JP4100269B2

JP4100269B2 - Vehicle road shape recognition device

Info

Publication number: JP4100269B2
Application number: JP2003171750A
Authority: JP
Inventors: 琢高浜; 健木村
Original assignee: Nissan Motor Co Ltd
Current assignee: Nissan Motor Co Ltd
Priority date: 2003-06-17
Filing date: 2003-06-17
Publication date: 2008-06-11
Anticipated expiration: 2023-06-17
Also published as: JP2005010892A

Description

【０００１】
【発明の属する技術分野】
本発明は、例えばレーザ等の電磁波レーダを用いて、道路形状を認識するようにした車両用道路形状認識装置に関する。
【０００２】
【従来の技術】
従来の車両用道路形状認識装置としては、自車両の両サイドにレーダを配置して自車両からガードレール等の路側物体までの車幅方向距離を測定し、測定した距離と全地球測位システム（ＧＰＳ：global positioning system）で検出したレーン情報（２車線か否か）によって自車走行レーン位置を判定するというものが知られている（例えば、特許文献１参照）。
【０００３】
【特許文献１】
特開２００２−２２５６５７号公報（第３頁、第２図）
【０００４】
【発明が解決しようとする課題】
しかしながら、上記従来の車両用道路形状認識装置にあっては、自車両の車幅方向距離検出用に左右２セットのレーダが必要となり、前方車両等を検知するシステムが加わる場合には、さらに前方検出用のレーダが別途必要となるので、部品点数が増大すると共に、高コストなシステムとなるという未解決の課題がある。
そこで、本発明は、上記従来例の未解決の課題に着目してなされたものであり、低コストなシステムで精度良く道路形状を認識することが可能な車両用道路形状認識装置を提供することを目的としている。
【０００５】
【課題を解決するための手段】
上記目的を達成するために、本発明に係る車両用道路形状認識装置は、前方物体検出手段で自車両前方の物体を検出し、道路曲率半径検出手段で自車走行路の道路曲率半径を検出し、路側構造物判断手段で、前記前方物体検出手段で検出した前方物体について、自車両が走行している道路形状を形成する路側構造物であるか否かを判断し、車幅方向距離演算手段で、該路側構造物判断手段で路側構造物であると判断された物体のうち最も自車両に接近している物体の位置情報と、前記道路曲率半径検出手段で検出した道路曲率半径とに基づいて、路側構造物側の道路端から自車両までの車幅方向距離を演算し、前記道路曲率半径検出手段は、自車両の走行車線状況及び運転者による操舵状況に応じて、複数の道路曲率半径候補の中から適切な１種類を選択して道路曲率半径を設定するように構成されている。
【０００６】
【発明の効果】
本発明によれば、自車両前方の物体を検出するためのレーダ等により検出した前方物体が道路形状を形成する路側構造物であるか否かを判断し、最も自車両に近い路側構造物の物体位置と道路曲率半径とに基づいて、路側構造物側の道路端から自車両までの車幅方向距離を算出するので、複数のレーダを配置する必要がなく、１つの前方検出用のレーダ等により車幅方向距離を精度良く検知することができるという効果が得られる。
【０００７】
【発明の実施の形態】
以下、本発明の実施の形態を図面に基づいて説明する。
図１は本発明を後輪駆動車に適用した場合の実施形態を示す概略構成図であり、図中、１ＦＬ，１ＦＲは従動輪としての前輪、１ＲＬ，１ＲＲは駆動輪としての後輪であって、後輪１ＲＬ，１ＲＲは、エンジン２の駆動力が自動変速機３、プロペラシャフト４、最終減速装置５及び車軸６を介して伝達されて回転駆動される。
【０００８】
前輪１ＦＬ，１ＦＲ及び後輪１ＲＬ，１ＲＲには、夫々制動力を発生する例えばディスクブレーキで構成されるブレーキアクチュエータ７が設けられていると共に、これらブレーキアクチュエータ７の制動油圧が制動制御装置８によって制御される。
ここで、制動制御装置８は、図示しないブレーキペダルの踏込みに応じて制動油圧を発生すると共に、後述するブレーキ制御用コントローラ１９からの制動圧指令値Ｐ_BRに応じて制動油圧を発生し、これをブレーキアクチュエータ７に出力するように構成されている。
【０００９】
また、エンジン２には、その出力を制御するエンジン出力制御装置１１が設けられている。このエンジン出力制御装置１１では、図示しないアクセルペダルの踏込量及び後述するブレーキ制御用コントローラ１９からのスロットル開度指令値θ^*に応じてエンジン２に設けられたスロットル開度を調整するスロットルアクチュエータ１２を制御するように構成されている。
また、自動変速機３の出力側に配設された出力軸の回転速度を検出することにより、自車速Ｖを検出する車速センサ１３が配設されている。
【００１０】
一方、車両の前方側の車体下部には、前方物体検出手段としての前方物体センサ１４が設けられている。この前方物体センサ１４は、スキャニング式のレーザレーダで構成され、一定角度ずつ水平方向にずれながら周期的に車両の前方方向に所定の照射範囲内で細かいレーザ光を照射し、前方物体から反射して戻ってくる反射光を受光して、出射タイミングから反射光の受光タイミングまでの時間差に基づいて、各角度における自車両と前方物体との間の前後方向距離Ｐｙを検出する。また、その前後方向距離Ｐｙ及びスキャニング角度θに基づいて、前方物体までの横方向距離Ｐｘを検出し、さらに前方物体の幅Ｗ及び相対速度Ｖｒを検出する。このようにして検出した前方物体との相対距離Ｐｘ、Ｐｙ、前方物体の幅Ｗ及び相対速度Ｖｒには、夫々物体のＩＤに相当する番号（例えば、０からの連番）が振られ、この物体ＩＤ番号順に並んだ配列変数として管理される。したがって、ＩＤ＝１の物体はＰｙ［１］、ＩＤ＝３の物体はＰｙ［３］となる。
【００１１】
また、車両前方には、自車両前方の状況を高速に把握するための外界認識センサとして、ＣＣＤカメラ１５及びカメラコントローラ１６を備えている。このカメラコントローラ１６では、道路区画線等のレーンマーカを検出して走行車線を検出すると共に、走行車線の道路曲率半径候補Ｒ₃を検出することができるように構成されている。その方法としては、先ず、自車走行車線の道路区画線の形状を数式化モデル（以下、白線モデルと称す）で表す。この白線モデルは道路パラメータを用いて次式のように表される。
【００１２】
Ｘ＝（ａ＋ｉｅ）（Ｙ−ｄ）＋ｂ／（Ｙ−ｄ）＋ｃ ………（１）
ここで、ａ〜ｅは道路パラメータであり、ａは車線内の自車両の横変位量、ｂは道路曲率半径、ｃは自車両（カメラ光軸）の道路に対するヨー角、ｄは自車両（カメラ光軸）の道路に対するピッチ角、ｅは道路の車線幅である。
初期状態では、各道路パラメータには中央値に相当する値を初期値として設定する。車線内の位置ａには車線中央値を設定し、道路曲率半径ｂには直線値を設定し、車線に対するヨー角ｃには０度を設定し、車線に対するピッチ角ｄには停止状態のα度を設定し、車線幅ｅには道路構造令に示される高速道路の車線幅を設定する。
【００１３】
そして、ＣＣＤカメラ１５で所定値以上の白線上の検出点を捕捉したときに、今回のサンプリングで求めた白線検出点と前回のサンプリングで求めた白線モデル上の点とのずれ量を各点ごとに算出し、このずれ量に基づいて道路パラメータの変動量Δａ〜Δｅを算出する。変動量Δａ〜Δｅの算出方法は、例えば特開平８−５３８８号公報に示されるような方法を用いることができる。次いで、算出した道路パラメータの変動量Δａ〜Δｅにより、下記（２）式をもとに新しい道路パラメータａ〜ｅを算出する。
【００１４】
ａ＝ａ＋Δａ，
ｂ＝ｂ＋Δｂ，
ｃ＝ｃ＋Δｃ，
ｄ＝ｄ＋Δｄ，
ｅ＝ｅ＋Δｅ ………（２）
【００１５】
このように算出した道路パラメータｂが道路曲率半径Ｒ₃として外界認識コントローラ２０に入力される。また、道路曲率半径候補Ｒ₃は、右カーブを正の値、左カーブを負の値とする。
また、車体には、自車両の走行位置を検出する走行地点検出手段としての全地球測位システム（ＧＰＳ：global positioning system）１７と、全地球測位システム１７から入力された自車位置データとマッチングするための道路情報を格納した、例えばカーナビゲーションシステムで構成される道路情報提供手段としての道路地図データ格納部１８が設けられており、自車走行路の道路曲率半径Ｒ₂や自車走行車線の分岐路の数Ｎ_Branchなどを検出できるように構成されている。また、道路曲率半径Ｒ₂は、右カーブを正の値、左カーブを負の値とする。
さらに、この車両には、自車両に発生するヨーレートωを検出するヨーレートセンサ２２、図示しないステアリングホイールの操舵角δを検出する操舵角センサ２３が備えられ、これらの検出信号は外界認識コントローラ２０に入力される。
【００１６】
そして、車速センサ１３から出力される自車速Ｖと前方物体センサ１４から出力される相対距離Ｐｘ、Ｐｙ、前方物体の幅Ｗ、相対速度Ｖｒとカメラコントローラ１６から出力される道路曲率半径候補Ｒ₃、全地球測位システム１７と道路地図データ格納部１８とから出力された道路曲率半径候補Ｒ₂及び分岐路の数Ｎ_Branch、ヨーレートセンサ２２から出力されるヨーレートω、操舵角センサ２３から出力される操舵角δとが外界認識コントローラ２０に入力され、この外界認識コントローラ２０によって、前方物体センサ１４で検出している停止物体が路側構造物であるか否かを判断し、自車速Ｖとヨーレートωとに基づいて道路曲率半径候補Ｒ₁を算出し、道路曲率半径候補Ｒ₂及び分岐路の数Ｎ_Branchに応じて走行路状況を判定し、道路曲率半径候補Ｒ₁〜Ｒ₃から適切な道路曲率半径Ｒを選択する。そして、図２に示すように、自車両ＭＣに最も近い路側構造物Ｐ₁の物体位置と道路曲率半径Ｒとに基づいて、図２の斜線部分に示すように仮想的に道路形状構造物ＤＥを生成し、路側構造物側の道路端Ａ点から自車両ＭＣまでの車幅方向距離Ｄ_2Wallを算出する。
【００１７】
ブレーキ制御用コントローラ２１では、外界認識コントローラ２０によって認識された車幅方向距離、即ち道路形状に基づいて、前方物体センサ１４で検出した各物体が自車両にとって制動回避すべき障害物であるか否かを判断し、制動回避すべきであると判断されたときに所定の制動圧指令値Ｐ_BRを制動制御装置８に出力して自車両の自動ブレーキ制御を行う。
次に、第１の実施形態の動作を外界認識コントローラ２０で実行する路側構造物判断処理手順を示す図３及び図４を伴って説明する。
【００１８】
この路側構造物判断処理は、所定時間（例えば１００ｍｓｅｃ）毎のタイマ割込処理として実行され、先ず、ステップＳ１で、前方物体センサ１４で検出した相対距離Ｐｘ、Ｐｙ、前方物体の幅Ｗ及び相対速度Ｖｒ、車速センサ１３で検出した自車速Ｖ、ヨーレートセンサ２２で検出したヨーレートω、操舵角センサ２３で検出した操舵角δを読込む。ここで、前方物体との相対距離Ｐｘ、Ｐｙ、前方物体の幅Ｗ及び相対速度Ｖｒは、物体のＩＤに相当する番号順に並んだ配列変数として管理され、例えば、ＩＤ＝１の物体はＰｙ［１］、ＩＤ＝３の物体はＰｙ［３］となる。
【００１９】
次にステップＳ２に移行して、検出中の各物体が停止物であるか否かを判定する。この判定は自車速Ｖと物体との相対速度Ｖｒによって行い、Ｖ≒Ｖｒであるときに、この物体は停止物体であると判断する。そして、検知物体が停止物であるときにはステップＳ３に移行してその物体の停止物フラグＦ_StopObjを“１”にセットし、停止物でないときにはステップＳ４に移行してその物体の停止物フラグＦ_StopObjを“０”にリセットする。
【００２０】
次にステップＳ５に移行して、自車速Ｖ及びヨーレートωを用いて、自車両の道路曲率半径候補Ｒ₁［ｍ］を下記（３）式をもとに算出する。
Ｒ₁＝Ｖ／ω ………（３）
また、道路曲率半径候補Ｒ₁の符号は、右カーブを正、左カーブを負とする。
次にステップＳ６で、全地球測位システム１７から入力される自車走行地点データを読込み、この自車走行地点データをもとに道路地図データ格納部１８をアクセスして、自車両の走行車線の道路曲率半径候補Ｒ₂と分岐路の数Ｎ_Branchを読込み、次いでステップＳ７に移行して、カメラコントローラ１６から道路曲率半径候補Ｒ₃を読込む。
【００２１】
次に、前方物体センサ１４で検出した各物体が、道路形状を形成する路側構造物の候補であるか否かを判定する。先ずステップＳ８で路側構造物候補格納変数Ｐｙ_Deli及びＰｘ_Deliに格納する物体の数Ｎ_Deliを“０”にリセットすると共に、ループ変数ｉを“０”にリセットする。また、前方物体センサ１４で現在検知中の物体数Ｎ_Objを、相対距離格納変数Ｐｙに格納されている値の数に基づいて算出する。
【００２２】
次いで、ステップＳ９に移行して、ループ変数ｉが前方物体センサ１４で検知中の物体数Ｎ_Objより小さいか否かを判定し、ｉ＜Ｎ_ObjであるときにはステップＳ１０に移行し、ＩＤ番号ｉの検知物体の停止物フラグＦ_StopObjが“１”にセットされており、且つ物体の幅Ｗが予め設定した閾値Ｗ_THより小さいか否かを判定する。ここで、閾値Ｗ_THは、検知物体が車両でない小さい物体であることを意味する閾値である。
【００２３】
ステップＳ１０の判定結果が、Ｆ_StopObj＝１且つＷ＜Ｗ_THであるときには、判定中の物体は車両でない停止物体であると判断してステップＳ１１に移行し、下記（４）及び（５）式をもとに路側構造物候補格納変数に現在の物体位置座標を格納すると共に、下記（６）式をもとに物体数Ｎ_DeliをインクリメントしてステップＳ１２に移行する。
【００２４】
Ｐｙ_Deli［Ｎ_Deli］＝Ｐｙ［ｉ］ ………（４）
Ｐｘ_Deli［Ｎ_Deli］＝Ｐｘ［ｉ］ ………（５）
Ｎ_Deli＝Ｎ_Deli＋１ ………（６）
一方、前記ステップＳ１０の判定結果が、Ｆ_StopObj＝０又はＷ≧Ｗ_THであるときには、ステップＳ１２に移行する。
【００２５】
このステップＳ１２では、ループ変数ｉをインクリメントして前記ステップＳ９に移行し、ｉ≧Ｎ_ObjとなるまでステップＳ１０からステップＳ１２までの処理を繰り返す。そして、ステップＳ９の判定結果がｉ≧Ｎ_Objとなったときには、検知中の全物体に対して路側構造物候補であるか否かの判断を行ったと判断してステップＳ１３に移行する。
【００２６】
ステップＳ１３では、下記（７）式をもとに操舵角δの標準偏差δｖを算出し、運転者操作における修正操舵量を把握する。
δｖ＝√［｛（δ［０］−Ａ）²＋…＋（δ［９］−Ａ）²｝／１０］ ………（７）
ここで、δ［ｎ］はｎ回前のサンプリングにおいて検出した操舵角であり、δ［０］は今回検出した操舵角である。また、Ａは過去１０回分のサンプリング（１秒間）における操舵角δの平均値であり、下記（８）式で表される。
【００２７】
Ａ＝（δ［０］＋δ［１］＋…＋δ［９］）／１０ ………（８）
次にステップＳ１４で、自車両の走行車線が直線路であり、且つ分岐路がないか否かを判定する。この判定は、道路曲率半径候補Ｒ₂が直線路に相当する曲率半径を意味する曲率半径閾値Ｒ_THより大きく、且つ分岐路の数Ｎ_Branchが、分岐路がない一本道であることを意味する“１”であるか否かで判定し、Ｒ₂＞Ｒ_TH且つＮ_Branch＝１であるときにはステップＳ１５に移行して、道路曲率半径Ｒを、次式をもとに設定して後述するステップＳ１９に移行する。
【００２８】
Ｒ＝Ｒ₂ ………（９）
一方、前記ステップＳ１４の判定結果が、Ｒ₂≦Ｒ_TH又はＮ_Branch≠１であるときにはステップＳ１６に移行して、前記ステップＳ１３で算出した操舵角の標準偏差δｖが標準偏差閾値ＳＴＲ＿Ｖ_THより大きいか否かを判定する。ここで、ＳＴＲ＿Ｖ_THは運転操作における修正操舵量を判定する閾値であり、ＣＣＤカメラの白線検知精度の高さに応じて決定される。
【００２９】
そして、ステップＳ１６の判定結果がδｖ＞ＳＴＲ＿Ｖ_THであるときには、運転操作における修正操舵量が多いと判断してステップＳ１７に移行し、道路曲率半径Ｒを、次式をもとに設定して後述するステップＳ１９に移行する。
Ｒ＝Ｒ₃ ………（１０）
一方、前記ステップＳ１６の判定結果がδｖ≦ＳＴＲ＿Ｖ_THであるときには、ステップＳ１８に移行して、道路曲率半径Ｒを、次式をもとに設定してステップＳ１９に移行する。
【００３０】
Ｒ＝Ｒ₁ ………（１１）
ステップＳ１９では、ループ変数ｌｏｏｐ１及びｌｏｏｐ２を下記（１２）及び（１３）式をもとに初期化し、さらに路側構造物候補格納変数の中に路側構造物が存在する数Ｎ_OfInfraと、路側構造物が存在するか否かを判断する道路形状算出フラグＦ_DeliOKとをゼロリセットし、路側構造物が存在しない状態にセットする。
【００３１】
ｌｏｏｐ１＝Ｎ_Deli−１ ………（１２）
ｌｏｏｐ２＝ｌｏｏｐ１−１ ………（１３）
Ｎ_OfInfra＝０ ………（１４）
Ｆ_DeliOK＝０ ………（１５）
また、路側構造物候補格納変数Ｐｙ_Deliに格納されている前後方向距離を距離の短い順に並び替えて、格納変数Ｐｙ２_Deliに新たにＩＤ番号を振りなおして格納すると共に、格納変数Ｐｘ２_Deliには、格納変数Ｐｙ２_Deliに格納された物体の前後方向距離に対応する横方向距離を格納する。これにより、ｌｏｏｐ１はｌｏｏｐ２と比較して自車両から遠方の物体ＩＤ番号となる。
【００３２】
この路側構造物候補格納変数Ｐｙ２_Deli及びＰｘ２_Deliに格納されている各物体について、路側構造物であるか否かを判定し、路側構造物である場合には、路側構造物格納変数Ｐｙ_Deli__near、Ｐｙ_Deli__far、Ｐｘ_Deli__near、Ｐｘ_Deli__farに物体位置座標をそれぞれ格納する。
先ず、ステップＳ２０で、路側構造物候補の物体位置Ｐｙ２_Deli［ｌｏｏｐ１］及びＰｙ２_Deli［ｌｏｏｐ２］が、それぞれ道路曲率半径Ｒの絶対値｜Ｒ｜より小さいか否かを判定し、Ｐｙ２_Deli［ｌｏｏｐ１］≧｜Ｒ｜又はＰｙ２_Deli［ｌｏｏｐ２］≧｜Ｒ｜であるときには、路側構造物候補物体は道路曲率半径より遠方に存在しており、路側構造物でないと判断して後述するステップＳ２９に移行する。一方、ステップＳ２０の判定結果が、Ｐｙ２_Deli［ｌｏｏｐ１］＜｜Ｒ｜且つＰｙ２_Deli［ｌｏｏｐ２］＜｜Ｒ｜であるときには、ステップＳ２１に移行する。
【００３３】
ステップＳ２１では、道路曲率半径Ｒに対して、ＩＤ番号ｌｏｏｐ１及びｌｏｏｐ２の２つの検知物体間の車幅方向距離ｔｅｍｐを算出する。
ｔｅｍｐ＝√（Ｒ²−Ｐｙ２_Deli［ｌｏｏｐ１］²）−√（Ｒ²−Ｐｙ２_Deli［ｌｏｏｐ２］²） ………（１６）
次にステップＳ２２で、道路曲率半径Ｒの符号を判定し、Ｒ＞０即ち右カーブであるときには、ステップＳ２３に移行して、（１７）式に示すように検知物間の車幅方向距離ｔｅｍｐの符号を反転させてからステップＳ２４に移行する。一方、ステップＳ２２の判定結果がＲ≦０であるときには、そのままステップＳ２４に移行する。
【００３４】
ｔｅｍｐ＝−ｔｅｍｐ ………（１７）
ステップＳ２４では、ＩＤ番号ｌｏｏｐ１及びｌｏｏｐ２の２つの検知物体の横位置ずれを判定し、下記（１８）式が成立する場合には、これらの物体は路側構造物であると判断してステップＳ２５に移行し、不成立の場合には後述するステップＳ２９に移行する。
【００３５】
｜ｔｅｍｐ−（Ｐｙ２_Deli［ｌｏｏｐ１］−Ｐｙ２_Deli［ｌｏｏｐ２］）｜＜Ｇ_TH ………（１８）
ここで、Ｇ_THは２つの検知物体が路側構造物であると判断する際に許容する横位置ずれに関する閾値である。
ステップＳ２５では、路側構造物体数Ｎ_OfInfraをインクリメントしてから、前記ステップＳ２４で路側構造物であると判断された２つの検知物体について、下記（１９）〜（２２）式をもとに路側構造物格納変数Ｐｙ_Deli__near、Ｐｙ_Deli__far、Ｐｘ_Deli__near、Ｐｘ_Deli__farに物体位置座標をそれぞれ格納する。
【００３６】
Ｐｘ_Deli__near［Ｎ_OfInfra］＝Ｐｘ２_Deli［ｌｏｏｐ２］ ………（１９）
Ｐｘ_Deli__far［Ｎ_OfInfra］＝Ｐｘ２_Deli［ｌｏｏｐ１］ ………（２０）
Ｐｙ_Deli__near［Ｎ_OfInfra］＝Ｐｙ２_Deli［ｌｏｏｐ２］ ………（２１）
Ｐｙ_Deli__far［Ｎ_OfInfra］＝Ｐｙ２_Deli［ｌｏｏｐ１］ ………（２２）
次に、ステップＳ２６で、前後方向距離Ｐｙ_Deli__near［Ｎ_OfInfra］が前後方向距離閾値Ｄ＿ｎｅａｒ_THより小さいか否かを判定し、下記（２３）式が成立するときにはステップＳ２７に移行し、不成立のときには後述するステップＳ２９に移行する。
【００３７】
Ｐｙ_Deli__near［Ｎ_OfInfra］＜Ｄ＿ｎｅａｒ_TH ………（２３）
ここで、前後方向距離閾値Ｄ＿ｎｅａｒ_THは、ガードレール等に相当する路側物体から自車両までの車幅方向距離算出の際に基点とする物体が自車両から遠方に存在することに起因する、車幅方向距離の算出精度悪化を防止するための閾値である。
【００３８】
ステップＳ２７では、２つの物体間の前後方向距離が物体間距離閾値Ｄ＿ｐａｉｒ_THより大きいか否かを判定し、下記（２４）式が成立するときには２つの物体の位置は接近していないと判断してステップＳ２８に移行し、不成立のときには後述するステップＳ２９に移行する。
Ｐｙ_Deli__far［Ｎ_OfInfra］−Ｐｙ_Deli__near［Ｎ_OfInfra］＞Ｄ＿ｐａｉｒ_TH………（２４）
次にステップＳ２８では、自車両に接近している路側構造物の物体位置を基点として道路形状構造物を生成し、ガードレール等に相当する路側物体から自車両までの車幅方向距離候補Ｄ_2Wallを算出し、道路形状算出フラグＦ_DeliOKを“１”にセットする。
【００３９】
図５に示す斜線部分は、検知物Ｐ_nearを基点に仮想的に生成した道路形状構造物ＤＥである。道路形状構造物ＤＥから自車両ＭＣまでの車幅方向距離の絶対値は、検知物Ｐ_nearの横方向距離Ｐｘ_Deli__nearの絶対値に、道路形状構造物ＤＥから検知物Ｐ_nearまでの車幅方向距離Ｄ₁を加算した値となる。ここで、距離Ｄ₁は下記（２５）式で表される。
【００４０】
Ｄ₁＝｜Ｒ｜−√（Ｒ²−Ｐｙ_Deli__near［Ｎ_OfInfra］²） ………（２５）
この距離Ｄ₁は常に正の値となる。したがって、道路形状構造物ＤＥから自車両ＭＣまでの車幅方向距離候補Ｄ_2Wallは、下記（２６）式をもとに算出される。
Ｄ_2Wall［Ｎ_OfInfra］＝Ｐｘ_Deli__near［Ｎ_OfInfra］−ｓｉｇｎ（Ｒ）・｛｜Ｒ｜−√（Ｒ²−Ｐｙ_Deli__near［Ｎ_OfInfra］²）｝ ………（２６）
ここで、ｓｉｇｎ（）は括弧内の値が正の場合には＋１を、負の場合には−１を返す関数である。
【００４１】
図５に示すように自車走行車線が右カーブであるとすると、道路曲率半径Ｒは正の値であるので、前記（２６）式においてｓｉｇｎ（Ｒ）は＋１となり、道路形状構造物ＤＥから自車両ＭＣまでの車幅方向距離候補Ｄ_2Wallは、Ｄ_2Wall＝Ｐｘ_Deli__near−Ｄ₁により算出されることになる。ここで、検知物Ｐ_nearは自車両の左側に存在するため、横位置Ｐｘ_Deli__nearは負の値である。
【００４２】
一方、自車走行車線が左カーブであるとすると、道路曲率半径Ｒは負の値であるので、前記（２６）式においてｓｉｇｎ（Ｒ）は−１となり、道路形状構造物ＤＥから自車両ＭＣまでの車幅方向距離候補Ｄ_2Wallは、Ｄ_2Wall＝Ｐｘ_Deli__near＋Ｄ₁により算出されることになる。ここで、検知物Ｐ_nearは自車両の右側に存在するため、横位置Ｐｘ_Deli__nearは正の値である。
【００４３】
次にステップＳ２９で、ループ変数ｌｏｏｐ１及びｌｏｏｐ２をデクリメントしてからステップＳ３０に移行し、ループ変数ｌｏｏｐ２が０以上であるか否かを判定する。ステップＳ３０の判定結果が、ｌｏｏｐ２≧０であるときには、前記ステップＳ２０に移行して路側構造物判断を繰り返す。一方、ｌｏｏｐ２＜０であるときには、全ての路側構造物候補の物体に対して路側構造物判断を行ったと判断してステップＳ３１に移行する。
【００４４】
そして、ステップＳ３１で、前記ステップＳ２８で道路形状算出フラグＦ_DeliOKが、車幅方向距離候補Ｄ_2Wallが１つ以上算出されていることを意味する“１”にセットされており、最終的な車幅方向距離Ｄ_2Wall__outが算出可能であるか否かを判定し、算出可能であるときにはステップＳ３２に移行して、車幅方向距離候補Ｄ_2Wallの採用判定を行う。この判定は、算出された車幅方向距離候補Ｄ_2Wallの符号を判断することで行い、車幅方向距離候補Ｄ_2Wallの符号が全て同符号である場合には、全ての車幅方向距離候補Ｄ_2Wallを採用してステップＳ３３に移行する。一方、車幅方向距離候補Ｄ_2Wallの符号に異符号が含まれる場合には、路側構造物が自車両の両側に存在するため片側のみに絞り込む必要があると判断して、算出頻度の高い方の符号の車幅方向距離候補Ｄ_2Wallのみを採用してステップＳ３３に移行する。なお、車幅方向距離候補Ｄ_2Wallの符号の算出頻度が正負で同じ場合には、予め設定した符号（例えば、負）の車幅方向距離候補Ｄ_2Wallを採用する。
【００４５】
ステップＳ３３では、前記ステップＳ３２で採用された車幅方向距離候補Ｄ_2Wallの平均値を下記（２７）式をもとに算出し、最終的な車幅方向距離Ｄ_2Wall__outとして設定してからタイマ割込処理を終了して所定のメインプログラムに復帰する。
Ｄ_2Wall__out＝ａｖｅ（Ｄ_2Wall，１，Ｎ_OfInfra） ………（２７）
ここで、ａｖｅ（Ａｒｇ，Ｓｔａｒｔ，Ｅｎｄ）は配列変数ＡｒｇにおけるＳｔａｒｔ番目からＥｎｄ番目までの平均値を出力する関数である。
【００４６】
一方、前記ステップＳ３１の判定結果が、車幅方向距離候補Ｄ_2Wallが算出されておらず最終的な車幅方向距離Ｄ_2Wall__outが算出不可能であるときには、ステップＳ３４に移行し、Ｄ_2Wall__out＝ＮｏＤａｔａとして最終的な車幅方向距離が出力できないことを意味する値を設定してからタイマ割込処理を終了して所定のメインプログラムに復帰する。
【００４７】
図３の処理において、ステップＳ１４〜Ｓ１８の処理が道路曲率半径検出手段に対応し、図４の処理において、ステップＳ２０〜Ｓ２７の処理が路側構造物判断手段に対応し、ステップＳ２８、ステップＳ３１〜Ｓ３４の処理が車幅方向距離算出手段に対応している。
したがって、今、図６に示すように、自車両ＭＣが分岐路のない直線路を走行中であり、自車前方左側にデリニエータ等の路側停止物体ＤＥが存在しているとする。このとき、前方物体センサ１４で物体ａ〜ｃを検知しているとすると、図３の路側構造物判断処理において、ステップＳ２で物体ａ〜ｃが停止物体であると判断され、ステップＳ３で停止物フラグＦ_StopObjが“１”にセットされる。物体ａ〜ｃは停止車両でないため、ステップＳ１０の判定で路側構造物候補として判断され、ステップＳ１１で路側構造物候補格納変数Ｐｙ_Deli及びＰｘ_Deliに夫々位置情報を格納する。自車走行車線は直線路且つ分岐路が存在しないので、ステップＳ１４からステップＳ１５に移行して全地球測位システム１７及び道路地図データ格納部１８から得られた道路曲率半径候補Ｒ₂を道路曲率半径Ｒとして設定する。
【００４８】
次いで、路側構造物候補として格納された物体ａ〜ｃについて、路側構造物であるかの判断を行い、路側構造物であると判断された場合には、その物体位置情報と前記ステップ１５で設定した道路曲率半径Ｒとに基づいて、道路端の路側停止物体から自車両までの車幅方向距離候補を算出する。ここで、物体ａ〜ｃは自車両から近い位置に存在しており、個々の物体の位置は接近していないとすると、先ず、図４のステップＳ１９でループ変数が初期化され、路側構造物候補の物体数Ｎ_Deliは“３”であるので、ｌｏｏｐ１＝２、ｌｏｏｐ２＝１に設定される。そして、物体ｃの位置情報Ｐｙ２_Deli［２］、Ｐｘ２_Deli［２］、及びｂの位置情報Ｐｙ２_Deli［１］、Ｐｘ２_Deli［１］に基づいて物体ｃ及びｂの路側構造物判定が行われ、ステップＳ２５で路側構造物体数Ｎ_OfInfraをインクリメントして“１”にセットしてから、路側構造物格納変数Ｐｙ_Deli__near［１］、Ｐｘ_Deli__near［１］に物体ｂの物体位置座標、路側構造物格納変数Ｐｙ_Deli__far［１］、Ｐｘ_Deli__far［１］に物体ｃの物体位置座標をそれぞれ格納し、ステップＳ２８で、前記（２６）式をもとに物体ｂの位置情報Ｐｙ_Deli__near［１］、Ｐｘ_Deli__near［１］に基づいて車幅方向距離候補Ｄ_2Wall［１］を算出する。
【００４９】
次いで、ステップＳ２９でループ変数ｌｏｏｐ１及びｌｏｏｐ２をデクリメントしてステップＳ３０に移行する。ループ変数ｌｏｏｐ２＝０であるので、ステップＳ３０からステップＳ２０に移行し、物体ｂの位置情報Ｐｙ２_Deli［１］、Ｐｘ２_Deli［１］、及びａの位置情報Ｐｙ２_Deli［０］、Ｐｘ２_Deli［０］に基づいて物体ｂ及びａの路側構造物判定が行われる。そして、ステップＳ２５で路側構造物体数Ｎ_OfInfraをインクリメントして“２”にセットしてから、路側構造物格納変数Ｐｙ_Deli__near［２］、Ｐｘ_Deli__near［２］に物体ａの物体位置座標、路側構造物格納変数Ｐｙ_Deli__far［２］、Ｐｘ_Deli__far［２］に物体ｂの物体位置座標をそれぞれ格納し、ステップＳ２８で、前記（２６）式をもとに物体ａの位置情報Ｐｙ_Deli__near［２］、Ｐｘ_Deli__near［２］に基づいて車幅方向距離候補Ｄ_2Wall［２］を算出する。
【００５０】
次に、ステップＳ２９でループ変数ｌｏｏｐ１及びｌｏｏｐ２をデクリメントするとｌｏｏｐ２＜０となり、ステップＳ３０からステップＳ３１に移行する。前記ステップＳ２８で車幅方向距離候補Ｄ_2Wallは算出されおり、道路形状算出フラグＦ_DeliOKは“１”にセットされているので、ステップＳ３１からステップＳ３２に移行して、車幅方向距離候補Ｄ_2Wall［１］とＤ_2Wall［２］の採用判定を行い、これらは同符号（マイナスの値）で算出されているので、両者を採用してステップＳ３３に移行し、車幅方向距離候補Ｄ_2Wall［１］とＤ_2Wall［２］の平均値を算出することで最終的な車幅方向距離Ｄ_2Wall__outが設定される。
【００５１】
また、図７に示すように、自車両ＭＣが分岐路のない直線路を走行中であり、自車前方左側にデリニエータ等の路側停止物体ＤＥが存在し、自車前方右側に停止物体Ｐが存在しているとする。このとき、前方物体センサ１４で物体ａ〜ｄを検知しているとすると、図３のステップＳ１０の判定で物体ａ〜ｄが路側構造物候補として判断され、ステップＳ１１で路側構造物候補格納変数Ｐｙ_Deli及びＰｘ_Deliに夫々位置情報を格納する。
【００５２】
ここで、物体ａ〜ｄは自車両から近い位置に存在しており、個々の物体の位置は接近していないとすると、先ず、物体ｃ及びｂの路側構造物判定が行われ、ステップＳ２５で路側構造物体数Ｎ_OfInfraをインクリメントして“１”にセットしてから、路側構造物格納変数Ｐｙ_Deli__near［１］、Ｐｘ_Deli__near［１］に物体ｂの物体位置座標、路側構造物格納変数Ｐｙ_Deli__far［１］、Ｐｘ_Deli__far［１］に物体ｃの物体位置座標をそれぞれ格納し、ステップＳ２８で、前記（２６）式をもとに物体ｂの位置情報Ｐｙ_Deli__near［１］、Ｐｘ_Deli__near［１］に基づいて車幅方向距離候補Ｄ_2Wall［１］を算出する。次いで、物体ｂ及びａの路側構造物判定が行われ、ステップＳ２８で、前記（２６）式をもとに物体ａの位置情報Ｐｙ_Deli__near［２］、Ｐｘ_Deli__near［２］に基づいて車幅方向距離候補Ｄ_2Wall［２］を算出する。次いで、物体ａ及びｄの路側構造物判定が行われ、ステップＳ２８で、前記（２６）式をもとに物体ｄの位置情報Ｐｙ_Deli__near［３］、Ｐｘ_Deli__near［３］に基づいて車幅方向距離候補Ｄ_2Wall［３］を算出する。
【００５３】
そして、ステップＳ３２で、車幅方向距離候補Ｄ_2Wallの採用判定が行われ、車幅方向距離候補Ｄ_2Wall［１］及びＤ_2Wall［２］は負の値、車幅方向距離候補Ｄ_2Wall［３］は正の値であるので、車幅方向距離候補Ｄ_2Wall［１］及びＤ_2Wall［２］のみ採用してステップＳ３３に移行し、車幅方向距離候補Ｄ_2Wall［１］とＤ_2Wall［２］の平均値を算出することで最終的な車幅方向距離Ｄ_2Wall__outが設定される。
【００５４】
一方、図８に示すように、自車両ＭＣが分岐路のない曲線路を走行中であり、自車前方にデリニエータ等の路側停止物体ＤＥ、先行車両ＰＣ、遠方停止物体Ｐが存在しているとする。このとき、前方物体センサ１４で物体ａ〜ｅを検知しているとすると、物体ａ〜ｃ、ｅは車両でない停止物体であり、物体ｄは非停止物体であるため、図３のステップＳ１０の判定で物体ａ〜ｃ、ｅが路側構造物候補として判断され、ステップＳ１１で路側構造物候補格納変数Ｐｙ_Deli及びＰｘ_Deliに夫々位置情報を格納する。自車走行車線は曲線路であるので、ステップＳ１４からステップＳ１６に移行して運転者操作によるハンドル操舵量のばらつきを判定し、ばらつきが少ない場合にはステップＳ１８に移行して、自車速Ｖ及びヨーレートωを用いて前記（３）式をもとに算出した道路曲率半径候補Ｒ₁を道路曲率半径Ｒとして設定する。
【００５５】
ここで、物体ａ〜ｃは自車両から近い位置に存在しており、個々の物体の位置は接近していないとすると、先ず、物体ｅ及びｃの路側構造物判定が行われ、物体ｅは道路曲率半径Ｒより遠方に存在しているため、ステップＳ２０からステップＳ２９に移行してループ変数ｌｏｏｐ１及びｌｏｏｐ２をデクリメントする。次いで、物体ｃ及びｂの路側構造物判定が行われ、ステップＳ２５で路側構造物体数Ｎ_OfInfraをインクリメントして“１”にセットしてから、路側構造物格納変数Ｐｙ_Deli__near［１］、Ｐｘ_Deli__near［１］に物体ｂの物体位置座標、路側構造物格納変数Ｐｙ_Deli__far［１］、Ｐｘ_Deli__far［１］に物体ｃの物体位置座標をそれぞれ格納し、ステップＳ２８で、前記（２６）式をもとに物体ｂの位置情報Ｐｙ_Deli__near［１］、Ｐｘ_Deli__near［１］に基づいて車幅方向距離候補Ｄ_2Wall［１］を算出する。
【００５６】
次いで、物体ｂ及びａの路側構造物判定が行われ、ステップＳ２５で路側構造物体数Ｎ_OfInfraをインクリメントして“２”にセットしてから、路側構造物格納変数Ｐｙ_Deli__near［２］、Ｐｘ_Deli__near［２］に物体ａの物体位置座標、路側構造物格納変数Ｐｙ_Deli__far［２］、Ｐｘ_Deli__far［２］に物体ｂの物体位置座標をそれぞれ格納し、ステップＳ２８で、前記（２６）式をもとに物体ａの位置情報Ｐｙ_Deli__near［２］、Ｐｘ_Deli__near［２］に基づいて車幅方向距離候補Ｄ_2Wall［２］を算出する。そして、ステップＳ３３で、車幅方向距離候補Ｄ_2Wall［１］とＤ_2Wall［２］の平均値を算出することで最終的な車幅方向距離Ｄ_2Wall__outが設定される。
【００５７】
また、図９に示すように、自車両ＭＣが分岐路の存在する直線路を走行中であり、自車前方にデリニエータ等の路側停止物体ＤＥが存在しているとする。このとき、前方物体センサ１４で物体ａ〜ｃを検知しているとすると、物体ａ〜ｃは車両でない停止物体であるため、図３のステップＳ１０の判定で物体ａ〜ｃが路側構造物候補として判断され、ステップＳ１１で路側構造物候補格納変数Ｐｙ_Deli及びＰｘ_Deliに夫々位置情報を格納する。自車走行車線は分岐路であるので、ステップＳ１４からステップＳ１６に移行して運転者操作によるハンドル操舵量のばらつきを判定し、ばらつきが多い場合にはステップＳ１７に移行して、カメラコントローラ１６から得られた道路曲率半径候補Ｒ₃を道路曲率半径Ｒとして設定する。
【００５８】
ここで、物体ａ〜ｃは自車両から近い位置に存在しており、個々の物体の位置は接近していないとすると、先ず、物体ｃ及びｂの路側構造物判定が行われ、ステップＳ２５で路側構造物体数Ｎ_OfInfraをインクリメントして“１”にセットしてから、路側構造物格納変数Ｐｙ_Deli__near［１］、Ｐｘ_Deli__near［１］に物体ｂの物体位置座標、路側構造物格納変数Ｐｙ_Deli__far［１］、Ｐｘ_Deli__far［１］に物体ｃの物体位置座標をそれぞれ格納し、ステップＳ２８で、前記（２６）式をもとに物体ｂの位置情報Ｐｙ_Deli__near［１］、Ｐｘ_Deli__near［１］に基づいて車幅方向距離候補Ｄ_2Wall［１］を算出する。次いで、物体ｂ及びａの路側構造物判定が行われ、ステップＳ２８で、前記（２６）式をもとに物体ａの位置情報Ｐｙ_Deli__near［２］、Ｐｘ_Deli__near［２］に基づいて車幅方向距離候補Ｄ_2Wall［２］を算出する。そして、ステップＳ３３で、車幅方向距離候補Ｄ_2Wall［１］とＤ_2Wall［２］の平均値を算出することで最終的な車幅方向距離Ｄ_2Wall__outが設定される。
【００５９】
このように、上記実施形態では、自車両前方に検出している停止物体が路側構造物であるか否かの判断を行い、物体が路側構造物であると判断された物体のうち最も自車両に接近している物体位置情報と道路曲率半径とに基づいて、道路端から自車両までの車幅方向距離を算出するので、複数のレーダを配置する必要がなく、自車前方物体を検出するためのレーダを１つ配置することにより道路端から自車両までの車幅方向距離を精度良く検知することができる。
【００６０】
また、道路曲率半径は、自車両の走行状況に応じて、複数の道路曲率半径候補の中から適切な１種類の道路曲率半径を選択するため、自車走行車線が直線路であり且つ分岐路が存在しない場合には、カーナビゲーションシステム等から得られる道路曲率半径を選択するので、実際は直線路を走行中であるにも関わらず、運転者操作による操舵量により緩いカーブ路を走行していることに相当する道路曲率半径を算出してしまうことを防止することができると共に、分岐路が存在することにより誤って把握した自車走行路とは異なる走行路の道路曲率半径を算出してしまうことを防止することができる。また、自車走行車線が曲線路であり且つ分岐路が存在する場合には、運転者操作によるハンドル操舵の修正量を判定し、修正操舵量が多い場合には白線等の道路区画線を検出するカメラから得られる道路曲率半径を選択し、修正操舵量が少ない場合には、滑らかなカーブ路を走行していると判断して自車両の運動量から算出した道路曲率半径を選択するので、より高精度の道路曲率半径を得ることができる。
【００６１】
さらに、路側構造物候補として格納された非車両停止物体のうち、自車両から所定距離以内に存在する物体のみ路側構造物であると判断するので、道路端から自車両までの車幅方向距離算出の際に基点とする停止物体までの距離が長くなり過ぎることに起因する、車幅方向距離の算出精度悪化を確実に防止することができる。
【００６２】
また、路側構造物候補として格納された非車両停止物体の個々の位置が接近している場合には、それらの停止物体は非路側構造物であると判断するので、例えば、ガードレールの奥に存在する標識など、道路端から自車両までの車幅方向距離算出の際の基点として相応しくない物体を除外するので、車幅方向距離の算出精度悪化を確実に防止することができる。
【００６３】
なお、上記実施形態においては、道路曲率半径候補Ｒ₁を前記（３）式をもとに自車速Ｖとヨーレートωとに基づいて算出する場合について説明したが、これに限定されるものではなく、操舵角センサ２３で検出した操舵角δを用いて次式をもとに算出するようにしてもよい。
Ｒ₁＝（１＋ＡＶ²）Ｌ_WB／δ ………（２８）
ここで、Ａは車両固有の値であるスタビリティファクタ（車重、ホイールベース長、重心位置、タイヤの横力で決まる定数）、Ｌ_WBはホイールベース長である。
【００６４】
また、上記実施形態においては、車幅方向距離候補Ｄ_2Wallの符号により採用判定を行う場合について説明したが、これに限定されるものではなく、採用判定を行わずに、算出された車幅方向距離候補Ｄ_2Wallをすべて適用して最終的な車幅方向距離Ｄ_2Wall__outを求めるようにしてもよい。
さらに、上記実施形態においては、車幅方向距離候補Ｄ_2Wallの平均値を最終的な車幅方向距離Ｄ_2Wall__outとして設定する場合について説明したが、これに限定されるものではなく、車幅方向距離候補Ｄ_2Wallの中央値や、ヒストグラムから求まる最多頻度の距離値を選択して最終的な車幅方向距離Ｄ_2Wall__outを設定するようにしてもよい。
【００６５】
また、上記実施形態においては、前方物体センサ１４としてスキャニング式のレーザレーダを使用した場合について説明したが、これに限定されるものではなく、マイクロ波やミリ波レーダ等の他の測距装置を適用することができる。
さらにまた、上記実施形態においては、後輪駆動車に本発明を適用した場合について説明したが、前輪駆動車に本発明を適用することもでき、また回転駆動源としてエンジン２を適用した場合について説明したが、これに限定されるものではなく、電動モータを適用することもでき、さらには、エンジンと電動モータとを使用するハイブリッド仕様車にも本発明を適用することができる。
【図面の簡単な説明】
【図１】本発明の実施形態を示す概略構成図である。
【図２】路側構造物側の道路端から自車両までの車幅方向距離の説明図である。
【図３】本発明の実施形態における外界認識コントローラで実行する路側構造物判断処理を示すフローチャートである。
【図４】本発明の実施形態における外界認識コントローラで実行する路側構造物判断処理を示すフローチャートである。
【図５】路側構造物側の道路端から自車両までの車幅方向距離の算出方法を説明する図である。
【図６】本発明の実施形態の動作を説明する図である。
【図７】本発明の実施形態の動作を説明する図である。
【図８】本発明の実施形態の動作を説明する図である。
【図９】本発明の実施形態の動作を説明する図である。
【符号の説明】
２エンジン
３自動変速機
７ディスクブレーキ
８制動制御装置
１１エンジン出力制御装置
１２スロットルアクチュエータ
１３車速センサ
１４前方物体センサ
１５ＣＣＤカメラ
１６カメラコントローラ
１７全地球測位システム（ＧＰＳ）
１８道路地図データ格納部
２０外界認識コントローラ
２２操舵角センサ
２３ヨーレートセンサ[0001]
BACKGROUND OF THE INVENTION
The present invention relates to a vehicle road shape recognition apparatus that recognizes a road shape using an electromagnetic wave radar such as a laser.
[0002]
[Prior art]
As a conventional road shape recognition device for a vehicle, radars are arranged on both sides of the own vehicle to measure a vehicle width direction distance from the own vehicle to a roadside object such as a guard rail, and the measured distance and a global positioning system (GPS : Global positioning system) is known to determine the vehicle lane position based on lane information (whether or not there is two lanes) (for example, see Patent Document 1).
[0003]
[Patent Document 1]
JP 2002-225657 A (3rd page, FIG. 2)
[0004]
[Problems to be solved by the invention]
However, in the above conventional vehicle road shape recognition device, two sets of left and right radars are necessary for detecting the distance in the vehicle width direction of the host vehicle. Since a radar for detection is separately required, there are unsolved problems that the number of parts increases and the system becomes expensive.
Accordingly, the present invention has been made paying attention to the unsolved problems of the above-described conventional example, and provides a vehicle road shape recognition device capable of accurately recognizing a road shape with a low-cost system. It is an object.
[0005]
[Means for Solving the Problems]
  In order to achieve the above object, a vehicle road shape recognition apparatus according to the present invention detects an object ahead of the host vehicle with a forward object detection means, and detects a road curvature radius of the own vehicle traveling path with a road curvature radius detection means. The road-side structure determining means determines whether or not the forward object detected by the forward object detecting means is a road-side structure that forms a road shape on which the host vehicle is traveling, and calculates the vehicle width direction distance. The position information of the object closest to the host vehicle among the objects determined to be the roadside structure by the roadside structure determination means and the road curvature radius detected by the road curvature radius detection means Based on this, the distance in the vehicle width direction from the road edge on the roadside structure side to the host vehicle is calculated.The road curvature radius detecting means selects an appropriate one of a plurality of road curvature radius candidates and sets the road curvature radius according to the traveling lane situation of the host vehicle and the steering situation by the driver. It is configured.
[0006]
【The invention's effect】
According to the present invention, it is determined whether or not a forward object detected by a radar or the like for detecting an object ahead of the host vehicle is a roadside structure that forms a road shape, and the roadside structure closest to the host vehicle is determined. Since the vehicle width direction distance from the road end on the roadside structure side to the host vehicle is calculated based on the object position and the road curvature radius, it is not necessary to arrange a plurality of radars, and one forward detection radar, etc. As a result, the effect of accurately detecting the vehicle width direction distance can be obtained.
[0007]
DETAILED DESCRIPTION OF THE INVENTION
Hereinafter, embodiments of the present invention will be described with reference to the drawings.
FIG. 1 is a schematic configuration diagram showing an embodiment in which the present invention is applied to a rear wheel drive vehicle. In the figure, 1FL and 1FR are front wheels as driven wheels, and 1RL and 1RR are rear wheels as drive wheels. Thus, the driving force of the engine 2 is transmitted to the rear wheels 1RL and 1RR via the automatic transmission 3, the propeller shaft 4, the final reduction gear 5, and the axle 6 to be rotationally driven.
[0008]
The front wheels 1FL, 1FR and the rear wheels 1RL, 1RR are each provided with a brake actuator 7 composed of, for example, a disc brake that generates a braking force, and the braking hydraulic pressure of these brake actuators 7 is controlled by a braking control device 8. Is done.
Here, the braking control device 8 generates a braking hydraulic pressure in response to depression of a brake pedal (not shown), and a braking pressure command value P from a brake control controller 19 described later._BRIn response to this, the brake hydraulic pressure is generated and output to the brake actuator 7.
[0009]
The engine 2 is provided with an engine output control device 11 that controls the output thereof. In this engine output control device 11, the depression amount of an accelerator pedal (not shown) and a throttle opening command value θ from a brake control controller 19 described later are provided.^*Accordingly, the throttle actuator 12 that adjusts the throttle opening provided in the engine 2 is controlled.
Further, a vehicle speed sensor 13 for detecting the own vehicle speed V by detecting the rotational speed of the output shaft provided on the output side of the automatic transmission 3 is provided.
[0010]
On the other hand, a front object sensor 14 as a front object detection means is provided at the lower part of the vehicle body on the front side of the vehicle. The front object sensor 14 is composed of a scanning laser radar, and periodically irradiates a fine laser beam within a predetermined irradiation range in the forward direction of the vehicle while shifting in a horizontal direction by a certain angle, and reflects from the front object. Based on the time difference from the emission timing to the reception timing of the reflected light, the front-rear direction distance Py between the host vehicle and the front object at each angle is detected. Further, the lateral distance Px to the front object is detected based on the front-rear direction distance Py and the scanning angle θ, and further the width W and the relative speed Vr of the front object are detected. The relative distances Px and Py to the front object detected in this way, the width W and the relative speed Vr of the front object are assigned numbers corresponding to the ID of the object (for example, serial numbers from 0). They are managed as array variables arranged in the order of object ID numbers. Therefore, the object with ID = 1 is Py [1], and the object with ID = 3 is Py [3].
[0011]
In addition, a CCD camera 15 and a camera controller 16 are provided in front of the vehicle as an external recognition sensor for grasping the situation ahead of the host vehicle at high speed. The camera controller 16 detects a lane marker such as a road lane marking to detect a travel lane, and a road curvature radius candidate R for the travel lane._ThreeIt is comprised so that it can detect. As the method, first, the shape of the road lane marking of the vehicle traveling lane is expressed by a mathematical model (hereinafter referred to as a white line model). This white line model is expressed as follows using road parameters.
[0012]
X = (a + ie) (Y−d) + b / (Y−d) + c (1)
Here, a to e are road parameters, a is a lateral displacement amount of the own vehicle in the lane, b is a road curvature radius, c is a yaw angle with respect to the road of the own vehicle (camera optical axis), and d is the own vehicle ( The pitch angle e of the camera optical axis) with respect to the road, e is the road lane width.
In the initial state, a value corresponding to the median value is set as an initial value for each road parameter. A lane median value is set for the position a in the lane, a straight line value is set for the road curvature radius b, a 0 degree is set for the yaw angle c with respect to the lane, and the stop α is set for the pitch angle d with respect to the lane. The degree is set, and the lane width e is set to the lane width of the expressway indicated in the road structure ordinance.
[0013]
Then, when the CCD camera 15 captures a detection point on a white line that is equal to or greater than a predetermined value, the deviation amount between the white line detection point obtained in the current sampling and the point on the white line model obtained in the previous sampling is determined for each point. The road parameter fluctuation amounts Δa to Δe are calculated based on the deviation amount. As a calculation method of the fluctuation amounts Δa to Δe, for example, a method as disclosed in JP-A-8-5388 can be used. Next, new road parameters a to e are calculated based on the following equation (2) from the calculated road parameter fluctuation amounts Δa to Δe.
[0014]
a = a + Δa,
b = b + Δb,
c = c + Δc,
d = d + Δd,
e = e + Δe (2)
[0015]
The road parameter b calculated in this way is the road curvature radius R._ThreeTo the outside recognition controller 20. In addition, the road curvature radius candidate R_ThreeThe right curve is a positive value and the left curve is a negative value.
Further, the vehicle body matches the global positioning system (GPS) 17 as a travel point detection means for detecting the travel position of the host vehicle, and the host vehicle position data input from the global positioning system 17. For example, a road map data storage unit 18 is provided as road information providing means configured by, for example, a car navigation system.₂And the number N of branches in the vehicle lane_BranchIt is configured so that it can be detected. Also, road curvature radius R₂The right curve is a positive value and the left curve is a negative value.
Further, this vehicle is provided with a yaw rate sensor 22 for detecting a yaw rate ω generated in the host vehicle and a steering angle sensor 23 for detecting a steering angle δ of a steering wheel (not shown), and these detection signals are sent to the external recognition controller 20. Entered.
[0016]
The vehicle speed V output from the vehicle speed sensor 13 and the relative distances Px and Py output from the front object sensor 14, the width W of the front object, the relative speed Vr and the road curvature radius candidate R output from the camera controller 16._ThreeRoad curvature radius candidate R output from the global positioning system 17 and the road map data storage unit 18₂And the number of branches N_BranchThe yaw rate ω output from the yaw rate sensor 22 and the steering angle δ output from the steering angle sensor 23 are input to the external field recognition controller 20, and the stopped object detected by the front object sensor 14 by the external field recognition controller 20. Is a roadside structure, and based on the vehicle speed V and the yaw rate ω, the road curvature radius candidate R₁To calculate the road curvature radius candidate R₂And the number of branches N_BranchThe road condition is determined according to the road curvature radius candidate R₁~ R_ThreeTo select an appropriate road curvature radius R. And as shown in FIG. 2, the roadside structure P closest to the host vehicle MC₁Based on the object position and the road radius of curvature R, a road-shaped structure DE is virtually generated as shown by the shaded portion in FIG. 2, and the vehicle from the road end A on the road-side structure side to the host vehicle MC Width direction distance D_2WallIs calculated.
[0017]
In the controller 21 for brake control, whether or not each object detected by the front object sensor 14 is an obstacle to be braked for the host vehicle based on the vehicle width direction distance recognized by the external recognition controller 20, that is, the road shape. When it is determined that the braking should be avoided, a predetermined braking pressure command value P_BRIs output to the braking control device 8 to perform automatic brake control of the host vehicle.
Next, the roadside structure determination processing procedure for executing the operation of the first embodiment by the external recognition controller 20 will be described with reference to FIGS. 3 and 4.
[0018]
This roadside structure determination process is executed as a timer interruption process every predetermined time (for example, 100 msec). First, in step S1, the relative distances Px and Py detected by the front object sensor 14, the width W of the front object, and the relative The speed Vr, the host vehicle speed V detected by the vehicle speed sensor 13, the yaw rate ω detected by the yaw rate sensor 22, and the steering angle δ detected by the steering angle sensor 23 are read. Here, the relative distances Px and Py with the front object, the width W and the relative speed Vr of the front object are managed as array variables arranged in order of numbers corresponding to the ID of the object. For example, the object with ID = 1 is Py [ 1], the object with ID = 3 is Py [3].
[0019]
Next, the process proceeds to step S2 to determine whether or not each object being detected is a stationary object. This determination is made based on the vehicle speed V and the relative speed Vr of the object. When V≈Vr, it is determined that the object is a stop object. When the detected object is a stationary object, the process proceeds to step S3, where the stationary object flag F of the object is detected._StopObjIs set to “1”, and when the object is not a stop object, the process proceeds to step S4 to stop the object stop object flag F_StopObjIs reset to “0”.
[0020]
Next, the process proceeds to step S5, and the road curvature radius candidate R of the host vehicle using the host vehicle speed V and the yaw rate ω.₁[M] is calculated based on the following equation (3).
R₁= V / ω (3)
In addition, the road curvature radius candidate R₁The sign of is that the right curve is positive and the left curve is negative.
Next, in step S6, the host vehicle travel point data input from the global positioning system 17 is read, and the road map data storage unit 18 is accessed based on the host vehicle travel point data to determine the travel lane of the host vehicle. Road curvature radius candidate R₂And the number of branches N_BranchThen, the process proceeds to step S7, where the road curvature radius candidate R is received from the camera controller 16._ThreeIs read.
[0021]
Next, it is determined whether each object detected by the front object sensor 14 is a candidate roadside structure that forms a road shape. First, in step S8, a roadside structure candidate storage variable Py_DeliAnd Px_DeliNumber of objects stored in N_DeliIs reset to “0” and the loop variable i is reset to “0”. Further, the number N of objects currently detected by the front object sensor 14_ObjIs calculated based on the number of values stored in the relative distance storage variable Py.
[0022]
Subsequently, the process proceeds to step S9, where the loop variable i is the number N of objects being detected by the front object sensor 14._ObjIt is determined whether or not smaller than i <N_ObjIf YES in step S10, the flow advances to step S10 to stop the flag F_StopObjIs set to “1” and the object width W is a preset threshold value W._THIt is determined whether it is smaller. Where threshold W_THIs a threshold meaning that the detected object is a small object that is not a vehicle.
[0023]
The determination result of step S10 is F_StopObj= 1 and W <W_THIf it is, it is determined that the object being determined is a stopped object that is not a vehicle, and the process proceeds to step S11. Based on the following equations (4) and (5), the current object position coordinates are stored in the roadside structure candidate storage variable. And the number of objects N based on the following equation (6)_DeliIs incremented and the process proceeds to step S12.
[0024]
Py_Deli[N_Deli] = Py [i] (4)
Px_Deli[N_Deli] = Px [i] (5)
N_Deli= N_Deli+1 ……… (6)
On the other hand, the determination result in step S10 is F._StopObj= 0 or W ≧ W_THIf so, the process proceeds to step S12.
[0025]
In step S12, the loop variable i is incremented and the process proceeds to step S9, where i ≧ N_ObjSteps S10 to S12 are repeated until And the determination result of step S9 is i ≧ N_ObjWhen it becomes, it is judged that it is judged whether it is a roadside structure candidate with respect to all the objects currently detected, and it transfers to step S13.
[0026]
In step S13, the standard deviation δv of the steering angle δ is calculated based on the following equation (7), and the corrected steering amount in the driver's operation is grasped.
δv = √ [{(δ [0] −A)²+ ... + (δ [9] -A)²} / 10] ......... (7)
Here, δ [n] is a steering angle detected in sampling n times before, and δ [0] is a steering angle detected this time. A is an average value of the steering angle δ in the past 10 samplings (1 second), and is expressed by the following equation (8).
[0027]
A = (δ [0] + δ [1] +... + Δ [9]) / 10 (8)
Next, in step S14, it is determined whether or not the traveling lane of the host vehicle is a straight road and there is no branch road. This determination is based on the road curvature radius candidate R₂Radius-of-curvature threshold R, which means a radius of curvature corresponding to a straight road_THLarger and the number N of branches_BranchIs determined to be “1”, which means that the road is a single road without a branch road, and R₂> R_THAnd N_BranchWhen = 1, the process proceeds to step S15, the road curvature radius R is set based on the following equation, and the process proceeds to step S19 described later.
[0028]
R = R₂  ......... (9)
On the other hand, the determination result of step S14 is R₂≦ R_THOr N_BranchWhen ≠ 1, the process proceeds to step S16, where the standard deviation δv of the steering angle calculated in step S13 is the standard deviation threshold STR_V._THDetermine if greater than. Where STR_V_THIs a threshold value for determining the corrected steering amount in the driving operation, and is determined according to the white line detection accuracy of the CCD camera.
[0029]
The determination result in step S16 is δv> STR_V_THIf it is, it is determined that the amount of correction steering in the driving operation is large, and the process proceeds to step S17. The road curvature radius R is set based on the following equation, and the process proceeds to step S19 described later.
R = R_Three  ……… (10)
On the other hand, the determination result of step S16 is δv ≦ STR_V._THIf so, the process proceeds to step S18, the road curvature radius R is set based on the following equation, and the process proceeds to step S19.
[0030]
R = R₁  ……… (11)
In step S19, the loop variables loop1 and loop2 are initialized based on the following equations (12) and (13), and the number N of roadside structures existing in the roadside structure candidate storage variables N_OfInfraAnd a road shape calculation flag F for determining whether a roadside structure exists._DeliOKAre reset to zero and set so that no roadside structure exists.
[0031]
loop1 = N_Deli-1 (12)
loop2 = loop1-1 (13)
N_OfInfra= 0 ... …… (14)
F_DeliOK= 0 ......... (15)
Further, the roadside structure candidate storage variable Py_DeliAre rearranged in order from the shortest distance, and the stored variable Py2_DeliA new ID number is reassigned and stored in the storage variable Px2_DeliContains the storage variable Py2_DeliThe lateral distance corresponding to the longitudinal distance of the object stored in is stored. Thereby, loop1 becomes an object ID number far from the own vehicle as compared with loop2.
[0032]
This roadside structure candidate storage variable Py2_DeliAnd Px2_DeliIt is determined whether each object stored in the roadside structure is a roadside structure, and if it is a roadside structure, the roadside structure storage variable Py is determined._Deli__near, Py_Deli__far, Px_Deli__near, Px_Deli__farThe object position coordinates are respectively stored in.
First, in step S20, the object position Py2 of the roadside structure candidate._Deli[Loop1] and Py2_DeliIt is determined whether or not [loop2] is smaller than the absolute value | R | of the road curvature radius R, and Py2_Deli[Loop1] ≧ | R | or Py2_DeliWhen [loop 2] ≧ | R |, the road-side structure candidate object exists far from the radius of curvature of the road and it is determined that the road-side structure candidate object is not a road-side structure, and the process proceeds to step S29 described later. On the other hand, the determination result of step S20 is Py2_Deli[Loop1] <| R | and Py2_DeliWhen [loop2] <| R |, the process proceeds to step S21.
[0033]
In step S21, the vehicle width direction distance temp between the two detected objects of the ID numbers loop1 and loop2 is calculated with respect to the road curvature radius R.
temp = √ (R²-Py2_Deli[Loop1]²) -√ (R²-Py2_Deli[Loop2]²) ……… (16)
Next, in step S22, the sign of the road curvature radius R is determined. If R> 0, that is, if the curve is a right curve, the process proceeds to step S23, and the vehicle width direction distance temp between detected objects as shown in equation (17). The process proceeds to step S24. On the other hand, when the determination result of step S22 is R ≦ 0, the process proceeds to step S24 as it is.
[0034]
temp = −temp ……… (17)
In step S24, the lateral displacement of the two detected objects with ID numbers loop1 and loop2 is determined. If the following equation (18) holds, it is determined that these objects are roadside structures, and the process proceeds to step S25. If it is not established, the process proceeds to step S29 described later.
[0035]
Temp- (Py2_Deli[Loop1] -Py2_Deli[Loop2]) | <G_TH  ……… (18)
Where G_THIs a threshold value regarding the lateral displacement that is allowed when it is determined that the two detection objects are roadside structures.
In step S25, the number of roadside structural objects N_OfInfraAnd the two detected objects determined to be roadside structures in step S24 based on the following equations (19) to (22) are stored in the roadside structure storage variable Py._Deli__near, Py_Deli__far, Px_Deli__near, Px_Deli__farThe object position coordinates are respectively stored in.
[0036]
Px_Deli__near[N_OfInfra] = Px2_Deli[Loop2] ......... (19)
Px_Deli__far[N_OfInfra] = Px2_Deli[Loop1] ......... (20)
Py_Deli__near[N_OfInfra] = Py2_Deli[Loop2] ......... (21)
Py_Deli__far[N_OfInfra] = Py2_Deli[Loop1] ......... (22)
Next, in step S26, the longitudinal distance Py_Deli__near[N_OfInfra] Is the front-rear direction distance threshold D_near_THIt is determined whether or not it is smaller, and when the following expression (23) is established, the process proceeds to step S27, and when it is not established, the process proceeds to step S29 described later.
[0037]
Py_Deli__near[N_OfInfra] <D_near_TH  ……… (23)
Here, the longitudinal distance threshold D_near_THPrevents the deterioration of the calculation accuracy of the distance in the vehicle width direction due to the presence of the object as the base point in the distance from the own vehicle when calculating the distance in the vehicle width direction from the roadside object corresponding to the guardrail or the like. It is a threshold for.
[0038]
In step S27, the front-rear direction distance between the two objects is the inter-object distance threshold D_pair._THWhen the following expression (24) is satisfied, it is determined that the positions of the two objects are not approaching, and the process proceeds to step S28. When the expression is not satisfied, the process proceeds to step S29 described later.
Py_Deli__far[N_OfInfra] -Py_Deli__near[N_OfInfra]> D_pair_TH……… (24)
Next, in step S28, a road-shaped structure is generated using the object position of the roadside structure approaching the host vehicle as a base point, and a vehicle width direction distance candidate D from the roadside object corresponding to a guard rail or the like to the host vehicle is generated._2WallAnd the road shape calculation flag F_DeliOKIs set to “1”.
[0039]
The hatched portion shown in FIG._nearThis is a road-shaped structure DE that is virtually generated from the base point. The absolute value of the distance in the vehicle width direction from the road shape structure DE to the host vehicle MC is the detected object P_nearLateral distance Px_Deli__nearThe absolute value of the detected object P from the road shape structure DE_nearDistance D in the vehicle width direction to₁The value obtained by adding. Where distance D₁Is represented by the following equation (25).
[0040]
D₁= | R | -√ (R²-Py_Deli__near[N_OfInfra]²) ……… (25)
This distance D₁Always has a positive value. Therefore, the vehicle width direction distance candidate D from the road shape structure DE to the host vehicle MC_2WallIs calculated based on the following equation (26).
D_2Wall[N_OfInfra] = Px_Deli__near[N_OfInfra] -Sign (R) · {| R | -√ (R²-Py_Deli__near[N_OfInfra]²)} ……… (26)
Here, sign () is a function that returns +1 if the value in the parenthesis is positive, and -1 if the value in the parenthesis is negative.
[0041]
As shown in FIG. 5, if the vehicle lane is a right curve, the road radius of curvature R is a positive value, so sign (R) is +1 in the equation (26), and the road shape structure DE Candidate D for vehicle width direction to own vehicle MC_2WallD_2Wall= Px_Deli__near-D₁It will be calculated by. Here, the detected object P_nearIs located on the left side of the host vehicle,_Deli__nearIs a negative value.
[0042]
On the other hand, if the host vehicle lane is a left curve, the road curvature radius R is a negative value. Therefore, sign (R) is −1 in the equation (26), and the vehicle MC is calculated from the road shape structure DE. Vehicle width direction distance candidate D_2WallD_2Wall= Px_Deli__near+ D₁It will be calculated by. Here, the detected object P_nearIs located on the right side of the vehicle, so the horizontal position Px_Deli__nearIs a positive value.
[0043]
Next, in step S29, the loop variables loop1 and loop2 are decremented, and then the process proceeds to step S30 to determine whether or not the loop variable loop2 is 0 or more. When the determination result of step S30 is loop2 ≧ 0, the process proceeds to step S20 to repeat the roadside structure determination. On the other hand, when loop2 <0, it is determined that the roadside structure determination has been performed on all roadside structure candidate objects, and the process proceeds to step S31.
[0044]
In step S31, the road shape calculation flag F in step S28._DeliOKIs the vehicle width direction distance candidate D_2WallIs set to “1” which means that one or more is calculated, and the final vehicle width direction distance D_2Wall__outWhether or not can be calculated. If it can be calculated, the process proceeds to step S32 and the vehicle width direction distance candidate D is determined._2WallMake a hiring decision. This determination is based on the calculated vehicle width direction distance candidate D._2WallVehicle width direction distance candidate D_2WallAre all the same sign, all the vehicle width direction distance candidates D_2WallAnd the process proceeds to step S33. On the other hand, vehicle width direction distance candidate D_2WallIn the case where a different code is included, the road-side structure exists on both sides of the host vehicle, so it is determined that it is necessary to narrow down to only one side, and the vehicle width direction distance candidate D of the code with the higher calculation frequency is determined._2WallOnly, and the process proceeds to step S33. In addition, vehicle width direction distance candidate D_2WallIf the calculation frequency of the sign is the same in both positive and negative directions, a vehicle width direction distance candidate D having a predetermined sign (for example, negative) is set._2WallIs adopted.
[0045]
In step S33, the vehicle width direction distance candidate D employed in step S32 is used._2WallIs calculated based on the following equation (27), and the final vehicle width direction distance D_2Wall__outThen, the timer interrupt process is terminated and the process returns to the predetermined main program.
D_2Wall__out= Ave (D_2Wall, 1, N_OfInfra) ……… (27)
Here, ave (Arg, Start, End) is a function that outputs an average value from the Start-th to the End-th in the array variable Arg.
[0046]
On the other hand, the determination result of the step S31 is the vehicle width direction distance candidate D._2WallIs not calculated and the final vehicle width direction distance D_2Wall__outIs not calculated, the process proceeds to step S34 and D_2Wall__out= NoData is set to a value that means that the final vehicle width direction distance cannot be output, and then the timer interrupt process is terminated and the process returns to the predetermined main program.
[0047]
In the process of FIG. 3, the processes of steps S14 to S18 correspond to road curvature radius detecting means, and in the process of FIG. 4, the processes of steps S20 to S27 correspond to roadside structure determining means, and steps S28 and S31 to S31. The process of S34 corresponds to the vehicle width direction distance calculating means.
Therefore, as shown in FIG. 6, it is assumed that the host vehicle MC is traveling on a straight road without a branch road, and a roadside stop object DE such as a delineator exists on the front left side of the host vehicle. At this time, assuming that the objects a to c are detected by the front object sensor 14, in the roadside structure determination process of FIG. 3, the objects a to c are determined to be stop objects in step S <b> 2 and stopped in step S <b> 3. Object flag F_StopObjIs set to “1”. Since the objects a to c are not stopped vehicles, it is determined as a roadside structure candidate in the determination in step S10, and a roadside structure candidate storage variable Py in step S11_DeliAnd Px_DeliEach stores position information. Since the vehicle traveling lane has no straight road and no branch road, the process proceeds from step S14 to step S15, and the road curvature radius candidate R obtained from the global positioning system 17 and the road map data storage unit 18 is obtained.₂Is set as the road curvature radius R.
[0048]
Next, it is determined whether or not the objects a to c stored as roadside structure candidates are roadside structures. If it is determined that the objects are roadside structures, the object position information and the setting in step 15 are performed. Based on the road curvature radius R, the vehicle width direction distance candidate from the roadside stop object at the road end to the host vehicle is calculated. Here, assuming that the objects a to c are close to the host vehicle and the positions of the individual objects are not approaching, the loop variable is first initialized in step S19 in FIG. Number of candidate objects N_DeliIs “3”, loop1 = 2 and loop2 = 1 are set. And the position information Py2 of the object c_Deli[2], Px2_Deli[2] and position information Py2 of b_Deli[1], Px2_DeliBased on [1], roadside structure determination of the objects c and b is performed, and the number of roadside structure objects N is determined in step S25._OfInfraIs incremented and set to “1”, then the roadside structure storage variable Py_Deli__near[1], Px_Deli__nearIn [1], the object position coordinates of the object b, the roadside structure storage variable Py_Deli__far[1], Px_Deli__far[1] stores the object position coordinates of the object c, and in step S28, the position information Py of the object b based on the equation (26)._Deli__near[1], Px_Deli__nearVehicle width direction distance candidate D based on [1]_2Wall[1] is calculated.
[0049]
Next, in step S29, the loop variables loop1 and loop2 are decremented and the process proceeds to step S30. Since the loop variable loop2 = 0, the process proceeds from step S30 to step S20, and the position information Py2 of the object b_Deli[1], Px2_Deli[1] and position information Py2 of a_Deli[0], Px2_DeliBased on [0], the roadside structure determination of the objects b and a is performed. In step S25, the number of roadside structural objects N_OfInfraIs incremented and set to “2”, then the roadside structure storage variable Py_Deli__near[2], Px_Deli__nearIn [2], the object position coordinates of the object a, the roadside structure storage variable Py_Deli__far[2], Px_Deli__far[2] stores the object position coordinates of the object b, and in step S28, the position information Py of the object a based on the equation (26)._Deli__near[2], Px_Deli__nearBased on [2], vehicle width direction distance candidate D_2Wall[2] is calculated.
[0050]
Next, when the loop variables loop1 and loop2 are decremented in step S29, loop2 <0, and the process proceeds from step S30 to step S31. In step S28, the vehicle width direction distance candidate D_2WallIs calculated and the road shape calculation flag F_DeliOKIs set to “1”, the process proceeds from step S31 to step S32, and the vehicle width direction distance candidate D_2Wall[1] and D_2WallAdoption determination of [2] is performed, and these are calculated with the same sign (minus value), so both are adopted and the process proceeds to step S33, where the vehicle width direction distance candidate D_2Wall[1] and D_2WallBy calculating the average value of [2], the final vehicle width direction distance D_2Wall__outIs set.
[0051]
Further, as shown in FIG. 7, the host vehicle MC is traveling on a straight road without a branch road, a roadside stop object DE such as a delineator is present on the left front side of the host vehicle, and a stop object P is on the right front side of the host vehicle. Suppose it exists. If the objects a to d are detected by the front object sensor 14 at this time, the objects a to d are determined as roadside structure candidates in the determination in step S10 of FIG. 3, and the roadside structure candidate storage variable is determined in step S11. Py_DeliAnd Px_DeliEach stores position information.
[0052]
Here, assuming that the objects a to d are close to the host vehicle and the positions of the individual objects are not approaching, first, roadside structure determination of the objects c and b is performed, and in step S25. Number of roadside structure objects N_OfInfraIs incremented and set to “1”, then the roadside structure storage variable Py_Deli__near[1], Px_Deli__nearIn [1], the object position coordinates of the object b, the roadside structure storage variable Py_Deli__far[1], Px_Deli__far[1] stores the object position coordinates of the object c, and in step S28, the position information Py of the object b based on the equation (26)._Deli__near[1], Px_Deli__nearVehicle width direction distance candidate D based on [1]_2Wall[1] is calculated. Next, roadside structure determination of the objects b and a is performed, and the position information Py of the object a based on the equation (26) in step S28._Deli__near[2], Px_Deli__nearBased on [2], vehicle width direction distance candidate D_2Wall[2] is calculated. Next, the roadside structure determination of the objects a and d is performed, and the position information Py of the object d based on the equation (26) in step S28._Deli__near[3], Px_Deli__nearBased on [3], the vehicle width direction distance candidate D_2Wall[3] is calculated.
[0053]
In step S32, the vehicle width direction distance candidate D_2WallIs adopted and the vehicle width direction distance candidate D_2Wall[1] and D_2Wall[2] is a negative value, vehicle width direction distance candidate D_2WallSince [3] is a positive value, the vehicle width direction distance candidate D_2Wall[1] and D_2WallOnly [2] is adopted and the process proceeds to step S33, where the vehicle width direction distance candidate D_2Wall[1] and D_2WallBy calculating the average value of [2], the final vehicle width direction distance D_2Wall__outIs set.
[0054]
On the other hand, as shown in FIG. 8, the host vehicle MC is traveling on a curved road without a branch road, and a roadside stop object DE such as a delineator, a preceding vehicle PC, and a far stop object P are present in front of the host vehicle. And If the objects a to e are detected by the front object sensor 14 at this time, the objects a to c and e are stop objects that are not vehicles, and the object d is a non-stop object. In the determination, the objects a to c and e are determined as roadside structure candidate, and the roadside structure candidate storage variable Py is determined in step S11._DeliAnd Px_DeliEach stores position information. Since the host vehicle lane is a curved road, the process proceeds from step S14 to step S16 to determine the variation in the steering amount of the steering wheel by the driver's operation. If the variation is small, the process proceeds to step S18, and the vehicle speed V and Road curvature radius candidate R calculated based on equation (3) using yaw rate ω₁Is set as the road curvature radius R.
[0055]
Here, assuming that the objects a to c are close to the host vehicle and the positions of the individual objects are not approaching, first, roadside structure determination of the objects e and c is performed. Since it exists far from the road curvature radius R, the process proceeds from step S20 to step S29, and the loop variables loop1 and loop2 are decremented. Subsequently, the roadside structure determination of the objects c and b is performed, and the number of roadside structure objects N is determined in step S25._OfInfraIs incremented and set to “1”, then the roadside structure storage variable Py_Deli__near[1], Px_Deli__nearIn [1], the object position coordinates of the object b, the roadside structure storage variable Py_Deli__far[1], Px_Deli__far[1] stores the object position coordinates of the object c, and in step S28, the position information Py of the object b based on the equation (26)._Deli__near[1], Px_Deli__nearVehicle width direction distance candidate D based on [1]_2Wall[1] is calculated.
[0056]
Subsequently, roadside structure determination of the objects b and a is performed, and the number of roadside structure objects N is determined in step S25._OfInfraIs incremented and set to “2”, then the roadside structure storage variable Py_Deli__near[2], Px_Deli__nearIn [2], the object position coordinates of the object a, the roadside structure storage variable Py_Deli__far[2], Px_Deli__far[2] stores the object position coordinates of the object b, and in step S28, the position information Py of the object a based on the equation (26)._Deli__near[2], Px_Deli__nearBased on [2], vehicle width direction distance candidate D_2Wall[2] is calculated. In step S33, the vehicle width direction distance candidate D_2Wall[1] and D_2WallBy calculating the average value of [2], the final vehicle width direction distance D_2Wall__outIs set.
[0057]
Further, as shown in FIG. 9, it is assumed that the host vehicle MC is traveling on a straight road where a branch road exists, and a roadside stop object DE such as a delineator exists in front of the host vehicle. At this time, assuming that the objects a to c are detected by the front object sensor 14, the objects a to c are stop objects that are not vehicles, and therefore the objects a to c are roadside structure candidates in the determination of step S10 in FIG. In step S11, the roadside structure candidate storage variable Py is determined._DeliAnd Px_DeliEach stores position information. Since the host vehicle lane is a branch road, the process proceeds from step S14 to step S16 to determine the variation in the steering amount of the steering wheel due to the driver's operation. If the variation is large, the process proceeds to step S17 and the camera controller 16 Obtained road curvature radius candidate R_ThreeIs set as the road curvature radius R.
[0058]
Here, assuming that the objects a to c are close to the host vehicle and the positions of the individual objects are not approaching, first, roadside structure determination of the objects c and b is performed, and in step S25. Number of roadside structure objects N_OfInfraIs incremented and set to “1”, then the roadside structure storage variable Py_Deli__near[1], Px_Deli__nearIn [1], the object position coordinates of the object b, the roadside structure storage variable Py_Deli__far[1], Px_Deli__far[1] stores the object position coordinates of the object c, and in step S28, the position information Py of the object b based on the equation (26)._Deli__near[1], Px_Deli__nearVehicle width direction distance candidate D based on [1]_2Wall[1] is calculated. Next, roadside structure determination of the objects b and a is performed, and the position information Py of the object a based on the equation (26) in step S28._Deli__near[2], Px_Deli__nearBased on [2], vehicle width direction distance candidate D_2Wall[2] is calculated. In step S33, the vehicle width direction distance candidate D_2Wall[1] and D_2WallBy calculating the average value of [2], the final vehicle width direction distance D_2Wall__outIs set.
[0059]
As described above, in the above embodiment, it is determined whether or not the stopped object detected in front of the host vehicle is a roadside structure, and the host vehicle is the most among the objects determined to be the roadside structure. The vehicle width direction distance from the road edge to the host vehicle is calculated based on the position information of the object approaching the road and the radius of curvature of the road, so it is not necessary to place multiple radars and detect the object ahead of the host vehicle Therefore, the distance in the vehicle width direction from the road edge to the host vehicle can be detected with high accuracy.
[0060]
Also, the road curvature radius is selected from a plurality of road curvature radius candidates according to the traveling state of the host vehicle, so that the host vehicle traveling lane is a straight road and a branch road. If there is no road, the road curvature radius obtained from the car navigation system is selected. Therefore, the vehicle is traveling on a gentle curved road depending on the amount of steering by the driver even though it is actually traveling on a straight road. It is possible to prevent the calculation of the corresponding road curvature radius, and to calculate the road curvature radius of a traveling path different from the vehicle traveling path which is erroneously grasped due to the presence of a branch road. This can be prevented. Also, when the vehicle lane is a curved road and there is a branch road, the amount of steering steering correction by the driver's operation is judged, and when the amount of corrected steering is large, a road line such as a white line is detected. When the road curvature radius obtained from the camera to be selected is selected and the correction steering amount is small, it is judged that the vehicle is traveling on a smooth curve road and the road curvature radius calculated from the momentum of the own vehicle is selected. A highly accurate road curvature radius can be obtained.
[0061]
Further, among non-vehicle stopped objects stored as roadside structure candidates, only objects existing within a predetermined distance from the own vehicle are determined to be roadside structures, so the distance in the vehicle width direction from the road edge to the own vehicle is calculated. In this case, it is possible to reliably prevent the deterioration of the calculation accuracy of the distance in the vehicle width direction, which is caused by the distance to the stop object as the base point becoming too long.
[0062]
In addition, when the individual positions of the non-vehicle stationary objects stored as roadside structure candidates are approaching, it is determined that the stationary objects are non-roadside structures. Since an object that is not suitable as a base point for calculating the distance in the vehicle width direction from the road edge to the host vehicle, such as a sign to be removed, is excluded, it is possible to reliably prevent deterioration in the calculation accuracy of the distance in the vehicle width direction.
[0063]
In the above embodiment, the road curvature radius candidate R₁Has been described based on the equation (3) based on the vehicle speed V and the yaw rate ω. However, the present invention is not limited to this, and the steering angle δ detected by the steering angle sensor 23 is used. You may make it calculate based on following Formula.
R₁= (1 + AV²) L_WB/ Δ ……… (28)
Here, A is a stability factor (a constant determined by the vehicle weight, wheelbase length, center of gravity, and tire lateral force), which is a value specific to the vehicle, L_WBIs the wheelbase length.
[0064]
In the above embodiment, the vehicle width direction distance candidate D_2WallHowever, the present invention is not limited to this, and the vehicle width direction distance candidate D is calculated without performing the employment determination._2WallApplying all the above, final vehicle width direction distance D_2Wall__outMay be requested.
Furthermore, in the above embodiment, the vehicle width direction distance candidate D_2WallIs the final vehicle width direction distance D_2Wall__outHowever, the present invention is not limited to this, and the vehicle width direction distance candidate D is not limited to this._2WallSelect the median value of the vehicle or the most frequent distance value obtained from the histogram to determine the final vehicle width direction distance D_2Wall__outMay be set.
[0065]
In the above embodiment, the case where a scanning laser radar is used as the front object sensor 14 has been described. However, the present invention is not limited to this, and other ranging devices such as a microwave and a millimeter wave radar may be used. Can be applied.
Furthermore, in the above embodiment, the case where the present invention is applied to a rear wheel drive vehicle has been described. However, the present invention can also be applied to a front wheel drive vehicle, and the case where the engine 2 is applied as a rotational drive source. Although explained, it is not limited to this, An electric motor can also be applied, Furthermore, this invention is applicable also to the hybrid specification vehicle which uses an engine and an electric motor.
[Brief description of the drawings]
FIG. 1 is a schematic configuration diagram showing an embodiment of the present invention.
FIG. 2 is an explanatory diagram of a distance in the vehicle width direction from a road end on the roadside structure side to the host vehicle.
FIG. 3 is a flowchart showing roadside structure determination processing executed by an external recognition controller in the embodiment of the present invention.
FIG. 4 is a flowchart showing roadside structure determination processing executed by an external recognition controller in the embodiment of the present invention.
FIG. 5 is a diagram illustrating a method for calculating a vehicle width direction distance from a road end on the roadside structure side to the host vehicle.
FIG. 6 is a diagram for explaining the operation of the embodiment of the present invention.
FIG. 7 is a diagram for explaining the operation of the embodiment of the present invention.
FIG. 8 is a diagram for explaining the operation of the embodiment of the present invention.
FIG. 9 is a diagram for explaining the operation of the embodiment of the present invention.
[Explanation of symbols]
2 Engine
3 Automatic transmission
7 Disc brake
8 Braking control device
11 Engine output control device
12 Throttle actuator
13 Vehicle speed sensor
14 Front object sensor
15 CCD camera
16 Camera controller
17 Global Positioning System (GPS)
18 Road map data storage
20 Outside world recognition controller
22 Steering angle sensor
23 Yaw rate sensor

Claims

A forward object detection means for detecting an object in front of the own vehicle, a road curvature radius detection means for detecting a road curvature radius of the own vehicle traveling path, and the forward vehicle detected by the forward object detection means, A roadside structure judging means for judging whether or not the roadside structure forms a road shape, and an object that is judged to be a roadside structure by the roadside structure judging means is closest to the host vehicle. Vehicle width direction distance calculating means for calculating the vehicle width direction distance from the road end on the road side structure side to the host vehicle based on the position information of the existing object and the road curvature radius detected by the road curvature radius detecting means; The road curvature radius detection means sets an appropriate road curvature radius by selecting an appropriate type from a plurality of road curvature radius candidates according to the traveling lane situation of the host vehicle and the steering situation by the driver. Configured as Vehicle road shape recognition apparatus according to claim Rukoto.

A travel point detection unit that detects a travel point of the host vehicle; and a road information providing unit that includes road information on which the host vehicle travels. The road curvature radius detection unit is a travel point detected by the travel point detection unit. And when it is detected that the traveling lane of the own vehicle is a straight road based on the road information provided by the road information providing means, and when the traveling lane of the own vehicle is a non-branching road, 2. The vehicle road shape recognition apparatus according to claim 1, wherein the road curvature radius candidate obtained by the point detection means and the road information providing means is set as a road curvature radius.

A travel point detection unit that detects a travel point of the host vehicle; and a road information providing unit that includes road information on which the host vehicle travels. The road curvature radius detection unit is a travel point detected by the travel point detection unit. And, based on the road information provided by the road information providing means, it is detected that at least one of the traveling lane of the own vehicle is a curved road and that a branch road exists in the traveling lane of the own vehicle. The road curvature radius candidate calculated from the motion information of the host vehicle is set as the road curvature radius when the steering wheel correction amount in the driver's operation is less than or equal to a predetermined correction steering amount determination threshold value . The road shape recognition device for a vehicle according to claim 1, wherein

A travel point detection means for detecting a travel point of the host vehicle, a road information providing unit having road information on which the host vehicle travels, and a road lane line detection unit for detecting a road lane line of the host vehicle lane, The road curvature radius detecting means is based on the driving point detected by the driving point detecting means and the road information provided by the road information providing means, and at least the driving lane of the own vehicle is a curved road, and the own vehicle Obtained by the road lane marking detection means when the steering steering correction amount in the driver's operation is greater than a predetermined correction steering amount determination threshold. 4. The vehicle road shape recognition apparatus according to claim 1, wherein the road curvature radius candidate is set as a road curvature radius.

The roadside structure determination means is configured such that the distance of the stopped object that is stopped among the forward objects detected by the forward object detection means is the calculation accuracy of the vehicle width direction distance by the vehicle width direction distance calculation means. 5. The vehicle according to claim 1, wherein the stop object is determined to be a roadside structure when the distance is shorter than a predetermined distance for making the distance within an allowable range. Road shape recognition device.

The roadside structure determining means is configured such that when the distance between stopped objects that are stopped among the forward objects detected by the forward object detecting means is equal to or less than a predetermined object distance threshold , the stopped objects are non-roadside structures. It is comprised so that it may be determined, The vehicle road shape recognition apparatus in any one of the Claims 1 thru | or 5 characterized by the above-mentioned.