JP2003331294A - Device and method for estimating road model - Google Patents
Device and method for estimating road modelInfo
- Publication number
- JP2003331294A JP2003331294A JP2002135066A JP2002135066A JP2003331294A JP 2003331294 A JP2003331294 A JP 2003331294A JP 2002135066 A JP2002135066 A JP 2002135066A JP 2002135066 A JP2002135066 A JP 2002135066A JP 2003331294 A JP2003331294 A JP 2003331294A
- Authority
- JP
- Japan
- Prior art keywords
- road
- road model
- model
- edge image
- image
- 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.)
- Pending
Links
Landscapes
- Closed-Circuit Television Systems (AREA)
- Image Analysis (AREA)
Abstract
Description
【０００１】[0001]
【発明の属する技術分野】この発明は、直線路とカーブ
路のいずれの道路モデルであるかを推定する道路モデル
の推定装置及びその方法に関する。BACKGROUND OF THE INVENTION 1. Field of the Invention The present invention relates to a road model estimating apparatus and method for estimating whether a road model is a straight road or a curved road.
【０００２】[0002]
【従来の技術】従来、走行中の道路が直線路とカーブ路
のいずれの道路モデルに相当するかを推定するために、
車両に搭載したカメラにより車両前方を撮像して得られ
る画像を処理し、道路パラメータを導出して道路モデル
を推定する手法がある。例えば、図３に示すような画像
が得られたときに、この画像の全画素の濃度値を微分処
理して図４に示すようなエッジ画像を形成し、形成した
エッジ画像から、道路に形成されている白線に対応する
白線候補を複数抽出し、抽出したこれら複数の白線候補
から道路モデルを定める道路パラメータを算出する。2. Description of the Related Art Conventionally, in order to estimate which road model, a straight road or a curved road, a running road corresponds to,
There is a method of estimating a road model by processing an image obtained by capturing an image of the front of the vehicle with a camera mounted on the vehicle and deriving road parameters. For example, when an image as shown in FIG. 3 is obtained, the density values of all the pixels of this image are differentiated to form an edge image as shown in FIG. 4, and the formed edge image is formed on the road. A plurality of white line candidates corresponding to the selected white line are extracted, and a road parameter defining a road model is calculated from the plurality of extracted white line candidates.
【０００３】このとき、カーブ路に対する道路モデル
は、
Ｘ＝ａ２Ｚ２＋ａ１Ｚ＋ａ０±ＷL／２…（１）
Ｙ＝ｂ１Ｚ＋ｂ０…（２）
の式で表わすことができ、直線路に対する道路モデル
は、
Ｘ＝ａ１Ｚ＋ａ０±ＷL／２…（３）
の式で表わすことができる。ここで、ａ２は道路の曲
率、ａ１は例えば自車に搭載されたヨーレートセンサに
より検出されるヨーレート、ａ０は白線に対する横方向
のずれ量、ｂ１は道路勾配にほぼ等しいＣＣＤカメラ１
のピッチ角、ｂ０はＣＣＤカメラの取り付け高さ、ＷL
は道路幅の半分の値である。At this time, the road model for the curved road can be expressed by the following equation: X = a 2 Z 2 + a 1 Z + a 0 ± WL / 2 (1) Y = b 1 Z + b 0 (2) The road model for the road can be expressed by the following equation: X = a 1 Z + a 0 ± WL / 2 (3). Here, a 2 is a curvature of the road, a 1 is a yaw rate detected by a yaw rate sensor mounted on the vehicle, a 0 is a lateral shift amount with respect to a white line, and b 1 is a CCD camera 1 substantially equal to a road gradient.
Pitch angle, b 0 is the mounting height of the CCD camera, WL
Is half the width of the road.
【０００４】そして、実際には直線路であるにもかかわ
らず式（１），（２）で表わされるカーブ路に対する道
路モデルを適用してしまうと、式（１），（２）が曲率
までも考慮していることから、曲率成分であるａ２の誤
差が非常に大きくなる。従って、このようにａ２の誤差
が大きくなる場合には、式（３）で表わされる直線路に
対する道路モデルを適用して道路パラメータであるａ０
〜ａ２を最小二乗法により算出するのが望ましい。If the road model for the curved road represented by the equations (1) and (2) is applied even though the road is actually a straight road, the equations (1) and (2) can be used up to the curvature. Since the above is also taken into consideration, the error of the curvature component a 2 becomes very large. Therefore, when the error of a 2 becomes large in this way, the road model for the straight road represented by the equation (3) is applied and the road parameter a 0
It is desirable to ~a 2 is calculated by the least squares method.
【０００５】一方、実際にはカーブ路であるにもかかわ
らず式（３）で表わされる直線路に対する道路モデルを
適用してしまった場合にも、同様の不都合が生じる。On the other hand, when the road model for the straight road represented by the equation (3) is applied even though the road is actually a curved road, the same inconvenience occurs.
【０００６】[0006]
【発明が解決しようとする課題】しかし、従来の場合、
実際の道路形状は未知であるため、いずれの道路モデル
を適用すべきかは容易に判断することができず、道路パ
ラメータを精度よく算出することができないという問題
点があった。However, in the conventional case,
Since the actual road shape is unknown, it is not possible to easily determine which road model should be applied, and there is a problem in that the road parameters cannot be calculated accurately.
【０００７】そこで、本発明は、道路パラメータの導出
精度の向上を図ることが可能な道路モデルの推定装置及
びその方法を提供することを目的とする。Therefore, an object of the present invention is to provide a road model estimating apparatus and method capable of improving the derivation accuracy of road parameters.
【０００８】[0008]
【課題を解決するための手段】上記した目的を達成する
ために、本発明にかかる道路モデルの推定装置は、車両
に搭載され車両前方を撮像する撮像部と、前記撮像部に
よる撮像画像の全画素の濃度値を微分処理して道路に形
成されている白線を含むエッジ画像を形成する形成部
と、前記形成部により形成された前記エッジ画像に対し
て赤池情報量規範を適用し、そのエッジ画像から走行中
の道路が直線路かカーブ路のいずれの道路モデルである
かを決定する決定部と、前記決定部により決定された道
路モデルを定める道路パラメータを演算する演算部とを
備えていることを特徴としている（請求項１）。In order to achieve the above object, a road model estimating apparatus according to the present invention includes an image pickup section mounted on a vehicle for picking up an image of the front of the vehicle, and an image picked up by the image pickup section. A forming unit that forms an edge image including a white line formed on a road by differentiating the density value of a pixel, and the Akaike information amount criterion is applied to the edge image formed by the forming unit, and the edge thereof is applied. A determination unit that determines whether the road is a straight road or a curved road model from the image, and a calculation unit that calculates road parameters that determine the road model determined by the determination unit. (Claim 1)
【０００９】このような構成によれば、形成部により形
成されるエッジ画像に対し、決定部により、赤池情報量
規範が適用されて走行中の道路が直線路かカーブ路のい
ずれの道路モデルであるか決定され、演算部により、決
定された道路モデルを定める道路パラメータが演算され
る。According to this structure, the deciding unit applies the Akaike information criterion to the edge image formed by the forming unit, and the road model is a straight road or a curved road. It is determined whether or not there is, and the calculation unit calculates the road parameter that defines the determined road model.
【００１０】そのため、赤池情報量規範の適用により、
実際の道路形状により近い道路モデルを容易に決定する
ことができ、実状に合致したより精度の高い道路パラメ
ータを演算することができる。Therefore, by applying the Akaike information criterion,
A road model that is closer to the actual road shape can be easily determined, and more accurate road parameters that match actual conditions can be calculated.
【００１１】また、本発明にかかる道路モデルの推定装
置では、前記決定部は、前記エッジ画像における白線候
補の数及び分散に基づき演算される最大対数尤度と、直
線路及びカーブ路の道路モデルそれぞれ対して予め割り
当てられた自由パラメータ数とから、直線路モデルに対
する赤池情報量規範値及びカーブ路モデルに対する赤池
情報量規範値をそれぞれ算出し、赤池情報量規範値の小
さい方を走行中の道路の道路モデルとすることを特徴と
している（請求項２）。Further, in the road model estimating apparatus according to the present invention, the deciding unit has a maximum logarithmic likelihood calculated based on the number and variance of white line candidates in the edge image, and road models of straight roads and curved roads. Calculate the Akaike information standard value for the straight road model and the Akaike information standard value for the curved road model respectively from the number of free parameters pre-allocated for each, and drive the road with the smaller Akaike information standard value. Is a road model of the present invention (claim 2).
【００１２】このような構成によれば、直線路モデル及
びカーブ路モデルそれぞれに対する赤池情報量規範値を
算出し、その値の小さい方を選択することにより、実際
の道路形状により近い道路モデルを容易に決定すること
ができる。According to this structure, the Akaike information amount reference value for each of the straight road model and the curved road model is calculated, and the smaller value is selected, so that a road model closer to the actual road shape can be easily obtained. Can be determined.
【００１３】また、本発明にかかる道路モデルの推定方
法は、車両に搭載され車両前方を撮像する撮像工程と、
前記撮像工程による撮像画像の全画素の濃度値を微分処
理して道路に形成されている白線を含むエッジ画像を形
成する形成工程と、前記形成工程により形成された前記
エッジ画像に対して赤池情報量規範を適用し、そのエッ
ジ画像から走行中の道路が直線路かカーブ路のいずれの
道路モデルであるかを決定する決定工程と、前記決定工
程により決定された道路モデルを定める道路パラメータ
を演算する演算工程とを備え、前記決定工程では、前記
エッジ画像における白線候補の数及び分散値に基づき演
算される最大対数尤度と、直線路及びカーブ路の道路モ
デルそれぞれ対して予め割り当てられた自由パラメータ
数とから、直線路モデルに対する赤池情報量規範値及び
カーブ路モデルに対する赤池情報量規範値をそれぞれ算
出し、赤池情報量規範値の小さい方を走行中の道路の道
路モデルとすることを特徴としている（請求項３）。The road model estimating method according to the present invention includes an image pickup step which is mounted on a vehicle to image the front of the vehicle,
Akaike information for the edge image formed by the forming step, the step of forming an edge image including white lines formed on a road by differentiating the density values of all pixels of the image captured by the image forming step. Applying a quantity criterion, a decision step of deciding whether the road is a straight road or a curved road from the edge image, and a road parameter defining the road model decided by the decision step are calculated. In the determining step, the maximum logarithmic likelihood calculated based on the number of white line candidates and the variance value in the edge image, and the freedom pre-allocated for the road model of the straight road and the curved road, respectively. The Akaike information standard value for the straight road model and the Akaike information standard value for the curved road model are calculated from the number of parameters, respectively. It is characterized in that a road model of a road during running the smaller range value (claim 3).
【００１４】このような構成によれば、形成工程におい
て形成されるエッジ画像に対し、決定工程において、赤
池情報量規範が適用されて走行中の道路が直線路かカー
ブ路のいずれの道路モデルであるか決定され、演算工程
において、その決定された道路モデルを定める道路パラ
メータが演算される。According to this structure, the edge image formed in the forming process is applied with the Akaike information criterion in the determining process, and the road model is a straight road or a curved road. It is determined whether or not there is, and in the calculation step, road parameters that define the determined road model are calculated.
【００１５】そのため、赤池情報量規範の適用により、
実際の道路形状により近い道路モデルを容易に決定する
ことができ、実状に合致したより精度の高い道路パラメ
ータを演算することができる。Therefore, by applying the Akaike information criterion,
A road model that is closer to the actual road shape can be easily determined, and more accurate road parameters that match actual conditions can be calculated.
【００１６】このとき、直線路モデル及びカーブ路モデ
ルそれぞれに対する赤池情報量規範値を算出し、その値
の小さい方を選択することにより、実際の道路形状によ
り近い道路モデルを容易に決定することができる。At this time, the Akaike information amount reference value for each of the straight road model and the curved road model is calculated, and by selecting the smaller one, the road model closer to the actual road shape can be easily determined. it can.
【００１７】[0017]
【発明の実施の形態】この発明の一実施形態について図
１及び図２を参照して説明する。但し、図１はブロック
図、図２は動作説明図である。BEST MODE FOR CARRYING OUT THE INVENTION An embodiment of the present invention will be described with reference to FIGS. However, FIG. 1 is a block diagram and FIG. 2 is an operation explanatory diagram.
【００１８】図１に示すように、自車に１つの撮像部と
しての単眼ＣＣＤカメラ１が搭載され、このＣＣＤカメ
ラ１により自車の前方が撮像され、得られた画像がビデ
オキャプチャボード２を介してマイクロコンピュータか
ら成るＥＣＵ３に取り込まれ、ＥＣＵ３により処理され
る。尚、ＣＣＤカメラ１による撮像処理が本発明におけ
る撮像工程に相当する。As shown in FIG. 1, the vehicle is equipped with a monocular CCD camera 1 as one image pickup section, the CCD camera 1 images the front of the vehicle, and the obtained image is recorded on a video capture board 2. It is taken into the ECU 3 composed of a microcomputer via the above and is processed by the ECU 3. The image pickup process by the CCD camera 1 corresponds to the image pickup process in the present invention.
【００１９】例えば図３に示すような画像をＥＣＵ３が
取り込んだとすると、このＥＣＵ３では、取り込んだ画
像の全画素の濃度値を微分処理して、例えば図４に示す
ようなエッジ画像を形成し、形成したエッジ画像から、
道路に形成されている白線に対応する白線候補を複数抽
出し、抽出した複数の白線候補から道路モデルを定める
道路パラメータを算出することで白線パターンを導出す
る。ここで、ＣＣＤカメラ１の画像平面ｘ−ｙと、ワー
ルド座標系Ｘ−Ｙ−Ｚとの関係は、図２に示すようにな
っている。For example, if the ECU 3 captures an image as shown in FIG. 3, the ECU 3 differentiates the density values of all the pixels of the captured image to form an edge image as shown in FIG. 4, for example. From the edge image
A white line pattern is derived by extracting a plurality of white line candidates corresponding to the white line formed on the road and calculating road parameters defining a road model from the extracted plurality of white line candidates. Here, the relationship between the image plane xy of the CCD camera 1 and the world coordinate system XYZ is as shown in FIG.
【００２０】更に、ＥＣＵ３は、図４に示すエッジ画像
に対して赤池情報量規範を適用し、そのエッジ画像から
走行中の道路が直線路かカーブ路のいずれの道路モデル
であるかを決定し、決定した道路モデルを定める道路パ
ラメータを演算する。Further, the ECU 3 applies the Akaike information criterion to the edge image shown in FIG. 4, and determines from the edge image whether the traveling road is a straight road model or a curved road model. , The road parameters that determine the determined road model are calculated.
【００２１】この赤池情報量規範は、最尤法により当て
はめられたモデルが複数個あるときに、その中のひとつ
を選択する基準を与えてくれるものであり、最大対数尤
度の期待平均対数尤度に対する偏りの程度とモデルの自
由パラメータ数との間の関係より、
（モデルの最大対数尤度）−（モデルの自由パラメータ数）…（４）
が近似的に期待平均対数尤度の不偏推定量になることか
ら、この式（４）を“−２”倍した量、つまり、
ＡＩＣ＝−２×（モデルの最大対数尤度）＋２×（モデルの自由パラメータ数）
…（５）
をモデルの選択基準とし、この式（５）によるＡＩＣが
最少とするモデルを最適な道路モデルとするというもの
である。This Akaike information criterion gives a criterion for selecting one of the models fitted by the maximum likelihood method, and the expected average log likelihood of the maximum log likelihood. From the relationship between the degree of bias with respect to the degree and the number of free parameters of the model, (maximum log likelihood of model)-(number of free parameters of model) (4) approximately approximates the unbiased estimation of the expected mean log likelihood. Since it is a quantity, the quantity obtained by multiplying this expression (4) by “−2”, that is, AIC = −2 × (maximum log likelihood of model) + 2 × (number of free parameters of model) (5) As the selection criterion of, the model with the minimum AIC according to this equation (5) is set as the optimum road model.
【００２２】そして、ＥＣＵ３は、図４に示すようなエ
ッジ画像における白線候補の数ｎ、及び、分散δに基づ
き演算される最大対数尤度と、直線路及びカーブ路の道
路モデルそれぞれ対して予め割り当てられた自由パラメ
ータ数とから、直線路モデルに対する赤池情報量規範値
（以下、これをＡＩＣと称する）及びカーブ路モデルに
対するＡＩＣをそれぞれ算出し、ＡＩＣの小さい方を走
行中の道路の道路モデルとする。Then, the ECU 3 preliminarily sets the maximum log likelihood calculated based on the number n of white line candidates in the edge image and the variance δ in the edge image as shown in FIG. The Akaike information amount reference value for the straight road model (hereinafter referred to as AIC) and the AIC for the curved road model are calculated from the number of assigned free parameters, and the road model of the road running on the smaller AIC is calculated. And
【００２３】即ち、上記した式（４）におけるモデルの
最大対数尤度ｌは、
ｌ＝−（ｎ／２）ｌｏｇ２π−（ｎ／２）ｌｏｇδ２−（ｎ／２）…（６）
と表わされ、式（５）中のδ２は残差分散の最尤推定量
に相当し、上記した式（１），（２）で表わされるカー
ブ路モデルに対する残差分散の最尤推定量δ２は、
δ２＝（１／ｎ）Σ（ａ２Ｚ２＋ａ１Ｚ＋ａ０±ＷL／２）２…（７）
と表わされ、上記した式（３）で表わされる直線路モデ
ルに対する残差分散の最尤推定量δ２は、
δ２＝（１／ｎ）Σ（ａ１Ｚ＋ａ０±ＷL／２）２…（８）
と表わされ、カーブ路モデルの自由パラメータ数は３、
直線路モデルの自由パラメータ数は２であり、ＥＣＵ３
は、これらの式（６）〜（８）及び各道路モデルの自由
パラメータ数を、上記した式（５）に当てはめてＡＩＣ
を算出し、算出したＡＩＣが小さい方を最適な道路モデ
ルとして決定する。但し、ＡＩＣが同じである場合に
は、自由パラメータ数の少ない方を最適モデルとすべき
とされている。[0023] That is, the maximum log-likelihood l of the model at the above-mentioned equation (4) is, l = - Table and (n / 2) ... (6 ) - (n / 2) log2π- (n / 2) logδ 2 Δ 2 in the equation (5) corresponds to the maximum likelihood estimator of the residual variance, and the maximum likelihood estimator δ of the residual variance for the curved road model represented by the above equations (1) and (2). 2 is expressed as δ 2 = (1 / n) Σ (a 2 Z 2 + a 1 Z + a 0 ± WL / 2) 2 (7), and is the residual for the linear road model expressed by the above-mentioned formula (3). The maximum likelihood estimator δ 2 of the difference variance is expressed as δ 2 = (1 / n) Σ (a 1 Z + a 0 ± WL / 2) 2 (8), and the number of free parameters of the curved road model is 3,
The number of free parameters of the straight road model is 2, and the ECU 3
Applies the equations (6) to (8) and the number of free parameters of each road model to the above equation (5), and
Is calculated, and the smaller calculated AIC is determined as the optimum road model. However, when the AICs are the same, it is said that the one with the smaller number of free parameters should be the optimum model.
【００２４】尚、式（７），（８）において、ａ２は道
路の曲率、ａ１は例えば自車に搭載されたヨーレートセ
ンサにより検出されるヨーレート、ａ０は白線Ｈに対す
る横方向のずれ量であり、ＥＣＵ３は、最適な道路モデ
ルを決定すると、道路モデルを適用してこれら道路パラ
メータであるａ０〜ａ２を最小二乗法により算出するの
である。ここで、ＥＣＵ３による道路モデルの決定処理
が本発明における決定部及び決定工程に相当し、道路パ
ラメータの演算処理が本発明における演算部及び演算工
程に相当する。In the equations (7) and (8), a 2 is the curvature of the road, a 1 is the yaw rate detected by the yaw rate sensor mounted on the vehicle, and a 0 is the lateral deviation from the white line H. When determining the optimum road model, the ECU 3 applies the road model and calculates the road parameters a 0 to a 2 by the method of least squares. Here, the road model determination process by the ECU 3 corresponds to the determination unit and the determination process in the present invention, and the road parameter calculation process corresponds to the calculation unit and the calculation process in the present invention.
【００２５】このように、ＥＣＵ３により、ＣＣＤカメ
ラ１による撮像画像（図３参照）の全画素の濃度値が微
分処理されて形成されるエッジ画像（図４参照）に対
し、赤池情報量規範が適用されて走行中の道路が直線路
かカーブ路のいずれの道路モデルであるか決定され、決
定された道路モデルを定める道路パラメータａ０〜ａ２
が演算される。As described above, the Akaike information criterion is applied to the edge image (see FIG. 4) formed by the ECU 3 by differentiating the density values of all the pixels of the image captured by the CCD camera 1 (see FIG. 3). It is determined whether the road model being applied is a straight road or a curved road, and road parameters a 0 to a 2 that determine the determined road model.
Is calculated.
【００２６】従って、上記した実施形態によれば、赤池
情報量規範の適用により、実際の道路形状により近い道
路モデルを容易に決定することができ、実状に合致した
より精度の高い道路パラメータを演算することができ
る。Therefore, according to the above-described embodiment, by applying the Akaike information criterion, a road model closer to the actual road shape can be easily determined, and more accurate road parameters that match the actual condition can be calculated. can do.
【００２７】また、道路モデルの決定の際、直線路モデ
ル及びカーブ路モデルそれぞれに対するＡＩＣ（赤池情
報量規範値）を算出し、その値の小さい方を選択するこ
とにより、実際の道路形状により近い道路モデルを容易
に決定することができる。Further, when determining the road model, the AIC (Akaike information amount reference value) for each of the straight road model and the curved road model is calculated, and the smaller one is selected to approximate the actual road shape. The road model can be easily determined.
【００２８】なお、上記した実施形態では、上記した実
施形態では、撮像部としてＣＣＤカメラ１を用いた場合
について説明したが、撮像部は上記したＣＣＤカメラに
限定されるものでないのはいうまでもない。In the above embodiment, the CCD camera 1 is used as the image pickup unit in the above embodiment, but it goes without saying that the image pickup unit is not limited to the CCD camera described above. Absent.
【００２９】また、本発明は上記した実施形態に限定さ
れるものではなく、その趣旨を逸脱しない限りにおいて
上述したもの以外に種々の変更を行うことが可能であ
る。The present invention is not limited to the above-described embodiment, and various modifications other than those described above can be made without departing from the spirit of the present invention.
【００３０】[0030]
【発明の効果】以上のように、請求項１，３に記載の発
明によれば、エッジ画像に対して、赤池情報量規範が適
用されて走行中の道路が直線路かカーブ路のいずれの道
路モデルであるか決定され、その決定された道路モデル
を定める道路パラメータが演算されるため、赤池情報量
規範の適用により、実際の道路形状により近い道路モデ
ルを容易に決定することができ、実状に合致したより精
度の高い道路パラメータを演算することが可能になる。As described above, according to the first and third aspects of the present invention, the Akaike information criterion is applied to the edge image, and the traveling road is either a straight road or a curved road. Since the road model is determined and the road parameters that determine the determined road model are calculated, the Akaike information criterion can be applied to easily determine a road model that is closer to the actual road shape. It becomes possible to calculate a more accurate road parameter that conforms to.
