JP2005010891A

JP2005010891A - Vehicular road shape recognition system

Info

Publication number: JP2005010891A
Application number: JP2003171749A
Authority: JP
Inventors: Migaku Takahama; 琢高浜; Takeshi Kimura; 健木村; Kazumi Fujimoto; 和巳藤本
Original assignee: Nissan Motor Co Ltd
Current assignee: Nissan Motor Co Ltd
Priority date: 2003-06-17
Filing date: 2003-06-17
Publication date: 2005-01-13

Abstract

<P>PROBLEM TO BE SOLVED: To recognize a road shape continuously stably in a vehicle designed to recognize a road shape by means of an electromagnetic radar such as a laser. <P>SOLUTION: The shape of a road ahead of an associated vehicle is recognized according to position information on objects that are candidates for roadside structures forming the shape of the road ahead of the vehicle out of forward objects detected by a forward object sensor and post-detection position information on roadside structure candidate objects out of forward objects no longer detected by the forward object sensor. <P>COPYRIGHT: (C)2005,JPO&NCIPI

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、自車速と前方物体との相対速度から検出物体が停止物であるか否かを判断し、３つ以上の停止物体を検出した場合に限って、各停止物体の構成セグメント間を補間することで道路左右端を線分の集合として認識し、道路と自車両との横方向距離を算出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２００１−２５６６００号公報（第８頁、第６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、３つ以上の検出停止物体に基づいて道路形状を認識するようにしているので、道路曲率半径が緩い場合等、レーダの検出視野角内で検知できる停止物体の数が少ない場合には、道路形状を認識することができない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、常に安定して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、道路形状認識手段で、前記前方物体検出手段で検出中の前方物体のうち、自車両が走行している道路形状を形成する路側構造物候補である物体の位置情報と、前記前方物体検出手段で検出している状態から非検出状態となった前方物体のうち、路側構造物候補である物体の非検出後の位置情報とに基づいて、自車走行中の道路形状を認識する。
【０００６】
【発明の効果】
本発明によれば、レーダ等の自車両前方の物体を検出するためのセンサで検出している複数の前方物体のうち、道路形状を構成する路側構造物候補である物体の位置情報と、センサで検出している状態から非検出状態となった前方物体のうち、路側構造物候補である物体の位置情報とに基づいて道路形状を認識するので、センサで検出している状態から非検出状態となった物体に関しては、例えば仮想的にレーダ視野角を広角化することで、検知中の路側構造物候補の数が少ない場合でも確実に道路形状を把握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。
【００１０】
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。
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相対距離（横方向Ｐｘ、縦方向Ｐｙ）、前方物体の幅Ｗ及び相対速度Ｖｒを検出する。
【００１１】
さらに、この車両には、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１７が備えられ、この検出信号は外界認識コントローラ２０に入力される。
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、操舵角センサ１７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について道路形状を形成する路側構造物候補として許可するか否かを判断し、路側構造物候補として許可した物体が前方物体センサ１４で検出している状態から検出しない状態となったときに、非検出となる前の物体位置情報を初期位置として自車速Ｖ及び操舵角δに基づいて非検出後の物体位置情報を推定、所謂補外し、前方物体センサ１４で検出中の路側構造物候補の物体位置情報、及び非検出中の路側構造物候補の補外処理結果に基づいて自車走行中の道路形状を表す道路形状近似式を算出する。
【００１２】
ブレーキ制御用コントローラ１９では、外界認識コントローラ２０によって算出された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。
【００１３】
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候補判断処理手順を示す図２を伴って説明する。
この路側構造物候補判断処理は、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、操舵角センサ１７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。
【００１４】
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。
【００１５】
次にステップＳ５で、検出中の各物体の連続検知時間を意味するカウント値Ｔｃを設定する。前回のサンプリングで検知した物体と同じ物体を、今回のサンプリングでも検知している場合には、その物体の連続検知時間を意味するカウント値Ｔｃをインクリメントする。また、今回のサンプリングで初めて検知した物体に対しては、連続検知時間を意味するカウント値Ｔｃ及び路側構造物候補フラグＦ_Ｉｎｔｐをゼロクリアして路側構造物候補として許可していない状態にセットする。
【００１６】
次にステップＳ６で、自車速Ｖ及び操舵角δに基づいて、下記（１）式をもとに自車両のヨーレートφ′及びスリップ角度βを算出し、ステップＳ７に移行する。
｛ｍＶｓ＋２（Ｋｆ＋Ｋｒ）｝β（ｓ）＋｛ｍＶ＋２（ｌｆ・Ｋｆ−ｌｒ・Ｋｒ）／Ｖ｝φ′（ｓ）＝２Ｋｆ・δ（ｓ）
２（ｌｆ・Ｋｆ−ｌｒ・Ｋｒ）β（ｓ）＋｛Ｉｓ＋２（ｌｆ^２・Ｋｆ−ｌｒ^２・Ｋｒ）／Ｖ｝φ′（ｓ）＝２ｌｆ・Ｋｆ・δ（ｓ） ………（１）
【００１７】
ここで、ｍは車重、Ｋｆ、Ｋｒはそれぞれ前後輪タイヤのコーナリングパワー、ｌｆ、ｌｒはそれぞれ前輪から重心までの距離と後輪から重心までの距離、Ｉは車両中心旋回慣性、ｓはラプラス演算子である。
ステップＳ７では、検出中の各物体に対して、停止物体であり且つ連続検知時間を意味するカウント値Ｔｃが予め設定した所定の連続検知時間閾値Ｔｃ_ＴＨより大きいか否かを判定する。そして、Ｆ_{ＳｔｏｐＯｂｊ}＝１且つＴｃ＞Ｔｃ_ＴＨであるときには、この物体は連続検知中の停止物体であると判断してステップＳ８に移行し、Ｆ_{ＳｔｏｐＯｂｊ}＝０又はＴｃ≦Ｔｃ_ＴＨであるときには後述するステップＳ１５に移行する。
【００１８】
ステップＳ８では、連続検知中の停止物体のうち路側構造物候補として許可している物体の個数と、非検出中の路側構造物候補のうち、非検出後の物体位置情報推定処理を行っている物体、即ち補外処理中の物体の個数を算出し、それぞれ道路形状を認識する際に必要な物体数ＮＵＭ_ＴＨ以下であるか否かを判定する。そして、ＧｅｔＮｏ（Ｐｙ）≦ＮＵＭ_ＴＨ且つＧｅｔＮｏ（Ｐｙ_Ｉｎｔｐ）≦ＮＵＭ_ＴＨであるときにはステップＳ９に移行し、ＧｅｔＮｏ（Ｐｙ）＞ＮＵＭ_ＴＨ又はＧｅｔＮｏ（Ｐｙ_Ｉｎｔｐ）＞ＮＵＭ_ＴＨであるときには後述するステップＳ１５に移行する。
【００１９】
ここで、ＧｅｔＮｏ（）は括弧内の配列変数において、現在有効な情報が入っている個数を返す関数、Ｐｙ_Ｉｎｔｐは補外処理中の物体位置座標を格納する配列変数である。したがって、ＧｅｔＮｏ（Ｐｙ）により連続検知中の停止物体のうち路側構造物候補として許可している物体の個数が算出され、ＧｅｔＮｏ（Ｐｙ_Ｉｎｔｐ）により補外処理中の非検出停止物体の個数が算出される。
【００２０】
ステップＳ９では、前記ステップＳ７及びＳ８の条件を満足する物体の路側構造物候補フラグＦ_Ｉｎｔｐを下記（２）式のように設定する。
Ｆ_Ｉｎｔｐ［ＩＤ_{ｃｈｅｃｋｅｄ}］＝１ ………（２）
ここで、ＩＤ_{ｃｈｅｃｋｅｄ}は前記ステップＳ７及びＳ８の条件を満足した検知物のＩＤ番号である。
【００２１】
次にステップＳ１０で、前方物体センサ１４で検出した連続検知中の各停止物体が密集して存在しているか否かを判定する。この判定は、各停止物体を自車両と接近している物体から昇順に並べた際に、各停止物体と所定距離以内に接近している検知物体のＩＤ番号群を配列変数ＩＤ_{ｒａｎｇｅ}に代入し、この配列変数ＩＤ_{ｒａｎｇｅ}に格納されている物体の個数が、物体群が密集していると見なせる所定の密集閾値ＭＳ_ＴＨより大きいか否かで判断する。即ち、ＧｅｔＮｏ（ＩＤ_{ｒａｎｇｅ}）＞ＭＳ_ＴＨであるときには検知物群の位置が密集していると判断してステップＳ１１に移行し、ＧｅｔＮｏ（ＩＤ_{ｒａｎｇｅ}）≦ＭＳ_ＴＨであるときにはステップＳ１２に移行する。
【００２２】
ステップＳ１１では、密集している物体群の中で間引き処理を行う。配列変数ＩＤ_{ｒａｎｇｅ}のＩＤ番号群の中で最も自車両に接近している物体と、最も遠方の物体と、密集している物体群の中心に存在する物体のみ路側構造物候補として許可し、これら３つの物体以外の物体に対しては間引き処理を行う。つまり、路側構造物候補フラグＦ_Ｉｎｔｐは下記（３）及び（４）式のように設定される。
【００２３】
Ｆ_Ｉｎｔｐ［ＩＤ_{ｒａｎｇｅ}＿_ｍｉｎ＿_ｃｎｔｒ＿_ｍａｘ］＝１ ………（３）
Ｆ_Ｉｎｔｐ［ＩＤ_{ｒａｎｇｅ}＿_{ｒｅｍａｉｎ}］＝０ ………（４）
ここで、ＩＤ_{ｒａｎｇｅ}＿_ｍｉｎ＿_ｃｎｔｒ＿_ｍａｘは配列変数ＩＤ_{ｒａｎｇｅ}のＩＤ番号群の中で路側構造物候補として許可する３つの物体のＩＤ番号を有するＩＤ番号群、ＩＤ_{ｒａｎｇｅ}＿_{ｒｅｍａｉｎ}は配列変数ＩＤ_{ｒａｎｇｅ}のＩＤ番号群の中でＩＤ_{ｒａｎｇｅ}＿_ｍｉｎ＿_ｃｎｔｒ＿_ｍａｘ以外の間引かれる物体のＩＤ番号を有するＩＤ番号群である。
【００２４】
ステップＳ１２では、前回までのサンプリングにおいて検出中であり、今回のサンプリングで非検出となった物体の有無を判定する。非検出となった物体が存在し、且つその非検出物体の路側構造物候補フラグＦ_Ｉｎｔｐが“１”にセットされている場合にはステップＳ１３に移行し、それ以外の場合には後述するステップＳ１５に移行する。
【００２５】
ステップＳ１３では、前記ステップＳ１２の条件を満たす物体の非検出となった原因を判断する。この物体の非検出となる直前の位置が前方物体センサ１４の検出視野角端付近であるときには、非検出原因はレーダ視野角から外れたことによるものであると判断する。また、この物体の非検出となる直前の位置情報に基づいて、非検出物体の手前に前方車両等の障害物が存在すると判断したときには、非検出原因は前方車両等の障害物に隠されたことによるものであると判断する。
【００２６】
そして、ステップＳ１３の判定結果が、非検出原因がレーダ視野角から外れたことによるものであるか、又は前方車両等の障害物が存在して隠されたことによるものである場合にはステップＳ１４に移行し、それ以外の原因によるものの場合にはステップＳ１５に移行する。
ステップＳ１４では、補外処理物体を格納する配列変数へ、非検出直前の物体位置座標を代入する。
【００２７】
Ｐｙ_Ｉｎｔｐ［ＩＤ_{ｒｅａｒｍｏｓｔ}］＝Ｐｙ［ＩＤ_ｌｏｓｔ＿_ｏｂｊ］ ………（５）
Ｐｘ_Ｉｎｔｐ［ＩＤ_{ｒｅａｒｍｏｓｔ}］＝Ｐｘ［ＩＤ_ｌｏｓｔ＿_ｏｂｊ］ ………（６）
Ｔｃ_Ｉｎｔｐ［ＩＤ_{ｒｅａｒｍｏｓｔ}］＝０ ………（７）
ここで、Ｐｘ_ＩｎｔｐとＰｙ_Ｉｎｔｐは補外処理中の物体位置座標、ＩＤ_{ｒｅａｒｍｏｓｔ}は補外処理用の変数領域の中で補外処理中のデータが格納されている最後尾のＩＤ番号に続くＩＤ番号、ＩＤ_ｌｏｓｔ＿_ｏｂｊは今回のサンプリングで非検出となった物体のＩＤ番号、Ｔｃ_Ｉｎｔｐは補外処理実行時間を意味するカウント値である。
【００２８】
次にステップＳ１５で、後述する補外処理用の変数領域に格納されている物体の補外処理を行ってからステップＳ１６に移行し、補外処理中の物体群及び連続検知中の停止物体の位置情報を用いて、道路形状認識処理を行う。
このステップＳ１６では、ステップＳ１５で補外処理した各物体及び連続検知中の各停止物体の物体位置座標に基づいて、これらの道路形状を構成する全ての物体位置を重回帰分析し、下記（８）式で示される道路形状近似線Ｌａの係数ａ〜ｃを求めることにより図３に示すような自車両ＭＣの走行道路形状を算出し、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。
【００２９】
Ｘ＝ａ＋ｂ・Ｙ＋ｃ・Ｙ^２ ………（８）
ステップＳ１５の補外処理では、図４に示すように、先ずステップＳ１５１で、１サンプリング周期の間に回転する角度＿ｔｈｅｔａ２ｗ［ｒａｄ］、自車両の車輪速度を車幅方向の速度と車間距離方向の速度とに夫々分解した値＿Ｖｘ２ｗ、＿Ｖｙ２ｗを下記（９）〜（１１）式をもとに算出すると共に、補外処理用の変数領域に格納されている物体のＩＤ番号を意味するループ変数ｌｏｏｐを“０”にリセットする。
【００３０】
＿ｔｈｅｔａ２ｗ＝φ′×Ｔｓ ………（９）
＿Ｖｘ２ｗ＝Ｖ×ｓｉｎ（β） ………（１０）
＿Ｖｙ２ｗ＝Ｖ×ｃｏｓ（β） ………（１１）
ここで、Ｔｓはサンプリング周期０．１ｓである。
次にステップＳ１５２で、路側構造物候補の物体ＩＤ番号のループ変数ｌｏｏｐが、補外処理用の変数領域の中で補外処理中のデータが格納されている最後尾のＩＤ番号に続くＩＤ番号ＩＤ_{ｒｅａｒｍｏｓｔ}より小さいか否かを判定し、ｌｏｏｐ＜ＩＤ_{ｒｅａｒｍｏｓｔ}であるときにはステップＳ１５３に移行し、ｌｏｏｐ≧ＩＤ_{ｒｅａｒｍｏｓｔ}であるときには補外処理を終了して所定のメインプログラムに復帰する。
【００３１】
