CN115702450A - 本车位置推断装置、行驶位置推断方法 - Google Patents
本车位置推断装置、行驶位置推断方法 Download PDFInfo
- Publication number
- CN115702450A CN115702450A CN202180043958.7A CN202180043958A CN115702450A CN 115702450 A CN115702450 A CN 115702450A CN 202180043958 A CN202180043958 A CN 202180043958A CN 115702450 A CN115702450 A CN 115702450A
- Authority
- CN
- China
- Prior art keywords
- lane
- vehicle
- road
- road end
- width
- 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.)
- Pending
Links
Images
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
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/70—Determining position or orientation of objects or cameras
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/74—Image or video pattern matching; Proximity measures in feature spaces
- G06V10/761—Proximity, similarity or dissimilarity measures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30248—Vehicle exterior or interior
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
- G06T2207/30256—Lane; Road marking
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
- G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Geometry (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明提供本车位置推断装置、行驶位置推断方法,本车位置推断装置具备:道路端信息获取部(F31),使用拍摄装置(11)和测距传感器(19A、19B)中的至少任意一方来获取道路端相对于本车辆的位置信息,其中,上述拍摄装置拍摄本车辆周边的规定范围,上述测距传感器通过发送探测波或者激光来检测存在于本车辆的规定方向的物体;地图获取部(F2),从配置于本车辆内部或本车辆外部的地图存储部获取包含本车辆所行驶的道路的车道数的地图信息;以及行驶车道确定部(F4),基于由道路端信息获取部获取到的道路端的位置信息和由地图获取部获取到的地图信息所包含的车道数来确定本车辆的行驶车道。
Description
相关申请的交叉引用
本申请以在2020年6月23日在日本申请的专利申请第2020-107959号为基础,整体通过参照引用基础申请的内容。
技术领域
本公开涉及确定本车辆在道路上的行驶位置的技术。
背景技术
在专利文献1中,公开了基于存在于车辆的左侧或者右侧的车道边界线的类型,来判定本车辆所行驶的车道(以下,行驶车道)是从道路的左端或者右端起第几条车道的方法。另外,在专利文献2中,公开了使用在本车辆周边行驶的其他车辆的轨迹信息来确定行驶车道的结构。
专利文献1:日本特开2013-242670号公报
专利文献2:日本特开2019-91412号公报
在专利文献1所公开的技术中,在具有四条以上的车道的多车道道路等存在多个左右的车道边界线的类型相同的车道的情况下,不能确定行驶车道。另外,在车道边界线模糊的区间等难以识别车道边界线的类型的区间,难以确定行驶车道。例如,在本来用实线形成的车道边界线由于模糊、受到污染而被识别为虚线的情况下,会误识别本车辆的行驶车道。
根据专利文献2所公开的技术,能够期待即使在通过上述专利文献1所公开的结构无法应对的环境下,也能够确定行驶车道。然而,在专利文献2所公开的结构中,存在如果在周围没有其他车辆则无法确定行驶车道这样的课题。
发明内容
本公开的目的在于提供一种即使没有周边车辆也能够确定行驶车道的本车位置推断装置、行驶位置推断方法。
用于实现该目的的本车位置推断装置,作为一个例子,具备:道路端信息获取部,使用拍摄装置和测距传感器中的至少任意一方来获取道路端相对于本车辆的位置信息,其中,上述拍摄装置拍摄本车辆周边的规定范围,上述测距传感器通过发送探测波或者激光来检测存在于本车辆的规定方向的物体;地图获取部,从配置于本车辆内部或本车辆外部的地图存储部中,获取包含本车辆所行驶的道路的车道数的地图信息;以及行驶车道确定部,基于由道路端信息获取部获取到的道路端的位置信息和由地图获取部获取到的地图信息所包含的车道数,来确定本车辆的行驶车道。
在上述结构中,获取地图所示的车道数和道路端相对于本车辆的位置信息。换句话说,道路端相对于本车辆的位置信息相当于从本车辆到道路端的距离信息。一般而言,由于每一条车道的宽度由法律等来规定,所以只要知道距道路端的距离,就能够估计位于第几条车道。另外,如果知道道路所具备的车道数,则也能够估计作为车道以外的区域的路缘带的宽度。换句话说,根据上述结构,能够考虑路缘带的宽度来确定本车辆的行驶车道。而且,在上述结构中,在确定行驶车道时,无需车道边界线的类型、周边车辆的轨迹信息。换句话说,即使在存在四条以上的车道数的多车道道路中,即使没有周边车辆,也能够确定行驶车道。
另外,用于实现上述目的的行驶位置推断方法是由至少一个处理器执行的、确定本车辆所行驶的车道的行驶位置推断方法,具备:位置获取步骤,使用拍摄装置和测距传感器中的至少任意一方来获取道路端相对于本车辆的位置信息,其中,上述拍摄装置拍摄本车辆周边的规定范围,上述测距传感器通过发送探测波或者激光来检测存在于本车辆的规定方向的物体;地图获取步骤,从配置于车辆内部或车辆外部的地图存储部获取包含本车辆所行驶的道路的车道数的地图信息;以及行驶车道确定步骤,基于在位置获取步骤中获取到的道路端的位置信息和在地图获取步骤中获取到的地图信息所包含的车道数,来确定本车辆的行驶车道。
根据上述的方法,通过与本车位置推断装置同样的作用,即使没有周边车辆也能够确定行驶车道。
此外,权利要求书所记载的括号内的附图标记表示与作为一个方式后述的实施方式所记载的具体单元的对应关系,并不限定本公开的技术范围。
附图说明
图1是表示驾驶辅助***1的结构的框图。
图2是表示前方相机11的结构的框图。
图3是表示位置推断器20的结构的框图。
图4是有关由位置推断器20实施的车道确定处理的流程图。
图5是用于对使用偏航率的检测地上物的位置修正进行说明的图。
图6是表示能够正确地计算道路端的回归线的情况下的回归线的图像内斜率的图。
图7是表示误计算左侧道路端的回归线的情况下的回归线的图像内斜率的图。
图8是有关道路端斜率判定处理的流程图。
图9是有关车道妥当性判定处理的流程图。
图10是用于对车道妥当性判定处理的工作进行说明的图。
图11是用于对车道妥当性判定处理的工作进行说明的图。
图12是有关路缘带宽度计算处理的流程图。
图13是有关道路端妥当性判定处理的流程图。
图14是有关地图匹配性判定处理的流程图。
图15是有关个别车道位置确定处理的流程图。
图16是基于在车辆中计算出的路缘带宽度的数据生成地图的***的概念图。
图17是用于对检测为道路端的道路结构部分进行说明的图。
图18是表示***结构的变形例的图。
图19是表示***结构的变形例的图。
图20是表示可用于道路端的检测的设备的一个例子的图。
具体实施方式
以下,使用附图对本公开的实施方式进行说明。图1是表示应用本公开的位置推断器而成的驾驶辅助***1的示意性的结构的一个例子的图。
<整体结构的概要>
如图1所示,驾驶辅助***1具备前方相机11、惯性传感器12、GNSS接收机13、V2X车载器14、地图存储部15、HMI***16、位置推断器20、驾驶辅助ECU30以及运行记录装置50。此外,部件名称中的ECU是Electronic Control Unit的缩写,是指电子控制装置。另外,HMI是Human Machine Interface(人机界面)的缩写。V2X是Vehicle to X(Everything)的缩写,是指将车与各种物品连接起来的通信技术。
构成驾驶辅助***1的上述的各种装置或者传感器作为节点连接到车辆内网络Nw,其中,该车辆内网络Nw是在车辆内构建的通信网络。连接到车辆内网络Nw的节点彼此可以相互通信。此外,特定的装置彼此也可以构成为不经由车辆内网络Nw而能够直接通信。例如,位置推断器20与驾驶辅助ECU30也可以通过专用线直接电连接。另外,在图1中,车辆内网络Nw构成为总线型,但并不限于此。网络拓扑结构也可以是网型、星型、环型等。网络形状可以适当地变更。作为车辆内网络Nw的标准,例如可以采用Controller Area Network(以下,CAN:注册商标)、以太网(Ethernet:注册商标)、FlexRay(注册商标)等多种标准。
以下,将搭载有驾驶辅助***1的车辆也记载为本车辆,并且将坐在本车辆的驾驶席的乘员(换句话说驾驶席乘员)也记载为用户。此外,以下的说明中的前后、左右、上下的各方向以本车辆为基准来规定。前后方向相当于本车辆的长边方向。左右方向相当于本车辆的宽度方向。上下方向相当于车辆高度方向。采用其他观点,上下方向相当于相对于与前后方向以及左右方向两方平行的平面垂直的方向。
<各构成要素的概要>
前方相机11是以规定的视角拍摄车辆前方的相机。前方相机11例如配置在挡风玻璃的车厢内侧的上端部、前格栅、车顶等。如图2所示,前方相机11具备生成图像帧的相机主体部40和通过对图像帧实施识别处理来检测规定的检测对象物的ECU(以下,相机ECU41)。相机主体部40是至少包含图像传感器和透镜的结构,以规定的帧速率(例如60fps)生成以及输出拍摄图像数据。相机ECU41可使用包含CPU(Central Processing Unit:中央处理器)、GPU(Graphics Processing Unit:图形处理器)等的图像处理芯片来实现。相机ECU41具备识别器G1作为功能模块。识别器G1是基于由相机主体部40生成的图像的特征量矢量来识别物体的种类的结构。识别器G1例如可以利用应用了深度学习的CNN(ConvolutionalNeural Network:卷积神经网络)、DNN(Deep Neural Network:深度神经网络)等。
前方相机11的检测对象物例如包含行人、其他车辆等移动体。其他车辆也包含自行车、带发动机的自行车、摩托车。另外,前方相机11构成为也能够检测规定的地上物。作为前方相机11的检测对象的地上物包含道路端、路面标识、沿着道路设置的构造物。所谓的路面标识是指用于交通控制、交通限制的在路面上描绘的喷图。例如,道路标识包含表示车道的边界的车道边界线(所谓的车道标记)、人行横道、停止线、导流带、安全地带、限制箭头等。车道边界线也包含简易分隔标志、博斯点(Botts’Dots)等由道钉实现的边界。所谓的沿着道路设置的构造物,例如是护栏、路缘石、树木、电线杆、道路标志、信号灯等。相机ECU41基于包含颜色、亮度、与颜色、亮度相关的对比度等的图像信息,从拍摄图像中分离并提取背景和检测对象物。
相机ECU41使用SfM(Structure from Motion:运动恢复结构)处理等根据图像计算车道边界线、道路端这样的地上物距本车辆的相对距离以及方向(换句话说,相对位置)、移动速度等。地上物相对于本车辆的相对位置也可以基于图像内的地上物的大小、斜率程度来确定。并且,相机ECU41基于车道边界线和道路端的位置以及形状,来生成跑道的曲率、宽度等表示形状等的行驶路径数据。
另外,相机ECU41将图像坐标系中的相当于道路端的点的集合作为母集团,计算右侧道路端以及左侧道路端的各自的回归方程式。回归方程式是相当于近似表示多个检测点的分布的直线或者曲线的函数,例如通过最小平方法等来计算。图像坐标系例如将图像的左上角部的像素的中心作为原点,将图像右方定义为X轴正方向,将图像下方定义为Y轴正方向。在图像坐标系中,可以将像素的中心定义为具有整数值。
各道路端的回归方程式例如通过以Y坐标为变量的2次函数来表示。回归方程式所具备的系数参数可基于道路端的图像识别结果依次调整。回归方程式的维数可以适当地变更,回归方程式也可以是1次函数、3次函数。此外,相机ECU41也可以对车道边界线也计算回归方程式。以下,将回归方程式所表示的图像坐标系上的直线或者曲线也称为回归线。另外,以下的回归方程式以及回归线主要是指道路端的回归方程式以及回归线。
此外,相机ECU41基于SfM来计算作用于本车辆的偏航率(旋转角速度)。相机ECU41将检测物的相对位置、种类等包含道路端的回归方程式参数的检测结果数据经由车辆内网络Nw依次提供给位置推断器20、驾驶辅助ECU30、运行记录装置50。
前方相机11也可以构成为将作为用于物体识别的观测数据的图像帧经由车辆内网络Nw提供给驾驶辅助ECU30等。观测数据相当于由传感器观测到的原始数据、或者执行识别处理之前的数据。基于观测数据的物体识别处理也可以由驾驶辅助ECU30等传感器外的ECU来执行。另外,车道边界线等的相对位置的计算也可以由位置推断器20来执行。相机ECU41的功能的一部分(主要是物体识别功能)也可以设置于位置推断器20、驾驶辅助ECU30。在该情况下,前方相机11将作为观测数据的图像数据提供给位置推断器20、驾驶辅助ECU30即可。
惯性传感器12是检测加速度等规定的物理状态量的传感器。惯性传感器12例如包含3轴陀螺仪传感器以及3轴加速度传感器等惯性传感器。驾驶辅助***1也可以具备磁传感器作为惯性传感器12。另外,驾驶辅助***1也可以具备大气压传感器、温度传感器作为惯性传感器12。大气压传感器、温度传感器也可以用于其他传感器的输出值的修正处理。各种惯性传感器12也可以被封装为惯性测量单元(IMU:Inertial Measurement Unit)。
惯性传感器12将表示作为检测对象的物理状态量的当前的值(换句话说,检测结果)的数据输出至车辆内网络Nw。各惯性传感器12的输出数据经由车辆内网络Nw被位置推断器20等获取。此外,作为惯性传感器12,驾驶辅助***1所使用的传感器的种类可以适当地设计,无需具备上述的所有传感器。
GNSS接收机13是通过接收从构成GNSS(Global Navigation Satellite System:全球导航卫星***)的定位卫星发送的导航信号,来依次(例如,以100毫秒为单位)检测该GNSS接收机13的当前位置的设备。作为GNSS,可以采用GPS(Global Positioning System:全球定位***)、GLONASS、Galileo、IRNSS、QZSS、Beidou等。
V2X车载器14是用于本车辆与其他装置实施无线通信的装置。此外,V2X的“V”是指作为本车辆的汽车,“X”可以指行人、其他车辆、道路设备、网络、服务器等本车辆以外的多样存在。V2X车载器14具备广域通信部和狭域通信部作为通信模块。广域通信部是用于实施以规定的广域无线通信标准为依据的无线通信的通信模块。作为这里的广域无线通信标准,例如可以采用LTE(Long Term Evolution:长期演进)、4G、5G等多种标准。此外,广域通信部除了经由无线基站的通信以外,也可以构成为能够通过依据广域无线通信标准的方式,与其他装置直接地,换句话说,不经由基站地实施无线通信。换句话说,广域通信部也可以构成为实施蜂窝V2X。本车辆通过搭载V2X车载器14,成为能够与因特网连接的互联汽车。例如,位置推断器20通过与V2X车载器14的配合,从规定的服务器下载最新的高精度地图数据,而能够更新储存于地图存储部15的地图数据。
V2X车载器14所具备的狭域通信部是用于以依据狭域通信标准的方式,与存在于本车辆周边的其他移动体、路侧设备直接实施无线通信的通信模块,其中,该狭域通信标准是将通信距离限定在数百m以内的通信标准。作为其他移动体,并不仅限定于车辆,也能够包含行人、自行车等。作为狭域通信标准,可以采用在IEEE1609中公开的WAVE(WirelessAccess in Vehicular Environment:车辆环境中的无线接入)标准、DSRC(DedicatedShort Range Communications:专用短程通信)标准等任意的标准。
地图存储部15是存储有高精度地图数据的非易失性存储器。这里的高精度地图数据相当于以可用于自动驾驶的精度表示有关道路结构以及沿道路配置的地上物的位置坐标等的地图数据。所谓的可用于自动驾驶的精度,例如,相当于将在各地图要素所涉及的实际位置与地图上登记的位置的误差抑制在10cm~20cm以下的等级。高精度地图数据例如具备道路的三维形状数据、车道数据、地上物数据等。上述的道路的三维形状数据包含与多个道路交叉、合流、分支的地点(以下,节点)相关的节点数据、以及与连结该地点间的道路(以下,路段)相关的路段数据。
路段数据表示道路端信息、道路的宽度等,其中,该道路端信息表示道路端的位置坐标。路段数据也可以包含是汽车专用道路还是一般道路这样的表示道路种类的数据。这里的所谓的汽车专用道路是指禁止行人、自行车的进入的道路,例如高速道路等收费道路等。路段数据也可以包含表示是否是允许自主行驶的道路的属性信息。
车道数据表示车道数、每个车道的车道边界线的设置位置信息、每个车道的行进方向、车道级别的分支/合流地点。车道数据例如也可以包含表示车道边界线是由实线、虚线、博斯点中的哪个图案来实现的信息。车道边界线、道路端(以下,车道边界线等)的位置信息被表示为形成有车道边界线的地点的坐标组(换句话说点群)。此外,作为其他方式,车道边界线等位置信息也可以表示为多项式。车道边界线等位置信息也可以是表示为多项式的线段的集合体(换句话说线群)。
地上物数据包含临时停止线等路面显示的位置和种类信息、地标的位置、形状以及种类信息。地标包含交通标志、信号灯、杆、商业看板等,沿道路设置的立体结构物。此外,地图存储部15也可以是暂时存储距本车辆规定距离以内的高精度地图数据的结构。另外,地图存储部15所保持的地图数据也可以是导航用的地图数据亦即导航地图数据。导航地图数据相当于精度比高精度地图数据相对差的地图数据。
HMI***16是提供受理用户操作的输入接口功能和向用户提示信息的输出接口功能的***。HMI***16具备显示器161和HCU(HMI Control Unit:HMI控制单元)162。此外,作为向用户提示信息的单元,除了显示器161以外,还可以采用扬声器、振动器、照明装置(例如LED)等。
显示器161是显示图像的设备。显示器161例如是设置在仪表板的车宽度方向中央部的最上部的所谓的中心显示器。显示器161能够进行全色显示,能够使用液晶显示器、OLED(Organic Light Emitting Diode:有机发光二极管)显示器、等离子显示器等来实现。此外,HMI***16也可以具备在挡风玻璃的驾驶席前方的一部分映出虚像的平视显示器作为显示器161。另外,显示器161也可以是在仪表板上配置在位于驾驶席的正面的区域的所谓的仪表显示器。
HCU162是统合控制对用户的信息提示的结构。HCU162例如使用CPU、GPU等处理器、RAM以及闪存等来实现。HCU162基于从驾驶辅助ECU30提供的信息、来自未图示的输入装置的信号控制显示器161的显示画面。例如,HCU162基于来自导航装置的请求,将路径引导图像显示于显示器161。在路径引导图像中,例如包含表示十字路口、分支地点、车道增设地点等上的行进方向/行驶推荐车道的所谓的Turn-by-Turn图像。
位置推断器20是确定本车辆的当前位置的设备。位置推断器20相当于本车位置推断装置。对于位置推断器20的功能的详细内容,另外后述。位置推断器20将具备处理部21、RAM22、存储器23、通信接口24以及连接这些部件的总线等的计算机作为主体来构成。处理部21是用于与RAM22结合的运算处理的硬件。处理部21相当于处理器。处理部21是包含至少一个CPU等运算核心的结构。处理部21通过对RAM22的访问来执行各种处理。存储器23是包含闪存等非易失性的存储介质的结构。在存储器23中,储存有作为由处理部21执行的程序的位置推断程序。处理部21执行位置推断程序相当于执行与位置推断程序对应的方法(换句话说行驶位置推断方法)。通信接口24是用于经由车辆内网络Nw与其他装置通信的电路。通信接口24可以使用模拟电路元件、IC等来实现。位置推断器20也可以构成为将本车辆的行驶车道的车道ID(换句话说,行驶车道编号)、路缘带的宽度的计算结果、用于决定本车位置的地上物的种类等依次输出至车辆内网络Nw。
驾驶辅助ECU30是通过基于前方相机11的检测结果以及位置推断器20的推断结果控制行驶致动器18,从而代替驾驶席乘员执行驾驶操作的一部分或者全部的ECU。驾驶辅助ECU30也可以具备作为使车辆自主行驶的自动驾驶装置的功能。行驶致动器18是指行驶用的致动器类。行驶致动器18包含车辆的加速、减速以及转向操纵的机械要素。行驶致动器18例如包含制动装置、电子节流阀、转向操纵致动器等。所谓的制动装置例如是制动器致动器。
驾驶辅助ECU30具备提供车道跟踪控制(LTC:Lane Trace Control)功能的LTC部H1,作为车辆控制功能之一。LTC功能是使本车辆沿着本车行驶车道在本车行驶车道内行驶的功能。LTC部H1生成沿着本车行驶车道的预定行驶线,并经由转向操纵致动器控制转向操纵角,以沿着该预定行驶线。例如,LTC部H1通过产生朝向本车行驶车道的中心的方向的转向操纵力,来使本车辆沿着行驶车道的中心行驶。
这样的驾驶辅助ECU30与位置推断器20同样地,将具备处理部、RAM、存储器、通信接口以及连接这些部件的总线等的计算机作为主体来构成。省略各要素的图示。在驾驶辅助ECU30所具备的存储器中,储存有作为由处理部执行的程序的驾驶辅助程序。处理部执行驾驶辅助程序相当于执行与驾驶辅助程序对应的方法。
