JP2019164098A - Road surface shape estimation device, road surface shape estimation program, and moving body - Google Patents
Road surface shape estimation device, road surface shape estimation program, and moving body Download PDFInfo
- Publication number
- JP2019164098A JP2019164098A JP2018053411A JP2018053411A JP2019164098A JP 2019164098 A JP2019164098 A JP 2019164098A JP 2018053411 A JP2018053411 A JP 2018053411A JP 2018053411 A JP2018053411 A JP 2018053411A JP 2019164098 A JP2019164098 A JP 2019164098A
- Authority
- JP
- Japan
- Prior art keywords
- road surface
- unit
- reflection
- reflection point
- reflected
- 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.)
- Pending
Links
Abstract
Description
本開示は、路面形状推定技術に関し、とくに、移動体が移動する道路の路面の形状を推定する路面形状推定装置、路面形状推定プログラム、及びその路面形状推定装置を備える移動体に関する。 The present disclosure relates to a road surface shape estimation technique, and more particularly to a road surface shape estimation device, a road surface shape estimation program, and a mobile body including the road surface shape estimation device that estimate the shape of a road surface of a road on which the mobile body moves.
近年、運転者を支援するための様々な機能が車両に搭載されており、自律走行が可能な自動運転車の開発も進められている。利便性及び安全性の高い運転者支援機能や自動運転を実現するためには、車両の周囲の状況を高い精度で推定する技術が不可欠である。このような技術として、例えば特許文献１には、先行車や車線境界線等の特定物体が存在しない場合でも、前方道路の勾配を精度良く推定する技術が開示されている。 In recent years, various functions for assisting a driver have been mounted on a vehicle, and development of an autonomous driving vehicle capable of autonomous driving has been promoted. In order to realize a driver support function and automatic driving with high convenience and safety, a technology for estimating the situation around the vehicle with high accuracy is indispensable. As such a technique, for example, Patent Document 1 discloses a technique for accurately estimating the gradient of a road ahead even when a specific object such as a preceding vehicle or a lane boundary line does not exist.
本発明者らは、従来の道路勾配推定装置において利用されていたアルゴリズムを改良することにより、より精確に路面の形状を推定することを可能とする技術が必要とされていることを課題として認識した。 The present inventors have recognized as a problem that there is a need for a technique that makes it possible to more accurately estimate the shape of a road surface by improving an algorithm used in a conventional road gradient estimation device. did.
本開示はこうした状況に鑑みてなされたものであり、その目的は、路面の形状をより精確に推定する技術を提供することにある。 The present disclosure has been made in view of such circumstances, and an object thereof is to provide a technique for more accurately estimating the shape of the road surface.
上記課題を解決するために、本開示のある態様の路面形状推定装置は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の反射点の三次元位置を入力される入力部と、入力部に入力された複数の反射点までの距離に基づいて、複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、を備える。 In order to solve the above-described problem, a road surface shape estimation device according to an aspect of the present disclosure observes a three-dimensional position of a point where light is reflected by irradiating light around a moving body and receiving reflected light. Reflection points reflected on the road surface from a plurality of reflection points based on the distance from the sensor to the input unit to which the three-dimensional positions of the plurality of reflection points are input and the plurality of reflection points input to the input unit A road surface reflection point extraction unit, and a road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit.
本開示の別の態様は、移動体である。この移動体は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサと、移動体が移動する道路の路面の形状を推定する路面形状推定装置と、路面形状推定装置により推定された路面の形状を利用して移動体を制御する制御部と、を備える。路面形状推定装置は、センサから、複数の反射点の三次元位置を入力される入力部と、入力部に入力された複数の反射点までの距離に基づいて、複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、を備える。 Another aspect of the present disclosure is a moving object. This moving body irradiates light around the moving body and receives the reflected light, thereby estimating the three-dimensional position of the reflected point and the shape of the road surface of the road on which the moving body moves A road surface shape estimation device, and a control unit that controls the moving body using the road surface shape estimated by the road surface shape estimation device. The road surface shape estimation device is configured to detect a road surface from among a plurality of reflection points based on an input unit that receives a three-dimensional position of the plurality of reflection points from a sensor and distances to the plurality of reflection points that are input to the input unit. A road surface reflection point extraction unit that extracts the reflection point reflected by the road surface, and a road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit.
本開示のさらに別の態様は、路面形状推定装置である。この装置は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の仰俯角及び複数の方位角に向けて光を照射して観測された複数の反射点の三次元位置を入力される入力部と、入力部に入力された複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、を備える。路面反射点抽出部は、複数の反射点を仰俯角ごとに分類する分類部と、分類部により分類された反射点を、光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを仰俯角ごとに抽出するクラスタ抽出部と、を含む。路面形状推定部は、仰俯角ごとに抽出されたクラスタに属する複数の反射点の三次元位置に基づいて、路面の形状を推定する。 Yet another aspect of the present disclosure is a road surface shape estimation device. This device irradiates light around a moving body and receives reflected light from a sensor that observes the three-dimensional position of the point where the light is reflected, and emits light toward a plurality of elevation angles and a plurality of azimuth angles. The input unit that receives the three-dimensional position of the multiple reflection points observed by irradiating and the road surface reflection point extraction that extracts the reflection points reflected on the road surface from the multiple reflection points input to the input unit And a road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit. A road surface reflection point extraction unit includes a classification unit that classifies a plurality of reflection points for each elevation angle, and a clustering unit that clusters the reflection points classified by the classification unit for each target that is estimated to reflect light, A cluster extracting unit that extracts, for each elevation angle, a cluster to which a reflection point reflected on the road surface belongs from the clusters clustered by the clustering unit. The road surface shape estimation unit estimates the shape of the road surface based on the three-dimensional positions of a plurality of reflection points belonging to the cluster extracted for each elevation angle.
本開示のさらに別の態様は、移動体である。この移動体は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサと、移動体が移動する道路の路面の形状を推定する路面形状推定装置と、路面形状推定装置により推定された路面の形状を利用して移動体を制御する制御部と、を備える。路面形状推定装置は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の仰俯角及び複数の方位角に向けて光を照射して観測された複数の反射点の三次元位置を入力される入力部と、入力部に入力された複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、を備える。路面反射点抽出部は、複数の反射点を仰俯角ごとに分類する分類部と、分類部により分類された反射点を、光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを仰俯角ごとに抽出するクラスタ抽出部と、を含む。路面形状推定部は、仰俯角ごとに抽出されたクラスタに属する複数の反射点の三次元位置に基づいて、路面の形状を推定する。 Yet another embodiment of the present disclosure is a moving object. This moving body irradiates light around the moving body and receives the reflected light, thereby estimating the three-dimensional position of the reflected point and the shape of the road surface of the road on which the moving body moves A road surface shape estimation device, and a control unit that controls the moving body using the road surface shape estimated by the road surface shape estimation device. The road surface shape estimation device irradiates light around a moving body and receives reflected light to direct a plurality of elevation angles and azimuth angles from a sensor that observes the three-dimensional position of the reflected point. An input unit that receives the three-dimensional positions of multiple reflection points observed by irradiating light, and a road surface reflection that extracts the reflection points reflected on the road surface from the multiple reflection points input to the input unit A point extraction unit; and a road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit. A road surface reflection point extraction unit includes a classification unit that classifies a plurality of reflection points for each elevation angle, and a clustering unit that clusters the reflection points classified by the classification unit for each target that is estimated to reflect light, A cluster extracting unit that extracts, for each elevation angle, a cluster to which a reflection point reflected on the road surface belongs from the clusters clustered by the clustering unit. The road surface shape estimation unit estimates the shape of the road surface based on the three-dimensional positions of a plurality of reflection points belonging to the cluster extracted for each elevation angle.
なお、以上の構成要素の任意の組合せ、本開示の表現を方法、装置、システム、記録媒体、コンピュータプログラムなどの間で変換したものもまた、本開示の態様として有効である。 It should be noted that any combination of the above-described components and a representation of the present disclosure converted between a method, an apparatus, a system, a recording medium, a computer program, and the like are also effective as an aspect of the present disclosure.
本開示によれば、路面の形状をより精確に推定する技術を提供することができる。 According to the present disclosure, it is possible to provide a technique for more accurately estimating the shape of the road surface.
以下、図面を参照して本開示の実施の形態を詳細に説明する。なお、本実施の形態では、車両に搭載され、車両の前方の路面の勾配を推定する路面勾配推定装置に本開示を適用した例について説明する。 Hereinafter, embodiments of the present disclosure will be described in detail with reference to the drawings. In the present embodiment, an example in which the present disclosure is applied to a road surface gradient estimation device that is mounted on a vehicle and estimates the gradient of a road surface in front of the vehicle will be described.
図１は、第１の実施の形態に係る路面勾配推定装置１０を搭載した車両１の構成を示す。車両１は、車両１の前方の路面の形状や、路上の物体の形状及び位置などを観測するためのレーザレーダ２と、路面の勾配を推定する路面勾配推定装置１０と、車両１を統括的に制御するＥＣＵ３とを備える。 FIG. 1 shows a configuration of a vehicle 1 equipped with a road surface gradient estimation apparatus 10 according to the first embodiment. The vehicle 1 controls the vehicle 1 with a laser radar 2 for observing the shape of the road surface in front of the vehicle 1 and the shape and position of an object on the road, the road surface gradient estimation device 10 for estimating the road surface gradient, and the vehicle 1. The ECU 3 is controlled.
路面勾配推定装置１０は、入力部１２と、路面反射点抽出部１４と、路面勾配推定部１６とを備える。これらの構成は、ハードウエア的には、任意のコンピュータのＣＰＵ、メモリ、その他のＬＳＩで実現でき、ソフトウエア的にはメモリにロードされたプログラムなどによって実現されるが、ここではそれらの連携によって実現される機能ブロックを描いている。したがって、これらの機能ブロックがハードウエアのみ、ハードウエアとソフトウエアの組合せによっていろいろな形で実現できることは、当業者には理解されるところである。なお、路面勾配推定装置１０は、ＥＣＵ３の内部に備えられてもよいが、説明の便宜上、ＥＣＵ３とは独立した構成として示している。 The road surface gradient estimation device 10 includes an input unit 12, a road surface reflection point extraction unit 14, and a road surface gradient estimation unit 16. These configurations can be realized in terms of hardware by a CPU, memory, or other LSI of any computer, and in terms of software, they are realized by programs loaded into the memory. It depicts the functional blocks that are realized. Accordingly, those skilled in the art will understand that these functional blocks can be realized in various forms only by hardware, or by a combination of hardware and software. In addition, although the road surface gradient estimation apparatus 10 may be provided inside the ECU 3, it is shown as a configuration independent of the ECU 3 for convenience of explanation.
レーザレーダ２は、車両１の前方の所定の視野角の範囲に向けてレーザ光を水平方向に走査しながら照射し、路面や物体などで反射した反射光をセンサにより受光する。レーザレーダ２は、レーザ光が車両１の前方の路面に照射されるような仰角又は俯角で車両１の前方に設置される。レーザレーダ２は、レーザ光を照射してから受光するまでの時間から算出される反射点までの距離と、レーザ光を照射した方向に基づいて、レーザ光の反射点の三次元位置を算出し、算出した複数の反射点の三次元位置を点群データとして出力する。反射点の三次元位置は、レーザレーダ２から各反射点までの距離及び方位角を示す極座標で表されてもよいし、レーザレーダ２を中心とする三次元直交座標系における座標で表されてもよい。 The laser radar 2 emits laser light while scanning in the horizontal direction toward a predetermined viewing angle range in front of the vehicle 1 and receives reflected light reflected by a road surface or an object by a sensor. The laser radar 2 is installed in front of the vehicle 1 at an elevation angle or depression angle so that a laser beam is irradiated on a road surface in front of the vehicle 1. The laser radar 2 calculates the three-dimensional position of the reflection point of the laser beam based on the distance to the reflection point calculated from the time from the irradiation of the laser beam to the reception thereof and the direction of the irradiation of the laser beam. The calculated three-dimensional positions of the plurality of reflection points are output as point cloud data. The three-dimensional position of the reflection point may be represented by polar coordinates indicating the distance and azimuth angle from the laser radar 2 to each reflection point, or may be represented by coordinates in a three-dimensional orthogonal coordinate system centered on the laser radar 2. Also good.
入力部１２は、レーザレーダ２により観測された点群データをレーザレーダ２から入力され、入力された点群データをメモリに保持する。路面反射点抽出部１４は、入力部１２に入力された点群データから、路面で反射された点を抽出する。路面勾配推定部１６は、路面反射点抽出部１４により抽出された路面反射点の三次元位置データを使用して、路面の勾配を推定する。路面勾配推定部１６による推定結果は、ＥＣＵ３などに出力されて、車両１の制御などのために使用される。推定結果は、路面勾配推定装置１０に備えられた図示しない別の機能のために内部的に出力されてもよいし、ＥＣＵ３に備えられた構成に出力されてもよいし、車両１に備えられたＥＣＵ３以外の構成に出力されてもよいし、車両１の外部に出力されてもよい。 The input unit 12 receives point cloud data observed by the laser radar 2 from the laser radar 2 and holds the input point cloud data in a memory. The road surface reflection point extraction unit 14 extracts points reflected on the road surface from the point cloud data input to the input unit 12. The road surface gradient estimation unit 16 estimates the road surface gradient using the three-dimensional position data of the road surface reflection points extracted by the road surface reflection point extraction unit 14. The estimation result by the road surface gradient estimation unit 16 is output to the ECU 3 or the like and used for controlling the vehicle 1 or the like. The estimation result may be output internally for another function (not shown) provided in the road surface gradient estimation device 10, may be output to a configuration provided in the ECU 3, or provided in the vehicle 1. It may be output to a configuration other than the ECU 3 or may be output to the outside of the vehicle 1.
図２は、第１の実施の形態に係る、路面反射点を抽出する方法を説明するための図である。図２（ａ）は、天頂図における座標系を示す。ｘ軸の正の方向を右方向、ｙ軸の正の方向を下方向、ｚ軸の正の方向を紙面手前方向とする。図２（ｂ）は、レーザレーダ２から照射されるレーザ光を上から見た天頂図である。レーザレーダ２から照射されたレーザ光のうち、ビーム（ａ）で示されるレーザ光は、路面で反射されてレーザレーダ２のセンサにより受光されるが、ビーム（ｂ）で示されるレーザ光は、路上に設置された輪止めｏ１で反射されてレーザレーダ２のセンサにより受光される。図２（ｃ）は、ビーム（ａ）を横から見た側面図である。ビーム（ａ）は、路面の反射点ｐ（ａ）で反射される。図２（ｄ）は、ビーム（ｂ）を横から見た側面図である。ビーム（ｂ）は、輪止めｏ１の反射点ｐ（ｂ）で反射される。 FIG. 2 is a diagram for explaining a method of extracting road surface reflection points according to the first embodiment. FIG. 2A shows a coordinate system in the zenith diagram. The positive direction of the x axis is the right direction, the positive direction of the y axis is the downward direction, and the positive direction of the z axis is the front side of the page. FIG. 2B is a zenith view of the laser light emitted from the laser radar 2 as viewed from above. Of the laser light emitted from the laser radar 2, the laser light indicated by the beam (a) is reflected by the road surface and received by the sensor of the laser radar 2, but the laser light indicated by the beam (b) is The light is reflected by the wheel stopper o1 installed on the road and received by the sensor of the laser radar 2. FIG.2 (c) is the side view which looked at the beam (a) from the side. The beam (a) is reflected at the reflection point p (a) on the road surface. FIG.2 (d) is the side view which looked at the beam (b) from the side. The beam (b) is reflected at the reflection point p (b) of the ring stop o1.
ここで、路面上の反射点を基準として、各反射点の高さ及び距離の変化量を、ｄｚ、ｄｒとすると、ビームの俯角θ＿ｉは十分小さいので、輪止めの反射点ｐ（ｂ）のｄｚ及びｄｒは、一般に、｜ｄｒ｜＞｜ｄｚ｜となる。 Here, if the amount of change in the height and distance of each reflection point is dz and dr with reference to the reflection point on the road surface, the beam depression angle θ_i is sufficiently small, so that the reflection point p (b) of the ring stop is In general, dz and dr are | dr |> | dz |.
図２（ｅ）は、各反射点の高さ及び距離の変化量の関係を示す。Ｘ−Ｙ面内の方位角を横軸とし、ｄｚ及びｄｒの大きさを縦軸に描くと、路面の反射点では、ｄｚ＝ｄｒ＝０となるが、輪止めｏ１の反射点では、｜ｄｒ｜＞｜ｄｚ｜≧０となる。 FIG. 2E shows the relationship between the height of each reflection point and the amount of change in distance. When the azimuth angle in the XY plane is plotted on the horizontal axis and the magnitudes of dz and dr are plotted on the vertical axis, dz = dr = 0 at the reflection point of the road surface, but at the reflection point of the ring stop o1, | dr |> | dz | ≧ 0.
このように、路面反射点と、路面以外の反射点との間の差は、高さよりも距離の方が大きい。上述した特許文献１には、各反射点の高さ情報を用いて路面反射点か否かを判定する技術が開示されているが、本実施の形態の路面勾配推定装置１０では、反射点までの距離に基づいて路面反射点を抽出するので、より精確に路面反射点のみを抽出することができる。 Thus, the difference between the road surface reflection point and the reflection point other than the road surface is larger in distance than in height. Patent Document 1 described above discloses a technique for determining whether or not a road surface is a reflection point using the height information of each reflection point. However, in the road surface gradient estimation device 10 of the present embodiment, up to the reflection point is disclosed. Since the road surface reflection point is extracted on the basis of the distance, only the road surface reflection point can be extracted more accurately.
路面反射点抽出部１４は、まず基準となる路面反射点ｐ（ａ）を判定する。路面反射点ｐ（ａ）は、受光したレーザ光のパルス形状や信号強度、隣接する反射点との間の距離又は高さの連続性などに基づいて判定してもよい。特異点を除去した反射点のうち最も遠い反射点又は最も低い反射点を路面反射点ｐ（ａ）としてもよい。路面は一般的には平面であり、水平に走査したレーザ光による反射点は円弧状に観測されるため、円弧状に連続した点群に属する反射点を路面反射点ｐ（ａ）としてもよい。つづいて、路面反射点抽出部１４は、判定した路面反射点ｐ（ａ）までの距離を基準として、｜ｄｒ｜が所定の閾値の範囲内となる反射点を路面反射点として抽出する。高さではなく距離を基準として路面反射点と路面以外の反射点を分離することにより、より高い精度で路面反射点のみを抽出することができる。これにより、路面の形状を高い精度で推定することができる。また、閾値設定の余裕度を高めることができるので、より安定的に路面の形状を推定することができる。 The road surface reflection point extraction unit 14 first determines a road surface reflection point p (a) as a reference. The road surface reflection point p (a) may be determined based on the pulse shape or signal intensity of the received laser light, the continuity of the distance or height between adjacent reflection points, and the like. Of the reflection points from which the singular points are removed, the farthest reflection point or the lowest reflection point may be used as the road surface reflection point p (a). The road surface is generally a flat surface, and the reflection point by the laser beam scanned horizontally is observed in an arc shape. Therefore, the reflection point belonging to the point group continuous in the arc shape may be used as the road surface reflection point p (a). . Subsequently, the road surface reflection point extraction unit 14 extracts, as a road surface reflection point, a reflection point where | dr | is within a predetermined threshold range based on the determined distance to the road surface reflection point p (a). By separating the road surface reflection point and the reflection point other than the road surface on the basis of the distance, not the height, only the road surface reflection point can be extracted with higher accuracy. Thereby, the shape of the road surface can be estimated with high accuracy. In addition, since the threshold setting margin can be increased, the shape of the road surface can be estimated more stably.
路面勾配推定部１６は、路面反射点抽出部１４により抽出された路面反射点の三次元位置データを使用して、路面の勾配を推定する。路面勾配推定部１６は、抽出された路面反射点の三次元位置データを、路面の形状を表現した路面モデルの式にフィッティングして、路面の勾配を推定する。路面勾配推定部１６は、最小二乗法など、既知の任意の技術を利用して路面の形状を推定し、推定された路面の勾配を算出してもよい。例えば、路面勾配推定部１６は、路面反射点の最小二乗平面を算出し、算出した最小二乗平面の法線ベクトルから路面の勾配を算出してもよい。 The road surface gradient estimation unit 16 estimates the road surface gradient using the three-dimensional position data of the road surface reflection points extracted by the road surface reflection point extraction unit 14. The road surface gradient estimator 16 estimates the road surface gradient by fitting the extracted three-dimensional position data of the road surface reflection point to a road surface model expression representing the shape of the road surface. The road surface gradient estimation unit 16 may calculate the estimated road surface gradient by estimating the shape of the road surface using any known technique such as the least square method. For example, the road surface gradient estimation unit 16 may calculate the least square plane of the road surface reflection point and calculate the road surface gradient from the calculated normal vector of the least square plane.
図３は、第１の実施の形態に係る路面勾配推定方法の手順を示すフローチャートである。入力部１２は、レーザレーダ２により観測された点群データをレーザレーダ２から入力される（Ｓ１０）。路面反射点抽出部１４は、入力部１２に入力された点群データから、路面で反射された点を抽出する（Ｓ１２）。路面勾配推定部１６は、路面反射点抽出部１４により抽出された路面反射点の三次元位置データを使用して、路面の勾配を推定する（Ｓ１４）。路面勾配推定部１６は、車両１の制御などのために、推定結果をＥＣＵ３などに出力する（Ｓ１６）。 FIG. 3 is a flowchart showing a procedure of the road gradient estimation method according to the first embodiment. The input unit 12 receives point cloud data observed by the laser radar 2 from the laser radar 2 (S10). The road surface reflection point extraction unit 14 extracts points reflected on the road surface from the point cloud data input to the input unit 12 (S12). The road surface gradient estimation unit 16 estimates the road surface gradient using the three-dimensional position data of the road surface reflection points extracted by the road surface reflection point extraction unit 14 (S14). The road surface gradient estimation unit 16 outputs an estimation result to the ECU 3 or the like for the control of the vehicle 1 or the like (S16).
［第２の実施の形態］
図４は、第２の実施の形態に係る路面勾配推定装置２０を搭載した車両４の構成を示す。図１に示した第１の実施の形態に係る車両１の構成と同様の構成には、同一の符号を付している。第１の実施の形態と異なる構成及び動作について主に説明する。
[Second Embodiment]
FIG. 4 shows a configuration of the vehicle 4 on which the road surface gradient estimation device 20 according to the second embodiment is mounted. The same components as those of the vehicle 1 according to the first embodiment shown in FIG. The configuration and operation different from those of the first embodiment will be mainly described.
車両４は、車両４の前方の路面の形状や、路上の物体の形状及び位置などを観測するためのレーザレーダ５と、路面の勾配を推定する路面勾配推定装置２０と、車両４を統括的に制御するＥＣＵ３とを備える。 The vehicle 4 controls the vehicle 4 with a laser radar 5 for observing the shape of the road surface ahead of the vehicle 4 and the shape and position of an object on the road, the road surface gradient estimation device 20 for estimating the road surface gradient, and the vehicle 4. The ECU 3 is controlled.
路面勾配推定装置２０は、入力部１２と、路面反射点抽出部３０と、路面勾配推定部２２と、複数路面勾配推定部２４とを備える。これらの構成も、ハードウエアのみ、ハードウエアとソフトウエアの組合せによっていろいろな形で実現できる。 The road surface gradient estimation device 20 includes an input unit 12, a road surface reflection point extraction unit 30, a road surface gradient estimation unit 22, and a plurality of road surface gradient estimation units 24. These configurations can also be realized in various forms only by hardware and by a combination of hardware and software.
レーザレーダ５は、車両１の前方の複数の仰俯角及び複数の方位角に向けてレーザ光を照射し、路面や物体などで反射した反射光を受光する。本実施の形態のレーザレーダ５は、所定の方位角の範囲で水平方向に走査しながらレーザ光を照射することが可能であるだけでなく、所定の仰俯角の範囲で垂直方向にも走査しながらレーザ光を照射することが可能である。レーザレーダ５は、ある仰俯角においてレーザ光を水平方向に走査して、１本分の水平走査ラインの反射点を観測した後、仰俯角を単位角度分だけ変更し、変更後の仰俯角においてレーザ光を水平方向に走査して、次の１本分の水平走査ラインの反射点を観測し、以降、同様にして、仰俯角を変更しながら水平走査ライン１本分ずつ反射点を観測する。レーザレーダ５は、反射点の三次元位置と仰俯角を点群データとして出力する。 The laser radar 5 emits laser light toward a plurality of elevation angles and a plurality of azimuth angles in front of the vehicle 1 and receives reflected light reflected from a road surface or an object. The laser radar 5 of the present embodiment not only can irradiate laser light while scanning in the horizontal direction within a predetermined azimuth angle range, but also scans in the vertical direction within a predetermined elevation angle range. It is possible to irradiate with laser light. The laser radar 5 scans the laser beam in a horizontal direction at a certain elevation angle, observes a reflection point of one horizontal scanning line, changes the elevation angle by a unit angle, and changes the elevation angle after the change. The laser beam is scanned in the horizontal direction to observe the reflection point of the next horizontal scanning line, and thereafter the reflection point is observed for each horizontal scanning line in the same manner while changing the elevation angle. . The laser radar 5 outputs the three-dimensional position of the reflection point and the elevation angle as point cloud data.
入力部１２は、レーザレーダ５により観測された点群データをレーザレーダ５から入力され、入力された点群データをメモリに保持する。路面反射点抽出部３０は、入力部１２に入力された点群データから、路面で反射された点を抽出する。路面勾配推定部２２は、路面反射点抽出部３０により抽出された路面反射点の三次元位置データを使用して、路面の勾配を推定する。路面勾配推定部２２による推定結果は、ＥＣＵ３などに出力されて、車両１の制御などのために使用される。 The input unit 12 receives point cloud data observed by the laser radar 5 from the laser radar 5 and holds the input point cloud data in a memory. The road surface reflection point extraction unit 30 extracts points reflected on the road surface from the point cloud data input to the input unit 12. The road surface gradient estimation unit 22 estimates the road surface gradient using the three-dimensional position data of the road surface reflection points extracted by the road surface reflection point extraction unit 30. The estimation result by the road surface gradient estimation unit 22 is output to the ECU 3 or the like and used for controlling the vehicle 1 or the like.
路面反射点抽出部３０は、分類部３２、クラスタリング部３４、及びクラスタ抽出部３６を備える。分類部３２は、入力部１２に入力された点群データを、仰俯角ごとに分類する。クラスタリング部３４は、分類部３２により分類された仰俯角ごとの点群データを、レーザ光を反射した路面又は物体ごとに、複数のクラスタにクラスタ化する。クラスタ抽出部３６は、クラスタリング部３４によりクラスタ化されたクラスタの中から、路面で反射された反射点が属するクラスタを抽出する。 The road surface reflection point extraction unit 30 includes a classification unit 32, a clustering unit 34, and a cluster extraction unit 36. The classification unit 32 classifies the point cloud data input to the input unit 12 for each elevation angle. The clustering unit 34 clusters the point cloud data for each elevation angle classified by the classification unit 32 into a plurality of clusters for each road surface or object reflecting the laser light. The cluster extraction unit 36 extracts the cluster to which the reflection point reflected on the road surface belongs from the clusters clustered by the clustering unit 34.
