JP2021109498A - 運転支援システム - Google Patents

Abstract

【課題】運転支援制御の不要作動や必要な運転支援制御の不作動を抑制する。【解決手段】運転支援システムは、物体との衝突リスクを低減する運転支援制御の作動に関連する将来横距離Ｄｙ２を推定する。具体的には、運転支援システムは、第１距離Ａｙ２と第２距離Ｂｙ２の和を将来横距離として推定する。第１距離Ａｙ２は、車両の現在位置と区画線との間の横距離Ａｙ１である。第２距離Ｂｙ２は、物体と代替区画線位置Ｓとの間の距離Ｂｓｔである。代替区画線位置Ｓは、物体から第１方向に存在する区画線の位置である。第１方向は、現在位置における車両の横方向Ｙ１と平行である。よって、第２距離Ｂｓｔは、現在の横方向における物体の横距離と代替区画線位置の横距離との間の差分に相当する。物体の縦距離Ｌｘ、物体方位角θｔ、及び区画線方位角θｓを用いることによって、第２距離Ｂｓｔは、Ｌｙｔ−Ｌｙｓ＝Ｌｘ×（ｔａｎθｔ−ｔａｎθｓ）で表される。【選択図】図６

Description

本発明は、車両の運転を支援する運転支援システムに関する。

特許文献１は、車両と歩行者等の物体との衝突回避を支援する走行支援装置を開示している。走行支援装置は、カメラやレーダに基づいて検出された物体が車道領域か歩道領域のいずれに存在するかを判定する。物体が車道領域に存在する場合、支援範囲は、物体が歩道領域に存在する場合よりも大きくなるように設定される。物体の将来位置が支援範囲に含まれる場合、走行支援装置は、物体との衝突を回避するために衝突回避動作を行う。

特許文献２は、車両が走行路から逸脱することを抑制する逸脱回避装置を開示している。逸脱回避装置は、カメラを用いて、物体及び走行路の境界を認識する。走行路の境界から所定距離以内に人物が検出された場合、逸脱回避装置は、走行路内での車両の位置を人物から遠い側に移動させるオフセット制御を実施する。

特開２０１８−１２３６０号公報 特開２０１７−０７６３２４号公報

車両の前方の物体との衝突リスクを低減する運転支援制御について考える。例えば、車両の前方の路肩に歩行者が存在する場合、その歩行者との衝突リスクを低減するために、歩行者から離れる方向に車両を操舵することが考えられる。このような運転支援制御を作動させるか否かの判定は、車両と物体との間の横距離に基づいて行われる。運転支援制御を適切に作動させるためには、車両が物体の側方を通過する時点での「将来横距離」を精度良く推定することが重要である。

しかしながら、特に、車両の前方にカーブ路が存在する場合、将来横距離を精度良く推定することは簡単ではない。

車両の前方にカーブ路が存在する場合の将来横距離を推定する方法として、例えば次のものが考えられる。まず、車両に搭載されたカメラを用いることによって、車両の前方の物体及び区画線が認識される。物体の認識結果から、車両の現在位置に対する物体の相対位置が算出される。一方、区画線の認識結果から、カーブ路の曲率が推定される。更に、カーブ路の曲率に基づいて、車両の将来位置が推定される。そして、車両の現在位置に対する物体の相対位置と車両の将来位置とに基づいて、将来横距離が推定される。しかしながら、車両から離れるにつれて、物体や区画線の位置の算出精度は低下する。区画線の位置の算出精度の低下は、曲率の推定精度の低下、ひいては、車両の将来位置の推定精度の低下を招く。物体の相対位置と車両の将来位置の双方の精度が低くなるため、それらに基づいて推定される将来横距離の推定精度も低くなる。

将来横距離の推定精度が低い場合、運転支援制御が適切に作動しないおそれがある。例えば、本来必要の無い物体に対して運転支援制御が不必要に作動する可能性がある。そのような運転支援制御の不要作動に対して、車両のドライバは煩わしさや違和感を感じる。逆に、本当に必要な物体に対して運転支援制御が作動しない可能性もある。そのような必要な運転支援制御の不作動に対して、車両のドライバは不安感や違和感を感じる。

本発明の１つの目的は、運転支援制御の不要作動や必要な運転支援制御の不作動を抑制することができる技術を提供することにある。

本発明の１つの観点において、車両の運転を支援する運転支援システムが提供される。
車両は、車両の周囲の状況を撮像するカメラを備える。
運転支援システムは、
カメラによる撮像結果を示すカメラ撮像情報が格納される記憶装置と、
プロセッサと
を備える。
プロセッサは、
カメラ撮像情報に基づいて、車両の前方の物体を検出し、
車両が物体の側方を通過する時点での車両と物体との間の横距離を将来横距離として推定する横距離推定処理を実行し、
将来横距離に基づいて、物体との衝突リスクを低減する運転支援制御を実行するか否かを判定する。
横距離推定処理において、プロセッサは、
カメラ撮像情報に基づいて、車両が走行している車線の区画線を認識し、
カメラ撮像情報に基づいて、車両の現在位置と区画線との間の横距離を第１距離として算出し、
カメラ撮像情報に基づいて、車両の現在位置と物体との間の縦距離Ｌｘと、車両の現在位置から見た物体の方位角である物体方位角θｔとを算出し、
カメラ撮像情報に基づいて、物体から、現在位置における車両の横方向と平行な第１方向に存在する区画線の位置を代替区画線位置として特定し、
カメラ撮像情報に基づいて、車両の現在位置から見た代替区画線位置の方位角である区画線方位角θｓを算出し、
縦距離Ｌｘ、物体方位角θｔ、及び区画線方位角θｓに基づいて、Ｌｘ×（ｔａｎθｔ−ｔａｎθｓ）を第２距離として算出し、
第１距離と第２距離の和を将来横距離として推定する。

本発明に係る運転支援システムは、運転支援制御の作動に関連する将来横距離を推定する。具体的には、運転支援システムは、第１距離と第２距離の和を将来横距離として推定する。

第１距離は、車両の現在位置と区画線との間の横距離である。車両に近い区画線の横距離は高精度に算出される。

第２距離は、物体と代替区画線位置との間の距離である。代替区画線位置は、物体から第１方向に存在する区画線の位置である。第１方向は、現在位置における車両の横方向と平行である。よって、第２距離は、現在の横方向における物体の横距離（＝物体横距離Ｌｙｔ）と代替区画線位置の横距離（＝区画線横距離Ｌｙｓ）との間の差分に相当する。具体的には、物体の縦距離Ｌｘと物体方位角θｔ、及び代替区画線位置の区画線方位角θｓを用いることによって、第２距離は、Ｌｙｔ−Ｌｙｓ＝Ｌｘ×（ｔａｎθｔ−ｔａｎθｓ）で表される。

カメラ撮像情報に基づく物体方位角θｔ及び区画線方位角θｓの算出精度は高いが、縦距離Ｌｘの算出精度は低い。算出精度が低いことは、縦距離Ｌｘがある程度の誤差を有することを意味する。従って、物体横距離Ｌｙｔも区画線横距離Ｌｙｓも、縦距離Ｌｘの誤差に起因するある程度の誤差を有する。但し、物体横距離Ｌｙｔと区画線横距離Ｌｙｓのそれぞれの誤差の傾向は一致する。従って、物体横距離Ｌｙｔと区画線横距離Ｌｙｓとの間の差分を取った場合、双方の誤差同士が互いに打ち消しあう。結果として、物体横距離Ｌｙｔと区画線横距離Ｌｙｓとの間の差分は、その真値に近くなる。すなわち、上記式によって算出される第２距離は、その真値に近くなる。このように、第２距離は、カメラ撮像情報に基づく位置算出精度の低さの影響を受けにくい。従って、第２距離も、比較的精度良く算出される。

以上に説明されたように、第１距離及び第２距離は共に高精度に算出される。従って、第１距離及び第２距離の和である将来横距離の精度も高くなる。その結果、本来必要の無い物体に対して運転支援制御が不必要に作動することが抑制される。よって、車両のドライバが感じる煩わしさや違和感が軽減される。また、本当に必要な物体に対して運転支援制御が作動しないといった事態が防止される。その結果、車両のドライバの不安感や違和感が軽減される。これらのことは、運転支援制御に対する信頼の向上に寄与する。

本発明の実施の形態に係る運転支援システムの概要を説明するための概念図である。 本発明の実施の形態に係る車両及び運転支援システムの構成例を概略的に示すブロック図である。 本発明の実施の形態における運転環境情報の例を示すブロック図である。 本発明の実施の形態に係る運転支援システムによる運転支援制御に関連する処理を示すフローチャートである。 カーブ路に関する横距離推定処理（ステップＳ１２０）の課題を説明するための概念図である。 本発明の実施の形態に係る横距離推定処理（ステップＳ１２０）を説明するための概念図である。 本発明の実施の形態に係る横距離推定処理（ステップＳ１２０）を説明するための概念図である。 本発明の実施の形態に係る横距離推定処理（ステップＳ１２０）を説明するための概念図である。 本発明の実施の形態に係る横距離推定処理（ステップＳ１２０）を説明するための概念図である。 本発明の実施の形態に係る横距離推定処理（ステップＳ１２０）の効果を説明するためのグラフ図である。 本発明の実施の形態に係る横距離推定処理（ステップＳ１２０）を要約的に示すフローチャートである。

添付図面を参照して、本発明の実施の形態を説明する。

１．運転支援システムと運転支援制御
１−１．概要
図１は、本実施の形態に係る運転支援システム１０の概要を説明するための概念図である。運転支援システム１０は、車両１の運転を支援する。典型的には、運転支援システム１０は、車両１に搭載されている。あるいは、運転支援システム１０の少なくとも一部は、車両１の外部の外部装置に配置され、リモートで車両１の運転を支援してもよい。つまり、運転支援システム１０は、車両１と外部装置とに分散的に配置されてもよい。

本実施の形態に係る運転支援システム１０は、車両１の前方の物体Ｔとの衝突リスクを低減する運転支援制御を実行する。物体Ｔとしては、歩行者、自転車、二輪車、先行車両、駐車車両、等が例示される。

例えば、図１において、車両１は、ある車線を走行している。区画線Ｍは、車両１が走行している車線の区画線（白線）である。区画線Ｍを挟んで車両１と反対側には路肩（あるいは路側帯）が存在する。車両１の前方の路肩に歩行者が存在する場合、その歩行者との衝突リスクを低減するために、歩行者から離れる方向に車両１を操舵することが考えられる。他の例として、歩行者が区画線Ｍを超えて車線内に進入してきた場合、その歩行者との衝突を回避するために、車両１の減速及び操舵の少なくとも一方を行うことが考えられる。

このような運転支援制御を作動させるか否かは、衝突リスクの大きさに基づいて判定される。衝突リスクの大きさに寄与するパラメータの一つが、車両１と物体Ｔとの間の「横距離Ｄｙ」である。

ここで、車両位置Ｐ及び車両座標系（Ｘ，Ｙ）について定義する。車両位置Ｐは、車両１の所定の位置である。車両座標系（Ｘ，Ｙ）は、車両１に固定された相対座標系であり、車両１の移動と共に変化する。以下の説明において、Ｘ方向は、車両１の前方方向であり、Ｙ方向は、車両１の横方向である。Ｘ方向とＹ方向は、互いに直交している。縦距離とは、Ｘ方向の距離であり、横距離とは、Ｙ方向の距離である。

車両１と物体Ｔとの間の横距離Ｄｙは、車両位置Ｐと物体Ｔの位置との間のＹ方向の距離である。車両位置Ｐが車両座標系（Ｘ，Ｙ）の原点である場合、横距離Ｄｙは、物体ＴのＹ方向位置（横位置）であるとも言える。運転支援制御を作動させるか否かの判定は、この横距離Ｄｙに基づいて行われる。後述されるように、運転支援制御を適切に作動させるためには、車両１が物体Ｔの側方を通過する時点での横距離Ｄｙを精度良く推定することが重要である。

１−２．運転支援システムの構成例
図２は、本実施の形態に係る車両１及び運転支援システム１０の構成例を概略的に示すブロック図である。特に、図２は、運転支援制御に関連する構成例を示している。車両１は、センサ群２０と走行装置３０を備えている。

センサ群２０は、周辺状況センサ２１を含んでいる。周辺状況センサ２１は、車両１の周囲の状況を検知する。具体的には、周辺状況センサ２１は、カメラ２２及びレーダ（ミリ波レーダ）２３を含んでいる。カメラ２２は、車両１の周囲の状況を撮像する撮像装置である。カメラ２２は、車両１の前方の状況を撮像する前方カメラと、車両１の側方の状況を撮像する側方カメラを含んでいる。レーダ２３は、車両１の周囲の状況を計測する測距センサである。周辺状況センサ２１は、更に、ライダー（LIDAR: Laser Imaging Detection and Ranging）を含んでいてもよい。

センサ群２０は、更に、車両状態センサ２４を含んでいる。車両状態センサ２４は、車両１の状態を検知する。例えば、車両状態センサ２４は、車速センサ、ヨーレートセンサ、横加速度センサ、舵角センサ、等を含んでいる。車速センサは、車両１の車速を検知する。ヨーレートセンサは、車両１のヨーレートを検知する。横加速度センサは、車両１の横加速度を検知する。舵角センサは、車両１の車輪の舵角を検知する。

走行装置３０は、操舵装置、駆動装置、及び制動装置を含んでいる。操舵装置は、車両１の車輪を転舵する。例えば、操舵装置は、パワーステアリング（EPS: Electric Power Steering）装置を含んでいる。駆動装置は、駆動力を発生させる動力源である。駆動装置としては、エンジン、電動機、インホイールモータ等が例示される。制動装置は、制動力を発生させる。

運転支援システム１０は、少なくとも制御装置１００を含んでいる。運転支援システム１０は、更に、センサ群２０及び走行装置３０を含んでいてもよい。

制御装置１００は、車両１を制御する。典型的には、制御装置１００は、車両１に搭載されるマイクロコンピュータである。制御装置１００は、ＥＣＵ（Electronic Control Unit）とも呼ばれる。あるいは、制御装置１００は、車両１の外部の情報処理装置であってもよい。その場合、制御装置１００は、車両１と通信を行い、車両１をリモートで制御する。

制御装置１００は、プロセッサ１１０及び記憶装置１２０を備えている。プロセッサ１１０は、各種処理を実行する。記憶装置１２０には、各種情報が格納される。記憶装置１２０としては、揮発性メモリ、不揮発性メモリ、ＨＤＤ（Hard Disk Drive）、等が例示される。プロセッサ１１０がコンピュータプログラムである制御プログラムを実行することにより、制御装置１００による各種処理が実現される。制御プログラムは、記憶装置１２０に格納されている、あるいは、コンピュータ読み取り可能な記録媒体に記録されている。

例えば、プロセッサ１１０は、センサ群２０から、車両１の運転環境を示す運転環境情報２００を取得する。運転環境情報２００は、記憶装置１２０に格納される。

図３は、運転環境情報２００の例を示すブロック図である。運転環境情報２００は、センサ検知情報２１０及び車両状態情報２４０を含んでいる。

センサ検知情報２１０は、周辺状況センサ２１による検知結果を示す。より詳細には、センサ検知情報２１０は、カメラ撮像情報２２０及びレーダ計測情報２３０を含んでいる。カメラ撮像情報２２０は、カメラ２２による撮像結果を示す情報であり、カメラ２２によって撮像された車両１の周囲の画像を含んでいる。レーダ計測情報２３０は、レーダ２３による計測結果を示す情報であり、車両１の周囲の物体に関する情報（例えば、相対位置及び相対速度）を含んでいる。

車両状態情報２４０は、車両状態センサ２４による検知結果を示す。つまり、車両状態情報２４０は、車両１の状態を示す。車両１の状態としては、車速、ヨーレート、横加速度、舵角、等が例示される。

また、プロセッサ１１０は、走行装置３０を制御することによって車両走行制御を実行する。車両走行制御は、操舵制御、加速制御、及び減速制御を含んでいる。制御装置１００は、操舵装置を制御することによって操舵制御を実行する。また、制御装置１００は、駆動装置を制御することによって加速制御を実行する。また、制御装置１００は、制動装置を制御することによって減速制御を実行する。

更に、プロセッサ１１０は、車両１と物体Ｔとの衝突リスクを低減する運転支援制御を実行する。運転支援制御は、上述の減速制御と操舵制御のうち少なくとも一方を含む。この運転支援制御は、運転環境情報２００に基づいて実行される。以下、本実施の形態に係る運転支援制御について更に詳しく説明する。

１−３．運転支援制御に関連する処理フロー
図４は、本実施の形態に係る運転支援制御に関連する処理を示すフローチャートである。図４に示される処理フローは、一定サイクル毎に繰り返し実行される。

ステップＳ１００において、プロセッサ１１０は、センサ群２０から運転環境情報２００を取得する。運転環境情報２００は、記憶装置１２０に格納される。

ステップＳ１１０において、プロセッサ１１０は、センサ検知情報２１０に基づいて、車両１の前方の物体Ｔを検出する。例えば、プロセッサ１１０は、カメラ撮像情報２２０で示される画像に周知の画像解析手法を適用することによって、物体Ｔを検出することができる。周知の画像解析手法としては、セマンティックセグメンテーション（Semantic Segmentation）、エッジ検出、等が例示される。また、プロセッサ１１０は、レーダ計測情報２３０で示される物体を物体Ｔとして検出することができる。プロセッサ１１０は、物体Ｔの検出結果を示す物体検出情報を取得する。

ステップＳ１２０において、プロセッサ１１０は、カメラ撮像情報２２０に基づいて、物体Ｔの横距離Ｄｙを推定する「横距離推定処理」を実行する。特に、プロセッサ１１０は、車両１が物体Ｔの側方を通過する時点での横距離Ｄｙ（将来横距離）を推定する。車両１が物体Ｔの側方を通過する時点は、車両１が物体Ｔに最も近づく時点と言うこともできる。本実施の形態に係る横距離推定処理の詳細については、後述する。

ステップＳ１３０において、プロセッサ１１０は、運転支援制御の作動条件が成立するか否かを判定する。例えば、運転支援制御の作動条件は、ステップＳ１２０で推定された横距離Ｄｙ（将来横距離）が閾値ＴＨを下回ることである。閾値ＴＨは、安全マージンに相当する。閾値ＴＨ（安全マージン）は、車両状態に応じて動的に変動してもよい。例えば、車速が高くなるにつれて安全マージンが大きくなり、車速が低くなるにつれて安全マージンが小さくなってもよい。作動条件が成立しない場合（ステップＳ１３０；Ｎｏ）、今回のサイクルにおける処理は終了する。一方、作動条件が成立する場合（ステップＳ１３０；Ｙｅｓ）、処理はステップＳ１４０に進む。

ステップＳ１４０において、プロセッサ１１０は、運転支援制御を実行する。具体的には、プロセッサ１１０は、物体Ｔとの衝突リスクを低減するために、上述の減速制御と操舵制御のうち少なくとも一方を実行する。プロセッサ１１０は、物体検出情報と車両状態情報２４０に基づいて、必要な目標減速度及び目標操舵角の少なくとも一方を算出する。そして、プロセッサ１１０は、目標減速度に従って制動装置を制御する。また、プロセッサ１１０は、目標操舵角に従って操舵装置を制御する。

以下、本実施の形態に係る横距離推定処理（ステップＳ１２０）について更に詳しく説明する。

２．横距離推定処理（ステップＳ１２０）
２−１．カーブ路における課題
図５は、カーブ路に関する横距離推定処理の課題を説明するための概念図である。車両１は、ある車線を走行している。区画線Ｍは、車両１が走行している車線の区画線（白線）である。区画線Ｍを挟んで車両１と反対側には路肩（あるいは路側帯）が存在する。

時刻ｔ１は、横距離推定処理が実行される時刻（現在時刻）である。第１車両位置Ｐ１は、時刻ｔ１での車両位置Ｐ、つまり、車両１の現在位置である。第１車両座標系（Ｘ１，Ｙ１）は、第１車両位置Ｐ１における車両座標系である。第１車両位置Ｐ１の前方にカーブ路が存在している。そのカーブ路に隣接する路肩、あるいは、そのカーブ路内に、物体Ｔが存在している。

時刻ｔ２は、車両１が物体Ｔの側方を通過する時刻（将来時刻）である。時刻ｔ２は、車両１が物体Ｔに最も近づく時刻と言うこともできる。第２車両位置Ｐ２は、時刻ｔ２での車両位置Ｐ、つまり、車両１の将来位置である。第２車両座標系（Ｘ２，Ｙ２）は、第２車両位置Ｐ２における車両座標系である。

現在横距離Ｄｙ１は、第１車両座標系（Ｘ１，Ｙ１）における横距離Ｄｙ、すなわち、第１車両位置Ｐ１と物体Ｔとの間の横距離Ｄｙである。一方、将来横距離Ｄｙ２は、第２車両座標系（Ｘ２，Ｙ２）における横距離Ｄｙ、すなわち、第２車両位置Ｐ２と物体Ｔとの間の横距離Ｄｙである。第１車両位置Ｐ１（現在位置）において実行される横距離推定処理では、現在横距離Ｄｙ１ではなく、将来横距離Ｄｙ２が推定される。

まず、将来横距離Ｄｙ２を推定する方法の比較例について説明する。比較例では、カメラ撮像情報２２０に基づいて、物体Ｔ及び区画線Ｍが認識される。物体Ｔの認識結果から、第１車両位置Ｐ１に対する物体Ｔの相対位置が算出される。一方、区画線Ｍの認識結果から、カーブ路の曲率が推定される。更に、カーブ路の曲率に基づいて、第２車両位置Ｐ２が推定される。そして、第１車両位置Ｐ１に対する物体Ｔの相対位置と第２車両位置Ｐ２とに基づいて、将来横距離Ｄｙ２が推定される。

しかしながら、物体Ｔや区画線Ｍの位置の算出精度は、車両１から離れるにつれて低下する。例えば、車両１の振動（特にピッチング）に起因するカメラ２２の振動は位置算出精度に影響を与えるが、その影響は対象が車両１から離れるにつれて大きくなる。区画線Ｍの位置の算出精度の低下は、曲率の推定精度の低下、ひいては、第２車両位置Ｐ２の推定精度の低下を招く。物体Ｔの相対位置と第２車両位置Ｐ２の双方の精度が低くなるため、それらに基づいて推定される将来横距離Ｄｙ２の推定精度も低くなる。

将来横距離Ｄｙ２の推定精度が低い場合、運転支援制御が適切に作動しないおそれがある。例えば、本来必要の無い物体Ｔに対して運転支援制御が不必要に作動する可能性がある。そのような運転支援制御の不要作動に対して、車両１のドライバは煩わしさや違和感を感じる。逆に、本当に必要な物体Ｔに対して運転支援制御が作動しない可能性もある。そのような必要な運転支援制御の不作動に対して、車両１のドライバは不安感や違和感を感じる。運転支援制御の不要作動や必要な運転支援制御の不作動を抑制するためには、将来横距離Ｄｙ２を適切に推定することが重要である。

２−２．横距離推定処理のコンセプト
図６は、本実施の形態に係る横距離推定処理を説明するための概念図である。将来横距離Ｄｙ２は、２つの横距離Ａｙ２、Ｂｙ２の和で表される（Ｄｙ２＝Ａｙ２＋Ｂｙ２）。横距離Ａｙ２は、第２車両位置Ｐ２と区画線Ｍとの間のＹ２方向の距離である。横距離Ｂｙ２は、区画線Ｍと物体Ｔとの間のＹ２方向の距離である。本実施の形態によれば、横距離Ａｙ２、Ｂｙ２が、それぞれ、別の距離で近似される。

まず、横距離Ａｙ２の近似について説明する。車両１は第１車両位置Ｐ１から第２車両位置Ｐ２までカーブ路に沿って区画線Ｍと平行に走行すると仮定する。この仮定の下、第１車両座標系（Ｘ１，Ｙ１）における横距離Ａｙ１が、第２座標系（Ｘ２，Ｙ２）における横距離Ａｙ２とみなされる。横距離Ａｙ１は、第１車両位置Ｐ１と区画線Ｍとの間のＹ１方向の距離である。第１車両位置Ｐ１の近傍の区画線Ｍは、カメラ２２（特に側方カメラ）によって撮像される。対象が第１車両位置Ｐ１（現在位置）から近い場合、その対象は画像内で比較的鮮明であり、また、車両１の振動に起因するカメラ２２の振動による影響も小さい。従って、車両１に近い区画線Ｍの横距離Ａｙ１は高精度に算出される。

