JP4982353B2 - 外界認識装置 - Google Patents

Description

本発明は、外界認識センサが検知した物体と自車との衝突可能性を判定する外界認識装置に関する。

交通事故による死亡者数は衝突安全と呼ばれる衝突後の乗員保護（エアバッグ，衝突安全ボディ）の導入により減少傾向にあるが、事故件数は自動車の保有台数とリンクして増加傾向にあり、これらの事故を低減するためには事故を未然に防ぐ予防安全システムの開発が重要である。予防安全システムは、事故の手前で作動するシステムであり、例えば、自車前方の物体と衝突する可能性が生じたときには警報によって運転者に注意を促し、衝突が避けられない状況になったときには自動ブレーキによって乗員の被害を軽減するプリクラッシュ・セーフティ・システム等が実用化されている。

ここで、レーダやカメラで検知された自車前方の物体と自車との衝突可能性を判断する外界認識装置がある（特許文献１参照）。特許文献１には、車速と操舵角とヨーレートを用いて自車の進路を旋回半径として予測し、この予測進路と外界認識センサで検知された物体の相対位置に応じて自車との衝突可能性を判定する第１の衝突判定方法と、物体の相対位置の変化量から相対速度ベクトルを算出し、この相対速度ベクトルに応じて自車との衝突可能性を判定する第２の衝突判定方法が記載されている。この方法によれば、縦方向の相対速度が小さい物体に対しては第１の衝突判定結果を重視し、縦方向の相対速度が大きい物体に対しては第２の衝突判定結果を行うことによって、自車前方の停止車両を操舵回避した後に、前方を走行する低速車との接近が起こるようなシーンで、的確に衝突可能性を判定することが可能となる。

特開２００５−２５４５８号公報

しかしながら、上記第１の衝突判定方法においては、車速，操舵角，ヨーレートといったセンサ情報を使用しているため、これらの情報に異常が発生したとき、例えば、車速センサ，操舵角センサ，ヨーレートセンサの故障時、また、これらの情報を他の制御装置から通信によって受信している場合の通信失陥時等において、第１の衝突判定の精度が著しく低下する可能性があり、結果としてシステム全体を無効化しなければならない。

そこで、本発明の目的は、自車の予測進路と外界認識センサが検知した物体の相対位置に応じて、自車との衝突可能性を判定する際に使用する自車の情報に異常が発生した場合でも、システム全体の性能低下を最小限に抑える外界認識装置を提供することにある。

上記課題を解決するため、本発明の望ましい態様の一つは次の通りである。

本外界認識装置は、自車の情報を取得する自車情報取得手段と、外界認識センサが検知した物体の情報を取得する物体情報取得手段と、自車情報取得手段が取得した自車情報に基づいて、自車の予測進路を設定する予測進路設定手段と、物体情報取得手段が取得した物体情報と予測進路設定手段が設定した予測進路に基づいて、外界認識センサが検知した物体と自車との衝突可能性を判定する第１の衝突判定手段と、物体情報取得手段が取得した物体情報に基づいて、外界認識センサが検知した物体と自車との衝突可能性を判定する第２の衝突判定手段と、自車情報取得手段が取得した自車情報の異常を判定する自車情報判定手段と、自車情報判定手段が、自車情報取得手段が取得した自車情報が異常と判定した場合、第２の衝突判定手段を選択する衝突判定選択手段とを備える。

本発明によれば、自車の予測進路と外界認識センサが検知した物体の相対位置に応じて自車との衝突可能性を判定する際に使用する自車の情報に異常が発生した場合でも、システム全体の性能低下を最小限に抑える外界認識装置を提供することができる。

以下、実施形態を、図１〜図１０を用いて詳細に説明する。

図１は、外界認識装置１００のブロック図である。

以下に示す制御の内容は、外界認識装置１００にプログラミングされ、予め定められた周期で繰り返し実行される。

自車情報取得手段１は、車速センサ，操舵角センサ，ヨーレートセンサの検出信号に応じて車速Ｖｓｐ，操舵角α，ヨーレートγ等の自車情報を取得する。尚、これらの自車情報は、各センサの信号を外界認識装置１００に直接入力することによって取得しても良いし、センサ信号が他の制御装置に入力されている場合はそれらの制御装置とＬＡＮ（Local Area Network）を用いた通信を行うことによって取得しても良い。