図５は、第２の実施の形態に係る、路面反射点を抽出する方法を説明するための図である。図５（ａ）は、レーザレーダ５から照射されるレーザ光の反射点群を上から見た天頂図である。図５（ｂ）は、レーザレーダ５から照射されるレーザ光を横から見た側面図である。分類部３２は、入力部１２に入力された点群データを、仰俯角ごとに分類する。図５（ａ）に示した例では、点群データが点群ｂ０と点群ｂ１に分類される。クラスタリング部３４は、仰俯角ごとの反射点群に属するそれぞれの反射点の三次元位置に基づいて、同じ路面又は物体により反射されたと推定される点群をクラスタ化する。図５（ａ）に示した例では、点群ｂ０が、点群ｂ０−ｃ０、点群ｂ０−ｃ１、及び点群ｂ０−ｃ２にクラスタ化されるとともに、点群ｂ１が、点群ｂ１−ｃ０、点群ｂ１−ｃ２、及び点群ｂ１−ｃ２にクラスタ化される。実際には、点群ｂ０−ｃ０、点群ｂ０−ｃ２、点群ｂ１−ｃ０、及び点群ｂ１−ｃ２は、路面による反射点群であり、点群ｂ０−ｃ１は、障害物ｏ２による反射点群であり、点群ｂ１−ｃ１は、輪止めｏ３による反射点群である。 FIG. 5 is a diagram for explaining a method of extracting road surface reflection points according to the second embodiment. FIG. 5A is a zenith view of a reflection point group of laser light emitted from the laser radar 5 as seen from above. FIG. 5B is a side view of the laser light emitted from the laser radar 5 as viewed from the side. The classification unit 32 classifies the point cloud data input to the input unit 12 for each elevation angle. In the example shown in FIG. 5A, the point group data is classified into a point group b0 and a point group b1. The clustering unit 34 clusters the point groups estimated to be reflected by the same road surface or object based on the three-dimensional positions of the respective reflection points belonging to the reflection point group for each elevation angle. In the example shown in FIG. 5A, the point group b0 is clustered into a point group b0-c0, a point group b0-c1, and a point group b0-c2, and the point group b1 is converted into a point group b1- Clustered into c0, point group b1-c2, and point group b1-c2. Actually, the point group b0-c0, the point group b0-c2, the point group b1-c0, and the point group b1-c2 are reflection point groups by the road surface, and the point group b0-c1 is reflection by the obstacle o2. It is a point group, and the point group b1-c1 is a reflection point group by the wheel stopper o3.
クラスタリング部３４は、水平走査ラインごとの反射点群の三次元位置の連続性に基づいて反射点をクラスタ化してもよい。例えば、仰俯角ごとの点群データの三次元位置を走査し、隣接する反射点の座標値の差が閾値以上である場合に、その前後でクラスタを分割してもよい。クラスタリング部３４は、仰俯角ごとの点群データの高さ又は距離情報に基づいて反射点をクラスタ化してもよい。 The clustering unit 34 may cluster the reflection points based on the continuity of the three-dimensional position of the reflection point group for each horizontal scanning line. For example, when the three-dimensional position of the point cloud data for each elevation angle is scanned and the difference in the coordinate values of the adjacent reflection points is greater than or equal to the threshold, the cluster may be divided before and after that. The clustering unit 34 may cluster the reflection points based on the height or distance information of the point cloud data for each elevation angle.
クラスタ抽出部３６は、クラスタリング部３４によりクラスタ化されたクラスタのそれぞれについて高さの平均値を算出し、仰俯角ごとに高さの平均値が最低となるクラスタに属する反射点を路面反射点として抽出する。図５（ａ）に示した例では、点群ｂ０においては点群ｂ０−ｃ０の高さの平均値が最低となるので点群ｂ０−ｃ０が路面反射点のクラスタとして抽出され、点群ｂ１においては点群ｂ１−ｃ０の高さの平均値が最低となるので点群ｂ１−ｃ０が路面反射点のクラスタとして抽出される。クラスタ抽出部３６は、最も低い高さの平均値との差が所定の閾値未満となる高さの平均値を有するクラスタを更に抽出してもよい。この場合、図５（ａ）に示した例では、点群ｂ０においては点群ｂ０−ｃ０及び点群ｂ０−ｃ２が抽出され、点群ｂ１においては点群ｂ１−ｃ０及び点群ｂ１−ｃ２が抽出される。これにより、より高い精度で路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。また、仰俯角の異なる複数の水平走査ラインの反射点の点群データを用いることができるので、路面の形状の推定に必要な点群データ数を確保することができ、路面の形状を高い精度で推定することができる。 The cluster extraction unit 36 calculates an average value of the heights of the clusters clustered by the clustering unit 34, and uses a reflection point belonging to the cluster having the lowest average height value for each elevation angle as a road surface reflection point. Extract. In the example shown in FIG. 5A, in the point group b0, the average height of the point group b0-c0 is the lowest, so the point group b0-c0 is extracted as a cluster of road surface reflection points, and the point group b1 Since the average height of the point group b1-c0 is the lowest, the point group b1-c0 is extracted as a cluster of road surface reflection points. The cluster extraction unit 36 may further extract a cluster having an average value of heights such that the difference from the average value of the lowest height is less than a predetermined threshold value. In this case, in the example shown in FIG. 5A, the point group b0-c0 and the point group b0-c2 are extracted from the point group b0, and the point group b1-c0 and the point group b1-c2 are extracted from the point group b1. Is extracted. Thereby, since only a road surface reflection point can be extracted with higher accuracy, the shape of the road surface can be estimated with high accuracy. In addition, since point cloud data of reflection points of a plurality of horizontal scanning lines having different elevation angles can be used, the number of point cloud data necessary for estimating the road surface shape can be secured, and the road surface shape can be obtained with high accuracy. Can be estimated.
図６は、第２の実施の形態に係る、路面反射点を抽出する方法を説明するための図である。図６に示したように、車両４が下り坂の終点の直前を走行中である場合や、車両４の前方に上り坂がある場合など、車両４の前方の路面が車両４の現在位置の路面に対して上方向に傾斜している場合は、路面反射点が属するクラスタの高さの平均値が最低とはならない場合がある。図６の例において、車両ｖが下り坂の終点の直前の斜面を走行中に、前方の平坦な路面上にある障害物ｏ４及びｏ５による反射点と、路面反射点とが観測されるが、路面反射点の高さｈ３は、障害物ｏ４による反射点の高さｈ１及び障害物ｏ５による反射点の高さｈ２よりも高い。このような場合には、クラスタに属する反射点が描く形状が円弧状であるクラスタが路面反射点として抽出されてもよいし、距離の平均値が最も遠いクラスタが路面反射点として抽出されてもよい。また、方位角が同一で仰俯角が異なる反射点の三次元位置に基づいて、それらの反射点が路面により反射されたのか路上の物体により反射されたのかが判定されてもよい。例えば、隣接する水平走査ラインの同じ方位角の反射点の間の距離が所定値よりも短い場合は、それらの反射点はレーザ光に略垂直な面により反射されたものであると推定されるので、路面反射点ではないと判定されてもよく、隣接する水平走査ラインの同じ方位角の反射点の間の距離が所定値よりも長い場合は、それらの反射点はレーザ光に略平行な面により反射されたものであると推定されるので、路面反射点であると判定されてもよい。反射点までの距離、反射点の三次元位置、同一の水平走査ラインにおける連続した複数の反射点群が描く形状又は長さ、方位角が同一で仰俯角が異なる反射点の三次元位置などを複合的に判定基準としてもよい。撮像装置による撮像画像や、車両に搭載されたジャイロセンサにより検知される車両の姿勢情報など、他の情報を更に基準として路面反射点が判定されてもよい。 FIG. 6 is a diagram for explaining a method of extracting road surface reflection points according to the second embodiment. As shown in FIG. 6, when the vehicle 4 is traveling immediately before the end point of the downhill, or when there is an uphill in front of the vehicle 4, the road surface in front of the vehicle 4 is the current position of the vehicle 4. When the vehicle is inclined upward with respect to the road surface, the average value of the heights of the clusters to which the road surface reflection points belong may not be the lowest. In the example of FIG. 6, while the vehicle v is traveling on the slope just before the end point of the downhill, the reflection points by the obstacles o4 and o5 on the flat road surface ahead and the road surface reflection points are observed. The height h3 of the road surface reflection point is higher than the height h1 of the reflection point due to the obstacle o4 and the height h2 of the reflection point due to the obstacle o5. In such a case, a cluster in which the shape drawn by the reflection points belonging to the cluster is an arc shape may be extracted as a road surface reflection point, or a cluster having the longest average distance may be extracted as a road surface reflection point. Good. Further, based on the three-dimensional positions of the reflection points having the same azimuth angle and different elevation angles, it may be determined whether the reflection points are reflected by the road surface or by objects on the road. For example, when the distance between reflection points having the same azimuth angle between adjacent horizontal scanning lines is shorter than a predetermined value, it is estimated that those reflection points are reflected by a surface substantially perpendicular to the laser beam. Therefore, it may be determined that it is not a road surface reflection point, and when the distance between reflection points of the same azimuth angle of adjacent horizontal scanning lines is longer than a predetermined value, those reflection points are substantially parallel to the laser beam. Since it is estimated that the light is reflected by the surface, it may be determined that it is a road surface reflection point. The distance to the reflection point, the three-dimensional position of the reflection point, the shape or length drawn by a plurality of consecutive reflection points on the same horizontal scanning line, the three-dimensional position of the reflection point with the same azimuth and different elevation angles It is good also as judgment criteria in combination. The road surface reflection point may be determined based on other information such as an image captured by the imaging device and vehicle posture information detected by a gyro sensor mounted on the vehicle.
車両４が上り坂の終点の直前を走行中である場合や、車両４の前方に下り坂がある場合など、車両４の前方の路面が車両４の現在位置の路面に対して下方向に傾斜している場合は、全ての仰角及び一部の俯角において路面反射点が観測されない場合がある。このような場合には、路面反射点が観測されなかった領域の路面の形状を推定するのは困難であるとしても、前方の路面が現在位置の路面よりも下方向に傾斜していることを推定することができる。 When the vehicle 4 is traveling just before the end point of the uphill, or when there is a downhill ahead of the vehicle 4, the road surface in front of the vehicle 4 is inclined downward with respect to the road surface of the current position of the vehicle 4. In this case, road reflection points may not be observed at all elevation angles and some depression angles. In such a case, even if it is difficult to estimate the shape of the road surface in the area where the road surface reflection point was not observed, the road surface ahead is inclined downward than the road surface at the current position. Can be estimated.
路面勾配推定部２２は、複数の仰俯角の水平走査ラインごとに抽出されたクラスタに属する路面反射点の三次元位置に基づいて路面の形状を推定し、推定された路面の勾配を出力する。路面勾配推定部２２は、ＲＡＮＳＡＣ（Random Sampling Consensus）やＭ推定などのロバスト推定アルゴリズムにより路面の形状を推定してもよい。この場合、路面勾配推定部２２は、抽出された反射点からランダムに３点を選択し、選択した３点を通る推定平面を規定するパラメータを算出し、推定平面と各反射点との間の距離が閾値未満である反射点を合意集合として出力する。以上の推定を複数回繰り返し、最良の合意集合が得られた推定平面を路面の形状として採用し、路面の勾配を算出して出力する。これにより、外れ値の影響を最小限に抑えることができる。 The road surface gradient estimation unit 22 estimates the shape of the road surface based on the three-dimensional position of the road surface reflection point belonging to the cluster extracted for each horizontal scanning line of a plurality of elevation angles, and outputs the estimated road surface gradient. The road surface gradient estimation unit 22 may estimate the shape of the road surface by a robust estimation algorithm such as RANSAC (Random Sampling Consensus) or M estimation. In this case, the road surface gradient estimation unit 22 randomly selects three points from the extracted reflection points, calculates a parameter that defines an estimation plane passing through the selected three points, and determines between the estimation plane and each reflection point. A reflection point whose distance is less than the threshold is output as a consensus set. The above estimation is repeated a plurality of times, the estimated plane from which the best consensus set is obtained is adopted as the road surface shape, and the road surface gradient is calculated and output. As a result, the influence of outliers can be minimized.
複数路面勾配推定部２４は、路面勾配推定部２２により推定された形状の路面からの距離が所定の閾値未満である反射点を、入力部１２に入力された複数の反射点から除去し、残りの反射点を路面勾配推定部２２に再び入力して、残りの反射点が属する路面の形状を推定させる。現実の路面は、単一の平面で表すことができるとは限らないので、複数の平面にフィッティングすることにより、より精確に路面の形状を表すことができる。 The multiple road surface gradient estimation unit 24 removes the reflection points whose distance from the road surface of the shape estimated by the road surface gradient estimation unit 22 is less than a predetermined threshold from the plurality of reflection points input to the input unit 12, and the remaining Are again input to the road surface gradient estimation unit 22 to estimate the shape of the road surface to which the remaining reflection points belong. Since an actual road surface cannot always be expressed by a single plane, the shape of the road surface can be expressed more accurately by fitting to a plurality of planes.
複数路面勾配推定部２４は、まず、路面反射点抽出部３０により抽出された最も低い路面反射点に基づいて路面勾配推定部２２により推定された路面を第１路面とする。複数路面勾配推定部２４は、第１路面からの距離が所定の閾値未満である反射点を第１路面点群とし、全点群から第１路面点群を除去する。第１路面に属さない残りの点群の数が所定値未満であれば、残りの点群は路面反射点ではないものとして無視する。残りの点群の数が所定値以上であれば、残りの点群に基づいて再び路面勾配推定部２２に路面の形状を推定させる。複数路面勾配推定部２４は、路面勾配推定部２２により推定された路面を第２路面とし、第２路面からの距離が所定の閾値未満である反射点を第２路面点群とし、第１路面点群が除去された残りの点群から更に第２路面点群を除去する。第１路面にも第２路面にも属さない残りの点群の数が所定値以下であれば、残りの点群は路面反射点ではないものとして無視する。残りの点群の数が所定値よりも多ければ、上記の路面推定を繰り返す。 First, the multiple road surface gradient estimation unit 24 sets the road surface estimated by the road surface gradient estimation unit 22 based on the lowest road surface reflection point extracted by the road surface reflection point extraction unit 30 as the first road surface. The multiple road surface gradient estimation unit 24 sets a reflection point whose distance from the first road surface is less than a predetermined threshold as a first road surface point group, and removes the first road surface point group from all point groups. If the number of remaining point groups not belonging to the first road surface is less than a predetermined value, the remaining point groups are ignored as not being road surface reflection points. If the number of remaining point groups is equal to or greater than a predetermined value, the road surface gradient estimating unit 22 is caused to again estimate the shape of the road surface based on the remaining point groups. The multiple road surface gradient estimation unit 24 sets the road surface estimated by the road surface gradient estimation unit 22 as a second road surface, sets reflection points whose distance from the second road surface is less than a predetermined threshold as a second road surface point group, and sets the first road surface. A second road surface point group is further removed from the remaining point group from which the point group has been removed. If the number of remaining point groups that do not belong to the first road surface or the second road surface is equal to or less than a predetermined value, the remaining point groups are ignored as not being road surface reflection points. If the number of remaining point groups is greater than a predetermined value, the above road surface estimation is repeated.
図７は、第２の実施の形態に係る路面勾配推定方法の手順を示すフローチャートである。入力部１２は、レーザレーダ５により観測された点群データをレーザレーダ５から入力される（Ｓ２０）。路面反射点抽出部３０の分類部３２は、入力部１２に入力された点群データを、仰俯角ごとに分類する（Ｓ２２）。クラスタリング部３４は、分類部３２により分類された仰俯角ごとの点群データを、レーザ光を反射した路面又は物体ごとに、複数のクラスタにクラスタ化する（Ｓ２４）。クラスタ抽出部３６は、クラスタリング部３４によりクラスタ化されたクラスタのそれぞれについて高さの平均値を算出し（Ｓ２６）、仰俯角ごとに高さの平均値が最低となるクラスタを、路面で反射された反射点が属するクラスタとして抽出する（Ｓ２８）。路面勾配推定部２２は、路面反射点抽出部３０により抽出された路面反射点の三次元位置データを使用して、路面の勾配を推定する（Ｓ３０）。路面勾配推定部２２は、車両１の制御などのために、推定結果をＥＣＵ３などに出力する（Ｓ３２）。 FIG. 7 is a flowchart showing a procedure of the road gradient estimation method according to the second embodiment. The input unit 12 receives point cloud data observed by the laser radar 5 from the laser radar 5 (S20). The classification unit 32 of the road surface reflection point extraction unit 30 classifies the point cloud data input to the input unit 12 for each elevation angle (S22). The clustering unit 34 clusters the point cloud data for each elevation angle classified by the classification unit 32 into a plurality of clusters for each road surface or object reflecting the laser beam (S24). The cluster extraction unit 36 calculates an average height value for each of the clusters clustered by the clustering unit 34 (S26), and the cluster having the lowest average height value for each elevation angle is reflected on the road surface. Extracted as a cluster to which the reflected point belongs (S28). The road surface gradient estimation unit 22 estimates the road surface gradient using the three-dimensional position data of the road surface reflection points extracted by the road surface reflection point extraction unit 30 (S30). The road surface gradient estimation unit 22 outputs an estimation result to the ECU 3 or the like for the control of the vehicle 1 or the like (S32).
図８は、図７に示した路面勾配推定方法のＳ３０の詳細を示すフローチャートである。路面勾配推定部２２は、ＲＡＮＳＡＣアルゴリズムにより路面を表すパラメータを推定し、路面の勾配を推定する（Ｓ４０）。初回の推定は、図７のＳ２８で抽出された路面反射点に基づいて行われ、第１路面の勾配が推定される。複数路面勾配推定部２４は、第１路面からの距離が所定の閾値未満である反射点を第１路面点群として、全点群から第１路面点群を除去する（Ｓ４２）。第１路面に属さない残りの点群の数が所定値以下であれば（Ｓ４２のＹ）、Ｓ３０を終了する。残りの点群の数が所定値よりも多ければ（Ｓ４２のＮ）、Ｓ４０に戻り、路面勾配推定部２２は、第２路面の勾配を推定する。以上の手順を、残りの点群の数が所定値以下となるまで続ける。 FIG. 8 is a flowchart showing details of S30 in the road gradient estimation method shown in FIG. The road surface gradient estimation unit 22 estimates a parameter representing the road surface by the RANSAC algorithm, and estimates a road surface gradient (S40). The initial estimation is performed based on the road surface reflection points extracted in S28 of FIG. 7, and the gradient of the first road surface is estimated. The multiple road surface gradient estimating unit 24 removes the first road surface point group from all the point groups, with the reflection points whose distance from the first road surface is less than a predetermined threshold as the first road surface point group (S42). If the number of remaining point groups that do not belong to the first road surface is equal to or smaller than a predetermined value (Y in S42), S30 ends. If the number of remaining point groups is greater than the predetermined value (N in S42), the process returns to S40, and the road surface gradient estimation unit 22 estimates the gradient of the second road surface. The above procedure is continued until the number of remaining point groups becomes a predetermined value or less.
［第３の実施の形態］
図９は、第３の実施の形態に係る路面勾配推定装置４０を搭載した車両６の構成を示す。第３の実施の形態に係る路面勾配推定装置４０は、第１の実施の形態に係る路面勾配推定装置１０の特徴と、第２の実施の形態に係る路面勾配推定装置２０の特徴を合わせ持つものである。図１に示した第１の実施の形態に係る車両１、又は、図４に示した第２の実施の形態に係る車両４の構成と同様の構成には、同一の符号を付している。第１の実施の形態及び第２の実施の形態と異なる構成及び動作について主に説明する。
[Third Embodiment]
FIG. 9 shows a configuration of the vehicle 6 equipped with the road surface gradient estimation device 40 according to the third embodiment. The road surface gradient estimation device 40 according to the third embodiment has the characteristics of the road surface gradient estimation device 10 according to the first embodiment and the features of the road surface gradient estimation device 20 according to the second embodiment. Is. The same components as those of the vehicle 1 according to the first embodiment shown in FIG. 1 or the vehicle 4 according to the second embodiment shown in FIG. 4 are denoted by the same reference numerals. . The configuration and operation different from the first embodiment and the second embodiment will be mainly described.
路面反射点抽出部４２のクラスタリング部４４は、第１の実施の形態に係る路面勾配推定装置１０の路面反射点抽出部１４と同様に、反射点までの距離に基づいて、分類部３２により仰俯角ごとに分類された反射点をクラスタ化する。クラスタリング部４４は、仰俯角ごとの点群データの三次元位置を走査し、隣接する反射点の間で、反射点までの距離の差が閾値以上である場合に、その前後でクラスタを分割してもよい。この場合は、図５（ａ）と同様に点群がクラスタ化される。クラスタリング部４４は、反射点までの距離が閾値の範囲内である反射点が同じクラスタになるように、点群をクラスタ化してもよい。この場合は、図５（ａ）に示した点群ｂ０−ｃ０と点群ｂ０−ｃ２は同じクラスタに属し、点群ｂ１−ｃ０と点群ｂ１−ｃ２は同じクラスタに属する。 Similar to the road surface reflection point extraction unit 14 of the road surface gradient estimation apparatus 10 according to the first embodiment, the clustering unit 44 of the road surface reflection point extraction unit 42 is raised by the classification unit 32 based on the distance to the reflection point. The reflection points classified by depression angles are clustered. The clustering unit 44 scans the three-dimensional position of the point cloud data for each elevation angle, and divides the cluster before and after the difference between the adjacent reflection points when the difference in distance to the reflection point is equal to or greater than the threshold value. May be. In this case, the point cloud is clustered as in FIG. The clustering unit 44 may cluster the point group so that the reflection points whose distances to the reflection points are within the threshold range are the same cluster. In this case, the point group b0-c0 and the point group b0-c2 shown in FIG. 5A belong to the same cluster, and the point group b1-c0 and the point group b1-c2 belong to the same cluster.
第１の実施の形態で説明したように、路面反射点を抽出する際に、高さよりも距離を基準とした方が、より精確に路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。 As described in the first embodiment, when extracting a road surface reflection point, it is possible to extract only the road surface reflection point more accurately when the distance is used as a reference than the height. Can be estimated with high accuracy.
以上、本開示を実施例をもとに説明した。この実施例は例示であり、それらの各構成要素あるいは各処理プロセスの組合せにいろいろな変形例が可能なこと、またそうした変形例も本開示の範囲にあることは当業者に理解されるところである。 The present disclosure has been described based on the embodiments. This embodiment is an exemplification, and it is understood by those skilled in the art that various modifications can be made to each of those components or combinations of processing processes, and such modifications are also within the scope of the present disclosure. .
実施の形態では、レーザレーダにより車両の周辺の複数の反射点の位置を観測する場合について説明したが、これに限定されるものではなく、ミリ波などの電磁波を用いてもよいし、測距機能を有するカメラなどを用いてもよい。 In the embodiment, the case of observing the positions of a plurality of reflection points around the vehicle using a laser radar has been described. However, the present invention is not limited to this, and electromagnetic waves such as millimeter waves may be used. A camera having a function may be used.
本開示の一態様の概要は、次の通りである。本開示のある態様の路面形状推定装置は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の反射点の三次元位置を入力される入力部と、入力部に入力された複数の反射点までの距離に基づいて、複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、を備える。 The outline | summary of 1 aspect of this indication is as follows. A road surface shape estimation apparatus according to an aspect of the present disclosure is configured to irradiate light around a moving body and receive reflected light to detect a plurality of reflection points from a sensor that observes a three-dimensional position of the reflected point. An input unit that inputs a three-dimensional position and a road surface reflection point extraction unit that extracts a reflection point reflected on the road surface from a plurality of reflection points based on distances to the plurality of reflection points input to the input unit. And a road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit.
この態様によると、より高い精度で路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。 According to this aspect, only the road surface reflection point can be extracted with higher accuracy, and therefore the shape of the road surface can be estimated with high accuracy.
路面反射点抽出部は、路面で反射された反射点を基準として、反射点までの距離の差が所定の閾値未満である反射点を抽出してもよい。この態様によると、より高い精度で路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。 The road surface reflection point extraction unit may extract a reflection point whose difference in distance to the reflection point is less than a predetermined threshold with reference to the reflection point reflected on the road surface. According to this aspect, only the road surface reflection point can be extracted with higher accuracy, and therefore the shape of the road surface can be estimated with high accuracy.
入力部は、センサが複数の仰俯角及び複数の方位角に向けて光を照射して観測した複数の反射点の三次元位置を入力され、路面反射点抽出部は、複数の反射点を仰俯角ごとに分類する分類部と、複数の反射点までの距離に基づいて、分類部により分類された反射点を、光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを抽出するクラスタ抽出部と、を含んでもよい。この態様によると、より高い精度で路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。また、仰俯角の異なる複数の水平走査ラインの反射点のデータを用いることができるので、路面の形状の推定に必要な点群データ数を確保することができ、路面の形状を高い精度で推定することができる。 The input unit receives the three-dimensional positions of a plurality of reflection points observed by the sensor irradiating light toward a plurality of elevation angles and a plurality of azimuth angles, and the road surface reflection point extraction unit detects the plurality of reflection points. A clustering unit that classifies each depression angle, a clustering unit that clusters the reflection points classified by the classification unit for each target that is estimated to reflect light, based on the distance to a plurality of reflection points, and clustering A cluster extraction unit that extracts a cluster to which a reflection point reflected on the road surface belongs from the clusters clustered by the unit. According to this aspect, only the road surface reflection point can be extracted with higher accuracy, and therefore the shape of the road surface can be estimated with high accuracy. In addition, the reflection point data of multiple horizontal scanning lines with different elevation angles can be used, so the number of point cloud data necessary to estimate the road surface shape can be secured and the road surface shape can be estimated with high accuracy. can do.
クラスタ抽出部は、クラスタごとに、そのクラスタに属する反射点の高さの平均値を算出し、高さの平均値が最低であるクラスタを抽出してもよい。この態様によると、より高い精度で路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。 For each cluster, the cluster extraction unit may calculate an average value of the heights of the reflection points belonging to the cluster, and extract a cluster having the lowest average value of the heights. According to this aspect, only the road surface reflection point can be extracted with higher accuracy, and therefore the shape of the road surface can be estimated with high accuracy.
路面形状推定部は、ロバスト推定アルゴリズムにより路面の形状を推定してもよい。この態様によると、外れ値による影響を抑え、路面の形状を高い精度で推定することができる。 The road surface shape estimation unit may estimate the shape of the road surface using a robust estimation algorithm. According to this aspect, the influence of an outlier can be suppressed and the road surface shape can be estimated with high accuracy.
路面形状推定部により推定された形状の路面からの距離が所定の閾値未満である反射点を入力部に入力された複数の反射点から除去し、残りの反射点を路面形状推定部に再び入力して、残りの反射点が属する路面の形状を推定させる複数路面形状推定部を更に備えてもよい。この態様によると、より精確に路面の形状を表すことができる。 The reflection point whose distance from the road surface of the shape estimated by the road surface shape estimation unit is less than a predetermined threshold is removed from the plurality of reflection points input to the input unit, and the remaining reflection points are input to the road surface shape estimation unit again. And you may further provide the multiple road surface shape estimation part which estimates the shape of the road surface to which the remaining reflective points belong. According to this aspect, the shape of the road surface can be expressed more accurately.
本開示の別の態様は、移動体である。この移動体は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサと、移動体が移動する道路の路面の形状を推定する路面形状推定装置と、路面形状推定装置により推定された路面の形状を利用して移動体を制御する制御部と、を備える。路面形状推定装置は、センサから、複数の反射点の三次元位置を入力される入力部と、入力部に入力された複数の反射点までの距離に基づいて、複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、を備える。 Another aspect of the present disclosure is a moving object. This moving body irradiates light around the moving body and receives the reflected light, thereby estimating the three-dimensional position of the reflected point and the shape of the road surface of the road on which the moving body moves A road surface shape estimation device, and a control unit that controls the moving body using the road surface shape estimated by the road surface shape estimation device. The road surface shape estimation device is configured to detect a road surface from among a plurality of reflection points based on an input unit that receives a three-dimensional position of the plurality of reflection points from a sensor and distances to the plurality of reflection points that are input to the input unit. A road surface reflection point extraction unit that extracts the reflection point reflected by the road surface, and a road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit.
この態様によると、より高い精度で路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。 According to this aspect, only the road surface reflection point can be extracted with higher accuracy, and therefore the shape of the road surface can be estimated with high accuracy.
本開示のさらに別の態様は、路面形状推定装置である。この装置は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の仰俯角及び複数の方位角に向けて光を照射して観測された複数の反射点の三次元位置を入力される入力部と、入力部に入力された複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、を備える。路面反射点抽出部は、複数の反射点を仰俯角ごとに分類する分類部と、分類部により分類された反射点を、光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを仰俯角ごとに抽出するクラスタ抽出部と、を含む。路面形状推定部は、仰俯角ごとに抽出されたクラスタに属する複数の反射点の三次元位置に基づいて、路面の形状を推定する。 Yet another aspect of the present disclosure is a road surface shape estimation device. This device irradiates light around a moving body and receives reflected light from a sensor that observes the three-dimensional position of the point where the light is reflected, and emits light toward a plurality of elevation angles and a plurality of azimuth angles. The input unit that receives the three-dimensional position of the multiple reflection points observed by irradiating and the road surface reflection point extraction that extracts the reflection points reflected on the road surface from the multiple reflection points input to the input unit And a road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit. A road surface reflection point extraction unit includes a classification unit that classifies a plurality of reflection points for each elevation angle, and a clustering unit that clusters the reflection points classified by the classification unit for each target that is estimated to reflect light, A cluster extracting unit that extracts, for each elevation angle, a cluster to which a reflection point reflected on the road surface belongs from the clusters clustered by the clustering unit. The road surface shape estimation unit estimates the shape of the road surface based on the three-dimensional positions of a plurality of reflection points belonging to the cluster extracted for each elevation angle.
この態様によると、より高い精度で路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。また、仰俯角の異なる複数の水平走査ラインの反射点のデータを用いることができるので、路面の形状の推定に必要な点群データ数を確保することができ、路面の形状を高い精度で推定することができる。 According to this aspect, only the road surface reflection point can be extracted with higher accuracy, and therefore the shape of the road surface can be estimated with high accuracy. In addition, the reflection point data of multiple horizontal scanning lines with different elevation angles can be used, so the number of point cloud data necessary to estimate the road surface shape can be secured and the road surface shape can be estimated with high accuracy. can do.
本開示のさらに別の態様は、移動体である。この移動体は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサと、移動体が移動する道路の路面の形状を推定する路面形状推定装置と、路面形状推定装置により推定された路面の形状を利用して移動体を制御する制御部と、を備える。路面形状推定装置は、移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の仰俯角及び複数の方位角に向けて光を照射して観測された複数の反射点の三次元位置を入力される入力部と、入力部に入力された複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、を備える。路面反射点抽出部は、複数の反射点を仰俯角ごとに分類する分類部と、分類部により分類された反射点を、光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを仰俯角ごとに抽出するクラスタ抽出部と、を含む。路面形状推定部は、仰俯角ごとに抽出されたクラスタに属する複数の反射点の三次元位置に基づいて、路面の形状を推定する。 Yet another embodiment of the present disclosure is a moving object. This moving body irradiates light around the moving body and receives the reflected light, thereby estimating the three-dimensional position of the reflected point and the shape of the road surface of the road on which the moving body moves A road surface shape estimation device, and a control unit that controls the moving body using the road surface shape estimated by the road surface shape estimation device. The road surface shape estimation device irradiates light around a moving body and receives reflected light to direct a plurality of elevation angles and azimuth angles from a sensor that observes the three-dimensional position of the reflected point. An input unit that receives the three-dimensional positions of multiple reflection points observed by irradiating light, and a road surface reflection that extracts the reflection points reflected on the road surface from the multiple reflection points input to the input unit A point extraction unit; and a road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit. A road surface reflection point extraction unit includes a classification unit that classifies a plurality of reflection points for each elevation angle, and a clustering unit that clusters the reflection points classified by the classification unit for each target that is estimated to reflect light, A cluster extracting unit that extracts, for each elevation angle, a cluster to which a reflection point reflected on the road surface belongs from the clusters clustered by the clustering unit. The road surface shape estimation unit estimates the shape of the road surface based on the three-dimensional positions of a plurality of reflection points belonging to the cluster extracted for each elevation angle.
この態様によると、より高い精度で路面反射点のみを抽出することができるので、路面の形状を高い精度で推定することができる。また、仰俯角の異なる複数の水平走査ラインの反射点のデータを用いることができるので、路面の形状の推定に必要な点群データ数を確保することができ、路面の形状を高い精度で推定することができる。 According to this aspect, only the road surface reflection point can be extracted with higher accuracy, and therefore the shape of the road surface can be estimated with high accuracy. In addition, the reflection point data of multiple horizontal scanning lines with different elevation angles can be used, so the number of point cloud data necessary to estimate the road surface shape can be secured and the road surface shape can be estimated with high accuracy. can do.
２ レーザレーダ、３ ＥＣＵ、４ 車両、５ レーザレーダ、６ 車両、１０ 路面勾配推定装置、１２ 入力部、１４ 路面反射点抽出部、１６ 路面勾配推定部、２０ 路面勾配推定装置、２２ 路面勾配推定部、２４ 複数路面勾配推定部、３０ 路面反射点抽出部、３２ 分類部、３４ クラスタリング部、３６ クラスタ抽出部、４０ 路面勾配推定装置、４２ 路面反射点抽出部、４４ クラスタリング部。 2 laser radar, 3 ECU, 4 vehicle, 5 laser radar, 6 vehicle, 10 road surface gradient estimation device, 12 input unit, 14 road surface reflection point extraction unit, 16 road surface gradient estimation unit, 20 road surface gradient estimation device, 22 road surface gradient estimation 24, multiple road surface gradient estimation unit, 30 road surface reflection point extraction unit, 32 classification unit, 34 clustering unit, 36 cluster extraction unit, 40 road surface gradient estimation device, 42 road surface reflection point extraction unit, 44 clustering unit.
Claims (11)
前記入力部に入力された複数の反射点までの距離に基づいて、前記複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、
前記路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、
を備える、
路面形状推定装置。 An input unit that inputs the three-dimensional positions of a plurality of reflection points from a sensor that observes the three-dimensional positions of the reflected points by irradiating light around the moving body and receiving reflected light;
A road surface reflection point extraction unit that extracts a reflection point reflected on the road surface from the plurality of reflection points based on distances to the plurality of reflection points input to the input unit;
A road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit;
Comprising
Road surface shape estimation device.
請求項１に記載の路面形状推定装置。 The road surface reflection point extraction unit extracts a reflection point whose distance to the reflection point is less than a predetermined threshold with reference to the reflection point reflected on the road surface.
The road surface shape estimation apparatus according to claim 1.
前記路面反射点抽出部は、
前記複数の反射点を仰俯角ごとに分類する分類部と、
前記複数の反射点までの距離に基づいて、前記分類部により分類された反射点を、前記光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、
前記クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを抽出するクラスタ抽出部と、
を含む、
請求項１又は２に記載の路面形状推定装置。 The input unit receives a three-dimensional position of a plurality of reflection points observed by the sensor irradiating light toward a plurality of elevation angles and a plurality of azimuth angles,
The road surface reflection point extraction unit,
A classification unit for classifying the plurality of reflection points for each elevation angle;
A clustering unit that clusters the reflection points classified by the classification unit based on the distances to the plurality of reflection points for each object estimated to reflect the light;
A cluster extraction unit for extracting a cluster to which a reflection point reflected on a road surface belongs from the clusters clustered by the clustering unit;
including,
The road surface shape estimation apparatus according to claim 1 or 2.
請求項３に記載の路面形状推定装置。 The cluster extraction unit calculates, for each cluster, an average value of the heights of the reflection points belonging to the cluster, and extracts a cluster having the lowest average value of the height.
The road surface shape estimation apparatus according to claim 3.
請求項１から４のいずれかに記載の路面形状推定装置。 The road surface shape estimation unit estimates the shape of the road surface by a robust estimation algorithm,
The road surface shape estimation apparatus according to any one of claims 1 to 4.
請求項１から５のいずれかに記載の路面形状推定装置。 The reflection point whose distance from the road surface of the shape estimated by the road surface shape estimation unit is less than a predetermined threshold is removed from the plurality of reflection points input to the input unit, and the remaining reflection points are removed from the road surface shape estimation unit. A plurality of road surface shape estimators for estimating the shape of the road surface to which the remaining reflection points belong,
The road surface shape estimation apparatus according to any one of claims 1 to 5.
移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の反射点の三次元位置を入力される入力部、
前記入力部に入力された複数の反射点までの距離に基づいて、前記複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部、
前記路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部、
として機能させるための路面形状推定プログラム。 Computer
An input unit that inputs the three-dimensional positions of a plurality of reflection points from a sensor that observes the three-dimensional positions of the reflected points by irradiating light around the moving body and receiving reflected light
A road surface reflection point extraction unit that extracts a reflection point reflected on the road surface from the plurality of reflection points based on distances to the plurality of reflection points input to the input unit;
A road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit,
Road surface shape estimation program to function as
前記移動体が移動する道路の路面の形状を推定する路面形状推定装置と、
前記路面形状推定装置により推定された路面の形状を利用して前記移動体を制御する制御部と、
を備え、
前記路面形状推定装置は、
前記センサから、複数の反射点の三次元位置を入力される入力部と、
前記入力部に入力された複数の反射点までの距離に基づいて、前記複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、
前記路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、
を備える、
移動体。 A sensor that observes the three-dimensional position of the reflected point by irradiating light around the moving body and receiving reflected light; and
A road surface shape estimating device for estimating the shape of the road surface of the road on which the moving body moves;
A control unit that controls the moving body using the shape of the road surface estimated by the road surface shape estimation device;
With
The road surface shape estimation device is
An input unit for inputting a three-dimensional position of a plurality of reflection points from the sensor;
A road surface reflection point extraction unit that extracts a reflection point reflected on the road surface from the plurality of reflection points based on distances to the plurality of reflection points input to the input unit;
A road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit;
Comprising
Moving body.
前記入力部に入力された複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、
前記路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、
を備え、
前記路面反射点抽出部は、
前記複数の反射点を仰俯角ごとに分類する分類部と、
前記分類部により分類された反射点を、前記光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、
前記クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを仰俯角ごとに抽出するクラスタ抽出部と、
を含み、
前記路面形状推定部は、仰俯角ごとに抽出されたクラスタに属する複数の反射点の三次元位置に基づいて、路面の形状を推定する
、
路面形状推定装置。 By irradiating light around the moving body and receiving reflected light, the sensor that observes the three-dimensional position of the reflected point irradiates light toward multiple elevation angles and multiple azimuth angles. An input unit for inputting the three-dimensional positions of the observed reflection points;
A road surface reflection point extraction unit that extracts a reflection point reflected on the road surface from a plurality of reflection points input to the input unit;
A road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit;
With
The road surface reflection point extraction unit,
A classification unit for classifying the plurality of reflection points for each elevation angle;
A clustering unit that clusters the reflection points classified by the classification unit for each object estimated to reflect the light;
A cluster extraction unit that extracts, for each elevation angle, a cluster to which a reflection point reflected on the road surface belongs from the clusters clustered by the clustering unit;
Including
The road surface shape estimation unit estimates a road surface shape based on a three-dimensional position of a plurality of reflection points belonging to a cluster extracted for each elevation angle,
Road surface shape estimation device.
移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の仰俯角及び複数の方位角に向けて光を照射して観測された複数の反射点の三次元位置を入力される入力部、
前記入力部に入力された複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部、
前記路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部、
として機能させ、
前記路面反射点抽出部は、
前記複数の反射点を仰俯角ごとに分類する分類部と、
前記分類部により分類された反射点を、前記光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、
前記クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを仰俯角ごとに抽出するクラスタ抽出部と、
を含み、
前記路面形状推定部は、仰俯角ごとに抽出されたクラスタに属する複数の反射点の三次元位置に基づいて、路面の形状を推定する
、
路面形状推定プログラム。 Computer
By irradiating light around the moving body and receiving reflected light, the sensor that observes the three-dimensional position of the reflected point irradiates light toward multiple elevation angles and multiple azimuth angles. An input unit for inputting three-dimensional positions of a plurality of observed reflection points;
A road surface reflection point extraction unit that extracts a reflection point reflected on the road surface from a plurality of reflection points input to the input unit;
A road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit,
Function as
The road surface reflection point extraction unit,
A classification unit for classifying the plurality of reflection points for each elevation angle;
A clustering unit that clusters the reflection points classified by the classification unit for each object estimated to reflect the light;
A cluster extraction unit that extracts, for each elevation angle, a cluster to which a reflection point reflected on the road surface belongs from the clusters clustered by the clustering unit;
Including
The road surface shape estimation unit estimates a road surface shape based on a three-dimensional position of a plurality of reflection points belonging to a cluster extracted for each elevation angle,
Road surface shape estimation program.
前記移動体が移動する道路の路面の形状を推定する路面形状推定装置と、
前記路面形状推定装置により推定された路面の形状を利用して前記移動体を制御する制御部と、
を備え、
前記路面形状推定装置は、
移動体の周囲に光を照射し、反射光を受光することにより、光を反射した点の三次元位置を観測するセンサから、複数の仰俯角及び複数の方位角に向けて光を照射して観測された複数の反射点の三次元位置を入力される入力部と、
前記入力部に入力された複数の反射点の中から路面で反射された反射点を抽出する路面反射点抽出部と、
前記路面反射点抽出部により抽出された反射点の三次元位置に基づいて、路面の形状を推定する路面形状推定部と、
を備え、
前記路面反射点抽出部は、
前記複数の反射点を仰俯角ごとに分類する分類部と、
前記分類部により分類された反射点を、前記光を反射したと推定される対象物ごとにクラスタ化するクラスタリング部と、
前記クラスタリング部によりクラスタ化されたクラスタの中から路面で反射された反射点が属するクラスタを仰俯角ごとに抽出するクラスタ抽出部と、
を含み、
前記路面形状推定部は、仰俯角ごとに抽出されたクラスタに属する複数の反射点の三次元位置に基づいて、路面の形状を推定する
、
移動体。 A sensor that observes the three-dimensional position of the reflected point by irradiating light around the moving body and receiving reflected light; and
A road surface shape estimating device for estimating the shape of the road surface of the road on which the moving body moves;
A control unit that controls the moving body using the shape of the road surface estimated by the road surface shape estimation device;
With
The road surface shape estimation device is
By irradiating light around the moving body and receiving reflected light, the sensor that observes the three-dimensional position of the reflected point irradiates light toward multiple elevation angles and multiple azimuth angles. An input unit for inputting the three-dimensional positions of the observed reflection points;
A road surface reflection point extraction unit that extracts a reflection point reflected on the road surface from a plurality of reflection points input to the input unit;
A road surface shape estimation unit that estimates the shape of the road surface based on the three-dimensional position of the reflection point extracted by the road surface reflection point extraction unit;
With
The road surface reflection point extraction unit,
A classification unit for classifying the plurality of reflection points for each elevation angle;
A clustering unit that clusters the reflection points classified by the classification unit for each object estimated to reflect the light;
A cluster extraction unit that extracts, for each elevation angle, a cluster to which a reflection point reflected on the road surface belongs from the clusters clustered by the clustering unit;
Including
The road surface shape estimation unit estimates a road surface shape based on a three-dimensional position of a plurality of reflection points belonging to a cluster extracted for each elevation angle,
Moving body.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018053411A JP2019164098A (en) | 2018-03-20 | 2018-03-20 | Road surface shape estimation device, road surface shape estimation program, and moving body |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018053411A JP2019164098A (en) | 2018-03-20 | 2018-03-20 | Road surface shape estimation device, road surface shape estimation program, and moving body |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2019164098A true JP2019164098A (en) | 2019-09-26 |
Family
ID=68064803
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018053411A Pending JP2019164098A (en) | 2018-03-20 | 2018-03-20 | Road surface shape estimation device, road surface shape estimation program, and moving body |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2019164098A (en) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022255963A1 (en) * | 2021-06-03 | 2022-12-08 | Oyak Renault Otomobi̇l Fabri̇kalari Anoni̇m Şi̇rketi̇ | System and method for vision based road profile estimation |
| WO2023091104A1 (en) * | 2021-11-19 | 2023-05-25 | Oyak Renault Otomobi̇l Fabri̇kalari Anoni̇m Şi̇rketi̇ | A method for energy efficient control of active and semi-active suspension systems |
| FR3140444A1 (en) * | 2022-09-29 | 2024-04-05 | Continental Autonomous Mobility Germany | METHOD FOR MODELING AN INCLINED GROUND LINE WITH A MOTOR VEHICLE RADAR AND OBTAINING POINTS |
-
2018
- 2018-03-20 JP JP2018053411A patent/JP2019164098A/en active Pending
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2022255963A1 (en) * | 2021-06-03 | 2022-12-08 | Oyak Renault Otomobi̇l Fabri̇kalari Anoni̇m Şi̇rketi̇ | System and method for vision based road profile estimation |
| WO2023091104A1 (en) * | 2021-11-19 | 2023-05-25 | Oyak Renault Otomobi̇l Fabri̇kalari Anoni̇m Şi̇rketi̇ | A method for energy efficient control of active and semi-active suspension systems |
| FR3140444A1 (en) * | 2022-09-29 | 2024-04-05 | Continental Autonomous Mobility Germany | METHOD FOR MODELING AN INCLINED GROUND LINE WITH A MOTOR VEHICLE RADAR AND OBTAINING POINTS |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10279809B2 (en) | Travelled-route selecting apparatus and method | |
| US10836388B2 (en) | Vehicle control method and apparatus | |
| CN108603936B (en) | Laser scanning system, laser scanning method, non-transitory computer-readable storage medium | |
| JP5470886B2 (en) | Object detection device | |
| US10592755B2 (en) | Apparatus and method for controlling vehicle | |
| US11003927B2 (en) | Target recognition apparatus, target recognition method, and vehicle control system | |
| JP2012225806A (en) | Road gradient estimation device and program | |
| KR102054926B1 (en) | System and method for detecting close cut-in vehicle based on free space signal | |
| JP2008171140A (en) | Image processing apparatus, method and program | |
| JP6597795B2 (en) | Image processing apparatus, object recognition apparatus, device control system, image processing method and program | |
| JP6458651B2 (en) | Road marking detection device and road marking detection method | |
| JP2008304344A (en) | Target detector | |
| US10482332B2 (en) | Pedestrian determining apparatus for determining whether an object is a pedestrian crossing ahead of an own vehicle | |
| JP5098563B2 (en) | Object detection device | |
| JP2019164098A (en) | Road surface shape estimation device, road surface shape estimation program, and moving body | |
| JP2019052920A (en) | Object detector, object detection method and vehicle control system | |
| KR102304851B1 (en) | Ecu, autonomous vehicle including the ecu, and method of recognizing near vehicle for the same | |
| KR20130020151A (en) | Vehicle detection device and method | |
| JP2009019914A (en) | Object detecting device | |
| JPWO2017099199A1 (en) | Image processing apparatus, object recognition apparatus, device control system, image processing method and program | |
| JP2006048435A (en) | Image processor for vehicles | |
| JP2008165610A (en) | Road section line recognition device | |
| JP4123138B2 (en) | Vehicle detection method and vehicle detection device | |
| US11054245B2 (en) | Image processing apparatus, device control system, imaging apparatus, image processing method, and recording medium | |
| JP2008171141A (en) | Image processor, method, and program |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| RD04 | Notification of resignation of power of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7424 Effective date: 20180417 |