ステップＳ１５３では、ＩＤ番号がｌｏｏｐである補外物体の補外処理実行時間の判定を行い、補外処理実行時間を意味するカウント値Ｔｃ_Ｉｎｔｐ［ｌｏｏｐ］が予め設定した補外処理実行時間閾値Ｔｃ_{ＩｎｔｐＴＨ}以上であるか否かを判断する。ステップＳ１５３の判定結果が、Ｔｃ_Ｉｎｔｐ［ｌｏｏｐ］＜Ｔｃ_{ＩｎｔｐＴＨ}であるときには、許容実行時間内であると判断してステップＳ１５４に移行し、下記（１２）及び（１３）式をもとに物体位置座標を算出する。
【００３２】
Ｐｙ_Ｉｎｔｐ［ｌｏｏｐ］＝Ｐｙ_Ｉｎｔｐ［ｌｏｏｐ］−（＿Ｖｙ２ｗ×Ｔｓ） ………（１２）
Ｐｘ_Ｉｎｔｐ［ｌｏｏｐ］＝Ｐｘ_Ｉｎｔｐ［ｌｏｏｐ］−（＿Ｖｘ２ｗ×Ｔｓ＋Ｐｙ_Ｉｎｔｐ［ｌｏｏｐ］×ｔａｎ（＿ｔｈｅｔａ２ｗ）） ………（１３）
このように、補外処理は、相対速度ベクトルのようなノイジーな情報を用いず、正確に検出できる自車運動情報に基づいて行われる。これは、路側構造物として許可した物体は停止物体であるため、非検出前の物体位置を初期位置として自車運動情報のみで物体位置座標の算出、即ち補外処理を行うことができるためである。
【００３３】
次にステップＳ１５５に移行して、補外処理を行った物体が自車両後方へ通り過ぎたか否かを判定する。この判定は、前記ステップＳ１５４で算出した物体位置座標Ｐｙ_Ｉｎｔｐ［ｌｏｏｐ］が０より大きいか否かによって行い、Ｐｙ_Ｉｎｔｐ［ｌｏｏｐ］≦０であるときには、補外処理を行った物体は自車両後方へ通り過ぎたと判断してステップＳ１５６に移行し、下記（１４）〜（１６）式をもとに補外終了処理を行う。
【００３４】
Ｐｙ_Ｉｎｔｐ［ｌｏｏｐ］＝Ｄ_{ＯｂｊＬｏｓｔ} ………（１４）
Ｐｘ_Ｉｎｔｐ［ｌｏｏｐ］＝Ｄ_{ＯｂｊＬｏｓｔ} ………（１５）
Ｔｃ_Ｉｎｔｐ［ｌｏｏｐ］＝Ｔｃ_{ＩｎｔｐＴＨ} ………（１６）
【００３５】
ここで、Ｄ_{ＯｂｊＬｏｓｔ}は補外処理中の物体の処理終了を意味する所定の距離である。
次にステップＳ１５７で、ループ変数ｌｏｏｐをインクリメントして前記ステップＳ１５２に移行する。
一方、前記ステップＳ１５３の判定結果が、Ｔｃ_Ｉｎｔｐ［ｌｏｏｐ］≧Ｔｃ_{ＩｎｔｐＴＨ}であるときには、許容実行時間外であると判断してステップＳ１５８に移行し、下記（１７）〜（１９）式をもとに補外終了処理を行ってから前記ステップ１５７に移行する。
【００３６】
Ｐｙ_Ｉｎｔｐ［ｌｏｏｐ］＝Ｄ_{ＯｂｊＬｏｓｔ} ………（１７）
Ｐｘ_Ｉｎｔｐ［ｌｏｏｐ］＝Ｄ_{ＯｂｊＬｏｓｔ} ………（１８）
Ｔｃ_Ｉｎｔｐ［ｌｏｏｐ］＝Ｔｃ_{ＩｎｔｐＴＨ} ………（１９）
図２の処理において、ステップＳ２〜Ｓ１２の処理が路側構造物候補判断手段に対応し、ステップＳ１３及び図４の処理が位置情報演算手段に対応し、ステップＳ１４の処理が道路形状認識手段に対応している。
【００３７】
したがって、今、自車両ＭＣの前方に図５に示すように、先行車両ＰＣ及び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〜ｆを連続検知時間閾値Ｔｃ_ＴＨ以上連続検知し、物体ｂ〜ｆの路側構造物候補フラグＦ_Ｉｎｔｐは“１”にセットされて路側構造物として許可しているものとすると、物体ａは自車両前方を走行中の先行車両であるので、図２の路側構造物候補判断処理において、ステップＳ２で物体ｂ〜ｇが停止物であると判断され、物体ｂ〜ｆは連続検知中であるので、ステップＳ７からステップＳ８に移行して連続検知中の路側構造物候補物体数、及び補外処理中の物体数の判定を行う。仮に道路形状を認識する際に必要な物体数ＮＵＭ_ＴＨを、ＮＵＭ_ＴＨ＝３であるとすると、ＧｅｔＮｏ（Ｐｙ）＞ＮＵＭ_ＴＨであるのでステップＳ８からステップＳ１５に移行して、現在補外処理中の物体位置情報の更新を行う。しかしながら、現在補外処理を行う物体は存在しないので、そのままステップＳ１６に移行して連続検知中の路側構造物候補物体ｂ〜ｆの物体位置座標に基づいて、前記（８）式をもとに道路形状近似線Ｌａが算出される。
【００３８】
この状態から、例えばΔｔ秒経過し、図６に示すように検出中の物体ｅ及びｆが前方物体センサ１４の検出視野外となって非検出状態となった場合には、検知中の路側構造物候補物体数は物体ｂ〜ｄの３つであり、補外処理中の物体数存在しないので、ステップＳ８でＧｅｔＮｏ（Ｐｙ）≦ＮＵＭ_ＴＨ且つＧｅｔＮｏ（Ｐｙ_Ｉｎｔｐ）≦ＮＵＭ_ＴＨとなって、道路形状を認識する際に必要な物体数に達していないと判断してステップＳ９に移行し、物体ｂ〜ｄの路側構造物候補フラグＦ_Ｉｎｔｐが“１”にセットされる。検知中の停止物体は密集していないため、ステップＳ１０からステップＳ１２に移行し、非検出物体ｅ及びｆは前回までのサンプリングで連続検知中であり、路側構造物候補フラグＦ_Ｉｎｔｐは“１”にセットされているので、ステップＳ１２からステップＳ１３に移行して、物体ｅ及びｆの非検出となった原因を判定する。非検出原因は、前方物体センサ１４の検出視野外となることによるものであるので、ステップＳ１４に移行して、前記（５）〜（７）式をもとに、補外処理物体を格納する配列変数Ｐｙ_Ｉｎｔｐ及びＰｘ_Ｉｎｔｐへ非検出直前の物体位置座標Ｐｙ及びＰｘを代入し、初期位置の設定を行う。これにより、補外処理物体を格納する配列変数Ｐｙ_Ｉｎｔｐ及びＰｘ_Ｉｎｔｐには物体ｅ及びｆの２つの物体位置座標が格納されることになる。
【００３９】
そして、図４の補外処理において、ステップＳ１５１でループ変数ｌｏｏｐが“０”に初期化され、物体ｅ及びｆの補外処理実行時間を意味するカウント値Ｔｃ_Ｉｎｔｐは夫々補外処理実行時間閾値Ｔｃ_{ＩｎｔｐＴＨ}を超えていないので、先ず物体ｆの物体位置座標であるＰｙ_Ｉｎｔｐ［０］及びＰｘ_Ｉｎｔｐ［０］が、ステップＳ１５４で前記（１２）及び（１３）式をもとに更新される。そして、ステップＳ１５７でループ変数ｌｏｏｐをインクリメントした後、物体ｅの物体位置座標であるＰｙ_Ｉｎｔｐ［１］及びＰｘ_Ｉｎｔｐ［１］が、ステップＳ１５４で前記（１２）及び（１３）式をもとに算出される。
【００４０】
次いで図２のステップＳ１６で、連続検知中の路側構造物候補物体ｂ〜ｄの物体位置座標と補外処理中の物体ｅ及びｆの物体位置座標に基づいて、前記（８）式をもとに道路形状近似線Ｌａが算出される。
このように、路側構造物候補として許可した物体が前方物体センサ１４で検出している状態から検出しない状態となったときに、その物体の非検出後の物体位置情報を算出することで補外処理を行い、連続検知中の路側構造物候補物体の物体位置座標と、補外処理中の非検出物体の物体位置座標とに基づいて道路形状を認識するので、連続検知中の路側構造物候補物体の数が少なくて道路形状認識に必要な物体数に達していない場合であっても、常に安定して道路形状を認識することができる。
【００４１】
この状態から、さらにΔｔ秒経過し、図７に示すように検出中の物体ｄが前方物体センサ１４の検出視野外となって非検出状態となり、さらに補外処理中の物体ｆが自車両の後方へ通り過ぎた場合には、検知中の路側構造物候補物体数は物体ｂ、ｃの２つとなり、補外処理中の物体数は物体ｅ、ｆの２つである。この場合には、非検出物体ｄは前回までのサンプリングで連続検知中であり、路側構造物候補フラグＦ_Ｉｎｔｐは“１”にセットされているので、ステップＳ１２からステップＳ１３に移行して、物体ｄの非検出原因を判定する。非検出原因は、前方物体センサ１４の検出視野外となることによるものであるので、ステップＳ１４に移行して、前記（５）〜（７）式をもとに、補外処理物体を格納する配列変数Ｐｙ_Ｉｎｔｐ及びＰｘ_Ｉｎｔｐへ非検出直前の物体位置座標Ｐｙ及びＰｘを代入し、初期位置の設定を行う。ここで、現在補外処理中の物体はｅ及びｆの２つであるので、ＩＤ番号ＩＤ_{ｒｅａｒｍｏｓｔ}は“２”となり、補外処理物体を格納する配列変数Ｐｙ_Ｉｎｔｐ及びＰｘ_Ｉｎｔｐには物体ｄ〜ｆの３つの物体位置座標が格納されることになる。
【００４２】
そして、図４の補外処理において、ステップＳ１５１でループ変数ｌｏｏｐが“０”に初期化され、物体ｄ〜ｆの補外処理実行時間を意味するカウント値Ｔｃ_Ｉｎｔｐが夫々補外処理実行時間閾値Ｔｃ_{ＩｎｔｐＴＨ}を超えていない状態であるとすると、先ず物体ｆの物体位置座標であるＰｙ_Ｉｎｔｐ［０］及びＰｘ_Ｉｎｔｐ［０］が、ステップＳ１５４で前記（１２）及び（１３）式をもとに更新される。物体ｆは自車両の後方へ通り過ぎたので、ステップＳ１５５で、Ｐｙ_Ｉｎｔｐ［０］≦０となってステップＳ１５６に移行し、物体ｆの補外終了処理を行う。そして、ステップＳ１５７でループ変数ｌｏｏｐをインクリメントした後、物体ｅの物体位置座標であるＰｙ_Ｉｎｔｐ［１］及びＰｘ_Ｉｎｔｐ［１］が、ステップＳ１５４で前記（１２）及び（１３）式をもとに更新され、さらにステップＳ１５７でループ変数ｌｏｏｐをインクリメントした後、物体ｄの物体位置座標であるＰｙ_Ｉｎｔｐ［２］及びＰｘ_Ｉｎｔｐ［２］が、ステップＳ１５４で前記（１２）及び（１３）式をもとに設定される。これにより、補外処理中の物体はｄ及びｅの２つとなる。
【００４３】
次いで図２のステップＳ１６で、連続検知中の路側構造物候補物体ｂ及びｃの物体位置座標と補外処理中の物体ｄ及びｅの物体位置座標に基づいて、前記（８）式をもとに道路形状近似線Ｌａが算出される。
また、図５に示すように前方物体センサ１４で物体ａ〜ｆを連続検知時間閾値Ｔｃ_ＴＨ以上連続検知し、物体ｂ〜ｆの路側構造物候補フラグＦ_Ｉｎｔｐを“１”にセットして路側構造物として許可しており、検知中の路側構造物候補物体ｂ〜ｆの物体位置情報のみで道路形状が認識できる状態であるときに、図８に示すように自車両ＭＣの前方に先行車両ＰＣ２が割り込んだとする。
【００４４】
この場合には、検知中の物体ｂ〜ｅが検出できない状態となり、検知中の路側構造物候補物体数は物体ｆのみとなる。補外処理中の物体数存在しないので、ステップＳ８でＧｅｔＮｏ（Ｐｙ）≦ＮＵＭ_ＴＨ且つＧｅｔＮｏ（Ｐｙ_Ｉｎｔｐ）≦ＮＵＭ_ＴＨとなってステップＳ９に移行し、物体ｆの路側構造物候補フラグＦ_Ｉｎｔｐが“１”にセットされる。検知中の停止物体は密集していないため、ステップＳ１０からステップＳ１２に移行し、非検出物体ｂ〜ｅは前回までのサンプリングで連続検知中であり、路側構造物候補フラグＦ_Ｉｎｔｐは“１”にセットされているので、ステップＳ１２からステップＳ１３に移行して、物体ｂ〜ｅの非検出原因を判定する。非検出原因は、先行車両の奥に位置して隠れたことによるものであるので、ステップＳ１４に移行して、前記（５）〜（７）式をもとに、補外処理物体を格納する配列変数Ｐｙ_Ｉｎｔｐ及びＰｘ_Ｉｎｔｐへ非検出直前の物体位置座標Ｐｙ及びＰｘを夫々代入し、初期位置の設定を行う。これにより、補外処理物体を格納する配列変数Ｐｙ_Ｉｎｔｐ及びＰｘ_Ｉｎｔｐには物体ｂ〜ｅの４つの物体位置座標が格納されることになる。
【００４５】
そして、図４の補外処理において、物体ｂ〜ｅの非検出後の物体位置座標であるＰｙ_Ｉｎｔｐ及びＰｘ_Ｉｎｔｐが、ステップＳ１５４で前記（１２）及び（１３）式をもとに算出され、図２のステップＳ１６で、連続検知中の路側構造物候補物体ｆの物体位置座標と補外処理中の物体ｂ〜ｅの物体位置座標に基づいて、前記（８）式をもとに道路形状近似線Ｌａが算出される。
【００４６】
このように、上記実施形態では、連続検知中の停止物体に対して道路形状を形成する路側構造物候補として許可するか否かの判断を行い、路側構造物候補として許可した物体が検出している状態から検出しない状態となったときに、補外処理を実施して非検出後の物体位置情報を算出するので、自車前方物体を検出するためのレーダ視野角が狭くて検知できる路側の反射物数が少ない場合であっても、非検出となった反射物の物体位置情報及び検知中の反射物の物体位置情報に基づいて道路形状を把握することができると共に、実在しない反射物やリフレクタ以外の弱い反射物などを路側構造物候補として許可することがなくなるので、道路形状の認識精度を下げるノイズ情報に影響されることを防止することができる。
【００４７】
また、補外処理中の物体数及び連続検知中の路側構造物候補物体数が、道路形状を認識する際に必要な物体数に達するまで、現在検知中の停止物体を路側構造物候補として許可するので、補外処理中の物体数が所定値に達しているときには、補外処理をする物体数を制限して計算負荷を低減することができると共に、デリニエータ等に付いている反射物をかなりの数で検知しており、補外処理物体の位置情報を用いなくても道路形状を算出することが可能であるときには、路側構造物候補として許可しないことにより補外処理に要する計算負荷を無くすことができる。
【００４８】
さらに、連続検知中の停止物体が密集して存在している場合には、密集している物体群の中から間引いた残りの物体に対して路側構造物候補として許可するため、補外処理に要する計算負荷を低減することができると共に、道路形状を適切に算出することができる。
また、連続検出中の路側構造物候補物体が検出している状態から検出しない状態となる原因が、少なくとも前方物体を検出するためのレーダ視野角から外れたことによるものである場合、及び前方車両等の障害物の奥に位置して隠されたことによるものである場合に路側構造物候補として許可するので、より確実に安定して検知できる物体にのみ補外処理を実施ことができる。
【００４９】
なお、上記実施形態においては、図２の路側構造物候補判断処理のステップＳ６において、２輪モデルにより前記（１）式をもとにヨーレートとスリップ角を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、ヨーレートセンサを適用して直接ヨーレートを検出するようにしてもよく、また、加速度センサを適用して前後加速度及び横加速度の比率からスリップ角を算出するようにしてもよい。
【００５０】
また、上記実施形態においては、ステップＳ７で、検知した物体が停止物体であり且つ連続検知中であるとき、即ちＦ_{ＳｔｏｐＯｂｊ}＝１且つＴｃ＞Ｔｃ_ＴＨであるときにステップＳ８に移行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、検知した物体の幅Ｗを用いて、Ｆ_{ＳｔｏｐＯｂｊ}＝１且つＴｃ＞Ｔｃ_ＴＨ且つＷ＜Ｗ_ＴＨであるときにステップＳ８に移行するようにしてもよい。ここで、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。このように、検知した停止物体が車両であるか否かの判断を追加することにより、停止車両をデリニエータ等の路側停止物と誤認識することによる道路形状認識誤差を無くし、より正確な道路形状を算出することができる。
【００５１】
さらに、上記実施形態においては、ステップＳ１４で、前記（５）及び（６）式をもとに非検出直前の物体位置を初期位置として設定し、補外処理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、下記（２０）及び（２１）式をもとに初期位置を設定するようにしてもよい。
Ｐｙ_Ｉｎｔｐ［ＩＤ_{ｒｅａｒｍｏｓｔ}］＝Ｐｙ＿ｚ［ＩＤ_ｌｏｓｔ＿_ｏｂｊ］ ………（２０）
Ｐｘ_Ｉｎｔｐ［ＩＤ_{ｒｅａｒｍｏｓｔ}］＝Ｐｘ＿ｚ［ＩＤ_ｌｏｓｔ＿_ｏｂｊ］ ………（２１）
ここで、Ｐｙ＿ｚ及びＰｘ＿ｚは物体位置座標Ｐｙ及びＰｘの１サンプリング周期前の値を意味する配列変数である。このように、路側構造物候補として許可された物体の非検出直前の位置を初期位置として補外処理を行うのではなく、非検出直前よりも少なくとも１サンプリング前の位置を初期位置として補外処理を行うので、特にレーダ視野角から外れて検出できない状態となる場合には、非検出直前における物体位置が乱れやすくなる影響を防止することができる。
