JP2007333385A - 不動物位置記録装置 - Google Patents
不動物位置記録装置 Download PDFInfo
- Publication number
- JP2007333385A JP2007333385A JP2006161715A JP2006161715A JP2007333385A JP 2007333385 A JP2007333385 A JP 2007333385A JP 2006161715 A JP2006161715 A JP 2006161715A JP 2006161715 A JP2006161715 A JP 2006161715A JP 2007333385 A JP2007333385 A JP 2007333385A
- Authority
- JP
- Japan
- Prior art keywords
- animal
- absolute position
- vehicle
- host vehicle
- data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Abstract
【課題】道路周辺の不動物に関する高精度な測位データを簡単に収集することが可能な装置を低コストで実現すること。
【解決手段】不動物位置記録装置１００は、自車両の絶対位置を取得する自車両位置取得装置１１０（ＧＰＳ受信装置）と、走行中の道路周辺における物体の位置情報を取得する環境特徴取得装置１２０（測位装置）と、検出された環境特徴から自車両の運動（速度ベクトルやヨー角速度など）を推定する自車両運動推定部１４０と、推定された自車両運動および自車両の絶対位置に基づいて、道路周辺の不動物の絶対位置を推定して出力する不動物位置推定部１３０を有している。更に、不動物位置推定部１３０は、自車両取得位置評価部１３１と不動物位置評価部１３２から構成されている。また、自車両運動推定部１４０は、環境特徴評価部１４１と自車両運動評価部１４２から構成されている。
【選択図】図１
【解決手段】不動物位置記録装置１００は、自車両の絶対位置を取得する自車両位置取得装置１１０（ＧＰＳ受信装置）と、走行中の道路周辺における物体の位置情報を取得する環境特徴取得装置１２０（測位装置）と、検出された環境特徴から自車両の運動（速度ベクトルやヨー角速度など）を推定する自車両運動推定部１４０と、推定された自車両運動および自車両の絶対位置に基づいて、道路周辺の不動物の絶対位置を推定して出力する不動物位置推定部１３０を有している。更に、不動物位置推定部１３０は、自車両取得位置評価部１３１と不動物位置評価部１３２から構成されている。また、自車両運動推定部１４０は、環境特徴評価部１４１と自車両運動評価部１４２から構成されている。
【選択図】図１
Description
本発明は、ＧＰＳを用いた高精度な測位技術に関し、特に、走行環境中の自車両周辺における不動物の位置を高精度に推定して記録する不動物位置記録装置に関する。
本発明は、自車両の現在位置を確認するためにカーナビゲーションシステムやオートクルーズシステムなどに備える、道路周辺の不動物の絶対位置情報のデータベースを簡単かつ高精度に構築するための技術として有用なものである。
本発明は、自車両の現在位置を確認するためにカーナビゲーションシステムやオートクルーズシステムなどに備える、道路周辺の不動物の絶対位置情報のデータベースを簡単かつ高精度に構築するための技術として有用なものである。
近年、ＲＴＫ−ＧＰＳ（Real-Time Kinematic Global Positioning System ）によって、ＧＰＳ衛星を用いた測位技術により誤差２〜３ｃｍ程度の測位精度を得ることができる様になったが、これらの測位装置は非常に高価であり、また、例えば走行中の自動車などの移動体に関する測位を実時間で実施するには必ずしも好適なものではない。
また、これらのＲＴＫ−ＧＰＳ等を用いずに構成可能な、自車両に関する比較的高精度な測位を実時間で実施するための従来の測位技術としては、例えば、下記の特許文献１，２に記載されているものなどが公知である。これらの測位技術では、通常のナビゲーションシステムでは用いられない程詳細な道路周辺の不動物（例：道路標識や反射板や停止線など）の特徴データや位置データが事前調査によって予め記憶された記憶装置（「詳細地図ＤＢ」や「道路周囲環境記憶装置」）を備え、更に、そこに記憶されたそれらの不動物の特徴データと走行中に実時間で検出された不動物の特徴とを照合する照合手段を備える点に特徴がある。
中でも特に、下記の特許文献１は、自動車の高精度位置を推定するために、車載カメラで撮影した画像から車線境界線とランドマーク（路面表示や道路標識など）を抽出し、道路の詳細地図情報との車線レベルでの整合性チェックにこの二つの情報を組み合わせて用いることを特徴としている。
また、下記の特許文献２には、下記の記載がある。
（記載１）「レーダ装置によって検出された固定物のデータと道路周囲環境記憶装置に記憶された固定物のデータとに基づいて、ナビゲーション装置で求めた自車の現在位置を修正することで、自車の現在位置の誤差を数１０ｍ程度から１０ｃｍ程度〜数１０ｃｍ程度の誤差にすることができ、精度を向上することができる。」との記載。
（記載２）「高速道路を一度走行して反射板や照明灯等の固定物の位置を道路周囲環境記憶装置に記憶させることで、次回からは本発明の走行車線維持装置により、自車走行車線を自動的に維持させることができる。」との記載。
特開２００５−２６５４９４
特開平１０−３００４９３
（記載１）「レーダ装置によって検出された固定物のデータと道路周囲環境記憶装置に記憶された固定物のデータとに基づいて、ナビゲーション装置で求めた自車の現在位置を修正することで、自車の現在位置の誤差を数１０ｍ程度から１０ｃｍ程度〜数１０ｃｍ程度の誤差にすることができ、精度を向上することができる。」との記載。
（記載２）「高速道路を一度走行して反射板や照明灯等の固定物の位置を道路周囲環境記憶装置に記憶させることで、次回からは本発明の走行車線維持装置により、自車走行車線を自動的に維持させることができる。」との記載。
上記の特許文献１の測位方式においては、車載カメラで撮影した画像から車線境界線とランドマーク（路面表示や道路標識など）を抽出する必要があるが、この様な画像処理は必ずしも容易ではなく、また、天候や時間帯などによっては、これらの画像処理が困難となる場合も少なくない。また、上記の様な整合性チェックを実施するためには、予め上記の「詳細地図ＤＢ」に道路の詳細地図情報として所定のランドマーク（路面表示や道路標識など）を登録しておく必要があるが、これらのランドマークが何ら存在しない道路も数多く存在する。したがって、上記の特許文献１の測位技術は、その適用範囲や信頼性の面で問題が多い。また、路面表示や道路標識などの一定のランドマークの高精度な絶対位置を上記の詳細地図ＤＢに逐一登録することは、必ずしも現実的な方法とは言えない。
また、特許文献２の上記の（記載１）に示されている測位精度を実現するためには、上記の道路周囲環境記憶装置に殆ど誤差のない高精度な測位データ（絶対位置）を予め登録しておく必要がある。しかしながら、上記の特許文献２には、その様な高精度の測位データを上記の道路周囲環境記憶装置に予め登録しておくための方法や手順については、何ら開示されていない。
更に、この様な高精度の測位データを準備することは、現行の一般的な技術水準に照らして考えると、ＲＴＫ−ＧＰＳなどの高価な測位手段を用いない限り困難であり、また、ＲＴＫ−ＧＰＳなどを用いる場合であっても、それらの測位は個々の固定物の位置でそれぞれ静止して実施しなくてはならないため、上記の（記載１）に記載の道路周囲環境記憶装置を予め準備するための作業コストは、その適用領域（走行地域）を非常に狭く限定しない限り、極めて多大になるものと考えざるを得ない。
したがって、特許文献２の上記の（記載１）に示される測位技術に従う限り、走行中の移動体の現在の絶対位置を高精度に測定する測位装置に関し、その適用領域を通常のカーナビゲーションシステムの一般ユーザーにまで幅広く拡大することは全く容易ではなく、その様なアプローチは現実的とは言い難い。
更に、この様な高精度の測位データを準備することは、現行の一般的な技術水準に照らして考えると、ＲＴＫ−ＧＰＳなどの高価な測位手段を用いない限り困難であり、また、ＲＴＫ−ＧＰＳなどを用いる場合であっても、それらの測位は個々の固定物の位置でそれぞれ静止して実施しなくてはならないため、上記の（記載１）に記載の道路周囲環境記憶装置を予め準備するための作業コストは、その適用領域（走行地域）を非常に狭く限定しない限り、極めて多大になるものと考えざるを得ない。
したがって、特許文献２の上記の（記載１）に示される測位技術に従う限り、走行中の移動体の現在の絶対位置を高精度に測定する測位装置に関し、その適用領域を通常のカーナビゲーションシステムの一般ユーザーにまで幅広く拡大することは全く容易ではなく、その様なアプローチは現実的とは言い難い。
また、通常のＧＰＳを用いる場合、一般にその測位精度は、１０ｍ〜３０ｍ程度しかないと言われており、よって、特許文献２の上記の（記載２）に示される測位技術によれば、たとえ路側などにある反射板や照明灯等の固定物に対する移動体からの相対的な位置関係を精度よく認識することはできても、それらの固定物の絶対位置や、走行中の自車両の現在の絶対位置を、上記のＧＰＳの測位精度（１０ｍ〜３０ｍ）以上に高精度に検知することはできない。
本発明は、上記の課題を解決するために成されたものであり、その目的は、走行中の移動体の現在位置（絶対位置）の実時間測定に有用な、道路周辺の不動物に関する高精度な測位データを簡単に収集することが可能な装置を低コストで実現することである。
上記の課題を解決するためには、以下の手段が有効である。
即ち、本発明の第１の手段は、走行中の自車両の絶対位置を取得する絶対位置取得装置と、走行環境中の自車両周辺における不動物の自車両に対する相対的な位置を実時間で測定する測位装置とを有する車両搭載用の不動物位置記録装置において、上記の測位装置によって収集された位置データに基づいて求められる、不動物に対する自車両の相対的かつ経時的な位置変化量から自車両の運動を推定して出力する自車両運動推定部と、同一の不動物に対する一連の自車両の運動と、その一連の運動中における自車両の複数受信回に渡る絶対位置とに基づいて、その不動物の絶対位置を推定して出力する不動物位置推定部と、この不動物位置推定部によって出力された不動物の特徴と絶対位置を記録する環境特徴記憶装置とを備えることである。
即ち、本発明の第１の手段は、走行中の自車両の絶対位置を取得する絶対位置取得装置と、走行環境中の自車両周辺における不動物の自車両に対する相対的な位置を実時間で測定する測位装置とを有する車両搭載用の不動物位置記録装置において、上記の測位装置によって収集された位置データに基づいて求められる、不動物に対する自車両の相対的かつ経時的な位置変化量から自車両の運動を推定して出力する自車両運動推定部と、同一の不動物に対する一連の自車両の運動と、その一連の運動中における自車両の複数受信回に渡る絶対位置とに基づいて、その不動物の絶対位置を推定して出力する不動物位置推定部と、この不動物位置推定部によって出力された不動物の特徴と絶対位置を記録する環境特徴記憶装置とを備えることである。
ただし、上記の絶対位置取得装置としては、ＧＰＳ信号を受信するＧＰＳ受信装置の他にも、例えば光ビーコンやＤＳＲＣなどを利用した路車間通信装置や、更にはこれらの装置に、慣性航法による自律型の位置姿勢検知装置などを組み合わせた位置取得装置などを用いても良い。この様な自律型の位置姿勢検知装置は、周知の従来技術により、例えばジャイロや加速度センサやヨーレートセンサや車速センサや転舵角センサなどを用いて構成することができる。
また、上記の測位装置としては、各種のレーダやカメラなどを用いることができる。また、それらを任意に組み合わせて上記の測位装置を構成しても良い。
また、上記の環境特徴記憶装置に記録すべき位置データなどのデータ群が備える物理的かつ具体的なデータ構造は任意でよい。
また、上記の環境特徴記憶装置に記録すべき位置データなどのデータ群が備える物理的かつ具体的なデータ構造は任意でよい。
また、本発明の第２の手段は、上記の第１の手段において、上記の不動物位置推定部によって、推定された不動物の絶対位置を出力する際に、更に当該絶対位置の確からしさをも同時に出力することである。
ただし、この絶対位置の確からしさは、ＧＰＳ受信装置の性能や信頼性やＧＰＳ信号の受信状況やその時の測位精度などを加味して決定してもよいし、更に、上記の測位装置の性能や信頼性や測定状況（例えば天候や路面ノイズや車速など）やその時の測位精度などを加味して決定してもよい。また、これらの確からしさ（推定精度やその信頼性）は、例えば絶対位置に係わる平均化処理などを行った時の分散や標準偏差などを使って表現しても良い。
