CN109416256A - 行驶车道推定*** - Google Patents
行驶车道推定*** Download PDFInfo
- Publication number
- CN109416256A CN109416256A CN201680087254.9A CN201680087254A CN109416256A CN 109416256 A CN109416256 A CN 109416256A CN 201680087254 A CN201680087254 A CN 201680087254A CN 109416256 A CN109416256 A CN 109416256A
- Authority
- CN
- China
- Prior art keywords
- lane
- coordinate
- vehicle
- time series
- separator bar
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000012937 correction Methods 0.000 claims abstract description 191
- 238000003860 storage Methods 0.000 claims abstract description 42
- 238000004364 calculation method Methods 0.000 claims description 24
- 230000008901 benefit Effects 0.000 claims description 8
- 230000008859 change Effects 0.000 abstract description 52
- 238000001514 detection method Methods 0.000 abstract description 22
- 230000001186 cumulative effect Effects 0.000 description 20
- 238000000034 method Methods 0.000 description 20
- 238000009825 accumulation Methods 0.000 description 19
- 238000012545 processing Methods 0.000 description 17
- 238000009826 distribution Methods 0.000 description 13
- 230000006870 function Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 230000008569 process Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000011156 evaluation Methods 0.000 description 5
- 238000005259 measurement Methods 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 235000013399 edible fruits Nutrition 0.000 description 3
- 238000007689 inspection Methods 0.000 description 3
- 230000004075 alteration Effects 0.000 description 2
- 230000033228 biological regulation Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000002045 lasting effect Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- GOLXNESZZPUPJE-UHFFFAOYSA-N spiromesifen Chemical compound CC1=CC(C)=CC(C)=C1C(C(O1)=O)=C(OC(=O)CC(C)(C)C)C11CCCC1 GOLXNESZZPUPJE-UHFFFAOYSA-N 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000000844 transformation Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 238000012790 confirmation Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 239000004744 fabric Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000000452 restraining effect Effects 0.000 description 1
- 238000005096 rolling process Methods 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 230000006641 stabilisation Effects 0.000 description 1
- 238000011105 stabilization Methods 0.000 description 1
- 230000002123 temporal effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
- G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
- G01C21/30—Map- or contour-matching
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/10—Path keeping
- B60W30/12—Lane keeping
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
- G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
- G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
- G01C21/165—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation combined with non-inertial navigation instruments
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/36—Input/output arrangements for on-board computers
- G01C21/3626—Details of the output of route guidance instructions
- G01C21/3658—Lane guidance
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/01—Satellite radio beacon positioning systems transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/13—Receivers
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S19/00—Satellite radio beacon positioning systems; Determining position, velocity or attitude using signals transmitted by such systems
- G01S19/38—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system
- G01S19/39—Determining a navigation solution using signals transmitted by a satellite radio beacon positioning system the satellite radio beacon positioning system transmitting time-stamped messages, e.g. GPS [Global Positioning System], GLONASS [Global Orbiting Navigation Satellite System] or GALILEO
- G01S19/40—Correcting position, velocity or attitude
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
- G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
- G08G1/0968—Systems involving transmission of navigation instructions to the vehicle
- G08G1/0969—Systems involving transmission of navigation instructions to the vehicle having a display in the form of a map
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2556/00—Input parameters relating to data
- B60W2556/45—External transmission of data to or from the vehicle
- B60W2556/50—External transmission of data to or from the vehicle of positioning data, e.g. GPS [Global Positioning System] data
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Computer Networks & Wireless Communication (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明的目的在于提供一种利用了包含每个车道的详细形状的高精度地图数据库的行驶车道推定***。具有:GNSS接收器(110);车速计算单元(120);角速度测算单元(130);本车位置测位部(200),根据GNSS坐标计算车辆的基准坐标和基准方位,并计算车辆位置的时间序列数据;地图信息存储部(50),存储包含每个车道的分隔线的位置信息;以及车道推定部(300),将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道,因此,该行驶车道推定***能够根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。
Description
技术领域
本发明涉及推定驾驶员本人正在驾驶的汽车即本车正在行驶的车道的技术。
背景技术
导航***通常在对卫星接收的GNSS(Global Navigation Satellite System,全球导航卫星***)坐标信息,加入根据车辆的车轮转速计算出的车速信号信息、从陀螺仪传感器得到的角速度信息等,保持进行航位推算(Dead Reckoning)处理而得到的本车位置推定坐标。
另外,在使用仅由连线和节点以及与它们关联的属性信息表现道路的通常的面向导航的地图的情况下,通过进行地图匹配(Map Matching)处理,能够计算本车(自己驾驶的汽车)正在哪个道路连线上的哪个位置行驶,决定在地图上的车辆位置(车标记)的显示位置。
但是,上述面向导航的地图不包含车道等级的详细形状信息,用线段串或曲线等表现包含多个车道的道路整体,因此即使进行地图匹配处理,虽然能够推定正在哪个道路上行驶,但是无法推定正在哪个车道上行驶。另外,通常,通过航位推算处理得到的本车位置的推定精度容易受到多通道(Multipass)等卫星接收环境的影响,根据接收环境而包含10m左右的误差。因此,现状是,即使获得每个车道的详细形状,计算出最接近作为上述航位推算处理的结果而得到的位置的车道,正确地推定实际的行驶车道的可能性也较低。
另一方面,作为用于确定行驶车道的手法,利用照相机图像的分析结果的技术是主流。通过解析从照相机得到的图像信息,获取相对于本车的周边的白线信息,根据从本车到白线信息的距离的时间序列数据,检测跨过车道的事实,能够检测车道变更。
但是,能够被期待用于确定行驶车道的照相机必须具备专用的规格,仅为了该目的而设置照相机对用户的经济上的负担大,适用了利用上述照相机图像的行驶车道推定技术的产品的市场普及进展缓慢。
针对该问题,在专利文献1中公开了不使用照相机而进行本车位置的补正的技术。根据该技术,在行驶道路确定单元中,通过利用模式匹配(Pattern Matching)的技术,首先,基于地图的形状信息修正本车的坐标、方位,并且确定行驶道路。之后,通过车道计算单元,根据假设的每个车道的形状数据和各时刻的测位坐标,计算本车正在各个行驶车道上行驶的概率,上述假设的每个车道的形状数据是基于在面向导航的地图中包含的车道数、宽度的信息制作的。
现有技术文献
专利文献
专利文献1:日本特开平11-211491
发明内容
发明所要解决的课题
在专利文献1的技术中,提出了如下构思,即,制作基于地图数据制作的车辆轨迹的模板,以实际的车辆轨迹收敛于上述模板的方式进行测位结果的时间序列的补正。但是,上述模板将道路整体的能够行驶区域作为模板进行匹配,而不是将各车道的能够行驶区域作为模板进行匹配。因此,在存在多个车道的道路中,无法进行车道等级的方位补正,有时无法通过模式匹配来实现期待的精度的方位补正。
本发明鉴于上述的问题点,目的在于,利用每个车道的分隔线的位置信息,使用基于相对于车辆位置的地图中包含的分隔线的相对的位置关系计算的路径的似然性的评价值,计算关于方位(根据需要也包括坐标)的补正量的后验概率,求出后验概率的值最大的本车的方位(根据需要也包括坐标)的最优补正值,由根据补正的结果得到的车辆轨迹进行车道变更的检测以及当前的行驶车道的推定。
用于解决课题的手段
本发明的行驶车道推定***具有:GNSS接收器,通过GNSS接收车辆的坐标;车速计算单元,根据车辆的行驶距离计算车速;角速度测算单元,根据车辆的方位的变化量测算角速度;本车位置测位部,根据坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位和车速以及角速度计算车辆的测位坐标以及测位方位的时间序列数据;地图信息存储部,存储包含每个车道的分隔线的位置信息的地图信息;以及车道推定部,将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道。
另外,本发明的行驶车道推定***具有:GNSS接收器,通过GNSS接收车辆的坐标;车速计算单元,根据车辆的行驶距离计算车速;角速度测算单元,根据车辆的方位的变化量测算角速度;本车位置测位部,根据坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位和车速以及角速度计算车辆的测位坐标以及测位方位的时间序列数据;简易版地图信息存储部,存储包含构成道路连线的节点坐标、道路的宽度、车道数以及能够通行的方向的信息的地图信息;分隔线计算部,根据地图信息计算每个车道的分隔线;车道推定部,将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道。
发明的效果
本发明的行驶车道推定***利用每个车道的分隔线的位置信息来求出后验概率,以最优补正量补正,因此能够根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。
附图说明
图1是实施方式1的行驶车道推定***的结构图。
图2是示出实施方式1的行驶车道推定***的本车位置测位部的本车位置测位动作的流程图。
图3是示出实施方式1的行驶车道推定***的测位结果累积部的测位结果累积动作的流程图。
图4是示出实施方式1的行驶车道推定***的中间输出结果的具体例的图。
图5是实施方式1的行驶车道推定***的基准坐标以及基准方位、和测位坐标以及测位方位的时间序列数据的示意图。
图6是示出实施方式1的行驶车道推定***的误差模式的具体例的图。
图7是实施方式1的行驶车道推定***的事件的示意图。
图8是实施方式1的行驶车道推定***的补正前后的路径的示意图。
图9是示出实施方式1的行驶车道推定***的补正前后的测位结果累积数据的具体例的图。
图10是示出实施方式1的行驶车道推定***的最优补正量的具体例的图。
图11是实施方式2的行驶车道推定***的结构图。
图12是实施方式3的行驶车道推定***的结构图。
图13是示出实施方式3的行驶车道推定***的误差模式的具体例的图。
图14是示出实施方式3的行驶车道推定***的补正前后的测位结果累积数据的具体例的图。
图15是示出实施方式3的行驶车道推定***的最优补正量的具体例的图。
图16是实施方式4的行驶车道推定***的结构图。
图17是实施方式5的行驶车道推定***的结构图。
图18是实施方式6的行驶车道推定***的结构图。
附图标记说明
1、2、3、4:行驶车道推定***;50:地图信息存储部;51:简易版地图信息存储部;52:分隔线计算部;110:GNSS接收器;120:车速计算单元;130:角速度测算单元;200:本车位置测位部;300、301:车道推定部;310:测位结果累积部:320、321:补正量候补生成部;330、331:后验概率运算部;340、341:最优补正量运算部;350、351:行驶车道推定部;400:高规格道路判定部。
具体实施方式
实施方式1
图1是实施方式1的行驶车道推定***的结构图1。将车辆等移动体作为控制对象,推定作为控制对象的移动体正在行驶的车道。行驶车道推定***1具备地图信息存储部50、GNSS接收器110、车速计算单元120、角速度测算单元130、本车位置测位部200、车道推定部300。
地图信息存储部50中至少存储有包含每个车道的详细位置信息的地图信息。在此,每个车道的详细位置信息是指每个车道的分隔线的位置信息。作为每个车道的分隔线的位置信息,例如可以是分隔线上的坐标串的信息。作为连结在分隔线上的坐标串中彼此相邻的两个坐标的线段串,能够表现每个车道的分隔线的位置信息。并且,还能够根据该每个车道的分隔线的位置信息来计算每个车道的车道中心线以及车道宽度。
另外,作为每个车道的分隔线的位置信息,作为其他的例子,也可以是每个车道的车道中心线的坐标串以及车道宽度的信息。这是因为,作为连结在每个车道的车道中心线的坐标串中彼此相邻的两个坐标的线段串,能够计算每个车道的车道中心线,车道宽度的一半的距离的位置成为每个车道的左右分隔线的位置信息。除了利用这样的线段串来表现分隔线或车道中心线的位置信息的方法以外,还有通过多个圆弧串等曲线串来表现分隔线或车道中心线的位置信息的方法。这是因为,在通过圆弧串来表现的情况下,例如,圆弧能够由圆弧的圆弧起点、圆弧终点、圆弧半径的组唯一地表现。
地图信息存储部50包含存储介质,构成为包括HDD(Hard Disk Drive:硬盘驱动器)、记忆棒等,上述存储介质保存包含每个车道的详细形状的高精度地图数据。在地图信息存储部50中,除此之外,当然也包含通常的面向导航的地图信息,该地图信息构成为包括构成道路连线的节点坐标、道路的宽度、车道数以及能够通行的方向的信息等。
GNSS接收器110是通过GNSS接收车辆的坐标的接收器。GNSS接收器110连接有接收来自卫星的电波的GNSS天线,通过来自卫星的电波来测算位置并输出车辆的位置数据。
车速计算单元120根据车辆的行驶距离计算车速。例如,车速计算单元120使用根据车辆的行驶距离而输出的距离传感器的脉冲信号来测算车辆的行驶距离,计算车辆的车速。
角速度测算单元130根据车辆的方位的变化量来测算角速度。例如,角速度测算单元130测算陀螺仪所检测到的车辆的角速度数据。
本车位置测位部200根据GNSS接收器110接收的车辆的坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位、和车速计算单元120计算的车速以及角速度测算单元130测算的角速度,计算车辆的测位坐标以及测位方位的时间序列数据。本车位置测位部200获取被行驶车道推定***1作为控制对象的车辆等移动体的当前的位置信息。
车道推定部300构成为包括测位结果累积部310、补正量候补生成部320、后验概率运算部330、最优补正量运算部340、行驶车道推定部350。
测位结果累积部310将从本车位置测位部200获取的各时刻的测位结果即测位坐标以及测位方位按照时刻从久远到新近的顺序作为时间序列数据进行存储,在缓存器达到上限的情况下从久远的数据开始依次删除。
补正量候补生成部320首先基于基准坐标的GNSS接收精度等,计算测位坐标以及测位方位的误差的分布。接着,决定误差(坐标、方位)的范围,使得测位坐标以及测位方位收敛于规定的范围内的概率超过事前指定的阈值,生成位于该范围内的误差(坐标、方位)的模式。例如,将误差分布视为具有X方向的误差标准偏差σX、Y方向的误差标准偏差σY、以及方位Θ的误差标准偏差σΘ的三维正态分布,误差模式例如将包含在基于上述标准偏差的长方体-2σX<X<2σX,-2σY<Y<2σY,-2σΘ<Θ<2σΘ的全部的网格点作为补正量候补(误差模式)即可。从GNSS接收器110获取的坐标是经度和纬度,但在此将经度变换为X坐标,将纬度变换为Y坐标。
另外,应用本算法时的时间序列数据的坐标的范围即使长也就是2km~3km,因此可以局部地将地表面视为平面,将经度和X坐标、纬度和Y坐标通过线性变换分别相对应。因此,当然也可以不将经度变换为X坐标、将纬度变换为Y坐标,而直接以经度、纬度进行运算。此时,需要考虑该地点的每1度经度的距离、每1度纬度的距离来进行计算。在直接以经度、纬度进行运算的情况下,误差模式也可以是经度、纬度、方位的组合。
后验概率运算部330对由补正量候补生成部320生成的全部的补正量候补,运算定量地表示实现的可能性的后验概率。更具体而言,后验概率运算部330首先运算基于由补正量候补生成部320生成的全部的误差模式的时间序列数据的先验概率。接着,运算通过与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算出的似然度(时间序列数据的似然性的评价值)的积来计算的后验概率。
补正量候补决定部340基于由后验概率运算部330运算出的各补正量候补即误差模式的后验概率的运算结果,计算后验概率最大的误差模式作为最优补正量。
行驶车道推定部350采用由补正量候补决定部340计算出的最优补正量(最可能补正量),以最优补正量补正时间序列数据,通过与分隔线的比较来推定车辆的行驶车道。
接着,对行驶车道推定***1中的行驶车道推定动作进行说明。图2是示出本车位置测位部200的本车位置测位动作的流程图。首先,本车位置测位部200从GNSS接收器110周期性地接收坐标(GNSS坐标),从车速计算单元120周期性地接收车速,从角速度测算单元130周期性地接收角速度(步骤S201)。接着,确认本车坐标的基准坐标、基准方位是否已登记(步骤S202)。在初次的GNSS坐标接收时等,由于基准坐标、基准方位未登记,因此向N的方向前进。
接着,根据在过去的规定期间从GNSS接收器110接收到的坐标,计算在各时刻的方位(步骤S203)。对于方位的计算结果,进行所有方位是否收敛于规定的偏差范围的检查(步骤S204)。在收敛的情况下(Y的方向),将当前的GNSS坐标登记为基准坐标,将过去规定期间的方位的平均值登记为基准方位(步骤S205)。另一方面,在未收敛的情况下(N的方向),不进行任何处理而返回到最初。
步骤S204相当于车辆的直行稳定性的判定处理,为了采用基于在满足直行稳定性的地点的GNSS坐标而计算出的基准坐标以及基准方位来开始计算,是必要的。在到此为止的过程中,计算了基准坐标以及基准方位,但这只是一个例子,并不限定于该计算方法。例如,基准坐标也可以通过坐标的移动平均值来计算,基准方位也可以通过方位的移动平均值来计算。另外,也根据考虑车辆的直行稳定性到哪种程度而改变。
在步骤S202中已经登记了基准坐标以及基准方位的情况下,向Y的方向前进,接着根据基准坐标以及基准方位、和车速以及角速度,作为车辆的测位结果来计算测位坐标以及测位方位(步骤S206)。接着,进行本次计算出的测位结果与本次接收到的GNSS坐标之差是否在规定的范围内的检查(步骤S207)。在检查的结果判定为范围内的情况下(Y的方向),将作为计算出的测位结果的测位坐标以及测位方位发送到测位结果累积部310(步骤S208)。
在判定为范围外的情况下(N的方向),需要重置到目前为止的基准位置以及基准方位、和最优补正量,因此向测位结果累积部310发送删除到目前为止的测位结果累积数据的请求(步骤S209)。接受到该请求,删除已登记在测位结果累积部310中的基准坐标以及基准方位(步骤S210)。在该情况下,在再次进行基准坐标以及基准方位的登记之后,测位处理进行动作。
例如,作为步骤S203的GNSS方位的计算方法,考虑下述的计算方法。
(时刻t的GNSS方位)
=arctan(((时刻t的Y坐标)-(时刻t-1的Y坐标))
/((时刻t的X坐标)-(时刻t-1的X坐标)))…(式1)其中,设X坐标以及Y坐标表示GNSS坐标。另外,设当前的时刻为t,设时刻t-1表示上一次的数据接收时刻。
例如,作为步骤S204的判定方法,可以考虑下述的判定基准。
判定基准:(方位的最大值)-(方位的最小值)<(方位阈值θth)
其中,方位是在步骤S203中根据GNSS坐标计算出的值,使用对方位加上360度的整数倍而调整成的值,以使连续的2次的方位计算结果不超过180度。
例如,作为步骤S206中的测位结果的计算方法,考虑下述的计算式组。
(时刻t的方位)
=(时刻t-1的方位)+(角速度)×(测算间隔)
(时刻t的X坐标)
=(时刻t-1的X坐标)+(时刻t-1~t之间的车辆行驶距离)
×cos(((时刻t的方位)+(时刻t-1的方位))/2)
(时刻t的Y坐标)
=(时刻t-1的Y坐标)+(时刻t-1~t之间的车辆行驶距离)
×sin(((时刻t的方位)+(时刻t-1的方位))/2)
…(式组2)
其中,设从车速计算单元120得到车辆行驶距离,从角速度测算单元130得到角速度。另外,设当前的时刻为t,设时刻t-1表示上一次的数据接收时刻。进而,在说明书中,方位表示以正北的方向为0度来顺时针测算的情况下的车辆(本车)正在行驶的朝向(角度)。
例如,作为步骤207的判定方法,可以考虑下述的判定基准。
判定基准:(GNSS坐标与测位结果坐标的距离)<(距离阈值dth)
图3是示出测位结果累积部310的测位结果累积动作的流程图。测位结果累积部310从本车位置测定部200接收测位结果(步骤S311)。更具体而言,接收作为测位结果的车辆的测位坐标以及测位方位的时间序列数据。接着,确认测位结果的累积数据的数量是否达到规定量(步骤S312)。在达到规定量的情况下(Y的方向),向后验概率运算部330发送累积数据(步骤S313),返回到最初。另一方面,在未达到规定量的情况下(N的方向),将从本车位置测位部200接收到的本次的测位结果追加到累积数据(步骤S314),返回到最初。
图4是示出行驶车道推定***的1的中间输出结果的具体例的图。更具体而言,示出了基准坐标以及基准方位的例子,在测位结果累积数据中示出在时刻为10时的最初的数据记录时与基准坐标以及基准方位一致。之后,测位结果累积数据示出按时间序列X坐标、Y坐标、方位变化。
另外,图5是基准坐标以及基准方位、和测位坐标以及测位方位的时间序列数据(实际为数字的数据)的示意图。双重的白圈示出基准坐标以及基准方位,白圈示出测位坐标以及测位方位,黑点示出每个车道的分隔线的节点。白实线以及白虚线示出每个车道的分隔线。方位是各点处的车辆的行进方向。例如,作为白实线的车道的分隔线的外侧为路侧带、路肩等。
接着,说明补正量候补生成部320中的处理。在补正量候补生成部320中,确定能够补正的位置以及方位的误差范围,生成与上述误差范围对应的补正量候补的列表。以下记载具体的处理内容的例子。
X、Y、Θ是随机变量,设为分别表示路径开始点(测位结果累积数据中最久远的记录)中的X方向、Y方向、方位的误差量。另外,在此,路径是测位结果的时间序列。例如,可以考虑假设X、Y、Θ遵循具有基于GNSS接收精度等的参数的三维正态分布的模型化方法等。具体而言,可以假设X以及Y具有平均值0、标准偏差σpos,Θ具有平均值0、标准偏差σdir,X、Y、Θ为相互独立的随机变量,遵循三维正态分布。另外,例如,σpos也可以根据GNSS的接收状况来决定,σdir也可以根据从陀螺仪传感器输出的信息的可靠度来决定。
在该情况下,例如,通过将可补正范围关于位置限制为-2σpos~+2σpos的范围,关于方位限制为-2σdir~+2σdir的范围,能够覆盖产生的可能性高的补正量的模式(各变量的覆盖率=约95.4%),并且生成补正量候补。具体而言,考虑采取将包含在上述范围内的等间隔的网格点全部列举并登记为补正量候补的方法。
图6是示出本车行驶车道推定***1的误差模式的具体例的图。在此,针对每个误差模式,示出X方向的误差、Y方向的误差、方位误差。误差模式的划分方法只不过是例示,可以更小,相反地也可以更大。
接着,说明后验概率运算部330中的处理。针对作为补正量候补的每个误差模式计算后验概率P(x,y,θ)。具体而言,后验概率的计算式如式3所示,通过遵循第一概率模型的误差的先验概率P1(x,y,θ)与遵循第二概率模型的路径的似然性的评价值(以下,记作“路径似然度”。)P2(x,y,θ)的积来计算。更具体而言,后验概率P(x,y,θ)通过误差模式(X方向的误差为x,Y方向的误差为y,方位误差为θ的事件)的先验概率P1(x,y,θ)与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度P2(x,y,θ)的积来计算。在该关系式中,应用贝叶斯推定来使用。
P(x,y,θ)
=P1(x,y,θ)×P2(x,y,θ)…(式3)
在此,X、Y、Θ是随机变量,分别表示路径开始点的X方向、Y方向、方位的误差量。P(x,y,θ)表示将观测到的路径(测位结果的时间序列数据)作为证据时的x=X且y=Y且θ=Θ的后验概率。
误差的先验概率P1(x,y,θ)表示发生X方向、Y方向、方位的误差量分别为x、y、θ的现象的概率密度函数。例如,可以考虑假设X、Y、Θ遵循具有基于GNSS接收精度等的参数的三维正态分布的模型化方法等。在该情况下,P1(x,y,θ)由式4给出。
P1(x,y,θ)
=((1/(2πσpos 2))·(1/(2πσdir 2)))1/2
·exp[-x2/(2σpos 2)-y2/(2σpos 2)-θ2/(2σdir 2)]
…(式4)
在贝叶斯推定的框架中,P1(x,y,θ)相当于误差x、y、θ的先验概率。
路径似然度P2(x,y,θ)是在产生了特定的误差模式的条件下,基于通过该误差模式进行了补正后的时间序列数据与分隔线的相对的位置关系而计算的似然度。在此,时间序列数据与分隔线的相对的位置关系包含连结时间序列数据的线段串与分隔线交叉的关系、以及时间序列数据与分隔线的距离的持续关系中的至少一方。在此,连结时间序列数据的线段串是指依次连结通过误差模式进行了补正后的时间序列数据的点与点的线段的串,例如包含连结时刻(t+α)的点与时刻(t+α+1)的点的线段等。
另外,时间序列数据与分隔线的距离的持续关系是指通过误差模式进行了补正后的时间序列数据的点与分隔线(由线段串、曲线串来表现。)的距离处于规定的范围内的状态持续的关系。在该情况下,除了发生车道变更的时间段以外,通过误差模式补正后的时间序列数据的点的集合在某分隔线和与该分隔线相邻的分隔线之间夹着的区域内(车道内)行驶,连结时间序列数据的线与分隔线不交叉。另外,在通过误差模式补正后的时间序列数据的点与分隔线重叠但是还不能称为交叉的情况下,例如能够作为包含于时间序列数据与分隔线的距离的持续关系而进行处理。
连结时间序列数据的线与分隔线交叉的关系(事件)例如有如下事件等:<1>越出到道路外(道路的分隔线之外)的事件;<2>短时间内多次跨过车道的分隔线的事件;<3>发生缓慢的车道变更的事件;<4>发生在车道变更禁止区间的变更车道的事件;<5>发生不伴随驾驶员进行的方向指示器的操作的车道变更的事件;<6>发生不伴随驾驶员引起的方向盘转向角的变化的车道变更的事件;<7>发生不伴随照相机进行的白线横穿检测的车道变更的事件。另一方面,时间序列数据与分隔线的距离的持续关系(事件)例如有如下事件等:<8>继续车道内的靠左或靠右的行驶的事件;<9>稳定在车道的中央继续行驶的事件。
图7是事件的示意图,更具体而言,是用于列举上述事件的一部分而进行具体说明的示意图。例如,在事件<1>的越出到道路外(道路的分隔线之外)的事件的例子中,示出了越出到道路外为NG。另外,在事件<2>的短时间内多次跨过车道的分隔线的事件的例子中,示出了车道的跨过次数的最小化。另外,在事件<9>的稳定在车道的中央继续行驶的事件的例子中,示出了车道中心附近的行驶距离的最大化。
例如,在<4>发生在车道变更禁止区间的变更车道的事件中,在地图信息存储部50中存储的每个车道的详细形状中,还包含车道为变更禁止区间的信息。另外,在<5>发生不伴随驾驶员进行的方向指示器的操作的车道变更的事件中,需要获得方向指示器的操作信息的单元。此外,在<6>发生不伴随驾驶员引起的方向盘转向角的变化的车道变更的事件中,需要获得方向盘转向角的信息的单元。另外,在<7>发生不伴随照相机进行的白线横穿检测的车道变更的事件中,需要通过照相机检测车辆是否横穿白线的白线横穿检测单元。
路径似然度P2(x,y,θ)表示基于误差量(误差模式)x、y、θ对观测到的路径进行补正后的路径的似然性的评价值(似然度)。在计算路径似然度P2(x,y,θ)时,补正后的路径考虑如下事件等:<1>越出到道路外的事件;<2>短时间内多次跨过车道的分隔线的事件;<3>发生缓慢的车道变更的事件;<4>发生在车道变更禁止区间的变更车道的事件;<5>发生不伴随驾驶员进行的方向指示器的操作的车道变更的事件;<6>发生不伴随驾驶员引起的方向盘转向角的变化的车道变更的事件;<7>发生不伴随照相机进行的白线横穿检测的车道变更的事件;<8>继续车道内的靠左或靠右的行驶的事件,根据其发生频率或程度来减少发生概率。另外,作为补正后的时间序列数据与分隔线的相对的位置关系而假设的事件越多越好,但即使仅一个事件,也能够计算后验概率P(x,y,θ),本发明成立。
具体而言,考虑如下的路径似然度P2(x,y,θ)的计算方法。另外,<>内的数字与上述的各事件对应。例如,<1>脱离至路外发生次数的随机过程可以视为遵循平均间隔1/λdev(<<1)的泊松过程。以下,同样地,<2>车道变更发生次数的随机过程可视为遵循平均间隔1/λchg的泊松过程。<3>能够将相对于车道变更时的车道的横摆角视为遵循平均值μyaw、标准偏差σyaw的正态分布的各自独立的随机变量。<4>能够将在车道变更禁止区间中的车道变更概率设为pprh,将车辆行驶位置从车道中心线的偏移视为遵循平均值0、标准偏差σcen的正态分布的各自独立的随机变量。<5>能够将从车道变更时间点到向与时间上最接近的车道变更相同的方向操作方向指示器的时间点为止的时间间隔视为遵循平均值1/λwin的指数分布。<6>能够将从车道变更时间点到向与时间上最接近的车道变更相同的方向操作方向盘转向角的时间点为止的时间间隔视为遵循平均值1/λhnd的指数分布。<7>能够将从车道变更时间点到向与时间上最接近的车道变更相同的方向用照相机检测白线横穿的时间点为止的时间间隔视为遵循平均值1/λcam的指数分布。<8>能够将距车道中心线的距离视为遵循平均值0、标准偏差σcen的正态分布。换言之,可以将P2(x,y,θ)固定为式5。
P2(x,y,θ)
=P2A(x,y,θ)×P2B(x,y,θ)×P2C(x,y,θ)
×P2D(x,y,θ)×P2E(x,y,θ)×P2F(x,y,θ)
×P2G(x,y,θ)×P2H(x,y,θ)···(式5)
在此,
P2A(x,y,θ)=exp[-λdev·t]·(λdev·t)d/(d!)
P2B(x,y,θ)=exp[-λchg·t]·(λchg·t)k/(k!)
P2C(x,y,θ)=Πi=1 k(1/(2πσyaw 2))1/2
·exp[-(w(i)-μyaw)2/(2σyaw 2)]
P2D(x,y,θ)=Πi=1 k(p(i))
P2E(x,y,θ)=Πi=1 kexp[-λwin·t1(i)]
P2F(x,y,θ)=Πi=1 kexp[-λhnd·t2(i)]
P2G(x,y,θ)=Πi=1 kexp[-λcam·t3(i)]
P2H(x,y,θ)
=Πj=1 n(1/(2πσcen 2))1/2
·exp[-(l(j))2/(2σcen 2)]
式5中的P2A(x,y,θ)反映了<1>越出到道路外(=道路分隔线外)的事件的发生频率。以下,同样地,P2B(x,y,θ)反映了<2>发生车道变更(=跨过车道分隔线)的事件的发生频率。P2C(x,y,θ)反映了<3>发生平缓的车道变更的事件的发生频率。P2D(x,y,θ)反映了<4>发生在车道变更禁止区间中的车道变更的事件的发生频率。P2E(x,y,θ)反映了<5>发生不伴随驾驶员进行的方向指示器操作的车道变更的事件的发生频率。P2F(x,y,θ)反映了<6>发生不伴随驾驶员引起的方向盘转向角的变化的车道变更的事件的发生频率。P2G(x,y,θ)反映了<7>发生不伴随照相机进行的白线横穿检测的车道变更的事件的发生频率。P2H(x,y,θ)反映了<8>继续车道内的靠左或靠右的行驶的事件的发生频率。
在这里,d表示在补正后的路径中发生了脱离至路外的次数,k表示在补正后的路径中进行了车道变更的次数。另外,p(i)是在第i次的车道变更是在车道变更禁止区间进行的情况下返回pprh,而在不是这样的情况下返回1的函数。此外,w(i)表示第i次的车道变更时的横摆角。另外,t1(i)表示从第i次的车道变更时间点到向与在时间上最接近的车道变更相同的方向操作方向指示器的时间点为止的时间间隔。此外,t2(i)表示从第i次的车道变更时间点到向与在时间上最接近的车道变更相同的方向操作方向盘转向角的时间点为止的时间间隔。另外,t3(i)表示从第i次的车道变更时间点到向与时间上最接近的车道变更相同的方向用照相机进行白线横穿检测的时间点为止的时间间隔。n表示观测到的坐标点数,l(j)表示从第j个观测点到该观测点所属的车道的车道中心线的垂线距离。
其中,λdev、λchg、μyaw、σyaw、pprh、λwin、λhnd、λcam、σcen是参数,除了设定常数的方法以外,也可以基于过去的行驶探测器数据等的实绩来计算。另外,通过基于驾驶员个人的过去的行驶实绩进行参数调整,能够进一步检测出反映了个人的驾驶特征的正确的车道变更的判定。
另一方面,由于d、k、p(i)、w(i)、t1(i)、t2(i)、t3(i)、n、l(j)是由基于误差x、y、θ的补正后的路径计算的数值,因此当然取决于观测到的路径,还需要注意也是x、y、θ的函数。
另外,x、y、θ是对路径开始点(测位结果累积部310的数据中最久远的记录)即基准坐标以及基准方位的补正量。因此,对于补正前的坐标,进行相对于路径开始点的相对位置向量的计算,通过对该相对位置向量进行旋转角θ的旋转,加上偏离x、y,能够从相对位置向量变换为绝对位置向量,能够得到补正后的坐标。通过对测位结果累积部310的全部记录进行该处理,得到补正后的路径。
在式5的具体例中,认为在<1>中中脱离至路外的发生次数的随机过程遵循平均λdev(<<1)的泊松过程,但在发生1次以上脱离至路外的情况下,也能够无条件地进行设P2(x,y,θ)=0的模型化。
另外,在计算机上进行先验概率、路径似然度、事后分布的运算处理的情况下,也可以将上述X、Y、Θ视为离散随机变量,将P1(x,y,θ)置换为离散概率分布。
图8是补正前后的路径的示意图。更具体而言,左侧的图表示补正前的路径,右侧的图表示补正后的路径。另外,双重圆圈示出基准坐标及基准方位,白圈示出测位坐标及测位方位。在补正后的路径的图中,通过基于θ的旋转(方位的补正)、基于x以及y的位移(坐标的补正),表示包含基准坐标以及基准方位在内的、作为测位结果的时间序列数据的路径被补正。
图9是示出补正前后的测位结果累积数据的具体例的图。更具体而言,表示对基准坐标以及基准方位进行补正,在测位结果累积数据中,在时刻为10时的最初的数据记录时与基准坐标以及基准方位的补正一致。在测位结果累积数据中,通过与基准坐标及基准方位相同的误差模式对各记录数据进行补正。不过,由于存在基于θ的旋转(方位的补正)的补正,所以表示不是单纯地对X坐标以及Y坐标加减了值而成的。
在贝叶斯推定的框架中,P2(x,y,θ)相当于假定了误差x、y、θ的条件下的观测事件的发生概率。
接着,说明最优补正量运算部340中的处理。计算由补正量候补生成部320生成的多个误差模式即各补正量候补(x,y,θ)中的、由后验概率运算部330计算出的后验概率P(x,y,θ)最大的最优的补正量候补(x^,y^,θ^),。即,计算后验概率P(x,y,θ)最大的误差模式作为最优补正量(x^,y^,θ^),该后验概率P(x,y,θ)通过基于多个误差模式的时间序列数据的先验概率P1(x,y,θ)与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算出的似然度P2(x,y,θ)的积来计算。
在贝叶斯推定的框架中,P(x,y,θ)相当于误差x、y、θ的后验概率(的常数倍),因此后验概率P(x,y,θ)最大的补正量候补(x^,y^,θ^)表示通过贝叶斯推定得到的、以观测到的路径为证据的推定结果。
图10是示出最优补正量的具体例的图。更具体而言,是示出由后验概率运算部330运算出的后验概率数据和由最优补正量运算部340选择的最优补正量的图。在该例子中,在误差模式的No4的情况下,表示后验概率最大。
接着,说明行驶车道推定部350中的处理。在行驶车道推定部350中,将由最优补正量运算部340计算出的最优补正量适用于测位结果累积部310所保持的测位结果累积数据。补正后的路径的计算方法与上述相同。接着,进行由从地图信息提供部50提供的车道分隔线分隔的各车道的能够行驶区域与基于最优补正量的补正后的路径的比较。这是因为考虑了作为针对地图信息所包含的分隔线的行驶方法的实现可能性的补正量计算成为可能。根据补正后的路径属于由上述车道分隔线分隔的车道区域中的哪个车道的能够行驶区域,来推定行驶车道。这是因为能够检测车道变更的发生及其方向(右或左)。将该结果作为行驶车道推定结果来输出。
进而,在车道变更检测部350中的处理完成之后,将测位结果累积部310所保持的测位结果累积数据中的、最新的1个记录重新登记为基准坐标及基准方位,删除测位结果累积数据的全部记录。
如以上那样,行驶车道推定***具有:GNSS接收器,通过GNSS接收车辆的坐标;车速计算单元,根据车辆的行驶距离计算车速;角速度测算单元,根据车辆的方位的变化量测算角速度;本车位置测位部,根据坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位和车速以及角速度计算车辆的测位坐标以及测位方位的时间序列数据;地图信息存储部,存储包含每个车道的分隔线的位置信息的地图信息;以及车道推定部,将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道。
行驶车道推定***利用每个车道的分隔线的位置信息来求出后验概率,以最优补正量补正,因此能够根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。另外,能够检测车道变更的发生及其方向(右或左)。
另外,时间序列数据与分隔线的相对的位置关系包含连结时间序列数据的线与分隔线交叉的关系、以及时间序列数据与分隔线的距离的持续关系中的至少一方。此外,误差模式是坐标误差与方位误差的组合。
通过使用该行驶车道推定***,在导航***中能够掌握本车正在行驶的车道,因此能够进行更适当的广播等指示。另外,通过使用该行驶车道推定***,能够更容易地进行车辆的自动驾驶和驾驶支援功能等。
实施方式2
图11是实施方式2的行驶车道推定***2的结构图。与实施方式1的行驶车道推定***1不同,取代地图信息存储部50而具备简易版地图信息存储部51和分隔线计算部52。在除了以简易版地图信息存储部51和分隔线计算部52代替存储有包含每个车道的分隔线的位置信息的地图信息的地图信息存储部50以外的方面,没有不同点。
由于GNSS接收器110、车速计算单元120、角速度测算单元130、本车位置测位部200、测位结果累积部310、补正量候补生成部320、后验概率运算部330、最优补正量运算部340、行驶车道推定部350以及车道推定部300具有与实施方式1中的相同的结构,并且进行同样的动作,所以省略说明。因此,以下,以不同点为中心进行说明。
地图信息存储部50至少存储有包含每个车道的分隔线的位置信息的地图信息,但简易版地图信息存储部51不存储每个车道的分隔线的位置信息。简易版地图信息存储部51存储包含构成道路连线的节点坐标、道路的宽度、车道数以及能够通行的方向的信息的地图信息。可以认为一般的导航的地图信息中至少包含构成道路连线的节点坐标以及能够通行的方向的信息,但简易版地图信息存储部51除了这些信息以外,还必须有道路的宽度以及车道数的信息。
另外,简易版地图信息存储部51包含存储构成道路连线的节点坐标、道路的宽度、车道数以及能够通行的方向的信息的地图信息的存储介质,构成为包括HDD或记忆棒等。另外,在节点坐标中,即使道路是不与其他道路相交的一条道路,也包括在汽车导航画面上显示弯道等道路形状所需的作为插补的坐标的辅助节点坐标。
分隔线计算部52根据简易版地图信息存储部51的地图信息计算每个车道的分隔线。例如,通过将道路的宽度W除以道路的合计车道数N,能够计算出各车道的车道宽度w=W/N。接着,通过以连结节点坐标间的道路连线为中心,加上横向距离[-(N/2)×w,(-(N/2)+1)×w,…,(N/2-1)×w,(N/2)×w],能够计算分隔各个车道的(N+1)条区间线的位置信息。这只不过是一个例子,如果有构成道路连线的节点坐标、道路的宽度、车道数以及能够通行的方向的信息,则通过上述以外的方法也能够计算每个车道的分隔线的位置信息。
由于从分隔线计算部52能够获得每个车道的分隔线的位置信息,所以后验概率运算部330和行驶车道推定部350也能够进行与实施方式1相同的运算和推定,因此能够得到与实施方式1相同的效果。另外,在图中,标注相同的附图标记的部分是相同或与其相当的部分,这在说明书的全文、附图的全部图中是共通的。而且,在说明书全文中表示的构成要素的形态只不过是例示,并不限定于这些记载。
通过使用行驶车道推定***2,能够直接利用在导航***中使用的地图信息,能够掌握本车正在行驶的车道,因此能够容易地进行更适当的广播等指示。另外,通过使用该行驶车道推定***2,即使在车辆的自动驾驶中也能够容易地进行行驶车道的推定。
如以上那样,行驶车道推定***具有:GNSS接收器,通过GNSS接收车辆的坐标;车速计算单元,根据车辆的行驶距离计算车速;角速度测算单元,根据车辆的方位的变化量测算角速度;本车位置测位部,根据坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位和车速以及角速度计算车辆的测位坐标以及测位方位的时间序列数据;简易版地图信息存储部,存储包含构成道路连线的节点坐标、道路的宽度、车道数以及能够通行的方向的信息的地图信息;分隔线计算部,根据地图信息计算每个车道的分隔线;以及车道推定部,将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道,因此该行驶车道推定***能够根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。
另外,时间序列数据与分隔线的相对的位置关系包含连结时间序列数据的线与分隔线交叉的关系、以及时间序列数据与分隔线的距离的持续关系中的至少一方。此外,误差模式是坐标误差与方位误差的组合。
实施方式3
在实施方式1的行驶车道推定***1中,作为误差模式使用X坐标、Y坐标、方位这三者,但在实施方式3中,作为误差模式仅使用方位。换言之,实施方式1的误差模式是坐标误差与方位误差的组合,与此相对,实施方式3的误差模式仅是方位误差。
图12是实施方式3的行驶车道推定***3的结构图。由于仅误差模式不同,所以补正量候补生成部321、后验概率运算部331、最优补正量运算部341、行驶车道推定部351以及车道推定部301与实施方式1不同。另一方面,地图信息存储部50、GNSS接收器110、车速计算单元120、角速度测算单元130、本车位置测位部200以及测位结果累积部310具有与实施方式1中的相同的结构,进行同样的动作,因此省略说明。因此,以下,以不同点为中心进行说明。
本车位置测位部200根据基准坐标以及基准方位和车速以及角速度,计算车辆的测位坐标以及测位方位的时间序列数据。另外,测位结果累积部310将从本车位置测位部200获取的各时刻的测位结果即测位坐标以及测位方位按照时刻从久远到新近的顺序作为时间序列数据存储,在缓存到达上限的情况下从久远的数据开始依次删除。
图13是示出误差模式的具体例的图。与图6不同,省略了X方向误差及Y方向误差,误差模式仅为方位误差θ。在实施方式1的补正量候补生成部320中,假设关于X、Y、Θ的3个变量产生了误差,但在实施方式3的补正量候补生成部321中,假定仅产生方位的Θ的误差。补正量候补生成部321首先基于基准坐标的GNSS接收精度等,计算测位方位的误差的分布。接着,决定误差的范围,使得测位方位收敛于规定的范围内的概率超过事前指定的阈值,生成位于该范围内的方位误差的模式。
后验概率运算部331对由补正量候补生成部321生成的全部的补正量候补,运算定量地表示实现的可能性的后验概率。更具体而言,后验概率运算部331首先对基于由补正量候补生成部321生成的全部的误差模式的时间序列数据的先验概率进行运算。接着,运算通过与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算出的似然度(时间序列数据的似然性的评价值)的积来计算的后验概率。
更具体而言,后验概率P(θ)通过误差模式(方位误差为θ的事件)的先验概率P1(θ)与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算出的似然度P2(θ)的积来计算。在该关系式中,适用贝叶斯推定来使用。
路径似然度P2(θ)是在产生了特定的误差模式的条件下,基于利用该误差模式进行补正后的时间序列数据与分隔线的相对的位置关系而计算的似然度。在此,时间序列数据与分隔线的相对的位置关系包含连结时间序列数据的线与分隔线交叉的关系、以及时间序列数据与分隔线的距离的持续关系中的至少一方。在此,连结时间序列数据的线是依次连结以误差模式补正后的时间序列数据的点与点的线,例如是连结时刻(t+α)的点与时刻(t+α+1)的点的线。
另外,时间序列数据与分隔线的距离的持续关系是指通过误差模式进行补正后的时间序列数据的点与分隔线(由线段串、曲线串来表现。)的距离处于规定的范围内的状态持续的关系。在该情况下,除了发生车道变更的时间段以外,以误差模式进行了补正后的时间序列数据的点的集合位于夹在分隔线和与其邻接的分隔线之间的区域内,连结时间序列数据的线与分隔线不交叉。另外,在以误差模式进行了补正之后的时间序列数据的点与分隔线重叠但是还不能称为交叉的情况下,例如能够作为包含于时间序列数据与分隔线的距离的持续关系而进行处理。另外,作为补正后的时间序列数据与分隔线的相对的位置关系而假设的事件越多越好,但即使仅一个事件,也能够计算后验概率P(θ),本发明成立。
由于在后验概率运算部331中也仅将方位的补正量作为变量,因此例如通过式6来计算P(θ)。
P(θ)=P1(θ)×P2(θ)···(式6)
P1(θ)=(1/(2πσdir 2))1/2·exp[-θ2/(2σdir 2)]
P2(θ)=P2A(θ)×P2B(θ)×P2C(θ)×P2D(θ)
×P2E(θ)×P2F(θ)×P2G(θ)×P2H(θ)
P2A(θ)=exp[-λdev·t]·(λdev·t)d/(d!)
P2B(θ)=exp[-λchg·t]·(λchg·t)k/(k!)
P2C(θ)=Πi=1 k(1/(2πσyaw 2))1/2
·exp[-(w(i)-μyaw)2/(2σyaw 2)]
P2D(θ)=Πi=1 k(p(i))
P2E(θ)=Πi=1 kexp[-λwin·t1(i)]
P2F(θ)=Πi=1 kexp[-λhnd·t2(i)]
P2G(θ)=Πi=1 kexp[-λcam·t3(i)]
P2H(θ)
=Πj=1 n(1/2πσcen 2)1/2
·exp[-(l(j))2/(2σcen 2)]
在此,P1、P2、P2A~P2H、d、k、p(i)、w(i)、t1(i)、t2(i)、t3(i)、n、l(j)的意义与式5相同。
另外,由于θ是针对路径开始点(测位结果累积数据中最久远的记录)的补正量,因此针对补正前的坐标,进行相对于路径开始点的相对位置向量的计算。通过对相对位置向量进行旋转角θ的旋转,并进行向绝对位置的变换,从而得到补正后的坐标。通过对测位结果累积部310的数据内的全部记录进行该处理,得到补正后的路径。同样,在行驶车道推定部351中,也仅考虑旋转角θ^而得到补正后的坐标。
图14是示出补正前后的测位结果累积数据的具体例的图。更具体而言,表示对基准坐标以及基准方位进行补正,在测位结果累积数据中,在时刻为10时的最初的数据记录时与基准坐标以及基准方位的补正一致。在测位结果累积数据中,对各记录数据进行基于与基准方位相同的误差模式的补正。不过,由于存在基于θ的旋转(方位的补正)的补正,所以基准X坐标以及基准Y坐标在补正前后值也发生变化。
补正量候补决定部341基于由后验概率运算部331运算出的各补正量候补即误差模式的后验概率的运算结果,计算后验概率为最大的误差模式作为最优补正量(旋转角θ^)。
换言之,补正量候补决定部341计算由补正量候补生成部320生成的多个误差模式即各补正量候补θ中的、由后验概率运算部331计算出的后验概率P(θ)最大的最优的补正量候补θ^。即,将后验概率P(θ)最大的误差模式作为最优补正量θ^而算出,该后验概率P(θ)通过基于多个误差模式的时间序列数据的先验概率P1(θ)与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算出的似然度P2(θ)的积来计算。
在贝叶斯推定的框架中,P(θ)相当于误差θ的后验概率(的常数倍),因此后验概率P(θ)最大的补正量候补θ^表示通过贝叶斯推定得到的、以观测到的路径为证据的推定结果。
图15是示出最优补正量的具体例的图。与实施方式1不同,以强调X方向误差及Y方向误差全部为0的意思,也示出了X方向误差及Y方向误差。在该具体例中,后验概率P(θ)最大的是模式3。
行驶车道推定部351采用由补正量候补决定部341计算出的最优补正量(最可能补正量),以最优补正量补正时间序列数据,通过与分隔线的比较来推定车辆的行驶车道。另外,在车道变更检测部351中的处理完成后,将测位结果累积部310所保持的测位结果累积数据中的最新的1个记录重新登记为基准坐标及基准方位,删除测位结果累积数据的全部记录。
更具体地说明行驶车道推定部351中的处理。首先,将由最优补正量运算部341计算出的最优补正量适用于测位结果累积部310所保持的测位结果累积数据,计算补正后的路径。补正后的路径的计算方法与实施方式1相同。通过补正后的路径与分隔线的比较来推定车辆的行驶车道。
作为其他行驶车道推定部351中的处理的例子,进行从地图信息存储部50提供的车道的分隔线的位置信息(形状信息)与基于最优补正量的补正后的路径的比较,计算从补正后的路径的开始点到结束点之间的、相对于车道的横穿方向的移动量(=横向移动量)。例如,横向移动量以向右方向的移动为正,向左方向的移动为负。也可以累积(累计)该横向移动量,通过与分隔线的比较来推定车辆的行驶车道。
以横向移动量的累积为例进行说明。假定各车道的车道宽度为3.5[m]。设上次的行驶车道推定结果为“从左起第二车道的车道中心线向左2.0[m]”,并且,本次的横向移动量为“向左3.5[m]”。在该情况下,判断为行驶车道从左起第二车道变更为左起第一车道,本次的行驶车道推定结果为“从左起第一车道的车道中心线向左2.0[m]”。
另外,鉴于高速公路等(高规格道路)的实际道路形状,同一道路的邻接的车道的形状大多非常相似。因此,即使进行x、y、θ这三个变量的补正,也难以准确地计算x、y的补正量,难以仅根据补正后的本车位置坐标准确地检测行驶中的车道。例如,实际上即使在第一车道上持续行驶,也会产生判定为在第二车道上持续行驶等问题。这意味着,难以准确地检测出位置的偏离量x、y,并且为了检测车道变更(移动量)而不是行驶车道(车道编号),方位误差量θ的准确的推定是重要的。根据以上情况,通过在方位的偏离量θ的检测中集中投入计算资源,有时在高规格道路上能够进行高精度的计算。
进入高规格道路的干线时的行驶车道在大部分的情况下唯一地确定。例如,在从左侧由呈与高规格道路的干线汇合的形状的交叉口进入的情况下,在向高规格道路进入时必然正在左侧车道上行驶。因此,在向高规格道路的干线的进入时间点走最左侧车道是不言而喻的,通过累积在之后的向高规格道路的干线进入以后由行驶车道推定部351检测出的横向移动量,能够推定任意时刻的行驶车道。
仅通过横向移动量的信息,有时难以判定当前正在哪个车道上行驶。因此,例如,在与高规格道路的干线汇合时等,需要运算初始行驶车道。通过参照在向高规格道路的干线汇合的汇合部的、地图信息所包含的分隔线的形状,能够判断初始行驶车道。
在行驶车道推定***3中,与行驶车道推定***1以及2不同,通过将考虑的误差的范围从三维缩减为一维,能够大幅度地削减由补正量候补生成部321生成的补正量候补数,因此能够大幅度地削减补正量计算量。因此,如果设为相同的计算量,则通过提高方位Θ的分辨率,能够更高精度地进行最优补正量的计算,能够提高车道变更的检测精度。相反,如果设方位Θ的分辨率为相同程度,则运算量减少,因此能够更迅速地得到行驶车道的推定结果。假设在高规格道路上高速行驶,需要更迅速地进行行驶车道推定,因此更有效。在此,高规格道路是指,不存在平面交叉路口或信号灯等速度抑制因素,与存在上述速度抑制因素的道路相比,能够进行高速行驶的道路。在日本,包括高速汽车国道和汽车专用道路的高速公路等相当于这里的高规格道路。另外,该高规格道路的定义在说明书及权利要求书的全文中是共通的。另外,该高规格道路的定义在说明书及权利要求书的全文中是共通的。
如以上那样,行驶车道推定***具有:GNSS接收器,通过GNSS接收车辆的坐标;车速计算单元,根据车辆的行驶距离计算车速;角速度测算单元,根据车辆的方位的变化量测算角速度;本车位置测位部,根据坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位和车速以及角速度计算车辆的测位坐标以及测位方位的时间序列数据;地图信息存储部,存储包含每个车道的分隔线的位置信息的地图信息;以及车道推定部,将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道。
行驶车道推定***利用每个车道的分隔线的位置信息来求出后验概率,以最优补正量补正,因此能够根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。另外,能够检测车道变更的发生及其方向(右或左)。
另外,时间序列数据与分隔线的相对的位置关系包含连结时间序列数据的线与分隔线交叉的关系、以及时间序列数据与分隔线的距离的持续关系中的至少一方。
另外,误差模式仅是方位误差。由此,能够大幅削减运算量,在假设高速行驶的高规格道路中,需要更迅速地进行行驶车道推定,效果进一步提高。
实施方式4
图16是实施方式4的行驶车道推定***4的结构图。与实施方式3的行驶车道推定***3不同,取代地图信息存储部50而具备简易版地图信息存储部51和分隔线计算部52。在除了以简易版地图信息存储部51和分隔线计算部52代替存储有包含每个车道的分隔线的位置信息的地图信息的地图信息存储部50以外的方面,没有不同点。
另外,与实施方式1的行驶车道推定***1的不同点在于,取代地图信息存储部50而具备简易版地图信息存储部51和分隔线计算部52,除此之外,在实施方式1中,作为误差模式使用了X坐标、Y坐标、方位这三者,但在实施方式4中作为误差模式仅使用方位。
在图16中,GNSS接收器110、车速计算单元120、角速度测算单元130、本车位置测位部200以及测位结果累积部310具有与实施方式1、2、3中的相同的结构,进行同样的动作。另外,简易版地图信息存储部51以及分隔线计算部52具有与实施方式2中的相同的结构,进行同样的动作。另外,补正量候补生成部321、后验概率运算部331、最优补正量运算部341、行驶车道推定部351以及车道推定部301具有与实施方式3中的相同的结构,进行同样的动作。详细的说明由于共通而省略。
如以上那样,行驶车道推定***具有:GNSS接收器,通过GNSS接收车辆的坐标的GNSS接收器;车速计算单元,根据车辆的行驶距离计算车速;角速度测算单元,根据车辆的方位的变化量测算角速度;本车位置测位部,根据坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位和车速以及角速度计算车辆的测位坐标以及测位方位的时间序列数据;简易版地图信息存储部,存储包含构成道路连线的节点坐标、道路的宽度、车道数以及能够通行的方向的信息的地图信息;分隔线计算部,根据地图信息计算每个车道的分隔线;以及车道推定部,将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道,因此,该行驶车道推定***能够根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。
另外,时间序列数据与分隔线的相对的位置关系包含连结时间序列数据的线与分隔线交叉的关系、以及时间序列数据与分隔线的距离的持续关系中的至少一方。另外,误差模式仅是方位误差。
通过使用行驶车道推定***4,能够直接利用在导航***中使用的地图信息,能够把握本车正在行驶的车道,因此能够容易地进行更适当的广播等指示。另外,通过使用该行驶车道推定***4,即使在车辆的自动驾驶或驾驶支援功能中,也能够容易地进行行驶车道的推定。
误差模式仅是方位误差。由此,能够大幅削减运算量,在假设高速行驶的高规格道路中,需要更迅速地进行行驶车道推定,效果进一步提高。
实施方式5
图17是实施方式5的行驶车道推定***5的结构图。是在实施方式1与实施方式3的组合的基础上进一步增加了高规格道路判定部400而成的。
在高规格道路判定部400中,从本车位置测位部200获取本车的GNSS坐标,另一方面,根据地图信息存储部50的道路信息判定本车所处的道路的种类是否是高规格道路。在是高规格道路的情况下,为了迅速地进行车道推定部,由仅以方位误差作为误差模式来推定车道的车道推定部301进行车道的推定。该车道推定部301具有与实施方式3以及实施方式4的车道推定部301相同的结构以及功能,因此在此省略说明。
另一方面,在不是高规格道路的情况下,在车道推定中不要求高规格道路那样的迅速程度,因此由以坐标误差与方位误差的组合作为误差模式来推定车道的车道推定部300进行车道的推定。该车道推定部300具有与实施方式1以及实施方式2的车道推定部300相同的结构以及功能,因此在此省略说明。
地图信息存储部50所存储的信息中包含道路的类别、特别是是否为高规格道路的信息。另外,虽然高规格道路判定部400从本车位置测位部200获取本车的GNSS坐标,但也可以从GNSS接收器110直接获取GNSS坐标。
如以上那样,行驶车道推定***具有:GNSS接收器,通过GNSS接收车辆的坐标;车速计算单元,根据车辆的行驶距离计算车速;角速度测算单元,根据车辆的方位的变化量测算角速度;本车位置测位部,根据坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位和车速以及角速度计算车辆的测位坐标以及测位方位的时间序列数据;地图信息存储部,存储包含每个车道的分隔线的位置信息的地图信息;以及车道推定部,将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道。
行驶车道推定***利用每个车道的分隔线的位置信息来求出后验概率,以最优补正量补正,因此能够根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。另外,能够检测车道变更的发生及其方向(右或左)。
另外,时间序列数据与分隔线的相对的位置关系包含连结时间序列数据的线与分隔线交叉的关系、以及时间序列数据与分隔线的距离的持续关系中的至少一方。
误差模式在高规格道路上仅为方位误差,在高规格道路以外的道路上为坐标误差与方位误差的组合,由此能够更迅速且高效地根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。
实施方式6
图18是实施方式6的行驶车道推定***6的结构图。是在实施方式2与实施方式4的组合的基础上进一步增加了高规格道路判定部400而成的。
在高规格道路判定部400中,从本车位置测位部200获取本车的GNSS坐标,另一方面,根据简易版地图信息存储部51的道路信息判定本车所处的道路的种类是否是高规格道路。在是高规格道路的情况下,为了迅速地进行车道推定部,由仅以方位误差作为误差模式来推定车道的车道推定部301进行车道的推定。该车道推定部301具有与实施方式3以及实施方式4的车道推定部301相同的结构以及功能,因此在此省略说明。
另一方面,在不是高规格道路的情况下,在车道推定中不要求高规格道路那样的迅速程度,因此由以坐标误差与方位误差的组合作为误差模式来推定车道的车道推定部300进行车道的推定。该车道推定部300具有与实施方式1以及实施方式2的车道推定部300相同的结构以及功能,因此在此省略说明。
在简易版地图信息存储部51存储的信息中,包含道路的类别、特别是是否为高规格道路的信息。另外,虽然高规格道路判定部400从本车位置测位部200获取本车的GNSS坐标,但也可以从GNSS接收器110直接获取GNSS坐标。
如以上那样,行驶车道推定***具有:GNSS接收器,通过GNSS接收车辆的坐标;车速计算单元,根据车辆的行驶距离计算车速;角速度测算单元,根据车辆的方位的变化量测算角速度;本车位置测位部,根据坐标计算车辆的基准坐标以及基准方位,根据基准坐标以及基准方位和车速以及角速度计算车辆的测位坐标以及测位方位的时间序列数据;地图信息存储部,存储包含每个车道的分隔线的位置信息的地图信息;以及车道推定部,将通过基于多个误差模式的时间序列数据的先验概率、与在产生了误差模式的条件下基于补正后的时间序列数据与分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的误差模式作为最优补正量,以最优补正量补正时间序列数据并通过与分隔线的比较来推定车辆的行驶车道。
行驶车道推定***利用每个车道的分隔线的位置信息来求出后验概率,以最优补正量补正,因此能够根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。另外,能够检测车道变更的发生及其方向(右或左)。
另外,时间序列数据与分隔线的相对的位置关系包含连结时间序列数据的线与分隔线交叉的关系、以及时间序列数据与分隔线的距离的持续关系中的至少一方。
误差模式在高规格道路上仅为方位误差,在高规格道路以外的道路为坐标误差与方位误差的组合,由此能够更迅速且高效地根据车辆轨迹高精度地进行车道变更的检测以及当前的行驶车道的推定。
另外,本发明在其发明的范围内,能够自由组合各实施方式,或者将各实施方式适当地变形、省略。虽然对本发明进行了详细说明,但至此为止的说明在所有的方式中都是例示,发明并不限定于之前的说明。应当理解为,在不脱离本发明的技术思想的范围的情况下能够想到未例示的无数的变形例。
Claims (6)
1.一种行驶车道推定***,其特征在于,具有:
GNSS接收器,通过GNSS接收车辆的坐标;
车速计算单元,根据所述车辆的行驶距离计算车速;
角速度测算单元,根据所述车辆的方位的变化量测算角速度;
本车位置测位部,根据所述坐标计算所述车辆的基准坐标以及基准方位,根据所述基准坐标以及所述基准方位和所述车速以及所述角速度计算所述车辆的测位坐标以及测位方位的时间序列数据;
地图信息存储部,存储包含每个车道的分隔线的位置信息的地图信息;以及
车道推定部,将通过基于多个误差模式的所述时间序列数据的先验概率、与在产生了所述误差模式的条件下基于补正后的所述时间序列数据与所述分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的所述误差模式作为最优补正量,以所述最优补正量补正所述时间序列数据并通过与所述分隔线的比较来推定所述车辆的行驶车道。
2.一种行驶车道推定***,其特征在于,具有:
GNSS接收器,通过GNSS接收车辆的坐标;
车速计算单元,根据所述车辆的行驶距离计算车速;
角速度测算单元,根据所述车辆的方位的变化量测算角速度;
本车位置测位部,根据所述坐标计算所述车辆的基准坐标以及基准方位,根据所述基准坐标以及所述基准方位和所述车速以及所述角速度计算所述车辆的测位坐标以及测位方位的时间序列数据;
简易版地图信息存储部,存储包含构成道路连线的节点坐标、道路的宽度、车道数以及能够通行的方向的信息的地图信息;
分隔线计算部,根据所述地图信息计算每个车道的分隔线;以及
车道推定部,将通过基于多个误差模式的所述时间序列数据的先验概率、与在产生了所述误差模式的条件下基于补正后的所述时间序列数据与所述分隔线的相对的位置关系计算的似然度的积来计算的后验概率最大的所述误差模式作为最优补正量,以所述最优补正量补正所述时间序列数据并通过与所述分隔线的比较来推定所述车辆的行驶车道。
3.根据权利要求1或2所述的行驶车道推定***,其特征在于,
所述时间序列数据与所述分隔线的相对的位置关系包含连结所述时间序列数据的线与所述分隔线交叉的关系、以及所述时间序列数据与所述分隔线的距离的持续关系中的至少一方。
4.根据权利要求1至3中任一项所述的行驶车道推定***,其特征在于,
所述误差模式为坐标误差与方位误差的组合。
5.根据权利要求1至3中任一项所述的行驶车道推定***,其特征在于,
所述误差模式仅为方位误差。
6.根据权利要求1至3中任一项所述的行驶车道推定***,其特征在于,
所述误差模式在高规格道路上仅为方位误差,在所述高规格道路以外的道路上为坐标误差与所述方位误差的组合。
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2016/069886 WO2018008082A1 (ja) | 2016-07-05 | 2016-07-05 | 走行車線推定システム |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109416256A true CN109416256A (zh) | 2019-03-01 |
CN109416256B CN109416256B (zh) | 2022-03-22 |
Family
ID=60912069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201680087254.9A Active CN109416256B (zh) | 2016-07-05 | 2016-07-05 | 行驶车道推定*** |
Country Status (5)
Country | Link |
---|---|
US (1) | US10883836B2 (zh) |
JP (1) | JP6504316B2 (zh) |
CN (1) | CN109416256B (zh) |
DE (1) | DE112016007047B4 (zh) |
WO (1) | WO2018008082A1 (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785667A (zh) * | 2019-03-11 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
CN110967035A (zh) * | 2020-02-28 | 2020-04-07 | 杭州云动智能汽车技术有限公司 | 一种提高车载v2x车道匹配度方法 |
CN113470360A (zh) * | 2021-07-14 | 2021-10-01 | 北京理工大学 | 一种基于车路协同的车道识别方法 |
CN113804210A (zh) * | 2020-06-11 | 2021-12-17 | 丰田自动车株式会社 | 位置推定装置、位置推定方法以及存储介质 |
CN116092297A (zh) * | 2023-04-07 | 2023-05-09 | 南京航空航天大学 | 一种低渗透率分布式差分信号控制的边缘计算方法及*** |
Families Citing this family (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10690493B2 (en) * | 2016-08-18 | 2020-06-23 | Myriad Sensors, Inc. | Wireless sensor device and software system for measuring linear position of a rotating object |
EP3563181B1 (en) * | 2016-12-30 | 2021-02-24 | u-blox AG | Gnss receiver protection levels |
JP2019139462A (ja) * | 2018-02-09 | 2019-08-22 | 株式会社Screenホールディングス | 混雑状況推定方法、混雑状況推定プログラム、および混雑状況推定システム |
JP7198005B2 (ja) * | 2018-07-02 | 2022-12-28 | 株式会社Subaru | 自車位置検出装置 |
CN110146909B (zh) * | 2018-09-06 | 2022-03-15 | 腾讯科技(深圳)有限公司 | 一种定位数据处理方法 |
KR102683802B1 (ko) | 2018-12-06 | 2024-07-10 | 현대자동차주식회사 | 자율주행 차량의 위치 인지 방법 및 시스템 |
JP6929493B2 (ja) * | 2019-05-22 | 2021-09-01 | 三菱電機株式会社 | 地図データ処理システムおよび地図データ処理方法 |
JP6755417B1 (ja) * | 2019-06-19 | 2020-09-16 | 三菱電機株式会社 | 相対位置判定装置、相対位置判定方法、および相対位置判定プログラム |
US11725944B2 (en) * | 2020-03-02 | 2023-08-15 | Apollo Intelligent Driving Technology (Beijing) Co, Ltd. | Method, apparatus, computing device and computer-readable storage medium for positioning |
US11852751B2 (en) | 2020-03-02 | 2023-12-26 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method, apparatus, computing device and computer-readable storage medium for positioning |
KR20210144411A (ko) * | 2020-05-22 | 2021-11-30 | 현대자동차주식회사 | 차량의 주행 차로 인식 장치 및 방법 |
CN114333297B (zh) * | 2021-12-02 | 2024-01-09 | 重庆睿行电子科技有限公司 | 一种基于交通雷达的车辆所属弯道车道估计方法 |
CN115061479B (zh) * | 2022-08-03 | 2022-11-04 | 国汽智控(北京)科技有限公司 | 车道关系确定方法、装置、电子设备及存储介质 |
CN117542205B (zh) * | 2024-01-10 | 2024-03-12 | 腾讯科技(深圳)有限公司 | 一种车道引导方法、装置、设备及存储介质 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6159386A (ja) * | 1984-08-14 | 1986-03-26 | エヌ・ベー・フイリツプス・フルーイランペンフアブリケン | 車両ナビゲーシヨンシステム |
US5311173A (en) * | 1988-09-16 | 1994-05-10 | Hitachi, Ltd. | Navigation system and method using map data |
JPH11211491A (ja) * | 1998-01-20 | 1999-08-06 | Mitsubishi Electric Corp | 車両位置同定装置 |
JP2007192582A (ja) * | 2006-01-17 | 2007-08-02 | Alpine Electronics Inc | 走行車線推定装置及び走行車線推定方法 |
JP2009287925A (ja) * | 2008-05-27 | 2009-12-10 | Alpine Electronics Inc | ナビゲーション装置および車両位置更新方法 |
CN101819042A (zh) * | 2009-02-26 | 2010-09-01 | 爱信艾达株式会社 | 导航装置及导航用程序 |
US20100324815A1 (en) * | 2009-06-18 | 2010-12-23 | Tomoaki Hiruta | Position detection apparatus and position detection program |
JP2013148486A (ja) * | 2012-01-20 | 2013-08-01 | Kddi Corp | ユーザが搭乗している移動車両を推定する移動車両推定方法、移動端末及びプログラム |
US20130254147A1 (en) * | 2010-09-28 | 2013-09-26 | Robert Bosch Gnbh | Method and apparatus for ascertaining at least one exit probability from a land area identifiable in a digital map as open terrain |
CN104350362A (zh) * | 2012-05-29 | 2015-02-11 | 歌乐株式会社 | 车辆位置检测装置及程序 |
JP2016038297A (ja) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | 目的地予測装置、目的地予測方法、及びプログラム |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP3559142B2 (ja) | 1997-04-25 | 2004-08-25 | 三菱電機株式会社 | ロケータ装置 |
JP6469220B2 (ja) * | 2015-06-15 | 2019-02-13 | 三菱電機株式会社 | 走行車線判別装置および走行車線判別方法 |
DE112016003156T5 (de) * | 2015-07-15 | 2018-05-03 | Honda Motor Co., Ltd. | Fahrzeugsteuerungsvorrichtung; Fahrzeugsteuerungsverfahren und Fahrzeugsteuerungsprogramm |
CN108139217B (zh) * | 2015-09-30 | 2022-04-26 | 日产自动车株式会社 | 行驶控制方法及行驶控制装置 |
JP6432116B2 (ja) * | 2016-05-23 | 2018-12-05 | 本田技研工業株式会社 | 車両位置特定装置、車両制御システム、車両位置特定方法、および車両位置特定プログラム |
-
2016
- 2016-07-05 WO PCT/JP2016/069886 patent/WO2018008082A1/ja active Application Filing
- 2016-07-05 JP JP2018525856A patent/JP6504316B2/ja active Active
- 2016-07-05 DE DE112016007047.0T patent/DE112016007047B4/de active Active
- 2016-07-05 US US16/099,510 patent/US10883836B2/en active Active
- 2016-07-05 CN CN201680087254.9A patent/CN109416256B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS6159386A (ja) * | 1984-08-14 | 1986-03-26 | エヌ・ベー・フイリツプス・フルーイランペンフアブリケン | 車両ナビゲーシヨンシステム |
US5311173A (en) * | 1988-09-16 | 1994-05-10 | Hitachi, Ltd. | Navigation system and method using map data |
JPH11211491A (ja) * | 1998-01-20 | 1999-08-06 | Mitsubishi Electric Corp | 車両位置同定装置 |
JP2007192582A (ja) * | 2006-01-17 | 2007-08-02 | Alpine Electronics Inc | 走行車線推定装置及び走行車線推定方法 |
JP2009287925A (ja) * | 2008-05-27 | 2009-12-10 | Alpine Electronics Inc | ナビゲーション装置および車両位置更新方法 |
CN101819042A (zh) * | 2009-02-26 | 2010-09-01 | 爱信艾达株式会社 | 导航装置及导航用程序 |
US20100324815A1 (en) * | 2009-06-18 | 2010-12-23 | Tomoaki Hiruta | Position detection apparatus and position detection program |
US20130254147A1 (en) * | 2010-09-28 | 2013-09-26 | Robert Bosch Gnbh | Method and apparatus for ascertaining at least one exit probability from a land area identifiable in a digital map as open terrain |
JP2013148486A (ja) * | 2012-01-20 | 2013-08-01 | Kddi Corp | ユーザが搭乗している移動車両を推定する移動車両推定方法、移動端末及びプログラム |
CN104350362A (zh) * | 2012-05-29 | 2015-02-11 | 歌乐株式会社 | 车辆位置检测装置及程序 |
JP2016038297A (ja) * | 2014-08-07 | 2016-03-22 | 株式会社インテック | 目的地予測装置、目的地予測方法、及びプログラム |
Non-Patent Citations (1)
Title |
---|
邱小平等: "基于贝叶斯网络的车辆换道模型", 《交通运输***工程与信息》 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109785667A (zh) * | 2019-03-11 | 2019-05-21 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
CN113538919A (zh) * | 2019-03-11 | 2021-10-22 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
CN113538919B (zh) * | 2019-03-11 | 2022-10-28 | 百度在线网络技术(北京)有限公司 | 车道偏离识别方法、装置、设备和存储介质 |
CN110967035A (zh) * | 2020-02-28 | 2020-04-07 | 杭州云动智能汽车技术有限公司 | 一种提高车载v2x车道匹配度方法 |
CN110967035B (zh) * | 2020-02-28 | 2020-09-04 | 杭州云动智能汽车技术有限公司 | 一种提高车载v2x车道匹配度方法 |
CN113804210A (zh) * | 2020-06-11 | 2021-12-17 | 丰田自动车株式会社 | 位置推定装置、位置推定方法以及存储介质 |
CN113804210B (zh) * | 2020-06-11 | 2024-05-14 | 丰田自动车株式会社 | 位置推定装置、位置推定方法以及存储介质 |
CN113470360A (zh) * | 2021-07-14 | 2021-10-01 | 北京理工大学 | 一种基于车路协同的车道识别方法 |
CN116092297A (zh) * | 2023-04-07 | 2023-05-09 | 南京航空航天大学 | 一种低渗透率分布式差分信号控制的边缘计算方法及*** |
Also Published As
Publication number | Publication date |
---|---|
US20190120632A1 (en) | 2019-04-25 |
CN109416256B (zh) | 2022-03-22 |
WO2018008082A1 (ja) | 2018-01-11 |
DE112016007047T5 (de) | 2019-03-21 |
JP6504316B2 (ja) | 2019-04-24 |
JPWO2018008082A1 (ja) | 2018-10-04 |
US10883836B2 (en) | 2021-01-05 |
DE112016007047B4 (de) | 2024-03-28 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109416256A (zh) | 行驶车道推定*** | |
CN107145817B (zh) | 车辆车道学习 | |
US20210311490A1 (en) | Crowdsourcing a sparse map for autonomous vehicle navigation | |
US10248124B2 (en) | Localizing vehicle navigation using lane measurements | |
US9460624B2 (en) | Method and apparatus for determining lane identification in a roadway | |
US10240934B2 (en) | Method and system for determining a position relative to a digital map | |
CN101819042B (zh) | 导航装置及导航方法 | |
US8996197B2 (en) | Lane monitoring with electronic horizon | |
WO2021041402A1 (en) | Systems and methods for vehicle navigation | |
JP4277717B2 (ja) | 車両位置推定装置およびこれを用いた運転支援装置 | |
Tao et al. | Lane marking aided vehicle localization | |
US8775063B2 (en) | System and method of lane path estimation using sensor fusion | |
JP5162849B2 (ja) | 不動点位置記録装置 | |
JP5404861B2 (ja) | 静止物地図生成装置 | |
JP5388082B2 (ja) | 静止物地図生成装置 | |
CN102208012A (zh) | 风景匹配参考数据生成***及位置测量*** | |
Deusch et al. | Multi-sensor self-localization based on maximally stable extremal regions | |
JPWO2018020589A1 (ja) | 自己位置推定方法及び自己位置推定装置 | |
US11579628B2 (en) | Method for localizing a vehicle | |
JP5386850B2 (ja) | 物体情報取得装置 | |
JP2024055946A (ja) | 情報処理装置 | |
Selloum et al. | Robustification of a map aided location process using road direction | |
US20220026237A1 (en) | Production of digital road maps by crowdsourcing | |
Dean et al. | Terrain-based road vehicle localization on multi-lane highways | |
Bakirci et al. | Utilization of a Vehicle's On-Board Diagnostics to Reduce GPS-Sourced Positioning Error |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |