JP7276762B2

JP7276762B2 - Risk estimation device and program

Info

Publication number: JP7276762B2
Application number: JP2018225677A
Authority: JP
Inventors: 吉紘大濱; 新高橋; 真大門
Original assignee: Denso Corp; Toyota Central R&D Labs Inc
Current assignee: Denso Corp; Toyota Central R&D Labs Inc
Priority date: 2018-11-30
Filing date: 2018-11-30
Publication date: 2023-05-18
Anticipated expiration: 2038-11-30
Also published as: JP2020087339A

Description

本発明は、リスク推定装置及びリスク推定プログラムに係り、特に、移動物の移動を予測したリスク推定地図を生成するリスク推定装置及びリスク推定プログラムに関する。 The present invention relates to a risk estimation device and a risk estimation program, and more particularly to a risk estimation device and a risk estimation program that generate a risk estimation map that predicts movement of a moving object.

従来、車両の周辺環境の時間的な変化を考慮して、車両の走行危険度を評価する技術が提案されている（特許文献１参照）。この技術では、周辺環境認識装置は、車両に搭載され、車両の周辺環境を認識する。周辺環境認識装置は、車両の動きに関する自車情報を取得する自車情報取得部と、車両の周辺の環境要素に対する周辺環境要素情報を取得する周辺環境要素取得部と、自車情報に基づいて、車両の周辺の各位置に対する車両の存在時間範囲を表す自車存在時間範囲を決定する存在時間範囲決定部と、自車存在時間範囲および周辺環境要素情報に基づいて、車両の周辺の走行危険度を決定する走行危険度決定部と、を備える。 2. Description of the Related Art Conventionally, there has been proposed a technique for evaluating a vehicle's running risk in consideration of temporal changes in the surrounding environment of the vehicle (see Patent Literature 1). In this technology, the surrounding environment recognition device is mounted on the vehicle and recognizes the surrounding environment of the vehicle. The surrounding environment recognition device includes a vehicle information acquisition unit that acquires vehicle information related to the movement of the vehicle, a surrounding environment element acquisition unit that acquires surrounding environment element information regarding environmental elements around the vehicle, and based on the vehicle information: , an existence time range determination unit that determines a vehicle existence time range representing the vehicle existence time range for each position around the vehicle; and a driving risk determination unit that determines the degree of risk.

また、Hybrid-Sampling Bayesian Occupancy Filterと呼ばれるグリッドマップ上で、グリッドの各々のセルの衝突時間（ＴＴＣ：Time To Collision）を算出して、リスクを推定する技術が提案されている（非特許文献１参照）。 Also, a technique for estimating the risk by calculating the collision time (TTC: Time To Collision) of each cell of the grid on a grid map called Hybrid-Sampling Bayesian Occupancy Filter has been proposed (Non-Patent Document 1 reference).

特開２０１７－２２４２３７号公報JP 2017-224237 A

Probabilistic Grid-based Collision Risk Prediction for Driving Application, Inria, 2014Probabilistic Grid-based Collision Risk Prediction for Driving Application, Inria, 2014

しかし、特許文献１に記載の技術では、グリッドマップ上のセル（座標値）に対して、存在時間範囲を割り付けるため、高速道路上の車両の動きのような単調な状況しか記述できない。例えば、複数の歩行者が自由に歩行しているような状況において、特許文献１に記載の技術で、車両の走行危険度を推定することは困難である。 However, the technique described in Patent Document 1 assigns an existence time range to a cell (coordinate value) on a grid map, so it can only describe a monotonous situation such as the movement of a vehicle on a highway. For example, in a situation where a plurality of pedestrians are walking freely, it is difficult to estimate the running risk of the vehicle with the technology described in Patent Document 1.

また、非特許文献１に記載の技術において、グリッド分解能は７５０×３００セル、セル内に設定するパーティクルは２６２１４４個（０．８６パーティクル／セル）である。したがって、数十万個のパーティクルについて計算を行う必要があるため、計算コストが膨大になるという問題がある。 In the technique described in Non-Patent Document 1, the grid resolution is 750×300 cells, and the number of particles set in each cell is 262144 (0.86 particles/cell). Therefore, since it is necessary to perform calculations for hundreds of thousands of particles, there is a problem that the calculation cost becomes enormous.

本発明は、上記事情を鑑みて成されたものであり、歩行者のような複雑な移動が想定される移動物が存在する環境における、占有格子表現のリスク推定地図を生成するための計算量を削減することができるリスク推定装置及びプログラムを提供することを目的とする。 The present invention has been made in view of the above circumstances, and the computational complexity for generating a risk estimation map of occupancy grid representation in an environment where a moving object such as a pedestrian whose movement is assumed to be complicated exists. It is an object to provide a risk estimation device and program that can reduce

上記目的を達成するために、本発明に係るリスク推定装置は、対象領域に存在する移動物を検出する検出部と、所定位置を基準とした相対位置毎の前記移動物の存在可能性を示す値の分布として予め定めた単位分布であって、前記対象領域において、前記移動物の移動に関する複数の仮説の各々に応じた位置に配置される複数の前記単位分布の各々を予測し、予測した前記単位分布の各々を混合した混合分布により、前記検出部により検出された前記移動物の移動の予測を表す予測部と、所定の単位格子で構成された所定サイズの辞書格子に前記単位分布を対応させたパターンであって、前記単位分布の前記所定位置を前記単位格子内の異なる複数の位置に対応させた複数の前記パターンを保持する単位分布辞書を参照し、前記予測部により予測された複数の前記単位分布の各々の前記所定位置に対応する前記パターンの各々を、前記対象領域に対応する占有格子地図であって、前記辞書格子の単位格子に対応する単位格子で構成された前記占有格子地図に重ね合わせてリスク推定地図を生成するリスク推定地図生成部と、を含んで構成されている。 In order to achieve the above object, a risk estimation device according to the present invention includes a detection unit that detects a moving object existing in a target area , and a possibility of existence of the moving object for each relative position with respect to a predetermined position as a reference. Predicting each of a plurality of unit distributions predetermined as a distribution of indicated values, wherein each of the plurality of unit distributions is arranged at a position corresponding to each of a plurality of hypotheses regarding movement of the moving object in the target region; a prediction unit that predicts the movement of the moving object detected by the detection unit using a mixture distribution obtained by mixing each of the unit distributions obtained by mixing the unit distributions, Prediction by the prediction unit with reference to a unit distribution dictionary holding a plurality of patterns corresponding to distributions, in which the predetermined position of the unit distribution corresponds to a plurality of different positions in the unit cell each of the patterns corresponding to the predetermined position of each of the plurality of unit distributions is an occupancy grid map corresponding to the target area and is composed of unit cells corresponding to the unit grid of the dictionary grid. and a risk estimation map generation unit that generates a risk estimation map by superimposing it on the occupancy grid map.

本発明に係るリスク推定装置によれば、検出部が、対象領域に存在する移動物を検出すし、予測部が、所定位置を基準とした相対位置毎の移動物の存在可能性を示す値の分布として予め定めた単位分布であって、対象領域において、移動物の移動に関する複数の仮説の各々に応じた位置に配置される複数の単位分布の各々を予測し、予測した単位分布の各々を混合した混合分布により、検出部により検出された移動物の移動の予測を表す。 According to the risk estimation device according to the present invention, the detection unit detects a moving object existing in the target area, and the prediction unit provides a value indicating the possibility of existence of the moving object for each relative position with respect to the predetermined position. wherein each of the plurality of unit distributions is predicted to be placed at a position corresponding to each of a plurality of hypotheses regarding the movement of the moving object in the target region, and each of the predicted unit distributions A prediction of the movement of the moving object detected by the detection unit is represented by a mixture distribution obtained by mixing .

そして、リスク推定地図生成部が、所定の単位格子で構成された所定サイズの辞書格子に単位分布を対応させたパターンであって、単位分布の所定位置を単位格子内の異なる複数の位置に対応させた複数のパターンを保持する単位分布辞書を参照し、予測部により予測された複数の単位分布の各々の所定位置に対応するパターンの各々を、対象領域に対応する占有格子地図であって、辞書格子の単位格子に対応する単位格子で構成された占有格子地図に重ね合わせてリスク推定地図を生成する。 Then, the risk estimation map generation unit is a pattern in which the unit distribution is associated with a dictionary grid of a predetermined size configured by a predetermined unit grid, and the predetermined positions of the unit distribution correspond to a plurality of different positions in the unit grid. By referring to a unit distribution dictionary holding a plurality of patterns obtained by the prediction unit, each of the patterns corresponding to each predetermined position of each of the plurality of unit distributions predicted by the prediction unit is an occupancy grid map corresponding to the target area, A risk estimation map is generated by superimposing it on an occupancy grid map composed of unit cells corresponding to the unit cells of the dictionary grid.

これにより、歩行者のような複雑な移動が想定される移動物が存在する環境における、占有格子表現のリスク推定地図を生成するための計算量を削減することができる。また、生成するリスク推定地図の解像度が粗い場合でも、その解像度よりも細かい位置の刻みで単位分布をリスク推定地図に反映させることができる。 As a result, it is possible to reduce the amount of calculation for generating the risk estimation map of the occupancy grid representation in an environment where moving objects such as pedestrians whose movements are assumed to be complicated exist. Moreover, even if the resolution of the risk estimation map to be generated is coarse, the unit distribution can be reflected on the risk estimation map at finer position increments than the resolution.

また、前記パターンは、前記辞書格子に前記単位分布を対応させた場合における、前記単位格子の各々に対応する前記単位分布の値を前記単位格子に保持させたパターンとすることができる。これにより、簡易な形式で複数のパターンを保持しておくことができる。 Further, the pattern may be a pattern in which the value of the unit distribution corresponding to each of the unit lattices is held in the unit lattice when the unit distribution is associated with the dictionary lattice. This makes it possible to hold a plurality of patterns in a simple format.

また、前記リスク推定地図生成部は、前記予測部により予測された複数の前記単位分布の各々の前記所定位置が属する前記占有格子地図上の単位格子、及び該単位格子内での前記所定位置を特定し、特定した前記単位格子内での前記所定位置に応じた前記パターンを前記単位分布辞書から選択し、特定した前記単位格子と、前記単位分布辞書から選択した前記パターンにおいて前記単位分布の前記所定位置に相当する単位格子とを対応させて、選択した前記パターンを前記占有格子地図に重ね合わせた場合に、選択した前記パターンの各単位格子が保持する値を、対応する前記占有格子地図の単位格子に反映することができる。これにより、簡易な処理で、混合分布を占有格子表現にすることができる。 Further, the risk estimation map generation unit generates a unit grid on the occupancy grid map to which the predetermined position of each of the plurality of unit distributions predicted by the prediction unit belongs, and the predetermined position in the unit grid. is specified, the pattern corresponding to the predetermined position in the specified unit cell is selected from the unit distribution dictionary, and the unit distribution in the specified unit cell and the pattern selected from the unit distribution dictionary When the selected pattern is superimposed on the occupancy grid map in association with the unit grid corresponding to the predetermined position , the value held by each unit grid of the selected pattern is converted to the corresponding occupancy grid. It can be reflected in the unit cell of the grid map. As a result, the mixture distribution can be expressed as an occupied grid with a simple process.

また、前記単位分布辞書に保持される複数の前記パターンの各々は、前記辞書格子の中央の単位格子を複数に分割した副単位格子の各々に、前記単位分布の前記所定位置を対応させた場合の前記パターンの各々とすることができる。これにより、簡易な形式で複数のパターンを保持しておくことができる。 Further, each of the plurality of patterns held in the unit distribution dictionary is a case where the predetermined position of the unit distribution corresponds to each of the sub-unit lattices obtained by dividing the central unit lattice of the dictionary lattice into a plurality of sub-unit lattices. each of the above patterns. This makes it possible to hold a plurality of patterns in a simple format.

また、前記リスク推定地図生成部は、前記予測部により予測された複数の前記単位分布の各々の前記所定位置が属する前記副単位格子に対応する前記パターンが保持する値と、該副単位格子の周辺の副単位格子に対応する前記パターンが保持する値とを重み付け加算して、前記占有格子地図の単位格子に反映することができる。これにより、単位分布辞書として保持するパターン数を増やすことなく、より細かい位置の刻みで単位分布をリスク推定地図に反映させることができる。 In addition, the risk estimation map generation unit generates a value held by the pattern corresponding to the sub unit cell to which the predetermined position of each of the plurality of unit distributions predicted by the prediction unit belongs, and the sub unit cell can be weighted and added to the values held by the patterns corresponding to sub -unit cells in the vicinity of the , and reflected in the unit cells of the occupancy grid map. As a result, the unit distribution can be reflected on the risk estimation map at finer position intervals without increasing the number of patterns held as the unit distribution dictionary.

また、前記検出部は、対象領域に存在する静止物を検出し、本発明に係るリスク推定装置は、前記リスク推定地図生成部により生成された前記リスク推定地図に基づいて、前記移動物同士の衝突可能性、及び前記移動物と前記静止物との衝突可能性を判定する衝突可能性判定部をさらに含んで構成することができる。これにより、衝突の可能性を把握することができる。 In addition, the detection unit detects a stationary object existing in the target area, and the risk estimation device according to the present invention detects the moving objects based on the risk estimation map generated by the risk estimation map generation unit. The configuration may further include a collision possibility determination unit that determines a collision possibility and a collision possibility between the moving object and the stationary object. This makes it possible to grasp the possibility of collision.

また、前記検出部は、対象領域に存在する静止物を検出し、本発明に係るリスク推定装置は、前記検出部により検出された前記静止物の位置を反映した前記占有格子地図を生成する占有格子地図生成部をさらに含んで構成することができ、前記予測部は、前記静止物の位置を回避するように前記移動物の移動を予測することができる。これにより、移動物の移動を実際の状況に合わせて予測することができる。 The detection unit detects a stationary object existing in the target area, and the risk estimation device according to the present invention generates the occupation grid map reflecting the position of the stationary object detected by the detection unit. A grid map generation unit may be further included, and the prediction unit may predict the movement of the moving object so as to avoid the position of the stationary object. Thereby, the movement of the moving object can be predicted according to the actual situation.

また、前記占有格子地図生成部は、前記対象領域に関する地図データを重畳した前記占有格子地図を生成し、前記予測部は、前記占有格子地図に重畳された前記地図データが示す要因を反映して、前記単位分布の各々を予測することができる。これにより、移動物の移動の予測精度が向上する。 The occupation grid map generating unit generates the occupation grid map by superimposing map data related to the target area, and the prediction unit reflects factors indicated by the map data superimposed on the occupation grid map. , each of the unit distributions can be predicted. This improves the prediction accuracy of the movement of the moving object.

また、本発明に係るリスク推定装置は、前記対象領域に対応すると共に、所定の前記単位格子で構成された前記占有格子地図と同じ解像度の所定サイズの前記辞書格子に、前記単位分布の前記所定位置を前記辞書格子の前記所定の単位格子内の異なる複数の位置に対応させた複数の前記パターンを生成する単位分布辞書生成部をさらに含んで構成することができる。 In addition, the risk estimation apparatus according to the present invention stores the predetermined size of the unit distribution in the dictionary grid corresponding to the target area and having the same resolution as the occupation grid map and having the same size as the occupancy grid map. A unit distribution dictionary generation unit may further include a unit distribution dictionary generating unit that generates a plurality of the patterns corresponding to a plurality of different positions within the predetermined unit lattice of the dictionary lattice.

また、本発明に係るリスク推定装置は、前記リスク推定地図生成部により生成された前記リスク推定地図、及び前記リスク推定地図に基づく情報の少なくとも一方を表示装置に表示するように制御する表示制御部をさらに含んで構成することができる。これにより、移動物の移動の予測結果を占有格子表現したリスク推定地図及びそれに基づく情報の少なくとも一方を可視化することができる。 Further, the risk estimation device according to the present invention further includes a display control unit that controls to display at least one of the risk estimation map generated by the risk estimation map generation unit and information based on the risk estimation map on a display device. can be further included. This makes it possible to visualize at least one of the risk estimation map representing the predicted result of the movement of the moving object in an occupancy grid representation and the information based on the map.

また、前記表示制御部は、前記リスク推定地図を表示する場合に、前記リスク推定地図が示すリスクの高さに応じて、表示の輝度又は色を制御することができる。これにより、リスクが高い状況を把握し易くなる。 Further, when displaying the risk estimation map, the display control unit can control the brightness or color of the display according to the level of risk indicated by the risk estimation map. This makes it easier to grasp high-risk situations.

また、本発明に係るリスク推定プログラムは、コンピュータを、上記のリスク推定装置の各部として機能させるためのプログラムである。 A risk estimation program according to the present invention is a program for causing a computer to function as each part of the risk estimation device.

本発明のリスク推定装置及びプログラムによれば、混合分布を構成する単位分布の所定位置を単位格子内の異なる複数の位置に対応させて占有格子表現にした複数のパターンを単位分布辞書として保持しておき、移動物の移動に関して予測された混合分布を構成する複数の単位分布に対応するパターンを、単位分布辞書から選択して占有格子地図に重ね合わせてリスク推定地図を生成することにより、歩行者のような複雑な移動が想定される移動物が存在する環境における、占有格子表現のリスク推定地図を生成するための計算量を削減することができる。 According to the risk estimation apparatus and program of the present invention, a plurality of patterns represented by occupancy grids are held as a unit distribution dictionary by associating predetermined positions of unit distributions constituting a mixture distribution with a plurality of different positions within a unit cell. Then, a risk estimation map is generated by selecting patterns corresponding to a plurality of unit distributions constituting a mixture distribution predicted for the movement of moving objects from the unit distribution dictionary and superimposing them on the occupancy grid map to generate a risk estimation map. It is possible to reduce the amount of calculation for generating a risk estimation map of occupancy grid representation in an environment where a moving object such as a person whose movement is assumed to be complicated exists.

本実施形態の概要を説明するための図である。It is a figure for demonstrating the outline|summary of this embodiment. 本実施形態に係るリスク推定システムの概略構成を示すブロック図である。1 is a block diagram showing a schematic configuration of a risk estimation system according to this embodiment; FIG. センシング装置の設置の一例を説明するための図である。It is a figure for demonstrating an example of installation of a sensing apparatus. センシング装置の設置の他の例を説明するための図である。FIG. 10 is a diagram for explaining another example of installation of the sensing device; 辞書格子の一例を示す図である。It is a figure which shows an example of a dictionary lattice. パターンの生成を説明するための図である。FIG. 4 is a diagram for explaining pattern generation; 単位分布辞書のデータ構造の一例を示す図である。It is a figure which shows an example of the data structure of a unit distribution dictionary. 占有格子地図の生成を説明するための図である。FIG. 10 is a diagram for explaining generation of an occupancy grid map; FIG. 予測された混合分布を占有格子地図上に表した場合を示す図である。FIG. 11 is a diagram showing a case where predicted mixture distributions are represented on an occupancy grid map; 副単位格子の特定を説明するための図である。FIG. 4 is a diagram for explaining identification of a sub-unit cell; リスク推定地図の生成を説明するための図である。FIG. 4 is a diagram for explaining generation of a risk estimation map; FIG. リスク推定地図の一例を示す図である。It is a figure which shows an example of a risk estimation map. 単位分布辞書生成処理の一例を示すフローチャートである。9 is a flowchart showing an example of unit distribution dictionary generation processing; リスク推定地図生成処理の一例を示すフローチャートである。It is a flow chart which shows an example of risk presumption map generation processing. 単位分布辞書引処理の一例を示すフローチャートである。10 is a flowchart showing an example of unit distribution dictionary lookup processing; 単位分布の期待値が属する副単位格子以外の副単位格子に対応するパターンも用いて各単位格子の値を算出する場合を説明するための図である。FIG. 10 is a diagram for explaining a case where the value of each unit cell is calculated using patterns corresponding to sub-unit cells other than the sub-unit cell to which the expected value of the unit distribution belongs.

以下、図面を参照して本発明の実施形態を詳細に説明する。 Hereinafter, embodiments of the present invention will be described in detail with reference to the drawings.

＜本実施形態の概要＞
本実施形態では、図１に示すように、例えば、駐車場内での歩行者のような複雑な移動が想定される移動物の移動の予測を、複数の単位分布６０を混合した混合分布により表す。混合分布６２を構成する各単位分布６０は、所定位置を基準とした相対位置毎の移動物の存在可能性を示す値の分布として予め定めた分布であって、対象領域において、移動物の移動に関する複数の仮説（図１の例では、仮説１、仮説２、及び仮説３）の各々に応じた位置に配置される分布である。単位分布６０は、例えば、正規分布とすることができ、所定位置を基準とした相対位置毎の移動物の存在可能性を示す値は、確率密度値である。 <Overview of this embodiment>
In this embodiment, as shown in FIG. 1, for example, prediction of movement of a moving object such as a pedestrian in a parking lot, which is assumed to move in a complicated manner, is represented by a mixture distribution obtained by mixing a plurality of unit distributions 60. . Each unit distribution 60 constituting the mixed distribution 62 is a distribution predetermined as a distribution of values indicating the possibility of existence of a moving object for each relative position with respect to a predetermined position, and is a distribution arranged at a position corresponding to each of a plurality of hypotheses (hypotheses 1, 2, and 3 in the example of FIG. 1). The unit distribution 60 can be, for example, a normal distribution, and a value indicating the possibility of existence of a moving object for each relative position with respect to a predetermined position is a probability density value.

さらに、本実施形態では、上記の混合分布６２を、占有格子表現としたリスク推定地図６４を生成する。 Furthermore, in this embodiment, a risk estimation map 64 is generated by using the mixture distribution 62 as an occupancy grid representation.

ここで、混合分布６２を占有格子表現する場合に、逐一各格子に占める混合分布６２の確率密度値を計算すると、計算量が膨大になってしまう。 Here, when the mixture distribution 62 is represented by an occupancy grid, if the probability density values of the mixture distribution 62 occupying each grid are calculated one by one, the amount of calculation becomes enormous.

そこで、本実施形態では、混合分布６２を構成する個別の単位分布６０を表す占有格子表現を予め単位分布辞書として保持しておき、占有格子表現の地図上で時間軸に沿って重み付き加算によって混合することで、リスク推定地図６４を生成する。 Therefore, in this embodiment, the occupancy grid representation representing the individual unit distributions 60 constituting the mixture distribution 62 is stored in advance as a unit distribution dictionary, and weighted addition is performed along the time axis on the map of the occupancy grid representation. By mixing, a risk estimation map 64 is generated.

＜本実施形態に係るリスク推定システムの構成＞
図２に示すように、本実施形態に係るリスク推定システム１００は、リスク推定装置１０と、センシング装置１２と、ディスプレイ等の表示装置１６とを備えて構成される。本実施形態では、リスク推定を行う対象領域が駐車場であり、移動物として車両及び歩行者が想定される場合を例に説明する。 <Configuration of risk estimation system according to the present embodiment>
As shown in FIG. 2, the risk estimation system 100 according to this embodiment includes a risk estimation device 10, a sensing device 12, and a display device 16 such as a display. In the present embodiment, an example will be described in which a target area for risk estimation is a parking lot, and vehicles and pedestrians are assumed as moving objects.

センシング装置１２は、例えば、カメラ、レーザーレーダ、電波受信機等のセンサであり、静止物の位置、並びに移動物の位置及び速度の推定に必要な情報を計測し、計測したセンサデータを出力する。センシング装置１２は、静止物及び移動物を計測可能な位置及び角度で設置される。対象領域に設置されるセンシング装置１２は、多数台、及び多数の種類が混在してもよい。 The sensing device 12 is, for example, a sensor such as a camera, a laser radar, or a radio wave receiver, measures information necessary for estimating the position of a stationary object and the position and speed of a moving object, and outputs the measured sensor data. . The sensing device 12 is installed at a position and angle at which stationary and moving objects can be measured. Multiple units and multiple types of sensing devices 12 may be installed in the target area.

例えば、図３に示すように、センシング装置１２は、天井や壁等に固定して設置することができる。この場合、センシング装置１２は、設置位置を適切に選定することで、カメラの撮影範囲やレーザーレーダの検出範囲等が遮蔽される領域を少なくすることができる。また、例えば、図４に示すように、センシング装置１２は、移動物、例えば車両上に設置してもよい。 For example, as shown in FIG. 3, the sensing device 12 can be fixedly installed on a ceiling, a wall, or the like. In this case, by appropriately selecting the installation position of the sensing device 12, it is possible to reduce the area where the imaging range of the camera, the detection range of the laser radar, and the like are shielded. Also, for example, as shown in FIG. 4, the sensing device 12 may be installed on a moving object such as a vehicle.

センシング装置１２から出力されたセンサデータは、リスク推定装置１０へ入力される。ここで、センシング装置１２は、リスク推定装置１０と直接接続されていることを要せず、リスク推定装置１０に、インターネット等の通信網を介して接続されていてもよい。 Sensor data output from the sensing device 12 is input to the risk estimation device 10 . Here, the sensing device 12 does not need to be directly connected to the risk estimation device 10, and may be connected to the risk estimation device 10 via a communication network such as the Internet.

リスク推定装置１０は、ＣＰＵ（Central Processing Unit）と、ＲＡＭ（Random Access Memory）と、後述する単位分布辞書生成処理及びリスク推定地図生成処理を含むリスク推定処理を実行するためのリスク推定プログラムを記憶したＲＯＭ（Read Only Memory）とを備えたコンピュータにより実現することができる。ＣＰＵがリスク推定プログラムを実行することにより、コンピュータがリスク推定装置１０として機能することになる。 The risk estimation device 10 stores a CPU (Central Processing Unit), a RAM (Random Access Memory), and a risk estimation program for executing risk estimation processing including unit distribution dictionary generation processing and risk estimation map generation processing, which will be described later. It can be realized by a computer equipped with a ROM (Read Only Memory). The CPU functions as the risk estimation device 10 by executing the risk estimation program.

図２に示すように、リスク推定装置１０は、機能的には、単位分布辞書生成部２２と、単位分布辞書２４と、静止物検出部２６と、占有格子地図生成部２８と、地図データベース（ＤＢ：database）３０と、移動物検出追跡部３２と、移動予測部３４と、単位分布辞書引部３６と、リスク推定地図生成部３８と、衝突可能性判定部４０と、表示制御部４２とを含んで構成される。 As shown in FIG. 2, the risk estimation device 10 functionally includes a unit distribution dictionary generation unit 22, a unit distribution dictionary 24, a stationary object detection unit 26, an occupancy grid map generation unit 28, and a map database ( DB: database) 30, a moving object detection and tracking unit 32, a movement prediction unit 34, a unit distribution dictionary lookup unit 36, a risk estimation map generation unit 38, a collision possibility determination unit 40, and a display control unit 42 Consists of

単位分布辞書生成部２２は、所定の単位格子で構成された所定サイズの辞書格子に単位分布６０を対応させたパターンであって、単位分布６０の所定位置を単位格子内の異なる複数の位置に対応させた複数のパターンを保持する単位分布辞書２４を生成する。以下では、単位分布６０が正規分布である場合を例に、具体的に説明する。 The unit distribution dictionary generation unit 22 generates a pattern in which the unit distribution 60 is associated with a dictionary grid of a predetermined size configured by predetermined unit grids. A unit distribution dictionary 24 that holds a plurality of associated patterns is generated. In the following, a specific description will be given by taking as an example the case where the unit distribution 60 is a normal distribution.

単位分布辞書生成部２２は、リスク推定装置１０において最終的に生成するリスク推定地図６４と同じ解像度、すなわち、同一サイズの単位格子により構成された空の辞書格子を用意する。辞書格子のサイズ（縦及び横の単位格子数）は、単独の単位分布６０が一定閾値以上の確率密度値を取る範囲に限定した範囲が収まるサイズとする。図５に、空の辞書格子６６の一例を示す。図５の例において、１マスが１つの単位格子６８に相当する。辞書格子６６は、格子数がいずれの軸（縦及び横）も奇数になるものとし、中央の単位格子６８が唯一に定まるようにする。なお、図５では、９×９マスの辞書格子６６を示している。単位分布辞書生成部２２は、単位分布辞書２４に含めるパターン数分の空の辞書格子６６を用意する。 The unit distribution dictionary generation unit 22 prepares an empty dictionary lattice composed of unit lattices having the same resolution as the risk estimation map 64 finally generated in the risk estimation device 10, that is, the same size. The size of the dictionary grid (the number of unit grids in the vertical and horizontal directions) is set to a size that fits within a limited range in which a single unit distribution 60 takes a probability density value equal to or greater than a certain threshold. An example of an empty dictionary grid 66 is shown in FIG. In the example of FIG. 5, one square corresponds to one unit cell 68 . The dictionary lattice 66 has an odd number of lattices on both axes (vertical and horizontal) so that the center unit lattice 68 is unique. Note that FIG. 5 shows a dictionary grid 66 of 9×9 squares. The unit distribution dictionary generation unit 22 prepares empty dictionary grids 66 for the number of patterns to be included in the unit distribution dictionary 24 .

また、単位分布辞書生成部２２は、中央の単位格子６８を複数に分割（本実施形態では、４分割）した副単位格子７０を設定し、各副単位格子７０に副単位格子番号Ｄ_ｉ（ｉ＝１，２，３，４）を割り当てる。図５では、副単位格子７０内に、その副単位格子７０の副単位格子番号Ｄ_ｉの添え字ｉを示している。なお、副単位格子７０の分割数や幾何学的な形状は、図５に示す例に限定されるものではない。 In addition, the unit distribution dictionary generation unit 22 sets sub _- unit grilles 70 obtained by dividing the central unit grille 68 into a plurality of pieces (in this embodiment, four divisions). assign i=1, 2, 3, 4). In FIG. 5, sub-unit cell number _Di of sub-unit cell 70 is shown with suffix i within sub-unit cell 70 . Note that the division number and geometric shape of the sub-unit grille 70 are not limited to the example shown in FIG.

単位分布辞書生成部２２は、図６に示すように、空の辞書格子６６の副単位格子７０の各々の中心位置に、単位分布６０の所定位置（本実施形態では、期待値）が位置するように対応させ、辞書格子６６内の各単位格子６８の中心位置に対応する単位分布６０の値（確率密度値）を、各単位格子６８に保持させたパターンを生成する。図６の例では、各単位格子６８に保持された値が高い程、単位格子６８内の色を濃くして表している。 As shown in FIG. 6, the unit distribution dictionary generation unit 22 places a predetermined position (expected value in this embodiment) of the unit distribution 60 at the center position of each sub-unit grid 70 of the empty dictionary grid 66. , and a pattern is generated in which each unit grid 68 holds the value (probability density value) of the unit distribution 60 corresponding to the center position of each unit grid 68 in the dictionary grid 66 . In the example of FIG. 6, the higher the value held in each unit cell 68, the darker the color inside the unit cell 68 is.

単位分布辞書生成部２２は、副単位格子７０毎にパターンを生成し、生成した複数のパターンを、単位分布辞書２４として、リスク推定装置１０の所定の記憶領域に記憶する。図７に単位分布辞書２４のデータ構造の一例を示す。図７の例では、辞書格子６６に含まれる各単位格子６８に単位格子番号を１から順に付与し（図５の例では１～８１）、副単位格子番号Ｄ_ｉに対応付けて、各単位格子６８が保持する値を記憶している。なお、図７中のＮ（ｘ_ｊ；ｘ_Ｄｉ，Σ）において、ｘ_ｊは単位格子番号ｊの単位格子６８の中心位置、ｘ_Ｄｉは副単位格子番号Ｄ_ｉの副単位格子７０の中心位置である。すなわち、Ｎ（ｘ_ｊ；ｘ_Ｄｉ，Σ）は、期待値がｘ_Ｄｉ、分散がΣの正規分布のｘ_ｊにおける確率密度値である。 The unit distribution dictionary generation unit 22 generates a pattern for each sub unit grid 70 and stores the generated patterns as the unit distribution dictionary 24 in a predetermined storage area of the risk estimation device 10 . FIG. 7 shows an example of the data structure of the unit distribution dictionary 24. As shown in FIG. In the example of FIG. 7, each unit cell 68 included in the dictionary cell 66 is assigned a unit cell number in order from 1 (1 to 81 in the example of _FIG . It stores the values that the grid 68 holds. In N(x _j ; x _Di , Σ) in FIG. 7, x _j is the center position of the unit cell 68 with the unit cell number j, and x _Di is the center position of the sub-unit cell 70 with the sub-unit cell number D _i . is. That is, N(x _j ; x _Di , Σ) is the probability density value at x _j of a normal distribution with an expected value of x _Di and a variance of Σ.

なお、正規分布などのように、形状が上下及び左右などで対象の場合には、全てのパターンを単位分布辞書２４として記憶しておく必要はない。例えば、図６の例の場合、副単位格子番号Ｄ_１のパターンだけ記憶しておけば、そのパターンを上下反転及び左右反転操作することにより、副単位格子番号Ｄ_２、Ｄ_３、及びＤ_４のパターンを生成することができる。これにより、単位分布辞書２４を記憶する記憶容量を低減することができる。 Note that when the shape is symmetrical in the vertical and horizontal directions, such as a normal distribution, it is not necessary to store all patterns as the unit distribution dictionary 24 . For example, in the case of the example of FIG. 6, if only the pattern of the sub-unit grid number _D1 is stored, sub-unit grid numbers _D2 , _D3 , and _D4 can be obtained by performing vertical and horizontal inversion operations on that pattern. pattern can be generated. Thereby, the storage capacity for storing the unit distribution dictionary 24 can be reduced.

静止物検出部２６は、センシング装置１２から入力されたセンサデータを取得し、センサデータに基づいて、対象領域内に存在する静止物を検出する。例えば、静止物検出部２６は、レーザーレーダにより計測されたセンサデータが示す３次元点群データにより、対象領域の点群地図を生成し、異なる時刻間の点群地図において差が生じていない部分を、静止物として検出する。静止物検出部２６は、検出した静止物を示す３次元点群データを占有格子地図生成部２８へ受け渡す。 The stationary object detection unit 26 acquires sensor data input from the sensing device 12 and detects stationary objects existing within the target area based on the sensor data. For example, the stationary object detection unit 26 generates a point cloud map of the target area based on the three-dimensional point cloud data indicated by the sensor data measured by the laser radar. is detected as a stationary object. The stationary object detection unit 26 transfers the three-dimensional point cloud data representing the detected stationary objects to the occupancy grid map generation unit 28 .

占有格子地図生成部２８は、対象領域の適切な位置を原点とする座標系において、上記の辞書格子６６と同一の解像度、すなわち同一サイズの単位格子６８で構成される空の占有格子地図を用意する。占有格子地図生成部２８は、図８に示すように、静止物検出部２６から受け渡された静止物の３次元点群データが示す位置に対応する占有格子地図７２の単位格子６８に投票することで、静止物の位置を反映した占有格子地図７２を生成する。図８の例では、斜線で示す単位格子群７４が、静止物を示す領域であることを表している。 The occupancy grid map generation unit 28 prepares an empty occupancy grid map composed of unit grids 68 having the same resolution, that is, the same size as the dictionary grid 66, in a coordinate system whose origin is the appropriate position of the target area. do. As shown in FIG. 8, the occupation grid map generator 28 votes for the unit grid 68 of the occupation grid map 72 corresponding to the position indicated by the three-dimensional point cloud data of the stationary object received from the stationary object detection unit 26. Thus, an occupancy grid map 72 reflecting the positions of stationary objects is generated. In the example of FIG. 8, the hatched unit cell group 74 represents a region representing a stationary object.

また、占有格子地図生成部２８は、地図ＤＢ３０の情報も占有格子地図７２に反映する。例えば、地図ＤＢ３０には、対象領域である駐車場の車両出入口、歩行者出入口、障害物、標識等の位置及び寸法が格納されている。これらの情報は、移動物の移動に影響を与える要因となり得る情報である。例えば、占有格子地図生成部２８は、図８の破線部７６に示すように、出入口等に相当する単位格子６８に、その単位格子６８に対応する位置に存在する物体の物体名、形状、寸法等の情報を保持させる。図８の例では、地図ＤＢ３０の情報が反映された単位格子６８を「Ｘ」で表している。 The occupation grid map generation unit 28 also reflects the information of the map DB 30 on the occupation grid map 72 . For example, the map DB 30 stores the positions and dimensions of vehicle entrances and exits, pedestrian entrances and exits, obstacles, signs, etc. of the target area of the parking lot. These pieces of information are information that can be factors affecting the movement of moving objects. For example, the occupancy grid map generation unit 28, as shown by the dashed line portion 76 in FIG. and other information. In the example of FIG. 8, the unit cell 68 reflecting the information of the map DB 30 is represented by "X".

地図ＤＢ３０の情報も占有格子地図７２に反映することで、センシング装置１２による未計測領域についても、占有格子地図７２に静止物の情報を反映させることができる。 By reflecting the information of the map DB 30 on the occupation grid map 72 as well, it is possible to reflect the information of stationary objects on the occupation grid map 72 even for areas not yet measured by the sensing device 12 .

移動物検出追跡部３２は、対象領域に存在する移動物を検出する。例えば、移動物検出追跡部３２は、カメラ画像を用いた物体認識技術により画像中の人の矩形位置を検出すると共に、車両の矩形位置を検出する。そして、移動物検出追跡部３２は、レーザーレーダにより計測された点群をカメラ画像に投影して、矩形内の点群から距離を推定することで、移動物の位置を検出する。移動物検出追跡部３２は、移動物の位置及び矩形のサイズなどに基づいて、前時刻において検出された移動物と、現時刻において検出された移動物との対応付けを行うことにより、移動物を追跡する。また、移動物検出追跡部３２は、前時刻における矩形内の点群と、現時刻における矩形内の点群との比較により、移動物の速度も推定する。 A moving object detection and tracking unit 32 detects a moving object existing in the target area. For example, the moving object detection and tracking unit 32 detects the rectangular position of a person and the rectangular position of a vehicle in an image by object recognition technology using a camera image. Then, the moving object detection and tracking unit 32 detects the position of the moving object by projecting the point group measured by the laser radar onto the camera image and estimating the distance from the point group within the rectangle. The moving object detection/tracking unit 32 associates the moving object detected at the previous time with the moving object detected at the current time based on the position of the moving object, the size of the rectangle, and the like. track. The moving object detection/tracking unit 32 also estimates the speed of the moving object by comparing the point group within the rectangle at the previous time and the point group within the rectangle at the current time.

移動物検出追跡部３２は、検出した全ての移動物の状態（位置、速度、観測時刻）を移動予測部３４に受け渡す。なお、本実施形態において検出する「移動物」は、静止している場合の移動物も含む。 The moving object detection and tracking unit 32 transfers the states (positions, velocities, observation times) of all detected moving objects to the movement prediction unit 34 . Note that the "moving object" detected in this embodiment includes a stationary moving object.

移動予測部３４は、移動物検出追跡部３２により検出された移動物の移動を、上述した混合分布６２を用いて予測する。例えば、移動予測部３４は、混合分布６２を構成する単位分布６０の各々に対応する各仮説について、カルマンフィルタの予測ステップ（線形予測及び共分散拡大）を設定されたステップ数だけ繰り返すことにより、将来の移動物の移動可能範囲を示す仮説を予測する。 The movement prediction unit 34 predicts the movement of the moving object detected by the moving object detection/tracking unit 32 using the mixture distribution 62 described above. For example, the movement prediction unit 34 repeats the prediction steps (linear prediction and covariance expansion) of the Kalman filter for a set number of steps for each hypothesis corresponding to each of the unit distributions 60 that make up the mixture distribution 62. Predict a hypothesis that indicates the movable range of a moving object.

ここでは、混合分布６２で表される状態（ｘ_０ａ，ｖ_０ａ）が、下記（１）式に示す仮説（ｘ_０ａｋ，ｖ_０ａｋ）（ｋ＝１，２，・・・）群の重み付和により生成されるものとする。 Here, the state (x _0a , v _0a ) represented by the mixture distribution 62 is the weighting of the hypothesis (x _0ak , v _0ak ) (k=1, 2, . . . ) group shown in the following equation (1). shall be generated by the sum.

（ｘ_０ａ，ｖ_０ａ）
＝｛（ｘ_０ａ１，ｖ_０ａ１），（ｘ_０ａ２，ｖ_０ａ２），・・・｝
・・・（１） (x _0a , v _0a )
= {(x _0a1 , v _0a1 ), (x _0a2 , v _0a2 ),...}
... (1)

移動予測部３４は、状態（ｘ_０ａ，ｖ_０ａ）について、下記（２）式に示す次の時刻の状態を示す仮説（ｘ_ａｋ，ｖ_ａｋ）群を予測することで、次の時刻の状態（ｘ_ａ，ｖ_ａ）を予測する。 For the state (x _0a , v _0a ), the movement prediction unit 34 predicts a group of hypotheses (x _ak , v _ak ) indicating the state at the next time shown in the following equation (2), thereby obtaining the state at the next time Predict (x _a , v _a ).

（ｘ_ａ，ｖ_ａ）
＝｛（ｘ_ａ１，ｖ_ａ１），（ｘ_ａ２，ｖ_ａ２），・・・｝
・・・（２） (x _a , v _a )
= {(x _a1 , v _a1 ), (x _a2 , v _a2 ), . . . }
... (2)

なお、ｋ番目の仮説（ｘ_０ａｋ，ｖ_０ａｋ）は、下記（３）式のように表すことができる。 Note that the k-th hypothesis (x _0ak , v _0ak ) can be expressed as in the following equation (3).

（ｘ_０ａｋ，ｖ_０ａｋ）＝｛（ｘ_０ｐｋ）_ｘ，（ｘ_０ｐｋ）_ｙ，（ｘ_０ｖｋ）_ｘ，（ｘ_０ｖｋ）_ｙ｝^Ｔ
・・・（３） (x _0ak , v _0ak )={(x _0pk ) _x , (x _0pk ) _y , (x _0vk ) _x , (x _0vk ) _y } ^T
... (3)

ここで、（ｘ_０ｐｋ）_ｘ及び（ｘ_０ｐｋ）_ｙは、それぞれ仮説（ｘ_ａｋ，ｖ_ａｋ）のｘ方向の位置及びｙ方向の位置を表し、（ｘ_０ｖｋ）_ｘ及び（ｘ_０ｖｋ）_ｙは、それぞれ仮説（ｘ_０ａｋ，ｖ_０ａｋ）のｘ方向の速度及びｙ方向の速度を表す。 where (x _0pk ) _x and (x _0pk ) _y represent the x- and y-direction positions of hypothesis (x _ak ,v _ak ), respectively, and (x _0vk ) _x and (x _0vk ) _y are , represent the x- and y-direction velocities of the hypothesis (x _0ak , v _0ak ), respectively.

そして、移動予測部３４は、下記（４）式及び（５）式を用いて、次の時刻の状態を予測する。 Then, the movement prediction unit 34 predicts the state at the next time using the following formulas (4) and (5).

ここで、Δｔは、次の時刻への時間幅であり、σ_ｐｘ、σ_ｐｙ、σ_ｖｘ、σ_ｖｙは共分散である。 Here, Δt is the time width to the next time, and σ _px , σ _py , σ _vx and σ _vy are covariances.

状態（ｘ_ａ，ｖ_ａ）は、各仮説（ｘ_ａｋ，ｖ_ａｋ）と、各仮説についての重みｗ_ｋとを用いて、下記（６）式で表すことができる。なお、重みｗ_ｋは、共分散の値などに基づいて設定することができる。 The state (x _a , v _a ) can be expressed by the following formula (6) using each hypothesis (x _ak , v _ak ) and the weight w _k for each hypothesis. Note that the weight _wk can be set based on a covariance value or the like.

（ｘ_ａ，ｖ_ａ）
＝ｗ_１×（ｘ_ａ１，ｖ_ａ１）＋ｗ_２×（ｘ_ａ２，ｖ_ａ２）＋... ・・・（６） (x _a , v _a )
=w ₁ ×(x _a1 , v _a1 )+w ₂ ×(x _a2 , v _a2 )+... (6)

移動予測部３４は、仮説（ｘ_ａｋ，ｖ_ａｋ）を示す単位分布６０として、期待値μ_ｋ（（ｘ_ｐｋ）_ｘ，（ｘ_ｐｋ）_ｙ，（ｘ_ｖｋ）_ｘ，（ｘ_ｖｋ）_ｙ）と、分散値Σ_ｋとで表される正規分布を予測する。したがって、次時刻の移動物の状態（ｘ_ａ，ｖ_ａ）は、下記（７）式に示す混合分布ｐ（ｘ）として予測される。 The movement prediction unit 34 sets the expected value μ _k ((x _pk ) _x , (x _pk ₎ y , (x _vk ) _x , (x _vk ) _y ) as _the unit distribution 60 representing the hypothesis (x ak , _v ak ) , and the variance value Σ _k . Therefore, the state (x _a , v _a ) of the moving object at the next time is predicted as the mixed distribution p(x) shown in the following equation (7).