物体情報取得手段２は、レーダやカメラ等の外界認識センサの検出信号に応じて自車周辺の物体の相対距離ＰＹ［ｉ］，横位置ＰＸ［ｉ］，幅ＷＤ［ｉ］を取得する。ここで、ｉは複数の物体を検知している場合の物体ＩＤ番号である。尚、これらの物体情報は、外界認識センサの信号を外界認識装置１００に直接入力することによって取得しても良いし、外界認識センサとＬＡＮ（Local Area Network）を用いた通信を行うことによって取得しても良い。

予測進路設定手段３は、自車情報取得手段１で取得した自車情報（車速Ｖｓｐ，操舵角α，ヨーレートγ）に応じて自車の予測進路を演算する。ここでは、自車の予測進路として旋回半径Ｒを演算する。尚、旋回半径Ｒの演算方法については後述する。

第１の衝突判定手段４は、予測進路設定手段３で演算した自車の予測進路と、物体情報取得手段２で取得した物体情報（相対距離ＰＹ［ｉ］，横位置ＰＸ［ｉ］，幅ＷＤ［ｉ］）に応じて危険度１ＤＲＥＣ１［ｉ］を演算する。ここで、ｉは複数の物体を検知している場合の物体ＩＤ番号である。尚、危険度１ＤＲＥＣ１［ｉ］の演算方法については後述する。

第２の衝突判定手段５は、物体情報取得手段２で取得した物体情報（相対距離ＰＹ［ｉ］，横位置ＰＸ［ｉ］，幅ＷＤ［ｉ］）に応じて危険度２ＤＲＥＣ２［ｉ］を演算する。ここで、ｉは複数の物体を検知している場合の物体ＩＤ番号である。尚、危険度２ＤＲＥＣ２［ｉ］の演算方法については後述する。

自車情報判定手段６は、自車情報取得手段１で取得した自車情報（車速Ｖｓｐ，操舵角α，ヨーレートγ）に応じて各情報が正常か否かを判定し、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮを演算する。尚、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮの演算方法については後述する。

衝突判定選択手段７は、自車情報判定手段６の診断結果に応じて、第１の衝突判定手段４の結果である危険度１ＤＲＥＣ１［ｉ］を重視するか、第２の衝突判定手段５の結果である危険度２ＤＲＥＣ２［ｉ］を重視するかの判定を行い、統合化危険度ＤＲＥＣＩ［ｉ］を演算する。尚、これらの判定方法及び統合化危険度ＤＲＥＣＩ［ｉ］の演算方法については後述する。

次に、図２を用いて、前述のプリクラッシュ・セーフティ・システムを例にとり、統合化危険度ＤＲＥＣＩ［ｉ］に応じて警報を出力する、あるいは自動的にブレーキを制御するといったシステムの動作方法について説明する。図２は、プリクラッシュ・セーフティ・システムの動作方法を示すフローチャートである。

最初に、ステップ２０１において、物体情報を読込む。次に、ステップ２０１において、外界認識センサが検知した各物体の衝突予測時間ＴＴＣ［ｉ］を式（１）を用いて演算する。ここで、相対速度ＶＹ［ｉ］は、物体の相対距離ＰＹ［ｉ］を擬似微分することによって求める。

ＴＴＣ［ｉ］＝ＰＹ［ｉ］÷ＶＹ［ｉ］ （１）
更に、ステップ２０３において、外界認識装置１００で演算された統合化危険度ＤＲＥＣＩ［ｉ］を読込む。尚、ステップ２０１〜２０３の処理は、検知した物体数に応じてループ処理を行う構成としている。

ステップ２０４において、ステップ２０３で読込まれた統合化危険度ＤＲＥＣＩ［ｉ］に応じて式（２）の条件が成立している物体を選択し、選択された物体の中で衝突予測時間ＴＴＣ［ｉ］が最小となる物体ｋを選択する。

