CN113291309A - 周边识别装置、周边识别方法及存储介质 - Google Patents
周边识别装置、周边识别方法及存储介质 Download PDFInfo
- Publication number
- CN113291309A CN113291309A CN202110106889.1A CN202110106889A CN113291309A CN 113291309 A CN113291309 A CN 113291309A CN 202110106889 A CN202110106889 A CN 202110106889A CN 113291309 A CN113291309 A CN 113291309A
- Authority
- CN
- China
- Prior art keywords
- road boundary
- road
- host vehicle
- information
- determination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 238000012545 processing Methods 0.000 claims description 14
- 230000002093 peripheral effect Effects 0.000 claims description 7
- 238000005259 measurement Methods 0.000 claims description 5
- 239000004065 semiconductor Substances 0.000 claims description 2
- 230000008859 change Effects 0.000 description 30
- 238000001514 detection method Methods 0.000 description 17
- 238000010586 diagram Methods 0.000 description 17
- 230000004048 modification Effects 0.000 description 17
- 238000012986 modification Methods 0.000 description 17
- 238000004891 communication Methods 0.000 description 16
- 230000009471 action Effects 0.000 description 13
- 230000006870 function Effects 0.000 description 8
- 230000001133 acceleration Effects 0.000 description 6
- 238000002485 combustion reaction Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000004888 barrier function Effects 0.000 description 2
- 239000000446 fuel Substances 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 101100049737 Arabidopsis thaliana WRI1 gene Proteins 0.000 description 1
- 230000003044 adaptive effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000000052 comparative effect Effects 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000036461 convulsion Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000004069 differentiation Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 238000007499 fusion processing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000002955 isolation Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002250 progressing effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
- B60W40/06—Road conditions
-
- 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
- G01C21/3863—Structures of map data
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W60/00—Drive control systems specially adapted for autonomous road vehicles
- B60W60/001—Planning or execution of driving tasks
-
- 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
- G01C21/3815—Road data
- G01C21/3819—Road shape data, e.g. outline of a route
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/22—Matching criteria, e.g. proximity measures
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Mechanical Engineering (AREA)
- Data Mining & Analysis (AREA)
- Transportation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Human Computer Interaction (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供能够使车辆周边的识别精度提高的周边识别装置、周边识别方法及存储介质。实施方式的周边识别装置具备:取得部,其基于本车辆的位置信息而从地图信息取得包含所述本车辆的周边的道路边界在内的第一道路信息;识别部,其基于外界传感器的输出来识别所述本车辆的周边的道路边界;以及判定部,其在以由所述取得部取得的第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为所述识别部的识别结果的第二道路信息中包含的第二道路边界的情况下,判定为所述第一道路边界与所述第二道路边界一致,所述判定部基于规定条件来设定所述道路边界判定区域的大小。
Description
技术领域
本发明涉及周边识别装置、周边识别方法及存储介质。
背景技术
近年来,基于车辆周边的识别结果来进行车辆的驾驶控制的技术所相关的研究不断进展。与此相关联地,已知有如下技术,在判断通过雷达检测到的车辆周边的物体与通过相机图像检测到的车辆周边的物体是否为同一物体的情况下,从车辆到物体的距离越长,则越容易判断为是同一物体(例如,日本特开2006-292475号公报)。
然而,在以往的技术中,根据周边环境的不同,有时通过雷达进行的车辆周边物体的检测精度和通过相机图像进行的车辆周边物体的检测精度这双方变低,因此有时识别精度不提高。
发明内容
本发明的方案是考虑这样的情况而完成的,其目的之一在于提供能够使车辆周边的识别精度提高的周边识别装置、周边识别方法及存储介质。
本发明的周边识别装置、周边识别方法及存储介质采用了以下的结构。
(1):本发明的一方案的周边识别装置具备:取得部,其基于本车辆的位置信息而从地图信息取得包含所述本车辆的周边的道路边界在内的第一道路信息;识别部,其基于外界传感器的输出来识别所述本车辆的周边的道路边界;以及判定部,其在以由所述取得部取得的第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为所述识别部的识别结果的第二道路信息中包含的第二道路边界的情况下,判定为所述第一道路边界与所述第二道路边界一致,所述判定部基于规定条件来设定所述道路边界判定区域的大小。
(2):在上述(1)的方案中,所述道路边界判定区域是以所述第一道路边界的位置为基准而在与所述第一道路边界的长度方向正交的方向上具有规定的宽度的区域,从所述本车辆观察时比所述第一道路边界靠远离侧的区域与比所述第一道路边界靠跟前侧的区域相比较窄。
(3):在上述(1)的方案中,所述周边识别装置还具备位置计测部,该位置计测部计测所述本车辆的位置,所述判定部基于由所述位置计测部计测出的所述本车辆的位置精度来设定所述道路边界判定区域的大小。
(4):在上述(1)的方案中,所述判定部基于从所述地图信息被制作出或更新的年月日起的经过期间,来设定所述道路边界判定区域的大小。
(5):在上述(1)的方案中,所述判定部算出规定区间中包含的所述第二道路边界存在于所述道路边界判定区域内的比例,在算出的比例为阈值以上的情况下,所述判定部判定为所述第一道路边界与所述第二道路边界一致,对于所述第二道路边界中的距所述本车辆近的第一区域的道路边界存在于所述道路边界判定区域内这一情况,与从所述本车辆观察时处于比所述第一区域靠远方处的第二区域的道路边界存在于所述道路边界判定区域内这一情况相比,增大针对所述比例的权重。
(6):在上述(2)的方案中,所述判定部基于所述本车辆的速度,来扩宽所述道路边界判定区域的宽度。
(7):在上述(1)的方案中,所述判定部在由所述识别部在所述本车辆的周边识别到其他车辆的情况下,与没有识别到所述其他车辆的情况相比,缩窄所述道路边界判定区域。
(8):在上述(1)的方案中,所述判定部多次进行所述第一道路边界与所述第二道路边界是否一致的判定,在一致的次数为规定次数以上的情况下,所述判定部判定为所述第一道路边界与所述第二道路边界一致,在所述地图信息被更新了的情况下,所述判定部重置所述一致的次数。
(9):在上述(1)的方案中,所述判定部在所述第一道路边界包含构造物的情况下,与不包含所述构造物的情况相比,缩窄所述道路边界判定区域。
(10):本发明的一方案的周边识别方法使计算机进行如下处理:基于本车辆的位置信息而从地图信息取得包含所述本车辆的周边的道路边界在内的第一道路信息;基于外界传感器的输出来识别所述本车辆的周边的道路边界;在以取得的所述第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为识别的结果的第二道路信息中包含的第二道路边界的情况下,判定为所述第一道路边界与所述第二道路边界一致;以及基于规定条件来设定所述道路边界判定区域的大小。
(11):本发明的一方案的存储介质,其存储有程序,其中,所述程序使计算机进行如下处理:基于本车辆的位置信息而从地图信息取得包含所述本车辆的周边的道路边界在内的第一道路信息;基于外界传感器的输出来识别所述本车辆的周边的道路边界;在以取得的所述第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为识别的结果的第二道路信息中包含的第二道路边界的情况下,判定为所述第一道路边界与所述第二道路边界一致;以及基于规定条件来设定所述道路边界判定区域的大小。
根据上述(1)~(11),能够使车辆周边的识别精度提高。
附图说明
图1是包含实施方式的周边识别装置在内的车辆系统的结构图。
图2是第一控制部及第二控制部的功能结构图。
图3是用于说明道路信息取得部、道路边界识别部及判定部的功能的图。
图4是用于说明道路边界判定区域的变更的图。
图5是用于说明识别到其他车辆的情况下的道路边界判定区域的变更模式的图。
图6是用于说明在道路边界中包含构造物的情况下的道路边界判定区域的变更模式的图。
图7是用于说明使道路边界判定区域的宽度阶段性地变更的图。
图8是用于说明根据距本车辆的距离而加宽道路边界判定区域的宽度的图。
图9是表示由包含实施方式的周边识别装置在内的自动驾驶控制装置执行的处理的流程的一例的流程图。
图10是表示实施方式的周边识别装置的硬件结构的一例的图。
具体实施方式
以下,参照附图来说明本发明的周边识别装置、周边识别方法及存储介质的实施方式。以下,作为一例来说明将周边识别装置适用于自动驾驶车辆的实施方式。自动驾驶例如是指自动地控制车辆的转向和速度中的一方或双方来执行驾驶控制。在上述的驾驶控制中,例如也可以包括ACC(Adaptive Cruise Control System)、TJP(Traffic Jam Pilot)、ALC(Automated Lane Change)、LKAS(Lane Keeping Assistance System)、CMBS(Collision Mitigation Brake System)等驾驶控制。自动驾驶车辆也可以执行通过乘员的手动操作而进行的驾驶控制(所谓的手动驾驶)。
[整体结构]
图1是包含实施方式的周边识别装置在内的车辆系统1的结构图。搭载车辆系统1的车辆(以下称作本车辆M)例如是二轮、三轮、四轮等的车辆,其驱动源是柴油发动机、汽油发动机等内燃机、电动机、或者它们的组合。电动机使用由与内燃机连结的发电机发出的发电电力、或者二次电池、燃料电池等电池(蓄电池)的放电电力来进行动作。
车辆系统1例如具备相机10、雷达装置12、LIDAR(Light Detection and Ranging)14、物体识别装置16、通信装置20、HMI(Human Machine Interface)30、车辆传感器40、导航装置50、MPU(Map Positioning Unit)60、驾驶操作件80、自动驾驶控制装置100、行驶驱动力输出装置200、制动装置210及转向装置220。这些装置、设备由CAN(Controller AreaNetwork)通信线等多路通信线、串行通信线、无线通信网等而互相连接。图1所示的结构只不过是一例,既可以省略结构的一部分,也可以还追加别的结构。将相机10、雷达装置12及LIDAR14组合起来是“外界传感器”的一例。在“外界传感器”中,也可以包括物体识别装置16。将外界传感器、车辆传感器40、后述的识别部130及存储部190组合起来是“周边识别装置”的一例。
相机10例如是利用了CCD(Charge Coupled Device)、CMOS(Complementary MetalOxide Semiconductor)等固体摄像元件的数码相机。相机10安装于搭载车辆系统1的本车辆M的任意部位。在对前方进行拍摄的情况下,相机10安装于前风窗玻璃上部、车室内后视镜背面、车身的前头部等。在对后方进行拍摄的情况下,相机10安装于后风窗玻璃上部、背门等。在对侧方进行拍摄的情况下,相机10安装于车门上后视镜等。相机10例如周期性地反复对本车辆M的周边进行拍摄。相机10也可以是立体相机。
雷达装置12向本车辆M的周边辐射毫米波等电波,并且检测由周边的物体反射的电波(反射波)来至少检测物体的位置(距离及方位)。雷达装置12安装于本车辆M的任意部位。雷达装置12也可以通过FM-CW(Frequency Modulated Continuous Wave)方式来检测物体的位置及速度。
LIDAR14向本车辆M的周边照射光,并测定散射光。LIDAR14基于从发光到受光的时间,来检测到对象为止的距离。照射的光例如是脉冲状的激光。LIDAR14安装于本车辆M的任意部位。
物体识别装置16对由相机10、雷达装置12及LIDAR14中的一部分或全部检测的检测结果进行传感器融合处理,来识别物体的位置、种类、速度等。物体识别装置16将识别结果向自动驾驶控制装置100输出。物体识别装置16可以将相机10、雷达装置12及LIDAR14的检测结果直接向自动驾驶控制装置100输出。在该情况下,也可以从车辆系统1中省略物体识别装置16。
通信装置20例如利用蜂窝网、Wi-Fi网、Bluetooth(注册商标)、DSRC(DedicatedShort Range Communication)、LAN(Local Area Network)、WAN(Wide Area Network)、互联网等网络,与例如存在于本车辆M的周边的其他车辆、利用本车辆M的利用者的终端装置、或者各种服务器装置通信。
HMI30对本车辆M的乘员输出各种信息,并且接受由乘员进行的输入操作。在HMI30中,例如包括各种显示装置、扬声器、蜂鸣器、触摸面板、开关、按键等。
车辆传感器40包括检测本车辆M的速度的车速传感器、检测加速度的加速度传感器、检测横摆角速度(例如,绕通过本车辆M的重心点的铅垂轴旋转的旋转角速度)的横摆角速度传感器、以及检测本车辆M的朝向的方位传感器等。车辆传感器40也可以设置有检测车辆的位置的位置传感器。位置传感器是“位置计测部”的一例。位置传感器例如是从GPS(Global Positioning System)装置取得位置信息(经度·纬度信息)的传感器。位置传感器也可以是使用导航装置50的GNSS(Global Navigation Satellite System)接收机51来取得位置信息的传感器。车辆传感器40也可以根据位置传感器中的规定时间的位置信息的差量(即距离)来导出本车辆M的速度。由车辆传感器40检测到的结果向自动驾驶控制装置100输出。
导航装置50例如具备GNSS接收机51、导航HMI52及路径决定部53。导航装置50在HDD(Hard Disk Drive)、闪存器等存储装置中保持第一地图信息54。GNSS接收机51基于从GNSS卫星接收的信号,来确定本车辆M的位置。本车辆M的位置也可以由利用了车辆传感器40的输出的INS(Inertial Navigation System)来确定或补充。导航HMI52包括显示装置、扬声器、触摸面板、按键等。GNSS接收机51也可以设置于车辆传感器40。导航HMI52也可以一部分或全部与前述的HMI30共用化。路径决定部53例如参照第一地图信息54来决定从由GNSS接收机51确定的本车辆M的位置(或者输入的任意的位置)到由乘员使用导航HMI52而输入的目的地的路径(以下称作地图上路径)。第一地图信息54例如是通过表示道路的线路和由线路连接的节点来表现道路形状的信息。第一地图信息54也可以包括POI(Point OfInterest)信息等。地图上路径向MPU60输出。导航装置50也可以基于地图上路径,来进行使用了导航HMI52的路径引导。导航装置50也可以经由通信装置20向导航服务器发送当前位置和目的地,并从导航服务器取得与地图上路径同等的路径。导航装置50将决定的地图上路径向MPU60输出。
MPU60例如包括推荐车道决定部61,并在HDD、闪存器等存储装置保持第二地图信息62。推荐车道决定部61将从导航装置50提供的地图上路径分割为多个区块(例如,在车辆行进方向上按每100[m]进行分割),并参照第二地图信息62按每个区块来决定推荐车道。推荐车道决定部61进行在从左数第几车道上行驶这一的决定。推荐车道决定部61在地图上路径存在分支部位的情况下,以使本车辆M能够在用于向分支目的地行进的合理的路径上行驶的方式,来决定推荐车道。
第二地图信息62是比第一地图信息54高精度的地图信息。第二地图信息62例如包含车道数、道路划分线的种类、车道的中央的信息或者道路边界的信息等。在第二地图信息62中,也可以包含道路边界是否为包含车辆不能够通过(也包含横穿、接触)的构造物在内的边界的信息。构造物例如是指护栏、缘石、中央隔离带、围栏等。所谓不能通过,也可以包含存在若允许通常不可能发生的车辆的振动则能够通过的程度的低的台阶的情况。在第二地图信息62中,可以包含道路形状信息、交通限制信息(例如标识、停止线、人行横道)、住所信息(住所·邮政编码)、设施信息、停车场信息、电话号码信息等。道路形状信息例如是指道路的曲率半径(或者曲率)、宽度、坡度等。第二地图信息62可以通过通信装置20与外部装置通信而随时被更新。第一地图信息54及第二地图信息62也可以作为地图信息而一体地设置。地图信息也可以存储于存储部190。
驾驶操作件80例如具备转向盘、油门踏板及制动踏板。驾驶操作件80也可以包括换挡杆、异形方向盘、操纵杆以及其他的操作件。在驾驶操作件80的各操作件例如安装有检测由乘员进行的操作件的操作量或者操作的有无的操作检测部。操作检测部例如检测转向盘的转向角、转向转矩、油门踏板、制动踏板的踩踏量等。而且,操作检测部将检测结果向自动驾驶控制装置100、或者行驶驱动力输出装置200、制动装置210及转向装置220中的一方或双方输出。
自动驾驶控制装置100例如具备第一控制部120、第二控制部160、HMI控制部180及存储部190。第一控制部120、第二控制部160及HMI控制部180例如分别通过CPU(CentralProcessing Unit)等硬件处理器执行程序(软件)来实现。这些构成要素中的一部分或全部也可以通过LSI(Large Scale Integration)、ASIC(Application Specific IntegratedCircuit)、FPGA(Field-Programmable Gate Array)、GPU(Graphics Processing Unit)等硬件(包含电路部:circuitry)来实现,还可以通过软件与硬件的协同配合来实现。上述的程序可以预先保存于自动驾驶控制装置100的HDD、闪存器等存储装置(具备非暂时性的存储介质的存储装置),也可以保存于DVD、CD-ROM、存储卡等能够装卸的存储介质,并通过存储介质(非暂时性的存储介质)装配于驱动装置、卡槽等来安装于自动驾驶控制装置100的存储装置。
存储部190也可以通过上述的各种存储装置、或者EEPROM(ElectricallyErasable Programmable Read Only Memory)、ROM(Read Only Memory)、或RAM(RandomAccess Memory)等来实现。在存储部190中,例如保存实施方式中的周边识别、驾驶控制所相关的各种信息、程序等。
在存储部190中,也可以保存有地图信息(例如第一地图信息54及第二地图信息62)。在存储部190中,例如也可以存储地图信息的制作日或更新日等基准年月日所相关的信息。在存储部190中,例如也可以存储有由检测本车辆M的位置的位置传感器(GPS装置、GNSS接收机51)检测的位置精度(位置误差)所相关的信息。
图2是第一控制部120及第二控制部160的功能结构图。第一控制部120例如具备识别部130和行动计划生成部140。第一控制部120例如并行实现基于AI(ArtificialIntelligence:人工智能)的功能和基于预先给出的模型的功能。例如,“识别交叉路口”的功能可以通过“并行执行基于深度学习等的交叉路口的识别、以及基于预先给出的条件(存在能够图案匹配的信号、道路标示等)的识别,并对双方进行评分而综合地评价”来实现。由此,确保自动驾驶的可靠性。第一控制部120例如基于来自MPU60、HMI控制部180等的指示来执行与本车辆M的自动驾驶相关的控制。
识别部130基于从相机10、雷达装置12及LIDAR14经由物体识别装置16而输入的信息,来识别处于本车辆M的周边的物体的位置、速度、加速度等状态。物体的位置例如被识别为以本车辆M的代表点(重心、驱动轴中心等)为原点的绝对坐标上的位置,并使用于控制。物体的位置也可以由该物体的重心、角部等代表点表示,还可以由表现出的区域来表示。所谓物体的“状态”,例如也可以在物体为其他车辆等移动体的情况下,包含移动体的加速度、加加速度、或者“行动状态”(例如其他车辆是否正在进行车道变更或者正要进行车道变更)。
识别部130例如具备道路信息取得部132、道路边界识别部134及判定部136。道路信息取得部132是“取得部”的一例。道路边界识别部134是“识别部”的一例。它们的功能的详细情况,见后述。
行动计划生成部140生成通过自动驾驶而使本车辆M行驶的行动计划。例如,行动计划生成部140以原则上在由推荐车道决定部61决定的推荐车道上行驶、并且能够基于以由识别部130识别到的识别结果或从地图信息取得的本车辆M的当前位置为基础而得到的周边的道路形状等来应对本车辆M的周边状况的方式,生成本车辆M自动地(不依赖于驾驶员的操作地)将来行驶的目标轨道。目标轨道例如包含速度要素。例如,目标轨道表现为将本车辆M应该到达的地点(轨道点)按顺序排列而成的轨道。轨道点是按沿途距离计每隔规定的行驶距离(例如数[m]程度)的本车辆M应该到达的地点,有别于此,每隔规定的采样时间(例如零点几[sec]程度)的目标速度及目标加速度作为目标轨道的一部分而生成。轨道点也可以是每隔规定的采样时间的、在该采样时刻的本车辆M应该到达的位置。在该情况下,目标速度、目标加速度的信息由轨道点的间隔来表现。
行动计划生成部140在生成目标轨道时,可以设定自动驾驶的事件。在事件中,例如可以包括使本车辆M以恒定的速度在相同的车道上行驶的定速行驶事件、使本车辆M追随存在于本车辆M的前方的规定距离以内(例如100[m]以内)、且距本车辆M最近的其他车辆(以下称作前行车辆)的追随行驶事件、使本车辆M从本车道向相邻车道进行车道变更的车道变更事件、使本车辆M在道路的分支地点向目的地侧的车道分支的分支事件、使本车辆M在汇合地点向干线汇合的汇合事件、以及用于结束自动驾驶而切换为手动驾驶的接管事件等。在事件中,例如可以包括使本车辆M暂且向相邻车道进行车道变更并在相邻车道上赶超前行车辆后再次向原来的车道进行车道变更的赶超事件、为了躲避存在于本车辆M的前方的障碍物而使本车辆M进行制动及转向中的至少一方的躲避事件等。
行动计划生成部140例如可以根据在本车辆M行驶时被识别到的本车辆M的周边状况,来将针对当前的区间已经决定的事件变更为其他的事件,或者针对当前的区间设定新的事件。行动计划生成部140可以根据乘员对HMI30的操作,来将针对当前的区间已经设定的事件变更为其他的事件,或者针对当前的区间设定新的事件。行动计划生成部140生成与设定的事件相应的目标轨道。
第二控制部160控制行驶驱动力输出装置200、制动装置210及转向装置220,以使本车辆M按预定的时刻通过由行动计划生成部140生成的目标轨道。
第二控制部160例如具备目标轨道取得部162、速度控制部164及转向控制部166。目标轨道取得部162取得由行动计划生成部140生成的目标轨道(轨道点)的信息,并使存储器(未图示)存储该信息。速度控制部164基于存储于存储器的目标轨道所附带的速度要素,来控制行驶驱动力输出装置200或制动装置210。转向控制部166根据存储于存储器的目标轨道的弯曲情况,来控制转向装置220。速度控制部164及转向控制部166的处理例如通过前馈控制与反馈控制的组合来实现。作为一例,转向控制部166将与本车辆M的前方的道路的曲率半径(或者曲率)相应的前馈控制与基于从目标轨道的偏离的反馈控制进行组合来执行。
返回图1,HMI控制部180通过HMI30来向乘员通知规定的信息。在规定的信息中,例如包括与本车辆M的状态相关的信息、与驾驶控制相关的信息等与本车辆M的行驶存在关联的信息。在与本车辆M的状态相关的信息中,例如包含本车辆M的速度、发动机转速、挡位等。在与驾驶控制相关的信息中,例如包含通过自动驾驶进行的驾驶控制(例如车道变更控制)的执行的有无、询问是否开始自动驾驶的信息、与通过自动驾驶进行的驾驶控制状况相关的信息等。在规定的信息中,也可以包括电视节目、存储于DVD等存储介质中的条目(contents)(例如电影)等与本车辆M的行驶无关的信息。在规定的信息中,例如也可以包括与自动驾驶中的当前位置、目的地、本车辆M的燃料的余量相关的信息。HMI控制部180也可以将通过HMI30而接受到的信息向通信装置20、导航装置50、第一控制部120等输出。
HMI控制部180也可以使HMI30输出后述的与由判定部136进行的判定经过、判定结果、基于判定结果而识别到的结果相关的信息。HMI控制部180也可以将使HMI30输出的各种信息经由通信装置20而向本车辆M的利用者利用的终端装置发送。
行驶驱动力输出装置200将用于车辆行驶的行驶驱动力(转矩)向驱动轮输出。行驶驱动力输出装置200例如具备内燃机、电动机及变速器等的组合、以及控制它们的ECU(Electronic Control Unit)。ECU按照从第二控制部160输入的信息、或者从驾驶操作件80的油门踏板输入的信息,来控制上述的结构。
制动装置210例如具备制动钳、向制动钳传递液压的液压缸、使液压缸产生液压的电动马达、以及制动ECU。制动ECU按照从第二控制部160输入的信息、或者从驾驶操作件80的制动踏板输入的信息来控制电动马达,使与制动操作相应的制动转矩向各车轮输出。制动装置210可以具备将通过制动踏板的操作而产生的液压经由主液压缸向液压缸传递的机构作为备用。制动装置210不限于上述说明的结构,也可以是按照从第二控制部160输入的信息来控制致动器而将主液压缸的液压向液压缸传递的电子控制式液压制动装置。
转向装置220例如具备转向ECU和电动马达。电动马达例如使力作用于齿条-小齿轮机构来变更转向轮的朝向。转向ECU按照从第二控制部160输入的信息、或者从驾驶操作件80的转向盘输入的信息,来驱动电动马达,使转向轮的朝向变更。
[识别部的功能]
接着,说明道路信息取得部132、道路边界识别部134及判定部136的功能的详细情况。图3是用于说明道路信息取得部132、道路边界识别部134及判定部136的功能的图。在图3的例子中,示出了能够向同一方向(图3所示的X轴方向)行进的两个车道L1、L2。车道L1被划分线LL及划分线CL划分,车道L2被划分线CL及划分线RL划分。设为本车辆M正在车道L1上以速度VM行驶。
道路信息取得部132基于本车辆M的位置信息并参照地图信息(第一地图信息54及第二地图信息62),来取得包含本车辆M的位置的周边的道路的边界信息在内的道路信息(以下,有时称作“第一道路信息”)。道路信息取得部132也可以取得与道路边界的类别相关的信息。在该情况下,在道路边界的类别中,例如包括行车道标志、缘石、中央隔离带、护栏。道路信息取得部132也可以从第二地图信息62取得道路划分线的图案(例如,实线与虚线的排列)。图3所示的道路划分线LL、CL、RL是由道路信息取得部132取得的道路边界的一例。以下,将第一道路信息中包含的道路边界称作“第一道路边界”。道路信息取得部132也可以仅取得针对将本车辆M行驶的车道L1划分的划分线LL、CL的第一道路边界。
道路边界识别部134基于从相机10、雷达装置12及LIDAR14的一部分或全部经由物体识别装置16而输入的信息,来识别本车辆M的周边的道路边界。道路边界识别部134输出包含识别到的道路边界在内的道路信息(以下,有时称作“第二道路信息”)。所谓“输出”,例如可以包含向共有存储器、高速缓冲存储器输出的情况、从一个构成要素经由信号线等向其他的构成要素发送的情况。在第二道路信息中,例如包含本车辆M行驶的道路(车道L1)、与车道L1相邻的道路的边界、或者通过交叉路口等与车道L1连结的道路的边界所相关的信息。以下,将第二道路信息中包含的道路边界称作“第二道路边界”。
例如,道路边界识别部134对由相机10拍摄到的图像进行解析,并从作为解析结果的图像中的颜色、形状等信息中识别在道路上描绘出的道路边界(例如划分线)。道路边界识别部134也可以基于由相机10拍摄到的图像中包含的形状信息、以及从雷达装置12、LIDAR14得到的物体的位置、距离的信息,来判定道路边界是否为包含构造物的边界。根据构造物的有无而雷达装置12、LIDAR14的检测结果不同,因此能够通过使用雷达装置12、LIDAR14,更适当地识别构造物的有无。在图3的例子中,示出了第二道路信息中包含的第二道路边界RB1~RB3。道路边界识别部134也可以仅识别针对将本车辆M行驶的车道L1划分的划分线LL、CL的第二道路边界。
判定部136判定第一道路边界与第二道路边界是否一致。例如,判定部136设定以第一道路边界的位置为基准的道路边界判定区域,在设定出的道路边界判定区域内包含有第二道路边界的情况下,判定为第一道路边界与第二道路边界一致,在道路边界判定区域内不包含第二道路边界的情况下,判定为第一道路边界与第二道路边界不一致。道路边界判定区域例如是指,在与第一道路边界(划分线)的长度方向(换言之,车道的延伸方向)正交的方向(换言之,车道的宽度方向)上具有规定的宽度、并使该宽度在第一道路边界(划分线)的长度方向上延伸规定距离而表示出的区域。
在图3的例子中,以作为第一道路边界的各划分线LL、CL、RL的各自的位置为基准,来设定在分别与各划分线LL、CL、RL的长度方向正交的方向上延出的宽度WL1、WC1、WR1,使设定出的宽度WL1、WC1、WR1从基准地点P0沿着划分线LL、CL、RL的长度方向延伸规定距离(例如区间D1)的地点P1为止的区域被设定为道路边界判定区域AL1、AC1、AR1。基准地点P0是以由车辆传感器40检测到的本车辆M的位置为基准的地点,例如是本车辆M的前头部(前端部)的位置、本车辆M的中心位置、位置传感器、相机10等的设置位置中的任意的位置。规定距离D1例如是推定为能够由外界传感器以规定的精度检测第二道路信息的距离。规定距离D1例如既可以是固定距离,也可以根据本车辆M的车速、道路状况(例如,隧道内、急转弯、坡度、车道数、车道宽度)来变更。
判定部136设定包括从本车辆M观察时比划分线LL、CL、RL靠远离侧的区域、以及比划分线LL、CL、RL靠跟前侧的区域在内的道路边界判定区域。在该情况下,判定部136将从本车辆M观察时比划分线靠远离侧的区域设定得比跟前侧的区域窄。在图3的例子中,在与划分线LL建立了对应关系的道路边界判定区域AL1中,从本车辆M观察时比划分线LL靠远离侧的宽度WLO1被设定得比跟前侧的宽度WLI1窄。另外,同样地,在道路边界判定区域AC1中,将从本车辆M观察时比划分线CL靠远离侧的宽度WCO1设定得比跟前侧的宽度WCI1窄,且在道路边界判定区域AR1中,将从本车辆M观察时比划分线RL靠远离侧的车道的宽度方向的宽度WRO1设定得比跟前侧的车道的宽度方向的宽度WRI1窄。这样,通过扩大距本车辆M近的一侧的区域,能够容易地在本车辆M侧使第一道路边界与第二道路边界一致。因此,在判定为一致的情况下,基于第二道路边界的位置,来进行本车辆M的自动驾驶控制时,能够容易地抑制本车辆M向车道L1外脱离。判定部136也可以使宽度WLO与宽度WLI为相同的宽度,也可以使宽度WCO与宽度WCI、及宽度WRO与宽度WRI为相同的宽度。判定部136也可以基于规定条件来变更道路边界判定区域。关于由判定部136判定的道路边界判定区域的变更模式,见后述。
判定部136在设定的道路边界判定区域内包含由道路边界识别部134识别到的第二道路边界的情况下,判定为第一道路边界与第二道路边界一致。在图3的例子中,判定部136判定第二道路边界RB1是否包含于道路边界判定区域AL1内,在判定为第二道路边界RB1包含于道路边界判定区域AL1内的情况下,判定为道路划分线LL与第二道路边界RB1一致。另外,同样地,判定部136判定第二道路边界RB2是否包含于道路边界判定区域AC1内,在判定为第二道路边界RB2包含于道路边界判定区域AC1内的情况下,判定为道路划分线CL与第二道路边界RB2一致。另外,判定部136判定第二道路边界RB3是否包含于道路边界判定区域AR1内,在判定为第二道路边界RB3包含于道路边界判定区域AR1内的情况下,判定为道路划分线RL与第二道路边界RB3一致。
判定部136也可以除了在规定区间(例如区间D1)中第二道路边界的全部包含于区域内的情况之外,还在即使第二道路边界的一部分存在于区域外的情况下,也判定为第二道路边界存在于区域内。在该情况下,判定部136例如算出在规定区间中的第二道路边界存在于道路边界判定区域内的比例,在算出的比例为阈值以上的情况下,判定为第一道路边界与第二道路边界一致。判定部136也可以使第二道路边界中的距本车辆M近的一方的道路边界存在于道路边界判定区域内这一情况与距本车辆M远的一方的道路边界存在于道路边界判定区域内这一情况相比增大针对比例的权重。在图3的例子中,判定部136在将基准地点P0到地点P2的区间D2为止的道路边界判定区域(第一区域)中第二道路边界存在于第一区域内的比例设为a,并将在从本车辆M观察时比区间D2靠远方处存在的区间D3(地点P2到地点P1的区间)的道路边界判定区域(第二区域)中、第二道路边界存在于第二区域内的比例设为b的情况下,将权重w(w>1)乘以比例a,来算出第二道路边界存在于道路边界判定区域内的比例(a×w+b),并将算出的结果与阈值比较来判定第二道路边界是否包含于道路边界判定区域内。这样,通过基于距本车辆M的距离对第二道路边界存在于道路边界判定区域内的比例赋予权重来进行判定,能够更适当地进行道路边界的一致判定。区间D2及区间D3的长度可以根据本车辆M的速度、道路形状而可变地设定。
判定部136也可以代替对比例赋予权重而根据距本车辆M的距离来变更道路边界判定区域的大小。例如,与区间D3相比,判定部136使区间D2扩宽判定区域的宽度(与长度方向正交的方向上的长度),由此能够使从本车辆M观察时远方的第二道路边界包含于道路边界判定区域内的比例提高。
判定部136也可以以规定周期多次进行第一道路边界与第二道路边界是否一致的判定,在一致的次数为规定次数以上的情况下,判定为第一道路边界与第二道路边界一致。规定周期例如既可以根据本车辆M的速度、道路信息来变更,也可以是固定周期。由此,能够更加精度好地进行一致判定。判定部136也可以在更新了地图信息的情况下,重置目前为止计数得到的一致次数。由此,能够基于更新后的地图信息来进行精度高的一致判定。
判定部136在判定为第一道路边界与第二道路边界一致的情况下,例如将第一道路边界的位置识别为道路边界位置,并基于识别到的道路边界,来确定本车辆M的位置,或者将其他的识别结果向行动计划生成部140输出。判定部136在判定为第一道路边界与第二道路边界不一致的情况下,例如将第二道路边界的位置识别为道路边界位置,并基于识别到的道路边界,来确定本车辆M的位置,或者将其他的识别结果向行动计划生成部140输出。
[道路边界判定区域的变更]
以下,将由判定部136进行的道路边界判定区域的变更(也包含设定)的处理分为几个变更模式来进行说明。
<第一变更模式>
在第一变更模式中,判定部136根据由车辆传感器40中包含的位置传感器进行的本车辆M的位置检测的精度来变更道路边界判定区域。例如,在作为位置传感器而使用GPS装置的计测结果的情况下,位置误差根据地域、天气等而不同。在“地域”中,不仅包括场所,还包括该场所的周围的地上物(建筑物、隧道、山、树林)等信息。例如在周围存在高层的建筑物的情况、在周围被山包围的道路上行驶的情况下,与在周围不存在建筑物、山的道路上行驶的情况相比,位置误差变大。周围的天气为例如多云、雨、雾的情况下,与晴朗的情况相比,位置误差变大。当位置误差变大时,道路信息取得部132从地图信息取得的第一道路边界与实际的道路边界之间的误差也变大,因此也考虑到即使第一道路边界与第二道路边界一致,该道路边界的位置也未处于正确的位置的情况。因此,判定部136例如在本车辆M不存在成为位置的误差的原因的地上物、天气晴朗着的情况下,判定为本车辆M的位置检测的精度好,在存在成为位置误差的原因的地上物的情况、天气为多云、雨、雾的情况下,判定为本车辆M的位置检测的精度差。而且,判定部136在由位置传感器进行的本车辆M的位置检测的精度差的情况下,与精度好的情况相比将道路边界判定区域设定得较宽,在位置检测的精度好的情况下,与精度差的情况相比将道路边界判定区域设定得较窄。
图4是用于说明道路边界判定区域的变更的图。在图4的例子中,示出了将图3所示的以划分线LL的位置为基准的道路边界判定区域AL1的一部分扩大的情况。以下,针对划分线LL进行的道路边界判定区域的变更处理对于其他的划分线(例如划分线CL、RL)也同样地进行。以后的说明也同样。
在第一变更模式中,道路边界判定区域AL1是基准区域的一例。例如,判定部136在由位置传感器进行的本车辆M的位置检测的精度差的情况下,设定比作为基准区域的道路边界判定区域AL1(或后述的道路边界判定区域AL3)宽的道路边界判定区域AL2。在该情况下,判定部136例如使道路边界判定区域的宽度WL2比道路边界判定区域AL1的宽度WL1宽,扩宽道路边界判定区域AL2。判定部136在设定车道WL2的情况下,可以使从本车辆M观察时比划分线LL靠远离侧(在图4中为划分线LL的左侧)的道路边界判定区域的宽度WLO2比道路边界判定区域AL1的宽度WLO1宽,也可以使从本车辆M观察时比划分线LL靠跟前侧(在图4中为划分线LL的右侧)的道路边界判定区域的宽度WLI2比道路边界判定区域AL1的宽度方向WLI1宽,还可以对这两方进行加宽。这样,在位置传感器的精度差的情况下,通过将道路边界判定区域设定得宽,从而即使位置精度差也能够容易地判定为第一道路边界与第二道路边界一致。
判定部136在由位置传感器进行的本车辆M的位置检测的精度好的情况下,设定比作为基准区域的道路边界判定区域AL1(或道路边界判定区域AL2)窄的道路边界判定区域AL3。在该情况下,判定部136例如使道路边界判定区域AL3的宽度WL3比道路边界判定区域AL1的宽度方向WL1窄而缩窄道路边界判定区域AL3。判定部136在设定车道WL3的情况下,可以使从本车辆M观察时比划分线LL靠远离侧的道路边界判定区域的宽度WLO3比宽度WLO1窄,也可以使从本车辆M观察时比划分线LL靠跟前侧的道路边界判定区域的宽度WLI3比宽度WLI1窄,还可以对这两方进行缩窄。由此,在位置传感器的精度好的情况下,通过缩窄道路边界判定区域,能够更高精度地识别道路边界的位置。
<第二变更模式>
在第二变更模式中,判定部136基于从对地图信息进行制作或更新的年月日起的经过期间,来变更道路边界判定区域。在该情况下,判定部136取得对存储于存储部190的地图信息或经由通信装置20从外部装置取得的地图信息进行制作或更新的年月日,并导出从取得的年月日到当前为止的经过期间。而且,在经过期间为第一规定期间以上的情况下,与小于第一规定期间的情况相比,判定部136将道路边界判定区域设定得较宽。例如,在图4中,在经过期间小于第一规定期间的情况下的道路边界判定区域为区域AL1的情况下,判定部136将经过期间为第一规定期间以上的情况下的道路边界判定区域设定为道路边界判定区域AL2。判定部136也可以根据经过期间的大小来阶段性地加宽道路边界判定区域的宽度而加宽道路边界判定区域整体。在地图信息陈旧的情况下,扩宽道路边界判定区域,由此能够容易地使第一道路边界与第二道路边界一致。因此,能够更适当地识别本车辆M的周围的道路边界等。
判定部136将上述的经过期间小于第二规定期间的情况下的道路边界判定区域设定得比第二规定期间以上的情况窄。第二规定期间是与第一规定期间不同的期间,但也可以是相同的期间。例如,在图4中,在经过期间为第二规定期间以上的情况下的道路边界判定区域为区域AL1的情况下,判定部136将经过期间小于第二规定期间的情况下的道路边界判定区域设定为道路边界判定区域AL3。判定部136也可以根据经过期间的短小程度来阶段性地缩窄道路边界判定区域的宽度而缩窄区域整体。在地图信息新的情况下,精度高,因此通过缩窄道路边界判定区域,能够进行精度好的道路边界的位置判定。
<第三变更模式>
在第三变更模式中,判定部136基于由车辆传感器40检测到的本车辆M的速度,来变更道路边界判定区域,在该情况下,判定部136以例如本车辆M的速度越低则道路边界判定区域越大的方式进行变更。例如,在第三变更模式中,本车辆M的速度VM为第一速度以上的情况下的道路边界判定区域为区域AL3。在该情况下,判定部136将本车辆M的速度小于第一速度的情况下的道路边界判定区域设定为道路边界判定区域AL1,将小于比第一速度慢的第二速度的情况下的道路边界判定区域设定为道路边界判定区域AL2。
根据上述的第三变更模式,能够根据本车辆M的速度,来更适当地进行第一道路边界与第二道路边界之间的一致判定。在速度慢的情况下,每规定时间能够识别出的道路边界的距离变小,由此即使道路边界的识别精度有时与本车辆M的速度快的情况相比降低,也能够抑制识别精度的降低。
<第四变更模式>
在第四变更模式中,判定部136根据存在于本车辆M的周边的其他车辆是否被识别到来变更道路边界判定区域。图5是用于说明识别出其他车辆的情况下的道路边界判定区域的变更模式的图。在图5的例子中,在本车辆M的前方存在在与本车辆M相同的车道L1上以速度Vm1行驶的其他车辆m1、在与车道L1相邻的车道L2上以速度Vm2行驶的其他车辆m2、以及在车道L2上以速度Vm3行驶的其他车辆m3。关于实施方式中的其他车辆的数量,不限定于此。在第四变更模式中,与划分线LL、CL、RL建立了对应关系的道路边界判定区域AL1、AC1、AR1是在本车辆M的周边不存在其他车辆的情况下的道路边界判定区域。
在本车辆M的周边存在其他车辆的情况下,根据其他车辆的位置、道路形状的不同,产生不能够识别从本车辆M观察时存在于比其他车辆靠远离侧的道路边界、因其他车辆而被遮住的道路边界的情况、误识别边界的可能性。因此,判定部136在由识别部130在本车辆M的周边识别到其他车辆的情况下,与未识别到其他车辆的情况相比,将道路边界判定区域设定得窄。
在图5的例子中,识别部130识别其他车辆m1~m3的各自的位置、从本车辆M观察时的方向、速度等。判定部136在由识别部130识别的识别结果中包含在本车辆M的前方行驶的其他车辆的情况下,将道路边界判定区域变更为比道路边界判定区域AL1、AC1、AR1缩窄后的道路边界判定区域AL5、AC5、AR5。判定部136例如通过将道路边界判定区域的宽度WL1、WC1、WR1分别设定为缩窄后的宽度WL5、WC5、WR5,从而设定比道路边界判定区域AL1、AC1、AR1窄的道路边界判定区域AL5、AC5、AR5。
判定部136也可以基于其他车辆的位置、道路形状,来调整道路边界判定区域的大小。例如,在图5所示的位置存在其他车辆m1~m3的情况下,从本车辆M观察时,与划分线LL、CL相比,不能够识别划分线RL的区间较大。因此,判定部136调整道路边界判定区域AR5的宽度WR5,以使道路边界判定区域AR5比道路边界判定区域AL5、AC5窄。在图5的例子中,车道L2为能够向与车道L1同一方向行进的相邻车道,但也可以是,即使在车道L2为车道L1的对向车道的情况下,判定部136也与上述同样地进行道路边界判定区域的变更。
根据上述的第四变更模式,能够在例如存在其他车辆(相邻车辆、对向车辆)的情况下使判定条件严苛,因此能够抑制由于本车辆M的周边存在其他车辆而在边界的识别精度差的状况下开始基于识别结果而进行的驾驶控制。
<第五变更模式>
在第五变更模式中,判定部136根据道路边界中是否包含护栏、缘石、中央隔离带等构造物(道路构造物)来变更道路边界判定区域。图6是用于说明在道路边界中包含构造物的情况下的道路边界判定区域的变更模式的图。在图6的例子中,示出了本车辆M行驶的划分线LL#的一部分。道路信息取得部132基于本车辆M的位置信息,参照地图信息(第一地图信息54、第二地图信息62),来取得包含以本车辆M的位置信息为基准的周边的道路边界在内的道路构造物信息。在地图信息中,各道路边界包含该边界的类别,因此通过参照地图信息,能够取得是如在道路上描绘出该边界的行车道标志等这样车辆能够通过的边界,还是如缘石、护栏这样车辆不能通过的边界的信息。在图6的例子中,道路划分线LL#是包含缘石的道路边界。
判定部136例如在根据由道路信息取得部132取得的构造物而判定为道路划分线LL#是包含缘石的不能通过的划分线的情况下,设定比在是能够通过的道路构造物信息的情况下设定的道路边界判定区域窄的道路边界判定区域。在图6的例子中,将在是能够通过的划分线的情况下的道路边界判定区域设为区域AL1时,判定部136将比区域AL1窄的区域AL6设定为道路边界判定区域。具体而言,通过变更为比道路边界判定区域AL1的宽度WL1短的宽度WL6,设定比道路边界判定区域AL1窄的道路边界判定区域AL6。宽度WL6可以变更为比从本车辆M观察时划分线的远离侧的宽度WLO短的宽度WLO6,也可以变更为比从本车辆M观察时跟前侧的宽度WLI短的宽度WLI6,还可以是对这两方进行变更。
判定部136也可以在根据由道路信息取得部132取得的构造物信息而判定为道路划分线LL#是能够通过的划分线的情况下,设定比在是包含不能通过的构造物的划分线的情况下设定的道路边界判定区域宽的道路边界判定区域。在图6的例子中,在将是不能通过的划分线的情况下的道路边界判定区域设为道路边界判定区域AL6的情况下,判定部136设定比道路边界判定区域AL6宽的道路边界判定区域AL1。
根据上述的第五变更模式,能够根据道路边界的类别,来更适当地进行一致判定。例如,在是本车辆M不能通过的道路边界的情况下,不允许本车辆M脱离车道,因此使一致精度优先,在是本车辆M能够通过的道路边界的情况下,允许本车辆M脱离车道,因此能够使一致判定容易。
<变更模式的变形例>
上述的第一变更模式~第五变更模式也可以分别组合其他的变更模式的一部分或全部。上述的第一变更模式~第五变更模式也可以代替使道路边界判定区域的宽度沿着延伸方向均匀地变更,而阶段性变更。
图7是用于说明使道路边界判定区域的宽度阶段性地变更的图。判定部136在扩宽道路边界判定区域AL1的情况下,使道路边界判定区域的宽度WL从宽度WL1起阶段性地变宽,来设定道路边界判定区域AL7。在图7的例子中,判定部136对从基准位置P0到前方(行进方向)的地点P1的区间中的、在从基准位置P1起到前方规定距离处的某地点P2的区间D4设定宽度WL1,在从地点P2到地点P3的区间D5中设定为比宽度WL1宽的宽度WLA。而且,判定部136在从地点P3到地点P4的区间D6中设定为比宽度WLA宽的宽度WLB,在从地点P4到地点P1的区间D7中设定为比宽度WLA宽的宽度WLC。区间D4~D7的各自的长度也可以基于本车辆M的车速、道路形状而可变地变更,还可以根据变更道路边界判定区域的条件(例如变更模式)而可变地设定。当道路边界判定区域的宽度过窄时,难以判定为一致,因此难以进行自动驾驶等控制,相反地,当宽度过宽时,容易识别道路边界。因此,判定部136设定宽度的最大值、最小值并进行调整以免进行该宽度的最大值、最小值以上的变化,由此能够基于判定结果,来执行更适当的驾驶控制。
判定部136也可以代替如上述那样阶段性地加宽宽度,而根据距本车辆M的距离来加宽宽度。图8是用于说明根据距本车辆M的距离来加宽道路边界判定区域的宽度的图。判定部136在加宽对从基准地点P0到地点P1的区间D1设定的道路边界判定区域的情况下,在从基准地点P0到地点P5的区间D8,根据距地点P0(换言之本车辆M的位置)的距离的长度而从宽度WL1线性地加宽到宽度WLD,由此能够加宽整体的道路边界判定区域AL8。当过度加宽宽度时,容易误识别道路边界,因此判定部136也可以调整宽度以免成为规定宽度以上。在图8的例子中,将从地点P5到地点P1的区间的道路边界判定区域的宽度设定为WL1。
判定部136也可以在缩窄道路边界判定区域的情况下,在规定区间,根据从本车辆M的跟前的地点分离开的距离来线性地缩窄区域的宽度。由此,能够根据本车辆M的周边状况、道路状况等,更灵活地变更道路边界判定区域。
[处理流程]
图9是表示由包含实施方式的周边识别装置在内的自动驾驶控制装置100执行的处理的流程的一例的流程图。图9所示的处理在规定时机或以规定周期反复执行。例如,图9所示的处理在由自动驾驶控制装置100进行的自动驾驶执行中的期间反复执行。
在图9的处理中,道路信息取得部132从车辆传感器40取得本车辆M的位置信息(步骤S100)。接着,道路信息取得部132基于取得的位置信息而从地图信息取得本车辆的周围的边界信息(第一道路边界)(步骤S110)。接着,道路边界识别部134基于外界传感器的输出来识别本车辆M的周围的道路环境(第二道路环境)(步骤S120)。
接着,判定部136设定以第一道路边界为基准的道路边界判定区域(步骤S130)。接着,判定部136判定第一道路边界与第二道路边界是否一致(步骤S140)。在判定为第一道路边界与第二道路边界一致的情况下,判定部136使用第一道路边界来确定本车辆M的位置(步骤S150)。在判定为第一道路边界与第二道路边界不一致的情况下,判定部136使用第二道路边界来确定道路边界的位置(步骤S160)。在步骤S150及步骤S160的处理后,自动驾驶控制装置100基于由判定部136确定的道路边界的位置来执行驾驶控制(步骤170)。在步骤S170的处理中,也可以包含基于识别部130的识别结果进行的行动计划生成部140及第二控制部160的处理的一部分或全部。由此,本流程图的处理结束。
根据上述的实施方式,在周边识别装置中,具备:道路信息取得部132,其基于本车辆M的位置信息而从地图信息取得包含本车辆M的周边的道路边界在内的第一道路信息;道路边界识别部134,其基于外界传感器的输出来识别本车辆M的周边的道路边界;以及判定部136,其在以由道路信息取得部132取得的第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为道路边界识别部134的识别结果的第二道路信息中包含的第二道路边界的情况下,判定为第一道路边界与所述第二道路边界一致,判定部136基于规定条件来设定所述道路边界判定区域的大小,由此能够使车辆周边的识别精度提高。根据本实施方式,在外界传感器的信息与地图信息是否一致的判定中,能够通过适当地变更判定条件来恰当地进行一致判定。能够调整边界判定的条件,因此能够基于识别结果而使本车辆M相对于道路的位置的识别精度提高,能够执行基于识别结果进行的更恰当的自动驾驶控制。
[变形例]
上述的实施方式也可以代替识别本车辆M的周围的道路边界(或除此之外还)识别道路信息中包含的桥、隧道、交叉路口等道路形状。另外,上述的道路边界判定区域不仅包含本车辆M的前方的区域,也可以包含本车辆M的侧方、后方的区域。
[硬件结构]
图10是表示实施方式的周边识别装置的硬件结构的一例的图。如图所示,周边识别装置300的计算机成为通信控制器300-1、CPU300-2、作为工作存储器而使用的RAM300-3、保存引导程序等的ROM300-4、闪存器、HDD等存储装置300-5、驱动装置300-6等由内部总线或者专用通信线相互连接而成的结构。通信控制器300-1进行与周边识别装置300以外的构成要素之间的通信。在驱动装置300-6装配光盘等可移动型存储介质(例如,计算机可读入的非暂时性存储介质)。在存储装置300-5保存CPU300-2执行的程序300-5a。该程序通过DMA(Direct Memory Access)控制器(未图示)等向RAM300-3展开,并由CPU300-2执行。CPU300-2参照的程序300-5a也可以保存于在驱动装置300-6装配的可移动型存储介质,还可以经由网络从其他装置下载。由此,实现周边识别装置的各构成要素中的一部分或全部。
上述说明的实施方式能够如以下这样表现。
一种周边识别装置,其构成为具备:
存储装置,其存储有程序;以及
硬件处理器,
所述硬件处理器通过执行存储于所述存储装置的程序来进行如下处理:
基于本车辆的位置信息而从地图信息取得包含所述本车辆的周边的道路边界在内的第一道路信息;
基于外界传感器的输出来识别所述本车辆的周边的道路边界;
在以取得的所述第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为识别到的结果的第二道路信息中包含的第二道路边界的情况下,判定为所述第一道路边界与所述第二道路边界一致;以及
基于规定条件来设定所述道路边界判定区域的大小。
以上使用实施方式说明了本发明的具体实施方式,但本发明丝毫不被这样的实施方式限定,在不脱离本发明的主旨的范围内能够施加各种变形及替换。
Claims (11)
1.一种周边识别装置,其中,
所述周边识别装置具备:
取得部,其基于本车辆的位置信息而从地图信息取得包含所述本车辆的周边的道路边界在内的第一道路信息;
识别部,其基于外界传感器的输出来识别所述本车辆的周边的道路边界;以及
判定部,其在以由所述取得部取得的第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为所述识别部的识别结果的第二道路信息中包含的第二道路边界的情况下,判定为所述第一道路边界与所述第二道路边界一致,
所述判定部基于规定条件来设定所述道路边界判定区域的大小。
2.根据权利要求1所述的周边识别装置,其中,
所述道路边界判定区域是以所述第一道路边界的位置为基准而在与所述第一道路边界的长度方向正交的方向上具有规定的宽度的区域,从所述本车辆观察时比所述第一道路边界靠远离侧的区域与比所述第一道路边界靠跟前侧的区域相比较窄。
3.根据权利要求1所述的周边识别装置,其中,
所述周边识别装置还具备位置计测部,该位置计测部计测所述本车辆的位置,
所述判定部基于由所述位置计测部计测出的所述本车辆的位置精度来设定所述道路边界判定区域的大小。
4.根据权利要求1所述的周边识别装置,其中,
所述判定部基于从所述地图信息被制作出或更新的年月日起的经过期间,来设定所述道路边界判定区域的大小。
5.根据权利要求1所述的周边识别装置,其中,
所述判定部算出规定区间中包含的所述第二道路边界存在于所述道路边界判定区域内的比例,在算出的比例为阈值以上的情况下,所述判定部判定为所述第一道路边界与所述第二道路边界一致,
对于所述第二道路边界中的距所述本车辆近的第一区域的道路边界存在于所述道路边界判定区域内这一情况,与从所述本车辆观察时处于比所述第一区域靠远方处的第二区域的道路边界存在于所述道路边界判定区域内这一情况相比,增大针对所述比例的权重。
6.根据权利要求2所述的周边识别装置,其中,
所述判定部基于所述本车辆的速度,来扩宽所述道路边界判定区域的宽度。
7.根据权利要求1所述的周边识别装置,其中,
所述判定部在由所述识别部在所述本车辆的周边识别到其他车辆的情况下,与没有识别到所述其他车辆的情况相比,缩窄所述道路边界判定区域。
8.根据权利要求1所述的周边识别装置,其中,
所述判定部多次进行所述第一道路边界与所述第二道路边界是否一致的判定,在一致的次数为规定次数以上的情况下,所述判定部判定为所述第一道路边界与所述第二道路边界一致,在所述地图信息被更新了的情况下,所述判定部重置所述一致的次数。
9.根据权利要求1所述的周边识别装置,其中,
所述判定部在所述第一道路边界包含构造物的情况下,与不包含所述构造物的情况相比,缩窄所述道路边界判定区域。
10.一种周边识别方法,其中,
所述周边识别方法使计算机进行如下处理:
基于本车辆的位置信息而从地图信息取得包含所述本车辆的周边的道路边界在内的第一道路信息;
基于外界传感器的输出来识别所述本车辆的周边的道路边界;
在以取得的所述第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为识别的结果的第二道路信息中包含的第二道路边界的情况下,判定为所述第一道路边界与所述第二道路边界一致;以及
基于规定条件来设定所述道路边界判定区域的大小。
11.一种存储介质,其存储有程序,其中,
所述程序使计算机进行如下处理:
基于本车辆的位置信息而从地图信息取得包含所述本车辆的周边的道路边界在内的第一道路信息;
基于外界传感器的输出来识别所述本车辆的周边的道路边界;
在以取得的所述第一道路信息中包含的第一道路边界的位置为基准的道路边界判定区域内存在作为识别的结果的第二道路信息中包含的第二道路边界的情况下,判定为所述第一道路边界与所述第二道路边界一致;以及
基于规定条件来设定所述道路边界判定区域的大小。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020019193A JP7469896B2 (ja) | 2020-02-06 | 2020-02-06 | 周辺認識装置、周辺認識方法、およびプログラム |
JP2020-019193 | 2020-02-06 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113291309A true CN113291309A (zh) | 2021-08-24 |
CN113291309B CN113291309B (zh) | 2024-05-17 |
Family
ID=77178397
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110106889.1A Active CN113291309B (zh) | 2020-02-06 | 2021-01-26 | 周边识别装置、周边识别方法及存储介质 |
Country Status (3)
Country | Link |
---|---|
US (1) | US11631257B2 (zh) |
JP (1) | JP7469896B2 (zh) |
CN (1) | CN113291309B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116399364A (zh) * | 2023-06-09 | 2023-07-07 | 青岛慧拓智能机器有限公司 | 车辆行驶路网生成方法、装置、芯片、终端、设备和介质 |
Families Citing this family (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US10870426B2 (en) * | 2017-06-22 | 2020-12-22 | Magna Electronics Inc. | Driving assistance system with rear collision mitigation |
JP6969962B2 (ja) * | 2017-10-05 | 2021-11-24 | トヨタ自動車株式会社 | 車両の運転支援及び/又は走行制御のための地図情報提供システム |
JP7469896B2 (ja) * | 2020-02-06 | 2024-04-17 | 本田技研工業株式会社 | 周辺認識装置、周辺認識方法、およびプログラム |
KR20220128153A (ko) * | 2021-03-12 | 2022-09-20 | 현대자동차주식회사 | 차로 유지 제어 장치, 그를 포함한 차량 시스템 및 그 방법 |
EP4074581A1 (en) * | 2021-04-14 | 2022-10-19 | Volvo Truck Corporation | A method for generating a map of an area to be used for guiding a vehicle |
CN113761601A (zh) * | 2021-09-10 | 2021-12-07 | 联想(北京)有限公司 | 控制方法、装置及计算机可读存储介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150367781A1 (en) * | 2014-06-24 | 2015-12-24 | Toyota Jidosha Kabushiki Kaisha | Lane boundary estimation device and lane boundary estimation method |
US20180345968A1 (en) * | 2017-06-02 | 2018-12-06 | Honda Motor Co., Ltd. | Vehicle controller, vehicle control method, and storage medium |
JP2019156075A (ja) * | 2018-03-09 | 2019-09-19 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、及びプログラム |
CN110271547A (zh) * | 2018-03-15 | 2019-09-24 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法以及存储介质 |
Family Cites Families (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP4428277B2 (ja) | 2005-04-07 | 2010-03-10 | トヨタ自動車株式会社 | 物体検出装置 |
JP4988786B2 (ja) * | 2009-04-09 | 2012-08-01 | 株式会社日本自動車部品総合研究所 | 境界線認識装置 |
US9494438B1 (en) | 2015-12-15 | 2016-11-15 | Honda Motor Co., Ltd. | System and method for verifying map data for a vehicle |
JP6870475B2 (ja) | 2017-05-25 | 2021-05-12 | 日産自動車株式会社 | 車線情報出力方法および車線情報出力装置 |
MX2020002171A (es) | 2017-08-30 | 2020-07-14 | Nissan Motor | Metodo de correccion de posicion y dispositivo de correccion de error de posicion para vehiculo de conduccion asistida. |
JP6900930B2 (ja) | 2018-04-13 | 2021-07-14 | トヨタ自動車株式会社 | 車両走行制御装置 |
US10867190B1 (en) * | 2019-11-27 | 2020-12-15 | Aimotive Kft. | Method and system for lane detection |
JP7469896B2 (ja) * | 2020-02-06 | 2024-04-17 | 本田技研工業株式会社 | 周辺認識装置、周辺認識方法、およびプログラム |
-
2020
- 2020-02-06 JP JP2020019193A patent/JP7469896B2/ja active Active
-
2021
- 2021-01-26 CN CN202110106889.1A patent/CN113291309B/zh active Active
- 2021-02-02 US US17/164,853 patent/US11631257B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150367781A1 (en) * | 2014-06-24 | 2015-12-24 | Toyota Jidosha Kabushiki Kaisha | Lane boundary estimation device and lane boundary estimation method |
US20180345968A1 (en) * | 2017-06-02 | 2018-12-06 | Honda Motor Co., Ltd. | Vehicle controller, vehicle control method, and storage medium |
JP2019156075A (ja) * | 2018-03-09 | 2019-09-19 | 本田技研工業株式会社 | 車両制御装置、車両制御方法、及びプログラム |
CN110271547A (zh) * | 2018-03-15 | 2019-09-24 | 本田技研工业株式会社 | 车辆控制装置、车辆控制方法以及存储介质 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116399364A (zh) * | 2023-06-09 | 2023-07-07 | 青岛慧拓智能机器有限公司 | 车辆行驶路网生成方法、装置、芯片、终端、设备和介质 |
CN116399364B (zh) * | 2023-06-09 | 2023-08-15 | 青岛慧拓智能机器有限公司 | 车辆行驶路网生成方法、装置、芯片、终端、设备和介质 |
Also Published As
Publication number | Publication date |
---|---|
CN113291309B (zh) | 2024-05-17 |
JP2021125054A (ja) | 2021-08-30 |
US11631257B2 (en) | 2023-04-18 |
JP7469896B2 (ja) | 2024-04-17 |
US20210248391A1 (en) | 2021-08-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110531755B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN113291309B (zh) | 周边识别装置、周边识别方法及存储介质 | |
US11247692B2 (en) | Prediction device, prediction method, and storage medium | |
CN110267856B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US11225249B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
US20190359209A1 (en) | Vehicle control device, vehicle control method, and vehicle control program | |
US20190276027A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
JP6641583B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
US20190278285A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
US20190276029A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN110271542B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US20190283740A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
US11390284B2 (en) | Vehicle controller, vehicle control method, and storage medium | |
JP7010981B2 (ja) | 車両制御装置、車両制御方法、およびプログラム | |
CN112298181A (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
US11634139B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
JP2020050108A (ja) | 車両制御装置、車両制御方法、及びプログラム | |
US20230174097A1 (en) | Autonomous driving assistance system | |
US12033403B2 (en) | Vehicle control device, vehicle control method, and storage medium | |
US20240051531A1 (en) | Vehicle control device, vehicle control method, and storage medium | |
CN111688693B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN110194153B (zh) | 车辆控制装置、车辆控制方法及存储介质 | |
CN109559540B (zh) | 周边监视装置、周边监视方法及存储介质 | |
US20220306150A1 (en) | Control device, control method, and storage medium | |
US20220055615A1 (en) | Vehicle control device, vehicle control method, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |