JP2019144066A - Method and device for estimating road structure - Google Patents
Method and device for estimating road structure Download PDFInfo
- Publication number
- JP2019144066A JP2019144066A JP2018027627A JP2018027627A JP2019144066A JP 2019144066 A JP2019144066 A JP 2019144066A JP 2018027627 A JP2018027627 A JP 2018027627A JP 2018027627 A JP2018027627 A JP 2018027627A JP 2019144066 A JP2019144066 A JP 2019144066A
- Authority
- JP
- Japan
- Prior art keywords
- road structure
- road
- model
- weather
- snowfall
- 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
- 238000000034 method Methods 0.000 title claims abstract description 71
- 230000035945 sensitivity Effects 0.000 claims description 39
- 230000008569 process Effects 0.000 claims description 28
- 238000012545 processing Methods 0.000 description 16
- 238000010586 diagram Methods 0.000 description 15
- 230000007423 decrease Effects 0.000 description 14
- 239000011159 matrix material Substances 0.000 description 10
- 238000004891 communication Methods 0.000 description 8
- 239000013598 vector Substances 0.000 description 6
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 4
- 238000012986 modification Methods 0.000 description 4
- 230000004048 modification Effects 0.000 description 4
- 230000009467 reduction Effects 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 2
- 239000007787 solid Substances 0.000 description 2
- 238000000547 structure data Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
Images
Landscapes
- Instructional Devices (AREA)
- Navigation (AREA)
Abstract
Description
本発明は、車両周囲の道路構造を学習してモデル化した道路構造モデルを、異なる道路構造についてそれぞれ作成し、作成された複数の道路構造モデルを用いて、車両周囲の道路構造の位置を推定する道路構造推定方法及び道路構造推定装置に関する。 The present invention creates a road structure model obtained by learning and modeling a road structure around the vehicle for each different road structure, and estimates the position of the road structure around the vehicle using the plurality of created road structure models The present invention relates to a road structure estimation method and a road structure estimation apparatus.
従来より、カーナビゲーション装置などに格納される地図データを補正する方法が知られている。特許文献1に記載された発明は、GPSを用いた走行軌跡データと、地図データとを比較し、走行軌跡データに対する地図データのずれを補正する。これにより、地図上の物標の位置などが補正され、補正された物標の位置を用いて、車両の自己位置を算出している。 Conventionally, a method for correcting map data stored in a car navigation device or the like is known. The invention described in Patent Document 1 compares travel locus data using GPS with map data, and corrects a shift in map data with respect to the travel locus data. Thereby, the position of the target on the map is corrected, and the self position of the vehicle is calculated using the corrected position of the target.
しかしながら、上述した従来の方法では、天候が雪になると、白線のような道路上にある道路構造は検出が困難になるので、天候に左右されて道路構造の位置を正確に推定することができないという問題点があった。 However, in the above-described conventional method, when the weather becomes snow, it is difficult to detect a road structure on the road such as a white line, and therefore the position of the road structure cannot be accurately estimated depending on the weather. There was a problem.
そこで、本発明は、上記課題に鑑みて成されたものであり、天候に左右されずに道路構造の位置を正確に推定することのできる道路構造推定方法及び道路構造推定装置を提供することを目的とする。 Therefore, the present invention has been made in view of the above problems, and provides a road structure estimation method and a road structure estimation apparatus that can accurately estimate the position of the road structure without being influenced by the weather. Objective.
本発明の一態様に係る道路構造推定方法及びその装置は、車両が走行する道路の天候を検出し、検出された天候に応じて、複数の道路構造モデルの中で道路構造の推定に使用される道路構造モデルを調整する処理を行う。そして、調整された道路構造モデルを用いて車両周囲の道路構造の位置を推定する。 A road structure estimation method and apparatus according to an aspect of the present invention detect the weather of a road on which a vehicle travels, and are used to estimate the road structure among a plurality of road structure models according to the detected weather. To adjust the road structure model. Then, the position of the road structure around the vehicle is estimated using the adjusted road structure model.
本発明によれば、天候に左右されずに道路構造の位置を正確に推定することができる。 According to the present invention, the position of the road structure can be accurately estimated regardless of the weather.
[第1実施形態]
以下、本発明の第1実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。
[First Embodiment]
Hereinafter, a first embodiment of the present invention will be described with reference to the drawings. In the description of the drawings, the same portions are denoted by the same reference numerals, and description thereof is omitted.
[道路構造推定装置の構成]
図1を参照して、本実施形態に係る道路構造推定装置の構成を説明する。図1に示すように、道路構造推定装置1は、カメラ2と、レーザレンジファインダー3と、GPS受信機4と、ジャイロセンサ5と、地図データベース6と、コントローラ10と、通信機7を備える。また、道路構造推定装置1は車両に搭載されており、搭載される車両は自動運転機能を備えた車両であってもよい。
[Configuration of road structure estimation device]
With reference to FIG. 1, the structure of the road structure estimation apparatus which concerns on this embodiment is demonstrated. As shown in FIG. 1, the road structure estimation apparatus 1 includes a
カメラ2は、CCD(charge-coupled device)やCMOS(complementary metal oxide semiconductor)などの撮像素子を有する。カメラ2は、自車両に搭載され、自車両の周囲を撮影する。カメラ2は、画像処理機能を有しており、撮影した画像から道路構造を検出する。道路構造とは、道路の構成物であり、例えば白線や黄色線等の道路の区画線や停止線の他に道路端や縁石、道路上の物標、中央分離帯等である。物標とは、道路や歩道に設けられた信号機や電柱、交通標識等である。カメラ2は、検出したデータをコントローラ10に出力する。
The
レーザレンジファインダー3は、自車両の周囲の道路構造を検出するセンサである。具体的に、レーザレンジファインダー3は、レーザ光をある角度範囲内で走査し、その時の反射光を受光して、レーザ発射時点と反射光の受光時点との間の時間差を検出する。レーザレンジファインダー3は、自車両に対する道路構造の相対距離や方向などを検出し、検出したデータをコントローラ10に出力する。レーザレンジファインダー3は、ボンネット、バンパー、ナンバープレート、ヘッドライト、サイドミラー等の周辺に設置される。
The laser range finder 3 is a sensor that detects a road structure around the host vehicle. Specifically, the laser range finder 3 scans the laser beam within a certain angle range, receives the reflected light at that time, and detects the time difference between the time of laser emission and the time of receiving the reflected light. The laser range finder 3 detects the relative distance and direction of the road structure with respect to the host vehicle, and outputs the detected data to the
GPS受信機4は、人工衛星からの電波を受信することにより、地上における自車両の現在地を検出する。GPS受信機4は、検出したデータをコントローラ10に出力する。
The GPS receiver 4 detects the current location of the vehicle on the ground by receiving radio waves from an artificial satellite. The GPS receiver 4 outputs the detected data to the
ジャイロセンサ5は、自車両の重心の鉛直軸周りのヨーレート(回転角速度)を検出し、検出したデータをコントローラ10に出力する。
