JP2013530435A - 自動車のための車道推移を求める方法 - Google Patents

Abstract

本発明は、少なくとも１つの周辺センサシステムを持つ動く自動車のための車道推移を求める方法であって、車道へ向けられる周辺センサにより発生されるセンサデータが、車線に関連する特徴を認識するための評価を受けるものにおいて、本発明によれば、
車道のために、車線推移を決定する少なくとも１つの車道用車線モデルパラメータを持つ車線モデルが発生され、
センサデータにおいて、少なくとも１つの距離範囲の車道に平行な構造物が検出され、
少なくとも１つの車道に平行な構造物の接線方向が求められ、
車線モデルにおいて、予測評価方法により少なくとも１つの車線モデルパラメータを求めるため、車道に平行な構造物の接線方向の値が、車道に平行な構造物との接触点における接線方向のための値として受け継がれる。
【選択図】図１

Description

本発明は、請求項１の上位概念に記載の少なくとも１つの周辺センサシステムを持つ動く自動車のための車道推移を求める方法に関する。更に本発明は、本発明による方法を実施するための装置を持つ自動車に関する。

例えば間隔制御又は車線保持のために使用される運転者支援システムの重要な構成要素は車線確認である。

公知の車線認識システムは、車線辺に対する認識される構造物の関連づけ及び車線中央に対する構造物の間隔である。測定システムが構造物から大きく離れているほど、この関連づけを行うことが困難である。更に認識される車線の記述は、通常車両の位置に関係し、離れている範囲についての明確な情報を与えない。通常の車線モデルは、一層広範な道路推移を記述するため、クロソイドモデルの曲折及び曲折変化を使用する。その際評価値は車両の固有位置への平均化である。従って今までの方法は、２つのクロソイド区域の間の正確な移行を求めることができない。なぜならば、道路はクロソイド区域のつなぎ合わせによってつながれるからである。例えば直線へのカーブの移行は正確には求められない。このことは、運転者支援システムの車両横制御器にとって、これらの移行個所における不自然な制御挙動を意味する。

この問題は、米国特許第６７１８２５９号明細書によれば、センサシステムにより発生される周辺データが、複数のカルマンフィルタから成るフィルタバンクへ供給されることによって解決され、その際車線モデルがクロソイドモデルに基いており、このクロソイドモデルにおいて、車両の前にある車道範囲が、距離ｄ１までの近接範囲と異なるクロソイドパラメータを持つｄ１〜ｄ２の距離を持つ遠隔範囲とに分割され、その際これら両方の範囲の間の移行が連続しているものと仮定される。従って車道の２つのクロソイド区域の間の移行点は評価されず、距離ｄ１において移行点が仮定される。フィルタバンクの個々のカルマンフィルタは、距離ｄ１に対する移行点の位置において相違するそれぞれ１つの車線モデルに合わされている。このフィルタバンクの各カルマンフィルタは、それぞれのモデルの車線モデルパラメータの評価値を供給し、続いてこれらの評価値が、それぞれのモデル出現の確率に相当する重み付け値で重み付けされる。重み付けされた出力データが融合される。

米国特許第６７１８２５９号明細書によるこの公知の方法の欠点は、カルマンフィルタから成るフィルタバンクの高度の複雑さにあり、長い実行時間を生じる。移行個所は認識されず、除去され、従ってモデル誤差は維持されたままである。

本発明の課題は、公知の方法に対して改善されて、車道のカーブ推移の移行個所を認識し、それにより車線推移を遠隔範囲まで正しくモデル化できる、最初にあげた種類の方法を提示することである。

この課題は、請求項１の特徴を持つ方法によって解決される。

少なくとも１つの周辺センサシステムを持つ動く自動車のための車道推移を求める方法であって、車道へ向けられる周辺センサにより発生されるセンサデータが、車線に関連する特徴を認識するための評価を受けるものにおいて、本発明によれば
車道のために、車線推移を決定する少なくとも１つの車線モデルパラメータを持つ車線モデルが発生され、
センサデータにおいて、少なくとも１つの距離範囲の車道に平行な構造物が検出され、
少なくとも１つの車道に平行な構造物の接線方向が求められ、
車線モデルにおいて、予測評価方法により少なくとも１つの車線モデルパラメータを求めるため、車道に平行な構造物の接線方向の値が、車道に平行な構造物との接触点における接線方向のための値として受け継がれる
ことを特徴としている。

本発明による方法によって、車線標識、縁石、ガードレール、縁建築物等のような車道に平行なすべての構造物が、車線推移の評価のために使用され、これに対して付加的なフィルタ量を評価のために導入する必要がない。更に本発明によるこの方法は、車道に平行な構造物の側方間隔に無関係であり、自動車のために車線中央からの偏りを評価することも必要ではなく、それにより自由度の数が少ないため、評価方法が一層強固であり、運転時間が一層効率的であり、故障し易さも少ない。それにより車線の推移が、考慮される全距離にわたって、車線モデルにより、極めて正確な評価値でモデル化され、すべての車線モデルが、常に細分化可能な機能を生じる。これは、クロソイド車道モデルのほかに、例えば円弧モデル、二重クロソイドモデル及びスプラインモデルである。

更に本発明による方法は、使用される周辺センサシステムの種類にも無関係である。従って画像に基くセンサ例えばカメラ、レーダセンサ、ライダセンサ又はナビゲーションシステムの範囲内でＧＰＳを持つディジタルカード、又はこれらの組合わせが使用可能である。

最後に本発明による方法によって、車線に関するシステム限界も予測され、運転者支援システムにおいて有利に使用することができる。例えば乗入れの際、きつくなるカーブを前もって知ることができるので、運転者支援システムの範囲内で車両の運転者がシステム引渡しの準備をさせられるか、又は車両の前の６０ｍの距離でカーブ半径を表示されるか、又は最小カーブ半径を表示されることができる。

本発明の有利な展開によれば、グレイスケール値勾配を求めて評価することによって、車道に平行な構造物が縁検出方法によりセンサデータから求められ、このためなるべくハフ（Ｈｏｕｇｈ）変換が使用され、それにより隅点により形成される形状例えば直線又は円を検出することができる。誤った構造物を除外するため、平行性判断基準を導入し、この平行性判断基準により、自動車の前の同じ距離で車道の両側にあって車道に平行な構造物が検出され、平行でない構造物が除外されると有利である。

更に本発明の有利な構成によれば、車線モデルパラメータの予測評価が、例えば当業者に周知の三次の多項式により近似されるカルマンフィルタモデルにより行われる。もちろんカルマンフィルタモデルに対比可能な評価方法も使用することができる。

最後に本発明の展開によれば、車道の近接範囲を検出するセンサデータから、車道の車線幅、車線中心からの自動車の偏り、自動車の片揺れ角が求められ、それ以外の車線推移が少なくとも１つの発生される車線モデルパラメータにより求められることによって、本発明による方法の有利な特徴が示される。

従って車線幅に無関係なため、また車両が車道中心から偏っているため、本発明による方法が状態空間を減少し、それにより方法が一層強固になり、かつ作動時間において一層効率的になる。近接範囲及び遠隔範囲における状態空間のこの分割により、車線の幅変化例えば車線幅拡大又は高速道路出口が車線モデルパラメータに不利な影響を及ぼすことはない。車線幅及び車線中央から車両の偏りは、関連する近接範囲に限定され、全測定範囲にわたって評価しかつ平均しなくてよい。

本発明による方法は、運転者支援システムを持つ車両において、例えば間隔制御システム、車線保持システム又は車線から離れる際運転者に警告するシステムの範囲で有利に使用することができる。

ただ１つの添付図面を参照して、本発明が以下に詳細に説明される。

車道の車道座標系に示される車道に平行な構造物及び車道に平行でない構造物を、本発明による方法を説明するために示す。

カメラ、レーダセンサ又はライダセンサ及び（例えばナビゲーションシステムの範囲にある）ＧＰＳを持つディジタルカードを示すことができる周辺センサシステムにより、評価装置用センサデータが準備され、それにより本発明による方法が実施される。

このセンサデータにより、ガードレール、車道縁、車線標識、縁石又は他の車道に平行に延びる限界のように車道に平行な構造物を検出することによって、特徴抽出が行われる。

ビデオ処理の際、このために例えば縁検出方法が使用され、この方法によりこのような車道に平行な構造物の輪郭を検出することができる。その際縁がグレイスケール値の変化とみなされ、即ちグレイスケール値勾配が求められ、ハフ変換により評価される。