ＤＲＥＣＩ［ｉ］≧ｃＤＲＥＣＩ＃ （２）
ここで、所定値ｃＤＲＥＣＩ＃は、自車に衝突するか否かを判定するための閾値である。次に、ステップ２０５において、選択された物体ｋの衝突予測時間ＴＴＣ［ｋ］に応じて自動的にブレーキを制御する範囲であるか否かの判定を行う。式（３）が成立している場合にはステップ２０６に進み、ブレーキ制御を実行して処理を終了する。また、式（３）が非成立の場合にはステップ２０７に進む。

ＴＴＣ［ｋ］≦ｃＴＴＣＢＲＫ＃ （３）
ステップ２０７において、選択された物体ｋの衝突予測時間ＴＴＣ［ｋ］に応じて警報を出力する範囲であるか否かの判定を行う。式（４）が成立している場合にはステップ２０８に進み、警報を出力して処理を終了する。また、式（４）が非成立の場合には、ブレーキ制御，警報ともに実行せずに処理を終了する。

ＴＴＣ［ｋ］≦ｃＴＴＣＡＬＭ＃ （４）
以上のように、衝突判定の結果を示す統合化危険度ＤＲＥＣＩ［ｉ］は、システムの動作（自動ブレーキ，警報）を左右する重要なパラメータである。

次に、図３を用いて予測進路設定手段３について説明する。図３は、予測進路設定手段３の処理内容を示す模式図である。

自車位置を原点Ｏとすると、予測進路は原点Ｏを通る旋回半径Ｒの円弧で近似できる。ここで、旋回半径Ｒは、自車の操舵角α，速度Ｖｓｐ，スタビリティファクタＡ、ホイールベースＬ及びステアリングギア比Ｇｓを用いて式（５）で表される。

Ｒ＝（１＋ＡＶ²）×（Ｌ・Ｇｓ／α） （５）
スタビリティファクタとは、その正負が、車両のステア特性を支配するものであり、車両の定常円旋回の速度に依存する変化の大きさを示す指数となる重要な値である。式（５）から分かるように、旋回半径Ｒは、スタビリティファクタＡを係数として、自車の速度Ｖｓｐの２乗に比例して変化する。また、旋回半径Ｒは車速Ｖｓｐ及びヨーレートγを用いて式（６）で表すことができる。

Ｒ＝Ｖ／γ （６）
以上のように、車速，操舵角及びヨーレートの自車情報を利用することによって自車の予測進路を旋回半径Ｒの円弧で近似することが可能となる。

次に、図３を用いて、第１の衝突判定手段４の処理内容について説明する。

レーダ，カメラ等の外界認識センサで検知した物体の相対距離をＰＹ［ｉ］、横位置をＰＸ［ｉ］とすると、旋回半径Ｒの描く円弧の中心から物体までの距離ｒは式（７）で表される。

(ＰＸ［ｉ］−Ｒ)²＋ＰＹ[ｉ]²＝ｒ （７）
また、旋回半径Ｒと距離ｒの差分ｄは式（８）で求めることができる。

ｄ＝｜Ｒ−ｒ｜ （８）
図３から、式（８）の半径差分ｄが小さくなるほど、検知した物体が自車の予測進路に近づくため、危険度が高いと判断できる。例えば、差分ｄが車幅の約半分以下となる物体は危険度１ＤＲＥＣ１［ｉ］が所定値ｃＤＲＥＣＩ＃以上となるように演算して、図２で説明したプリクラッシュ・セーフティ・システムが動作するように設定する。

