第1割当範囲Ra1に自車両MCの移動予測の想定誤差も考慮して定めた範囲である。
すなわち、実施形態に係る物標データ割当方法では、バンク形状の道路を走行する場合、第1割当範囲Ra1から自車両MCの移動予測の想定誤差も考慮に入れた第2割当範囲Ra2へ切り替えることで、今回の瞬時データ100を第2割当範囲Ra2内に収めることが可能となる。
したがって、実施形態に係る物標データ割当方法によれば、前回の物標データに連続する適切な瞬時データ100を適切に割り当てることができるので、物標データの連続性を適切に保つことができる。
次に、図2を参照して、実施形態に係るレーダ装置1の構成について詳細に説明する。図2は、実施形態に係るレーダ装置1の構成を示すブロック図である。なお、図2では、本実施形態の特徴を説明するために必要な構成要素を中心に機能ブロックで表しており、一般的な構成要素については記載を省略しているものもある。
図2に示すように、レーダ装置1は、送信部10と、受信部20と、処理部30とを備える。また、レーダ装置1は、自車両MCの挙動を制御する車両制御装置2に接続される。
車両制御装置2は、レーダ装置1による物標の検出結果に基づいて、PCS(Pre-crash Safety System)やAEB(Advanced Emergency Braking System)などの車両制御を行う。
送信部10は、信号生成部11と、発振器12と、送信アンテナ13とを備える。信号生成部11は、後述する送受信制御部31の制御により、三角波で周波数変調されたミリ波を送信するための変調信号を生成する。発振器12は、かかる信号生成部11によって生成された変調信号に基づいて送信信号を生成し、送信アンテナ13へ出力する。なお、図2に示すように、発振器12によって生成された送信信号は、後述するミキサ22に対しても分配される。
送信アンテナ13は、発振器12からの送信信号を送信波へ変換し、かかる送信波を自車両MCの外部へ出力する。送信アンテナ13が出力する送信波は、三角波で周波数変調された連続波である。送信アンテナ13から自車両MCの外部、例えば前方へ送信された送信波は、他車両LC等の物標で反射されて反射波となる。
受信部20は、アレーアンテナを形成する複数の受信アンテナ21と、複数のミキサ22と、複数のA/D変換部23とを備える。ミキサ22およびA/D変換部23は、受信アンテナ21ごとに設けられる。
各受信アンテナ21は、物標からの反射波を受信波として受信し、かかる受信波を受信信号へ変換してミキサ22へ出力する。なお、図2に示す受信アンテナ21の数は4つであるが、3つ以下または5つ以上であってもよい。
受信アンテナ21から出力された受信信号は、図示略の増幅器(例えば、ローノイズアンプ)で増幅された後にミキサ22へ入力される。ミキサ22は、分配された送信信号と、受信アンテナ21から入力される受信信号との一部をミキシングし不要な信号成分を除去してビート信号を生成し、A/D変換部23へ出力する。
ビート信号は、送信信号の周波数(以下、「送信周波数」と記載する)と受信信号の周波数(以下、「受信周波数」と記載する)との差となるビート周波数を有する。ミキサ22で生成されたビート信号は、図示しない同期部によって受信アンテナ同士でタイミングを合わせた上でA/D変換部23でデジタル信号に変換された後に、処理部30へ出力される。
処理部30は、送受信制御部31と、信号処理部32と、記憶部36とを備える。信号処理部32は、生成部33と、フィルタ処理部35とを備える。
記憶部36は、履歴データ36aを記憶する。履歴データ36aは、信号処理部32が実行する一連の信号処理における物標データ50の履歴や、瞬時データ100の履歴を含む情報である。
処理部30は、例えば、CPU(Central Processing Unit)、記憶部36に対応するROM(Read Only Memory)やRAM(Random Access Memory)、レジスタ、その他の入出力ポートなどを含むマイクロコンピュータであり、レーダ装置1全体を制御する。
かかるマイクロコンピュータのCPUがROMに記憶されたプログラムを読み出して実行することによって、送受信制御部31および信号処理部32として機能する。なお、送受信制御部31および信号処理部32は全部をASIC(Application Specific Integrated Circuit)やFPGA(Field Programmable Gate Array)などのハードウェアで構成することもできる。
送受信制御部31は、信号生成部11を含む送信部10および受信部20を制御する。信号処理部32は、一連の信号処理を周期的に実行する。続いて、信号処理部32の各構成要素について説明する。
生成部33は、瞬時データ100を生成する。具体的には、生成部33は、周波数解析処理と、ピーク抽出処理と、瞬時データ生成処理とを行うことで、瞬時データ100を生成する。
周波数解析処理では、各A/D変換部23から入力されるビート信号に対して高速フーリエ変換(FFT:Fast Fourier Transform)処理(以下、「FFT処理」と記載する)を行う。かかるFFT処理の結果は、ビート信号の周波数スペクトルであり、ビート信号の周波数ごと(周波数分解能に応じた周波数間隔で設定された周波数ビンごと)のパワー値(信号レベル)である。
ピーク抽出処理では、周波数解析処理によるFFT処理の結果においてピークとなるピーク周波数を抽出する。なお、ピーク抽出処理では、後述するビート信号の「UP区間」および「DN区間」のそれぞれについてピーク周波数を抽出する。
瞬時データ生成処理では、ピーク抽出処理において抽出されたピーク周波数のそれぞれに対応する反射波の到来角度とそのパワー値を算出する角度推定処理を実行する。なお、角度推定処理の実行時点で、到来角度は、物標が存在すると推定される角度であることから、以下では「推定角度」と記載する場合がある。
また、瞬時データ生成処理では、算出した推定角度とパワー値との算出結果に基づいて「UP区間」および「DN区間」それぞれのピーク周波数の正しい組み合わせを判定するペアリング処理を実行する。
また、瞬時データ生成処理では、判定した組み合わせ結果から各物標の自車両MCに対する距離および自車両MCへの向きの相対速度を算出する。また、瞬時データ処理では、算出した各物標の推定角度、距離および相対速度を、最新周期(最新スキャン)分の瞬時データ100としてフィルタ処理部35へ出力するとともに、記憶部36に履歴データ36aとして記憶する。
説明を分かりやすくするために、信号処理部32の前段処理から信号処理部32におけるここまでの処理の流れを図3~図4Cに示す。図3は、信号処理部32の前段処理から生成部33におけるピーク抽出処理までの処理説明図である。
また、図4Aは、角度推定処理の処理説明図である。また、図4Bおよび図4Cは、ペアリング処理の処理説明図である。なお、図3は、2つの太い下向きの白色矢印で3つの領域に区切られている。以下では、かかる各領域を順に、上段、中段、下段と記載する。
図3の上段に示すように、送信信号fs(t)は、送信アンテナ13から送信波として送出された後、物標において反射されて反射波として到来し、受信アンテナ21において受信信号fr(t)として受信される。
このとき、図3の上段に示すように、受信信号fr(t)は、自車両MCと物標との距離に応じて、送信信号fs(t)に対して時間差Tだけ遅延している。この時間差Tと、自車両MCおよび物標の相対速度に基づくドップラー効果とにより、ビート信号は、周波数が上昇する「UP区間」の周波数fupと、周波数が下降する「DN区間」の周波数fdnとが繰り返される信号として得られる(図3の中段参照)。
図3の下段には、かかるビート信号を周波数解析処理においてFFT処理した結果を、「UP区間」側および「DN区間」側のそれぞれについて模式的に示している。
図3の下段に示すように、FFT処理後には、「UP区間」側および「DN区間」側のそれぞれの周波数領域における波形が得られる。ピーク抽出処理では、かかる波形においてピークとなるピーク周波数を抽出する。
例えば、図3の下段に示した例の場合、ピーク抽出閾値が用いられ、「UP区間」側においては、ピークPu1~Pu3がそれぞれピークとして判定され、ピーク周波数fu1~fu3がそれぞれ抽出される。
また、「DN区間」側においては、同じくピーク抽出閾値により、ピークPd1~Pd3がそれぞれピークとして判定され、ピーク周波数fd1~fd3がそれぞれ抽出される。
ここで、ピーク抽出処理により抽出した各ピーク周波数の周波数成分には、複数の物標からの反射波が混成している場合がある。そこで、瞬時データ生成処理では、各ピーク周波数のそれぞれについて方位演算する角度推定処理を行い、ピーク周波数ごとに対応する物標の存在を解析する。
なお、瞬時データ生成処理における方位演算は、例えばESPRIT(Estimation of Signal Parameters via Rotational Invariance Techniques)などの公知の到来方向推定手法を用いて行うことができる。
図4Aは、瞬時データ生成処理の方位演算結果を模式的に示すものである。瞬時データ生成処理では、かかる方位演算結果の各ピークPu1~Pu3から、これらピークPu1~Pu3にそれぞれ対応する各物標(各反射点)の推定角度を算出する。また、各ピークPu1~Pu3の大きさがパワー値となる。瞬時データ生成処理では、図4Bに示すように、かかる角度推定処理を「UP区間」側および「DN区間」側のそれぞれについて行う。
そして、瞬時データ生成処理では、方位演算結果において、推定角度およびパワー値の近い各ピークを組み合わせるペアリング処理を行う。また、その組み合わせ結果から、瞬時データ生成処理では、各ピークの組み合わせに対応する各物標(各反射点)の距離および自車両MCへの向きの相対速度を算出する。
距離は、「距離∝(fup+fdn)」の関係に基づいて算出することができる。相対速度は、「速度∝(fup-fdn)」の関係に基づいて算出することができる。その結果、図4Cに示すように、自車両MCに対する、各反射点RPの推定角度、距離および相対速度の瞬時データ100を示すペアリング処理結果が得られる。
図2の説明に戻り、検出部34について説明する。検出部34は、自車両MCが走行する路面のバンク角を検出する。例えば、検出部34は、自車両MCに設けられた加速度センサ(不図示)やロールセンサ(不図示)等のセンサ値に基づいてバンク角を検出し、バンク角に応じたバンク角信号をフィルタ処理部35へ出力する。
なお、検出部34は、例えば、ジャイロセンサ等のその他のセンサ値に基づいてバンク角を検出することにしてもよいし、あるいは、自車両MCから路面が撮像された撮像画像に基づいてバンク角を検出することにしてもよい。なお、ここでは、検出部34がレーダ装置1内部に設けられる場合について示したが、検出部34をレーダ装置1の外部に設けることにしてもよい。
続いて、フィルタ処理部35について説明する。図2に示すように、フィルタ処理部35は、予測部35aと、割当部35bと、重み付け部35cと、リサンプリング部35dと、物標データ生成部35eとを備える。
本実施形態において、フィルタ処理部35は、生成部33によって生成された瞬時データ100に対して所定数の粒子の分布を用いて解析を行うパーティクルフィルタを施すことによって、瞬時データ100に対応する物標データ50を生成する。
パーティクルフィルタでは、物標の真の状態に対して複数の仮説を立てて解析を行う。仮説とは例えば位置や速度などの物標の状態に対する1つの仮定値である。例えば、位置空間では、仮説は所定の分布で散布され、移動していく1つの粒子のように見えるため、ここでは仮説を粒子という。
また、所定数の粒子をまとめて1つの仮説とした粒子群データを併せて用いる。例えば、粒子群データは粒子の状態の平均値などであり、所定数の粒子の分布において最もあり得る1つの仮説ともいえる。すなわち、粒子群データは、予測データ60に対応する。このため、以下では、粒子群データを予測データ60とも記載する。
予測部35aは、粒子群データならびに粒子の予測処理を行う。具体的には、予測部35aは、最新の周期を時刻tとし、時刻tにおける粒子ならびに粒子群データの状態を、前回の周期の時刻t-1の粒子ならびに粒子群データを基に予測する。例えば、速度、位置といった粒子並びに粒子群データの状態を基に、運動モデルと、測定周期ΔTによって予測する手法などがある。