【００５２】
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】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候補判断処理を示すフローチャートである。
【図３】路側構造物候補物体の位置情報から算出する道路形状近似線の説明図である。
【図４】本発明の実施形態における図２の路側構造物候補判断処理の補外処理を示すフローチャートである。
【図５】本発明の実施形態の動作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。
【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
１７操舵角センサ
１９ブレーキ制御用コントローラ
２０外界認識コントローラ[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, only whether or not a detected object is a stop object is detected from the relative speed between the own vehicle speed and a front object, and only when three or more stop objects are detected, It is known that the left and right ends of a road are recognized as a set of line segments by interpolating between constituent segments of a stopped object, and the lateral distance between the road and the host vehicle is calculated (for example, see Patent Document 1). .
[0003]
[Patent Document 1]
Japanese Patent Laid-Open No. 2001-256600 (page 8, FIG. 6)
[0004]
[Problems to be solved by the invention]
However, in the above conventional vehicle road shape recognition device, the road shape is recognized based on three or more detection-stopped objects. Therefore, when the road curvature radius is loose, the detection view angle of the radar When the number of stop objects that can be detected is small, there is an unsolved problem that the road shape cannot be recognized.
Accordingly, the present invention has been made paying attention to the unsolved problems of the above-described conventional example, and an object thereof is to provide a vehicle road shape recognition device that can always stably recognize a road shape. Yes.
[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 in front of the host vehicle with a front object detection means, and the road shape recognition means detects a front being detected by the front object detection means. Among the objects, the position information of the object that is a roadside structure candidate that forms the shape of the road on which the host vehicle is traveling, and the front object that is in the non-detection state from the state detected by the front object detection means Based on the position information after the non-detection of the object that is the roadside structure candidate, the shape of the road while the vehicle is traveling is recognized.
[0006]
【The invention's effect】
According to the present invention, among a plurality of front objects detected by a sensor for detecting an object in front of the host vehicle such as a radar, position information of an object that is a roadside structure candidate constituting a road shape, and a sensor Because the road shape is recognized based on the position information of the object that is the roadside structure candidate among the forward objects that are in the non-detection state from the detection state in the state, the detection state from the state detected by the sensor For the object that has become, for example, by virtually widening the radar viewing angle, it is possible to reliably grasp the road shape even when the number of roadside structure candidates being detected is small.
[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. _BR In 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.
[0010]
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.
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. This 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 it from the front object. Based on the time difference from the emission timing to the reception timing of the reflected light, the relative distance between the host vehicle and the front object at each angle (lateral direction Px, vertical direction Py), The width W and the relative speed Vr of the front object are detected.
[0011]
Further, this vehicle is provided with a steering angle sensor 17 for detecting a steering angle δ of a steering wheel (not shown), and this detection signal is input to the external recognition controller 20.
The own vehicle speed V output from the vehicle speed sensor 13, 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 steering angle δ output from the steering angle sensor 17. Input to the outside world recognition controller 20, and the outside world recognition controller 20 determines whether or not to permit a stopped object detected by the front object sensor 14 as a road side structure candidate for forming a road shape, and to determine a road side structure candidate. Is detected based on the vehicle speed V and the steering angle δ using the object position information before non-detection as the initial position when the object permitted as is changed from the state detected by the front object sensor 14 to the non-detected state. The object position information after the estimation, so-called extrapolation, the object position information of the roadside structure candidate being detected by the front object sensor 14, and the extrapolation of the roadside structure candidate that is not being detected Based on the result, a road shape approximate expression representing the road shape while the vehicle is traveling is calculated.
[0012]
The brake control controller 19 determines whether or not each object detected by the front object sensor 14 is an obstacle to avoid braking for the host vehicle based on the road shape calculated by the external recognition controller 20. When it is determined that it should be avoided, a predetermined braking pressure command value P _BR Is output to the braking control device 8 to perform automatic brake control of the host vehicle.
[0013]
Next, a roadside structure candidate determination processing procedure for executing the operation of the first embodiment by the external recognition controller 20 will be described with reference to FIG.
This roadside structure candidate 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 like. The relative speed Vr, the own vehicle speed V detected by the vehicle speed sensor 13, and the steering angle δ detected by the steering angle sensor 17 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].
[0014]
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. _StopObj Is 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 _StopObj Is reset to “0”.
[0015]
Next, in step S5, a count value Tc that means the continuous detection time of each object being detected is set. When the same object as that detected in the previous sampling is also detected in the current sampling, the count value Tc which means the continuous detection time of the object is incremented. For an object detected for the first time in this sampling, the count value Tc indicating the continuous detection time and the roadside structure candidate flag F _Intp Is cleared to zero and set to a state that is not permitted as a roadside structure candidate.
[0016]
Next, in step S6, the yaw rate φ ′ and slip angle β of the host vehicle are calculated based on the following equation (1) based on the host vehicle speed V and the steering angle δ, and the process proceeds to step S7.
{MVs + 2 (Kf + Kr)} β (s) + {mV + 2 (lf · Kf−lr · Kr) / V} φ ′ (s) = 2Kf · δ (s)
2 (lf · Kf−lr · Kr) β (s) + {Is + 2 (lf ² ・ Kf-lr ² ・ Kr) / V} φ ′ (s) = 2lf · Kf · δ (s) (1)
[0017]
Where m is the vehicle weight, Kf and Kr are the cornering powers of the front and rear tires, lf and lr are the distance from the front wheel to the center of gravity and the distance from the rear wheel to the center of gravity, I is the vehicle center turning inertia, and s is Laplace It is an operator.
In step S7, for each object being detected, a predetermined continuous detection time threshold Tc that is a stop object and has a preset count value Tc that means continuous detection time. _TH Determine if greater than. And F _StopObj = 1 and Tc> Tc _TH If it is, it is determined that this object is a stopped object during continuous detection, and the process proceeds to step S8. _StopObj = 0 or Tc ≦ Tc _TH If so, the process proceeds to step S15 described later.
[0018]
In step S8, the number of objects permitted as roadside structure candidates among the stopped objects being continuously detected and the object position information estimation process after non-detection among the non-detected roadside structure candidates are performed. Calculate the number of objects, that is, the number of objects being extrapolated, and the number of objects required to recognize each road shape NUM _TH It is determined whether or not: And GetNo (Py) ≦ NUM _TH And GetNo (Py _Intp ) ≦ NUM _TH When it is, the process proceeds to step S9, and GetNo (Py)> NUM _TH Or GetNo (Py _Intp )> NUM _TH If so, the process proceeds to step S15 described later.
[0019]
Here, GetNo () is a function that returns the number of currently valid information in the array variable in parentheses, Py _Intp Is an array variable for storing object position coordinates during extrapolation. Therefore, the number of objects permitted as roadside structure candidates among the stationary objects being continuously detected is calculated by GetNo (Py), and GetNo (Py _Intp ) To calculate the number of non-detection stopped objects during extrapolation processing.
[0020]
In step S9, an object roadside structure candidate flag F satisfying the conditions of steps S7 and S8. _Intp Is set as shown in the following equation (2).
F _Intp [ID _checked ] = 1 (2)
Where ID _checked Is the ID number of the detected object that satisfies the conditions of steps S7 and S8.
[0021]
Next, in step S10, it is determined whether or not the stationary objects being continuously detected detected by the front object sensor 14 are densely present. In this determination, when the stopped objects are arranged in ascending order from the object approaching the host vehicle, the ID number group of the detected objects approaching within the predetermined distance from each stopped object is an array variable ID. _range Assigned to this array variable ID _range The number of objects stored in the predetermined density threshold value MS that can be considered that the object group is dense _TH Judge by whether or not it is larger. That is, GetNo (ID _range ) ＞ MS _TH If it is, it is determined that the positions of the detected object groups are dense, and the process proceeds to step S11, where GetNo (ID _range ) ≦ MS _TH If so, the process proceeds to step S12.
[0022]
In step S11, thinning processing is performed in a dense group of objects. Array variable ID _range Only the object closest to the vehicle, the object farthest from the ID number group, and the object existing at the center of the dense object group are permitted as roadside structure candidates. Other than these three objects The thinning process is performed on the object. That is, the roadside structure candidate flag F _Intp Is set as in the following equations (3) and (4).
[0023]
F _Intp [ID _range _ _min _ _cntr _ _max ] = 1 ……… (3)
F _Intp [ID _range _ _remain ] = 0 ……… (4)
Where ID _range _ _min _ _cntr _ _max Is the array variable ID _range ID number group having ID numbers of three objects permitted as roadside structure candidates in the ID number group of _range _ _remain Is the array variable ID _range ID in the group of ID numbers _range _ _min _ _cntr _ _max This is an ID number group having ID numbers of objects to be thinned out.
[0024]
In step S12, it is determined whether or not there is an object that has been detected in the previous sampling and has not been detected in the current sampling. There is a non-detected object, and the roadside structure candidate flag F of the non-detected object _Intp Is set to “1”, the process proceeds to step S13, and otherwise, the process proceeds to step S15 described later.
[0025]
In step S13, the cause of the non-detection of the object that satisfies the condition of step S12 is determined. When the position immediately before the non-detection of the object is near the detection viewing angle end of the front object sensor 14, it is determined that the cause of the non-detection is due to the deviation from the radar viewing angle. In addition, when it is determined that an obstacle such as a forward vehicle exists in front of the non-detected object based on the position information immediately before the non-detection of the object, the cause of the non-detection is hidden by the obstacle such as the forward vehicle. Judging by the fact.
[0026]
If the determination result in step S13 is that the cause of non-detection is out of the radar viewing angle or that an obstacle such as a preceding vehicle exists and is hidden, step S14 is performed. If the cause is other than that, the process proceeds to step S15.
In step S14, the object position coordinates immediately before non-detection are substituted into the array variable that stores the extrapolated object.
[0027]
Py _Intp [ID _rearmost ] = Py [ID _lost _ _obj ] ……… (5)
Px _Intp [ID _rearmost ] = Px [ID _lost _ _obj ] ……… (6)
Tc _Intp [ID _rearmost ] = 0 ......... (7)
Where Px _Intp And Py _Intp Is the object position coordinates during the extrapolation process, ID _rearmost Is the ID number following the last ID number in which the data being extrapolated is stored in the variable area for extrapolation, ID _lost _ _obj Is the ID number of the object not detected by this sampling, Tc _Intp Is a count value which means extrapolation processing execution time.
[0028]
Next, in step S15, extrapolation processing of objects stored in a variable region for extrapolation processing, which will be described later, is performed, and then the process proceeds to step S16, where a group of objects being extrapolated and stopped objects being continuously detected are detected. A road shape recognition process is performed using the position information.
In this step S16, based on the object position coordinates of each object extrapolated in step S15 and each stationary object being continuously detected, all object positions constituting these road shapes are subjected to multiple regression analysis, and the following (8 ) To calculate the road shape of the host vehicle MC as shown in FIG. 3 by calculating the coefficients a to c of the road shape approximate line La shown in the equation, finish the timer interruption process, and return to the predetermined main program To do.
[0029]
X = a + b · Y + c · Y ² ......... (8)
In the extrapolation process in step S15, as shown in FIG. 4, first, in step S151, the angle_theta2w [rad] that rotates during one sampling period, the wheel speed of the host vehicle is changed in the vehicle width direction speed and the inter-vehicle distance direction. Loop variables loop that mean the ID numbers of the objects stored in the variable region for extrapolation, while calculating values _Vx2w and _Vy2w that are decomposed into speeds, respectively, based on the following equations (9) to (11) Is reset to “0”.
[0030]
_Theta2w = φ ′ × Ts (9)
_Vx2w = V × sin (β) (10)
_Vy2w = V × cos (β) (11)
Here, Ts is a sampling period of 0.1 s.
Next, in step S152, the loop number loop of the object ID number of the roadside structure candidate is the ID number following the last ID number in which the data being extrapolated is stored in the extrapolation variable area. ID _rearmost Determine if smaller than, loop <ID _rearmost If YES, the process moves to step S153, and loop ≧ ID _rearmost If it is, the extrapolation process is terminated and the process returns to a predetermined main program.
[0031]
In step S153, the extrapolation processing execution time of the extrapolation object whose ID number is “loop” is determined, and the count value Tc which means the extrapolation processing execution time is determined. _Intp Extrapolation processing execution time threshold Tc preset by [loop] _IntpTH It is determined whether this is the case. The determination result of step S153 is Tc _Intp [Loop] <Tc _IntpTH If it is, it is determined that the time is within the allowable execution time, the process proceeds to step S154, and the object position coordinates are calculated based on the following equations (12) and (13).
[0032]
Py _Intp [Loop] = Py _Intp [Loop] − (_ Vy2w × Ts) (12)
Px _Intp [Loop] = Px _Intp [Loop] − (_ Vx2w × Ts + Py _Intp [Loop] × tan (_theta2w)) (13)
As described above, the extrapolation process is performed based on the own vehicle motion information that can be accurately detected without using noisy information such as a relative velocity vector. This is because the object permitted as the roadside structure is a stop object, and therefore, the object position coordinates can be calculated, that is, extrapolated by only the own vehicle motion information, with the object position before non-detection as the initial position. is there.
[0033]
Next, the process proceeds to step S155, and it is determined whether or not the object subjected to the extrapolation process has passed to the rear of the host vehicle. This determination is based on the object position coordinates Py calculated in step S154. _Intp Depending on whether [loop] is greater than 0, Py _Intp When [loop] ≦ 0, it is determined that the extrapolated object has passed to the rear of the host vehicle, the process proceeds to step S156, and extrapolation end processing is performed based on the following equations (14) to (16). Do.
[0034]
Py _Intp [Loop] = D _ObjLost ……… (14)
Px _Intp [Loop] = D _ObjLost ……… (15)
Tc _Intp [Loop] = Tc _IntpTH ……… (16)
[0035]
Where D _ObjLost Is a predetermined distance which means the end of processing of the object being extrapolated.
In step S157, the loop variable loop is incremented, and the process proceeds to step S152.
On the other hand, the determination result of step S153 is Tc. _Intp [Loop] ≧ Tc _IntpTH If it is, it is determined that it is outside the allowable execution time, and the process proceeds to step S158. After extrapolation end processing is performed based on the following equations (17) to (19), the process proceeds to step 157.
[0036]
Py _Intp [Loop] = D _ObjLost ……… (17)
Px _Intp [Loop] = D _ObjLost ……… (18)
Tc _Intp [Loop] = Tc _IntpTH ……… (19)
In the process of FIG. 2, the processes of steps S2 to S12 correspond to the roadside structure candidate determination means, the processes of steps S13 and 4 correspond to the position information calculation means, and the process of step S14 corresponds to the road shape recognition means. is doing.
[0037]
Accordingly, it is assumed that a roadside stop object DE such as a preceding vehicle PC and a delineator is present in front of the host vehicle MC as shown in FIG. At this time, the front object sensor 14 detects the objects a to f as the continuous detection time threshold Tc. _TH As described above, the roadside structure candidate flag F of the objects b to f is continuously detected. _Intp Is set to “1” and permitted as a roadside structure, the object a is a preceding vehicle traveling ahead of the host vehicle. Therefore, in the roadside structure candidate determination process of FIG. Since it is determined that the objects b to g are stationary objects and the objects b to f are being continuously detected, the process proceeds from step S7 to step S8, and the number of roadside structure candidate objects being continuously detected and extrapolation processing is being performed. The number of objects is determined. Number of objects required to recognize road shape NUM _TH NUM _TH = 3, GetNo (Py)> NUM _TH Therefore, the process proceeds from step S8 to step S15, and the object position information currently being extrapolated is updated. However, since there is currently no object to be extrapolated, the process proceeds to step S16 as it is and based on the object position coordinates of the roadside structure candidate objects b to f that are being continuously detected based on the equation (8). A road shape approximate line La is calculated.
[0038]
If, for example, Δt seconds elapses from this state and the objects e and f being detected are outside the detection field of view of the front object sensor 14 and become a non-detection state as shown in FIG. The number of object candidate objects is three of objects b to d, and there is no number of objects being extrapolated, so in step S8 GetNo (Py) ≦ NUM _TH And GetNo (Py _Intp ) ≦ NUM _TH Thus, it is determined that the number of objects necessary for recognizing the road shape has not been reached, and the process proceeds to step S9, where the roadside structure candidate flags F of the objects b to d _Intp Is set to “1”. Since the stopped objects being detected are not dense, the process proceeds from step S10 to step S12, and the non-detected objects e and f are being continuously detected by the previous sampling, and the roadside structure candidate flag F _Intp Is set to “1”, the process proceeds from step S12 to step S13 to determine the cause of the non-detection of the objects e and f. Since the cause of non-detection is due to being outside the detection field of view of the front object sensor 14, the process proceeds to step S14, and the extrapolated object is stored based on the equations (5) to (7). Array variable Py _Intp And Px _Intp Substitute the object position coordinates Py and Px immediately before non-detection to set the initial position. Thereby, the array variable Py for storing the extrapolated object is stored. _Intp And Px _Intp The two object position coordinates of the objects e and f are stored in.
[0039]
In the extrapolation process of FIG. 4, the loop variable loop is initialized to “0” in step S151, and the count value Tc that means the extrapolation process execution time of the objects e and f _Intp Are extrapolation processing execution time threshold values Tc, respectively. _IntpTH First, Py which is the object position coordinate of the object f _Intp [0] and Px _Intp [0] is updated based on the equations (12) and (13) in step S154. Then, after incrementing the loop variable loop in step S157, Py which is the object position coordinate of the object e _Intp [1] and Px _Intp [1] is calculated based on the equations (12) and (13) in step S154.
[0040]
Next, in step S16 of FIG. 2, based on the object position coordinates of the roadside structure candidate objects b to d being continuously detected and the object position coordinates of the objects e and f being extrapolated, the above equation (8) is used. A road shape approximate line La is calculated.
As described above, when an object permitted as a roadside structure candidate is changed from being detected by the front object sensor 14 to being not detected, extrapolation is performed by calculating object position information after the non-detection of the object. The road shape is recognized based on the object position coordinates of the roadside structure candidate object being continuously detected and the object position coordinates of the non-detected object being extrapolated, so that the roadside structure candidate being continuously detected Even when the number of objects is small and the number of objects necessary for road shape recognition is not reached, the road shape can always be recognized stably.
[0041]
From this state, Δt seconds have passed, and as shown in FIG. 7, the object d being detected is outside the detection field of view of the front object sensor 14 and is not detected, and the object f being extrapolated is When the vehicle passes rearward, the number of roadside structure candidate objects being detected is two objects b and c, and the number of objects being extrapolated is two objects e and f. In this case, the non-detected object d is being continuously detected by sampling up to the previous time, and the roadside structure candidate flag F _Intp Is set to “1”, the process proceeds from step S12 to step S13 to determine the cause of non-detection of the object d. Since the cause of non-detection is due to being outside the detection visual field of the front object sensor 14, the process proceeds to step S14, and the extrapolated object is stored based on the equations (5) to (7). Array variable Py _Intp And Px _Intp Substitute the object position coordinates Py and Px immediately before non-detection to set the initial position. Here, since there are two objects currently being extrapolated, e and f, the ID number ID _rearmost Becomes “2” and the array variable Py for storing the extrapolated object _Intp And Px _Intp The three object position coordinates of the objects d to f are stored in.
[0042]
In the extrapolation process of FIG. 4, the loop variable loop is initialized to “0” in step S151, and the count value Tc that means the extrapolation process execution time of the objects d to f. _Intp Are extrapolation processing execution time threshold values Tc, respectively. _IntpTH , Py which is the object position coordinate of the object f first _Intp [0] and Px _Intp [0] is updated based on the equations (12) and (13) in step S154. Since the object f has passed to the rear of the host vehicle, in step S155, Py _Intp [0] ≦ 0, and the process proceeds to step S156 to perform extrapolation end processing of the object f. Then, after incrementing the loop variable loop in step S157, Py which is the object position coordinate of the object e _Intp [1] and Px _Intp [1] is updated in step S154 based on the expressions (12) and (13), and after further incrementing the loop variable loop in step S157, Py is the object position coordinate of the object d. _Intp [2] and Px _Intp [2] is set based on the equations (12) and (13) in step S154. As a result, the number of objects being extrapolated is two, d and e.
[0043]
Next, in step S16 of FIG. 2, based on the object position coordinates of the roadside structure candidate objects b and c being continuously detected and the object position coordinates of the objects d and e being extrapolated, the above equation (8) is used. A road shape approximate line La is calculated.
Further, as shown in FIG. 5, the front object sensor 14 detects the objects a to f as the continuous detection time threshold Tc. _TH As described above, the roadside structure candidate flag F of the objects b to f is continuously detected. _Intp Is set to “1” and permitted as a roadside structure, and the road shape can be recognized only by the object position information of the roadside structure candidate objects b to f being detected, as shown in FIG. Assume that the preceding vehicle PC2 has interrupted in front of the host vehicle MC.
[0044]
In this case, the objects b to e being detected cannot be detected, and the number of roadside structure candidate objects being detected is only the object f. Since there is no number of objects being extrapolated, GetNo (Py) ≦ NUM in step S8. _TH And GetNo (Py _Intp ) ≦ NUM _TH Then, the process proceeds to step S9, where the roadside structure candidate flag F of the object f _Intp Is set to “1”. Since the stopped objects being detected are not dense, the process proceeds from step S10 to step S12, and the non-detected objects b to e are being continuously detected by the previous sampling, and the roadside structure candidate flag F _Intp Is set to “1”, the process proceeds from step S12 to step S13 to determine the cause of non-detection of the objects b to e. Since the cause of non-detection is that it is located behind the preceding vehicle and has been hidden, the process proceeds to step S14, and the extrapolated object is stored based on the equations (5) to (7). Array variable Py _Intp And Px _Intp The initial position is set by substituting the object position coordinates Py and Px immediately before non-detection. Thereby, the array variable Py for storing the extrapolated object is stored. _Intp And Px _Intp The four object position coordinates of the objects b to e are stored in.
[0045]
Then, in the extrapolation process of FIG. 4, Py which is the object position coordinate after the non-detection of the objects b to e _Intp And Px _Intp Is calculated based on the above equations (12) and (13) in step S154, and in step S16 of FIG. 2, the object position coordinates of the roadside structure candidate object f being continuously detected and the object b being extrapolated Based on the object position coordinates of e to e, the road shape approximate line La is calculated based on the equation (8).
[0046]
As described above, in the above-described embodiment, it is determined whether or not a stationary object being continuously detected is permitted as a roadside structure candidate that forms a road shape, and an object permitted as a roadside structure candidate is detected. Since the extrapolation process is performed and the object position information after non-detection is calculated when it becomes a non-detection state from the existing state, the radar viewing angle for detecting the object ahead of the host vehicle is narrow and can be detected. Even if the number of reflectors is small, it is possible to grasp the road shape based on the object position information of the non-detected reflector and the object position information of the reflector being detected. Since weak reflectors other than the reflector are not permitted as roadside structure candidates, it is possible to prevent being affected by noise information that reduces road shape recognition accuracy.
[0047]
In addition, the currently detected stop object is permitted as a roadside structure candidate until the number of extrapolated objects and the number of roadside structure candidate objects during continuous detection reach the number of objects necessary to recognize the road shape. Therefore, when the number of objects being extrapolated reaches a predetermined value, the number of objects to be extrapolated can be limited to reduce the calculation load, and the reflector attached to the delineator can be considerably reduced. When the road shape can be calculated without using the position information of the extrapolated object, the calculation load required for the extrapolation process is eliminated by not permitting it as a roadside structure candidate. be able to.
[0048]
Furthermore, if there are densely stopped objects that are being detected continuously, the remaining objects thinned out from the dense group of objects are permitted as roadside structure candidates. The required calculation load can be reduced, and the road shape can be calculated appropriately.
In addition, when the cause that the roadside structure candidate object being continuously detected is not detected from the detected state is due to a deviation from the radar viewing angle for detecting the front object, and the vehicle ahead If the object is hidden behind an obstacle such as a roadside structure candidate, the extrapolation process can be performed only on an object that can be detected more reliably and stably.
[0049]
In the above embodiment, the case where the yaw rate and the slip angle are calculated based on the equation (1) using the two-wheel model in step S6 of the roadside structure candidate determination process in FIG. 2 has been described. The present invention is not limited, and the yaw rate sensor may be applied to directly detect the yaw rate, or the acceleration sensor may be applied to calculate the slip angle from the ratio of longitudinal acceleration and lateral acceleration. .
[0050]
In the above embodiment, when the detected object is a stop object and is being continuously detected in step S7, that is, F _StopObj = 1 and Tc> Tc _TH However, the present invention is not limited to this, and the width W of the detected object is used as F. _StopObj = 1 and Tc> Tc _TH And W <W _TH If so, the process may proceed to step S8. Where W _TH Is a threshold meaning that the detected object is a small object that is not a vehicle. In this way, by adding a judgment as to whether or not the detected stopped object is a vehicle, road shape recognition errors caused by misrecognizing a stopped vehicle as a roadside stop such as a delineator are eliminated, and a more accurate road shape Can be calculated.
[0051]
Further, in the above embodiment, the case where the extrapolation process is performed by setting the object position immediately before the non-detection as the initial position based on the equations (5) and (6) in step S14 has been described. However, the initial position may be set based on the following equations (20) and (21).
Py _Intp [ID _rearmost ] = Py_z [ID _lost _ _obj ] ……… (20)
Px _Intp [ID _rearmost ] = Px_z [ID _lost _ _obj ] ……… (21)
Here, Py_z and Px_z are array variables indicating values of the object position coordinates Py and Px before one sampling period. In this way, the extrapolation process is not performed with the position immediately before the non-detection of the object permitted as the roadside structure candidate as the initial position, but the extrapolation process with the position at least one sampling before the non-detection as the initial position. Therefore, particularly in the case where the object cannot be detected by deviating from the radar viewing angle, it is possible to prevent the object position immediately before non-detection from being easily disturbed.
[0052]
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 a flowchart showing a roadside structure candidate determination process executed by an external recognition controller in the embodiment of the present invention.
FIG. 3 is an explanatory diagram of road shape approximate lines calculated from position information of roadside structure candidate objects.
4 is a flowchart showing an extrapolation process of the roadside structure candidate determination process of FIG. 2 in the embodiment of the present invention.
FIG. 5 is a diagram for explaining the operation of the embodiment of the present invention.
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.
[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
17 Steering angle sensor
19 Brake controller
20 Outside world recognition controller

Claims

Position information of an object that is a candidate for a roadside structure that forms a road shape on which the host vehicle is traveling, among a front object detecting unit that detects an object ahead of the host vehicle, and a front object that is being detected by the front object detecting unit. And a road on which the host vehicle is traveling based on position information after non-detection of an object that is a roadside structure candidate among the front objects that have been detected from the state detected by the front object detection means. A road shape recognition device for a vehicle, comprising road shape recognition means for recognizing a shape.

The road shape recognition means includes a road side structure candidate judgment means for judging whether or not to permit a front object detected by the front object detection means as a road side structure candidate, and the road side structure candidate judgment means. Position information calculating means for calculating position information after non-detection of the object when the object permitted as a roadside structure candidate is changed from the state detected by the front object detection means to the non-detection state. The road shape recognition device for a vehicle according to claim 1, wherein

The roadside structure candidate judging means permits as a roadside structure candidate when judging that the forward object detected by the forward object detecting means is a stop object necessary for the road shape recognition process of the road shape recognition means. The vehicular road shape recognition device according to claim 2, wherein the vehicular road shape recognition device is configured as described above.

The roadside structure candidate determination means is configured to permit a roadside structure candidate when the front object detected by the front object detection means is a stop object and the detection time is longer than a predetermined detection time. The vehicle road shape recognition apparatus according to claim 2 or 3, characterized in that

The roadside structure candidate judgment unit is configured to permit a roadside structure candidate when the front object detected by the front object detection unit is a stop object other than a vehicle and the detection time is longer than a predetermined detection time. The road shape recognition device for a vehicle according to any one of claims 2 to 4, wherein the vehicle road shape recognition device is provided.

The roadside structure candidate judging means uses the front object detected by the front object detecting means as a roadside structure candidate until the number of roadside structure candidates undergoing position information calculation processing by the position information calculating means reaches a predetermined value. 6. The vehicular road shape recognition apparatus according to claim 2, wherein the vehicular road shape recognition apparatus is configured to permit.

The roadside structure candidate judging means permits the front object detected by the front object detecting means as a roadside structure candidate until the number of roadside structure candidates being detected by the front object detecting means reaches a predetermined value. The vehicle road shape recognition device according to claim 2, wherein the vehicle road shape recognition device is configured as described above.

The roadside structure candidate determination means permits a roadside structure candidate to be thinned out from a dense group of objects when the stopped objects being detected by the front object detection means are densely present. 8. The vehicular road shape recognition device according to claim 2, wherein the vehicular road shape recognition device is configured as described above.

The roadside structure candidate judging means is configured such that when an object permitted as a roadside structure candidate changes from a state detected by the front object detecting means to a non-detected state, the cause is at least of the front object detecting means. It is configured to allow as a roadside structure candidate when it is due to being out of the detection viewing angle and when it is due to an obstacle existing and hidden from the own vehicle. The vehicle road shape recognition device according to claim 2, wherein the vehicle road shape recognition device is a vehicle road shape recognition device.

The position information calculation means is configured to calculate position information with an initial position as a position at least one sampling prior to immediately before non-detection when an object permitted as a roadside structure candidate is in a non-detection state. The vehicle road shape recognition device according to claim 2, wherein the vehicle road shape recognition device is provided.