JP7140574B2 - Traffic lane line recognition device - Google Patents

Traffic lane line recognition device Download PDF

Info

Publication number
JP7140574B2
JP7140574B2 JP2018130621A JP2018130621A JP7140574B2 JP 7140574 B2 JP7140574 B2 JP 7140574B2 JP 2018130621 A JP2018130621 A JP 2018130621A JP 2018130621 A JP2018130621 A JP 2018130621A JP 7140574 B2 JP7140574 B2 JP 7140574B2
Authority
JP
Japan
Prior art keywords
lane
width
recognition device
line
unit
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2018130621A
Other languages
Japanese (ja)
Other versions
JP2020009234A (en
Inventor
泰樹 河野
俊輔 鈴木
勉 中村
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Denso Corp
Original Assignee
Denso Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Denso Corp filed Critical Denso Corp
Priority to JP2018130621A priority Critical patent/JP7140574B2/en
Publication of JP2020009234A publication Critical patent/JP2020009234A/en
Application granted granted Critical
Publication of JP7140574B2 publication Critical patent/JP7140574B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Description

本開示は走行区画線認識装置に関する。 The present disclosure relates to lane marking recognition devices.

走行区画線認識装置は、車載カメラを用いて画像を取得する。走行区画線認識装置は、取得した画像を用いて走行区画線を認識する。走行区画線認識装置は、認識した走行区画線に基づき、道路形状を推定する。推定した道路形状は、車両の運転支援等に用いることができる。 The traffic lane line recognition device acquires an image using an in-vehicle camera. The traffic lane line recognition device recognizes the traffic lane line using the acquired image. The lane marking recognition device estimates the shape of the road based on the recognized lane lines. The estimated road shape can be used for vehicle driving assistance and the like.

道路が分岐している場所等では、車線の幅が変化する。そのような場所で認識した走行区画線に基づき道路形状を推定すると、不適切な値となってしまう。そのため、車線の幅の変化を検出する必要がある。特許文献１には、先行車の速度や位置から、道路の分岐を検出する技術が開示されている。特許文献２には、先行車の軌跡を用いて道路の分岐を検出する技術が開示されている。 The width of the lane changes at places such as where the road branches. Estimating the shape of the road based on the lane markings recognized at such a location results in an inappropriate value. Therefore, it is necessary to detect changes in lane width. Japanese Patent Laid-Open No. 2002-200001 discloses a technology for detecting a road branch from the speed and position of a preceding vehicle. Japanese Patent Laid-Open No. 2002-200001 discloses a technique for detecting a road branch using the trajectory of a preceding vehicle.

特開２０１６－０１８２５６号公報JP 2016-018256 A 特開２０１５－０７９４４６号公報JP 2015-079446 A

特許文献１、２に開示された技術では、車線の幅の変化を正確に検出できないことがある。本開示の一局面は、車線の幅の変化を正確に検出できる走行区画線認識装置を提供することを目的とする。 The techniques disclosed in Patent Documents 1 and 2 may not be able to accurately detect changes in lane width. An object of one aspect of the present disclosure is to provide a traffic lane line recognition device that can accurately detect changes in lane width.

本開示の一局面は、車両（３）の周辺を表す画像（３１）を取得するように構成された画像取得ユニット（９）と、前記画像に基づき、前記車両が走行している車線（４３）を区画する２本の走行区画線（３５、３７）を認識するように構成された線認識ユニット（１１）と、前記画像に表示された他の車両（４５）の幅を算出するように構成された車両幅算出ユニット（１３）と、前記他の車両の位置における前記車線の幅を、前記線認識ユニットが認識した前記２本の走行区画線に基づき算出するように構成された車線幅算出ユニット（１５）と、前記他の車両の幅と、前記車線の幅との関係の時間の経過に伴う変化に基づき、前記車線の幅の変化を検出するように構成された幅変化検出ユニット（１７）と、を備える走行区画線認識装置（１）である。 One aspect of the present disclosure is an image acquisition unit (9) configured to acquire an image (31) representing the surroundings of a vehicle (3) and, based on said image, a lane (43) in which said vehicle is traveling. a line recognition unit (11) configured to recognize two lane marking lines (35, 37) demarcating the ) and to calculate the width of another vehicle (45) displayed in said image and a vehicle width calculation unit (13) configured to calculate the width of the lane at the position of the other vehicle based on the two lane lines recognized by the line recognition unit. a computing unit (15) and a width change detection unit adapted to detect changes in the width of said lane based on changes over time in the relationship between the width of said other vehicles and the width of said lane. (17) and lane marking recognition device (1).

本開示の一局面である走行区画線認識装置は、車線の幅の変化を正確に検出することができる。
本開示の別局面は、車両（３）の周辺を表す画像（３１）を取得するように構成された画像取得ユニット（９）と、前記画像に基づき、前記車両が走行している車線（４３）を区画する２本の走行区画線（３５、３７）を認識するように構成された線認識ユニット（１１）と、前記車線の幅を、前記線認識ユニットが認識した前記２本の走行区画線に基づき算出するように構成された車線幅算出ユニット（１５）と、前記車線の走行方向における前記車線の幅の変化量を算出する幅変化算出ユニット（５５）と、前記車線の幅の変化量に基づき、前記車線の分岐、又は、前記走行区画線の誤認識である事象の有無を判断するように構成された事象判断ユニット（６１）と、前記２本の走行区画線を統合して統合線を作成するように構成された統合線作成ユニット（５７）と、前記統合線の曲がりの程度を算出するように構成された曲がり算出ユニット（５９）と、を備え、前記事象が有ると前記事象判断ユニットが判断するための条件は、前記曲がりの程度が小さいほど厳しい走行区画線認識装置（１０１）である。 A traffic lane line recognition device that is one aspect of the present disclosure can accurately detect a change in lane width.
Another aspect of the present disclosure is an image acquisition unit (9) configured to acquire an image (31) representing the surroundings of a vehicle (3); a line recognition unit (11) configured to recognize two lane marking lines (35, 37) demarcating the ); a lane width calculation unit (15) configured to calculate based on a line; a width change calculation unit (55) for calculating a change in the width of the lane in the direction of travel of the lane; and a change in the width of the lane. an event determination unit (61) configured to determine the presence or absence of an event that is a branching of the lane or an erroneous recognition of the lane line based on the quantity; an integrated line creating unit (57) configured to create an integrated line; and a bend calculation unit (59) configured to calculate a degree of curvature of said integrated line, wherein said event is present. The condition for the event determination unit to determine that the degree of bend is smaller is the traffic lane line recognition device (101) that is more severe.

本開示の別の局面である走行区画線認識装置は、道路の分岐の有無、及び、走行区画線の誤認識の有無を正確に判断することができる。
なお、この欄及び特許請求の範囲に記載した括弧内の符号は、一つの態様として後述する実施形態に記載の具体的手段との対応関係を示すものであって、本開示の技術的範囲を限定するものではない。 A lane line recognition device, which is another aspect of the present disclosure, can accurately determine whether or not there is a branching of a road and whether or not there is an erroneous recognition of a lane line.
It should be noted that the symbols in parentheses described in this column and the scope of claims indicate the correspondence with specific means described in the embodiment described later as one mode, and the technical scope of the present disclosure is It is not limited.

車両に搭載された走行区画線認識装置等の構成を表すブロック図である。1 is a block diagram showing the configuration of a traffic lane line recognition device and the like mounted on a vehicle; FIG. 走行区画線認識装置の機能的構成を表すブロック図である。1 is a block diagram showing a functional configuration of a traffic lane line recognition device; FIG. 走行区画線認識装置が実行する処理を表すフローチャートである。4 is a flow chart showing processing executed by a traffic lane line recognition device; 車載カメラが作成した画像を表す説明図である。It is explanatory drawing showing the image which the vehicle-mounted camera produced. 道路が分岐する事例を表す説明図である。It is explanatory drawing showing the case where a road diverges. 道路に上り勾配がある事例を表す説明図である。It is explanatory drawing showing the case where a road has an upward slope. 自車線の一部に路面ノイズが存在する事例を表す説明図である。FIG. 4 is an explanatory diagram showing a case where road surface noise exists in a part of own lane; 幅Ｗ１と幅Ｗ２との関係の時間の経過に伴う変化を表す指標の別形態を表す説明図である。FIG. 11 is an explanatory diagram showing another form of an index representing a change over time in the relationship between the width W1 and the width W2; 走行区画線認識装置の機能的構成を表すブロック図である。1 is a block diagram showing a functional configuration of a traffic lane line recognition device; FIG. 走行区画線認識装置が実行する処理を表すフローチャートである。4 is a flow chart showing processing executed by a traffic lane line recognition device; 統合線を表す説明図である。FIG. 4 is an explanatory diagram showing an integrated line; 変化量ΔＷを算出する方法を表す説明図である。FIG. 10 is an explanatory diagram showing a method of calculating the amount of change ΔW; 道路の分岐がなく、自車線の幅が一定であり、道路の勾配がない事例を表す説明図である。FIG. 4 is an explanatory diagram showing a case where there is no road branching, the width of the own lane is constant, and the road has no slope. 道路の分岐がある事例を表す説明図である。FIG. 10 is an explanatory diagram showing an example of a road branching; 道路に登り勾配がある事例を表す説明図である。It is explanatory drawing showing the example with an upward slope on a road. 自車線の一部に路面ノイズが存在する事例を表す説明図である。FIG. 4 is an explanatory diagram showing a case where road surface noise exists in a part of own lane; 統合線の曲がりの程度を表す指標の別形態を表す説明図である。FIG. 11 is an explanatory diagram showing another form of an index representing the degree of curvature of an integrated line; 一方の走行区画線を認識できた距離が、他方の走行区画線を認識できた距離より長い場合の画像を表す説明図である。FIG. 11 is an explanatory diagram showing an image when the distance over which one lane line can be recognized is longer than the distance over which the other lane line can be recognized; 一方の走行区画線が実線であり、他方の走行区画線が破線である場合の画像を表す説明図である。FIG. 3 is an explanatory diagram showing an image when one lane line is a solid line and the other lane line is a dashed line; 走行区画線認識装置が実行する処理を表すフローチャートである。4 is a flow chart showing processing executed by a traffic lane line recognition device;

本開示の例示的な実施形態を、図面を参照しながら説明する。
＜第１実施形態＞
１．走行区画線認識装置１の構成
走行区画線認識装置１の構成を、図１及び図２に基づき説明する。図１に示すように、走行区画線認識装置１は、車両３に搭載される車載装置である。走行区画線認識装置１は、ＣＰＵ５と、例えば、ＲＡＭ又はＲＯＭ等の半導体メモリ（以下、メモリ７とする）と、を有するマイクロコンピュータを備える。 Exemplary embodiments of the present disclosure are described with reference to the drawings.
<First embodiment>
1. Configuration of lane line recognition device 1 The configuration of the lane line recognition device 1 will be described with reference to FIGS. 1 and 2. FIG. As shown in FIG. 1 , the lane marking recognition device 1 is an in-vehicle device mounted on a vehicle 3 . The traffic lane line recognition device 1 includes a microcomputer having a CPU 5 and a semiconductor memory such as RAM or ROM (hereinafter referred to as memory 7).

走行区画線認識装置１の各機能は、ＣＰＵ５が非遷移的実体的記録媒体に格納されたプログラムを実行することにより実現される。この例では、メモリ７が、プログラムを格納した非遷移的実体的記録媒体に該当する。また、このプログラムが実行されることで、プログラムに対応する方法が実行される。なお、走行区画線認識装置１は、１つのマイクロコンピュータを備えてもよいし、複数のマイクロコンピュータを備えてもよい。 Each function of the traffic lane line recognition device 1 is realized by the CPU 5 executing a program stored in a non-transitional substantive recording medium. In this example, the memory 7 corresponds to a non-transitional substantive recording medium storing programs. Also, by executing this program, a method corresponding to the program is executed. Note that the traffic lane line recognition device 1 may include one microcomputer, or may include a plurality of microcomputers.

走行区画線認識装置１は、図２に示すように、画像取得ユニット９と、線認識ユニット１１と、車両幅算出ユニット１３と、車線幅算出ユニット１５と、幅変化検出ユニット１７と、距離推定ユニット１９と、基準設定ユニット２１と、形状設定ユニット２３と、出力ユニット２５と、を備える。 As shown in FIG. 2, the lane line recognition device 1 includes an image acquisition unit 9, a line recognition unit 11, a vehicle width calculation unit 13, a lane width calculation unit 15, a width change detection unit 17, and a distance estimation unit. It comprises a unit 19 , a reference setting unit 21 , a shape setting unit 23 and an output unit 25 .

走行区画線認識装置１に含まれる各部の機能を実現する手法はソフトウェアに限るものではなく、その一部又は全部の機能は、一つあるいは複数のハードウェアを用いて実現されてもよい。例えば、上記機能がハードウェアである電子回路によって実現される場合、その電子回路は、デジタル回路、又はアナログ回路、あるいはこれらの組合せによって実現されてもよい。 The method of realizing the function of each part included in the traffic lane line recognition device 1 is not limited to software, and some or all of the functions may be realized using one or more pieces of hardware. For example, when the above functions are realized by an electronic circuit that is hardware, the electronic circuit may be realized by a digital circuit, an analog circuit, or a combination thereof.

図１に示すように、車両３は、走行区画線認識装置１に加えて、車載カメラ２７、及び運転支援装置２９を備える。車載カメラ２７は車両３の前方を表す画像を作成する。車両３の前方は車両３の周辺に対応する。運転支援装置２９は、走行区画線認識装置１が出力する道路形状を用いて運転支援を行う。 As shown in FIG. 1 , the vehicle 3 includes an in-vehicle camera 27 and a driving support device 29 in addition to the lane marking recognition device 1 . The vehicle-mounted camera 27 creates an image representing the front of the vehicle 3 . The front of the vehicle 3 corresponds to the periphery of the vehicle 3 . The driving assistance device 29 performs driving assistance using the road shape output by the lane recognition device 1 .

２．走行区画線認識装置１が実行する処理
走行区画線認識装置１が所定時間ごとに繰り返し実行する処理を、図３～図４に基づき説明する。図３のステップ１では、画像取得ユニット９が、車載カメラ２７を用いて画像を取得する。この画像は、車両３の前方を表す画像である。 2. Processing Executed by Lane Line Recognition Device 1 The processing repeatedly executed by the lane line recognition device 1 at predetermined time intervals will be described with reference to FIGS. 3 and 4. FIG. In step 1 of FIG. 3, the image acquisition unit 9 acquires an image using the vehicle-mounted camera 27 . This image is an image representing the front of the vehicle 3 .

ステップ２では、線認識ユニット１１が、前記ステップ１で取得した画像に基づき、車両３が走行している車線（以下では自車線とする）を区画する２本の走行区画線を認識する。この処理を、図４に基づき説明する。３１は、前記ステップ１で取得した画像である。線認識ユニット１１は、周知の方法により、走行区画線３３、３５、３７、３９を認識する。 In step 2, the line recognition unit 11 recognizes two lane markings that demarcate the lane in which the vehicle 3 is traveling (hereinafter referred to as own lane) based on the image acquired in step 1 above. This processing will be described based on FIG. 31 is the image obtained in step 1 above. The line recognition unit 11 recognizes lane markings 33, 35, 37, 39 by a well-known method.

図４に示すように、走行区画線３３が破線である場合、線認識ユニット１１は、まず、複数の区画ペイント候補４１を抽出する。区画ペイント候補４１は、破線を構成する単位である。次に、線認識ユニット１１は、車両３の走行方向に沿って並んだ複数の区画ペイント候補４１をつなげることで、走行区画線３３を認識する。走行区画線３５、３７、３９を認識する方法も同様である。 As shown in FIG. 4 , when the lane marking 33 is a dashed line, the line recognition unit 11 first extracts a plurality of lane paint candidates 41 . A section paint candidate 41 is a unit that constitutes a dashed line. Next, the line recognition unit 11 recognizes the running lane line 33 by connecting a plurality of lane paint candidates 41 arranged along the running direction of the vehicle 3 . The method of recognizing lane markings 35, 37 and 39 is the same.

図３に戻り、ステップ３では、線認識ユニット１１が、前記ステップ２で認識した走行区画線の中から、自車線を区画する２本の走行区画線を選択する。図４に示す例では、走行区画線３５、３７が、自車線４３を区画する２本の走行区画線である。線認識ユニット１１は、画像における走行区画線の位置に基づき、自車線を区画する２本の走行区画線を選択することができる。 Returning to FIG. 3, in step 3, the line recognition unit 11 selects two traffic lane lines that divide the own lane from the traffic lane lines recognized in step 2 above. In the example shown in FIG. 4 , lane markings 35 and 37 are two lane markings that divide own lane 43 . The line recognition unit 11 can select two lane markings that divide the own lane based on the position of the lane markings in the image.

ステップ４では、図４に示すように、車両幅算出ユニット１３が、前記ステップ１で取得した画像３１に表示された他の車両４５の幅Ｗ１を算出する。幅Ｗ１は、画像３１の上における幅である。他の車両４５は、自車線４３に存在してもよいし、他の車線に存在してもよい。 In step 4, as shown in FIG. 4, the vehicle width calculation unit 13 calculates the width W1 of the other vehicle 45 displayed in the image 31 acquired in step 1 above. Width W1 is the width above image 31 . Another vehicle 45 may exist in the own lane 43 or may exist in another lane.

ステップ５では、図４に示すように、車線幅算出ユニット１５が、他の車両４５の位置４７における自車線４３の幅Ｗ２を、前記ステップ３で選択した２本の走行区画線３５、３７に基づき算出する。他の車両４５の位置４７とは、自車線４３の走行方向における座標が他の車両４５の座標と一致する位置を意味する。幅Ｗ２は、２本の走行区画線３５、３７の、画像３１の上における間隔である。 In step 5, as shown in FIG. 4, the lane width calculation unit 15 calculates the width W2 of the own lane 43 at the position 47 of the other vehicle 45 to the two lane lines 35 and 37 selected in step 3 above. calculated based on The position 47 of the other vehicle 45 means a position whose coordinates in the traveling direction of the own lane 43 match those of the other vehicle 45 . The width W2 is the distance between the two lane markings 35 and 37 on the image 31 .

ステップ６では、幅変化検出ユニット１７が、比率Ｒを算出する。比率Ｒとは、前記ステップ５で算出した幅Ｗ２を、前記ステップ４で算出した幅Ｗ１で除した値である。比率Ｒは、幅Ｗ１と幅Ｗ２との関係に対応する。 At step 6, the width change detection unit 17 calculates the ratio R. The ratio R is a value obtained by dividing the width W2 calculated in step 5 above by the width W1 calculated in step 4 above. Ratio R corresponds to the relationship between width W1 and width W2.

ステップ７では、幅変化検出ユニット１７が、前記ステップ６で算出した比率Ｒをメモリ７に記憶する。
ステップ８では、幅変化検出ユニット１７が、直前の前記ステップ６で算出した比率Ｒ（以下では比率Ｒ１とする）から、過去に算出され、メモリ７に記憶されていた比率Ｒ（以下では比率Ｒ２とする）を差し引いた値（以下では比率の変化ΔＲとする）を算出する。比率Ｒ２を算出した時刻は、比率Ｒ１を算出した時刻より古い。また、比率Ｒ２の算出に用いた幅Ｗ１及び幅Ｗ２を測定した位置は、比率Ｒ１の算出に用いた幅Ｗ１及び幅Ｗ２を測定した位置よりも、自車線４３の後方側にある。比率の変化ΔＲは、幅Ｗ１と、幅Ｗ２との関係の時間の経過に伴う変化に対応する。 At step 7 , the width change detection unit 17 stores the ratio R calculated at step 6 in the memory 7 .
In step 8, the width change detection unit 17 converts the ratio R calculated in the immediately preceding step 6 (hereinafter referred to as ratio R1) to the ratio R calculated in the past and stored in the memory 7 (hereinafter ratio R2). ) is subtracted (hereinafter referred to as change in ratio ΔR). The time when the ratio R2 was calculated is older than the time when the ratio R1 was calculated. Further, the position at which the width W1 and the width W2 used to calculate the ratio R2 are measured is on the rear side of the own lane 43 from the position at which the width W1 and the width W2 used to calculate the ratio R1 are measured. The change in ratio ΔR corresponds to the change over time in the relationship between width W1 and width W2.

ステップ９では、距離推定ユニット１９が、車両３と他の車両４５との距離を推定する。距離推定ユニット１９は、例えば、画像３１における他の車両４５の位置や大きさから距離を推定することができる。また、距離推定ユニット１９は、測距センサを用いて距離を推定してもよい。 In step 9 the distance estimation unit 19 estimates the distance between the vehicle 3 and another vehicle 45 . The distance estimation unit 19 can estimate the distance from the position and size of the other vehicle 45 in the image 31, for example. Also, the distance estimation unit 19 may estimate the distance using a ranging sensor.

ステップ１０では、基準設定ユニット２１が、前記ステップ９で推定した距離に基づき、後述するステップ１１で使用する閾値を設定する。基準設定ユニット２１は、距離が大きいほど、閾値を大きくする。閾値は正の値である。閾値は、幅Ｗ２の変化を検出したと判断するか否かの基準に対応する。閾値を大きくすることは、幅Ｗ２の変化を検出したと判断するか否かの基準を厳しくすることに対応する。 At step 10, the reference setting unit 21 sets a threshold to be used at step 11, which will be described later, based on the distance estimated at step 9 above. The reference setting unit 21 increases the threshold as the distance increases. The threshold is a positive value. The threshold corresponds to a criterion for determining whether or not a change in width W2 has been detected. Increasing the threshold corresponds to tightening the criteria for determining whether or not a change in width W2 has been detected.

ステップ１１では、前記ステップ８で算出した比率の変化ΔＲの絶対値が、前記ステップ１０で設定した閾値以上であるか否かを、幅変化検出ユニット１７が判断する。比率の変化ΔＲの絶対値が閾値未満である場合、本処理はステップ１２に進む。比率の変化ΔＲの絶対値が閾値以上である場合、本処理はステップ１４に進む。 In step 11, the width change detection unit 17 determines whether or not the absolute value of the ratio change ΔR calculated in step 8 is equal to or greater than the threshold value set in step 10 above. If the absolute value of the change in ratio ΔR is less than the threshold, the process proceeds to step 12 . If the absolute value of the ratio change ΔR is greater than or equal to the threshold, the process proceeds to step 14 .

ステップ１２では、形状推定ユニット２３が、第１の道路形状推定処理を行う。第１の道路形状推定処理とは、前記ステップ３で選択した２本の走行区画線のそれぞれに基づき、フィルタを用いて道路形状を推定する処理である。道路形状として、例えば、曲率、曲率変化率、ヨー角、ピッチ角、オフセット等が挙げられる。 At step 12, the shape estimation unit 23 performs a first road shape estimation process. The first road shape estimation process is a process of estimating the road shape using a filter based on each of the two lane markings selected in step 3 above. The road shape includes, for example, curvature, curvature change rate, yaw angle, pitch angle, offset, and the like.

ステップ１３では、前記ステップ１２、又は後述するステップ１７で推定された道路形状を、出力ユニット２５が運転支援装置２９に出力する。
ステップ１４では、前記ステップ８で算出した比率の変化ΔＲが正の値であるか否かを幅変化検出ユニット１７が判断する。比率の変化ΔＲが正の値である場合、本処理はステップ１５に進む。比率の変化ΔＲが負の値である場合、本処理はステップ１６に進む。 In step 13 , the output unit 25 outputs the road shape estimated in step 12 or step 17 described later to the driving support device 29 .
At step 14, the width change detection unit 17 determines whether or not the ratio change ΔR calculated at step 8 is a positive value. If the change in ratio ΔR is positive, the process proceeds to step 15 . If the change in ratio ΔR is negative, the process proceeds to step 16 .

ステップ１５では、幅変化検出ユニット１７が道路の分岐を検出する。道路の分岐は、車線の幅の変化に対応する。
ステップ１６では、幅変化検出ユニット１７が、走行区画線の誤認識を検出する。走行区画線の誤認識は、車線の幅の変化に対応する。 At step 15, the width change detection unit 17 detects a fork in the road. A fork in the road corresponds to a change in lane width.
In step 16, the width change detection unit 17 detects erroneous recognition of lane markings. Misrecognition of lane lines corresponds to changes in lane width.

ステップ１７では、形状推定ユニット２３が、第２の道路形状推定処理を行う。第２の道路形状推定処理として、例えば、以下の(i)～(iii)のうちのいずれかの処理が挙げられる。 At step 17, the shape estimation unit 23 performs a second road shape estimation process. As the second road shape estimation process, for example, one of the following processes (i) to (iii) can be mentioned.

(i) 形状推定ユニット２３は、前記ステップ３で選択した２本の走行区画線のうち１本は、道路形状の推定に使用しない。形状推定ユニット２３は、残りの１本の走行区画線に基づき、道路形状を推定する。 (i) The shape estimation unit 23 does not use one of the two lane markings selected in step 3 for estimating the road shape. The shape estimating unit 23 estimates the road shape based on the remaining one lane marking.

(ii) 形状推定ユニット２３は、道路形状の推定を行わない。
(iii) 形状推定ユニット２３は、前記ステップ３で選択した２本の走行区画線のうち、少なくとも１本を新たに認識した別の走行区画線に置換する。別の走行区画線とは、線認識ユニット１１が前記ステップ２の処理を再度実行することにより、新たに認識した走行区画線である。 (ii) The shape estimation unit 23 does not estimate the road shape.
(iii) The shape estimation unit 23 replaces at least one of the two lane markings selected in step 3 with another newly recognized lane marking. Another traffic lane line is a traffic lane line newly recognized by the line recognition unit 11 performing the process of step 2 again.

３．走行区画線認識装置１が奏する効果
（１Ａ）走行区画線認識装置１は、道路の勾配があったとしても、自車線４３の幅の変化を正確に検出することができる。この効果を図５～図６に示す事例に基づき説明する。 3. Effects of the lane line recognition device 1 (1A) The lane line recognition device 1 can accurately detect changes in the width of the own lane 43 even if the road has a slope. This effect will be described based on examples shown in FIGS.

図５に示す事例では、道路が分岐することにより、自車線４３の走行方向に進むほど、自車線４３の幅が実際に大きくなっている。
この事例の場合、幅Ｗ２は、自車線４３の走行方向に進むほど、大きい。幅Ｗ１は一定である。比率Ｒ１は比率Ｒ２より大きい。比率の変化ΔＲの絶対値は大きい。比率の変化ΔＲは正の値である。 In the example shown in FIG. 5 , the width of the own lane 43 actually increases as the vehicle travels in the traveling direction of the own lane 43 due to the branching of the road.
In the case of this example, the width W2 increases as the traveling direction of the own lane 43 progresses. The width W1 is constant. Ratio R1 is greater than ratio R2. The absolute value of the ratio change ΔR is large. The change in ratio ΔR is a positive value.

図５に示す事例の場合、走行区画線認識装置１は、前記ステップ１１及び前記ステップ１４でそれぞれ肯定判断して前記ステップ１５に進み、道路の分岐を検出することができる。道路の分岐は、自車線４３の幅が変化する状況に対応する。 In the case of the case shown in FIG. 5, the traffic lane line recognition device 1 can make affirmative determinations in steps 11 and 14, proceed to step 15, and detect a fork in the road. A fork in the road corresponds to a situation in which the width of the own lane 43 changes.

図６に示す事例では、道路に上り勾配がある。自車線４３の幅及び他の車両４５の幅は、実際には一定である。しかしながら、道路に登り勾配があるため、画像の上では見かけ上、自車線４３の走行方向に進むほど、幅Ｗ１及び幅Ｗ２が大きくなる。比率の変化ΔＲの絶対値は小さい。図６に示す事例の場合、走行区画線認識装置１は、前記ステップ１１で否定判断し、前記ステップ１２に進む。前記ステップ１２に進むことは、自車線４３の幅の変化を検出しなかったことを意味する。 In the example shown in FIG. 6, the road has an upslope. The width of own lane 43 and the width of other vehicles 45 are actually constant. However, since the road has an uphill slope, the width W1 and the width W2 seem to increase in the direction of travel of the own lane 43 on the image. The absolute value of the ratio change ΔR is small. In the case of the example shown in FIG. 6, the traffic lane line recognition device 1 makes a negative determination in step 11, and proceeds to step 12 described above. Proceeding to step 12 means that a change in the width of the own lane 43 has not been detected.

すなわち、走行区画線認識装置１は、画像の上で見かけ上、幅Ｗ２が変化していても、自車線４３の幅が実際には一定であれば、自車線４３の幅の変化を検出しない。道路に下り勾配がある場合でも、走行区画線認識装置１は、同様の効果を奏することができる。 That is, even if the width W2 appears to change on the image, the lane line recognizing device 1 does not detect the change in the width of the own lane 43 if the width of the own lane 43 is actually constant. . Even if the road has a downward slope, the traffic lane line recognition device 1 can achieve the same effect.

（１Ｂ）走行区画線認識装置１は、走行区画線の誤認識を検出することができる。この効果を図７に示す事例に基づき説明する。図７に示す事例では、自車線４３の一部に路面ノイズ４９が存在する。走行区画線認識装置１は、比率Ｒ１を算出するとき、路面ノイズ４９を走行区画線として誤認識した。そのため、走行区画線認識装置１は、比率Ｒ１を実際より小さく算出した。走行区画線認識装置１は、比率Ｒ２を正しく算出した。その結果、比率の変化ΔＲの絶対値は大きい。比率の変化ΔＲは負の値である。そのことにより、図７に示す事例の場合、走行区画線認識装置１は、前記ステップ１１で肯定判断し、前記ステップ１４で否定判断して前記ステップ１６に進み、走行区画線の誤認識を検出することができる。
道路が下り勾配の場合と、図７に示すように路面ノイズ４９が存在する場合とは、画像の上では区別がつきにくいが、走行区画線認識装置１は、区別することができる。すなわち、下り勾配の場合は、比率の変化ΔＲの絶対値は小さい。それに対し、図７に示すように路面ノイズ４９が存在する場合は、比率の変化ΔＲの絶対値は大きい。 (1B) The lane marking recognition device 1 can detect misrecognition of lane markings. This effect will be described based on the example shown in FIG. In the example shown in FIG. 7, road surface noise 49 exists in a part of own lane 43 . The traffic lane line recognition device 1 erroneously recognizes the road surface noise 49 as a traffic lane line when calculating the ratio R1. Therefore, the traffic lane line recognition device 1 calculates the ratio R1 to be smaller than the actual value. The traffic lane line recognition device 1 correctly calculated the ratio R2. As a result, the absolute value of the ratio change ΔR is large. The change in ratio ΔR is a negative value. As a result, in the case shown in FIG. 7, the lane line recognition device 1 makes an affirmative determination in step 11, makes a negative determination in step 14, proceeds to step 16, and detects misrecognition of the lane line. can do.
Although it is difficult to distinguish between the case where the road is downhill and the case where road surface noise 49 exists as shown in FIG. That is, the absolute value of the change ΔR in the ratio is small in the case of a downward slope. On the other hand, when the road surface noise 49 exists as shown in FIG. 7, the absolute value of the ratio change ΔR is large.

（１Ｃ）走行区画線認識装置１は、比率Ｒ及び比率の変化ΔＲを用いて処理を行う。そのため、走行区画線認識装置１は、自車線４３の幅の変化を容易且つ正確に検出することができる。 (1C) The traffic lane line recognition device 1 performs processing using the ratio R and the change ΔR of the ratio. Therefore, the traffic lane line recognition device 1 can easily and accurately detect changes in the width of the own lane 43 .

（１Ｄ）車両３から他の車両４５までの距離が大きいほど、比率の変化ΔＲの値の精度は低下する。走行区画線認識装置１は、車両３から他の車両４５までの距離が大きいほど、前記ステップ１１の処理で使用する閾値を大きくする。そのため、走行区画線認識装置１は、比率の変化ΔＲの値の精度が低いとき、前記ステップ１１において誤った判断をしてしまうことを抑制できる。 (1D) As the distance from the vehicle 3 to the other vehicle 45 increases, the accuracy of the value of the ratio change ΔR decreases. The lane line recognition device 1 increases the threshold used in the processing of step 11 as the distance from the vehicle 3 to the other vehicle 45 increases. Therefore, the traffic lane line recognizing device 1 can suppress an erroneous determination in step 11 when the accuracy of the ratio change ΔR is low.

（１Ｆ）走行区画線認識装置１は、道路の分岐や走行区画線の誤認識を検出した場合、第２の道路形状推定処理を行う。走行区画線認識装置１は、第２の道路形状推定処理において、前記(i)～(iii)のいずれかの処理を行う。そのため、走行区画線認識装置１は、道路形状を誤って推定してしまうことを抑制できる。 (1F) When the lane line recognition device 1 detects a branch of the road or misrecognition of the lane line, it performs a second road shape estimation process. The traffic lane line recognition device 1 performs any one of the processes (i) to (iii) in the second road shape estimation process. Therefore, the lane line recognition device 1 can prevent erroneous estimation of the road shape.

４．第１実施形態の変形例
（１）幅Ｗ１と幅Ｗ２との関係は、比率Ｒ以外のものであってもよい。例えば、走行区画線認識装置１は、前記ステップ６において、幅Ｗ２から幅Ｗ１を差し引いた値（以下では幅の差分とする）を、比率Ｒに代えて算出してもよい。その場合、走行区画線認識装置１は、前記ステップ８において、直前の前記ステップ６で算出した幅の差分から、メモリ７に記憶されていた幅の差分を差し引いた値（以下では差分の変化ΔＤとする）を算出する。また、走行区画線認識装置１は、前記ステップ１１において、差分の変化ΔＤの絶対値が閾値未満であれば否定判断し、差分の変化ΔＤの絶対値が閾値以上であれば肯定判断する。また、走行区画線認識装置１は、前記ステップ１４において、差分の変化ΔＤが正の値であれば肯定判断し、差分の変化ΔＤが負の値であれば否定判断する。
走行区画線認識装置１は、前記ステップ６において、幅Ｗ１を幅Ｗ２で除した値（以下では逆数比とする）を比率Ｒに代えて算出してもよい。
その場合、走行区画線認識装置１は、前記ステップ８において、直前の前記ステップ６で算出した逆数比から、メモリ７に記憶されていた逆数比を差し引いた値（以下では逆数比の変化とする）を算出する。また、走行区画線認識装置１は、前記ステップ１１において、逆数比の変化の絶対値が閾値未満であれば否定判断し、逆数比の変化の絶対値が閾値以上であれば肯定判断する。また、走行区画線認識装置１は、前記ステップ１４において、逆数比の変化が負の値であれば肯定判断し、逆数比の変化が正の値であれば否定判断する。 4. Modifications of the First Embodiment (1) The relationship between the width W1 and the width W2 may be other than the ratio R. For example, the traffic lane line recognition device 1 may calculate a value obtained by subtracting the width W1 from the width W2 (hereinafter referred to as the width difference) instead of the ratio R in step 6 above. In this case, in step 8, the traffic lane line recognition device 1 subtracts the difference in width stored in the memory 7 from the difference in width calculated in step 6 immediately before (hereafter, change in difference ΔD ) is calculated. In step 11, the traffic lane line recognition device 1 makes a negative determination if the absolute value of the difference change ΔD is less than the threshold, and makes a positive determination if the absolute value of the difference change ΔD is greater than or equal to the threshold. In step 14, the traffic lane line recognizing device 1 makes an affirmative determination if the difference change ΔD is a positive value, and makes a negative determination if the difference change ΔD is a negative value.
In step 6, the traffic lane line recognizing device 1 may calculate, instead of the ratio R, a value obtained by dividing the width W1 by the width W2 (hereinafter referred to as a reciprocal ratio).
In this case, in step 8, the traffic lane line recognition device 1 subtracts the reciprocal ratio stored in the memory 7 from the reciprocal ratio calculated in the previous step 6 (hereinafter referred to as a change in reciprocal ratio ) is calculated. In step 11, the traffic lane line recognition device 1 makes a negative determination if the absolute value of the change in the reciprocal ratio is less than the threshold, and makes a positive determination if the absolute value of the change in the reciprocal ratio is greater than or equal to the threshold. In step 14, the traffic lane line recognition device 1 makes an affirmative determination if the change in the reciprocal ratio is a negative value, and makes a negative determination if the change in the reciprocal ratio is a positive value.

（２）幅Ｗ１と幅Ｗ２との関係の時間の経過に伴う変化を表す指標は、比率の変化ΔＲ以外のものであってもよい。例えば、図８に示すΔＸを、幅Ｗ１と幅Ｗ２との関係の時間の経過に伴う変化を表す指標として用いてもよい。図８において、５１は、比率Ｒの経時変化を表す曲線である。５３は、曲線５１にローパスフィルターをかけて得られた曲線である。ΔＸは、所定の時刻における、曲線５１と曲線５３との差分である。なお、曲線５３は、過去の比率Ｒの寄与を含むので、ΔＸは、幅Ｗ１と幅Ｗ２との関係の時間の経過に伴う変化を表す指標となる。
＜第２実施形態＞
１．第１実施形態との相違点
第２実施形態は、基本的な構成は第１実施形態と同様であるため、相違点について以下に説明する。なお、第１実施形態と同じ符号は、同一の構成を示すものであって、先行する説明を参照する。 (2) The index representing the change over time of the relationship between the width W1 and the width W2 may be something other than the change ΔR in the ratio. For example, ΔX shown in FIG. 8 may be used as an index representing a change over time in the relationship between the width W1 and the width W2. In FIG. 8, 51 is a curve representing the change in the ratio R over time. 53 is a curve obtained by applying a low-pass filter to curve 51 . ΔX is the difference between curve 51 and curve 53 at a given time. Since the curve 53 includes the contribution of the ratio R in the past, ΔX is an index representing the change over time of the relationship between the width W1 and the width W2.
<Second embodiment>
1. Differences from First Embodiment Since the basic configuration of the second embodiment is the same as that of the first embodiment, the differences will be described below. Note that the same reference numerals as in the first embodiment indicate the same configurations, and refer to the preceding description.

第２実施形態の走行区画線認識装置１０１は、図９に示すように、画像取得ユニット９と、線認識ユニット１１と、車線幅算出ユニット１５と、幅変化算出ユニット５５と、統合線作成ユニット５７と、曲がり算出ユニット５９と、事象判断ユニット６１と、閾値設定ユニット６３と、形状推定ユニット２３と、出力ユニット２５と、を備える。 As shown in FIG. 9, the traffic lane line recognition device 101 of the second embodiment includes an image acquisition unit 9, a line recognition unit 11, a lane width calculation unit 15, a width change calculation unit 55, and an integrated line creation unit. 57 , a curve calculation unit 59 , an event determination unit 61 , a threshold setting unit 63 , a shape estimation unit 23 and an output unit 25 .

２．走行区画線認識装置１０１が実行する処理
走行区画線認識装置１０１が所定時間ごとに繰り返し実行する処理を、図１０～図１２に基づき説明する。図１０におけるステップ２１～２３の処理は、第１実施形態における前記ステップ１～３の処理と同様である。 2. Processing Executed by Lane Line Recognition Device 101 The processing repeatedly executed by the lane line recognition device 101 at predetermined time intervals will be described with reference to FIGS. 10 to 12. FIG. The processing of steps 21 to 23 in FIG. 10 is the same as the processing of steps 1 to 3 in the first embodiment.

ステップ２４では、統合線作成ユニット５７が統合線を作成する。統合線を、図１１に基づき説明する。図１１において、走行区画線３５、３７は、前記ステップ２３において選択された２本の走行区画線である。補助線６５は、自車線４３の走行方向に直交する直線である。補助線６５と走行区画線３５との交点を、第１の交点６７とする。補助線６５と走行区画線３７との交点を、第２の交点６９とする。第１の交点６７と、第２の交点６９との中点を統合点７１とする。補助線６５を自車線４３の走行方向に沿って移動させながら、それぞれの位置で算出された統合点７１の軌跡を、統合線７３とする。 At step 24, the integrated line creating unit 57 creates an integrated line. The integrated line will be explained based on FIG. In FIG. 11, lane markings 35 and 37 are the two lane markings selected in step 23 above. The auxiliary line 65 is a straight line orthogonal to the running direction of the own lane 43 . A first intersection point 67 is defined as an intersection point between the auxiliary line 65 and the lane marking line 35 . A second intersection point 69 is defined as an intersection point between the auxiliary line 65 and the lane marking line 37 . A midpoint between the first intersection point 67 and the second intersection point 69 is defined as a unified point 71 . A trajectory of the integrated point 71 calculated at each position while moving the auxiliary line 65 along the traveling direction of the own lane 43 is defined as an integrated line 73 .

図１０に戻り、ステップ２５では、曲がり算出ユニット５９が、前記ステップ２４で作成した統合線の曲率を算出する。曲がり算出ユニット５９は、例えば、統合線における１箇所で曲率を測定することができる。また、曲がり算出ユニット５９は、例えば、統合線における複数の箇所でそれぞれ曲率を算出し、曲率の平均値を算出することができる。曲率は曲がりの程度に対応する。 Returning to FIG. 10, at step 25, the curvature calculation unit 59 calculates the curvature of the integrated line created at step 24 above. Curvature calculation unit 59 may, for example, measure the curvature at one point on the integrated line. Also, the curve calculation unit 59 can calculate the curvatures at a plurality of points on the integrated line and calculate the average value of the curvatures. Curvature corresponds to the degree of bending.

ステップ２６では、車線幅算出ユニット１５が、自車線４３の幅Ｗ２を算出する。幅Ｗ２の算出方法は、第１実施形態における前記ステップ５の処理と同様である。
ステップ２７では、車線幅算出ユニット１５が、前記ステップ２６で算出した幅Ｗ２をメモリ７に記憶する。 At step 26 , the lane width calculation unit 15 calculates the width W2 of the own lane 43 . The method of calculating the width W2 is the same as the processing of step 5 in the first embodiment.
At step 27 , the lane width calculation unit 15 stores the width W2 calculated at step 26 in the memory 7 .

ステップ２８では、幅変化算出ユニット５５が、変化量ΔＷを算出する。この処理を図１２に基づき説明する。直前の前記ステップ２７で算出した幅Ｗ２を、以下では幅Ｗ２ａとする。去に算出され、メモリ７に記憶されていた幅Ｗ２を、以下では幅Ｗ２ｂとする。
変化量ΔＷは、幅Ｗ２ａから、幅Ｗ２ｂを差し引いた値である。変化量ΔＷは自車線４３の幅の変化量を表す。幅Ｗ２ｂを算出した時刻は、幅Ｗ２ａを算出した時刻より古い。また、幅Ｗ２ｂを測定した位置は、幅Ｗ２ａを測定した位置よりも、自車線４３の後方側にある。 At step 28, the width change calculation unit 55 calculates the amount of change ΔW. This processing will be described with reference to FIG. The width W2 calculated in the previous step 27 is hereinafter referred to as width W2a. The width W2 previously calculated and stored in the memory 7 is hereinafter referred to as the width W2b.
The amount of change ΔW is a value obtained by subtracting the width W2b from the width W2a. The amount of change ΔW represents the amount of change in the width of the own lane 43 . The time when the width W2b was calculated is older than the time when the width W2a was calculated. Further, the position where the width W2b is measured is on the rear side of the own lane 43 from the position where the width W2a is measured.

ステップ２９では、前記ステップ２５で算出した曲率の絶対値が閾値以下であるか否かを閾値設定ユニット６３が判断する。閾値は予め設定された固定値である。曲率の絶対値が閾値以下である場合、本処理はステップ３０に進む。曲率の絶対値が閾値未満である場合、本処理はステップ３１に進む。 At step 29, the threshold setting unit 63 determines whether the absolute value of the curvature calculated at step 25 is equal to or less than the threshold. The threshold is a preset fixed value. If the absolute value of curvature is less than or equal to the threshold, the process proceeds to step 30; If the absolute value of curvature is less than the threshold, the process proceeds to step 31 .

ステップ３０では、閾値設定ユニット６３が、後述するステップ３２で使用する閾値として、第１の閾値を設定する。第１の閾値は正の数である。第１の閾値は、後述する第２の閾値より大きい。 At step 30, the threshold setting unit 63 sets a first threshold as a threshold used at step 32, which will be described later. The first threshold is a positive number. The first threshold is greater than a second threshold, which will be described later.

ステップ３１では、閾値設定ユニット６３が、後述するステップ３２で使用する閾値として、第２の閾値を設定する。第２の閾値は正の数である。
ステップ３２では、前記ステップ２８で算出した変化量ΔＷの絶対値が閾値以上であるか否かを事象判断ユニット６１が判断する。閾値は第１の閾値又は第２の閾値である。変化量ΔＷの絶対値が閾値未満である場合、本処理はステップ３３に進む。変化量ΔＷの絶対値が閾値以上である場合、本処理はステップ３５に進む。 In step 31, the threshold setting unit 63 sets a second threshold as a threshold used in step 32, which will be described later. A second threshold is a positive number.
At step 32, the event determination unit 61 determines whether or not the absolute value of the variation .DELTA.W calculated at step 28 is equal to or greater than the threshold. The threshold is the first threshold or the second threshold. If the absolute value of the variation ΔW is less than the threshold, the process proceeds to step 33 . If the absolute value of the variation ΔW is greater than or equal to the threshold, the process proceeds to step 35 .

ステップ３３の処理は、第１実施形態における前記ステップ１２の処理と同様である。
ステップ３４では、前記ステップ３３、又は後述するステップ３８で推定された道路形状を、出力ユニット２５が運転支援装置２９に出力する。 The processing of step 33 is the same as the processing of step 12 in the first embodiment.
In step 34 , the output unit 25 outputs the road shape estimated in step 33 or step 38 to be described later to the driving support device 29 .

ステップ３５では、前記ステップ２８で算出した変化量ΔＷが正の値であるか否かを事象判断ユニット６１が判断する。変化量ΔＷが正の値である場合、本処理はステップ３６に進む。変化量ΔＷが負の値である場合、本処理はステップ３７に進む。 At step 35, the event determination unit 61 determines whether or not the variation .DELTA.W calculated at step 28 is a positive value. If the amount of change ΔW is a positive value, the process proceeds to step 36 . If the amount of change ΔW is a negative value, the process proceeds to step 37 .

ステップ３６では、道路の分岐があると事象判断ユニット６１が判断する。
ステップ３７では、走行区画線の誤認識があると事象判断ユニット６１が判断する。
ステップ３８の処理は、第１実施形態における前記ステップ１７の処理と同様である。 At step 36, the event determination unit 61 determines that there is a fork in the road.
In step 37, the event determination unit 61 determines that there is an erroneous recognition of lane markings.
The processing of step 38 is the same as the processing of step 17 in the first embodiment.

３．走行区画線認識装置１０１が奏する効果
（２Ａ）走行区画線認識装置１０１は、道路の分岐の有無、及び、走行区画線の誤認識の有無を正確に判断することができる。この効果を図１３～図１６に基づき説明する。 3. Effect of lane line recognition device 101 (2A) The lane line recognition device 101 can accurately determine whether or not there is a branching of the road and whether or not there is an erroneous recognition of the lane line. This effect will be described with reference to FIGS. 13 to 16. FIG.

図１３に示す事例では、道路の分岐はなく、自車線４３の幅が一定である。また、この事例では、道路の勾配はない。また、この事例では、走行区画線認識装置１０１は、走行区画線３５、３７を正しく認識している。 In the example shown in FIG. 13, there is no road branching and the width of the own lane 43 is constant. Also, in this example, there is no slope of the road. Also, in this example, the lane marking recognition device 101 correctly recognizes the lane markings 35 and 37 .

図１３に示す事例の場合、統合線７３の曲率の絶対値は小さい。そのため、走行区画線認識装置１０１は、前記ステップ２９で肯定判断し、第１の閾値を設定する。また、幅Ｗ２ａ、幅Ｗ２ｂの差は小さいため、変化量ΔＷの絶対値は小さい。その結果、走行区画線認識装置１０１は、前記ステップ３２で否定判断し、前記ステップ３３に進む。前記ステップ３３に進むことは、道路の分岐、及び走行区画線の誤認識がないと判断することを意味する。 In the case shown in FIG. 13, the absolute value of the curvature of the integrated line 73 is small. Therefore, the traffic lane line recognition device 101 makes an affirmative determination in step 29, and sets the first threshold value. Also, since the difference between the width W2a and the width W2b is small, the absolute value of the variation ΔW is small. As a result, the traffic lane line recognition device 101 makes a negative determination in step 32 and proceeds to step 33 . Proceeding to step 33 means that it is determined that there is no erroneous recognition of a road branch and lane marking.

図１４に示す事例では、道路の分岐がある。自車線４３の幅は、走行方向に進むほど、大きい。この事例の場合、統合線７３の曲率の絶対値は大きい。走行区画線認識装置１０１は、前記ステップ２９で否定判断し、第２の閾値を設定する。また、幅Ｗ２ａ、幅Ｗ２ｂの差は大きいため、変化量ΔＷの絶対値は大きい。また、変化量ΔＷは正の値である。その結果、走行区画線認識装置１０１は、前記ステップ３２及び前記ステップ３５で肯定判断し、ステップ３６に進む。 In the example shown in FIG. 14, there is a road branch. The width of own lane 43 increases in the direction of travel. In this case, the absolute value of the curvature of the integrated line 73 is large. The traffic lane line recognition device 101 makes a negative determination in step 29, and sets the second threshold value. Moreover, since the difference between the width W2a and the width W2b is large, the absolute value of the variation ΔW is large. Also, the amount of change ΔW is a positive value. As a result, the traffic lane line recognition device 101 makes an affirmative determination in steps 32 and 35 and proceeds to step 36 .

図１５に示す事例では、道路に登り勾配が存在する。この事例では、道路の分岐はなく、自車線４３の幅は、実際には一定である。しかしながら、道路に登り勾配があるため、画像の上では見かけ上、幅Ｗ２ａは幅Ｗ２ｂより大きい。画像に基づき認識された走行区画線３５、３７の形状は左右対称であるため、統合線７３は直線に近い。そのため、統合線７３の曲率の絶対値は小さい。 In the example shown in FIG. 15, there is an uphill slope on the road. In this case, there are no road bifurcations and the width of own lane 43 is practically constant. However, since the road has an upward slope, the width W2a is apparently larger than the width W2b on the image. Since the lane markings 35 and 37 recognized based on the image are bilaterally symmetrical, the integrated line 73 is close to a straight line. Therefore, the absolute value of the curvature of the integrated line 73 is small.

図１５に示す事例の場合、走行区画線認識装置１０１は、前記ステップ２９で肯定判断し、第１の閾値を設定する。その結果、走行区画線認識装置１０１は、変化量ΔＷの絶対値が大きかったとしても、前記ステップ３２で否定判断し、前記ステップ３３に進む。前記ステップ３３に進むことは、道路の分岐、及び走行区画線の誤認識がないと判断することを意味する。 In the case shown in FIG. 15, the traffic lane line recognition device 101 makes an affirmative determination in step 29 and sets the first threshold value. As a result, even if the absolute value of the variation ΔW is large, the traffic lane line recognition device 101 makes a negative determination in step 32 and proceeds to step 33 . Proceeding to step 33 means that it is determined that there is no erroneous recognition of a road branch and lane marking.

図１６に示す事例では、自車線４３の一部に路面ノイズ４９が存在する。走行区画線認識装置１０１は、幅Ｗ２ａを算出するとき、路面ノイズ４９を走行区画線として誤認識する。そのため、走行区画線認識装置１０１は、幅Ｗ２ａを実際より小さく算出する。走行区画線認識装置１０１は、幅Ｗ２ｂを正しく算出する。 In the example shown in FIG. 16 , road surface noise 49 exists in a part of own lane 43 . When the lane marking recognition device 101 calculates the width W2a, it erroneously recognizes the road surface noise 49 as the lane marking. Therefore, the lane marking recognition device 101 calculates the width W2a to be smaller than the actual width. The lane marking recognition device 101 correctly calculates the width W2b.

図１６に示す事例の場合、統合線７３の曲率の絶対値は大きい。走行区画線認識装置１０１は、前記ステップ２９で否定判断し、第２の閾値を設定する。また、幅Ｗ２ａ、幅Ｗ２ｂの差は大きいため、変化量ΔＷの絶対値は大きい。また、変化量ΔＷは負の値である。その結果、走行区画線認識装置１０１は、前記ステップ３２で肯定判断し、前記ステップ３５で否定判断し、ステップ３７に進む。
道路が下り勾配の場合と、図１６に示すように路面ノイズ４９が存在する場合とは、画像の上では区別がつきにくいが、走行区画線認識装置１０１は、区別することができる。すなわち、下り勾配の場合は、統合線７３の曲率の絶対値は小さいため、路面ノイズ４９が存在する場合と区別することができる。 In the case shown in FIG. 16, the absolute value of the curvature of the integrated line 73 is large. The traffic lane line recognition device 101 makes a negative determination in step 29, and sets the second threshold value. Moreover, since the difference between the width W2a and the width W2b is large, the absolute value of the variation ΔW is large. Also, the amount of change ΔW is a negative value. As a result, the traffic lane line recognition device 101 makes an affirmative determination in step 32 and a negative determination in step 35 , and proceeds to step 37 .
Although it is difficult to distinguish between the case where the road is downhill and the case where the road surface noise 49 exists as shown in FIG. That is, in the case of a downward slope, since the absolute value of the curvature of the integrated line 73 is small, it can be distinguished from the case where the road surface noise 49 exists.

（２Ｂ）走行区画線認識装置１０１は、統合線７３の曲率の絶対値が小さいほど、前記ステップ３２で使用する閾値を大きくする。そのため、走行区画線認識装置１０１は、道路の分岐の有無、及び、走行区画線の誤認識の有無を一層正確に判断することができる。 (2B) The lane marking recognition device 101 increases the threshold used in step 32 as the absolute value of the curvature of the integrated line 73 decreases. Therefore, the lane line recognition device 101 can more accurately determine whether or not there is a branching of the road and whether or not there is an erroneous recognition of the lane line.

４．第２実施形態の変形例
（１）統合線７３の曲がりの程度を表す指標は曲率以外のものであってもよい。例えば、統合線７３の曲がりの程度を表す指標は、図１７に示す角度θ又は距離ｄであってもよい。点７５、７７、７９は統合線７３上にある。点７７は点７５と点７９との間にある。点７５、７７、７９は、統合線７３上で等間隔に配置されている。直線８１は点７５、７７を通る。直線８３は点７７、７９を通る。角度θは、直線８１と直線８３とが成す角度である。角度θが大きいほど、統合線７３の曲がりの程度は大きい。距離ｄは直線８１と点７９との距離である。距離ｄが大きいほど、統合線７３の曲がりの程度は大きい。 4. Modifications of Second Embodiment (1) The index representing the degree of bending of the integrated line 73 may be something other than curvature. For example, the index representing the degree of bending of the integrated line 73 may be the angle θ or the distance d shown in FIG. 17 . Points 75 , 77 , 79 lie on merging line 73 . Point 77 is between points 75 and 79 . Points 75 , 77 , 79 are evenly spaced on integration line 73 . A straight line 81 passes through the points 75,77. A straight line 83 passes through the points 77,79. The angle θ is the angle formed by the straight lines 81 and 83 . As the angle θ increases, the degree of bending of the integrated line 73 increases. Distance d is the distance between straight line 81 and point 79 . The greater the distance d, the greater the degree of bending of the integrated line 73 .

（２）走行区画線認識装置１０１は、前記ステップ２４で統合線７３を作成するとき、２本の走行区画線３５、３７のうち、認識できた距離が他方より長い走行区画線の重みを、他方の走行区画線の重みより大きくしてもよい。例えば、図１８に示すように、走行区画線３５を認識できた距離が、走行区画線３７を認識できた距離より長い場合、走行区画線認識装置１０１は、統合線７３を作成するとき、走行区画線３５の重みを、走行区画線３７の重みより大きくすることができる。この場合、統合線７３を一層正確に作成できる。 (2) When the lane line recognizing device 101 creates the integrated line 73 in step 24, the weight of the lane line recognized longer than the other of the two lane lines 35 and 37 is weighted as follows: It may be made larger than the weight of the other traffic lane line. For example, as shown in FIG. 18, when the distance over which the lane line 35 can be recognized is longer than the distance over which the lane line 37 can be recognized, the lane line recognizing device 101, when creating the integrated line 73, The weight of the lane marking 35 can be made larger than the weight of the lane marking 37 . In this case, the integrated line 73 can be created more accurately.

（３）図１９に示すように、走行区画線３５が実線であり、走行区画線３７が破線である場合、走行区画線認識装置１０１は、前記ステップ２４で統合線７３を作成するとき、走行区画線３５の重みを、走行区画線３７の重みより大きくすることができる。この場合、統合線７３を一層正確に作成できる。
＜第３実施形態＞
１．第２実施形態との相違点
第３実施形態は、基本的な構成は第２実施形態と同様であるため、相違点について以下に説明する。なお、第２実施形態と同じ符号は、同一の構成を示すものであって、先行する説明を参照する。 (3) As shown in FIG. 19, when the lane marking 35 is a solid line and the lane marking 37 is a dashed line, the lane line recognizing device 101 generates the integrated line 73 in step 24. The weight of the lane marking 35 can be made larger than the weight of the lane marking 37 . In this case, the integrated line 73 can be created more accurately.
<Third Embodiment>
1. Differences from Second Embodiment Since the basic configuration of the third embodiment is the same as that of the second embodiment, the differences will be described below. Note that the same reference numerals as in the second embodiment indicate the same configurations, and refer to the preceding description.

前述した第２実施形態では、走行区画線認識装置１０１は、図１０に示す処理を実行する。これに対し、第３実施形態では、走行区画線認識装置１０１は、図２０に示す処理を実行する点で第２実施形態と相違する。 In the second embodiment described above, the lane marking recognition device 101 executes the processing shown in FIG. On the other hand, in the third embodiment, the traffic lane line recognition device 101 is different from the second embodiment in that the processing shown in FIG. 20 is executed.

２．走行区画線認識装置１０１が実行する処理
走行区画線認識装置１０１が所定時間ごとに繰り返し実行する処理を、図２０に基づき説明する。図２０におけるステップ４１～４９の処理は、第２実施形態における前記ステップ２１～２９の処理と同様である。 2. Processing Executed by Lane Line Recognition Device 101 The processing repeatedly executed by the lane line recognition device 101 at predetermined time intervals will be described with reference to FIG. 20 . The processing of steps 41 to 49 in FIG. 20 is the same as the processing of steps 21 to 29 in the second embodiment.

ステップ４９で肯定判断した場合、本処理はステップ５０に進む。ステップ４９で否定判断した場合、本処理はステップ５２に進む。
ステップ５０の処理は、第２実施形態における前記ステップ３３の処理と同様である。
ステップ５１では、前記ステップ５０、又は後述するステップ５６で推定された道路形状を、出力ユニット２５が運転支援装置２９に出力する。 If the determination in step 49 is affirmative, the process proceeds to step 50 . If the determination in step 49 is negative, the process proceeds to step 52 .
The processing of step 50 is the same as the processing of step 33 in the second embodiment.
In step 51 , the output unit 25 outputs the road shape estimated in step 50 or step 56 described later to the driving support device 29 .

ステップ５２では、前記ステップ４８で算出した変化量ΔＷの絶対値が閾値以上であるか否かを事象判断ユニット６１が判断する。閾値は予め設定された固定値である。変化量ΔＷの絶対値が閾値未満である場合、本処理はステップ５０に進む。変化量ΔＷの絶対値が閾値以上である場合、本処理はステップ５３に進む。 At step 52, the event determination unit 61 determines whether or not the absolute value of the variation .DELTA.W calculated at step 48 is greater than or equal to the threshold. The threshold is a preset fixed value. If the absolute value of the variation ΔW is less than the threshold, the process proceeds to step 50 . If the absolute value of the variation ΔW is greater than or equal to the threshold, the process proceeds to step 53 .

ステップ５３では、前記ステップ４８で算出した変化量ΔＷが正の値であるか否かを事象判断ユニット６１が判断する。変化量ΔＷが正の値である場合、本処理はステップ５４に進む。変化量ΔＷが負の値である場合、本処理はステップ５５に進む。 At step 53, the event determination unit 61 determines whether or not the variation .DELTA.W calculated at step 48 is a positive value. If the amount of change ΔW is a positive value, the process proceeds to step 54 . If the amount of change ΔW is a negative value, the process proceeds to step 55 .

ステップ５４では、道路の分岐があると事象判断ユニット６１が判断する。
ステップ５５では、走行区画線の誤認識があると事象判断ユニット６１が判断する。
ステップ５６の処理は、第２実施形態における前記ステップ３８の処理と同様である。 At step 54, the event determination unit 61 determines that there is a fork in the road.
At step 55, the event determination unit 61 determines that there is an erroneous recognition of lane markings.
The processing of step 56 is the same as the processing of step 38 in the second embodiment.

３．走行区画線認識装置１０１が奏する効果
（３Ａ）走行区画線認識装置１０１は、道路の分岐の有無、及び、走行区画線の誤認識の有無を正確に判断することができる。この効果を図１３～図１６に基づき説明する。 3. Effect of lane line recognition device 101 (3A) The lane line recognition device 101 can accurately determine whether or not there is a branching of the road and whether or not there is an erroneous recognition of the lane line. This effect will be described with reference to FIGS. 13 to 16. FIG.

図１３に示す事例では、道路の分岐はなく、自車線４３の幅が一定である。また、この事例では、道路の勾配はない。また、この事例では、走行区画線認識装置１０１は、走行区画線３５、３７を正しく認識している。 In the example shown in FIG. 13, there is no road branching and the width of the own lane 43 is constant. Also, in this example, there is no slope of the road. Also, in this example, the lane marking recognition device 101 correctly recognizes the lane markings 35 and 37 .

図１３に示す事例の場合、統合線７３の曲率の絶対値は小さい。そのため、走行区画線認識装置１０１は、前記ステップ４９で肯定判断し、前記ステップ５０に進む。前記ステップ５０に進むことは、道路の分岐、及び走行区画線の誤認識がないと判断することを意味する。 In the case shown in FIG. 13, the absolute value of the curvature of the integrated line 73 is small. Therefore, the traffic lane line recognition device 101 makes an affirmative determination in step 49 and proceeds to step 50 . Proceeding to step 50 means that it is determined that there is no erroneous recognition of a road branch and lane marking.

図１４に示す事例では、道路の分岐がある。自車線４３の幅は、走行方向に進むほど、大きい。この事例の場合、統合線７３の曲率の絶対値は大きい。走行区画線認識装置１０１は、前記ステップ４９で否定判断し、前記ステップ５２に進む。また、幅Ｗ２ａ、幅Ｗ２ｂの差は大きいため、変化量ΔＷの絶対値は大きい。また、変化量ΔＷは正の値である。その結果、走行区画線認識装置１０１は、前記ステップ５２及び前記ステップ５３で肯定判断し、前記ステップ５４に進む。 In the example shown in FIG. 14, there is a road branch. The width of own lane 43 increases in the direction of travel. In this case, the absolute value of the curvature of the integrated line 73 is large. The traffic lane line recognition device 101 makes a negative determination in step 49 and proceeds to step 52 . Moreover, since the difference between the width W2a and the width W2b is large, the absolute value of the variation ΔW is large. Also, the amount of change ΔW is a positive value. As a result, the traffic lane line recognizing device 101 makes an affirmative determination in steps 52 and 53 and proceeds to step 54 .

図１５に示す事例では、道路に登り勾配が存在する。この事例では、道路の分岐はなく、自車線４３の幅は、実際には一定である。しかしながら、道路に登り勾配があるため、画像の上では見かけ上、幅Ｗ２ａは幅Ｗ２ｂより大きい。画像に基づき認識された走行区画線３５、３７の形状は左右対称であるため、統合線７３は直線に近い。そのため、統合線７３の曲率の絶対値は小さい。 In the example shown in FIG. 15, there is an uphill slope on the road. In this case, there are no road bifurcations and the width of own lane 43 is practically constant. However, since the road has an upward slope, the width W2a is apparently larger than the width W2b on the image. Since the lane markings 35 and 37 recognized based on the image are bilaterally symmetrical, the integrated line 73 is close to a straight line. Therefore, the absolute value of the curvature of the integrated line 73 is small.

図１５に示す事例の場合、走行区画線認識装置１０１は、前記ステップ４９で肯定判断し、前記ステップ５０に進む。前記ステップ５０に進むことは、道路の分岐、及び走行区画線の誤認識がないと判断することを意味する。 In the case of the case shown in FIG. 15, the traffic lane line recognition device 101 makes an affirmative determination in step 49 and proceeds to step 50 . Proceeding to step 50 means that it is determined that there is no erroneous recognition of a road branch and lane marking.

図１６に示す事例では、自車線４３一部に路面ノイズ４９が存在する。走行区画線認識装置１０１は、幅Ｗ２ａを算出するとき、路面ノイズ４９を走行区画線として誤認識する。そのため、走行区画線認識装置１０１は、幅Ｗ２ａを実際より小さく算出する。走行区画線認識装置１０１は、幅Ｗ２ｂを正しく算出する。 In the example shown in FIG. 16, road surface noise 49 exists in a part of own lane 43 . When the lane marking recognition device 101 calculates the width W2a, it erroneously recognizes the road surface noise 49 as the lane marking. Therefore, the lane marking recognition device 101 calculates the width W2a to be smaller than the actual width. The lane marking recognition device 101 correctly calculates the width W2b.

図１６に示す事例の場合、統合線７３の曲率の絶対値は大きい。走行区画線認識装置１０１は、前記ステップ４９で否定判断し、前記ステップ５２に進む。また、幅Ｗ２ａ、幅Ｗ２ｂの差は大きいため、変化量ΔＷの絶対値は大きい。また、変化量ΔＷは負の値である。その結果、走行区画線認識装置１０１は、前記ステップ５２で肯定判断し、前記ステップ５３で否定判断し、前記ステップ５５に進む。
道路が下り勾配の場合と、図１６に示すように路面ノイズ４９が存在する場合とは、画像の上では区別がつきにくいが、走行区画線認識装置１０１は、区別することができる。すなわち、下り勾配の場合は、統合線７３の曲率の絶対値は小さいため、路面ノイズ４９が存在する場合と区別することができる。 In the case shown in FIG. 16, the absolute value of the curvature of the integrated line 73 is large. The traffic lane line recognition device 101 makes a negative determination in step 49 and proceeds to step 52 . Moreover, since the difference between the width W2a and the width W2b is large, the absolute value of the variation ΔW is large. Also, the amount of change ΔW is a negative value. As a result, the traffic lane line recognition device 101 makes an affirmative determination in step 52, makes a negative determination in step 53, and proceeds to step 55 described above.
Although it is difficult to distinguish between the case where the road is downhill and the case where the road surface noise 49 exists as shown in FIG. That is, in the case of a downward slope, since the absolute value of the curvature of the integrated line 73 is small, it can be distinguished from the case where the road surface noise 49 exists.

（３Ｂ）走行区画線認識装置１０１は、統合線７３の曲がりの程度が予め設定された閾値以下である場合、道路の分岐及び走行区画線の誤認識が無いと判断する。そのため、走行区画線認識装置１０１は、道路の分岐の有無、及び、走行区画線の誤認識の有無を一層正確に判断することができる。
＜他の実施形態＞
以上、本開示の実施形態について説明したが、本開示は上述の実施形態に限定されることなく、種々変形して実施することができる。 (3B) If the degree of bending of the integrated line 73 is equal to or less than a preset threshold value, the traffic lane line recognition device 101 determines that there is no misrecognition of a road branch or traffic lane line. Therefore, the lane line recognition device 101 can more accurately determine whether or not there is a branching of the road and whether or not there is an erroneous recognition of the lane line.
<Other embodiments>
Although the embodiments of the present disclosure have been described above, the present disclosure is not limited to the above-described embodiments, and various modifications can be made.

（１）車載カメラ２７は、車両３の後方又は側方を表す画像を作成してもよい。
（２）上記実施形態における１つの構成要素が有する複数の機能を、複数の構成要素によって実現したり、１つの構成要素が有する１つの機能を、複数の構成要素によって実現したりしてもよい。また、複数の構成要素が有する複数の機能を、１つの構成要素によって実現したり、複数の構成要素によって実現される１つの機能を、１つの構成要素によって実現したりしてもよい。また、上記実施形態の構成の一部を省略してもよい。また、上記実施形態の構成の少なくとも一部を、他の上記実施形態の構成に対して付加又は置換してもよい。なお、特許請求の範囲に記載した文言から特定される技術思想に含まれるあらゆる態様が本開示の実施形態である。 (1) The in-vehicle camera 27 may create an image representing the rear or side of the vehicle 3 .
(2) A plurality of functions possessed by one component in the above embodiment may be realized by a plurality of components, or a function possessed by one component may be realized by a plurality of components. . Also, a plurality of functions possessed by a plurality of components may be realized by a single component, or a function realized by a plurality of components may be realized by a single component. Also, part of the configuration of the above embodiment may be omitted. Moreover, at least part of the configuration of the above embodiment may be added or replaced with respect to the configuration of the other above embodiment. It should be noted that all aspects included in the technical idea specified by the wording described in the claims are embodiments of the present disclosure.

（３）上述した走行区画線認識装置の他、当該走行区画線認識装置を構成要素とするシステム、当該走行区画線認識装置としてコンピュータを機能させるためのプログラム、このプログラムを記録した半導体メモリ等の非遷移的実態的記録媒体、走行区画線認識方法、運転支援方法等、種々の形態で本開示を実現することもできる。 (3) In addition to the lane line recognition device described above, a system having the lane line recognition device as a component, a program for making a computer function as the lane line recognition device, a semiconductor memory storing this program, etc. The present disclosure can also be implemented in various forms such as a non-transitional physical recording medium, lane line recognition method, driving support method, and the like.

