JP2020094989A - Vehicle state estimation device - Google Patents
Vehicle state estimation device Download PDFInfo
- Publication number
- JP2020094989A JP2020094989A JP2018234756A JP2018234756A JP2020094989A JP 2020094989 A JP2020094989 A JP 2020094989A JP 2018234756 A JP2018234756 A JP 2018234756A JP 2018234756 A JP2018234756 A JP 2018234756A JP 2020094989 A JP2020094989 A JP 2020094989A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- speed
- relationship
- lateral
- equation
- 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
- 238000003384 imaging method Methods 0.000 claims abstract description 21
- 230000014509 gene expression Effects 0.000 claims abstract description 12
- 238000005259 measurement Methods 0.000 claims abstract description 4
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000005484 gravity Effects 0.000 claims description 8
- 230000010365 information processing Effects 0.000 claims description 6
- 238000012937 correction Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 description 34
- 238000001914 filtration Methods 0.000 description 15
- 238000010586 diagram Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 6
- 239000011159 matrix material Substances 0.000 description 4
- 230000009466 transformation Effects 0.000 description 4
- 230000001133 acceleration Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Landscapes
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
- Steering Control In Accordance With Driving Conditions (AREA)
Abstract
Description
本発明は、車両状態推定装置に係り、特に、走行路と横滑りを含む車両の平面運動の関係に基づき、車両の横速度を推定する車両状態推定装置に関する。 The present invention relates to a vehicle state estimating device, and more particularly to a vehicle state estimating device that estimates a lateral speed of a vehicle based on a relationship between a traveling road and a plane motion of the vehicle including skidding.
車両の挙動、特に車両のコーナリング時の挙動における重要な要素として、車両横速度（以下、「横速度」と略記）がある。車体の横方向の運動が計測可能になる事により、例えば車両の自己位置推定が高精度に行えるようになる。従って、高精度な自己位置推定により、車両の運動を計測する他の各種センサの正確な補正も可能となる。また、車両運動モデルをオンラインで補正する事が可能になり、車両運動モデルによって算出される車両制御パラメータのオンラインチューニングにも活用できる。 There is a vehicle lateral velocity (hereinafter abbreviated as “lateral velocity”) as an important element in the behavior of the vehicle, particularly in the behavior of the vehicle when cornering. Since the lateral movement of the vehicle body can be measured, for example, the self-position estimation of the vehicle can be performed with high accuracy. Therefore, highly accurate self-position estimation enables accurate correction of other various sensors that measure the movement of the vehicle. Further, the vehicle motion model can be corrected online, which can be utilized for online tuning of vehicle control parameters calculated by the vehicle motion model.
横速度の測定には、走行中の車両からレーザ光を路面に照射し、路面で反射されたレーザ光を受信して横速度を検出する対地車速計が用いられてきたが、対地車速計は、量産車両に車載されていないため、車両運動モデルを用いた推定手法が提案されている。 For measuring the lateral speed, a ground speedometer that irradiates the road surface with a laser beam from a running vehicle and receives the laser light reflected on the road surface to detect the lateral speed has been used. Since it is not mounted on a mass-produced vehicle, an estimation method using a vehicle motion model has been proposed.
特許文献１には、車両の状態方程式を使用して横速度を算出する車両物理量推定装置の発明が開示されている。 Patent Document 1 discloses an invention of a vehicle physical quantity estimation device that calculates a lateral velocity using a vehicle state equation.
しかしながら、特許文献１に記載の発明は、車両の状態方程式を使用するので、環境に応じたパラメータの設定が必要であり、パラメータの設定が適切でない場合は、誤差が生じるおそれがある。 However, since the invention described in Patent Document 1 uses the state equation of the vehicle, it is necessary to set parameters according to the environment, and if the parameter settings are not appropriate, an error may occur.
本発明は、上記問題に鑑みてなされたものであり、既存の状態方程式に依存せずに、撮像装置が取得した画像及び車速から車両の横速度を算出可能な車両状態推定装置を実現することを目的とする。 The present invention has been made in view of the above problems, and realizes a vehicle state estimation device that can calculate a lateral velocity of a vehicle from an image acquired by an imaging device and a vehicle speed without depending on an existing state equation. With the goal.
上記目的を達成するために、請求項１に記載の車両状態推定装置は、車両周辺の画像情報を取得する撮像装置と、前記撮像装置が取得した画像情報から、目標経路と車両との横位置偏差、前記目標経路と車両のヨー角偏差、及び前記目標経路の曲率を算出する画像情報処理部と、前記目標経路上の目標点の移動と、横滑りを含む前記車両の運動との関係を表す式を用いて、前記横位置偏差、前記ヨー角偏差、前記曲率、及び車速センサから得られる車両前後速度を含む実測値から、前記車両のヨーレートを推定する演算部と、を含んでいる。 In order to achieve the above object, the vehicle state estimating device according to claim 1 uses an image capturing device that acquires image information of a vehicle periphery, and a lateral position between a target route and the vehicle based on the image information that the image capturing device acquires. A deviation, a yaw angle deviation between the target route and the vehicle, and an image information processing unit that calculates a curvature of the target route, a movement of a target point on the target route, and a motion of the vehicle including skidding. And a calculation unit that estimates the yaw rate of the vehicle from an actual measurement value including a lateral position deviation, the yaw angle deviation, the curvature, and a vehicle longitudinal speed obtained from a vehicle speed sensor using an equation.
また、請求項２に記載の車両状態推定装置は、請求項１に記載の車両状態推定装置において、前記演算部は、更に、前記車両の横速度を推定し、前記関係を表す式は、前記目標点の移動速度の、車両前後方向に対する垂直成分から、前記横位置偏差の変化量と、前記車両のヨー運動に伴う車両重心位置に対する前記撮像装置の横速度とを減算した結果と、前記車両の横速度とが等しい関係を表す式を含む。 The vehicle state estimation device according to claim 2 is the vehicle state estimation device according to claim 1, wherein the arithmetic unit further estimates the lateral speed of the vehicle, and the equation representing the relationship is A result obtained by subtracting a variation amount of the lateral position deviation and a lateral velocity of the imaging device with respect to a vehicle center of gravity position associated with the yaw motion of the vehicle from a vertical component of the moving speed of the target point with respect to the vehicle longitudinal direction; Includes an equation that expresses an equal relationship with the lateral velocity of.
また、請求項３に記載の車両状態推定装置は、請求項１又は２記載の車両状態推定装置において、前記関係を表す式は、前記目標点の移動速度と前記曲率との積から、前記ヨー角偏差の変化量を減算した結果と、前記車両のヨーレートとが等しい関係を表す式を含む。 The vehicle state estimating apparatus according to claim 3 is the vehicle state estimating apparatus according to claim 1 or 2, wherein the equation representing the relationship is calculated from the product of the moving speed of the target point and the curvature. It includes an expression representing a relation in which the result of subtracting the change amount of the angular deviation is equal to the yaw rate of the vehicle.
請求項４に記載の車両状態推定装置は、請求項１〜請求項３の何れか１項記載の車両状態推定装置において、前記関係を表す式は、前記車両前後速度から、前記車両のヨーレートと前記横位置偏差との積を減算したものを、前記ヨー角偏差を用いて補正した結果と、前記目標点の移動速度とが等しい関係を表す式を含む。 The vehicle state estimation device according to claim 4 is the vehicle state estimation device according to any one of claims 1 to 3, wherein the equation representing the relationship is based on the vehicle longitudinal speed and the yaw rate of the vehicle. It includes an expression representing a relationship in which the result obtained by subtracting the product of the lateral position deviation is corrected using the yaw angle deviation and the moving speed of the target point.
また、請求項５に記載の車両状態推定装置は、請求項１〜請求項４の何れか１項記載の車両状態推定装置において、前記演算部は、前記関係を表す式に基づいて、前回推定された、前記車両のヨーレートを含む前記車両の状態量から、次時刻の前記車両の状態量を予測する予測部と、予め定められた観測方程式を用いて算出される、前記予測された次時刻の前記車両の状態量に対応する、前記横位置偏差、前記ヨー角偏差、前記曲率、及び車両前後速度と、それぞれの前記実測値との差分、及び前回推定された前記車両の状態量に基づいて、前記予測部で予測された前記車両の状態量を補正する更新部と、を含む。 The vehicle state estimation device according to claim 5 is the vehicle state estimation device according to any one of claims 1 to 4, wherein the arithmetic unit estimates the previous time based on an equation representing the relationship. From the state quantity of the vehicle including the yaw rate of the vehicle, a prediction unit that predicts the state quantity of the vehicle at the next time, and the predicted next time calculated using a predetermined observation equation. Of the lateral position deviation, the yaw angle deviation, the curvature, and the vehicle longitudinal speed, which correspond to the vehicle state quantity, and the difference between the measured values, and the state quantity of the vehicle estimated last time. And an updating unit that corrects the state quantity of the vehicle predicted by the predicting unit.
本発明によれば、既存の状態方程式に依存せずに、撮像装置が取得した画像及び車速から車両の横速度を算出可能な車両状態推定装置を実現することができるという効果を奏する。 Advantageous Effects of Invention According to the present invention, it is possible to realize a vehicle state estimation device that can calculate the lateral speed of a vehicle from an image acquired by an imaging device and a vehicle speed without depending on an existing state equation.
[第1の実施の形態]
以下、図面を参照して本発明の第１の実施の形態を詳細に説明する。図１に示すように、本実施の形態に係る車両状態推定装置１０は、後述する演算装置１４の演算に必要なデータ及び演算装置１４による演算結果を記憶する記憶装置１８と、撮像装置２２が取得した画像情報から目標経路と車両との横位置偏差、車両のヨー角偏差及び目標経路の曲率を算出する画像情報処理部２０と、画像情報処理部２０が算出した横位置偏差、ヨー角偏差、曲率、車速センサ（図示せず）が検出した車両前後速度及び慣性センサ（図示せず）が検出したヨーレートが入力される入力装置１２と、入力装置１２から入力された入力データ及び記憶装置１８に記憶されたデータに基づいて車両の横速度の演算を行なうコンピュータ等で構成された演算装置１４と、演算装置１４で演算された横速度を表示するＣＲＴ又はＬＣＤ等で構成された表示装置１６と、で構成されている。
[First Embodiment]
Hereinafter, a first embodiment of the present invention will be described in detail with reference to the drawings. As shown in FIG. 1, the vehicle state estimation device 10 according to the present embodiment includes a storage device 18 that stores data necessary for the calculation of a calculation device 14 described later and a calculation result by the calculation device 14, and an imaging device 22. An image information processing unit 20 that calculates a lateral position deviation between the target route and the vehicle, a yaw angle deviation of the vehicle, and a curvature of the target route from the acquired image information, and a lateral position deviation and a yaw angle deviation calculated by the image information processing unit 20. , A curvature, a vehicle longitudinal speed detected by a vehicle speed sensor (not shown), and a yaw rate detected by an inertial sensor (not shown), and input data input from the input device 12 and a storage device 18 An arithmetic unit 14 composed of a computer or the like for calculating the lateral speed of the vehicle based on the data stored in the display unit, and a display unit 16 composed of a CRT or LCD for displaying the lateral speed calculated by the arithmetic unit 14. It consists of and.
続いて、車両２００の挙動に係る座標系を図２に示したように定義する。地球座標系２０４は地球平面を基準として重力加速度方向とｚeとが平行で、ｙeが北方向を向いている座標系である。路面座標系２０６は、ｚrが車両２００の重心を通り路面に垂直な方向に向き、ｘrは車両進行方向に向いている座標系である。車両座標系２０８は車体バネ上に固定された座標系で、ｚvは車体鉛直上方向、ｘvは車体進行方向を向いている。 Next, the coordinate system related to the behavior of the vehicle 200 is defined as shown in FIG. The earth coordinate system 204 is a coordinate system in which the gravitational acceleration direction and z e are parallel to each other with respect to the earth plane, and y e faces the north direction. The road surface coordinate system 206 is a coordinate system in which z r is oriented in a direction passing through the center of gravity of the vehicle 200 and perpendicular to the road surface, and x r is oriented in the vehicle traveling direction. A vehicle coordinate system 208 is a coordinate system fixed on a body spring, where z v is a vehicle body vertical direction and x v is a vehicle body traveling direction.
本実施の形態は、撮像装置２２で取得した画像情報を用いて車両２００の横速度を算出する。本実施の形態では横速度の算出に際して、図３にあるように、目標点Ｐtにおける目標経路２２０である走行車線の曲率ρに加え、センサ位置Ｐsを基準とした目標点Ｐtに対する横位置偏差ｅ1とヨー角偏差ｅ2とを想定する。なお、センサ位置Ｐsは車両重心Ｐrから車両２００の前方方向に距離（車両重心Ｐrとセンサ位置Ｐsとのオフセット距離）ｌsで隔てられた位置にあり、車載カメラ等の撮像装置２２が設けられている。図３に示したように、センサ位置Ｐsを基準とした車両２００の進行方向の移動量はｘSであり、センサ位置Ｐsを基準とした車両２００の横方向の移動量はｙsである。 In the present embodiment, the lateral speed of the vehicle 200 is calculated using the image information acquired by the imaging device 22. When calculating the lateral speed in the present embodiment, as in FIG. 3, in addition to the curvature of the driving lane is the target route 220 at the target point P t [rho, transverse with respect to the target point P t relative to the sensor position P s A position deviation e 1 and a yaw angle deviation e 2 are assumed. It should be noted that the sensor position P s is located at a position separated from the vehicle center of gravity P r in the forward direction of the vehicle 200 by an offset distance (offset distance between the vehicle center of gravity P r and the sensor position P s ) l s , and an imaging device such as an in-vehicle camera. 22 is provided. As shown in FIG. 3, the amount of movement of the traveling direction of the vehicle 200 relative to the sensor position P s is x S, the movement amount in the lateral direction of the vehicle 200 relative to the sensor position P s in y s is there.
次に、車両２００の横速度を推定する際に用いる、横滑りを含む車両２００の運動と目標経路２２０との関係を図４に示す。一般に車両２００は路面に対して横滑りをしており、横速度を有する運動を伴っている。車両２００の挙動に対し、走行車線上の目標位置Ｐtは前後方向の速度のみを有し、横速度を有さない運動をしている。この特徴を利用し、車両２００の運動と目標位置Ｐtの運動との差分を導出する事で、車両２００の横速度を推定するのに必要な条件式を導出する事が可能になる。 Next, FIG. 4 shows the relationship between the motion of the vehicle 200 including skidding and the target route 220, which is used when estimating the lateral velocity of the vehicle 200. Generally, vehicle 200 skids on a road surface and is accompanied by a motion having a lateral velocity. With respect to the behavior of the vehicle 200, the target position P t on the traveling lane has only the speed in the front-rear direction and does not have the lateral speed. By utilizing this feature and deriving the difference between the motion of the vehicle 200 and the motion of the target position P t , it becomes possible to derive the conditional expression necessary for estimating the lateral velocity of the vehicle 200.
本実施の形態では、図３、４のように各変数を設定する。目標経路２２０上の目標位置Ｐtは、接線方向の速度成分Ｕtのみを持つとして、目標位置Ｐtの速度ベクトルをＶt=[Ｕt ０]T、目標位置ＰtをＰt=[ｘt ｙt ]T、地球座標系のx軸方向に対する接線方向のヨー角をψtと定義する。さらに車両２００は前後方向のみならず横速度を有するとして（車体スリップ角を有する）、路面座標系２０６の原点をＰr=[ｘr ｙr ]T、ヨー角をψr、車両２００の各軸方向の速度成分を図４に示したように、νr=[Ｕr Ｖr ]Tとする。本実施の形態では、後に車両座標系２０８を基準に計測されたセンサ情報との関係を容易にするため、偏差の基準座標系を路面座標系２０６とし、ヨー角偏差としてψe=ψt−ψrを定義する。 In this embodiment, each variable is set as shown in FIGS. Assuming that the target position P t on the target path 220 has only a tangential speed component U t , the speed vector of the target position P t is V t =[U t 0] T , and the target position P t is P t =[ x t y t] T, the yaw angle of the tangential direction with respect to the x-axis direction of the earth coordinate system is defined as [psi t. Further, assuming that the vehicle 200 has not only the front-back direction but also the lateral velocity (has a vehicle body slip angle), the origin of the road surface coordinate system 206 is P r =[x r y r ] T , the yaw angle is ψ r , and each of the vehicles 200 is As shown in FIG. 4, the velocity component in the axial direction is ν r =[U r V r ] T . In the present embodiment, in order to facilitate the relationship with the sensor information measured with the vehicle coordinate system 208 as a reference later, the reference coordinate system of the deviation is the road surface coordinate system 206, and the yaw angle deviation is ψ e =ψ t − Define ψ r .
路面座標系２０６から見た目標位置Ｐtの偏差ベクトルをＰe=[ｘe ｙe ]とすると、当該偏差ベクトルＰeの微分は下記の２式で表される。
If the deviation vector of the target position P t as viewed from the road surface coordinate system 206 P e = a [x e y e], the derivative of the deviation vector P e is expressed by two equations below.
車載カメラ等の撮像装置２２が取得した車両２００周辺の画像情報を、画像情報処理部２０において既知の手法によって画像解析することにより、目標点Ｐtにおける走行車線の曲率ρに加え、センサ位置Ｐsを基準とした目標点Ｐtに対する横位置偏差ｅ1とヨー角偏差ｅ2とが抽出される。撮像装置２２はセンサの一種であるから、当該撮像装置２２で取得した画像情報から抽出した曲率ρ、横位置偏差ｅ1及びヨー角偏差ｅ2をセンサで取得されるセンサ情報とする。さらに、車速センサで検出する車両２００の前後速度Ｕr（以下、「車両前後速度Ｕr」と略記）、及び慣性センサで検出する車両２００のヨーレートＲrをセンサ情報として、上記式を変形すると、下記の３式が得られる。
By performing image analysis of the image information around the vehicle 200 acquired by the imaging device 22 such as an on-vehicle camera by a known method in the image information processing unit 20, the sensor position P in addition to the curvature ρ of the traveling lane at the target point P t . The lateral position deviation e 1 and the yaw angle deviation e 2 with respect to the target point P t based on s are extracted. Since the imaging device 22 is a type of sensor, the curvature ρ, the lateral position deviation e 1 and the yaw angle deviation e 2 extracted from the image information acquired by the imaging device 22 are used as the sensor information acquired by the sensor. Further, if the above-mentioned formula is transformed using the longitudinal speed U r of the vehicle 200 detected by the vehicle speed sensor (hereinafter abbreviated as “vehicle longitudinal speed U r ”) and the yaw rate R r of the vehicle 200 detected by the inertial sensor as sensor information, , The following three expressions are obtained.
さらに車体の横速度ＶrとヨーレートＲrとについて上記３式を整理すると、下記の式（１）、（２）、（３）が得られる。
Further, by rearranging the above three equations with respect to the vehicle body lateral velocity V r and the yaw rate R r , the following equations (1), (2) and (3) are obtained.
上記式（１）は、車両２００の横速度Ｖrは、車両前後速度Ｕrの目標経路２２０に対する垂直成分、言い換えれば、車両前後速度Ｕrの車両座標系２０８のｙ座標成分であるＵtsinｅ2から、目標経路との横位置偏差ｅ1の変化量（ｅ1の微分値）と、車両２００のヨー運動に伴う車両重心位置Ｐrに対する撮像装置２２の横速度Ｒrｌsを引いたものと一致することを示している。なお、上記式（１）は、目標点の移動速度の、車両前後方向に対する垂直成分から、横位置偏差の変化量と、車両のヨー運動に伴う車両重心位置に対する撮像装置の横速度とを減算した結果と、車両の横速度とが等しい関係を表す式の一例である。 In the above equation (1), the lateral velocity V r of the vehicle 200 is the vertical component of the vehicle longitudinal velocity U r with respect to the target route 220, in other words, the y coordinate component of the vehicle coordinate system 208 of the vehicle longitudinal velocity U r U t. The amount of change in the lateral position deviation e 1 from the target path (differential value of e 1 ) and the lateral velocity R r l s of the image pickup device 22 with respect to the vehicle center of gravity position P r associated with the yaw motion of the vehicle 200 are subtracted from sine 2. It is shown that it agrees with the one. In the above equation (1), the change amount of the lateral position deviation and the lateral velocity of the image pickup device with respect to the vehicle center of gravity position accompanying the yaw motion of the vehicle are subtracted from the vertical component of the moving speed of the target point with respect to the vehicle longitudinal direction. It is an example of an expression showing the relationship between the result and the lateral speed of the vehicle.
上記式（２）は、車両２００のヨーレートＲrは、目標点Ｐtの移動速度Ｕtと曲率ρとの積であり、目標経路２２０上の目標点Ｐtの接線方向の変化率ρＵtから、接線方向と車両進行方向とのヨー角偏差ｅ2の変化量（ｅ2の微分値）を引いたものと一致することを示している。なお、上記式（２）は、目標点の移動速度と曲率との積から、ヨー角偏差の変化量を減算した結果と、車両のヨーレートとが等しい関係を表す式の一例である。 The formula (2) is the yaw rate R r of the vehicle 200, the product of the moving speed U t and the curvature ρ of the target point P t, tangential rate of change of the target point P t on the target path 220 ρU t From the difference between the tangential direction and the vehicle traveling direction of the yaw angle deviation e 2 (differential value of e 2 ). The above equation (2) is an example of an equation representing a relation in which the result of subtracting the amount of change in the yaw angle deviation from the product of the moving speed of the target point and the curvature is equal to the yaw rate of the vehicle.
上記式（３）は、目標経路２２０上の目標点Ｐtの移動速度Ｕtは、車両前後速度Ｕrから車両２００のヨーレートＲrと横位置偏差ｅ1を乗算したＲrｅ1を減算することで旋回半径の補正を行い、さらにそれをヨー角偏差ｅ2の余弦cosｅ2で除算することで求められることを示している。なお、上記式（３）は、車両前後速度から、車両ヨーレートと横位置偏差との積を減算したものを、ヨー角偏差を用いて補正した結果と、目標点の移動速度とが等しい関係を表す式の一例である。 In the above equation (3), the moving speed U t of the target point P t on the target route 220 is calculated by subtracting R r e 1 obtained by multiplying the vehicle longitudinal speed U r by the yaw rate R r of the vehicle 200 and the lateral position deviation e 1. By doing so, it is shown that the turning radius is corrected, and that it is obtained by dividing it by the cosine cose 2 of the yaw angle deviation e 2 . In the above equation (3), the result obtained by subtracting the product of the vehicle yaw rate and the lateral position deviation from the vehicle longitudinal speed is corrected using the yaw angle deviation, and the moving speed of the target point is equal. It is an example of the expression to represent.
上記式（１）〜（３）を用いて、撮像装置２２、慣性センサ及び車速センサによって取得されたデータに対して最もよくあてはまる未知変数を推定することにより、車両２００の横速度Ｖrの推定が可能になる。 Estimating the lateral velocity V r of the vehicle 200 by using Equations (1) to (3) above to estimate an unknown variable that best fits the data acquired by the imaging device 22, the inertial sensor, and the vehicle speed sensor. Will be possible.
上記式（１）〜（３）はいずれも運動の近似をしておらず、非線形な形を取っているが、上記式（１）〜（３）を直接用いて非線形カルマンフィルタに適用することにより、車両２００が目標経路２２０から大きく逸脱している場合でも正確な推定が可能となる。また、状態変数に関して局所線形化する事により、拡張カルマンフィルタを適用してもよい。 Although the above equations (1) to (3) do not approximate the motion and take a non-linear form, by applying the equations (1) to (3) directly to the nonlinear Kalman filter, Accurate estimation is possible even when the vehicle 200 deviates greatly from the target route 220. The extended Kalman filter may be applied by locally linearizing the state variable.
本実施の形態では、目標経路２２０と車両２００の運動との関係を用いて、状態方程式ｆ（ｘ）を定義し、演算装置１４における事前推定とフィルタリングのステップとで活用する。事前推定及びフィルタリングのステップの詳細については、後述する。 In the present embodiment, the state equation f(x) is defined using the relationship between the target route 220 and the motion of the vehicle 200, and is used in the pre-estimation and filtering steps in the arithmetic unit 14. Details of the steps of a priori estimation and filtering will be described later.
まず、撮像装置２２より得られる目標経路２２０に対する横位置偏差ｅ1、ヨー角偏差ｅ2及び目標経路２２０の曲率ρの情報を用いて、車両２００のヨーレートＲrを推定する場合の状態方程式ｆ（ｘ）は、以下のように定義する。 First, the state equation f in the case of estimating the yaw rate R r of the vehicle 200 by using the information of the lateral position deviation e 1 , the yaw angle deviation e 2, and the curvature ρ of the target path 220 with respect to the target path 220 obtained from the imaging device 22. (X) is defined as follows.
かかる場合の状態方程式ｆ（ｘ）は、下記のような、時間ｔにおける状態量ｘ（ｔ）に対して、下記の式（４）の関係が成り立つ。
In the state equation f(x) in such a case, the following equation (4) holds for the state quantity x(t) at the time t as described below.
上記の状態量ｘ（ｔ）に対して、上記式（４）の関係が成り立つ状態方程式ｆ（ｘ）を下記のように立式する。
For the above state quantity x(t), a state equation f(x) in which the relationship of the above equation (4) is established is formulated as follows.
式（５）は、目標経路２２０と車両２００との運動の関係を示した微分方程式である。 Expression (5) is a differential equation showing the relationship of motion between the target route 220 and the vehicle 200.
また、本実施の形態では、各状態に対するシステムノイズを下記のように定義する。
Further, in the present embodiment, the system noise for each state is defined as follows.
次に観測量を下記のように定義する。
Next, the observed quantity is defined as follows.
ｙ=ｈ（ｘ）を満たす観測方程式ｈ（ｘ）は、下記の各式のように、状態量（右辺）と観測量（左辺）との対応を定義したものである。
The observation equation h(x) that satisfies y=h(x) defines the correspondence between the state quantity (right side) and the observed quantity (left side) as in the following equations.
ただし、各観測量に対する観測ノイズを下記のように定義する。
However, the observation noise for each observed quantity is defined as follows.
カルマンフィルタでは、式（５）を含む状態方程式ｆ（ｘ）の各々を離散化して使用する。従って、関数ｆ（ｘ）の入出力関係を、時間ｔ＝ｋ、ｋ−１に対して、ｘ（ｋ）＝ｆ（ｘ（ｋ−１））となる形で使用する。 The Kalman filter discretizes and uses each state equation f(x) including the equation (5). Therefore, the input/output relationship of the function f(x) is used in the form of x(k)=f(x(k-1)) for time t=k, k-1.
図５は、本実施の形態に係る車両状態推定装置１０の演算装置１４の機能ブロック図の一例である。図５に示したように、演算装置１４は、状態方程式ｆ（ｘ）を用いて、目標経路２２０である走行車線と横滑りを含む車両２００の平面運動との関係に基づく状態の推定を行うと共に、観測方程式ｈ（ｘ）を用いて、対応するセンサ情報を推定する事前推定部１０２と、事前推定部１０２が出力した事前推定値を、センサ情報を用いて補正するフィルタリング部１０４と、を含む。 FIG. 5 is an example of a functional block diagram of the arithmetic device 14 of the vehicle state estimation device 10 according to the present embodiment. As shown in FIG. 5, the arithmetic unit 14 uses the state equation f(x) to estimate the state based on the relationship between the traveling lane that is the target route 220 and the plane motion of the vehicle 200 including skidding. , A pre-estimation unit 102 that estimates corresponding sensor information using the observation equation h(x), and a filtering unit 104 that corrects the pre-estimated value output by the pre-estimation unit 102 using the sensor information. ..
カルマンフィルタは線形・非線形を含め種々の手法が提案されている。本実施の形態では、前述のように状態方程式ｆ（ｘ）が非線形である事を踏まえ、非線形カルマンフィルタを活用する例を示す。中でも状態方程式ｆ（ｘ）についての線形化を要さず、かつ計算負荷が比較的小さいアンセンティッドカルマンフィルタを一例として採用する。状態方程式ｆ（ｘ）が線形の場合は、線形カルマンフィルタを用いてもよいし、アンセンティッドカルマンフィルタ以外の非線形カルマンフィルタを用いてもよい。 For the Kalman filter, various methods including linear and non-linear have been proposed. In the present embodiment, an example in which a nonlinear Kalman filter is used is shown in view of the fact that the state equation f(x) is nonlinear as described above. Above all, an unscented Kalman filter that does not require linearization of the state equation f(x) and has a relatively small calculation load is adopted as an example. When the state equation f(x) is linear, a linear Kalman filter may be used, or a nonlinear Kalman filter other than the unscented Kalman filter may be used.
図６は、事前推定部１０２の機能ブロック図の一例である。図６に示したように、事前推定部１０２は、第１アンセンティッド変換部１０２Ａと第２アンセンティッド変換部１０２Ｂとを含む。 FIG. 6 is an example of a functional block diagram of the prior estimation unit 102. As shown in FIG. 6, the pre-estimation unit 102 includes a first unscented conversion unit 102A and a second unscented conversion unit 102B.
第１アンセンティッド変換部１０２Ａは、状態方程式ｆ（ｘ）に基づいて状態量を更新する1回目のアンセンティッド変換(Unscented transfer)を行って、ｘの平均及びｘの共分散行列を出力する。 The first unscented conversion unit 102A performs the first unscented transfer for updating the state quantity based on the state equation f(x), and outputs the average of x and the covariance matrix of x.
第２アンセンティッド変換部１０２Ｂは、第１アンセンティッド変換部１０２Ａが出力した状態量ｘの平均及び状態量ｘの共分散行列を用いて、観測方程式ｈ（ｘ）に従って、対応する観測量に変換する２回目のアンセンティッド変換を行う。 The second unscented conversion unit 102B uses the average of the state quantity x and the covariance matrix of the state quantity x output by the first unscented conversion unit 102A to convert the corresponding observed quantity according to the observation equation h(x). Perform the second unscented conversion.
なお、アンセンティッド変換の目的は、ある非線形関数ｙ＝ｆ（ｘ）による変換において、下記の観測量ｙの平均及び共分散行列を精度よく求めることにある。
The purpose of the unscented transformation is to accurately obtain the following mean and covariance matrix of the observed amount y in the transformation with a certain nonlinear function y=f(x).
従って、本実施の形態は、平均値と標準偏差とに対応する2n+1個のサンプル(シグマポイント）を用いて、確率密度関数を近似することを特徴とする。 Therefore, the present embodiment is characterized in that the probability density function is approximated using 2n+1 samples (sigma points) corresponding to the average value and the standard deviation.
図６に示したように、第１アンセンティッド変換部１０２Ａは、シグマポイント重み係数部１０２Ａ１と、関数変換部１０２Ａ２と、Ｕ変換部１０２Ａ３と、を含む。また、第２アンセンティッド変換部１０２Ｂは、シグマポイント重み係数部１０２Ｂ１と、関数変換部１０２Ｂ２と、Ｕ変換部１０２Ｂ３と、を含む。 As shown in FIG. 6, the first unscented conversion unit 102A includes a sigma point weighting coefficient unit 102A1, a function conversion unit 102A2, and a U conversion unit 102A3. The second unscented conversion unit 102B includes a sigma point weighting coefficient unit 102B1, a function conversion unit 102B2, and a U conversion unit 102B3.
第１アンセンティッド変換部１０２Ａのシグマポイント重み係数部１０２Ａ１及び第２アンセンティッド変換部１０２Ｂのシグマポイント重み係数部１０２Ｂ１では、シグマポイントＸi：ｉ＝０、１、２、…２ｎが、下記のように選択される。
In the sigma point weighting coefficient section 102A1 of the first unscented conversion section 102A and the sigma point weighting coefficient section 102B1 of the second unscented conversion section 102B, sigma points X i : i=0, 1, 2,... To be selected.
ただし、スケーリングファクタκは、κ≧０となるように選択する。また、シグマポイントに対する重みは下記のように定義する。
However, the scaling factor κ is selected so that κ≧0. In addition, the weight for the sigma point is defined as follows.
第１アンセンティッド変換部１０２Ａの関数変換部１０２Ａ２における、非線形関数ｆ（ｘ）による各シグマポイントの変換は下記のようになる。下記は、第１アンセンティッド変換部１０２Ａの関数変換部１０２Ａ２での状態方程式ｆ（ｘ）による変換だが、第２アンセンティッド変換部１０２Ｂの関数変換部１０２Ｂ２での観測方程式ｈ（ｘ）を用いた変換では、観測値が得られる。
The conversion of each sigma point by the non-linear function f(x) in the function conversion unit 102A2 of the first unscented conversion unit 102A is as follows. The following is conversion by the state equation f(x) in the function conversion unit 102A2 of the first unscented conversion unit 102A, but the observation equation h(x) in the function conversion unit 102B2 of the second unscented conversion unit 102B is used. The transformation yields observations.
第１アンセンティッド変換部１０２ＡのＵ変換部１０２Ａ３では、関数ｆ（ｘ）によって変換された値と、前述の重み係数とを用いて、下記のように状態量ｘの平均値と状態量ｘの共分散行列を算出する。なお、下記式中のＱnはシステムノイズである。
The U conversion unit 102A3 of the first unscented conversion unit 102A uses the value converted by the function f(x) and the weighting factor described above to calculate the average value of the state quantity x and the state quantity x as follows. Compute the covariance matrix. Note that Q n in the following formula is system noise.
第２アンセンティッド変換部１０２ＢのＵ変換部１０２Ｂ３では、下記の計算を行う。
The U conversion unit 102B3 of the second unscented conversion unit 102B performs the following calculation.
図７は、フィルタリング部１０４の機能ブロック図の一例である。フィルタリング部１０４では、Ｕ変換部１０２Ｂ３で計算された、状態量の事前予測値に対応する観測値と、実際に観測された観測値との差を比較し、状態量の予測値を補正する処理を行う。 FIG. 7 is an example of a functional block diagram of the filtering unit 104. The filtering unit 104 compares the difference between the observed value calculated by the U conversion unit 102B3 and corresponding to the predicted value of the state quantity and the observed value that is actually observed, and corrects the predicted value of the state quantity. I do.
状態量の予測値を実際に観測された値でフィードバックする処理はカルマンゲイン(Kalman Gain)と呼ばれ、次式で計算される。なお、次式のＲnは観測ノイズである。
The process of feeding back the predicted value of the state quantity with the actually observed value is called Kalman gain, and is calculated by the following equation. Note that R n in the following equation is observation noise.
次に、このカルマンゲインを用いて、状態量の事前予測値を補正する処理を次のように行う。
Next, using this Kalman gain, a process of correcting the prior predicted value of the state quantity is performed as follows.
以上の事前推定部１０２及びフィルタリング部１０４の処理を各タイムステップごとに繰り返すことにより、車両２００のヨーレートＲrを推定する。 The yaw rate R r of the vehicle 200 is estimated by repeating the processes of the pre-estimation unit 102 and the filtering unit 104 at each time step.
車両２００のヨーレートＲrを推定する場合、フィルタリング部１０４が出力したｘ（ｋ）、Ｐx（ｋ）を前回値として事前推定部１０２に入力し、上述のように２段階のアンセンティッド変換を行って状態量の事前予測値及び対応する観測値を計算する。計算した状態量の予測値は、フィルタリング部１０４でカルマンゲイン及び実際に観測された最新の観測値を用いて補正される。フィルタリング部１０４が出力したｘ（ｋ）、Ｐx（ｋ）は、記憶装置１８に一時的にホールドし、記憶装置１８にホールドしたｘ（ｋ）、Ｐx（ｋ）を前回値として事前推定部１０２に入力する。 When estimating the yaw rate R r of the vehicle 200, x(k) and P x (k) output from the filtering unit 104 are input to the pre-estimation unit 102 as previous values, and two-step unscented conversion is performed as described above. Do and compute the pre-estimated value of the state quantity and the corresponding observed value. The predicted value of the calculated state quantity is corrected by the filtering unit 104 using the Kalman gain and the latest observed value actually observed. X filtering unit 104 outputs (k), P x (k), the storage device temporarily hold the 18, x was held in the storage device 18 (k), pre-estimate P x (k) is a previous value Input to the unit 102.
この状態量の事前予測値の計算と実際に観測された最新の値での補正を繰り返すことにより、車両の横速度Ｖr及び車両２００のヨーレートＲrを精度よく推定できる。本実施の形態に係る車両状態推定装置は、既存の状態方程式に依存せず、かつ車両２００の運動について近似をしていないので、車両２００が目標経路２２０から大きく逸脱した場合でも正確にヨーレートＲrの推定が可能となる。 The lateral velocity V r of the vehicle and the yaw rate R r of the vehicle 200 can be accurately estimated by repeating the calculation of the preliminary predicted value of the state quantity and the correction with the latest value actually observed. Since the vehicle state estimation device according to the present embodiment does not depend on the existing state equation and does not approximate the motion of the vehicle 200, the yaw rate R can be accurately calculated even when the vehicle 200 largely deviates from the target route 220. It is possible to estimate r .
以上説明したように、本実施の形態に係る車両状態推定装置によれば、既存の状態方程式に依存せずに、撮像装置２２の映像及び車速から車両２００のヨーレートＲrを算出できる。 As described above, according to the vehicle state estimation device of the present embodiment, the yaw rate R r of the vehicle 200 can be calculated from the image of the imaging device 22 and the vehicle speed without depending on the existing state equation.
[第２の実施の形態]
続いて本発明の第２の実施の形態について説明する。本実施の形態では、車両２００の横速度Ｕrを算出するが、使用する状態方程式ｆ（ｘ）が第１の実施の形態と相違するものの、車両状態推定装置１０の構成は、第１の実施の形態と同一なので、詳細な説明は省略する。
[Second Embodiment]
Subsequently, a second embodiment of the present invention will be described. Although the lateral velocity U r of the vehicle 200 is calculated in the present embodiment, the state equation f(x) to be used is different from that in the first embodiment, but the configuration of the vehicle state estimation device 10 is the first. The detailed description is omitted because it is the same as the embodiment.
まず、撮像装置２２より得られる目標経路２２０に対する横位置偏差ｅ1、ヨー角偏差ｅ2及び目標経路２２０の曲率ρの情報を用いて、車両２００の横速度Ｕrを推定する場合の状態方程式ｆ（ｘ）を定義する。 First, a state equation for estimating the lateral velocity U r of the vehicle 200 using information on the lateral position deviation e 1 , the yaw angle deviation e 2, and the curvature ρ of the target path 220 with respect to the target path 220 obtained from the imaging device 22. Define f(x).
かかる場合の状態方程式ｆ（ｘ）は、下記のような、時間ｔにおける状態量ｘ（ｔ）に対して、下記の式（４）の関係が成り立つ。
In the state equation f(x) in such a case, the following equation (4) holds for the state quantity x(t) at the time t as described below.
上記の状態量ｘ（ｔ）に対して、上記の式（４）の関係が成り立つ状態方程式ｆ（ｘ）を下記のように立式する。
For the above state quantity x(t), a state equation f(x) in which the relation of the above equation (4) is established is formulated as follows.
式（６）、（７）は、目標経路２２０と車両２００との運動の関係を示す式を用いて定義される微分方程式である。 Equations (6) and (7) are differential equations defined using equations that show the relationship of motion between the target path 220 and the vehicle 200.
また、本実施の形態では、各状態に対するシステムノイズを下記のように定義する。
Further, in the present embodiment, the system noise for each state is defined as follows.
次に観測量を第１の実施の形態と同様に定義する。
Next, the observation amount is defined as in the first embodiment.
ｙ=ｈ（ｘ）を満たす観測方程式ｈ（ｘ）は、第１の実施の形態と同様に、下記の各式のように、状態量（右辺）と観測量（左辺）との対応を定義したものである。
The observation equation h(x) that satisfies y=h(x) defines the correspondence between the state quantity (right side) and the observed quantity (left side) as in the following equations, as in the first embodiment. It was done.
ただし、各観測量に対する観測ノイズを下記のように定義する。
However, the observation noise for each observed quantity is defined as follows.
本実施の形態では、上記のｆ（ｘ）の入出力関係を、第１の実施の形態と同様に、時間ｔ＝ｋ、ｋ−１に対して、ｘ（ｋ）＝ｆ（ｘ（ｋ−１））となる形で使用する。以下、第１の実施の形態と同様に、事前推定部１０２及びフィルタリング部１０４の処理を各タイムステップごとに繰り返すことにより、車両２００の横速度Ｕrを推定する。 In the present embodiment, the input/output relationship of f(x) described above is similar to that of the first embodiment, with respect to time t=k and k−1, x(k)=f(x(k -1)) is used. Hereinafter, similarly to the first embodiment, the lateral speed U r of the vehicle 200 is estimated by repeating the processing of the pre-estimation unit 102 and the filtering unit 104 at each time step.
車両２００の横速度Ｖrを推定する場合も、フィルタリング部１０４が出力したｘ（ｋ）、Ｐx（ｋ）を前回値として事前推定部１０２に入力し、上述のように２段階のアンセンティッド変換を行って状態量の事前予測値及び対応する観測値を計算する。計算した状態量の予測値は、フィルタリング部１０４でカルマンゲイン及び実際に観測された最新の観測値で補正される。フィルタリング部１０４が出力したｘ（ｋ）、Ｐx（ｋ）は、記憶装置１８に一時的にホールドし、記憶装置１８にホールドしたｘ（ｋ）、Ｐx（ｋ）を前回値として事前推定部１０２に入力する。 Also when estimating the lateral velocity V r of the vehicle 200, x(k) and P x (k) output from the filtering unit 104 are input to the pre-estimation unit 102 as previous values, and the two-step unscented as described above. Perform a transformation to compute the pre-estimated value of the state quantity and the corresponding observed value. The predicted value of the calculated state quantity is corrected by the filtering unit 104 with the Kalman gain and the latest observed value actually observed. X filtering unit 104 outputs (k), P x (k), the storage device temporarily hold the 18, x was held in the storage device 18 (k), pre-estimate P x (k) is a previous value Input to the unit 102.
この状態量の事前予測値の計算と実際に観測された最新の値での補正を繰り返すことにより、車両２００の横速度Ｖrを精度よく推定できる。本実施の形態に係る車両状態推定装置は、既存の状態方程式に依存せず、かつ車両２００の運動について近似をしていないので、車両２００が目標経路２２０から大きく逸脱した場合でも正確に横速度Ｖrの推定が可能となる。 The lateral velocity V r of the vehicle 200 can be accurately estimated by repeating the calculation of the preliminary predicted value of the state quantity and the correction with the latest value actually observed. Since the vehicle state estimation device according to the present embodiment does not depend on the existing state equation and does not approximate the motion of the vehicle 200, the lateral velocity is accurately determined even when the vehicle 200 deviates largely from the target route 220. It is possible to estimate V r .
以上説明したように、本実施の形態に係る車両状態推定装置によれば、既存の状態方程式に依存せずに、撮像装置２２の映像及び車速から車両２００の横速度Ｖrを算出できる。 As described above, according to the vehicle state estimating device of the present embodiment, the lateral velocity V r of the vehicle 200 can be calculated from the image of the imaging device 22 and the vehicle velocity without depending on the existing state equation.
１０ 車両状態推定装置
１２ 入力装置
１４ 演算装置
１６ 表示装置
１８ 記憶装置
２０ 画像情報処理部
２２ 撮像装置
１０２ 事前推定部
１０２Ａ 第１アンセンティッド変換部
１０２Ａ１ シグマポイント重み係数部
１０２Ａ２ 関数変換部
１０２Ａ３ Ｕ変換部
１０２Ｂ 第２アンセンティッド変換部
１０２Ｂ１ シグマポイント重み係数部
１０２Ｂ２ 関数変換部
１０２Ｂ３ Ｕ変換部
１０４ フィルタリング部
２００ 車両
２０４ 地球座標系
２０６ 路面座標系
２０８ 車両座標系
２２０ 目標経路
10 vehicle state estimation device 12 input device 14 arithmetic device 16 display device 18 storage device 20 image information processing unit 22 image pickup device 102 prior estimation unit 102A first unscented conversion unit 102A1 sigma point weighting coefficient unit 102A2 function conversion unit 102A3 U conversion unit 102B 2nd unscented conversion part 102B1 sigma point weighting coefficient part 102B2 Function conversion part 102B3 U conversion part 104 Filtering part 200 Vehicle 204 Earth coordinate system 206 Road surface coordinate system 208 Vehicle coordinate system 220 Target route
Claims (5)
前記撮像装置が取得した画像情報から、目標経路と車両との横位置偏差、前記目標経路と車両のヨー角偏差、及び前記目標経路の曲率を算出する画像情報処理部と、
前記目標経路上の目標点の移動と、横滑りを含む前記車両の運動との関係を表す式を用いて、前記横位置偏差、前記ヨー角偏差、前記曲率、及び車速センサから得られる車両前後速度を含む実測値から、前記車両のヨーレートを推定する演算部と、
を含む車両状態推定装置。 An imaging device that acquires image information around the vehicle,
From the image information acquired by the imaging device, an image information processing unit that calculates a lateral position deviation between the target route and the vehicle, a yaw angle deviation between the target route and the vehicle, and a curvature of the target route,
A vehicle front-rear velocity obtained from the lateral position deviation, the yaw angle deviation, the curvature, and the vehicle speed sensor by using an expression representing the relationship between the movement of the target point on the target route and the motion of the vehicle including skidding. A calculation unit that estimates the yaw rate of the vehicle from an actual measurement value including
Vehicle state estimation device including.
前記関係を表す式は、前記目標点の移動速度の、車両前後方向に対する垂直成分から、前記横位置偏差の変化量と、前記車両のヨー運動に伴う車両重心位置に対する前記撮像装置の横速度とを減算した結果と、前記車両の横速度とが等しい関係を表す式を含む請求項１に記載の車両状態推定装置。 The calculation unit further estimates the lateral speed of the vehicle,
The equation representing the relationship is a change amount of the lateral position deviation from a vertical component of the moving speed of the target point with respect to the vehicle front-rear direction, and a lateral speed of the imaging device with respect to a vehicle center of gravity position accompanying the yaw motion of the vehicle. The vehicle state estimation device according to claim 1, further comprising an equation representing a relationship in which a result obtained by subtracting and a lateral speed of the vehicle are equal.
予め定められた観測方程式を用いて算出される、前記予測された次時刻の前記車両の状態量に対応する、前記横位置偏差、前記ヨー角偏差、前記曲率、及び車両前後速度と、それぞれの前記実測値との差分、及び前回推定された前記車両の状態量に基づいて、前記予測部で予測された前記車両の状態量を補正する更新部と、
を含む請求項１〜請求項４の何れか１項記載の車両状態推定装置。 The calculation unit, based on the expression representing the relationship, from the state quantity of the vehicle, which is estimated last time, including the yaw rate of the vehicle, a prediction unit that predicts the state quantity of the vehicle at the next time,
Calculated using a predetermined observation equation, the lateral position deviation, the yaw angle deviation, the curvature, and the vehicle longitudinal speed, which correspond to the state quantity of the vehicle at the predicted next time, respectively. An update unit that corrects the state quantity of the vehicle predicted by the prediction unit based on the difference from the actual measurement value and the state quantity of the vehicle estimated last time,
The vehicle state estimation device according to claim 1, further comprising:
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018234756A JP6939759B2 (en) | 2018-12-14 | 2018-12-14 | Vehicle condition estimation device |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2018234756A JP6939759B2 (en) | 2018-12-14 | 2018-12-14 | Vehicle condition estimation device |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2020094989A true JP2020094989A (en) | 2020-06-18 |
| JP6939759B2 JP6939759B2 (en) | 2021-09-22 |
Family
ID=71085583
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2018234756A Active JP6939759B2 (en) | 2018-12-14 | 2018-12-14 | Vehicle condition estimation device |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6939759B2 (en) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114822080A (en) * | 2021-01-28 | 2022-07-29 | 丰田自动车株式会社 | Travel track estimation system, recording medium of estimation program, and estimation method |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP7234617B2 (en) * | 2018-12-18 | 2023-03-08 | 株式会社豊田中央研究所 | Body attitude angle estimation device |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090157263A1 (en) * | 2007-12-13 | 2009-06-18 | Hyundai Motor Company | System and method for keeping a vehicle in a lane |
| JP2010274701A (en) * | 2009-05-26 | 2010-12-09 | Toyota Motor Corp | Vehicle physical quantity estimating device |
| JP2016011060A (en) * | 2014-06-30 | 2016-01-21 | マツダ株式会社 | Lane keeping support system |
-
2018
- 2018-12-14 JP JP2018234756A patent/JP6939759B2/en active Active
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090157263A1 (en) * | 2007-12-13 | 2009-06-18 | Hyundai Motor Company | System and method for keeping a vehicle in a lane |
| JP2010274701A (en) * | 2009-05-26 | 2010-12-09 | Toyota Motor Corp | Vehicle physical quantity estimating device |
| JP2016011060A (en) * | 2014-06-30 | 2016-01-21 | マツダ株式会社 | Lane keeping support system |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN114822080A (en) * | 2021-01-28 | 2022-07-29 | 丰田自动车株式会社 | Travel track estimation system, recording medium of estimation program, and estimation method |
| CN114822080B (en) * | 2021-01-28 | 2024-01-02 | 丰田自动车株式会社 | Travel track estimating system, recording medium of estimating program, and estimating method |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6939759B2 (en) | 2021-09-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5173854B2 (en) | Sensor drift estimation device | |
| KR102432116B1 (en) | A navigation system | |
| US10408638B2 (en) | System and method for controlling a vehicle under sensor uncertainty | |
| US10628707B2 (en) | Time-corrected sensor system | |
| US20100007550A1 (en) | Positioning apparatus for a mobile object | |
| JP5029442B2 (en) | Vehicle attitude angle estimation device and program | |
| JP7036080B2 (en) | Inertial navigation system | |
| JP2017531597A (en) | Method for estimating vehicle side slip angle, computer program for implementing the method, control unit reading the computer program, and vehicle equipped with the control unit | |
| JP6939759B2 (en) | Vehicle condition estimation device | |
| JP2017122960A (en) | Vehicle location estimation device | |
| JP7206883B2 (en) | Yaw rate corrector | |
| JP2008094375A (en) | Vehicle physical quantity estimating apparatus and program | |
| JP2014240266A (en) | Sensor drift amount estimation device and program | |
| KR101954510B1 (en) | Lane keeping control method and apparatus | |
| JP7234617B2 (en) | Body attitude angle estimation device | |
| JP5091047B2 (en) | Vehicle attitude angle estimation device and sensor drift estimation device | |
| CN112577513A (en) | State quantity error determination method and vehicle-mounted terminal | |
| JP7028223B2 (en) | Self-position estimator | |
| CN113306573B (en) | Learning type path tracking prediction control method for automatic driving vehicle | |
| WO2022203026A1 (en) | Driving control device | |
| JP2014108728A (en) | Vehicle body sideslip angle estimation device | |
| JP7206875B2 (en) | Vehicle lateral speed estimator | |
| JP7360976B2 (en) | Sensor error correction device | |
| JP4541839B2 (en) | Road surface inclination judgment system | |
| JP6981459B2 (en) | Sensor error correction device |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200422 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20210217 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210302 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210326 |
|
| 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: 20210803 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210816 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6939759 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |