物体認識装置

トップ :: G 物理学 :: G01 測定;試験

【発明の名称】	物体認識装置
【発明者】	【氏名】西垣守道【氏名】坂雅和
【要約】	【課題】ウィンドウのクラスタリングを高速に行う。【解決手段】所定の間隔をおいて配置された少なくとも２つの撮像手段、および該少なくとも２つの撮像手段で得られ、複数のウィンドウに分割された画像に基づいてウィンドウごとに対象物までの距離を計測する計測手段を有し、該計測手段により計測された距離に基づいて物体を認識する物体認識装置において、前記計測手段により計測することのできる領域が複数の距離範囲に区分けされており、それぞれの距離範囲に異なるラベルを付与して格納する距離範囲記憶手段と、前記計測手段により計測された距離の値を、該距離値が属する距離範囲に対応する前記ラベルに変換する距離変換手段と、該距離値が変換されたラベルに基づいて、画像上のウィンドウをクラスタリングしてクラスタを定めるクラスタリング手段とを備え、ラベルに基づいてクラスタリングを高速に行う。

【特許請求の範囲】
【請求項１】所定の間隔をおいて配置された少なくとも２つの撮像手段、および該少なくとも２つの撮像手段で得られ、複数のウィンドウに分割された画像に基づいてウィンドウごとに対象物までの距離を計測する計測手段を有し、該計測手段により計測された距離に基づいて物体を認識する物体認識装置において、前記計測手段により計測することのできる領域が複数の距離範囲に区分けされており、それぞれの距離範囲に異なるラベルを付与して格納する距離範囲記憶手段と、前記計測手段により計測された距離の値を、該距離値が属する距離範囲に対応する前記ラベルに変換する距離変換手段と、該距離値が変換されたラベルに基づいて、画像上のウィンドウをクラスタリングしてクラスタを定めるクラスタリング手段と、を備える物体認識装置。
【請求項２】前記距離範囲記憶手段において、前記計測手段が計測することのできる領域が、前記計測手段により計測される距離の誤差に応じて複数の距離範囲に区分けされている請求項１に記載の物体認識装置。

【発明の詳細な説明】【０００１】
【発明の属する技術分野】この発明は、自動車などの車両に搭載されたカメラによる撮像手段を用いて、前方の物体を検出する光学式の物体認識装置に関し、より具体的には、撮像された画像における複数のウィンドウを用いて、物体の特徴を認識する物体認識装置に関する。
【０００２】
【従来の技術】近年、車両走行の安全性を向上させるため、自車両の前方にある物体の距離や大きさを判断し、これに応じて車両を適切に制御する装置が提案されている。
【０００３】２つの受光素子からなる光学式距離計測装置を使用し、距離検出された被写体が物体か道路領域（路面上の文字／白線を含む）かを判断する手法に関連するものとして、特開平９－７９８２１号公報には、計算エリアごとに距離を算出し、、距離が相互に一定範囲内であり、水平方向に一定値以内に近接する計算エリアをクラスタリングして、障害物が存在する領域を認識する装置が提案されている。このクラスタリングでは、距離が未測定の計算エリアも含めてクラスタリングされる。
【０００４】
【発明が解決しようとする課題】しかしながら、ウィンドウ（上記の計算エリアに該当する）数を多くして、より緻密に計測距離値を得てクラスタリング（上記のブロック化に対応する）を行う場合には、特開平９－７９８２１号公報のもののように、算出された距離値に基づいて距離が相互に一定範囲内にあるかどうかを判断すると、処理に非常に時間がかかる。
【０００５】また、従来、予め距離範囲を定めて、その距離範囲内にあるウィンドウをクラスタリングする場合には、最初に距離の度数分布等を求めてクラスタリングを行う距離範囲を決定する処理が必要であった。さらに、クラスタリングを行う際に、ウィンドウについて算出された距離値がどの距離範囲に属するかを判断し、その距離範囲が互いに等しいかどうかを判断することが必要であった。これらの処理は、いずれも非常に時間がかかる。
【０００６】さらに、特開平９－７９８２１号公報のもののようにクラスタリングを行う距離範囲を一定とすると、距離が遠くなるほど距離値の精度が低下する。一般に、距離ｄの算出は、視差をｓとすると「ｄ＝Ｃ／ｓ（Ｃは定数）」の式で表され、視差の分解能が一定であるのに対し距離の分解能は遠距離にいくほど低下する。そのため、同一の物体が複数のウィンドウにわたって撮像されているとき、ウィンドウごとの距離値の誤差が、遠距離にいくほど大きくなる。
【０００７】たとえば、図１４の（ａ）に示すように、クラスタリングを行う距離範囲を一定にし、同一の物体を撮像した２つのウィンドウの距離値を算出すると、近距離では距離値１０１のウィンドウおよび距離値１０２のウィンドウが一緒にクラスタリングされるのに対し、遠距離では距離値１０３をもつウィンドウと距離値１０４をもつウィンドウが異なるクラスタにクラスタリングされることになる。
【０００８】反対に、図１４の（ｂ）に示すように、同一の物体を撮像した２つのウィンドウを、遠距離で同じクラスタにクラスタリングさせるよう距離範囲を設定すると、距離値１０３をもつウィンドウと距離値１０４をもつウィンドウは同じクラスタにクラスタリングされるが、近距離では、距離値１０１および１０２をもつウィンドウだけでなく、異なる物体を撮像した距離値１０５をもつ他のウィンドウも同じクラスタにクラスタリングされてしまう。このように、距離範囲を一定にしてクラスタリングを行うと、同一物体を同一のクラスタに含めることができなかったり、同一ではない物体が同一のクラスタに含まれてしまうということが生じる。
【０００９】したがって、この発明は、ウィンドウについて算出された距離値に対応するラベルに基づいてクラスタリングすることにより、高速にウィンドウをクラスタリングして物体を認識することのできる装置を提供することを目的とする。さらに、計測される距離の誤差に応じて距離範囲を設定することにより、正確にウィンドウをクラスタリングして物体を認識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する。
【００１０】
【課題を解決するための手段】上記の課題を解決するため、請求項１の発明の物体認識装置は、所定の間隔をおいて配置された少なくとも２つの撮像手段、および該少なくとも２つの撮像手段で得られ、複数のウィンドウに分割された画像に基づいてウィンドウごとに対象物までの距離を計測する計測手段を有し、該計測手段により計測された距離に基づいて物体を認識する物体認識装置において、前記計測手段により計測することのできる領域が複数の距離範囲に区分けされており、それぞれの距離範囲に異なるラベルを付与して格納する距離範囲記憶手段と、前記計測手段により計測された距離の値を、該距離値が属する距離範囲に対応する前記ラベルに変換する距離変換手段と、該距離値が変換されたラベルに基づいて、画像上のウィンドウをクラスタリングしてクラスタを定めるクラスタリング手段とを備える。
