JP2016120882A

JP2016120882A - 車両運動パラメータ推定装置

Info

Publication number: JP2016120882A
Application number: JP2014263141A
Authority: JP
Inventors: 武寺澤; Takeshi Terasawa
Original assignee: Fuji Heavy Industries Ltd
Current assignee: Subaru Corp
Priority date: 2014-12-25
Filing date: 2014-12-25
Publication date: 2016-07-07
Anticipated expiration: 2034-12-25
Also published as: JP6478318B2

Abstract

【課題】車両運動モデルを用いてパラメータを算出する際に伝達関数やセンサ値を精度良く補正し、制御精度や車両の状態を精度良く求める。
【解決手段】車両運動モデルにおけるスタビリティファクタＡを、実ヨーレートと操舵角推定ヨーレートとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に学習補正する。また、車両運動モデルの伝達関数の応答遅れは、一次遅れ（時定数Ｔ）で近似し、実ヨーレートに対する操舵角推定ヨーレートのヒステリシス特性の幅が０となる方向に時定数Ｔを学習補正する。更に、実ヨーレートと操舵角推定ヨーレートとの関係を一次関数で近似し、該一次関数の座標軸に対する切片が０になる方向に操舵角の補正量を算出する。
【選択図】図１

Description

本発明は、車両の操舵特性であるスタビリティファクタや応答遅れの時定数等を精度良く推定して車両運動パラメータを精度良く算出する車両運動パラメータ推定装置に関する。

近年、車両においては様々な車両制御装置が搭載されてきており、このような車両制御装置では、実際に検出されるセンサ値と、車両運動モデルから推定される理論値とを比較して制御量を算出し、制御を実行するものがある。例えば、特開平８−３１８８４１号公報（以下、特許文献１）では、車両運動モデルに基づき車速及び操舵角に応じた車両の目標ヨーレートを求め、車両の実ヨーレートを検出し、目標ヨーレートと実ヨーレートとの偏差に基づき車両のドリフトアウト状態を判別し、所定の車輪にブレーキ力を付加して車両のドリフトアウトを抑制する方向に車両にヨーモーメントを付加する車両の挙動制御装置の技術が開示されている。また、特開平１１−２３２６４号公報（以下、特許文献２）では、車両運動モデルに基づき車速及び操舵角に応じた車両の基準ヨーレートを求め、車両の実ヨーレートを検出し、基準ヨーレートと実ヨーレートとの偏差を算出し、該偏差に車両の諸元及び車両状態量から求めた係数を乗算することで路面カント角を算出する路面カント検出装置の技術が開示されている。

特開平８−３１８８４１号公報特開平１１−２３２６４号公報

ところで、上述の特許文献１の目標ヨーレートや、特許文献２の基準ヨーレートのように、車両運動モデルに基づき操舵角から目標（基準）ヨーレートを算出する場合、伝達関数に、実際には操舵角からヨーレートが発生するための応答遅れや、定常値としても操舵特性を示すスタビリティファクタ等のタイヤ種別・温度・空気圧等によって変動するパラメータが存在するため、目標（基準）ヨーレートの値自体の精度が悪化し、その結果、制御の精度や路面カント推定値の精度が悪化してしまうという課題がある。また、検出される操舵角の値自体にも、例えば、車輪のトー角ずれや、操舵角センサのオフセット誤差等の車両要因によるオフセット誤差が含まれるため、このような誤差も制御の精度や路面カント推定値の精度を低下させる要因となってしまう。

本発明は上記事情に鑑みてなされたもので、車両運動モデルを用いてパラメータを算出する際に伝達関数やセンサ値を精度良く補正し、制御精度や車両の状態を精度良く求めることができる車両運動パラメータ推定装置を提供することを目的としている。

