JP2022014729A - 悪環境判定装置、悪環境判定方法 - Google Patents

Abstract

【課題】画像データを用いた物体認識をする装置にとっての悪環境となっている地点を特定可能な悪環境判定装置、悪環境判定方法を提供する。【解決手段】環境判定器２０は、車線区画線の実効認識距離が所定の第１距離未満であることに基づいて周辺環境を前方カメラにとっての悪環境と判定する。そして、車線区画線及び／又はランドマークに対する認識状況、及び、気温等の環境補足情報に基づいて、悪環境の種別を判定する。例えば、所定の第２距離以上第１距離未満に位置する車線区画線を認識できている一方、ランドマークが認識できていない場合は、西日を受けていると判定する。また、第２距離以上第１距離未満に位置する車線区画線およびランドマークの両方を認識できている場合には、悪環境種別は霧であると判定する。【選択図】図３

Description

本開示は、車載カメラが撮像した画像データを用いて物体を認識する装置にとっての悪環境であるか否かを判定する技術に関する。

近年、車載カメラが撮像した画像データを用いて、周辺環境を認識し、衝突被害軽減ブレーキなどの車両制御や、自己位置推定等に利用する技術が種々提案されている。例えば、特許文献１には、より高精度な車両の位置特定を行う技術として、前方カメラの撮像画像に基づいて認識したランドマークの観測位置と、地図データに登録されていれるランドマークの位置座標とに基づいて、車両の位置を技術が開示されている。このように前方カメラの画像認識結果と地図データとを照合（つまり、マッチング）させることで車両の位置特定を行う処理はローカライズ処理とも称される。

特開２０２０－８４６２号公報

特許文献１に開示されるローカライズ処理においては、カメラによりランドマークを精度良く認識できていることが前提となる。しかしながら、降雨や濃霧などの悪環境時には、カメラ画像が不鮮明となるため、ランドマークの認識成功率が低下しうる。特に遠方に位置するランドマークほど認識しにくくなる。また、ランドマークに限らず、降雨や濃霧などの悪環境時には、車載カメラによる物体認識機能が低下する場合がある。

画像認識の精度／性能は、自動運転の安全性に大きく寄与する。そのため、画像データを用いた物体認識をする装置にとっての悪環境となっている地点、換言すれば画像が不鮮明となりうる地点を特定することは、ユーザの利便性や安全性を高める上で重要となる。

本開示は、この事情に基づいて成されたものであり、その目的とするところは、画像データを用いた物体認識をする装置にとっての悪環境となっている地点を特定可能な悪環境判定装置、悪環境判定方法を提供することにある。

その目的を達成するための悪環境判定装置は、一例として、車両の周辺の所定範囲を撮像する撮像装置（１１）で撮像された画像を解析することによって定まる所定の対象地物についての認識情報を示す情報を画像認識情報として取得する画像認識情報取得部（Ｆ３）と、画像認識情報取得部が取得した対象地物の認識結果に基づいて、車両の周辺環境が、画像を用いて物体認識をする装置にとっての悪環境であるか否かを判定する環境判定部（Ｆ７）と、を備える。

例えば降雨や霧などといった、画像データを用いた物体認識をする装置にとっての悪環境となっている地点においては、例えば晴天時などの良環境時に比べて地物を認識できる距離等は縮退しうる。つまり、地物の画像認識結果は、悪環境であるか否かの指標として機能する。本開示は当該性質に着眼して創出されたものであって、上記構成によれば、所定の地物に対する実際の認識状況に基づいて、画像を用いて物体認識をする装置（例えばカメラ）にとっての悪環境かどうかが判断される。このような構成によれば、実際に物体認識の性能が低下しうる地点を特定可能となる。

また、上記目的を達成するための悪環境判定方法は、画像を用いて物体を認識する装置にとっての悪環境であるか否かを判定するための、少なくとも１つのプロセッサによって実行される方法であって、車両の周辺の所定範囲を撮像する撮像装置（１１）で撮像された画像を解析することによって定まる所定の対象地物についての認識結果を示す情報を画像認識情報として取得する画像認識情報取得ステップ（Ｓ１００）と、画像認識情報取得ステップで取得された対象地物の認識結果に基づいて、車両の周辺環境が、画像を用いて物体認識をする装置にとっての悪環境であるか否かを判定する環境判定ステップ（Ｓ１１０）と、を含む。

上記の方法によれば悪環境判定装置と同様の作動原理により、画像データを用いた物体認識をする装置にとっての悪環境となっている地点を特定可能となる。

なお、特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本開示の技術的範囲を限定するものではない。

運転支援システム１の構成を示すブロック図である。 前方カメラ１１の構成を示すブロック図である。 環境判定器２０の構成を示す機能ブロック図である。 位置推定器３０の構成を示す機能ブロック図である。 悪環境判定処理のフローチャートである。 悪環境か否かの判定に使用する第１距離を説明するための図である。 悪環境種別判定処理のフローチャートである。 地物ごとの認識状況と環境種別との対応関係をまとめた図である。 悪環境種別判定処理の変形例を示すフローチャートである。 環境判定器２０の構成を示すブロック図である。 路面状態判定処理についてのフローチャートである。 環境判定部Ｆ７の変形例を示すブロック図である。 システム構成の変形例を示す図である。 システム構成の変形例を示す図である。 システム構成の変形例を示す図である。 地図配信システム１００の全体構成を示す図である。 地図サーバ５の作動を説明するフローチャートである。

以下、本開示の実施形態について図を用いて説明する。図１は、本開示の位置推定器を適用してなる運転支援システム１の概略的な構成の一例を示す図である。

＜全体構成の概要＞
図１に示すように運転支援システム１は、前方カメラ１１、ミリ波レーダ１２、車両状態センサ１３、ロケータ１４、地図記憶部１５、Ｖ２Ｘ車載器１６、ＨＭＩシステム１７、運転支援ＥＣＵ１８、環境判定器２０、及び位置推定器３０を備える。なお、部材名称中のＥＣＵは、Electronic Control Unitの略であり、電子制御装置を意味する。また、ＨＭＩは、Human Machine Interfaceの略である。Ｖ２ＸはVehicle to X（Everything）の略で、車を様々なものをつなぐ通信技術を指す。

運転支援システム１を構成する上記の種々の装置またはセンサは、ノードとして、車両内に構築された通信ネットワークである車両内ネットワークＮｗに接続されている。車両内ネットワークＮｗに接続されたノード同士は相互に通信可能である。なお、特定の装置同士は、車両内ネットワークＮｗを介することなく直接的に通信可能に構成されていてもよい。例えば環境判定器２０と位置推定器３０は専用線によって直接的に電気接続されていても良い。また、図１において車両内ネットワークＮｗはバス型に構成されているが、これに限らない。ネットワークトポロジは、メッシュ型や、スター型、リング型などであってもよい。ネットワーク形状は適宜変更可能である。車両内ネットワークＮｗの規格としては、例えばController Area Network（以降、ＣＡＮ：登録商標）や、イーサネット（イーサネットは登録商標）、FlexRay（登録商標）など、多様な規格を採用可能である。

以降では運転支援システム１が搭載されている車両を自車両とも記載するとともに、自車両の運転席に着座している乗員（つまり運転席乗員）をユーザとも記載する。なお、以下の説明における前後、左右、上下の各方向は、自車両を基準として規定される。具体的に、前後方向は、自車両の長手方向に相当する。左右方向は、自車両の幅方向に相当する。上下方向は、車両高さ方向に相当する。別の観点によれば、上下方向は、前後方向及び左右方向に平行な平面に対して垂直な方向に相当する。

＜各構成要素の概要＞
前方カメラ１１は、車両前方を所定の画角で撮像するカメラである。前方カメラ１１は、例えばフロントガラスの車室内側の上端部や、フロントグリル、ルーフトップ等に配置されている。前方カメラ１１は、図２に示すように、画像フレームを生成するカメラ本体部４０と、画像フレームに対して認識処理を施す事により、所定の検出対象物を検出するＥＣＵ（以降、カメラＥＣＵ４１）と、を備える。カメラ本体部４０は少なくともイメージセンサとレンズとを含む構成である。カメラ本体部４０は、所定のフレームレート（例えば６０ｆｐｓ）で撮像画像データを生成及び出力する。カメラＥＣＵ４１は、ＣＰＵや、ＧＰＵなどを含む画像処理チップを主体として構成されており、機能ブロックとして識別器４１１を含む。識別器４１１は、カメラ本体部４０で生成された画像の特徴量ベクトルに基づき、物体の種別を識別する構成である。識別器４１１には、例えばディープラーニングを適用したＣＮＮ（Convolutional Neural Network）やＤＮＮ（Deep Neural Network）などを利用可能である。識別器４１１は物体認識部の一例に相当する。

前方カメラ１１の検出対象物には、例えば、歩行者や、他車両などの移動体が含まれる。他車両には自転車や原動機付き自転車、オートバイも含まれる。また、前方カメラ１１は、所定の地物も検出可能に構成されている。前方カメラ１１が検出対象とする地物には、道路端や、路面標示、道路沿いに設置される構造物が含まれる。路面標示とは、交通制御、交通規制のための路面に描かれたペイントを指す。例えば、レーンの境界を示す車線区画線や、横断歩道、停止線、導流帯、安全地帯、規制矢印などが路面標示に含まれる。車線区画線は、レーンマークあるいはレーンマーカーとも称される。車線区画線には、チャッターバーやボッツドッツなどの道路鋲によって実現されるものも含まれる。以降における区画線とは、レーンの境界線をさす。区画線には、車道外側線や、中央線（いわゆるセンターライン）なども含めることができる。

道路沿いに設置される構造物とは、例えば、ガードレール、縁石、樹木、電柱、道路標識、信号機などである。カメラＥＣＵ４１を構成する画像プロセッサは、色、輝度、色や輝度に関するコントラスト等を含む画像情報に基づいて、撮像画像から背景と検出対象物とを分離して抽出する。

なお、前方カメラ１１が検出対象とする地物の一部または全部は、位置推定器３０においてランドマークとして利用される。本開示におけるランドマークとは、車両の縦方向位置を推定するための目印として利用可能な地物を指す。ランドマークとしては、例えば規制標識や、案内標識、警戒標識、指示標識などといった交通標識に相当する看板、信号機、ポール、案内板などの少なくとも何れか１つを採用可能である。なお、案内標識とは、方面看板や、地域名称を示す看板、道路名を示す看板、高速道路の出入口やサービスエリア等を予告する予告看板などを指す。ランドマークには、街灯や、ミラー、電柱、商業広告看板、店舗名を示す看板、歴史的建造物等の象徴的な建築物などを含めることもできる。ポールには街灯や電柱も含まれる。ランドマークには、道路の起伏部及び陥没部、マンホール、ジョイント部等を含めることもできる。区画線の終端や分岐点も、ランドマークとして利用可能である。ランドマークとして用いる地物の種別は適宜変更可能である。ランドマークとしては、信号機や方面看板など、経時変化が乏しく、且つ、１００ｍ以上離れた地点からでも画像認識可能な大きさを有する地物を採用することが好ましい。前方カメラ１１は、ランドマークに設定されている種別の地物を検出可能に構成されていればよい。

カメラＥＣＵ４１は、ランドマーク及び区画線といった地物の車両からの相対距離および方向を、ＳｆＭ（Structure from Motion）情報を含む画像から演算する。自車両に対する地物の相対位置（距離および方向）は、画像内における地物の大きさや姿勢（たとえば傾き度合い）に基づいて特定してもよい。また、カメラＥＣＵ４１は、認識しているランドマークの色や大きさ、形状などに基づいて、例えば方面看板か否かなど、ランドマークの種別を識別可能に構成されている。車線区画線やランドマークが対象地物に相当する。

さらに、カメラＥＣＵ４１は、車線区画線及び道路端の位置及び形状に基づいて、走路の曲率や幅員等の形状などを示す走行路データを生成する。加えて、カメラＥＣＵ４１は、ＳｆＭに基づくヨーレートを算出する。カメラＥＣＵ４１は、検出物の相対位置や種別等を示す検出結果データを、車両内ネットワークＮｗを介して位置推定器３０や運転支援ＥＣＵ１８（以降、位置推定器３０等）に逐次提供する。

本実施形態のカメラＥＣＵ４１は、より好ましい態様として、画像認識結果の信頼度を示すデータも出力する。認識結果の信頼度は、例えば、降雨量や、逆光の有無、外界の明るさなどをもとに算出される。なお、認識結果の信頼度は、その他、特徴量の一致度合いを示すスコアであってもよい。信頼度は、例えば、識別器４１１による識別結果として出力される、認識結果の確からしさを示す確率値であってもよい。当該確率値は前述の特徴量の一致度合いに相当しうる。認識結果の信頼度は、識別器４１１が生成する検出物ごとに確率値の平均値であっても良い。

また、カメラＥＣＵ４１は、追跡している同一物体に対する識別結果の安定度合いから、認識結果の信頼度を評価してもよい。例えば同一物体の種別の識別結果が安定している場合には信頼度は高いと評価し、同一物体に対する識別結果としての種別タグが不安定である場合には、信頼度は低いと評価してもよい。識別結果が安定している状態とは、連続的に同じ結果が得られている状態を指す。識別結果が不安定な状態とは識別結果が二転三転するなど、連続的に同じ結果が得られない状態を指す。

ミリ波レーダ１２は、車両前方に向けてミリ波又は準ミリ波といった探査波を送信するとともに、当該送信波が物体で反射されて返ってきた反射波の受信データを解析することにより、自車両に対する物体の相対位置や相対速度を検出するデバイスである。ミリ波レーダ１２は、例えば、フロントグリルや、フロントバンパに設置されている。ミリ波レーダ１２には、検出物体の大きさや移動速度、受信強度に基づいて、検出物の種別を識別するレーダＥＣＵが内蔵されている。レーダＥＣＵは、検出結果として、検出物の種別や、相対位置（方向と距離）、受信強度を示すデータを位置推定器３０等に出力する。ミリ波レーダ１２の検出対象物にも前述のランドマークが含まれている。

前方カメラ１１及びミリ波レーダ１２は、物体認識に用いた観測データも、車両内ネットワークＮｗを介して運転支援ＥＣＵ１８等に提供するように構成されていても良い。例えば前方カメラ１１にとっての観測データとは、画像フレームを指す。ミリ波レーダの観測データとは、検出方向及び距離毎の受信強度及び相対速度を示すデータ、または、検出物の相対位置及び受信強度を示すデータを指す。観測データは、センサが観測した生のデータ、あるいは認識処理が実行される前のデータに相当する。

観測データに基づく物体認識処理は、運転支援ＥＣＵ１８など、センサ外のＥＣＵが実行しても良い。また、ランドマークの相対位置の算出も、位置推定器３０や運転支援ＥＣＵ１８などで実施されても良い。カメラＥＣＵ４１やミリ波レーダ１２の機能の一部（主として物体認識機能）は、位置推定器３０や運転支援ＥＣＵ１８に設けられていても良い。その場合、前方カメラ１１としてのカメラやミリ波レーダは、画像データや測距データといった観測データを検出結果データとして位置推定器３０や運転支援ＥＣＵ１８に提供すればよい。

車両状態センサ１３は、自車両の走行制御に関わる状態量を検出するセンサである。車両状態センサ１３には、例えば３軸ジャイロセンサ及び３軸加速度センサなどの慣性センサが含まれる。３軸加速度センサは、自車両に作用する前後、左右、上下方向のそれぞれの加速度を検出するセンサである。ジャイロセンサは検出軸回りの回転角速度を検出するものであって、３軸ジャイロセンサは互いに直交する３つの検出軸を有するものを指す。慣性センサは運転席乗員の運転操作又は運転支援ＥＣＵ１８による制御の結果として生じる車両の挙動を示す物理状態量を検出するセンサに相当する。種々のセンサは、慣性計測ユニット（ＩＭＵ：Inertial Measurement Unit）としてパッケージ化されていても良い。

また、運転支援システム１は車両状態センサ１３として外気温センサ、及び湿度センサを備える。運転支援システム１は車両状態センサ１３として大気圧センサや、磁気センサを備えていても良い。さらに、車両状態センサ１３にはシフトポジションセンサ、操舵角センサ、車速センサ、ワイパー速度センサなども含めることができる。シフトポジションセンサは、シフトレバーのポジションを検出するセンサである。操舵角センサは、ハンドルの回転角（いわゆる操舵角）を検出するセンサである。車速センサは、自車両の走行速度を検出するセンサである。ワイパー速度センサは、ワイパーの動作速度を検出するセンサである。ワイパーの動作速度には、動作間隔が含まれる。

車両状態センサ１３は、検出対象とする物理状態量の現在の値（つまり検出結果）を示すデータを車両内ネットワークＮｗに出力する。各車両状態センサ１３の出力データは、車両内ネットワークＮｗを介して位置推定器３０等で取得される。なお、車両状態センサ１３として運転支援システム１が使用するセンサの種類は適宜設計されればよく、上述した全てのセンサを備えている必要はない。また、車両状態センサ１３には、降雨を検出するレインセンサや、外の明るさを検出する照度センサを含めることができる。

ロケータ１４は、複数の情報を組み合わせる複合測位により、自車両の高精度な位置情報等を生成する装置である。ロケータ１４は、例えば、ＧＮＳＳ受信機を用いて構成されている。ＧＮＳＳ受信機は、ＧＮＳＳ（Global Navigation Satellite System）を構成する測位衛星から送信される航法信号（以降、測位信号）を受信することで、当該ＧＮＳＳ受信機の現在位置を逐次検出するデバイスである。例えばＧＮＳＳ受信機は４機以上の測位衛星からの測位信号を受信できている場合には、１００ミリ秒ごとに測位結果を出力する。ＧＮＳＳとしては、ＧＰＳ、ＧＬＯＮＡＳＳ、Ｇａｌｉｌｅｏ、ＩＲＮＳＳ、ＱＺＳＳ、Ｂｅｉｄｏｕ等を採用可能である。

ロケータ１４は、ＧＮＳＳ受信機の測位結果と、慣性センサの出力とを組み合わせることにより、自車両の位置を逐次測位する。例えば、ロケータ１４は、トンネル内などＧＮＳＳ受信機がＧＮＳＳ信号を受信できない場合には、ヨーレートと車速を用いてデッドレコニング（Dead Reckoning ：すなわち自律航法）を行う。デッドレコニングに用いるヨーレートは、ＳｆＭ技術を用いて前方カメラ１１で算出されたものでもよいし、ヨーレートセンサで検出されたものでもよい。ロケータ１４は加速度センサやジャイロセンサの出力を用いてデッドレコニングしても良い。測位した車両位置情報は車両内ネットワークＮｗに出力され、位置推定器３０等で利用される。

地図記憶部１５は、高精度地図データを記憶している不揮発性メモリである。ここでの高精度地図データは、道路構造、及び、道路沿いに配置されている地物についての位置座標等を、自動運転に利用可能な精度で示す地図データに相当する。高精度地図データは、例えば、道路の３次元形状データや、車線データ、地物データ等を備える。上記の道路の３次元形状データには、複数の道路が交差、合流、分岐する地点（以降、ノード）に関するノードデータと、その地点間を結ぶ道路（以降、リンク）に関するリンクデータが含まれる。

リンクデータには、道路端の位置座標を示す道路端情報や、道路の幅員などを示す。リンクデータには、自動車専用道路であるか、一般道路であるかといった、道路種別を示すデータも含まれていてもよい。ここでの自動車専用道路とは、歩行者や自転車の進入が禁止されている道路であって、例えば高速道路などの有料道路などを指す。リンクデータには、自律走行が許容される道路であるか否かを示す属性情報を含んでもよい。

車線データは、車線数や、車線ごとの区画線の設置位置情報、車線ごとの進行方向、車線レベルでの分岐／合流地点を示す。車線データには、例えば、区画線が実線、破線、ボッツドッツのいずれのパターンによって実現されているかを示す情報が含まれていてもよい。区画線や道路端（以降、区画線等）の位置情報は、車線区画線が形成されている地点の座標群（つまり点群）として表現されている。なお、他の態様として区画線等の位置情報は、多項式表現されていてもよい。区画線等の位置情報は、多項式表現された線分の集合体（つまり線群）でもよい。

地物データは、一時停止線などの路面標示の位置及び種別情報や、ランドマークの位置、形状、及び種別情報を含む。ランドマークには、前述の通り、交通標識や信号機、ポール、商業看板など、道路沿いに設置された立体構造物が含まれる。なお、地図記憶部１５は、自車両から所定距離以内の高精度地図データを一時的に記憶する構成であっても良い。

Ｖ２Ｘ車載器１６は、自車両が他の装置と無線通信を実施するための装置である。なお、Ｖ２Ｘの「Ｖ」は自車両としての自動車を指し、「Ｘ」は、歩行者や、他車両、道路設備、ネットワーク、サーバなど、自車両以外の多様な存在を指しうる。Ｖ２Ｘ車載器１６は、通信モジュールとして広域通信部と狭域通信部を備える。広域通信部は、所定の広域無線通信規格に準拠した無線通信を実施するための通信モジュールである。ここでの広域無線通信規格としては例えばＬＴＥ（Long Term Evolution）や４Ｇ、５Ｇなど多様なものを採用可能である。なお、広域通信部は、無線基地局を介した通信のほか、広域無線通信規格に準拠した方式によって、他の装置との直接的に、換言すれば基地局を介さずに、無線通信を実施可能に構成されていても良い。つまり、広域通信部はセルラーＶ２Ｘを実施するように構成されていても良い。自車両は、Ｖ２Ｘ車載器１６の搭載により、インターネットに接続可能なコネクテッドカーとなる。例えば位置推定器３０は、Ｖ２Ｘ車載器１６との協働により、所定のサーバから最新の高精度地図データをダウンロードして、地図記憶部１５に格納されている地図データを更新できる。

Ｖ２Ｘ車載器１６が備える狭域通信部は、通信距離が数百ｍ以内に限定される通信規格（以降、狭域通信規格）によって、自車両周辺に存在する他の移動体や路側機と直接的に無線通信を実施するための通信モジュールである。他の移動体としては、車両のみに限定されず、歩行者や、自転車などを含めることができる。狭域通信規格としては、ＩＥＥＥ１７０９にて開示されているＷＡＶＥ（Wireless Access in Vehicular Environment）規格や、ＤＳＲＣ（Dedicated Short Range Communications）規格など、任意のものを採用可能である。

ＨＭＩシステム１７は、ユーザ操作を受け付ける入力インターフェース機能と、ユーザへ向けて情報を提示する出力インターフェース機能とを提供するシステムである。ＨＭＩシステム１７は、ディスプレイ１７１とＨＣＵ（HMI Control Unit）１７２を備える。なお、ユーザへの情報提示の手段としては、ディスプレイ１７１の他、スピーカや、バイブレータ、照明装置（例えばＬＥＤ）等を採用可能である。

ディスプレイ１７１は、画像を表示するデバイスである。ディスプレイ１７１は、例えば、インストゥルメントパネルの車幅方向中央部（以降、中央領域）の最上部に設けられた、いわゆるセンターディスプレイである。ディスプレイ１７１は、フルカラー表示が可能なものであり、液晶ディスプレイ、ＯＬＥＤ（Organic Light Emitting Diode）ディスプレイ、プラズマディスプレイ等を用いて実現できる。なお、ＨＭＩシステム１７がディスプレイ１７１として、フロントガラスの運転席前方の一部分に虚像を映し出すヘッドアップディスプレイを備えていてもよい。また、ディスプレイ１７１は、メータディスプレイであってもよい。

ＨＣＵ１７２は、ユーザへの情報提示を統合的に制御する構成である。ＨＣＵ１７２は、例えばＣＰＵやＧＰＵなどのプロセッサと、ＲＡＭと、フラッシュメモリ等を用いて実現されている。ＨＣＵ１７２は、運転支援ＥＣＵ１８から提供される情報や、図示しない入力装置からの信号に基づき、ディスプレイ１７１の表示画面を制御する。例えばＨＣＵ１７２は、位置推定器３０または運転支援ＥＣＵ１８からの要求に基づき、減速通知画像をディスプレイ１７１に表示する。

運転支援ＥＣＵ１８は、前方カメラ１１及びミリ波レーダ１２といった周辺監視センサの検出結果や、地図記憶部１５に保存されている地図情報をもとに運転席乗員の運転操作を支援するＥＣＵである。例えば運転支援ＥＣＵ１８は周辺監視センサの検出結果と地図記憶部１５が保持する地図情報をもとに、走行用のアクチュエータ類（以降、走行アクチュエータ）を制御することにより、運転操作の一部または全部を運転席乗員の代わりに実行する。走行アクチュエータは、例えば、制動装置や、電子スロットル、操舵アクチュエータなどを含む。運転支援ＥＣＵ１８は、ユーザによる自律走行指示が入力されたことに基づいて、自車両を自律的に走行させる自動運転装置であってもよい。運転支援ＥＣＵ１８は、プロセッサ、ＲＡＭ、ストレージ、通信インターフェース、及びこれらを接続するバス等を備えたコンピュータを主体として構成されている。各要素の図示は省略している。なお、運転支援ＥＣＵ１８は、環境判定器２０の判定結果を示す出力信号に応じて動作、換言すればシステム応答、を変更するように構成されていても良い。例えば環境判定器２０が周辺環境は前方カメラ１１にとっての悪環境であることを示す信号を出力している場合には、通常時よりも車間距離を長くしたり、運転席乗員に画像認識性能が低下している旨を表示したりしてもよい。

環境判定器２０は、車両周辺が、車載カメラが撮像した画像データを用いて物体を認識する装置にとっての悪環境であるか否かを判定する構成である。ここでの悪環境には、車載カメラが生成する画像の鮮明度が低下する環境が含まれる。画像の鮮明度が低下した状態には、画像が不鮮明となっている状態を含む。本開示では一例として、環境判定器２０は、車両周辺が前方カメラ１１にとっての悪環境であるか否かを判定するように構成されている。環境判定器２０の機能の詳細については別途後述する。環境判定器２０は、処理部２１、ＲＡＭ２２、ストレージ２３、通信インターフェース２４、及びこれらを接続するバス等を備えたコンピュータを主体として構成されている。処理部２１は、ＲＡＭ２２と結合された演算処理のためのハードウェアである。処理部２１は、ＣＰＵ（Central Processing Unit）等の演算コアを少なくとも一つ含む構成である。処理部３１は、ＲＡＭ２２へのアクセスにより、種々の処理を実行する。ストレージ２３は、フラッシュメモリ等の不揮発性の記憶媒体を含む構成である。ストレージ２３には、処理部２１によって実行されるプログラム（以降、環境判定プログラム）が格納されている。処理部２１が環境判定プログラムを実行することは、環境判定プログラムに対応する方法（つまり悪環境判定方法）が実行されることに相当する。通信インターフェース２４は、車両内ネットワークＮｗを介して他の装置と通信するための回路である。通信インターフェース２４は、アナログ回路素子やＩＣなどを用いて実現されればよい。環境判定器２０が悪環境判定装置に相当する。なお、環境判定器２０はチップ（例えばＳｏＣ：System-on-a-Chip）として実現されていても良い。

位置推定器３０は、自車両の現在位置を特定する構成である。位置推定器３０の機能の詳細については別途後述する。位置推定器３０は、処理部３１、ＲＡＭ３２、ストレージ３３、通信インターフェース３４、及びこれらを接続するバス等を備えたコンピュータを主体として構成されている。処理部３１は、ＲＡＭ３２と結合された演算処理のためのハードウェアである。処理部３１は、ＣＰＵ（Central Processing Unit）等の演算コアを少なくとも一つ含む構成である。処理部３１は、ＲＡＭ３２へのアクセスにより、ＡＣＣ機能等を実現するための種々の処理を実行する。ストレージ３３は、フラッシュメモリ等の不揮発性の記憶媒体を含む構成である。ストレージ３３には、処理部２１によって実行されるプログラム（以降、位置推定プログラム）が格納されている。処理部３１が位置推定プログラムを実行することは、位置推定プログラムに対応する方法が実行されることに相当する。通信インターフェース３４は、車両内ネットワークＮｗを介して他の装置と通信するための回路である。通信インターフェース３４は、アナログ回路素子やＩＣなどを用いて実現されればよい。

＜環境判定器２０について＞
ここでは図３を用いて環境判定器２０の機能及び作動について説明する。環境判定器２０は、ストレージ２３に保存されている環境判定プログラムを実行することにより、図３に示す種々の機能ブロックに対応する機能を提供する。すなわち、位置推定器３０は機能ブロックとして、位置取得部Ｆ１、地図取得部Ｆ２、カメラ出力取得部Ｆ３、レーダ出力取得部Ｆ４、車両状態取得部Ｆ５、位置誤差取得部Ｆ６、及び環境判定部Ｆ７を備える。

位置取得部Ｆ１は、位置推定器３０が出力する自車両の位置情報を取得する。なお。位置取得部Ｆ１は、ロケータ１４から自車位置情報を取得するように構成されていてもよい。

地図取得部Ｆ２は、地図記憶部１５から、現在位置を基準として定まる所定範囲の地図データを読み出す。地図参照に利用される現在位置は、ロケータ１４及び後述する詳細位置算出部Ｇ５のどちらか特定されたものを採用可能である。例えば、詳細位置算出部Ｇ５が現在位置を算出できている場合には、当該位置情報を用いて地図データを取得する。一方、詳細位置算出部Ｇ５が現在位置を算出できていない場合には、ロケータ１４が算出した位置座標を用いて地図データを取得する。一方、イグニッション電源がオンとなった直後は、例えば、メモリに保存されている前回の位置算出結果をもとに地図参照範囲を決定する。メモリに保存されている前回の位置算出結果は、前回のトリップの終了地点、すなわち駐車位置に相当するためである。なお、地図取得部Ｆ２は、Ｖ２Ｘ車載器１６を介して外部サーバ等から、自車両から所定距離以内の領域についての高精度地図データを逐次ダウンロードするように構成されていてもよい。地図取得部Ｆ２が取得する地図情報には、平野部、盆地、山間部などの地形情報が含まれていることが好ましい。ここでの盆地とは、山に囲まれた平地を指し、平野部は盆地以外の平地を指す。山間部は、山と山の間の領域を指す。山間部は、盆地よりも相対的に狭い場所や、高度が高い場所、或いは谷部とすることができる。盆地や山間部に該当するか否かの情報を取得することで、霧が発生しやすい場所であるか否かが判断可能となる。

カメラ出力取得部Ｆ３は、ランドマークや道路端、車線区画線に対する前方カメラ１１の認識結果を取得する。例えばカメラ出力取得部Ｆ３は、前方カメラ１１、実体的にはカメラＥＣＵ４１から、前方カメラ１１で認識しているランドマークの相対位置や種別、色などを取得する。前方カメラ１１が看板等に付加された文字列を抽出可能に構成されている場合には、看板等に記載されている文字情報も取得することが好ましい。ランドマークの文字情報を取得可能な構成によれば、前方カメラで観測されているランドマークと、地図上のランドマークの対応付けが容易となるためである。カメラ出力取得部Ｆ３が画像認識情報取得部に相当する。

また、カメラ出力取得部Ｆ３は、カメラＥＣＵ４１から取得したランドマークの相対位置座標を、グローバル座標系における位置座標（以降、観測座標とも記載）に変換する。ランドマークの観測座標は、自車両の現在位置座標と、自車両に対する地物の相対位置情報とを組み合わせることで算出可能である。ランドマークの観測座標の算出に使用する車両の現在位置座標は、詳細位置算出部Ｇ５が現在位置を算出できている場合には、当該位置情報を用いればよい。一方、詳細位置算出部Ｇ５が現在位置を算出できていない場合には、ロケータ１４が算出した位置座標を用いればよい。なお、自車両の現在位置座標を用いたランドマークの観測座標の算出はカメラＥＣＵ４１が実施しても良い。

カメラ出力取得部Ｆ３は、前方カメラ１１から走行路データを取得する。すなわち、前方カメラ１１で認識している区画線や道路端の相対位置を取得する。カメラ出力取得部Ｆ３は、ランドマークと同様に、区画線等の相対位置情報をグローバル座標系における位置座標に変換してもよい。カメラ出力取得部Ｆ３が取得したデータは、環境判定部Ｆ７に提供される。

レーダ出力取得部Ｆ４は、ミリ波レーダ１２の認識結果を取得する。例えばレーダ出力取得部Ｆ４は、ミリ波レーダ１２から、ミリ波レーダ１２で検出されているランドマークの相対位置情報を取得する。また、ランドマークごとの反射強度を取得しても良い。加えて、レーダ出力取得部Ｆ４は、ミリ波レーダ１２で観測されている不要反射電力の大きさ、換言すればノイズレベルを取得してもよい。なお、レーダ出力取得部Ｆ４が任意の要素である。レーダ出力取得部Ｆ４が取得したミリ波レーダ１２の検出データは、環境判定部Ｆ７に提供される。レーダ出力取得部Ｆ４が測距センサ情報取得部に相当する。なお、運転支援システム１がＬｉＤＡＲを備える場合、レーダ出力取得部Ｆ４は、ＬｉＤＡＲの検出結果を取得してもよい。ＬｉＤＡＲはレーザ光を照射することによって、検出方向ごとの反射点の位置を示す３次元点群データを生成するデバイスである。ＬｉＤＡＲはLight Detection and Ranging/Laser Imaging Detection and Rangingの略である。

車両状態取得部Ｆ５は、車両内ネットワークＮｗを介して車両状態センサ１３などから、進行方向、外気温や、車室外の湿度、時刻情報、天候、路面状態、ワイパーの動作速度などといった、悪環境かどうかの判断材料としての情報を取得する。進行方向は、車両が向いている方位角を指す。時刻情報は例えば協定世界時（いわゆるＵＴＣ：Universal Time, Coordinated）であっても良いし、車両が使用される地域の標準国であっても良い。ＵＴＣ時刻を取得する場合には、時差を補正して以降の処理に用いる。天候は、晴れ、雨、雪などを指す。天候は、現在から所定時間（例えば１時間）先までの天候に加えて、現在から所定時間（例えば３時間）過去の天候情報を含むことが好ましい。過去の降雨、降雪等が路面状態、ひいては前方カメラ１１による区画線等の認識性能に影響を与えうるためである。温度情報も、現在の温度だけでなく、現在から所定時間過去の温度情報、特に明け方の気温情報を含むことが好ましい。霧は明け方からの温度差が大きいほど発生しやすいためである。明け方からの温度差を算出可能とすることで、霧の発生条件が充足しているか否かの判断精度を高めることができる。

なお、前述の前方カメラ１１やミリ波レーダの出力信号や地図情報も悪環境かどうかの判断材料に相当する。車両状態取得部Ｆ５は、周辺監視センサの検出結果及び地図情報以外の判断材料を、車両状態センサ１３などから取得する構成である。路面状態や外気温、天候情報等の取得元は、車両状態センサ１３に限らない。路面状態や外気温、天候情報などはＶ２Ｘ車載器１６を介して外部サーバや路側機から取得しても良い。降雨状態はレインセンサで検出しても良い。

位置誤差取得部Ｆ６は、位置推定器３０から位置推定誤差を取得して、環境判定部Ｆ７に提供する。位置推定誤差については別途後述する。

環境判定部Ｆ７は、自車両の周辺環境が、前方カメラ１１が生成する画像フレームを用いた物体認識の性能、換言すれば精度を低下させうる環境に該当するか否かを判定する構成である。つまり環境判定部Ｆ７は、前方カメラ１１にとっての悪環境かどうかを判定する構成である。例えば環境判定部Ｆ７は位置推定器３０から提供される位置推定誤差が所定の閾値以上となったことに基づいて、後述する悪環境判定処理を実行する。環境判定部Ｆ７は、サブ機能として、認識距離評価部Ｆ７１、及び種別判定部Ｆ７２を備える。なお、環境判定部Ｆ７が備える各機能は必須の要素ではなく、任意の要素とすることができる。

認識距離評価部Ｆ７１は、前方カメラ１１が実際にランドマークを認識できる距離範囲（以降、実効認識距離）を算出する。実効認識距離は、設計上の認識限界距離とは異なり、霧や降雨、西日等の外的要因で変動するパラメータである。仮に設計上の認識限界距離が１００ｍほど有る構成においても、降雨量によっては５０ｍ未満まで縮退しうる。例えば、豪雨時には実効認識距離は例えば１０～２０ｍ程度まで縮退しうる。認識距離評価部Ｆ７１は、例えば所定時間以内において、前方カメラ１１がランドマークを最も遠くから検出できた距離（以降、最遠認識距離）の平均値に基づいて実効認識距離を算出する。例えば直近所定時間以内に観測された４つのランドマークの最遠認識距離が５０ｍ、６０ｍ、３０ｍ、４０ｍである場合、実効認識距離は４５ｍと算出されうる。或るランドマークについての最遠認識距離は、当該ランドマークの最初に検出できた時点での検出距離に相当する。

なお、ランドマークの実効認識距離は、先行車によるオクルージョンなど、天候等以外の要因によっても低下しうる。故に、所定距離に以内に先行車が存在する場合には、実効認識距離の算出は省略されても良い。或いは、先行車が存在する場合には、先行車が存在することを示すデータ（例えば先行車フラグ）を付加して実効認識距離を環境判定部Ｆ７に提供してもよい。また、自車両前方が直線路ではない場合、つまりカーブ路である場合にも実効認識距離は低下しうる。故に、前方道路がカーブである場合には、実効認識距離の算出は省略されても良い。また、前方道路がカーブである場合には、前方道路がカーブであることを示すデータ（例えばカーブフラグ）と対応付けて実効認識距離を環境判定部Ｆ７に提供してもよい。なお、カーブ路は曲率が所定の閾値以上の道路とする。

ランドマークとして複数種類の地物が設定されている場合、認識距離評価部Ｆ７１が実効認識距離の算出に用いるランドマークは一部の種別に限定されていても良い。例えば、実効認識距離の算出に用いるランドマークは、方面看板などの路面から所定距離（例えば４．５ｍ）以上、上方に配置されているランドマークである高所ランドマークに限定されても良い。実効認識距離の算出に用いるランドマークを高所ランドマークに限定することにより、他車両によって視界が遮られて実効認識距離が低下してしまうことを抑制可能となる。

また、認識距離評価部Ｆ７１は、ランドマークに対する実効認識距離とは別に、車線区画線に対する実効認識距離を算出する。車線区画線の実効認識距離は、路面をどれくらい遠くまで認識できているかを示す情報に相当する。実効認識距離の算出に用いる区画線は自車両が走行している車線であるエゴレーンの左／右側或いは両側の区画線とすることが好ましい。隣接車線の外側区画線は、他車両に遮られる可能性が有るためである。区画線の実効認識距離は、例えば直近所定時間以内における認識距離の平均値とすることができる。このような区画線の実効認識距離は例えば認識距離の移動平均値に相当する。区画線の実効認識距離として移動平均値を用いる構成によれば、他車両が区画線を遮ることによって生じる、瞬間的な認識距離の変動を抑制することができる。

なお、認識距離評価部Ｆ７１は、エゴレーンの右側区画線に対する実効認識距離と、左側区画線に対する実効認識距離を別々に算出してもよい。その場合、右側区画線の実効認識距離と左側区画線の実効認識距離のうちの大きい方を区画線の実効認識距離として採用可能である。そのような構成によれば、仮に左側又は右側の区画線の何れか一方が、カーブや先行車等によって見えない状況においても、前方カメラ１１がどこまで遠くまで区画線を認識可能な状態であるかを精度良く評価可能となる。もちろん、右側区画線の実効認識距離と左側区画線の実効認識距離のうちの平均値を区画線の実効認識距離として採用してもよい。

種別判定部Ｆ７２は、悪環境の種別を判定する構成である。悪環境の種別としては、豪雨、霧、西日、その他に大別可能である。また、環境の種別としては、悪環境と通常とに大別される。種別判定部Ｆ７２の詳細については別途後述する。

