障害物検出方法、障害物検出装置及び標準移動体モデル
【課題】搭載センサによる障害物の検出が不可な遮蔽箇所があっても、該遮蔽箇所に対する対応を適正に行えるようにする。
【解決手段】自車両４３の移動可能領域４１Ｌ，４２中で自車両４３に搭載されたセンサで検出不可な遮蔽領域４７があっても、遮蔽領域４７には障害物が存在するかもしれないと想定し、障害物が存在し得る状況においては該遮蔽領域４７に対して未確認物体４６ｆ〜４６ｈを障害物候補として仮想的に配置することで、未確認物体４６ｆ〜４６ｈによる障害物候補を用いて環境予測を行うことが可能となり、安全な自動運転化等の実現に役立てることができるようにした。
【解決手段】自車両４３の移動可能領域４１Ｌ，４２中で自車両４３に搭載されたセンサで検出不可な遮蔽領域４７があっても、遮蔽領域４７には障害物が存在するかもしれないと想定し、障害物が存在し得る状況においては該遮蔽領域４７に対して未確認物体４６ｆ〜４６ｈを障害物候補として仮想的に配置することで、未確認物体４６ｆ〜４６ｈによる障害物候補を用いて環境予測を行うことが可能となり、安全な自動運転化等の実現に役立てることができるようにした。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、自動車の衝突回避或いは警告、さらには自動運転化等を実現するための環境予測への適用に好適な障害物検出方法、障害物検出装置及び標準移動体モデルに関するものである。
【背景技術】
【０００２】
一般に、走行中の自動車の事故を未然に回避し、或いは警告し、さらには自動運転を実現するためには、他車両等の障害物の存在環境を認識し、障害物の挙動を予測することが重要であり、従来から各種の障害物検出方式が提案されている。その一例として、特許文献１は、レーダベースのセンサ等の車載センサを用いて自車両周囲の障害物の存在の有無を検出し、衝突警告、衝突回避、適応クルーズ制御等のための予測に利用する技術を開示している。
【０００３】
【特許文献１】特表２００３−５０６７８５号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１に記載のものは、車載センサの検出結果として実在する物体のみを障害物として検出しており、車載センサでは検出不可となってしまう遮蔽箇所がある場合に、障害物をどう取り扱うかに関しては、必ずしも明確な解答が示されていない。遮蔽の多い場所、例えば壁、塀などに囲まれた路地等において、自動運転を実現するための環境認識では、遮蔽ある状況への適正な対応が重大な課題となる。
【０００５】
本発明は、上記に鑑みてなされたものであって、搭載センサによる障害物の検出が不可な遮蔽箇所があっても、該遮蔽箇所に対する対応を適正に行うことができる障害物検出方法、障害物検出装置及び標準移動体モデルを提供することを目的とする。
【課題を解決するための手段】
【０００６】
上述した課題を解決し、目的を達成するために、請求項１にかかる発明の障害物検出方法は、移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出方法であって、前記移動体の周辺領域で移動可能な移動可能領域を設定するステップと、初期状態として前記移動可能領域の全域に対して複数の未確認物体を障害物候補として配置するステップと、初期状態として配置された前記障害物候補中から前記センサによる検出結果により実在しないと判定された障害物候補を消去するステップと、を備えることを特徴とする。
【０００７】
請求項２にかかる発明の障害物検出方法は、上記発明において、前記消去するステップは、当該移動体に近い障害物候補から順に行うことを特徴とする。
【０００８】
請求項３にかかる発明の障害物検出方法は、上記発明において、移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出方法であって、前記移動体の周辺領域で移動可能な移動可能領域を設定するステップと、前記移動体の周辺領域で前記センサの検出結果では前記障害物が実在しない空領域を検出するステップと、前記移動可能領域から前記空領域を除いた補領域を設定するステップと、前記補領域の全てに対して未確認物体を障害物候補として配置するステップと、を備えることを特徴とする。
【０００９】
請求項４にかかる発明の障害物検出方法は、上記発明において、前記障害物候補として配置する前記未確認物体は、該未確認物体の行動を予測するための移動体モデルの特性を持つことを特徴とする。
【００１０】
請求項５にかかる発明の障害物検出方法は、上記発明において、前記移動体モデルは、特性の異なる複数の単体移動体モデル同士の特性を融合させて架空の特性を持たせた架空の標準移動体モデルであることを特徴とする。
【００１１】
請求項６にかかる発明の障害物検出方法は、上記発明において、前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする。
【００１２】
請求項７にかかる発明の障害物検出方法は、上記発明において、前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする。
【００１３】
請求項８にかかる発明の障害物検出方法は、上記発明において、配置された前記障害物候補中、前記センサによる検出結果により実在すると判定された障害物候補を実在の障害物に置き換えるステップをさらに備えることを特徴とする。
【００１４】
請求項９にかかる発明の標準移動体モデルは、未確認の仮想的な移動体の行動を予測するための移動体モデルであって、前記移動体として実在し得る特性の異なる複数の単体移動体モデル同士の特性を融合させて架空の特性を持たせてなることを特徴とする。
【００１５】
請求項１０にかかる発明の標準移動体モデルは、上記発明において、前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする。
【００１６】
請求項１１にかかる発明の標準移動体モデルは、上記発明において、前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする。
【００１７】
請求項１２にかかる発明の障害物検出装置は、移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出装置であって、前記移動体の周辺領域で移動可能な移動可能領域を設定する領域設定手段と、初期状態として前記移動可能領域の全域に対して複数の未確認物体を障害物候補として配置する配置手段と、初期状態として配置された前記障害物候補中から前記センサによる検出結果により実在しないと判定された障害物候補を消去する消去手段と、を備えることを特徴とする。
【００１８】
請求項１３にかかる発明の障害物検出装置は、上記発明において、移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出装置であって、前記移動体の周辺領域で移動可能な移動可能領域を設定する領域設定手段と、前記移動体の周辺領域で前記センサの検出結果では前記障害物が実在しない空領域を検出する空領域検出手段と、前記移動可能領域から前記空領域を除いた補領域を設定する補領域設定手段と、前記補領域の全てに対して未確認物体を障害物候補として配置する配置手段と、を備えることを特徴とする。
【００１９】
請求項１４にかかる発明の障害物検出装置は、上記発明において、前記障害物候補として配置する前記未確認物体は、行動を予測するための移動体モデルの特性を持つことを特徴とする。
【００２０】
請求項１５にかかる発明の障害物検出装置は、上記発明において、前記移動体モデルは、特性の異なる複数の単体移動体モデルの特性を融合させて架空の特性を持たせた標準移動体モデルであることを特徴とする。
【００２１】
請求項１６にかかる発明の障害物検出装置は、上記発明において、前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする。
【００２２】
請求項１７にかかる発明の障害物検出装置は、上記発明において、前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする。
【００２３】
請求項１８にかかる発明の障害物検出装置は、上記発明において、配置された前記障害物候補中、前記センサによる検出結果により実在すると判定された障害物候補を実在の障害物に置き換える置き換え手段をさらに備えることを特徴とする。
【発明の効果】
【００２４】
本発明にかかる障害物検出方法及び障害物検出装置によれば、移動体の移動可能領域中で該移動体に搭載されたセンサで検出不可な遮蔽領域があっても、遮蔽領域には障害物が存在するかもしれないと想定し、障害物が存在し得る状況においては該遮蔽領域に対して未確認物体を障害物候補として仮想的に配置するようにしたので、未確認物体による障害物候補を用いて環境予測を行うことが可能となり、安全な自動運転化等の実現に役立てることができるという効果を奏する。
【００２５】
また、本発明にかかる標準移動体モデルによれば、未確認の仮想的な移動体の行動を予測するための移動体モデルであって、移動体として実在し得る特性の異なる複数の単体移動体モデル同士の特性を融合させた架空の特性を持たせてなるので、未確認の仮想的な移動体の行動を予測判断する上で、安全性を優先することができ、未確認物体による障害物候補の行動予測等に好適に適用することができるという効果を奏する。
【発明を実施するための最良の形態】
【００２６】
以下に、本発明にかかる障害物検出方法、障害物検出装置及び標準移動体モデルの実施の形態を図面に基づいて詳細に説明する。なお、本発明は、実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲で種々の変更実施の形態が可能である。
【００２７】
（実施の形態１）
図１は、本発明の実施の形態１にかかる障害物検出装置を示す概略ブロック図である。この障害物検出装置は、道路を走行する自動車である自車両を、対象となる移動体とし、該自車両の移動の妨げとなる障害物を検出するためのものである。本実施の形態１の障害物検出装置１０は、自車両に搭載されて障害物を検出するもので、センサ１１と、プロセッサ１２と、地図ＤＢ（データベース）１３と、位置情報受信部１４と、モデルＤＢ（データベース）１５とを備える。障害物検出装置１０の検出結果は、検出された障害物の行動を予測するための予測部２０に出力され、予測部２０の予測結果は、警告部３０に出力され、衝突予測が得られた場合には警告を発する構成とされている。
【００２８】
センサ１１は、自車両のフロント部等の適宜箇所に搭載されて、自車両の周辺での障害物の存在の有無を検出するためのものである。本実施の形態１では、センサ１１は、例えば電子的にビームをスキャンして全周に亘って障害物の有無の検出可能なミリ波レーダが用いられている。
【００２９】
地図ＤＢ１３は、例えば日本全国版道路地図情報等の地図情報を更新自在に収録したもので、記録媒体方式としては、ＣＤ，ＤＶＤ，ＨＤ（ハードディスク）等のいずれの方式であってもよい。さらに、地図情報は、インターネット、データ放送等の通信を利用して得る構成も可能である。位置情報受信部１４は、自車両の現在位置に関する情報を受信するためのものであり、例えば、衛星を利用するＧＰＳ（Global Positioning Satellite）システムにおけるＧＰＳ受信器が用いられている。すなわち、地図ＤＢ１３や位置情報受信部１４は、近年普及の目覚しいカーナビシステムを利用することで実現できる。
【００３０】
