JP7489231B2 - 物体検知装置 - Google Patents

Description

本発明は、物体検知装置に関する。

自動運転においては、車両の周囲に存在する他車両や障害物との衝突を回避するため、高精度な物体の検知が求められている。物体検知技術として、レーザ光を放射して車両の周囲を走査するＬｉＤＡＲ（Light Detection and Ranging）やレーダ等を用いた物体検知技術が知られている。

一般的に、ＬｉＤＡＲを用いた物体検知技術では、遠方の物体や小さい物体に対するレーザ光の照射点が疎になるので、遠方の物体や小さい物体の検知が困難である。近年、走査範囲や照射密度を動的に変更可能なＬｉＤＡＲの機種が出現している。走査範囲や照射密度を動的に変更可能なＬｉＤＡＲは、遠方の物体や小さい物体に対して照射密度を増加させて走査することによって、物体の種別まで明確に検知可能である。但し、全ての物体に対して照射密度を増加させて走査することは非効率であるので、照射密度を増加させて走査する物体を取捨選択することが重要である。

特許文献１には、光源から放射され物体にて反射されたレーザ光を用いて物体を検知する監視装置が記載されている。特許文献１に記載の監視装置は、複数の物体が検知された場合、複数の物体のうち自車両に対する相対速度が最も高い物体が検知された照射点を、他の照射点よりも優先して、照射密度を増加させたモードにて走査する。

特許第５９７８５６５号公報

しかしながら、特許文献１に記載の監視装置では、レーザ光の照射密度を増加させるモードが解除されるのは、当該モードの対象となった物体が検知されなくなった場合だけである。特許文献１に記載の監視装置では、当該モードの対象となった物体の位置に関係なく当該物体が検知されている限り、当該モードによって当該物体を走査する。したがって、特許文献１に記載の監視装置は、当該モードによる走査が不要になった後でも当該モードによる走査を継続してしまい、非効率である。加えて、特許文献１に記載の監視装置では、当該モードによる走査中に未知の物体が出現しても検知できない可能性がある。

本発明は、上記に鑑みてなされたものであり、検知精度を確保しつつ効率性を向上可能な物体検知装置を提供することを目的とする。

上記課題を解決するために、本発明の物体検知装置は、車両の周囲を走査するセンサの走査結果に応じて前記周囲に存在する物体の点群データを取得する点群取得部と、前記点群データに基づいて前記物体を検知する物体検知部と、前記物体検知部の検知結果における信頼度を判定する信頼度判定部と、を備え、前記点群取得部は、前記信頼度に基づいて前記センサの走査範囲及び照射密度を制御することを特徴とする。

本発明によれば、検知精度を確保しつつ効率性を向上させることができる物体検知装置を提供することができる。
上記以外の課題、構成および効果は、以下の実施形態の説明により明らかにされる。

実施形態１の物体検知装置のハードウェア構成を示す図。 図１に示す物体検知装置の機能的構成を示す図。 図２に示す物体検知装置において使用される座標系を示す図。 図２に示す点群ＤＢに記憶されたデータのデータ構造を説明する図。 図２に示すＬｉＤＡＲの走査モードに関する状態遷移図。 図５に示す要注意物体リストのデータ構造を説明する図。 図２に示す物体検知装置が行う処理の流れを示すフローチャート。 図７に示す要注意領域を説明する図。 図９（ａ）は、図８に示す状況から先行車両が絞り込みモードの走査対象となった場合を説明する図であり、図９（ｂ）は、図８に示す状況から他の先行車両が絞り込みモードの走査対象となった場合を説明する図。 図７のステップＳ７０３及びステップＳ７１０に示す物体検知処理の流れを示すフローチャート。 図１０に示す物体検知処理に用いられる占有グリッドマップを説明する図。 図１０に示す物体検知処理において作成されるグループのデータ構造を説明する図。 図１０のステップＳ１００２に示す路面推定及び点群データの分類に係る処理の流れを示すフローチャート。 図１０のステップＳ１００３に示すグルーピングに係る処理の流れを示すフローチャート。 図１５（ａ）は、図１４の処理を説明する図であって、物体検知装置が探索領域を初めて設定した場合におけるグルーピングの状況を示す図であり、図１５（ｂ）は、図１５（ａ）から処理が進行した場合におけるグルーピングの状況を示す図。 図１０のステップＳ１００４に示すグループのパラメータの特定に係る処理の流れを示すフローチャート。 図１０のステップＳ１００５に示す信頼度の計算に係る処理の流れを示すフローチャート。 図１７のステップＳ１７０１に示すスコアの計算方法を説明する図。 図１８を用いたスコア及び信頼度の計算例を説明する図。 図１９とは異なるスコア及び信頼度の他の計算例を説明する図。 図２１（ａ）は、通常モードによって１つの物体を走査した場合であって、検知物体のパラメータの推定値の範囲における下限値を説明する図であり、図２１（ｂ）は、図２１（ａ）に示す場合であって、検知物体のパラメータの推定値の範囲における上限値を説明する図であり、図２１（ｃ）は、通常モードによって２つの物体を走査した場合であって、物体検知装置が１つの物体として検知する場合を説明する図。 スコアの計算方法の変形例を説明する図。 図２３（ａ）は、絞り込みモードによって図２１（ａ）に示す物体を再走査した場合であって、検知物体のパラメータの推定値の範囲における下限値を説明する図であり、図２３（ｂ）は、図２３（ａ）に示す場合であって、検知物体のパラメータの推定値の範囲における上限値を説明する図であり、図２３（ｃ）は、絞り込みモードによって図２１（ｃ）に示す物体を再走査した場合であって、物体検知装置が別々の物体として検知する場合を説明する図。 実施形態２の物体検知装置における検知物体の例を示す図。 実施形態２の物体検知装置によって行われる信頼度の計算に係る処理の流れを示すフローチャート。 実施形態３の物体検知装置が行う処理の流れを示すフローチャート。

以下、本発明の実施形態について図面を用いて説明する。なお、各実施形態において同一の符号を付された構成は、特に言及しない限り、各実施形態において同様の機能を有するので、その説明を省略する。

［実施形態１］
図１は、実施形態１の物体検知装置１のハードウェア構成を示す図である。

物体検知装置１は、車両に搭載され、車両の周囲を監視する装置である。物体検知装置１は、車両の周囲に存在する物体を検知する装置である。物体検知装置１は、ＣＡＮバス１０７を介して車両制御ユニット１０２に接続される。

物体検知装置１は、ＬｉＤＡＲ１０１と、記憶装置１０３と、ＣＰＵ１０４と、メモリ１０５と、ＣＡＮ＿Ｉ／Ｆ１０６とを備える。

ＬｉＤＡＲ１０１は、車両から周囲に向けて一又は複数のレーザ光を放射し、その反射光を受光して、レーザ光の反射位置までの距離、方向及び反射強度等のデータを取得する。このデータは、点群データに変換される。ＬｉＤＡＲ１０１を用いた物体検知装置１は、カメラを用いた場合とは異なり、周囲の明るさに依存せずに点群データを取得することが可能であり、昼夜や天候に関係なく物体を検知することができる。ＬｉＤＡＲ１０１は、イーサネット１０８を介してＣＰＵ１０４に接続され、取得されたデータをＣＰＵ１０４へ送信する。この接続におけるプロトコルは、ＵＤＰ（User Datagram Protocol）を用いるのが一般的である。

記憶装置１０３は、地図情報や自動運転に必要なデータを記憶する。記憶装置１０３は、ＬｉＤＡＲ１０１のキャリブレーションパラメータの値を記憶することも可能である。

ＣＰＵ１０４は、ＬｉＤＡＲ１０１により取得されたデータを点群データに変換し、点群データに基づいて、車両の周囲に存在する物体を検知する物体検知処理を行う。ＣＰＵ１０４は、処理過程で必要となるデータや処理結果をメモリ１０５に記憶させる。例えば、ＣＰＵ１０４は、ＬｉＤＡＲ１０１により取得されたデータから変換された点群データをメモリ１０５へ送信し、例えば、図４に示すデータ構造に対応したバッファに記憶させる。ＣＰＵ１０４は、処理結果が、ＣＡＮバス１０７を介して車両制御ユニット１０２へ送信されるよう、ＣＡＮ＿Ｉ／Ｆ１０６を制御する。ＣＰＵ１０４は、車両制御ユニット１０２にて作成された車両の進行方向や速度等のデッドレコニング情報を、ＣＡＮ＿Ｉ／Ｆ１０６を介して取得する。

車両制御ユニット１０２は、車両の進行方向や速度を制御するＥＣＵ等によって構成される。車両制御ユニット１０２は、ＣＰＵ１０４による物体検知処理の処理結果を取り込んで、車両の走行制御を行う。車両制御ユニット１０２は、車両の進行方向や速度のデッドレコニング情報を作成し、ＣＡＮバス１０７及びＣＡＮ＿Ｉ／Ｆ１０６を介して、ＣＰＵ１０４へ送信する。

図２は、図１に示す物体検知装置１の機能的構成を示す図である。

物体検知装置１は、点群取得部２０１と、物体検知部２０４と、信頼度判定部２０５と、点群ＤＢ２０８とを備える。

点群取得部２０１は、車両の周囲を走査するセンサであるＬｉＤＡＲ１０１の走査結果に応じて、車両の周囲に存在する物体の点群データを取得する。点群取得部２０１は、信頼度判定部２０５の判定結果に基づいてＬｉＤＡＲ１０１の走査範囲と照射密度とを制御する点群取得制御部２０２と、ＬｉＤＡＲ１０１の走査結果から点群データを取得する点群位置計算部２０３とを備える。照射密度とは、ＬｉＤＡＲ１０１から放射されたレーザ光の物体に対する照射点の単位体積当たりの個数である。照射密度が増加するほど、点群データに含まれる個々の３次元点の単位体積当たりの個数である点群密度も増加する。照射密度が増加するほど、照射点同士の間隔は短くなり、３次元点同士の間隔である点群間隔も短くなる。点群位置計算部２０３は、ＬｉＤＡＲ１０１により取得されたレーザ光の反射位置までの距離及び方向等のデータを、３次元座標等を有する３次元点に変換することによって、点群データを取得する。点群位置計算部２０３は、取得された点群データを、点群ＤＢ２０８及び物体検知部２０４へ送信する。