【００３１】また、請求項２，３に記載の発明によれ
ば、直線路モデル及びカーブ路モデルそれぞれに対する
赤池情報量規範値を算出し、その値の小さい方を選択す
ることにより、実際の道路形状により近い道路モデルを
容易に決定することが可能になる。According to the second and third aspects of the present invention, the Akaike information amount reference value for each of the straight road model and the curved road model is calculated, and the smaller value is selected to determine the actual road. It becomes possible to easily determine a road model closer to the shape.
【図１】この発明の一実施形態のブロック図である。FIG. 1 is a block diagram of an embodiment of the present invention.
【図２】この発明の一実施形態の動作説明図である。FIG. 2 is an operation explanatory diagram of the embodiment of the present invention.
【図３】従来例の動作説明図である。FIG. 3 is an operation explanatory diagram of a conventional example.
【図４】従来例の動作説明図である。FIG. 4 is an operation explanatory diagram of a conventional example.
１ ＣＣＤカメラ（撮像部） ３ ＥＣＵ（形成部、決定部、演算部） 1 CCD camera (imaging unit) 3 ECUs (former, determiner, calculator)
Claims (3)
ルの推定装置であって、 車両に搭載され車両前方を撮像する撮像部と、 前記撮像部による撮像画像の全画素の濃度値を微分処理
して道路に形成されている白線を含むエッジ画像を形成
する形成部と、 前記形成部により形成された前記エッジ画像に対して赤
池情報量規範を適用し、そのエッジ画像から走行中の道
路が直線路かカーブ路のいずれの道路モデルであるかを
決定する決定部と、 前記決定部により決定された道路モデルを定める道路パ
ラメータを演算する演算部とを備えていることを特徴と
する道路モデルの推定装置。1. A road model estimation device for estimating a road model during traveling, comprising: an image pickup unit mounted on a vehicle for picking up an image of the front of the vehicle; A forming unit that forms an edge image including a white line formed on a road, and the Akaike information criterion is applied to the edge image formed by the forming unit, and the road that is running from the edge image is A road model comprising: a determination unit that determines whether the road model is a straight road or a curved road, and a calculation unit that calculates road parameters that determine the road model determined by the determination unit. Estimation device.
白線候補の数及び分散に基づき演算される最大対数尤度
と、直線路及びカーブ路の道路モデルそれぞれ対して予
め割り当てられた自由パラメータ数とから、直線路モデ
ルに対する赤池情報量規範値及びカーブ路モデルに対す
る赤池情報量規範値をそれぞれ算出し、赤池情報量規範
値の小さい方を走行中の道路の道路モデルとすることを
特徴とする請求項１に記載の道路モデルの推定装置。2. The maximum LOG likelihood calculated on the basis of the number and variance of white line candidates in the edge image, and the number of free parameters pre-allocated for the straight road model and the curved road model, respectively. From the above, the Akaike information standard value for the straight road model and the Akaike information standard value for the curved road model are calculated respectively, and the smaller Akaike information standard value is used as the road model of the road on which the vehicle is running. The road model estimation device according to Item 1.
ルの推定方法であって、 車両に搭載され車両前方を撮像する撮像工程と、 前記撮像工程による撮像画像の全画素の濃度値を微分処
理して道路に形成されている白線を含むエッジ画像を形
成する形成工程と、 前記形成工程により形成された前記エッジ画像に対して
赤池情報量規範を適用し、そのエッジ画像から走行中の
道路が直線路かカーブ路のいずれの道路モデルであるか
を決定する決定工程と、 前記決定工程により決定された道路モデルを定める道路
パラメータを演算する演算工程とを備え、前記決定工程
では、前記エッジ画像における白線候補の数及び分散に
基づき演算される最大対数尤度と、直線路及びカーブ路
の道路モデルそれぞれ対して予め割り当てられた自由パ
ラメータ数とから、直線路モデルに対する赤池情報量規
範値及びカーブ路モデルに対する赤池情報量規範値をそ
れぞれ算出し、赤池情報量規範値の小さい方を走行中の
道路の道路モデルとすることを特徴とする道路モデルの
推定方法。3. A road model estimation method for estimating a road model during traveling, comprising: an image pickup step mounted on a vehicle to image the front of the vehicle; and a differential process of density values of all pixels of the image picked up by the image pickup step. A forming step of forming an edge image including a white line formed on the road by applying the Akaike information criterion to the edge image formed by the forming step, and the road running from the edge image A determination step of determining which road model is a straight road or a curved road, and a calculation step of calculating road parameters defining the road model determined by the determination step, wherein the determination step includes the edge image Maximum log-likelihood calculated based on the number and variance of white line candidates in, and free parameters pre-assigned to road models of straight roads and curved roads, respectively. From the above, the Akaike information amount reference value for the straight road model and the Akaike information amount reference value for the curved road model are calculated respectively, and the smaller Akaike information amount reference value is used as the road model of the running road. Road model estimation method.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002135066A JP2003331294A (en) | 2002-05-10 | 2002-05-10 | Device and method for estimating road model |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2002135066A JP2003331294A (en) | 2002-05-10 | 2002-05-10 | Device and method for estimating road model |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2003331294A true JP2003331294A (en) | 2003-11-21 |
Family
ID=29697489
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2002135066A Pending JP2003331294A (en) | 2002-05-10 | 2002-05-10 | Device and method for estimating road model |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2003331294A (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9422001B2 (en) | 2013-02-19 | 2016-08-23 | Denso Corporation | Lane line departure prevention apparatus |
-
2002
- 2002-05-10 JP JP2002135066A patent/JP2003331294A/en active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US9422001B2 (en) | 2013-02-19 | 2016-08-23 | Denso Corporation | Lane line departure prevention apparatus |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110930459B (en) | Vanishing point extraction method, camera calibration method and storage medium | |
| CN108229475B (en) | Vehicle tracking method, system, computer device and readable storage medium | |
| CN108470356B (en) | Target object rapid ranging method based on binocular vision | |
| JP7118836B2 (en) | Line recognition device | |
| KR20100094560A (en) | Face posture estimating device, face posture estimating method, and face posture estimating program | |
| CN105069804B (en) | Threedimensional model scan rebuilding method based on smart mobile phone | |
| KR100326702B1 (en) | Method for calculating road width of the alarm device for lane beyond | |
| CN110570435B (en) | Method and device for carrying out damage segmentation on vehicle damage image | |
| CN111897349A (en) | Underwater robot autonomous obstacle avoidance method based on binocular vision | |
| CN101029823B (en) | Method for tracking vehicle based on state and classification | |
| JP2009198445A (en) | Device and method for object detection | |
| CN108428249A (en) | A kind of initial position and orientation estimation method based on optical flow tracking and double geometrical models | |
| CN113393524B (en) | Target pose estimation method combining deep learning and contour point cloud reconstruction | |
| JP2007257333A (en) | Vehicle occupant facing direction detection device and vehicle occupant facing direction detection method | |
| KR20180122382A (en) | Mainly a detection method and mainly a detection device | |
| JP5107154B2 (en) | Motion estimation device | |
| JP2014046710A (en) | Neutral point correction unit and neutral point correction method for steering angle sensor | |
| JP2006031313A (en) | Method and apparatus for measuring obstacle | |
| CN109741370B (en) | Target tracking method and device | |
| JP2003331294A (en) | Device and method for estimating road model | |
| CN113932815B (en) | Robustness optimization Kalman filtering relative navigation method, device, equipment and storage medium | |
| CN111260538A (en) | Positioning and vehicle-mounted terminal based on long-baseline binocular fisheye camera | |
| JP2003322522A (en) | Inter-vehicle distance detection device and detection method | |
| CN111382634B (en) | Three-dimensional face recognition method based on depth video stream | |
| JP4825737B2 (en) | Eye opening degree determination device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20041201 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20071023 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20071207 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20080122 |