ただし、この絶対位置の確からしさは、ＧＰＳ受信装置の性能や信頼性やＧＰＳ信号の受信状況やその時の測位精度などを加味して決定してもよいし、更に、上記の測位装置の性能や信頼性や測定状況（例えば天候や路面ノイズや車速など）やその時の測位精度などを加味して決定してもよい。また、これらの確からしさ（推定精度やその信頼性）は、例えば絶対位置に係わる平均化処理などを行った時の分散や標準偏差などを使って表現しても良い。
また、本発明の第３の手段は、上記の第１または第２の手段において、上記の環境特徴記憶装置に記憶されている不動物の特徴の中から、上記の位置データによって表される現在観測中の不動物の特徴を、所定のデータ照合処理を用いて検索する検索照合手段を設けることである。
ただし、上記の不動物の特徴は、複数の不動点の並び方（位置関係）のみによって特定しても良い。したがって、この場合、不動物の特徴としては、多数の不動点の絶対位置の情報だけを上記の環境特徴記憶装置に記憶すれば十分である。また、例えばレーダを用いる場合には、検出物からの反射強度または反射率などを記憶するようにしても良い。不動物の特徴を表すこの様な補足的なデータは、任意に付加することができる。
ただし、上記の不動物の特徴は、複数の不動点の並び方（位置関係）のみによって特定しても良い。したがって、この場合、不動物の特徴としては、多数の不動点の絶対位置の情報だけを上記の環境特徴記憶装置に記憶すれば十分である。また、例えばレーダを用いる場合には、検出物からの反射強度または反射率などを記憶するようにしても良い。不動物の特徴を表すこの様な補足的なデータは、任意に付加することができる。
また、本発明の第４の手段は、上記の第３の手段において、上記のデータ照合処理の処理結果と、環境特徴記憶装置に記憶されている不動物の特徴の確からしさと、上記の位置データによって表される現在観測中の不動物の特徴の確からしさとに基づいて、現在観測中の不動物の特徴を環境特徴記憶装置に新たに追加するか、環境特徴記憶装置に記憶されている照合が取れない不動物の特徴を削除するか、または、環境特徴記憶装置に記憶されている不動物の特徴や確からしさを更新する、データ更新手段を備えることである。
また、本発明の第５の手段は、上記の第１乃至第４の何れか１つの手段の自車両運動推定部において、上記の位置データで示される不動物と移動物とを判別する判別手段を備えることである。
ただし、この判別処理においては、例えば上記の測位装置によって検出される物体の大半が不動物であると言う仮定の元に実施してもよい。
以上の本発明の手段により、前記の課題を効果的、或いは合理的に解決することができる。
ただし、この判別処理においては、例えば上記の測位装置によって検出される物体の大半が不動物であると言う仮定の元に実施してもよい。
以上の本発明の手段により、前記の課題を効果的、或いは合理的に解決することができる。
以上の本発明の手段によって得られる効果は以下の通りである。
同一の不動点に位置変換可能な多数の移動点に関してＧＰＳ信号を受信し、当該ＧＰＳ信号によって与えられる各移動点の絶対位置を、当該不動点の位置座標（絶対位置）に位置変換し、位置変換後のその絶対位置を平均化処理することにより、ＧＰＳ信号が示す絶対位置に含まれるランダム誤差を排除することができる。当該不動点は、道路周辺の走行環境中にある不動物を示す点でもよいし、自車両の走行軌跡上からある１点を任意に選択してもよい。また、上記の位置変換を与えるデータは、上記の本発明の測位手段によって取得することができる。
同一の不動点に位置変換可能な多数の移動点に関してＧＰＳ信号を受信し、当該ＧＰＳ信号によって与えられる各移動点の絶対位置を、当該不動点の位置座標（絶対位置）に位置変換し、位置変換後のその絶対位置を平均化処理することにより、ＧＰＳ信号が示す絶対位置に含まれるランダム誤差を排除することができる。当該不動点は、道路周辺の走行環境中にある不動物を示す点でもよいし、自車両の走行軌跡上からある１点を任意に選択してもよい。また、上記の位置変換を与えるデータは、上記の本発明の測位手段によって取得することができる。
即ち、本発明の第１の手段によれば、同一の不動物に対する自車両の相対的な一連の運動（：各時刻のヨー角速度や速度ベクトルやその積分である走行軌跡など）を求めることができ、この運動を正確に求めれば、その一連の運動中の各時刻における当該不動物と自車両との相対的な位置関係を明確にすることができる。このため、その一連の運動中に複数回に渡って受信されたＧＰＳ信号が与える異なる複数箇所の自車両の絶対位置に基づいて、その同一の不動物の絶対位置を観測時刻を替えて複数回求めることができる。
このため、上記の一連の運動中における自車両の絶対位置の検出回数（即ちＧＰＳ信号の受信回数）を増加させ、同時に上記の同一の不動物の絶対位置を多数回推定して、それらの推定値（不動物の絶対位置）を適当に平均化処理すれば、ＧＰＳ信号から得られる絶対位置に含まれる位置誤差（ランダムノイズ）を、その平均化作用に基づいて効果的に排除することができる。このため、本発明の第１の手段によれば、ＧＰＳ信号から得られる自車両の絶対位置に基づいて、道路周辺の不動物の絶対位置を従来よりも遥かに簡単かつ高精度に計測して記録することができる。
なお、上記のＧＰＳ受信装置によって自車両の絶対位置を与えるＧＰＳ信号を受信する上記の複数受信回の回数は、勿論多い程望ましいが、ある一定回数以上の範囲においては、不動物の絶対位置の推定精度はある一定水準で飽和する。ただし、この飽和レベルは、上記の測位装置の測位誤差を限定要因とするものである。
また、本発明の第１の手段によれば、ＧＰＳの絶対位置のオフセット誤差をも低減したり解消したりすることができる。
ＧＰＳ信号から得られる絶対位置のオフセット誤差は、例えばＧＰＳ衛星の配置や大気圧変動や、当日の電離層や対流圏の状態などに依存するものであるから、少なくとも分単位の短い期間中においてはこれらは略一定の値を示す。このため、秒単位の短い観測期間における自車両の絶対位置を、たとえ多件数平均化処理したところで、この様なオフセット誤差を低減または解消することはできない。
ＧＰＳ信号から得られる絶対位置のオフセット誤差は、例えばＧＰＳ衛星の配置や大気圧変動や、当日の電離層や対流圏の状態などに依存するものであるから、少なくとも分単位の短い期間中においてはこれらは略一定の値を示す。このため、秒単位の短い観測期間における自車両の絶対位置を、たとえ多件数平均化処理したところで、この様なオフセット誤差を低減または解消することはできない。
しかしながら、これらのオフセット誤差も長期的に見れば所謂ランダムノイズであるため、上記の環境特徴記憶装置に長期間に渡る同一不動点の絶対位置を多数記録したり、或いは位置情報としては等価のことであるが、上記の環境特徴記憶装置に長期間に渡って平均化処理された同一不動点の絶対位置を記録したりすれば、ＧＰＳ信号に基づいて得られる上記の不動物の絶対位置に含まれるオフセット誤差を効果的に低減させたり、解消したりすることが可能となる。
即ち、測定日時を替え、同一の不動点に関する絶対位置の観測を長期間かつ複数回に渡って行い、それらの収集データを再評価（平均化処理）すれば、本発明の不動物位置記録装置により、走行環境中の不動物の絶対位置に含まれるオフセット誤差を効果的に低減させたり、解消したりすることも可能となる。
即ち、測定日時を替え、同一の不動点に関する絶対位置の観測を長期間かつ複数回に渡って行い、それらの収集データを再評価（平均化処理）すれば、本発明の不動物位置記録装置により、走行環境中の不動物の絶対位置に含まれるオフセット誤差を効果的に低減させたり、解消したりすることも可能となる。
また、本発明で利用する環境特徴（即ち不動物の同一性）は、例えば交差点、道路標識、反射板、所定の路面表示などと言った特定の意味を持つ高級な属性（即ちそれが何であるのかまでをも識別可能な物体特徴）に限定されるものではないので、本発明を適用する際に道路周辺の不動物の位置を特定する上で必要となる環境特徴の出現頻度や検出数が十分に得られない走行環境は、例えば砂漠や草原などのオフロードを除いては殆ど考えられない。言い換えれば、特に高精度な測位精度が要請される様な走行環境においては、たとえその不動物がどの様な物であるかまでは分らなくても、通常、位置認識が可能な何らかの環境特徴（不動物）が数多く存在している。
したがって、本発明の第１の手段によれば、環境特徴記憶装置に記憶する不動物の位置データの適用可能な地域を従来よりも大幅に拡張することが、非常に容易となる。また、この様なデータ収集は自動的に実行することができるため、上記の環境特徴記憶装置に記憶すべきデータの収集作業は、エンドユーザが自ら行うこともできる。
したがって、本発明の第１の手段によれば、環境特徴記憶装置に記憶する不動物の位置データの適用可能な地域を従来よりも大幅に拡張することが、非常に容易となる。また、この様なデータ収集は自動的に実行することができるため、上記の環境特徴記憶装置に記憶すべきデータの収集作業は、エンドユーザが自ら行うこともできる。
また、本発明の第１の手段によれば、上記の自車両の運動推定処理は、近年その他のアプリケーションにおいても多用されつつある上記の測位装置を利用して、それらの測位装置から得られる位置データに基づいて高精度に実行することが可能であるため、本発明の不動物位置記録装置には、例えばジャイロなどの高価な方位センサなどを具備する必要がない。また、勿論、前述のＲＴＫ−ＧＰＳなどの高価な測位システムを導入する必要もない。このため、本発明の第１の手段によれば、所望の不動物位置記録装置を非常に安価に実現することができ、また、搭載性などの点でも有利である。
また、本発明の第２の手段によれば、本発明の不動物位置記録装置が出力する各不動物の絶対位置の推定精度をそれぞれ知ることができるので、当該絶対位置をより適切に利用することが可能となる。即ち、例えば、検出された不動物の絶対位置をデータベースなどに記憶したり、その後更に、それらのデータを更新したり再評価したりする場合などに、データの重みや精度や信頼性などを常に正確に把握することが可能となる。言い換えれば、本発明の第２の手段は、不動物の位置データの利用や、その後の再利用や、その後の統計操作などに寄与するものである。
また、例えば特に、カルマンフィルタなどの様な再帰的アルゴリズムを用いて自車両や不動物の絶対位置に関する最適解を逐次再計算する場合などには、それらの推定精度（例：分散など）も随時更新（再評価）する必要があるので、本発明の第２の手段は、それらの更新処理を簡潔に逐次計算する上でも非常に有用である。
また、本発明の第３の手段によれば、上記の環境特徴記憶装置に記憶された不動物の絶対位置に関する平均化処理（再評価処理）を、観測中に実時間で並行して実行することも可能となる。このため、上記の検索照合手段を観測中に実時間で用いれば、この様な平均化処理を後からまとめて一度にバッチ処理する場合に比べて、当該平均化処理を実行するための演算時間や、環境特徴記憶装置に必要となる記憶容量を効果的に節約することが可能となる。
また、上記の様な検索照合手段は、高精度のカーナビゲーションシステムなどのアプリケーションを使用するエンドユーザの立場で自ら上記の環境特徴記憶装置中のデータを利用する場合などには、当該アプリケーションに不可欠となる。したがって、例えば前述のように、上記の環境特徴記憶装置に記憶すべきデータの収集作業をもエンドユーザが自ら行う場合には、上記の検索照合手段は、このエンドユーザが使用する当該アプリケーションシステムにおいて非常に有用となる。
また、本発明の第４の手段によれば、上記の環境特徴記憶装置中のデータの信頼性を維持したり、測定精度を向上させたりすることができる。実際の走行環境では、路上に車両が駐車されていたり、それらの駐車台数や並びなどが頻繁に変化したりする。また、道路工事などによって、ガードレールが新たに設置されたり、道路形状自身が変化したりする場合もある。しかしながら、上記のデータ更新手段を利用すれば、そのデータ更新作用によって、この様な環境特徴の変化にも柔軟に対応することができる。また、同一地点における不動物の測定回数を増やすことにより、その位置精度などの確からしさを着実に向上させることも可能となる。
また、本発明の第５の手段によれば、上記の自車両運動推定部による運動の推定精度をより向上させることが可能となる。
カメラの撮像画像やレーダの受信情報を使って自車両の運動を推定する場合、通常、これらの測位装置によって検出される物体の大半が不動物であると言う仮定の元に、これらの運動は算定される。このため、自車両運動推定部による運動の推定処理を実行する前に、上記の判別手段を用いて検出データ中の移動物と不動物とを分離しておけば、自車両の運動の推定精度やその推定結果の信頼性を効果的に向上させることが可能となる。
カメラの撮像画像やレーダの受信情報を使って自車両の運動を推定する場合、通常、これらの測位装置によって検出される物体の大半が不動物であると言う仮定の元に、これらの運動は算定される。このため、自車両運動推定部による運動の推定処理を実行する前に、上記の判別手段を用いて検出データ中の移動物と不動物とを分離しておけば、自車両の運動の推定精度やその推定結果の信頼性を効果的に向上させることが可能となる。