１、１０１…走行区画線認識装置、３…車両、９…画像取得ユニット、１１…線認識ユニット、１３…車両幅算出ユニット、１５…車線幅算出ユニット、１７…幅変化検出ユニット、１９…距離推定ユニット、２１…基準設定ユニット、２３…形状推定ユニット、２７…車載カメラ、３１…画像、３３、３５、３７、３９…走行区画線、４３…自車線、４５…他の車両、４９…路面ノイズ、５５…幅変化算出ユニット、５７…統合線作成ユニット、５９…曲がり算出ユニット、６１…事象判断ユニット、６３…閾値設定ユニット DESCRIPTION OF SYMBOLS 1, 101... Running lane line recognition apparatus, 3... Vehicle, 9... Image acquisition unit, 11... Line recognition unit, 13... Vehicle width calculation unit, 15... Lane width calculation unit, 17... Width change detection unit, 19... Distance Estimation unit 21... Reference setting unit 23... Shape estimation unit 27... In-vehicle camera 31... Image 33, 35, 37, 39... Driving lane 43... Own lane 45... Other vehicle 49... Road surface Noise 55 Width change calculation unit 57 Combined line creation unit 59 Curve calculation unit 61 Event determination unit 63 Threshold setting unit

Claims (9)

車両（３）の周辺を表す画像（３１）を取得するように構成された画像取得ユニット（９）と、
前記画像に基づき、前記車両が走行している車線（４３）を区画する２本の走行区画線（３５、３７）を認識するように構成された線認識ユニット（１１）と、
前記画像に表示された他の車両（４５）の幅を算出するように構成された車両幅算出ユニット（１３）と、
前記他の車両の位置における前記車線の幅を、前記線認識ユニットが認識した前記２本の走行区画線に基づき算出するように構成された車線幅算出ユニット（１５）と、
前記他の車両の幅と、前記車線の幅との関係の時間の経過に伴う変化に基づき、前記車線の幅の変化を検出するように構成された幅変化検出ユニット（１７）と、
を備える走行区画線認識装置（１）。 an image acquisition unit (9) configured to acquire an image (31) representing the surroundings of the vehicle (3);
a line recognition unit (11) configured to recognize, based on said image, two lane lines (35, 37) demarcating a lane (43) in which said vehicle is traveling;
a vehicle width calculation unit (13) configured to calculate the width of another vehicle (45) displayed in said image;
a lane width calculation unit (15) configured to calculate the width of the lane at the position of the other vehicle based on the two lane lines recognized by the line recognition unit;
a width change detection unit (17) configured to detect changes in the width of the lane based on changes in the relationship between the width of the other vehicle and the width of the lane over time;
A traffic lane line recognition device (1) comprising: 請求項１に記載の走行区画線認識装置であって、
前記他の車両の幅と、前記車線の幅との関係は、前記他の車両の幅と、前記車線の幅との比率である走行区画線認識装置。 The traffic lane line recognition device according to claim 1,
The traffic lane line recognition device, wherein the relationship between the width of the other vehicle and the width of the lane is a ratio of the width of the other vehicle and the width of the lane. 請求項１又は２に記載の走行区画線認識装置であって、
前記車両から前記他の車両までの距離を推定するように構成された距離推定ユニット（１９）と、
前記幅変化検出ユニットが前記車線の幅の変化を検出したと判断するか否かの基準を、前記距離が大きいほど厳しくするように構成された基準設定ユニット（２１）と、
をさらに備える走行区画線認識装置。 The traffic lane line recognition device according to claim 1 or 2,
a distance estimation unit (19) configured to estimate the distance from the vehicle to the other vehicle;
a reference setting unit (21) configured to make a reference for determining whether the width change detection unit has detected a change in the width of the lane more severe as the distance increases;
A traffic lane line recognition device further comprising: 請求項１～３のいずれか１項に記載の走行区画線認識装置であって、
前記線認識ユニットが認識した前記２本の走行区画線に基づき道路形状を推定するように構成された形状推定ユニット（２３）をさらに備え、
前記幅変化検出ユニットが前記車線の幅の変化を検出した場合、前記形状推定ユニットは、前記車線の幅の変化が検出された部分に存在する前記２本の走行区画線のうち少なくとも一方を、前記道路形状の推定に使用しない走行区画線認識装置。 The traffic lane line recognition device according to any one of claims 1 to 3,
further comprising a shape estimation unit (23) configured to estimate a road shape based on the two lane markings recognized by the line recognition unit;
When the width change detection unit detects a change in the width of the lane, the shape estimation unit detects at least one of the two lane markings existing in the portion where the change in the width of the lane is detected. A traffic lane line recognition device that is not used for estimating the road shape. 車両（３）の周辺を表す画像（３１）を取得するように構成された画像取得ユニット（９）と、
前記画像に基づき、前記車両が走行している車線（４３）を区画する２本の走行区画線（３５、３７）を認識するように構成された線認識ユニット（１１）と、
前記車線の幅を、前記線認識ユニットが認識した前記２本の走行区画線に基づき算出するように構成された車線幅算出ユニット（１５）と、
前記車線の走行方向における前記車線の幅の変化量を算出する幅変化算出ユニット（５５）と、
前記車線の幅の変化量に基づき、前記車線の分岐、又は、前記走行区画線の誤認識である事象の有無を判断するように構成された事象判断ユニット（６１）と、
前記２本の走行区画線を統合して統合線を作成するように構成された統合線作成ユニット（５７）と、
前記統合線の曲がりの程度を算出するように構成された曲がり算出ユニット（５９）と、
を備え、
前記事象が有ると前記事象判断ユニットが判断するための条件は、前記曲がりの程度が小さいほど厳しい走行区画線認識装置（１０１）。 an image acquisition unit (9) configured to acquire an image (31) representing the surroundings of the vehicle (3);
a line recognition unit (11) configured to recognize, based on said image, two lane lines (35, 37) demarcating a lane (43) in which said vehicle is traveling;
a lane width calculation unit (15) configured to calculate the width of the lane based on the two lane lines recognized by the line recognition unit;
a width change calculation unit (55) for calculating the amount of change in the width of the lane in the direction of travel of the lane;
an event determination unit (61) configured to determine the presence or absence of an event that is the branching of the lane or misrecognition of the lane line based on the amount of change in the width of the lane;
an integrated line creating unit (57) configured to create an integrated line by integrating the two traffic lane lines;
a bend calculation unit (59) configured to calculate the degree of bend of said integrated line;
with
A traffic lane line recognizing device (101) wherein the condition for the event determination unit to determine that the event exists is more severe as the degree of the bend is smaller. 請求項５に記載の走行区画線認識装置であって、
前記曲がりの程度が予め設定された閾値以下である場合、前記事象判断ユニットは、前記事象が無いと判断する走行区画線認識装置。 The traffic lane line recognition device according to claim 5 ,
The traffic lane line recognition device, wherein the event determination unit determines that the event does not exist when the degree of curve is equal to or less than a preset threshold value. 請求項５に記載の走行区画線認識装置であって、
前記車線の幅の変化量の絶対値が閾値以上である場合、前記事象判断ユニットは、前記事象が有ると判断し、
前記曲がりの程度が小さいほど、前記閾値を大きく設定するように構成された閾値設定ユニット（６３）をさらに備える走行区画線認識装置。 The traffic lane line recognition device according to claim 5 ,
If the absolute value of the lane width change amount is equal to or greater than a threshold, the event determination unit determines that the event exists,
The traffic lane line recognition device further comprising a threshold value setting unit (63) configured to set the threshold value higher as the degree of bending is smaller. 請求項５～７のいずれか１項に記載の走行区画線認識装置であって、
前記統合線作成ユニットは、前記統合線を作成するとき、前記２本の走行区画線のうち、認識できた距離が他方より長い走行区画線の重みを、前記他方の走行区画線の重みより大きくするように構成された走行区画線認識装置。 The traffic lane line recognition device according to any one of claims 5 to 7 ,
When creating the integrated line, the integrated line creation unit assigns a greater weight to the lane line with a longer recognized distance than the other of the two lane lines than the weight of the other lane line. lane line recognition device configured to 請求項５～８のいずれか１項に記載の走行区画線認識装置であって、
前記統合線作成ユニットは、前記統合線を作成するとき、実線である走行区画線の重みを、実線以外の線種である走行区画線の重みより大きくするように構成された走行区画線認識装置。 The traffic lane line recognition device according to any one of claims 5 to 8 ,
The integrated line creation unit is a lane line recognition device configured to make the weight of a lane line that is a solid line greater than the weight of a lane line that is a line type other than a solid line when creating the integrated line. .
JP2018130621A 2018-07-10 2018-07-10 Traffic lane line recognition device Active JP7140574B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018130621A JP7140574B2 (en) 2018-07-10 2018-07-10 Traffic lane line recognition device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018130621A JP7140574B2 (en) 2018-07-10 2018-07-10 Traffic lane line recognition device

Publications (2)

Publication Number Publication Date
JP2020009234A JP2020009234A (en) 2020-01-16
JP7140574B2 true JP7140574B2 (en) 2022-09-21

Family

ID=69151875

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018130621A Active JP7140574B2 (en) 2018-07-10 2018-07-10 Traffic lane line recognition device

Country Status (1)

Country Link
JP (1) JP7140574B2 (en)

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014164461A (en) 2013-02-25 2014-09-08 Denso Corp Pedestrian detector and pedestrian detection method
JP2016172531A (en) 2015-03-18 2016-09-29 トヨタ自動車株式会社 Vehicle control device
US20160314358A1 (en) 2015-04-21 2016-10-27 Alpine Electronics, Inc. Electronic Device, Traveling Lane Identifying System, and Traveling Lane Identifying Method

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2014164461A (en) 2013-02-25 2014-09-08 Denso Corp Pedestrian detector and pedestrian detection method
JP2016172531A (en) 2015-03-18 2016-09-29 トヨタ自動車株式会社 Vehicle control device
US20160314358A1 (en) 2015-04-21 2016-10-27 Alpine Electronics, Inc. Electronic Device, Traveling Lane Identifying System, and Traveling Lane Identifying Method

Also Published As

Publication number Publication date
JP2020009234A (en) 2020-01-16

Similar Documents

Publication Publication Date Title
US9711049B2 (en) Collision probability determination apparatus and program
JP4869858B2 (en) Vehicle travel control system
JP5747787B2 (en) Lane recognition device
JP6889005B2 (en) Road parameter estimator
US10192444B2 (en) Forward collision warning system and method
US10162361B2 (en) Vehicle control device
US20100259617A1 (en) Boundary line recognition apparatus
CN107207008B (en) Controller of vehicle and control method for vehicle
US9988082B2 (en) Traveling path estimation apparatus
JP6741603B2 (en) Estimator
JP6020729B2 (en) Vehicle position / posture angle estimation apparatus and vehicle position / posture angle estimation method
WO2014104183A1 (en) Boundary recognition device and branch assessment device
JP7143722B2 (en) Vehicle position estimation device
JP5977275B2 (en) Branch recognition device
JP6301714B2 (en) Travel route generator
US20180012083A1 (en) Demarcation line recognition apparatus
US20150285614A1 (en) Travel path estimation apparatus and travel path estimation program
KR20140062240A (en) Lane recognition system and method
JP6189816B2 (en) Traveling line recognition device
JP6207952B2 (en) Leading vehicle recognition device
JP6408935B2 (en) Traveling line recognition device
WO2016158491A1 (en) Collision avoidance assistance device
JP7140574B2 (en) Traffic lane line recognition device
CN109839122B (en) Method and device for determining vehicle running state
JP5039013B2 (en) Vehicle travel support device, vehicle, vehicle travel support program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20210318

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20220209

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220222

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220322

TRDD Decision of grant or rejection written
A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20220816

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20220908

R150 Certificate of patent or registration of utility model

Ref document number: 7140574

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150