JP7360976B2 - センサ誤差補正装置 - Google Patents

Description

本発明は、センサ誤差補正装置に係り、特に、操舵角センサで検出する操舵角のゼロ点誤差を推定するセンサ誤差補正装置に関する。

従来操舵角の値は、アンチスリップ機能やパワーステアリングなど、操舵角の微小量が必要のないシステムで使われてきた。しかしながら、自動運転等の先進安全機能では、路面傾斜による影響を加味した微小量を計測し精度のよい制御をする必要がある。

特許文献１には、加速度センサ、ヨーレートセンサ、操舵角センサに加え、スリップ角センサとセルフアライニングトルクセンサを用いて操舵角ゼロ点を補正する補正装置の発明が開示されている。

特許文献２には、車速によって変化するゲインを用いて、操舵角をヨーレートに変換して規範ヨーレートを算出し、規範ヨーレートの値とヨーレートセンサの値とを比較して操舵角のゼロ点を補正する操舵角センサのゼロ点ずれ量算出装置の発明が開示されている。

国際公開２０１０／１４０２３４号 特開２０１０－１２０４５０号公報

しかしながら、特許文献１に記載の発明は、量産車両に搭載されないようなスリップ角センサとセルフアライニングトルクセンサとを用いる必要があるため、現状の量産車両に適用することが困難であるという問題があった。さらに、特許文献１に記載の発明は、路面カント角の影響を考慮した運動方程式を利用し、推定精度を向上させているが、路面のピッチ角（前後勾配）は考慮しておらず、車両の自動運転時には、操舵角ゼロ点の補正精度が悪化するおそれがあった。

特許文献２に記載の発明は、操舵角をヨーレートに変換するゲインに路面勾配が考慮されておらず、傾斜のある路面では精度が劣化するおそれがあった。さらに特許文献２に記載の発明は、操舵角をヨーレートに変換するゲインは一般的に誤差を含んでおり、ヨーレートの値が大きい場合に当該誤差が顕著になりやすく、その結果、操舵角センサの誤差補正の精度が低下するという問題があった。

本発明は、上記問題に鑑みてなされたものであり、操舵角のゼロ点誤差を精度よく推定できるセンサ誤差補正装置を実現することを目的とする。

第１の態様に係るセンサ誤差補正装置は、走行時の車両の挙動を示す角速度を検出可能な慣性計測装置と、前記車両の前後速度を検出する車速検出部と、前記車両の操舵角を検出する操舵角検出部と、前記慣性計測装置が検出した前記角速度から算出した前記車両の姿勢角、前記操舵角検出部が検出した前記操舵角、及び前記車速検出部が検出した前後速度に基づいて算出した車体ヨーレート値と、前記慣性計測装置が検出した前記角速度に含まれる慣性計測ヨーレート値とを前記車両の挙動に応じて比較して前記操舵角検出部で検出する操舵角のゼロ点誤差を推定する誤差推定部と、を含んでいる。

第１の態様では、車両の姿勢角、車両の操舵角、及び車両の前後速度に基づいて算出した車体ヨーレート値と、慣性計測装置が検出した慣性計測ヨーレート値とを比較することにより、車体ヨーレート値に含まれる操舵角のゼロ点誤差を推定する。

第２の態様は、第１の態様において、前記慣性計測装置は、誤差補正済みの慣性計測ヨーレート値を出力し、前記誤差推定部は、前記車体ヨーレート値と前記誤差補正済みの慣性計測ヨーレート値とを比較して前記操舵角のゼロ点誤差を推定する。

これにより、近年、精度が向上した慣性計測装置が出力した慣性計測ヨーレート値を、誤差補正済みの値として扱う。

第３の態様は、第１の態様又は第２の態様において、前記誤差推定部は、前記車両の挙動に係る前記車体ヨーレート値が基準値以下の場合に前記操舵角のゼロ点誤差を推定し、前記車体ヨーレート値が前記基準値を超える場合は前記操舵角のゼロ点誤差を推定しない。

これにより、ヨーレートに生じ得るスケールファクタ誤差の影響を抑制する

第４の態様は、前記誤差推定部は、前記慣性計測装置が検出した前記角速度から算出した前記車両の姿勢角、前記操舵角検出部が検出した前記操舵角、及び前記車速検出部が検出した前後速度に基づいて推定した前記車両の横速度から前記車体ヨーレート値を算出する。

これにより、車両の運動において車両の横速度と車体ヨーレート値とは密接不可分な関係にあることに基づいて、車両の横速度から車体ヨーレート値を算出することができる。

第５の態様は、前記誤差推定部は、前記車体ヨーレート値、前記車両の横速度、及び前記操舵角検出部で検出する操舵角のゼロ点誤差を含む状態量の予測値を算出し、前記慣性計測装置が検出する慣性計測ヨーレート値の観測値に対する観測方程式を用いて、前記状態量の予測値から、前記慣性計測装置が検出した観測値の予測値を算出する事前推定部と、前記慣性計測装置が検出して出力した前記観測値と、前記事前推定部が算出した前記観測値の予測値との差分に基づいて、前記事前推定部によって算出した前記状態量の予測値を補正する状態推定部と、を含んでいる。

第６の態様は、前記事前推定部は、更に、前記慣性計測ヨーレート値が基準値以下の場合、又は前記前後速度が基準値を超える場合に、前記操舵角のゼロ点誤差を用いて表されるシステムノイズを小さくして前記状態量の共分散行列を更新し、前記慣性計測ヨーレート値が前記基準値を超える場合、又は前記前後速度が基準値以下の場合に、前記システムノイズを大きくして前記状態量の共分散行列を更新し、前記状態推定部は、前記慣性計測装置が検出して出力した前記観測値と、前記事前推定部が算出した前記観測値の予測値との差分、及び前記状態量の共分散行列に基づいて、前記事前推定部によって算出した前記状態量の予測値を補正する。

本発明によれば、操舵角のゼロ点誤差を精度よく推定することができるという効果を奏する。

本発明の実施形態に係るセンサ誤差補正装置の一例を示したブロック図である。 本発明の実施形態における座標系を示した概略図である。 本発明の実施形態における変数の一例を示した説明図である。 線形カルマンフィルタを用いたアルゴリズムの入出力関係の一例を示したブロック図である。 車両の重心における前後速度及び横速度、後輪車軸中心における前後速度及び横速度、前輪実舵角、重心から前輪車軸中心までの距離、重心から後輪車軸中心までの距離の関係を示した説明図である。

以下、図面を参照して本発明の実施形態を詳細に説明する。図１に示すように、本実施形態に係るセンサ誤差補正装置１０は、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、車速センサ２４が検出した車両前後速度、ＩＭＵ２６が検出した車両の姿勢角の角速度及び加速度、並びに操舵角センサ２８が検出した車両の操舵角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位置の推定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で演算された車両の位置等を表示する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。車体座標系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。従って、車両２００の前後方向は、車体座標系２０８のｘ軸に平行な方向となる。後述するように、本実施形態では、車体座標系２０８の基準点を車両２００の重心ではなく、車両２００の後輪の車軸の車幅方向の中心とする。また、本実施形態では、車体座標系２０８を使用し、地球座標系２０４は使用しない。

また、オイラー姿勢角であるロール角φ、ピッチ角θ及びヨー角ψは、地球座標系２０４に対して、図２に示したように定義される。例えば、ロール角φはｘ軸まわりの回転角であり、ピッチ角θは、y軸まわりの回転角であり、ヨー角ψは、z軸まわりの回転角である。また、ロール角φ、ピッチ角θ及びヨー角ψの各々は、右ネジの方向（図２では、各々の矢印方向）の回転で正の値を示す。本実施形態では、便宜上、後述するヨー角偏差は基準座標系を路面座標系２０６とし、さらに、本来は地球座標系２０４に対して定義されるオイラー姿勢角を、車体座標系２０８に対して、ロール角φ_v、ピッチ角θ_v及びヨー角ψ_vと定義する。以後、単に、ロール角φ、ピッチ角θ及びヨー角ψと記した場合は、基本的に、車体座標系２０８に対して定義された姿勢角であるとする。

図３は、本実施形態における変数の一例を示した説明図である。本実施形態では、車両２００の前後速度Ｕ、車両２００の横速度Ｖ及び車両２００の上下速度Ｗの各々を定義する。Ｕはｘ軸、Ｖはｙ軸及びＷはｚ軸に各々平行する。

