JP5028662B2 - 道路白線検出方法、道路白線検出プログラムおよび道路白線検出装置 - Google Patents

Description

本発明は、道路白線を検出する道路白線検出方法、道路白線検出プログラムおよび道路白線検出装置に関する。

現代社会において自動車は、人間にとって最も身近で欠くことのできない交通手段の一つである。その自動車の運転を支援するものとしてカーナビゲーションシステムが普及しており、現在その販売台数は年間４００万台にも上っている。しかし、その普及に伴い、ドライバが走行中にナビゲーション画面を注視し過ぎ、脇見運転をしたことに起因する交通事故が年々増加している。そこで、ナビゲーション画面を注視し過ぎるのを防止するために、ナビゲーション画面の見易さを改善する取り組みがなされている。その取り組みの一つとして、例えば、車載カメラで撮影した実写映像を用いてナビゲーションを行う直接視覚ナビゲーションシステム（ＶＩＣＮＡＳ）の開発が盛んに行われている。このＶＩＣＮＡＳが実用化されることによって、ドライバがナビゲーション画面をひと目ちらっと見るだけで、直感的に現実世界との対応付けを行うことができるので、カーナビゲーションの使用に起因する交通事故を低減することができるものと多くの人が期待している。

このＶＩＣＮＡＳの構築には、自車両の正確な位置をリアルタイムに把握し、実写映像上へ仮想物体を正しい位置に投影することが必要となる。しかし、現在のカーナビゲーションシステムで使用されているＧＰＳでは、ＧＰＳ衛星から１秒周期でしかＧＰＳデータが出力されないので、例えば、３軸ジャイロセンサや、車速センサなどを用いて、ＧＰＳデータの出力されていない期間における自車両の正確な位置および方位角を求めてやることが望ましい（非特許文献１参照）。

Z.Hu, K.Uchimura, "Fusion of Vision, GPS and 3D Gyro Data in solving Camera Registration Problem for Direct Visual Navigation", International Journal of ITS, vol.4, No.1, December 2006

しかし、３軸ジャイロセンサや車速センサなどを用いて自車両の位置および方位角を求めた場合であっても、それらのデータには依然として大きな誤差が含まれている。そのため、実写映像上の正しい位置に仮想物体を配置することができる程度にまで、これらの誤差を小さくする新たな方策を導入することが求められている。

現在、この問題を解決する有力な方策の一つとして、道路白線の検知により自車両の位置および方位角を推定する方策が注目されている。従来の検知方法では、実写映像の輝度値を利用して道路白線を検出していたので、処理が非常に単純で高速である。しかし、道路画像上に路面表示や横断歩道といった白線以外のエッジが多く存在する様な状況では安定した白線認識が難しく、精度面に関して問題があった。また、他の車両が道路白線を遮蔽したり、悪天候によって輝度値が変化した場合にも、道路白線をうまく検知することができないことがあるという問題があった。

本発明はかかる問題点に鑑みてなされたもので、その目的は、道路白線を精度良く検出することの可能な道路白線検出方法、道路白線検出プログラムおよび道路白線検出装置を提供することにある。

本発明による道路白線検出方法は、以下の（Ａ１）〜（Ａ８）の各ステップを含むものである。
（Ａ１）センサ出力データから得られた移動体の位置および方位角に基づいて移動体近傍のノード、道路リンク、補間点および道路リンクの道路属性についてのデータを地図データから抽出するステップ
（Ａ２）地図データから抽出された道路リンクを、道路属性に基づいて直線段、円弧段およびこれらと繋がった緩和曲線段に分けたのち、複数の区間に分割し、分割した区間ごとに道路水平曲率を求めるステップ
（Ａ３）実写画像データに対して所定の画像処理を行うことにより得られたエッジ画像データからエッジ線分を抽出したのち、抽出したエッジ線分を複数の区間に分割し、分割した区間ごとにエッジ水平曲率を求めるステップ
（Ａ４）道路水平曲率とエッジ水平曲率とを対比して、エッジ画像データにおいて道路白線に対応するエッジ線分を探索する範囲を決定するステップ
（Ａ５）探索範囲内において、所定の検索条件に基づいてエッジ線分を選択し、選択したエッジ線分に対応した座標を観測値として取得するステップ
（Ａ６）道路水平曲率から得られる線分をエッジ画像データに投影したときに得られる仮想道路白線に対応した座標を推定値の初期値として取得すると共に、車線幅、道路白線からのオフセット幅、偏向角および俯角のそれぞれの標準誤差を用いて得られたものを誤差共分散の初期値として取得し、さらに推定値を用いてカルマンゲインを算出するステップ（Ａ７）観測値とカルマンゲインとに基づいて推定値を更新すると共に、カルマンゲインに基づいて誤差共分散を更新するステップ
（Ａ８）更新した推定値を用いたカルマンゲインの更新と、観測値と更新したカルマンゲインとに基づいた推定値の更なる更新と、更新したカルマンゲインに基づいた誤差共分散の更なる更新とを複数回、繰り返し実行し、前記誤差共分散の収束の有無を判断基準として、最適な推定値を得るステップ

本発明による道路白線検出プログラムは、以下の（Ｂ１）〜（Ｂ８）の各ステップをコンピュータに実行させるものである。
（Ｂ１）センサ出力データから得られた移動体の位置および方位角に基づいて移動体近傍のノード、道路リンク、補間点および道路リンクの道路属性についてのデータを地図データから抽出するステップ
（Ｂ２）地図データから抽出された道路リンクを、道路属性に基づいて直線段、円弧段およびこれらと繋がった緩和曲線段に分けたのち、複数の区間に分割し、分割した区間ごとに道路水平曲率を求めるステップ
（Ｂ３）実写画像データに対して所定の画像処理を行うことにより得られたエッジ画像データからエッジ線分を抽出したのち、抽出したエッジ線分を複数の区間に分割し、分割した区間ごとにエッジ水平曲率を求めるステップ
（Ｂ４）道路水平曲率とエッジ水平曲率とを対比して、エッジ画像データにおいて道路白線に対応するエッジ線分を探索する範囲を決定するステップ
（Ｂ５）探索範囲内において、所定の検索条件に基づいてエッジ線分を選択し、選択したエッジ線分に対応した座標を観測値として取得するステップ
（Ｂ６）道路水平曲率から得られる線分をエッジ画像データに投影したときに得られる仮想道路白線に対応した座標を推定値の初期値として取得すると共に、車線幅、道路白線からのオフセット幅、偏向角および俯角のそれぞれの標準誤差を用いて得られたものを誤差共分散の初期値として取得し、さらに推定値を用いてカルマンゲインを算出するステップ（Ｂ７）観測値とカルマンゲインとに基づいて推定値を更新すると共に、カルマンゲインに基づいて誤差共分散を更新するステップ
（Ｂ８）更新した推定値を用いたカルマンゲインの更新と、観測値と更新したカルマンゲインとに基づいた推定値の更なる更新と、更新したカルマンゲインに基づいた誤差共分散の更なる更新とを複数回、繰り返し実行し、前記誤差共分散の収束の有無を判断基準として、最適な推定値を得るステップ

