JP2022175366A - 地図生成・自己位置推定装置 - Google Patents

Abstract

【課題】事前の学習移動や環境への既知物体の設置、センサの追加なしで、地図生成時に、生成地図を用いた自己位置推定の精度を見積もることができる地図生成・自己位置推定装置を提供することを目的とする。【解決手段】センサの出力を、地図用データ２１０と、位置推定用データ２２０とに割り当て、データ割当方法に基づいて地図用データ２１０と位置推定用データ２２０のデータ間の相対位置の真値を算出するデータ割当部１１０と、地図用データ２１０から、点群と自車の走行位置からなる生成地図を生成する地図生成部１２０と、位置推定用データ２２０と生成地図とを対応づけることで、生成地図上における自車の位置姿勢を推定する自己位置推定部１３０と、データ間の相対位置の真値から、自己位置推定部１３０が推定した生成地図上における自車の位置姿勢の精度を評価する精度評価部１４０と、を備える。【選択図】図１

Description

本発明は、地図生成・自己位置推定装置に関する。

自動運転・運転支援システムの適用範囲を拡大するためには、自己位置推定に基づく地図からの情報取得が重要である。しかし、高速道路においては、自動運転・運転支援システム用の地図が整備されているが、一般道や自宅周辺などの住宅街における地図整備の目途はたっていない。これに対して、初回の走行時に周囲の物体に関するデータと走行経路からなる地図を自己生成し、次回以降の走行時に生成地図上で自車の位置姿勢を推定する手法が存在するが、生成された地図によっては自己位置推定の誤差が大きくなり、自動運転・運転支援システムに用いることができないという問題がある。これに対して、特許文献１には、「自己位置推定装置は、第１自己位置推定部と、第２自己位置推定部と、異常発生確率計算式記憶部と、異常発生確率計算部と、最終自己位置推定部と、を備える。第１自己位置推定部は、移動領域の環境地図と、現在のステップで観測された「移動体から移動領域内に存在している物体までの距離」及び「移動体に対する物体の方位」と、を少なくとも用いて移動体の状態の確率分布を最新の状態に更新し、その最新の状態の確率分布に基づいて第１自己位置を推定する。第２自己位置推定部は、最終自己位置推定部で推定された１つ前のステップにおける移動体の最終自己位置に、オドメトリにより取得される、１つ前のステップから現在のステップまでの移動体の移動距離及び移動方向を加算することにより第２自己位置を推定する。異常発生確率計算式記憶部は、移動体の学習移動時において、第１自己位置推定部が第１自己位置を推定した際に取得された学習データを機械学習して得られた異常発生確率計算式を記憶する。異常発生確率計算部は、移動体の本移動時において、第１自己位置推定部が第１自己位置を推定した際に取得される複数の変数を異常発生確率計算式に入力して異常発生確率を計算する。最終自己位置推定部は、第１自己位置推定部から取得される第１自己位置と第２自己位置推定部から取得される第２自己位置とを用いて算出される重み付き平均値を、現在のステップにおける最終自己位置とする。学習データは、学習移動時に第１自己位置推定部において第１自己位置を推定した際に取得される複数の変数と、そのときの第１自己位置推定結果を正常又は異常に分類したときの分類結果と、を関連付けたデータを複数有する。最終自己位置推定部で用いられる重み係数は、異常発生確率計算部で取得される異常発生確率の関数である。」という記載がある。

特許第６４３８３５４号公報

特許文献１に記載されている発明では、事前の学習移動時に取得した学習データを用いて、機械学習により、自己位置推定の異常発生確率を計算することができる。しかし、地図生成・自己位置推定に基づく自動運転・運転支援システムへの適用においては、事前の学習移動が必要であるという問題がある。また、学習移動時に自己位置推定の真値を取得するため、環境への既知物体の設置やセンサの追加が必要であるという問題がある。加えて、異常発生確率は自己位置推定時に計算されるという問題がある。自己位置推定に基づいた自動運転・運転支援システムの動作中に、異常を判定し、システムを停止させることは可能な限り少なくしたい。一方、地図生成・自己位置推定においては、生成された地図が自己位置推定精度に大きな影響を与える。そのため、初回の走行である地図生成時に、生成地図を用いた自己位置推定の精度を見積もる必要がある。

本発明は、上記事情に鑑みてなされたもので、事前の学習移動や環境への既知物体の設置、センサの追加なしで、地図生成時に、生成地図を用いた自己位置推定の精度を見積もることができる地図生成・自己位置推定装置を提供することを目的とする。

本発明の代表的な地図生成・自己位置推定装置の一つを示せば、自車の周囲の環境を計測する外界センサが取得したデータを、地図生成用データと、自己位置推定用データとに割り当てるデータ割当部と、前記地図生成用データに基づき、地図を生成する地図生成部と、前記地図生成部が生成した生成地図と、前記自己位置推定用データとに基づいて、前記生成地図における前記自車の走行位置を推定する自己位置推定部と、を備え、前記データ割当部は、データ割当方法に基づいて前記地図生成用データと前記自己位置推定用データの間の相対位置の真値を算出し、前記地図生成・自己位置推定装置は、前記相対位置の真値と前記自己位置推定部が算出した自己位置推定結果から、自己位置推定の誤差を評価する精度評価部を備えることを特徴とする。

本発明によれば、事前の学習移動や環境への既知物体の設置、センサの追加なしで、地図生成時に、生成地図を用いた自己位置推定の精度を見積もることができる地図生成・自己位置推定装置を実現することが可能である。

上記した以外の課題、構成及び効果は、以下の実施形態の説明により明らかにされる。

第１の実施の形態の地図生成・自己位置推定装置１００のブロック構成を示す図。 データ間の相対位置の真値２３０の一例を示す図。 外界センサ３１０の計測周期毎のデータ割当の処理の流れを示した図。 外界センサ３１０の計測周期毎のデータ割当におけるデータ間の相対位置の真値２３０の一例を示す図。 外界センサ３１０としてステレオカメラ３５０を用いた場合のデータ割当の一例を示した図。 車両が走行した環境の一例を示す図。 地図生成部１２０が生成した生成地図２４０の一例を示す図。 自己位置推定部１３０が推定した自車の位置姿勢２５２の一例を示す図。 精度評価部１４０における精度評価の一例を示す図。 第２の実施の形態の地図生成・自己位置推定装置５００のブロック構成を示す図。 第３の実施の形態の地図生成・自己位置推定装置６００のブロック構成を示す図。

以下、本発明を実施するための形態を図面を用いて説明する。なお、発明を実施するための形態を説明するための全図において、同一の機能を有する部分には同一の符号を付し、その繰り返し説明は省略する場合がある。

［第１の実施の形態］
以下、図１～図９を参照して、地図生成・自己位置推定装置の第１の実施の形態を説明する。なお、地図生成・自己位置推定装置は、CPU(Central Processing Unit)等のプロセッサ、ROM(Read Only Memory)、RAM(Random Access Memory)、HDD(Hard Disk Drive)等のメモリ等を備えるコンピュータとして構成されている。地図生成・自己位置推定装置の各機能は、ROMに記憶されたプログラムをプロセッサが実行することによって実現される。RAMは、プロセッサが実行するプログラムによる演算の中間データ等を含むデータを格納する。

（ブロック構成）
図１は第１の実施の形態の地図生成・自己位置推定装置１００のブロック構成を示す図である。地図生成・自己位置推定装置１００は、センサ群３００（以下、単にセンサ３００と呼ぶ場合がある）の計測データを入力とする。地図生成・自己位置推定装置１００は、データ割当部１１０と、地図生成部１２０と、自己位置推定部１３０と、精度評価部１４０と、を備える。

地図生成・自己位置推定装置１００は、センサ３００の出力から点群（自車周辺物体の計測結果として得られる点の集合）と自車の走行位置からなる地図を生成し、生成地図として保存する。

データ割当部１１０は、センサ３００の出力を、地図用データ（地図生成用データとも称する）２１０と、位置推定用データ（自己位置推定用データとも称する）２２０に割り当てる。また、データ割当部１１０は、データ割当方法に基づいて地図用データ２１０と位置推定用データ２２０のデータ間の相対位置の真値２３０を算出する。地図生成部１２０は、地図用データ２１０から、点群と自車の走行位置からなる生成地図２４０を生成する。自己位置推定部１３０は、位置推定用データ２２０と生成地図２４０とを対応づけることで、生成地図上における自車の位置姿勢を推定する。精度評価部１４０は、データ間の相対位置の真値２３０から、自己位置推定部１３０が推定した生成地図上における自車の位置姿勢の精度を評価する。

（センサの構成）
地図生成・自己位置推定装置１００に計測データを入力するセンサ３００の構成について説明する。センサ３００は、特性が異なる複数のセンサ（３１０、３２０）を含んで構成される。

外界センサ３１０は、車両（自車又は自車両）に搭載され、車両の周囲の環境を計測するセンサである。外界センサ３１０は、たとえば、単眼カメラ、ステレオカメラ、LiDAR、ミリ波レーダー、ソナーなどであり、車両周囲に存在する物体の三次元位置を計測する。なお、単眼カメラを用いる場合には、取得されるデータは画像であり、直接、三次元位置を取得することはできないが、公知のモーションステレオ法などにより、複数の画像を用いることで、三次元位置を計測することが可能である。また、路面の形状を仮定することで、画像中で検出した白線や停止線、横断歩道などの三次元位置を推定しても良い。地図生成・自己位置推定装置１００には１つ以上の任意の数の外界センサの計測結果（外界認識データ）が入力される。