本発明の車両運動パラメータ推定装置の一態様は、実際に車両に発生しているヨーレートを実ヨーレートとして取得する実ヨーレート取得手段と、車両運動モデルにより、操舵角入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートとして推定する操舵角推定ヨーレート算出手段とを備えた車両運動パラメータ推定装置であって、上記定常ゲインは、少なくとも車両の操舵特性であるスタビリティファクタを含み、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートと上記操舵角推定ヨーレートとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に上記スタビリティファクタを学習補正する一方、上記応答遅れは、少なくとも一次遅れで近似し、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートに対する上記操舵角推定ヨーレートのヒステリシス特性の幅が０となる方向に上記一次遅れの時定数を学習補正する。

本発明による車両運動パラメータ推定装置によれば、車両運動モデルを用いてパラメータを算出する際に伝達関数やセンサ値を精度良く補正し、制御精度や車両の状態を精度良く求めることが可能となる。

本発明の実施の一形態に係る路面カント推定装置の機能ブロック図である。本発明の実施の一形態に係る路面カント推定プログラムのフローチャートである。本発明の実施の一形態に係る時定数学習補正プログラムのフローチャートである。本発明の実施の一形態に係るスタビリティファクタ学習補正プログラムのフローチャートである。本発明の実施の一形態に係る操舵角補正量算出ルーチンのフローチャートである。本発明の実施の一形態に係る画像情報の車線情報から実ヨーレートを算出する際のＸ−Ｚ座標系の説明図である。本発明の実施の一形態に係る実ヨーレートに対する操舵角推定ヨーレートの座標上において示されるヒステリシス特性の説明図である。本発明の実施の一形態に係る評価関数の最小値を時定数の真値として該真値を求めるアルゴリズムの説明図である。本発明の実施の一形態に係る実ヨーレートに対する操舵角推定ヨーレートの座標上において近似される一次関数の一例を示す説明図である。

以下、図面に基づいて本発明の実施の形態を説明する。

図１において、符号１は、車両の走行状態を示すパラメータの一例として車両が走行する路面の路面カントを推定算出する路面カント推定装置を示し、この路面カント推定装置１には、車速Ｖを検出する車速センサ２、操舵角（前輪舵角）θＨを検出する操舵角センサ３、画像情報を基に車線区画線（左右白線）を検出し、車線区画線から車線情報と、車線に対する車両の姿勢角・位置情報を取得する車線検出手段としての機能を有する前方認識装置４が接続されている。

前方認識装置４は、例えば、車室内の天井前方に一定の間隔をもって取り付けられ、車外の対象を異なる視点からステレオ撮像する１組のＣＣＤカメラと、このＣＣＤカメラからの画像データを処理するステレオ画像処理装置とから構成されている。

前方認識装置４のステレオ画像処理装置における、ＣＣＤカメラからの画像データの処理は、例えば以下のように行われる。まず、ＣＣＤカメラで撮像した自車両の進行方向の１組のステレオ画像対に対し、対応する位置のずれ量から距離情報を求め、距離画像を生成する。

白線データの認識では、白線は道路面と比較して高輝度であるという知得に基づき、道路の幅方向の輝度変化を評価して、画像平面における左右の白線の位置を画像平面上で特定する。この白線の実空間上の位置（ｘ，ｙ，ｚ）は、画像平面上の位置（ｉ，ｊ）とこの位置に関して算出された視差とに基づいて、すなわち、距離情報に基づいて、周知の座標変換式より算出される。自車両の位置を基準に設定された実空間の座標系は、本実施の形態では、例えば、図６に示すように、ステレオカメラの中央真下の道路面を原点として、車幅方向をＸ軸（左方向を「＋」）、車高方向をＹ軸（上方向を「＋」）、車長方向（距離方向）をＺ軸（前方向を「＋」）とする。このとき、Ｘ−Ｚ平面（Ｙ＝０）は、道路が平坦な場合、道路面と一致する。道路モデルは、道路上の自車両の車線を距離方向に複数区間に分割し、各区間における左右の白線を所定に近似して連結することによって表現される。尚、本実施の形態では、車線の形状を１組のＣＣＤカメラからの画像を基に認識する例で説明したが、他に、単眼カメラ、カラーカメラからの画像情報を基に求めるものであっても良い。

