JP6785620B2 - ステレオカメラセンサを用いた車両用の予測的サスペンション制御 - Google Patents

Description

本発明は、車両用の予測的運転支援システムの分野に属する。特に、二輪車、スクータ、又はモータサイクルなどの車両用であってステレオカメラセンサを用いる予測的サスペンション制御システム、並びに対応する方法及びコンピュータプログラムを提案する。

車両のサスペンションを種々の及び変化する道路状態に適応させることは、自動車開発における発展途上の領域である。二軌道車両（two-track vehicles）の分野では、路面状態に応じてホイールサスペンションのパラメータを適応させることにより運転快適性を向上させることが知られている。これらのシステムは、車輪の振動、車両の加減速動作などのイベントに基づいてサスペンションの技術的特性を適応させる。

より最近の世代では、車両前方の路面状態を予測し、前もって（すなわち、車両のサスペンション特性を望ましいものに適応させるべき路面状態の変化に車輪が実際に遭遇する前に）サスペンション・パラメータを適応させることにより、車両サスペンションを適応させることが検討されている。マジックボディ制御システム（Magic Body Control System）は、ステレオカメラを用いて車両前方の道路をスキャンし、当該車両前方の単一路面の不規則変化を検知し、これに応じて車輪のサスペンションの特性を前もって適応させる。しかしながら、そのような予測的サスペンション制御は、タイミング及び処理についてのチャレンジングな要求条件を処理することで二軌道車両用の或る一つのシステムによって提供されているのみである。すなわち、当該システムが効率よく動作するのは、予め定められた車両速度エンベロープの場合に限られる。

モータサイクルやスクータなどの単一軌道車両（single track vehicles）の分野では、能動的なボディ制御システムが導入されている。しかしながら、処理についての制限や、特に単一軌道車両においては動的な走行特性が二軌道車両に比べて強まることが、単一軌道車両の分野への予測的サスペンション制御システムの導入を阻んでいる。

したがって、拡張された動特性を持つ車両に用いる予測的サスペンション制御システムに関する、空間及び処理能力に関する過酷な制限の下での上記技術的課題を解決する必要がある。

独立請求項１に従う車両のサスペンションを適応させるシステム、並びに対応する方法及びコンピュータプログラムが、この課題を解決する。

車両のサスペンションを適応させるシステムであって、当該システムは、画像データを生成するよう構成されたステレオセンサユニットと、将来の車両経路のデータ（将来車両経路データ）に基づいて前記画像データから関連する画像部分を抽出し、前記生成された画像データに基づいて前記車両の将来の車両経路（将来車両経路）についての道路不均一変化（road unevenness）を算出するよう構成された計算ユニットと、前記算出された道路不均一変化に基づいて前記サスペンションを適応させるための適応信号を生成するよう構成されたサスペンション制御ユニットと、を備える。車両のサスペンションを適応させる前記システムは、前記計算ユニットが、前記車両の傾斜角に基づいてステレオアルゴリズムの探索方向又は当該ステレオアルゴリズムの相関エリアを適応させて、前記関連する画像部分から３次元部分画像データを生成するよう構成されており、且つ、前記計算ユニットが、更に、道路モデルを前記３次元部分画像データに適合させて前記道路不均一変化を算出するよう構成されている、ことを特徴する。

前記車両のサスペンションを適応させる前記システムは、前記サスペンションを適応させるため、例えばモータサイクルである前記車両の前方の道路不均一変化をスキャンする。前記システムは、高車速まで、隆起やエッジなどの単一路面の不均一変化を検知する。前記サスペンションを適応させる前記システムにおける前記路面のスキャンニングは、短い応答時間と高い精度を有する。これは、前記画像データの前記スキャンニング領域の前記適応により計算時間を節約することにより達成される。推定された将来経路であることから前輪がそこを通過するであろうと考えられる画像領域内のエリアのみが、興味の対象であり、処理を必要とする。他の画像部分は無視される。モータサイクルの場合、これは、特に有利である。画像内において処理すべきは、二軌道車両の場合のような２つの軌道ではなく、一つの前輪のみの軌道であるためである。本システムの更に重要な利点は、より動的な動きを処理するように画像処理を適応させる点である。これも、自動車に比べてモータサイクルの場合に特に有利である。

車両サスペンションを予測的に適応させる本システムの有利な実施形態は、従属請求項の部分を構成する。

本システムの一の好ましい実施形態は、前記ステレオセンサユニットがステレオカメラであることを特徴とする。

本システムは、車両の走行方向の領域を写す画像データを生成するよう構成されたステレオセンサユニットを備えると有利である。

一の好ましい実施形態に従う本システムは、車両ダイナミック・データ及び車両ジオメトリ・データの少なくとも一つから、将来車両経路データを算出するよう構成された車両経路推定ユニットを備える。

本システムの一の有利な実施形態は、傾斜角と車速とに基づいて将来車両経路データを算出するよう構成された車両経路推定ユニットを備える。

一の実施形態に従う好ましい一のシステムは、ジャイロスコープからのデータに基づいて、及び又は以前に所定の時刻において特定された以前の傾斜角に基づいて、及び又はビジュアル・オドメトリ（visual odometry）に基づいて、前記傾斜角を特定するよう構成された傾斜角推定ユニットを備える。

一の実施形態に従う本システムは、前記ステレオアルゴリズムが、ブロックマッチング・アルゴリズム又はセミグローバルマッチング・アルゴリズムであることを特徴とする。

本システムの一の好ましい実施形態は、第１の画像と第２の画像とで構成される画像データを有し、前記計算ユニットは、以前の道路モデル推定に基づいて第１の画像の関連部分を第２の画像に対して変換することにより３次元部分画像データを生成するよう構成されている。

本システムの一の実施形態は、左画像である前記第１の画像及び右画像である前記第２の画像、又は右画像である前記第１の画像及び左画像である前記第２の画像を有する。

本システムは、前記ステレオアルゴリズムのフィルタサイズ、フィルタ形状、及びフィルタ向き（filter orientation）の少なくとも一つを、前記傾斜角に基づいて適応させるよう構成された、前記計算ユニットの一の実施形態を備える。

一の実施形態に従う本システムは、前記第１の画像と前記第２の画像とを回転させるよう構成された前記計算ユニットを有する。

一の好ましい実施形態の前記道路モデルは、平面モデル（planar model）である。

一の有利な実施形態の前記計算ユニットは、前記３次元部分画像データと前記道路モデルとに基づき、不均一道路部分を特定するよう構成されている。

本システムの一の好ましい実施形態は、前記３次元部分画像データと前記道路モデルとに基づき、３次元高さマップを算出するよう構成された前記計算ユニットを備える。

一の実施形態の前記計算ユニットは、３次元部分画像の各データポイントの、前記適合された道路モデルの対応するモデルデータポイントまでの距離に基づいて、前記道路不均一変化を算出するよう構成されている。

一の有利な実施形態に従う本システムは、車速に基づき、前記画像データを生成したときの、前記将来車両経路内で検出された不均一変化までの前記車両の距離に更に基づいて、前記適応信号を生成するよう構成された前記サスペンション制御ユニットを備える。

他の一の実施形態の前記サスペンション制御ユニットは、更に、前記車両についての前記将来車両経路内における、算出された前記道路不均一変化の影響を考慮して、前記適応信号を生成するよう構成されている。

前記計算ユニットは、前記道路不均一変化を３次元路面形状として算出するよう構成されるものとすることができ、前記サスペンション制御ユニットは、前記３次元路面形状に基づいて、前記適応信号を、時間経過に沿ったサスペンション適応プロファイルとして生成するよう構成されている。

一の実施形態に従う本システムは、二輪車両、特にモータサイクル又はスクータに取り付けられる。

本技術課題は、車両のサスペンションを適応させる方法により解決される。当該方法は、ステレオセンサユニットにより画像データを生成するステップと、計算ユニットにより、将来車両経路データに基づいて、前記画像データから関連画像部分を抽出するステップと、前記計算ユニットにより、ステレオアルゴリズムを用いて、３次元部分画像データを算出するステップと、前記車両の傾斜角に基づいて、前記ステレオアルゴリズムの探索方向又は前記ステレオアルゴリズムの相関エリアを適応させて、３次元画像データを生成するステップと、前記計算ユニットにより、道路モデルを前記３次元部分画像データに適合させて、前記３次元部分画像データに基づいて道路不均一変化を算出するステップと、サスペンション制御ユニットにより、前記算出した道路不均一変化に基づき、前記サスペンションを適応させるための適応信号を生成するステップと、を有する。

本技術課題は、コンピュータ上で又はデジタルシグナルプロセッサ上で実行されたときに車両のサスペンションを適応させる方法に従う前記ステップを実行するプログラムコード手段を備えた、コンピュータプログラムにより解決される。

添付図面に基づき、本発明の実施形態について説明する。
一実施形態に従う予測的サスペンション制御システムのシステム概観を示す図である。 車両の種々の車両傾斜角について予想される車輪軌跡を示した一のカメラ画像を示す図である。 単一軌道車両から得られる、傾斜角０°の場合のステレオカメラ画像を示す図である。 単一軌道車両から得られる、０°と異なる傾斜角の場合のステレオカメラ画像を示す図である。 単一軌道車両から得られる、０°と異なる傾斜角の場合のステレオカメラ画像に、ブロックベースのステレオアルゴリズムを適用するための、適応されたパッチを示した図である。 単一軌道車両から得られる、０°と異なる傾斜角の場合のステレオカメラ画像を、回転させた図である。 単一軌道車両から得られる、０°と異なる傾斜角の場合のステレオカメラ画像であって、右画像が変換された画像を示す図である。 検出された種々の路面不規則変化に対するサスペンション制御適応を示す図である。 検出された種々の路面不規則変化に対する他のサスペンション制御適応を示す図である。 一実施形態に従うステレオカメラセンサを用いた予測的サスペンション制御システムの、処理ステップを示すフロー図である。

これらの図において同じ符号は同じ構成要素を示しており、以下の記述においては、必ずしも全ての図について同じ符号部分を繰り返し説明しない。

図１には、一実施形態に従う予測的サスペンション制御システム１のシステム概観が示されている。車両５２のサスペンション６を適応させる予測的システム１は、画像データを生成するよう構成されたステレオセンサユニット２を備える。ステレオセンサユニット２は、左画像と右画像とを生成するよう構成されたステレオカメラであり得る。ステレオセンサユニット２は、車両５２（自車両）上の水平方向に異なる位置に設けられた２つのモノラルカメラ（mono camera）を有するものとすることができる。ステレオセンサユニット２は、車両５２の走行方向のエリアを写す画像データを生成する。

画像データは、当該画像データから関連画像部分を抽出するよう構成された計算ユニット４へ出力される。関連画像部分は、計算ユニット４が、将来車両経路データに基づいて決定する。

将来車両経路データは、車両経路推定ユニット３により出力される。当該ユニット３は、画像内に示されたエリアであって将来に向かって所定の時間内に車両５２、特にその車輪が、或る確率を持って通過するであろうエリアについての情報として、将来車両経路データを生成するよう構成されている。

計算ユニット４は、画像データから関連画像部分を抽出し、生成された画像データに基づいて、又はより詳細には画像データから抽出された当該関連画像部分に基づいて、車両５２の将来車両経路上の道路不均一変化を算出する。

道路不均一変化は、平坦道路モデルを３次元部分画像データに適合（fit）させて道路不均一変化を算出することにより算出される。例えば、平坦面を記述する道路モデルが用いられて、当該平坦道路モデルの平面と、算出した３次元道路データとの差異を示す差分値が特定される。特定された差分値が所定の閾値を超えて入れば、対応する道路位置において路面の不規則変化（路面不規則変化）（road surface irregularity）があるものと判断される。道路不均一変化は、将来車両経路についての道路不均一変化の形状であり得る。特に、道路不均一変化は、車両５２の車輪について予測された将来経路（軌道）についてのデータ集合であり得る。道路不均一変化には、例えば、予測された将来車輪軌道内で検出される、対応する隆起高さ、隆起形状、及び当該予測された将来車輪軌道内における局所位置を含む、検出されたそれぞれの路面不規則変化が含まれる。

計算ユニット４は、車両５２の傾斜角に基づき、ステレオアルゴリズムの探索方向又はステレオアルゴリズムの相関エリア（相関パッチ）を適応させて、関連画像部分から３次元部分画像データを生成する。ステレオアルゴリズムは、例えば、既知のブロックマッチング・アルゴリズム又はセミ・グローバルマッチング・アルゴリズムであり得る。

車両５２の傾斜角は、傾斜角推定ユニット７により与えられる。この傾斜角は、車両５２の高さ軸と、車両５２がその上を走行する路面の地平面上の水平軸と、の間の角度として定義される角度である。特に、単一軌道車両５２の場合には、傾斜角は、３０°又はそれ以上の範囲であり得る。

次に、道路不均一変化が、計算ユニット４からサスペンション制御ユニット５へ出力される。

サスペンション制御ユニット５は、算出された道路不均一変化に基づいて、サスペンション６を適応させるための適応信号を生成するよう構成されている。適応信号は、サスペンション制御ユニット５からサスペンション６へ出力される。図１に示す車両サスペンション６は、そのサスペンション特性が道路状態に適応されることとなるダンピングユニット、サスペンション・コイルなどの、組み合わされて車両のサスペンション６を構成する個々のアセンブリを総括して示したものである。一の実施形態の適応信号は、サスペンション６に関する適応可能な各パラメータについての、時間経過に沿ったそれぞれの適応プロファイルを含み得る。適応プロファイルは、当該適応プロファイルが生成された時刻から車両５２がステレオセンサユニット２の光学スキャンニング範囲の末端に到達するまでの所定の時間期間についての、サスペンション６又はそれぞれのサスペンション・エレメントの適切な適応強度を含む。

車両経路推定ユニット３は、車両ダイナミック・データ及び車両ジオメトリ・データ、並びに車両５２の傾斜角及び車速の少なくとも一つから、将来車両経路データを算出するものとすることができる。

傾斜角推定ユニット７は、ジャイロスコープ８からのデータに基づいて、及び又は以前に所定の時刻において特定された以前の傾斜角に基づいて、及び又はビジュアル・オドメトリ（visual odometry）に基づいて、前記傾斜角を特定するよう構成されている。