出力部Ｆ８は、環境判定部Ｆ７の判定結果を示す信号を外部に出力する構成である。環境判定部Ｆ７の判定結果とは、悪環境に該当するか否かや、悪環境の種別、判定時刻などが含まれる。悪環境では無いと判定することは、通常状態であると判定することに相当する。環境判定部Ｆ７の判定結果を示す信号を出力先としては、例えば位置推定器３０や、運転支援ＥＣＵ１８、Ｖ２Ｘ車載器１６などとすることができる。出力部Ｆ８は、Ｖ２Ｘ車載器１６と連携して、悪環境と判定した地点の情報を含む通信パケットを地図サーバにアップロードするように構成されていても良い。また、環境判定部Ｆ７の判定結果は、所定の記録イベント発生時の車両データを記録する運行記録装置に出力するように構成されていても良い。そのような構成によれば、運行記録装置は、悪環境であったか否かを地点情報や時刻情報とともに記録可能となる。

＜位置推定器３０の機能について＞
ここでは図４を用いて位置推定器３０の機能及び作動について説明する。位置推定器３０は、ストレージ３３に保存されている位置推定プログラムを実行することにより、図４に示す種々の機能ブロックに対応する機能を提供する。すなわち、位置推定器３０は機能ブロックとして、暫定位置取得部Ｇ１、地図取得部Ｇ２、カメラ出力取得部Ｇ３、レーダ出力取得部Ｇ４、及び詳細位置算出部Ｇ５を備える。

暫定位置取得部Ｇ１は、ロケータ１４から自車両の位置情報を取得する。詳細位置算出部Ｇ５が算出した位置を起点としてヨーレートセンサ等の出力をもとにデッドレコニングを行う。なお、ロケータ１４の機能の一部又は全部は、暫定位置取得部Ｇ１として位置推定器３０が備えていても良い。地図取得部Ｇ２、カメラ出力取得部Ｇ３、及びレーダ出力取得部Ｇ４は、環境判定器２０が備える地図取得部Ｆ２、カメラ出力取得部Ｆ３、及びレーダ出力取得部Ｆ４と同様の構成とすることができる。

詳細位置算出部Ｇ５は、カメラ出力取得部Ｆ３が取得したランドマーク情報と走路情報とに基づくローカライズ処理を実行する。ローカライズ処理は、前方カメラ１１で撮像された画像に基づいて特定されたランドマーク等の位置と、高精度地図データに登録されている地物の位置座標とを照合することによって自車両の詳細位置を特定する処理を指す。 詳細位置算出部Ｇ５は、具体的には、方面看板などのランドマークを用いて縦方向の位置推定（以降、縦位置推定）を行う。ここでの縦方向とは、車両の前後方向に相当する。また、縦方向とは、直線道路区間においては、自車両から見て道路が伸びる方向（以降、道路延設方向とも記載）に相当する。詳細位置算出部Ｇ５は、縦位置推定として、ランドマークの観測座標に基づいて、地図に登録されているランドマークと前方カメラ１１で観測されているランドマークとの対応付けを行う。例えば地図に登録されているランドマークのうち、ランドマークの観測座標から最も近いランドマークを同一のランドマークと推定する。なお、ランドマークの照合に際しては例えば形状，サイズ，色等の特徴量を用いて、特徴の一致度合いがより高いランドマークを採用することが好ましい。観測されているランドマークと、地図上のランドマークとの対応付けが完了すると、観測ランドマークに対応する地図上のランドマークの位置から、観測ランドマークと自車両の距離だけ縦方向にずらした位置を、地図上の自車の縦位置に設定する。

例えば画像解析結果として、自車両正面に存在する方面看板までの距離が１００ｍと特定している状況においては、地図データに登録されている当該方面看板の位置座標から１００ｍだけ自車両側にずれた位置に自車両が存在すると判定する。縦位置推定は、道路延設方向における自車位置を特定する処理に相当する。縦位置推定は縦方向のローカライズ処理と呼ぶこともできる。このような縦位置推定を行うことにより、交差点や、カーブ入口／出口、トンネル入口／出口、渋滞の最後尾などといった、道路上の特徴点、換言すればＰＯＩまでの詳細な残り距離が特定される。

例えば詳細位置算出部Ｇ５は、自車両の前方に複数のランドマーク（例えば方面看板）を検出している場合には、それら複数のランドマークのうち自車両から最も近いものを用いて縦位置推定を行う。画像等に基づく物体の種別や距離の認識精度は、車両から近い物体ほど、その認識精度が高くなる。つまり、複数のランドマークを検出している場合には、車両から最も近いランドマークを用いて縦位置推定を行う構成によれば、位置の推定精度を高めることができる。

なお、詳細位置算出部Ｇ５は、前方カメラ１１の認識結果と、レーダ出力取得部Ｆ４が取得したミリ波レーダ１２の検出結果を相補的に組み合わせることにより（つまりセンサフュージョンにより）、ランドマークの位置を特定しても良い。具体的には詳細位置算出部Ｇ５は、前方カメラ１１の認識結果とミリ波レーダ１２の検知結果を併用することにより、ランドマークと自車両との距離、及び、ランドマークの仰角或いは高さを特定しても良い。一般的にカメラは、水平方向における位置推定は得意である一方、高さ方向の位置推定及び距離推定は苦手とする。一方、ミリ波レーダ１２は距離や高さ方向の位置推定を得意とする。また、ミリ波レーダ１２は霧や降雨の影響を受けにくい。上記のように前方カメラ１１とミリ波レーダ１２を相補的に使用してランドマークの位置を推定する構成によれば、ランドマークの相対位置をより高精度を特定可能となる。その結果、ローカライズ処理による自車位置の推定精度も向上する。詳細位置算出部Ｇ５は、ミリ波レーダ１２の代わりに／並列的に、ＬｉＤＡＲやソナーなどの測距センサの検出結果を前方カメラ１１の認識結果と組み合わせてローカライズ処理を実行しても良い。

また、詳細位置算出部Ｇ５は、車線区画線及び道路端などの道路に沿って連続的に存在する地物の観測座標を用いて、横方向の位置推定（以降、横位置推定）を行う。横位置推定は、走行車線の特定や、走行車線内での自車両の詳細位置、例えば車線中央から左右方向へのオフセット量を特定することを指す。ここでの横方向とは、道路の幅方向に対応する。横位置推定は、例えば前方カメラ１１で認識された左右の道路端／区画線からの距離に基づいて実現される。例えば、画像解析の結果として、左側道路端から車両中心までの距離が１．７５ｍと特定されている場合には、左側道路端の座標から右側に１．７５ｍずれた位置に自車両が存在すると判定する。横位置推定は横方向のローカライズ処理と呼ぶこともできる。なお、他の態様として詳細位置算出部Ｇ５は、方面看板などのランドマークを用いて縦横両方のローカライズ処理を行うように構成されていてもよい。

ローカライズ処理の結果としての自車位置は、地図データと同様の座標系、例えば緯度、経度、高度で表現されればよい。自車位置情報は、例えばＷＧＳ８４（World Geodetic System 1984）など、任意の絶対座標系で表現することができる。

詳細位置算出部Ｇ５は、ランドマークを認識（換言すれば捕捉）できている限りは、所定の位置推定周期で逐次ローカライズ処理を行う。位置推定周期のデフォルト値は例えば１００ミリ秒である。位置推定周期のデフォルト値は２００ミリ秒や４００ミリ秒であってもよい。詳細位置算出部Ｇ５が算出した位置情報は、運転支援ＥＣＵ１８及び環境判定器２０に提供される。

位置誤差算出部Ｇ６は、詳細位置算出部Ｇ５がローカライズ処理を実行するたびに、今回実施したローカライズ処理の結果として出力される現在位置と、暫定位置取得部Ｇ１がデッドレコニング等により算出している位置との差を、位置推定誤差を算出する。例えば位置誤差算出部Ｇ６は、前回用いたランドマークとは異なるランドマークを用いてローカライズ処理を実行した際に、暫定位置取得部Ｇ１が算出している自車位置座標と、ローカライズ処理の結果との誤差を位置推定誤差として算出する。位置推定誤差は、ローカライズができない期間が長いほど大きくなるものであり、位置誤差が大きいということは間接的にローカライズを実行できていない期間の長さを示す。なお、ローカライズ処理を実行できない期間においては、最後にローカライズ処理を実行できた時点からの経過時間又は走行距離に所定の誤差見積もり係数を乗じることによって、暫定的な位置推定誤差を逐次算出可能である。位置誤差算出部Ｇ６が算出した位置推定誤差は、環境判定器２０等に提供される。

＜環境判定器２０の作動フローについて＞
次に図５に示すフローチャートを用いて環境判定器２０が実行する悪環境判定処理について説明する。図５に示すフローチャートは例えば車両の走行用電源がオンとなっている間、所定の周期（例えば１秒毎）に実行される。走行用電源は、例えばエンジン車両においてはイグニッション電源である。電気自動車においてはシステムメインリレーが走行用電源に相当する。なお、図５に示す悪環境判定処理とは独立して、換言すれば並列的に、位置推定器３０は、所定の周期にてローカライズ処理を逐次実行する。本実施形態では一例として悪環境判定処理はステップＳ１００～Ｓ１１０を備える。

まずステップＳ１００ではカメラ出力取得部Ｆ３が前方カメラ１１から区画線等の認識結果を取得してＳ１０１に移る。ステップＳ１００は画像認識情報取得ステップに相当する。Ｓ１０１では、地図取得部Ｆ２、レーダ出力取得部Ｆ４、及び車両状態取得部Ｆ５が、種々の環境補足情報を取得する。ここでの環境補足情報とは、前方カメラ１１の出力信号以外の、車両外部の環境を示す情報である。環境補足情報には、例えば外気温や、湿度、時刻情報、天候、路面状態、ワイパーの動作速度、周辺の地図情報（例えば地形の種別）、ミリ波レーダ１２の検出結果などが含まれる。例えば外気温や、湿度、ワイパーの動作速度などは車両状態取得部Ｆ５によって取得される。また、周辺の地図情報は地図取得部Ｆ２によって取得される。ミリ波レーダ１２の検出結果はレーダ出力取得部Ｆ４によって取得される。地図取得部Ｆ２、レーダ出力取得部Ｆ４、及び車両状態取得部Ｆ５が補足情報取得部に相当する。種々の情報を取得するとステップＳ１０２に移る。なお、ステップＳ１０１～Ｓ１０２は、悪環境判定処理の準備処理として、図５に示すフローチャートとは独立して、換言すれば並列的に、逐次実行されても良い。

ステップＳ１０２では、車両状態取得部Ｆ５が取得している温度などをもとに、霧発生条件が充足しているか否かを判定する。例えば、霧発生条件は、霧が発生するための条件、あるいは、霧が発生しやすい条件である。霧発生条件は予め設定されている。例えば霧発生条件は、時刻、場所、外気温、湿度の少なくとも何れかの項目を用いて規定する事ができる。例えば、（ア）気温が所定値以下（例えば１５℃以下）であること、（イ）湿度が所定値以上（例えば８０％以上）であること、（ウ）現在時刻が午前４時から１０時までの時間帯に属すること、などを霧発生条件とすることができる。なお、一般的に、霧は春または秋の風が弱い晴れた朝に発生しやすい。霧発生条件は当該事情を鑑みて設定されれば良い。また、盆地や山間部においては時間帯に依らずに、霧が発生することもある。現在位置が盆地或いは山間部であることに基づいて霧発生条件が充足していると判定しても良い。霧発生条件を充足している場合には、霧フラグをオンに設定する。一方、霧発生条件を充足していない場合には霧フラグをオフに設定する。霧フラグは、霧発生条件が充足されているか否かを示すフラグである。ステップＳ１０２が完了するとステップＳ１０３に移る。

ステップＳ１０３では、車両状態取得部Ｆ５が取得している時刻情報や進行方位角などをもとに、西日条件が充足しているか否かを判定する。例えば、西日条件は、前方カメラ１１が西日の影響を受けている可能性が有ると判断するための条件である。なお、西日とは、地平線に対する角度が、例えば２５度以下となっている太陽から光を指す。西日条件は予め設定されている。例えば西日条件は、時間帯、進行方位角、太陽の高度の少なくとも何れかの項目を用いて規定する事ができる。例えば、（ア）現在時刻が午後３時から２０時までの時間帯に属すること、（イ）進行方向が日没方向から３０度以内であること、などを西日条件とすることができる。

なお、時間帯に関する規定は季節によって変更するように構成されていても良い。季節に応じて日没の時刻は変動するためである。また、日没方向は真西としてもよいし、地域ごとに応じた方向に設定されても良い。日没方向もまた季節によって変化する。日没方向は季節に応じた方向に設定されても良い。西日条件には、太陽の高度が所定値以下であることを西日条件に含めても良い。太陽の高度は、周辺車両や所定種別の交通標識の影の長さから推定しても良いし、外部サーバから取得しても良い。その他、環境判定部Ｆ７は、画像フレーム全体の色情報／輝度分布に基づいて西日条件が充足していると判定しても良い。例えば、画像フレームの上側領域の平均色が白～オレンジ色で、かつ、下側領域の平均色が黒色である場合、または、上側領域の平均輝度が所定値以上で下側領域の輝度平均値が所定の閾値以下である場合に西日条件を充足していると判定しても良い。西日条件を充足している場合には、西日フラグをオンに設定する。一方、西日条件を充足していない場合には西日フラグをオフに設定する。西日フラグは、西日条件が充足されているか否かを示すフラグである。ステップＳ１０３が完了するとステップＳ１０４に移る。

ステップＳ１０４では、車両状態取得部Ｆ５が取得しているワイパーの動作速度などをもとに、豪雨条件が充足しているか否かを判定する。例えば、豪雨条件は、前方カメラ１１の認識能力の劣化原因が豪雨であるか否かを判別するための条件である。なお、ここでの豪雨とは、１時間あたりの降雨量が所定の閾値（例えば５０ｍｍ）を超える勢いで降る雨とすることができる。豪雨にはある地点における降雨時間が１時間未満（例えば数１０分程度の）となる局所的豪雨も含まれる。豪雨条件は予め設定されている。例えば豪雨条件は、ワイパーブレードの動作速度、降雨量、及び天気予報情報の少なくとも何れかの項目を用いて規定する事ができる。例えば、（ア）ワイパーブレードの動作速度が所定の閾値以上であることを豪雨条件とすることができる。なお、外部サーバまたは路側機から取得した天気情報に基づき、降雨量が所定の閾値（例えば５０ｍｍ）以上であることに基づいて豪雨条件が充足していると判定しても良い。豪雨条件を充足している場合には、豪雨フラグをオンに設定する。一方、豪雨条件を充足していない場合には豪雨フラグをオフに設定する。豪雨フラグは、豪雨条件が充足されているか否かを示すフラグである。ステップＳ１０４が完了するとステップＳ１０５に移る。

ステップＳ１０５では、地図取得部Ｆ２が取得した地図データに基づき、自車両が走行している道路に区画線が存在するか否かを判定する。例えば地図に登録されている車線数が２以上であることに基づいて、区画線が有ると判定しても良い。区画線情報が地図に登録されている道路を走行している場合にはステップＳ１０５を肯定判定してステップＳ１０７を実行する。一方、区画線情報が地図に登録されていない道路を走行している場合にはステップＳ１０５を否定判定してステップＳ１０６を実行する。ステップＳ１０６では、周辺環境が悪環境であるかどうかは不明であると判定して本フローを終了する。なお、ステップＳ１０５～Ｓ１０６は省略可能である。ステップＳ１０４が完了するとステップＳ１０７を実行するように構成されていてもよい。

ステップＳ１０７では、区画線に対する実効認識距離が所定の第１距離以上であるか否かを判定する。第１距離は、例えば４０ｍなどとすることができる。第１距離は、悪環境かどうかを判別するための閾値である。例えば、空気が澄んだ晴天時などの良環境時には、図６の（Ａ）に示すように区画線の実効認識距離Ｄｆｃｔは、相対的に設計上の認識距離Ｄｄｓｎに近い値となる。一方、霧が発生しているなどの悪環境時には、遠方ほど地物の像が不鮮明となるため、離れている物体ほど認識が困難となる。その結果、図６の（Ｂ）に示すように、区画線等の実効認識距離は低下しうる。

環境判定部Ｆ７としては、仮に雨等が降っていても、通常時と同様に遠くまで区画線を認識できている場合には、前方カメラ１１にとっての悪環境ではないと判定することが好ましい。第１距離は、通常時と同様に遠くまで区画線を認識できている場合には悪環境ではないと判断するためのパラメータといえる。第１距離は、晴天時などの良環境時の実効認識距離をもとに設定することができる。第１距離は３５ｍや、５０ｍ、７５ｍ、１００ｍ、２００ｍなどであっても良い。ステップＳ１０７は、現在位置から第１距離以上遠方の区画線を認識できているか否かを判定する処理に相当する。なお、図６の（Ａ）は、ランドマークＬＭ１～３を認識できている一方、図６の（Ｂ）は霧の影響によってランドマークＬＭ３の認識に失敗しているケースを示している。霧の中にあるからといって全てのランドマークが見えなくなるわけではない。例えば霧の濃度によっては図６の（Ｂ）に示すように相対的に車両から近い位置にあるランドマークＬＭ２については認識できる場合がある。

区画線の実効認識距離が第１距離以上である場合にはステップＳ１０７を肯定判定してステップＳ１０８に移る。ステップＳ１０８では周辺環境は、前方カメラ１１にとって通常の（換言すれば良好な）環境であると判定して本フローを終了する。一方、区画線の実効認識距離が第１距離未満である場合には、ステップＳ１０７を否定判定してステップＳ１１０を実行する。当該処理は、第１距離以上遠方に存在する区画線を認識できていないことに基づいて、周辺環境は前方カメラ１１にとっての悪環境であると判定する構成に相当する。

なお、ステップＳ１０７の内容は、ランドマークに対する実効認識距離が所定の第１距離以上であるか否かを判定する処理としてもよい。加えて、ステップＳ１０７の内容は、区画線の実効認識距離及びランドマークの実効認識距離の少なくとも何れか一方が第１距離以上である場合に、肯定判定してステップＳ１０８を実行するように構成されていても良い。そのように前方カメラ１１にとっての通常環境であると判定する材料として区画線の認識距離だけでなく、ランドマークの認識状況も用いることで、例えば周辺車両によって区画線が見えづらいシーンにおいて悪環境であると誤判定する恐れを低減できる。

ステップＳ１１０では悪環境種別判定処理を実行する。悪環境種別判定処理は、悪環境の種別（別の観点によれば前方カメラ１１の認識能力が低下している原因）を特定するための処理である。悪環境種別判定処理については、別途図７に示すフローチャートを用いて説明する。ステップＳ１１０が環境判定ステップに相当する。ステップＳ１１０での悪環境種別判定処理が完了すると、ステップＳ１９０を実行する。

ステップＳ１９０では悪環境種別判定処理の結果を位置情報と対応づけて、悪環境地点データとして保存する。位置情報は、座標のほか、レーンＩＤを含んでいても良い。ここでのレーンＩＤは、左または右の道路端から何番目のレーンであるかを示す。悪環境地点データの保存先は、ストレージ２３でもよいし、外部サーバでもよい。外部サーバへの悪環境地点データのアップロードはＶ２Ｘ車載器１６と協働して実現されれば良い。なお、悪環境地点データには、悪環境の種別、判定時刻、判定した時点での車両位置が含めることができる。また、悪環境地点データには、悪環境と判定した時の区画線の実効認識距離及びランドマークの実効認識距離の少なくとも何れか一方が含まれていることが好ましい。区画線等の実効認識距離等を含めることにより、地点ごとの悪環境度合いや、悪環境の始端や終端を特定可能となる。ステップＳ１９０での登録処理が完了すると本フローを終了する。

＜悪環境種別判定処理について＞
種別判定部Ｆ７２は、悪環境種別判定処理として図７に示す処理を実行する。図７に示すフローチャートは前述のステップＳ１１０として実行される。ここでは一例として悪環境判定処理はステップＳ１１１～Ｓ１１９を備える。

ステップＳ１１１では区画線の実効認識距離が所定の第２距離以上であるか否かを判定する。第２距離は、例えば２５ｍなどとすることができる。第２距離は、悪環境の種別が豪雨か否かを判別するための閾値である。第２距離は、豪雨時に観測されうる区画線の実効認識距離の最大値をもとに設定することができる。第２距離は、降雨量を所定とする豪雨状況を再現した試験或いはシミュレーションによって決定されれば良い。なお、第２距離は１５ｍ、２０ｍ、２５ｍ、３０ｍ、４０ｍなどであっても良い。第２距離は第１距離以下の値に設定可能である。ステップＳ１１１は、現在位置から第２距離以上遠方の区画線を認識できているか否かを判定する処理に相当する。

区画線の実効認識距離が第２距離以上である場合にはステップＳ１１１を肯定判定してステップＳ１１４を実行する。一方、区画線の実効認識距離が第２距離未満である場合には、ステップＳ１１１を否定判定してステップＳ１１２を実行する。ステップＳ１１２では豪雨フラグがオンになっているか否かを判定する。豪雨フラグがオンである場合にはステップＳ１１３に移り、悪環境種別は豪雨であると判定する。このような処理は、第２距離以上遠方の区画線が認識できていないことに基づいて豪雨であると判定する構成に相当する。なお、環境判定部Ｆ７は、区画線の実効認識距離及びランドマークの実効認識距離が両方とも第２距離未満であり、かつ、豪雨フラグがオンになっている場合に、周辺環境は悪環境であってその種別は豪雨であると判定してもよい。そのような構成は、前方カメラ１１から第２距離以上遠方に存在する区画線及びランドマークが認識されていないことに基づいて環境種別を豪雨と判定する構成に相当する。

一方、豪雨フラグがオフである場合にはステップＳ１１２を否定判定してステップＳ１１９に移り、環境種別は不明であると判定する。ステップＳ１１９は、悪環境か通常環境かが不明と判定するステップとしても良いし、悪環境ではあるがその種別が不明と判定するステップとしても良い。ステップＳ１１１からステップＳ１１３までの一連の処理は、区画線の実効認識距離が第２距離未満であることに基づいて、悪環境の種別は豪雨であると判定する構成に相当する。

ステップＳ１１４では、路面から所定の高さに位置するランドマークである高所ランドマークを認識できているか否かを判定する。高所ランドマークとは、例えば、路面から４．５ｍ以上、上方に設置されている道路標識（例えば方面看板などの案内標識）である。高所ランドマークは、浮遊ランドマークと呼ぶこともできる。本ステップは悪環境の種別が西日であるか否かを判定するためのステップである。悪環境種別が西日（換言すれば強い逆光）である場合には、高所ランドマークの認識性は低下することが予想される。逆説的に高所ランドマークを認識できている場合には、悪環境種別は西日ではないことを示唆する。ステップＳ１１４において高所ランドマークを認識できている場合にはステップＳ１１４を肯定判定してステップＳ１１７を実行する。

一方、高所ランドマークを認識できていない場合にはステップＳ１１４を否定判定してステップＳ１１５を実行する。ステップＳ１１５では西日フラグがオンであるか否かを判定する。西日フラグがオンである場合には、ステップＳ１１５を肯定判定してステップＳ１１６に移り、悪環境の種別は西日であると判定する。当該処理は、所定の第２距離以上遠方に存在する区画線は認識されている一方で、所定の種別のランドマークは認識されておらず、且つ、西日条件が充足されていることに基づいて、悪環境として、西日を受けている状況であると判定する構成に相当する。一方、西日フラグがオフである場合にはステップＳ１１９に移り、環境種別は不明であると判定する。

なお、ステップＳ１１４では、地図データを参照し、自車両から所定距離以内に高所ランドマークが存在しない場合には、ステップＳ１１５またはステップＳ１１９を実行するように構成されていても良い。ステップＳ１１４は、地図データ上において自車両から所定距離以内に高所ランドマークが存在し、かつ、当該高所ランドマークを認識できている場合にのみ、肯定判定してステップＳ１１７に移るように構成されていても良い。さらに、ステップＳ１１４で使用するランドマークは、高所ランドマークに限定しなくとも良い。ステップＳ１１４は、自車両から所定の第３距離以内に存在するはずのランドマークを前方カメラ１１で認識できているか否かを判定する処理としても良い。自車両から第３距離以内に存在するはずのランドマークとは、地図データに登録されているランドマークのうち、自車両の前方第３距離以内に存在するランドマークを指す。第３距離は例えば３５ｍなど、第１距離以下に設定可能である。さらに、ステップＳ１１４では、地図データに登録されているランドマークのうち、日没方向から所定の角度範囲内に存在するランドマーク（以降、逆光ランドマーク）を前方カメラ１１が認識できているか否かを判定してもよい。日没方向が所定方向に相当する。環境判定部Ｆ７は、区画線の実効認識距離が第２距離以上であり、日没方向に存在するランドマークは認識できていないことに基づいて、周辺環境は悪環境であってその種別は西日と判定するように構成されていても良い。

また、そもそも西日条件が充足されていない場合には、悪環境の種別が西日である可能性は低い。ステップＳ１１４とステップＳ１１５は入れ替えても良い。また、ステップＳ１１４とステップＳ１１５の何れか一方を省略しても良い。なお、フローチャートのステップＳ１１４等に記載の「ＬＭ」はランドマークを指す。

ステップＳ１１７では、霧フラグがオンに設定されているか否かを判定する。霧フラグがオンである場合にはステップＳ１１７を肯定判定してステップＳ１１８に移る。ステップＳ１１８では悪環境種別は霧であると判定して本フローを終了する。このような環境判定部Ｆ７は、前方カメラ１１から第２距離以内に存在する区画線を認識できており、かつ、霧発生条件が充足されていることに基づいて、悪環境の種別は霧と判定する構成に相当する。一方、霧フラグがオフである場合にはステップＳ１１７を否定判定してステップＳ１１９を実行する。ステップＳ１１９では環境種別は不明であると判定して本フローを終了する。なお、環境判定部Ｆ７は、前方カメラ１１から第２距離以内に存在する区画線とランドマークの両方を認識できており、かつ、霧発生条件が充足されていることに基づいて、悪環境の種別は霧と判定するように構成されていても良い。

以上の構成によれば、前方カメラ１１で撮像した画像データに基づく地物の認識距離に基づいて悪環境であるか否かを判定する。具体的には、前方カメラ１１の撮像範囲内であって、前方カメラ１１から所定距離以内に存在するはずの対象地物が認識されていないことに基づいて、周辺環境は悪環境であると判定する。ここでの前方カメラ１１から所定距離以内に存在するはずの対象地物とは、例えば地図に登録されている地物のうち、前方カメラ１１の撮像範囲又は設計上の認識可能範囲に位置する車線区画線及びランドマークを指す。つまり、通常環境においては前方カメラ１１で認識されるべき地物に相当する。

上記構成によれば、前方カメラ１１での所定の対象地物に対する実際の認識状況に基づいて、環境種別を判定するため、実体的／実質的に前方カメラ１１の性能が低下する領域を特定可能となる。また、比較構成としては、実際の前方カメラ１１の認識距離を用いずに、単に気温や方位角、ワイパー速度だけで悪環境か否かを判定する構成が考えられる。しかしながら比較構成では、前方カメラ１１の認識能力が低下していない／しないにも関わらず、前方カメラ１１にとっての悪環境であると誤判定する恐れがある。これに対し、本開示の構成によれば、実際の前方カメラ１１の認識距離に基づいて悪環境かどうかを判定するため、単に気温や方位角、ワイパー速度だけで悪環境か否かを判定する構成よりも判定精度を高めることができる。

また、本開示の構成によれば、前方カメラ１１以外のセンサ／デバイスから取得された情報と前方カメラ１１での認識状況とを組み合わせることにより、悪環境の種別を判定できる。悪環境の種別を特定できれば、運転支援ＥＣＵ１８等は、その種別に応じてシステム応答を変更することが可能となる。たとえば、悪環境種別が霧であればフォグランプを点灯させてもよい。また、悪環境種別が豪雨であれば、車速を抑制したり、運転席乗員へ権限移譲したりしてもよい。悪環境種別が西日である場合には、車両制御及び／又はセンサフュージョン処理における前方カメラ１１の認識結果の重みを下げ、ミリ波レーダ１２等の認識結果の重み（換言すれば優先度）を上げてもよい。

さらに、本開示の構成によれば、西日、霧、及び豪雨の何れかによって前方カメラ１１の認識能力が低下する地点及び時間帯を特定可能となる。また、当該情報を他の車両と共有可能となる。
なお、以上の環境種別の判定方法の技術思想を簡潔にまとめると図８に示すようになる。図８に示す遠方とは例えば第１距離以上遠方を指す。また、近距離とは、例えば第２距離以内を指す。図８に示すように本開示は、環境種別に応じて種々の地物の見え方が異なりうるといった点に着眼して創出されたものであり、本開示の構成により、前方カメラ１１の各種地物の認識状況から環境種別を特定可能となる。

＜悪環境種別の判定方法の補足＞
ステップＳ１１０にて実行される悪環境種別判定処理は、例えば図９に示すフローチャートに相当する内容であってもよい。すなわち、悪環境種別判定処理はステップＳ１２０～Ｓ１３０を含んでいても良い。図７に示した悪環境種別判定処理との相違点は、ミリ波レーダ１２の検出結果を悪環境種別の判断材料として使用している点にある。以下、図９に示す悪環境種別判定処理に説明する。なお、図９に示すフローチャートもステップＳ１１０として実行されればよい。

まずステップＳ１２０では、ステップＳ１１１と同様に、区画線の実効認識距離が第２距離以上であるか否かを判定する。区画線の実効認識距離が第２距離以上である場合にはステップＳ１２０を肯定判定してステップＳ１２４を実行する。一方、区画線の実効認識距離が第２距離未満である場合には、ステップＳ１２０を否定判定してステップＳ１２１を実行する。ステップＳ１２１ではミリ波レーダ１２が、前方カメラ１１で認識されていないランドマークを認識しているか否かを判定する。前方カメラ１１で認識されていないランドマークをミリ波レーダ１２が認識している場合には、ステップＳ１２１を肯定判定してステップＳ１２２に移る。一方、前方カメラ１１で認識されていないランドマークをミリ波レーダ１２が認識していない場合には、ステップＳ１２１を否定判定してステップＳ１３０を実行する。

ステップＳ１２２では豪雨フラグがオンになっているか否かを判定する。豪雨フラグがオンである場合にはステップＳ１２３に移り、悪環境種別は豪雨であると判定する。一方、豪雨フラグがオフである場合にはステップＳ１２２を否定判定してステップＳ１３０に移り、環境種別は不明であると判定する。ステップＳ１３０は、悪環境か通常環境かが不明と判定するステップとしても良いし、悪環境ではあるがその種別が不明であると判定するステップとしても良い。ステップＳ１２０からステップＳ１２３までの一連の処理は、ミリ波レーダ１２はランドマークを検出できており、かつ、区画線の実効認識距離が第２距離未満であることに基づいて、悪環境の種別は豪雨であると判定する構成に相当する。

ステップＳ１２４では、ミリ波レーダ１２で所定の第４距離以上離れた位置にあるランドマークを認識できているか否かを判定する。第４距離は、例えば３５ｍなどとすることができる。もちろん、第４距離は３０ｍや、４０ｍ、５０ｍ、などであってもよい。なお、ステップＳ１２４～Ｓ１２６は、１つの側面として、悪環境種別が西日であるか否かを判定するための処理に相当する。ステップＳ１２４の判定で使用するランドマークは、方面看板などの高所ランドマークとすることが好ましい。また、ステップＳ１２４では、地図データに登録されているランドマークのうち、日没方向から所定の角度範囲内に存在するランドマーク（以降、逆光ランドマーク）をミリ波レーダ１２が認識できているか否かを判定してもよい。

ミリ波レーダ１２で上記ランドマークを認識できている場合にはステップＳ１２４を肯定判定してステップＳ１２５に移る。一方、ミリ波レーダ１２で上記ランドマークを認識できていない場合にはステップＳ１３０に移る。なお、フローチャートのステップＳ１２４等に記載の「ＬＭ」はランドマークを指す。

ステップＳ１２５では、第３距離以内であって、かつ、ミリ波レーダ１２で認識されているランドマークを、前方カメラ１１が認識できているか否かを判定する。なお、ステップＳ１２５は、ステップＳ１１４と同様の処理としても良い。すなわち、ミリ波レーダ１２で認識されているランドマークに限定せずに、単純に第３距離以内のランドマークを認識できているか否かを判定する処理としても良い。またステップＳ１２５は、地図に登録されているランドマークのうち、高所ランドマークや逆光ランドマークに該当するランドマークを認識できているか否かを判定する処理としても良い。また、そもそも西日条件が充足されていない場合には、悪環境の種別が西日である可能性は低い。ステップＳ１２５とステップＳ１２６は入れ替えても良い。ステップＳ１２５で、所定の条件を充足するランドマークを前方カメラ１１が認識できている場合にはステップＳ１２５を肯定判定してステップＳ１２８に移る。一方、ステップＳ１２５で、所定の条件を充足するランドマークを前方カメラ１１が認識できていない場合にはステップＳ１２５を否定判定してステップＳ１２６に移る。

ステップＳ１２６では西日フラグがオンに設定されているか否かを判定する。西日フラグがオンである場合には、ステップＳ１２６を肯定判定してステップＳ１２７に移り、悪環境の種別は西日であると判定する。一方、西日フラグがオフである場合にはステップＳ１３０に移り、環境種別は不明であると判定する。

ステップＳ１２８では、霧フラグがオンに設定されているか否かを判定する。霧フラグがオンである場合にはステップＳ１２８を肯定判定してステップＳ１２９に移る。ステップＳ１２９では悪環境種別は霧であると判定して本フローを終了する。一方、霧フラグがオフである場合にはステップＳ１２８を否定判定してステップＳ１３０を実行する。ステップＳ１３０では環境種別は不明であると判定して本フローを終了する。

以上の構成によれば、ミリ波レーダ１２でのランドマーク（例えば方面看板）の認識状況を用いて周辺環境が前方カメラ１１にとっての悪環境かどうかを判定する。ミリ波レーダ１２で検知できている物体を、画像認識で検出できていない場合、周辺環境がカメラにとっての悪環境であることを示唆する。故に、上記構成によれば周辺環境がカメラにとっての悪環境であるか否かの判定精度をより一層高めることができる。また、悪環境種別の識別に、ミリ波レーダ１２の検出状況を併用することによりその識別精度を高めることができる。

＜悪環境の種別について＞
以上では悪環境として、豪雨、霧、西日を想定した構成を例示したが、悪環境の種別はこれに限らない。雪や、砂嵐なども含めることができる。雪や、砂嵐などの悪環境も、天気情報をもとに設定されるフラグがオンとなっており、且つ、区画線またはランドマークの認識距離が第１距離未満となっていることに基づいて判定することができる。雪フラグは、気温が所定値以下であることや、湿度が所定値以上であることに基づいてオンに設定可能である。雪フラグは天気予報に基づいてオンに設定されても良い。砂嵐フラグもまた、天気予報に基づいてオンに設定差可能である。砂嵐フラグは、湿度が所定値以下であることや、風の強さが所定値以上であること、砂嵐が生じうる所定の地域を通行中であることなどに基づいて設定されても良い。砂嵐の概念には風塵も含まれる。

＜環境判定器２０の機能について＞
環境判定器２０は、図１０に示すように、路面状態を判定する路面状態判定部Ｆ７３を備えていても良い。路面状態には、区画線が薄くなっている状態（以降、区画線劣化状態）が含まれる。区画線劣化状態には、区画線が完全に消えている状態のほか、かすれたりして画像認識による検出が困難な状態が含まれる。また、路面状態には、雪や砂等によって区画線が多く隠されている状態も含まれる。雪や砂等によって区画線が覆い隠されている状態も前方カメラ１１にとっての悪環境に含めることができる。

路面状態判定部Ｆ７３は、例えば路面状態判定処理として、図１１に示すフローチャートを実行することにより、区画線が劣化しているか否かを判定する。路面状態判定処理は、例えばステップＳ２０１～Ｓ２０５を含む。路面状態判定処理は例えば２００ミリ秒毎など、所定の間隔で実行される。

まずステップＳ２０１では、外部サーバから取得可能な天候情報などをもとに、積雪条件が充足しているか否かを判定する。例えば、積雪条件は、雪が道路に積もっている可能性が高いと見なす条件である。積雪条件は予め設定されている。例えば積雪条件は、時間帯、場所、気温、湿度、及び過去一定時間以内の天気の少なくとも何れかの項目を用いて規定する事ができる。例えば、（ア）気温が所定値以下（例えば０℃以下）であること、（イ）湿度が所定値以上（８０％以上）であることなどを積雪条件とすることができる。なお、過去一定時間に所定量の雪が降っている場合に積雪条件が充足していると判定してもよい。積雪条件を充足している場合には、積雪フラグをオンに設定する。一方、積雪条件を充足していない場合には積雪フラグをオフに設定する。積雪フラグは、雪が積もっている可能性の有無を示すフラグである。ステップＳ２０１が完了するとステップＳ２０２に移る。

なお、環境判定器２０は上記判定に際して、Ｖ２Ｘ車載器１６と連携して外部サーバや路側機から、現在位置周辺における過去一定時間（例えば２４時間）以内の天気の履歴を示す天候履歴データを取得するように構成されていても良い。天候履歴データは、気温や、湿度、天気（晴れ／雨／雪）などの履歴を含む。ステップＳ２０１が完了すると、ステップＳ２０２を実行する。

ステップＳ２０２では、外部サーバから取得可能な天候情報などをもとに、砂塵条件が充足しているか否かを判定する。例えば、砂塵条件は、砂塵が道路に積もっている可能性が高いと見なす条件である。砂塵条件は予め設定されている。例えば砂塵条件は、時間帯、場所、気温、湿度、及び過去一定時間以内の天気の少なくとも何れかの項目を用いて規定する事ができる。例えば、（ア）湿度が所定値未満（５０％以上）、（イ）現在位置が郊外或いは乾燥地帯であること、などを砂塵条件とすることができる。なお、過去一定時間以内に雨や雪が降っていないことを砂塵条件に含めてもよい。また、過去一定時間以内に砂嵐が起きている場合に砂塵条件が充足していると判定してもよい。砂塵条件を充足している場合には、砂塵フラグをオンに設定する。一方、砂塵条件を充足していない場合には砂塵フラグをオフに設定する。砂塵フラグは、道路に砂塵が積もっている可能性の有無を示すフラグである。ステップＳ２０２が完了するとステップＳ２０３に移る。

ステップＳ２０３では、地図取得部Ｆ２が取得した地図データに基づき、自車両が走行している道路に区画線が存在するか否かを判定する。区画線情報が地図に登録されている道路を走行している場合にはステップＳ２０３を肯定判定してステップＳ２０４を実行する。一方、区画線情報が地図に登録されていない道路を走行している場合にはステップＳ２０３を否定判定して本フローを終了する。なお、ステップＳ２０３を否定判定した場合には、路面状態は不明又は通常であると判定して本フローを終了してもよい。

ステップＳ２０４では自車走行レーンの左右両側の区画線を認識できているか否かを判定する。例えば、自車両から所定距離（例えば８．５ｍ）先の両側区画線が認識されているか否かを判定する。左右の区画線の少なくとも何れか一方を認識できていない場合には、ステップＳ２０４を否定判定してステップＳ２０５を実行する。一方、両側の区画線を認識できている場合には、路面状態は正常であるとして本フローを終了する。

ステップＳ２０５では、積雪フラグがオンに設定されているか否かを判定する。積雪フラグオンに設定されている場合にはステップＳ２０６に移る。一方、積雪フラグがオフである場合にはステップＳ２０７に移る。ステップＳ２０６では、積雪によって区画線が認識困難な状態であると判定して本フローを終了する。

ステップＳ２０７では、砂塵フラグがオンに設定されているか否かを判定する。砂塵フラグオンに設定されている場合にはステップＳ２０８に移る。一方、砂塵フラグがオフである場合にはステップＳ２０９に移る。ステップＳ２０８では、砂塵が道路に覆っていることによって区画線が認識困難な状態であると判定して本フローを終了する。ステップＳ２０９では区画線劣化状態であると判定して本フローを終了する。

以上の構成によれば、前方カメラ１１の実際の区画線の認識状況（例えば実効認識距離）に基づいて区画線の状態を判断するため、精度よく区画線の状態を判定可能となる。加えて、区画線が劣化している地点の情報を収集可能となる。また、本開示によれば、天候情報だけでなく、前方カメラ１１の実際の区画線の認識状況に基づいて積雪等の路面状態を判断する。このため、天候情報だけで路面状態を判定する構成よりも、判定精度を高めることができる。なお、路面状態判定処理において、ステップＳ２０１やステップＳ２０２、ステップＳ２０５～Ｓ２０８の一部または全部は任意の要素であって、省略可能である。

なお、各種路面状態の判定結果は、一定時間（例えば３秒）或いは一定回数（例えば３回以上）、連続して同一の判定結果が得られた場合に確定するように構成されていることが好ましい。当該構成によれば、瞬間的なノイズ等によって路面状態を誤判定する恐れを低減できる。

その他、路面状態判定部Ｆ７３は、地図に区画線が登録されている区間において、前方カメラ１１がランドマークは認識できている一方、区画線は認識できておらず、且つ、積雪フラグや砂塵フラグがオフである場合に、区画線劣化状態であると判定しても良い。区画線劣化状態の判定条件にランドマークは認識できていることを加える構成によれば、豪雨等の悪環境である可能性、及び、前方カメラ１１が故障している可能性を除外可能となる。

＜悪環境と判断する材料の補足＞
環境判定部Ｆ７は、前方カメラ１１から認識結果の信頼度を取得し、当該信頼度が所定のしきい値以下となったことに基づいて、悪環境であると判定してもよい。例えば信頼度が所定のしきい値以下である状態が所定時間継続した場合や、信頼度が所定のしきい値以下である状態での走行距離が所定値以上となった場合に悪環境と判定しても良い。

また、環境判定部Ｆ７は、地図に登録されてあって、自車両の走行軌跡上、本来検出されるべきランドマークの検出に失敗した割合（以降、見落とし率）から、認識性能を評価してもよい。見落とし率は、一定距離以内において、地図に登録されているランドマークの総数Ｎと、通過するまでに検出できたランドマークの数（以降、検出成功数ｍ）とに基づいて算出可能である。例えば見落とし率は、（Ｎ－ｍ）／Ｎにて算出されても良い。なお、他の態様として、総数Ｎは現在位置から前方所定距離（例えば３５ｍ）以内に存在する、本来現在位置から見えるべきランドマークの数としても良い。その場合、検出成功数ｍは現在位置で検出できているランドマークの数とすればよい。

以上では区画線の実効認識距離や環境条件を複合的に組み合わせて悪環境かどうかを判定する構成を開示したが、これに限らない。例えば環境判定部Ｆ７は、認識距離評価部Ｆ７１が算出しているランドマークに対する実効認識距離に基づいて、悪環境に該当するか否かを判定してもよい。より具体的には、環境判定部Ｆ７は、ランドマークの実効認識距離が第６距離よりも小さい場合に悪環境であると判定してもよい。ランドマークの実効認識距離に対する悪環境と判定するための第６距離は、区画線の実効認識距離に対する悪環境と判定するための閾値である第１距離とは、同じであっても良いし、異なっていても良い。第６距離は２０ｍ、２５ｍ、３０ｍなどとすることができる。

種別判定部Ｆ７２としての環境判定部Ｆ７は、例えば第２距離以上遠方のランドマークを認識できておらず、且つワイパーの駆動速度が所定の閾値以上である場合に豪雨と判定しても良い。なお、降雨に関しては、豪雨だけでなく、弱雨、強雨、豪雨など、雨の強さ（つまり雨量）に応じて複数段階に区分されてもよい。ワイパー動作速度が小さい場合には、弱雨と判定しても良い。ここでは一例として降雨量が２０ｍｍまでの降雨を弱雨と記載するとともに、降雨量が２０ｍｍ以上５０未満の降雨を強雨と記載する。ここでは雨の強さを３段階に分けているが、雨の強さの区分数は適宜変更可能である。

第１距離～第６距離などの認識距離に対する閾値（以降、距離閾値）は、設計上の認識限界距離に応じて決定されても良い。例えば第１距離及び第６距離は、設計上の認識限界距離の２０％～４０％に相当する値に設定されても良い。第２距離等は、設計上の認識限界距離の１０％～２０％に相当する値に設定されても良い。第１距離等の距離閾値は、走行路の種別に応じて調整されても良い。都市間高速に使用する距離閾値は、一般道や都市内高速で使用される距離閾値よりも大きい値であってもよい。都市間高速では一般道路よりも走行速度が大きいため、相対的に悪環境であると判定するための閾値を厳しくすることが好ましい。

ランドマーク／区画線の実効認識距離に基づく悪環境判定は、先行車が存在する場合や、カーブ路においてはキャンセルされても良い。ここでのカーブ路とは曲率は所定の閾値以上の道路を指す。上記構成によれば、先行車の存在や曲率変化に起因して悪環境であると誤判定してしまうおそれを低減可能となる。なお、先行車が存在する場合には、先行車に追従して走行すればよいため、自車両の位置をそこまで厳密に測定する必要はない。それに伴い、悪環境であるか否かを判定する必要性も高くない。換言すれば先行車が存在しないシーンは、自車両の位置を精度良く推定する必要性が高いシーンと言える。運転支援ＥＣＵ１８は、先行車がおらず、かつ、悪環境と判定されているか否かに応じて、動作、換言すればシステム応答を変更するように構成されていても良い。

さらに、環境判定部Ｆ７は、区画線の代わりに又は並列的に、道路端の認識状況に基づいて、悪環境であるか否かを判定しても良い。例えば第１距離以上遠方に位置する道路端を認識できていないことに基づいて、悪環境であると判定してもよい。また、前方カメラ１１が案内標識に含まれる文字列を画像認識可能に構成されている場合には、案内標識中の文字列が認識できなくなったことに基づいて悪環境であると判定しても良い。前方カメラ１１が案内標識に含まれる文字列を画像認識可能に構成されている場合には、文字列を認識できる実効距離が所定値未満となったことに基づいて悪環境と判定しても良い。

また、環境判定部Ｆ７は、地図サーバから、悪環境に該当する地域のデータを取得することにより自車両周辺が悪環境に該当するか否かを判定しても良い。例えば地図サーバは、複数の車両からの報告をもとに悪環境エリアを特定して配信するサーバである。このような構成によれば、悪環境かどうかを判断するための演算負荷を低減できる。その他、環境判定部Ｆ７は、Ｖ２Ｘ車載器１６を介して他車両と悪環境であるか否かの仮判定結果を共有し、多数決等によって悪環境に該当するか否かの判定を確定させても良い。

また、一般的に豪雨時には、ミリ波レーダ１２において、雨滴による不要反射電力が増大する傾向がある。故に、ミリ波レーダ１２で観測されている不要反射電力が所定のしきい値以上であることに基づいて悪環境種別は豪雨であると判定しても良い。また、ミリ波レーダ１２は一般的に豪雨時でも車両等の検出性能が低下しにくいといった特長を有するが、自転車等の反射強度が弱いものはその限りではない。自転車等の反射強度が弱いものは、豪雨時には検出可能な距離が縮退しうる。車両から離脱したタイヤなどの小物体も同様である。故にミリ波レーダ１２での自転車や小物体の検出可能距離が縮退していることに基づいて、周辺環境は豪雨であると判定しても良い。

＜悪環境度合いの判定について＞
環境判定部Ｆ７は、悪環境の度合い、換言すれば、画像フレームを用いた物体認識の性能の低下度合いを評価する悪環境度判定部Ｆ７５を図１２に示すように備えていてもよい。悪環境度合いは例えばレベル０～３の４段階で表現可能である。レベルが高いほど、悪環境度合いが大きいことを示す。悪環境度合いは、ランドマーク／区画線の実効認識距離に基づいて評価できる。例えば悪環境度判定部Ｆ７５は、区画線の実効認識距離が短いほど悪環境レベルが高いと判定する。例えば区画線の認識距離が３５ｍ以上５０ｍ未満である場合にはレベル１と判定し、２０ｍ以上３５ｍ未満である場合にはレベル２と判定してもよい。また、区画線の認識距離が２０ｍ未満である場合にはレベル３と判定し、区画線の認識距離が所定値（例えば５０ｍ）以上である場合にはレベル０と判定しても良い。レベル０は悪環境ではないことを指す。悪環境度合いを示すレベル数は適宜変更可能である。

なお、悪環境度判定部Ｆ７５は、降雨量に応じて悪環境度合いを評価しても良い。例えば降雨量が弱雨相当である場合には悪環境度合いをレベル１に設定し、降雨量が強雨相当である場合には悪環境度合いをレベル２に設定する。降雨量が豪雨に相当する場合には悪環境度合いをレベル３に設定する。降雨量は、ワイパーブレードの駆動速度から推定しても良いし、外部サーバから天候情報を取得して判定してもよい。

＜環境判定器２０の配置について＞
上述した実施形態では環境判定器２０を前方カメラ１１の外側に配置した構成を例示したが、環境判定器２０の配置態様はこれに限らない。図１３に示すように環境判定器２０の機能はカメラＥＣＵ４１に内在していてもよい。また、図１４に示すように、環境判定器２０の機能は運転支援ＥＣＵ１８に内在していてもよい。図１５に示すように環境判定器２０は位置推定器３０と一体化されていても良い。環境判定器２０の機能を含む位置推定器３０もまた、カメラＥＣＵ４１または運転支援ＥＣＵ１８に内蔵されていてもよい。各構成の機能配置は適宜変更可能である。加えて、識別器４１１などのカメラＥＣＵ４１の機能もまた、運転支援ＥＣＵ１８が備えていても良い。すなわち、前方カメラ１１は画像データを運転支援ＥＣＵ１８に出力して、運転支援ＥＣＵ１８が画像認識などの処理を実行するように構成されていても良い。

＜地図サーバ５との連携について＞
環境判定器２０は、Ｖ２Ｘ車載器１６と連携し、悪環境と判定した地点の情報を示す通信パケットを悪環境報告として地図サーバ５にアップロードするように構成されていても良い。地図サーバ５は、例えば各車両からアップロードされた悪環境報告を統計処理することによって、前方カメラ１１のセンシング能力が低下しうる地点（つまり悪環境地点）を特定するように構成されていても良い。

図１６は、複数の車両からの悪環境地点についての報告をもとに、悪環境地点を特定する地図サーバ５を含む、地図配信システム１００を示している。図１６に示す９１は、広域通信網を表しており、９２は無線基地局を示している。ここでの広域通信網９１とは、携帯電話網やインターネット等の、電気通信事業者によって提供される公衆通信ネットワークを指す。

図１７は地図サーバ５が実行する処理の流れを概略的に示したものである。地図サーバ５の処理としては、複数の車両からの悪環境報告を受信するステップＳ５０１と、受信した報告に基づいて悪環境地点の設定及び解除を行うステップＳ５０２と、悪環境地点情報を配信するステップＳ５０３が含まれる。図１７のフローチャートを含む以下の種々の処理は地図サーバ５が備えるサーバプロセッサ５１によって実行される。

例えば地図サーバ５は、所定時間以内における車両からの悪環境報告の数が所定のしきい値以上となっている地点を、悪環境地点に設定する（ステップＳ５０２）。悪環境地点は、例えば、霧や豪雨などの悪環境要因が実際に生じている地点としてもよいし、それらの影響によって実効認識距離が低下し始める地点としてもよい。ここでの統計処理には、多数決や平均化が含まれる。また、「地点」という表現には、所定の長さを有する区間或いはエリアの概念が含まれる。悪環境地点は、レーン単位或いはリンク単位で登録されても良い。

地図サーバ５は、特定した悪環境地点を示すデータを車両に配信する。地図サーバ５は、例えば車両からの要求に基づき、要求された地域の悪環境地点データを配信可能である。また、地図サーバ５が各車両の現在位置を取得可能に構成されている場合には、悪環境地点に進入予定の車両に対して自動的に悪環境地点データを配信しても良い。つまり、悪環境地点データは、プル配信及びプッシュ配信のどちらで配信されても良い。

悪環境要因は、道路構造等に比べて存続状態が相対的に短い時間で変化する、動的な要素である。そのため、地図サーバ５は、９０分よりも短い所定の有効時間以内に取得した悪環境報告を元に悪環境地点の設定／解除を行うことが好ましい。有効時間は、例えば１０分や、２０分、３０分などに設定される。当該構成によれば、悪環境地点についての配信データのリアルタイム性を確保することができる。或る悪環境地点についてのデータは、当該地点を通行する車両からの報告に基づき、例えば定期的に更新される。例えば、悪環境地点に設定した地点について、当該地点が悪環境であると報告する車両の数が所定のしきい値未満となった場合には、当該地点は悪環境ではなくなったと判定する。

悪環境地点についての配信データには、悪環境と見なす区間の始端位置座標と終端位置座標、悪環境の種別、悪環境の度合い、最終判定時刻、悪環境となった時刻などが含まれていることが好ましい。また、地図サーバ５は、悪環境であるとの判定結果に対する信頼度を算出し、悪環境地点についてのデータに含めて車両に配信してもよい。信頼度は、実際に悪環境である可能性の高さを示す。信頼度は、例えば悪環境であると報告した車両の数や割合が高いほど大きい値に設定されれば良い。なお、地図サーバ５は、車両からの報告だけでなく、路側機などから悪環境地点を特定するための情報を取得してもよい。例えば路側機がカメラを備える場合には、当該カメラが撮影した画像データなどを悪環境かどうかの判断材料として使用することができる。

＜悪環境地点情報の利用形態＞
地図サーバ５が生成した悪環境地点情報は、例えば、自動運転の実行の可否判断に利用されても良い。自動運転するための道路条件としては、前方カメラ１１の実効認識距離が所定値（例えば４０ｍ）以上であることが規定されている構成もあり得る。そのような構成では、霧や豪雨等により前方カメラ１１の実効認識距離が所定値未満となりうる区間は、自動運転不可区間となりうる。

自動運転不可区間に該当するか否かは車両側（例えば運転支援ＥＣＵ１８）で判断するように構成されていても良い。また、地図サーバ５が障害物情報に基づいて自動運転不可区間を設定し、当該自動運転不可区間を配信してもよい。例えば、地図サーバ５において、前方カメラ１１の実効認識距離が低下する区間を自動運転不可区間に設定して配信するとともに、当該悪環境要因の消失または緩和が確認された場合に、自動運転不可設定を解除して配信する。なお、自動運転不可区間の設定等を配信するサーバは、自動運転管理サーバとして、地図サーバ５とは別に設けられていても良い。自動運転管理サーバは、自動運転可能／不可能な区間を管理するサーバに相当する。上記のように悪環境地点についての情報は、車両毎に設定されている運行設計領域（ＯＤＤ：Operational Design Domain）を充足しているか否かの判断に利用可能である。

＜付言（１）＞
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を構成する専用コンピュータにより、実現されてもよい。また、本開示に記載の装置及びその手法は、専用ハードウェア論理回路により、実現されてもよい。さらに、本開示に記載の装置及びその手法は、コンピュータプログラムを実行するプロセッサと一つ以上のハードウェア論理回路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。例えば、処理部２１、３１等が提供する手段および／または機能は、実体的なメモリ装置に記録されたソフトウェアおよびそれを実行するコンピュータ、ソフトウェアのみ、ハードウェアのみ、あるいはそれらの組合せによって提供できる。環境判定器２０が備える機能の一部又は全部はハードウェアとして実現されても良い。或る機能をハードウェアとして実現する態様には、１つ又は複数のＩＣなどを用いて実現する態様が含まれる。例えば処理部２１は、ＣＰＵの代わりに、ＭＰＵやＧＰＵを用いて実現されていてもよい。また、処理部２１は、ＣＰＵや、ＭＰＵ、ＧＰＵなど、複数種類の演算処理装置を組み合せて実現されていてもよい。さらに、ＥＣＵは、ＦＰＧＡ（field-programmable gate array）や、ＡＳＩＣ（application specific integrated circuit）を用いて実現されていても良い。処理部３１も同様である。各種プログラムは、非遷移的実体的記録媒体（non- transitory tangible storage medium）に格納されていればよい。プログラムの保存媒体としては、ＨＤＤ（Hard-disk Drive）やＳＳＤ（Solid State Drive）、ＥＰＲＯＭ（Erasable Programmable ROM）、フラッシュメモリ、ＵＳＢメモリ、ＳＤ（Secure Digital）メモリカード等、多様な記憶媒体を採用可能である。

＜付言（２）＞
本開示には以下の構成も含まれる。

［構成（１）］
車両の周辺の所定範囲を撮像する撮像装置（１１）であって、
撮像画像を解析することにより所定の対象地物の位置を認識する物体認識部（４１１）と、
撮像装置以外のセンサから、車両の外部の環境を示す情報を環境補足情報として取得する補足情報取得部（Ｆ２、Ｆ４、Ｆ５）と、
画像認識情報取得部が取得した対象地物の認識結果と、補足情報取得部が取得した環境補足情報との少なくとも何れか一方に基づいて、車両の周辺環境が、画像を用いて物体認識をする装置にとっての悪環境であるか否かを判定する環境判定部（Ｆ７）と、
環境判定部の判定結果を出力する出力部（Ｆ８）と、を備える車両用カメラユニット。

上記のようにカメラユニットに環境判定部を一体化した構成によれば、環境判定部をカメラ外に設ける構成に比べて、コスト抑制できる。

［構成（２）］
複数の車両のそれぞれから、当該車両の周辺環境が車載カメラにとっての悪環境であるか否かの判定結果を示すデータを、位置情報と対応付けて取得し、
複数の車両から取得した情報を統計処理することによって車載カメラにとっての悪環境となっている地点を検出するとともに、
複数の車両から取得した情報をもとに、上記の悪環境とみなした地点が依然として悪環境であるか否かを逐次判定するように構成されている、地図サーバ。

上記構成によれば複数の車両での判断結果を統合して悪環境地点を特定するため、車両単体で悪環境地点を特定する構成に比べて判定精度を向上可能である。また、精度の高い悪環境地点情報を複数の車両に配信可能となるため、交通社会の安全性を高めることができる。

［構成（３）］
運転席乗員の運転操作を支援する運転支援装置であって、
車両の周辺の所定範囲を撮像する撮像装置（１１）で撮像された画像を解析することによって定まる所定の対象地物についての認識情報を示す情報を画像認識情報として取得する画像認識情報取得部（Ｆ３）と、
画像認識情報取得部が取得した対象地物の認識結果に基づいて、車両の周辺環境が、画像を用いて物体認識をする装置にとっての悪環境であるか否かを判定する環境判定部（Ｆ７）と、
環境判定部の判定結果に基づいて運転支援の内容（換言すればシステム応答）を変更する運転支援装置。

上記の構成によれば、周辺環境に応じた運転支援を実行可能となる。例えば悪環境であることに基づいた運転支援を実行可能となる。

１ 運転支援システム、１１ 前方カメラ（撮像装置）、１２ ミリ波レーダ、１３ 車両状態センサ、１４ ロケータ、１５ 地図記憶部、１６ Ｖ２Ｘ車載器、１７ ＨＭＩシステム、１８ 運転支援ＥＣＵ、２０ 環境判定器、２１ 処理部、３０ 位置推定器、Ｆ１ 位置取得部、Ｆ２ 地図取得部、Ｆ３ カメラ出力取得部（画像認識情報取得部）、Ｆ４ レーダ出力取得部（測距センサ情報取得部）、Ｆ５ 車両状態取得部、Ｆ６ 位置誤差取得部、Ｆ７ 環境判定部、Ｆ７１ 認識距離評価部、Ｆ７２ 種別判定部、Ｆ８ 出力部、Ｇ１ 暫定位置取得部、Ｇ２ 地図取得部、Ｇ３ カメラ出力取得部、Ｇ４ レーダ出力取得部、Ｇ５ 詳細位置算出部、Ｓ１００ 画像認識情報取得ステップ、Ｓ１１０ 環境判定ステップ

Claims (14)

1. 車両の周辺の所定範囲を撮像する撮像装置（１１）で撮像された画像を解析することによって定まる所定の対象地物についての認識情報を示す情報を画像認識情報として取得する画像認識情報取得部（Ｆ３）と、
   前記画像認識情報取得部が取得した前記対象地物の認識結果に基づいて、前記車両の周辺環境が、前記画像を用いて物体認識をする装置にとっての悪環境であるか否かを判定する環境判定部（Ｆ７）と、を備える悪環境判定装置。
2. 請求項１に記載の悪環境判定装置であって、
   前記対象地物は、車線区画線及びランドマークの少なくとも何れか一方を含み、
   前記環境判定部は、前記撮像装置の撮像範囲内であって、前記撮像装置から所定距離以内に存在するはずの前記対象地物が認識されていないことに基づいて、前記周辺環境は悪環境であると判定するように構成されている、悪環境判定装置。
3. 請求項１または２に記載の悪環境判定装置であって、
   前記対象地物には、車線区画線とランドマークが含まれ、
   前記環境判定部は、前記車線区画線に対する認識状況と、前記ランドマークに対する認識状況のそれぞれに基づいて、前記周辺環境の種別を特定するように構成されている、悪環境判定装置。
4. 請求項１から３の何れか１項に記載の悪環境判定装置であって、
   前記画像認識情報に基づき、前記対象地物を認識できている実際の距離である実効認識距離を決定する認識距離評価部（Ｆ７１）を備え、
   前記環境判定部は、前記実効認識距離が所定の閾値未満であることに基づいて、前記周辺環境は悪環境であると判定するように構成されている、悪環境判定装置。
5. 請求項４に記載の悪環境判定装置であって、
   前記対象地物には、車線区画線とランドマークの両方が含まれ、
   前記認識距離評価部は、前記車線区画線についての前記実効認識距離と、前記ランドマークについての前記実効認識距離のそれぞれを算出し、
   前記環境判定部は、前記車線区画線の実効認識距離と、前記ランドマークの実効認識距離に基づいて、前記周辺環境の種別を判定するように構成されている、悪環境判定装置。
6. 請求項１から５の何れか１項に記載の悪環境判定装置であって、
   前記撮像装置以外のセンサから、前記車両の外部の環境を示す情報を環境補足情報として取得する補足情報取得部（Ｆ４、Ｆ５）を備え、
   前記画像認識情報取得部が取得した前記対象地物の認識結果と、前記補足情報取得部が取得した前記環境補足情報とに基づいて、前記車両の周辺環境が、前記悪環境であるか否か、及び、前記悪環境であると判定した場合にはその種別を判定するように構成されている、悪環境判定装置。
7. 請求項６に記載の悪環境判定装置であって、
   前記対象地物には、車線区画線とランドマークとが含まれ、
   前記補足情報取得部は、前記車両の進行方向、時刻情報、及び太陽の高度の少なくとも何れかを取得し、
   前記環境判定部は、
   前記補足情報取得部が取得した情報をもとに所定の西日条件が充足されているか否かを判定し、
   所定距離以上遠方に存在する前記車線区画線は認識されている一方で、所定の種別又は所定方向に存在する前記ランドマークは認識されておらず、且つ、前記西日条件が充足されていることに基づいて、前記悪環境として、西日を受けている状況であると判定するように構成されている、悪環境判定装置。
8. 請求項６または７に記載の悪環境判定装置であって、
   前記対象地物には、車線区画線とランドマークが含まれ、
   前記補足情報取得部は、外気温、湿度、時刻、及び現在位置の少なくとも何れかを取得し、
   前記環境判定部は、
   前記補足情報取得部が取得した情報をもとに所定の霧発生条件が充足されているか否かを判定し、
   前記撮像装置から所定距離以内に位置する前記車線区画線及び前記ランドマークが認識されており、且つ、前記霧発生条件が充足されていることに基づいて、前記悪環境の種別は霧と判定するように構成されている、悪環境判定装置。
9. 請求項６から８の何れか１項に記載の悪環境判定装置であって、
   前記対象地物には、車線区画線とランドマークが含まれ、
   前記補足情報取得部は、湿度、ワイパーの動作速度、及び天気情報の少なくとも何れかを取得し、
   前記環境判定部は、
   前記補足情報取得部が取得した情報をもとに所定の豪雨条件が充足されているか否かを判定し、
   前記撮像装置から所定距離以上遠方に位置する前記車線区画線及び前記ランドマークが何れも認識されておらず、且つ、前記豪雨条件が充足されていることに基づいて、前記悪環境の種別は豪雨であると判定するように構成されている、悪環境判定装置。
10. 請求項７から９の何れか１項に記載の悪環境判定装置であって、
    前記補足情報取得部として、探査波又はレーザ光を送受信することで物体を認識する測距センサ（１２）の認識結果を示す情報を測距センサ情報として取得する測距センサ情報取得部を備え、
    前記測距センサ情報には前記ランドマークの認識状況が含まれており、
    前記環境判定部は、前記画像認識情報取得部が取得した前記対象地物の認識結果と、前記測距センサ情報取得部が取得した前記測距センサによる前記ランドマークの認識状況と、に基づいて、前記車両の周辺環境が前記悪環境であるか否かを判定するように構成されている、悪環境判定装置。
11. 請求項１から１０の何れか１項に記載の悪環境判定装置であって、
    前記環境判定部は、前記悪環境であると判定した場合、その時点において前記対象地物を認識できている距離、及び、その時点での前記車両の位置情報の少なくとも何れか一方に基づいて、前記悪環境に該当する地点の位置を特定するように構成されている、悪環境判定装置。
12. 請求項１から１１の何れか１項に記載の悪環境判定装置であって、
    前記環境判定部が前記周辺環境は前記悪環境であると判定したことを示す信号を外部に出力する出力部（Ｆ８）を備える、悪環境判定装置。
13. 請求項１から１２の何れか１項に記載の悪環境判定装置であって、
    前記対象地物は、車線区画線及びランドマークの少なくとも何れか一方を含み、
    前記対象地物としての前記車線区画線及び前記ランドマークの少なくとも何れか一方の設置位置情報を含む地図情報を取得する地図取得部（Ｆ２）を備え、
    前記環境判定部は、前記地図情報に示されている前記対象地物のうち、前記撮像装置の撮像範囲に位置する前記対象地物が認識されていないことに基づいて、前記悪環境であると判定する、悪環境判定装置。
14. 画像を用いて物体を認識する装置にとっての悪環境であるか否かを判定するための、少なくとも１つのプロセッサによって実行される方法であって、
    車両の周辺の所定範囲を撮像する撮像装置（１１）で撮像された画像を解析することによって定まる所定の対象地物についての認識結果を示す情報を画像認識情報として取得する画像認識情報取得ステップ（Ｓ１００）と、
    前記画像認識情報取得ステップで取得された前記対象地物の認識結果に基づいて、前記車両の周辺環境が、前記画像を用いて物体認識をする装置にとっての悪環境であるか否かを判定する環境判定ステップ（Ｓ１１０）と、を含む悪環境判定方法。

Images