したがって、上記の判別手段を用いれば、所望の環境特徴記憶装置に蓄積される不動物の絶対位置に関する精度や信頼性を効果的に向上させることができる。
また、この様な判別手段を用いれば、走行中に検出された移動物の位置や運動などを同時に正確に求めることも可能である。
また、この様な判別手段を用いれば、走行中に検出された移動物の位置や運動などを同時に正確に求めることも可能である。
なお、本発明における絶対位置に係わる統計操作（平均化処理など）は、例えば拡張カルマンフィルタなどを用いて実時間で合理的に実行することができるが、これらの統計操作は拡張カルマンフィルタを用いたものに限定されない。その他にも、例えばパーティクルフィルタなどを用いて、所望の不動物データを逐次更新する方法を用いても良いし、過去の一定時間分の観測データを用いて最適解を求める様にしても良い。
即ち、各不動物の絶対位置の確からしさを再評価する場合などの演算処理形態は任意でよく、それらの再評価処理は、例えばバッチ処理で実行してもよく、また、実測時に随時リアルタイムで行ってもよい。
即ち、各不動物の絶対位置の確からしさを再評価する場合などの演算処理形態は任意でよく、それらの再評価処理は、例えばバッチ処理で実行してもよく、また、実測時に随時リアルタイムで行ってもよい。
また、上記の測位装置は、レーザレーダ、レーザレンジファインダ、ミリ波レーダ、マイクロ波レーダ、超音波センサ、またはカメラなどを用いて構成することができる。また、カメラの受光帯域は、可視光に限らず近赤・遠赤などの何れでもよく、ステレオカメラのようにして複数台利用してもよい。また、本願発明の測位装置は、これらのセンサなどを任意に組み合わせて構成しても良い。
また、用いるＧＰＳ受信装置は、近年カーナビゲーションシステムなどで一般に用いられている装置で十分であるが、より高精度でロバストなものが搭載可能であればそれらを用いてもよい。
また、用いるＧＰＳ受信装置は、近年カーナビゲーションシステムなどで一般に用いられている装置で十分であるが、より高精度でロバストなものが搭載可能であればそれらを用いてもよい。
また、不動物の特徴や位置を把握するために収集する上記の位置データとしては、例えばレンジプロファイル（周辺物体までの距離情報）、反射強度マップ、静止物マップ、移動物の位置や運動、背景パターン情報、オプティカルフロー、エッジ情報などを用いても良いし、また、Haar-like 特徴、SIFT特徴、カラー特徴やそれらのデータマップ（空間分布情報）などを用いても良い。また、これらの情報は、任意に組み合わせたり、或いは任意に選択、統合、または分析して用いても良い。
以下、本発明を具体的な実施例に基づいて説明する。
ただし、本発明の実施形態は、以下に示す個々の実施例に限定されるものではない。
ただし、本発明の実施形態は、以下に示す個々の実施例に限定されるものではない。
図１に、本実施例１の不動物位置記録装置１００の論理的構造を示す。本不動物位置記録装置１００では、当該装置を搭載する自車両が走行する道路周辺の不動物の絶対位置などを所望の環境特徴として図中の記憶装置１６０（以下、環境特徴記憶装置１６０と言う。）に記録することを主要目的としている。
この不動物位置記録装置１００は、自車両の絶対位置を取得する自車両位置取得装置１１０（ＧＰＳ受信装置）と、走行中の道路周辺における物体の位置情報（環境特徴が含まれる）を取得する環境特徴取得装置１２０（測位装置）と、検出された環境特徴から自車両の運動（速度ベクトルやヨー角速度など）を推定する自車両運動推定部１４０と、推定された自車両運動および自車両の絶対位置に基づいて、道路周辺の不動物の絶対位置を推定して出力する不動物位置推定部１３０を有している。
この不動物位置記録装置１００は、自車両の絶対位置を取得する自車両位置取得装置１１０（ＧＰＳ受信装置）と、走行中の道路周辺における物体の位置情報（環境特徴が含まれる）を取得する環境特徴取得装置１２０（測位装置）と、検出された環境特徴から自車両の運動（速度ベクトルやヨー角速度など）を推定する自車両運動推定部１４０と、推定された自車両運動および自車両の絶対位置に基づいて、道路周辺の不動物の絶対位置を推定して出力する不動物位置推定部１３０を有している。
更に、不動物位置推定部１３０は、自車両取得位置評価部１３１と不動物位置評価部１３２から構成されている。また、自車両運動推定部１４０は、環境特徴評価部１４１と自車両運動評価部１４２から構成されている。そして、これらの各評価部（１３１，１３２，１４１，１４２）は、それぞれ一次記憶装置１５０にアクセスすることができる。
上記の自車両位置取得装置１１０は、例えば近年カーナビゲーションシステムなどで利用されている一般のＧＰＳ受信装置などにより具現することができる。
図２に、上記の環境特徴取得装置１２０（測位装置）の概念的な構成図を例示する。この環境特徴取得装置１２０は、ミリ波レーダ１２１、レーザレーダ１２２、超音波センサ１２３、カメラ１２４などの周辺監視センサと、これらのセンサから得られた信号を単独または任意に組み合わせて処理する各信号処理部（１２０ａ〜１２０ｋ）を有する。そして、これらの各センサによって取得できる情報は勿論異なるため、取得された信号から抽出可能な各環境特徴の性質なども当然ながら異なる。
図２に、上記の環境特徴取得装置１２０（測位装置）の概念的な構成図を例示する。この環境特徴取得装置１２０は、ミリ波レーダ１２１、レーザレーダ１２２、超音波センサ１２３、カメラ１２４などの周辺監視センサと、これらのセンサから得られた信号を単独または任意に組み合わせて処理する各信号処理部（１２０ａ〜１２０ｋ）を有する。そして、これらの各センサによって取得できる情報は勿論異なるため、取得された信号から抽出可能な各環境特徴の性質なども当然ながら異なる。
例えば、レンジプロファイルとは各方向に存在する物体までの距離情報であり、反射強度マップとは受信した電波や光の強度を３次元空間中に投影したものである。また、Haar-like 特徴やSIFT特徴は主に画像中の輝度パターンに基づく特徴点である。いずれの特徴もそれ自身で必ずしも当該物体がどの様な種類の物であるかを識別するに足る情報とは限らないが、検出されたこれらの特徴の位置や分布は観測した場所に固有であると考えられるため、これらの環境特徴は、自車両の位置や運動を推定するための手掛かりとなる。
また、図示する様な位置に選択／統合／分析部１２８を設けるなどして、上記の異種類の環境特徴を選択したり統合したりして新たに必要な情報を生成したり、或いは、主成分分析などを利用してそれらの環境特徴を別の特徴量に変換したりしてもよい。また、更に、これらの特徴の形状や分布などを例えば部分空間法などを利用して随時学習する様にしてもよい。
図３−Ａに、不動物位置記録装置１００による測量シーンを例示する。この写真は、左右両路側にそれぞれ歩道およびガードレールを有する道路の横断歩道上を１歩行者が横断しているシーンを示すものである。また、図３−Ｂのデータは、図２のレーザーレーダ１２２と同等の装置を使って、図３−Ａの自車両走行シーンにおいて検出したもので、自車両前方のレンジプロファイルを示している。即ち、このレンジプロファイルは、不動物の表面上の不動点（レーザー光反射点）の位置を表す鳥瞰図を具現しており、図３−Ｂ中のｚ軸の正の向きは自車両の前向きを、ｘ軸の正の向きは自車両の右向きを示している。
そして、図１の環境特徴記憶装置１６０には、例えばこの様なデータ（レンジプロファイル）を記憶することができ、更にこの様なデータのｘ軸座標やｚ軸座標には、当該不動物位置記録装置１００による以下に示す動作に基づいて具体的な絶対座標を与えることができる。
そして、図１の環境特徴記憶装置１６０には、例えばこの様なデータ（レンジプロファイル）を記憶することができ、更にこの様なデータのｘ軸座標やｚ軸座標には、当該不動物位置記録装置１００による以下に示す動作に基づいて具体的な絶対座標を与えることができる。
以下、本実施例１の不動物位置記録装置１００（図１）の動作について、更に具体的に説明する。自車両取得位置評価部１３１は、自車両位置取得装置１１０（当該ＧＰＳ受信装置）の性能や、例えばＧＰＳ衛星の配置などに依存するＧＰＳ信号の取得状況などに基づいて、そのＧＰＳ信号で与えられる自車両の絶対位置の精度（例：分散）などを求める。
環境特徴評価部１４１は、環境特徴取得装置１２０によって取得した環境特徴の種類や、相対位置に関する情報の精度や信頼度を算定する。
これらの各位置を表現するために用いる座標は、固定座標系での二次元座標でもよいし、緯度経度でもよく、その表現方法はそれらの位置を一意に決定できる形式であれば任意でよい。
環境特徴評価部１４１は、環境特徴取得装置１２０によって取得した環境特徴の種類や、相対位置に関する情報の精度や信頼度を算定する。
これらの各位置を表現するために用いる座標は、固定座標系での二次元座標でもよいし、緯度経度でもよく、その表現方法はそれらの位置を一意に決定できる形式であれば任意でよい。
自車両運動評価部１４２は、環境特徴評価部１４１にて評価された環境特徴の位置情報の時間変化に基づいて、その変化が観測された期間に移動した自車両の運動（速度ベクトルやヨー角速度など）を求める。また、同時にその運動の精度や信頼度を算定する。
不動物位置評価部１３２では、自車両の絶対位置、環境特徴の位置データ（自車両に対する相対位置）、及び推定された自車両の運動などに基づいて、自車両周辺の不動物の絶対位置を求める。求める不動物の絶対位置は、１点〜４点程度でよい。
各評価部（１３１，１３２，１４１，１４２）より算出された絶対位置や相対位置やそれらの精度や信頼度などの情報は、一次記憶装置１５０で一定期間のみ保存される。ただし、この期間は、時刻管理してもよいし、一次記憶装置１５０の使用状況に基づいて管理してもよい。
不動物位置評価部１３２では、自車両の絶対位置、環境特徴の位置データ（自車両に対する相対位置）、及び推定された自車両の運動などに基づいて、自車両周辺の不動物の絶対位置を求める。求める不動物の絶対位置は、１点〜４点程度でよい。
各評価部（１３１，１３２，１４１，１４２）より算出された絶対位置や相対位置やそれらの精度や信頼度などの情報は、一次記憶装置１５０で一定期間のみ保存される。ただし、この期間は、時刻管理してもよいし、一次記憶装置１５０の使用状況に基づいて管理してもよい。
この様に、上記の各評価部（１３１，１３２，１４１，１４２）では、算出すべき自車両や不動物などの位置（相対位置または絶対位置）の他にも、それらの位置に関する確からしさ（精度または信頼度）も算定する。この確からしさは、センサの分解能や検出状況や、環境特徴の種別や更新回数などに基づいて算定することができる。
したがって、図１の一次記憶装置１５０には、例えば、ＧＰＳ受信信号から得られる自車両の絶対位置とその位置に関する確からしさ等が一時的に保存され、また、外界センサ（ミリ波レーダ１２１、レーザレーダ１２２、超音波センサ１２３、カメラ１２４）から得られる自車両に対する環境特徴（不動物）の相対位置、絶対位置、及びそれらの各位置に関する特徴や確からしさ等も一時的に保存される。
したがって、図１の一次記憶装置１５０には、例えば、ＧＰＳ受信信号から得られる自車両の絶対位置とその位置に関する確からしさ等が一時的に保存され、また、外界センサ（ミリ波レーダ１２１、レーザレーダ１２２、超音波センサ１２３、カメラ１２４）から得られる自車両に対する環境特徴（不動物）の相対位置、絶対位置、及びそれらの各位置に関する特徴や確からしさ等も一時的に保存される。
この様な構成に従えば、例えばカルマンフィルタなどの様な再帰的なアルゴリズムを用いて、マルコフ連鎖的に自車両や所望の不動物の絶対位置及びその確からしさなどの最適解を実時間処理によって逐次算出することができる。即ち、例えば、自車両や環境特徴の各絶対位置やその確からしさは、一次記憶装置１５０に保存された上記の１時刻前の（即ち１制御周期過去の）上記のデータ（各絶対位置やその確からしさなど）と、評価部１３１、１４１から出力される現在の各位置データによって算出することができる。したがって、自車両や環境特徴の各絶対位置やその確からしさを推定するためには、少なくとも、一時刻前の位置や確からしさを一次記憶装置１５０上に保持していればよい。また環境特徴に関する情報は、それらが観測可能である期間だけ保持していれば十分である。
以上のような不動物位置記録装置１００によると、ＧＰＳで得られる自車両の絶対位置に含まれるオフセット誤差が無視できる場合には、移動体の現在位置（絶対位置）の実時間測定に有用な、道路周辺の不動物に関する測位データ（絶対位置）を簡単に収集することができる。通常、ＧＰＳ信号から得られる自車両の絶対位置に含まれる誤差は、ランダムノイズに依るものが支配的であり、オフセット誤差はランダム誤差よりも小さい場合が圧倒的である。
また、ＧＰＳが与える自車両の絶対位置の信号の中に含まれるオフセット誤差も無視できない場合には、これらの測位データを多数回、測定日時を替えて収集し、それらの位置データを適当に平均化処理すればよい。
また、ＧＰＳが与える自車両の絶対位置の信号の中に含まれるオフセット誤差も無視できない場合には、これらの測位データを多数回、測定日時を替えて収集し、それらの位置データを適当に平均化処理すればよい。
図４には、その様な平均化処理による、環境特徴データの再評価処理手順を例示する。本図中のデータ１６０ａは、多数回測定日時を替えて収集された上記の不動物に関する測位データ（絶対位置）の内の、１回目（ｎ＝１）に測定した位置データを示している。また、データ１６０ｂは同様に、２回目（ｎ＝２）に測定した位置データを示している。これらの各位置データには、測位時に各データの確からしさ（精度や信頼度）が記録されているため、それらの確からしさに基づいて各不動物の絶対位置の平均値を求めれば、各不動物の絶対位置からオフセット誤差もが効果的に低減または排除された環境特徴情報１６０Ａを得ることができる。
したがって、例えば前述の様なレンジプロファイルデータを多数回、測定日時を替えて収集し、以上のような処理方式に基づいて、それらの位置データを適当に平均化処理すれば、これによって、前述のオフセット誤差を排除することができるため、このレンジプロファイルデータの絶対座標で表示される各不動物の絶対位置には、高い信頼性と例えば１ｍ程度の十分に高い精度を持たせることができる。また、上記のデータ収集回数が十分に大きな回数には至っていない場合であっても、その収集回数やデータの確からしさを常時保持、更新する様にしていれば、実時間でＧＰＳ信号が与える自車両の絶対位置に含まれているオフセット誤差を効果的に低減することができる。
図５に不動物位置記録装置１００の更に詳細な制御処理手順を例示する。以下、この制御処理手順の動作原理と具体的構成について説明する。
１．動作原理と作用概要
（１）同一の不動点に位置変換可能な多数の移動点に関してＧＰＳ信号を受信し、当該ＧＰＳ信号によって与えられる各移動点の絶対位置を、当該不動点の位置座標（絶対位置）に位置変換後、その絶対位置を平均化処理することにより、ＧＰＳ信号が示す絶対位置に含まれるランダムノイズを排除することができる。特にここでは、道路周辺の走行環境中にある継続的に観測された不動物（環境特徴）の絶対位置の最適解を逐次リアルタイムで再計算する。
１．動作原理と作用概要
（１）同一の不動点に位置変換可能な多数の移動点に関してＧＰＳ信号を受信し、当該ＧＰＳ信号によって与えられる各移動点の絶対位置を、当該不動点の位置座標（絶対位置）に位置変換後、その絶対位置を平均化処理することにより、ＧＰＳ信号が示す絶対位置に含まれるランダムノイズを排除することができる。特にここでは、道路周辺の走行環境中にある継続的に観測された不動物（環境特徴）の絶対位置の最適解を逐次リアルタイムで再計算する。
（２）詳細な処理方式は、例えば拡張カルマンフィルタなどを用いることによって、再帰的に構成することも可能である。特にこの場合、マルコフ連鎖的な情報処理を逐次実行するだけで、自車両とその周辺の不動物の絶対位置を推定することができるので、一次記憶装置１５０に一時的に蓄えるべき情報の量を極めて効果的に抑制することができる。
２．具体的な処理手順
以下、図５を用いて、不動物位置記録装置１００の処理手順について具体的に説明する。
制御ループの最初のステップ１１００では、不動物に分類された環境特徴の絶対位置とその測位精度について予測する。この予測値は、直近過去（前回の制御周期）に推定された絶対位置から求めることができる。ただし、ここでは、不動物の環境特徴が選択されているため、当該ステップ１１００で予測される今回の当該環境特徴の予測値（今回の制御周期における絶対位置）は基本的には変化しない。
以下、図５を用いて、不動物位置記録装置１００の処理手順について具体的に説明する。
制御ループの最初のステップ１１００では、不動物に分類された環境特徴の絶対位置とその測位精度について予測する。この予測値は、直近過去（前回の制御周期）に推定された絶対位置から求めることができる。ただし、ここでは、不動物の環境特徴が選択されているため、当該ステップ１１００で予測される今回の当該環境特徴の予測値（今回の制御周期における絶対位置）は基本的には変化しない。
そして、次のステップ１１１０では、自車両の絶対位置とその測位精度について予測する。この予測値は、直近過去（前回の制御周期）に推定された、不動物や自車両の絶対位置と自車両の運動の推定値とこれらに関連する推定精度などから求めることができる。
ただし、過去数回分の自車両の運動を加味してもよい。これらの逐次演算処理で意識すべきこの様な観測期間の長さは、任意に設定することができ、勿論、今回取得した観測データ（確からしさを含む）と、１回分の過去の観測データや推定データだけを取り扱う様に、当該アルゴリズムを再帰的（マルコフ連鎖的）に構成することもできる。
ただし、過去数回分の自車両の運動を加味してもよい。これらの逐次演算処理で意識すべきこの様な観測期間の長さは、任意に設定することができ、勿論、今回取得した観測データ（確からしさを含む）と、１回分の過去の観測データや推定データだけを取り扱う様に、当該アルゴリズムを再帰的（マルコフ連鎖的）に構成することもできる。
ステップ１２００では、非同期で動作中の図２の環境特徴取得装置１２０によって、自車両周辺の新な環境特徴が取得されているか否かについて確認する。
ステップ１２１０では、取得した環境特徴の中から静止物に属する特徴を抽出し、その相対位置や確からしさを算定する。この静止物の抽出処理には、請求項５に記載の判別手段が有用である。ただし、これらの処理は、図２の選択／統合／分析部１２８において、予め非同期に実行しておいてもよい。
そして、次のステップ１２２０では、その相対位置の前回周期からの時間変化を求めることにより、現在の自車両の運動（速度ベクトルやヨー角速度など）とその確からしさを推定する。
ステップ１２１０では、取得した環境特徴の中から静止物に属する特徴を抽出し、その相対位置や確からしさを算定する。この静止物の抽出処理には、請求項５に記載の判別手段が有用である。ただし、これらの処理は、図２の選択／統合／分析部１２８において、予め非同期に実行しておいてもよい。
そして、次のステップ１２２０では、その相対位置の前回周期からの時間変化を求めることにより、現在の自車両の運動（速度ベクトルやヨー角速度など）とその確からしさを推定する。
ステップ１３００／ステップ１４００では、ＧＰＳ信号の受信の有無を確認し、ステップ１３１０／１４１０では、そのＧＰＳ信号が与える自車両の絶対位置とその確からしさを算定する。
ステップ１３２０では、ＧＰＳ受信装置（自車両位置取得装置１１０）を用いて取得した自車両の絶対位置と、測位手段（環境特徴取得装置１２０）を用いて取得した環境特徴の自車両に対する相対位置から、その環境特徴の絶対位置とその確からしさを算出する。ただし、新たなＧＰＳ信号が得られていない場合には、ステップ１３３０において、過去の自車両の絶対位置に基づいて予測した、当該環境特徴の絶対位置とその確からしさの各予測値を代用する。
ステップ１３２０では、ＧＰＳ受信装置（自車両位置取得装置１１０）を用いて取得した自車両の絶対位置と、測位手段（環境特徴取得装置１２０）を用いて取得した環境特徴の自車両に対する相対位置から、その環境特徴の絶対位置とその確からしさを算出する。ただし、新たなＧＰＳ信号が得られていない場合には、ステップ１３３０において、過去の自車両の絶対位置に基づいて予測した、当該環境特徴の絶対位置とその確からしさの各予測値を代用する。
その後ステップ１５００では、環境特徴記憶装置１６０の中に、現在測位装置（環境特徴取得装置１２０）で測位中の不動物の絶対位置情報が既に存在しているか否かを確認し、該当データが存在した場合にはステップ１５１０へ、そうでなければステップ１５２０へ処理を移す。この検索処理では、不動物位置評価部１３２に具備された請求項３の検索照合手段を用いる。
次のステップ１５１０では、ヒットした環境特徴記憶装置１６０上の該当データと、ステップ１１００で求めた予測値（環境特徴の絶対位置とその確からしさ）と、ステップ１３２０またはステップ１３３０で与えられる環境特徴の絶対位置とその確からしさに基づき、これらの確からしさを加味した上で、今回の制御周期で改めて観測された当該環境特徴の絶対位置とその確からしさを更新する。この処理によって、観測された環境特徴の絶対位置／精度と過去から予測された環境特徴の絶対位置／精度とを重畳することで、所望の絶対位置が平均化されるため、誤差分散が小さくなる。
一方、ステップ１５２０では、ステップ１１００で求めた予測値（環境特徴の絶対位置とその確からしさ）と、ステップ１３２０またはステップ１３３０で与えられる環境特徴の絶対位置とその確からしさに基づき、これら双方の確からしさを加味した上で、今回の制御周期で改めて観測された当該環境特徴の絶対位置とその確からしさを更新する。この処理によっても、観測された環境特徴の絶対位置／精度と過去から予測された環境特徴の絶対位置／精度とを重畳することで、所望の絶対位置が平均化されるため、誤差分散が小さくなる。
その後ステップ１６００では、更新された環境特徴の絶対位置や精度と、周辺監視センサ（環境特徴取得装置１２０）の精度から、自車両の絶対位置とその精度を算定する。この様に、測位装置による測定結果とＧＰＳ信号とを効果的に組み合わせて利用する推定処理によって、従来よりも高精度に自車両の絶対位置を求めることができる。
一方、上記のステップ１４００で環境特徴の観測値が新たに得られたと判定された場合には、ステップ１６１０において、現在の自車両の絶対位置とその確からしさについてのみ、ステップ１１１０で求めた予測値とステップ１４１０で求めた観測値に基づいて更新する。また、上記のステップ１４００で環境特徴の観測値が新たには得られていないと判定された場合には、ステップ１６２０において、現在の自車両の絶対位置とその確からしさについてのみ、ステップ１１１０で求めた予測値のみに基づいて更新する。即ち、何れの取得装置からも新たな情報が得られなかった制御周期においては、ステップ１１１０で求めた予測値（現在の自車両の絶対位置とその確からしさ）が、そのままステップ１６２０による推定値となる。
なお、以上の推定演算処理は、図１の一次記憶装置１５０を用いて行われ、上記の予測値や推定値などの各種の演算処理結果なども当該記憶装置１５０上に保持される。
また、これらの推定演算処理は、例えば拡張カルマンフィルタなどを用いて構成することもできる。その様な数学的な定式化は、例えば以下に示す共分散行列Σなどを用いて行われ、これによって、上記の図５の処理手順と等価の作用を導くことができる。
以下、外界センサ（測位手段）として、レーザーレーダを用いた場合の拡張カルマンフィルタの構成について説明する。
（拡張カルマンフィルタ）
また、これらの推定演算処理は、例えば拡張カルマンフィルタなどを用いて構成することもできる。その様な数学的な定式化は、例えば以下に示す共分散行列Σなどを用いて行われ、これによって、上記の図５の処理手順と等価の作用を導くことができる。
以下、外界センサ（測位手段）として、レーザーレーダを用いた場合の拡張カルマンフィルタの構成について説明する。
（拡張カルマンフィルタ）
ここでは、推定すべき位置パラメータｘ（：推定すべき状態ベクトルｘ）を上記の式（１）の様に設定し、観測値ｙ（測定ベクトルｙ）は上記の式（２）に従って設定する。ただし、ここでは、南北方向の北向きをＺ軸方向の正の向きとし、東西方向の東向きをＸ軸方向の正の向きとし、この絶対座標系における自車両の絶対位置を（Ｘvo，Ｚvo）で表す。また、Ｚ軸に対する自車両の向き（方位角）をφv 、自車両の速度ベクトルをＶv 、自車両のヨー角速度をωv とし、ｉ番目の不動物の絶対位置を（Ｘfi，Ｚfi）で表す。式（１）の位置パラメータｘは、これらの変数からなる。
また、この様な位置パラメータｘを推定するために観測される観測値ｙは、以下の変数からなる。即ち、ＧＰＳ信号が与える自車両の絶対位置（Ｘg ，Ｚg ）と、ＧＰＳ信号が与える自車両の速度ベクトルＶg と、レーザーレーダによって測位されたｉ番目の環境特徴の自車両に対する相対位置（ｒsfi ，φsfi ）からなる。ただし、ｒsfi は自車両からそのｉ番目の環境特徴までの距離で、φsfi は自車両の正面方向に固定した相対座標軸から計ったそのｉ番目の環境特徴の方位角である。式（２）の観測値ｙは、これらの変数からなる。
そして、以下の（手順ａ）〜（手順ｃ）を周期的に繰り返すことによって、リアルタイムで逐次、上記の位置パラメータｘを算定することができる。
そして、以下の（手順ａ）〜（手順ｃ）を周期的に繰り返すことによって、リアルタイムで逐次、上記の位置パラメータｘを算定することができる。
（演算手順）