そして、路面カント推定装置１は、上述の各入力信号に基づいて、実際に車両に発生しているヨーレートを実ヨーレートγｓとして取得し、車両運動モデルにより、操舵角θＨ入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートγstrとして推定し、これら実ヨーレートγｓと操舵角推定ヨーレートγstrを基に路面カントθcaを算出する。この際、車両運動モデルの伝達関数の定常ゲインは、少なくとも車両の操舵特性であるスタビリティファクタＡを含み、このスタビリティファクタＡを実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に学習補正する。また、車両運動モデルの伝達関数の応答遅れは、少なくとも一次遅れ（時定数Ｔ）で近似し、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのリサージュ波形におけるヒステリシス特性の幅Ｗｌが０に近づく方向に一次遅れの時定数Ｔを学習補正する。更に、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の座標軸に対する切片が０になる方向に操舵角θＨを補正する操舵角の補正量θHoffsetを算出する。

このため、路面カント推定装置１は、図１に示すように、実ヨーレート算出部１０と、操舵角推定ヨーレート算出部１１と、時定数補正部１２と、スタビリティファクタ補正部１３と、操舵角補正部１４、路面カント推定部１５とから主要に構成されている。

実ヨーレート算出部１０は、車速センサ２から車速Ｖが入力され、前方認識装置４から車線情報と車線に対する車両の姿勢角・位置情報が入力される。そして、実ヨーレート算出部１０は、例えば、以下の（１）式により、実ヨーレートγｓを算出し、時定数補正部１２、スタビリティファクタ補正部１３、操舵角補正部１４、路面カント推定部１５に出力する。

γｓ＝κ・Ｖ＋（ｄθyaw／ｄｔ） …（１）
ここで、κは車線の曲率、θyawは自車両の対車線ヨー角を示す。

すなわち、図６において、自車両の左側の車線区画線は最小自乗法により、以下の（２）式により近似される。

ｘ＝ＡＬ・ｚ^２＋ＢＬ・ｚ＋ＣＬ …（２）
また、自車両の右側の白線は最小自乗法により、以下の（３）式により近似される。

ｘ＝ＡＲ・ｚ^２＋ＢＲ・ｚ＋ＣＲ …（３）
ここで、上述の（２）式、（３）式における、「ＡＬ」と「ＡＲ」は、それぞれの曲線における曲率を示し、左側の白線の曲率は、２・ＡＬであり、右側の白線の曲率は、２・ＡＲである。従って、車線の曲率κは、以下の（４）式により、算出できる。

κ＝（２・ＡＬ＋２・ＡＲ）／２＝ＡＬ＋ＡＲ …（４）
また、（１）式、（２）式における、「ＢＬ」と「ＢＲ」は、それぞれの曲線の自車両の幅方向における傾きを示し、「ＣＬ」と「ＣＲ」は、それぞれの曲線の自車両の幅方向における位置を示す。

これにより、自車両の対車線ヨー角θyawは、以下の（５）式により算出できる。

θyaw＝ｔａｎ^−１（（ＢＬ＋ＢＲ）／２） …（５）
すなわち、前方認識装置４からの画像情報による車線情報は、自車両の相対運動として検出されるため、上述の（１）式により、精度良く実ヨーレートγｓを検出することができる。尚、路面等のノイズが無視できる場合には、ジャイロを用いた公知のヨーレートセンサからの検出値を実ヨーレートとして用いても良い。このように、実ヨーレート算出部１０は、実ヨーレート取得手段として設けられている。

操舵角推定ヨーレート算出部１１は、車速センサ２から車速Ｖが入力され、操舵角センサ３から操舵角θＨが入力され、時定数補正部１２から時定数Ｔが入力され、スタビリティファクタ補正部１３からスタビリティファクタＡが入力され、操舵角補正部１４から操舵角の補正量θHoffsetが入力される。そして、操舵角推定ヨーレート算出部１１は、例えば、以下の（６）式により、車両運動モデルにより、操舵角θＨ入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートγstrとして推定し、時定数補正部１２、スタビリティファクタ補正部１３、操舵角補正部１４、路面カント推定部１５に出力する。
γstr＝（Ｖ／（１＋Ａ・Ｖ^２））・（ｌ／（ｌｗ・ｒsgr））
・（１／（１＋ｓ・Ｔ））・（θＨ＋θHoffset） …（６）
ここで、ｌｗはホイールベース、ｒsgrはステアリングギヤ比、ｓはラプラス演算子である。すなわち、この（６）式は、操舵角入力の項（補正した操舵角入力の項：θＨ＋θHoffset）に対する伝達関数の中で、（Ｖ／（１＋Ａ・Ｖ^２））・（ｌ／（ｌｗ・ｒsgr））の項が定常ゲインの項であり、（１／（１＋ｓ・Ｔ））の項が応答遅れ（一次遅れで近似）の項となっている。このように、操舵角推定ヨーレート算出部１１は、操舵角推定ヨーレート算出手段として設けられている。

時定数補正部１２は、実ヨーレート算出部１０から実ヨーレートγｓを読み込み、操舵角推定ヨーレート算出部１１から操舵角推定ヨーレートγstrを読み込む。そして、図３のフローチャートに従って、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのリサージュ波形におけるヒステリシス特性の幅が０に近づく方向（図７中において、ｆ1(γｓ)→ｆn(γｓ)となる方向は、位相非適合方向と適合方向とがあるが、位相非適合は、後述する評価値Ｊが大きくなる方向になるため、移動適合方向側である：図８参照）に一次遅れの時定数Ｔの学習補正を進め、適宜、操舵角推定ヨーレート算出部１１に出力する。

以下、一次遅れの時定数Ｔの学習補正の具体的手法について、図３のフローチャートで説明する。本実施の形態では、評価値Ｊ（後述する）が最小値となる時定数Ｔの値を最適解（真値）として求めるアルゴリズムの手法を用いるものとする。

まず、ステップ（以下、「Ｓ」と略称）２０１で、現在設定されている時定数ＴをＴ(k-1)として読み込む。尚、このプログラムの初期値として、予め実験、演算等により設定しておいた値が設定されている。尚、以下、符号の添字（ｋ−１）は前回の値であることを示し、添字（ｋ）は今回の値であることを示す。

次に、Ｓ２０２に進み、時定数Ｔ(k-1)を前述の（６）式に適用して操舵角推定ヨーレートγstrを算出する。

次いで、Ｓ２０３に進み、図７に示すような、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上（γｓ−γstr平面）におけるリサージュ波形を作成し、予め設定しておいた、実ヨーレートγｓの領域内（図７中における、γSL≦γｓ≦γSHの領域内）において、予め設定する実ヨーレートγｓの値に対する時定数Ｔ(k-1)を用いて算出した操舵角推定ヨーレートγstrの値の幅をリサージュ波形のヒステリシス特性の幅Ｗｌとして算出する。

次に、Ｓ２０４に進み、評価値Ｊ(k)を算出する。ここで、評価値Ｊについて説明する。本実施の形態では、例えば、算出されたリサージュ波形のヒステリシス特性の幅Ｗｌの平均（ΣＷｌ／ｎ：ｎはＷｌのサンプル数）を評価関数として用い、これにより計算される値を評価値Ｊとして用いるようになっている。

次いで、Ｓ２０５に進んで、（格納されている）前回の評価値を評価値Ｊ(k-1)として読み込む。

そして、Ｓ２０６に進み、Ｓ２０４で算出した評価値Ｊ(k)と、Ｓ２０５で読み込んだ評価値Ｊ(k-1)とを比較する。

この比較の結果、評価値Ｊ(k-1)が評価値Ｊ(k)より大きい場合（Ｊ(k-1)＞Ｊ(k)の場合）はＳ２０７に進み、時定数Ｔの補正量ΔＴを、以下の（７）式により、算出する。

ΔＴ＝Ｋｌ・（Ｊ(k-1)−Ｊ(k)） …（７）
逆に、評価値Ｊ(k-1)が評価値Ｊ(k)以下の場合（Ｊ(k-1)≦Ｊ(k)の場合）はＳ２０８に進み、時定数Ｔの補正量ΔＴを、以下の（８）式により、算出する。

ΔＴ＝−Ｋｌ・（Ｊ(k)−Ｊ(k-1)） …（８）
Ｓ２０７、或いは、Ｓ２０８で時定数Ｔの補正量ΔＴを算出した後は、Ｓ２０９に進み、以下の（９）式により時定数Ｔ(k-1)を補正して、今回の時定数Ｔ(k)を算出する。

Ｔ(k)＝Ｔ(k-1)＋ΔＴ …（９）
次いで、Ｓ２１０に進み、今回の時定数Ｔ(k)を時定数Ｔとして出力し、評価値Ｊ(k)を格納する。

そして、Ｓ２１１に進み、評価値Ｊ(k)と予め実験、計算等により設定しておいた判定値Ｄｔとを比較し、評価値Ｊ(k)が判定値Ｄｔ以下の場合（Ｊ(k)≦Ｄｔの場合）、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのリサージュ波形におけるヒステリシス特性の幅Ｗｌを０に近づけられた、換言すれば、時定数Ｔの最適解を算出できたと判断し、Ｓ２１２に進み、時定数学習完了フラグをＯＮしてプログラムを抜ける。

一方、評価値Ｊ(k)が判定値Ｄｔよりも大きい場合（Ｊ(k)＞Ｄｔの場合）、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのリサージュ波形におけるヒステリシス特性の幅Ｗｌは、未だ０に近づいていないと判断し、Ｓ２１３に進み、時定数学習完了フラグをＯＦＦしてプログラムを抜ける。

このように、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、例えば、１次のローパスフィルタのような位相遅延フィルタを介し、車両の二輪モデルの定常円旋回式を用いて算出される操舵角推定ヨーレートγstrをプロットする。検出された実ヨーレートγｓと算出される操舵角推定ヨーレートγstrの値は、共通の周波数であるため、位相差がある場合は、ループ状のリサージュ図形として表れる。従って、このリサージュ波形におけるヒステリシス特性の幅Ｗｌを評価値Ｊとし、ローパスフィルタの時定数Ｔを最適化するように学習することで位相差をあわせこんで車両運動モデルで算出される操舵角推定ヨーレートγstrの応答遅れの精度を向上させるのである。

スタビリティファクタ補正部１３は、実ヨーレート算出部１０から実ヨーレートγｓを読み込み、操舵角推定ヨーレート算出部１１から操舵角推定ヨーレートγstrを読み込む。そして、図４のフローチャートに従って、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に、スタビリティファクタＡの学習補正を進め、適宜、操舵角推定ヨーレート算出部１１、路面カント推定部１５に出力する。

スタビリティファクタＡの学習補正の具体的手法について、図４のフローチャートで説明する。

まず、Ｓ３０１で、現在設定されているスタビリティファクタＡをＡ(k-1)として読み込む。尚、このプログラムの初期値として、予め実験、演算等により設定しておいた値が設定されている。

次に、Ｓ３０２に進み、上述の（１）式で算出される実ヨーレートγｓと、上述の（６）式で推定される車両運動モデルにより推定される操舵角推定ヨーレートγstrを、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上にサンプリングし、γｓ−γstrのマップを作成する。

次いで、Ｓ３０３に進み、例えば、最小二乗法により、操舵角推定ヨーレートγstrを実ヨーレートγｓの一次式の、Ｅscale・γｓ＋Ｅoffsetとして同定し、回帰パラメータである傾きＥscaleを算出する（図９参照）。尚、このように一次式で同定して処理を行っていくため、操舵角推定ヨーレートγstrの値は、できるだけ時定数Ｔの学習補正が進んでおり（時定数学習完了フラグをＯＮの状態）、リサージュ波形のヒステリシス特性の幅Ｗｌが無くなっている状態で行うことが望ましい。

