走路推定装置及びプログラム
【課題】安定して走路パラメータを推定する。
【解決手段】特徴点抽出部３０で、撮像装置１２で撮像された撮像画像を取得して、撮像画像から特徴点を抽出し、車線境界点選択部３２で、抽出された特徴点から車線を示す車線境界点を選択し、分布判定部３４で、車線境界点の分布を判定し、システムノイズ設定部３６で、車線境界点の分布に基づいてシステムノイズの各々を設定し、走路パラメータ推定部３８で、車線境界点、過去の推定結果、及び設定されたシステムノイズに基づいて走路パラメータを推定する。
【解決手段】特徴点抽出部３０で、撮像装置１２で撮像された撮像画像を取得して、撮像画像から特徴点を抽出し、車線境界点選択部３２で、抽出された特徴点から車線を示す車線境界点を選択し、分布判定部３４で、車線境界点の分布を判定し、システムノイズ設定部３６で、車線境界点の分布に基づいてシステムノイズの各々を設定し、走路パラメータ推定部３８で、車線境界点、過去の推定結果、及び設定されたシステムノイズに基づいて走路パラメータを推定する。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、走路推定装置及びプログラムに係り、特に、撮像装置により撮像された画像に基づいて、走路パラメータを推定する走路推定装置及びプログラムに関する。
【背景技術】
【０００２】
従来、ＣＣＤカメラで車両前方を撮像した入力画像からレーンマーカを検出し、レーンマーカの検出結果に基づいて、車両前方の道路形状を表すための道路モデルパラメータを、カルマンフィルタにより算出する車両の走行路認識装置が提案されている（特許文献１参照）。特許文献１の走行路認識装置では、推定する道路モデルパラメータの変化は、確率的な振る舞いをするものとして、固定の白色ガウス雑音によって駆動される離散系のランダムウォークモデルとして定義している。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００２−１０９６９５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、推定するパラメータ毎の推定精度は観測値の分布により影響を受けるが、上記の特許文献１の技術では、道路モデルパラメータの変動の度合いを示すシステムノイズが観測値とは無関係に設定されているため、安定して道路モデルパラメータ推定することができない、という問題がある。
【０００５】
本発明は、上記の問題点を解決するためになされたもので、安定して走路パラメータを推定することができる走路推定装置及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するために、本発明の走路推定装置は、自車両周辺を撮像した撮像画像を取得する取得手段と、前記取得手段により取得した撮像画像から、車線を示す特徴点を抽出する抽出手段と、前記抽出手段により抽出された特徴点の分布に基づいて、前記自車両が走行する走路に対する自車両の位置及び姿勢、並びに該走路の形状及び大きさに関する走路パラメータを推定する際の該走路パラメータの変動の度合いを示すシステムノイズを設定する設定手段と、前記抽出手段により抽出された特徴点、過去の前記走路パラメータの推定結果、及び前記設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により前記走路パラメータを推定する推定手段と、を含んで構成されている。
【０００７】
本発明の走路推定装置によれば、取得手段が、自車両周辺を撮像した撮像画像を取得し、抽出手段が、取得手段により取得した撮像画像から、車線を示す特徴点を抽出する。車線を示す特徴点の抽出は、まず撮像画像からエッジ点を抽出し、エッジ点の連続性や形状等に基づいて、エッジ点の中から車線を示す特徴点を選択することにより行う。
【０００８】
そして、設定手段が、抽出手段により抽出された特徴点の分布に基づいて、自車両が走行する走路に対する自車両の位置及び姿勢、並びに走路の形状及び大きさに関する走路パラメータを推定する際の走路パラメータの変動の度合いを示すシステムノイズを設定し、推定手段が、抽出手段により抽出された特徴点、過去の走路パラメータの推定結果、及び設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により走路パラメータを推定する。
【０００９】
このように、撮像画像から抽出された車線を示す特徴点の分布、すなわち観測値の分布に基づいて、推定する走路パラメータの各々に対応したシステムノイズを設定するため、安定して走路パラメータを推定することができる。
【００１０】
また、前記走路に対する自車両の位置及び姿勢に関する走路パラメータを、該走路に対する自車両の横位置、該走路の中央線に対するヨー角、及び該走路の平面に対するピッチ角とし、前記走路の形状及び大きさに関する走路パラメータを、該走路の曲率及び該走路の車線幅とすることができる。
【００１１】
また、前記設定手段は、前記特徴点が撮像画像上の遠方領域にのみ分布する場合には、前記走路の曲率、前記走路の車線幅、及び前記走路に対する自車両の横位置に対応するシステムノイズの各々を小さくし、前記特徴点が撮像画像上の近傍領域にのみ分布する場合には、前記走路の曲率に対応するシステムノイズを小さくし、前記車線の左側境界を示す特徴点または右側境界を示す特徴点のみが分布している場合には、前記走路の車線幅、及び前記走路の平面に対するピッチ角に対応するシステムノイズの各々を小さくし、前記特徴点が予め定めた所定数以上存在しない場合には、全ての走路パラメータに対応するシステムノイズの各々を小さくするようにすることができる。これにより、走路パラメータの推定精度が低下するような観測状況であっても、安定して走路パラメータを推定することができる。
【００１２】
また、本発明の走路推定プログラムは、コンピュータを、自車両周辺を撮像した撮像画像を取得する取得手段、前記取得手段により取得した撮像画像から、車線を示す特徴点を抽出する抽出手段、前記抽出手段により抽出された特徴点の分布に基づいて、前記自車両が走行する走路に対する自車両の位置及び姿勢、並びに該走路の形状及び大きさに関する走路パラメータを推定する際の該走路パラメータの変動の度合いを示すシステムノイズを設定する設定手段、及び前記抽出手段により抽出された特徴点、過去の前記走路パラメータの推定結果、及び前記設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により前記走路パラメータを推定する推定手段として機能させるためのプログラムである。
【発明の効果】
【００１３】
以上説明したように、本発明の走路推定装置及びプログラムによれば、撮像画像から抽出された車線を示す特徴点の分布、すなわち観測値の分布に基づいて、推定する走路パラメータの各々に対応したシステムノイズを設定するため、安定して走路パラメータを推定することができる、という効果が得られる。
【図面の簡単な説明】
【００１４】
【図１】本実施の形態に係る走路推定装置の電気系の要部構成を示すブロック図である。
【図２】推定する走路パラメータを模式的に示した図である。
【図３】本実施の形態に係る走路推定装置の機能的な構成を示すブロック図である。
【図４】特徴点の抽出を説明するための図である。
【図５】車線境界点の選択を説明するための図である。
【図６】遠方領域及び近傍領域を説明するための図である。
【図７】車線境界点の分布のパターンを示す図である。
【図８】車線境界点の分布に応じた走路パラメータ毎のシステムノイズの設定の一例を示す図である。
【図９】本実施の形態に係る走路推定装置における走路推定処理ルーチンの内容を示すフローチャートである。
【図１０】パーティクルフィルタを用いた例を説明するための図である。
【発明を実施するための形態】
【００１５】
以下、図面を参照して本発明の実施の形態を詳細に説明する。
【００１６】
図１に示すように、本実施の形態の走路推定装置１０は、車両前方領域を連続的に撮像する撮像装置１２と、走路パラメータを推定する処理を実行するコンピュータ１６と、を備えている。
【００１７】
撮像装置１２は、車両前方の対象領域を撮影し、画像信号を生成する撮像部（図示省略）、撮像部で生成されたアナログ信号である画像信号をデジタル信号に変換するＡ／Ｄ変換部（図示省略）、及びＡ／Ｄ変換された画像信号を一時的に格納するための画像メモリ（図示省略）を備えている。
【００１８】
コンピュータ１６は、走路推定装置１０全体の制御を司るＣＰＵ２０と、後述する走路推定処理ルーチンのプログラム等各種プログラムを記憶した記憶媒体としてのＲＯＭ２２と、ワークエリアとしてデータを一時的に格納するＲＡＭ２４と、各種情報が記憶された記憶手段としてのメモリ２６と、入出力ポート（Ｉ／Ｏポート）２８と、これらを相互に接続するバスと、を含んで構成されている。Ｉ／Ｏポート２８には、撮像装置１２が接続されている。
【００１９】
本実施の形態の走路推定装置-１０は、撮像装置１２により撮像された撮像画像から、車線を示す特徴点（車線境界点）を抽出し、この特徴点を観測値としてカルマンフィルタを用いて走路パラメータを推定する。
【００２０】
また、走路パラメータとしては、自車両が走行する走路に対する自車両の位置及び姿勢に関する走路パラメータ、並びに自車両が走行する走路の形状及び大きさに関する走路パラメータを推定する。より具体的には、走路に対する自車両の位置及び姿勢に関する走路パラメータを、走路の左側境界を示す車線、右側境界を示す車線、または中央線に対する自車両の横位置ｅｋ｜ｋ、走路の中央線に対するヨー角θｋ｜ｋ、及び走路の平面に対するピッチ角φｋ｜ｋとし、走路の形状及び大きさに関する走路パラメータを、走路の曲率ｃｋ｜ｋ、及び走路の車線幅ｗｋ｜ｋとする。これら５つの走路パラメータを合わせて走路パラメータと呼ぶ場合には、走路パラメータｘｋ｜ｋ（ｘｋ｜ｋ＝（ｅｋ｜ｋ θｋ｜ｋ φｋ｜ｋ ｃｋ｜ｋ ｗｋ｜ｋ））とする。図２（Ａ）〜（Ｃ）に、走路パラメータとして推定を行う横位置、ヨー角、ピッチ角、曲率（走路の形状）及び車線幅を模式的に示す。
【００２１】
このような処理を実行するコンピュータ１６をハードウエアとソフトウエアとに基づいて定まる機能実現手段毎に分割した機能ブロックで説明すると、図３に示すように、撮像装置１２で撮像された撮像画像を取得して、撮像画像から特徴点を抽出する特徴点抽出部３０と、抽出された特徴点から車線を示す車線境界点を選択する車線境界点選択部３２と、車線境界点の分布を判定する分布判定部３４と、車線境界点の分布に基づいてシステムノイズの各々を設定するシステムノイズ設定部３６と、車線境界点、過去の推定結果、及び設定されたシステムノイズに基づいて走路パラメータを推定する走路パラメータ推定部３８と、を含んだ構成で表すことができる。
【００２２】
特徴点抽出部３０は、例えば、図４（Ａ）に示すような撮像画像に対して、同図（Ｂ）に示すように、水平方向に走査して画素毎の輝度の変化点であるエッジ点を特徴点として抽出する。同図（Ｃ）に、抽出された特徴点を模式的に表した一例を示す。
【００２３】
車線境界点選択部３２は、特徴点抽出部３０で抽出された特徴点から、連続的に並ぶエッジ点の形状や幅、色などを判別することにより、車線を示す車線境界点を選択する。車線が複数存在する場合には、最も内側の左右１対の車線を示す車線境界点を選択する。図５に、選択された車線境界点を模式的に表した一例を示す。
【００２４】
なお、特徴点抽出部３０及び車線境界点選択部３２が、本発明の抽出手段の一例である。
【００２５】
分布判定部３４は、車線境界点選択部３２で選択された車線境界点がどのような分布かを判定する。本実施の形態では、車線境界点が遠方領域及び近傍領域の両方に分布しているか、遠方領域にのみ分布しているか、または近傍領域にのみ分布しているかを判定する。また、左側境界を示す車線境界点及び右側境界を示す車線境界点の両方が存在する分布か、左側境界を示す車線境界点のみが存在する分布か、または右側境界を示す車線境界点のみが存在する分布かを判定する。また、選択された車線境界点の総数が予め定めた所定数以下か否かも判定する。車線境界点の総数が所定数以下の分布を観測値なしの分布という。
【００２６】
ここで、遠方領域及び近傍領域に車線境界点が存在するか否かの判定について説明する。まず、図６に示すように、撮像画像の左上端の画素を原点として、水平方向をｘ軸、垂直方向をｙ軸とする。消失点の位置のｙ座標ｙａ、撮像画像のｙ座標の最大値をｙｂとして、ｙｃ＝ｙａ＋ｋ（ｙｂ−ｙａ）となるｙ座標ｙｃを設定する。なお、ｋは、０＜ｋ＜１の値とし、例えば１／３とすることができる。また、撮像装置１２の取り付け角度等を考慮し、撮像装置１２からの距離が例えば２０ｍとなる位置に対応する撮像画像上のｙ座標をｙｃとして設定するようにしてもよい。そして、ｙ座標がｙａ〜ｙｃの範囲を遠方領域、ｙ座標がｙｃ〜ｙｂの範囲を近傍領域とする。
【００２７】
次に、左側境界を示す車線境界点のｙ座標の最小値をＬＦとし、ＬＦ≦ｙｃであれば、車線境界点が左側遠方領域に存在すると判定する。また、左側境界を示す車線境界点のｙ座標の最大値をＬＮとし、ＬＮ＞ｙｃであれば、車線境界点が左側近傍領域に存在すると判定する。同様に、右側境界を示す車線境界点のｙ座標の最小値をＲＦ、最大値をＲＮとして、ｙｃと比較して車線境界点が右側遠方領域または右側近傍領域に存在するかを判定する。なお、車線境界点が遠方領域及び近傍領域に存在するか否かを判定するためのｙ座標閾値Ｔｆ及びＴｎを各々設けて、ＬＦ（ＲＦ）≦Ｔｆであれば、車両境界点が遠方領域に存在、ＬＮ≧Ｔｎであれば、車両境界点が近傍領域に存在すると判定するようにしてもよい。
【００２８】
上記のように、車線境界点が遠方領域または近傍領域に分布するか、及び左側または右側に分布するかを判定するため、車線境界点の分布のパターンは、図７（Ａ）〜（Ｐ）に示すようなパターンに分類される。同図（Ｐ）は、観測値なしの分布である。
【００２９】
システムノイズ設定部３６は、分布判定部３４で判定された車線境界点の分布に基づいて、推定する走路パラメータｘｋ｜ｋの各々に対応したシステムノイズを設定する。システムノイズは、今回の観測に基づいて前回の推定結果を変動させて今回の走路パラメータを推定する際に走路パラメータを変動させる度合いを示すものである。
【００３０】
車線境界点が遠方領域及び近傍領域、並びに左右両側に分布している場合には、走路パラメータｘｋ｜ｋの全てを安定して推定することができる。しかし、例えば、車線境界点が遠方領域にのみ分布する場合には、自車両の横位置ｅｋ｜ｋや車線幅ｗｋ｜ｋ等の走路パラメータの推定精度が低下するため、推定結果が不安定となる。そこで、車線境界点の分布に応じて観測状況を判断して走路パラメータの各々に対応するシステムノイズを設定するものである。
【００３１】
図８に、システムノイズの設定方法の一例を示す。横位置ｅｋ｜ｋは、車線境界点が近傍領域に分布する場合、ヨー角θｋ｜ｋは、車線境界点が所定数以上存在する場合（観測値ありの場合）、ピッチ角φｋ｜ｋは、車線境界点が左右両側に分布している場合、曲率ｃｋ｜ｋは、車線境界点が近傍領域から遠方領域にかけて分布している場合、車線幅ｗｋ｜ｋは、車線境界点が近傍領域の左右両側に分布している場合に、比較的安定してパラメータを推定することができる。そこで、分布判定部３４で判定された車線境界点の分布のパターンが、車線境界点が全ての領域に存在する「遠近左右あり」、遠方領域にのみ存在する「遠方のみ」、近傍領域にのみ存在する「近傍のみ」、左側境界を示す車線境界点及び右側境界を示す車線境界点の両方が存在する「左右あり」、左側境界または右側境界の片側の境界を示す車線境界点のみ存在する「片側のみ」、及び車線境界点の総数が所定数以下の「観測値なし」のいずれの分布の種類に該当するかを判定する。図８の分布の種類名の下段のアルファベットは、図７の各分布のパターンに対応する。「左右あり」には、図７の（Ａ）、（Ｆ）及び（Ｊ）のパターンは含まれない。また、同図（Ｈ）及び（Ｎ）のパターンは、「遠方のみ」及び「片側のみ」の両方に該当する。また、同図（Ｌ）及び（Ｏ）のパターンは、「近傍のみ」及び「片側のみ」の両方に該当する。
【００３２】
また、図８に示すように、分布の種類毎に走路パラメータの各々に対応するシステムノイズの設定方法が定められている。例えば、「遠方のみ」の場合には、横位置ｅｋ｜ｋ、曲率ｃｋ｜ｋ及び車線幅ｗｋ｜ｋに対応するシステムノイズについて、「ノイズ小」と定められている。「ノイズ小」の場合には、そのシステムノイズを小さく設定（例えば、「０」に設定）し、「ノイズ小」ではない場合には、従来の手法に従ってシステムノイズを設定する。また、システムノイズを小さく設定するとは、走路パラメータ推定の際の変動の度合いを小さくすることであり、該当する走路パラメータを更新しないように設定することを含む。走路パラメータは、システムノイズが大きいほど変動し易く、小さいほど変動し難く安定した推定結果が得られる。
【００３３】
なお、分布判定部３４及びシステムノイズ設定部３６が、本発明の設定手段の一例である。
【００３４】
走路パラメータ推定部３８は、下記に示すカルマンフィルタの式に従って、走路パラメータｘｋ｜ｋを推定する。
【００３５】
【数１】
【００３６】
ｘｋ｜ｋは時刻ｋにおける内部状態（走路パラメータ）、ｙｋはｙｋ＝［ｙｋ１・・・ｙｋｍ］Ｔで表される観測値（車線境界点の座標）、ｆｋは状態遷移関数、ｈｋは観測関数、Ｆｋは時刻ｋにおける状態遷移行列、Ｇｋは時刻ｋにおける駆動行列、Ｈｋは観測行列、Σｋ｜ｋは時刻ｋにおける推定誤差共分散行列、Σｋ＋１｜ｋは時刻ｋにおける予測誤差共分散行列、Σｗｋは時刻ｋにおけるシステムノイズの共分散行列、Σｖｋは時刻ｋにおける観測ノイズの共分散行列である。システムノイズ設定部３６で設定されるシステムノイズは、（５）式のΣｗｋである。そして、車線境界点の座標を観測値ｙｋとして与え、走路パラメータｘｋ｜ｋを推定する。
【００３７】
次に、図９を参照して、本実施の形態に係る走路推定装置１０のコンピュータ１６において実行される走路推定処理ルーチンについて説明する。本ルーチンは、ＲＯＭ２２に記憶された走路推定プログラムをＣＰＵ２０が実行することにより行われる。
【００３８】
ステップ１００で、撮像装置１２で撮像された撮像画像を取得し、次に、ステップ１０２で、撮像画像の画素毎の輝度の変化点であるエッジ点を特徴点として抽出する。
【００３９】
次に、ステップ１０４で、上記ステップ１０２で抽出された特徴点から、連続的に並ぶエッジ点の形状や幅、色などを判別することにより、車線を示す車線境界点を選択する。
【００４０】
次に、ステップ１０６で、上記ステップ１０４で選択された車線境界点がどのような分布かを判定する。まず、車線境界点の総数が所定数以下か否かを判定し、車線境界点の総数が所定数以下であれば、図７（Ｐ）のパターンの観測値なしの分布であると判定する。次に、左側境界を示す車線境界点のｙ座標の最小値をＬＦとし、ＬＦ≦ｙｃであれば、車線境界点が左側遠方領域に存在すると判定する。また、左側境界を示す車線境界点のｙ座標の最大値をＬＮとし、ＬＮ＞ｙｃであれば、車線境界点が左側近傍領域に存在すると判定する。同様に、右側境界を示す車線境界点のｙ座標の最小値をＲＦ、最大値をＲＮとして、ｙｃと比較して車線境界点が右側遠方領域または右側近傍領域に存在するかを判定する。これらの判定により、車線境界点の分布が図７の（Ａ）〜（Ｏ）のいずれに該当するかを判定する。例えば、車線境界点が左側遠方領域、左側近傍領域、右側遠方領域、及び右側近傍領域のいずれにも存在している場合には、同図（Ａ）のパターンであると判定される。また、車線境界点が左側遠方領域及び右側遠方領域にのみ存在している場合には、同図（Ｆ）のパターンであると判定される。
【００４１】
次に、ステップ１０８で、上記ステップ１０６で判定された車線境界点の分布に基づいて、推定する走路パラメータｘｋ｜ｋの各々に対応したシステムノイズを設定する。図８に示すような、予め定められた車線境界点とシステムノイズとの対応を参照して、車線境界点の分布のパターンに対応した各システムノイズの設定を読み込み、上記（５）式のΣｗｋに設定する。例えば、上記ステップ１０６で判定された車線境界点の分布が図７の（Ｆ）のパターンであった場合には、分布の種類が「遠方のみ」に該当するため、横位置ｅｋ｜ｋ、曲率ｃｋ｜ｋ及び車線幅ｗｋ｜ｋの走路パラメータに対応するシステムノイズを小さく設定する。また、車線境界点の分布が図７の（Ｎ）のパターンであった場合には、分布の種類が「遠方のみ」及び「片側のみ」に該当するため、上記の走路パラメータに加え、ピッチ角φｋ｜ｋに対応するシステムノイズも小さく設定する。
【００４２】
次に、ステップ１１０で、上記（１）〜（５）式に従って、上記ステップ１０４で選択された車線境界点の座標を観測値ｙｋとして与え、走路パラメータｘｋ｜ｋを推定し、推定結果を出力する。出力された推定結果は、図示しない表示装置により表示したり、車両運動を制御する車両運動制御システム等の入力データとして用いたりすることができる。
【００４３】
以上説明したように、本実施の形態の走路推定装置によれば、車線境界点の分布、すなわち観測値の分布に基づいて、走路パラメータの各々について推定精度が低下するような観測状況であるか否かを判断して、推定精度が低下するような走路パラメータに対応するシステムノイズの設定を小さくして走路パラメータの変動を小さくするため、安定して走路パラメータを推定することができる。
【００４４】
なお、上記実施の形態では、カルマンフィルタを用いて走路パラメータを推定する場合について説明したが、その他の離散時間信号を扱う確率的（統計的）信号処理に基づくフィルタを用いてもよい。例えば、パーティクルフィルタを用いることができる。その場合、図１０に示すように、（１）走路パラメータの確率をパーティクルの大きさ（重み）で表現し、（２）次時刻における走路パラメータを予測する。この際、例えば車両が車線に対して傾いていれば、次時刻の横位置も変動する等の車両の運動モデルを考慮する。そして、（３）走路パラメータを確率的に拡散させる。変化が大きい場合には広い範囲に、小さい場合には狭い範囲に拡散させる。この拡散させる幅が、本発明のシステムノイズに相当する。そして、（４）各走路パラメータの値の尤もらしさ（尤度）を観測値（車線境界点）を用いて重み付けし、（５）観測値により更新された走路パラメータの確率分布を算出する。
【００４５】
また、上記実施の形態では、車線境界点の分布を、遠方領域または近傍領域、及び左側または右側に存在するか否かにより判定する場合について説明したが、この場合に限定されない。より詳細な領域に分割して分布を判定してもよいし、遠方領域または近傍領域のみで判定するようにしてもよく、推定する走路パラメータの性質に応じて、観測値である車線境界線の分布が判定できるものであればよい。
【００４６】
また、本発明のプログラムは、記録媒体に格納して提供したり、有線または無線による通信手段を介して提供したりする形態としてもよい。また、ソフトウエア構成による実現に限られるものではなく、ハードウエア構成や、ハードウエア構成とソフトウエア構成の組み合わせによって実現してもよい。
【符号の説明】
【００４７】
１０ 走路推定装置
１２ 撮像装置
１６ コンピュータ
３０ 特徴点抽出部
３２ 車線境界点選択部
３４ 分布判定部
３６ システムノイズ設定部
３８ 走路パラメータ推定部
【技術分野】
【０００１】
本発明は、走路推定装置及びプログラムに係り、特に、撮像装置により撮像された画像に基づいて、走路パラメータを推定する走路推定装置及びプログラムに関する。
【背景技術】
【０００２】
従来、ＣＣＤカメラで車両前方を撮像した入力画像からレーンマーカを検出し、レーンマーカの検出結果に基づいて、車両前方の道路形状を表すための道路モデルパラメータを、カルマンフィルタにより算出する車両の走行路認識装置が提案されている（特許文献１参照）。特許文献１の走行路認識装置では、推定する道路モデルパラメータの変化は、確率的な振る舞いをするものとして、固定の白色ガウス雑音によって駆動される離散系のランダムウォークモデルとして定義している。
【先行技術文献】
【特許文献】
【０００３】
【特許文献１】特開２００２−１０９６９５号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
しかしながら、推定するパラメータ毎の推定精度は観測値の分布により影響を受けるが、上記の特許文献１の技術では、道路モデルパラメータの変動の度合いを示すシステムノイズが観測値とは無関係に設定されているため、安定して道路モデルパラメータ推定することができない、という問題がある。
【０００５】
本発明は、上記の問題点を解決するためになされたもので、安定して走路パラメータを推定することができる走路推定装置及びプログラムを提供することを目的とする。
【課題を解決するための手段】
【０００６】
上記目的を達成するために、本発明の走路推定装置は、自車両周辺を撮像した撮像画像を取得する取得手段と、前記取得手段により取得した撮像画像から、車線を示す特徴点を抽出する抽出手段と、前記抽出手段により抽出された特徴点の分布に基づいて、前記自車両が走行する走路に対する自車両の位置及び姿勢、並びに該走路の形状及び大きさに関する走路パラメータを推定する際の該走路パラメータの変動の度合いを示すシステムノイズを設定する設定手段と、前記抽出手段により抽出された特徴点、過去の前記走路パラメータの推定結果、及び前記設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により前記走路パラメータを推定する推定手段と、を含んで構成されている。
【０００７】
本発明の走路推定装置によれば、取得手段が、自車両周辺を撮像した撮像画像を取得し、抽出手段が、取得手段により取得した撮像画像から、車線を示す特徴点を抽出する。車線を示す特徴点の抽出は、まず撮像画像からエッジ点を抽出し、エッジ点の連続性や形状等に基づいて、エッジ点の中から車線を示す特徴点を選択することにより行う。
【０００８】
そして、設定手段が、抽出手段により抽出された特徴点の分布に基づいて、自車両が走行する走路に対する自車両の位置及び姿勢、並びに走路の形状及び大きさに関する走路パラメータを推定する際の走路パラメータの変動の度合いを示すシステムノイズを設定し、推定手段が、抽出手段により抽出された特徴点、過去の走路パラメータの推定結果、及び設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により走路パラメータを推定する。
【０００９】
このように、撮像画像から抽出された車線を示す特徴点の分布、すなわち観測値の分布に基づいて、推定する走路パラメータの各々に対応したシステムノイズを設定するため、安定して走路パラメータを推定することができる。
【００１０】
また、前記走路に対する自車両の位置及び姿勢に関する走路パラメータを、該走路に対する自車両の横位置、該走路の中央線に対するヨー角、及び該走路の平面に対するピッチ角とし、前記走路の形状及び大きさに関する走路パラメータを、該走路の曲率及び該走路の車線幅とすることができる。
【００１１】
また、前記設定手段は、前記特徴点が撮像画像上の遠方領域にのみ分布する場合には、前記走路の曲率、前記走路の車線幅、及び前記走路に対する自車両の横位置に対応するシステムノイズの各々を小さくし、前記特徴点が撮像画像上の近傍領域にのみ分布する場合には、前記走路の曲率に対応するシステムノイズを小さくし、前記車線の左側境界を示す特徴点または右側境界を示す特徴点のみが分布している場合には、前記走路の車線幅、及び前記走路の平面に対するピッチ角に対応するシステムノイズの各々を小さくし、前記特徴点が予め定めた所定数以上存在しない場合には、全ての走路パラメータに対応するシステムノイズの各々を小さくするようにすることができる。これにより、走路パラメータの推定精度が低下するような観測状況であっても、安定して走路パラメータを推定することができる。
【００１２】
また、本発明の走路推定プログラムは、コンピュータを、自車両周辺を撮像した撮像画像を取得する取得手段、前記取得手段により取得した撮像画像から、車線を示す特徴点を抽出する抽出手段、前記抽出手段により抽出された特徴点の分布に基づいて、前記自車両が走行する走路に対する自車両の位置及び姿勢、並びに該走路の形状及び大きさに関する走路パラメータを推定する際の該走路パラメータの変動の度合いを示すシステムノイズを設定する設定手段、及び前記抽出手段により抽出された特徴点、過去の前記走路パラメータの推定結果、及び前記設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により前記走路パラメータを推定する推定手段として機能させるためのプログラムである。
【発明の効果】
【００１３】
以上説明したように、本発明の走路推定装置及びプログラムによれば、撮像画像から抽出された車線を示す特徴点の分布、すなわち観測値の分布に基づいて、推定する走路パラメータの各々に対応したシステムノイズを設定するため、安定して走路パラメータを推定することができる、という効果が得られる。
【図面の簡単な説明】
【００１４】
【図１】本実施の形態に係る走路推定装置の電気系の要部構成を示すブロック図である。
【図２】推定する走路パラメータを模式的に示した図である。
【図３】本実施の形態に係る走路推定装置の機能的な構成を示すブロック図である。
【図４】特徴点の抽出を説明するための図である。
【図５】車線境界点の選択を説明するための図である。
【図６】遠方領域及び近傍領域を説明するための図である。
【図７】車線境界点の分布のパターンを示す図である。
【図８】車線境界点の分布に応じた走路パラメータ毎のシステムノイズの設定の一例を示す図である。
【図９】本実施の形態に係る走路推定装置における走路推定処理ルーチンの内容を示すフローチャートである。
【図１０】パーティクルフィルタを用いた例を説明するための図である。
【発明を実施するための形態】
【００１５】
以下、図面を参照して本発明の実施の形態を詳細に説明する。
【００１６】
図１に示すように、本実施の形態の走路推定装置１０は、車両前方領域を連続的に撮像する撮像装置１２と、走路パラメータを推定する処理を実行するコンピュータ１６と、を備えている。
【００１７】
撮像装置１２は、車両前方の対象領域を撮影し、画像信号を生成する撮像部（図示省略）、撮像部で生成されたアナログ信号である画像信号をデジタル信号に変換するＡ／Ｄ変換部（図示省略）、及びＡ／Ｄ変換された画像信号を一時的に格納するための画像メモリ（図示省略）を備えている。
【００１８】
コンピュータ１６は、走路推定装置１０全体の制御を司るＣＰＵ２０と、後述する走路推定処理ルーチンのプログラム等各種プログラムを記憶した記憶媒体としてのＲＯＭ２２と、ワークエリアとしてデータを一時的に格納するＲＡＭ２４と、各種情報が記憶された記憶手段としてのメモリ２６と、入出力ポート（Ｉ／Ｏポート）２８と、これらを相互に接続するバスと、を含んで構成されている。Ｉ／Ｏポート２８には、撮像装置１２が接続されている。
【００１９】
本実施の形態の走路推定装置-１０は、撮像装置１２により撮像された撮像画像から、車線を示す特徴点（車線境界点）を抽出し、この特徴点を観測値としてカルマンフィルタを用いて走路パラメータを推定する。
【００２０】
また、走路パラメータとしては、自車両が走行する走路に対する自車両の位置及び姿勢に関する走路パラメータ、並びに自車両が走行する走路の形状及び大きさに関する走路パラメータを推定する。より具体的には、走路に対する自車両の位置及び姿勢に関する走路パラメータを、走路の左側境界を示す車線、右側境界を示す車線、または中央線に対する自車両の横位置ｅｋ｜ｋ、走路の中央線に対するヨー角θｋ｜ｋ、及び走路の平面に対するピッチ角φｋ｜ｋとし、走路の形状及び大きさに関する走路パラメータを、走路の曲率ｃｋ｜ｋ、及び走路の車線幅ｗｋ｜ｋとする。これら５つの走路パラメータを合わせて走路パラメータと呼ぶ場合には、走路パラメータｘｋ｜ｋ（ｘｋ｜ｋ＝（ｅｋ｜ｋ θｋ｜ｋ φｋ｜ｋ ｃｋ｜ｋ ｗｋ｜ｋ））とする。図２（Ａ）〜（Ｃ）に、走路パラメータとして推定を行う横位置、ヨー角、ピッチ角、曲率（走路の形状）及び車線幅を模式的に示す。
【００２１】
このような処理を実行するコンピュータ１６をハードウエアとソフトウエアとに基づいて定まる機能実現手段毎に分割した機能ブロックで説明すると、図３に示すように、撮像装置１２で撮像された撮像画像を取得して、撮像画像から特徴点を抽出する特徴点抽出部３０と、抽出された特徴点から車線を示す車線境界点を選択する車線境界点選択部３２と、車線境界点の分布を判定する分布判定部３４と、車線境界点の分布に基づいてシステムノイズの各々を設定するシステムノイズ設定部３６と、車線境界点、過去の推定結果、及び設定されたシステムノイズに基づいて走路パラメータを推定する走路パラメータ推定部３８と、を含んだ構成で表すことができる。
【００２２】
特徴点抽出部３０は、例えば、図４（Ａ）に示すような撮像画像に対して、同図（Ｂ）に示すように、水平方向に走査して画素毎の輝度の変化点であるエッジ点を特徴点として抽出する。同図（Ｃ）に、抽出された特徴点を模式的に表した一例を示す。
【００２３】
車線境界点選択部３２は、特徴点抽出部３０で抽出された特徴点から、連続的に並ぶエッジ点の形状や幅、色などを判別することにより、車線を示す車線境界点を選択する。車線が複数存在する場合には、最も内側の左右１対の車線を示す車線境界点を選択する。図５に、選択された車線境界点を模式的に表した一例を示す。
【００２４】
なお、特徴点抽出部３０及び車線境界点選択部３２が、本発明の抽出手段の一例である。
【００２５】
分布判定部３４は、車線境界点選択部３２で選択された車線境界点がどのような分布かを判定する。本実施の形態では、車線境界点が遠方領域及び近傍領域の両方に分布しているか、遠方領域にのみ分布しているか、または近傍領域にのみ分布しているかを判定する。また、左側境界を示す車線境界点及び右側境界を示す車線境界点の両方が存在する分布か、左側境界を示す車線境界点のみが存在する分布か、または右側境界を示す車線境界点のみが存在する分布かを判定する。また、選択された車線境界点の総数が予め定めた所定数以下か否かも判定する。車線境界点の総数が所定数以下の分布を観測値なしの分布という。
【００２６】
ここで、遠方領域及び近傍領域に車線境界点が存在するか否かの判定について説明する。まず、図６に示すように、撮像画像の左上端の画素を原点として、水平方向をｘ軸、垂直方向をｙ軸とする。消失点の位置のｙ座標ｙａ、撮像画像のｙ座標の最大値をｙｂとして、ｙｃ＝ｙａ＋ｋ（ｙｂ−ｙａ）となるｙ座標ｙｃを設定する。なお、ｋは、０＜ｋ＜１の値とし、例えば１／３とすることができる。また、撮像装置１２の取り付け角度等を考慮し、撮像装置１２からの距離が例えば２０ｍとなる位置に対応する撮像画像上のｙ座標をｙｃとして設定するようにしてもよい。そして、ｙ座標がｙａ〜ｙｃの範囲を遠方領域、ｙ座標がｙｃ〜ｙｂの範囲を近傍領域とする。
【００２７】
次に、左側境界を示す車線境界点のｙ座標の最小値をＬＦとし、ＬＦ≦ｙｃであれば、車線境界点が左側遠方領域に存在すると判定する。また、左側境界を示す車線境界点のｙ座標の最大値をＬＮとし、ＬＮ＞ｙｃであれば、車線境界点が左側近傍領域に存在すると判定する。同様に、右側境界を示す車線境界点のｙ座標の最小値をＲＦ、最大値をＲＮとして、ｙｃと比較して車線境界点が右側遠方領域または右側近傍領域に存在するかを判定する。なお、車線境界点が遠方領域及び近傍領域に存在するか否かを判定するためのｙ座標閾値Ｔｆ及びＴｎを各々設けて、ＬＦ（ＲＦ）≦Ｔｆであれば、車両境界点が遠方領域に存在、ＬＮ≧Ｔｎであれば、車両境界点が近傍領域に存在すると判定するようにしてもよい。
【００２８】
上記のように、車線境界点が遠方領域または近傍領域に分布するか、及び左側または右側に分布するかを判定するため、車線境界点の分布のパターンは、図７（Ａ）〜（Ｐ）に示すようなパターンに分類される。同図（Ｐ）は、観測値なしの分布である。
【００２９】
システムノイズ設定部３６は、分布判定部３４で判定された車線境界点の分布に基づいて、推定する走路パラメータｘｋ｜ｋの各々に対応したシステムノイズを設定する。システムノイズは、今回の観測に基づいて前回の推定結果を変動させて今回の走路パラメータを推定する際に走路パラメータを変動させる度合いを示すものである。
【００３０】
車線境界点が遠方領域及び近傍領域、並びに左右両側に分布している場合には、走路パラメータｘｋ｜ｋの全てを安定して推定することができる。しかし、例えば、車線境界点が遠方領域にのみ分布する場合には、自車両の横位置ｅｋ｜ｋや車線幅ｗｋ｜ｋ等の走路パラメータの推定精度が低下するため、推定結果が不安定となる。そこで、車線境界点の分布に応じて観測状況を判断して走路パラメータの各々に対応するシステムノイズを設定するものである。
【００３１】
図８に、システムノイズの設定方法の一例を示す。横位置ｅｋ｜ｋは、車線境界点が近傍領域に分布する場合、ヨー角θｋ｜ｋは、車線境界点が所定数以上存在する場合（観測値ありの場合）、ピッチ角φｋ｜ｋは、車線境界点が左右両側に分布している場合、曲率ｃｋ｜ｋは、車線境界点が近傍領域から遠方領域にかけて分布している場合、車線幅ｗｋ｜ｋは、車線境界点が近傍領域の左右両側に分布している場合に、比較的安定してパラメータを推定することができる。そこで、分布判定部３４で判定された車線境界点の分布のパターンが、車線境界点が全ての領域に存在する「遠近左右あり」、遠方領域にのみ存在する「遠方のみ」、近傍領域にのみ存在する「近傍のみ」、左側境界を示す車線境界点及び右側境界を示す車線境界点の両方が存在する「左右あり」、左側境界または右側境界の片側の境界を示す車線境界点のみ存在する「片側のみ」、及び車線境界点の総数が所定数以下の「観測値なし」のいずれの分布の種類に該当するかを判定する。図８の分布の種類名の下段のアルファベットは、図７の各分布のパターンに対応する。「左右あり」には、図７の（Ａ）、（Ｆ）及び（Ｊ）のパターンは含まれない。また、同図（Ｈ）及び（Ｎ）のパターンは、「遠方のみ」及び「片側のみ」の両方に該当する。また、同図（Ｌ）及び（Ｏ）のパターンは、「近傍のみ」及び「片側のみ」の両方に該当する。
【００３２】
また、図８に示すように、分布の種類毎に走路パラメータの各々に対応するシステムノイズの設定方法が定められている。例えば、「遠方のみ」の場合には、横位置ｅｋ｜ｋ、曲率ｃｋ｜ｋ及び車線幅ｗｋ｜ｋに対応するシステムノイズについて、「ノイズ小」と定められている。「ノイズ小」の場合には、そのシステムノイズを小さく設定（例えば、「０」に設定）し、「ノイズ小」ではない場合には、従来の手法に従ってシステムノイズを設定する。また、システムノイズを小さく設定するとは、走路パラメータ推定の際の変動の度合いを小さくすることであり、該当する走路パラメータを更新しないように設定することを含む。走路パラメータは、システムノイズが大きいほど変動し易く、小さいほど変動し難く安定した推定結果が得られる。
【００３３】
なお、分布判定部３４及びシステムノイズ設定部３６が、本発明の設定手段の一例である。
【００３４】
走路パラメータ推定部３８は、下記に示すカルマンフィルタの式に従って、走路パラメータｘｋ｜ｋを推定する。
【００３５】
【数１】
【００３６】
ｘｋ｜ｋは時刻ｋにおける内部状態（走路パラメータ）、ｙｋはｙｋ＝［ｙｋ１・・・ｙｋｍ］Ｔで表される観測値（車線境界点の座標）、ｆｋは状態遷移関数、ｈｋは観測関数、Ｆｋは時刻ｋにおける状態遷移行列、Ｇｋは時刻ｋにおける駆動行列、Ｈｋは観測行列、Σｋ｜ｋは時刻ｋにおける推定誤差共分散行列、Σｋ＋１｜ｋは時刻ｋにおける予測誤差共分散行列、Σｗｋは時刻ｋにおけるシステムノイズの共分散行列、Σｖｋは時刻ｋにおける観測ノイズの共分散行列である。システムノイズ設定部３６で設定されるシステムノイズは、（５）式のΣｗｋである。そして、車線境界点の座標を観測値ｙｋとして与え、走路パラメータｘｋ｜ｋを推定する。
【００３７】
次に、図９を参照して、本実施の形態に係る走路推定装置１０のコンピュータ１６において実行される走路推定処理ルーチンについて説明する。本ルーチンは、ＲＯＭ２２に記憶された走路推定プログラムをＣＰＵ２０が実行することにより行われる。
【００３８】
ステップ１００で、撮像装置１２で撮像された撮像画像を取得し、次に、ステップ１０２で、撮像画像の画素毎の輝度の変化点であるエッジ点を特徴点として抽出する。
【００３９】
次に、ステップ１０４で、上記ステップ１０２で抽出された特徴点から、連続的に並ぶエッジ点の形状や幅、色などを判別することにより、車線を示す車線境界点を選択する。
【００４０】
次に、ステップ１０６で、上記ステップ１０４で選択された車線境界点がどのような分布かを判定する。まず、車線境界点の総数が所定数以下か否かを判定し、車線境界点の総数が所定数以下であれば、図７（Ｐ）のパターンの観測値なしの分布であると判定する。次に、左側境界を示す車線境界点のｙ座標の最小値をＬＦとし、ＬＦ≦ｙｃであれば、車線境界点が左側遠方領域に存在すると判定する。また、左側境界を示す車線境界点のｙ座標の最大値をＬＮとし、ＬＮ＞ｙｃであれば、車線境界点が左側近傍領域に存在すると判定する。同様に、右側境界を示す車線境界点のｙ座標の最小値をＲＦ、最大値をＲＮとして、ｙｃと比較して車線境界点が右側遠方領域または右側近傍領域に存在するかを判定する。これらの判定により、車線境界点の分布が図７の（Ａ）〜（Ｏ）のいずれに該当するかを判定する。例えば、車線境界点が左側遠方領域、左側近傍領域、右側遠方領域、及び右側近傍領域のいずれにも存在している場合には、同図（Ａ）のパターンであると判定される。また、車線境界点が左側遠方領域及び右側遠方領域にのみ存在している場合には、同図（Ｆ）のパターンであると判定される。
【００４１】
次に、ステップ１０８で、上記ステップ１０６で判定された車線境界点の分布に基づいて、推定する走路パラメータｘｋ｜ｋの各々に対応したシステムノイズを設定する。図８に示すような、予め定められた車線境界点とシステムノイズとの対応を参照して、車線境界点の分布のパターンに対応した各システムノイズの設定を読み込み、上記（５）式のΣｗｋに設定する。例えば、上記ステップ１０６で判定された車線境界点の分布が図７の（Ｆ）のパターンであった場合には、分布の種類が「遠方のみ」に該当するため、横位置ｅｋ｜ｋ、曲率ｃｋ｜ｋ及び車線幅ｗｋ｜ｋの走路パラメータに対応するシステムノイズを小さく設定する。また、車線境界点の分布が図７の（Ｎ）のパターンであった場合には、分布の種類が「遠方のみ」及び「片側のみ」に該当するため、上記の走路パラメータに加え、ピッチ角φｋ｜ｋに対応するシステムノイズも小さく設定する。
【００４２】
次に、ステップ１１０で、上記（１）〜（５）式に従って、上記ステップ１０４で選択された車線境界点の座標を観測値ｙｋとして与え、走路パラメータｘｋ｜ｋを推定し、推定結果を出力する。出力された推定結果は、図示しない表示装置により表示したり、車両運動を制御する車両運動制御システム等の入力データとして用いたりすることができる。
【００４３】
以上説明したように、本実施の形態の走路推定装置によれば、車線境界点の分布、すなわち観測値の分布に基づいて、走路パラメータの各々について推定精度が低下するような観測状況であるか否かを判断して、推定精度が低下するような走路パラメータに対応するシステムノイズの設定を小さくして走路パラメータの変動を小さくするため、安定して走路パラメータを推定することができる。
【００４４】
なお、上記実施の形態では、カルマンフィルタを用いて走路パラメータを推定する場合について説明したが、その他の離散時間信号を扱う確率的（統計的）信号処理に基づくフィルタを用いてもよい。例えば、パーティクルフィルタを用いることができる。その場合、図１０に示すように、（１）走路パラメータの確率をパーティクルの大きさ（重み）で表現し、（２）次時刻における走路パラメータを予測する。この際、例えば車両が車線に対して傾いていれば、次時刻の横位置も変動する等の車両の運動モデルを考慮する。そして、（３）走路パラメータを確率的に拡散させる。変化が大きい場合には広い範囲に、小さい場合には狭い範囲に拡散させる。この拡散させる幅が、本発明のシステムノイズに相当する。そして、（４）各走路パラメータの値の尤もらしさ（尤度）を観測値（車線境界点）を用いて重み付けし、（５）観測値により更新された走路パラメータの確率分布を算出する。
【００４５】
また、上記実施の形態では、車線境界点の分布を、遠方領域または近傍領域、及び左側または右側に存在するか否かにより判定する場合について説明したが、この場合に限定されない。より詳細な領域に分割して分布を判定してもよいし、遠方領域または近傍領域のみで判定するようにしてもよく、推定する走路パラメータの性質に応じて、観測値である車線境界線の分布が判定できるものであればよい。
【００４６】
また、本発明のプログラムは、記録媒体に格納して提供したり、有線または無線による通信手段を介して提供したりする形態としてもよい。また、ソフトウエア構成による実現に限られるものではなく、ハードウエア構成や、ハードウエア構成とソフトウエア構成の組み合わせによって実現してもよい。
【符号の説明】
【００４７】
１０ 走路推定装置
１２ 撮像装置
１６ コンピュータ
３０ 特徴点抽出部
３２ 車線境界点選択部
３４ 分布判定部
３６ システムノイズ設定部
３８ 走路パラメータ推定部
【特許請求の範囲】
【請求項１】
自車両周辺を撮像した撮像画像を取得する取得手段と、
前記取得手段により取得した撮像画像から、車線を示す特徴点を抽出する抽出手段と、
前記抽出手段により抽出された特徴点の分布に基づいて、前記自車両が走行する走路に対する自車両の位置及び姿勢、並びに該走路の形状及び大きさに関する走路パラメータを推定する際の該走路パラメータの変動の度合いを示すシステムノイズを設定する設定手段と、
前記抽出手段により抽出された特徴点、過去の前記走路パラメータの推定結果、及び前記設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により前記走路パラメータを推定する推定手段と、
を含む走路推定装置。
【請求項２】
前記走路に対する自車両の位置及び姿勢に関する走路パラメータを、該走路に対する自車両の横位置、該走路の中央線に対するヨー角、及び該走路の平面に対するピッチ角とし、前記走路の形状及び大きさに関する走路パラメータを、該走路の曲率及び該走路の車線幅とした請求項１記載の走路推定装置。
【請求項３】
前記設定手段は、前記特徴点が撮像画像上の遠方領域にのみ分布する場合には、前記走路の曲率、前記走路の車線幅、及び前記走路に対する自車両の横位置に対応するシステムノイズの各々を小さくし、前記特徴点が撮像画像上の近傍領域にのみ分布する場合には、前記走路の曲率に対応するシステムノイズを小さくし、前記車線の左側境界を示す特徴点または右側境界を示す特徴点のみが分布している場合には、前記走路の車線幅、及び前記走路の平面に対するピッチ角に対応するシステムノイズの各々を小さくし、前記特徴点が予め定めた所定数以上存在しない場合には、全ての走路パラメータに対応するシステムノイズの各々を小さくする請求項２記載の走路推定装置。
【請求項４】
コンピュータを、
自車両周辺を撮像した撮像画像を取得する取得手段、
前記取得手段により取得した撮像画像から、車線を示す特徴点を抽出する抽出手段、
前記抽出手段により抽出された特徴点の分布に基づいて、前記自車両が走行する走路に対する自車両の位置及び姿勢、並びに該走路の形状及び大きさに関する走路パラメータを推定する際の該走路パラメータの変動の度合いを示すシステムノイズを設定する設定手段、及び
前記抽出手段により抽出された特徴点、過去の前記走路パラメータの推定結果、及び前記設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により前記走路パラメータを推定する推定手段
として機能させるための走路推定プログラム。
【請求項５】
コンピュータを、請求項１〜請求項３のいずれか１項記載の走路推定装置を構成する各手段として機能させるための走路推定プログラム。
【請求項１】
自車両周辺を撮像した撮像画像を取得する取得手段と、
前記取得手段により取得した撮像画像から、車線を示す特徴点を抽出する抽出手段と、
前記抽出手段により抽出された特徴点の分布に基づいて、前記自車両が走行する走路に対する自車両の位置及び姿勢、並びに該走路の形状及び大きさに関する走路パラメータを推定する際の該走路パラメータの変動の度合いを示すシステムノイズを設定する設定手段と、
前記抽出手段により抽出された特徴点、過去の前記走路パラメータの推定結果、及び前記設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により前記走路パラメータを推定する推定手段と、
を含む走路推定装置。
【請求項２】
前記走路に対する自車両の位置及び姿勢に関する走路パラメータを、該走路に対する自車両の横位置、該走路の中央線に対するヨー角、及び該走路の平面に対するピッチ角とし、前記走路の形状及び大きさに関する走路パラメータを、該走路の曲率及び該走路の車線幅とした請求項１記載の走路推定装置。
【請求項３】
前記設定手段は、前記特徴点が撮像画像上の遠方領域にのみ分布する場合には、前記走路の曲率、前記走路の車線幅、及び前記走路に対する自車両の横位置に対応するシステムノイズの各々を小さくし、前記特徴点が撮像画像上の近傍領域にのみ分布する場合には、前記走路の曲率に対応するシステムノイズを小さくし、前記車線の左側境界を示す特徴点または右側境界を示す特徴点のみが分布している場合には、前記走路の車線幅、及び前記走路の平面に対するピッチ角に対応するシステムノイズの各々を小さくし、前記特徴点が予め定めた所定数以上存在しない場合には、全ての走路パラメータに対応するシステムノイズの各々を小さくする請求項２記載の走路推定装置。
【請求項４】
コンピュータを、
自車両周辺を撮像した撮像画像を取得する取得手段、
前記取得手段により取得した撮像画像から、車線を示す特徴点を抽出する抽出手段、
前記抽出手段により抽出された特徴点の分布に基づいて、前記自車両が走行する走路に対する自車両の位置及び姿勢、並びに該走路の形状及び大きさに関する走路パラメータを推定する際の該走路パラメータの変動の度合いを示すシステムノイズを設定する設定手段、及び
前記抽出手段により抽出された特徴点、過去の前記走路パラメータの推定結果、及び前記設定手段により設定されたシステムノイズに基づいて、離散時間信号を扱う確率的信号処理により前記走路パラメータを推定する推定手段
として機能させるための走路推定プログラム。
【請求項５】
コンピュータを、請求項１〜請求項３のいずれか１項記載の走路推定装置を構成する各手段として機能させるための走路推定プログラム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図９】
【図１０】
【公開番号】特開２０１２−６８９６１（Ｐ２０１２−６８９６１Ａ）
【公開日】平成２４年４月５日（２０１２．４．５）
【国際特許分類】
【出願番号】特願２０１０−２１４０２５（Ｐ２０１０−２１４０２５）
【出願日】平成２２年９月２４日（２０１０．９．２４）
【出願人】（０００００３６０９）株式会社豊田中央研究所 (4,200)
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【Ｆターム（参考）】
【公開日】平成２４年４月５日（２０１２．４．５）
【国際特許分類】
【出願日】平成２２年９月２４日（２０１０．９．２４）
【出願人】（０００００３６０９）株式会社豊田中央研究所 (4,200)
【出願人】（０００００３２０７）トヨタ自動車株式会社 (59,920)
【Ｆターム（参考）】
[ Back to top ]