本發(fā)明涉及利用雷達(dá)裝置的測(cè)量結(jié)果，能夠高精度低檢測(cè)在雷達(dá)裝置的周圍存在的物體的物體檢測(cè)裝置和物體檢測(cè)方法。

背景技術(shù)：

近年來，雷達(dá)裝置被裝載在車輛上。車載用的雷達(dá)裝置檢測(cè)在車輛的周圍存在的物體，例如，其他車輛、行人、兩輪車、或路上的設(shè)置物。車載用的雷達(dá)裝置檢測(cè)從車輛的前方和側(cè)面靠近的物體，測(cè)量車輛和物體之間的相對(duì)位置、或車輛和物體之間的相對(duì)速度。然后，車載用的雷達(dá)裝置基于測(cè)量結(jié)果，在判斷為有可能發(fā)生車輛和物體之間的碰撞的情況下，通過對(duì)駕駛員提出警告，或控制車輛的行駛，避免碰撞。

此外，在開發(fā)使用在道路周邊設(shè)置的雷達(dá)裝置，監(jiān)視或管理道路的交通的系統(tǒng)。這樣的系統(tǒng)，例如，使用在路口的周邊設(shè)置的雷達(dá)裝置，檢測(cè)通過路口的車輛或行人，或通過計(jì)測(cè)交通流量，自適應(yīng)地控制信號(hào)機(jī)。此外，這樣的系統(tǒng)，在判斷為道路內(nèi)有可能發(fā)生車輛和行人之間的碰撞的情況下，對(duì)駕駛員或行人提出警告，避免碰撞。

此外，雷達(dá)裝置，例如為了監(jiān)視機(jī)場(chǎng)或其他設(shè)施而設(shè)置。這樣的雷達(dá)裝置通過探測(cè)從空中或地面闖入的物體，對(duì)關(guān)聯(lián)安全系統(tǒng)提供信息，防止物體的闖入。

這樣，為了檢測(cè)物體，雷達(dá)裝置被利用于各種各樣的場(chǎng)合。最近，通過高分辨率，雷達(dá)裝置能夠從同一物體獲取多個(gè)部位的雷達(dá)測(cè)量數(shù)據(jù)。因此，雷達(dá)裝置對(duì)于屬于同一物體的雷達(dá)測(cè)量信息進(jìn)行分組(也稱為“聚簇”)處理，確定物體區(qū)域。再有，分組處理是，作為將在某個(gè)觀測(cè)周期中檢測(cè)到的信號(hào)分組，各組(也稱為簇)是由一個(gè)物體反射的信號(hào)的集合來定義的處理。

這樣的雷達(dá)裝置的一例公開于專利文獻(xiàn)1。在專利文獻(xiàn)1中，公開了對(duì)于雷達(dá)裝置的雷達(dá)測(cè)量信息，基于與雷達(dá)裝置的距離，提取局部區(qū)域的代表點(diǎn)，將代表點(diǎn)作為基準(zhǔn)點(diǎn)設(shè)定以固定的形狀(矩形)及方向(斜率)表示的物體區(qū)域范圍，將物體區(qū)域范圍內(nèi)的雷達(dá)測(cè)量信息之中的、代表點(diǎn)和反射強(qiáng)度接近的雷達(dá)測(cè)量信息設(shè)為成員點(diǎn)，以代表點(diǎn)和關(guān)聯(lián)的成員點(diǎn)形成組，進(jìn)行物體檢測(cè)的技術(shù)。

現(xiàn)有技術(shù)文獻(xiàn)

專利文獻(xiàn)

專利文獻(xiàn)1：日本特開2010-266225號(hào)公報(bào)

技術(shù)實(shí)現(xiàn)要素：

可是，在上述的專利文獻(xiàn)1所公開的技術(shù)中，對(duì)于物體區(qū)域范圍內(nèi)的雷達(dá)測(cè)量信息(成員點(diǎn)的候選)，基于反射強(qiáng)度判定與代表點(diǎn)是否屬于同一物體。因此，在來自鄰接的不同物體的反射強(qiáng)度被測(cè)量為與代表點(diǎn)的反射強(qiáng)度相同程度的情況下，會(huì)錯(cuò)誤分組。例如，在行人位于車輛的近旁的情況下，車輛和行人對(duì)雷達(dá)裝置的反射特性本來不同，但有時(shí)因反射方向而以接近的值測(cè)量?jī)烧叩姆瓷鋸?qiáng)度。因此，車輛和行人被分組在同一組中，所以專利文獻(xiàn)1所公開的雷達(dá)裝置難以進(jìn)行行人及車輛的分離檢測(cè)。

本發(fā)明提供在對(duì)于雷達(dá)測(cè)量信息通過進(jìn)行分組處理來檢測(cè)物體的情況下，能夠分離檢測(cè)鄰接的不同物體的物體檢測(cè)裝置和物體檢測(cè)方法。

本發(fā)明的一方式的物體檢測(cè)裝置包括：捕獲區(qū)域提取單元，輸入由一個(gè)以上雷達(dá)裝置使用來自多個(gè)物體各自的多個(gè)反射波生成的測(cè)量信息，使用所述測(cè)量信息，從所述一個(gè)以上雷達(dá)裝置的測(cè)量范圍被分割為每個(gè)規(guī)定距離和每個(gè)方位角的多個(gè)第1單位區(qū)域之中，將所述多個(gè)物體的各自被捕獲的多個(gè)第2單位區(qū)域提取作為多個(gè)第1捕獲區(qū)域；預(yù)備分組單元，從所述多個(gè)第1捕獲區(qū)域的各個(gè)區(qū)域，形成包含在規(guī)定的范圍內(nèi)存在的一個(gè)以上第2捕獲區(qū)域的預(yù)備組；特征量獲取單元，基于所述測(cè)量信息，計(jì)算表示所述預(yù)備組和所述一個(gè)以上第2捕獲區(qū)域之間的關(guān)聯(lián)的特征量；判別單元，基于所述特征量，判別屬于所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域的所述多個(gè)物體的每一個(gè)物體的類別；以及物體確定單元，將所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域，根據(jù)所述多個(gè)物體的每一個(gè)物體的類別進(jìn)行分組，檢測(cè)所述多個(gè)物體的各個(gè)物體。

根據(jù)本發(fā)明，在對(duì)于雷達(dá)測(cè)量信息通過進(jìn)行分組處理來檢測(cè)物體的情況下，能夠分離檢測(cè)鄰接的不同物體。

附圖說明

圖1是表示實(shí)施方式1的物體檢測(cè)裝置的主要結(jié)構(gòu)、雷達(dá)裝置和監(jiān)視控制系統(tǒng)之間的連接關(guān)系的圖。

圖2a是表示作為測(cè)量信息的一例的功率分布的圖。

圖2b是表示作為測(cè)量信息的一例的多普勒速度分布的圖。

圖3a是表示實(shí)施方式1的預(yù)備組的生成例子的圖。

圖3b是表示實(shí)施方式1的預(yù)備組的生成例子的圖。

圖3c是表示實(shí)施方式1的預(yù)備組的生成例子的圖。

圖3d是表示實(shí)施方式1的預(yù)備組的生成例子的圖。

圖4是表示實(shí)施方式2的物體檢測(cè)裝置的主要結(jié)構(gòu)、雷達(dá)裝置和監(jiān)視控制系統(tǒng)之間的連接關(guān)系的圖。

圖5是表示實(shí)施方式3的物體檢測(cè)裝置的主要結(jié)構(gòu)、雷達(dá)裝置和監(jiān)視控制系統(tǒng)之間的連接關(guān)系的圖。

圖6是表示實(shí)施方式3的統(tǒng)一坐標(biāo)系的一例的圖。

圖7是表示實(shí)施方式4的物體檢測(cè)裝置的主要結(jié)構(gòu)、雷達(dá)裝置和監(jiān)視控制系統(tǒng)之間的連接關(guān)系的圖。

圖8a是表示實(shí)施方式4的對(duì)車輛的準(zhǔn)確度的一例的圖。

圖8b是表示實(shí)施方式4的對(duì)行人的準(zhǔn)確度的一例的圖。

具體實(shí)施方式

以下，參照附圖詳細(xì)地說明本發(fā)明的實(shí)施方式。

<實(shí)施方式1>

使用附圖說明本實(shí)施方式的物體檢測(cè)裝置。圖1是表示本實(shí)施方式的物體檢測(cè)裝置10的主要結(jié)構(gòu)、雷達(dá)裝置20和監(jiān)視控制系統(tǒng)30之間的連接關(guān)系的框圖。在圖1中，本實(shí)施方式的物體檢測(cè)裝置10連接到雷達(dá)裝置20和監(jiān)視控制系統(tǒng)30。物體檢測(cè)裝置10實(shí)現(xiàn)將從雷達(dá)裝置20輸出的測(cè)量信息進(jìn)行處理的雷達(dá)信號(hào)處理功能的一部分，對(duì)于監(jiān)視控制系統(tǒng)30輸出通過雷達(dá)信號(hào)處理得到的各種信息。

雷達(dá)裝置20以例如規(guī)定的角度間隔依次變更發(fā)送方向，對(duì)于測(cè)量范圍發(fā)送雷達(dá)信號(hào)。雷達(dá)裝置20接收雷達(dá)信號(hào)被障害物等的物體反射的反射信號(hào)。此外，雷達(dá)裝置20將反射信號(hào)轉(zhuǎn)換為基帶信號(hào)，對(duì)測(cè)量范圍被分割為多個(gè)的每個(gè)單位區(qū)域生成雷達(dá)信號(hào)的每個(gè)發(fā)送方向的延遲分布(傳播延遲特性)。雷達(dá)裝置20將生成的測(cè)量信息輸出到物體檢測(cè)裝置10。

監(jiān)視控制系統(tǒng)30獲取通過物體檢測(cè)裝置10處理從雷達(dá)裝置20輸出的測(cè)量信息檢測(cè)出的物體的位置和速度等的信息，例如對(duì)于車輛的駕駛員提示警告。此外，監(jiān)視控制系統(tǒng)30根據(jù)物體的位置和速度，在判斷為車輛和物體之間有碰撞的可能性的情況下，進(jìn)行控制車輛的動(dòng)作的處理(加速操作、制動(dòng)操作或轉(zhuǎn)向操作)。

物體檢測(cè)裝置10基于從雷達(dá)裝置20輸出的測(cè)量信息，檢測(cè)在車輛的周圍存在的物體，生成與檢測(cè)到的物體的位置和速度有關(guān)的信息，將該信息輸出到監(jiān)視控制系統(tǒng)30。在以下，詳細(xì)地說明物體檢測(cè)裝置10的詳細(xì)結(jié)構(gòu)、各結(jié)構(gòu)的動(dòng)作等。

在圖1中，物體檢測(cè)裝置10具有捕獲區(qū)域提取單元11、預(yù)備分組單元12、特征量獲取單元13、模型保存單元14、判別單元15、以及物體確定單元16。物體檢測(cè)裝置10的各結(jié)構(gòu)可以由軟件或lsi電路等的硬件實(shí)現(xiàn)，也可以作為控制車輛的電子控制單元(electroniccontrolunit：ecu)的一部分來實(shí)現(xiàn)。

捕獲區(qū)域獲取單元11從雷達(dá)裝置20獲取測(cè)量信息，基于每個(gè)單位區(qū)域的值，提取存在物體的單位區(qū)域的候選。測(cè)量信息包含功率分布及多普勒速度分布的至少一個(gè)。

圖2a是表示作為測(cè)量信息的一例的功率分布的概念圖。圖2b是表示作為測(cè)量信息的一例的多普勒速度分布的概念圖。在圖2a及圖2b中，橫軸是以雷達(dá)裝置20為基準(zhǔn)的物體的方位角，縱軸是距以雷達(dá)裝置20為基準(zhǔn)的物體的距離。在圖2a及圖2b中，單位區(qū)域通過每10度地劃分橫軸(方位角)、每10米(m)地劃分縱軸(距離)而構(gòu)成。在以下，將該單位區(qū)域稱為小區(qū)(cell)。

再有，在本發(fā)明中，小區(qū)(單位區(qū)域)的方位角的范圍及距離的范圍不限定于上述范圍。為了得到較高的分辨率，優(yōu)選小區(qū)的大小更小。

在圖2a中，將各小區(qū)中的反射強(qiáng)度以從0到5級(jí)(level)的6等級(jí)表示，5級(jí)為反射強(qiáng)度最強(qiáng)。圖2b中，將各小區(qū)中的多普勒速度以從0到5級(jí)的6等級(jí)表示，5級(jí)為多普勒速度最快。再有，多普勒速度因物體相對(duì)于雷達(dá)裝置20靠近還是遠(yuǎn)離而極性(正負(fù))變化，但為了簡(jiǎn)化圖示，在圖2b中作為一例表示了正極性的多普勒速度。

捕獲區(qū)域獲取單元11從雷達(dá)裝置20獲取測(cè)量信息(圖2a所示的功率分布、圖2b所示的多普勒速度分布)。之后，捕獲區(qū)域獲取單元11從多個(gè)小區(qū)之中，提取測(cè)量信息(反射強(qiáng)度、多普勒速度)的值的絕對(duì)值為規(guī)定的閾值以上的小區(qū)，將提取的小區(qū)作為“物體存在的小區(qū)的候選”。在以下，將由捕獲區(qū)域獲取單元11提取的“物體存在的小區(qū)的候選”稱為用于捕獲物體的“捕獲區(qū)域”。一個(gè)捕獲區(qū)域有一個(gè)以上小區(qū)，也可以是多個(gè)小區(qū)。

再有，圖2a及圖2b所示的各分布，為了簡(jiǎn)化說明，以將方位角和距離作為坐標(biāo)軸的正交坐標(biāo)系例示。因此，各小區(qū)的形狀為矩形?？墒?，在本實(shí)施方式中，優(yōu)選捕獲區(qū)域獲取單元11使用以雷達(dá)裝置20的位置為中心的極坐標(biāo)系的測(cè)量結(jié)果。即，小區(qū)的形狀為扇形。再有，在以下的說明中，無論小區(qū)的形狀如何，都將圖2a及圖2b所示的功率分布及多普勒速度分布的各小區(qū)作為1個(gè)點(diǎn)處理。

預(yù)備分組單元12將捕獲區(qū)域提取單元11提取的各捕獲區(qū)域進(jìn)行分組，生成用于判定各捕獲區(qū)域的類別的預(yù)備組。具體地說，預(yù)備分組單元12從判定對(duì)象的捕獲區(qū)域形成包含指定范圍內(nèi)存在的至少一個(gè)捕獲區(qū)域(包含對(duì)象的捕獲區(qū)域)的預(yù)備組。生成的預(yù)備組與根據(jù)以往的分組方法生成的組不同，未必由屬于同一物體的雷達(dá)測(cè)量信息形成。

用圖3a說明預(yù)備分組單元12中的預(yù)備組的生成方法。在圖3a中，說明預(yù)備分組單元12求捕獲區(qū)域a的預(yù)備組的情況。

首先，預(yù)備分組單元12從捕獲區(qū)域a提取在指定范圍內(nèi)存在的其他捕獲區(qū)域b、c。再有，預(yù)備分組單元12也可以基于物體檢測(cè)裝置10中的最大檢測(cè)對(duì)象物體的大小，將從捕獲區(qū)域a離開了規(guī)定距離的范圍設(shè)定作為指定范圍。例如，在最大檢測(cè)對(duì)象物體是總長(zhǎng)為5m的車的情況下，指定范圍是從捕獲區(qū)域a至5m以內(nèi)的范圍。

接著，分組單元12對(duì)于指定范圍內(nèi)的捕獲區(qū)域b，求包圍捕獲區(qū)域a和捕獲區(qū)域b雙方的指定形狀a1。同樣地，分組單元12對(duì)于指定范圍內(nèi)的捕獲區(qū)域c，也求包圍捕獲區(qū)域c和捕獲區(qū)域a雙方的指定形狀a2。指定形狀考慮矩形或橢圓等，但在本發(fā)明中沒有特別地限定指定形狀。

接著，分組單元12對(duì)于指定形狀a1、a2，基于最大檢測(cè)對(duì)象物體的大小，判定指定形狀a1和a2是否成為捕獲區(qū)域a的預(yù)備組。例如，分組單元12在假定為指定形狀a1是一個(gè)對(duì)象物體的情況下，判定指定形狀a1的大小是否在最大檢測(cè)對(duì)象物體的大小的范圍內(nèi)。

當(dāng)指定形狀a1的大小在最大檢測(cè)對(duì)象物體的大小的范圍內(nèi)的情況下，分組單元12將指定形狀a1判定為捕獲區(qū)域a的預(yù)備組的一部分。另一方面，當(dāng)指定形狀a1的大小在最大檢測(cè)對(duì)象物體的大小的范圍外的情況下，分組單元12將指定形狀a1從捕獲區(qū)域a的預(yù)備組除去。

分組單元12對(duì)于指定形狀a2，也進(jìn)行與對(duì)指定形狀a1的處理同樣的處理。例如，只要指定形狀a1和指定形狀a2的任何一個(gè)在最大檢測(cè)對(duì)象物體的大小的范圍內(nèi)，捕獲區(qū)域a的預(yù)備組就使用指定形狀a1和指定形狀a2構(gòu)成。

圖3a中所示的預(yù)備組的生成處理能夠更簡(jiǎn)單地實(shí)現(xiàn)。例如，在雷達(dá)測(cè)量信息以方位角和距離表示的情況下，分組單元12使用捕獲區(qū)域a和捕獲區(qū)域b的各自最小方位角和最大方位角、以及最小距離和最大距離形成一個(gè)扇形的指定形狀。當(dāng)一個(gè)扇形的指定形狀的大小在最大檢測(cè)對(duì)象物體的大小的范圍內(nèi)的情況下，分組單元12將捕獲區(qū)域b判斷為捕獲區(qū)域a的預(yù)備組的一部分。

在圖1中，特征量獲取單元13基于測(cè)量信息，計(jì)算預(yù)備組和該預(yù)備組內(nèi)的捕獲區(qū)域的特征量。本發(fā)明中沒有具體地限定特征量的值。例如，特征量獲取單元13計(jì)算下述3種之中的至少1種特征量即可。

(1)捕獲區(qū)域特征

基于捕獲區(qū)域特征的特征量，利用與預(yù)備組內(nèi)的各捕獲區(qū)域的大小、反射功率和多普勒速度相關(guān)聯(lián)的特征來計(jì)算。例如，大小的特征是捕獲區(qū)域的方位寬度、距離寬度、和面積。反射功率的特征，例如是反射功率的最大值、平均值、或方差。多普勒速度的特征，例如是多普勒速度的最大值、平均值、或方差。即，捕獲區(qū)域特征是捕獲區(qū)域單獨(dú)的特征量。

(2)比較特征

利用預(yù)備組和與該預(yù)備組內(nèi)的捕獲區(qū)域之間的位置或大小的比較相關(guān)聯(lián)的特征，計(jì)算基于比較特征的特征量。例如，位置的比較特征是捕獲區(qū)域和預(yù)備組之間的中心方位值的差、或中心距離值的差。大小的比較特征是捕獲區(qū)域和預(yù)備組之間的方位寬度的比率、或距離寬度的比率。即，比較特征是表示預(yù)備組和該預(yù)備組內(nèi)的捕獲區(qū)域之間的關(guān)系的特征量。

(3)近旁特征

利用預(yù)備組內(nèi)的捕獲區(qū)域近旁的特征，計(jì)算基于近旁特征的特征量。例如，特征量獲取單元13除了計(jì)算捕獲區(qū)域的特征量之外，還計(jì)算近旁區(qū)域內(nèi)的其他捕獲區(qū)域的特征量。近旁區(qū)域是，與預(yù)備組內(nèi)的捕獲區(qū)域在方位或距離中處于近旁的指定大小的區(qū)域。但是，近旁區(qū)域限定在預(yù)備組內(nèi)。例如，在捕獲區(qū)域的左側(cè)或右側(cè)中，特征量獲取單元13將與捕獲區(qū)域同等大小的區(qū)域設(shè)定作為近旁區(qū)域，也可以利用與近旁區(qū)域內(nèi)的捕獲區(qū)域的反射功率或多普勒速度相關(guān)聯(lián)的特征。但是，特征量獲取單元13在近旁區(qū)域的設(shè)定困難的情況下，特征量獲取單元13將該捕獲區(qū)域和預(yù)備組的特征量作為“無”、即“0”來計(jì)算。即，近旁特征是表示捕獲區(qū)域和其周邊區(qū)域之間的關(guān)系的特征量。

模型保存單元14提取對(duì)事先獲取的各類別的對(duì)象物體的捕獲區(qū)域和預(yù)備組的特征量，生成將與特征量對(duì)應(yīng)的對(duì)象物體模型化的識(shí)別模型。模型保存單元14預(yù)先保存生成的識(shí)別模型。本發(fā)明中，模型保存單元14中保存的對(duì)象物體的具體的識(shí)別模型的生成方法沒有特別限定。例如，模型保存單元14能夠?qū)⒂商卣髁康姆植继匦灾苯拥嘏袆e對(duì)象物體的分析方法、基于教師數(shù)據(jù)的機(jī)械學(xué)習(xí)方法(例如，支持向量機(jī)(supportvectormachine)方法)、或包含特征量的自動(dòng)提取的深度學(xué)習(xí)方法等利用作為識(shí)別方法。模型保存單元14根據(jù)識(shí)別方法生成對(duì)應(yīng)的識(shí)別模型。