次に、Ｓ３０４に進み、傾きＥscaleが１を超えているか否か判定し、１を超えている場合は、Ｓ３０５に進み、前回のスタビリティファクタＡ(k-1)から予め設定しておいた値ΔＡを減算した値を今回のスタビリティファクタＡ(k)とする（Ａ(k)＝Ａ(k-1)−ΔＡ）。

そして、Ｓ３０６に進んで、今回のスタビリティファクタＡ(k)をスタビリティファクタＡとして出力し、更に、学習を進めていく。

一方、前述のＳ３０４で、傾きＥscaleが１以下の場合は、Ｓ３０７に進み、傾きＥscaleが１よりも小さいか否か判定し、１よりも小さい場合は、Ｓ３０８に進み、前回のスタビリティファクタＡ(k-1)に予め設定しておいた値ΔＡを加算した値を今回のスタビリティファクタＡ(k)とする（Ａ(k)＝Ａ(k-1)＋ΔＡ）。

また、上述のＳ３０７で、Ｅscale＝１の場合は、そのまま、前回のスタビリティファクタＡ(k-1)をスタビリティファクタＡとして出力し、プログラムを抜ける。

すなわち、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、車両運動モデルにおけるスタビリティファクタＡが真値の場合、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの傾きは１となるが、真値からずれている場合、傾きは１とはならない。従って、ヨーレートγｓに対する操舵角推定ヨーレートγstrの傾きを１に漸近するようにスタビリティファクタＡの値を学習補正することで、車両の状態変化（タイヤ種別、温度、空気圧、重量等の変化）が生じても車両運動モデルから算出される操舵角推定ヨーレートγstrの推定精度を向上させるのである。

操舵角補正部１４は、実ヨーレート算出部１０から実ヨーレートγｓを読み込み、操舵角推定ヨーレート算出部１１から操舵角推定ヨーレートγstrを読み込む。そして、図５のフローチャートに従って、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の座標軸に対する切片が０になる方向に操舵角θＨを補正する操舵角の補正量θHoffsetを算出し、適宜、操舵角推定ヨーレート算出部１１に出力する。

まず、Ｓ４０１で、現在設定されている操舵角補正量θHoffsetをθHoffset(k-1)として読み込む。尚、このプログラムの初期値として、予め実験、演算等により設定しておいた値が設定されている。

次に、Ｓ４０２に進み、上述の（１）式で算出される実ヨーレートγｓと、上述の（６）式で推定される車両運動モデルにより推定される操舵角推定ヨーレートγstrを、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上にサンプリングし、γｓ−γstrのマップを作成する。

次いで、Ｓ４０３に進み、例えば、最小二乗法により、操舵角推定ヨーレートγstrを実ヨーレートγｓの一次式の、Ｅscale・γｓ＋Ｅoffsetとして同定し、回帰パラメータである切片Ｅoffsetを算出する（図９参照）。尚、このように一次式で同定して処理を行っていくため、操舵角推定ヨーレートγstrの値は、できるだけ時定数Ｔの学習補正が進んでおり（時定数学習完了フラグをＯＮの状態）、リサージュ波形におけるヒステリシス特性の幅Ｗｌが無くなっている状態で行うことが望ましい。

次に、Ｓ４０４に進み、取得した切片Ｅoffsetのデータに対し、予め設定した長い時定数のローパスフィルタ処理を行う（ＬＰＦ（Ｅoffset）の算出）。

すなわち、取得した切片Ｅoffsetの値は、路面のスロープや車両のアライメントずれ等による偏走、若しくは、操舵角中立ずれによる要因によって発生するが、車両に起因する要因であるアライメントずれや操舵角中立ずれは、ずれの変動時定数がスロープの変動時定数よりも十分長いため、ローパスフィルタ処理により、切片Ｅoffsetの値の長時間平均値を操舵角の中立値として推定することで、操舵角推定ヨーレートγstrの成分から除外するのである。

次いで、Ｓ４０５に進み、操舵角オフセット学習値ΔθHoffsetを、例えば、以下の（１０）式により、算出する。

ΔθHoffset＝ＬＰＦ（ＫlH・Ｅoffset） …（１０）
ここで、ＫlHは、予め実験、計算等により設定しておいたゲインである。

次に、Ｓ４０６に進み、以下の（１１）式により、今回の操舵角補正量θHoffset(k)を算出する。

θHoffset(k)＝θHoffset(k-1)＋θHoffset …（１１）
そして、Ｓ４０７に進み、今回の操舵角補正量θHoffset(k)を操舵角補正量θHoffsetとして出力してプログラムを抜ける。

路面カント推定部１５は、車速センサ２から車速Ｖを読み込み、実ヨーレート算出部１０から実ヨーレートγｓを読み込み、操舵角推定ヨーレート算出部１１から操舵角推定ヨーレートγstrを読み込み、スタビリティファクタ補正部１３からスタビリティファクタＡを読み込む。そして、例えば、以下の（１２）式により、路面カントθcaを算出し、出力する。
θca＝sin^-1（（１／（Ａ・ｇ））・（（１＋Ａ・Ｖ^２）
・（γｓ−γstr）／Ｖ）） …（１２）
ここで、ｇは重力加速度である。

以上のように構成される路面カント推定装置１では、図２に示すように、まず、Ｓ１０１で、スタビリティファクタ補正部１３でスタビリティファクタＡの補正処理が漸次実行され、時定数補正部１２で時定数Ｔの補正処理が漸次実行され、操舵角補正部１４で操舵角θＨの補正処理（操舵角補正量θHoffsetの出力）が漸次実行される。

次いで、Ｓ１０２に進み、操舵角推定ヨーレート算出部１１で、Ｓ１０１で補正処理されたスタビリティファクタＡ、時定数Ｔ、取得された操舵角補正量θHoffset、車速センサ２で検出された車速Ｖ、操舵角センサ３で検出された操舵角θＨを用いて、前述の（６）式により、操舵角推定ヨーレートγstrが算出される。

次に、Ｓ１０３に進み、実ヨーレート算出部１０で、前述の（１）式により、実ヨーレートγｓが算出される。

次いで、Ｓ１０４に進んで、路面カント推定部１５で、上述の（１２）式により、路面のカントθcaを算出してプログラムを抜ける。

このように本発明の実施の形態によれば、車両運動モデルにおけるスタビリティファクタＡを実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に学習補正する。また、車両運動モデルの伝達関数の応答遅れは、一次遅れ（時定数Ｔ）で近似し、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓに対する操舵角推定ヨーレートγstrのヒステリシス特性の幅Ｗｌが０となる方向に時定数Ｔを学習補正する。更に、実ヨーレートγｓに対する操舵角推定ヨーレートγstrの座標上において、実ヨーレートγｓと操舵角推定ヨーレートγstrとの関係を一次関数で近似し、該一次関数の座標軸に対する切片が０になる方向に操舵角の補正量θHoffsetを算出する。そして、これら学習補正されたスタビリティファクタＡ、時定数Ｔ、及び、操舵角の補正量θHoffsetを用いて車両運動モデルを用いた操舵角推定ヨーレートγstrが算出されていくので、精度の良い操舵角推定ヨーレートγstrが得られ、この操舵角推定ヨーレートγstr、及び、スタビリティファクタＡを用いて精度の良い路面カントθcaを得ることが可能となる。尚、本実施の形態では、車両運動パラメータ推定装置として路面カント推定装置１で路面カントθcaの算出に用いる操舵角推定ヨーレートγstrのスタビリティファクタＡ、時定数Ｔ、及び、操舵角の補正量θHoffsetを求める例を一例として説明したが、他に、例えば、横加速度推定値や旋回半径等の推定値を車両運動モデルにより推定する場合においても、本発明の実施の形態で説明したスタビリティファクタＡや時定数Ｔや操舵角の補正量θHoffsetを用いて算出することにより、これらの値を精度良く推定することができ、これにより、これらのパラメータを用いた精度の良い制御が可能となる。このように、車両運動モデルを用いてパラメータを算出する際に伝達関数やセンサ値を精度良く補正し、制御精度や車両の状態を精度良く求めることが可能となる。

１路面カント推定装置
２車速センサ
３操舵角センサ
４前方認識装置（車線検出手段）
１０実ヨーレート算出部（実ヨーレート取得手段）
１１操舵角推定ヨーレート算出部（操舵角推定ヨーレート算出手段）
１２時定数補正部
１３スタビリティファクタ補正部
１４操舵角補正部
１５路面カント推定部

Claims

実際に車両に発生しているヨーレートを実ヨーレートとして取得する実ヨーレート取得手段と、
車両運動モデルにより、操舵角入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートとして推定する操舵角推定ヨーレート算出手段と、
を備えた車両運動パラメータ推定装置であって、
上記定常ゲインは、少なくとも車両の操舵特性であるスタビリティファクタを含み、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートと上記操舵角推定ヨーレートとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に上記スタビリティファクタを学習補正する一方、
上記応答遅れは、少なくとも一次遅れで近似し、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートに対する上記操舵角推定ヨーレートのヒステリシス特性の幅が０となる方向に上記一次遅れの時定数を学習補正することを特徴とする車両運動パラメータ推定装置。
実際に車両に発生しているヨーレートを実ヨーレートとして取得する実ヨーレート取得手段と、
車両運動モデルにより、操舵角入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートとして推定する操舵角推定ヨーレート算出手段と、
を備えた車両運動パラメータ推定装置であって、
上記定常ゲインは、少なくとも車両の操舵特性であるスタビリティファクタを含み、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートと上記操舵角推定ヨーレートとの関係を一次関数で近似し、該一次関数の傾きが１になる方向に上記スタビリティファクタを学習補正することを特徴とする車両運動パラメータ推定装置。
実際に車両に発生しているヨーレートを実ヨーレートとして取得する実ヨーレート取得手段と、
車両運動モデルにより、操舵角入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートとして推定する操舵角推定ヨーレート算出手段と、
を備えた車両運動パラメータ推定装置であって、
上記応答遅れは、少なくとも一次遅れで近似し、上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートに対する上記操舵角推定ヨーレートのヒステリシス特性の幅が０となる方向に上記一次遅れの時定数を学習補正することを特徴とする車両運動パラメータ推定装置。
実際に車両に発生しているヨーレートを実ヨーレートとして取得する実ヨーレート取得手段と、
車両運動モデルにより、操舵角入力に対する定常ゲインと応答遅れに基づいて操舵角入力により発生するヨーレートを操舵角推定ヨーレートとして推定する操舵角推定ヨーレート算出手段と、
を備えた車両運動パラメータ推定装置であって、
上記実ヨーレートに対する上記操舵角推定ヨーレートの座標上において、上記実ヨーレートと上記操舵角推定ヨーレートとの関係を一次関数で近似し、該一次関数の座標軸に対する切片が０になる方向に操舵角を補正する操舵角の補正量を算出することを特徴とする請求項１乃至請求項３の何れか一つに記載の車両運動パラメータ推定装置。
画像情報を基に車両が走行している車線を検出する車線検出手段を備え、
上記実ヨーレート取得手段は、上記車線情報を基に上記実ヨーレートを取得することを特徴とする請求項１乃至請求項４の何れか一つに記載の車両運動パラメータ推定装置。
少なくとも上記実ヨーレートと上記操舵角推定ヨーレートを基に路面カントを算出する請求項１乃至請求項５の何れか一つに記載の車両運動パラメータ推定装置。