物体認識装置
【課題】 少ない演算量で、非検出対象のデータが混在しても安定して移動体周辺の物体の形状を認識することができ、両者の配置関係を求めて、この配置関係を良好に報知することのできる物体認識装置を提供する。
【解決手段】 移動体周辺に存在する物体を認識する物体認識装置であって、物体の表面形状情報を検出する物体検出手段１と、表面形状情報を構成する標本群から任意に抽出した標本に基づいて定めた形状モデルに対する標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段２と、物体検出手段１及び形状認識手段２の検出及び認識結果に基づいて、移動体と物体との相対的な配置関係を演算する相対配置演算手段３と、この相対配置演算手段３の演算結果に基づいて、配置関係についてディスプレイへの表示又は音声により報知する報知手段５と、を備える。
【解決手段】 移動体周辺に存在する物体を認識する物体認識装置であって、物体の表面形状情報を検出する物体検出手段１と、表面形状情報を構成する標本群から任意に抽出した標本に基づいて定めた形状モデルに対する標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段２と、物体検出手段１及び形状認識手段２の検出及び認識結果に基づいて、移動体と物体との相対的な配置関係を演算する相対配置演算手段３と、この相対配置演算手段３の演算結果に基づいて、配置関係についてディスプレイへの表示又は音声により報知する報知手段５と、を備える。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、移動体周辺に存在する物体の輪郭形状を認識し、移動体と物体との相対的な配置関係を求めて、この配置関係について視覚的に、又は音声により報知する物体認識装置に関する。
【背景技術】
【０００２】
このような装置としては、下記に示す特許文献１に記載されたような障害物検知装置がある。この装置は、車両（移動体）の周辺に存在する障害物を検知して警報を発するものである。この発明は、従来の装置が、単に車両と障害物との距離だけを測定して所定距離よりも短い場合にのみ、警報を発するように構成されているのに対してなされたものである。即ち、距離に基づく警報だけでは、運転者にとって車両の周りのどの物体が障害物か判り難いという問題に鑑みてなされたものである。これによると、車両に複数の障害物検知センサを搭載し、障害物までの距離を演算する。これら得られた演算結果より障害物の形状が直線（平板形状）か円形（凸面形状）かを推定して表示する。このように構成することにより、障害物との距離と、障害物の形状とを利用して報知している。
【０００３】
【特許文献１】特開２００３−１９４９３８号公報（第２−３頁、第１−７図）
【発明の開示】
【発明が解決しようとする課題】
【０００４】
上記公知技術は、障害物の形状までも推定する点において、利用者にとって有益なものである。しかし、実際の計測においては、検出対象の物体（障害物）以外を検出した検出データが混在することが多い。そして、検出対象物以外の検出データは、ノイズ成分として作用するため、検出対象物の形状推定に際して誤認の原因となることが考えられる。即ち、障害物等の検出対象となる物体を検出する際の安定性が充分とはいえない。また、一般にこのようなノイズ除去の機能を具備すれば、演算量が増え、それに伴って処理時間の増大や装置の大規模化を招くことになる。
【０００５】
本願発明は上記課題に鑑みてなされたもので、少ない演算量で、非検出対象のデータが混在しても安定して移動体周辺の物体の形状を認識することができ、両者の配置関係を求めて、この配置関係を良好に報知することのできる物体認識装置を提供することを目的としている。
【課題を解決するための手段】
【０００６】
この目的を達成するための本発明に係る移動体周辺に存在する物体を認識する物体認識装置の特徴構成は、
前記物体の表面形状情報を検出する物体検出手段と、
前記表面形状情報を構成する標本群から任意に抽出した標本に基づいて定めた形状モデルに対する前記標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段と、
前記物体検出手段及び前記形状認識手段の検出及び認識結果に基づいて、前記移動体と前記物体との相対的な配置関係を演算する相対配置演算手段と、
この相対配置演算手段の演算結果に基づいて、前記配置関係についてディスプレイへの表示又は音声により報知する報知手段と、
を備える点にある。
【０００７】
この特徴構成によれば、物体検出手段が物体の表面形状情報を検出し、この表面形状情報に基づいて、形状認識手段が物体の輪郭形状を認識する。ここで、表面形状情報とは、移動体から見た物体の表面の形状を示す情報である。電波や超音波等を用いた反射型のセンサを用いてもよいし、可視光や赤外光等を利用して画像データを得るイメージセンサ、カメラ（動画、静止画を問わず）を用いてもよい。
【０００８】
形状認識手段は、上記種々の物体検出手段より得られた標本群より、輪郭形状を認識する。ここで、標本群とは、表面形状情報を構成する個々のデータの集合体のことをいう。個々のデータとは、例えば、反射型のセンサを用いた場合には、障害物の各場所で反射された信号を受信して得られた各場所に対応した情報である。画像データを利用した場合には、エッジ抽出、三次元変換等の種々の画像処理により得られたデータを用いることができる。このように、形状認識手段の種類に依らず、物体の表面形状を表すデータを標本として扱い、この標本の集合体を標本群と称する。
【０００９】
形状認識手段は、この標本群より任意に（ランダムに）いくつかの標本を抽出して、抽出した標本に基づいて形状モデルを定める。この形状モデルを定めるに際しては、抽出した標本より幾何学的に算出してもよいし、予め複数のテンプレートを用意して最適なものに当てはめる方法を用いてもよい。そして、標本群全体がこの形状モデルに対して、どの程度一致するかの一致度を演算する。この演算結果に基づいて、具現化された形状モデルが標本群に適合するものか否かを判定する。
【００１０】
即ち、任意に抽出した標本にノイズ性の標本が含まれていた場合には、定めた形状モデルと標本群との一致度は低くなる。従って、この形状モデルは標本群に適合しないと判定できる。ノイズ性の標本を含まずに形状モデルを定めた場合には、一致度は高くなる。従って、形状モデルは標本群に適合すると判定できる。このように、少ない演算量で、ノイズ性の標本を除去して対象となる物体の輪郭形状を認識することができる。
【００１１】
形状認識手段は、標本群よりも遥かに少ない標本数である、任意に抽出された標本より形状モデルを定めている。従って、標本の抽出や形状モデルを定める際に必要となる演算量は少ない。そのため、演算時間も短く、装置も大規模化しない。また、形状モデルに対する標本群の一致度は、各標本の空間上の座標を用いて、幾何学的に演算することができる。従って、この一致度の演算も少ない演算量で行うことができる。さらに、これらの演算量が少ないことより、繰り返し異なる形状モデルを定めて一致度を演算しても総演算量の増大を抑制することができる。その結果、高い精度で輪郭形状を認識することができる。
【００１２】
上述したように、本発明によれば対象となる物体の輪郭形状を安定して得ることができる。そして、表面形状情報を得るに際して、物体検出手段と物体との距離や位置関係も情報として取得できている。移動体における物体検出手段の配置場所は既知であり、移動体の外形形状も既知である。従って、認識した輪郭形状等を用いて、移動体の各場所と物体の各場所との相対的な配置関係を演算することができる。その結果、相対的な配置関係より、移動体のどの部分と物体のどの部分とが接近しているか等を容易に知ることができる。そして、これをディスプレイへの表示や音声により、報知するようにしている。従って、移動体の操作者や監督者は、自分が想定しているよりも接近しているか否か等、物体との関係を知ることができる。
【００１３】
このように、本特徴構成によれば、少ない演算量で、非検出対象のデータが混在しても安定して移動体周辺に存在する物体の形状を認識すると共に、移動体と物体との相対配置関係を報知することができる。
【００１４】
ここで、前記物体検出手段が、前記物体の表面と前記移動体との距離に基づいて前記表面形状情報を検出するものであると好適である。
【００１５】
対象となる物体の輪郭形状が、移動体からの遠近に関する形状、例えばいわゆる奥行きであるような場合、表面形状情報を物体と移動体との距離に基づいて検出すると好適である。このような場合、ノイズ性の標本が含まれない場合には、距離に基づいて検出された表面形状情報は、ほぼ認識したい輪郭形状を表す標本群となる。これにノイズ性の標本が含まれた場合でも、ノイズ性の標本を除去できれば、残った標本群はほぼ認識したい輪郭形状を示すものとなる。上述したように本発明によれば、形状モデルと標本群との一致度の演算により良好にノイズ性の標本を除去できる。従って、物体検出手段が物体の表面と移動体との距離に基づいて表面形状状態を検出するものであると、安定且つ正確な物体認識が可能となる。
【００１６】
尚、前記表面形状情報が前記物体の外形輪郭を表すものであると好適である。