【００１１】この発明によると、ウィンドウの計測距離ではなく、計測距離が属する距離範囲に対応するラベルに基づいてクラスタリングするので、高速にクラスタリングすることができる。
【００１２】また、請求項２の発明は、請求項１の物体認識装置の前記距離範囲記憶手段において、前記計測手段が計測することのできる領域が、前記計測手段により計測される距離の誤差に応じて複数の距離範囲に区分けされている構成をとる。
【００１３】請求項２の発明によると、計測される距離の誤差に応じて距離範囲を設定するので、正確にクラスタリングすることができる。
【００１４】
【発明の実施の形態】次に図面を参照してこの発明の実施の形態を説明する。図１は、この発明の一実施例の物体認識装置の全体的なブロック図である。図２は、この実施例で用いる三角計測法による距離の計測原理を説明する図である。まず図２を参照して１対の撮像装置を用いた距離の測定方法を説明する。
【００１５】一対の撮像装置の一方を構成するラインセンサ２１およびレンズ２３は、他方の撮像装置を構成するラインセンサ２２およびレンズ２４と所定の間隔すなわち基線長Ｂだけ左右方向または上下方向に間隔をおいて配置されている。ラインセンサ２１および２２は、典型的には１次元のＣＣＤであり、直線的に配列されたフォトセンサのアレイであってもよい。夜間の使用を考慮すると赤外線を用いた撮像装置にするのがよい。この場合、レンズ２３、２４の前に赤外線透過性のフィルタを置き、赤外線の光源を用いて一定の周期で対象物２０を照射し、対象物２０から反射する赤外線をラインセンサ２１、２２が感知するようにするのがよい。
【００１６】ラインセンサ２１、２２は、それぞれレンズ２３、２４の焦点距離ｆに配置されている。レンズ２３、２４のある平面から距離ａにある対象物の像が、ラインセンサ２１ではレンズ２３の光軸からＸ１ずれた位置に形成され、ラインセンサ２２ではレンズ２４の光軸からＸ２だけずれた位置に形成されるとすると、レンズ２３、２４の面から対象物２０までの距離ａは、三角計測法の原理により、ａ＝Ｂ・ｆ／（Ｘ１＋Ｘ２）で求められる。
【００１７】この実施例では画像はデジタル化されるので、距離（Ｘ１＋Ｘ２）は、ディジタル的に算出される。ラインセンサ２１および２２で得られる画像の片方または両方をシフトさせながら両画像のそれぞれ対応する画素の輝度を示すディジタル値の差の絶対値の総和を求め、これを相関値とする。相関値が最小値になるときの画像のシフト量が両画像の間の位置ずれ、すなわち（Ｘ１＋Ｘ２）を示す。観念的には図２に示すようにラインセンサ２１および２２から得られる２つの画像を重なり合わせるために２つの画像を相対的に移動させねばならない距離が（Ｘ１＋Ｘ２）である。
【００１８】ここでは、簡単のため撮像装置が１次元のラインセンサ２１、２２であるものとして説明したが、以下に述べるようにこの発明の一実施例では２次元のＣＣＤまたは２次元のフォトセンサ・アレイを撮像装置として使用する。この場合、２つの撮像装置から得られる２次元の画像を相対的にシフトさせて上述したのと同様の相関計算を行い、相関値が最小となるときのシフト量を求めると、このシフト量が（Ｘ１＋Ｘ２）に相当する。
【００１９】図１の撮像手段３は、図２のレンズ２３およびラインセンサ２１からなる一方の撮像手段に対応し、撮像手段３’は、図２のレンズ２４およびラインセンサ２２からなる他方の撮像手段に対応する。この実施例では、図３の（ｂ）に示すように撮像領域を複数のウィンドウ（小領域）Ｗ₁₁、Ｗ₁₂、・・・に分割し、ウィンドウごとに距離の計測を行うので、対象物全体の２次元の画像が必要になる。このため撮像手段３、３’は、２次元のＣＣＤアレイまたは２次元のフォトセンサ・アレイで構成される。
【００２０】図３の（ａ）は、撮像手段３または３’により自車両の前方を走行する他車両を撮像した画像の例を示し、図３の（ｂ）は、図３の（ａ）の画像を概念的に複数のウィンドウに分割したものを示す。図３の（ｂ）は、縦方向に行および横方向に列をとり、簡単のため１０行×１５列のウィンドウに分割して示す。それぞれのウィンドウには番号が付されており、例えばＷ₁₂は、１行２列にあるウィンドウを示す。
【００２１】撮像手段３、３’で撮像された対象物の画像はアナログ・デジタル変換器（Ａ／Ｄ変換器）４、４’でデジタルデータに変換され、画像メモリ５、５’に格納される。ウィンドウ切り出し部９によって、ウィンドウＷ₁₁に対応する画像部分が画像メモリ５および５’からそれぞれ切り出されて相関計算部６に送られる。相関計算部６は、切り出された２つの画像を所定の単位ずつシフトさせて前述した相関計算を行い相関値が最小になるときのシフト量を求めると、このシフト量が（Ｘ１＋Ｘ２）である。相関計算部６は、こうして求めた（Ｘ１＋Ｘ２）の値を距離計算部７に送る。
【００２２】距離計算部７は、前述したａ＝Ｂ・ｆ／（Ｘ１＋Ｘ２）の式を用いて、ウィンドウＷ₁₁にある対象物までの距離ａ₁₁を求める。こうして求められた距離ａ₁₁は、距離記憶部８に記憶される。同様の計算処理がそれぞれのウィンドウについて順次実行され、距離ａ₁₁、ａ₁₂、・・・が距離記憶部８に記憶される。以下、あるウィンドウについて計算された対象物までの距離を、そのウィンドウの計測距離という。
【００２３】上の相関計算で用いる画像データは、撮像素子アレイの素子のピッチによって分解能が定まるので、フォトセンサ・アレイなど比較的ピッチの大きい受光素子を用いるときは、ピッチ間の補間計算を行って画像データの密度を高める処理を行い、こうして密度を高められた画像データについて相関計算を行うのが好ましい。
【００２４】また、温度による撮像素子アレイの特性変化を補正するため、温度センサを撮像素子アレイ付近に配置し、温度センサから得られる温度情報に基づいて距離計算を補正するようにすることもできる。
【００２５】次に、上記のようにして距離を計測することのできる領域を、複数の距離範囲に区分けする方法について説明する。図４の（ａ）に、検知エリア１００の例を示す。検知エリア１００は、撮像部３および３’により距離を計測することのできる領域であり、撮像手段３および３'の仕様および位置に基づいて定められる。たとえば、検知エリア１００を、距離レンジ６０メートル、角度レンジ３０度と設定することができる。検知エリア１００は予め固定して設定することもできるが、自車の速度に応じて動的に設定することが好ましい。この場合、速度が大きくなるにつれて、測定可能な距離範囲は大きくなり、角度範囲は小さくなるよう設定する。
【００２６】検知エリア１００は、計測される距離の誤差に応じて、互いに重なりを持たないよう複数の距離範囲に区分けされる。この実施例では、撮像手段３および３’を備える車両から距離が遠くなるほど計測した距離の精度が低下するので、距離が遠くなるほど広い距離範囲を持つよう区分けされる（図４の（ａ）のＳ１～Ｓ６）。
【００２７】距離範囲は、計測される距離の誤差に応じて設定される。ここで、距離の誤差の値は、撮像手段３および３'の仕様などに依存する。たとえば、計測される距離の誤差が実際の距離の１０％以下とすると、ある距離に対する距離範囲は、「距離～（距離×（１＋０．１））」と定めることができる。この実施例では、分割数を少なくして高速に処理するため、また誤差１０％という精度がすべての画素について確保されないことがあるので、距離の誤差を３０％として距離範囲を定める。したがって、ある距離に対する距離範囲は、「距離～（距離×（１＋０．３））」と定められる。
【００２８】図５は、距離の誤差を３０％とした場合の距離と距離ラベルの対応の一部を示した表であり、同じ距離ラベルをもつ距離が、１つの距離範囲を構成する。距離の単位は０．１メートルである。たとえば、距離が１のとき、距離の３０％は０（小数点以下は切り捨て）であるので、距離範囲１に対して距離ラベル「１」が付与される。距離が２のとき、距離の３０％は０なので、距離範囲２に対して別の距離ラベル「２」が付与される。ここで、距離ラベルは、距離範囲が変わるごとに１ずつ歩進されるよう設定される。距離が２０のときは、距離の３０％は６であるので、距離範囲２０～２６に対して距離ラベル「９」が付与される。こうして、距離範囲が近距離から遠距離へと設定され、検知エリア１００が複数の距離範囲に区分けされる。なお、異なる距離ラベルを持ついくつかの距離範囲を結合して、１つの距離範囲としてもよい。
【００２９】この実施例ではわかりやすく説明するため、図５に示されるいくつかの距離範囲を大きく結合し、図４の（ｂ）に示すように距離範囲Ｓ１～Ｓ６を設定し、さらに新たな距離ラベル１～６をそれぞれ付与する。図４の（ａ）は、図４の（ｂ）の距離範囲Ｓ１～Ｓ６を示したものであり、車両から遠くなるほど距離範囲が大きくなっている。なお、距離ラベルは、たとえばアルファベット文字など識別可能な他の符号を使用してもよい。こうして、距離ラベルを付与された距離範囲は、距離変換テーブルとして距離範囲記憶部９に記憶される。なお、検知エリアが予め固定して設定される場合には、予め距離範囲を算出して距離ラベルを付与した距離変換テーブルを距離範囲記憶部９に格納しておくのが好ましい。また、検知エリアが動的に変更される場合には、格納された距離変換テーブルを動的に更新することができる。
【００３０】図１の路面除去部３１は、予め決められた推定距離と上記のようにして計測された距離とをウィンドウごとに比較し、推定距離に近い計測距離および推定距離以上の計測距離をもつウィンドウについての計測距離値を距離記憶部８から削除する。推定距離とは、車両が傾くことなく路面に平行な状態にある場合の路面までの距離をいい、この時の路面を推定路面という。この推定距離は、たとえばＣＣＤアレイにより実現される撮像手段３および３'の取り付け位置、俯角、基線長、焦点距離およびサイズと、画像におけるウィンドウの位置とにより予め算出され、ウィンドウごとに推定距離記憶部３２に記憶されている。
【００３１】計測距離が推定距離に近い値または推定距離以上の値ならば、ウィンドウの対象物が路面であって物体ではないと判断し、路面除去部３１は、路面と判断されたウィンドウの計測距離値を距離記憶部８から削除する。これにより、計測距離値が削除されたウィンドウについては以降の物体認識の処理を進める必要がなくなり、より効率よく他のウィンドウについて物体認識を行うことができる。路面と判断されたウィンドウの計測距離値を距離記憶部８から削除するかわりに、たとえば路面と判断されたことを識別するフラグを使用し、路面と判断されたウィンドウに識別フラグをたてて距離記憶部８に記憶することもできる。
【００３２】別の実施形態では、たとえば車両が下り坂を走行し始めるという場合も考えられるので、計測距離と推定距離とを比較して所定範囲内ならば、その計測距離値を削除するようにすることもできる。たとえば、計測距離と推定距離との差が０．５ｍ以内ならば、所定範囲内と判断して計測距離値を削除し、差が０．５ｍより大きければ、以降のクラスタリング処理を進める。
【００３３】次に、ウィンドウをクラスタリングする方法を説明する。クラスタリング部３３は、路面除去部３１により削除されずに残った、計測距離をもつウィンドウについてクラスタリングを行う。最初に、クラスタリング部３３の距離変換部２６は、それぞれのウィンドウについて、計測距離を距離ラベルに変換する。具体的には、距離範囲記憶部９に格納された距離変換テーブルに基づいて、ウィンドウの計測距離が属する距離範囲を調べ、その距離範囲に対応するラベルに計測距離を変換する。ここで、たとえばコントラストがなかったために計測距離が得られなかったウィンドウについては、距離変換テーブルで使用されていないラベル、たとえばラベル「０」を付与する。さらに、距離変換部２６は、計測距離をラベルに変換するとき、その計測距離が属する距離範囲のウィンドウ数をカウントし、図４の（ｂ）に示されるそれぞれの距離範囲に属するウィンドウの度数を算出する。
【００３４】例として、図６の（ａ）は、撮像された画像上のそれぞれのウィンドウの計測距離を示す。距離変換部２６は、図６の（ａ）に示される計測距離を、図４の（ｂ）の距離変換テーブルに従って距離ラベルに変換する。図６の（ｂ）は、それぞれのウィンドウについて変換された距離ラベルを示す。この処理と同時に、距離変換部２６は、距離ラベルごとにウィンドウ数をカウントし、距離範囲ごとのウィンドウの度数を算出する。
【００３５】すべてのウィンドウについて距離ラベルに変換した後、距離変換部２６は、ある距離範囲に属するウィンドウの度数がしきい値未満である場合には、その距離範囲に属する計測距離を持つウィンドウの距離ラベルを「０」に設定する。これは、高速化という目的では一致しているが、その距離範囲に有効な物体（前方車両など）が撮像されていないという判断を行ったために、距離ラベルを「０」として無効化しているものである。したがって、ウィンドウの度数がしきい値未満の距離範囲に属するウィンドウをクラスタリングの対象から外し、より高速にクラスタリングを行うようにする。なお、しきい値は、距離範囲ごとに異なる値を設定することができる。
【００３６】図６の（ｂ）の例において、距離ラベル「１」および「２」に対するしきい値をたとえば「１０」とすると、距離ラベル「１」を持つウィンドウはＷ31の１個だけであり、距離ラベル「２」を持つウィンドウは、Ｗ53、Ｗ73、Ｗ66、Ｗ68およびＷ48の５個であるので、これらのウィンドウの距離ラベルを「０」に置き換える。その結果得られる距離ラベルを図６の（ｃ）に示す。
【００３７】次に、クラスタリング部３３のクラスタラベル付与部２７は、それぞれのウィンドウの距離ラベルに基づいて、それぞれのウィンドウにクラスタラベルを付与し、同じラベルを持つウィンドウをクラスタリングする。クラスタラベルは、同じ距離ラベルをもつ隣接するウィンドウが同じクラスタを構成するよう付与される。
【００３８】クラスタラベル付与部２７は、図７に示されるテンプレートを使用してウィンドウにクラスタラベルを付与する。図７の（ａ）のＴ１～Ｔ５はテンプレートにおける位置を示す。図７の（ｂ）のａ～ｅは、あるウィンドウにＴ４が合うようテンプレートが置かれた時の、Ｔ１～Ｔ５の位置にそれぞれ対応するウィンドウの距離ラベルをそれぞれ示す。図７の（ｃ）のＡ～Ｅは、あるウィンドウにＴ４が合うようテンプレートが置かれた時の、Ｔ１～Ｔ５の位置にそれぞれ対応するウィンドウに付与されたクラスタラベルを示す。
【００３９】また、図７の（ｄ）の表は、あるウィンドウにＴ４が合うようテンプレートが置かれたときの、Ｔ１～Ｔ５の位置に対応するウィンドウの距離ラベルに基づいて、Ｔ４の位置に対応するウィンドウにどのようなクラスタラベルＤが付与されるかを示したものである。たとえば、Ｔ１～Ｔ５の位置に対応するウィンドウの距離ラベルａ～ｅが条件５を満たせば、Ｔ４に対応するウィンドウのクラスタラベルＤには、Ｔ２に対応するウィンドウのクラスタラベルＢと同じクラスタラベルが付与される。なお、条件２および３が満たされた時に付与されるクラスタラベル「Ｌ」は、まだ使用されていない新たなクラスタラベルを示す。クラスタラベル付与部２７は、テンプレートのＴ４を画像上のウィンドウに順次合わせて画像上のウィンドウを順次走査し、ウィンドウの距離ラベルに基づいてウィンドウにクラスタラベルＤを付与する。
【００４０】図８の例を参照して、クラスタラベルを付与する具体的な方法を説明する。図８で使用するウィンドウには、図８の（ｆ）のように番号が付されている。図８の（ａ）は、距離変換部２６により、ウィンドウの計測距離が距離ラベルに変換されたウィンドウＷ11～Ｗ44を示す。クラスタラベル付与部２７は、画像上のウィンドウを左上から右下へと走査する。
【００４１】最初に、テンプレートのＴ４がウィンドウＷ11に合うようテンプレートが置かれる。ウィンドウＷ11の距離ラベルが「０」であるので、図７の（ｄ）の条件１を満たし、Ｔ４に対応するウィンドウＷ11にクラスタラベル「０」が付与される。同様にして、ウィンドウＷ12～Ｗ14およびＷ21にクラスタラベル「０」が付与される。
【００４２】次に、ウィンドウＷ22にテンプレートのＴ４が合うようテンプレートが置かれ、ウィンドウＷ22は図７の（ｄ）の条件２を満たすので、新たなクラスタラベル「６１」を付与する（図８の（ｂ））。この例では、クラスタラベルを２桁で表すことにし、上位の桁で距離ラベルを表し、下位の桁は図７の（ｄ）の条件２および３に該当するたびに、１ずつ歩進するよう設定する。クラスタラベルは数字または文字などの任意の符号を使用することができる。
【００４３】次に、ウィンドウＷ23にＴ４が合うようテンプレートが置かれ、ウィンドウＷ23は図７の（ｄ）の条件４を満たすので、ウィンドウＷ23に、ウィンドウＷ22と同じクラスタラベル、すなわちクラスタラベル「６１」を付与する。（図８の（ｃ））。ウィンドウＷ24およびＷ31は条件１を満たすので、クラスタラベル「０」が付与される。
【００４４】次に、ウィンドウＷ32にＴ４が合うようテンプレートが置かれ、ウィンドウＷ32は図７の（ｄ）の条件６を満たすので、Ｔ４に対応するウィンドウＷ32に、ウィンドウＷ22と同じクラスタラベル、すなわちクラスタラベル「６１」を付与する（図８の（ｄ））。次に、ウィンドウＷ33にＴ４が合うようテンプレートが置かれ、ウィンドウＷ33は図７の（ｄ）の条件７を満たすので、Ｔ４に対応するウィンドウＷ33に、ウィンドウＷ23と同じクラスタラベル、すなわちクラスタラベル「６１」を付与する。残りのウィンドウＷ34およびＷ41～Ｗ44は条件１を満たすので、クラスタラベル「０」が付与される。こうして、クラスタラベルがそれぞれ付与されたウィンドウが得られる（図８の（ｅ））。
【００４５】図７の（ａ）に示されるテンプレートでは、Ｔ４に対応するウィンドウのクラスタラベルＤを、Ｔ４の上および左のＴ１およびＴ３に対応するウィンドウのクラスタラベル（ＡおよびＣ）に基づいて設定する場合が多いので（図７の（ｄ）の条件６～８）、このようなテンプレートを使用する場合には、画像上のウィンドウを左上から右下へと走査するのが好ましい。図７に示すテンプレートは例であり、異なるテンプレートを用いることができる。また、テンプレートに合わせて、ウィンドウの走査の順序を定めることができる。
【００４６】クラスタラベル付与部２７は、図７の（ｄ）の条件８を満たす場合には、テンプレートのＴ１およびＴ３に対応するクラスタラベルを連結としてクラスタ記憶部４８に記憶する。図９を参照して連結を説明する。図９の例で使用するウィンドウには、図９の（ｇ）に示されるように番号が付されている。図９の（ａ）は、距離変換部２６により、計測距離が距離ラベルに変換されたウィンドウＷ11～Ｗ35を示す。
【００４７】クラスタラベル付与部２７は、画像上のウィンドウを左上から右下へとテンプレートを走査させ、図８で説明したのと同じ方法で、図９の（ａ）の距離ラベルに基づいてウィンドウにクラスタラベルを付与する。ウィンドウＷ11～Ｗ31、Ｗ12およびＷ22は、条件１を満たすので、クラスタラベル「０」が付与される。ウィンドウＷ32は、図７の（ｄ）の条件２を満たすので、新たなクラスタラベル「６１」を付与する（図９の（ｂ））。ウィンドウＷ13およびＷ23は条件１を満たすので、クラスタラベル「０」が付与される。ウィンドウＷ33は条件４を満たすので、ウィンドウＷ32と同じクラスタラベル「６１」が付与される（図９の（ｃ））。ウィンドウＷ14は条件１を満たすので、クラスタラベル「０」が付与される。ウィンドウＷ24は条件２を満たすので、新たなクラスタラベル「６２」を付与する（図９の（ｄ））。
【００４８】次に、Ｔ４がウィンドウＷ34に合うようテンプレートが置かれ、Ｔ１に対応するウィンドウＷ24の距離ラベルは「６」、クラスタラベルは「６２」であり、Ｔ３に対応するウィンドウＷ33の距離ラベルは「６」、クラスタラベルは「６１」であるので、ウィンドウＷ34は図７の（ｄ）の条件８を満たし、Ｔ１に対応するウィンドウＷ24と同じクラスタラベル「６２」が付与される（図９の（ｅ））。この結果、ウィンドウＷ32およびＷ33のクラスタラベルと、ウィンドウＷ24およびＷ34のクラスタラベルとが、隣接しているにかかわらず異なるものとなる。
【００４９】したがって、図７の（ｄ）の条件８を満たす場合には、テンプレートのＴ１およびＴ３に対応するウィンドウのクラスタラベルＡおよびＣ、この例ではウィンドウＷ33およびＷ24のクラスタラベル「６１」および「６２」を連結としてクラスタ記憶部４８に記憶する。すべてのウィンドウについてクラスタラベルを付与した後、連結として記憶された２つのクラスタラベルを、同じクラスタラベルに置き換える。たとえば、クラスタラベル「６１」を「６２」に置き換えてもよいし、この逆でもよい。さらに、たとえばラベル「６３」のような新しいクラスタラベルで「６１」および「６２」を置き換えてもよい。こうして、図９の（ｆ）に示されるように、同じ距離ラベルを持ち、隣接するウィンドウには、同じクラスタラベルが付与される。
【００５０】図６に戻り、上記に説明した方法に従い、図６の（ｃ）に示される距離ラベルに基づいてウィンドウにクラスタラベルを付与すると、図６の（ｄ）が得られる。同じクラスタラベルを持つウィンドウの集まりが、１つのクラスタを構成する。こうして定められたクラスタを、図６の（ｅ）に示す。
【００５１】計測距離値そのものを扱うのではなく距離ラベルを使用することにより、高速にウィンドウのクラスタリングを行うことができる。すなわち、この発明によれば、計測距離値の距離ラベルへの変換が、距離範囲ごとに度数分布を求める処理と並行して行われることにより、ウィンドウの計測距離がどの距離範囲に属するかという判断がすでに行われているため、従来のように、クラスタリングを行うときに、距離範囲の度数分布等を求めてクラスタリングする距離範囲を決定する処理が不要となる。また、図７のようなテンプレートを走査させてクラスタラベルを決定するとき、従来のように計測距離がどの距離範囲に属するかという判断が不要となり、それぞれの属する距離範囲がｄの属する距離範囲と等しいかどうかの判断が不要となる。
【００５２】以上のように、計測された距離の誤差に基づいて距離範囲を設定することによりクラスタリングを正しく行うことができ、距離ラベルを使用することによりクラスタリングを高速に行うことができる。
【００５３】次に、３次元表示部３５は、上記のようにクラスタリングされたウィンドウのクラスタを３次元情報で表す。図１０に示すように、３次元情報は、この実施例では水平位置（ｘ）、垂直位置（ｙ）および路面距離（ｚ）の３座標を使用する。水平位置を示すｘ座標はウィンドウの列方向（図３の（ｂ）を参照）に対応し、垂直位置を示すｙ座標は路面からの高さ方向に対応し、路面距離を示すｚ座標はウィンドウの行方向（図３の（ｂ）を参照）に対応する。また、路面距離を示すｚ座標は計測距離ｄに比例する。
【００５４】図１０を参照して、クラスタを構成するウィンドウを３次元情報で表す方法を説明する。原点Ｏは車両が位置する路面を示し、ｘ、ｙおよびｚ軸は原点Ｏで互いに直交する。ｘ軸は車両から見て左右に伸びており、ｙ軸は路面に垂直に伸びており、ｚ軸は車両の進行方向に伸びている。撮像カメラ５３は、原点Ｏからｙ軸方向の高さＨのところにある。物体５４は、高さｈおよび幅ｇを持ち、ｚ軸方向にｉ進んだ所にある。撮像カメラ５３で撮像された画像上の複数のウィンドウのうち、あるウィンドウには、物体５４が存在しなければ点５５で表される路面が対象物として撮像され、物体５４が存在すれば、点５６で表される物体５４の一部が対象物として撮像される。推定距離Ｄは、撮像カメラ５３と点５５との間の距離であり、物体５４が存在しない場合に撮像された点５５までの計測距離に等しい。計測距離ｄは、撮像カメラ５３と点５６との間の距離であり、図２を参照して前述した方法により計算される。（ｘ，ｙ，ｚ）座標系を使用すると、撮像カメラ５３の位置は（０，Ｈ，０）で表され、点５６の位置は（ｇ，ｈ，ｉ）で表される。
【００５５】ウィンドウごとの推定距離Ｄおよび撮像カメラの推定路面からの高さＨは固定値であるので、予め計算して記憶しておくことができる。図１０から明らかなように、ウィンドウの対象物の高さｈは以下の式（１）から、対象物の路面距離ｉは式（２）から求められる。
【００５６】
【数１】

【００５７】図１０のｘ軸方向の車両からの水平距離は、撮像カメラの位置、画像におけるウィンドウ数などに応じてウィンドウの列ごとに予め決められる。たとえば、ウィンドウの３列目は、車両の中心から左に１メートルの位置を示すというように定めることができる。したがって、点５６が撮像されているウィンドウの画像上の位置に基づいて、点５６のｘ座標値（この例ではｇであり、対象物の幅の値に等しい）を求めることができる。こうして、クラスタを構成するウィンドウのそれぞれを、ｘ、ｙおよびｚ座標で表すことができる。なお、別の実施形態では、たとえば路面距離を示すｚ座標の代わりに計測距離ｄを使用することもでき、上記の座標系とは異なる座標系を使用してウィンドウを表すこともできる。
【００５８】こうして、３次元情報表示部３５は、クラスタを構成するそれぞれのウィンドウを３次元情報で表して３次元上に点として投影し、クラスタの中心位置、幅および大きさを求めることができる。あるクラスタについて３次元上に投影されたすべての点を含む最小の直方体を定め、クラスタを直方体で近似するのが好ましい。これにより、クラスタの中心位置、幅および高さ（厚み）を容易に求めることができ、クラスタに含まれる対象物の大きさおよび位置を正確に認識することができる。
【００５９】上記のｘ，ｙ，ｚ座標系を使用すると、直方体で近似されたクラスタの幅は、投影された点のうち最大のｘ座標値から最小のｘ座標値引いた値であり、クラスタの厚みは、投影された点のうち最大のｙ座標値から最小のｙ座標値を引いた値である。さらに、クラスタの中心位置は、ｘ、ｙおよびｚ座標のそれぞれについて、最大値から最小値を引いて２分の１した値で表される。こうして算出されたクラスタの中心位置の距離、水平位置および垂直位置と、クラスタの幅および高さ（このようなクラスタに関するそれぞれの情報を、クラスタの属性という）は、クラスタ記憶部４８に記憶される。
【００６０】図１に戻り、クラスタ群決定部３６は、物体認識の処理が行われたことを示す処理済みフラグがたっていないクラスタをクラスタ記憶部４８から抽出し、クラスタの属性に基づいて、任意の数のクラスタから構成されるクラスタ群を定める。クラスタリング部３３によりクラスタリングされた直後は、すべてのクラスタに処理済みフラグがたっていないので、すべてのクラスタが抽出される。
【００６１】この実施例では、クラスタ群決定部３６は、あるクラスタと他のクラスタの距離、水平位置および垂直位置の差を算出し、これらの差がいずれもしきい値以下ならば、これらのクラスタは同じクラスタ群に含まれると判断する。この処理を、抽出されたクラスタのすべてについて行い、クラスタ群を決定する。複数のクラスタが近い場所に現れているならば、これらのクラスタは同じ対象物を表す可能性が高いからである。
【００６２】しきい値は、車両からの距離に応じて異なる値を設定するのが好ましい。この実施形態では、距離および位置の差を求める２つのクラスタの距離に応じて、しきい値を設定する。２つのクラスタの距離は、それぞれのクラスタに含まれるウィンドウ数と、それらウィンドウの計測距離とに基づいて算出する。たとえば、２つのクラスタＣ１およびＣ２があり、クラスタＣ１およびＣ２の距離をそれぞれｄ１およびｄ２とし、それぞれのクラスタＣ１およびＣ２に含まれるウィンドウ数をｗ１およびｗ２とすると、以下の式（３）に基づいて２つのクラスタの距離を算出することができる。ここで、クラスタの距離ｄ１およびｄ２は、それぞれのクラスタに含まれるウィンドウの計測距離を平均した値を用いる。
【００６３】
【数２】
２つのクラスタの距離＝ (ｄ１×ｗ１＋ｄ２×ｗ２）／（ｗ１＋ｗ２）
．．．式（３）
【００６４】２つのクラスタの水平位置および垂直位置の差ｄｘおよびｄｙは、２つのクラスタ間の間隔で表され、距離の差ｄｚは、それぞれのクラスタの距離（上記ではｄ１およびｄ２）の差で表される。例として、図１１の（ａ）は、ｘ－ｙ平面から見た複数のクラスタを示し、図１１の（ｂ）は、ｘ－ｚ平面から見た、図１１の（ａ）と同じクラスタを示す。クラスタＣ４およびＣ６の水平位置の差は、ｘ軸方向のｄｘで表され、垂直位置の差は、ｙ軸方向のｄｙで表される。また、クラスタＣ４およびＣ６の距離をそれぞれｄ４およびｄ６とすると、距離の差はｚ軸方向のｄｚで表される。
【００６５】しきい値は、上記の式（３）を用いて計算された２つのクラスタの距離に基づいて、たとえば、距離の差については以下の表１のように、水平位置および垂直位置の差については以下の表２のように設定することができる。
【００６６】
【表１】

【００６７】
【表２】

【００６８】表１において、２つのクラスタの距離が大きくなるほど距離の差のしきい値が大きくなっているのは、自車両からの距離が遠くなるほど計測距離の誤差が大きくなるためである。表２において、２つのクラスタの距離が大きくなるほど水平および垂直位置の差のしきい値が小さくなっているのは、たとえば他の車両が自車両から近い距離に存在するような場合には、コントラストが低いために計測距離を算出することのできないウィンドウが多く発生し、クラスタとクラスタとの間の間隔が広くなることがあるからである。
【００６９】図１１の（ａ）および（ｂ）を参照すると、クラスタ群決定部３６は、クラスタＣ１～Ｃ６から任意のクラスタを２つ選び、距離、水平および垂直位置の差を算出してしきい値と比較し、同じクラスタ群に含めることができるかどうか判断する。たとえば、クラスタＣ１およびＣ２は距離および位置の差がしきい値以下なので同じクラスタ群に含めることができ、クラスタＣ２およびＣ４も距離および位置の差がしきい値以下なので同じクラスタ群に含めることができると判断し、その結果、クラスタＣ１、Ｃ２およびＣ４を同じクラスタ群Ｇ１に含めることができると判断する。
【００７０】また、クラスタＣ６およびクラスタＣ５は、水平および垂直位置の差はしきい値以下であるが、距離の差がしきい値を超えるため、それぞれ別のクタスタ群に含めると判断する。このようにして、クラスタ群決定部３６は、図１１の（ｃ）および（ｄ）に示されるような２つのクラスタ群Ｇ１およびＧ２を決定する。その後、クラスタ群決定部３６は、同じクラスタ群を構成するクラスタに、同じクラスタラベルを付与しなおす。
【００７１】次に、過去の情報に基づいて物体を推定する方法を説明する。図１の物体推定部４０は、前回認識された物体の位置と、該物体に対する相対速度に基づき、今回得られた画像における物体の位置を推定する。図１２を参照して、この実施形態における物体の推定方法について説明する。図１２の（ａ）～（ｃ）は前回の処理を示し、図１２の（ｄ）～（ｆ）は今回の処理を示す。図１２の（ａ）には、２台の車両９１および９２が撮像されており、図１２の（ｄ）には、図１２の（ａ）と同じ車両９１および９２が撮像され、さらに新たに標識９３が撮像されている。
【００７２】図１２の（ｂ）は、図１２の（ａ）の画像に基づいてクラスタリング部３３により定められたクラスタＣ１１～Ｃ１７と、クラスタ群決定部３６により定められたクラスタ群６３および６４を示す。図１２の（ｃ）は、クラスタ群６３および６４から認識された物体６５および６６を示し、それぞれ車両９１および車両９２に対応する。物体６５と６６の位置および大きさは、前回の処理で物体記憶部３９に記憶されている。
【００７３】物体推定部４０は、前回認識された物体６５および６６の位置と相対速度を物体記憶部３９から読み出し、物体６５および６６の今回の位置を算出する。算出は、（前回の物体の位置＋相対速度×検出間隔時間）という計算式を使用して行うことができる。この例では、物体６５に対する相対速度はゼロであり、物体６６に対する相対速度が時速－１０キロメートルとし（この例では、物体の速度に対して自車両の速度が大きい場合の相対速度を「負」で表す。）、検出間隔時間を１００ミリ秒とする。前回と今回の物体６５に対する相対距離は変化せず、物体６６に対する相対距離は約０．３メートルだけ短くなる。
【００７４】したがって、自車両の位置を原点とし、前回の物体６５の位置（物体の中心座標で表すとする）を（x1，y1，z1）、物体６６の位置を（x2，y2，x2）とし、それぞれの座標値をメートルで示すと、物体６５の今回の位置は（x1，y1，z1）、物体６６の今回の位置は（x2，y2，z2－0.3）と推定することができる。ここで、推定される物体は前回と同じ水平位置にあるとする。なお、座標系や原点のとりかたに応じて、物体に対して自車両の速度が大きい（または小さい）場合の相対速度「正」または「負」で表すことができ、上記と異なる式を用いて物体の位置を算出することもできる。
【００７５】さらに、時間が経過しても物体の大きさは変わらないので、物体推定部４０は、物体６５および６６の幅および高さを物体記憶部３９から読み出し、それぞれの今回の位置（x1，y1，z1）および（x2，y2，z2－0.3）において、物体６５および６６を３次元上に再構成することができ、推定された物体の画像上におけるウィンドウの位置を求めることができる。図１２の（ｅ）は、上記のように物体６５および６６を推定した物体７５および７６を、画像上の四角で囲まれた領域で示す。
【００７６】物体推定部４０は、推定した物体（以下、推定物体という）７５および７６の属性（距離、水平位置、垂直位置、幅および高さなどの物体に関する情報）を、推定物体記憶部４９に記憶する。なお、物体推定部４０による処理は、前述したクラスタリング部３３およびクラスタ群決定部３６による処理と並行して行うのが好ましい。
【００７７】図１に戻り、クラスタ選択部４１は、最も近い距離にあるクラスタを含むクラスタ群を選ぶ。次に、選択されたクラスタ群を構成するクラスタと距離の差がしきい値以下であって、水平および垂直位置で重なりを持つ推定物体のうち、最も近い距離にある推定物体を選択する。その後、クラスタ選択部４１は、選択された推定物体と重なりを持つクラスタを、選択されたクラスタ群からすべて選択する。
【００７８】ここで、選択したクラスタ群を構成するいずれのクラスタも、推定物体との距離の差がしきい値を満たさず推定物体と重なりを持たない場合、すなわち選択すべき推定物体が無い場合には、そのクラスタ群に含まれるすべてのクラスタを選択し、処理は物体候補抽出部４２に進む。
【００７９】また、物体候補抽出クラスタ選択部４１は、すべてのクラスタが処理された後になお推定物体が残っている場合には、この推定物体はすでに画像領域に現れなくなった物体と判断し、推定記憶部４９から削除することができる。
【００８０】近い距離にあるクラスタ群および推定物体から処理するのは、近い距離にあるクラスタほど物体かどうか優先して判断する必要があり、また、対応する推定物体を見つけやすいからである。
【００８１】クラスタおよび推定物体のそれぞれの距離は、それぞれの中心位置における距離を用いることができる。または、クラスタの距離は、クラスタを構成するウィンドウの計測距離の平均した値を用いることもできる。距離の差のしきい値は、前述した表１の値を用いることもでき、または新たに異なる値のしきい値を用いてもよい。重なりの判断は、比較するクラスタと推定物体をｘ－ｙ平面に投影することにより、簡単に判断することができる。なお、水平および垂直位置に重なりがあればよく、推定物体にクラスタ全体が含まれる必要はない。
【００８２】図１２の例で説明すると、図１２の（ｄ）に示される車両９１と９２および標識９３は、実際に路面上のほぼ同じ距離に存在しているとする。図１２の（ｅ）には、クラスタリング部３３が図１２の（ｄ）の画像に基づいて定めたクラスタＣ２１～Ｃ３１と、クラスタ群決定部３６により定められ、クラスタＣ２１～Ｃ３１から構成される１つのクラスタ群７２が示される。
【００８３】クラスタ選択部４１は、最も近い距離にあるクラスタを含むクラスタ群を選択するが、この例ではクラスタ群が１つなので、クラスタ群７２が選択される。次に、クラスタ群７２を構成するクラスタの距離および位置をクラスタ記憶部４８から読み出し、推定物体７５および７６の距離および位置を推定物体記憶部４９から読み出す。クラスタ群７２を構成するクラスタとの距離の差がしきい値以下で、水平および垂直位置で重なりを持つ推定物体は２つある（推定物体７５および７６）。推定物体７５が７６より近い距離にあるとすると、推定物体７５が選択される。次に、クラスタ群７２を構成するクラスタのうち、推定物体７５と重なりを持つクラスタＣ２２～Ｃ２６を選択する。こうして、推定物体に対応するクラスタがまとまりをもって選択される。
【００８４】物体候補抽出部４２は、クラスタ選択部４１で選択されたクラスタからすべての組み合わせを抽出し、それぞれの組み合わせについて結合クラスタを定め、それぞれの結合クラスタを物体候補とする。組み合わせには、クラスタが１つの場合も含む。図１３は、図１２の（ｅ）の推定物体７５について選択されたクラスタＣ２２～Ｃ２６のすべての組み合わせを抽出したものである。たとえば、図１３の結合クラスタ番号１０には、クラスタＣ２３とＣ２４の組み合わせで結合されたクラスタが示される。ここで、結合クラスタを構成するクラスタをすべて含む最小の直方体を定めて、結合クラスタを直方体で近似するのが好ましい。これにより、結合クラスタの属性（距離、位置、大きさなど）を容易に求めることができる。
【００８５】物体候補抽出部４２により、物体候補である結合クラスタが抽出された後、対応する推定物体を持つ結合クラスタについては、処理は物体判定部３７を経て第１の物体認識部４３に進み、対応する推定物体を持たない結合クラスタについては、処理は物体判定部３７を経て第２の物体認識部４４に進む。
【００８６】図１の物体判定部３７は、物体候補抽出部４２により抽出された物体候補である結合クラスタの高さまたは厚みに基づいて、クラスタの対象物が物体かどうか判断する。結合クラスタの高さおよび厚みがクラスタ記憶部４８に記憶されている。たとえば、検知対象を他の車両とする場合には、推定路面から結合クラスタの上面までの高さが９０cm以下であり、かつ上面と下面との差が８０cm以下の結合クラスタと、上面までの高さが７０cm以下の結合クラスタとを、物体ではないと判定して物体候補から除外する。高さおよび厚みにこのようなしきい値を設けることにより、結合クラスタが路面である場合には、厚みが非常に薄いものとなるため、物体と判定されることはない。
【００８７】第１の物体認識部４３は、物体判定部３７により除外されずに残っている結合クラスタであって、対応する推定物体を持つ結合クラスタの属性と、推定物体との属性とを順次比較し、推定物体の属性に一番近い属性をもつ結合クラスタを物体として認識する。ここで使用する属性は、距離、水平位置、垂直位置、幅および高さであり、属性の比較は以下の式（４）を用いて行われる。式（４）の変数の意味を表３に示す。
【００８８】
【数３】

【００８９】
【表３】

【００９０】式（４）は、結合クラスタおよび推定物体の中心位置の差と、幅および高さの差とに基づいて、両者の属性の差を関数で表したものである。なお、距離（Ｚ値）は、その距離値に応じて誤差があるので、推定物体の距離Ｚtに比例する値で補正している。
【００９１】図１３の例では、推定物体７５に対応する結合クラスタ１～３１のすべてについて関数値Ｅ1を算出し（e01、e02、、、e31）、関数値Ｅ1が最小となる結合クラスタ３１を物体７８として認識する（図１２の（ｆ））。最小のＥ1を持つ結合クラスタ３１が、推定物体７５の位置および大きさを最も良く表すからである。
【００９２】こうして属性の比較を行うことにより、たとえばあるクラスタが複数の推定物体と重なりをもち、推定物体のほんの一部しか表さない場合には、そのクラスタを含まない結合クラスタが物体として認識され、より正確に物体を認識することができる。
【００９３】物体として認識されたクラスタＣ２２～Ｃ２６および対応する推定物体７５は、物体認識の処理が行われたことを識別するため、たとえば処理済みフラグをたててクラスタ記憶部４８および推定物体記憶部４９に記憶される。
【００９４】クラスタ群決定部３６、クラスタ選択部４１、物体候補抽出部４２、第１の物体認識部４３（または第２の物体認識部４４）による処理は、すべてのクラスタが処理済みとなるまで（この例では、すべてのクラスタに処理済みフラグがたつまで）繰り返される。すなわち、クラスタ群決定部３６が、クラスタ記憶部４８に記憶されたクラスタの処理済みフラグを調べ、処理済みフラグがたっていないクラスタが見つからないとき、繰り返し処理を終える。
【００９５】または、物体として認識する数に予め上限（たとえば、４個）を定め、認識された物体の数がこの数に達したならば、処理の繰り返しを終えるようにすることもできる。
【００９６】図１２の（ｆ）を参照して前述したように、物体７８が認識された後、クラスタ群決定部３６は、クラスタ記憶部４８に記憶されたクラスタの処理済みフラグを調べ、処理済みフラグがたっていないラスタＣ２１、Ｃ２７～Ｃ３１を抽出する。さらに、推定物体記憶部４９に記憶された推定物体の処理済みフラグを調べ、処理済みフラグがたっていない推定物体７６を抽出する。
【００９７】クラスタＣ２１およびクラスタＣ２７～Ｃ３１は水平位置の差がしきい値を超えるので、クラスタ群決定部３６は、それぞれ異なる２つのクラスタ群を新たに定める。このように、新たにクラスタ群を定めることにより、他の推定物体がどのような位置にあっても、クラスタＣ２１とＣ２７～Ｃ３１が結合されて１つの物体と誤認されることがなくなる。
【００９８】クラスタＣ２７～Ｃ３１から構成されるクラスタ群の方が近い距離にあるとすると、クラスタ選択部４１は、クラスタＣ２７～Ｃ３１のクラスタ群を選択し、このクラスタ群を構成するクラスタと、距離の差がしきい値以下で水平および垂直位置で重なりを持つ推定物体７６を選択する。次に、クラスタ群を構成するクラスタのうち、推定物体７６を重なりを持つクラスタＣ２７～Ｃ３１を選択する。
【００９９】物体候補抽出部４２は、クラスタＣ２７～Ｃ３１のすべての組み合わせを作って結合クラスタを定める。第１の物体認識部４３は、それぞれの結合クラスタの属性を、推定物体７６の属性と比較する。その結果、クラスタＣ２７～Ｃ３１からなる結合クラスタが、推定物体７６に最も近い属性を持つと判断し、クラスタＣ２７～Ｃ３１の結合クラスタを物体７９と認識する（図１２の（ｆ））。物体と認識されたクラスタＣ２７～Ｃ３１および対応する推定物体７６は、クラスタ記憶部４８および推定物体記憶部４９に、それぞれ処理済みフラグをたてて記憶される。
【０１００】次に、クラスタ群決定部３６は、処理済みフラグがたっていないクラスタＣ２１をクラスタ記憶部４８から抽出する。クラスタが１個なので、クラスタＣ２１をクラスタ群とする。この例では、推定物体がすべて処理され、対応する推定物体が存在しないので、クラスタ選択部４１は、クラスタＣ２１を選択し、物体候補抽出部４２に渡す。物体候補抽出部４２は、クラスタ群に含まれるクラスタのすべての組み合わせから結合クラスタを定めるが、ここではクラスタＣ２１の１個だけなので、クラスタＣ２１からなる結合クラスタを定める。クラスタＣ２１からなる結合クラスタは、物体判定部３７を経て、第２の物体認識部４４で処理される。
【０１０１】このように、物体を表すクラスタはまとまって現れると考えられるので、処理の繰り返しはクラスタ群の決定から行うのが好ましい。前述したように、推定物体の距離および位置は相対速度から求めるので、誤差を含むことが多い。クラスタ群を決定せずに、推定物体と重なりを持つクラスタを抽出すると、水平位置が非常に離れているクラスタを結合して物体と誤認することがある。
【０１０２】第２の物体認識部４４は、物体候補抽出部４２から抽出された、対応する推定物体を持たない少なくとも１つ以上のクラスタから構成される結合クラスタの属性と、予め決められた検知すべき物体（以下、検知物体という）の属性とを比較し、属性の差が最小値となる検知物体を、結合クラスタに対応する物体として認識する。なお、しきい値を設けて、属性の差がしきい値以下で、最小値となる検知物体を、対応する物体として認識することもできる。予め決められた検知物体との比較は、すべての結合クラスタについて行われ、検知物体が複数ある場合には、すべての検知物体と比較される。
【０１０３】検知すべき物体の属性は予め決められて検知物体記憶部５０に記憶されている。たとえば、車両を検知するのであれば、いくつかの種類の標準的な車両の属性が記憶されており、標識を検知するのであれば、いくつかの標準的な標識の属性を記憶することができる。この実施例では、比較する属性として幅および高さを使用し、前回の情報が存在しないので距離、水平位置および垂直位置は比較しない。属性の比較は、以下の式（５）を用いる。式（５）の変数の意味を表４に示す。式（５）は、結合クラスタおよび検知物体の幅および高さの差に基づいて、両者の属性の差を関数で表したものである。
【０１０４】
【数４】
Ｅ2 ＝｜Ｗc－Ｗt｜＋｜Ｈc－Ｈt｜・・・式（５）
【０１０５】
【表４】

【０１０６】図１２の例では、前述したように、第２の物体認識部４４は、物体候補抽出部４２により抽出されたクラスタＣ２１の結合クラスタの属性と、いくつかの検知物体の属性とを比較し、関数値Ｅ2が最小となる検知物体（この例では、標識）を抽出する。こうして、クラスタＣ２１が物体７７として認識される（図１２の（ｆ））。
【０１０７】以上のように、過去の物体に関する情報を使用して物体を認識することにより、前方を走行する他の車両が路側物（たとえば、標識）に近接して走行した場合や、隣りのレーンの車両が前方車に接近した場合に、２つの物体を１つの物体と誤認したり、１つの物体を複数の物体と誤認することがなくなる。
【０１０８】第１および第２の物体認識部４３および４４は、認識された物体の属性を物体記憶部３９に記憶する。物体記憶部３９には、前回認識された物体の属性も記憶されている。さらに、第１および第２の物体認識部４３および４４は、前回認識された物体の距離（前回距離）および今回認識された物体の距離（今回距離）を用い、計算式「（今回距離－前回距離）／検出時間間隔」に基づいて求めた値にフィルターをかけて物体に対する自車の相対速度を算出し、物体記憶部３９に記憶する。検出時間間隔は、前述したように前回の計測と今回の計測との時間差であり、たとえば１００ミリ秒とすることができる。
【０１０９】車両制御部４５は、物体記憶部３９に記憶された物体の距離、位置および相対速度などの情報、および自車速度検出装置４６やヨーレート検出装置４７などの装置からの情報に基づいて、物体までの距離が適切であるよう自車両を制御する。たとえば、運転者に音声やアラームで警告を発したり、自車のエンジンを制御して強制的に減速させたりなどの制御をすることができる。
【０１１０】なお、物体の認識を確実にするため、第１および第２の物体認識部４３および４４により前回認識された物体と今回認識された物体とが同一かどうか判断し、同一物体が連続してある予め決められた回数認識されたときに、車両制御部４５が車両を制御するようにするのが好ましい。
【０１１１】図１に示した相関計算部６、距離計算部７、距離記憶部８、ウィンドウ切り出し部１３、距離範囲記憶部９、クラスタリング部３３、クラスタ群決定部３６、クラスタ記憶部４８、物体判定部３７、物体記憶部３９、物体推定部４０、クラスタ選択部４１、物体候補抽出部４２、第１および第２の物体認識部４３および４４、推定物体記憶部４９、検知物体記憶部５０および車両制御部４５は、中央演算処理装置（ＣＰＵ）、制御プログラムおよび制御データを格納する読み出し専用メモリ、ＣＰＵの演算作業領域を提供し様々なデータを一時記憶することができるランダムアクセスメモリ（ＲＡＭ）で構成することができる。距離記憶部８、距離範囲記憶部９、クラスタ記憶部４８、推定物体記憶部４９、物体記憶部３９および検知物体記憶部５０は、１つのＲＡＭのそれぞれ異なる記憶領域を使用して実現することができる。また、各種の演算で必要となるデータの一時記憶領域も同じＲＡＭの一部分を使用して実現することができる。
【０１１２】また、この発明の物体判定装置をエンジンの電子制御ユニット（ＥＣＵ）、ブレーキ制御ＥＣＵその他のＥＣＵとＬＡＮ接続して物体判定装置からの出力を車両の全体的な制御に利用することができる。
【０１１３】
【発明の効果】請求項１の発明によると、ウィンドウの計測距離ではなく、その計測距離が属する距離範囲に対応するラベルに基づいてクラスタリングするので、高速にクラスタリングすることができる。
【０１１４】請求項２の発明によると、計測される距離の誤差に応じて距離範囲を設定するので、正確にクラスタリングすることができる。

【出願人】	【識別番号】０００００５３２６【氏名又は名称】本田技研工業株式会社
【出願日】	平成１１年６月１６日（１９９９．６．１６）
【代理人】	【識別番号】１０００８１７２１【弁理士】【氏名又は名称】岡田次生
【公開番号】	特開２００１－４３６８（Ｐ２００１－４３６８Ａ）
【公開日】	平成１３年１月１２日（２００１．１．１２）
【出願番号】	特願平１１－１６９５６７