点群ＤＢ２０８は、点群取得部２０１の点群位置計算部２０３から送信された点群データを記憶する。物体検知部２０４は、点群取得部２０１により取得された点群データに基づいて周囲の物体を検知する。具体的には、物体検知部２０４は、点群取得部２０１の点群位置計算部２０３から送信された点群データに含まれる３次元座標に従って、物体の位置や種別を検知する。

信頼度判定部２０５は、物体検知部２０４の検知結果における信頼度を判定する。具体的には、信頼度判定部２０５は、物体検知部２０４において検知の対象となった物体（以下、「検知物体」とも称する）の信頼度を、予め定められた物体の種別毎に計算し、計算された信頼度に応じて検知物体の種別を判定する。信頼度とは、各検知物体に対して、物体の種別を確定できるか否かを数値化した指標である。信頼度の数値範囲は、０．０より大きく１．０以下である。信頼度が高いほど、物体の種別が確定され易い。

信頼度判定部２０５は、検知物体の各パラメータのスコアを用いて信頼度を計算し、計算された信頼度に応じて検知物体の種別を判定するスコア計算部２０６と、検知物体の移動を追跡する物体追跡部２０７とを備える。パラメータとは、検知物体の種別を確定する際に着目される物体の属性を表す指標である。パラメータは、例えば、物体の奥行き、幅及高さ等の物体のサイズや、物体の速度等である。パラメータは、物体の種別毎に取り得る範囲が異なる。スコア計算部２０６には、パラメータと、種別毎のパラメータの取り得る範囲とが予め定められている。本実施形態では、物体のサイズを定める物体の奥行き、幅及高さのそれぞれを、パラメータとする。スコアは、検知物体のパラメータが、種別毎のパラメータの取り得る範囲に対して、どの程度適合しているかを数値化した指標である。スコア計算部２０６は、検知物体のパラメータの当該範囲との適合性を数値化したスコアを、種別毎に計算する。本実施形態では、スコア計算部２０６は、検知物体のサイズの当該範囲との適合性を数値化したスコアを、種別毎に計算する。すなわち、スコア計算部２０６は、検知物体の奥行き、幅及び高さのそれぞれの当該範囲との適合性を数値化したスコアを、種別毎に計算する。スコアの数値範囲は、０．０より大きく１．０以下である。スコアが高いほど、検知物体のパラメータが、当該範囲に適合し易い。

スコア計算部２０６は、計算された検知物体の奥行き、幅及び高さの各スコアを用いて、種別毎に信頼度を計算する。スコア計算部２０６は、計算された種別毎の信頼度に応じて検知物体の種別を判定する。具体的には、スコア計算部２０６は、或る種別における信頼度が第１基準値（例えば０．３）より小さい場合には、この或る種別を検知物体の種別として否定する。また、スコア計算部２０６は、或る種別における信頼度が第２基準値（例えば０．６）以上である場合には、この或る種別を検知物体の種別として確定する。また、スコア計算部２０６は、或る種別における信頼度が第１基準値以上第２基準値より小さい場合、この或る種別を検知物体の種別として否定も確定もせず、検知物体の種別が不明であると判定する。第１基準値及び第２基準値は、０．０以上１．０以下の範囲内において予め定められた値である。第２基準値は、第１基準値よりも大きい。スコア計算部２０６は、検知物体の種別の判定結果を、点群取得部２０１及び物体検知部２０４へ送信する。

図３は、図２に示す物体検知装置１において使用される座標系を示す図である。

本実施形態では、物体検知装置１が搭載された自車両３０１の位置を原点とした直交座標系が使用される。本実施形態では、自車両３０１の進行方向に沿った座標軸をｘ軸とし、自車両３０１の前進方向をｘ軸の正方向とする。本実施形態では、自車両３０１の車幅方向に沿った座標軸をｙ軸とし、自車両３０１の進行方向に向かって右から左へ向かう方向をｙ軸の正方向とする。本実施形態では、路面に垂直な座標軸（重力方向に沿った座標軸）をｚ軸とし、路面から離隔する方向（反重力方向）をｚ軸の正方向とする。

図４は、図２に示す点群ＤＢ２０８に記憶されたデータのデータ構造を説明する図である。

点群ＤＢ２０８に記憶されたデータは、点群データ４０２の個数を示す点群数４０１と、それぞれの点群データ４０２とから構成される。点群ＤＢ２０８に記憶されたデータは、点群データ４０２を、点群数４０１だけ羅列した構造を有する。それぞれの点群データ４０２は、個々の３次元点のｘ座標４０３、ｙ座標４０４、ｚ座標４０５及び反射強度４０６を含む。ｘ座標４０３、ｙ座標４０４及びｚ座標４０５は、図３の座標系に従っている。

図５は、図２に示すＬｉＤＡＲ１０１の走査モードに関する状態遷移図である。

ＬｉＤＡＲ１０１は、通常モード５０１と、絞り込みモード５０２とによって、自車両３０１の周囲を走査することができる。通常モード５０１は、ＬｉＤＡＲ１０１の走査範囲をＬｉＤＡＲ１０１の仕様のうちで最大とし、ＬｉＤＡＲ１０１の照射密度をＬｉＤＡＲ１０１の仕様のうちで最小とするモードである。絞り込みモード５０２は、ＬｉＤＡＲ１０１の走査範囲を通常モード５０１よりも縮小させ、ＬｉＤＡＲ１０１の照射密度を通常モード５０１よりも増加させたモードである。絞り込みモード５０２は、ＬｉＤＡＲ１０１の走査範囲をＬｉＤＡＲ１０１の仕様のうちで最小とし、ＬｉＤＡＲ１０１の照射密度をＬｉＤＡＲ１０１の仕様のうちで最大とするモードであってもよい。物体検知装置１は、ＬｉＤＡＲ１０１が通常モード５０１により走査することによって広範囲の物体を検知することが可能であり、ＬｉＤＡＲ１０１が絞り込みモード５０２により走査することによって特定の物体について詳細に検知することが可能である。

ＬｉＤＡＲ１０１は、通常モード５０１によって走査した結果、検知物体の中に要注意物体がない場合、そのまま通常モード５０１を維持する。ＬｉＤＡＲ１０１は、通常モード５０１によって走査した結果、検知物体の中に要注意物体がある場合、絞り込みモード５０２に遷移する。要注意物体とは、信頼度が低く、物体の種別が不明と信頼度判定部２０５によって判定された検知物体のことである。要注意物体は、信頼度判定部２０５によって要注意物体リスト５０３に登録される。要注意物体リスト５０３は、絞り込みモード５０２によって再走査するべき検知物体の情報が記憶されたリストである。要注意物体リスト５０３は、メモリ１０５に実装され、要注意物体を構成する点群データを保持するように構成される。

絞り込みモード５０２によって再走査された要注意物体の信頼度が高く、物体の種別が信頼度判定部２０５によって確定された場合、ＬｉＤＡＲ１０１は、通常モード５０１に遷移する。種別が確定された要注意物体は、信頼度判定部２０５によって要注意物体リスト５０３から除外される。また、ＬｉＤＡＲ１０１は、通常モード５０１から絞り込みモード５０２に遷移してから所定時間経過した場合、タイムアウトになったとして通常モード５０１に遷移する。

すなわち、物体検知装置１では、点群取得部２０１が、通常モード５０１によってＬｉＤＡＲ１０１に走査させ、走査結果に応じて点群データを取得する。物体検知装置１では、物体検知部２０４が、取得された点群データに基づいて物体を検知する。物体検知装置１では、信頼度判定部２０５が、物体検知部２０４の検知結果における信頼度が高い（第２基準値以上）場合、検知物体の種別を確定する。物体検知装置１では、信頼度判定部２０５が、当該信頼度が低い（第１基準値以上第２基準値より小さい）場合、検知物体を要注意物体リスト５０３に登録する。物体検知装置１では、点群取得部２０１が、要注意物体リスト５０３に登録された検知物体を、絞り込みモード５０２によってＬｉＤＡＲ１０１に再走査させ、再走査結果に応じて点群データを再取得する。物体検知装置１では、物体検知部２０４が、再取得された点群データに基づいて当該検知物体を再検知する。物体検知装置１では、信頼度判定部２０５が、物体検知部２０４の再検知結果における信頼度を判定する。物体検知装置１では、信頼度判定部２０５が、再検知結果における信頼度が高い（第２基準値以上）検知物体を要注意物体リスト５０３から除外する。そして、物体検知装置１では、点群取得部２０１が、新たな物体を、通常モード５０１によってＬｉＤＡＲ１０１に走査させ、走査結果に応じて点群データを取得する。

図６は、図５に示す要注意物体リスト５０３のデータ構造を説明する図である。

要注意物体リスト５０３は、要注意物体の個数を示す物体数６０１と、要注意物体の詳細情報を示す物体情報６０２とから構成される。要注意物体リスト５０３は、物体情報６０２を物体数６０１だけ羅列した構造を有する。物体情報６０２は、要注意物体の位置座標を示す物体座標６０３と、要注意物体を構成する点群データ６０５の個数を示す点群数６０４と、要注意物体を構成するそれぞれの点群データ６０５とから構成される。物体座標６０３は、ｘ座標６０６、ｙ座標６０７及びｚ座標６０８を含む。それぞれの点群データ６０５は、個々の３次元点のｘ座標６０９，ｙ座標６１０、ｚ座標６１１及び反射強度６１２を含む。

図７は、図２に示す物体検知装置１が行う処理の流れを示すフローチャートである。

ステップＳ７０１において、物体検知装置１は、ＬｉＤＡＲ１０１の走査モードを通常モード５０１に設定する。

ステップＳ７０２において、物体検知装置１は、自車両の現時点の車速、限界舵角、及び、予測される走行方向に基づいて、自車両の周囲に要注意領域を設定する。要注意領域は、ＬｉＤＡＲ１０１の走査範囲のうちで特に物体検知装置１が注意するべき監視領域のことである。要注意領域内に位置する物体は、要注意物体として、要注意物体リストに登録される可能性がある物体である。すなわち、要注意領域内に位置する物体は、要注意物体として、絞り込みモードによって再走査される可能性がある物体である。要注意領域の設定については、図８を用いて後述する。要注意領域の設定後、物体検知装置１は、ＬｉＤＡＲ１０１を通常モードにて走査させ、自車両３０１の周囲に存在する物体の点群データを取得する。

ステップＳ７０３において、物体検知装置１は、取得された点群データに基づいて物体を検知する物体検知処理を行う。物体検知処理のアルゴリズムとしては、占有グリッドマップ（Occupancy Grid Map：OGM）等の様々なアルゴリズムを採用することができる。本実施形態の物体検知装置１は、占有グリッドマップを用いて物体検知処理を行う。物体検知処理については、図１０を用いて後述する。

