JP2022136145A - データ構造、情報処理装置、及び地図データ生成装置 - Google Patents
データ構造、情報処理装置、及び地図データ生成装置 Download PDFInfo
- Publication number
- JP2022136145A JP2022136145A JP2022116141A JP2022116141A JP2022136145A JP 2022136145 A JP2022136145 A JP 2022136145A JP 2022116141 A JP2022116141 A JP 2022116141A JP 2022116141 A JP2022116141 A JP 2022116141A JP 2022136145 A JP2022136145 A JP 2022136145A
- Authority
- JP
- Japan
- Prior art keywords
- vehicle
- information
- voxel
- value
- map
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 230000010365 information processing Effects 0.000 title description 5
- 238000005259 measurement Methods 0.000 abstract description 18
- 238000009826 distribution Methods 0.000 description 26
- 238000011156 evaluation Methods 0.000 description 25
- 239000011159 matrix material Substances 0.000 description 18
- 238000000034 method Methods 0.000 description 17
- 238000001514 detection method Methods 0.000 description 15
- 238000012545 processing Methods 0.000 description 14
- 238000010586 diagram Methods 0.000 description 9
- 230000007704 transition Effects 0.000 description 8
- 230000005540 biological transmission Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 101000802640 Homo sapiens Lactosylceramide 4-alpha-galactosyltransferase Proteins 0.000 description 4
- 102100035838 Lactosylceramide 4-alpha-galactosyltransferase Human genes 0.000 description 4
- 240000004050 Pentaglottis sempervirens Species 0.000 description 4
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 4
- 238000013459 approach Methods 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 239000003550 marker Substances 0.000 description 2
- 230000001681 protective effect Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000037406 food intake Effects 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Instructional Devices (AREA)
- Traffic Control Systems (AREA)
- Length Measuring Devices By Optical Means (AREA)
Abstract
【課題】自己位置推定に用いるべきオブジェクトを事前に把握するための事前情報を含む地図データを提供する。【解決手段】車載機1は、車両に搭載されたライダ2により計測したオブジェクトの計測値と、地図DB10に含まれるオブジェクトの位置情報とに基づき位置推定を行う。地図DB10には、位置推定に対するオブジェクトごとの推奨値を示すオブジェクト推奨情報又は位置推定に対するボクセルごとの推奨値を示すボクセル推奨情報が含まれている。【選択図】図6
Description
本発明は、自己位置推定技術に関する。
従来から、車両の進行先に設置される地物をレーダやカメラを用いて検出し、その検出結果に基づいて自車位置を校正する技術が知られている。例えば、特許文献1には、計測センサの出力と、予め地図上に登録された地物の位置情報とを照合させることで自己位置を推定する技術が開示されている。また、特許文献2には、カルマンフィルタを用いた自車位置推定技術が開示されている。さらに、非特許文献1には、車両側のセンサが検出したデータをクラウドサーバで収集するためのデータフォーマットに関する仕様が開示されている。
here社ホームページ、Vehicle Sensor Data Cloud Ingestion Interface Specification(v2.0.2),[平成30年3月2日検索]、インターネット<URL:https://lts.cms.here.com/static-cloud-content/Company_Site/2015_06/Vehicle_Sensor_Data_Cloud_Ingestion_Interface_Specification.pdf>
ライダなどの外界センサによる自車位置周辺のオブジェクトに対する計測結果と地図上のオブジェクトの位置情報とを照合して自車位置推定を行う場合、他車両によるオクルージョンや雨又は雪の影響で対象のオブジェクトが検出できないと、自車位置推定精度の悪化が生じる。同様に、オブジェクト自体の位置や形状が変化した場合も、地図上のオブジェクトの位置との不整合により照合結果がずれてしまい、自車位置推定精度の悪化が生じる。
本発明は、上記のような課題を解決するためになされたものであり、自己位置推定に用いるべきオブジェクトを事前に把握するための事前情報を含む地図データを提供することを主な目的とする。
請求項に記載の発明は、地図データのデータ構造であって、物体の位置情報と、移動体に搭載された計測装置により求めた前記物体との位置関係を用いて前記移動体の位置推定を行うことに対する推奨値を示す推奨値情報と、を含み、前記移動体の位置推定に用いられる地図データのデータ構造である。
また、請求項に記載の発明は、情報処理装置であって、物体の位置情報と、移動体に搭載された計測装置により求めた前記物体との位置関係を用いて前記移動体の位置推定を行うことに対する推奨値を示す推奨値情報と、を含む地図データを記憶する記憶部を有する。
また、請求項に記載の発明は、地図データ生成装置であって、物体の識別情報と、前記物体を用いた前記移動体の位置推定の精度向上の有効性に関する有効性情報とに基づき生成された、前記物体を用いた前記移動体の位置推定に対する推奨値を示す推奨値情報を、前記物体の位置情報と関連付けて、地図データを生成する生成部を有する。
本発明の好適な実施形態によれば、地図データのデータ構造であって、物体の位置情報と、移動体に搭載された計測装置により求めた前記物体との位置関係を用いて前記移動体の位置推定を行うことに対する推奨値を示す推奨値情報と、を含み、前記移動体の位置推定に用いられる地図データのデータ構造である。地図データは、このようなデータ構造を有することで、自己位置推定に用いるべき物体を事前に把握するための事前情報を好適に含むことができる。
上記データ構造の一態様では、前記推奨値情報は、前記移動体を基準とした方向についての前記位置推定を行うことに対する推奨値を含む。好適な例では、前記推奨値情報は、前記移動体の方位についての前記位置推定を行うことに対する推奨値をさらに含む。この態様によれば、位置推定に用いる物体に対する位置推定の推奨度を、位置推定処理において推定する状態変数ごとに地図データに記録することができる。
上記データ構造の他の一態様では、空間を区切った単位領域ごとに、前記物体の位置情報と、前記推奨値情報とが設けられ、前記推奨値情報は、前記単位領域ごとに、前記物体の位置情報と、前記物体との位置関係との照合を行うことで、前記移動体の位置推定を行う場合の、前記単位領域ごとの推奨値を示す。この態様によれば、地図データは、単位領域ごとに物体の位置情報と物体との位置関係との照合を行う位置推定に用いるべき単位領域を事前に把握するための事前情報を好適に含む。
本発明の他の好適な実施形態によれば、情報処理装置は、物体の位置情報と、移動体に搭載された計測装置により求めた前記物体との位置関係を用いて前記移動体の位置推定を行うことに対する推奨値を示す推奨値情報と、を含む地図データを記憶する記憶部を有する。この態様により、情報処理装置は、自己位置推定に用いるべき物体を事前に把握するための事前情報を好適に参照して位置推定を行ったり、位置推定を行う他装置へ配信したりすることができる。
本発明の他の好適な実施形態によれば、地図データ生成装置は、物体の識別情報と、前記物体を用いた前記移動体の位置推定の精度向上の有効性に関する有効性情報とに基づき生成された、前記物体を用いた前記移動体の位置推定に対する推奨値を示す推奨値情報を、前記物体の位置情報と関連付けて、地図データを生成する生成部を有する。地図データ生成装置は、この態様により、自己位置推定に用いるべき物体を事前に把握するための事前情報を好適に地図データに含めることができる。
以下、図面を参照して本発明の好適な第1及び第2実施例について説明する。なお、任意の記号の上に「^」または「-」が付された文字を、本明細書では便宜上、「A^」または「A-」(「A」は任意の文字)と表す。
<第1実施例>
(1-1)運転支援システムの概要
図1は、第1実施例に係る運転支援システムの概略構成である。運転支援システムは、移動体である各車両と共に移動する車載機1と、各車載機1とネットワークを介して通信を行うサーバ装置6とを備える。そして、運転支援システムは、各車載機1から送信された情報に基づき、サーバ装置6が保有する配信用の地図である配信地図DB20を更新する。なお、以後において、「地図」とは、従来の経路案内用の車載機が参照するデータに加えて、ADAS(Advanced Driver Assistance System)や自動運転に用いられるデータも含むものとする。
(1-1)運転支援システムの概要
図1は、第1実施例に係る運転支援システムの概略構成である。運転支援システムは、移動体である各車両と共に移動する車載機1と、各車載機1とネットワークを介して通信を行うサーバ装置6とを備える。そして、運転支援システムは、各車載機1から送信された情報に基づき、サーバ装置6が保有する配信用の地図である配信地図DB20を更新する。なお、以後において、「地図」とは、従来の経路案内用の車載機が参照するデータに加えて、ADAS(Advanced Driver Assistance System)や自動運転に用いられるデータも含むものとする。
車載機1は、ライダ2、ジャイロセンサ3、車速センサ4、及びGPS受信機5と電気的に接続し、これらの出力に基づき、所定のオブジェクトの検出、及び、車載機1が搭載される車両の位置(「自車位置」とも呼ぶ。)の推定などを行う。そして、車載機1は、自車位置の推定結果に基づき、設定された目的地への経路に沿って走行するように、車両の自動運転制御などを行う。車載機1は、道路データ及び道路付近に設けられた目印となる地物や区画線などのオブジェクトに関する情報が登録された地図データベース(DB:DataBase)10を記憶する。上述の目印となる地物は、例えば、道路脇に周期的に並んでいるキロポスト、100mポスト、デリニエータ、交通インフラ設備(例えば標識、方面看板、信号)、電柱、街灯などの地物である。そして、車載機1は、この地図DB10に基づき、ライダ2等の出力と照合させて自車位置の推定を行う。また、車載機1は、検出したオブジェクトに関する情報を含むアップロード情報「Iu」をサーバ装置6へ送信する。車載機1は、情報送信装置の一例である。
ライダ2は、水平方向および垂直方向の所定の角度範囲に対してパルスレーザを出射することで、外界に存在する物体までの距離を離散的に測定し、当該物体の位置を示す3次元の点群情報を生成する。この場合、ライダ2は、照射方向を変えながらレーザ光を照射する照射部と、照射したレーザ光が物体で反射した反射光(散乱光)を受光する受光部と、受光部が出力する受光信号に基づくスキャンデータを出力する出力部とを有する。スキャンデータは、点群データであり、受光部が受光したレーザ光に対応する照射方向と、上述の受光信号に基づき特定される、その照射方向での物体までの距離とに基づき生成される。以後では、自車位置推定処理においてライダ2による計測対象となる区画線及び地物などのオブジェクトを「ランドマーク」とも呼ぶ。ライダ2、ジャイロセンサ3、車速センサ4、GPS受信機5は、それぞれ、出力データを車載機1へ供給する。ライダ2は「計測装置」の一例である。
サーバ装置6は、各車載機1からアップロード情報Iuを受信して記憶する。サーバ装置6は、例えば、収集したアップロード情報Iuに基づき、配信地図DB20を更新する。また、サーバ装置6は、配信地図DB20の更新情報を含むダウンロード情報Idを各車載機1へ送信する。サーバ装置6は、情報処理装置及び地図データ生成装置の一例である。
図2(A)は、車載機1の機能的構成を示すブロック図である。車載機1は、主に、インターフェース11と、記憶部12と、通信部13と、入力部14と、制御部15と、情報出力部16と、を有する。これらの各要素は、バスラインを介して相互に接続されている。
インターフェース11は、ライダ2、ジャイロセンサ3、車速センサ4、及びGPS受信機5などのセンサから出力データを取得し、制御部15へ供給する。
記憶部12は、制御部15が実行するプログラムや、制御部15が所定の処理を実行するのに必要な情報を記憶する。本実施例では、記憶部12は、ランドマークとなるオブジェクトの位置、大きさ、形状などの属性情報及び後述のオブジェクト推奨情報を含む地図DB10を記憶する。ここで、オブジェクト推奨情報は、対象のオブジェクトを用いて自車位置推定を行うことに対する推奨値(「オブジェクト推奨値」とも呼ぶ。)をオブジェクトごとに示した情報である。オブジェクト推奨情報のデータ構造については後述する。
通信部13は、制御部15の制御に基づき、アップロード情報Iuの送信及びダウンロード情報Idの受信などを行う。入力部14は、ユーザが操作するためのボタン、タッチパネル、リモートコントローラ、音声入力装置等である。情報出力部16は、例えば、制御部15の制御に基づき出力を行うディスプレイやスピーカ等である。
制御部15は、プログラムを実行するCPUなどを含み、車載機1の全体を制御する。本実施例では、制御部15は、自車位置推定部17及びアップロード制御部18を有する。
自車位置推定部17は、ランドマークに対するライダ2による距離及び角度の計測値と、地図DB10から抽出したランドマークの位置情報とに基づき、ジャイロセンサ3、車速センサ4、及び/又はGPS受信機5の出力データから推定した自車位置を補正する。本実施例では、一例として、自車位置推定部17は、ベイズ推定に基づく状態推定手法に基づき、ジャイロセンサ3、車速センサ4等の出力データから自車位置を予測する予測ステップと、直前の予測ステップで算出した自車位置の予測値を補正する計測更新ステップとを交互に実行する。これらのステップで用いる状態推定フィルタは、ベイズ推定を行うように開発された様々のフィルタが利用可能であり、例えば、拡張カルマンフィルタ、アンセンテッドカルマンフィルタ、パーティクルフィルタなどが該当する。第1実施例では、自車位置推定部17は、一例として、拡張カルマンフィルタを用いた自車位置推定を行うものとする。拡張カルマンフィルタを用いた自車位置推定については「拡張カルマンフィルタに基づく位置推定」のセクションにおいて説明する。
アップロード制御部18は、ライダ2などの外界センサの出力に基づき所定のオブジェクトを検出した場合に、検出したオブジェクトに関する情報を含むアップロード情報Iuを生成し、アップロード情報Iuをサーバ装置6へ送信する。また、アップロード制御部18は、検出したオブジェクトをランドマークとして自車位置推定部17が自車位置推定を行った場合には、当該自車位置推定による位置推定の精度向上の有効性を状態変数ごとに判定し、その判定結果を示すフラグ情報(「有効フラグ」とも呼ぶ。)をアップロード情報Iuに含めてサーバ装置6へ送信する。アップロード制御部18は、「生成部」、「送信部」、及びプログラムを実行する「コンピュータ」の一例である。また、有効フラグは、「有効性情報」の一例である。
図2(B)は、サーバ装置6の機能的構成を示すブロック図である。サーバ装置6は、主に、通信部61と、記憶部62と、制御部65とを有する。これらの各要素は、バスラインを介して相互に接続されている。
通信部61は、制御部65の制御に基づき、アップロード情報Iuの受信及びダウンロード情報Idの送信などを行う。記憶部62は、制御部65が実行するプログラムや、制御部65が所定の処理を実行するのに必要な情報を記憶する。本実施例では、記憶部62は、配信地図DB20と、各車載機1から受信したアップロード情報Iuを蓄積するアップロード情報DB27とを記憶する。配信地図DB20は、制御部65がアップロード情報DB27を参照して生成したオブジェクト推奨情報を含んでいる。
制御部65は、プログラムを実行するCPUなどを含み、サーバ装置6の全体を制御する。本実施例では、制御部65は、通信部61により各車載機1から受信したアップロード情報Iuをアップロード情報DB27に蓄積する処理、アップロード情報DB27に基づきオブジェクト推奨情報を生成する処理、及び生成したオブジェクト推奨情報などの地図更新情報を通信部61により各車載機1へ送信する処理などを行う。
(1-2)拡張カルマンフィルタに基づく位置推定
図3は、推定すべき自車位置を2次元直交座標で表した図である。図3に示すように、xyの2次元直交座標上で定義された平面での自車位置は、座標「(x、y)」、自車の方位(ヨー角)「ψ」により表される。ここでは、ヨー角ψは、車の進行方向とx軸とのなす角として定義されている。なお、本実施例では、上述の座標(x、y)及びヨー角ψに加えて、x軸及びy軸に垂直なz軸の座標を勘案した4変数(x、y、z、ψ)を自車位置の状態変数とした自車位置推定を行う。なお、一般的な道路は勾配が緩やかであるため、車両のピッチ角及びロール角については本実施例では原則的に無視するものとする。
図3は、推定すべき自車位置を2次元直交座標で表した図である。図3に示すように、xyの2次元直交座標上で定義された平面での自車位置は、座標「(x、y)」、自車の方位(ヨー角)「ψ」により表される。ここでは、ヨー角ψは、車の進行方向とx軸とのなす角として定義されている。なお、本実施例では、上述の座標(x、y)及びヨー角ψに加えて、x軸及びy軸に垂直なz軸の座標を勘案した4変数(x、y、z、ψ)を自車位置の状態変数とした自車位置推定を行う。なお、一般的な道路は勾配が緩やかであるため、車両のピッチ角及びロール角については本実施例では原則的に無視するものとする。
図4は、予測ステップと計測更新ステップとの概略的な関係を示す図である。また、図5は、制御部15の機能ブロックである自車位置推定部17の一例を示す。図4に示すように、予測ステップと計測更新ステップとを繰り返すことで、自車位置を示す状態変数ベクトル「X」の推定値の算出及び更新を逐次的に実行する。また、図5に示すように、自車位置推定部17は、予測ステップを実行する位置予測部21と、計測更新ステップを実行する位置推定部22とを有する。位置予測部21は、デッドレコニングブロック23及び位置予測ブロック24を含み、位置推定部22は、ランドマーク探索・抽出ブロック25及び位置補正ブロック26を含む。なお、図4では、計算対象となる基準時刻(即ち現在時刻)「k」の状態変数ベクトルを、「X-(k)」または「X^(k)」と表記している。ここで、予測ステップで推定された暫定的な推定値(予測値)には当該予測値を表す文字の上に「-」を付し、計測更新ステップで更新された,より精度の高い推定値には当該値を表す文字の上に「^」を付す。
予測ステップでは、制御部15のデッドレコニングブロック23は、車両の移動速度「v」と角速度「ω」(これらをまとめて「制御値u(k)=(v(k)、ω(k))T」と表記する。)を用い、前回時刻からの移動距離と方位変化を求める。制御部15の位置予測ブロック24は、直前の計測更新ステップで算出された時刻k-1の状態変数ベクトルX^(k-1)に対し、求めた移動距離と方位変化を加えて、時刻kの自車位置の予測値(「予測位置」とも呼ぶ。)X-(k)を算出する。また、これと同時に、予測位置X-(k)の誤差分布に相当する共分散行列「P-(k)」を、直前の計測更新ステップで算出された時刻k-1での共分散行列「P^(k-1)」から算出する。
計測更新ステップでは、制御部15のランドマーク探索・抽出ブロック25は、地図DB10に登録されたランドマークの位置ベクトルとライダ2のスキャンデータとの対応付けを行う。そして、制御部15のランドマーク探索・抽出ブロック25は、この対応付けができた場合に、対応付けができたランドマークのライダ2による計測値「Z(k)」と、予測位置X-(k)及び地図DB10に登録されたランドマークの位置ベクトルを用いてライダ2による計測処理をモデル化して求めたランドマークの計測値(「計測予測値」と呼ぶ。)「Z-(k)」とをそれぞれ取得する。計測値Z(k)は、時刻kにライダ2が計測したランドマークの距離及びスキャン角度から、車両の進行方向と横方向を軸とした成分に変換した車両の座標系(「車両座標系」とも呼ぶ。)におけるベクトル値である。そして、制御部15の位置補正ブロック26は、以下の式(1)に示すように、計測値Z(k)と計測予測値Z-(k)との差分値にカルマンゲイン「K(k)」を乗算し、これを予測位置X-(k)に加えることで、更新された状態変数ベクトル(「推定位置」とも呼ぶ。)X^(k)を算出する。
このように、予測ステップと計測更新ステップが繰り返し実施され、予測位置X-(k)と推定位置X^(k)が逐次的に計算されることにより、もっとも確からしい自車位置が計算される。
ここで、位置推定の精度が向上したか否かは、共分散行列Pの対角要素の値で判断することができる。ここで、時刻「k」のランドマークに対する計測値に基づき算出される共分散行列をP(k)とすると、共分散行列P(k)は、以下の式(2)により表される。
なお、状態変数x、y、zが地図において採用されるグローバル座標系である場合は、以下の式(3)に示すように、現在の推定方位角ψを用いた行列「Cψ(k)」を用いた演算によって車両座標系(X、Y、Z)に変換する。
行列Cψ(k)は以下の式(4)により示される。
(1-3)オブジェクト推奨情報のデータ構造
次に、地図DB10及び配信地図DB20に共通して含まれているオブジェクト推奨情報について説明する。
次に、地図DB10及び配信地図DB20に共通して含まれているオブジェクト推奨情報について説明する。
図6は、オブジェクト推奨情報のデータ構造の一例である。図6に示すように、オブジェクト推奨情報は、「オブジェクトID」、「位置」、及び「オブジェクト推奨値」が対応付けられた情報である。「オブジェクトID」には、ランドマークとなるオブジェクトごとに割り当てられた識別番号であるオブジェクトIDが指定される。オブジェクトIDは、「物体の識別情報」の一例である。「位置」には、対象のランドマークの緯度、経度、及び高度がそれぞれ指定される。「オブジェクト推奨値」には、対象のオブジェクトに対して付与されたオブジェクト推奨値が自車位置推定の状態変数(ここでは、進行方向(x)、横方向(y)、高さ方向(z)、方向(ψ))ごとに指定されている。オブジェクト推奨値は、0から1までの値に設定され、対象の状態変数に対する自車位置推定の推定精度の向上に対する有効性が高いほど1に近付く。
このように、本実施例では、オブジェクトごとに位置推定の有効性(適性)を示したオブジェクト推奨情報が地図DB10に含まれている。これにより、車載機1は、オブジェクト推奨情報を参照し、自車位置推定精度を向上させるオブジェクトを特定することができる。なお、車載機1は、現在位置情報を含む所定の要求信号をサーバ装置6に送信することで、自車位置周辺のオブジェクトに関するオブジェクト推奨情報を含むダウンロード情報Idをサーバ装置6から受信してもよい。この場合、車載機1は、受信したダウンロード情報Idに含まれるオブジェクト推奨情報に基づき、自車位置推定精度を向上させるように車両を制御する。
ここで、オブジェクト推奨情報に基づく車両制御の具体例について説明する。
例えば、車載機1は、現在の自車位置推定結果の横方向の精度が悪い(即ちσy
2(k)が高い)場合、現在位置から所定距離以内に存在するオブジェクトをオブジェクト推奨情報から検索し、検索したオブジェクトのうち対象となる状態変数(ここでは横方向)のオブジェクト推奨値が高いオブジェクトの位置に基づき車両の移動経路を決定してもよい。この場合、例えば、車載機1は、対象のオブジェクトを検出しやすい車線(例えば最も対象のオブジェクトに近い車線)に車両を移動させる。また、車載機1は、上述の車両の制御に加えて、又はこれに代えて、複数のオブジェクトにより自車位置推定を行う場合には、対象となる状態変数のオブジェクト推奨値が高いオブジェクトの計測値の重み付けを大きくしてカルマンフィルタ等を計算してもよい。また、車載機1は、対象となる状態変数のオブジェクト推奨値が高いオブジェクトが現在位置周辺に存在しない場合には、位置推定方式の切替え(例えはデッドレコニングによる位置推定又は後述の第2実施例の位置推定方式への切替え)を行ってもよい。
(1-4)アップロード情報のデータ構造
次に、アップロード情報Iuのデータ構造の具体例について説明する。
次に、アップロード情報Iuのデータ構造の具体例について説明する。
図7は、車載機1が送信するアップロード情報Iuのデータ構造の概要を示す図である。図7に示すように、アップロード情報Iuは、ヘッダ情報と、走行経路情報と、イベント情報と、メディア情報とを含む。
ヘッダ情報は、「バージョン」、「送信元」、「車両メタデータ」の各項目を含む。車載機1は、「バージョン」に、使用されるアップロード情報Iuのデータ構造のバージョンの情報を指定し、「送信元」には、アップロード情報Iuを送信する会社名(車両のOEM名又はシステムベンダー名)の情報を指定する。また、車載機1は、「車両メタデータ」に、車両の属性情報(例えば車両種別、車両ID、車幅、車高等)を指定する。走行経路情報は、「位置推定」の項目を含む。車載機1は、この「位置推定」には、位置推定時刻を示すタイムスタンプ情報の他、推定した車両の位置を示す緯度、経度、標高の情報、及びこれらの推定精度に関する情報などを指定する。
イベント情報は、「オブジェクト認識イベント」の項目を含む。車載機1は、オブジェクト認識イベントを検知した場合に、その検知結果となる情報を「オブジェクト認識イベント」に指定する。メディア情報は、ライダ2などの外界センサの出力データ(検出情報)である生データを送信する際に使用されるデータタイプである。
図8は、イベント情報に含まれる「オブジェクト認識イベント」のデータ構造を示す。図8は、「オブジェクト認識イベント」に含まれる要素(サブ項目)ごとに、各要素に対応する情報の指定が必須であるか任意であるかの情報を示している。
図8に示すように、「オブジェクト認識イベント」は、「タイムスタンプ」、「オブジェクトID」、「オフセット位置」、「オブジェクトタイプ」、「オブジェクトサイズ」、「オブジェクトサイズ精度」、「メディアID」、「有効フラグ」の各要素を含んでいる。
車載機1の制御部15は、ライダ2などの外界センサの出力に基づきオブジェクトを検出した場合に、図8に示すデータ構造を有する「オブジェクト認識イベント」のイベント情報を生成する。ここで、車載機1は、「タイムスタンプ」にはオブジェクト検出時の時刻を指定し、「オブジェクトID」には、検出したオブジェクトのオブジェクトIDを指定する。
また、「オフセット位置」には、車載機1は、検出したオブジェクトの車両からの相対位置(例えば緯度差及び経度差等)の情報を指定する。「オブジェクトタイプ」には、車載機1は、検出したオブジェクトの種別を示す情報を指定する。また、車載機1は、検出したオブジェクトのサイズ情報及び当該サイズの精度情報を生成できた場合には、これらの情報を、「オブジェクトサイズ」、「オブジェクトサイズ精度」の各要素に指定する。また、車載機1は、センサ部7が出力した画像、ビデオ、点群データなどの生データを送信する必要がある場合に、当該生データに対して付与した識別情報を、「メディアID」に指定する。そして、「メディアID」の要素で指定されたメディア(生データ)の詳細情報等については、「メディア情報」の項目に別途格納される。
「有効フラグ」には、車載機1は、対象のオブジェクトを用いて自車位置推定を行った場合の位置推定の精度向上の有効性を示す有効フラグを、自車位置推定において推定する状態変数ごとに指定する。例えば、車載機1は、対象のオブジェクトを用いて自車位置推定を行う前の共分散行列Pの対角要素(「推定前対角要素」とも呼ぶ。)σx
2、σy
2、σz
2、σψ
2と、対象のオブジェクトを用いて自車位置推定を行った後の共分散行列Pの対角要素(「推定後対角要素」とも呼ぶ。)σx
2、σy
2、σz
2、σψ
2とをそれぞれ状態変数ごとに比較する。そして、車載機1は、推定前対角要素よりも推定後対角要素が小さい(即ち精度が向上した)状態変数の有効フラグを「1」とし、推定前対角要素よりも推定後対角要素が大きい(即ち精度が低下した)状態変数の有効フラグを「0」とする。
ここで、有効フラグの具体的な設定例について図9~図12を参照して説明する。
図9は、車載機1を搭載した車両周辺を表す俯瞰図である。また、図10は、オブジェクトID「1」、「2」、「3」の各オブジェクトの検出結果を示すアップロード情報Iuにおいて車載機1が指定した有効フラグの設定値の例を示す。さらに、図11は、オブジェクトID「1」の白線51に基づく自車位置推定の実行期間「Tw1」~「Tw4」を含む所定期間での対角要素σy
2の推移を示すグラフであり、図12は、オブジェクトID「2」の標識52に基づく自車位置推定の実行期間「Tw5」を含む所定期間での対角要素σx
2の推移を示すグラフである。
まず、車載機1は、地図DB10に登録されているオブジェクトの位置情報及びサイズ情報等を参照し、ランドマークとなるオブジェクトID「1」の白線51、オブジェクトID「2」の標識52及びオブジェクトID「3」の標識53が存在すると推定される領域に対し、それぞれのオブジェクトを検出する範囲を定める予測ウィンドウ「Wp1」~「Wp3」を図9に示すように設定する。
そして、車載機1は、予測ウィンドウWp1内でオブジェクトID「1」の白線51を検出し、白線51に基づき自車位置推定を行う。この場合、図11に示すように、白線51に基づく自車位置推定の実行期間Tw1~Tw4の各終期では、対応する始期と比べて、対角要素σy
2が減少している。すなわち、白線51に基づく自車位置推定後に、横方向(y)の位置推定精度が向上している。よって、この場合、車載機1は、図10に示すように、横方向(y)の有効フラグを「1」に設定する。一方、車載機1は、他の対角要素σx
2、σz
2、σψ
2については、実行期間Tw1~Tw4の前後において減少していない場合は、進行方向、高さ方向、方位の各有効フラグを「0」に設定する。なお、車載機1は、対象の状態変数に対する推定前対角要素からの推定後対角要素の減少幅が所定の閾値以上である場合に、対象の状態変数に対する有効フラグを「1」に設定し、上述の減少幅が所定の閾値未満である場合に、対象の状態変数に対する有効フラグを「0」に設定するとしてもよい。そして、車載機1は、白線51のオブジェクトID及び設定した有効フラグを含むアップロード情報Iuを生成し、サーバ装置6へ送信する。
また、車載機1は、予測ウィンドウWp2内でオブジェクトID「2」の標識52を検出し、標識52に基づき自車位置推定を行う。この場合、図12に示すように、標識52に基づく自車位置推定の実行期間Tw5の終期では、対応する始期と比べて、対角要素σx
2が減少している。すなわち、標識52に基づく自車位置推定後に、進行方向(x)の位置推定精度が向上している。よって、この場合、車載機1は、図10に示すように、進行方向(x)の有効フラグを「1」に設定する。同様に、車載機1は、対角要素σz
2及び対角要素σψ
2についても、実行期間Tw5の前後において減少した場合は、高さ方向、方位の各有効フラグを「1」に設定する。一方、車載機1は、対角要素σy
2については、実行期間Tw5の前後において減少していない場合は、横方向の有効フラグを「0」に設定する。そして、車載機1は、標識52のオブジェクトID及び設定した有効フラグを含むアップロード情報Iuを生成し、サーバ装置6へ送信する。
一方、車載機1は、オブジェクトID「3」の標識53については、障害物54、55に起因したオクルージョンが発生し、予測ウィンドウWp3内で検出できていない。この場合、車載機1は、オブジェクトID「3」の各状態変数の有効フラグを「0」に設定する。そして、車載機1は、標識53のオブジェクトID及び設定した有効フラグを含むアップロード情報Iuを生成し、サーバ装置6へ送信する。
(1-5)オブジェクト推奨値の算出
次に、各オブジェクトに対するオブジェクト推奨値の算出方法について説明する。サーバ装置6は、各車載機1から受信したアップロード情報Iuに含まれる有効フラグに基づき、オブジェクトごと、かつ、状態変数ごとにオブジェクト推奨値を算出する。
次に、各オブジェクトに対するオブジェクト推奨値の算出方法について説明する。サーバ装置6は、各車載機1から受信したアップロード情報Iuに含まれる有効フラグに基づき、オブジェクトごと、かつ、状態変数ごとにオブジェクト推奨値を算出する。
例えば、サーバ装置6は、各オブジェクトIDの状態変数ごとの有効フラグ情報の集計数(サンプル数)を「S1」とし、各オブジェクトIDの状態変数ごとの有効フラグの値(0又は1)の総和を「S2」とすると、各オブジェクトIDの状態変数ごとのオブジェクト推奨値を、「S2/S1」に設定する。例えば、各オブジェクトID「1」の進行方向に対する有効フラグを含むアップロード情報Iuを100回分各車載機1から受信し、これらの有効フラグの総和が70であった場合、車載機1は、オブジェクトID「1」の進行方向に対するオブジェクト推奨値を「0.7」(=70/100)に設定する。横方向、高さ方向及び方位のオブジェクト推奨値についても同様に算出可能である。
このようにすることで、サーバ装置6は、各オブジェクトIDの状態変数ごとのオブジェクト推奨値が0から1までの値域となるように好適に設定することができる。また、この場合、オクルージョンや降雨降雪の影響などで検出されなかったオブジェクトのオブジェクト推奨値は小さくなり、検出されたオブジェクトであっても位置推定に有効であったと判断された割合が低いオブジェクトのオブジェクト推奨値も小さくなる。一方、位置推定に有効であったと判断された割合が高いオブジェクトのオブジェクト推奨値は高くなる。
好適には、サーバ装置6は、上記オブジェクト推奨値の計算を、過去所定時間分(例えば10分間)に受信したアップロード情報Iuの有効フラグを用いて行うとよい。これにより、サーバ装置6は、収集した最新の有効フラグに基づき的確にオブジェクト推奨値を設定または更新することができる。
また、対象のオブジェクトを検出可能な道路の交通量が多いほど、有効フラグを含むアップロード情報Iuを短時間で多く収取できるため、サーバ装置6は、道路の交通量に応じて上記所定時間を設定するとよい。例えば、サーバ装置6は、交通量が多い道路上で検出可能なオブジェクトに対しては上述の所定時間を10分に設定し、交通量が少ない道路上で検出可能なオブジェクトに対しては上述の所定時間を1時間に設定するとよい。他の例では、サーバ装置6は、対象のオブジェクトに関して過去に取得した最新の所定個数分のアップロード情報Iuに含まれる有効フラグに基づき対象のオブジェクトのオブジェクト推奨値を算出してもよい。この場合、値S1は上述の所定個数となるため、車載機1は、一定のサンプル数により好適にオブジェクト推奨値を算出することができる。
(1-6)処理フロー
図13は、有効フラグを含むアップロード情報Iu、およびオブジェクト推奨情報を含むダウンロード情報Idの送受信に関する処理の概要を示すフローチャートの一例である。
図13は、有効フラグを含むアップロード情報Iu、およびオブジェクト推奨情報を含むダウンロード情報Idの送受信に関する処理の概要を示すフローチャートの一例である。
まず、車載機1は、地図DB10を参照し、ランドマークとなるオブジェクトが存在する場合に、当該オブジェクトを検出するための予測ウィンドウを設定する(ステップS101)。そして、車載機1は、対象のオブジェクトを検出したか否か判定する(ステップS102)。そして、車載機1は、対象のオブジェクトを検出した場合(ステップS102;Yes)、当該オブジェクトに基づく自車位置推定の前後での位置推定の精度向上の有無を状態変数ごとに判定することで、状態変数ごとに有効フラグを設定する(ステップS103)。一方、車載機1は、対象のオブジェクトを検出できなかった場合(ステップS102;No)、当該オブジェクトに対する各状態変数の有効フラグを0に設定する(ステップS104)。そして、車載機1は、対象のオブジェクトのオブジェクトID及び有効フラグを含むアップロード情報Iuをサーバ装置6へ送信する(ステップS105)。
サーバ装置6は、ステップS105で送信されたアップロード情報Iuを受信し、アップロード情報DB27にアップロード情報Iuを蓄積する(ステップS201)。そして、サーバ装置6は、配信地図DB20の更新タイミングであるか否か判定する(ステップS202)。上述の更新タイミングは、配信地図DB20の前回更新時からの時間長に基づいて判定されてもよく、配信地図DB20の前回更新時から受信したアップロード情報Iuの累積受信数に基づいて判定されてもよい。
そして、サーバ装置6は、配信地図DB20の更新タイミングである場合(ステップS202;Yes)、アップロード情報DB27を参照してオブジェクト推奨情報等を生成し、生成したオブジェクト推奨情報等を用いて配信地図DB20を更新する(ステップS203)。そして、サーバ装置6は、ステップS203において生成したオブジェクト推奨情報等を含むダウンロード情報Idを各車載機1に対して送信する(ステップS204)。なお、サーバ装置6は、ダウンロード情報Idの送信要求があった車載機1に対してのみダウンロード情報Idを送信してもよい。一方、サーバ装置6は、配信地図DB20の更新タイミングではない場合(ステップS202;No)、引き続きステップS201を実行する。
車載機1は、ダウンロード情報Idを受信した場合(ステップS106;Yes)、当該ダウンロード情報Idを用いて地図DB10を更新する(ステップS107)。これにより、地図DB10には、最新のオブジェクト推奨情報が記録される。一方、車載機1は、サーバ装置6からダウンロード情報Idを受信していない場合(ステップS106;No)、ステップS101へ処理を戻す。
<第2実施例>
第2実施例に係る運転支援システムでは、3次元空間を複数の領域に分割した場合の単位領域(「ボクセル」とも呼ぶ。)ごとに静止構造物の位置情報等を記録したボクセルデータが地図DB10及び配信地図DB20に記録されており、車載機1は、ボクセルデータを用いて自車位置推定を行う。この場合、地図DB10及び配信地図DB20には、オブジェクト推奨情報に代えて、位置推定に用いることに対する推奨値がボクセルごとに示された情報(「ボクセル推奨情報」とも呼ぶ。)が含まれている。以後では、第1実施例の運転支援システムと同様の構成要素については適宜同一符号を付し、その説明を省略する。
第2実施例に係る運転支援システムでは、3次元空間を複数の領域に分割した場合の単位領域(「ボクセル」とも呼ぶ。)ごとに静止構造物の位置情報等を記録したボクセルデータが地図DB10及び配信地図DB20に記録されており、車載機1は、ボクセルデータを用いて自車位置推定を行う。この場合、地図DB10及び配信地図DB20には、オブジェクト推奨情報に代えて、位置推定に用いることに対する推奨値がボクセルごとに示された情報(「ボクセル推奨情報」とも呼ぶ。)が含まれている。以後では、第1実施例の運転支援システムと同様の構成要素については適宜同一符号を付し、その説明を省略する。
