JP6863476B2

JP6863476B2 - 路面状態判定方法及び路面状態判定装置

Info

Publication number: JP6863476B2
Application number: JP2019557935A
Authority: JP
Inventors: 拓真林; 淳弘森
Original assignee: Nissan Motor Co Ltd
Current assignee: Nissan Motor Co Ltd
Priority date: 2017-12-07
Filing date: 2017-12-07
Publication date: 2021-04-21
Anticipated expiration: 2037-12-07
Also published as: US11364915B2; CN111433100A; WO2019111366A1; US20200317205A1; EP3722172A1; CN111433100B; JPWO2019111366A1; EP3722172A4

Description

本発明は、路面の状態を判定する路面状態判定方法に関する。

特許文献１には、紫外線画像、赤外線画像、温度分布画像を撮像可能なカメラで取得した情報に基づいて路面の状態を判定する技術が開示されている。

特開２００７−２３２６５２号公報

しかしながら、車両に特許文献１に記載のようなカメラを搭載し、推定された路面摩擦係数を用いて車両制御を行う場合、単に前方の路面摩擦係数の分布を把握したとしても、適正な使用が困難であった。具体的には、車両前方に低μ路と高μ路が分布していた場合、車両の安全性を確保する観点から、低μ路と判断して制御を行う必要がある。ところが、車両が実際に走行する領域、更に具体的には車両の車輪が接地する領域の路面摩擦係数が高μ路の場合、低μ路と判断して制御することで、十分な走行性能を確保できないという問題があった。

本発明の目的は、車両前方の路面摩擦係数から、車両の走行にとって最適な路面摩擦係数を精度よく推定可能な路面状態判定方法及び路面状態判定装置を提供することにある。

上記目的を達成するため、本発明では、自車両に搭載されたカメラの取得情報に基づいて路面状態を判定するときに、自車両の位置よりも所定距離だけ前方に、自車両の幅方向と平行に路面状態判定ラインを設定し、自車両の各輪の進路を予測し、カメラにより取得された自車両前方画像のうち、予測された各輪の進路と路面状態判定ラインとが交わる点が属する判定エリアを抽出し、抽出した判定エリアの路面状態を判定し、判定した路面エリアの路面状態に対応した路面摩擦係数を求めることとした。

よって、路面状態を判定する際の演算負荷を軽減できて、素早い路面μ推定を実現でき、自車両にとって必要な路面の状態を精度よく判定できる。

実施例１の車両のシステム図である。実施例１の車両の駆動力配分制御の制御フローを表すフローチャートである。実施例１の車両の駆動力配分制御の制御マップである。実施例１の路面状態判定処理を表すフローチャートである。実施例１の車両前方の撮像画像における判定エリアを表す図である。実施例１の予測経路を計算するためのモデル図である。実施例１の路面状態と路面μとの関係を表す図である。実施例２の路面状態判定処理を表すフローチャートである。実施例２の車両前方の撮像画像における自車の予測経路と路面状態判定ラインとが交わる点が属する判定エリアを表す図である。

１エンジン
２自動変速機
３トランスファ
５カメラ
１０ブレーキコントローラ
２０コントローラ
CS 一体型センサ

〔実施例１〕
図１は、実施例１の車両のシステム図である。実施例１の車両は後輪駆動ベースの四輪駆動車両である。車両は、エンジン１と、自動変速機２と、トランスファ３とを有する。自動変速機２は、エンジン１の回転数を変速し、エンジン１から出力されトルクの一部又は全部をリアドライブシャフトRDSから出力する。リアドライブシャフトRDSから出力されたトルクは、左後輪ドライブシャフトDRL及び右後輪ドライブシャフトDRRを介して後輪RL,RR（以下、単に後輪とも記載する。）に伝達される。また、トランスファ３は、エンジン１から出力されたトルクの一部をフロントドライブシャフトFDSから出力する。フロントドライブシャフトFDSから出力されたトルクは、左前輪ドライブシャフトDFL及び右前輪ドライブシャフトDFRを介して前輪FL,FR（以下、単に前輪とも記載する。）に伝達される。

車両は、各車輪FL,FR,RL,RRの回転状態を検出する車輪速センサSS(FL,FR,RL,RR)と、車両の前後加速度Gx、横加速度Gy、ヨーレイトYawを検出する一体型センサCSを有する。ブレーキコントローラ１０は、車輪速センサSSのセンサ信号を受信し、車輪速Vwや車体速Vxを演算すると共に、一体型センサCSから各種センサ信号（Gx,Gy,Yaw）を受信する。