モデルＤＢ１５は、自車両に対して障害物となり得る移動体の行動を予測するためにそれぞれ固有の行動特性を持たせた各種の移動体モデルを格納したものである。このモデルＤＢ１５に格納されている移動体モデルとしては、後述の未確認の仮想的な移動体の行動を予測するために生成された標準移動体モデルの他、自動車の行動を予測するための自動車モデル、人の行動を予測するための人モデル、さらには、必要に応じて、自動二輪車モデル、自転車モデル等の単体移動体モデルがある。
【００３１】
プロセッサ１２は、ＣＰＵ，ＲＯＭ及びＲＡＭ等を備えるマイクロコンピュータ構成であって、本実施の形態１における障害物検出方法を実現するためのものである。このプロセッサ１２は、周辺地図生成部１２ａと、未確認障害物配置部１２ｂと、未確認障害物存在判定部１２ｃと、実在障害物検出部１２ｄと、障害物統合部１２ｅとを備える。
【００３２】
周辺地図生成部１２ａは、該障害物検出装置１０によって障害物の有無を判定する周辺領域を特定するための周辺領域の地図を生成するものである。具体的には、周辺地図生成部１２ａは、位置情報受信部１４が受信した自車両の現在位置情報を用いて地図ＤＢ１３を参照し、自車両周辺の地図を生成する。この場合の周辺領域の広さは、適宜設定すればよいが、自車両の速度依存で変化し、高速になるほど対象となる周辺領域の地図の広さが広がることが好ましい。また、周辺地図生成部１２ａは、生成した周辺領域の地図上において、地図記号・表記などに基づいて、自車両が該周辺領域中で移動可能な移動可能領域、例えば車道中の左車線側領域や車道に交差或いは合流する一般道路領域などを認識し該周辺領域の地図上に設定する移動可能領域設定機能を持つ。
【００３３】
また、未確認障害物配置部１２ｂは、周辺地図生成部１２ａで生成された周辺領域の地図中で、初期状態として自車両の移動可能領域の全域に対して複数の未確認物体を障害物候補として配置するためのものである。この未確認障害物配置部１２ｂにより配置される未確認物体の障害物候補は、移動体モデルの特性を持つもの、本実施の形態１では、モデルＤＢ１５中に格納されている標準移動体モデルの特性を持つものが割り当てられる。
【００３４】
未確認障害物存在判定部１２ｃは、未確認障害物配置部１２ｂにより移動可能領域の全域に配置された障害物候補に対して、センサ１１による検出結果を適用することで、センサ１１による検出結果により実在しないと判定された障害物候補に関しては消去する処理を行うためのものである。従って、未確認障害物存在判定部１２ｃの出力としては、センサ１１による検出結果により実在しないと判定されて消去された障害物候補以外の障害物候補が移動可能領域中に残存することとなる。すなわち、自車両の移動可能領域中で、センサ１１により存在が検出された実在の障害物はもちろん、センサ１１による障害物検出が不可な遮蔽領域であっても、初期状態で配置された未確認物体による障害物候補はそのまま残存する。
【００３５】
実在障害物検出部１２ｄは、センサ１１による検出結果に基づいて移動可能領域中において実在の障害物を検出するためのものである。この実在障害物検出部１２ｄは、センサ１１の検出結果として得られる該障害物との相対速度差、検出場所等の情報から、実在する障害物の種類を特定し得る機能を有し、実在する障害物の種類に対応する移動体モデルをモデルＤＢ１５中から抽出する。例えば、車道上で障害物を検出した場合には、該障害物を自動車と特定し、モデルＤＢ１５から自動車モデルを抽出して、障害物統合部１２ｅに出力する。
【００３６】
障害物統合部１２ｅは、未確認障害物存在判定部１２ｃから得られる移動可能領域中に配置されて残存した未確認物体の障害物候補に対して、実在障害物検出部１２ｄの検出結果を適用することで、配置された障害物候補中で実在が確認された障害物候補を実在の障害物に置き換える処理を行うためのものである。従って、障害物統合部１２ｅから予測部２０に対して出力される移動体モデルとしては、標準移動体モデルと、自動車モデル等の他の移動体モデルとが混在し得ることとなる。また、障害物統合部１２ｅは、設定された移動体モデルに対応する形態で障害物候補ないしは障害物を、該周辺領域地図の情報とともに、ＢＭＰイメージに書き込み変換して、予測部２０に対して出力する機能も持つ。
【００３７】
次に、簡単な想定例を参照しながら、図１に示したような構成により実行される本実施の形態１の障害物検出方法について説明する。図２は、自車両を含む実際の周辺状況の一例を平面図的に示す説明図であり、図３は、自車両から前方を見た様子を示す説明図である。図２に示すように、例えば中央分離帯４１Ｃで分離された片側２車線ずつの自動車専用の４車線車道４１に対して、Ｔ字状に交差する２車線の一般道４２が存在する周辺状況下で、自車両４３が左側車線４１Ｌを走行中で、一般道４２付近に近づく場合を想定する。４４は、自車両４３に先行して左側車線４１Ｌ上を走行中の実在の他車両を示している。また、自車両４３の現在位置において、左側車線４１Ｌの左側には、図３に示すように一般道４２に対する視界を遮る壁、塀などの遮蔽物４５が存在する場合を想定する。
【００３８】
まず、位置情報受信部１４が受信した位置情報に基づき、周辺地図生成部１２ａは自車両４３の現在位置を認識し、地図ＤＢ１３を参照することで、該自車両４３の周辺領域の地図を生成する。図４は、周辺地図生成部１２ａにより生成された周辺領域の地図の一例を示す説明図である。この場合の周辺領域の地図は、適宜広さとされるが、走行中の自動車を対象とした周辺領域の地図であり、現在位置に対して進行方向前方に重きをおいた周辺領域の地図とされる。
【００３９】
また、この周辺地図生成部１２ａでは、本来の地図情報中から、当該自車両４３にとって現在位置を基準とした場合の将来的な移動可能領域も認識しており、該移動可能領域のみを設定した周辺領域の地図として生成する。すなわち、図２等に示す状況においては、車道４１のうち、現在走行中の左側車線４１Ｌと、この左側車線４１Ｌに交差する一般道４２とが該自車両４３の移動可能領域として設定され、車道４１のうちの中央分離帯４１Ｃで分離された反対側車線４１Ｒや、道路以外の領域は該自車両４３の移動可能領域からは除外される。
【００４０】
次いで、未確認障害物配置部１２ｂは、周辺地図生成部１２ａにより生成された周辺領域の地図中の該自車両４３の移動可能領域の自車両４３周りの全域に対して、初期状態として、図５に示すように、複数の未確認物体４６を障害物候補として配置する。図５は、複数の未確認物体４６の移動可能領域に対する配置の初期状態例を示す説明図である。この場合の未確認物体４６の移動体モデルとしては、モデルＤＢ１５中に格納されている標準移動体モデルが適用される。ここでは、実在の他車両４４も、未確認物体４６の標準移動体モデルとして配置される。図５に示す例では、未確認物体４６を移動可能領域に対して均等間隔で埋め尽くすように配置させているが、このような配置例に限らず、例えば未確認物体４６同士が重なるようにさらに詰めて配置させてもよい。
【００４１】
次いで、未確認障害物存在判定部１２ｃは、センサ１１による検出結果を参照することで、移動可能領域中に配置された複数の未確認物体４６中で、実在しないことが明らかな未確認物体４６を消去する。すなわち、ミリ波レーダによるセンサ１１は、自車両４３の現在位置において電子的にビームをスキャンすることで全周に亘って障害物の有無の検出動作を自車両４３に近い順に行っており、スキャン領域中で或る距離まで戻りビームがなければ、その領域中には障害物が実在しないと判定できる。図６は、センサ１１によるビームスキャンの様子、及びスキャン結果に伴う実在しない未確認物体４６の消去結果を示す説明図である。
【００４２】
例えば、図２及び図３に示したような状況において、自車両４３と先行する実在の他車両４４（未確認物体４６ａ）との間の途中の領域では当該領域をビームスキャンしてもセンサ１１に対して戻りビームがないので、未確認物体４６ｂ，４６ｃ，４６ｄの順に、それぞれ実在しないと判定され、消去の対象とされる。左側車線４１Ｌ中の隣り車線の領域、及び自車両４３の走行車線中の後方領域に関しても、ビームスキャンの結果、センサ１１に対して戻りビームがないので、対応する領域の未確認物体４６はいずれも実在しないと判定され、消去の対象とされる。さらに、一般道４２に配置された未確認物体４６に関しては、先頭に配置された未確認物体４６ｅの領域のみがビームスキャンの結果、センサ１１に対して戻りビームがないので、実在しないことが判定され、消去の対象とされる。一方、未確認物体４６ｆ，４６ｇ，４６ｈの領域に関しては、センサ１１のスキャンビームが遮蔽物４５により遮られる遮蔽領域４７となり、センサ１１によるビームスキャンの対象外となってしまうため、センサ１１による検出結果からは実在しないとは判定できず、消去の対象から除外される。他車両４４（未確認物体４６ａ）よりも先行する位置に配置された未確認物体４６ｉ，４６ｊ，４６ｋの領域も同様である。
【００４３】
この結果、未確認障害物存在判定部１２ｃの出力は、図６に示すように、センサ１１により検出された実在の他車両４４を含む未確認物体４６ａ，４６ｆ，４６ｇ，４６ｈ，４６ｉ，４６ｊ，４６ｋのみが移動可能領域に残存する配置となる。ここに、本実施の形態１によれば、自車両４３の移動可能領域中でセンサ１１による障害物の検出が不可となる遮蔽領域４７、ここでは一般道４２の一部に対して、未確認物体４６ｆ，４６ｇ，４６ｈが障害物候補として配置される。
【００４４】
よって、予測部２０では、例えば、自車両４３の移動可能領域に対して最終的に配置されたこれらの未確認物体４６ａ，４６ｆ，４６ｇ，４６ｈ，４６ｉ，４６ｊ，４６ｋの行動と自車両４３の行動（車速、操舵方向等）とから可能性のある移動軌跡を予測することで、走行中の自車両４３に対する衝突の可能性等を予測することができる。特に、移動可能領域中で自車両４３に搭載されたセンサ１１で検出不可な遮蔽領域４７があっても、このような遮蔽領域４７には障害物が存在するかもしれないと想定し、障害物が存在し得る状況においてはこのような遮蔽領域４７に対して未確認物体４６ｆ，４６ｇ，４６ｈを障害物候補として仮想的に配置しているので、このような遮蔽領域４７における未確認物体４６ｆ，４６ｇ，４６ｈによる障害物候補をも用いて自車両４３に対する環境予測を行うことが可能となり、安全な自動運転化等の実現に役立てることができる。
【００４５】
図６に示す例であれば、未確認物体４６ｆ，４６ｇ，４６ｈの存在を想定した予測に基づき、一般道４２付近に到達するまで、自車両４３の走行に対して徐行、警告等の注意を促し、その後、一般道４２付近まで走行して該一般道４２がセンサ１１の検出範囲となって（遮蔽領域４７でなくなり）、未確認物体４６ｆ，４６ｇ，４６ｈが実在しないことが判定されたら、その後は、同一走行車線上に配置させた未確認物体４６ａ，４６ｉ，４６ｋ，４６ｋのみを行動の予測対象として処理を進めればよい。
【００４６】
次に、移動体モデルについて説明する。移動可能領域に障害物候補として配置された未確認物体４６が、その後どのように動くかの行動を予測するために移動体モデルを適用するわけであるが、未確認で仮想的な障害物、特に遮蔽領域４７に配置する未確認物体４６としては、どのような行動特性を持つ移動体モデルを適用するかが、自車両４３に対する衝突危険等を予測する上で問題となる。
【００４７】
ここで、例えば、移動体として実在し得る人や自動車に関する単体移動体モデルである人モデルや自動車モデルについて、速度ｖ＝０ｋｍ／ｈの現時点ｔ＝０からｔ秒後のその行動特性を考える。まず、基本として、人モデルは、現時点ｔ＝０から瞬時に前後左右のいずれの方向にも移動できるので、ｘ−ｙ二次元座標上では、図７−１中に円で示すように、全方向において均等に存在し得る行動特性を示す。一方、自動車モデルは、現時点ｔ＝０からの移動はその時点の自動車の向き（自動車進行方向）による制約を受け、瞬時に横方向には移動しにくいので、ｘ−ｙ二次元座標上では、図７−２中に細長円で示すように、特定方向（ここでは、進行方向を示すｙ座標方向）に片寄った位置に存在し得る行動特性を示す。
【００４８】
加えて、時間の経過を考えると、人モデルは、現時点ｔ＝０からの移動開始に関する瞬時の加速度は大きいが、その後の最高速度は遅いという行動特性を有するため、現時点ｔ＝０からの時間ｔの経過に伴う存在可能領域を時空間的に模式的に示すと図８（ａ）〜（ｃ）のように表すことができる。一方、自動車モデルは、現時点ｔ＝０からの移動開始に関する瞬時の加速度は小さいが、その後の最高速度は速いという行動特性を有するため、現時点ｔ＝０からの時間経過に伴う存在可能領域を時空間的に模式的に示すと図８（ａ）〜（ｃ）のように表すことができる。また、人モデルに対して自動車モデルは、サイズも大きいという特性を有する。
【００４９】
ここで、遮蔽領域４７に配置されて実在するかもしれない未確認物体４６は、例えば、自動車であるかもしれず、或いは、人であるかもしれず（、さらには、自動二輪車や自転車等であるかもしれず）、時間の経過をも考慮した時空間環境で自車両４３に対する未確認の障害物として扱う上では、時空間的に一番散らばり易い最悪特性を持つ移動体モデルを想定しておくことが安全性確保のためには好ましい。
【００５０】
そこで、本実施の形態１では、未確認物体４７の行動を予測するための移動体モデルとして、特性の異なる単体移動体モデル同士である人モデルと自動車モデルとの行動特性を融合させることで、架空の特性、例えば最悪特性を持たせた架空の標準移動体モデルを適用するようにしたものである。すなわち、図８（ａ）〜（ｃ）中に示すような人モデルの瞬時に全方向に素早く動ける行動特性と、図８（ａ）〜（ｃ）中に示すような自動車モデルの遠くまで行ける行動特性とを、それぞれの単体移動体の最悪特性とみなし、両方の最悪特性同士を融合させた特性を持つ架空の標準移動体モデルを考え出したものである。
【００５１】
図９は、新たに創設された標準移動体モデルが有するｙ座標方向に関する時間−移動量の最悪特性の一例を示す説明図である。すなわち、上述の人モデルの特性と自動車モデルの特性とを考慮し、現時点ｔ＝０から数秒程度の或る時間が経過するまでは人モデル側の最悪特性を採用し、その後は自動車モデルの最悪特性を採用するように、両者の特性を融合させたものである。また、標準移動体モデルのサイズとしても、大きい方が自車両４３にとって衝突時の衝撃が大きく最悪となるので、自動車モデルのサイズを標準移動体モデルのサイズとしている。このため、前述の図５、図６等に示した未確認物体４６は、自動車モデルの場合と同様のサイズで表現しているものである。
【００５２】
このように、未確認物体４６のように未確認の仮想的な移動体の行動を予測するための移動体モデルとして、移動体として実在し得る特性の異なる複数の単体移動体モデル同士の特性を融合させた架空の特性、例えば最悪特性を持たせた架空の標準移動体モデルを用いるようにしたので、未確認の仮想的な移動体の行動を時空間環境で予測判断する上で、安全性を優先することができる。また、障害物候補として配置される全ての未確認物体４６に対して標準移動体モデルの特性を想定することで、一種類のみの単一モデルを用いた予測が可能で、同一計算、並列計算が多くなり、予測演算処理の単純化を図ることもできる。
【００５３】
なお、このような標準移動体モデルは、交通流一般において、予測不可な領域における未確認物体の行動を予測する上でも有効であり、標準移動体モデルを活用することで交通制御システムを適正に稼動させることができる。
【００５４】
ところで、実在障害物検出部１２ｄは、センサ１１の検出結果に基づいて自車両４３の移動可能領域中に実在する障害物を検出しており、図２及び図３に示したような状況例では、先行する他車両４４を検出する。そして、実在障害物検出部１２ｄは、該障害物を自動車と特定し、モデルＤＢ１５から自動車モデルを抽出して、障害物統合部１２ｅに出力する。
【００５５】
障害物統合部１２ｅは、未確認障害物存在判定部１２ｃから得られる移動可能領域中に配置されて残存した未確認物体４６の障害物候補に対して、実在障害物検出部１２ｄの検出結果を適用することで、配置された障害物候補中で実在が確認された障害物候補を実在の障害物に置き換える処理を行う。本例の場合、図１０に示すように、未確認物体４６ａを他車両４４なる実在の障害物に置き換えて配置する。該他車両４４には、自動車モデルが適用される。実在することが明らかな障害物には、対応する単体移動体モデルを適用することで、推定の精度が上がり、より現実的かつ精度の高い予測が可能となる。
【００５６】
（実施の形態２）
図１１は、本発明の実施の形態２にかかる障害物検出装置を示す概略ブロック図である。この障害物検出装置は、道路を走行する自動車である自車両を、対象となる移動体とし、該自車両の移動の妨げとなる障害物を検出するためのものである。本実施の形態２の障害物検出装置５０は、自車両に搭載されて障害物を検出するもので、センサ５１と、プロセッサ５２と、地図ＤＢ（データベース）５３と、位置情報受信部５４と、モデルＤＢ（データベース）５５とを備える。障害物検出装置５０の検出結果は、検出された障害物の行動を予測するための予測部６０に出力され、予測部６０の予測結果は、警告部７０に出力され、衝突予測が得られた場合には警告を発する構成とされている。
【００５７】
センサ５１は、自車両のフロント部等の適宜箇所に搭載されて、自車両の周辺での障害物の存在の有無を検出するためのものである。本実施の形態２では、センサ５１は、例えば電子的にビームをスキャンして全周に亘って障害物の有無の検出可能なミリ波レーダが用いられている。
【００５８】
地図ＤＢ５３は、例えば日本全国版道路地図情報等の地図情報を更新自在に収録したもので、記録媒体方式としては、ＣＤ，ＤＶＤ，ＨＤ（ハードディスク）等のいずれの方式であってもよい。さらに、地図情報は、インターネット、データ放送等の通信を利用して得る構成も可能である。位置情報受信部５４は、自車両の現在位置に関する情報を受信するためのものであり、例えば、衛星を利用するＧＰＳ（Global Positioning Satellite）システムにおけるＧＰＳ受信器が用いられている。すなわち、地図ＤＢ５３や位置情報受信部５４は、近年普及の目覚しいカーナビシステムを利用することで実現できる。
【００５９】
モデルＤＢ５５は、自車両に対して障害物となり得る移動体の行動を予測するためにそれぞれ固有の行動特性を持たせた各種の移動体モデルを格納したものである。このモデルＤＢ５５に格納されている移動体モデルとしては、未確認の仮想的な移動体の行動を予測するために生成された標準移動体モデル（実施の形態１の説明参照）の他、自動車の行動を予測するための自動車モデル、人の行動を予測するための人モデル、さらには、必要に応じて、自動二輪車モデル、自転車モデル等の単体移動体モデルがある。
【００６０】
プロセッサ５２は、ＣＰＵ，ＲＯＭ及びＲＡＭ等を備えるマイクロコンピュータ構成であって、本実施の形態２における障害物検出方法を実現するためのものである。このプロセッサ５２は、周辺地図生成部５２ａと、空領域検出部５２ｂと、補領域算出部５２ｃと、未確認障害物配置部５２ｄと、実在障害物検出部５２ｅと、障害物統合部５２ｆとを備える。
【００６１】
周辺地図生成部５２ａは、該障害物検出装置５０によって障害物の有無を判定する周辺領域を特定するための周辺領域の地図を生成するものである。具体的には、周辺地図生成部５２ａは、位置情報受信部５４が受信した自車両の現在位置情報を用いて地図ＤＢ５３を参照し、自車両周辺の地図を生成する。この場合の周辺領域の広さは、適宜設定すればよいが、自車両の速度依存で変化し、高速になるほど対象となる周辺領域の地図の広さが広がることが好ましい。また、周辺地図生成部５２ａは、生成した周辺領域の地図上において、地図記号・表記などに基づいて、自車両が該周辺領域中で移動可能な移動可能領域、例えば車道中の左車線側領域や車道に交差或いは合流する一般道路領域などを認識し該周辺領域の地図上に設定する機能を持つ。
【００６２】
空領域検出部５２ｂは、周辺地図生成部５２ａで生成された周辺領域の地図中で、センサ５１の検出結果では障害物が実在しない空領域を検出するためのものである。センサ５１が発するスキャンビームに対して戻りビームがない領域を、空領域として検出する。補領域算出部５２ｃは、周辺地図生成部５２ａで生成された周辺領域の地図における移動可能領域から空領域検出部５２ｂで検出された空領域を除くことにより補領域を算出する。ここで、「補領域」とは、移動可能領域中で遮蔽領域であるか否かを問わず、障害物が実在し、または実在するかもしれない領域を意味する。
【００６３】
また、未確認障害物配置部５２ｄは、周辺地図生成部５２ａで生成された周辺領域の地図中であって、補領域算出部５２ｃにより算出設定された補領域の全てに対して未確認物体を障害物候補として配置するためのものである。この未確認障害物配置部１２ｂにより配置される未確認物体の障害物候補は、移動体モデルの特性を持つもの、本実施の形態２では、モデルＤＢ５５中に格納されている標準移動体モデルの特性を持つものが割り当てられる。
【００６４】
実在障害物検出部５２ｅは、センサ５１による検出結果に基づいて移動可能領域中において実在の障害物を検出するためのものである。この実在障害物検出部５２ｅは、センサ５１の検出結果として得られる該障害物との相対速度差、検出場所等の情報から、実在する障害物の種類を特定し得る機能を有し、実在する障害物の種類に対応する移動体モデルをモデルＤＢ５５中から抽出する。例えば、車道上で障害物を検出した場合には、該障害物を自動車と特定し、モデルＤＢ５５から自動車モデルを抽出して、障害物統合部５２ｆに出力する。
【００６５】
障害物統合部５２ｆは、未確認障害物配置部５２ｄから得られる移動可能領域の補領域中に配置された未確認物体の障害物候補に対して、実在障害物検出部５２ｅの検出結果を適用することで、配置された障害物候補中で実在が確認された障害物候補を実在の障害物に置き換える処理を行うためのものである。従って、障害物統合部５２ｆから予測部６０に対して出力される移動体モデルとしては、標準移動体モデルと、自動車モデル等の他の移動体モデルとが混在し得ることとなる。また、障害物統合部５２ｆは、設定された移動体モデルに対応する形態で障害物候補ないしは障害物を、該周辺領域地図の情報とともに、ＢＭＰイメージに書き込み変換して、予測部６０に対して出力する機能も持つ。
【００６６】
次に、実施の形態１における図２及び図３に示したような簡単な想定例を参照しながら、図１１に示したような構成により実行される本実施の形態２の障害物検出方法について説明する。
【００６７】
まず、位置情報受信部５４が受信した位置情報に基づき、周辺地図生成部５２ａは自車両４３の現在位置を認識し、地図ＤＢ５３を参照することで、該自車両４３の周辺領域の地図を生成する。また、この周辺地図生成部５２ａでは、本来の地図情報中から、当該自車両４３にとって現在位置を基準とした場合の将来的な移動可能領域も認識しており、図４に示したような該移動可能領域のみを設定した周辺領域の地図として生成する。
【００６８】