The
地図データベース6は、カーナビゲーション装置等に記憶されているデータベースであり、道路構造情報や施設情報など経路案内に必要となる各種データを記憶している。地図データベース6は、高精度な地図であり、道路の車線数、白線等の道路境界線、縁石、道路端、物標等の道路構造情報を含む情報を記憶している。地図データベース6は、コントローラ10の要求に応じて地図情報をコントローラ10に出力する。
The
尚、道路構造情報等の各種データは必ずしも地図データベース6から取得するものに限定する必要はなく、自車両が備えるセンサによって取得したものでもよい。また、車車間通信、路車間通信を用いて取得してもよい。例えば、道路構造情報などの各種データがサーバ20に記憶されている場合には、コントローラ10は、通信により随時これらのデータを取得することができる。また、コントローラ10は、サーバ20から定期的に最新の地図情報を入手して、保有する地図情報を更新することができる。尚、本実施形態では、地図データベース6として第一地図(高精度地図、車両のルート案内に用いる地図)を備えており、第一地図を補足するものとして、第二地図を備えていてもよい。この第二地図は、第一地図だけでは不完全な場合や、より詳細な地図情報が必要な場合に、車両や外部のサーバ20で作成される。
Note that various data such as road structure information is not necessarily limited to that acquired from the
通信機7は、サーバ20と通信するための装置である。
The
コントローラ10は、カメラ2、レーザレンジファインダー3、GPS受信機4、ジャイロセンサ5、地図データベース6から取得したデータを処理する回路であり、例えばIC、LSI等によって構成される。コントローラ10は、これを機能的に捉えた場合、走行軌跡モデル作成部11と、道路構造モデル作成部12と、道路構造モデル調整部13と、道路構造推定部15と、自己位置推定部17に分類することができる。
The
尚、コントローラ10は、マイクロコンピュータ、マイクロプロセッサ、CPUを含む汎用の電子回路とメモリ等の周辺機器から構成されている。そして、特定のプログラムを実行することにより、道路構造推定装置1として動作する。このようなコントローラ10の各機能は、1または複数の処理回路によって実装することができる。処理回路は、例えば電気回路を含む処理装置等のプログラムされた処理装置を含み、また実施形態に記載された機能を実行するようにアレンジされた特定用途向け集積回路(ASIC)や従来型の回路部品のような装置も含んでいる。
The
走行軌跡モデル作成部11は、自車両の走行データを用いて走行軌跡モデルを作成する。走行軌跡モデルは、図2に示すように、所定区間(図2に示す1点鎖線で囲まれた区間)における走行軌跡上の複数の点Xi(i=1〜n)で構成される。各点Xiは、座標(x,y)と車両の向きθ(進行方向)とから成る。
The travel locus
走行軌跡モデル作成部11は、自車両の走行軌跡から座標(x,y)と車両の向きθを多数取得し、取得した走行データを用いて各点Xiの走行軌跡を学習してモデル化し、走行軌跡が再現可能となるように走行軌跡モデルを作成する。尚、所定区間は、所定の走行時間や走行シーンで区切られる区間である。走行時間は、例えば3〜4秒である。また、走行シーンは、例えば交差点の入口から出口までのシーン、右折または左折のシーンである。このように走行時間または走行シーンで区切る理由は、走行時間が長い場合や走行シーンが複雑な場合には、様々なデータが入り込むため走行軌跡モデルの精度が低下するおそれがあるためである。
The traveling locus
走行軌跡モデル作成部11は、走行時間や走行シーンで区切られた区間の走行軌跡モデルを作成することで、高精度な走行軌跡モデルを生成することができる。尚、走行軌跡モデル作成部11は、必ずしも自車両の走行データを用いる必要はなく、サーバ20に集められた自車両以外の他車両の走行データを用いてもよく、走行データを使わずに予め作成されたモデルを用いてもよい。
The travel trajectory
具体的に、走行軌跡モデル作成部11は、取得したデータから所定区間の各点Xi毎の平均位置を求める。次に、走行軌跡モデル作成部11は、取得した走行データから分散共分散行列を計算し、主成分ベクトルを求める。このとき、走行軌跡モデル作成部11は、主成分ベクトルの本数として走行軌跡を十分に表現できるだけの本数を求める。次に、走行軌跡モデル作成部11は、主成分ベクトルを列に並べ、行列Aを作成する。行列Aは、軌跡制御係数である。走行軌跡モデル作成部11は、モデル各点の平均位置と、行列A及び行列Aの制御パラメータであるqとを足し合わせて走行軌跡モデルXを作成する。走行軌跡モデルXは、式(1)、(2)を用いて次のように表される。
Specifically, the travel locus
走行軌跡モデル作成部11は、作成した走行軌跡モデルXをサーバ20に保存してもよいし、自車両に保存してもよい。尚、走行軌跡モデルXは、一つだけ生成してもよいし、複数生成してもよい。また、所定区間は、5秒間、10秒間などの時間で区切ってもよいし、動作で区切ってもよい。動作で区切る場合の例としては、交差点に進入してから出るまでを1つの区間とする。尚、走行軌跡モデル作成部11は、車車間通信を使って他車両に走行軌跡モデルXを保存してもよい。
The traveling locus
道路構造モデル作成部12は、自車両の周囲の道路構造を検出した道路構造データを用いて道路構造モデルを作成する。道路構造モデルは、図3に示すように、所定区間(図3に示す1点鎖線で囲まれた区間)における白線上の複数の点Li(i=1〜n)で構成される。尚、図3では道路構造の一例として白線を用いている。各点Liは、座標(x,y)と白線の方向φとから成る。道路構造モデル作成部12は、道路構造データから座標(x,y)と白線の方向φを多数取得し、取得したデータを用いて各点Liの白線を学習してモデル化し、白線が再現可能となるように道路構造モデルを作成する。尚、点Li=(x,y)は、一定区間の白線を、例えば10cm間隔で分割したi番目の白線の位置である。また、所定区間は、5秒間、10秒間などの時間で区切ってもよい。
The road structure
具体的に、道路構造モデル作成部12は、取得したデータから所定区間の各点Li毎の平均位置を求める。次に、道路構造モデル作成部12は、取得したデータから分散共分散行列を計算し、主成分ベクトルを求める。このとき、道路構造モデル作成部12は、主成分ベクトルの本数として道路構造を十分に表現できるだけの本数を求める。次に、道路構造モデル作成部12は、主成分ベクトルを列に並べ、行列Bを作成する。行列Bは、軌跡制御係数である。道路構造モデル作成部12は、モデル各点の平均位置と、行列B及び行列Bの制御パラメータであるpとを足し合わせて道路構造モデルLを作成する。道路構造モデルLは、式(1)、(2)の走行軌跡モデルと同様に、式(3)、(4)を用いて次のように表される。
Specifically, the road structure
道路構造モデル作成部12は、白線だけではなく、異なる道路構造についてそれぞれ道路構造モデルを作成する。例えば、縁石や物標、道路端等についてそれぞれ道路構造モデルを作成する。これらの作成された複数の道路構造モデルは、サーバ20に保存してもよいし、自車両に保存してもよい。また、車車間通信を使って他車両に道路構造モデルを保存しておいてもよい。
The road structure
ここで、車両は道路上の白線に沿って走行するので、走行軌跡と白線の形状との間には相関があり、近似したものとなる。したがって、走行軌跡モデルと道路構造モデルとの間にも相関があり、近似したものとなる。そのため、走行軌跡モデルの制御係数Aと道路構造モデルの制御係数Bとの間には相関があり、走行軌跡モデルの制御パラメータqと道路構造モデルの制御パラメータpとの間にも相関がある。 Here, since the vehicle travels along the white line on the road, there is a correlation between the travel locus and the shape of the white line, which is an approximation. Therefore, there is also a correlation between the travel locus model and the road structure model, which is an approximation. Therefore, there is a correlation between the control coefficient A of the travel locus model and the control coefficient B of the road structure model, and there is also a correlation between the control parameter q of the travel locus model and the control parameter p of the road structure model.
道路構造モデル調整部13は、車両が走行する道路の天候を検出し、検出された天候に応じて、複数の道路構造モデルの中で道路構造の推定に使用される道路構造モデルを調整する処理を行う。具体的に、道路構造モデルの調整処理では、複数の道路構造モデルの中から道路構造の推定に使用する道路構造モデルを選択する処理を行う。道路構造モデルの調整処理の詳細については後述する。
The road structure
道路構造推定部15は、道路構造モデル調整部13で調整された道路構造モデルを用いて車両周囲の道路構造の位置を推定する。具体的に、道路構造推定部15は、調整された道路構造モデルを用いて車両周囲の道路構造の位置を算出し、算出された道路構造の位置と地図情報に記録されている道路構造の位置が一致するように、算出された道路構造の位置を補正する。例えば、ガウスニュートン法等の最適化手法を使用して、制御パラメータを調整しながら繰り返し計算の中で徐々に真値に近づけていく方法を用いて、道路構造の位置を補正する。
The road
そして、道路構造推定部15は、道路構造の位置の補正を行った結果、算出された道路構造の位置と、地図情報に記録された道路構造の位置が一致したと判定すると、道路構造の位置の推定を終了する。一致したか否かの判定方法としては、ガウスニュートン法等の最適化手法では、収束して真値に近づいたと判定した場合に、算出された道路構造の位置と地図情報に記録された道路構造の位置が一致したと判定する。
When the road
また、道路構造推定部15は、走行軌跡モデル作成部11によって作成された走行軌跡モデルからトラジェクトリを算出し、算出されたトラジェクトリに基づいて道路構造の位置を推定してもよい。この場合、道路構造推定部15は、トラジェクトリ上の各点から道路構造までの距離と、この距離を取得した時の自車両の向きθを取得する。そして、取得した道路構造までの距離と車両の向きθを用いて道路構造の位置を推定する。
Further, the road
こうして道路構造の位置の推定が終了すると、道路構造推定部15は、地図データベース6へリンクして、推定した道路構造の位置を記録する。
When the estimation of the position of the road structure is thus completed, the road
自己位置推定部17は、道路構造推定部15によって地図データベース6に記録された道路構造の位置を用いて自己位置を推定する。本実施形態において地図上の道路構造の位置は精度よく推定されているため、自車両から道路構造までの距離と方向を用いることにより、自己位置推定部17は自己位置を精度よく推定することができる。尚、道路構造の位置を用いて車両の自己位置を推定する場合とは、道路構造の周辺を走行した場合に、道路構造までの距離と方向をセンサにより検出し、検出した距離と方向、及び取得していた道路構造の位置から、自車両の位置を推定することを意味する。
The self-
[道路構造モデルの調整処理]
道路構造モデル調整部13は、図4に示すように、車両が走行する道路の天候を検出し、検出された天候に応じて、複数の道路構造モデルの中から道路構造の推定に使用する道路構造モデルを選択する。
[Adjustment processing of road structure model]
As shown in FIG. 4, the road structure
道路構造モデル作成部12によって、異なる道路構造についてそれぞれ道路構造モデルが作成されており、図4では、一例として4つの道路構造モデルが作成されている場合について説明する。図4に例示された道路構造モデルは、白線について作成された道路構造モデルと、縁石について作成された道路構造モデルと、物標について作成された道路構造モデルと、道路端について作成された道路構造モデルである。
The road structure
白線の道路構造モデルは、白線や黄色線等の道路の区画線について作成された道路構造モデルである。そのため、白線の道路構造モデルは、路面のテクスチャを表した二次元のモデルであり、三次元のオクルージョンに対して弱い性質を有している。 The road structure model with white lines is a road structure model created for road lane markings such as white lines and yellow lines. Therefore, the road structure model with white lines is a two-dimensional model representing the texture of the road surface, and has a property that is weak against three-dimensional occlusion.