ステップＳ７０３の後、物体検知装置１は、ループＬ７１へ移行する。ループＬ７１において、物体検知装置１は、ステップＳ７０３において検知の対象となった検知物体の個数だけ、ステップＳ７０４～ステップＳ７０６を行う。

ステップＳ７０４において、物体検知装置１は、検知物体が要注意領域内に位置するか否かを判定する。物体検知装置１は、検知物体が要注意領域内に位置しない場合、別の検知物体に対してループＬ７１を行う。物体検知装置１は、検知物体が要注意領域内に位置する場合、ステップＳ７０５へ移行する。

ステップＳ７０５において、物体検知装置１は、検知物体の種別が不明であると判定されたか否かを判定する。物体検知装置１は、検知物体の種別が不明であると判定されなかった場合、別の検知物体に対してループＬ７１を行う。物体検知装置１は、検知物体の種別が不明であると判定された場合、ステップＳ７０６へ移行する。

ステップＳ７０６において、物体検知装置１は、種別が不明であると判定された検知物体を、要注意物体として要注意物体リストに登録する。

ステップＳ７０６の後、物体検知装置１は、別の検知物体に対してループＬ７１を行う。物体検知装置１は、検知物体の個数だけループＬ７１を行った後、ループＬ７１を抜けてステップＳ７０７へ移行する。

ステップＳ７０７において、物体検知装置１は、要注意物体リストに要注意物体が登録されているか否かを判定する。物体検知装置１は、要注意物体リストに要注意物体が登録されていない場合、ステップＳ７０１へ移行する。物体検知装置１は、要注意物体リストに要注意物体が登録されている場合、ステップＳ７０８へ移行する。

ステップＳ７０８において、物体検知装置１は、ＬｉＤＡＲ１０１の走査モードを絞り込みモード５０２に設定する。

ステップＳ７０８の後、物体検知装置１は、ループＬ７２へ移行する。ループＬ７２において、物体検知装置１は、要注意物体の個数だけ、すなわち、要注意物体リストに要注意物体として登録された検知物体の個数だけ、ステップＳ７０９～ステップＳ７１２を行う。

ステップＳ７０９において、物体検知装置１は、ＬｉＤＡＲ１０１の走査範囲を要注意物体の物体座標に合わせて設定する。物体検知装置１は、ＬｉＤＡＲ１０１を絞り込みモードによって走査させ、要注意物体の点群データを再取得する。絞り込みモードによるＬｉＤＡＲ１０１の走査範囲の設定については、図９（ａ）及び図９（ｂ）を用いて後述する。

ステップＳ７１０において、物体検知装置１は、再取得された点群データに基づいて、物体検知処理を行う。ステップＳ７１０の物体検知処理のアルゴリズムは、ステップＳ７０３の物体検知処理のアルゴリズムと同様である。物体検知装置１は、ステップＳ７０３と同様の処理を行う。

ステップＳ７１１において、物体検知装置１は、要注意物体の種別が不明であると判定されたか否かを判定する。物体検知装置１は、要注意物体の種別が不明であると判定された場合、別の要注意物体に対してループＬ７２を行う。物体検知装置１は、要注意物体の種別が不明であると判定されなかった場合、ステップＳ７１２へ移行する。

ステップＳ７１２において、物体検知装置１は、種別が不明であると判定されなかった要注意物体を、要注意物体リストから除外する。

ステップＳ７１２の後、物体検知装置１は、別の要注意物体に対してループＬ７２を行う。物体検知装置１は、要注意物体の個数だけループＬ７２を行った後、ループＬ７２を抜けてステップＳ７１３へ移行する。

ステップＳ７１３において、物体検知装置１は、タイムアウトか否かを判定する。物体検知装置１は、ステップＳ７０８において絞り込みモードに設定されて所定時間経過した場合、タイムアウトになったと判定する。物体検知装置１は、タイムアウトになっていない場合、ステップＳ７０７へ移行する。物体検知装置１は、タイムアウトになった場合、ステップＳ７０１へ移行する。

図８は、図７に示す要注意領域８０１を説明する図である。図９（ａ）は、図８に示す状況から、先行車両８０２が絞り込みモードの走査対象となった場合を説明する図である。図９（ｂ）は、図８に示す状況から、他の先行車両８０３が絞り込みモードの走査対象となった場合を説明する図である。

要注意領域８０１は、自車両３０１の現時点の車速、限界舵角、及び、予測される走行方向３０２に基づいて設定される。限界舵角とは、車両の転倒が生じない最大舵角である。限界舵角の力学的な理論値は、例えば、和田他「ジョイスティック式自動車運転装置による操舵制御に関する検討」（計測自動制御学会論文集 Vol.49, No.4, 417/424, 2013）に記載されている。この文献には、車速が高くなるほど限界舵角が小さくなるという知見が記載されている。限界舵角は、８０５に示すように変化する。物体検知装置１は、自車両３０１の車速と限界舵角との関係を示すテーブル等を、記憶装置１０３又はメモリ１０５に予め記憶しておく。

物体検知装置１は、車速と限界舵角との関係を示すテーブルを参照する等によって、自車両３０１の現時点の車速に対応する限界舵角を特定する。ここで、限界舵角をθとし、ＬｉＤＡＲ１０１の測距可能な最長距離をｄとする。物体検知装置１は、自車両３０１を中心とし半径をｄとし中心角を２θとする扇形の領域であって、自車両３０１の予測される走行方向３０２である進行方向前方に広がる領域を、要注意領域８０１に設定する。

図８の例では、自車両３０１の先行車両８０２及び先行車両８０３は要注意領域８０１の内側に位置するが、先行車両８０４は要注意領域８０１の外側に位置する。物体検知装置１は、先行車両８０２及び先行車両８０３の種別が不明と判定された場合、先行車両８０２及び先行車両８０３を要注意物体として要注意物体リストに登録し、絞り込みモードによって再走査する。物体検知装置１は、先行車両８０４の種別が不明と判定された場合であっても、先行車両８０４を要注意物体リストに登録せず、絞り込みモードによって再走査しない。すなわち、要注意領域８０１の内側に位置する先行車両８０２及び先行車両８０３は、絞り込みモードの走査対象になり得るが、要注意領域８０１の外側に位置する先行車両８０４は、絞り込みモードの走査対象にならない。

図９（ａ）は、先行車両８０２が絞り込みモードの走査対象になった場合を示している。この場合、物体検知装置１は、絞り込みモードによるＬｉＤＡＲ１０１の走査範囲９０１を、先行車両８０２の物体座標に合わせて設定する。物体検知装置１は、設定された走査範囲９０１においてＬｉＤＡＲ１０１を走査させ、先行車両８０２の点群データを取得する。図９（ｂ）は、先行車両８０３が絞り込みモードの走査対象になった場合を示している。この場合、物体検知装置１は、絞り込みモードによるＬｉＤＡＲ１０１の走査範囲９０２を、先行車両８０３の物体座標に合わせて設定する。物体検知装置１は、設定された走査範囲９０２においてＬｉＤＡＲ１０１を走査させ、先行車両８０３の点群データを取得する。

図１０は、図７のステップＳ７０３及びステップＳ７１０に示す物体検知処理の流れを示すフローチャートである。

ステップＳ１００１において、物体検知装置１は、全点群データを、占有グリッドマップを構成する２次元の各グリッドに格納する。物体検知装置１において、ＬｉＤＡＲ１０１の機種に依存しない処理フローによって物体検知機能を実装するためには、ＬｉＤＡＲ１０１の機種に依存しない座標系が必要となるので、占有グリッドマップを用いることが有効である。グリッドの大きさは、検知対象の物体の大きさに応じて任意に決定され得る。

ステップＳ１００２において、物体検知装置１は、点群データを路面と物体に分類する。具体的には、物体検知装置１は、占有グリッドマップにおいて路面を推定し、推定された路面を構成する点群データを確定する。物体検知装置１は、路面を構成する点群データ以外の点群データから物体を構成する点群データを確定する。これにより、物体検知装置１は、点群データを路面と物体に分類することができる。なお、物体検知装置１は、路面及び物体の何れを構成するかが不明な点群データについては、不明と判定する。路面推定及び点群データの分類に係る処理の詳細については、図１３を用いて後述する。

ステップＳ１００３において、物体検知装置１は、物体に分類された点群データをグルーピングする。具体的には、物体検知装置１は、ステップＳ１００２において物体に分類された点群データにおいて、互いの位置が所定距離以内に配置された近接する点群データ同士をグルーピングし、グループを作成する。グループは、検知物体を表す。グルーピングに係る処理の詳細については、図１４を用いて後述する。

ステップＳ１００３の後、物体検知装置１は、ループＬ１０１へ移行する。ループＬ１０１において、物体検知装置１は、ステップＳ１００３においてグルーピングにより作成されたグループの個数だけ、ステップＳ１００４～ステップＳ１００６を行う。

ステップＳ１００４において、物体検知装置１は、グループのパラメータを特定する。グループのパラメータは、グループの奥行き、幅及び高さである。グループのパラメータには、グループの位置座標が含まれていてもよい。グループのパラメータは、検知物体のパラメータを表す。グループのパラメータの特定に係る処理の詳細については、図１６を用いて後述する。

ステップＳ１００５において、物体検知装置１は、グループのパラメータに基づいて検知物体の種別毎の信頼度を計算する。信頼度の計算に係る処理については、図１７を用いて後述する。

ステップＳ１００６において、物体検知装置１は、計算された種別毎の信頼度に基づいて検知物体の種別を判定する。上記のように、物体検知装置１は、或る種別における信頼度が第１基準値（例えば０．３）より小さい場合には、この或る種別を検知物体の種別として否定する。また、スコア計算部２０６は、或る種別における信頼度が第２基準値（例えば０．６）以上である場合には、この或る種別を検知物体の種別として確定する。また、スコア計算部２０６は、或る種別における信頼度が第１基準値以上第２基準値より小さい場合、この或る種別を検知物体の種別として否定も確定もせず、検知物体の種別が不明であると判定する。

ステップＳ１００６の後、物体検知装置１は、別のグループに対してループＬ１０１を行う。物体検知装置１は、グループの個数だけループＬ１０１を行った後、ループＬ１０１を抜けて、図１０に示す処理を終了する。

図１１は、図１０に示す物体検知処理に用いられる占有グリッドマップを説明する図である。

占有グリッドマップ１１０１は、図３と同様に、自車両の進行方向に沿った方向をＸインデックスとし、自車両の車幅方向に沿った方向をＹインデックスとする座標系を有する。占有グリッドマップ１１０１は、各グリッドが予め定められた互いに同一のサイズを有する。各グリッドは、点群データ１１０４を含むデータを保持する。各グリッドが保持するデータは、図１１に示すように、グループの識別情報であるグループＩＤ１１０２と、グループを構成する点群データ１１０４の個数を示す点群数１１０３と、グループを構成するそれぞれの点群データ１１０４とから構成される。それぞれの点群データ１１０４は、個々の３次元点のｘ座標１１０５、ｙ座標１１０６、ｚ座標１１０７、反射強度１１０８及び分類１１０９を含む。分類１１０９は、点群データが物体に分類されるか、路面に分類されるか、分類が不明かを示す。

図１２は、図１０に示す物体検知処理において作成されるグループのデータ構造を説明する図である。

図１０のステップＳ１００３において作成されるグループのデータは、グループデータ１２０２の個数を示すグループ数１２０１と、それぞれのグループデータ１２０２とから構成される。それぞれのグループデータ１２０２は、グループＩＤ１２０３と、グループのパラメータである奥行き１２０４、幅１２０５及び高さ１２０６と、グループを構成するグリッドの個数を示す構成グリッド数１２０７と、グループを構成する個々のグリッドの座標を示すグリッド座標１２０８とを含む。それぞれのグリッド座標１２０８は、Ｘインデックス１２０９と、Ｙインデックス１２１０とを含む。

図１３は、図１０のステップＳ１００２に示す路面推定及び点群データの分類に係る処理の流れを示すフローチャートである。

ステップＳ１３０１において、物体検知装置１は、占有グリッドマップを所定領域毎に複数の領域に分割する。占有グリッドマップ全体が示す路面は、必ずしも１つの平面によって構成されるわけではないので、幾つかの平面の組み合わせによって表現されることが適切である。物体検知装置１は、占有グリッドマップを複数の領域に分割し、局所的な特徴の組み合わせによって路面を推定する。本実施形態では、占有グリッドマップを所定領域毎に分割して得られた複数の領域のそれぞれを、「分割領域」とも称する。

ステップＳ１３０１の後、物体検知装置１は、ループＬ１３１へ移行する。ループＬ１３１において、物体検知装置１は、ステップＳ１３０１によって分割された複数の領域の個数を示す分割領域数だけ、ステップＳ１３０２、ステップＳ１３０３及びループＬ１３２を行う。

ステップＳ１３０２において、物体検知装置１は、処理対象の分割領域において路面候補となる点群データを抽出する。例えば、物体検知装置１は、処理対象の分割領域内の各グリッドに保持された点群データのｚ座標が、当該分割領域よりも自車両に近い分割領域の路面高さの±１０ｃｍの範囲内である場合、当該点群データを、路面候補となる点群データであるとして抽出する。但し、処理対象の分割領域が自車両に最も近接する分割領域のときには、物体検知装置１は、処理対象の分割領域内の各グリッドに保持された点群データのｚ座標が、自車両のｚ座標（原点のｚ座標）の±１０ｃｍの範囲内である場合に、当該点群データを、路面候補となる点群データであるとして抽出する。

ステップＳ１３０３において、物体検知装置１は、抽出された点群データに、ロバスト推定の１つであるＲＡＮＳＡＣ（Random Sample Consensus）を適用し、路面パラメータを算出する。例えば、路面を平面とみなすと、点群データのｚ座標は、次の式（１）のように表すことができる。
ｚ＝ａｘ＋ｂｙ＋ｃ・・・（１）
物体検知装置１は、ＲＡＮＳＡＣを用いて式（１）の係数ａ、ｂ及びｃの値を算出する。路面パラメータとは、式（１）の係数ａ、ｂ及びｃのことである。なお、物体検知装置１は、抽出された点群データに対して、ＲＡＮＳＡＣではなく最小二乗法を適用したり、ＲＡＮＳＡＣと最小二乗法とを組み合わせて適用したりしてもよい。

ステップＳ１３０３の後、物体検知装置１は、処理対象の分割領域内の全点群データを路面や物体に分類するべく、ループＬ１３２へ移行する。ループＬ１３２において、物体検知装置１は、処理対象の分割領域内の各グリッドの個数だけ、ループＬ１３３を行う。ループＬ１３３において、物体検知装置１は、各グリッドに保持された点群データの個数である点群数だけ、ステップＳ１３０４～ステップＳ１３０９を行う。

ステップＳ１３０４において、物体検知装置１は、処理対象の分割領域内のグリッドに保持された点群データのｚ座標（例えば図１１のｚ座標１１０７）を取得する。

ステップＳ１３０５において、物体検知装置１は、ステップＳ１３０４においてｚ座標が取得された点群データのｘ座標，ｙ座標によって示される路面高さを算出する。具体的には、物体検知装置１は、上記のステップＳ１３０３において算出された係数ａ、ｂ及びｃ（路面パラメータ）から、次の式（２）を用いて路面高さを算出する。
路面高さ＝ａ×（ｘ座標）＋ｂ×（ｙ座標）＋ｃ・・・（２）

ステップＳ１３０６において、物体検知装置１は、ステップＳ１３０４において取得されたｚ座標と、ステップＳ１３０５において算出された路面高さとを比較する。物体検知装置１は、取得されたｚ座標が、路面高さ以上であり、且つ、路面高さ＋５ｃｍより小さい範囲にある場合、ステップＳ１３０７へ移行する。物体検知装置１は、取得されたｚ座標が、路面高さ＋５ｃｍ以上である場合、ステップＳ１３０８へ移行する。物体検知装置１は、取得されたｚ座標が、路面高さより小さい場合、ステップＳ１３０９へ移行する。

ステップＳ１３０７において、物体検知装置１は、ステップＳ１３０４においてｚ座標が取得された点群データの分類が路面であると判定する。

ステップＳ１３０８において、物体検知装置１は、ステップＳ１３０４においてｚ座標が取得された点群データの分類が物体であると判定する。

ステップＳ１３０９において、物体検知装置１は、ステップＳ１３０４においてｚ座標が取得された点群データの分類が不明であると判定する。

ステップＳ１３０７、ステップＳ１３０８又はステップＳ１３０９の後、物体検知装置１は、処理対象の分割領域内のグリッドに保持された別の点群データに対してループＬ１３３を行う。物体検知装置１は、当該グリッドに保持された点群データの個数だけループＬ１３３を行った後、ループＬ１３３を抜けて、当該分割領域内の別のグリッドに対してループＬ１３２を行う。物体検知装置１は、当該分割領域内のグリッドの個数だけループＬ１３２を行った後、ループＬ１３２を抜けて、別の分割領域に対してループＬ１３１を行う。物体検知装置１は、分割領域数だけループＬ１３１を行った後、ループＬ１３１を抜けて、図１３に示す処理を終了する。

図１４は、図１０のステップＳ１００３に示すグルーピングに係る処理の流れを示すフローチャートである。

物体検知装置１は、占有グリッドマップのグリッドの個数だけ、ステップＳ１４０１～ステップＳ１４０８を行うループＬ１４１を行う。

ステップＳ１４０１において、物体検知装置１は、処理対象のグリッドに点群データが保持されているか否かを判定する。物体検知装置１は、当該グリッドに点群データが保持されていない場合、別のグリッドに対してループＬ１４１を行う。物体検知装置１は、当該グリッドに点群データが保持されている場合、ステップＳ１４０２へ移行する。

ステップＳ１４０２において、物体検知装置１は、処理対象のグリッドを中心として探索領域を設定する。探索領域とは、同じグループを構成するグリッドを探索するために占有グリッドマップに設定される領域である。探索領域のサイズは、予め定められたサイズとする。

ステップＳ１４０２の後、物体検知装置１は、探索領域内において物体に分類される点群データを抽出しグループとしてまとめるべく、ループＬ１４２へ移行する。ループＬ１４２において、物体検知装置１は、設定された探索領域内のグリッドの個数だけ、ステップＳ１４０３及びステップＳ１４０４を行う。

ステップＳ１４０３において、物体検知装置１は、設定された探索領域内のグリッドに保持された点群データの分類が物体か否かを判定する。物体検知装置１は、当該点群データの分類が物体でない場合、当該探索領域内の別のグリッドに対してループＬ１４２を行う。物体検知装置１は、当該点群データの分類が物体である場合、ステップＳ１４０４へ移行する。

ステップＳ１４０４において、物体検知装置１は、ステップＳ１４０３において分類が物体であると判定された点群データを保持するグリッドを、設定された探索領域が属するグループに追加する。

ステップＳ１４０４の後、物体検知装置１は、設定された探索領域内の別のグリッドに対してループＬ１４２を行う。物体検知装置１は、当該探索領域内のグリッドの個数だけループＬ１４２を行った後、ループＬ１４２を抜けてループＬ１４３へ移行する。物体検知装置１は、設定された探索領域内のグループにグループＩＤを設定するべく、ループＬ１４３を行う。ループＬ１４３において、物体検知装置１は、当該探索領域内のグリッドの個数だけ、ステップＳ１４０５及びステップＳ１４０６を行う。

ステップＳ１４０５において、物体検知装置１は、設定された探索領域内のグリッドにグループＩＤが設定されているか否かを判定する。物体検知装置１は、当該グリッドにグループＩＤが設定されていない場合、当該探索領域内の別のグリッドに対してループＬ１４３を行う。物体検知装置１は、当該グリッドにグループＩＤが設定されている場合、ステップＳ１４０６へ移行する。

ステップＳ１４０６において、物体検知装置１は、当該グリッドに既に設定されたグループＩＤをそのまま設定する。

ステップＳ１４０６の後、物体検知装置１は、設定された探索領域内の別のグリッドに対してループＬ１４３を行う。物体検知装置１は、当該探索領域内のグリッドの個数だけループＬ１４３を行った後、ループＬ１４３を抜けてステップＳ１４０７へ移行する。

ステップＳ１４０７において、物体検知装置１は、設定された探索領域が属するグループにグループＩＤが設定されているか否かを判定する。物体検知装置１は、当該グループにグループＩＤが設定されている場合、占有グリッドマップの別のグリッドに対してループＬ１４１を行う。物体検知装置１は、当該グループにグループＩＤが設定されていない場合、ステップＳ１４０８へ移行する。

