物体検出装置
【課題】物体の個体識別を簡素化するとともに高速化することができる物体検出装置を提供する。
【解決手段】レーザレーダ装置７は、検知領域内の物体を検知して（Ｓ１０１）、反射光量データを得るとともに（Ｓ１０３）、自車１０１から物体までの距離および方位を取得する（Ｓ１０３）。レーダ装置７は、取得した反射光量データに基づき、検知物体を高反射体または低反射体に属性判別する（Ｓ１０４）。ＣＣＤカメラ４は検知領域を撮像し（Ｓ１０５）、画像データ生成部５は画像データを生成する（Ｓ１０６）。画像処理部６は、レーダ装置７で得られた物体検知情報と属性情報とから画像データ上でのマッチング処理領域を設定して、それぞれの属性に応じたサンプリングパターンでパターンマッチングを行う。画像処理部６は、このマッチング結果に基づいて物体の個体識別を行う（Ｓ１０７）。
【解決手段】レーザレーダ装置７は、検知領域内の物体を検知して（Ｓ１０１）、反射光量データを得るとともに（Ｓ１０３）、自車１０１から物体までの距離および方位を取得する（Ｓ１０３）。レーダ装置７は、取得した反射光量データに基づき、検知物体を高反射体または低反射体に属性判別する（Ｓ１０４）。ＣＣＤカメラ４は検知領域を撮像し（Ｓ１０５）、画像データ生成部５は画像データを生成する（Ｓ１０６）。画像処理部６は、レーダ装置７で得られた物体検知情報と属性情報とから画像データ上でのマッチング処理領域を設定して、それぞれの属性に応じたサンプリングパターンでパターンマッチングを行う。画像処理部６は、このマッチング結果に基づいて物体の個体識別を行う（Ｓ１０７）。
【発明の詳細な説明】
【技術分野】
【０００１】
物体を検出する装置、特に、検出した物体の属性を判別する物体検出装置に関するものである。
【背景技術】
【０００２】
従来、自動車に搭載され、自車前方の道路状況や他車等の物体を検出する物体検出装置として、レーザレーダ等のレーダ装置と、ＣＣＤカメラ等の撮像装置で取得した画像を画像処理する画像処理装置とを、備えたものが多く存在する（例えば、特許文献１、特許文献２参照）。このような物体検出装置の殆どは、レーダ装置で、各物体を検出するとともに、自車から各物体までの距離および自車に対する各物体の方位を含む物体の位置情報を検出する。そして、物体検出装置は、画像処理装置で、この位置情報を画像データ上にマッピングして画像データを解析することで、各物体の形状や種類等の個体識別を行っていた。
【特許文献１】特開２００３−２５２１４７公報
【特許文献２】特開２００３−２１７０９９公報
【発明の開示】
【発明が解決しようとする課題】
【０００３】
しかしながら、レーダ装置で得られた物体検知の情報を画像データにマッピングして、物体を個体識別する場合、次に示すような問題があった。
図１３（Ａ）は先行車のリフレクタにレーザ光が照射する場合の位置状態を示す模式図であり、（Ｂ）は人にレーザ光が照射する場合の物体の位置状態を示す模式図である。
図１４（Ａ）はレーザレーダにおける高反射体（リフレクタ＝回帰反射体）の反射光量を方位方向単位で示した図であり、（Ｂ）はレーザレーダにおける低反射体（人等）の反射光量を方位方向単位で示した図であり、（Ｃ）は、（Ａ）と（Ｂ）とを重ね合わせた図である。
【０００４】
図１３（Ａ）に示すように、自車１０１から方位θＡに先行車１０２のリフレクタ（高反射体）１２１Ａが存在すると、図１４（Ａ）に示すように、反射光量は方位θＡでピーク値Ｐ２Ａが検知される。また、図１３（Ｂ）に示すように、自車１０１から同じ方位θＡに人１０３Ａが存在すると、図１４（Ｂ）に示すように、反射光量は方位θＡでピーク値Ｐ３Ａが検知される。
【０００５】
同様に、図１３（Ａ）に示すように、自車１０１から方位θＢに先行車１０２のリフレクタ（高反射体）１２１Ｂが存在すると、図１４（Ａ）に示すように、反射光量は方位θＢでピーク値Ｐ２Ｂが検知される。また、図１３（Ｂ）に示すように、自車１０１から同じ方位θＢに人１０３Ｂが存在すると、図１４（Ｂ）に示すように、反射光量は方位θＢでピーク値Ｐ３Ｂが検知される。
【０００６】
このように、先行車１０２のリフレクタ１２１Ａと人１０３Ａとが同じ方位θＡに存在し、先行車１０２のリフレクタ１２１Ｂと人１０３Ｂとが同じ方位θＢに存在する場合、図１４（Ｃ）に示すように、それぞれの反射光量特性のピーク発生方位は一致する。
【０００７】
また、レーザ光は直進性が強く、且つ、ビーム幅が広がり難いけれども、完全に広がらないことはない。このため、リフレクタ１２１Ａ，Ｂや人１０３Ａ，１０３Ｂが存在する位置でのビーム幅がリフレクタ１２１Ａ、１２１Ｂ間の距離および人１０３Ａ，１０３Ｂ間の距離よりも広いと、これらでレーザ光が反射されて、或る程度の反射受光量を得てしまう。
この結果、図１４（Ｃ）に示すように、リフレクタ（高反射体）であっても人（低反射体）であっても、反射光量のレベルが異なるだけで、略同様の反射光量特性曲線が得られてしまう。
【０００８】
このため、従来の物体検出装置は、反射光量のピークを検知すると、これに対応する方位θを算出し、画像データの該方位θに対応する領域に対して、各種のサンプリングパターンを適合させて、物体の個体識別を行っていた。
【０００９】
ところが、この方法では、ピーク値に対応する物体が、先行車のリフレクタであるのか人であるのかが判らないために、ピークを検出する毎に、記憶する全てのサンプリングパターンを適合して、最適なサンプリングパターンを抽出しなければならない。このため、処理が煩雑化するとともに、高速な物体の個体識別を行うことができない。
【００１０】
したがって、この発明の目的は、物体の個体識別を簡略化するとともに高速化することができる物体検出装置を提供することにある。
【課題を解決するための手段】
【００１１】
この発明の物体検出装置は、検知領域内の物体の反射による反射強度と該物体の少なくとも距離とを取得する位置情報取得手段と、取得した距離と反射強度とに基づいて物体の属性を判別する属性判別手段と、を備えたことを特徴としている。
【００１２】
この構成では、位置情報取得手段は、検知領域内に存在する物体からの反射信号を受信して、少なくとも物体までの距離を検出するとともに、これに関連付けして反射信号強度を取得する。属性判別手段は、得られた物体の距離と反射信号強度とから、物体の属性を判別する。より具体的には、反射信号強度の判別閾値を設けて、複数の強度領域を設定する。
【００１３】
属性判別手段は、検出した距離に対して、得られた反射信号強度がいずれの強度領域に属するかを判別する。そして、属性判別手段は、この判別結果に基づいて、物体の属性、具体的には高反射体であるのか低反射体であるのかを出力する。
【００１４】
また、この発明の物体検出装置の属性判別手段は、反射強度の特性の光量データ、距離別光量データ、光量バラツキデータ、距離バラツキデータの少なくとも１つを用いて判別閾値を設定し、物体の属性を判別することを特徴としている。
【００１５】
この構成では、属性判別手段は、判別閾値として、具体的に、次に示す４つの閾値設定方法から、いずれかを選んで設定する。
【００１６】
（１）高反射体と低反射体とでは反射強度が２桁以上異なることを利用して、距離に依存することのない一定の反射光量で閾値を決定する。
（２）高反射体、低反射体ともに距離が長くなるほど反射強度が減衰することを参照して、距離に応じて変化させながら反射光量の閾値を決定する。
（３）低反射体が高反射体よりも反射強度のバラツキが大きいことを利用して、特定量の反射光量バラツキを閾値に設定する。
（４）低反射体が高反射体よりも検出される距離のバラツキが大きいことを利用して、特定量の検出距離バラツキを閾値に設定する。
これらの方法により、高反射体と低反射体とが明確に判別される。
【００１７】
また、この発明の物体検出装置は、検知領域を撮像して画像データを生成する撮像手段と、検知された物体を画像データに対応させて属性毎に異なる画像処理を行い、物体の個体識別を行う個体識別手段と、を備えたことを特徴としている。
【００１８】
この構成では、撮像手段は、位置情報取得手段が物体を検知する検知領域の画像データを取得する。個体識別手段は、検出した物体の位置を画像データ上にマッピングし、対応する属性毎に異なる画像処理領域およびサンプリングパターンを設定する。個体識別手段は、各画像処理領域に対して予め複数用意された個別のサンプリングパターンを用いて、設定した画像領域内で物体のパターンを同定する。そして、パターンが同定されると、このパターンに基づいて物体の種類、例えば、自動車、デリニエータ、人、物等を出力する。
【００１９】
また、この発明の物体検出装置の個体識別手段は、特に回帰反射体を他の物体から識別することを特徴としている。この構成では、具体的に、先行車の後部に備え付けられたリフレクタである回帰反射体を、人等の他の物体から識別する。
【００２０】
また、この発明の物体検出装置は、少なくとも、検知領域内にレーザ光を照射してその反射光を利用するレーザレーダにより位置情報取得手段を実現することを特徴としている。この構成では、具体的に、少なくとも位置情報の取得装置としてレーザレーダを用いる。
【発明の効果】
【００２１】
この発明によれば、レーザレーダ等の位置情報取得手段で得られた物体の距離および反射光量から、まず物体を所定の属性単位で分類することで、後段の個体識別処理を容易且つ高速に実行することができる。そして、このように物体を属性に基づいて大まかに分別した後に、詳細に個体識別することで、それぞれの処理が簡素で高速であるので、従来の個体識別方法よりも、簡単且つ高速に物体の識別を行うことができる。
【発明を実施するための最良の形態】
【００２２】
本発明の第１の実施形態に係る物体検出装置について図１〜図８を参照して説明する。
図１（Ａ）は本実施形態の物体検出装置の主要部を示すブロック図であり、図１（Ｂ）は本実施形態の物体検出装置を搭載した自動車の検知状態を示す概念図である。