また、移動予測部３４は、占有格子地図生成部２８により生成された占有格子地図７２を参照して、静止物が存在する位置や出入口等の情報に基づいて、次の時刻における位置の予測の範囲を制限したり、移動し易い位置を設定したりしてもよい。例えば、移動予測部３４は、静止物の位置を回避するように移動物の移動を予測してもよい。また、各単位分布６０と、静止物や出入口等との距離に応じて、上記の重みｗ_ｉを設定するようにしてもよい。 Further, the movement prediction unit 34 refers to the occupation grid map 72 generated by the occupation grid map generation unit 28, and predicts the position at the next time based on the information such as the position of the stationary object and the entrance/exit. The range may be limited, or a position that is easy to move may be set. For example, the movement prediction unit 34 may predict movement of a moving object so as to avoid the position of a stationary object. Further, the weight _wi may be set according to the distance between each unit distribution 60 and a stationary object, an entrance, or the like.

なお、移動予測部３４による移動物の移動の予測は、上記方法に限定されるものではなく、図１に示すような混合分布６２を予測結果として得られる方法であればよい。 The prediction of the movement of the moving object by the movement prediction unit 34 is not limited to the above method, and any method can be used as long as the mixture distribution 62 as shown in FIG. 1 is obtained as a prediction result.

移動予測部３４は、予測結果を単位分布辞書引部３６へ受け渡す。 The movement prediction unit 34 transfers the prediction result to the unit distribution dictionary lookup unit 36 .

単位分布辞書引部３６は、単位分布辞書２４を参照し、移動予測部３４から受け渡され予測結果が示す複数の単位分布６０の各々の位置に対応するパターンの各々を選択する。具体的には、単位分布辞書引部３６は、移動予測部３４により予測された複数の単位分布６０の各々の位置に対応する占有格子地図７２上の単位格子６８、及びその単位格子６８内での位置を特定する。そして、単位分布辞書引部３６は、特定した単位格子６８内での位置に応じたパターンを、単位分布辞書２４から選択する。 The unit distribution dictionary lookup unit 36 refers to the unit distribution dictionary 24 and selects each pattern corresponding to the position of each of the plurality of unit distributions 60 passed from the movement prediction unit 34 and indicated by the prediction result. Specifically, the unit distribution dictionary lookup unit 36 extracts a unit cell 68 on the occupancy grid map 72 corresponding to each position of the plurality of unit distributions 60 predicted by the movement prediction unit 34, and Identify the location of Then, the unit distribution dictionary lookup unit 36 selects from the unit distribution dictionary 24 a pattern corresponding to the position within the identified unit lattice 68 .

例えば、予測された混合分布６２が図９に示すように占有格子地図７２上に表される場合を例に、より具体的に説明する。図９の例では、混合分布６２は、単位分布Ｌ_ｋ（ｋ＝１，２，３）により構成されている。 For example, a case where the predicted mixture distribution 62 is represented on the occupancy grid map 72 as shown in FIG. 9 will be described more specifically. In the example of FIG. 9, the mixture distribution 62 is composed of unit distributions L _k (k=1, 2, 3).

単位分布辞書引部３６は、各単位分布Ｌ_ｋの期待値が、単位分布辞書２４で規定されている副単位格子７０のいずれに属するかを特定し、その副単位格子７０の副単位格子番号Ｄ（Ｌ_ｋ）を特定する。図１０に示すように、単位分布Ｌ_１の期待値は、副単位格子番号Ｄ_４の副単位格子７０に属するため、単位分布Ｌ_１について、Ｄ（Ｌ_１）＝Ｄ_４が特定される。同様に、単位分布Ｌ_２について、Ｄ（Ｌ_２）＝Ｄ_１、単位分布Ｌ_３について、Ｄ（Ｌ_３）＝Ｄ_３が特定される。 The unit distribution dictionary lookup unit 36 identifies to which sub unit cell 70 defined in the unit distribution dictionary 24 the expected value of each unit distribution _Lk belongs, and obtains the sub unit cell number of the sub unit cell 70. Identify D(L _k ). As shown in FIG. 10, the expected value of the unit distribution L ₁ belongs to the sub-unit cell 70 with the sub-unit cell number D ₄ , so D(L ₁ )=D ₄ is specified for the unit distribution L ₁ . Similarly, _D ( _{L 2} ₎ =D ₁ is specified for the unit distribution L 2 and D(L ₃ )=D ₃ for the unit distribution L 3 .

単位分布辞書引部３６は、単位分布辞書２４において、各単位分布Ｌ_ｋについて特定したＤ（Ｌ_ｋ）に対応付けられた各単位格子６８の確率密度値を、その単位分布Ｌ_ｋに対応するパターンとして選択する。例えば、上記の例では、単位分布Ｌ_１については、Ｄ（Ｌ_１）＝Ｄ_４であるため、図７に示す単位分布辞書２４の４行目のパターンが選択される。 The unit distribution dictionary lookup unit 36 associates the probability density value of each unit cell 68 associated with D(L _k ) specified for each unit distribution L _k in the unit distribution dictionary 24 with the unit distribution L _k . Select as pattern. For example, in the above example, D(L ₁ )=D ₄ for the unit distribution L ₁ , so the pattern in the fourth row of the unit distribution dictionary 24 shown in FIG. 7 is selected.

単位分布辞書引部３６は、各単位分布Ｌ_ｋについて選択したパターンを、リスク推定地図生成部３８へ受け渡す。 The unit distribution dictionary lookup unit 36 transfers the pattern selected for each unit distribution _Lk to the risk estimation map generation unit 38 .

リスク推定地図生成部３８は、単位分布辞書引部３６から受け渡されたパターンを、占有格子地図生成部２８により生成された占有格子地図７２に重ね合わせて、リスク推定地図を生成する。具体的には、リスク推定地図生成部３８は、単位分布辞書引部３６により特定された、単位分布６０の期待値を含む単位格子６８と、選択されたパターンが示す単位分布６０の期待値に相当する単位格子６８とを対応させて、選択されたパターンを占有格子地図７２に重ね合わせた場合に、選択したパターンの各単位格子６８が保持する値を、対応する占有格子地図７２の単位格子６８に反映する。 The risk estimation map generation unit 38 superimposes the pattern passed from the unit distribution dictionary lookup unit 36 on the occupation grid map 72 generated by the occupation grid map generation unit 28 to generate a risk estimation map. Specifically, the risk estimation map generation unit 38 converts the unit cell 68 including the expected value of the unit distribution 60 specified by the unit distribution dictionary lookup unit 36 and the expected value of the unit distribution 60 indicated by the selected pattern. When the selected pattern is superimposed on the occupancy grid map 72 in association with the corresponding unit grid 68 , the values held by each unit grid 68 of the selected pattern are converted to the corresponding unit grid of the occupancy grid map 72 . 68.

上記の単位分布Ｌ_ｋ（ｋ＝１，２，３）について選択されたパターンを重ね合わせる場合における、図９に示す占有格子地図７２の一部を、図１１に示す。まず、例えば、単位分布Ｌ_１について選択された、副単位格子番号Ｄ_４に対応するパターンに、重みｗ_１を乗算した各単位格子６８の値を、占有格子地図７２上の単位分布Ｌ_１に対応する位置の単位格子６８に加算する。次に、単位分布Ｌ_２について選択された、副単位格子番号Ｄ_１に対応するパターンに、重みｗ_２を乗算した各単位格子６８の値を、占有格子地図７２上の単位分布Ｌ_２に対応する位置の単位格子６８に加算する。さらに、単位分布Ｌ_３について選択された、副単位格子番号Ｄ_３に対応するパターンに、重みｗ_３を乗算した各単位格子６８の値を、占有格子地図７２上の単位分布Ｌ_３に対応する位置の単位格子６８に加算する。 FIG. 11 shows part of the occupation grid map 72 shown in FIG. 9 when the patterns selected for the unit distribution L _k (k=1, 2, 3) are superimposed. First, for example, the value of each unit cell 68 obtained by multiplying the pattern corresponding to the sub-unit cell number _D4 selected for the unit distribution _L1 by the weight _w1 is applied to the unit distribution _L1 on the occupancy grid map 72. Add to the unit cell 68 at the corresponding position. Next, the value of each unit cell 68 obtained by multiplying the pattern corresponding to the sub-unit cell number _D1 selected for the unit distribution _L2 by the weight _w2 is assigned to the unit distribution _L2 on the occupancy grid map 72. is added to the unit cell 68 at the position where Furthermore, the value of each unit cell 68 obtained by multiplying the pattern corresponding to the sub-unit cell number _D3 selected for the unit distribution _L3 by the weight _w3 is assigned to the unit distribution _L3 on the occupancy grid map 72. Add to the unit cell 68 of the position.

これにより、図１２の破線部７８に示すように、移動物の移動を予測した混合分布６２が占有格子表現で占有格子地図７２に反映されたリスク推定地図６４が生成される。なお、図１２の例では、移動物が１つのみ含まれる場合を例示しているが、移動物が複数検出されている場合には、リスク推定地図６４には、複数の移動物の各々を占有格子表現下表示が含まれることになる。 As a result, a risk estimation map 64 is generated in which the mixture distribution 62 that predicts the movement of moving objects is reflected in the occupancy grid map 72 in the form of an occupancy grid representation, as indicated by a broken line portion 78 in FIG. 12 . Note that the example of FIG. 12 illustrates the case where only one moving object is included. The representation under the occupied grid representation will be included.

リスク推定地図生成部３８は、生成したリスク推定地図６４を、衝突可能性判定部４０及び表示制御部４２の各々へ受け渡す。 The risk estimation map generation unit 38 passes the generated risk estimation map 64 to each of the collision possibility determination unit 40 and the display control unit 42 .

衝突可能性判定部４０は、リスク推定地図生成部３８により生成されたリスク推定地図６４に基づいて、移動物同士の衝突可能性、及び移動物と静止物との衝突可能性を判定する。例えば、衝突可能性判定部４０は、リスク推定地図６４において、予測された移動物の位置を示す単位格子群（図１２の７８）同士の重なり度合いや、静止物を示す単位格子群７４との重なり度合いに基づいて、衝突可能性を判定する。 Based on the risk estimation map 64 generated by the risk estimation map generation unit 38, the collision possibility determination unit 40 determines the possibility of collision between moving objects and between a moving object and a stationary object. For example, in the risk estimation map 64, the collision possibility determination unit 40 determines the degree of overlap between unit grid groups (78 in FIG. 12) indicating the positions of predicted moving objects, and the degree of overlap with the unit grid group 74 indicating stationary objects. The possibility of collision is determined based on the degree of overlap.

衝突可能性判定部４０は、判定結果を表示制御部４２へ受け渡す。 The collision possibility determination unit 40 transfers the determination result to the display control unit 42 .

表示制御部４２は、リスク推定地図生成部３８から受け渡されたリスク推定地図６４に、衝突可能性判定部４０の判定結果を重畳して表示するように、表示装置１６を制御する。衝突可能性の判定結果のリスク推定地図６４への重畳方法としては、例えば、衝突可能性がある領域にマークを表示したり、衝突可能性があることをメッセージで表示したりすることができる。 The display control unit 42 controls the display device 16 so as to superimpose the judgment result of the collision possibility judgment unit 40 on the risk estimation map 64 delivered from the risk estimation map generation unit 38 . As a method for superimposing the determination result of the collision possibility on the risk estimation map 64, for example, a mark can be displayed in the area where the collision possibility exists, or a message indicating the possibility of collision can be displayed.

なお、表示制御部４２は、衝突可能性の判定結果以外にも、例えば、移動物が存在する旨のメッセージなどのリスク推定地図６４に基づく情報を重畳して表示装置１６に表示したり、リスク推定地図６４に基づく情報のみを表示装置１６に表示したりするようにしてもよい。さらに、表示制御部４２は、リスク推定地図６４を表示する場合に、リスク推定地図６４が示すリスクの高さに応じて、表示の輝度又は色を制御してもよい。リスクの高さは、例えば、衝突可能性の高さや、移動物が存在する確率の高さなどとすることができる。表示の輝度又は色を制御する部分は、対象領域内でリスクの高い箇所に相当するリスク推定地図６４の部分のみでもよいし、リスク推定地図６４全体でもよい。 Note that the display control unit 42 superimposes information based on the risk estimation map 64, such as a message indicating the presence of a moving object, on the display device 16 in addition to the determination result of the possibility of collision, and displays the risk information. Only information based on the estimated map 64 may be displayed on the display device 16 . Furthermore, when displaying the risk estimation map 64 , the display control unit 42 may control the brightness or color of the display according to the level of risk indicated by the risk estimation map 64 . The high risk can be, for example, the high probability of collision, the high probability that a moving object exists, or the like. The portion for controlling the brightness or color of the display may be only the portion of the risk estimation map 64 corresponding to the high-risk locations within the target area, or may be the entire risk estimation map 64 .

次に、本実施形態に係るリスク推定システム１００の作用について説明する。 Next, the operation of the risk estimation system 100 according to this embodiment will be described.

まず、事前に、リスク推定装置１０が、図１３に示す単位分布辞書生成処理を実行することにより、単位分布辞書２４を生成する。そして、センシング装置１２によるセンシングが開始されると、リスク推定システム１００において、図１４に示すリスク推定地図生成処理が実行される。以下、単位分布辞書生成処理及びリスク推定地図生成処理の各々について説明する。 First, the risk estimation device 10 generates the unit distribution dictionary 24 in advance by executing the unit distribution dictionary generation process shown in FIG. Then, when the sensing device 12 starts sensing, the risk estimation system 100 executes the risk estimation map generation process shown in FIG. Each of the unit distribution dictionary generation process and the risk estimation map generation process will be described below.

まず、図１３に示す単位分布辞書生成処理について説明する。 First, the unit distribution dictionary generation process shown in FIG. 13 will be described.

ステップＳ１２で、単位分布辞書生成部２２が、空の単位分布辞書Ｍ_ｄｉｃｔを用意する。例えば、用意する単位分布辞書Ｍ_ｄｉｃｔは、副単位格子７０の数をｉ_ｍａｘ、図５及び図６に示すような辞書格子６６に含まれる単位格子６８の数をｊ_ｍａｘとすると、ｉ_ｍａｘ行×ｊ_ｍａｘ列のテーブルとすることができる。 In step S12, the unit distribution dictionary generation unit 22 prepares an empty unit distribution dictionary _{M_dict} . For example, the prepared unit distribution dictionary M _dict has i max rows _, where i _max is the number of sub-unit cells 70 and j _max is the number of unit cells 68 included in the dictionary grid 66 shown in FIGS. It can be a table with xj _max columns.

次に、ステップＳ１４で、単位分布辞書生成部２２が、副単位格子番号Ｄ_ｉの添え字を示す変数ｉを１に設定する。 Next, in step S14, the unit distribution dictionary generator 22 sets 1 to a variable i indicating the subscript of the sub-unit cell number _Di.

次に、ステップＳ１６で、単位分布辞書生成部２２が、単位格子番号を示す変数ｊを１に設定する。 Next, in step S16, the unit distribution dictionary generation unit 22 sets 1 to a variable j indicating a unit cell number.

次に、ステップＳ１８で、単位分布辞書生成部２２が、辞書格子６６の副単位格子番号Ｄ_ｉの副単位格子７０の中心位置ｘ_Ｄｉに、単位分布６０の期待値が位置するように対応させ、辞書格子６６内の単位格子番号ｊの単位格子６８の中心位置ｘ_ｊに対応する単位分布６０の値（確率密度値：Ｎ（ｘ_ｊ；ｘ_Ｄｉ，Σ））を求める。単位分布辞書生成部２２は、求めたＮ（ｘ_ｊ；ｘ_Ｄｉ，Σ）を、単位分布辞書Ｍ_ｄｉｃｔのｉ行ｊ列のマス（Ｍ_ｄｉｃｔ［ｉ，ｊ］）に格納する。 Next, in step S18, the unit distribution dictionary generation unit 22 causes the expected value of the unit distribution 60 to correspond to the center position x _Di of the sub unit cell 70 of the sub unit cell number _Di of the dictionary cell 66. , the value (probability density value: N(x _j ; x _Di , Σ)) of the unit distribution 60 corresponding to the center position x _j of the unit cell 68 with the unit cell number j in the dictionary cell 66 . The unit distribution dictionary generation unit 22 stores the obtained N(x _j ; x _Di , Σ) in the cell (M _dict [i, j]) of the i row and j column of the unit distribution dictionary M _dict .

次に、ステップＳ２０で、単位分布辞書生成部２２が、ｊ＝ｊ_ｍａｘか否かを判定することにより、副単位格子番号Ｄ_ｉについてのパターンの生成が終了したか否かを判定する。ｊ＜ｊ_ｍａｘの場合には、辞書格子６６に含まれる全ての単位格子６８について上記ステップＳ１８の処理が終了していないため、ステップＳ２２で、ｊを１インクリメントして、ステップＳ１８に戻る。ｊ＝ｊ_ｍａｘの場合には、ステップＳ２４へ移行する。 Next, in step S20, the unit distribution dictionary generation unit 22 determines whether or not the pattern generation for the sub unit cell number _Di is completed by determining whether or not j=j _max . If j<j _max , the processing of step S18 has not been completed for all the unit cells 68 included in the dictionary cell 66, so j is incremented by 1 in step S22, and the process returns to step S18. If j=j _max , the process proceeds to step S24.

ステップＳ２４では、単位分布辞書生成部２２が、ｉ＝ｉ_ｍａｘか否かを判定することにより、単位分布辞書Ｍ_ｄｉｃｔの生成が終了したか否かを判定する。ｉ＜ｉ_ｍａｘの場合には、パターンを生成していない副単位格子７０が存在するため、ステップＳ２６で、ｉを１インクリメントして、ステップＳ１６に戻る。ｉ＝ｉ_ｍａｘの場合には、単位分布辞書生成処理は終了する。 In step S24, the unit distribution dictionary generation unit 22 determines whether or not the generation of the unit distribution dictionary _{M_dict} is completed by determining whether or not i=i _max . If i<i _max , there is a sub-unit cell 70 for which no pattern has been generated, so in step S26, i is incremented by 1, and the process returns to step S16. If i=i _max , the unit distribution dictionary generation process ends.

次に、図１４に示すリスク推定地図生成処理について説明する。 Next, the risk estimation map generation processing shown in FIG. 14 will be described.

ステップＳ３２で、占有格子地図生成部２８は、対象領域の適切な位置を原点とする座標系において、上記の辞書格子６６と同一の解像度、すなわち同一サイズの単位格子６８で構成される空の占有格子地図を用意する。 In step S32, the occupancy grid map generation unit 28 creates an empty occupancy grid map composed of unit grids 68 having the same resolution, that is, the same size as the dictionary grid 66, in a coordinate system whose origin is the appropriate position of the target area. Prepare a grid map.

次に、ステップＳ３４で、静止物検出部２６及び移動物検出追跡部３２が、センシング装置１２から入力されたセンサデータを取得する。 Next, in step S<b>34 , the stationary object detection unit 26 and the moving object detection/tracking unit 32 acquire sensor data input from the sensing device 12 .

次に、ステップＳ３６で、静止物検出部２６が、取得したセンサデータに基づいて、対象領域内に存在する静止物を検出する。静止物検出部２６は、検出した静止物を示す情報を占有格子地図生成部２８へ受け渡す。 Next, in step S36, the stationary object detection unit 26 detects a stationary object existing within the target area based on the acquired sensor data. The stationary object detection unit 26 transfers information indicating the detected stationary objects to the occupation grid map generation unit 28 .

次に、ステップＳ３８で、占有格子地図生成部２８は、地図ＤＢ３０から、対象領域である駐車場の車両出入口、歩行者出入口、障害物、標識等の位置及び寸法等の情報を取得する。 Next, in step S38, the occupancy grid map generation unit 28 acquires from the map DB 30 information such as the positions and dimensions of vehicle entrances and exits, pedestrian entrances and exits, obstacles, signs, etc. of the target area of the parking lot.

次に、ステップＳ４０で、占有格子地図生成部２８が、上記ステップＳ３６で静止物検出部２６から受け渡された静止物の情報と、上記ステップＳ３８で取得した地図ＤＢ３０の情報とを反映した占有格子地図７２を生成する。 Next, in step S40, the occupancy grid map generation unit 28 generates an occupancy grid map reflecting the information of the stationary object passed from the stationary object detection unit 26 in step S36 and the information of the map DB 30 acquired in step S38. A grid map 72 is generated.

次に、ステップＳ４２で、移動物検出追跡部３２が、上記ステップＳ３４で取得したセンサデータに基づいて、対象領域に存在する移動物を検出すると共に、前時刻において検出された移動物と対応付けることにより、移動物を追跡する。また、移動物検出追跡部３２は、前時刻の検出結果と、現時刻の検出結果との比較により、移動物の速度も推定する。移動物検出追跡部３２は、検出した全ての移動物の状態（位置、速度、観測時刻）を移動予測部３４に受け渡す。 Next, in step S42, the moving object detection and tracking unit 32 detects a moving object existing in the target area based on the sensor data acquired in step S34, and associates it with the moving object detected at the previous time. to track moving objects. The moving object detection/tracking unit 32 also estimates the speed of the moving object by comparing the detection result of the previous time and the detection result of the current time. The moving object detection and tracking unit 32 transfers the states (positions, velocities, observation times) of all detected moving objects to the movement prediction unit 34 .

次に、ステップＳ４４で、移動予測部３４が、移動物検出追跡部３２から受け渡された移動物の状態に基づいて、移動物の移動に関する複数の仮説に対応する複数の単位分布６０を混合した混合分布６２を、移動物の移動の予測結果として導出する。移動予測部３４は、予測結果を単位分布辞書引部３６へ受け渡す。 Next, in step S44, the movement prediction unit 34 mixes a plurality of unit distributions 60 corresponding to a plurality of hypotheses regarding the movement of the moving object based on the state of the moving object received from the moving object detection/tracking unit 32. A mixed distribution 62 is derived as a prediction result of the movement of the moving object. The movement prediction unit 34 transfers the prediction result to the unit distribution dictionary lookup unit 36 .

次に、ステップＳ４６で、単位分布辞書引部３６が、単位分布辞書引処理を実行する。 Next, in step S46, the unit distribution dictionary lookup unit 36 executes unit distribution dictionary lookup processing.

ここで、図１５に示す単位分布辞書引処理について説明する。 Here, the unit distribution dictionary lookup process shown in FIG. 15 will be described.

ステップＳ４６２で、単位分布辞書引部３６が、予測結果である混合分布６２を構成する単位分布６０を識別するための変数ｋに１を設定する。 In step S462, the unit distribution dictionary lookup unit 36 sets 1 to a variable k for identifying the unit distribution 60 that constitutes the mixture distribution 62 that is the prediction result.

次に、ステップＳ４６４で、単位分布辞書引部３６が、空の辞書引結果格納用リストＣ［ｋ］を用意する。辞書引結果格納用リストＣ［ｋ］のサイズは、パターン１つ分のサイズ、すなわち、図７に示すような単位分布辞書Ｍ_ｄｉｃｔの１行分のサイズである。 Next, in step S464, the unit distribution dictionary lookup unit 36 prepares an empty dictionary lookup result storage list C[k]. The size of the dictionary lookup result storage list C[k] is the size of one pattern, that is, the size of one line of the unit distribution dictionary M _dict as shown in FIG.

次に、ステップＳ４６８で、単位分布辞書引部３６が、単位分布Ｌ_ｋの期待値μ_ｋが、占有格子地図７２のいずれの単位格子６８に属するかを特定する。 Next, in step S468, the unit distribution dictionary lookup unit 36 identifies to which unit cell 68 of the occupancy grid map 72 the expected value μ _k of the unit distribution L _k belongs.

次に、ステップＳ４７０で、単位分布辞書引部３６が、単位分布Ｌ_ｋの期待値μ_ｋが副単位格子７０のいずれに属するかを特定し、その副単位格子７０の副単位格子番号Ｄ（Ｌ_ｋ）を特定する。 Next, in step S470, the unit distribution dictionary lookup unit 36 identifies to which sub unit cell 70 the expected value μ _k of the unit distribution L _k belongs, and sub unit cell number D ( L _k ).

次に、ステップＳ４７２で、単位分布辞書引部３６が、単位分布辞書２４において、単位分布Ｌ_ｋについて特定したＤ（Ｌ_ｋ）に対応付けられた各単位格子６８の確率密度値（Ｍ_ｄｉｃｔ［Ｄ（Ｌ_ｋ），・］）を、その単位分布Ｌ_ｋに対応するパターンとして選択する。単位分布辞書引部３６は、選択したパターンを辞書引結果格納用リストＣ［ｋ］に格納し、リスク推定地図生成部３８へ受け渡す。 Next, in step S472, _the unit distribution dictionary lookup unit 36 retrieves the probability density value (M _dict _[ D(L _k ),·]) is selected as the pattern corresponding to the unit distribution L _k . The unit distribution dictionary lookup unit 36 stores the selected pattern in the dictionary lookup result storage list C[k] and transfers it to the risk estimation map generation unit 38 .

次に、ステップＳ４７４で、単位分布辞書引部３６が、ｋが、混合分布６２を構成する単位分布６０の数ｋ_ｍａｘとなったか否かを判定することにより、全ての単位分布６０について対応するパターンを選択したか否かを判定する。ｋ＜ｋ_ｍａｘの場合には、未処理の単位分布６０が存在するため、ステップＳ４７６で、ｋを１インクリメントして、ステップＳ４６４に戻る。ｋ＝ｋ_ｍａｘの場合には、単位分布辞書引処理を終了して、リスク推定地図生成処理（図１４）へ戻る。 Next, in step S474, the unit distribution dictionary lookup unit 36 determines whether or not k is the number k _max of the unit distributions 60 that make up the mixture distribution 62, thereby matching all unit distributions 60. Determine whether a pattern has been selected. If k<k _max , there is an unprocessed unit distribution 60, so k is incremented by 1 in step S476, and the process returns to step S464. If k=k _max , the unit distribution dictionary lookup process is terminated, and the process returns to the risk estimation map generation process (FIG. 14).

次に、図１４に示すリスク推定地図生成処理のステップＳ４８で、リスク推定地図生成部３８が、単位分布辞書引部３６から受け渡された辞書引結果格納用リストＣ［ｋ］に格納されたパターンを、上記ステップＳ４０で生成された占有格子地図７２に重み付け加算して、リスク推定地図６４を生成する。リスク推定地図生成部３８は、生成したリスク推定地図６４を、衝突可能性判定部４０及び表示制御部４２の各々へ受け渡す。 Next, in step S48 of the risk estimation map generation process shown in FIG. The pattern is weighted and added to the occupation grid map 72 generated in step S40 to generate the risk estimation map 64. FIG. The risk estimation map generation unit 38 passes the generated risk estimation map 64 to each of the collision possibility determination unit 40 and the display control unit 42 .

次に、ステップＳ５０で、衝突可能性判定部４０が、リスク推定地図生成部３８により生成されたリスク推定地図６４に基づいて、移動物同士の衝突可能性、及び移動物と静止物との衝突可能性を判定する。衝突可能性判定部４０は、判定結果を表示制御部４２へ受け渡す。 Next, in step S50, based on the risk estimation map 64 generated by the risk estimation map generation unit 38, the collision possibility determination unit 40 determines the possibility of collision between moving objects and the collision between a moving object and a stationary object. Determine feasibility. The collision possibility determination unit 40 transfers the determination result to the display control unit 42 .

次に、ステップＳ５２で、表示制御部４２が、リスク推定地図生成部３８から受け渡されたリスク推定地図６４に、衝突可能性判定部４０の判定結果を重畳して表示するように、表示装置１６を制御し、ステップＳ３４へ戻る。 Next, in step S52, the display control unit 42 causes the display device to superimpose the determination result of the collision possibility determination unit 40 on the risk estimation map 64 received from the risk estimation map generation unit 38 and display the result. 16 and returns to step S34.

以上説明したように、本実施形態に係るリスク推定システムによれば、混合分布を構成する単位分布の占有格子表現であるパターンを単位分布辞書として予め保持しておく。そして、リスク推定時には、移動物の移動予測を示す混合分布を構成する単位分布に対応するパターンを単位分布辞書から選択して、占有格子地図に重み付け加算することにより、リスク推定地図を生成する。これにより、歩行者のような複雑な移動が想定される移動物が存在する環境における、占有格子表現のリスク推定地図を生成するための計算量を削減することができる。その結果、リスク推定のリアルタイム処理を実現することができる。 As described above, according to the risk estimation system according to the present embodiment, patterns, which are occupied grid representations of unit distributions forming a mixture distribution, are stored in advance as a unit distribution dictionary. When estimating risk, patterns corresponding to unit distributions forming a mixture distribution indicating movement prediction of a moving object are selected from the unit distribution dictionary, and weighted addition is performed on the occupancy grid map to generate a risk estimation map. As a result, it is possible to reduce the amount of calculation for generating the risk estimation map of the occupancy grid representation in an environment where moving objects such as pedestrians whose movements are assumed to be complicated exist. As a result, real-time processing of risk estimation can be realized.

また、単位分布辞書として、単位格子内の複数の位置に単位分布の所定位置を対応させた場合の複数のパターンを保持しておくことで、生成するリスク推定地図の解像度が粗い場合でも、その解像度よりも細かい位置の刻みで単位分布をリスク推定地図に反映させることができる。 In addition, by holding a plurality of patterns in the case where a predetermined position of the unit distribution is associated with a plurality of positions in the unit grid as the unit distribution dictionary, even if the resolution of the risk estimation map to be generated is coarse, the The unit distribution can be reflected on the risk estimation map with finer position increments than the resolution.

なお、上記実施形態では、単位分布の所定位置（期待値）が属する副単位格子に対応するパターンのみをリスク推定地図に加算する場合について説明したが、これに限定されない。例えば、単位分布の期待値が属する副単位格子に対応するパターンが保持する値と、その副単位格子の周辺の副単位格子に対応するパターンが保持する値とを重み付け加算してもよい。 In the above-described embodiment, a case has been described in which only patterns corresponding to sub-unit cells to which predetermined positions (expected values) of unit distributions belong are added to the risk estimation map, but the present invention is not limited to this. For example, the value held by the pattern corresponding to the sub-unit cell to which the expected value of the unit distribution belongs and the value held by the pattern corresponding to the sub-unit cell around the sub-unit cell may be weighted and added.

例えば、図１６に示すように、各副単位格子の中心位置（黒丸）から単位分布の期待値（白丸）の位置へのベクトル成分を適切に設定された定数で正規化した係数により重み付けて、各副単位格子に対応するパターンが保持する値を加算するようにしてもよい。例えば、図１６の例では、以下のように、単位格子番号ｊの単位格子の値Ｊを算出することができる。 For example, as shown in FIG. 16, the vector component from the center position (black circle) of each sub-unit cell to the position of the expected value (white circle) of the unit distribution is weighted by a coefficient normalized by an appropriately set constant, The values held by the patterns corresponding to each sub-unit cell may be added. For example, in the example of FIG. 16, the value J of the unit cell with the unit cell number j can be calculated as follows.

Ｊ＝（１／ｄ_１）×Ｎ（ｘ_ｊ；ｘ_Ｄ１，Σ）＋（１／ｄ_２）×Ｎ（ｘ_ｊ；ｘ_Ｄ２，Σ）
＋（１／ｄ_３）×Ｎ（ｘ_ｊ；ｘ_Ｄ３，Σ）＋（１／ｄ_４）×Ｎ（ｘ_ｊ；ｘ_Ｄ４，Σ） J=(1/d ₁ )×N(x _j ; x _D1 , Σ)+(1/d ₂ )×N(x _j ; x _D2 , Σ)
+(1/d ₃ )×N(x _j ; x _D3 , Σ)+(1/d ₄ )×N(x _j ; x _D4 , Σ)

これにより、単位分布辞書に保持するパターン数を増やすことなく、より細かい位置の刻みで単位分布をリスク推定地図に反映させることができる。 As a result, the unit distribution can be reflected on the risk estimation map at finer position intervals without increasing the number of patterns held in the unit distribution dictionary.

また、上記実施形態では、単位分布の一例として、正規分布を用いる場合について説明したが、これに限定されない。また、単位分布辞書を生成する際、及びリスク推定地図に反映する際の基準位置として、正規分布の期待値を用いる場合について説明したが、他の値を用いてもよい。 Also, in the above embodiment, the case of using the normal distribution as an example of the unit distribution has been described, but the present invention is not limited to this. Also, the case where the expected value of the normal distribution is used as the reference position when generating the unit distribution dictionary and when reflecting it on the risk estimation map has been described, but other values may be used.

また、上記実施形態では、混合分布を構成する単位分布が１種類の場合について説明したが、これに限定されず、複数種類の単位分布により構成されてもよい。この場合、単位分布の種類毎に、単位分布辞書を用意しておけばよい。 Further, in the above-described embodiment, the mixed distribution is composed of one type of unit distribution. In this case, a unit distribution dictionary may be prepared for each type of unit distribution.

また、上記実施形態では、静止物の位置や地図ＤＢの情報を反映した占有格子地図に、移動物の移動を予測した混合分布を反映させてリスク推定地図を生成する場合について説明したが、これに限定されない。占有格子地図とリスク推定地図とは別個に生成してもよい。 Further, in the above-described embodiment, a case has been described in which a risk estimation map is generated by reflecting a mixture distribution that predicts the movement of a moving object in an occupancy grid map that reflects the position of stationary objects and information in the map DB. is not limited to The occupancy grid map and risk estimation map may be generated separately.

