JP3947193B2 - 車両のコース予測方法及びその装置 - Google Patents

Description

本発明は，車両の前方に存在する対象のための位置測定システムを備えた車両におけるコース予測方法及びその装置に関するものであって，同方法においては走行路端縁にある静止目標について測定された間隔と角度のデータを用いて，走行路端縁の推移を記述する関数が計算される。特に本発明は，位置測定システムによって位置測定された，先行車両に対する車両の間隔を，先行車両が好適な安全間隔で追従されるように制御するために用いられる，いわゆるＡＣＣシステム（Ａｄａｐｔｉｖｅ Ｃｒｕｉｓｅ Ｃｏｎｔｏｒｌ）との関連において，コース予測する方法に関する。

最近の車両には，運転者アシストシステムが搭載されていることが多く，同システムは車両ガイドにおいて運転者を支援し，かつ運転者が所定の走行操作を実施することを容易にする。この目的のために，運転者アシストシステムは，位置測定システムを用いて，例えばレーダシステム，リーダシステム又はビデオカメラシステムを用いて獲得される，車両の周囲に関する情報を必要とする。冒頭で挙げたＡＣＣシステムは，この種の運転者アシストシステム又はこの種の運転者アシストシステムの，さらに他の機能を満たすことのできる部分システムの例である。この種のＡＣＣシステムの詳細は，例えば１９９６年２月２６日から２９日のＳＡＥにおいてＳＡＥテクニカルペーパーシリーズ第９６１０１０として，ヴィナー，ヴィッテ他によって公開された，出版物「アダプティブクルーズコントロールシステム アスペクトと開発傾向」（Ｗｉｎｎｅｒ， Ｗｉｔｔｅ ｅｔ ａｌ．，“Ａｄａｐｔｉｖｅ Ｃｒｕｉｓｅ Ｃｏｎｔｒｏｌ−Ｓｙｓｔｅｍ Ａｓｐｅｃｔｓ ａｎｄ Ｄｅｖｅｌｏｐｍｅｎｔ Ｔｒｅｎｄｓ”）に記載されている。ＡＣＣシステムにおいて位置測定システムがレーダセンサによって形成される場合には，対象間隔だけでなく，ドップラ効果を用いて対象の相対速度も直接測定することができるので，相対速度を自己車両（即ち，ＡＣＣシステムを搭載した車両）の絶対速度と比較することによって，先行車両と例えば交通標識板，案内柱などのような，場所固定の対象，いわゆる静止目標とを区別することができる。

間隔制御のためには，さらに，自己の走行車線上の車両と隣接車線上の車両が区別されなければならない。これは，レーダシステムが所定の角度解像も有していることによって，可能である。その場合に間隔と角度のデータから，位置測定された対象の位置が，２次元の地図技術的な座標システム内に表示される。走行路推移が直線である場合には，先行車両が自己車線上に存在するのか，隣接車線上に存在するのかを，比較的確実に評価することができる。しかし，走行路推移が湾曲している場合には，これを決定する際に走行路曲率も考慮しなければならない。したがって，ＡＣＣシステムの重要な部分機能は，自己車両の前の所定の区間部分における走行路の予測される推移を推定することにある。この機能は，コース予測と称される。

既知のコース予測方法においては，自己車両の移動データが評価される。ステアリングの切れを用いて，及び／又は好適なセンサによって測定された車両の横加速度又はヨー速度を用いて，車両の固有速度と組み合わせて，現在車両が走行している区間部分内の走行路曲率が推定され，その場合にコース予測は，前方に存在する区間部分内の走行路曲率がいずれにせよわずかしか変化しない，という仮定に基づいている。

ＤＥ１９７２０７６４Ａ１には，冒頭で挙げた種類の方法が記載されており，同方法においてはコース予測は決定的に，走行路端縁にある静止目標の位置測定に基づいている。一般に，比較的滑らかな走行路表面はレーダ波についてわずかな反射性しか持たず，走行路端縁にはしばしばより高い反射性を有する対象が存在している。これら走行路端縁の対象は，柱，道路標識板などのようなレーダ測定が繰り返される場合に，既知のトラッキング方法によって識別されて追跡される空間的に制限された対象であり，他方ではガードレール，繁み，塀などのような広がった対象であって，その場合にはこの種のトラッキングは不可能である。上述した公報は，走行路推移を定めるために，２つのタイプの走行路端縁対象を利用することのできる方法を記述している。この目的のために，レーダセンサの位置測定角度領域がディスクリートなセグメントに分割されて，各セグメントについて受信されたレーダエコーの振幅のしきい値比較によって，走行路端縁又はその向こうにある静止目標が識別される。その後これらの対象の間隔データを用いて，各セグメントについて走行路端縁までの間隔が推定される。このようにして各角度セグメントについて得られた，走行路端縁のための間隔データから，その後カーブ回帰によって，走行路端縁の推移を近似的に表す関数が計算される。

しかし，この方法においては，できるだけ各角度セグメントについて，走行路端縁間隔についてある程度信頼できる値を求めなければならず，そのためには比較的わずかな振幅を有するレーダエコーも評価しなければならない。それに従って処理コストが高くなり，方法は比較的障害が起きやすくなる。

ＤＥ１９７２２９４７Ｃ１には，コース予測する他の方法が記載されており，同方法においてはまず，先行車両の位置測定データがコース予測のために利用される。しかしここでは，正確なコース予測は，走行路が広い（例えば３車線の走行路）の場合に，先行車両は走行路内部で比較的大きい横変位を有する可能性があるので，困難になる。上記公報においては，コース予測のために静止目標も利用することが提案される。

一般的に，コース予測するために複数の異なる方法を互いに組み合わせて，相互に校正し，それによってコース予測の精度と信頼性を改良することが，効果的である。

本発明の課題は，比較的わずかな処理コストによって，走行路推移の比較的正確な決定を可能にする，コース予測するための他の方法を提供することである。

この課題は，本発明によれば，複数の静止目標が識別されて，追跡され，追跡される静止目標の量の種々の部分量について，静止目標が走行路端縁に存在すると仮定して，走行路端縁推移が推定され，得られた可能な走行路端縁推移の蓋然性を用いて走行路端縁目標と外乱対象が区別され，走行路端縁目標を用いて最も確率の高い走行路端縁推移が定められることによって解決される。

従って提案されている方法においては，走行路端縁推移を定めるために，第１に，位置測定された静止目標が利用され，その静止目標の自己車両に対する移動が，複数のレーダ測定サイクルにわたって既知のトラッキング方法によって追跡される。これらの静止目標は，直接走行路端縁にある走行路端縁対象（例えば柱，交通標識板など）であり，あるいはまた走行路端縁からずっと離れた対象であって，それらはここでは外乱対象と称される。位置測定データのみを用いては，検出された静止目標がどのタイプに属するか，は決定されない。従って，本発明に基づく方法においては，まず，対象が直接走行路端縁にあって，従って走行路端縁の推移を記述する関数，例えば多項式のためのサポート箇所として利用することができる，と仮定する。利用されるサポート箇所の数が多くなるほど，実際の走行路端縁推移を近似することのできる精度はそれだけ高くなる。

しかし，サポート箇所として用いられる静止目標は，実際には走行路端縁にはない外乱対象であることもあり得るので，各々サポート箇所の選択に従って，実の走行路端縁推移からは著しくずれた走行路端縁推移も得てしまう。しかし，この種の虚の走行路端縁推移を幾つかの蓋然性判断基準を用いて認識して除去することが可能である。適切な蓋然性判断基準の例は，後で詳細に説明する。サポート箇所の考えられる組合せについて，この種の蓋然性検査が実施される場合には，どのサポート箇所が実の走行路端縁推移であるかがはっきりと浮かび上がるので，これらのサポート箇所を用いて計算されたカーブは一貫しており，かつ高い精度と信頼性をもって走行路端縁の実際の推移を記述する。

この方法の利点は，方法が，レーダエコー内の比較的高い振幅を特徴とし，それに応じて正確かつ信頼性をもって位置測定できる，位置測定される静止目標に決定的に支持されていることにある。このようにして本方法が外乱影響に対してきわめて強いことが得られる。一般に，与えられた時点では，レーダの位置測定領域内にこの種のローカルな静止目標は制限された数しかないので，評価は支持し得る計算の手間でもたらされる。他の重要な利点は，利用される静止目標が多数の測定サイクルにわたるトラッキングによって追跡することができるので，実際の測定サイクルにおいて評価される対象の多数は既にその前の測定サイクルからわかっており，従ってこれらの対象を走行路端縁目標又は外乱対象として分類する場合に，以前の結果を利用することができることにある。

静止目標においては，速度とヨーレートによって与えられる既知の車両運動を用いて車両に対する静止目標の位置を，これらの目標が既に位置測定システムの検出領域外にある時点について，計算することも可能である。

本発明の好ましい形態が，従属請求項から明らかにされる。

正確なコース予測のために，好ましくは右の走行路端縁の推移も，左の走行路端縁の推移も定められる。該当するプロシージャは，互いに対してほぼ独立しているが，一方のプロシージャにおいて他方のプロシージャの結果を利用することができる。例えば右の走行路端縁を定める場合に，ある対象が既に比較的確実に走行路端縁目標として認識されている場合には，これを左の走行路端縁を定める場合に初めから除去することができる。さらに，当然ながら，２つの走行路端縁の曲率は，互いに矛盾してはならない。

近似方法と称するべき，本方法の実施形態においては，第１のステップにおいて検出された静止目標が走行路端縁目標又は外乱対象として分類されて，右又は左の走行路側に対応付けられる。このようにして外乱対象が除去された後に，次のステップにおいて各走行路端縁について該当する走行路端縁対象を用いて，最も確率の高い走行路端縁推移を記述する関数が計算される。

外乱対象を識別し，かつ対象を左又は右の走行路側に対応付けるための蓋然性判断基準は，静止目標の位置が先行車両の位置と比較されることによって得られる。静止目標と先行車両が自己車両に対して等しい間隔を有している場合には，走行路幅についての蓋然的な評価から，あるいは以前の処理サイクルから認識されている走行路幅から，かつ測定された間隔から，先行車両と走行路端縁対象との間の角度間隔のための上方の限界値が得られる。角度間隔がこの限界値よりも大きい場合には，該当する静止目標を外乱対象として除去することができる。この判断基準は，走行路上又は上方にある外乱対象を除去するのにも，適している。これは，例えば，走行路の上方の橋の上に配置されており，間隔が比較的大きい場合にはまだレーダの位置測定領域内にあることもあり得る，道標についても該当する。この種の静止目標が先行車両によって見かけ上「轢かれる」場合には，この静止目標は外乱対象として除去することができる。同様に，先行車両が静止目標の左あるいは右を通過する場合には，この静止目標を右又は左の走行路側に一義的に対応付けることができる。

