CN115917619A - 信息处理装置 - Google Patents
信息处理装置 Download PDFInfo
- Publication number
- CN115917619A CN115917619A CN202180037427.7A CN202180037427A CN115917619A CN 115917619 A CN115917619 A CN 115917619A CN 202180037427 A CN202180037427 A CN 202180037427A CN 115917619 A CN115917619 A CN 115917619A
- Authority
- CN
- China
- Prior art keywords
- unit
- intersection
- information
- road
- model
- 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
- 230000010365 information processing Effects 0.000 title claims abstract description 89
- 230000007613 environmental effect Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 description 51
- 238000000034 method Methods 0.000 description 22
- 238000012545 processing Methods 0.000 description 18
- 230000006870 function Effects 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000012937 correction Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 7
- 238000013461 design Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 5
- 230000006399 behavior Effects 0.000 description 4
- 238000001514 detection method Methods 0.000 description 4
- 238000010276 construction Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000007787 solid Substances 0.000 description 3
- 230000010485 coping Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 230000012447 hatching Effects 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000001629 suppression Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Images
Classifications
-
- 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
-
- 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
- G01C21/3602—Input other than that of destination using image analysis, e.g. detection of road signs, lanes, buildings, real preceding vehicles using a camera
-
- 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
- G01C21/3691—Retrieval, searching and output of information related to real-time traffic, weather, or environmental conditions
-
- 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
- G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
- G01C21/3804—Creation or updating of map data
- G01C21/3807—Creation or updating of map data characterised by the type of data
-
- 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
- G01C21/3697—Output of additional, non-guidance related information, e.g. low fuel level
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/16—Anti-collision systems
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental & Geological Engineering (AREA)
- Environmental Sciences (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
Abstract
本发明的信息处理装置根据从地图信息部获取到的地图信息和从传感器部获取到的传感器信息来推断自身车辆所行驶的道路的道路形状。该信息处理装置具备:传感器分辨率特性管理部,其管理与自身车辆的自身车辆位置起到路口形状发生变化的位置为止的距离相应的、传感器部的传感器分辨率特性;路口外观预测部,其根据传感器分辨率特性来预测与距离相应的路口的外观;以及路口模型生成部,其根据由路口外观预测部预测的路口的外观来生成将路口模型化得到的路口模型。
Description
技术领域
本发明例如涉及能正确地识别处于自身车辆周边的道路的信息处理装置。
背景技术
汽车领域内的预防安全技术的产品化正在进入普及期,在进一步多功能化且高功能化的同时,应对场景在不断扩大。作为应对场景,例如设想车辆所行驶的普通道路、路口等复杂场景。
近年来,车辆的应对场景在扩大,尤其是车辆中搭载的识别装置例如能正确地识别道路相交叉的路口这一内容可列举为重要课题。但现有技术基本上是以单一道路上的车辆控制为目的,所以识别装置仅使用从车辆中搭载的摄像机等传感器获得的信息来识别道路的形状。但是,以往的识别装置仅靠仅从传感器获得的信息难以恰当地识别路口之类的复杂道路形状。因此,考虑通过专利文献1揭示的技术来使得识别装置能够识别复杂道路形状。
专利文献1中记载了“一种识别装置,其具备:道路形状图案选择单元,其根据由自身车辆位置检测单元检测到的自身车辆的位置和道路地图信息存储单元中存储的道路地图信息来选择道路形状图案;以及道路形状识别单元,其根据前方道路形状信息检测单元的检测信息和由道路形状图案选择单元选择的道路形状图案来进行自身车辆前方的道路形状的识别”。
现有技术文献
专利文献
专利文献1:日本专利特开2000-30198号公报
发明内容
发明要解决的问题
在专利文献1揭示的识别装置中,根据保存有道路结构的地图将自身车辆前方的路口模型化,并使路口的模型与传感器信息进行拟合,由此来推断路口形状。但该技术没有考虑到以下情况:由于传感器分辨率的影响,路口的表观会根据自身车辆位置起到路口为止的距离而不同。尤其是在存在于自身车辆远方的路口,会产生实际的路口形状与由识别装置加以模型化得到的路口(以下称为“路口模型”)的失配。因此,识别装置能实质上推断路口的形状被限制在自身车辆已接近路口时。此外,识别装置无法有效利用从观测到处于自身车辆位置远方的路口的传感器得到的传感器信息。
本发明是鉴于这样的状况而成,其目的在于正确地识别车辆所行驶的道路的形状。
解决问题的技术手段
本发明的信息处理装置根据从地图信息部获取到的地图信息和从传感器部获取到的传感器信息来推断自身车辆所行驶的道路的道路形状。该信息处理装置具备:传感器分辨率特性管理部,其管理与自身车辆的自身车辆位置起到道路形状发生变化的位置为止的距离相应的、传感器部的传感器分辨率特性;外观预测部,其根据从传感器分辨率特性管理部获取到的传感器分辨率特性来预测与距离相应的道路的外观;以及模型生成部,其根据由外观预测部预测的道路的外观来生成将道路模型化得到的道路模型。
发明的效果
根据本发明,根据传感器分辨率特性来预测与距自身车辆的距离相应的道路的外观而生成道路模型,所以能正确地识别车辆所行驶的道路的形状。
上述以外的课题、构成以及效果将通过以下实施方式的说明来加以明确。
附图说明
图1为表示本发明的一实施方式的信息处理装置的整体构成例的框图。
图2为表示本发明的一实施方式的传感器部的构成例的框图。
图3为表示本发明的一实施方式的地图信息部的构成例的框图。
图4为表示本发明的一实施方式的路口信息处理部的构成例的框图。
图5为表示本发明的一实施方式的自身车辆位置确定部的构成例的框图。
图6为表示本发明的一实施方式的路口信息解析部的构成例的框图。
图7为表示本发明的一实施方式的模型附加信息更新部的构成例的框图。
图8为表示本发明的一实施方式的路口形状推断部的构成例的框图。
图9为表示本发明的一实施方式的路口一致性判定部的构成例的框图。
图10为表示本发明的一实施方式的十字路口的传感器信息的例子的图。
图11为表示本发明的一实施方式的路口的基本结构的例子的图。
图12为表示本发明的一实施方式的模型选择部切换使用多个模型的例子的图。
图13为表示本发明的一实施方式的路口模型的基本结构和复原后的路口模型的详细结构的例子的图。
图14A与图14B为表示道路结构令中定义的道路的类别和道路的等级的信息的例子的表,图14A为记载有按道路的每一种类及地区加以定义的第1种~第4种道路的类别的表,图14B为记载有以对应于道路的种类以及地区的地形的每1天的计划交通量来规定的道路的等级的表。
图15为表示道路结构令中定义的道路的类别等级划分和普通道路的车道宽度的例子的表。
图16为表示道路结构令中定义的道路的类别等级划分和普通道路的路肩的宽度的例子的表。
图17A与图17B为表示与道路的种类及类别或者道路的等级相对应的道路信息的例子的表,图17A为存放有与道路的种类及类别相应的单侧车道数、车道宽度以及路侧带的信息的表,图17B为存放有与道路的等级相应的单侧车道数、车道宽度、设计速度以及路侧带的信息的表。
图18A与图18B为表示与道路的种类或限速相对应的道路信息的例子的表,图18A为存放有与道路的种类相应的单侧车道数、车道宽度、设计速度以及路侧带的信息的表,图18B为存放有与限速相应的单侧车道数、车道宽度、设计速度以及路侧带的信息的表。
图19为表示本发明的一实施方式的路口的详细结构以及路口模型的例子的图。
图20为表示本发明的一实施方式的根据路口的详细结构生成的第1模型及第2模型的例子的图。
图21为表示本发明的一实施方式的针对路口的各类别而生成的第1模型及第2模型的例子的图。
图22为表示本发明的一实施方式的自身车辆位置判定部根据处于自身车辆前方近前的路口来进行自身车辆位置的正误判定的处理的例子的图。
图23为表示本发明的一实施方式的自身车辆位置探索部的动作例的图。
图24为表示本发明的一实施方式的构成信息处理装置的计算机的硬件构成例的框图。
具体实施方式
[一实施方式]