また、上記実施形態では、単位分布辞書生成部がリスク推定装置に含まれる構成について説明したが、単位分布辞書生成部は、他の機能部とは別のコンピュータで構成してもよい。また、単位分布辞書も、リスク推定装置の所定の記憶領域に記憶する場合に限定されず、外部の記憶装置や記憶媒体に記憶しておき、リスク推定地図を生成する際に、読み込んで利用するようにしてもよい。 Further, in the above-described embodiment, the configuration in which the unit distribution dictionary generation unit is included in the risk estimation device has been described, but the unit distribution dictionary generation unit may be configured by a computer separate from other functional units. Also, the unit distribution dictionary is not limited to being stored in a predetermined storage area of the risk estimation device, but is stored in an external storage device or storage medium, and read and used when generating a risk estimation map. You may do so.

また、上記実施形態では、辞書格子と、占有格子地図と、リスク推定地図とが、それぞれ同一の解像度、すなわち同一サイズの単位格子で構成される場合について説明したが、これに限定されない。それぞれを対応させる際に、拡大又は縮小などにより、お互いの単位格子の大きさを合わせることができるものであればよい。 Further, in the above embodiment, the case where the dictionary grid, the occupation grid map, and the risk estimation map are configured by unit grids with the same resolution, that is, the same size, has been described, but the present invention is not limited to this. It is sufficient if the sizes of the unit cells can be matched with each other by enlarging or reducing when making them correspond to each other.

また、本発明のプログラムを記憶媒体に格納して提供してもよい。 Also, the program of the present invention may be stored in a storage medium and provided.

１０リスク推定装置
１２センシング装置
１６表示装置
２２単位分布辞書生成部
２４単位分布辞書
２６静止物検出部
２８占有格子地図生成部
３０地図ＤＢ
３２移動物検出追跡部
３４移動予測部
３６単位分布辞書引部
３８リスク推定地図生成部
４０衝突可能性判定部
４２表示制御部
６０単位分布
６２混合分布
６４リスク推定地図
６６辞書格子
６８単位格子
７０副単位格子
７２占有格子地図
１００リスク推定システム 10 Risk estimation device 12 Sensing device 16 Display device 22 Unit distribution dictionary generation unit 24 Unit distribution dictionary 26 Stationary object detection unit 28 Occupancy grid map generation unit 30 Map DB
32 Moving object detection and tracking unit 34 Movement prediction unit 36 Unit distribution dictionary lookup unit 38 Risk estimation map generation unit 40 Collision possibility determination unit 42 Display control unit 60 Unit distribution 62 Mixture distribution 64 Risk estimation map 66 Dictionary grid 68 Unit grid 70 Sub Unit grid 72 Occupancy grid map 100 Risk estimation system

Claims

対象領域に存在する移動物を検出する検出部と、
所定位置を基準とした相対位置毎の前記移動物の存在可能性を示す値の分布として予め定めた単位分布であって、前記対象領域において、前記移動物の移動に関する複数の仮説の各々に応じた位置に配置される複数の前記単位分布の各々を予測し、予測した前記単位分布の各々を混合した混合分布により、前記検出部により検出された前記移動物の移動の予測を表す予測部と、
所定の単位格子で構成された所定サイズの辞書格子に前記単位分布を対応させたパターンであって、前記単位分布の前記所定位置を前記単位格子内の異なる複数の位置に対応させた複数の前記パターンを保持する単位分布辞書を参照し、前記予測部により予測された複数の前記単位分布の各々の前記所定位置に対応する前記パターンの各々を、前記対象領域に対応する占有格子地図であって、前記辞書格子の単位格子に対応する単位格子で構成された前記占有格子地図に重ね合わせてリスク推定地図を生成するリスク推定地図生成部と、
を含むリスク推定装置。 a detection unit that detects a moving object existing in the target area;
A unit distribution predetermined as a distribution of values indicating the possibility of existence of the moving object for each relative position with respect to a predetermined position, wherein, in the target area, each of a plurality of hypotheses regarding movement of the moving object Predicting each of the plurality of unit distributions arranged at corresponding positions , and predicting the movement of the moving object detected by the detecting unit by a mixed distribution obtained by mixing each of the predicted unit distributions. Department and
A pattern in which the unit distribution corresponds to a dictionary grid of a predetermined size configured by a predetermined unit grid, wherein the predetermined positions of the unit distribution correspond to a plurality of different positions in the unit grid. A unit distribution dictionary holding patterns is referred to, and each of the patterns corresponding to the predetermined position of each of the plurality of unit distributions predicted by the prediction unit is an occupation grid map corresponding to the target area. a risk estimation map generation unit that generates a risk estimation map superimposed on the occupancy grid map composed of unit cells corresponding to the unit cells of the dictionary grid;
Risk estimator including.

前記パターンは、前記辞書格子に前記単位分布を対応させた場合における、前記単位格子の各々に対応する前記単位分布の値を前記単位格子に保持させたパターンである請求項１に記載のリスク推定装置。 2. The risk estimation according to claim 1, wherein the pattern is a pattern in which the value of the unit distribution corresponding to each of the unit cells is held in the unit cell when the unit distribution is associated with the dictionary grid. Device.

前記リスク推定地図生成部は、前記予測部により予測された複数の前記単位分布の各々の前記所定位置が属する前記占有格子地図上の単位格子、及び該単位格子内での前記所定位置を特定し、特定した前記単位格子内での前記所定位置に応じた前記パターンを前記単位分布辞書から選択し、特定した前記単位格子と、前記単位分布辞書から選択した前記パターンにおいて前記単位分布の前記所定位置に相当する単位格子とを対応させて、選択した前記パターンを前記占有格子地図に重ね合わせた場合に、選択した前記パターンの各単位格子が保持する値を、対応する前記占有格子地図の単位格子に反映する請求項１又は請求項２に記載のリスク推定装置。 The risk estimation map generation unit specifies a unit grid on the occupancy grid map to which the predetermined position of each of the plurality of unit distributions predicted by the prediction unit belongs, and the predetermined position within the unit grid. Then, the pattern corresponding to the predetermined position in the identified unit cell is selected from the unit distribution dictionary, and the predetermined unit distribution in the identified unit cell and the pattern selected from the unit distribution dictionary is selected . When the selected pattern is superimposed on the occupancy grid map in association with the unit grid corresponding to the position , the values held by each unit grid of the selected pattern are stored in the corresponding occupancy grid map. 3. The risk estimation device according to claim 1 or 2, which is reflected in the unit cell of .

前記単位分布辞書に保持される複数の前記パターンの各々は、前記辞書格子の中央の単位格子を複数に分割した副単位格子の各々に、前記単位分布の前記所定位置を対応させた場合の前記パターンの各々である請求項１～請求項３のいずれか１項に記載のリスク推定装置。 Each of the plurality of patterns held in the unit distribution dictionary corresponds to the predetermined position of the unit distribution corresponding to each of the sub-unit lattices obtained by dividing the central unit lattice of the dictionary lattice into a plurality of sub-unit lattices. 4. The risk estimation device according to any one of claims 1 to 3, which is each of the patterns.

前記リスク推定地図生成部は、前記予測部により予測された複数の前記単位分布の各々の前記所定位置が属する前記副単位格子に対応する前記パターンが保持する値と、該副単位格子の周辺の副単位格子に対応する前記パターンが保持する値とを重み付け加算して、前記占有格子地図の単位格子に反映する請求項４に記載のリスク推定装置。 The risk estimation map generation unit generates a value held by the pattern corresponding to the sub unit cell to which the predetermined position of each of the plurality of unit distributions predicted by the prediction unit belongs, and a value around the sub unit cell. 5. The risk estimation device according to claim 4, wherein the values held by the patterns corresponding to the sub -unit grids are weighted and added and reflected in the unit grid of the occupancy grid map.

前記検出部は、対象領域に存在する静止物を検出し、
前記リスク推定地図生成部により生成された前記リスク推定地図に基づいて、前記移動物同士の衝突可能性、及び前記移動物と前記静止物との衝突可能性を判定する衝突可能性判定部をさらに含む、
請求項１～請求項５のいずれか１項に記載のリスク推定装置。 The detection unit detects a stationary object existing in the target area,
a collision possibility determination unit that determines a collision possibility between the moving objects and a collision possibility between the moving object and the stationary object based on the risk estimation map generated by the risk estimation map generation unit; include,
The risk estimation device according to any one of claims 1 to 5.

前記検出部は、対象領域に存在する静止物を検出し、
前記検出部により検出された前記静止物の位置を反映した前記占有格子地図を生成する占有格子地図生成部をさらに含み、
前記予測部は、前記静止物の位置を回避するように前記移動物の移動を予測する
請求項１～請求項６のいずれか１項に記載のリスク推定装置。 The detection unit detects a stationary object existing in the target area,
further comprising an occupancy grid map generation unit that generates the occupancy grid map reflecting the position of the stationary object detected by the detection unit;
The risk estimation device according to any one of claims 1 to 6, wherein the prediction unit predicts the movement of the moving object so as to avoid the position of the stationary object.

前記占有格子地図生成部は、前記対象領域に関する地図データを重畳した前記占有格子地図を生成し、
前記予測部は、前記占有格子地図に重畳された前記地図データが示す要因を反映して、前記単位分布の各々を予測する
請求項７項に記載のリスク推定装置。 The occupation grid map generating unit generates the occupation grid map by superimposing map data related to the target area,
8. The risk estimation device according to claim 7, wherein the prediction section reflects factors indicated by the map data superimposed on the occupancy grid map to predict each of the unit distributions .

前記対象領域に対応すると共に、所定の前記単位格子で構成された前記占有格子地図と同じ解像度の所定サイズの前記辞書格子に、前記単位分布の前記所定位置を前記辞書格子の前記所定の単位格子内の異なる複数の位置に対応させた複数の前記パターンを生成する単位分布辞書生成部をさらに含む請求項１～請求項８のいずれか１項に記載のリスク推定装置。 The predetermined position of the unit distribution is placed in the dictionary grid corresponding to the target area and having the same resolution as the occupation grid map and having the same size as the occupancy grid map, and the predetermined unit grid of the dictionary grid. The risk estimation device according to any one of claims 1 to 8, further comprising a unit distribution dictionary generation unit that generates a plurality of said patterns corresponding to a plurality of different positions within.

前記リスク推定地図生成部により生成された前記リスク推定地図、及び前記リスク推定地図に基づく情報の少なくとも一方を表示装置に表示するように制御する表示制御部をさらに含む請求項１～請求項９のいずれか１項に記載のリスク推定装置。 10. The method of claim 1, further comprising a display control unit configured to display at least one of the risk estimation map generated by the risk estimation map generation unit and information based on the risk estimation map on a display device. A risk estimation device according to any one of the preceding items.

前記表示制御部は、前記リスク推定地図を表示する場合に、前記リスク推定地図が示すリスクの高さに応じて、表示の輝度又は色を制御する請求項１０に記載のリスク推定装置。 The risk estimation device according to claim 10, wherein when displaying the risk estimation map, the display control unit controls brightness or color of display according to the level of risk indicated by the risk estimation map.

コンピュータを、請求項１～請求項１１のいずれか１項に記載のリスク推定装置の各部として機能させるためのリスク推定プログラム。 A risk estimation program for causing a computer to function as each part of the risk estimation device according to any one of claims 1 to 11.