本発明による道路白線検出装置は、以下の（Ｃ１）〜（Ｃ８）の各構成を備えたものである。
（Ｃ１）センサ出力データから得られた移動体の位置および方位角に基づいて移動体近傍のノード、道路リンク、補間点および道路リンクの道路属性についてのデータを地図データから抽出する抽出手段
（Ｃ２）地図データから抽出された道路リンクを、道路属性に基づいて直線段、円弧段およびこれらと繋がった緩和曲線段に分けたのち、複数の区間に分割し、分割した区間ごとに道路水平曲率を求める道路水平曲率導出手段
（Ｃ３）実写画像データに対して所定の画像処理を行うことにより得られたエッジ画像データからエッジ線分を抽出したのち、抽出したエッジ線分を複数の区間に分割し、分割した区間ごとにエッジ水平曲率を求めるエッジ水平曲率導出手段
（Ｃ４）道路水平曲率とエッジ水平曲率とを対比して、エッジ画像データにおいて道路白線に対応するエッジ線分を探索する範囲を決定する探索範囲決定手段
（Ｃ５）探索範囲内において、所定の検索条件に基づいてエッジ線分を選択し、選択したエッジ線分に対応した座標を観測値として取得する観測値取得手段
（Ｃ６）道路水平曲率から得られる線分をエッジ画像データに投影したときに得られる仮想道路白線に対応した座標を推定値の初期値として取得すると共に、車線幅、道路白線からのオフセット幅、偏向角および俯角のそれぞれの標準誤差を用いて得られたものを誤差共分散の初期値として取得し、さらに推定値を用いてカルマンゲインを算出する初期値取得手段
（Ｃ７）観測値とカルマンゲインとに基づいて推定値を更新すると共に、カルマンゲインに基づいて誤差共分散を更新する第１更新手段
（Ｃ８）更新した推定値を用いたカルマンゲインの更新と、観測値と更新したカルマンゲインとに基づいた推定値の更なる更新と、更新したカルマンゲインに基づいた誤差共分散の更なる更新とを複数回、繰り返し実行し、前記誤差共分散の収束の有無を判断基準として、最適な推定値を得るステップ

本発明による道路白線検出方法、道路白線検出プログラムおよび道路白線検出装置では、地図データから抽出された道路リンクが、道路属性に基づいて直線段、円弧段およびこれらと繋がった緩和曲線段に分けられたのち、複数の区間に分割され、分割された区間ごとに道路水平曲率が求められる。これにより、地図データから道路水平曲率を簡単に抽出することができる。また、推定されたエッジ水平曲率を道路水平曲率と対応付けることができるので、現在位置の推定に使うことができる。

本発明による道路白線検出方法、道路白線検出プログラムおよび道路白線検出装置によれば、地図データから道路水平曲率を簡単に抽出することができると共に、推定されたエッジ水平曲率を道路水平曲率と対応付けることができるようにしたので、道路白線を精度良く検出することができる。

以下、本発明を実施するための最良の形態について図面を参照して詳細に説明する。

図１は、本発明の一実施の形態に係るナビゲーション装置１の概要構成を表したものである。なお、本発明の一実施の形態に係る白線検出方法は、このナビゲーション装置１の動作によって具現化されるものであるから、以下、それらを併せて説明する。

このナビゲーション装置１は、運転者の運転する移動体（例えば自動車）に搭載されたものであり、例えば、センサ入力部１０と、地図管理部２０と、中央処理部３０と、映像表示部４０とを、その主要部として備えている。

センサ入力部１０は、ＣＣＤ（固体撮像素子）カメラ１０１（車載カメラ）と、ＧＰＳセンサ１０２と、ジャイロセンサ１０３（慣性センサ）と、車速センサ１０４とを備えている。

ＣＣＤカメラ１０１は、例えば運転者がフロントガラス越しに見る視線とほぼ同様のカメラアングルで車両前方の景観を撮影（撮像）することができるように、移動体に固定されている。このＣＣＤカメラ１０１は、例えば固定焦点距離の単眼方式のものであり、道路を含んだ前方の景観を例えば１／３０秒ごとに撮像して、撮像により得られた実写画像データを中央処理部３０に転送するようになっている。

ＧＰＳセンサ１０２は、例えば、地球上の現在位置を調べるための衛星測位システム（ＧＰＳ）において、宇宙空間に打ち上げられた多数のＧＰＳ衛星から地表に向けて送信されてくる電波を受信するレシーバであり、受信した電波に含まれる各種データ（ＧＰＳデータ）を中央処理部３０に転送するようになっている。なお、中央処理部３０は、ＧＰＳデータから、移動体の位置（緯度および経度）と、移動体の方位角とを算出することができる。

ＧＰＳ衛星からは、例えば１秒ごとにＧＰＳデータを含む電波が出力されているが、その電波は、地表に到達するまでの間に電離層などの影響を受けて、１秒から２秒の不確定性を持ってレシーバに到達する。ここで、廉価な商用ＧＰＳでは、位置（緯度および経度）の精度がおよそ２０メートル、方位角の精度がおよそ１０度となっている。

なお、ＧＰＳ衛星から送信されてくる電波を受信する代わりに、ＤＧＰＳ(Differential GPS)において、基準局から送信されてくる中波やＦＭ放送などの地上波を受信するようにしてもよい。このＤＧＰＳとは、位置の分かっている基準局でＧＰＳによる測量を行い、実際の位置とＧＰＳで算出された位置とのずれを中波やＦＭ放送などの地上波で送信することにより、ＧＰＳ衛星からの信号により計測した結果を補正することの可能なシステムであり、ＧＰＳよりも精度よく測位することが可能である。

ジャイロセンサ１０３は、例えば、コリオリ力による振動を電気的に検出する３次元振動ジャイロからなり、検出した振動データを中央処理部３０に転送するようになっている。なお、中央処理部３０は、得られた振動データから、例えば１／６０秒ごとに移動体の角速度を算出することが可能である。

車速センサ１０４は、例えば、車速の大きさに応じたパルス信号を出力するパルスセンサであり、出力されたパルス信号を中央処理部３０に転送するようになっている。なお、中央処理部３０は、得られたパルス信号から、例えば１／５０秒ごとに移動体の車速を算出することが可能である。