相対位置センサ３２０は、自車の相対位置を出力するセンサである。ただし、外界センサ３１０と同様にセンサの計測結果から自車の相対位置を推定する処理を含む。ここで、相対位置とは、ある時刻の車両の位置姿勢を基準とした位置姿勢を表す。たとえば、相対位置センサ３２０は、車両のステアリング角度とタイヤの回転量から自車の相対的な動きを推定する公知のホイールオドメトリ法でも良い。また、外界センサ３１０であるカメラやLiDARの計測結果から自車の相対的な動きを推定する公知の画像オドメトリ法やLiDARオドメトリ法でも良い。

なお、車両の位置姿勢の基準を車両のどこに設定するかは任意である。本実施例では、車両の位置姿勢の基準を、外界センサ３１０の位置姿勢とする。すなわち、車両の位置姿勢と外界センサ３１０の位置姿勢は同じとする。車両の他の場所を基準とする場合においても、事前の校正により取得した、車両の基準位置姿勢に対する外界センサ３１０の取り付け位置姿勢を用いることで、処理の任意のタイミングで外界センサ３１０の位置姿勢を車両の位置姿勢に変換することができる。したがって、車両の位置姿勢の基準をどこに設定しようとも、適宜位置姿勢を変換することで、本発明を適用することができる。

また、外界センサ３１０が複数存在する場合には、任意のひとつの外界センサ３１０の位置姿勢を車両の位置姿勢の基準とする。事前の校正により取得された複数の外界センサ３１０の間の位置姿勢を用いることで、処理の任意のタイミングで基準とした外界センサ３１０の位置姿勢を他の外界センサ３１０の位置姿勢へ変換することができる。

（地図生成・自己位置推定装置の動作）
図２～図９を用いて、センサ３００の計測データを入力とする地図生成・自己位置推定装置１００の各部における処理の内容について説明する。

（データ割当部の動作）
まず、図２～図５を用いて、データ割当部１１０における処理の内容について説明する。データ割当部１１０は、センサ３００の出力を、地図用データ２１０と、位置推定用データ２２０に割り当てる。また、データ割当部１１０は、データ割当方法に基づいて地図用データ２１０と位置推定用データ２２０のデータ間の相対位置の真値２３０を算出する。

図２はデータ間の相対位置の真値２３０の一例を示す図である。データ間の相対位置の真値２３０は、位置推定用データ２２０の番号、地図用データ２１０の番号、相対位置姿勢の組によって定義される。位置推定用データ２２０の番号、地図用データ２１０の番号は、外界センサ３１０の計測周期毎に設定される番号である。すなわち、各位置推定用データ２２０は、それぞれある地図用データ２１０に対応づけられる。また、相対位置姿勢は、地図用データ２１０の取得時の自車の位置姿勢と、位置推定用データ２２０の取得時の自車の位置姿勢の間の相対位置姿勢である。なお、外界センサ３１０が複数存在する場合には、データ番号は、どの外界センサ３１０により取得されたデータなのかが区別できるように付与される。たとえば、x番目の外界センサ３１０で取得されたy個目のデータにx-yというデータ番号を付与する。

データ間の相対位置の真値２３０は、データの割当方法に基づいて算出される。具体的な算出方法は後述する。

データ割当部１１０によるデータの割当方法は様々な方法が考えられる。以降では、外界センサ３１０の計測周期毎にデータを割り当てる方法と、複数の外界センサ３１０が存在する場合に外界センサ毎にデータを割り当てる方法と、生成地図２４０のデータ容量に基づいてデータを割り当てる方法と、について説明する。ただし、データ割当の方法はこれに限定されない。また、複数のデータ割当方法を組み合わせて用いても良い。

なお、データ割当部１１０は、センサ３００の出力を地図用データ２１０と位置推定用データ２２０に排他的に割り当てる方が望ましい。これは、地図生成部１２０と自己位置推定部１３０で同じデータを多く用いれば用いるほど、本来見積もりたい次回の走行時における自己位置推定の精度よりも、精度評価部１４０が見積もる精度が向上してしまうためである。

（外界センサの計測周期毎のデータ割当）
図３は外界センサ３１０の計測周期毎のデータ割当の処理の流れを示した図である。ステップS１１１は外界センサ３１０の計測回数iを0で初期化し、ステップS１１２に進む。ステップS１１２はセンサ３００から情報を取得し、ステップS１１３に進む。なお、外界センサ３１０と相対位置センサ３２０の計測周期が一致しない場合には、相対位置センサ３２０のデータに補間処理などを適用することにより、外界センサ３１０の計測タイミングにおける自車の位置姿勢を取得する。ステップS１１３は関数f(i)が真の場合はステップS１１４に、偽の場合はステップS１１５に進む。ステップS１１４は計測回数iのセンサ３００のデータを地図用データ２１０に追加し、ステップS１１６に進む。ステップS１１５は計測回数iのセンサ３００のデータを位置推定用データ２２０に追加し、ステップS１１６に進む。ステップS１１６は計測回数iを1増やしてステップS１１２に進む。

ここで、関数f(i)はセンサ３００の計測回数iを入力とし、真偽値を返す任意の関数である。たとえば、関数f(i)をiが偶数のときに真、iが奇数のときに偽を返す関数とすることで、センサ３００の計測毎に地図用データ２１０と位置推定用データ２２０に交互にデータを追加することができる。また、関数f(i)を計測回数iによらずランダムに真偽を返す関数としても良い。

図４は外界センサ３１０の計測周期毎のデータ割当におけるデータ間の相対位置の真値２３０の一例を示す図である。図４は、地図用データ２１０に割り当てられたデータを取得した際の自車の位置姿勢２１１と、位置推定用データ２２０に割り当てられたデータを取得した際の自車の位置姿勢２２１と、データ間の相対位置の真値２３０に含まれる相対位置姿勢２３１を示している。また、図４では、関数f(i)をiが偶数のときに真、iが奇数のときに偽を返す関数とすることで、地図用データ２１０と位置推定用データ２２０に交互にデータを割り当てた場合の例を示している。

前述したように、データ間の相対位置の真値２３０は、位置推定用データ２２０の番号、地図用データ２１０の番号、相対位置姿勢２３１の組によって定義される。たとえば、外界センサ３１０の計測周期毎のデータ割当においては、各位置推定用データ２２０に対応する地図用データ２１０を、各位置推定用データ２２０の追加時に最も新しい地図用データ２１０の番号とする。相対位置姿勢２３１は、各位置推定用データ２２０に対応する地図用データ２１０の取得時の自車の位置姿勢から、各位置推定用データ２２０の取得時の自車の位置姿勢への相対位置姿勢であり、相対位置センサ３２０により取得される。なお、相対位置センサ３２０により取得される相対位置姿勢２３１には誤差が含まれるが、短距離・短時間における誤差は小さいため、本実施例では、相対位置センサ３２０により取得される相対位置姿勢２３１を真値とする。

また、各位置推定用データ２２０に対応する地図用データ２１０の求め方は上述した方法に限定されない。たとえば、相対位置姿勢２３１の大きさが最も小さくなる（つまり、空間的に最も近い）地図用データ２１０を選択して、対応する地図用データ２１０としても良い。この場合には、各位置推定用データ２２０の追加時に対応する地図用データ２１０を決定できないが、相対位置センサ３２０で取得する相対位置姿勢２３１が短距離・短時間になるため、真値の精度が向上する。

（センサ毎のデータ割当）
データ割当部１１０は、外界センサ３１０が複数存在する場合に外界センサ毎にデータを割り当てても良い。

図５は外界センサ３１０としてステレオカメラ３５０を用いた場合のデータ割当の一例を示した図である。ステレオカメラ３５０は、左カメラと右カメラからなる。データ割当部１１０は、たとえば、左カメラが取得したデータを地図用データ２１０、右カメラが取得したデータを位置推定用データ２２０とする。なお、通常、ステレオカメラでは左右の画像を対応付けることで距離を算出するが、ここではステレオカメラをセンサ間の相対位置姿勢が既知の２つの単眼カメラとして扱っている。また、計測周期毎にどちらのカメラをどちらのデータに割り当てるかを変更しても良い。

図５は、地図用データ２１０に割り当てられたデータを取得した際の自車の位置姿勢２１１と、位置推定用データ２２０に割り当てられたデータを取得した際の自車の位置姿勢２２１と、データ間の相対位置の真値２３０に含まれる相対位置姿勢２３１を示している。ここで、地図用データ２１０に割り当てられたデータを取得した際の自車の位置姿勢２１１は、左カメラの位置姿勢、位置推定用データ２２０に割り当てられたデータを取得した際の自車の位置姿勢２２１は、右カメラの位置姿勢となる。また、各位置推定用データ２２０に対応する地図用データ２１０は、同時刻に取得されたデータとする。そのため、相対位置姿勢２３１は左カメラと右カメラの間の相対位置姿勢となり、これはステレオカメラ３５０においては、事前の校正により算出されている。

センサ毎のデータ割当に用いる外界センサ３１０はステレオカメラ３５０に限定されず、任意の複数の外界センサ３１０に適用することができる。たとえば、外界センサ３１０としてフロントカメラ、リアカメラ、レフトカメラ、ライトカメラの４つのカメラからなる周辺監視用カメラを用い、フロントカメラとレフトカメラが取得したデータを地図用データ２１０、リアカメラとライトカメラが取得したデータを位置推定用データ２２０としても良い。この場合においても、各位置推定用データ２２０に対応する地図用データ２１０を同時刻に取得したデータとすると、相対位置姿勢２３１は、事前の校正により算出されたカメラ間の位置姿勢となる。

なお、外界センサ３１０は、ステレオカメラ３５０や周辺監視用カメラのように、複数の同種のセンサからなるセンサに限らず、カメラとLiDARのように、複数の異種のセンサを用いる場合にも同様のデータ割当方法を適用することができる。

また、複数の外界センサ３１０の計測タイミングが一致していない場合には、外界センサ３１０の計測周期毎のデータ割当の処理を組み合わせても良い。すなわち、位置推定用データ２２０の追加時に最も新しい地図用データ２１０を対応するデータとし、相対位置姿勢２３１を、相対位置センサ３２０で取得した相対位置姿勢と、事前の校正により算出されたセンサ間の相対位置姿勢と、から算出する。

ただし、相対位置センサ３２０で取得した相対位置姿勢には誤差が含まれる。そのため、データ割当部１１０は、自車が停止しているときに取得された地図用データ２１０および位置推定用データ２２０だけをデータ間の相対位置の真値２３０の算出に用いても良い。自車が停止しているときのデータのみを用いることで、外界センサ３１０の計測周期の差の影響を排除することができる。

センサ毎のデータ割当において、外界センサ３１０の計測回数によらず（固定的に）、外界センサ３１０に対してデータの割り当て方法を決定すると、各外界センサ３１０の設置位置には違いがあることから、生成地図２４０と位置推定用データ２２０の走行位置の違いによる誤差を評価することができる。たとえば、ステレオカメラ３５０の左カメラを地図用データ２１０、右カメラを位置推定用データ２２０に割り当てると、生成地図２４０に対して、ステレオカメラ３５０の基線長分だけ右側を走行したデータで位置推定および精度評価を実施することになる。すなわち、地図生成・自己位置推定において誤差要因となる、初回の地図生成時と、次回以降の自己位置推定時の走行経路の違いの影響を見積もることができる。

一方で、外界センサ３１０の計測回数によって（変動的に）、外界センサ３１０に対するデータの割り当てを変更すると（たとえば、左カメラを地図用データ２１０、右カメラを位置推定用データ２２０とする割り当てと、左カメラを位置推定用データ２２０、右カメラを地図用データ２１０とする割り当てを計測周期毎に実施すると、換言すれば、計測周期毎に、地図用データ２１０に割り当てるカメラと位置推定用データ２２０に割り当てるカメラを交互に変更すると）、位置姿勢が異なる外界センサ３１０のデータを用いて生成地図２４０を生成するため、次回以降の走行時の走行経路の違いによる精度低下が少ない生成地図２４０を生成することができる。

（生成地図のデータ容量に基づいたデータ割当）
データ割当部１１０は、生成地図２４０のデータ容量に基づいてデータを割り当てても良い。

たとえば、地図生成部１２０の処理、地図生成・自己位置推定装置１００を搭載するハードウェアの性能から、あらかじめ設定された所定の処理周期での動作において、地図生成部１２０が処理できる最大データ容量を決定することができる。また、地図生成・自己位置推定装置１００を搭載するハードウェアの性能、システムの仕様、および次回の走行時において自己位置推定処理が所定の処理周期で動作するための生成地図２４０の容量から決定される生成地図２４０の最大容量に基づいて、地図生成部１２０が必要とするデータ容量を決定することができる。

そのため、データ割当部１１０は、地図生成部１２０が処理できる最大データ容量もしくは地図生成部１２０が必要とするデータ容量（のデータ）を地図用データ２１０に割り当て、残りのデータを位置推定用データ２２０に割り当てても良い。このようにデータを割り当てることにより、生成地図２４０の生成に十分なデータを割り当てることで、生成地図２４０を劣化させることなく、使用しない予定であったデータを用いて生成地図２４０を用いた自己位置推定の精度を見積もることができる。

ここで、外界センサ３１０から取得されるデータの量は、周囲環境や走行環境などによって変化する。したがって、データ割当部１１０が、地図用データ２１０と位置推定用データ２２０に割り当てるデータの割合は環境によって変化する。

なお、地図生成部１２０の処理によっては、地図生成部１２０において、生成地図２４０に用いるデータと、生成地図２４０に用いないデータを判定する場合がある。そのような場合においては、一度、すべてのデータを地図用データ２１０として地図生成部１２０の処理を実施し、地図生成部１２０において使用されなかったデータを位置推定用データ２２０としても良い。

（地図生成部の動作）
次に、図６、図７を用いて、地図生成部１２０における処理の内容について説明する。地図生成部１２０は、地図用データ２１０から、点群と自車の走行位置からなる生成地図２４０を生成する。なお、前述したように、本実施例では自車の走行位置は外界センサ３１０の位置姿勢である。

図６は車両が走行した環境の一例を示す図である。車両４００は走行位置（走行経路）４０１を走行し、走行位置４０１の周囲には車線区分線４０２、建物４０３、樹木４０４、電柱４０５、といった物体が存在する。

図７は地図生成部１２０が生成した生成地図２４０の一例を示す図である。図７では図６に示した環境において地図生成部１２０が生成した生成地図２４０を示している。生成地図２４０は、外界センサ３１０で取得した点群２４１と、相対位置センサ３２０で取得した走行位置２４２と、からなる。

点群２４１は、車両４００の走行中に外界センサ３１０で自車周辺物体を検出（計測）した結果として得られる点の集合である。

走行位置２４２は、相対位置センサ３２０で取得した、ある時刻の車両４００の位置姿勢を座標系原点とした各時刻における車両４００の位置姿勢である。

外界センサ３１０で取得した点群２４１は、外界センサ３１０を基準とした物体の三次元位置を、外界センサ３１０が点群を計測した時刻における走行位置２４２を用いて、走行位置２４２と同じ座標系に変換することで取得する。すなわち、点群２４１と走行位置２４２は、同じ座標系における位置および位置姿勢である。

また、点群２４１、走行位置２４２は、三次元空間における位置および位置姿勢でも良いし、二次元空間における位置および位置姿勢でも良い。三次元空間を用いると、二次元空間では表現されない高さやピッチを推定することができる。一方で、二次元空間を用いると、生成地図２４０のデータ容量を少なくすることができる。

なお、地図生成部１２０は、点群２４１に対し、自己位置推定部１３０で用いる対応付けのためのデータを付加して生成地図２４０を生成しても良い。たとえば、外界センサ３１０としてカメラを用いる場合には、点群２４１の各点に対し、画像の対応付けに用いる特徴量を付加しても良い。また、この場合には、点群２４１と走行位置２４２の取得に、画像から点群と画像撮影時のカメラの位置姿勢を推定する公知のSfM(Structure from Motion)法やVisual SLAM(Simultaneous Localization and Mapping)法を用いても良い。SfM法やVisual SLAM法を用いることで、特徴量による対応付けがしやすい点のみを残すことができる。

また、外界センサ３１０が取得したデータに対して路面標示や信号、標識などのランドマークの認識処理をすることで点群２４１を取得している場合には、各点に対して認識処理の結果を付加しても良い。たとえば、外界センサ３１０としてカメラを用い、画像から認識した路面標示や標識の位置を点群とする場合には、路面標示の種類や標識の種類を併せて保存しても良い。さらに、白線などの点ではなく、線として保存した方が良い物体については、線のパラメータを生成地図２４０として保存しても良い。

（自己位置推定部の動作）
次に、図８を用いて、自己位置推定部１３０における処理の内容について説明する。自己位置推定部１３０は、位置推定用データ２２０と生成地図２４０とを対応づけることで、生成地図上における車両の位置姿勢を推定する。

図８は自己位置推定部１３０が推定した自車の位置姿勢２５２の一例を示す図である。図８では、点群２４１、走行位置２４２は、生成地図２４０のデータを表している。自己位置推定部１３０は、これら生成地図上において、自車の位置姿勢２５２を推定する。

自己位置推定部１３０は、位置推定用データ２２０と生成地図２４０との対応付けに、公知のICP(Iterative closest point)法やNDT(Normal Distributions Transform)法を用いても良い。ICP法やNDT法を用いる場合、まず、自己位置推定部１３０は、位置推定用データ２２０に対し地図生成部１２０と同じ処理を用いることで点群と走行位置からなる地図（現在地図）を生成する。次に、自己位置推定部１３０は、生成地図２４０と現在地図の間の位置姿勢を、各地図に含まれる点群２４１をICP法やNDT法で対応付けることで求める。生成地図２４０と現在地図の間の位置姿勢を用いると、地図上の位置姿勢を、もう一方の地図上の位置姿勢へ変換することができる。したがって、生成地図２４０と現在地図の間の位置姿勢を用いて、現在地図に含まれる走行位置２４２を、生成地図上の位置姿勢へ変換することで、生成地図上における自車の位置姿勢２５２を求めることができる。

また、自己位置推定部１３０は、生成地図２４０に対応付けのためのデータが保存されている場合には、それを用いて対応付けを実施しても良い。たとえば、生成地図２４０の点群２４１に画像の特徴量が付与されている場合には、位置推定用データ２２０に含まれる画像の特徴点と、生成地図２４０に含まれる点群２４１を、画像の特徴量に基づいて対応付けても良い。この場合には、画像中の特徴点の位置と、点群２４１の位置から、公知のPnP(Perspective-n-Point)問題の解法を用いることで、生成地図上における車両の位置姿勢２５２を求めることができる。

また、自己位置推定部１３０は、生成地図２４０にランドマークの認識結果が保存されている場合には、公知のランドマークマッチング手法を用いて車両の位置姿勢２５２を推定しても良い。

（精度評価部の動作）
次に、図９を用いて、精度評価部１４０における処理の内容について説明する。精度評価部１４０は、データ間の相対位置の真値２３０から、自己位置推定部１３０が推定した生成地図上における車両の位置姿勢２５２の精度を評価する。

図９は精度評価部１４０における精度評価の一例を示す図である。精度評価部１４０は、自己位置推定部１３０で推定された各自車の位置姿勢２５２に対して、データ間の相対位置の真値２３０を参照することで、対応する地図用データ２１０の番号と相対位置姿勢２３１を取得する（図２等参照）。次に、対応する地図用データ２１０の生成地図２４０における位置姿勢（走行位置）２４２と、相対位置姿勢２３１と、から、生成地図上における真の位置姿勢（走行位置）２６０を計算する。最後に、真の位置姿勢２６０と、自己位置推定部１３０によって推定された位置姿勢２５２の差を、誤差２６１として算出する。

ここで、精度評価部１４０は、地図生成部１２０、自己位置推定部１３０の内部処理によらず、生成地図２４０を用いた自己位置推定精度を評価することができる。したがって、地図生成部１２０、自己位置推定部１３０で用いる処理に応じて自己位置推定精度が低下する条件は異なるが、それら処理に応じた固有の条件を検出することなく、統一的に生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（地図生成・自己位置推定装置の動作タイミング）
次に、地図生成・自己位置推定装置１００の動作タイミングについて説明する。地図生成・自己位置推定装置１００は、オンラインで動作しても良いし、オフラインで動作しても良い。すなわち、地図生成・自己位置推定装置１００は、センサ３００からの入力毎に各部の処理を実施しても良いし、センサ３００からの入力を一時的にすべて保存し、地図生成用の走行が終了した際に保存したすべてのデータを用いて一度だけ動作しても良い。地図生成・自己位置推定装置１００をオンラインで動作させる場合には、センサ３００からの入力を一時的に保存する記憶域は必要ないが、未完成の生成地図２４０を用いた自己位置推定の精度を評価することになるため、完成した生成地図２４０を用いた場合の精度との間に差が生じる可能性がある。一方、地図生成・自己位置推定装置１００をオフラインで動作させる場合には、完成した生成地図２４０を用いて自己位置推定の精度を評価することが可能であるが、センサ３００からの入力を一時的にすべて保存する記憶域が必要となる。また、オフラインで動作させる場合には、駐停車時など、他の機能が働いでおらず、CPUの処理負荷が少ないタイミングで地図生成・自己位置推定装置１００を動作させることができる。

ここで、地図生成・自己位置推定装置１００は、オンライン動作とオフライン動作を組み合わせることで、少量の記憶域で、生成地図２４０を用いた自己位置推定精度を高精度に見積もることができる。具体的には、データ割当部１１０、地図生成部１２０はオンラインで動作させる。ここでデータ割当部１１０が割り当てた位置推定用データ２２０はあらかじめ設定したt秒だけ、記憶域に保存する。そして、自己位置推定部１３０は、保存されているt秒前の位置推定用データ２２０を用いて自己位置推定を実施する。このようにすることで、各自己位置推定時において、生成地図２４０には、各位置推定用データ２２０の前後の区間が含まれる。したがって、最後のデータまでを使って生成した生成地図２４０を用いた場合と比較して、自己位置推定結果の差を小さくすることができる。また、t秒分の位置推定用データ２２０を一時的に保存するだけで良く、センサ３００の出力をすべて保存する場合と比較して、必要な記憶域を小さくすることができる。なお、時間(t秒)に代わり、走行距離など、他の指標で記憶する（過去の）データの量を決定しても良い。

（作用効果）
上述した第１の実施の形態によれば、次の作用効果が得られる。

（１）地図生成・自己位置推定装置１００は、データ割当部１１０と、地図生成部１２０と、自己位置推定部１３０と、精度評価部１４０と、を備える。データ割当部１１０は、センサ３００の出力を、地図用データ２１０と、位置推定用データ２２０に割り当てる。また、データ割当部１１０は、（センサ３００の出力の）データ割当方法に基づいて地図用データ２１０と位置推定用データ２２０のデータ間の相対位置の真値２３０を算出する。地図生成部１２０は、地図用データ２１０から、点群と自車の走行位置からなる生成地図２４０を生成する。自己位置推定部１３０は、位置推定用データ２２０と生成地図２４０とを対応づけることで、生成地図上における車両の位置姿勢（走行位置又は自己位置）を推定する。精度評価部１４０は、データ間の相対位置の真値２３０から、自己位置推定部１３０が推定した生成地図上における自車の位置姿勢（走行位置又は自己位置）の精度を評価する（図１）。そのため、事前の走行や既知物体の設置、センサの追加なしで、地図生成時に、生成地図２４０を用いた自己位置推定の精度を見積もることができる。また、地図生成部１２０、自己位置推定部１３０で用いる処理によらずに生成地図２４０を用いた自己位置推定の精度を見積もることができる。したがって、地図生成部１２０、自己位置推定部１３０で用いる処理に応じて自己位置推定精度が低下する条件は異なるが、それら処理に応じた固有の条件を検出することなく、統一的に生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（２）データ割当部１１０は、外界センサ３１０の計測周期毎に、該計測周期のデータを地図用データ２１０、位置推定用データ２２０のいずれかに割り当てる（図３）。また、データ割当部１１０は、相対位置センサ３２０によって取得された自車の相対移動量により、データ間の相対位置の真値２３０を算出する（図２、図４）。そのため、外界センサ３１０が一つの場合においても、生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（３）データ割当部１１０は、データ間の相対位置の真値２３０を算出する際に、各位置推定用データ２２０に対応する地図用データ２１０を、各位置推定用データ２２０の追加時に最も新しい地図用データ２１０の番号とする（図２、図４）。言い換えれば、データ割当部１１０は、外界センサ３１０が取得したデータを位置推定用データ２２０に割り当てた際に、最も新しい地図用データ２１０と該位置推定用データ２２０の間の相対位置姿勢をデータ間の相対位置の真値２３０とする。そのため、各自己位置推定用データ２２０の追加時に、対応する地図用データ２１０を決定することができ、処理が簡易となる。

（４）データ割当部１１０は、データ間の相対位置の真値２３０を算出する際に、各位置推定用データ２２０に対応する地図用データ２１０を、相対位置姿勢２３１の大きさが最も小さくなる地図用データ２１０とする。言い換えれば、データ割当部１１０は、位置推定用データ２２０のそれぞれに対し、相対位置姿勢の差が最も小さくなる地図用データ２１０を選択し、該位置推定用データ２２０と該地図用データ２１０の間の相対位置姿勢をデータ間の相対位置の真値２３０とする。そのため、相対位置センサ３２０で取得する相対位置姿勢２３１の誤差が小さくなり、高精度に生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（５）データ割当部１１０は、外界センサ３１０が複数存在する場合、外界センサ毎にデータ（各外界センサが計測したデータ）を地図用データ２１０、位置推定用データ２２０のいずれかに割り当てる。また、データ割当部１１０は、事前の校正により算出された各外界センサ間の設置位置姿勢により、データ間の相対位置の真値２３０を算出する（図５）。そのため、外界センサ３１０が複数存在する場合において、校正によって得られた高精度な真値を用いて、生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（６）データ割当部１１０は、外界センサ３１０が複数存在する場合、外界センサ３１０の計測回数（計測周期）によらず、外界センサ毎のデータを地図用データ２１０、位置推定用データ２２０のいずれかに固定的に割り当てる（図５）。そのため、地図用データ２１０と位置推定用データ２２０のデータを計測した外界センサ３１０の位置姿勢が異なるため、生成地図２４０と自己位置推定時の走行位置の差による自己位置推定誤差を見積もることができる。

（７）データ割当部１１０は、外界センサ３１０が複数存在する場合、外界センサ３１０の計測回数（計測周期）によって、外界センサ毎のデータを地図用データ２１０、位置推定用データ２２０のいずれかに変動的に割り当てる。そのため、地図用データ２１０に複数の位置姿勢から計測したデータが含まれるため、生成地図２４０と自己位置推定時の走行位置の差による誤差が生じづらい生成地図２４０を生成することができる。

（８）データ割当部１１０は、自車が停止しているときに各外界センサ３１０が取得した地図用データ２１０、位置推定用データ２２０だけを、データ間の相対位置の真値２３０の算出に用いる。そのため、複数の外界センサ３１０の計測周期の差の影響を排除して、生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（９）データ割当部１１０は、事前に設定された地図生成部１２０が処理できる最大データ容量もしくは地図生成部１２０が必要とするデータ容量に基づいて、外界センサ３１０のデータを割り当てる。そのため、生成地図２４０の生成に十分なデータを割り当てることで、生成地図２４０を劣化させることなく、使用しない予定であったデータを用いて生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（１０）データ割当部１１０は、地図用データ２１０と位置推定用データ２２０を排他的に割り当てる（図３～図５）。なお、本発明は、完全排他でもよいし、完全排他でなくてもよいが、完全排他である方が好ましい。そのため、高精度に生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（１１）地図生成・自己位置推定装置１００は、データ割当部１１０、地図生成部１２０をオンラインで動作させる。また、地図生成・自己位置推定装置１００は、位置推定用データ２２０を一時保存し、自己位置推定部１３０は、地図生成部１２０が生成した生成地図２４０と、一時保存された過去の位置推定用データ２２０とを用いて、生成地図２４０における自車の位置姿勢（走行位置）を推定する。そのため、各位置推定用データ２２０の前後の地図用データ２１０で生成された生成地図２４０を用いた自己位置推定の結果に対して精度を評価するため、少ない記憶域で高精度に生成地図２４０を用いた自己位置推定の精度を見積もることができる。

（変形例１）
上述した実施例では、精度評価部１４０は、真の位置姿勢２６０と、自己位置推定部１３０によって推定された位置姿勢２５２の差を、誤差２６１として算出した（図９）。しかし、精度評価の方法はこれに限定されない。

精度評価部１４０は、誤差２６１の平均や標準偏差といった統計量や、誤差２６１の分布を算出しても良い。そのために、データ割当部１１０は、データ割当の方法を変えることで、地図用データ２１０、位置推定用データ２２０、データ間の相対位置の真値２３０を複数組用意しても良い。

たとえば、データ割当部１１０は、外界センサ３１０の計測周期毎のデータ割当において、同じセンサ３００のデータに対して、複数の異なる関数f(i)を用いることでデータ割当方法が異なる複数組のデータを用意する。ここで、関数f(i)を外界センサ３１０の計測回数iによらずランダムに値を返す関数としても良い。

また、データ割当部１１０は、外界センサ毎のデータ割当において、地図用データ２１０と位置推定用データ２２０に割り当てる外界センサ３１０を変更することで複数組のデータを用意しても良い。たとえば、ステレオカメラ３５０を用いる場合、左カメラを地図用データ２１０、右カメラを位置推定用データ２２０とする割り当てと、左カメラを位置推定用データ２２０、右カメラを地図用データ２１０とする割り当てを実施することで、2組のデータを用意しても良い。また、各計測周期において、左右どちらのカメラをどちらのデータに割り当てるかをランダムに決定しても良い。

地図生成部１２０、自己位置推定部１３０は、複数組の地図用データ２１０、位置推定用データ２２０、それぞれに対して地図生成、自己位置推定処理を実施する。精度評価部１４０は、データ割当部１１０が用意したデータの組数分の誤差２６１を算出し、複数の誤差２６１から誤差２６１の平均や標準偏差といった統計量や、誤差２６１の分布を算出する。

上述した変形例１によれば、次の作用効果が得られる。すなわち、データ割当部１１０は、外界センサ３１０のデータのデータ割当の方法を変えることで、複数の地図用データ２１０、位置推定用データ２２０、データ間の相対位置の真値２３０、の組を用意し、地図生成部１２０、自己位置推定部１３０は、各組のデータに対して地図生成、自己位置推定を実施する。つまり、地図生成部１２０は、複数の地図用データ２１０のそれぞれに対して生成地図を生成し、自己位置推定部１３０は、複数の生成地図と、複数の生成地図と対応する位置推定用データ２２０とを用いて、それぞれの生成地図における自車の走行位置を推定する。精度評価部１４０は、各組のデータに対する自己位置推定結果の誤差２６１から、誤差２６１の平均や標準偏差といった統計量や、誤差２６１の分布を算出する。そのため、誤差２６１の統計量や分布といったより高度な精度見積もりを得ることができる。換言すれば、ロバストに生成地図２４０を用いた自己位置推定精度を見積もることができる。

（変形例２）
上述した実施例では、データ割当部１１０は、センサ３００の出力を、地図用データ２１０と、位置推定用データ２２０に割り当てた。しかし、データ割当部１１０の処理はこれに限定されない。

データ割当部１１０は、地図用データ２１０、位置推定用データ２２０に対し、ノイズを付与しても良い。たとえば、データ割当部１１０は、外界センサ３１０が取得した点群の位置や、相対位置センサ３２０が取得した相対位置姿勢に、ノイズを付与する。外界センサ３１０としてカメラを用いる場合には、カメラが取得した画像に対してノイズを付与しても良い。また、ノイズの大きさを変えた複数組のデータを用意しても良い。精度評価部１４０は、各組のデータに対して精度を評価する。

上述した変形例２によれば、次の作用効果が得られる。すなわち、データ割当部１１０は、地図用データ２１０、位置推定用データ２２０に対し、ノイズを付与する。精度評価部１４０は、ノイズが付与された各組のデータに対して精度を評価する。そのため、精度評価部１４０は、ノイズの大きさと生成地図２４０を用いた自己位置推定誤差の関係を算出することができる。換言すると、精度評価部１４０は、生成地図２４０を用いた自己位置推定のノイズに対するロバスト性を評価することができる。たとえば、ノイズを付与しない場合には同じ位置推定誤差であっても、ノイズを付与したにも関わらず大きくは誤差が増大しない環境と、ノイズを付与することにより大きく誤差が増大する環境が存在すると考えられる。精度評価部１４０は、このようなノイズの影響の大きさを推定することができる。また、精度評価部１４０は、地図用データ２１０にのみノイズを付与した場合の精度と、位置推定用データ２２０にのみノイズを付与した場合の精度を比較することで、生成地図２４０と自己位置推定の入力データのどちらが精度に与える影響が大きいかを判定することができる。

［第２の実施の形態］
以下、図１０を参照して、地図生成・自己位置推定装置の第２の実施の形態について説明する。以下の説明では、第１の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第１の実施の形態と同じである。本実施の形態では、第１の実施の形態の地図生成・自己位置推定装置１００に加え、精度評価部１４０が算出した誤差２６１に基づいて、地図を記録する記録部を備える地図生成・自己位置推定装置を対象とする。

（ブロック構成）
図１０は第２の実施の形態の地図生成・自己位置推定装置５００のブロック構成を示す図である。地図生成・自己位置推定装置５００は、データ割当部１１０と、地図生成部１２０と、自己位置推定部１３０と、精度評価部１４０と、記録部５５０と、を備える。記録部５５０は、精度評価部１４０が算出した誤差２６１に基づいて、記録地図２５０を記録する。

（記録部の動作）
記録部５５０における処理の内容について説明する。記録部５５０は、精度評価部１４０が算出した誤差２６１に基づいて、記録地図２５０を記録する。

たとえば、記録部５５０は、生成地図２４０の全体に対して、記録をするかしないかを判定する。この場合、記録部５５０は、精度評価部１４０が算出した各位置推定用データ２２０に対する誤差２６１の平均や最大値が、あらかじめ設定された閾値未満の場合には、生成地図２４０を記録地図２５０として記録し、閾値以上の場合には、生成地図２４０を記録地図２５０として記録しない。

記録地図２５０には、生成地図２４０に含まれる点群と走行位置に加え、精度評価部１４０が算出した誤差２６１を予測誤差として記録しても良い。ここで、記録地図２５０には位置推定用データ２２０は含まれないため、予測誤差の記録にあたっては、誤差２６１の算出に用いた地図用データ２１０の番号と予測誤差を併せて記録する。すなわち、記録地図２５０に含まれる各走行位置に対して予測誤差が記録される。

また、記録部５５０は、生成地図２４０の一部を記録地図２５０として記録しても良い。たとえば、生成地図２４０のうち、精度評価部１４０が算出した誤差２６１があらかじめ設定した閾値未満となる地図用データ２１０から生成された部分（区間）だけを記録地図２５０としても良い。また、生成地図２４０を、たとえば走行距離に基づいて、複数の小さな地図に分割し、各分割地図に対して上述の処理を適用することで、記録するかしないかを判断しても良い。これにより、生成地図２４０を用いた自己位置推定の誤差が一部だけ大きい場合に、誤差の小さい部分（区間）だけを記録地図として記録し、次回の走行時に活用することができる。

また、記録部５５０は、記録地図２５０を記録したかどうかを、地図生成・自己位置推定装置５００と接続されている図示しないHMI部に通知しても良い。HMI部は、ディスプレイやスピーカーを用いて、ドライバに地図が記録されたかどうかを通知する。

（作用効果）
上述した第２の実施の形態によれば、次の作用効果が得られる。

（１）記録部５５０は、精度評価部１４０が算出した誤差２６１に基づいて、生成地図２４０を記録地図２５０として記録する（図１０）。記録部５５０は、精度評価部１４０が算出した各位置推定用データ２２０に対する誤差２６１の平均や最大値が、あらかじめ設定された閾値未満の場合には（のみ）、生成地図２４０を記録地図２５０として記録し、閾値以上の場合には、生成地図２４０を記録地図２５０として記録しない。そのため、生成地図２４０を用いた自己位置推定誤差が大きいと想定される場合には、地図を記録しないことで、メモリ使用量を削減することができる。また、次回の走行時における、生成地図２４０を用いた自己位置推定の誤差が大きくなることによる自動運転・運転支援システムの異常動作、停止を防止することができる。

