WO2018180081A1 - 劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体 - Google Patents

劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体 Download PDF

Info

Publication number
WO2018180081A1
WO2018180081A1 PCT/JP2018/006757 JP2018006757W WO2018180081A1 WO 2018180081 A1 WO2018180081 A1 WO 2018180081A1 JP 2018006757 W JP2018006757 W JP 2018006757W WO 2018180081 A1 WO2018180081 A1 WO 2018180081A1
Authority
WO
WIPO (PCT)
Prior art keywords
feature
reflection intensity
deteriorated
unit
intensity data
Prior art date
Application number
PCT/JP2018/006757
Other languages
English (en)
French (fr)
Inventor
岩井　智昭
Original Assignee
パイオニア株式会社
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 パイオニア株式会社 filed Critical パイオニア株式会社
Priority to JP2019508797A priority Critical patent/JP6970736B2/ja
Priority to EP18775420.5A priority patent/EP3591381A4/en
Priority to US16/496,851 priority patent/US11157752B2/en
Publication of WO2018180081A1 publication Critical patent/WO2018180081A1/ja
Priority to JP2021177481A priority patent/JP2022016460A/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/48—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00
    • G01S7/4802—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S17/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95684—Patterns showing highly reflecting parts, e.g. metallic elements
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
    • G01S17/88—Lidar systems specially adapted for specific applications
    • G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • G06T7/001—Industrial image inspection using an image reference approach
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/60—Extraction of image or video features relating to illumination properties, e.g. using a reflectance or lighting model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/98—Detection or correction of errors, e.g. by rescanning the pattern or by human intervention; Evaluation of the quality of the acquired patterns
    • G06V10/993—Evaluation of the quality of the acquired pattern
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
    • G01N21/84—Systems specially adapted for particular applications
    • G01N21/88—Investigating the presence of flaws or contamination
    • G01N21/95—Investigating the presence of flaws or contamination characterised by the material or shape of the object to be examined
    • G01N21/956—Inspecting patterns on the surface of objects
    • G01N21/95607—Inspecting patterns on the surface of objects using a comparative method
    • G01N2021/95615—Inspecting patterns on the surface of objects using a comparative method with stored comparision signal
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G06T2207/30256—Lane; Road marking

Definitions

  • the present application relates to a technical field of a deteriorated feature specifying device that specifies a deteriorated feature.
  • the position of features measured by sensors such as LIDAR (Light Detection, and Ranging, Laser, Imaging, Detection, and Ranging) and the position of features described in the map data for automatic driving are matched to achieve high accuracy. It is necessary to estimate the vehicle position.
  • Features to be used include signs and signboards, white lines drawn on roads, etc.
  • Map data for autonomous driving including these feature positions is maintained and updated in accordance with reality in order to perform stable automated driving. Need to do. For example, when a part of the white line has disappeared due to aging deterioration or the like, it is necessary to reflect the deterioration information on the data representing the white line in the map data.
  • Patent Document 1 discloses a technique for extracting data measuring a road surface from the point cloud data that includes a lot of data other than the road surface such as buildings and roadside trees. Yes. This technique can be used as preprocessing for extracting a white line drawn on a road.
  • Patent Document 1 By using the technique of Patent Document 1, it was possible to determine the road area from the point cloud data obtained by measuring the ground surface, but it was not possible to determine the deterioration state of the feature.
  • the importance of processing using feature information for vehicle position estimation, lane keeping, recognition of travelable area, etc. is very high, and the influence of the deterioration state of the features on the processing is also significant. large. Therefore, it is important to grasp the deterioration state of the actual feature and reflect the deteriorated feature in the map data.
  • an object of the present invention is to provide a deteriorated feature specifying device or the like that can specify a deteriorated feature from a large number of features.
  • the invention according to claim 1 is deteriorated based on the acquisition unit that acquires the reflection intensity data based on the reflected light from the feature of the light emitted by the emission unit, and the reflection intensity data acquired by the acquisition unit.
  • a specifying unit for specifying a feature.
  • Invention of Claim 11 acquires the reflection intensity data based on the reflected light from the feature of the light which the radiation
  • the said acquisition part acquired A specifying unit that identifies a degraded feature based on reflection intensity data; and an update unit that updates map data corresponding to the degraded feature identified by the identifying unit. To do.
  • the invention according to claim 12 is the deterioration specified by the mobile device provided in the moving body based on the reflected light from the feature of the light emitted from the emitting portion provided in the one or more moving bodies.
  • An acquisition unit that acquires deteriorated feature information related to a feature that is present; and an update unit that updates map data corresponding to the feature indicated by the deteriorated feature information acquired by the acquisition unit. To do.
  • the invention according to claim 13 is a deteriorated feature specifying system including a mobile device provided on a moving object and a deteriorated feature specifying device, wherein the mobile device is provided on the moving object.
  • a transmission unit configured to transmit the reflection intensity data based on the reflected light from the feature of the light emitted from the emission unit to the deteriorated feature specifying device, and the deteriorated feature specifying device receives the reflection intensity data from the mobile device;
  • an identifying unit that identifies a feature that has deteriorated based on the reflection intensity data acquired by the acquiring unit.
  • the invention according to claim 14 is a deteriorated feature specifying method by a deteriorated feature specifying device, wherein the acquisition step acquires the reflection intensity data based on the reflected light from the feature of the light emitted by the emitting unit; And a specifying step of specifying a degraded feature based on the reflection intensity data acquired by the acquiring step.
  • the invention according to claim 15 deteriorates the computer based on the reflection intensity data acquired by the acquisition unit that acquires the reflection intensity data based on the reflected light from the feature of the light emitted by the emission unit, and the acquisition unit. It is made to function as a specific part which pinpoints the feature which has.
  • the invention according to claim 16 deteriorates the computer based on the reflection intensity data acquired by the acquisition unit that acquires the reflection intensity data based on the reflected light from the feature of the light emitted by the emission unit.
  • It is a computer-readable recording medium recording a deteriorated feature specifying program characterized by functioning as a specifying unit for specifying a feature that is being recorded.
  • FIG. 1 It is a block diagram which shows the structure of the degradation feature specific apparatus which concerns on embodiment. It is a block diagram which shows schematic structure of the map data management system which concerns on an Example.
  • A is a figure which shows a mode that the Lidar which concerns on an Example measures the reflective intensity of the light in a white line (no deterioration)
  • B is a figure which shows an example of the graph at the time of carrying out the statistical process of the said reflective intensity It is.
  • (A) is a figure which shows a mode that the Lidar which concerns on an Example measures the reflective intensity of the light in a white line (with deterioration)
  • B is a figure which shows an example of the graph at the time of carrying out the statistical process of the said reflective intensity It is.
  • (A) is a figure which shows an example of the reflection intensity measured about the white line of a broken line along the advancing direction of the vehicle which concerns on a 4th modification
  • (B) is used for deterioration determination based on the distribution of the said reflection intensity. It is an example figure which shows the effective area and ineffective area which isolate
  • (A), (B) is an example of the paint part drawn on the road surface.
  • FIG. 1 is a block diagram showing a schematic configuration of the deteriorated feature identification device according to the present embodiment.
  • the deteriorated feature specifying device 1 includes an acquisition unit 1A and a specification unit 1B.
  • the acquisition unit 1A acquires reflection intensity data based on the reflected light from the feature of the light emitted by the emission unit.
  • the identifying unit 1B identifies the degraded feature based on the reflection intensity data acquired by the acquiring unit 1A.
  • the acquiring unit 1A acquires the reflection intensity data based on the reflected light from the feature of the light emitted by the emitting unit
  • the specifying unit 1B specifies the degraded feature based on the reflection intensity data acquired by the acquisition unit 1A. Therefore, the deteriorated feature can be identified based on the reflection intensity data based on the reflected light from the feature of the light emitted from the emitting unit. Further, by reflecting the deterioration information on the map data regarding the feature determined to be deteriorated, the actual feature can be quickly and efficiently maintained, and stable automatic operation is possible.
  • Example described below is an Example at the time of applying this invention to the map data management system S.
  • FIG. 1 is an Example at the time of applying this invention to the map data management system S.
  • the map data management system S of this embodiment is configured to include a server device 100 that manages map data and an in-vehicle terminal 200 that is mounted in each of a plurality of vehicles. Each in-vehicle terminal 200 is connected via a network NW. 2 shows one on-board terminal 200, the map data management system S may include a plurality of on-board terminals 200. Further, the server device 100 may also be configured by a plurality of devices.
  • the in-vehicle terminal 200 includes a white line W1 and a white line W2 ("ground line") of the light L emitted by the Lidar 205 itself in a vehicle V in which the Lidar 205 is mounted together with the in-vehicle terminal 200.
  • Reflection intensity data D indicating the reflection intensity measured by receiving reflected light from an example of “object” is transmitted to the server apparatus 100.
  • the bar line shown as the reflection intensity data D in FIGS. 3A and 4A represents the magnitude of the reflection intensity at that point by the length (the longer the reflection intensity, the higher the reflection intensity).
  • the reflection intensity data D is data including the reflection intensity at each point where the light L emitted from the Lidar 205 is irradiated. 3A and 4A show that the reflection intensity at five points is measured for each of the white line W1 and the white line W2.
  • the server apparatus 100 identifies the degraded feature based on the plurality of reflection intensity data D received from each of the plurality of in-vehicle terminals 200.
  • the degraded feature is specified by statistically processing the plurality of reflection intensity data D. For example, as shown in FIG. 3 (A), with respect to an undegraded white line, the reflection intensity at each point in the white line has a high value and a uniform value, so as shown in FIG. 3 (B).
  • the average value ⁇ calculated based on a plurality of reflection intensities is increased, and the standard deviation ⁇ is decreased.
  • FIG. 3 (A) with respect to an undegraded white line, the reflection intensity at each point in the white line has a high value and a uniform value, so as shown in FIG. 3 (B).
  • the average value ⁇ calculated based on a plurality of reflection intensities is increased, and the standard deviation ⁇ is decreased.
  • FIG. 3 (A) with respect to an undegraded white line, the reflection intensity at each point in the white
  • the server device 100 determines whether or not the feature has deteriorated by comparing the average value ⁇ or the standard deviation ⁇ calculated based on the plurality of reflection intensities with a threshold value, and identifies the deteriorated feature. To do. Then, the server device 100 updates the map data corresponding to the degraded feature.
  • the map data may be updated by a device that has received an instruction from the server device 100.
  • the in-vehicle terminal 200 is roughly configured to include a control unit 201, a storage unit 202, a communication unit 203, and an interface unit 204.
  • the storage unit 202 includes, for example, an HDD (Hard Disk Drive), an SSD (Solid State Drive), etc., and stores an OS (Operating System), a reflection intensity data processing program, map data, reflection intensity data D, various data, and the like.
  • the map data describes the map position information indicating the position of the feature (a white line in the present embodiment) that is subject to deterioration determination, and a feature ID for distinguishing it from other features ( Since the map position information and the feature ID are information linked to one feature, the feature ID can be said to be one of the location information indicating the position of the one feature).
  • different feature IDs are assigned to the white line W1 and the white line W2, respectively.
  • the white line is long, such as several hundred meters, and it is inappropriate to handle it as a single feature, it is separated by a fixed length (for example, 5 m), and a feature ID is assigned as a separate feature. Will be handled.
  • the same map data as the map data stored in the storage unit 202 (map data in which the map position information and the feature ID are described for each feature) is also stored in the storage unit 102 of the server device 100. In each of the in-vehicle device 200 and the server device 100, the same feature can be specified by the feature ID.
  • the map data stored in the storage unit 202 may be, for example, map data of the whole country, or map data corresponding to a certain area including the current position of the vehicle is received in advance from the server device 100 or the like. It is good also to memorize.
  • the communication unit 203 controls the communication state between the in-vehicle terminal 200 and the server device 100.
  • the interface unit 204 realizes an interface function when data is exchanged between the external device Lidar 205 or the internal sensor 206 and the in-vehicle terminal 200.
  • the Lidar 205 is attached to the roof portion of the vehicle, and as one function, always emits an infrared laser beam in a circle around the vehicle (emits a certain angle downward from the roof portion) Is a device that receives the light reflected by the points on the surface of the terrestrial feature and generates reflection intensity data D indicating the reflection intensity at each point. Since the reflection intensity data D is data indicating the intensity of the laser beam emitted horizontally and reflected by the ground or a feature, a portion having a low reflection strength (a ground portion where no feature exists) and a portion having a high reflection strength ( Part where the feature exists). Also, a plurality of Lidars 205 may be attached to the vehicle front part, rear part, etc., and the reflection intensity data D around the vehicle may be generated by synthesizing the reflection intensity data of the visual field range acquired by each.
  • the Lidar 205 When the reflection intensity is measured, the Lidar 205 immediately transmits the reflection intensity data D (including the low reflection intensity portion and the high reflection intensity portion) to the in-vehicle terminal 200 via the interface unit 204.
  • the control unit 201 receives the reflection intensity data D from the Lidar 205, the control unit 201 receives the received reflection intensity data D, measurement position information indicating the position of the vehicle (Lidal 205) at the time of reception of the reflection intensity data D, and reception of the reflection intensity data D.
  • the information is stored in the storage unit 202 in association with measurement date information indicating the date and time.
  • control part 201 is the thing which the predetermined time passed since the measurement among the reflection intensity data D memorize
  • the inner world sensor 206 is a general term for a satellite positioning sensor (GNSS (Global Navigation Satellite System)), a gyro sensor, a vehicle speed sensor, and the like mounted on the vehicle.
  • GNSS Global Navigation Satellite System
  • the control unit 201 temporarily stores a CPU (Central Processing Unit) that controls the entire control unit 201, a ROM (Read Only Memory) in which a control program for controlling the control unit 201 is stored in advance, and various data.
  • RAM Random Access Memory
  • the CPU implements various functions by reading and executing various programs stored in the ROM and the storage unit 202.
  • the control unit 201 acquires estimated own vehicle position information.
  • the estimated host vehicle position information may be generated by a device outside the in-vehicle terminal 200, or may be generated by the control unit 201.
  • the estimated vehicle position information is generated by matching the feature position measured by the Lidar 205 and the feature position of the map data for automatic driving, or based on the information detected by the inner sensor 206 and the map data. It can be generated by a combination thereof.
  • control unit 201 predicts an actual white line position viewed from the own vehicle (Lidal 205) based on the estimated own vehicle position information and the white line map position information indicated by the map data. At this time, the control unit 201 calculates and sets a white line prediction range including a white line with a certain margin.
  • Map coordinate system Vehicle coordinate system: White line map position in the map coordinate system: Predicted white line position in the vehicle coordinate system: Estimated vehicle position in the map coordinate system: Estimated vehicle azimuth in map coordinate system:
  • the control unit 201 calculates a white line prediction range from the white line map position indicated by the white line map position information in the traveling direction of the vehicle (for example, 10 m ahead) based on the estimated own vehicle position indicated by the estimated own vehicle position information. At this time, as shown in FIG. 5, if the lane in which the vehicle V is traveling is divided by the white line 1 on the left side and the white line 2 on the right side, the white line prediction range is calculated for each of the white lines 1 and 2.
  • the control unit 201 calculates a white line 1 predicted position 301 (a white line predicted position for the white line 1) based on the white line 1 map position and the estimated vehicle position.
  • the predicted white line position is obtained by the following equation (1).
  • the control unit 201 sets the white line 1 predicted range 311 with reference to the white line 1 predicted position 301. Specifically, a certain range including the white line 1 predicted position 301 is defined as a white line 1 predicted range 311. Then, the control unit 201 extracts white line 1 reflection intensity data 321 indicating the reflection intensity in the white line 1 prediction range 311 from the reflection intensity data D including the reflection intensity at a plurality of points.
  • the control unit 201 extracts the reflection intensity data 321 and 322 thus extracted from the feature ID corresponding to each of the white line 1 map position and the white line 2 map position, and the reflection intensity data D from which the reflection intensity data 321 and 322 are extracted.
  • the data is transmitted to the server apparatus 100 in association with the corresponding measurement date / time information.
  • the reflection intensity data D measured by the Lidar 205 and stored in the storage unit 202 by the in-vehicle terminal 200 (the raw data measured by the Lidar 205 or data obtained by processing the raw data) may be reflected before extraction.
  • the reflection intensity data D indicating the reflection intensity extracted within the white line prediction range may be referred to as post-extraction reflection intensity data D.
  • the server device 100 is roughly configured to include a control unit 101, a storage unit 102, a communication unit 103, a display unit 104, and an operation unit 105.
  • the storage unit 102 includes, for example, an HDD or an SSD, and stores the OS, white line deterioration determination program, reflection intensity data D received from the in-vehicle terminal 200, and other various data.
  • the communication unit 103 controls the communication state with the in-vehicle terminal 200.
  • the display unit 104 is composed of, for example, a liquid crystal display and displays information such as characters and images.
  • the operation unit 105 includes, for example, a keyboard, a mouse, and the like, receives an operation instruction from the operator, and outputs the instruction content to the control unit 101 as an instruction signal.
  • the control unit 101 includes a CPU that controls the entire control unit 101, a ROM that stores a control program and the like that controls the control unit 101 in advance, and a RAM that temporarily stores various data.
  • the CPU implements various functions by reading and executing various programs stored in the ROM or the storage unit 102.
  • the control unit 101 determines the deterioration state of the white line based on a plurality of reflection intensity data D received from each of one or a plurality of in-vehicle terminals 200. And the control part 101 updates the map data corresponding to the said feature so that it can identify that the feature which has deteriorated has deteriorated.
  • control unit 201 of the in-vehicle terminal 200 acquires estimated host vehicle position information (step S101).
  • control unit 201 acquires the map position information of the white line from the map data corresponding to the estimated vehicle position indicated by the estimated vehicle position information acquired in step S101 (step S102). At this time, as described above, the control unit 201 acquires the map position information and the feature ID of the white line in the traveling direction of the vehicle.
  • control unit 201 calculates and sets a white line prediction range from the estimated own vehicle position indicated by the estimated own vehicle position information and the white line map position indicated by the white line map position information (step S103).
  • the control unit 201 extracts the data within the white line prediction range from the reflection intensity data D before extraction measured by the Lidar 205, and obtains the reflection intensity data D after extraction (step S104). Specifically, the control unit 201 first determines the measurement position of the measurement position information stored in association with the pre-extraction reflection intensity data D, and the emission angle when the Lidar 205 emits the laser light (a constant downward value). Based on the angle, the pre-extraction reflection intensity data D measured by emitting laser light in a range including the white line prediction range is specified. Next, the control unit 201 extracts a portion within the white line prediction range in the specified pre-extraction reflection intensity data D to obtain post-extraction reflection intensity data D2. For example, the control unit 201 extracts a portion corresponding to the azimuth angle ( ⁇ 1, ⁇ 2 (see FIG. 5)) of the white line prediction range based on the vehicle direction.
  • the control unit 201 extracts a portion corresponding to the azimuth angle ( ⁇ 1, ⁇ 2 (see FIG. 5)) of