具体的には、予測部35aは、予測処理において、時刻t-1の粒子ならびに粒子群データに対して測定周期ΔTにおける予測移動ベクトルVrの情報を与えることで、時刻t-1の粒子から時刻tにおける粒子ならびに粒子群データを生成する。予測移動ベクトルVrは、例えば位置の差であり、速度の差でもあったりする。予測には速度、加速度と測定周期ΔTを用いるいわゆるニュートンの運動方程式に従う運動モデルを用いる手法がある。
続いて、割当部35bについて説明する。割当部35bは、最新の周期における瞬時データ100を、予測部35aの予測結果である最新の粒子群データへ割り当てる処理を行う。具体的には、割当部35bは、バンク角に応じた割当範囲Raと、瞬時データと粒子群データとの位置差、速度差などとに基づき、予測データ60に基づく粒子群データに対して瞬時データ100を割り当てる。
すなわち、割当部35bは、バンクありである場合には、バンク角に基づく自車両MCの移動予測に対する想定誤差に基づく第2割当範囲Ra2内の瞬時データ100を予測データ60に割り当てる。一方、割当部35bは、バンクなしである場合、自車両MCの移動予測に基づく想定誤差を少なくした第1割当範囲Ra1内の瞬時データ100を予測データ60に割り当てる。なお、割当範囲の判定は、粒子群データと瞬時データが割当てられるかの判定と独立して行っても、併せて行ってもいい。併せて行う場合は、割当範囲外の瞬時データ100に対してペナルティ値を与えるなどの手法がある。
このように、割当部35bは、バンク角に応じて設定された割当範囲Raに基づいて瞬時データ100を粒子群データへ割り当てることで、自車両MCがバンク形状の路面を走行したとしても、適切な瞬時データ100に対して粒子群データを割り当てることが可能となる。
つまり、予測データ60に対して適切な瞬時データ100を割り当てることで、物標データ50の連続性を適切に保つことが可能となる。なお、割当部35bは、いずれの物標データ50の割当範囲Ra内にも存在しない瞬時データ100があった場合には、かかる瞬時データ100を新規の物標として扱う。
新規の物標は所定の処理を行った後、粒子群データが生成され、同時に粒子も付与される。所定の処理は測定周期をまたぐことも可能であり、例えば新規の物標に対して、簡易的に数周期の間連続性を評価して、ノイズなどで単発的に発生したものでないと確認した後に粒子群データを生成し、粒子を付与することもできる。なお、前述のように、バンク角に応じたばらつきをこの時点で粒子に付与することもできる。
このとき、上述のように、粒子および粒子群データに与えた予測移動ベクトルVrは、自車両MCの予測移動量と、他車両LCの予測移動量とを含み、自車両MCについては、自車両MCの舵角や走行速度を取得することで予測ではなく、実際の移動量として算出することが可能である。
なお、粒子は所定のばらつきをもって分布を形成している。所定のばらつきは例えば正規分布などの確率分布や、速度など各状態の取りうる特徴的な確率分布などに基づいて粒子付与時に与えられる。ばらつきはノイズとも言い、通常は最初に設定された後、特別な調整はしないものである。本実施の形態においては、バンク角に応じてばらつきを調整する。割当部35bは、自車両MCの予測移動量の想定誤差に基づくばらつき、つまり、ノイズ成分を調整する。
割当部35bは、粒子のサンプリングに際して、粒子のばらつきをバンク角に応じて設定する。図5は、粒子に与えるばらつきの具体例を示す図である。
図5に示すように、割当部35bは、バンクなしである場合、すなわち、バンク角が所定値以下もしくはゼロである場合、粒子DPに対して他車両LCの想定誤差に基づくノイズ成分Ngを与える。
また、割当部35bは、バンクありである場合、すなわち、バンク角が所定値以上である場合、粒子DPに対してノイズ成分Nrを与える。ここで、ノイズ成分Nrは、ノイズ成分Ngに加え、バンク角に応じたノイズ成分Nbを含む。
また、各粒子DPに与えるノイズ成分は、自車両MCの車幅方向である横位置成分のみならず、自車両MCの進行方向である縦位置成分を含む。すなわち、バンクありである場合、粒子DPは、横位置のみならず縦位置に対してもバンクなしの場合よりも広範囲に分布する。
