物体検知システム及び方法
【課題】複数のレーザセンサ間に生じる微少な検知位置等のズレを解消して、軌道線上の列車走行の障害物体について、存在位置、大きさや形状を容易に特定する。
【解決手段】複数センサからの測距データを、センサ配置を考慮したキャリブレーションを以て、１つにデータ統合をする統合手段と、予め取得された監視領域の背景データと、経時的に得られる座標データとの差分から対象物体の存在位置を検知する。予め登録される物体の大きさに関するマス目情報と、監視領域内をマス目に細分化する検索グリッドを設けグリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する。
【解決手段】複数センサからの測距データを、センサ配置を考慮したキャリブレーションを以て、１つにデータ統合をする統合手段と、予め取得された監視領域の背景データと、経時的に得られる座標データとの差分から対象物体の存在位置を検知する。予め登録される物体の大きさに関するマス目情報と、監視領域内をマス目に細分化する検索グリッドを設けグリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は物体検知システム及び方法に係り、特に、走行する列車に対して障害となる障害物をレーザセンサにより検知し、その検知結果を用いて障害物の存在する位置と大きさを監視する物体検知システム及び方法に関する。
【背景技術】
【０００２】
対象とする領域にレーザレーダを照射して、レーザレーダにより検知された物体との距離情報と走査方向の情報から成る３次元情報を得て、その情報を用いて対象物を識別する物体検知の技術が知られている。
例えば、特許文献１には、１つのレーザレーダを用いて所定の領域及びこれに隣接する周辺領域を走査し、レーザレーダにより検知される距離情報とその走査方向の情報から３次元レーダ情報を求め、３次元レーダ情報から所定の領域及び周辺領域内にある物体が列車であるか否かを識別する検知装置が開示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００５−２１２５５３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載された技術によれば、１つのレーザセンサを用いて対象物体が列車であるか否かについて識別できるが、監視領域が広範囲に及ぶ場合、１つのレーザセンサでは、測距範囲に限界がある。一方、複数のレーザセンサを用いて測距する場合、レーザセンサどうしの検知タイミングや位置、角度の微妙なズレが生じることがあり、その微少な検知位置の不一致を調整することが重要である。然るに、上記特許文献１には、複数のレーザセンサを用いた場合に生じる微少な検知位置の不一致に対する考慮について記載されていない。
【０００５】
本発明の目的は、複数のレーザセンサから得られる測距データを統合し、複数のレーザセンサ間に生じる微少な検知位置等のズレを解消して、列車走行における障害物体の位置、大きさや形状を認識することができる物体検知システム及び方法を提供することにある。
【課題を解決するための手段】
【０００６】
本発明に係る物体検知システムは、好ましくは、複数のレーザセンサを用いて監視領域を照射して、得られた測距データを用いて軌道線上の列車走行への障害物体を検知する物体検知システムであって、複数のレーザセンサからの複数の座標データを１つにデータ統合する統合部と、監視領域内を、縦横のマス目（グリッド角）に細分化して検索グリットを規定すると共に、該検索グリッドのグリッド角を変更制御するグリッド制御手段と、検知対象の物体とマス目情報との関係を予め登録するＤＢと、予め監視領域における背景データを取得し、これと、経時的に得られる統合された座標データとの比較差分から対象物体の存在位置を検知する機能と、該グリッド制御手段により変更制御される検索グリッドのグリッド角に占める座標データの割合と、該ＤＢに登録される物体の大きさに関するマス目の情報を演算、対照して、物体の大きさや形状を特定する物体検知部と、を有する物体検知システムとして構成される。
【０００７】
好ましい例では、上記物体検知システムにおいて、前記統合部は、複数のレーザセンサからの座標データを複数のレーザセンサの配置を考慮したキャリブレーションを以て統合処理をする機能を有し、
前記物体検知部は、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理と、予め取得される背景データと、経時的に測距して得られる座標データとを比較処理して物体の存在位置を検知する機能を有し、
さらに、予め登録される物体の大きさに関するマス目情報と、前記グリッド制御手段にて監視領域内をマス目に細分化する検索グリッドを設け、グリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する機能とを有する。
【０００８】
本発明に係る物体検知方法は、好ましくは、複数のレーザセンサを用いて監視領域を照射して、得られた測距データを用いて軌道線上の列車走行への障害物体を検知する物体検知方法であって、複数のレーザセンサからの複数の座標データを１つにデータ統合する統合ステップと、監視領域内を、縦横のマス目（グリッド角）に細分化して検索グリットを規定すると共に、該検索グリッドのグリッド角を変更制御するグリッド制御ステップと、検知対象の物体とマス目情報との関係を予めＤＢに登録するステップと、予め監視領域における背景データを取得し、これと、経時的に得られる統合された座標データとの比較差分から対象物体の存在位置を検知し、該グリッド制御により変更制御される検索グリッドのグリッド角に占める座標データの割合と、予め登録される物体の大きさに関するマス目情報とを演算、対照して、物体の大きさや形状を容易に特定する物体検知ステップとを有する物体検知方法として構成される。
【０００９】
好ましい例では、上記物体検知方法において、前記統合ステップでは、複数のレーザセンサからの座標データを複数のレーザセンサの配置を考慮したキャリブレーションを以て統合処理をする統合ステップを有し、
前記物体検知ステップでは、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理と、予め取得される背景データと、経時的に測距して得られる座標データとを比較処理して物体の存在位置を検知する検知ステップを有し、
さらに、予め登録される物体の大きさに関するマス目情報と、グリッド制御ステップにて監視領域内をマス目に細分化する検索グリッドを設け、グリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する処理ステップと、を有する。
【発明の効果】
【００１０】
本発明によれば、軌道線上の物体の測距において、軌道線上に検知される物体を背景データと経時的に測距される測距データを照合することで、物体の存在位置と大きさや形状を認識することができる。とりわけ、列車走行の障害となる物体が存在する場合は、軌道線上の物体の存在位置を絞り込んで検知し、予め設定される検索グリッドを用いてグリッド角に占める座標データの割合を以て、その大きさを特定して、形状を表示することができる。また、監視する物体の大きさについて、有る程度の範囲内に限られる場合は、測距データからレーザセンサからその物体までの距離を計測することができる。
【図面の簡単な説明】
【００１１】
【図１】一実施例による物体検知システムの構成例を示す図。
【図２】実施例１による監視領域の軌道線上に物体を検知した例を示す図。
【図３】実施例１による背景データＤＢ１８２１の記録フォーマットを示す図。
【図４】実施例１による測距データＤＢ１８２２の記録フォーマットを示す図。
【図５】実施例１によるクラスタＤＢ１８２３の記録フォーマットを示す図。
【図６】実施例１によるデータ統合を説明する図。
【図７】実施例１による検知データと検索グリッドによる制御を示す図。
【図８】実施例１における直交座標と角度変換のクラスタ検出処理を示すフローチャート。
【図９】実施例２における監視領域の軌道線上に列車を検知した例を示す図。
【図１０】実施例３におけるレーザセンサを用いた物体検知の処理を示すフローチャート。
【図１１】物体の検知部１８０４におけるグリッド角の制御動作を示すフローチャート。
【図１２】実施例１における物体特定ＤＢ１８２４の記録フーマットを示す図。
【発明を実施するための形態】
【００１２】
以下、図面を参照して本発明の一実施例について説明する。
図１は、軌道線上における障害物体を監視する検知システムの構成を示す。
この検知システムは、監視領域（点線で示す）１１内の物体を監視するために配置された、複数のレーザセンサ１２１、１２２（総称して１２と示すことがある）と、レーザセンサ１２で検知されたデータを処理するレーザ制御装置１８により構成される。
【００１３】
ここで、レーザセンサ１２１はレーザを照射して背景１４２及びその背景の前に在る物体（或いは通過する列車）を検知する。同様にして、レーザセンサ１２２はその走査によって背景１４１及びその背景の前に在る物体（或いは通過する列車）を検知する。各レーザセンサ１２は、監視領域を左周りに０．５°毎に移動させながらレーザ光を照射して、取得した測距データをレーザ制御装置１８に順次経時的に取り込む。
【００１４】
レーザ制御装置１８は、その測距データを用いて軌道線上の物体の位置を算出する処理部１８０と、測距データ及び物体の位置の算出に関連する種々のデータを記憶するデータベース（ＤＢ）１８２と、表示装置１８３、及び入力装置１８４を有して構成される。なお、図示していないが、障害物体が検知された場合に警報を発する警報装置を備えてもよい。
処理部１８０はプロセッサであり、本発明に特有のプログラムをこのプロセッサで実行することで、統合部１８０２及び検知部１８０４の機能が実現される。プログラムは、図示しないメモリ又は記憶装置等に予め記憶されている。
ＤＢ１８２には、背景ＤＢ１８２１（図３）、測距データＤＢ１８２２（図４）、クラスタＤＢ１８２３（図５）、物体特定ＤＢ１８２４（図１２）等の各ＤＢが格納される。
【００１５】
統合部１８０２は、各測距データの位置座標（x，ｙの極座標）を、各レーザセンサの位置を考慮して統合（キャリブレーション）して重ね合わせて１つ統合データを生成する。これにより、レーザセンサ毎のズレ、不一致に寄ることなく、測距データを取得することができる。
【００１６】
検知部１８０４は、統合された測距データを用いて、物体及びその大きさを検出する。即ち、統合部１８０２で１つに統合された背景データと、経時的に測距して得られ、統合された測距データとを比較処理して、その差分から検知された物体のみの座標データを抽出し、このデータを対象に物体の存在位置を検知する。検知部１８０４はまた、物体の位置（座標）検知と、物体検知から連続して物体の大きさ、若しくは形状をグリッド角の大きさを徐々に小さく、例えば、当初グリッド角を５０（ｃｍ）として、物体が検知された場合は、グリッド角を半分２５（ｃｍ）として物体の大きさを算出する。グリッド角のマス目を細かくすることは、画像で言えば解像度を上げる処理と類似した処理となり、これにより物体の大きさ、若しくは表面形状を把握することができる。例えば、グリッド角を、５０（ｃｍ）→２５（ｃｍ）→１０（ｃｍ）→５（ｃｍ）のように制御して、物体の大きさや形状を特定することができる。
なお、統合部１８０２及び検知部１８０４の処理動作については後で詳述する。
【００１７】
背景ＤＢ１８２１は、図３に示すように、複数のレーザセンサ１２を左周りに０．５°毎に移動させながらレーザ光を照射して、監視領域の背景から取得した測距データ即ちレーザセンサと背景との距離データを記憶する。背景に看板や電柱などが存在すると、その部分の距離が距離として反映される。
【００１８】
測距データＤＢ１８２２は、図４に示すように、複数のレーザセンサ１２で同様の測定を行い、得られた測距データを記憶する。背景データに加えて、列車や障害物体を検知した距離データが含まれる。なお、背景ＤＢ１８２１を単独に構成しないで、測距データＤＢ１８２２に併合して構成することもできる。
クラスタＤＢ１８２３は、図５に示すように、距離データと背景データの差分から計算された、物体を示す複数のポイント座標（位置座標）と、そのポイント座標から計算された物体の中心座標（位置座標）を、当該物体毎に付与されたクラスタＩＤに関連つけて記憶する。
【００１９】
物体特定ＤＢ１８２４は、図１２に示すように、検知の対象とする特定物体と検索グリッドのグリッド角サイズ（即ちグリッドのマス数（縦と横のマス数を乗じたもの））の関係を予め登録する。例えば、人物は５０マス×５０マス（１ｃｍ角）が登録される。レーザセンサから得られた経時的な測距データと物体特定ＤＢ１８２４の登録データを照合することで、検知対象の物体が特定される。
【００２０】
次に、統合部１８０２及び検知部１８０４における処理動作について詳細に説明する。
図６は、統合部１８０２におけるデータ統合を概念的に示す。
複数のレーザセンサを用いる場合、各測距データは、各レーザセンサからの物体までの距離を示す座標データとして得られることになる。得られた複数のデータをそのまま重ね合わせたのでは、監視領域内に検知される物体を表示した状態（監視領域内に検知物体を描写した一枚の絵）にはならないことから、各レーザセンサ位置を考慮したデータの統合配置が行われる。
【００２１】
例えば、レーザセンサ１２１から得られた測距データ６０１（物体の大きさα[ｃｍ]）と、レーザセンサ１２２から得られた測距データ６０２（物体の大きさβ[ｃｍ]）について言えば、レーザセンサ１２１と、レーザセンサ１２２の位置から測距される物体の大きさは、それぞれα，β[ｃｍ]である。
実際の物体の大きさがγ[ｃｍ]であった場合、統合部１８０２における統合処理により、正しくγ（＝α＋β）[ｃｍ]として求められ、各レーザセンサを考慮して統合しキャリブレーションから、測距データ６０３（物体の大きさＤ：γ[ｃｍ]）として、その存在位置と大きさにて表示することができる。
これは、背景データ取得においても、経時的に得られる測距データからの物体検知においても検知処理の前段処理として実施されるものである。
【００２２】
検知部１８０４では、統合部１８０２で１つに統合されたデータを、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理を行う。このクラスタ毎（固有ＩＤが付与された）に物体を検知しているので、測距の途切れ（死角や、物体の動きによるものなど）から、再び測距された場合は同一物体として個別ＩＤを引き継ぎ、物体の位置座表を検知する。
【００２３】
図７は、検知データと検索グリッドによる制御を示す。
この物体検知システムでは、先に差分抽出されたデータ（即ち複数のレーザセンサの測距データの合成後の背景データと、複数のレーザセンサから経時的に得られる合成後の測距データの差分データ）７４，７５に、検索グリッド７１〜７３を重ね合わせる（即ち設定されたグリッド角の大きさに、監視領域を細分化する）処理を行うことで、軌道線上にて検知された物体が障害物体であることを認識する。つまり、グリッド角のマス目の大きさを制御することで、物体検知と物体の大きさを特定する。そして、予め想定される物体の大きさをグリッド角サイズにてどの程度かをＤＢに登録しておき、検知したら直ぐにグリッド角にて大きさを計測して、軌道線上の障害物となるか否かを判断する。
【００２４】
監視領域１１は、（保守などの特別な条件を除き）レーザセンサが走査する軌道線上を、列車以外は通過しないことを前提にしている。このため、列車及び許可条件（工事、保守列車などを含む特別条件下）以外に検知した物体は障害物体として認識する。クラスタ処理にて付与される固有のＩＤは、測距におけるデータの途切れ（死角や、物体の動きによるものなど）において、クラスタから同一物体して認識するために用いられる値として用いられる。
【００２５】
検索グリッドのサイズの変更（グリッド角の変更）は、監視領域で検知する対象物体に合わせて監視継続中に、そのサイズを変更して設定することができる。
例えば、当初は、検索グリッド角を２００（ｃｍ）に設定しておき、列車ならば軌道線上に対して、走行方向に長く続く物体として検知される。例えば、検索グリッド角が２００（ｃｍ）の状態で、レーザセンサから見て軌道線上の存在位置に横方向で５００（ｃｍ）（３マス分の検索グリッドにクラスタデータが検知される）を超える物体が検知された場合は、軌道線上に列車が検知されたと認識する。
【００２６】
一方、人物や物体等の障害物ならば経時的な測定で１マスの検知が繰り返される、若しくは、物体が移動する毎に検知されるマス目の位置が移動する可能性があるので、これらを考慮して検索グリッドのサイズを変更制御する。
例えば、当初設定したグリッド角２００（ｃｍ）から、監視領域内においてある物体を検知した場合、グリッド角の大きさを２００（ｃｍ）→５０（ｃｍ）に制御して、対象が人物であると検知する。更に、グリッド角を５０（ｃｍ）→２０（ｃｍ）・・・５（ｃｍ）まで変更制御することで、人物の進入や石などの軌道線上の列車走行の障害となる位置（場所）に存在する物体の大きさや形状を特定することができる。
【００２７】
このように、監視領域で検知された軌道線上の物体について、物体の座標データが占める割合で障害物体の大きさを認識することができる。検索グリッドのサイズを細分化制御することで、物体検知への確からしさ（解像度）が上がり、物体の形状についても認識することが可能となる。
【００２８】
図１１は、物体の検知部１８０４におけるグリッド角の制御動作を示す。
本発明は、軌道線上において列車の走行に障害となる物体を検知する。そこで、検知部１８０４において検知された物体が列車であるかを判定し（Ｓ１１０１）、検知された物体が列車であると判断された場合は、正規の検知物であるため、物体の大きさや形状を特定する必要がなく、正常検知として終了する（Ｓ１１０６）。
【００２９】