本実施形態の物体検出装置は、レーダアンテナ１、レーダ信号処理部２、属性検出部３、ＣＣＤ（ステレオ）カメラ４、画像データ生成部５、画像処理部６を備える。
【００２３】
レーダアンテナ１は、自動車（自車）１０１の前方バンパ下端部付近に設置され、自車１０１の前方にレーザビームを送信し、検知領域内の物体にレーザビームが反射してなる反射光を受信する。レーダアンテナ１は、自車１０１に対して水平方向へ回動可能に設置されており、レーダアンテナ１を所定方位角範囲内で回動させることで、レーザビームを水平方向に走査する。
【００２４】
レーダ信号処理部２は、レーザビーム制御部と受信信号解析部とを備え、レーザビーム制御部で生成されたレーザ制御信号を、レーダアンテナ１に適宜与えることにより、所定方向へ送信するレーザビームを形成する。また、レーダ信号処理部２は、レーダアンテナ１から反射光を受信すると、該受信信号の強度すなわち反射光量を検出するとともに、方位方向を検出する。さらに、レーダ信号処理部２は、対応する受信信号の受信タイミングと送信レーザビームの送信タイミングとから、自車１０１と検知した物体との距離を測距する。これにより、水平方向の所定角範囲内の物体を検知する。
【００２５】
属性検出部３は、レーダ信号処理部２から出力される物体検知結果を用いて、後述する方法で検知した物体の属性を検出する。ここで、属性は反射光量に基づいて設定されており、例えば、リフレクタ等の反射光量が大きい高反射体と、人等の反射光量が小さい低反射体と、からなる。
そして、これらレーダ信号処理部２および属性検出部３が、レーザレーダ装置７として一体化されている。
【００２６】
ＣＣＤカメラ４は、自車１０１のフロントガラスの上端部付近に設置され、自車１０１の前方の道路状況を撮像する。
画像データ生成部５は、ＣＣＤカメラ４が撮像した映像を、所定タイミング毎に画像データ化して、画像処理部６に与える。
画像処理部６は、レーザレーダ装置７から与えられる物体検知情報、方位、距離、属性に基づいて、後述する方法で各物体の個体識別を行う。
そして、これら画像データ生成部５および画像処理部６が、画像処理装置８として一体化されている。
【００２７】
次に、本実施形態の物体検知装置の処理を、図２〜図８を参照して具体的に説明する。
図２は本実施形態の物体検出装置の主要動作フローを示すフローチャートである。
図３は属性判別の処理フローを示すフローチャートであり、（Ａ）は属性を高反射体と低反射体との２種類に判別する場合を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する場合を示す。なお、ここで説明する高反射体は例えば自動車やデリニエータに備えられたリフレクタであり、中反射体および低反射体は例えば人や物（障害物）である。
図４は属性判別の反射光量閾値ＴＨの設定概念を説明する図であり、（Ａ）は属性を高反射体と低反射体との２種類に判別する閾値ＴＨ０を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する第１閾値ＴＨ１、第２閾値ＴＨ２を示す。なお、図４において、太実線が高反射体の反射光量特性曲線を示し、中実線が中反射体の反射光量特性曲線を示し、細実線が低反射体の反射光量特性曲線を示す。
【００２８】
前述のように、レーザレーダ装置７のレーダ信号処理部２は、自車１０１前方に対して水平方向に走査を行いながらレーザビームを送信し、物体からの反射光を受信することで、物体の検知を行う（Ｓ１０１）。この際、物体検知データには検知物体の方位、受信タイミング（受信時刻）が含まれる。同時に、レーダ信号処理部２は、反射光の強度、すなわち反射光量を検出し、物体検知データに与える（Ｓ１０２）。レーダ信号処理部２は、得られた物体検知情報から、検知物体の距離を算出して、方位、距離を含む物体位置データを算出する（Ｓ１０３）。なお、距離は、既知の通り、送信タイミングと受信タイミングとの時間差により算出される。
【００２９】
レーザレーダ装置７の属性検出部３は、物体検知データおよび物体位置データを用いて、属性判別を行う（Ｓ１０４）。
（１）属性を高反射体と低反射体との２種類に判別する場合（図３（Ａ）参照）
属性検出部３は、反射光量データを読み出し、予め設定しておいた反射光量閾値ＴＨ０と比較する。ここで、反射光量閾値ＴＨ０は、図４（Ａ）に示すように、高反射体の反射光量の取り得る光量領域と低反射体の反射光量の取り得る光量領域とが、距離に関係なく重なり合わないことを利用して設定される。すなわち、高反射体の反射光量の最低値と低反射体の反射光量の最高値との間の適当な反射光量、例えば、これら高反射体の反射光量の最低値と低反射体の反射光量の最高値との中間値を、反射光量閾値ＴＨ０に設定する。
【００３０】
そして、属性検出部３は、検知した反射光量データが閾値ＴＨ０よりも大きければ、検知物体を高反射体と判別する（Ｓ４０１→Ｓ４０２）。一方、属性検出部３は、検知した反射光量が閾値ＴＨ０よりも小さければ、検知物体を低反射体と判別する（Ｓ４０１→Ｓ４０３）。
【００３１】
（２）属性を高反射体、中反射体、低反射体の３種類に判別する場合（図３（Ｂ）参照）
属性検出部３は、反射光量データを読み出し、予め設定しておいた反射光量第１閾値ＴＨ１と比較する。ここで、反射光量第１閾値ＴＨ１は、図４（Ｂ）に示すように、高反射体の反射光量の取り得る光量領域と中反射体および低反射体の反射光量の取り得る光量領域とが、距離に関係なく重なり合わないことを利用して設定される。すなわち、高反射体の反射光量の最低値と中反射体および低反射体の反射光量の最高値との間の適当な反射光量、例えば、これら高反射体の反射光量の最低値と中反射体および低反射体の反射光量の最高値との中間値を、反射光量第１閾値ＴＨ１に設定する。
【００３２】
そして、属性検出部３は、検知した反射光量データが第１閾値ＴＨ１よりも大きければ、検知物体を高反射体と判別する（Ｓ４０４→Ｓ４０５）。一方、属性検出部３は、検知した反射光量が第１閾値ＴＨ１よりも小さければ、検知物体を高反射体ではないと判別し、次の判別処理を行う（Ｓ４０４→Ｓ４０６）。
【００３３】
次に、属性検出部３は、反射光量データを、予め設定しておいた反射光量第２閾値ＴＨ２と比較する。ここで、反射光量第２閾値ＴＨ２は、図４（Ｂ）に示すように、中反射体の反射光量の取り得る光量領域と低反射体の反射光量の取り得る光量領域とが、距離に関係なく重なり合わないことを利用して設定される。すなわち、中反射体の反射光量の最低値と低反射体の反射光量の最高値との間の適当な反射光量、例えば、これら中反射体の反射光量の最低値と低反射体の反射光量の最高値との中間値を、反射光量第２閾値ＴＨ２に設定する。
【００３４】
そして、属性検出部３は、反射光量データが第２閾値ＴＨ２よりも大きければ、検知物体を中反射体と判別する（Ｓ４０６→Ｓ４０７）。一方、属性検出部３は、検知した反射光量が第２閾値ＴＨ２よりも小さければ、検知物体を低反射体と判別する（Ｓ４０６→Ｓ４０８）。
【００３５】
このような属性判別処理は、検知物体の全てに対して行われ、属性が決定すると、レーザレーダ装置７は、前記物体検知データ、物体位置データ、および属性データを関連付けした状態で、画像処理装置８に与える。
【００３６】
このようなレーザレーダ装置７の動作と並行して、ＣＣＤカメラ４は自車１０１前方を撮像し（Ｓ１０５）、画像処理装置８に出力する。画像処理装置８の画像データ生成部５は、所定タイミングで画像データを順次形成して画像処理部６に与える（Ｓ１０６）。この際、画像データには、画像データの生成タイミング、すなわち撮像タイミングが添付されている。
【００３７】
画像処理部６は、レーザレーダ装置７から与えられた物体検知データ、物体位置データ、および属性データと、画像データ生成部５から与えられた画像データとに基づいて、時刻を同期させながら物体の個体識別を行う（Ｓ１０７）。
【００３８】
具体的に、まず、画像処理部６は、物体位置データに基づいて物体検知点を画像データ上にマッピングする。なお、以下のマッピング処理から開始される個体識別処理については、高反射体と低反射体との２種類に区別する場合を説明する。
【００３９】
（１）検知物体の属性が高反射体である場合
図５は検知物体の属性が高反射体である場合の個体識別処理を説明するフローチャートである。
図６は検知物体の属性が高反射体である場合の個体識別処理を説明する図である。図６（Ａ）はマッチング領域設定状態を示し、（Ｂ）はマッチング領域のみを抽出した状態を示し、（Ｃ），（Ｄ）はマッチングに用いるサンプリングパターンを示す。
【００４０】
画像処理部６は、このマッピングした物体検知点に対して、対応する属性データからマッチング処理領域を設定する（Ｓ７０１）。具体的に、画像処理部６は、検知物体が高反射体であることを識別すると、所定間隔で現れる二つの物体検知点を含むマッチング処理領域１２を設定する。
【００４１】
この際、高反射体は先行車後部に設置されたリフレクタや、道路脇や道路面に設置されたデリニエータであるので、前記マッチング領域を自動車の形状に則した矩形状に設定する。具体的には、マッチング領域１２は、前記二つの物体検知点が幅方向の両端に位置するように幅を設定し、別途予め設定した長さで高さを設定する。ここで、この設定される高さは、例えば、自車からの距離に基づき自車から前方に見える一般的な自動車の寸法を予め算出しておき、この算出値から設定される。
【００４２】
次に、画像処理部６は、抽出したマッチング領域１２の画像データに対して、コントラストによる外形線抽出等の画像処理を行い、物体検知点を含む物体の形状を検出する（Ｓ７０２）。
【００４３】
また、画像処理部６は、図６（Ｃ）や（Ｄ）に示すようなサンプリングパターン２０１〜２０３を予めメモリに記憶しており、順次これらサンプリングパターン２０１〜２０３を読み出す（Ｓ７０３）。図６（Ｃ），（Ｄ）に示すように、高反射体の物体に対するサンプリングパターン２０１〜２０３は、マッチング領域１２と同様に、自動車の形状に則して設定されており、予め各種自動車の背面形状（後方から見た形状）で設定されている。
【００４４】
なお、画像処理部６は、サンプリングパターンを読み出して利用する場合、物体に対して得られた距離情報に基づいて記憶されているサンプリングパターンを拡大または縮小する。例えば、画像サイズがｍドット×ｎドットのサンプリングパターンを用いる場合で、基準距離（サンプリングパターンを設定した時点で利用した距離）Ｌ０に対して検知距離がＬであれば、パターンマッチングに利用する画像サイズは、ｍ×（Ｌ０／Ｌ）ドット×ｎ×（Ｌ０／Ｌ）ドットに変換する。
【００４５】
次に、画像処理部６は、検出した物体形状と各サンプリングパターン２０１〜２０３とを用いて、パターンマッチング処理を行い、類似パターンを検索する（Ｓ７０４）。画像処理部６は、検出した物体形状とサンプリングパターンとの類似性を既知の方法で検証し、予め設定した基準以上に類似するパターンが存在すれば、このサンプリングパターンを適応する。そして、画像処理部６は、この類似パターンに対応する物体の種類を読み出し、物体の種類を限定する。例えば、図６に示す場合であれば、サンプリングパターンが自動車の形状であるので、類似パターンが存在すれば、検知物体は、この類似パターンに対応した自動車であると判断する（Ｓ７０５→Ｓ７０６）。ここで、各種自動車のサンプリングパターン、例えば、普通自動車、軽トラック、および大型トラック等をそれぞれ個別に設定しておけば、車種をも検出することができる。
【００４６】
さらに、画像処理部６は選択したサンプリングパターンを用いて、物体のサイズを検出する。例えば、決定した類似パターンが画素数にしてｍ１ドット×ｎ１ドットであり、当該物体の距離がＬであれば、レーザレーダの焦点距離をｆとして画像データの画素ピッチ距離をｐとすると、Ｍ（＝ｍ１×ｐ×Ｌ１／ｆ）×Ｎ（＝ｎ１×ｐ×Ｌ１／ｆ）と算出することができる。
【００４７】
ところで、類似となるサンプリングパターンが複数存在する場合には、画像処理部６は、類似するサンプリングパターンの中から最も類似性の強いサンプリングパターンを選択すればよい。
【００４８】
一方、画像処理部６は、全てのサンプリングパターンと検知物体に基づく形状との類似性が、前記所定の基準に達しなければ、検知された高反射体が自動車のリフレクタではないと判断する（Ｓ７０５→Ｓ７０７）。そして、例えば、このように自動車のリフレクタとして判断されない高反射体が所定方向に連続することを検知すると、これらがデリニエータであると判断する。
そして、画像処理部６は、このように判断した物体の検出結果を、物体検出装置が搭載される上位システムに出力する（Ｓ７０８）。
【００４９】
（２）検知物体の属性が低反射体である場合
図７は検知物体の属性が低反射体である場合の個体識別処理を説明するフローチャートである。
図８は検知物体の属性が低反射体である場合の個体識別処理を説明する図である。図８（Ａ）はマッチング領域設定状態を示し、（Ｂ）はマッチング領域のみを抽出した状態を示し、（Ｃ），（Ｄ）はマッチングに用いるサンプリングパターンを示す。
【００５０】
画像処理部６は、このマッピングした物体検知点に対して、対応する属性データからマッチング処理領域を設定する（Ｓ７１１）。具体的に、画像処理部６は、検知物体が低反射体であることを識別すると、それぞれの物体検知点に対して各物体検知点を含むマッチング処理領域１２Ａ，１２Ｂを設定する。
【００５１】
この際、低反射体は道路上で停止したり移動する人であったり、道路上に載置された物（障害物や荷物等）であるので、前記マッチング領域を人の形状に則して設定する。具体的には、マッチング領域１２Ａ，１２Ｂは、それぞれ物体検知点を幅と高さ方向の中心にして、人の輪郭に則した幅および高さの矩形領域を設定する。ここで、この設定される幅および高さは、例えば、自車からの距離に基づき自車から前方に見える一般的な人の寸法を予め算出しておき、この算出値から設定される。
【００５２】
次に、画像処理部６は、抽出したマッチング領域１２Ａ，１２Ｂの画像データに対して、コントラストによる外形線抽出等の画像処理を行い、物体検知点を含む物体の形状を検出する（Ｓ７１２）。
【００５３】
また、画像処理部６は、図８（Ｃ）や（Ｄ）に示すようなサンプリングパターン３０１〜３０３を予めメモリに記憶しており、順次これらサンプリングパターン３０１〜３０３を読み出す（Ｓ７１３）。図８（Ｃ），（Ｄ）に示すように、低反射体の物体に対するサンプリングパターン３０１〜３０３は、マッチング領域１２Ａ，１２Ｂと同様に人の形状に則して設定されており、予め各種人の行動パターンの背面形状（後方から見た形状）で設定されている。
【００５４】
なお、この場合も、画像処理部６は、サンプリングパターンを読み出して利用する場合、物体に対して得られた距離情報に基づいて記憶されているサンプリングパターンを拡大または縮小する。
【００５５】
次に、画像処理部６は、検出した物体形状と各サンプリングパターン３０１〜３０３とを用いて、パターンマッチング処理を行い、類似パターンを検索する（Ｓ７１４）。そして、画像処理部６は、検出した物体形状とサンプリングパターンとの類似性を既知の方法で検証し、予め設定した基準以上に類似するパターンが存在すれば、このサンプリングパターンを適応する。そして、画像処理部６は、この類似パターンに対応する物体の種類を読み出し、物体の種類を限定する。例えば、図８に示す場合であれば、サンプリングパターンが人の形状であるので、類似パターンが存在すれば、検知物体は、この類似パターンに対応した人であると判断する（Ｓ７１５→Ｓ７１６）。なお、ここで、類似となるサンプリングパターンが複数存在する場合には、これらの中から最も類似のサンプリングパターンを選択する。
【００５６】
一方、画像処理部６は、全てのサンプリングパターン３０１〜３０３と検知物体に基づく形状との類似性が、前記所定の基準に達しなければ、検知された低反射体が人ではないと判断する（Ｓ７１５→Ｓ７１７）。そして、例えば、このように人として判断されない低反射体は、例えば、道路上に存在する障害物であると判断する。
【００５７】
そして、画像処理部６は、このように判断した物体の検出結果を、物体検出装置が搭載される上位システムに出力する（Ｓ７１８）。
【００５８】
なお、このような人の判別については、前述のように中反射体と低反射体とを判別し、例えば、中反射体として大人のサンプリングパターンを用い、低反射体として子供のサンプリングパターンを用いるようにして、個体識別処理を行ってもよい。
【００５９】
このような処理を行うことで、物体の属性（本実施形態であれば反射強度）に準じて、物体を所定の種類に分別しておき、各属性で固有のマッチング処理を行って、物体の個体識別を行う。これにより、属性毎にマッチング処理領域を一意に設定することができ、且つ、属性毎に個別のマッチングサンプルパターンを読み出せばよいので、マッチング処理を簡素化且つ高速化することができる。
【００６０】
次に、第２の実施形態の係る物体検出装置について、図９、図１０を参照して説明する。
第１の実施形態では、属性判別の際に、距離に依存することのない閾値を用いた例を示したが、本実施形態の物体検出装置は、距離に応じて設定された閾値を用いたものである。
図９は属性判別の処理フローを示すフローチャートであり、（Ａ）は属性と高反射体と低反射体との２種類に判別する場合を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する場合を示す。
図１０は属性判別の反射光量閾値ＴＨｎの設定概念を説明する図であり、（Ａ）は属性と高反射体と低反射体との２種類に判別する閾値ＴＨｎ０を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する第１閾値ＴＨｎ１、第２閾値ＴＨｎ２を示す。なお、図１０において、太実線が高反射体の反射光量特性曲線を示し、中実線が中反射体の反射光量特性曲線を示し、細実線が低反射体の反射光量特性曲線を示す。
【００６１】
（１）属性を高反射体と低反射体との２種類に判別する場合（図９（Ａ）参照）
属性検出部３は、物体検知データを受け付けると、距離と反射光量データとを読み出し、該当する距離における反射光量閾値ＴＨｎ０と比較する（Ｓ４１１→Ｓ４１２→Ｓ４１３）。ここで、反射光量閾値ＴＨｎ０は、図１０（Ａ）に示すように、高反射体の反射光量と低反射体の反射光量とが、どの距離を選択しても非常にかけ離れていることを利用して予め設定される。すなわち、各距離における高反射体の反射光量と低反射体の反射光量との間の適当な反射光量、例えば、該当する距離における高反射体の反射光量と低反射体の反射光量との中間値を、反射光量閾値ＴＨｎ０に設定する。
【００６２】
属性検出部３は、検知した反射光量データが対応する距離での閾値ＴＨｎ０よりも大きければ、検知物体を高反射体と判別する（Ｓ４１３→Ｓ４１４）。一方、属性検出部３は、検知した反射光量が対応する距離での閾値ＴＨｎ０よりも小さければ、検知物体を低反射体と判別する（Ｓ４１３→Ｓ４１５）。
【００６３】
（２）属性を高反射体、中反射体、低反射体の３種類に判別する場合（図９（Ｂ）参照）
属性検出部３は、物体検知データを受け付けると、距離と反射光量データとを読み出し、該当する距離における反射光量第１閾値ＴＨｎ１と比較する（Ｓ４１１→Ｓ４１２→Ｓ４１６）。ここで、反射光量第１閾値ＴＨ１は、図１０（Ｂ）に示すように、高反射体の反射光量と中反射体の反射光量とが、どの距離を選択しても非常にかけ離れていることを利用して予め設定される。すなわち、各距離における高反射体の反射光量と中反射体の反射光量との間の適当な反射光量、例えば、これら高反射体の反射光量の最低値と中反射体の反射光量の最高値との中間値を、反射光量第１閾値ＴＨｎ１に設定する。
【００６４】