（手順ａ）一時刻前(t=k-1) において推定された位置パラメータおよびそれらの分散から、現在（t=k ）の位置および分散を予測する。なお、本手順ａは、位置パラメータｘの予測を行う上記の式（３）及び、共分散行列Σの予測を行う上記の式（４）に対応する。また、本手順ａは、図５のステップ１１００やステップ１１１０などに対応している。
（手順ａ）一時刻前(t=k-1) において推定された位置パラメータおよびそれらの分散から、現在（t=k ）の位置および分散を予測する。なお、本手順ａは、位置パラメータｘの予測を行う上記の式（３）及び、共分散行列Σの予測を行う上記の式（４）に対応する。また、本手順ａは、図５のステップ１１００やステップ１１１０などに対応している。
（手順ｂ）手順ａで算出した予測誤差（Σk/k-1 ）や観測ノイズに基づいて、カルマンゲインを計算する。なお、本手順ｂは、カルマンゲインＫを算出する上記の式（５）に対応する。
（手順ｃ）算出したカルマンゲインに基づいて観測値と予測値を統合し、現在の位置パラメータとそれらの分散を推定する。なお、本手順ｃは、上記の位置パラメータｘを推定する上記の式（６）及び、共分散行列Σを推定する上記の式（７）に対応する。また、本手順ｃや上記の手順ｂは、図５のステップ１６００やステップ１６１０やステップ１６２０などに対応している。
拡張カルマンフィルタを用いて定式化される以上の様な演算手順は、上記の図５の処理手順と等価の演算結果を導く。言い換えれば、上記の図５の処理手順は、拡張カルマンフィルタを用いて表現されるこの様な演算手順と等価の演算結果を導く様に構成することができる。
以上の様な処理手順に従えば、上記の位置パラメータｘや共分散行列Σなどから、現在の自車両の絶対位置と運動（速度ベクトルやヨー角速度）と、注目した不動物の絶対位置と、それらの各測位精度などを、自車両で移動しながらリアルタイムで高精度に得ることができ、同時にこれらの測位データは、図５のステップ１７００によって、環境特徴記憶装置１６０に随時記録することができる。
ここで特に注目すべき点は、従来より多用されてきた例えば交差点、電柱、リフレクタ、道路標識、路面表示などといった特定のランドマークは自車両の周囲に存在しない場合もあるが、上記のステップ１２１０で検出される不動物、即ち図２に例示した各種の環境特徴は、外界センサ（１２１〜１２４）からの観測信号の中にほぼ確実に存在することである。さらに、１回のセンシングで得られるそれらの観測信号の中にこれらの環境特徴は非常に多く存在する。このため、上記の不動物位置記録装置１００を車載すれば、特に道路環境などに左右されることなく高精度に周辺の不動物や自車両の位置を推定することができる。
また同時に、不動物の特徴点の数やその位置情報が十分に得られれば自車両の運動の推定精度も向上するため、この作用に基づいて、より高精度に周辺の不動物や自車両の絶対位置を推定することができる。
また同時に、不動物の特徴点の数やその位置情報が十分に得られれば自車両の運動の推定精度も向上するため、この作用に基づいて、より高精度に周辺の不動物や自車両の絶対位置を推定することができる。
図６に、以上の不動物位置記録装置１００に基づく効果（シミュレーション結果）を例示する。このグラフは、測位装置（環境特徴取得装置１２０）を用いて環境特徴の観測に掛けた時間と、自車両の進行方向における絶対位置の測位精度との関係を示すものであり、縦軸には得られた測位精度を誤差分散の平方根の２倍の値（２σ）で示した。
このシミュレーションでは、ＧＰＳ衛星からのＧＰＳ信号の受信を妨げる程の高いビルが周囲にないことを想定し、また、ＧＰＳ単独での測位精度を２σ＝５ｍと仮定した。また、環境特徴を検出するセンサにはレーザーレーダを用い、これによって常時２点〜４点の不動点の相対位置が、２σ＝５０ｍｍ程度の誤差範囲内で検出できるものと仮定した。また、本シミュレーションにおけるＧＰＳ信号の受信周期は１回／秒とし、レーザーレーダによる観測周期は２０回／秒とした。また、車両の走行速度は、４０ｋｍ／ｈを仮定し、レーザーレーダの測位可能な距離範囲を前方２０ｍ〜７０ｍとし、測位可能な角度範囲は、前方正面を０°として前方左４０°〜前方右４０°とした。また、図５のフローチャートに例示した演算処理をより詳細に実現（シミュレート）するに当たっては、これらの演算処理に相当する一般的な拡張カルマンフィルタと略同等の再帰的なアルゴリズムを用いた。
この様なシミュレーション結果より、本不動物位置記録装置１００を用いた場合、環境特徴記憶装置１６０に蓄積される不動物の絶対位置の測位データに関して、従来の場合よりも、格段に高い測位精度が得られることが分かる。また、１ｍ程度の誤差しかない不動物の絶対位置情報を、自車両で走行しながら、十分な地点数分確保することができると言う面でも、本不動物位置記録装置１００は非常に優れていると言うことができる。
このシミュレーションでは、ＧＰＳ衛星からのＧＰＳ信号の受信を妨げる程の高いビルが周囲にないことを想定し、また、ＧＰＳ単独での測位精度を２σ＝５ｍと仮定した。また、環境特徴を検出するセンサにはレーザーレーダを用い、これによって常時２点〜４点の不動点の相対位置が、２σ＝５０ｍｍ程度の誤差範囲内で検出できるものと仮定した。また、本シミュレーションにおけるＧＰＳ信号の受信周期は１回／秒とし、レーザーレーダによる観測周期は２０回／秒とした。また、車両の走行速度は、４０ｋｍ／ｈを仮定し、レーザーレーダの測位可能な距離範囲を前方２０ｍ〜７０ｍとし、測位可能な角度範囲は、前方正面を０°として前方左４０°〜前方右４０°とした。また、図５のフローチャートに例示した演算処理をより詳細に実現（シミュレート）するに当たっては、これらの演算処理に相当する一般的な拡張カルマンフィルタと略同等の再帰的なアルゴリズムを用いた。
この様なシミュレーション結果より、本不動物位置記録装置１００を用いた場合、環境特徴記憶装置１６０に蓄積される不動物の絶対位置の測位データに関して、従来の場合よりも、格段に高い測位精度が得られることが分かる。また、１ｍ程度の誤差しかない不動物の絶対位置情報を、自車両で走行しながら、十分な地点数分確保することができると言う面でも、本不動物位置記録装置１００は非常に優れていると言うことができる。
図７には、エンドユーザーが使用する自車両位置推定装置２００の論理的構造を示した。この自車両位置推定装置２００は、実施例１の不動物位置記録装置１００を拡張変形することによって構成可能であり、略同等の機能／動作を奏する部分については、前述の不動物位置記録装置１００と同じ記号を付した。例えば、自車両位置評価部１３２′は、環境特徴記憶装置１６０に自車両や不動物の測位データを出力する代わりに、他の任意のアプリケーションに対して自車両の現在の絶対位置の高精度な推定値を出力する点を除いては、図１の移動物位置評価部１３２と略同等の機能／動作を奏する。
また、図７中の環境特徴記憶装置１６０には、絶対位置が既知である幾つかの環境特徴（不動物）の位置データを保持する地図データベースが、既に予め構築されている。
また、図７中の環境特徴記憶装置１６０には、絶対位置が既知である幾つかの環境特徴（不動物）の位置データを保持する地図データベースが、既に予め構築されている。
このため、この自車両位置推定装置２００によれば、ＧＰＳ信号が与える絶対位置に含まれるランダムノイズを効果的に排除できるだけでなく、それらの絶対位置に含まれるオフセット誤差をも低減したり解消したりすることが可能となる。
即ち、この自車両位置推定装置２００の諸動作における最も大きな特徴は、環境特徴取得装置１２０によって取得した環境特徴と、環境特徴記憶装置１６０が有する地図データベース（即ち、図４の環境特徴情報１６０Ａ）上にある、絶対位置が既知の環境特徴とを、請求項３の検索照合手段に相当する手段を備える環境特徴対応評価部２７０によって照合し、この照合結果に基づいて、自車両の絶対位置を検知または修正する点にある。
即ち、この自車両位置推定装置２００の諸動作における最も大きな特徴は、環境特徴取得装置１２０によって取得した環境特徴と、環境特徴記憶装置１６０が有する地図データベース（即ち、図４の環境特徴情報１６０Ａ）上にある、絶対位置が既知の環境特徴とを、請求項３の検索照合手段に相当する手段を備える環境特徴対応評価部２７０によって照合し、この照合結果に基づいて、自車両の絶対位置を検知または修正する点にある。
このため、図２のレーザーレーダ１２２を有する図７の自車両位置推定装置２００によれば、例えば図３−Ｂの様なレンジプロファイルを走行中に取得し、その観測中のレンジプロファイルを環境特徴記憶装置１６０に予め記憶されている該当データとリアルタイムで照合することによって、初めて走行する道路上においても、また、高速走行時においても実時間で高精度に自車両の絶対位置を検知することが可能となる。
なお、当該装置２００においても、先の不動物位置記録装置１００と同様に車両運動推定部１４０が備える前述の識別処理（請求項４の判別手段）によって、自車両運動の高精度推定が可能であるので、上記の様な方式に従えば、比較的長い距離間隔で何かしらの環境特徴の絶対位置やその確からしさが環境特徴記憶装置１６０に登録されている限り、エンドユーザにおいては自車両の絶対位置の補正を的確に行うことが可能となる。
このため、この自車両位置推定装置２００を用いれば、比較的高速に走行する場合においても、自車両の絶対位置に対する高い精度と高い信頼性を得ることが可能である。
また、環境特徴記憶装置１６０には、上記の様に比較的長い距離間隔で何かしらの環境特徴の絶対位置やその確からしさが登録されていればよいため、長期的に環境特徴を記憶するデータベース（環境特徴記憶装置１６０）の作成コストや車載コストについても、従来よりも格段に低く抑えることができる。
また、環境特徴記憶装置１６０には、上記の様に比較的長い距離間隔で何かしらの環境特徴の絶対位置やその確からしさが登録されていればよいため、長期的に環境特徴を記憶するデータベース（環境特徴記憶装置１６０）の作成コストや車載コストについても、従来よりも格段に低く抑えることができる。
なお、図１の不動物位置推定部１３０や自車両運動推定部１４０において求めた環境特徴や自車両の運動などの各種の演算結果は、それらの確からしさに応じて、環境特徴記憶装置１６０に登録する必要があるか否かなどの判定を行うことが、所望の測位データを高精度にする上でより望ましい。本実施例２では、その様なデータベースの更新方式について例示する。
図８は、本実施例２における環境特徴記憶装置１６０（図１）に対する具体的な更新形態を示しており、例えば、本図８の処理ステップ群１７００′は、図５のステップ１７００に相当するものである。また、本図８のステップ２０００は、図５のステップ１５１０またはステップ１５２０に相当しており、このステップ２０００の演算結果の１つとして、自車両の現在の絶対位置の確からしさ（標準偏差σc ）が得られている。また、本図８のステップ３０００は、図５のステップ１６００またはステップ１６１０に相当しており、このステップ３０００の演算結果の１つとして、注目した環境特徴（不動点）の絶対位置の確からしさ（標準偏差σt ）が得られている。
以下、上記の処理ステップ群１７００′の具体的な動作について説明する。
まず、ステップ２１００では、環境特徴記憶装置１６０に記憶されている環境特徴データＤＢ１の中に、現在注目している観測中の環境特徴があるか否かを調べ、該当する環境特徴が既に環境特徴データＤＢ１の中に登録されている場合にはステップ２２００へ、そうでなければステップ２４００へ処理を移す。
まず、ステップ２１００では、環境特徴記憶装置１６０に記憶されている環境特徴データＤＢ１の中に、現在注目している観測中の環境特徴があるか否かを調べ、該当する環境特徴が既に環境特徴データＤＢ１の中に登録されている場合にはステップ２２００へ、そうでなければステップ２４００へ処理を移す。
ステップ２４００では、環境特徴評価部１４１で評価された静止物に属する情報（位置や精度など）が、登録に必要な一定条件（例えば、図中の標準偏差σt が閾値Thd より小さいなど）を満たすか否かを判定し、この条件が成り立つ場合には、以降のステップ２５００にて、この情報（位置や精度など）を環境特徴データＤＢ１に環境特徴データとして登録する。
また、ステップ２２００では、更新に必要な一定条件（例えば、図中の標準偏差σt が登録されている環境特徴の標準偏差σd より小さいなど）が成り立つか否かを判定し、この条件が成り立つ場合には、以降のステップ２３００にて、環境特徴データＤＢ１に既に登録されている登録情報（環境特徴データ）を更新する。
また、自車両の走行位置についても一定の条件（例えば、標準偏差σc が閾値Thc より小さいなど）が成り立つか否かを判定し（ステップ３１００）、その条件が成り立つ場合には、その時の自車両の位置や速度、及びそれらの確からしさなどを走行軌跡データＤＢ２に登録する（ステップ３２００）。自車両の走行経路は、各走行時（各実測日時）によって当然異なり得るため更新の必要はなく、その都度ステップ３２００によって登録し、これにより複数回の走行軌跡を走行軌跡データＤＢ２に蓄積する。
この様な走行軌跡データを多数蓄積することにより、例えば走行した道路上に複数の車線が設けられている場合などには、その時自車両が何番目の車線を選択したかや、その道路の車線数や道幅などを推定することも可能になる。
この様な走行軌跡データを多数蓄積することにより、例えば走行した道路上に複数の車線が設けられている場合などには、その時自車両が何番目の車線を選択したかや、その道路の車線数や道幅などを推定することも可能になる。
なお、登録される情報はそれぞれ個別に保存してもよいし、同じデータベース上で扱ってもよい。また、自車両のある地点において検出できた環境特徴を示すような、相互関係が重要なデータについては、別途相互関係データベース（ＤＢ３）を用意してもよい。
以上の様なデータベースの更新方式に従えば、評価した環境特徴の位置や属性などの情報について、複数回分の情報を保持し、その複数回分の情報に基づいて環境特徴の位置や属性などの情報を再評価することができるので、これによって、所望のデータベースの登録情報の精度や信頼性を効果的に確保することができる。
また、既にデータベースに登録されている環境特徴に関する確からしさをデータ更新前に予め参照し、所望の環境特徴の確からしさが、現在よりも低下してしまう様な更新処理を未然に防止することによっても、所望のデータベースの登録情報の精度や信頼性を確保することができる。
また、既にデータベースに登録されている環境特徴に関する確からしさをデータ更新前に予め参照し、所望の環境特徴の確からしさが、現在よりも低下してしまう様な更新処理を未然に防止することによっても、所望のデータベースの登録情報の精度や信頼性を確保することができる。
〔その他の変形例〕
本発明の実施形態は、上記の形態に限定されるものではなく、その他にも以下に例示される様な変形を行っても良い。この様な変形、拡張、または応用によっても、本発明の作用に基づいて本発明の効果を得ることができる。
本発明の実施形態は、上記の形態に限定されるものではなく、その他にも以下に例示される様な変形を行っても良い。この様な変形、拡張、または応用によっても、本発明の作用に基づいて本発明の効果を得ることができる。
例えば、実施例１で示したように、自車両やその周辺の不動物の絶対位置などの予測値は、過去数回分の運動から随時推定してもよいが、例えば前述の特許文献１などにも例示がある様に、自車両の運動は、予め運動モデルを設定し、そのモデルに基づいて予測する様にしてもよい。
また、自車両と環境特徴の位置／精度の更新は、カルマンフィルタやパーティクルフィルタなどを用いて逐次実行する様にしてもよいし、一定時間分の過去の観測値を用いて最適な解を求めてもよいし、或いは、逐次推定した推定値を再度、全データベース単位で更新しなおしてもよい。
また、自車両と環境特徴の位置／精度の更新は、カルマンフィルタやパーティクルフィルタなどを用いて逐次実行する様にしてもよいし、一定時間分の過去の観測値を用いて最適な解を求めてもよいし、或いは、逐次推定した推定値を再度、全データベース単位で更新しなおしてもよい。
なお、図１の環境特徴評価部１４１は、環境特徴を有する物体が静止物であるのか移動物であるのかについて識別する手段（即ち、請求項４の判別手段）も有する。自車両の運動を精度よく推定するには、周囲の静止物の位置を観測し続ける方法が有効である。この様な判別手段では例えば、測位装置によって検出される物体の大半が不動物であると言う仮定を用いてもよい。また、この識別処理には、一次記憶装置１５０に記憶されている一時刻前の観測データなどを利用する。そして、この様な識別手法に基づいて分離された静止物に属する情報のみを利用することによって、自車両の運動推定精度をより向上させることができる。
また、請求項４の判別手段を用いれば、その他にも、移動物と自車両の相対関係、静止物と自車両の相対関係、自車両の絶対位置や運動を基にして、移動物の運動をも同時に高精度に推定することもできる。
このため、例えば、先行車両の自車両に対する相対的な位置または相対的な運動が正確に把握できていて、その先行車両の運動パラメータ（位置、速度、推定精度など）も同時に算出可能であれば、拡張カルマンフィルタなどを利用して、先行車両と自車両の位置や運動を同時に推定することも可能となる。また、このとき、更に、周辺監視センサの検出精度やそれに基づく移動物（先行車両）の運動予測が適正であれば、自車両の運動推定精度をさらにいっそう向上させることができるため、この様な自車両の運動推定方式を導入すれば、環境特徴記憶装置１６０に記憶すべき不動物の絶対位置情報の精度を更に向上させることができる。
このため、例えば、先行車両の自車両に対する相対的な位置または相対的な運動が正確に把握できていて、その先行車両の運動パラメータ（位置、速度、推定精度など）も同時に算出可能であれば、拡張カルマンフィルタなどを利用して、先行車両と自車両の位置や運動を同時に推定することも可能となる。また、このとき、更に、周辺監視センサの検出精度やそれに基づく移動物（先行車両）の運動予測が適正であれば、自車両の運動推定精度をさらにいっそう向上させることができるため、この様な自車両の運動推定方式を導入すれば、環境特徴記憶装置１６０に記憶すべき不動物の絶対位置情報の精度を更に向上させることができる。
本発明は、例えば、地上のナビゲーションシステムや、車載用のオートクルーズ制御システムなどの移動体用の各種のアプリケーションに有用な、道路周辺の不動物の絶対位置情報を収集する際に利用することができる。また、これらの移動体は、四輪車両に限定されるものではなく、勿論ロボットや二輪車両などにおいても、上記の各種アプリケーションを通して本発明を利用することができる。
１００ ： 不動物位置記録装置
１１０ ： 自車両位置取得装置（ＧＰＳ受信装置）
１２０ ： 環境特徴取得装置（測位装置）
１３０ ： 不動物位置推定部
１４０ ： 自車両運動推定部
１６０ ： 環境特徴記憶装置
２００ ： 自車両位置推定装置
２７０ ： 環境特徴対応評価部（検索照合手段）
１１０ ： 自車両位置取得装置（ＧＰＳ受信装置）
１２０ ： 環境特徴取得装置（測位装置）
１３０ ： 不動物位置推定部
１４０ ： 自車両運動推定部
１６０ ： 環境特徴記憶装置
２００ ： 自車両位置推定装置
２７０ ： 環境特徴対応評価部（検索照合手段）
Claims (5)
- 走行中の自車両の絶対位置を取得する絶対位置取得装置と、走行環境中の自車両周辺における不動物の自車両に対する相対的な位置を実時間で測定する測位装置とを有する車両搭載用の不動物位置記録装置であって、
前記測位装置によって収集された位置データに基づいて求められる、前記不動物に対する前記自車両の相対的かつ経時的な位置変化量から、前記自車両の運動を推定して出力する自車両運動推定部と、
同一の前記不動物に対する一連の前記自車両の前記運動と、その一連の運動中における前記自車両の複数受信回に渡る前記絶対位置とに基づいて、前記不動物の絶対位置を推定して出力する不動物位置推定部と、
前記不動物位置推定部によって出力された前記不動物の特徴と絶対位置を記録する環境特徴記憶装置と
を有する
ことを特徴とする不動物位置記録装置。 - 前記不動物位置推定部は、
推定された前記不動物の絶対位置を出力する際に、更に当該絶対位置の確からしさをも同時に出力する
ことを特徴とする請求項１に記載の不動物位置記録装置。 - 前記環境特徴記憶装置に記憶されている不動物の特徴の中から、前記位置データによって表される現在観測中の不動物の特徴を、所定のデータ照合処理を用いて検索する検索照合手段を有する
ことを特徴とする請求項１または請求項２に記載の不動物位置記録装置。 - 前記データ照合処理の処理結果と、前記環境特徴記憶装置に記憶されている不動物の特徴の確からしさと、前記位置データによって表される現在観測中の不動物の特徴の確からしさとに基づいて、
現在観測中の不動物の特徴を前記環境特徴記憶装置に新たに追加するか、
前記環境特徴記憶装置に記憶されている照合が取れない不動物の特徴を削除するか、
または、
前記環境特徴記憶装置に記憶されている不動物の特徴や確からしさを更新する
データ更新手段を有する
ことを特徴とする請求項３に記載の不動物位置記録装置。 - 前記自車両運動推定部は、
前記位置データで示される不動物と移動物とを判別する判別手段を有する
ことを特徴とする請求項１乃至請求項４の何れか１項に記載の不動物位置記録装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006161715A JP5162849B2 (ja) | 2006-06-11 | 2006-06-11 | 不動点位置記録装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2006161715A JP5162849B2 (ja) | 2006-06-11 | 2006-06-11 | 不動点位置記録装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2007333385A true JP2007333385A (ja) | 2007-12-27 |
| JP5162849B2 JP5162849B2 (ja) | 2013-03-13 |
Family
ID=38933011
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2006161715A Expired - Fee Related JP5162849B2 (ja) | 2006-06-11 | 2006-06-11 | 不動点位置記録装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP5162849B2 (ja) |
Cited By (23)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP2390680A1 (en) | 2010-05-26 | 2011-11-30 | Mitsubishi Electric Corporation | Angular velocity estimation apparatus, computer program, and angular velocity estimation method |
| JP2012208525A (ja) * | 2012-07-17 | 2012-10-25 | Toyota Central R&D Labs Inc | 静止物地図生成装置 |
| JP2013508710A (ja) * | 2009-10-22 | 2013-03-07 | トヨタ モーター ヨーロッパ ナームロゼ フェンノートシャップ／ソシエテ アノニム | 複数の角度から反射された信号を使用するサブミリ波レーダー |
| US8606539B2 (en) | 2010-05-26 | 2013-12-10 | Mitsubishi Electric Corporation | Road configuration estimation apparatus, computer program, and road configuration estimation method |
| JP2016156973A (ja) * | 2015-02-25 | 2016-09-01 | パイオニア株式会社 | 地図データ記憶装置、制御方法、プログラム及び記憶媒体 |
| JP2018505426A (ja) * | 2014-12-26 | 2018-02-22 | ヘーレ グローバル ベスローテン フェンノートシャップ | マルチラテレーションを用いた装置の位置特定 |
| JP2018112420A (ja) * | 2017-01-10 | 2018-07-19 | 株式会社 ゼネテック | 位置情報サーバー、補正対象携帯端末、位置情報補正方法 |
| JP2018146248A (ja) * | 2017-03-01 | 2018-09-20 | 日産自動車株式会社 | 物標位置推定方法及び物標位置推定装置 |
| WO2018181052A1 (ja) * | 2017-03-28 | 2018-10-04 | 愛知製鋼株式会社 | 磁気マーカの施工方法及び作業システム |
| JP2018163096A (ja) * | 2017-03-27 | 2018-10-18 | 沖電気工業株式会社 | 情報処理方法および情報処理装置 |
| WO2018212292A1 (ja) * | 2017-05-19 | 2018-11-22 | パイオニア株式会社 | 情報処理装置、制御方法、プログラム及び記憶媒体 |
| CN109131353A (zh) * | 2017-06-16 | 2019-01-04 | 罗伯特·博世有限公司 | 用于执行传感器校准的方法和系统 |
| JP2019152667A (ja) * | 2018-03-01 | 2019-09-12 | 日産自動車株式会社 | 周囲環境情報生成方法及び周囲環境情報生成装置 |
| JP2020101560A (ja) * | 2015-10-06 | 2020-07-02 | グーグル エルエルシー | レーダ対応センサフュージョン |
| JP2020126122A (ja) * | 2019-02-04 | 2020-08-20 | 日産自動車株式会社 | 周囲環境情報生成方法及び周囲環境情報生成装置 |
| CN112129297A (zh) * | 2020-09-25 | 2020-12-25 | 重庆大学 | 一种多传感器信息融合的自适应校正室内定位方法 |
| JPWO2021075318A1 (ja) * | 2019-10-18 | 2021-04-22 | ||
| CN112955715A (zh) * | 2018-10-31 | 2021-06-11 | 雷诺股份公司 | 用于确定机动车辆的移动向量的方法、用于确定车辆的速度的方法和相关车辆 |
| US11119499B2 (en) | 2017-03-28 | 2021-09-14 | Aichi Steel Corporation | Marker system |
| JP2022000793A (ja) * | 2020-12-15 | 2022-01-04 | 株式会社ユピテル | 装置及びプログラム |
| US11816101B2 (en) | 2014-08-22 | 2023-11-14 | Google Llc | Radar recognition-aided search |
| JP7429773B2 (ja) | 2019-09-26 | 2024-02-08 | フラウンホーファー－ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン | 誘導電力伝達用システムにおける一次巻線構造体と、二次巻線構造体と、の間の相対位置関係の決定方法及び相対位置関係の決定システム |
| CN112129297B (zh) * | 2020-09-25 | 2024-04-30 | 重庆大学 | 一种多传感器信息融合的自适应校正室内定位方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08233584A (ja) * | 1995-02-27 | 1996-09-13 | Nippon Telegr & Teleph Corp <Ntt> | 移動体位置検出装置 |
| JPH10300493A (ja) * | 1997-04-28 | 1998-11-13 | Honda Motor Co Ltd | 車両位置推定装置と車両位置推定方法、および、走行車線維持装置と走行車線維持方法 |
| JP2001250197A (ja) * | 2000-03-06 | 2001-09-14 | Denso Corp | 車両用道路形状認識方法及び装置、記録媒体 |
| JP2005265494A (ja) * | 2004-03-17 | 2005-09-29 | Hitachi Ltd | 車両位置推定装置およびこれを用いた運転支援装置 |
| JP2007303841A (ja) * | 2006-05-08 | 2007-11-22 | Toyota Central Res & Dev Lab Inc | 車両位置推定装置 |
| JP2007303842A (ja) * | 2006-05-08 | 2007-11-22 | Toyota Central Res & Dev Lab Inc | 車両位置推定装置及び地図情報作成装置 |
| JP2007322391A (ja) * | 2006-06-05 | 2007-12-13 | Toyota Central Res & Dev Lab Inc | 自車両位置推定装置 |
| JP2009532801A (ja) * | 2006-04-03 | 2009-09-10 | オートリブ ディベロップメント エービー | 運転支援システムおよび車両の周辺物のモデル作成方法 |
-
2006
- 2006-06-11 JP JP2006161715A patent/JP5162849B2/ja not_active Expired - Fee Related
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH08233584A (ja) * | 1995-02-27 | 1996-09-13 | Nippon Telegr & Teleph Corp <Ntt> | 移動体位置検出装置 |
| JPH10300493A (ja) * | 1997-04-28 | 1998-11-13 | Honda Motor Co Ltd | 車両位置推定装置と車両位置推定方法、および、走行車線維持装置と走行車線維持方法 |
| JP2001250197A (ja) * | 2000-03-06 | 2001-09-14 | Denso Corp | 車両用道路形状認識方法及び装置、記録媒体 |
| JP2005265494A (ja) * | 2004-03-17 | 2005-09-29 | Hitachi Ltd | 車両位置推定装置およびこれを用いた運転支援装置 |
| JP2009532801A (ja) * | 2006-04-03 | 2009-09-10 | オートリブ ディベロップメント エービー | 運転支援システムおよび車両の周辺物のモデル作成方法 |
| JP2007303841A (ja) * | 2006-05-08 | 2007-11-22 | Toyota Central Res & Dev Lab Inc | 車両位置推定装置 |
| JP2007303842A (ja) * | 2006-05-08 | 2007-11-22 | Toyota Central Res & Dev Lab Inc | 車両位置推定装置及び地図情報作成装置 |
| JP2007322391A (ja) * | 2006-06-05 | 2007-12-13 | Toyota Central Res & Dev Lab Inc | 自車両位置推定装置 |
| JP4984659B2 (ja) * | 2006-06-05 | 2012-07-25 | 株式会社豊田中央研究所 | 自車両位置推定装置 |
Non-Patent Citations (5)
| Title |
|---|
| CSNG200600806003; 小島祥子、外２名: '"レーザレーダを用いた路側物計測とＧＰＳによる高精度自車両位置推定手法の提案"' 電子情報通信学会技術研究報告 Ｖｏｌ．１０６，Ｎｏ．１８１, 20060720, ｐ．１３-１８ * |
| CSNG200700300004; 渋久奈保、外６名: '"レーザレーダデータ系列間対応付けによる自車位置推定"' 電子情報通信学会技術研究報告 Ｖｏｌ．１０６，Ｎｏ．９８, 20060609, ｐ．１９-２４ * |
| CSNJ200710005182; 渋久奈保、外６名: '"レーザレーダデータ間の対応付けによる自車位置情報の精度向上の検討"' ２００６年電子情報通信学会総合大会講演論文集（情報・システム２） , 20060308, ｐ．１８２ * |
| JPN6011055058; 渋久奈保、外６名: '"レーザレーダデータ系列間対応付けによる自車位置推定"' 電子情報通信学会技術研究報告 Ｖｏｌ．１０６，Ｎｏ．１００, 20060609, ｐ．１９-２４ * |
| JPN6011055061; Ａｎｄｒｅｗ Ｈｏｗａｒｄ， ｅｔ ａｌ．: '"Ｔｏｗａｒｄｓ ３Ｄ Ｍａｐｐｉｎｇ ｉｎ Ｌａｒｇｅ Ｕｒｂａｎ Ｅｎｖｉｒｏｎｍｅｎｔｓ"' Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ２００４ ＩＥＥＥ／ＲＳＪ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ Ｉｎｔｅｌｌｉｇｅｎｔ Ｒｏｂｏｔｓ ａｎｄ Ｓｙｓｔｅｍｓ（ＩＲＯＳ） Ｖｏｌ．１, 20040928, ｐ．４１９-４２４ * |
Cited By (51)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2013508710A (ja) * | 2009-10-22 | 2013-03-07 | トヨタ モーター ヨーロッパ ナームロゼ フェンノートシャップ／ソシエテ アノニム | 複数の角度から反射された信号を使用するサブミリ波レーダー |
| US8912946B2 (en) | 2009-10-22 | 2014-12-16 | Toyota Motor Europe Nv/Sa | Submillimeter radar using signals reflected from multiple angles |
| EP2390680A1 (en) | 2010-05-26 | 2011-11-30 | Mitsubishi Electric Corporation | Angular velocity estimation apparatus, computer program, and angular velocity estimation method |
| US8606539B2 (en) | 2010-05-26 | 2013-12-10 | Mitsubishi Electric Corporation | Road configuration estimation apparatus, computer program, and road configuration estimation method |
| JP2012208525A (ja) * | 2012-07-17 | 2012-10-25 | Toyota Central R&D Labs Inc | 静止物地図生成装置 |
| US11816101B2 (en) | 2014-08-22 | 2023-11-14 | Google Llc | Radar recognition-aided search |
| JP2018505426A (ja) * | 2014-12-26 | 2018-02-22 | ヘーレ グローバル ベスローテン フェンノートシャップ | マルチラテレーションを用いた装置の位置特定 |
| JP2016156973A (ja) * | 2015-02-25 | 2016-09-01 | パイオニア株式会社 | 地図データ記憶装置、制御方法、プログラム及び記憶媒体 |
| US11698439B2 (en) | 2015-10-06 | 2023-07-11 | Google Llc | Gesture recognition using multiple antenna |
| US11175743B2 (en) | 2015-10-06 | 2021-11-16 | Google Llc | Gesture recognition using multiple antenna |
| US11693092B2 (en) | 2015-10-06 | 2023-07-04 | Google Llc | Gesture recognition using multiple antenna |
| JP2020101560A (ja) * | 2015-10-06 | 2020-07-02 | グーグル エルエルシー | レーダ対応センサフュージョン |
| US11080556B1 (en) | 2015-10-06 | 2021-08-03 | Google Llc | User-customizable machine-learning in radar-based gesture detection |
| US11256335B2 (en) | 2015-10-06 | 2022-02-22 | Google Llc | Fine-motion virtual-reality or augmented-reality control using radar |
| US11698438B2 (en) | 2015-10-06 | 2023-07-11 | Google Llc | Gesture recognition using multiple antenna |
| US11481040B2 (en) | 2015-10-06 | 2022-10-25 | Google Llc | User-customizable machine-learning in radar-based gesture detection |
| JP2021131396A (ja) * | 2015-10-06 | 2021-09-09 | グーグル エルエルシーGoogle LLC | レーダ対応センサフュージョン |
| US11132065B2 (en) | 2015-10-06 | 2021-09-28 | Google Llc | Radar-enabled sensor fusion |
| US11385721B2 (en) | 2015-10-06 | 2022-07-12 | Google Llc | Application-based signal processing parameters in radar-based detection |
| US11656336B2 (en) | 2015-10-06 | 2023-05-23 | Google Llc | Advanced gaming and virtual reality control using radar |
| US11592909B2 (en) | 2015-10-06 | 2023-02-28 | Google Llc | Fine-motion virtual-reality or augmented-reality control using radar |
| US10908696B2 (en) | 2015-10-06 | 2021-02-02 | Google Llc | Advanced gaming and virtual reality control using radar |
| JP2018112420A (ja) * | 2017-01-10 | 2018-07-19 | 株式会社 ゼネテック | 位置情報サーバー、補正対象携帯端末、位置情報補正方法 |
| JP2018146248A (ja) * | 2017-03-01 | 2018-09-20 | 日産自動車株式会社 | 物標位置推定方法及び物標位置推定装置 |
| JP2018163096A (ja) * | 2017-03-27 | 2018-10-18 | 沖電気工業株式会社 | 情報処理方法および情報処理装置 |
| JP7062878B2 (ja) | 2017-03-27 | 2022-05-09 | 沖電気工業株式会社 | 情報処理方法および情報処理装置 |
| CN110402311A (zh) * | 2017-03-28 | 2019-11-01 | 爱知制钢株式会社 | 磁性标识器的施工方法及作业系统 |
| US11334087B2 (en) | 2017-03-28 | 2022-05-17 | Aichi Steel Corporation | Magnetic marker installation method and work system |
| US11119499B2 (en) | 2017-03-28 | 2021-09-14 | Aichi Steel Corporation | Marker system |
| CN110402311B (zh) * | 2017-03-28 | 2021-06-08 | 爱知制钢株式会社 | 磁性标识器的施工方法及作业系统 |
| JP2018165855A (ja) * | 2017-03-28 | 2018-10-25 | 愛知製鋼株式会社 | 磁気マーカの施工方法及び作業システム |
| WO2018181052A1 (ja) * | 2017-03-28 | 2018-10-04 | 愛知製鋼株式会社 | 磁気マーカの施工方法及び作業システム |
| WO2018212292A1 (ja) * | 2017-05-19 | 2018-11-22 | パイオニア株式会社 | 情報処理装置、制御方法、プログラム及び記憶媒体 |
| JPWO2018212292A1 (ja) * | 2017-05-19 | 2020-05-21 | パイオニア株式会社 | 情報処理装置、制御方法、プログラム及び記憶媒体 |
| CN109131353A (zh) * | 2017-06-16 | 2019-01-04 | 罗伯特·博世有限公司 | 用于执行传感器校准的方法和系统 |
| JP7048426B2 (ja) | 2017-06-16 | 2022-04-05 | ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツング | センサの校正の実行方法およびシステム |
| JP2019002929A (ja) * | 2017-06-16 | 2019-01-10 | ロベルト・ボッシュ・ゲゼルシャフト・ミト・ベシュレンクテル・ハフツングＲｏｂｅｒｔ Ｂｏｓｃｈ Ｇｍｂｈ | センサの校正の実行方法およびシステム |
| JP7198687B2 (ja) | 2018-03-01 | 2023-01-04 | 日産自動車株式会社 | 周囲環境情報生成方法及び周囲環境情報生成装置 |
| JP2019152667A (ja) * | 2018-03-01 | 2019-09-12 | 日産自動車株式会社 | 周囲環境情報生成方法及び周囲環境情報生成装置 |
| CN112955715A (zh) * | 2018-10-31 | 2021-06-11 | 雷诺股份公司 | 用于确定机动车辆的移动向量的方法、用于确定车辆的速度的方法和相关车辆 |
| JP2020126122A (ja) * | 2019-02-04 | 2020-08-20 | 日産自動車株式会社 | 周囲環境情報生成方法及び周囲環境情報生成装置 |
| JP7257158B2 (ja) | 2019-02-04 | 2023-04-13 | 日産自動車株式会社 | 周囲環境情報生成方法及び周囲環境情報生成装置 |
| JP7429773B2 (ja) | 2019-09-26 | 2024-02-08 | フラウンホーファー－ゲゼルシャフト・ツール・フェルデルング・デル・アンゲヴァンテン・フォルシュング・アインゲトラーゲネル・フェライン | 誘導電力伝達用システムにおける一次巻線構造体と、二次巻線構造体と、の間の相対位置関係の決定方法及び相対位置関係の決定システム |
| JPWO2021075318A1 (ja) * | 2019-10-18 | 2021-04-22 | ||
| JP7185786B2 (ja) | 2019-10-18 | 2022-12-07 | 株式会社Ｎｔｔドコモ | 測位システム及び端末 |
| WO2021075318A1 (ja) * | 2019-10-18 | 2021-04-22 | 株式会社Ｎｔｔドコモ | 測位システム及び端末 |
| CN112129297A (zh) * | 2020-09-25 | 2020-12-25 | 重庆大学 | 一种多传感器信息融合的自适应校正室内定位方法 |
| CN112129297B (zh) * | 2020-09-25 | 2024-04-30 | 重庆大学 | 一种多传感器信息融合的自适应校正室内定位方法 |
| JP7240765B2 (ja) | 2020-12-15 | 2023-03-16 | 株式会社ユピテル | 装置及びプログラム |
| JP2022000793A (ja) * | 2020-12-15 | 2022-01-04 | 株式会社ユピテル | 装置及びプログラム |
| JP7450303B2 (ja) | 2020-12-15 | 2024-03-15 | 株式会社ユピテル | 装置及びプログラム |
Also Published As
| Publication number | Publication date |
|---|---|
| JP5162849B2 (ja) | 2013-03-13 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5162849B2 (ja) | 不動点位置記録装置 | |
| US20210063162A1 (en) | Systems and methods for vehicle navigation | |
| US20210311490A1 (en) | Crowdsourcing a sparse map for autonomous vehicle navigation | |
| EP3673407B1 (en) | Automatic occlusion detection in road network data | |
| US10471955B2 (en) | Stop sign and traffic light alert | |
| JP4984659B2 (ja) | 自車両位置推定装置 | |
| US10248124B2 (en) | Localizing vehicle navigation using lane measurements | |
| Suhr et al. | Sensor fusion-based low-cost vehicle localization system for complex urban environments | |
| EP4318397A2 (en) | Method of computer vision based localisation and navigation and system for performing the same | |
| Hashemi et al. | A critical review of real-time map-matching algorithms: Current issues and future directions | |
| JP2019527832A (ja) | 正確な位置特定およびマッピングのためのシステムおよび方法 | |
| CN111351493B (zh) | 一种定位方法和系统 | |
| JP5388082B2 (ja) | 静止物地図生成装置 | |
| CN110945320B (zh) | 车辆定位方法和系统 | |
| JP2016180980A (ja) | 情報処理装置、プログラム、及び地図データ更新システム | |
| JP5404861B2 (ja) | 静止物地図生成装置 | |
| CN102208012A (zh) | 风景匹配参考数据生成系统及位置测量系统 | |
| CN110873570A (zh) | 用于位置信息的定源、生成并且更新表示位置的地图的方法和装置 | |
| CN112136021A (zh) | 用于构建基于地标的高清地图的系统和方法 | |
| Gustafsson et al. | Navigation and tracking of road-bound vehicles | |
| Trogh et al. | Map matching and lane detection based on Markovian behavior, GIS, and IMU data | |
| WO2021240884A1 (ja) | 車両制御装置、および、自車位置推定方法 | |
| JP2019174191A (ja) | データ構造、情報送信装置、制御方法、プログラム及び記憶媒体 | |
| WO2019188820A1 (ja) | 情報送信装置、データ構造、制御方法、プログラム及び記憶媒体 | |
| JP2022136145A (ja) | データ構造、情報処理装置、及び地図データ生成装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090324 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111025 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20111226 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A132 Effective date: 20120828 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120924 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121120 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121203 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151228 Year of fee payment: 3 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 5162849 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151228 Year of fee payment: 3 |
|
| LAPS | Cancellation because of no payment of annual fees |