JP2019095875A - 車両制御装置、車両制御方法、およびプログラム - Google Patents

Abstract

【課題】より早いタイミングで走行環境を認識することができる車両制御装置、車両制御方法、およびプログラムを提供すること。【解決手段】車両システム１は、車両の周辺を撮像する撮像部（カメラ１０）と、自動運転制御装置の第１制御部に、撮像部により撮像された画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定し、上空領域が混雑状態であると判定した場合、車両の前方に交通制御地点が存在することを推定する推定部を備える。【選択図】図１

Description

本発明は、車両制御装置、車両制御方法、およびプログラムに関する。

自動車などの車両に搭載され、その車両の走行環境を画像処理によって認識する装置が知られている（例えば特許文献１参照）。

特開２００４−２６５４３２号公報

しかしながら、従来の技術では、走行環境を認識するタイミングが遅い場合があった。

本発明は、このような事情を考慮してなされたものであり、より早いタイミングで走行環境を認識することができる車両制御装置、車両制御方法、およびプログラムを提供することを目的の一つとする。

（１）：車両制御装置は、車両の周辺を撮像する撮像部と、前記撮像部により撮像された画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定し、前記上空領域が混雑状態であると判定した場合、前記車両の前方に交通制御地点が存在することを推定する推定部と、を備える。

（２）：（１）に記載の車両制御装置は、前記推定部が、前記上空領域が混雑状態であると判定した場合、混雑状態である前記上空領域の位置に対応した道路上の位置に、前記交通制御地点が存在することを推定するものである。

（３）：（１）または（２）に記載の車両制御装置は、前記推定部が、二次元フーリエ変換によって前記上空領域の画素値の変化から求めた空間周波数に基づいて、前記上空領域が混雑状態であるか否かを判定するものである。

（４）：（３）に記載の車両制御装置は、前記推定部が、前記空間周波数のうち所定周波数以上の成分の強度が閾値以上である場合に、前記上空領域が混雑状態であると判定する。

（５）：（１）から（４）のうちいずれか１つに記載の車両制御装置は、前記推定部が、更に、前記撮像部により撮像された画像の領域のうち、道路の空間に対応した路面領域が混雑状態であるか否かを判定し、前記上空領域が混雑状態であり、且つ前記路面領域が混雑状態であると判定した場合、前記上空領域および前記路面領域の一方または双方が混雑状態でないと判定した場合に比して、より高い確信度で前記交通制御地点が存在することを推定するものである。

（６）：（１）から（５）のうちいずれか１つに記載の車両制御装置は、前記車両が存在する道路から前記交通制御地点の存在を示す道路標示を認識する認識部を更に備え、前記推定部が、前記上空領域が混雑状態であると判定した場合に、前記認識部により前記道路標示が認識された場合、前記認識部により前記道路標示が認識されない場合に比して、より高い確信度で前記交通制御地点が存在することを推定するものである。

（７）：（１）から（６）のうちいずれか１つに記載の車両制御装置は、前記車両が存在する道路から前記交通制御地点の存在を示す道路標示を認識する認識部を更に備え、前記推定部が、前記認識部により前記道路標示が認識された場合、前記上空領域が混雑状態であるか否かの判定処理を開始するものである。

（８）：（１）から（５）のうちいずれか１つに記載の車両制御装置は、前記交通制御地点の存在を示す構造物を認識する認識部を更に備え、前記認識部が、前記推定部により前記交通制御地点が存在することが推定された場合、前記構造物の認識処理を開始するものである。

（９）：（１）から（８）のうちいずれか１つに記載の車両制御装置は、前記車両の少なくとも加減速を制御する運転制御部を更に備え、前記運転制御部が、前記推定部により前記交通制御地点が存在することが推定された場合、前記車両を減速させるものである。

（１０）：撮像部が、車両の周辺を撮像し、推定部が、前記撮像部により撮像された画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定し、前記上空領域が混雑状態であると判定した場合、前記車両の前方に交通制御地点が存在することを推定する車両制御方法。

（１１）：車両の周辺を撮像する撮像部を備える車両に搭載されるコンピュータに、前記撮像部により撮像された画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定させ、前記上空領域が混雑状態であると判定させた場合、前記車両の前方に交通制御地点が存在することを推定させるプログラム。

（１）〜（１１）によれば、より早いタイミングで走行環境を認識することができる。

第１実施形態の車両制御装置を利用した車両システム１の構成図である。 第１制御部１２０および第２制御部１６０の機能構成図である。 画像に対する二次元フーリエ変換の結果の一例を示す図である。 推奨車線に基づいて目標軌道が生成される様子を示す図である。 第１実施形態の自動運転制御装置１００により実行される処理の一例を示すフローチャートである。 カメラ１０によって撮像された画像を模式的に示す図である。 対象領域の設定位置の一例を示す図である。 対象領域の設定位置の一例を示す図である。 対象領域の設定位置の一例を示す図である。 対象領域の設定位置の一例を示す図である。 第１実施形態の自動運転制御装置１００により実行される処理の他の例を示すフローチャートである。 対象領域から画像の特徴として抽出された空間周波数の一例を示す図である。 対象領域から画像の特徴として抽出された空間周波数の一例を示す図である。 所定の道路標示の一例を示す図である。 対象領域の設定位置の他の例を示す図である。 第２実施形態の自動運転制御装置１００により実行される処理の一例を示すフローチャートである。 テクスチャとパワースペクトル画像との対比の一例を示す図である。 テクスチャとパワースペクトル画像との対比の一例を示す図である。 テクスチャとパワースペクトル画像との対比の一例を示す図である。 パワースペクトル値がスペクトル閾値Ｓ_ＴＨ以上であることを許容する閾値の設定方法を説明するための図である。 パワースペクトル値がスペクトル閾値Ｓ_ＴＨ以上であることを許容する閾値の設定方法を説明するための図である。 実施形態の自動運転制御装置１００のハードウェア構成の一例を示す図である。

以下、図面を参照し、本発明の車両制御装置、車両制御方法、およびプログラムの実施形態について説明する。以下の実施形態では、車両制御装置が自動運転（自律運転）可能な車両に適用されるものとして説明する。自動運転は、例えば、車両に搭乗した乗員の操作に依らずに、車両の操舵または加減速のうち一方または双方を制御して車両を走行させる態様である。自動運転には、ＡＣＣ（Adaptive Cruse Control）やＬＫＡＳ（Lane Keeping Assist）等の運転支援が含まれてもよい。

＜第１実施形態＞
［全体構成］
図１は、第１実施形態の車両制御装置を利用した車両システム１の構成図である。車両システム１が搭載される車両（以下、自車両Ｍと称する）は、例えば、二輪や三輪、四輪等の車両であり、その駆動源は、ディーゼルエンジンやガソリンエンジンなどの内燃機関、電動機、或いはこれらの組み合わせである。電動機を備える場合、電動機は、内燃機関に連結された発電機による発電電力、或いは二次電池や燃料電池の放電電力を使用して動作する。

車両システム１は、例えば、カメラ１０と、レーダ装置１２と、ファインダ１４と、物体認識装置１６と、通信装置２０と、ＨＭＩ（Human Machine Interface）３０と、車両センサ４０と、ナビゲーション装置５０と、ＭＰＵ（Map Positioning Unit）６０と、運転操作子８０と、自動運転制御装置１００と、走行駆動力出力装置２００と、ブレーキ装置２１０と、ステアリング装置２２０とを備える。これらの装置や機器は、ＣＡＮ（Controller Area Network）通信線等の多重通信線やシリアル通信線、無線通信網等によって互いに接続される。なお、図１に示す構成はあくまで一例であり、構成の一部が省略されてもよいし、更に別の構成が追加されてもよい。

カメラ１０は、例えば、ＣＣＤ（Charge Coupled Device）やＣＭＯＳ（Complementary Metal Oxide Semiconductor）等の固体撮像素子を利用したデジタルカメラである。カメラ１０は、車両システム１が搭載される車両（以下、自車両Ｍと称する）の任意の箇所に一つまたは複数が取り付けられる。前方を撮像する場合、カメラ１０は、フロントウインドシールド上部やルームミラー裏面等に取り付けられる。カメラ１０は、例えば、周期的に繰り返し自車両Ｍの周辺を撮像する。カメラ１０は、ステレオカメラであってもよい。カメラ１０は、「撮像部」の一例である。

レーダ装置１２は、自車両Ｍの周辺にミリ波などの電波を放射すると共に、物体によって反射された電波（反射波）を検出して少なくとも物体の位置（距離および方位）を検出する。レーダ装置１２は、自車両Ｍの任意の箇所に一つまたは複数が取り付けられる。レーダ装置１２は、ＦＭ−ＣＷ（Frequency Modulated Continuous Wave）方式によって物体の位置および速度を検出してもよい。

ファインダ１４は、ＬＩＤＡＲ（Light Detection and Ranging）である。ファインダ１４は、自車両Ｍの周辺に光を照射し、散乱光を測定する。ファインダ１４は、発光から受光までの時間に基づいて、対象までの距離を検出する。照射される光は、例えば、パルス状のレーザー光である。ファインダ１４は、自車両Ｍの任意の箇所に一つまたは複数が取り付けられる。

物体認識装置１６は、カメラ１０、レーダ装置１２、およびファインダ１４のうち一部または全部による検出結果に対してセンサフュージョン処理を行って、物体の位置、種類、速度などを認識する。物体認識装置１６は、認識結果を自動運転制御装置１００に出力する。また、物体認識装置１６は、必要に応じて、カメラ１０、レーダ装置１２、およびファインダ１４の検出結果をそのまま自動運転制御装置１００に出力してよい。

通信装置２０は、例えば、セルラー網やＷｉ−Ｆｉ網、Ｂｌｕｅｔｏｏｔｈ（登録商標）、ＤＳＲＣ（Dedicated Short Range Communication）などを利用して、自車両Ｍの周辺に存在する他車両ｍと通信し、或いは無線基地局を介して各種サーバ装置と通信する。他車両ｍは、例えば、自車両Ｍと同様に、自動運転が行われる車両であってもよいし、手動運転が行われる車両であってもよく、特段の制約はない。手動運転とは、前述した自動運転とは異なり、運転操作子８０に対する乗員の操作に応じて自車両Ｍの加減速および操舵が制御されることをいう。

ＨＭＩ３０は、自車両Ｍの乗員に対して各種情報を提示すると共に、乗員による入力操作を受け付ける。ＨＭＩ３０は、各種表示装置、スピーカ、ブザー、タッチパネル、スイッチ、キーなどを含む。

車両センサ４０は、自車両Ｍの速度を検出する車速センサ、加速度を検出する加速度センサ、鉛直軸回りの角速度を検出するヨーレートセンサ、自車両Ｍの向きを検出する方位センサ等を含む。

ナビゲーション装置５０は、例えば、ＧＮＳＳ（Global Navigation Satellite System）受信機５１と、ナビＨＭＩ５２と、経路決定部５３とを備え、ＨＤＤ（Hard Disk Drive）やフラッシュメモリなどの記憶装置に第１地図情報５４を保持している。ＧＮＳＳ受信機５１は、ＧＮＳＳ衛星から受信した信号に基づいて、自車両Ｍの位置を特定する。自車両Ｍの位置は、車両センサ４０の出力を利用したＩＮＳ（Inertial Navigation System）によって特定または補完されてもよい。ナビＨＭＩ５２は、表示装置、スピーカ、タッチパネル、キーなどを含む。ナビＨＭＩ５２は、前述したＨＭＩ３０と一部または全部が共通化されてもよい。経路決定部５３は、例えば、ＧＮＳＳ受信機５１により特定された自車両Ｍの位置（或いは入力された任意の位置）から、ナビＨＭＩ５２を用いて乗員により入力された目的地までの経路（以下、地図上経路）を、第１地図情報５４を参照して決定する。第１地図情報５４は、例えば、道路を示すリンクと、リンクによって接続されたノードとによって道路形状が表現された情報である。第１地図情報５４は、道路の曲率やＰＯＩ（Point Of Interest）情報などを含んでもよい。経路決定部５３により決定された地図上経路は、ＭＰＵ６０に出力される。また、ナビゲーション装置５０は、経路決定部５３により決定された地図上経路に基づいて、ナビＨＭＩ５２を用いた経路案内を行ってもよい。なお、ナビゲーション装置５０は、例えば、乗員の保有するスマートフォンやタブレット端末等の端末装置の機能によって実現されてもよい。また、ナビゲーション装置５０は、通信装置２０を介してナビゲーションサーバに現在位置と目的地を送信し、ナビゲーションサーバから返信された地図上経路を取得してもよい。

ＭＰＵ６０は、例えば、推奨車線決定部６１として機能し、ＨＤＤやフラッシュメモリなどの記憶装置に第２地図情報６２を保持している。推奨車線決定部６１は、ナビゲーション装置５０から提供された経路を複数のブロックに分割し（例えば、車両進行方向に関して１００［ｍ］毎に分割し）、第２地図情報６２を参照してブロックごとに推奨車線を決定する。推奨車線決定部６１は、左から何番目の車線を走行するといった決定を行う。推奨車線決定部６１は、経路において分岐箇所や合流箇所などが存在する場合、自車両Ｍが、分岐先に進行するための合理的な経路を走行できるように、推奨車線を決定する。

第２地図情報６２は、第１地図情報５４よりも高精度な地図情報である。第２地図情報６２は、例えば、車線の中央の情報あるいは車線の境界の情報等を含んでいる。また、第２地図情報６２には、道路情報、交通規制情報、住所情報（住所・郵便番号）、施設情報、電話番号情報などが含まれてよい。第２地図情報６２は、通信装置２０を用いて他装置にアクセスすることにより、随時、アップデートされてよい。

運転操作子８０は、例えば、アクセルペダル、ブレーキペダル、シフトレバー、ステアリングホイール、異形ステア、ジョイスティックその他の操作子を含む。運転操作子８０には、操作量あるいは操作の有無を検出するセンサが取り付けられており、その検出結果は、自動運転制御装置１００、もしくは、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０のうち一部または全部に出力される。

自動運転制御装置１００は、例えば、第１制御部１２０および第２制御部１６０を備える。第１制御部１２０は、特徴抽出部１３２と、推定部１３４とを備える。第１制御部１２０および第２制御部１６０の其々の構成要素は、例えば、ＣＰＵ（Central Processing Unit）などのハードウェアプロセッサがプログラム（ソフトウェア）を実行することにより実現される。また、これらの構成要素のうち一部または全部は、ＬＳＩ（Large Scale Integration）やＡＳＩＣ（Application Specific Integrated Circuit）、ＦＰＧＡ（Field-Programmable Gate Array）、ＧＰＵ（Graphics Processing Unit）などのハードウェア（回路部；circuitryを含む）によって実現されてもよいし、ソフトウェアとハードウェアの協働によって実現されてもよい。

図２は、第１制御部１２０および第２制御部１６０の機能構成図である。第１制御部１２０は、例えば、認識部１３０と、行動計画生成部１４０とを備える。第１制御部１２０は、例えば、ＡＩ（Artificial Intelligence；人工知能）による機能と、予め与えられたモデルによる機能とを並行して実現する。例えば、「交差点を認識する」機能は、ディープラーニング等による交差点の認識と、予め与えられた条件（パターンマッチング可能な信号、道路標示などがある）に基づく認識とが並行して実行され、双方に対してスコア付けして総合的に評価することで実現される。これによって、自動運転の信頼性が担保される。

認識部１３０は、カメラ１０、レーダ装置１２、およびファインダ１４から物体認識装置１６を介して入力される情報に基づいて、自車両Ｍの周辺にある物体の位置、および速度、加速度等の状態を認識する。物体には、他車両ｍや静止した障害物などが含まれる。物体の位置は、例えば、自車両Ｍの代表点（重心や駆動軸中心など）を原点とした絶対座標上の位置として認識され、制御に使用される。物体の位置は、その物体の重心やコーナー等の代表点で表されてもよいし、表現された領域で表されてもよい。物体の「状態」とは、物体の加速度やジャーク、あるいは「行動状態」（例えば車線変更をしている、またはしようとしているか否か）を含んでもよい。また、認識部１３０は、カメラ１０の撮像画像に基づいて、自車両Ｍがこれから通過するカーブの形状を認識する。認識部１３０は、カーブの形状をカメラ１０の撮像画像から実平面に変換し、例えば、二次元の点列情報、或いはこれと同等なモデルを用いて表現した情報を、カーブの形状を示す情報として行動計画生成部１４０に出力する。

また、認識部１３０は、例えば、自車両Ｍが走行している車線（走行車線）を認識する。例えば、認識部１３０は、第２地図情報６２から得られる道路区画線のパターン（例えば実線と破線の配列）と、カメラ１０によって撮像された画像から認識される自車両Ｍの周辺の道路区画線のパターンとを比較することで、走行車線を認識する。なお、認識部１３０は、道路区画線に限らず、道路区画線や路肩、縁石、中央分離帯、ガードレールなどを含む走路境界（道路境界）を認識することで、走行車線を認識してもよい。この認識において、ナビゲーション装置５０から取得される自車両Ｍの位置やＩＮＳによる処理結果が加味されてもよい。また、認識部１３０は、一時停止線などの道路面に描かれた道路標示や、道路標識、障害物、赤信号、料金所、その他の道路事象を認識する。

認識部１３０は、走行車線を認識する際に、走行車線に対する自車両Ｍの位置や姿勢を認識する。認識部１３０は、例えば、自車両Ｍの基準点の車線中央からの乖離、および自車両Ｍの進行方向の車線中央を連ねた線に対してなす角度を、走行車線に対する自車両Ｍの相対位置および姿勢として認識してもよい。また、これに代えて、認識部１３０は、走行車線のいずれかの側端部（道路区画線または道路境界）に対する自車両Ｍの基準点の位置などを、走行車線に対する自車両Ｍの相対位置として認識してもよい。

認識部１３０の特徴抽出部１３２は、カメラ１０によって撮像された画像（デジタル画像）から特徴を抽出する。特徴は、例えば、二次元空間である画像の空間周波数や、輝度または色彩のエッジ密度、輝度または色彩のヒストグラムの分散などを含む。例えば、特徴抽出部１３２は、画像に対して、ＦＦＴ（Fast Fourier Transform）などの二次元フーリエ変換を行い、画像の水平方向に関する画素値の変化（画素値の変化の周期性）と、垂直方向に関する画素値の変化（画素値の変化の周期性）との其々を角周波数に変換する。以下、水平方向に関する角周波数をμと表現し、垂直方向に関する角周波数をνと表現して説明する。

例えば、特徴抽出部１３２は、画像に対して、所定のサイズ（所定のアスペクト比且つ所定の面積）の領域（以下、検出窓と称する）を設定し、この設定した検出窓の位置を変更しながら、検出窓と重なる画像領域の空間周波数を二次元フーリエ変換によって抽出する。例えば、所定のサイズは、後述する対象領域よりも小さいサイズに設定される。

図３は、画像に対する二次元フーリエ変換の結果の一例を示す図である。図示の例では、角周波数μおよび角周波数νのスペクトルの２乗の絶対値であるパワースペクトルを、グレースケールの画像で表している。画像の中心Ｏは、角周波数μおよび角周波数νが共にゼロである原点を表しており、この点Ｏに近いほど低周波成分のパワースペクトルを表し、遠いほど高周波成分のパワースペクトルを表している。パワースペクトル画像では、パワースペクトルが大きいほど白く、パワースペクトルが小さいほど黒く表現している。

認識部１３０の推定部１３４は、特徴抽出部１３２により抽出された特徴に基づいて、自車両Ｍの前方に交通制御地点が存在することを推定する。交通制御地点とは、車両や歩行者などの交通が制御される地点であり、例えば、交差点、合流地点、分岐地点、踏切などを含む。また、推定部１３４は、交通制御地点の周辺に構造物が存在することを推定してもよい。交通制御地点の周辺の構造物とは、例えば、信号機、車両感知器、交通情報案内板、道路標識、ガードレール、街路灯、カーブミラーといった、三次元の実体のある物体であってもよいし、道路標示などの二次元の実体のある物体であってもよい。

また、推定部１３４は、交通制御地点が存在することを推定する際に、その推定の確信度を導出してもよい。確信度とは、例えば、交通制御地点が存在することの蓋然性の程度を表す指標である。