  • control unit 201 stores the post-extraction reflection intensity data D extracted in the process of step S104 in association with the pre-extraction reflection intensity data D that is the extraction source of the post-extraction reflection intensity data D.
  • the date and time information and the feature ID acquired in the process of step S102 are transmitted to the server apparatus 100 (step S105), and the reflection intensity data transmission process ends.
  • step S201 when the control unit 101 of the server apparatus 100 receives the post-extraction reflection intensity data D, the measurement date / time information, and the feature ID from the in-vehicle terminal 200 (step S201), these are associated with the storage unit 102, respectively.
  • the process is stored (step S202), and the reflection intensity data transmission process is terminated.
  • the plurality of post-extraction reflection intensity data D transmitted from each of the plurality of in-vehicle terminals 200 is accumulated in the storage unit 102 of the server device 100.
  • the deterioration determination process is executed when, for example, a white line feature ID to be determined for deterioration is designated together with an instruction to determine deterioration of the white line from an operator or the like.
  • the control unit 101 of the server device 100 acquires the designated feature ID (step S211).
  • the control unit 101 acquires post-extraction reflection intensity data D stored in association with the feature ID and whose measurement date and time is within a predetermined period (for example, the latest three months) from the storage unit 102. (Step S212).
  • the reason that the acquisition target is limited to the reflection intensity data D whose measurement date and time is within a predetermined period is that the reflection intensity data D that is too old is not appropriate for determining the current deterioration state.
  • control unit 101 calculates the average of the reflection intensity data D after extraction extracted in the process of step S212 (step S213), and then calculates the standard deviation (step S214). In addition, when calculating the average and the standard deviation, the control unit 101 extracts the reflection intensity data D after extraction for each feature ID (for each of the white line W1 and the white line W2 in the example of FIG. 3A and FIG. 4A). Process. In the examples of FIGS. 3A and 4A, since the reflection intensity at five points is measured for the white line W1, the control unit 101 calculates the average and standard deviation of the reflection intensity at each point. Is calculated.
  • control unit 101 replaces the average and standard deviation of the reflection intensity at each of the five points with a predetermined region (part or all) included in the five points or the extracted reflection intensity data D.
  • the average and standard deviation of the reflection intensity at the point of (region) may be calculated.
  • the control unit 101 determines whether or not the average calculated in the process of step S213 is less than or equal to the first threshold (step S215). At this time, if the control unit 101 determines that the average is equal to or less than the first threshold (step S215: YES), the control unit 101 determines that the designated white line is “degraded” (step S217), The corresponding map data is updated to add information indicating “deteriorated” (step S218), and the deterioration determination process is terminated. Note that determining that the designated white line is “degraded” in the process of step S ⁇ b> 217 is an example of identifying the deteriorated white line.
  • step S215 determines that the average is not less than or equal to the first threshold (step S215: NO)
  • step S215 determines whether or not the standard deviation calculated in the process of step S214 is greater than or equal to the second threshold. Is determined (step S216).
  • step S216 determines that the standard deviation is greater than or equal to the second threshold (step S216: YES)
  • the control unit 101 determines that the designated white line is “degraded” (step S217), and the white line The map data corresponding to is updated to add information indicating “deterioration” (step S218), and the deterioration determination process is terminated.
  • step S216: NO determines that the designated white line is “no deterioration” (step S219), and the deterioration determination process.
  • the deterioration determination process may be performed by the control unit 201 of the in-vehicle terminal 200.
  • the control unit 201 transmits, to the server apparatus 100, information indicating “degraded” with respect to the feature corresponding to the white line determined to be degraded.
  • the control unit 101 (an example of “acquisition unit” and “specification unit”) of the server device 100 emits a vehicle (an example of “moving object”).
  • the reflected light from the white line of light (an example of “feature”) is received, the reflection intensity data D measured in the vehicle is acquired, and the white line deteriorated based on the acquired reflection intensity data D Is identified.
  • the deteriorated white line can be identified by using the reflection intensity data D acquired from the vehicle.
  • white line deterioration can be judged based on images taken with a camera mounted on the vehicle.
  • there are restrictions such as changes in brightness such as nighttime and backlight, camera resolution, etc., and appropriate deterioration judgment is performed. This is difficult, and the deterioration determination using the reflection intensity data D is more advantageous as in this embodiment.
  • the control unit 101 further acquires measurement date information indicating the measurement date of the reflection intensity data D, selects the reflection intensity data D measured in a predetermined period based on the measurement date information, and selects the selected reflection intensity.
  • a white line that has deteriorated is identified based on the data D. Therefore, by appropriately setting a predetermined period (for example, the last few months), it is possible to appropriately detect a white line that has deteriorated based on the reflection intensity data excluding the reflection intensity data D that is inappropriate for white line deterioration determination. Can be identified.
  • control unit 101 further acquires a feature ID (an example of “position information”) for specifying the position of the white line that reflects the light, and deteriorates based on the reflection intensity data D and the feature ID. Identify white lines. Thereby, the position of the deteriorated white line can also be specified.
  • a feature ID an example of “position information”
  • control unit 101 detects a deteriorated white line based on the extracted reflection intensity data D measured within the set white line prediction range based on the map position information (an example of “position information”). Identify. Thereby, it is possible to perform the deterioration determination by excluding the reflection intensity data D indicating the light reflected by other than the white line, and it is possible to perform the deterioration determination for the white line with higher accuracy.
  • control unit 101 updates the map data corresponding to the white line determined to be “degraded” in the process of step S217 in FIG. 7 (indicates that it is “degraded”). Update to add information). Thereby, deterioration information can be reflected with respect to the map data showing the white line which has deteriorated.
  • control unit 101 receives reflected light from the white line of the light emitted by each of the one or more vehicles, and acquires the reflection intensity data D measured in each of the one or more vehicles, A white line that is deteriorated is specified based on the acquired plurality of reflection intensity data D. Therefore, according to the map data management system S of the present embodiment, it is possible to identify a white line that has deteriorated with high accuracy using the reflection intensity data D acquired from one or more vehicles.
  • the feature for which deterioration is determined is described as a white line, but all features that can be subjected to deterioration determination based on the reflection intensity can be set as targets for deterioration determination.
  • the white line that is the target of deterioration determination is a solid line
  • the white line may be a broken line.
  • the white line is used not only for dividing the lane, but also for guiding fluid, letters, crosswalks, and the like.
  • the deterioration determination target can include not only white lines but also features such as signs and signboards. That is, the features that are subject to deterioration determination can be classified into various types. Therefore, the feature type information indicating the type of the feature may be further linked to the feature ID, and the threshold value for the deterioration determination using the reflection intensity data may be changed depending on the type of the feature. .
  • a feature ID is set for each portion where the white line is painted, and a portion where the white line is not painted is excluded from the degradation determination target without setting the feature ID. It is good as well. Since the direction of the white line may not be parallel to the traveling direction of the vehicle for fluid guides, letters, pedestrian crossings, etc., a white line prediction range setting method is determined for each type of white line (for example, the white line prediction range The position information of the four corner points is described in the map data, and the control unit 201 of the in-vehicle device 200 sets the white line prediction range based on the map data), and the white line prediction range is determined according to the type of white line to be subjected to deterioration determination. It may be set.
  • the reflection intensity measured by the Lidar 205 varies depending on the measurement date and time and the weather at the time of measurement because it is affected by sunlight. For example, even if the reflection intensity is the same white line, the reflection intensity at dawn or dusk is different from the reflection intensity in the daytime. Moreover, the reflection intensity at the time of fine weather and the reflection intensity at the time of cloudy, rain, snow, etc. are different. Therefore, in the second modification, when the control unit 201 of the in-vehicle device 200 receives the reflection intensity data D from the Lidar 205, the control unit 201 further stores the weather information indicating the weather at the time of measurement in the storage unit 202 in association with each other.
  • the weather information is further correlated and transmitted to the server apparatus 100 in the process of step S105 in FIG. 6, and the server apparatus 100 is also associated with the weather information and stored in the storage unit 102. Then, the control unit 101 of the server device 100 corrects the reflection intensity data D in accordance with at least one of the measurement date information and weather information (an example of “accompanying information”), and then the degraded land It is good also as specifying a thing. Thereby, the difference between the reflection intensity data due to the time of measurement and the weather can be canceled and the deterioration determination can be appropriately performed.
  • the control unit 201 of the in-vehicle terminal 200 periodically transmits the reflection intensity data D to the server device 100.
  • the control unit 201 determines that the in-vehicle terminal 200 (own vehicle) is predetermined. It is also possible to add a condition that only the reflection intensity data D measured in the area (for example, the measurement area specified from the server device 100) is transmitted.
  • the server apparatus 100 designates an area where the white line deterioration determination needs to be performed as the measurement area, so that the reflection intensity data D measured in the area where the white line deterioration determination does not need to be received is not received. Tesumu.
  • control unit 101 of the server device 100 refers to the map position information (an example of “position information”) stored in the storage unit 102 together with the reflection intensity data D, and is designated by a designated area (for example, an operator).
  • the white line that is deteriorated may be specified based on the reflection intensity data measured in the area where it is necessary to determine the deterioration of the white line.
  • the lidar 205 is attached to the roof portion of the vehicle and the like, and the single infrared laser beam L is emitted so as to draw a circle around the vehicle downward at a certain angle.
  • a plurality of (5 in FIG. 8A) infrared laser beams L are emitted with different emission angles in the downward direction so that Lidar 205 draws a circle around the vehicle. It is good.
  • the reflection intensity data D can be measured at once along the traveling direction of the vehicle.
  • the measurement of the reflection intensity data D by emitting one infrared laser beam L is performed every time the vehicle V moves a predetermined distance, and by combining them, FIG. Similar to the example shown in FIG. 5, the reflection intensity data D can be obtained along the traveling direction of the vehicle.
  • the control unit 101 of the server apparatus 100 sets the portion where the white line is painted (paint area) based on the reflection intensity data D measured along the traveling direction of the vehicle V as described above, the effective area, the white line A portion (non-painted area) that is not painted may be separated as an invalid area, and the deterioration determination may be performed based only on the reflection intensity corresponding to the effective area. Specifically, as shown in FIGS.
  • the reflection intensity indicated by the reflection intensity data D measured along the traveling direction of the vehicle V with respect to the broken white line is roughly classified into the paint area. Since the value is high and the value is low in the non-paint area, a threshold is set, and if the reflection intensity is equal to or higher than the threshold, it is classified as an effective area, and otherwise it is classified as an invalid area.
  • the feature ID is set for each predetermined distance in the same manner as the white line that is a solid line, without setting the feature ID for each paint area of the white line that is a broken line. In addition, it is possible to prevent the deterioration determination for the non-paint area.
  • This paint area (effective area) and non-paint area (invalid area) are separated by a method other than the dashed white line, the deterioration judgment of fluids, characters, pedestrian crossings, etc. composed of paint area and non-paint area. May be adopted.
  • the white line prediction range is calculated in advance, and the reflection intensity data D included therein is processed as being based on the light reflected by the white line. That is, the post-extraction reflection intensity data D transmitted from the in-vehicle terminal 200 to the server device 100 is guaranteed to be data indicating the reflection intensity at the white line.
  • the in-vehicle terminal 200 transmits the pre-extraction reflection intensity data D received from the Lidar 205 to the server apparatus 100 in association with the measurement position information and the measurement date / time information.
  • the control unit 101 of the server device 100 identifies the reflection intensity based on the reflection by the white line from the distribution of the reflection intensity indicated by the reflection intensity data D before extraction and the positional relationship of the white line that divides the lane where the vehicle travels. Deterioration determination is performed based on the specified reflection intensity. Then, when it is determined that the feature is deteriorated by the deterioration determination, the deterioration is caused by a combination of the measurement position information corresponding to the reflection intensity data D and the information indicating the emission angle at which the Lidar 205 emits the laser light L. It is also possible to specify the position of the white line.
  • FIG. 10 is a diagram for explaining a method of obtaining the paint part reflection intensity data 501 indicating the reflection intensity in the paint part.
  • FIG. 11 is a conceptual diagram when the reflection intensity map data 510 is generated by combining a plurality of paint portion reflection intensity data 501.
  • Map coordinate system Vehicle coordinate system: Paint position in the map coordinate system (paint position as seen from the vehicle): Paint position in the vehicle coordinate system (paint position as seen from the map): Estimated vehicle position in the map coordinate system: Estimated vehicle azimuth in map coordinate system:
  • the control unit 201 of the in-vehicle terminal 200 acquires a plurality of paint portion reflection intensity data 501 on the right turn arrow 500 as the vehicle V travels. For example, as shown in FIG. 11, as the vehicle V travels, paint part reflection intensity data 501A, paint part reflection intensity data 501B, paint part reflection intensity data 501C, and paint part reflection intensity data 501D are sequentially acquired.
  • Each paint portion reflection intensity data 501 includes reflection intensities at a plurality of positions (points) on the paint portion obtained by one laser beam emission by the Lidar 205. For example, in FIG.
  • the paint portion reflection intensity data 501 ⁇ / b> A is shown in a horizontally long shape, and this indicates the reflection intensities at a plurality of positions on the paint portion obtained by one laser light emission. That is, the paint portion reflection intensity data 501A is data including the reflection intensity at each of a plurality of positions (points) arranged in the horizontal direction.
  • the control part 201 is the information which shows the road surface paint position in the map coordinate system which calculated the information which shows each reflection intensity in the several position contained in each paint part reflection intensity data 501 based on said (2) Formula. Are transmitted to the server apparatus 100 in association with each other. Note that the control unit 201 may transmit the paint portion reflection intensity data 501 to the server device 100 only for a paint portion designated in advance from the server device 200 or the like.
  • the control unit 101 of the server apparatus 100 maps a plurality of paint unit reflection intensity data 501A to 501D received from one or a plurality of in-vehicle terminals 200 to a paint unit reflection intensity data 501.
  • the reflection intensity map data 510 (an example of “reflection intensity distribution”) is generated by combining the information based on the information indicating the position of the paint part in the coordinate system.
  • the reflection intensity map data 510 is data that holds the reflection intensity for each position coordinate.
  • the reflection intensity map data 510 has a data structure such as (X1, Y1, I1), (X2, Y2, I2),... (Xn, Yn, In).
  • the control part 101 determines the degradation position and degradation state of a paint part by analyzing the reflection intensity in the reflection intensity map data 510.
  • the control unit 201 of the in-vehicle terminal 200 may generate the reflection intensity map data 510 and transmit it to the server device 100.
  • the control unit 201 of the in-vehicle terminal 200 may generate the reflection intensity map data 510, further determine the deterioration position and the deterioration state, and transmit the deterioration information indicating the deterioration position and the deterioration state to the server apparatus 100. Good.
  • the reflection intensity map data by generating the reflection intensity map data using the paint part reflection intensity data 501 obtained by one or a plurality of vehicles V, it is possible to acquire high-density distribution information about the reflection intensity. Therefore, it is possible to determine deterioration even in a paint portion having a more complicated shape (such as characters) than the white line. Further, by statistically processing the paint portion reflection intensity data 501 acquired by the server apparatus 100 from one or more vehicles V, it is possible to improve the determination accuracy of the deterioration position and the deterioration state.
  • a priority may be set according to the contents indicated by each paint part, and a threshold used for determining deterioration may be changed according to the priority. .
  • the priority is set high for the paint part that presents important information, and the threshold is set low so that it is easy to determine that the paint is deteriorated.
  • the priority is set to be high for the paint unit 551 representing “Tore rare” and the paint unit 552 representing “bicycle mark”, and the priority is set to be low for the paint unit 553 representing “triangle mark”.
  • a high priority is set for the paint portion 561 representing “stop” in FIG.
  • the paint unit 551, the paint unit 552, and the paint unit 561 are set to have low thresholds used for determining deterioration, and even a slight deterioration is determined as deterioration.
  • the priority according to the content indicated by the paint unit, it is determined that there is no deterioration if a portion with a low priority is slightly deteriorated. That is, by using the priority, it is possible to flexibly determine the deterioration according to the content indicated by the paint unit.
  • the deterioration determination of the paint portion can be performed not only for the white paint portion but also for other color paint portions such as yellow.
  • the threshold value used when performing the deterioration determination may be changed according to the color of the paint part.

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Health & Medical Sciences (AREA)
  • Immunology (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • Electromagnetism (AREA)
  • Software Systems (AREA)
  • Automation & Control Theory (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Architecture (AREA)
  • Civil Engineering (AREA)
  • Structural Engineering (AREA)
  • Traffic Control Systems (AREA)
  • Optical Radar Systems And Details Thereof (AREA)
  • Road Repair (AREA)
  • Road Signs Or Road Markings (AREA)
  • Investigating Or Analysing Materials By Optical Means (AREA)

Abstract

多数の地物の中から、劣化している地物を特定することができる劣化地物特定装置等を提供する。　移動体が出射した光の地物からの反射光を受光して、当該移動体において測定された反射強度データを取得し、取得した当該反射強度データに基づいて劣化している地物を特定する。

Description

劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体
　本願は、劣化している地物を特定する劣化地物特定装置の技術分野に関する。
　自動運転車両では、ＬＩＤＡＲ（Light Detection and Ranging、Laser Imaging Detection and Ranging）などのセンサで計測した地物位置と、自動運転用の地図データに記述された地物位置をマッチングして高精度に自車位置を推定する必要がある。利用する地物として標識や看板、道路に描かれた白線などがあり、これらの地物位置を含む自動運転用の地図データは安定した自動運転を行うために、現実に即して整備・更新を行う必要がある。例えば、白線が経年劣化等によりその一部が消えてしまっている場合には、地図データにおける当該白線を表すデータに対して、劣化情報を反映させておく必要がある。
　そのため、従来は地図整備車両を走行させて、劣化した地物がないか実地調査を行う必要があった。そうした中、レーザー計測技術の発達により、地表面を計測した点群データを用いて地図データの利用・更新等に活かす技術の開発が進められている。例えば、特許文献１には、点群データに建物や街路樹等、道路面以外のデータも多く含まれているところ、この中から道路面を計測しているデータを抽出する技術が開示されている。当該技術は道路に描かれた白線を抽出するための前処理として利用することができる。
特開２０１７－９３７８号公報
　特許文献１の技術を用いることにより、地表面を計測した点群データから道路領域を判定することができたが、地物の劣化状態まで判定することはできなかった。しかしながら、自動運転技術において、自車位置推定、レーンキープ、走行可能領域の認識などで地物の情報を用いた処理の重要性は非常に高く、地物の劣化状態がその処理に与える影響も大きい。そのため、実際の地物の劣化状態を把握し、劣化している地物については地図データに反映させておくことが重要である。
　本願発明は、こうした事情に鑑み、多数の地物の中から、劣化している地物を特定することができる劣化地物特定装置等を提供することを課題の一例とする。
　請求項１に記載の発明は、出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得部と、前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部と、を備えることを特徴とする。
　請求項１１に記載の発明は、１又は複数の移動体に設けられた出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得部と、前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部と、前記特定部が特定した前記劣化している地物に対応する地図データを更新する更新部と、を備えることを特徴とする。
　請求項１２に記載の発明は、１又は複数の移動体に設けられた出射部が出射した光の地物からの反射光に基づいて前記移動体に設けられた移動体装置が特定した劣化している地物に関する劣化地物情報を取得する取得部と、前記取得部が取得した前記劣化地物情報が示す前記地物に対応する地図データを更新する更新部と、を備えることを特徴とする。
　請求項１３に記載の発明は、移動体に設けられた移動体装置と、劣化地物特定装置とを含む劣化地物特定システムであって、前記移動体装置は、前記移動体に設けられた出射部が出射した光の地物からの反射光に基づく反射強度データを前記劣化地物特定装置に送信する送信部を備え、前記劣化地物特定装置は、前記移動体装置から前記反射強度データを取得する取得部と、前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部と、を備えることを特徴とする。
　請求項１４に記載の発明は、劣化地物特定装置による劣化地物特定方法であって、出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得工程と、前記取得工程により取得した反射強度データに基づいて劣化している地物を特定する特定工程と、を含むことを特徴とする。
　請求項１５に記載の発明は、コンピュータを、出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得部、前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部、として機能させることを特徴とする。
　請求項１６に記載の発明は、コンピュータを、出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得部、前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部、として機能させることを特徴とする劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体である。
実施形態に係る劣化地物特定装置の構成を示すブロック図である。 実施例に係る地図データ管理システムの概要構成を示すブロック図である。 （Ａ）は実施例に係るＬｉｄａｒが白線（劣化無し）での光の反射強度を測定する様子を示す図であり、（Ｂ）は当該反射強度を統計処理した場合のグラフの一例を示す図である。 （Ａ）は実施例に係るＬｉｄａｒが白線（劣化有り）での光の反射強度を測定する様子を示す図であり、（Ｂ）は当該反射強度を統計処理した場合のグラフの一例を示す図である。 実施例に係る白線予測範囲の算出方法を説明するための図である。 実施例に係る地図データ管理システムによる反射強度データ処理の動作例を示すフローチャートである。 実施例に係るサーバ装置による劣化判定処理の動作例を示すフローチャートである。 （Ａ）は第４変形例に係るＬｉｄａｒが垂直方向に複数の光を出射する様子を示す側面図であり、（Ｂ）は当該Ｌｉｄａｒが白線での光の反射強度を測定する様子を示す図である。 （Ａ）は第４変形例に係る車両の進行方向に沿って破線の白線について測定された反射強度の一例を示す図であり、（Ｂ）は当該反射強度の分布に基づいて劣化判定に用いる反射強度を切り分ける有効エリア及び無効エリアを示す例図である。 路面ペイント部における反射強度を示すペイント部反射強度データ５０１を取得する方法を説明するための図である。 複数のペイント部反射強度データ５０１を合成して反射強度地図データ５１０を生成する場合の概念図である。 （Ａ）、（Ｂ）は、路面に描かれたペイント部の一例である。
　本願発明を実施するための形態について、図１を用いて説明する。なお、図１は、本実施形態に係る劣化地物特定装置の概要構成を示すブロック図である。
　図１に示すように、本実施形態に係る劣化地物特定装置１は取得部１Ａと特定部１Ｂを備えて構成されている。
　取得部１Ａは、出射部が出射した光の地物からの反射光に基づく反射強度データを取得する。
　特定部１Ｂは、取得部１Ａが取得した反射強度データに基づいて劣化している地物を特定する。
　以上説明したように、本実施形態に係る劣化地物特定装置１によれば、取得部１Ａが、出射部が出射した光の地物からの反射光に基づく反射強度データを取得し、特定部１Ｂが、取得部１Ａが取得した反射強度データに基づいて劣化している地物を特定する。よって、出射部が出射した光の地物からの反射光に基づく反射強度データに基づいて、劣化している地物を特定することができる。また、劣化していると判定した地物に関して地図データに劣化情報を反映することで、実際の地物の整備を早急に、効率よく行うことが可能となり、安定した自動運転が可能となる。
　図２－図７を用いて実施例について説明する。なお以下に説明する実施例は、本願発明を、地図データ管理システムＳに適用した場合の実施例である。
　［１．地図データ管理システムＳの構成及び概要］
　図２に示すように、本実施例の地図データ管理システムＳは、地図データを管理するサーバ装置１００と、複数の車両のそれぞれに搭載される車載端末２００とを含んで構成され、サーバ装置１００と各車載端末２００はネットワークＮＷを介して接続されている。なお、図２では車載端末２００を一台示しているが、地図データ管理システムＳは複数の車載端末２００を含んで構成してもよい。また、サーバ装置１００についても複数の装置で構成してもよい。
　車載端末２００は、図３（Ａ）、図４（Ａ）に示すように、車載端末２００と共にＬｉｄａｒ２０５が搭載された車両Ｖにおいて、Ｌｉｄａｒ２０５が自ら出射した光Ｌの白線Ｗ１、白線Ｗ２（「地物」の一例）からの反射光を受光することにより測定した反射強度を示す反射強度データＤをサーバ装置１００に送信する。なお、図３（Ａ）、図４（Ａ）において反射強度データＤとして示している棒線は、その長さによってその地点における反射強度の大きさを表している（長いほど反射強度が大きい）。反射強度データＤは、Ｌｉｄａｒ２０５が出射した光Ｌが照射された各地点における反射強度を含むデータである。図３（Ａ）、図４（Ａ）では、白線Ｗ１、白線Ｗ２それぞれについて５地点での反射強度が測定されていることを示している。
　サーバ装置１００は、複数の車載端末２００それぞれから受信した複数の反射強度データＤに基づいて、劣化している地物を特定する。具体的には、複数の反射強度データＤを統計処理することにより劣化している地物を特定する。例えば、図３（Ａ）に示すように、劣化していない白線については、白線内の各地点での反射強度は高い値且つ均一的な値となるため、図３（Ｂ）に示すように、複数の反射強度に基づいて算出した平均値μが高くなり、且つ、標準偏差σが小さくなる。一方、図４（Ａ）に示すように、劣化した白線については、白線内の各地点での反射強度は低い値又は不均一的な値となることから、図４（Ｂ）に示すように、複数の反射強度に基づいて算出した平均値μが低くなるか、又は、標準偏差σが大きくなる。そこで、サーバ装置１００は、複数の反射強度に基づいて算出した平均値μや標準偏差σを閾値と比較することにより、地物が劣化していないか判定し、劣化している地物を特定する。そして、サーバ装置１００は、劣化している地物に対応する地図データを更新する。なお、地図データの更新は、サーバ装置１００から指示を受けた装置が行うこととしてもよい。
　［２．車載端末２００の構成］
　次に、本実施例に係る車載端末２００の構成について説明する。図２に示すように、車載端末２００は、大別して、制御部２０１と、記憶部２０２と、通信部２０３と、インターフェース部２０４を含んで構成されている。
　記憶部２０２は、例えばＨＤＤ（Hard Disk Drive）やＳＳＤ(Solid State Drive)等により構成されており、ＯＳ（Operating System）、反射強度データ処理プログラム、地図データ、反射強度データＤ及び各種データ等を記憶する。地図データには、劣化判定の対象となる地物（本実施例では、白線）について、その位置を示す地図位置情報と、他の地物と識別するための地物ＩＤが記述されている（地図位置情報と地物ＩＤは一の地物に紐付く情報であるため、地物ＩＤは当該一の地物の位置を示す位置情報の一つということができる）。図３（Ａ）の例では、白線Ｗ１と白線Ｗ２にはそれぞれ別の地物ＩＤが割り当てられる。なお、白線が数百メートルに及ぶなど長く、一の地物として取り扱うことが不適当な場合には、一定の長さ（例えば、５ｍ）で区切りそれぞれを別個の地物として地物ＩＤを付与して取り扱うこととする。また、記憶部２０２が記憶する地図データと同様の地図データ（地物毎に、地図位置情報と地物ＩＤが記述された地図データ）が、サーバ装置１００の記憶部１０２にも記憶されており、車載装置２００とサーバ装置１００それぞれにおいて地物ＩＤにより同一の地物を特定することができる。更に、記憶部２０２が記憶する地図データは、例えば全国の地図データを記憶しておくこととしてもよいし、車両の現在位置を含む一定地域に対応する地図データをサーバ装置１００等から予め受信して記憶しておくこととしてもよい。
　通信部２０３は、車載端末２００とサーバ装置１００との通信状態を制御する。
　インターフェース部２０４は、外部機器であるＬｉｄａｒ２０５や内界センサ２０６と車載端末２００の間でデータをやりとりする際のインターフェース機能を実現する。
　Ｌｉｄａｒ２０５は、車両のルーフ部分等に取り付けられ、一機能として、常時、車両の周囲に円を描くように赤外線レーザー光を出射し（ルーフ部分から下向きに一定の角度で出射する）、車両の周囲にある地物の表面上の点で反射した光を受光し、各点における反射強度を示す反射強度データＤを生成する機器である。反射強度データＤは、レーザー光を水平に出射し、地面や地物で反射した強度を示すデータであるため、反射強度が低い部分（地物が存在しない地面部分）と反射強度が高い部分（地物が存在する部分）が含まれる。また、Ｌｉｄａｒ２０５は、車両フロント部やリア部などに複数取り付け、それぞれが取得した視野範囲の反射強度データを合成して、車両の周囲の反射強度データＤを生成してもよい。
　Ｌｉｄａｒ２０５は、反射強度を測定すると即時に反射強度データＤ（反射強度が低い部分と高い部分を含む）を、インターフェース部２０４を介して車載端末２００に送信する。制御部２０１は、Ｌｉｄａｒ２０５から反射強度データＤを受信すると、受信した反射強度データＤを、反射強度データＤの受信時の車両（Ｌｉｄａｒ２０５）の位置を示す測定位置情報と、反射強度データＤの受信時の日時を示す測定日時情報と対応付けて記憶部２０２に記憶させる。なお、制御部２０１は、記憶部２０２に記憶させた反射強度データＤ、測定位置情報及び測定日時情報のうち、測定から所定時間が経過したもの、或いは、サーバ装置１００に送信したものについては、記憶部２０２から削除してもよい。
　内界センサ２０６は、車両に搭載される、衛星測位センサ（ＧＮＳＳ（Global Navigation Satellite System））、ジャイロセンサ、車速センサ等の総称である。
　制御部２０１は、制御部２０１全体を制御するＣＰＵ（Central Processing Unit）と、制御部２０１を制御する制御プログラム等が予め記憶されているＲＯＭ（Read Only Memory）と、各種データを一時的に格納するＲＡＭ（Random Access Memory）と、により構成されている。そして、ＣＰＵが、ＲＯＭや記憶部２０２に記憶された各種プログラムを読み出し実行することにより各種機能を実現する。
　制御部２０１は、推定自車位置情報を取得する。推定自車位置情報は、車載端末２００外の装置が生成したものであってもよいし、制御部２０１が生成したものであってもよい。推定自車位置情報は、例えば、Ｌｉｄａｒ２０５で計測した地物位置と、自動運転用の地図データの地物位置をマッチングして生成したり、内界センサ２０６で検出した情報と地図データに基づいて生成したり、これらの組み合わせにより生成することができる。
　また、制御部２０１は、推定自車位置情報と、地図データで示される白線の地図位置情報に基づいて、自車両（Ｌｉｄａｒ２０５）から見た実際の白線位置を予測する。このとき、制御部２０１は、ある程度の余裕を持って、白線が含まれる白線予測範囲を算出・設定する。
　ここで、図５を用いて、白線予測範囲の設定方法について具体的に説明する。図５における座標系等は次の通りである。
　地図座標系： 
Figure JPOXMLDOC01-appb-I000001
　車両座標系：
Figure JPOXMLDOC01-appb-I000002
　地図座標系における白線地図位置：
Figure JPOXMLDOC01-appb-I000003
　車両座標系における白線予測位置： 
Figure JPOXMLDOC01-appb-I000004
　地図座標系における推定自車位置：
Figure JPOXMLDOC01-appb-I000005
　地図座標系における推定自車方位角：
Figure JPOXMLDOC01-appb-I000006
　制御部２０１は、推定自車位置情報の示す推定自車位置に基づき、車両の進行方向（例えば、１０ｍ先）にある白線の地図位置情報の示す白線地図位置から、白線予測範囲を算出する。このとき、図５に示すように、車両Ｖが走行するレーンが左側の白線１と右側の白線２により区切られている場合であれば、白線１及び２それぞれについて白線予測範囲を算出する。
　白線１と白線２とで白線予測範囲の算出方法は同様であるので、ここでは、白線１について白線予測範囲を算出する場合について説明する。まず、制御部２０１は、白線１地図位置と推定自車位置に基づいて白線１予測位置３０１（白線１についての白線予測位置）を算出する。白線予測位置は、次の（１）式で求められる。
Figure JPOXMLDOC01-appb-M000007
　次に、制御部２０１は、白線１予測位置３０１を基準に白線１予測範囲３１１を設定する。具体的には、白線１予測位置３０１を含む一定の範囲を白線１予測範囲３１１とする。そして、制御部２０１は、複数の点における反射強度を含む反射強度データＤから、白線１予測範囲３１１内の反射強度を示す白線１反射強度データ３２１を抽出する。
　制御部２０１は、こうして抽出した反射強度データ３２１、３２２を、白線１地図位置及び白線２地図位置にそれぞれ対応する地物ＩＤと、反射強度データ３２１、３２２の抽出元である反射強度データＤと対応する測定日時情報と対応付けてサーバ装置１００に送信する。なお、以下では、Ｌｉｄａｒ２０５が測定し、車載端末２００が記憶部２０２に記憶させた反射強度データＤ（Ｌｉｄａｒ２０５が測定した生データ又は生データを加工したデータであってもよい）を抽出前反射強度データＤと呼び、そのうち、白線予測範囲内で抽出した反射強度を示す反射強度データＤを抽出後反射強度データＤと呼ぶ場合がある。
　［３．サーバ装置１００の構成］
　次に、サーバ装置１００の構成について説明する。図２に示すように、サーバ装置１００は、大別して、制御部１０１、記憶部１０２、通信部１０３、表示部１０４及び操作部１０５を含んで構成されている。
　記憶部１０２は、例えばＨＤＤやＳＳＤ等により構成されており、ＯＳ、白線劣化判定プログラム、車載端末２００から受信した反射強度データＤ及びその他各種データ等を記憶する。
　通信部１０３は、車載端末２００との通信状態を制御する。
　表示部１０４は、例えば、液晶ディスプレイ等により構成されており、文字や画像等の情報を表示する。
　操作部１０５は、例えば、キーボード、マウス等により構成されており、オペレータからの操作指示を受け付け、その指示内容を指示信号として制御部１０１に出力する。
　制御部１０１は、制御部１０１全体を制御するＣＰＵと、制御部１０１を制御する制御プログラム等が予め記憶されているＲＯＭと、各種データを一時的に格納するＲＡＭと、により構成されている。そして、ＣＰＵが、ＲＯＭや記憶部１０２に記憶された各種プログラムを読み出し実行することにより各種機能を実現する。
　制御部１０１は、一又は複数の車載端末２００それぞれから受信した複数の反射強度データＤに基づいて、白線の劣化状態を判定する。そして、制御部１０１は、劣化している地物が劣化していることを識別できるように、当該地物に対応する地図データを更新する。
　［４．地図データ管理システムＳの動作例］
　［４．１．反射強度データ処理時の動作例］
　次に、図６のフローチャートを用いて、地図データ管理システムＳによる反射強度データ処理の動作例について説明する。なお、図６のフローチャートでは、一の車載端末２００が反射強度データＤを測定してサーバ装置１００に送信する流れについて説明しているが、地図データ管理システムＳに含まれる各車載端末２００について同様の処理が実行される。また、図６の車載端末２００のステップＳ１０１～ステップＳ１０５の処理は、定期的に（例えば、所定時間毎に、及び／又は、車載端末２００が搭載された車両が所定距離移動する毎に）実行され、車載端末２００によるステップＳ１０５の処理を受けて、サーバ装置１００はステップＳ２０１～ステップＳ２０２の処理を実行する。
　まず、車載端末２００の制御部２０１は、推定自車位置情報を取得する（ステップＳ１０１）。
　次に、制御部２０１は、ステップＳ１０１の処理で取得した推定自車位置情報の示す推定自車位置に対応する地図データから、白線の地図位置情報を取得する（ステップＳ１０２）。このとき、制御部２０１は、上述したように、車両の進行方向にある白線の地図位置情報と地物ＩＤを取得する。
　次に、制御部２０１は、推定自車位置情報の示す推定自車位置と白線の地図位置情報の示す白線地図位置から、白線予測範囲を算出・設定する（ステップＳ１０３）。
　次に、制御部２０１は、Ｌｉｄａｒ２０５が測定した抽出前反射強度データＤのうち白線予測範囲内のものを抽出して、抽出後反射強度データＤを得る（ステップＳ１０４）。具体的には、制御部２０１は、まず、抽出前反射強度データＤと対応付けて記憶されている測定位置情報の測定位置と、Ｌｉｄａｒ２０５がレーザー光を出射する際の出射角（下向きの一定の角度）に基づいて、白線予測範囲を含む範囲にレーザー光を出射して測定した抽出前反射強度データＤを特定する。次いで、制御部２０１は、当該特定した抽出前反射強度データＤにおける白線予測範囲内の部分を抽出して抽出後反射強度データＤ２を得る。例えば、制御部２０１は、車両方向を基準とする白線予測範囲の方位角（θ1、θ2（図５参照）)に対応する部分を抽出する。
　次に、制御部２０１は、ステップＳ１０４の処理で抽出した抽出後反射強度データＤを、当該抽出後反射強度データＤの抽出元である抽出前反射強度データＤと対応付けて記憶されている測定日時情報及びステップＳ１０２の処理で取得した地物ＩＤとともにサーバ装置１００に送信し（ステップＳ１０５）、反射強度データ送信時処理を終了する。
　これに対して、サーバ装置１００の制御部１０１は、車載端末２００から抽出後反射強度データＤ、測定日時情報及び地物ＩＤを受信すると（ステップＳ２０１）、これらを記憶部１０２にそれぞれ対応付けて記憶させ（ステップＳ２０２）、反射強度データ送信時処理を終了する。これにより、サーバ装置１００の記憶部１０２には、複数の車載端末２００それぞれから送信された複数の抽出後反射強度データＤが蓄積されることとなる。
　［４．２．劣化判定処理時の動作例］
　次に、図７のフローチャートを用いて、サーバ装置１００による劣化判定処理の動作例について説明する。劣化判定処理は、例えば、オペレータ等から白線について劣化判定することの指示とともに、劣化判定すべき白線の地物ＩＤが指定された場合に実行される。
　まず、サーバ装置１００の制御部１０１は、指定された地物ＩＤを取得する（ステップＳ２１１）。次いで、制御部１０１は、当該地物ＩＤと対応付けて記憶されており、且つ、測定日時が所定期間内（例えば、直近３ヶ月）である抽出後反射強度データＤを記憶部１０２から取得する（ステップＳ２１２）。取得対象を測定日時が所定期間内の反射強度データＤに限定している理由は、あまりに古い反射強度データＤでは、現在の劣化状態を判定するのに適切でないからである。
　次に、制御部１０１は、ステップＳ２１２の処理で抽出した抽出後反射強度データＤの平均を算出し（ステップＳ２１３）、次いで、標準偏差を算出する（ステップＳ２１４）。なお、制御部１０１は、平均及び標準偏差を算出する場合、地物ＩＤ毎（図３（Ａ）、図４（Ａ）の例では、白線Ｗ１と白線Ｗ２毎）に抽出後反射強度データＤを処理する。また、図３（Ａ）、図４（Ａ）の例では、白線Ｗ１について５つの地点での反射強度が測定されているので、制御部１０１はそれぞれの地点での反射強度の平均及び標準偏差を算出する。また、制御部１０１は、当該５つの地点それぞれでの反射強度の平均及び標準偏差を求めることに代えて、当該５つの地点又は抽出後反射強度データＤに含まれる所定の領域（一部又は全部の領域）の地点における反射強度の平均及び標準偏差を算出してもよい。
　次に、制御部１０１は、ステップＳ２１３の処理で算出した平均が第１の閾値以下であるか否かを判定する（ステップＳ２１５）。このとき、制御部１０１は、平均が第１の閾値以下であると判定した場合には（ステップＳ２１５：ＹＥＳ）、指定された白線について「劣化あり」と判定し（ステップＳ２１７）、当該白線に対応する地図データについて「劣化あり」であることを示す情報を付加する更新を行い（ステップＳ２１８）、劣化判定処理を終了する。なお、制御部１０１は、ステップＳ２１７の処理で、指定された白線について「劣化あり」と判定することは、劣化した白線を特定することの一例である。一方、制御部１０１は、平均が第１の閾値以下ではないと判定した場合には（ステップＳ２１５：ＮＯ）、次いで、ステップＳ２１４の処理で算出した標準偏差が第２の閾値以上であるか否かを判定する（ステップＳ２１６）。
　このとき、制御部１０１は、標準偏差が第２の閾値以上であると判定した場合には（ステップＳ２１６：ＹＥＳ）、指定された白線について「劣化あり」と判定し（ステップＳ２１７）、当該白線に対応する地図データについて「劣化あり」であることを示す情報を付加する更新を行い（ステップＳ２１８）、劣化判定処理を終了する。一方、制御部１０１は、標準偏差が第２の閾値以上ではないと判定した場合には（ステップＳ２１６：ＮＯ）、指定された白線について「劣化なし」と判定し（ステップＳ２１９）、劣化判定処理を終了する。なお、劣化判定処理はサーバ装置１００の制御部１０１が行うことに代えて、車載端末２００の制御部２０１が劣化判定の処理を行ってもよい。この場合、制御部２０１は、劣化していると判定された当該白線に対応する地物に対して、「劣化あり」であることを示す情報を、サーバ装置１００に送信する。
　以上説明したように、本実施例における地図データ管理システムＳは、サーバ装置１００の制御部１０１（「取得部」、「特定部」の一例）が、車両（「移動体」の一例）が出射した光の白線（「地物」の一例）からの反射光を受光して、当該車両において測定された反射強度データＤを取得し、当該取得した反射強度データＤに基づいて劣化している白線を特定する。
　したがって、本実施例の地図データ管理システムＳによれば、車両から取得する反射強度データＤを用いることで、劣化している白線を特定することができる。なお、白線の劣化判定を、車両に搭載したカメラで撮影した画像に基づいて行うことも考えられるが、夜間、逆光など明るさの変化、カメラ解像度などの制約があり、適切に劣化判定を行うことは困難であり、本実施例のように反射強度データＤを用いた劣化判定の方が優位である。
　また、制御部１０１は、反射強度データＤの測定日時を示す測定日時情報を更に取得し、測定日時情報に基づいて所定の期間に測定された反射強度データＤを選択し、当該選択した反射強度データＤに基づいて劣化している白線を特定する。したがって、所定の期間（例えば直近の数ヶ月間）を適切に設定することにより、白線の劣化判定に不適切な反射強度データＤを除いた反射強度データに基づいて劣化している白線を適切に特定することができる。
　更に、制御部１０１は、光を反射した白線の位置を特定するための地物ＩＤ（「位置情報」の一例）を更に取得し、反射強度データＤ及び地物ＩＤに基づいて、劣化している白線を特定する。これにより、劣化している白線の位置も特定することができる。
　更にまた、制御部１０１は、地図位置情報（「位置情報」の一例）に基づいて、設定された白線予測範囲内で測定された抽出後反射強度データＤに基づいて、劣化している白線を特定する。これにより、白線以外で反射された光を示す反射強度データＤを除外して劣化判定を行うことができ、より高精度に白線について劣化判定を行うことができる。
　更にまた、制御部１０１（「更新部」の一例）は、図７のステップＳ２１７の処理で「劣化あり」と判定した白線に対応する地図データを更新する（「劣化あり」であることを示す情報を付加する更新を行う）。これにより、劣化している白線を表す地図データに対して、劣化情報を反映させることができる。
　更にまた、制御部１０１は、一又は複数の車両のそれぞれが出射した光の白線からの反射光を受光して、当該一又は複数の車両のそれぞれにおいて測定された反射強度データＤを取得し、当該取得した複数の反射強度データＤに基づいて劣化している白線を特定する。したがって、本実施例の地図データ管理システムＳによれば、一又は複数の車両から取得する反射強度データＤを用いて、高精度に劣化している白線を特定することができる。
　なお、本実施例では、劣化判定の対象の地物を白線として説明したが、反射強度に基づいて劣化判定を行うことが可能な全ての地物を劣化判定の対象とすることができる。
　［５．変形例］
　次に、本実施例の変形例について説明する。なお、以下に説明する変形例は適宜組み合わせることができる。
　［５．１．第１変形例］
　上記実施例では、劣化判定の対象である白線が実線である場合について説明したが、白線が破線である場合もある。また、白線はレーンを区切るためだけではなく、導流体、文字、横断歩道等にも用いられている。更に、劣化判定の対象は白線のみならず、標識や看板等の地物も含めることができる。つまり、劣化判定の対象とする地物は様々な種別に分類することができる。そこで、地物の種類を示す地物種類情報を更に地物ＩＤと紐付けておくこととし、地物の種類によって反射強度データを用いて劣化判定をする際の閾値を変更することとしてもよい。
　また、白線が破線である場合、白線がペイントされている部分毎に地物ＩＤを設定して、白線がペイントされていない部分については地物ＩＤを設定せずに劣化判定の対象から除外することとしてもよい。なお、導流体、文字、横断歩道等は、白線の向きが車両の進行方向と平行でない場合もあるので、白線の種類毎に白線予測範囲の設定方法を定めておき（例えば、白線予測範囲の四隅の点の位置情報を地図データに記述しておき、車載装置２００の制御部２０１はそれに基づいて白線予測範囲を設定する）、劣化判定の対象となる白線の種類に応じて白線予測範囲を設定することとしてもよい。
　［５．２．第２変形例］
　Ｌｉｄａｒ２０５により測定する反射強度は、日光の影響を受けるため測定日時や測定時の天候により異なる。例えば、同一の白線における反射強度であっても、明け方や夕暮れ時での反射強度と日中での反射強度は異なる。また、晴天時の反射強度と、曇りや雨、雪等の時の反射強度も異なる。そこで、第２変形例では、車載装置２００の制御部２０１は、Ｌｉｄａｒ２０５から反射強度データＤを受信した際に、測定時の天候を示す天候情報を更に対応付けて記憶部２０２に記憶させることとし、図６のステップＳ１０５の処理で、天候情報を更に対応付けてサーバ装置１００に送信し、サーバ装置１００も天候情報を更に対応付けて記憶部１０２に記憶させることとする。そして、サーバ装置１００の制御部１０１は、測定日時情報又は天候情報の少なくとも何れか一方の情報（「付随情報」の一例）に応じて反射強度データＤを補正した上で、劣化している地物を特定することとしてもよい。これにより、測定時の時刻や天候による反射強度データ間の差を相殺して、適切に劣化判定を行うことができる。
　［５．３．第３変形例］
　上記実施例では、車載端末２００の制御部２０１は定期的に反射強度データＤをサーバ装置１００に送信することとしたが、これに加えて、制御部２０１は車載端末２００（自車両）が所定のエリア（例えば、サーバ装置１００から指定された測定エリア）内で測定した反射強度データＤのみを送信するという条件を加えることとしてもよい。これにより、例えば、サーバ装置１００が白線の劣化判定を行う必要のあるエリアを測定エリアとして指定することにより、白線の劣化判定を行う必要のないエリアで測定された反射強度データＤを受信しなくてすむ。これにより、車載端末２００とサーバ装置１００間の通信データ量の削減や、反射強度データＤを記憶するサーバ装置１００の記憶部１０２の記憶容量の節約、劣化判定に係る処理負荷の軽減を実現することができる。
　また、サーバ装置１００の制御部１０１は、記憶部１０２に反射強度データＤとともに記憶させた地図位置情報（「位置情報」の一例）を参照して、指定されたエリア（例えば、オペレータ等により指定された、白線の劣化判定を行う必要のあるエリア）で測定された反射強度データに基づいて、劣化している白線を特定することとしてもよい。これにより、劣化判定を行う必要のあるエリアを指定することにより、当該エリア内の白線についてのみ劣化判定を行うことができ、劣化判定を行う必要のないエリアについて劣化判定を行う場合よりも処理負担を軽減できる。
　［５．４．第４変形例］
　上記実施例では、Ｌｉｄａｒ２０５が車両のルーフ部分等に取り付けられ、一定の角度で下向きに車両の周囲に円を描くように一本の赤外線レーザー光Ｌを出射することとしたが、例えば、図８（Ａ）に示すように、Ｌｉｄａｒ２０５が車両の周囲に円を描くように複数本（図８（Ａ）では５本）の赤外線レーザー光Ｌをそれぞれ下向き方向の出射角度を異ならせて出射することとしてもよい。これにより、図８（Ｂ）に示すように、一度に、車両の進行方向に沿って反射強度データＤを測定することができる。また、上記実施例のように、一本の赤外線レーザー光Ｌを出射して反射強度データＤを測定するということを車両Ｖが所定の距離移動する度に行い、それらを組み合わせることにより、図８で示した例と同様に、車両の進行方向に沿って反射強度データＤを得ることができる。
　また、第１変形例でも説明したが、図９（Ａ）に示すように、白線が破線である場合に、白線がペイントされていない部分は、白線の劣化がそもそも発生しないことから劣化判定の対象から外すことが好ましい。そこで、サーバ装置１００の制御部１０１は、上述したように車両Ｖの進行方向に沿って測定された反射強度データＤに基づいて、白線がペイントされている部分（ペイントエリア）を有効エリア、白線がペイントされていない部分（非ペイントエリア）を無効エリアとして切り分け、有効エリアに対応する反射強度のみに基づいて劣化判定を行うこととしてもよい。具体的には、図９（Ａ）、（Ｂ）に示すように、破線の白線について車両Ｖの進行方向に沿って測定された反射強度データＤの示す反射強度は、大別して、ペイントエリアで高い値となり、非ペイントエリアで低い値となることから、閾値を設定して、反射強度が閾値以上であれば有効エリア、それ以外は無効エリアとして切り分ける。これにより、第１変形例で説明したように、破線である白線のペイントエリア毎に地物ＩＤを設定することなく、実線である白線と同様に所定の距離毎に地物ＩＤを設定することができ、且つ、非ペイントエリアについて劣化判定を行わないようにすることができる。なお、このペイントエリア（有効エリア）と非ペイントエリア（無効エリア）を切り分ける手法は、破線の白線以外にも、ペイントエリアと非ペイントエリアで構成される導流体、文字、横断歩道等の劣化判定に採用してもよい。
　［５．５．第５変形例］
　上記実施例では、予め白線予測範囲を算出して、そこに含まれる反射強度データＤは、白線で反射した光によるものとして処理を行っている。すなわち、車載端末２００がサーバ装置１００に送信する抽出後反射強度データＤは、白線での反射強度を示すデータであることが保証されていた。第５変形例では、車載端末２００は、Ｌｉｄａｒ２０５から受信した抽出前反射強度データＤを、測定位置情報及び測定日時情報と対応付けてサーバ装置１００に送信することとする。そして、サーバ装置１００の制御部１０１は、当該抽出前反射強度データＤの示す反射強度の分布と、車両が走行するレーンを区切る白線の位置関係から白線による反射に基づく反射強度を特定し、当該特定した反射強度に基づいて、劣化判定を行うこととする。そして、劣化判定により地物が劣化していると判定した場合には、反射強度データＤと対応する測定位置情報と、Ｌｉｄａｒ２０５がレーザー光Ｌを出射する出射角度を示す情報との組み合わせにより、劣化している白線の位置を特定することとしてもよい。これにより、Ｌｉｄａｒ２０５が測定した抽出前反射強度データＤから、白線の劣化判定に用いる部分を抽出する処理、白線の地図位置の取得処理に掛かる車載端末２００の処理負担を軽減することができる。また、第５変形例では、記憶部２０２に記憶されている地図データに白線の位置情報を持たせなくても、サーバ装置１００において白線の劣化判定を行うことが可能となる。
　［５．６．第６変形例］
　図１０、図１１を用いて、路面にペイントされた矢印、導流体、文字、横断歩道等の図柄（「ペイント部」という場合がある）の劣化を判定する第６変形例について説明する。図１０は、ペイント部における反射強度を示すペイント部反射強度データ５０１を取得する方法を説明するための図である。図１１は、複数のペイント部反射強度データ５０１を合成して反射強度地図データ５１０を生成する場合の概念図である。
　まず、図１０を用いて、右折矢印５００（ペイント部）について反射強度を示すペイント部反射強度データ５０１を取得する方法について具体的に説明する。図１０における座標系等は次の通りである。
　地図座標系：
Figure JPOXMLDOC01-appb-I000008
　車両座標系：
Figure JPOXMLDOC01-appb-I000009
　地図座標系におけるペイント部位置（車両から見たペイントの位置）：
Figure JPOXMLDOC01-appb-I000010
　車両座標系におけるペイント部位置（地図から見たペイントの位置）：
Figure JPOXMLDOC01-appb-I000011
　地図座標系における推定自車位置： 
Figure JPOXMLDOC01-appb-I000012
　地図座標系における推定自車方位角： 
Figure JPOXMLDOC01-appb-I000013
　また、地図座標系における路面ペイント位置は次の（２）式で求められる。
Figure JPOXMLDOC01-appb-M000014
　車載端末２００の制御部２０１は、車両Ｖの進行に伴い、右折矢印５００上におけるペイント部反射強度データ５０１を複数取得する。例えば、図１１に示すように、車両Ｖの進行に伴って、ペイント部反射強度データ５０１Ａ、ペイント部反射強度データ５０１Ｂ、ペイント部反射強度データ５０１Ｃ、ペイント部反射強度データ５０１Ｄを順次取得する。各ペイント部反射強度データ５０１は、Ｌｉｄａｒ２０５による一回のレーザー光の出射により得られるペイント部上の複数の位置（点）における反射強度を含む。例えば、図１１においてペイント部反射強度データ５０１Ａが横長形状で示されているが、これは、一回のレーザー光の出射により得られたペイント部上の複数の位置における反射強度を示している。すなわち、ペイント部反射強度データ５０１Ａは横方向に並ぶ複数の位置（点）のそれぞれにおける反射強度を含むデータである。そして、制御部２０１は、それぞれのペイント部反射強度データ５０１に含まれる複数の位置における各反射強度を示す情報を、上記（２）式に基づいて算出した地図座標系における路面ペイント位置を示す情報と対応付けてサーバ装置１００に送信する。なお、制御部２０１は、サーバ装置２００等から予め指定されたペイント部についてのみペイント部反射強度データ５０１をサーバ装置１００に送信することとしてもよい。
　図１１に示すように、サーバ装置１００の制御部１０１は、一又は複数の車載端末２００から受信した複数のペイント部反射強度データ５０１Ａ～５０１Ｄを、ペイント部反射強度データ５０１と対応付けられた地図座標系におけるペイント部位置を示す情報に基づいて合成することにより反射強度地図データ５１０（「反射強度分布」の一例）を生成する。反射強度地図データ５１０は、位置座標毎に反射強度を保持するデータであり、例えば、（Ｘ１、Ｙ１、Ｉ１）、（Ｘ２、Ｙ２、Ｉ２）、…（Ｘｎ、Ｙｎ、Ｉｎ）といったデータ構造となる（Ｉは反射強度を表し、Ｘ、Ｙは反射強度Ｉが得られた位置座標を表す）。そして、制御部１０１は、反射強度地図データ５１０における反射強度を解析することにより、ペイント部の劣化位置及び劣化状態を判定する。なお、サーバ装置１００の制御部１０１の代わりに、車載端末２００の制御部２０１が反射強度地図データ５１０を生成し、サーバ装置１００に送信することとしてもよい。また、車載端末２００の制御部２０１が反射強度地図データ５１０を生成し、更に、劣化位置及び劣化状態の判定を行い、劣化位置及び劣化状態を示す劣化情報をサーバ装置１００に送信することとしてもよい。
　第６変形例では、１又は複数の車両Ｖで得られたペイント部反射強度データ５０１を利用して反射強度地図データを生成することにより、反射強度について高密度の分布情報を取得することができるため、白線よりも複雑な形状（文字等）のペイント部であっても劣化を判定することができる。また、サーバ装置１００が１又は複数の車両Ｖから取得したペイント部反射強度データ５０１を統計的に処理することにより、劣化位置及び劣化状態の判定精度を向上させることができる。
　なお、ペイント部の劣化を判定するにあたり、例えばそれぞれのペイント部が示す内容に応じて優先度（重み付け）を設定し、劣化判定をする際に用いる閾値を優先度に応じて変化させてもよい。具体的には、重要な情報を提示するペイント部について優先度を高く設定し、劣化と判定され易いように閾値を低く設定する。例えば、図１２（Ａ）における「とまれ」を表すペイント部５５１と「自転車マーク」を表すペイント部５５２について優先度を高く設定し、「三角形マーク」を表すペイント部５５３について優先度を低く設定する。同様に、図１２（Ｂ）における「止まれ」を表すペイント部５６１について優先度を高く設定し、「棒線」を表すペイント部５６２について優先度を低く設定する。これにより、ペイント部５５１及びペイント部５５２や、ペイント部５６１については劣化判定をする際に用いる閾値が低く設定され、軽度の劣化でも劣化と判定される。このようにペイント部が示す内容に応じて優先度を設定することにより、優先度が低い箇所について軽度の劣化であれば劣化していないと判定される。すなわち、優先度を用いることにより、ペイント部が示す内容に応じて柔軟に劣化の判定を行うことができる。
　また、こうしたペイント部の劣化判定は、白色のペイント部に限らず黄色など他の色のペイント部についても行うことができる。このとき、ペイント部の色に応じて反射強度が異なる場合があることから、ペイント部の色に応じて劣化判定をする際に用いる閾値を変えてもよい。
１　劣化地物特定装置
１Ａ　取得部
１Ｂ　特定部
Ｓ　地図データ管理システム
１００　サーバ装置
１０１　制御部
１０２　記憶部
１０３　通信部
１０４　表示部
１０５　操作部
２００　車載端末
２０１　制御部
２０２　記憶部
２０３　通信部
２０４　インターフェース部
２０５　Ｌｉｄａｒ
２０６　内界センサ

Claims (16)

  1. 　出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得部と、
    　前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部と、
    　を備えることを特徴とする劣化地物特定装置。
  2. 　請求項１に記載の劣化地物特定装置であって、
    　前記取得部は、前記反射強度データを測定した地物の種類を示す地物種類情報を更に取得し、
    　前記特定部は、地物が劣化しているかの判定を閾値に基づいて行い、当該閾値を前記地物の種類に応じて変更することを特徴とする劣化地物特定装置。
  3. 　請求項１又は２の何れか一項に記載の劣化地物特定装置であって、
    　前記取得部は、前記反射強度データの測定日時を示す測定日時情報又は測定時の天候を示す天候情報の少なくとも何れか一方を含む付随情報を更に取得し、
    　前記特定部は、前記付随情報に応じて前記反射強度データを補正した上で、前記劣化している地物を特定することを特徴とする劣化地物特定装置。
  4. 　請求項１又は２の何れか一項に記載の劣化地物特定装置であって、
    　前記取得部は、前記反射強度データの測定日時を示す測定日時情報を更に取得し、
    　前記特定部は、前記測定日時情報に基づいて所定の期間に測定された前記反射強度データを選択し、当該選択した反射強度データに基づいて前記劣化している地物を特定することを特徴とする劣化地物特定装置。
  5. 　請求項１乃至４の何れか一項に記載の劣化地物特定装置であって、
    　前記取得部は、前記光を反射した地物の位置を特定するための位置情報を更に取得し、
    　前記特定部は、前記位置情報に基づいて、前記劣化している地物を特定することを特徴とする劣化地物特定装置。
  6. 　請求項５に記載の劣化地物特定装置であって、
    　前記特定部は、前記位置情報を参照して、指定されたエリアで測定された反射強度データに基づいて、前記劣化している地物を特定することを特徴とする劣化地物特定装置。
  7. 　請求項５に記載の劣化地物特定装置であって、
    　前記出射部を搭載した移動体の移動に伴って、前記取得部で取得した前記反射強度データに基づいて、反射強度分布を作成する作成部を更に備え、
    　前記特定部は、前記作成された反射強度分布に基づいて、前記劣化している地物を特定することを特徴とする劣化地物特定装置。
  8. 　請求項７に記載の劣化地物特定装置であって、
    　前記反射強度分布には、劣化している前記地物を特定する際の優先度を示す情報が含まれ、
    　前記特定部は、前記優先度を示す情報に基づいて、前記劣化している地物を特定することを特徴とする劣化地物特定装置。
  9. 　請求項１乃至８の何れか一項に記載の劣化地物特定装置であって、
    　前記特定部に特定された劣化している地物に対応する地図データを更新する更新部を更に備えることを特徴とする劣化地物特定装置。
  10. 　請求項１乃至９の何れか一項に記載の劣化地物特定装置であって、
    　前記特定部が特定した劣化している地物を示す情報を送信する送信部を更に備えることを特徴とする劣化地物特定装置。
  11. 　１又は複数の移動体に設けられた出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得部と、
    　前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部と、
    　前記特定部が特定した前記劣化している地物に対応する地図データを更新する更新部と、
    　を備えることを特徴とする劣化地物特定装置。
  12. 　１又は複数の移動体に設けられた出射部が出射した光の地物からの反射光に基づいて前記移動体に設けられた移動体装置が特定した劣化している地物に関する劣化地物情報を取得する取得部と、
    　前記取得部が取得した前記劣化地物情報が示す前記地物に対応する地図データを更新する更新部と、
    　を備えることを特徴とする劣化地物特定装置。
  13. 　移動体に設けられた移動体装置と、劣化地物特定装置とを含む劣化地物特定システムであって、
    　前記移動体装置は、
    　前記移動体に設けられた出射部が出射した光の地物からの反射光に基づく反射強度データを前記劣化地物特定装置に送信する送信部を備え、
    　前記劣化地物特定装置は、
    　前記移動体装置から前記反射強度データを取得する取得部と、
    　前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部と、
    　を備えることを特徴とする劣化地物特定システム。
  14. 　劣化地物特定装置による劣化地物特定方法であって、
    　出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得工程と、
    　前記取得工程により取得した反射強度データに基づいて劣化している地物を特定する特定工程と、
    　を含むことを特徴とする劣化地物特定方法。
  15. 　コンピュータを、
    　出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得部、
    　前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部、
    　として機能させることを特徴とする劣化地物特定プログラム。
  16. 　コンピュータを、
    　出射部が出射した光の地物からの反射光に基づく反射強度データを取得する取得部、
    　前記取得部が取得した反射強度データに基づいて劣化している地物を特定する特定部、
    　として機能させることを特徴とする劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体。
PCT/JP2018/006757 2017-03-29 2018-02-23 劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体 WO2018180081A1 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP2019508797A JP6970736B2 (ja) 2017-03-29 2018-02-23 劣化地物特定装置、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体
EP18775420.5A EP3591381A4 (en) 2017-03-29 2018-02-23 DEVICE FOR IDENTIFYING A deteriorated GROUND-BASED OBJECT, SYSTEM FOR IDENTIFYING a deteriorated GROUND-BASED OBJECT, METHOD FOR IDENTIFYING a deteriorated GROUND-BASED OBJECT, PROGRAM FOR IDENTIFYING a deteriorated GROUND BASED POINTS AND COMPUTER READABLE RECORDING MEDIUM WITH recorded thereon PROGRAM FOR IDENTIFYING a deteriorated GROUND BASED POINTS
US16/496,851 US11157752B2 (en) 2017-03-29 2018-02-23 Degraded feature identification apparatus, degraded feature identification system, degraded feature identification method, degraded feature identification program, and computer-readable recording medium recording degraded feature identification program
JP2021177481A JP2022016460A (ja) 2017-03-29 2021-10-29 劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2017-065898 2017-03-29
JP2017065898 2017-03-29

Publications (1)

Publication Number Publication Date
WO2018180081A1 true WO2018180081A1 (ja) 2018-10-04

Family

ID=63677007

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2018/006757 WO2018180081A1 (ja) 2017-03-29 2018-02-23 劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体

Country Status (4)

Country Link
US (1) US11157752B2 (ja)
EP (1) EP3591381A4 (ja)
JP (3) JP6970736B2 (ja)
WO (1) WO2018180081A1 (ja)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020113070A (ja) * 2019-01-11 2020-07-27 トヨタ自動車株式会社 道路環境判別装置
JP2020190934A (ja) * 2019-05-22 2020-11-26 矢崎エナジーシステム株式会社 情報記録システム
JPWO2021038740A1 (ja) * 2019-08-28 2021-11-25 三菱電機株式会社 障害物検知装置
WO2023166555A1 (ja) * 2022-03-01 2023-09-07 日本電気株式会社 路面標示劣化分析装置、方法、及びコンピュータ可読媒体

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6280507A (ja) * 1985-10-03 1987-04-14 Pasuko:Kk 路面ひびわれ測定方法
JP2009058429A (ja) * 2007-08-31 2009-03-19 Aisin Aw Co Ltd 画像認識システム、サーバ装置、及び画像認識装置
JP2010044472A (ja) * 2008-08-11 2010-02-25 Hitachi Ltd 道路標示認識装置
JP2013139672A (ja) * 2011-12-28 2013-07-18 Fujitsu Ltd 路面調査プログラム及び路面調査装置
JP2014228300A (ja) * 2013-05-20 2014-12-08 国立大学法人 東京大学 路面状態推定装置
US20150371094A1 (en) * 2013-02-13 2015-12-24 W.D.M. Limited A road marking analyser and a method of analysis of road markings and an apparatus and method for detecting vehicle weave
WO2016139748A1 (ja) * 2015-03-03 2016-09-09 パイオニア株式会社 経路探索装置、制御方法、プログラム及び記憶媒体
JP2016170708A (ja) * 2015-03-13 2016-09-23 株式会社東芝 道路状態判定装置および道路状態判定方法
JP2017009378A (ja) 2015-06-19 2017-01-12 株式会社トヨタマップマスター 点群データ処理装置、点群データ処理方法、プログラム、および記録媒体
WO2017038134A1 (ja) * 2015-08-28 2017-03-09 株式会社日立製作所 ランドマーク認識装置及び認識方法

Family Cites Families (23)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4796998A (en) 1985-10-03 1989-01-10 Pasco Corporation Method for mobile survey of road surface
JP4327389B2 (ja) * 2001-10-17 2009-09-09 株式会社日立製作所 走行レーン認識装置
BRPI0817039A2 (pt) * 2007-08-24 2015-07-21 Stratech Systems Ltd Sistema e método de vigilância de pista de pouso e decolagem
JP2011027594A (ja) * 2009-07-27 2011-02-10 Toyota Infotechnology Center Co Ltd 地図データ検証システム
JP5267588B2 (ja) * 2010-03-26 2013-08-21 株式会社デンソー 区画線検出装置および区画線検出方法
JP5892876B2 (ja) * 2011-07-28 2016-03-23 クラリオン株式会社 車載用環境認識装置
JP2013031054A (ja) * 2011-07-29 2013-02-07 Ricoh Co Ltd 撮像装置及びこれを備えた物体検出装置、並びに、光学フィルタ及びその製造方法
US9863928B1 (en) * 2013-03-20 2018-01-09 United Parcel Service Of America, Inc. Road condition detection system
JP6220327B2 (ja) * 2014-07-23 2017-10-25 株式会社Ｓｏｋｅｎ 走行区画線認識装置、走行区画線認識プログラム
JP6454109B2 (ja) * 2014-09-10 2019-01-16 雄章 石川 路面状態管理装置及び路面状態管理プログラム
JP6428493B2 (ja) * 2015-06-05 2018-11-28 株式会社デンソー 自動走行制御装置、自動走行用車載装置、自動走行制御方法
US10691958B1 (en) * 2015-07-30 2020-06-23 Ambarella International Lp Per-lane traffic data collection and/or navigation
EP3130891B1 (en) 2015-08-11 2018-01-03 Continental Automotive GmbH Method for updating a server database containing precision road information
JP6776513B2 (ja) * 2015-08-19 2020-10-28 ソニー株式会社 車両制御装置と車両制御方法と情報処理装置および交通情報提供システム
US10102434B2 (en) * 2015-12-22 2018-10-16 Omnivision Technologies, Inc. Lane detection system and method
US10109191B2 (en) * 2016-02-10 2018-10-23 International Business Machines Corporation Method of quickly detecting road distress
US9791857B2 (en) * 2016-03-10 2017-10-17 Toyota Motor Engineering & Manufacturing North America, Inc. System and method for monitoring and alerting vehicle occupant to operating efficiencies of autonomous driving assistance systems
US20180067494A1 (en) * 2016-09-02 2018-03-08 Delphi Technologies, Inc. Automated-vehicle 3d road-model and lane-marking definition system
CN109689463B (zh) * 2016-09-13 2022-03-15 松下知识产权经营株式会社 路面状态预测***、驾驶支援***、路面状态预测方法以及数据分发方法
WO2018061084A1 (ja) * 2016-09-27 2018-04-05 日産自動車株式会社 自己位置推定方法及び自己位置推定装置
JP6637400B2 (ja) * 2016-10-12 2020-01-29 本田技研工業株式会社 車両制御装置
JP6600610B2 (ja) * 2016-10-24 2019-10-30 日本電信電話株式会社 路面凹凸量推定装置、方法、及びプログラム
JP6575492B2 (ja) * 2016-11-29 2019-09-18 トヨタ自動車株式会社 自動運転システム

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6280507A (ja) * 1985-10-03 1987-04-14 Pasuko:Kk 路面ひびわれ測定方法
JP2009058429A (ja) * 2007-08-31 2009-03-19 Aisin Aw Co Ltd 画像認識システム、サーバ装置、及び画像認識装置
JP2010044472A (ja) * 2008-08-11 2010-02-25 Hitachi Ltd 道路標示認識装置
JP2013139672A (ja) * 2011-12-28 2013-07-18 Fujitsu Ltd 路面調査プログラム及び路面調査装置
US20150371094A1 (en) * 2013-02-13 2015-12-24 W.D.M. Limited A road marking analyser and a method of analysis of road markings and an apparatus and method for detecting vehicle weave
JP2014228300A (ja) * 2013-05-20 2014-12-08 国立大学法人 東京大学 路面状態推定装置
WO2016139748A1 (ja) * 2015-03-03 2016-09-09 パイオニア株式会社 経路探索装置、制御方法、プログラム及び記憶媒体
JP2016170708A (ja) * 2015-03-13 2016-09-23 株式会社東芝 道路状態判定装置および道路状態判定方法
JP2017009378A (ja) 2015-06-19 2017-01-12 株式会社トヨタマップマスター 点群データ処理装置、点群データ処理方法、プログラム、および記録媒体
WO2017038134A1 (ja) * 2015-08-28 2017-03-09 株式会社日立製作所 ランドマーク認識装置及び認識方法

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2020113070A (ja) * 2019-01-11 2020-07-27 トヨタ自動車株式会社 道路環境判別装置
JP2020190934A (ja) * 2019-05-22 2020-11-26 矢崎エナジーシステム株式会社 情報記録システム
JP7289594B2 (ja) 2019-05-22 2023-06-12 矢崎エナジーシステム株式会社 情報記録システム
JPWO2021038740A1 (ja) * 2019-08-28 2021-11-25 三菱電機株式会社 障害物検知装置
JP7195447B2 (ja) 2019-08-28 2022-12-23 三菱電機株式会社 障害物検知装置
WO2023166555A1 (ja) * 2022-03-01 2023-09-07 日本電気株式会社 路面標示劣化分析装置、方法、及びコンピュータ可読媒体

Also Published As

Publication number Publication date
EP3591381A4 (en) 2021-01-13
JP2022016460A (ja) 2022-01-21
EP3591381A1 (en) 2020-01-08
JPWO2018180081A1 (ja) 2020-05-21
JP2023121809A (ja) 2023-08-31
US20200080945A1 (en) 2020-03-12
JP6970736B2 (ja) 2021-11-24
US11157752B2 (en) 2021-10-26

Similar Documents

Publication Publication Date Title
JP6166294B2 (ja) 自動運転システム、自動運転の方法及びコンピューティング装置
CN108351216B (zh) 估计装置、控制方法、程序以及存储介质
JP2022016460A (ja) 劣化地物特定装置、劣化地物特定システム、劣化地物特定方法、劣化地物特定プログラム及び劣化地物特定プログラムを記録したコンピュータ読み取り可能な記録媒体
WO2017208396A1 (ja) 地物データ構造、記憶媒体、情報処理装置及び検出装置
US11543259B2 (en) Determining landmark detectability
US11961272B2 (en) Long range localization with surfel maps
CN113835102B (zh) 车道线生成方法和装置
US11420632B2 (en) Output device, control method, program and storage medium
US11327155B2 (en) Radar sensor misalignment detection for a vehicle
US11485373B2 (en) Method for a position determination of a vehicle, control unit, and vehicle
US11977440B2 (en) On-board feedback system for autonomous vehicles
CN113376643A (zh) 距离检测方法、装置及电子设备
JP2019101605A (ja) 送信データのデータ構造
JP2022121579A (ja) 地図データのデータ構造
JP2019101138A (ja) 地図データのデータ構造
EP4170305A1 (en) System and method for simultaneous online lidar intensity calibration and road marking change detection
JPWO2018212280A1 (ja) 測定装置、測定方法およびプログラム
JP2023021111A (ja) 判定装置及び判定方法並びに判定プログラム
US20240192021A1 (en) Handling Road Marking Changes
US20220067399A1 (en) Autonomous vehicle system for performing object detections using a logistic cylinder pedestrian model
WO2019189098A1 (ja) 自己位置推定装置、自己位置推定方法、プログラム及び記憶媒体
WO2019107397A1 (ja) 地図データのデータ構造
KR20200078387A (ko) 모바일 유닛을 위한 위치 결정 시스템 및 위치 결정 시스템을 작동시키기 위한 방법
CN113994172A (zh) 用于创建可普遍应用的特征地图的方法

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 18775420

Country of ref document: EP

Kind code of ref document: A1

ENP Entry into the national phase

Ref document number: 2019508797

Country of ref document: JP

Kind code of ref document: A

NENP Non-entry into the national phase

Ref country code: DE

ENP Entry into the national phase

Ref document number: 2018775420

Country of ref document: EP

Effective date: 20191029