ブレーキコントローラ１０は、受信したセンサ信号及び演算した情報に基づいて、車輪のロック傾向を抑制するアンチロックブレーキ制御（以下、ABSと記載する。）、車両の挙動を安定化させるビークルダイナミクスコントロール制御（以下、VDCと記載する。）、図外の自動運転コントローラから受信した制動要求に基づく自動制動制御等を実行し、図外のブレーキ状態を制御する。

コントローラ２０は、エンジン１の運転状態を制御するエンジン制御部と、自動変速機２の変速状態を制御する変速制御部と、トランスファ３の駆動力配分状態を制御する駆動力配分制御部と、を有する。エンジン制御部は、エンジン１の回転数やトルクをスロットル開度、燃料噴射量、プラグ点火タイミング等により制御する。変速制御部は、車速VSPとアクセルペダル開度APOに基づいて最適な変速段を決定し、自動変速機２内の油圧制御によって選択された変速段に変速する。駆動力配分制御部は、車両の走行状態に基づいて、前輪に配分する駆動力と後輪に配分する駆動力とを演算し、トランスファ３から前輪側に伝達するトルクを制御する。

車両は、車両前方の紫外線画像、赤外線画像、温度分布画像を撮像可能なカメラ５を有する。カメラ５で撮像された画像はコントローラ２０内に入力される。コントローラ２０内には、路面状態判定部を有する。実施例１の路面状態判定装置は、カメラ５とコントローラ２０内の路面状態判定部から構成される。路面状態判定部は、状態を判定したい路面に紫外線と赤外線を含む光が当たっている状態で、その路面を撮像した紫外線画像、赤外線画像、温度分布画像を用い、その路面の状態を判定する。路面の状態とは、路面上の雪、水、氷の状態、及びそれらの分布を指す。紫外線は物質に当たった時に散乱しやすく、特に雪表面では紫外線の大部分が散乱されることがしられている。したがって、路面上での紫外線に関する特徴量の値から路面上の雪の状態を検知でき、車両前方の全体について検知すれば、路面上の雪の分布を検知できる。また、赤外線は水に吸収されやすいため、路面上での赤外線の特徴量の値から路面上の水の状態を検知することができ、車両前方の全体について検知すれば、路面上の水の分布を検知できる。また、路面上の氷の状態は、路面温度と相関関係を持つ。よって、紫外線や赤外線の特徴量の値を画像から算出し、路面の温度分布画像から路面の状態を判定する。実施例１の場合、乾燥路面をＤＲＹ，濡れた路面をＷＥＴ，積雪路面をＳＮＯＷ，氷結路面をＩＣＥと判定する。

ブレーキコントローラ１０とコントローラ２０とは、ＣＡＮ通信線を介して接続されている。コントローラ２０は、ブレーキコントローラ１０から車輪速センサSSのパルス信号、車輪速Vw、車体速Vx、前後加速度Gx、横加速度Gy、ヨーレイトYaw等のデータを受信する。ブレーキコントローラ１０は、コントローラ２０からエンジントルク情報、変速段、駆動力配分状態等のデータを受信する。

図２は、実施例１の車両の駆動力配分制御の制御フローを表すフローチャートである。
ステップＳ１では、アクセルペダル開度に基づいて運転者の要求トルクを算出する。尚、VDCや自動運転制御が実行されている場合には、これら制御から要求されるトルクを要求トルクとして算出する。
ステップＳ２では、路面状態判定処理から路面摩擦係数（以下、路面μと記載する。）を読み込む。尚、路面状態判定処理の詳細については後述する。
ステップＳ３では、要求トルクと路面μと図３に示す制御マップに基づいて駆動力配分制御を実施する。

図３は、実施例１の車両の駆動力配分制御の制御マップである。横軸に路面摩擦係数を取り、縦軸にフロントドライブシャフトFDS及びリアドライブシャフトRDSの合計トルクを取ったものである。図３中の閾値Ｌ１は、後輪が路面に伝達可能なトルクの最大値を表し、閾値Ｌ２は、前輪と後輪の両方から路面に伝達可能なトルクの最大値を表す。図３中の閾値Ｌ１より下方の領域Ｓ１は、後輪駆動で走行する領域である。閾値Ｌ１の特性は、路面μが低ければＬ１の値は小さく、路面μが高ければＬ１の値は大きくなる特性を有する。図３中の閾値Ｌ１より上方、かつ閾値Ｌ２より下方の領域Ｓ２は、四輪駆動で走行する領域である。駆動力配分制御部は、エンジン１から出力されたトルクのうち、Ｌ１を後輪に配分し、残りのトルクを前輪に配分する。

図３中の閾値Ｌ２より情報の領域Ｓ３は、四輪駆動で走行しつつエンジン１にトルクダウンを要求する領域である。領域Ｓ３は、エンジン１から出力されたトルクのうち、Ｌ１を後輪に配分し、Ｌ２とＬ１の差分を前輪に配分したとしても、過剰なトルクがエンジン１から出力されることを表す。この場合、駆動力配分制御部は、エンジン１に対し、エンジントルクからＬ２を差し引いたトルク分のトルクダウン要求を行う。これにより、路面状態に応じた最適な駆動力配分により、安定した走行状態を達成する。

図４は、実施例１の路面状態判定処理を表すフローチャートである。
ステップＳ２１では、カメラ５で撮像された画像から判定エリア毎の路面状態判定を実施する。図５は、実施例１の車両前方の撮像画像における判定エリアを表す図である。撮像画像には、車両前方画像を分割した判定エリアが設定されている。路面状態判定部では、各判定エリア内における路面状態を、ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥのいずれかと判定する。

ステップＳ２２では、自車の予測経路を計算する。図６は、実施例１の予測経路を計算するためのモデル図である。予測経路を計算するにあたっては、アッカーマン理論に基づいて計算する。前輪トレッドをTf，後輪トレッドをTr，ホイルベースをL，旋回内輪前輪の切れ角をβ，旋回外輪の前輪の切れ角をα，旋回中心から旋回内輪前輪までの半径をR1，旋回中心から旋回外輪前輪までの半径をR，旋回中心から旋回内輪後輪までの長さをR2とすると、旋回内輪軌跡を表すR及び旋回外輪軌跡を表すR1は、以下の関係式で表される。図５中の点線が旋回内外輪前輪の予測進路を表す。尚、切れ角α，βは、ステアリングホイールの操舵角と車両諸元から算出できる。
R＝｛(L/sinα)＋(L²＋((L/tanβ)＋Tf)²)^1/2｝/2
R1＝(R2²＋L²)^1/2＝((Rcosα―Tr)²＋L²)^1/2

ステップＳ２３では、予測進路上のグリッドにおける路面状態（ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥ）のうち、最も滑りやすい路面状態を抽出する。
ステップＳ２４では、抽出した路面状態と図７に示す表から路面μを推定する。図７は、路面状態と路面μとの関係を表す図である。ＤＲＹのときは、路面μを１．０、ＷＥＴのときは、路面μを０．７、ＳＮＯＷのときは、路面μを０．３、ＩＣＥのときは、路面μを０．１に設定する。尚、これら路面μの値は、実験等により他の値に設定してもよく、特に限定しない。

次に、路面状態判定処理の作用について説明する。カメラ５で撮像された画像から車両前方の路面状態を判定する場合、車両前方に低μ路と高μ路が分布している場面が考えられる。例えば、降雪後の翌朝に走行する場合、交通量の多い道路（以下、主要道路と記載する。）の中央領域では雪が溶けて高μとなり、一方、主要道路と交差する交通量の少ない道路（以下、非主要道路と記載する。）では、雪が残っているため低μとなることが多い。また、主要道路から非主要道路に向けて右左折を行う際、主要道路の中央領域から外れた領域を通過することになるが、この領域に雪が残っていると、そこは低μとなる。

このように車両前方に路面μの異なる領域が存在するとき、仮に車両が雪の少ない主要道路の中央領域を通行する場合であっても、車両の安全性を確保する観点から、低μと判断して制御を行うと、十分な駆動力が得られない。また、主要道路の中央領域の路面μのみで判断し、大きな駆動力を出力した場合、車両が非主要道路に向けて右左折を行い、低μの方向に走行すると、過剰な駆動力によって車両の安定性を確保することが困難となる。そこで、実施例１では、自車両の進路を予測し、予測された進路の路面状態を判定することで、適切な路面μと、それに応じた駆動力配分制御を達成することとした。

以上説明したように、実施例１では、下記の作用効果を奏する。
（１）コントローラ２０は、車両に搭載されたカメラ５の取得情報に基づいて路面状態を判定するときに、自車両の進路を予測し（ステップＳ２２）、予測された進路の路面状態を判定する（ステップＳ２３）。
言い換えると、路面状態判定装置は、自車両の進路を予測するステップＳ２２（予測部）と、車両に搭載されたカメラ５の取得情報に基づいて、予測された進路の路面状態を判定するステップＳ２３（判定部）と、を備える。
よって、自車両にとって必要な路面の状態を判定することができる。

（２）コントローラ２０は、カメラ５により取得された車両前方画像を判定エリアに分割し、該判定エリア毎の路面状態を判定し（ステップＳ２１）、予測された進路が通過する判定エリアにおける路面状態に基づいて路面状態を判定する。
よって、常に、車両の進行方向における路面状態に加えて、非進行方向の路面状態も把握することができ、進路が変更された場合であっても、即座に変更後の路面状態を把握できる。

〔実施例２〕
次に、実施例２について説明する。基本的な構成は実施例１と同じであるため、異なる点についてのみ説明する。実施例１では、路面状態を推定する際、まず予測された進路に関係なく、車両前方の撮像画像における路面状態を全て判定した後、自車の予測経路が通過する路面状態を抽出した。これに対し、実施例２では、自車の予測経路を計算し、自車の予測経路と現在の自車両位置よりも所定距離だけ前方に設定された路面状態判定ラインとが交わる点の判定エリアを決定する。そして、この交わる点が属する判定エリアの路面状態を抽出し、抽出された路面状態に基づいて路面μを推定する点が異なる。

図８は、実施例２の路面状態判定処理を表すフローチャートである。
ステップＳ３１では、自車の予測経路を計算する。この計算は、実施例１のステップＳ２２と同じであるため説明を省略する。
ステップＳ３２では、自車の予測経路と路面状態判定ラインとが交わる点が属する判定エリアの路面状態を抽出する。尚、路面状態判定ラインは、現在の自車の位置から例えば１０ｍ前方と設定するが、駆動力配分制御が対応可能な距離であれば、他の距離であってもよく、特に限定しない。

図９は、実施例２の車両前方の撮像画像における自車の予測経路と路面状態判定ラインとが交わる点が属する判定エリアを表す図である。自車がこれから通過する判定エリアの路面状態が、ＤＲＹ，ＷＥＴ，ＳＮＯＷ，ＩＣＥのいずれかと判定する。
ステップＳ３３では、抽出した路面状態と図７に示す表から路面μを推定する。推定内容については実施例１と同じであるため省略する。

すなわち、実施例１では、車両前方の撮像画像における全ての路面状態を判定するため、判定のための演算負荷が大きい。これに対し、実施例２では、自車の予測経路に該当する判定エリアの路面状態のみ判定し、それを用いて路面μを推定するため、演算負荷を軽減できる。

以上説明したように、実施例２では、下記の作用効果を奏する。
（３）コントローラ２０は、カメラ５により取得された車両前方画像のうち、予測された進路が通過する判定エリアを抽出し、該判定エリアの路面状態を判定することとした。
よって、路面状態を判定する際の演算負荷を軽減でき、素早い路面μ推定を実現できる。

〔他の実施例〕
以上、本発明を実施例に基づいて説明したが、具体的な構成は他の構成であっても良い。実施例１では、後輪駆動ベースの四輪駆動車両に適用した例を示したが、前輪駆動ベースの四輪駆動車両に適用してもよい。
また、実施例１では、駆動力配分制御を行う際に使用する路面μを推定したが、自動運転制御や、ABS，VDCといった制御に推定された路面μを使用してもよい。
また、実施例では、アッカーマン理論に基づいて予測進路を計算したが、ナビゲーションシステムに目的地が設定されている場合には、ナビゲーションシステムから予測進路情報を受け取ってもよい。
また、実施例では、紫外線画像、赤外線画像、温度分布画像を撮像可能なカメラ５の画像から路面状態を判定したが、これに限らず、レーザーやミリ波等の各種レーダーにより路面状態を判定するようにしてもよい。
また、実施例２では、各輪の予測経路と路面状態判定ラインとの交点の判定エリアの路面状態を判定したが、交点を含む判定エリアに限らず、左右前輪の中点と路面状態判定ラインとの交点を含む判定エリアの路面状態についても判定し、これらの中で最も低い路面μを採用することとしてもよい。

Claims

自車両に搭載されたカメラの取得情報に基づいて路面摩擦係数を判定するときに、
前記自車両の位置よりも所定距離だけ前方に、前記自車両の幅方向と平行に路面状態判定ラインを設定し、
前記自車両の各輪の進路を予測し、
前記カメラにより取得された自車両前方画像のうち、前記予測された各輪の進路と前記路面状態判定ラインとが交わる点が属する判定エリアを抽出し、該判定エリアの路面状態を判定し、前記判定した路面状態に対応した路面摩擦係数を求めることを特徴とする路面状態判定方法。
自車両に搭載されたカメラと、
前記自車両の各輪の進路を予測する予測部と、
前記自車両の位置よりも所定距離だけ前方に、前記自車両の幅方向と平行に路面状態判定ラインを設定し、前記カメラにより取得された自車両前方画像のうち、前記予測された各輪の進路と前記路面状態判定ラインとが交わる点が属する判定エリアを抽出し、該判定エリアの路面状態を判定し、前記判定した路面状態に対応した路面摩擦係数を求める判定部と、
を備えたことを特徴とする路面状態判定装置。