行動計画生成部１４０は、原則的には推奨車線決定部６１により決定された推奨車線を走行し、更に、自車両Ｍの周辺状況に対応できるように、自動運転において順次実行されるイベントを決定する。イベントには、例えば、一定速度で同じ走行車線を走行する定速走行イベント、前走車両に追従しながら定速走行する追従走行イベント、前走車両を追い越す追い越しイベント、障害物との接近を回避するための制動および／または操舵を行う回避イベント、カーブを走行するカーブ走行イベント、交差点や横断歩道、踏切などの交通制御地点を通過する通過イベント、車線変更イベント、合流イベント、分岐イベント、自動停止イベント、自動運転を終了して手動運転に切り替えるためのテイクオーバイベントなどがある。追従走行とは、例えば、予め決められた設定車速（例えば５０〜１００［ｋｍ／ｈ］）の範囲内で自車両を加速または減速させて、自車両と前走車両との相対距離（車間距離）を一定に維持させる走行態様である。

行動計画生成部１４０は、起動したイベントに応じて、自車両Ｍが将来走行する目標軌道を生成する。各機能部の詳細については後述する。目標軌道は、例えば、速度要素を含んでいる。例えば、目標軌道は、自車両Ｍの到達すべき地点（軌道点）を順に並べたものとして表現される。軌道点は、道なり距離で所定の走行距離（例えば数［ｍ］程度）ごとの自車両Ｍの到達すべき地点であり、それとは別に、所定のサンプリング時間（例えば０コンマ数［ｓｅｃ］程度）ごとの目標速度および目標加速度が、目標軌道の一部として生成される。また、軌道点は、所定のサンプリング時間ごとの、そのサンプリング時刻における自車両Ｍの到達すべき位置であってもよい。この場合、目標速度や目標加速度の情報は軌道点の間隔で表現される。

図４は、推奨車線に基づいて目標軌道が生成される様子を示す図である。図示するように、推奨車線は、目的地までの経路に沿って走行するのに都合が良いように設定される。行動計画生成部１４０は、推奨車線の切り替わり地点の所定距離（イベントの種類に応じて決定されてよい）手前に差し掛かると、通過イベント、車線変更イベント、分岐イベント、合流イベントなどを起動する。各イベントの実行中に、障害物を回避する必要が生じた場合には、図示するように回避軌道が生成される。

第２制御部１６０は、行動計画生成部１４０によって生成された目標軌道を、予定の時刻通りに自車両Ｍが通過するように、走行駆動力出力装置２００、ブレーキ装置２１０、およびステアリング装置２２０を制御する。

図２に戻り、第２制御部１６０は、例えば、取得部１６２と、速度制御部１６４と、操舵制御部１６６とを備える。行動計画生成部１４０と、速度制御部１６４と、操舵制御部１６６とを合わせたものは、「運転制御部」の一例である。

取得部１６２は、行動計画生成部１４０により生成された目標軌道（軌道点）の情報を取得し、メモリ（不図示）に記憶させる。

速度制御部１６４は、メモリに記憶された目標軌道に付随する速度要素に基づいて、走行駆動力出力装置２００またはブレーキ装置２１０を制御する。

操舵制御部１６６は、メモリに記憶された目標軌道の曲がり具合に応じて、ステアリング装置２２０を制御する。速度制御部１６４および操舵制御部１６６の処理は、例えば、フィードフォワード制御とフィードバック制御との組み合わせにより実現される。一例として、操舵制御部１６６は、自車両Ｍの前方の道路の曲率に応じたフィードフォワード制御と、目標軌道からの乖離に基づくフィードバック制御とを組み合わせて実行する。

走行駆動力出力装置２００は、車両が走行するための走行駆動力（トルク）を駆動輪に出力する。走行駆動力出力装置２００は、例えば、内燃機関、電動機、および変速機などの組み合わせと、これらを制御するＥＣＵ（Electronic Control Unit）とを備える。ＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って、上記の構成を制御する。

ブレーキ装置２１０は、例えば、ブレーキキャリパーと、ブレーキキャリパーに油圧を伝達するシリンダと、シリンダに油圧を発生させる電動モータと、ブレーキＥＣＵとを備える。ブレーキＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って電動モータを制御し、制動操作に応じたブレーキトルクが各車輪に出力されるようにする。ブレーキ装置２１０は、運転操作子８０に含まれるブレーキペダルの操作によって発生させた油圧を、マスターシリンダを介してシリンダに伝達する機構をバックアップとして備えてよい。なお、ブレーキ装置２１０は、上記説明した構成に限らず、第２制御部１６０から入力される情報に従ってアクチュエータを制御して、マスターシリンダの油圧をシリンダに伝達する電子制御式油圧ブレーキ装置であってもよい。

ステアリング装置２２０は、例えば、ステアリングＥＣＵと、電動モータとを備える。電動モータは、例えば、ラックアンドピニオン機構に力を作用させて転舵輪の向きを変更する。ステアリングＥＣＵは、第２制御部１６０から入力される情報、或いは運転操作子８０から入力される情報に従って、電動モータを駆動し、転舵輪の向きを変更させる。

［特徴の抽出処理フロー］
図５は、第１実施形態の自動運転制御装置１００により実行される処理の一例を示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われる。

まず、特徴抽出部１３２は、カメラ１０によって撮像された画像に含まれる、ある対象領域に対して、検出窓を設定する（ステップＳ１００）。

図６は、カメラ１０によって撮像された画像を模式的に示す図である。例えば、自車両Ｍが走行する道路が直進道路である場合、その道路の車線を区画する複数の区画線（ＬＮ１やＬＮ２等）などが画像の消失点Ｐ付近で交わる。このような場合に、自車両Ｍの進行方向前方の遠い位置に信号機や交通情報案内板などが存在する場合、消失点Ｐ付近のごく狭い画像領域（例えば図中Ｒで示す領域）に信号機や交通情報案内板などを示す画像領域が含まれることになる。従って、信号機や交通情報案内板などが精度良く認識されるように、これらの構造物が存在する蓋然性の高い消失点Ｐ付近の領域が対象領域に決定される。

図７から図１０は、対象領域の設定位置の一例を示す図である。例えば、特徴抽出部１３２は、図７に例示するように、自車両Ｍを区画する区画線ＬＮ１およびＬＮ２が互いに交差する点を消失点Ｐと見做し、この消失点Ｐを通る水平線ＨＯＲよりも垂直方向上側の画像領域を対象領域に決定する。これによって、検出窓を設定する対象となる画像領域が小さくなるため、特徴抽出の処理負荷を軽減することができる。以下、水平線ＨＯＲよりも垂直方向上側の画像領域を「上空領域」と称して説明する。

また、特徴抽出部１３２は、図８に例示するように、消失点Ｐを通る水平線ＨＯＲよりも垂直方向上側であり、且つ水平方向の長さ（幅）が第１所定距離Ｄ_ＨＯＲ以下となる条件を満たす画像領域を対象領域に決定してもよい。図示の例では、消失点Ｐを通る垂直線ＶＥＲＴを基準に左右それぞれ等距離１／２Ｄ_ＨＯＲの範囲に含まれる画像領域が対象領域に決定されている。なお、水平方向の長さ（幅）が第１所定距離Ｄ_ＨＯＲ以下であるという条件を満たせば、垂直線ＶＥＲＴの右側が２/３Ｄ_ＨＯＲであり、左側が１/３Ｄ_ＨＯＲといったように、垂直線ＶＥＲＴを基準に左右のいずれかに対象領域が偏していてもよい。これによって、検出窓を設定する対象となる画像領域をより小さくすることができ、更に特徴抽出の処理負荷を軽減することができる。