(2-1)ボクセルデータに基づく位置推定
ボクセルデータは、各ボクセル内の静止構造物の計測された点群データを正規分布により表したデータを含み、NDT(Normal Distributions Transform)を用いたスキャンマッチングに用いられる。
ボクセルデータは、各ボクセル内の静止構造物の計測された点群データを正規分布により表したデータを含み、NDT(Normal Distributions Transform)を用いたスキャンマッチングに用いられる。
図14は、ボクセルデータに基づく位置推定における自車位置推定部17の一例を示している。図5に示した拡張カルマンフィルタに基づく位置推定における自車位置推定部17との違いは、ランドマーク探索・抽出部25の代わりに、ライダ2より得られた点群データと地図DBから取得したボクセルを対応付けする処理として、点群データ対応付けブロック27が設けられていることである。
図15は、ボクセルデータの概略的なデータ構造の一例を示す。ボクセルデータは、ボクセル内の点群を正規分布で表現する場合のパラメータの情報を含み、本実施例では、図15に示すように、ボクセルIDと、ボクセル座標と、平均ベクトルと、共分散行列とを含む。ここで、「ボクセル座標」は、各ボクセルの中心位置などの基準となる位置の絶対的な3次元座標を示す。なお、各ボクセルは、空間を格子状に分割した立方体であり、予め形状及び大きさが定められているため、ボクセル座標により各ボクセルの空間を特定することが可能である。ボクセル座標は、ボクセルIDとして用いられてもよい。ボクセルIDは、「物体の識別情報」の一例である。
「平均ベクトル」及び「共分散行列」は、対象のボクセル内での点群を正規分布で表現する場合のパラメータに相当する平均ベクトル及び共分散行列を示し、任意のボクセル「n」内の任意の点「i」の座標をXn(i)=[xn(i)、yn(i)、zn(i)]Tと定義し、ボクセルn内での点群数を「Nn」とすると、ボクセルnでの平均ベクトル「μn」及び共分散行列「Vn」は、それぞれ以下の式(5)及び式(6)により表される。
また、ライダ2により得られた点群データに対して、マッチングさせるべきボクセルとの対応付けを行い、対応するボクセルnでの任意の点の座標をXL(i)=[xn(i)、yn(i)、zn(i)]Tとすると、ボクセルnでのXL(i)の平均値「L´n」は、以下の式(7)により表される。
(2-2)データ構造
次に、地図DB10及び配信地図DB20に共通して含まれているボクセル推奨情報について説明する。
次に、地図DB10及び配信地図DB20に共通して含まれているボクセル推奨情報について説明する。
図16は、ボクセル推奨情報のデータ構造の一例である。図16に示すように、ボクセル推奨情報は、「ボクセルID」、「位置」、及び「ボクセル推奨値」が対応付けられた情報である。「ボクセルID」には、それぞれのボクセルに割り当てられたボクセルIDが指定される。「位置」には、対象のボクセルのボクセル座標(緯度、経度、及び高度、あるいは基準点からのxyz座標)がそれぞれ指定される。「ボクセル推奨値」には、対象のボクセルを位置推定に用いることに対する推奨値であるボクセル推奨値が指定されている。ここでは、ボクセル推奨値は、0から1までの値に設定され、位置推定精度の向上に対する有効性が高いほど1に近付く。
このように、本実施例では、ボクセルごとに位置推定の有効性(適性)を示したボクセル推奨情報が地図DB10に含まれている。これにより、車載機1は、第1実施例のオブジェクト推奨情報を用いる場合と同様に、ボクセル推奨情報を参照することで、自車位置推定精度を向上させるように車両を制御することができる。例えば、車載機1は、現在の自車位置推定の精度が悪い(即ち総合評価関数値E(k)が低い)場合、ボクセル推奨値が高いボクセルを検出しやすい車線に車両を移動させたり、NDTマッチングにおいてボクセル推奨値が高いボクセルの重み付けを高くしたりする。また、車載機1は、ボクセル推奨値が高いボクセルが周辺に存在しない場合には、位置推定方式を切り替えてもよい。
なお、車載機1は、現在位置情報を含む所定の要求信号をサーバ装置6に送信することで、自車位置周辺のボクセルに関するボクセル推奨情報を含むダウンロード情報Idをサーバ装置6から受信してもよい。この場合、車載機1は、受信したダウンロード情報Idに基づき、自車位置推定精度を向上させるように車両を制御する。
また、第2実施例では、車載機1は、有効フラグに代えて、対象のボクセルの自車位位置推定精度向上への有効性を示す値(「有効値」とも呼ぶ。)を決定する。以下では、車載機1は、対象のボクセルの個別評価関数値Enを上述の有効値として定める。そして、車載機1は、アップロード情報Iuとして、ボクセルIDごとに有効値を関連付けた情報を少なくとも含むアップロード情報Iuをサーバ装置6に送信する。有効値は、「有効性情報」の一例である。
ここで、個別評価関数値Enは、マッチング度合いが高いと1に近づき,マッチング度合いが低いと0に近くなる。そして、個別評価関数値Enが大きいボクセルほど,総合評価関数値E(k)を高めるのに貢献しているため,有効性が高いと言える。よって、各ボクセルの個別評価関数値Enは、各ボクセルの有効値として好適である。
ここで、有効値の具体的な設定例について、図17~図20を参照して説明する。
図17は、車載機1を搭載した車両周辺を表す俯瞰図である。ここでは、車両から所定距離以内にボクセルID「1」~「35」のボクセルが存在している。なお、ボクセルID「1」~「35」のボクセルは、オブジェクト56~58の表面に位置する。図18は、ボクセルID「1」~「35」の検出結果を示すアップロード情報Iuにおいて車載機1が指定した有効値の設定例を示す。さらに、図19は、ボクセルID「4」の検出期間「Tw6」を含む所定期間でのボクセルID「4」に対する個別評価関数値E4の推移を示すグラフであり、図20は、ボクセルID「12」の検出期間「Tw7」を含む所定期間でのボクセルID「12」に対する個別評価関数値E12の推移を示すグラフである。
まず、車載機1は、車両から所定距離以内に存在するボクセルID「1」~「35」のボクセルデータを地図DB10から取得し、ライダ2による計測を実施する。その結果、車載機1は、オブジェクト56の表面に位置するボクセルID「4」~「11」のボクセル、及び、オブジェクト57の表面に位置するボクセルID「12」~「19」のボクセルを同一又は異なるタイミングにおいて検出し、NDTマッチングによる自車位置推定を行う。そして、車載機1は、NDTマッチングによる自車位置推定において算出した各ボクセルの個別評価関数値Enを、対応するボクセルIDの有効値として設定する。
このとき、好適には、車載機1は、各ボクセルIDに対応する有効値を、各ボクセルIDのボクセルを検出した期間において算出された個別評価関数値Enの平均値に定めるとよい。例えば、ボクセルID「4」の場合、図19に示すように、車載機1は、検出期間Tw6で算出された個別評価関数値E4の平均値を、ボクセルID「4」に対する有効値として設定する。同様に、ボクセルID「12」の場合、図20に示すように、車載機1は、検出期間Tw7で算出された個別評価関数値E12の平均値を、ボクセルID「12」に対する有効値として設定する。なお、上記の検出期間は、対象とするボクセルを検出した時刻のすべてを検出期間としてもよく、対象ボクセルを所定距離範囲内で検出した時刻のみを検出期間としてもよい。
一方、車載機1は、外壁修繕で養生シートが張られているビルに相当するオブジェクト58の表面に位置するボクセルID「22」~「31」のボクセルについては、上述の養生シートの存在により計測値がずれたため、検出できていない。よって、この場合、車載機1は、ボクセルID「22」~「31」に対応する有効値を0に設定する。そして、車載機1は、例えば、図18に示すボクセルIDと有効値との組み合わせを示すアップロード情報Iuを生成し、サーバ装置6へ送信する。
(2-3)ボクセル推奨値の算出
次に、各ボクセルに対するボクセル推奨値の算出方法について説明する。サーバ装置6は、各車載機1から受信したアップロード情報Iuに含まれるボクセルIDごとの有効値に基づき、ボクセルIDごとにボクセル推奨値を算出する。
次に、各ボクセルに対するボクセル推奨値の算出方法について説明する。サーバ装置6は、各車載機1から受信したアップロード情報Iuに含まれるボクセルIDごとの有効値に基づき、ボクセルIDごとにボクセル推奨値を算出する。
例えば、サーバ装置6は、各ボクセルIDの有効値情報の集計数(サンプル数)を「S3」とし、各ボクセルIDの有効値の総和を「S4」とすると、各ボクセルIDのボクセル推奨値を、「S4/S3」に設定する。例えば、各ボクセルID「1」の有効値を含むアップロード情報Iuを100回分各車載機1から受信し、これらの有効値の総和が70.0であった場合、車載機1は、ボクセルID「1」に対するボクセル推奨値を「0.7」(=70.0/100)に設定する。
このようにすることで、サーバ装置6は、各ボクセルIDのボクセル推奨値が0から1までの値域となるように好適に設定することができる。また、この場合、オクルージョンや降雨降雪の影響などで検出されなかったボクセルのボクセル推奨値は小さくなり、検出されたボクセルであっても個別評価関数値Enが統計的に低かった(言い換えると位置推定に有効でなかった)ボクセルのボクセル推奨値も小さくなる。一方、個別評価関数値Enが統計的に高かった(言い換えると位置推定に有効であった)ボクセルのボクセル推奨値は高くなる。
好適には、サーバ装置6は、上記ボクセル推奨値の計算を、過去所定時間分(例えば10分間)に受信したアップロード情報Iuの有効値を用いて行うとよい。さらに好適には、サーバ装置6は、上記所定時間を、対象のボクセルを検出可能な道路の交通量が多いほど短く設定するとよい。他の例では、サーバ装置6は、対象のボクセルに関して過去に取得した最新の所定個数分のアップロード情報Iuに含まれる有効値に基づき対象のボクセルのボクセル推奨値を算出してもよい。この場合、値S3は上述の所定個数分となるため、車載機1は、一定のサンプル数により好適にボクセル推奨値を算出することができる。
(2-4)処理フロー
図21は、有効値を含むアップロード情報Iu、およびボクセル推奨情報を含むダウンロード情報Idの送受信に関する処理の概要を示すフローチャートの一例である。
図21は、有効値を含むアップロード情報Iu、およびボクセル推奨情報を含むダウンロード情報Idの送受信に関する処理の概要を示すフローチャートの一例である。
まず、車載機1は、地図DB10を参照し、ライダ2により検出可能な位置に存在するボクセルのボクセルデータを取得する(ステップS111)。そして、車載機1は、ステップS111でボクセルデータを取得した各ボクセルのライダ2による検出の有無及びボクセルごとの個別評価関数値Enに基づき、ボクセルIDごとの有効値を設定する(ステップS112)。この場合、車載機1は、ライダ2により点群データを取得できなかったボクセルのボクセルIDに対する有効値を0とし、ライダ2により点群データを取得できたボクセルのボクセルIDに対する有効値を当該ボクセルの個別評価関数値Enに設定する。そして、車載機1は、ボクセルIDごとに有効値を対応付けたアップロード情報Iuをサーバ装置6へ送信する(ステップS113)。
サーバ装置6は、ステップS113で送信されたアップロード情報Iuを受信し、アップロード情報DB27にアップロード情報Iuを蓄積する(ステップS211)。そして、サーバ装置6は、配信地図DB20の更新タイミングである場合(ステップS212;Yes)、アップロード情報DB27を参照してボクセル推奨情報等を生成し、生成したボクセル推奨情報等を用いて配信地図DB20を更新する(ステップS213)。そして、サーバ装置6は、ステップS213において生成したボクセル推奨情報等を含むダウンロード情報Idを各車載機1に対して送信する(ステップS214)。なお、サーバ装置6は、ダウンロード情報Idの送信要求があった車載機1に対してのみダウンロード情報Idを送信してもよい。一方、サーバ装置6は、配信地図DB20の更新タイミングではない場合(ステップS212;No)、引き続きステップS211を実行する。
車載機1は、ダウンロード情報Idを受信した場合(ステップS114;Yes)、当該ダウンロード情報Idを用いて地図DB10を更新する(ステップS115)。これにより、地図DB10には、最新のボクセル推奨情報が記録される。一方、車載機1は、サーバ装置6からダウンロード情報Idを受信していない場合(ステップS114;No)、ステップS111へ処理を戻す。
<変形例>
以下、第1及び第2実施例に好適な変形例について説明する。以下の変形例は、組み合わせてこれらの実施例に適用してもよい。
以下、第1及び第2実施例に好適な変形例について説明する。以下の変形例は、組み合わせてこれらの実施例に適用してもよい。
(変形例1)
車載機1がオブジェクト推奨情報またはボクセル推奨情報を含む地図DB10を参照して車両の経路(目標軌道)を決定する代わりに、車載機1から経路探索要求を受信したサーバ装置6がオブジェクト推奨情報またはボクセル推奨情報を含む配信地図DB20を参照して要求元の車載機1の車両の経路(目標軌道)を決定する処理を行ってもよい。このように、オブジェクト推奨情報及びボクセル推奨情報は、サーバ装置6によっても好適に用いられる。
車載機1がオブジェクト推奨情報またはボクセル推奨情報を含む地図DB10を参照して車両の経路(目標軌道)を決定する代わりに、車載機1から経路探索要求を受信したサーバ装置6がオブジェクト推奨情報またはボクセル推奨情報を含む配信地図DB20を参照して要求元の車載機1の車両の経路(目標軌道)を決定する処理を行ってもよい。このように、オブジェクト推奨情報及びボクセル推奨情報は、サーバ装置6によっても好適に用いられる。
(変形例2)
図1に示す運転支援システムの構成は一例であり、本発明が適用可能な運転支援システムの構成は図1に示す構成に限定されない。例えば、運転支援システムは、車載機1を有する代わりに、車両の電子制御装置が車載機1の自車位置推定部17及びアップロード制御部18の処理を実行してもよい。この場合、地図DB10は、例えば車両内の記憶部に記憶され、車両の電子制御装置は、サーバ装置6とのアップロード情報Iu及びダウンロード情報Idの授受を、車載機1を介して又は図示しない通信部を介して行ってもよい。
図1に示す運転支援システムの構成は一例であり、本発明が適用可能な運転支援システムの構成は図1に示す構成に限定されない。例えば、運転支援システムは、車載機1を有する代わりに、車両の電子制御装置が車載機1の自車位置推定部17及びアップロード制御部18の処理を実行してもよい。この場合、地図DB10は、例えば車両内の記憶部に記憶され、車両の電子制御装置は、サーバ装置6とのアップロード情報Iu及びダウンロード情報Idの授受を、車載機1を介して又は図示しない通信部を介して行ってもよい。
1 車載機
2 ライダ
3 ジャイロセンサ
4 車速センサ
5 GPS受信機
6 サーバ装置
10 地図DB
20 配信地図DB
2 ライダ
3 ジャイロセンサ
4 車速センサ
5 GPS受信機
6 サーバ装置
10 地図DB
20 配信地図DB
Claims (1)
- 物体の識別情報と、前記物体を用いた前記移動体の位置推定の精度向上の有効性に関する有効性情報とに基づき生成された、前記物体を用いた前記移動体の位置推定に対する推奨値を示す推奨値情報を、前記物体の位置情報と関連付けて、地図データを生成する生成部を有する地図データ生成装置。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2022116141A JP2022136145A (ja) | 2018-03-27 | 2022-07-21 | データ構造、情報処理装置、及び地図データ生成装置 |
JP2023172445A JP2023174739A (ja) | 2018-03-27 | 2023-10-04 | データ構造、情報処理装置、及び地図データ生成装置 |
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018060531A JP2019174194A (ja) | 2018-03-27 | 2018-03-27 | データ構造、情報処理装置、及び地図データ生成装置 |
JP2022116141A JP2022136145A (ja) | 2018-03-27 | 2022-07-21 | データ構造、情報処理装置、及び地図データ生成装置 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018060531A Division JP2019174194A (ja) | 2018-03-27 | 2018-03-27 | データ構造、情報処理装置、及び地図データ生成装置 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023172445A Division JP2023174739A (ja) | 2018-03-27 | 2023-10-04 | データ構造、情報処理装置、及び地図データ生成装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2022136145A true JP2022136145A (ja) | 2022-09-15 |
Family
ID=68168591
Family Applications (3)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018060531A Ceased JP2019174194A (ja) | 2018-03-27 | 2018-03-27 | データ構造、情報処理装置、及び地図データ生成装置 |
JP2022116141A Pending JP2022136145A (ja) | 2018-03-27 | 2022-07-21 | データ構造、情報処理装置、及び地図データ生成装置 |
JP2023172445A Pending JP2023174739A (ja) | 2018-03-27 | 2023-10-04 | データ構造、情報処理装置、及び地図データ生成装置 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018060531A Ceased JP2019174194A (ja) | 2018-03-27 | 2018-03-27 | データ構造、情報処理装置、及び地図データ生成装置 |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2023172445A Pending JP2023174739A (ja) | 2018-03-27 | 2023-10-04 | データ構造、情報処理装置、及び地図データ生成装置 |
Country Status (1)
Country | Link |
---|---|
JP (3) | JP2019174194A (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112731434A (zh) * | 2020-12-15 | 2021-04-30 | 武汉万集信息技术有限公司 | 基于激光雷达和标识物的定位方法、系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015108604A (ja) * | 2013-12-06 | 2015-06-11 | 日立オートモティブシステムズ株式会社 | 車両位置推定システム,装置,方法、及び、カメラ装置 |
-
2018
- 2018-03-27 JP JP2018060531A patent/JP2019174194A/ja not_active Ceased
-
2022
- 2022-07-21 JP JP2022116141A patent/JP2022136145A/ja active Pending
-
2023
- 2023-10-04 JP JP2023172445A patent/JP2023174739A/ja active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2015108604A (ja) * | 2013-12-06 | 2015-06-11 | 日立オートモティブシステムズ株式会社 | 車両位置推定システム,装置,方法、及び、カメラ装置 |
Also Published As
Publication number | Publication date |
---|---|
JP2019174194A (ja) | 2019-10-10 |
JP2023174739A (ja) | 2023-12-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2018181974A1 (ja) | 判定装置、判定方法、及び、プログラム | |
JPWO2018221453A1 (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
JP7155284B2 (ja) | 計測精度算出装置、自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
JP2023153955A (ja) | 地図作成装置、制御方法、プログラム及び記憶媒体 | |
JP6980010B2 (ja) | 自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
JP2023075184A (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
JP2022176322A (ja) | 自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
JP2023054314A (ja) | 情報処理装置、制御方法、プログラム及び記憶媒体 | |
JP2023164553A (ja) | 位置推定装置、推定装置、制御方法、プログラム及び記憶媒体 | |
JP2023078138A (ja) | 出力装置、制御方法、プログラム及び記憶媒体 | |
JP2023174739A (ja) | データ構造、情報処理装置、及び地図データ生成装置 | |
JP2019174191A (ja) | データ構造、情報送信装置、制御方法、プログラム及び記憶媒体 | |
WO2018212302A1 (ja) | 自己位置推定装置、制御方法、プログラム及び記憶媒体 | |
WO2019188820A1 (ja) | 情報送信装置、データ構造、制御方法、プログラム及び記憶媒体 | |
WO2019188877A1 (ja) | 情報送信装置、データ構造、制御方法、プログラム及び記憶媒体 | |
JP2020046411A (ja) | データ構造、記憶装置、端末装置、サーバ装置、制御方法、プログラム及び記憶媒体 | |
WO2019188874A1 (ja) | データ構造、情報処理装置、及び地図データ生成装置 | |
CN113874681B (zh) | 点云地图质量的评估方法和系统 | |
JP2019174675A (ja) | データ構造、地図データ生成装置、制御方法、プログラム及び記憶媒体 | |
JP2020046413A (ja) | データ構造、記憶装置、端末装置、サーバ装置、制御方法、プログラム及び記憶媒体 | |
JP6923750B2 (ja) | 自己位置推定装置、自己位置推定方法、プログラム及び記憶媒体 | |
JP2019168985A (ja) | 制御装置、制御方法、プログラム及び記憶媒体 | |
WO2021112078A1 (ja) | 情報処理装置、制御方法、プログラム及び記憶媒体 | |
JP2022128469A (ja) | 情報処理装置、制御方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220721 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20230110 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20230704 |