縁石の道路構造モデルは、車道と歩道の境界に設置された段差について作成された道路構造モデルである。そのため、高さが20cm程度のほぼ定型をした三次元立体物を表したモデルであり、二次元のオクルージョンに対して弱い性質を有している。 The curb road structure model is a road structure model created for a step set at the boundary between a roadway and a sidewalk. Therefore, it is a model representing a three-dimensional three-dimensional object having a substantially fixed shape with a height of about 20 cm, and has a weak property against two-dimensional occlusion.
物標の道路構造モデルは、道路の周辺に設置された道路標識や信号機等について作成された道路構造モデルである。そのため、多様な形状を有する三次元立体物を表したモデルであり、二次元と三次元のオクルージョンに対して強い性質を有している。ただし、動物等の移動物に弱い性質を有している。 The target road structure model is a road structure model created for road signs and traffic lights installed around the road. Therefore, it is a model representing a three-dimensional solid object having various shapes, and has a strong property against two-dimensional and three-dimensional occlusion. However, it is vulnerable to moving objects such as animals.
道路端の道路構造モデルは、道路の舗装された部分とその外側にある土の部分との境界について作成された道路構造モデルである。そのため、高低差の少ない三次元立体物を表したモデルであり、白線の道路構造モデルよりは三次元のオクルージョンに強い性質を有している。 The road structure model at the road edge is a road structure model created for the boundary between the paved portion of the road and the soil portion outside it. Therefore, it is a model representing a three-dimensional solid object with a small difference in height, and has a property more resistant to three-dimensional occlusion than a road structure model with white lines.
図4に示すように、道路構造モデル調整部13は、天候を判定して降雪ではないと判定した場合には、すべての道路構造モデルを使用して道路構造の推定を行うように調整する。この際に、道路構造モデル調整部13は、各道路構造モデルに重み付けを行うように調整してもよい。例えば、白線モデルを0.5、縁石モデルを0.1、物標モデルを0.2、道路端モデルを0.2として全体で1.0となるような重み付けを行う。
As shown in FIG. 4, when the road structure
また、道路構造モデル調整部13は、各道路構造モデルから取得してくる道路構造上の点の数を調整するようにしてもよい。例えば、白線モデルからは白線上の点を50点取得し、縁石モデルからは縁石上の点を30点、物標モデルからは物標上の点を10点、道路端モデルからは道路端上の点を40点取得するようにしてもよい。
Further, the road structure
次に、天候を判定して降雪があると判定された場合について説明する。図4に示すように、道路構造モデル調整部13は、検出された天候が降雪である場合には、白線モデル以外の道路構造モデルを用いて車両周囲の道路構造の位置を推定するように調整する。すなわち、天候を判定して降雪があると判定された場合には、白線モデルを使用しないで道路構造の位置を推定するように調整する。
Next, a case where the weather is determined and it is determined that there is snow will be described. As shown in FIG. 4, when the detected weather is snowfall, the road structure
同様に、道路構造モデル調整部13は、検出された天候が降雪である場合には、道路端モデル以外の道路構造モデルを用いて車両周囲の道路構造の位置を推定するように調整する。すなわち、天候を判定して降雪があると判定された場合には、道路端モデルを使用しないで道路構造の位置を推定するように調整する。
Similarly, when the detected weather is snowfall, the road structure
天候が降雪である場合には、道路上の白線や道路端は隠れてしまう可能性が高くなり、その状況で得られる白線や道路端のデータの精度は悪く、また数も少なくなってしまう。そのため、このようなデータを用いて道路構造の推定を行うと、道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪である場合には、白線モデルや道路端モデルを使用せずに道路構造の推定を行って、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 When the weather is snowing, there is a high possibility that the white line and the road edge on the road will be hidden, and the accuracy of the data of the white line and the road edge obtained in that situation is low and the number is also reduced. Therefore, when the road structure is estimated using such data, the estimation accuracy of the road structure may be lowered. Therefore, when the weather is snowing, the road structure is estimated without using the white line model or the road edge model so that the estimation accuracy of the road structure can be prevented from decreasing, and the self-position estimation accuracy can be reduced. I try to improve.
尚、道路上に積雪がある場合には、白線や道路端の検出は困難となる。そこで、カメラ2で撮影した車両周囲の道路上の画像から積雪の有無を判定し、積雪があると判定した場合には、降雪であるか否かに関係なく白線モデルと道路端モデルを使用しないように調整してもよい。
When there is snow on the road, it is difficult to detect white lines and road edges. Therefore, the presence or absence of snow is determined from images taken on the road around the vehicle taken by the
また、道路構造モデル調整部13は、検出された天候が降雪である場合には、道路上の積雪量を計測し、計測された道路上の積雪量が所定値以上である場合には、縁石モデル以外の道路構造モデルを用いて車両周囲の道路構造の位置を推定するように調整する。すなわち、天候を判定して降雪があると判定され、道路上の積雪量が所定値以上である場合には、縁石モデルを使用しないで道路構造の位置を推定するように調整する。
The road structure
道路上の積雪が縁石の高さ程度まで高くなると、道路沿いの縁石は隠れてしまう可能性が高くなり、その状況で得られる縁石のデータの精度は悪く、また数も少なくなってしまう。そのため、このようなデータを用いて道路構造の推定を行うと、道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪であると判定され、道路上の積雪量が所定値以上である場合には、縁石モデルを使用せずに道路構造の推定を行って、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 If the snow on the road becomes as high as the curb, the curb along the road is likely to be hidden, and the accuracy of the curb data obtained in that situation is low and the number is low. Therefore, when the road structure is estimated using such data, the estimation accuracy of the road structure may be lowered. Therefore, when it is determined that the weather is snowing and the amount of snow on the road is greater than or equal to a predetermined value, the road structure is estimated without using the curb model to prevent a decrease in the estimation accuracy of the road structure. This improves the accuracy of self-position estimation.
尚、積雪量を判定するための所定値は、縁石の高さに基づいて設定すればよい。また、道路上の積雪量の検出方法としては、カメラ2で撮影した車両周囲の道路上の画像から検出すればよい。
In addition, what is necessary is just to set the predetermined value for determining the amount of snow accumulation based on the height of a curb. Further, as a method for detecting the amount of snow on the road, it may be detected from an image on the road around the vehicle taken by the
さらに、道路構造モデル調整部13は、検出された天候が降雪である場合には、降雪量を計測し、計測された降雪量が所定値以上である場合には、物標モデル以外の道路構造モデルを用いて車両周囲の道路構造の位置を推定するように調整する。すなわち、天候を判定して降雪があると判定され、降雪量が所定値以上である場合には、物標モデルを使用しないで道路構造の位置を推定するように調整する。
Furthermore, the road structure
降雪量が多くなって視界が悪くなると、道路沿いの標識や信号機等は見えなくなる可能性が高くなり、その状況で得られる物標のデータの精度は悪く、また数も少なくなってしまう。そのため、このようなデータを用いて道路構造の推定を行うと、道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪であると判定され、降雪量が所定値以上である場合には、物標モデルを使用せずに道路構造の推定を行って、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 If the amount of snowfall increases and the visibility becomes worse, there is a high possibility that signs and traffic lights along the road will not be visible, and the accuracy of the target data obtained in that situation will be poor and the number will be reduced. Therefore, when the road structure is estimated using such data, the estimation accuracy of the road structure may be lowered. Therefore, when it is determined that the weather is snowing and the amount of snowfall is greater than or equal to a predetermined value, the estimation of the road structure can be prevented from being reduced by estimating the road structure without using the target model. As a result, the accuracy of self-position estimation is improved.
尚、降雪量を判定するための所定値は、視界が悪くなる程度の降雪量の値に設定すればよい。また、降雪量の検出方法としては、カメラ2で撮影した車両周囲の画像から検出すればよい。
Note that the predetermined value for determining the snowfall amount may be set to a snowfall amount value such that visibility is deteriorated. Moreover, what is necessary is just to detect from the image around the vehicle image | photographed with the
上述したように、天候が降雪である場合には、図4に示す方法で道路構造の推定に使用される道路構造モデルが選択される。道路構造モデル調整部13は、選択された道路構造モデルを使用して道路構造の推定を行うように調整する。この際、道路構造モデル調整部13は、選択された道路構造モデルに重み付けを行ってもよいし、各道路構造モデルから取得してくる道路構造上の点の数を調整してもよい。
As described above, when the weather is snowing, the road structure model used for estimating the road structure is selected by the method shown in FIG. The road structure
[道路構造推定処理の手順]
次に、図5のフローチャートを参照して、本実施形態に係る道路構造推定装置1による道路構造推定処理の処理手順を説明する。
[Road structure estimation process]
Next, with reference to the flowchart of FIG. 5, the processing procedure of the road structure estimation process by the road structure estimation apparatus 1 according to the present embodiment will be described.
ステップS101において、道路構造モデル調整部13は、車両が走行する道路の天候を検出する。道路構造モデル調整部13は、カメラ2で撮像した画像や外部からの情報に基づいて天候を検出する。具体的に、道路構造モデル調整部13は、天候が降雪であるか否か、道路上の積雪量が所定値以上であるか否か、降雪量が所定値以上であるか否か等の判定を行う。
In step S101, the road structure
ステップS102において、道路構造モデル調整部13は、ステップS101で検出された天候に応じて、複数の道路構造モデルの中で道路構造の推定に使用される道路構造モデルを調整する処理を行う。本実施形態では、道路構造モデルの調整処理として、複数の道路構造モデルの中から道路構造の推定に使用する道路構造モデルを選択する処理を行う。具体的な調整処理については、図4を参照して説明した通りである。
In step S102, the road structure
ステップS103において、道路構造推定部15は、ステップS102で調整された道路構造モデルを用いて車両周囲の道路構造の位置を推定する。本実施形態では、降雪の有無や降雪量、道路上の積雪量に応じて選択された道路構造モデルを用いて、車両周囲の道路構造の位置を推定する。そして、道路構造推定部15は、道路構造の位置を推定すると、地図データベース6へリンクして、推定した道路構造の位置を記録する。
In step S103, the road
ステップS104において、自己位置推定部17は、ステップS103で地図データベース6に記録された道路構造の位置を用いて自己位置を推定すると、本実施形態に係る道路構造推定処理を終了する。本実施形態の道路構造推定処理では、地図上の道路構造の位置を精度よく推定しているので、自己位置推定部17は自己位置を精度よく推定することができる。
In step S104, when the self-
[変形例]
次に、第1実施形態の変形例について説明する。上述した実施形態では、天候に応じて道路構造の推定に使用する道路構造モデルを選択していたが、天候に加えて車両が走行している場所に応じて道路構造モデルを選択してもよい。
[Modification]
Next, a modification of the first embodiment will be described. In the above-described embodiment, the road structure model used for estimating the road structure is selected according to the weather. However, the road structure model may be selected according to the place where the vehicle is traveling in addition to the weather. .
例えば、図6に示すように、交差点内では除雪されている部分と除雪されていない部分が混在し、十分な数の正確な検出値を得られない場所が所々に存在している場合がある。図6では、十分な数の正確な検出値を得られない地点51と、十分な数の正確な検出値を得られる地点53がある。また、交差点内では白線がなく、道路端も交差点の外でなければ存在しない。そこで、GPS受信機4からの位置情報やカメラ2で撮影した画像に基づいて車両が交差点内にいると判断した場合には、白線モデルと道路端モデルを使用しないように調整することもできる。
For example, as shown in FIG. 6, there are cases where there are places where a snow removal part and a snow removal part are mixed in an intersection and a sufficient number of accurate detection values cannot be obtained. . In FIG. 6, there are a
また、カメラ2で撮影した画像により車両が工事現場の近くを走行していると判定した場合には、白線の引き直しや道路端の変更が行われている可能性があるため、白線モデルと道路端モデルを使用しないように調整してもよい。
If it is determined from the image taken by the
さらに、車両が走行している道路が農道や山道であると判定した場合には、白線や道路端がメンテナンス不良によって劣化している可能性があるため、白線モデルと道路端モデルを使用しないように調整してもよい。 In addition, when it is determined that the road on which the vehicle is traveling is an agricultural road or a mountain road, the white line and the road edge model may be deteriorated due to poor maintenance. You may adjust it.
また、天候に加えて車両が走行している状況に応じて道路構造モデルを選択してもよい。例えば、カメラ2で撮影した画像により車両の周囲の西日が強いと判定した場合には、西日による画像の色のコントラストの低下によって白線の検出精度が低下するため、白線モデルを使用しないように調整してもよい。
In addition to the weather, a road structure model may be selected according to the situation in which the vehicle is traveling. For example, if it is determined from the image taken by the
[第1実施形態の効果]
以上詳細に説明したように、本実施形態に係る道路構造推定装置1では、異なる道路構造についてそれぞれ道路構造モデルを作成する。そして、車両が走行する道路の天候に応じて、複数の道路構造モデルの中で道路構造の推定に使用される道路構造モデルを調整する処理を行い、調整された道路構造モデルを用いて車両周囲の道路構造の位置を推定する。これにより、天候に応じて道路構造モデルを調整できるので、天候に左右されずに道路構造の位置を正確に推定することができる。
[Effect of the first embodiment]
As described above in detail, the road structure estimation device 1 according to the present embodiment creates road structure models for different road structures. Then, according to the weather of the road on which the vehicle travels, a process for adjusting the road structure model used for estimating the road structure among a plurality of road structure models is performed, and the vehicle surroundings using the adjusted road structure model The position of the road structure is estimated. Thereby, since the road structure model can be adjusted according to the weather, the position of the road structure can be accurately estimated without being influenced by the weather.
また、本実施形態に係る道路構造推定装置1では、道路構造モデルを調整する処理として、複数の道路構造モデルの中から道路構造の推定に使用する道路構造モデルを選択する処理を行う。これにより、天候に応じて最適な道路構造モデルを選択できるので、天候に左右されずに道路構造の位置を正確に推定することができる。 Moreover, in the road structure estimation apparatus 1 according to the present embodiment, as a process for adjusting the road structure model, a process for selecting a road structure model to be used for estimating the road structure from a plurality of road structure models is performed. Thereby, since the optimal road structure model can be selected according to the weather, the position of the road structure can be accurately estimated without being influenced by the weather.
さらに、本実施形態に係る道路構造推定装置1では、検出された天候が降雪である場合に、複数の道路構造モデルのうち白線について作成された道路構造モデル以外の道路構造モデルを用いて車両周囲の道路構造の位置を推定する。これにより、降雪の場合に隠れてしまう可能性が高い白線の道路構造モデルを使用せずに道路構造の推定を行うことができるので、道路構造の推定精度の低下を防止することが可能となる。 Furthermore, in the road structure estimation device 1 according to the present embodiment, when the detected weather is snowfall, the vehicle surroundings using a road structure model other than the road structure model created for the white line among the plurality of road structure models The position of the road structure is estimated. As a result, it is possible to estimate the road structure without using a white line road structure model that is highly likely to be hidden in the case of snowfall, so it is possible to prevent a reduction in the estimation accuracy of the road structure. .
また、本実施形態に係る道路構造推定装置1では、検出された天候が降雪である場合に、複数の道路構造モデルのうち道路端について作成された道路構造モデル以外の道路構造モデルを用いて車両周囲の道路構造の位置を推定する。これにより、降雪の場合に隠れてしまう可能性が高い道路端の道路構造モデルを使用せずに道路構造の推定を行うことができるので、道路構造の推定精度の低下を防止することが可能となる。 Further, in the road structure estimation device 1 according to the present embodiment, when the detected weather is snowfall, a vehicle using a road structure model other than the road structure model created for the road edge among a plurality of road structure models. Estimate the position of the surrounding road structure. As a result, it is possible to estimate the road structure without using a road structure model at the edge of the road that is highly likely to be hidden in the case of snowfall, so it is possible to prevent a decrease in the estimation accuracy of the road structure. Become.
さらに、本実施形態に係る道路構造推定装置1では、検出された天候が降雪で、計測された道路上の積雪量が所定値以上である場合に、複数の道路構造モデルのうち縁石の道路構造モデル以外の道路構造モデルを用いて車両周囲の道路構造の位置を推定する。これにより、道路上の積雪が多くなると隠れてしまう可能性が高い縁石の道路構造モデルを使用せずに道路構造の推定を行うことができるので、道路構造の推定精度の低下を防止することが可能となる。 Furthermore, in the road structure estimation apparatus 1 according to the present embodiment, when the detected weather is snowfall and the measured amount of snow on the road is a predetermined value or more, the curb road structure among the plurality of road structure models. The position of the road structure around the vehicle is estimated using a road structure model other than the model. As a result, it is possible to estimate the road structure without using a curb road structure model that is likely to be hidden if there is a lot of snow on the road. It becomes possible.
また、本実施形態に係る道路構造推定装置1では、検出された天候が降雪で、計測された降雪量が所定値以上である場合に、複数の道路構造モデルのうち物標の道路構造モデル以外の道路構造モデルを用いて車両周囲の道路構造の位置を推定する。これにより、降雪量が多くなると見えなくなる可能性が高い物標の道路構造モデルを使用せずに道路構造の推定を行うことができるので、道路構造の推定精度の低下を防止することが可能となる。 Moreover, in the road structure estimation apparatus 1 according to the present embodiment, when the detected weather is snowfall and the measured snowfall amount is equal to or greater than a predetermined value, the road structure model other than the target road structure model among the plurality of road structure models The position of the road structure around the vehicle is estimated using this road structure model. As a result, it is possible to estimate the road structure without using a target road structure model that is highly likely to disappear when the amount of snowfall increases, so it is possible to prevent a decrease in the estimation accuracy of the road structure. Become.
[第2実施形態]
以下、本発明の第2実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。本実施形態では、道路構造モデル調整部13による道路構造モデルの調整処理が、第1実施形態と相違している。したがって、その他の構成や処理については、詳細な説明は省略する。
[Second Embodiment]
Hereinafter, a second embodiment of the present invention will be described with reference to the drawings. In the description of the drawings, the same portions are denoted by the same reference numerals, and description thereof is omitted. In the present embodiment, the road structure model adjustment processing by the road structure
[道路構造モデルの調整処理]
道路構造モデル調整部13は、図7に示すように、車両が走行する道路の天候を検出し、検出された天候に応じて、複数の道路構造モデルにおける道路構造の推定感度を調整する処理を行う。図7では一例として4つの道路構造モデルが作成されている場合について説明する。図7に例示された道路構造モデルは、白線について作成された道路構造モデルと、縁石について作成された道路構造モデルと、物標について作成された道路構造モデルと、道路端について作成された道路構造モデルである。
[Adjustment processing of road structure model]
As shown in FIG. 7, the road structure
図7に示すように、道路構造モデル調整部13は、天候を判定して降雪でないと判定した場合には、すべての道路構造モデルの推定感度を、天候が降雪である場合よりも低くするように調整する。そして、道路構造モデル調整部13は、推定感度を低くしたすべての道路構造モデルを使用して道路構造の推定を行うように調整する。この際、道路構造モデル調整部13は、各道路構造モデルに重み付けを行ってもよいし、各道路構造モデルから取得してくる道路構造上の点の数を調整してもよい。
As shown in FIG. 7, when the road structure
ここで、図8、9を参照して、道路構造の推定感度について説明する。図8は、道路構造として白線の位置を推定する場合に、検出された白線上の点の数が多い場合を示す図である。図9は、道路構造として白線の位置を推定する場合に、検出された白線上の点の数が少ない場合を示す図である。 Here, the estimated sensitivity of the road structure will be described with reference to FIGS. FIG. 8 is a diagram illustrating a case where the number of detected points on the white line is large when the position of the white line is estimated as the road structure. FIG. 9 is a diagram illustrating a case where the number of detected points on the white line is small when the position of the white line is estimated as the road structure.
図8に示すように、天候が降雪ではなく晴れているような場合には、道路構造である白線上の点を多く検出することができ、図8では、点P1〜P5の5つの点を検出することができる。図8の曲線Wは、実際の白線の位置を表している。 As shown in FIG. 8, when the weather is clear rather than snowfall, many points on the white line as the road structure can be detected. In FIG. 8, five points P1 to P5 are detected. Can be detected. A curve W in FIG. 8 represents the actual position of the white line.
この場合に、道路構造の推定感度を高くすると、白線の推定結果Hは点P1〜P5の位置の影響を強く受けるため、左右に蛇行した曲線となる。一方、道路構造の推定感度を低くすると、白線の推定結果Lは、点P1〜P5の位置の影響が弱まるため、滑らかな曲線となる。したがって、天候が降雪ではなく晴れているような場合には、道路構造上の点を多く検出できるので、道路構造の推定感度を低くしたほうが道路構造の推定精度を向上させることができる。 In this case, if the estimation sensitivity of the road structure is increased, the white line estimation result H is strongly influenced by the positions of the points P1 to P5, and thus becomes a curved meandering left and right. On the other hand, when the estimation sensitivity of the road structure is lowered, the white line estimation result L becomes a smooth curve because the influence of the positions of the points P1 to P5 is weakened. Therefore, when the weather is clear rather than snowfall, many points on the road structure can be detected. Therefore, the road structure estimation accuracy can be improved by lowering the road structure estimation sensitivity.
一方、図9に示すように、天候が降雪である場合には、検出できる白線上の点の数が少なくなり、図9では、点P1、P3、P5の3つの点しか検出できていない。図9の点P1、P3、P5は図8の点P1、P3、P5と同一の点を表している。曲線Wも、図8と同様に実際の白線の位置を表している。 On the other hand, as shown in FIG. 9, when the weather is snowing, the number of points on the white line that can be detected decreases, and in FIG. 9, only three points P1, P3, and P5 can be detected. Points P1, P3, and P5 in FIG. 9 represent the same points as the points P1, P3, and P5 in FIG. The curve W also represents the actual position of the white line as in FIG.
この場合に、道路構造の推定感度を低くすると、点の数が少ないため、白線の推定結果Lは点P1、P3、P5の中間位置を結ぶような曲線となってしまう。一方、道路構造の推定感度を高くすると、白線の推定結果Hは、点P1、P3、P5の位置をそれぞれ結ぶような曲線となるので、点の数が少なくても白線の位置を正確に推定することができる。したがって、天候が降雪である場合には、検出できる道路構造上の点の数が少なくなるので、道路構造の推定感度を高くしたほうが道路構造の推定精度を向上させることができる。 In this case, if the road structure estimation sensitivity is lowered, the number of points is small, and the white line estimation result L becomes a curve connecting intermediate positions of the points P1, P3, and P5. On the other hand, if the estimation sensitivity of the road structure is increased, the white line estimation result H becomes a curve connecting the positions of the points P1, P3, and P5, so that the position of the white line can be accurately estimated even if the number of points is small. can do. Therefore, when the weather is snowing, the number of points on the road structure that can be detected is reduced. Therefore, the road structure estimation accuracy can be improved by increasing the road structure estimation sensitivity.
次に、天候を判定して降雪であると判定された場合について説明する。図7に示すように、道路構造モデル調整部13は、検出された天候が降雪である場合には、白線モデルの推定感度を天候が降雪でない場合よりも高くする。同様に、道路構造モデル調整部13は、検出された天候が降雪である場合には、道路端モデルの推定感度を天候が降雪でない場合よりも高くする。
Next, a case where the weather is determined and it is determined that it is snowing will be described. As shown in FIG. 7, when the detected weather is snowfall, the road structure
天候が降雪である場合には、道路上の白線や道路端は隠れてしまう可能性が高くなり、その状況で得られる白線や道路端のデータの数は少なくなってしまう。そのため、推定感度を低くすると、図9で説明したように道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪である場合には、白線モデルや道路端モデルの推定感度を高くすることによって、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 When the weather is snowing, there is a high possibility that the white line and the road edge on the road will be hidden, and the number of white line and road edge data obtained in that situation will be reduced. Therefore, when the estimation sensitivity is lowered, the estimation accuracy of the road structure may be lowered as described with reference to FIG. Therefore, when the weather is snowing, the estimation accuracy of the white line model and the road edge model is increased to prevent a decrease in the estimation accuracy of the road structure, and as a result, the estimation accuracy of the self-location is improved. ing.
また、道路構造モデル調整部13は、検出された天候が降雪である場合には、道路上の積雪量を計測し、計測された道路上の積雪量が所定値以上である場合には、縁石モデルの推定感度を、積雪量が所定値未満である場合よりも高くする。
The road structure
道路上の積雪が縁石の高さ程度まで高くなると、道路沿いの縁石は隠れてしまう可能性が高くなり、その状況で得られる縁石のデータの数は少なくなってしまう。そのため、推定感度を低くすると、図9で説明したように道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪であると判定され、道路上の積雪量が所定値以上である場合には、縁石モデルの推定感度を高くすることによって、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 If the snow on the road rises to the height of the curb, the curb along the road is more likely to be hidden, and the number of curb data obtained in that situation is reduced. Therefore, when the estimation sensitivity is lowered, the estimation accuracy of the road structure may be lowered as described with reference to FIG. Therefore, when it is determined that the weather is snowing and the amount of snow on the road is greater than or equal to a predetermined value, by reducing the estimation sensitivity of the curb model, it is possible to prevent a decrease in the estimation accuracy of the road structure, As a result, the self-position estimation accuracy is improved.
さらに、道路構造モデル調整部13は、検出された天候が降雪である場合には、降雪量を計測し、計測された降雪量が所定値以上である場合には、物標モデルの推定感度を、降雪量が所定値未満である場合よりも高くする。
Further, the road structure
降雪量が多くなって視界が悪くなると、道路沿いの標識や信号機等は見えなくなる可能性が高くなり、その状況で得られる物標のデータの数は少なくなってしまう。そのため、推定感度を低くすると、図9で説明したように道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪であると判定され、降雪量が所定値以上である場合には、物標モデルの推定感度を高くすることによって、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 If the amount of snowfall increases and visibility becomes worse, there is a high possibility that signs and traffic lights along the road will not be visible, and the number of target data obtained in that situation will be reduced. Therefore, when the estimation sensitivity is lowered, the estimation accuracy of the road structure may be lowered as described with reference to FIG. Therefore, if it is determined that the weather is snowing and the amount of snowfall is greater than or equal to a predetermined value, the estimation sensitivity of the target model can be increased to prevent a reduction in the estimation accuracy of the road structure, and in turn The position estimation accuracy is improved.
尚、天候とは関係なく、検出できる物標のデータの数が少ない場合には、天候が降雪であるか否かに関わらず物標モデルの推定感度を高くしてもよい。 Note that when the number of target data that can be detected is small regardless of the weather, the target model estimation sensitivity may be increased regardless of whether the weather is snowing or not.
上述したように、天候が降雪である場合には、図7に示す方法で道路構造モデルにおける道路構造の推定感度が調整される。道路構造モデル調整部13は、推定感度が調整された道路構造モデルを使用して道路構造の推定を行うように調整する。この際、道路構造モデル調整部13は、調整された道路構造モデルに重み付けを行ってもよいし、各道路構造モデルから取得してくる道路構造上の点の数を調整してもよい。
As described above, when the weather is snowing, the estimation sensitivity of the road structure in the road structure model is adjusted by the method shown in FIG. The road structure
[第2実施形態の効果]
以上詳細に説明したように、本実施形態に係る道路構造推定装置1では、道路構造モデルを調整する処理として、複数の道路構造モデルにおける道路構造の推定感度を調整する処理を行う。これにより、天候に応じて最適な推定感度に調整できるので、天候に左右されずに道路構造を正確に推定することができる。
[Effects of Second Embodiment]
As described above in detail, the road structure estimation device 1 according to the present embodiment performs a process of adjusting the estimation sensitivity of the road structure in a plurality of road structure models as the process of adjusting the road structure model. Thereby, since it can adjust to the optimal estimation sensitivity according to the weather, a road structure can be estimated correctly regardless of the weather.
また、本実施形態に係る道路構造推定装置1では、検出された天候が降雪である場合に、複数の道路構造モデルのうち白線について作成された道路構造モデルの推定感度を、天候が降雪でない場合よりも高くする。これにより、降雪の場合に隠れてしまう可能性が高い白線の道路構造モデルの推定感度を高くできるので、道路構造の推定精度の低下を防止することが可能となる。 Further, in the road structure estimation device 1 according to the present embodiment, when the detected weather is snowfall, the estimated sensitivity of the road structure model created for the white line among a plurality of road structure models is used, when the weather is not snowy. Higher than. Thereby, since the estimation sensitivity of the road structure model of the white line with high possibility of being hidden in the case of snowfall can be made high, it becomes possible to prevent the estimation accuracy of the road structure from being lowered.
さらに、本実施形態に係る道路構造推定装置1では、検出された天候が降雪である場合には、複数の道路構造モデルのうち道路端について作成された道路構造モデルの推定感度を、天候が降雪でない場合よりも高くする。これにより、降雪の場合に隠れてしまう可能性が高い道路端の道路構造モデルの推定感度を高くできるので、道路構造の推定精度の低下を防止することが可能となる。 Furthermore, in the road structure estimation apparatus 1 according to the present embodiment, when the detected weather is snowfall, the estimated sensitivity of the road structure model created for the road edge among the plurality of road structure models is used. Higher than if not. Thereby, since the estimation sensitivity of the road structure model of the road edge which is highly likely to be hidden in the case of snowfall can be increased, it is possible to prevent the estimation accuracy of the road structure from being lowered.
また、本実施形態に係る道路構造推定装置1では、検出された天候が降雪で、計測された道路上の積雪量が所定値以上である場合に、複数の道路構造モデルのうち縁石の道路構造モデルの推定感度を、積雪量が所定値未満である場合よりも高くする。これにより、道路上の積雪が多くなると隠れてしまう可能性が高い縁石の道路構造モデルの推定感度を高くできるので、道路構造の推定精度の低下を防止することが可能となる。 Further, in the road structure estimation device 1 according to the present embodiment, when the detected weather is snowfall and the measured amount of snow on the road is equal to or greater than a predetermined value, the curb road structure among a plurality of road structure models. The estimated sensitivity of the model is set higher than when the amount of snow is less than a predetermined value. As a result, it is possible to increase the estimation sensitivity of the curb road structure model, which is likely to be hidden when there is a lot of snow on the road, and thus it is possible to prevent a decrease in the estimation accuracy of the road structure.
さらに、本実施形態に係る道路構造推定装置1では、検出された天候が降雪で、計測された降雪量が所定値以上である場合に、複数の道路構造モデルのうち物標の道路構造モデルの推定感度を、降雪量が所定値未満である場合よりも高くする。これにより、降雪量が多くなると見えなくなる可能性が高い物標の道路構造モデルの推定感度を高くできるので、道路構造の推定精度の低下を防止することが可能となる。 Furthermore, in the road structure estimation apparatus 1 according to the present embodiment, when the detected weather is snowfall and the measured snowfall amount is equal to or greater than a predetermined value, the road structure model of the target among the plurality of road structure models. The estimated sensitivity is set higher than when the amount of snowfall is less than a predetermined value. As a result, it is possible to increase the estimation sensitivity of the road structure model of a target that is highly likely to disappear when the amount of snowfall increases, and thus it is possible to prevent a decrease in the estimation accuracy of the road structure.
[第3実施形態]
以下、本発明の第3実施形態について、図面を参照して説明する。図面の記載において同一部分には同一符号を付して説明を省略する。本実施形態では、道路構造モデル調整部13による道路構造モデルの調整処理が、第1及び第2実施形態と相違している。したがって、その他の構成や処理については、詳細な説明は省略する。
[Third Embodiment]
Hereinafter, a third embodiment of the present invention will be described with reference to the drawings. In the description of the drawings, the same portions are denoted by the same reference numerals, and description thereof is omitted. In the present embodiment, the road structure model adjustment processing by the road structure
[道路構造モデルの調整処理]
道路構造モデル調整部13は、図10に示すように、車両が走行する道路の天候を検出し、検出された天候に応じて、複数の道路構造モデルにおける道路構造の位置の誤差範囲を調整する処理を行う。図10では一例として4つの道路構造モデルが作成されている場合について説明する。図10に例示された道路構造モデルは、白線について作成された道路構造モデルと、縁石について作成された道路構造モデルと、物標について作成された道路構造モデルと、道路端について作成された道路構造モデルである。
[Adjustment processing of road structure model]
As shown in FIG. 10, the road structure
図10に示すように、道路構造モデル調整部13は、天候を判定して降雪でないと判定した場合には、すべての道路構造モデルにおける道路構造の位置の誤差範囲を、天候が降雪である場合よりも大きくするように調整する。そして、道路構造モデル調整部13は、誤差範囲を大きくしたすべての道路構造モデルを使用して道路構造の推定を行うように調整する。この際、道路構造モデル調整部13は、各道路構造モデルに重み付けを行ってもよいし、各道路構造モデルから取得してくる道路構造上の点の数を調整してもよい。
As shown in FIG. 10, when the road structure
ここで、図11、12を参照して、道路構造の位置の誤差範囲について説明する。図11は、道路構造として白線の位置を推定する場合に、検出された白線上の点の数が多い場合を示す図である。図12は、道路構造として白線の位置を推定する場合に、検出された白線上の点の数が少ない場合を示す図である。 Here, the error range of the position of the road structure will be described with reference to FIGS. FIG. 11 is a diagram illustrating a case where the number of detected points on the white line is large when the position of the white line is estimated as the road structure. FIG. 12 is a diagram illustrating a case where the number of detected points on the white line is small when the position of the white line is estimated as the road structure.
図11に示すように、天候が降雪ではなく晴れているような場合には、道路構造である白線上の点を多く検出することができ、図11では、点P1〜P5の5つの点を検出することができる。図11の曲線Wは、実際の白線の位置を表している。 As shown in FIG. 11, when the weather is clear rather than snowfall, many points on the white line that is a road structure can be detected. In FIG. 11, five points P1 to P5 are detected. Can be detected. A curve W in FIG. 11 represents the actual position of the white line.
この場合に、道路構造の位置の誤差範囲を小さくすると、白線の推定結果Sは点P1〜P5の中心付近を通るため、左右に蛇行した曲線となる。一方、道路構造の位置の誤差範囲を大きくすると、白線の推定結果Bは、点P1〜P5の位置の近傍を通るため、滑らかな曲線となる。したがって、天候が降雪ではなく晴れているような場合には、道路構造上の点を多く検出できるので、道路構造の位置の誤差範囲を大きくしたほうが道路構造の推定精度を向上させることができる。 In this case, if the error range of the position of the road structure is reduced, the white line estimation result S passes through the vicinity of the center of the points P1 to P5, and thus becomes a curved meandering left and right. On the other hand, when the error range of the position of the road structure is increased, the white line estimation result B passes through the vicinity of the positions of the points P1 to P5 and thus becomes a smooth curve. Therefore, when the weather is clear rather than snowfall, many points on the road structure can be detected. Therefore, the road structure estimation accuracy can be improved by increasing the error range of the road structure position.
一方、図12に示すように、天候が降雪である場合には、検出できる白線上の点の数が少なくなり、図12では、点P1、P3、P5の3つの点しか検出できていない。図12の点P1、P3、P5は図11の点P1、P3、P5と同一の点を表している。曲線Wも、図11と同様に実際の白線の位置を表している。 On the other hand, as shown in FIG. 12, when the weather is snowing, the number of points on the white line that can be detected decreases, and in FIG. 12, only three points P1, P3, and P5 can be detected. Points P1, P3, and P5 in FIG. 12 represent the same points as the points P1, P3, and P5 in FIG. A curve W also represents the actual position of the white line, as in FIG.
この場合に、道路構造の位置の誤差範囲を大きくすると、点の数が少ないため、白線の推定結果Bは点P1、P3、P5の中間位置を結ぶような曲線となってしまう。一方、道路構造の位置の誤差範囲を小さくすると、白線の推定結果Sは、点P1、P3、P5の位置をそれぞれ結ぶような曲線となるので、点の数が少なくても白線の位置を正確に推定することができる。したがって、天候が降雪である場合には、検出できる道路構造上の点の数が少なくなるので、道路構造の位置の誤差範囲を小さくしたほうが道路構造の推定精度を向上させることができる。 In this case, if the error range of the position of the road structure is increased, the number of points is small, and the white line estimation result B becomes a curve connecting the intermediate positions of the points P1, P3, and P5. On the other hand, when the error range of the position of the road structure is reduced, the white line estimation result S becomes a curve connecting the positions of the points P1, P3, and P5, so that the position of the white line can be accurately determined even if the number of points is small. Can be estimated. Therefore, when the weather is snowing, the number of points on the road structure that can be detected is reduced. Therefore, the road structure estimation accuracy can be improved by reducing the error range of the road structure position.
次に、天候を判定して降雪であると判定された場合について説明する。図10に示すように、道路構造モデル調整部13は、検出された天候が降雪である場合には、白線モデルの誤差範囲を天候が降雪でない場合よりも小さくする。同様に、道路構造モデル調整部13は、検出された天候が降雪である場合には、道路端モデルの誤差範囲を天候が降雪でない場合よりも小さくする。
Next, a case where the weather is determined and it is determined that it is snowing will be described. As shown in FIG. 10, when the detected weather is snowfall, the road structure
天候が降雪である場合には、道路上の白線や道路端は隠れてしまう可能性が高くなり、その状況で得られる白線や道路端のデータの数は少なくなってしまう。そのため、誤差範囲を大きくすると、図12で説明したように道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪である場合には、白線モデルや道路端モデルの誤差範囲を小さくすることによって、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 When the weather is snowing, there is a high possibility that the white line and the road edge on the road will be hidden, and the number of white line and road edge data obtained in that situation will be reduced. Therefore, if the error range is increased, the estimation accuracy of the road structure may be lowered as described with reference to FIG. Therefore, when the weather is snowing, the error range of the white line model and the road edge model can be reduced to prevent a decrease in the estimation accuracy of the road structure, which in turn improves the estimation accuracy of the self-location. ing.
また、道路構造モデル調整部13は、検出された天候が降雪である場合には、道路上の積雪量を計測し、計測された道路上の積雪量が所定値以上である場合には、縁石モデルの誤差範囲を、積雪量が所定値未満である場合よりも小さくする。
The road structure
道路上の積雪が縁石の高さ程度まで高くなると、道路沿いの縁石は隠れてしまう可能性が高くなり、その状況で得られる縁石のデータの数は少なくなってしまう。そのため、誤差範囲を大きくすると、図12で説明したように道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪であると判定され、道路上の積雪量が所定値以上である場合には、縁石モデルの誤差範囲を小さくすることによって、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 If the snow on the road rises to the height of the curb, the curb along the road is more likely to be hidden, and the number of curb data obtained in that situation is reduced. Therefore, if the error range is increased, the estimation accuracy of the road structure may be lowered as described with reference to FIG. Therefore, when it is determined that the weather is snowing and the amount of snow on the road is greater than or equal to a predetermined value, by reducing the error range of the curb model, it is possible to prevent a reduction in the estimation accuracy of the road structure, As a result, the self-position estimation accuracy is improved.
さらに、道路構造モデル調整部13は、検出された天候が降雪である場合には、降雪量を計測し、計測された降雪量が所定値以上である場合には、物標モデルの誤差範囲を、降雪量が所定値未満である場合よりも小さくする。
Further, the road structure
降雪量が多くなって視界が悪くなると、道路沿いの標識や信号機等は見えなくなる可能性が高くなり、その状況で得られる物標のデータの数は少なくなってしまう。そのため、誤差範囲を大きくすると、図12で説明したように道路構造の推定精度が低下してしまう可能性がある。そこで、天候が降雪であると判定され、降雪量が所定値以上である場合には、物標モデルの誤差範囲を小さくすることによって、道路構造の推定精度の低下を防止できるようにし、ひいては自己位置の推定精度を向上させるようにしている。 If the amount of snowfall increases and visibility becomes worse, there is a high possibility that signs and traffic lights along the road will not be visible, and the number of target data obtained in that situation will be reduced. Therefore, if the error range is increased, the estimation accuracy of the road structure may be lowered as described with reference to FIG. Therefore, if it is determined that the weather is snowing and the amount of snowfall is greater than or equal to a predetermined value, the error range of the target model can be reduced to prevent a decrease in the estimation accuracy of the road structure, and in turn The position estimation accuracy is improved.
尚、天候とは関係なく、検出できる物標のデータの数が少ない場合には、天候が降雪であるか否かに関わらず物標モデルの誤差範囲を小さくしてもよい。 If the number of target data that can be detected is small irrespective of the weather, the error range of the target model may be reduced regardless of whether the weather is snowing or not.
上述したように、天候が降雪である場合には、図10に示す方法で道路構造モデルにおける道路構造の位置の誤差範囲が調整される。道路構造モデル調整部13は、誤差範囲が調整された道路構造モデルを使用して道路構造の推定を行うように調整する。この際、道路構造モデル調整部13は、調整された道路構造モデルに重み付けを行ってもよいし、各道路構造モデルから取得してくる道路構造上の点の数を調整してもよい。
As described above, when the weather is snowing, the error range of the position of the road structure in the road structure model is adjusted by the method shown in FIG. The road structure
[第3実施形態の効果]
以上詳細に説明したように、本実施形態に係る道路構造推定装置1では、道路構造モデルを調整する処理として、複数の道路構造モデルにおける道路構造の位置の誤差範囲を調整する処理を行う。これにより、天候に応じて最適な誤差範囲に調整できるので、天候に左右されずに道路構造の位置を正確に推定することができる。
[Effect of the third embodiment]
As described above in detail, the road structure estimation device 1 according to the present embodiment performs a process of adjusting the error range of the position of the road structure in the plurality of road structure models as the process of adjusting the road structure model. Thereby, since it can adjust to the optimal error range according to the weather, the position of the road structure can be accurately estimated without being influenced by the weather.
また、本実施形態に係る道路構造推定装置1では、検出された天候が降雪である場合に、複数の道路構造モデルのうち白線について作成された道路構造モデルの誤差範囲を、天候が降雪でない場合よりも小さくする。これにより、降雪の場合に隠れてしまう可能性が高い白線の道路構造モデルの誤差範囲を小さくできるので、道路構造の推定精度の低下を防止することが可能となる。 Further, in the road structure estimation device 1 according to the present embodiment, when the detected weather is snowfall, the error range of the road structure model created for the white line among the plurality of road structure models is displayed, when the weather is not snowy. Smaller than. As a result, the error range of the road structure model of the white line that is highly likely to be hidden in the case of snowfall can be reduced, so that it is possible to prevent a decrease in the estimation accuracy of the road structure.
さらに、本実施形態に係る道路構造推定装置1では、検出された天候が降雪である場合には、複数の道路構造モデルのうち道路端について作成された道路構造モデルの誤差範囲を、天候が降雪でない場合よりも小さくする。これにより、降雪の場合に隠れてしまう可能性が高い道路端の道路構造モデルの誤差範囲を小さくできるので、道路構造の推定精度の低下を防止することが可能となる。 Furthermore, in the road structure estimation device 1 according to the present embodiment, when the detected weather is snowfall, the error falls within the error range of the road structure model created for the road edge among the plurality of road structure models. Make it smaller than not. As a result, the error range of the road structure model at the road edge that is highly likely to be hidden in the case of snowfall can be reduced, so that it is possible to prevent a decrease in the estimation accuracy of the road structure.
また、本実施形態に係る道路構造推定装置1では、検出された天候が降雪で、計測された道路上の積雪量が所定値以上である場合に、複数の道路構造モデルのうち縁石の道路構造モデルの誤差範囲を、積雪量が所定値未満である場合よりも小さくする。これにより、道路上の積雪が多くなると隠れてしまう可能性が高い縁石の道路構造モデルの誤差範囲を小さくできるので、道路構造の推定精度の低下を防止することが可能となる。 Further, in the road structure estimation device 1 according to the present embodiment, when the detected weather is snowfall and the measured amount of snow on the road is equal to or greater than a predetermined value, the curb road structure among a plurality of road structure models. The error range of the model is made smaller than when the amount of snow is less than a predetermined value. As a result, the error range of the curb road structure model, which has a high possibility of being hidden when the amount of snow on the road increases, can be reduced, so that it is possible to prevent a reduction in the estimation accuracy of the road structure.
また、本実施形態に係る道路構造推定装置1では、検出された天候が降雪で、計測された降雪量が所定値以上である場合に、複数の道路構造モデルのうち物標の道路構造モデルの誤差範囲を、降雪量が所定値未満である場合よりも小さくする。これにより、降雪量が多くなると見えなくなる可能性が高い物標の道路構造モデルの誤差範囲を小さくできるので、道路構造の推定精度の低下を防止することが可能となる。 Moreover, in the road structure estimation apparatus 1 according to the present embodiment, when the detected weather is snowfall and the measured snowfall amount is equal to or greater than a predetermined value, the road structure model of the target among the plurality of road structure models. The error range is made smaller than when the snowfall amount is less than a predetermined value. Thereby, since the error range of the road structure model of the target that is highly likely to disappear when the amount of snowfall increases can be reduced, it is possible to prevent the estimation accuracy of the road structure from being lowered.
尚、上述の実施形態は本発明の一例である。このため、本発明は、上述の実施形態に限定されることはなく、この実施形態以外の形態であっても、本発明に係る技術的思想を逸脱しない範囲であれば、設計などに応じて種々の変更が可能であることは勿論である。 The above-described embodiment is an example of the present invention. For this reason, the present invention is not limited to the above-described embodiment, and even if it is a form other than this embodiment, as long as it does not depart from the technical idea of the present invention, it depends on the design and the like. Of course, various modifications are possible.
1 道路構造推定装置
2 カメラ
3 レーザレンジファインダー
4 GPS受信機
5 ジャイロセンサ
6 地図データベース
7 通信機
10 コントローラ
11 走行軌跡モデル作成部
12 道路構造モデル作成部
13 道路構造モデル調整部
15 道路構造推定部
17 自己位置推定部
20 サーバ
DESCRIPTION OF SYMBOLS 1 Road
Claims (17)
車両が走行する道路の天候を検出し、
検出された天候に応じて、前記複数の道路構造モデルの中で道路構造の推定に使用される道路構造モデルを調整する処理を行い、
前記調整された道路構造モデルを用いて車両周囲の道路構造の位置を推定することを特徴とする道路構造推定方法。 A road structure model that is obtained by learning and modeling the road structure around the vehicle for each different road structure, and using the created road structure models, the road structure estimation that estimates the position of the road structure around the vehicle A device road structure estimation method comprising:
Detect the weather on the road where the vehicle is running,
According to the detected weather, a process for adjusting the road structure model used for estimating the road structure among the plurality of road structure models is performed,
A road structure estimation method, wherein a position of a road structure around a vehicle is estimated using the adjusted road structure model.
計測された道路上の積雪量が所定値以上である場合には、前記複数の道路構造モデルのうち縁石について作成された道路構造モデル以外の道路構造モデルを用いて、車両周囲の道路構造の位置を推定することを特徴する請求項3または4に記載の道路構造推定方法。 If the detected weather is snowfall, measure the amount of snow on the road,
If the measured amount of snow on the road is greater than or equal to a predetermined value, the position of the road structure around the vehicle using a road structure model other than the road structure model created for the curb among the plurality of road structure models The road structure estimation method according to claim 3, wherein the road structure is estimated.
計測された降雪量が所定値以上である場合には、前記複数の道路構造モデルのうち物標について作成された道路構造モデル以外の道路構造モデルを用いて、車両周囲の道路構造の位置を推定することを特徴する請求項3〜5のいずれか1項に記載の道路構造推定方法。 If the detected weather is snowfall, measure the amount of snowfall,
When the measured amount of snowfall is equal to or greater than a predetermined value, the position of the road structure around the vehicle is estimated using a road structure model other than the road structure model created for the target among the plurality of road structure models. The road structure estimation method according to any one of claims 3 to 5, wherein:
計測された道路上の積雪量が所定値以上である場合には、前記複数の道路構造モデルのうち縁石について作成された道路構造モデルの推定感度を、計測された積雪量が所定値未満である場合よりも高くすることを特徴する請求項8または9に記載の道路構造推定方法。 If the detected weather is snowfall, measure the amount of snow on the road,
If the measured amount of snow on the road is greater than or equal to a predetermined value, the estimated sensitivity of the road structure model created for the curbstone among the plurality of road structure models is less than the predetermined value. The road structure estimation method according to claim 8 or 9, wherein the road structure is higher than the case.
計測された降雪量が所定値以上である場合には、前記複数の道路構造モデルのうち物標について作成された道路構造モデルの推定感度を、計測された降雪量が所定値未満である場合よりも高くすることを特徴する請求項8〜10のいずれか1項に記載の道路構造推定方法。 If the detected weather is snowfall, measure the amount of snowfall,
When the measured amount of snowfall is greater than or equal to a predetermined value, the estimated sensitivity of the road structure model created for the target among the plurality of road structure models is greater than when the measured amount of snowfall is less than the predetermined value. The road structure estimation method according to any one of claims 8 to 10, wherein the road structure is also increased.
計測された道路上の積雪量が所定値以上である場合には、前記複数の道路構造モデルのうち縁石について作成された道路構造モデルの誤差範囲を、計測された積雪量が所定値未満である場合よりも小さくすることを特徴する請求項13または14に記載の道路構造推定方法。 If the detected weather is snowfall, measure the amount of snow on the road,
When the measured amount of snow on the road is greater than or equal to a predetermined value, the measured snow amount is less than the predetermined value within the error range of the road structure model created for the curb among the plurality of road structure models 15. The road structure estimation method according to claim 13 or 14, wherein the road structure estimation method is smaller than the case.
計測された降雪量が所定値以上である場合には、前記複数の道路構造モデルのうち物標について作成された道路構造モデルの誤差範囲を、計測された降雪量が所定値未満である場合よりも小さくすることを特徴する請求項13〜15のいずれか1項に記載の道路構造推定方法。 If the detected weather is snowfall, measure the amount of snowfall,
When the measured amount of snowfall is greater than or equal to a predetermined value, the error range of the road structure model created for the target among the plurality of road structure models is compared with the case where the measured amount of snowfall is less than the predetermined value. The road structure estimation method according to claim 13, wherein the road structure is also made smaller.
車両が走行する道路の天候を検出し、
検出された天候に応じて、前記複数の道路構造モデルの中で道路構造の推定に使用される道路構造モデルを調整する処理を行い、
前記調整された道路構造モデルを用いて車両周囲の道路構造の位置を推定することを特徴とする道路構造推定装置。 A road structure model that is obtained by learning and modeling the road structure around the vehicle for each different road structure, and using the created road structure models, the road structure estimation that estimates the position of the road structure around the vehicle A device,
Detect the weather on the road where the vehicle is running,
According to the detected weather, a process for adjusting the road structure model used for estimating the road structure among the plurality of road structure models is performed,
A road structure estimation apparatus characterized by estimating a position of a road structure around a vehicle using the adjusted road structure model.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018027627A JP7020957B2 (en) | 2018-02-20 | 2018-02-20 | Road structure estimation method and road structure estimation device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018027627A JP7020957B2 (en) | 2018-02-20 | 2018-02-20 | Road structure estimation method and road structure estimation device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2019144066A true JP2019144066A (en) | 2019-08-29 |
JP7020957B2 JP7020957B2 (en) | 2022-02-16 |
Family
ID=67773735
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018027627A Active JP7020957B2 (en) | 2018-02-20 | 2018-02-20 | Road structure estimation method and road structure estimation device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7020957B2 (en) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021047099A (en) * | 2019-09-19 | 2021-03-25 | 日立オートモティブシステムズ株式会社 | Vehicle own-location estimation device and own-location estimation method |
JP2021163476A (en) * | 2020-04-03 | 2021-10-11 | 中信戴▲か▼股▲ふん▼有限公司CITIC Dicastal Co., Ltd | Travel scene determination method, device, computer, storage medium and system |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006018688A (en) * | 2004-07-02 | 2006-01-19 | Toyota Motor Corp | Road environment recognition method and road environment recognition apparatus |
JP2007072987A (en) * | 2005-09-09 | 2007-03-22 | Denso Corp | Environment recognition apparatus |
JP2010247580A (en) * | 2009-04-13 | 2010-11-04 | Toyota Motor Corp | Travel supporting device |
WO2016208067A1 (en) * | 2015-06-26 | 2016-12-29 | 日産自動車株式会社 | Vehicle position determination device and vehicle position determination method |
-
2018
- 2018-02-20 JP JP2018027627A patent/JP7020957B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006018688A (en) * | 2004-07-02 | 2006-01-19 | Toyota Motor Corp | Road environment recognition method and road environment recognition apparatus |
JP2007072987A (en) * | 2005-09-09 | 2007-03-22 | Denso Corp | Environment recognition apparatus |
JP2010247580A (en) * | 2009-04-13 | 2010-11-04 | Toyota Motor Corp | Travel supporting device |
WO2016208067A1 (en) * | 2015-06-26 | 2016-12-29 | 日産自動車株式会社 | Vehicle position determination device and vehicle position determination method |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2021047099A (en) * | 2019-09-19 | 2021-03-25 | 日立オートモティブシステムズ株式会社 | Vehicle own-location estimation device and own-location estimation method |
JP7289761B2 (en) | 2019-09-19 | 2023-06-12 | 日立Astemo株式会社 | Vehicle self-position estimation device and self-position estimation method |
JP2021163476A (en) * | 2020-04-03 | 2021-10-11 | 中信戴▲か▼股▲ふん▼有限公司CITIC Dicastal Co., Ltd | Travel scene determination method, device, computer, storage medium and system |
US11691625B2 (en) | 2020-04-03 | 2023-07-04 | Citic Dicastal Co., Ltd. | Driving scene determining method and apparatus, computer, storage medium, and system |
Also Published As
Publication number | Publication date |
---|---|
JP7020957B2 (en) | 2022-02-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10239539B2 (en) | Vehicle travel control method and vehicle travel control device | |
JP6859927B2 (en) | Vehicle position estimation device | |
EP3358302A1 (en) | Travel control method and travel control device | |
JP2019517089A (en) | Image processing method for recognizing ground markings, and system for detecting ground markings | |
CN109791408B (en) | Self-position estimation method and self-position estimation device | |
JP6870475B2 (en) | Lane information output method and lane information output device | |
US11092442B2 (en) | Host vehicle position estimation device | |
WO2021205193A1 (en) | Map information correction method, driving assistance method, and map information correction device | |
JP7005326B2 (en) | Roadside object recognition device | |
JP6828655B2 (en) | Own vehicle position estimation device | |
JP2007303842A (en) | Vehicle position estimation device, and map information preparation device | |
WO2021240884A1 (en) | Vehicle control device and host vehicle position estimation method | |
JP6838365B2 (en) | Self-position estimation method and self-position estimation device | |
JP7418196B2 (en) | Travel trajectory estimation method and travel trajectory estimation device | |
JP6488913B2 (en) | Vehicle position determination device and vehicle position determination method | |
JP5910180B2 (en) | Moving object position and orientation estimation apparatus and method | |
JP7198687B2 (en) | Ambient environment information generation method and ambient environment information generation device | |
JP6834401B2 (en) | Self-position estimation method and self-position estimation device | |
JP7020957B2 (en) | Road structure estimation method and road structure estimation device | |
JP2019190994A (en) | Method and device for estimating self-position | |
JP6848531B2 (en) | Target position estimation method and target position estimation device | |
JP6819441B2 (en) | Target position estimation method and target position estimation device | |
JP7486556B2 (en) | Lane marking recognition device | |
JP2020008376A (en) | Travel trajectory estimating method and travel trajectory estimating device | |
JP7257158B2 (en) | Ambient environment information generation method and ambient environment information generation device |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20201112 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20211007 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211019 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211214 |
|
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: 20220111 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220203 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7020957 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |