JP4970156B2

JP4970156B2 - 車両の運転支援装置

Info

Publication number: JP4970156B2
Application number: JP2007155635A
Authority: JP
Inventors: 豊和小笠原
Original assignee: Fuji Jukogyo KK
Current assignee: Subaru Corp
Priority date: 2007-06-12
Filing date: 2007-06-12
Publication date: 2012-07-04
Anticipated expiration: 2027-06-12
Also published as: JP2008307951A; DE102008027590A1; DE102008027590B4

Description

本発明は、ステレオカメラ、単眼カメラ、ミリ波レーダ等で検出した自車両周辺の白線や立体物に対して危険度を設定し、最適経路を走行させるべく操舵制御を行い、或いは、制動制御を行わせる車両の運転支援装置に関する。

近年、車両においては、車載したカメラやレーザレーダ装置等により前方の走行環境を検出し、この走行環境データから障害物や先行車を認識して、警報や自動ブレーキ、自動操舵を実行して安全性を向上させる様々な技術が開発され実用化されている。

例えば、特開２００４−１１０３４６号公報では、自車両の周囲に存在する障害物を検出し、自車両の障害物に対する現状のリスクポテンシャルを算出して、このリスクポテンシャルに基づき、ドライバによる自車両の前後運動および左右運動に関わる運転操作を促すように車両機器の動作を制御すると共に、車両機器の制御を前後方向および左右方向の何れか一方のみに限定する技術が開示されている。
特開２００４−１１０３４６号公報

しかしながら、上述の特許文献１で開示される技術では、あくまでも現状のリスクポテンシャルに応じた制御となるため、自車両や障害物が移動することにより変化する危険度に対して有効に対応することができないという問題がある。すなわち、現状では最適と思われる経路であっても、将来的には却って危険度が増加してしまうような場合も多く存在し、そうした時々刻々変化する交通環境に適切に対応することが難しいという問題がある。また、自車両と障害物との間の相対運動の状態によっては、自車両に接近してくる障害物のリスクは、自車両から離れていく障害物のリスクよりも高いことが予想され、こうしたリスクの差を考慮してリスクポテンシャルを設定しなければ、回避制御が不自然なものとなってしまう虞もある。

本発明は上記事情に鑑みてなされたもので、現在のみならず将来予測される危険度を自車両と障害物との間の相対運動の様子も的確に考慮して設定し、より自然な感覚で最適な回避ルートを通過するように制御し、安全性を向上させることができる車両の運転支援装置を提供することを目的としている。

本発明は、自車両の周辺環境を認識する周辺環境認識手段と、上記認識した周辺環境の各対象に現在の危険度を設定する危険度設定手段と、上記各対象と自車両との相対速度と相対加速度の少なくとも一方に応じて上記危険度設定手段で設定した現在の危険度を補正する危険度補正手段と、上記補正された各対象の危険度を加算するとともに、上記各対象の位置の時間的変化を予測して上記加算した危険度の時間的変化を予測する危険度変化予測手段と、上記予測した危険度の時間的変化を基に、各時間での自車両の位置毎に該位置での現在の自車幅方向における危険度から危険度の極小点を演算する極小点演算手段と、少なくとも上記各極小点に基づいて自車両の旋回制御量を演算する旋回制御量演算手段と、上記旋回制御量に基づいて自車両の回避ルートを生成して最終的な回避ルートを決定する回避ルート決定手段とを備えたことを特徴としている。

本発明による車両の運転支援装置によれば、現在のみならず将来予測される危険度を自車両と障害物との間の相対運動の様子も的確に考慮して設定し、より自然な感覚で最適な回避ルートを通過するように制御し、安全性を向上させることが可能となる。

以下、図面に基づいて本発明の実施の形態を説明する。
図１乃至図７は本発明の実施の一形態を示し、図１は車両に搭載した運転支援装置の概略構成図、図２は運転支援制御プログラムのフローチャート、図３は図２から続くフローチャート、図４はリスク関数補正処理ルーチンのフローチャート、図５は前方に設定されるリスク関数の一例を示す説明図、図６は相対速度及び相対加速度に応じた補正係数の一例を示す特性図、図７は生成される回避ルートと旋回制御量の一例を示す説明図である。

図１において、符号１は自動車等の車両（自車両）で、この車両１には、運転支援装置２が搭載されている。この運転支援装置２は、ステレオカメラ３、ステレオ画像認識装置４、制御ユニット５等を主要部として構成されている。

また、自車両１には、自車速Ｖを検出する車速センサ１１、ヨーレート（ｄψ／ｄｔ）を検出するヨーレートセンサ１２、運転支援制御のＯＮ−ＯＦＦ信号が入力されるメインスイッチ１３等が設けられており、自車速Ｖはステレオ画像認識装置４と制御ユニット５に入力され、ヨーレート（ｄψ／ｄｔ）は制御ユニット５に入力され、運転支援制御のＯＮ−ＯＦＦ信号等は制御ユニット５に入力される。

ステレオカメラ３は、ステレオ光学系として例えば電荷結合素子（ＣＣＤ）等の固体撮像素子を用いた１組の（左右の）ＣＣＤカメラで構成される。これら左右のＣＣＤカメラは、それぞれ車室内の天井前方に一定の間隔をもって取り付けられ、車外の対象を異なる視点からステレオ撮像し、画像データをステレオ画像認識装置４に入力する。

ステレオ画像認識装置４における、ステレオカメラ３からの画像の処理は、例えば以下のように行われる。まず、ステレオカメラ３で撮像した自車両１の進行方向の１組のステレオ画像対に対し、対応する位置のずれ量から距離情報を求め、距離画像を生成する。そして、このデータを基に、周知のグルーピング処理を行い、予め記憶しておいた３次元的な道路形状データ、側壁データ、立体物データ等の枠（ウインドウ）と比較し、白線データ、道路に沿って存在するガードレール、縁石等の側壁データを抽出すると共に、立体物を、２輪車、普通車両、大型車両、歩行者、電柱等その他の立体物に分類して抽出する。

上述の認識した各データは、自車両１を原点とし、自車両１の前後方向をＸ軸、幅方向をＹ軸とする座標系におけるそれぞれの位置が演算され、特に、２輪車、普通車両、大型車両の車両データにおいては、その前後方向長さが、例えば、３ｍ、４．５ｍ、１０ｍ等と予め推定されて、また、幅方向は検出した幅の中心位置を用いて、その車両の現在存在する中心位置が（ｘobstacle，ｙobstacle）の座標で演算される。尚、車車間通信等により、車両の前後方向長さが精度良く得られる場合には、その長さデータを用いて、上述の中心位置を演算するようにしても良い。

更に、立体物データにおいては、自車両１からの距離のＸ軸方向変化及びＹ軸方向変化から自車両１に対する相対速度Ｖｓが演算され、この相対速度Ｖｓに自車両１の速度Ｖをベクトル量を考慮して演算することにより、それぞれの立体物のＸ軸方向速度、Ｙ軸方向速度（ｖxobstacle，ｖyobstacle）が演算される。

こうして得られた各情報、すなわち、白線データ、道路に沿って存在するガードレール、縁石等の側壁データ、及び、立体物データ（種別、自車両１からの距離、中心位置（ｘobstacle，ｙobstacle）、速度（ｖxobstacle，ｖyobstacle）、自車両１との相対速度Ｖｓ等）の各データは制御ユニット５に入力される。このように、本実施の形態においては、ステレオカメラ３及びステレオ画像認識装置４は、周辺環境認識手段として設けられている。

制御ユニット５は、車速センサ１１から自車速Ｖ、ヨーレートセンサ１２からヨーレート（ｄψ／ｄｔ）、ステレオ画像認識装置４から白線データ、道路に沿って存在するガードレール、縁石等の側壁データ、及び、立体物データ（種別、自車両１からの距離、中心位置（ｘobstacle，ｙobstacle）、速度（ｖxobstacle，ｖyobstacle）、自車両１との相対速度Ｖｓ等）の各データが入力される。そして、後述する運転支援制御プログラムに従って、上述の各入力信号に基づき、前方に存在する白線、ガードレール、側壁、及び、立体物のそれぞれを対象として、現在の危険度をリスク関数Ｒline、Ｒobstacleとして設定する。この際、立体物の現在の危険度Ｒobstacleは、自車両１との相対速度Ｖｓに応じ、各対象が自車両１に接近する方向への相対速度Ｖｓが大きくなるほど現在の危険度Ｒobstacleが大きくなるように補正すると共に、自車両１との相対加速度（ｄＶｓ／ｄｔ）に応じ、各対象が自車両１に接近する方向への相対加速度（ｄＶｓ／ｄｔ）が大きくなるほど現在の危険度Ｒobstacleが大きくなるように補正する。そして、これらリスク関数Ｒline、Ｒobstacle（補正した値）から現在のトータルリスク関数Ｒを設定する。その後、トータルリスク関数Ｒを設定した各対象の位置の時間的変化を予測してトータルリスク関数Ｒの時間的変化を予測し、このトータルリスク関数Ｒの時間的変化を基に、各時間毎の自車位置におけるＹ軸方向の極小点ｙmin(x,t)を演算し、各時間毎の自車両１の横位置と極小点ｙmin(x,t)との偏差と旋回制御量ｕ(t)とで各時間毎の目的関数Ｊを作成し、該目的関数Ｊを最小とする各時間毎の旋回制御量ｕ(t)を自車両１の旋回制御量ｕ(t)として演算する。そして、自車両１が各時間毎の旋回制御量ｕ(t)で移動したときの各ルート毎のリスク関数Ｒ(t)を設定し、各ルート毎のリスク関数Ｒ(t)から最終的な回避ルートＲ(t)fを選択し、最終的な回避ルートＲ(t)fの旋回制御量ｕ(t)に基づいて操舵制御手段としての自動操舵制御装置２３に制御信号を出力して操舵制御を実行させ、また、最終的な回避ルートＲ(t)fの値に基づいて制動制御手段としての自動ブレーキ制御装置２２に信号を出力してブレーキ制御を実行させる。尚、自動ブレーキ制御装置２２、自動操舵制御装置２３に信号出力された場合は、ディスプレイ２１によりその信号を視覚的に表示させ、ドライバに報知する。すなわち、制御ユニット５は、危険度設定手段、危険度補正手段、危険度変化予測手段、極小点演算手段、旋回制御量演算手段、及び、回避ルート決定手段としての機能を有して構成されている。

次に、運転支援装置２で実行される運転支援制御プログラムを図２、図３のフローチャートで説明する。
まず、ステップ（以下、「Ｓ」と略称）１０１で必要パラメータ、具体的には、白線データ、道路に沿って存在するガードレール、縁石等の側壁データ、及び、立体物データ（種別、自車両１からの距離、中心位置（ｘobstacle，ｙobstacle）、速度（ｖxobstacle，ｖyobstacle）、自車両１との相対速度Ｖｓ等）の各データを読み込む。

次に、Ｓ１０２に進み、白線（ガードレール、側壁も白線と同等に扱うものとする）を対象とする現在のリスク関数Ｒlineを、以下の（１）式により、演算する。
Ｒline＝Ｋline・ｙ^２ …（１）
ここで、Ｋlineは、予め設定したゲインである。すなわち、白線を対象とする現在のリスク関数Ｒlineは、図５に示すように、左右の白線（ガードレール、側壁も白線と同等に扱う）で認識される走行路の中心を、中心軸とする２次関数で与えられる。尚、本実施の形態では、リスク関数Ｒlineを２次の関数としているが、リスク関数Ｒlineは、走行路の中心から白線に近いほど、より大きなリスク値を導く関数であれば良く、例えば、４次或いは６次の関数とすることもできる。また、本実施の形態では、ガードレール、側壁も白線と同等に扱って２次関数のリスク関数Ｒlineを与えるようにしているが、ガードレール、側壁の場合は、白線に対するリスク関数Ｒlineとは異なる関数に変更し、白線の場合よりも大きなリスク値を導くようにしても良い。例えば、左右の白線に対するリスク関数Ｒlineを２次関数で与えた場合、カードレール、側壁に対しては４次或いは６次の関数に変更する。また、同じ２次関数であっても、ゲインＫlineの値を大きな値に変更するようにしても良い。さらに、白線に対するリスク関数Ｒlineは、走行路の中心を中心軸とする例に限らず、中心軸をオフセットさせて、左側と右側の白線とでリスク値を互いに異ならせるようにしても良い。

次いで、Ｓ１０３に進み、立体物（２輪車、普通車両、大型車両、歩行者、電柱等その他の立体物）を対象とする現在のリスク関数Ｒobstacleを、以下の（２）式により、演算する。
Ｒobstacle＝Ｋobstacle・ｅｘｐ（−（（ｘobstacle−ｘ）^２
／（２・σxobstacle^２））−（（ｙobstacle−ｙ）^２
／（２・σyobstacle^２））） …（２）
ここで、Ｋobstacleは、予め設定したゲインである。また、σxobstacleは予め設定しておいた対象のＸ軸方向の分散を示し、σyobstacleは、予め設定しておいた対象のＹ軸方向の分散を示し、これら分散σxobstacle、σyobstacleは、例えば、ステレオカメラ３による認識精度が低いほど大きく設定するようにしても良い。また、分散σxobstacle、σyobstacleは、対象の種別が、普通車両及び大型車両の場合を基準として、歩行者、２輪車である場合は大きく設定し、それ以外の立体物の場合は小さく設定するようにしても良い。更に、自車両１と対象となる立体物の幅方向のラップ率に応じて設定するようにしても良い。図５中、立体物Ａ１及び立体物Ａ２は、上述の（２）式により演算した立体物を対象とする現在のリスク関数Ｒobstacleの一例である。

次いで、Ｓ１０４に進み、図４に示すリスク関数Ｒobstacle補正処理ルーチンに従って、上述のＳ１０３で演算した現在のリスク関数Ｒobstacleを補正する。

すなわち、このリスク関数Ｒobstacle補正処理ルーチンでは、まず、Ｓ２０１で、自車両１に対する対象とする立体物の相対速度Ｖｓを読み込み、Ｓ２０２に進み、予め設定しておいたマップ（例えば、図６（ａ）に示すＶｓ−Ｋs1の特性マップ）を参照し、第１の補正ゲインＫs1を設定する。

次に、Ｓ２０３に進み、相対速度Ｖｓを基に、相対加速度（ｄＶｓ／ｄｔ）を演算し、Ｓ２０４に進んで、予め設定しておいたマップ（例えば、図６（ｂ）に示す（ｄＶｓ／ｄｔ）−Ｋs2の特性マップ）を参照し、第２の補正ゲインＫs2を設定する。

そして、Ｓ２０５に進んで、以下の（３）式により、リスク関数Ｒobstacleを補正演算して出力し、ルーチンを抜ける。
Ｒobstacle＝Ｋs1・Ｋs2・Ｒobstacle …（３）

図６（ａ）に示すＶｓ−Ｋs1の特性マップは、相対速度Ｖｓが大きくなるほど第１の補正ゲインＫs1が大きくなるように設定されている。特に、相対速度Ｖｓが０であり自車両１と同じ速度で対象が移動をしているときの第１の補正ゲインＫs1を１．０として、相対速度Ｖｓが０以上となり、対象が自車両１に接近する運動をしている際には、第１の補正ゲインＫs1は１．０以上の値をとるようになり、上述の（３）式からも明らかなように、リスク関数Ｒobstacleがより大きな値に補正されるようになっている。これは、自車両１に対して接近する障害物に対してはドライバが危険な感覚を覚えるのに対し、自車両１から離れていく障害物に対してはドライバがあまり危険な感覚を覚えないことを考慮した設定となっており、このような設定とすることにより、より自然な感覚でリスク関数Ｒobstacleの設定が行われるようになっている。

また、図６（ｂ）に示す（ｄＶｓ／ｄｔ）−Ｋs2の特性マップは、相対加速度（ｄＶｓ／ｄｔ）が大きくなるほど第２の補正ゲインＫs2が大きくなるように設定されている。特に、相対加速度（ｄＶｓ／ｄｔ）が０であり、自車両１に対して対象が加速運動を行っていないときの第２の補正ゲインＫs2を１．０として、相対加速度（ｄＶｓ／ｄｔ）が０以上となり、対象が減速や急減速を行うような場合には、第２の補正ゲインＫs2は１．０以上の値をとるようになり、上述の（３）式からも明らかなように、リスク関数Ｒobstacleがより大きな値に補正されるようになっている。これは、自車両１に対して減速や急減速を行って接近する障害物に対してはドライバが危険な感覚を覚えるのに対し、自車両１から加速して離れていく障害物に対してはドライバがあまり危険な感覚を覚えないことを考慮した設定となっており、このような設定とすることにより、より自然な感覚でリスク関数Ｒobstacleの設定が行われるようになっている。

再び、図２に戻り、Ｓ１０５に進むと、現在のトータルリスク関数Ｒを、以下の（４）式により、演算する。
Ｒ＝Ｒline＋Ｒobstacle …（４）

次いで、Ｓ１０６に進み、ｔ秒後の立体物位置（ｘobstacle(t)，ｙobstacle(t)）を、以下の（５）式により推定する。
（ｘobstacle(t)，ｙobstacle(t)）
＝（ｘobstacle＋ｖxobstacle・ｔ，ｙobstacle＋ｖyobstacle・ｔ）…（５）

次に、Ｓ１０７に進み、上述のＳ１０６で推定したｔ秒後の立体物位置（ｘobstacle(t)，ｙobstacle(t)）を、上述のＳ１０５で演算したトータルリスク関数Ｒのｘ及びｙにそれぞれ代入し、ｔ秒後のトータルリスク関数Ｒ（ｘobstacle(t)，ｙobstacle(t)）を設定する。

次いで、Ｓ１０８に進み、上述のＳ１０７で設定したｔ秒後のトータルリスク関数Ｒ（ｘobstacle(t)，ｙobstacle(t)）を、幅方向（ｙ方向）で偏微分して、その値が０となる点から幅方向（ｙ方向）の極小点ｙmin(x,t)を演算する。すなわち、
∂Ｒ（ｘobstacle(t)，ｙobstacle(t)）／∂ｙ＝０ …（６）
となる点が極小点である。

次に、Ｓ１０９に進み、ｔ秒後の自車位置（Ｘ(t)，Ｙ(t)）を、以下の（７）式により推定する。
（Ｘ(t)，Ｙ(t)）＝（Ｖ・ｔ，Ｖ・∫sinψ(τ)ｄτ；積分範囲は０≦τ≦ｔ）
…（７）
ここで、ψ(t)は、自車両１のヨー角であり、以下の（８）式により、演算される。
ψ(t)＝（ｄψ／ｄｔ）・ｔ
＋（１／２）・（（ｄ^２ψ／ｄｔ^２）＋（ｕ(t)／Ｉｚ））・ｔ^２ …（８）
ここで、Ｉｚは、ヨー慣性モーメントである。また、ｕ(t)は前述の如く旋回制御量であり、付加ヨーモーメントである。

次いで、Ｓ１１０に進み、上述のＳ１０８で演算したｙ方向の極小点ｙmin(x,t)に、上述のＳ１０９で推定した自車位置を代入し、自車位置Ｘ(t)における極小点ｙmin(X(t),t)を演算する。

次に、Ｓ１１１に進み、各時間毎の自車の横位置Ｙ(t)と極小点ｙmin(X(t),t)の偏差と旋回制御量ｕ(t)で各目的関数Ｊを作成し、それぞれの目的関数Ｊについて目的関数Ｊを最少とする各時間毎の旋回制御量ｕ(t)を求める。

例えば、図７に示すように、自車両１が時刻０（現在）〜Δｔまで移動する範囲を制御対象領域と考え、この間を、ｄｔで分割し、１ｄｔ、２ｄｔ、３ｄｔ、…、ｍｄｔ、…、（ｎ−２）ｄｔ、（ｎ−１）ｄｔ、ｎｄｔ（＝Δｔ）とする例を考える。

時刻０〜１ｄｔの間には、例えば、以下（９）式の目的関数Ｊ0~1dtを設定し、この目的関数Ｊ0~1dtを最少とする旋回制御量ｕ(0)を周知の最適化計算により求める。
Ｊ0~1dt＝Ｗｙ・（ｙmin(X(1dt),1dt)−Ｙ(1dt)）^２
＋Ｗｕ・ｕ(0)^２ …（９）
ここで、Ｗｙ、Ｗｕは予め設定する重み値である。

また、時刻１ｄｔ〜２ｄｔの間には、例えば、以下（１０）式の目的関数Ｊ1dt~2dtを設定し、この目的関数Ｊ1dt~2dtを最少とする旋回制御量ｕ(1dt)を周知の最適化計算により求める。
Ｊ1dt~2dt＝Ｗｙ・（ｙmin(X(2dt),2dt)−Ｙ(2dt)）^２
＋Ｗｕ・ｕ(1dt)^２ …（１０）

更に、時刻２ｄｔ〜３ｄｔの間には、例えば、以下（１１）式の目的関数Ｊ2dt~3dtを設定し、この目的関数Ｊ2dt~3dtを最少とする旋回制御量ｕ(2dt)を周知の最適化計算により求める。
Ｊ2dt~3dt＝Ｗｙ・（ｙmin(X(3dt),3dt)
−Ｙ(3dt)）^２＋Ｗｕ・ｕ(2dt)^２ …（１１）
尚、時刻３ｄｔには極小点が２つ存在するため、旋回制御量ｕ(2dt)も２つの値が得られる。

以下、時刻３ｄｔ以降も同様の目的関数を設定し、旋回制御量を求め、時刻（ｎ−１）ｄｔ〜ｎｄｔの間には、例えば、以下（１２）式の目的関数Ｊ(n-1)dt~ndtを設定し、この目的関数Ｊ(n-1)dt~ndtを最少とする旋回制御量ｕ((n-1)dt)を周知の最適化計算により求める。
Ｊ(n-1)dt~ndt＝Ｗｙ・（ｙmin(X(ndt),ndt)−Ｙ(ndt)）^２
＋Ｗｕ・ｕ((n-1)dt)^２ …（１２）

次いで、Ｓ１１２に進み、以下の（１３）式により、自車両１が各時間毎の旋回制御量ｕ(t)で移動したときの各ルート毎のリスク関数Ｒ(t)を設定する。
Ｒ(t)＝Ｒline＋Ｒobstacle …（１３）
ここで、Ｒline、及び、Ｒobstacleは、前述の（１）式、及び、（２）式に、自車両１が各時間毎の旋回制御量ｕ(t)で移動したときの値で与えられるものであり、
Ｒline＝Ｋline・Ｙ(t)^２ …（１４）
Ｒobstacle＝Ｋobstacle・ｅｘｐ（−（（ｘobstacle(t)−Ｘ(t)）^２
／（２・σxobstacle^２））−（（ｙobstacle(t)−Ｙ(t)）^２
／（２・σyobstacle^２））） …（１５）
次いで、Ｓ１１３に進み、Ｓ１１２で設定した各ルート毎のリスク関数Ｒ(t)から最終的な回避ルートをＲ(t)fとして選択する。

具体的には、Ｓ１１２で設定した各ルート毎にその最大値Ｒmaxを求める。すなわち、
Ｒmax＝ｍａｘ（Ｒ(t)）（０≦ｔ≦Δｔ） …（１６）
そして、最大値Ｒmaxの最も小さなルートを最終的な回避ルートＲ(t)fとして選択する。

尚、各ルート毎にリスクの累積値Ｒsum（＝∫Ｒ(t)ｄｔ；積分範囲は０≦ｔ≦Δｔ）を求め、その値が最も小さなルートを最終的な回避ルートＲ(t)fとして選択するようにしても良い。

また、上述のＳ１１３において、Ｓ１１２で設定されたルートが１つのみしか存在しない場合は、そのルートが最終的な回避ルートＲ(t)fとして設定される。

例えば、図７に示す例では、Ｓ１１２の処理により、実線で示すルート１と破線で示すルート２とが設定され、Ｓ１１３の処理により、これらルート１，２から最大値Ｒmaxが小さなルート、或いは、リスクの累積値Ｒsumが小さなルートが最終的な回避ルートＲ(t)fとして選択される。尚、ルート１，２のそれぞれの旋回制御量ｕ(t)は、図７（ｂ）に示す通りである。

そして、Ｓ１１４に進み、最終的な回避ルートＲ(t)fに予め定めておいた最大許容リスク値Ｒlim以上（Ｒ(t)f≧Ｒlim）となる領域が有るか否か判定し、Ｒ(t)f≧Ｒlimとなる領域がない場合は、Ｓ１１７に進んで、自動操舵制御装置２３に対して最終的な回避ルートＲ(t)fの旋回制御量ｕ(t)を基に操舵制御指令を出力してプログラムを抜ける。

また、Ｓ１１４の判定の結果、Ｒ(t)f≧Ｒlimとなる領域があると判定した場合は、Ｓ１１５に進み、Ｒ(t)f≧Ｒlimとなる最も早い時間を基に制動開始地点Ｘbrake、制動開始時間Ｔbrakeを演算する。

Ｒ(t)f≧Ｒlimとなる最も早い時間をＴｍとすると、制動開始地点Ｘbrakeは、以下の（１７）式により、演算される。
Ｘbrake＝Ｘ(Tm)−Ｂｘ …（１７）
ここで、Ｂｘは予め設定しておいた減速度Ｇによる制動距離であり、以下の（１８）式により演算される。
Ｂｘ＝（Ｖ^２／（２・Ｇ））＋Ｂx0 …（１８）
ここで、Ｂx0は、予め設定しておいた停止時における障害物までの距離であり、例えば、２ｍ程度の値である。

また、制動開始時間Ｔbrakeは、上述の制動開始地点Ｘbrakeから逆算することにより演算される。

次いで、Ｓ１１６に進み、自動ブレーキ制御装置２２に対し、制動開始地点Ｘbrake、制動開始時間Ｔbrakeに基づく制動制御指令を出力する。

そして、Ｓ１１７に進み、自動操舵制御装置２３に対して最終的な回避ルートＲ(t)fの旋回制御量ｕ(t)を基に操舵制御指令を出力してプログラムを抜ける。

このように本発明の実施の形態によれば、前方に存在する白線、ガードレール、側壁、及び、立体物のそれぞれを対象として、現在のトータルリスク関数Ｒを設定し、各対象の位置の時間的変化を予測してトータルリスク関数Ｒの時間的変化を予測して、このトータルリスク関数Ｒの時間的変化を基に、各時間毎の自車位置におけるＹ軸方向の極小点ｙmin(x,t)を演算する。そして、各時間毎の目的関数Ｊを作成し、該目的関数Ｊを最小とする各時間毎の旋回制御量ｕ(t)を自車両１の旋回制御量ｕ(t)として演算して、自車両１が各時間毎の旋回制御量ｕ(t)で移動したときの各ルート毎のリスク関数Ｒ(t)を設定し、各ルート毎のリスク関数Ｒ(t)から最終的な回避ルートＲ(t)fを選択し、最終的な回避ルートＲ(t)fの旋回制御量ｕ(t)に基づいて操舵制御を実行させ、また、最終的な回避ルートＲ(t)fの値に基づいてブレーキ制御を実行させる。このため、目前の危険性だけではなく、その先に訪れる危険性をも考慮して衝突回避制御を実現することができる。

また、前方に存在する白線、ガードレール、側壁、及び、立体物のそれぞれを対象として、現在のトータルリスク関数Ｒを設定する際、前方に存在する白線、ガードレール、側壁、及び、立体物のそれぞれを対象として、現在の危険度をリスク関数Ｒline、Ｒobstacleとして求め、立体物の現在の危険度Ｒobstacleは、自車両１との相対速度Ｖｓに応じ、各対象が自車両１に接近する方向への相対速度Ｖｓが大きくなるほど現在の危険度Ｒobstacleが大きくなるように補正すると共に、自車両１との相対加速度（ｄＶｓ／ｄｔ）に応じ、各対象が自車両１に接近する方向への相対加速度（ｄＶｓ／ｄｔ）が大きくなるほど現在の危険度Ｒobstacleが大きくなるように補正するようになっている。このため、自車両１と障害物との間の相対運動の様子も的確に考慮して、より自然な感覚で最適な回避ルートを通過するように制御し、安全性を向上させることが可能となる。

尚、本実施の形態では、最終的な回避ルートＲ(t)fを基にブレーキ制御と操舵制御の２つが行える例を説明しているが、どちらか１つを行うものであっても良い。

また、本実施の形態で説明したブレーキ制御は、あくまでもその一例であり、他の周知のブレーキ制御、例えば、スロットル開度の閉鎖や自動変速機におけるシフトダウンと併用するようにしても良い。

更に、本実施の形態では、周辺環境をステレオカメラ３からの撮像画像を基に認識するようになっているが、他に、単眼カメラ、ミリ波レーダ等で検出するものであっても良い。

また、本実施の形態では、自車両１の前方における白線や立体物等を対象として、現在のトータルリスク関数Ｒを設定し、その時間的変化を予測する構成について述べたが、これに限らず、自車両１の側方や側後方の立体物をも対象として、トータルリスク関数Ｒの設定やその時間的変化を予測するようにしても良い。

更に、本実施の形態では、自車両１の前進時において回避ルートを生成する構成について述べたが、これに限らず、自車両１の後方環境を認識して自車両１の後退時に回避ルートを生成するようにしても良い。

また、本実施の形態では、立体物の現在の危険度Ｒobstacleを、自車両１との相対速度Ｖｓに応じて補正すると共に、自車両１との相対加速度（ｄＶｓ／ｄｔ）に応じて補正するようになっているが、相対速度Ｖｓに応じた補正と相対加速度（ｄＶｓ／ｄｔ）に応じた補正のどちらかのみを行うようにしても良い。

車両に搭載した運転支援装置の概略構成図運転支援制御プログラムのフローチャート図２から続くフローチャートリスク関数補正処理ルーチンのフローチャート前方に設定されるリスク関数の一例を示す説明図相対速度及び相対加速度に応じた補正係数の一例を示す特性図生成される回避ルートと旋回制御量の一例を示す説明図

符号の説明

１自車両
２運転支援装置
３ステレオカメラ（周辺環境認識手段）
４ステレオ画像認識装置（周辺環境認識手段）
５制御ユニット（危険度設定手段、危険度補正手段、危険度変化予測手段、極小点演算手段、旋回制御量演算手段、回避ルート決定手段）
１１車速センサ
１２ヨーレートセンサ
１３メインスイッチ
２１ディスプレイ
２２自動ブレーキ制御装置（制動制御手段）
２３自動操舵制御装置（操舵制御手段）

Claims

自車両の周辺環境を認識する周辺環境認識手段と、
上記認識した周辺環境の各対象に現在の危険度を設定する危険度設定手段と、
上記各対象と自車両との相対速度と相対加速度の少なくとも一方に応じて上記危険度設定手段で設定した現在の危険度を補正する危険度補正手段と、
上記補正された各対象の危険度を加算するとともに、上記各対象の位置の時間的変化を予測して上記加算した危険度の時間的変化を予測する危険度変化予測手段と、
上記予測した危険度の時間的変化を基に、各時間での自車両の位置毎に該位置での現在の自車幅方向における危険度から危険度の極小点を演算する極小点演算手段と、
少なくとも上記各極小点に基づいて自車両の旋回制御量を演算する旋回制御量演算手段と、
上記旋回制御量に基づいて自車両の回避ルートを生成して最終的な回避ルートを決定する回避ルート決定手段と、
を備えたことを特徴とする車両の運転支援装置。
上記最終的な回避ルートにおける自車両の旋回制御量に基づいて操舵制御を行う操舵制御手段と、上記最終的な回避ルートにおける危険度に基づいて制動制御を行う制動制御手段の少なくとも一方を備えたことを特徴とする請求項１記載の車両の運転支援装置。
上記旋回制御量演算手段は、各時間毎の自車両の横位置と上記極小点との偏差と旋回制御量とで各時間毎の目的関数を作成し、該目的関数を最小とする各時間毎の旋回制御量を自車両の旋回制御量として演算することを特徴とする請求項１又は請求項２記載の車両の運転支援装置。
上記極小点演算手段は、上記危険度の極小点を現在の自車幅方向で偏微分することにより演算することを特徴とする請求項１乃至請求項３の何れか一つに記載の車両の運転支援装置。
上記危険度設定手段は、上記危険度を設定する対象が白線の場合、走行路の略中心から白線に近いほど該白線による危険度を高く設定することを特徴とする請求項１乃至請求項４の何れか一つに記載の車両の運転支援装置。
上記危険度設定手段は、上記危険度を設定する対象が立体物の場合、該立体物の危険度を確率分布で設定することを特徴とする請求項１乃至請求項５の何れか一つに記載の車両の運転支援装置。
上記危険度補正手段は、上記各対象と自車両との相対速度に応じて上記危険度設定手段で設定した現在の危険度を補正する場合、上記各対象が自車両に接近する方向への相対速度が大きくなるほど上記現在の危険度が大きくなるように補正することを特徴とする請求項１乃至請求項６の何れか一つに記載の車両の運転支援装置。
上記危険度補正手段は、上記各対象と自車両との相対加速度に応じて上記危険度設定手段で設定した現在の危険度を補正する場合、上記各対象が自車両に接近する方向への相対加速度が大きくなるほど上記現在の危険度が大きくなるように補正することを特徴とする請求項１乃至請求項７の何れか一つに記載の車両の運転支援装置。