ステップＳ１４０８において、物体検知装置１は、グループＩＤを新規発行し、設定された探索領域が属するグループに対して、新規発行したグループＩＤを設定する。

ステップＳ１４０８の後、物体検知装置１は、占有グリッドマップの別のグリッドに対してループＬ１４１を行う。物体検知装置１は、当該グリッドの個数だけループＬ１４１を行った後、ループＬ１４１を抜けて、図１４に示す処理を終了する。

図１５（ａ）は、図１４の処理を説明する図であって、物体検知装置１が探索領域１５０１を初めて設定した場合におけるグルーピングの状況を示す図である。図１５（ｂ）は、図１５（ａ）から処理が進行した場合におけるグルーピングの状況を示す図である。

図１５（ａ）及び図１５（ｂ）において、黒色又は灰色のグリッドは、物体に分類された点群データを保持するグリッドである。黒色のグリッドは、グループＩＤが設定されたグリッドを示し、灰色のグリッドは、グループＩＤが設定されていないグリッドを示す。

図１５（ａ）の例では、物体検知装置１は、グリッド１５０４を中心として探索領域１５０１を設定している。物体検知装置１は、グリッド１５０４、グリッド１５０５及びグリッド１５０６を含む探索領域１５０１内の黒色のグリッドについて、同じグループとしてグループＩＤを設定する。その後、物体検知装置１は、図１５（ａ）の状況から探索領域１５０１を１グリッドずつ移動させてグルーピングを行い、図１５（ｂ）に示すように、グリッド１５０６を中心として探索領域１５０１を設定した状況になったとする。

図１５（ｂ）の例では、探索領域１５０１内のグリッド１５０４、グリッド１５０５及びグリッド１５０６については、同じグループとして既にグループＩＤが設定されている。探索領域１５０１内のグリッド１５０２及びグリッド１５０３については、グループが決まっておらず、グループＩＤが設定されていない。物体検知装置１は、図１５（ｂ）のような状況になった場合、探索領域１５０１内のグリッド１５０４、グリッド１５０５及びグリッド１５０６については、既に設定されたグループＩＤをそのまま設定する。物体検知装置１は、探索領域１５０１内のグリッド１５０２及びグリッド１５０３については、グリッド１５０４等により構成されるグループに追加され、グリッド１５０４等に設定されているグループＩＤが設定されることとなる。

図１６は、図１０のステップＳ１００４に示すグループのパラメータの特定に係る処理の流れを示すフローチャートである。図１６に示す処理は、１つのグループのパラメータを特定するために行われる処理である。

ステップＳ１６０１において、物体検知装置１は、グループを構成するグリッドに対して主成分分析を行う。すなわち、物体検知装置１は、グリッドの分布傾向を分析して、グループの方向を適切に表現し得る主成分軸を特定する。具体的には、物体検知装置１は、当該主成分軸として第１主成分軸及び第２主成分軸を特定し、占有グリッドマップ１１０１の座標系を構成するＸインデックス及びＹインデックスに対する第１主成分軸及び第２主成分軸の角度を算出する。

ステップＳ１６０２において、物体検知装置１は、Ｘインデックス及びＹインデックスに対する主成分軸の角度が算出できたか否かを判定する。物体検知装置１は、当該角度が算出できなかった場合、図１６に示す処理を終了する。物体検知装置１は、当該角度が算出できた場合、ステップＳ１６０３へ移行する。

ステップＳ１６０３において、物体検知装置１は、第１主成分軸の長さに対する第２主成分軸の長さの比率を計算する。第１主成分軸は第２主成分軸よりも長い。第１主成分軸及び第２主成分軸は、グリッドを囲む楕円の長軸及び短軸に相当すると考えることができる。物体検知装置１は、長軸（第１主成分軸）の長さに対する短軸（第２主成分軸）の長さの比率を計算する。当該比率の数値範囲は、０．０より大きく１．０以下である。当該比率が小さいほど、ステップＳ１６０１において算出された角度の信頼性が高い。

ステップＳ１６０４において、物体検知装置１は、第１主成分軸の長さに対する第２主成分軸の長さの比率を、予め定められた閾値と比較する。当該閾値は、ステップＳ１６０１において算出された角度の信頼性が確保される値である。物体検知装置１は、当該比率が、当該閾値より大きく１．０以下である場合、ステップＳ１６０６へ移行する。物体検知装置１は、当該比率が、０．０より大きく当該閾値以下である場合、ステップＳ１６０５へ移行する。

ステップＳ１６０５において、物体検知装置１は、ステップＳ１６０１において算出された角度にて矩形をグリッドにフィッティングする。フィッティングされた矩形の角度は、当該矩形の方向を特定する。フィッティングされた矩形の長辺の長さ及び短辺の長さは、当該矩形のサイズを特定する。フィッティングされた矩形の長辺の長さ及び短辺の長さは、長軸（第１主成分軸）の長さ及び短軸（第２主成分軸）の長さに相当する。ステップＳ１６０５の後、物体検知装置１は、ステップＳ１６０７へ移行する。

ステップＳ１６０６において、物体検知装置１は、ステップＳ１６０１において算出された角度の±２０ｄｅｇの範囲にて回転させながら矩形をグリッドにフィッティングする。この際、物体検知装置１は、矩形内に含まれるグリッドの個数が最大となる回転角にてフィッティングする。この方法は、ＳＢＲＦ（Search Based Rectangle Fitting）と称する方法である。なお、矩形の回転角度範囲は、ステップＳ１６０１において算出された角度の±２０ｄｅｇの範囲に必ずしも限定されず、任意に定めることができる。

ステップＳ１６０７において、物体検知装置１は、フィッティングされた矩形の方向とサイズに従って、グループの奥行き及び幅を特定する。具体的には、物体検知装置１は、フィッティングされた矩形の長辺及び短辺のうち、自車両の進行方向と成す角度が小さい方をグループの奥行きと特定し、他方をグループの幅と特定する。

ステップＳ１６０８において、物体検知装置１は、フィッティングされた矩形内のグリッドが保持する点群データの最大高さを特定し、当該最大高さをグループの高さと特定する。ステップＳ１６０８の後、物体検知装置１は、図１６に示す処理を終了する。

図１７は、図１０のステップＳ１００５に示す信頼度の計算に係る処理の流れを示すフローチャートである。図１７に示す処理は、１つのグループが表す検知物体の種別毎の信頼度を計算するために行われる処理である。

物体検知装置１は、信頼度の計算対象として予め定められた物体の種別の個数だけ、ステップＳ１７０１～ステップＳ１７０３を行うループＬ１７１を行う。

ステップＳ１７０１において、物体検知装置１は、グループのパラメータである奥行き、幅及び高さのそれぞれのスコアを計算する。すなわち、物体検知装置１は、当該グループが表す検知物体のパラメータである奥行き、幅及び高さのそれぞれのスコアを計算する。スコアの計算方法及び計算例については、図１８～図２０を用いて後述する。

ステップＳ１７０２において、物体検知装置１は、グループのパラメータである奥行き、幅及び高さのそれぞれのスコアを掛け合わせる。すなわち、物体検知装置１は、当該グループが表す検知物体のパラメータである奥行き、幅及び高さのそれぞれのスコアを掛け合わせる。これにより、奥行き、幅及び高さのそれぞれのスコアの積が算出される。

ステップＳ１７０３において、物体検知装置１は、ステップＳ１７０２の算出結果を信頼度に置き換える。ステップＳ１７０３において求められた信頼度は、グループが表す検知物体の種別が、処理対象の種別にどの程度適合しているかを示している。信頼度の計算例については、図１９及び図２０を用いて後述する。

ステップＳ１７０３の後、物体検知装置１は、別の種別に対してループＬ１７１を行う。物体検知装置１は、種別数だけループＬ１７１を行った後、ループＬ１７１を抜けて、図１７に示す処理を終了する。

図１８～図２０を用いて、スコア及び信頼度の計算方法について説明する。
図１８は、図１７のステップＳ１７０１に示すスコアの計算方法を説明する図である。図１９は、図１８を用いたスコア及び信頼度の計算例を説明する図である。図２０は、図１９とは異なるスコア及び信頼度の他の計算例を説明する図である。

図１８には、検知物体のパラメータである奥行き、幅及び高さのそれぞれのスコアを計算するための第１閾値１８０１～第４閾値１８０４が、予め定められた物体の種別毎に記載されている。図１８には、物体の種別として、歩行者、二輪車、四輪車、トラックの４つが予め定められている例が示されているが、この４つの種別に限定されない。

物体検知装置１は、検知物体のパラメータが、第１閾値１８０１より小さい、又は、第４閾値１８０４より大きい場合、当該パラメータのスコアを実質０．０（例えば０．０１）とする。例えば、物体検知装置１は、検知物体の奥行きが０．１ｍであった場合、第１閾値１８０１である０．３ｍより小さいので、物体検知装置１は、スコアを実質０（例えば０．０１）とする。スコアを０．０ではなく実質０．０とする理由は、奥行き、幅及び高さのそれぞれのスコアの積を信頼度とするからである。

物体検知装置１は、検知物体のパラメータが、第２閾値１８０２以上第３閾値１８０３以下の範囲内にある場合、当該パラメータのスコアを１．０とする。第２閾値１８０２以上第３閾値１８０３以下の範囲は、検知物体のパラメータが取り得る範囲を示している。

物体検知装置１は、検知物体のパラメータが、第１閾値１８０１以上第２閾値１８０２より小さい範囲内にある場合、当該パラメータの値に応じてスコアを算出する。具体的には、物体検知装置１は、この場合のスコアを、次の式（３）を用いて算出する。
スコア＝（パラメータの値－第１閾値１８０１）／（第２閾値１８０２－第１閾値１８０１）・・・（３）
すなわち、物体検知装置１は、この場合のスコアを、パラメータの値及び第１閾値１８０１の差分と、第２閾値１８０２及び第１閾値１８０１の差分との比例計算によって算出する。スコアは、０．０～１．０の間で変動する。

同様に、物体検知装置１は、検知物体のパラメータが、第３閾値１８０３より大きく第４閾値１８０４以下の範囲内にある場合、当該パラメータの値に応じてスコアを算出する。具体的には、物体検知装置１は、この場合のスコアを、次の式（４）を用いて算出する。
スコア＝（パラメータの値－第３閾値１８０３）／（第４閾値１８０４－第３閾値１８０３）・・・（４）
すなわち、物体検知装置１は、この場合のスコアを、パラメータの値及び第３閾値１８０３の差分と、第４閾値１８０４及び第３閾値１８０３の差分との比例計算によって算出する。スコアは、０．０～１．０の間で変動する。