物体が列車であると判断されない場合は、障害物体の可能性があるので、物体の大きさや形状を特定する処理を行う（Ｓ１１０２）。その結果、検知した物体の大きさや形状を特定については、グリッド角の制御を行う(Ｓ１１０３)。その場合、少なくとも一度以上、対象検知物体の特定データを記憶する物体特定ＤＢ１８２４の内容と測定されたデータとを比較する（Ｓ１１０４）。その結果、測距データに関係する何れのデータも物体特定ＤＢ１８２４に存在しない、つまり、物体の大きさや形状の特定が不要と判断された場合は、特定不要として終了する（Ｓ１１０２、Ｓ１１０６）。
【００３０】
一方、物体の大きさや形状を特定することが必要な場合、例えば測定当初のグリッド角２００（ｃｍ）から、監視領域内においてある物体を検知した場合、グリッド角を２００（ｃｍ）→５０（ｃｍ）に制御して、検知対象物体を例えば人物と判定する。
ここで、検索グリッドによるグリッド角サイズを制御し、検知物体の大きさから人物を特定する場合の例について説明する。
【００３１】
<例１>人物を検知する例
（a）物体特定ＤＢ１８２４には、特定対象の物体として、人物（１ｃｍ角）が、５０マス×５０マスと登録されている。
（b）この状態で、レーザセンサにより物体が検知され、経時的な測距データから物体の存在位置と、予め設定された検索グリッドサイズからクリッド角のマス数データが得られる。
測距データ（検索グリッド５０ｃｍ角設定）からマス数で５０ｃｍ角：１マス×１マスを取得の場合、縮尺率としてｂ）を５０倍してａ）と対照すると、
（１ｃｍ角：５０マス×５０マス）＝（５０ｃｍ角：５０マス×５０マス）・・・（１）
となることから、検索グリッドの大きさから特定された物体は、人物であることが分かる。
【００３２】
<例２>列車を検知する例
（a）物体特定ＤＢ１８２４には、特定対象の物体として、列車（１ｃｍ角）が、４００マス×４００マス）が登録されている。
（b）測距データ（検索グリッド２００ｃｍ角の設定）からマス数で２００ｃｍ角／２マス×１０マスを取得の場合、縮尺率としてｂ）を２００倍してａ）と対照すると、
（１ｃｍ角：４００マス×４００マス）＝（２００ｃｍ角：４００マス×２０００マス）・・（２）となる。
ここで、列車が特定される場合は、検索グリッド角において、横方向：２００ｃｍ角：２０００マスとなっても、監視領域における物体の大きさを考慮した概念的な判定（物体特定ＤＢ１８２４登録の大きさと合致による物体特定、同ＤＢの大きさを超える物体であることから物体を特定など）を以て、判断することが可能となる。
【００３３】
上記のように、物体特定ＤＢ１８２４に登録されたクリッド角のマス数データと、縮尺率として検索グリッド設定角の値を乗じ、対照することにより物体の特定することができる。ここで用いられる縮尺率は、上記（１）（２）式から、検索グリッド設定角値を乗じることが分かる。
このようにして、グリッド角サイズは制御により変動しても、物体特定ＤＢ１８２４に登録された物体特定基準と縮尺率を用いて照合することで、容易に物体を特定することがでる。
【００３４】
次に、物体の大きさや形状が特定できたかの判断（Ｓ１１０５）において、大きさや形状が特定できないと判断された場合には、再度、ステップＳ１１０２を経由して、上記した処理を繰り返す。即ち、更に、グリッド角を５０（ｃｍ）→２０（ｃｍ）→５（ｃｍ）と段階的に変更して、軌道線上の列車走行の障害となる位置に存在する物体（人物や石など障害物）の大きさや形状を特定する（Ｓ１１０３）。
そして、予め登録される対象検知物体を示す物体特定ＤＢ１８２４の物体の大きさに関する情報と、グリッド角内に存在する物体の座標データが占める割合を以って測定した物体の大きさとを比較する（Ｓ１１０４）。比較の結果、検知された物体が対象検知物体との比較一致から物体の大きさや形状を特定できたと判断すると（Ｓ１１０５）、処理を終了する。
なお、雨、ごみ屑や空中を舞う浮遊物などの物体検知は、一時的に測距されるポイントデータをクラスタ処理にて連続するデータで纏まりとして処理することにより、適切に除去され良好に物体検知をすることができる。
【００３５】
[実施例１]
図２は、監視領域の軌道線上に障害物体を検知した例を示す。
この検知システムにおいて、２つのレーザセンサを使用し、監視領域の軌道線上の障害物体の位置検知と、大きさや形状を特定する例について説明する。
レーザセンサは、直交座標（座標値）と監視領域に対してどの方向を向いているかの水平角度を示し、例えば水平を０°とし、そこから垂直方向にｎ°(０°≦ｎ≦１８０°)まで回転した場合の値を示すものである。
図２に示す例では、背景ＤＢ１８２１（図３）は、角度０．５°毎に取得された背景データ１４２、背景データ１４１、即ちレーザセンサ１２１と背景１４２との距離について、及びレーザセンサ１２２と背景１４１との距離を示す測距データを記憶することになる。
【００３６】
図８は、直交座標と角度変換におけるクラスタ検出の処理を示す。
初期化処理では、レーザセンサの位置設定、監視領域、検索グリッドのサイズ等の各種設定を行う（Ｓ８０１）。
ここで、レーザセンサの位置設定とは、例えば、（Ｓ８０２〜Ｓ８０３での）複数のレーザセンサからの測距データを１つの測距データとして重ね合わせて統合するときに、監視領域を１枚の絵に描写するキャリブレーションをした場合、監視領域に対して各レーザセンサの位置を登録しておくことを意味する。
【００３７】
また、検索グリッドの設定とは、例えば、（Ｓ８０５で）監視領域内を一定の面積を持ったマス目に区切ることを意味し、実施例１〜３においては、監視領域が軌道線上に設けられる場合は、列車か、それ以外の障害物体かを大きさを以て判断できれば良いので、５０（ｃｍ）角程度の検索グリッドが設定される。但し、検索グリッドは、監視領域における検知対象物を予め登録しておくことで、これとの比較により、大きさから物体を容易に特定すること、検索グリッドのサイズ変更により（物体検知への確からしさ）解像度を上げることで、物体の形状を表示することもできる。
【００３８】
背景データ取得処理（Ｓ８０２）では、初期化処理（Ｓ８０１）の後に、軌道線上に背景以外に列車、障害物体が存在しない状態において、背景１４２、背景１４１をレーザセンサ１２１、１２２でそれぞれ取得する。
各レーザセンサから得られる測距データ（この場合は背景データ）は、各レーザセンサの位置を考慮したデータ配置（キャリブレーション）を以て重ね合わせて統合し、背景ＤＢ１８２１（図３）に保存する。
【００３９】
測距データ受信処理（Ｓ８０３）では、監視時間の経過後も、経時的に得られる測距データのレベルについて、認識可能レベルまでのレーザ光が反射されているかを判断し、認識可能レベルの場合は、測距データから物体の形状を、連続する点の集まりの座標値をポイントデータとして連続的に記憶する。この場合のポイントデータは、（角度、距離）データから直行座標系データに変換されたものであり、背景データと差分を減じた、レーザセンサで検出された物体データである。
【００４０】
クラスタ検出処理（Ｓ８０４）では、この測距データから物体の形状を連続する座標値をポイントデータとし、更に、周辺ポイントデータをクラスタと呼ぶ纏まりで固有ＩＤを付与し、その中心座標を求めるクラスタ処理をすることで、軌道線上の物体の存在位置を検知する。
【００４１】
障害物体の判断（物体大きさ特定）の処理（Ｓ８０５）では、検知された障害物体について、監視領域に予め設定される検索グリッドを用いてグリッド角に占める座標データの割合を似て、その大きさを特定する。更に検索グリッドを小さいサイズに設定変更し、物体の形状把握することも可能である。
【００４２】
物体の存在する位置の検知処理（Ｓ８０６）では、クラスタ検出処理（Ｓ８０４）にて、固有のＩＤが付与され、中心座標が求めたクラスタ処理された１つの測距データから対象となる軌道線上の障害物体の存在する位置座標を検知から画面表示処理（Ｓ８０７）へ遷移し、検知物体が列車の場合は、測距データ受信処理（Ｓ８０９）へ遷移する（Ｓ８０６）。
【００４３】
画面表示処理では、上記の処理（Ｓ８０１〜Ｓ８０６）までで求められた、クラスタ処理された中心座標と、物体の存在座標を表示装置に表示する（Ｓ８０７）。また、警報通知処理（Ｓ８０８）では、障害物体検知された場合において、画面表示処理（Ｓ８０７）と共に、警報通知する。
【００４４】
検知終了判定の処理（Ｓ８０９）では、軌道線上の監視領域に（障害）物体が検知されている状態、又は検知を継続する場合は、測距データ受信処理（Ｓ８０４）へ遷移し、物体が検知されなくなった状態、若しくは検知終了を判断する。
【００４５】
本実施例によれば、障害物体が動きを伴う場合においても、検索グリッドにより、一旦、その大きさが特定され、固有ＩＤを付与して監視できた時点で、これをＤＢに記憶するので、連続する物体の動きに対して、固有ＩＤを以て、正確に存在位置、大きさ、若しくは形状を表示することができる。
【００４６】