この判断基準の適用は，少なくとも１台の先行車両が存在していることを前提としているが，この限定は実際においては重要ではない。というのは，大部分の実際的な利用場合において，例えば間隔制御においては初めから，先行車両も存在している場合にだけ，コース予測の必要があるからである。

他の蓋然性判断基準は，自己車両が所定の横加速度を上回らない，という仮定に基づいている。即ち車両の既知の自己速度と組み合わせて，走行路の「蓋然的な」曲率について，従って走行路端縁の蓋然的な曲率についての上方の限界値が得られる。

湾曲した走行路端縁は，最も低い近似においてｙ＝ａ＋ｃｘ^２の形式の放物線によって記述することができる。その場合に曲率（二次微分）は，２ｃに等しい。係数ａとｃを定めるために，２つのサポート箇所のみ，２つの静止目標の位置か，あるいは自己車両の高さにおける走行路端縁の推定された位置又は既知の位置と組み合わせた１つの静止目標の位置が必要とされる。従って，左と右の走行路端縁の推移が，既に先行する計算サイクルにおいて好適な関数によって近似されている場合には，係数ａは両方の走行路端縁について既に認識されている。走行路の幅と走行路上の自己車両の横位置がまだわかっていない場合には，走行路が，いずれにしても車両幅よりも大きい，所定の最小幅を有している，と仮定することができる。例えば，走行路が７ｍの幅を有しており，自己車両が走行路中央を走行しているという仮定が，実際に役立つ。その場合には，右の走行路端縁を記述する放物線について，直接ａ＝３．５ｍが得られる。その場合には，係数ｃは，唯一の対象が直接右の走行路端縁に存在すると仮定して，この対象の位置座標から得られる。このようにして曲率２ｃについて許容できないほど高い値が得られた場合には，該当する静止目標を外乱対象として除去することができる。この判断基準は，各々考察される対象が自己車両に近づくほど，それだけ効率的になる。

他の判断基準は，走行路曲率が唐突に変化しない，即ち走行している区間当たりの走行路曲率の変化は，好ましくは車両の固有速度に従って及び／又は少なくとも既知の走行路幅に従って選択される，所定のしきい値の下になければならない，という仮定に基づいている。

特に，この判断基準から，個々の対象について計算された，走行路端縁の曲率は，特に対象が近い場合には車両の瞬間的な運動状態に適合するはずである。しかし，近くにある静止目標について，それが右の走行路端縁に存在すると仮定して，例えば車両の測定された横加速度又はヨー速度から左への所定の曲率が得られる場合には，この静止目標は外乱対象として分類することができる。

該当する判断基準は，自己車両に対する間隔が互いにわずかしか異なっていない対象についても，該当する。例えば，２つの対象が右の走行路端縁に存在すると仮定した場合に，第１の対象の位置と自己車両の高さにおける右の走行路端縁をサポート箇所として利用することによって，この第１の対象について所定の走行路端縁曲率が得られる。第２の対象については，同じ方法で，あるいはサポート箇所として２つの対象の位置を使用して，走行路端縁曲率が得られる。その場合に，２つの対象についての曲率の差は，２つの対象の間の間隔に依存する，所定のしきい値よりも大きくなってはならない。

同様な判断基準が，対象を右又は左の走行路側に対して対応付けるためにも，定式化される。２つの対象について，２つの対象の間を通って延び，かつそれについて最大曲率が，（例えば３ｍ／ｓ^２の横加速度に応じた）所定の限界値よりも小さい，所定（例えば，７ｍ）の最小幅を有する仮想の走行路がない場合には，２つの対象は同じ走行路側に位置する。

初めてある数の走行路端縁対象（例えば右の走行路端縁について）が識別された場合には，他の対象を分類するための判断基準は，新しい対象について得られる走行路端縁推移が，既に検出されている走行路端縁推移と整合していなければならないことにある。この判断基準を検査するために，既に識別されている走行路端縁目標を用いて，この走行路端縁対象の位置を通るか，あるいはそれに対してわずかな距離で延びる（カーブ回帰）補償関数を計算することができ，その後新しい対象について，この補償関数に対するその間隔が，所定のしきい値より大きいか，あるいは小さいかが調べられる。

この種の判断基準の適当な組合せを使用することによって，通常，右と左の走行路端縁の推移が確実に予測される。外乱対象としての所定の対象の分類に関して，あるいは左又は右の走行路側への対応付けに関してエラー推定があった場合には，それは必ず後続の測定及び計算サイクルにおいて明らかになり，その後適切な補正をもたらす。

現在，さらに強いと見なされる，「統計方法」とも称すべき本方法の他の実施形態においては，検出された静止目標を個々に外乱対象又は走行路端縁対象として分類して，所定の走行路側に対応付けることは，不要である。ここでは蓋然性判断基準は，静止目標の種々の組合せについて得られる，走行路端縁曲率が，「正しい」曲率において有意の堆積を示すことにある。従って外乱対象の影響は，この方法においては統計的な評価によって除去される。

