物体识别装置的制作方法

本发明涉及物体识别装置。

背景技术：

在日本专利第5812064号公报中公开了下述的物体识别装置：当以由毫米波雷达检测到的第一物体的位置为中心的区域和以基于车载照相机的拍摄图像而检测到的第二物体的位置为中心的区域重复的情况下，判定为第一物体和第二物体是同一物体。

专利文献1：日本专利第5812064号公报

在上述物体识别装置中，对以第一物体的位置为中心的区域考虑了基于毫米波雷达的特性的误差。另外，对以第二物体的位置为中心的区域考虑了基于车载照相机的特性的误差。但是，因为这些区域被固定为检测物体的相对方向，所以有可能将在曲线车道(curvelane)中检测到的不同的物体错误判定为是同一物体。

具体而言，当在相同的相对方向检测到在搭载有上述物体识别装置的车辆的前方的曲线车道行驶的前行车辆(第一物体)和在其相邻的曲线车道行驶的其他前行车辆(第二物体)时，有可能将这些车辆错误判定为是同一物体。在相同的相对方向检测到在曲线车道行驶的前行车辆(第一物体)和其附近的护栏或挡土墙等路边物(第二物体)时也相同。因此，要求对用于防止这样的错误判定的改进。

技术实现要素：

本发明是鉴于上述的课题而完成的，其目的在于，提供能够防止将在曲线车道中检测到的不同的物体错误判定为是同一物体的技术。

第一发明是用于解决上述课题的物体识别装置，具有如下的特征。

上述物体识别装置具备第一检测装置、第二检测装置、以及物体统合部。

上述第一检测装置检测与本车辆的周围的第一物体有关的信息作为第一信息。

上述第二检测装置检测与上述本车辆的周围的第二物体有关的信息作为第二信息。

上述物体统合部基于上述第一信息以及上述第二信息来进行上述第一物体和上述第二物体是否是同一物体的判定处理。

上述物体识别装置还具备地图数据库。

上述地图数据库包括与车道的形状以及位置有关的车道信息。

上述物体统合部具备车道倾斜角度推断部和判定区域设定部。

上述车道倾斜角度推断部进行车道相对于上述本车辆的行进方向的倾斜角度的推断处理。

上述判定区域设定部进行对上述判定处理所使用的判定区域加以设定的设定处理。

上述推断处理是下述处理中的至少一方的处理：

基于根据上述第一信息而得到的上述第一物体的检测位置和上述车道信息，来推断上述第一物体的检测位置处的车道相对于上述行进方向的第一倾斜角度的处理；以及

基于根据上述第二信息而得到的上述第二物体的检测位置和上述车道信息，来推断上述第二物体的检测位置处的车道相对于上述行进方向的第二倾斜角度的处理。

上述设定处理是如下的处理：

在推断出上述第一倾斜角度或者上述第二倾斜角度的情况下，使包括上述第一物体的检测位置的第一规定范围、以及包括上述第二物体的检测位置的第二规定范围分别旋转与上述第一倾斜角度或者上述第二倾斜角度相同的角度而设定为上述判定区域，

在推断出上述第一倾斜角度以及上述第二倾斜角度的情况下，使上述第一规定范围旋转与上述第一倾斜角度相同的角度、并且使上述第二规定范围旋转与上述第二倾斜角度相同的角度而设定为上述判定区域。

第二发明在第一发明中还具有如下的特征。

上述地图数据库包含与路边物有关的路边物信息。

上述物体识别装置还具备路边物判定部。

上述路边物判定部基于本车辆的位置以及上述路边物信息来判定在与上述本车辆行驶的车道相邻的相邻路侧带是否存在路边物。

当判定为在上述相邻路侧带存在路边物的情况下，上述判定区域设定部在上述设定处理中使上述第一规定范围以及上述第二规定范围旋转之前，使上述第一规定范围以及上述第二规定范围的上述相邻路侧带侧的宽度缩窄。

第三发明在第一或者第二发明中具有如下的特征。

上述第一倾斜角度是以将上述第一物体的检测位置投影到最接近上述第一物体的检测位置的车道划分线上时距上述第一物体的检测位置的距离最短的投影位置为切点的切线与根据上述车道信息而得到的上述本车辆行驶的车道的中央线所成的角度。

