TOP特許意匠商標
特許ウォッチ DM通知 Twitter
10個以上の画像は省略されています。
公開番号2021004737
公報種別公開特許公報(A)
公開日20210114
出願番号2019117142
出願日20190625
発明の名称追跡装置
出願人株式会社SOKEN,株式会社デンソー
代理人名古屋国際特許業務法人
主分類G01S 13/66 20060101AFI20201211BHJP(測定;試験)
要約【課題】処理負荷の増加を抑制して精度良く物標を追跡する。
【解決手段】追跡装置4は、予め設定された処理サイクルの繰り返し周期が経過する毎に、一つまたは複数の物標をレーダ装置2で観測した観測情報と、一つまたは複数の物標における過去の状態ベクトルの推定値とに基づいて、一つまたは複数の物標のそれぞれにおける現在の状態ベクトルの推定値を推定する。追跡装置4は、一つまたは複数の物標のそれぞれに対して、一つまたは複数の物標の状態と、車両の状態との少なくとも一方に基づいて、予め設定された第1運動モデルおよび第2運動モデルの中から一つの運動モデルを選択する。追跡装置4は、一つまたは複数の物標のそれぞれについて、選択された一つの運動モデルで状態ベクトルの推定値を推定する。
【選択図】図1
特許請求の範囲【請求項1】
車両に搭載されて、前記車両の周辺に存在する一つまたは複数の物標を追跡する追跡装置(4)であって、
予め設定された処理サイクルの繰り返し周期が経過する毎に、前記一つまたは複数の物標をセンサで観測した観測情報と、前記一つまたは複数の物標における過去の状態量との少なくとも一方に基づいて、前記一つまたは複数の物標のそれぞれにおける現在の前記状態量を推定するように構成された状態量推定部(S40,S220,S230)と、
前記一つまたは複数の物標のそれぞれに対して、前記一つまたは複数の物標の状態と、前記車両の状態との少なくとも一方に基づいて、予め設定された複数の運動モデルの中から一つの運動モデルを選択するように構成されたモデル選択部(S50)と、
前記一つまたは複数の物標のそれぞれについて、前記モデル選択部で選択された前記一つの運動モデルで前記状態量推定部に前記状態量を推定させるように構成された推定選択部(S210)と
を備える追跡装置。
続きを表示(約 2,400 文字)【請求項2】
請求項1に記載の追跡装置であって、
前記複数の運動モデルは、第1運動モデルと、第2運動モデルとを含み、
前記第1運動モデルは、直線運動モデルであり、
前記第2運動モデルは、旋回運動モデルである追跡装置。
【請求項3】
請求項2に記載の追跡装置であって、
前記モデル選択部は、前記一つまたは複数の物標の状態と前記車両の状態との少なくとも一方を示すように予め設定されたパラメータを選択パラメータとし、少なくとも一つの前記選択パラメータが、予め設定された選択判定値以上であるか否かを判断することにより、前記一つの運動モデルを選択する追跡装置。
【請求項4】
請求項3に記載の追跡装置であって、
前記選択パラメータは、前記一つまたは複数の物標の対地速度または相対速度であり、
前記モデル選択部は、前記選択パラメータが前記選択判定値以上である場合に、前記第2運動モデルを選択する追跡装置。
【請求項5】
請求項3に記載の追跡装置であって、
前記選択パラメータは、前記一つまたは複数の物標の縦方向位置または距離であり、
前記モデル選択部は、前記選択パラメータが前記選択判定値以上である場合に、前記第2運動モデルを選択する追跡装置。
【請求項6】
請求項3に記載の追跡装置であって、
前記選択パラメータは、前記一つまたは複数の物標の横方向位置または方位であり、
前記モデル選択部は、前記選択パラメータが前記選択判定値未満である場合に、前記第2運動モデルを選択する追跡装置。
【請求項7】
請求項3に記載の追跡装置であって、
前記選択パラメータは、前記一つまたは複数の物標の反射強度であり、
前記モデル選択部は、前記選択パラメータが前記選択判定値以上である場合に、前記第2運動モデルを選択する追跡装置。
【請求項8】
請求項3に記載の追跡装置であって、
前記選択パラメータは、前記一つまたは複数の物標を検出してから経過した前記処理サイクルの数である経過サイクルであり、
前記モデル選択部は、前記選択パラメータが前記選択判定値以下である場合に、前記第1運動モデルを選択する追跡装置。
【請求項9】
請求項3に記載の追跡装置であって、
前記選択パラメータは、前記車両の回転半径であり、
前記モデル選択部は、前記選択パラメータが前記選択判定値未満である場合に、前記第2運動モデルを選択する追跡装置。
【請求項10】
請求項3に記載の追跡装置であって、
前記選択パラメータは、前記車両の加速度の絶対値であり、
前記モデル選択部は、前記選択パラメータが前記選択判定値以上である場合に、前記第2運動モデルを選択する追跡装置。
【請求項11】
請求項2〜請求項10の何れか1項に記載の追跡装置であって、
前記モデル選択部は、予め設定された第2運動モデル選択条件が成立した場合に、前記第2運動モデルを選択し、前記第2運動モデル選択条件が成立していない場合に、前記第1運動モデルを選択する追跡装置。
【請求項12】
請求項2〜請求項11の何れか1項に記載の追跡装置であって、
前記第2運動モデルは、状態変数に加速度を含む追跡装置。
【請求項13】
請求項1〜請求項12の何れか1項に記載の追跡装置であって、
前記状態量推定部は、更に、前記一つまたは複数の物標における過去の前記状態量の推定値に基づいて、前記一つまたは複数の物標のそれぞれにおける現在の前記状態量の予測値を算出し、
前記モデル選択部は、更に、現在の前記一つの運動モデルを設定してから経過した前記処理サイクルの数である設定経過サイクルが予め設定された切替判定サイクル以上であり、且つ、前記予測値と、前記観測情報が示す観測値との差である予測残差が予め設定された切替判定値以上である場合に、前回に選択した前記一つの運動モデルと異なる前記一つの運動モデルを選択する追跡装置。
【請求項14】
請求項3〜請求項9の何れか1項に記載の追跡装置であって、
前記選択判定値は、選択されている前記一つの運動モデルに応じて変更される追跡装置。
【請求項15】
請求項1〜請求項14の何れか1項に記載の追跡装置であって、
前記状態量推定部は、更に、前記状態量の誤差共分散を推定する追跡装置。
【請求項16】
請求項15に記載の追跡装置であって、
前記一つまたは複数の物標のそれぞれについて、前記一つの運動モデルが前回から変更された場合に、前記状態量および前記誤差共分散の少なくとも一方を、変更された後の前記一つの運動モデルに対応するように変換するように構成された変換部(S520,S620)を備える追跡装置。
【請求項17】
請求項1〜請求項16の何れか1項に記載の追跡装置であって、
選択された前記一つの運動モデルに関わらず、前記一つまたは複数の物標の前記状態量が格納されるように構成された状態量格納部(13a)を備え、
前記状態量格納部は、前記複数の運動モデルのうち状態変数の数が最も多い前記一つの運動モデルにおける前記状態量を格納可能な容量を有する追跡装置。
【請求項18】
請求項15に記載の追跡装置であって、
選択された前記一つの運動モデルに関わらず、前記一つまたは複数の物標の前記状態量および前記誤差共分散を共通の物理量に変換して出力するように構成された出力部(S70)を備える追跡装置。

