JP6976823B2 - 駐車支援装置 - Google Patents

Description

本発明は、車両の駐車支援装置に関するものである。

従来、駐車支援装置は、自車両の現在位置から目標駐車位置までの最適経路を算出し、算出された最適経路に従って車両を目標駐車位置に移動させることが知られている（例えば、特許文献１参照）。

特開２０１７−０５２４７０号公報

しかしながら、特許文献１に記載の駐車支援装置は、例えば特定のガレージ等に車両を駐車する場合、毎回同じ経路を車両が移動することになり、駐車場の床面の汚損を招く、という問題がある。

そこで、本発明は、駐車場の床面の汚損を抑制する駐車支援装置を提供することを目的とする。

前記目的を達成するために、本発明の駐車支援装置は、車両周辺を撮像した撮像画像から、駐車場内の床面の汚損影響度を算出する床面汚損影響度算出部と、前記床面汚損影響度算出部の算出結果に基づいて、前記車両を前記駐車場に駐車させる駐車経路を生成する駐車経路生成部と、を備えることを特徴とする。

このように構成された本発明の駐車支援装置は、駐車経路生成部が、駐車場の汚損影響度の高い領域を避けて、駐車経路を生成するので、駐車場の床面の汚損を抑制することができる。

実施例１の駐車支援装置のシステム構成を示すブロック図である。 実施例１の自動運転制御部の構成を示すブロック図である。 実施例１の床面汚損影響度算出部の構成を示すブロック図である。 実施例１の駐車支援のメイン制御処理を説明するフローチャートである。 実施例１の駐車経路算出処理を説明するフローチャートである。 実施例１の汚損影響度算出処理を説明するフローチャートである。 実施例１の床面色判定を説明する説明図である。 実施例１の床面色判定を説明する説明図である。 実施例１の床面材質判定を説明する説明図である。 実施例１の汚損を抑制する駐車経路を説明する説明図である。 実施例１のばらつきを持たせた駐車経路を説明する説明図である。 実施例１のトルク制御量算出処理を説明する説明図である。 実施例１のトルク制御量算出処理を説明する説明図である。 実施例１のトルク制御量算出処理を説明するフローチャートである。

以下、本開示による駐車支援装置を実現する実施形態を、図面に示す実施例１に基づいて説明する。

まず、構成を説明する。
実施例１における駐車支援装置は、一般的な黒色のゴムタイヤを装備する車両に搭載され、自車両の現在位置から目標駐車位置まで車両を移動させる駐車支援を行うものに適用した例を説明する。

［駐車支援装置のシステム構成］
図１は、実施例１の駐車支援装置のシステム構成を示すブロック図である。以下、図１に基づいて、実施例１の駐車支援装置のシステム構成を説明する。

駐車支援装置１は、図１に示すように、ユーザ入力装置１１と、照度センサ１２と、画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄと、位置情報取得装置１４と、超音波ソナー１５と、レーダー１６と、記憶部１７と、自動運転制御部２０と、表示部４１と、車両挙動制御部４２と、を備える。

ユーザ入力装置１１は、例えばタッチパネルなどのデバイスであり、ユーザからの指示を受け付ける。ユーザ入力装置１１には、ユーザが、目標駐車位置や、駐車経路から除外する領域等が入力可能となっている。

照度センサ１２は、自車両の周囲の明るさを検知する。

画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄは、車両の前後左右に備えられている。画像センサ１３ａは、車両のフロントグリルに、車両の前方に向けて装着されている。画像センサ１３ｂは、車両のリアガーニッシュに、車両の後方に向けて装着されている。画像センサ１３ｃは、車両の左ドアミラーに、車両の左側方に向けて装着されている。画像センサ１３ｄは、車両の右ドアミラーに、車両の右側方に向けて装着されている。

４台の画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄで、車両の周囲の路面を含む領域を漏れなく観測することができるようになっている。画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄは、公知のタイマに接続されており、このタイマは、画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄの露光時間を計測して自動運転制御部２０に与える。

位置情報取得装置１４は、例えばＧＰＳ（Global Positioning System）によって、車両の現在の位置情報を取得する。

超音波ソナー１５は、車両の周囲に存在する他車両、歩行者、建物等の障害物までの距離を検出する。

レーダー１６は、車両の周囲に存在する他車両、歩行者、建物等の障害物までの距離を検出する。レーダー１６は、超音波ソナー１５に対して遠方の測距性能に優れるため、自動駐車を行う際に必要となる車両の周囲の距離範囲に基づいて、使用するセンサ（レーダー１６，超音波ソナー１５）を適宜選択すればよい。

記憶部１７には、衛星写真データ１７ａと、地図データ１７ｂと、走行履歴蓄積部１７ｃと、ユーザ情報１７ｄ等が格納される。

表示部４１は、車載モニタであり、自動運転制御部２０の指示に従って、乗客に情報を提示する。

車両挙動制御部４２は、例えば、ブレーキ装置、モータ又はエンジン、ステアリング等を制御して、車両挙動に関する運転支援制御を行う制御部である。車両挙動制御部４２は、車両の挙動を制御することで、自動運転を実施する。

ユーザ入力装置１１の入力情報と、照度センサ１２の検知情報と、画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄの検知情報と、位置情報取得装置１４の取得情報（位置情報）と、超音波ソナー１５の検知情報と、レーダー１６の検知情報と、記憶部１７の記憶情報とは、自動運転制御部２０に入力される。自動運転制御部２０は、後述するメイン制御処理を実行し、処理の結果を表示部４１と車両挙動制御部４２に出力し、運転の支援のために用いられる。例えば、車両を駐車場に駐車させる場合に、車両の運転を支援する。

［自動運転制御部の構成］
図２は、実施例１の自動運転制御部の構成を示すブロック図である。以下、図２に基づいて、実施例１の自動運転制御部の構成を説明する。

自動運転制御部２０は、目標位置算出部２１と、走行可能領域判定部２２と、床面汚損影響度算出部３０と、駐車経路生成部２３と、車両制御量算出部２４と、を備える。

目標位置算出部２１は、ユーザ入力装置１１に入力された入力情報、又は、記憶部１７に予めユーザが記録したユーザ情報に基づいて、指示された目標駐車位置を算出する。

走行可能領域判定部２２は、超音波ソナー１５の検知情報やレーダー１６の検知情報等に基づいて、自車両の周囲に存在する他車両、歩行者、建物等の障害物を回避して、走行可能な領域を判定する。

床面汚損影響度算出部３０は、後述する床面汚損影響度算出処理を実行する。この床面汚損影響度算出処理では、画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄにより検知された車両の周囲の撮像画像から、駐車場内の床面の汚損影響度を算出する。

駐車経路生成部２３は、後述する駐車経路算出処理を実行する。この駐車経路算出処理では、床面汚損影響度算出部３０の算出結果に基づいて、駐車経路を算出（生成）する。

車両制御量算出部２４は、駐車経路生成部の算出結果に基づいて、後述するトルク制御量算出処理を実行し、車両の車輪のトルクを算出する。車両制御量算出部２４は、駐車経路算出処理の処理結果と、トルク制御量算出処理の処理結果と、に基づいて、車両挙動制御部４２により制御される制御情報を算出し、この制御情報を車両挙動制御部４２に出力する。また、車両制御量算出部２４は、駐車経路算出処理の処理結果と、トルク制御量算出処理の処理結果と、に基づいて、表示部４１により表示される表示情報を算出し、この表示情報を表示部４１へ出力する。また、車両制御量算出部２４は、車両挙動制御部４２からの情報を取得し、表示部４１により表示される表示情報を表示部４１へ出力する。

［床面汚損影響度算出部の構成］
図３は、実施例１の床面汚損影響度算出部の構成を示すブロック図である。以下、図３に基づいて、実施例１の床面汚損影響度算出部の構成を説明する。

床面汚損影響度算出部３０は、床面色判定部３１と、床面材質判定部３２と、ユーザ指定位置判定部３３と、過去走行データ比較部３４と、床面汚損影響度判定部３５と、を備える。

床面色判定部３１は、自車両の周辺の床面の色の濃淡を判定する。床面の色が淡い（明るい）場合、タイヤ痕による床面の汚損が目立ちやすい。一方、床面の色が濃い（暗い）場合、タイヤ痕による床面の汚損が目立ちにくい。例えば、床面がアスファルト等の黒色等の濃色である場合、タイヤ痕による床面の汚損が目立ちにくい。コンクリートやタイルのような淡色である場合、タイヤ痕による床面の汚損が目立ちやすい。なお、床面色判定部３１による床面色判定については、後述する。

床面材質判定部３２は、摩擦係数が小さい床面であるか否かを判定する。床面の摩擦係数が小さい場合は、床面にタイヤ痕が付きにくい。一方、床面の摩擦係数が大きい場合は、床面にタイヤ痕が付きやすい。例えば、床面の材質がつるつるした面である場合、床面の色が淡い場合であっても、タイヤ痕による床面の汚損が目立ちにくい。なお、床面材質判定部３２による床面材質判定については、後述する。

ユーザ指定位置判定部３３は、ユーザ入力装置１１に入力された入力情報、又は、記憶部１７に予めユーザが記録したユーザ情報に基づいて、床面がタイヤ痕により汚損しやすい領域を判定する。ユーザ情報としては、駐車経路から除外する領域等が考えられる。

過去走行データ比較部３４は、記憶部１７に記憶されたユーザが自ら運転した走行履歴蓄積部１７ｃの蓄積データに基づいて、駐車経路を生成する。ユーザは、一般的に、タイヤ痕による床面の汚損が目立ちやすい領域を避けて、車両を目標駐車位置へ移動させる工夫をする。

床面汚損影響度判定部３５は、床面色判定部３１の判定情報と、床面材質判定部３２の判定情報と、ユーザ指定位置判定部３３の判定情報と、過去走行データ比較部３４の比較情報と、に基づいて、床面のタイヤ痕による汚損の影響のある領域を判定する。

次に、作用を説明する。
［メイン制御処理］
図４は、実施例１の駐車支援のメイン制御処理を説明するフローチャートである。以下、図４に基づいて、実施例１の駐車支援のメイン制御処理を説明する。

ステップＳ１では、自動運転制御部２０の目標位置算出部２１が、目標駐車位置を算出（指定）する。

ステップＳ２では、自動運転制御部２０の走行可能領域判定部２２が、障害物を認識して、走行可能な領域を判定する。

ステップＳ３では、自動運転制御部２０が、後述する駐車経路算出処理を実行する。この駐車経路算出処理では、床面の状況に基づいて、駐車経路を算出する。

ステップＳ４では、自動運転制御部２０の車両制御量算出部２４が、算出された車両挙動制御部４２に対する制御情報を、車両挙動制御部４２に出力する。これにより、車両が目標駐車位置に自動運転により移動される。また、車両制御量算出部２４は、後述するトルク制御量算出処理を実行する。

ステップＳ５では、自動運転制御部２０が、車両制御量算出部２４より取得した情報に基づいて、表示部４１に自動運転が完了した情報を出力する。これにより、表示部４１に自動運転が完了した旨の表示がされる。以上のステップにより、メイン制御処理を終了する。

［駐車経路算出処理］
図５は、実施例１の駐車経路算出処理を説明するフローチャートである。以下、図５に基づいて、実施例１の駐車経路算出処理を説明する。

メイン制御フローのステップＳ３の駐車経路算出処理を開始すると、まず、床面汚損影響度算出部３０が、汚損影響度算出処理を実行する（ステップＳ１１）。この汚損影響度算出処理では、床面色判定部３１による床面色判定と、床面材質判定部３２による床面材質判定と、によって自車両の周辺の床面の汚損影響度を算出する。なお、汚損影響度算出処理については、後述する。

次いで、駐車経路生成部２３が、自車両の周辺に汚損影響度が高い床面が存在するか否かを判定する（ステップＳ１２）。自車両の周辺に汚損影響度が高い床面が存在すると判定した場合（ステップＳ１２でＹＥＳ）、ステップＳ１４に進む。一方、自車両の周辺に汚損影響度が高い床面が存在しないと判定した場合（ステップＳ１２でＮＯ）、駐車経路生成部２３は、最短の駐車経路を算出（生成）し（ステップＳ１３）、駐車経路算出処理を終了する。

ステップＳ１４において、駐車経路生成部２３が、汚損影響度が高い床面への汚損を抑制できる駐車経路が生成できるか否かを判定する。汚損影響度が高い床面への汚損を抑制できる駐車経路が生成できると判定した場合（ステップＳ１４でＹＥＳ）、駐車経路生成部２３が、自車両の周辺の床面の汚損を抑制する駐車経路を生成し（ステップＳ１５）、駐車経路算出処理を終了する。なお、汚損を抑制する駐車経路については、後述する。

一方、汚損影響度が高い床面への汚損を抑制できる駐車経路が生成できないと判定した場合（ステップＳ１４でＮＯ）、駐車経路生成部２３が、ばらつきを持たせた駐車経路に生成し（ステップＳ１６）、駐車経路算出処理を終了する。ばらつきを持たせた駐車経路とは、床面の汚損の影響を分散させる経路であって、複数の異なる駐車経路を算出し、毎回同じ駐車経路を通ることを避けるようにする経路である。なお、ばらつきを持たせた駐車経路については、後述する。

［汚損影響度算出処理］
図６は、実施例１の汚損影響度算出処理を説明するフローチャートである。以下、図６に基づいて、実施例１の汚損影響度算出処理を説明する。

駐車経路算出処理のステップＳ１１の汚損影響度算出処理を開始すると、床面色判定部３１が、自車両の周辺の床面色を判定する（ステップＳ２１）。なお、床面色判定部３１による床面色判定については、後述する。

次いで、床面色判定部３１が、自車両の周辺に淡い色の領域が存在するか否かを判定する（ステップＳ２２）。自車両の周辺に淡い色の領域が存在すると判定した場合（ステップＳ２２でＹＥＳ）、ステップＳ２４に進む。

一方、自車両の周辺に淡い色の領域が存在しないと判定した場合（ステップＳ２２でＮＯ）、自車両の周辺の床面を汚損影響度の低い床面と判定し（ステップＳ２３）、汚損影響度算出処理を終了する。

ステップＳ２４において、床面材質判定部３２は、自車両の周辺の床面の材質を判定し、ステップＳ２５に進む。なお、床面材質判定部３２による床面材質判定については、後述する。

ステップＳ２５において、床面材質判定部３２は、自車両の周辺に摩擦係数の小さい床面が存在するか否かを判定する。自車両の周辺に摩擦係数の小さい床面が存在すると判定した場合（ステップＳ２５でＹＥＳ）、自車両の周辺の床面を汚損影響度の低い床面と判定し（ステップＳ２６）、汚損影響度算出処理を終了する。

一方、自車両の周辺に摩擦係数の小さい床面が存在しないと判定した場合（ステップＳ２５でＮＯ）、自車両の周辺の床面を汚損影響度の高い床面と判定し（ステップＳ２７）、汚損影響度算出処理を終了する。

なお、汚損影響度算出処理では、さらにユーザ指定位置判定部３３の判定情報と、過去走行データ比較部３４の比較情報とを使用して、自車両の周辺の床面の汚損影響度を判定しても良い。

［床面色判定］
図７は、実施例１の床面色判定を説明する説明図である。図８は、実施例１の床面色判定を説明する説明図である。以下、図７及び図８に基づいて、実施例１の床面色判定について説明する。

床面色判定部３１による床面色判定は、床面の反射率に基づいて行う。床面の反射率は、画像上の輝度値と、露光時間と、照度と、から算出する。

まず、床面色判定部３１は、図７に示すように、画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄから画像Ｐ１を取得する。次に、床面色判定部３１は、図８に示すように、画像Ｐ１を平面図相当の俯瞰画像Ｐ２に視点変換し、自車両とその周辺の位置関係を把握しやすくする。なお、俯瞰画像Ｐ２への視点変換は、公知の一般的な技術によって行う。

次に、床面色判定部３１は、俯瞰画像Ｐ２の全域に対して、輝度値の算出を行う。輝度値は、俯瞰画像Ｐ２の画素値（０〜２５５）と、露光時間と、に基づいて算出される。例えば、ＲＧＢ空間の画素値Ｒｉ，Ｇｉ，Ｂｉが出力され、撮像時の露光時間がＴ＿ｅｘｐの場合、輝度ｌは、以下の計算式で表される。

Ｒｉ，Ｇｉ，Ｂｉは、ＲＧＢ空間の出力値を示す。
Ｔ＿ｅｘｐは、画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄによる撮像時の露光時間を示す。
Ｋは、ハードウェア特性による減衰率を表す定数であり、使用する光センサとレンズの特性により算出される。
画素値Ｒｉ，Ｇｉ，Ｂｉに掛けられる数（実施例１では、０．３，０．５，０．２）は、人間の目の感度に応じた値とする。
これにより、日照条件によらず輝度値を算出することができる。

また、輝度ｌは、以下の計算式で表せる。

Ｅは、照度を示す。
ρは、反射率を示す。

数式１と数式２より、反射率ρは、以下の計算式で表せる。

この反射率ρと所定の閾値Ｔとを比較し、以下の表に示すように、床面が汚損しやすいか否かを判定する。

反射率ρが閾値Ｔより大きい場合、床面が汚損しやすいと判定する。
反射率ρが閾値Ｔより小さい場合、床面が汚損しにくいと判定する。
すなわち、床面色判定部３１は、自車両の周辺の床面に淡い色の領域が存在するか否かを判定する。

［床面材質判定］
図９は、実施例１の床面材質判定を説明する説明図である。以下、図９に基づいて、実施例１の床面材質判定について説明する。

床面材質判定部３２による床面材質判定は、図９に示すように、画像センサ１３ａ，１３ｂ，１３ｃ，１３ｄから取得した画像Ｐ３上の鏡面反射に基づいて行われる。

例えば、防水加工等で摩擦係数が小さい床面Ｆは、床面Ｆの表面に微細な凹凸が少なく、鏡面状になっている。画像上に出現している街灯の光源Ａ１からの光は、床面Ｆで鏡面反射され、鏡面反射領域Ａ２を形成する。画像上に出現している他車両のヘッドライトの光源Ｂ１，Ｃ１からの光は、床面Ｆで鏡面反射され、鏡面反射領域Ｂ２，Ｃ２を形成する。

鏡面反射領域Ａ２，Ｂ２，Ｃ２は、画像上の床面Ｆの境界Ｄを基準線として、光源Ａ１，Ｂ１，Ｃ１と線対称の位置に形成される傾向がある。また、鏡面反射領域Ａ２，Ｂ２，Ｃ２は、光源Ａ１，Ｂ１，Ｃ１の略垂直座標上に、光源Ａ１，Ｂ１，Ｃ１の大きさと略同じ大きさで形成される。これは、床面が水平な状態程、顕著となる。

例えば、床面材質判定部３２は、一対の光源Ａ１，Ｂ１，Ｃ１と鏡面反射領域Ａ２，Ｂ２，Ｃ２が複数出現している場合、床面Ｆが鏡面反射状態であると判定し、床面Ｆの材質は摩擦係数が小さいと判定する。すなわち、床面材質判定部３２は、床面の鏡面反射光に基づいて、自車両周辺の床面に摩擦係数が小さい床面が存在するか否かを判定する。

［汚損を抑制する駐車経路］
図１０は、実施例１の汚損を抑制する駐車経路を説明する説明図である。以下、図１０に基づいて、実施例１の汚損を抑制する駐車経路を説明する。

図１０に示すように、車両Ｖが目標駐車位置Ｕに駐車する場合、最短の駐車経路Ｌ１は、汚損影響度が高い領域Ｎで孤を描いている。すなわち、最短の駐車経路Ｌ１は、汚損影響度が高い領域Ｎで、車両Ｖの進行方向を変更する操作をしている。

一方、汚損を抑制する駐車経路Ｌ２では、車両Ｖが、汚損影響度が高い領域Ｎの手前まで後退し、そこからハンドルを切りながら少し前進し、その後、目標駐車位置Ｕに向けてまっすぐに後退する。すなわち、汚損影響度が低い領域Ｍで、車両Ｖの進行方向を変更する操作をし、汚損影響度が高い領域Ｎでは、車両Ｖの進行方向を変更する操作をしていない。そのため、汚損を抑制する駐車経路Ｌ２においては、車両Ｖは、汚損影響度が高い領域Ｎを直進する。

［ばらつきを持たせた駐車経路］
図１１は、実施例１のばらつきを持たせた駐車経路を説明する説明図である。以下、図１１に基づいて、実施例１のばらつきを持たせた駐車経路を説明する。

