JP7467397B2 - 障害物検知装置 - Google Patents

Description

本発明は、障害物検知装置に関し、特に、軌道上を走行する軌道輸送システムに搭載された障害物検知装置に関する。

近年、運転士の高齢化に伴う人材不足への懸念やオペレーションコストの低減などの理由により、既設の軌道輸送システムにおいて、運転を自動で行う研究が行われている。軌道上を輸送用車両が走行する軌道輸送システムでは、軌道上に障害物があった場合、操舵による回避が出来ないことから、軌道上の障害物を検知することは、軌道輸送システムの安全性や運用性を向上させるために重要である。現状は、運転士が軌道上および経路上の障害物を目視によって検知している。一方、無人運転を行うには、経路上の障害物を自動で検知する仕組みが必要となり、ミリ波レーダー、レーザーレーダー、カメラなど外界センサを用いる方法が研究されている。冗長性を持たせるために異なる種類のセンサを使用し、各センサの結果を融合（センサフュージョン）して物体を検知するのが一般的である。

特許文献１には、外界センサにより障害物を検知する技術が開示されている。

特開２０１２－２３０６０４号公報

複数の外界センサデータの結果を融合して障害物を検知する処理（センサーフュージョン処理）は、各外界センサの検知結果数に応じて処理時間が変動する特徴を有する。障害物検知結果を一定周期で運転士に報知したり、他システムに出力するためには、フュージョン処理時間の変動を一定に抑える必要がある。

特許文献１に記載の技術では、検知領域を制限することで処理負荷を低減させている。しかしながら、検知領域を制限しても検知領域内に各外界センサの検知結果が多数存在する場合は、フュージョン処理の処理時間が所定の時間を超過する可能性がある。また、検知領域を制限することにより、本来検知したい領域が制限され、検知すべき障害物が未検知となる可能性がある。

本発明は、上記課題に鑑みて、検知領域を制限することなく障害物を検知する処理時間を所定の範囲内に収める障害物検知装置を提供することを目的とする。

上記目的を達成するために、代表的な本発明の障害物検知装置の一つは、列車の周囲を監視する一つ、又は複数の外界センサを用いて障害物検知を行う障害物検知装置において、前記外界センサにて取得したセンサ情報から物体を検知する物体検知部と、前記物体検知部で検知した物体検知結果を選択する検知結果選択部と、前記検知結果選択部で選択した物体検知結果をもとに物体が障害物であるか否かの判断を行う障害物認識部とを備え、前記検知結果選択部は、前記障害物認識部の処理を所定の目標処理時間内で完了可能とする検知数の範囲で物体検知結果を選択し、前記列車の走行速度である車両速度情報に応じて前記列車からの距離ごとに物体の検知数上限を定めた重み関数を用いて物体検知結果の選択を行うことを特徴とする。

本発明によれば、障害物検知装置において、検知領域を制限することなく障害物を検知する処理時間を所定の範囲内に収めることが可能となる。上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

図１は、本発明の第一の実施形態における装置構成を示す図である。 図２は、本発明の第一の実施形態における検知結果選択部の処理を示すフローチャートである。 図３は、本発明の第一の実施形態における重み関数の一例の概要を示す図である。 図４は、本発明の第一の実施形態における検知結果の一例の詳細を示す概念図である。 図５は、本発明の第一の実施形態における重み関数の一例の詳細を示す概念図である。 図６は、本発明の第一の実施形態における停止可能距離付近を注視する際の重み関数の一例の概要を示す図である。 図７は、本発明の第一の実施形態における特定の領域を注視する際の重み関数の一例の概要を示す図である。 図８は、本発明の第二の実施形態における検知結果選択部の処理を示すフローチャートである。 図９は、本発明の第二の実施形態における統合方法の一例を説明する図である。 図１０は、本発明の第三の実施形態における検知結果選択部の処理を示すフローチャートである。 図１１は、本発明の第三の実施形態における検知結果の仮想分配方法を説明する図である。

以下、本発明の実施例を図面に用いて説明する。

＜第一の実施形態＞
図１は、障害物検知装置の第一の実施形態における装置構成を示す図である。障害物検知装置１１０は軌道上を走行する列車１００に搭載され、物体検知部１１１、検知結果選択部１１２、障害物認識部１１３の各機能を備える。障害物検知装置１１０はこれらの機能を実現するためにプロセッサ等の必要なデバイスを備える。障害物検知装置１１０は外界センサ１２０に接続される。また、障害物検知装置１１０は、列車１００に搭載された車両情報制御システム（図示せず）や自動列車運転装置（図示せず）などと接続される。

外界センサ１２０は、列車の周囲（特に列車１００の前方）の状態をセンシングし、センシングデータを物体検知部１１１に送信する。外界センサ１２０には、カメラ、ＬＩＤＡＲ（レーザーレンジファインダー）、ミリ波レーダーなどがある。カメラは、単眼カメラ、ステレオカメラ、赤外線カメラなどがある。各センサは、これらの中から選択したセンサを使用する。センサは、複数搭載してもよく、また複数の種類のセンサを搭載してもよい。また、冗長化のために複数のセンサが搭載されることが好ましい。

物体検知部１１１は、外界センサ１２０からの外界センサデータを用いて列車の前方の状況を把握し、物体を検知する。物体検知部１１１による物体検知の処理は、物体を検知できれば、様々な方法を適用できる。例えば、自動車分野で使用されている物体を検知する技術等も使用可能である。具体的には、ステレオカメラを用いて視差画像を作成し、視差画像から前方の物体の形状や位置を検知する方法があげられる。また、単眼画像からＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を使用して画像上の物体を検知する方法や、ＬＩＤＡＲの点群データから物体を検知する方法もあげられる。このとき、ＤＮＮとは、機械学習に用いられる手段の１つであり、対象物の特徴を抽出して学習することで、様々な対象物を検知し、物体検知精度の向上を可能にする。

検知結果選択部１１２は、物体検知部１１１から外界センサ１２０からすべてのセンサの検知結果を取得する。検知結果選択部１１２は、列車からの距離ごとに採用する検知物体の検知数上限である重み関数と車両速度を使用して、取得した検知結果を選択する処理を行う。選択する検知結果の数は、物体検知部１１１からの検知結果を障害物認識部１１３でのフュージョン処理が所定の時間内で終了するための入力物体数の上限以下となるようにする。この処理の詳細は後述する。車両速度は車両情報制御システム（図示せず）や自動列車運転装置（図示せず）から取得してもよい。また、外界センサ１２０からのデータを使用して自己位置推定を行い、車両速度を障害物検知装置１１０で推定するようにしてもよい。なお、車両速度は認識できればよく、その取得方法や算出方法は上記以外の方法で行ってもよい。選択した物体検知結果を障害物認識部１１３に送信する。

障害物認識部１１３は検知結果選択部１１２で選択した物体検知結果に対してフュージョン処理を行う。フュージョン処理は、検知結果選択部１１２で選択した複数の物体検知結果を融合して障害物を検知する処理であり、検知物体の大きさや位置を高精度に推定する。例えば、ステレオカメラの検知結果とＬＩＤＡＲの検知結果を比較したときに、検知物体の位置精度はＬＩＤＡＲのほうが高い。そのためステカメとＬＩＤＡＲの両方の外界センサで物体を検知した場合、この物体の位置情報はＬＩＤＡＲの位置情報を採用する。

本実施形態におけるフュージョン処理では、列車から一定距離に存在する物体検知結果を１つの物体となるようにグルーピングを行う。すなわち、外界センサ１２０で取得し検知結果選択部１１２で選択した列車から一定距離に存在する複数の物体検知結果に対して、１つの検知結果として出力する処理を行う。ここで、物体検知結果の数が増大するとグルーピング対象が増えるため処理時間が増大（変動）する。しかし、検知結果選択部１１２で物体検知結果の数が所定以下に選択されているため処理時間が所定範囲内とすることができる。

さらに、障害物認識部１１３では、フュージョン処理を行った物体検知結果のうち自列車が走行する可能性のある領域である建築限界内に物体検知結果が存在するか否かを判定する。そして、建築限界内に存在すると判定された物体検知結果を障害物として認識する。

列車１００では、障害物認識部１１３で障害物と認識された物体に対して現在の車両速度から停止可能かを判定し、ブレーキを動作すべきか否かを判断する。この判断結果をＨＭＩ（Ｈｕｍａｎ Ｍａｃｈｉｎｅ Ｉｎｔｅｒｆａｃｅ）（図示せず）を通じて乗務員に報知したり、列車の安全を担保している保安装置などにブレーキ動作依頼を出力したりする。また、これ以外に、これらの障害物検知結果のフォーマットや障害物検知結果の利用方法は様々な方法が適用することができる。

図２は、本発明の第一の実施形態における検知結果選択部の処理を示すフローチャートである。図２を参照して、第一の実施形態の検知結果選択部１１２の処理について説明する。

最初にステップ２０１では、検知結果選択部１１２は、物体検知部１１１から外界センサ１２０の各センサによる物体検知結果を取得する。ここでは、センサごとに１つの物体を検知した場合は、１つの物体を検知したこととなる。複数のセンサを用いる場合は、センサごとに物体をそれぞれ検知していき、すべてカウントしていく。物体は距離ｘとともに情報を保有しておくとよい。次にステップ２０２に進む。

ステップ２０２では、検知結果選択部１１２は、車両速度情報を取得する。車両速度情報の取得は図１で説明した。次にステップ２０３に進む。

ステップ２０３では、検知結果選択部１１２は重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を呼び出す。重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）は、列車１００からの距離ｘごとに定める検知物体数の上限の値を定める関数である。重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）は、車両速度情報に応じて異なる関数を設定することが可能である。このため、ステップ２０３では、ステップ２０２で取得した車両速度に応じた重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を取得することができる。また、重み関数は障害物検知装置１１０で保持しておいてもよいし、乗務員が任意の重み関数を選択できるようにしてもよい。また、遠隔で地上の運行管理システムから任意の重み関数を設定できるようにしてもよい。特定の重み関数を検知結果選択部１１２が認識できればよく、その情報を保持する場所は任意に適用できる。なお、距離ｘは、例えば、列車１００の先頭からの進行方向の距離とすることができる。

ここで、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）の例を図３に示す。図３の重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）は列車からの距離（ｘ）の関数で表され、距離ごとに採用する検知物体数の上限が示されている。重み関数はどの距離ｘの物体検知結果を重要視するかを定義した関数である。例えば、車両速度が高い場合、衝突を回避可能な地点で障害物を認識するためにはより遠方の物体を検知する必要がある。そのため重み関数は列車からの距離が長い地点の値が大きくなるような重み関数ｎ_{ｗｅｉｇｈｔ＿ｈｉｇｈｓｐｅｅｄ}（ｘ）３０１を適用する。一方、車両速度が低い場合は、近傍の広範囲な領域の物体を検知することが重要となる。そのため重み関数は列車近傍の値が大きくなるような重み関数ｎ_{ｗｅｉｇｈｔ＿ｌｏｗｓｐｅｅｄ}（ｘ）３０２を適用する。

このように、検知結果選択部１１２は車両速度に応じて重み関数を読みだす。重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）は式（１）を満たすように定義される。

ここでＭａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}はフュージョン処理が所定時間内に完了するための入力検知物体数の上限である。すなわち、各距離ｘの重み関数の合計値がＭａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}となるようにすることで、重み関数以内であれば、入力検知物体数がフュージョン処理の入力検知物体数の上限を超えることがなくなる。

距離ｘの分解能は所定の範囲毎に検知物体が同じ距離にあると識別するためのものである。例えば、分解能を１ｍや５ｍなどシステムで求められる検知物体の位置認識精度によって定義する。分解能が５ｍであるならば５ｍ毎の範囲（例えば１０ｍであれば７．５ｍ～１２．５ｍの間等）で、同じ距離にある検知物体として識別していく。第一の実施形態では５ｍとした場合で説明する。

次のステップ２０４では、物体検知部１１１から取得した検知物体情報を列車１００からの距離（ｘ）ごとに分類し、距離ｘごとの検知物体数ｎ_ｏｂｊ（ｘ）を算出する。次にステップ２０５へ進む。

ステップ２０５では、距離ｘごとに検知物体数ｎ_ｏｂｊ（ｘ）と重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）の値を比較する。そして、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなるｘの値を記録する。次にステップ２０６に進む。

ステップ２０６では、ステップ２０５の結果で検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘが存在するか否かを判定する。このような距離ｘが存在する場合はステップ２０７へ進み、このような距離ｘが存在しない場合はステップ２０９に進む。

ステップ２０７では、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘの物体検知結果を削減する処理を行う。

具体的な削減方法を説明する。

初めに検知物体数ｎ_ｏｂｊ（ｘ）をレールの左右方向（枕木方向）の中心に近い順に数を数えていく。そして、距離ｘごとの検知物体数ｎ_ｏｂｊ（ｘ）まで「１」を代入した配列として整理する。すなわち、距離ｘに対応する列において、下の行から順に「１」を入れていき、検知物体数ｎ_ｏｂｊ（ｘ）よりも上の行では「０」となる。

検知物体数ｎ_ｏｂｊ（ｘ）を配列に代入した結果の例を図４に示す。図４の例では、例えば、距離ｘが５ｍ地点においては８個（下から８個分が「１」）の検知物体が、距離ｘが５９０ｍ地点に３個（下から３個分が「１」）の検知物体が存在していたことを表している。図４で示される結果の配列Ｎ_ｏｂｊは次の式（２）で表される。

次に、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）で表される検知物体数の上限値を距離ｘごとに「１」を代入した配列として整理する。すなわち、距離ｘに対応する列において、下の行から順に「１」を入れていき、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）よりも上の行では「０」となる。

重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）で表される検知物体数の上限値を配列に代入した結果の例を図５に示す。図５の例では、例えば、距離ｘが２０ｍ地点に３個（下から３個分が「１」）の検知物体まで、距離ｘが５９０ｍ地点で８個（下から８個分が「１」）までの検知物体まで、許容することを表している。図５の結果の配列Ｎ_{ｗｅｉｇｈｔ}は式（３）で表される。

そして、上記式（２）と式（３）を用いて検知結果の削減を行う。検知結果の削減結果は配列Ｎ_ｏｂｊと配列Ｎ_{ｗｅｉｇｈｔ}の論理積で算出することができ、結果は、次の式（４）で示される。

この処理において、同じ行と列において、「０」と「１」の組み合わせは、結果「０」となる。このため、「検知物体数ｎ_ｏｂｊ（ｘ）＜重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）」の場合は、検知物体数ｎ_ｏｂｊの値が算出後の値となる。一方、「検知物体数ｎ_ｏｂｊ（ｘ）＞重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）」の場合は、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）の値が算出後の値となる。すなわち、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を超えた検知物体は削除される。これにより、距離ｘにおける検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）の上限値を超えない処理を行うことが可能となる。また、削除は、レールの左右方向の中心から遠い検知物体を削除することになる。このため、レールの中心から順に優先して検知物体を残すこととなる。これは、レールの中心が列車１００の衝突の危険性が高いと考えられるからである。なお、これ以外の優先順位を適用することも可能である。次はステップ２０８に進む。

ステップ２０８では、ステップ２０７で算出したＮ_{ｒｅｓｕｌｔ}の各距離の「１」の数まで、レール中心に近いものから順に障害物認識部１１３に出力する物体検知結果として選択する。次はステップ２１０に進む。

一方、ステップ２０９は、ステップ２０６の判定により、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘが存在しない場合である。この場合はすべての検知結果をフュージョン処理に入力しても所定の処理時間内で処理が完了することを意味する。そのため物体検知部１１１から取得した外界センサ１２０の各センサの物体検知結果のすべてを障害物認識部１１３に出力する検知結果として選択する。次はステップ２１０に進む。

ステップ２１０では、選択された検知結果を障害物認識部１１３に送信する。障害物認識部１１３では、選択された検知結果に基づきフュージョン処理を行う。

なお、上記のステップ２０３で車両速度の高低に応じた重み関数の例を説明したが、他の重み関数も定義可能である。例えば、図６に示すように車両速度から停止可能距離を算出し、停止可能距離６０１付近の検知物体をより多くした重み関数を定義して障害物認識部１１３に出力するようにしてもよい。具体的には、図６に示すように、停止可能距離である３００ｍ付近の検知物体数を最も多くする等である。停止可能距離は、空走距離と制動距離の和で求めることができる。停止可能距離は車両速度によっても異なるため、車両速度又は車両速度から求められる停止可能距離に応じた重み関数を用意しておくとよい。このようにすることで一番障害物を検知したい領域の検知物体数を増大させることが可能となる。

また、障害物が存在する可能性が高い踏切やホームといった特定の注視したい領域の重み関数を大きくする定義も可能である。ここでは、列車１００の走行する経路上のより注視したい領域（以下、注視領域）をデータベースとして保持しておき、列車１００の自己位置とデータベースから読みだした注視領域の位置から、列車１００から注視領域までの距離を算出する。そして、注視領域の検知物体をより多くした重み関数を定義する。図７に具体例を示す。図７では、注視領域を２つの踏切領域７０１、７０２とした場合の例を示す。ここでは、踏切領域７０１、７０２の部分の検知物体数上限を周りの領域よりも増大させた重み関数を定義する。図７の例では、全体的には近距離の重み関数の値が小さく、遠方の重み関数の値が大きくなるように設定するが、踏切領域７０１、７０２では、重み関数の値を周りの領域よりも高くする。このようにすることで、遠方の物体を選択するとともに、リスクの高い踏切の検知物体もより多く障害物認識部１１３に出力することが可能となる。

第一の実施形態によると、障害物の検知領域を制限することなく障害物を検知する処理時間を所定の範囲内に収めることが可能となる。また、重み関数の定義の仕方によって、障害物認識部１１３が障害物認識の対象とする検知物体を自由に変更することが可能であり、障害物の認識結果が状況に応じた適切な結果として出力することが可能となる。

＜第二の実施形態＞
図８は、本発明の第二の実施形態における障害物検知装置１１０の検知結果選択部１１２の処理を示すフローチャートである。第二の実施形態では、第一の実施形態と異なる点について主に説明し、特に説明がない部分は同じ説明を省略している。

第一の実施形態では、距離ｘごとに検知物体数ｎ_ｏｂｊ（ｘ）と重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を比較し、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を超えていた検知物体の検知結果は、削除（破棄）されていた。そのため、障害物認識部１１３に出力される検知結果数は、フュージョン処理が所定時間内に処理できる検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}よりも少なくすることができた。一方、第二の実施形態では、重み関数を超える数の検知物体を削除するのではなく、検知結果を統合することで、検知物体数を削減する方法を採用する。

図８を参照して、第二の実施形態に係る検知結果選択部１１２の処理について説明する。

最初にステップ８０１では、検知結果選択部１１２は、物体検知部１１１から外界センサ１２０の各センサによる物体検知結果を取得する。これは、第一の実施形態の図２のステップ２０１と同様である。次にステップ８０２に進む。

ステップ８０２では、検知結果選択部１１２は車両速度情報を取得する。これは、第一の実施形態の図２のステップ２０２と同様である。次にステップ８０３に進む。

ステップ８０３では、検知結果選択部１１２は車両速度情報に応じて規定されている列車１００からの距離ごとに採用する物体の検知数上限である重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を呼び出す。これは、第一の実施形態の図２のステップ２０３と同様であり、詳細な説明は割愛する。次にステップ８０４に進む。

次のステップ８０４では、物体検知部１１１から取得した検知物体情報を列車１００からの距離（ｘ）ごとに分類し、距離ｘごとの検知物体数ｎ_ｏｂｊ（ｘ）を算出する。次にステップ８０５へ進む。

ステップ８０５では、距離ｘごとに検知物体数ｎ_ｏｂｊ（ｘ）と重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を比較する。そして、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなるｘの値を記録する。次にステップ８０６に進む。

ステップ８０６では、ステップ８０５の結果で検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘが存在するか否かを判定する。このような距離ｘが存在する場合はステップ８０７へ進み、このような距離ｘが存在しない場合はステップ８０９に進む。

ステップ８０７では、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘの物体検知結果を統合（グルーピング）する処理を行う。ここでの統合は、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘについて、検知物体を所定の優先度を用いて統合していく方法で行う。

具体的な削減方法を図９を参照して説明する。ステップ８０５で記録した検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘにおける検知物体について統合を行う。まず、この距離ｘの検知物体のうち、検知物体の中心位置がレールの左右方向の中心に最も近い検知物体を基準とする。そして、レールの左右方向の中心に最も近い検知物体の次にレールの左右方向の中心に近い検知物体を探索し、これらの検知物体を統合して同一物体とする。これにより、検知物体数が２から１となる。

例えば、図９に示すように、距離ｘ＝１００ｍの時にレール中心（レールの左右方向の中心をｙ＝０、進行方向に向かって左方向が正の座標軸とする）から「０．１」、「０．５」、「１．０」、「－０．４」の地点に検知物体がある場合について説明する。レール中心に最も近い（１００，０．１）の物体から近傍の検知物体の探索を行い、次にレール中心に近い検知物体（１００，－０．４）を統合して同一物体９０１とする。このとき距離ｘ＝１００ｍの検知物体数が１つ減るため、検知物体数ｎ_ｏｂｊ（１００）の値を１減らす。

ここで、依然として検知物体数ｎ_ｏｂｊ（１００）が、重み関数ｎ_{ｗｅｉｇｈｔ}（１００）よりも大きい場合は、統合処理を続ける。具体的には、上記検知物体（１００，－０．４）の次にレール中心に近い検知物体（１００，０．５）を検索して、同一物体９０１に対してこの検知物体を統合して、同一物体９０２とする。

この処理を検知物体数ｎ_ｏｂｊ（１００）の値が重み関数ｎ_{ｗｅｉｇｈｔ}（１００）と一致するまで繰り返す。そして、距離ｘにおいて、検知物体数ｎ_ｏｂｊ（１００）の値が重み関数ｎ_{ｗｅｉｇｈｔ}（１００）と一致すると、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる次のｘを探して、同様の処理を行う。そして、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘがなくなるまでこのような統合処理を繰り返す。このことで、検知物体数を重み関数以内にすることが可能となる。また、統合は、列車１００の衝突の危険性が高いと考えられるレールの中心から行うことができる。なお、これ以外の優先順位を適用することも可能である。次はステップ８０８に進む。

ステップ８０８では、物体検知部１１１から取得した外界センサ１２０の各センサの物体検知結果のうち、ステップ８０７でグルーピング（統合）した検知結果を、障害物認識部１１３に出力する選択された検知結果として決定する。次にステップ８１０に進む。

ステップ８０９は、ステップ８０６の判定により、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘが存在しない場合である。この場合はすべての検知結果をフュージョン処理に入力しても所定の処理時間内で処理が完了することを意味する。そのため物体検知部１１１から取得した外界センサ１２０の各センサの物体検知結果のすべてを障害物認識部１１３に出力する検知結果として選択する。次はステップ８１０に進む。

ステップ８１０では、選択された検知結果を障害物認識部１１３に送信する。障害物認識部１１３では、選択された検知結果に基づきフュージョン処理を行う。

第二の実施形態によると、障害物の検知領域を制限することなく障害物を検知する処理時間を所定の範囲内に収めることが可能となる。また、第一の実施形態のように検知物体を削減する方法でないため、より多くの検知物体をふまえた検知結果を障害物認識部１１３に出力することが可能となり、検知率の向上に貢献できる。

＜第三の実施形態＞
図１０は、本発明の第三の実施形態における障害物検知装置１１０の検知結果選択部１１２の処理を示すフローチャートである。第三の実施形態では、第一の実施形態と異なる点について主に説明し、特に説明がない部分は同じ説明を省略している。

第一の実施形態では、距離ｘごとに検知物体数ｎ_ｏｂｊ（ｘ）と重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を比較し、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を超えていた検知物体の検知結果は、すべて削除（破棄）されていた。そのため、障害物認識部１１３に出力される検知結果数は、フュージョン処理が所定時間内に処理できる検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}よりも少なくすることができた。しかし、検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}よりも少なくなる場合は、まだ処理に余裕があるが、その分の処理は行わないことになる。第三の実施形態では、可能な限り、フュージョン処理が所定時間内に処理できる検知物体数と検知結果選択部１１２が出力する検知結果数が等しくなるように検知物体数を調整する例を説明する。

図１０を参照して、第三の実施形態に係る検知結果選択部１１２の処理について説明する。

最初にステップ１００１では、検知結果選択部１１２は、物体検知部１１１から外界センサ１２０の各センサによる物体検知結果を取得する。これは、第一の実施形態の図２のステップ２０１と同様である。次にステップ１００２に進む。

ステップ１００２では、検知結果選択部１１２は車両速度情報を取得する。これは、第一の実施形態の図２のステップ２０２と同様である。次にステップ１００３に進む。

ステップ１００３では、検知結果選択部１１２は車両速度情報に応じて規定されている列車１００からの距離ごとに採用する物体の検知数上限である重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を呼び出す。これは、第一の実施形態の図２のステップ２０３と同様であり、詳細な説明は割愛する。次にステップ１００４に進む。

ステップ１００４では、物体検知部１１１から取得した検知物体情報を列車１００からの距離（ｘ）ごとに分類し、距離ｘごとの検知物体数ｎ_ｏｂｊ（ｘ）を算出する。次にステップ１００５へ進む。

ステップ１００５では、距離ｘごとに検知物体数ｎ_ｏｂｊ（ｘ）と重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）を比較する。そして、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなるｘの値を記録する。次にステップ１００６に進む。

ステップ１００６では、ステップ１００５の結果で検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘが存在するか否かを判定する。このような距離ｘが存在する場合はステップ１００７へ進み、このような距離ｘが存在しない場合はステップ１０１０に進む。

ステップ１００７では、物体検知部１１１から取得した外界センサ１２０の各センサによる物体検知結果数ｎ_ｏｂｊと、フュージョン処理が所定時間内に完了するための入力検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}を比較する。ここで物体検知結果数ｎ_ｏｂｊは、すべての距離ｘにおける検知物体数の合計であり、物体検知結果数ｎ_ｏｂｊと検知物体数ｎ_ｏｂｊ（ｘ）の関係は次の式（５）で表される。

そして、物体検知結果数ｎ_ｏｂｊが入力検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}より大きい場合はステップ１００８へ進む。物体検知結果数ｎ_ｏｂｊが入力検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}以下の場合はステップ１０１０に進む。この場合は、すべての検知結果をフュージョン処理に出力しても所定時間内にフュージョン処理が完了することを意味する。そのため、検知結果の選択の必要がない。

ステップ１００８では、物体検知結果数ｎ_ｏｂｊが入力検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}に収まるために物体検知結果数ｎ_ｏｂｊの調整を行う。この調整は、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘの物体検知結果を、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より小さくなる距離ｘへ仮想分配する処理により行う。

ここで、図１１を参照して仮想分配方法の具体例について説明する。

まず、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きい距離ｘのうち最も大きい値（最も列車から遠い距離）ｘ_ｏ１を検索する。そして、このｘ_ｏ１において、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｏ１）より大きい検知物体分について仮想分配を行う。分配先は、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より小さい距離ｘのうち最も大きい値（最も列車から遠い距離）ｘ_ｄ１を検索して、そこへ分配する。図１１では、距離ｘ_ｏ１における重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｏ１）を超える検知物体Ａ１が、距離ｘ_ｄ１におけるＡ２の空き枠へ割り振られる。

距離ｘ_ｄ１に距離ｘ_ｏ１の検知結果を割り振った結果、距離ｘ_ｄ１において、「検知物体数ｎ_ｏｂｊ（ｘ_ｄ１）＜重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｄ１）」の場合は、まだ空き枠があるため、次の仮想分配を行う。図１１では、距離ｘ_ｄ１のＢ２の１枠分だけ重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｄ１）に達していないためにこの条件を満たす。ここでの分配は、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きい距離ｘのうち（すべて分配した）距離ｘ_ｏ１の次に大きい値（次に列車から遠い距離）ｘ_ｏ２を検索する。そして、このｘ_ｏ２において、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｏ２）より大きい検知物体分について仮想分配を行う。分配先は、まだ空きのある距離ｘ_ｄ１の空き枠Ｂ２である。

距離ｘ_ｄ１に距離ｘ_ｏ２の検知結果を割り振った結果、「検知物体数ｎ_ｏｂｊ（ｘ_ｄ１）＞重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｄ１）」の場合は、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｄ１）を超える分について、次の仮想分配を行う。図１１は、距離ｘ_ｏ２では、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｏ２）より大きい検知物体は、Ｂ１とＣの２つである。ここで、距離ｘ_ｄ１の空き枠Ｂ２に割り振ろうとすると検知物体Ｃは、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ_ｄ１）を超えることになる。このため、この検知物体Ｃの分については次の仮想分配を行う。分配先は、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より小さい距離ｘのうち距離ｘ_ｄ１の次に大きい値（次に列車から遠い距離）ｘ_ｄ２を検索して、そこへ検知物体Ｃを割り振る。

このような処理を繰り返して、物体検知結果数ｎ_ｏｂｊが入力検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}と等しくなったところで本処理を終了する。すなわち、仮想分配により、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）に達していない空き枠を全部埋めた場合は処理を終了する。そして、それ以降、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）よりも大きい検知物体数ｎ_ｏｂｊ（ｘ）の距離ｘが存在する場合は、そこの距離ｘについて、重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）よりも大きい検知物体は削除を行う。すなわち、仮想分配でききれない、検知物体分を削除する。このことで、検知物体数ｎ_ｏｂｊを入力検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}と同じにでき、規定の範囲内での最大限の処理とできる。

なお、上記の例では検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きくなる距離ｘのうち最も大きい値（列車から遠い距離）のｘの検知結果から優先的に割り振る構成で説明したが、割り振り方はこれに限らない。すなわち、所定の優先順位で仮想分配を行う順番を決めることができる。

例えば、図３の列車近傍の値が大きくなるような重み関数ｎ_{ｗｅｉｇｈｔ＿ｌｏｗｓｐｅｅｄ}（ｘ）が採用されている場合は、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きいｘのうち最も小さい値（列車から近い）のｘの検知結果から優先的に割り振るようにしてもよい。また、図６の重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）が採用されている場合は、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きいｘのうち停止可能距離６０１付近のｘの検知結果から優先的に割り振るようにしてもよい。また、図７の重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）が採用されている場合は、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きいｘのうち特定の注視したい領域７０１、７０２付近のｘの検知結果から優先的に割り振るようにしてもよい。

すなわち、「物体検知結果数ｎ_ｏｂｊ＜入力検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}」となっているうちは検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きい距離ｘの物体検知結果分を、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より小さい距離ｘに分配できればよい。このため、仮想分配の順番は上記に限定されない。

次のステップ１００９では、物体検知部１１１から取得した外界センサ１２０の各センサの物体検知結果のうち、ステップ１００７で仮想分配に基づいて検知物体を選択した結果を障害物認識部１１３に出力する検知結果として決定する。次にステップ１０１１に進む。

ステップ１０１０は、ステップ１００６やステップ１００７の判定により、検知物体数ｎ_ｏｂｊ（ｘ）が重み関数ｎ_{ｗｅｉｇｈｔ}（ｘ）より大きいｘが存在しない場合や、物体検知結果数ｎ_ｏｂｊが入力検知物体数の上限Ｍａｘ＿ｎｕｍ_{ｆｕｓｉｏｎ}以下の場合である。この場合はすべての検知結果をフュージョン処理に出力しても所定時間内でフュージョン処理が完了することを意味する。そのため物体検知部１１１から取得した外界センサ１２０の各センサの物体検知結果のすべてを障害物認識部１１３に出力する検知結果として選択する。次はステップ１０１１に進む。

ステップ１０１１では、選択された検知結果を障害物認識部１１３に送信する。障害物認識部１１３では、選択された検知結果に基づきフュージョン処理を行う。

第三の実施形態によると、障害物の検知領域を制限することなく障害物を検知する処理時間を所定の範囲内に収めることが可能となる。また、第一の実施形態と比較してより多くの検知結果を障害物認識部に出力することが可能となり、検知率の向上に貢献できる。

上述した各実施形態では、外界センサ１２０の各センサの検知結果を同等に扱う例を説明したが、これ以外に各センサの特徴に応じてフュージョン処理に出力する検知結果を選択するようにしてもよい。例えば、ＬＩＤＡＲの検知範囲ではステレオカメラの結果よりＬＩＤＡＲの検知結果を優先的に分配するようにしてもよい。他には単眼画像からＤＮＮ（Ｄｅｅｐ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を使用して画像上の物体を検知する方法で検知された結果よりステレオカメラの結果を優先的に分配するようにしてもよい。このようにすることで、より重要な検知結果が障害物認識部１１３に出力され、障害物の検知率を向上することが可能となる。

以上のように実施形態によれば、軌道輸送システムに搭載された外界センサデータを用いた障害物検知装置において、障害物の検知領域を制限することなく障害物を検知する処理時間を所定の範囲内に収めることが可能となる。

なお、本発明は上記した実施形態に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。

１００…列車、１１０…障害物検知装置、１１１…物体検知部、１１２…検知結果選択部、１１３…障害物認識部、１２０…外界センサ、６０１…停止可能距離、７０１、７０２…踏切領域

Claims (12)

1. 列車の周囲を監視する一つ、又は複数の外界センサを用いて障害物検知を行う障害物検知装置において、
   前記外界センサにて取得したセンサ情報から物体を検知する物体検知部と、前記物体検知部で検知した物体検知結果を選択する検知結果選択部と、前記検知結果選択部で選択した物体検知結果をもとに物体が障害物であるか否かの判断を行う障害物認識部とを備え、
   前記検知結果選択部は、前記障害物認識部の処理を所定の目標処理時間内で完了可能とする検知数の範囲で物体検知結果を選択し、前記列車の走行速度である車両速度情報に応じて前記列車からの距離ごとに物体の検知数上限を定めた重み関数を用いて物体検知結果の選択を行うことを特徴とする障害物検知装置。
2. 請求項１に記載の障害物検知装置において、
   前記検知結果選択部は、前記列車の車両速度が高い場合は、当該列車の近傍より遠方の検知数上限を高く定めた重み関数を用い、前記列車の車両速度が低い場合は、当該列車の遠方より近傍の検知数上限を高く定めた重み関数を用いることを特徴とする障害物検知装置。
3. 請求項１に記載の障害物検知装置において、
   前記検知結果選択部は、前記列車の車両速度から算出される停止可能距離近傍の検知数上限を高く定めた重み関数を用いることを特徴とする障害物検知装置。
4. 請求項１に記載の障害物検知装置において、
   前記検知結果選択部は、前記列車が走行する経路上に定めた注視領域近傍の検知数上限を高く定めた重み関数を用いることを特徴とする障害物検知装置。
5. 請求項１に記載の障害物検知装置において、
   前記検知結果選択部は、前記列車からの各距離において、前記物体検知部からの検知物体数と重み関数の値を比較し、検知物体数を重み関数の値以下となるように各距離の検知物体を削除した検知結果を前記選択した物体検知結果として前記障害物認識部に出力することを特徴とする障害物検知装置。
6. 請求項５に記載の障害物検知装置において、
   前記検知結果の削除は、レールの中心から順に優先して検知物体を残すことを特徴とする障害物検知装置。
7. 請求項１に記載の障害物検知装置において、
   前記検知結果選択部は、前記列車からの各距離において、前記物体検知部からの検知物体数と重み関数の値を比較し、検知物体数が重み関数の値以下となるように各距離の検知物体を統合した検知結果を前記選択した物体検知結果として前記障害物認識部に出力することを特徴とする障害物検知装置。
8. 請求項７に記載の障害物検知装置において、
   前記検知結果の統合は、レールの中心から順に優先して検知物体を統合することを特徴とする障害物検知装置。
9. 請求項１に記載の障害物検知装置において、
   前記検知結果選択部は、前記列車からの各距離において、前記物体検知部からの検知物体数と重み関数の値を比較し、検知物体数が重み関数の値以下となるように、重み関数の値より大きい検知物体数の検知結果を、重み関数の値より小さい検知物体数の各距離に仮想分配して、仮想分配でききれない検知物体数分を削除した検知結果を選択した物体検知結果として前記障害物認識部に出力することを特徴とする障害物検知装置。
10. 請求項９に記載の障害物検知装置において、
    前記仮想分配は、所定の優先度に従い、前記優先度の高い前記列車からの距離における検知結果から順に仮想分配を行うことを特徴とする障害物検知装置。
11. 請求項１０に記載の障害物検知装置において、
    前記仮想分配は、前記重み関数の値が大きい前記列車からの距離における検知結果から順に仮想分配を行うことを特徴とする障害物検知装置。
12. 請求項１に記載の障害物検知装置において、
    前記外界センサが複数存在する場合、前記検知結果選択部は、所定の優先度に従い、優先度の高い外界センサの検知結果から順に物体検知結果として選択することを特徴とする障害物検知装置。

Images