次に、図４を用いて、第２の衝突判定手段５の処理内容について説明する。図４は、第２の衝突判定手段５の処理内容を示す模式図である。

レーダ，カメラ等の外界認識センサで検知した物体ｍの相対距離をＰＹ［ｍ］、横位置をＰＸ［ｍ］とすると、これらの擬似微分により求めた検知物体ｍの相対速度ベクトル（ＶＸ［ｍ］，ＶＹ［ｍ］）は自車方向を向いており、Ｘ軸と自車幅内で交差することが予想される。従って、検知物体ｍは衝突可能性が高いと判定できる。また、検知物体ｎの相対距離をＰＹ［ｎ］、横位置をＰＸ［ｎ］とすると、これらの擬似微分により求めた検知物体ｎの相対速度ベクトル（ＶＸ［ｎ］，ＶＹ［ｎ］）はＸ軸と自車幅内で交差せず、かつ、自車の側面とも交差しないことが予想される。従って、検知物体ｎは衝突可能性が低いと判定できる。

以上のように、外界認識センサで検知した物体情報から相対速度ベクトルを求め、この相対速度ベクトルと自車との交点を求めることにより衝突可能性を判定できる。例えば、この相対速度ベクトルが図のａ点からｂ点の間に向いている物体は危険度２ＤＲＥＣ２［ｉ］が所定値ｃＤＲＥＣＩ＃以上となるように演算して、図２で説明したプリクラッシュ・セーフティ・システムが動作するように設定する。

次に、図５を用いて、自車情報判定手段６の処理内容について説明する。図５は、自車情報判定手段６の処理内容を示すフローチャートである。

ここで、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮの各ビット＃ｘＤＧＮＶＳＰ，＃ｘＤＧＮＳＴＲ，＃ｘＤＧＮＹＡＷの値は、車速，操舵角，ヨーレートに対応する自車情報の正常／異常を表しており、異常と診断された場合には該当するビットがセットされる。

最初に、ステップ５０１において、自車情報（車速Ｖｓｐ，操舵角α，ヨーレートγ）を読込み、ステップ５０２において、これらの情報の前回値（前回の演算周期での値）を車速前回値Ｖｓｐｚ，操舵角前回値αｚ，ヨーレート前回値γｚとして記憶する。次に、ステップ５０３において、車速前回値Ｖｓｐｚと車速Ｖｓｐとの差分を演算し、この差分が所定値（異常と判断できる閾値）よりも大きい状態が所定時間経過したか否かの判定を行う。ステップ５０３において、この条件が非成立であり、車速Ｖｓｐが異常でないと診断された場合にはステップ５０５に進む。また、ステップ５０３において、差分が所定値よりも大きい状態が所定時間経過しており、車速Ｖｓｐが異常であると診断された場合にはステップ５０４に進み、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮのビット＃ｘＤＧＮＶＳＰをセットしてステップ５０５に進む。

ステップ５０５において、操舵角前回値αｚと操舵角αとの差分を演算し、この差分が所定値（異常と判断できる閾値）よりも大きい状態が所定時間経過したか否かの判定を行う。ステップ５０５において、この条件が非成立であり、操舵角αが異常でないと診断された場合にはステップ５０７に進む。また、ステップ５０５において、差分が所定値よりも大きい状態が所定時間経過しており、操舵角αが異常であると診断された場合にはステップ５０６に進み、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮのビット＃ｘＤＧＮＳＴＲをセットしてステップ５０７に進む。

ステップ５０７において、ヨーレート前回値γｚとヨーレートγとの差分を演算し、この差分が所定値（異常と判断できる閾値）よりも大きい状態が所定時間経過したか否かの判定を行う。ステップ５０７において、この条件が非成立であり、ヨーレートγが異常でないと診断された場合には処理を終了する。また、ステップ５０７において、差分が所定値よりも大きい状態が所定時間経過しており、ヨーレートγが異常であると診断された場合にはステップ５０８に進み、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮのビット＃ｘＤＧＮＹＡＷをセットして処理を終了する。

以上のように、自車情報判定手段６によって自車情報である車速，操舵角，ヨーレートが異常であるか否かを判定可能である。

次に、図６を用いて、衝突判定選択手段７の処理内容について説明する。図６は、衝突判定選択手段７の処理内容を示すフローチャートである。

尚、ステップ６０２〜６０７の処理は、検知した物体数に応じてループ処理を行う構成としている。

最初に、ステップ６０１において、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮを読込み、ステップ６０２において、物体情報を読込む。次に、ステップ６０３において、物体の相対距離ＰＹ［ｉ］を擬似微分することによって相対速度ＶＹ［ｉ］を演算し、ステップ６０４に進む。ステップ６０４では、ステップ６０３で演算された相対速度ＶＹ［ｉ］に応じて危険度２重み係数ＫＷ２［ｉ］を式（９）に応じて演算する。

ＫＷ２［ｉ］＝関数ｔＫＷ２（ＶＹ［ｉ］） （９）
次に、ステップ６０５において、車速Ｖｓｐ，操舵角α，ヨーレートγ等の自車情報に応じて設定された自車の予測進路を使用する第１の衝突判定が適用できるか否かの判定を行う。具体的には、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮの各ビットを参照し、全てのビットがクリアされていれば（図のステップ６０５に記載されているＣ１）〜Ｃ３）条件）、ステップ６０６に進み、危険度２重み係数ＫＷ２［ｉ］を用いて式（１０）に応じて統合化危険度ＤＲＥＣＩ［ｉ］を演算する。

ＤＲＥＣＩ［ｉ］＝（１−ＫＷ２［ｉ］）×ＤＲＥＣ１［ｉ］
＋ＫＷ２［ｉ］×ＤＲＥＣ２［ｉ］ （１０）
また、ステップ６０５において、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮの少なくとも１つのビットがセットされている場合には、ステップ６０７に進み、統合化危険度ＤＲＥＣＩ［ｉ］に危険度２ＤＲＥＣ２［ｉ］を代入する。

以上のように、衝突判定選択手段７によって車速，操舵角，ヨーレート等の自車情報が正常である場合には、外界認識センサで検知した物体の縦方向の相対速度に応じて危険度１ＤＲＥＣ１［ｉ］と危険度２ＤＲＥＣ２［ｉ］を上手く重み付けして統合化危険度ＤＲＥＣＩ［ｉ］を演算できる。また、車速，操舵角，ヨーレート等の自車情報が異常である場合には、これらの情報を使用しない危険度２ＤＲＥＣ２［ｉ］を利用することによりシステム全体の性能低下を最小限に抑えることが可能となる。また、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮの各ビットを参照して、図３で説明した予測進路の設定方法を変更しても良い。例えば、操舵角のみが異常と判定されている場合は、式（６）を用いて車速とヨーレートに応じて旋回半径Ｒを演算し、ヨーレートのみが異常と判定されている場合には式（５）を用いて車速と操舵角に応じて旋回半径Ｒを演算することも可能である。

次に、図７と図８を用いて、外界認識装置の他の実施形態について説明する。

図７は、第１の外界認識センサであるレーダと第２の外界認識センサであるカメラの情報を組合せて物体の検知精度・信頼性を高めるセンサフュージョンシステムの処理構成図である。

外界認識装置１００ａには、車速，操舵角，ヨーレート等の自車情報とレーダで検知した物体の相対距離，横位置，幅等のレーダ情報が入力され、レーダ情報に応じて図１と同様の処理を実行することによりレーダ統合化危険度ＲＤＲＥＣＩ［ｉ］が演算される。また、外界認識装置１００ａでは、図示しない第１の物体情報取得手段により、レーダ検知物の物体情報である相対距離，横位置，幅をそれぞれＰＹＲ［ｉ］，ＰＸＲ［ｉ］、ＷＤＲ［ｉ］として取得している。

画像処理手段７１０では、レーダ物体情報（ＰＹＲ［ｉ］，ＰＸＲ［ｉ］，ＷＤＲ［ｉ］）とレーダ統合化危険度ＲＤＲＥＣＩ［ｉ］に応じて複数のレーダ検知物のうち危険度の高い物体を選択し、カメラで撮像した画像の情報に応じて選択された物体に対して画像処理を行うことにより、物体の相対距離，横位置，幅等のカメラ情報を出力する。