运行记录装置50是记录表示车辆行驶时的车辆内的状况以及车厢外的状况的数据的装置。车辆行驶时的车辆内的状况能够包含位置推断器20的工作状态、驾驶辅助ECU30的工作状态、驾驶席乘员的状态。表示位置推断器20的工作状态的数据包含道路端的识别状况、表示道路端的回归方程式、路缘带的宽度的计算值、用于决定本车位置的地上物的种类等。表示驾驶辅助ECU30的工作状态的数据也包含驾驶辅助ECU30中的周边环境的识别结果、行驶计划、各行驶致动器的目标控制量等计算结果。经由车辆内网络Nw等,从位置推断器20、驾驶辅助ECU30、包含前方相机的周边监视传感器等搭载于车辆的ECU、传感器获取成为记录对象的数据。运行记录装置50例如在发生了规定的记录事件的情况下,将对记录对象设定的项目的数据保存于非易失性的存储介质。此外,由运行记录装置50保存的数据的保存目的地也可以是外部服务器。
<关于位置推断器20的功能>
在这里,使用图3对位置推断器20的功能以及工作进行说明。位置推断器20通过执行保存于存储器23的位置推断程序,来提供与图3所示的各种功能模块对应的功能。即,位置推断器20具备暂定位置推断部F1、地图获取部F2、跑道信息获取部F3、车道确定部F4以及详细位置计算部F5作为功能模块。
暂定位置推断部F1通过组合GNSS接收机13的定位结果和惯性传感器的检测结果,依次定位本车辆的位置。例如,在隧道内等无法获取基于GNSS的定位结果的情况下,暂定位置推断部F1使用偏航率和车速来进行推测航行(Dead Reckoning/自主导航)。用于推测航行的偏航率可以是使用SfM技术由相机ECU41识别出的偏航率,也可以是由偏航率传感器检测出的偏航率。
地图获取部F2从地图存储部15读出以当前位置为基准规定的规定范围的地图数据(地图信息)。用于地图参照的当前位置可以是由暂定位置推断部F1确定出的位置,也可以是由详细位置计算部F5确定出的位置。例如,在详细位置计算部F5能够计算当前位置的情况下,使用该位置信息来获取地图数据。另一方面,在详细位置计算部F5无法计算当前位置的情况下,使用由暂定位置推断部F1计算出的位置坐标来获取地图数据。另一方面,在点火电源刚打开后,例如,基于存储器中保存的前一次的位置计算结果来决定地图参照范围。这是因为存储器中保存的前一次的位置计算结果相当于前一次的行程的结束地点,即驻车位置。此外,地图获取部F2也可以构成为经由V2X车载器14从外部服务器等依次下载本车辆周边的高精度地图数据。地图存储部15也可以设置于车辆外部。
跑道信息获取部F3从前方相机11所具备的相机ECU41获取行驶路径数据。即,获取由前方相机11识别出的车道边界线和道路端(以下,车道边界线等)的相对位置、道路端的回归线参数。获取道路端的相对位置信息的结构相当于道路端信息获取部F31。获取车道边界线的相对位置信息等的结构相当于边界线信息获取部F32。
道路端等的位置例如用以本车的基准点为原点的XY坐标系亦即车辆坐标系来表示。构成该车辆坐标系的X轴被设定为与车辆的左右方向平行,例如以右方为正方向。Y轴被设定为与车辆的前后方向平行,将朝向车辆的前方的方向作为正方向。
此外,表示道路端等的位置的坐标系能够采用多种坐标系。例如,在构成为相机ECU41的图像识别软件使用在CAD等中利用的世界坐标系(WCS)、程序坐标系(PCS)来表示检测物的位置的情况下,道路端等的相对位置也可以用WCS、PCS来表示。车辆坐标系也可以构成为将车辆前方作为X轴正方向、将车辆左侧作为Y轴正方向。跑道信息获取部F3也可以获取用图像坐标系表示道路端等的位置的数据。
另外,跑道信息获取部F3也可以将从相机ECU41获取到的车道边界线等的相对位置坐标转换为全局坐标系中的位置坐标(以下,也记载为观测坐标)。车道边界线等的观测坐标能够通过组合本车辆的当前位置坐标和车道边界线等相对于本车辆的相对位置信息来计算。在详细位置计算部F5能够计算当前位置的情况下,用于车道边界线等的观测坐标的计算的车辆的当前位置坐标使用该位置信息即可。另一方面,在详细位置计算部F5无法计算当前位置的情况下,使用由暂定位置推断部F1计算出的位置坐标即可。此外,使用了本车辆的当前位置坐标的车道边界线等的观测坐标的计算也可以由相机ECU41来实施。以下,将由前方相机11检测的车道边界线也记载为检测边界线。另外,将由前方相机11检测的道路端也记载为检测道路端。
车道确定部F4是基于由跑道信息获取部F3获取到的道路端、车道边界线的相对位置信息,来确定本车辆所行驶的车道亦即行驶车道的结构。车道确定部F4具备路缘带宽度计算部F41,其中,该路缘带宽度计算部F41计算设置于本车辆所行驶的道路亦即行驶路径的路缘带的宽度。对于车道确定部F4以及路缘带宽度计算部F41的详细内容,另外后述。此外,车道确定部F4也可以构成为使用方向标志牌等地标的相对位置信息来确定行驶车道、行驶位置。车道确定部F4相当于行驶车道确定部。
详细位置计算部F5基于车道确定部F4的确定结果、跑道信息获取部F3的获取数据,来确定本车辆在行驶车道内的详细位置。具体而言,基于与行驶车道的左侧边界线的距离和与右侧边界线的距离,来计算从行驶车道的中心向左右方向的偏移量。另外,通过组合由车道确定部F4确定出的行驶车道信息和从车道中心的偏移量,来确定本车辆在行驶路径中的横向位置。由详细位置计算部F5确定出的从车道中心的偏移量例如被用于LTC部H1等。
其他,详细位置计算部F5也可以基于车道确定部F4的确定结果和由前方相机11检测出的地标信息,来确定地图上的详细的本车位置。例如,在作为图像解析的结果,将从左侧道路端到车辆中心的距离确定为1.75m的情况下,判定为本车辆存在于从地图所示的左侧道路端的坐标向右侧偏移了1.75m的位置。另外,例如在作为图像解析结果,将到存在于本车辆正面的方向标志牌的距离确定为100m的状况下,判定为本车辆存在于从地图数据中登记的该方向标志牌的位置坐标向近前侧偏移了100m的位置。这里的近前侧是指与本车辆的行进方向相反的方向。在前进行驶时,所谓的近前侧对应于车辆后方。
此外,由前方相机11检测出的地标与地图上登记的地标的相对应例如能够通过地标的观测坐标与地图上登记的坐标信息的比较来实施。例如,将地图上登记的地标中的最接近地标的观测坐标的地标推断为同一地标。在比较地标时,例如优选使用形状、尺寸、颜色等特征量,采用特征的一致程度更高的地标。若观测到的地标与地图上的地标的相对应完成,则详细位置计算部F5将从地图上的地标的位置向纵向偏移了观测地标与本车辆的距离的位置设定为本车在地图上的纵向位置。
如上所述,根据详细位置计算部F5不仅计算横向的本车位置还计算纵向的本车位置的结构,能够高精度地计算到十字路口、弯道入口/出口、交通阻塞的最后尾、道路分支点等道路上的特征点(换句话说,POI)的剩余距离。此外,通过进行横向上的本车位置推断,能够确定为了左右转弯等而是否应进行车道变更、在需要进行车道变更的情况下必须到何时实施。此外,如上述那样的使用地标、道路端的检测位置信息来确定本车辆在地图上的当前位置的处理也被称为定位处理。作为定位处理的结果的本车位置用与地图数据同样的坐标系(例如,纬度、经度、高度)来表示即可。本车位置信息例如能够通过WGS84(WorldGeodetic System 1984)等任意的绝对坐标系来表示。
<关于车道确定处理>
接下来,使用图4所示的流程图对由位置推断器20(主要为车道确定部F4)执行的车道确定处理进行说明。图4所示的流程图例如在车辆的行驶用电源打开期间,按规定的周期(例如每隔100毫秒)执行。行驶用电源例如在发动机车辆中是点火电源。在电动汽车中,***主继电器相当于行驶用电源。在本实施方式中,作为一个例子,车道确定处理具备步骤S0~S10。步骤S1~S10由车道确定部F4执行。该一系列的处理流程被反复执行,在处理成功的情况下,在本处理中计算出的本车位置信息被保存至存储器。此外,步骤S0是地图获取部F2获取行驶路径的地图数据的处理。地图获取部F2获取行驶路径的地图数据的处理也可以作为预先的准备处理与本流程独立地执行。步骤S0相当于地图获取步骤。
在步骤S1中,计算位于距本车辆前方规定距离的判定点处的道路端、车道边界线这样的各种地上物的横向位置(X坐标)。步骤S1相当于位置获取步骤。判定点例如能够为距本车辆前方10.0m的地点。此外,判定点也可以是前方5.0m的地点,也可以是前方8.5m的地点。判定点能够为前方相机11的拍摄范围所包含的规定地点。判定点是包含位于距本车辆前方规定距离的点、以及存在于该地点的左右的地点的线状的概念。判定点能够替换为判定线。判定点上的道路端的横向位置例如基于道路端的回归线参数来计算。
各种地上物的位置例如用以本车辆为基准的车辆坐标系来表示。另外,判定点上的车道边界线、道路端的横向位置(这里为X坐标)使用本车辆的车速、偏航率,如图5所示,修正为沿着曲线形状的横向位置而使用。具体而言,使用本车辆的车速和偏航率,来计算本车辆实际到达判定点的所需时间t。而且,根据到判定点的所需时间、偏航率以及车速,来计算本车辆到达判定点时的横向(换句话说,X轴方向)的位移量ΔX。
具体而言,若将到判定点的所需时间设为t、将到判定点的距离设为D、将偏航率设为ω、将车速设为v,则D=(v/ω)sin(ωt)的关系成立。所需时间t通过求解该式来确定。另外,横向的位移量ΔX可以根据ΔX=(v/ω){1-cos(ωt)}的式子来计算。
车道确定部F4通过从由前方相机11当前检测的道路端的横向位置减去ΔX,修正为沿着曲线形状的横向位置坐标。图5中的P1、P2表示存在于本车辆左右的车道边界线的在判定点处的修正前的位置坐标,P1a、P2a表示修正后的位置。根据像这样使用偏航率来进行判定点处的车道边界线、道路端的位置修正的结构,能够抑制道路的曲率的影响。若步骤S1完成,则执行步骤S2。
在步骤S2中,执行道路端斜率判定处理。道路端斜率判定处理是用于基于道路端的回归线的斜率,在以后的处理中不使用有关存在误识别位置的可能性的道路端的信息的处理。对于道路端斜率判定处理另外说明。若步骤S2完成,则得到除去了误识别位置的可能性较高的道路端后的、具有某一程度的妥当性的道路端信息。若步骤S2完成,则执行步骤S3。步骤S2不是必需的要素,可以适当地省略。但是,通过执行步骤S2,能够降低误计算路缘带的宽度、或弄错行驶车道的可能性。
在步骤S3中,执行车道妥当性判定处理。车道妥当性判定处理是检查检测到的车道边界线作为构成车道的车道边界线是否具有一定的妥当性的处理。换句话说,相当于用于除去有关具有误检测的可能性的车道边界线的信息的处理。作为检查车道边界线的检测结果的妥当性的观点,例如,可举出检测到的车道边界线的横向位置是否比道路端位置靠外侧、或车道边界线彼此的间隔是否为小到不能作为车道宽度的值等。对于车道妥当性判定处理的详细内容,另外后述。通过执行步骤S3,可得到除去误检测的可能性较高的车道边界线后的、具有某一程度的妥当性的边界线信息。若步骤S3完成,则执行步骤S4。
在步骤S4中,路缘带宽度计算部F41执行路缘带宽度计算处理。该处理是计算判定点处的路缘带的宽度的结构。这里的所谓的路缘带是指在道路上除车道以外的区域。这里的路缘带也包含路肩。另外,路缘带能够包含被车道外侧线和道路端夹着的区域。车道外侧线是指画到车道的路端附近的区划线。另外,路缘带能够包含与道路端相邻的斑马线(换句话说,导流带)。斑马线是指描绘有条纹的路面区域。对于作为步骤S4的路缘带宽度计算处理的详细内容,另外后述。通过执行步骤S4,得到路缘带宽度的计算值。若步骤S4完成,则执行步骤S5。
在步骤S5中,执行道路端妥当性判定处理。道路端妥当性判定处理是验证在步骤S1中计算出的道路端的横向位置坐标是否具有妥当性的处理。例如,当在步骤S1中计算出的道路端的横向位置进入到由前方相机11确认出车道的存在的区域亦即车道检测范围内的情况下,判定为该道路端的横向位置是错误的,并放弃误计算出的道路端的横向位置信息。有关道路端妥当性判定处理的详细内容另外后述。此外,步骤S5的判定内容可以包含于步骤S3的车道妥当性判定处理。步骤S5不是必需的要素。若步骤S5完成,则执行步骤S6。
在步骤S6中,执行地图匹配性判定处理。地图匹配性判定处理是判定在以上的处理中得到的道路信息与地图上登记的道路信息的匹配性的处理。对于地图匹配性判定处理的详细内容另外后述。通过执行该地图匹配性判定处理,例如能够验证在步骤S4中计算出的路缘带的宽度是妥当的值还是错误的等。步骤S6也不是必需的结构,而是可以省略的结构。但是,通过执行步骤S6,能够降低误确定行驶车道的可能性。若步骤S6完成,则执行步骤S7。
在步骤S7中,计算行驶车道的宽度。例如,计算从在车辆右侧位于最近的车道边界线到在本车辆的左侧存在于最近的车道边界线的距离,作为行驶车道宽度。在能够检测出三条以上车道边界线的情况下,也可以计算各车道边界线的间隔的平均值作为车道宽度。在步骤S7中,也可以计算其他车道,即本车辆未行驶的车道的宽度。也可以将本车辆所行驶的车道的宽度视为其他车道的宽度。通过完成步骤S7,来决定行驶路径中的车道宽度。若步骤S7完成,则执行步骤S8。
在步骤S8中执行个别车道位置确定处理。个别车道位置确定处理是计算各车道的存在范围的处理。个别车道位置确定处理也包含放弃存在于不正确的位置的车道的处理。对于步骤S8的详细内容另外后述。若步骤S8完成,则执行步骤S9。通过以上的处置,基于路缘带的宽度来决定各车道的位置。具体而言,考虑路缘带的宽度来决定第一车道、第二车道存在于距离道路端多远的位置。
在步骤S9中,基于从道路端到本车辆的距离和计算出的路缘带宽度,来确定本车辆的行驶车道。由于各车道的位置用以本车辆为基准的车辆坐标系来表示,所以包含X=0.0的地点的车道相当于行驶车道。例如,在第二车道的左端X坐标为-2.0、右端X坐标为+1.0的情况下,判定为本车辆存在于第二车道。行驶车道能够用车道ID来表示,其中,该车道ID表示是从左侧道路端起第几条车道。由于考虑路缘带宽度来决定各车道的位置,所以上述处理相当于以与路缘带相邻的车道为基准(例如,作为第一车道)来决定行驶车道的结构。此外,车道ID也可以以右侧道路端为基准来分配。步骤S9相当于行驶车道确定步骤。若步骤S9完成,则执行步骤S10。
在步骤S10中,将以上确定出的行驶车道、路缘带宽度等信息输出至外部。作为输出目的地,除了驾驶辅助ECU30外,可举出运行记录装置50、导航装置、设置于车辆外部的地图生成服务器等。驾驶辅助ECU30、运行记录装置50、导航装置、地图生成服务器等相当于外部装置。
<步骤S2:关于道路端斜率判定处理>
道路端的回归线通常如图6所示,图像内的左侧道路端为负的斜率,右侧道路端为正的斜率。另一方面,如图7中例示的那样,当在图像的边缘部附近、道路端附近拍摄有其他车辆的情况下,将该其他车辆的边缘误识别为道路端的一部分,道路端的回归线大幅偏离实际的道路端。当然若道路端的回归线大幅偏离,则判定点处的道路端的识别位置与实际的位置的偏离增大,而成为误判定行驶车道的原因。此外,图6所示的虚线概念性地表示车道边界线,点划线表示左侧道路端的回归线,双点划线表示右侧道路端的回归线。图7的构成要素也与图6同样,但相对较细的点划线表示真正的左侧道路端,相对粗的点划线表示由相机ECU41计算出的左侧道路端的回归线。
本处理是着眼于上述的课题以及性质而导入的处理,构成为放弃判定点处的斜率脱离正常范围的道路端的识别结果。以下,使用图8对道路端斜率判定处理进行说明。图8所示的作为道路端斜率判定处理的流程作为图4的步骤S2来执行。
作为一个例子,本实施方式的道路端斜率判定处理具备步骤S201~S205。斜率的正/负可能根据图像坐标系的定义的方式而不同。伴随于此,各道路端的斜率的正常范围也根据图像坐标系的定义的方式而改变。在这里,作为一个例子,以将图像帧的左上方作为原点、将右侧作为X轴正方向、将下方作为Y轴正方向的情况为例进行说明。
在步骤S201中,获取左右各自的道路端的回归线参数,并移至步骤S202。在步骤S202中,计算判定点处的左右各自的道路端在图像内的斜率。道路端的斜率例如通过向对回归线进行一阶微分所得的函数式代入判定点处的Y坐标值来计算。对于左侧以及右侧的道路端,若计算出判定点处的图像内的斜率,换句话说,图像坐标系中的斜率则执行步骤S203。
在步骤S203中,判定图像坐标系中的判定点上的道路端的斜率是否收敛于规定的正常范围。该处理对左侧道路端、右侧道路端分别执行。即,判定图像坐标系中的判定点上的左侧道路端的斜率是否收敛于左侧道路端用的规定的正常范围。另外,判定右侧道路端的图像内斜率是否收敛于右侧道路端用的规定的正常范围。左侧道路端用的正常范围例如能够设为大于0的值。另外,右侧道路端用的正常范围能够设为小于0的值。此外,也可以考虑地图数据中登记的道路的曲率,动态地调整各道路端在图像内的斜率的正常范围。
在道路端在图像内的斜率(换句话说,回归线的斜率)收敛于正常范围的情况下,采用该道路端的识别位置作为实际的道路端的位置。另一方面,在道路端的图像内斜率成为正常范围外的情况下,放弃该道路端的识别位置数据。换句话说,判定点处的回归线的斜率成为正常范围外的值的道路端的信息不用于以下的处理。由此,能够降低由于道路端的误识别而误识别行驶车道的担忧。
<步骤S3:关于车道妥当性判定处理>
在这里,使用图9对车道妥当性判定处理进行说明。车道妥当性判定处理作为图4的步骤S3来执行。作为一个例子,车道妥当性判定处理具备步骤S301~S311。在步骤S301中,获取由前方相机11检测出的车道边界线的数量亦即检测边界线数,并移至步骤S302。在步骤S302中,基于在步骤S301中获取到的检测边界线数,来计算车道候补数Cn。车道候补数Cn相当于被相互相邻的检测边界线夹着的区域亦即车道候补的数量。车道候补数Cn为从检测边界线数减去1所得的值。例如,如图10所示,在检测出6条车道边界线的情况下,车道候补数Cn为5。
此外,图10所示的“B1”~“B6”表示检测出的车道边界线。“EgL”表示左侧道路端,“EgR”表示右侧道路端。“Hv”表示本车辆。以下,将从左起第i个车道候补记载为第i车道候补。在图10所示的例子中,本车辆位于第三车道候补。在这里,作为一个例子,构成为从左侧开始分配车道候补、车道边界线的编号。当然,作为其他构成例,也可以从右侧开始分配用于识别多个车道候补、车道边界线的编号。
若步骤S302中的处理完成,则执行步骤S303。在步骤S303中,对处理上的变量k进行初始化(具体而言,设定为1)并移至步骤S304。在步骤S304中,将第k车道候补设定为以下的处理的对象并移至步骤S305。
在步骤S305中,判定第k车道候补的宽度WLC是否小于最小车道宽度LWmin。在第k车道候补的宽度WLC小于最小车道宽度LWmin的情况下,移至步骤S306。另一方面,在第k车道候补的宽度WLC为最小车道宽度LWmin以上的情况下,移至步骤S307。第k车道候补的宽度WLC小于最小车道宽度LWmin意味着第k车道候补实际上不是车道而是路缘带和/或误检测出构成第k车道候补的外侧的车道边界线。另外,第k车道候补的宽度WLC为最小车道宽度LWmin以上意味着具有第k车道候补是真正的车道的可能性。
最小车道宽度LWmin是可以作为车道的宽度的范围的最小值。最小车道宽度LWmin基于使用本车辆的地域的法规来设定。例如,将最小车道宽度LWmin设定为2.5m。当然,最小车道宽度LWmin也可以是2.2m、2.75m、3.0m、3.5m等。为了抑制误判定,优选在本处理中使用的最小车道宽度LWmin设定为比按照法规等规定的实际的车道宽度的最小值还小规定量(例如0.25m)的值。最小车道宽度LWmin的设定值也可以根据本车辆所行驶的道路种类来变更。例如,也可以将本车辆在高速道路上行驶的情况下的最小车道宽度LWmin设定为比本车辆在一般道路上行驶的情况下的最小车道宽度LWmin大。根据这样的结构,由于作为最小车道宽度LWmin应用与道路种类相应的设定值,所以能够抑制误判定车道边界线的检测结果的妥当性。
在步骤S306中,构成第k车道候补的两个车道边界线中的从本车辆观察存在于外侧的车道边界线视为误检测出的车道边界线。另外,将构成第k车道候补的内侧的车道边界线设定为车道检测范围的端部。这相当于判定为到构成第k车道候补的内侧的车道边界线是车道检测范围。
例如,在第五车道候补的宽度WLC小于最小车道宽度LWmin的情况下,放弃构成第五车道候补的车道边界线B5、B6中的从本车辆观察存在于外侧的车道边界线B6,并将车道边界线B5设定为车道检测范围的端部。通过执行步骤S305~S306,能够降低在以下的处理中使用误检测的可能性较高的车道边界线信息的担忧。车道检测范围的右侧端部相当于由前方相机11检测出的车道边界线中的位于最右侧,并且是有效的车道边界线的右侧最外检测线。所谓的有效的车道边界线,是指鉴于与相邻的车道边界线的间隔、与道路端的位置关系判断为误检测的可能性较低,在以下的处理中也使用的车道边界线。另外,车道检测范围的左侧端部相当于在由前方相机11检测出的车道边界线中位于最左侧,并且是有效的车道边界线的左侧最外检测线。
在步骤S307中,判定构成第k车道候补的车道边界线中的位于左侧的车道边界线亦即左侧边界线是否位于从本车辆观察比左侧道路端靠外侧(在这里,左侧)。在左侧边界线位于比左侧道路端靠外侧的情况下,执行步骤S308。另一方面,在左侧边界线未位于比左侧道路端靠外侧的情况下,执行步骤S309。
在步骤S308中,将构成第k车道候补的车道边界线中的位于右侧的车道边界线亦即右侧边界线设定为车道检测范围的左侧端部。例如,如图10所示,在相当于第一车道候补的左侧边界线的车道边界线B1位于比左侧道路端EgL靠外侧的情况下,放弃车道边界线B1的检测结果,而将车道边界线B2设定为车道检测范围的左侧端部。该处理相当于视为第k车道候补的左侧边界线的检测错误的处理。
在步骤S309中,判定第k车道候补的右侧边界线是否位于从本车辆观察比右侧道路端靠外侧(在这里,右侧)。在右侧边界线位于比右侧道路端靠外侧的情况下,执行步骤S310。另一方面,在右侧边界线未位于比右侧道路端靠外侧的情况下,执行步骤S311。在步骤S310中,将第k车道候补的左侧边界线设定为车道检测范围的右侧端部。该处理相当于视为第k车道候补的右侧边界线的检测错误的处理。
通过执行步骤S307~S310,在以下的处理中不使用比道路端靠外侧的车道边界线的数据。在比道路端靠外侧检测出的车道边界线的误检测的可能性相对较高。换句话说,通过执行步骤S307~S310,能够降低在以下的处理(换句话说,车道确定)中使用误检测的可能性较高的车道边界线信息的担忧。