（２）記録部５５０は、精度評価部１４０が算出した誤差２６１に基づいて、生成地図２４０の一部を記録地図２５０として記録する。言い換えれば、記録部５５０は、生成地図２４０のうち、自己位置推定の誤差２６１があらかじめ設定された閾値よりも小さい部分（区間）のみを記録地図２５０として記録する。そのため、生成地図２４０を用いた自己位置推定の誤差が一部だけ大きい場合に、誤差の小さい部分だけを記録地図として記録し、次回の走行時に活用することができる。

（変形例１）
上述した実施例では、記録部５５０は、精度評価部１４０が算出した誤差２６１に基づいて、生成地図２４０の全体もしくは一部を記録するかどうかを判定した。しかし、記録部５５０の処理はこれに限定されない。

第１の実施の形態の変形例１と同様に、データ割当部１１０は、データ割当の方法を変えることで、地図用データ２１０、位置推定用データ２２０、データ間の相対位置の真値２３０を複数組用意し、精度評価部１４０は、各組のデータに対して誤差２６１を算出しても良い。この場合、記録部５５０は、各組の誤差２６１に基づいて、誤差２６１の平均や中央値、最大値が最も小さい組において生成された生成地図２４０を記録地図２５０として記録しても良い。

また、地図生成部１２０は、地図生成に用いる処理に応じたパラメータ（地図生成用パラメータ）を変更することで、同じ地図用データ２１０から複数の生成地図２４０を生成しても良い。自己位置推定部１３０は、地図生成部１２０が生成した各生成地図２４０を用いて自己位置推定を実施し、それぞれの生成地図２４０に対応する自己位置推定結果を出力する。また、自己位置推定部１３０は、自己位置推定に用いる処理に応じたパラメータ（自己位置推定用パラメータ）を変更することで、同じ生成地図２４０と同じ位置推定用データ２２０とから、複数の自己位置推定結果を算出しても良い。精度評価部１４０は、自己位置推定部１３０が出力した複数の自己位置推定結果に対し、対応するデータ間の相対位置の真値２３０を用いて誤差２６１を算出する。記録部５５０は、誤差２６１の平均や中央値、最大値が最も小さい組において生成された生成地図２４０を記録地図２５０として記録しても良い。この際、記録地図２５０には、地図生成部１２０および自己位置推定部１３０で用いた各パラメータ（地図生成用パラメータ、自己位置推定用パラメータ）も併せて記録する。次回の走行時には、記録地図２５０に含まれるパラメータを用いて自己位置推定を実施する。

ここで、地図生成部１２０、自己位置推定部１３０におけるパラメータには、地図生成、自己位置推定に用いる外界センサ３１０の選択も含まれる。すなわち、複数の外界センサ３１０が存在する場合、環境に応じて変化する適切なセンサを、精度評価部１４０が算出した誤差２６１に基づいて選択することができる。

上述した変形例１によれば、次の作用効果が得られる。

（１）データ割当部１１０は、外界センサ３１０のデータのデータ割当の方法を変えることで、複数の地図用データ２１０、位置推定用データ２２０、データ間の相対位置の真値２３０の組を用意し、地図生成部１２０、自己位置推定部１３０、精度評価部１４０は、各組のデータに対して地図生成、自己位置推定、精度評価を実施する。つまり、地図生成部１２０は、複数の地図用データ２１０のそれぞれに対して生成地図を生成し、自己位置推定部１３０は、複数の生成地図と、複数の生成地図と対応する位置推定用データ２２０とを用いて、それぞれの生成地図における自車の走行位置を推定する。精度評価部１４０は、各組のデータに対する自己位置推定の誤差２６１を算出する。記録部５５０は、誤差２６１の平均や中央値、最大値が最も小さい組において生成された生成地図２４０を、記録地図２５０として記録する。そのため、高精度な自己位置推定を実現することができる生成地図２４０を記録地図２５０として記録することができる。

（２）地図生成部１２０、自己位置推定部１３０は、パラメータを変更することで、複数の生成地図２４０、自己位置推定結果を出力し、精度評価部１４０は、各自己位置推定結果の精度を評価する。つまり、地図生成部１２０は、地図生成用パラメータを変更することで複数の生成地図を生成し、自己位置推定部１３０は、複数の生成地図のそれぞれに対して、自己位置推定用パラメータを変更することで複数の自己位置推定結果を算出し、精度評価部１４０は、複数の自己位置推定の誤差を算出する。記録部５５０は、誤差２６１の平均や中央値、最大値が最も小さい組において生成された生成地図２４０と、地図生成部１２０および自己位置推定部１３０が使用した各パラメータ（地図生成用パラメータ、自己位置推定用パラメータ）とを、記録地図２５０として記録する。そのため、次回の走行時において、誤差２６１が小さいパラメータで生成された地図と、地図に記憶された誤差が小さくなるパラメータを用いて自己位置推定を実施することで、高精度に自車の位置姿勢を推定することができる。

（変形例２）
上述した実施例では、記録部５５０は、精度評価部１４０が算出した誤差２６１に基づいて、地図生成・自己位置推定装置５００内に記録地図２５０を記録する。しかし、記録部５５０の処理はこれに限定されない。

記録部５５０は、地図生成・自己位置推定装置５００とネットワークを介して接続された図示しないサーバに記録地図２５０を記録しても良い。すなわち、自車が走行して生成した地図を、サーバを介して他車と共有しても良い。

また、記録部５５０は、生成地図２４０を用いた自己位置推定の精度が低いと推定される場合には、記録地図２５０に代わり、自車の走行区間の情報をサーバに送信しても良い。ここで走行区間の情報とは、GNSSで取得した緯度・経度や、時刻などである。サーバは、生成地図２４０を用いた自己位置推定の精度が低い区間の情報を収集することで、たとえば、専用の計測車両を用いた地図生成を計画することができる。

上述した変形例２によれば、次の作用効果が得られる。

（１）記録部５５０は、地図生成・自己位置推定装置５００とネットワークを介して接続された図示しないサーバに記録地図２５０を記録する。記録部５５０は、精度評価部１４０が算出した各位置推定用データ２２０に対する誤差２６１の平均や最大値が、あらかじめ設定された閾値未満の場合には、生成地図２４０を記録地図２５０として記録し、閾値以上の場合には、生成地図２４０を記録地図２５０として記録しない。そのため、生成地図２４０を用いた自己位置推定の精度が低いと推定される場合には、サーバに記録地図２５０（生成地図２４０）を送信しないため、通信量を抑えることができる。また、サーバでは、記録地図２５０に含まれる予測誤差を用いることで、複数の地図生成・自己位置推定装置５００から受信した記録地図２５０の中から、高精度な自己位置推定が可能な地図を選択・配信することができる。

（２）記録部５５０は、生成地図２４０を用いた自己位置推定の精度が低いと推定される場合には、記録地図２５０に代わり、自車の走行区間の情報をサーバに送信する。すなわち、記録部５５０は、自己位置推定の誤差に基づいて生成地図２４０を記録地図２５０として記録しない場合に、自車の走行区間に関する情報をサーバに送信する。そのため、サーバは、生成地図２４０を用いた自己位置推定の精度が低い区間の情報を収集することで、たとえば、専用の計測車両を用いた地図生成を計画することができる。

（変形例３）
上述した実施例では、地図生成・自己位置推定装置５００は、記録部５５０において、精度評価部１４０が算出した誤差２６１に基づいて、記録地図２５０を記録した。しかし、地図生成・自己位置推定装置５００の動作はこれに限定されない。

地図生成・自己位置推定装置５００は、精度評価部１４０が算出した誤差２６１に基づいてセンサ３００の異常を判定するセンサ異常判定部（不図示）をさらに備えても良い。

たとえば、センサ異常判定部は、あらかじめ設定した回数以上連続で記録地図２５０が記録されなかった場合、すなわち、生成地図２４０を用いた自己位置推定の精度が低いと判断された場合、センサ３００に異常が生じていると判定しても良い。

また、たとえば、地図生成・自己位置推定装置５００は、外界センサ３１０が複数存在する場合に、データ割当部１１０において、外界センサ毎に、計測周期毎のデータ割当を実施し、精度評価部１４０において、外界センサ毎に生成地図２４０を用いた自己位置推定の精度を評価し、外界センサ３１０によって誤差２６１が大きく異なる場合には、誤差２６１が大きくなった外界センサ３１０を異常と判定しても良い。

また、たとえば、地図生成・自己位置推定装置５００は、外界センサ３１０が３個以上存在する場合には、データ割当部１１０が外界センサ毎にデータを割り当てる際に、地図用データ２１０および位置推定用データ２２０のどちらにも割り当てない外界センサ３１０を設定しても良い。センサ異常判定部は、複数の組に対する精度評価結果を比較し、特定のセンサを用いない場合の精度が用いる場合の精度より高くなっている場合には、該センサを異常と判定しても良い。

上述した変形例３によれば、次の作用効果が得られる。すなわち、地図生成・自己位置推定装置５００は、精度評価部１４０が算出した誤差２６１に基づいて、センサ３００の異常を判定するセンサ異常判定部をさらに備える。そのため、外界センサ３１０の異常を判定することができる。

［第３の実施の形態］
以下、図１１を参照して、地図生成・自己位置推定装置の第３の実施の形態について説明する。以下の説明では、第１の実施の形態、第２の実施の形態と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、第１の実施の形態、第２の実施の形態と同じである。本実施の形態では、第２の実施の形態の地図生成・自己位置推定装置５００に加え、記録地図２５０を記録した後に同じ場所を自車が再度走行した際に動作する、自己位置推定部とモード選択部を備える地図生成・自己位置推定装置を対象とする。

（ブロック構成）
図１１は第３の実施の形態の地図生成・自己位置推定装置６００のブロック構成を示す図である。地図生成・自己位置推定装置６００は、データ割当部１１０と、地図生成部１２０と、自己位置推定部１３０と、精度評価部１４０と、記録部５５０と、モード選択部６６０と、を備える。モード選択部６６０は、地図生成・自己位置推定装置６００の動作モード、および、地図生成・自己位置推定装置６００に接続される自動運転・運転支援システムに許可する動作モードを選択する。

地図生成・自己位置推定装置６００の動作は、地図生成モードと位置推定モードからなる。地図生成モードは、センサ３００の出力から点群（自車周辺物体の計測結果として得られる点の集合）と自車の走行位置からなる地図を生成し、記録地図２５０として保存する。位置推定モードは、センサ３００の出力と記録地図２５０から、記録地図２５０における現在の自車の位置姿勢を推定する。

地図生成モードでは、データ割当部１１０と、地図生成部１２０と、自己位置推定部１３０と、精度評価部１４０と、記録部５５０と、が動作する。地図生成モードの動作は、第２の実施の形態の地図生成・自己位置推定装置５００と同じである。

位置推定モードでは、自己位置推定部１３０と、モード選択部６６０と、が動作する。自己位置推定部１３０の動作は地図生成モードと同じである。ただし、生成地図２４０に代わり記録地図２５０が、位置推定用データ２２０に代わりセンサ３００の出力が、自己位置推定部１３０へ入力される。

なお、本実施の形態では、地図生成モードと位置推定モードで同じ（共通の）自己位置推定部１３０が動作するものとしているが、地図生成モードと位置推定モードで異なる（別の）自己位置推定部１３０を用意して動作させても良い。

（モード選択部の動作）
モード選択部６６０における処理の内容について説明する。モード選択部６６０は、地図生成・自己位置推定装置６００の動作モード、および、地図生成・自己位置推定装置６００に接続される自動運転・運転支援システムに許可する動作モードを選択する。

まず、モード選択部６６０は、自己位置推定部１３０が推定した自車の位置姿勢と、記録地図２５０に含まれる予測誤差と、から、現在の位置姿勢の推定結果に対する予測誤差を求める。具体的には、自己位置推定部１３０が推定した自車の位置姿勢と最も近い記録地図２５０の走行位置に対応する予測誤差を、現在の位置姿勢の予測誤差とする。

モード選択部６６０は、算出した現在の位置姿勢の予測誤差に基づいて、地図生成・自己位置推定装置６００の動作モード（地図生成モード、位置推定モード）を決定する。たとえば、現在の位置姿勢の予測誤差があらかじめ設定した閾値未満の場合には、引き続き位置推定モードとして動作する。一方、現在の位置姿勢の予測誤差があらかじめ設定した閾値以上の場合には、位置推定モードから地図生成モードへ切り替える。換言すると、予測誤差が大きい場所においては、自己位置推定結果を用いた自動運転・運転支援システムを動作させるのではなく、初回の走行時と同様にドライバの運転による地図生成を実施する。

また、モード選択部６６０は、算出した現在の位置姿勢の予測誤差に基づいて、地図生成・自己位置推定装置６００に接続される自動運転・運転支援システムに許可する動作モードを選択する。たとえば、現在の位置姿勢の予測誤差が小さいほど、高い自動運転レベルの動作を自動運転・運転支援システムに許可する。より具体的には、たとえば、現在の位置姿勢の予測誤差があらかじめ設定した閾値xより小さい場合には、自動運転・運転支援システムにハンズオフの自動運転までを許可し、現在の位置姿勢の予測誤差があらかじめ設定した閾値y(x<y)より大きい場合には、自動運転・運転支援システムに警報のみを許可する。

（作用効果）
上述した第３の実施の形態によれば、次の作用効果が得られる。

（１）モード選択部６６０は、算出した現在の位置姿勢の予測誤差に基づいて、地図生成・自己位置推定装置６００の動作モード（地図生成モード、位置推定モード）を決定する。すなわち、記録部５５０は、記録地図２５０に精度評価部１４０が算出した自己位置推定の誤差（予測誤差）を含め、記録地図２５０が存在する区間を自車が再度走行した際に、自己位置推定部１３０は、外界センサ３１０のデータと記録地図２５０とから、記録地図２５０における自車の位置姿勢を推定する。モード選択部６６０は、自己位置推定部１３０が推定した記録地図２５０における自車の位置姿勢と、記録地図２５０に含まれる自己位置推定の誤差とから、現在の予測誤差を算出する。そして、モード選択部６６０は、算出した現在の予測誤差に基づいて地図生成・自己位置推定装置６００の動作モードを地図生成モードと位置推定モードから選択する。そのため、予測誤差が大きい場所においては、自己位置推定結果を用いた自動運転・運転支援システムを動作させるのではなく、初回の走行時と同様にドライバの運転による地図生成を実施することができる。

（２）モード選択部６６０は、算出した現在の位置姿勢の予測誤差に基づいて、地図生成・自己位置推定装置６００に接続される自動運転・運転支援システムに許可する動作モードを選択する。そのため、自己位置推定の精度に応じて適切な自動運転・運転支援機能をドライバへ提供することができる。

［まとめ］
以上のように、上述した第１の実施の形態の地図生成・自己位置推定装置１００は、自車の周囲の環境を計測する外界センサが取得したデータを、地図生成用データ２１０と、自己位置推定用データ２２０とに割り当てるデータ割当部１１０と、前記地図生成用データ２１０に基づき、地図を生成する地図生成部１２０と、前記地図生成部１２０が生成した生成地図と、前記自己位置推定用データ２２０とに基づいて、前記生成地図における前記自車の走行位置を推定する自己位置推定部１３０と、を備える地図生成・自己位置推定装置１００であって、前記データ割当部１１０は、（前記外界センサのデータの）データ割当方法に基づいて前記地図生成用データ２１０と前記自己位置推定用データ２２０の間の相対位置の真値を算出し、前記地図生成・自己位置推定装置１００は、前記相対位置の真値と前記自己位置推定部１３０が算出した自己位置推定結果から、（前記自己位置推定部１３０が実施した）自己位置推定の誤差を評価する精度評価部１４０を備える。

換言すると、センサの出力を、地図用データ２１０と、位置推定用データ２２０とに割り当て、データ割当方法に基づいて地図用データ２１０と位置推定用データ２２０のデータ間の相対位置の真値を算出するデータ割当部１１０と、地図用データ２１０から、点群と自車の走行位置からなる生成地図を生成する地図生成部１２０と、位置推定用データ２２０と生成地図とを対応づけることで、生成地図上における自車の位置姿勢を推定する自己位置推定部１３０と、データ間の相対位置の真値から、自己位置推定部１３０が推定した生成地図上における自車の位置姿勢の精度を評価する精度評価部１４０と、を備える。

また、上述した第２の実施の形態の地図生成・自己位置推定装置５００は、前記精度評価部１４０が算出した前記自己位置推定の誤差に基づいて、前記生成地図を記録地図として記録する記録部５５０をさらに備え、前記記録部５５０は、前記自己位置推定の誤差があらかじめ設定された閾値より小さい場合のみ、前記生成地図を前記記録地図として記録する。また、前記記録部５５０は、前記生成地図のうち、前記自己位置推定の誤差があらかじめ設定された閾値よりも小さい区間のみを前記記録地図として記録する。

また、上述した第３の実施の形態の地図生成・自己位置推定装置６００は、前記記録部５５０は、前記記録地図に前記精度評価部１４０が算出した前記自己位置推定の誤差を含め、前記記録地図が存在する区間を前記自車が再度走行した際に、前記自己位置推定部１３０は、前記外界センサのデータと前記記録地図とから、前記記録地図における前記自車の位置姿勢を推定し、前記地図生成・自己位置推定装置６００は、前記自己位置推定部１３０が推定した前記記録地図における前記自車の位置姿勢と、前記記録地図に含まれる前記自己位置推定の誤差とから、現在の予測誤差を算出し、前記現在の予測誤差に基づいて前記地図生成・自己位置推定装置６００の動作モードを地図生成モードと位置推定モードから選択するモード選択部６６０をさらに備える。また、前記モード選択部６６０は、前記現在の予測誤差に基づいて、前記地図生成・自己位置推定装置６００と接続された自動運転・運転支援システムに許容する動作モードを選択する。

上述した本実施の形態によれば、事前の学習移動や環境への既知物体の設置、センサの追加なしで、地図生成時に、生成地図を用いた自己位置推定の精度を見積もることができる地図生成・自己位置推定装置を実現することが可能である。

なお、本発明は上記した実施形態に限定されるものではなく、様々な変形形態が含まれる。たとえば、上記した実施形態は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。本発明の技術的思想の範囲内で考えられるその他の態様も本発明の範囲内に含まれる。また、ある実施形態の構成の一部を他の実施形態の構成に置き換えることが可能であり、また、ある実施形態の構成に他の実施形態の構成を加えることも可能である。また、各実施形態の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、たとえば集積回路で設計する等によりハードウェアで実現しても良い。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現しても良い。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

１００…地図生成・自己位置推定装置（第１の実施の形態）、１１０…データ割当部、１２０…地図生成部、１３０…自己位置推定部、１４０…精度評価部、２１０…地図用データ、２２０…位置推定用データ、２３０…データ間の相対位置の真値、２４０…生成地図、２５０…記録地図、３００…センサ、３１０…外界センサ、３２０…相対位置センサ、５００…地図生成・自己位置推定装置（第２の実施の形態）、５５０…記録部、６００…地図生成・自己位置推定装置（第３の実施の形態）、６６０…モード選択部

Claims (15)

1. 自車の周囲の環境を計測する外界センサが取得したデータを、地図生成用データと、自己位置推定用データとに割り当てるデータ割当部と、
   前記地図生成用データに基づき、地図を生成する地図生成部と、
   前記地図生成部が生成した生成地図と、前記自己位置推定用データとに基づいて、前記生成地図における前記自車の走行位置を推定する自己位置推定部と、を備える地図生成・自己位置推定装置であって、
   前記データ割当部は、データ割当方法に基づいて前記地図生成用データと前記自己位置推定用データの間の相対位置の真値を算出し、
   前記地図生成・自己位置推定装置は、前記相対位置の真値と前記自己位置推定部が算出した自己位置推定結果から、自己位置推定の誤差を評価する精度評価部を備えることを特徴とする地図生成・自己位置推定装置。
2. 請求項１に記載の地図生成・自己位置推定装置であって、
   前記データ割当部は、前記外界センサの計測周期ごとに、該計測周期のデータを前記地図生成用データと前記自己位置推定用データのいずれかに割り当てるものであって、センサで取得した前記自車の相対移動量を用いて前記相対位置の真値を算出することを特徴とする地図生成・自己位置推定装置。
3. 請求項２に記載の地図生成・自己位置推定装置であって、
   前記データ割当部は、前記外界センサが取得したデータを前記自己位置推定用データに割り当てた際に、最も新しい前記地図生成用データと該自己位置推定用データの間の相対位置姿勢を前記相対位置の真値とする、
   又は、
   前記データ割当部は、前記自己位置推定用データのそれぞれに対し、相対位置姿勢の差が最も小さくなる前記地図生成用データを選択し、該自己位置推定用データと該地図生成用データの間の相対位置姿勢を前記相対位置の真値とすることを特徴とする地図生成・自己位置推定装置。
4. 請求項１に記載の地図生成・自己位置推定装置であって、
   前記外界センサは複数のセンサを含み、
   前記データ割当部は、各外界センサが計測したデータを前記地図生成用データと前記自己位置推定用データのいずれかに割り当て、事前の校正によって算出された前記各外界センサ間の設置位置姿勢を用いて前記相対位置の真値を算出することを特徴とする地図生成・自己位置推定装置。
5. 請求項４に記載の地図生成・自己位置推定装置であって、
   前記データ割当部は、前記各外界センサのデータを、前記各外界センサの計測周期によらず、固定的に前記地図生成用データと前記自己位置推定用データのいずれかに割り当てる、
   又は、
   前記データ割当部は、前記各外界センサのデータを、前記各外界センサの計測周期ごとに、変動的に前記地図生成用データと前記自己位置推定用データのいずれかに割り当てる、
   又は、
   前記データ割当部は、前記各外界センサが自車停止中に取得したデータのみを用いて前記相対位置の真値を算出することを特徴とする地図生成・自己位置推定装置。
6. 請求項１に記載の地図生成・自己位置推定装置であって、
   前記データ割当部は、事前に設定された前記地図生成部が処理できる最大データ容量もしくは前記地図生成部が必要とするデータ容量に基づいて、前記外界センサのデータを割り当てる、
   又は、
   前記データ割当部は、前記地図生成用データと前記自己位置推定用データを排他的に割り当てることを特徴とする地図生成・自己位置推定装置。
7. 請求項１に記載の地図生成・自己位置推定装置であって、
   前記データ割当部と前記地図生成部はオンラインで動作し、
   前記自己位置推定部は、前記地図生成部が生成した生成地図と、一時的に保存された過去の前記自己位置推定用データとに基づいて、前記生成地図における前記自車の走行位置を推定する、
   或いは、
   前記データ割当部は、データ割当方法を変更した複数組の前記地図生成用データ、前記自己位置推定用データ、前記相対位置の真値を用意し、
   前記地図生成部は、複数の前記地図生成用データのそれぞれに対して前記生成地図を生成し、
   前記自己位置推定部は、複数の前記生成地図と、複数の前記生成地図と対応する前記自己位置推定用データとを用いて、それぞれの前記生成地図における前記自車の走行位置を推定し、
   前記精度評価部は、各組のデータに対する前記自己位置推定の誤差から、前記自己位置推定の誤差の統計量もしくは分布を算出する、
   或いは、
   前記データ割当部は、前記地図生成用データと前記自己位置推定用データにノイズを付与し、
   前記精度評価部は、前記ノイズの大きさと前記自己位置推定の誤差の関係を算出することを特徴とする地図生成・自己位置推定装置。
8. 請求項１に記載の地図生成・自己位置推定装置であって、
   前記精度評価部が算出した前記自己位置推定の誤差に基づいて、前記生成地図を記録地図として記録する記録部をさらに備え、
   前記記録部は、前記自己位置推定の誤差があらかじめ設定された閾値より小さい場合のみ、前記生成地図を前記記録地図として記録することを特徴とする地図生成・自己位置推定装置。
9. 請求項８に記載の地図生成・自己位置推定装置であって、
   前記記録部は、前記生成地図のうち、前記自己位置推定の誤差があらかじめ設定された閾値よりも小さい区間のみを前記記録地図として記録することを特徴とする地図生成・自己位置推定装置。
10. 請求項８に記載の地図生成・自己位置推定装置であって、
    前記データ割当部は、データ割当方法を変更した複数組の前記地図生成用データ、前記自己位置推定用データ、前記相対位置の真値を用意し、
    前記地図生成部は、複数の前記地図生成用データのそれぞれに対して前記生成地図を生成し、
    前記自己位置推定部は、複数の前記生成地図と、複数の前記生成地図と対応する前記自己位置推定用データとを用いて、それぞれの前記生成地図における前記自車の走行位置を推定し、
    前記精度評価部は、各組のデータに対する前記自己位置推定の誤差を算出し、
    前記記録部は、前記自己位置推定の誤差の平均、中央値、もしくは最大値が最も小さい組において生成された前記生成地図を前記記録地図として記録することを特徴とする地図生成・自己位置推定装置。
11. 請求項１０に記載の地図生成・自己位置推定装置であって、
    前記地図生成部は、地図生成用パラメータを変更することで複数の前記生成地図を生成し、
    前記自己位置推定部は、複数の前記生成地図のそれぞれに対して、自己位置推定用パラメータを変更することで複数の前記自己位置推定結果を算出し、
    前記精度評価部は、複数の前記自己位置推定の誤差を算出し、
    前記記録部は、前記自己位置推定の誤差の平均、中央値、もしくは最大値が最も小さい組において生成された前記生成地図と、前記生成地図の生成に用いた前記地図生成用パラメータおよび前記自己位置推定結果の算出に用いた前記自己位置推定用パラメータとを、前記記録地図として記録することを特徴とする地図生成・自己位置推定装置。
12. 請求項８に記載の地図生成・自己位置推定装置であって、
    前記記録部は、前記地図生成・自己位置推定装置とネットワークを介して接続されたサーバに前記記録地図を記録する、
    又は、
    前記記録部は、前記地図生成・自己位置推定装置とネットワークを介して接続されたサーバに前記記録地図を記録すると共に、前記自己位置推定の誤差に基づいて前記生成地図を前記記録地図として記録しない場合に、前記自車の走行区間に関する情報を前記サーバに送信することを特徴とする地図生成・自己位置推定装置。
13. 請求項１に記載の地図生成・自己位置推定装置であって、
    前記精度評価部が算出した前記自己位置推定の誤差に基づいて、前記外界センサの異常を判定するセンサ異常判定部をさらに備えることを特徴とする地図生成・自己位置推定装置。
14. 請求項８に記載の地図生成・自己位置推定装置であって、
    前記記録部は、前記記録地図に前記精度評価部が算出した前記自己位置推定の誤差を含め、
    前記記録地図が存在する区間を前記自車が再度走行した際に、前記自己位置推定部は、前記外界センサのデータと前記記録地図とから、前記記録地図における前記自車の位置姿勢を推定し、
    前記地図生成・自己位置推定装置は、前記自己位置推定部が推定した前記記録地図における前記自車の位置姿勢と、前記記録地図に含まれる前記自己位置推定の誤差とから、現在の予測誤差を算出し、前記現在の予測誤差に基づいて前記地図生成・自己位置推定装置の動作モードを地図生成モードと位置推定モードから選択するモード選択部をさらに備えることを特徴とする地図生成・自己位置推定装置。
15. 請求項１４に記載の地図生成・自己位置推定装置であって、
    前記モード選択部は、前記現在の予測誤差に基づいて、前記地図生成・自己位置推定装置と接続された自動運転・運転支援システムに許容する動作モードを選択することを特徴とする地図生成・自己位置推定装置。
    

Images