また、特徴抽出部１３２は、図９に例示するように、消失点Ｐを通る水平線ＨＯＲから垂直方向に関して第２所定距離Ｄ_ＶＥＲＴをとった点Ｐ＃と、水平線ＨＯＲと画像端部とが交差する２点との合計３点を繋ぐ辺により形成される三角形を導出し、この導出した三角形の画像領域を、消失点Ｐを通る水平線ＨＯＲよりも垂直方向上側の画像領域から除いた残りの画像領域を、対象領域に決定してもよい。これによって、カメラ１０の撮像対象である三次元空間（実空間）での信号機などの高さを考慮して検出窓を設定することができる。

また、特徴抽出部１３２は、図１０に例示するように、三角形の画像領域を除いた画像領域であること、消失点Ｐを通る水平線ＨＯＲよりも垂直方向上側であること、水平方向の長さ（幅）が第１所定距離Ｄ_ＨＯＲ以下となることを含む条件を満たす画像領域を対象領域に決定してもよい。これによって、実空間において信号機などの高さを考慮することができると共に、検出窓の設定対象の画像領域を小さくすることができる。この結果、更に特徴抽出の処理負荷を軽減することができる。

次に、特徴抽出部１３２は、対象領域に対して設定した検出窓と重畳する画像領域を切り出し、この切り出した画像領域から特徴を抽出する（ステップＳ１０２）。例えば、特徴抽出部１３２は、切り出した画像領域に対して二次元フーリエ変換を行って、空間周波数を抽出する。また、特徴抽出部１３２は、輝度または色彩のエッジ密度や、輝度または色彩のヒストグラムの分散などを抽出してもよい。

次に、特徴抽出部１３２は、対象領域の全領域に対して検出窓を設定したか否かを判定し（ステップＳ１０４）、対象領域の全領域に対して検出窓を設定していないと判定した場合、Ｓ１００の処理に戻り、前回設定した検出窓の位置を異なる位置に検出窓を設定し直す。異なる位置とは、例えば、前回設定した検出窓と、今回設定する検出窓とが互いに重なり合わない位置である。

一方、特徴抽出部１３２は、対象領域の全領域に対して検出窓を設定したと判定した場合、すなわち、対象領域の全領域の空間周波数を導出した場合、本フローチャートの処理を終了する。

［交通制御地点が存在することの推定処理フロー］
図１１は、第１実施形態の自動運転制御装置１００により実行される処理の他の例を示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。

まず、推定部１３４は、特徴抽出部１３２によって対象領域として決められた上空領域から所定の特徴が抽出されたか否かを判定する（ステップＳ２００）。所定の特徴とは、例えば、高周波数領域において、パワースペクトル値またはスペクトル強度が、ある閾値以上の空間周波数である。また、所定の特徴は、密度が閾値以上のエッジであってもよいし、分散が閾値以上の輝度または色彩のヒストグラムであってもよいし、その他の特徴であってもよいし、これらの組み合わせであってもよい。

例えば、上述した図６に示すように、自車両Ｍの前方に信号機が存在する場合に、消失点Ｐよりも上側の上空領域に対象領域を設定するため、信号機を支持するポール（電信柱等）や、信号機に電力を供給する複数の電線などが対象領域に含まれやすくなる。これらのポールや電線などの人工物は、一般的に、直線成分が多く、画像に対して一定の方向性を持つのに対して、樹木や土、空といった自然物は直線成分が少なく、決まった方向性を持たない傾向にある。従って、ポールや電線などの人工物の背景として、樹木や土、空といった自然物が存在している場合、背景に対する人工物の境界が明確になりやすい。そのため、対象領域から画像の特徴として抽出される空間周波数は高周波の成分を多く含むことになり、対象領域に検索窓を設定した場合、所定の特徴が抽出されやすくなる。

図１２および図１３は、対象領域から画像の特徴として抽出された空間周波数の一例を示す図である。図中横軸は、画像の水平方向の空間周波数である角周波数μまたは画像の垂直方向の空間周波数である角周波数νを表し、縦軸は、パワースペクトルを表している。図１２の例では、ある周波数閾値Ｆ_ＴＨ未満の低周波数領域において、パワースペクトルが、ある閾値Ｓ_ＴＨ（以下、スペクトル閾値Ｓ_ＴＨと称する）以上であり、周波数閾値Ｆ_ＴＨ以上の高周波数領域において、パワースペクトルが、スペクトル閾値Ｓ_ＴＨ未満となっている。このような場合、推定部１３４は、特徴抽出部１３２によって対象領域から所定の特徴が抽出されていないと判定する。

一方、図１３の例では、ある周波数閾値Ｆ_ＴＨ未満の低周波数領域と、周波数閾値Ｆ_ＴＨ以上の高周波数領域との双方において、パワースペクトルが、スペクトル閾値Ｓ_ＴＨ以上となっている。このような場合、推定部１３４は、特徴抽出部１３２によって対象領域から所定の特徴が抽出されたと判定する。

なお、上記の例では、各周波数のパワースペクトルに対して、一律同じ大きさのスペクトル閾値Ｓ_ＴＨを設けて、パワースペクトルがスペクトル閾値Ｓ_ＴＨ以上であるのか否かを判定したがこれに限られない。例えば、推定部１３４は、周波数が大きいパワースペクトル（高周波なパワースペクトル）ほど、比較対象のスペクトル閾値Ｓ_ＴＨを小さくしてもよい。

推定部１３４は、対象領域から所定の特徴が抽出されていないと判定した場合、自車両Ｍの前方に交通制御地点が存在しないと推定する（ステップＳ２０２）。

一方、推定部１３４は、対象領域から所定の特徴が抽出されたと判定した場合、その所定の特徴が抽出された画像領域（検索窓）が所定数以上存在するか否かを判定する（ステップＳ２０４）。

例えば、所定の特徴が抽出された画像領域が所定数以上存在する場合、対象領域には高周波成分の空間周波数が多く含まれることなる。上述したように、空間周波数が高周波であるほど、画像の対象領域に対応した三次元空間において、複数のポールが設置されていたり、複数の電線が張り巡らされていたりする蓋然性が高くなり、人間がその空間を視認した時に雑然としている（混雑している）と感じるような景観であることが多い。すなわち、その画像領域が混雑状態であると判断される。このように人間が雑然と感じるほど道路の上空に構造物があふれている場合、そこには信号機や交通情報案内板、道路標識といった構造物が存在する蓋然性が高い傾向にある。従って、推定部１３４は、所定の特徴が抽出された画像領域が所定数以上存在する場合、すなわち、対象領域が混雑状態である場合、自車両Ｍの前方に交通制御地点が存在していると推定する（ステップＳ２０６）。

例えば、推定部１３４は、混雑状態にある対象領域の位置に対応した三次元空間（カメラ１０の撮像空間）の位置に、交通制御地点が存在していると推定する。「対象領域の位置に対応した三次元空間の位置」とは、例えば、画像奥行き方向を、自車両Ｍの進行方向に変換したときの位置である。従って、自車両Ｍが道路上を走行している場合、推定部１３４は、自車両Ｍの進行方向から見て前方側の道路の周辺に交通制御地点が存在していると推定する。

次に、自動運転制御装置１００は、自車両Ｍの前方に交通制御地点が存在していると判定した場合、交通制御地点に自車両Ｍが相対的に近づくことに備えるための所定の処理を開始する（ステップＳ２０８）。これによって本フローチャートの処理が終了する。

所定の処理とは、例えば、道路標示などの二次元状の物体を認識すること、信号機などの三次元状の物体を認識すること、自車両Ｍを減速させること、といった各種処理のうち一部または全部を含む。

例えば、所定の処理が二次元状の物体を認識することである場合、認識部１３０は、自車線の路面から所定の道路標示を認識する処理を開始する。例えば、認識部１３０は、パターンマッチングなどの画像処理によって、所定の形状や所定の色相などの特徴をもつ記号や文字を、道路標示として認識する。

図１４は、所定の道路標示の一例を示す図である。例えば、所定の道路標示は、車両が進行することができる方向を表す矢印記号ＭＫ１およびＭＫ２や、前方に横断歩道または自転車横断帯があることを表すひし形記号ＭＫ３などの各種標示を含む。例えば、認識部１３０は、これらの例示した記号と同じ形状の二次元の物体が路面に対応した画像領域に存在する場合、これを所定の道路標示として認識する。

また、所定の処理が三次元状の物体を認識することである場合、認識部１３０は、信号機や交通情報案内板、道路標識といった物体を認識する処理を開始する。例えば、認識部１３０は、パターンマッチングなどの画像処理によって、上述した各種物体を認識する。

また、所定の処理が自車両Ｍを減速させることである場合、行動計画生成部１４０は、目標軌道に速度要素として含まれる目標速度および目標加速度を小さくする。これによって、速度制御部１６４が、目標軌道に付随する速度要素に基づいて、走行駆動力出力装置２００またはブレーキ装置２１０を制御するため、自車両Ｍが減速する。

なお、図１１に示すフローチャートの処理は、所定の周期ごとに繰り返し行われるものとして説明したがこれに限られず、認識部１３０によって所定の道路標示が認識された場合に開始されてもよい。これによって、交通制御地点が存在する蓋然性が高いと判断できる場合のみ、空間周波数を基に交通制御地点が存在することを推定するため、処理負荷を軽減することができる。

以上説明した第１実施形態によれば、自車両Ｍの周辺を撮像するカメラ１０と、カメラ１０の画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定し、上空領域が混雑状態であると判定した場合、自車両Ｍの前方に交通制御地点が存在することを推定する推定部１３４とを備えることにより、より早いタイミングで走行環境を認識することができる。

一般的に、前方を撮像した画像から遠方に存在する構造物（信号機など）を早くから認識しようとした場合、遠方の位置に存在する物体は、近傍の物体に対して相対的に小さい被写体になり、その被写体を写した画像では、全画像領域に対して相対的に狭い画像領域（面積が小さい領域）となる。そのため、処理対象とする画像領域において被写体を占める画素の数が減少しやすく、自車両Ｍから見て遠くに位置する物体を画像から認識する場合、その位置に何らかの物体が存在していることを認識できたとしても、その物体がどういった種類或いは形状の物体であるのかまでは認識することが難しくなりやすい。また、画素数を多くするために画像の解像度を高めた場合、その解像度が高くなるにつれて認識処理の負荷が増大することから、信号機等の構造物の認識が遅れてしまうことが懸念される。

これに対して、第１実施形態では、自車両Ｍから見て遠方に位置する構造物を形状などから認識するのでなく、画像を二次元フーリエ変換して得られた空間周波数を基に、信号機などの構造物が存在することを推定するため、より早いタイミングで走行環境を認識することができる。また、空間周波数を基に信号機などの構造物が存在することを推定するため、実際に信号機などの構造物が認識されなくともその構造物が存在する蓋然性が高ければ、パターンマッチングなどの画像処理によって構造物を認識する処理を開始するため、画像処理負荷の軽減しつつ、走行環境を認識することができる。また、空間周波数を基に信号機などの構造物が存在することを推定し、その構造物が存在する蓋然性が高いと判断できる場合、所定の処理として自車両Ｍを減速させることを開始するため、自車両Ｍの速度がより低い状態において、信号機などの構造物の形状などを認識することができる。この結果、より精度良く交通制御地点を認識することができる。

＜第２実施形態＞
以下、第２実施形態について説明する。上述した第１実施形態では、水平線よりも上側の上空領域に対象領域を設定するものとして説明した。これに対して、第２実施形態では、水平線よりも上側の上空領域に加えて、または代えて、水平線よりも下側の領域に対象領域を設定する点で、上述した第１実施形態と異なる。以下、第１実施形態との相違点を中心に説明し、第１実施形態と共通する機能等についての説明は省略する。

図１５は、対象領域の設定位置の他の例を示す図である。例えば、特徴抽出部１３２は、図１５に例示するように、自車両Ｍを区画する区画線ＬＮ１およびＬＮ２が互いに交差する点を消失点Ｐと見做し、この消失点Ｐを通る水平線ＨＯＲよりも垂直方向上側の上空領域と、水平線ＨＯＲよりも垂直方向下側であり、且つ区画線ＬＮ１およびＬＮ２に囲まれた自車線の画像領域（以下、路面領域と称する）との双方を対象領域に決定する。これによって、上空領域および路面領域の双方から、画像の特徴として、空間周波数を抽出することができる。

図１６は、第２実施形態の自動運転制御装置１００により実行される処理の一例を示すフローチャートである。本フローチャートの処理は、例えば、所定の周期で繰り返し行われてよい。

まず、推定部１３４は、特徴抽出部１３２によって対象領域として決定された上空領域から所定の特徴が抽出されたか否かを判定する（ステップＳ３００）。推定部１３４は、上空領域から所定の特徴が抽出されていないと判定した場合、自車両Ｍの前方に交通制御地点が存在しないと推定する（ステップＳ３０２）。

一方、推定部１３４は、上空領域から所定の特徴が抽出されたと判定した場合、上空領域において所定の特徴が抽出された画像領域（検索窓）が所定数以上存在するか否かを判定する（ステップＳ３０４）。推定部１３４は、所定の特徴が抽出された画像領域が所定数未満であり、上空領域が混雑状態でない場合、Ｓ３０２の処理に進み、自車両Ｍの前方に交通制御地点が存在しないと推定する。

一方、推定部１３４は、所定の特徴が抽出された画像領域が所定数以上であり、上空領域が混雑状態である場合、更に、特徴抽出部１３２によって対象領域に決定された路面領域から所定の特徴が抽出されたか否かを判定する（ステップＳ３０６）。推定部１３４は、路面領域から所定の特徴が抽出されていないと判定した場合、Ｓ３０２の処理に進み、自車両Ｍの前方に交通制御地点が存在しないと推定する。

一方、推定部１３４は、路面領域から所定の特徴が抽出されたと判定した場合、路面領域において所定の特徴が抽出された画像領域が所定数以上存在するか否かを判定する（ステップＳ３０８）。推定部１３４は、所定の特徴が抽出された画像領域が所定数未満であり、路面領域が混雑状態でない場合、Ｓ３０２の処理に進み、自車両Ｍの前方に交通制御地点が存在しないと推定する。

一方、推定部１３４は、所定の特徴が抽出された画像領域が所定数以上であり、路面領域が混雑状態である場合、自車両Ｍの前方に交通制御地点が存在していると推定する（ステップＳ３１０）。

次に、自動運転制御装置１００は、自車両Ｍの前方に交通制御地点が存在していると判定した場合、交通制御地点に自車両Ｍが相対的に近づくことに備えるための所定の処理を開始する（ステップＳ３１２）。これによって本フローチャートの処理が終了する。

このような処理によって、上空領域に信号機などの三次元の構造物が存在するのか否かを評価することができると共に、路面領域に道路標示などの二次元の物体が存在するのか否かを評価することができる。

なお、上述した図１６に示すフローチャートにおいて、Ｓ３００およびＳ３０４の処理と、Ｓ３０６およびＳ３０８の処理とは、処理の順番が反対であってもよい。

また、上述した図１６に示すフローチャートにおいて、上空領域と路面領域との双方で所定の特徴が抽出された画像領域が所定数以上存在する場合に、自車両Ｍの前方に交通制御地点が存在していると推定し、いずれの領域からも所定の特徴が抽出されていない場合や、所定の特徴が抽出されたものの、所定の特徴が抽出された画像領域が混雑していると見做せる程度の数（所定数）には至っていない場合に自車両Ｍの前方に交通制御地点が存在していないと推定するものとして説明したがこれに限られない。

例えば、推定部１３４は、上空領域と路面領域との双方においてどの程度所定の特徴が抽出されたのかをスコアとして導出し、そのスコアの単純平均や加重平均を基に、自車両Ｍの前方に交通制御地点が存在していることを推定する。例えば、推定部１３４は、上空領域のうち、所定の特徴が抽出された画像領域の数をスコアＡとし、路面領域のうち、所定の特徴が抽出された画像領域の数をスコアＢとして導出する。そして、推定部１３４は、｛（１−α）Ａ＋αＢ｝／２といった平均を求め（αは任意の定数）、この平均値を推定の確信度とする。これによって、推定部１３４は、例えば、上空領域および路面領域の双方で、所定の特徴が抽出された画像領域が所定数以上である場合、最も高い確信度で、自車両Ｍの前方に交通制御地点が存在していると推定し、いずれか一方のみの領域で、所定の特徴が抽出された画像領域が所定数以上である場合、上空領域および路面領域の双方で所定の特徴が抽出された画像領域が所定数以上である場合に比して、より低い確信度で自車両Ｍの前方に交通制御地点が存在していると推定する。

例えば、所定の処理が自車両Ｍを減速させることである場合、行動計画生成部１４０は、推定部１３４によって交通制御地点が存在していると推定されたときの確信度が大きいほど、自車両Ｍをより減速させる目標軌道を生成してよい。

また、例えば、所定の処理が二次元あるいは三次元の物体を認識することである場合、認識部１３０は、パターンマッチングなどの画像処理によって物体を認識する処理を繰り返す周期を短くしてよい。

また、上述した図１６に示すフローチャートは、上述した第１実施形態と同様に、認識部１３０によって所定の道路標示が認識された場合に開始されてもよい。この場合、推定部１３４は、所定の道路標示が認識された状態で、上空領域および路面領域の一方または双方で、所定の特徴が抽出された画像領域が所定数以上となった場合、所定の道路標示が認識されていない状態で、上空領域および路面領域の一方または双方で、所定の特徴が抽出された画像領域が所定数以上となった場合に比して、より高い確信度で自車両Ｍの前方に交通制御地点が存在していると推定してよい。

以上説明した第２実施形態によれば、カメラ１０の画像領域において、水平線よりも上側の上空領域と、水平線よりも下側の路面領域との其々の空間周波数に基づいて、総合的に自車両Ｍの前方に交通制御地点が存在しているか否かを推定するため、より精度良く走行環境を認識することができる。

＜第３実施形態＞
以下、第３実施形態について説明する。上述した第１および第２実施形態では、一例として、高周波数領域において、パワースペクトル値またはスペクトル強度が、ある閾値以上の空間周波数を所定の特徴として抽出した。これに対して、第３実施形態では、カメラ１０の画像から所定のテクスチャを所定の特徴として抽出する点で、上述した第１および第２実施形態と異なる。所定のテクスチャとは、例えば、信号機や、車両感知器、交通情報案内板、道路標識、ガードレール、街路灯、カーブミラーなどを撮像したときに画像から得られるテクスチャである。以下、第１および第２実施形態との相違点を中心に説明し、第１および第２実施形態と共通する機能等についての説明は省略する。

図１７から図１９は、テクスチャとパワースペクトル画像との対比の一例を示す図である。各図の（ａ）は、ある検索窓によって切り出された画像領域を表し、（ｂ）は、検索窓によって切り出された画像領域を二次元フーリエ変換によってスペクトルに変換したパワースペクトル画像を表している。図１７や図１８に例示するように、ある方向に関して強く画素値が変化する場合、そのパワースペクトルは、画素値が変化している方向の周波数領域で強くなり、線状の分布が表れやすい。一方で、図１９に例示するように、いずれの方向に関しても画素値がある程度変化する場合、そのパワースペクトルは、水平方向および垂直方向の双方の周波数領域において強くなる。上述したように、信号機などの構造物は、ポールや電線などある方向性をもった物体であることから、検索窓によって切り出された画像領域のパワースペクトル画像が、図１７や図１８に例示するようなパワースペクトル画像である場合、その検索窓によって切り出された画像領域には、方向性をもった物体が含まれていると判断することができる。

従って、推定部１３４は、垂直方向の空間周波数の高周波領域と、水平方向の空間周波数の高周波領域との一方または双方において、パワースペクトル値がスペクトル閾値Ｓ_ＴＨ以上であることを許容する閾値を設定し、この設定した閾値以下の周波数領域でパワースペクトル値がスペクトル閾値Ｓ_ＴＨ以上である場合に、そのパワースペクトル画像の元となった画像領域が所定のテクスチャであると判定する。