また、本図に示される軌道線上の物体は、検索グリッドにより物体の大きさが列車と異なるサイズと認識されることで、障害物体検知による画面表示処理（Ｓ８０７）、又は警報通知処理（Ｓ８０８）が実行される。なお、軌道線上に列車を検知した場合における処理については、後述の[実施例２]にて説明する。
【００４７】
複数のレーザセンサどうしの検知タイミングや位置、角度のズレ等により生じる物体位置の微少不一致については、データ統合手段にてレーザセンサ１２１、レーザセンサ１２２による各々の測距データは、各レーザセンサの位置を考慮した配置（キャリブレーション）を以て重ね合わせて統合し、１つの測距データとする。
また、物体の大きさ判断により、予め監視領域で測距対象となる物体を予想し、そのサイズ（目安値）を登録しておき、検索グリッドを以て得られる物体サイズと比較することで、対象物体を判断することができる。
【００４８】
[実施例２]
図９は、監視領域の軌道線上に列車を検知した例を示す。
初期化処理（Ｓ８０１）から軌道線上の物体の存在位置検知（Ｓ８０６）は、前述の[実施例１]に説明される通りである。
障害物体の判断／物体大きさ特定では、列車９０について監視領域に予め設定される検索グリッドを用いてグリッド角に占める座標データの割合を似て、その大きさを特定する。
【００４９】
検知物体の列車判断として、通常の列車は、１両当たりの長さが約２０００（ｃｍ）であり、障害物体を検知するための検索グリッドを、５０（ｃｍ）角，１００（ｃｍ）角、２０００（ｃｍ）角に設定した場合においても、列車は、明らかに大きい（移動方向に対しては長い物体と認識され得る）物体が軌道線上に検知されることから、障害物体ではないと判断する。
軌道線上は、通常、列車の走行が前提であるため、列車以外（保守などの特別な条件を除く）の障害物体を検知した場合は、列車よりも小さい（移動方向に対しては短い物体と認識され得る）サイズの物体が検知されることになる。
検索グリッドは、物体の大きさを容易に特定するためのスケール（定規）としていることから、監視中においても、そのサイズを可変して、物体の確からしいサイズの特定や形状を表示することも可能である。
【００５０】
なお、図９において、レーザセンサの測距により軌道線上の列車までの距離ｄは周知の方法を用いて算出することができる。即ち、軌道線上を走行する列車について（障害物体の検知は除外される）は、監視領域内の監視において、測距する列車までの大きさやその移動方向に一定の条件を設定することで、軌道線上の列車形状を連続する点の集まり（座標値データ）として認識し、これによりレーザセンサから列車までの距離を求めることができる。
【００５１】
[実施例３]
図１０は、レーザセンサを用いた物体検知の動作を示すフローチャートである。
この例は、レーザセンサからの測距結果と、測距データを受信するごとに予め保存した背景データとの比較処理をすることで、物体の存在を検知する。
まず、初期設定として監視領域、監視時間や検知条件をＤＢに保存する（Ｓ１００１）。
背景データ取得をするため、監視領域１１を背景以外が存在しない無人の状態において測距を実施し、測距完了にて背景データを背景ＤＢ１８２１（図３）に保存する（Ｓ１００２）。監視領域が変更、或いは再設定されたときには、この処理を繰り返すことで背景データを更新することができる。
【００５２】
次に、監視領域を監視時間の経過ごとに、経時的に物体までの距離を測距して測距データを取得する。測距データの反射光が判定可能レベルで測距データが取得された場合には、先の処理（Ｓ１００２）で取得した背景データと比較をして、監視領域に存在する物体の形状を連続する点の集まりの座標値として、ポイントデータとして測距データＤＢ１８２２（図４）に保存する。（Ｓ１００３）。
【００５３】
ポイントデータとして測距データＤＢに保存された座標値を近接した周辺データとして纏めて、クラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、中心座標を求めるクラスタ検出処理を行い、結果をクラスタＤＢ８２３（図５）に保存する（Ｓ１００４）。
この処理において、測距データの反射光が判定レベル以下で測距データが取得されなかったとの判定が経時的に発生しているかを検出する。
【００５４】
経時的に反射光が判定レベル以下である状態を検出している場合には、レーザセンサへの反射光において乱反射が発生したと判断し、背景データと測距データとの差分を抽出と、背景ＤＢから背景データの値を読み出してポイントデータに変換したデータである消失点（図示していない）の各消失点座標と、各レーザセンサ座標とを結ぶことによって描かれ、図形ごとに領域ＩＤという固有ＩＤを付与して頂点を求める物体の存在領域を検出して、物体の存在領域を検知する（Ｓ１００５）。
障害物体の存在領域の検知により、障害物体の存在位置を表示装置１８３に表示し、かつ警報装置（図示せず）に対して警告を発信する（Ｓ１００６）。
以上、一実施例について説明したが、本発明は上記実施例に限定されず、更に変形したり応用して実施することができる。
【符号の説明】
【００５５】
１１：監視領域 １２、１２１、１２２：レーザセンサ
１４１：背景Ａ、１４２：背景Ｂ １８：レーザ制御装置 １８０：データ処理部
１８０２：統合部 １８０４：検知部 １８２：ＤＢ １８３：表示装置 １８４：入力装置
２０：障害物 ２９：検索グリッド ６１：検索グリッド ６２：領域Ａ ６３：領域Ｂ
６４：検知結果Ａ ６５：検知結果Ｂ ９０：列車。
【技術分野】
【０００１】
本発明は物体検知システム及び方法に係り、特に、走行する列車に対して障害となる障害物をレーザセンサにより検知し、その検知結果を用いて障害物の存在する位置と大きさを監視する物体検知システム及び方法に関する。
【背景技術】
【０００２】
対象とする領域にレーザレーダを照射して、レーザレーダにより検知された物体との距離情報と走査方向の情報から成る３次元情報を得て、その情報を用いて対象物を識別する物体検知の技術が知られている。
例えば、特許文献１には、１つのレーザレーダを用いて所定の領域及びこれに隣接する周辺領域を走査し、レーザレーダにより検知される距離情報とその走査方向の情報から３次元レーダ情報を求め、３次元レーダ情報から所定の領域及び周辺領域内にある物体が列車であるか否かを識別する検知装置が開示されている。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００５−２１２５５３号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載された技術によれば、１つのレーザセンサを用いて対象物体が列車であるか否かについて識別できるが、監視領域が広範囲に及ぶ場合、１つのレーザセンサでは、測距範囲に限界がある。一方、複数のレーザセンサを用いて測距する場合、レーザセンサどうしの検知タイミングや位置、角度の微妙なズレが生じることがあり、その微少な検知位置の不一致を調整することが重要である。然るに、上記特許文献１には、複数のレーザセンサを用いた場合に生じる微少な検知位置の不一致に対する考慮について記載されていない。
【０００５】
本発明の目的は、複数のレーザセンサから得られる測距データを統合し、複数のレーザセンサ間に生じる微少な検知位置等のズレを解消して、列車走行における障害物体の位置、大きさや形状を認識することができる物体検知システム及び方法を提供することにある。
【課題を解決するための手段】
【０００６】
本発明に係る物体検知システムは、好ましくは、複数のレーザセンサを用いて監視領域を照射して、得られた測距データを用いて軌道線上の列車走行への障害物体を検知する物体検知システムであって、複数のレーザセンサからの複数の座標データを１つにデータ統合する統合部と、監視領域内を、縦横のマス目（グリッド角）に細分化して検索グリットを規定すると共に、該検索グリッドのグリッド角を変更制御するグリッド制御手段と、検知対象の物体とマス目情報との関係を予め登録するＤＢと、予め監視領域における背景データを取得し、これと、経時的に得られる統合された座標データとの比較差分から対象物体の存在位置を検知する機能と、該グリッド制御手段により変更制御される検索グリッドのグリッド角に占める座標データの割合と、該ＤＢに登録される物体の大きさに関するマス目の情報を演算、対照して、物体の大きさや形状を特定する物体検知部と、を有する物体検知システムとして構成される。
【０００７】
好ましい例では、上記物体検知システムにおいて、前記統合部は、複数のレーザセンサからの座標データを複数のレーザセンサの配置を考慮したキャリブレーションを以て統合処理をする機能を有し、
前記物体検知部は、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理と、予め取得される背景データと、経時的に測距して得られる座標データとを比較処理して物体の存在位置を検知する機能を有し、
さらに、予め登録される物体の大きさに関するマス目情報と、前記グリッド制御手段にて監視領域内をマス目に細分化する検索グリッドを設け、グリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する機能とを有する。
【０００８】
本発明に係る物体検知方法は、好ましくは、複数のレーザセンサを用いて監視領域を照射して、得られた測距データを用いて軌道線上の列車走行への障害物体を検知する物体検知方法であって、複数のレーザセンサからの複数の座標データを１つにデータ統合する統合ステップと、監視領域内を、縦横のマス目（グリッド角）に細分化して検索グリットを規定すると共に、該検索グリッドのグリッド角を変更制御するグリッド制御ステップと、検知対象の物体とマス目情報との関係を予めＤＢに登録するステップと、予め監視領域における背景データを取得し、これと、経時的に得られる統合された座標データとの比較差分から対象物体の存在位置を検知し、該グリッド制御により変更制御される検索グリッドのグリッド角に占める座標データの割合と、予め登録される物体の大きさに関するマス目情報とを演算、対照して、物体の大きさや形状を容易に特定する物体検知ステップとを有する物体検知方法として構成される。
【０００９】
好ましい例では、上記物体検知方法において、前記統合ステップでは、複数のレーザセンサからの座標データを複数のレーザセンサの配置を考慮したキャリブレーションを以て統合処理をする統合ステップを有し、
前記物体検知ステップでは、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理と、予め取得される背景データと、経時的に測距して得られる座標データとを比較処理して物体の存在位置を検知する検知ステップを有し、
さらに、予め登録される物体の大きさに関するマス目情報と、グリッド制御ステップにて監視領域内をマス目に細分化する検索グリッドを設け、グリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する処理ステップと、を有する。
【発明の効果】
【００１０】
本発明によれば、軌道線上の物体の測距において、軌道線上に検知される物体を背景データと経時的に測距される測距データを照合することで、物体の存在位置と大きさや形状を認識することができる。とりわけ、列車走行の障害となる物体が存在する場合は、軌道線上の物体の存在位置を絞り込んで検知し、予め設定される検索グリッドを用いてグリッド角に占める座標データの割合を以て、その大きさを特定して、形状を表示することができる。また、監視する物体の大きさについて、有る程度の範囲内に限られる場合は、測距データからレーザセンサからその物体までの距離を計測することができる。
【図面の簡単な説明】
【００１１】
【図１】一実施例による物体検知システムの構成例を示す図。
【図２】実施例１による監視領域の軌道線上に物体を検知した例を示す図。
【図３】実施例１による背景データＤＢ１８２１の記録フォーマットを示す図。
【図４】実施例１による測距データＤＢ１８２２の記録フォーマットを示す図。
【図５】実施例１によるクラスタＤＢ１８２３の記録フォーマットを示す図。
【図６】実施例１によるデータ統合を説明する図。
【図７】実施例１による検知データと検索グリッドによる制御を示す図。
【図８】実施例１における直交座標と角度変換のクラスタ検出処理を示すフローチャート。
【図９】実施例２における監視領域の軌道線上に列車を検知した例を示す図。
【図１０】実施例３におけるレーザセンサを用いた物体検知の処理を示すフローチャート。
【図１１】物体の検知部１８０４におけるグリッド角の制御動作を示すフローチャート。
【図１２】実施例１における物体特定ＤＢ１８２４の記録フーマットを示す図。
【発明を実施するための形態】
【００１２】
以下、図面を参照して本発明の一実施例について説明する。
図１は、軌道線上における障害物体を監視する検知システムの構成を示す。
この検知システムは、監視領域（点線で示す）１１内の物体を監視するために配置された、複数のレーザセンサ１２１、１２２（総称して１２と示すことがある）と、レーザセンサ１２で検知されたデータを処理するレーザ制御装置１８により構成される。
【００１３】
ここで、レーザセンサ１２１はレーザを照射して背景１４２及びその背景の前に在る物体（或いは通過する列車）を検知する。同様にして、レーザセンサ１２２はその走査によって背景１４１及びその背景の前に在る物体（或いは通過する列車）を検知する。各レーザセンサ１２は、監視領域を左周りに０．５°毎に移動させながらレーザ光を照射して、取得した測距データをレーザ制御装置１８に順次経時的に取り込む。
【００１４】
レーザ制御装置１８は、その測距データを用いて軌道線上の物体の位置を算出する処理部１８０と、測距データ及び物体の位置の算出に関連する種々のデータを記憶するデータベース（ＤＢ）１８２と、表示装置１８３、及び入力装置１８４を有して構成される。なお、図示していないが、障害物体が検知された場合に警報を発する警報装置を備えてもよい。
処理部１８０はプロセッサであり、本発明に特有のプログラムをこのプロセッサで実行することで、統合部１８０２及び検知部１８０４の機能が実現される。プログラムは、図示しないメモリ又は記憶装置等に予め記憶されている。
ＤＢ１８２には、背景ＤＢ１８２１（図３）、測距データＤＢ１８２２（図４）、クラスタＤＢ１８２３（図５）、物体特定ＤＢ１８２４（図１２）等の各ＤＢが格納される。
【００１５】
統合部１８０２は、各測距データの位置座標（x，ｙの極座標）を、各レーザセンサの位置を考慮して統合（キャリブレーション）して重ね合わせて１つ統合データを生成する。これにより、レーザセンサ毎のズレ、不一致に寄ることなく、測距データを取得することができる。
【００１６】
検知部１８０４は、統合された測距データを用いて、物体及びその大きさを検出する。即ち、統合部１８０２で１つに統合された背景データと、経時的に測距して得られ、統合された測距データとを比較処理して、その差分から検知された物体のみの座標データを抽出し、このデータを対象に物体の存在位置を検知する。検知部１８０４はまた、物体の位置（座標）検知と、物体検知から連続して物体の大きさ、若しくは形状をグリッド角の大きさを徐々に小さく、例えば、当初グリッド角を５０（ｃｍ）として、物体が検知された場合は、グリッド角を半分２５（ｃｍ）として物体の大きさを算出する。グリッド角のマス目を細かくすることは、画像で言えば解像度を上げる処理と類似した処理となり、これにより物体の大きさ、若しくは表面形状を把握することができる。例えば、グリッド角を、５０（ｃｍ）→２５（ｃｍ）→１０（ｃｍ）→５（ｃｍ）のように制御して、物体の大きさや形状を特定することができる。
なお、統合部１８０２及び検知部１８０４の処理動作については後で詳述する。
【００１７】
背景ＤＢ１８２１は、図３に示すように、複数のレーザセンサ１２を左周りに０．５°毎に移動させながらレーザ光を照射して、監視領域の背景から取得した測距データ即ちレーザセンサと背景との距離データを記憶する。背景に看板や電柱などが存在すると、その部分の距離が距離として反映される。
【００１８】
測距データＤＢ１８２２は、図４に示すように、複数のレーザセンサ１２で同様の測定を行い、得られた測距データを記憶する。背景データに加えて、列車や障害物体を検知した距離データが含まれる。なお、背景ＤＢ１８２１を単独に構成しないで、測距データＤＢ１８２２に併合して構成することもできる。
クラスタＤＢ１８２３は、図５に示すように、距離データと背景データの差分から計算された、物体を示す複数のポイント座標（位置座標）と、そのポイント座標から計算された物体の中心座標（位置座標）を、当該物体毎に付与されたクラスタＩＤに関連つけて記憶する。
【００１９】
物体特定ＤＢ１８２４は、図１２に示すように、検知の対象とする特定物体と検索グリッドのグリッド角サイズ（即ちグリッドのマス数（縦と横のマス数を乗じたもの））の関係を予め登録する。例えば、人物は５０マス×５０マス（１ｃｍ角）が登録される。レーザセンサから得られた経時的な測距データと物体特定ＤＢ１８２４の登録データを照合することで、検知対象の物体が特定される。
【００２０】
次に、統合部１８０２及び検知部１８０４における処理動作について詳細に説明する。
図６は、統合部１８０２におけるデータ統合を概念的に示す。
複数のレーザセンサを用いる場合、各測距データは、各レーザセンサからの物体までの距離を示す座標データとして得られることになる。得られた複数のデータをそのまま重ね合わせたのでは、監視領域内に検知される物体を表示した状態（監視領域内に検知物体を描写した一枚の絵）にはならないことから、各レーザセンサ位置を考慮したデータの統合配置が行われる。
【００２１】
例えば、レーザセンサ１２１から得られた測距データ６０１（物体の大きさα[ｃｍ]）と、レーザセンサ１２２から得られた測距データ６０２（物体の大きさβ[ｃｍ]）について言えば、レーザセンサ１２１と、レーザセンサ１２２の位置から測距される物体の大きさは、それぞれα，β[ｃｍ]である。
実際の物体の大きさがγ[ｃｍ]であった場合、統合部１８０２における統合処理により、正しくγ（＝α＋β）[ｃｍ]として求められ、各レーザセンサを考慮して統合しキャリブレーションから、測距データ６０３（物体の大きさＤ：γ[ｃｍ]）として、その存在位置と大きさにて表示することができる。
これは、背景データ取得においても、経時的に得られる測距データからの物体検知においても検知処理の前段処理として実施されるものである。
【００２２】
検知部１８０４では、統合部１８０２で１つに統合されたデータを、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理を行う。このクラスタ毎（固有ＩＤが付与された）に物体を検知しているので、測距の途切れ（死角や、物体の動きによるものなど）から、再び測距された場合は同一物体として個別ＩＤを引き継ぎ、物体の位置座表を検知する。
【００２３】
図７は、検知データと検索グリッドによる制御を示す。
この物体検知システムでは、先に差分抽出されたデータ（即ち複数のレーザセンサの測距データの合成後の背景データと、複数のレーザセンサから経時的に得られる合成後の測距データの差分データ）７４，７５に、検索グリッド７１〜７３を重ね合わせる（即ち設定されたグリッド角の大きさに、監視領域を細分化する）処理を行うことで、軌道線上にて検知された物体が障害物体であることを認識する。つまり、グリッド角のマス目の大きさを制御することで、物体検知と物体の大きさを特定する。そして、予め想定される物体の大きさをグリッド角サイズにてどの程度かをＤＢに登録しておき、検知したら直ぐにグリッド角にて大きさを計測して、軌道線上の障害物となるか否かを判断する。
【００２４】
監視領域１１は、（保守などの特別な条件を除き）レーザセンサが走査する軌道線上を、列車以外は通過しないことを前提にしている。このため、列車及び許可条件（工事、保守列車などを含む特別条件下）以外に検知した物体は障害物体として認識する。クラスタ処理にて付与される固有のＩＤは、測距におけるデータの途切れ（死角や、物体の動きによるものなど）において、クラスタから同一物体して認識するために用いられる値として用いられる。
【００２５】
検索グリッドのサイズの変更（グリッド角の変更）は、監視領域で検知する対象物体に合わせて監視継続中に、そのサイズを変更して設定することができる。
例えば、当初は、検索グリッド角を２００（ｃｍ）に設定しておき、列車ならば軌道線上に対して、走行方向に長く続く物体として検知される。例えば、検索グリッド角が２００（ｃｍ）の状態で、レーザセンサから見て軌道線上の存在位置に横方向で５００（ｃｍ）（３マス分の検索グリッドにクラスタデータが検知される）を超える物体が検知された場合は、軌道線上に列車が検知されたと認識する。
【００２６】
一方、人物や物体等の障害物ならば経時的な測定で１マスの検知が繰り返される、若しくは、物体が移動する毎に検知されるマス目の位置が移動する可能性があるので、これらを考慮して検索グリッドのサイズを変更制御する。
例えば、当初設定したグリッド角２００（ｃｍ）から、監視領域内においてある物体を検知した場合、グリッド角の大きさを２００（ｃｍ）→５０（ｃｍ）に制御して、対象が人物であると検知する。更に、グリッド角を５０（ｃｍ）→２０（ｃｍ）・・・５（ｃｍ）まで変更制御することで、人物の進入や石などの軌道線上の列車走行の障害となる位置（場所）に存在する物体の大きさや形状を特定することができる。
【００２７】
このように、監視領域で検知された軌道線上の物体について、物体の座標データが占める割合で障害物体の大きさを認識することができる。検索グリッドのサイズを細分化制御することで、物体検知への確からしさ（解像度）が上がり、物体の形状についても認識することが可能となる。
【００２８】
図１１は、物体の検知部１８０４におけるグリッド角の制御動作を示す。
本発明は、軌道線上において列車の走行に障害となる物体を検知する。そこで、検知部１８０４において検知された物体が列車であるかを判定し（Ｓ１１０１）、検知された物体が列車であると判断された場合は、正規の検知物であるため、物体の大きさや形状を特定する必要がなく、正常検知として終了する（Ｓ１１０６）。
【００２９】
物体が列車であると判断されない場合は、障害物体の可能性があるので、物体の大きさや形状を特定する処理を行う（Ｓ１１０２）。その結果、検知した物体の大きさや形状を特定については、グリッド角の制御を行う(Ｓ１１０３)。その場合、少なくとも一度以上、対象検知物体の特定データを記憶する物体特定ＤＢ１８２４の内容と測定されたデータとを比較する（Ｓ１１０４）。その結果、測距データに関係する何れのデータも物体特定ＤＢ１８２４に存在しない、つまり、物体の大きさや形状の特定が不要と判断された場合は、特定不要として終了する（Ｓ１１０２、Ｓ１１０６）。
【００３０】
一方、物体の大きさや形状を特定することが必要な場合、例えば測定当初のグリッド角２００（ｃｍ）から、監視領域内においてある物体を検知した場合、グリッド角を２００（ｃｍ）→５０（ｃｍ）に制御して、検知対象物体を例えば人物と判定する。
ここで、検索グリッドによるグリッド角サイズを制御し、検知物体の大きさから人物を特定する場合の例について説明する。
【００３１】
<例１>人物を検知する例
（a）物体特定ＤＢ１８２４には、特定対象の物体として、人物（１ｃｍ角）が、５０マス×５０マスと登録されている。
（b）この状態で、レーザセンサにより物体が検知され、経時的な測距データから物体の存在位置と、予め設定された検索グリッドサイズからクリッド角のマス数データが得られる。
測距データ（検索グリッド５０ｃｍ角設定）からマス数で５０ｃｍ角：１マス×１マスを取得の場合、縮尺率としてｂ）を５０倍してａ）と対照すると、
（１ｃｍ角：５０マス×５０マス）＝（５０ｃｍ角：５０マス×５０マス）・・・（１）
となることから、検索グリッドの大きさから特定された物体は、人物であることが分かる。
【００３２】
<例２>列車を検知する例
（a）物体特定ＤＢ１８２４には、特定対象の物体として、列車（１ｃｍ角）が、４００マス×４００マス）が登録されている。
（b）測距データ（検索グリッド２００ｃｍ角の設定）からマス数で２００ｃｍ角／２マス×１０マスを取得の場合、縮尺率としてｂ）を２００倍してａ）と対照すると、
（１ｃｍ角：４００マス×４００マス）＝（２００ｃｍ角：４００マス×２０００マス）・・（２）となる。
ここで、列車が特定される場合は、検索グリッド角において、横方向：２００ｃｍ角：２０００マスとなっても、監視領域における物体の大きさを考慮した概念的な判定（物体特定ＤＢ１８２４登録の大きさと合致による物体特定、同ＤＢの大きさを超える物体であることから物体を特定など）を以て、判断することが可能となる。
【００３３】
上記のように、物体特定ＤＢ１８２４に登録されたクリッド角のマス数データと、縮尺率として検索グリッド設定角の値を乗じ、対照することにより物体の特定することができる。ここで用いられる縮尺率は、上記（１）（２）式から、検索グリッド設定角値を乗じることが分かる。
このようにして、グリッド角サイズは制御により変動しても、物体特定ＤＢ１８２４に登録された物体特定基準と縮尺率を用いて照合することで、容易に物体を特定することがでる。
【００３４】
次に、物体の大きさや形状が特定できたかの判断（Ｓ１１０５）において、大きさや形状が特定できないと判断された場合には、再度、ステップＳ１１０２を経由して、上記した処理を繰り返す。即ち、更に、グリッド角を５０（ｃｍ）→２０（ｃｍ）→５（ｃｍ）と段階的に変更して、軌道線上の列車走行の障害となる位置に存在する物体（人物や石など障害物）の大きさや形状を特定する（Ｓ１１０３）。
そして、予め登録される対象検知物体を示す物体特定ＤＢ１８２４の物体の大きさに関する情報と、グリッド角内に存在する物体の座標データが占める割合を以って測定した物体の大きさとを比較する（Ｓ１１０４）。比較の結果、検知された物体が対象検知物体との比較一致から物体の大きさや形状を特定できたと判断すると（Ｓ１１０５）、処理を終了する。
なお、雨、ごみ屑や空中を舞う浮遊物などの物体検知は、一時的に測距されるポイントデータをクラスタ処理にて連続するデータで纏まりとして処理することにより、適切に除去され良好に物体検知をすることができる。
【００３５】
[実施例１]
図２は、監視領域の軌道線上に障害物体を検知した例を示す。
この検知システムにおいて、２つのレーザセンサを使用し、監視領域の軌道線上の障害物体の位置検知と、大きさや形状を特定する例について説明する。
レーザセンサは、直交座標（座標値）と監視領域に対してどの方向を向いているかの水平角度を示し、例えば水平を０°とし、そこから垂直方向にｎ°(０°≦ｎ≦１８０°)まで回転した場合の値を示すものである。
図２に示す例では、背景ＤＢ１８２１（図３）は、角度０．５°毎に取得された背景データ１４２、背景データ１４１、即ちレーザセンサ１２１と背景１４２との距離について、及びレーザセンサ１２２と背景１４１との距離を示す測距データを記憶することになる。
【００３６】
図８は、直交座標と角度変換におけるクラスタ検出の処理を示す。
初期化処理では、レーザセンサの位置設定、監視領域、検索グリッドのサイズ等の各種設定を行う（Ｓ８０１）。
ここで、レーザセンサの位置設定とは、例えば、（Ｓ８０２〜Ｓ８０３での）複数のレーザセンサからの測距データを１つの測距データとして重ね合わせて統合するときに、監視領域を１枚の絵に描写するキャリブレーションをした場合、監視領域に対して各レーザセンサの位置を登録しておくことを意味する。
【００３７】
また、検索グリッドの設定とは、例えば、（Ｓ８０５で）監視領域内を一定の面積を持ったマス目に区切ることを意味し、実施例１〜３においては、監視領域が軌道線上に設けられる場合は、列車か、それ以外の障害物体かを大きさを以て判断できれば良いので、５０（ｃｍ）角程度の検索グリッドが設定される。但し、検索グリッドは、監視領域における検知対象物を予め登録しておくことで、これとの比較により、大きさから物体を容易に特定すること、検索グリッドのサイズ変更により（物体検知への確からしさ）解像度を上げることで、物体の形状を表示することもできる。
【００３８】
背景データ取得処理（Ｓ８０２）では、初期化処理（Ｓ８０１）の後に、軌道線上に背景以外に列車、障害物体が存在しない状態において、背景１４２、背景１４１をレーザセンサ１２１、１２２でそれぞれ取得する。
各レーザセンサから得られる測距データ（この場合は背景データ）は、各レーザセンサの位置を考慮したデータ配置（キャリブレーション）を以て重ね合わせて統合し、背景ＤＢ１８２１（図３）に保存する。
【００３９】
測距データ受信処理（Ｓ８０３）では、監視時間の経過後も、経時的に得られる測距データのレベルについて、認識可能レベルまでのレーザ光が反射されているかを判断し、認識可能レベルの場合は、測距データから物体の形状を、連続する点の集まりの座標値をポイントデータとして連続的に記憶する。この場合のポイントデータは、（角度、距離）データから直行座標系データに変換されたものであり、背景データと差分を減じた、レーザセンサで検出された物体データである。
【００４０】
クラスタ検出処理（Ｓ８０４）では、この測距データから物体の形状を連続する座標値をポイントデータとし、更に、周辺ポイントデータをクラスタと呼ぶ纏まりで固有ＩＤを付与し、その中心座標を求めるクラスタ処理をすることで、軌道線上の物体の存在位置を検知する。
【００４１】
障害物体の判断（物体大きさ特定）の処理（Ｓ８０５）では、検知された障害物体について、監視領域に予め設定される検索グリッドを用いてグリッド角に占める座標データの割合を似て、その大きさを特定する。更に検索グリッドを小さいサイズに設定変更し、物体の形状把握することも可能である。
【００４２】
物体の存在する位置の検知処理（Ｓ８０６）では、クラスタ検出処理（Ｓ８０４）にて、固有のＩＤが付与され、中心座標が求めたクラスタ処理された１つの測距データから対象となる軌道線上の障害物体の存在する位置座標を検知から画面表示処理（Ｓ８０７）へ遷移し、検知物体が列車の場合は、測距データ受信処理（Ｓ８０９）へ遷移する（Ｓ８０６）。
【００４３】
画面表示処理では、上記の処理（Ｓ８０１〜Ｓ８０６）までで求められた、クラスタ処理された中心座標と、物体の存在座標を表示装置に表示する（Ｓ８０７）。また、警報通知処理（Ｓ８０８）では、障害物体検知された場合において、画面表示処理（Ｓ８０７）と共に、警報通知する。
【００４４】
検知終了判定の処理（Ｓ８０９）では、軌道線上の監視領域に（障害）物体が検知されている状態、又は検知を継続する場合は、測距データ受信処理（Ｓ８０４）へ遷移し、物体が検知されなくなった状態、若しくは検知終了を判断する。
【００４５】
本実施例によれば、障害物体が動きを伴う場合においても、検索グリッドにより、一旦、その大きさが特定され、固有ＩＤを付与して監視できた時点で、これをＤＢに記憶するので、連続する物体の動きに対して、固有ＩＤを以て、正確に存在位置、大きさ、若しくは形状を表示することができる。
【００４６】
また、本図に示される軌道線上の物体は、検索グリッドにより物体の大きさが列車と異なるサイズと認識されることで、障害物体検知による画面表示処理（Ｓ８０７）、又は警報通知処理（Ｓ８０８）が実行される。なお、軌道線上に列車を検知した場合における処理については、後述の[実施例２]にて説明する。
【００４７】
複数のレーザセンサどうしの検知タイミングや位置、角度のズレ等により生じる物体位置の微少不一致については、データ統合手段にてレーザセンサ１２１、レーザセンサ１２２による各々の測距データは、各レーザセンサの位置を考慮した配置（キャリブレーション）を以て重ね合わせて統合し、１つの測距データとする。
また、物体の大きさ判断により、予め監視領域で測距対象となる物体を予想し、そのサイズ（目安値）を登録しておき、検索グリッドを以て得られる物体サイズと比較することで、対象物体を判断することができる。
【００４８】
[実施例２]
図９は、監視領域の軌道線上に列車を検知した例を示す。
初期化処理（Ｓ８０１）から軌道線上の物体の存在位置検知（Ｓ８０６）は、前述の[実施例１]に説明される通りである。
障害物体の判断／物体大きさ特定では、列車９０について監視領域に予め設定される検索グリッドを用いてグリッド角に占める座標データの割合を似て、その大きさを特定する。
【００４９】
検知物体の列車判断として、通常の列車は、１両当たりの長さが約２０００（ｃｍ）であり、障害物体を検知するための検索グリッドを、５０（ｃｍ）角，１００（ｃｍ）角、２０００（ｃｍ）角に設定した場合においても、列車は、明らかに大きい（移動方向に対しては長い物体と認識され得る）物体が軌道線上に検知されることから、障害物体ではないと判断する。
軌道線上は、通常、列車の走行が前提であるため、列車以外（保守などの特別な条件を除く）の障害物体を検知した場合は、列車よりも小さい（移動方向に対しては短い物体と認識され得る）サイズの物体が検知されることになる。
検索グリッドは、物体の大きさを容易に特定するためのスケール（定規）としていることから、監視中においても、そのサイズを可変して、物体の確からしいサイズの特定や形状を表示することも可能である。
【００５０】
なお、図９において、レーザセンサの測距により軌道線上の列車までの距離ｄは周知の方法を用いて算出することができる。即ち、軌道線上を走行する列車について（障害物体の検知は除外される）は、監視領域内の監視において、測距する列車までの大きさやその移動方向に一定の条件を設定することで、軌道線上の列車形状を連続する点の集まり（座標値データ）として認識し、これによりレーザセンサから列車までの距離を求めることができる。
【００５１】
[実施例３]
図１０は、レーザセンサを用いた物体検知の動作を示すフローチャートである。
この例は、レーザセンサからの測距結果と、測距データを受信するごとに予め保存した背景データとの比較処理をすることで、物体の存在を検知する。
まず、初期設定として監視領域、監視時間や検知条件をＤＢに保存する（Ｓ１００１）。
背景データ取得をするため、監視領域１１を背景以外が存在しない無人の状態において測距を実施し、測距完了にて背景データを背景ＤＢ１８２１（図３）に保存する（Ｓ１００２）。監視領域が変更、或いは再設定されたときには、この処理を繰り返すことで背景データを更新することができる。
【００５２】
次に、監視領域を監視時間の経過ごとに、経時的に物体までの距離を測距して測距データを取得する。測距データの反射光が判定可能レベルで測距データが取得された場合には、先の処理（Ｓ１００２）で取得した背景データと比較をして、監視領域に存在する物体の形状を連続する点の集まりの座標値として、ポイントデータとして測距データＤＢ１８２２（図４）に保存する。（Ｓ１００３）。
【００５３】
ポイントデータとして測距データＤＢに保存された座標値を近接した周辺データとして纏めて、クラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、中心座標を求めるクラスタ検出処理を行い、結果をクラスタＤＢ８２３（図５）に保存する（Ｓ１００４）。
この処理において、測距データの反射光が判定レベル以下で測距データが取得されなかったとの判定が経時的に発生しているかを検出する。
【００５４】
経時的に反射光が判定レベル以下である状態を検出している場合には、レーザセンサへの反射光において乱反射が発生したと判断し、背景データと測距データとの差分を抽出と、背景ＤＢから背景データの値を読み出してポイントデータに変換したデータである消失点（図示していない）の各消失点座標と、各レーザセンサ座標とを結ぶことによって描かれ、図形ごとに領域ＩＤという固有ＩＤを付与して頂点を求める物体の存在領域を検出して、物体の存在領域を検知する（Ｓ１００５）。
障害物体の存在領域の検知により、障害物体の存在位置を表示装置１８３に表示し、かつ警報装置（図示せず）に対して警告を発信する（Ｓ１００６）。
以上、一実施例について説明したが、本発明は上記実施例に限定されず、更に変形したり応用して実施することができる。
【符号の説明】
【００５５】
１１：監視領域 １２、１２１、１２２：レーザセンサ
１４１：背景Ａ、１４２：背景Ｂ １８：レーザ制御装置 １８０：データ処理部
１８０２：統合部 １８０４：検知部 １８２：ＤＢ １８３：表示装置 １８４：入力装置
２０：障害物 ２９：検索グリッド ６１：検索グリッド ６２：領域Ａ ６３：領域Ｂ
６４：検知結果Ａ ６５：検知結果Ｂ ９０：列車。
【特許請求の範囲】
【請求項１】
複数のレーザセンサを用いて監視領域を照射して、得られた測距データを用いて軌道線上の列車走行への障害物体を検知する物体検知システムであって、
複数のレーザセンサからの複数の座標データを１つにデータ統合する統合部と、
監視領域内を、縦横のマス目（グリッド角）に細分化して検索グリットを規定すると共に、該検索グリッドのグリッド角を変更制御するグリッド制御手段と、
検知対象の物体とマス目情報との関係を予め登録する物体特定ＤＢと、
予め監視領域における背景データを取得し、これと、経時的に得られる統合された座標データとの比較差分から対象物体の存在位置を検知する機能と、該グリッド制御手段により変更制御される検索グリッドのグリッド角に占める座標データの割合と、該物体特定ＤＢに登録される物体の大きさに関するマス目情報とを演算、対照して、物体の大きさや形状を特定する物体検知部と
を有することを特徴とする物体検知システム。
【請求項２】
前記統合部は、複数のレーザセンサからの座標データを複数のレーザセンサの配置を考慮したキャリブレーションを以て統合処理をする機能を有し、
前記物体検知部は、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理と、予め取得される背景データと、経時的に測距して得られる座標データとを比較処理して物体の存在位置を検知する機能を有し、
さらに、予め登録される物体の大きさに関するマス目情報と、前記グリッド制御手段にて監視領域内をマス目に細分化する検索グリッドを設け、グリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する機能と
を有することを特徴とする請求項１の物体検知システム。
【請求項３】
複数のレーザセンサを用いて監視領域を照射して、得られた測距データを用いて軌道線上の列車走行への障害物体を検知する物体検知方法であって、
複数のレーザセンサからの複数の座標データを１つにデータ統合する統合ステップと、
監視領域内を、縦横のマス目（グリッド角）に細分化して検索グリットを規定すると共に、該検索グリッドのグリッド角を変更制御するグリッド制御ステップと、
検知対象の物体とマス目情報との関係を予めＤＢに登録する登録ステップと、
予め監視領域における背景データを取得し、これと、経時的に得られる統合された座標データとの比較差分から対象物体の存在位置を検知し、前記グリッド制御により変更制御される検索グリッドのグリッド角に占める座標データの割合と、予め登録される物体の大きさに関するマス目情報とを演算、対照して、物体の大きさや形状を特定する物体検知ステップとを有することを特徴とする物体検知方法。
【請求項４】
前記統合ステップでは、複数のレーザセンサからの座標データを複数のレーザセンサの配置を考慮したキャリブレーションを以て統合処理をする統合ステップを有し、
前記物体検知ステップでは、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理と、予め取得される背景データと、経時的に測距して得られる座標データとを比較処理して物体の存在位置を検知する検知ステップを有し、
さらに、予め登録される物体の大きさに関するマス目情報と、グリッド制御ステップにて監視領域内をマス目に細分化する検索グリッドを設け、グリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する処理ステップと、
を有することを特徴とする請求項３の物体検知方法。
【請求項１】
複数のレーザセンサを用いて監視領域を照射して、得られた測距データを用いて軌道線上の列車走行への障害物体を検知する物体検知システムであって、
複数のレーザセンサからの複数の座標データを１つにデータ統合する統合部と、
監視領域内を、縦横のマス目（グリッド角）に細分化して検索グリットを規定すると共に、該検索グリッドのグリッド角を変更制御するグリッド制御手段と、
検知対象の物体とマス目情報との関係を予め登録する物体特定ＤＢと、
予め監視領域における背景データを取得し、これと、経時的に得られる統合された座標データとの比較差分から対象物体の存在位置を検知する機能と、該グリッド制御手段により変更制御される検索グリッドのグリッド角に占める座標データの割合と、該物体特定ＤＢに登録される物体の大きさに関するマス目情報とを演算、対照して、物体の大きさや形状を特定する物体検知部と
を有することを特徴とする物体検知システム。
【請求項２】
前記統合部は、複数のレーザセンサからの座標データを複数のレーザセンサの配置を考慮したキャリブレーションを以て統合処理をする機能を有し、
前記物体検知部は、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理と、予め取得される背景データと、経時的に測距して得られる座標データとを比較処理して物体の存在位置を検知する機能を有し、
さらに、予め登録される物体の大きさに関するマス目情報と、前記グリッド制御手段にて監視領域内をマス目に細分化する検索グリッドを設け、グリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する機能と
を有することを特徴とする請求項１の物体検知システム。
【請求項３】
複数のレーザセンサを用いて監視領域を照射して、得られた測距データを用いて軌道線上の列車走行への障害物体を検知する物体検知方法であって、
複数のレーザセンサからの複数の座標データを１つにデータ統合する統合ステップと、
監視領域内を、縦横のマス目（グリッド角）に細分化して検索グリットを規定すると共に、該検索グリッドのグリッド角を変更制御するグリッド制御ステップと、
検知対象の物体とマス目情報との関係を予めＤＢに登録する登録ステップと、
予め監視領域における背景データを取得し、これと、経時的に得られる統合された座標データとの比較差分から対象物体の存在位置を検知し、前記グリッド制御により変更制御される検索グリッドのグリッド角に占める座標データの割合と、予め登録される物体の大きさに関するマス目情報とを演算、対照して、物体の大きさや形状を特定する物体検知ステップとを有することを特徴とする物体検知方法。
【請求項４】
前記統合ステップでは、複数のレーザセンサからの座標データを複数のレーザセンサの配置を考慮したキャリブレーションを以て統合処理をする統合ステップを有し、
前記物体検知ステップでは、物体の形状を連続する座標点であるポイントデータとし、これの周辺ポイントデータをクラスタと呼ぶ纏まりで区別して固有のＩＤを付与し、その中心座標を求めるクラスタ処理と、予め取得される背景データと、経時的に測距して得られる座標データとを比較処理して物体の存在位置を検知する検知ステップを有し、
さらに、予め登録される物体の大きさに関するマス目情報と、グリッド制御ステップにて監視領域内をマス目に細分化する検索グリッドを設け、グリッド角に占める座標データの割合を演算、対照して物体の大きさや形状を特定する処理ステップと、
を有することを特徴とする請求項３の物体検知方法。
【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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【公開番号】特開２０１２−４６０６２（Ｐ２０１２−４６０６２Ａ）
【公開日】平成２４年３月８日（２０１２．３．８）
【国際特許分類】
【出願番号】特願２０１０−１８９５６７（Ｐ２０１０−１８９５６７）
【出願日】平成２２年８月２６日（２０１０．８．２６）
【出願人】（３９００２１５７７）東海旅客鉄道株式会社 (413)
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【出願人】（０００２３３２９５）日立情報通信エンジニアリング株式会社 (195)
【Ｆターム（参考）】
【公開日】平成２４年３月８日（２０１２．３．８）
【国際特許分類】
【出願日】平成２２年８月２６日（２０１０．８．２６）
【出願人】（３９００２１５７７）東海旅客鉄道株式会社 (413)
【出願人】（０００００５１０８）株式会社日立製作所 (27,607)
【出願人】（０００２３３２９５）日立情報通信エンジニアリング株式会社 (195)
【Ｆターム（参考）】
[ Back to top ]