したがって、図5下図に示すように、バンクありである場合、バンクなしである場合に比べて、粒子DPが広範囲に分布されることとなる。すなわち、バンクありの場合における粒子DPの分布d2は、バンクなしの場合における粒子DPの分布に比べて広範囲にわたる。したがって、後述する重み付けにおいて、瞬時データに近い粒子が存在する確率が高くなる。全粒子が瞬時データ100より遠い場合、重みがすべての粒子で近しくなり、後述のリサンプリングによる粒子の再配置が起きにくくなり、追従性が低下する要因となる。
なお、バンク角が大きいほど、ノイズ成分Nbの強度を大きくすることにしてもよいし、あるいは、ノイズ成分の強度を常に固定して用いることにしてもよい。また、バンクありである場合に、ノイズ成分Nbに対して横位置成分のみ、もしくは、縦位置成分のみの強度を大きくすることにしてもよい。
図2の説明に戻り、重み付け部35cは、割当部35bによる割り当て関係にある今回の瞬時データ100に基づき、粒子DPそれぞれについて重みを付ける。
例えば、重み付け部35cは、今回の粒子DPのうち、今回の瞬時データ100に類似する粒子DPの重みを大きくし、今回の瞬時データ100から類似しない粒子の重みを小さくする。なお、ここでいう類似の度合は、例えば位置差や速度差などを基に記述されるコスト関数の評価値などを指す。
リサンプリング部35dは、今回の粒子DPそれぞれの重みに基づいて粒子DPを再配置(リサンプリング)する。具体的には、リサンプリング部35dは、重みが小さい粒子DPを瞬時データ100の近く(重みが大きい)へ移動させる。
より具体的には、リサンプリング部35dは、重みが所定の閾値未満の粒子DPを重みが所定の閾値以上の粒子DPへ再配置する。これにより、予測によって生成した今回の粒子群データを、より真値に近い可能性がある瞬時データによって補正できる。これにより、後述の物標データ生成部35eによって生成される物標データ50を、より高精度にすることができる。
物標データ生成部35eは、リサンプリング部35dによって再配置された今回の粒子に基づいて物標データ50を生成する。例えば、物標データ生成部35eは、粒子の分布から確率密度関数を生成し、その重心に基づいて物標データ50を生成したり、例えば、シンプルに粒子同士の平均に基づいて物標データ50を生成してもよい。なお、物標データ50によって、粒子群データが更新される。
また、物標データ生成部35eは、粒子が割り当てられなかった瞬時データ100を新規の物標として扱い、そのまま物標データ50として出力する。すなわち、物標データ生成部35eは、新規の物標の場合、瞬時データ100=物標データ50として出力する。
次に、図6を用いて実施形態に係るレーダ装置1が実行する処理手順について説明する。図6は、レーダ装置1が実行する処理手順を示すフローチャートである。なお、以下に示す処理手順は、信号処理部32によって繰り返し実行される。
図6に示すように、まず、生成部33は、送信した電波が物標で反射した反射波に基づいて物標に対応する瞬時データ100を生成する(ステップS101)。続いて、検出部34は、バンク角を検出する(ステップS102)。なお、レーダ装置1は、ステップS101の処理と、ステップS102の処理とを並列に行うことにしてもよいし、ステップS102の処理の後にステップS101の処理を行うことにしてもよい。
続いて、予測部35aは、前回の粒子に基づいて今回の粒子を予測する予測処理と、前回の物標データ50に連続する予測データ60を予測する予測処理を行う(ステップS103)。
続いて、割当部35bは、バンク角に応じた割当範囲Raにおいて今回の粒子DPに今回の瞬時データ100を割り当てる(ステップS104)。続いて、割当部35bは、粒子DPにバンク角に基づくバラつきを付与する(ステップS105)。
続いて、割当部35bは、今回の粒子が割り当てられなかった瞬時データ100の有無により新規の物標の有無を判定する(ステップS106)。割当部35bは、瞬時データ100が新規の物標であった場合(ステップS106,Yes)、新規の物標に対応する瞬時データ100に対して所定の粒子(例えば、初期状態の粒子)を設定する(ステップS110)。
また、重み付け部35cは、瞬時データ100が新規の物標でなかった場合(ステップS106,No)、瞬時データ100に基づいて今回の粒子それぞれに重み付けを行う(ステップS107)。