図２０および図２１は、パワースペクトル値がスペクトル閾値Ｓ_ＴＨ以上であることを許容する閾値の設定方法を説明するための図である。例えば、推定部１３４は、図２０に示すように、垂直方向の周波数領域において、高周波領域ほど水平方向の周波数領域へのスペクトルの分布の拡がりを許容するように、領域Ｒ_ＰＳについてはスペクトル閾値Ｓ_ＴＨを設定し、領域Ｒ_ＰＳを除く他の領域についてはスペクトル閾値Ｓ_ＴＨよりも大きい閾値（例えば無限大として見做せる程度の大きさの閾値）を設定する。また、推定部１３４は、図２１に示すように、水平方向の周波数領域において、高周波領域ほど垂直方向の周波数領域へのスペクトルの分布の拡がりを許容するように、領域Ｒ_ＰＳについてはスペクトル閾値Ｓ_ＴＨを設定し、領域Ｒ_ＰＳを除く他の領域についてはスペクトル閾値Ｓ_ＴＨよりも大きい閾値を設定する。これによって、図１７や図１８に例示するようなパワースペクトル画像については、パワースペクトル値がスペクトル閾値Ｓ_ＴＨ以上となり、検出窓によって切り出された画像領域が所定のテクスチャであると判定される。推定部１３４は、カメラ１０の画像に所定のテクスチャが存在する場合、自車両Ｍの前方に交通制御地点が存在していると推定する。

以上説明した第３実施形態によれば、カメラ１０の画像を二次元フーリエ変換して得られたパワースペクトル画像を基に交通制御地点が存在することを推定するため、第１または第２実施形態と同様に、より早いタイミングで走行環境を認識することができる。

［ハードウェア構成］
上述した実施形態の自動運転制御装置１００は、例えば、図２２に示すようなハードウェアの構成により実現される。図２２は、実施形態の自動運転制御装置１００のハードウェア構成の一例を示す図である。

実施形態の自動運転制御装置１００は、通信コントローラ１００−１、ＣＰＵ１００−２、ＲＡＭ（Random Access Memory）１００−３、ＲＯＭ（Read Only Memory）１００−４、フラッシュメモリやＨＤＤ（Hard Disc Drive）等の二次記憶装置１００−５、およびドライブ装置１００−６が、内部バスあるいは専用通信線によって相互に接続された構成となっている。ドライブ装置１００−６には、光ディスク等の可搬型記憶媒体が装着される。二次記憶装置１００−５に格納されたプログラム１００−５ａがＤＭＡコントローラ（不図示）等によってＲＡＭ１００−３に展開され、ＣＰＵ１００−２によって実行されることで、第１制御部１２０および第２制御部１６０が実現される。また、ＣＰＵ１００−２が参照するプログラムは、ドライブ装置１００−６に装着された可搬型記憶媒体に格納されていてもよいし、ネットワークＮＷを介して他の装置からダウンロードされてもよい。

上記実施形態は、以下のように表現することができる。
車両の周辺を撮像するカメラと、
情報を記憶するストレージと、
前記ストレージに格納されたプログラムを実行するプロセッサと、を備え、
前記プロセッサは、前記プログラムを実行することにより、
前記カメラにより撮像された画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定し、前記上空領域が混雑状態であると判定した場合、前記車両の前方に交通制御地点が存在することを推定するように構成された、
車両制御装置。

以上、本発明を実施するための形態について実施形態を用いて説明したが、本発明はこうした実施形態に何等限定されるものではなく、本発明の要旨を逸脱しない範囲内において種々の変形及び置換を加えることができる。

１…車両システム、１０…カメラ、１２…レーダ装置、１４…ファインダ、１６…物体認識装置、２０…通信装置、３０…ＨＭＩ、４０…車両センサ、５０…ナビゲーション装置、６０…ＭＰＵ、８０…運転操作子、１００…自動運転制御装置、１２０…第１制御部、１３０…認識部、１３２…特徴抽出部、１３４…推定部、１４０…行動計画生成部、１６０…第２制御部、１６２…取得部、１６４…速度制御部、１６６…操舵制御部、２００…走行駆動力出力装置、２１０…ブレーキ装置、２２０…ステアリング装置、Ｍ…自車両、ｍ…他車両

Claims (11)

1. 車両の周辺を撮像する撮像部と、
   前記撮像部により撮像された画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定し、前記上空領域が混雑状態であると判定した場合、前記車両の前方に交通制御地点が存在することを推定する推定部と、
   を備える車両制御装置。
2. 前記推定部は、前記上空領域が混雑状態であると判定した場合、混雑状態である前記上空領域の位置に対応した道路上の位置に、前記交通制御地点が存在することを推定する、
   請求項１に記載の車両制御装置。
3. 前記推定部は、二次元フーリエ変換によって前記上空領域の画素値の変化から求めた空間周波数に基づいて、前記上空領域が混雑状態であるか否かを判定する、
   請求項１または２に記載の車両制御装置。
4. 前記推定部は、前記空間周波数のうち所定周波数以上の成分の強度が閾値以上である場合に、前記上空領域が混雑状態であると判定する、
   請求項３に記載の車両制御装置。
5. 前記推定部は、更に、
   前記撮像部により撮像された画像の領域のうち、道路の空間に対応した路面領域が混雑状態であるか否かを判定し、
   前記上空領域が混雑状態であり、且つ前記路面領域が混雑状態であると判定した場合、前記上空領域および前記路面領域の一方または双方が混雑状態でないと判定した場合に比して、より高い確信度で前記交通制御地点が存在することを推定する、
   請求項１から４のうちいずれか１項に記載の車両制御装置。
6. 前記車両が存在する道路から前記交通制御地点の存在を示す道路標示を認識する認識部を更に備え、
   前記推定部は、前記上空領域が混雑状態であると判定した場合に、前記認識部により前記道路標示が認識された場合、前記認識部により前記道路標示が認識されない場合に比して、より高い確信度で前記交通制御地点が存在することを推定する、
   請求項１から５のうちいずれか１項に記載の車両制御装置。
7. 前記車両が存在する道路から前記交通制御地点の存在を示す道路標示を認識する認識部を更に備え、
   前記推定部は、前記認識部により前記道路標示が認識された場合、前記上空領域が混雑状態であるか否かの判定処理を開始する、
   請求項１から６のうちいずれか１項に記載の車両制御装置。
8. 前記交通制御地点の存在を示す構造物を認識する認識部を更に備え、
   前記認識部は、前記推定部により前記交通制御地点が存在することが推定された場合、前記構造物の認識処理を開始する、
   請求項１から５のうちいずれか１項に記載の車両制御装置。
9. 前記車両の少なくとも加減速を制御する運転制御部を更に備え、
   前記運転制御部は、前記推定部により前記交通制御地点が存在することが推定された場合、前記車両を減速させる、
   請求項１から８のうちいずれか１項に記載の車両制御装置。
10. 撮像部が、車両の周辺を撮像し、
    推定部が、前記撮像部により撮像された画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定し、前記上空領域が混雑状態であると判定した場合、前記車両の前方に交通制御地点が存在することを推定する、
    車両制御方法。
11. 車両の周辺を撮像する撮像部を備える車両に搭載されるコンピュータに、
    前記撮像部により撮像された画像の領域のうち、所定高度以上の空間に対応した上空領域が混雑状態であるか否かを判定させ、
    前記上空領域が混雑状態であると判定させた場合、前記車両の前方に交通制御地点が存在することを推定させる、
    プログラム。