CN115140080A - 车辆控制装置及方法、路径生成装置及方法、存储介质 - Google Patents

Abstract

提供能够使驾驶支援功能的稳健性提高的车辆控制装置及方法、路径生成装置及方法、存储介质。车辆控制装置具备：识别部，基于包括相机的物体检测装置的检测结果来识别本车辆周边的状况；以及行动计划生成部，其基于由所述识别部识别出的本车辆周边的识别结果来生成本车辆的行动计划，所述行动计划生成部在预测到在本车辆的行驶中所述相机成为逆光状态的情况下，生成用于在预测到所述相机变为逆光状态的预测地点及预测时机避免所述相机实际成为逆光状态的行动计划。

Description

车辆控制装置及方法、路径生成装置及方法、存储介质

技术领域

本发明涉及车辆控制装置、路径生成装置、车辆控制方法、路径生成方法及存储介质。

背景技术

以往，为了实现支援车辆的驾驶的功能，开发了使用毫米波雷达或红外线激光雷达、立体相机、单眼相机等多个检测机构来识别车辆周边的环境的技术。例如，提出了在以摄像机构和雷达机构这两方的检测结果为基础来识别周边环境的情况下，抑制因误识别引起的驾驶支援功能的误工作的技术(专利文献1)。

在先技术文献

专利文献

专利文献1：日本特开2005-145396号公报

发明内容

发明要解决的课题

然而，在以往的技术中，由于在检测到对摄像机构的逆光的情况下，限制驾驶支援功能，因此有时无法在必要的时机使驾驶支援功能工作。

本发明是考虑这样的情况而完成的，其目的之一在于，能够使驾驶支援功能的稳健性(Robustness)提高的车辆控制装置、路径生成装置、车辆控制方法、路径生成方法及存储介质。

用于解决课题的方案

本发明的车辆控制装置、路径生成装置、车辆控制方法、路径生成方法及存储介质采用以下的结构。

(1)：本发明的一方案的车辆控制装置具备：识别部，其基于包括相机的物体检测装置的检测结果来识别本车辆周边的状况；以及行动计划生成部，其基于由所述识别部识别出的本车辆周边的识别结果来生成本车辆的行动计划，所述行动计划生成部在预测到在本车辆的行驶中所述相机成为逆光状态的情况下，生成用于在预测到所述相机变为逆光状态的预测地点及预测时机避免所述相机实际成为逆光状态的行动计划。

(2)：在上述(1)的方案中，所述行动计划生成部生成使本车辆在所述预测时机不在所述预测地点行驶的行动计划即第一逆光避免计划、或者生成在所述预测时机利用本车辆的周边环境而使所述相机不成为逆光状态的方式进行定位地在所述预测地点行驶的第二逆光避免计划。

(3)：在上述(2)的方案中，所述行动计划生成部生成绕过所述预测地点的行动计划来作为所述第一逆光避免计划。

(4)：在上述(2)的方案中，所述行动计划生成部生成在所述相机不成为逆光状态的时机在所述预测地点行驶的行动计划来作为所述第一逆光避免计划。

(5)：在上述(2)至(4)任一方案中，所述行动计划生成部生成以隐藏于在本车辆的周边存在的其他车辆的影子中而行驶的方式进行定位的行动计划来作为所述第二逆光避免计划。

(6)：在上述(1)至(5)任一方案中，所述行动计划生成部基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并且基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息来判定所述相机是否成为逆光状态。

(7)：本发明的一方案的车辆控制方法使计算机执行如下处理：基于包括相机的物体检测装置的检测结果来识别本车辆周边的状况的外界识别处理；以及基于所述本车辆周边的状况的识别结果来生成本车辆的行动计划的行动计划生成处理，在所述行动计划生成处理中，在预测到在本车辆的行驶中所述相机成为逆光状态的情况下，生成用于在预测到所述相机变为逆光状态的预测地点及预测时机避免所述相机实际成为逆光状态的行动计划。

(8)：本发明的一方案的存储介质存储有程序，所述程序使计算机执行如下处理：基于包括相机的物体检测装置的检测结果来识别本车辆周边的状况的外界识别处理；以及基于所述本车辆周边的状况的识别结果来生成本车辆的行动计划的行动计划生成处理，在所述行动计划生成处理中，在预测到在本车辆的行驶中所述相机成为逆光状态的情况下，生成用于在预测到所述相机变为逆光状态的预测地点及预测时机避免所述相机实际成为逆光状态的行动计划。

(9)：本发明的一方案的路径生成装置具备：输入部，其接受出发地点及目的地的信息的输入；路径决定部，其基于输入到所述输入部的所述出发地点及目的地的信息和包含道路形状的地图信息来决定从所述出发地点到目的地为止的行驶路径，所述路径决定部基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息，决定搭载于本车辆且拍摄本车辆前方的相机不成为逆光状态那样的行驶路径。

(10)：本发明的一方案的路径生成方法使计算机执行如下处理：输入出发地点及目的地的信息；以及基于所输入的所述出发地点及目的地的信息和包含道路形状的地图信息来决定从所述出发地点到目的地为止的行驶路径的路径决定处理，在所述路径决定处理中，基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息，决定搭载于本车辆且拍摄本车辆前方的相机不成为逆光状态那样的行驶路径。

(11)：本发明的一方案的存储介质存储有程序，所述程序使计算机执行如下处理：输入出发地点及目的地的信息；以及基于所输入的所述出发地点及目的地的信息和包含道路形状的地图信息来决定从所述出发地点到目的地为止的行驶路径的路径决定处理，在所述路径决定处理中，基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息，决定搭载于本车辆且拍摄本车辆前方的相机不成为逆光状态那样的行驶路径。

发明效果

根据上述(1)～(11)的方式，能够使驾驶支援功能的稳健性提高。

附图说明

图1是利用了实施方式的车辆控制装置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是表示驾驶模式、本车辆的控制状态及任务的对应关系的一例的图。

图4是表示生成在迂回路径行驶的行动计划的例子来作为实施方式中的第一逆光避免计划的一例的图。

图5是表示生成用于在相机不成为逆光状态的时机在推定为逆光预测地点的地点(位置)行驶的行动计划的例子来作为实施方式中的第一逆光避免计划的一例的图。

图6是对实施方式中的第二逆光避免计划的一例进行说明的图。

图7是表示在实施方式的自动驾驶控制装置中行动计划生成部生成第一逆光避免计划或第二逆光避免计划来避免逆光的第一逆光避免处理的流程的一例的流程图。

图8是表示在实施方式的导航装置中路径决定部决定逆光避免路径的第二逆光避免处理的流程的一例的流程图。

附图标记说明：

1…车辆系统、10…相机、12…雷达装置、14…LIDAR、16…物体识别装置、20…通信装置、30…HMI、40…车辆传感器、50…导航装置、51…GNSS接收机、52…导航HMI、53…路径决定部、54…第一地图信息、60…MPU、61…推荐车道决定部、62…第二地图信息、70…驾驶员监视相机、80…驾驶操作件、82…转向盘、84…转向盘把持传感器、100…自动驾驶控制装置、120…第一控制部、130…识别部、140…行动计划生成部、150…模式决定部、152…驾驶员状态判定部、154…模式变更处理部、160…第二控制部、162…取得部、164…速度控制部、166…转向控制部、200…行驶驱动力输出装置、210…制动装置、220…转向装置。

具体实施方式

以下，参照附图对本发明的车辆控制装置、路径生成装置、车辆控制方法、路径生成方法及存储介质的实施方式进行说明。

[整体结构]

图1是利用了实施方式的车辆控制装置的车辆系统1的结构图。搭载车辆系统1的车辆例如是二轮、三轮、四轮等车辆，其驱动源是柴油发动机、汽油发动机等内燃机，电动机或它们的组合。电动机使用由内燃机连结的发电机发出的发电电力、或二次电池、燃料电池的放电电力来动作。

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、驾驶员监视相机70、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、转向装置220。这些装置、设备通过CAN(Controller Area Network)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。需要说明的是，图1所示的结构只是一例，可以省略结构的一部分，也可以还追加别的结构。

相机10例如是利用了CCD(Charge Coupled Device)、CMOS(ComplementaryMetalOxideSemiconductor)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的车辆(以下，称作本车辆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、车室内后视镜背面等。相机10例如周期性地反复拍摄本车辆M的周边。相机10也可以是立体相机。

雷达装置12向本车辆M的周边放射毫米波等电波，并且检测由物体反射的电波(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(或与光接近的波长的电磁波)，并测定散射光。LIDAR14基于从发光到受光的时间，来检测到对象的距离。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也可以将相机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。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)等，来与存在于本车辆M的周边的其他车辆通信，或者经由无线基地局而与各种服务器装置通信。

HMI30对本车辆M的乘员提示各种信息，并且接受由乘员进行的输入操作。HMI30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、检测绕铅垂轴的角速度的横摆角速度传感器、检测本车辆M的朝向的方位传感器等。

导航装置50例如具备GNSS(Global Navigation Satellite System)接收机51、导航HMI52、路径决定部53。导航装置50将第一地图信息54保持于HDD(Hard Disk Drive)、闪存器等存储装置。GNSS接收机51基于从GNSS卫星接收到的信号，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)确定或补充。导航HMI52包括显示装置、扬声器、触摸面板、按键等。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(或者输入的任意位置)到由乘员使用导航HMI52而输入的目的地为止的路径(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路段和由路段连接的节点来表现道路形状的信息。第一地图信息54也可以包括道路的曲率、POI(Point Of Interest)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例如也可以通过乘员持有的智能手机、平板终端等终端装置的功能来实现。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。

另外，在本实施方式的导航装置50中，在第一地图信息中包括道路、道路以外的构造物、地形等三维信息(以下称作“三维地图信息”)，路径决定部53具有基于该三维地图信息来决定在本车辆的行驶中相机10不成为逆光状态的行驶路径(以下称作“逆光避免路径”)的功能。关于决定逆光避免路径的功能的详细情况，见后述。

需要说明的是，导航装置50例如通过CPU(Central Processing Unit)等硬件处理器执行程序(软件)而实现。另外，这些的构成要素中的一部分或者全部可以由LSI(LargeScale Integration)、ASIC(Application Specific Integrated Circuit)、FPGA(Field-Programmable Gate Array)、GPU(Graphics Processing Unit)等硬件(包括电路部；circuitry)实现，也可以通过软件与硬件的协同配合来实现。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)装配于驱动器装置而安装于自动驾驶控制装置100的HDD、闪存器。需要说明的是，导航装置50是本发明中的“路径生成装置”的一例。

MPU60例如包括推荐车道决定部61，将第二地图信息62保持于HDD、闪存器等存储装置。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而针对每个区块决定推荐车道。推荐车道决定部61进行在从左数第几个车道上行驶这样的决定。推荐车道决定部61在地图上路径存在分支部位的情况下，决定推荐车道，以使本车辆M能够在用于向目的地行进的合理的路径上行驶。

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例如包括车道的中央的信息或车道的边界的信息等。另外，在第二地图信息62中，可以包括道路信息、交通限制信息、住所信息(住所、邮政编码)、设施信息、电话号码信息、禁止后述的模式A或模式B的禁止区间的信息等。第二地图信息62可以通过通信装置20与其他装置通信而被随时更新。

驾驶员监视相机70例如利用了CCD、CMOS等固体摄像元件的数码相机。驾驶员监视相机70以能够从正面(采取拍摄面部的朝向)对本车辆M的驾驶座上就座的乘员(以下称作驾驶员)的头部进行拍摄的位置及朝向，安装于本车辆M中的任意部位。例如，驾驶员监视相机70安装于在本车辆M的仪表板的中央部设置的显示器装置的上部。

驾驶操作件80例如除了转向盘82以外，还包括加速器踏板、制动踏板、换挡杆、其他操作件。在驾驶操作件80上安装有检测操作量或操作的有无的传感器，其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中的一部分或全部输出。转向盘82是“接受由驾驶员进行的转向操作的操作件”的一例。操作件无需一定为环状，也可以是异形转向器、操纵杆、按钮等形态。在转向盘82上安装有转向盘把持传感器84。转向盘把持传感器84由静电容量传感器等实现，将能够检知驾驶员是否把持着(是指以施加力的状态接触)转向盘82的信号向自动驾驶控制装置100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。第一控制部120和第二控制部160分别例如通过CPU等硬件处理器执行程序(软件)来实现。另外，这些构成要素中的一部分或全部可以由LSI、ASIC、FPGA、GPU等硬件(包括电路部；circuitry)实现，也可以通过软件与硬件的协同配合来实现。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)装配于驱动器装置而安装于自动驾驶控制装置100的HDD、闪存器。自动驾驶控制装置100是“车辆控制装置”的一例。

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、行动计划生成部140、模式决定部150。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和基于预先给出的条件(存在能够进行图案匹配的信号、道路标示等)的识别，并对双方评分而综合地评价”来实现。由此，确保自动驾驶的可靠性。

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及速度、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。物体的位置可以由该物体的重心、角部等代表点表示，也可以由区域表示。物体的“状态”也可以包括物体的加速度、加加速度、或者“行动状态”(例如是否正进行车道变更或要进行车道变更)。

另外，识别部130例如识别本车辆M行驶着的车道(行驶车道)。例如，识别部130将从第二地图信息62得到的道路划分线的图案(例如实线与虚线的排列)与根据由相机10拍摄到的图像而识别出的本车辆M的周边的道路划分线的图案进行比较，由此识别行驶车道。需要说明的是，识别部130不限于道路划分线，也可以通过识别道路划分线、包括路肩、缘石、中央隔离带、护栏等在内的行驶路边界(道路边界)，来识别行驶车道。在该识别中，也可以加进从导航装置50取得的本车辆M的位置、由INS处理的处理结果。另外，识别部130识别暂时停止线、障碍物、红灯、收费站、其他道路现象。

识别部130在识别行驶车道时，识别本车辆M相对于行驶车道的位置、姿势。识别部130例如也可以识别本车辆M的基准点从车道中央的偏离、以及本车辆M的行进方向相对于将车道中央相连的线所成的角度，来作为本车辆M相对于行驶车道的相对位置及姿势。也可以代替于此，识别部130识别本车辆M的基准点相对于行驶车道的任意侧端部(道路划分线或道路边界)的位置等，来作为本车辆M相对于行驶车道的相对位置。

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、而且能够应对本车辆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)依次排列而成的轨道。轨道点是按沿途距离计每隔规定的行驶距离(例如几[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。另外，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表现。

具体而言，在本实施方式的自动驾驶控制装置100中，当预测到在本车辆的行驶中相机10成为逆光状态时，在预测到相机10变为逆光状态的地点(以下称作“逆光预测地点”)处，行动计划生成部140生成避免相机10实际成为逆光状态的行动计划(以下称作“逆光避免计划”)。在此，逆光预测地点不仅包括位置的概念，还包括时间的概念。这是因为，即使是相同的地点，由于时间的不同也不会成为逆光地点。

例如，逆光避免计划能够分类为使本车辆不在逆光预测地点行驶的第一逆光避免计划、以及使本车辆在相机10不变为逆光状态时在逆光预测地点行驶的第二逆光避免计划。例如，行动计划生成部140可以生成绕过逆光预测地点的行动计划来作为第一逆光避免计划，并且可以生成在相机10不成为逆光状态的时机在逆光预测地点行驶的行动计划。另外，例如，作为第二逆光避免计划，行动计划生成部140可以生成如下行动计划，在逆光预测地点行驶时利用周边环境进行定位，使得相机10不成为逆光状态。

需要说明的是，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。在自动驾驶的事件中，存在定速行驶事件、低速追随行驶事件、车道变更事件、分支事件、汇合事件、接管事件等。行动计划生成部140生成与起动了的事件相应的目标轨道。

模式决定部150将本车辆M的驾驶模式决定为对驾驶员布置的任务不同的多个驾驶模式中的任一种模式。模式决定部150例如具备驾驶员状态判定部152、模式变更处理部154。关于他们的单独的功能，见后述。

图3是表示驾驶模式、本车辆M的控制状态、以及任务的对应关系的一例的图。在本车辆M的驾驶模式中，例如存在模式A至模式E这5个模式。就控制状态即本车辆M的驾驶控制的自动化的程度而言，模式A最高，接着按模式B、模式C、模式D的顺序降低，模式E最低。相反，就对驾驶员布置的任务而言，模式A是最轻度，接着按模式B、模式C、模式D的顺序成为重度，模式E是最重度。需要说明的是，在模式D及E中，成为不是自动驾驶的控制状态，因此作为自动驾驶控制装置100而职责是结束自动驾驶的控制，并移到驾驶支援或手动驾驶。以下，关于各个驾驶模式的内容而进行例示。

在模式A中，成为自动驾驶的状态，对驾驶员不布置前方监视、转向盘82的把持(在图中称作转向把持)中的任何任务。不过，即便是模式A，也要求驾驶员是能够根据来自以自动驾驶控制装置100为中心的系统的要求而迅速地转移至手动驾驶的身体姿势。需要说明的是，在此所说的自动驾驶是指转向、加减速均不依赖于驾驶员的操作而被控制。前方是指隔着前风窗玻璃而视觉辨识的本车辆M的行进方向的空间。模式A例如是在高速道路等自动车专用道路上本车辆M以规定速度(例如50[km/h]程度)以下行驶、且在满足追随对象的前行车辆存在等条件的情况下能够执行的驾驶模式，模式A也有时称作TJP(Traffic JamPilot)。在不满足该条件的情况下，模式决定部150将本车辆M的驾驶模式变更为模式B。

在模式B中，成为驾驶支援的状态，对驾驶员布置监视本车辆M的前方的任务(以下称作前方监视)，但不布置把持转向盘82的任务。在模式C中，成为驾驶支援的状态，对驾驶员布置前方监视的任务和把持转向盘82的任务。模式D是关于本车辆M的转向和加减速中的至少一方而需要某种程度的驾驶员进行的驾驶操作的驾驶模式。例如，在模式D中，进行ACC(Adaptive Cruise Control)、LKAS(Lane Keeping Assist System)这样的驾驶支援。在模式E中，成为转向、加减速均需要由驾驶员进行的驾驶操作的手动驾驶的状态。模式D、模式E中当然均对驾驶员布置监视本车辆M的前方的任务。

自动驾驶控制装置100(及驾驶支援装置(未图示))执行与驾驶模式相应的自动车道变更。在自动车道变更中，存在系统要求下的自动车道变更(1)和在驾驶员要求下的自动车道变更(2)。在自动车道变更(1)中，存在在前行车辆的速度与本车辆的速度相比小基准以上的情况下进行的用于赶超的自动车道变更、以及用于朝向目的地行进的自动车道变更(推荐车道被变更了这一情况所引起的自动车道变更)。自动车道变更(2)是在满足了关于速度、周边车辆之间的位置关系等的条件的情况下，在由驾驶员操作了方向指示器时，使本车辆M朝向操作方向进行车道变更。

自动驾驶控制装置100在模式A中，自动车道变更(1)及(2)均不执行。自动驾驶控制装置100在模式B及C中，自动车道变更(1)及(2)均执行。驾驶支援装置(未图示)在模式D中，不执行自动车道变更(1)而执行自动车道变更(2)。在模式E中，自动车道变更(1)及(2)均不执行。

模式决定部150在驾驶员不执行所决定的驾驶模式(以下称作当前驾驶模式)所涉及的任务的情况下，将本车辆M的驾驶模式变更为任务更重度的驾驶模式。

例如，在模式A中驾驶员处于不能根据来自系统的要求而转移到手动驾驶的身体姿势的情况(例如持续向允许区域外东张西望的情况、检测到成为驾驶困难的预兆的情况)下，模式决定部150进行如下控制：使用HMI30催促驾驶员向手动驾驶转移，若驾驶员未回应则使本车辆M靠近路肩而逐渐停止，停止自动驾驶。在使自动驾驶停止之后，本车辆成为模式D或E的状态，能够通过驾驶员的手动操作来使本车辆M起步。以下，关于“停止自动驾驶”是同样的。在模式B中驾驶员未监视前方的情况下，模式决定部150进行如下控制：使用HMI30来催促驾驶员进行前方监视，若驾驶员不回应则使本车辆M靠近路肩而逐渐停止，停止自动驾驶。在模式C中驾驶员未监视前方的情况、或者未把持转向盘82的情况下，模式决定部150进行如下控制：使用HMI30催促驾驶员进行前方监视和/或把持转向盘82，若驾驶员不回应则使本车辆M靠近路肩而逐渐停止，停止自动驾驶。

驾驶员状态判定部152为了上述的模式变更而监视驾驶员的状态，判定驾驶员的状态是否为与任务相应的状态。例如，驾驶员状态判定部152解析驾驶员监视相机70所拍摄到的图像而进行姿态推定处理，判定驾驶员是否为不能根据来自系统的要求而转移到手动驾驶的身体姿势。另外，驾驶员状态判定部152解析驾驶员监视相机70拍摄到的图像而进行视线推定处理，判定驾驶员是否监视着前方。

模式变更处理部154进行用于模式变更的各种处理。例如，模式变更处理部154指示行动计划生成部140生成用于路肩停止的目标轨道、对驾驶支援装置(未图示)进行工作指示、为了催促驾驶员进行行动而进行HMI30的控制。

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按照预定的时刻通过由行动计划生成部140生成的目标轨道。

返回图2，第二控制部160例如具备取得部162、速度控制部164、转向控制部166。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状况，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相应的前馈控制与基于从目标轨道的偏离进行的反馈控制组合而执行。

行驶驱动力输出装置200将用于车辆M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输入的信息来控制电动马达，使得与制动操作相应的制动转矩向各车轮输出。制动装置210可以具备将通过驾驶操作件80所包含的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。需要说明的是，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，从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输入的信息，来驱动电动马达，使转向轮的朝向变更。

以下，更详细地说明逆光避免计划的生成功能及逆光避免路径的决定功能。

[第一逆光避免计划]

图4及图5是对第一逆光避免计划的一例进行说明的图。首先，图4是表示生成在迂回路径行驶的行动计划的例子来作为第一逆光避免计划的一例。图4表示在16:00在设定中的行驶路径上的某地点A行驶时，预测了直至该15分钟后为止的预定行驶的路径上的逆光地点，其结果是，预测到在16:10～16:15的期间内在预定行驶的区间B中发生逆光的情况。

例如，在该情况下，行动计划生成部140检索能够绕过区间B而不使相机10成为逆光状态的迂回路径B’，并且生成代替区间B而在迂回路径B’行驶的行动计划。行动计划生成部140通过生成在这样的迂回路径行驶的行动计划，从而本车辆能够在相机10不变为逆光状态的情况下行驶至目的地。因此，根据实施方式的自动驾驶控制装置100，能够抑制由相机10进行的物体检测的精度降低。

需要说明的是，在该情况下，迂回路径的决定所需的信息被预先存储于自动驾驶控制装置100中，而在必要的信息包含于第一地图信息54、第二地图信息62的情况下，行动计划生成部140可以提示检索条件，以使得导航装置50、MPU60检索迂回路径。在该情况下，导航装置50也可以将作为检索结果而得到的迂回路径反映到设定中的行驶路径中。

另外，在图4中，作为迂回路径，例示了从区间B的开始地点B1朝向结束地点B2的迂回路径B’，但只要是迂回路径不通过区间B且相机10不成为逆光状态的路径，则可以任意决定。例如，迂回路径可以是在到达区间B之前左转的路径(图中的路径B1”)，也可以是从当前位置不向区间B方向右转而直行的路径(图中的路径B2”)。

另外，图5是表示生成用于在相机10不成为逆光状态的时机在推定为逆光预测地点的地点(位置)行驶的行动计划的例子来作为第一逆光避免计划的一例。图5与图4的情况相同，表示在16：00在设定中的行驶路径上的某地点A行驶时，预测了直至该15分钟后为止的预定行驶的路径上的逆光地点，其结果是，预测到在16:10～16:15的期间内在预定行驶的区间B中发生逆光的情况。

例如，在该情况下，行动计划生成部140针对预测到逆光的区间B，调查在预定行驶的16:10～16:15的期间以外的时机是否存在相机10不成为逆光的时机。在此，例如，在发现当在16:15～16:20的期间在区间B行驶时相机10不成为逆光的情况下，行动计划生成部140生成使得能够在16:15～16:20的时机在区间B行驶的行动计划。例如，生成如下行动计划，以在16:15到达区间B的开始地点B1的方式减慢从当前地点A到地点B1为止的行驶速度，并且以在16:20之前到达区间B的结束地点B2那样的速度在区间B行驶。

通过生成这样的逆光避免计划，行动计划生成部140能够以在相机10不成为逆光状态的时机在区间B行驶的方式控制本车辆。这样，在通过变更行驶速度能够避免相机10成为逆光状态的情况下，不需要变更设定中的行驶路径，因此能够减小行动计划的变更带来的影响。另一方面，在该情况下，由于到达目的地的时间发生变化，因此存在不满足乘员的移动条件的可能性。因此，是否采用所生成的逆光避免计划，也可以基于在行动计划变更了的情况下所得到的移动结果的预测来判断。

[第二逆光避免计划]

图6是对第二逆光避免计划的一例进行说明的图。图6的例子表示在本车辆M在时刻t1在设定中的行驶路径上的道路R1行驶时，预测到在时刻t2以后相机10变为逆光状态的情况。此时，在本车辆M中，由识别部130识别到在本车辆前方行驶的卡车T。

在该情况下，行动计划生成部140生成如下行动计划，在时刻t2以后，以通过隐藏于在本车辆M的前方被识别到的卡车T的影子中而避免相机10变为逆光状态的方式行驶。具体而言，在图6的例子中，行动计划生成部140生成如下行动计划P1，在时刻t2以后，以本车辆M与卡车T的位置关系成为如图所示那样的位置关系的方式移动。具体而言，在图6的例子的行动计划P1包括调整行驶速度的行动计划和变更行驶车道的行动计划。

这样，在能够利用周边环境来避免相机10成为逆光状态的情况下，不需要变更设定中的行驶路径，因此能够减小行动计划的变更带来的影响。然而，也有时在本车辆的周边没有能够用于避免逆光的物体，因此行动计划生成部140不一定能够生成第二逆光避免计划。因此，行动计划生成部140也可以构成为，首先，试行第一逆光避免计划的生成，在不能生成满足条件的第一逆光避免计划的情况下，生成第二逆光避免行动计划。

图7是表示在自动驾驶控制装置100中行动计划生成部140生成第一逆光避免计划或第二逆光避免计划来避免逆光的处理(以下称作“第一逆光避免处理”)的流程的一例的流程图。首先，行动计划生成部140取得本车辆的位置信息(步骤S101)。接着，行动计划生成部140基于当前的行驶计划，推定规定时间后的本车辆的位置(步骤S102)。接着，行动计划生成部140推定直至规定时间后的各时间点的本车辆与太阳的位置关系(步骤S103)。例如，太阳的位置能够通过以日期及时刻为变量的已知的推定模型来计算。

接着，行动计划生成部140基于所推定的本车辆与太阳的位置关系以及本车辆周边的三维地图信息，来预测在从当前时间点到规定时间后的行驶路径上相机10成为逆光状态的地点(步骤S104)。需要说明的是，在雨天时等阳光被云遮住的情况下，相机10不会变为逆光状态，因此行动计划生成部140也可以构成为，除了本车辆与太阳的位置关系及三维地图信息之外，还取得天气信息，并将此时的天气考虑在内来推定逆光的有无。

接着，行动计划生成部140判定是否能够生成能够避免逆光预测地点(位置及时刻)的行驶的第一逆光避免计划(步骤S105)。在此，在判定为能够生成第一逆光避免计划的情况下，行动计划生成部140生成用于避免逆光预测地点的第一逆光避免计划而结束第一逆光避免处理(步骤S106)。另一方面，在步骤S105中，在判定为不能生成第一逆光避免计划的情况下，行动计划生成部140生成第二逆光避免计划而结束第一逆光避免处理(步骤S107)。需要说明的是，在此，行动计划生成部140可以构成为，在已经不能生成第二逆光避免计划的情况下，进行向利用者通知该意旨的处理。

需要说明的是，在图7中，虽然已经说明了当行动计划生成部140不能生成第一逆光避免计划时生成第二逆光避免计划的情况，但在该情况下，变更行驶计划(行驶路径、行驶时机)的可能性增加。因此，在想要使变更行驶计划的可能性变低的情况下，行动计划生成部140也可以构成为，在不能生成第二逆光避免计划时，生成第一逆光避免计划。

[逆光避免路径的决定功能]

以上，说明了自动驾驶控制装置100在本车辆向目的地行驶时避免逆光的情况。与此相对地，以下，对导航装置50决定在相机10不成为逆光状态的同时能够到达目的地的行驶路径(逆光避免路径)的情况进行说明。需要说明的是，决定逆光避免路径的方法基本上与逆光避免计划的生成相同。即，基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，基于该预测结果和三维位置信息来预测逆光预测地点，只要选择不在逆光预测地点(位置及时间)行驶的路径作为逆光避免路径即可。

图8是表示在导航装置50中路径决定部53决定逆光避免路径的处理(以下称作“第二逆光避免处理”)的流程的一例的流程图。首先，路径决定部53取得出发地点和目的地的信息(步骤S201)。例如，路径决定部53也可以经由导航HMI52而接受出发地点和目的地的输入。接着，路径决定部53以所取得的出发地点及目的地的信息为基础，创建从出发地点到目的地的行驶路径(步骤S202)。在此，行驶路径可以将与到达时刻或行驶距离、中继地点等有关且供利用者指定的各种移动条件考虑在内等来任意地决定。导航HMI52是“输入部”的一例。

接着，路径决定部53预测本车辆在步骤S202中创建的行驶路径行驶时的本车辆与太阳的位置关系(步骤S203)，并且以该预测结果和三维地图信息为基础来预测该行驶路径上的逆光地点(步骤S204)。路径决定部53判定是否预测到逆光地点(步骤S205)。在此，在判定为在所创建的行驶路径中预测到逆光地点的情况下，路径决定部53以不在所预测到的逆光预测地点行驶的方式对该行驶计划进行部分变更(步骤S206)，返回步骤S203进行处理。另一方面，在步骤S205中，在判定为在所创建的行驶路径中未预测到逆光地点的情况下，路径决定部53确定此时间点的行驶路径(步骤S207)而结束第二逆光避免处理。

这样构成的实施方式的自动驾驶控制装置100具备：识别部130，其基于包括相机10的物体检测装置的检测结果来识别本车辆周边的状况；以及行动计划生成部140，其基于由识别部130识别出的本车辆周边的识别结果来生成本车辆的行动计划，行动计划生成部140在预测到本车辆的行驶中相机10成为逆光状态的情况下，生成用于在预测到相机10变为逆光状态的逆光预测地点(预测地点及预测时机)避免相机10实际成为逆光状态的行动计划。由此，由于能够抑制相机10的检测精度降低，因此能够使驾驶支援功能的稳健性提高。

另外，这样构成的实施方式的导航装置50具备基于出发地点及目的地的信息和包含道路形状的地图信息来决定从出发地点到目的地为止的行驶路径的路径决定部53，路径决定部53基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并基于该位置关系的预测结果和本车辆的位置周边的三维地图信息，决定搭载于本车辆且拍摄本车辆前方的相机10不成为逆光状态那样的行驶路径。由此，由于能够抑制本车辆在相机10的检测精度降低那样的行驶路径上行驶，因此能够使驾驶支援功能的稳健性提高。

上述说明的实施方式能够如以下这样表现。

车辆控制装置构成为，具备：

存储装置，其存储有程序；以及

硬件处理器，

通过所述硬件处理器执行所述程序而进行如下处理：

基于包括相机的物体检测装置的检测结果来识别本车辆周边的状况的外界识别处理；以及

基于所述本车辆周边的状况的识别结果来生成本车辆的行动计划的行动计划生成处理，

在所述行动计划生成处理中，在预测到在本车辆的行驶中所述相机成为逆光状态的情况下，生成用于在预测到所述相机变为逆光状态的预测地点及预测时机避免所述相机实际成为逆光状态的行动计划。

另外，上述说明的实施方式能够如以下这样表现。

存储装置，其存储有程序；以及

硬件处理器，

通过所述硬件处理器执行所述程序而进行如下处理：

输入出发地点及目的地的信息；以及

基于所输入的所述出发地点及目的地的信息和包含道路形状的地图信息来决定从所述出发地点到目的地为止的行驶路径的路径决定处理，

在所述路径决定处理中，基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息，决定搭载于本车辆且拍摄本车辆前方的相机不成为逆光状态那样的行驶路径。

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)

1.一种车辆控制装置，其中，

所述车辆控制装置具备：

识别部，其基于包括相机的物体检测装置的检测结果来识别本车辆周边的状况；以及

行动计划生成部，其基于由所述识别部识别出的本车辆周边的识别结果来生成本车辆的行动计划，

所述行动计划生成部在预测到在本车辆的行驶中所述相机成为逆光状态的情况下，生成用于在预测到所述相机变为逆光状态的预测地点及预测时机避免所述相机实际成为逆光状态的行动计划。

2.根据权利要求1所述的车辆控制装置，其中，

所述行动计划生成部生成使本车辆在所述预测时机不在所述预测地点行驶的行动计划即第一逆光避免计划、或者生成在所述预测时机利用本车辆的周边环境而使所述相机不成为逆光状态的方式进行定位地在所述预测地点行驶的第二逆光避免计划。

3.根据权利要求2所述的车辆控制装置，其中，

所述行动计划生成部生成绕过所述预测地点的行动计划来作为所述第一逆光避免计划。

4.根据权利要求2所述的车辆控制装置，其中，

所述行动计划生成部生成在所述相机不成为逆光状态的时机在所述预测地点行驶的行动计划来作为所述第一逆光避免计划。

5.根据权利要求2至4中任一项所述的车辆控制装置，其中，

所述行动计划生成部生成以隐藏于在本车辆的周边存在的其他车辆的影子中而行驶的方式进行定位的行动计划来作为所述第二逆光避免计划。

6.根据权利要求1至5中任一项所述的车辆控制装置，其中，

所述行动计划生成部基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并且基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息来判定所述相机是否成为逆光状态。

7.一种车辆控制方法，其中，

所述车辆控制方法使计算机执行如下处理：

基于包括相机的物体检测装置的检测结果来识别本车辆周边的状况的外界识别处理；以及

基于所述本车辆周边的状况的识别结果来生成本车辆的行动计划的行动计划生成处理，

在所述行动计划生成处理中，在预测到在本车辆的行驶中所述相机成为逆光状态的情况下，生成用于在预测到所述相机变为逆光状态的预测地点及预测时机避免所述相机实际成为逆光状态的行动计划。

8.一种存储介质，其中

所述存储介质存储有程序，所述程序使计算机执行如下处理：

基于包括相机的物体检测装置的检测结果来识别本车辆周边的状况的外界识别处理；以及

基于所述本车辆周边的状况的识别结果来生成本车辆的行动计划的行动计划生成处理，

在所述行动计划生成处理中，在预测到在本车辆的行驶中所述相机成为逆光状态的情况下，生成用于在预测到所述相机变为逆光状态的预测地点及预测时机避免所述相机实际成为逆光状态的行动计划。

9.一种路径生成装置，其中，

所述路径生成装置具备：

输入部，其接受出发地点及目的地的信息的输入；

路径决定部，其基于输入到所述输入部的所述出发地点及目的地的信息和包含道路形状的地图信息来决定从所述出发地点到目的地为止的行驶路径，

所述路径决定部基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息，决定搭载于本车辆且拍摄本车辆前方的相机不成为逆光状态那样的行驶路径。

10.一种路径生成方法，其中，

所述路径生成方法使计算机执行如下处理：

输入出发地点及目的地的信息；以及

基于所输入的所述出发地点及目的地的信息和包含道路形状的地图信息来决定从所述出发地点到目的地为止的行驶路径的路径决定处理，

在所述路径决定处理中，基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息，决定搭载于本车辆且拍摄本车辆前方的相机不成为逆光状态那样的行驶路径。

11.一种存储介质，其中，

所述存储介质存储有程序，所述程序使计算机执行如下处理：

输入出发地点及目的地的信息；以及

基于所输入的所述出发地点及目的地的信息和包含道路形状的地图信息来决定从所述出发地点到目的地为止的行驶路径的路径决定处理，

在所述路径决定处理中，基于本车辆的位置及时刻来预测本车辆与太阳的位置关系，并基于所述位置关系的预测结果和本车辆的位置周边的三维地图信息，决定搭载于本车辆且拍摄本车辆前方的相机不成为逆光状态那样的行驶路径。

Images