ミリ波レーダをはじめとするアクティブセンサは、高いS/N比とロバスト性を有することから、安全・快適な車両走行のために広く利用されています。アクティブセンサが車両分野で成功を収めている大きな理由の一つは、対象物の位置や速度などの物理量とセンサによる観測量とを結びつけるシンプルな観測モデルが既知であることです。実際の応用シーンでは車両や歩行者など複雑な対象を正確に認識することが求められ、そのために複雑な物理特性を記述する一般的な観測モデルの構築と、そのモデルに基づく推論を低演算コストで行うアルゴリズムの実現が課題となります。
これらに対応するために、様々な研究開発を進めています。車外環境の認識では、ミリ波観測点群から車両運動状態を推定するExtended Object Tracking、画像などの他モダリティとのフュージョン、さらにはソナーの時系列信号を用いた高度な障害物認識処理の開発を進めています。車外だけでなく車内への応用にも取り組み、昨今問題となっている幼児の車内置き去り事故の防止に向けて、呼吸音や温度などの生体由来の信号をアクティブセンサで検出することで異常を察知する研究開発にも取り組んでいます。
さらに近年では、機械学習を用いて複雑な観測モデルをデータから直接獲得する方法も注目される研究領域となっており、従来モデルでは表現が難しかった状況への適用が期待されています。
より複雑な対象や走行シーンに対する観測モデルを、蓄積した走行データから学習する方法が今後必要となります。アクティブセンサ特有の課題として、センサ型番や搭載位置に対する依存性が非常に高いという性質があるため、この制約を打ち破る手法が必要になります。
一方で、古典的な、確率ベースの信号処理手法が有効なケースもありますので、両者を適切に組み合わせることで、より広範囲に適用可能でかつ高精度な信号処理方式を研究していきます。
