JP6692129B2

JP6692129B2 - 半導体装置

Info

Publication number: JP6692129B2
Application number: JP2015138676A
Authority: JP
Inventors: 裕輝梶原
Original assignee: Renesas Electronics Corp
Current assignee: Renesas Electronics Corp
Priority date: 2015-07-10
Filing date: 2015-07-10
Publication date: 2020-05-13
Anticipated expiration: 2035-07-10
Also published as: KR20170007146A; JP2017020895A; CN106335502A; US20170010349A1; US10295663B2; EP3115803A3; TW201715252A; CN106335502B; EP3115803B1; EP3115803A2

Description

本発明は、半導体装置、制御システム及び観測方法に関し、例えば複数のレーダによって周辺を観測する技術に関する。

特許文献１には、複数のレーダアンテナから得られる探知データを単一の表示器上で正しく合成して表示することを目的としたレーダ装置が開示されている。このレーダ装置では、探知データ生成手段が、複数のレーダアンテナが生成した探知信号のそれぞれから極座標系の探知データを生成する。相関処理手段が、探知データのそれぞれを相関処理し、直交座標系の相関処理データとして記憶する。表示画像データ選択手段が、特定のアンテナに対応する領域では特定のアンテナに対応する相関処理データを選択して表示画像データ記憶手段に出力し、他の領域では特定のアンテナ以外のアンテナに対応する相関処理データを選択して表示画像データ記憶手段に出力する。

しかしながら、特許文献１に開示の技術では、レーダアンテナごとに直交座標系の相関処理データが生成されるため、必要とされるメモリの記憶容量が多くなってしまうという問題がある。一般的に、直交座標系のデータは、極座標系のデータよりもデータ量が多いからである。

また、特許文献２には、レーダアンテナの設置場所が異なり、かつレーダアンテナ間において電波の送信及びレーダアンテナの回転が非同期であっても、合成レーダビデオ信号を生成することを目的としたレーダビデオ合成装置が開示されている。このレーダビデオ合成装置では、Ｒθ−ＸＹ変換回路が、レーダＡ及びレーダＢのそれぞれからのビデオ信号を直交座標データに変換し、画像データとしてメモリに記憶させる。ＸＹ−Ｒθ変換回路が、レーダＡ及びレーダＢの画像データのそれぞれをレーダＡに合わせた中心位置に調整し、極座標データに変換する。そして、出力バッファ制御回路１９が、レーダＡ及びレーダＢのそれぞれの極座標データを合成して出力する。

しかしながら、特許文献２に開示の技術でも、レーダアンテナごとに直交座標データが生成されるため、特許文献１に開示の技術と同様に、必要とされるメモリの記憶容量が多くなってしまうという問題がある。また、特許文献２に開示の技術は、データを直交座標データに変換した後に、再び、極座標データに変換し直す必要があるため、処理に時間がかかってしまうという問題もある。

特許第４９１７２７０号公報特許第３９９０８３０号公報

上述したように、特許文献１及び特許文献２に開示の技術では、必要とされる記憶容量が多くなってしまうという問題がある。

その他の課題と新規な特徴は、本明細書の記述および添付図面から明らかになるであろう。

一実施の形態によれば、半導体装置は、複数のレーダの夫々の観測結果を示す極座標形式のデータを、軸位置が同一となるように変換を施してから重ね合わせ、重ね合わせ後のデータを直交座標形式に変換するものである。

前記一実施の形態によれば、必要とされる記憶容量を低減することができる。

実施の形態１に係る車載制御システムの構成を示すブロック図である。実施の形態１に係るＥＣＵの構成を示すブロック図である。実施の形態１に係る認識用ＭＣＵの構成を示すブロック図である。実施の形態１に係る認識用ＭＣＵの機能ブロック図である。極座標形式のデータと直交座標形式のデータを示す図である。実施の形態１に係る認識用ＭＣＵで生成される極座標データと直交座標データの関係を示す図である。実施の形態１に係る車載制御システムの動作を示すフローチャートである。実施の形態１に係る認識用ＭＣＵによる周辺環境認識の動作を示すフローチャートである。実施の形態１に係る軸位置変換前後の極座標データを示す図である。実施の形態２に係る認識用ＭＣＵの構成を示すブロック図である。実施の形態２に係る認識用ＭＣＵによる周辺環境認識の動作を示すフローチャートである。実施の形態２に係る軸位置変換前後の極座標データを示す図である。実施の形態２に係る軸位置変換前後の極座標データを示す図である。実施の形態３に係る認識用ＭＣＵの機能ブロック図である。実施の形態３に係る認識用ＭＣＵによる周辺環境認識の動作を示すフローチャートである。

以下、図面を参照しながら、好適な実施の形態について説明する。以下の実施の形態に示す具体的な数値などは、実施の形態の理解を容易とするための例示にすぎず、特に断る場合を除き、それに限定されるものではない。また、以下の記載及び図面では、説明の明確化のため、当業者にとって自明な事項などについては、適宜、省略及び簡略化がなされている。

＜実施の形態１＞
まず、実施の形態１について説明する。図１を参照して、本実施の形態１に係る車載制御システム１の構成について説明する。図１に示すように、車載制御システム１は、ＥＣＵ（Electronic Control Unit）１０と、複数のレーダ１１ａ〜１１ｆと、警告表示装置１２と、ステアリング１３と、ブレーキ１４とを有する。車載制御システム１は、自動車（以下、「車両」とも呼ぶ）に搭載されるシステムである。

レーダ１１ａ〜１１ｆは、車両の外部に配置されており、それ以外の部品１２〜１４は、車両の内部に配置されている。図１では、レーダ１１ａ〜１１ｆの数が６個の例について示しているが、レーダの数は、これに限られない。

ＥＣＵ１０は、車両の各部（ステアリング１３及びブレーキ１４など）を制御する。ＥＣＵ１０は、レーダ１１ａ〜１１ｆのそれぞれから得られるデータに基づいて、車両の周辺環境の認識、認識した周辺環境に応じた車両の制御内容の決定、及び、決定した制御内容での車両の制御などを実施する。ここで、ＥＣＵ１０は、自身の制御モードとして、運転者の操作に基づいて車両を制御する手動制御モードと、運転者の操作に依らず、車両を自動的に制御する自動制御モードとを有している。

例えば、ＥＣＵ１０は、手動制御モードでは、認識した周辺環境に基づいて、このまま運転を継続した場合に車両が物体（障害物）と接触する可能性があると判定した場合には、自身の制御モードを自動制御モードに切り替える。ＥＣＵ１０は、自動制御モードでは、車両が物体を回避する（例えば車両を停止又は車両が物体を迂回して走行する）ように、車両の制御内容を決定する。また、例えば、車両の運転者が手動でＥＣＵ１０の制御モードを手動制御モードから自動制御モードに切り替えることで、ＥＣＵ１０は、自動制御モードにおいて、運転者により設定された目的地まで自動で走行するように、認識した周辺環境に基づいて車両の制御内容を決定するようにしてもよい。

ＥＣＵ１０は、単独の部品で構成されていてもよく、機能ごとに分割された複数の部品で構成されていてもよい。複数の部品で構成されている場合、それぞれの部品は、相互に情報のやり取りができる形で接続されている。この部品は、例えば、後述のＭＣＵ（Micro Control Unit）である。

レーダ１１ａ〜１１ｆのそれぞれは、車両の周辺を観測する観測装置である。レーダ１１ａ〜１１ｆのそれぞれは、例えば光波（例えば赤外線を含む）および電波（例えばミリ波を含む）などの電磁波によって、車両の周辺に存在する物体を観測する。センサ１２は、観測結果を示すレーダデータを生成し、ＥＣＵ１０に送信する。

レーダ１１ａ〜１１ｆのそれぞれは、図１に示すように、車両に設置されている。より詳細には、レーダ１１ａは、車両の左斜め前方を観測するように車両に設置されている。レーダ１１ｂは、車両の前方を観測するように車両に設置されている。レーダ１１ｃは、車両の右斜め前方を観測するように車両に設置されている。レーダ１１ｄは、車両の右斜め後方を観測するように車両に設置されている。レーダ１１ｅは、車両の後方を観測するように車両に設置されている。レーダ１１ｆは、車両の左斜め後方を観測するように車両に設置されている。以下、レーダ１１ａ〜１１ｆを特に区別することなく言及する場合には、単に「レーダ１１」とも呼ぶ。

警告表示装置１２は、車両の搭乗者に対して警告を出力する出力装置である。出力装置は、例えば、警告画像を表示する表示装置である。表示装置は、例えば、液晶パネル、有機ＥＬパネル、又は、プラズマディスプレイパネル等である。また、出力装置は、画像を表示（出力）する装置に限られず、車両の搭乗者に対して警告する際に点灯して光を出力する発光装置であってもよく、車両の搭乗者に対して警告する音声を出力するスピーカーであってもよい。発光装置は、例えば、ＬＥＤライトである。例えば、ＥＣＵ１０は、前述したように、認識した周辺環境に基づいて、このまま運転を継続した場合に車両が物体と接触する可能性があると判定した場合に、警告表示装置１２によって警告を出力し、自身の制御モードを自動制御モードに切り替える。

ステアリング１３は、ＥＣＵ１０からの指示に応じて、車両のタイヤの切れ角を変更する制御装置である。ブレーキ１４は、ＥＣＵ１０からの指示に応じて、その加減が変更される制御装置である。

このように、車載制御システム１は、複数のレーダ１１ａ〜１１ｆによって車両の周辺の状況を観測し、車両の進むべき方向を判断するセンサフュージョンシステムとして機能する。

続いて、図２を参照して、本実施の形態１に係るＥＣＵ１０の構成について説明する。図２に示すように、ＥＣＵ１０は、認識用ＭＣＵ２０と、判断用ＭＣＵ２１と、制御用ＭＣＵ２２、２３とを有する。

認識用ＭＣＵ２０は、複数のレーダ１１ａ〜１１ｆと専用のバスを介して接続されている。判断用ＭＣＵ２１は、警告表示装置１２と専用のバスを介して接続されている。制御用ＭＣＵ２２は、ステアリング１３と専用のバスを介して接続されている。制御用ＭＣＵ２３は、ブレーキ１４と専用のバスを介して接続されている。なお、図２では、制御用ＭＣＵ２２、２３が２つである例について示しているが、制御用ＭＣＵの数は、これに限られない。例えば、ステアリング１３及びブレーキ１４の両方を制御する制御用ＭＣＵを、ＥＣＵ１０が１つだけ有するようにしてもよい。この場合、その制御用ＭＣＵと、ステアリング１３及びブレーキ１４のそれぞれとが専用のバスを介して接続される。

認識用ＭＣＵ２０は、レーダ１１ａ〜１１ｆのそれぞれから受信したレーダデータに基づいて、車両の周辺環境を認識する。より具体的には、認識用ＭＣＵ２０は、例えば、自車の周辺環境として、自車の周辺に存在する物体を認識する。このとき、認識用ＭＣＵ２０は、後述するように、自車の周辺の各位置において物体の存在確率を示すデータを、認識した周辺環境を示すデータとして生成する。そして、認識用ＭＣＵ２０は、生成した周辺環境を示すデータを判断用ＭＣＵ２１に送信する。

判断用ＭＣＵ２１は、認識用ＭＣＵ２０から受信したデータが示す周辺環境に基づいて、車両の制御内容を決定する。例えば、判断用ＭＣＵ２１は、前述したように、車両が物体を回避するように車両の制御内容を決定する。判断用ＭＣＵ２１は、決定した制御内容を示す制御情報を生成し、制御用ＭＣＵ２２、２３のそれぞれに送信する。

制御用ＭＣＵ２２、２３は、判断用ＭＣＵ２１から受信した制御情報に基づいて、その制御情報が示す制御内容で車両を制御する。より具体的には、制御用ＭＣＵ２２は、制御情報が示す制御内容でステアリング１３を制御する。また、制御用ＭＣＵ２３は、制御情報が示す制御内容でブレーキ１４を制御する。

続いて、図３を参照して、本実施の形態１に係る認識用ＭＣＵ２０の構成について説明する。図３に示すように、認識用ＭＣＵ２０は、ＣＰＵ（Central Processing Unit）２００と、内部メモリ２０１と、センサＩ／Ｆ２０２と、外部メモリＩ／Ｆ２０３と、ＭＣＵ間Ｉ／Ｆ２０４とを有する。また、車載制御システム１は、外部メモリ３０を有する。

ＣＰＵ２００は、内部メモリ２０１及び外部メモリ３０に格納された情報に基づいて、認識用ＭＣＵ２０としての機能を実現するための各種処理を実行する演算装置である。

内部メモリ２０１は、ＣＰＵ２００と接続される。内部メモリ２０１は、ＣＰＵ２００による処理の実行に必要な各種情報が格納される記憶装置である。内部メモリ２０１は、例えば、ＳＲＡＭ（Static Random Access Memory）等の高速にアクセス可能なメモリである。

センサＩ／Ｆ２０２は、複数のレーダ１１ａ〜１１ｆと、ＣＰＵ２００とを接続するバスである。外部メモリＩ／Ｆ２０３は、外部メモリ３０と、ＣＰＵ２００とを接続するバスである。ＭＣＵ間Ｉ／Ｆ２０４は、他のＭＣＵ２１〜２３と、ＣＰＵ２００とを接続するバスである。なお、これらのＩ／Ｆ２０２〜２０４は、専用のバスであってもよく、ＣＡＮ（Controller Area Network）又はＥｔｈｅｒｎｅｔ（登録商標）等の規格に準じた汎用のバスであってもよい。また、Ｉ／Ｆ２０２〜２０４のそれぞれは、物理的に別々のバスでなくてもよく、同一のバスを時分割で切り替えて使用してもよい。

外部メモリ３０は、ＣＰＵ２００による処理の実行に必要な各種情報が格納される記憶装置である。外部メモリ３０は、例えば、ＤＲＡＭ（Dynamic Random Access Memory）等の大容量のメモリ、あるいはフラッシュメモリ等の不揮発性のメモリである。

続いて、図４を参照して、実施の形態１に係る認識用ＭＣＵ２０の機能ブロックについて説明する。図４に示すように、認識用ＭＣＵ２０は、システム制御部２１０と、データ取得部２１１と、複数の軸位置変換部２１２と、データ重畳部２１３と、座標変換部２１４と、結果出力部２１５とを有する。各部２１０〜２１５は、ＣＰＵ２００に含まれる。

システム制御部２１０は、データ取得部２１１、複数の軸位置変換部２１２、データ重畳部２１３、座標変換部２１４、及び結果出力部２１５のそれぞれを制御する。例えば、システム制御部２１０は、データ取得部２１１、複数の軸位置変換部２１２、データ重畳部２１３、座標変換部２１４、結果出力部２１５の順に、順序性を守ってデータが処理されるように各部２１１〜２１５を動作させる。

データ取得部２１１は、レーダ１１ａ〜１１ｆのそれぞれから送信されたレーダデータを、センサＩ／Ｆ２０２を介して取得する。データ取得部２１１は、取得したレーダデータに対して処理を施して、図５に示すように、レーダ１１の回転軸を基準として、距離方向をｒ軸とし、反時計回りの角度方向をθ軸とした二次元のデータである極座標形式のデータとなる。以下、このデータを「極座標データ」とも呼ぶ。極座標データは、レーダ１１に対する距離方向及び角度方向のそれぞれを各軸とした二次元空間上において、各座標における物体の存在確率を示すデータである。データ取得部２１１は、生成した極座標データを、外部メモリＩ／Ｆ２０３を介して外部メモリ３０に格納する。なお、レーダ１１ａ〜１１ｆのそれぞれから送信されたレーダデータから生成された極座標データのそれぞれが外部メモリ３０に格納される。言い換えると、レーダ１１ａ〜１１ｆと同数の極座標データが外部メモリ３０に格納される。

複数の軸位置変換部２１２のそれぞれは、レーダ１１ａ〜１１ｆのそれぞれに対応する変換テーブルを用いて、レーダ１１ａ〜１１ｆのそれぞれに対応する極座標データに対して軸位置変換を施す。すなわち、複数の軸位置変換部２１２は、レーダ１１ａ〜１１ｆと同数である。複数の軸位置変換部２１２のそれぞれは、レーダ１１ａ〜１１ｆのそれぞれに対応し、自身に対応するレーダ１１からのレーダデータに基づいて生成された極座標データを処理する。なお、軸位置変換は、レーダ１１の回転軸を原点とした極座標データを、車両の中心を原点とした極座標データに変換するものである。複数の軸位置変換部２１２のそれぞれは、変換後の極座標データのそれぞれを、外部メモリＩ／Ｆ２０３を介して外部メモリ３０に格納する。

ここで、複数の変換テーブルのそれぞれは、予め外部メモリ３０に格納されている。複数の軸位置変換部２１２のそれぞれは、外部メモリＩ／Ｆ２０３を介して外部メモリ３０から複数の変換テーブルのそれぞれを取得し、内部メモリ２０１に格納する。この内部メモリ２０１への変換テーブルの格納は、車載制御システム１の起動完了時に実施してもよく、複数の軸位置変換部２１２のそれぞれが軸位置変換を実行する直前に実施してもよい。複数の軸位置変換部２１２のそれぞれは、内部メモリ２０１に格納された複数の変換テーブルのそれぞれを用いて軸位置変換を実施する。

この変換テーブルは、極座標系において変換前の極座標データが物体の存在確率を示す各座標について、変換前の距離ｒ及び角度θと、変換後の距離ｒ及び角度θとを対応付けたテーブルである。言い換えると、変換テーブルは、レーダ１１の回転軸を原点とした場合における各座標と、それらの各座標を車両の中心を原点とした場合における各座標とが対応付けられている。軸位置変換部２１２は、この変換テーブルに基づいて、変換前の極座標データが示す座標の値が、その座標の距離ｒ及び角度θに対応する変換後の距離ｒ及び角度θの座標の値として示されるように、変換後の極座標データを生成する。

ここで、この変換テーブルは、変換前の距離ｒ及び角度θと変換後の距離ｒ及び角度θとを示す情報であってもよく、変換前の距離ｒ及び角度θを入力すると、変換後の距離ｒ及び角度θを出力する関数の情報であってもよい。

データ重畳部２１３は、外部メモリ３０に格納された極座標データの全てを重畳することで重畳後データを生成する。データ重畳部２１３は、生成した重畳後データを、外部メモリＩ／Ｆ２０３を介して外部メモリ３０に格納する。

座標変換部２１４は、極座標形式の重畳後データを、図５に示すように、車両の中心を基準として、左右方向をＸ軸とし、前後方向をＹ軸とした二次元のデータである直交座標形式のデータとなる。以下、このデータを「直交座標データ」とも呼ぶ。極座標データは、車両の左右方向及び前後方向のそれぞれを各軸とした二次元空間上において、各座標における物体の存在確率を示すデータとなる。座標変換部２１４は、生成した直交座標データを、外部メモリＩ／Ｆ２０３を介して外部メモリ３０に格納する。

結果出力部２１５は、外部メモリ３０に格納された直交座標データを取得し、ＭＣＵ間Ｉ／Ｆ２０４を介して判断用ＭＣＵ２１に出力する。判断用ＭＣＵ２１は、結果出力部２１５から出力された直交座標データに基づいて、車両の周辺における物体の存在確率の認識、車両が走行する経路の探索、及び車両の制御内容の決定などを行う。

続いて、図６を参照して、実施の形態１に係る認識用ＭＣＵ２０で生成される極座標データと直交座標データの関係について説明する。

本実施の形態１では、認識用ＭＣＵ２０は、前述したように、レーダ１１ａ〜１１ｆのそれぞれに対応する複数の極座標データの軸位置を調整してから重畳し、重畳後の極座標データを直交座標データに変換するようにしている。そのため、この直交座標データは、図６に示すように、レーダ１１ａ〜１１ｆのそれぞれからのレーダデータから複数の直交座標データを生成し、それらの軸位置を調整してから重畳したデータと同等の直交座標データが得られる。

なお、図６では、レーダ１１ａ〜１１ｆのそれぞれが角度方向θにおいて観測可能な範囲が０度〜１８０度である例について示している（前述のレーダ１１ａ〜１１ｆの観測方向の中心が９０度であるものとする）。そのため、レーダ１１ａ〜１１ｆのそれぞれの観測範囲は、半径が距離ｒの最大値となる半円形上の観測範囲となる。そして、直交座標データとして、それらの観測範囲が重ね合わせられたデータが生成される。

続いて、図７を参照して、本実施の形態１に係る車載制御システム１の動作について説明する。図７は、本実施の形態１に係る車載制御システム１の動作を示すフローチャートである。

認識用ＭＣＵ２０は、複数のレーダ１１ａ〜１１ｆのそれぞれから受信したレーダデータから、周辺環境認識処理によって、車両の周辺の各位置において障害物（物体）の存在確率を数値化した地図（以下、「周辺環境地図」とも呼ぶ）を作成する（Ｓ１）。この周辺環境地図は、前述の直交座標データに相当する。認識用ＭＣＵ２０は、生成した周辺環境地図を、ＭＣＵ間Ｉ／Ｆ２０４を介して判断用ＭＣＵ２１に送信する。

判断用ＭＣＵ２１は、認識用ＭＣＵ２０から受信した周辺環境地図において、障害物検出処理によって、存在確率が閾値より高く、かつ一定以上の大きさを有する領域を障害物として検出する（Ｓ２）。判断用ＭＣＵ２１は、経路探索処理によって、障害物に接触しない車両の経路を、車両が取りうる複数の経路候補の中から選択する（Ｓ３）。判断用ＭＣＵ２１は、選択した経路で車両が走行するように制御情報を生成し、ＭＣＵ間Ｉ／Ｆ２０４を介して制御用ＭＣＵ２２、２３のそれぞれに送信する。この制御情報は、車両の動きを数値化した情報となる。

制御用ＭＣＵ２２、２３のそれぞれは、車両制御処理によって、判断用ＭＣＵ２１から受信した制御情報に基づいて車両を制御する（Ｓ４）。

続いて、図８を参照して、本実施の形態１に係る認識用ＭＣＵ２０による周辺環境認識（Ｓ１）の動作について説明する。図８は、本実施の形態１に係る認識用ＭＣＵ２０による周辺環境認識（Ｓ１）の動作を示すフローチャートである。なお、それ以降の障害物検出（Ｓ２）、経路探索（Ｓ３）、車両制御（Ｓ４）の各動作については任意のアルゴリズムを用いることができるため、これらの動作についての詳述は省略する。

認識用ＭＣＵ２０のデータ取得部２１１は、レーダ１１ａ〜１１ｆのそれぞれから送信されるレーダデータを取得する（Ｓ１１）。レーダデータは、ある角度θ_ｊについて距離ｒが車両に近い方から遠い方へと順にデータ取得部２１１に入力される。ある角度θ_ｊについての入力が終わると、レーダデータは、次の角度θ_ｊ＋１について同様にデータ取得部２１１に入力される。これを角度が０度から１８０度まで１度ずつ、距離が０から４００まで１ずつ切り替えて入力すると、極座標データは、１８０×４００のサイズの二次元のデータとなる。距離については、一定の単位距離（例えば１０ｃｍ）ごとに量子化する場合、前述したように最大距離が４００であれば４０ｍ先の情報まで取得できることになる。

極座標データが示す各座標の値は、レーダ１１で取得した物体の存在確率を示す。存在確率は、例えば、０．０（０％）〜１．０（１００％）までの確率を２５６段階で量子化した値となる。この極座標データが示す各座標の値は、例えば、正規分布の確率密度関数である次式（１）によって算出される。ｒは、前述したようにレーダ１１からの距離であり、μは、レーダ１１が照射した電磁波が反射された位置（レーダ１１によって物体が検出された位置）までの距離である。σは、ｒがμの近傍から離れるにつれて、ｆ（ｒ）が極大値よりも小さくなる変化の度合いを調整するパラメータとして定められる。σの値が小さいほど変化は急峻となり、極大値も大きい値となる。逆に値が大きいほど変化はなだらかになり、極大値は小さい値となる。実用上、極大値は、０．４〜０．８の範囲の値が用いられる。

ｆ（ｒ）＝１／√（２πσ^２）ｅｘｐ（−（ｒ−μ）^２／２σ^２）・・・（１）

これによれば、レーダ１１によって物体が検出された距離μの座標では、物体の存在確率が極大値となり、その距離μの座標から遠ざかるに従って物体の存在確率が徐々に低下する極座標データが得られる。

データ取得部２１１は、レーダ１１ａ〜１１ｆのそれぞれに対応する極座標データを外部メモリ３０に格納する（Ｓ１２）。

次に、認識用ＭＣＵ２０の複数の軸位置変換部２１２のそれぞれは、自身に対応する変換テーブルを外部メモリ３０から読み出し、内部メモリ２０１に格納する（Ｓ１３）。複数の軸位置変換部２１２のそれぞれは、自身が内部メモリ２０１に格納した変換テーブルのそれぞれに基づいて、極座標データのそれぞれの重ね合わせを可能とするために、極座標データの基準位置（ｒ＝０、θ＝９０）を、レーダ１１ａ〜１１ｆのそれぞれの回転軸から車両の中心に移動させる軸位置変換を行う（Ｓ１４）。

一般的に、直交座標空間のある点Ｘ、Ｙを極座標空間のｒとθで表現すると、三角関数を用いて、Ｘ＝ｒｃｏｓθ、Ｙ＝ｒｓｉｎθと表される。逆に、極座標空間のある点ｒとθは、直交座標空間のＸ、Ｙを用いて、ｒ＝√（Ｘ^２＋Ｙ^２）、θ＝ａｔａｎ（Ｙ／Ｘ）と表現できる。変換前後の各座標におけるデータは、それぞれ１対１に対応する。直交座標空間において各座標点を移動させる変換式は、Ｘ’＝Ｘ＋ａ、Ｙ’＝Ｙ＋ｂとなる。すなわち、直交座標空間において軸位置変換をする場合には、各座標点が平行移動することになる。

しかしながら、同じ変換を、前述の変換式に基づいて極座標空間で表すと、非線形の変換となる。これに対して、本実施の形態１では、変換前の極座標系における各座標と、変換後の極座標系における各座標とを対応付けた変換テーブルを用いることで、極座標空間においても、変換前の座標から変換後の座標を導出することを可能としている。

ここで、図９は、変換前後の極座標データの対応関係を示している。レーダ１１ａ〜１１ｆのそれぞれに対応する極座標データは、図９に「変換前」として示すように、０度から１８０度までの角度のそれぞれにおいて、０から４００までの距離のそれぞれで物体の存在確率を示す１８０×４００のデータである。

また、変換後の極座標データに必要なメモリ空間は、レーダ１１の車両の中心からの位置に応じて一意に定まる。例えば、前述の１８０×４００の極座標空間に対して、全てのレーダ１１ａ〜１１ｆの回転軸が車両の中心から距離５０離れた範囲内に収まる場合は、レーダ１１ａ〜１１ｆに対応する変換後の極座標データの全てを、角度方向に３６０（度）かつ距離方向に４５０の長さを有する３６０×４５０のメモリ空間で表現することができる。

図９では、例として、レーダ１１ｃに対応する変換後の極座標データが極座標系において物体の存在確率を示す範囲（図９に示す「変換後（レーダ１１ｃ）」）と、レーダ１１ｂに対応する変換後の極座標データが極座標系において物体の存在確率を示す範囲（図９に示す「変換後（レーダ１１ｂ）」）とを示している。図６において、車両の後方を０度（＝３６０度）とした場合、図９に示すように、レーダ１１ｃに対応する変換後の極座標データと、レーダ１１ｂに対応する変換後の極座標データとが生成される。変換後の極座標データにおける斜線部分は、変換前の極座標データに対応する部分である。変換後の極座標データでは、変換前の極座標データが極座標系において物体の存在確率を示す範囲におけるｒ＝４００の座標は、上側の太線部分が対応する。変換後の極座標データでは、変換前の極座標データが極座標系において物体の存在確率を示す範囲におけるｒ＝０の座標は、１点に集約される。

図６に示すように、レーダ１１ｃが観測する範囲は、車両の右斜め前方であるため、角度方向に関しては、変換前の極座標データに対応する部分は、中心の１８０度よりも０度側に寄る。また、図６に示すように、レーダ１１ｂが観測する範囲は、車両の前方であるため、角度方向に関しては、変換前の極座標データに対応する部分は、中心の１８０度に対して線対称となる部分となる。

すなわち、複数のレーダ１１ａ〜１１ｆのそれぞれに対応する複数の変換データのそれぞれは、複数のレーダ１１ａ〜１１ｆのそれぞれが車両に設置された位置に応じて、極座標データの軸位置を同一とできるように、相互に異なる内容とされている。これによれば、異なる位置に設置された複数のレーダ１１ａ〜１１ｆのそれぞれからのレーダデータに基づいて生成された極座標データであっても、軸位置が同一となるように変換することができる。

なお、軸位置変換部２１２は、変換後の極座標データにおいて、変換前の極座標データに対応しない部分については、所定の存在確率を設定する。その部分は、レーダ１１によって未観測の領域となるため、例えば、軸位置変換部２１２は、物体の存在確率として０．５（５０％）（存在と不存在の中間値）を設定する。

複数の軸位置変換部２１２のそれぞれは、変換前の極座標データを外部メモリ３０から読み出し、外部メモリ３０において変換前の極座標データが格納されていた領域とは別の領域に、変換後の極座標データを格納する（Ｓ１５）。この軸位置変換により、いずれの極座標データも車両の中心を原点とした座標に揃えることができるため、後述の極座標データの重ね合わせを実施することが可能となる。

全ての軸位置変換部２１２が全てのレーダ１１ａ〜１１ｆに対応する極座標データに対して軸位置変換を行った後、認識用ＭＣＵ２０のデータ重畳部２１３は、極座標データのそれぞれの重畳を行う（Ｓ１６）。重ね合わせにおいては、極座標データのそれぞれの同一の距離ｒ及び角度θの座標の値を所定の割合で重ね合わせる。例えば、値Ａ、Ｂを重ね合わせた結果Ｓを計算する場合、ベイズの定理に基づいて一般に知られる次式（２）、（３）を使用することができる。データ重畳部２１３は、重畳後データを外部メモリ３０に格納する（Ｓ１７）。

ｓ＝Ａ／（１−Ａ）×Ｂ／（１−Ｂ）・・・（２）
Ｓ＝ｓ／（１＋ｓ）・・・（３）

この式（２）、（３）によれば、変換後の極座標データが示す同一の座標のそれぞれにおける存在確率が５０％よりも低い場合には、その同一の座標のそれぞれにおける存在確率のいずれよりも、重畳後データが示すその座標の存在確率が低くなる。また、変換後の極座標データが示す同一の座標のそれぞれにおける存在確率が５０％よりも高い場合には、その同一の座標のそれぞれにおける存在確率のいずれよりも、重畳後データが示すその座標の存在確率が高くなる。これによれば、重畳後データが示す存在確率を、重ね合わせられる極座標データが示す値が総合的に考慮された、より適切な存在確率に調整することができる。すなわち、極座標データにおいて、物体の存在と不存在の中間値（５０％）付近の存在確率が示される頻度を減少させ、判断用ＭＣＵ２１における走行経路の判断を容易化することができる。

ここで、上記の例では、５０％を基準として、極座標データが示す同一の座標のそれぞれにおける存在確率が低い場合には、重畳後データが示すその座標の存在確率をより低くし、極座標データが示す同一の座標のそれぞれにおける存在確率が高い場合には、重畳後データが示すその座標の存在確率をより高くするようにしているが、基準となる値は、５０％又はそれ以外の所定の値としてもよい。この場合、式（２）、（３）に代えて、所定の値を基準として、極座標データが示す同一の座標のそれぞれにおける存在確率が低い場合には、重畳後データが示すその座標の存在確率をより低くし、極座標データが示す同一の座標のそれぞれにおける存在確率が高い場合には、重畳後データが示すその座標の存在確率をより高くする式を利用するようにすればよい。

なお、前述の式（２）、（３）は、２つのデータを重ね合わせるものであるのに対し、本実施の形態１では、６つの極座標データを重ね合わせる必要がある。しかしながら、前述の式（２）、（３）に基づいた２つの極座標データ（既に２つ以上の極座標データが重ね合わされたものの場合もある）の重ね合わせを５回繰り返せば、６つの極座標データを重ね合わせた重畳後データが得られる。

認識用ＭＣＵ２０の座標変換部２１４は、重畳後データを、極座標形式から直交座標形式に変換する（Ｓ１８）。この変換には、前述の距離ｒ及び角度θで示された極座標データを、左右の距離Ｘ及び前後の距離Ｙで示す直交座標データに変換するための前述した一般的な変換式を利用することができる。座標変換部２１４は、変換後の直交座標データを外部メモリ３０に格納する（Ｓ１９）。この直交座標データは、各レーダ１１ａ〜１１ｆからのデータの全てを重ね合わせたものであるため、レーダ１１ａ〜１１ｆの個数分のデータのメモリ空間を確保する必要はなく、１つ分のデータのメモリ空間を確保するだけでよい。なお、この直交座標データを格納するために外部メモリ３０に確保が必要なメモリ空間のサイズは、前述の３６０×４５０の極座標データに対して、車両の中心を基準として上下左右に４５０ずつをとった９００×９００となる。

最後に、認識用ＭＣＵ２０の結果出力部２１５は、直交座標形データを外部メモリ３０から読み出し、ＭＣＵ間Ｉ／Ｆ２０４を介して判断用ＭＣＵ２１に出力する（Ｓ２０）。

ここで、これらの処理は、ＣＰＵ２００がソフトウェア（プログラム）を実行することによって行う。すなわち、このソフトウェアには、前述のＣＰＵ２００が実行する各種処理を実行させるための命令を含んでいる。このソフトウェアは、例えば、外部メモリ３０に予め格納されており、ＣＰＵ２００が外部メモリ３０から内部メモリ２０１にロードすることで実行する。

なお、前述のＣＰＵ２００として、シングルコアプロセッサを採用してもよいが、レーダ１１ａ〜１１ｆの個数以上の数のＣＰＵコアを搭載したマルチコアプロセッサを採用することで、ＣＰＵコアのそれぞれが、ステップＳ１１〜Ｓ１５の処理を同時並列に実行するようにしてもよい。これによれば、シングルコアプロセッサを採用した場合と比較して、短時間で処理を実行することができる。

以上に説明したように、本実施の形態１は、周辺環境認識における動作に特徴がある。本実施の形態１では、データ取得部２１１が、周辺を観測する複数のレーダ１１ａ〜１１ｆの夫々から、観測結果を示す複数のデータを取得し、極座標形式に変換して記憶部（外部メモリ３０）に格納する。軸位置変換部２１２が、記憶部に格納された極座標形式の複数のデータの夫々を、軸位置が同一となるように変換を施して複数の軸位置変換後データの夫々を生成し、記憶部に格納する。データ重畳部２１３が、複数の軸位置変換後データを重ね合わせて重ね合わせデータを生成する。そして、座標変換部２１４は、重ね合わせデータを、直交座標形式に変換するようにしている。これによれば、極座標データよりもデータ量の多い直交座標データを格納するための記憶容量を複数用意する必要が無いため、以下に説明するように、必要とされる記憶容量を低減することができる。

物体の存在確率０〜１．０として、各座標の値を０〜２５５までの２５６段階の値で示すように量子化した場合、１バイトで表現できる。この際に必要な外部メモリ３０の記憶容量は、各レーダ１１ａ〜１１ｃのそれぞれに対応する変換前の極座標データを格納する１８０×４００バイトの領域が６つと、変換後の極座標データを格納する３６０×４５０バイトの領域が６つ（これらの領域のうち、１つは重畳後データを格納する領域も兼ねる）と、直交座標データを格納する９００×９００バイトの領域が１つとで、合計で２，２１４，０００バイトとなる。

一方、特許文献１に基づいて処理をした場合に必要な容量は、各レーダ１１ａ〜１１ｆに対応する変換前の極座標データを格納する１８０×４００バイトの領域が６つと、変換後の直交座標を格納するための９００ｘ９００の領域が６つ（これらの領域のうち、１つは重畳後のデータを格納する領域も兼ねる）とで、合計で５，２９２，０００バイトとなる。すなわち、本実施の形態１によれば、必要なメモリの記憶容量を、この例よりも、５８％も削減することができる。

＜実施の形態２＞
続いて、実施の形態２について説明する。以下の実施の形態２の説明では、上述した実施の形態１と同様の内容については、同一の符号を付す等して、適宜、その説明を省略する。本実施の形態２に係る車載制御システム１及びＥＣＵ１０の構成は、図１及び図２に示した実施の形態１に係る車載制御システム１及びＥＣＵ１０の構成と同様であるため、その説明を省略する。