認識の対象となる物体は、壁等の平坦なものに限らず、段差を持つような場合もある。段差とは、車両のバンパー部とフロントやリヤのウィンドウ部、階段等である。外形輪郭は、物体の有するこのような段差を含め、その外側、即ち外形を示す表面形状である。物体と物体検出手段とが最も近い距離、即ち物体が物体検出手段側に突出した部分だけしか検出できなければ、バンパー部や階段の最下段のみが検出される。しかし、移動体が物体に対して突出した部分は、必ずしも物体が移動体側に突出した部分と一致しているとは限らない。移動体の利用者（監督者）は移動体の一部分と物体の一部分とが、過度に接近しないように操作又は監督することを望む。従って、場合によっては、認識したい輪郭形状は、物体が車両であれば、バンパー部に限らず、ウィンドウ部である場合もある。階段等の場合も同様である。従って、表面形状情報は単に対象となる物体が移動体側に最も突出した部分だけを対象とはせず、対象となる物体の種々の場所を対象とすることが好ましい。対象となる物体の外形輪郭を表す表面形状情報を得ることにより、用途に応じて、種々の場所に対する輪郭形状を認識するようにすると好ましい。
【００１７】
さらに、前記相対配置演算手段が、前記移動体の移動状態を検出する移動状態検出手段の検出結果に基づいて前記配置関係を演算すると共に、この配置関係に基づいて前記移動体と前記物体との接近度合いを判定する判定手段を備えると好適である。
【００１８】
移動状態検出手段によって移動体の移動状態を検出すると、近未来の移動体の位置を推定することができる。従って、移動状態検出手段の検出結果に基づいて、現在に留まらず未来の、物体と移動体との配置関係を演算することができる。既に両者の配置関係により、物体と移動体との各部分の接近度合いが知られているので、移動体の移動によりこの接近度合いの変化を演算することができる。その結果、移動体と物体との各部分の接近度合いを事前に予測することが可能となる。そして、この接近度合いを判定すると、例えば移動体と物体とが過度に接近したような場合に、迅速な対応が可能となる。
【００１９】
ここで、さらに、前記判定手段により判定された前記接近度合いに基づいて、前記移動体の移動速度及び旋回方向の一方又は双方を制御する移動制御手段を備えると好適である。
【００２０】
既に説明したように接近度合いを判定すると、例えば移動体と物体とが過度に接近したような場合に、迅速な対応につなげることができる。この対応として、上記のように、移動体の移動速度及び旋回方向の一方又は双方を制御するようにすると、好ましい。即ち、移動速度を制御すれば、過度に物体に接近する移動体の接近速度を遅くすることや、接近を停止することができる。また、旋回方向を制御すれば、物体に接近しない方向へ移動方向を変更することができる。
【００２１】
本発明に係る物体認識装置の前記物体検出手段が、前記移動体の移動に伴って前記物体の前記表面形状情報を検出するものであると好適である。
【００２２】
移動体の移動に伴って物体の表面形状情報を検出するように構成すると、移動体の移動方向に合わせて物体を検出することとなり、効率的な検出が可能となる。また、例えば物体検出手段を一方向に向けた固定的なセンサ（例えば、シングルビームセンサ）で構成することもできる。即ち、固定的に一方向しか検出できない物体検出手段であっても、移動体が動くことによって広い範囲を走査することができる。
【００２３】
また、前記物体検出手段が、前記移動体の移動に拘らず前記物体に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づいて前記物体の前記表面形状情報を検出するものであると好適である。
【００２４】
この構成によれば、移動体が停止状態にあっても、広い範囲を走査して物体を検出することができる。その結果、例えば停止している移動体が移動を開始する際に物体の有無等の周囲の状況を考慮することができる。
【発明を実施するための最良の形態】
【００２５】
〔第一実施形態〕
以下、本発明の好適な実施形態を、車両が他の車両を認識する場合を例として、図面に基づいて説明する。図１に示すように、移動体としての車両１０には、側方に向けた距離センサ１（物体検出手段）が搭載されている。この距離センサ１は、例えばポイントセンサ、即ち、シングルービームセンサや超音波を利用したソナー等である。そして、車両１０は、駐停車中の他の車両２０（以下、駐車車両と称す。）のそばを図示Ｘ方向へ通過する際に、距離センサ１によって駐車車両２０までの距離を計測する。駐車車両２０は本発明の物体に相当するものである。尚、図１には、簡略のため、車両１０の左側方にのみ距離センサ１を設けているが、当然両側方に設けていてもよい。
【００２６】
距離センサ１は、車両１０の移動に応じて駐車車両２０との距離を計測する。このようにして得られた駐車車両２０の表面形状情報は、車両１０の移動距離に応じた離散的なデータである。尚、車両１０の「移動距離に応じて」には、「所定時間間隔に応じて」の意味も含むものである。例えば、車両１０が等速で移動する場合には、所定時間間隔に応じて計測すれば、移動距離に応じて測定することになる。移動体１０の移動速度、移動距離、移動時間は、線形的に定まる。従って、結果として概ね均等に表面形状情報を得ることができる方法であれば、どのような方法を用いてもよい。このようにして、車両１０は物体の表面形状情報を取得する（物体検出工程）。
【００２７】
尚、距離センサ１は移動時間を計測するタイマ、移動距離を計測するエンコーダ、移動速度を計測する回転センサ等の付随するセンサを備えていてもよい。また、これらセンサを別に備え、情報を得るようにしていてもよい。
【００２８】
図２は、本発明の第一実施形態に係る物体認識装置の概略ブロック図である。図２において、形状認識部２（形状認識手段）は、マイクロコンピュータ２Ａ等の電子回路によって構成されている。形状認識部２内の各処理部は、必ずしも物理的に異なる電子回路を示すものではなく、機能としての処理部を示すものである。例えば、異なるプログラムを同一のＣＰＵによって実行することにより、異なる機能を得るような場合も含むものである。
【００２９】
図２に示すように距離センサ１によって測定された表面形状情報は、形状認識部２に入力される。入力された表面形状情報は、図１に示すＸ方向及びＹ方向を軸とする二次元平面にマッピングされて、標本記憶部２ａに記憶される。この標本記憶部２ａは、メモリで構成されている。本実施形態においては、マイクロコンピュータ２Ａに内蔵する形態を示している。勿論、マイクロコンピュータ２Ａとは別体のメモリを用いて、いわゆる外付けの形態としていてもよい。また、内蔵、外付けを問わず、レジスタ、ハードディスク等、他の記憶媒体を用いてもよい。
【００３０】
マイクロコンピュータ２Ａ内には、上記の他、相対配置演算部３（相対配置演算手段）を備えている。詳細は後述するが、上述したように車両１０から見た駐車車両２０の輪郭形状の認識に際して、距離センサ１を用いて駐車車両２０の表面形状情報を取得している。従って、車両１０と駐車車両２０との距離情報も同時に得ることができている。相対配置演算部３は、この距離情報と、輪郭形状とを用いて、車両１０と駐車車両２０との相対配置を演算するものである。
【００３１】
ここで、相対配置とは、車両１０の各部と駐車車両２０の各部との相対位置である。車両１０の外形形状は、自己の形状であるため、既知である。そして、車両１０から見た駐車車両２０の輪郭形状は、下記に詳述する方法により良好に認識できる。これらにより、相対配置演算部３において図１０に示すように車両１０と駐車車両２０との相対配置を演算する。尚、図１０では理解を容易にするために、駐車車両２０全体を点線で示しているが、実際には認識された輪郭形状Ｅと、車両１０との相対配置を演算する。勿論、他の場所も含めて輪郭形状Ｅを認識している場合には、全ての相対配置を演算することができる。
【００３２】
そして、この相対配置は、ディスプレイ５ａ等の報知手段５に表示される。ディスプレイ５ａには、ナビゲーションシステム等のモニタを兼用することができる。ディスプレイ５ａへの表示（報知）に際しては、車両１０の外形と、認識した輪郭形状Ｅとを表示する。あるいは、輪郭形状Ｅに基づいて駐車車両２０の全体をイラストとして表現し、車両１０と駐車車両２０との相対配置関係を表示してもよい。
【００３３】
また、上記のように視覚的に表示することによる報知に限らず、音声（音響を含む）により報知してもよい。この音声は、ブザー５ｂや、チャイム等によって発することができる。また、ナビゲーションシステムには音声ガイドの機能を備えているものもある。従って、モニタの利用と同様、この音声ガイドの機能を兼用するようにしてもよい。
【００３４】
以下、物体検出工程と、それに続いて物体の輪郭形状を認識する形状認識工程と、の詳細について説明する。
【００３５】
初めに、物体検出工程について説明する。図３に示すように、距離センサ１によって駐車車両２０上の表面形状情報Ｓが計測される。表面形状情報は、本実施形態において駐車車両２０のバンパー部の外形形状に沿った形で離散的に得られた計測データである。ここで、これら離散的に得られたデータの一群を標本群Ｓ（ラージエス）と称する。標本群Ｓは、輪郭形状の認識対象となるデータセットである。また、データセットを構成する一点一点のデータを標本ｓ（スモールエス）と称する。
【００３６】
標本群Ｓは、標本記憶部２ａの中で、図４に示すようにＸＹの二次元直交座標上にマッピングされる。尚、説明を容易にするため、図中には全ての標本ｓを示していない。図４に示した標本中、黒点で示す標本ｓをインライア、白抜き点で示す標本ｓをアウトライアと称する。図中、標本ｓ１、ｓ１３等はインライアであり、標本ｓ２、ｓ７、ｓ１０はアウトライアである。詳細は後述するが、インライアは駐車車両２０の輪郭形状を構成する標本である。アウトライアは駐車車両２０の輪郭形状から外れたいわゆるノイズ性の標本である。
【００３７】
以下、図７に示すフローチャートも利用して、得られた標本群Ｓより、駐車車両２０の輪郭形状を認識する手順（形状認識工程）について説明する。
【００３８】
標本抽出部２ｂは、標本群Ｓ（標本ｓ１〜ｓ１３）より任意の標本ｓｉ（ｉは標本番号）を数点抽出する（標本抽出工程、図７＃１）。どの標本ｓを抽出するかについてはランダムに定まる。好適には乱数を用いる。例えば、マイクロコンピュータ２Ａに乱数発生器（不図示）を設け、発生した乱数を標本番号とする標本ｓｉを抽出する。あるいは、マイクロコンピュータ２Ａが実行する乱数発生プログラムによって標本番号を定めてもよい。
【００３９】
また、抽出する標本数は、認識したい対象形状によって異なる。例えば直線の認識をする場合には２点であり、二次曲線であれば５点である。本実施形態においては、駐車車両２０のバンパー形状を二次曲線に近似し、５点を抽出する。このようにして抽出された個々のデータ、標本ｓの集合は、データセットに対応する概念としてのサブセットである。
【００４０】
続いて、このサブセット（ランダムに抽出した標本ｓの集合体）に基づいて形状モデル設定部２ｃが形状モデルを定める（形状モデル設定工程、図７＃２）。
【００４１】
図５は、図４の散布図に示す標本群Ｓから任意に抽出した標本ｓｉより定めた形状モデルＬ（第一の形状モデルＬ１）と標本群Ｓとの一致度を演算する説明図である。この第一の形状モデルＬ１は、標本ｓ１、ｓ５、ｓ８、ｓ１１、ｓ１３の５つの標本ｓに基づいて定められたものである。この形状モデルＬは、演算負荷の軽い線形計算により容易に求めることができる。または、予め数種類のテンプレート形状を用意しておき、これらテンプレート形状の中より最適なものを選択するようにして定めてもよい。
【００４２】
また、図５に示すように、形状モデルＬの接線に対して直交する両方向に所定距離離れた点を形状モデルＬに沿って結び、点線Ｂ１及びＢ２を定める。この点線Ｂ１及びＢ２に挟まれた部分が有効範囲Ｗとなる。
【００４３】
次に、一致度演算部２ｄにおいて、定めた形状モデルＬと、標本群Ｓとの一致度を演算する。具体的には、上記のように定めた有効範囲Ｗの中に、標本群Ｓを構成する各標本ｓｉが、どの程度含まれるかによって一致度を算出する（一致度演算工程、図７＃３）。
【００４４】
図５に示した第一の曲線モデルＬ１に対する有効範囲Ｗの中には、標本ｓ２、ｓ７、ｓ１０のアウトライアを除く全ての標本ｓが含まれている。従って、第一の形状モデルＬ１の標本群Ｓに対する一致度は、７７％（１０／１３）となる。つまり、第一の形状モデルＬ１は、標本群Ｓを構成する各標本ｓにより、高い支持率（７７％）で合意（コンセンサス）を得たということができる。
【００４５】
次に、主演算部２ｅにおいて、この一致度が所定のしきい値を超えているか否かを判定する（判定工程、図７＃４）。そして、しきい値を超えている場合には抽出したサブセットより定めた形状モデル（第一の形状モデルＬ１）を認識結果として認定する（認定工程、図７＃５）。即ち、第一の形状モデルＬ１を輪郭形状とする。例えば、しきい値が、７５％と設定されているような場合には、第一の形状モデルＬ１を輪郭形状とする。しきい値を超えていない場合には、図７のフローチャートの処理＃１に戻り、再度、別の標本ｓを抽出して新たなサブセットを構成し、同様の処理を行う。複数回処理＃１〜＃４を繰り返してもしきい値を超えないような場合には、対象となる物体（駐車車両２０等）が無い、と判断する。この回数は、予め規定しておけばよい。
【００４６】
尚、本実施形態においては、理解を容易にするために標本群Ｓを構成する標本ｓの総数を１３ケとしている。しきい値の値（７５％）も、本実施形態の説明を容易にするための値である。従って、標本数、一致度の判定しきい値共に、本発明を限定する値ではない。例えば、標本数が多ければ、アウトライアに対するインライアの数は相対的に多くなり、上記の例よりも高いしきい値を設定することもできる。
【００４７】
図６に示した形状モデルＬ（第二の形状モデルＬ２）では、サブセットとして標本ｓ２、ｓ４、ｓ７、ｓ１０、ｓ１３が抽出されている。上述したように標本ｓ２、ｓ７、ｓ１０は、駐車車両２０の輪郭形状から外れたいわゆるノイズ性の標本である。従って、駐車車両２０の輪郭形状から見た場合には、アウトライアとなるべき、標本である。そのため、図６に示すように、これらの標本ｓ２、ｓ７、ｓ１０を含むサブセットに基づいて定められた第二の形状モデルＬ２に対する有効範囲Ｗから外れる標本ｓが多数存在する。第一の形状モデルＬ１と同様の方法により一致度を演算すると、その一致度は３８％（５／１３）となる。つまり、第二の形状モデルＬ２は、標本群Ｓを構成する各標本ｓにより、高い支持率で合意（コンセンサス）を得られていないということになる。
【００４８】
上記２つの形状モデルＬ１及びＬ２が抽出されるような場合、認識結果となる輪郭形状は第一の形状モデルＬ１となる。第一の形状モデルＬ１を定めるに際しては、ノイズ性の標本ｓである標本ｓ２、ｓ７、ｓ１０は、未使用である。これらノイズ性の標本は、アウトライアとして扱われ、除去されたこととなる。即ち、上記説明したような少ない演算量で、非検出対象のデータ（アウトライア）が混在してもこれを除去し、安定して物体の形状を認識することができる。
【００４９】
このような方法を用いず、標本Ｓより輪郭形状を算出する方法は従来、種々提案されている。その一つは、最小自乗法である。最小自乗法では、データセットの全ての標本ｓを用いて、夫々の標本ｓが同一の重みとなって形状が計算される。その結果、上述したアウトライア（標本ｓ２等）の影響を受けて、本来とは異なった輪郭形状を認識する。輪郭形状を認識した後に、データセット全体との一致度を再確認することも可能ではある。しかし、最小自乗法自体の演算負荷が比較的重い上、この再確認の結果により繰り返し最小自乗法による形状認識を行うとさらに演算負荷を重くすることになる。
【００５０】
また別の方法として、特に直線の認識に好適なハフ（Hough）変換を利用する方法もある。ハフ変換はよく知られているように、直交座標（例えばＸＹ平面）上に存在する直線は、極座標（ρ−θ空間）上では１点で交差する、という性質を利用したものである。その変換式は、
ρ＝Ｘ・cosθ ＋ Ｙ・sinθ
である。上記式より、理解できるように極座標空間でρやθの範囲を広げたり、細かい分解能を得たりしようとすると、それだけ演算量が増大する。つまり、一次記憶手段としての、メモリは大容量が要求され、計算回数も多くなる。
【００５１】
これら従来の演算に比べ、本発明の「表面形状情報を構成する標本群Ｓから任意に抽出した標本ｓに基づいて定めた形状モデルＬに対する標本群Ｓの一致度を演算する」方法は、演算量が少なく、必要となるメモリ容量も少ない。
【００５２】
〔第二実施形態〕
上記説明においては、形状モデルＬと標本群Ｓとの一致度を調べ、この一致度が所定のしきい値を超えていれば、その形状モデルＬを認識結果とする。つまり、最先にしきい値を超えた形状モデルＬがそのまま認識結果となる。これに限らず、単にしきい値を超えただけで直ちにその形状モデルＬを認識結果とはせず、複数個の形状モデルＬを評価するようにしてもよい。具体的な手順については、以下に説明する。
【００５３】
図８は、図４の散布図に示す標本群から輪郭形状を認識する第二の方法を説明するフローチャートである。この第二の方法では、サブセットを複数回抽出して形状モデルＬを定め、その中で最も一致度の高かった形状モデルＬを認識結果とするようにしている。以下、図８に基づいて、第二の方法について説明する。但し、処理＃１〜＃４は第一の方法である図７に示したフローチャートと同様であるので、説明を省略する。
【００５４】
本第二の方法では、サブセットを複数回繰り返して抽出するので、繰り返し回数を一時記憶する。形状認識工程の開始に当たって、まず初めにこの一時記憶する繰り返し回数をクリアする（初期化工程、図８＃０）。以下、第一実施形態と同様に、標本抽出工程（＃１）にて、標本群Ｓよりランダムに標本ｓを抽出してサブセットを作る。次に、形状モデル設定工程（＃２）にて、このサブセットに基づいて形状モデルＬを定める。そして、一致度演算工程（＃３）にて、形状モデルＬと標本群Ｓとの一致度を演算し、判定工程（＃４）にて、一致度が所定のしきい値を超えているか否かを判定する。
【００５５】
判定の結果、しきい値を超えていた場合には、先に定めた形状モデルＬとこの形状モデルＬに対する一致度を一時記憶部（不図示）に記憶する（記憶工程、＃４１）。そして、一つの形状モデルＬに対する評価が完了したので、繰り返し回数をインクリメントする（計数工程、＃４２）。判定の結果、しきい値を超えていなかった場合には、記憶工程（＃４１）を飛ばして、繰り返し回数をインクリメントする（＃４２）。
【００５６】
次に、繰り返し回数が所定の回数に達したか否か（超えたか否かでもよい）を判定する（離脱判定工程、＃４３）。所定の回数に達していなければ、標本抽出工程（＃１）に戻り、以下判定工程（＃４）までを行って、新たな形状モデルＬの評価を行う。所定の回数に達していた場合には、記憶されている形状モデルＬの内、最も一致度の高かった形状モデルＬを選択し、これを認識結果としての輪郭形状とする（認定工程、＃５１）。ここで、判定工程（＃４）において一致度のしきい値を超えたものが一つも無かったような場合には、認定工程（＃５１）において該当無しと判断する。
【００５７】
このように、図７に示す第一の方法、図８に示す第二の方法共に、サブセットに基づいて定めた形状モデルＬを輪郭形状と認定している。一般に少ない標本数に基づいて定めた形状モデルＬは、正確な輪郭形状を再現するものではない、とも考えられる。しかし、本発明においては、形状モデルＬと標本群Ｓの全標本との一致度を評価している。従って、形状モデルＬはほぼ正確に輪郭形状を再現（認識）できていると考えてよい。このように、サブセットを構成する少ない標本数から定めた形状モデルＬが輪郭形状を再現できることは、演算量の削減に大きく貢献している。
【００５８】
上述したように、形状モデルＬをそのまま認識結果として輪郭形状と認定することは、演算量の削減に大きく貢献する。しかし、本発明はこれに限定されるものではない。マイクロコンピュータ２Ａ等、演算手段の能力に余裕のある場合などでは、輪郭形状を再計算してもよい。
【００５９】
例えば、一致度がしきい値を超えた形状モデルＬを基準とすれば、標本群Ｓを構成する標本ｓの夫々をインライア、アウトライアとして定義することができる。認定工程では、このインライア、アウトライアを認定する。そして、インライアと認定された全ての標本ｓを対象として最小自乗法等を用いて形状を再計算する（再計算工程）。上述したように最小自乗法ではノイズ性の標本ｓの影響を受けて、形状を正しく再現できない場合がある。しかし、この再計算工程においては、ノイズ性の標本ｓはアウトライアとして除去されているため、正確な輪郭形状の再現が可能となる。
【００６０】
〔第三実施形態〕
図９は、本発明の第三実施形態に係る物体認識装置の概略ブロック図である。 図９に示すように、車輪速センサ４ａや舵角センサ４ｂ等、車両１０の移動状態を検出する移動状態検出手段４からの入力情報を加味すれば、近未来の相対配置を演算することもできる。つまり、輪郭形状Ｅが認識された現在の相対配置（図１０参照）に留まらず、将来の相対配置関係を推定（予測）することができる。
【００６１】
車輪速センサ４ａは、車両１０の各車輪部（前方右ＦＲ、前方左ＦＬ、後方右ＲＲ、後方左ＲＬ）に備えられたセンサである。これは例えば、ホールＩＣを利用した回転センサである。舵角センサ４ｂは、車両１０のステアリングの回転角度やタイヤの回動角度を検出するセンサである。あるいは、前述の車輪速センサ４ａの各車輪部での計測結果（左右の車輪の回転数や回転速度の違い）に基づいて舵角を演算する演算装置であってもよい。
【００６２】
これらのセンサにより検出した移動状態を加味して、現在及び未来における車両１０と駐車車両２０の輪郭形状Ｅとの相対位置関係を演算する。舵角センサ４ｂによって進行方向を推定し、車輪速センサ４ａによって進行速度を推定する。そして、車両１０の予想軌跡や、駐車車両２０の輪郭形状Ｅと車両１０との数秒後の相対配置関係を演算する。
【００６３】
図１１は、車両１０と駐車車両２０の輪郭形状Ｅとの相対配置関係の一例を示している。符号１０Ａは車両１０の近未来の位置である。ここでは、移動する軌跡により、車両１０の一部と、駐車車両２０の輪郭形状Ｅとが、干渉する例を示している。輪郭形状Ｅと干渉するということは、車両１０と駐車車両２０とが接触する可能性を示しているといえる。
【００６４】
そして、上述したようにこの相対配置や軌跡をディスプレイ５ａやブザー５ｂ、音声ガイド等の報知手段５を介して報知することができる。また、図１１に示すように輪郭形状Ｅと、移動軌跡とが干渉するような場合には、注意や警告を促す報知を行うこともできる。さらに、ステアリング制御部６ａやブレーキ制御部６ｂ等の移動制御手段６によって干渉を防止することができる。つまり、ステアリング制御部６ａで移動方向を変更したり、ブレーキ制御部６ｂで速度を低下させたりすることにより、未来の干渉、即ち車両１０と駐車車両２０との接触を防止することができる。
【００６５】
〔その他の実施形態〕
上記説明においては、物体検出手段として、図１に示したような車両１０の移動に伴って駐車車両２０の表面形状情報を検出する距離センサ１を例として説明した。しかし、本発明に係る物体検出手段は、これに限定されることはない。距離センサ１は、車両１０の移動に拘らず表面形状情報を出力し、後段の情報処理において、移動距離毎、経過時間毎に選別することも可能である。また、車両１０の移動に拘らず駐車車両２０に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づいて表面形状情報を検出するものであってもよい。即ち、距離センサ１のようなポイントセンサに限らず、一次元センサ、二次元センサ、三次元センサ等、物体の形状を反映した信号（表面形状情報）を得られるセンサが使用できる。
【００６６】
図１２には、本発明に係る物体検出手段として一次元センサを用いる場合の例が示されている。ここでは、一次元センサの一例として、スキャン型レーザーセンサを用いている。図１２に示すように、センサ位置（走査手段１ａの位置）より放射状に物体（駐車車両２０）が走査される。物体の各位置からのレーザー波の反射により、距離の分布を計測することができる。レーザー波を発射したときの方位角θをエンコーダ等により検出しておけば、図３に示したものと同様に表面形状情報を得ることができる。そして、ＸＹ直交座標にマッピングすることができる。
【００６７】
一次元センサの他の例として、超音波方式のレーダ、光方式のレーダ、電波方式のレーダ、三角測量式の距離計等を用いてもよい。
【００６８】
二次元センサとしては、水平・垂直方向に走査可能なスキャン型レーダがある。このスキャン型レーダを用いることにより、対象物体の水平方向の形状、垂直方向の形状に関する情報を得ることができる。
また、よく知られた二次元センサとしてはＣＣＤ（Charge Coupled Device）や、ＣＩＳ（CMOS Image Sensor）を利用したカメラ等の画像入力手段もある。このカメラより得られた画像データより、輪郭線情報、交点情報等の各種特徴量を抽出し、表面形状に関する情報を得てもよい。
【００６９】
三次元センサについても同様であり、例えばステレオ撮影した画像データ等を用いて、形状に関する情報を得てもよい。
【００７０】
〔その他の利用形態〕
以上、本発明の実施形態を、駐車車両２０を物体として、この輪郭形状を認識する方法及び装置とこれらの追加的特徴について説明した。この「物体」は、駐車車両や、建造物等の障害物に限らず、道路の走行レーンや、停止線、駐車枠等、種々のものが該当する。即ち、認識対象も立体物の輪郭形状に限定されるものではなく、平面模様の形状認識にも適用できるものである。
【００７１】
また、図１０、図１１に示したように車両１０が前進移動している場合だけでなく、図１３に示すように後進して車両２０ａと２０ｂとの間に駐車するような場合にも利用できる。勿論、図１のように前進移動した後、図１３に示すように後進移動する、いわゆるスイッチバックの場合にも適用できる。この場合、駐車車両２０ａ、２０ｂの輪郭形状Ｅを確実に認識した後、両車両の間に進行することができる。
【図面の簡単な説明】
【００７２】
【図１】本発明に係る物体認識装置を搭載した車両が他の車両を認識する場合の例を示す説明図
【図２】本発明の第一実施形態に係る物体認識装置の概略ブロック図
【図３】図１の駐車車両の表面形状情報を測定した結果を示す図
【図４】図３に示す測定結果を二次元直交座標上にマッピングした散布図
【図５】図４の散布図に示す標本群から任意に抽出した標本より定めた第一の形状モデルと標本群との一致度を演算する説明図
【図６】図４の散布図に示す標本群から任意に抽出した標本より定めた第二の形状モデルと標本群との一致度を演算する説明図
【図７】図４の散布図に示す標本群から輪郭形状を認識する第一の方法（第一実施形態）を説明するフローチャート
【図８】図４の散布図に示す標本群から輪郭形状を認識する第二の方法（第二実施形態）を説明するフローチャート
【図９】本発明の第三実施形態に係る物体認識装置の概略ブロック図
【図１０】図２及び図９の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の一例を示す図
【図１１】図９の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の一例（第三実施形態）を示す図
【図１２】本発明に係る物体検出手段として一次元センサを用いる場合の例（他の実施形態）を示す図
【図１３】図９の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の他の例（他の利用形態）を示す図
【符号の説明】
【００７３】
１ 距離センサ（物体検出手段）
２ 形状認識部（形状認識手段）
２Ａ マイクロコンピュータ
３ 相対位置演算部（相対位置演算手段）
５ 報知手段
５ａ ディスプレイ、 ５ｂ ブザー
Ｓ 標本群
ｓ 標本
【技術分野】
【０００１】
本発明は、移動体周辺に存在する物体の輪郭形状を認識し、移動体と物体との相対的な配置関係を求めて、この配置関係について視覚的に、又は音声により報知する物体認識装置に関する。
【背景技術】
【０００２】
このような装置としては、下記に示す特許文献１に記載されたような障害物検知装置がある。この装置は、車両（移動体）の周辺に存在する障害物を検知して警報を発するものである。この発明は、従来の装置が、単に車両と障害物との距離だけを測定して所定距離よりも短い場合にのみ、警報を発するように構成されているのに対してなされたものである。即ち、距離に基づく警報だけでは、運転者にとって車両の周りのどの物体が障害物か判り難いという問題に鑑みてなされたものである。これによると、車両に複数の障害物検知センサを搭載し、障害物までの距離を演算する。これら得られた演算結果より障害物の形状が直線（平板形状）か円形（凸面形状）かを推定して表示する。このように構成することにより、障害物との距離と、障害物の形状とを利用して報知している。
【０００３】
【特許文献１】特開２００３−１９４９３８号公報（第２−３頁、第１−７図）
【発明の開示】
【発明が解決しようとする課題】
【０００４】
上記公知技術は、障害物の形状までも推定する点において、利用者にとって有益なものである。しかし、実際の計測においては、検出対象の物体（障害物）以外を検出した検出データが混在することが多い。そして、検出対象物以外の検出データは、ノイズ成分として作用するため、検出対象物の形状推定に際して誤認の原因となることが考えられる。即ち、障害物等の検出対象となる物体を検出する際の安定性が充分とはいえない。また、一般にこのようなノイズ除去の機能を具備すれば、演算量が増え、それに伴って処理時間の増大や装置の大規模化を招くことになる。
【０００５】
本願発明は上記課題に鑑みてなされたもので、少ない演算量で、非検出対象のデータが混在しても安定して移動体周辺の物体の形状を認識することができ、両者の配置関係を求めて、この配置関係を良好に報知することのできる物体認識装置を提供することを目的としている。
【課題を解決するための手段】
【０００６】
この目的を達成するための本発明に係る移動体周辺に存在する物体を認識する物体認識装置の特徴構成は、
前記物体の表面形状情報を検出する物体検出手段と、
前記表面形状情報を構成する標本群から任意に抽出した標本に基づいて定めた形状モデルに対する前記標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段と、
前記物体検出手段及び前記形状認識手段の検出及び認識結果に基づいて、前記移動体と前記物体との相対的な配置関係を演算する相対配置演算手段と、
この相対配置演算手段の演算結果に基づいて、前記配置関係についてディスプレイへの表示又は音声により報知する報知手段と、
を備える点にある。
【０００７】
この特徴構成によれば、物体検出手段が物体の表面形状情報を検出し、この表面形状情報に基づいて、形状認識手段が物体の輪郭形状を認識する。ここで、表面形状情報とは、移動体から見た物体の表面の形状を示す情報である。電波や超音波等を用いた反射型のセンサを用いてもよいし、可視光や赤外光等を利用して画像データを得るイメージセンサ、カメラ（動画、静止画を問わず）を用いてもよい。
【０００８】
形状認識手段は、上記種々の物体検出手段より得られた標本群より、輪郭形状を認識する。ここで、標本群とは、表面形状情報を構成する個々のデータの集合体のことをいう。個々のデータとは、例えば、反射型のセンサを用いた場合には、障害物の各場所で反射された信号を受信して得られた各場所に対応した情報である。画像データを利用した場合には、エッジ抽出、三次元変換等の種々の画像処理により得られたデータを用いることができる。このように、形状認識手段の種類に依らず、物体の表面形状を表すデータを標本として扱い、この標本の集合体を標本群と称する。
【０００９】
形状認識手段は、この標本群より任意に（ランダムに）いくつかの標本を抽出して、抽出した標本に基づいて形状モデルを定める。この形状モデルを定めるに際しては、抽出した標本より幾何学的に算出してもよいし、予め複数のテンプレートを用意して最適なものに当てはめる方法を用いてもよい。そして、標本群全体がこの形状モデルに対して、どの程度一致するかの一致度を演算する。この演算結果に基づいて、具現化された形状モデルが標本群に適合するものか否かを判定する。
【００１０】
即ち、任意に抽出した標本にノイズ性の標本が含まれていた場合には、定めた形状モデルと標本群との一致度は低くなる。従って、この形状モデルは標本群に適合しないと判定できる。ノイズ性の標本を含まずに形状モデルを定めた場合には、一致度は高くなる。従って、形状モデルは標本群に適合すると判定できる。このように、少ない演算量で、ノイズ性の標本を除去して対象となる物体の輪郭形状を認識することができる。
【００１１】
形状認識手段は、標本群よりも遥かに少ない標本数である、任意に抽出された標本より形状モデルを定めている。従って、標本の抽出や形状モデルを定める際に必要となる演算量は少ない。そのため、演算時間も短く、装置も大規模化しない。また、形状モデルに対する標本群の一致度は、各標本の空間上の座標を用いて、幾何学的に演算することができる。従って、この一致度の演算も少ない演算量で行うことができる。さらに、これらの演算量が少ないことより、繰り返し異なる形状モデルを定めて一致度を演算しても総演算量の増大を抑制することができる。その結果、高い精度で輪郭形状を認識することができる。
【００１２】
上述したように、本発明によれば対象となる物体の輪郭形状を安定して得ることができる。そして、表面形状情報を得るに際して、物体検出手段と物体との距離や位置関係も情報として取得できている。移動体における物体検出手段の配置場所は既知であり、移動体の外形形状も既知である。従って、認識した輪郭形状等を用いて、移動体の各場所と物体の各場所との相対的な配置関係を演算することができる。その結果、相対的な配置関係より、移動体のどの部分と物体のどの部分とが接近しているか等を容易に知ることができる。そして、これをディスプレイへの表示や音声により、報知するようにしている。従って、移動体の操作者や監督者は、自分が想定しているよりも接近しているか否か等、物体との関係を知ることができる。
【００１３】
このように、本特徴構成によれば、少ない演算量で、非検出対象のデータが混在しても安定して移動体周辺に存在する物体の形状を認識すると共に、移動体と物体との相対配置関係を報知することができる。
【００１４】
ここで、前記物体検出手段が、前記物体の表面と前記移動体との距離に基づいて前記表面形状情報を検出するものであると好適である。
【００１５】
対象となる物体の輪郭形状が、移動体からの遠近に関する形状、例えばいわゆる奥行きであるような場合、表面形状情報を物体と移動体との距離に基づいて検出すると好適である。このような場合、ノイズ性の標本が含まれない場合には、距離に基づいて検出された表面形状情報は、ほぼ認識したい輪郭形状を表す標本群となる。これにノイズ性の標本が含まれた場合でも、ノイズ性の標本を除去できれば、残った標本群はほぼ認識したい輪郭形状を示すものとなる。上述したように本発明によれば、形状モデルと標本群との一致度の演算により良好にノイズ性の標本を除去できる。従って、物体検出手段が物体の表面と移動体との距離に基づいて表面形状状態を検出するものであると、安定且つ正確な物体認識が可能となる。
【００１６】
尚、前記表面形状情報が前記物体の外形輪郭を表すものであると好適である。
認識の対象となる物体は、壁等の平坦なものに限らず、段差を持つような場合もある。段差とは、車両のバンパー部とフロントやリヤのウィンドウ部、階段等である。外形輪郭は、物体の有するこのような段差を含め、その外側、即ち外形を示す表面形状である。物体と物体検出手段とが最も近い距離、即ち物体が物体検出手段側に突出した部分だけしか検出できなければ、バンパー部や階段の最下段のみが検出される。しかし、移動体が物体に対して突出した部分は、必ずしも物体が移動体側に突出した部分と一致しているとは限らない。移動体の利用者（監督者）は移動体の一部分と物体の一部分とが、過度に接近しないように操作又は監督することを望む。従って、場合によっては、認識したい輪郭形状は、物体が車両であれば、バンパー部に限らず、ウィンドウ部である場合もある。階段等の場合も同様である。従って、表面形状情報は単に対象となる物体が移動体側に最も突出した部分だけを対象とはせず、対象となる物体の種々の場所を対象とすることが好ましい。対象となる物体の外形輪郭を表す表面形状情報を得ることにより、用途に応じて、種々の場所に対する輪郭形状を認識するようにすると好ましい。
【００１７】
さらに、前記相対配置演算手段が、前記移動体の移動状態を検出する移動状態検出手段の検出結果に基づいて前記配置関係を演算すると共に、この配置関係に基づいて前記移動体と前記物体との接近度合いを判定する判定手段を備えると好適である。
【００１８】
移動状態検出手段によって移動体の移動状態を検出すると、近未来の移動体の位置を推定することができる。従って、移動状態検出手段の検出結果に基づいて、現在に留まらず未来の、物体と移動体との配置関係を演算することができる。既に両者の配置関係により、物体と移動体との各部分の接近度合いが知られているので、移動体の移動によりこの接近度合いの変化を演算することができる。その結果、移動体と物体との各部分の接近度合いを事前に予測することが可能となる。そして、この接近度合いを判定すると、例えば移動体と物体とが過度に接近したような場合に、迅速な対応が可能となる。
【００１９】
ここで、さらに、前記判定手段により判定された前記接近度合いに基づいて、前記移動体の移動速度及び旋回方向の一方又は双方を制御する移動制御手段を備えると好適である。
【００２０】
既に説明したように接近度合いを判定すると、例えば移動体と物体とが過度に接近したような場合に、迅速な対応につなげることができる。この対応として、上記のように、移動体の移動速度及び旋回方向の一方又は双方を制御するようにすると、好ましい。即ち、移動速度を制御すれば、過度に物体に接近する移動体の接近速度を遅くすることや、接近を停止することができる。また、旋回方向を制御すれば、物体に接近しない方向へ移動方向を変更することができる。
【００２１】
本発明に係る物体認識装置の前記物体検出手段が、前記移動体の移動に伴って前記物体の前記表面形状情報を検出するものであると好適である。
【００２２】
移動体の移動に伴って物体の表面形状情報を検出するように構成すると、移動体の移動方向に合わせて物体を検出することとなり、効率的な検出が可能となる。また、例えば物体検出手段を一方向に向けた固定的なセンサ（例えば、シングルビームセンサ）で構成することもできる。即ち、固定的に一方向しか検出できない物体検出手段であっても、移動体が動くことによって広い範囲を走査することができる。
【００２３】
また、前記物体検出手段が、前記移動体の移動に拘らず前記物体に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づいて前記物体の前記表面形状情報を検出するものであると好適である。