続いて、リサンプリング部35dは、重み付け部35cによる重み付けに基づいて今回の粒子のリサンプリングを行い(ステップS108)、物標データ生成部35eは、リサンプリングされた今回の粒子の確率密度関数を更新し、かかる確率密度関数に基づいて物標データ50を生成し(ステップS109)、処理を終了する。
上述してきたように、実施形態に係るレーダ装置1は、生成部33と、フィルタ処理部35とを備える。生成部33は、送信波が物標(例えば、他車両LC)で反射した反射波に基づいて物標に対応する瞬時データ100を生成する。フィルタ処理部35は、生成部33によって生成された瞬時データ100を前記物標に対応する過去の物標データ50から予測される予測データ60へ割り当てる。
また、フィルタ処理部35は、自車両MCが走行する路面のバンク角に応じて設定される割当範囲Raに基づき、瞬時データ100を予測データ60へ割り当てる。したがって、実施形態に係るレーダ装置1によれば、バンク角に応じて適切な割当範囲Raを設定することができるので、物標データ50の連続性を適切に保つことが可能となる。
ところで、上述した実施形態では、時系列フィルタリングがパーティクルフィルタである場合について説明したが、これに限定されるものではない。以下、図7~図9を用いて変形例に係るフィルタ処理部35-2について説明する。
図7は、変形例に係るフィルタ処理部35-2のブロック図である。図7に示すように、変形例に係るフィルタ処理部35-2は、予測部35a-2と、割当部35b-2と、重み付け部35c-2と、物標データ生成部35e-2とを備える。
予測部35a-2は、前回の物標データ50から今回の物標データ50に対応する予測データ60を予測する。また、予測部35a-2は、バンク角が閾値を超える場合に、バンクありと判定し、割当範囲Raの切り替えを行う。
図8は、バンク角に対する閾値の具体例を示す図である。図8に示すように、例えば、バンク角に対する閾値は、第1閾値Th1および第2閾値Th2を有し、第1閾値Th1および第2閾値Th2間には、ヒステリシス領域Rhが設けられる。
例えば、予測部35a-2は、バンク角が第1閾値Th1を超えた場合に、バンクありと判定し、バンクフラグをオンに切り替える。また、予測部35a-2は、バンク角が第1閾値Th1よりも低い第2閾値Th2を下回った場合に、バンクフラグをオフに切り替える。
すなわち、第1閾値Th1および第2閾値Th2間にヒステリシス領域Rhを設けることで、バンクフラグをオフからオンに切り替えにくく、バンクフラグをオンからオフへ切り替えやすくすることとなる。
これは、自車両MCが段差等を走行する際の振動等によってバンク角に段差等に基づくノイズ成分が含まれる場合があり、かかるノイズ成分に基づくバンクの有無の誤判定を抑制するためである。
このため、ヒステリシス領域Rhを設けることで、自車両MCがバンク形状の路面を走行する場合にのみ、バンクありと判定することが可能となる。なお、図8に示す第1閾値Th1および第2閾値Th2については、上述の実施形態に係るレーダ装置1に適用することも可能である。
図7の説明に戻り、割当部35b-2について説明する。割当部35b-2は、瞬時データ100をバンク角に応じて設定される割当範囲Raに基づき、予測データ60へ割り当てる。
割当部35b-2は、予測データ60と相対速度、位置が最も近い瞬時データ100を予測データ60に対して割り当てる。ここで、図1に示したように、割当範囲Raは、バンク有の場合、第1割当範囲Ra1となり、バンクなしの場合、第2割当範囲Ra2となる。
また、第1割当範囲Ra1は、他車両LCの移動予測の想定誤差を含む範囲であるのに対して、第2割当範囲Ra2は、第1割当範囲Ra1に自車両MCの移動予測の想定誤差を加えた範囲である。
すなわち、割当部35b-2は、バンク有と判定された場合、予測データ60に対してより広範囲の瞬時データ100を割り当てることが可能となる。これにより、仮に、バンクの影響によって、予測データ60と瞬時データ100とにズレが生じた場合であっても、予測データ60に本来の瞬時データ100を割り当てることが可能となる。つまり、物標データ50の連続性を適切に保つことが可能となる。
重み付け部35c-2は、割当部35b-2によって予測データ60と、予測データ60に割り当てられた瞬時データ100とを指数移動平均により平準化し、指数移動平均における重み付けをバンク角に応じて調正する。
図9は、指数移動平均における重み付けの具体例を示す図である。図9に示すように、例えば、重み付け部35c-2は、バンク有と判定された場合に、瞬時データ100の重みを大きくし、予測データ60の重みを少なくする。
これにより、予測データ60に比べて瞬時データ100に近づくように物標データ50が生成されることとなる。つまり、バンクの影響によって予測データ60の予測精度が低下すると想定される場合に、物標データ50に瞬時データ100の割合を多くして反映させることで、バンクの影響によって生じる予測データ60の誤差を補正することが可能となる。
なお、かかる場合に、瞬時データ100および予測データ60のそれぞれの重みについては、例えば、バンク角が大きいほど、瞬時データ100の重みを大きくすることにしてもよいし、あるいは、バンク有と判定された場合における重みは常に一定の値であってもよい。
また、重み付け部35c-2は、バンク角に応じた重みに関して予め作成されたテーブルを参照して設定することにしてもよいし、外部の制御装置から入力される重みを設定することにしてもよい。
図7の説明に戻り、物標データ生成部35e-2について説明する。物標データ生成部35e-2は、重み付け部35c-2によって重み付けされた瞬時データ100および予測データ60に基づいて物標データ50を生成する。
すなわち、物標データ生成部35e-2は、バンクがあると判定された場合に、瞬時データ100の重みを大きくし、予測データ60の重みを小さくして物標データ50を生成する。
これにより、バンクによる誤差を抑えた物標データ50を生成することが可能となり、かかる物標データ50から予測される予測データ60の確からしさを向上させることが可能となる。
したがって、次回の処理において、予測データ60と予測データ60に対応する瞬時データ100とが比較的近い値を取ることになり、予測データ60と瞬時データ100とのバラつきを抑えることが可能となる。
ところで、上述した第2割当範囲Ra2は、第1割当範囲Ra1に比べて広い範囲である場合について説明したが、これに限定されるものではない。第2割当範囲Ra2は、第1割当範囲Ra1と略同じ大きさであってもよい。
図10は、割当範囲Raの一例を示す図である。図10に示すように、第1割当範囲Ra1を例えば、バンク角に応じて回転させることで、第2割当範囲Ra2を設定することにしてもよい。
例えば、レーダ装置1は、バンク角に応じた予測データ60と反射点RP(図4C参照)とのズレ量θを予め算出したテーブルを記憶しておき、バンク角に応じたズレ量θを用いて第1割当範囲Ra1を補正することで第2割当範囲Ra2を設定する。
すなわち、予測移動ベクトルVrをズレ量θで補正することで、補正後の予測移動ベクトルVrbを導出し、予測移動ベクトルVrbに基づいて予測移動ベクトルVrに基づく予測データ60aを予測移動ベクトルVrcに基づく予測データ60bへ補正する。これは、つまり、移動予測をバンク角にも基づいて行うことである。
そして、予測データ60bに対して、例えば、第1割当範囲Ra1と略同じ大きさの第2割当範囲Ra2を設定する。これにより、第2割当範囲Ra2を第1割当範囲Ra1より広く設定しなくともバンクの影響による追従性の低下を抑えることが可能となる。
なお、例えば、時系列フィルタにカルマンフィルタや拡張カルマンフィルタを用いる場合、バンク角に応じて共分散行列を拡張することにしてもよい。すなわち、バンク角が大きいほど、共分散行列を拡張することで、割当範囲Raを拡張することにしてもよい。
さらなる効果や変形例は、当業者によって容易に導き出すことができる。このため、本発明のより広範な態様は、以上のように表しかつ記述した特定の詳細および代表的な実施形態に限定されるものではない。したがって、添付の特許請求の範囲およびその均等物によって定義される総括的な発明の概念の精神または範囲から逸脱することなく、様々な変更が可能である。