ここで、図８を用いて、画像処理手段７１０の処理内容について説明する。図８は、画像処理手段７１０の処理内容を示すフローチャートである。

まず、ステップ８０１において、レーダ統合化危険度ＲＤＲＥＣＩ［ｉ］を読込み、ステップ８０２において、レーダ統合化危険度ＲＤＲＥＣＩ［ｉ］が所定値ｃＲＤＲＥＣＩ＃以上であるか否かの判定を行う。ステップ８０２の条件が成立、即ち、レーダで検知した物体と自車が衝突する可能性が高いと判定された場合には、ステップ８０３に進む。また、ステップ８０２の条件が非成立、即ち、レーダで検知した物体と自車が衝突する可能性が低いと判定された場合には処理を終了する。

次に、ステップ８０３において、レーダ物体情報（ＰＹＲ［ｉ］，ＰＸＲ［ｉ］，ＷＤＲ［ｉ］）を読込み、ステップ８０４において、このレーダ物体情報とカメラ幾何モデル（画像上の位置と実際の位置の関係）に基づいて画像上での処理領域を設定する。画像処理領域を設定した後は、ステップ８０５に進み、この領域内を走査するパターンマッチング等の画像処理を実行して物体を検知する。その後、ステップ８０６に進み、物体が検知された場合には相対距離，横位置，幅等の物体情報を出力して処理を終了する。

図７に戻り、外界認識装置１００ｂには、車速，操舵角，ヨーレート等の自車情報とカメラで検知した物体の相対距離，横位置，幅等のカメラ情報が入力され、カメラ情報に応じて図１と同様の処理を実行することにより統合化危険度ＤＲＥＣＩ［ｉ］が演算される。また、外界認識装置１００ｂでは、図示しない第２の物体情報取得手段により、カメラ検知物の物体情報である相対距離，横位置，幅をそれぞれＰＹ［ｉ］，ＰＸ［ｉ］，ＷＤ［ｉ］として取得している。

制御手段７２０では、カメラ物体情報（ＰＹ［ｉ］，ＰＸ［ｉ］，ＷＤ［ｉ］）と統合化危険度ＤＲＥＣＩ［ｉ］に応じて警報を出力する、あるいは自動的にブレーキ制御を実行するための指令値が図２に示したフローチャートに従って演算される。

以上のように、車速，操舵角，ヨーレート等の自車情報と第１の外界認識センサであるレーダで検知した物体の情報に応じて衝突判定を行い、自車と衝突する可能性が高い物体を選択して第２の外界認識センサであるカメラを利用して画像処理による物体検知を行うことにより検知精度・信頼性の向上が図れる。このとき、レーダ情報に応じて自車と衝突する可能性が高い物体を選択する処理に外界認識装置１００ａを適用することによって、第１の衝突判定に使用している自車の情報に異常が発生した場合でも、システム全体の性能低下を最小限に抑えることが可能となる。

次に、図９を用いて、所定の通信手段によって自車情報を取得している場合の自車情報判定手段の処理内容について説明する。図９は、前記通信手段が失陥したか否かを診断する自車情報判定手段の処理内容を示すフローチャートである。

一例として、外界認識装置が車速データを受信している場合について説明する。

最初に、ステップ９０１において、車速データに該当する受信バッファを参照することにより車速データを受信したか否かを判定し、車速データ受信時には処理９０２に進み、車速データ受信フラグｆＶＣＡＮＲＣＶ（＃ｘＶＳＰＲＣＶ）をセットしてステップ９０４に進む。ステップ９０４では、車速データに該当する受信バッファの値を車速Ｖｓｐに代入してステップ９０５に進む。また、ステップ９０１において、車速データ未受信時には処理９０３に進み、車速データ受信フラグｆＶＣＡＮＲＣＶ（＃ｘＶＳＰＲＣＶ）をクリアしてステップ９０５に進む。

次に、ステップ９０５において、車速データ受信フラグｆＶＣＡＮＲＣＶ（＃ｘＶＳＰＲＣＶ）がクリアされている状態が所定時間経過したか否かを判定し、所定時間経過している場合には通信手段が失陥したと判定してステップ９０６に進み、診断ＮＧ判定フラグｆＤＧＮＶＣＡＮ（＃ｘＤＧＮＶＳＰ）をセットして処理を終了する。また、ステップ９０５において、車速データ受信フラグｆＶＣＡＮＲＣＶ（＃ｘＶＳＰＲＣＶ）がクリアされている状態が所定時間経過していない場合には処理を終了する。