下面,参考附图,对本发明的一实施方式的信息处理装置的构成例及动作例进行说明。此处,图1~图9为用于说明本实施方式的信息处理装置的内部构成例的附图,图10之后为用于说明构成信息处理装置的各功能部的动作的附图。其中,图14~图18展示日本的道路结构令中规定的道路的类别等信息。在本说明书及附图中,对实质上具有同一功能或构成的构成要素标注同一符号,由此省略重复的说明。
〈信息处理装置的整体构成例〉
首先,参考图1,对本实施方式的信息处理装置的整体构成例进行说明。
图1为表示信息处理装置1的整体构成例的框图。本实施方式的信息处理装置1搭载于未图示的车辆中。以下,将搭载信息处理装置1的车辆称为“自身车辆”。信息处理装置(信息处理装置1)根据从地图信息部(地图信息部200)获取到的地图信息和从传感器部(传感器部100)获取到的传感器信息来推断自身车辆所行驶的道路的道路形状。此时,信息处理装置1能够有效利用从车辆中搭载的车载传感器(以下简记作“传感器”)获得的传感器信息和保存有道路结构的地图的信息来识别处于车辆周边的道路等而确定自身车辆位置。此外,信息处理装置1通过有效利用从传感器得到的传感器信息和保存有道路结构的地图,还能推断路口之类的复杂道路形状。例如,本实施方式中由信息处理装置1推断道路形状的道路为路口。
该信息处理装置1具备传感器部100、地图信息部200、路口信息处理部300、路口形状推断部400、路口一致性判定部500以及显示-警报-控制部600。
传感器部100例如使用能观测处于车辆前方方向的物体或道路等的车载前传感器。本实施方式中将立体摄像机记作前传感器的例子,但作为传感器,例如也可为单目摄像机,也可为Lidar(Laser Imaging Detection and Ranging)。并且,传感器部100将传感器所观测到的车辆前方的信息作为传感器信息输出至路口信息处理部300。
地图信息部200保存地图信息,所述地图信息包含车辆所行驶的道路的信息(地图、道路类别、道路结构令等)。作为地图信息部200所保存的信息,例如可为车辆中搭载的汽车导航***中使用的地图信息,也可为通过无线通信从互联网得到的地图信息。这些地图信息例如保存在车辆中搭载的HDD(Hard Disk Drive)、SSD(Solid State Drive)等大容量存储介质中。此外,地图信息部200能获取的地图信息可表现简易道路形状,还保持用于保存、更新传感器部100在观测范围内进行感测而得到的传感器信息即传感器信息的功能。
路口信息处理部300获取地图信息部200所保持的某一区间内的地图信息。接着,路口信息处理部300解析该区间内的自身车辆所行驶的位置以及自身车辆的行进方向,从地图信息部200获取存在于自身车辆前方的路口的路口信息。继而,路口信息处理部300根据获取到的路口信息而使用默认的车道宽度、路肩位置等来进行用于生成路口模型的路口信息处理。所谓路口模型,是以数式或点群来表现路口的形状。
若地图信息中包含车道数等信息,则路口信息处理部300利用车道数等信息来生成路口模型。此外,若地图信息中不包含车道数等信息,则路口信息处理部300根据处于地图信息中的上限车速信息等来决定默认的车道数,之后生成路口模型。再者,路口信息处理部300也可根据传感器过去感测得到的传感器信息来获取路口模型的信息。
道路形状推断部(路口形状推断部400)根据道路模型(路口模型)及传感器信息来推断道路形状(路口的形状),并输出推断结果。例如,路口形状推断部400利用从传感器部100得到的传感器信息对路口信息处理部300所生成的路口模型实施用于识别路口形状的推断处理。因此,路口形状推断部400根据路口信息处理部300所预测的路口模型、传感器部100中使用的传感器所具有的误差量等来动态地变更车道和路端等道路形状的识别方法和处理区域等,从而更稳定且高精度地识别路口形状。
一致性判定部(路口一致性判定部500)判定从传感器部100获取到的传感器信息与从路口形状推断部400获取到的推断结果的一致性,并输出判定结果。因此,路口一致性判定部500获取包含路口形状推断部400所推断出的路口形状的处理结果。继而,路口一致性判定部500判定路口形状推断部400在路口形状的推断中用过的路口模型与路口形状推断部400从传感器部100获取到的传感器信息的一致性,并输出判定结果。此时,一致性判定部(路口一致性判定部500)利用推断出道路形状(路口形状)的道路模型(路口模型)和精度信息,通过将精度信息与规定阈值进行比较来判定传感器信息与推断结果的一致性。此处,所谓精度信息,是表示对传感器信息与道路模型(路口模型)进行拟合时传感器信息与道路模型(路口模型)的一致程度的信息,例如表现为置信度。因此,若精度信息高于规定阈值,则传感器信息与道路模型(路口模型)充分一致,所以获得传感器信息与从路口形状推断部400获取的推断结果一致这一判定结果。
其中,路口信息处理部300根据自身车辆位置来参考地图信息部200,生成自身车辆前方的路口模型。因此,在自身车辆位置有误的情况下,路口信息处理部300会从地图信息部200获取与自身车辆前方的路口不一样的路口信息。例如,路口信息处理部300在根据从地图信息部200获取到的路口信息而认为在自身车辆前方存在十字路口的情况下,生成十字形的路口模型。但在实际处于自身车辆前方的是T字形的T字路口的情况下,可能会产生路口形状推断部400从传感器部100获取传感器观测到T字路口而输出的传感器信息的状况。因此,路口一致性判定部500判定所生成的路口模型与传感器部100的传感器信息是否存在矛盾。例如,在认为从地图信息部200获取到的路口信息正确时,路口一致性判定部500可以将传感器部100的传感器信息判定为不良。将这样的判定处理称为“一致性判定”。再者,也存在因地图信息部200所管理的地图信息旧、传感器部100实际观测到的传感器信息新而导致地图信息与传感器信息不一致的情况。在该情况下,不能一概将传感器信息判定为不良。
此处,对一致性判定的具体例进行说明。一致性判定部(路口一致性判定部500)对道路形状推断部(路口形状推断部400)所推断出的道路模型(路口模型)与地图信息所示的道路的路宽以及道路结构的连接关系进行比较,由此来判定传感器信息与推断结果的一致性。例如,在能从路口形状推断部400获取路口模型作为推断结果时,路口一致性判定部500根据获取到的路口模型的路宽、道路的连接关系等信息来进行路口模型与传感器信息的一致性判定。
此外,路口一致性判定部500也可直接获取路口信息处理部300所生成的路口模型而将该路口模型用于一致性判定(图1中虚线所示的连接形态)。此外,路口一致性判定部500也可通过对从地图信息部200获取到的地图信息与推断出路口形状的推断结果的路口模型进行比较来进行一致性判定。此外,在能从路口形状推断部400获取与推断出路口形状的推断结果相关的置信度时,路口一致性判定部500也可使用置信度来进行一致性判定。继而,一致性判定部(路口一致性判定部500)保存自身车辆过去行驶过的路口的一致性判定的结果。
显示-警报-控制部600获取路口形状推断部400的结果,进行识别结果的显示。此外,显示-警报-控制部600对自身车辆的驾驶员显示驾驶支持信息、实施安全辅助用的警报或车辆控制、自动驾驶的支持等。此外,显示-警报-控制部600也可进行路口一致性判定部500的判定结果的显示和警告。因此,显示-警报-控制部600由显示各种信息用的显示装置、播放警报用的扬声器等构成。
〈传感器部100的构成例〉
图2为表示传感器部100的构成例的框图。
传感器部100具备左摄像机101、右摄像机102、匹配部103以及3D点群部104。
如上所述,传感器部100包含车载前传感器。本实施方式中将由左摄像机101及右摄像机102构成的立体摄像机记作前传感器的例子。此处,对立体摄像机的实施方式进行说明。使用立体摄像机的、测定到对象物的距离的感测方式是按以下次序进行。
首先,设置于车体前方的2个不同位置的左摄像机101和右摄像机102输出在各自的视场角的范围内拍摄到的左图像和右图像。接着,在左图像和右图像中映现有同一对象物的情况下,匹配部103通过匹配来确定左图像和右图像中的同一对象物的图像位置。匹配部103在确定了同一对象物的图像位置后,确定在左摄像机101和右摄像机102各自拍摄到了同一对象物时映现于左右图像的位置的差异,由此测定搭载有立体摄像机的位置起到对象物为止的距离。
3D点群部104确定以左摄像机101和右摄像机102的设置位置为三角形的底边两端的顶部、以图像上的同一对象物的位置为顶点的三角形,由此,通过三角测量来复原表示对象物的三维位置的3D点。并且,3D点群部104对同一对象物反复进行3D点的复原处理,由此获得大量3D点群。继而,3D点群部104将由3D点群表示的对象物的三维位置输出至路口形状推断部400。
〈地图信息部200的构成例〉
图3为表示地图信息部200的构成例的框图。
如上所述,地图信息部200保有与道路相关的地图信息,具有确定该地图上的自身车辆的位置的功能。本实施方式的地图信息部200具备通用地图数据部201、GNSS(GlobalNavigation Satellite System)部202、感测详细地图保存部203以及感测详细地图更新部204。
通用地图数据部201使用以节点和链接线来表现道路网的汽车导航***所保有的地图作为通用地图数据。但通用地图数据部201无须限定于汽车导航***所保有的地图。例如,也可为像互联网上免费公开的地图,也可为能经由服务器进行访问的商用地图。如后文叙述的图11的上部所示,通用地图数据部201是由表示地图上的位置的节点和将该节点相连而构成道路网的链接线构成的数据。于是,通用地图数据部201以该节点和链接线信息为基础来表现道路网。
GNSS部202利用GNSS信息来确定通用地图数据部201中表现的由节点和链接线信息构成的道路网中的自身车辆的位置。进而,该GNSS信息也可用于利用其他传感器例如摄像机、雷达、陀螺仪、自身车辆行为的自身车辆位置的修正。
感测详细地图保存部203将借助通过传感器部100的感测来增强的信息例如车道宽度、道路角度、车道数、最外侧车道起到路肩为止的距离、道路形状等通用地图中没有的信息进行强化后的地图作为感测详细地图的数据(称为“感测详细地图数据”)加以保存。此外,在感测详细地图保存部203中更新后的感测详细地图数据被追加至通用地图数据部201所管理的通用地图数据。传感器部100对追加了感测详细地图数据的通用地图数据进行利用,由此,在自身车辆下一次通过相同道路的情况下,利用到上一次为止的行驶时保存的感测详细地图进行感测。结果,传感器部100能实现而更高精度且稳定的感测。
感测详细地图更新部204例如具有以下功能:在通用地图数据旧或者因临时施工等而导致道路禁止通行的情况下,利用感测详细地图数据来更新已保存的通用地图数据。该更新功能是利用传感器部100所输出的传感器信息来进行。通过该更新功能,通用地图数据中不存在的新的道路等信息得以追加至通用地图数据。此外,对于以往能通行的道路,在该道路不通之类的情况下,将更新了不可通行这一内容后的感测详细地图数据保存至感测详细地图保存部203,其后对通用地图数据进行更新。
但在车辆仅在道路上行驶过一次时,感测详细地图更新部204不会决定更新通用地图数据,而是以感测详细地图数据的形式仅保存至感测详细地图保存部203。因此,在传感器部100多次感测到车辆不可通行后,感测详细地图更新部204判断道路不可通行,最终使用感测详细地图数据来实施通用地图数据的更新。这样的更新处理的判断对于未存储于通用地图数据中的新的道路也是一样的。也就是说,感测详细地图更新部204一开始将传感器部100所感测到的新的道路的信息暂时登记至感测详细地图数据,但并不作为最终的地图的数据加以登记。感测详细地图更新部204在凭借车辆多次通过该道路而确认是可信赖的道路之后,将包含新的道路的感测详细地图数据作为最终的地图的数据追加登记至通用地图数据。
〈路口信息处理部300的构成例〉
图4为表示路口信息处理部300的构成例的框图。
路口信息处理部300根据从地图信息部200获取到的存在于自身车辆前方的路口的路口信息和从传感器分辨率特性保存部312获取到的与传感器相应的传感器分辨率特性来预测传感器视角的路口的表观,并生成与预测出的表观相对应的路口模型。该路口信息处理部300具备传感器分辨率特性管理部310、路口外观预测部320以及路口模型生成部330。
(传感器分辨率特性管理部310的构成例)
首先,对传感器分辨率特性管理部310的构成例进行说明。
传感器分辨率特性管理部(传感器分辨率特性管理部310)管理与自身车辆的自身车辆位置起到道路形状发生变化的位置为止的距离相应的、传感器部(传感器部100)的传感器分辨率特性。例如,传感器分辨率特性管理部310获取自身车辆位置起到路口为止的距离和对传感器的传感器分辨率特性产生影响的环境信息,将与获取到的环境信息相应的传感器分辨率特性输出至路口外观预测部320。该传感器分辨率特性管理部310具备环境信息获取部311及传感器分辨率特性保存部312。
传感器分辨率特性管理部(传感器分辨率特性管理部310)具有获取对极限距离产生影响的环境信息的环境信息获取部(环境信息获取部311)。环境信息获取部311具有获取对传感器分辨率特性、传感器的观测极限产生影响的环境信息的功能。例如,在立体摄像机或单目摄像机之类的观测亮度值的传感器的情况下,环境的照度变化会使得路口的可视性发生变化。如此,环境状况使得传感器观测对象物的难易度不一样,所以获取与环境的照度变化有关的时刻作为环境信息。
此外,作为对环境的照度变化产生影响的因素,还考虑天气,所以环境信息获取部311也可获取天气信息作为环境信息。此外,在自身车辆的前灯点亮的情况下,即便在夜间或恶劣天气等低照度环境下传感器的观测范围也可能扩大,所以环境信息获取部311也可获取前灯的工作状况作为环境信息。同样地,路口周边的路灯点亮的情况也会对传感器的观测范围产生影响,所以环境信息获取部311也可获取路灯的工作状况作为环境信息。此外,在自身车辆周边存在其他车辆或行人等障碍物的情况下,无法利用传感器来观测障碍物后方的路口,导致路口信息处理部300无法获取路口信息。因此,环境信息获取部311也可获取与自身车辆周边的障碍物相关的信息。
传感器分辨率特性管理部(传感器分辨率特性管理部310)具有保存传感器部(传感器部100)能观测道路的特有形状的极限距离作为传感器分辨率特性的传感器分辨率特性保存部(传感器分辨率特性保存部312)。例如,传感器分辨率特性保存部312保存能观测路口侧方的路宽的距离、能观测自身车辆所行驶的车道的弯道的距离等作为传感器分辨率特性。并且,传感器分辨率特性管理部(传感器分辨率特性管理部310)从传感器分辨率特性保存部(传感器分辨率特性保存部312)读出与环境信息相应的传感器分辨率特性并输出至外观预测部(路口外观预测部320)。此处,参考图10,对传感器部100所观测到的十字路口的传感器信息的例子进行说明。
〈十字路口的传感器信息的例子〉
图10为表示十字路口的传感器信息的例子的图。处于各图的中心附近的标记31表示传感器所感测到的十字路口的中心位置(2条道路相交叉的位置)。
(a)处于自身车辆附近的十字路口
在自身车辆已接近路口时,如图10的说明图(a)所示,传感器能观测在十字路口分岔的道路的路宽。
(b)处于自身车辆远方的十字路口
在路口处于自身车辆远方的情况下,如图10的说明图(b)所示,传感器无法准确地观测左右分岔的道路的路宽。因此,路口信息处理部300无法根据传感器信息来准确地了解左右分岔的道路的路宽。
因此,传感器分辨率特性保存部312保存传感器部100能观测左右分岔的路口侧方的路宽的极限距离(后面称为“第1距离”)作为传感器分辨率特性。在传感器分辨率特性保存部312能从地图信息部200获取道路的路宽信息的情况下,传感器分辨率特性保存部312可结合用于识别路口和道路的形状的传感器的传感器类别和从地图信息部200获取到的路宽信息来算出第1距离。
此外,在地图信息部200中不含路宽信息而是包含道路结构令规定的道路的类别和等级的信息的情况下,可根据该类别和等级的信息而将道路结构令所示的车道宽度和到路肩的距离的规定值用作路宽信息来算出第1距离。此外,在保存有车辆以前行驶时获取到的路宽信息的情况下,传感器分辨率特性保存部312可使用该路宽信息来算出第1距离。
(c)低照度时的十字路口
此外,传感器分辨率特性保存部312也可保存传感器的观测极限距离作为传感器分辨率特性。在立体摄像机或单目摄像机之类的观测亮度值的传感器的情况下,在低照度环境下传感器的观测范围变窄。例如,在夜间或恶劣天气下传感器的观测范围变窄的情况下,如图10的说明图(c)所示,获得表示传感器只能观测到自身车辆近旁这一情况的传感器信息。因此,无法观测到处于自身车辆远方的路口的状况。
如此,与环境的照度变化相应的观测极限距离(后面称为“第2距离”)对路口的表观产生大的影响,所以可将照度变化与第2距离的关系保存至传感器分辨率特性保存部312。另一方面,即便在低照度环境下,在前灯正在工作或者路口近旁的路灯点亮的状况下第2距离也会变长。因此,传感器分辨率特性保存部312中也可保存考虑了路灯的工作状况或路灯的点亮状况的第2距离,也可将表示这些状况的信息与第2距离一同加以保存。
(d)被障碍物挡住一部分的十字路口
此外,传感器分辨率特性保存部312也可保存环境信息获取部311所获取到的障碍物的位置、大小。例如,有在路口近前作路上驻车的汽车作为障碍物。在该情况下,如图10的说明图(d)所示,由传感器观测到被障碍物遮挡一部分的路口。障碍物遮挡路口或道路的遮挡范围32(图中阴影所示的区域)取决于障碍物的位置、大小。因此,传感器分辨率特性保存部312也可保存遮挡范围32或者表示障碍物的位置、大小的信息。
(路口外观预测部320的构成例)
接着,参考图4,对路口外观预测部320的构成例进行说明。
外观预测部(路口外观预测部320)根据从传感器分辨率特性管理部(传感器分辨率特性管理部310)获取到的传感器分辨率特性来预测与距离相应的道路的外观。例如,路口外观预测部320根据从传感器分辨率特性管理部310输入的传感器分辨率特性来预测传感器所观测到的路口的外观。该路口外观预测部320具备自身车辆位置确定部321、路口信息解析部322以及模型选择部323。
(自身车辆位置确定部321的构成例)
接着,参考图5来说明自身车辆位置确定部321的构成例,以说明自身车辆位置确定部321的动作。
图5为表示自身车辆位置确定部321的构成例的框图。
自身车辆位置确定部(自身车辆位置确定部321)确定地图信息中包含的地图上的自身车辆位置。该自身车辆位置确定部321具备GNSS误差解析部3211、传感器误差解析部3212以及时间序列综合修正部3213。
GNSS误差解析部3211实施有效利用自身车辆的行为和未图示的导航***所获取到的GNSS信息的、自身车辆位置的误差解析。此处,GNSS误差解析部3211一边将自身车辆正在地图上的哪一部分行驶与地图信息进行对照一边解析误差(GNSS误差)。解析结果即误差信息用于更高精度的自身车辆位置的修正。因此,GNSS误差解析部3211将解析出的误差信息输出至时间序列综合修正部3213。
传感器误差解析部3212通过利用从惯性传感器(陀螺仪)、摄像机、毫米波、Lidar等传感器得到的信息来解析地图上的自身车辆位置的纵向位置、横向位置的误差(传感器误差)。继而,传感器误差解析部3212对时间序列综合修正部3213输出误差信息。
时间序列综合修正部3213利用从GNSS误差解析部3211及传感器误差解析部3212获取到的误差信息来实施地图上的自身车辆位置的修正。但是,若时间序列综合修正部3213根据瞬间性判定结果来实施基于GNSS误差或传感器误差的自身车辆位置的修正,则容易以不确定的信息来更新自身车辆位置、或造成不稳定的位置更新。因此,时间序列综合修正部3213以时间序列方式来解析误差并将解析结果加以综合,由此来实施稳定的误差修正。
(路口信息解析部322的构成例)
接着,为了说明路口信息解析部322的动作,参考图6来说明路口信息解析部322的构成例。
图6为表示路口信息解析部322的构成例的框图。
道路信息解析部(路口信息解析部322)根据所确定的自身车辆位置和地图信息来获取表示存在于自身车辆行进方向前方的道路形状(路口的形状)的道路形状信息(路口信息),并解析道路形状信息(路口信息)。例如,路口信息解析部322解析从地图信息部200获取到的路口信息。该路口信息解析部322具备行进道路数据读入部3221及基本形状解析部3222。路口信息解析部322首先在行进道路数据读入部3221中实施相当于自身车辆的行进道路的地图信息的读入和包含后文叙述的图11的上部所示的节点和链接线信息的数据的读入。
(路口的基本结构)
此处,参考图11,对路口的基本结构进行说明。
图11为表示路口的基本结构的例子的图。图11的上部展示地图和自身车辆位置的例子,图11的下部展示根据Y字、T字、十字路口的基本结构加以预测的路口的形状的例子。
图11的上部展示自身车辆所存在的大致划分的地图区域。该地图区域例如被分割成5km见方。于是,行进道路数据读入部3221例如从地图信息部200读入自身车辆所存在的5km见方内所存在的节点和链接线信息的数据。基本结构所示的节点和链接线信息的数据用于从地图中识别存在于自身车辆行进方向上的道路(称为“行进道路”)。
图6所示的基本形状解析部3222从行进道路数据读入部3221获取行进道路数据读入部3221所读入的自身车辆周边的路口的由节点和链接线信息构成的基本结构。进一步地,基本形状解析部3222根据自身车辆位置和与自身车辆行进道路的解析结果来预测存在于自身车辆前方的路口的路口形状。
例如,在表示自身车辆在图11的上部所示的地图上朝上方行进的情况下,基本形状解析部3222预测自身车辆前方的路口为十字路以及自身车辆位置到该十字路的距离等。图11的下部展示基本形状解析部3222从多个以基本结构表示的路口中选择自身车辆前方的路口的基本结构为十字这一内容。此处,为了表示未选择以十字以外的基本结构表示的路口,十字以外的Y字、T字路口的基本结构变灰。
(模型选择部323的动作例)
接着,返回至图4,对模型选择部323的动作进行说明。
模型选择部(模型选择部323)基于根据道路形状信息而从传感器分辨率特性管理部(传感器分辨率特性管理部310)获取到的传感器分辨率特性和传感器信息来选择模型生成部(路口模型生成部330)能够生成的模型。例如,模型选择部323根据从地图信息部200获取到的存在于自身车辆前方的路口的路口信息和从传感器分辨率特性保存部312获取到的传感器分辨率特性,来选择使用高分辨率模型或低分辨率模型中的哪一者,并将选择结果输出至路口模型生成部330。此处,高分辨率模型是在使用传感器部100的传感器信息而推断能够检测侧方的路宽的情况下使用的模型,在以下的说明中称为“第1模型”。另一方面,低分辨率模型是在使用传感器部100的传感器信息而推断无法检测侧方的路宽的情况下使用的模型,在以下的说明中称为“第2模型”。
(选择使用一个模型的例子)
模型选择部323首先从路口信息解析部322获取自身车辆前方的路口类别。接着,模型选择部323根据获取到的路口类别来获取传感器分辨率特性管理部310中管理的第1距离。其后,模型选择部323对从路口信息解析部322获取到的自身车辆位置起到路口为止的距离与第1距离进行比较。继而,在判断自身车辆位置起到路口为止的距离比第1距离短、传感器能够观测路口侧方的路宽的情况下,模型选择部323选择第1模型。另一方面,在判断自身车辆位置起到路口为止的距离比第1距离大、传感器无法观测路口侧方的路宽的情况下,模型选择部323选择第2模型。最终,模型选择部323将选择结果输出至路口模型生成部330。
(切换使用多个模型的例子)
再者,模型选择部323也可通过自身车辆位置起到路口为止的距离与第1距离的比较来切换使用3个以上的多个模型而不是仅仅切换第1模型或第2模型中的某一个。
图12为表示模型选择部323切换使用多个模型的例子的图。此处,将可以将多个模型作为1个模型来处理的可变模型称为“第3模型”。当模型选择部323选择第3模型时,像以下那样由路口模型生成部330生成能够切换的多个模型。
例如,在路口相较于第1距离而言处于远方的情况下,传感器无法观测路口侧方的路宽。因此,路口模型生成部330以图12的说明图(a)所示的模型的形式生成从自身车辆位置起相较于第1距离而言处于远方的十字路口。
另一方面,在路口相较于第1距离而言处于附近的情况下,随着自身车辆接近路口,传感器所观测的路口侧方的路宽的大小也扩大。并且,在自身车辆位置起到路口为止的距离刚低于第1距离后,传感器能勉强观测路口侧方的路宽。因此,路口模型生成部330以图12的说明图(b)所示的模型的形式生成距自身车辆位置处于第1距离以下的位置的十字路口。
进一步地,当自身车辆接近路口时,路口侧方的路宽扩大。图12的说明图(c)的左侧展示自身车辆已接近十字路口附近时的状况。图中的粗实线表示构成路口的侧道的道路交界。将图中的自身车辆位置作为扇形的顶点,以单点划线的扇形表示的传感器的视野范围内当中,不被障碍物等遮挡而传感器能够观测的范围以虚线表示。于是,路口模型生成部330以图12的说明图(c)的右侧所示的模型的形式生成处于自身车辆附近的十字路口。该模型表示构成十字路口的道路的交界已变得明确。
模型选择部323将选择了第3模型这一选择结果和传感器所观测的路口侧方的路宽的大小输出至路口模型生成部330。在路口模型生成部330中,生成按图12的说明图(a)、(b)、(c)的顺序连续变化的路口模型。如此,当由模型选择部323选择第3模型时,随着自身车辆接近路口,路口模型生成部330所生成的路口模型连续地变化。
再者,在可以从传感器分辨率特性管理部310获取第2距离的情况下,模型选择部323也可将获取到的第2距离与使用第1模型或第2模型中的哪一者这一选择结果一同输出至路口模型生成部330。路口模型生成部330可以根据第2距离来生成第1模型或第2模型。此外,在可以从传感器分辨率特性管理部310获取自身车辆周边的障碍物信息的情况下,模型选择部323也可将该障碍物信息输出至路口模型生成部330。路口模型生成部330通过使用障碍物信息而掌握到由于传感器的观测范围内有障碍物而导致在当前时间点上传感器无法准确地观测自身车辆前方这一情况。
(路口模型生成部330的构成例)
接着,返回至图4,对路口模型生成部330的构成例及动作例进行说明。
模型生成部(路口模型生成部330)根据由外观预测部(路口外观预测部320)预测的道路的外观来生成将道路模型化得到的道路模型(路口模型)。例如,路口模型生成部330获取从路口信息解析部322获取到的路口信息和由模型选择部323选择的模型的信息,生成与从传感器分辨率特性管理部310获取到的传感器分辨率特性相应的路口模型。该路口模型生成部330具备模型附加信息获取部331、模型附加信息更新部332、高分辨率模型生成部333以及低分辨率模型生成部334。
此处,参考图13,对路口模型生成部330所生成的路口模型进行说明。
图13为表示路口模型的基本结构和复原后的路口模型的详细结构的例子的图。
图13的上侧展示十字路口作为路口的基本结构的一例。十字路口的基本结构例如是通过图11所示的基本形状解析部3222的解析处理而预测到的。
图4所示的路口模型生成部330从路口信息解析部322获取图13的上侧所示的路口的基本结构。模型附加信息获取部331获取附加信息(路宽、角度等),并将附加信息附加至以节点和链接线信息表示的基本结构,由此来复原图13的下侧所示的路口的详细结构。
图13的下侧展示将默认值或者到上一次为止获取到的感测值附加至路口的基本结构来复原路口模型的详细结构的状况。作为默认值或者到上一次为止获取到的感测值,例如有车道数、车道宽度、路肩位置以及路口角度。于是,如图13的下侧所示,例如生成路肩位置为1.6m、车道宽度为3.0m、单侧3车道、路肩路口角度及白线路口角度为90度的路口模型。
在地图信息部200中保存有车道数、车道宽度、道路或白线彼此的角度信息等附加信息的情况下,模型附加信息获取部331从地图信息部200获取附加信息。但是,根据地图信息部200所利用的地图信息的不同,有时也无法获取车道数、车道宽度、道路彼此的角度、车道到路肩的距离等详细附加信息。在模型附加信息获取部331无法获取哪怕部分这些信息的情况下,路口模型生成部330利用默认的信息。关于该默认信息,可设为始终固定的例如车道数2条、车道宽度3m、路肩1.5m等固定信息,但也可设定基于地图信息部200中的道路的类别或等级等信息的默认值来生成模型附加信息。
(默认值的例子)
接着,参考图14~图16,对路口模型生成部330所利用的包含默认值的默认信息进行说明。
如上所述,在地图信息部200中没有模型附加信息的情况下,路口模型生成部330利用间接的信息来设定与道路的状况相应的默认值。相较于利用固定的默认值而言,通过切换利用根据道路的状况来设定的默认值,路口模型生成部330能复原精度更高的详细道路形状而用于传感器的观测。
图14A和图14B为表示道路结构令中定义的道路的类别和道路的等级的信息的例子的表。
图14A为记载有按道路的种类及地区加以定义的第1种~第4种道路的类别的表。
图14B为记载有以对应于道路的种类以及地区的地形的每1天的计划交通量(台/日)来规定的道路的等级的表。
图14A、图14B所示的道路的类别和等级的信息保存在地图信息部200中。在该情况下,路口模型生成部330可根据从地图信息部200获取到的道路的类别和等级的信息,通过将道路结构令中定义的规定值用作默认值来高精度地复原详细的道路形状的路口模型。
图15为表示道路结构令中定义的道路的类别等级划分和普通道路的车道宽度的例子的表。
道路的类别等级划分是针对道路的类别(第1种~第4种)来定义道路的等级(第1级~第4级中的任1个以上)。并且,按道路的每一类别等级划分而定义有普通道路的车道宽度作为规定值。因此,图15所示的道路的类别等级划分和普通道路的车道宽度的信息保存在地图信息部200中。在该情况下,路口模型生成部330可根据从地图信息部200获取到的道路的划分和普通道路的车道宽度,通过将道路结构令中定义的规定值用于默认值来高精度地复原详细道路形状的路口模型。
图16为表示道路结构令中定义的道路的类别等级划分和普通道路的路肩的宽度的例子的表。
道路的类别等级划分是针对道路的类别(第1种~第4种)来定义道路的等级(第1级~第5级中的任1个以上)。并且,按道路的每一类别等级划分而定义有设置在普通道路左侧的路肩的宽度和设置在普通道路右侧的路肩的宽度作为规定值。因此,图16所示的道路的类别等级划分和普通道路的左侧及右侧的路肩的宽度的信息保存在地图信息部200中。在该情况下,路口模型生成部330可根据从地图信息部200获取到的道路的类别等级划分和普通道路的路肩的宽度,通过将规定值用于默认值来高精度地复原详细道路形状的路口模型。
另外,地图信息部200中有时也没有图14~图16所示的道路的类别和等级等信息。因此,路口模型生成部330有时也无法从地图信息部200参考根据道路的类别和等级等信息加以规定的默认值。因此,路口模型生成部330也能以地图信息部200所保有的别的信息为基础,根据道路来切换利用默认值,由此复原详细道路形状的路口模型。参考图17和图18对该例进行说明。
图17A以及图17B为表示与道路的种类及类别或者道路的等级相对应的道路信息的例子的表。图17以及图17B所示的各表是作为在地图信息部200中没有路口模型生成部330生成路口模型用的直接的车道宽度、车道数、路肩等信息、进而没有道路的类别或等级信息中的任一者的情况下使用的替代方案例加以展示。
图17A为存放有与道路的种类及类别相应的单侧车道数、车道宽度以及路侧带的信息的表。图17A的表中只有道路的种类和类别信息,没有等级信息。仅靠图17A的表无法以一维的类别信息来表现详细的道路结构令的全部规格。但是,图17A的表中存放的信息在预测大致的道路的宽度和车道数时是有用的。因此,与完全没有信息的情况相比,路口模型生成部330能准确地预测道路信息而复原路口模型。
图17B为存放有与道路的等级相应的单侧车道数、车道宽度、设计速度以及路侧带的信息的表。图17B的表中只有道路的等级信息,没有类别信息。仅靠该图17B的表也无法以一维的类别信息来表现详细的道路结构令的全部规格。但是,图17B的表中存放的信息在预测大致的道路的宽度和车道数时是有用的。因此,与完全没有信息的情况相比,路口模型生成部330能准确地预测道路信息而复原路口模型。
图18A以及图18B为表示与道路的种类或限速相对应的道路信息的例子的表。图18A以及图18B所示的各表是作为在地图信息部200中没有路口模型生成部330生成路口模型用的直接的车道宽度、车道数、路肩等信息、进而没有道路的类别及等级信息的情况下使用的替代方案例加以展示。
图18A为存放有与道路的种类相应的单侧车道数、车道宽度、设计速度以及路侧带的信息的表。图18A的表中不存在道路类别和等级的信息,但粗略保存有道路的种类。也就是说,图18A的表中设定有与道路的种类相应的默认值。借助该图18A的表,根据车辆正在行驶的道路的种类而利用默认值(固定值)来恰当地设定路口模型生成部330生成路口模型用的信息。此外,每一详细道路形状的默认值被设定在能供路口模型生成部330参考的未图示的表格中。再者,在通用地图中哪怕部分保存有车道数之类的信息的情况下,路口模型生成部330优先利用通用地图中保存的信息,仅缺乏的信息才利用与状况相应的默认值,由此来谋求路口模型的高精度化。
图18B为存放有与限速相应的单侧车道数、车道宽度、设计速度以及路侧带的信息的表。图18B的表中也不存在道路类别和等级的信息,但设定有与限速相应的默认值。借助该图18B的表,根据车辆正在行驶的道路的限速而利用默认值来恰当地设定路口模型生成部330生成路口模型用的信息。并且,每一详细道路形状的默认值被设定在表格中。
此外,存在地图信息部200中未保存有道路的种类相关的信息但保存有限速相关的信息的情况或者通过传感器信息或通信而得到了限速相关的信息的情况。在这些情况下,可采用基于图18B的表所示的表格而让路口模型生成部330根据限速来动态地切换默认值这样的方法。此外,也可为路口模型生成部330根据自身车辆所行驶的道路的状况而间接地、动态地设定车道数、车道宽度、路侧带的距离等的方法。
另外,存在路口模型生成部330即便得不到基于图14~图18所示的各表的信息也借助地图信息部200通过通信而接收到的信息、地图信息部200所具有的地图信息、或者传感器部100得到的传感器信息中的某一个来获得道路的限速的情况。在该情况下,路口模型生成部330可利用能参考与得到的限速相应的道路的默认值的表格来生成路口模型。进一步地,在得不到通过通信而接收的信息、地图信息、以及传感器信息中的任何信息的情况下,路口模型生成部330可设定全固定的默认值来生成路口模型。
(模型附加信息更新部332的构成例)
接着,参考图7,对图4所示的模型附加信息更新部332的构成例及动作例进行说明。
图7为表示模型附加信息更新部332的构成例的框图。
在车辆驶过相同场所时,模型附加信息更新部332根据传感器信息的置信度来判断可否利用到上一次为止获取到的传感器信息。在该判断时,使用自身车辆过去行驶过的道路的路端和车道、道路的起伏信息等传感器部100观测得到的传感器信息。此处,若传感器信息的置信度低于某一阈值,则模型附加信息更新部332将该传感器信息仅用作本次的暂定值,并不为了向地图信息部200的数据保存或更新而进行发送。反过来,在传感器信息为阈值以上而有足够的置信度的情况下,模型附加信息更新部332将该传感器信息发送至地图信息部200。继而,地图信息部200实施接收到的传感器信息的保存或更新。
但是,若地图信息部200只接收到一次传感器信息,则不实施使用该传感器信息的、向地图信息部200的数据的保存或更新。因此,地图信息部200在多次接收到置信度高的传感器信息的情况下,使用置信度高的传感器信息来实施数据的保存或更新。或者,在传感器部100本次观测得到的传感器信息的置信度极高、进而与已保存的数据的一致度高的情况下,地图信息部200可将已保存的数据与本次的传感器信息融合来更新地图数据。
该模型附加信息更新部332具备路端更新部3321、车道更新部3322以及起伏更新部3323。路端、车道以及起伏均用作供路口模型生成部330生成高精度的路口模型而附加的有用的模型附加信息。
路端更新部3321实施最外侧车道与路端的位置关系相关的信息的更新。此外,路端更新部3321还对车道和路端的形状发生变形这样的信息实施更新等。
车道更新部3322根据道路的车道数对路口或分岔合流处的车道形状的复杂变化、车道宽度的信息、道路彼此的角度等地图信息部200未保有的信息实施与置信度相应的传感器信息的再利用的判断。
起伏更新部3323对与道路的凹凸、倾斜相关的信息进行处理。例如,对于进入住宅区的道路上设定的速度抑制用的凸形状的小鼓块或大鼓块等,在形状和位置有一定程度的置信度的情况下,起伏更新部3323也判断是否将与这些道路的起伏相关的信息交给地图信息部200。
进一步地,在传感器部100的传感器信息超过了一定程度的置信度的情况下,路口模型生成部330将传感器信息保存至地图信息部200。并且,路口模型生成部330对地图信息部200中保存的传感器信息进行再利用,由此,在本次通过车辆的行驶而使得传感器部100进行感测之前,路口模型生成部330可以将与道路相应的车道宽度等用作事前知识。
但是,在自身车辆仅行驶过一次的情况下,难以知晓是否准确地得到了道路的车道宽度等。例如,传感器信息中包含的车道宽度也许是施工中的暂定车道宽度。此外,在传感器信息中,还设想传感器部100观测到错误信息的可能,或者因白线被驻停车辆挡住而观测到与原本的车道不一样的信息的可能。设想这样的情况,路口模型生成部330在确认行驶时的识别车道宽度超过了一定程度的置信度这一事实的同时反复确认在自身车辆通过相同道路时识别到相同车道宽度这一事实,由此来不断提升对传感器信息(传感器信息)的置信度。该置信度例如被附加至地图信息部200中保存的传感器信息。再者,在自身车辆仅行驶过一次的道路上,不会对地图信息部200保存传感器信息,所以路口模型生成部330大多将该传感器信息识别为低置信度。
路口模型生成部330在从模型附加信息获取部331获取到模型附加信息后,根据模型选择部323的选择结果来生成路口模型。此处,模型生成部(路口模型生成部330)具有高分辨率模型生成部(高分辨率模型生成部333),所述高分辨率模型生成部333在距离为规定值以内的情况下生成与存在于自身车辆位置前方、传感器部(传感器部100)所观测的特定道路相对应的第1模型。此外,模型生成部(路口模型生成部330)具有低分辨率模型生成部(低分辨率模型生成部334),所述低分辨率模型生成部334在距离大于规定值的情况下生成与传感器部(传感器部100)无法观测的特定道路相对应的第2模型。
路口模型的生成由高分辨率模型生成部333或低分辨率模型生成部334进行。在传感器部100观察到了路口侧方的路宽而且模型选择部323选择了第1模型的情况下,由高分辨率模型生成部333生成路口模型。另一方面,在传感器部100无法观测路口侧方的路宽而且模型选择部323选择了第2模型的情况下,由低分辨率模型生成部334生成路口模型。
〈路口模型的表现方法〉
此处,参考图19,对由路口模型生成部330生成的路口模型的表现方法进行说明。
图19为表示路口的详细结构以及路口模型的例子的图。
图19的左上展示路口的详细结构的例子。该路口的详细结构是对以节点和链接线信息表示的基本结构附加由模型附加信息获取部331获取到的附加信息而复原得到的。
图19的模型图(a)展示直线模型的例子。路口模型生成部330在以直线来表现路口的详细结构的情况下,使用模型图(a)所示的直线模型。该直线模型用于存在于住宅区的、周围被房屋的墙壁或围墙围住的路口的形状推断。
图19的模型图(b)展示圆弧模型的例子。路口模型生成部330在以圆弧来表现路口的详细结构的情况下,使用模型图(b)所示的圆弧模型。在主要干道等比住宅区的路口大的路口,路口的角被设计成圆弧状。因此,圆弧模型用于像这样将角设计成圆弧状的路口的形状推断。
图19的模型图(c)展示折线模型的例子。在以折线来表现路口的详细结构的情况下,使用模型图(c)所示的折线模型。在路口模型生成部330希望表现存在于路口内部的弯道镜或标识、在路口近前增设的左右转车道等更详细的路口形状的情况下,使用折线模型。
图19的模型图(d)展示摄像机视角模型的例子。在希望表现以摄像机视角观察时的路口模型的情况下,可使用模型图(d)所示的摄像机视角模型。
路口模型生成部330可根据由模型附加信息获取部331获取到的路口的路宽从图19所示的表现路口的详细结构的方法不同的各模型中选择一个模型。例如,在由模型附加信息获取部331推断道路的路宽为单侧1车道左右的情况下,为存在于住宅区的、周围被房屋的墙壁或围墙围住的路口的可能性高,所以路口模型生成部330选择直线模型。此外,在由模型附加信息获取部331推断道路的路宽为单侧2车道以上的情况下,为主要干道等比住宅区的路口大的路口的可能性高,所以路口模型生成部330选择圆弧模型。
此外,路口模型生成部330也可根据所使用的应用来选择模型。例如,在使用具有根据地图与传感器输入的一致性来判定自身车辆位置的误推断的***功能的应用的情况下,路口模型生成部330只要能推断路口的大概形状即可。因此,路口模型生成部330选择直线模型或圆弧模型来生成路口模型。此外,在车辆能在路口自动左右转的车辆控制中使用模型的情况下,路口模型生成部330可选择能推断路口的详细形状的折线模型来生成路口模型。
〈多个路口模型的生成方法〉
此处,参考图20,对高分辨率模型生成部333和低分辨率模型生成部334分别生成的模型的生成方法进行说明。
图20为表示根据路口的详细结构生成的第1模型及第2模型的例子的图。图20的左上展示的是与图19的左上所示相同的路口的详细结构的例子。
图20的模型图(a)展示第1模型的例子。高分辨率模型生成部333根据图20的左上所示的路口的详细结构来生成用作高分辨率模型的一例的第1模型。图20的模型图(a)展示高分辨率模型生成部333以图19的模型图(a)所示的直线模型来表现十字路口的第1模型的情况。但高分辨率模型生成部333也可根据路宽信息或者适合的应用来使用图19的模型图(b)、(c)、(d)所示的表现方法不同的模型。
图20的模型图(b)展示第2模型的例子。低分辨率模型生成部334根据图20的左上所示的路口的详细结构来生成用作低分辨率模型的一例的第2模型。图20的模型图(b)展示低分辨率模型生成部334以图19的模型图(a)所示的直线模型来表现十字路口的第2模型的情况。但低分辨率模型生成部334也可根据路宽信息或者适合的应用来使用图19的模型图(b)、(c)、(d)所示的表现方法不同的模型。
〈与路口的类别相应的第1模型及第2模型的例子〉
图20展示了十字路口的情况,而对于其他路口类别,低分辨率模型生成部334可以考虑传感器分辨率来生成第1模型及第2模型。
图21为表示针对路口的各类别而生成的第1模型及第2模型的例子的图。
图21展示针对按四岔路、三岔路、其他路口中的每一种设置的十字、T字等每一路口类别而由高分辨率模型生成部333生成的第1模型和由低分辨率模型生成部334生成的第2模型的例子。第1模型是在车辆已接近路口时生成,所以路口的形状与详细结构相近。另一方面,第2模型是在车辆处于路口远方时生成,所以路口的形状粗糙。因此,在车辆处于路口远方时生成第2模型,在车辆已接近路口时生成第1模型,由此获得与路口的详细结构相近的路口模型。
〈路口形状推断部400〉
接着,参考图8,对路口形状推断部400的构成例及动作例进行说明。
图8为表示路口形状推断部400的构成例的框图。
道路形状推断部(路口形状推断部400)根据传感器信息和由模型生成部(路口模型生成部330)生成的道路模型(路口模型)来输出推断出道路形状(路口形状)的道路模型(路口模型)和与推断结果相关的精度信息。因此,路口形状推断部400使路口模型生成部330所生成的路口模型与从传感器部100获取到的传感器信息所示的路口的特征拟合。此时,路口形状推断部400推断构成路口模型的参数(例如后文叙述的能表现图19所示的模型的节点的二维坐标)。该路口形状推断部400具备路端识别部410、车道识别部420以及参数推断部430。
(路端识别部410的动作例)
此处,对路端识别部410的动作例进行说明。
路口形状推断部400使用路端识别部410来求用于路口的模型拟合的路端特征。所谓路端特征,是路端识别部410从传感器信息中提取相对于道路而言在立体上较高的台阶部分和在立体上较低的台阶部分作为路端的特征量而得到的信息。因此,在相对于道路而有路肩、进而在路肩的侧方有墙壁等的情况下,路端识别部410从传感器信息中提取路肩和墙壁两者的特征量。此外,路端识别部410将墙壁、建筑物、树木、电线杆、边沟等各种立体物也作为特征量从传感器信息中提取出来。
对于正在道路上行驶的自身车辆而言重要的台阶是以自身车辆为中心而首先接触的台阶,所以自身车辆以不接触该台阶的方式行驶就比较重要。因此,路端识别部410强调以自身车辆为中心来考虑而有可能首先接触的台阶,对于存在于比其远离自身车辆的位置的立体物,则实施剔除之类的去噪处理。
实施这些处理后,路端识别部410将以自身车辆为中心而自身车辆有可能首先接触的台阶用作路端的点群。进而,路端识别部410将该路端的点群用于自身车辆行为,或者利用图像的对应点而以时间序列方式来构成道路的路端点群。继而,参数推断部430使该以时间序列方式构成的路端点群与由路口模型生成部330生成的路口模型拟合,推断路口模型的参数。
(车道识别部420的动作例)
接着,对车道识别部420的动作例进行说明。
路口形状推断部400也可与上述的使用路端识别部410的识别结果来推断路口形状的处理同样地将车道识别部420所识别出的车道特征用于路口模型的拟合。车道识别部420检测成为沿着自身车辆行驶方向的车道间的交界线或者车道与路肩间的交界线的特征的点的点群。进一步地,车道识别部420还利用自身车辆的行为来生成将检测到的点群以时间序列方式连续地相连而成的车道特征,根据该车道特征来识别车道。参数推断部430使生成的车道特征与路口模型拟合,由此能推断路口模型的参数。
(参数推断部430的动作例)
接着,对参数推断部430的动作例进行说明。
参数推断部430从路端识别部410获取路端特征,从车道识别部420获取车道特征。继而,参数推断部430求与获取到的这些特征最为拟合的路口模型的参数(图19所示的节点的二维坐标)。其后,路口形状推断部400像图1所示那样将推断出的路口模型的参数和选择第1模型、第2模型或者第3模型中的哪一个作为路口模型这一模型选择信息输出至路口一致性判定部500。此外,在能够算出路口模型对传感器信息的拟合程度的情况下,路口形状推断部400将拟合程度也输出至路口一致性判定部500。
再者,路口形状推断部400中进行的处理有时包含在不使用地图信息部200的信息的情况下推断路口形状的处理。在该情况下,可让参数推断部430不进行参数推断,路口模型生成部330将其生成的路口模型与传感器部100所推断出的路口形状一并直接输出至路口一致性判定部500。
〈路口一致性判定部500的构成例及动作例〉
接着,参考图9,对路口一致性判定部500的构成例及动作例进行说明。
图9为表示路口一致性判定部500的构成例的框图。
一致性判定部(路口一致性判定部500)判定存在于自身车辆行进方向前方的多个道路(路口)的一致性。该路口一致性判定部500具备置信度判定部510、自身车辆位置判定部520、自身车辆位置探索部530以及自身车辆位置保存部540。
(置信度判定部510的动作例)
置信度判定部510根据从路口形状推断部400输入的推断结果来判定路口的形状推断中用过的路口模型与从传感器部100获取的传感器信息的一致性。
在能够获取由路口形状推断部400推断出路口形状后的第1模型的情况下,置信度判定部510根据获取到的第1模型的路宽来进行一致性判定。例如,对由路口形状推断部400推断形状的路口为2条(2车道)道路相交叉的十字路口的情况进行说明。
例如,对于存在于十字路口的4条道路(自身车辆的行进方向及反方向的2条道路和在路口与这2条道路交叉的右方向及左方向的2条道路)的路宽,置信度判定部510设想有比自身车辆的车宽窄的道路的情况。在该情况下,认为路口形状推断部400在路口的形状推断中用过的模型有误或者从传感器部100获取到的传感器信息含有大量噪声,所以模型与非路口的特征拟合。因此,置信度判定部510判定未取得路口模型与传感器信息的一致性。此外,关于存在于十字路口的4条道路,置信度判定部510在对自身车辆在路口直线前进时通过的2条道路的路宽进行比较时,存在从路口模型获取到的路宽相对于根据传感器信息加以推断的实际路宽而大为不同的情况。在该情况下,置信度判定部510可判定未取得路口模型与传感器信息的一致性。
此外,在能够获取由路口形状推断部400推断出路口形状后的第2模型的情况下,置信度判定部510与利用第1模型来进行的判定处理同样地根据获取到的第2模型的路宽来进行一致性判定。但是,像参考图20来说明过的那样,第2模型是以2条直线来表现十字路口的模型。因此,置信度判定部510通过对2条直线间的距离与自身车辆的车宽进行比较来判定一致性。
此外,在能够获取由路口形状推断部400推断出路口形状后的第3模型的情况下,置信度判定部510在自身车辆位置起到路口为止的距离比第1距离小的情况下进行第1模型的一致性判定。并且,在自身车辆位置起到路口为止的距离比第1距离大的情况下,置信度判定部510与第2模型的一致性判定同样地进行一致性的判定。
此外,置信度判定部510也可通过对从地图信息部200获取到的地图信息与由路口形状推断部400推断出路口形状后的路口模型进行比较来进行地图信息与路口模型的一致性判定。在地图信息部200中于自身车辆前方存在十字路口的情况下,存在于十字路口的4条道路的连接角度为直角。因此,在观察路口形状推断部400给出的模型推断后的路口模型的连接角度时大幅偏离直角的情况下,置信度判定部510可判定未取得一致性。
此外,地图信息部200中有时包含能推断道路的路宽的信息(路宽信息、道路结构令中的道路的类别和等级、上一次行驶时的路宽推断结果等)。因此,置信度判定部510也可通过对读入地图信息部200而从能推断路宽的信息获取到的路宽信息与路口形状推断部400给出的模型推断后的路口模型进行比较,来进行路宽信息与路口模型的一致性判定。
此外,在能从路口形状推断部400获取与推断结果相关的置信度的情况下,置信度判定部510可对置信度设置阈值来进行一致性判定。此外,在能从路口形状推断部400获取路口模型生成部330所生成的路口模型和由传感器部100推断出的路口形状的情况下,置信度判定部510可通过对两者进行比较来进行路口模型与路口形状的一致性判定。
(自身车辆位置判定部520的动作例)
接着,对自身车辆位置判定部520的动作例进行说明。
本实施方式的路口模型生成部330根据经路口信息处理部300处理得到的自身车辆位置来参考地图信息部200而生成自身车辆前方的路口模型,之后由路口形状推断部400推断路口形状。因此,在地图上的自身车辆位置有误的情况下,存在路口模型生成部330从地图信息部200获取与自身车辆前方的路口不同的路口信息而生成错误的路口模型的情况。因此,置信度判定部510判定路口的形状推断中用过的路口模型与从传感器部100获取到的传感器信息的一致性,由此判定自身车辆位置的正误。
另外,就路口形状推断部400中的路口的形状推断中使用了第1模型的情况下的一致性和形状推断中使用了第2模型的情况下的一致性而言,路口一致性判定部500的一致性判定所需的信息的信息量是不一样的。例如,在第1模型的情况下,自身车辆比第1距离接近路口,所以路口形状推断部400能实现将路口侧方的路宽也包含在内的形状推断。因此,在由置信度判定部510例如判定取得了十字路口模型与传感器信息的一致性的情况下,路口一致性判定部500可以断定存在于自身车辆前方的是十字路口。
另一方面,在第2模型的情况下,无法实现将路口侧方的路宽也包含在内的形状推断。因此,如图21所示,在十字路口和卜字(T-右)路口使用完全相同的路口模型。若在十字路口和卜字路口使用完全相同的路口模型,则即便在由置信度判定部510判定取得了十字路口模型与传感器信息的一致性的情况下,也可能分不清是十字路口还是卜字路口。因此,置信度判定部510无法断定存在于自身车辆前方的路口为十字路口。
另外,对于T字、拐角、路尽头这3个类别的道路形状也运用相同的第2模型。因此,即便路口的形状为T字,也选择与拐角、路尽头同形状的第2模型,所以置信度判定部510无法断定存在于自身车辆前方的路口为T字路口。像这样置信度判定部510无法断定存在于自身车辆前方的路口的情况在十字路口与卜字路口的关系中也是一样的。
但是,若使用能从传感器部100获取的、传感器在当前时间点上观测自身车辆前方而输出的传感器信息,则置信度判定部510可以判定存在于自身车辆远方的路口为十字路口无误。反过来,即便在获取到十字路口的第2模型的情况下,作为第2模型的十字与T字、拐角或路尽头在形状上也不一样。因此,置信度判定部510可以判定存在于自身车辆远方的路口为十字路口时所生成的第2模型的形状与道路形状为T字、拐角或路尽头时所形成的第2模型的形状均不相符。因此,置信度判定部510能够限定远方的路口的形状候选。
因此,一致性判定部(路口一致性判定部500)具有根据道路的一致性判定的结果来判定自身车辆位置的正误并输出自身车辆位置的判定结果的自身车辆位置判定部(自身车辆位置判定部520)。例如,自身车辆位置判定部520从置信度判定部510获取所选择的模型的种类信息(第1模型、第2模型或者第3模型中的某一个)和路口一致性判定部500给出的一致性判定结果而判定自身车辆位置的正误,并输出判定结果。下面,对自身车辆位置判定部520中进行的处理的详细例进行说明。
首先,在从置信度判定部510获取到了第1模型被用于形状推断、判定第1模型与传感器信息取得了一致性这一结果的情况下,自身车辆位置判定部520输出判定自身车辆位置正确这一判定结果。另一方面,在从置信度判定部510获取到了第1模型被用于形状推断、判定第1模型与传感器信息未取得一致性这一结果的情况下,自身车辆位置判定部520输出判定自身车辆位置有误这一判定结果。
此外,在从置信度判定部510获取到了第2模型被用于形状推断、判定第2模型与传感器信息取得了一致性这一结果的情况下,自身车辆位置判定部520认为在当前时间点上自身车辆位置正确。因此,自身车辆位置判定部520输出判定自身车辆位置正确这一判定结果。此外,自身车辆位置判定部520存在虽然当前时间点上自身车辆位置无误但也无法确定是正确的这一情况。在该情况下,自身车辆位置判定部520可输出判定自身车辆位置未确定这一判定结果。
此外,设想自身车辆位置判定部520从置信度判定部510获取到第3模型被用于形状推断这一信息的情况。此时,自身车辆位置判定部520在自身车辆位置起到路口为止的距离比第1距离小的情况下进行第1模型的自身车辆位置判定,在该距离比第1距离大的情况下与第2模型的自身车辆位置判定同样地进行一致性的判定。
此处,参考图22,对自身车辆位置判定部520进行自身车辆位置的正误判定的处理的例子进行说明。
图22为表示自身车辆位置判定部520根据处于自身车辆前方近前的路口来进行自身车辆位置的正误判定的处理的例子的图。图中展示有自身车辆实际所存在的真正的自身车辆位置(以下称为“第1自身车辆位置”)和GNSS误推断出的自身车辆位置(以下称为“第2自身车辆位置”)。
图22的左侧所示的说明图(a)展示自身车辆位置判定部520不将远方的路口信息用于***的情况下的处理的例子。不将远方的路口信息用于***意指自身车辆位置判定部520不将处于自身车辆远方的路口的路口信息用于判定地图上的自身车辆位置。
图中,第1自身车辆位置以车辆图标51表示,第2自身车辆位置以车辆图标52表示。在第1自身车辆位置前方近前存在路口61,在远方存在路口63。此外,在第2自身车辆位置前方近前示出路口62,在远方示出拐角64。进一步地,对车辆图标51示出信息处理装置1能推断路口模型的范围56。范围56与传感器部100能观测的范围大致相等。并且,包含处于第1自身车辆位置所示的自身车辆前方的路口61的范围56由传感器部100加以观测。
在地图上所示的自身车辆周边存在多个同类别的路口(例如十字路口)的情况下,自身车辆位置判定部520有时会误判定自身车辆位置。在图22所示的例子中,在车辆图标51、52前方均在地图上存在有十字路口61、62。此处,设想路口模型生成部330根据存在于第2自身车辆位置(车辆图标52)前方的十字路口62来生成了路口模型这一情况。在该情况下,由于在第1自身车辆位置(车辆图标51)前方也同样存在有十字路口61,所以在置信度判定部510中判定取得了所生成的路口模型与传感器信息的一致性。
结果,尽管自身车辆位置实际上为第1自身车辆位置,自身车辆位置判定部520却判定判断为第2自身车辆位置的自身车辆位置正确。如此,说明图(a)中,远方的路口63、64的信息未被用于***,所以自身车辆在越过第一个路口61直线前进而接近了路口63时才发现自身车辆位置的错误。因此,在不将远方的路口信息用于***而且在自身车辆周边存在有同类别的(十字等)路口的情况下,难以确定自身车辆位置。
接着,参考图22的右侧所示的说明图(b),对针对自身车辆位置判定部520误判定自身车辆位置的动作的对策进行说明。此处,自身车辆位置判定部520将处于远方的路口的路口信息用于***、根据存在于自身车辆前方的多个路口的一致性来进行自身车辆位置的正误判定。用于***是指自身车辆位置判定部520为了对地图上的自身车辆位置进行正误判定而使用路口信息。
说明图(b)展示了在第1自身车辆位置(车辆图标51)前方在距自身车辆的距离不到第1距离的位置上有十字路口、在距自身车辆的距离为第1距离以上的位置上也有十字路口的状况。此外,说明图(b)展示了在第2自身车辆位置(车辆图标52)前方在距自身车辆的距离不到第1距离的位置上有十字路口62、在距自身车辆的距离为第1距离以上的位置上有拐角64的状况。对车辆图标51示出信息处理装置1能推断路口模型的模型可推断范围57。并且,包含处于自身车辆前方的路口61、63的模型可推断范围57由传感器部100加以观测。
此处,对路口模型生成部330在车辆图标52所示的第2自身车辆位置上生成了路口模型的情况进行探讨。在该情况下,路口模型生成部330根据从自身车辆观察而存在于近前的十字路口62来生成作为第1模型的十字路口模型63a,根据从自身车辆观察而处于远方的拐角64来生成作为第2模型的拐角模型64a。
另一方面,由于在车辆实际所存在的第1自身车辆位置(车辆图标51)近前存在十字路口61,所以置信度判定部510判定取得了第1模型的十字路口的一致性。但是,在第1自身车辆位置远方存在有十字路口63。
假如在自身车辆位置判定部520将地图上的自身车辆位置判定为第2自身车辆位置(车辆图标52)的情况下,路口模型生成部330根据拐角64而生成的第2模型的拐角模型64a的形状与根据十字路口63而生成的第2模型的十字路口模型63a的形状不一样。因此,置信度判定部510判定未取得第2模型的拐角模型64a与传感器部100借助模型可推断范围57观测到的路口63的形状的一致性。结果,自身车辆位置判定部520可以判定自身车辆位置有误。如此,自身车辆位置判定部520可以通过确认处于自身车辆前方的连续的路口的路口信息与地图及传感器信息的一致性来判定自身车辆位置的正误。
图22中展示的是自身车辆位置判定部520利用相较于第1距离而言处于附近的路口61和相较于第1距离而言处于远方的路口63这2个路口来判定自身车辆位置的处理的例子。但是,作为用于自身车辆位置判定部520所进行的自身车辆位置判定的路口,相较于第1距离而言处于自身车辆位置附近的路口也可为2个以上,而且相较于第1距离而言处于远方的路口也可为2个以上。此外,2个以上的路口也可全部相较于第1距离而言为自身车辆位置附近,而且2个以上的路口也可全部相较于第1距离而言处于远方。此外,自身车辆位置判定部520也可保持有根据自身车辆过去通过的多个路口来判定的置信度判定部510的结果,将过去的时间序列信息也结合起来进行自身车辆位置的正误判定。
(自身车辆位置探索部530的动作例)
此处,在由自身车辆位置判定部520判定地图上的自身车辆位置有误的情况下,图9所示的自身车辆位置探索部530探索地图上最有可能的自身车辆的当前位置(以下称为“第3自身车辆位置”)。
此处,参考图23,对自身车辆位置探索部530的动作例进行说明。
图23为表示自身车辆位置探索部530的动作例的图。
如图23的说明图(a)所示,在第2自身车辆位置(车辆图标52)前方存在T字路口72。因此,根据第2自身车辆位置起到路口为止的距离来生成T字路口72的第1模型或者T字路口72的第2模型。此时,当输入表示传感器部100观测到十字路口这一内容的传感器信息时,自身车辆位置判定部520判定利用传感器信息82来判明的路口的形状与路口模型81的形状不一样。因此,自身车辆位置判定部520将第2自身车辆位置是错误的这一信息输出至自身车辆位置探索部530。
一致性判定部(路口一致性判定部500)具有自身车辆位置探索部(自身车辆位置探索部530),在自身车辆位置判定部520将地图信息所示的地图上确定的自身车辆位置判定为错误的情况下,所述自身车辆位置探索部530根据道路的一致性判定的结果来探索地图上的正确的自身车辆位置。因此,当自身车辆位置探索部530从自身车辆位置判定部520收到自身车辆位置是错误的这一信息时,在地图上探索与处于第2自身车辆位置前方的路口72相邻的路口,由此来决定自身车辆位置的候选即第3自身车辆位置。此处,自身车辆位置探索部530在展示以节点和边缘表示的道路关系的图解结构上将处于自身车辆在1个步骤(例如地图上的1个划区)内能经过的距离之内的路口识别为与路口72相邻的路口。
如图23的说明图(a)所示,与处于第2自身车辆位置前方的路口72相邻的路口中,T字路口73有1个,十字路口71、74有2个。因此,路口模型生成部330根据第2自身车辆位置起到各路口为止的距离来生成第1模型或第2模型。继而,路口一致性判定部500判定所生成的第1模型或第2模型与传感器信息的一致性。
此处,取得由路口模型生成部330生成的路口模型与传感器信息的一致性的是2个十字路口71、74。因此,自身车辆位置探索部530将与传感器信息取得了一致性的十字路口71、74近前的位置决定为第3自身车辆位置53a、53b。继而,自身车辆位置探索部530将说明图(a)所示的2处第3自身车辆位置53a、53b输出至显示-警报-控制部600。
另外,自身车辆位置探索部530也可仅在探索自身车辆位置而结果第3自身车辆位置只定为1个的情况下输出第3自身车辆位置,在有多个第3自身车辆位置的情况下输出自身车辆位置未确定这一信息。此外,自身车辆位置探索部530也可将输出到显示-警报-控制部600的信息保存至自身车辆位置保存部540。
图23的说明图(b)展示自身车辆位置探索部530使用第2模型来探索自身车辆位置的状况。当由模型选择部323选择第2模型时,路口模型生成部330例如像图23所示那样生成将T字路口75和拐角76均视为相同形状的路口模型83。即便地图上处于自身车辆前方的路口的类别不一样(T字路口75及拐角76),只要传感器信息84所示的路口的形状与路口模型83相同,自身车辆位置探索部530便将2处第3自身车辆位置53c、53d均作为自身车辆位置的候选加以输出。
此处,虽然图中没有展示,但在真正的自身车辆位置起到路口为止的距离低于第1距离时,第3自身车辆位置53c、53d中的任一输出结果便无法再表示正确的第3自身车辆位置。此外,在处于第1自身车辆位置前方的路口为路尽头的情况下,在自身车辆位置起到路口为止的距离低于第1距离时,这些输出结果均不再是第3自身车辆位置。因此,在选择的是第2模型的情况下,自身车辆位置探索部530可一并输出是利用第2模型推断出的第3自身车辆位置这一信息而不是仅将第3自身车辆位置作为输出。
此外,关于自身车辆位置探索部530从自身车辆位置周围进行探索的路口,无须仅仅限定于与存在于第2自身车辆位置前方的路口相邻的路口。例如,也可在展示以节点和边缘表示的道路关系的图解结构上探索存在于自身车辆在2个步骤以上能经过的距离之内的路口。该探索时所使用的步骤数能以默认值来决定,也可根据GNSS的位置推断精度来动态地决定。
此外,自身车辆位置探索部530也可选择处于以第2自身车辆位置为中心的圆的范围内的路口,而不是探索以图解结构上的步骤数来探索的路口。圆的半径能以默认值来决定,也可根据GNSS的位置推断精度来动态地决定。
此外,自身车辆位置探索部530也可从存在于第2自身车辆位置前方的多个路口中探索第3自身车辆位置。与自身车辆位置判定部520中根据多个路口的一致性来进行自身车辆位置的正误判定时一样,自身车辆位置探索部530在探索第3自身车辆位置时也根据多个路口信息来探索第3自身车辆位置。通过这样的动作,在自身车辆周边存在大量同类别的路口的情况下,自身车辆位置探索部530也能更正确地推断第3自身车辆位置。
此外,不限于存在于自身车辆前方的路口,自身车辆位置探索部530也可保持有过去通过的多个路口处的路口形状推断部400的结果和置信度判定部510的结果,从而将过去的时间序列信息也结合起来探索第3自身车辆位置。
(自身车辆位置保存部540的动作例)
图9所示的自身车辆位置保存部540可以分别将第1自身车辆位置、自身车辆位置判定部520所判定的第2自身车辆位置、自身车辆位置探索部530探索到的第3自身车辆位置与自身车辆行驶过的过去的时间序列信息一并加以保存。因此,只要能使用GNSS等的信息而掌握到当前自身车辆正在行驶的道路为自身车辆过去行驶过的道路附近这一情况,路口一致性判定部500便能使用从自身车辆位置保存部540读出的自身车辆位置的信息来判定路口的一致性。
〈信息处理装置的硬件构成〉
接着,对构成信息处理装置1的计算机90的硬件构成进行说明。
图24为表示计算机90的硬件构成例的框图。计算机90是用作电脑的硬件的一例,所述电脑可以作为信息处理装置1进行动作。
计算机90具备分别连接于总线94的CPU(Central Processing Unit)91、ROM(ReadOnly Memory)92以及RAM(Random Access Memory)93。进一步地,计算机90具备显示装置95、输入装置96、非易失性存储单元97以及网络接口98。
CPU 91从ROM 92中读出实现本实施方式的各功能的软件的程序代码并加载到RAM93中加以执行。CPU 91的运算处理中途产生的变量和参数等被暂时写入至RAM 93,这些变量和参数等由CPU 91酌情读出。但也可使用MPU(Micro Processing Unit)代替CPU 91。信息处理装置1中进行的各功能部的处理由CPU 91进行。
显示装置95例如为液晶显示监视器,将计算机90中进行的处理的结果等显示给驾驶员。输入装置96例如使用键盘、鼠标等,可供驾驶员进行规定的操作输入、指示。此外,显示装置95及输入装置96也可设为被一体化为触控面板显示器的构成。显示装置95及输入装置96对应于图1所示的显示-警报-控制部600。另外,图1中是设为信息处理装置1不具备显示-警报-控制部600的构成,但也可设为信息处理装置1具备显示-警报-控制部600的构成。
作为非易失性存储单元97,例如使用HDD、SSD、软盘、光盘、磁光盘、CD-ROM、CD-R、磁带或者非易失性存储器等。该非易失性存储单元97中除了OS(Operating System)、各种参数以外还记录有用于使计算机90发挥功能的程序。ROM 92及非易失性存储单元97记录有CPU 91进行动作所需的程序和数据等,被用作储存有由计算机90执行的程序的电脑可读取的非暂时性存储介质的一例。信息处理装置1内生成的各种信息、数据被保存至非易失性存储单元97。再者,图1中是设为信息处理装置1不具备地图信息部200的构成,但也可设为信息处理装置1具备地图信息部200的构成。
网络接口98例如使用NIC(Network Interface Card)等,信息处理装置1经由网络接口98来进行无线通信,可以经由互联网等将数据上传至外部的服务器或者从该服务器下载数据。此外,信息处理装置1可以经由网络接口98来访问车载网络(例如CAN(ControllerArea Network))而从传感器部100获取传感器信息或者向未图示的导航***或自动驾驶***输出自身车辆位置的信息。
在以上说明过的一实施方式的信息处理装置1中,可以不仅使用处于自身车辆附近的路口的传感器信息,还使用处于自身车辆远方的路口的传感器信息来消除与路口模型的失配。此时,信息处理装置1根据传感器分辨率特性来预测与距离相应的道路的外观而生成路口模型,所以能正确地识别车辆所行驶的路口的形状。
此外,信息处理装置1可以基于根据路口周边的环境和自身车辆周边的环境发生变化的传感器分辨率特性来准确地预测根据传感器信息生成的路口的外观。如此,信息处理装置1能够正确地识别自身车辆所行驶的道路的形状,所以,即便是普通道路或路口周边的复杂场景,也能输出正确的道路的形状。因此,驾驶员或自动驾驶装置能够使用识别结果使自身车辆安全地行驶。
此外,传感器部100的传感器分辨率根据自身车辆当前所处环境而变化。因此,环境信息获取部311获取环境信息,传感器分辨率特性保存部312保存与环境信息相符的传感器分辨率特性。因此,例如在场所相同但时间不同的情况下,路口信息处理部300可以根据传感器分辨率特性来生成不同的路口模型。
此外,路口外观预测部320根据由自身车辆位置确定部321在地图上确定的自身车辆位置和由路口信息解析部322解析出的路口信息来预测路口的外观。此时,模型选择部323选择路口模型生成部330所生成的路口模型。作为路口模型,进行作为高分辨率模型的第1模型、作为低分辨率模型的第2模型的选择,或者按时间序列进行多个模型的切换。继而,路口模型生成部330根据由模型选择部323选择的模型来生成路口模型。因此,根据自身车辆位置起到路口为止的距离来选择恰当的模型而有效用于路口模型生成部330的处理。
此外,路口模型生成部330可以根据从地图信息部200获取的地图信息、通过将道路结构令中定义的规定值用作默认值来高精度地复原详细道路形状的路口模型。因此,信息处理装置1正确地识别自身车辆位置处于道路上的哪一带,所以,例如自动驾驶或导航***对自身车辆位置的引导得以在高精度下进行。
此外,路口形状推断部400使由路口模型生成部330生成的路口模型与传感器信息所示的路口的特征拟合。于是,实际的路口的特征被附加至路口模型,路口形状推断部400能够详细地推断路口模型的参数。
此外,路口一致性判定部500判定路口形状的推断中用过的路口模型与传感器信息的一致性,由此,能正确地断定存在于自身车辆前方的路口的形状。
此外,路口一致性判定部500将存在于自身车辆远方的路口的信息用于***,由此,能以正确的位置来重新确定在自身车辆周围存在多个相同形状的路口的状况下以错误的位置确定的自身车辆位置。
[变形例]
另外,若传感器部100的传感器信息中包含能再现路口的形状的信息,则传感器部100的传感器信息可不经过路口形状推断部400而输入至路口一致性判定部500(图1中虚线所示的连接形态)。在该情况下,在信息处理装置1中,从路口信息处理部300对路口一致性判定部500输入路口模型。于是,路口一致性判定部500也可以根据路口模型和从传感器部100输入的传感器信息来判定地图信息所示的路口的一致性。但信息处理装置1也可酌情选择在不经过路口形状推断部400的情况下进行路口模型与传感器信息的一致性判定的处理和判定经路口形状推断部400推断出形状的路口模型与地图信息所示的路口的一致性的处理。
此外,在上述实施方式中,信息处理装置1进行了处于自身车辆行驶方向上的路口的外观预测、路口模型的生成、以及路口的形状推断。但并不限于路口,例如在道路不分岔而弯曲的情况或者有横穿道路的轨道的情况下,也可由信息处理装置1进行道路的外观预测、道路模型的生成、以及道路的形状推断。在该情况下,将横穿道路的轨道、从自身车辆位置的行驶方向观察而角度发生了变化的道路识别为特定道路。于是,弯曲的道路、轨道所横穿的道路也成为本实施方式的道路的形状推断的对象。
此外,上述实施方式的信息处理装置1可为搭载于车辆中的车载型装置,也可为能从车辆上卸下带走的终端装置。
再者,本发明不限于上述实施方式,只要不脱离权利要求书中记载的本发明的主旨,当然可以采取其他各种应用例、变形例。
例如,上述实施方式是为了以易于理解的方式说明本发明而对***的构成进行的详细且具体的说明,并非一定限定于具备说明过的所有构成。此外,也可以对本实施方式的构成的一部分进行其他构成的追加、删除、替换。
此外,控制线和信息线展示的是认为说明上需要的部分,在产品上未必展示了所有控制线和信息线。实际上,可认为几乎所有构成都相互连接在一起。
符号说明
1…信息处理装置、100…传感器部、200…地图信息部、300…路口信息处理部、310…传感器分辨率特性管理部、320…路口外观预测部、330…路口模型生成部、400…路口形状推断部、410…路端识别部、420…车道识别部、430…参数推断部、500…路口一致性判定部、510…置信度判定部、520…自身车辆位置判定部、530…自身车辆位置探索部、540…自身车辆位置保存部、600…显示-警报-控制部。
Claims (15)
1.一种信息处理装置,其根据从地图信息部获取到的地图信息和从传感器部获取到的传感器信息来推断自身车辆所行驶的道路的道路形状,该信息处理装置的特征在于,具备:
传感器分辨率特性管理部,其管理与所述自身车辆的自身车辆位置起到所述道路形状发生变化的位置为止的距离相应的、所述传感器部的传感器分辨率特性;
外观预测部,其根据从所述传感器分辨率特性管理部获取到的所述传感器分辨率特性来预测与所述距离相应的所述道路的外观;以及
模型生成部,其根据由所述外观预测部预测的所述道路的外观来生成将所述道路模型化得到的道路模型。
2.根据权利要求1所述的信息处理装置,其特征在于,
所述传感器分辨率特性管理部具有传感器分辨率特性保存部,所述传感器分辨率特性保存部保存所述传感器部能观测所述道路的特有形状的极限距离作为所述传感器分辨率特性。
3.根据权利要求2所述的信息处理装置,其特征在于,
所述传感器分辨率特性管理部具有获取对所述极限距离产生影响的环境信息的环境信息获取部,
所述传感器分辨率特性管理部从所述传感器分辨率特性保存部读出与所述环境信息相应的所述传感器分辨率特性并输出至所述外观预测部。
4.根据权利要求3所述的信息处理装置,其特征在于,
所述模型生成部具有高分辨率模型生成部和低分辨率模型生成部,
在所述距离为规定值以内的情况下,所述高分辨率模型生成部生成与存在于所述自身车辆位置前方、所述传感器部所观测的特定道路相对应的第1模型,
在所述距离比所述规定值大的情况下,所述低分辨率模型生成部生成与所述传感器部无法观测的所述特定道路相对应的第2模型。
5.根据权利要求4所述的信息处理装置,其特征在于,
所述外观预测部具有:
自身车辆位置确定部,其确定所述地图信息中包含的地图上的所述自身车辆位置;
道路信息解析部,其根据所确定的所述自身车辆位置和所述地图信息来获取表示存在于所述自身车辆行进方向前方的所述道路的形状的道路形状信息,并解析所述道路形状信息;以及
模型选择部,其基于根据所述道路形状信息而从所述传感器分辨率特性管理部获取到的所述传感器分辨率特性和所述传感器信息来选择所述模型生成部能够生成的模型。
6.根据权利要求1所述的信息处理装置,其特征在于,
具备道路形状推断部,所述道路形状推断部根据所述道路模型及所述传感器信息来推断所述道路的形状并输出推断结果。
7.根据权利要求6所述的信息处理装置,其特征在于,
所述道路形状推断部根据所述传感器信息和由所述模型生成部生成的所述道路模型来输出推断出道路形状的所述道路模型和与所述推断结果相关的精度信息。
8.根据权利要求7所述的信息处理装置,其特征在于,
具备一致性判定部,所述一致性判定部判定从所述传感器部获取到的所述传感器信息与从所述道路形状推断部获取到的所述推断结果的一致性并输出判定结果。
9.根据权利要求8所述的信息处理装置,其特征在于,
所述一致性判定部利用推断出道路形状的所述道路模型和所述精度信息,通过将所述精度信息与规定阈值进行比较来判定所述传感器信息与所述推断结果的一致性。
10.根据权利要求8所述的信息处理装置,其特征在于,
所述一致性判定部对所述道路形状推断部所推断出的道路模型与所述地图信息所示的所述道路的路宽以及道路结构的连接关系进行比较,由此判定所述传感器信息与所述推断结果的一致性。
11.根据权利要求8所述的信息处理装置,其特征在于,
所述一致性判定部判定存在于所述自身车辆行进方向前方的多个所述道路的一致性。
12.根据权利要求8所述的信息处理装置,其特征在于,
所述一致性判定部保存所述自身车辆过去行驶过的所述道路的一致性判定的结果。
13.根据权利要求8所述的信息处理装置,其特征在于,
所述一致性判定部具有自身车辆位置判定部,所述自身车辆位置判定部根据所述道路的一致性判定的结果来判定所述自身车辆位置的正误,并输出所述自身车辆位置的判定结果。
14.根据权利要求13所述的信息处理装置,其特征在于,
所述一致性判定部具有自身车辆位置探索部,在所述自身车辆位置判定部将所述地图信息所示的地图上确定的所述自身车辆位置判定为错误的情况下,所述自身车辆位置探索部根据所述道路的一致性判定的结果来探索所述地图上的正确的所述自身车辆位置。
15.根据权利要求1所述的信息处理装置,其特征在于,
进行道路形状的推断的所述道路为路口。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020123888A JP7344182B2 (ja) | 2020-07-20 | 2020-07-20 | 情報処理装置 |
JP2020-123888 | 2020-07-20 | ||
PCT/JP2021/020670 WO2022018970A1 (ja) | 2020-07-20 | 2021-05-31 | 情報処理装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115917619A true CN115917619A (zh) | 2023-04-04 |
Family
ID=79728612
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202180037427.7A Pending CN115917619A (zh) | 2020-07-20 | 2021-05-31 | 信息处理装置 |
Country Status (5)
Country | Link |
---|---|
US (1) | US20230236021A1 (zh) |
EP (1) | EP4184479A1 (zh) |
JP (1) | JP7344182B2 (zh) |
CN (1) | CN115917619A (zh) |
WO (1) | WO2022018970A1 (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116380107B (zh) * | 2023-05-29 | 2023-08-22 | 速度科技股份有限公司 | 一种基于高精地图对车辆进行定位的*** |
Family Cites Families (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005216083A (ja) | 2004-01-30 | 2005-08-11 | Nissan Motor Co Ltd | 車両のリスク回避ガイド装置 |
DE102013201545A1 (de) | 2013-01-30 | 2014-07-31 | Bayerische Motoren Werke Aktiengesellschaft | Erstellen eines Umfeldmodells für ein Fahrzeug |
JP6552064B2 (ja) | 2017-03-31 | 2019-07-31 | 株式会社Subaru | 車両の走行制御システム |
JP6870475B2 (ja) | 2017-05-25 | 2021-05-12 | 日産自動車株式会社 | 車線情報出力方法および車線情報出力装置 |
JP7052786B2 (ja) | 2018-12-14 | 2022-04-12 | 株式会社デンソー | 表示制御装置および表示制御プログラム |
US11345342B2 (en) | 2019-09-27 | 2022-05-31 | Intel Corporation | Potential collision warning system based on road user intent prediction |
-
2020
- 2020-07-20 JP JP2020123888A patent/JP7344182B2/ja active Active
-
2021
- 2021-05-31 WO PCT/JP2021/020670 patent/WO2022018970A1/ja unknown
- 2021-05-31 US US18/010,661 patent/US20230236021A1/en active Pending
- 2021-05-31 CN CN202180037427.7A patent/CN115917619A/zh active Pending
- 2021-05-31 EP EP21846610.0A patent/EP4184479A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
JP7344182B2 (ja) | 2023-09-13 |
JP2022020411A (ja) | 2022-02-01 |
WO2022018970A1 (ja) | 2022-01-27 |
EP4184479A1 (en) | 2023-05-24 |
US20230236021A1 (en) | 2023-07-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107843267B (zh) | 施工路段无人驾驶车辆的路径生成方法及装置 | |
US11294392B2 (en) | Method and apparatus for determining road line | |
US10677597B2 (en) | Method and system for creating a digital map | |
JP5301448B2 (ja) | 車両周辺の解析方法 | |
JP4557288B2 (ja) | 画像認識装置及び画像認識方法、並びにそれを用いた位置特定装置、車両制御装置及びナビゲーション装置 | |
EP3673407A1 (en) | Automatic occlusion detection in road network data | |
US20090248284A1 (en) | Travel support system and travel support method | |
US20180322777A1 (en) | Method and system for creating a lane-accurate occupancy grid map for lanes | |
JP6870475B2 (ja) | 車線情報出力方法および車線情報出力装置 | |
EP1674826A1 (en) | Systems, methods, and programs for determining whether a vehicle is on-road or off-road | |
JP6489003B2 (ja) | 経路探索装置及び車両用自動運転装置 | |
RU2661963C1 (ru) | Устройство вычисления маршрута движения | |
CN111874006A (zh) | 路线规划处理方法和装置 | |
JP4327062B2 (ja) | ナビゲーション装置 | |
KR20080020971A (ko) | 이미지에서 물체를 인식하기 위한 방법 및 이미지 인식 장치 | |
JP6303362B2 (ja) | マップマッチング装置及びこれを備えたナビゲーション装置 | |
JP4775658B2 (ja) | 地物認識装置・自車位置認識装置・ナビゲーション装置・地物認識方法 | |
US11333516B2 (en) | Lane guidance system and lane guidance program | |
JP2018063122A (ja) | 経路選択方法及び経路選択装置 | |
CN115917619A (zh) | 信息处理装置 | |
CN115195773A (zh) | 用于控制车辆驾驶的装置和方法及记录介质 | |
JP4953015B2 (ja) | 自車位置認識装置と自車位置認識プログラム、及びこれを用いたナビゲーション装置 | |
JP2020129331A (ja) | 逆走判定システム、逆走判定方法、及び逆走判定プログラム | |
WO2020195166A1 (ja) | 環境認識装置 | |
CN113762030A (zh) | 数据处理方法、装置、计算机设备及存储介质 |
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 |