在步骤S311中,将变量k的值加1,换句话说自加1,并移至步骤S312。在步骤S312中,判定变量k是否为车道候补数Cn以下。在满足k≤Cn的关系的情况下,执行步骤S304。另一方面,在满足k>Cn的关系的情况下,结束本流程,而执行图4所示的步骤S4。步骤S312相当于判定所有的车道候补中是否剩有未处理的车道候补的处理。换句话说,相当于判定是否对所有的车道候补执行了步骤S304~S310的处理的处理。此外,在本实施方式中,公开了将变量k从1自加1到车道候补数Cn的方式,但并不限于此。变量k也可以从车道候补数Cn递减到1。
通过执行以上的处理,例如,如图10所示的检测结果被修正为图11所示的识别内容。即,放弃/不使用位于比左侧道路端靠左侧的车道边界线B1、与相邻的车道边界线的距离小于最小车道宽度LWmin的车道边界线B6的信息。
<步骤S4:关于路缘带宽度计算处理>
在这里,使用图12对路缘带宽度计算处理进行说明。图12所示的路缘带宽度计算处理例如作为图4的步骤S4来执行。在这里,作为一个例子,路缘带宽度计算处理具备步骤S401~S404。步骤S401~S404对于车道检测范围的右侧端部和左侧端部双方分别独立地执行。为了方便,将以车道检测范围的右侧端部为处理对象的情况作为例子进行各步骤的说明,但对于车道检测范围的左侧端部也同样地实施。
在步骤S401中,判定车道检测范围的右侧端部与右侧道路端的隔离是否小于最小车道宽度LWmin。该处理相当于判定道路端是否位于距车道检测范围为最小车道宽度以上的外侧的处理。在车道检测范围的右侧端部与右侧道路端的隔离小于最小车道宽度LWmin的情况下,执行步骤S403。此外,车道检测范围与道路端的隔离小于最小车道宽度LWmin意味着从车道检测范围的端部到道路端的区域不是车道,即,是路缘带。另一方面,在车道检测范围的右侧端部与右侧道路端的隔离为最小车道宽度LWmin以上的情况下,执行步骤S402。
在步骤S402中,判定是否明确在车道检测范围的右侧没有未检测出的车道边界线。例如,在前方相机11的车道可检测范围内映现有道路端的情况下、拍摄到从车道检测范围到道路端的路面的情况下,在步骤S402中作出肯定判定,并移至步骤S403。前方相机11的车道可检测范围例如相当于三条车道的水平角度范围等,作为前方相机11的规格而确定的范围。在拍摄到从车道检测范围到道路端的路面的情况下,例如,包含在车道检测范围的右侧不存在其他车辆的情况等。
另一方面,当不明确在车道检测范围的右侧不存在未检测出的车道边界线的情况下,在步骤S402中作出否定判定,并移至步骤S404。所谓的不明确在车道检测范围的右侧不存在未检测出的车道边界线的情况,例如,包含道路端位于从前方相机11的车道可检测范围靠外侧一个车道以上的情况。另外,在由于在车道检测范围的右侧存在其他车辆等而无法拍摄从车道检测范围到道路端的路面的一部分或者全部的情况也可以包含于不明确在车道检测范围的右侧没有未检测出的车道边界线的情况。换句话说,在留有在车道检测范围的右侧存在未检测出的车道边界线的可能性的情况下,在步骤S402中作出否定判定,并执行步骤S404。当具有在车道检测范围的右侧存在未检测出的车道边界线的可能性的情况下,也包含规定车道检测范围的右侧端部的车道边界线的检测信赖度较低的情况、道路端本身的检测信赖度较低的情况等。
在步骤S403中,计算从车道检测范围的右侧端部到右侧道路端的距离,作为设置于道路右侧的路缘带宽度。该处理相当于判定为从车道检测范围的端部到道路端的区域不是车道,即,是路缘带的处理。另一方面,在步骤S404中,将设置在道路右侧的路缘带宽度设定为规定值(例如2.5m)并结束本流程。此外,步骤S404的内容也可以作为路缘带宽度未知,中断车道确定处理。在中断了车道确定处理的情况下,也可以判定为行驶车道未知。
通过对位于本车辆的左侧的道路构成要素,换句话说车道检测范围的左侧端部和左侧道路端执行以上的处理,也可计算配置于道路的左侧的路缘带的宽度。通过本流程计算的路缘带宽度通过后述的步骤S6来验证。因此,通过本流程计算出的路缘带宽度相当于类似路缘带区域的宽度,换句话说,路缘带候补宽度。
根据上述结构,由于计算车道检测区域与道路端的距离作为路缘带的宽度,所以与将路缘带的大小设为固定值的结构相比,能够设定实际的值作为路缘带的宽度。在将路缘带的大小设为固定值的结构中,在存在退避区间等宽度较宽的路缘带的情况下,固定值的路缘带宽度与实际的路缘带宽度的偏离较大地产生,而存在弄错行驶车道的担忧。与此相对的,根据上述结构,能够降低由于路缘带宽度的***使用值与实际的值的偏离而弄错行驶车道的担忧。
此外,上述处理相当于在能够识别的最外侧的车道边界线亦即最外检测线与道路端的隔离小于规定的最小车道宽度的情况下,将检测到的道路端的信息用于车道确定的结构。另外,相当于当明确在最外检测线与道路端之间没有车道边界线的情况下,将检测到的道路端的信息用于车道确定的结构。此外,最外检测线是分别独立地适用于车辆左侧和右侧的概念。另外,上述处理相当于基于最外检测线与道路端的隔离小于规定的最小车道宽度,将从该最外检测线到道路端的区域视为路缘带的处理。
<步骤S5:关于道路端妥当性判定处理>
在这里,使用图13对道路端妥当性判定处理进行说明。该处理是验证根据道路端的回归线确定的道路端的横向位置是否正确的处理。道路端当然不存在于车道内,即车道检测范围内。本处理是着眼于这样的位置关系制造出的处理,作为一个例子,具备步骤S501~S506。作为道路端妥当性判定处理的图13所示的流程作为图4所示的车道确定处理的步骤S5来执行。
在步骤S501中,判定以回归方程式确定的判定点处的左侧道路端的位置是否存在于在步骤S3中计算出的车道检测范围的左侧。例如,判定基于回归方程式确定的左侧道路端的横向位置是否成为比车道检测范围的左侧端部的横向位置靠左侧。此外,所谓的左侧道路端的横向位置成为比车道检测范围的左侧端部的横向位置靠右侧的情况意味着以回归方程式确定的左侧道路端的计算位置进入到车道检测范围内。
在左侧道路端的推断位置位于车道检测范围的左侧的情况下,在步骤S501中作出肯定判定,并执行步骤S502。另一方面,在左侧道路端的推断位置位于比车道检测范围的左侧端部靠右侧的情况下,在步骤S501中作出否定判定,并执行步骤S503。
在步骤S502中,采用以回归方程式确定的左侧道路端的推断位置作为左侧道路端的横向位置,并移至步骤S504。在步骤S503中,放弃以回归方程式确定的左侧道路端的推断位置,并移至步骤S504。该处理相当于判定为左侧道路端的计算位置错误的处理。在执行步骤S503的情况下,左侧道路端的位置被处理为未知。
在步骤S504中,判定以回归方程式确定的右侧道路端的推断位置是否存在于在步骤S3中计算出的车道检测范围的右侧。例如,判定以回归方程式确定的右侧道路端的横向位置是否比车道检测范围的右侧端部的横向位置靠右侧。此外,所谓的右侧道路端的横向位置比车道检测范围的右侧端部的横向位置靠左侧的情况意味着以回归方程式确定的右侧道路端的推断位置进入到车道检测范围。
在右侧道路端的推断位置位于车道检测范围的右侧的情况下,在步骤S504中作出肯定判定,并执行步骤S505。另一方面,在右侧道路端的推断位置位于车道检测范围的右侧端部的左侧的情况下,在步骤S504中作出否定判定,并执行步骤S506。
在步骤S505中,采用以回归方程式确定的右侧道路端的推断位置,作为右侧道路端的横向位置,并结束本流程。在步骤S506中,放弃以回归方程式确定的右侧道路端的推断位置,并结束本流程。该处理相当于判定为右侧道路端的计算位置错误的处理。在步骤S506的情况下,右侧道路端的位置被处理为未知。
根据以上的处理,由于将其他车辆的边缘误识别为道路端的一部分等,在由回归方程式确定的判定点处的道路端的横向位置为不正确的值的情况下,能够检测出该情况,并放弃该运算结果。其结果是,能够降低由于道路端位置的误识别而误判定行驶车道的担忧。
<步骤S6:关于地图匹配性判定处理>
在这里,使用图14对地图匹配性判定处理进行说明。地图匹配性判定处理是判定在到此为止的处理中计算出的路缘带宽度、车道检测范围、道路端位置等与地图上登记的数据进行比较是否妥当的处理。在本实施例中,作为一个例子,地图匹配性判定处理具备步骤S601~S606。作为地图匹配性判定处理的图14所示的流程作为图4所示的车道确定处理的步骤S6来执行。
首先,在步骤S601中,判定是否能够获取判定点处的左右的道路端的横向位置。例如,当在道路端斜率判定处理的步骤S205、道路端妥当性判定处理的步骤S503、步骤S506等中放弃了左右的道路端中的至少任意一个位置信息的情况下,在步骤S601中判定为否定。在能够获取判定点处的左右的道路端的横向位置的情况下,在步骤S601中判定为肯定,并执行步骤S602。另一方面,在左右的道路端中的任意一方获取判定点处的横向位置失败的情况下,在步骤S601中作出否定判定,并执行步骤S606。
在步骤S602中,计算左右的道路端的位置之差作为道路宽度RW,并移至步骤S603。在步骤S603中,通过将在前步骤S602中计算出的道路宽度RW减去路缘带宽度的计算值RsW所得的值除以标准车道宽度LWstd,来计算车道数的推断值亦即推断车道数Nf。换句话说,推断车道数Nf通过(RW-RsW)/LWstd来计算。推断车道数Nf是实数且包含小数点以下的值。推断车道数Nf例如能够通过浮动小数点型来表示。
标准车道宽度LWstd基于使用本车辆的地域的法规,设定为车道的宽度的标准的值。例如,标准车道宽度LWstd被设定为3.0m。当然,最小车道宽度LWmin也可以是2.5m、2.75m、3.5m等。标准车道宽度LWstd的设定值也可以根据本车辆所行驶的道路种类而变更。例如,也可以设定为本车辆在高速道路上行驶的情况下的标准车道宽度LWstd比本车辆在一般道路上行驶的情况下的标准车道宽度LWstd大。根据这样的结构,由于作为标准车道宽度LWstd应用与道路种类相应的设定值,所以能够抑制在步骤S604中误判定的担忧。若步骤S603中的运算处理完成,则执行步骤S604。
在步骤S604中,判定地图数据中登记的车道数亦即地图车道数Nm与推断车道数Nf之差的绝对值是否为规定的阈值以下。这里所使用的阈值相当于误差的允许范围的上限。如果各种识别结果完全正当,则地图车道数Nm与推断车道数Nf之差亦即车道数差为0。但是,由于推断车道数Nf具有小数成分,所以即使在前方相机11能够正确地检测道路端、各种车道边界线的情况下,车道数差也可以取0.1、0.3等值。针对车道数差的绝对值的阈值根据允许多少误差来设定,例如设定为0.5。当然,针对车道数差的阈值也可以是0.3、1等。此外,在车道数差超过1的情况下,意味着在道路宽度或者路缘带宽度中具有一条以上的车道的识别误差。因此,优选将针对车道数差的阈值设定为小于1。
在车道数差的绝对值小于规定的阈值的情况下,在步骤S604中作出肯定判定,并执行步骤S605。另一方面,在车道数差的绝对值为规定的阈值以上的情况下,在步骤S604中作出否定判定,并执行步骤S606。此外,车道数差的绝对值为规定的阈值以上意味着地图上登记的内容和位置推断器20识别出的内容的偏离较大(换句话说,不匹配)。这里的所谓的位置推断器20识别出的内容例如能够为道路宽度以及路缘带宽度中的至少任意一个。
在步骤S605中,判定为地图上登记的内容与由位置推断器20的识别内容匹配,并结束本流程。在步骤S606中,作为与道路结构相关的获取数据的某处(例如,路缘带宽度的计算值)不正确,中断车道确定处理。在中断了车道确定处理的情况下,判定为行驶车道未知即可。此外,在步骤S606中,作为其他的方式,也可以将路缘带宽度重新设定为规定的值而继续后续的处理。
根据上述结构,能够判别路缘带宽度的计算值、道路端位置的计算值是否正确。例如,在无法检测与道路端相邻的车道边界线的情况下,将相当于车道的区域作为路缘带来处理,可能会使路缘带的宽度大不相同。对于这样的课题,在假设路缘带宽度的计算值相对于实际的路缘带宽度过大的情况下,通过上述处理计算的车道数差例如为1.5等1以上的值,被错误处理。换句话说,根据上述处理,能够检测路缘带宽度的计算值的异常进行错误处理。
此外,在步骤S606中,也可以计算地图车道数Nm乘以标准车道宽度LWstd所得的值作为地图基础行驶区域宽度,并采用从道路宽度RW中减去地图基础行驶区域宽度所得的值作为路缘带宽度RsW。
另外,以上,公开了例如使用地图车道数与推断车道数之差的方式作为路缘带的宽度等与道路结构相关的地图和位置推断器20中的识别/运算内容的匹配性的判定指标,但并不限于此。例如,也可以采用从基于识别结果的道路宽度RW减去路缘带宽度RsW而成的识别基础行驶区域宽度与基于地图上登记的数据确定的地图基础行驶区域宽度之差作为判定指标。这里的所谓的行驶区域,是指在道路上形成有车道的所有范围。换句话说,行驶区域相当于从道路中除去了路缘带、人行道后的部分。
另外,车道确定部F4计算从地图上登记的道路宽度或者使用回归线计算出的道路宽度RW中减去地图基础行驶区域宽度所得的值作为地图基础路缘带宽度。而且,也可以采用在上述处理中计算出的路缘带宽度RsW与地图基础路缘带宽度之差作为判定指标。
此外,当在地图上登记有道路宽度的情况下,也可以采用在步骤S602中计算出的道路宽度和地图上登记的道路宽度之差作为判定指标。在该情况下,虽然无法评价路缘带宽度的计算值的妥当性,能够判定道路端位置的计算结果是否妥当。
<步骤S8:关于个别车道位置确定处理>
在这里,使用图15对个别车道位置确定处理进行说明。个别车道位置确定处理是计算检测出的各个车道的横向位置范围的处理。在本实施例中,作为一个例子,个别车道位置确定处理具备步骤S801~S803。作为个别车道位置确定处理的图15所示的流程作为图4所示的车道确定处理的步骤S8来执行。
首先,在步骤S801中,计算对车道宽度乘以车道数所得的值加上路缘带宽度的计算值RsW所得的值,作为道路宽度。而且,以左侧或者右侧的道路端为基准,使用道路宽度,来决定车道边界线可能存在的横向位置范围(换句话说,X坐标的范围)的上限值以及下限值。例如,在将道路宽度计算为15m,并且成为基准的左侧道路端的X坐标成为相当于车辆左侧5m的值的情况下,将车辆左侧5.0m地点(X:-5.0)设定为车道边界线的横向位置下限值。而且,将相当于车辆右侧10m的X坐标(X:+10.0)设定为车道边界线的横向位置的上限值。
成为基准的道路端为能够计算横向位置的道路端即可。例如,在成功计算出右侧道路端的横向位置,另一方面左侧道路端的横向位置未知的情况下,以右侧道路端为基准,来设定车道边界线的横向位置的上下限值。在道路端的横向位置未知的情况下,除了不能够简单地识别的情况以外,也包含例如在步骤S4的道路端妥当性判定处理中放弃道路端信息的情况。此外,假设能够获取左侧和右侧双方的道路端的横向位置的情况下,只要以接近本车辆的道路端为基准即可。这是因为,能够期待接近本车辆的道路端的位置推断精度比远方的道路端的位置推断精度高。在本步骤S801中使用的车道宽度例如能够为在步骤S7中计算出的行驶车道宽度。另外,作为车道数,能够使用地图上登记的车道数。若步骤S801中的处理完成,则移至步骤S802。
在步骤S802中,将相互邻接的检测边界线的组设定为车道候补并移至步骤S803。在步骤S803中,将左右的检测边界线的横向位置(换句话说,X坐标)两方均收敛于在步骤S801中设定的车道边界线可能存在的横向位置范围的车道候补确定为车道。另外,决定构成确定出的车道的右侧边界线和左侧边界线的位置坐标。
通过以上的处理,能够确定由前方相机11检测出的车道边界线的位置,并能够确定本车辆在从右/左起第几条车道上行驶。换句话说,能够确定行驶车道的车道ID。
<上述构成的效果>
根据上述叙述的提出结构,在考虑了实际的路缘带的宽度的基础上,基于距道路端的距离,来确定行驶车道。此时,无需使用周边车辆的行驶轨迹。因此,即使没有周边车辆也能够确定行驶车道。
另外,在上述结构中,基于道路端、车道边界线的识别结果来计算路缘带宽度,并使用该路缘带宽度的计算值来决定行驶车道。作为比较结构,考虑使用适当地设计的固定的路缘带宽度来确定行驶车道的结构。然而,路缘带宽度根据场所而不同。例如,在将路缘带宽度设定为0.5m等相对较小的值的结构中,在退避区间等具有宽度较宽的路缘带的道路区间,路缘带宽度的设计值与实际的值的偏离增大,将实际上作为路缘带的区域误判定为第一车道,而可能弄错行驶车道。或者,在将路缘带宽度设定为2.2m等相对较大的值的结构中,在几乎没有路缘带的道路区间,将实际上作为第一车道的区域误判定为路缘带,而可能弄错行驶车道。在像这样将路缘带宽度设为固定值的比较结构中,由于实际的路缘带宽度与路缘带宽度的设计值的偏离,可能弄错行驶车道。
对于这样的比较结构,根据本提案结构,计算车道所存在的横向位置(车道检测区域)与道路端的距离作为路缘带的宽度来使用。根据这样的结构,能够动态地应用接近实际的路缘带宽度的值作为用于确定行驶车道的路缘带宽度。因此,与比较结构相比能够高精度地确定本车辆的行驶车道。
另外,道路端不会像白线那样掠过。并且,道路端是立体的结构的情况较多。因此,即使在积雪时、发生积水时,道路端也容易从车道边界线检测出。因此,以道路端为基准来确定行驶车道的上述提出结构,与使用车道边界线的类型来确定行驶车道的结构相比,具有能够提高鲁棒性的优点。
以上,对本公开的实施方式进行了说明,但本公开并不限定于上述的实施方式,以下叙述的各种变形例也包含于本公开的技术范围,并且除了下述以外,也能够在不脱离主旨的范围内进行各种变更并实施。例如,下述的各种变形例能够在不产生技术上的矛盾的范围内适当地组合并实施。此外,对于具有与在前述的实施方式中叙述的部件相同的功能的部件,标注相同的附图标记,并省略其说明。另外,在仅提及结构的一部分的情况下,对于其他部分,能够应用前面说明的实施方式的结构。
<关于路缘带宽度的计算值的操作>
也可以构成为:在路缘带宽度的计算值RsW超过规定的路缘带用阈值的情况下,判定为路缘带宽度的计算值RsW错误,而中断车道确定处理。路缘带用阈值是路缘带的可能宽度的最大值。例如,在日本国内,路缘带用阈值可以设定为2.5m。路缘带宽度用阈值也可以设定为0.75m、1.5m等。路缘带用阈值优选依据使用位置推断器20的地域的法规来设定。另外,路缘带用阈值也可以根据本车辆所行驶的道路的种类来变更。也可以在高速道路上,应用2.0m等相对较大的值,另一方面在一般道路上设定为0.75m、0.8m。
另外,如图16所示,由位置推断器20计算出的路缘带宽度也可以与来自多个车辆的探测器数据一起上传至生成以及更新道路地图的地图生成服务器6。V2X车载器14也可以构成为将由位置推断器20确定出的路缘带宽度的数据与判定点的位置坐标等一起无线发送至地图生成服务器6。根据这样的结构,地图生成服务器6能够基于从多个车辆上传的路缘带宽度的信息,来创建包含路缘带宽度的信息的高精度地图。此外,在图16中,省略了前方相机11等驾驶辅助***1所具备的结构的部分图示。同样地,位置推断器20也可以构成为与V2X车载器14配合,将计算出的道路端的位置坐标、车道边界线的位置坐标等上传至地图生成服务器6。
并且,在驾驶辅助ECU30中也可以如下述那样利用由位置推断器20计算出的路缘带宽度。即,驾驶辅助ECU30例如在实施MRM(Minimum Risk Maneuver:最小风险策略)的情况下,也可以使用从位置推断器20获取到的路缘带宽度信息,来判断在车辆前方是否存在作为能够安全停车的场所的路缘带。例如,驾驶辅助ECU30也可以在从位置推断器20通知了存在具有充分的宽度的路缘带的情况下,创建朝向路缘带的行驶计划作为MRM。另外,在从位置推断器20通知了没有路缘带的情况下,也可以创建停车在当前的行驶车道内的行驶计划。即,驾驶辅助ECU30通过从位置推断器20获取路缘带宽度信息,能够选择缓慢地停车在当前的行驶车道内还是停车到路缘带作为MRM的举动。通过能够选择停车到路缘带的方式作为MRM,从而能够降低在停车后追尾其他车辆的风险。进而,对于后续车来说,也具有能够降低与以MRM停车的车辆接触的风险这样的优点。
<关于道路端的检测结果的处理>
另外,当从由前方相机11检测出的最右侧的车道边界线(换句话说,右侧最外检测线)靠右侧一条以上的车道具有道路端的情况下,不清楚从右侧最外检测线到右侧道路端的整体是路缘带还是存在未检测出的车道。因此,也可以构成为在从右侧最外检测线到右侧道路端的距离为最小车道宽度LWmin以上的情况下,不采用右侧道路端作为道路端。在该情况下,使用相反侧的(换句话说,左侧的)道路端来确定车道位置即可。另外,在从右侧最外检测线到右侧道路的距离小于最小车道宽度LWmin的情况下,采用右侧道路端作为道路端即可。右侧路缘带宽度能够为从右侧最外检测线到右侧道路端的距离。在从由前方相机11检测出的最左侧的车道边界线(换句话说,左侧最外检测线)向左侧一个以上的车道存在道路端的情况下也能够同样。
<道路端的检测方法的补充>
本实施方式的前方相机11检测路面的终端部作为道路端。例如,在道路的外侧是未铺装的地面的情况下,通过解析图像帧的亮度分布(例如通过边缘检测)检测该铺装路与未铺装部分的边界作为道路端。另外,在人行道用的台阶等立体的构造物亦即道路端竖立设置物形成于道路的端部的情况下,检测该道路端竖立设置物与路面的接合部分,换句话说道路端竖立设置物的最下部作为道路端。从路面竖立设置的部分也可以通过解析图像帧的亮度分布,检测为道路端。
根据像这样检测与从路面竖立设置的构造物的边界作为道路端的结构,起到如下的效果。一般而言,如图17所示,沿着高速道路的侧壁等具有竖立设置在从路面上升数10cm的台阶部的更外侧的情况。在假设采用侧壁的位置作为道路端的结构中,存在将形成有台阶部的部分误识别为可行驶的部分的担忧。其结果是,有轮胎、车身与台阶部接触的担忧。对于这样的假定结构,根据像本实施方式这样采用路面平面的终端部分作为道路端的结构,能够降低产生上述问题的担忧。作为其他方式,位置推断器20也可以构成为使用侧壁、护栏等的位置作为道路端的位置。
<关于行驶车道信息的用途>
由上述位置推断器20确定出的行驶车道的车道ID例如为在实施伴随着车道变更的自动驾驶时必需的信息。例如,作为自动驾驶装置的驾驶辅助ECU30也可以构成为基于由位置推断器20确定出的行驶车道的车道ID,来创建伴随着车道变更的行驶计划。另外,作为运行设计区域(ODD:Operational Design Domain),也可能有以车道为单位来规定可自动驾驶的道路的情况。在这样的制约下,自动驾驶***需要高精度地确定本车辆是否存在于可自动驾驶的车道。例如,在判定为本车辆未存在于可自动驾驶的车道、或者不得不退出不允许自动驾驶的车道的情况下,需要实施将驾驶权限转让给驾驶席乘员、操作人员、或执行MRM等***响应。对于这样的需求,由于本公开的结构对行驶环境的鲁棒性较高,所以可以有用。
另外,在包含导航装置的HMI***中,需要在平视显示器上以与现实世界匹配的方式显示Turn-by-Turn信息、设施引导信息等。若本车辆的行驶车道的识别在一个车道上偏离,则平视显示器上的显示图像与现实世界的偏离增大。换句话说,需要不仅在自动驾驶领域,在导航的技术领域中也能够高精度地确定本车辆的行驶车道的结构。对于这样的需求,上述提出结构也可以有用。
<***结构的补充>
在上述的实施方式中,例示出将位置推断器20配置于前方相机11的外侧的结构,但位置推断器20的配置方式并不限于此。如图18所示,位置推断器20的功能也可以内在于相机ECU41。另外,如图19所示,位置推断器20的功能也可以内在于驾驶辅助ECU30。包含位置推断器20的功能的驾驶辅助ECU30相当于行驶控制装置。此外,也可以驾驶辅助ECU30还具备相机ECU41的功能(主要为识别器G1)。即,前方相机11也可以构成为将图像数据输出至驾驶辅助ECU30,驾驶辅助ECU30执行图像识别等处理。在图18、图19中,省略驾驶辅助***1所具备的结构的一部分的图示。
另外,以上,公开了位置推断器20使用前方相机11来检测道路端相对于本车辆的位置的结构,但并不限于此。如图20所示,用于检测道路端相对于本车辆的位置的设备也可以是毫米波雷达19A、LiDAR(Light Detection and Ranging/Laser Imaging Detectionand Ranging:光探测和测距/激光成像探测和测距)19B、声纳等。毫米波雷达19A、LiDAR19B、声纳等相当于测距传感器。另外,也可以构成为使用拍摄本车辆的侧方的侧方相机、拍摄后方的后方相机,来检测道路端、车道边界线。前方相机11、侧方相机、后方相机相当于拍摄装置。位置推断器20也可以构成为并用多种设备来检测道路端等。换句话说,位置推断器20也可以通过传感器融合来决定道路端以及车道边界线的位置。道路端的位置也可以不使用回归线,保持原样使用由识别软件识别的位置。
<附言(1)>
本公开所记载的控制部及其方法也可以通过专用计算机来实现,其中,该专用计算机构成被编程为执行通过计算机程序具体化而成的一个或多个功能的处理器。另外,本公开所记载的装置及其方法也可以通过专用硬件逻辑电路来实现。并且,本公开所记载的装置及其方法也可以通过一个以上的专用计算机来实现,其中,该专用计算机由执行计算机程序的处理器和一个以上的硬件逻辑电路的组合构成。另外,计算机程序也可以作为由计算机执行的指令,存储于计算机可读取的非过渡有形记录介质。例如,由位置推断器20提供的单元和/或功能能够由记录于实体的存储器装置的软件以及执行该软件的计算机、仅软件、仅硬件、或者它们的组合来提供。位置推断器20所具备的功能的一部分或者全部可以作为硬件来实现。将某个功能实现为硬件的方式包含使用一个或者多个IC等来实现的方式。处理部21也可以代替CPU,而使用MPU、GPU、DFP(Data Flow Processor)来实现。另外,处理部21也可以组合CPU、MPU、GPU等多个种类的运算处理装置来实现。并且,ECU也可以使用FPGA(field-programmable gate array:现场可编程门阵列)、ASIC(applicationspecific integrated circuit:专用集成电路)来实现。各种程序储存于非过渡的实体的记录介质(non-transitory tangible storage medium)即可。作为程序的保存介质,可以采用HDD(Hard-disk Drive:硬盘驱动器)、SSD(Solid State Drive:固态驱动器)、EPROM(Erasable Programmable ROM:可擦除可编程只读存储器)、闪存、USB存储器、SD(SecureDigital:安全数字)存储卡等多种存储介质。
<附言(2)>
本公开也包含以下的技术思想。
[结构(1)]
一种路缘带识别装置,具备:
边界线信息获取部(F32),通过对拍摄车辆的周边环境的拍摄装置(11)所生成的图像进行解析来获取被检测的车道边界线的位置信息;
道路端信息获取部(F31),使用拍摄装置和测距传感器(19A、19B)中的至少任意一方来获取道路端相对于本车辆的位置信息,其中,上述测距传感器通过发送探测波或者激光来检测存在于车辆的规定方向的物体;以及
路缘带宽度计算部(F41),计算最外检测线到道路端的横向距离作为路缘带候补宽度,其中,上述最外检测线是检测到的车道边界线中的最外侧的车道边界线,
以路缘带候补宽度小于规定值为条件,将从最外检测线到道路端的区域判定为路缘带。
一般而言,由于路缘带(换句话说,路肩)的宽度根据道路区间而不同,因此很难识别是路缘带还是车道。根据上述结构,能够高精度地识别相当于路缘带的区域。作为与路缘带的识别相关的假定结构,也考虑基于车道边界线的类型(实线、虚线)来判定车道边界线的外侧是否是路缘带的结构。但是,车道边界线为实线/虚线,因此其外侧未必相当于路缘带。即,在假定结构中,有误判定是否是路缘带的担忧。
根据这样的课题、上述结构(1),根据从道路端到检测车道边界线的距离,来判定其间的区域是否相当于路缘带。因此,能够减少误判定是否是路缘带的担忧。
[结构(2)]
根据上述结构(1)所述的路缘带识别装置,构成为将计算出的路缘带的宽度发送至自动驾驶装置。
[结构(3)]
根据上述结构(1)所述的路缘带识别装置,
具备本车位置获取部(F1、F7),上述本车位置获取部获取本车的位置,
上述路缘带识别装置构成为:将表示计算出的路缘带的宽度的信息与本车辆的位置信息一起发送至配置于车辆外部的地图生成服务器。
[结构(4)]
一种路缘带识别方法,具备:
步骤(S1),通过对拍摄车辆的周边环境的拍摄装置(11)所生成的图像进行解析来获取被检测的车道边界线的位置信息,并且
使用拍摄装置和测距传感器(19A、19B)中的至少任意一方来获取道路端相对于本车辆的位置信息,其中,上述测距传感器通过发送探测波或者激光来检测存在于车辆的规定方向的物体;以及
路缘带宽度计算步骤(S4),计算从最外检测线到道路端的横向距离作为路缘带候补宽度,其中,上述最外检测线是检测到的车道边界线中的最外侧的车道边界线,
以路缘带候补宽度小于规定值为条件,将从最外检测线到道路端的区域判定为路缘带。
[结构(5)]
一种路缘带识别装置,具备:
边界线信息获取部(F32),通过对拍摄车辆的外部的拍摄装置(11)所生成的图像进行解析来获取被检测的车道边界线的位置信息;
道路端信息获取部(F31),使用测距传感器(19A、19B)和拍摄装置中的至少任意一方来获取道路端相对于本车辆的位置信息,其中,上述测距传感器通过发送探测波或者激光来检测存在于车辆的规定方向的物体;
路缘带宽度计算部(F41),计算从最外检测线到道路端的横向距离作为路缘带宽度,其中,上述最外检测线是检测到的车道边界线中的最外侧的车道边界线;
地图获取部(F2),从配置于车辆内部或车辆外部的地图存储部,获取包含本车辆所行驶的道路的车道数的地图信息;以及
行驶车道确定部(F4),基于由道路端信息获取部获取到的道路端的位置信息、由地图获取部获取到的地图信息所包含的车道数以及由路缘带宽度计算部计算出的路缘带宽度,来确定本车辆的行驶车道,
构成为将行驶车道确定部确定出的行驶车道的信息输出至规定的运行记录装置。
Claims (11)
1.一种本车位置推断装置,具备:
道路端信息获取部(F31),使用拍摄装置(11)和测距传感器(19A、19B)中的至少任意一方来获取道路端相对于本车辆的位置信息,其中,上述拍摄装置拍摄本车辆周边的规定范围,上述测距传感器通过发送探测波或者激光来检测存在于本车辆的规定方向的物体;
地图获取部(F2),从配置于本车辆内部或本车辆外部的地图存储部获取包含本车辆所行驶的道路的车道数的地图信息;以及
行驶车道确定部(F4),基于由上述道路端信息获取部获取到的上述道路端的位置信息和由上述地图获取部获取到的上述地图信息所包含的车道数,来确定本车辆的行驶车道。
2.根据权利要求1所述的本车位置推断装置,其中,具备:
边界线信息获取部(F32),通过对上述拍摄装置所生成的图像进行解析来获取被检测的车道边界线的位置信息;以及
路缘带宽度计算部(F41),计算从最外检测线到上述道路端的横向距离作为路缘带宽度,其中,上述最外检测线是检测到的上述车道边界线中的最外侧的上述车道边界线,
上述行驶车道确定部基于从本车辆到上述道路端的距离、上述路缘带宽度以及上述地图信息所包含的车道数来确定上述行驶车道。
3.根据权利要求2所述的本车位置推断装置,其中,
以上述路缘带宽度小于规定阈值为条件,将从上述最外检测线到上述道路端的区域视为路缘带,
上述行驶车道确定部以与上述路缘带相邻的车道为基准来确定上述行驶车道。
4.根据权利要求2或3所述的本车位置推断装置,其中,
上述行驶车道确定部构成为不将在比上述道路端靠外侧检测出的上述车道边界线的信息用于上述行驶车道的确定。
5.根据权利要求2至4中任一项所述的本车位置推断装置,其中,
上述行驶车道确定部构成为:在相互相邻的两个上述车道边界线的间隔小于规定的最小车道宽度的情况下,上述两个上述车道边界线中的位于外侧的上述车道边界线的信息不用于确定上述行驶车道。
6.根据权利要求2至5中任一项所述的本车位置推断装置,其中,
上述行驶车道确定部在能够获取存在于车辆左侧的左侧道路端和存在于车辆右侧的右侧道路端双方的位置信息作为上述道路端的情况下,
使用上述左侧道路端与上述右侧道路端的间隔以及上述路缘带宽度来计算车道数的推断值亦即推断车道数,并且
在地图上登记的车道数与上述推断车道数之差为规定阈值以上的情况下,判定为计算出的上述路缘带宽度错误、或中断上述行驶车道的确定。
7.根据权利要求2至6中任一项所述的本车位置推断装置,其中,
上述行驶车道确定部基于检测到的上述车道边界线的位置信息,来确定至少存在车道的区域亦即车道检测范围,
在由上述道路端信息获取部获取到的上述道路端的位置成为上述车道检测范围的内侧的情况下,该道路端的位置信息错误、或不将该道路端的信息用于确定上述行驶车道的处理、或中断确定上述行驶车道的处理。
8.根据权利要求2至7中任一项所述的本车位置推断装置,其中,
构成为将由上述路缘带宽度计算部计算出的上述路缘带宽度的数据上传到地图生成服务器(6)。
9.根据权利要求1至8至中任一项所述的本车位置推断装置,其中,
上述道路端信息获取部基于将上述道路端的检测点作为母集团生成的上述道路端的回归线,来确定上述拍摄装置所生成的图像内的规定的判定点处的上述道路端的斜率,
在该道路端的斜率成为规定的正常范围外的情况下,上述行驶车道确定部判断为上述道路端的识别结果错误、或不将该道路端的信息用于确定上述行驶车道的处理、或中断确定上述行驶车道的处理。
10.根据权利要求1至9中任一项所述的本车位置推断装置,其中,
构成为在上述行驶车道确定部成功确定上述行驶车道的情况下,将上述行驶车道的编号亦即行驶车道编号输出到外部。
11.一种行驶位置推断方法,是由至少一个处理器执行的确定本车辆所行驶的车道的行驶位置推断方法,具备:
位置获取步骤(S1),使用拍摄装置(11)和测距传感器(19A、19B)中的至少任意一方来获取道路端相对于本车辆的位置信息,其中,上述拍摄装置拍摄本车辆周边的规定范围,上述测距传感器通过发送探测波或者激光来检测存在于本车辆的规定方向的物体;
地图获取步骤(S0),从配置于车辆内部或车辆外部的地图存储部,获取包含本车辆所行驶的道路的车道数的地图信息;以及
行驶车道确定步骤(S9),基于在上述位置获取步骤中获取到的上述道路端的位置信息和在上述地图获取步骤中获取到的上述地图信息所包含的车道数,来确定本车辆的行驶车道。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020-107959 | 2020-06-23 | ||
JP2020107959 | 2020-06-23 | ||
PCT/JP2021/022461 WO2021261304A1 (ja) | 2020-06-23 | 2021-06-14 | 自車位置推定装置、走行位置推定方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115702450A true CN115702450A (zh) | 2023-02-14 |
Family
ID=79281145
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180043958.7A Pending CN115702450A (zh) | 2020-06-23 | 2021-06-14 | 本车位置推断装置、行驶位置推断方法 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11928871B2 (zh) |
JP (1) | JP7260064B2 (zh) |
CN (1) | CN115702450A (zh) |
DE (1) | DE112021003371T8 (zh) |
WO (1) | WO2021261304A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP7354952B2 (ja) * | 2020-07-14 | 2023-10-03 | トヨタ自動車株式会社 | 情報処理装置、情報処理方法、およびプログラム |
JP7216699B2 (ja) * | 2020-12-28 | 2023-02-01 | 本田技研工業株式会社 | 車両制御システム及び自車線特定方法 |
JP2022132882A (ja) * | 2021-03-01 | 2022-09-13 | キヤノン株式会社 | ナビゲーションシステム、ナビゲーション方法およびプログラム |
WO2023175889A1 (ja) * | 2022-03-18 | 2023-09-21 | 本田技研工業株式会社 | 運転支援装置、運転支援方法、およびプログラム |
Family Cites Families (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002225657A (ja) * | 2001-02-06 | 2002-08-14 | Oki Electric Ind Co Ltd | 車両の走行レーン検出システム |
JP4650079B2 (ja) * | 2004-11-30 | 2011-03-16 | 日産自動車株式会社 | 物体検出装置、および方法 |
JP6017180B2 (ja) | 2012-05-18 | 2016-10-26 | クラリオン株式会社 | 車載用環境認識装置 |
KR101405193B1 (ko) * | 2012-10-26 | 2014-06-27 | 현대자동차 주식회사 | 차로 인식 방법 및 시스템 |
WO2017013692A1 (ja) * | 2015-07-21 | 2017-01-26 | 日産自動車株式会社 | 走行車線判定装置及び走行車線判定方法 |
BR112018006470A2 (pt) * | 2015-09-30 | 2020-06-09 | Nissan Motor | método de controle de deslocamento e aparelho de controle de deslocamento |
JP6870604B2 (ja) | 2017-03-16 | 2021-05-12 | 株式会社デンソー | 自己位置推定装置 |
US10668922B2 (en) | 2017-10-04 | 2020-06-02 | Toyota Motor Engineering & Manufacturing North America, Inc. | Travel lane identification without road curvature data |
US10657811B2 (en) | 2017-10-04 | 2020-05-19 | Toyota Motor Engineering & Manufacturing North America, Inc. | Travel lane identification without road curvature data |
JP7184160B2 (ja) * | 2019-03-27 | 2022-12-06 | 日産自動車株式会社 | 運転支援方法及び運転支援装置 |
JP7360269B2 (ja) * | 2019-08-01 | 2023-10-12 | 株式会社Subaru | 車両の走行制御装置 |
-
2021
- 2021-06-14 CN CN202180043958.7A patent/CN115702450A/zh active Pending
- 2021-06-14 WO PCT/JP2021/022461 patent/WO2021261304A1/ja active Application Filing
- 2021-06-14 JP JP2022531789A patent/JP7260064B2/ja active Active
- 2021-06-14 DE DE112021003371.9T patent/DE112021003371T8/de active Active
-
2022
- 2022-12-20 US US18/069,018 patent/US11928871B2/en active Active
Also Published As
Publication number | Publication date |
---|---|
US11928871B2 (en) | 2024-03-12 |
US20230122011A1 (en) | 2023-04-20 |
DE112021003371T8 (de) | 2023-06-07 |
JP7260064B2 (ja) | 2023-04-18 |
DE112021003371T5 (de) | 2023-05-25 |
WO2021261304A1 (ja) | 2021-12-30 |
JPWO2021261304A1 (zh) | 2021-12-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10431094B2 (en) | Object detection method and object detection apparatus | |
EP3358302B1 (en) | Travel control method and travel control device | |
JP7260064B2 (ja) | 自車位置推定装置、走行位置推定方法 | |
RU2703440C1 (ru) | Способ и устройство управления движением | |
US20180031384A1 (en) | Augmented road line detection and display system | |
JP2022024741A (ja) | 車両制御装置、車両制御方法 | |
CN112400193B (zh) | 行驶环境信息的生成方法、驾驶控制方法、行驶环境信息生成装置 | |
CN110858405A (zh) | 车载摄像头的姿态估计方法、装置和***及电子设备 | |
WO2022009847A1 (ja) | 悪環境判定装置、悪環境判定方法 | |
CN116171464A (zh) | 信号灯识别装置、信号灯识别方法、车辆控制装置 | |
JP6790951B2 (ja) | 地図情報学習方法及び地図情報学習装置 | |
JP7031748B2 (ja) | 自己位置推定方法及び自己位置推定装置 | |
CN115123232A (zh) | 驾驶支援装置、驾驶支援方法以及存储介质 | |
CN115050205B (zh) | 地图生成装置以及位置识别装置 | |
JP7510894B2 (ja) | 車両用表示制御装置、車両用表示制御方法 | |
US20240067222A1 (en) | Vehicle controller, vehicle control method, and vehicle control computer program for vehicle control | |
US20230080630A1 (en) | Traveling lane planning device, storage medium storing computer program for traveling lane planning, and traveling lane planning method | |
JP2023135409A (ja) | 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム | |
JP2023015597A (ja) | 表示制御装置および表示制御プログラム | |
JP2023169631A (ja) | 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム | |
JP2024030531A (ja) | 車両制御装置、車両制御方法及び車両制御用コンピュータプログラム | |
JP2024025040A (ja) | 自車位置推定装置及び自車位置推定方法 | |
JP2022124233A (ja) | 車両用表示制御装置、車両用表示制御方法 | |
JP2023007914A (ja) | 推定システム、推定装置、推定方法、推定プログラム | |
CN117901855A (zh) | 车辆控制装置、车辆控制方法以及车辆控制用计算机程序 |
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 |