【００２４】
この構成によれば、移動体が停止状態にあっても、広い範囲を走査して物体を検出することができる。その結果、例えば停止している移動体が移動を開始する際に物体の有無等の周囲の状況を考慮することができる。
【発明を実施するための最良の形態】
【００２５】
〔第一実施形態〕
以下、本発明の好適な実施形態を、車両が他の車両を認識する場合を例として、図面に基づいて説明する。図１に示すように、移動体としての車両１０には、側方に向けた距離センサ１（物体検出手段）が搭載されている。この距離センサ１は、例えばポイントセンサ、即ち、シングルービームセンサや超音波を利用したソナー等である。そして、車両１０は、駐停車中の他の車両２０（以下、駐車車両と称す。）のそばを図示Ｘ方向へ通過する際に、距離センサ１によって駐車車両２０までの距離を計測する。駐車車両２０は本発明の物体に相当するものである。尚、図１には、簡略のため、車両１０の左側方にのみ距離センサ１を設けているが、当然両側方に設けていてもよい。
【００２６】
距離センサ１は、車両１０の移動に応じて駐車車両２０との距離を計測する。このようにして得られた駐車車両２０の表面形状情報は、車両１０の移動距離に応じた離散的なデータである。尚、車両１０の「移動距離に応じて」には、「所定時間間隔に応じて」の意味も含むものである。例えば、車両１０が等速で移動する場合には、所定時間間隔に応じて計測すれば、移動距離に応じて測定することになる。移動体１０の移動速度、移動距離、移動時間は、線形的に定まる。従って、結果として概ね均等に表面形状情報を得ることができる方法であれば、どのような方法を用いてもよい。このようにして、車両１０は物体の表面形状情報を取得する（物体検出工程）。
【００２７】
尚、距離センサ１は移動時間を計測するタイマ、移動距離を計測するエンコーダ、移動速度を計測する回転センサ等の付随するセンサを備えていてもよい。また、これらセンサを別に備え、情報を得るようにしていてもよい。
【００２８】
図２は、本発明の第一実施形態に係る物体認識装置の概略ブロック図である。図２において、形状認識部２（形状認識手段）は、マイクロコンピュータ２Ａ等の電子回路によって構成されている。形状認識部２内の各処理部は、必ずしも物理的に異なる電子回路を示すものではなく、機能としての処理部を示すものである。例えば、異なるプログラムを同一のＣＰＵによって実行することにより、異なる機能を得るような場合も含むものである。
【００２９】
図２に示すように距離センサ１によって測定された表面形状情報は、形状認識部２に入力される。入力された表面形状情報は、図１に示すＸ方向及びＹ方向を軸とする二次元平面にマッピングされて、標本記憶部２ａに記憶される。この標本記憶部２ａは、メモリで構成されている。本実施形態においては、マイクロコンピュータ２Ａに内蔵する形態を示している。勿論、マイクロコンピュータ２Ａとは別体のメモリを用いて、いわゆる外付けの形態としていてもよい。また、内蔵、外付けを問わず、レジスタ、ハードディスク等、他の記憶媒体を用いてもよい。
【００３０】
マイクロコンピュータ２Ａ内には、上記の他、相対配置演算部３（相対配置演算手段）を備えている。詳細は後述するが、上述したように車両１０から見た駐車車両２０の輪郭形状の認識に際して、距離センサ１を用いて駐車車両２０の表面形状情報を取得している。従って、車両１０と駐車車両２０との距離情報も同時に得ることができている。相対配置演算部３は、この距離情報と、輪郭形状とを用いて、車両１０と駐車車両２０との相対配置を演算するものである。
【００３１】
ここで、相対配置とは、車両１０の各部と駐車車両２０の各部との相対位置である。車両１０の外形形状は、自己の形状であるため、既知である。そして、車両１０から見た駐車車両２０の輪郭形状は、下記に詳述する方法により良好に認識できる。これらにより、相対配置演算部３において図１０に示すように車両１０と駐車車両２０との相対配置を演算する。尚、図１０では理解を容易にするために、駐車車両２０全体を点線で示しているが、実際には認識された輪郭形状Ｅと、車両１０との相対配置を演算する。勿論、他の場所も含めて輪郭形状Ｅを認識している場合には、全ての相対配置を演算することができる。
【００３２】
そして、この相対配置は、ディスプレイ５ａ等の報知手段５に表示される。ディスプレイ５ａには、ナビゲーションシステム等のモニタを兼用することができる。ディスプレイ５ａへの表示（報知）に際しては、車両１０の外形と、認識した輪郭形状Ｅとを表示する。あるいは、輪郭形状Ｅに基づいて駐車車両２０の全体をイラストとして表現し、車両１０と駐車車両２０との相対配置関係を表示してもよい。
【００３３】
また、上記のように視覚的に表示することによる報知に限らず、音声（音響を含む）により報知してもよい。この音声は、ブザー５ｂや、チャイム等によって発することができる。また、ナビゲーションシステムには音声ガイドの機能を備えているものもある。従って、モニタの利用と同様、この音声ガイドの機能を兼用するようにしてもよい。
【００３４】
以下、物体検出工程と、それに続いて物体の輪郭形状を認識する形状認識工程と、の詳細について説明する。
【００３５】
初めに、物体検出工程について説明する。図３に示すように、距離センサ１によって駐車車両２０上の表面形状情報Ｓが計測される。表面形状情報は、本実施形態において駐車車両２０のバンパー部の外形形状に沿った形で離散的に得られた計測データである。ここで、これら離散的に得られたデータの一群を標本群Ｓ（ラージエス）と称する。標本群Ｓは、輪郭形状の認識対象となるデータセットである。また、データセットを構成する一点一点のデータを標本ｓ（スモールエス）と称する。
【００３６】
標本群Ｓは、標本記憶部２ａの中で、図４に示すようにＸＹの二次元直交座標上にマッピングされる。尚、説明を容易にするため、図中には全ての標本ｓを示していない。図４に示した標本中、黒点で示す標本ｓをインライア、白抜き点で示す標本ｓをアウトライアと称する。図中、標本ｓ１、ｓ１３等はインライアであり、標本ｓ２、ｓ７、ｓ１０はアウトライアである。詳細は後述するが、インライアは駐車車両２０の輪郭形状を構成する標本である。アウトライアは駐車車両２０の輪郭形状から外れたいわゆるノイズ性の標本である。
【００３７】
以下、図７に示すフローチャートも利用して、得られた標本群Ｓより、駐車車両２０の輪郭形状を認識する手順（形状認識工程）について説明する。
【００３８】
標本抽出部２ｂは、標本群Ｓ（標本ｓ１〜ｓ１３）より任意の標本ｓｉ（ｉは標本番号）を数点抽出する（標本抽出工程、図７＃１）。どの標本ｓを抽出するかについてはランダムに定まる。好適には乱数を用いる。例えば、マイクロコンピュータ２Ａに乱数発生器（不図示）を設け、発生した乱数を標本番号とする標本ｓｉを抽出する。あるいは、マイクロコンピュータ２Ａが実行する乱数発生プログラムによって標本番号を定めてもよい。
【００３９】
また、抽出する標本数は、認識したい対象形状によって異なる。例えば直線の認識をする場合には２点であり、二次曲線であれば５点である。本実施形態においては、駐車車両２０のバンパー形状を二次曲線に近似し、５点を抽出する。このようにして抽出された個々のデータ、標本ｓの集合は、データセットに対応する概念としてのサブセットである。
【００４０】
続いて、このサブセット（ランダムに抽出した標本ｓの集合体）に基づいて形状モデル設定部２ｃが形状モデルを定める（形状モデル設定工程、図７＃２）。
【００４１】
図５は、図４の散布図に示す標本群Ｓから任意に抽出した標本ｓｉより定めた形状モデルＬ（第一の形状モデルＬ１）と標本群Ｓとの一致度を演算する説明図である。この第一の形状モデルＬ１は、標本ｓ１、ｓ５、ｓ８、ｓ１１、ｓ１３の５つの標本ｓに基づいて定められたものである。この形状モデルＬは、演算負荷の軽い線形計算により容易に求めることができる。または、予め数種類のテンプレート形状を用意しておき、これらテンプレート形状の中より最適なものを選択するようにして定めてもよい。
【００４２】
また、図５に示すように、形状モデルＬの接線に対して直交する両方向に所定距離離れた点を形状モデルＬに沿って結び、点線Ｂ１及びＢ２を定める。この点線Ｂ１及びＢ２に挟まれた部分が有効範囲Ｗとなる。
【００４３】
次に、一致度演算部２ｄにおいて、定めた形状モデルＬと、標本群Ｓとの一致度を演算する。具体的には、上記のように定めた有効範囲Ｗの中に、標本群Ｓを構成する各標本ｓｉが、どの程度含まれるかによって一致度を算出する（一致度演算工程、図７＃３）。
【００４４】
図５に示した第一の曲線モデルＬ１に対する有効範囲Ｗの中には、標本ｓ２、ｓ７、ｓ１０のアウトライアを除く全ての標本ｓが含まれている。従って、第一の形状モデルＬ１の標本群Ｓに対する一致度は、７７％（１０／１３）となる。つまり、第一の形状モデルＬ１は、標本群Ｓを構成する各標本ｓにより、高い支持率（７７％）で合意（コンセンサス）を得たということができる。
【００４５】
次に、主演算部２ｅにおいて、この一致度が所定のしきい値を超えているか否かを判定する（判定工程、図７＃４）。そして、しきい値を超えている場合には抽出したサブセットより定めた形状モデル（第一の形状モデルＬ１）を認識結果として認定する（認定工程、図７＃５）。即ち、第一の形状モデルＬ１を輪郭形状とする。例えば、しきい値が、７５％と設定されているような場合には、第一の形状モデルＬ１を輪郭形状とする。しきい値を超えていない場合には、図７のフローチャートの処理＃１に戻り、再度、別の標本ｓを抽出して新たなサブセットを構成し、同様の処理を行う。複数回処理＃１〜＃４を繰り返してもしきい値を超えないような場合には、対象となる物体（駐車車両２０等）が無い、と判断する。この回数は、予め規定しておけばよい。
【００４６】
尚、本実施形態においては、理解を容易にするために標本群Ｓを構成する標本ｓの総数を１３ケとしている。しきい値の値（７５％）も、本実施形態の説明を容易にするための値である。従って、標本数、一致度の判定しきい値共に、本発明を限定する値ではない。例えば、標本数が多ければ、アウトライアに対するインライアの数は相対的に多くなり、上記の例よりも高いしきい値を設定することもできる。
【００４７】
図６に示した形状モデルＬ（第二の形状モデルＬ２）では、サブセットとして標本ｓ２、ｓ４、ｓ７、ｓ１０、ｓ１３が抽出されている。上述したように標本ｓ２、ｓ７、ｓ１０は、駐車車両２０の輪郭形状から外れたいわゆるノイズ性の標本である。従って、駐車車両２０の輪郭形状から見た場合には、アウトライアとなるべき、標本である。そのため、図６に示すように、これらの標本ｓ２、ｓ７、ｓ１０を含むサブセットに基づいて定められた第二の形状モデルＬ２に対する有効範囲Ｗから外れる標本ｓが多数存在する。第一の形状モデルＬ１と同様の方法により一致度を演算すると、その一致度は３８％（５／１３）となる。つまり、第二の形状モデルＬ２は、標本群Ｓを構成する各標本ｓにより、高い支持率で合意（コンセンサス）を得られていないということになる。
【００４８】
上記２つの形状モデルＬ１及びＬ２が抽出されるような場合、認識結果となる輪郭形状は第一の形状モデルＬ１となる。第一の形状モデルＬ１を定めるに際しては、ノイズ性の標本ｓである標本ｓ２、ｓ７、ｓ１０は、未使用である。これらノイズ性の標本は、アウトライアとして扱われ、除去されたこととなる。即ち、上記説明したような少ない演算量で、非検出対象のデータ（アウトライア）が混在してもこれを除去し、安定して物体の形状を認識することができる。
【００４９】
このような方法を用いず、標本Ｓより輪郭形状を算出する方法は従来、種々提案されている。その一つは、最小自乗法である。最小自乗法では、データセットの全ての標本ｓを用いて、夫々の標本ｓが同一の重みとなって形状が計算される。その結果、上述したアウトライア（標本ｓ２等）の影響を受けて、本来とは異なった輪郭形状を認識する。輪郭形状を認識した後に、データセット全体との一致度を再確認することも可能ではある。しかし、最小自乗法自体の演算負荷が比較的重い上、この再確認の結果により繰り返し最小自乗法による形状認識を行うとさらに演算負荷を重くすることになる。
【００５０】
また別の方法として、特に直線の認識に好適なハフ（Hough）変換を利用する方法もある。ハフ変換はよく知られているように、直交座標（例えばＸＹ平面）上に存在する直線は、極座標（ρ−θ空間）上では１点で交差する、という性質を利用したものである。その変換式は、
ρ＝Ｘ・cosθ ＋ Ｙ・sinθ
である。上記式より、理解できるように極座標空間でρやθの範囲を広げたり、細かい分解能を得たりしようとすると、それだけ演算量が増大する。つまり、一次記憶手段としての、メモリは大容量が要求され、計算回数も多くなる。
【００５１】
これら従来の演算に比べ、本発明の「表面形状情報を構成する標本群Ｓから任意に抽出した標本ｓに基づいて定めた形状モデルＬに対する標本群Ｓの一致度を演算する」方法は、演算量が少なく、必要となるメモリ容量も少ない。
【００５２】
〔第二実施形態〕
上記説明においては、形状モデルＬと標本群Ｓとの一致度を調べ、この一致度が所定のしきい値を超えていれば、その形状モデルＬを認識結果とする。つまり、最先にしきい値を超えた形状モデルＬがそのまま認識結果となる。これに限らず、単にしきい値を超えただけで直ちにその形状モデルＬを認識結果とはせず、複数個の形状モデルＬを評価するようにしてもよい。具体的な手順については、以下に説明する。
【００５３】
図８は、図４の散布図に示す標本群から輪郭形状を認識する第二の方法を説明するフローチャートである。この第二の方法では、サブセットを複数回抽出して形状モデルＬを定め、その中で最も一致度の高かった形状モデルＬを認識結果とするようにしている。以下、図８に基づいて、第二の方法について説明する。但し、処理＃１〜＃４は第一の方法である図７に示したフローチャートと同様であるので、説明を省略する。
【００５４】
本第二の方法では、サブセットを複数回繰り返して抽出するので、繰り返し回数を一時記憶する。形状認識工程の開始に当たって、まず初めにこの一時記憶する繰り返し回数をクリアする（初期化工程、図８＃０）。以下、第一実施形態と同様に、標本抽出工程（＃１）にて、標本群Ｓよりランダムに標本ｓを抽出してサブセットを作る。次に、形状モデル設定工程（＃２）にて、このサブセットに基づいて形状モデルＬを定める。そして、一致度演算工程（＃３）にて、形状モデルＬと標本群Ｓとの一致度を演算し、判定工程（＃４）にて、一致度が所定のしきい値を超えているか否かを判定する。
【００５５】
判定の結果、しきい値を超えていた場合には、先に定めた形状モデルＬとこの形状モデルＬに対する一致度を一時記憶部（不図示）に記憶する（記憶工程、＃４１）。そして、一つの形状モデルＬに対する評価が完了したので、繰り返し回数をインクリメントする（計数工程、＃４２）。判定の結果、しきい値を超えていなかった場合には、記憶工程（＃４１）を飛ばして、繰り返し回数をインクリメントする（＃４２）。
【００５６】
次に、繰り返し回数が所定の回数に達したか否か（超えたか否かでもよい）を判定する（離脱判定工程、＃４３）。所定の回数に達していなければ、標本抽出工程（＃１）に戻り、以下判定工程（＃４）までを行って、新たな形状モデルＬの評価を行う。所定の回数に達していた場合には、記憶されている形状モデルＬの内、最も一致度の高かった形状モデルＬを選択し、これを認識結果としての輪郭形状とする（認定工程、＃５１）。ここで、判定工程（＃４）において一致度のしきい値を超えたものが一つも無かったような場合には、認定工程（＃５１）において該当無しと判断する。
【００５７】
このように、図７に示す第一の方法、図８に示す第二の方法共に、サブセットに基づいて定めた形状モデルＬを輪郭形状と認定している。一般に少ない標本数に基づいて定めた形状モデルＬは、正確な輪郭形状を再現するものではない、とも考えられる。しかし、本発明においては、形状モデルＬと標本群Ｓの全標本との一致度を評価している。従って、形状モデルＬはほぼ正確に輪郭形状を再現（認識）できていると考えてよい。このように、サブセットを構成する少ない標本数から定めた形状モデルＬが輪郭形状を再現できることは、演算量の削減に大きく貢献している。
【００５８】
上述したように、形状モデルＬをそのまま認識結果として輪郭形状と認定することは、演算量の削減に大きく貢献する。しかし、本発明はこれに限定されるものではない。マイクロコンピュータ２Ａ等、演算手段の能力に余裕のある場合などでは、輪郭形状を再計算してもよい。
【００５９】
例えば、一致度がしきい値を超えた形状モデルＬを基準とすれば、標本群Ｓを構成する標本ｓの夫々をインライア、アウトライアとして定義することができる。認定工程では、このインライア、アウトライアを認定する。そして、インライアと認定された全ての標本ｓを対象として最小自乗法等を用いて形状を再計算する（再計算工程）。上述したように最小自乗法ではノイズ性の標本ｓの影響を受けて、形状を正しく再現できない場合がある。しかし、この再計算工程においては、ノイズ性の標本ｓはアウトライアとして除去されているため、正確な輪郭形状の再現が可能となる。
【００６０】
〔第三実施形態〕
図９は、本発明の第三実施形態に係る物体認識装置の概略ブロック図である。 図９に示すように、車輪速センサ４ａや舵角センサ４ｂ等、車両１０の移動状態を検出する移動状態検出手段４からの入力情報を加味すれば、近未来の相対配置を演算することもできる。つまり、輪郭形状Ｅが認識された現在の相対配置（図１０参照）に留まらず、将来の相対配置関係を推定（予測）することができる。
【００６１】
車輪速センサ４ａは、車両１０の各車輪部（前方右ＦＲ、前方左ＦＬ、後方右ＲＲ、後方左ＲＬ）に備えられたセンサである。これは例えば、ホールＩＣを利用した回転センサである。舵角センサ４ｂは、車両１０のステアリングの回転角度やタイヤの回動角度を検出するセンサである。あるいは、前述の車輪速センサ４ａの各車輪部での計測結果（左右の車輪の回転数や回転速度の違い）に基づいて舵角を演算する演算装置であってもよい。
【００６２】
これらのセンサにより検出した移動状態を加味して、現在及び未来における車両１０と駐車車両２０の輪郭形状Ｅとの相対位置関係を演算する。舵角センサ４ｂによって進行方向を推定し、車輪速センサ４ａによって進行速度を推定する。そして、車両１０の予想軌跡や、駐車車両２０の輪郭形状Ｅと車両１０との数秒後の相対配置関係を演算する。
【００６３】
図１１は、車両１０と駐車車両２０の輪郭形状Ｅとの相対配置関係の一例を示している。符号１０Ａは車両１０の近未来の位置である。ここでは、移動する軌跡により、車両１０の一部と、駐車車両２０の輪郭形状Ｅとが、干渉する例を示している。輪郭形状Ｅと干渉するということは、車両１０と駐車車両２０とが接触する可能性を示しているといえる。
【００６４】
そして、上述したようにこの相対配置や軌跡をディスプレイ５ａやブザー５ｂ、音声ガイド等の報知手段５を介して報知することができる。また、図１１に示すように輪郭形状Ｅと、移動軌跡とが干渉するような場合には、注意や警告を促す報知を行うこともできる。さらに、ステアリング制御部６ａやブレーキ制御部６ｂ等の移動制御手段６によって干渉を防止することができる。つまり、ステアリング制御部６ａで移動方向を変更したり、ブレーキ制御部６ｂで速度を低下させたりすることにより、未来の干渉、即ち車両１０と駐車車両２０との接触を防止することができる。
【００６５】
〔その他の実施形態〕
上記説明においては、物体検出手段として、図１に示したような車両１０の移動に伴って駐車車両２０の表面形状情報を検出する距離センサ１を例として説明した。しかし、本発明に係る物体検出手段は、これに限定されることはない。距離センサ１は、車両１０の移動に拘らず表面形状情報を出力し、後段の情報処理において、移動距離毎、経過時間毎に選別することも可能である。また、車両１０の移動に拘らず駐車車両２０に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づいて表面形状情報を検出するものであってもよい。即ち、距離センサ１のようなポイントセンサに限らず、一次元センサ、二次元センサ、三次元センサ等、物体の形状を反映した信号（表面形状情報）を得られるセンサが使用できる。
【００６６】
図１２には、本発明に係る物体検出手段として一次元センサを用いる場合の例が示されている。ここでは、一次元センサの一例として、スキャン型レーザーセンサを用いている。図１２に示すように、センサ位置（走査手段１ａの位置）より放射状に物体（駐車車両２０）が走査される。物体の各位置からのレーザー波の反射により、距離の分布を計測することができる。レーザー波を発射したときの方位角θをエンコーダ等により検出しておけば、図３に示したものと同様に表面形状情報を得ることができる。そして、ＸＹ直交座標にマッピングすることができる。
【００６７】
一次元センサの他の例として、超音波方式のレーダ、光方式のレーダ、電波方式のレーダ、三角測量式の距離計等を用いてもよい。
【００６８】
二次元センサとしては、水平・垂直方向に走査可能なスキャン型レーダがある。このスキャン型レーダを用いることにより、対象物体の水平方向の形状、垂直方向の形状に関する情報を得ることができる。
また、よく知られた二次元センサとしてはＣＣＤ（Charge Coupled Device）や、ＣＩＳ（CMOS Image Sensor）を利用したカメラ等の画像入力手段もある。このカメラより得られた画像データより、輪郭線情報、交点情報等の各種特徴量を抽出し、表面形状に関する情報を得てもよい。
【００６９】
三次元センサについても同様であり、例えばステレオ撮影した画像データ等を用いて、形状に関する情報を得てもよい。
【００７０】
〔その他の利用形態〕
以上、本発明の実施形態を、駐車車両２０を物体として、この輪郭形状を認識する方法及び装置とこれらの追加的特徴について説明した。この「物体」は、駐車車両や、建造物等の障害物に限らず、道路の走行レーンや、停止線、駐車枠等、種々のものが該当する。即ち、認識対象も立体物の輪郭形状に限定されるものではなく、平面模様の形状認識にも適用できるものである。
【００７１】
また、図１０、図１１に示したように車両１０が前進移動している場合だけでなく、図１３に示すように後進して車両２０ａと２０ｂとの間に駐車するような場合にも利用できる。勿論、図１のように前進移動した後、図１３に示すように後進移動する、いわゆるスイッチバックの場合にも適用できる。この場合、駐車車両２０ａ、２０ｂの輪郭形状Ｅを確実に認識した後、両車両の間に進行することができる。
【図面の簡単な説明】
【００７２】
【図１】本発明に係る物体認識装置を搭載した車両が他の車両を認識する場合の例を示す説明図
【図２】本発明の第一実施形態に係る物体認識装置の概略ブロック図
【図３】図１の駐車車両の表面形状情報を測定した結果を示す図
【図４】図３に示す測定結果を二次元直交座標上にマッピングした散布図
【図５】図４の散布図に示す標本群から任意に抽出した標本より定めた第一の形状モデルと標本群との一致度を演算する説明図
【図６】図４の散布図に示す標本群から任意に抽出した標本より定めた第二の形状モデルと標本群との一致度を演算する説明図
【図７】図４の散布図に示す標本群から輪郭形状を認識する第一の方法（第一実施形態）を説明するフローチャート
【図８】図４の散布図に示す標本群から輪郭形状を認識する第二の方法（第二実施形態）を説明するフローチャート
【図９】本発明の第三実施形態に係る物体認識装置の概略ブロック図
【図１０】図２及び図９の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の一例を示す図
【図１１】図９の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の一例（第三実施形態）を示す図
【図１２】本発明に係る物体検出手段として一次元センサを用いる場合の例（他の実施形態）を示す図
【図１３】図９の相対配置演算部により算出された物体認識装置を搭載した車両と他の車両の輪郭形状との相対配置関係の他の例（他の利用形態）を示す図
【符号の説明】
【００７３】
１ 距離センサ（物体検出手段）
２ 形状認識部（形状認識手段）
２Ａ マイクロコンピュータ
３ 相対位置演算部（相対位置演算手段）
５ 報知手段
５ａ ディスプレイ、 ５ｂ ブザー
Ｓ 標本群
ｓ 標本
【特許請求の範囲】
【請求項１】
移動体周辺に存在する物体を認識する物体認識装置であって、
前記物体の表面形状情報を検出する物体検出手段と、
前記表面形状情報を構成する標本群から任意に抽出した標本に基づいて定めた形状モデルに対する前記標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段と、
前記物体検出手段及び前記形状認識手段の検出及び認識結果に基づいて、前記移動体と前記物体との相対的な配置関係を演算する相対配置演算手段と、
この相対配置演算手段の演算結果に基づいて、前記配置関係についてディスプレイへの表示又は音声により報知する報知手段と、
を備える物体認識装置。
【請求項２】
前記物体検出手段は、前記物体の表面と前記移動体との距離に基づいて前記表面形状情報を検出する請求項１に記載の物体認識装置。
【請求項３】
前記相対配置演算手段が、前記移動体の移動状態を検出する移動状態検出手段の検出結果に基づいて前記配置関係を演算すると共に、
この配置関係に基づいて前記移動体と前記物体との接近度合いを判定する判定手段を備える請求項１に記載の物体認識装置。
【請求項４】
前記判定手段により判定された前記接近度合いに基づいて、前記移動体の移動速度及び旋回方向の一方又は双方を制御する移動制御手段を備える請求項３に記載の物体認識装置。
【請求項５】
前記物体検出手段は、前記移動体の移動に伴って前記物体の前記表面形状情報を検出する請求項１〜４の何れか一項に記載の物体認識装置。
【請求項６】
前記物体検出手段は、前記移動体の移動に拘らず前記物体に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づいて前記物体の前記表面形状情報を検出する請求項１〜４の何れか一項に記載の物体認識装置。
【請求項１】
移動体周辺に存在する物体を認識する物体認識装置であって、
前記物体の表面形状情報を検出する物体検出手段と、
前記表面形状情報を構成する標本群から任意に抽出した標本に基づいて定めた形状モデルに対する前記標本群の一致度を演算して前記物体の輪郭形状を認識する形状認識手段と、
前記物体検出手段及び前記形状認識手段の検出及び認識結果に基づいて、前記移動体と前記物体との相対的な配置関係を演算する相対配置演算手段と、
この相対配置演算手段の演算結果に基づいて、前記配置関係についてディスプレイへの表示又は音声により報知する報知手段と、
を備える物体認識装置。
【請求項２】
前記物体検出手段は、前記物体の表面と前記移動体との距離に基づいて前記表面形状情報を検出する請求項１に記載の物体認識装置。
【請求項３】
前記相対配置演算手段が、前記移動体の移動状態を検出する移動状態検出手段の検出結果に基づいて前記配置関係を演算すると共に、
この配置関係に基づいて前記移動体と前記物体との接近度合いを判定する判定手段を備える請求項１に記載の物体認識装置。
【請求項４】
前記判定手段により判定された前記接近度合いに基づいて、前記移動体の移動速度及び旋回方向の一方又は双方を制御する移動制御手段を備える請求項３に記載の物体認識装置。
【請求項５】
前記物体検出手段は、前記移動体の移動に伴って前記物体の前記表面形状情報を検出する請求項１〜４の何れか一項に記載の物体認識装置。
【請求項６】
前記物体検出手段は、前記移動体の移動に拘らず前記物体に対する広角エリアを走査する走査手段を備え、得られた走査情報に基づいて前記物体の前記表面形状情報を検出する請求項１〜４の何れか一項に記載の物体認識装置。
【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２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【公開番号】特開２００６−２３４４９４（Ｐ２００６−２３４４９４Ａ）
【公開日】平成１８年９月７日（２００６．９．７）
【国際特許分類】
【出願番号】特願２００５−４７５１８（Ｐ２００５−４７５１８）
【出願日】平成１７年２月２３日（２００５．２．２３）
【出願人】（０００００００１１）アイシン精機株式会社 (5,421)
【出願人】（３０４０２１２７７）国立大学法人 名古屋工業大学 (784)
【Ｆターム（参考）】
【公開日】平成１８年９月７日（２００６．９．７）
【国際特許分類】
【出願日】平成１７年２月２３日（２００５．２．２３）
【出願人】（０００００００１１）アイシン精機株式会社 (5,421)
【出願人】（３０４０２１２７７）国立大学法人 名古屋工業大学 (784)
【Ｆターム（参考）】
[ Back to top ]