上述第二倾斜角度是以将上述第二物体的检测位置投影到最接近上述第二物体的检测位置的车道划分线上时距上述第二物体的检测位置的距离最短的投影位置为切点的切线与根据上述车道信息而得到的上述本车辆行驶的车道的中央线所成的角度。

根据第一发明，在判定区域设定部的设定处理中，使第一规定范围以及第二规定范围基于第一倾斜角度或者第二倾斜角度旋转。第一倾斜角度是第一物体的检测位置处的车道相对于本车辆的行进方向的倾斜角度。第二倾斜角度是第二物体的检测位置处的车道相对于本车辆的行进方向的倾斜角度。因此，若基于第一倾斜角度或者第二倾斜角度使第一规定范围以及第二规定范围旋转，则能够抑制在第一物体的检测位置和第二物体的检测位置位于曲线车道上的情况下越过本车辆的行驶车道设定第一规定范围或者第二规定范围。因此，能够防止将在曲线车道中检测到的不同的物体错误判定为是同一物体。

根据第二发明，当判定为在相邻路侧带存在路边物的情况下，在使第一规定范围以及第二规定范围旋转之前，缩窄第一规定范围以及第二规定范围的相邻路侧带侧的宽度。因此，能够防止将在与曲线车道相邻的路侧带存在的路边物错误判定为是与曲线车道上的第一物体或者第二物体相同的物体。

根据第三发明，能够使第一倾斜角度以及第二倾斜角度适当。因此，能够良好地防止将在曲线车道中检测到的不同的物体错误判定为是同一物体。

附图说明

图1是表示本发明的实施方式1所涉及的物体识别装置的构成的框图。

图2是对车道形状/位置推断部的推断处理的一个例子进行说明的图。

图3是对车道倾斜度推断部(laneslopeestimationportion)的推断处理的一个例子进行说明的图。

图4是对分组区域设定部(groupingareasetportion)的设定处理的一个例子进行说明的图。

图5是对同一物体判定部的判定处理的一个例子进行说明的图。

图6是对本发明的实施方式1所涉及的物体识别装置所起到的第一效果进行说明的图。

图7是对本发明的实施方式1所涉及的物体识别装置所起到的第二效果进行说明的图。

图8是对本发明的实施方式1所涉及的物体识别装置所起到的第三效果进行说明的图。

图9是表示本发明的实施方式2所涉及的物体识别装置的构成的框图。

图10是对分组区域设定部的分组区域ga的设定处理的一个例子进行说明的图。

具体实施方式

以下，参照附图对本发明的实施方式进行说明。其中，除了特别明示的情况或在原理上清楚确定为该数量的情况以外，在以下所示的实施方式中言及各要素的个数、数量、量、范围等数值的情况下，本发明并不局限于该言及的数值。另外，除了特别明示的情况或在原理上清楚地确定为此的情况以外，以下所示的实施方式中说明的结构、步骤等在本发明中并不一定是必须的。

实施方式1.

首先，参照图1至图8对本发明的实施方式1进行说明。

1.物体识别装置的构成

图1是表示本发明的实施方式1所涉及的物体识别装置的构成的框图。图1所示的物体识别装置1被搭载于车辆，用于识别在该车辆的前方、侧方以及后方存在的立体物。作为识别对象的立体物例如是行人、自行车、汽车等移动物、以及树木、电线杆、建筑物、道路结构物等固定物。道路结构物例如包含护栏、道路广告牌、挡土墙(retainingwall)、隔音壁这样的设置于路侧带的结构物(以下，也称为“路边物”。)。在本说明书中，也将搭载有该物体识别装置1的车辆称为“本车辆ov”。

如图1所示，物体识别装置1具备gps(globalpositioningsystem：全球定位系统)接收机11、地图数据库12、毫米波雷达13、激光雷达(lidar:laserimagingdetectionandranging：激光成像探测和测距)14、照相机15、以及ecu(electriccontrolunit：电子控制单元)10。毫米波雷达13、激光雷达14以及照相机15各自的台数至少是1个。毫米波雷达13、激光雷达14以及照相机15是被统称为“自主识别传感器”的装置。以下，在指毫米波雷达13、激光雷达14或者照相机15的情况下，也称为“自主识别传感器”。

gps接收机11通过接收来自三个以上gps卫星的信号，来测定本车辆ov的当前位置(例如，本车辆ov的纬度以及经度)。gps接收机11将测定出的本车辆ov的当前位置信息发送到ecu10。

地图数据库12是具备高精度地图信息的数据库。地图数据库12例如形成在搭载于本车辆ov的hdd(harddiskdrive：硬盘驱动器)内。高精度地图信息例如包含划分车道的划分线(以下，也称为“车道划分线”。)的位置信息(例如，纬度以及经度)、车道的形状信息(例如，曲线车道、直线车道的种类、曲线车道的曲率等)、交叉路口以及分岔点的位置信息。高精度地图信息还包含与固定物的位置信息(例如，纬度以及经度)、样式信息(styleinformation)(例如，高度、宽度、纵深)有关的信息。

毫米波雷达13通过向本车辆ov的周围发射毫米波(电磁波的一个例子)并接收该毫米波被立体物反射的反射波，来检测立体物。根据毫米波雷达13，能够基于从发射毫米波到接收反射波的时间来推断立体物相对于本车辆ov的相对速度。根据毫米波雷达13，也能够基于反射波飞向本车辆ov的方向来推断立体物相对于本车辆ov的相对位置。毫米波雷达13将由相对速度以及相对位置构成的相对状态量作为立体物信息发送到ecu10。

激光雷达14通过向本车辆ov的周围照射脉冲状地发光的激光并接收来自立体物的反射激光，来检测立体物。与毫米波雷达13同样，根据激光雷达14，能够推断立体物相对于本车辆ov的相对速度、以及立体物相对于本车辆ov的相对位置(换句话说，相对状态量)。除此以外，根据激光雷达14，也能够识别立体物的外形(例如，高度、宽度)。激光雷达14将相对状态量、立体物的外形作为立体物信息发送到ecu10。

照相机15拍摄本车辆ov的外部状况。照相机15例如设置于本车辆ov的前挡风玻璃的里侧。照相机15可以是单眼照相机，也可以是立体照相机。立体照相机例如具有被配置为再现双眼视差的二个拍摄部。立体照相机的拍摄信息也包含纵深方向的信息。照相机15将拍摄信息发送到ecu10。若在ecu10中解析了该拍摄信息，则能够得到与立体物的相对状态量、立体物的外形有关的立体物信息。也可以在照相机15中解析拍摄信息，并将立体物信息发送到ecu10。

ecu10是具有cpu(centralprocessingunit：中央处理单元)、rom(readonlymemory：只读存储器)、ram(randomaccessmemory：随机存取存储器)、can(controllerareanetwork：控制器区域网络)通信电路等的控制单元。在ecu10中，例如通过将存储于rom的程序加载到ram，并由cpu执行加载到ram的程序来实现各种功能。ecu10也可以由多个电子控制单元构成。

2.ecu10的构成

接下来，对ecu10的功能性构成进行说明。ecu10具有对在本车辆ov的周围存在的物体进行识别的功能。该功能由ecu10具备的车道形状/位置推断部16以及立体物统合部(solidobjectfusionportion)17实现。车道形状/位置推断部16以及立体物统合部17并不在ecu10内作为硬件存在，而在由cpu执行存储于rom的程序时以软件的方式实现。

车道形状/位置推断部16进行推断本车辆ov的周围的车道的形状以及位置的推断处理。为了减少处理负担，在该推断处理中，也可以进行仅限于本车辆ov行驶的车道(以下，也称为“本车道”。)的形状以及位置的推断。图2是对车道形状/位置推断部16的推断处理的一个例子进行说明的图。在图2所示的推断处理中，首先基于来自gps接收机11的当前位置信息，从地图数据库12读出本车辆ov的周围的车道划分线的位置信息，该位置信息被转换为平面直角坐标系(步骤1)。接着，该平面直角坐标系被转换为以本车辆ov的基准点为原点的基准坐标系(步骤2)。该基准坐标系的y轴与本车辆ov的行进方向(车长方向)一致，x轴与本车辆ov的横向(车宽度方向)一致。其中，能够应用于本发明的车道的形状以及位置的推断方法并不特别限定，能够应用公知的方法。

立体物统合部17进行由毫米波雷达13、激光雷达14以及照相机15分别检测出的立体物的统合处理。从毫米波雷达13以及激光雷达14向立体物统合部17连续地发送与在本车辆ov的周围存在的多个立体物有关的立体物信息。基于来自照相机15的拍摄信息的解析而创建的立体物信息也被连续地发送到立体物统合部17。在统合处理中，基于这些立体物信息，判定由某个自主识别传感器(例如，毫米波雷达13)检测到的立体物是否是与由和该某个自主识别传感器不同的自主识别传感器(例如，激光雷达14)检测到的立体物相同的物体。其中，在同一种类的自主识别传感器(例如，3台毫米波雷达13)搭载于本车辆ov的不同位置(例如，本车辆ov的左前方、前方中央以及右前方)的情况下，在判定处理中，判定由这些自主识别传感器分别检测到的立体物是否是同一物体。

立体物统合部17具备车道倾斜度推断部17a、分组区域设定部17b、以及同一物体判定部17c作为用于实现统合处理的功能。车道倾斜度推断部17a进行推断由自主识别传感器检测到的立体物的检测位置处的车道的倾斜角度θ的推断处理。分组区域设定部17b进行对在同一物体判定部17c的判定处理中使用的分组区域ga加以设定的设定处理。同一物体判定部17c进行基于分组区域ga来判定由某个自主识别传感器检测到的立体物是否是与由和其不同的自主识别传感器检测到的立体物相同的物体的判定处理。

图3是对车道倾斜度推断部17a的推断处理的一个例子进行说明的图。其中，为了方便说明，在图3的基准坐标系中绘制有本车道上的前行车辆lv1、与本车道相邻的车道(以下，也称为“相邻车道”。)上的前行车辆lv2、以及位于本车道的左方的挡土墙rw1作为立体物。在图3中，前行车辆lv1的立体物信息由“传感器1”检测。前行车辆lv1以及挡土墙rw1的立体物信息由“传感器2”检测。前行车辆lv2的立体物信息由“传感器3”检测。“传感器1”、“传感器2”以及“传感器3”是自主识别传感器。

在车道倾斜度推断部17a的推断处理中，首先确定出基准坐标系中的最接近立体物的各检测位置的车道划分线(以下，也称为“最靠近的划分线”。)。例如，基于来自“传感器1”的立体物信息的检测位置(s1，1)的最靠近的划分线是划分本车道和相邻车道的线(边界线bl)。该边界线bl也是基于来自“传感器2”的立体物信息的检测位置(s2，1)的最靠近的划分线，另外，也是基于来自“传感器3”的立体物信息的检测位置(s3，1)的最靠近的划分线。基于来自“传感器2”的立体物信息的检测位置(s2，2)的最靠近的划分线是划分本车道与路侧带的线(左侧线ll)。其中，检测位置(sx，y)的x表示自主识别传感器的编号(x＝1～3)，y表示该自主识别传感器检测到的立体物的编号。

在车道倾斜度推断部17a的推断处理中，接着确定出最短投影位置。“最短投影位置”是指在将立体物的检测位置投影到最靠近的划分线上时，距立体物的检测位置的距离最短的该最靠近的划分线上的位置。例如，检测位置(s1，1)的最短投影位置为边界线bl上的位置np(s1，1)。检测位置(s2，1)以及检测位置(s3，1)的最短投影位置也在边界线bl上。检测位置(s2，1)的最短投影位置为位置np(s2，1)，检测位置(s3，1)的最短投影位置为位置np(s3，1)。检测位置(s2，2)的最短投影位置为左侧线ll上的位置np(s2，2)。

在车道倾斜度推断部17a的推断处理中，接着，计算出最短投影位置处的切线与本车道的中央线cl所成的角度θ。中央线cl被确定为通过在车道形状/位置推断部16的推断处理时读出的车道划分线的中央的线。边界线bl的位置np(s1，1)处的切线tl(s1，1)与中央线cl所成的角度θ(s1，1)是检测位置(s1，1)处的车道的倾斜角度θ。与倾斜角度θ(s1，1)相同地计算出其他检测位置处的车道的倾斜角度θ。其中，为了减少处理负担，在该推断处理中，也可以仅计算代表性的检测位置(例如，检测位置(s1，1))处的车道的倾斜角度θr，省略其他检测位置处的车道的倾斜角度θ的计算。

图4是对分组区域设定部17b的分组区域ga的设定处理的一个例子进行说明的图。其中，为了方便说明，在图4的基准坐标系仅示出立体物的各检测位置处的车道的倾斜角度θ中检测位置(s1，1)处的车道的倾斜角度θ(s1，1)。分组区域ga(s1，1)是以检测位置(s1，1)为大致中心的规定面积的区域。

图4中绘制了横向的宽度是w1+w1且长边方向的宽度是l1+l2的矩形区域ra。矩形区域ra的长边方向与本车辆ov的行进方向一致。在分组区域ga的设定处理中，使这样的矩形区域ra以检测位置(s1，1)为旋转中心而旋转倾斜角度θ(s1，1)。使矩形区域ra旋转了角度θ(s1，1)后的区域是与检测位置(s1，1)对应的分组区域ga(s1，1)。与分组区域ga(s1，1)同样，在分组区域ga的设定处理中，与其他检测位置对应的分组区域ga也使矩形区域ra旋转各个检测位置处的车道的倾斜角度θ。其中，在仅计算代表的倾斜角度θr的情况下，使与其他检测位置对应的分组区域ga以其他的检测位置为旋转中心而旋转该倾斜角度θr。

此外，也可以在矩形区域ra的横向和行进方向追加根据自主识别传感器的特性而预先设定的误差量的宽度。另外，矩形区域ra只不过是一个例子，在分组区域ga的设定处理中，也可以代替矩形区域ra而设定椭圆形区域、梯形区域、多边形区域。

图5是对同一物体判定部17c的判定处理的一个例子进行说明的图。图5所示的ga(s1，1)、ga(s2，1)、ga(s2，2)以及ga(s3，1)是与立体物的各检测位置对应的分组区域ga。在同一物体判定部17c的判定处理中，当在不同的2个分组区域ga之间存在重复部的情况下，判定为由不同的2个自主识别传感器检测到的立体物是同一物体。在图5中，在分组区域ga(s1，1)和分组区域ga(s2，1)存在重复部。因此，在同一物体判定部17c的判定处理中，判定为检测位置(s1，1)的立体物与检测位置(s2，1)的立体物是相同物体。

与此相对，在分组区域ga(s2，2)中，与其他的分组区域ga之间不存在重复部。因此，在同一物体判定部17c的判定处理中，判定为没有被判定为与检测位置(s2，2)的立体物是相同物体的立体物。另外，在分组区域ga(s3，1)中，与其他的分组区域ga之间不存在重复部。因此，在同一物体判定部17c的判定处理中，判定为没有被判定为与检测位置(s3，1)的立体物是相同物体的立体物。

在立体物统合部17的统合处理中，在同一物体判定部17c的判定处理中被判定为是同一物体的立体物的相对状态量被统合。并不特别限定为相对状态量的统合方法，能够应用公知的方法。例如，也可以是求出在判定处理中被判定为是同一物体的立体物的相对状态量的平均值的方法，还可以是进行与自主识别传感器的特性对应的加权的方法。也可以将使用了卡尔曼滤波器等的概率推断方法应用于统合处理。

3.实施方式1所涉及的物体识别装置所起到的效果

参照图6至图8，对实施方式1所涉及的物体识别装置所起到的效果进行说明。图6是对在车道的形状以及位置的推断处理之后，不进行车道倾斜度推断部17a的推断处理而设定分组区域ga的情况下的问题点进行说明的图。在不进行车道倾斜度推断部17a的推断处理的情况下，图4中说明的矩形区域ra直接被设定在立体物的各检测位置。因此，分组区域ga的长边方向与本车辆ov的行进方向一致。图6所示的分组区域ga’(s1，1)相当于以检测位置(s1，1)为大致中心的矩形区域ra。分组区域ga’(s3，1)相当于以检测位置(s3，1)为大致中心的矩形区域ra。分组区域ga’(s1，1)以及分组区域ga’(s3，1)的长边方向均与本车辆ov的行进方向一致。

另外，如图6所示，在分组区域ga’(s1，1)与分组区域ga’(s3，1)之间存在重复部。因此，在同一物体判定部17c的判定处理中，导致检测位置(s1，1)的立体物与检测位置(s3，1)的立体物被判定为是相同的物体。检测位置(s1，1)的立体物(前行车辆lv1)和检测位置(s3，1)的立体物(前行车辆lv2)实际上不是同一物体。换句话说，在同一物体判定部17c的判定处理中，判定产生了错误。

对于该点而言，根据实施方式1所涉及的物体识别装置，通过车道倾斜度推断部17a的推断处理来推断倾斜角度θ(参照图3)。另外，通过分组区域ga的设定处理，使在立体物的各检测位置设定的矩形区域ra根据倾斜角度θ旋转(参照图4、图5)。因此，能够防止图6中说明的错误判定的产生。

图7是对在车道形状/位置推断部16的推断处理之后，以本车道的推断位置和推断形状为基准设定了分组区域ga的情况的问题点进行说明的图。在以本车道的推断位置和推断形状为基准设定分组区域ga的情况下，能够考虑立体物的各检测位置处的车道的方向。但是，在有图7中用单点划线所示的车道的推断位置距该图中用虚线所示的车道的实际位置的误差的情况下，分组区域ga的位置远离立体物的检测位置。

图7所示的分组区域ga”(s1，1)是以检测位置(s1，1)处的本车道的推断形状为基准而设定的区域。如图7所示，检测位置(s1，1)与分组区域ga”(s1，1)的中心位置之间有间隔。因此，由于在本车道的推断位置距实际位置的误差大的情况下，该间隔变大，所以导致检测位置(s1，1)从分组区域ga”(s1，1)偏离。而且，在检测位置(s1，1)从分组区域ga”(s1，1)偏离的情况下，导致检测位置(s1，1)的立体物被处理为本车道外的立体物。

对于该点而言，根据实施方式1所涉及的物体识别装置，通过以立体物的检测位置为旋转中心而使矩形区域ra旋转倾斜角度θ，来设定与该检测位置对应的分组区域ga。因此，即使在本车道的推断位置距实际位置的误差大的情况下，也以检测位置为大致中心来设定分组区域ga。具体而言，能够以检测位置(s1，1)为大致中心来设定图7中用虚线所示的分组区域ga(s1，1)。因此，能够防止在检测位置(s1，1)与分组区域ga(s1，1)的中心位置之间产生间隔。

图8是对实施方式1所涉及的物体识别装置所起到的第三效果进行说明的图。为了方便说明，在图8的基准坐标系中绘制了在前行车辆lv1的前方行驶的前行车辆lv3作为立体物。在图8中，前行车辆lv1以及前行车辆lv3的立体物信息由“传感器1”检测。前行车辆lv1以及挡土墙rw1的立体物信息由“传感器2”检测。

图8所示的“传感器1”以及“传感器2”是毫米波雷达13或者激光雷达14。根据毫米波雷达13或者激光雷达14，通过毫米波、光的衍射等，即便在不能由照相机15直接捕捉前行车辆lv3的情况下也能够得到前行车辆lv3的立体物信息。

在实施方式1所涉及的物体识别装置中，基于地图数据库12进行车道形状/位置推断部16的推断处理。因此，与基于来自激光雷达14的立体物信息或照相机15的拍摄信息的推断相比，能够提高本车辆ov的周围的车道的形状以及位置的推断的精度。若本车辆ov的周围的车道的形状以及位置的推断的精度变高，则在同一物体判定部17c的判定处理中，能够抑制在不同的车道行驶的2个立体物被错误判定为同一物体的情况。

另外，在实施方式1所涉及的物体识别装置中，若在车道形状/位置推断部16的推断处理之后，暂时得到了来自毫米波雷达13或者激光雷达14的立体物信息，则通过车道倾斜度推断部17a以及分组区域设定部17b中的处理来进行分组区域ga的设定。具体而言，通过进行车道倾斜度推断部17a的推断处理，图8所示的边界线bl上的位置np(s1，2)被确定为检测位置(s1，2)的最短投影位置。另外，边界线bl的位置np(s1，2)处的切线tl(s1，2)与中央线cl所成的角度θ(s1，2)被计算为检测位置(s1，2)处的车道的倾斜角度θ。而且，通过进行分组区域设定部17b的分组区域ga的设定处理，可设定以检测位置(s1，2)为大致中心的分组区域ga(s1，2)。因此，能够实现检测位置(s1，2)的立体物(前行车辆lv3)的统合处理。

其中，在上述实施方式1中，不同的两种自主识别传感器、或者同一种类的2个自主识别传感器相当于上述第一发明的“第一检测装置”以及“第二检测装置”。另外，从自主识别传感器发送到ecu10的信息(更具体而言，来自毫米波雷达13或者激光雷达14的立体物信息、或者来自照相机15的拍摄信息)相当于上述第一发明的“第一信息”或者“第二信息”。另外，立体物统合部17相当于上述第一发明的“物体统合部”。另外，分组区域设定部17b相当于上述第一发明的“判定区域设定部”。另外，矩形区域ra(在根据自主识别传感器的特性追加了误差量的宽度的情况下为追加后的矩形区域ra)相当于上述第一发明的“第一规定范围”以及“第二规定范围”。另外，分组区域ga相当于上述第一发明的“判定区域”。

实施方式2.

接下来，参照图9至图10对本发明的实施方式2进行说明。

1.物体识别装置的构成

图9是表示本发明的实施方式2所涉及的物体识别装置的构成的框图。图9所示的物体识别装置2的构成与图1所示的物体识别装置1的构成基本上相同。省略相同构成的说明。在本说明书中，与搭载有图1所示的物体识别装置1的车辆同样，将搭载有图9所示的物体识别装置的车辆也称为“本车辆ov”。

与图1所示的物体识别装置1不同，图9所示的物体识别装置2具备路边物判定部(roadsideobjectdeterminationportion)18。路边物判定部18是用于实现ecu20对在本车辆ov的周围存在的物体进行识别的功能的构成。路边物判定部18并不是在ecu20内作为硬件存在，而在由cpu执行存储于rom的程序时以软件的方式实现。

路边物判定部18进行对在与本车道相邻的路侧带(以下，也称为“相邻路侧带”。)是否存在路边物加以判定的判定处理。在路边物判定部18的判定处理中，首先基于来自gps接收机11的当前位置信息，从地图数据库12读出本车辆ov的周围的道路结构物的位置信息。接着，基于道路结构物的位置信息，判定在相邻路侧带是否存在路边物。路边物的存在的判定范围被限定于比本车辆ov靠前方的规定距离。其中，该规定距离可以根据本车辆ov的行驶速度、自主识别传感器的特性延长或者缩短。

当判定为在相邻路侧带存在路边物的情况下，分组区域设定部17b进行使矩形区域ra的面积变窄的处理来设定分组区域ga。图10是对分组区域设定部17b的分组区域ga的设定处理的一个例子进行说明的图。此外，为了方便说明，在图10的基准坐标系中仅示出与检测位置(s1，1)对应的分组区域ga(s1，1)。

在图10所示的例子中，判定为在本车道的左侧有路边物(挡土墙rw1)。因此，在分组区域ga的设定处理中，设定横向的宽度是w1+w2且长边方向的宽度是l1+l2的矩形区域ram。根据与图4所示的矩形区域ra比较可知，矩形区域ram的左方向的宽度w2比右方向的宽度w1窄。其理由是因为使判定为有路边物的方向(换句话说，左方向)的宽度变窄了。在设定处理中，使这样的矩形区域ram以检测位置(s1，1)为旋转中心旋转倾斜角度θ(s1，1)。使矩形区域ram旋转了角度θ(s1，1)后的区域是与检测位置(s1，1)对应的分组区域ga(s1，1)。在分组区域ga的设定处理中，与其他检测位置对应的分组区域ga均基于矩形区域ram来设定。

宽度w2例如是本车道的推断宽度的一半和规定宽度中的较小的一方。本车道的推断宽度基于通过车道形状/位置推断部16的推断处理而得到的本车道的推断形状来计算。也能够将从路边物的位置到最接近该路边物的位置的车道划分线的距离与本车道的推断宽度之和的一半、和上述规定宽度中的较小的一方作为宽度w2。

3.实施方式2所涉及的物体识别装置所起到的效果

根据以上说明的实施方式2所涉及的物体识别装置，基于从地图数据库12读出的道路结构物的位置信息，来判定在相邻路侧带是否存在路边物。而且，当判定为在相邻路侧带存在路边物的情况下，该路边物的存在方向上的矩形区域ra的面积被缩窄。因此，能够防止同一物体判定部17c的判定处理中产生错误判定，使立体物统合部17的统合处理的精度提高。

附图标记说明

1、2...物体识别装置；11...gps接收机；12...地图数据库；13...毫米波雷达；14...激光雷达；15...照相机；16...车道形状/位置推断部；17...立体物统合部；17a...车道倾斜度推断部；17b...分组区域设定部；17c...同一物体判定部；18...路边物判定部；ga...分组区域；lv1、lv2、lv3...前行车辆；ov...本车辆；ra、ram...矩形区域；rw1...挡土墙；tl...切线；θ…倾斜角度。