図１９には、検知物体が先行車両１９０１である例が示されている。図１９の例では、検知物体である先行車両１９０１のパラメータの１つである幅の値が１．６ｍであり、当該パラメータの１つである奥行きの値が３．２ｍであり、当該パラメータの１つである高さの値が１．６ｍであるとする。このとき、物体検知装置１は、検知物体である先行車両１９０１のパラメータである奥行き、幅及び高さのそれぞれのスコアを、種別毎に計算する。

例えば、パラメータの１つである幅の値が１．６ｍであると、物体検知装置１は、幅の値１．６ｍが、歩行者の種別については第４閾値１８０４（０．６ｍ）より大きいので、幅のスコアを０．０１とする。物体検知装置１は、幅の値１．６ｍが、二輪車の種別については第４閾値１８０４（１．３ｍ）より大きいので、幅のスコアを０．０１とする。物体検知装置１は、幅の値１．６ｍが、四輪車の種別については第２閾値１８０２（１．５ｍ）以上第３閾値１８０３（２．０ｍ）以下の範囲内にあるので、幅のスコアを１．０とする。物体検知装置１は、幅の値１．６ｍが、トラックの種別については第１閾値１８０１（１．４ｍ）以上第２閾値１８０２（１．７ｍ）より小さい範囲内にあるので、上記の式（３）を用いてスコアを算出する。すなわち、（１．６－１．４）／（１．７―１．４）＝０．６７を、スコアとする。

物体検知装置１は、他のパラメータである奥行き及び高さについても、幅のパラメータと同様にスコアを計算する。結果的に、図１９に示すようなスコアが得られる。

スコアの計算後、物体検知装置１は、奥行き、幅及び高さのそれぞれのスコアを掛け合わせることによって、種別毎の信頼度を計算する。例えば、物体検知装置１は、歩行者の種別については、幅のスコアが０．０１であり、奥行きのスコアが０．０１であり、高さのスコアが１．０であるので、０．０１×０．０１×１．０＝０．０００１を信頼度とする。物体検知装置１は、二輪車の種別については、０．０１×０．０１×１．０＝０．０００１を信頼度とする。物体検知装置１は、四輪車の種別については、１．０×１．０×１．０＝１．０を信頼度とする。物体検知装置１は、トラックの種別については、０．６７×１．０×０．０１＝０．００６７を信頼度とする。

信頼度の計算後、物体検知装置１は、検知物体の種別を判定する。図１９の例では、信頼度の第１基準値１９０２が０．３であり、第２基準値１９０３が０．６である。物体検知装置１は、歩行者の種別については信頼度（０．０００１）が第１基準値１９０２（０．３）より小さいので、検知物体の種別として歩行者を否定と判定する。物体検知装置１は、二輪車の種別については信頼度（０．０００１）が第１基準値１９０２（０．３）より小さいので、検知物体の種別として二輪車を否定と判定する。物体検知装置１は、トラックの種別については信頼度（０．００６７）が第１基準値１９０２（０．３）より小さいので、検知物体の種別としてトラックを否定と判定する。物体検知装置１は、四輪車の種別については信頼度（１．０）が第２基準値１９０３（０．６）以上であるので、検知物体の種別として四輪車を確定と判定する。結果的に、図１９の例では、物体検知装置１は、検知物体の種別として四輪車だけを確定と判定し、他の全ての種別を否定と判定したので、検知物体の種別を四輪車に確定する。

図２０には、検知物体が先行車両２００１である例が示されている。図２０に示すようなスコア及び信頼度が計算された場合、物体検知装置１は、検知物体の種別として四輪車を不明と判定し、他の種別を全て否定と判定する。この場合、物体検知装置１は、検知物体の種別を四輪車と確定することができないので、当該検知物体を要注意物体リストに登録し、絞り込みモードによる再走査の対象とする。

以上のように、実施形態１の物体検知装置１は、車両の周囲を走査するセンサであるＬｉＤＡＲ１０１の走査結果に応じて周囲に存在する物体の点群データを取得する点群取得部２０１と、点群データに基づいて物体を検知する物体検知部２０４とを備える。加えて、実施形態１の物体検知装置１は、物体検知部２０４の検知結果における信頼度を判定する信頼度判定部２０５を備える。点群取得部２０１は、信頼度に基づいてＬｉＤＡＲ１０１の走査範囲及び照射密度を制御する。

これにより、実施形態１の物体検知装置１は、照射密度を増加させて走査する物体を、適切に取捨選択することができるので、検知精度を確保しつつ効率性を向上させることができる。実施形態１の物体検知装置１は、物体との衝突リスクを効率的に抑えることが可能になり、安全な自動運転に寄与することができる。

更に、実施形態１の物体検知装置１は、ＬｉＤＡＲ１０１が、通常モードと絞り込みモードとによって走査可能である。信頼度判定部２０５は、信頼度が高い場合には検知物体の種別を確定し、信頼度が低い場合には検知物体を要注意物体リストに登録する。そして、点群取得部２０１は、要注意物体リストに登録された検知物体を絞り込みモードによってＬｉＤＡＲ１０１に再走査させ、点群データを再取得する。物体検知部２０４は、再取得された点群データに基づいて検知物体を再検知する。信頼度判定部２０５は、物体検知部２０４の再検知結果における信頼度を判定する。

これにより、実施形態１の物体検知装置１は、広範囲の物体を検知可能な通常モードと、特定の物体を詳細に検知可能な絞り込みモードとによって走査することができ、車両の周囲の状況に応じて走査モードを切り替えることができる。特に、実施形態１の物体検知装置１は、遠方の物体や小さい物体のような検知結果の信頼度が低くなり易い物体にだけ、絞り込みモードによって走査することができる。実施形態１の物体検知装置１は、信頼度が低くなり易い物体であっても検知精度を確保することができると共に、信頼度が高い物体に対してまで過剰に照射密度を増加させることも無い。よって、実施形態１の物体検知装置１は、検知精度を確保しつつ効率性を更に向上させることができる。

更に、実施形態１の物体検知装置１は、信頼度判定部２０５が、再検知結果における信頼度が高い場合、検知物体を要注意物体リストから除外する。点群取得部２０１は、検知物体とは異なる新たな物体を、通常モードによってＬｉＤＡＲ１０１に走査させ、点群データを新たに取得する。

これにより、実施形態１の物体検知装置１は、再検知結果において信頼度が高くなった検知物体を絞り込みモードの走査対象から除外することができると共に、未知の物体が出現してもいち早く検知することができる。よって、実施形態１の物体検知装置１は、検知精度を確保しつつ効率性を更に向上させることができる。

更に、実施形態１の物体検知装置１において、信頼度判定部２０５には、物体の属性を表す指標であるパラメータと、種別毎のパラメータの取り得る範囲とが予め定められている。信頼度判定部２０５は、検知物体のパラメータの上記範囲との適合性を数値化したスコアを計算し、スコアを用いて信頼度を計算する。

これにより、実施形態１の物体検知装置１は、絞り込みモードによる走査を行うか否かを判定する根拠となる信頼度を定量的に評価することができるので、検知精度を確保しつつ効率性を更に向上させることができる。

［スコアの計算方法の変形例］
図２１～図２３を用いて、図１８～図２０とは異なるスコアの計算方法について説明する。
図２１（ａ）は、通常モードによって１つの物体を走査した場合であって、検知物体のパラメータの推定値の範囲における下限値を説明する図である。図２１（ｂ）は、図２１（ａ）に示す場合であって、検知物体のパラメータの推定値の範囲における上限値を説明する図である。図２１（ｃ）は、通常モードによって２つの物体を走査した場合であって、物体検知装置１が１つの物体として検知する場合を説明する図である。図２２は、スコアの計算方法の変形例を説明する図である。

図２１（ａ）及び図２１（ｂ）は、検知物体のパラメータの１つである幅が１．２ｍの１つの物体を、点群間隔が０．３ｍの通常モードによって走査した場合を示している。図２１（ｃ）では、互いの間隔が０．２５ｍであり互いの幅の合計が１．２ｍである２つの物体を、点群間隔が０．３ｍの通常モードによって走査した場合を示している。図２１（ａ）～図２１（ｃ）において、白丸は検知物体の点群を示し、黒丸は検知物体から外れた点群を示し、灰色は物体検知装置１が推定する検知物体の幅を示している。

スコアを計算するにあたり、物体検知装置１は、走査結果から検知物体のパラメータとして推定される数値である推定値の範囲を算出する。物体検知装置１は、パラメータの推定値の範囲と、パラメータのスコアが１．０の範囲との重複率を算出する。物体検知装置１は、重複率に基づいてスコアを計算する。

パラメータのスコアが１．０の範囲は、図１８に示した第２閾値１８０２以上第３閾値１８０３以下の範囲である。重複率は、パラメータの推定値の範囲とパラメータのスコアが１．０の範囲との和集合（ＯＲ）の範囲、及び、パラメータの推定値の範囲とパラメータのスコアが１．０の範囲との交差集合（ＡＮＤ）の範囲を用いて算出される。具体的には、物体検知装置１は、重複率を、次の式（５）を用いて算出する。
重複率＝（交差集合の上限値－交差集合の下限値）／（和集合の上限値－和集合の下限値）・・・（５）
すなわち、物体検知装置１は、重複率を、和集合の範囲の上限値と下限値との差分と、交差集合の範囲の上限値と下限値との差分との比例計算によって算出する。重複率の数値範囲は、０．０以上１．０以下である。

物体検知装置１は、重複率が第１所定値２２０１（例えば０．２）より小さい場合には、スコアを０．０とする。物体検知装置１は、重複率が第２所定値２２０２（例えば０．８）以上である場合には、スコアを１．０とする。物体検知装置１は、重複率が第１所定値２２０１（例えば０．２）以上第２所定値２２０２（例えば０．８）より小さい場合には、当該重複率の値に応じてスコアを計算する。具体的には、物体検知装置１は、この場合のスコアを、次の式（６）を用いて算出する。
スコア＝（重複率の値－第１所定値２２０１）／（第２所定値２２０２－第１所定値２２０１）・・・（６）
すなわち、物体検知装置１は、この場合のスコアを、重複率の値及び第１所定値２２０１の差分と、第２所定値２２０２及び第１所定値２２０１の差分との比例計算によって算出する。スコアは、０．０～１．０の間で変動する。

