自動運転のためのレーダとカメラを用いた全天候性周辺環境認識技術

摘要

近年，自動車社会の発展に伴い，“安心·安全”に対する意識の高まりから，先進運転支援システム（ADAS）の研究開発が活発に行われている．将来，自動運転を実現させるためには，次世代ADASにおいて，カメラ，レーダ，レーザレーダ，GPS，地図情報を駆使して，如何なる天候においても周辺環境を高精度に認識し，歩行者までを正確に検出しなければならない．カメラは画像処理や機械学習により物体認識が可能であるが，夜間や悪天候に弱く，物体までの正確な距離や角度，速度などを得ることは難しい．また，レーザレーダはレーザ光を360°放射して周辺環境を画像化したり，反射輝度差から白線を検出することができるが[1]-［3］，直進性の強いレーザ光が故に影領域が多くでき，非常に高価である．一方，レーダは物体認識こそ弱いが，広視野かつ高分解能が故に複数物体の正確な測距，測角，測速が可能で，全天候性という高い優位性を備えている．従って，これらのセンサの長所を活かし，センサ情報を並列的かつ補助的に融合（データフュージョン）すれば，個々のセンサ特性を大きく凌駕する高い性能が期待できる．しかしながら，データフュージョンに関する報告は非常に少ない［4］．そこで，レーダとカメラを用いたデータフュージョン技術について，物体認識の高速化に関する実験的な検討を行う．本研究では，カメラにおけるフレーム毎の関心領域設定にかかる演算量を大幅に軽減して高速に物体を認識するために，レーダから得た物体までの正確な距離と速度情報から追尾フィルタを用いて逐次的に関心領域を予測することで，処理の高速化，物体検知·認識の高精度，高信頼化を実現する手法を提案する．また，フィールド実験により提案手法の有効性を確認する．