このためセンサデータが、周囲に関係する水平及び垂直な限界を持つ複数の探索範囲に区分され、垂直な限界のために、近接範囲において検出される車線が使用される。

車線モデルとして、それぞれ出発曲折ｃ_０及び曲折変化ｃ_１により記述されかつ三次の多項式により、車道のｘ−ｙ座標系において近似されるクロソイド区域を持つクロソイドモデルが使用される。

センサデータから、車線中央に対して接線方向に延びる構造物に相当する縁画像が抽出され、車両の前の点ｘにおける接線として勾配ｍを持ち、この勾配がハフ変換により求められる。

この接線の勾配ｍは、車線モデルにおいて、車道に平行で接線を表す構造物との接触点における接線方向のための値として受けつがれる。このような状態を、車道の座標系に表されている図１が示している。車道は、車道縁２及び中心線３により区画される車線１を持つ２車線道路として表されている。車線１の車線中央４は座標原点を通って延び、ｘ軸に対して接線をなしている。車道縁２はクロソイド区間を示し、この区間の端部は符号７で示され、この符号は次の車道区間への移行個所を示すこともできる。

この図１において位置ｘ_１に、単独の中央条片３が、カメラにより記録される道路光景の画像データから抽出された車道に平行な構造物として示されている。この単独の中央条片３の重心において、車線中央（矢印により示される）に対して平行に延びて勾配ｍ_１を持つ接線Ｔ１が求められる。

更に図１は、位置ｘ_２に、まっすぐな列に設けられる複数の物体から成る別の車道に平行な構造物５を示し、これらの物体は例えばレーダセンサにより静止しているレーダ目標として検出される。この構造物の重心において、（矢印により表される）車線中央４に対して平行に、勾配ｍ_２を持つ接線Ｔ２が延びている。

最後に図１は、直線状構造物を持つが車道に平行に延びていない別の車道縁構造物６を示している。

センサデータに基いて行われる勾配ｍ_ｉ及び付属する位置ｘ_ｉの測定は、カルマンフィルタによるクロソイドモデルの車線モデルパラメータｃ_０及びｃ_１の評価のために使用され、カルマンフィルタは、車両のｘｉ−ｙｉ座標系において、上記の近似で次の形式を持ち

ここでｙ_ＯＬ／Ｒは車線中央から左方へ又は右方への車両の偏り（オフセット）を表し、θは車両の片揺れ角を表している。

カルマンフィルタモデルにおける付属する測定式は、上記の式１（ｘ_ｉ）の微分及び勾配ｍ_ｉと等しくすることによって生じる。

この測定式により、評価される車線モデルパラメータｃ_０及びｃ_１の修正が行われ、それにより図１に区間Ｋ１及びＫ２により示される車線の別の推移を求める。従って車線推移が、考察される全距離範囲にわたって、特に遠隔範囲にわたってモデル化される。

車線モデルとして、ここに記述した簡単なクロソイドモデルのほかに、二重クロソイドモデル又は支持点に基くスプラインモデルを使用することができる。

勾配ｍによる車線モデルパラメータｃ_０及びｃ_１の評価前に、まず考察されている距離区間における曲折ｃ_０を求めることも可能である。このため各距離区間において、放物線

により車線推移が近似され、ここでｃ_０はｘ位置における曲折を表す。検出される道路に平行な構造物のセンサデータから求められる勾配ｍは、同じｘ位置における放物線の勾配に一致し、一次導関数により与えられ、即ちｃ_０ｘ＝ｍである。）したがって曲折ｃ_０に対して

が生じる。

誤った構造物従って車道に平行でない構造物を除外するため、検出される距離範囲における二次元ハフ方法により、車道の反対側で平行に延びる直線対を求めることができる。このような平行性判断基準により、図１に示される車道縁構造物６のような直線を除外することができる。

図示した本発明による方法のために、車道に平行な構造物の検出のために、その側方間隔を知ることは必要でなく、それにより車両の側方偏りの評価も不要になる。

近接範囲において求めるべきパラメータｙ_ＯＬ／Ｒ（車線中央に対する車両の間隔又は偏り）及び車線幅は、個別測定により求められる。それにより偏り及び車線幅を持つ状態空間の有利な位置ぎめが、近接範囲及び遠隔範囲における車線モデルパラメータｃ_０及びｃ_１から生じる。片揺れ角θも同様に近接範囲区分において求められる。状態空間のこのような区分により、例えば車線の幅拡大部又は高速道路出口において、車線幅変化が車線モデルパラメータに不利な影響を及ぼさず、従ってこれには無関係であり、従って自由度の減少を行う。それによりフィルタシステム、実施例においてはカルマンフィルタが一層強固になり、従って故障し易さが少なくなり、運転時間が一層効率的になり、一層正確な評価値を生じる。

近接範囲で検出される車線推移は、本発明による用法により、遠隔範囲へ補外されるので、遠隔範囲における偏り及び車線幅の平均化及び評価はなくなる。

図１に示される誤った直線状車道縁構造物６（これらの構造物の直線Ｇは重心において車道に平行な方向に延びてない）を除外するため、センサデータを評価する際、既に上述したように平行性判断基準が使用され、それにより例えば同じ位置においてのみ、車線の左及び右に推移しかつ車道に平行で互いに平行な構造物が求められる。

各個別測定（接線）は、ｘ個所で曲折情報に換算される。個々の接線測定がｘ方向に順次考慮されると、測定は、クロソイド移行個所７（図１）から、濾波される車線モデルに対する偏差を示し、それによりこの移行個所７が求められる。それにより運転者支援システムの範囲内で、単純な走行挙動に応じた車両の横制御を行うことができる。

運転者支援システムの範囲内で、車線に関するシステム限界への到達も予測される。例えば乗入れの際、狭くなるカーブを前もって知ることができるので、運転者支援システムの範囲内で、車両の運転者はシステム引渡しを準備するか、又は車両前の６０ｍの距離におけるカーブ半径又は最小カーブ半径が表示される。

本発明による方法によって、標識、縁石、ガードレール及び耕作物のように車道に平行な構造物の付加的な使用が、フィルタ拡張を必要とすることなしに、カーブ半径を前もって求めるために可能である。

Claims (8)

1. 少なくとも１つの周辺センサシステムを持つ動く自動車のための車道推移を求める方法であって、車道へ向けられる周辺センサにより発生されるセンサデータが、車線に関連する特徴を認識するための評価を受けるものにおいて、
   車道のために、車線推移を決定する少なくとも１つの車道用車線モデルパラメータを持つ車線モデルが発生され、
   センサデータにおいて、少なくとも１つの距離範囲の車道に平行な構造物が検出され、
   少なくとも１つの車道に平行な構造物の接線方向が求められ、
   車線モデルにおいて、予測評価方法により少なくとも１つの車線モデルパラメータを求めるため、車道に平行な構造物の接線方向の値が、車道に平行な構造物との接触点における接線方向のための値として受け継がれる
   ことを特徴とする、方法。
2. 車線モデルとして連続的に細分可能な区域が、なるべくクロソイド車道モデル、円弧モデル又はスプラインモデルの範囲で使用されることを特徴とする、請求項１に記載の方法。
3. グレイスケール値勾配を求めて評価することによって、車道に平行な構造物が縁検出方法によりセンサデータから求められることを特徴とする、請求項１又は２に記載の方法。
4. グレイスケール値勾配の評価がハフ（Ｈｏｕｇｈ）変換により行われることを特徴とする、請求項３に記載の方法。
5. 平行性判断基準により、自動車の前の同じ距離にあって車道に平行な構造物が検出され、平行でない構造物が除外されることを特徴とする、請求項２又は３に記載の方法。
6. 車線モデルパラメータの予測評価が、カルマンフィルタモデル又は対比可能な評価方法により行われることを特徴とする、先行する請求項の１つに記載の方法。
7. 車道の近接範囲を検出するセンサデータから、車道の車線幅、車線中心からの自動車の偏り、自動車の片揺れ角が求められ、それ以外の車線推移が少なくとも１つの発生される車線モデルパラメータにより求められることを特徴とする、先行する請求項の１つに記載の方法。
8. 先行する請求項の１つに記載の本発明による方法を実施するための装置なるべく運転者支援システムを持つ車両。

Images