地図管理部２０は、所定の地理的領域の地図データが記録された記録媒体２０１と、この記録媒体２０１から地図データを読み出すドライバ２０２とを有している。この地図管理部２０は、中央処理部３０からの読み出し命令に従って、地図データ（例えば、所定の地域に含まれる道路に関するデータや、その道路に付随するデータなど）を記録媒体２０１から読み出して、中央処理部３０に転送するようになっている。

ここで、道路に関するデータには、例えば、ノードと呼ばれる交差点、分岐点、補間点（変曲点）および補曲点などの位置（緯度、経度、海抜）や、ノード間を繋ぐ道路リンクの道路属性が含まれている。道路属性とは、等級（国道、県道、農道などにそれぞれ割り当てられている数値）、車線数、車線幅、最高速度などのことを指す。また、道路に付随するデータには、例えば、ランドマーク、鉄道の駅、病院およびガソリンスタンドなどの位置、形状、大きさおよびアイコンなどが含まれている。

中央処理部３０は、例えば、測位処理モジュール３０１と、白線検知モジュール３０２と、画像処理モジュール３０３とをその主要部として有している。

測位処理モジュール３０１は、センサ入力部１０から入力された各種データおよびパルス信号から、移動体の位置、方位角、角速度および車速を算出し、算出した移動体の位置、方位角、角速度および車速と、地図管理部２０から読み出された道路に関するデータとに基づいて、移動体の位置および方位角を特定する演算を行うデバイスである。なお、移動体の位置および方位角の特定方法については後に詳述する。

白線検知モジュール３０２は、測位処理モジュール３０１で特定された移動体の位置および方位角と、ＣＣＤカメラ１０１から得られた実写画像データと、地図管理部２０から読み出された道路に関するデータとに基づいて、実写画像データに含まれる道路白線を検知する演算や、測位処理モジュール３０１で特定された移動体の位置および方位角を修正する演算を行うデバイスである。なお、道路白線の検知方法については後に詳述する。

画像処理モジュール３０３は、白線検知モジュール３０２で修正された移動体の位置および方位角などに基づいて、実写画像データ上に、道路に付随するデータをアイコンで表現したものや、道路白線を重ね合わせた合成画像データを生成する演算を行うデバイスである。

映像表示部４０は、例えば液晶表示装置からなり、画像処理モジュール３０２によって生成された画像データを画面に表示するようになっている。

次に、移動体の位置および方位角の特定方法について説明する。

図２（１），（２），（３）は、各センサからデータが出力されるタイミングを模式的に表したものである。図２（１），（２），（３）に示したように、ＧＰＳデータは周期Ｔ_ｇでＧＰＳセンサ１０２から出力され、ジャイロデータは周期Ｔ_ｗでジャイロセンサ１０３から出力され、車速データは周期Ｔ_ｖで車速センサ１０４から出力され、実写画像データは周期Ｔ_ｍでＣＣＤカメラ１０１から出力される。ここで、ジャイロデータの周期Ｔｗおよび車速データの周期Ｔ_ｖは、ＧＰＳデータの周期Ｔ_ｇよりも短い。そのため、測位処理モジュール３０１は、ＧＰＳデータがこない間は、ジャイロデータおよび車速データを用いて移動体の位置および方位角を推定する。また、各センサおよびカメラからデータが出力されるタイミングは、一般に互いに同期していない。そこで、測位処理モジュール３０１は、各センサからの出力タイミングが互いに同期していない場合には、例えば、ジャイロセンサ１０３、車速センサ１０４またはＣＣＤカメラ１０１の出力タイミングの時刻に合わせて、移動体の位置および方位角を推定する。なお、本実施の形態では、ＣＣＤカメラ１０１の出力タイミングの時刻に合わせて、移動体の位置および方位角を推定するものとする。

図３は、移動体の位置および方位角が時々刻々と変化する様子を模式的に表したものである。なお、図３には、図２（１）〜（４）の時刻ｔ_０，ｔ_１，ｔ_２における移動体の変位を高さ方向から眺めた様子が例示されている。測位処理モジュール３０１は、時刻ｔ_０における移動体の位置（ｘ_ｇ（ｔ_０），ｙ_ｇ（ｔ_０））および方位角（ｏｒｉ_ｇ（ｔ_０））を、ＧＰＳデータから直接得ることができる。他方、時刻ｔ_１における移動体の位置（ｘ_ｇ（ｔ_１），ｙ_ｇ（ｔ_１））および方位角（ｏｒｉ_ｇ（ｔ_１））を、ＧＰＳデータから直接得ることができない。そこで、測位処理モジュール３０１は、車速データから得られた移動体の車速ｖ（ｔ_０）にΔｔ（＝時刻ｔ_１−時刻ｔ_０）を乗算することにより移動距離Δｄ（ｔ_０）を求めると共に、ジャイロデータから得られた移動体の角速度ｗ（ｔ_０）にΔｔを乗算することにより方位角の変位量Δｏｒｉ（ｔ_０）を求めたのち、移動距離Δｄ（ｔ_０）を（ｏｒｉ_ｇ（ｔ_０）＋Δｏｒｉ（ｔ_０））（＝ｏｒｉ_ｇ（ｔ_１））を用いてｘ成分とｙ成分とに分解することにより、時刻ｔ_１における移動体の位置（ｘ_ｇ（ｔ_１），ｙ_ｇ（ｔ_１））および方位角（ｏｒｉ_ｇ（ｔ_１））を推定する。これらを一般化したものを以下の数１〜３に示す。

このように、測位処理モジュール３０１において、ＧＰＳデータから直接得られた時刻ｔ_０における移動体の位置（ｘ_ｇ（ｔ_０），ｙ_ｇ（ｔ_０））および方位角（ｏｒｉ_ｇ（ｔ_０））を始点として、時刻ｔ_ｉにおける移動体の位置（（ｘ_ｇ（ｔ_ｉ），ｙ_ｇ（ｔ_ｉ））および方位角（ｏｒｉ_ｇ（ｔ_ｉ））を、ジャイロデータおよび車速データを利用して推定する。

なお、さらに、ＧＰＳデータ、ジャイロデータおよび車速データを利用して得られた時刻ｔ_ｉにおける移動体の位置（（ｘ_ｇ（ｔ_ｉ），ｙ_ｇ（ｔ_ｉ））および方位角（ｏｒｉ_ｇ（ｔ_ｉ））に対してマップマッチング処理を行うことにより、道路上の移動体の位置および方位角を求めるようにしてもよい。

マップマッチング処理は、例えば、生成された道路形状モデルと、移動体の種々の情報とを対比し、その対比の結果に基づいて、移動体が実際に存在する可能性の最も高い道路上に移動体が存在するように移動体の位置を強制的に移動させる処理である。上記の道路形状モデルは、例えば、移動体の位置および方位角をベースに、移動体位置の前方の道路に関するデータを検索し、検索により得られた道路に関するデータに基づいて、道路の水平形状を表す数学モデルであるクロソイド（clothoid）曲線モデルのパラメータを推定することにより生成することが可能である。

次に、道路白線の検知方法について説明する。

図４，５は、道路白線を検知する手順を表したものである。図６（Ａ）は、道路白線検知用の道路線形モデルを模式的に表したものであり、図６（Ｂ）は、図６（Ａ）の道路線形モデルの道路水平曲率Ｃ_ｈｍを表したものである。図７はエッジ画像データを、図８は図７のエッジ画像データにおける道路白線の探索範囲Ｓを、図９は図７のエッジ画像データから抽出された中央線分Ｗ_１，Ｗ_２および観測値ｍ（ｊ）を、図１０は地図データから得られた仮想道路白線Ｅ_１，Ｅ_２、推定値Ｘｄ（ｊ）および誤差共分散Ｃ_ｘｄ（ｊ）（Ｃ_１１，Ｃ_１２，Ｃ_２１，Ｃ_２２）をそれぞれ模式的に表したものである。

まず、白線検知モジュール３０２は、測位処理モジュール３０１で特定された時刻ｔ_ｉにおける移動体の位置および方位角に基づいて、移動体近傍のノードＮ、道路リンクＬ、補間点（変曲点）Ｐおよび補曲点Ｑ（図６参照）の位置データおよび道路リンクＬの属性を地図データから抽出し、それらのデータに基づいて時刻ｔ_ｉにおける移動体前方（ＣＣＤカメラ１０１の視野範囲）の道路水平曲率Ｃ_ｈｍを推定する（ステップＳ１０１）。

具体的には、まず、地図データから抽出された道路リンクＬ（Ｌ_１，Ｌ_２）を、道路属性および道路構造令に基づいて直線段Ｌ_Ａ、円弧段Ｌ_Ｂおよび緩和曲線段Ｌ_Ｃに分ける。なお、緩和曲線段Ｌ_Ｃは、直線段Ｌ_Ａと円弧段Ｌ_Ｂとを滑らかに繋げるクロソイド曲線で近似されたものである。次に、直線段Ｌ_Ａ、円弧段Ｌ_Ｂおよび緩和曲線段Ｌ_Ｃの道路水平曲率Ｃ_ｈｍをそれぞれ求める。このとき、道路水平曲率Ｃ_ｈｍを、直線段Ｌ_Ａにおいて０（ゼロ）とし、円弧段Ｌ_Ｂにおいて１／ｒ_ｉ（ｒ_ｉは、曲率半径）とし、緩和曲線段Ｌ_Ｃにおいては線形的に変化するものとする。次に、道路リンクＬ（Ｌ_１，Ｌ_２）を細かな区間に分割し、区間ごとに道路水平曲率Ｃ_ｈｍを求める。つまり、各道路リンクＬ（Ｌ_１，Ｌ_２）には、離散化した複数の道路水平曲率Ｃ_ｈｍが与えられる。このようにして、各道路リンクＬ（Ｌ_１，Ｌ_２）の道路水平曲率Ｃ_ｈｍを求めたのち、測位処理モジュール３０１で特定された時刻ｔ_ｉにおける移動体の位置を基準として、測位処理モジュール３０１で特定された時刻ｔ_ｉにおける移動体の方位角の方向の視野範囲内の道路水平曲率Ｃ_ｈｍを抽出する。このとき、視野範囲内を、移動体の方位角の方向において等間隔で複数に（例えば４０に）区分し、区分したエリアごとに道路水平曲率Ｃ_ｈｍを割り振る。従って、視野範囲内のエリアごとに割り振られた道路水平曲率Ｃ_ｈｍｘ（ｘ＝１，２，…，ｎ）の集合として道路水平曲率Ｃ_ｈｍを抽出する。

次に、時刻ｔｉにおける実写画像データからＲ成分を抽出することによりＲ画像データを生成したのち（ステップＳ１０２）、Ｒ画像データに対して、左エッジおよび右エッジを抽出するフィルタを掛け、２値化処理を行うことによりエッジ画像データを生成する（ステップＳ１０３）。なお、Ｒ画像データを実写画像データ全体から生成する必要はなく、実写画像データにおける道路の最遠部（フェードアウトする部分）を含む下方の領域、つまり、実写画像データにおいて道路の存在可能な領域だけから生成すれば充分である。また、他の方法を用いてエッジ画像データを生成することも可能である。

次に、Ｈｏｕｇｈ変換および逆変換を行うことにより、エッジ画像データから左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２を検出する（ステップＳ１０４、図７参照）。なお、図７には、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２のいずれもが連続した線分となっているが、仮に実写画像データ内に道路白線を遮蔽する物体（他の移動体や、標識など）が存在する場合や、悪天候などにより実写画像データ内の道路白線のエッジが不鮮明となっている場合には、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２において、遮蔽物体で遮蔽されている部分や、エッジの不鮮明な部分に対応する箇所に欠けが生じることになる。また、実写画像データ上に路面表示や横断歩道といった白線以外のエッジが多く存在する場合には、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２の他にも多数のエッジ線分が検出されることとなる。

次に、エッジ画像データを複数の仮想線分Ｌ_ｊ（０≦ｊ≦ｎ）で複数のセクションＳ_ｊに分割し、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２のセクションＳ_ｊごとのエッジ水平曲率Ｃ_ｈｅｊを、ＣＣＤカメラ１０１の姿勢（偏向角ψ、俯角α）を考慮して推定する（ステップＳ１０５、図７参照）。つまり、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２に、離散化した複数のエッジ水平曲率Ｃ_ｈｅｊを与える。このとき、実空間において等間隔（例えば１ｍ間隔）となるように、仮想線分Ｌ_ｊを、エッジ画像データ内において上に向かうにつれて狭い間隔で配置する。図７には、仮想線分Ｌ_ｊが１０本配置されている場合が例示されているが、道路白線の探索し易さの観点からは、仮想線分Ｌ_ｊの本数をそれよりも多く（例えば４０本）して、セクションＳ_ｊの数を多くすることが好ましい。

次に、セクションＳ_ｊごとのエッジ水平曲率Ｃ_ｈｅｊと道路水平曲率Ｃ_ｈｍとを対比して、エッジ画像データにおいて道路白線に対応するエッジ線分を探索する範囲（探索範囲Ｓ）を決定する（ステップＳ１０６、図８参照）。例えば、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２と、道路水平曲率Ｃ_ｈｍから得られる道路との全体としての位置ずれがなるべく小さくなるように、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２を含む領域上に、道路水平曲率Ｃ_ｈｍから得られる道路を投影したときに、エッジ画像データに対して道路Ｒを投影し得る領域を探索範囲Ｓとする。

次に、道路白線の探索範囲Ｓ内において、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２の中から道路白線に対応するエッジ線分（道路白線の候補）を所定の検索条件を用いて選択し、選択した左エッジ線分Ｗ_Ｌ１と選択した右エッジ線分Ｗ_Ｒ１との中央線分Ｗ_１、および選択した左エッジ線分Ｗ_Ｌ２と選択した右エッジ線分Ｗ_Ｒ２との中央線分Ｗ_２を求めたのち、各中央線分Ｗ_１，Ｗ_２と仮想線分Ｌ_ｊとの交点の座標ｍ_１ｊ，ｍ_２ｊを時刻ｔ_ｉにおける観測値ｍ（ｊ）として求める（ステップＳ１０７、図９参照）。

なお、実写画像データ上に路面表示や横断歩道といった白線以外のエッジが多く存在していたために、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２の他にも多数のエッジ線分が検出されていた場合には、上記検索条件が甘いと、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２以外の多くの線分も選択されることとなる。そのため、所望の線分だけうまく選択することができるような検索条件を設定することが好ましいが、検索条件をあまり厳しくし過ぎると、所望の線分までも選択対称から除外されてしまう可能性がある。従って、エッジ画像データに対して検索条件をかける前に、探索範囲Ｓを充分に小さくしておき、探索範囲Ｓ内に不要なエッジ線分が含まれないようにしておくことがより好ましい。もっとも、本実施の形態では、探索範囲Ｓはエッジ水平曲率Ｃ_ｈｅｊと道路水平曲率Ｃ_ｈｍとの対比によって設定されているので、エッジ画像データに占める探索範囲Ｓの割合は充分に小さくなっており、不要なエッジ線分がほとんど排除されている。

次に、道路水平曲率Ｃ_ｈｍから得られる線分をＣＣＤカメラ１０１の２次元座標面（例えばエッジ画像データ）に投影したときに得られる仮想道路白線Ｅ_１，Ｅ_２と、仮想線分Ｌ_ｊとの交点の座標ｕ_１ｊ，ｕ_２ｊを推定値Ｘ_ｄ（ｊ）の時刻ｔ_ｉにおける初期値として与えると共に、車線幅Ｌ、左側道路白線からのオフセット幅Ｘ_０、ＣＣＤカメラ１０１の偏向角ψ、ＣＣＤカメラ１０１の俯角αおよび道路垂直曲率Ｃ_ｌのそれぞれの標準誤差Ｓ_ｅ（ｊ）を用いて得られたものを誤差共分散Ｃ_ｘｄ（ｊ）の時刻ｔ_ｉにおける初期値として与える（ステップＳ１０８、図１０参照）。なお、推定値Ｘ_ｄ（ｊ）、座標ｕ_１ｊ、座標ｕ_２ｊについては、以下の数（４）〜（６）で表され、誤差共分散Ｃ_ｘｄ（ｊ）については、以下の数（７）で表される。また、誤差共分散Ｃ_ｘｄ（ｊ）を求める際に、道路垂直曲率Ｃ_ｌの影響は小さいことから、道路垂直曲率Ｃ_ｌを省略することも可能である。

ここで、数４〜数６において、Ｅ_ｖはＣＣＤカメラ１０１のｘ方向の焦点距離を、Ｅ_ｕはＣＣＤカメラ１０１のｙ方向の焦点距離をそれぞれ指している。

なお、数５，６に示した拡張カルマンフィルタの基本式は、以下のようにして求めることができる。図１１に示したように、現在道路位置を（ｘ_ｏ，ｚ_ｏ）とし、現在位置から前方視認距離Ｎメートル以内の道路白線点の座標を（ｘ_ｉ，ｚ_ｉ）（ｉ＝０，１，２，…，Ｎ）とする。このとき、点（ｘ_ｉ，ｚ_ｉ）と、次の点（ｘ_ｉ＋１，ｚ_ｉ＋１）の間の距離が十分短い場合（例えば１ｍ）には、この部分の道路各点の曲率をＣ_ｉで近似できる。そのため、点（ｘ_ｉ＋１，ｚ_ｉ＋１）から点（ｘ_ｉ，ｚ_ｉ）までのずれｄｘ_ｉ’、ｄｚ_ｉ’は、以下の数８で計算できる。

上記のずれを、（ｘ_ｏ，ｚ_ｏ）を原点とする座標系へ数９を用いて換算する。ここで、θｉは、数１０に示した式で表される。

これにより、現在位置から見えた視認距離内の各点座標を、以下の数１１，１２で求めることができ、それを２次元平面へ射影すれば、上記した数５，６ を得ることができる。

次に、推定値Ｘｄ（ｊ）を用いて時刻ｔ_ｉにおけるカルマンゲインＫｄ（ｊ）を算出する（ステップＳ１０９）。このようにして、時刻ｔ_ｉにおける観測値ｍ（ｊ）と、推定値Ｘ_ｄ（ｊ）および誤差共分散Ｃ_ｘｄ（ｊ）の時刻ｔ_ｉにおける初期値と、時刻ｔ_ｉにおけるカルマンゲインＫｄ（ｊ）とを準備したのち、以下の数（１３）〜（１５）に示したように、観測値ｍ（ｊ）と、カルマンゲインＫｄ（ｊ）とに基づいて、時刻ｔｉにおける推定値Ｘｄ（ｊ）を更新すると共に（ステップＳ１１０）、カルマンゲインＫｄ（ｊ）に基づいて、時刻ｔｉにおける誤差共分散Ｃｘｄ（ｊ）を更新する（ステップＳ１１１）。

ここで、Ｈｄは、ｘ（ｊ）＝Ｈｄ（ｊ）Ｘｄ（ｊ）となる値である。ｘ（ｊ）は、推定値である。ｍ（ｊ）は観測値である。

次に、更新した推定値Ｘｄ（ｊ）および誤差共分散Ｃｘｄ（ｊ）を用いて上記のステップＳ１０９〜Ｓ１１１を複数回、繰り返し実行し、時刻ｔｉにおける最適な推定値Ｘｄ（ｊ）を取得する（ステップＳ１１２）。ここで、最適か否かについては、例えば、誤差共分散Ｃｘｄ（ｊ）の収束の有無を基準に判断する。このようにして、時刻ｔｉにおける道路白線の位置座標としての推定値Ｘｄ（ｊ）を求めることができる。

なお、実写画像データ内に道路白線を遮蔽する物体が存在したり、悪天候などにより実写画像データ内の道路白線のエッジが不鮮明となっていたために、左エッジ線分Ｗ_Ｌ１，Ｗ_Ｌ２および右エッジ線分Ｗ_Ｒ１，Ｗ_Ｒ２に欠けが生じていた場合には、その欠けに対応する領域において、最適な推定値Ｘｄ（ｊ）を取得することができず、道路白線の検出を失敗してしまう。

そこで、そのような場合に、移動体から見て左側と右側との両側に対となって存在する２つの道路白線のうち他方の道路白線を検出することができているときには、一つ前の時刻ｔ_ｉ−１のフレームにおいて検出した道路白線間の距離を用いて、時刻ｔ_ｉのフレームにおける一方の道路白線の位置を推定する。また、対となる２つの道路白線の双方を検出することができなかったときには、対となる２つの道路白線の検出に成功したことのある過去のフレームのうち最新のフレームにおいて検出した道路白線の位置を、時刻ｔ_ｉのフレームにおける道路白線の位置として推定する。

なお、最適な推定値Ｘｄ（ｊ）および誤差共分散Ｃｘｄ（ｊ）を取得することができた座標数が少ない場合や、最適な推定値Ｘｄ（ｊ）および誤差共分散Ｃｘｄ（ｊ）を取得することができたものの、取得した推定値Ｘｄ（ｊ）が実際の道路白線からずれてしまっている割合が大きい場合には、検索条件を緩和して再度、道路白線を検出することが好ましい。

以上のようにして、白線検知モジュール３０２において、時刻ｔｉにおける道路白線の位置を検出することができるが、時刻ｔｉ＋１における道路白線の位置を検出し、道路白線を追跡する際には、時刻ｔ_ｉにおける最適な推定値Ｘｄ（ｊ）および誤差共分散Ｃｘｄ（ｊ）を時刻ｔ_ｉ＋１における初期値として上記ステップＳ１０９〜Ｓ１１２を実行すればよい（ステップＳ１１３）。

ところで、本実施の形態では、上記のようにして求めた、時刻ｔｉにおける道路白線の位置座標としての推定値Ｘｄ（ｊ）を利用して、カメラパラメータＸ（ｊ）を取得することができる。そこで、白線検知モジュール３０２において、数１６に示したように、推定値Ｘｄ（ｊ）を利用してカメラパラメータＸ（ｊ）を求め、カメラパラメータＸ（ｊ）から移動体の位置および方位角を推定し、測位処理モジュール３０１で特定された移動体の位置（特に道路幅方向の位置）および方位角を修正する。

ここで、カメラパラメータＸ（ｊ）とは、車線幅Ｌ、オフセット幅Ｘ_０、偏向角ψ、俯角αおよび道路垂直曲率Ｃ_ｌのことであり、数１６に示したように、初期カメラパラメータＸ（０）に、推定値Ｘｄ（ｊ）の初期データからの変化量を考慮することにより算出される。

このとき、両側白線検出時には全てのパラメータを、片側白線検出時にはＬ，α以外のパラメータだけを更新するようにゲインＫを調整し、両側の白線検知に失敗した時にはカメラパラメータの更新を行わない。

白線検出から得られるパラメータは正常な白線検出時においても微小な揺れを生じ、また誤検出時においてはパラメータの大幅な変動を招く。このようなパラメータの変動は安定した自車両位置の推定が出来ないだけでなく、ＶＩＣＮＡＳの表示アイコンのジャンプ化にも繋がる。そこで、道路走行時に変化量の少ないと考えられる車線幅Ｌ，俯角αのパラメータを安定制御するために近似メディアンフィルタ（ＡＭＦ）法と確率密度関数（ＰＤＦ）を適用する。これにより、高速かつロバストなパラメータの更新を行うことができる。

ここで、ＡＭＦ法とは、平均値を求める代わりに中央値を随時更新することで近似的にメディアンフィルタ（ＭＦ）を実現する手法である。現在の取得パラメータ観測値をｘ、前回までのフレームの中央値をｍｅａｎ、パラメータ更新の変化量をｎとしたとき、ＡＭＦによる中央値の更新は、以下の数１７に示したようにして行われる。

ＡＭＦで大きなメモリを確保する必要がなく、他の手法に比べ処理効率が良い。しかも、過去数フレームの平均値を取る様な処理と同程度の安定化が期待できる。このＡＭＦによって更新された中央値からの取得パラメータの誤差を、ＰＤＦを用いることで安定制御を行う。本実施の形態では、この確率密度関数にガウス分布を用いてパラメータの補正を行なう。

ここで、数１８がパラメータの補正式であり、数１９が確率密度関数である。ｘ_ｎｅｗは、新たに更新されたデータを表す．ｘは白線検出から取得したパラメータ観測値であり、μは平均（ここでは中央値ｍｅａｎ）であり、σは偏差である。これにより正しい検出結果におけるパラメータの安定化を図ると共に、誤検出時におけるパラメータの急激な変動を抑制することができる。

さらに、本実施の形態では、上記のようにして求めた、時刻ｔ_ｉにおける道路白線の位置座標としての推定値Ｘｄ（ｊ）を利用して、測位処理モジュール３０１で特定された移動体の位置（特に道路延在方向の位置）を修正することが可能である。

具体的には、測位処理モジュール３０１で特定された移動体の位置を含む、道路延在方向（前後方向）の複数の位置に移動体がいるものとしたときに、道路水平曲率Ｃ_ｈｍから得られる線分を、それぞれの位置でＣＣＤカメラ１０１の２次元座標面（例えばエッジ画像データ）に投影したときに得られる仮想道路白線Ｅ_１，Ｅ_２と、推定値Ｘｄ（ｊ）から得られる線分を、測位処理モジュール３０１で特定された移動体の位置でＣＣＤカメラ１０１の２次元座標面（例えばエッジ画像データ）に投影したときに得られる仮想道路白線との全体としての位置ずれが最も小さなときの、仮想道路白線Ｅ_１，Ｅ_２が投影された移動体の位置を求め、その位置を移動体の位置として、測位処理モジュール３０１で特定された移動体の位置と置き換える修正を行う。

特に、仮想道路白線Ｅ_１，Ｅ_２の道路水平曲率Ｃ_ｈｍが、仮想道路白線Ｅ_１，Ｅ_２が投影された２次元座標面内にいずれかの場所において、０よりも十分に大きい場合には、移動体の位置を道路延在方向において高精度に修正することができる。