汚損影響度が高い床面への汚損を抑制できる駐車経路が生成できない場合に、ばらつきを持たせた駐車経路が選択される。図１１に示すように、ばらつきを持たせた駐車経路は、複数の異なる駐車経路（実施例１では、駐車経路Ｌ３，Ｌ４，Ｌ５）から構成される。駐車経路Ｌ３，Ｌ４，Ｌ５は、汚損影響度が高い領域Ｎに形成される。

車両Ｖが目標駐車位置Ｕに駐車する場合、駐車経路Ｌ３，Ｌ４，Ｌ５の何れか一つの駐車経路を移動させる。そして、駐車するたびに、車両Ｖが移動する駐車経路を異ならせるようにする。

例えば、初回に車両Ｖを目標駐車位置Ｕに駐車する際に、駐車経路Ｌ３を移動させる。２回目に車両Ｖを目標駐車位置Ｕに駐車する際に、駐車経路Ｌ４を移動させる。３回目に車両Ｖを目標駐車位置Ｕに駐車する際に、駐車経路Ｌ５を移動させる。

［トルク制御量算出処理］
図１２は、実施例１のトルク制御量算出処理を説明する説明図である。図１３は、実施例１のトルク制御量算出処理を説明する説明図である。図１４は、実施例１のトルク制御量算出処理を説明するフローチャートである。以下、図１２〜図１４に基づいて、実施例１のトルク制御量算出処理を説明する。

実施例１では、車両が後ろ向き駐車をする例を説明する。

メイン制御処理のステップＳ４のトルク制御量算出処理では、図１２に示すように、汚損影響度が低い領域Ｍに車両Ｖが位置する場合に、車両制御量算出部２４が、前右輪（右側の前輪）、前左輪（左側の前輪）、後右輪（右側の後輪）、後左輪（左側の後輪）のトルク強度を、図１３のＸ１に示すように、通常のトルク強度であるＴ（実施例１では、略０．３）とする。

汚損影響度が高い領域Ｎに車両Ｖの後輪が進入すると、図１３のＸ２に示すように、車両制御量算出部２４が、前右輪と前左輪のトルク強度を、図１４のＸ２に示すように、略０とし、後右輪と後左輪のトルク強度を、略２Ｔ（実施例１では、略０．６）。すなわち、車両制御量算出部２４は、車両Ｖの移動に必要なトルクを前輪のみに振り分け、後輪を空転状態とする。

汚損影響度が高い領域Ｎに車両Ｖの前輪が進入すると、図１３のＸ３に示すように、車両制御量算出部２４が、全車輪のトルク強度を、Ｔ（実施例１では、略０．３）に戻す。

次に、トルク制御量算出処理をフローチャートにしたがって説明する。図１４に示すように、メイン制御処理のステップＳ４のトルク制御量算出処理を開始すると、車両制御量算出部２４は、前輪のトルクをＴとし、後輪のトルクをＴとする（ステップＳ３１）。

次いで、車両制御量算出部２４は、汚損影響度が高い床面に後輪が進入したか否かを判定する（ステップＳ３２）。汚損影響度が高い床面に後輪が進入したと判定した場合（ステップＳ３２でＹＥＳ）、ステップＳ３３に進む。一方、汚損影響度が高い床面に後輪が進入していないと判定した場合（ステップＳ３２でＮＯ）、ステップＳ３２に戻る。

次いで、車両制御量算出部２４は、前輪のトルクを２Ｔとし、後輪のトルクを０とする（ステップＳ３３）。

次いで、車両制御量算出部２４は、汚損影響度が高い床面に前輪が進入したか否かを判定する（ステップＳ３４）。汚損影響度が高い床面に前輪が進入したと判定した場合（ステップＳ３４でＹＥＳ）、ステップＳ３５に進む。一方、汚損影響度が高い床面に前輪が進入していないと判定した場合（ステップＳ３４でＮＯ）、ステップＳ３４に戻る。

次いで、車両制御量算出部２４は、前輪のトルクをＴとし、後輪のトルクをＴとして（ステップＳ３５）、トルク制御量算出処理を終了する。

次に、効果を説明する。

実施例１の駐車支援装置１では、車両周辺を撮像した撮像画像から、駐車場内の床面の汚損影響度を算出する床面汚損影響度算出部３０と、床面汚損影響度算出部３０の算出結果に基づいて、車両を駐車場に駐車させる駐車経路を生成する駐車経路生成部２３と、を備える（図２）。

これにより、駐車経路生成部２３は、駐車場の汚損影響度の高い領域を避けて、駐車経路を生成することができる。そのため、生成された駐車経路に沿って車両を移動させることができ、駐車場の床面の汚損を抑制することができる。

実施例１の駐車支援装置１では、床面汚損影響度算出部３０が、汚損影響度を所定の閾値より高いと判定した場合に、駐車経路生成部２３は、前記駐車経路として、床面の汚損を抑制する経路を生成する（図５）。

これにより、駐車経路生成部２３は、汚損影響度が高い場合に、駐車場の汚損影響度の低い経路で、駐車経路を生成し、汚損影響度が高くない場合に、最短の駐車経路を生成することができる。そのため、駐車場の床面の汚損を効率的に抑制することができる。

実施例１の駐車支援装置１では、床面の汚損を抑制する経路は、汚損影響度が所定の閾値より高い領域において、車両の進行方向を変更しない経路である（図５及び図１０）。

これにより、汚損影響度が高くない領域で、車両の姿勢を調整し、汚損影響度が高い領域では、操舵角が生じないように、車両が直進するようにできる。そのため、駐車場の床面の汚損を効果的に抑制することができる。

実施例１の駐車支援装置１では、床面汚損影響度算出部３０が、汚損影響度を所定の閾値より高いと判定し、駐車経路生成部２３が、床面の汚損を抑制する経路を生成できない場合、駐車経路生成部２３は、前記駐車経路として、複数の異なる経路を生成する（図５及び図１１）。

これにより、毎回同じ駐車経路とすることを避け、床面の一定の場所に、汚損が蓄積されることを防止することができる。そのため、駐車場の床面の汚損を抑制することができる。なお、毎日同じ場所に車両を駐車する場合や、公共の駐車場で複数台が出入りするような場合に、この構成を効果的に適用できる。

実施例１の駐車支援装置１では、車両の車輪のトルクの調整量を算出する車両制御量算出部２４を備え、車両制御量算出部２４は、車輪のうち、汚損影響度が所定の閾値より高いと判定された領域に進入している車輪のトルクを、汚損影響度が所定の閾値より高くないと判定された領域に進入している車輪のトルクより、下げた調整量にして算出する（図１２〜図１４）。

これにより、汚損影響度が高い領域にある車輪に、トルクをかけず、汚損影響度が高くない領域にある車輪にのみ、トルクをかけることができる。そのため、タイヤと床面との摩擦を低減することができる。その結果、摩擦による床面の汚損を抑制することができる。なお、駐車経路に、汚損影響度の高い領域と、低い領域が混在している場合に、この構成を効果的に適用できる。

実施例１の駐車支援装置１では、車両制御量算出部２４は、全ての車輪が、汚損影響度が所定の閾値より高いと判定された領域に進入した場合、全ての車輪のトルクを、下げた調整量にして算出したトルクより、上げた調整量にして算出する（図１２〜図１４）。

これにより、汚染影響度が高い領域に、全ての車輪のうち、いくつかの車輪が進入した場合、汚損影響度が高くない領域にある車輪にのみ、トルクをかけ、汚損影響度が高い領域に、全ての車輪が進入した場合、全ての車輪にトルクをかけることができる。そのため、床面の汚損を抑制して、車両を目標駐車位置まで移動することができる。

実施例１の駐車支援装置１では、床面の光の反射率に基づいて、床面の色の濃淡を判断することにより、床面の汚損影響度を判定することができる（表１）。

実施例１の駐車支援装置１では、床面の鏡面反射光に基づいて、床面の摩擦係数の大小を判断することにより、床面の汚損影響度を判定することができる（図９）。

以上、本開示の駐車支援装置を実施例１に基づき説明してきた。しかし、具体的な構成とフローチャートについては、この実施例に限られるものではなく、特許請求の範囲の各請求項に係る発明の要旨を逸脱しない限り、各実施例の組み合わせ、設計の変更や追加等は許容される。

実施例１では、天候によらず、自動運転制御部２０が、駐車経路算出処理を実行する例を示した。しかし、自動運転制御部は、天候を考慮して、駐車経路算出処理を実行しても良い。

具体的には、降雨時や積雪時は、駐車経路算出処理を実行せずに、最短の駐車経路を算出する。この場合、レインセンサや画像センサによる撮像画像により、降雨や積雪を判断する。

実施例１では、床面材質判定を鏡面反射に基づいて、実施する例を示した。しかし、床面材質判定としては、車両の挙動をもとにし、スリップ量から推定しても良い。

具体的には、車両の加速度と、各車輪の回転数とを比較して、差異が大きい場合に、スリップ量が大きいと判断する。例えば、車両が加減速する場合は、各車輪にかかったトルク量に比例して、僅かにスリップしながらタイヤが回転する。そのため、駆動車輪と空転車輪との間で、回転数が異なる。駆動車輪と空転車輪との回転数の差異が大きいほど、スリップしやすい路面とする。

ところで、車両が低速域で移動するような狭小駐車場などの場合は、車輪のスピードが遅く、回転数の差異も微小なので、車輪回転数での検出が難しい。この場合、床面材質判定としては、スリップ時に発生する振動をとらえて判定しても良い。

また、床面材質判定としては、ステアリングホイールを回した際に、路面とタイヤとの摩擦で発生する音に基づいて判定しても良い。

実施例１では、本発明の駐車支援装置として、自動運転を実施する車両に搭載した例を示した。しかし、駐車支援装置としては、運転者に運転操作を行わせることを促す車両に搭載されても良い。

実施例１では、本発明の駐車支援装置として、目標駐車位置に駐車する例を示した。しかし、駐車支援装置としては、車両を駐車場から出す際に適用することをできる。

１ 駐車支援装置
２３ 駐車経路生成部
２４ 車両制御量算出部
３０ 床面汚損影響度算出部
３３ ユーザ指定位置判定部

Claims (8)

1. 車両周辺を撮像した撮像画像から、駐車場内の床面の汚損影響度を算出する床面汚損影響度算出部と、
   前記床面汚損影響度算出部の算出結果に基づいて、前記車両を前記駐車場に駐車させる駐車経路を生成する駐車経路生成部と、を備え、
   前記床面汚損影響度算出部は、ユーザが指定した情報に基づいて前記床面の汚損しやすい位置を判定するユーザ指定位置判定部を有する
   ことを特徴とする駐車支援装置。
   駐車支援装置。
2. 前記床面汚損影響度算出部が、前記汚損影響度を所定の閾値より高いと判定した場合に、
   前記駐車経路生成部は、前記駐車経路として、前記床面の汚損を抑制する経路を生成する
   ことを特徴とする、請求項１に記載の駐車支援装置。
3. 前記床面の汚損を抑制する経路は、前記汚損影響度が所定の閾値より高い領域において、前記車両の進行方向を変更しない経路である
   ことを特徴とする、請求項２に記載の駐車支援装置。
4. 前記床面汚損影響度算出部が、前記汚損影響度を所定の閾値より高いと判定し、前記駐車経路生成部が、前記床面の汚損を抑制する経路を生成できない場合、
   前記駐車経路生成部は、前記駐車経路として、複数の異なる経路を生成する
   ことを特徴とする、請求項２又は３に記載の駐車支援装置。
5. 前記車両の車輪のトルクの調整量を算出する車両制御量算出部を備え、
   前記車両制御量算出部は、前記車輪のうち、前記汚損影響度が所定の閾値より高いと判定された領域に進入している車輪のトルクを、前記汚損影響度が所定の閾値より高くないと判定された領域に進入している車輪のトルクより、下げた調整量にして算出する
   ことを特徴とする、請求項２〜４の何れか一項に記載の駐車支援装置。
6. 前記車両制御量算出部は、全ての前記車輪が、前記汚損影響度が所定の閾値より高いと判定された領域に進入した場合、全ての前記車輪のトルクを、前記下げた調整量にして算出したトルクより、上げた調整量にして算出する
   ことを特徴とする、請求項５に記載の駐車支援装置。
7. 前記床面汚損影響度算出部は、前記床面の光の反射率に基づいて、前記汚損影響度を算出する
   ことを特徴とする、請求項１〜６の何れか一項に記載の駐車支援装置。
8. 前記床面汚損影響度算出部は、前記床面の鏡面反射光に基づいて、前記汚損影響度を算出する
   ことを特徴とする、請求項１〜７の何れか一項に記載の駐車支援装置。

Images