属性検出部３は、検知した反射光量データが第１閾値ＴＨｎ１よりも大きければ、検知物体を高反射体と判別する（Ｓ４１６→Ｓ４１４）。一方、属性検出部３は、検知した反射光量が第１閾値ＴＨｎ１よりも小さければ、検知物体を高反射体ではないと判別し、次の判別処理を行う（Ｓ４１６→Ｓ４１７）。
【００６５】
次に、属性検出部３は、反射光量データを、予め設定しておいた反射光量第２閾値ＴＨｎ２と比較する。ここで、反射光量第２閾値ＴＨｎ２は、図１０（Ｂ）に示すように、中反射体の反射光量と低反射体の反射光量とが、どの距離を選択しても非常にかけ離れていることを利用して予め設定される。すなわち、各距離における中反射体の反射光量と低反射体の反射光量との間の適当な反射光量、例えば、これら中反射体の反射光量と低反射体の反射光量との中間値を、反射光量第２閾値ＴＨｎ２に設定する。
【００６６】
属性検出部３は、反射光量データが対応する距離での第２閾値ＴＨｎ２よりも大きければ、検知物体を中反射体と判別する（Ｓ４１７→Ｓ４１８）。一方、属性検出部３は、検知した反射光量が対応する距離での第２閾値ＴＨｎ２よりも小さければ、検知物体を低反射体と判別する（Ｓ４１７→Ｓ４１９）。
【００６７】
このような処理方法であっても、第１の実施形態と同様の効果を奏することができる。さらに、本実施形態の処理方法を用いることで、高反射体の反射光量の最低値（観測し得る最遠方からの反射光量）が低反射体や中反射体の反射光量の最高値（観測し得る最近傍の反射光量）よりも小さくなるような場合であっても、確実に高反射体と中反射体または低反射体とを判別することができる。
【００６８】
次に、第３の実施形態に係る物体検出装置について、図１１、図１２を参照して説明する。
第１、第２の実施形態では、属性判別の際に、光量を判別の基準にした例を示したが、本実施形態の物体検出装置は、距離や光量のバラツキに応じて設定された閾値を用いたものである。なお、本実施形態で示す属性判別フローは、第１の実施形態に示したように、高反射体と非高反射体とに属性判別をした後に、非高反射体を、中反射体と低反射体とに属性判別する場合を示す。
図１１は属性判別の処理フローを示すフローチャートであり、（Ａ）は属性と高反射体と低反射体との２種類に判別する場合を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する場合を示す。
図１２（Ａ）は属性判別の反射光量バラツキ閾値σＬ０の設定概念を説明する図であり、（Ｂ）は属性判別の距離バラツキ閾値σＤ０の設定概念を説明する図である。なお、図１２において、中実線が中反射体のバラツキ特性曲線を示し、細実線が低反射体のバラツキ特性曲線を示す。
【００６９】
中反射体と低反射体とは、前述の例に示したように、ともに人や物であることが多い。このため、中反射体と低反射体とで反射光量の差が大きくなかったり、同じ物体に対して測定回毎に得られる反射光量のバラツキが大きくなる傾向がある。さらに、反射光量が低いことで、算出される距離にもバラツキが生じる。しかしながら、中反射体と低反射体とを比較すれば、低反射体の方が、反射光量のバラツキ、距離のバラツキとも大きくなる傾向にあるので、本実施形態では、この特性を利用して、中反射体と低反射体とを判別する。
【００７０】
（１）反射光量バラツキにより中反射体と低反射体とを判別する場合（図１１（Ａ）参照）
属性検出部３は、反射光量データを取得すると、方位方向を確認して、同じ方位方向の反射光量データを所定時間（複数走査分）に亘って蓄積する（Ｓ４２１）。属性検出部３は、これら反射光量データを用いて、反射光量バラツキデータσＬを算出し、予め設定しておいた反射光量バラツキ閾値σＬ０と比較する（Ｓ４２２→Ｓ４２３）。ここで、反射光量バラツキ閾値σＬ０は、図１２（Ａ）に示すように、中反射体の反射光量バラツキの取り得るデータ領域と低反射体の反射光量バラツキの取り得るデータ領域とが、距離に関係なく重なり合わないことを利用して設定する。すなわち、低反射体の反射光量バラツキの最低値と中反射体の反射光量バラツキの最高値との間の適当な反射光量バラツキ、例えば、これら低反射体の反射光量バラツキの最低値と中反射体の反射光量バラツキの最高値との中間値を、反射光量バラツキ閾値σＬ０に設定する。
【００７１】
そして、属性検出部３は、検知した反射光量バラツキデータσＬが閾値σＬ０よりも小さければ、検知物体を中反射体と判別する（Ｓ４２３→Ｓ４２４）。一方、属性検出部３は、検知した反射光量バラツキσＬが閾値σＬ０よりも大きれば、検知物体を低反射体と判別する（Ｓ４２３→Ｓ４２５）。
【００７２】
（２）距離バラツキにより中反射体と低反射体とを判別する場合（図１１（Ｂ）参照）
属性検出部３は、物体検知データの距離データを取得すると、方位方向を確認して、同じ方位方向の距離データを所定時間（複数走査分）に亘って蓄積する（Ｓ４３１）。属性検出部３は、これら距離データを用いて、距離バラツキデータσＤを算出し、予め設定しておいた距離バラツキ閾値σＤ０と比較する（Ｓ４３２→Ｓ４３３）。ここで、距離バラツキ閾値σＤ０は、図１２（Ｂ）に示すように、中反射体による距離バラツキの取り得るデータ領域と低反射体による距離バラツキの取り得るデータ領域とが、距離に関係なく重なり合わないことを利用して設定する。すなわち、低反射体の距離バラツキの最低値と中反射体の距離バラツキの最高値との間の適当な距離バラツキ、例えば、これら低反射体の距離バラツキの最低値と中反射体の距離バラツキの最高値との中間値を、距離バラツキ閾値σＤ０に設定する。
【００７３】
そして、属性検出部３は、検知した距離バラツキデータσＤが閾値σＤ０よりも小さければ、検知物体を中反射体と判別する（Ｓ４３３→Ｓ４３４）。一方、属性検出部３は、検知した距離バラツキσＤが閾値σＤ０よりも大きれば、検知物体を低反射体と判別する（Ｓ４３３→Ｓ４３５）。
【００７４】
このような処理を行っても、前述の各実施形態と同様の効果を奏することができる。さらに、本実施形態の処理を行うことで、単に反射光量のみでは判別しにくい属性同士であっても、確実に属性判別することができる。
【００７５】
なお、本実施形態では、中反射体と低反射体とをバラツキ特性に基づいて判別する例を示したが、高反射体を含む場合でも同様に属性判別を行うことができる。すなわち、バラツキ特性のみで、高反射体、中反射体、低反射体の属性判別を行うこともできる。
また、前述の説明では、レーダ信号処理部２と属性検出部３とをレーザレーダ装置７に組み込んだ場合を示したが、画像処理装置８の機能をレーザレーダ装置７に組み込むようにしても良く、逆に、レーザレーダ装置７の機能を画像処理装置８に組み込むようにしても良い。
さらには、レーザレーダ装置７の属性検出部３のみを画像処理装置８に組み込むようにしても良い。すなわち、レーザレーダ装置７は物体の検知（物体の位置や距離の検知）のみを行うものとし、検知した物体の前述の属性検出は画像処理装置８で行うようにしても良い。
【００７６】
また、前述の説明では、レーダ装置として、レーザレーダを例に示したが、他の方式（パルスドップラやＦＭＣＷ等）のレーダ装置を用いても良く、さらには、検知領域内に存在する物体からの反射光を利用して三角測距を行う装置を用いても良い。
また、前述の説明では、検知した物体の種類（個体識別）、形状を同定する例を示したが、これらが分かることで、それぞれの種類の物体を計数することもできる。例えば、自車前方に自動車が何台走行しているとか、何人の人がいるとかを認識することができる。
【図面の簡単な説明】
【００７７】
【図１】第１の実施形態の物体検出装置の主要部を示すブロック図、および、この物体検出装置を搭載した自動車の検知状態を示す概念図である。
【図２】第１の実施形態の物体検出装置の主要動作フローを示すフローチャートである。
【図３】属性判別の処理フローを示すフローチャートである。
【図４】属性判別の反射光量閾値ＴＨの設定概念を説明する図である。
【図５】検知物体の属性が高反射体である場合の個体識別処理を説明するフローチャートである。
【図６】検知物体の属性が高反射体である場合の個体識別処理を説明する図である。
【図７】検知物体の属性が低反射体である場合の個体識別処理を説明するフローチャートである。
【図８】検知物体の属性が低反射体である場合の個体識別処理を説明する図である。
【図９】第２の実施形態に係る属性判別の処理フローを示すフローチャートである。
【図１０】属性判別の反射光量閾値ＴＨｎの設定概念を説明する図である。
【図１１】第３の実施形態に係る属性判別の処理フローを示すフローチャートである。
【図１２】属性判別の反射光量バラツキ閾値σＬ０の設定概念を説明する図、および、属性判別の距離バラツキ閾値σＤ０の設定概念を説明する図である。
【図１３】他車のリフレクタにレーザ光が照射する場合の位置状態を示す模式図、および、人にレーザ光が照射する場合の物体の位置状態を示す模式図である。
【図１４】レーザレーダにおける高反射体（リフレクタ＝回帰反射体）の反射光量を方位方向単位で示した図、および、レーザレーダにおける低反射体（人等）の反射光量を方位方向単位で示した図である。
【符号の説明】
【００７８】
１−レーダアンテナ、２−レーダ信号処理部、３−属性検出部、４−ＣＣＤカメラ、５−画像データ生成部、６−画像処理部、７−レーザレーダ装置、８−画像処理装置
【技術分野】
【０００１】
物体を検出する装置、特に、検出した物体の属性を判別する物体検出装置に関するものである。
【背景技術】
【０００２】
従来、自動車に搭載され、自車前方の道路状況や他車等の物体を検出する物体検出装置として、レーザレーダ等のレーダ装置と、ＣＣＤカメラ等の撮像装置で取得した画像を画像処理する画像処理装置とを、備えたものが多く存在する（例えば、特許文献１、特許文献２参照）。このような物体検出装置の殆どは、レーダ装置で、各物体を検出するとともに、自車から各物体までの距離および自車に対する各物体の方位を含む物体の位置情報を検出する。そして、物体検出装置は、画像処理装置で、この位置情報を画像データ上にマッピングして画像データを解析することで、各物体の形状や種類等の個体識別を行っていた。
【特許文献１】特開２００３−２５２１４７公報
【特許文献２】特開２００３−２１７０９９公報
【発明の開示】
【発明が解決しようとする課題】
【０００３】
しかしながら、レーダ装置で得られた物体検知の情報を画像データにマッピングして、物体を個体識別する場合、次に示すような問題があった。
図１３（Ａ）は先行車のリフレクタにレーザ光が照射する場合の位置状態を示す模式図であり、（Ｂ）は人にレーザ光が照射する場合の物体の位置状態を示す模式図である。
図１４（Ａ）はレーザレーダにおける高反射体（リフレクタ＝回帰反射体）の反射光量を方位方向単位で示した図であり、（Ｂ）はレーザレーダにおける低反射体（人等）の反射光量を方位方向単位で示した図であり、（Ｃ）は、（Ａ）と（Ｂ）とを重ね合わせた図である。
【０００４】
図１３（Ａ）に示すように、自車１０１から方位θＡに先行車１０２のリフレクタ（高反射体）１２１Ａが存在すると、図１４（Ａ）に示すように、反射光量は方位θＡでピーク値Ｐ２Ａが検知される。また、図１３（Ｂ）に示すように、自車１０１から同じ方位θＡに人１０３Ａが存在すると、図１４（Ｂ）に示すように、反射光量は方位θＡでピーク値Ｐ３Ａが検知される。
【０００５】
同様に、図１３（Ａ）に示すように、自車１０１から方位θＢに先行車１０２のリフレクタ（高反射体）１２１Ｂが存在すると、図１４（Ａ）に示すように、反射光量は方位θＢでピーク値Ｐ２Ｂが検知される。また、図１３（Ｂ）に示すように、自車１０１から同じ方位θＢに人１０３Ｂが存在すると、図１４（Ｂ）に示すように、反射光量は方位θＢでピーク値Ｐ３Ｂが検知される。
【０００６】
このように、先行車１０２のリフレクタ１２１Ａと人１０３Ａとが同じ方位θＡに存在し、先行車１０２のリフレクタ１２１Ｂと人１０３Ｂとが同じ方位θＢに存在する場合、図１４（Ｃ）に示すように、それぞれの反射光量特性のピーク発生方位は一致する。
【０００７】
また、レーザ光は直進性が強く、且つ、ビーム幅が広がり難いけれども、完全に広がらないことはない。このため、リフレクタ１２１Ａ，Ｂや人１０３Ａ，１０３Ｂが存在する位置でのビーム幅がリフレクタ１２１Ａ、１２１Ｂ間の距離および人１０３Ａ，１０３Ｂ間の距離よりも広いと、これらでレーザ光が反射されて、或る程度の反射受光量を得てしまう。
この結果、図１４（Ｃ）に示すように、リフレクタ（高反射体）であっても人（低反射体）であっても、反射光量のレベルが異なるだけで、略同様の反射光量特性曲線が得られてしまう。
【０００８】
このため、従来の物体検出装置は、反射光量のピークを検知すると、これに対応する方位θを算出し、画像データの該方位θに対応する領域に対して、各種のサンプリングパターンを適合させて、物体の個体識別を行っていた。
【０００９】
ところが、この方法では、ピーク値に対応する物体が、先行車のリフレクタであるのか人であるのかが判らないために、ピークを検出する毎に、記憶する全てのサンプリングパターンを適合して、最適なサンプリングパターンを抽出しなければならない。このため、処理が煩雑化するとともに、高速な物体の個体識別を行うことができない。
【００１０】
したがって、この発明の目的は、物体の個体識別を簡略化するとともに高速化することができる物体検出装置を提供することにある。
【課題を解決するための手段】
【００１１】
この発明の物体検出装置は、検知領域内の物体の反射による反射強度と該物体の少なくとも距離とを取得する位置情報取得手段と、取得した距離と反射強度とに基づいて物体の属性を判別する属性判別手段と、を備えたことを特徴としている。
【００１２】
この構成では、位置情報取得手段は、検知領域内に存在する物体からの反射信号を受信して、少なくとも物体までの距離を検出するとともに、これに関連付けして反射信号強度を取得する。属性判別手段は、得られた物体の距離と反射信号強度とから、物体の属性を判別する。より具体的には、反射信号強度の判別閾値を設けて、複数の強度領域を設定する。
【００１３】
属性判別手段は、検出した距離に対して、得られた反射信号強度がいずれの強度領域に属するかを判別する。そして、属性判別手段は、この判別結果に基づいて、物体の属性、具体的には高反射体であるのか低反射体であるのかを出力する。
【００１４】
また、この発明の物体検出装置の属性判別手段は、反射強度の特性の光量データ、距離別光量データ、光量バラツキデータ、距離バラツキデータの少なくとも１つを用いて判別閾値を設定し、物体の属性を判別することを特徴としている。
【００１５】
この構成では、属性判別手段は、判別閾値として、具体的に、次に示す４つの閾値設定方法から、いずれかを選んで設定する。
【００１６】
（１）高反射体と低反射体とでは反射強度が２桁以上異なることを利用して、距離に依存することのない一定の反射光量で閾値を決定する。
（２）高反射体、低反射体ともに距離が長くなるほど反射強度が減衰することを参照して、距離に応じて変化させながら反射光量の閾値を決定する。
（３）低反射体が高反射体よりも反射強度のバラツキが大きいことを利用して、特定量の反射光量バラツキを閾値に設定する。
（４）低反射体が高反射体よりも検出される距離のバラツキが大きいことを利用して、特定量の検出距離バラツキを閾値に設定する。
これらの方法により、高反射体と低反射体とが明確に判別される。
【００１７】
また、この発明の物体検出装置は、検知領域を撮像して画像データを生成する撮像手段と、検知された物体を画像データに対応させて属性毎に異なる画像処理を行い、物体の個体識別を行う個体識別手段と、を備えたことを特徴としている。
【００１８】
この構成では、撮像手段は、位置情報取得手段が物体を検知する検知領域の画像データを取得する。個体識別手段は、検出した物体の位置を画像データ上にマッピングし、対応する属性毎に異なる画像処理領域およびサンプリングパターンを設定する。個体識別手段は、各画像処理領域に対して予め複数用意された個別のサンプリングパターンを用いて、設定した画像領域内で物体のパターンを同定する。そして、パターンが同定されると、このパターンに基づいて物体の種類、例えば、自動車、デリニエータ、人、物等を出力する。
【００１９】
また、この発明の物体検出装置の個体識別手段は、特に回帰反射体を他の物体から識別することを特徴としている。この構成では、具体的に、先行車の後部に備え付けられたリフレクタである回帰反射体を、人等の他の物体から識別する。
【００２０】
また、この発明の物体検出装置は、少なくとも、検知領域内にレーザ光を照射してその反射光を利用するレーザレーダにより位置情報取得手段を実現することを特徴としている。この構成では、具体的に、少なくとも位置情報の取得装置としてレーザレーダを用いる。
【発明の効果】
【００２１】
この発明によれば、レーザレーダ等の位置情報取得手段で得られた物体の距離および反射光量から、まず物体を所定の属性単位で分類することで、後段の個体識別処理を容易且つ高速に実行することができる。そして、このように物体を属性に基づいて大まかに分別した後に、詳細に個体識別することで、それぞれの処理が簡素で高速であるので、従来の個体識別方法よりも、簡単且つ高速に物体の識別を行うことができる。
【発明を実施するための最良の形態】
【００２２】
本発明の第１の実施形態に係る物体検出装置について図１〜図８を参照して説明する。
図１（Ａ）は本実施形態の物体検出装置の主要部を示すブロック図であり、図１（Ｂ）は本実施形態の物体検出装置を搭載した自動車の検知状態を示す概念図である。
本実施形態の物体検出装置は、レーダアンテナ１、レーダ信号処理部２、属性検出部３、ＣＣＤ（ステレオ）カメラ４、画像データ生成部５、画像処理部６を備える。
【００２３】
レーダアンテナ１は、自動車（自車）１０１の前方バンパ下端部付近に設置され、自車１０１の前方にレーザビームを送信し、検知領域内の物体にレーザビームが反射してなる反射光を受信する。レーダアンテナ１は、自車１０１に対して水平方向へ回動可能に設置されており、レーダアンテナ１を所定方位角範囲内で回動させることで、レーザビームを水平方向に走査する。
【００２４】
レーダ信号処理部２は、レーザビーム制御部と受信信号解析部とを備え、レーザビーム制御部で生成されたレーザ制御信号を、レーダアンテナ１に適宜与えることにより、所定方向へ送信するレーザビームを形成する。また、レーダ信号処理部２は、レーダアンテナ１から反射光を受信すると、該受信信号の強度すなわち反射光量を検出するとともに、方位方向を検出する。さらに、レーダ信号処理部２は、対応する受信信号の受信タイミングと送信レーザビームの送信タイミングとから、自車１０１と検知した物体との距離を測距する。これにより、水平方向の所定角範囲内の物体を検知する。
【００２５】
属性検出部３は、レーダ信号処理部２から出力される物体検知結果を用いて、後述する方法で検知した物体の属性を検出する。ここで、属性は反射光量に基づいて設定されており、例えば、リフレクタ等の反射光量が大きい高反射体と、人等の反射光量が小さい低反射体と、からなる。
そして、これらレーダ信号処理部２および属性検出部３が、レーザレーダ装置７として一体化されている。
【００２６】
ＣＣＤカメラ４は、自車１０１のフロントガラスの上端部付近に設置され、自車１０１の前方の道路状況を撮像する。
画像データ生成部５は、ＣＣＤカメラ４が撮像した映像を、所定タイミング毎に画像データ化して、画像処理部６に与える。
画像処理部６は、レーザレーダ装置７から与えられる物体検知情報、方位、距離、属性に基づいて、後述する方法で各物体の個体識別を行う。
そして、これら画像データ生成部５および画像処理部６が、画像処理装置８として一体化されている。
【００２７】
次に、本実施形態の物体検知装置の処理を、図２〜図８を参照して具体的に説明する。
図２は本実施形態の物体検出装置の主要動作フローを示すフローチャートである。
図３は属性判別の処理フローを示すフローチャートであり、（Ａ）は属性を高反射体と低反射体との２種類に判別する場合を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する場合を示す。なお、ここで説明する高反射体は例えば自動車やデリニエータに備えられたリフレクタであり、中反射体および低反射体は例えば人や物（障害物）である。
図４は属性判別の反射光量閾値ＴＨの設定概念を説明する図であり、（Ａ）は属性を高反射体と低反射体との２種類に判別する閾値ＴＨ０を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する第１閾値ＴＨ１、第２閾値ＴＨ２を示す。なお、図４において、太実線が高反射体の反射光量特性曲線を示し、中実線が中反射体の反射光量特性曲線を示し、細実線が低反射体の反射光量特性曲線を示す。
【００２８】
前述のように、レーザレーダ装置７のレーダ信号処理部２は、自車１０１前方に対して水平方向に走査を行いながらレーザビームを送信し、物体からの反射光を受信することで、物体の検知を行う（Ｓ１０１）。この際、物体検知データには検知物体の方位、受信タイミング（受信時刻）が含まれる。同時に、レーダ信号処理部２は、反射光の強度、すなわち反射光量を検出し、物体検知データに与える（Ｓ１０２）。レーダ信号処理部２は、得られた物体検知情報から、検知物体の距離を算出して、方位、距離を含む物体位置データを算出する（Ｓ１０３）。なお、距離は、既知の通り、送信タイミングと受信タイミングとの時間差により算出される。
【００２９】
レーザレーダ装置７の属性検出部３は、物体検知データおよび物体位置データを用いて、属性判別を行う（Ｓ１０４）。
（１）属性を高反射体と低反射体との２種類に判別する場合（図３（Ａ）参照）
属性検出部３は、反射光量データを読み出し、予め設定しておいた反射光量閾値ＴＨ０と比較する。ここで、反射光量閾値ＴＨ０は、図４（Ａ）に示すように、高反射体の反射光量の取り得る光量領域と低反射体の反射光量の取り得る光量領域とが、距離に関係なく重なり合わないことを利用して設定される。すなわち、高反射体の反射光量の最低値と低反射体の反射光量の最高値との間の適当な反射光量、例えば、これら高反射体の反射光量の最低値と低反射体の反射光量の最高値との中間値を、反射光量閾値ＴＨ０に設定する。
【００３０】
そして、属性検出部３は、検知した反射光量データが閾値ＴＨ０よりも大きければ、検知物体を高反射体と判別する（Ｓ４０１→Ｓ４０２）。一方、属性検出部３は、検知した反射光量が閾値ＴＨ０よりも小さければ、検知物体を低反射体と判別する（Ｓ４０１→Ｓ４０３）。
【００３１】
（２）属性を高反射体、中反射体、低反射体の３種類に判別する場合（図３（Ｂ）参照）
属性検出部３は、反射光量データを読み出し、予め設定しておいた反射光量第１閾値ＴＨ１と比較する。ここで、反射光量第１閾値ＴＨ１は、図４（Ｂ）に示すように、高反射体の反射光量の取り得る光量領域と中反射体および低反射体の反射光量の取り得る光量領域とが、距離に関係なく重なり合わないことを利用して設定される。すなわち、高反射体の反射光量の最低値と中反射体および低反射体の反射光量の最高値との間の適当な反射光量、例えば、これら高反射体の反射光量の最低値と中反射体および低反射体の反射光量の最高値との中間値を、反射光量第１閾値ＴＨ１に設定する。
【００３２】
そして、属性検出部３は、検知した反射光量データが第１閾値ＴＨ１よりも大きければ、検知物体を高反射体と判別する（Ｓ４０４→Ｓ４０５）。一方、属性検出部３は、検知した反射光量が第１閾値ＴＨ１よりも小さければ、検知物体を高反射体ではないと判別し、次の判別処理を行う（Ｓ４０４→Ｓ４０６）。
【００３３】
次に、属性検出部３は、反射光量データを、予め設定しておいた反射光量第２閾値ＴＨ２と比較する。ここで、反射光量第２閾値ＴＨ２は、図４（Ｂ）に示すように、中反射体の反射光量の取り得る光量領域と低反射体の反射光量の取り得る光量領域とが、距離に関係なく重なり合わないことを利用して設定される。すなわち、中反射体の反射光量の最低値と低反射体の反射光量の最高値との間の適当な反射光量、例えば、これら中反射体の反射光量の最低値と低反射体の反射光量の最高値との中間値を、反射光量第２閾値ＴＨ２に設定する。
【００３４】
そして、属性検出部３は、反射光量データが第２閾値ＴＨ２よりも大きければ、検知物体を中反射体と判別する（Ｓ４０６→Ｓ４０７）。一方、属性検出部３は、検知した反射光量が第２閾値ＴＨ２よりも小さければ、検知物体を低反射体と判別する（Ｓ４０６→Ｓ４０８）。
【００３５】
このような属性判別処理は、検知物体の全てに対して行われ、属性が決定すると、レーザレーダ装置７は、前記物体検知データ、物体位置データ、および属性データを関連付けした状態で、画像処理装置８に与える。
【００３６】
このようなレーザレーダ装置７の動作と並行して、ＣＣＤカメラ４は自車１０１前方を撮像し（Ｓ１０５）、画像処理装置８に出力する。画像処理装置８の画像データ生成部５は、所定タイミングで画像データを順次形成して画像処理部６に与える（Ｓ１０６）。この際、画像データには、画像データの生成タイミング、すなわち撮像タイミングが添付されている。
【００３７】
画像処理部６は、レーザレーダ装置７から与えられた物体検知データ、物体位置データ、および属性データと、画像データ生成部５から与えられた画像データとに基づいて、時刻を同期させながら物体の個体識別を行う（Ｓ１０７）。
【００３８】
具体的に、まず、画像処理部６は、物体位置データに基づいて物体検知点を画像データ上にマッピングする。なお、以下のマッピング処理から開始される個体識別処理については、高反射体と低反射体との２種類に区別する場合を説明する。
【００３９】
（１）検知物体の属性が高反射体である場合
図５は検知物体の属性が高反射体である場合の個体識別処理を説明するフローチャートである。
図６は検知物体の属性が高反射体である場合の個体識別処理を説明する図である。図６（Ａ）はマッチング領域設定状態を示し、（Ｂ）はマッチング領域のみを抽出した状態を示し、（Ｃ），（Ｄ）はマッチングに用いるサンプリングパターンを示す。
【００４０】
画像処理部６は、このマッピングした物体検知点に対して、対応する属性データからマッチング処理領域を設定する（Ｓ７０１）。具体的に、画像処理部６は、検知物体が高反射体であることを識別すると、所定間隔で現れる二つの物体検知点を含むマッチング処理領域１２を設定する。
【００４１】
この際、高反射体は先行車後部に設置されたリフレクタや、道路脇や道路面に設置されたデリニエータであるので、前記マッチング領域を自動車の形状に則した矩形状に設定する。具体的には、マッチング領域１２は、前記二つの物体検知点が幅方向の両端に位置するように幅を設定し、別途予め設定した長さで高さを設定する。ここで、この設定される高さは、例えば、自車からの距離に基づき自車から前方に見える一般的な自動車の寸法を予め算出しておき、この算出値から設定される。
【００４２】
次に、画像処理部６は、抽出したマッチング領域１２の画像データに対して、コントラストによる外形線抽出等の画像処理を行い、物体検知点を含む物体の形状を検出する（Ｓ７０２）。
【００４３】
また、画像処理部６は、図６（Ｃ）や（Ｄ）に示すようなサンプリングパターン２０１〜２０３を予めメモリに記憶しており、順次これらサンプリングパターン２０１〜２０３を読み出す（Ｓ７０３）。図６（Ｃ），（Ｄ）に示すように、高反射体の物体に対するサンプリングパターン２０１〜２０３は、マッチング領域１２と同様に、自動車の形状に則して設定されており、予め各種自動車の背面形状（後方から見た形状）で設定されている。
【００４４】
なお、画像処理部６は、サンプリングパターンを読み出して利用する場合、物体に対して得られた距離情報に基づいて記憶されているサンプリングパターンを拡大または縮小する。例えば、画像サイズがｍドット×ｎドットのサンプリングパターンを用いる場合で、基準距離（サンプリングパターンを設定した時点で利用した距離）Ｌ０に対して検知距離がＬであれば、パターンマッチングに利用する画像サイズは、ｍ×（Ｌ０／Ｌ）ドット×ｎ×（Ｌ０／Ｌ）ドットに変換する。
【００４５】
次に、画像処理部６は、検出した物体形状と各サンプリングパターン２０１〜２０３とを用いて、パターンマッチング処理を行い、類似パターンを検索する（Ｓ７０４）。画像処理部６は、検出した物体形状とサンプリングパターンとの類似性を既知の方法で検証し、予め設定した基準以上に類似するパターンが存在すれば、このサンプリングパターンを適応する。そして、画像処理部６は、この類似パターンに対応する物体の種類を読み出し、物体の種類を限定する。例えば、図６に示す場合であれば、サンプリングパターンが自動車の形状であるので、類似パターンが存在すれば、検知物体は、この類似パターンに対応した自動車であると判断する（Ｓ７０５→Ｓ７０６）。ここで、各種自動車のサンプリングパターン、例えば、普通自動車、軽トラック、および大型トラック等をそれぞれ個別に設定しておけば、車種をも検出することができる。
【００４６】
さらに、画像処理部６は選択したサンプリングパターンを用いて、物体のサイズを検出する。例えば、決定した類似パターンが画素数にしてｍ１ドット×ｎ１ドットであり、当該物体の距離がＬであれば、レーザレーダの焦点距離をｆとして画像データの画素ピッチ距離をｐとすると、Ｍ（＝ｍ１×ｐ×Ｌ１／ｆ）×Ｎ（＝ｎ１×ｐ×Ｌ１／ｆ）と算出することができる。
【００４７】
ところで、類似となるサンプリングパターンが複数存在する場合には、画像処理部６は、類似するサンプリングパターンの中から最も類似性の強いサンプリングパターンを選択すればよい。
【００４８】