次に、横距離Ｂｙ２の近似について説明する。上述の通り、横距離Ｂｙ２は、Ｙ２方向における物体Ｔと区画線Ｍとの間の距離である。一方、図６中の「代替距離Ｂｓｔ」は、Ｙ１方向における物体Ｔと区画線Ｍとの間の距離である。物体Ｔから見て、Ｙ１方向と平行な第１方向に存在する区画線Ｍの位置は、以下、「代替区画線位置Ｓ」と呼ばれる。

図７は、カメラ２２（前方カメラ）によって撮像された画像を示している。画像内で、物体Ｔと代替区画線位置Ｓは水平方向（Ｙ１方向と平行な第１方向）に並んでいる。画像内で物体Ｔから水平方向に延ばした線が区画線Ｍと交差する位置の画素が、代替区画線位置Ｓに相当する。従って、カメラ撮像情報２２０に基づいて代替区画線位置Ｓを特定することができる。

代替距離Ｂｓｔは、物体Ｔと代替区画線位置Ｓとの間の距離である。本実施の形態では、この代替距離Ｂｓｔが横距離Ｂｙ２とみなされる。以下に説明されるように、代替距離Ｂｓｔは、カメラ撮像情報２２０に基づく位置算出精度の低さの影響を受けにくい。

図８は、本実施の形態に係る代替距離Ｂｓｔを算出する方法を説明するための概念図である。カメラ撮像情報２２０で示される画像に周知の画像解析手法（例：セマンティックセグメンテーション、エッジ検出）を適用することによって、縦距離Ｌｘ、物体方位角θｔ、及び区画線方位角θｓを算出することができる。縦距離Ｌｘは、第１車両位置Ｐ１と物体Ｔとの間のＸ１方向の距離である。物体方位角θｔは、第１車両位置Ｐ１から見た物体Ｔの方位角である。区画線方位角θｓは、第１車両位置Ｐ１から見た代替区画線位置Ｓの方位角である。

尚、上述の通り、縦距離Ｌｘの算出精度は、物体Ｔが車両１から離れるにつれて低下する。一方、物体方位角θｔ及び区画線方位角θｓの算出精度は極めて高いことが知られている（誤差は１％程度）。

物体横距離Ｌｙｔは、第１車両位置Ｐ１と物体Ｔとの間のＹ１方向の距離である。区画線横距離Ｌｙｓは、第１車両位置Ｐ１と代替区画線位置Ｓとの間のＹ１方向の距離である。物体横距離Ｌｙｔ、区画線横距離Ｌｙｓ、及び代替距離Ｂｓｔは、それぞれ、次の式（１）〜（３）で表される。

式（１）：Ｌｙｔ＝Ｌｘ×ｔａｎθｔ
式（２）：Ｌｙｓ＝Ｌｘ×ｔａｎθｓ
式（３）：Ｂｓｔ＝Ｌｙｔ−Ｌｙｓ＝Ｌｘ×（ｔａｎθｔ−ｔａｎθｓ）

上述の通り、縦距離Ｌｘの算出精度は低い。算出精度が低いことは、縦距離Ｌｘがある程度の誤差を有することを意味する。従って、物体横距離Ｌｙｔも区画線横距離Ｌｙｓも、縦距離Ｌｘの誤差に起因するある程度の誤差を有する。但し、物体横距離Ｌｙｔと区画線横距離Ｌｙｓのそれぞれの誤差の傾向は一致する。例えば、縦距離Ｌｘが真値より大きい場合、物体横距離Ｌｙｔと区画線横距離Ｌｙｓの双方がそれぞれ真値より大きくなる。逆に、縦距離Ｌｘが真値より小さい場合、物体横距離Ｌｙｔと区画線横距離Ｌｙｓの双方がそれぞれ真値より小さくなる。従って、物体横距離Ｌｙｔと区画線横距離Ｌｙｓとの間の差分を取った場合、双方の誤差同士が互いに打ち消しあう。結果として、物体横距離Ｌｙｔと区画線横距離Ｌｙｓとの間の差分は、その真値に近くなる。すなわち、式（３）によって算出される代替距離Ｂｓｔは、その真値に近くなる。このように、代替距離Ｂｓｔは、カメラ撮像情報２２０に基づく位置算出精度の低さの影響を受けにくい。

本実施の形態によれば、横距離Ａｙ１（第１距離）と代替距離Ｂｓｔ（第２距離）の和が、将来横距離Ｄｙ２として推定される。すなわち、将来横距離Ｄｙ２は、次の式（４）で表される。

式（４）：Ｄｙ２＝Ａｙ１＋Ｂｓｔ
＝Ａｙ１＋Ｌｘ×（ｔａｎθｔ−ｔａｎθｓ）

上述の通り、車両１に近い区画線Ｍの横距離Ａｙ１は高精度に算出される。代替距離Ｂｓｔも、カメラ撮像情報２２０に基づく位置算出精度の低さの影響を受けにくいため、比較的精度良く算出される。従って、式（４）によって、将来横距離Ｄｙ２を高精度に算出（推定）することが可能となる。

図９は、横距離Ｂｙ２と代替距離Ｂｓｔとの間の誤差について考察するための図である。図９には、２つの物体Ｔａ、Ｔｂが示されている。物体Ｔａ、Ｔｂは共に路肩に存在している。物体Ｔａは区画線Ｍに比較的近く、物体Ｔｂは区画線Ｍから比較的遠い。横距離Ｂｙ２ａ、代替区画線位置Ｓａ、及び代替距離Ｂｓｔａは、それぞれ、物体Ｔａに関する横距離Ｂｙ２、代替区画線位置Ｓ、及び代替距離Ｂｓｔである。一方、横距離Ｂｙ２ｂ、代替区画線位置Ｓｂ、及び代替距離Ｂｓｔｂは、それぞれ、物体Ｔｂに関する横距離Ｂｙ２、代替区画線位置Ｓ、及び代替距離Ｂｓｔである。代替距離Ｂｓｔａは横距離Ｂｙ２ａよりも大きく（Ｂｓｔａ＞Ｂｙ２ａ）、物体Ｔｂに関する代替距離Ｂｓｔｂは横距離Ｂｙ２ｂよりも大きい（Ｂｓｔｂ＞Ｂｙ２ｂ）。

図９から分かるように、代替距離Ｂｓｔｂと横距離Ｂｙ２ｂとの間の誤差（Ｂｓｔｂ−Ｂｙ２ｂ）は、代替距離Ｂｓｔａと横距離Ｂｙ２ａとの間の誤差（Ｂｓｔａ−Ｂｙ２ａ）よりも大きい。すなわち、物体Ｔが区画線Ｍから離れるにつれて誤差は大きくなる傾向にある。しかしながら、物体Ｔが区画線Ｍから離れるにつれて、衝突リスクは急減し、運転支援制御を作動させる必要性が急減する。代替距離Ｂｓｔと横距離Ｂｙ２との間の誤差が大きくなり、将来横距離Ｄｙ２が大き目に推定されたとしても、運転支援制御を作動させないという正確な判定が行われるだけであり、問題はない。

逆に、物体Ｔが区画線Ｍに近づくにつれて、代替距離Ｂｓｔと横距離Ｂｙ２との間の誤差は減少し、代替距離Ｂｓｔは高精度の近似となる。物体Ｔが区画線Ｍに近い状況は、運転支援制御が特に重要となる状況である。そのような状況において誤差が特に小さくなるため、本実施の形態に係る手法は好適である。

図１０は、本実施の形態に係る横距離推定処理の効果を説明するためのグラフ図である。図１０には、本実施の形態に係る手法と曲率を利用した比較例に係る手法のそれぞれによって算出される将来横距離Ｄｙ２が示されている。横軸が将来横距離Ｄｙ２を表し、縦軸が縦距離Ｌｘを表している。

算出条件は、以下の通りであるとする。カーブ路の曲率半径は１０００ｍである。区画線Ｍは、第１車両位置Ｐ１から２．０ｍ左側に位置している。物体Ｔは、区画線Ｍから１．０ｍ左側に位置している。比較例の場合、物体Ｔの相対位置の算出誤差は２０％であり、曲率（すなわち、第２車両位置Ｐ２）の推定誤差は１０％である。一方、本実施の形態の場合、縦距離Ｌｘの算出誤差は２０％であり、横距離Ａｙ１の算出誤差は５％であり、物体方位角θｔ及び区画線方位角θｓの算出誤差は１％である。

将来横距離Ｄｙ２の真値は３．０ｍ（＝２．０ｍ＋１・０ｍ）である。図１０から明らかなように、本実施の形態に係る手法によって算出される将来横距離Ｄｙ２の誤差は、比較例の場合よりも有意に小さい。特に、物体Ｔが遠方に存在する場合、比較例の場合の誤差は大きく、本実施の形態に係る手法の優位性が顕著となる。例えば、使用が見込まれる約８０ｍ先の物体Ｔに関しては、本実施の形態の場合の誤差は、比較例の場合の誤差の約１／４となる。

２−３．処理フロー
図１１は、本実施の形態に係る横距離推定処理（ステップＳ１２０）を要約的に示すフローチャートである。

ステップＳ１２１において、プロセッサ１１０は、カメラ撮像情報２２０で示される画像に基づいて、車両１が走行している車線の区画線Ｍを認識する。カメラ撮像情報２２０で示される画像に周知の画像解析手法（例：セマンティックセグメンテーション、エッジ検出）を適用することによって、車両１の側方及び前方の区画線Ｍを認識することができる。

ステップＳ１２２において、プロセッサ１１０は、カメラ撮像情報２２０で示される画像に基づいて、第１車両位置Ｐ１（現在位置）と区画線Ｍとの間の横距離Ａｙ１（第１距離）を算出する（図６参照）。

ステップＳ１２３において、プロセッサ１１０は、カメラ撮像情報２２０で示される画像に基づいて、物体Ｔに関する縦距離Ｌｘと物体方位角θｔを算出する（図８参照）。

ステップＳ１２４において、プロセッサ１１０は、カメラ撮像情報２２０で示される画像に基づいて、物体Ｔから第１方向（Ｙ１方向に平行な方向）に存在する区画線Ｍの位置を代替区画線位置Ｓとして特定する。画像内で物体Ｔから水平方向に延ばした線が区画線Ｍと交差する位置の画素が、代替区画線位置Ｓに相当する（図７参照）。

ステップＳ１２５において、プロセッサ１１０は、カメラ撮像情報２２０で示される画像に基づいて、代替区画線位置Ｓに関する区画線方位角θｓを算出する。

ステップＳ１２６において、プロセッサ１１０は、上記式（４）に従って将来横距離Ｄｙ２を算出（推定）する。言い換えれば、プロセッサ１１０は、縦距離Ｌｘ、物体方位角θｔ、及び区画線方位角θｓに基づいて代替距離Ｂｓｔ（第２距離）を算出し、横距離Ａｙ１（第１距離）と代替距離Ｂｓｔ（第２距離）の和を将来横距離Ｄｙ２として算出（推定）する。

尚、カーブ路だけでなく直線路に対しても本実施の形態に係る手法（アルゴリズム）を適用可能である。

３．効果
以上に説明されたように、本実施の形態に係る運転支援システム１０は、運転支援制御の作動に関連する将来横距離Ｄｙ２を推定する。具体的には、運転支援システム１０は、横距離Ａｙ１（第１距離）と代替距離Ｂｓｔ（第２距離）の和を将来横距離Ｄｙ２として推定する。車両１に近い区画線Ｍの横距離Ａｙ１は高精度に算出される。代替距離Ｂｓｔも、カメラ撮像情報２２０に基づく位置算出精度の低さの影響を受けにくいため、比較的精度良く算出される。従って、横距離Ａｙ１と代替距離Ｂｓｔの和である将来横距離Ｄｙ２の精度も高くなる。

将来横距離Ｄｙ２が高精度に推定される結果、本来必要の無い物体Ｔに対して運転支援制御が不必要に作動することが抑制される。よって、車両１のドライバが感じる煩わしさや違和感が軽減される。また、本当に必要な物体Ｔに対して運転支援制御が作動しないといった事態が防止される。その結果、車両１のドライバの不安感や違和感が軽減される。これらのことは、運転支援制御に対する信頼の向上に寄与する。

１ 車両
１０ 運転支援システム
２０ センサ群
２１ 周辺状況センサ
２２ カメラ
２３ レーダ
２４ 車両状態センサ
３０ 走行装置
１００ 制御装置
１１０ プロセッサ
１２０ 記憶装置
２００ 運転環境情報
２１０ センサ検知情報
２２０ カメラ撮像情報
２３０ レーダ計測情報
２４０ 車両状態情報
Ｂｓｔ 代替距離
Ｄｙ２ 将来横距離
Ｌｘ 縦距離
Ｍ 区画線
Ｐ 車両位置
Ｓ 代替区画線位置
Ｔ 物体
θｓ 区画線方位角
θｔ 物体方位角

Claims (1)

1. 車両の運転を支援する運転支援システムであって、
   前記車両は、前記車両の周囲の状況を撮像するカメラを備え、
   前記運転支援システムは、
   前記カメラによる撮像結果を示すカメラ撮像情報が格納される記憶装置と、
   プロセッサと
   を備え、
   前記プロセッサは、
   前記カメラ撮像情報に基づいて、前記車両の前方の物体を検出し、
   前記車両が前記物体の側方を通過する時点での前記車両と前記物体との間の横距離を将来横距離として推定する横距離推定処理を実行し、
   前記将来横距離に基づいて、前記物体との衝突リスクを低減する運転支援制御を実行するか否かを判定し、
   前記横距離推定処理において、前記プロセッサは、
   前記カメラ撮像情報に基づいて、前記車両が走行している車線の区画線を認識し、
   前記カメラ撮像情報に基づいて、前記車両の現在位置と前記区画線との間の横距離を第１距離として算出し、
   前記カメラ撮像情報に基づいて、前記車両の前記現在位置と前記物体との間の縦距離Ｌｘと、前記車両の前記現在位置から見た前記物体の方位角である物体方位角θｔとを算出し、
   前記カメラ撮像情報に基づいて、前記物体から、前記現在位置における前記車両の横方向と平行な第１方向に存在する前記区画線の位置を代替区画線位置として特定し、
   前記カメラ撮像情報に基づいて、前記車両の前記現在位置から見た前記代替区画線位置の方位角である区画線方位角θｓを算出し、
   前記縦距離Ｌｘ、前記物体方位角θｔ、及び前記区画線方位角θｓに基づいて、Ｌｘ×（ｔａｎθｔ−ｔａｎθｓ）を第２距離として算出し、
   前記第１距離と前記第２距離の和を前記将来横距離として推定する
   運転支援システム。

Images