特許ウォッチ

公開番号2024165789
公報種別公開特許公報(A)
公開日2024-11-28
出願番号2023082283
出願日2023-05-18
発明の名称形状推定装置
出願人株式会社SOKEN,株式会社デンソー,トヨタ自動車株式会社,株式会社ミライズテクノロジーズ,学校法人トヨタ学園
代理人弁理士法人ゆうあい特許事務所
主分類G01S 13/02 20060101AFI20241121BHJP(測定;試験)
要約【課題】静止物体の形状を低処理負荷で且つ高精度に推定する。
【解決手段】第2マップ生成部20は、第1座標系を第2座標系に座標変換することにより、第1座標系を有する第1反射強度マップM1から、第2座標系を有する第2反射強度マップM2を生成する。そして、推定部24は、複数の第2反射強度マップM2に基づいて生成された反射強度蓄積マップMsから、静止物体82の形状を表す物体形状マップMfを推定する。従って、相対距離Rrと相対速度Vrとに対する反射強度Pwの分布を示す第1反射強度マップM1から、二次元の座標位置に対する反射強度Pwの分布を示す第2反射強度マップM2を得ることができる。すなわち、センサ部12に対する方位を推定する方位推定処理を行うことなく、静止物体82の形状推定の基になる第2反射強度マップM2を得ることができる。そのため、静止物体82の形状推定を低処理負荷で実施することが可能である。
【選択図】図1
特許請求の範囲【請求項１】
移動体（８０）に搭載される形状推定装置であって、
前記移動体に設けられ、前記移動体の周囲へ電磁波である送信波（Ｓｗ）を発信すると共に、該送信波が反射して生じた反射波（Ｒｗ）を受信するセンサ部（１２）と、
前記送信波と前記反射波とに基づき、前記センサ部に対する相対距離（Ｒｒ）と前記センサ部に対する相対速度（Ｖｒ）とに対する前記反射波の信号強度（Ｐw）の分布を示す第１反射強度マップ（Ｍ１）を生成することを、繰り返し行う第１マップ生成部（１６）と、
前記移動体の速度（Ｖｅ）と前記移動体の位置（Ｘｅ、Ｙｅ）とを知得するエゴモーション知得部（１８）と、
前記第１反射強度マップの前記相対距離と前記相対速度とを表す第１座標系（ＣＴ１）を、二次元の座標位置（Ｘ、Ｙ）を表す第２座標系（ＣＴ２）に、前記移動体の速度と前記移動体の位置とを用いて座標変換することにより、前記座標位置に対する前記信号強度の分布を示す第２反射強度マップ（Ｍ２）を前記第１反射強度マップから生成することを、繰り返し行う第２マップ生成部（２０）と、
前記第２マップ生成部が生成した複数の前記第２反射強度マップのそれぞれにおける前記信号強度を基に所定の算出規則に従って得られる信号強度関連値を前記第２反射強度マップの前記座標位置毎に算出し、該座標位置に対する前記信号強度関連値の分布を示す反射強度蓄積マップ（Ｍｓ）を生成する反射強度蓄積マップ生成部（２２）と、
教師あり学習によって学習されたニューラルネットワークの学習済みモデル（３２）によって、前記移動体の周囲に存在し静止している物体（８２）の形状を表す物体形状マップ（Ｍｆ）を前記反射強度蓄積マップから推定する推定部（２４）とを備える、形状推定装置。
続きを表示（約 1,300 文字）【請求項２】
前記反射強度蓄積マップの前記座標位置に対する前記信号強度関連値は該座標位置毎に、複数の前記第２反射強度マップにおける前記座標位置毎の前記信号強度のうちの最大値とされる、請求項１に記載の形状推定装置。
【請求項３】
前記学習済みモデルは、畳み込みニューラルネットワークのエンコーダ（３２ａ）とデコーダ（３２ｂ）とを有する構成になっている、請求項１または２に記載の形状推定装置。
【請求項４】
前記センサ部は、予め定められた物体検知領域（Ａs）内において前記物体の存在を検知できるように前記移動体に取り付けられ、
前記物体検知領域は、前記第１座標系の前記相対距離が零になる位置（Ｒ０p）を通り且つ前記移動体の前後方向（Ｄ１）と上下方向（Ｄ３）とに平行な仮想平面（ＰＬv）に対し前記移動体の左右方向（Ｄ２）の一方側へ拡がり、前記左右方向の他方側へは及んでおらず、
前記第２反射強度マップの全ての前記座標位置は前記物体検知領域に入る、請求項１または２に記載の形状推定装置。
【請求項５】
前記センサ部は、予め定められた物体検知領域（Ａs）内において前記物体の存在を検知できるように前記移動体に取り付けられ、
前記物体検知領域は、前記第１座標系の前記相対距離が零になる位置（Ｒ０p）を通り且つ前記移動体の前後方向（Ｄ１）と上下方向（Ｄ３）とに平行な仮想平面（ＰＬv）に対し前記移動体の左右方向（Ｄ２）の一方側へ拡がった一方側領域（Ａ１）と、前記一方側領域よりも狭く前記仮想平面に対し前記左右方向の他方側へ拡がった他方側領域（Ａ２）とを有し、
前記第２反射強度マップの全ての前記座標位置は、前記仮想平面を基準に前記他方側領域を前記左右方向の前記一方側へ反転して得られる反転他方側領域（Ａ２r）を前記一方側領域から除いた領域（Ａm）に入る、請求項１または２に記載の形状推定装置。
【請求項６】
前記センサ部は、前記送信波を発信する１つまたは複数の送信アンテナ素子（１２１）と前記反射波を受信する１つまたは複数の受信アンテナ素子（１２２）とをそれぞれ有し、
前記１つまたは複数の送信アンテナ素子は水平方向（Ｄｈ）には並んでおらず、
前記１つまたは複数の受信アンテナ素子も前記水平方向には並んでいない、請求項１または２に記載の形状推定装置。
【請求項７】
前記第１座標系を前記第２座標系に座標変換することとは、前記第２反射強度マップに含まれる複数の前記座標位置から選択された座標位置である選択座標位置（Ｘｗ、Ｙｗ）と前記移動体の速度と前記移動体の位置とを用いて所定の算出式（Ｆ３、Ｆ４、Ｆ１１、Ｆ１２）から前記第１座標系の前記相対距離と前記相対速度とを算出し、該算出した前記相対距離と前記相対速度とに対する前記第１反射強度マップの前記信号強度を、前記第２反射強度マップでの前記選択座標位置に対する前記信号強度とすることを、前記第２反射強度マップの前記座標位置毎に行うことである、請求項１または２に記載の形状推定装置。

発明の詳細な説明【技術分野】
【０００１】
本発明は、物体の形状を推定する形状推定装置に関するものである。
続きを表示（約 2,300 文字）【背景技術】
【０００２】
例えば非特許文献１には、車載のレーダにより物体の形状を推定する技術が開示されている。具体的に、非特許文献１では、深層学習により予め生成された推定器を用い、位置とレーダが受信する反射波の信号強度である反射強度との対応を示す反射強度マップから、物体の形状を推定する手法が提案されている。
【先行技術文献】
【非特許文献】
【０００３】
F. E. Nowruzi; D. Kolhatkar; P. Kapoor; F. Al Hassanat; E. J. Heravi; R. Laganiere; J. Rebut; W. Malik, Deep Open Space Segmentation using Automotive Radar, 2020 IEEE MTT-S International Conference on Microwaves for Intelligent Mobility (ICMIM)
【発明の概要】
【発明が解決しようとする課題】
【０００４】
上記した非特許文献１に記載の技術では、反射強度マップを生成する際、レーダの複数のアンテナの受信信号から方位推定処理を行う必要があり、処理負荷が高いという課題がある。また、複数のアンテナ素子が必要であるためコストが高くなるという課題もある。
【０００５】
そこで、発明者らは、例えばレーダでは相対速度を観測できることに着目した。詳しく言うと、自車両の周囲に存在する静止物体の、自車両に対する相対速度は、自車両に設けられたレーダの位置と静止物体のうち送信波を反射する反射点とを結んだ直線が自車両の進行方向に対して成す角度と、自車両の速度とで決まる。そのため、自車両の速度と上記相対速度とが既知であれば、静止物体の反射点の位置を特定することができる。このことに発明者らは着目した。
【０００６】
一方で、レーダによって得られる相対速度から変換した位置に対する反射強度の分布は、レーダの信号の広がりのため一般的には物体の形状推定には向かないが、深層学習を用いた形状推定であれば、信号の広がりも含めて学習されるので、相対速度を利用した物体の形状推定が可能である。発明者らの詳細な検討の結果、以上のようなことが見出された。
【０００７】
上記点に鑑み、本発明は、レーダ等であるセンサ部に対する相対距離と相対速度とに対する反射強度の分布がセンサ部からの信号に基づいて得られることを利用して、静止している物体の形状を低処理負荷で且つ高精度に推定することを目的とする。
【課題を解決するための手段】
【０００８】
上記目的を達成するため、請求項１に記載の形状推定装置は、
移動体（８０）に搭載される形状推定装置であって、
移動体に設けられ、移動体の周囲へ電磁波である送信波（Ｓｗ）を発信すると共に、その送信波が反射して生じた反射波（Ｒｗ）を受信するセンサ部（１２）と、
送信波と反射波とに基づき、センサ部に対する相対距離（Ｒｒ）とセンサ部に対する相対速度（Ｖｒ）とに対する反射波の信号強度（Ｐw）の分布を示す第１反射強度マップ（Ｍ１）を生成することを、繰り返し行う第１マップ生成部（１６）と、
移動体の速度（Ｖｅ）と移動体の位置（Ｘｅ、Ｙｅ）とを知得するエゴモーション知得部（１８）と、
第１反射強度マップの相対距離と相対速度とを表す第１座標系（ＣＴ１）を、二次元の座標位置（Ｘ、Ｙ）を表す第２座標系（ＣＴ２）に、移動体の速度と移動体の位置とを用いて座標変換することにより、座標位置に対する信号強度の分布を示す第２反射強度マップ（Ｍ２）を第１反射強度マップから生成することを、繰り返し行う第２マップ生成部（２０）と、
第２マップ生成部が生成した複数の第２反射強度マップのそれぞれにおける信号強度を基に所定の算出規則に従って得られる信号強度関連値を第２反射強度マップの座標位置毎に算出し、その座標位置に対する信号強度関連値の分布を示す反射強度蓄積マップ（Ｍｓ）を生成する反射強度蓄積マップ生成部（２２）と、
教師あり学習によって学習されたニューラルネットワークの学習済みモデル（３２）によって、移動体の周囲に存在し静止している物体（８２）の形状を表す物体形状マップ（Ｍｆ）を反射強度蓄積マップから推定する推定部（２４）とを備える。
【０００９】
このようにすれば、相対距離と相対速度とに対する反射波の信号強度（すなわち、反射強度）の分布を示す第１反射強度マップから、二次元の座標位置に対する反射強度の分布を示す第２反射強度マップを得ることができる。すなわち、センサ部に対する方位を推定する方位推定処理を行うことなく、静止物体の形状推定の基になる第２反射強度マップを得ることができる。そのため、静止物体の形状推定を低処理負荷で実施することが可能である。
【００１０】
そして、反射強度蓄積マップは、逐次生成された複数の第２反射強度マップに基づいて生成されるので、反射強度蓄積マップでは、形状推定対象の静止物体の輪郭に対応した反射強度の分布状態を際立たせることができる。そして、この反射強度蓄積マップが、静止物体の形状推定を実施する推定部の入力として用いられる。従って、例えば反射強度蓄積マップではなく第２反射強度マップが推定部の入力として用いられる場合と比較して、静止物体の形状を高精度に推定することが可能である。
（【００１１】以降は省略されています）

関連特許