また、車両２００のロール角φ、ピッチ角θ、ヨー角ψに対応するＩＭＵ２６の出力値は、角速度であるロールレートＰ、ピッチレートＱ、ヨーレートＲと定義する。

従来はＩＭＵ２６、ジャイロセンサ等の精度が不十分であったこともあり、ヨーレートＲの推定にも車両運動モデルを活用していた。しかし近年、安価なＩＭＵ２６に用いられるＭＥＭＳジャイロの精度が向上している。本実施形態では、ＩＭＵ２６が検出したヨーレートＲ_sの値を誤差補正済みのヨーレートの値として使用する。

また、本実施形態では、ＩＭＵ２６が出力したロールレートＰ及びピッチレートＱに基づいて、車両２００のロール角φ及びピッチ角θの各々を検出し、後述する車両２００の運動モデルに適用する。

以下に、操舵角センサ２８のゼロ点誤差を推定する原理について説明する。

まず、図４は、線形カルマンフィルタを用いたアルゴリズムの入出力関係の一例を示したブロック図である。線形カルマンフィルタには、操舵角センサ２８が検出した操舵角、ＩＭＵ２６が検出したヨーレート、車速センサ２４が検出した車速、並びにＩＭＵ２６によって検出した車両２００の姿勢角であるロール角及びピッチ角に基づいて、操舵角センサ２８のゼロ点誤差を推定する。

本実施形態では、車両２００のロール角φ及びピッチ角θが車両運動に及ぼす影響を加味した車両運動モデルに、操舵角センサ２８が検出した操舵角、車速センサ２４が検出した車速、並びに車両２００の姿勢角の各々を適用して算出されたヨーレートの値と、ＩＭＵ２６で検出したヨーレートの値との比較に基づいて操舵角のゼロ点誤差を推定する。操舵角のゼロ点誤差推定は、車両２００のヨーレートが小さい場合に行うことにより、ＩＭＵ２６で検出したヨーレート及び車両運動モデルで算出されたヨーレートの各々に生じ得るスケールファクタ誤差の影響を抑制する。

本実施形態における車両２００のロール角φ及びピッチ角θが車両運動に及ぼす影響を加味した車両運動モデルは、座標原点を後輪車軸を中心とした２輪モデルの運動方程式を導出する。車両２００の運動を考える場合、車両２００の重心を中心とした運動が想定しやすい。従って、本実施形態では、最初に車両２００の重心軸周りの運動を考え、次に車両２００の後輪軸中心を基準とした運動に変換する。

路面姿勢角のロール角をφ_r、ピッチ角をθ_rとすると、横方向の運動方程式は、次式によって表される。

上記の中のＦ_yはy軸方向に働く力であり、下記の式に示したように、前輪タイヤ横力Ｆ_fと後輪タイヤ横力Ｆ_rとの和で表される。

そして、前輪タイヤ横力Ｆ_f及び後輪タイヤ横力Ｆ_rは次式で表される。

上記式に関連して、図５に示した車両２００の重心ＣＧ周りの速度をv_c=(Ｕ_c、Ｖ_c、Ｗ_c)、ヨーレートをＲ_c、前輪実舵角をδ_w、重心ＣＧから前輪車軸中心２１０までの距離をｌ_f、重心ＣＧから後輪車軸中心２０２までの距離をｌ_r、前輪、後輪のコーナリングスティフネスを各々Ｋ_f、Ｋ_r、車両質量をｍとした。

上記運動方程式のＦ_yに前輪タイヤ横力Ｆ_f及び後輪タイヤ横力Ｆ_rを代入して整理すると横速度Ｖ_c、ヨーレートＲ_cの各々の運動方程式は下記のようになる。

上記の横速度Ｖ_cに係る運動方程式の最後の重力加速度gに関する項は、路面姿勢角による重力の影響を表す項である。路面姿勢角によって発生した横速度の前後バランスによってヨーレートが発生するので、ヨーレートＲ_cに係る運動方程式に重力加速度に関する項が含まれていなくても、ヨーレートＲ_cには間接的に重力加速度が影響する。

上記方程式を後輪車軸中心に変数変換をする上で３つの位置ベクトルを考える。地球座標系の原点から後輪車軸中心へのベクトルｒ_ew、地球座標系の原点から車両重心ＣＧへのベクトルｒ_ec、車両重心ＣＧから後輪車軸中心へのベクトルｒ_cwを考えると、次式のような関係が成立する。

上記式を時間微分すると、重心における回転角速度ω_cと後軸中心での回転角速度ω_vは同じであることから、dr/dt=δr/δt + ω × ｒの関係を用いて下記のように整理される。

図５に示したように、車両２００の後輪車軸中心２０２の前後速度をＵ_v、横速度をＶ_vとすると、以上の式より、Ｕ_v＝Ｕ_c及びＶ_v＝Ｖ_c -ｌ_rＲ_vとなる。これを横方向の運動方程式に用いると次式が誘導される。本実施形態では、次式に基づいてカルマンフィルタを構成するための状態方程式を立式する。

以下、本実施形態に係る状態方程式における状態量ｘを下記の通り定義する。

状態量ｘに含まれるδ_eは、操舵角のゼロ点誤差である。さらに状態遷移方程式の入力を下記のように定義する。

車両２００の車速である前後速度Ｕ_vと、車両２００の姿勢角（ロール角φ_r及びピッチ角θ_r）とを入力することで、車両横速度Ｖ_v及びヨーレートＲ_vについて車両運動モデルを線形化できる。本実施形態における状態方程式は下記のようになり、車両横速度Ｖ_vとヨーレートＲ_vとが密接不可分な関係にある。換言すれば、車両２００の姿勢角、前輪実舵角δ_w、及び車両２００の前後速度Ｕ_vに基づいて推定した車両２００の横速度Ｖ_vからヨーレートＲ_vを算出することも可能である。

上記の状態方程式の各々に含まれる誤差ｖの各々を対角成分とした誤差共分散行列Ｑ_nが定義される。Ｑ_nの各要素は、状態量ｘの各要素のシステムノイズである。

状態量ｘのうち、操舵角のゼロ点誤差δ_eは、白色ノイズによって駆動されるランダムウォークモデルとする。

状態方程式を線形モデルで記述する場合は、下記のようになる。Ａ行列は、状態量に基づく遷移行列を表しており、Ｂ行列は、入力による状態遷移の影響を考慮する行列である。

Ｑ_nのノイズをヨーレートＲ_vの大小で切り替えることにより、車両運動モデルのスケールファクタ誤差の影響を抑制できる。例えば、ヨーレートＲ_vが基準値（一例として２deg/sec）以下の際にシステムノイズを抑制して操舵角のゼロ点誤差δ_eの推定を進める。逆に、ヨーレートＲ_vが基準値を超える場合は、システムノイズを大きくして操舵角のゼロ点誤差δ_eの推定を進めないようにする。更に、Ｑ_nのノイズを車両２００の前後速度Ｕ_vの大小で切り替えてもよい。具体的には、車両２００の前後速度Ｕ_vが低い領域では、システムノイズを大きくして操舵角のゼロ点誤差δ_eの推定を進めないようにし、前後速度Ｕ_vが高い領域では、システムノイズを小さくして操舵角のゼロ点誤差δ_eの推定を進めるようにしてもよい。操舵角のゼロ点誤差δ_eの推定を行うか否かの、ヨーレートＲ_vの基準値、及び前後速度Ｕ_vの基準値は、車両２００の実車試験等を通じて具体的に決定する。

次にＩＭＵ２６による観測変数（観測量）を下記のように定義する。観測量は、ＩＭＵ２６が検出するヨーレートＲ_sのみである。

ｙ=Ｃｘを満たす観測方程式Ｃｘは、下記の式のように、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。本実施形態では、観測量は、ＩＭＵ２６が検出するヨーレートＲ_sのみなので、観測方程式は下記のようになり、状態量と観測量との関係を表すＣ行列は１変数のみで構成される。

上記式中のｗ_Rsは観測ノイズである。従って、観測方程式の誤差共分散行列は下記のように定義される。

以下、線形カルマンフィルタの演算方法について説明する。線形カルマンフィルタは、状態方程式に基づいて状態量を更新する予測ステップと、状態量の事前予測値に対応する観測量と、実際に観測された観測量との差を比較し、状態量の予測値を補正する処理を行うフィルタリングステップとによって構成されている。

下記の式（１）、（２）に示したように、予測ステップでは、時刻ｋ－１における状態量ｘ_k-1と状態量ｘ_k-1の共分散行列Ｐ_k-1との各々を、時刻ｋにおける状態量ｘ_kと状態量ｘ_kの共分散行列Ｐ_kとに各々更新する。式（１）中のｕ_kは、時刻ｋにおける状態遷移方程式の入力であり、車速センサ２４で検出した車両２００の前後速度Ｕ_v、操舵角センサ２８で検出した前輪実舵角δ_w、並びにＩＭＵ２６によって検出した車両２００のロール角φ_r及びピッチ角θ_rである。

フィルタリングステップでは、上述の状態方程式、共分散行列、Ｃ行列、及び観測ノイズによってカルマンゲインＫ_kが、下記の式（３）のように定義される。

上記のカルマンゲインＫ_kを用いて、観測量ｙと状態量ｘの推定値とを重み付けする処理を次の式（４）、（５）のように行う。観測量ｙは、ＩＭＵ２６で検出したヨーレートＲ_sのみを含むので、式（４）を用いた処理により、車両２００のロール角φ_r及びピッチ角θ_rが車両運動に及ぼす影響を加味した車両運動モデルに基づいて算出されたヨーレートＲ_vの値と、ＩＭＵ２６で検出したヨーレートＲ_sの値とが比較される。

以上の式（１）～（５）で示した処理を、各タイムステップごとに繰り返すことにより、操舵角のゼロ点誤差δ_eを推定する。操舵角のゼロ点誤差δ_eは、式（１）～（５）で示した逐次処理により値が更新される。

本実施形態では、上記の逐次処理を、ＩＭＵ２６で検出したヨーレートＲ_ｓの値が所定の基準値以下の場合にシステムノイズを小さくして行い、ＩＭＵ２６で検出したヨーレートＲ_ｓの値が所定の基準値を超える場合にシステムノイズを大きくして行う。上述のように、ヨーレートＲ_ｓには、ゼロ点誤差δ_eに起因する誤差に加えてスケールファクタ誤差が含まれる。スケールファクタ誤差はヨーレートＲ_ｓに一定割合で誤差が付加されてしまうため、ヨーレートＲ_ｓが小さい場合よりも大きい場合の方が影響が大きくなるという特徴を有する。本実施形態では、スケールファクタの影響が小さい、ヨーレートＲ_ｓの小さい領域でのみ操舵角のゼロ点誤差δ_eの推定を行うことにより、ゼロ点誤差δ_eの推定精度を向上させることができる。

以上説明した原理に従って、本実施の形態に係る演算装置１４は、上記（１）式に従って車体ヨーレート値、前記車両の横速度、及び操舵角センサ２８で検出する操舵角のゼロ点誤差を含む状態量の予測値を算出し、ＩＭＵ２６が検出する慣性計測ヨーレート値の観測値に対する観測方程式を用いて、状態量の予測値から、ＩＭＵ２６が検出した観測値の予測値を算出する事前推定部と、ＩＭＵ２６が検出して出力した観測値と、事前推定部が算出した観測値の予測値との差分に基づいて、上記（４）式に従って、事前推定部によって算出した状態量の予測値を補正する状態推定部と、を含む。

事前推定部は、更に、慣性計測ヨーレート値が基準値以下の場合、又は前後速度が基準値を超える場合に、操舵角のゼロ点誤差を用いて表されるシステムノイズを小さくして状態量の共分散行列を更新し、慣性計測ヨーレート値が基準値を超える場合、又は前後速度が基準値以下の場合に、システムノイズを大きくして状態量の共分散行列を更新する。

また、状態推定部は、ＩＭＵ２６が検出して出力した観測値と、事前推定部が算出した観測値の予測値との差分、及び状態量の共分散行列に基づいて、事前推定部によって算出した状態量の予測値を補正する。

また、演算装置１４は、操舵角センサ２８で検出した前輪実舵角δ_wからゼロ点誤差δ_eを除去することにより得た精度の高い操舵角δ_rを用いて、車両２００の位置推定を行い、推定結果を必要に応じて表示装置１６に表示すると共に、車両２００の自動運転の制御に資する。

以上説明したように、本実施形態に係るセンサ誤差補正装置１０によれば、前述の車両運動モデルに基づいて算出した精度の高い操舵角と、車両２００の前後速度とを用いたヨーレートの算出が可能であり、算出したヨーレートの値と、ＩＭＵ２６で検出したヨーレートの値とを比較することにより、操舵角のゼロ点誤差を精度よく推定できる。

自動運転等の先進安全機能では、路面傾斜による微小な影響を考慮した精度のよい制御をする必要があるが、本実施形態は、車両運動モデルに基づいた推定により、路面傾斜による操舵角への微小な影響も考慮した制御が可能になる。

精度のよい操舵角のゼロ点補正によって、例えばより追従性のよいレーンキープ制御が可能になり、操舵角を利用した自律航法アルゴリズムの精度を向上できる。

本実施形態は、ＩＭＵ２６の出力値を用いて車体姿勢角を算出したが、これに限定されない。例えば、地磁気センサ又はＧＰＳ等を用いて車体姿勢角を算出してもよい。ＩＭＵ２６、地磁気センサ及びＧＰＳ等は汎用的なセンサなので、本実施形態に係るセンサ誤差補正装置１０は、多様な量産車両に幅広く搭載することができる。

１０ センサ誤差補正装置
１２ 入力装置
１４ 演算装置
１６ 表示装置
１８ 記憶装置
２４ 車速センサ
２６ ＩＭＵ
２８ 操舵角センサ
２００ 車両

Claims (6)

1. 走行時の車両のヨーレートを含む角速度を検出可能な慣性計測装置と、
   前記車両の前後速度を検出する車速検出部と、
   前記車両の操舵角を検出する操舵角検出部と、
   前記慣性計測装置が検出した前記角速度から算出した前記車両の姿勢角、前記操舵角検出部が検出した前記操舵角、及び前記車速検出部が検出した前後速度に基づいて算出した車体ヨーレート値と、前記慣性計測装置が検出した前記角速度に含まれる慣性計測ヨーレート値とを前記車両の挙動に応じて比較して前記操舵角検出部で検出する操舵角のゼロ点誤差を推定する誤差推定部と、
   を含むセンサ誤差補正装置。
2. 前記慣性計測装置は、誤差補正済みの慣性計測ヨーレート値を出力し、
   前記誤差推定部は、前記慣性計測装置が検出した前記角速度から算出した前記車両の姿勢角、前記操舵角検出部が検出した前記操舵角、及び前記車速検出部が検出した前後速度に基づいて算出した車体ヨーレート値から、誤差補正済みの慣性計測ヨーレート値を算出し、前記慣性計測装置が検出した前記慣性計測ヨーレート値と前記誤差補正済みの慣性計測ヨーレート値とを比較して前記操舵角のゼロ点誤差を推定する請求項1に記載のセンサ誤差補正装置。
3. 前記誤差推定部は、前記慣性計測ヨーレート値が基準値以下の場合に前記操舵角のゼロ点誤差を用いて表されるシステムノイズを小さくして前記操舵角のゼロ点誤差を更新し、前記慣性計測ヨーレート値が前記基準値を超える場合は前記システムノイズを大きくして前記操舵角のゼロ点誤差を更新することを繰り返すことにより、前記操舵角のゼロ点誤差を推定する請求項1又は２に記載のセンサ誤差補正装置。
4. 前記誤差推定部は、前記慣性計測装置が検出した前記角速度から算出した前記車両の姿勢角、前記操舵角検出部が検出した前記操舵角、及び前記車速検出部が検出した前後速度に基づいて推定した前記車両の横速度から前記車体ヨーレート値を算出する請求項１～３のいずれか１項に記載のセンサ誤差補正装置。
5. 前記誤差推定部は、
   前記車体ヨーレート値、前記車両の横速度、及び前記操舵角検出部で検出する操舵角のゼロ点誤差を含む状態量の予測値を算出し、前記慣性計測装置が検出する慣性計測ヨーレート値の観測値に対する観測方程式を用いて、前記状態量の予測値から、前記慣性計測装置が検出した観測値の予測値を算出する事前推定部と、
   前記慣性計測装置が検出して出力した前記観測値と、前記事前推定部が算出した前記観測値の予測値との差分に基づいて、前記事前推定部によって算出した前記状態量の予測値を補正する状態推定部と、
   を含む請求項１～４のいずれか１項に記載のセンサ誤差補正装置。
6. 前記事前推定部は、更に、前記慣性計測ヨーレート値が基準値以下の場合、又は前記前後速度が基準値を超える場合に、前記操舵角のゼロ点誤差を用いて表されるシステムノイズを小さくして前記状態量の共分散行列を更新し、
   前記慣性計測ヨーレート値が前記基準値を超える場合、又は前記前後速度が基準値以下の場合に、前記システムノイズを大きくして前記状態量の共分散行列を更新し、
   前記状態推定部は、前記慣性計測装置が検出して出力した前記観測値と、前記事前推定部が算出した前記観測値の予測値との差分、及び前記状態量の共分散行列に基づいて、前記事前推定部によって算出した前記状態量の予測値を補正する請求項５に記載のセンサ誤差補正装置。