判別單元15基于由特征量獲取單元13獲取的特征量，對(duì)每個(gè)捕獲區(qū)域判別預(yù)備組內(nèi)的捕獲區(qū)域?qū)儆诘奈矬w的類別。例如，判別單元15將由特征量獲取單元13獲取的特征量和模型保存單元14中保存的識(shí)別模型進(jìn)行比較(匹配)，判別預(yù)備組內(nèi)的捕獲區(qū)域?qū)儆谀膫€(gè)類別的對(duì)象物體。

用圖3b～圖3d說明判別單元15中的判別方法的一例子。圖3b～圖3d表示對(duì)各類別的對(duì)象物體的預(yù)備組的生成例子。例如，模型保存單元14保存分別對(duì)應(yīng)于圖3b～圖3d所示的預(yù)備組的識(shí)別模型。

圖3b表示單獨(dú)行人的例子。圖3b中，表示一個(gè)捕獲區(qū)域u1。在捕獲區(qū)域u1的周邊不存在其他捕獲區(qū)域，所以捕獲區(qū)域u1的預(yù)備組u具有與捕獲區(qū)域u1相同大小的區(qū)域。圖3b中，判別單元15例如使用上述捕獲區(qū)域特征(特征量(1))，判別捕獲區(qū)域u1屬于的物體的類別。

圖3c表示單獨(dú)車輛的例子。圖3c表示3個(gè)捕獲區(qū)域v1、v2、v3。作為一例，將捕獲區(qū)域v1設(shè)為判別對(duì)象。圖3c中，捕獲區(qū)域v1的預(yù)備組v包含捕獲區(qū)域v2和v3。捕獲區(qū)域v2和捕獲區(qū)域v3對(duì)預(yù)備組v的位置和大小產(chǎn)生影響，所以對(duì)捕獲區(qū)域v1的比較特征(特征量(2))和近旁特征(特征量(3))也產(chǎn)生影響。

說明圖3b所示的捕獲區(qū)域u1和圖3c所示的捕獲區(qū)域v1具有相同的捕獲區(qū)域特征(特征量(1))的情況。這里，預(yù)備組u及預(yù)備組v，因區(qū)域的大小、組內(nèi)包含的捕獲區(qū)域分別不同，所以比較特征(特征量(2))或近旁特征(特征量(3))不同。

因此，對(duì)每個(gè)預(yù)備組，判別單元15比較特征量和識(shí)別模型，判別各捕獲區(qū)域?qū)儆诘奈矬w的類別。因此，判別單元15能夠區(qū)別捕獲區(qū)域u1和捕獲區(qū)域v1。即，由于捕獲區(qū)域u1和捕獲區(qū)域v1具有相同的捕獲區(qū)域特征，所以判別單元15難以以捕獲區(qū)域?yàn)閱挝粊韰^(qū)別捕獲區(qū)域u1和捕獲區(qū)域v1，但能以預(yù)備組為單位來區(qū)別。

圖3d表示車輛和行人同時(shí)存在的例子。圖3d表示4個(gè)捕獲區(qū)域w1、w2、w3、w4。4個(gè)捕獲區(qū)域w1、w2、w3、w4屬于預(yù)備組w。

說明基于行人的捕獲區(qū)域w1和基于車輛的捕獲區(qū)域w2具有相同的捕獲區(qū)域特征(特征量(1))的情況。這里，捕獲區(qū)域w1及捕獲區(qū)域w2，在預(yù)備組w內(nèi)因位置、鄰接的其他捕獲區(qū)域分別不同，所以各捕獲區(qū)域w1、w2和預(yù)備組w的比較特征(特征量(2))以及各捕獲區(qū)域w1、w2的近旁特征(特征量(3))不同。

因此，判別單元15通過將預(yù)備組內(nèi)的特征量(比較特征和近旁特征)和識(shí)別模型進(jìn)行比較，判別各捕獲區(qū)域?qū)儆诘奈矬w的類別，能夠區(qū)別捕獲區(qū)域w1和捕獲區(qū)域w2。即，由于捕獲區(qū)域w1和捕獲區(qū)域w2具有相同的捕獲區(qū)域特征，所以難以以捕獲區(qū)域?yàn)閱挝粊韰^(qū)別捕獲區(qū)域w1和捕獲區(qū)域w2，但能以預(yù)備組為單位來區(qū)別。

此外，圖3d的捕獲區(qū)域w2和圖3c的捕獲區(qū)域v1對(duì)應(yīng)于車輛的相同的部位，但捕獲區(qū)域w2屬于的預(yù)備組w和捕獲區(qū)域v1屬于的預(yù)備組v各自的比較特征(特征量(2))和近旁特征(特征量(3))不同。因此，根據(jù)模型保存單元14保存的識(shí)別模型，判別單元15的結(jié)果不同。即，在模型保存單元14事先地保存單獨(dú)車輛的識(shí)別模型(圖3c)和車輛與行人同時(shí)地存在的識(shí)別模型(圖3d)兩方的情況下，判別單元15能夠?qū)⒉东@區(qū)域w2、v1分別作為車輛的捕獲區(qū)域來判別。

物體確定單元16基于預(yù)備組中的全部捕獲區(qū)域的判別結(jié)果，確定對(duì)象物體的類別和對(duì)象物體的區(qū)域。即，物體確定單元16將各捕獲區(qū)域?qū)γ總€(gè)物體的類別進(jìn)行分組，檢測(cè)一個(gè)或多個(gè)物體。此外，物體確定單元16將屬于各物體的捕獲區(qū)域的合計(jì)(全部的捕獲區(qū)域)確定為物體區(qū)域。再有，在捕獲區(qū)域間的距離離開了規(guī)定值以上的情況下，即使這些捕獲區(qū)域?qū)儆谕活悇e的物體，物體確定單元16也可以將這些捕獲區(qū)域判定作為類別不同的物體。而且，物體確定單元16也可以從屬于物體的捕獲區(qū)域的特征求物體的速度，也可以輸出求得的物體的速度。

如以上說明，本實(shí)施方式的物體檢測(cè)裝置10通過利用由雷達(dá)裝置20測(cè)量的多個(gè)雷達(dá)測(cè)量信息的特征，即使在利用單一的雷達(dá)測(cè)量信息難以進(jìn)行物體的檢測(cè)的情況下，也能夠正確地檢測(cè)物體。將本實(shí)施方式和現(xiàn)有技術(shù)進(jìn)行比較，以下的2點(diǎn)不同。1個(gè)是分組的執(zhí)行順序，再一個(gè)是模型信息。

現(xiàn)有技術(shù)中，未考慮物體類別，而基于捕獲區(qū)域的特征(例如，反射強(qiáng)度)的一致性，進(jìn)行捕獲區(qū)域的分組。但是，在雷達(dá)裝置中，有因反射方向而來自不同物體的各雷達(dá)測(cè)量信息一致，來自同一物體的各雷達(dá)測(cè)量信息不一致的情況。因此，現(xiàn)有技術(shù)難以將同一物體的捕獲區(qū)域正確地分組。

相對(duì)于此，根據(jù)本實(shí)施方式，物體檢測(cè)裝置10對(duì)于各捕獲區(qū)域，不依賴于各捕獲區(qū)域是否屬于同一物體而形成預(yù)備組，基于在預(yù)備組內(nèi)的特征量，判別各捕獲區(qū)域?qū)儆诘奈矬w的類別。即，物體檢測(cè)裝置10對(duì)于判別對(duì)象的捕獲區(qū)域，在該捕獲區(qū)域的特征量以外，也使用在包含該捕獲區(qū)域的預(yù)備組中的特征量。換句話說，物體檢測(cè)裝置10對(duì)于捕獲區(qū)域，考慮與周邊的捕獲區(qū)域之間的共生特性。因此，在物體檢測(cè)裝置10中，即使在一個(gè)捕獲區(qū)域的特征與某個(gè)類別的物體的特征一致，與預(yù)備組內(nèi)的該一個(gè)捕獲區(qū)域的周邊的捕獲區(qū)域有關(guān)的特征和該某個(gè)類別的物體的特征不同的情況下，該一個(gè)捕獲區(qū)域的單獨(dú)的特征也不被用于物體的判別處理。即，物體檢測(cè)裝置10能夠復(fù)合地使用捕獲區(qū)域及該捕獲區(qū)域的周邊的捕獲區(qū)域的特征量，提高物體類別的判別精度，能夠?qū)⑼晃矬w的一個(gè)或多個(gè)捕獲區(qū)域正確地分組。

此外，對(duì)于模型信息，在現(xiàn)有技術(shù)中，對(duì)于各類別的物體分別生成模型。但是，物體通過雷達(dá)裝置被測(cè)量的情況下，測(cè)量部位的數(shù)和位置因時(shí)間而隨機(jī)地變動(dòng)，所以難以分析地表現(xiàn)從雷達(dá)裝置的雷達(dá)測(cè)量信息中提取的物體的特征。因此，在生成物體的模型的情況下，現(xiàn)有技術(shù)將事先測(cè)量的數(shù)據(jù)作為教師數(shù)據(jù)，利用了機(jī)械學(xué)習(xí)的模型(例如，支持向量機(jī)(supportvectormachine))。但是，現(xiàn)有技術(shù)中，能夠利用的物體的模型是，與通過將捕獲區(qū)域分組形成的物體對(duì)應(yīng)的模型。因此，在現(xiàn)有技術(shù)中，如果不正確地進(jìn)行捕獲區(qū)域的分組，則難以高精度地進(jìn)行使用了物體的模型的物體檢測(cè)。

相對(duì)于此，在本實(shí)施方式中，對(duì)單獨(dú)的物體的雷達(dá)測(cè)量信息組合鄰近的不同物體的雷達(dá)測(cè)量信息(即，形成預(yù)備組)，將組合的雷達(dá)測(cè)量信息作為教師數(shù)據(jù)利用。即，物體檢測(cè)裝置10通過不僅利用判別對(duì)象的捕獲區(qū)域，還利用包含判別對(duì)象的捕獲區(qū)域的周邊的捕獲區(qū)域的模型，能夠提高對(duì)雷達(dá)測(cè)量信息的判別精度。即，由于分組處理之前(預(yù)備分組)的每個(gè)捕獲區(qū)域的判別精度提高，所以物體檢測(cè)裝置10能夠正確地進(jìn)行捕獲區(qū)域的分組。再有，本實(shí)施方式中，物體檢測(cè)裝置10在分組處理之前以捕獲區(qū)域?yàn)閱挝贿M(jìn)行判別，所以在與判別處理中的模型的匹配時(shí)不需要分組。

通過這樣的結(jié)構(gòu)，根據(jù)本實(shí)施方式的物體檢測(cè)裝置10，在將雷達(dá)測(cè)量信息進(jìn)行分組來檢測(cè)物體的情況下，能夠分離檢測(cè)鄰接的不同物體。

<實(shí)施方式2>

圖4是表示本實(shí)施方式的物體檢測(cè)裝置40的主要結(jié)構(gòu)、雷達(dá)裝置20和監(jiān)視控制系統(tǒng)30之間的連接關(guān)系的框圖。圖4中，對(duì)與圖1共同的結(jié)構(gòu)，附加與圖1相同的標(biāo)號(hào)并省略詳細(xì)的說明。在圖4所示的物體檢測(cè)裝置40中，與實(shí)施方式1的物體檢測(cè)裝置10比較，新追加了跟蹤單元41。此外，特征量獲取單元42、模型保存單元43、以及判別單元44進(jìn)行與實(shí)施方式1的物體檢測(cè)裝置10的特征量獲取單元13、模型保存單元14、以及判別單元15不同的動(dòng)作。

跟蹤單元41基于從判別單元44輸入的、對(duì)前幀的預(yù)備組的物體類別的判別結(jié)果(前幀信息)，進(jìn)行對(duì)預(yù)備分組單元12中算出的預(yù)備組(當(dāng)前幀的預(yù)備組)的跟蹤處理。即，跟蹤單元41確定與前幀的預(yù)備組對(duì)應(yīng)的當(dāng)前幀的預(yù)備組。再有，沒有限定跟蹤單元41中的跟蹤處理的方法。此外，作為搜索當(dāng)前幀中與前幀對(duì)應(yīng)的預(yù)備組的范圍，跟蹤單元41也可以設(shè)定接近前幀的預(yù)備組的位置的范圍(例如，距前幀的預(yù)備組位置規(guī)定距離以內(nèi)的范圍)。

特征量獲取單元42基于跟蹤單元41的跟蹤結(jié)果獲取特征量。例如，特征量獲取單元42除了實(shí)施方式1的特征獲取單元13中獲取的所述特征量(1)～(3)之外，還獲取下述的特征量(4)。

(4)幀間變動(dòng)特征

利用前幀的預(yù)備組和與前幀的預(yù)備組對(duì)應(yīng)的當(dāng)前幀的組之間的變動(dòng)特征，計(jì)算基于幀間變動(dòng)特征的特征量。例如，幀間變動(dòng)特征是，前幀和當(dāng)前幀之間的同一預(yù)備組的大小的變動(dòng)、同一預(yù)備組所有的捕獲區(qū)域數(shù)的變動(dòng)、或同一預(yù)備組中的捕獲區(qū)域的位置分布的變動(dòng)。即，幀間變動(dòng)特征是表示預(yù)備組及捕獲區(qū)域的時(shí)間變化的特征量。

除了實(shí)施方式1的模型保存單元13獲取的特征量以外，模型保存單元43還事先獲取幀間變動(dòng)特征，將這些特征量作為識(shí)別模型保存。

除了特征量(1)～(3)以外，判別單元44還利用幀間變動(dòng)特征(特征量(4))，判別預(yù)備組內(nèi)的捕獲區(qū)域。此外，判別單元44將判別結(jié)果作為用于跟蹤處理的前幀信息輸出到跟蹤單元41。

與雷達(dá)測(cè)量信息對(duì)應(yīng)的物體部位根據(jù)時(shí)間(即，幀)而隨機(jī)地變動(dòng)。即，捕獲區(qū)域的數(shù)和位置根據(jù)時(shí)間而變動(dòng)。因此，現(xiàn)有技術(shù)難以進(jìn)行在多個(gè)幀中捕獲區(qū)域的跟蹤。另一方面，以往，確定物體后跟蹤的技術(shù)有很多。但是，現(xiàn)有技術(shù)是確定物體為跟蹤的前提。即，現(xiàn)有技術(shù)為了確定物體而難以利用跟蹤的結(jié)果。

相對(duì)于此，根據(jù)本實(shí)施方式的物體檢測(cè)裝置40，將雷達(dá)測(cè)量信息作為預(yù)備組進(jìn)行分組(匯集)，能夠在多個(gè)幀中進(jìn)行預(yù)備組的跟蹤。由此，物體檢測(cè)裝置40在物體判別中，利用多個(gè)幀中跟蹤的特征，所以能夠改善物體判別的性能。例如，在車輛的近旁存在行人，來自車輛的雷達(dá)測(cè)量信息的部位發(fā)生時(shí)間變動(dòng)的情況下，物體檢測(cè)裝置40能夠跟蹤來自行人的雷達(dá)測(cè)量信息和來自車輛的雷達(dá)測(cè)量信息的位置關(guān)系的變動(dòng)，所以能夠基于位置關(guān)系的變動(dòng)分離檢測(cè)行人和車輛。

<實(shí)施方式3>

圖5是表示本實(shí)施方式的物體檢測(cè)裝置50的主要結(jié)構(gòu)、2個(gè)雷達(dá)裝置20a、20b和監(jiān)視控制系統(tǒng)30之間的連接關(guān)系的框圖。圖5中，對(duì)與圖1共同的結(jié)構(gòu)，附加與圖1相同的標(biāo)號(hào)，省略詳細(xì)的說明。本實(shí)施方式的物體檢測(cè)裝置50具有2個(gè)捕獲區(qū)域提取單元11、51和2個(gè)預(yù)備分組單元12、52。此外，物體檢測(cè)裝置50具有預(yù)備組統(tǒng)一單元53。此外，特征量獲取單元54、模型保存單元55、以及判別單元56進(jìn)行與實(shí)施方式1的物體檢測(cè)裝置10的特征量獲取單元13、模型保存單元14、以及判別單元15不同的動(dòng)作。

捕獲區(qū)域提取單元51從雷達(dá)裝置20b獲取測(cè)量信息，與捕獲區(qū)域提取單元11同樣，基于每單位區(qū)域的值提取與物體對(duì)應(yīng)的單位區(qū)域的候選。

與預(yù)備分組單元12同樣，預(yù)備分組單元52將捕獲區(qū)域提取單元51提取的各捕獲區(qū)域進(jìn)行分組，生成用于判定各捕獲區(qū)域的類別的預(yù)備組。

即，預(yù)備分組單元12形成對(duì)雷達(dá)裝置20a的預(yù)備組，預(yù)備分組單元52形成對(duì)雷達(dá)裝置20b的預(yù)備組。

預(yù)備組統(tǒng)一單元53將雷達(dá)裝置20a和雷達(dá)裝置20b的空間坐標(biāo)統(tǒng)一，以統(tǒng)一坐標(biāo)系統(tǒng)一雷達(dá)裝置20a的預(yù)備組和雷達(dá)裝置20b的預(yù)備組。

用圖6詳細(xì)地說明預(yù)備組統(tǒng)一單元53中的處理。

圖6表示雷達(dá)裝置20a、雷達(dá)裝置20b、雷達(dá)裝置20a的一個(gè)預(yù)備組ea、以及雷達(dá)裝置20b的一個(gè)預(yù)備組eb。在搜索預(yù)備組eb的情況下，預(yù)備組統(tǒng)一單元53也可以在對(duì)預(yù)備組ea的指定范圍內(nèi)中，從雷達(dá)裝置20b的預(yù)備組中將與預(yù)備組ea的距離最近的預(yù)備組作為預(yù)備組eb來搜索。再有，對(duì)預(yù)備組ea的指定范圍也可以基于最大檢測(cè)對(duì)象物體的大小來設(shè)定。此外，在搜索預(yù)備組eb的情況下，預(yù)備組統(tǒng)一單元53也可以考慮預(yù)備組ea的大小。此外，預(yù)備組統(tǒng)一單元53也可以使多個(gè)預(yù)備組對(duì)應(yīng)于一個(gè)預(yù)備組ea。

例如，特征量獲取單元54將包含圖6所示的預(yù)備組ea和預(yù)備組eb的統(tǒng)一區(qū)域作為新的預(yù)備組(以下，稱為統(tǒng)一預(yù)備組)。特征量獲取單元54將屬于雷達(dá)裝置20a的捕獲區(qū)域a1、a2和屬于雷達(dá)裝置20b的捕獲區(qū)域b1、b2作為屬于統(tǒng)一預(yù)備組的捕獲區(qū)域，獲取各捕獲區(qū)域的特征量。

模型保存單元55在統(tǒng)一預(yù)備組中，提取對(duì)在事先獲取的各類別的對(duì)象物體的捕獲區(qū)域和統(tǒng)一預(yù)備組的特征量，生成將與特征量對(duì)應(yīng)的對(duì)象物體模型化后的識(shí)別模型，并保存識(shí)別模型。

判別單元56將特征量獲取單元54獲取的特征量和模型保存單元55中保存的識(shí)別模型進(jìn)行匹配，判別統(tǒng)一預(yù)備組內(nèi)的捕獲區(qū)域?qū)儆谀膫€(gè)類別的對(duì)象物體。

如以上說明，本實(shí)施方式的物體檢測(cè)裝置50中，在物體檢測(cè)裝置50中，捕獲區(qū)域提取單元11、51基于從2個(gè)雷達(dá)裝置20a、20b各自獲取的測(cè)量信息提取捕獲區(qū)域。然后，預(yù)備分組單元12、52對(duì)于2個(gè)雷達(dá)裝置20a、20b的每個(gè)形成預(yù)備組。然后，預(yù)備組統(tǒng)一單元53對(duì)于多個(gè)雷達(dá)裝置20a、20b的預(yù)備組生成統(tǒng)一預(yù)備組。判別單元56使用統(tǒng)一預(yù)備組內(nèi)的多個(gè)捕獲區(qū)域的特征量判定各捕獲區(qū)域。即，物體檢測(cè)裝置50能夠利用多個(gè)雷達(dá)裝置20a、20b的雷達(dá)測(cè)量信息間的共生特性。

根據(jù)本實(shí)施方式，通過使用多個(gè)雷達(dá)裝置20a、20b，與單一的雷達(dá)測(cè)量信息相比，能夠使用在多個(gè)雷達(dá)測(cè)量信息中包含的物體信息，所以物體檢測(cè)的精度提高。

再有，在圖6中，作為一例表示了相對(duì)設(shè)置的多個(gè)雷達(dá)裝置20a、20b，但本實(shí)施方式也能夠適用于如車載雷達(dá)那樣、測(cè)量同一方向的多個(gè)雷達(dá)。此外，被設(shè)置的雷達(dá)裝置的數(shù)不限定于2個(gè)，也可以使用3個(gè)以上的雷達(dá)裝置。

<實(shí)施方式4>

圖7是表示本實(shí)施方式的物體檢測(cè)裝置60的主要結(jié)構(gòu)、雷達(dá)裝置20和監(jiān)視控制系統(tǒng)30之間的連接關(guān)系的框圖。在圖7中，對(duì)與圖1共同的結(jié)構(gòu)，附加與圖1相同地標(biāo)號(hào)并省略詳細(xì)的說明。本實(shí)施方式的物體檢測(cè)裝置60具有準(zhǔn)確度計(jì)算單元601和最大準(zhǔn)確度計(jì)算單元602，作為判別單元15的內(nèi)部結(jié)構(gòu)。

準(zhǔn)確度計(jì)算單元601對(duì)于預(yù)備組內(nèi)的各捕獲區(qū)域，不是進(jìn)行是否屬于被指定的檢測(cè)對(duì)象物體的二值判定，而是計(jì)算屬于檢測(cè)對(duì)象物體的候選的各個(gè)候選的程度(準(zhǔn)確度)。例如，準(zhǔn)確度計(jì)算單元601計(jì)算將捕獲區(qū)域的特征量和模型保存單元14中保存的識(shí)別模型進(jìn)行比較的一致程度，將該一致程度作為準(zhǔn)確度。

圖8a和圖8b表示準(zhǔn)確度計(jì)算單元601中的準(zhǔn)確度算出處理的一例。

圖8a和圖8b表示捕獲區(qū)域a、b、c、d、以及預(yù)備組e。圖8a表示對(duì)各捕獲區(qū)域的對(duì)車輛的準(zhǔn)確度，圖8b表示對(duì)各捕獲區(qū)域的對(duì)行人的準(zhǔn)確度。

最大準(zhǔn)確度計(jì)算單元602基于對(duì)于各捕獲區(qū)域由準(zhǔn)確度計(jì)算單元601算出的準(zhǔn)確度之中最大準(zhǔn)確度，進(jìn)行該捕獲區(qū)域?qū)儆诘奈矬w的類別判別。即，最大準(zhǔn)確度計(jì)算單元602判定為捕獲區(qū)域?qū)儆跍?zhǔn)確度為最大的檢測(cè)對(duì)象物體的候選。各捕獲區(qū)域被分類為準(zhǔn)確度最高的對(duì)象物體。例如，在圖8a和圖8b中，最大準(zhǔn)確度計(jì)算單元602將捕獲區(qū)域d(對(duì)行人的最大準(zhǔn)確度為0.9)分類為行人，將捕獲區(qū)域a～c(對(duì)車輛的最大準(zhǔn)確度為0.5、0.6、0.7)分類為車輛。

再有，在與捕獲區(qū)域的各物體對(duì)應(yīng)的準(zhǔn)確度為相同程度的情況下，最大準(zhǔn)確度計(jì)算單元602也可以暫時(shí)地暫緩判別，利用追加信息進(jìn)行最終的判別。

例如，在圖8a和圖8b中，捕獲區(qū)域d對(duì)行人的準(zhǔn)確度(最大準(zhǔn)確度0.9)和對(duì)車輛的準(zhǔn)確度(最大準(zhǔn)確度0.8)兩方較高，所以最大準(zhǔn)確度計(jì)算單元602暫時(shí)地保留物體的判別，將預(yù)備組的形狀信息作為追加信息利用。

即，最大準(zhǔn)確度計(jì)算單元602在將捕獲區(qū)域d分類為車輛的情況下，以4個(gè)捕獲區(qū)域a、b、c、d形成車輛，在將捕獲區(qū)域d分類為行人的情況下，以3個(gè)捕獲區(qū)域a、b、c形成車輛。接著，最大準(zhǔn)確度計(jì)算單元602將追加信息即預(yù)備組的形狀和形成的車輛的形狀(捕獲區(qū)域a、b、c、d、或捕獲區(qū)域a、b、c)進(jìn)行比較。這里，最大準(zhǔn)確度計(jì)算單元602判斷為以3個(gè)捕獲區(qū)域a、b、c形成的形狀接近車輛，所以將捕獲區(qū)域d分類為行人。

再有，其他追加信息，例如也可以是預(yù)備組的跟蹤信息、或來自多個(gè)雷達(dá)裝置的信息等。但是，在難以保證捕獲區(qū)域的連續(xù)性的情況下，最大準(zhǔn)確度計(jì)算單元602例如也可以將存在車輛和行人的準(zhǔn)確度作為暫緩信息。

如以上，根據(jù)本實(shí)施方式，即使在物體的判別上沒有充分的信息的情況，物體檢測(cè)裝置60也累積不確定的信息，能夠進(jìn)行物體的判別。

以上，說明了本發(fā)明的各實(shí)施方式。

這些實(shí)施方式不過是本發(fā)明的物體檢測(cè)裝置的一例，也可以進(jìn)行各種變形。此外，上述說明的各實(shí)施方式也可以適當(dāng)組合。例如，在實(shí)施方式4的物體檢測(cè)裝置60中，也可以加入在實(shí)施方式2中說明的跟蹤單元41。

此外，本發(fā)明的物體檢測(cè)裝置也可以連接到裝載在車輛上的雷達(dá)裝置。本發(fā)明的物體檢測(cè)裝置在判斷為車輛和物體有碰撞的可能性的情況下，對(duì)駕駛員提示警告，或者通過控制車輛的行駛，能夠避免碰撞。此外，本發(fā)明的物體檢測(cè)裝置也可以連接到為了正確地檢測(cè)在包含路口的道路周邊存在的車輛、二輪車、和行人等而設(shè)置在道路周邊的雷達(dá)裝置。在雷達(dá)裝置被設(shè)置在道路周邊的情況下，能夠進(jìn)行路口等中的車輛、兩輪車和行人等的碰撞可能性預(yù)測(cè)、碰撞的避免、以及交通量的掌握和管理。其結(jié)果，本發(fā)明的物體檢測(cè)裝置能夠防止交通事故，實(shí)現(xiàn)交通管理的高效率?；蛘?，本發(fā)明的物體檢測(cè)裝置也可以連接到例如進(jìn)行機(jī)場(chǎng)、建筑物、或設(shè)施的監(jiān)視的雷達(dá)裝置。本發(fā)明的物體檢測(cè)裝置能夠正確地檢測(cè)小型飛行器或鳥、闖入者等，所以能夠確保設(shè)施的安全。

在上述各實(shí)施方式中，通過用硬件構(gòu)成的例子說明了本發(fā)明，但也可以在與硬件的協(xié)同中通過軟件實(shí)現(xiàn)本發(fā)明。

此外，用于上述實(shí)施方式的說明中的各功能塊通常被作為集成電路即lsi來實(shí)現(xiàn)。集成電路控制用于上述實(shí)施方式的說明的各功能塊，也可以包括輸入端子和輸出端子。這些功能塊既可以被單獨(dú)地集成為單芯片，也可以包含一部分或全部地被集成為單芯片。雖然這里稱為lsi，但根據(jù)集成程度，可以被稱為ic、系統(tǒng)lsi、超大lsi(superlsi)、或特大lsi(ultralsi)。

此外，集成電路化的方法不限于lsi，也可使用專用電路或通用處理器來實(shí)現(xiàn)。也可以使用可在lsi制造后編程的fpga(fieldprogrammablegatearray：現(xiàn)場(chǎng)可編程門陣列)，或者使用可重構(gòu)lsi內(nèi)部的電路單元的連接、設(shè)定的可重構(gòu)處理器(reconfigurableprocessor)。

再者，隨著半導(dǎo)體的技術(shù)進(jìn)步或隨之派生的其它技術(shù)，如果出現(xiàn)能夠替代lsi的集成電路化的技術(shù)，當(dāng)然可利用該技術(shù)進(jìn)行功能塊的集成化。還存在著適用生物技術(shù)等的可能性。

作為本發(fā)明的實(shí)施方式的各種方式，包含以下方式。

本發(fā)明的第1方式的物體檢測(cè)裝置包括：捕獲區(qū)域提取單元，輸入由一個(gè)以上雷達(dá)裝置使用來自多個(gè)物體各自的多個(gè)反射波生成的測(cè)量信息，使用所述測(cè)量信息，從所述一個(gè)以上雷達(dá)裝置的測(cè)量范圍對(duì)每個(gè)規(guī)定距離和每個(gè)方位角被分割的多個(gè)第1單位區(qū)域之中，將所述多個(gè)物體的各自被捕獲的多個(gè)第2單位區(qū)域提取作為多個(gè)第1捕獲區(qū)域；預(yù)備分組單元，從所述多個(gè)第1捕獲區(qū)域的各個(gè)區(qū)域，形成包含在規(guī)定的范圍內(nèi)存在的一個(gè)以上第2捕獲區(qū)域的預(yù)備組；特征量獲取單元，基于所述測(cè)量信息，計(jì)算表示所述預(yù)備組和所述一個(gè)以上第2捕獲區(qū)域之間的關(guān)聯(lián)的特征量；判別單元，基于所述特征量，判別屬于所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域的所述多個(gè)物體的每一個(gè)物體的類別；以及物體確定單元，將所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域，根據(jù)所述多個(gè)物體的每一個(gè)類別進(jìn)行分組，檢測(cè)所述多個(gè)物體的各個(gè)物體。

本發(fā)明的第2方式的物體檢測(cè)裝置，在本發(fā)明的第1方式的物體檢測(cè)裝置中，所述雷達(dá)裝置對(duì)規(guī)定的每一幀生成所述測(cè)量信息，所述物體檢測(cè)裝置還包括：基于前幀中的所述多個(gè)物體的每一個(gè)物體的類別的判別結(jié)果，進(jìn)行對(duì)當(dāng)前幀的所述預(yù)備組的跟蹤處理的跟蹤單元，所述特征量獲取單元基于所述測(cè)量信息和所述跟蹤單元的跟蹤結(jié)果，獲取所述當(dāng)前幀的所述特征量。

本發(fā)明的第3方式的物體檢測(cè)裝置，在本發(fā)明的第1方式的物體檢測(cè)裝置中，所述捕獲區(qū)域提取單元基于從2個(gè)以上的雷達(dá)裝置的各個(gè)雷達(dá)裝置獲取的所述測(cè)量信息，提取所述多個(gè)第1捕獲區(qū)域，所述預(yù)備分組單元對(duì)于所述2個(gè)以上的雷達(dá)裝置的各個(gè)雷達(dá)裝置形成所述預(yù)備組，所述物體檢測(cè)裝置還包括：將與所述2個(gè)以上的雷達(dá)裝置的各個(gè)雷達(dá)裝置對(duì)應(yīng)的所述預(yù)備組統(tǒng)一在同一坐標(biāo)系上的預(yù)備組統(tǒng)一單元。

本發(fā)明的第4方式的物體檢測(cè)裝置，在本發(fā)明的第1方式的物體檢測(cè)裝置中，所述判別單元包括：準(zhǔn)確度計(jì)算單元，基于所述特征量，計(jì)算表示所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域?qū)儆谒龆鄠€(gè)物體的類別候選的各個(gè)候選的程度的準(zhǔn)確度；以及最大準(zhǔn)確度計(jì)算單元，判定為所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域?qū)儆谒鰷?zhǔn)確度最大的所述多個(gè)物體的類別候選。

本發(fā)明的第5方式的物體檢測(cè)裝置，在本發(fā)明的第1方式的物體檢測(cè)裝置中，所述特征量包含所述預(yù)備組中包含的所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域的特征量。

本發(fā)明的第6方式的物體檢測(cè)裝置，在本發(fā)明的第1方式的物體檢測(cè)裝置中，所述特征量包含與所述預(yù)備組和所述第2捕獲區(qū)域的比較有關(guān)的特征量。

本發(fā)明的第7方式的物體檢測(cè)裝置，在本發(fā)明的第1方式的物體檢測(cè)裝置中，所述特征量包含所述第2捕獲區(qū)域和所述第2捕獲區(qū)域近旁的第3捕獲區(qū)域的各個(gè)區(qū)域的特征量。

本發(fā)明的第8方式的物體檢測(cè)裝置，在本發(fā)明的第2方式的物體檢測(cè)裝置中，所述特征量包含前幀和當(dāng)前幀之間的與所述預(yù)備組有關(guān)的所述特征量的變動(dòng)量。

本發(fā)明的第9方式的物體檢測(cè)裝置，在本發(fā)明的第1方式的物體檢測(cè)裝置中，還包括：模型保存單元，保存在與所述特征量對(duì)應(yīng)的所述多個(gè)物體模型化后的識(shí)別模型，所述判別單元將所述特征量獲取單元算出的所述特征量和所述模型保存單元中保存的識(shí)別模型進(jìn)行比較，判別所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域?qū)儆诘乃龆鄠€(gè)物體的類別。

本發(fā)明的第10方式的物體檢測(cè)方法，包括以下步驟：輸入由一個(gè)以上雷達(dá)裝置使用來自多個(gè)物體各自的多個(gè)反射波生成的測(cè)量信息；使用所述測(cè)量信息，從所述一個(gè)以上雷達(dá)裝置的測(cè)量范圍對(duì)每個(gè)規(guī)定距離和每個(gè)方位角被分割的多個(gè)第1單位區(qū)域之中，將捕獲了所述多個(gè)物體的各個(gè)物體的多個(gè)第2單位區(qū)域提取作為多個(gè)第1捕獲區(qū)域；從所述多個(gè)第1捕獲區(qū)域的各個(gè)區(qū)域，形成包含在規(guī)定的范圍內(nèi)存在的一個(gè)以上第2捕獲區(qū)域的預(yù)備組；基于所述測(cè)量信息，計(jì)算表示所述預(yù)備組和所述一個(gè)以上第2捕獲區(qū)域之間的關(guān)聯(lián)的特征量；基于所述特征量，判別屬于所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域的所述多個(gè)物體的每個(gè)物體的類別；將所述一個(gè)以上第2捕獲區(qū)域的各個(gè)區(qū)域，根據(jù)所述多個(gè)物體的每個(gè)物體的類別進(jìn)行分組，檢測(cè)所述多個(gè)物體的各個(gè)物體。

工業(yè)實(shí)用性

本發(fā)明能夠用于使用雷達(dá)裝置的測(cè)量結(jié)果進(jìn)行物體的檢測(cè)的物體檢測(cè)裝置。

標(biāo)號(hào)說明

10，40，50，60物體檢測(cè)裝置

11，51捕獲區(qū)域提取單元

12，52預(yù)備分組單元

13，42，54特征量獲取單元

14，43，55模型保存單元

15，44，56判別單元

16物體確定單元

20，20a、20b雷達(dá)裝置

30監(jiān)視控制系統(tǒng)

53預(yù)備組統(tǒng)一單元

601準(zhǔn)確度計(jì)算單元

602最大準(zhǔn)確度計(jì)算單元