次いで、空領域検出部５２ｂは、周辺地図生成部５２ａにより生成された周辺領域の地図に対して、センサ５１による検出結果を参照することで、センサ５１の検出結果では障害物が実在しないことが明らかな空領域を検出する。すなわち、ミリ波レーダによるセンサ５１は、自車両４３の現在位置において電子的にビームをスキャンすることで全周に亘って障害物の有無の検出動作を行っており、スキャンビームによるスキャン領域中で戻りビームがなければ、その領域中には障害物が実在しない空領域であると判定する。図１２は、図２及び図３に示したような状況下での、センサ５１によるビームスキャンの様子、及びスキャン結果として空領域８１（ハッチングを施して示す領域）と判定された領域を示す説明図である。
【００６９】
次に、補領域算出部５２ｃは、周辺地図生成部５２ａにより生成された周辺領域の地図中の移動可能領域（左側車線４１Ｌの領域及び一般道４２の領域）から、空領域検出部５２ｂで検出された空領域８１を除くことで、補領域を算出し、周辺領域の地図上に設定する。図１３は、算出・設定された補領域８２ａ，８２ｂの一例及び未確認物体４６の配置例を示す説明図である。２つの補領域８２ａ，８２ｂ中、補領域８２ｂはスキャンビームが遮蔽物４５によって遮られ、障害物の検出が不可となる遮蔽領域に相当する。
【００７０】
そして、このように算出・設定された移動可能領域の補領域８２ａ，８２ｂの全てに対して、図１３に示すように、複数の未確認物体４６Ａ〜４６Ｇを障害物候補として配置する。ここに、本実施の形態２によれば、自車両４３の移動可能領域中でセンサ５１による障害物の検出が不可となる遮蔽領域に相当する補領域８２ｂ、すなわち一般道４２の一部に対して、未確認物体４６Ｅ，４６Ｆ，４６Ｇが障害物候補として配置される。この場合の未確認物体４６Ａ〜４６Ｇの移動体モデルとしては、モデルＤＢ５５中に格納されている標準移動体モデルが適用される。ここでは、実在の他車両４４も、未確認物体４６の標準移動体モデルとして配置される。
【００７１】
なお、図１３に示す例では、複数の未確認物体４６を補領域８２ａ，８２ｂに対して均等間隔で埋め尽くすように配置させているが、このような配置例に限らず、複数の未確認物体４６同士が重なり合うように配置させてもよく、或いは、補領域８２ａ，８２ｂ毎に未確認物体４６を１個ずつ配置させるようにしてもよい。１個ずつ配置させる場合、特に、補領域８２ａ，８２ｂと空領域８１との仮想的な境界線に最接近した位置に障害物候補として配置するのが好ましい（図１３中の例であれば、未確認物体４６Ａ，４６Ｅが相当する）。
【００７２】
よって、予測部６０では、自車両４３の移動可能領域の補領域８２ａ，８２ｂに対して配置されたこれらの未確認物体４６Ａ〜４６Ｇの行動を予測することで、走行中の自車両４３に対する衝突の可能性等を予測することができる。特に、移動可能領域中で自車両４３に搭載されたセンサ５１で検出不可な遮蔽領域に相当する補領域８２ｂがあっても、このような補領域８２ｂには障害物が存在するかもしれないと想定し、障害物が存在し得る状況においてはこのような補領域８２ｂに対して未確認物体４６Ｅ〜４６Ｇを障害物候補として仮想的に配置しているので、このような補領域８２ｂにおける未確認物体４６Ｅ〜４６Ｇによる障害物候補をも用いて自車両４３に対する環境予測を行うことが可能となり、安全な自動運転化等の実現に役立てることができる。なお、標準移動体モデルに関しては、実施の形態１で前述した通りである。
【００７３】
ところで、実在障害物検出部５２ｅは、センサ５１の検出結果に基づいて自車両４３の移動可能領域中に実在する障害物を検出しており、図２及び図３に示したような状況例では、先行する他車両４４を検出する。そして、実在障害物検出部５２ｅは、該障害物を自動車と特定し、モデルＤＢ５５から自動車モデルを抽出して、障害物統合部５２ｆに出力する。
【００７４】
障害物統合部５２ｆは、未確認障害物配置部５２ｄから得られる移動可能領域の補領域８２ａ，８２ｂ中に配置された未確認物体４６の障害物候補に対して、実在障害物検出部５２ｅの検出結果を適用することで、配置された障害物候補中で実在が確認された障害物候補を実在の障害物に置き換える処理を行う。本例の場合、図１４に示すように、未確認物体４６Ａを他車両４４なる実在の障害物に置き換えて配置する。該他車両４４には、自動車モデルが適用される。実在することが明らかな障害物には、対応する単体移動体モデルを適用することで、より現実的かつ精度の高い予測が可能となる。
【００７５】
なお、これらの実施の形態１，２では、障害物候補として配置する未確認物体４６は、標準移動体モデルの特性を持つものとしたが、状況に応じて、単体移動体モデルであってもよい。例えば、高速道路等の如く、障害物として存在し得るのが自動車であると相違し得る状況下では、障害物候補として配置する未確認物体は、当初から自動車モデルの特性を持つものとして扱うようにしてもよい。
【図面の簡単な説明】
【００７６】
【図１】本発明の実施の形態１にかかる障害物検出装置を示す概略ブロック図である。
【図２】自車両を含む実際の周辺状況の一例を平面図的に示す説明図である。
【図３】自車両から前方を見た様子を示す説明図である。
【図４】周辺地図生成部により生成された周辺領域の地図の一例を示す説明図である。
【図５】複数の未確認物体の移動可能領域に対する配置の初期状態例を示す説明図である。
【図６】センサによるビームスキャンの様子、及びスキャン結果に伴う実在しない未確認物体の消去結果を示す説明図である。
【図７−１】人モデルの基本的な行動特性を示す説明図である。
【図７−２】自動車モデルの基本的な行動特性を示す説明図である。
【図８】人モデル及び自動車モデルの現時点ｔ＝０からの時間ｔの経過に伴う存在可能領域を時空間的に模式的に示す説明図である。
【図９】新たに創設された標準移動体モデルが有するｙ座標方向に関する時間−移動量の最悪特性の一例を示す説明図である。
【図１０】実在が判定された未確認物体を実在の障害物に置き換えた配置結果を示す説明図である。
【図１１】本発明の実施の形態２にかかる障害物検出装置を示す概略ブロック図である。
【図１２】センサによるビームスキャンの様子、及びスキャン結果として空領域と判定された領域を示す説明図である。
【図１３】算出・設定された補領域の一例及び未確認物体の配置例を示す説明図である。
【図１４】実在が判定された未確認物体を実在の障害物に置き換えた配置結果を示す説明図である。
【符号の説明】
【００７７】
１０ 障害物検出装置
１１ センサ
１２ａ 周辺地図生成部
１２ｂ 未確認障害物配置部
１２ｃ 未確認障害物存在判定部
１２ｄ 実在障害物検出部
１２ｅ 障害物統合部
４１Ｌ 左側車線
４２ 一般道
４３ 自車両
４４ 他車両
４５ 遮蔽物
４６ 未確認物体
４７ 遮蔽領域
５０ 障害物検出装置
５１ センサ
５２ａ 周辺地図生成部
５２ｂ 空領域検出部
５２ｃ 補領域算出部
５２ｄ 未確認障害物配置部
５２ｅ 実在障害物検出部
５２ｆ 障害物統合部
８１ 空領域
８２ａ，８２ｂ 補領域
【技術分野】
【０００１】
本発明は、自動車の衝突回避或いは警告、さらには自動運転化等を実現するための環境予測への適用に好適な障害物検出方法、障害物検出装置及び標準移動体モデルに関するものである。
【背景技術】
【０００２】
一般に、走行中の自動車の事故を未然に回避し、或いは警告し、さらには自動運転を実現するためには、他車両等の障害物の存在環境を認識し、障害物の挙動を予測することが重要であり、従来から各種の障害物検出方式が提案されている。その一例として、特許文献１は、レーダベースのセンサ等の車載センサを用いて自車両周囲の障害物の存在の有無を検出し、衝突警告、衝突回避、適応クルーズ制御等のための予測に利用する技術を開示している。
【０００３】
【特許文献１】特表２００３−５０６７８５号公報
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかしながら、特許文献１に記載のものは、車載センサの検出結果として実在する物体のみを障害物として検出しており、車載センサでは検出不可となってしまう遮蔽箇所がある場合に、障害物をどう取り扱うかに関しては、必ずしも明確な解答が示されていない。遮蔽の多い場所、例えば壁、塀などに囲まれた路地等において、自動運転を実現するための環境認識では、遮蔽ある状況への適正な対応が重大な課題となる。
【０００５】
本発明は、上記に鑑みてなされたものであって、搭載センサによる障害物の検出が不可な遮蔽箇所があっても、該遮蔽箇所に対する対応を適正に行うことができる障害物検出方法、障害物検出装置及び標準移動体モデルを提供することを目的とする。
【課題を解決するための手段】
【０００６】
上述した課題を解決し、目的を達成するために、請求項１にかかる発明の障害物検出方法は、移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出方法であって、前記移動体の周辺領域で移動可能な移動可能領域を設定するステップと、初期状態として前記移動可能領域の全域に対して複数の未確認物体を障害物候補として配置するステップと、初期状態として配置された前記障害物候補中から前記センサによる検出結果により実在しないと判定された障害物候補を消去するステップと、を備えることを特徴とする。
【０００７】
請求項２にかかる発明の障害物検出方法は、上記発明において、前記消去するステップは、当該移動体に近い障害物候補から順に行うことを特徴とする。
【０００８】
請求項３にかかる発明の障害物検出方法は、上記発明において、移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出方法であって、前記移動体の周辺領域で移動可能な移動可能領域を設定するステップと、前記移動体の周辺領域で前記センサの検出結果では前記障害物が実在しない空領域を検出するステップと、前記移動可能領域から前記空領域を除いた補領域を設定するステップと、前記補領域の全てに対して未確認物体を障害物候補として配置するステップと、を備えることを特徴とする。
【０００９】
請求項４にかかる発明の障害物検出方法は、上記発明において、前記障害物候補として配置する前記未確認物体は、該未確認物体の行動を予測するための移動体モデルの特性を持つことを特徴とする。
【００１０】
請求項５にかかる発明の障害物検出方法は、上記発明において、前記移動体モデルは、特性の異なる複数の単体移動体モデル同士の特性を融合させて架空の特性を持たせた架空の標準移動体モデルであることを特徴とする。
【００１１】
請求項６にかかる発明の障害物検出方法は、上記発明において、前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする。
【００１２】
請求項７にかかる発明の障害物検出方法は、上記発明において、前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする。
【００１３】
請求項８にかかる発明の障害物検出方法は、上記発明において、配置された前記障害物候補中、前記センサによる検出結果により実在すると判定された障害物候補を実在の障害物に置き換えるステップをさらに備えることを特徴とする。
【００１４】
請求項９にかかる発明の標準移動体モデルは、未確認の仮想的な移動体の行動を予測するための移動体モデルであって、前記移動体として実在し得る特性の異なる複数の単体移動体モデル同士の特性を融合させて架空の特性を持たせてなることを特徴とする。
【００１５】
請求項１０にかかる発明の標準移動体モデルは、上記発明において、前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする。
【００１６】
請求項１１にかかる発明の標準移動体モデルは、上記発明において、前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする。
【００１７】
請求項１２にかかる発明の障害物検出装置は、移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出装置であって、前記移動体の周辺領域で移動可能な移動可能領域を設定する領域設定手段と、初期状態として前記移動可能領域の全域に対して複数の未確認物体を障害物候補として配置する配置手段と、初期状態として配置された前記障害物候補中から前記センサによる検出結果により実在しないと判定された障害物候補を消去する消去手段と、を備えることを特徴とする。
【００１８】
請求項１３にかかる発明の障害物検出装置は、上記発明において、移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出装置であって、前記移動体の周辺領域で移動可能な移動可能領域を設定する領域設定手段と、前記移動体の周辺領域で前記センサの検出結果では前記障害物が実在しない空領域を検出する空領域検出手段と、前記移動可能領域から前記空領域を除いた補領域を設定する補領域設定手段と、前記補領域の全てに対して未確認物体を障害物候補として配置する配置手段と、を備えることを特徴とする。
【００１９】
請求項１４にかかる発明の障害物検出装置は、上記発明において、前記障害物候補として配置する前記未確認物体は、行動を予測するための移動体モデルの特性を持つことを特徴とする。
【００２０】
請求項１５にかかる発明の障害物検出装置は、上記発明において、前記移動体モデルは、特性の異なる複数の単体移動体モデルの特性を融合させて架空の特性を持たせた標準移動体モデルであることを特徴とする。
【００２１】
請求項１６にかかる発明の障害物検出装置は、上記発明において、前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする。
【００２２】
請求項１７にかかる発明の障害物検出装置は、上記発明において、前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする。
【００２３】
請求項１８にかかる発明の障害物検出装置は、上記発明において、配置された前記障害物候補中、前記センサによる検出結果により実在すると判定された障害物候補を実在の障害物に置き換える置き換え手段をさらに備えることを特徴とする。
【発明の効果】
【００２４】
本発明にかかる障害物検出方法及び障害物検出装置によれば、移動体の移動可能領域中で該移動体に搭載されたセンサで検出不可な遮蔽領域があっても、遮蔽領域には障害物が存在するかもしれないと想定し、障害物が存在し得る状況においては該遮蔽領域に対して未確認物体を障害物候補として仮想的に配置するようにしたので、未確認物体による障害物候補を用いて環境予測を行うことが可能となり、安全な自動運転化等の実現に役立てることができるという効果を奏する。
【００２５】
また、本発明にかかる標準移動体モデルによれば、未確認の仮想的な移動体の行動を予測するための移動体モデルであって、移動体として実在し得る特性の異なる複数の単体移動体モデル同士の特性を融合させた架空の特性を持たせてなるので、未確認の仮想的な移動体の行動を予測判断する上で、安全性を優先することができ、未確認物体による障害物候補の行動予測等に好適に適用することができるという効果を奏する。
【発明を実施するための最良の形態】
【００２６】
以下に、本発明にかかる障害物検出方法、障害物検出装置及び標準移動体モデルの実施の形態を図面に基づいて詳細に説明する。なお、本発明は、実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲で種々の変更実施の形態が可能である。
【００２７】
（実施の形態１）
図１は、本発明の実施の形態１にかかる障害物検出装置を示す概略ブロック図である。この障害物検出装置は、道路を走行する自動車である自車両を、対象となる移動体とし、該自車両の移動の妨げとなる障害物を検出するためのものである。本実施の形態１の障害物検出装置１０は、自車両に搭載されて障害物を検出するもので、センサ１１と、プロセッサ１２と、地図ＤＢ（データベース）１３と、位置情報受信部１４と、モデルＤＢ（データベース）１５とを備える。障害物検出装置１０の検出結果は、検出された障害物の行動を予測するための予測部２０に出力され、予測部２０の予測結果は、警告部３０に出力され、衝突予測が得られた場合には警告を発する構成とされている。
【００２８】
センサ１１は、自車両のフロント部等の適宜箇所に搭載されて、自車両の周辺での障害物の存在の有無を検出するためのものである。本実施の形態１では、センサ１１は、例えば電子的にビームをスキャンして全周に亘って障害物の有無の検出可能なミリ波レーダが用いられている。
【００２９】
地図ＤＢ１３は、例えば日本全国版道路地図情報等の地図情報を更新自在に収録したもので、記録媒体方式としては、ＣＤ，ＤＶＤ，ＨＤ（ハードディスク）等のいずれの方式であってもよい。さらに、地図情報は、インターネット、データ放送等の通信を利用して得る構成も可能である。位置情報受信部１４は、自車両の現在位置に関する情報を受信するためのものであり、例えば、衛星を利用するＧＰＳ（Global Positioning Satellite）システムにおけるＧＰＳ受信器が用いられている。すなわち、地図ＤＢ１３や位置情報受信部１４は、近年普及の目覚しいカーナビシステムを利用することで実現できる。
【００３０】
モデルＤＢ１５は、自車両に対して障害物となり得る移動体の行動を予測するためにそれぞれ固有の行動特性を持たせた各種の移動体モデルを格納したものである。このモデルＤＢ１５に格納されている移動体モデルとしては、後述の未確認の仮想的な移動体の行動を予測するために生成された標準移動体モデルの他、自動車の行動を予測するための自動車モデル、人の行動を予測するための人モデル、さらには、必要に応じて、自動二輪車モデル、自転車モデル等の単体移動体モデルがある。
【００３１】
プロセッサ１２は、ＣＰＵ，ＲＯＭ及びＲＡＭ等を備えるマイクロコンピュータ構成であって、本実施の形態１における障害物検出方法を実現するためのものである。このプロセッサ１２は、周辺地図生成部１２ａと、未確認障害物配置部１２ｂと、未確認障害物存在判定部１２ｃと、実在障害物検出部１２ｄと、障害物統合部１２ｅとを備える。
【００３２】
周辺地図生成部１２ａは、該障害物検出装置１０によって障害物の有無を判定する周辺領域を特定するための周辺領域の地図を生成するものである。具体的には、周辺地図生成部１２ａは、位置情報受信部１４が受信した自車両の現在位置情報を用いて地図ＤＢ１３を参照し、自車両周辺の地図を生成する。この場合の周辺領域の広さは、適宜設定すればよいが、自車両の速度依存で変化し、高速になるほど対象となる周辺領域の地図の広さが広がることが好ましい。また、周辺地図生成部１２ａは、生成した周辺領域の地図上において、地図記号・表記などに基づいて、自車両が該周辺領域中で移動可能な移動可能領域、例えば車道中の左車線側領域や車道に交差或いは合流する一般道路領域などを認識し該周辺領域の地図上に設定する移動可能領域設定機能を持つ。
【００３３】
また、未確認障害物配置部１２ｂは、周辺地図生成部１２ａで生成された周辺領域の地図中で、初期状態として自車両の移動可能領域の全域に対して複数の未確認物体を障害物候補として配置するためのものである。この未確認障害物配置部１２ｂにより配置される未確認物体の障害物候補は、移動体モデルの特性を持つもの、本実施の形態１では、モデルＤＢ１５中に格納されている標準移動体モデルの特性を持つものが割り当てられる。
【００３４】
未確認障害物存在判定部１２ｃは、未確認障害物配置部１２ｂにより移動可能領域の全域に配置された障害物候補に対して、センサ１１による検出結果を適用することで、センサ１１による検出結果により実在しないと判定された障害物候補に関しては消去する処理を行うためのものである。従って、未確認障害物存在判定部１２ｃの出力としては、センサ１１による検出結果により実在しないと判定されて消去された障害物候補以外の障害物候補が移動可能領域中に残存することとなる。すなわち、自車両の移動可能領域中で、センサ１１により存在が検出された実在の障害物はもちろん、センサ１１による障害物検出が不可な遮蔽領域であっても、初期状態で配置された未確認物体による障害物候補はそのまま残存する。
【００３５】
実在障害物検出部１２ｄは、センサ１１による検出結果に基づいて移動可能領域中において実在の障害物を検出するためのものである。この実在障害物検出部１２ｄは、センサ１１の検出結果として得られる該障害物との相対速度差、検出場所等の情報から、実在する障害物の種類を特定し得る機能を有し、実在する障害物の種類に対応する移動体モデルをモデルＤＢ１５中から抽出する。例えば、車道上で障害物を検出した場合には、該障害物を自動車と特定し、モデルＤＢ１５から自動車モデルを抽出して、障害物統合部１２ｅに出力する。
【００３６】
障害物統合部１２ｅは、未確認障害物存在判定部１２ｃから得られる移動可能領域中に配置されて残存した未確認物体の障害物候補に対して、実在障害物検出部１２ｄの検出結果を適用することで、配置された障害物候補中で実在が確認された障害物候補を実在の障害物に置き換える処理を行うためのものである。従って、障害物統合部１２ｅから予測部２０に対して出力される移動体モデルとしては、標準移動体モデルと、自動車モデル等の他の移動体モデルとが混在し得ることとなる。また、障害物統合部１２ｅは、設定された移動体モデルに対応する形態で障害物候補ないしは障害物を、該周辺領域地図の情報とともに、ＢＭＰイメージに書き込み変換して、予測部２０に対して出力する機能も持つ。
【００３７】
次に、簡単な想定例を参照しながら、図１に示したような構成により実行される本実施の形態１の障害物検出方法について説明する。図２は、自車両を含む実際の周辺状況の一例を平面図的に示す説明図であり、図３は、自車両から前方を見た様子を示す説明図である。図２に示すように、例えば中央分離帯４１Ｃで分離された片側２車線ずつの自動車専用の４車線車道４１に対して、Ｔ字状に交差する２車線の一般道４２が存在する周辺状況下で、自車両４３が左側車線４１Ｌを走行中で、一般道４２付近に近づく場合を想定する。４４は、自車両４３に先行して左側車線４１Ｌ上を走行中の実在の他車両を示している。また、自車両４３の現在位置において、左側車線４１Ｌの左側には、図３に示すように一般道４２に対する視界を遮る壁、塀などの遮蔽物４５が存在する場合を想定する。
【００３８】
まず、位置情報受信部１４が受信した位置情報に基づき、周辺地図生成部１２ａは自車両４３の現在位置を認識し、地図ＤＢ１３を参照することで、該自車両４３の周辺領域の地図を生成する。図４は、周辺地図生成部１２ａにより生成された周辺領域の地図の一例を示す説明図である。この場合の周辺領域の地図は、適宜広さとされるが、走行中の自動車を対象とした周辺領域の地図であり、現在位置に対して進行方向前方に重きをおいた周辺領域の地図とされる。
【００３９】
また、この周辺地図生成部１２ａでは、本来の地図情報中から、当該自車両４３にとって現在位置を基準とした場合の将来的な移動可能領域も認識しており、該移動可能領域のみを設定した周辺領域の地図として生成する。すなわち、図２等に示す状況においては、車道４１のうち、現在走行中の左側車線４１Ｌと、この左側車線４１Ｌに交差する一般道４２とが該自車両４３の移動可能領域として設定され、車道４１のうちの中央分離帯４１Ｃで分離された反対側車線４１Ｒや、道路以外の領域は該自車両４３の移動可能領域からは除外される。
【００４０】
次いで、未確認障害物配置部１２ｂは、周辺地図生成部１２ａにより生成された周辺領域の地図中の該自車両４３の移動可能領域の自車両４３周りの全域に対して、初期状態として、図５に示すように、複数の未確認物体４６を障害物候補として配置する。図５は、複数の未確認物体４６の移動可能領域に対する配置の初期状態例を示す説明図である。この場合の未確認物体４６の移動体モデルとしては、モデルＤＢ１５中に格納されている標準移動体モデルが適用される。ここでは、実在の他車両４４も、未確認物体４６の標準移動体モデルとして配置される。図５に示す例では、未確認物体４６を移動可能領域に対して均等間隔で埋め尽くすように配置させているが、このような配置例に限らず、例えば未確認物体４６同士が重なるようにさらに詰めて配置させてもよい。
【００４１】
次いで、未確認障害物存在判定部１２ｃは、センサ１１による検出結果を参照することで、移動可能領域中に配置された複数の未確認物体４６中で、実在しないことが明らかな未確認物体４６を消去する。すなわち、ミリ波レーダによるセンサ１１は、自車両４３の現在位置において電子的にビームをスキャンすることで全周に亘って障害物の有無の検出動作を自車両４３に近い順に行っており、スキャン領域中で或る距離まで戻りビームがなければ、その領域中には障害物が実在しないと判定できる。図６は、センサ１１によるビームスキャンの様子、及びスキャン結果に伴う実在しない未確認物体４６の消去結果を示す説明図である。
【００４２】
例えば、図２及び図３に示したような状況において、自車両４３と先行する実在の他車両４４（未確認物体４６ａ）との間の途中の領域では当該領域をビームスキャンしてもセンサ１１に対して戻りビームがないので、未確認物体４６ｂ，４６ｃ，４６ｄの順に、それぞれ実在しないと判定され、消去の対象とされる。左側車線４１Ｌ中の隣り車線の領域、及び自車両４３の走行車線中の後方領域に関しても、ビームスキャンの結果、センサ１１に対して戻りビームがないので、対応する領域の未確認物体４６はいずれも実在しないと判定され、消去の対象とされる。さらに、一般道４２に配置された未確認物体４６に関しては、先頭に配置された未確認物体４６ｅの領域のみがビームスキャンの結果、センサ１１に対して戻りビームがないので、実在しないことが判定され、消去の対象とされる。一方、未確認物体４６ｆ，４６ｇ，４６ｈの領域に関しては、センサ１１のスキャンビームが遮蔽物４５により遮られる遮蔽領域４７となり、センサ１１によるビームスキャンの対象外となってしまうため、センサ１１による検出結果からは実在しないとは判定できず、消去の対象から除外される。他車両４４（未確認物体４６ａ）よりも先行する位置に配置された未確認物体４６ｉ，４６ｊ，４６ｋの領域も同様である。
【００４３】
この結果、未確認障害物存在判定部１２ｃの出力は、図６に示すように、センサ１１により検出された実在の他車両４４を含む未確認物体４６ａ，４６ｆ，４６ｇ，４６ｈ，４６ｉ，４６ｊ，４６ｋのみが移動可能領域に残存する配置となる。ここに、本実施の形態１によれば、自車両４３の移動可能領域中でセンサ１１による障害物の検出が不可となる遮蔽領域４７、ここでは一般道４２の一部に対して、未確認物体４６ｆ，４６ｇ，４６ｈが障害物候補として配置される。
【００４４】
よって、予測部２０では、例えば、自車両４３の移動可能領域に対して最終的に配置されたこれらの未確認物体４６ａ，４６ｆ，４６ｇ，４６ｈ，４６ｉ，４６ｊ，４６ｋの行動と自車両４３の行動（車速、操舵方向等）とから可能性のある移動軌跡を予測することで、走行中の自車両４３に対する衝突の可能性等を予測することができる。特に、移動可能領域中で自車両４３に搭載されたセンサ１１で検出不可な遮蔽領域４７があっても、このような遮蔽領域４７には障害物が存在するかもしれないと想定し、障害物が存在し得る状況においてはこのような遮蔽領域４７に対して未確認物体４６ｆ，４６ｇ，４６ｈを障害物候補として仮想的に配置しているので、このような遮蔽領域４７における未確認物体４６ｆ，４６ｇ，４６ｈによる障害物候補をも用いて自車両４３に対する環境予測を行うことが可能となり、安全な自動運転化等の実現に役立てることができる。
【００４５】
図６に示す例であれば、未確認物体４６ｆ，４６ｇ，４６ｈの存在を想定した予測に基づき、一般道４２付近に到達するまで、自車両４３の走行に対して徐行、警告等の注意を促し、その後、一般道４２付近まで走行して該一般道４２がセンサ１１の検出範囲となって（遮蔽領域４７でなくなり）、未確認物体４６ｆ，４６ｇ，４６ｈが実在しないことが判定されたら、その後は、同一走行車線上に配置させた未確認物体４６ａ，４６ｉ，４６ｋ，４６ｋのみを行動の予測対象として処理を進めればよい。
【００４６】
次に、移動体モデルについて説明する。移動可能領域に障害物候補として配置された未確認物体４６が、その後どのように動くかの行動を予測するために移動体モデルを適用するわけであるが、未確認で仮想的な障害物、特に遮蔽領域４７に配置する未確認物体４６としては、どのような行動特性を持つ移動体モデルを適用するかが、自車両４３に対する衝突危険等を予測する上で問題となる。
【００４７】
ここで、例えば、移動体として実在し得る人や自動車に関する単体移動体モデルである人モデルや自動車モデルについて、速度ｖ＝０ｋｍ／ｈの現時点ｔ＝０からｔ秒後のその行動特性を考える。まず、基本として、人モデルは、現時点ｔ＝０から瞬時に前後左右のいずれの方向にも移動できるので、ｘ−ｙ二次元座標上では、図７−１中に円で示すように、全方向において均等に存在し得る行動特性を示す。一方、自動車モデルは、現時点ｔ＝０からの移動はその時点の自動車の向き（自動車進行方向）による制約を受け、瞬時に横方向には移動しにくいので、ｘ−ｙ二次元座標上では、図７−２中に細長円で示すように、特定方向（ここでは、進行方向を示すｙ座標方向）に片寄った位置に存在し得る行動特性を示す。
【００４８】
加えて、時間の経過を考えると、人モデルは、現時点ｔ＝０からの移動開始に関する瞬時の加速度は大きいが、その後の最高速度は遅いという行動特性を有するため、現時点ｔ＝０からの時間ｔの経過に伴う存在可能領域を時空間的に模式的に示すと図８（ａ）〜（ｃ）のように表すことができる。一方、自動車モデルは、現時点ｔ＝０からの移動開始に関する瞬時の加速度は小さいが、その後の最高速度は速いという行動特性を有するため、現時点ｔ＝０からの時間経過に伴う存在可能領域を時空間的に模式的に示すと図８（ａ）〜（ｃ）のように表すことができる。また、人モデルに対して自動車モデルは、サイズも大きいという特性を有する。
【００４９】
ここで、遮蔽領域４７に配置されて実在するかもしれない未確認物体４６は、例えば、自動車であるかもしれず、或いは、人であるかもしれず（、さらには、自動二輪車や自転車等であるかもしれず）、時間の経過をも考慮した時空間環境で自車両４３に対する未確認の障害物として扱う上では、時空間的に一番散らばり易い最悪特性を持つ移動体モデルを想定しておくことが安全性確保のためには好ましい。
【００５０】
そこで、本実施の形態１では、未確認物体４７の行動を予測するための移動体モデルとして、特性の異なる単体移動体モデル同士である人モデルと自動車モデルとの行動特性を融合させることで、架空の特性、例えば最悪特性を持たせた架空の標準移動体モデルを適用するようにしたものである。すなわち、図８（ａ）〜（ｃ）中に示すような人モデルの瞬時に全方向に素早く動ける行動特性と、図８（ａ）〜（ｃ）中に示すような自動車モデルの遠くまで行ける行動特性とを、それぞれの単体移動体の最悪特性とみなし、両方の最悪特性同士を融合させた特性を持つ架空の標準移動体モデルを考え出したものである。
【００５１】
図９は、新たに創設された標準移動体モデルが有するｙ座標方向に関する時間−移動量の最悪特性の一例を示す説明図である。すなわち、上述の人モデルの特性と自動車モデルの特性とを考慮し、現時点ｔ＝０から数秒程度の或る時間が経過するまでは人モデル側の最悪特性を採用し、その後は自動車モデルの最悪特性を採用するように、両者の特性を融合させたものである。また、標準移動体モデルのサイズとしても、大きい方が自車両４３にとって衝突時の衝撃が大きく最悪となるので、自動車モデルのサイズを標準移動体モデルのサイズとしている。このため、前述の図５、図６等に示した未確認物体４６は、自動車モデルの場合と同様のサイズで表現しているものである。
【００５２】
このように、未確認物体４６のように未確認の仮想的な移動体の行動を予測するための移動体モデルとして、移動体として実在し得る特性の異なる複数の単体移動体モデル同士の特性を融合させた架空の特性、例えば最悪特性を持たせた架空の標準移動体モデルを用いるようにしたので、未確認の仮想的な移動体の行動を時空間環境で予測判断する上で、安全性を優先することができる。また、障害物候補として配置される全ての未確認物体４６に対して標準移動体モデルの特性を想定することで、一種類のみの単一モデルを用いた予測が可能で、同一計算、並列計算が多くなり、予測演算処理の単純化を図ることもできる。
【００５３】
なお、このような標準移動体モデルは、交通流一般において、予測不可な領域における未確認物体の行動を予測する上でも有効であり、標準移動体モデルを活用することで交通制御システムを適正に稼動させることができる。
【００５４】
ところで、実在障害物検出部１２ｄは、センサ１１の検出結果に基づいて自車両４３の移動可能領域中に実在する障害物を検出しており、図２及び図３に示したような状況例では、先行する他車両４４を検出する。そして、実在障害物検出部１２ｄは、該障害物を自動車と特定し、モデルＤＢ１５から自動車モデルを抽出して、障害物統合部１２ｅに出力する。
【００５５】
障害物統合部１２ｅは、未確認障害物存在判定部１２ｃから得られる移動可能領域中に配置されて残存した未確認物体４６の障害物候補に対して、実在障害物検出部１２ｄの検出結果を適用することで、配置された障害物候補中で実在が確認された障害物候補を実在の障害物に置き換える処理を行う。本例の場合、図１０に示すように、未確認物体４６ａを他車両４４なる実在の障害物に置き換えて配置する。該他車両４４には、自動車モデルが適用される。実在することが明らかな障害物には、対応する単体移動体モデルを適用することで、推定の精度が上がり、より現実的かつ精度の高い予測が可能となる。
【００５６】
（実施の形態２）
図１１は、本発明の実施の形態２にかかる障害物検出装置を示す概略ブロック図である。この障害物検出装置は、道路を走行する自動車である自車両を、対象となる移動体とし、該自車両の移動の妨げとなる障害物を検出するためのものである。本実施の形態２の障害物検出装置５０は、自車両に搭載されて障害物を検出するもので、センサ５１と、プロセッサ５２と、地図ＤＢ（データベース）５３と、位置情報受信部５４と、モデルＤＢ（データベース）５５とを備える。障害物検出装置５０の検出結果は、検出された障害物の行動を予測するための予測部６０に出力され、予測部６０の予測結果は、警告部７０に出力され、衝突予測が得られた場合には警告を発する構成とされている。
【００５７】
センサ５１は、自車両のフロント部等の適宜箇所に搭載されて、自車両の周辺での障害物の存在の有無を検出するためのものである。本実施の形態２では、センサ５１は、例えば電子的にビームをスキャンして全周に亘って障害物の有無の検出可能なミリ波レーダが用いられている。
【００５８】
地図ＤＢ５３は、例えば日本全国版道路地図情報等の地図情報を更新自在に収録したもので、記録媒体方式としては、ＣＤ，ＤＶＤ，ＨＤ（ハードディスク）等のいずれの方式であってもよい。さらに、地図情報は、インターネット、データ放送等の通信を利用して得る構成も可能である。位置情報受信部５４は、自車両の現在位置に関する情報を受信するためのものであり、例えば、衛星を利用するＧＰＳ（Global Positioning Satellite）システムにおけるＧＰＳ受信器が用いられている。すなわち、地図ＤＢ５３や位置情報受信部５４は、近年普及の目覚しいカーナビシステムを利用することで実現できる。
【００５９】
モデルＤＢ５５は、自車両に対して障害物となり得る移動体の行動を予測するためにそれぞれ固有の行動特性を持たせた各種の移動体モデルを格納したものである。このモデルＤＢ５５に格納されている移動体モデルとしては、未確認の仮想的な移動体の行動を予測するために生成された標準移動体モデル（実施の形態１の説明参照）の他、自動車の行動を予測するための自動車モデル、人の行動を予測するための人モデル、さらには、必要に応じて、自動二輪車モデル、自転車モデル等の単体移動体モデルがある。
【００６０】
プロセッサ５２は、ＣＰＵ，ＲＯＭ及びＲＡＭ等を備えるマイクロコンピュータ構成であって、本実施の形態２における障害物検出方法を実現するためのものである。このプロセッサ５２は、周辺地図生成部５２ａと、空領域検出部５２ｂと、補領域算出部５２ｃと、未確認障害物配置部５２ｄと、実在障害物検出部５２ｅと、障害物統合部５２ｆとを備える。
【００６１】
周辺地図生成部５２ａは、該障害物検出装置５０によって障害物の有無を判定する周辺領域を特定するための周辺領域の地図を生成するものである。具体的には、周辺地図生成部５２ａは、位置情報受信部５４が受信した自車両の現在位置情報を用いて地図ＤＢ５３を参照し、自車両周辺の地図を生成する。この場合の周辺領域の広さは、適宜設定すればよいが、自車両の速度依存で変化し、高速になるほど対象となる周辺領域の地図の広さが広がることが好ましい。また、周辺地図生成部５２ａは、生成した周辺領域の地図上において、地図記号・表記などに基づいて、自車両が該周辺領域中で移動可能な移動可能領域、例えば車道中の左車線側領域や車道に交差或いは合流する一般道路領域などを認識し該周辺領域の地図上に設定する機能を持つ。
【００６２】
空領域検出部５２ｂは、周辺地図生成部５２ａで生成された周辺領域の地図中で、センサ５１の検出結果では障害物が実在しない空領域を検出するためのものである。センサ５１が発するスキャンビームに対して戻りビームがない領域を、空領域として検出する。補領域算出部５２ｃは、周辺地図生成部５２ａで生成された周辺領域の地図における移動可能領域から空領域検出部５２ｂで検出された空領域を除くことにより補領域を算出する。ここで、「補領域」とは、移動可能領域中で遮蔽領域であるか否かを問わず、障害物が実在し、または実在するかもしれない領域を意味する。
【００６３】
また、未確認障害物配置部５２ｄは、周辺地図生成部５２ａで生成された周辺領域の地図中であって、補領域算出部５２ｃにより算出設定された補領域の全てに対して未確認物体を障害物候補として配置するためのものである。この未確認障害物配置部１２ｂにより配置される未確認物体の障害物候補は、移動体モデルの特性を持つもの、本実施の形態２では、モデルＤＢ５５中に格納されている標準移動体モデルの特性を持つものが割り当てられる。
【００６４】
実在障害物検出部５２ｅは、センサ５１による検出結果に基づいて移動可能領域中において実在の障害物を検出するためのものである。この実在障害物検出部５２ｅは、センサ５１の検出結果として得られる該障害物との相対速度差、検出場所等の情報から、実在する障害物の種類を特定し得る機能を有し、実在する障害物の種類に対応する移動体モデルをモデルＤＢ５５中から抽出する。例えば、車道上で障害物を検出した場合には、該障害物を自動車と特定し、モデルＤＢ５５から自動車モデルを抽出して、障害物統合部５２ｆに出力する。
【００６５】
障害物統合部５２ｆは、未確認障害物配置部５２ｄから得られる移動可能領域の補領域中に配置された未確認物体の障害物候補に対して、実在障害物検出部５２ｅの検出結果を適用することで、配置された障害物候補中で実在が確認された障害物候補を実在の障害物に置き換える処理を行うためのものである。従って、障害物統合部５２ｆから予測部６０に対して出力される移動体モデルとしては、標準移動体モデルと、自動車モデル等の他の移動体モデルとが混在し得ることとなる。また、障害物統合部５２ｆは、設定された移動体モデルに対応する形態で障害物候補ないしは障害物を、該周辺領域地図の情報とともに、ＢＭＰイメージに書き込み変換して、予測部６０に対して出力する機能も持つ。
【００６６】
次に、実施の形態１における図２及び図３に示したような簡単な想定例を参照しながら、図１１に示したような構成により実行される本実施の形態２の障害物検出方法について説明する。
【００６７】
まず、位置情報受信部５４が受信した位置情報に基づき、周辺地図生成部５２ａは自車両４３の現在位置を認識し、地図ＤＢ５３を参照することで、該自車両４３の周辺領域の地図を生成する。また、この周辺地図生成部５２ａでは、本来の地図情報中から、当該自車両４３にとって現在位置を基準とした場合の将来的な移動可能領域も認識しており、図４に示したような該移動可能領域のみを設定した周辺領域の地図として生成する。
【００６８】
次いで、空領域検出部５２ｂは、周辺地図生成部５２ａにより生成された周辺領域の地図に対して、センサ５１による検出結果を参照することで、センサ５１の検出結果では障害物が実在しないことが明らかな空領域を検出する。すなわち、ミリ波レーダによるセンサ５１は、自車両４３の現在位置において電子的にビームをスキャンすることで全周に亘って障害物の有無の検出動作を行っており、スキャンビームによるスキャン領域中で戻りビームがなければ、その領域中には障害物が実在しない空領域であると判定する。図１２は、図２及び図３に示したような状況下での、センサ５１によるビームスキャンの様子、及びスキャン結果として空領域８１（ハッチングを施して示す領域）と判定された領域を示す説明図である。
【００６９】
次に、補領域算出部５２ｃは、周辺地図生成部５２ａにより生成された周辺領域の地図中の移動可能領域（左側車線４１Ｌの領域及び一般道４２の領域）から、空領域検出部５２ｂで検出された空領域８１を除くことで、補領域を算出し、周辺領域の地図上に設定する。図１３は、算出・設定された補領域８２ａ，８２ｂの一例及び未確認物体４６の配置例を示す説明図である。２つの補領域８２ａ，８２ｂ中、補領域８２ｂはスキャンビームが遮蔽物４５によって遮られ、障害物の検出が不可となる遮蔽領域に相当する。
【００７０】
そして、このように算出・設定された移動可能領域の補領域８２ａ，８２ｂの全てに対して、図１３に示すように、複数の未確認物体４６Ａ〜４６Ｇを障害物候補として配置する。ここに、本実施の形態２によれば、自車両４３の移動可能領域中でセンサ５１による障害物の検出が不可となる遮蔽領域に相当する補領域８２ｂ、すなわち一般道４２の一部に対して、未確認物体４６Ｅ，４６Ｆ，４６Ｇが障害物候補として配置される。この場合の未確認物体４６Ａ〜４６Ｇの移動体モデルとしては、モデルＤＢ５５中に格納されている標準移動体モデルが適用される。ここでは、実在の他車両４４も、未確認物体４６の標準移動体モデルとして配置される。
【００７１】
なお、図１３に示す例では、複数の未確認物体４６を補領域８２ａ，８２ｂに対して均等間隔で埋め尽くすように配置させているが、このような配置例に限らず、複数の未確認物体４６同士が重なり合うように配置させてもよく、或いは、補領域８２ａ，８２ｂ毎に未確認物体４６を１個ずつ配置させるようにしてもよい。１個ずつ配置させる場合、特に、補領域８２ａ，８２ｂと空領域８１との仮想的な境界線に最接近した位置に障害物候補として配置するのが好ましい（図１３中の例であれば、未確認物体４６Ａ，４６Ｅが相当する）。
【００７２】
よって、予測部６０では、自車両４３の移動可能領域の補領域８２ａ，８２ｂに対して配置されたこれらの未確認物体４６Ａ〜４６Ｇの行動を予測することで、走行中の自車両４３に対する衝突の可能性等を予測することができる。特に、移動可能領域中で自車両４３に搭載されたセンサ５１で検出不可な遮蔽領域に相当する補領域８２ｂがあっても、このような補領域８２ｂには障害物が存在するかもしれないと想定し、障害物が存在し得る状況においてはこのような補領域８２ｂに対して未確認物体４６Ｅ〜４６Ｇを障害物候補として仮想的に配置しているので、このような補領域８２ｂにおける未確認物体４６Ｅ〜４６Ｇによる障害物候補をも用いて自車両４３に対する環境予測を行うことが可能となり、安全な自動運転化等の実現に役立てることができる。なお、標準移動体モデルに関しては、実施の形態１で前述した通りである。
【００７３】
ところで、実在障害物検出部５２ｅは、センサ５１の検出結果に基づいて自車両４３の移動可能領域中に実在する障害物を検出しており、図２及び図３に示したような状況例では、先行する他車両４４を検出する。そして、実在障害物検出部５２ｅは、該障害物を自動車と特定し、モデルＤＢ５５から自動車モデルを抽出して、障害物統合部５２ｆに出力する。
【００７４】
障害物統合部５２ｆは、未確認障害物配置部５２ｄから得られる移動可能領域の補領域８２ａ，８２ｂ中に配置された未確認物体４６の障害物候補に対して、実在障害物検出部５２ｅの検出結果を適用することで、配置された障害物候補中で実在が確認された障害物候補を実在の障害物に置き換える処理を行う。本例の場合、図１４に示すように、未確認物体４６Ａを他車両４４なる実在の障害物に置き換えて配置する。該他車両４４には、自動車モデルが適用される。実在することが明らかな障害物には、対応する単体移動体モデルを適用することで、より現実的かつ精度の高い予測が可能となる。
【００７５】
なお、これらの実施の形態１，２では、障害物候補として配置する未確認物体４６は、標準移動体モデルの特性を持つものとしたが、状況に応じて、単体移動体モデルであってもよい。例えば、高速道路等の如く、障害物として存在し得るのが自動車であると相違し得る状況下では、障害物候補として配置する未確認物体は、当初から自動車モデルの特性を持つものとして扱うようにしてもよい。
【図面の簡単な説明】
【００７６】
【図１】本発明の実施の形態１にかかる障害物検出装置を示す概略ブロック図である。
【図２】自車両を含む実際の周辺状況の一例を平面図的に示す説明図である。
【図３】自車両から前方を見た様子を示す説明図である。
【図４】周辺地図生成部により生成された周辺領域の地図の一例を示す説明図である。
【図５】複数の未確認物体の移動可能領域に対する配置の初期状態例を示す説明図である。
【図６】センサによるビームスキャンの様子、及びスキャン結果に伴う実在しない未確認物体の消去結果を示す説明図である。
【図７−１】人モデルの基本的な行動特性を示す説明図である。
【図７−２】自動車モデルの基本的な行動特性を示す説明図である。
【図８】人モデル及び自動車モデルの現時点ｔ＝０からの時間ｔの経過に伴う存在可能領域を時空間的に模式的に示す説明図である。
【図９】新たに創設された標準移動体モデルが有するｙ座標方向に関する時間−移動量の最悪特性の一例を示す説明図である。
【図１０】実在が判定された未確認物体を実在の障害物に置き換えた配置結果を示す説明図である。
【図１１】本発明の実施の形態２にかかる障害物検出装置を示す概略ブロック図である。
【図１２】センサによるビームスキャンの様子、及びスキャン結果として空領域と判定された領域を示す説明図である。
【図１３】算出・設定された補領域の一例及び未確認物体の配置例を示す説明図である。
【図１４】実在が判定された未確認物体を実在の障害物に置き換えた配置結果を示す説明図である。
【符号の説明】
【００７７】
１０ 障害物検出装置
１１ センサ
１２ａ 周辺地図生成部
１２ｂ 未確認障害物配置部
１２ｃ 未確認障害物存在判定部
１２ｄ 実在障害物検出部
１２ｅ 障害物統合部
４１Ｌ 左側車線
４２ 一般道
４３ 自車両
４４ 他車両
４５ 遮蔽物
４６ 未確認物体
４７ 遮蔽領域
５０ 障害物検出装置
５１ センサ
５２ａ 周辺地図生成部
５２ｂ 空領域検出部
５２ｃ 補領域算出部
５２ｄ 未確認障害物配置部
５２ｅ 実在障害物検出部
５２ｆ 障害物統合部
８１ 空領域
８２ａ，８２ｂ 補領域
【特許請求の範囲】
【請求項１】
移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出方法であって、
前記移動体の周辺領域で移動可能な移動可能領域を設定するステップと、
初期状態として前記移動可能領域の全域に対して複数の未確認物体を障害物候補として配置するステップと、
初期状態として配置された前記障害物候補中から前記センサによる検出結果により実在しないと判定された障害物候補を消去するステップと、
を備えることを特徴とする障害物検出方法。
【請求項２】
前記消去するステップは、当該移動体に近い障害物候補から順に行うことを特徴とする請求項１に記載の障害物検出方法。
【請求項３】
移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出方法であって、
前記移動体の周辺領域で移動可能な移動可能領域を設定するステップと、
前記移動体の周辺領域で前記センサの検出結果では前記障害物が実在しない空領域を検出するステップと、
前記移動可能領域から前記空領域を除いた補領域を設定するステップと、
前記補領域の全てに対して未確認物体を障害物候補として配置するステップと、
を備えることを特徴とする障害物検出方法。
【請求項４】
前記障害物候補として配置する前記未確認物体は、該未確認物体の行動を予測するための移動体モデルの特性を持つことを特徴とする請求項１〜３のいずれか一つに記載の障害物検出方法。
【請求項５】
前記移動体モデルは、特性の異なる複数の単体移動体モデル同士の特性を融合させて架空の特性を持たせた架空の標準移動体モデルであることを特徴とする請求項４に記載の障害物検出方法。
【請求項６】
前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする請求項５に記載の障害物検出方法。
【請求項７】
前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする請求項５に記載の障害物検出方法。
【請求項８】
配置された前記障害物候補中、前記センサによる検出結果により実在すると判定された障害物候補を実在の障害物に置き換えるステップをさらに備えることを特徴とする請求項１〜７のいずれか一つに記載の障害物検出方法。
【請求項９】
未確認の仮想的な移動体の行動を予測するための移動体モデルであって、
前記移動体として実在し得る特性の異なる複数の単体移動体モデル同士の特性を融合させて架空の特性を持たせてなることを特徴とする標準移動体モデル。
【請求項１０】
前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする請求項９に記載の標準移動体モデル。
【請求項１１】
前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする請求項９に記載の標準移動体モデル。
【請求項１２】
移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出装置であって、
前記移動体の周辺領域で移動可能な移動可能領域を設定する領域設定手段と、
初期状態として前記移動可能領域の全域に対して複数の未確認物体を障害物候補として配置する配置手段と、
初期状態として配置された前記障害物候補中から前記センサによる検出結果により実在しないと判定された障害物候補を消去する消去手段と、
を備えることを特徴とする障害物検出装置。
【請求項１３】
移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出装置であって、
前記移動体の周辺領域で移動可能な移動可能領域を設定する領域設定手段と、
前記移動体の周辺領域で前記センサの検出結果では前記障害物が実在しない空領域を検出する空領域検出手段と、
前記移動可能領域から前記空領域を除いた補領域を設定する補領域設定手段と、
前記補領域の全てに対して未確認物体を障害物候補として配置する配置手段と、
を備えることを特徴とする障害物検出装置。
【請求項１４】
前記障害物候補として配置する前記未確認物体は、行動を予測するための移動体モデルの特性を持つことを特徴とする請求項１２または１３に記載の障害物検出装置。
【請求項１５】
前記移動体モデルは、特性の異なる複数の単体移動体モデルの特性を融合させて架空の特性を持たせた標準移動体モデルであることを特徴とする請求項１４に記載の障害物検出装置。
【請求項１６】
前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする請求項１５に記載の障害物検出装置。
【請求項１７】
前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする請求項１５に記載の障害物検出装置。
【請求項１８】
配置された前記障害物候補中、前記センサによる検出結果により実在すると判定された障害物候補を実在の障害物に置き換える置き換え手段をさらに備えることを特徴とする請求項１２〜１７のいずれか一つに記載の障害物検出装置。
【請求項１】
移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出方法であって、
前記移動体の周辺領域で移動可能な移動可能領域を設定するステップと、
初期状態として前記移動可能領域の全域に対して複数の未確認物体を障害物候補として配置するステップと、
初期状態として配置された前記障害物候補中から前記センサによる検出結果により実在しないと判定された障害物候補を消去するステップと、
を備えることを特徴とする障害物検出方法。
【請求項２】
前記消去するステップは、当該移動体に近い障害物候補から順に行うことを特徴とする請求項１に記載の障害物検出方法。
【請求項３】
移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出方法であって、
前記移動体の周辺領域で移動可能な移動可能領域を設定するステップと、
前記移動体の周辺領域で前記センサの検出結果では前記障害物が実在しない空領域を検出するステップと、
前記移動可能領域から前記空領域を除いた補領域を設定するステップと、
前記補領域の全てに対して未確認物体を障害物候補として配置するステップと、
を備えることを特徴とする障害物検出方法。
【請求項４】
前記障害物候補として配置する前記未確認物体は、該未確認物体の行動を予測するための移動体モデルの特性を持つことを特徴とする請求項１〜３のいずれか一つに記載の障害物検出方法。
【請求項５】
前記移動体モデルは、特性の異なる複数の単体移動体モデル同士の特性を融合させて架空の特性を持たせた架空の標準移動体モデルであることを特徴とする請求項４に記載の障害物検出方法。
【請求項６】
前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする請求項５に記載の障害物検出方法。
【請求項７】
前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする請求項５に記載の障害物検出方法。
【請求項８】
配置された前記障害物候補中、前記センサによる検出結果により実在すると判定された障害物候補を実在の障害物に置き換えるステップをさらに備えることを特徴とする請求項１〜７のいずれか一つに記載の障害物検出方法。
【請求項９】
未確認の仮想的な移動体の行動を予測するための移動体モデルであって、
前記移動体として実在し得る特性の異なる複数の単体移動体モデル同士の特性を融合させて架空の特性を持たせてなることを特徴とする標準移動体モデル。
【請求項１０】
前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする請求項９に記載の標準移動体モデル。
【請求項１１】
前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする請求項９に記載の標準移動体モデル。
【請求項１２】
移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出装置であって、
前記移動体の周辺領域で移動可能な移動可能領域を設定する領域設定手段と、
初期状態として前記移動可能領域の全域に対して複数の未確認物体を障害物候補として配置する配置手段と、
初期状態として配置された前記障害物候補中から前記センサによる検出結果により実在しないと判定された障害物候補を消去する消去手段と、
を備えることを特徴とする障害物検出装置。
【請求項１３】
移動体に対する障害物の存在の有無を、前記移動体に搭載されたセンサを用いて検出する障害物検出装置であって、
前記移動体の周辺領域で移動可能な移動可能領域を設定する領域設定手段と、
前記移動体の周辺領域で前記センサの検出結果では前記障害物が実在しない空領域を検出する空領域検出手段と、
前記移動可能領域から前記空領域を除いた補領域を設定する補領域設定手段と、
前記補領域の全てに対して未確認物体を障害物候補として配置する配置手段と、
を備えることを特徴とする障害物検出装置。
【請求項１４】
前記障害物候補として配置する前記未確認物体は、行動を予測するための移動体モデルの特性を持つことを特徴とする請求項１２または１３に記載の障害物検出装置。
【請求項１５】
前記移動体モデルは、特性の異なる複数の単体移動体モデルの特性を融合させて架空の特性を持たせた標準移動体モデルであることを特徴とする請求項１４に記載の障害物検出装置。
【請求項１６】
前記単体移動体モデルの一つは、自動車の行動を予測するための自動車モデルであることを特徴とする請求項１５に記載の障害物検出装置。
【請求項１７】
前記単体移動体モデルの一つは、人の行動を予測するための人モデルであることを特徴とする請求項１５に記載の障害物検出装置。
【請求項１８】
配置された前記障害物候補中、前記センサによる検出結果により実在すると判定された障害物候補を実在の障害物に置き換える置き換え手段をさらに備えることを特徴とする請求項１２〜１７のいずれか一つに記載の障害物検出装置。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７−１】
【図７−２】
【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７−１】
【図７−２】
【図８】
【図９】
【図１０】
【図１１】
【図１２】
【図１３】
【図１４】
【公開番号】特開２００７−２３３７６４（Ｐ２００７−２３３７６４Ａ）
【公開日】平成１９年９月１３日（２００７．９．１３）
【国際特許分類】
【出願番号】特願２００６−５５４４０（Ｐ２００６−５５４４０）
【出願日】平成１８年３月１日（２００６．３．１）
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【Ｆターム（参考）】
【公開日】平成１９年９月１３日（２００７．９．１３）
【国際特許分類】
【出願日】平成１８年３月１日（２００６．３．１）
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【Ｆターム（参考）】
[ Back to top ]