一方、画像処理部６は、全てのサンプリングパターンと検知物体に基づく形状との類似性が、前記所定の基準に達しなければ、検知された高反射体が自動車のリフレクタではないと判断する（Ｓ７０５→Ｓ７０７）。そして、例えば、このように自動車のリフレクタとして判断されない高反射体が所定方向に連続することを検知すると、これらがデリニエータであると判断する。
そして、画像処理部６は、このように判断した物体の検出結果を、物体検出装置が搭載される上位システムに出力する（Ｓ７０８）。
【００４９】
（２）検知物体の属性が低反射体である場合
図７は検知物体の属性が低反射体である場合の個体識別処理を説明するフローチャートである。
図８は検知物体の属性が低反射体である場合の個体識別処理を説明する図である。図８（Ａ）はマッチング領域設定状態を示し、（Ｂ）はマッチング領域のみを抽出した状態を示し、（Ｃ），（Ｄ）はマッチングに用いるサンプリングパターンを示す。
【００５０】
画像処理部６は、このマッピングした物体検知点に対して、対応する属性データからマッチング処理領域を設定する（Ｓ７１１）。具体的に、画像処理部６は、検知物体が低反射体であることを識別すると、それぞれの物体検知点に対して各物体検知点を含むマッチング処理領域１２Ａ，１２Ｂを設定する。
【００５１】
この際、低反射体は道路上で停止したり移動する人であったり、道路上に載置された物（障害物や荷物等）であるので、前記マッチング領域を人の形状に則して設定する。具体的には、マッチング領域１２Ａ，１２Ｂは、それぞれ物体検知点を幅と高さ方向の中心にして、人の輪郭に則した幅および高さの矩形領域を設定する。ここで、この設定される幅および高さは、例えば、自車からの距離に基づき自車から前方に見える一般的な人の寸法を予め算出しておき、この算出値から設定される。
【００５２】
次に、画像処理部６は、抽出したマッチング領域１２Ａ，１２Ｂの画像データに対して、コントラストによる外形線抽出等の画像処理を行い、物体検知点を含む物体の形状を検出する（Ｓ７１２）。
【００５３】
また、画像処理部６は、図８（Ｃ）や（Ｄ）に示すようなサンプリングパターン３０１〜３０３を予めメモリに記憶しており、順次これらサンプリングパターン３０１〜３０３を読み出す（Ｓ７１３）。図８（Ｃ），（Ｄ）に示すように、低反射体の物体に対するサンプリングパターン３０１〜３０３は、マッチング領域１２Ａ，１２Ｂと同様に人の形状に則して設定されており、予め各種人の行動パターンの背面形状（後方から見た形状）で設定されている。
【００５４】
なお、この場合も、画像処理部６は、サンプリングパターンを読み出して利用する場合、物体に対して得られた距離情報に基づいて記憶されているサンプリングパターンを拡大または縮小する。
【００５５】
次に、画像処理部６は、検出した物体形状と各サンプリングパターン３０１〜３０３とを用いて、パターンマッチング処理を行い、類似パターンを検索する（Ｓ７１４）。そして、画像処理部６は、検出した物体形状とサンプリングパターンとの類似性を既知の方法で検証し、予め設定した基準以上に類似するパターンが存在すれば、このサンプリングパターンを適応する。そして、画像処理部６は、この類似パターンに対応する物体の種類を読み出し、物体の種類を限定する。例えば、図８に示す場合であれば、サンプリングパターンが人の形状であるので、類似パターンが存在すれば、検知物体は、この類似パターンに対応した人であると判断する（Ｓ７１５→Ｓ７１６）。なお、ここで、類似となるサンプリングパターンが複数存在する場合には、これらの中から最も類似のサンプリングパターンを選択する。
【００５６】
一方、画像処理部６は、全てのサンプリングパターン３０１〜３０３と検知物体に基づく形状との類似性が、前記所定の基準に達しなければ、検知された低反射体が人ではないと判断する（Ｓ７１５→Ｓ７１７）。そして、例えば、このように人として判断されない低反射体は、例えば、道路上に存在する障害物であると判断する。
【００５７】
そして、画像処理部６は、このように判断した物体の検出結果を、物体検出装置が搭載される上位システムに出力する（Ｓ７１８）。
【００５８】
なお、このような人の判別については、前述のように中反射体と低反射体とを判別し、例えば、中反射体として大人のサンプリングパターンを用い、低反射体として子供のサンプリングパターンを用いるようにして、個体識別処理を行ってもよい。
【００５９】
このような処理を行うことで、物体の属性（本実施形態であれば反射強度）に準じて、物体を所定の種類に分別しておき、各属性で固有のマッチング処理を行って、物体の個体識別を行う。これにより、属性毎にマッチング処理領域を一意に設定することができ、且つ、属性毎に個別のマッチングサンプルパターンを読み出せばよいので、マッチング処理を簡素化且つ高速化することができる。
【００６０】
次に、第２の実施形態の係る物体検出装置について、図９、図１０を参照して説明する。
第１の実施形態では、属性判別の際に、距離に依存することのない閾値を用いた例を示したが、本実施形態の物体検出装置は、距離に応じて設定された閾値を用いたものである。
図９は属性判別の処理フローを示すフローチャートであり、（Ａ）は属性と高反射体と低反射体との２種類に判別する場合を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する場合を示す。
図１０は属性判別の反射光量閾値ＴＨｎの設定概念を説明する図であり、（Ａ）は属性と高反射体と低反射体との２種類に判別する閾値ＴＨｎ０を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する第１閾値ＴＨｎ１、第２閾値ＴＨｎ２を示す。なお、図１０において、太実線が高反射体の反射光量特性曲線を示し、中実線が中反射体の反射光量特性曲線を示し、細実線が低反射体の反射光量特性曲線を示す。
【００６１】
（１）属性を高反射体と低反射体との２種類に判別する場合（図９（Ａ）参照）
属性検出部３は、物体検知データを受け付けると、距離と反射光量データとを読み出し、該当する距離における反射光量閾値ＴＨｎ０と比較する（Ｓ４１１→Ｓ４１２→Ｓ４１３）。ここで、反射光量閾値ＴＨｎ０は、図１０（Ａ）に示すように、高反射体の反射光量と低反射体の反射光量とが、どの距離を選択しても非常にかけ離れていることを利用して予め設定される。すなわち、各距離における高反射体の反射光量と低反射体の反射光量との間の適当な反射光量、例えば、該当する距離における高反射体の反射光量と低反射体の反射光量との中間値を、反射光量閾値ＴＨｎ０に設定する。
【００６２】
属性検出部３は、検知した反射光量データが対応する距離での閾値ＴＨｎ０よりも大きければ、検知物体を高反射体と判別する（Ｓ４１３→Ｓ４１４）。一方、属性検出部３は、検知した反射光量が対応する距離での閾値ＴＨｎ０よりも小さければ、検知物体を低反射体と判別する（Ｓ４１３→Ｓ４１５）。
【００６３】
（２）属性を高反射体、中反射体、低反射体の３種類に判別する場合（図９（Ｂ）参照）
属性検出部３は、物体検知データを受け付けると、距離と反射光量データとを読み出し、該当する距離における反射光量第１閾値ＴＨｎ１と比較する（Ｓ４１１→Ｓ４１２→Ｓ４１６）。ここで、反射光量第１閾値ＴＨ１は、図１０（Ｂ）に示すように、高反射体の反射光量と中反射体の反射光量とが、どの距離を選択しても非常にかけ離れていることを利用して予め設定される。すなわち、各距離における高反射体の反射光量と中反射体の反射光量との間の適当な反射光量、例えば、これら高反射体の反射光量の最低値と中反射体の反射光量の最高値との中間値を、反射光量第１閾値ＴＨｎ１に設定する。
【００６４】
属性検出部３は、検知した反射光量データが第１閾値ＴＨｎ１よりも大きければ、検知物体を高反射体と判別する（Ｓ４１６→Ｓ４１４）。一方、属性検出部３は、検知した反射光量が第１閾値ＴＨｎ１よりも小さければ、検知物体を高反射体ではないと判別し、次の判別処理を行う（Ｓ４１６→Ｓ４１７）。
【００６５】
次に、属性検出部３は、反射光量データを、予め設定しておいた反射光量第２閾値ＴＨｎ２と比較する。ここで、反射光量第２閾値ＴＨｎ２は、図１０（Ｂ）に示すように、中反射体の反射光量と低反射体の反射光量とが、どの距離を選択しても非常にかけ離れていることを利用して予め設定される。すなわち、各距離における中反射体の反射光量と低反射体の反射光量との間の適当な反射光量、例えば、これら中反射体の反射光量と低反射体の反射光量との中間値を、反射光量第２閾値ＴＨｎ２に設定する。
【００６６】
属性検出部３は、反射光量データが対応する距離での第２閾値ＴＨｎ２よりも大きければ、検知物体を中反射体と判別する（Ｓ４１７→Ｓ４１８）。一方、属性検出部３は、検知した反射光量が対応する距離での第２閾値ＴＨｎ２よりも小さければ、検知物体を低反射体と判別する（Ｓ４１７→Ｓ４１９）。
【００６７】
このような処理方法であっても、第１の実施形態と同様の効果を奏することができる。さらに、本実施形態の処理方法を用いることで、高反射体の反射光量の最低値（観測し得る最遠方からの反射光量）が低反射体や中反射体の反射光量の最高値（観測し得る最近傍の反射光量）よりも小さくなるような場合であっても、確実に高反射体と中反射体または低反射体とを判別することができる。
【００６８】
次に、第３の実施形態に係る物体検出装置について、図１１、図１２を参照して説明する。
第１、第２の実施形態では、属性判別の際に、光量を判別の基準にした例を示したが、本実施形態の物体検出装置は、距離や光量のバラツキに応じて設定された閾値を用いたものである。なお、本実施形態で示す属性判別フローは、第１の実施形態に示したように、高反射体と非高反射体とに属性判別をした後に、非高反射体を、中反射体と低反射体とに属性判別する場合を示す。
図１１は属性判別の処理フローを示すフローチャートであり、（Ａ）は属性と高反射体と低反射体との２種類に判別する場合を示し、（Ｂ）は属性を高反射体、中反射体、および低反射体の３種類に判別する場合を示す。