検出された全ての静止目標全体から，左又は右の走行路側の区別なしで，あらゆる可能な組合せあるいは所定の濃度を有する部分量が形成され，各部分量のエレメントが，仮説的な走行路端縁推移を表す関数のためのサポート箇所として利用される。このようにして統計的な評価のための多数の関数が得られる。場合によっては，明らかに蓋然的でない所定の組合せ，例えば実際の走行方向に対してほぼ横方向に延びるライン上にある静止目標を，予め除去することができる。

少なくとも１つのカーブパラメータについて，例えば曲率について，カーブ群内に種々の曲率がどのような頻度で発生するかを表す，ヒストグラムが形成される。その場合に実の走行路曲率は，ヒストグラム内ではっきりとした最大として示される。最終的なカーブ予測のために，その曲率がヒストグラム内の最大に，あるいは選択的に，得られた曲率の重み付けされた平均，ヒストグラム内の面重心などに相当する，カーブが計算される。カーブは，好ましくは多項式によって，特に好ましくはｙ＝ａ＋ｃｘ^２の形式の多項式によって記述される。その場合に係数ｃは，実際の走行路曲率における一義的な最大，あるいは場合によっては狭いカーブ内では，右と左の走行路端縁の曲率について２つの近接した最大を示す。絶対的な項ａは，同様に，自己車両の高さにおける左あるいは右の走行路端縁の位置を表す２つの値において，有意の堆積を示す。このようにして左と右の走行路端縁の推移を記述する２つの関数（放物線）が直接得られる。

精度を向上させるために，統計的な評価において個々の静止目標についての測定データのエラー領域を考慮することができるので，正確に測定された（近くに存在する）対象に基づくカーブが，より強く重み付けされる。

この方法においても，補足的に，例えば静止目標の所定の組合せを始めから除去するために，先行車両の位置の測定を利用することができる。例えば，先行車両が対象Ａの左と対象Ｂの右を通過していることが検出された場合には，組合せ（Ａ，Ｂ）を除去することができる。というのは，それらは明らかに実の走行路端縁推移を表していないからである。

この方法の利点は，方法が，レーダエコー内の比較的高い振幅を特徴とし，それに応じて正確かつ信頼性をもって位置測定できる，位置測定される静止目標に決定的に支持されていることにある。このようにして本方法が外乱影響に対してきわめて強いことが得られる。一般に，与えられた時点ではレーダの位置測定領域内にこの種のローカルな静止目標は制限された数しかないので，評価は支持し得る計算の手間でもたらされる。他の重要な利点は，利用される静止目標が多数の測定サイクルにわたるトラッキングによって追跡することができるので，実際の測定サイクルにおいて評価される対象の多数は既にその前の測定サイクルからわかっており，従ってこれらの対象を走行路端縁目標又は外乱対象として分類する場合に，以前の結果を利用することができることにある。

図１には，ＡＣＣシステムを搭載した車両１０が，上面で示されている。ＡＣＣシステムには，位置測定センサとしてのレーダセンサが属している。レーダセンサの位置測定角度領域１２は，一点鎖線で示唆されている。車両１０の走行方向は，矢印ｘで示されている。走行方向に対して垂直の方向が，ｙで示されている。

レーダセンサの位置測定領域内には，多数の対象Ａ−Ｏがあって，それらは静止目標として識別された。というのはそれらの，車両１０に対する相対速度が車両１０の固有速度と逆方向に等しいからである。座標（ｘ，ｙ）は，対象Ａ−Ｏの各々について，角度解像するレーダシステムを用いて測定された。課題は，幾つかは走行路端縁にあるが，走行路端縁から離れているものもある，対象Ａ−Ｏの位置を用いて，走行路の予測される推移を定めることにある。この目的のために，左と右の走行路端縁の推移を示す関数が計算される。関数は，図示の例においては，ｙ＝ａ＋ｃｘ^２の形式の二次の多項式である。

係数ａとｃ（但し，絶対的な項ａが車両１０の高さにおける走行路端縁に対する間隔を表し，２ｃが走行路曲率を表す）を計算するために，各々少なくとも２つのサポート箇所が必要とされる。右の走行路端縁を記述する関数については，サポート箇所として，右の走行路端縁上にある走行路端縁対象が選択されなければならない。同様なことが，左の走行路端縁についても該当する。

従って対象Ａ−Ｏは，まず，それが走行路端縁対象であるか，あるいは走行路端縁の向こうにある外乱対象であるかに従って，分類されなければならない。さらに，対象の各々について，それが走行路の左側に存在するか，右側に存在するかが決定される。この分類のために，以下で詳細に説明する，蓋然性判断基準が利用される。

図２は，車両１０の最も近くに存在する対象Ａを分類するために利用される，蓋然性判断基準を説明している。そのためにまず実験的に，対象Ａが左の走行路端縁に存在すると仮定して，対象Ａの右を通過する仮説的走行路１４の左の走行路端縁を記述する関数ｙ＝ａ＋ｃｘ^２が計算される。

絶対項ａは，車両の高さにおける車両１０からの左走行路端縁の間隔を表す（ｘ＝０の場合）。先行する測定及び計算サイクルにおいて，左と右の走行路端縁の推移を記述する関数が既に計算されている場合には，値ａは既に認識されている。やむを得ない場合には，値ａは走行路幅についての蓋然的な仮定に基づいて推定される。