計算ユニット４は、ステレオ画像データを処理して３次元部分画像データを生成した後に、道路モデルに従う水平面（plane）を、ステレオ画像から生成した３次元部分画像データに適合（fit）させる。計算ユニット４は、上記水平面からの偏差を特定する。この偏差は、路面の構造的な表面不規則変化であると考えられる。例えばあり得ないほどに大きな傾斜角に相当するような、予想と一致しない水平面推定は、棄却されて、検出や、画像処理の次回工程ステップにおける画像変換には用いられない。この場合、画像処理は、図３に示すデフォルトモードで行われる。あるいは、車両５２に対する相対的な道路の向きは十分ゆっくり変化するものであって外れ値は稀にしか発生しないものと考えられるので、最後の工程ステップからの水平面推定を用いるものとしてもよい。

画像データにおける車輪軌道と車両５２の傾斜角とについての上述した２つの検討は、更なる課題に取り組むものでもある。高車速においては、検出遅れは非常に小さいものである必要がある。したがって、３次元部分画像データを生成するための画像処理に費やす時間は、できるだけ小さなものにする必要がある。主たる時間消費部分は、３次元データを抽出するための、左センサ画像と右センサ画像との間の相関計算である。最近では、最も効率的なステレオアルゴリズムは、ブロックマッチングベースの手法と、セミグローバル・マッチングである。特に、ブロックマッチングベースのアルゴリズムは、非常に高速な実行を可能とする。このような既に高速な処理は、関連するシーン部分を選択することにより更に向上される。ブロックマッチング・ステレオアルゴリズムの処理時間は、ピクセル数に対して直線的（リニア）であるので、ピクセルを無視すれば、その分だけランタイム（実行時間）が短縮される。

さらに、処理時間は、左センサ画像と右センサ画像との間の相関探索の探索範囲の大きさに対して直線的（リニア）である。したがって、道路推定についてのこの知見に基づき、画像処理の前回のタイムステップからの道路推定と車両５２の傾斜角とを用いてセンサ画像を変換することが非常に好ましい。歪曲変換（warping transformation）を行うと、左右のセンサ画像は互いに似通ったものとなり、その結果、実行されるステレオアルゴリズムの探索範囲が短くなると共に、処理時間も短縮される。このように関連画像部分の選択と画像変換とにより処理時間を大幅に短縮することで、高車速時に必要となる、表面不規則変化の検出における遅れ時間の低減が可能となる。

図２には、車両５２の種々の車両傾斜角について予測される車輪軌跡を示した２つの単一カメラ画像が示されている。計算ユニット４は、車両経路推定ユニット３により与えられる将来車両経路データに基づいて、センサ画像における関連部分を抽出する。

達成される効果は、画像における関連部分の処理のみ、すなわち、車輪が通過するであろうと予測された関連画像エリアの処理のみを行うことで、計算量が最小に制限されることである。関連する画像エリア（関連画像エリア）を選択するため、車両経路（自車両軌道）予測により、又は付加的なセンサの助けを借りて、カメラに対する相対的な道路のジオメトリ（幾何形状、幾何配置等）（geometry）を、大雑把にでも知ることが必要である。自動車とは異なり、特にモータサイクルの場合には、モータサイクルと街路との間の相対的な方向関係（relative orientation）は、傾斜するというモータサイクルの特性により劇的に変化し得る。そしてこれは、関連画像部分の大きな変化にもつながる。このことは、図２の上部画像を図２の下部画像と比較するとわかる。図２の上部部分は、左カメラと右カメラとを有するステレオセンサユニット２の左カメラで取得された左画像２０を示している。ステレオセンサユニット４は、モータサイクルのような単一軌道車両に設けられている。左画像２０は、傾斜角１０°で取得されている。左カメラ画像２０には、傾斜角１０°に対して予想された予想車輪軌道２１が示されている。図の下部部分は、左カメラと右カメラとを有するステレオセンサユニット２の左カメラで取得された左画像２２を示している。左画像２２は、傾斜角３０°で取得されている。すなわち、上部の左カメラ画像２０が取得されたときよりも傾斜角が大きい。左カメラ画像２２には、傾斜角３０°での予想車輪軌道２３が示されている。予想車輪軌道２１を予想車輪軌道２３と比較すると、単一軌道車両の場合には関連画像部分が特に大きく変化することがわかる。

車両推定ユニット３により将来車両経路を推定することに関し、ここで３つの可能性が提案される。

ステレオセンサユニット２による以前の３Ｄスキャンニングから、道路ジオメトリが既知である。本予測システムの処理サイクルの一のタイムステップから次のタイムステップまでの間では、道路はその向きを大きくは変化させないと考えることができる。

ステレオカメラによる以前の３Ｄスキャンニングから道路ジオメトリが既知であり、一のタイムステップから次のタイムステップまでの上記向きの変化は、付加的なセンサ、例えばジャイロスコープ８によって測定される。

ステレオセンサユニット２による前回の３Ｄスキャンニングから道路ジオメトリは既知であり、一のタイムステップから次のタイムステップまでの上記向きの変化は、計算ユニット４における画像処理により測定される。ビジュアル・オドメトリの処理アルゴリズムそれ自体は、ロボティクス分野から既知であり、ここに適用することができる。

取得した画像中の画像データ処理に用いるエリアは、一般に、ステレオセンサユニット２により道路が常に車両から同じ距離までスキャンされるように適合される。

原理的には、車両ダイナミクスの全体を考慮すべきであり、車両の車両ダイナミクスと車両ジオメトリとに基づいて前輪軌道を計算すべきである。しかしながら、最も関連のある運転状態では、車輪軌道が車両の運動方向と一致しているならば、単純近似で十分である。

図３及び図４では、路面再構築の際にセンサ画像回転を考慮する効果について説明する。

図３には、左センサ画像２４と右センサ画像２５とを含むステレオカメラ画像が示されている。左センサ画像２４及び右センサ画像２５は、単一軌道車両に取り付けれられたステレオセンサユニット２により、傾斜角０°の場合に取得されたものである。

ステレオセンサ２を用いたピクセルの３次元（３Ｄ）位置の測定は、例えば左画像２４と右画像２５との間の相関を用いるステレオアルゴリズムにより、視差を算出することで行われる。この視差は、ステレオセンサユニット２の部分を構成する個々のカメラが異なるカメラ視野を持つことに起因する、左センサ画像２４から右センサ画像２５までのピクセルの変位量に相当する。一つの画像ピクセルでは信頼性のある測定を行うには不十分であるので、通常は、近隣ピクセル（pixel neighbourhood）が用いられる。近隣ピクセルは、パッチ２６とも称される。問題は、測定が正確でありつつ、且つスムージングが発生しないように僅かな数のピクセルのみに依拠するように、このパッチ２６を定めることである。ここに示す基本アイデアは、既知の道路ジオメトリを利用することである。例えばモータサイクルである車両がまっすぐ立っている場合、道路の左外側部分から右側に向かうライン上の視差は、常に、同じ視差値を持つ。それらは、同じ距離にあるからである。すなわち、同じ視差のライン（エピポーラ線と混同しないこと）は、画像ライン（image line）と一致している。精度が良く且つロバストな測定を行うべく、ここで用いるパッチ２６は、扁平な矩形形状である。扁平なパッチ形状とは、パッチ高さが低く、当該高さがパッチ２６の水平方向長さに対してかなり小さいことを意味する。パッチ２６のこのパッチ形状により、図３に示すように、深さ方向には細かな数量化が可能となる一方、幅方向には広く同じ視差のラインを用いてロバストな測定を行うことができる。

図３には、直立位置でのモータサイクルからの画像２４、２５が示されている。左画像２４内の道路２８と右画像２５内の道路２９とは、ステレオセンサユニット２により、僅かに異なる視角から取得されている。矩形パッチ２６は、画像ライン２７と一致するように配されている。道路平面内にある画像ライン２７に沿うピクセル（複数）は、ステレオセンサユニット２から同じ距離にあるので、同じ視差を有している。

図４には、左画像３０と右画像３１を含むステレオ画像が示されている。光画像３０と右画像３１は、単一軌道車両に取り付けられたステレオセンサユニット２により、傾斜角０°と異なる或る傾斜角の場合に取得されたものである。

車両、特に単一軌道の車両が傾斜すると、同じ視差のラインは、もはや左画像３０及び右画像３１の水平線画像ライン３２及び３３とは一致しなくなる。図４は、傾斜位置でのモータサイクルからのステレオ画像３０、３１を示している。矩形パッチ２６は、もはや、左画像３０及び右画像３１の水平線画像ライン３２及び３３により示された同じ視差を持つピクセル（複数）の向きとは一致していない。

本予測的サスペンション制御システムの一の有利な実施形態によると、図４に示す影響が克服される。

図５には、傾斜位置にあるモータサイクルからのステレオ画像３４、３５が示されている。矩形パッチ２６は、モータサイクルの推定傾斜角に適応されている。すなわち、当該矩形は、ほぼ傾斜角だけ回転されている。図２に示すように、パッチ２６の向きに沿ったピクセル（複数）は、道路３７、３８に相当するものである場合には、同じ視差を持ち、したがって簡単にマッチさせることができる。

パッチ２６は、図５では矩形形状であり、車両前方の水平面のジオメトリについての知識を用いて回転されている。矩形パッチ２６のこの回転は、ステレオアルゴリズムを画像データに適用する際の相関測定の状態（condition）を大幅に改善する。この効果が得られるのは、パッチ２６の向きに沿うピクセル（複数）が、道路に対応するものであるならば同じ視差を持つためである。したがって、それらは視野内においては歪んでいない。図５におけるパターン探索処理は、エピポーラ線３６に沿って行われる。相関を見出すためには、やはりエピポーラ幾何を考慮しなければならない。そうでないと、相関関係を見出すことができず、左画像３４と右画像３５とにおけるピクセルをマッチングできなくなる。

回転したパッチ２６は、計算に際しては数値的に非効率である。本予測的サスペンション制御システムの一の好ましい実施形態によると、図６に示す効果は、パッチ２６を回転する代わりに、左画像及び右画像を回転することにより実現される。

図６には、モータサイクルに取り付けられたステレオセンサユニット２により傾斜位置で取得された左右のセンサ画像３９、４０が示されている。左センサ画像３９と右センサ画像４０とは、それらの中心周りに、水平面の角度だけ回転されている。次に、図６に示す左右のセンサ画像３９、４０内の回転されたエピポーラ線４３、４４（図示破線）に沿って、パッチ探索が実行される。

これにより、パッチ２６を回転することなく、パッチマッチングが効率的に計算され得る。不利な点は、パッチ２６の探索を、左センサ画像３９と右センサ画像４０に破線で示された回転したエピポーラ線４３、４４に沿って行わなければならないことである。回転した左右のセンサ画像３９、４０にステレオアルゴリズムを適用すれば、実施が容易となり、図５の回転したパッチ２６´を用いる場合に比べて処理も大幅に速くなる。

図７には、更に他の一の有利な実施形態にステレオアルゴリズムを適用することによる、３次元部分画像データの生成が示されている。左右画像３４、３５、３９、及び４０の処理に代えて又はこれに加えて、車両前方の水平面のジオメトリを用いて、一の画像を他の画像に対して変換し、画像内の道路エリアがほぼ一致するようにすることができる。

図７には、モータサイクルに取り付けられたステレオセンサユニット２により傾斜位置で取得された左右のセンサ画像４５、４６が示されている。右センサ画像４６が変換され、当該右センサ画像４６における道路部分４９のジオメトリが左センサ画像４５における道路部分４１のジオメトリとほぼ一致するものとなっている。

図７に示すような場合には、道路上の視差は全てほぼゼロとなるので、図中のパッチ２６は簡単にマッチさせることができる。右画像４６の変換は、視差測定の計算を行った後に元に戻される。視差測定計算を改善するために水平面変換を行うこの方法は、米国特許出願第２０１５／０２２８０７９Ａ１号“内挿及び変形の繰り返しにより深さマップを生成するシステム及び方法”に示されている。当該出願の内容は、図７に示すような視差測定計算の改善のための水平面変換の実施の詳細に関して、参照によりここに組み込まれる。

サスペンション制御ユニット５は、計算ユニット４により出力される不均一変化値（unevenness value）に基づいて、適応信号を生成する。

路面の不均一変化を表す３次元路面構造の推定に基づいて、それに応じたサスペンション６の適応制御が実行され得る。ステレオセンサユニット２は高密度の３Ｄ情報を取得し得るので、路面不規則変化の３Ｄ構造を分析して、この特定された３Ｄ路面構造に従ってサスペンション特性を適応させることができる。３Ｄ路面構造に応じた実行可能な適応として、２つの主要なものがある。一の実施形態によると、サスペンション６の適応強度が、検出された路面不規則変化の高さに応じて適応される。さらに、サスペンション６の適応強度は、路面不規則変化の３Ｄ形状に応じて、時間と共に変化する。適応強度が適応される場合には、３次元路面情報を含む算出された３次元部分画像データの、最適な平坦街路からの偏差から、不規則変化の３Ｄ高さが算出される。算出された路面構造の、例えば平坦街路の道路モデルからの偏差が僅かであれば、サスペンション６における適応は小さなものとなり、当該偏差がより大きいものである場合には、サスペンション６の適応はより大きなものとなる。この利点は、道路の３Ｄ構造を高精度に取得することのできないモノラルカメラではなく例えばステレオカメラを含むステレオセンサユニット２と、上述したような予測的サスペンション制御処理と、を用いることにより実現される。

図８及び図９は、本発明の一実施形態に従う予測的サスペンション制御の例を示している。

図８は、サスペンション６用の適応信号の強度が、どのようにして路面不規則変化についての算出された高さに依存して生成されるかを示している。図８の上部部分では、車両５２が、予測された車両経路内に第１の高さを持つ路面不規則変化５３を検出している。検出された路面不規則変化５３は、サスペンション制御ユニット５を起動して、図８の右上部分に示すサスペンション６のための適応信号を生成させる。図８の上部部分に示す適応信号は、第１の適応時間にわたって第１の適応強度を持つ。

図８の下部部分に示す適応信号は、第１の適応時間にわたって第２の適応強度を持つ。第１の適応強度は、第２の適応強度よりも小さい。図８の上部部分に示す場面の路面不規則変化５３は、車両５２からの距離が、図８の下部部分に示す路面不規則変化５４と同じであるので、図８の上部部分に示す適応信号は、これに応じて適応された適応強度を保持すべき時間期間が同じである適応信号となっている。図８上部部分及び図８下部部分における適応強度を適応すべき時間期間がこのように同じとなっているのは、同じ車速で走行する車両５２がそれぞれの路面不規則変化５３、５４を、３次元画像データ内において車両５２から同じ距離の位置に同時に検出したことが、図８上部部分及び下部部分に示されていることによる。

図８は、一般的に、路面不規則変化が小さいときは適応信号の適応強度が小さくなり、路面不規則変化が大きいときは適応信号の適応強度が大きくなることを示している。

図９は、本予測的サスペンションシステムの一の更なる実施形態において、３次元路面構造に依存するサスペンション６の適応のために、不規則変化５５、５６の３Ｄ形状が分析されることを示している。予測的サスペンション制御システムでは、予測された車両経路内において隆起形状がどのように展開しているか、に特に着目する必要がある。車両５２の車輪は、この隆起形状を越えて通り過ぎることとなるためである。サスペンション６が路面不規則変化５５、５６の各位置において最適な効果を生じさせるようなサスペンション特性を持つように、この算出された隆起形状と車両５２の車速とから、サスペンション制御ユニット５により生成される適応信号に含ませるべき、時間経過に沿った適応プロファイルが算出される。図９は、サスペンション６のための適応信号が時間経過に対してどのように構成されるかを直観的に示した図である。図９の上部部分及び下部部分に図示された状況とは異なり、実際の適応信号は、必ずしも路面不規則変化と正確に同じ信号形状を有するとは限らない。

図１０には、本発明の一実施形態に従う、ステレオセンサユニット２を用いた予測的サスペンション制御の方法の、主要な処理ステップを示すフロー図が示されている。サスペンション６を適応させる本方法は、ステレオセンサユニット２が画像データを生成するステップＳ１を有する。続くステップＳ２において、計算ユニット４は、将来車両経路データに基づき、画像データから関連画像部分を抽出する。将来車両経路データは、予測した自車両軌道を出力する任意の運転支援システムにより生成されたデータであり得る。ステップＳ３において、ステレオアルゴリズムの探索方向又は相関エリア（相関パッチ２６）が、車両５２の傾斜角に基づいて適応されるか、又は関連画像部分が、推定された道路モデルに従って変形される。続くステップＳ４において、計算ユニット４が、適応されたステレオアルゴリズムを用いて、３次元部分画像データを算出する。

ステップＳ５において、計算ユニット４は、３次元部分画像データに基づいて道路不均一変化を算出すべく、道路モデルを３次元部分画像データに適合させる（フィットさせる）。算出された道路不均一変化は、将来車両経路についての道路高さプロファイル（road elevation profile）であり得る。

ステップＳ５に続くステップＳ６において、サスペンション制御ユニット５は、算出された道路不均一変化を用いて、当該算出された道路不均一変化に基づいてサスペンション６の特性を適応させるための、対応する適応強度と時間経過に沿った適応プロファイルとを有する適切な適応信号を決定する。

上述した車両サスペンション６を制御するシステム及び方法は、予測的な態様でサスペンションを適応させるべく、モータサイクル前方の道路不均一変化をスキャンして、検出された路面不均一変化に対処するという特徴を有し、短い反応時間と高い適応精度とを提供する。

Claims (21)

1. 車両のサスペンション（６）を適応させるシステムであって、
   画像データを生成するよう構成されたステレオセンサユニット（２）と、
   将来車両経路データに基づいて前記画像データから関連画像部分を抽出し、生成された前記画像データに基づいて前記車両の将来車両経路上の道路不均一変化を算出するよう構成された計算ユニット（４）と、
   前記算出された道路不均一変化に基づいて前記サスペンション（６）を適応させるための適応信号を生成するよう構成されたサスペンション制御ユニット（５）と、
   を備え、
   前記計算ユニット（４）は、
   前記車両の傾斜角に基づいて、ステレオアルゴリズムの探索方向又は前記ステレオアルゴリズムの相関エリアを適応させて、前記関連画像部分から３次元部分画像データを生成し、及び、
   前記３次元部分画像データを道路モデルに適合させて前記道路不均一変化を算出する、
   よう構成されている、
   ことを特徴とするシステム。
2. 前記ステレオセンサユニット（２）はステレオカメラである、
   ことを特徴とする、請求項１に記載のシステム。
3. 前記ステレオセンサユニット（２）は、前記車両の走行方向のエリアを写した画像データを生成するよう構成されている、
   ことを特徴とする、請求項１又は２に記載のシステム。
4. 車両ダイナミック・データ及び車両ジオメトリ・データの少なくとも一つから将来車両経路データを算出するよう構成された車両経路推定ユニット（３）を備える、
   ことを特徴とする、請求項１ないし３のいずれか一項に記載のシステム。
5. 傾斜角及び車速に基づいて将来車両経路データを算出するよう構成された車両経路推定ユニット（３）を備える、
   ことを特徴とする、請求項１ないし３のいずれか一項に記載のシステム。
6. ジャイロスコープ（８）からのデータ、及び又は以前の所定の時刻に特定された以前の傾斜角、及び又はビジュアル・オドメトリに基づいて、傾斜角を特定するよう構成された傾斜角推定ユニット（７）を備える、
   ことを特徴とする、請求項５に記載のシステム。
7. 前記ステレオアルゴリズムは、ブロックマッチング・アルゴリズム又はセミ・グローバルマッチング・アルゴリズムである、
   ことを特徴とする、請求項１ないし６のいずれか一項に記載のシステム。
8. 前記画像データは、第１画像と第２画像とを含み、
   前記計算ユニット（４）は、以前の道路モデル推定に基づき、前記第１画像の関連部分を前記第２画像に対して変換することにより、３次元部分画像データを生成するよう構成されている、
   ことを特徴とする、請求項１ないし７のいずれか一項に記載のシステム。
9. 前記第１画像は左画像であって、前記第２画像は右画像であるか、又は、
   前記第１画像は右画像であって、前記第２画像は左画像である、
   ことを特徴とする、請求項８に記載のシステム。
10. 前記計算ユニットは、前記傾斜角に基づいて、前記ステレオアルゴリズムのフィルタサイズ、フィルタ形状、及びフィルタ方向の少なくとも一つを適応させるよう構成されている、
    ことを特徴とする、請求項７に記載のシステム。
11. 前記計算ユニット（４）は、前記第１画像と前記第２画像とを回転させるよう構成されている、
    ことを特徴とする、請求項８ないし１０のいずれか一項に記載のシステム。
12. 前記道路モデルは平面モデルである、
    ことを特徴とする、請求項１ないし１１のいずれか一項に記載のシステム。
13. 前記計算ユニット（４）は、前記３次元部分画像データと前記道路モデルとに基づいて、不均一道路部分を特定するよう構成されている、
    ことを特徴とする、請求項１ないし１２のいずれか一項に記載のシステム。
14. 前記計算ユニット（４）は、前記３次元部分画像データと前記道路モデルとに基づき、３次元高さマップを算出するよう構成されている、
    ことを特徴とする、請求項１ないし１３のいずれか一項に記載のシステム。
15. 前記計算ユニット（４）は、前記３次元部分画像データの各データポイントの、前記適合された道路モデルの対応するモデルデータポイントまでの距離に基づいて、前記道路不均一変化を算出するよう構成されている、
    ことを特徴とする、請求項１ないし１４のいずれか一項に記載のシステム。
16. 前記サスペンション制御ユニット（５）は、前記画像データを生成したときの前記車両の、前記将来車両経路内で検出された不均一変化までの距離に更に基づき、車速に基づいて前記適応信号を生成するよう構成されている、
    ことを特徴とする、請求項１ないし１５のいずれか一項に記載のシステム。
17. 前記サスペンション制御ユニット（５）は、前記車両に関する前記将来車両経路における、算出された道路不均一変化の影響を更に考慮して、前記適応信号を生成するよう構成されている、
    ことを特徴とする、請求項１ないし１６のいずれか一項に記載のシステム。
18. 前記計算ユニット（４）は、前記道路不均一変化を３次元路面形状として算出するよう構成されており、
    前記サスペンション制御ユニット（５）は、前記３次元路面形状に基づき、前記適応信号を、時間経過に沿ったサスペンション適応プロファイルとして生成するよう構成されている、
    ことを特徴とする、請求項１ないし１７のいずれか一項に記載のシステム。
19. 前記車両は、二輪車両、特に、モータサイクル又はスクータである、
    ことを特徴とする、請求項１ないし１８のいずれか一項に記載のシステム。
20. 車両のサスペンション（６）を適応させる方法であって、
    ステレオセンサユニット（２）により画像データを生成するステップ（Ｓ１）と、
    計算ユニット（４）により、将来車両経路データに基づき、前記画像データから関連画像部分を抽出するステップ（Ｓ２）と、
    前記計算ユニット（４）により、前記車両の傾斜角に基づき、前記ステレオアルゴリズムの探索方向又は前記ステレオアルゴリズムの相関エリアを適応させて前記関連画像部分から３次元部分画像データを生成し、生成された前記３次元部分画像データを道路モデルに適合させて前記車両の将来車両経路上の道路不均一変化を算出するステップ（Ｓ３，Ｓ４，Ｓ５）と、
    サスペンション制御ユニット（５）により、前記算出された道路不均一変化に基づいて、サスペンション（６）を適応させるための適応信号を生成するステップ（Ｓ６）と、
    を有する方法。
21. コンピュータ又はデジタルシグナルプロセッサ上で実行されたときに、請求項２０に従う前記ステップを実行するプログラムコード手段を備えたコンピュータプログラム。

Images