図２１（ａ）及び図２１（ｂ）の例では、検知物体のパラメータの１つである幅の両端部の間には、０．３ｍの点群間隔が４つ存在する。物体検知装置１は、幅の推定値の範囲における下限値を、図２１（ａ）に示すように、０．３ｍ×４＝１．２ｍと推定する。物体検知装置１は、幅の推定値の範囲における上限値を、図２１（ｂ）に示すように、０．３ｍ×（４＋２）＝１．８ｍと推定する。すなわち、図２１（ａ）及び図２１（ｂ）の例では、物体検知装置１は、幅の推定値の範囲を、１．２ｍ以上１．８ｍより小さい範囲と算出する。図２２では、四輪車の種別における幅のスコアが１．０の範囲が示されている。四輪車の種別における幅のスコアが１．０の範囲は、図１８に示した第２閾値１８０２以上第３閾値１８０３以下の範囲を参照すると、１．５ｍ以上２．０ｍ以下である。図２２の例では、和集合の範囲は、１．２ｍ以上２．０ｍ以下の範囲である。交差集合の範囲は、１．５ｍ以上１．８ｍより小さい範囲である。よって、重複率は、上記の式（５）を用いて、（１．８ｍ－１．５ｍ）／（２．０ｍ－１．２ｍ）＝０．３７５と算出される。０．３７５という重複率は、第１所定値２２０１（０．２）以上第２所定値２２０２（０．８）より小さい。よって、スコアは、上記の式（６）を用いて、（０．３７５－０．２）／（０．８－０．２）＝０．２９と算出される。図２１（ａ）及び図２１（ｂ）の例では、物体検知装置１は、検知物体の幅が少なくとも四輪車の幅の条件を満たしていないと評価する。

物体検知装置１は、他の種別についても同様に重複率及びスコアを計算する。物体検知装置１は、他のパラメータである奥行き及び高さについても、幅のパラメータと同様に重複率及びスコアを計算する。そして、物体検知装置１は、検知物体のパラメータである奥行き、幅及び高さのそれぞれのスコアを種別毎に掛け合わせて、信頼度を種別毎に計算する。その結果、物体検知装置１は、検知物体の種別が確定できなければ、絞り込みモードによって再走査することになる。

図２３（ａ）は、絞り込みモードによって図２１（ａ）に示す物体を再走査した場合であって、検知物体のパラメータの推定値の範囲における下限値を説明する図である。図２３（ｂ）は、図２３（ａ）に示す場合であって、検知物体のパラメータの推定値の範囲における上限値を説明する図である。図２３（ｃ）は、絞り込みモードによって図２１（ｃ）に示す物体を再走査した場合であって、物体検知装置１が別々の物体として検知する場合を説明する図である。

図２３（ａ）及び図２３（ｂ）は、図２１（ａ）及び図２１（ｂ）に示す物体を、点群間隔が０．２ｍの絞り込みモードによって再走査した場合を示している。図２３（ｃ）では、図２１（ｃ）に示す物体を、点群間隔が０．２ｍの絞り込みモードによって再走査した場合を示している。

図２３（ａ）及び図２３（ｂ）の例では、検知物体のパラメータの１つである幅の両端部の間には、０．２ｍの点群間隔が８つ存在する。物体検知装置１は、幅の推定値の範囲における下限値を、図２３（ａ）に示すように、０．２ｍ×８＝１．６ｍと推定する。物体検知装置１は、幅の推定値の範囲における上限値を、図２３（ｂ）に示すように、０．２ｍ×（８＋２）＝２．０ｍと推定する。すなわち、図２３（ａ）及び図２３（ｂ）の例では、物体検知装置１は、幅の推定値の範囲を、１．６ｍ以上２．０ｍより小さい範囲と算出する。また、四輪車の種別における幅のスコアが１．０の範囲は、１．５ｍ以上２．０ｍ以下である。図２３（ａ）及び図２３（ｂ）の例では、和集合の範囲は、１．５ｍ以上２．０ｍ以下の範囲である。交差集合の範囲は、１．６ｍ以上２．０ｍより小さい範囲である。よって、重複率は、上記の式（５）を用いて、（２．０－１．６）／（２．０－１．５）＝０．８と算出される。０．８という重複率は、第２所定値２２０２（０．８）以上である。物体検知装置１は、スコアを１．０とする。図２３（ａ）及び図２３（ｂ）の例では、物体検知装置１は、検知物体の幅が少なくとも四輪車の幅の条件を満たしていると評価する。

また、物体検知装置１は、図２１（ｃ）に示すように、２つの物体の間隔（０．２５ｍ）が、点群間隔（０．３ｍ）より短い場合には、当該２つの物体を１つの検知物体と検知してしまう。物体検知装置１は、図２３（ｃ）に示すように、２つの物体の間隔（０．２５ｍ）が、点群間隔（０．２ｍ）より長い場合には、当該２つの物体を別々の検知物体として検知することができる。

以上のように、物体検知装置１は、絞り込みモードによる走査を行うか否かを判定する根拠となる信頼度を定量的に評価するスコアを上記の重複率を用いて計算することができる。よって、物体検知装置１は、図１８～図２０に示した方法よりも、信頼度を更に正確に評価することができるので、検知精度を確保しつつ効率性を更に向上させることができる。

［実施形態２］
図２４及び図２５を用いて、実施形態２の物体検知装置１について説明する。実施形態２の説明において、実施形態１と同様の構成及び動作については、説明を省略する。

図２４は、実施形態２の物体検知装置１における検知物体の例を示す図である。

実施形態１では、図１９に示すように、物体検知装置１が先行車両１９０１をその後方から検知した場合について説明した。実施形態２では、交差点において横方向から進入する車両２４０１のように、物体検知装置１が車両２４０１をその側方から検知した場合について説明する。

図２４の例では、検知物体である車両２４０１のパラメータの１つである幅の値が１．６ｍであり、当該パラメータの１つである奥行きの値が３．２ｍであり、当該パラメータの１つである高さの値が１．６ｍであるとする。このとき、物体検知装置１が、車両２４０１を先行車両とみなして奥行き、幅及び高さのそれぞれのスコアを計算すると、スコア及び信頼度の計算結果並びに種別の判定結果、図２４に示すような結果となる。すなわち、物体検知装置１は、車両２４０１を先行車両とみなすと、スコア及び信頼度は全種別において低くなり、全種別が否定と判定されるので、検知物体の種別を確定することができない。

実施形態２の物体検知装置１では、検知物体の種別が確定できない等のように信頼度が低い場合、信頼度判定部２０５が、当該検知物体を要注意物体リストに登録する前に、当該検知物体のパラメータである奥行きと幅とを入れ替えてそれぞれのスコアを再計算する。実施形態２の信頼度判定部２０５は、再計算されたスコアを用いて信頼度を再計算する。図２４の例では、奥行きと幅とを入れ替えると、検知物体の各パラメータの値が図１９と同じになるので、検知物体の種別が四輪車と確定され得る。なお、再計算された信頼度が低く、検知物体の種別が不明と判定された場合、実施形態２の信頼度判定部２０５は、実施形態１と同様に、当該検知物体を要注意物体リストに登録する。

図２５は、実施形態２の物体検知装置１によって行われる信頼度の計算に係る処理の流れを示すフローチャートである。図２５に示す処理は、実施形態１における図１７に示す処理に対応する。

実施形態２の物体検知装置１は、図１７に示すループＬ１７１と同様の処理を行う。物体検知装置１は、予め定められた種別数だけループＬ１７１を行った後、ループＬ１７１を抜けて、ステップＳ２５０１へ移行する。

ステップＳ２５０１において、物体検知装置１は、グループが表す検知物体の種別として確定できる種別があるか否かを判定する。物体検知装置１は、確定できる種別がある場合、図２５に示す処理を終了する。物体検知装置１は、確定できる種別がない場合、ループＬ２５１に移行する。ループＬ２５１において、物体検知装置１は、ループＬ１７１と同じ種別数だけ、ステップＳ２５０２～ステップＳ２５０４を行う。

ステップＳ２５０２において、物体検知装置１は、グループが表す検知物体の奥行きと幅とを入れ替えてそれぞれのスコアを再計算する。

ステップＳ２５０３において、物体検知装置１は、奥行きと幅とを入れ替えて再計算されたスコアを掛け合わせる。

ステップＳ２５０４において、物体検知装置１は、ステップＳ２５０３の算出結果を信頼度に置き換える。

ステップＳ２５０４の後、物体検知装置１は、別の種別に対してループＬ２５１を行う。物体検知装置１は、種別数だけループＬ２５１を行った後、ループＬ２５１を抜けて、図２５に示す処理を終了する。

以上のように、実施形態２の物体検知装置１では、信頼度が低い場合、信頼度判定部２０５は、検知物体を要注意物体リストに登録する前に、検知物体のパラメータである奥行きと幅とを入れ替えてそれぞれのスコアを再計算する。実施形態２の信頼度判定部２０５は、再計算されたスコアを用いて信頼度を再計算し、再計算された信頼度が低い場合、検知物体を要注意物体リストに登録する。

これにより、実施形態２の物体検知装置１は、交差点において横方向から進入する車両のように、車両を側方から検知した場合についても、その種別を適切に判定することができる。よって、実施形態２の物体検知装置１は、周囲の様々な状況に柔軟に対応して精度良く物体を検知することができ、実施形態１よりも検知精度を向上させることができる。

［実施形態３］
図２６を用いて、実施形態３の物体検知装置１について説明する。実施形態３の説明において、実施形態１と同様の構成及び動作については、説明を省略する。

実施形態１では、検知物体の種別が不明と判定された場合、当該検知物体を要注意物体リストに登録する。実施形態３では、検知物体の種別の判定結果だけなく、検知物体の速度に着目する。具体的には、実施形態３の物体検知装置１では、信頼度が低く、検知物体の種別が不明と判定された場合、信頼度判定部２０５が、当該検知物体を要注意物体リストに登録する前に、当該検知物体の速度の分散値を計算する。実施形態３の信頼度判定部２０５は、計算された分散値が閾値より大きい場合、当該検知物体を要注意物体リストに登録する。

実施形態３の信頼度判定部２０５は、検知物体の移動を追跡する物体追跡部２０７によって、検知物体の速度及び移動方向を計算することができる。物体追跡部２０７は、検知物体の現在位置と前回位置とを比較することによって、検知物体の速度及び移動方向を計算する。物体追跡部２０７は、検知物体の現在位置の周辺において、前回処理時に検知物体が検知された位置を探索し、最適な位置を抽出することによって、検知物体の前回位置を特定することができる。

図２６は、実施形態３の物体検知装置１が行う処理の流れを示すフローチャートである。図２６に示す処理は、実施形態１における図７に示すループＬ７１に対応する。

図２６に示すループＬ７１において、実施形態３の物体検知装置１は、図７に示すループＬ７１と同様に、ステップＳ７０４～ステップＳ７０６を行う。但し、実施形態３の物体検知装置１は、図２６に示すループＬ７１において、ステップＳ７０５とステップＳ７０６との間に、ステップＳ２６０１～ステップＳ２６０６を行う。すなわち、実施形態３の物体検知装置１は、ステップＳ７０５において検知物体の種別が不明と判定された場合、ステップＳ２６０１へ移行する。

ステップＳ２６０１において、物体検知装置１は、検知物体の前回位置を特定する。物体検知装置１は、上記のように、検知物体の現在位置の周辺において前回処理時に検知物体が検知された位置を探索することによって、検知物体の前回位置を特定する。

ステップＳ２６０２において、物体検知装置１は、ステップＳ２６０１において検知物体の前回位置が特定されたか否かを判定する。物体検知装置１は、検知物体の前回位置が特定されなかった場合、別の検知物体に対してループＬ７１を行う。物体検知装置１は、検知物体の前回位置が特定された場合、ステップＳ２６０３へ移行する。

ステップＳ２６０３において、物体検知装置１は、検知物体の現在位置と前回位置とを比較することによって、検知物体の速度及び移動方向を計算する。

ステップＳ２６０４において、物体検知装置１は、検知物体の検知回数が閾値Ａより大きいか否かを判定する。閾値Ａは、速度の分散を計算した際の計算結果が、統計的な信頼性を欠くような検知回数の上限値である。物体検知装置１は、検知物体の検知回数が閾値Ａ以下の場合、別の検知物体に対してループＬ７１を行う。物体検知装置１は、検知物体の検知回数が閾値Ａより大きい場合、ステップＳ２６０５へ移行する。

ステップＳ２６０５において、物体検知装置１は、検知物体の速度の分散を計算する。

ステップＳ２６０６において、物体検知装置１は、計算された速度の分散値が閾値Ｂより大きいか否かを判定する。閾値Ｂは、検知物体が速度安定性を有すると判断可能な分散値の上限値である。すなわち、検知物体の速度が急激に変化する場合には、当該検知物体の速度の分散値は、閾値Ｂより大きくなる。物体検知装置１は、速度の分散値が閾値Ｂ以下の場合、別の検知物体に対してループＬ７１を行う。物体検知装置１は、速度の分散値が閾値Ｂより大きい場合、ステップＳ７０６へ移行し、当該検知物体を要注意リストに登録する。

ステップＳ７０６の後、物体検知装置１は、別の検知物体に対してループＬ７１を行う。物体検知装置１は、検知物体数だけループＬ７１を行った後、ループＬ７１を抜けて、図２６に示す処理を終了する。

以上のように、実施形態３の物体検知装置１では、信頼度が低く、検知物体の種別が不明と判定された場合、信頼度判定部２０５が、当該検知物体を要注意物体リストに登録する前に、当該検知物体の速度の分散値を計算する。実施形態３の信頼度判定部２０５は、計算された分散値が閾値より大きい場合、当該検知物体を要注意物体リストに登録する。

これにより、実施形態３の物体検知装置１では、種別が不明な検知物体のように信頼度が低い検知物体の中でも、速度が急激に変化する検知物体を優先的に絞り込みモードによって走査することができる。よって、実施形態３の物体検知装置１は、周囲の様々な状況に柔軟に対応することができ、実施形態１よりも効率性を向上させることができる。

なお、図２６において、実施形態３の物体検知装置１は、ステップＳ２６０１～ステップＳ２６０５を、ステップＳ７０５とステップＳ７０６との間に行う。実施形態３の物体検知装置１は、これに限定されず、ステップＳ２６０１～ステップＳ２６０５を、ステップＳ７０５と並行して行ってもよい。具体的には、実施形態３の物体検知装置１は、ステップＳ７０４において検知物体が要注意領域内に位置すると判定した場合、ステップＳ７０５及びステップＳ２６０１のそれぞれに移行する。そして、実施形態３の物体検知装置１は、ステップＳ７０５において検知物体の種別が不明と判定された場合にステップＳ７０６へ移行すると共に、ステップＳ２６０６において速度の分散値が閾値Ｂより大きい場合にステップＳ７０６へ移行する。これにより、実施形態３の物体検知装置１は、検知物体の種別が不明であると判定される場合、又は、検知物体の速度の分散値が閾値Ｂより大きい場合に、当該検知物体を絞り込みモードによって走査することができる。

なお、上記の実施形態では、物体検知装置１が、車両の周囲を走査するセンサとして、レーザ光を放射するＬｉＤＡＲ１０１を備える例を説明した。物体検知装置１は、これに限定されず、車両の周囲を走査するセンサとして、電磁波や音波を放射するセンサを備えていてもよい。

［その他］
なお、本発明は上記の実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記の実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路にて設計する等によりハードウェアによって実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアによって実現してもよい。各機能を実現するプログラム、テープ、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（solid state drive）等の記録装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、製品上必ずしも全ての制御線や情報線を示しているとは限らない。実際には殆ど全ての構成が相互に接続されていると考えてもよい。

１・・・物体検知装置 １０１・・・ＬｉＤＡＲ（センサ）
２０１・・・点群取得部 ２０４・・・物体検知部
２０５・・・信頼度判定部 ５０３・・・要注意物体リスト

Claims (4)

1. 車両の周囲を走査するセンサの走査結果に応じて前記周囲に存在する物体の点群データを取得する点群取得部と、
   前記点群データに基づいて前記物体を検知する物体検知部と、
   前記物体検知部の検知結果における信頼度を判定する信頼度判定部と、
   を備え、
   前記点群取得部は、前記信頼度に基づいて前記センサの走査範囲及び照射密度を制御し、
   前記照射密度は、前記センサから放射されたレーザ光の前記物体に対する照射点の単位体積当たりの個数であり、
   前記センサは、通常モードと、前記通常モードよりも前記走査範囲を縮小させ前記照射密度を増加させた絞り込みモードとによって走査可能であり、
   前記信頼度判定部は、
   前記信頼度が高い場合、前記検知結果の対象となった前記物体である検知物体の種別を確定し、
   前記信頼度が低い場合、前記検知物体を要注意物体リストに登録し、
   前記点群取得部は、前記要注意物体リストに登録された前記検知物体を、前記絞り込みモードによって前記センサに再走査させ、前記点群データを再取得し、
   前記物体検知部は、再取得された前記点群データに基づいて前記検知物体を再検知し、
   前記信頼度判定部は、
   前記物体検知部の再検知結果における前記信頼度を判定し、
   前記再検知結果における前記信頼度が高い場合、前記検知物体を前記要注意物体リストから除外し、
   前記点群取得部は、前記検知物体とは異なる新たな前記物体を、前記通常モードによって前記センサに走査させ、前記点群データを新たに取得する
   ことを特徴とする物体検知装置。
2. 車両の周囲を走査するセンサの走査結果に応じて前記周囲に存在する物体の点群データを取得する点群取得部と、
   前記点群データに基づいて前記物体を検知する物体検知部と、
   前記物体検知部の検知結果における信頼度を判定する信頼度判定部と、
   を備え、
   前記信頼度判定部には、前記物体の属性を表す指標であるパラメータと、前記物体の種別毎の前記パラメータの取り得る範囲と、が予め定められており、
   前記信頼度判定部は、前記検知結果の対象となった前記物体である検知物体の前記パラメータにおける前記範囲との適合性を数値化したスコアを計算し、前記スコアを用いて前記信頼度を計算し、
   前記点群取得部は、前記信頼度に基づいて前記センサの走査範囲及び照射密度を制御し、
   前記照射密度は、前記センサから放射されたレーザ光の前記物体に対する照射点の単位体積当たりの個数であり、
   前記センサは、通常モードと、前記通常モードよりも前記走査範囲を縮小させ前記照射密度を増加させた絞り込みモードとによって走査可能であり、
   前記信頼度判定部は、
   前記信頼度が高い場合、前記検知物体の種別を確定し、
   前記信頼度が低い場合、前記検知物体を要注意物体リストに登録し、
   前記点群取得部は、前記要注意物体リストに登録された前記検知物体を、前記絞り込みモードによって前記センサに再走査させ、前記点群データを再取得し、
   前記物体検知部は、再取得された前記点群データに基づいて前記検知物体を再検知し、
   前記信頼度判定部は、前記物体検知部の再検知結果における前記信頼度を判定する
   ことを特徴とする物体検知装置。
3. 前記パラメータは、前記物体の奥行き、幅及び高さのそれぞれであり、
   前記信頼度判定部は、
   前記信頼度が低い場合、前記検知物体を前記要注意物体リストに登録する前に、前記検知物体の前記奥行きと前記幅とを入れ替えてそれぞれの前記スコアを再計算し、再計算された前記スコアを用いて前記信頼度を再計算し、
   再計算された前記信頼度が低い場合、前記検知物体を前記要注意物体リストに登録する
   ことを特徴とする請求項２に記載の物体検知装置。
4. 車両の周囲を走査するセンサの走査結果に応じて前記周囲に存在する物体の点群データを取得する点群取得部と、
   前記点群データに基づいて前記物体を検知する物体検知部と、
   前記物体検知部の検知結果における信頼度を判定する信頼度判定部と、
   を備え、
   前記点群取得部は、前記信頼度に基づいて前記センサの走査範囲及び照射密度を制御し、
   前記照射密度は、前記センサから放射されたレーザ光の前記物体に対する照射点の単位体積当たりの個数であり、
   前記センサは、通常モードと、前記通常モードよりも前記走査範囲を縮小させ前記照射密度を増加させた絞り込みモードとによって走査可能であり、
   前記信頼度判定部は、
   前記信頼度が高い場合、前記検知結果の対象となった前記物体である検知物体の種別を確定し、
   前記信頼度が低い場合、前記検知物体を要注意物体リストに登録する前に、前記検知物体の速度の分散を計算し、分散値が閾値より大きい場合、前記検知物体を前記要注意物体リストに登録し、
   前記点群取得部は、前記要注意物体リストに登録された前記検知物体を、前記絞り込みモードによって前記センサに再走査させ、前記点群データを再取得し、
   前記物体検知部は、再取得された前記点群データに基づいて前記検知物体を再検知し、
   前記信頼度判定部は、前記物体検知部の再検知結果における前記信頼度を判定する
   ことを特徴とする物体検知装置。

Images