その場合に係数ｃは，関数式に対象Ａの座標（ｘ，ｙ）が代入されることによって，計算することができる。実際の走行路から，カーブが過度に狭くないと仮定することができる。量的に仮定は，走行路の最大の曲率が，実際の車両速度において車両１０の該当する横加速度が所定の値よりも大きくはならない，例えば３ｍ／ｓ^２より大きくならないように，小さいということにある。それに基づいて係数ｃについての所定の限界値が得られる。図示の例においては，対象Ａの座標から計算されたｃの値は，この限界値よりも大きい。即ち，仮説的な走行路１４は蓋然的ではなく，従って対象Ａは左の走行路端縁に位置していることはあり得ない。従って対象Ａは，右の走行路側の対象として分類され，それが図２にシンボルＲＲで記載されている。

次の対象として，車両に２番目に近い対象Ｂについて同じ判断基準が適用される。ここではｃについてほぼ０に等しい値が得られるので，第１の判断基準は満たされている。従って対象Ｂは，左の走行路端縁上に存在することがあり得る。しかしまた，それが右の走行路端縁上に存在することも，排除されない。従って，補足的に図３に示すように，右の走行路端縁について同様な蓋然性検査が実施される。ここでは，係数ｃについて，限界値の下にある（絶対値に従って）小さい値が得られる。従って，上述した判断基準を用いて，対象Ｂが左の走行路側に存在するか，右の走行路側に存在するか，は決定されない。

これを決定するために，他の判断基準として車両１０の実際の走行ダイナミクスが利用される。車両１０の移動は，図３において湾曲された矢印１６で記載されている。矢印１６の湾曲は，実際のステアリングの切れとそれに伴って車両１０の実際の横加速度に相当する。車両１０は現在右カーブを通過しており，仮説的走行路１４は左カーブを示唆していることが認識される。しかし，車両１０から対象Ｂまでの比較的短い距離上で走行路の湾曲方向がこのように著しく変化することは，蓋然的ではない。従って，この判断基準に基づいて，対象Ｂは走行路の左側の対象として分類することができ，それが図３にシンボルＬＲで記載されている。

同様な蓋然性検査が，徐々に増大する対象間隔を有する，対象ＣからＯについて，順番に実施される。しかし，対象Ｃについては，対象Ｂの存在を考慮しない場合には，これら蓋然性検査のどれも一義的な結果を供給することはない。従って図４に示すように，対象Ｃについては，他の蓋然性検査が実施され，それは同様に，実際の走行路は制限された曲率しか持たない，という仮定に基づいている。実験的に，対象Ｃが右の走行路端縁に存在すると仮定する。対象Ｂは既に左の走行路端縁上の対象として分類されているので，その場合に仮説的な走行路１４は対象ＢとＣの間を通過しなければならない。さらに，仮説的な走行路１４が所定の最小幅（例えば７ｍ）を有していると仮定される。放物線状の走行路推移によっては，この仮定は満たされない。その場合には走行路は対象Ｂ上を通ることになる。この判断基準から既に，対象Ｃは左の走行路側に存在すると決定することができる。

しかし，図示の例においては，状況のもっと広範な分類において利用することのできる，もっと複雑な蓋然性検査が実施される。そのために仮説的な走行路１４は，３次の多項式（即ち，ｙ＝ａ＋ｃｘ^２＋ｄｘ^３の形式の関数）によって記述される。絶対項ａは，ここでも車両１０の高さにおける走行路端縁間隔によって与えられている。係数ｃとｄは，対象ＢとＣの位置を用いて定められる。サポート箇所として，直接対象Ｂではなく，対象Ｂから右へ半分の走行路幅（３．５ｍ）だけ変位した点が用いられる。同様に，対象Ｃの代わりに，３．５ｍだけ左へ変位したサポート箇所が使用される。関数式へＢにおけるサポート箇所とＣにおけるサポート箇所を代入すると，ｃとｄに従って解かれる式システムが得られる。走行路１４の曲率は，関数の二次微分によって，従って２ｃ＋６ｄｘによって与えられる。ｘ＝０とｘ＝「対象Ｃの間隔」の間の値領域内で，この曲率は走行路の曲率の限界値より大きくなってはならない。この条件は，図示の例においては満たされていないので，対象ＢとＣは同一の走行路側上に存在すると推定される。Ｂは左の走行路側上の対象として分類されているので，対象Ｃも同じ分類ＬＲを有する。

図５は，対象Ｄが左の走行路端縁又は右の走行路端縁に存在するという仮定について，仮説的な走行路推移１４，１４’を示している。２つの走行路推移は，これまで説明した判断基準に基づいて可能であるので，対象Ｄの分類は，まず定められないままとする。

図６は，対象Ｅについて該当する走行路推移１４，１４’を示している。しかし，２つの仮説的な走行路推移１４と１４’は，ここでは対象Ａと重なる。対象Ｃとの関連において説明した，同じ考え方は，ここでは対象Ｅが右の走行路側に存在するという推定をもたらすだけでなく，この対象が走行路端縁対象ではなく，実際の走行路端縁から離れている，という推定ももたらす。従って，対象Ｅは，外乱対象として分類され，それがシンボルＳで示唆される。

図７は，対象Ｆについての仮説的な走行路推移１４，１４’を示している。ここでも従来の蓋然性検査は，一義的な結果をもたらさないので，分類は定められないままとなる。

同様に，これまで説明してきた蓋然性判断基準は，対象Ｇ，Ｈ及びＩについても，一義的な結果をもたらさなかった。しかしそれは，とにかく左の走行路側又は右の走行路側への対応付けに関する説明を許す。

図８は，ここでは対象ＤとＧの間を通過する短い走行路部分のみによって示唆される，仮説的な走行路推移１８，１８’を示している。既に対象Ｃに関して説明した考え方は，ここでは，対象ＤとＧが同じ走行路側に存在するという結果をもたらす。同じ決定は，対象ＧとＩについても行うことができる。従って，３つの対象全てが，暫定的に未定のクラスＲ１に分類される。

さらに，図８は，対象ＦとＨの間を通過する仮説的な走行路推移２０を示している。ここでも同じ考え方が，２つの対象が同じ走行路側に存在するという結果をもたらす。これらは，未定のクラスＲ２に分類される。しかし，さらに，対象ＦとＧは車両１０に対してほぼ同一の間隔を有していることが認識される。従って，それらは同一の走行路端縁上にはない。対象Ｇは，対象Ｆの右に存在するので，対象Ｄ，Ｇ及びＩは走行路の右に存在し（カテゴリＲＲ），それに対して対象ＦとＨは走行路の左に存在する（カテゴリＬＲ）と決定される。

図９においては，対象ＧからＩについて同様な分類が行われている。対象Ｄ，Ｇ及びＩが走行路端縁目標であり，従って実際には右の走行路端縁上に存在すると仮定すると，これらの対象の各々について，該当する走行路端縁を記述する放物線が計算される（各々第２のサポート箇所としての車両１０と共に）。各々ほぼ同一の放物線が得られることが，認識される。同じことが，対象Ｂ，Ｃ，Ｆ及びＨについても該当する。残りの対象をさらに検査して行くと，対象ＭとＯについても各々既に認識されている放物線がほぼ得られるが，それに対して対象ＪとＫについては得られないことが明らかにされる。従って，対象ＭとＯを走行路端縁目標として分類し（カテゴリＲＲあるいはＬＲ），それに対して対象ＫとＮは外乱対象（カテゴリＳ）として分類することが立証された。全ての外乱対象を除去する場合には，残っている走行路端縁目標を用いて２本の放物線が定められ，それらは各々右あるいは左の走行路端縁の対象についての最良の近似を表し，従って高い確率で右と左の走行路端縁の実際の推移を表す。従って，静止目標の位置座標の評価のみによって，蓋然的なコース予測を行うという課題が解決される。

図１０には，実際の走行路２２の該当する推移が記入されている。さらに，ここでは，前を走行する２台の車両２４と２６の位置が記入されており，それらの車両は，側方に変位して，かつ異なる走行車線上で走行路２２を走行している。本方法の好ましい形態によれば，これら先行車両の位置も，同様に蓋然性判断基準として利用される。車両２４と２６自体の位置は走行路推移を不正確にしか認識させないが，車両２４はまさに対象ＣとＥを通過しているので，対象Ｃは車両２４の位置と比較するだけで既に，一義的に左の走行路側の対象として分類され，対象Ｅは車両２４に対して大きい間隔を有しているので，外乱対象として分類される。同様に，車両２６を用いて対象ＦとＧが一義的に左あるいは右の走行路側の対象として分類される。先行車両の位置を参照する，判断基準の評価によって，計算の手間が著しく削減され，それに伴って計算が促進される。同時に，このようにして方法の信頼性が著しく向上する。

図１１には，本方法の他の実施形態が示されており，この実施形態においては仮説的な走行路端縁カーブ２８が統計的に評価される。走行路端縁カーブ２８は，ここでもｙ＝ａ＋ｃｘ^２の形式の放物線によって与えられている。係数ａとｃを計算するために，ここでは各々対象Ａ−Ｏの各々２つがサポート箇所として使用される。原則的に，対象Ａ−Ｏの各々は，これらの対象の各々他のものとペアを形成し，そのペアが該当する走行路端縁推移２８を定める。対象がｎある場合には，図１１にはそのうちの幾つかだけが例として示されている下方な走行路端縁カーブ２８の数は，ｎ（ｎ−１）／２によって与えられる。車両１０からほぼ等しい間隔を有するが，互いに対してはっきりとした角度間隔を有する対象の対は，初めから考慮されない。というのは，該当する放物線は走行路端縁の現実の推移を表さないからである。図１０におけるのと同様に，先行車両の位置も評価される限りにおいて，それらが走行路の異なる側に存在することが既に認識されている，対象のペアも考慮しないでおくことができる。完全に排除されないものとして残る走行路端縁カーブ２８の数は，一般に，統計的な評価が可能となる大きさである。

通常，検出された対象の多くは，実際の走行路端縁目標，例えばガードレールのための支持柱，案内柱，道路標識板などであるので，左と右の走行路端縁にほぼ相当する走行路端縁カーブの統計的な蓄積が得られる。即ち，どの値において走行路端縁カーブ２８の曲率あるいは付属の係数ｃが頻度最大を有するかを調べることによって，実の走行路曲率を求めることができる。

その場合に，好ましくは，対象ＡからＯの座標が実際においては制限された精度でしか認識されず，その場合にエラー限界（特にｙ−座標に関して）はずっと離れている対象においては，車両１０に近い対象におけるよりも，通常大きくなることが，考慮される。従って，対象の座標について認識されているエラー限界を用いて，係数ｃについても（そしてまた係数ａについても）走行路端縁カーブの各々に対応するエラー限界が定められる。その場合に，係数ｃの実際の値について，大きいエラー限界については大きいばらつきを有し，小さいエラー限界については小さいばらつきを有する確率分布，例えばガウス分布を仮定することができる。この種の確率分布の例が，図１２にヒストグラム形状で示されている。図１２において水平軸には係数ｃが記載され，垂直軸には確率ｐが記載されている。比較的幅広い確率分布３０は，それについて曲率あるいは係数ｃを比較的不正確にしか定められなかった，走行路端縁カーブ２８に相当する。実際に測定された値ｃ１は，確率分布の最大に相当する。それに対して確率分布３２は，それについて比較的高い精度で曲率ｃに関する値ｃが求められた，走行路端縁カーブ２８に相当する。評価された走行路端縁カーブ２８の各々について，この種の確率分布がヒストグラム形式で形成される。係数ｃの可能な領域は，ディスクリートなインターバルで調節されて，該当する確率ｐがディスクリートな値として，例えば整数として示される。この数は，分布カーブの元で全ての走行路端縁カーブについて面積が等しくなるように，選択することができる。この場合において，全ての走行路端縁カーブは等しく重み付けされるが，あまり正確に測定されなかったカーブにおいては，ばらつきが大きくなる。選択的に，より正確に測定されたカーブをより強く重み付けすることも，可能である。

図１３は，全部の走行路端縁カーブ２８について確率分布が加算されることにより得られたグラフを示している。このヒストグラムは，走行路の実際の曲率に従って，値ｃ０においてはっきりとした最大値を示している。それに対して，対象の「誤った」組合せによって獲得された虚の走行路端縁カーブ２８については，係数ｃはずっと強いばらつきを有しているので，図１３のヒストグラムにおいてそれは背景ノイズとしてのみ認められる。

実際の走行路が比較的狭いカーブを有する場合，そして比較的多くの実の走行路端縁目標が存在している場合には，ヒストグラムにおいて２つの部分最大が解像されることがあり，それらは例えば左と右の走行路端縁の幾分異なる曲率に相当する。

図１３に示すヒストグラムから導き出された，ｃ０における最大又は面重心の位置を用いて既に，放物線ｙ＝ｃｘ^２が計算され，その放物線は良好な近似で実際の走行路推移に相当し，かつ車両１０の中心を通って延びている。面重心を使用する場合に，精度は，ヒストグラム内でｃについて最大値から離れた値が除去されることによって，さらに向上する。さらに，係数ｃについての値領域を，「蓋然的な」曲率に，従って例えば３ｍ／ｓ^２よりも少ない車両の横加速度に相当する曲率に制限することができる。同様に，値領域とｃについてのディスクリートな値への値領域の分割を，速度に従って適合させることができる。というのは，カーブの多い，低い速度で走行される街道においては，アウトバーンにおけるよりも曲率は広い領域にわたって散乱するからである。

係数ｃについて上述した統計的な評価が，係数ａについても同様に実施される。ここでは，左と右の走行路端縁の位置を表す，２つのはっきりと異なる最大が見られる。その後，このようにして求められた係数ａと図１３から求められた係数ｃ０を用いて，左と右の走行路端縁を推移を記述する，ｙ＝ａ＋ｃ０・ｘ^２の形式の放物線が得られる。

しかし，選択的に，図１３のヒストグラムから，ｃ０の近傍において最大値に寄与する走行路端縁カーブも取り出して，その後この走行路端縁カーブについてだけａに従って統計的な評価を行うことができる。ヒストグラムが，図１３に示すように，左と右の走行路端縁について２つの異なるピークを有する場合には，左の走行路端縁を記述する放物線についても，該当するピークの内部にある−これは右カーブの場合にはより大きい曲率を有する−走行路端縁カーブ２８のみを利用し，その後この走行路端縁カーブについて係数ａから平均値を形成することができる。同様なことが，右の走行路端縁についても該当する。係数ａについての値領域も，好ましくは蓋然的な走行路幅に制限される。その場合には，その係数ａがこの値領域の外部にある走行路端縁カーブは，予め除去することができる。

逆に，まず係数ａに従って統計的な評価を行い，その後，ａについての最大値に寄与するカーブについて，係数ｃの頻度最大を求めることもできる。

原理において，統計方法はより高次の多項式にも一般化される。もちろんその場合には，サポート箇所の数とそれに伴ってサポート箇所の可能な組合せの数が大きくなって，それだけ計算の手間も極めて大きくなる。もちろん，実際的には，まず放物線状の走行路端縁カーブ２８の統計的な評価によって，実の走行路端縁である対象が定められて，その後各々より高次の多項式によって右と左の走行路端縁上の走行路端縁目標が近似される。

以下，図面を用いて本発明の実施例を詳細に説明する。
車両の位置と，車両の位置測定システムによって位置測定された対象の位置を，２次元の座標システム内に示す図表である。 第１の蓋然性判断基準を説明するための，図１と同様な図表である。 第２の蓋然性判断基準を説明する図表である。 第３の蓋然性判断基準を説明する図表である。 他の対象に蓋然性判断基準を使用することを説明する図表である。 第４の蓋然性判断基準を説明する図表である。 他の対象に蓋然性判断基準を使用することを説明する図表である。 他の対象に第３の蓋然性判断基準を使用することを説明する図表である。 蓋然性検査の結果を説明するための，図１と同様の図表である。 第５の蓋然性判断基準を説明する図表である。 第２の実施例に基づくコース予測する方法を説明するための，図１と同様の図表である。 第２の実施例において，測定結果を評価する方法を説明するための，エラー図表である。 第２の実施例に基づく方法における測定結果のヒストログラムを示している。

Claims (14)

1. 車両（１０）の前方に存在する対象（Ａ−Ｏ）のための位置測定システムを有する車両におけるコース予測方法であって，同方法において走行路端縁にある静止目標について測定された間隔及び角度のデータを用いて，走行路端縁の推移を記述する関数が計算される，前記方法において，
   複数の静止目標が識別されて，追跡され，
   追跡される静止目標の量の種々の部分量について，静止目標が走行路端縁に存在すると仮定して，走行路端縁推移を推定，かつ
   走行路端縁推移（１４，１４’，１８，１８’，２０；２８）に関する少なくとも一つの蓋然性判断基準を用いて，静止目標を走行路端縁目標（Ａ，Ｂ，Ｃ，Ｄ，Ｇ，Ｆ，Ｈ，Ｉ，Ｍ，Ｏ）と外乱対象（Ｅ，Ｊ，Ｋ，Ｎ）とに区別し、
   走行路端縁目標を用いて最も確率の高い走行路端縁推移を定め、
   左の走行路側の静止目標と右の走行路側の静止目標が区別され，かつ
   ２つの静止目標が同一の走行路側にあるための判断基準は，２つの静止目標の間を通過する，予め設定された走行路幅を有する仮説的な走行路推移（１４，１８，１８’，２０）が，予め設定された速度に依存する値よりも大きい，最大の曲率を有していることにあることを特徴とするコース予測方法。
2. 先行車両（２４，２６）の位置測定データが，静止目標を左又は右の走行路側に対応付けるため，及び／又は外乱対象を識別するための蓋然性判断基準として利用されることを特徴とする請求項１に記載のコース予測方法。
3. 可能な走行路端縁推移と最も確率の高い走行路端縁推移が，
   ｙ＝ａ＋ｃｘ^２＋…の形式の多項式によって記述されることを特徴とする請求項１又は２に記載のコース予測方法。
4. 前記多項式を計算するためのサポート箇所として，各々少なくとも１つの静止目標の座標が利用され，かつ
   前記多項式の絶対項ａのために，車両（１０）の高さにおける走行路端縁の間隔についての仮定される値又は既知の値が使用されることを特徴とする請求項３に記載のコース予測方法。
5. 前記蓋然性判断基準は，走行路端縁推移の曲率が，予め設定された速度に依存する値よりも小さいことにあり、前記走行路端縁推移の曲率を前記値より大きくする静止目標は外乱対象として判断することを特徴とする請求項１〜４項のうちいずれか１項に記載のコース予測方法。
6. 前記蓋然性判断基準は，走行路に沿った単位長さ当たりの走行路端縁推移の曲率の変化率が，予め設定された速度に依存する値よりも小さいことにあり、前記変化率を前記値より大きくする静止目標は外乱対象として判断することを特徴とする請求項１〜５項のうちいずれか１項に記載のコース予測方法。
7. 外乱対象のための判断基準は，複数の既に認識されている走行路端縁目標を近似する，走行路端縁推移からの静止目標の間隔が，予め設定された値よりも大きいことにあることを特徴とする請求項１〜６のうちいずれか１項に記載のコース予測方法。
8. 多数の部分量から得られた可能な走行路端縁推移が，統計的に評価され，
   その場合に蓋然性判断基準は，これらの走行路端縁推移を記述する関数の少なくとも１つのパラメータ（ｃ）が，実の走行路推移に相当する値において有意の頻度最大を有することにあることを特徴とする請求項１〜３項のうちいずれか１項に記載のコース予測方法。
9. 可能な走行路端縁推移を推定するために利用される，静止目標の量から形成される部分量が，各々少なくとも２つの静止目標を有している，ことを特徴とする請求項８に記載のコース予測方法。
10. 前記走行路端縁推移が，二次の多項式によって記述される，ことを特徴とする請求項３及び８に記載のコース予測方法。
11. 統計的な頻度最大について調べられるパラメータが，多項式の二次の項の係数（ｃ）である，ことを特徴とする請求項１０に記載のコース予測方法。
12. 可能な走行路端縁推移の統計的な評価が，各々の測定精度を考慮して行われる，ことを特徴とする請求項８〜１１項のうちいずれか１項に記載のコース予測方法。
13. 走行路端縁推移を定めるために，位置測定システムの検出領域を既に逸脱している静止目標も利用され，かつその位置が既知の車両運動を用いて計算される，ことを特徴とする請求項１〜１２項のうちいずれか１項に記載のコース予測方法。
14. 車両（１０）の前方に存在する対象（Ａ−Ｏ）のための位置測定システムと，走行路端縁の推移を計算するためのデータ処理システムとを有する車両のコース予測装置において，
    データ処理システムが，請求項１〜１３項のうちいずれか１項に記載の方法を実施するように形成されていることを特徴とするコース予測装置。

Images