図１２（Ａ）は属性判別の反射光量バラツキ閾値σＬ０の設定概念を説明する図であり、（Ｂ）は属性判別の距離バラツキ閾値σＤ０の設定概念を説明する図である。なお、図１２において、中実線が中反射体のバラツキ特性曲線を示し、細実線が低反射体のバラツキ特性曲線を示す。
【００６９】
中反射体と低反射体とは、前述の例に示したように、ともに人や物であることが多い。このため、中反射体と低反射体とで反射光量の差が大きくなかったり、同じ物体に対して測定回毎に得られる反射光量のバラツキが大きくなる傾向がある。さらに、反射光量が低いことで、算出される距離にもバラツキが生じる。しかしながら、中反射体と低反射体とを比較すれば、低反射体の方が、反射光量のバラツキ、距離のバラツキとも大きくなる傾向にあるので、本実施形態では、この特性を利用して、中反射体と低反射体とを判別する。
【００７０】
（１）反射光量バラツキにより中反射体と低反射体とを判別する場合（図１１（Ａ）参照）
属性検出部３は、反射光量データを取得すると、方位方向を確認して、同じ方位方向の反射光量データを所定時間（複数走査分）に亘って蓄積する（Ｓ４２１）。属性検出部３は、これら反射光量データを用いて、反射光量バラツキデータσＬを算出し、予め設定しておいた反射光量バラツキ閾値σＬ０と比較する（Ｓ４２２→Ｓ４２３）。ここで、反射光量バラツキ閾値σＬ０は、図１２（Ａ）に示すように、中反射体の反射光量バラツキの取り得るデータ領域と低反射体の反射光量バラツキの取り得るデータ領域とが、距離に関係なく重なり合わないことを利用して設定する。すなわち、低反射体の反射光量バラツキの最低値と中反射体の反射光量バラツキの最高値との間の適当な反射光量バラツキ、例えば、これら低反射体の反射光量バラツキの最低値と中反射体の反射光量バラツキの最高値との中間値を、反射光量バラツキ閾値σＬ０に設定する。
【００７１】
そして、属性検出部３は、検知した反射光量バラツキデータσＬが閾値σＬ０よりも小さければ、検知物体を中反射体と判別する（Ｓ４２３→Ｓ４２４）。一方、属性検出部３は、検知した反射光量バラツキσＬが閾値σＬ０よりも大きれば、検知物体を低反射体と判別する（Ｓ４２３→Ｓ４２５）。
【００７２】
（２）距離バラツキにより中反射体と低反射体とを判別する場合（図１１（Ｂ）参照）
属性検出部３は、物体検知データの距離データを取得すると、方位方向を確認して、同じ方位方向の距離データを所定時間（複数走査分）に亘って蓄積する（Ｓ４３１）。属性検出部３は、これら距離データを用いて、距離バラツキデータσＤを算出し、予め設定しておいた距離バラツキ閾値σＤ０と比較する（Ｓ４３２→Ｓ４３３）。ここで、距離バラツキ閾値σＤ０は、図１２（Ｂ）に示すように、中反射体による距離バラツキの取り得るデータ領域と低反射体による距離バラツキの取り得るデータ領域とが、距離に関係なく重なり合わないことを利用して設定する。すなわち、低反射体の距離バラツキの最低値と中反射体の距離バラツキの最高値との間の適当な距離バラツキ、例えば、これら低反射体の距離バラツキの最低値と中反射体の距離バラツキの最高値との中間値を、距離バラツキ閾値σＤ０に設定する。
【００７３】
そして、属性検出部３は、検知した距離バラツキデータσＤが閾値σＤ０よりも小さければ、検知物体を中反射体と判別する（Ｓ４３３→Ｓ４３４）。一方、属性検出部３は、検知した距離バラツキσＤが閾値σＤ０よりも大きれば、検知物体を低反射体と判別する（Ｓ４３３→Ｓ４３５）。
【００７４】
このような処理を行っても、前述の各実施形態と同様の効果を奏することができる。さらに、本実施形態の処理を行うことで、単に反射光量のみでは判別しにくい属性同士であっても、確実に属性判別することができる。
【００７５】
なお、本実施形態では、中反射体と低反射体とをバラツキ特性に基づいて判別する例を示したが、高反射体を含む場合でも同様に属性判別を行うことができる。すなわち、バラツキ特性のみで、高反射体、中反射体、低反射体の属性判別を行うこともできる。
また、前述の説明では、レーダ信号処理部２と属性検出部３とをレーザレーダ装置７に組み込んだ場合を示したが、画像処理装置８の機能をレーザレーダ装置７に組み込むようにしても良く、逆に、レーザレーダ装置７の機能を画像処理装置８に組み込むようにしても良い。
さらには、レーザレーダ装置７の属性検出部３のみを画像処理装置８に組み込むようにしても良い。すなわち、レーザレーダ装置７は物体の検知（物体の位置や距離の検知）のみを行うものとし、検知した物体の前述の属性検出は画像処理装置８で行うようにしても良い。
【００７６】
また、前述の説明では、レーダ装置として、レーザレーダを例に示したが、他の方式（パルスドップラやＦＭＣＷ等）のレーダ装置を用いても良く、さらには、検知領域内に存在する物体からの反射光を利用して三角測距を行う装置を用いても良い。
また、前述の説明では、検知した物体の種類（個体識別）、形状を同定する例を示したが、これらが分かることで、それぞれの種類の物体を計数することもできる。例えば、自車前方に自動車が何台走行しているとか、何人の人がいるとかを認識することができる。
【図面の簡単な説明】
【００７７】
【図１】第１の実施形態の物体検出装置の主要部を示すブロック図、および、この物体検出装置を搭載した自動車の検知状態を示す概念図である。
【図２】第１の実施形態の物体検出装置の主要動作フローを示すフローチャートである。
【図３】属性判別の処理フローを示すフローチャートである。
【図４】属性判別の反射光量閾値ＴＨの設定概念を説明する図である。
【図５】検知物体の属性が高反射体である場合の個体識別処理を説明するフローチャートである。
【図６】検知物体の属性が高反射体である場合の個体識別処理を説明する図である。
【図７】検知物体の属性が低反射体である場合の個体識別処理を説明するフローチャートである。
【図８】検知物体の属性が低反射体である場合の個体識別処理を説明する図である。
【図９】第２の実施形態に係る属性判別の処理フローを示すフローチャートである。
【図１０】属性判別の反射光量閾値ＴＨｎの設定概念を説明する図である。
【図１１】第３の実施形態に係る属性判別の処理フローを示すフローチャートである。
【図１２】属性判別の反射光量バラツキ閾値σＬ０の設定概念を説明する図、および、属性判別の距離バラツキ閾値σＤ０の設定概念を説明する図である。
【図１３】他車のリフレクタにレーザ光が照射する場合の位置状態を示す模式図、および、人にレーザ光が照射する場合の物体の位置状態を示す模式図である。
【図１４】レーザレーダにおける高反射体（リフレクタ＝回帰反射体）の反射光量を方位方向単位で示した図、および、レーザレーダにおける低反射体（人等）の反射光量を方位方向単位で示した図である。
【符号の説明】
【００７８】
１−レーダアンテナ、２−レーダ信号処理部、３−属性検出部、４−ＣＣＤカメラ、５−画像データ生成部、６−画像処理部、７−レーザレーダ装置、８−画像処理装置
【特許請求の範囲】
【請求項１】
検知領域内の物体の反射による反射強度と該物体の少なくとも距離とを取得する位置情報取得手段と、
前記取得した距離と反射強度とに基づいて前記物体の属性を判別する属性判別手段と、
を備えたことを特徴とする物体検出装置。
【請求項２】
前記属性判別手段は、前記反射強度の特性の光量データ、距離別光量データ、光量バラツキデータ、距離バラツキデータの少なくとも１つを用いて判別閾値を設定し、物体の属性を判別する請求項１に記載の物体検出装置。
【請求項３】
前記検知領域を撮像して画像データを生成する撮像手段と、
前記検知された物体を前記画像データに対応させて属性毎に異なる画像処理を行い、前記物体の個体識別を行う個体識別手段と、
を備えた請求項１または請求項２に記載の物体検出装置。
【請求項４】
前記個体識別手段は、特に回帰反射体を他の物体から識別する請求項３に記載の物体検出装置。
【請求項５】
少なくとも前記位置情報取得手段を、前記検知領域内にレーザ光を照射してその反射光を利用するレーザレーダにより実現する請求項１〜請求項４のいずれかに記載の物体検出装置。
【請求項１】
検知領域内の物体の反射による反射強度と該物体の少なくとも距離とを取得する位置情報取得手段と、
前記取得した距離と反射強度とに基づいて前記物体の属性を判別する属性判別手段と、
を備えたことを特徴とする物体検出装置。
【請求項２】
前記属性判別手段は、前記反射強度の特性の光量データ、距離別光量データ、光量バラツキデータ、距離バラツキデータの少なくとも１つを用いて判別閾値を設定し、物体の属性を判別する請求項１に記載の物体検出装置。
【請求項３】
前記検知領域を撮像して画像データを生成する撮像手段と、
前記検知された物体を前記画像データに対応させて属性毎に異なる画像処理を行い、前記物体の個体識別を行う個体識別手段と、
を備えた請求項１または請求項２に記載の物体検出装置。
【請求項４】
前記個体識別手段は、特に回帰反射体を他の物体から識別する請求項３に記載の物体検出装置。
【請求項５】
少なくとも前記位置情報取得手段を、前記検知領域内にレーザ光を照射してその反射光を利用するレーザレーダにより実現する請求項１〜請求項４のいずれかに記載の物体検出装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【公開番号】特開２００７−１１４８３１（Ｐ２００７−１１４８３１Ａ）
【公開日】平成１９年５月１０日（２００７．５．１０）
【国際特許分類】
【出願番号】特願２００５−３０２６９４（Ｐ２００５−３０２６９４）
【出願日】平成１７年１０月１８日（２００５．１０．１８）
【出願人】（０００００２９４５）オムロン株式会社 (3,542)
【Ｆターム（参考）】
【公開日】平成１９年５月１０日（２００７．５．１０）
【国際特許分類】
【出願日】平成１７年１０月１８日（２００５．１０．１８）
【出願人】（０００００２９４５）オムロン株式会社 (3,542)
【Ｆターム（参考）】
[ Back to top ]