JP7365286B2 - Road shape recognition device and road shape recognition method - Google Patents

Road shape recognition device and road shape recognition method Download PDF

Info

Publication number
JP7365286B2
JP7365286B2 JP2020066570A JP2020066570A JP7365286B2 JP 7365286 B2 JP7365286 B2 JP 7365286B2 JP 2020066570 A JP2020066570 A JP 2020066570A JP 2020066570 A JP2020066570 A JP 2020066570A JP 7365286 B2 JP7365286 B2 JP 7365286B2
Authority
JP
Japan
Prior art keywords
road shape
feature point
section
distance
road
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.)
Active
Application number
JP2020066570A
Other languages
Japanese (ja)
Other versions
JP2021163351A (en
Inventor
昌也 岡田
巧 植松
達也 波切
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Denso Corp filed Critical Denso Corp
Priority to JP2020066570A priority Critical patent/JP7365286B2/en
Publication of JP2021163351A publication Critical patent/JP2021163351A/en
Application granted granted Critical
Publication of JP7365286B2 publication Critical patent/JP7365286B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Image Analysis (AREA)
  • Traffic Control Systems (AREA)

Description

本開示は道路形状を認識するための技術に関する。 The present disclosure relates to a technology for recognizing road shape.

道路形状を認識する際に、道路形状を示す情報、例えば、レーンマーカを用いて道路形状を推定することが行われている（例えば、特許文献１）。 When recognizing a road shape, the road shape is estimated using information indicating the road shape, such as lane markers (for example, Patent Document 1).

特開２００２－１０９６９５号公報Japanese Patent Application Publication No. 2002-109695

認識された道路形状は、例えば、運転支援制御や自動運転制御に利用されており、これら制御の精度を向上させるため、より長い距離にわたる道路形状の認識が求められている。これに対して、従来の技術では、道路形状を認識すべき距離が長くなると道路形状の認識精度が低下するという問題がある。 Recognized road shapes are used, for example, in driving support control and automatic driving control, and in order to improve the accuracy of these controls, recognition of road shapes over longer distances is required. On the other hand, in the conventional technology, there is a problem that the recognition accuracy of the road shape decreases as the distance over which the road shape must be recognized becomes long.

したがって、道路形状の認識距離が長い場合であっても、道路形状の認識精度の低下を防止または抑制することが求められている。 Therefore, even when the road shape recognition distance is long, there is a need to prevent or suppress a decrease in road shape recognition accuracy.

本開示は、以下の態様として実現することが可能である。 The present disclosure can be implemented as the following aspects.

第１の態様は、道路形状認識装置を提供する。第１の態様に係る道路形状認識装置は、予め定められたタイミングにて、道路形状を示す複数の特徴点を取得する特徴点取得部と、道路形状の認識距離を予め定められた区分距離で複数の区間に分割し、現在のタイミングで取得された現在特徴点および過去のタイミングで取得された過去特徴点を用いて前記区間毎に区間道路形状線を生成し、生成した前記区間道路形状線を接続して道路形状を決定する道路形状決定部であって、前記現在特徴点の位置と前記過去特徴点の位置が予め定められた距離範囲内にある場合には、前記現在特徴点の位置と前記過去特徴点の位置とを平均化した平均特徴点を用いて前記区間道路形状線を生成する道路形状決定部と、を備える。 A first aspect provides a road shape recognition device. The road shape recognition device according to the first aspect includes a feature point acquisition unit that obtains a plurality of feature points indicating the road shape at a predetermined timing, and a road shape recognition distance that is determined by a predetermined classification distance. Divide into a plurality of sections, generate a section road shape line for each section using current feature points acquired at the current timing and past feature points acquired at past timing, and generate the section road shape line. a road shape determining unit that determines a road shape by connecting the current feature point and the past feature point, and when the current feature point position and the past feature point position are within a predetermined distance range, the current feature point position and a road shape determination unit that generates the section road shape line using an average feature point obtained by averaging the positions of the past feature points and the positions of the past feature points.

第１の態様に係る道路形状認識装置によれば、道路形状の認識距離が長い場合であっても、道路形状の認識精度の低下を防止または抑制することができる。 According to the road shape recognition device according to the first aspect, even when the road shape recognition distance is long, it is possible to prevent or suppress a decrease in road shape recognition accuracy.

第２の態様は、道路形状認識装置を提供する。第２の態様に係る道路形状認識装置は、予め定められたタイミングにて、道路形状を示す複数の特徴点を取得する特徴点取得部と、複数の予め定められた区分距離毎に、道路形状の認識距離を前記区分距離で複数の区間に分割し、取得された前記特徴点を用いて前記区間毎に区間道路形状線を生成し、生成した前記区間道路形状線を接続して道路形状を決定する道路形状決定部であって、決定された各前記道路形状の誤差が小さくなる前記区分距離を選択し、選択された前記区分距離に対応する道路形状を選択する道路形状決定部と、を備える。 A second aspect provides a road shape recognition device. The road shape recognition device according to the second aspect includes a feature point acquisition unit that acquires a plurality of feature points indicating a road shape at a predetermined timing, and a feature point acquisition unit that acquires a plurality of feature points indicating a road shape at a predetermined timing. The recognition distance is divided into a plurality of sections by the segment distance, a section road shape line is generated for each section using the acquired feature points, and the road shape is determined by connecting the generated section road shape lines. a road shape determining unit that selects the segment distance that reduces the error of each of the determined road shapes, and selects a road shape that corresponds to the selected segment distance; Be prepared.

第２の態様に係る道路形状認識装置によれば、道路形状の認識距離が長い場合であっても、道路形状の認識精度の低下を防止または抑制することができる。 According to the road shape recognition device according to the second aspect, even when the road shape recognition distance is long, it is possible to prevent or suppress a decrease in road shape recognition accuracy.

第３の態様は、道路形状認識装置を提供する。第３の態様に係る道路形状認識装置は、予め定められたタイミングにて、道路形状を示す複数の特徴点を取得する特徴点取得部と、道路形状の認識距離を予め定められた区分距離で複数の区間に分割し、前記特徴点を用いて前記区間毎に区間道路形状線を生成する道路形状決定部であって、各前記区間道路形状線が連続するように接続して道路形状を決定する道路形状決定部と、を備える。 A third aspect provides a road shape recognition device. A road shape recognition device according to a third aspect includes a feature point acquisition unit that obtains a plurality of feature points indicating a road shape at a predetermined timing, and a road shape recognition distance that is determined by a predetermined classification distance. A road shape determination unit that divides the road into a plurality of sections and generates a section road shape line for each section using the characteristic points, and determines the road shape by connecting the section road shape lines so that they are continuous. and a road shape determination unit.

第３の態様に係る道路形状認識装置によれば、道路形状の認識距離が長い場合であっても、道路形状の認識精度の低下を防止または抑制することができる。 According to the road shape recognition device according to the third aspect, even if the road shape recognition distance is long, it is possible to prevent or suppress a decrease in road shape recognition accuracy.

第４の態様は、道路形状認識方法を提供する。第４の態様に係る道路形状認識方法は、予め定められたタイミングにて、道路形状を示す複数の特徴点を取得し、道路形状の認識距離を予め定められた区分距離で複数の区間に分割し、現在のタイミングで取得された現在特徴点および過去のタイミングで取得された過去特徴点を用いて前記区間毎に区間道路形状線を生成する際に、前記現在特徴点の位置と前記過去特徴点の位置が予め定められた距離範囲内にある場合には前記現在特徴点の位置と前記過去特徴点の位置とを平均化した平均特徴点を用いて前記区間道路形状線を生成し、生成した前記区間道路形状線を接続して道路形状を決定することを備える。 A fourth aspect provides a road shape recognition method. The road shape recognition method according to the fourth aspect acquires a plurality of feature points indicating the road shape at a predetermined timing, and divides the recognition distance of the road shape into a plurality of sections at predetermined segmentation distances. When generating a section road shape line for each section using the current feature point acquired at the current timing and the past feature point acquired at the past timing, the position of the current feature point and the past feature If the position of the point is within a predetermined distance range, the section road shape line is generated using an average feature point obtained by averaging the current feature point position and the past feature point position. and determining a road shape by connecting the section road shape lines.

第４の態様に係る道路形状認識方法によれば、道路形状の認識距離が長い場合であっても、道路形状の認識精度の低下を防止または抑制することができる。 According to the road shape recognition method according to the fourth aspect, even when the road shape recognition distance is long, it is possible to prevent or suppress a decrease in road shape recognition accuracy.

第５の態様は、道路形状認識方法を提供する。第５の態様に係る道路形状認識方法は、予め定められたタイミングにて、道路形状を示す複数の特徴点を取得し、複数の予め定められた区分距離毎に、道路形状の認識距離を前記区分距離で複数の区間に分割し、取得された前記特徴点を用いて前記区間毎に区間道路形状線を生成し、生成した前記区間道路形状線を接続して道路形状を決定する際に、決定された各前記道路形状の誤差が小さくなる前記区分距離を選択し、選択された前記区分距離に対応する道路形状を選択して道路形状を決定することを備える。 A fifth aspect provides a road shape recognition method. The road shape recognition method according to the fifth aspect acquires a plurality of feature points indicating the road shape at a predetermined timing, and calculates the recognition distance of the road shape for each of a plurality of predetermined segment distances. When dividing the road into a plurality of sections based on the segment distance, generating a section road shape line for each section using the acquired feature points, and connecting the generated section road shape lines to determine the road shape, The road shape is determined by selecting the division distance that reduces the error of each of the determined road shapes, and selecting the road shape corresponding to the selected division distance.

第５の態様に係る道路形状認識方法によれば、道路形状の認識距離が長い場合であっても、道路形状の認識精度の低下を防止または抑制することができる。 According to the road shape recognition method according to the fifth aspect, even when the road shape recognition distance is long, it is possible to prevent or suppress a decrease in road shape recognition accuracy.

第６の態様は、道路形状認識方法を提供する。第６の態様に係る道路形状認識方法は、予め定められたタイミングにて、道路形状を示す複数の特徴点を取得し、道路形状の認識距離を予め定められた区分距離で複数の区間に分割し、前記特徴点を用いて前記区間毎に区間道路形状線を生成する際に、各前記区間道路形状線が連続するように接続して道路形状を決定することを備える。 A sixth aspect provides a road shape recognition method. The road shape recognition method according to the sixth aspect acquires a plurality of feature points indicating the road shape at a predetermined timing, and divides the recognition distance of the road shape into a plurality of sections at predetermined segmentation distances. The method further includes determining a road shape by connecting each of the section road shape lines so that they are continuous when generating a section road shape line for each section using the feature points.

第６の態様に係る道路形状認識方法によれば、道路形状の認識距離が長い場合であっても、道路形状の認識精度の低下を防止または抑制することができる。 According to the road shape recognition method according to the sixth aspect, even when the road shape recognition distance is long, it is possible to prevent or suppress a decrease in road shape recognition accuracy.

本開示は、道路形状認識プログラムまたは当該プログラムを記録するコンピュータ読み取り可能記録媒体としても実現可能である。 The present disclosure can also be realized as a road shape recognition program or a computer-readable recording medium that records the program.

第１の実施形態に係る道路形状認識装置が搭載された車両の一例を示す説明図。FIG. 1 is an explanatory diagram showing an example of a vehicle equipped with the road shape recognition device according to the first embodiment. 第１の実施形態に係る道路形状決定装置の機能的構成を示すブロック図。FIG. 1 is a block diagram showing the functional configuration of a road shape determination device according to a first embodiment. 特徴点と全区間道路形状線との一般的な対応関係の一例を示す説明図。An explanatory diagram showing an example of a general correspondence relationship between feature points and road shape lines for all sections. 第１の実施形態に係る道路形状認識装置によって実行される道路形状認識処理の処理フローを示すフローチャート。5 is a flowchart showing a process flow of road shape recognition processing executed by the road shape recognition device according to the first embodiment. 取得された過去特徴点の点群の一例を示す説明図。An explanatory diagram showing an example of a point group of acquired past feature points. 取得された現在特徴点の点群の一例を示す説明図。An explanatory diagram showing an example of a point group of acquired current feature points. 補正過去特徴点および現在特徴点を重畳させた点群の一例を示す説明図。An explanatory diagram showing an example of a point group in which corrected past feature points and current feature points are superimposed. 図７に示す点群において平均特徴点を生成した場合の一例を示す説明図。FIG. 8 is an explanatory diagram showing an example of generating average feature points in the point group shown in FIG. 7; 走行中の車両における特徴点の取得の一例を示す説明図。FIG. 2 is an explanatory diagram showing an example of acquiring feature points in a running vehicle. 図９に示す例において区間道路形状線を生成した場合の一例を示す説明図。10 is an explanatory diagram showing an example of a case where a section road shape line is generated in the example shown in FIG. 9. FIG. 区間が短く特徴点が離散する場合に得られる区間道路形状線の一例を示す説明図。FIG. 3 is an explanatory diagram showing an example of a section road shape line obtained when the section is short and feature points are discrete. 区分距離を変更する場合に得られる区間道路形状線および全区間道路形状線の一例を示す説明図。FIG. 3 is an explanatory diagram showing an example of a section road shape line and an entire section road shape line obtained when changing the segment distance. 第２の実施形態に係る道路形状認識装置によって実行される道路形状認識処理の処理フローを示すフローチャート。7 is a flowchart showing a process flow of road shape recognition processing executed by the road shape recognition device according to the second embodiment. ２つの区間の区間道路形状線を連続して接続する効果を示す説明図。FIG. 3 is an explanatory diagram showing the effect of continuously connecting section road shape lines of two sections. 第３の実施形態に係る道路形状認識装置によって実行される道路形状認識処理の処理フローを示すフローチャート。10 is a flowchart showing a process flow of road shape recognition processing executed by a road shape recognition device according to a third embodiment.

本開示に係る道路形状認識装置および道路形状認識方法について、いくつかの実施形態に基づいて以下説明する。 A road shape recognition device and a road shape recognition method according to the present disclosure will be described below based on several embodiments.

第１の実施形態：
図１に示すように、第１の実施形態に係る道路形状認識装置１０は、例えば、車両５０に搭載されて用いられる。道路形状認識装置１０は、少なくとも、道路形状を決定する道路形状決定装置１００を備えている。道路形状決定装置１００は、特徴点取得部および道路形状決定部として機能する。道路形状決定装置１００は、車両５０の外界の物体を検出するための検出器２０と信号線を介して接続されている。検出器２０には、ミリ波レーダ２１、カメラ２２およびライダー（Ｌｉｄａｒ：Light Detection and Ranging）２３が含まれる。なお、以下では、ミリ波レーダ２１、カメラ２２およびライダー２３を総称して検出器２０と呼ぶことがある。ミリ波レーダ２１およびライダー２３は、図１の例では、車両５０のフロントグリル、フロントバンパに配置されており、カメラ２２はフロントウィンドウの上部に配置されている。ミリ波レーダ２１、カメラ２２およびライダー２３は、車両５０の他の場所に配置されていても良く、例えば、ミリ波レーダ２１およびライダー２３は、車両５０の側方や後方、例えば、車両５０のフロントフェンダー、屋根、リヤフェンダ、リヤバンパに配置されていても良く、カメラ２２は、車両５０の側方や後方、例えば、車両５０のフロントフェンダー、屋根、リヤフェンダ、リヤバンパ、リヤウィンドウ、ドアミラーに配置されていても良い。これら他の場所に配置されているミリ波レーダ２１およびライダー２３によって、目標となる方向における物体が検出され得る。ミリ波レーダ２１およびライダー２３は、測距装置とも呼ばれ、物体、すなわち、対象物までの距離の他、対象物の位置や特性が検出され得る。カメラ２２は外界の情報を画像情報として取得する。道路形状決定装置１００には、車両５０の走行制御、運転支援制御あるいは自動運転制御を行うために、車両５０の駆動源、操舵機構、制動機構といった被制御装置を制御するための車両制御装置４０が信号線を介して接続されている。車両５０には、さらに、図示しない、車両の走行状態を検出するための各種センサ、例えば、車速センサ、ヨーレートセンサ、操舵角センサが配置されている。 First embodiment:
As shown in FIG. 1, the road shape recognition device 10 according to the first embodiment is used, for example, by being mounted on a vehicle 50. The road shape recognition device 10 includes at least a road shape determination device 100 that determines the road shape. The road shape determination device 100 functions as a feature point acquisition unit and a road shape determination unit. The road shape determination device 100 is connected to a detector 20 for detecting objects outside the vehicle 50 via a signal line. The detector 20 includes a millimeter wave radar 21, a camera 22, and a lidar (Light Detection and Ranging) 23. Note that, hereinafter, the millimeter wave radar 21, camera 22, and lidar 23 may be collectively referred to as the detector 20. In the example of FIG. 1, the millimeter wave radar 21 and the lidar 23 are placed on the front grill and front bumper of the vehicle 50, and the camera 22 is placed on the top of the front window. The millimeter wave radar 21, the camera 22, and the lidar 23 may be placed elsewhere in the vehicle 50. For example, the millimeter wave radar 21 and the lidar 23 may be placed on the side or rear of the vehicle 50, for example, on the side or rear of the vehicle 50. The camera 22 may be placed on the front fender, roof, rear fender, or rear bumper, and the camera 22 may be placed on the side or rear of the vehicle 50, for example, on the front fender, roof, rear fender, rear bumper, rear window, or door mirror of the vehicle 50. It's okay. Objects in the target direction can be detected by the millimeter wave radar 21 and lidar 23 located at these other locations. The millimeter wave radar 21 and lidar 23 are also called distance measuring devices, and can detect not only the distance to an object, but also the position and characteristics of the object. The camera 22 acquires information about the outside world as image information. The road shape determination device 100 includes a vehicle control device 40 for controlling controlled devices such as a drive source, a steering mechanism, and a braking mechanism of the vehicle 50 in order to perform travel control, driving support control, or automatic driving control of the vehicle 50. are connected via signal lines. The vehicle 50 is further provided with various sensors (not shown) for detecting the running state of the vehicle, such as a vehicle speed sensor, a yaw rate sensor, and a steering angle sensor.

図２に示すように、道路形状決定装置１００は、演算部としての中央処理装置（ＣＰＵ）１０１、記憶部としてのメモリ１０２、特徴点取得部としての入出力インタフェース１０３および図示しないクロック発生器を備えている。ＣＰＵ１０１、メモリ１０２、入出力インタフェース１０３およびクロック発生器は内部バス１０４を介して双方向に通信可能に接続されている。メモリ１０２は、道路形状を認識するための道路形状認識プログラムＰｒ１、Ｐｒ２、Ｐｒ３を不揮発的且つ読み出し専用に格納する格納部としてのメモリ、例えばＲＯＭと、ＣＰＵ１０１による読み書きが可能なメモリ、例えばＲＡＭとを含んでいる。なお、道路形状認識プログラムＰｒ１は第１の実施形態において用いられ、道路形状認識プログラムＰｒ２は第２の実施形態において用いられ、道路形状認識プログラムＰｒ３は第３の実施形態において用いられる。メモリ１０２の書き換え可能な領域は、検出器２０を介して取得された検出点または検出点を用いて生成される現在または１または複数の過去時点における特徴点を格納する特徴点憶領域１０２ａを含んでいる。ＣＰＵ１０１、すなわち、道路形状決定装置１００は、メモリ１０２に格納されている道路形状認識プログラムＰｒ１、Ｐｒ２、Ｐｒ３を読み書き可能なメモリに展開して実行することによって、道路形状決定部として機能し、さらには入出力インタフェース１０３と共に特徴点取得部の一部として機能し得る。なお、ＣＰＵ１０１は、単体のＣＰＵであっても良く、各プログラムを実行する複数のＣＰＵであっても良く、あるいは、複数のプログラムを同時実行可能なマルチタスクタイプあるいはマルチスレッドタイプのＣＰＵであっても良い。 As shown in FIG. 2, the road shape determination device 100 includes a central processing unit (CPU) 101 as an arithmetic unit, a memory 102 as a storage unit, an input/output interface 103 as a feature point acquisition unit, and a clock generator (not shown). We are prepared. The CPU 101, memory 102, input/output interface 103, and clock generator are connected via an internal bus 104 so that they can communicate in both directions. The memory 102 includes a memory, such as a ROM, which is a storage unit that non-volatilely and read-only stores road shape recognition programs Pr1, Pr2, and Pr3 for recognizing road shapes, and a memory, such as a RAM, which can be read and written by the CPU 101. Contains. Note that the road shape recognition program Pr1 is used in the first embodiment, the road shape recognition program Pr2 is used in the second embodiment, and the road shape recognition program Pr3 is used in the third embodiment. The rewritable area of the memory 102 includes a feature point storage area 102a that stores detection points acquired via the detector 20 or feature points at the current or one or more past points generated using the detection points. I'm here. The CPU 101, that is, the road shape determination device 100 functions as a road shape determination unit by expanding road shape recognition programs Pr1, Pr2, and Pr3 stored in the memory 102 into a readable/writable memory and executing them. can function as part of the feature point acquisition unit together with the input/output interface 103. Note that the CPU 101 may be a single CPU, may be multiple CPUs that execute each program, or may be a multitasking type or multithreading type CPU that can simultaneously execute multiple programs. Also good.

入出力インタフェース１０３には、ミリ波レーダ２１、カメラ２２およびライダー２３が検出信号線を介して接続されている。入出力インタフェース１０３には、車両制御装置４０が双方向通信可能に接続されており、また、車両の走行状態を示す車両情報６０が入力される。 A millimeter wave radar 21, a camera 22, and a lidar 23 are connected to the input/output interface 103 via detection signal lines. A vehicle control device 40 is connected to the input/output interface 103 for two-way communication, and vehicle information 60 indicating the running state of the vehicle is input.

ミリ波レーダ２１は、ミリ波を射出し、物体によって反射された反射波を受信することによって、車両５０に対する対象物の距離、相対速度および角度を検出するセンサである。カメラ２２は、ＣＣＤ等の撮像素子または撮像素子アレイを備える撮像装置であり、可視光を受光することによって対象物の外形情報または形状情報を検出結果である画像データとして出力するセンサである。ライダー２３は赤外レーザ光を射出し、物体によって反射された反射光を受信することによって、車両５０に対する物体の距離、相対速度および角度を検出するセンサである。本実施形態においては、各検出器２０は、道路形状を示す特徴点を得るための検出点を検出するために用いられる。すなわち、検出器２０によって一の対象物に対応する１種類の検出点が検出される場合には、当該検出点がそのまま特徴点として用いられ、検出器２０によって複数の対象物に対応する複数種類の検出点が検出される場合には、後述するように、複数の検出点を用いて一の特徴点が取得される。道路形状を示す特徴点は、道路形状を表し得る対象物、例えば、車道にペイント、鋲、石等により描かれた、例えば、道路の中央を示す車道中央線、車線を区分する車線境界線、車道と路肩を区分する車道外側線を含む区分線、車道に沿って配置されている縁石、ガードレール等の防護柵、防音壁や遮音壁といった壁構造体から得られる検出点を用いて取得される。すなわち、対象物の表面における非平滑部に対応して、検出器２０によって取得される検出点が道路形状を示す特徴点として用いられる。より具体的には、ミリ波レーダ２１から射出された検出波やライダー２３から射出された検出光が、例えば、区分線と路面との段差、すなわちエッジにおいて反射することにより得られる検出点、壁面上において反射することにより得られる検出点、縁石や防護柵のエッジ部において反射することにより得られる検出点が道路形状を示す特徴点として用いられ得る。また、カメラ２２によって撮像された撮像データにおいて、上記した段差やエッジ部を離散的に抽出することによって得られる検出点が道路形状を示す特徴点として用いられ得る。カメラ２２およびライダー２３においては、段差やエッジ部は、輝度値が大きく変化する部位として検出される。さらには、自車両の周囲を走行中の他車両の走行軌跡に対応する検出点が道路形状を示す特徴点として用いられ得る。他車両の走行軌跡は、他車両における検出点や撮像データからパターンマッチング等により抽出された他車両領域における任意の位置の座標位置を経時的に取得することによって得られる。 The millimeter wave radar 21 is a sensor that detects the distance, relative speed, and angle of an object with respect to the vehicle 50 by emitting millimeter waves and receiving reflected waves reflected by the object. The camera 22 is an imaging device including an imaging device such as a CCD or an imaging device array, and is a sensor that receives visible light and outputs external shape information or shape information of the object as image data as a detection result. The lidar 23 is a sensor that detects the distance, relative speed, and angle of an object with respect to the vehicle 50 by emitting infrared laser light and receiving reflected light reflected by the object. In this embodiment, each detector 20 is used to detect detection points for obtaining feature points indicating the road shape. That is, when the detector 20 detects one type of detection point corresponding to one target object, the detection point is used as it is as a feature point, and the detector 20 detects multiple types of detection points corresponding to multiple targets. When detection points are detected, one feature point is acquired using a plurality of detection points, as will be described later. The feature point indicating the road shape is an object that can represent the road shape, such as a roadway center line indicating the center of the road, a lane boundary line dividing the lanes, etc., drawn on the roadway with paint, studs, stones, etc. It is acquired using detection points obtained from road markings including roadway outer lines that separate the roadway from the road shoulder, curbs placed along the roadway, protective fences such as guardrails, and wall structures such as soundproof walls and soundproof walls. That is, detection points acquired by the detector 20 corresponding to non-smooth portions on the surface of the object are used as feature points indicating the road shape. More specifically, the detection wave emitted from the millimeter wave radar 21 or the detection light emitted from the lidar 23 is reflected at, for example, a step between a marking line and a road surface, that is, an edge, and a detection point is obtained by reflecting the detection wave or a wall surface. Detection points obtained by reflection from above and detection points obtained by reflection from edges of curbs and guard fences can be used as feature points indicating the road shape. Further, in the image data captured by the camera 22, detection points obtained by discretely extracting the above-mentioned steps and edges can be used as feature points indicating the road shape. In the camera 22 and the lidar 23, steps and edge portions are detected as areas where the brightness value changes greatly. Furthermore, detection points corresponding to the travel trajectories of other vehicles traveling around the host vehicle can be used as feature points indicating the road shape. The travel trajectory of the other vehicle is obtained by acquiring over time the coordinate position of an arbitrary position in the other vehicle area, which is extracted by pattern matching or the like from detection points and image data of the other vehicle.

図３に示すように、一般的に、直線区間から曲線区間への移行を円滑にするために、道路の曲線区間と直線区間とは緩和区間を介して接続されている。緩和区間は、例えば、クロソイド曲線を用いて規定される。道路形状は、道路形状を示す特徴点ＤＰを用いて最小二乗法によって生成される直線および曲線の少なくともいずれか一方を含むフィッティング曲線、すなわち、道路形状線Ｌ１を生成することによって決定される。道路形状の認識距離が狭いまたは短い場合、例えば、自車両ＶＣから５０ｍ程度の場合には、フィッティング曲線Ｌ１と特徴点ＤＰとは上手く一致し、特徴点を用いて精度の良い道路形状を認識することができる。ところが、道路形状の認識距離が、自車両ＶＣから６０ｍ程度を超える場合には、フィッティング曲線Ｌ１と特徴点ＤＰとが一致せず、道路形状の認識精度は低下し、さらに、曲線区間が含まれる場合には、道路形状の認識精度の低下は更に大きくなる。この問題を解決するために、道路形状の認識距離を予め定められた区分距離で複数の区間に分割し、区間毎に区間道路形状線を求め、求められた複数の区間道路形状線を接続して道路形状を決定し、認識する手法が考えられる。この場合には、特徴点ＤＰと各区間におけるフィッティング曲線Ｌ１との一致度は向上することが期待される一方で、道路形状線の生成を分割された複数の区間毎に実行することに起因する問題も発生する。 As shown in FIG. 3, generally, in order to smoothly transition from a straight section to a curved section, a curved section of a road and a straight section are connected via a relaxation section. The relaxation section is defined using, for example, a clothoid curve. The road shape is determined by generating a fitting curve including at least one of a straight line and a curved line, that is, a road shape line L1, generated by the least squares method using feature points DP indicating the road shape. When the road shape recognition distance is narrow or short, for example, when it is about 50 meters from the host vehicle VC, the fitting curve L1 and the feature points DP match well, and the road shape can be recognized with high accuracy using the feature points. be able to. However, when the recognition distance of the road shape exceeds about 60 m from the own vehicle VC, the fitting curve L1 and the feature points DP do not match, the recognition accuracy of the road shape decreases, and furthermore, curved sections are included. In this case, the reduction in road shape recognition accuracy becomes even greater. In order to solve this problem, the recognition distance of the road shape is divided into multiple sections by a predetermined distance, the section road shape line is determined for each section, and the obtained multiple section road shape lines are connected. One possible method is to determine and recognize the road shape using In this case, while it is expected that the degree of coincidence between the feature points DP and the fitting curve L1 in each section will improve, this is due to the fact that the road shape line is generated for each divided section. Problems also arise.

本実施形態においては、認識の対象となる道路の認識距離、すなわち道路形状の認識距離、を予め定められた区分距離の複数の区間に分割することに伴い発生し得る、各区間における特徴点数の不足や欠如に伴う道路形状の認識精度の低下の抑制または防止が図られる。区分距離は認識距離を分割してえら得る区間長さを定義する距離であり、予め定められた区分距離、すなわち、各区間の距離は、フィッティング曲線の誤差が予め定められた許容値以内となる最大の長さが設定される。第１の実施形態に係る道路形状決定装置１００により実行される道路形状決定処理について説明する。図４に示す処理ルーチンは、車両５０の制御システムが始動された後、または、スタートスイッチがオンされた後に、予め定められた時間間隔、例えば、数ミリ秒毎に繰り返して実行される。ＣＰＵ１０１が道路形状認識プログラムＰｒ１を実行することによって図４に示す処理フローが実行される。 In this embodiment, the number of feature points in each section, which may occur when the recognition distance of the road to be recognized, that is, the recognition distance of the road shape, is divided into a plurality of sections with predetermined segmentation distances is reduced. It is possible to suppress or prevent a decrease in road shape recognition accuracy due to shortage or absence. The segment distance is a distance that defines the segment length that can be selected by dividing the recognition distance, and the predetermined segment distance, that is, the distance of each segment, ensures that the error of the fitting curve is within a predetermined tolerance. Maximum length is set. A road shape determination process executed by the road shape determination device 100 according to the first embodiment will be described. The processing routine shown in FIG. 4 is repeatedly executed at predetermined time intervals, for example, every few milliseconds, after the control system of the vehicle 50 is started or the start switch is turned on. The processing flow shown in FIG. 4 is executed by the CPU 101 executing the road shape recognition program Pr1.

ＣＰＵ１０１は、第１タイミングで複数の過去特徴点ＤＰ１を取得し（ステップＳ１００）、第２タイミングで複数の現在特徴点ＤＰ２を取得する（ステップＳ１０２）。取得された複数の過去特徴点ＤＰ１および複数の現在特徴点ＤＰ２は、それぞれ点群または点列群を形成する。検出点、すなわち、特徴点は、検出器２０によって予め定められた時間間隔毎に取得されている。ＣＰＵ１０１は、検出器２０から特徴点をリアルタイムで取得しても良く、あるいは、検出器２０によって検出され、一旦、メモリ１０２に格納されている特徴点を所望のタイミングで取得しても良い。第１タイミングは、現在のタイミングである第２タイミングより時間的に過去のタイミングを意味し、第２タイミングの直前の特徴点の取得タイミング、あるいは、第２タイミングの直前のタイミングよりも過去の特徴点の取得タイミングのいずれであっても良い。なお、サンプリング回数は２回に限られず、第１タイミングは過去に遡る複数回のタイミングであっても良い。複数回の第１タイミングにおける特徴点を用いることによって、サンプリング数が増大し、得られる区間道路形状線ＲＬの信頼度は向上する。なお、本処理ルーチンの初回以降の実行時には、平均特徴点ＤＰ３が過去特徴点ＤＰ１として用いられても良く、あるいは、現在特徴点ＤＰ２が過去特徴点ＤＰ１として用いられても良い。平均特徴点ＤＰ３が過去特徴点ＤＰ１として用いられる場合には、不要な変動が抑制され、過去特徴点ＤＰ１の信頼度が向上され、また、道路形状認識の精度も向上される。 The CPU 101 acquires a plurality of past feature points DP1 at a first timing (step S100), and acquires a plurality of current feature points DP2 at a second timing (step S102). The plurality of past feature points DP1 and the plurality of current feature points DP2 that have been acquired each form a point group or a point sequence group. Detection points, that is, feature points are acquired by the detector 20 at predetermined time intervals. The CPU 101 may acquire feature points from the detector 20 in real time, or may acquire feature points detected by the detector 20 and temporarily stored in the memory 102 at a desired timing. The first timing means a timing that is temporally past the second timing, which is the current timing, and is the acquisition timing of feature points immediately before the second timing, or a feature point that is past the timing immediately before the second timing. It may be any point acquisition timing. Note that the number of sampling times is not limited to two, and the first timing may be a plurality of timings going back in the past. By using feature points at a plurality of first timings, the number of samplings increases and the reliability of the obtained section road shape line RL improves. Note that when this processing routine is executed for the first time and thereafter, the average feature point DP3 may be used as the past feature point DP1, or the current feature point DP2 may be used as the past feature point DP1. When the average feature point DP3 is used as the past feature point DP1, unnecessary fluctuations are suppressed, the reliability of the past feature point DP1 is improved, and the accuracy of road shape recognition is also improved.

図５には、第１タイミングにおいて取得される過去特徴点ＤＰ１が例示されている。図５において、道路形状の認識距離は、第１区間Ｓ１～第６区間Ｓ６の６つの区間に分割されている。図６には、第２タイミングにおいて取得される現在特徴点ＤＰ２が例示されている。図６において、第４区間Ｓ４および第５区間Ｓ５には、現在特徴点ＤＰ２が存在しない。既述のように、特徴点は、対象物の非平滑部の検出結果であり、走行中の車両５０の姿勢によっては、非平滑部、すなわち、エッジやエッジ部が上手く検出されないことがある。この結果、道路形状の認識距離の一部の領域において、特徴点の全部または一部が欠落する場合がある。 FIG. 5 illustrates the past feature point DP1 acquired at the first timing. In FIG. 5, the road shape recognition distance is divided into six sections, a first section S1 to a sixth section S6. FIG. 6 illustrates the current feature point DP2 acquired at the second timing. In FIG. 6, no feature point DP2 currently exists in the fourth section S4 and the fifth section S5. As described above, the feature points are the detection results of non-smooth parts of the object, and depending on the attitude of the vehicle 50 while running, the non-smooth parts, that is, edges and edge parts may not be detected well. As a result, all or part of the feature points may be missing in some areas of the road shape recognition distance.

ＣＰＵ１０１は、第１タイミングにおいて得られた過去特徴点ＤＰ１および第２タイミングにおいて得られた現在特徴点ＤＰ２のうち、予め定められた距離範囲内にある過去特徴点ＤＰ１および現在特徴点ＤＰ２について平均特徴点ＤＰ３を取得する（ステップＳ１０４）。なお、第１タイミングと第２タイミングとの間、車両ＶＣは進行しているので、車両ＶＣに対する過去特徴点ＤＰ１の相対位置は変化、すなわち、車両ＶＣは過去特徴点ＤＰ１に近接し、車両ＶＣと過去特徴点ＤＰ１との距離は短くなっている。そこで、本実施形態においては、図７に示すように、過去特徴点ＤＰ１を車両ＶＣの移動量に応じた補正、すなわち、エゴモーション補正が実行され、補正過去特徴点ＤＰ１ｍが得られる。図７では補正過去特徴点ＤＰ１ｍと現在特徴点ＤＰ２とが重畳されて示されている。図８に示すように、現在特徴点ＤＰ２と補正過去特徴点ＤＰ１ｍとの平均特徴点ＤＰ３が算出される。なお、車両ＶＣの移動量は、オドメータに表示するために提供される距離情報を用いることによって取得されても良く、第１タイミングと第２タイミングとの間における車両ＶＣの平均速度と第１タイミングと第２タイミングとの時間間隔を用いて算出されても良い。図８には、平均化対象とならなかった補正過去特徴点ＤＰ１ｍ、現在特徴点ＤＰ２並びに平均化により算出された平均特徴点ＤＰ３が示されている。 The CPU 101 calculates average features for the past feature point DP1 and the current feature point DP2 that are within a predetermined distance range among the past feature point DP1 obtained at the first timing and the current feature point DP2 obtained at the second timing. Point DP3 is acquired (step S104). Note that since the vehicle VC is moving between the first timing and the second timing, the relative position of the past feature point DP1 with respect to the vehicle VC changes, that is, the vehicle VC approaches the past feature point DP1, and the vehicle VC The distance between the past feature point DP1 and the past feature point DP1 is short. Therefore, in this embodiment, as shown in FIG. 7, past feature point DP1 is corrected according to the amount of movement of vehicle VC, that is, ego motion correction is performed, and corrected past feature point DP1m is obtained. In FIG. 7, the corrected past feature point DP1m and the current feature point DP2 are shown superimposed. As shown in FIG. 8, an average feature point DP3 of the current feature point DP2 and the corrected past feature point DP1m is calculated. Note that the amount of movement of the vehicle VC may be obtained by using distance information provided for display on the odometer, and may be obtained by using the average speed of the vehicle VC between the first timing and the second timing and the first timing. It may be calculated using the time interval between the second timing and the second timing. FIG. 8 shows a corrected past feature point DP1m that was not subject to averaging, a current feature point DP2, and an average feature point DP3 calculated by averaging.

ＣＰＵ１０１は、各区間における、補正過去特徴点ＤＰ１ｍ、現在特徴点ＤＰ２および平均特徴点ＤＰ３を用いて区間道路形状線ＲＬを生成する（ステップＳ１０６）。具体的には、ＣＰＵ１０１は、最小二乗法を用いて、各区間に存在する各特徴点ＤＰ１ｍ、ＤＰ２、ＤＰ３を結ぶ直線または曲線を表す二次関数を算出する。すなわち、区間道路形状線ＲＬは、特徴点ＤＰを用いて生成される区間単位の道路形状を示す線である。図８の例では、第１区間Ｓ１および第３区間Ｓ３については、平均特徴点ＤＰ３を用いて区間道路形状線ＲＬが生成され、第６区間Ｓ６については、補正過去特徴点ＤＰ１ｍおよび平均特徴点ＤＰ３を用いて区間道路形状線ＲＬが生成される。第４区間Ｓ４および第５区間Ｓ５については、現在特徴点ＤＰ２が存在しないので、補正過去特徴点ＤＰ１ｍを用いて区間道路形状線が生成される。なお、区間道路形状線ＲＬの生成に際しては、過去のタイミング、望ましくは直前のタイミングにおいて生成された区間道路形状線ＲＬに対する現在特徴点ＤＰ２の位置ずれ量が予め定められた判定位置ずれ量以上である場合、現在特徴点ＤＰ２を削除することが望ましい。本実施形態においては、第２区間Ｓ２において、現在特徴点ＤＰ２の位置が、過去のタイミングで生成された区間道路形状線ＲＬから大きく外れているので、現在特徴点ＤＰ２は、平均化並びに区間道路形状線の生成に用いられる特徴点から除外される。この結果、補正過去特徴点ＤＰ１ｍおよび平均特徴点ＤＰ３を用いて区間道路形状線ＲＬが生成される。このように、時系列的に異なるタイミングにおける特徴点の位置と大きく異なる位置に検出された特徴点を除外することによって、区間道路形状線ＲＬの精度が向上される。なお、現在特徴点ＤＰ２が、過去のタイミングにおける特徴点の位置と大きく異なっているか否かの判定は、上述のように、過去のタイミングで生成された区間道路形状線ＲＬを基準に判定されても良く、あるいは、過去のタイミングで区間道路形状線ＲＬの生成に用いられた過去特徴点ＤＰ１または補正過去特徴点ＤＰ１ｍの位置を基準に判定されても良い。 The CPU 101 generates a section road shape line RL using the corrected past feature point DP1m, current feature point DP2, and average feature point DP3 in each section (step S106). Specifically, the CPU 101 uses the least squares method to calculate a quadratic function representing a straight line or curve connecting the feature points DP1m, DP2, and DP3 existing in each section. That is, the section road shape line RL is a line that indicates the road shape for each section, which is generated using the feature points DP. In the example of FIG. 8, for the first section S1 and the third section S3, the section road shape line RL is generated using the average feature point DP3, and for the sixth section S6, the corrected past feature point DP1m and the average feature point A section road shape line RL is generated using DP3. Regarding the fourth section S4 and the fifth section S5, since the current feature point DP2 does not exist, the section road shape line is generated using the corrected past feature point DP1m. In addition, when generating the section road shape line RL, the amount of positional deviation of the current feature point DP2 with respect to the section road shape line RL generated at a past timing, preferably the immediately previous timing, is greater than or equal to a predetermined determined positional deviation amount. If so, it is desirable to delete the current feature point DP2. In the present embodiment, in the second section S2, the position of the current feature point DP2 is largely deviated from the section road shape line RL generated at a past timing, so the current feature point DP2 is Excluded from the feature points used to generate shape lines. As a result, the section road shape line RL is generated using the corrected past feature point DP1m and the average feature point DP3. In this way, the accuracy of the section road shape line RL is improved by excluding feature points detected at positions significantly different from the positions of feature points at different timings in time series. Note that the determination as to whether the current feature point DP2 is significantly different from the position of the feature point at a past timing is determined based on the section road shape line RL generated at a past timing, as described above. Alternatively, the determination may be made based on the position of the past feature point DP1 or the corrected past feature point DP1m used to generate the section road shape line RL at a past timing.

ＣＰＵ１０１は、各区間Ｓ１～Ｓ６に対応して生成された６つの区間道路形状線ＲＬを接続して１の道路形状線、すなわち全区間道路形状線を生成し、生成した全区間道路形状線を用いて道路形状を決定し（ステップＳ１０８）、本処理ルーチンを終了する。決定された道路形状は、全区間道路形状線を表す二次関数、すなわち、適当な境界処理の実施を伴う各区間道路形状線ＲＬを表す二次関数により規定される。この結果、二次関数を用いることによって、後段における道路形状に応じた運転支援や自動運転の制御が容易に実行され得る。 The CPU 101 connects the six section road shape lines RL generated corresponding to each section S1 to S6 to generate one road shape line, that is, the entire section road shape line, and The road shape is determined by using the road shape (step S108), and this processing routine is ended. The determined road shape is defined by a quadratic function representing the entire section road shape line, ie, a quadratic function representing each section road shape line RL with appropriate boundary processing performed. As a result, by using the quadratic function, it is possible to easily perform driving support and automatic driving control according to the road shape in the subsequent stage.

走行中の車両ＶＣにおける特徴点の取得の一態様例について図９および図１０を用いて説明する。検出器２０が単一であるか複数であるか、あるいは、検出器２０が単種類であるか複数種類であるかに関わらず、図９および図１０は、検出器２０によって、複数種類の対象物から複数種類の道路形状を示す検出点が取得される例を示している。図９および図１０の例では、車線境界線ＬＭ１に対応する第１種検出点ＬＰ、壁ＲＥに対応する第２種検出点ＲＰ、他車両ＥＶＣの走行軌跡に対応する第３種検出点ＶＰが例示されている。この他に、車道外側線または縁石ＬＭ２に対応する図示しない第４種検出点が用いられても良い。得られた複数種類の検出点ＬＰ、ＲＰ、ＶＰを適宜組み合わせることによって、特徴点ＤＰが取得される。例えば、車線境界線ＬＭ１の認識精度が所望の認識精度よりも高い、車両ＶＣに近い認識距離については、第１種検出点ＬＰが用いられる。２つの第１種検出点ＬＰについては、２つの第１種検出点ＬＰを結ぶ線分と、車線の中心線である平行な車線境界線ＬＭ１の中心線との交点が算出され、特徴点ＤＰとして取得される。あるいは、予め定められている車線境界線ＬＭ１から車線境界線ＬＭ１の中心線までの距離だけ、２つの第１種検出点ＬＰから線分を車両ＶＣの幅方向と平行な方向に延伸させた点が特徴点ＤＰとして取得される。道路面に対する検出器２０の光軸の角度が小さくなり、車線境界線ＬＭ１の認識精度が低下する車両ＶＣから遠方の認識距離については、第２種検出点ＲＰや第３種検出点ＶＰが用いられる。第２種検出点ＲＰまたは第３種検出点ＶＰから車両ＶＣの幅方向と平行な方向に延伸する線分と、車線の中心線である平行する車線境界線ＬＭ１の中心線との交点が算出され、特徴点ＤＰとして取得される。あるいは、他車両ＥＶＣの走行軌跡の位置を隣接車線の中心線と規定し、予め定められている壁ＲＥや隣接車線の中心線から車線境界線ＬＭ１の中心線までの距離だけ、第２種検出点ＲＰや第３種検出点ＶＰから線分を車両ＶＣの幅方向と平行な方向に延伸させた点が特徴点ＤＰとして取得される。図１０に示すように、分割された複数の区間毎に、取得された特徴点ＤＰを用いて区間道路形状線ＲＬが生成される。なお、検出器２０によって、一つの検出点のみが出力される場合には、出力された検出点が特徴点ＤＰとして取得され、あるいは、出力された特徴点を車両ＶＣの走行車線の中心に位置変換する処理を行うことにより特徴点取得される。 An example of how feature points are acquired in a running vehicle VC will be described with reference to FIGS. 9 and 10. Regardless of whether the detector 20 is single or multiple, or whether the detector 20 is of a single type or multiple types, FIGS. 9 and 10 show that the detector 20 detects multiple types of targets. An example is shown in which detection points indicating multiple types of road shapes are acquired from an object. In the examples of FIGS. 9 and 10, the first type detection point LP corresponds to the lane boundary line LM1, the second type detection point RP corresponds to the wall RE, and the third type detection point VP corresponds to the traveling trajectory of the other vehicle EVC. is exemplified. In addition to this, a fourth type detection point (not shown) corresponding to the outer road line or the curb LM2 may be used. A feature point DP is obtained by appropriately combining the obtained plural types of detection points LP, RP, and VP. For example, for a recognition distance close to the vehicle VC where the recognition accuracy of the lane boundary line LM1 is higher than the desired recognition accuracy, the first type detection point LP is used. Regarding the two first type detection points LP, the intersection between the line segment connecting the two first type detection points LP and the center line of the parallel lane boundary line LM1, which is the center line of the lane, is calculated, and the intersection point is calculated as the feature point DP. is obtained as. Alternatively, a point where a line segment is extended from the two first type detection points LP in a direction parallel to the width direction of the vehicle VC by the distance from the predetermined lane boundary line LM1 to the center line of the lane boundary line LM1. is acquired as the feature point DP. For recognition distances far from the vehicle VC where the angle of the optical axis of the detector 20 with respect to the road surface becomes small and the recognition accuracy of the lane boundary line LM1 decreases, the second type detection point RP and the third type detection point VP are used. It will be done. The intersection point between a line segment extending from the second type detection point RP or the third type detection point VP in a direction parallel to the width direction of the vehicle VC and the center line of the parallel lane boundary line LM1, which is the center line of the lane, is calculated. and is acquired as a feature point DP. Alternatively, the position of the travel trajectory of the other vehicle EVC is defined as the center line of the adjacent lane, and the second type detection is performed only by the distance from the predetermined wall RE or the center line of the adjacent lane to the center line of the lane boundary line LM1. A point obtained by extending a line segment from the point RP or the third type detection point VP in a direction parallel to the width direction of the vehicle VC is acquired as a feature point DP. As shown in FIG. 10, a section road shape line RL is generated for each of the plurality of divided sections using the acquired feature points DP. Note that when only one detection point is output by the detector 20, the output detection point is acquired as a feature point DP, or the output feature point is located at the center of the driving lane of the vehicle VC. Feature points are acquired by performing conversion processing.

以上説明した第１の実施形態に係る道路形状認識装置１０によれば、道路形状の認識距離を予め定められた区分距離の複数の区間に分割するので、道路形状の認識距離が長い場合における道路形状の認識精度の低下を抑制または防止することができる。また、第１の実施形態に係る道路形状認識装置１０によれば、過去特徴点ＤＰ１および現在特徴点ＤＰ２、並びに現在特徴点ＤＰ２の位置と過去特徴点ＤＰ１の位置が予め定められた距離範囲内にある場合に求められる平均特徴点ＤＰ３とを用いて区間毎に区間道路形状線ＲＬを生成し、生成した区間道路形状線ＲＬを接続して道路形状を決定するので、現在特徴点ＤＰ２のみを用いる場合に発生し得る、複数の区間毎に道路形状線が生成される場合に生ずる、特徴点の欠落や不足による区間道路形状線の生成精度の低下を抑制または防止することが可能となる。さらには、平均特徴点ＤＰ３は、過去特徴点ＤＰ１または補正過去特徴点ＤＰ１ｍと現在特徴点ＤＰ２とが近接している場合にのみ生成されるので、平均特徴点ＤＰ３の信頼度は高く、また、平均特徴点ＤＰ３を生成できない現在特徴点ＤＰ２は用いられないので、平均特徴点ＤＰ３という概念を導入することにより区間道路形状線の生成精度を向上させることが可能となり、道路形状の認識精度の低下を抑制または防止、さらには、道路形状の認識精度を向上させることができる。 According to the road shape recognition device 10 according to the first embodiment described above, since the road shape recognition distance is divided into a plurality of sections with predetermined segment distances, the road shape recognition distance is divided into a plurality of sections with predetermined segment distances. Deterioration in shape recognition accuracy can be suppressed or prevented. Further, according to the road shape recognition device 10 according to the first embodiment, the past feature point DP1, the current feature point DP2, and the position of the current feature point DP2 and the position of the past feature point DP1 are within a predetermined distance range. A section road shape line RL is generated for each section using the average feature point DP3 found when It is possible to suppress or prevent a decrease in the generation accuracy of section road shape lines due to missing or insufficient feature points, which may occur when road shape lines are generated for each of a plurality of sections. Furthermore, since the average feature point DP3 is generated only when the past feature point DP1 or the corrected past feature point DP1m and the current feature point DP2 are close to each other, the reliability of the average feature point DP3 is high. Since the current feature point DP2 that cannot generate the average feature point DP3 is not used, by introducing the concept of the average feature point DP3, it is possible to improve the generation accuracy of the section road shape line, which reduces the reduction in road shape recognition accuracy. It is possible to suppress or prevent this, and further improve the recognition accuracy of road shape.

第１の実施形態に係る道路形状認識装置１０によれば、過去特徴点ＤＰ１を用いる際にエゴモーション補正を行った補正過去特徴点ＤＰ１ｍが用いられるので、自車両ＶＣの移動を反映することが可能となり、道路形状の認識精度をさらに向上させることができる。 According to the road shape recognition device 10 according to the first embodiment, when using the past feature point DP1, the corrected past feature point DP1m that has undergone ego motion correction is used, so that the movement of the host vehicle VC cannot be reflected. This makes it possible to further improve road shape recognition accuracy.

第１の実施形態に係る道路形状認識装置１０によれば、平均特徴点ＤＰ３が用いられるので、第１タイミングにおける全区間道路形状線と第２タイミングにおける全区間道路形状線を重畳させた際に、過去特徴点ＤＰ１および現在特徴点ＤＰ２をそれぞれ特徴点憶領域１０２ａに格納する場合と比較して、メモリ１０２または特徴点憶領域１０２ａに求められる記憶容量を低減することができる。 According to the road shape recognition device 10 according to the first embodiment, since the average feature point DP3 is used, when the whole section road shape line at the first timing and the whole section road shape line at the second timing are superimposed, , the storage capacity required for the memory 102 or the feature point storage area 102a can be reduced compared to the case where the past feature point DP1 and the current feature point DP2 are each stored in the feature point storage area 102a.

第１の実施形態においては、平均特徴点ＤＰ３を取得する際に、複数種類の検出点について信頼度が考慮されていない。これに対して、複数種類の検出点について信頼度を考慮した上で、重み付け平均処理により加重平均された平均特徴点ＤＰ３が取得されても良い。一般的に、車線境界線ＬＭ１の検出精度は高いので、例えば、第１種検出点ＬＰには９０％の信頼度が割り当てられ、壁ＲＥは車線境界線ＬＭ１と比較して存在確率が低く、また、合流や分岐地点を始めとして自車両ＶＣの走行車線に沿った形状を有していないこともあるため、さらに、第２種検出点ＲＰは、遠方の道路形状の検出に用いられるので、例えば、第２種検出点ＲＰには７０％の信頼度が割り当てられ、他車両ＥＶＣの走行軌跡は、車線境界線ＬＭ１と比較して存在確率が低く、第３種検出点ＶＰは遠方の道路形状の検出に用いられる一方で、他車両ＥＶＣは自車両ＶＣの走行車線に沿う軌跡を描いて走行する可能性が高いので、例えば、第３種検出点ＶＰには８０％の信頼度が割り当てられる。さらに、エゴモーション補正された特徴点の信頼度は、補正が行われているので、例えば、１０％程度低く設定される。この信頼度を用いて図８に示す例を用いて説明する。区間Ｓ１～Ｓ３については、第１種検出点ＬＰが用いられるので、例えば、過去特徴点ＤＰ１に対して９０％の信頼度が割り当てられる一方で、エゴモーション補正により信頼度は８０％に設定される。現在特徴点ＤＰ２に対しても９０％の信頼度が割り当てられる。この結果、平均特徴点ＤＰ３の信頼度は８５％となる。平均特徴点ＤＰ３が次回の過去特徴点ＤＰ１として用いられる場合には、信頼度は８５％に対してエゴモーション補正が施された、例えば、７５％が平均特徴点ＤＰ３の信頼度として割り当てられる。また、平均特徴点ＤＰ３の座標（ｘ３，ｙ３）は、補正過去特徴点ＤＰ１ｍの座標（ｘ１，ｙ１）および現在特徴点ＤＰ２の座標（ｘ２，ｙ２）に対して、ｘ３＝（８０ｘ１＋９０ｘ２）／１７０、ｙ３＝（８０ｙ１＋９０ｙ２）／１７０として取得される。区間Ｓ６については、第２種検出点ＲＰおよび第３種検出点ＶＰが用いられるので、例えば、過去特徴点ＤＰ１に対して７０％の信頼度が割り当てられ、エゴモーション補正により信頼度は６０％に設定される。現在特徴点ＤＰ２が第３種検出点ＶＰにより得られる場合には、８０％の信頼度が割り当てられる。この結果、平均特徴点ＤＰ３の信頼度は７０％となる。平均特徴点ＤＰ３が次回の過去特徴点ＤＰ１として用いられる場合には、信頼度は７０％に対してエゴモーション補正が施された、例えば、６０％が平均特徴点ＤＰ３の信頼度として割り当てられる。また、平均特徴点ＤＰ３の座標（ｘ３，ｙ３）は、補正過去特徴点ＤＰ１ｍの座標（ｘ１，ｙ１）および現在特徴点ＤＰ２の座標（ｘ２，ｙ２）に対して、ｘ３＝（６０ｘ１＋８０ｘ２）／１４０、ｙ３＝（６０ｙ１＋８０ｙ２）／１４０として取得される。なお、過去特徴点ＤＰ１または補正過去特徴点ＤＰ１ｍのうち、平均特徴点ＤＰ３の算出に用いられなかった、あるいは、用いられた回数の少ない特徴点ＤＰ１、ＤＰ１ｍについては、より低い信頼度が付与されても良い。この場合、平均特徴点ＤＰ３に用いられない、誤差の大きな特徴点の重みが小さくなるため、区間道路形状線の精度の低下の抑制または精度の向上を図ることができる。 In the first embodiment, when acquiring the average feature point DP3, the reliability of multiple types of detection points is not taken into account. On the other hand, the weighted average feature point DP3 may be obtained by weighted averaging processing after considering the reliability of a plurality of types of detection points. In general, the detection accuracy of the lane boundary line LM1 is high, so for example, the first type detection point LP is assigned a reliability of 90%, and the existence probability of the wall RE is low compared to the lane boundary line LM1. In addition, since there may be cases where the shape does not follow the driving lane of the host vehicle VC, including merging and branching points, the second type detection point RP is used to detect the shape of the road in the distance. For example, the second type detection point RP is assigned a reliability of 70%, the travel trajectory of another vehicle EVC has a lower probability of existence compared to the lane boundary line LM1, and the third type detection point VP is located on a distant road. While it is used for shape detection, there is a high possibility that the other vehicle EVC will travel along a trajectory along the driving lane of the own vehicle VC, so for example, a reliability of 80% is assigned to the third type detection point VP. It will be done. Furthermore, the reliability of the ego-motion-corrected feature points is set low, for example, by about 10%, because the correction has been performed. This reliability will be used to explain the example shown in FIG. 8. For the sections S1 to S3, since the first type detection point LP is used, for example, while a reliability of 90% is assigned to the past feature point DP1, the reliability is set to 80% due to ego motion correction. Ru. A reliability of 90% is also assigned to the current feature point DP2. As a result, the reliability of the average feature point DP3 is 85%. When the average feature point DP3 is used as the next past feature point DP1, ego motion correction is applied to the reliability of 85%, for example, 75% is assigned as the reliability of the average feature point DP3. Also, the coordinates (x3, y3) of the average feature point DP3 are x3 = (80x1 + 90x2) / 170 with respect to the coordinates (x1, y1) of the corrected past feature point DP1m and the coordinates (x2, y2) of the current feature point DP2. , y3=(80y1+90y2)/170. For the section S6, since the second type detection point RP and the third type detection point VP are used, for example, 70% reliability is assigned to the past feature point DP1, and the reliability is 60% due to ego motion correction. is set to If the current feature point DP2 is obtained by the third type detection point VP, a reliability of 80% is assigned. As a result, the reliability of the average feature point DP3 is 70%. When the average feature point DP3 is used as the next past feature point DP1, ego motion correction is applied to the reliability of 70%, for example, 60% is assigned as the reliability of the average feature point DP3. Also, the coordinates (x3, y3) of the average feature point DP3 are x3 = (60x1 + 80x2) / 140 with respect to the coordinates (x1, y1) of the corrected past feature point DP1m and the coordinates (x2, y2) of the current feature point DP2. , y3=(60y1+80y2)/140. Note that among the past feature points DP1 or corrected past feature points DP1m, lower reliability is assigned to feature points DP1 and DP1m that were not used for calculating the average feature point DP3 or were used less frequently. It's okay. In this case, the weight of feature points with large errors that are not used for the average feature point DP3 is reduced, so that it is possible to suppress a decrease in accuracy of the section road shape line or to improve the accuracy.

第１の実施形態において、エゴモーション補正は実行されなくても良い。例えば、過去特徴点ＤＰ１の精度の低下が考慮されない場合、または無視できる程度である場合には、エゴモーション補正が実行されなくても良い。 In the first embodiment, egomotion correction may not be performed. For example, if the decrease in accuracy of the past feature point DP1 is not taken into consideration or is negligible, ego motion correction may not be performed.

第２の実施形態：
第２の実施形態に係る道路形状認識装置は、道路形状の決定に際して、道路形状の認識距離を区分する距離として予め定められた複数の区分距離を用意し、予め定められた区分距離毎に、認識距離を区分距離で複数の区間に分割し、分割された区間毎に生成された区間道路形状線を接続して得られた道路形状の誤差が小さくなる区分距離を複数の区分距離の中から選択し、選択した区分距離に対応する道路形状を選択する点において、第１の実施形態に係る道路形状決定装置１００とは異なる。但し、相違点は、道路形状認識プログラムＰｒ２によって実行される道路形状決定処理にあり、第２の実施形態に係る道路形状認識装置の構成は、第１の実施形態に係る道路形状認識装置１０と同様であるから、同一の符号を付すことで説明を省略する。 Second embodiment:
When determining the road shape, the road shape recognition device according to the second embodiment prepares a plurality of predetermined segmentation distances as distances for segmenting the road shape recognition distance, and for each predetermined segmentation distance, Divide the recognition distance into multiple sections using segment distances, connect the segment road shape lines generated for each segment, and choose a segment distance from among the multiple segment distances that will reduce the error in the road shape obtained. This differs from the road shape determination device 100 according to the first embodiment in that the road shape is selected and the road shape corresponding to the selected segment distance is selected. However, the difference lies in the road shape determination process executed by the road shape recognition program Pr2, and the configuration of the road shape recognition device according to the second embodiment is different from that of the road shape recognition device 10 according to the first embodiment. Since they are the same, the same reference numerals are used to omit the explanation.

第１の実施形態において述べたように、道路形状の認識距離が長く、一のフィッティング曲線を用いる場合、フィッティング曲線と特徴点とが一致しなくなる傾向が強くなり、道路形状の認識精度は低下する。この問題を解決するために、道路形状の認識距離を複数の区間に区分する対応を取る場合、固定された予め定められた区分距離を用いると以下の問題が更に生じ得る。すなわち、予め定められた区分距離が長く、道路形状が急曲線を含む場合には、依然としてフィッティング曲線と特徴点とが一致しない傾向が強くなる。これに対して、図１１に示すように、予め定められた区分距離が短く、道路形状が直線または緩曲線を含む場合には、特徴点の誤検出、すなわち、ノイズによって区間毎のフィッティング曲線、すなわち、全区間道路形状線Ｌ１がばらつく傾向が強くなる。図１１の例では、第４区間Ｓ４および第５区間Ｓ５に見られる。いずれの場合にも、道路形状の認識精度は低下する。第２の実施形態に係る道路形状決定装置１００は、図１２に示すように認識対象となる実際の道路形状に応じて、認識距離を区分する区分距離を、予め複数用意し、複数の区分距離毎にフィッティング曲線、すなわち、区間道路形状線を生成し、道路形状を決定する。第２の実施形態に係る道路形状認識装置１０はさらに、実際の道路形状に応じて、道路形状の誤差が小さくなる区分する区分距離を選択し、選択した区分距離に対応する区間道路形状線を用いて決定された道路形状を用いる。 As described in the first embodiment, when the road shape recognition distance is long and one fitting curve is used, there is a strong tendency that the fitting curve and the feature points do not match, and the road shape recognition accuracy decreases. . In order to solve this problem, if the recognition distance of the road shape is divided into a plurality of sections, the following problem may occur if a fixed, predetermined division distance is used. That is, when the predetermined segment distance is long and the road shape includes a sharp curve, there is still a strong tendency that the fitting curve and the feature points do not match. On the other hand, as shown in FIG. 11, when the predetermined segment distance is short and the road shape includes a straight line or a gentle curve, false detection of feature points occurs, that is, the fitting curve for each section due to noise. That is, there is a strong tendency for the road shape line L1 for all sections to vary. In the example of FIG. 11, this can be seen in the fourth section S4 and the fifth section S5. In either case, the recognition accuracy of the road shape decreases. As shown in FIG. 12, the road shape determining device 100 according to the second embodiment prepares in advance a plurality of segmentation distances for segmenting the recognition distance according to the actual road shape to be recognized. A fitting curve, that is, a section road shape line is generated for each section, and the road shape is determined. The road shape recognition device 10 according to the second embodiment further selects a segmentation distance for segmenting that reduces the error in the road shape according to the actual road shape, and generates a section road shape line corresponding to the selected segmentation distance. The road shape determined using the following method is used.

図１２においてＳＲｏａｄは、道路が直線または緩曲線を含む場合を例示しており、区分距離Ｄ１１毎に第１区間Ｓ１および第２区間Ｓ２の２区間に区分されている。区分距離Ｄ１１は、例えば、４０～６０ｍ程度の長さである。各区間Ｓ１、Ｓ２に対応して特徴点ＤＰを近似する区間道路形状線ＲＬが生成され、生成された区間道路形状線ＲＬが接続されることで道路形状を示す全区間道路形状線Ｌ１が決定される。図１２においてＣＲｏａｄは、道路が急曲線を含む場合を例示しており、区分距離Ｄ１１よりも短い区分距離Ｄ１２毎に第１区間Ｓ１～第５区間Ｓ５の５区間に区分されている。各区間Ｓ１～Ｓ５に対応して特徴点ＤＰを近似する区間道路形状線ＲＬが生成され、生成された区間道路形状線ＲＬが接続されることで道路形状を示す全区間道路形状線Ｌ２が決定される。認識距離を分割する際に用いられる複数の予め定められた区分距離は、道路が直線または緩曲線を含む場合よりも道路が急曲線を含む場合の方が短い。 In FIG. 12, SRoad exemplifies a case where the road includes a straight line or a gentle curve, and is divided into two sections, a first section S1 and a second section S2, for each section distance D11. The segment distance D11 is, for example, about 40 to 60 m. A section road shape line RL that approximates the feature point DP is generated corresponding to each section S1, S2, and the entire section road shape line L1 indicating the road shape is determined by connecting the generated section road shape lines RL. be done. In FIG. 12, CRoad exemplifies a case where the road includes a sharp curve, and is divided into five sections, ie, a first section S1 to a fifth section S5, for each section distance D12 that is shorter than the section distance D11. A section road shape line RL that approximates the feature point DP is generated corresponding to each section S1 to S5, and the entire section road shape line L2 indicating the road shape is determined by connecting the generated section road shape lines RL. be done. The plurality of predetermined division distances used when dividing the recognition distance are shorter when the road includes a sharp curve than when the road includes a straight line or a gentle curve.

第２の実施形態に係る道路形状認識装置１０により実行される道路形状決定処理について説明する。図１３に示す処理ルーチンは、車両５０の制御システムが始動された後、または、スタートスイッチがオンされた後に、予め定められた時間間隔、例えば、数ミリ秒毎に繰り返して実行される。ＣＰＵ１０１が道路形状認識プログラムＰｒ２を実行することによって図１３に示す処理フローが実行される。なお、具体的な、特徴点の取得手順、特徴点を用いる区間道路形状線の生成手順は第１の実施形態において説明済みであるから詳細な説明は省略する。 The road shape determination process executed by the road shape recognition device 10 according to the second embodiment will be described. The processing routine shown in FIG. 13 is repeatedly executed at predetermined time intervals, for example, every few milliseconds, after the control system of the vehicle 50 is started or the start switch is turned on. The processing flow shown in FIG. 13 is executed by the CPU 101 executing the road shape recognition program Pr2. Note that the specific procedure for acquiring feature points and the procedure for generating section road shape lines using feature points have already been explained in the first embodiment, so a detailed explanation will be omitted.

ＣＰＵ１０１は、特徴点ＤＰを取得し（ステップＳ２００）、第１区分距離および第２区分距離における道路形状を決定する（ステップＳ２０２）。図１２および図１３の例では、予め定められた区分距離、すなわち、区間距離として、区分距離Ｄ１１に対応する第１区分距離Ｄ１１および区分距離Ｄ１２に対応する第２区分距離Ｄ１２の２つの区分距離が用いられる。なお、第１および第２の区分距離とは異なる他の複数の区分距離が用いられても良い。ＣＰＵ１０１は、予め定められた区分距離毎に各区間に含まれる各特徴点を結ぶ近似曲線である区間道路形状線を生成し、生成した区間道路形状線を接続して全区間道路形状線を生成し、道路形状を決定する。既述の通り、ＣＰＵ１０１は、常に、第１区分距離Ｄ１１および第２区分距離Ｄ１２の２つの区分距離に対応する全区間道路形状線を生成する。 The CPU 101 acquires feature points DP (step S200), and determines the road shape at the first segment distance and the second segment distance (step S202). In the examples of FIGS. 12 and 13, the predetermined segment distances, that is, the segment distances include two segment distances: a first segment distance D11 corresponding to segment distance D11 and a second segment distance D12 corresponding to segment distance D12. is used. Note that a plurality of segmentation distances different from the first and second segmentation distances may be used. The CPU 101 generates section road shape lines, which are approximate curves connecting each feature point included in each section, for each predetermined segment distance, and connects the generated section road shape lines to generate an entire section road shape line. and determine the road shape. As described above, the CPU 101 always generates the entire road shape line corresponding to the two segment distances, the first segment distance D11 and the second segment distance D12.

ＣＰＵ１０１は、第１区分距離Ｄ１１および第２区分距離Ｄ１２に対応する道路形状のうち、誤差が小さい区分距離を選択する（ステップＳ２０４）。具体的には、ＣＰＵ１０１は、より長い区分距離Ｄ１１を用いて生成された全区間道路形状線の曲線部分における曲率を求め、求められた曲率が判定閾値以上の場合に、区分距離Ｄ１１を用いて得られる道路形状の誤差は、区分距離Ｄ１２を用いて得られる道路形状の誤差よりも大きくなると判定する。既述の通り、短い区分距離Ｄ１２を用いる場合には、特徴点に関するノイズによって全区間道路形状線の精度が低下するので、曲率の判定精度が低下する。そこで、より長い区分距離Ｄ１１を用いて得られる全区間道路形状を用いて曲率が判定される。曲率が大きい場合には、急曲線が含まれていることを意味するので、上述の理由によって、ＣＰＵ１０１は、短い区分距離Ｄ１２を用いて決定された道路形状の誤差の方が長い区分距離Ｄ１１を用いて決定された道路形状の誤差よりも小さいと判断する。一方、曲率が小さい場合には、直線または緩曲線が含まれていることを意味するので、上述の理由によって、ＣＰＵ１０１は、長い区分距離Ｄ１１を用いて決定された道路形状の誤差の方が短い区分距離Ｄ１２を用いて決定された道路形状の誤差よりも小さいと判断する。なお、曲率の大小を判定する判定しきい値は、区分距離とフィッティング曲線、すなわち、全区間道路形状線の次数が決まると、対応可能な曲率の上限値が決まるので、当該上限曲率値が判定しきい値に設定される。例えば、第１区分距離Ｄ１１として５０ｍが用いられる場合には、曲率１／Ｒ１００が判定しきい値として用いられ得る。道路形状の誤差は、このほかに、各特徴点と全区間道路形状線との誤差を算出して、算出された誤差の平均値、中央値、最大値等を用いて統計的に判定されても良い。 The CPU 101 selects the segmented distance with the smallest error from among the road shapes corresponding to the first segmented distance D11 and the second segmented distance D12 (step S204). Specifically, the CPU 101 calculates the curvature of the curved portion of the entire road shape line generated using the longer segment distance D11, and if the obtained curvature is equal to or greater than the determination threshold, It is determined that the error in the obtained road shape is larger than the error in the road shape obtained using the segment distance D12. As described above, when using the short segment distance D12, the accuracy of the road shape line for all sections is reduced due to noise related to the feature points, and therefore the accuracy of curvature determination is reduced. Therefore, the curvature is determined using the entire road shape obtained using the longer segment distance D11. If the curvature is large, it means that a sharp curve is included. Therefore, for the above-mentioned reason, the CPU 101 determines that the error in the road shape determined using the short segment distance D12 is larger than that of the long segment distance D11. It is determined that the error is smaller than the error of the road shape determined using this method. On the other hand, when the curvature is small, it means that a straight line or a gentle curve is included. Therefore, for the above-mentioned reason, the CPU 101 determines that the error of the road shape determined using the long segment distance D11 is shorter. It is determined that the error is smaller than the error in the road shape determined using the segment distance D12. The judgment threshold for determining the size of the curvature is determined by determining the upper limit of the applicable curvature once the segment distance and the fitting curve, that is, the order of the road shape line for the entire section, are determined. Set to threshold. For example, when 50 m is used as the first segment distance D11, curvature 1/R100 may be used as the determination threshold. In addition, the error in road shape is determined statistically by calculating the error between each feature point and the road shape line for the entire section, and using the average value, median value, maximum value, etc. of the calculated errors. Also good.

ＣＰＵ１０１は、決定された誤差の小さい区分距離に対応する全区間道路形状線を道路形状に決定し（ステップＳ２０６）、本処理ルーチンを終了する。 The CPU 101 determines as the road shape the entire section road shape line corresponding to the determined segmented distance with the small error (step S206), and ends this processing routine.

以上説明した第２の実施形態に係る道路形状認識装置１０によれば、予め定められた複数の区分距離毎に、道路形状の認識距離を区分距離で複数の区間に分割して区間道路形状線を生成し、道路形状を決定し、道路形状の誤差が小さくなる区分距離を選択し、選択された区分距離に対応する道路形状を選択するので、道路形状の認識距離が長い場合における道路形状の認識精度の低下を抑制または防止することができる。より具体的には、第２の実施形態に係る道路形状認識装置１０によれば、道路形状の曲率が判定しきい値未満の場合、すなわち、直線または緩曲線の場合には、予め定められた区分距離として長い区分距離を用いて生成された全区間道路形状線を道路形状として決定し、道路形状の曲率が判定しきい値以上の場合、すなわち、道路形状が急曲線を含む場合には、予め定められた区分距離として短い区分距離を用いて生成された全区間道路形状線を道路形状として決定する。この結果、道路形状に応じた、すなわち、道路形状に対して誤差が小さくなる区分距離で道路形状の認識距離を複数の区間に区分し、区間道路形状線を生成することが可能となり、道路形状の認識距離を複数の区間に区分する際における、区分距離と道路形状との不適合を低減または防止して、道路形状の認識精度の低下の抑制または認識精度の向上を図ることができる。すなわち、第２の実施形態に係る道路形状認識装置１０は、認識対象となる道路に、急曲線が含まれず、道路形状の誤差が小さいと判断できる場合には、長い区分距離を採用して道路形状を決定するので、短い区分距離を用いる場合に生ずる特徴点ＤＰのノイズに起因する区間道路形状線ＲＬのばらつきを抑制または防止することができる。 According to the road shape recognition device 10 according to the second embodiment described above, the recognition distance of the road shape is divided into a plurality of sections by the section distance for each of a plurality of predetermined section distances, and the section road shape line is created. is generated, determines the road shape, selects the segmentation distance that reduces the road shape error, and selects the road shape that corresponds to the selected segmentation distance. Decrease in recognition accuracy can be suppressed or prevented. More specifically, according to the road shape recognition device 10 according to the second embodiment, when the curvature of the road shape is less than the determination threshold, that is, when the road shape is a straight line or a gentle curve, a predetermined The entire road shape line generated using a long segment distance is determined as the road shape, and if the curvature of the road shape is equal to or greater than the determination threshold, that is, if the road shape includes a sharp curve, The entire road shape line generated using a short segment distance as a predetermined segment distance is determined as the road shape. As a result, it is possible to divide the recognition distance of the road shape into multiple sections according to the road shape, that is, with a division distance that reduces the error with respect to the road shape, and to generate a section road shape line. When dividing the recognized distance into a plurality of sections, it is possible to reduce or prevent mismatch between the divided distance and the road shape, thereby suppressing a decrease in the recognition accuracy of the road shape or improving the recognition accuracy. That is, the road shape recognition device 10 according to the second embodiment adopts a long segment distance to recognize the road when it can be determined that the road to be recognized does not include a sharp curve and the error in the road shape is small. Since the shape is determined, it is possible to suppress or prevent variations in the section road shape line RL caused by noise in the feature points DP that occurs when a short segment distance is used.

上記の第２の実施形態の説明においては、２つの区分距離を用いる例を用いて説明したが、３つ以上の区分距離が用いられ、３つ以上の区分距離に応じて生成された全区間道路形状線の曲率に応じて区分距離が選択され、道路形状が決定されてもよい。さらに、区分距離を予め用意することなく、基準となる区分距離により生成された全区間道路形状線の曲率に応じて、動的に区分距離が設定され、設定された区分距離を用いて区間道路形状線並びに全区間道路形状線が生成され、道路形状が決定されても良い。動的な区分距離の決定は、例えば、曲率に対して適当な区分距離を予め実験的にまたは経験的に定めておき、曲率と区分距離との対応関係を示すマップを用いることにより実現され得る。 In the description of the second embodiment above, the explanation was given using an example using two segment distances, but three or more segment distances are used, and the entire interval generated according to the three or more segment distances. The segment distance may be selected according to the curvature of the road shape line, and the road shape may be determined. Furthermore, without preparing the segment distance in advance, the segment distance is dynamically set according to the curvature of the entire section road shape line generated from the reference segment distance, and the segment distance is automatically set using the set segment distance. The shape line and the road shape line for all sections may be generated, and the road shape may be determined. Dynamic determination of the segment distance can be realized, for example, by determining an appropriate segment distance for the curvature experimentally or empirically in advance, and using a map showing the correspondence between the curvature and the segment distance. .

第３の実施形態：
第３の実施形態に係る道路形認識定装置は、道路形状の決定に際して、道路形状の認識距離を予め定められた区分距離で分割することにより得られた複数の区間に対して生成された区間道路形状線を接続する際に、各区間道路形状線を連続して接続して全区間道路形状線を得る点において、第１の実施形態に係る道路形状認識装置１０とは異なる。但し、相違点は、道路形状認識プログラムＰｒ３によって実行される道路形状決定処理にあり、第３の実施形態に係る道路形状認識装置の構成は、第１の実施形態に係る道路形状認識装置１０と同様であるから、同一の符号を付すことで説明を省略する。 Third embodiment:
In determining the road shape, the road shape recognition determination device according to the third embodiment generates sections for a plurality of sections obtained by dividing the road shape recognition distance by a predetermined segment distance. This embodiment differs from the road shape recognition device 10 according to the first embodiment in that when connecting the road shape lines, the road shape lines of each section are successively connected to obtain the entire road shape line. However, the difference lies in the road shape determination process executed by the road shape recognition program Pr3, and the configuration of the road shape recognition device according to the third embodiment is different from the road shape recognition device 10 according to the first embodiment. Since they are the same, the same reference numerals are used to omit the explanation.

図１４の参考例として示すように、道路形状の認識距離を複数の区間に分割する場合、各区間の境界または境界近傍における特徴点ＤＰが欠落する場合、あるいは、特徴点ＤＰの数が少ない場合には、境界における区間道路形状線ＲＬ１、ＲＬ２の連続性が損なわれることがある。なお、連続性とは、２つの線分が滑らかに接続されることを意味し、２つの直線の端点が一致することや、端点における繋がりが滑らかであること、すなわち、傾きの変化が小さいことによって規定され得る。これらの事象は、認識距離が複数の区間に分割されて各区間に存在する特徴点ＤＰを用いて区間道路形状線ＲＬ１、ＲＬ２が生成されること、複数の区間の境界近傍における特徴点の連続性が満たされないことに起因して発生する。そこで、第３の実施形態に係る道路形状認識装置１０は、特徴点ＤＰを用いて区間毎に区間道路形状線ＲＬ１、ＲＬ２を生成する際に、各区間道路形状線が連続するように接続して道路形状を決定する。より具体的には、第３の実施形態に係る道路形状認識装置１０は、自車両ＶＣに近い区間の近接区間道路形状線と連続するように、自車両ＶＣから遠い区間、すなわち、近接区間道路形状線よりも自車両ＶＣから離間している区間の離間区間道路形状線を生成する。この結果、図１４に第３の実施形態として示す区間道路形状線ＲＬ２並びに全区間道路形状線ＲＬ１＋ＲＬ２を得ることができる。 As shown as a reference example in FIG. 14, when the recognition distance of a road shape is divided into multiple sections, when feature points DP are missing at or near the boundaries of each section, or when the number of feature points DP is small , the continuity of the section road shape lines RL1 and RL2 at the boundary may be impaired. Continuity means that two line segments are connected smoothly, and that the end points of the two straight lines match or that the connection at the end points is smooth, that is, the change in slope is small. can be defined by These events include the fact that the recognition distance is divided into multiple sections and the section road shape lines RL1 and RL2 are generated using the feature points DP that exist in each section, and that the feature points are continuous near the boundaries of the multiple sections. It occurs due to sexual unfulfillment. Therefore, when generating the section road shape lines RL1 and RL2 for each section using the feature points DP, the road shape recognition device 10 according to the third embodiment connects the section road shape lines so that they are continuous. determine the road shape. More specifically, the road shape recognition device 10 according to the third embodiment detects a road in a section far from the host vehicle VC, that is, a road in the vicinity so as to be continuous with the road shape line in the nearby road in a section close to the host vehicle VC. A distant section road shape line for a section that is farther away from the host vehicle VC than the shape line is generated. As a result, the section road shape line RL2 and the entire section road shape line RL1+RL2 shown in FIG. 14 as the third embodiment can be obtained.

第３の実施形態に係る道路形状認識装置１０により実行される道路形状決定処理について説明する。図１５に示す処理ルーチンは、車両５０の制御システムが始動された後、または、スタートスイッチがオンされた後に、予め定められた時間間隔、例えば、数ミリ秒毎に繰り返して実行される。ＣＰＵ１０１が道路形状認識定プログラムＰｒ３を実行することによって図１３に示す処理フローが実行される。なお、具体的な、特徴点ＤＰの取得手順、特徴点ＤＰを用いる区間道路形状線の生成手順は第１の実施形態において説明済みであるから詳細な説明は省略する。 A road shape determination process executed by the road shape recognition device 10 according to the third embodiment will be described. The processing routine shown in FIG. 15 is repeatedly executed at predetermined time intervals, for example, every few milliseconds, after the control system of the vehicle 50 is started or the start switch is turned on. The processing flow shown in FIG. 13 is executed by the CPU 101 executing the road shape recognition determination program Pr3. Note that the specific procedure for acquiring the feature points DP and the procedure for generating the section road shape line using the feature points DP have already been explained in the first embodiment, so a detailed explanation will be omitted.

ＣＰＵ１０１は、特徴点ＤＰを取得し（ステップＳ３００）、自車両ＶＣに最近接の区間の近接区間における特徴点ＤＰを用いて近接区間道路形状線ＲＬ１を生成する（ステップＳ３０２）。具体的には、ＣＰＵ１０１は、最小二乗法によって、近接区間道路形状線ＲＬ１を表す二次関数ｆ(ｘ)＝ａ１ｘ２＋ｂ１ｘ＋ｃ１を求める。ＣＰＵ１０１は、生成した近接区間道路形状線ＲＬ１に続く離間区間道路形状線ＲＬ２が近接区間道路形状線ＲＬ１に連続して接続するように離間区間道路形状線を生成する（ステップＳ３０４）。具体的には、以下の通りである。ＣＰＵ１０１は、離間区間道路形状線ＲＬ２を二次関数ｇ(ｘ)＝ａ２ｘ２＋ｂ２ｘ＋ｃ２によって定義する。近接区間道路形状線ＲＬ１と離間区間道路形状線ＲＬ２が区間の境界で連続する連続条件は、
・Ｙ座標位置（横位置）：ｆ(ｘ１)＝ｇ(ｘ１)、
・接続点における傾き：ｆ’(ｘ１)＝ｇ’(ｘ１)、であり、
離間区間道路形状線ＲＬ２は、最離間点ＥＰ（ｙ２、ｘ２）を通過するので、
・最離間点通過条件：ｇ(ｘ２)＝ｙ２
となる。ＣＰＵ１０１は、これら条件を満たす３つの未知係数（ａ２、ｂ２、ｃ２）を求めることによって、離間区間道路形状線ＲＬ２を示す二次関数ｇ(ｘ)＝ａ２ｘ２＋ｂ２ｘ＋ｃ２を生成する。 The CPU 101 acquires feature points DP (step S300), and generates a proximate section road shape line RL1 using the feature points DP in the proximal section of the section closest to the own vehicle VC (step S302). Specifically, the CPU 101 uses the least squares method to obtain a quadratic function f(x)=a1x 2 +b1x+c1 representing the adjacent road shape line RL1. The CPU 101 generates a separated section road shape line so that the separated section road shape line RL2 that follows the generated proximate section road shape line RL1 is continuously connected to the proximate section road shape line RL1 (step S304). Specifically, it is as follows. The CPU 101 defines the separated section road shape line RL2 using a quadratic function g(x)=a2x 2 +b2x+c2. The continuity condition that the adjacent section road shape line RL1 and the distant section road shape line RL2 are continuous at the boundary of the section is as follows.
・Y coordinate position (horizontal position): f(x1) = g(x1),
・Slope at the connection point: f'(x1)=g'(x1),
Since the separated section road shape line RL2 passes through the farthest point EP (y2, x2),
・Farthest point passage condition: g(x2)=y2
becomes. The CPU 101 generates a quadratic function g(x)=a2x 2 +b2x+c2 indicating the separated section road shape line RL2 by finding three unknown coefficients (a2, b2, c2) that satisfy these conditions.

ＣＰＵ１０１は、生成された近接区間道路形状線ＲＬ１および離間区間道路形状線ＲＬ２を用いて全区間道路形状線を生成することにより道路形状を決定し（ステップＳ２０６）、本処理ルーチンを終了する。 The CPU 101 determines the road shape by generating a road shape line for all sections using the generated proximate section road shape line RL1 and distant section road shape line RL2 (step S206), and ends this processing routine.

以上説明した第３の実施形態に係る道路形状認識装置１０によれば、道路形状の認識距離を予め定められた区分距離の複数の区間に分割し、特徴点を用いて区間毎に区間道路形状線を生成する際に、各区間道路形状線が連続するように接続して道路形状を決定するので、道路形状の認識距離が長い場合における道路形状の認識精度の低下を抑制または防止することができる。より具体的には、第３の実施形態に係る道路形状認識装置１０によれば、自車両ＶＣに近い区間の近接区間道路形状線ＲＬ１を生成し、近接区間道路形状線に続く、自車両ＶＣから離間している区間の離間区間道路形状線ＲＬ２を連続して接続する。この結果、道路形状の認識距離を複数の区間に分割する場合に課題となる、各区間の境界または境界近傍における特徴点ＤＰの欠落、あるいは、特徴点ＤＰの不足に伴う区間道路形状線ＲＬ１、ＲＬ２の連続性の欠如を防止または低減することができる。この結果、区間道路形状線ＲＬ１、ＲＬ２が接続されることによって得られる全区間道路形状線の精度並びに信頼度が向上し、道路形状の認識精度が向上する。すなわち、各区間の境界または境界近傍における特徴点ＤＰが欠落、あるいは、特徴点ＤＰが不足する場合であっても、全区間道路形状線の精度の低下を抑制、あるいは、精度の向上を図ることができる。 According to the road shape recognition device 10 according to the third embodiment described above, the recognition distance of a road shape is divided into a plurality of sections with predetermined segment distances, and the section road shape is determined for each section using feature points. When generating lines, the road shape is determined by connecting the road shape lines in each section continuously, so it is possible to suppress or prevent a decrease in road shape recognition accuracy when the road shape recognition distance is long. can. More specifically, according to the road shape recognition device 10 according to the third embodiment, the adjacent section road shape line RL1 of the section close to the own vehicle VC is generated, and the own vehicle VC following the adjacent section road shape line is generated. The separated section road shape lines RL2 of the sections separated from the road shape line RL2 are continuously connected. As a result, when dividing the road shape recognition distance into multiple sections, the lack of feature points DP at or near the boundaries of each section, or the section road shape line RL1 due to lack of feature points DP, becomes a problem. The lack of continuity in RL2 can be prevented or reduced. As a result, the accuracy and reliability of the entire section road shape line obtained by connecting the section road shape lines RL1 and RL2 are improved, and the recognition accuracy of the road shape is improved. In other words, even if the feature points DP at or near the boundaries of each section are missing or feature points DP are insufficient, it is possible to suppress the decrease in accuracy of the road shape line for the entire section or to improve the accuracy. I can do it.

第３の実施形態においては、道路形状が２つの区間に区分される場合について説明したが、３つ上の区間に区分される場合であっても同様である。すなわち、自車両ＶＣに最も近接する最近接区間において区間道路形状線を生成し、続く区間の区間道路形状線が上述の連続条件を満たすように生成され、さらに続く区間の区間道路形状線が上述の連続条件を満たすように生成される。この処理が、最離間区間に至るまで実行されれば良い。 In the third embodiment, the case where the road shape is divided into two sections has been described, but the same applies even when the road shape is divided into three sections. That is, a section road shape line is generated in the nearest section closest to the host vehicle VC, a section road shape line for the subsequent section is generated so as to satisfy the above-mentioned continuity condition, and a section road shape line for the subsequent section is generated as described above. generated to satisfy the continuity condition. It is sufficient that this process is executed until the farthest interval is reached.

第３の実施形態においては、近接区間道路形状線ＲＬ１が最小二乗法により生成されたが、各区間における特徴点ＤＰ数に応じて最小二乗法により生成される区間道路形状線が決定されても良い。例えば、離隔区間における特徴点ＤＰ数が多い場合には、離間区間道路形状線ＲＬ２が最小二乗法により生成され、近接区間道路形状線ＲＬ１が連続条件を満たすように生成されても良い。特徴点ＤＰの数が多い区間の区間道路形状線の方が、特徴点ＤＰの数が少ない区間の区間道路形状線よりも信頼度が高いからである。 In the third embodiment, the adjacent section road shape line RL1 is generated by the least squares method, but the section road shape line to be generated by the least squares method may also be determined according to the number of feature points DP in each section. good. For example, when the number of feature points DP in the distant section is large, the distant section road shape line RL2 may be generated by the least squares method, and the adjacent section road shape line RL1 may be generated so as to satisfy the continuity condition. This is because a section road shape line of a section with a large number of feature points DP has higher reliability than a section road shape line of a section with a small number of feature points DP.

その他の実施形態：
（１）第１の実施形態、第２の実施形態および第３の実施形態は、それぞれ別々の実施形態として説明されているが、第１～第３の実施形態は、任意に組み合わせて実行されても良い。この場合には、各実施形態によって得られる複数の技術的効果が相乗的に得られる。 Other embodiments:
(1) Although the first embodiment, the second embodiment, and the third embodiment are each described as separate embodiments, the first to third embodiments can be executed in any combination. It's okay. In this case, multiple technical effects obtained by each embodiment can be obtained synergistically.

（２）上記各実施形態においては、特徴点ＤＰを近似する近似線を生成するために回帰分析の手法として最小二乗法が用いられているが、他の手法、例えば、主成分分析法が用いられても良い。 (2) In each of the above embodiments, the least squares method is used as a regression analysis method to generate an approximation line that approximates the feature points DP, but other methods, such as principal component analysis, are used. It's okay to be beaten.

（３）上記各実施形態においては、ＣＰＵ１０１が道路形状認識プログラムＰｒ１、Ｐｒ２、Ｐｒ３を実行することによって、道路形状認識装置１０および道路形状決定装置１００が実現されているが、予めプログラムされた集積回路またはディスクリート回路によってハードウェア的に実現されても良い。すなわち、上記各実施形態における制御部およびその手法は、コンピュータプログラムにより具体化された一つまたは複数の機能を実行するようにプログラムされたプロセッサおよびメモリを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の制御部およびその手法は、一つ以上の専用ハードウェア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の制御部およびその手法は、一つまたは複数の機能を実行するようにプログラムされたプロセッサおよびメモリと一つ以上のハードウェア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。 (3) In each of the above embodiments, the road shape recognition device 10 and the road shape determination device 100 are realized by the CPU 101 executing the road shape recognition programs Pr1, Pr2, Pr3. It may also be implemented in hardware by circuits or discrete circuits. That is, the control unit and its method in each of the above embodiments are implemented by a dedicated computer provided by configuring a processor and memory programmed to execute one or more functions embodied by a computer program. May be realized. Alternatively, the controller and techniques described in this disclosure may be implemented by a dedicated computer provided by a processor configured with one or more dedicated hardware logic circuits. Alternatively, the control unit and the method described in the present disclosure are configured by a combination of a processor and memory programmed to perform one or more functions and a processor configured by one or more hardware logic circuits. may be implemented by one or more dedicated computers. The computer program may also be stored as instructions executed by a computer on a computer-readable non-transitory tangible storage medium.

以上、実施形態、変形例に基づき本開示について説明してきたが、上記した発明の実施の形態は、本開示の理解を容易にするためのものであり、本開示を限定するものではない。本開示は、その趣旨並びに特許請求の範囲を逸脱することなく、変更、改良され得ると共に、本開示にはその等価物が含まれる。たとえば、発明の概要の欄に記載した各形態中の技術的特徴に対応する実施形態、変形例中の技術的特徴は、上述の課題の一部又は全部を解決するために、あるいは、上述の効果の一部又は全部を達成するために、適宜、差し替えや、組み合わせを行うことが可能である。また、その技術的特徴が本明細書中に必須なものとして説明されていなければ、適宜、削除することが可能である。 Although the present disclosure has been described above based on the embodiments and modifications, the embodiments of the invention described above are for facilitating understanding of the present disclosure, and do not limit the present disclosure. This disclosure may be modified and improved without departing from its spirit or the scope of the claims, and this disclosure includes equivalents thereof. For example, the embodiments corresponding to the technical features in each form and the technical features in the modifications described in the column of the summary of the invention may be used to solve some or all of the above-mentioned problems, or to solve the above-mentioned problems. In order to achieve some or all of the effects, it is possible to replace or combine them as appropriate. Further, unless the technical feature is described as essential in this specification, it can be deleted as appropriate.

１０…道路形状認識装置、１００…道路形状決定装置、１０１…ＣＰＵ、１０２…メモリ、１０３…入出力インタフェース、１０４…バス、５０…車両、Ｐｒ１、Ｐｒ２、Ｐｒ３…道路形状認識プログラム。 DESCRIPTION OF SYMBOLS 10... Road shape recognition device, 100... Road shape determination device, 101... CPU, 102... Memory, 103... Input/output interface, 104... Bus, 50... Vehicle, Pr1, Pr2, Pr3... Road shape recognition program.

Claims (8)

道路形状認識装置（１０）であって、
予め定められたタイミングにて、道路形状を示す複数の特徴点を取得する特徴点取得部（１０３）と、
道路形状の認識距離を予め定められた区分距離で複数の区間に分割し、現在のタイミングで取得された現在特徴点および過去のタイミングで取得された過去特徴点を用いて前記区間毎に区間道路形状線を生成し、生成した前記区間道路形状線を接続して道路形状を決定する道路形状決定部（１０１、Ｐｒ１）であって、前記現在特徴点の位置と前記過去特徴点の位置が予め定められた距離範囲内にある場合には、前記現在特徴点の位置と前記過去特徴点の位置とを平均化した平均特徴点を用いて前記区間道路形状線を生成する道路形状決定部と、を備える、道路形状認識装置。 A road shape recognition device (10),
a feature point acquisition unit (103) that obtains a plurality of feature points indicating the road shape at a predetermined timing;
The recognition distance of the road shape is divided into a plurality of sections by a predetermined division distance, and the section road is divided into each section using the current feature points acquired at the current timing and the past feature points acquired at the past timing. A road shape determination unit (101, Pr1) that generates a shape line and determines a road shape by connecting the generated section road shape lines, wherein the position of the current feature point and the position of the past feature point are determined in advance. a road shape determining unit that generates the section road shape line using an average feature point obtained by averaging the position of the current feature point and the position of the past feature point when the distance is within a predetermined distance range; A road shape recognition device comprising: 請求項１に記載の道路形状認識装置において、
前記道路形状決定部は、車両の移動量に応じて、前記過去特徴点の位置を補正する、道路形状認識装置。 The road shape recognition device according to claim 1,
The road shape determination unit is a road shape recognition device that corrects the position of the past feature point according to the amount of movement of the vehicle. 請求項１または２に記載の道路形状認識装置において、
前記道路形状決定部は、前記平均化に際して、前記現在特徴点および前記過去特徴点の信頼度を判定し、信頼度の高い特徴点に重み付けした加重平均により前記平均特徴点を取得する、道路形状認識装置。 The road shape recognition device according to claim 1 or 2,
The road shape determination unit determines the reliability of the current feature point and the past feature point during the averaging, and obtains the average feature point by weighted averaging in which feature points with high reliability are weighted. recognition device. 請求項１から３のいずれか一項に記載の道路形状認識装置において、
前記道路形状決定部は、過去に生成した前記区間道路形状線に対するずれ量が大きい現在特徴点を除外して、前記平均特徴点を算出する、道路形状認識装置。 The road shape recognition device according to any one of claims 1 to 3,
The road shape determination unit is a road shape recognition device that calculates the average feature point by excluding current feature points that have a large amount of deviation from the section road shape line generated in the past. 請求項４に記載の道路形状認識装置において、
前記道路形状決定部は、前記平均特徴点の算出に用いられなかった前記特徴点の信頼度を、前記平均特徴点の算出に用いられた前記特徴点の信頼度よりも低い信頼度に設定する、道路形状認識装置。 The road shape recognition device according to claim 4,
The road shape determining unit sets the reliability of the feature points not used in calculating the average feature point to a reliability lower than the reliability of the feature points used in calculating the average feature point. , road shape recognition device. 道路形状認識装置（１０）であって、
予め定められたタイミングにて、道路形状を示す複数の特徴点を取得する特徴点取得部（１０３）と、
複数の予め定められた区分距離毎に、道路形状の認識距離を前記区分距離で複数の区間に分割し、取得された前記特徴点を用いて前記区間毎に区間道路形状線を生成し、生成した前記区間道路形状線を接続して道路形状を決定する道路形状決定部（１０１、Ｐｒ２）であって、決定された各前記道路形状の誤差が小さくなる前記区分距離を選択し、選択された前記区分距離に対応する道路形状を選択する道路形状決定部と、を備える、道路形状認識装置。 A road shape recognition device (10),
a feature point acquisition unit (103) that obtains a plurality of feature points indicating the road shape at a predetermined timing;
Divide the recognition distance of the road shape into a plurality of sections by the segmentation distance for each of a plurality of predetermined segmentation distances, and generate a segment road shape line for each segment using the acquired feature points. A road shape determination unit (101, Pr2) that determines a road shape by connecting the section road shape lines determined, and selects the segment distance that reduces the error of each of the determined road shapes. A road shape recognition device, comprising: a road shape determination unit that selects a road shape corresponding to the segment distance. 道路形状認識方法であって、
予め定められたタイミングにて、道路形状を示す複数の特徴点を取得し、
道路形状の認識距離を予め定められた区分距離で複数の区間に分割し、
現在のタイミングで取得された現在特徴点および過去のタイミングで取得された過去特徴点を用いて前記区間毎に区間道路形状線を生成する際に、前記現在特徴点の位置と前記過去特徴点の位置が予め定められた距離範囲内にある場合には前記現在特徴点の位置と前記過去特徴点の位置とを平均化した平均特徴点を用いて前記区間道路形状線を生成し、
生成した前記区間道路形状線を接続して道路形状を決定する、道路形状認識方法。 A road shape recognition method, comprising:
Acquire multiple feature points indicating the road shape at predetermined timing,
Divide the recognition distance of the road shape into multiple sections using predetermined segmentation distances,
When generating a section road shape line for each section using the current feature point acquired at the current timing and the past feature point acquired at the past timing, the position of the current feature point and the past feature point are If the position is within a predetermined distance range, generating the section road shape line using an average feature point obtained by averaging the position of the current feature point and the position of the past feature point,
A road shape recognition method that determines a road shape by connecting the generated section road shape lines. 道路形状認識方法であって、
予め定められたタイミングにて、道路形状を示す複数の特徴点を取得し、
複数の予め定められた区分距離毎に、道路形状の認識距離を前記区分距離で複数の区間に分割し、取得された前記特徴点を用いて前記区間毎に区間道路形状線を生成し、生成した前記区間道路形状線を接続して道路形状を決定する際に、決定された各前記道路形状の誤差が小さくなる前記区分距離を選択し、選択された前記区分距離に対応する道路形状を選択して道路形状を決定する、道路形状認識方法。 A road shape recognition method, comprising:
Acquire multiple feature points indicating the road shape at predetermined timing,
Divide the recognition distance of the road shape into a plurality of sections by the segmentation distance for each of a plurality of predetermined segmentation distances , and generate a segment road shape line for each segment using the acquired feature points. When determining a road shape by connecting the section road shape lines, the segment distance that reduces the error of each of the determined road shapes is selected, and the road shape corresponding to the selected segment distance is selected. A road shape recognition method that determines the road shape.
JP2020066570A 2020-04-02 2020-04-02 Road shape recognition device and road shape recognition method Active JP7365286B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020066570A JP7365286B2 (en) 2020-04-02 2020-04-02 Road shape recognition device and road shape recognition method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2020066570A JP7365286B2 (en) 2020-04-02 2020-04-02 Road shape recognition device and road shape recognition method

Publications (2)

Publication Number Publication Date
JP2021163351A JP2021163351A (en) 2021-10-11
JP7365286B2 true JP7365286B2 (en) 2023-10-19

Family

ID=78003491

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2020066570A Active JP7365286B2 (en) 2020-04-02 2020-04-02 Road shape recognition device and road shape recognition method

Country Status (1)

Country Link
JP (1) JP7365286B2 (en)

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009075938A (en) 2007-09-21 2009-04-09 Honda Motor Co Ltd Road shape estimating device
WO2011092849A1 (en) 2010-01-29 2011-08-04 トヨタ自動車株式会社 Road information detection device and vehicle travel control device

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2009075938A (en) 2007-09-21 2009-04-09 Honda Motor Co Ltd Road shape estimating device
WO2011092849A1 (en) 2010-01-29 2011-08-04 トヨタ自動車株式会社 Road information detection device and vehicle travel control device

Also Published As

Publication number Publication date
JP2021163351A (en) 2021-10-11

Similar Documents

Publication Publication Date Title
US8781644B2 (en) Method and apparatus for recognizing shape of road for vehicles
CN108116410B (en) Method and apparatus for controlling speed of vehicle
US9721460B2 (en) In-vehicle surrounding environment recognition device
JP5441549B2 (en) Road shape recognition device
JP3711405B2 (en) Method and system for extracting vehicle road information using a camera
US8897497B2 (en) Object detecting device
JP5531474B2 (en) Map generation device, runway estimation device, movable region estimation device, and program
EP2551794A2 (en) Onboard environment recognition system
US20170242117A1 (en) Vision algorithm performance using low level sensor fusion
EP2575078B1 (en) Front vehicle detecting method and front vehicle detecting apparatus
JP5145585B2 (en) Target detection device
US10436898B2 (en) Object recognition device
US20100104199A1 (en) Method for detecting a clear path of travel for a vehicle enhanced by object detection
JPH11213138A (en) Out-of-vehicle monitoring device
US11086007B2 (en) Target detection device
US20170337432A1 (en) Detection device and detection method
US20200166349A1 (en) Parking support apparatus
US11598877B2 (en) Object recognition device and vehicle control system
WO2019065970A1 (en) Vehicle exterior recognition device
JP4296287B2 (en) Vehicle recognition device
JP2002334330A (en) Vehicle recognition device
US11861914B2 (en) Object recognition method and object recognition device
JP7365286B2 (en) Road shape recognition device and road shape recognition method
JP2019016246A (en) Travelling lane recognition device
JP5055691B2 (en) Front object detection apparatus and front object detection method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20220602

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20230411

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20230418

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20230530

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20230912

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20231006

R150 Certificate of patent or registration of utility model

Ref document number: 7365286

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150