発明の詳細な説明【技術分野】
【0001】
本開示は、車両の周辺に存在する物標を追跡する追跡装置に関する。
続きを表示(約 6,200 文字)【背景技術】
【0002】
車載レーダにより物標の位置および速度などの状態量を算出するためには、前回の処理サイクルでの物標の位置および速度などの推定値から求めた今回の処理サイクルでの予測値と、今回の観測値とのフィルタ処理を行うのが一般的である。しかし、予測値の算出に用いる運動モデルと物標の実際の運動との間で乖離がある場合には、物標の状態量を精度良く推定することができない。それに対し、特許文献1には、運動モデルが互いに異なる複数のフィルタ処理部がそれぞれ物標の状態量を推定し、推定結果の収束状況に応じて、何れか一つのフィルタ処理部の出力を選択することで、精度良い推定結果を得る目標追尾装置が記載されている。
【先行技術文献】
【特許文献】
【0003】
特許第4348535号公報
【発明の概要】
【発明が解決しようとする課題】
【0004】
しかし、特許文献1に記載の技術では、一つの物標に対して複数のフィルタ処理を並行して実行させる必要があるため、処理負荷が大きくなってしまうという問題があった。
本開示は、処理負荷の増加を抑制して精度良く物標を追跡することを目的とする。
【課題を解決するための手段】
【0005】
本開示の一態様は、車両に搭載されて、車両の周辺に存在する一つまたは複数の物標を追跡する追跡装置(4)であって、状態量推定部(S40,S220,S230)と、モデル選択部(S50)と、推定選択部(S210)とを備える。
【0006】
状態量推定部は、予め設定された処理サイクルの繰り返し周期が経過する毎に、一つまたは複数の物標をセンサ(2)で観測した観測情報と、一つまたは複数の物標における過去の状態量との少なくとも一方に基づいて、一つまたは複数の物標のそれぞれにおける現在の状態量を推定するように構成される。
【0007】
モデル選択部は、一つまたは複数の物標のそれぞれに対して、一つまたは複数の物標の状態と、車両の状態との少なくとも一方に基づいて、予め設定された複数の運動モデルの中から一つの運動モデルを選択するように構成される。
【0008】
推定選択部は、一つまたは複数の物標のそれぞれについて、モデル選択部で選択された一つの運動モデルで状態量推定部に状態量を推定させるように構成される。
このように構成された本開示の追跡装置は、一つの物標に対して一つの運動モデルを用いて状態量を推定する。このため、本開示の追跡装置は、一つの物標に対して複数の運動モデルを並行して実行するという事態の発生を抑制し、処理負荷の増加を抑制することができる。さらに、本開示の追跡装置は、複数の運動モデルの中から一つの運動モデルを選択して、一つまたは複数の物標のそれぞれにおける現在の状態量を推定する。このため、本開示の追跡装置は、一つまたは複数の物標のそれぞれに対して適切な一つの運動モデルを選択して状態量を推定することができ、状態量の推定精度を向上させることができる。これにより、本開示の追跡装置は、精度良く物標を追跡することができる。
【図面の簡単な説明】
【0009】
運転支援システムの構成を示すブロック図である。
第1実施形態におけるレーダ装置の設置位置と検出範囲とを示す図である。
追跡処理を示すフローチャートである。
予測処理を示すフローチャートである。
状態量予測処理を示すフローチャートである。
関連付け処理を示すフローチャートである。
第1実施形態のモデル設定処理を示すフローチャートである。
第1設定処理を示すフローチャートである。
第2設定処理を示すフローチャートである。
登録処理を示すフローチャートである。
自車両の前方で道路を横断するために直進する歩行者を示す図である。
道路のカーブの手前を走行する自車両および先行車両を示す図である。
状態量格納部を示す図である。
第2実施形態のモデル設定処理を示すフローチャートである。
別の実施形態におけるレーダ装置の設置位置と検出範囲とを示す図である。
【発明を実施するための形態】
【0010】
(第1実施形態)
以下に本開示の第1実施形態を図面とともに説明する。
本実施形態の運転支援システム1は、車両に搭載され、図1に示すように、レーダ装置2と、挙動センサ群3と、追跡装置4と、支援実行部5とを備える。以下、運転支援システム1を搭載する車両を自車両という。
【0011】
レーダ装置2は、ミリ波またはマイクロ波等のレーダ波を送信し、反射したレーダ波を受信する。図2に示すように、レーダ装置2は、自車両の前方に向けてレーダ波を送信することにより、検出範囲Rd内に存在してレーダ波を反射した反射点に関する情報(以下、観測情報)を生成する。観測情報には、反射点までの距離と、反射点の方位と、反射点の相対速度と、反射点で反射したレーダ波の強度(以下、反射強度)とが含まれる。
【0012】
図1に示すように、挙動センサ群3は、自車両の挙動に関する情報と、自車両の挙動に影響を与える運転操作に関する情報とを検出するための各種機器からなる。挙動センサ群3が検出する情報には、例えば、アクセルペダルの操作量、ブレーキペダルの操作量、操舵角、車両速度および車両加速度が含まれる。
【0013】
追跡装置4は、レーダ装置2により生成された観測情報に基づいて、自車両の周囲に存在する物標を追跡し、追跡した物標の状態量を示す物標情報を生成する。
追跡装置4は、CPU11、ROM12およびRAM13等を備えたマイクロコンピュータを中心に構成された電子制御装置である。マイクロコンピュータの各種機能は、CPU11が非遷移的実体的記録媒体に格納されたプログラムを実行することにより実現される。この例では、ROM12が、プログラムを格納した非遷移的実体的記録媒体に該当する。また、このプログラムの実行により、プログラムに対応する方法が実行される。なお、CPU11が実行する機能の一部または全部を、一つあるいは複数のIC等によりハードウェア的に構成してもよい。また、追跡装置4を構成するマイクロコンピュータの数は1つでも複数でもよい。
【0014】
支援実行部5は、例えば、アクチュエータ、オーディオ装置および表示装置などを備える。支援実行部5は、追跡装置4にて生成される物標情報に基づき、自車両の挙動を制御したり、自車両の運転者に対する報知を実行したりする。
【0015】
追跡装置4のCPU11が実行する追跡処理の手順を説明する。追跡処理は、追跡装置4の動作中において、予め設定された処理サイクル毎に繰り返し実行される処理である。処理サイクルの繰り返し周期をΔTとする。以下では、本処理により追跡の対象となっている物標を追跡物標と呼ぶ。
【0016】
追跡処理が実行されると、CPU11は、図3に示すように、まずS10にて、予測処理を実行する。ここで、S10で実行される予測処理の手順を説明する。
予測処理が実行されると、CPU11は、図4に示すように、まずS110にて、一つまたは複数の追跡物標の中から、今回の予測処理において選択されていない一つの追跡物標を選択する。以下、選択された追跡物標を対象物標という。
【0017】
そしてS120にて、CPU11は、状態量予測処理を実行する。ここで、S120で実行される状態量予測処理の手順を説明する。
状態量予測処理が実行されると、CPU11は、図5に示すように、まずS210にて、対象物標に対して、後述の第1運動モデルが設定されているか、後述の第2運動モデルが設定されているかを判断する。ここで、第1運動モデルが設定されている場合には、CPU11は、S220にて、後述する第1予測処理を実行し、状態量予測処理を終了する。一方、第2運動モデルが設定されている場合には、CPU11は、S230にて、後述する第2予測処理を実行し、状態量予測処理を終了する。
【0018】
次に、S220で実行される第1予測処理を説明する。
第1予測処理では、CPU11は、第1運動モデルを用いて、前回の処理サイクルで求められた対象物標の状態ベクトルの推定値に基づき、今回の処理サイクルでの状態ベクトルの予測値を算出する。下式(1)〜(6)は、拡張カルマンフィルタを表す式である。
【0019】

k|k−1
は状態ベクトルの予測値(すなわち、予測ベクトル)である。X

は状態ベクトルの推定値である。z

は観測値である。P
k|k−1
は状態ベクトルの予測値の誤差共分散行列である。P

は誤差共分散行列の推定値である。S

はイノベーション行列である。K

はカルマンゲインである。fは前の状態量からの予測値を与える関数である。hは観測値を与える関数である。Q

はプロセスノイズの分散である。F

は関数fのヤコビアンで定義される状態遷移行列である。R

は観測ノイズの誤差共分散行列である。H

は関数hのヤコビアンで定義される状態空間を観測空間に写像する変換行列である。また、X

は状態ベクトルの初期値(すなわち、初期推定ベクトル)、P

は誤差共分散行列の初期値を表す。
【0020】
そして第1運動モデルは、直線運動モデルである。直線運動モデルは、図11に示すように、自車両V1の前方で、道路を横断するために直進する歩行者PDを検出するためのモデルである。
【0021】
第1運動モデルでは、物標の状態量は、横方向位置x、縦方向位置y、横方向速度v

および縦方向速度v

で表される。これらの状態量を要素としてベクトル表現した状態ベクトルは、X=[x,y,v

,v



で表される。なお、横方向は自車両の車幅方向であり、縦方向は車幅方向に垂直な方向である。
【0022】
また第1運動モデルでは、今回の処理サイクルでの状態量の予測値を状態ベクトルX
k|k−1
=[x’,y’,v

’,v

’]

とし、前回の処理サイクルでの状態量の推定値を状態ベクトルX
k−1
=[x,y,v

,v



とする。そして関数fは、状態ベクトルX
k|k−1
と状態ベクトルX
k−1
との間で、式(7)に示す関係が成立するように設定される。
【0023】
すなわち、S220の第1予測処理では、CPU11は、式(7)で設定される関数fを用いて、式(1)により、今回の処理サイクルにおける状態ベクトルの予測値を算出し、式(2)により、今回の処理サイクルにおける状態ベクトルの予測値の誤差共分散行列を算出する。
【0024】
次に、S230で実行される第2予測処理を説明する。
S230の第2予測処理では、CPU11は、第2運動モデルを用いて、前回の処理サイクルで求められた対象物標の状態ベクトルの推定値に基づき、今回の処理サイクルでの状態ベクトルの予測値を算出する。
【0025】
そして第2運動モデルは、旋回運動モデルである。旋回運動モデルは、図12に示すように、自車両V1の前方で、道路のカーブCVを走行する先行車両V2を検出するためのモデルである。
【0026】
第2運動モデルでは、物標の状態量は、横方向位置x、縦方向位置y、速度v、進行方向θ、加速度aおよびヨーレートωで表される。これらの状態量を要素としてベクトル表現した状態ベクトルは、X=[x,y,v,θ,a,ω]

で表される。
【0027】
また第2運動モデルでは、今回の処理サイクルでの状態量の予測値を状態ベクトルX
k|k−1
=[x’,y’,v’,θ’,a’,ω’]

とし、前回の処理サイクルでの状態量の推定値を状態ベクトルX
k−1
=[x,y,v,θ,a,ω]

とする。そして関数fは、状態ベクトルX
k|k−1
と状態ベクトルX
k−1
との間で、式(8)に示す関係が成立するように設定される。
【0028】
すなわち、S230の第2予測処理では、CPU11は、式(8)で設定される関数fを用いて、式(1)により、今回の処理サイクルにおける状態ベクトルの予測値を算出し、式(2)により、今回の処理サイクルにおける状態ベクトルの予測値の誤差共分散行列を算出する。
【0029】
なお、CPU11は、算出した状態量を、RAM13に設けられた状態量格納部13aに格納する。
状態量格納部13aは、図13に示すように、複数の物標のそれぞれについて、[x,y,v

,v

]または[x,y,v,θ,a,ω]を格納するように形成されている。具体的には、複数の物標のそれぞれについて、格納領域R1,R2,R3,R4,R5,R6が設けられている。そしてCPU11は、例えば、第1運動モデルで状態ベクトルの推定値を算出した場合には、対応する物標の格納領域R1,R2,R3,R4にそれぞれ、x,y,v

,v

を格納する。またCPU11は、第2運動モデルで状態ベクトルの推定値を算出した場合には、対応する物標の格納領域R1,R2,R3,R4,R5,R6にそれぞれ、x,y,v,θ,a,ωを格納する。
【0030】
状態量予測処理が終了すると、CPU11は、図4に示すように、S130にて、一つまたは複数の追跡物標の中の全ての追跡物標をS110で選択したか否かを判断する。ここで、全ての追跡物標を選択していない場合には、CPU11は、S110に移行する。一方、全ての追跡物標を選択した場合には、CPU11は、予測処理を終了する。
(【0031】以降は省略されています)

この特許をJ-PlatPatで参照する

関連特許

株式会社SOKEN
車両
株式会社SOKEN
燃焼器
株式会社SOKEN
燃焼器
株式会社SOKEN
燃焼器
株式会社SOKEN
受電機器
株式会社SOKEN
追跡装置
株式会社SOKEN
飛行装置
株式会社SOKEN
送風装置
株式会社SOKEN
送風装置
株式会社SOKEN
電磁装置
株式会社SOKEN
回転電機
株式会社SOKEN
蓄電装置
株式会社SOKEN
摩擦ダンパ
株式会社SOKEN
点火プラグ
株式会社SOKEN
電気自動車
株式会社SOKEN
レーダ装置
株式会社SOKEN
タイヤ装置
株式会社SOKEN
燃料噴射弁
株式会社SOKEN
燃料噴射弁
株式会社SOKEN
ガスセンサ
株式会社SOKEN
高圧タンク
株式会社SOKEN
ガスセンサ
株式会社SOKEN
ガスセンサ
株式会社SOKEN
送受電機器
株式会社SOKEN
半導体装置
株式会社SOKEN
電力変換装置
株式会社SOKEN
物体検知装置
株式会社SOKEN
表示制御装置
株式会社SOKEN
電源システム
株式会社SOKEN
表示制御装置
株式会社SOKEN
車両制御装置
株式会社SOKEN
電力変換装置
株式会社SOKEN
充電システム
株式会社SOKEN
電力変換装置
株式会社SOKEN
物体検出装置
株式会社SOKEN
電力変換装置
続きを見る