车辆的碰撞规避辅助装置的制作方法

本发明涉及汽车等车辆的碰撞规避辅助技术，更详细而言，涉及用于避免行驶中的车辆与动物碰撞的装置。

背景技术：

在汽车等车辆的驾驶辅助技术的领域，提出了预碰撞安全系统(PCS(注册商标))等各种系统的构成，该系统使用车载的摄像机、雷达传感器来监视行驶中的车辆的前方，在检测到其他车、人、动物等对象物的情况下，预知是否有与这些对象物碰撞的可能性，进行用于避免与对象物碰撞的辅助。例如，在专利文献1、2中公开了如下构成：判定在车载照相机的图像中检测到的对象物是人还是四足动物，在是四足动物时，考虑四足动物向其头部的方向移动的可能性较高而推定该四足动物移动后的存在区域，判定所推定的四足动物的存在区域与车辆将来的存在区域是否重叠，从而检测碰撞的可能性。在专利文献3中提出了：在存在与对象物碰撞的可能性时，在对象物是人的情况与是四足动物的情况下，变更碰撞的可能性的通报频度和时机。另外，关于利用拍摄的图像检测到的对象物是否是四足动物的识别方法，在专利文献4-6提出了如下构成：根据表示对象物像的姿势的矢量的角度是否周期性变化(专利文献4)；根据对象物像的下方的构成中相当于脚的运动的像要素是否有变化(专利文献5)；或者根据在对象物像是否有相当于四足动物的脊柱和四足的像要素(专利文献6)，来判定对象物是否是四足动物。

现有技术文献

专利文献

专利文献1：日本特开2010-020401

专利文献2：日本特开2010-108507

专利文献3：日本特开2009-301283

专利文献4：日本特开2010-113550

专利文献5：日本特开2010-092429

专利文献6：日本特开2010-009372

技术实现要素：

本发明欲解决的问题

可是，一般而言，进入车辆的行驶路径的动物，例如马、牛、羊等家畜、鹿、羚羊、熊、袋鼠等野生动物，分别根据其种类而行动模式或者行动特征会不同。例如，在车辆接近时的动物的行动中，根据其种类有从车辆离开(逃离)的情况、在该处站着不动的情况、接近车辆的情况、或者闯入行驶路径的情况等，另外，其移动速度、移动方向也根据动物的种类而不同。因此，在车辆的行进方向的行驶路径或者其周边的图像中发现了动物的情况下，如果没有确定其种类，那么难以推定动物之后向哪个地方移动，即难以推定将来动物所存在的位置或者存在概率高的区域，也难以高精度地判定车辆与动物碰撞的可能性。关于这一点，在对象物是动物的情况下，在不确定种类且不能预测行动的倾向的状况下，由于不知道拍摄图像上的动物像在哪个方向以何种程度的速度移动，因此，在该动物将来的存在区域的预测中，为了掌握动物行动的倾向或者追踪动物像，需要在图像上的比较大的区域中进行图像分析。然而，图像信息是具有二维坐标值和亮度和时间的四维信息，图像区域的分析范围变大时，由于运算负荷和处理时间大幅增大，因此，为了迅速判断碰撞的可能性并达成用于碰撞规避的辅助，需要更高性能的运算处理装置和存储器，成本会增大。

并且，在动物的行动特征不同的情况下，用于碰撞规避的有效的辅助也会不同。对于在车辆前方发现的动物，在利用声音、光来发出警报的情况下，根据动物的种类，有对警报敏感地反应并从车辆离开的情况；还有对警报完全没有反应，几乎不会改变行动地进入行驶路径的情况。特别是，在前者的情况下，能够发出声音或者光的警报等而不必执行车辆的制动、转向就避免碰撞；但在后者的情况下，能够通过执行车辆的制动或者转向来避免碰撞。反之，能仅用警报来避免碰撞的情况下的车辆的制动转向所导致的驾驶辅助；或者能用车辆的制动转向来避免碰撞的情况下的警报；分别都是无用的辅助。因此，优选的是，在车辆的行进方向的行驶路径或者其周边的图像中发现动物作为对象物的情况下，能够根据动物的种类，以更适当的形态来提供用于碰撞规避的辅助。

这样，本发明的一个目的在于提供一种车辆的碰撞规避辅助装置，在车辆的行驶路径或者其周边发现了动物的情况下，确定该动物的种类，基于该种类的行动特征，以更高准确度推定动物将来的存在区域，提高判定碰撞可能性的准确度。

另外，本发明的另一个目的在于提供一种如上所述的装置，能够根据确定了种类的动物的行动特征，更适当地选择用于碰撞规避的辅助的形态。

并且，本发明的另一个目的在于提供一种如上所述的装置，尽可能降低图像处理量，降低运算负荷，和/或缩短处理时间。

用于解决问题的方案

根据本发明，上述目的由如下车辆的碰撞规避辅助装置实现：车辆的碰撞规避辅助装置包含：拍摄单元，其获取所述车辆的周边的图像；动物像检测单元，其在所述图像中检测是否有动物像；动物种类判别单元，其在所述图像中检测到动物像的情况下，判别所述动物的种类；动物存在区域预测单元，其基于表示被判别出的动物的种类的行动特征的行动特征指标值，预测将来的所述动物的存在区域；碰撞可能性判定单元，其基于所述将来的所述动物的存在区域的预测结果，判定所述动物与所述车辆碰撞的可能性；以及辅助处理执行单元，其在判定为所述动物有可能与所述车辆碰撞时，执行用于碰撞规避的辅助处理。

在所述构成中，“动物”的种类可以是马、牛、羊、鹿、羚羊、熊、袋鼠、其他四足步行动物。“被判别出的种类的动物的行动特征”是指车辆接近动物时，该动物有可能产生的各种行动模式(或者行动的形态)，例如从车辆离开(逃离)、停留在原地(站着不动)、闯入行驶路径等行动模式的特征(被判别出的种类的动物的行动模式的采取容易度、或者采取各种行动模式的概率等)，“行动特征指标值”是表示每个动物的种类的“行动特征”的值。作为“行动特征指标值”，可以是对通过预先调查而得到的各个动物的种类可能产生的行动特征的信息的每一个附加的标记值，更具体而言，如后所述，可以是示出通过预先调查而得到的各个动物的种类可能产生的行动的形态的产生概率的值、表示可能产生的行动的形态中的移动速度和/或方向的值等。而且，在使用该“行动特征指标值”进行的“将来的动物的存在区域的预测”中，具体而言，可以预测动物将来存在的被划定了边界的区域、或者将来的移动路径，但如在后详细所述，也可以决定在车辆周边的平面区域中的动物将来的存在概率的分布。在实施方式中，可以在动物存在区域预测单元中，设置有行动特征指标值储存单元以预先储存被设想为可能进入车辆的行驶路径的种类的动物的“行动特征指标值”的数据组，从储存在行动特征指标值储存单元中的数据组选择被判别出的动物的种类的行动特征指标值。另外，所述拍摄单元可以是对车辆的周边进行拍摄并生成图像的车载照相机等，动物像检测单元和动物种类判别单元可以由如下单元实现：以任意的形态，例如实施方式一栏中例举的那样利用边缘提取法、图案匹配法等任意图像处理法，在拍摄的图像中检测动物像、判别动物的种类。

根据上述构成，在车辆行驶中，在由车载照相机等拍摄单元获取的车辆的周边的图像中检测到动物像时，首先，判别该动物的种类，使用该被判别出的种类的动物的“行动特征”的信息，预测动物的存在区域。在该情况下，在预测的动物的存在区域的信息中会反映有被发现的动物的种类的行动特征，因此，可期待其预测结果比以往精度高或者准确度高，另外，由此，也能够以更高精度或者高准确度来判定是否有在车辆的周边的图像中发现的动物与车辆碰撞的可能性。

另外，上述本发明的装置可以是如下构成：还包含辅助处理选择单元，该辅助处理选择单元基于被判别出的动物的种类，选择用于碰撞规避的辅助处理的形态，辅助处理执行单元执行所选择的形态的辅助处理。如上所述，车辆接近时的动物的行动特征根据种类而不同，因此，对于碰撞规避的有效辅助也根据动物的种类而不同。例如，对于对声音、光有反应并从车辆离开的种类的动物，产生警报是有效的，对于动物对警报没有反应而进入行驶路径的种类的动物，为了避免车辆进入动物的存在区域，利用车辆的制动、转向进行的辅助是有效的。即，由于根据被判别出的动物的种类，有效的辅助处理的形态也不同，因此如上所述，通过设置为：在车辆的周边发现动物，并判定为该动物有可能与车辆碰撞的情况下，能够进一步根据该动物的种类来选择辅助处理的形态，从而能够提供更适当的用于碰撞规避的驾驶辅助。另外，由此，也能够抑制因执行不需要的辅助处理而导致的、周边或者驾驶者或者乘员的不快感、不协调感。

在所述本发明的装置的构成中，关于在动物存在区域预测单元中执行的将来的存在区域的预测，更详细而言，预测结果能用各种形态来表现。例如，作为1个形态，可以表示为从在车辆周边的平面区域的图像中检测到动物的位置起的轨迹，另外，也可以划定在将来、例如从在图像中检测到的时间起的任意时间之后，动物可能存在的区域。进一步，如后述的实施方式一栏中说明的那样，也可以表示为车辆周边的平面区域中的动物将来的存在概率的分布。这些动物将来的存在区域的预测是使用从图像得到的动物的当前朝向、位置和移动速度、动物的被判别出的种类的行动特征指标值(例如，如上所述，示出动物的被判别出的种类可能产生的行动的形态的产生概率的值、表示可能产生的行动的形态中的移动速度和/或方向的值)来执行的。因此，由于在动物将来的存在区域的预测结果中反映了动物的被判别出的种类的行动特征，因此，可期待进一步提高该结果的精度或者准确度，随此，在碰撞的可能性的判定中，能够缩小应该注意的区域或者应该分析的区域，由此，能够降低运算负荷和处理时间。这样，在上述本发明的装置中，动物存在区域预测单元可以使用动物的被判别出的种类的行动特征指标值和动物的当前朝向、位置和移动速度，生成在车辆周边的平面区域中的动物将来的存在概率的分布，作为将来的所述动物的存在区域的预测结果。另外，动物的被判别出的种类的行动特征指标值可以包含：对动物的被判别出的种类能预想到的行动模式中会产生的动物的移动方向和移动速度、以及该行动模式的产生概率。

此外，根据动物的种类，在动物单独存在时、与形成由多头构成的群体时，有的情况下行动的形态或者模式会不同。因此，在上述本发明的一个形态可以是如下构成：动物种类判别单元判别在图像中检测到的像的动物是否形成群体，在行动特征在判别出的种类的动物形成群体的情况、与以个体存在的情况下不同时，在判别为像的动物形成群体时、与未判别为像的动物形成群体时，使用不同的行动特征指标值来预测将来的动物的存在区域。由此，可期待进一步提高动物形成群体的情况下的将来的动物的存在区域的预测结果的准确度。

在上述本发明的装置的动物与车辆碰撞的可能性的判定中，明了地说，如上所述参照考虑到动物的种类的行动特征而得到的将来的动物的存在区域的预测结果，根据动物是否可能进入车辆的行行进路线径或者将来的存在区域，判定是否有动物与车辆碰撞的可能性。在该处理中，可以是如下的构成：为了更高精度地判定碰撞的可能性，在本发明的装置中，设置有预测车辆将来的存在区域的车辆存在区域预测单元，碰撞可能性判定单元基于将来的动物的存在区域的预测结果和车辆将来的存在区域的预测结果，判定是否有动物与车辆碰撞的可能性。在车辆将来的存在区域的预测中，其预测结果可以表示为从车辆的当前位置起基于车速等运动状态而决定的将来轨迹，也可以划定在将来、例如从图像中检测到动物的时间的任意时间后车辆可能存在的区域。另外，进一步，如后述的实施方式一栏中说明的那样，也可以表示为车辆周边的平面区域中的车辆将来的存在概率的分布。在该情况下，碰撞可能性判定单元可以基于动物将来的存在概率的分布和车辆将来的存在概率的分布，判定动物与车辆碰撞的可能性。具体而言，例如可以是：如后所述，在预定距离的范围内存在动物的概率高的区域或者位置、和存在车辆概率高的区域或者位置存在时；或者在车辆周边的平面区域中动物与车辆同时存在的概率高的区域存在时，判定为有碰撞的可能性。

发明效果

如“背景技术”一栏中所述，以往提出了各种装置，检测在行驶中的车辆的周边是否存在动物，并判断碰撞的可能性，执行用于碰撞规避的辅助处理。然而，在这些装置中，未执行判别动物的种类的处理，因此，没有考虑到动物的种类所导致的行动特征的差异并预测动物的行动。在该情况下，在车辆行驶中，即使在其周边检测到动物的存在，由于其检测的动物的移动方向、移动速度等行动实际上不确定，因此，难以高精度地预测将来的存在区域。

另一方面，在上述本发明的装置中，在行驶中的车辆的周边检测到动物的情况下，如上所述，首先，判别该动物的种类，参照该种类的动物的行动特征，能够对每个动物的种类预测动物在车辆周边之后如何移动。这样一来，如上所述，由于能够更高精度地推定动物的存在区域或者其可能性高的区域，能够更高精度地预测是否有动物与车辆碰撞的可能性，因此，能够准确决定是否执行用于碰撞规避的辅助。另外，如上所述，通过掌握根据检测到的动物的种类而预测的将来的行动倾向，从而在车辆的周边的区域中减小(缩窄)与用于碰撞规避的辅助相关联的处理的执行的对象区域，因此，可期待降低运算负荷和处理时间，能够迅速达成是否有碰撞的可能性的判定、辅助处理的必要性的判定、辅助处理的提供。进一步，在根据动物的种类来决定辅助处理的形态的构成的情况下，能够对检测到的动物执行更有效的辅助，能够避免执行不需要的辅助，在这方面是有利的。

本发明的其他目的和优点从以下的本发明的优选的实施方式的说明中可以明了。

附图说明

图1(A)是搭载有本发明的实施方式所涉及的碰撞规避辅助装置的车辆的示意的平面图，图1(B)是以框图形式示出本发明所涉及的碰撞规避辅助装置的实施方式的构成的图。

图2(A)是以流程图的形式表示本发明所涉及的碰撞规避辅助装置的识别ECU的处理工作的实施方式的图，图2(B)是以流程图的形式表示图2(A)的处理工作中的动物种类判别处理的实施方式的图。

图3是以流程图的形式表示本发明所涉及的碰撞规避辅助装置的辅助控制ECU的处理工作的实施方式的图。

图4(A)是说明在车载照相机的图像中检测动物到像的边缘提取处理的图，图4(B)是图像中的四足步行动物、行人(二足步行对象物)、车辆等的像的被提取的边缘像的示意图。

图5(A)是说明对于在车载照相机的图像中检测到的动物像，利用图案匹配来判别动物的种类的处理的图，图5(B)是示意性地示出图案匹配中使用的动物像的图案的例子的图。图5(C)是示意性地表示多个动物形成群体的情况下的车载照相机的图像中的动物像的图，示出对于图中的动物个体赋予了索引的形态。

图6(A)是说明本发明的动物将来的存在区域的预测中所利用的动物的移动模型中的动物能采取的行动模式及其产生概率的图。图6(B)是说明动物的移动模型中的每单位时间的动物位置的移动距离和方向的图。图6(C)是说明动物的移动模型中的动物的移动方向的图。图6(D)是示意性地表示在动物的移动模型中，作为动物的行动特征指标值之一而提供的移动方向θik的角度宽度Δθik的产生概率pθ的分布的图表。图6(E)是将图6(D)的移动方向θik的角度宽度Δθik的产生概率pθ的分布换算为半径r的圆弧方向的距离来表示的图表。图6(F)是示意性地表示在动物的移动模型中作为动物的行动特征指标值之一而提供的速度加加速度(jerk)J的产生概率pj的分布的图表。图6(G)是示意性地表示在动物的移动模型中作为动物的行动特征指标值之一而提供的动物能产生的最大速度Vmax的产生概率pma的分布的图表。图6(H)是示意性地表示根据动物的移动模型得到的动物将来存在位置的分布的图。

图7(A)是使用本发明的动物将来的存在区域的预测中所利用的动物的移动模型，对每个行动模式示意性地表示存在概率最高的位置的时间变化的图(第一形态)。图7(B)是示意性地表示根据使用随机数作为行动特征指标值的动物的移动模型而运算的、某个时刻t的车辆周边的平面区域内的动物将来预测位置的标绘点的分布例的图(第二形态)。图7(C)是示意性地表示从图7(B)的预测位置的标绘点算出的将来的存在概率p的分布的图。图7(D)是示意性地表示某个时刻t的动物将来的存在概率Pa的分布的图，图7(E)是示意性地表示动物将来的存在概率的分布(点划线是某个概率的等高线)随着时间的经过而变化的形态的图。

图8示出动物将来的存在区域的预测中所使用的按种类区分的动物的行动特征指标值的列表的例子。

图9(A)是说明作为动物将来的存在区域的预测，对每个行动模式，在每个时间对存在概率最高的位置进行推定的形态(第一形态)中，判定是否有车辆与动物碰撞的可能性的处理的图。图9(B)是说明作为动物将来的存在区域的预测，在生成车辆周边区域的动物的存在概率分布的形态(第二形态)中，判定是否有车辆与动物碰撞的可能性的处理的图。图9(C)是示意性地示出在动物将来的存在概率的分布随着时间的经过而变化期间，与车辆将来的存在概率高的区域重叠的图。

图10(A)、(B)、(C)是与图9(B)同样的图，是示意性地示出根据动物的种类，动物将来的存在概率的分布不同的例子的图。图10(D)、(E)是与图9(B)同样的图，是示意性地示出某个种类的动物以个体存在的情况(D)、和同一种类的动物以群体存在的情况(E)的图。

附图标记说明

10…车身

12FL、12FR、12RL、12RR…车轮

14…车轮速度传感器

28…差动齿轮

30…转向装置

32…方向盘

34…增力装置

36L、36R…横拉杆

40…制动系统装置

42FL～42RR…制动装置(制动轮缸)

44…制动踏板

45…主缸

46…液压回路

60…电子控制装置

62…横摆角速度传感器

70…照相机

71…扬声器

72…头灯

具体实施方式

下面参照附图，详细说明本发明的几个优选的实施方式。图中，同一附图标记示出同一部位。

装置的构成

本发明所涉及的碰撞规避辅助装置的优选实施方式如图1(A)示意性地描绘的那样，搭载在通常的汽车等车辆10中。在具有左右前轮12FL、12FR、和左右后轮12RL、12RR的车辆10中，在通常的形态下，搭载有对各轮产生驱动力的驱动系统装置(仅图示一部分)、对各轮产生制动力的制动系统装置40、转向系统装置30。在制动系统装置40中，在通常时，利用与响应于驾驶者对制动踏板44的踩下而工作的主缸45连通的液压回路46，调节装备在各轮上的制动轮缸42i(i＝FL、FR、RL、RR，以下同样)内的制动压力、即各轮的制动力时，作为本发明的碰撞规避辅助装置所进行的碰撞规避辅助而执行车辆的制动，在该情况下，基于电子控制装置60的指令将各轮的制动轮缸内的制动压力增大，对各轮产生制动力。此外，制动系统装置40可以是以空气压式或者电磁式对各轮提供制动力的形式、或者也可以是其他的对于本领域技术人员而言的任意形式。转向系统装置可以是如下转向装置：通常时将由驾驶者操作的方向盘32的旋转一边利用增力装置34将旋转力增力一边向横拉杆36L、36R传递，使前轮12FL、12FR转向，在作为本发明的碰撞规避辅助装置所进行的碰撞规避辅助而执行车辆的转向的情况下，基于电子控制装置60的指令使增力装置34工作并使前轮12FL、12FR转向。

并且，在搭载有本发明所涉及的碰撞规避辅助装置的车辆10中，搭载有用于对车辆的行进方向及其周边状况进行拍摄的照相机70，将拍摄的图像信息s1向电子控制装置60发送。照相机70可以是该领域通常使用的摄像机，采用进行彩色或者黑白拍摄、并具有将其拍摄的图像转换为能够由运算机处理的形态的信号并向电子控制装置60发送的功能的照相机。另外，也可以搭载有扬声器74和灯72(可以是通常装备在车辆上的头灯)，该扬声器74和灯72用于利用声音和/或光来执行警报w1，作为碰撞规避辅助。

上述本发明所涉及的碰撞规避辅助装置的工作由电子控制装置60执行。电子控制装置60可以包含通常形式的、具有由双向共用总线相互连结的CPU、ROM、RAM和输入输出端口装置的微型运算机和驱动电路。之后说明的本发明的碰撞规避辅助装置的各部的构成和工作可以分别通过电子控制装置(运算机)60按照程序进行工作从而实现。除了所述照相机70的图像信息s1之外，还向电子控制装置60输入：为了预测车辆将来的存在区域而来自用于检测车辆车速的车轮速度传感器14的车轮速度值VwFL、VwFR、VwRL、VwRR；为了计测偏航角而来自横摆角速度传感器(陀螺传感器等)62的横摆角速度γ、来自增力装置34的转向角δ等。此外，虽然未图示，但也可以输入应该在本实施方式的车辆中执行的各种控制所需的各种参数、例如前后G传感器值等，并将各种控制指令向对应的装置输出。

在电子控制装置60中实现的本发明所涉及的碰撞规避辅助装置的具体构成中，参照图1(B)，设置有识别ECU和辅助控制ECU。在识别ECU中设置有：对象物像检测部，其在车载照相机70的图像中检测有无对象物(可能产生车辆碰撞可能性的动物、行人、车辆等对象物)的像；动物候选识别部，其在发现了对象物像的情况下，识别该对象物是否是动物；动物种类判别部，其在对象物是动物时判别该动物的种类；和动物位置信息检测部，其检测动物的位置信息(从车辆观察的位置、速度、朝向)。另一方面，在辅助控制ECU中设置有：存储器部，其预先储存表示设想为可能进入车辆行驶路径的种类的动物的行动特征的“行动特征指标值”的数据组；动物存在区域预测部，其从该存储器部使用表示在图像中检测到的动物的被判别出的种类的行动特征的行动特征指标值和动物的位置信息，预测动物将来的存在区域；车辆存在区域预测部，其使用车辆的运动状态信息即表示速度、转向角或者横摆角速度等当前的运动状态的指标值，预测车辆将来的存在区域；碰撞可能性判定部，其使用动物将来的存在区域的预测结果和车辆将来的存在区域的预测结果，判定是否有动物与车辆碰撞的可能性；以及辅助选择部，其在判定为具有碰撞的可能性时，根据动物的种类来选择用于碰撞规避的辅助。而且，在执行辅助时，根据选择的辅助的形态，使显示部、扬声器、灯等工作，为了根据需要来执行制动控制、转向控制，分别向对应的控制装置发送控制指令。此外，如上所述，应该理解上述各部的构成和工作是通过在运算机(电子控制装置60)中执行程序而实现的。下面，详细说明：在碰撞规避辅助用的识别ECU中执行的、在图像中进行的动物像的识别和动物的种类的判别处理；以及在辅助控制ECU中执行的、有无碰撞可能性的判定和碰撞规避的辅助执行的处理。

装置的工作的概要

在本发明所涉及的碰撞规避辅助装置中，如“发明内容”一栏说明的那样，明了地说，在对行驶中的车辆的行进方向及其周边状况进行拍摄的图像中，检测到动物像的情况下，预测该动物将来的存在区域，判定是否有动物与车辆碰撞的可能性，在有可能碰撞的情况下，执行用于碰撞规避的辅助。在该构成中，如上所述，由于动物的行动模式或者行动的形态根据其种类而不同，因此，在未确定种类的状况下，不知道动物在哪个方向以多大的速度移动(例如，根据种类，可能有向与发现时的动物的朝向不同方向移动的倾向高的情况)，难以高精度地预测动物将来的存在区域。而且，如果在欲在未确定这样的种类的状况下提高预测动物将来的存在区域的准确度的情况下，需要在图像中跨某个程度的期间地追踪动物像并估计行动的形态，此时，由于动物运动的方向、速度是不确定的，因此必须扩大在图像中检索的区域，运算负荷和处理时间可能会大幅增加。另外，在执行碰撞规避的辅助的阶段，用于碰撞规避的有效的辅助形态会根据动物的种类而不同。对于只通过提供基于声音、光的供警报就会从车辆离开的种类的动物，作为辅助，基于声音、光的警报是有效的；但对于即使提供基于声音、光的警报也没有反应而会进入车辆的行驶路径的可能性高的种类，通过制动、转向来使车辆避开动物是有效的辅助形态。

因此，在本发明中如上所述，在检测到动物像的情况下，首先判别该动物的种类，动物将来的存在区域的预测是考虑到该种类被判别的动物的行动特征、即容易产生的行动模式或者行动形态而执行的。在该情况下，通过参照检测到的动物的种类的行动特征，从而提高检测到的动物将来的存在区域的预测结果的准确率，并且与不能掌握容易移动的方向和速度的情况相比，使在图像上进行动物像的追踪的时间缩短，可期待运算负荷的减轻和处理时间的缩短。并且，通过确定动物的种类，从而在执行碰撞规避的辅助时，能够根据动物的种类来选择或者决定作为碰撞规避辅助而有效的形态，能够提供适当的碰撞规避辅助。此外，本发明所涉及的碰撞规避辅助装置的主要构成是在图像中检测到动物像的情况下的碰撞规避辅助相关的构成，此时，对于在图像中检测到动物以外的像的情况，可以用其他形态来执行碰撞规避辅助相关的处理。因此，本发明所涉及的碰撞规避辅助装置可以作为车辆的通用的碰撞规避辅助装置的一部分而被实现。下面，说明各个处理。

动物像检测、种类判别处理

参照图2(A)，首先，在由本发明的装置中的识别ECU执行的图像中的动物像的检测和动物种类的判别处理中，在获取了车载照相机70所拍摄的图像数据后(步骤10)，检测在图像中是否有可能产生与车辆碰撞的可能性的动物、行人、车辆等对象物像(步骤12)。车载照相机70所拍摄的图像如图4(A)的上部示意性地示出的那样，可以是该领域通常利用的规格的图像，图像的视角典型地被调整为：在行驶中的车辆的前方包含行驶路径R及其周边。对象物像的有无的检测处理可以利用任意的图像处理方法来实现。在1个形态下，首先，如图4(A)的上部示意性地例举的那样，在时间上连续的图像中对每个像素运算亮度的差值。这样一来，在背景像、静止物的像中，差值实际上为零；与之相对，在动物等运动的对象物像d中，在连续的图像之间会产生位置的偏离，如图4(A)的下部所示，在表示连续图像的差值的图像Δt1、Δt2中，像d的边缘作为亮度值的差值像S而产生。因此，通过提取该亮度值的差值即边缘像S，从而检测是否有运动的对象物像d。在该亮度值的差值像S的检测、即运动的对象物像d的边缘提取中，具体而言，通过在差值图像Δt1、Δt2上提取超过预定阈值的亮度值的区域，从而检测到边缘像S、即运动的对象物像d的存在区域。(此外，在连续图像的差值的运算中，对于伴随着车辆行进的背景偏离、拍摄噪声等，能够通过在差值图像Δt1、Δt2中设定提取亮度值的差值像S时的阈值等来忽略。另外，也可以使用车速信息，校正连续图像间的背景的偏离，之后运算连续图像间的差值图像。)

这样，在照相机70所拍摄的图像上检测到对象物像的情况下，判定该像是否是动物(步骤14)。检测到的对象物的候选像是否是动物的判定处理也可以利用任意的图像处理方法来实现。在1个形态下，可以基于上述差值图像Δt1、Δt2上的边缘像S的构成来进行判定。具体而言，如图4(B)示意性地例举的那样，在对象物是行人(二足步行对象物)的情况(中央图)下，在其边缘像中检测到表示两条腿部的边缘像a、b；在对象物是车辆等的情况(右图)下，检测到表示其轮廓的边缘像a；与之相对，在四足步行动物的情况(左图)下，检测到四条腿部和头部的边缘像a、b、c、d、e。因此，通过判定在差值图像的边缘像S中是否存在四条腿部和头部的边缘像a、b、c、d、e，从而能够判定运动的对象物像d是否是四足步行的动物。

在上述判定处理中，在没有运动的对象物像的情况下，开始接下来的循环；在运动的对象物像d是行人(二足步行对象物)或者车辆等的情况下，可以执行与本发明的处理不同的任意处理。在运动的对象物像d是四足步行动物时，执行动物的种类的判别处理(步骤16)。动物的种类的判别处理典型地如图5(B)示意性地描绘的那样，可以通过使用被设想可能进入车辆的行驶路径的各种动物像的预先准备的图案，并对由车载照相机70得到的图像执行图案匹配，从而进行。此时，为了降低与某个图像内的动物像匹配的图案候选的数量，可以如下这样进行：在进行图案匹配之前，将动物根据其大小例如分类为大型、中型、小型，从具有被分类的大小的动物种类的图案中选择进行匹配的图案。

具体而言，参照图2(B)，首先，在由车载照相机70得到的图像中，如图5(A)例举的那样，划定出图案匹配的分析区域(步骤30)。由于已经检测到上述图像中的对象物像的存在区域，因此，可以基于该存在区域来设定分析区域。接下来，如上所述，根据从对象物像的大小推定的动物的大小，将检测到的动物根据大小分类(步骤32)。此处，由于假定了知道照相机图像整体的视角，且车辆实际上在平面上行驶，因此能够从图像中的对象物像的大小(视角)和图像上的位置来推定像的动物的大小。

像的动物被根据其大小分类后，选择该被分类的大小的动物的图案之一(步骤34)，对图像上的动物像的朝向与图案的朝向进行整合(步骤36)，并执行图案匹配(步骤38)。在图案的选择中，例如，在图像上的像的动物大小被分类为中型时，选择图5(B)所例举的图案中的中型动物的图案中的1个。在动物像的朝向与图案的朝向的整合中，对于动物像的朝向，由于知道其在上述边缘像中头部的边缘像相对于腿部的边缘像的配置，因此可以决定该动物像的朝向，使得选择的图案的朝向与动物像的腿部与头部的位置关系整合。可以使用任意的图像处理方法来执行图案匹配。例如，可以运算图像的分析区域内的亮度值与图案的互相关函数值，在互相关函数值超过预定的值时，判定为动物像与图案符合。另外，可以对多张图像内的动物像来执行图案匹配。

这样，在图案匹配中，判定动物像与选择的图案是否一致(步骤40)，在判定为动物像与图案一致时，该动物的种类被决定为是一致的图案的种类(步骤44)。另一方面，在判定为动物像与图案不一致时，选择动物像所被分类的大小的动物的个图案的另1个，重复与上述同样的处理，执行像的动物的种类的检索，直到发现一致的图案。此外，在动物像与预先准备的动物的图案的任一个都不一致时，判定为是辅助对象以外的动物(步骤46)。在该情况下，开始接下来的循环(步骤18)。(即使是四足步行动物，比图5(B)的小型动物还小型的小动物(狗、猫等)为本发明的碰撞规避辅助的对象以外。另外，通常认为优选实施碰撞规避辅助的大小的动物中的、没有被设想到的动物会进入行驶路径的情况是极少的。)

可是，在图像中，如图5(C)示意性地例举的那样，可能发生检测到多头形成群体的动物的情况。在该情况下，也可以对于各个动物像执行与上述同样的种类的判别处理。然后，在判别种类后，对于各动物像如图示那样赋予个体号码(步骤20)。在动物以个体存在时，也可以仅对该个体赋予个体号码。

如上所述，判别了图像内的像的动物的种类后，检测动物的位置信息、即从车辆观察的位置、速度。如上所述，动物的位置能够从像在图像内的位置来推定，动物的朝向能够从边缘像S的腿部与头部的位置关系来确定。动物的速度(当前的速度)能够从像在几张左右的连续图像内的位置的变化来检测。(不需要检测速度变化的倾向，由于知道像的位置，因此图像处理量不大)

碰撞可能性判定处理

这样，在车载照相机70的图像中检测到动物像的情况下，判别其种类并检测位置信息后，在辅助控制ECU中参照这些信息，如图3的流程图所示，执行：(1)动物将来的存在区域的预测；(2)车辆将来的存在区域的预测；和(3)动物与车辆碰撞的可能性的有无的判定。

(1)动物将来的存在区域的预测

在动物将来的存在区域的预测中，明了地说，基于在照相机70的图像中检测到的动物的当前位置、速度、朝向、和表示该动物的种类的行动特征的“行动特征指标值”，推定之后的动物的移动方向和速度，预测将来动物会存在的车辆周边的平面区域中的位置或者范围。关于这一点，动物将来的存在区域的预测结果可以以各种形态进行表现。例如，预测结果可以被表示为从动物的当前位置到将来的任意时间的动物的移动路径、或者将来的任意时间的动物的存在位置或者范围。

另外，一般而言，在动物的之后的行动中，各种行动模式各自能够以与该动物的种类的行动特征对应的各模式的产生概率产生，动物可能基于这些各种行动模式各自的产生概率而存在于车辆周边的平面区域的各种位置或者范围。例如，由于考虑到某个动物以某个概率向某个方向以某个速度移动，因此使用这些概率、方向、速度，能够算出该动物在某个时刻存在于某个位置的概率。而且，通过收集在车辆周边的平面区域内的各种位置(可以不是整个范围)的概率，从而能够决定在车辆周边的平面区域上的动物将来的存在概率的分布。因此，在本实施方式中，作为动物将来的存在区域的预测，使用动物的当前位置、速度、朝向、和可能产生的各种行动模式中的方向和速度、和各个行动模式的产生概率，算出在车辆周边的平面区域上的动物将来的存在位置及在该位置的存在概率或者生成其分布。在该处理中，具体而言，使用对动物从被发现的位置起的移动的形态进行了假定的动物的移动模型，在每个时间算出在车辆周边的平面区域上的动物的将来的位置及存在于该位置的概率，或者算出在车辆周边的平面区域上动物的存在概率的分布。下面，说明本实施方式中假定的动物的移动模型、和使用了该模型进行的车辆周边的平面区域上的动物将来的存在位置及概率的算出或者该分布的生成。

(i)动物的移动模型

在动物的移动模型中，首先，如图6(A)示意性地描绘的那样，假定为：某种动物在车辆接近的情况下，会以产生概率“Pik”来采取例如停止、向前方逃离、向后方逃离、(不顾车辆的接近而)前进等行动模式中的任意行动模式。此处，i是表示动物的种类例如、马、牛、羊、鹿、羚羊、熊、袋鼠等的符号，k例如是表示停止、向前方逃离、向后方逃离、(不顾车辆的接近而)前进等各个行动模式的符号。而且，假定为：在采取了行动模式k的情况下，动物如图6(B)示意性地示出的那样，按照下述的递推公式来移动。

x_ik(t_n+1)＝x_ik(t_n)+v_ik(t_n+1)·cos(θo+θ_ik)·Δt…(1)

y_ik(t_n+1)＝y_ik(t_n)+v_ik(t_n+1)·sin(θo+θ_ik)·Δt…(2)

此处，x_ik(t_n)、y_ik(t_n)、v_ik(t_n)是动物i采取行动模式k的情况下的时刻tn的存在位置(在以车辆的当前位置为原点、并以车辆的行进方向为x方向的坐标系中的坐标值)和速度。上述递推公式中的x_ik、y_ik、v_ik的初始值分别是图像中的当前的动物的位置x(0)、y(0)、动物在图像内向朝向θo的速度v(0)。因此，如图6(B)所示，假定为：动物在图像内从被发现的位置起在每单位时间Δt[t_n+1～t_n]向从车辆的行进方向观察的角度θo+θ_ik的方向逐次各移动v_ikΔt。

在上述模型中，假定为：动物的移动时的行进方向θo+θ_ik更详细而言在如图6(C)示意性地描绘的那样采取了行动模式k的情况下，是从图像内的动物的朝向θo变位了θ_ik的方向。具体而言，假定为：θ_ik的值以符合如图6(D)示意性地描绘的吊钟状的曲线的分布(中心值θc)的产生概率pθ，如图6(C)例举的那样成为角度宽度Δθ_ik的范围内的值(概率分布的幅度根据动物的种类和行动模式而不同)。因此，动物的角度方向的存在位置如图6(C)示意性地描绘的那样，按照基于产生概率pθ的存在概率qθ的分布而分布。此外，以简化模型为目的，动物的移动方向θo+θ_ik可以假定为最初决定的值被原样维持。另外，由于与角度宽度Δθik对应的实际的距离宽度(圆弧的长度)随着动物的移动距离延长而一起延长，因此，在换算为实际距离的情况下，如图6(E)示意性地例举的那样，产生概率pθ的大小随着距动物的当前位置的距离增大(r1→r2→r3→r4)而降低(积分值是恒定的)。即，动物的移动距离越长，各位置的存在概率越低。

并且，在上述模型中，假定动物的速度符合下述的递推公式。

v_ik(t_n+1)＝min{v_ik(t_n)+J_ik，Vmaik}…(3)

此处，Jik、Vmaik分别是动物i采取行了动模式k的情况下的动物的移动速度的每单位时间的变化量(速度加加速度)和最高速度。因此，根据所述递推公式，动物的移动速度在每单位时间各变化速度加加速度Jik，此时，假定为：在v_ik(t_n)+J_ik超过了最高速度Vmaik的情况下，移动速度会成为最高速度Vmaik，即不会超过不现实的值。此处，更详细而言，速度加加速度Jik的值被假定为：以符合如图6(F)示意性地描绘的吊钟状的曲线的分布(中心值Jc)的产生概率pj而成为某个值(概率分布的幅度根据动物的种类和行动模式而不同)。另外，最高速度Vmaik的值也同样可以假定为：以符合图6(G)示意性地描绘的吊钟状的曲线的分布(给出最大概率值的中心值Vmac向速度高侧偏离的分布)的产生概率pMa而成为某个值(概率分布的幅度根据动物的种类和行动模式而不同)。即，动物的速度v_ik(t)的值被假定为以产生概率pj或者pMa而产生的值。因此，再次参照图6(B)，每单位时间的动物的移动后的位置在图中的跨与中心值Jc或者Vmac对应的黑点的前后的某个程度的范围(图中由白点示出的范围)内，符合基于产生概率pj或者pMa的存在概率qr地进行分布。

图6(H)是示意性地表示假定动物i按照上述递推公式(1)～(3)的模型移动的情况下的车辆周边的平面区域中的动物的位置移动和概率的例子的图。参照该图，根据上述模型，例如，首先，预测动物会与多个能采取的行动模式中的每个对应地，在图中的由II、III、IV标注的扇状区域中，分别以Pi2、Pi3、Pi4的产生概率进行移动。而且，详细而言，做出如下预测：在各扇状区域II、III、IV中，使用具有图6(D)～图6(G)的产生概率分布(Ji2，Vmai2，θi2)、(Ji3，Vmai3，θi3)、(Ji4，Vmai4，θi4)，根据上述递推公式(1)～(3)重复运算动物i的位置和速度时，例如，动物的位置例如在时刻t1，在图中以从使用(Jik，Vmaik，θik)的中心值Jc、Vmac、θc(产生概率最高的值)算出的位置(黑点)向周边而降低的概率qi2(t)、qi3(t)、qi4(t)(图中，黑点的周围的虚线圆是概率的等高线)进行分布，随着时刻变化为t1→t2→t3，其存在位置的分布进行移动。

在上述模型中，本模型中的4个参数(Jik、Vmaik、θik、Pik)是表示动物的行动特征的行动特征指标值。由于对这些行动特征指标值(Jik、Vmaik、θik、Pik)使用根据动物的种类而不同的值的组，因此，动物的存在位置的分布及其伴随时间的经过的推移的形态会根据动物的种类而不同(参照图10)。此外，如图所示，通常，由于随着时间的经过，动物可能存在的区域的大小变大，因此，各位置处的存在概率会降低。

(ii)动物将来的存在概率的算出或者其分布的生成

如果按照上述动物的移动模型，则某个时刻的某个位置的动物的将来的存在概率由Pik×pθ(θik)×pj(Jik)(或者×pma(Vmaik))给出。然而，遍及车辆周边的平面区域的整个范围地分析地算出各位置的存在概率时，运算量大，是困难的。因此，作为预测结果的第一形态，作为动物的将来的位置及存在于该位置的概率的代表值，可以对每个行动模式，使用(Jik，Vmaik，θik)的中心值Jc、Vmac、θc，并利用所述递推公式(1)～(3)，算出存在概率最高的位置及在该位置的存在概率。对于存在位置，如图7(A)示意性地例举的那样，通过在每个时刻(t1，t2，t3…)逐次地运算递推公式从而算出，对于在各存在位置的存在概率，利用Pik×pθ(θik＝θc)×pj(Jik＝Jc)(或者×pma(Vmaik＝Vma))来给出。在该情况下，在算出结果中，动物的将来的存在位置随着时间而沿着将图6(H)中的黑点连接的线移动，如上所述，由于越是随着时间而距最初位置的距离变长，pθ越低，因此在各存在位置的存在概率会降低。

在另一个预测结果的形态(第二形态)中，可以在上述递推公式(1)～(3)中代入符合(Jik，Vmaik，θik)的各产生概率的随机数，在每个时刻，算出许多动物将来的存在位置后，在车辆周边的平面区域内生成将动物的存在频度合计而得到的存在概率的分布来作为预测结果。具体而言，首先，如上所述，作为(Jik，Vmaik，θik)的值，生成符合各产生概率的随机数，将该随机数向所述递推公式(1)～(3)代入，在每个时刻算出动物将来的存在位置。这样一来，如图7(B)示意性地例举的那样，在车辆周边的平面区域内，由于能够标绘某个时刻t的动物的许多存在位置，因此，对将车辆周边的平面区域内以预定宽度分区而得到的每个小区域，将存在频度(标绘点数)计数。然后，通过将每个小区域的存在频度除以存在频度的总数，从而如图7(C)示意性地例举的那样，算出各小区域的存在概率p，进一步，通过在这些存在概率上乘以选择(Jik，Vmaik，θik)的概率、即行动模式k的产生概率Pik，从而生成时刻t的动物的存在概率分布。在该情况下，提供车辆周边的平面区域的每个小区域的动物的存在概率，如图7(D)示意性地例举的那样，在动物的周围生成每个时间的将来的存在概率的分布(图中的点划线是存在概率的等高线)。另外，通过以时间序列生成上述将来的存在概率的分布，从而如图7(E)例举的那样，预测将来的存在概率的分布的随着时间经过的推移(点划线是某个概率的等高线)。

(iii)处理过程

再次参照图3的流程图，在实际的处理中，首先，根据判别出的动物的种类，从预先储存在存储器部的、表示被设想为可能进入车辆的行驶路径的种类的动物的行动特征的行动特征指标值的数据组中，选择上述行动特征指标值(Jik，Vmaik，θik，Pik)(图3-步骤50)。图8以表形式表示了保存在存储器部的速度加加速度、最高速度、角度变位和产生概率的数据组。从该图可以理解，行动特征指标值的数据组按照各种动物的每个种类，对可能产生的行动的各个形态具有速度加加速度Jik、最高速度Vmaik、角度变位θik、产生概率Pik，在确定在图像中检测到的动物的种类后，选择该种类的所有行动特征指标值的组。例如，在动物的种类是“鹿”的情况下，选择鹿的所有数据组。关于这一点，在作为预测结果，算出每个时间的存在概率最高的位置及在该位置的存在概率(第一形态)的构成的情况下，选择速度加加速度Jik、最高速度Vmaik、角度变位θik的各自的中心值(因此，在仅执行第一形态的预测的构成中，保存在存储器部的数据组可以仅是各自的中心值)。另外，在生成每个时间的存在概率分布(第二形态)的构成的情况下，对于速度加加速度Jik、最高速度Vmaik、角度变位θik，选择按照各自的产生概率给出的随机数值。此外，保存在存储器部的速度加加速度、最高速度、角度变位和产生概率的数据组可以是预先通过各种动物的观察实验而收集的数据。

之后，对选择的各个行动模式，使用上述递推公式(1)～(3)，算出每个时间的存在概率最高的位置及在该位置的存在概率(第一形态)、或者生成每个时间的存在概率分布(第二形态)(步骤52)。作为预测结果是算出还是生成上述第一形态和第二形态中的哪一个，可以由装置的设计者来适当选择。此外，根据选择哪个形态，后述的碰撞可能性的有无的判定的处理不同。进行预测的时间范围(执行预测的最终时刻)可以任意设定。

可是，如图5(C)例举的那样，在车辆周边发现多头动物的情况下，可以对于各动物各自算出或者生成第一形态或者第二形态的预测结果。在该情况下，如上所述，由于对多头动物中的每个赋予索引，因此，对每个索引，算出每个时间的存在概率最高的位置及在该位置的存在概率(第一形态)、或者生成每个时间的存在概率分布(第二形态)。关于这一点，对于某种动物，在单独行动时和形成群体来行动时之间，有的情况下行动模式或者行动特征会不同(参照图10(D)、(E))。因此，在使用上述递推公式(1)～(3)来进行动物将来的存在概率的算出或者其分布的生成时，在动物形成群体时，特别如图8的下部所示，对于行动特征指标值的组的各个动物的种类，选择形成群体的情况下的值。

(2)车辆将来的存在区域的预测

这样，预测动物将来的存在区域后，预测车辆将来的存在区域(图3-步骤54)。车辆将来的存在位置典型地可以使用车辆的当前车速、加速度、转向角或者横摆角速度等表示车辆的运动状态的指标值来适当推定。作为预测结果，最简单而言，可以从表示车辆的运动状态的指标值来运算每个时间的车辆的位置或者轨迹。然而，实际上，由于驾驶者有可能执行加减速操作或者转向操作，因此，可以使用与上述递推公式(1)～(3)同样的下述的递推公式(4)～(6)，算出车辆将来的存在位置及其存在概率、或者生成其分布。

Xv(t_n+1)＝Xv(t_n)+Vv(t_n+1)·cosθv·Δt…(4)

Yv(t_n+1)＝Yv(t_n)+Vv(t_n+1)·sinθv·Δt…(5)

Vv(t_n+1)＝min{Vv(t_n)+Jv，Vmav}…(6)

在上述式中，Xv(t_n)、Yv(t_n)、Vv(t_n)分别是时刻tn的车辆的存在位置(以车辆的当前位置为原点、并以车辆的行进方向为x方向的坐标系中的坐标值)和速度。θv是将来的车辆的行进方向，可以假定为其值以如下产生概率产生：以从当前的转向角算出的车辆的行进方向为中心值的图6(D)例举的那样的吊钟状的分布的产生概率(分布的幅度与动物的情况不同)。速度加加速度Jv是驾驶者(或者任意的驾驶控制系统)执行加减速控制的情况下的速度变化量，可以假定为其值以如下产生概率产生：以从当前的加减速度值算出的每单位时间速度的增加量为中心值的、图6(F)例举的那样的吊钟状的分布的产生概率。Vmav是车辆的最高速度。

作为车辆将来的存在区域的预测结果，作为第一形态，可以与动物的情况同样，如图9(A)示意性地描绘的那样，作为车辆将来的位置及存在于该位置的概率的代表值，使用Jv、θv的中心值，并利用所述递推公式(4)～(6)，算出每个时刻(t1、t2，…)存在概率最高的位置及在该位置的存在概率。另外，作为第二形态，与动物的情况同样，作为Jv、θv，生成符合各自的产生概率的随机数，将该随机数向上述递推公式(4)～(6)代入，在每个时刻，算出车辆将来的存在位置，之后，对将车辆周边的平面区域内以预定宽度分区而得到的每个小区域的存在频度(标绘点数)进行计数，算出各小区域的存在概率p，如图9(B)例举的那样，在每个时间生成将来的存在概率(Pv1，Pv2…)的分布，由此，如图9(C)例举的那样，得到将来的存在概率的分布的推移(t1，t2，t3…)。进行预测的时间范围(执行预测的最终时刻)可以任意设定。

(3)动物与车辆碰撞的可能性的有无的判定

这样，预测了动物和车辆将来的存在区域后，使用这些预测结果，判定是否有动物与车辆碰撞的可能性(图3-步骤56)。

在以第一形态得到动物和车辆将来的存在区域的预测结果的情况下，即在算出了动物和车辆各自的每个时间的存在概率最高的位置及在该位置的存在概率的情况下，如图9(A)示意性地例举的那样，在每个时间，判定动物的预测存在位置(在各行动模式中存在概率最高的位置)与车辆的预测存在位置(存在概率最高的位置)是否在预定距离L的范围内。然后，在动物的预测存在位置和车辆的预测存在位置存在于预定距离L的范围内的情况下，使用动物的预测存在位置的存在概率Pa和车辆的预测存在位置的存在概率Pv，以Pc＝Pa×Pv…(7)算出碰撞可能性的概率Pc，在碰撞可能性的概率Pc超过预定值Pco时，即满足Pc≥Pco…(8)时，可以判定为动物与车辆同时存在的概率高，存在动物与车辆的碰撞的可能性。此处，预定距离L、预定值Pco可以实验上或者理论上适当设定。如果是图9(A)的例子的情况，那么在时刻t1时，由于动物的预测存在位置不存在于车辆的预测存在位置的半径L的圆内，因此，判定为没有碰撞可能性。另一方面，在时刻t2时，由于动物的预测存在位置存在于车辆的预测存在位置的半径L的圆内，因此，参照各自的位置的存在概率Pa、Pv，利用式(7)，运算碰撞可能性的概率Pc，在满足式(8)时，判定为有碰撞可能性。此外，从上述存在概率的决定方法的说明可以理解，由于当前位置与预测存在位置之间的距离越长，存在概率Pa、Pv越降低，因此在接近当前位置处，在动物的预测存在位置存在于车辆的预测存在位置的半径L的圆内时，易于做出有碰撞可能性的判定，在远离当前位置处，在动物的预测存在位置存在于车辆的预测存在位置的半径L的圆内时，难以做出有碰撞可能性的判定。

在以第二形态得到动物和车辆将来的存在区域的预测结果的情况下，即在得到动物和车辆的每个时间的存在概率的分布，即得到将车辆周边的平面区域内以预定宽度分区而得到的每个小区域的存在概率pa(x，y)、pv(x，y)的情况下，在每个时间对于各小区域，利用动物的存在概率pa(x，y)与车辆的存在概率pv(x，y)的乘法运算，即pc(x，y)＝pa(x，y)×pv(x，y)…(9)，算出动物和车辆共存的概率pc，进一步，利用各小区域中动物和车辆共存的概率pc的累计值，即Pc＝∑pc(x，y)…(10)，算出碰撞可能性的概率Pc。而且，与上述式(8)同样，可以在碰撞可能性的概率Pc超过预定值Pco时，判定为有碰撞的可能性。此外，该运算可以仅在动物和车辆这两者的存在概率的值在统计学上有意义的区域执行(由此，限定了需要分析的区域，与将整个区域作为分析对象的情况相比，大幅降低了运算量)。图9(B)、9(C)是示意性地表示按照第二形态得到的动物和车辆的每个时间的存在概率的分布的例子的图。首先，参照图9(B)，在某个时刻t，碰撞可能性的概率Pc实际上是动物的存在概率和车辆的存在概率为在统计学上有意义的值的区域重复的部分(斜线区域)的动物的存在概率pa(x，y)与车辆的存在概率pv(x，y)的乘法运算值的积分值。而且，在某个时刻t，如果斜线区域的碰撞可能性的概率Pc未超过预定值Pco，那么在时刻t，判定为无碰撞可能性，但如图9(C)所示，动物的存在概率和车辆的存在概率高的部分(点划线)分别向外侧前进，例如如果在时刻t3时从上述式(9)、(10)运算的碰撞可能性的概率Pc超过预定值Pco，那么判定为有碰撞可能性。

在所述构成中，如上所述，在动物将来的存在区域的预测中，由于使用根据动物的种类而不同的行动特征指标值，因此，如图9(A)、图10(A)～(D)示意性地例举的那样，得到根据每个动物的种类而不同的、动物的将来的预测的存在区域(存在概率的分布)。因此，能够根据动物的种类，预测是否有动物与车辆共存的概率高的区域、或者该概率高的区域的面积、时刻，与以往相比，能够更准确判定是否有碰撞的可能性。另外，如上所述，在上述构成中，根据动物是单独行动还是形成群体，使用分别的行动特征指标值，由此，根据动物是单独的情况和群体的情况，预测是否有动物与车辆共存的概率高的区域、或者该概率高的区域的面积、时刻。这样一来，如图10(D)、(E)示意性地例举的那样，在单独行动时、和形成群体时，对于行动特征不同的种类的动物，根据其状况来更准确预测动物将来的存在区域，因此，能够更准确判定是否有碰撞的可能性。例如，如图10(D)、(E)的例子所示，在单独时，会快速从车辆离开，但在形成群体的情况下几乎不移动的种类的动物的情况下，考虑这样的行动特征来预测动物将来的存在区域，在动物单独行动时和形成群体时，即使是同一种类的动物，有的情况下也会产生不同的碰撞可能性的有无的判定结果。

利用上述一系列的处理，在从当前的时刻进行了预测的时间范围的整个范围判定为没有碰撞可能性的情况下，判定为没有碰撞可能性(步骤58)。另一方面，在从当前的时刻进行了预测的时间范围的任意时刻，判定为有碰撞可能性的情况下，执行下述说明的用于碰撞规避的辅助(步骤58)。

碰撞规避辅助处理的选择

在上述一系列的处理中，在判定为在图像中检测到的动物有可能与车辆碰撞的情况下，执行用于碰撞规避的辅助处理。在该情况下，如上所述，由于有效的辅助形态根据动物的种类而不同，因此根据检测到的动物的种类，选择执行的辅助的形态(图3-步骤60)。作为具体实施的辅助的具体动作，可以执行：(i)(基于声音和/或光的)警报的产生；(ii)利用车辆的制动进行的减速或者停止；(iii)利用车辆的转向进行的动物的规避，在辅助的形态的选择中，可以根据动物的种类来选择将这些动作组合的形态。

具体而言，可以执行如下所述的辅助的形态的选择。

(a)动物是大型动物，移动速度慢或者静止的情况下，(i)警报产生-实施、(ii)车辆制动-使制动力为最大限而实施、(iii)车辆转向-实施；

(b)动物是大型动物，移动速度快的情况下，(i)警报产生-实施、(ii)车辆制动-使制动力为中等程度而实施、(iii)车辆转向-不实施；

(c)动物是小型动物，从车辆逃离的情况下，(i)警报产生-实施、(ii)车辆制动-使制动力为低程度而实施、(iii)车辆转向-不实施。

此外，实施上述车辆制动的情况下的“中等程度”或者”低程度”的制动力的大小可以根据实验适当设定。应该理解也可以考虑动物的行动特征而适当采用上述例子的其他辅助动作的组合，这样的情况也属于本发明的范围。

这样，选择与动物的种类相应的辅助的形态后，执行该选择的形态的辅助(步骤62)

与本发明的实施方式相关联地进行了以上的说明，但对于本领域技术人员而言能够容易进行很多修正和变更，本发明不仅限于上述例举的实施方式，显然，可以不脱离本发明的概念地适用到各种装置。

例如，动物将来的存在区域的预测可以利用反映了动物种类所决定的行动特征的其他任意的方法来执行。预测结果的表现的形态也可以是本实施方式中说明的形态以外的形态。重要的是判别动物的种类，参照该种类的动物的行动特征，对每个动物的种类预测动物在车辆周边之后如何移动，由此，能够更高精度地推定动物的存在区域或者其可能性高的区域。另外，碰撞规避的辅助的形态也可以是例举的形态以外的形态。重要的是通过判别动物的种类，能够提供与种类相应的准确的碰撞规避的辅助。