以上のように、外界認識装置が車速，操舵角，ヨーレート等の自車情報を受信する間隔を計測し、この受信間隔が所定時間（≒設定した通信周期）経過しているか否かを判定することにより通信手段の異常を診断できる。

次に、図１０を用いて、自車情報判定によって自車情報の異常が判定された場合に、画像処理によって車線認識を行い、車線認識の結果に応じて予測進路を設定する方法について説明する。図１０は、画像処理による車線認識結果（車線内の自車位置）を示す模式図である。図１０は、自車を原点Ｏとした相対座標系であり、車線認識の結果から求めた道路中心線の座標を（Ｘ，Ｙ）と定義する。

原点Ｏを通る道路中心線が自車の予測進路（旋回半径Ｒ）であると仮定すると、この方程式は旋回半径Ｒを用いて式（１１）で表される。

(Ｘ−Ｒ)²＋Ｙ²＝Ｒ² （１１）
従って、旋回半径Ｒは道路中心線の座標（Ｘ，Ｙ）を用いて式（１２）で表される。

Ｒ＝（Ｘ²＋Ｙ²）／（２Ｘ） （１２）
以上のように、車線認識の結果から求めた道路中心線の座標（Ｘ，Ｙ）から自車の予測進路（旋回半径Ｒ）を求めることが可能となり、車速，操舵角，ヨーレート等の自車情報に異常が発生した場合には、車線認識の結果から求めた道路中心線を代用することによりシステムの機能が著しく低下することを抑制できる。

図１１は、本発明と従来方式を比較する図である。

車速，操舵角，ヨーレート等の自車情報が正常である場合には、特許文献１記載の方式によって、外界認識センサが検知した物体と自車との衝突可能性を的確に判断できるため、全運転域で性能低下無くプリクラッシュ・セーフティ・システム等の安全システムを作動させることができる。そして、本発明によれば、自車情報に異常が発生した場合でも、物体情報のみを使用する第２の衝突判定を選択、あるいはカメラ等の車線認識の結果から求めた道路中心線を予測進路に設定して第１の衝突判定を利用可能とすることにより、若干の性能低下は有るが全域でシステムを作動させることができる。

外界認識装置のブロック図。 プリクラッシュ・セーフティ・システムの動作方法を示すフローチャート。 予測進路設定手段及び第１の衝突判定手段の処理内容を示す模式図。 第２の衝突判定手段の処理内容を示す模式図。 自車情報判定手段の処理内容を示すフローチャート。 衝突判定選択手段の処理内容を示すフローチャート。 別の実施形態であるレーダとカメラによるセンサフュージョンシステムの処理構成図。 画像処理手段の処理内容を示すフローチャート。 通信手段が失陥したか否かを診断する自車情報判定手段の処理内容を示すフローチャート。 画像処理による車線認識結果（車線内の自車位置）を示す模式図。 本発明と従来方式を比較する図。

符号の説明

１ 自車情報取得手段
２ 物体情報取得手段
３ 予測進路設定手段
４ 第１の衝突判定手段
５ 第２の衝突判定手段
６ 自車情報判定手段
７ 衝突判定選択手段
１００ 外界認識装置
１００ａ 外界認識装置ａ
１００ｂ 外界認識装置ｂ
７１０ 画像処理手段
７２０ 制御手段

Claims (6)

1. 自車の情報を取得する自車情報取得手段と、
   外界認識センサが検知した物体の情報を取得する物体情報取得手段と、
   前記自車情報取得手段が取得した自車情報に基づいて、自車の予測進路を設定する予測進路設定手段と、
   前記物体情報取得手段が取得した物体情報と前記予測進路設定手段が設定した予測進路に基づいて、前記外界認識センサが検知した物体と自車との衝突可能性を判定する第１の衝突判定手段と、
   前記物体情報取得手段が取得した物体情報に基づいて、前記外界認識センサが検知した物体と自車との衝突可能性を判定する第２の衝突判定手段と、
   前記自車情報取得手段が取得した自車情報の異常を判定する自車情報判定手段と、
   前記自車情報判定手段が、前記自車情報取得手段が取得した自車情報が異常と判定した場合、前記第２の衝突判定手段を選択する衝突判定選択手段とを備える、外界認識装置。
2. 自車の情報を取得する自車情報取得手段と、
   第１の外界認識センサが検知した物体の情報を取得する第１の物体情報取得手段と、
   前記自車情報取得手段が取得した自車情報に基づいて、自車の予測進路を設定する予測進路設定手段と、
   前記第１の物体情報取得手段が取得した物体情報と前記予測進路設定手段が設定し予測進路に基づいて、前記第１の外界認識センサが検知した物体と自車との衝突可能性を判定する第１の衝突判定手段と、
   前記第１の物体情報取得手段が取得した物体情報に基づいて、前記第１の外界認識センサが検知した物体と自車との衝突可能性を判定する第２の衝突判定手段と、
   前記第１の衝突判定手段が衝突の可能性が高いと判定した物体に対して前記第１の外界認識センサとは異なる第２の外界認識センサを用いて物体の画像情報を取得し、前記画像を処理して物体の有無を判定する第２の物体情報取得手段と、
   前記自車情報取得手段が取得した自車情報の異常を判定する自車情報判定手段と、
   前記自車情報判定手段が、前記自車情報取得手段が取得した自車情報が異常と判定し場合、前記第２の衝突判定手段を選択する衝突判定選択手段とを備える外界認識装置。
3. 前記自車情報は車速，操舵角，ヨーレートの少なくとも１つを含み、前記物体情報は自車に対する相対位置を示す、請求項１又は２記載の外界認識装置。
4. 前記自車情報取得手段は所定の通信手段によって自車情報を取得し、前記自車情報判定手段は前記通信手段が失陥したか否かを前記通信手段により得られた過去の情報を用いて判定する、請求項１又は２記載の外界認識装置。
5. 自車の情報を取得する自車情報取得手段と、
   車線を認識する外界認識センサと、
   前記外界認識センサが検知した物体の情報を取得する物体情報取得手段と、
   前記自車情報取得手段が取得した自車情報に応じて自車の予測進路を設定する予測進路設定手段と、
   前記物体情報取得手段が取得した物体情報と前記予測進路設定手段が設定した予測進路に基づいて、前記外界認識センサが検知した物体と自車との衝突可能性を判定する第１の衝突判定手段と、
   前記自車情報取得手段が取得した自車情報の異常を判定する自車情報判定手段と、
   前記自車情報判定手段が、前記自車情報取得手段が取得した自車情報が異常と判定した場合、前記予測進路設定手段は前記外界認識センサが認識した車線の中心線を自車の予測進路として設定する外界認識装置。
6. 自車の情報を取得する自車情報取得手段と、
   車線を認識する第２の外界認識センサと、
   前記第２の外界認識センサとは異なる第１の外界認識センサが検知した物体の情報を取得する第１の物体情報取得手段と、
   前記自車情報取得手段が取得した自車情報に応じて自車の予測進路を設定する予測進路設定手段と、
   前記第１の物体情報取得手段が取得した物体情報と前記予測進路設定手段が設定した予測進路に基づいて、前記第１の外界認識センサが検知した物体と自車との衝突可能性を判定する第１の衝突判定手段と、
   前記第１の衝突判定手段により衝突の可能性が高いと判定された物体に対して前記第２の外界認識センサを用いて物体の画像情報を取得し、前記画像を処理して物体の有無を判定する第２の物体情報取得手段と、
   前記自車情報取得手段が取得した自車情報の異常を判定する自車情報判定手段と、
   前記自車情報判定手段が、前記自車情報取得手段が取得した自車情報が異常と判定した場合、前記予測進路設定手段は、前記第２の外界センサが認識した車線の中心線を自車の予測進路として設定する外界認識装置。

Images