JP2020197708A - 地図システム、地図生成プログラム、記憶媒体、車両用装置およびサーバ - Google Patents

Abstract

【課題】サーバでの地図の生成精度を高める。【解決手段】地図システム１は、車両に搭載され車両の周辺の画像を撮像する画像センサ３を備えた車両用装置９と、車両用装置９から送信される画像センサ３により撮像された画像に対応するデータを用いて地図を生成するサーバ２とを備える。サーバ２は、複数の車両用装置９から送信されるデータの偏りに基づいてデータに重み付けを行い、その重み付けに基づいて複数のデータの少なくとも一部を統合して地図を生成する統合部１１を備える。【選択図】図１

Description

本発明は、地図を生成する地図システム、地図生成プログラム、記憶媒体、車両用装置およびサーバに関する。

特許文献１には、車両に搭載されたカメラにより撮像された画像を用いてランドマークなどの位置情報を記録し、それら情報をサーバなどにアップロードして疎な地図を生成し、車両の走行時には生成された疎な地図をダウンロードして自車両の位置を決定するシステムに関する技術が開示されている。

特表２０１８−５１０３７３号公報

上述したようなシステムにおいて、サーバにアップロードするためのデータであるプローブデータは、同じ箇所を対象としたデータであっても、それを生成した車両に搭載されたカメラなどの撮像装置の仕様、取付位置、姿勢などにより互いに異なるものとなることがある。従来、サーバは、このようなプローブデータを全て統合することで地図を生成する。そのため、プローブデータのデータ数が増えるほど、サーバでの地図の生成精度が向上する。

しかし、プローブデータのデータ数が少ない場合、それらプローブデータに偏りが生じていると、サーバにおいて地図を生成する際の精度を向上することができないおそれがある。つまり、従来技術では、プローブデータのデータ数が少ない場合には、サーバでの地図の生成精度が低下する可能性があった。

本発明は上記事情に鑑みてなされたものであり、その目的は、サーバでの地図の生成精度を高めることができる地図システム、地図生成プログラム、記憶媒体、車両用装置およびサーバを提供することにある。

請求項１に記載の地図システムは、車両に搭載され車両の周辺の画像を撮像する撮像装置を備えた車両用装置と、車両用装置から送信される撮像装置により撮像された画像に対応するデータを用いて地図を生成するサーバと、を備えたシステムである。地図システムは、複数の車両用装置から送信されるデータの偏りに基づいてデータに重み付けを行い、その重み付けに基づいて複数のデータの少なくとも一部を統合して地図を生成する統合部を備える。

上記構成によれば、複数の車両用装置からサーバに送信されるデータ、つまりプローブデータに偏りがある場合でも、その偏りに基づいてデータに重み付けが行われ、その重み付けを考慮して地図が生成される。このような構成によれば、従来に比べ、車両用装置からサーバに送信されるデータの数が少なくとも、サーバは、より精度の高い地図を生成することができる。したがって、上記構成によれば、サーバでの地図の生成精度を高めることができるという優れた効果が得られる。

第１実施形態に係る地図システムの構成を模式的に示す図 第１実施形態に係る統合部の構成を模式的に示す図 第１実施形態に係る第１適用例において統合部が実行する処理の流れを模式的に示す図 第１実施形態に係る第２適用例において統合部が実行する処理の流れを模式的に示す図 第１実施形態に係る第３適用例において統合部が実行する処理の流れを模式的に示す図 第２実施形態に係る地図システムの構成を模式的に示す図 第２実施形態に係る第１手法による信頼度情報生成の具体的な事例を説明するための図 第２実施形態に係る第２手法による信頼度情報生成の具体的な事例を説明するための図 第２実施形態に係る第３手法による信頼度情報生成の具体的な事例を説明するための図

以下、複数の実施形態について図面を参照して説明する。なお、各実施形態において実質的に同一の構成には同一の符号を付して説明を省略する。
（第１実施形態）
以下、第１実施形態について図１〜図５を参照して説明する。
図１に示す地図システム１は、自律的ナビゲーションのための地図システムである。地図システム１は、ＧＰＳなどの自車両の位置を特定する従来の機能に対して、追加的に機能してより高精度に位置の特定をすることに効果を発揮する。地図システム１は、大きく分けて、地図活用および地図更新の２つの機能を備えている。

地図活用においては、サーバ２に格納された地図情報が車両にダウンロードされ、車両はダウンロードされた地図情報と、例えばカメラなどの画像センサ３により撮像された画像に含まれる標識などのランドマークの位置とに基づいて自車両の位置を特定する。本明細書では、サーバ２に格納された地図情報のことを統合地図と称することがある。この場合、特定した自車両の現在位置に基づいて、車両制御部４が車両に搭載されたハードウェアを動作させるためのアクチュエータに対して対応する命令を出力することで運転支援が実現される。アクチュエータとは、例えばブレーキ、スロットル、ステアリング、ランプなど、車両をハードウェア的に制御するための装置である。

一方、地図更新においては、車両に搭載された画像センサ３、車速センサ５、図示しないミリ波センサなどの各種センサにより得られた情報がプローブデータとしてサーバ２にアップロードされ、サーバ２内の統合地図が逐次更新される。これにより、車両は、常に最新の地図情報に基づいて高精度に位置特定がされつつ、例えば運転支援や自動ステアリングが実現される。

地図システム１において、ヒューマンマシンインターフェース６は、各種の情報をユーザに通知したり、ユーザが所定の操作を車両に伝達したりするためのユーザインタフェースである。なお、本明細書では、ヒューマンマシンインターフェースのことをＨＭＩと省略することがある。ＨＭＩ６には、例えばカーナビゲーション装置に付属するディスプレイ、インストルメントパネルに内蔵されたディスプレイ、ウィンドシールドに投影されるヘッドアップディスプレイ、マイク、スピーカなどが含まれる。さらには、車両と通信可能に接続されたスマートフォンなどのモバイル端末も地図システム１内のＨＭＩ６になり得る。

ユーザはＨＭＩ６に表示される情報を視覚的に得るほか、音声や警告音、振動によっても情報を得ることができる。また、ユーザは、ディスプレイのタッチ操作や音声により車両に対して所望の動作を要求することができる。例えば、ユーザが地図情報を活用して自動ステアリングなどの高度運転支援のサービスを受けようとするとき、ユーザはＨＭＩ６を介して該機能を有効化する。例えば、ディスプレイ上に示された「地図連携」ボタンをタップすると地図活用の機能が有効化され、地図情報のダウンロードが開始される。

別の例では、音声にて命令を与えることにより地図活用の機能が有効化される。なお、地図更新に係る地図情報のアップロードについては、車両とサーバ２との通信が確立されている間常時実行されていてもよいし、「地図連携」ボタンをタップして地図活用の機能が有効化されている間に実行されるようにされてもよいし、ユーザの意思を反映する別のＵＩによって有効化されてもよい。

本実施形態の地図システム１は、サーバ２および車両側の各構成を備える。車両側の各構成とは、画像センサ３、車両制御部４、車速センサ５、ＨＭＩ６、ＧＰＳ受信部７および制御装置８などである。これら車両側の各構成のうち、画像センサ３および制御装置８は、画像センサ３により撮像された画像に対応するデータをサーバ２に送信する車両用装置９として機能する。

サーバ２は、車両用装置９などが搭載される車両から隔離した箇所に設けられている。サーバ２は、車両用装置９から送信される画像センサ３により撮像された画像に対応するデータを用いて地図を生成するもので、制御装置１０を備えている。制御装置１０は、ＣＰＵ、ＲＯＭ、ＲＡＭおよびＩ／Ｏなどを有するマイクロコンピュータを主体として構成されており、統合部１１および更新部１２を備える。

これら各機能ブロックは、制御装置１０のＣＰＵが非遷移的実体的記憶媒体に格納されているコンピュータプログラムを実行することでコンピュータプログラムに対応する処理を実行することにより実現されている、つまりソフトウェアにより実現されている。したがって、制御装置１０のマイクロコンピュータが実行するコンピュータプログラムには、地図生成および地図更新に関連する各処理の少なくとも一部を実行するためのプログラム、つまり地図生成プログラムの少なくとも一部が含まれている。統合部１１および更新部１２は、前述した地図更新に関する各種の処理を実行するためのものであり、それらの詳細については後述する。

ＧＰＳ受信部７は、図示しないＧＰＳアンテナを介して受信した信号により表されるＧＰＳ情報を表すデータＤａを制御装置８などへと出力する。車速センサ５は、車両の速度である車速を検出するものであり、車両が有する車輪の速度を検出する車輪速センサとして構成されている。車速センサ５は、その検出値である検出速度を表す信号Ｓａを制御装置８などへと出力する。

画像センサ３は、車両に搭載され、車両周辺の環境、具体的には車両の進行方向前方における所定範囲の環境を撮像する撮像装置である。なお、画像センサ３は、車両の進行方向前方を撮像するものに限らずともよく、例えば後方、側方を撮像するものでもよい。画像センサ３により撮像された車両周辺の環境の情報は、静止画または動画（以下、これらを総称して画像と称する）の形式で図示しないメモリに格納される。制御装置８は、そのメモリに格納されたデータＤｂを読み出し可能に構成されており、そのデータＤｂに基づいて各種処理を実行する。

制御装置８は、ＣＰＵ、ＲＯＭ、ＲＡＭおよびＩ／Ｏなどを有するマイクロコンピュータを主体として構成されている。制御装置８は、スケールファクタ補正部１３、エゴモーション算出部１４、ランドマーク検出部１５、地図生成部１６、ローカライズ部１７などの機能ブロックを備える。これら各機能ブロックは、制御装置８のＣＰＵが非遷移的実体的記憶媒体に格納されているコンピュータプログラムを実行することでコンピュータプログラムに対応する処理を実行することにより実現されている、つまりソフトウェアにより実現されている。

制御装置８は、車両に搭載された電子制御装置、つまりＥＣＵなどの車載器の一部を構成している。制御装置８のマイクロコンピュータが実行するコンピュータプログラムには、地図生成および地図更新に関連する各処理の少なくとも一部を実行するためのプログラム、つまり地図生成プログラムの少なくとも一部が含まれている。スケールファクタ補正部１３は、車速センサ５から与えられる信号Ｓａおよび画像センサ３により撮像された画像を表すデータＤｂに基づいて、車速センサ５のスケールファクタを学習する。

なお、本明細書では、スケールファクタ補正部のことをＳＦ補正部と省略することがある。車速センサ５のスケールファクタとは、車速センサ５の測定対象である車速に対する車速センサ５の検出値の比、つまり車速センサ５の入力変化に対する出力変化の比のことであり、車速センサ５の検出値から車速の真値を求めるための係数である。ＳＦ補正部１３は、車速センサ５から与えられる信号Ｓａと学習により補正されたスケールファクタとに基づいて自車両の車速を検出し、その検出値を表すデータＤｃをエゴモーション算出部１４へと出力する。

エゴモーション算出部１４は、画像センサ３により撮像された画像に基づいて車両の挙動である自車挙動を推定する。この場合、エゴモーション算出部１４は、Structure From Motionの手法を利用して自車挙動を推定する構成となっている。なお、本明細書では、Structure From MotionのことをＳＦＭと省略することがある。エゴモーション算出部１４は、ＳＦＭモジュールにより構成されるＳＦＭ認識部１８および走行軌跡生成部１９を備えている。

ＳＦＭ認識部１８は、データＤｂに基づいて、自車挙動、つまり車両自身の姿勢を表すパラメータであるエゴモーションの推定などを行う。なお、エゴモーションには、ヨー、ロール、ピッチおよび並進移動を示す情報が含まれる。上記構成では、画像センサ３は、車両の走行に伴い、移動しながら車両の周辺画像を撮像することになる。ＳＦＭ認識部１８は、画像センサ３が移動しながら撮像した２視点の画像、つまり１つの画像センサ３により異なるタイミングで撮像された撮像位置の異なる２つのフレーム分の画像において、コーナーやエッジなどの対応がとり易い特徴点を抽出する。

ＳＦＭ認識部１８は、２つのフレーム分の画像において抽出した特徴点を対応付け、それらの位置関係に基づいて特徴点のオプティカルフローを算出する。ＳＦＭ認識部１８は、算出した複数のオプティカルフローを手掛かりに、各特徴点の三次元位置と、画像センサ３の姿勢、つまりエゴモーションを推定する。なお、ＳＦＭ認識部１８は、このような手法により自車両の移動量を知ることができるが、そのスケールの精度に課題がある。そこで、ＳＦＭ認識部１８は、ＧＰＳ情報を表すデータＤａおよび車速の検出値を表すデータＤｃに基づいて自車両の移動速度を取得し、その移動速度に基づいて上記スケールの精度を向上させるようになっている。

ＳＦＭ認識部１８は、推定したエゴモーションを表すデータＤｄを、走行軌跡生成部１９およびランドマーク検出部１５へと出力する。走行軌跡生成部１９は、ＳＦＭ認識部１８により推定されるエゴモーションを毎時積算し、自車両がどのように移動したのかを表す走行軌跡を生成する。走行軌跡生成部１９は、生成した走行軌跡を表すデータＤｅを地図生成部１６へと出力する。

ランドマーク検出部１５は、認識部２０および物標生成部２１を備えている。認識部２０は、データＤｂに基づいて、画像センサ３により撮像された画像上におけるランドマークの位置を検出する。なお、ランドマークの位置の検出手法としては、様々な手法を採用することができる。上記ランドマークには、例えば標識、看板、電柱や街灯などのポール、白線、信号機などが含まれる。

また、認識部２０は、データＤｂに基づいて、自車両の走路を認識して道路パラメータおよび区画線を表す情報である区画線情報を取得する。道路パラメータには、車線の幅であるレーン幅、車線すなわち道路の曲率などの車線の形状を表す情報が含まれる。また、道路パラメータには、車線の幅方向中央位置から自車両の位置までの距離を表すオフセット、車線すなわち道路の接線方向と自車両の進行方向とのなす角度を表すヨー角などの車線の形状に対する自車両の走行状態を表す情報も含まれる。

この場合、上述した区画線情報などの走路情報も上記ランドマークに含まれる。認識部２０は、このようなランドマークの検出結果を表すデータＤｆを物標生成部２１へと出力する。物標生成部２１は、認識部２０から与えられるデータＤｆと、ＳＦＭ認識部１８から与えられるデータＤｄと、に基づいて、検出されたランドマークとその中のＳＦＭの点を照合し、これにより、ランドマークの距離、横位置を含めた物理位置情報を求める。ランドマーク検出部１５は、認識部２０により取得された道路パラメータを表すデータＤｇを車両制御部４へと出力する。また、ランドマーク検出部１５は、物標生成部２１により生成された区画線情報などの走路情報も含まれたランドマークの位置に関する情報を表すデータＤｈを地図生成部１６へと出力する。

地図生成部１６は、ＧＰＳ情報を表すデータＤａ、エゴモーション算出部１４から与えられるデータＤｅおよびランドマーク検出部１５から与えられるデータＤｈに基づいて地図情報を生成する。具体的には、地図生成部１６は、ＧＰＳ情報、生成されたランドマークおよび走行軌跡を紐付け、それにより断片的な地図データである地図情報を生成する。本明細書では、地図生成部１６により生成される地図情報のことをプローブ地図と称することがある。

地図生成部１６により生成されたプローブ地図を表すデータＤｉは、プローブデータとしてサーバ２にアップロードされるとともに、ローカライズ部１７へと出力される。なお、この場合、地図生成部１６により生成されるデータＤｉには、画像センサ３の車両への搭載位置、画像センサ３の車両への搭載姿勢および画像センサ３の解像度、画角などの仕様を表す情報も含まれている。

プローブ地図は、ＳＦＭの精度に限界があることなどから、その精度は十分に高いとは言い難い。そこで、サーバ２の統合部１１は、詳細は後述するが、各車両の車載器から送信されるデータＤｉに基づいて、複数のプローブ地図を重ね合わせて統合し、地図の精度を向上させる。サーバ２の更新部１２は、統合部１１による統合が成功すると、統合地図を更新する。サーバ２は、統合地図を表すデータＤｊを各車両の車載器へと配信する。この場合、サーバ２は、配信先の車両の概略位置をＧＰＳ情報などに基づいて特定し、その概略位置の周辺（例えば概略位置を中心とした半径数ｋｍの範囲）の統合地図を配信する。なお、車載器側に地図が存在する場合、その地図との差分配信も可能である。

ローカライズ部１７は、自車両の現在位置を推定するローカライズを実行する。ローカライズ部１７は、サーバ２から統合地図を表すデータＤｊをダウンロードし、そのダウンロードしたデータＤｊと、プローブ地図を表すデータＤｉおよび画像センサ３により撮像された画像を表すデータＤｂに基づいて、統合地図に対してローカライズを行う。なお、ローカライズ部１７は、プローブ地図を表すデータＤｉを用いることなく、ローカライズを実行することもできる。

ローカライズ部１７は、ローカライズが成功した場合、地図情報に基づく道路パラメータを算出する。ローカライズ部１７は、地図情報に基づく道路パラメータを表すデータＤｋを車両制御部４へと出力する。車両制御部４は、ランドマーク検出部１５から与えられるデータＤｇとローカライズ部１７から与えられるデータＤｋとに基づいて、自車両の走行を制御するための各種の処理を実行する。すなわち、車両制御部４は、道路パラメータに基づいて自車両の走行を制御するための各種の処理を実行する。

従来技術において既述したように、複数の車両に搭載された車両用装置９から送信されるデータＤｉに偏りが生じる可能性がある。そこで、サーバ２の統合部１１は、複数の車両に搭載された車両用装置９から送信されるデータＤｉの偏りを判定する。統合部１１は、データＤｉの偏りに基づいてデータＤｉに重み付けを行い、その重み付けに基づいて複数のデータＤｉの少なくとも一部を統合して地図を生成する。なお、統合部１１により実行される各処理は、統合手順に相当する。

図２に示すように、統合部１１は、偏り判定部２２、間引き処理部２３および重み付け統合部２４などの機能ブロックを備える。偏り判定部２２は、複数の車両から送信されたデータＤｉの偏りを判定する処理を実行し、その結果を表すデータＤｌを間引き処理部２３へと出力する。偏り判定部２２は、画像センサ３の車両への搭載位置、画像センサ３の仰角、俯角などに影響を及ぼす車両への搭載姿勢および画像センサ３の解像度、画角などの仕様のうち少なくとも１つに基づいたデータＤｉの偏りを判定することができる。また、偏り判定部２２は、車両の走行速度に基づいたデータＤｉの偏りを判定することができる。さらに、偏り判定部２２は、車両の周辺環境に基づいたデータＤｉの偏りを判定することができる。

間引き処理部２３は、データＤｌに基づいて、複数のデータＤｉのうち不要なデータを間引く間引き処理を実行し、その結果を表すデータＤｍを重み付け統合部２４へと出力する。重み付け統合部２４は、データＤｍに基づいて複数のデータＤｉのうち不要なデータを除くデータを重ね合わせて統合する統合処理を実行する。この場合、重み付け統合部２４は、エゴモーション算出部１４による自車挙動の推定精度、つまりデータＤｂに対応する画像を用いるとともにＳＦＭの手法を利用して自車挙動を推定する際における推定精度に基づいてデータＤｉの重み付けを行うことができる。

具体的には、統合部１１は、上記した推定精度が相対的に高いと判断されるデータＤｉの優先度を、上記した推定精度が相対的に低いと判断されるデータＤｉの優先度に比べて高くするようにデータＤｉの重み付けを行うことができる。統合部１１は、このような重み付けを行った結果、より優先度の高いデータＤｉを優先的に用いて地図の生成を行うことができる。

次に、統合部１１により実行される各処理の具体的な適用例について説明する。なお、以下では、統合部１１が備える各機能ブロックのそれぞれにより実行される処理について、統合部１１が実行するものとして説明する。

［１］第１適用例
第１適用例は、画像センサ３の搭載位置、姿勢、仕様などに関連する内容である。画像センサ３の搭載位置、姿勢、仕様などについては、ある状況下では地図の生成精度を向上する観点から有利になると考えられるものの、別の状況下では不利になると考えられるものがある。

例えば、画像センサ３の搭載位置が高い位置である場合、高速道路上に設けられる看板などの比較的高い位置に存在する物標までの距離が近くなりその視認性が良くなるが、逆に、路面標示など比較的低い位置に存在する物標までの距離が遠くなりその視認性が悪くなる。画像センサ３の搭載位置が比較的低い位置である場合、比較的低い位置に存在する物標までの距離が近くなりその視認性が良くなるが、逆に、比較的高い位置に存在する物標までの距離が遠くなりその視認性が悪くなる。

このようなことから、データＤｉが画像センサ３の搭載位置が高いデータに偏ると比較的低い位置に存在する物標に関する情報の精度が低くなるし、データＤｉが画像センサ３の搭載位置が低いデータに偏ると比較的高い位置に存在する物標に関する情報の精度が低くなる。そこで、統合部１１は、画像センサ３の搭載位置、具体的には搭載の高さが様々なデータＤｉを万遍なく統合できるように、間引き処理、統合処理などを行う。このようにすれば、上記した各情報に関する精度が低くなることが抑制される。

統合部１１は、特定の物標に関する情報の精度を向上させるために、次のような処理を行うこともできる。すなわち、統合部１１は、比較的高い位置に存在する物標に関する情報の精度を向上させるために、画像センサ３の搭載位置の高さが比較的高いデータＤｉの優先度を高くするように重み付けを行うことができる。また、統合部１１は、比較的低い位置に存在する物標に関する情報の精度を向上させるために、画像センサ３の搭載位置の高さが比較的低いデータＤｉの優先度を高くするように重み付けを行うことができる。

また、画像センサ３の搭載位置の高さと同じ高さの物標はフロー量が出にくい。そこで、統合部１１は、画像センサ３の搭載位置の高さとのずれが大きい物標が含まれるデータＤｉの優先度を高くするように重み付けを行うことができる。このようにすれば、特定の物標に関する情報の精度を向上することができる。

画像センサ３の画角が比較的広い場合、車両から比較的近い位置の対象物の情報を取得するうえでは有利になるが、逆に、車両から比較的遠い位置の対象物の情報を取得するうえでは不利になる。画像センサ３の画角が比較的狭い場合、車両から比較的遠い位置の対象物の情報を取得するうえでは有利になるが、逆に、車両から比較的近い位置の対象物の情報を取得するうえでは不利になる。

このようなことから、データＤｉが画像センサ３の画角が広いデータに偏ると車両から比較的遠い位置に存在する物標に関する情報の精度が低くなるし、データＤｉが画像センサ３の画角が狭いデータに偏ると車両から比較的近い位置に存在する物標に関する情報の精度が低くなる。そこで、統合部１１は、画像センサ３の画角が様々なデータＤｉを万遍なく統合できるように、間引き処理、統合処理などを行う。このようにすれば、上記した各情報に関する精度が低くなることが抑制される。

統合部１１は、特定の物標に関する情報の精度を向上させるために、次のような処理を行うこともできる。すなわち、統合部１１は、車両から比較的近い位置に存在する物標に関する情報の精度を向上させるために、画像センサ３の画角が比較的広いデータＤｉの優先度を高くするように重み付けを行うことができる。また、統合部１１は、車両から比較的遠い位置に存在する物標に関する情報の精度を向上させるために、画像センサ３の画角が比較的狭いデータＤｉの優先度を高くするように重み付けを行うことができる。

画像センサ３の解像度については、基本的には高いほど、地図の生成精度を向上する観点から有利になると考えられる。そこで、統合部１１は、画像センサ３の解像度が比較的高いデータＤｉの優先度を高くするように重み付けを行うことができる。ただし、車両から比較的近い位置に存在する物標に関する情報の精度を向上させる場合または車両から比較的遠い位置に存在する物標に関する情報の精度を向上させる場合には、単に解像度が高いデータＤｉの優先度を高くするだけではなく、画角についても考慮したうえで、優先度を付与する必要がある。

画像センサ３が物標を正面に捉えるように撮像した画像データを含むデータＤｉの場合、物標の横方向への移動が少なくなるため、ＳＦＭでの距離推定の精度が低くなるおそれがある。そこで、統合部１１は、隣接車線から同じ物標を撮像した画像データを含むデータＤｉの優先度を高くするように重み付けを行うことができる。このようにすれば、統合部１１は、各物標を斜めから捉えるように撮像した画像データを含むデータＤｉを優先的に用いて地図の生成を行うことができるため、その精度が向上する。

このような第１適用例において統合部１１が実行する処理の流れをまとめると、図３に示すようなものとなる。図３に示すように、ステップＳ１０１では、画像センサ３の搭載位置、搭載姿勢および仕様のうち少なくとも１つに基づいたデータＤｉの偏りが判定される。ステップＳ１０１の実行後はステップＳ１０２に進み、特定の物標を対象としているのか否か、具体的には特定の物標に関する情報の精度を向上させる必要があるか否かが判断される。ここで、特定の物標に関する情報の精度を向上させる必要がある場合、ステップＳ１０２で「ＹＥＳ」となり、ステップＳ１０３に進む。

ステップＳ１０３では、特定の物標に関する情報の精度を向上させるための所定のデータの優先度が高くなるように間引き処理および統合処理が行われる。一方、特定の物標に関する情報の精度を向上させる必要がない場合、ステップＳ１０２で「ＮＯ」となり、ステップＳ１０４に進む。ステップＳ１０４では、ステップＳ１０１で判定されたデータの偏りが軽減されるように間引き処理および統合処理が行われる。ステップＳ１０３またはＳ１０４の実行後、本処理が終了となる。

［２］第２適用例
第２適用例は、車両の走行速度に関連する内容である。車両の走行速度は、速ければ早いほど、ベースラインが長くなることからＳＦＭの精度が高くなると考えられる。しかし、車両の走行速度が速過ぎる場合には、判定に利用可能なフレーム数が少なくなることからＳＦＭの精度が低下する可能性もある。そこで、統合部１１は、車両の走行速度が様々なデータＤｉを万遍なく統合できるように、間引き処理、統合処理などを行う。このようにすれば、ＳＦＭの精度の低下が抑制される。

ただし、このように車両の走行速度が様々なデータＤｉを万遍なく統合できるようにした場合、車両の周辺に位置する特定の物標についての判定回数が十分ではない可能性があり、その物標に関するＳＦＭの精度が所定の判定精度未満になるおそれがある。なお、判定精度の値は、地図システム１の仕様に応じて適宜設定すればよい。統合部１１は、車両の走行速度に応じて特定の物標に関する精度が判定精度を満たさないと判断すると、次のようにデータＤｉの重み付けを行うことができる。すなわち、統合部１１は、車両の走行速度が比較的遅いデータＤｉの優先度を車両の走行速度が比較的速いデータＤｉの優先度に比べて高くするようにデータＤｉの重み付けを行うことができる。このようにすれば、特定の物標について、判定回数を増やすことができ、その結果、ＳＦＭの精度を向上させることができる。

例えば、高速道路などにおいて、同じ形状の防音壁が連続して設けられたような区間を車両が走行している場合、車両の走行速度と防音壁により形成される模様の繰り返し間隔とによっては、ＳＦＭ認識部１８による特徴点の対応付けの誤り、つまり誤マッチングが生じ、ＳＦＭの精度が低下するおそれがある。上記防音壁のような物標に関する精度を向上させるため、統合部１１は、車両の走行速度が様々なデータＤｉを統合し、外れ値が大きいものについて優先度を低くしたり、除外したりすることができる。

このような第２適用例において統合部１１が実行する処理の流れをまとめると、図４に示すようなものとなる。図４に示すように、ステップＳ２０１では、車両の走行速度に基づいたデータＤｉの偏りが判定される。ステップＳ２０１の実行後はステップＳ２０２に進み、特定の物標を対象としているのか否か、具体的には特定の物標に関する情報の精度を向上させる必要があるか否かが判断される。ここで、特定の物標に関する情報の精度を向上させる必要がある場合、ステップＳ２０２で「ＹＥＳ」となり、ステップＳ２０３に進む。

ステップＳ２０３では、特定の物標に関する情報の精度を向上させるための所定のデータの優先度が高くなるように、または低くなるように、間引き処理および統合処理が行われる。一方、特定の物標に関する情報の精度を向上させる必要がない場合、ステップＳ２０２で「ＮＯ」となり、ステップＳ２０４に進む。ステップＳ２０４では、ステップＳ２０１で判定されたデータの偏りが軽減されるように間引き処理および統合処理が行われる。ステップＳ２０３またはＳ２０４の実行後、本処理が終了となる。

［３］第３適用例
第３適用例は、車両の周辺の明るさなどの環境に関連する内容である。車両の周辺の明るさが明るい場合、ＳＦＭの精度に影響を及ぼすノイズが少なくなることから、地図の生成精度を向上する観点から有利になると考えられる。しかし、車両の周辺の明るさが明るい場合、一部の電光表示などが白飛びして見えなくなったり、電光標識においてフリッカーが生じたりすることが考えられ、その結果、それら物標に関する精度が低下する可能性がある。

そこで、統合部１１は、車両の周辺の明るさが様々な画像データを含むデータＤｉを万遍なく統合できるように、言い換えると、車両の周辺の明るさが明るい時間帯である昼間に撮像された画像データを含むデータＤｉと車両の周辺の明るさが暗い時間帯である夜間に撮像された画像データを含むデータＤｉとを万遍なく統合できるように、間引き処理、統合処理などを行う。このようにすれば、ＳＦＭの精度の低下が抑制される。

統合部１１は、特定の物標に関する情報の精度を向上させるために、次のような処理を行うこともできる。すなわち、統合部１１は、上記した一部の電光表示、電光標識など以外の物標に関する情報の精度を向上させるために、車両の周辺の明るさが明るい時間帯、例えば昼間に撮像された画像データを含むデータＤｉの優先度を高くするように重み付けを行うことができる。また、統合部１１は、上記した一部の電光表示、電光標識などの物標に関する情報の精度を向上させるために、車両の周辺の明るさが暗い時間帯、例えば夜間に撮像された画像データを含むデータＤｉの優先度を高くするように重み付けを行うことができる。

このような第３適用例において統合部１１が実行する処理の流れをまとめると、図５に示すようなものとなる。図５に示すように、ステップＳ３０１では、車両の周辺の明るさに基づいたデータＤｉの偏りが判定される。ステップＳ３０１の実行後はステップＳ３０２に進み、特定の物標を対象としているのか否か、具体的には特定の物標に関する情報の精度を向上させる必要があるか否かが判断される。ここで、特定の物標に関する情報の精度を向上させる必要がある場合、ステップＳ３０２で「ＹＥＳ」となり、ステップＳ３０３に進む。

ステップＳ３０３では、特定の物標に関する情報の精度を向上させるための所定のデータの優先度が高くなるように間引き処理および統合処理が行われる。一方、特定の物標に関する情報の精度を向上させる必要がない場合、ステップＳ３０２で「ＮＯ」となり、ステップＳ３０４に進む。ステップＳ３０４では、ステップＳ３０１で判定されたデータの偏りが軽減されるように間引き処理および統合処理が行われる。ステップＳ３０３またはＳ３０４の実行後、本処理が終了となる。

［４］第４適用例
第４適用例は、車両の状態に関連する内容である。車両のイグニッションスイッチがオンされた直後には、ＳＦ補正部１３によるスケールファクタの補正に関する精度が低下し、その結果、ＳＦＭの精度が低下するおそれがある。そこで、統合部１１は、車両のイグニッションスイッチがオンされた時点からの経過時間が比較的短いデータＤｉの優先度を低くするように重み付けを行う。このようにすれば、ＳＦＭの精度の低下が抑制される。

［５］第５適用例
第５適用例は、撮像の時間帯に関連する内容である。道路には、時間帯に応じて道路区分が変わるものがあり、そのような道路に関する特定の情報は、特定の時間でしか精度良く取得できない可能性がある。そこで、統合部１１は、画像データの撮像の時間帯が様々なデータＤｉを万遍なく統合できるように、間引き処理、統合処理などを行う。このようにすれば、時間帯に応じて道路区分が変わるような道路に関する情報を精度良く取得することができる。

以上説明したように、本実施形態の地図システム１は、車両に搭載され車両の周辺の画像を撮像する画像センサ３を備えた車両用装置９と、車両用装置９から送信される画像センサ３により撮像された画像に対応するデータを用いて地図を生成するサーバ２と、を備えたシステムである。サーバ２の制御装置１０は、複数の車両用装置９から送信されるデータの偏りに基づいてデータに重み付けを行い、その重み付けに基づいて複数のデータの少なくとも一部を統合して地図を生成する統合部１１を備える。

上記構成によれば、複数の車両用装置９からサーバ２に送信されるデータ、つまりプローブデータに偏りがある場合でも、その偏りに基づいてデータに重み付けが行われ、その重み付けを考慮して地図が生成される。このような構成によれば、従来に比べ、車両用装置９からサーバ２に送信されるデータの数が少なくとも、サーバ２は、より精度の高い地図を生成することができる。したがって、本実施形態によれば、サーバ２での地図の生成精度を高めることができるという優れた効果が得られる。

本実施形態の処理の具体的な適用例である第１適用例、第２適用例、第３適用例および第４適用例によれば、統合部１１は、ＳＦＭの手法を利用した自車挙動の推定精度が相対的に高いと判断されるデータＤｉの優先度を、上記した推定精度が相対的に低いと判断されるデータＤｉの優先度に比べて高くするようにデータＤｉの重み付けを行うことができる。統合部１１は、このような重み付けを行った結果、より優先度の高いデータＤｉを優先的に用いて地図の生成を行うことができる。サーバ２での統合地図の精度を向上するための１つの指標として、上記したＳＦＭの精度を向上することが挙げられる。したがって、上記したような具体的な処理によれば、サーバ２での地図の生成精度を一層高めることができる。

（第２実施形態）
以下、第２実施形態について図６〜図９を参照して説明する。
図６に示すように、本実施形態の地図システム３１は、第１実施形態の地図システム１に対し、車両用装置９に代えて車両用装置３２を備えている点などが異なる。車両用装置３２の制御装置３３は、車両用装置９の制御装置８に対し、道路勾配推定部３４および視認性推定部３５という２つの機能ブロックが追加されている点、地図生成部１６に代えて地図生成部３６が設けられている点などが異なっている。

道路勾配推定部３４は、画像センサ３により撮像された画像を表すデータＤｂに基づいて所定の機械学習を行い、それにより画像センサ３により撮像された画像上における道路の勾配を推定する。道路勾配推定部３４は、推定した道路勾配を表すデータＤｎを地図生成部３６へと出力する。視認性推定部３５は、画像センサ３により撮像された画像を表すデータＤｂに基づいて所定の機械学習を行い、それにより画像センサ３における視認性を推定する。視認性推定部３５は、推定した視認性を表すデータＤｏを地図生成部３６へと出力する。

地図生成部３６は、地図情報生成部３７および信頼度付与部３８を備えている。地図生成部３６には、エゴモーション算出部１４からデータＤｅに加えデータＤｄも与えられている。地図情報生成部３７は、第１実施形態の地図生成部１６と同様に地図情報を生成する。信頼度付与部３８は、画像センサ３により撮像された画像に対応するデータの信頼度に関する情報である信頼度情報をデータＤｉに付与する。信頼度付与部３８は、各機能ブロックから入力される信頼度基データに基づいて画像に対応するデータの信頼度を評価し、その評価結果に基づいて信頼度情報を生成する。

信頼度情報は、サーバ２の統合部１１において利用される情報となる。すなわち、統合部１１は、前述したように、複数の車両用装置から送信される画像に対応するデータの偏りに基づいてデータＤｉに重み付けを行い、その重み付けに基づいて複数のデータＤｉの少なくとも一部を統合して地図を生成する。この場合、統合部１１は、データＤｉに付与された信頼度情報も考慮してデータＤｉを統合して地図を生成するようになっている。例えば、統合部１１は、比較的高い信頼度を表す信頼度情報が付与されたデータＤｉを優先的に用いて統合することができる。なお、ここで言う「画像に対応するデータ」は、画像センサ３による画像の撮像状況に関するデータ、つまり単なるランドマークや車線情報ではなく、画像センサ３の搭載位置、画角、解像度、車両速度、車両環境や信頼度といったデータである。

エゴモーション算出部１４から入力されるデータＤｄを情報源とする信頼度基データとしては、ＳＦＭ低精度フラグが挙げられる。ＳＦＭ低精度フラグは、エゴモーションの推定精度が低下している可能性がある場合にオンされるものである。ランドマーク検出部１５から入力されるデータＤｈを情報源とする信頼度基データとしては、設置位置、サイズ、種別、色、ＳＦＭ位置推定成功回数、連続外挿回数、ＳＦＭ位置推定成功時の位置、ＳＦＭの点数、ＳＦＭ点群のばらつき度合い、ＳＦＭ点群の属性などが挙げられる。

設置位置は、自車位置から見たランドマークの設置位置である。なお、設置位置は、区画線の場合はフィッティング誤差である。設置位置に基づいた信頼度評価の具体例としては、例えば、標識であるにもかかわらず、路面上に設置位置がある場合には誤検出の可能性が高いと推定することができる、といった例が挙げられる。サイズは、ランドマークの大きさである。なお、サイズは、区画線の場合は線幅である。サイズに基づいた信頼度評価の具体例としては、例えば標識であるにもかかわらず、その四方が０．２ｍ未満である場合、アスペクト比が異常な値である場合などには誤検出の可能性が高いと推定することができる、といった例が挙げられる。

種別に基づいた信頼度評価の具体例としては、例えば、標識の場合には何の標識であるのか、あるいは標識では無さそうかの判定、区画線の場合には線種の識別が行われるため、それら判定の結果、識別の結果によっては誤検出の可能性を疑うことができる、といった例が挙げられる。色に基づいた信頼度評価の具体例としては、例えば、区画線の場合には線色の識別が行われるため、線色が白色または黄色のいずれでもないと判定される場合には誤検出の可能性がある、といった例が挙げられる。

ＳＦＭ位置推定成功回数は、ＳＦＭの点を使った３次元位置推定に成功した回数、具体的には積算値である。ＳＦＭ位置推定成功回数は多いほうがよく、その場合にはランドマークである可能性が高まる。そこで、ＳＦＭ位置推定成功回数に基づいた信頼度評価の具体例としては、ＳＦＭ位置推定成功回数が極端に少ない場合には画像に特徴点がない、つまりランドマークではない可能性を疑うことができる、といった例が挙げられる。

連続外挿回数は、ＳＦＭによる位置推定ができずエゴモーションから位置予測した回数である。連続外挿回数は少ないほうがよく、その場合にはランドマークである可能性が高まる。そこで、連続外挿回数に基づいた信頼度評価の具体例としては、連続外挿回数が極端に多い場合には画像に特徴点がない、つまりランドマークではない可能性、距離精度が低い可能性などを疑うことができる、といった例が挙げられる。

ＳＦＭ位置推定成功時の位置は、ＳＦＭによる位置推定に成功したときのランドマークの設置位置である。ＳＦＭ位置推定成功時の位置に基づいた信頼度評価の具体例としては、原則遠方にあるものほど距離精度が低い、といった例が挙げられる。ＳＦＭの点数に基づいた信頼度評価の具体例としては、位置推定は認識したランドマークに当たっている特徴点の平均を取るなどして行われるため、特徴点が多いほど距離精度が高い可能性が高くなる、といった例が挙げられる。

ＳＦＭ点群のばらつき度合いに基づいた信頼度評価の具体例としては、次のような例が挙げられる。すなわち、ＳＦＭ点群のばらつき度合いが大きいほど、信頼度が低くなる。特に奥行方向の距離がばらつく場合、ランドマークである可能性が低くなる。なぜなら、ランドマークは、基本的にはフラットなものであるため、ランドマーク上の各特徴点についての奥行方向の距離は一定になるはずである。そのため、奥行方向の距離にばらつきがあるということは、その対象物がランドマークではない可能性が高くなる。

ＳＦＭ点群の属性に基づいた信頼度評価の具体例としては、次のような例が挙げられる。すなわち、ＳＦＭの点は、セグメンテーション、つまり道路標識、区画線などの属性の情報を持っているため、同じ属性を持つ特徴点の割合が多いほど精度が高いことになる。つまり、該当するランドマークのセグメンテーションを持つ特徴点の割合が高いほど距離精度が高くなる。

道路勾配推定部３４から入力されるデータＤｎを情報源とする信頼度基データとしては、道路勾配推定状態、フィッティング誤差などが挙げられる。道路勾配推定状態は、道路勾配を推定できているかどうかを表すものである。道路勾配推定状態に基づいた信頼度評価の具体例としては、道路勾配を推定できていない場合には上り下り勾配のデータの精度が低下する、といった例が挙げられる。フィッティング誤差は、勾配推定の精度であり、具体的にはフィッティング曲線とＳＦＭの点のずれ量の平均である。フィッティング誤差に基づいた信頼度評価の具体例としては、フィッティング誤差のばらつきが大きい場合には精度が低い、といった例が挙げられる。

視認性推定部３５から入力されるデータＤｏを情報源とする信頼度基データとしては、トンネルフラグ、ガラス曇りレベル、レンズ遮蔽レベル、悪天候レベル、逆光レベル、雨滴付着レベル、路面雪レベル、砂漠レベル、泥濘レベル、路面濡れレベルなどが挙げられる。トンネルフラグは、トンネルを通過中にオンされるフラグである。トンネルで同じ背景が連続する場合はＳＦＭエゴモーション精度が低下する要因となる。そこで、トンネルフラグがオンのときには精度が低いといった信頼度評価を行うことができる。

ガラス曇りレベルは、車両のフロントガラスの曇り具合を表すものであり、そのレベルに応じて信頼度評価を行うことができる。レンズ遮蔽レベルは、背景が隠されている具合を表すものであり、そのレベルに応じて信頼度評価を行うことができる。悪天候レベルは、豪雨、濃霧、豪雪、砂塵などの悪天候の具合を表すものであり、そのレベルに応じて信頼度評価を行うことができる。

逆光レベルは、昼の場合には太陽の光に起因する逆光の具合、夜の場合にはライトなどの光に起因する逆光の具合を表すものであり、そのレベルに応じて信頼度評価を行うことができる。雨滴付着レベルは、車両のフロントガラスへの雨滴の付着具合を表すものであり、そのレベルに応じて信頼度評価を行うことができる。路面雪レベルは、路面に雪があるか否かを表すものであり、そのレベルに応じて信頼度評価を行うことができる。

砂漠レベルは、路面が砂漠であるかどうかを表すものであり、そのレベルに応じて信頼度評価を行うことができる。泥濘レベルは、路面が泥濘であるかどうかを表すものであり、そのレベルに応じて信頼度評価を行うことができる。路面濡れレベルは、路面が雨などにより濡れているかどうかを表すものであり、そのレベルに応じて信頼度評価を行うことができる。これら各レベルに基づいた信頼度評価は、多段階、例えば３段階で行うことができる。

ＧＰＳ情報を表すデータＤａを情報源とする信頼度基データとしては、ＧＮＳＳ方位角、ＧＮＳＳ速度、ＤＯＰなどが挙げられる。なお、ＧＮＳＳは、Global Navigation Satellite Systemの略称であり、ＤＯＰは、Dilution Of Precisionの略称である。ＧＮＳＳ方位角は、ＧＮＳＳ測位により得られる車両の方位角、つまりヨー角を表すものである。ＧＮＳＳ方位角に基づいた信頼度評価の具体例としては、車両がヨーレートセンサなどから演算するヨー角との差が大きい場合にＧＮＳＳ精度が低いと判断することができる、といった例が挙げられる。

ＧＮＳＳ速度は、ＧＮＳＳ測位により得られる車両の走行速度である。ＧＮＳＳ速度に基づいた信頼度評価の具体例としては、車両が車輪速センサなどから演算する車速との差が大きい場合にＧＮＳＳ精度が低いと判断することができる、といった例が挙げられる。ＤＯＰは、精度低下率のことであり、一般的に数値が小さいほどＧＮＳＳの測位結果の精度が高いことを示す。そこで、ＤＯＰに基づいた信頼度評価の具体例としては、その数値が小さいほど精度が高いと判断することができる、といった例が挙げられる。

このように、信頼度付与部３８は、データＤｉに対応する画像を用いるとともにＳＦＭの手法を利用して車両の挙動である自車挙動を推定する際における推定精度に基づいて信頼度を評価し、その評価結果に基づいて信頼度情報を生成する。また、信頼度付与部３８は、道路勾配の推定精度に基づいて信頼度を評価し、その評価結果に基づいて信頼度情報を生成する。また、信頼度付与部３８は、画像センサ３における視認性の推定精度に基づいて信頼度を評価し、その評価結果に基づいて信頼度情報を生成する。また、信頼度付与部３８は、データＤｉに対応する画像に基づいて検出される画像上におけるランドマークに関する情報に基づいて信頼度を評価し、その評価結果に基づいて信頼度情報を生成する。

続いて、信頼度付与部３８による信頼度情報の生成に関する具体的な手法について説明する。
［１］第１手法
第１手法では、信頼度付与部３８は、信頼度基データに基づいて「基礎点」および「係数」を決定し、基礎点に係数を乗じることで信頼度を求める。例えば、信頼度は、「１」〜「１００」の数値で示される１００段階とし、数値が小さいほど信頼度が低いものとすることができる。なお、この場合、基礎点についても、信頼度と同様、「１」〜「１００」の数値で示される１００段階とされる。

具体的には、信頼度付与部３８は、信頼度基データに基づいて少なくとも１つの基礎点を算出する。例えば、標識の場合、サイズが規定値内であり、且つ、制限速度標識であるなどの標識の種別が特定できているときには、基礎点を１００とする。そして、信頼度付与部３８は、信頼度基データに基づいて少なくとも１つの係数を算出する。なお、係数は、１．０以下の値とされる。例えば、連続外挿回数が多いほど係数を低めに設定したり、位置推定時の位置が自車位置から一定値以上遠いほど係数を低めに設定したりすることが考えられる。

第１手法による信頼度情報生成の具体的な事例としては、例えば図７に示すようなものを挙げることができる。なお、図７などでは、ランドマークのことをＬＭＫと省略している。この場合、基礎点は、ランドマークらしさを表す内容となっている。また、この場合、係数は、第１係数、第２係数および第３係数の３つが設定されている。第１係数は、距離精度に関する内容となっている。第２係数は、認識精度低下要因、つまり視認性低下要因に関する内容となっている。第３係数は、その他精度に関する内容となっている。なお、その他精度としては、道路勾配の推定精度、ＳＦＭの精度、ＧＮＳＳの精度などが挙げられる。図７に示す第１手法による具体的な事例では、基礎点に対し、第１係数、第２係数および第３係数が乗算されることにより、信頼度が算出される。

［２］第２手法
第２手法では、信頼度付与部３８は、信頼度基データから２つ以上の基礎点を算出し、それら２つ以上の基礎点を加算することで信頼度を求める。この場合、全ての基礎点の合計が「１００」となるように、各基礎点は、それぞれが均等となるように、または、それぞれに重み付けが行われるように、振り分ければよい。

第２手法による信頼度情報生成の具体的な事例としては、例えば図８に示すようなものを挙げることができる。この場合、基礎点は、第１基礎点、第２基礎点、第３基礎点および第４基礎点の４つが設定されている。第１基礎点は、ランドマークらしさを表す内容となっている。第２基礎点は、距離精度に関する内容となっている。第３基礎点は、認識精度低下要因に関する内容となっている。第４基礎点は、その他精度に関する内容となっている。

この場合、各基礎点は、それぞれに重み付けが行われるように振り分けが行われている。具体的には、第１基礎点は「１」〜「６０」の数値で示される６０段階とされ、第２基礎点は「１」〜「２０」の数値で示される２０段階とされ、第３基礎点および第４基礎点は「１」〜「１０」の数値で示される１０段階とされている。図８に示す第２手法による具体的な事例では、第１基礎点、第２基礎点、第３基礎点および第４基礎点が加算されることにより、信頼度が算出される。

［３］第３手法
第３手法では、信頼度付与部３８は、信頼度基データから２つ以上の基礎点を算出し、それら２つ以上の基礎点をそれぞれ評価することで信頼度を求める。この場合、各基礎点は、いずれも「１」〜「１００」の数値で示される１００段階とされる。第３手法による信頼度情報生成の具体的な事例としては、例えば図９に示すようなものを挙げることができる。この場合、基礎点は、第２手法と同様、第１基礎点、第２基礎点、第３基礎点および第４基礎点の４つが設定されている。図９に示す第３手法による具体的な事例では、第１基礎点、第２基礎点、第３基礎点および第４基礎点のそれぞれが個別に評価されることにより、信頼度が算出される。

以上説明した本実施形態によれば、車両用装置３２において、地図生成部３６は、第１実施形態の地図生成部１６と同様に地図情報を生成する地図情報生成部３７と、画像センサ３により撮像された画像に対応するデータの信頼度に関する情報である信頼度情報をサーバ２にアップロードするプローブデータであるデータＤｉに付与する信頼度付与部３８と、を備えている。そして、本実施形態では、サーバ２において、統合部１１は、データＤｉに付与された信頼度情報も考慮してデータＤｉを統合して地図を生成する。このようにすれば、サーバ２での地図の生成精度を一層高めることができるという優れた効果が得られる。

（その他の実施形態）
なお、本発明は上記し且つ図面に記載した各実施形態に限定されるものではなく、その要旨を逸脱しない範囲で任意に変形、組み合わせ、あるいは拡張することができる。
上記各実施形態で示した数値などは例示であり、それに限定されるものではない。

地図システム１、３１において、それぞれの機能ブロックは分散されていてもよい。例えば、サーバ２側の制御装置１０が備える各機能ブロックの一部が、車両側、つまり車両用装置９、３２側の制御装置８、３３に設けられ、各制御装置が通信を介して各種データの送受信を行うことにより、上記各実施形態で説明した各処理を実行する構成としてもよい。このような構成の具体例として、次のような構成を挙げることができる。

すなわち、サーバ２は、統合地図を表すデータＤｊとともに、例えば夜間に撮像された画像データを含むデータが少ない、画像センサ３の搭載位置が低い位置のデータが少ないなど、不足しているプローブデータの属性を付与する。車両用装置９、３２は、自車両が上記属性に合致するか否かを判断し、合致すると判断した場合にだけデータＤｉをアップロードする。このようにすれば、通信量を抑制しつつ、サーバ２が必要とするプローブデータだけを効率よく収集することができる。

また、第２実施形態について、車両用装置３２の制御装置３３に設けられる信頼度付与部３８は、サーバ２の制御装置１０に設けることができる。この場合、車両用装置３２は、サーバ２に対し、信頼度基データを送信するような構成とすればよい。そして、この場合、サーバ２に設けられた信頼度付与部３８は、車両用装置３２から送信される信頼度基データに基づいて信頼度情報を生成し、その信頼度情報を車両用装置３２からアップロードされるデータＤｉに付与することになる。

第２実施形態の車両用装置３２では、原則、画像センサ３により撮像された画像に対応するデータについては、過去の情報は残さないようになっている。そして、車両用装置３２では、所定のランドマークについては、そのランドマークが画像センサ３による撮像画像から見切れる直前のデータをサーバ２にアップロードするようになっている。そのため、サーバ２にデータＤｉをアップロードする時点では、その時点のフレームにおける信頼度基データによる評価しかできないことになり、信頼度の評価の精度が低くなるおそれがある。

例えば、あるフレームでは道路標識であると認識されたが、別のフレームでは電灯であると認識されるなど、ランドマークの属性に関する情報は毎フレーム異なる可能性がある。そこで、車両用装置３２では、各信頼度基データを時系列で記憶させておき、それらのうち頻度が多いのを採用して係数化したり、ばらつき度合いを係数化したりする、とよい。このようにすれば、信頼度の評価の精度を良好に維持すること、ひいてはサーバ２での地図の生成精度を良好に維持することができる。

第２実施形態の車両用装置３２では、信頼度情報に基づいてデータＤｉを選別してアップロードすることになるが、信頼度情報が表すデータの信頼度が必ずしも正確であるとは言い切れない。そのため、車両用装置３２では、極力データＤｉを排除することなく、出来る限り多くのデータＤｉをアップロードする、といった対応を行うことが望ましい。そして、この場合、サーバ２の統合部１１は、本当に必要であると考えられるデータＤｉを取捨選択して統合を行うようにすればよい。

本開示は、実施例に準拠して記述されたが、本開示は当該実施例や構造に限定されるものではないと理解される。本開示は、様々な変形例や均等範囲内の変形をも包含する。加えて、様々な組み合わせや形態、さらには、それらに一要素のみ、それ以上、あるいはそれ以下、を含む他の組み合わせや形態をも、本開示の範疇や思想範囲に入るものである。

本開示に記載の制御部及びその手法は、コンピュータプログラムにより具体化された一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリを構成することによって提供された専用コンピュータにより、実現されてもよい。あるいは、本開示に記載の制御部及びその手法は、一つ以上の専用ハードウェア論理回路によってプロセッサを構成することによって提供された専用コンピュータにより、実現されてもよい。もしくは、本開示に記載の制御部及びその手法は、一つ乃至は複数の機能を実行するようにプログラムされたプロセッサ及びメモリと一つ以上のハードウェア論理回路によって構成されたプロセッサとの組み合わせにより構成された一つ以上の専用コンピュータにより、実現されてもよい。また、コンピュータプログラムは、コンピュータにより実行されるインストラクションとして、コンピュータ読み取り可能な非遷移有形記録媒体に記憶されていてもよい。

１、３１…地図システム、２…サーバ、３…画像センサ、９、３２…車両用装置、１１…統合部、３８…信頼度付与部。

Claims (16)

1. 車両に搭載され前記車両の周辺の画像を撮像する撮像装置（３）を備えた車両用装置（９、３２）と、前記車両用装置から送信される前記撮像装置により撮像された画像に対応するデータを用いて地図を生成するサーバ（２）と、を備えた地図システム（１、３１）であって、
   複数の前記車両用装置から送信される前記データの偏りに基づいて前記データに重み付けを行い、その重み付けに基づいて複数の前記データの少なくとも一部を統合して前記地図を生成する統合部（１１）を備える地図システム。
2. 前記統合部は、前記データに対応する画像を用いるとともにStructure From Motionの手法を利用して前記車両の挙動である自車挙動を推定する際における推定精度が相対的に高いと判断される前記データの優先度を前記推定精度が相対的に低いと判断される前記データの優先度に比べて高くするように前記データの重み付けを行う請求項１に記載の地図システム。
3. 前記統合部は、前記撮像装置の搭載位置、搭載姿勢および仕様のうち少なくとも１つに基づいた前記データの偏りを判定する請求項１または２に記載の地図システム。
4. 前記統合部は、前記車両の走行速度に基づいた前記データの偏りを判定する請求項１から３のいずれか一項に記載の地図システム。
5. 前記統合部は、前記車両の走行速度に応じて前記車両の周辺に位置する物標に関する精度が所定の判定精度未満になると判断すると、前記車両の走行速度が相対的に遅い前記データの優先度を前記車両の走行速度が相対的に速い前記データの優先度に比べて高くするように前記データの重み付けを行う請求項４に記載の地図システム。
6. 前記統合部は、前記車両の周辺環境に基づいた前記データの偏りを判定する請求項１から５のいずれか一項に記載の地図システム。
7. 車両に搭載され前記車両の周辺の画像を撮像する撮像装置（３）を備えた車両用装置（９、３２）と、前記車両用装置から送信される前記撮像装置により撮像された画像に対応するデータを用いて地図を生成するサーバ（２）と、のうち少なくともいずれか一方に、
   複数の前記車両用装置から送信される前記データの偏りに基づいて前記データに重み付けを行い、その重み付けに基づいて複数の前記データの少なくとも一部を統合して前記地図を生成する統合手順を、
   実行させる地図生成プログラム。
8. 請求項７に記載の地図生成プログラムを記憶するコンピュータ読み取り可能な非一時的な記憶媒体。
9. 車両に搭載され前記車両の周辺の画像を撮像する撮像装置（３）を備えた車両用装置（９、３２）であって、
   前記撮像装置により撮像された画像に対応するデータを、複数の前記車両用装置から送信される前記データの偏りに基づいて前記データに重み付けを行い、その重み付けに基づいて複数の前記データの少なくとも一部を統合して地図を生成する統合部（１１）を備えたサーバ（２）に送信する車両用装置。
10. 前記画像に対応するデータは、前記撮像装置による前記画像の撮像状況に関するデータである請求項９に記載の車両用装置。
11. さらに、前記画像に対応するデータの信頼度に関する情報である信頼度情報を前記データに付与する信頼度付与部（３８）を備える請求項９または１０に記載の車両用装置。
12. 前記信頼度付与部は、前記データに対応する画像を用いるとともにStructure From Motionの手法を利用して前記車両の挙動である自車挙動を推定する際における推定精度に基づいて前記信頼度を評価し、その評価結果に基づいて前記信頼度情報を生成する請求項１１に記載の車両用装置。
13. 前記信頼度付与部は、道路勾配の推定精度に基づいて前記信頼度を評価し、その評価結果に基づいて前記信頼度情報を生成する請求項１１または１２に記載の車両用装置。
14. 前記信頼度付与部は、前記撮像装置における視認性の推定精度に基づいて前記信頼度を評価し、その評価結果に基づいて前記信頼度情報を生成する請求項１１から１３のいずれか一項に記載の車両用装置。
15. 前記信頼度付与部は、前記データに対応する画像に基づいて検出される前記画像上におけるランドマークに関する情報に基づいて前記信頼度を評価し、その評価結果に基づいて前記信頼度情報を生成する請求項１１から１４のいずれか一項に記載の車両用装置。
16. 車両に搭載され前記車両の周辺の画像を撮像する撮像装置（３）を備えた車両用装置（９、３２）から送信される前記撮像装置により撮像された画像に対応するデータを用いて地図を生成するサーバ（２）であって、
    複数の前記車両用装置から送信される前記データの偏りに基づいて前記データに重み付けを行い、その重み付けに基づいて複数の前記データの少なくとも一部を統合して前記地図を生成する統合部（１１）を備えるサーバ。

Images