続いて、図１０を参照して、本実施の形態１に係る認識用ＭＣＵ２０の構成について説明する。図１０に示すように、認識用ＭＣＵ２０は、実施の形態１に係る認識用ＭＣＵ２０と比較して、さらに、歪み補正プロセッサ２０５と、画像処理エンジン２０６と、制御バス２０７とを有する。

歪み補正プロセッサ２０５は、歪み補正を行う専用のハードウェアが搭載された回路である。本実施の形態２では、歪み補正プロセッサ２０５は、この歪み補正を行う専用のハードウェアを用いて、前述の軸位置変換及び座標変換を実施する。歪み補正プロセッサ２０５は、本実施の形態２では、内部メモリ２０１は、歪み補正プロセッサ２０５と接続されている。

画像処理エンジン２０６は、画像の重ね合わせなどの画像処理を行う専用のハードウェアが搭載された回路である。本実施の形態２では、画像処理エンジン２０６は、この画像処理を行う専用のハードウェアを用いて、前述のデータ重畳を実施する。

ＣＰＵ２００から歪み補正プロセッサ２０５及び画像処理エンジン２０６を制御するために、ＣＰＵ２００は、歪み補正プロセッサ２０５及び画像処理エンジン２０６と制御バス２０７を介して接続されている。なお、複数のレーダ１１ａ〜１１ｆ、ＣＰＵ２００、センサＩ／Ｆ２０２、外部メモリＩ／Ｆ２０３、及び、ＭＣＵ間Ｉ／Ｆ２０４については、実施の形態１と同様であるため、その説明を省略する。

実施の形態２に係る認識用ＭＣＵ２０の機能ブロックについては、図４に示した実施の形態１に係る認識用ＭＣＵ２０の機能ブロックと同様であるため、その説明を省略する。ただし、本実施の形態２では、実施の形態１と異なり、後述するように、軸位置変換部２１２及び座標変換部２１４は、歪み補正プロセッサ２０５に含まれ、データ重畳部２１３は、画像処理エンジン２０６に含まれる。

本実施の形態２に係る車載制御システム１の動作については、図７に示した本実施の形態１に係る車載制御システム１の動作と同様であるため、その説明を省略する。続いて、図１１を参照して、本実施の形態２に係る認識用ＭＣＵ２０による周辺環境認識（Ｓ１）の動作について説明する。図１１は、本実施の形態２に係る認識用ＭＣＵ２０による周辺環境認識（Ｓ１）の動作を示すフローチャートである。

本実施の形態２に係る車載制御システム１の動作の流れについては、ステップＳ１３を有さないことを除き、図８に示した実施の形態１に係る車載制御システム１の動作の流れと同様である。すなわち、本実施の形態２では、歪み補正プロセッサ２０５は、車載制御システム１の起動完了時に、外部メモリ３０から変換テーブルを取得し、内部メモリ２０１に予め格納している。なお、実施の形態１と同様に、内部メモリ２０１への変換テーブルの格納は、複数の軸位置変換部２１２のそれぞれが軸位置変換を実行する直前に実施してもよい。また、実施の形態１では、全ての動作をＣＰＵ２００で実行していたのに対し、本実施の形態２では、前述の通り、軸位置変換（Ｓ１４〜Ｓ１５）及び座標変換（Ｓ１８〜Ｓ１９）については歪み補正プロセッサ２０５が実行し、データ重畳（Ｓ１６〜Ｓ１７）については画像処理エンジン２０６が実行する。

ステップＳ１４の軸位置変換では、歪み補正プロセッサ２０５は、極座標系において、変換前の極座標データが物体の存在確率を示す範囲において、図１２の「変換前」として示すように、連続する小さな三角形の領域を定義する。この三角形の領域は、変換前の極座標データを、極座標系において距離方向の所定単位ごと及び角度方向の所定単位ごとに、ｒ軸及びθ軸のそれぞれと平行する直線で格子状に分割し、さらに、その分割で得られた複数の四角形のそれぞれを２つの三角形に分割することで得られる領域である。

ここで、実施の形態１では、変換テーブルは、極座標データが存在確率を示す全ての座標について変換前後の座標を対応付けた情報を有しているが、実施の形態２では、変換テーブルは、変換前の極座標データにおいて定義した各三角形の頂点の座標のみについて変換前後の座標を対応付けた情報を有している。よって、歪み補正プロセッサ２０５は、変換前の極座標データを外部メモリ３０から読み出した後、変換テーブルを用いて変換前の極座標データにおける各三角形の頂点の座標を変換し、変換後の極座標データを外部メモリ３０に格納する。この変換も、図１２に示すように、実施の形態１と同様に非線形の変換となる。

歪み補正プロセッサ２０５は、変換後の極座標データにおける各三角形の辺の値を、変換前の極座標データにおける各三角形の辺の値とする。歪み補正プロセッサ２０５は、変換前後で三角形の大きさ又は形状が異なる場合には、拡大縮小又は補間をすることにより、変換後の極座標データにおける三角形の辺の値から、変換後の極座標データにおける三角形の辺の値を生成する。また、歪み補正プロセッサ２０５は、三角形の内部の値を、その三角形の各頂点及び各辺の値に基づいて補間することで生成する。この軸位置変換により、いずれの極座標データも車両の中心を原点とした座標に揃えることができるため、後述の極座標データの重ね合わせを実施することが可能となる。

ここで、前述したように、変換後の極座標データでは、変換前の極座標データにおけるｒ＝０の座標は、１点に集約される。よって、本実施の形態２では、図１３に示すように、変換前の極座標データにおいて距離ｒが０となる各座標が、変換後の極座標データにおいて１点に集約される場合、距離が０となる座標を有する四角形を分割した２つの三角形のうち、距離が０の頂点を１点だけ有する三角形（図１３の斜線部分）を、変換後の極座標データにおいて集約された１点を頂点に有する三角形に変換する。これによれば、変換前の極座標データにおいて距離ｒが０となる各座標が、変換後の極座標データにおいて１点に集約される場合であっても、三角形メッシュの頂点処理専用のハードウェアを搭載した歪み補正プロセッサ２０５の機能を活かして変換を実施することができる。

ステップＳ１６のデータ重畳では、歪み補正プロセッサ２０５が全てのレーダ１１ａ〜１１ｆに対応する極座標データに対して軸位置変換を行った後、画像処理エンジン２０６は、極座標データのそれぞれの重畳を行う。この重ね合わせについては、実施の形態１と同様に、極座標データのそれぞれの同一座標における値を所定の割合で重ね合わせればよく、前述のベイズの定理に基づく式（２）、（３）を利用してもよい。

例えば、前述の式（２）における値Ａ、Ｂを入力とし、前述の式（３）における結果Ｓを出力とする関数の情報を、テーブルとして、画像処理エンジン２０６が有するメモリ（例えばＲＡＭ、図示せず）に予め格納しておくようにしてもよい。そして、このテーブルを利用して、極座標データの重畳を行うようにしてもよい。例えば、このテーブルは、予め外部メモリ３０に格納される。画像処理エンジン２０６は、車載制御システム１の起動完了時に、このテーブルを外部メモリ３０から取得し、自身が有するメモリに格納する。

ステップＳ１８の座標変換では、歪み補正プロセッサ２０５は、重畳後データを、極座標形式から直交座標形式に変換する。この変換には、実施の形態１と同様に、前述の距離ｒ及び角度θで示された極座標データを、左右の距離Ｘ及び前後の距離Ｙで示す直交座標データに変換するための一般的な変換式を利用することができる。ただし、本実施の形態２では、実施の形態１と異なり、前述の軸位置変換の場合と同様に、歪み補正プロセッサ２０５は、重畳後データを極座標系において連続した三角形に分割し、それぞれの頂点の変換前後の座標を、変換式を利用することで変換する。なお、変換後の直交座標データにおける各三角形の各辺及び内部の値は、前述の軸位置変換の場合と同様に生成すればよい。

なお、各データを格納するために必要な外部メモリ３０の記憶容量は、実施の形態１と同様である。よって、本実施の形態２における必要なメモリの記憶容量の削減効果については、実施の形態１の場合と同じである。

以上に説明したように、本実施の形態２では、車載制御システム１は、システム制御部２１０、データ取得部２１１及び結果出力部２１５を含むＣＰＵ２００と、軸位置変換部２１２、データ重畳部２１３及び座標変換部２１４を含む専用回路（歪み補正プロセッサ２０５及び画像処理エンジン２０６）とを有している。すなわち、本実施の形態２では、実施の形態１においてＣＰＵ２００で行っていた軸位置変換、重ね合わせ、及び、直交座標変換の処理を専用の歪み補正プロセッサ２０５及び画像処理エンジン２０６で行うことにより、ＣＰＵ２００の処理に要する時間を短縮し、より短い処理時間でこれらの処理を実現することが可能となる。

また、本実施の形態２では、歪み補正プロセッサ２０５は、軸位置変換前の極座標データを極座標系において分割することで得られる複数の三角形の各頂点の座標を軸位置が同一となるように変換する。このとき、歪み補正プロセッサ２０５は、軸位置変換後の極座標データにおいて、三角形の辺の値を、軸位置変換前の極座標データにおける三角形の辺の値とし、三角形の内部の値を、その三角形の各頂点及び各辺の値によって補間するようにしている。このように、軸位置変換処理において、処理単位が全画素から三角形の頂点の画素のみとなったことにより、ＣＰＵ２００に対して４０倍程度の高速化が期待できる。また、重ね合わせの処理では、演算式が計算済みのテーブルの参照に置き換わったことにより、１０倍程度の高速化が期待できる。

＜実施の形態３＞
続いて、実施の形態３について説明する。以下の実施の形態３の説明では、上述した実施の形態１、２と同様の内容については、同一の符号を付す等して、適宜、その説明を省略する。本実施の形態３に係る車載制御システム１、ＥＣＵ１０及び認識用ＭＣＵ２０の構成は、図１、図２及び図１０に示した実施の形態２に係る車載制御システム１、ＥＣＵ１０及び認識用ＭＣＵ２０の構成と同様であるため、その説明を省略する。なお、本実施の形態３では、実施の形態２に係る車載制御システム１に対して後述のフィルタ処理を適用した例について説明するが、当然に、実施の形態１に係る車載制御システム１に対して後述のフィルタ処理を適用してもよい。

続いて、図１４を参照して、実施の形態３に係る認識用ＭＣＵ２０の機能ブロックについて説明する。図１４に示すように、認識用ＭＣＵ２０は、図４に示した実施の形態１、２に係る認識用ＭＣＵ２０と比較して、さらに、複数のフィルタ処理部２２１と、フィルタ処理部２２２とを有する。複数のフィルタ処理部２２１は、歪み補正プロセッサ２０５に含まれ、フィルタ処理部２２２は、画像処理エンジン２０６に含まれる。しかしながら、これに限られず、ＣＰＵ２００が、複数のフィルタ処理部２２１及びフィルタ処理部２２２を含んでいてもよい。

複数のフィルタ処理部２２１のそれぞれは、外部メモリ３０に格納された変換後の極座標データに対して、過去の変換後の極座標データを用いてフィルタ処理を実施する。ここで、過去の変換後の極座標データは、典型的には、前回の変換後の極座標データであるが、これに限られない。例えば、過去数回分の変換後の極座標データを利用してもよい。

複数のフィルタ処理部２２１のそれぞれは、レーダ１１ａ〜１１ｆに対応する変換後の極座標データのそれぞれに対して、レーダ１１ａ〜１１ｆに対応する過去の変換後の極座標データのそれぞれを利用してフィルタ処理を実施する。すなわち、複数のフィルタ処理部２２１は、レーダ１１ａ〜１１ｆと同数である。複数のフィルタ処理部２２１のそれぞれは、レーダ１１ａ〜１１ｆのそれぞれに対応し、自身に対応するレーダ１１からのレーダデータに基づいて生成された極座標データを処理する。

フィルタ処理部２２２は、外部メモリ３０に格納された直交座標データに対して、過去の直交座標データを用いてフィルタ処理を実施する。ここで、過去の直交座標データは、典型的には、前回の変換後の直交座標データであるが、これに限られない。例えば、過去数回分の変換後の極座標データを利用してもよい。

本実施の形態３に係る車載制御システム１の動作については、図７に示した本実施の形態１に係る車載制御システム１、２の動作と同様であるため、その説明を省略する。続いて、図１５を参照して、本実施の形態３に係る認識用ＭＣＵ２０による周辺環境認識（Ｓ１）の動作について説明する。図１５は、本実施の形態３に係る認識用ＭＣＵ２０による周辺環境認識（Ｓ１）の動作を示すフローチャートである。

本実施の形態３に係る周辺環境認識（Ｓ１）の動作は、図１１に示した実施の形態２に係る周辺環境認識（Ｓ１）の動作と比較して、さらに、ステップＳ２１〜Ｓ２４を有する。ステップＳ１５の実施後かつステップＳ１６の実施前に、ステップＳ２１、Ｓ２２が実施される。ステップＳ１９の実施後かつステップＳ２０の実施前に、ステップＳ２３、２４が実施される。

ステップＳ１５の実施後、複数のフィルタ処理部２２１のそれぞれは、軸位置変換後の極座標データに対してフィルタ処理を行う（Ｓ２１）。より具体的には、複数のフィルタ処理部２２１のそれぞれは、現在処理中の変換後の極座標データと、過去の変換後の極座標データの同一座標における値を所定の割合で重ね合わせる。複数のフィルタ処理部２２１のそれぞれは、極座標データを重ね合わせることで生成した新たな極座標データを外部メモリ３０に格納する（Ｓ２２）。この極座標データは、データ重畳部２１３で処理される（Ｓ１６）とともに、次回の周辺環境認識（Ｓ１）において過去の軸位置変換後の極座標データとして利用可能とするために外部メモリ３０に保持され続ける。

ステップＳ１９の実施後、フィルタ処理部２２２は、座標変換後の直交座標データに対してフィルタ処理を行う（Ｓ２３）。より具体的には、フィルタ処理部２２２のそれぞれは、現在処理中の座標変換後の直交座標データと、過去の座標変換後の直交座標データの同一座標位置における値を所定の割合で重ね合わせる。フィルタ処理部２２２のそれぞれは、直交座標データを重ね合わせることで生成した新たな直交座標データを外部メモリ３０に格納する（Ｓ２４）。この直交座標データは、結果出力部２１５で処理される（Ｓ２０）とともに、次回の周辺環境認識（Ｓ１）において過去の座標変換後の極座標データとして利用可能とするために外部メモリ３０に保持され続ける。

ここで、ステップＳ２１及びＳ２３における重ね合わせは、極座標データを所定の割合で重ね合わせる様々な手法を採用することができるが、例えば、データ重畳（Ｓ１６）と同様に、前述のベイズの定理に基づく式（２）、（３）を利用してもよい。すなわち、現在処理中のデータにおける各座標の値Ａと過去のデータにおける各座標の値Ｂとから得られる結果Ｓを、フィルタ処理後のデータにおける各座標の値としてもよい。

以上に説明したように、本実施の形態３では、フィルタ処理部２２１が、軸位置変換後データと、過去の軸位置変換後データとを重ね合わせるようにしている。また、データ重畳部２１３は、重ね合わせ後の軸位置変換後データを重ね合わせて重ね合わせデータを生成するようにしている。そして、フィルタ処理部２２１は、重ね合わせ後の軸位置変換後データを、次に生成された軸位置変換後に対して過去の軸位置変換後データとして使用するために記憶部に格納するようにしている。

また、フィルタ処理部２２２が、直交座標形式のデータと、記憶部（外部メモリ３０）に格納された過去の直交座標形式のデータとを重ね合わせるようにしている。そして、フィルタ処理部２２２は、重ね合わせ後の直交座標形式のデータを、次に生成された直交座標形式のデータに対して過去の直交座標形式のデータとして使用するために記憶部に格納するようにしている。

このように、現在のデータだけでなく、過去のデータを用いたフィルタ処理を行うことで、物体の存在確率をより多くのデータを重ね合わせて計算することが可能になる。これにより、認識用ＭＣＵ２０では、実施の形態１及び実施の形態２の場合よりも、過去から現在にかけて物体の存在確率が高い座標位置ではより存在確率を高め、過去から現在にかけて物体の存在確率が低い座標位置ではより存在確率を低めることができる。すなわち、周辺環境認識の精度をより向上して、判断用ＭＣＵ２１が認識用ＭＣＵ２０から出力された認識結果を用いて、より確実に障害物の認識および回避の判断を行うことが可能となる。

なお、以上の説明では、フィルタ処理を、変換後の極座標データと直交座標データに対して適用した例について説明したが、これに限られない。フィルタ処理を、変換前の極座標データ及び重畳後データに対して、同様に適用してもよい。

以上、本発明者によってなされた発明を実施の形態に基づき具体的に説明したが、本発明は既に述べた実施の形態に限定されるものではなく、その要旨を逸脱しない範囲において種々の変更が可能であることはいうまでもない。

前述の実施の形態では、データの重ね合わせをベイズの定理に基づく式（２）、（３）により実施する例について説明したが、データを所定の割合で重ね合わせる方法であれば、これに限られない。例えば、データのそれぞれの各座標の値の相加平均又は加重平均を算出した結果を、重ね合わせ後の各座標の値としてもよい。

また、前述の実施の形態では、レーダ１１ａ〜１１ｆの全てに対して異なる変換テーブルを用意するようにしているが、これに限られない。例えば、車両の中心に対して点対称に配置されたレーダ１１、及び、車両の中心を通る前後方向又は左右方向の直線に対して線対称に配置されたレーダ１１については、いずれか１つのレーダ１１のみについて変換テーブルを用意するようにし、他のレーダ１１については、その変換テーブルをレーダ１１同士の対称性を考慮して変換することで利用してもよい。

例えば、レーダ１１ｃに対応する変換後の極座標データでは、図９に示すように変換前の極座標データに対応する部分が配置される。一方で、車両の中心を通る前後方向の直線に対してレーダ１１ｃと線対称となるレーダ１１ａの変換後の極座標データにおいては、変換前の極座標データに対応する部分が配置される部分は、レーダ１１ｃのものと比較し、１８０度の位置におけるｒ軸と平行な直線に対して線対称となる。よって、１８０度の位置におけるｒ軸と平行な直線に対して線対称な結果が得られるように、レーダ１１ｃの変換テーブルを変換することで、レーダ１１ａに対応する変換テーブルを生成し、レーダ１１ａに対応する極座標データの軸位置変換に使用してもよい。

上述のＣＰＵ２００が実行するプログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータ（ＥＣＵ１０）に供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ−ＲＯＭ（Read Only Memory）、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（Random Access Memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

１車載制御システム
１０ＥＣＵ
１１レーダ
１２警告表示装置
１３ステアリング
１４ブレーキ
２０認識用ＭＣＵ
２１判断用ＭＣＵ
２２、２３制御用ＭＣＵ
３０外部メモリ
２００ＣＰＵ
２０１内部メモリ
２０２センサＩ／Ｆ
２０３外部メモリＩ／Ｆ
２０４ＭＣＵ間Ｉ／Ｆ
２０５歪み補正プロセッサ
２０６画像処理エンジン
２０７制御バス
２１０システム制御部
２１１データ取得部
２１２軸位置変換部
２１３データ重畳部
２１４座標変換部
２１５結果出力部
２２１、２２２フィルタ処理部

Claims

周辺を観測する複数のレーダの夫々から、観測結果を示す複数のデータを取得し、極座標形式に変換して記憶部に格納するデータ取得部と、
前記記憶部に格納された極座標形式の複数のデータの夫々を、軸位置が同一となるように変換を施して複数の軸位置変換後データの夫々を生成し、前記記憶部に格納する軸位置変換部と、
前記複数の軸位置変換後データを重ね合わせて重ね合わせデータを生成するデータ重畳部と、
前記重ね合わせデータを、直交座標形式に変換する座標変換部と、を備え、
前記軸位置変換後データは、極座標系における各座標において物体の存在確率を示すものであり、
前記データ重畳部は、
前記軸位置変換後データが示す同一の座標の夫々における存在確率が所定の値よりも低い場合には、前記同一の座標の夫々における存在確率のいずれよりも、前記重ね合わせデータが示すその座標の存在確率を低くし、
前記軸位置変換後データが示す同一の座標の夫々における存在確率が前記所定の値よりも高い場合には、前記同一の座標の夫々における存在確率のいずれよりも、前記重ね合わせデータが示すその座標の存在確率を高くする、
半導体装置。
ＣＰＵと、専用回路と、を備え、
前記ＣＰＵは、
周辺を観測する複数のレーダの夫々から、観測結果を示す複数のデータを取得し、極座標形式に変換して記憶部に格納するデータ取得部を含み、
前記専用回路は、
前記記憶部に格納された極座標形式の複数のデータの夫々を、軸位置が同一となるように変換を施して複数の軸位置変換後データの夫々を生成し、前記記憶部に格納する軸位置変換部と、
前記複数の軸位置変換後データを重ね合わせて重ね合わせデータを生成するデータ重畳部と、
前記重ね合わせデータを、直交座標形式に変換する座標変換部と、を含み、
前記専用回路は、前記軸位置変換部及び前記座標変換部を含む歪み補正プロセッサと、前記データ重畳部を含む画像処理エンジンとを有し、
前記歪み補正プロセッサは、前記軸位置が同一となるように変換する前の極座標形式のデータを極座標系において分割することで得られる複数の三角形の各頂点の座標を軸位置が同一となるように変換し、前記軸位置変換後データにおいて、前記三角形の辺の値を、変換前の前記極座標形式のデータにおける三角形の辺の値とし、前記三角形の内部の値を、当該三角形の各頂点及び各辺の値によって補間する、
半導体装置。
前記複数の三角形は、変換前の前記極座標形式のデータを、極座標系において各軸と平行する直線で格子状に分割することで得られる複数の四角形のそれぞれを２つに分割することで得られるものであり、
前記歪み補正プロセッサは、変換前の前記極座標形式のデータにおいて距離が０となる各座標が、前記軸位置変換後データにおいて１点に集約される場合、距離が０となる座標を有する四角形を分割した２つの三角形のうち、距離が０の頂点を１点だけ有する三角形を、前記軸位置変換後データにおいて集約された１点を頂点に有する三角形に変換する、
請求項２に記載の半導体装置。