次に、本実施の形態のナビゲーション装置１の動作について説明する。

この移動体位置検出装置１では、測位処理モジュール３０１において、ＧＰＳデータから直接得られた時刻ｔ_０における移動体の位置（ｘ_ｇ（ｔ_０），ｙ_ｇ（ｔ_０））および方位角（ｏｒｉ_ｇ（ｔ_０））を始点として、時刻ｔ_ｉにおける移動体の位置（（ｘ_ｇ（ｔ_ｉ），ｙ_ｇ（ｔ_ｉ））および方位角（ｏｒｉ_ｇ（ｔ_ｉ））が、ジャイロデータおよび車速データを利用して推定される。また、必要に応じて、ＧＰＳデータ、ジャイロデータおよび車速データを利用して得られた時刻ｔ_ｉにおける移動体の位置（（ｘ_ｇ（ｔ_ｉ），ｙ_ｇ（ｔ_ｉ））および方位角（ｏｒｉ_ｇ（ｔ_ｉ））に対してマップマッチング処理を行うことにより、道路上の移動体の位置および方位角を求める。

次に、白線検知モジュール３０２において、まず、時刻ｔ_ｉにおける観測値ｍ（ｊ）と、推定値Ｘ_ｄ（ｊ）および誤差共分散Ｃ_ｘｄ（ｊ）の時刻ｔ_ｉにおける初期値と、時刻ｔ_ｉにおけるカルマンゲインＫｄ（ｊ）とが求められる。その後、観測値ｍ（ｊ）と、カルマンゲインＫｄ（ｊ）とに基づいて、時刻ｔ_ｉにおける推定値Ｘｄ（ｊ）が更新されると共に、カルマンゲインＫｄ（ｊ）に基づいて、時刻ｔ_ｉにおける誤差共分散Ｃｘｄ（ｊ）が更新され、その結果、時刻ｔ_ｉにおける道路白線の位置座標としての推定値Ｘｄ（ｊ）が導出される。

さらに、画像処理モジュール３０３において、まず、白線検知モジュール３０２で求められた、時刻ｔｉにおける道路白線の位置座標としての推定値Ｘｄ（ｊ）を利用して、カメラパラメータＸ（ｊ）が導出され、カメラパラメータＸ（ｊ）から移動体の位置および方位角が推定され、測位処理モジュール３０１で特定された移動体の位置および方位角が修正される。その後、修正した移動体の位置および方位角と、白線検知モジュール３０２で特定されたカメラパラメータと、ＣＣＤカメラ１０１から得られた実写画像データと、地図管理部２０から読み出された道路に付随するデータとに基づいて、実写画像データ上に、道路に付随するデータをアイコンで表現したものを重ね合わせた合成画像データが生成される。そして、画像処理モジュール３０３において生成された合成画像データが、映像表示部４０にて表示される。

ところで、車載カメラによる自動運転や運転補助のために開発された従来の白線検知方法では、視野内にある白線線形が一本の曲線（つまり、１つの水平曲率）で近似されていた。そのため、白線線形において水平曲率が大きく変化する部分において誤差が大きくなるので、そのような場所では、現在位置が分かった場合であっても、前方道路地図の設計図面から道路白線検出用水平曲率の参考値を抽出することができない。また、鮮明な道路白線を検出した場合であっても、推定された道路水平曲率の値を地図の設計数値と対応付けることができないので、現在位置の推定に使うことができない。

一方、本実施の形態では、道路属性および道路構造令に基づいて直線段Ｌ_Ａ、円弧段Ｌ_Ｂおよび緩和曲線段Ｌ_Ｃに分けられた道路リンクＬ（Ｌ_１，Ｌ_２）を細かな区間に分割し、分割した区間ごとに道路水平曲率Ｃ_ｈｍを求めているので、現在位置が分かれば、地図データから道路水平曲率Ｃ_ｈｍを簡単に抽出することができる。また、鮮明な道路白線を検出することができれば、推定された道路水平曲率（エッジ水平曲率Ｃ_ｈｅｊ）を地図の設計数値（道路水平曲率Ｃ_ｈｍ）と対応付けることができるので、現在位置の推定に使うことができる。

また、本実施の形態では、道路水平曲率Ｃ_ｈｍとエッジ水平曲率Ｃ_ｈｅｊとを対比して、エッジ画像データにおいて道路白線を探索する範囲（探索範囲Ｓ）が決定されるので、エッジ画像データの全ての領域に対して道路白線を検索する必要がない。これにより、検知速度を高速化することができる。さらに、検索範囲Ｓを絞り込んだ結果、道路白線の候補を選択する条件を緩和することができるので、よりロバストな検知を実現することができる。

また、本実施の形態では、拡張カルマンフィルタを用いて求めた推定値Ｘｄ（ｊ）を利用して、カメラパラメータを取得している。このカメラパラメータには、上述したように、車線幅Ｌ、オフセット幅Ｘ_０、偏向角ψおよび俯角αが少なくとも含まれていることから、これらのパラメータから、移動体の、道路幅方向の位置を精確に求めることができる。さらに、エッジ水平曲率Ｃ_ｈｅｊおよび道路水平曲率Ｃ_ｈｍから、移動体の、道路延在方向（進行方向）の位置を精確に求めることができる。

また、本実施の形態では、白線検知モジュール３０２において修正された、時刻ｔｉにおける道路白線の位置および方位角と、白線検知モジュール３０２で特定されたカメラパラメータと、ＣＣＤカメラ１０１から得られた実写画像データと、地図管理部２０から読み出された道路に付随するデータとに基づいて、画像データ上に、道路に付随するデータをアイコンで表現したものや、道路白線を重ね合わせた画像データを生成することができる。これにより、他の車両が前方を遮っていたり、夜間や悪天候などによって前方が暗いときなど、前方の視認性が低い場合に、実写画像に道路白線を重ね合せることにより、ドライバに安心感を与えることができる。

以上、実施の形態およびその変形例ならびに実施例を挙げて本発明を説明したが、本発明はこれに限定されるものではなく、種々の変形が可能である。

例えば、上記実施の形態では、測位処理モジュール３０１、白線検知モジュール３０２および画像処理モジュール３０３はデバイス（ハードウェア）として記述されていたが、中央処理部３０にロードされたプログラムであってもよい。また、記録媒体２に記録されている地図データについても、あらかじめ中央処理部３０にロードされていてもよい。

本発明の一実施の形態に係るナビゲーション装置の概要構成図である。 センサ入力部からの各入力の周期およびタイミングを表す関係図である。 移動体の変位の様子の一例を表す平面図である。 図１の白線検知モジュールについて説明するための流れ図である。 図４に続く流れ図である。 地図データを模式的に表した模式図である。 エッジ画像データを模式的に表した模式図である。 図７のエッジ画像データにおける道路白線の探索範囲を模式的に表した模式図である。 図７のエッジ画像データから抽出された中央線分および観測値を模式的に表した模式図である。 地図データから得られた仮想道路白線、推定値および誤差共分散を模式的に表した模式図である。 拡張カルマンフィルタの導出について説明するための模式図である。

符号の説明

１…ナビゲーション装置、１０…センサ入力部、２０…地図管理部、３０…中央処理部、４０…映像表示部。１０１…ＣＣＤカメラ、１０２…ＧＰＳセンサ、１０３…ジャイロセンサ、１０４…車速センサ、２０１…記録媒体、２０２…ドライバ、３０１…測位処理モジュール、３０２…白線検知モジュール、３０３…画像処理モジュール。

Claims (4)

1. センサ出力データから得られた移動体の位置および方位角に基づいて移動体近傍のノード、道路リンク、補間点および道路リンクの道路属性についてのデータを地図データから抽出するステップと、
   前記地図データから抽出された道路リンクを、前記道路属性に基づいて直線段、円弧段およびこれらと繋がった緩和曲線段に分けたのち、複数の区間に分割し、分割した区間ごとに道路水平曲率を求めるステップと、
   実写画像データに対して所定の画像処理を行うことにより得られたエッジ画像データからエッジ線分を抽出したのち、抽出したエッジ線分を複数の区間に分割し、分割した区間ごとにエッジ水平曲率を求めるステップと、
   前記道路水平曲率と前記エッジ水平曲率とを対比して、前記エッジ画像データにおいて道路白線に対応するエッジ線分を探索する範囲を決定するステップと、
   前記探索範囲内において、所定の検索条件に基づいてエッジ線分を選択し、選択したエッジ線分に対応した座標を観測値として取得するステップと、
   前記道路水平曲率から得られる線分を前記エッジ画像データに投影したときに得られる仮想道路白線に対応した座標を推定値の初期値として取得すると共に、車線幅、道路白線からのオフセット幅、偏向角および俯角のそれぞれの標準誤差を用いて得られたものを誤差共分散の初期値として取得し、さらに前記推定値を用いてカルマンゲインを算出するステップと、
   前記観測値と前記カルマンゲインとに基づいて前記推定値を更新すると共に、前記カルマンゲインに基づいて前記誤差共分散を更新するステップと、
   更新した推定値を用いたカルマンゲインの更新と、前記観測値と更新したカルマンゲインとに基づいた前記推定値の更なる更新と、更新したカルマンゲインに基づいた前記誤差共分散の更なる更新とを複数回、繰り返し実行し、前記誤差共分散の収束の有無を判断基準として、最適な推定値を得るステップと
   を含むことを特徴とする道路白線検出方法。
2. 更新により得られた推定値から得られる線分と、前記道路水平曲率から得られる線分とを利用して、センサ出力データから得られた移動体の位置および方位角を修正する
   ことを特徴とする請求項１に記載の道路白線検出方法。
3. センサ出力データから得られた移動体の位置および方位角に基づいて移動体近傍のノード、道路リンク、補間点および道路リンクの道路属性についてのデータを地図データから抽出するステップと、
   前記地図データから抽出された道路リンクを、前記道路属性に基づいて直線段、円弧段およびこれらと繋がった緩和曲線段に分けたのち、複数の区間に分割し、分割した区間ごとに道路水平曲率を求めるステップと、
   実写画像データに対して所定の画像処理を行うことにより得られたエッジ画像データからエッジ線分を抽出したのち、抽出したエッジ線分を複数の区間に分割し、分割した区間ごとにエッジ水平曲率を求めるステップと、
   前記道路水平曲率と前記エッジ水平曲率とを対比して、前記エッジ画像データにおいて道路白線に対応するエッジ線分を探索する範囲を決定するステップと、
   前記探索範囲内において、所定の検索条件に基づいてエッジ線分を選択し、選択したエッジ線分に対応した座標を観測値として取得するステップと、
   前記道路水平曲率から得られる線分を前記エッジ画像データに投影したときに得られる仮想道路白線に対応した座標を推定値の初期値として取得すると共に、車線幅、道路白線からのオフセット幅、偏向角および俯角のそれぞれの標準誤差を用いて得られたものを誤差共分散の初期値として取得し、さらに前記推定値を用いてカルマンゲインを算出するステップと、
   前記観測値と前記カルマンゲインとに基づいて前記推定値を更新すると共に、前記カル
   マンゲインに基づいて前記誤差共分散を更新するステップと、
   更新した推定値を用いたカルマンゲインの更新と、前記観測値と更新したカルマンゲインとに基づいた前記推定値の更なる更新と、更新したカルマンゲインに基づいた前記誤差共分散の更なる更新とを複数回、繰り返し実行し、前記誤差共分散の収束の有無を判断基準として、最適な推定値を得るステップと
   をコンピュータに実行させることを特徴とする道路白線検出プログラム。
4. センサ出力データから得られた移動体の位置および方位角に基づいて移動体近傍のノード、道路リンク、補間点および道路リンクの道路属性についてのデータを地図データから抽出する抽出手段と、
   前記地図データから抽出された道路リンクを、前記道路属性に基づいて直線段、円弧段およびこれらと繋がった緩和曲線段に分けたのち、複数の区間に分割し、分割した区間ごとに道路水平曲率を求める道路水平曲率導出手段と、
   実写画像データに対して所定の画像処理を行うことにより得られたエッジ画像データからエッジ線分を抽出したのち、抽出したエッジ線分を複数の区間に分割し、分割した区間ごとにエッジ水平曲率を求めるエッジ水平曲率導出手段と、
   前記道路水平曲率と前記エッジ水平曲率とを対比して、前記エッジ画像データにおいて道路白線に対応するエッジ線分を探索する範囲を決定する探索範囲決定手段と、
   前記探索範囲内において、所定の検索条件に基づいてエッジ線分を選択し、選択したエッジ線分に対応した座標を観測値として取得する観測値取得手段と、
   前記道路水平曲率から得られる線分を前記エッジ画像データに投影したときに得られる仮想道路白線に対応した座標を推定値の初期値として取得すると共に、車線幅、道路白線からのオフセット幅、偏向角および俯角のそれぞれの標準誤差を用いて得られたものを誤差共分散の初期値として取得し、さらに前記推定値の初期値を用いてカルマンゲインの初期値を算出する初期値取得手段と、
   前記観測値と前記カルマンゲインとに基づいて前記推定値を更新すると共に、前記カルマンゲインに基づいて前記誤差共分散を更新する更新手段と、
   更新した推定値を用いたカルマンゲインの更新と、前記観測値と更新したカルマンゲインとに基づいた前記推定値の更なる更新と、更新したカルマンゲインに基づいた前記誤差共分散の更なる更新とを複数回、繰り返し実行し、前記誤差共分散の収束の有無を判断基準として、最適な推定値を得る推定値取得手段と
   を備えたことを特徴とする道路白線検出装置。

Images