JP6939759B2 - 車両状態推定装置 - Google Patents

Description

本発明は、車両状態推定装置に係り、特に、走行路と横滑りを含む車両の平面運動の関係に基づき、車両の横速度を推定する車両状態推定装置に関する。

車両の挙動、特に車両のコーナリング時の挙動における重要な要素として、車両横速度（以下、「横速度」と略記）がある。車体の横方向の運動が計測可能になる事により、例えば車両の自己位置推定が高精度に行えるようになる。従って、高精度な自己位置推定により、車両の運動を計測する他の各種センサの正確な補正も可能となる。また、車両運動モデルをオンラインで補正する事が可能になり、車両運動モデルによって算出される車両制御パラメータのオンラインチューニングにも活用できる。

横速度の測定には、走行中の車両からレーザ光を路面に照射し、路面で反射されたレーザ光を受信して横速度を検出する対地車速計が用いられてきたが、対地車速計は、量産車両に車載されていないため、車両運動モデルを用いた推定手法が提案されている。

特許文献１には、車両の状態方程式を使用して横速度を算出する車両物理量推定装置の発明が開示されている。

特開２０１０−２７４７０１号公報

しかしながら、特許文献１に記載の発明は、車両の状態方程式を使用するので、環境に応じたパラメータの設定が必要であり、パラメータの設定が適切でない場合は、誤差が生じるおそれがある。

本発明は、上記問題に鑑みてなされたものであり、既存の状態方程式に依存せずに、撮像装置が取得した画像及び車速から車両の横速度を算出可能な車両状態推定装置を実現することを目的とする。

上記目的を達成するために、請求項１に記載の車両状態推定装置は、 車両周辺の画像情報を取得する撮像装置と、前記撮像装置が取得した画像情報から、目標経路と車両との横位置偏差、前記目標経路と車両のヨー角偏差、及び前記目標経路の曲率を算出する画像情報処理部と、前記目標経路上を前記車両が横滑りなしの状態で走行した場合の位置である目標点の移動と、横滑りを含む前記車両の運動と、の関係を表す式を用いて、前記横位置偏差、前記ヨー角偏差、前記曲率、及び車速センサから得られる車両前後速度を含む実測値から、前記車両のヨーレートを推定する演算部と、を含んでいる。

また、請求項２に記載の車両状態推定装置は、請求項１に記載の車両状態推定装置において、前記演算部は、更に、前記車両の横速度を推定し、前記関係を表す式は、前記目標点の移動速度の、車両前後方向に対する垂直成分から、前記横位置偏差の変化量と、前記車両のヨー運動に伴う車両重心位置に対する前記撮像装置の横速度とを減算した結果と、前記車両の横速度とが等しい関係を表す式を含む。

また、請求項３に記載の車両状態推定装置は、請求項１又は２記載の車両状態推定装置において、前記関係を表す式は、前記目標点の移動速度と前記曲率との積から、前記ヨー角偏差の変化量を減算した結果と、前記車両のヨーレートとが等しい関係を表す式を含む。

請求項４に記載の車両状態推定装置は、請求項１〜請求項３の何れか１項記載の車両状態推定装置において、前記関係を表す式は、前記車両前後速度から、前記車両のヨーレートと前記横位置偏差との積を減算したものを、前記ヨー角偏差を用いて補正した結果と、前記目標点の移動速度とが等しい関係を表す式を含む。

また、請求項５に記載の車両状態推定装置は、請求項１〜請求項４の何れか１項記載の車両状態推定装置において、前記演算部は、前記関係を表す式に基づいて、前回推定された、前記車両のヨーレートを含む前記車両の状態量から、次時刻の前記車両の状態量を予測する予測部と、予め定められた観測方程式を用いて算出される、前記予測された次時刻の前記車両の状態量に対応する、前記横位置偏差、前記ヨー角偏差、前記曲率、及び車両前後速度と、それぞれの前記実測値との差分、及び前回推定された前記車両の状態量に基づいて、前記予測部で予測された前記車両の状態量を補正する更新部と、を含む。

本発明によれば、既存の状態方程式に依存せずに、撮像装置が取得した画像及び車速から車両の横速度を算出可能な車両状態推定装置を実現することができるという効果を奏する。

本発明の実施の形態に係る車両状態推定装置の構成の一例を示すブロック図である。 本発明の実施の形態における座標系を示した概略図である。 撮像装置の位置、車両の重心、横位置偏差及びヨー角偏差の関係の一例を示した説明図である。 横滑りを含む車両の運動と目標経路との関係を示した説明図である。 本発明の実施の形態に係る車両状態推定装置の演算装置の機能ブロック図の一例である。 事前推定部の機能ブロック図の一例である。 フィルタリング部の機能ブロック図の一例である。

[第1の実施の形態]
以下、図面を参照して本発明の第１の実施の形態を詳細に説明する。図１に示すように、本実施の形態に係る車両状態推定装置１０は、後述する演算装置１４の演算に必要なデータ及び演算装置１４による演算結果を記憶する記憶装置１８と、撮像装置２２が取得した画像情報から目標経路と車両との横位置偏差、車両のヨー角偏差及び目標経路の曲率を算出する画像情報処理部２０と、画像情報処理部２０が算出した横位置偏差、ヨー角偏差、曲率、車速センサ（図示せず）が検出した車両前後速度及び慣性センサ（図示せず）が検出したヨーレートが入力される入力装置１２と、入力装置１２から入力された入力データ及び記憶装置１８に記憶されたデータに基づいて車両の横速度の演算を行なうコンピュータ等で構成された演算装置１４と、演算装置１４で演算された横速度を表示するＣＲＴ又はＬＣＤ等で構成された表示装置１６と、で構成されている。

続いて、車両２００の挙動に係る座標系を図２に示したように定義する。地球座標系２０４は地球平面を基準として重力加速度方向とｚ_eとが平行で、ｙ_eが北方向を向いている座標系である。路面座標系２０６は、ｚ_rが車両２００の重心を通り路面に垂直な方向に向き、ｘ_rは車両進行方向に向いている座標系である。車両座標系２０８は車体バネ上に固定された座標系で、ｚ_vは車体鉛直上方向、ｘ_vは車体進行方向を向いている。

本実施の形態は、撮像装置２２で取得した画像情報を用いて車両２００の横速度を算出する。本実施の形態では横速度の算出に際して、図３にあるように、目標点Ｐ_tにおける目標経路２２０である走行車線の曲率ρに加え、センサ位置Ｐ_sを基準とした目標点Ｐ_tに対する横位置偏差ｅ₁とヨー角偏差ｅ₂とを想定する。なお、センサ位置Ｐ_sは車両重心Ｐ_rから車両２００の前方方向に距離（車両重心Ｐ_rとセンサ位置Ｐ_sとのオフセット距離）ｌ_sで隔てられた位置にあり、車載カメラ等の撮像装置２２が設けられている。図３に示したように、センサ位置Ｐ_sを基準とした車両２００の進行方向の移動量はｘ_Sであり、センサ位置Ｐ_sを基準とした車両２００の横方向の移動量はｙ_sである。

次に、車両２００の横速度を推定する際に用いる、横滑りを含む車両２００の運動と目標経路２２０との関係を図４に示す。一般に車両２００は路面に対して横滑りをしており、横速度を有する運動を伴っている。車両２００の挙動に対し、走行車線上の目標位置Ｐ_tは前後方向の速度のみを有し、横速度を有さない運動をしている。この特徴を利用し、車両２００の運動と目標位置Ｐ_tの運動との差分を導出する事で、車両２００の横速度を推定するのに必要な条件式を導出する事が可能になる。

本実施の形態では、図３、４のように各変数を設定する。目標経路２２０上の目標位置Ｐ_tは、接線方向の速度成分Ｕ_tのみを持つとして、目標位置Ｐ_tの速度ベクトルをＶ_t=[Ｕ_t ０]^T、目標位置Ｐ_tをＰ_t=[ｘ_t ｙ_t ]^T、地球座標系のx軸方向に対する接線方向のヨー角をψ_tと定義する。さらに車両２００は前後方向のみならず横速度を有するとして（車体スリップ角を有する）、路面座標系２０６の原点をＰ_r=[ｘ_r ｙ_r ]^T、ヨー角をψ_r、車両２００の各軸方向の速度成分を図４に示したように、ν_r=[Ｕ_r Ｖ_r ]^Tとする。本実施の形態では、後に車両座標系２０８を基準に計測されたセンサ情報との関係を容易にするため、偏差の基準座標系を路面座標系２０６とし、ヨー角偏差としてψ_e=ψ_t−ψ_rを定義する。

路面座標系２０６から見た目標位置Ｐ_tの偏差ベクトルをＰ_e=[ｘ_e ｙ_e ]とすると、当該偏差ベクトルＰ_eの微分は下記の２式で表される。

車載カメラ等の撮像装置２２が取得した車両２００周辺の画像情報を、画像情報処理部２０において既知の手法によって画像解析することにより、目標点Ｐ_tにおける走行車線の曲率ρに加え、センサ位置Ｐ_sを基準とした目標点Ｐ_tに対する横位置偏差ｅ₁とヨー角偏差ｅ₂とが抽出される。撮像装置２２はセンサの一種であるから、当該撮像装置２２で取得した画像情報から抽出した曲率ρ、横位置偏差ｅ₁及びヨー角偏差ｅ₂をセンサで取得されるセンサ情報とする。さらに、車速センサで検出する車両２００の前後速度Ｕ_r（以下、「車両前後速度Ｕ_r」と略記）、及び慣性センサで検出する車両２００のヨーレートＲ_rをセンサ情報として、上記式を変形すると、下記の３式が得られる。

さらに車体の横速度Ｖ_rとヨーレートＲ_rとについて上記３式を整理すると、下記の式（１）、（２）、（３）が得られる。

上記式（１）は、車両２００の横速度Ｖ_rは、車両前後速度Ｕ_rの目標経路２２０に対する垂直成分、言い換えれば、車両前後速度Ｕ_rの車両座標系２０８のｙ座標成分であるＵ_tsinｅ₂から、目標経路との横位置偏差ｅ₁の変化量（ｅ₁の微分値）と、車両２００のヨー運動に伴う車両重心位置Ｐ_rに対する撮像装置２２の横速度Ｒ_rｌ_sを引いたものと一致することを示している。なお、上記式（１）は、目標点の移動速度の、車両前後方向に対する垂直成分から、横位置偏差の変化量と、車両のヨー運動に伴う車両重心位置に対する撮像装置の横速度とを減算した結果と、車両の横速度とが等しい関係を表す式の一例である。

上記式（２）は、車両２００のヨーレートＲ_rは、目標点Ｐ_tの移動速度Ｕ_tと曲率ρとの積であり、目標経路２２０上の目標点Ｐ_tの接線方向の変化率ρＵ_tから、接線方向と車両進行方向とのヨー角偏差ｅ₂の変化量（ｅ₂の微分値）を引いたものと一致することを示している。なお、上記式（２）は、目標点の移動速度と曲率との積から、ヨー角偏差の変化量を減算した結果と、車両のヨーレートとが等しい関係を表す式の一例である。

上記式（３）は、目標経路２２０上の目標点Ｐ_tの移動速度Ｕ_tは、車両前後速度Ｕ_rから車両２００のヨーレートＲ_rと横位置偏差ｅ₁を乗算したＲ_rｅ₁を減算することで旋回半径の補正を行い、さらにそれをヨー角偏差ｅ₂の余弦cosｅ₂で除算することで求められることを示している。なお、上記式（３）は、車両前後速度から、車両ヨーレートと横位置偏差との積を減算したものを、ヨー角偏差を用いて補正した結果と、目標点の移動速度とが等しい関係を表す式の一例である。

上記式（１）〜（３）を用いて、撮像装置２２、慣性センサ及び車速センサによって取得されたデータに対して最もよくあてはまる未知変数を推定することにより、車両２００の横速度Ｖ_rの推定が可能になる。

上記式（１）〜（３）はいずれも運動の近似をしておらず、非線形な形を取っているが、上記式（１）〜（３）を直接用いて非線形カルマンフィルタに適用することにより、車両２００が目標経路２２０から大きく逸脱している場合でも正確な推定が可能となる。また、状態変数に関して局所線形化する事により、拡張カルマンフィルタを適用してもよい。

本実施の形態では、目標経路２２０と車両２００の運動との関係を用いて、状態方程式ｆ（ｘ）を定義し、演算装置１４における事前推定とフィルタリングのステップとで活用する。事前推定及びフィルタリングのステップの詳細については、後述する。

まず、撮像装置２２より得られる目標経路２２０に対する横位置偏差ｅ₁、ヨー角偏差ｅ₂及び目標経路２２０の曲率ρの情報を用いて、車両２００のヨーレートＲ_rを推定する場合の状態方程式ｆ（ｘ）は、以下のように定義する。

かかる場合の状態方程式ｆ（ｘ）は、下記のような、時間ｔにおける状態量ｘ（ｔ）に対して、下記の式（４）の関係が成り立つ。

上記の状態量ｘ（ｔ）に対して、上記式（４）の関係が成り立つ状態方程式ｆ（ｘ）を下記のように立式する。

式（５）は、目標経路２２０と車両２００との運動の関係を示した微分方程式である。

また、本実施の形態では、各状態に対するシステムノイズを下記のように定義する。

次に観測量を下記のように定義する。

ｙ=ｈ（ｘ）を満たす観測方程式ｈ（ｘ）は、下記の各式のように、状態量（右辺）と観測量（左辺）との対応を定義したものである。

ただし、各観測量に対する観測ノイズを下記のように定義する。

カルマンフィルタでは、式（５）を含む状態方程式ｆ（ｘ）の各々を離散化して使用する。従って、関数ｆ（ｘ）の入出力関係を、時間ｔ＝ｋ、ｋ−１に対して、ｘ（ｋ）＝ｆ（ｘ（ｋ−１））となる形で使用する。

図５は、本実施の形態に係る車両状態推定装置１０の演算装置１４の機能ブロック図の一例である。図５に示したように、演算装置１４は、状態方程式ｆ（ｘ）を用いて、目標経路２２０である走行車線と横滑りを含む車両２００の平面運動との関係に基づく状態の推定を行うと共に、観測方程式ｈ（ｘ）を用いて、対応するセンサ情報を推定する事前推定部１０２と、事前推定部１０２が出力した事前推定値を、センサ情報を用いて補正するフィルタリング部１０４と、を含む。

カルマンフィルタは線形・非線形を含め種々の手法が提案されている。本実施の形態では、前述のように状態方程式ｆ（ｘ）が非線形である事を踏まえ、非線形カルマンフィルタを活用する例を示す。中でも状態方程式ｆ（ｘ）についての線形化を要さず、かつ計算負荷が比較的小さいアンセンティッドカルマンフィルタを一例として採用する。状態方程式ｆ（ｘ）が線形の場合は、線形カルマンフィルタを用いてもよいし、アンセンティッドカルマンフィルタ以外の非線形カルマンフィルタを用いてもよい。

図６は、事前推定部１０２の機能ブロック図の一例である。図６に示したように、事前推定部１０２は、第１アンセンティッド変換部１０２Ａと第２アンセンティッド変換部１０２Ｂとを含む。

第１アンセンティッド変換部１０２Ａは、状態方程式ｆ（ｘ）に基づいて状態量を更新する1回目のアンセンティッド変換(Unscented transfer)を行って、ｘの平均及びｘの共分散行列を出力する。

第２アンセンティッド変換部１０２Ｂは、第１アンセンティッド変換部１０２Ａが出力した状態量ｘの平均及び状態量ｘの共分散行列を用いて、観測方程式ｈ（ｘ）に従って、対応する観測量に変換する２回目のアンセンティッド変換を行う。

なお、アンセンティッド変換の目的は、ある非線形関数ｙ＝ｆ（ｘ）による変換において、下記の観測量ｙの平均及び共分散行列を精度よく求めることにある。

従って、本実施の形態は、平均値と標準偏差とに対応する2n+1個のサンプル(シグマポイント）を用いて、確率密度関数を近似することを特徴とする。

図６に示したように、第１アンセンティッド変換部１０２Ａは、シグマポイント重み係数部１０２Ａ１と、関数変換部１０２Ａ２と、Ｕ変換部１０２Ａ３と、を含む。また、第２アンセンティッド変換部１０２Ｂは、シグマポイント重み係数部１０２Ｂ１と、関数変換部１０２Ｂ２と、Ｕ変換部１０２Ｂ３と、を含む。

第１アンセンティッド変換部１０２Ａのシグマポイント重み係数部１０２Ａ１及び第２アンセンティッド変換部１０２Ｂのシグマポイント重み係数部１０２Ｂ１では、シグマポイントＸ_i：ｉ＝０、１、２、…２ｎが、下記のように選択される。

ただし、スケーリングファクタκは、κ≧０となるように選択する。また、シグマポイントに対する重みは下記のように定義する。

第１アンセンティッド変換部１０２Ａの関数変換部１０２Ａ２における、非線形関数ｆ（ｘ）による各シグマポイントの変換は下記のようになる。下記は、第１アンセンティッド変換部１０２Ａの関数変換部１０２Ａ２での状態方程式ｆ（ｘ）による変換だが、第２アンセンティッド変換部１０２Ｂの関数変換部１０２Ｂ２での観測方程式ｈ（ｘ）を用いた変換では、観測値が得られる。

第１アンセンティッド変換部１０２ＡのＵ変換部１０２Ａ３では、関数ｆ（ｘ）によって変換された値と、前述の重み係数とを用いて、下記のように状態量ｘの平均値と状態量ｘの共分散行列を算出する。なお、下記式中のＱ_nはシステムノイズである。

第２アンセンティッド変換部１０２ＢのＵ変換部１０２Ｂ３では、下記の計算を行う。

図７は、フィルタリング部１０４の機能ブロック図の一例である。フィルタリング部１０４では、Ｕ変換部１０２Ｂ３で計算された、状態量の事前予測値に対応する観測値と、実際に観測された観測値との差を比較し、状態量の予測値を補正する処理を行う。

状態量の予測値を実際に観測された値でフィードバックする処理はカルマンゲイン(Kalman Gain)と呼ばれ、次式で計算される。なお、次式のＲ_nは観測ノイズである。

次に、このカルマンゲインを用いて、状態量の事前予測値を補正する処理を次のように行う。

以上の事前推定部１０２及びフィルタリング部１０４の処理を各タイムステップごとに繰り返すことにより、車両２００のヨーレートＲ_rを推定する。

車両２００のヨーレートＲ_rを推定する場合、フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力し、上述のように２段階のアンセンティッド変換を行って状態量の事前予測値及び対応する観測値を計算する。計算した状態量の予測値は、フィルタリング部１０４でカルマンゲイン及び実際に観測された最新の観測値を用いて補正される。フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）は、記憶装置１８に一時的にホールドし、記憶装置１８にホールドしたｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力する。

この状態量の事前予測値の計算と実際に観測された最新の値での補正を繰り返すことにより、車両の横速度Ｖ_r及び車両２００のヨーレートＲ_rを精度よく推定できる。本実施の形態に係る車両状態推定装置は、既存の状態方程式に依存せず、かつ車両２００の運動について近似をしていないので、車両２００が目標経路２２０から大きく逸脱した場合でも正確にヨーレートＲ_rの推定が可能となる。

以上説明したように、本実施の形態に係る車両状態推定装置によれば、既存の状態方程式に依存せずに、撮像装置２２の映像及び車速から車両２００のヨーレートＲ_rを算出できる。

[第２の実施の形態]
続いて本発明の第２の実施の形態について説明する。本実施の形態では、車両２００の横速度Ｕ_rを算出するが、使用する状態方程式ｆ（ｘ）が第１の実施の形態と相違するものの、車両状態推定装置１０の構成は、第１の実施の形態と同一なので、詳細な説明は省略する。

まず、撮像装置２２より得られる目標経路２２０に対する横位置偏差ｅ₁、ヨー角偏差ｅ₂及び目標経路２２０の曲率ρの情報を用いて、車両２００の横速度Ｕ_rを推定する場合の状態方程式ｆ（ｘ）を定義する。

かかる場合の状態方程式ｆ（ｘ）は、下記のような、時間ｔにおける状態量ｘ（ｔ）に対して、下記の式（４）の関係が成り立つ。

上記の状態量ｘ（ｔ）に対して、上記の式（４）の関係が成り立つ状態方程式ｆ（ｘ）を下記のように立式する。

式（６）、（７）は、目標経路２２０と車両２００との運動の関係を示す式を用いて定義される微分方程式である。

また、本実施の形態では、各状態に対するシステムノイズを下記のように定義する。

次に観測量を第１の実施の形態と同様に定義する。

ｙ=ｈ（ｘ）を満たす観測方程式ｈ（ｘ）は、第１の実施の形態と同様に、下記の各式のように、状態量（右辺）と観測量（左辺）との対応を定義したものである。

ただし、各観測量に対する観測ノイズを下記のように定義する。

本実施の形態では、上記のｆ（ｘ）の入出力関係を、第１の実施の形態と同様に、時間ｔ＝ｋ、ｋ−１に対して、ｘ（ｋ）＝ｆ（ｘ（ｋ−１））となる形で使用する。以下、第１の実施の形態と同様に、事前推定部１０２及びフィルタリング部１０４の処理を各タイムステップごとに繰り返すことにより、車両２００の横速度Ｕ_rを推定する。

車両２００の横速度Ｖ_rを推定する場合も、フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力し、上述のように２段階のアンセンティッド変換を行って状態量の事前予測値及び対応する観測値を計算する。計算した状態量の予測値は、フィルタリング部１０４でカルマンゲイン及び実際に観測された最新の観測値で補正される。フィルタリング部１０４が出力したｘ（ｋ）、Ｐ_x（ｋ）は、記憶装置１８に一時的にホールドし、記憶装置１８にホールドしたｘ（ｋ）、Ｐ_x（ｋ）を前回値として事前推定部１０２に入力する。

この状態量の事前予測値の計算と実際に観測された最新の値での補正を繰り返すことにより、車両２００の横速度Ｖ_rを精度よく推定できる。本実施の形態に係る車両状態推定装置は、既存の状態方程式に依存せず、かつ車両２００の運動について近似をしていないので、車両２００が目標経路２２０から大きく逸脱した場合でも正確に横速度Ｖ_rの推定が可能となる。

以上説明したように、本実施の形態に係る車両状態推定装置によれば、既存の状態方程式に依存せずに、撮像装置２２の映像及び車速から車両２００の横速度Ｖ_rを算出できる。

１０ 車両状態推定装置
１２ 入力装置
１４ 演算装置
１６ 表示装置
１８ 記憶装置
２０ 画像情報処理部
２２ 撮像装置
１０２ 事前推定部
１０２Ａ 第１アンセンティッド変換部
１０２Ａ１ シグマポイント重み係数部
１０２Ａ２ 関数変換部
１０２Ａ３ Ｕ変換部
１０２Ｂ 第２アンセンティッド変換部
１０２Ｂ１ シグマポイント重み係数部
１０２Ｂ２ 関数変換部
１０２Ｂ３ Ｕ変換部
１０４ フィルタリング部
２００ 車両
２０４ 地球座標系
２０６ 路面座標系
２０８ 車両座標系
２２０ 目標経路

Claims (5)

1. 車両周辺の画像情報を取得する撮像装置と、
   前記撮像装置が取得した画像情報から、目標経路と車両との横位置偏差、前記目標経路と車両のヨー角偏差、及び前記目標経路の曲率を算出する画像情報処理部と、
   前記目標経路上を前記車両が横滑りなしの状態で走行した場合の位置である目標点の移動と、横滑りを含む前記車両の運動と、の関係を表す式を用いて、前記横位置偏差、前記ヨー角偏差、前記曲率、及び車速センサから得られる車両前後速度を含む実測値から、前記車両のヨーレートを推定する演算部と、
   を含む車両状態推定装置。
2. 前記演算部は、更に、前記車両の横速度を推定し、
   前記関係を表す式は、前記目標点の移動速度の、車両前後方向に対する垂直成分から、前記横位置偏差の変化量と、前記車両のヨー運動に伴う車両重心位置に対する前記撮像装置の横速度とを減算した結果と、前記車両の横速度とが等しい関係を表す式を含む請求項１に記載の車両状態推定装置。
3. 前記関係を表す式は、前記目標点の移動速度と前記曲率との積から、前記ヨー角偏差の変化量を減算した結果と、前記車両のヨーレートとが等しい関係を表す式を含む請求項１又は２記載の車両状態推定装置。
4. 前記関係を表す式は、前記車両前後速度から、前記車両のヨーレートと前記横位置偏差との積を減算したものを、前記ヨー角偏差を用いて補正した結果と、前記目標点の移動速度とが等しい関係を表す式を含む請求項１〜請求項３の何れか１項記載の車両状態推定装置。
5. 前記演算部は、前記関係を表す式に基づいて、前回推定された、前記車両のヨーレートを含む前記車両の状態量から、次時刻の前記車両の状態量を予測する予測部と、
   予め定められた観測方程式を用いて算出される、前記予測された次時刻の前記車両の状態量に対応する、前記横位置偏差、前記ヨー角偏差、前記曲率、及び車両前後速度と、それぞれの前記実測値との差分、及び前回推定された前記車両の状態量に基づいて、前記予測部で予測された前記車両の状態量を補正する更新部と、
   を含む請求項１〜請求項４の何れか１項記載の車両状態推定装置。
   

Images