JP7245084B2 - 自動運転システム - Google Patents

自動運転システム Download PDF

Info

Publication number
JP7245084B2
JP7245084B2 JP2019047903A JP2019047903A JP7245084B2 JP 7245084 B2 JP7245084 B2 JP 7245084B2 JP 2019047903 A JP2019047903 A JP 2019047903A JP 2019047903 A JP2019047903 A JP 2019047903A JP 7245084 B2 JP7245084 B2 JP 7245084B2
Authority
JP
Japan
Prior art keywords
self
map
vehicle
unit
low
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
JP2019047903A
Other languages
English (en)
Other versions
JP2020148694A (ja
Inventor
秀行 粂
アレックス益男 金子
俊晴 菅原
哲 栗山
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.)
Hitachi Astemo Ltd
Original Assignee
Hitachi Astemo Ltd
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 Hitachi Astemo Ltd filed Critical Hitachi Astemo Ltd
Priority to JP2019047903A priority Critical patent/JP7245084B2/ja
Priority to PCT/JP2020/004729 priority patent/WO2020189079A1/ja
Priority to EP20774520.9A priority patent/EP3907720A4/en
Priority to CN202080007082.6A priority patent/CN113519019B/zh
Priority to US17/437,316 priority patent/US20220178717A1/en
Publication of JP2020148694A publication Critical patent/JP2020148694A/ja
Application granted granted Critical
Publication of JP7245084B2 publication Critical patent/JP7245084B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3815—Road data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/167—Driving aids for lane monitoring, lane changing, e.g. blind spot detection
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/28—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network with correlation of data from several navigational instruments
    • G01C21/30—Map- or contour-matching
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
    • G01C21/3461—Preferred or disfavoured areas, e.g. dangerous zones, toll or emission zones, intersections, manoeuvre types, segments such as motorways, toll roads, ferries
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3807—Creation or updating of map data characterised by the type of data
    • G01C21/3811—Point data, e.g. Point of Interest [POI]
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/38—Electronic maps specially adapted for navigation; Updating thereof
    • G01C21/3804—Creation or updating of map data
    • G01C21/3833—Creation or updating of map data characterised by the source of data
    • G01C21/3841—Data obtained from two or more sources, e.g. probe vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/588—Recognition of the road, e.g. of lane markings; Recognition of the vehicle driving pattern in relation to the road
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/09626—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages where the origin of the information is within the own vehicle, e.g. a local storage device, digital map
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/20—Monitoring the location of vehicles belonging to a group, e.g. fleet of vehicles, countable or determined number of vehicles
    • G08G1/202—Dispatching vehicles on the basis of a location, e.g. taxi dispatching
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/40—High definition maps
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2720/00—Output or target parameters relating to overall vehicle dynamics
    • B60W2720/10—Longitudinal speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
    • G01C21/34—Route searching; Route guidance
    • G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments

Description

本発明は、自己位置推定装置、および、それを備えた自動運転システム、および、自己生成地図共有装置に関する。
自動運転システムにおいては、自動運転の計画・判断に重要となる、車線中心線や停止線、交通ルールといった情報を高精度地図から取得するために、その高精度地図上での自車位置姿勢の推定精度を高める必要がある。一般的に、地図上での自車位置姿勢を推定するためには、ＧＮＳＳ（Global Navigation Satellite System）が広く用いられているが、自車位置姿勢を高精度に推定できるＧＮＳＳ受信器は高価であり、また、トンネル内やビルの近くなど、人工衛星からの電波が遮蔽されたり、反射したりする環境では推定精度が低下するという問題がある。
この問題に対し、例えば、特許文献１の請求項１には、「先導車両から与えられる情報に基づいて後続車両が追尾走行を行う追尾システムであって、先導車両は、周辺の環境情報を取得する環境情報取得手段と、前記環境情報と自己位置及び姿勢とに基づいて、環境マップを作成する環境マップ作成手段と、前記環境マップを送信する通信手段とを備え、前記後続車両は、前記先導車両によって作成された前記環境マップを受信する通信手段と、周辺の環境情報を取得する環境情報取得手段と、前記環境情報取得手段により取得された環境情報と、前記先導車両によって作成された環境マップとを照合することにより、自己の位置及び姿勢を推定する地図照合手段と、前記地図照合手段によって推定された自己の位置及び姿勢を参照して、最終的な自己の位置及び姿勢を決定する位置姿勢決定手段とを備える追尾システム」という記載がある。なお、同文献の段落０００２によれば、環境マップを作成する先導車両は、運転手によって運転されるものとされている。
特開２００９－１４９１９４号公報
特許文献１では、後続車両は、先導車両が作成した地図（環境マップ）上での自車位置姿勢を推定することで、高価な高精度ＧＮＳＳ受信器を用いることなく、追尾走行によって自動運転を実現している。
しかし、先導車両が作成した地図には車線中心線や停止線、交通ルールといった情報が含まれていないため、後続車両は追尾走行以外の自動運転を実現することが難しかった。
そこで、本発明では、運転手により運転される先導車両や、高価な高精度ＧＮＳＳ受信器を用いることなく、車線中心線や停止線、交通ルールといった情報を含んだ高精度地図上での自車位置姿勢の推定精度を高めることができる自己位置推定装置を提供することを目的とする。
本発明の代表的な自動運転システムの一つを示せば、自己位置推定装置を備える自動運転システムであって、前記自己位置推定装置は、車両の周囲に存在する物体を計測するセンサの計測結果から高精度地図上での自己位置姿勢を推定する自己位置推定部と、該自己位置推定部が推定した前記自己位置姿勢に基づいて推定精度の低い低精度区間を検出する低精度区間検出部と、該低精度区間検出部が検出した前記低精度区間における、前記物体の前記高精度地図上の位置と種類を保存した、自己生成地図を生成する自己地図生成部と、を備え、前記自動運転システムは、前記自己位置推定装置と、前記自己位置推定装置が推定した自己位置姿勢と、前記高精度地図と、ユーザから入力された目的位置と、前記低精度区間検出部が検出した低精度区間と、から現在位置から目的位置までの経路を計画する経路計画部と、を備え、前記経路計画部は、前記高精度地図に含まれる情報に基づいた通過コストと、前記低精度区間検出部が定めた通過コストの両方を考慮して経路を計画する自動運転システムである。
本発明の自己位置推定装置によれば、運転手により運転される先導車両や、高価な高精度ＧＮＳＳ受信器を用いることなく、車線中心線や停止線、交通ルールといった情報を含んだ高精度地図上での自車位置姿勢の推定精度を高めることができる。
実施例１の自己位置推定装置のブロック図 自車の周辺環境の一例 高精度地図の一例 時刻ｔ１における、自車の前方の特徴検出結果の一例 時刻ｔ２における、自車の前方の特徴検出結果の一例 過去特徴データの一例 自己生成地図の一例 物体種類に応じた使用期限の一例 自己位置推定部によって推定された高精度地図上の自車位置の一例 推定した過去の自車位置姿勢の一例 自己位置推定装置を用いた、実施例２の自動運転システムのブロック図 実施例２の経路計画部の動作の一例 実施例３の通信機能付き自己位置推定装置と、自己生成地図共有装置のブロック図
以下、本発明の実施例を、図面を用いて説明する。
以下、図１～図９を参照して、本発明の実施例１に係る自己位置推定装置１を説明する。
（ブロック構成）
図１は、本実施例の自己位置推定装置１のブロック構成を示す図である。なお、自己位置推定装置１は、実際には、ＣＰＵ等の演算装置、半導体メモリ等の主記憶装置、補助記憶装置、および、通信装置などのハードウェアを備えた計算機である。そして、補助記憶装置に記録されたデータベースを参照しながら、主記憶装置にロードされたプログラムを演算装置が実行することで、後述する各機能を実現するが、以下では、このような計算機分野での周知技術を適宜省略しながら説明する。
図１に示すように、自己位置推定装置１は、特徴検出部１１と、特徴マッチング部１２と、自己位置推定部１３と、低精度区間検出部１４と、自己地図生成部１５と、を備え、過去特徴データ３と、自己生成地図４を保持する。また、自己位置推定装置１には、センサ５の計測結果と、図示しない上位システムからの高精度地図２が入力される。なお、以下では、データ量の大きい高精度地図２のうち自車周囲領域部を外部から逐次取得する構成を前提に説明を進めるが、自己位置推定装置１が高精度地図２の全体を保持する構成であっても良い。
センサ５は、自車Ｖ０に搭載され、自車Ｖ０の周囲の環境を計測するものである。センサ５は、例えば、単眼カメラ、ステレオカメラ、ＬｉＤＡＲ、ミリ波レーダー、ソナーなどであり、自車Ｖ０の周囲に存在する物体の三次元位置を計測する。なお、単眼カメラを用いる場合には、取得されるデータは画像Ｉであるため、周囲の物体の三次元位置を直接計測することはできないが、公知のモーションステレオ法などにより、複数の画像Ｉを用いることで、三次元位置を計測することが可能である。ステレオカメラは三次元情報に加え、画像Ｉから自動運転における計画・判断に必要となる車線や停止線といった情報を検出することが可能である。
以下では、特に断らない限り、センサ５は前方を向けて車内に取り付けられたステレオカメラであり、計測結果は画像Ｉであるものとする。ただし、センサ５はステレオカメラに限定するものではなく、その他のセンサや単眼カメラとＬｉＤＡＲなど複数のセンサの組み合わせでも良い。また、センサ５として、自車Ｖ０の周囲の環境を計測するセンサに加えて、自車Ｖ０の状態を計測するセンサを用いても良い。例えば、高精度地図２における自車位置姿勢ｘを計測可能なＧＮＳＳやコンパス、ジャイロスコープを用いても良い。また、道路に設置されたビーコンなどと通信をすることで自車位置姿勢ｘなどの情報を取得するセンサを用いても良い。
特徴検出部１１は、センサ５の計測結果から高精度地図２に含まれない特徴的な情報を検出し、過去特徴データ３として保存する。特徴マッチング部１２は、特徴検出部１１によって検出された特徴と、自己生成地図４に保存されている特徴を対応付ける。自己位置推定部１３は、センサ５の計測結果と、特徴マッチング部１２による特徴のマッチング結果から、自車位置姿勢ｘを推定する。低精度区間検出部１４は、自己位置推定部１３が推定した自車位置姿勢ｘから、自車位置姿勢ｘの推定精度が低い区間を検出する。自己地図生成部１５は、過去特徴データ３と自己位置推定部１３が推定した自車位置姿勢ｘから、低精度区間検出部１４が検出した自車位置姿勢ｘの推定精度が低い区間の自己生成地図４を生成する。
図２は、自己位置推定装置１を搭載した自車Ｖ０の周辺環境の一例である。同図では、自車Ｖ０は交差点に進入しようとしており、その周囲には、車線Ｌ１や停止線Ｌ２、信号機Ｌ３、建物Ｌ４、電柱Ｌ５、樹木Ｌ６等のランドマークに加え、他車Ｖ１が存在している。自車Ｖ０に搭載された自動運転システムは、自車Ｖ０に搭載されたセンサ５による周囲の計測結果と、自己位置推定装置１が推定した自車位置姿勢ｘを用いて高精度地図２から取得した自車Ｖ０の周囲情報と、予め自動運転システムに設定された目標地点の情報と、から目標地点までの経路Ｒを計算し、経路Ｒに沿って自動で自車Ｖ０を走行させる。図２の例では、交差点を右折する経路Ｒが計算されている。
図３は、高精度地図２の一例であり、図２に示した場所における高精度地図２を例示している。この高精度地図２は、白線２ａ、停止線２ｂ、信号機２ｃ、車線中心線２ｄの位置や、制限速度２ｅ（例えば、５０ｋｍ／ｈ）といった交通ルールなどの、自動運転の計画・判断に必要な情報を含んでいる。従って、自己位置推定装置１は、高精度地図２上での自車位置姿勢ｘを推定することで、高精度地図２から自車Ｖ０の周囲のランドマーク情報や交通ルール情報を取得することが可能となる。
（特徴検出部１１の動作）
次に、図４Ａ、図４Ｂ、図５を用いて、特徴検出部１１における処理の内容について説明する。
特徴検出部１１は、センサ５の計測結果から特徴的な情報を検出し、過去特徴データ３として保存するものであり、例えば、センサ５から取得したデータに対して、公知の物体認識手法を適用することで、電柱や建物、樹木といった物体を検出し、物体の種類と三次元位置の組み合わせを過去特徴データ３として保存する。
センサ５が単眼カメラやステレオカメラである場合には、例えば、Joseph Redmon, Santosh Divvala, Ross Girshick, Ali Farhadi, You Only Look Once: Unified, Real-Time Object Detection, IEEE Conference on Computer Vision and Pattern Recognition, 2016, pp. 779-788、を用いて、画像Ｉから物体を認識することができる。また、センサ５としてカメラと三次元情報を直接計測できるセンサを組み合わせて用いる場合は、この手法に代え、画像Ｉと三次元情報から物体を検出する公知の手法を用いても良い。
図４Ａ、図４Ｂは、特徴検出部１１による特徴検出結果の一例を示す図である。図４Ａは、ある時刻ｔ１に撮像された画像Ｉ１であり、この画像からは、建物Ｂ１、電柱Ｂ２、自動車Ｂ３が検出されている。また、図４Ｂは、自車Ｖ０が所定距離前進した時刻ｔ２に撮像された画像Ｉ２であり、この画像では、上記のＢ１～Ｂ３に加え、更に樹木Ｂ４が検出されている。
図５は、特徴検出部１１が保存した過去特徴データ３の一例である。ここに示すように、過去特徴データ３には、「時刻」、「センサに対する三次元位置」、「物体種類」の各情報が保存されている。例えば、図４Ａ、図４Ｂに対する過去特徴データ３としては、時刻ｔ１に検出された建物Ｂ１と電柱Ｂ２について、センサ５が計測した三次元位置と共に各々の物体種別が保存されている。同様に、時刻ｔ２に検出された建物Ｂ１と電柱Ｂ２について、自車Ｖ０の前進により変化した三次元位置が保存されている。また、時刻ｔ２には、自車Ｖ０の前進により、時刻ｔ１では検出されていなかった樹木Ｂ４が検出されているため、過去特徴データ３には樹木Ｂ４に関する情報も保存されている。なお、「センサに対する三次元位置」は、例えば、センサ５の位置を基準点としたときの各物体の中心や重心の位置である。
ここで、過去特徴データ３は、後述する自己地図生成部１５での自己生成地図４の作成時に使用されるデータであるため、動物体を排除したものであることが望ましい。そのため、特徴検出部１１は、センサ５から取得したデータから動物体を検出した場合であっても、その動物体の三次元位置は過去特徴データ３に保存しない。なお、動物体であるかの判断には、異なる時刻に取得された物体データを比較することで、動物体を検出する公知の手法を用いることができる。また、物体の種類によって、動物体であるかどうかを判定しても良い。例えば、図４Ａ、図４Ｂでは、対向車が自動車Ｂ３として検出されているが、自動車は動物体である可能性が高いため、図５では、自動車Ｂ３を過去特徴データ３としては保存していない。
以上で説明した図５では、特徴検出部１１が、物体認識手法によって検出された物体を特徴として保存する場合の例を示したが、特徴検出部１１の動作はこれに限定されない。例えば、特徴検出部１１はセンサ５から取得した三次元位置をすべて三次元点群として過去特徴データ３に保存しても良い。また、図５では、一つの物体に対して一つの三次元位置を保存しているが、例えば、一つの物体に対して、その物体上に計測されたすべての三次元位置を保存しても良い。また、特徴検出部１１は、三次元位置と物体種類に加えて、テクスチャ情報など、後述する特徴マッチング部１２で使用するための情報を保存しても良い。
（特徴マッチング部１２の動作）
次に、図６、図７を用いて、特徴マッチング部１２における処理の内容について説明する。特徴マッチング部１２は、特徴検出部１１によって検出された特徴と、自己生成地図４に保存されている特徴を対応付ける。
図６は、自己生成地図４の一例を示す図である。ここに示すように、自己生成地図４には、「高精度地図の座標系における三次元位置」、「物体種類」、「計測日時」の各情報が保存されている。この自己生成地図４は、自己地図生成部１５が作成したものであるが、この生成方法は後述する。
特徴マッチング部１２は、例えば、特徴の種類毎に、特徴検出部１１によって検出された特徴のセンサ５からの相対位置を、一時刻前に自己位置推定部１３によって推定された自車Ｖ０の高精度地図２上での位置を用いて高精度地図２上での位置に変換し、自己生成地図４に記載されている特徴の中から位置が最も近いものを対応する特徴とする方法を用いることができる。また、過去特徴データ３に、テクスチャ情報など、対応付けのための情報が保存されている場合には、それを用いて対応付けを実施しても良い。
また、特徴マッチング部１２は、予め設定された物体種類に応じた使用期限に基づいて、対応付けに用いる特徴を選択しても良い。図７は、物体種類に応じた使用期限の一例を示す図である。ここでは、建物や電柱といった時間変化が少ないと考えられる物体に対する使用期限は長く、樹木のように時間変化が大きいと考えられる物体に対する使用期限は短く設定している。これにより、特徴マッチング部１２は、自己生成地図４に保存されている各物体の計測日時と現在の日時の差が、使用期限以内の物体のみを対応付けに用いる。
（自己位置推定部１３の動作）
次に、自己位置推定部１３における処理の内容について説明する。自己位置推定部１３は、センサ５の計測結果と、特徴マッチング部１２による特徴のマッチング結果から、自車位置姿勢ｘを推定する。なお、自己生成地図４が存在しない区間においては、特徴のマッチング結果も存在しないため、このような区間においては、自己位置推定部１３は、センサ５の計測結果のみに基づいて自車位置姿勢ｘを推定する。
センサ５の計測結果を用いた自車位置姿勢ｘの推定には、公知の様々な手法を用いることができる。例えば、センサ５の計測結果から、高精度地図２に含まれる白線２ａや停止線２ｂ、信号機２ｃといったランドマークを検出し、高精度地図２上のランドマークと対応付けることで、高精度地図２上での自車位置姿勢ｘを推定することができる。例えば、ランドマークの検出には、センサ５として単眼カメラやステレオカメラを用いる場合、画像からランドマークを検出する特開２００９－１３９３０６号公報に記載の手法を用いることができる。また、ランドマークの対応付けには、ランドマークの種類毎に、検出されたランドマークのセンサからの位置を、一時刻前に自己位置推定部１３で推定された自車Ｖ０の高精度地図２上での位置を用いて高精度地図２上での位置に変換し、高精度地図２上に記載されているランドマークの中から位置が最も近いものを対応するランドマークとする方法を用いることができる。
センサ５の計測結果を用いた自車位置姿勢ｘの推定に上述のランドマークの検出・対応付けに基づく手法を用いる場合には、自己位置推定部１３は以下の式１により現在の自車位置姿勢ｘを推定する
Figure 0007245084000001
ここで、Ｌは対応付けられたランドマークの集合、ｌｉは高精度地図２上のランドマークの位置、l’i(x)は自車位置姿勢ｘによって高精度地図２上の位置へ変換した、検出されたランドマークの位置、Ｆは特徴マッチング部１２により対応付けられた特徴の集合、ｆｉは自己生成地図４上の特徴の位置、f’i(x)は自車位置姿勢ｘによって自己生成地図４上の位置へ変換した、特徴検出部１１によって検出された特徴の位置である。また、ωｌｉ、ωｆｉは重み、d(a,a’)はａとａ’の間の距離を表す。ここで、ａおよびａ’が三次元空間中の点として表される場合には、d(a,a’)は２点間の距離となる。また、ａおよびａ’が三次元空間中の線として表される場合には、例えば、一方の線上に一定間隔で配置したサンプリング点からもう一方の線におろした垂線の長さの平均を距離とする。
ここで、式１の最適化において、公知の誤対応除去手法を用いて、ランドマークの対応付け、特徴マッチング部１２における特徴の対応付けに含まれる誤対応を除去しても良い。例えば、ランダムサンプリングに基づいて誤対応を除去する、M.A. Fischler and R.C. Bolles, Random Sample Consensus: A Paradigm for Model Fitting with Applications to Image Analysis and Automated Cartography, Communications of the ACM, vol.24, no.6, pp.381-395, 1981.を用いることができる。
また、センサ５としてＧＮＳＳや道路に設置されたビーコンなど、自車位置姿勢ｘを計測可能なセンサを用いても良い。この場合には、自己位置推定部１３は以下の式２により現在の自車位置姿勢ｘを推定する。
Figure 0007245084000002
ここで、ｘｓはＧＮＳＳやビーコンによって計測された高精度地図２上での自車位置姿勢、ωｘは重みを表す。
（低精度区間検出部１４の動作）
次に、図８を用いて、低精度区間検出部１４における処理の内容について説明する。低精度区間検出部１４は、自己位置推定部１３が推定した自車位置姿勢ｘに基づいて、自車位置姿勢ｘの推定精度が低い区間を検出する。
図８は、自己位置推定部１３が推定した高精度地図２上の自車位置Ｐの一例を示す図である。この例では、図２に示した環境において、図３に示した高精度地図２とのランドマークの対応付けに基づいて自車位置Ｐを推定した結果、時刻ｔ１の自車位置Ｐ１と、直後の時刻ｔ２の自車位置Ｐ２の間の距離Δが異常に大きく、推定した自車位置Ｐに不連続が生じている状況を示している。この不連続が生じた理由は、停止線２ｂの検出に失敗した結果、時刻ｔ１以前は自車位置Ｐの誤差を補正できなかったのに対し、時刻ｔ２以後は、右折後に検出できた白線２ａとの対応付けにより自車位置Ｐを補正でき、その推定精度が高まったためである。
このように、低精度区間検出部１４は、時刻ｔ１、ｔ２の自車位置Ｐ１、Ｐ２の間の距離Δが予め設定された閾値以上の時に、時刻ｔ１以前の区間を低精度区間として検出することができる。
（自己地図生成部１５の動作）
次に、図９を用いて、自己地図生成部１５における処理の内容について説明する。自己地図生成部１５は、過去特徴データ３と自己位置推定部１３が推定した自車位置姿勢ｘから、低精度区間検出部１４が検出した推定精度が低い区間における自己生成地図４を生成する。なお、自己地図生成部１５は、自己生成地図４をリアルタイムに生成する必要はなく、計算機の処理負荷が少ないタイミングで地図生成処理を実施しても良い。また、本実施例においては、自己地図生成部１５での自己生成地図４の生成とは、自己生成地図４を新規に生成する処理だけではなく、既存の自己生成地図４および高精度地図２の内容の修正処理を含む概念である。
自己地図生成部１５の処理は、過去の自車位置姿勢ｘ’の推定処理と、特徴データの地図への配置処理と、からなる。
まず、過去の自車位置姿勢ｘ’の推定処理では、自己地図生成部１５は、過去特徴データ３と自己位置推定部１３が推定した自車位置姿勢ｘから、過去特徴データ３を計測したときの自車位置姿勢ｘ’を推定する。図９は、自己地図生成部１５が推定した過去の自車位置姿勢ｘ’から特定した過去の自車位置Ｐ’の一例を示す図である。過去の自車位置姿勢ｘ’の推定には種々の方法を利用できるが、例えば、以下の式３により時刻ｔ１以前の任意の時刻Ｔの自車位置姿勢ｘ’を推定しても良い。
Figure 0007245084000003
ここで、ｘ’Ｔは、自己地図生成部１５が推定する時刻Ｔにおける自車位置姿勢、ｘＴ、ｘｔ１、ｘｔ２は、自己位置推定部１３が推定した時刻Ｔ、ｔ１、ｔ２の自車位置姿勢である。
また、過去の自車位置姿勢ｘ’の推定処理は、過去特徴データ３から公知の手法により、時刻ｔ２の自車位置姿勢ｘに対する時刻ｔ１以前の時刻の相対的な自車位置姿勢ｘ’を推定し、過去の自車位置姿勢ｘ’の推定に用いても良い。例えば、画像から画像を撮影したときのカメラの相対位置姿勢を推定するStructure-from-Motion法を用いることができる。過去の自車位置姿勢ｘ’は、推定された相対自車位置姿勢から、以下の式４により推定される。
Figure 0007245084000004
ここで、ｙｔ２，Ｔは、過去特徴データ３から推定した時刻ｔ２の自車位置姿勢ｘに対する任意の時刻Ｔの相対自車位置姿勢を表す。これにより、自己位置推定部１３で用いた自車位置姿勢推定手法よりも、計算時間は必要なものの高精度に相対的な自車位置姿勢を推定できる手法を用いることで、より高精度に過去の自車位置姿勢ｘ’を推定することができる。
次に、特徴データの地図への配置処理では、自己地図生成部１５は、推定された過去の自車位置姿勢ｘ’と過去特徴データ３から、特徴データを高精度地図２と同じ座標系へ配置し、自己生成地図４を生成または更新する。図６は、自己生成地図４の一例を示す図である。このように、過去特徴データ３に保存されているセンサ５に対する三次元位置は、推定された過去の自車位置姿勢ｘ’に基づいて高精度地図２上の三次元位置に変換され、物体種類と合わせて保存されている。ここで、図５で例示したように、過去特徴データ３では、同じ物体が複数の時刻で計測されているため、同じ物体種類、かつ、高精度地図２上の位置が近いデータは、例えば、複数の三次元位置の平均を保存することで、一つの物体としてまとめても良い。また、自己生成地図４には各物体を計測した日時も保存する。
（効果）
上述した実施例１の自己位置推定装置１によれば、次の効果が得られる。
（１） 自己位置推定装置１は、特徴検出部１１と、特徴マッチング部１２と、自己位置推定部１３と、低精度区間検出部１４と、自己地図生成部１５と、を備える。特徴検出部１１は、自車Ｖ０の周囲の環境を計測するセンサ５の計測結果から特徴的な情報を検出し、過去特徴データ３として保存する。特徴マッチング部１２は、特徴検出部１１によって検出された特徴と、自己生成地図４に保存されている特徴を対応付ける。自己位置推定部１３はセンサ５の計測結果と、特徴マッチング部１２による特徴のマッチング結果から、自車位置姿勢を推定する。低精度区間検出部１４は自己位置推定部１３が推定した自車位置姿勢から、自車位置姿勢の推定精度が低い区間を検出する。自己地図生成部１５は、過去特徴データ３と自己位置推定部１３が推定した自車位置姿勢から、低精度区間検出部１４が検出した自車位置姿勢の推定精度が低い区間の自己生成地図４を生成する（図１）。そのため、自己生成地図４を用いることで、運転手により運転される先導車両や、高価な高精度ＧＮＳＳ受信器を用いることなく、車線中心線や停止線、交通ルールといった情報を含んだ高精度地図上での自車位置姿勢を高精度に推定することができる。
（２） 低精度区間検出部１４は自己位置推定部１３が推定した自車位置姿勢から、高精度地図２上での自車位置の時間変化が大きいときに、時間変化が大きい点以前を自車位置姿勢の推定精度が低い区間として検出する（図８）。そのため、簡易な処理で自車位置姿勢の推定精度が低かった区間を検出することができる。
（３） 自己地図生成部１５は、低精度区間検出部１４が検出した自車位置姿勢の推定低精度が低かった区間のみ、自己生成地図４を生成する（図９）。そのため、処理負荷および記憶領域の使用量を削減することができる。
（４） 自己地図生成部１５は、処理負荷の少ないタイミングに動作し、自己生成地図４を生成する。そのため、リアルタイム処理を実行する場合よりも多くのデータを扱うことで過去の自車位置姿勢を高精度に推定でき、自己生成地図４の精度が高くなることで、高精度に自車位置姿勢を推定することができる。
（５） 特徴検出部１１は、高精度地図２に含まれない物体を検出する（図４Ａ、図４Ｂ、図５）。自己地図生成部１５は、特徴検出部１１が検出した物体を、推定した過去の自車位置Ｐ’に基づいて、自己生成地図４として保存する。特徴マッチング部１２は、特徴検出部１１が検出した特徴と、自己生成地図４に含まれる特徴を対応付ける。自己位置推定部１３はセンサ５の計測結果と、特徴マッチング部１２による特徴のマッチング結果から、自車位置姿勢を推定する。そのため、高精度地図２には含まれない物体の情報を用いることで、高精度地図とのマッチングのみに基づく自車位置推定手法よりも高精度に自車位置姿勢を推定することができる。
（６） 特徴マッチング部１２は、特徴検出部１１が検出した物体の種類と、自己生成地図４が作成された日時に基づき、物体の種類毎に対応付けに用いるか否かを決定する（図７）。そのため、樹木などの時間変化が大きい物体であっても自己生成地図４が作成されてからの時間経過が小さい場合には自車位置姿勢の推定に利用することで、自車位置姿勢の推定に利用できる情報が多くなり、より高精度に自車位置姿勢を推定できる。
次に、図１０、図１１を参照して、本発明の実施例２に係る自動運転システムを説明する。なお、以下の説明では、実施例１と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、実施例１と同じである。本実施例では、自己位置推定装置１を用いた自動運転システム７を対象とする。
（ブロック構成）
図１０は、自車Ｖ０に搭載された、本実施例の自動運転システム７のブロック図である。ここに示すように、自動運転システム７は、実施例１で説明した自己位置推定装置１と、経路計画部７１と、表示部７２と、車両制御部７３と、を備える。なお、自己位置推定装置１と経路計画部７１と車両制御部７３は、車両に搭載されたＥＣＵ（Electronic Control Unit）と呼ばれる一つの計算機で実現されるものであっても良い。
実施例１でも説明したように、自己位置推定装置１は、高価な高精度ＧＮＳＳ受信器を用いることなく、高精度地図２上での自車位置姿勢ｘを推定するものである。一方、経路計画部７１は、自己位置推定装置１の出力と、高精度地図２と、ユーザから入力された目的位置Ｇと、から現在位置から目的位置Ｇまでの経路Ｒを計画する。表示部７２は、経路計画部７１が計画した経路Ｒをユーザに表示する。センサ５は自車Ｖ０の周囲や内部の状態を計測し、自己位置推定装置１と車両制御部７３に出力する。車両制御部７３は、自己位置推定装置１が推定した自車位置姿勢と、経路計画部７１が計画した経路Ｒと、センサ５の計測結果から自車Ｖ０の速度や操舵量を決定し、自車Ｖ０のアクチュエータに出力する。これらによって、自車Ｖ０の自動運転が実現される。
（経路計画部の動作）
次に、図１１を用いて、経路計画部７１における処理の内容について説明する。経路計画部７１は、自己位置推定装置１の出力と、高精度地図２と、ユーザから入力された目的位置Ｇと、から現在位置から目的位置Ｇまでの経路Ｒを計画する。
図１１は、経路計画部７１の動作の一例を示す図である。経路計画部７１では、広範囲の情報を参照する必要があるため、高精度地図２をノードＮとエッジＥで簡易表現している。ノードＮは、交差点などの道路の分岐を表している。エッジＥは、ノードＮ同士を接続する道路を表しており、高精度地図２に含まれる情報に基づいた通過コストＣ２（図１１では四角枠内の数字）に加え、自己位置推定装置１の出力に基づいた通過コストＣ１（図１１では三角枠内の数字）が設定されている。また、現在位置Ｐが自己位置推定装置１によって推定されており、目的位置Ｇがユーザにより入力されている。
例えば、自己位置推定装置１の出力に基づいた通過コストＣ１は、低精度区間検出部１４が検出した低精度区間に対して高い通過コストＣ１を設定しても良い。具体的には、低精度区間の検出に用いた時刻ｔ２と時刻ｔ１の間の自車位置Ｐの差（図８に例示した距離Δ）が大きいほど、大きな通過コストＣ１を設定する。また、例えば、自己位置推定装置１の出力に基づいた通過コストＣ１は、過去走行時の自己位置推定部１３の結果によって決定しても良い。具体的には、上述した式１もしくは式２の残差が大きい場合には、自車位置姿勢ｘの精度が低いと判断し、通過コストＣ１を大きくする。また、式１もしくは式２の残差が小さい場合には、自車位置姿勢ｘの精度が高いと判断し、通過コストＣ１を小さくする。また、過去に走行していないエッジＥについては通過コストＣ１を設定しない。
経路計画部７１は、高精度地図２の情報と、現在位置Ｓと、目的位置Ｇから、ダイクストラ法などの、公知の経路計画法により、合計通過コストが最小となる経路Ｒを計画する。ここで、従来の経路計画手法では、高精度地図２に含まれる情報に基づいた通過コストＣ２のみを考慮するため、図１１の例では、合計通過コストがより小さくなる、ノードＮ１、Ｎ３、Ｎ４を通る経路Ｒ２が選択される。一方、本実施例の経路計画部７１では、高精度地図２に含まれる情報に基づいた通過コストＣ２に加え、自己位置推定装置１の出力に基づいた通過コストＣ１を考慮するため、合計通過コストがより小さくなる、ノードＮ１、Ｎ２、Ｎ４を通る経路Ｒ１が選択される。
（表示部の動作）
表示部７２は経路計画部７１が計画した経路Ｒをユーザに表示する。表示部７２は通常のカーナビゲーションシステムと同様に、経路計画部７１が計画した経路Ｒを、画面などを通してユーザに表示する。ここで、経路計画部７１が算出した経路Ｒが、高精度地図２に含まれる情報に基づいた通過コストＣ２のみから算出された経路Ｒ２と異なる場合には、色や文字、その他の提示手段を用いて、ユーザに自己位置推定装置１の出力に基づいた通過コストＣ１を考慮することにより経路Ｒ１が計画されたことを表示する。
（車両制御部７３の動作）
車両制御部７３は、自己位置推定装置１が推定した自車位置姿勢ｘと、経路計画部７１が計画した経路Ｒと、センサ５の計測結果から自車Ｖ０の速度や操舵量を決定し、速度や操舵量を制御するためのアクチュエータに出力する。
ここで、公知の制御手法により、経路Ｒと、センサ５の計測結果から自車Ｖ０の速度や操舵量を決定することができる。車両制御部７３では、公知の手法に加えて、自己位置推定装置１の出力に基づいて速度や操舵量を決定する。具体的には、低精度区間検出部１４が検出した低精度区間を走行する場合には、通常の走行時よりも速度や操舵量を小さくする。また、自己生成地図４が存在しない区間を走行する場合には、自車位置姿勢の精度が低下するおそれがあるため、通常の走行時よりも速度や操舵量を小さくする。
（効果）
上述した実施例２によれば、次の効果が得られる。
（１） 経路計画部７１は高精度地図２に含まれる情報に基づいた通過コストＣ２と、自己位置推定装置１の出力に基づいた通過コストＣ１の両方を考慮して経路を計画する（図１０）。通過コストＣ１は、低精度区間検出部１４によって検出された低精度区間、もしくは、自己位置推定部１３によって推定された自車位置姿勢の精度が低い区間に対して大きな値が設定される。そのため、自己位置推定装置１による自車位置姿勢ｘの推定精度が高い経路Ｒを選択することで、より滑らかな自動運転を実現することができる。
（２） 表示部７２は経路計画部７１が算出した経路Ｒが、高精度地図２に含まれる情報に基づいた通過コストＣ２のみから算出された経路Ｒ２と異なる場合には、色や文字、その他の提示手段を用いて、ユーザに自己位置推定装置１の出力に基づいた通過コストＣ１を考慮することにより経路Ｒが計画されたことを表示する。そのため、通常のカーナビゲーションシステムと違う経路を通った場合に、ユーザに理由を提示することで、ユーザの不安を解消することができる。
（３） 車両制御部７３は、自己位置推定装置１の出力に基づいて速度や操舵量を決定し、低精度区間検出部１４が検出した低精度区間、もしくは、自己生成地図４が存在しない区間を走行する場合には、通常の走行時よりも速度や操舵量を小さくする。そのため、自車位置姿勢推定の精度が低下した場合にも、速度や操舵量が小さいため、滑らかな自動運転を実現することができる。また、速度や操舵量が小さいため、自己地図生成部１５における過去特徴データ３からの相対位置姿勢の推定がより高精度になり、高精度な自己生成地図４を作成することができる。
次に、図１２を参照して、本発明の実施例３に係る、自己生成地図共有装置と、自己生成地図共有システムを説明する。なお、以下の説明では、上述した実施例と同じ構成要素には同じ符号を付して相違点を主に説明する。特に説明しない点については、上述した実施例と同じである。本実施例では、複数の車両の各々に、自己位置推定装置１に自己生成地図４を送受信する機能を加えた通信機能付き自己位置推定装置８を搭載するとともに、各車両に搭載した通信機能付き自己位置推定装置８から送信された自己生成地図４を統合し、共有自己生成地図４ａとして管理する自己生成地図共有装置９を備えた自己生成地図共有システムを対象とする。
（ブロック構成）
図１２は、本実施例の自己生成地図共有システムのブロック図である。ここに示すように、自己生成地図共有システムは、複数の通信機能付き自己位置推定装置８と、自己生成地図共有装置９を、ネットワーク８５を介して接続したシステムである。
通信機能付き自己位置推定装置８は、実施例１で説明した自己位置推定装置１と、送受信部８１を備えた装置であり、車両毎に搭載されている。
また、自己生成地図共有装置９は、送受信部９１と、共有自己生成地図管理部９２と、高精度地図メンテナンス情報生成部９３を備え、さらに、後述する共有自己生成地図４ａを保持している。この自己生成地図共有装置９は、例えば、サーバ内に設置されている。
このような構成の自己生成地図共有システムにおいて、通信機能付き自己位置推定装置８は、自己位置推定装置１が生成した自己生成地図４を、ネットワーク８５を介して、自己生成地図共有装置９に送信する。また、通信機能付き自己位置推定装置８は、ネットワーク８５を介して、自己生成地図共有装置９から受信した共有自己生成地図４ａを、自己生成地図４として自己位置推定装置１に保存する。
一方、自己生成地図共有装置９の送受信部９１は、ネットワーク８５を介して、通信機能付き自己位置推定装置８から受信した自己生成地図４を、共有自己生成地図管理部９２と、高精度地図メンテナンス情報生成部９３に出力する。また、共有自己生成地図４ａを、ネットワーク８５を介して、通信機能付き自己位置推定装置８に送信する。
共有自己生成地図管理部９２は複数の通信機能付き自己位置推定装置８から受信した自己生成地図４を統合し、共有自己生成地図４ａを生成する。処理の詳細は後述する。
高精度地図メンテナンス情報生成部９３は、ネットワーク８５を介して受信した複数の自己生成地図４から、高精度地図２のメンテナンスに用いる情報を生成する。処理の詳細は後述する。
（共有自己生成地図管理部９２の動作）
共有自己生成地図管理部９２は、受信した複数の自己生成地図４を統合し、共有自己生成地図４ａを生成する。具体的には、共有自己生成地図管理部９２は、複数の自己生成地図４に、距離が閾値以下で同じ種類の物体が存在した場合には、それらの三次元位置の平均を三次元位置とした１つの物体として共有自己生成地図４ａに保存する。また、ある領域に対応する、複数の自己生成地図４に含まれる物体の内、計測日時が最も新しい自己生成地図４に含まれる情報のみを共有自己生成地図４ａに保存しても良い。
（高精度地図メンテナンス情報生成部の動作）
高精度地図メンテナンス情報生成部９３は、受信した複数の自己生成地図４から、高精度地図２のメンテナンスに用いる情報を生成する。具体的には、ある領域に対応する、複数の自己生成地図４に物体が含まれる場合、複数の車両において自己位置推定に不連続が生じているため、高精度地図２に情報が不足している、もしくは高精度地図２に含まれている情報に変化が生じていると判断し、その領域の再計測などメンテナンスが必要であると判断する。
（効果）
上述した実施例３によれば、次の効果が得られる。
（１） 通信機能付き自己位置推定装置８は送受信部８１を備え、自己生成地図共有装置９は送受信部９１と共有自己生成地図管理部９２を備える。共有自己生成地図管理部９２は受信した複数の自己生成地図４を統合し、共有自己生成地図４ａを生成する。
そのため、共有自己生成地図４ａを用いることで、通信機能付き自己位置推定装置８は高精度に自車位置姿勢を推定することができる。また、共有自己生成地図４ａを受信することで、自車Ｖ０が過去に走行したことがない場所においても、自己生成地図４を参照することができ、高精度に自車位置姿勢を推定することができる。
（２） 共有自己生成地図管理部９２は、複数の自己生成地図４に、距離が閾値以下で同じ種類の物体が存在した場合には、それらの三次元位置の平均を三次元位置とする１つの物体として共有自己生成地図４ａに保存する。そのため、自己生成地図４の精度が向上することで、高精度に自車位置姿勢を推定することができる。
（３） 共有自己生成地図管理部９２は、高精度地図２上のある領域に対して、複数の自己生成地図４に含まれる物体の内、計測日時が最も新しい自己生成地図４に含まれる物体を共有自己生成地図４ａに保存する。そのため、最新の自己生成地図４を用いることで、環境に変化があった場合にも高精度に自車位置姿勢を推定することができる。
（４） 高精度地図メンテナンス情報生成部９３は、複数の通信機能付き自己位置推定装置８から受信した自己生成地図４から、高精度地図２に情報が不足している、もしくは高精度地図２に含まれている情報に変化が生じている領域を検出する。そのため、効率的に高精度地図２のメンテナンスを実施することができる。
（実施例３の変形例）
上述した自己生成地図共有システムでは、ネットワーク８５を介して自己生成地図４を送受信する。しかし、通信機能付き自己位置推定装置８と自己生成地図共有装置９の間で送受信されるデータはこれに限定されない。
例えば、通信機能付き自己位置推定装置８は、低精度区間検出部１４が検出した低精度区間を送信し、自己生成地図共有装置９はそれを受信しても良い。この場合、高精度地図メンテナンス情報生成部９３は、高精度地図２上のある領域に対して、複数の通信機能付き自己位置推定装置８から、該当区間が低精度区間であるという情報を受信した場合に、高精度地図２に情報が不足している、もしくは高精度地図２に含まれている情報に変化が生じていると判断し、その領域の再計測などメンテナンスが必要であると判断する。
この変形例によれば、次の作用効果が得られる。すなわち、通信機能付き自己位置推定装置８および自己生成地図共有装置９は、低精度区間検出部１４によって検出された低精度区間のみを送受信するため、低い通信量で、効率的に高精度地図２のメンテナンスを実施することができる。
なお、本発明は上記した実施例に限定されるものではなく、様々な変形例が含まれる。例えば、上記した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに限定されるものではない。本発明の技術的思想の範囲内で考えられるその他の態様も本発明の範囲内に含まれる。また、ある実施例の構成の一部を他の実施例の構成に置き換えることが可能であり、また、ある実施例の構成に他の実施例の構成を加えることも可能である。また、各実施例の構成の一部について、他の構成の追加・削除・置換をすることが可能である。また、上記の各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等によりハードウェアで実現してもよい。また、上記の各構成、機能等は、プロセッサがそれぞれの機能を実現するプログラムを解釈し、実行することによりソフトウェアで実現してもよい。各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリや、ハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、または、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。
１…自己位置推定装置、
１１…特徴検出部、
１２…特徴マッチング部、
１３…自己位置推定部、
１４…低精度区間検出部、
１５…自己地図生成部、
２…高精度地図、
３…過去特徴データ、
４…自己生成地図、
５…センサ、
４ａ…共有自己生成地図、
７…自動運転システム、
７１…経路計画部、
７２…表示部、
７３…車両制御部、
８…通信機能付き自己位置推定装置、
８１…送受信部、
９…自己生成地図共有装置、
９１…送受信部、
９２…共有自己生成地図管理部、
９３…高精度地図メンテナンス情報生成部

Claims (4)

  1. 自己位置推定装置を備える自動運転システムであって、
    前記自己位置推定装置は、
    車両の周囲に存在する物体を計測するセンサの計測結果から高精度地図上での自己位置姿勢を推定する自己位置推定部と、
    該自己位置推定部が推定した前記自己位置姿勢に基づいて推定精度の低い低精度区間を検出する低精度区間検出部と、
    該低精度区間検出部が検出した前記低精度区間における、前記物体の前記高精度地図上の位置と種類を保存した、自己生成地図を生成する自己地図生成部と、
    を備え、
    前記自動運転システムは、
    前記自己位置推定装置と、
    前記自己位置推定装置が推定した自己位置姿勢と、前記高精度地図と、ユーザから入力された目的位置と、前記低精度区間検出部が検出した低精度区間と、から現在位置から目的位置までの経路を計画する経路計画部と、を備え、
    前記経路計画部は、前記高精度地図に含まれる情報に基づいた通過コストと、前記低精度区間検出部が定めた通過コストの両方を考慮して経路を計画することを特徴とする自動運転システム。
  2. 請求項１に記載の自動運転システムにおいて、
    前記低精度区間検出部は、前記自己位置推定部が推定した前記高精度地図上での自己位置姿勢の時間変化が大きいときに、前記時間変化が大きい点以前を低精度区間として検出することを特徴とする自動運転システム。
  3. 請求項１または２に記載の自動運転システムにおいて、
    前記自己地図生成部は、他の処理負荷が少ないタイミングで前記自己生成地図を生成することを特徴とする自動運転システム。
  4. 請求項１に記載の自動運転システムにおいて、
    前記経路計画部が計画した経路が、前記高精度地図に含まれる情報に基づいた通過コストのみから計画した経路と異なる場合には、前記低精度区間検出部が定めた通過コストを考慮することにより経路が計画されたことを表示する表示部をさらに備えることを特徴とする自動運転システム。
JP2019047903A 2019-03-15 2019-03-15 自動運転システム Active JP7245084B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2019047903A JP7245084B2 (ja) 2019-03-15 2019-03-15 自動運転システム
PCT/JP2020/004729 WO2020189079A1 (ja) 2019-03-15 2020-02-07 自己位置推定装置、それを備えた自動運転システム、および、自己生成地図共有装置
EP20774520.9A EP3907720A4 (en) 2019-03-15 2020-02-07 DEVICE FOR DETERMINING OWN POSITION, AUTOMATIC PROPULSION SYSTEM WITH THIS DEVICE AND DEVICE FOR SHARING HOME-MADE MAPS
CN202080007082.6A CN113519019B (zh) 2019-03-15 2020-02-07 自身位置推断装置、配备其的自动驾驶系统以及自身生成地图共享装置
US17/437,316 US20220178717A1 (en) 2019-03-15 2020-02-07 Self-position estimation device, self-driving system including the same, and self-generated map sharing device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2019047903A JP7245084B2 (ja) 2019-03-15 2019-03-15 自動運転システム

Publications (2)

Publication Number Publication Date
JP2020148694A JP2020148694A (ja) 2020-09-17
JP7245084B2 true JP7245084B2 (ja) 2023-03-23

Family

ID=72432250

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2019047903A Active JP7245084B2 (ja) 2019-03-15 2019-03-15 自動運転システム

Country Status (5)

Country Link
US (1) US20220178717A1 (ja)
EP (1) EP3907720A4 (ja)
JP (1) JP7245084B2 (ja)
CN (1) CN113519019B (ja)
WO (1) WO2020189079A1 (ja)

Families Citing this family (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP4209561A1 (en) 2020-09-04 2023-07-12 Agc Inc. Cerium oxide and polishing agent
JP2022076877A (ja) * 2020-11-10 2022-05-20 日立Astemo株式会社 地図生成・自己位置推定装置
JP2022121835A (ja) * 2021-02-09 2022-08-22 本田技研工業株式会社 距離算出装置および車両位置推定装置
JP7260575B2 (ja) * 2021-02-25 2023-04-18 本田技研工業株式会社 地図生成装置
KR20220139031A (ko) * 2021-04-07 2022-10-14 현대두산인프라코어(주) 건설기계의 제어 시스템 및 작업 가이드 라인 제공 방법
WO2023100287A1 (ja) * 2021-12-01 2023-06-08 日立Astemo株式会社 運転支援装置及び運転支援方法
DE102022203261A1 (de) * 2022-04-01 2023-10-05 Robert Bosch Gesellschaft mit beschränkter Haftung Verfahren zur Verfügbarkeitsvorhersage einer merkmalbasierten Lokalisierung eines Fahrzeugs und Verfahren zum Steuern eines Fahrzeugs

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007305079A (ja) 2006-05-15 2007-11-22 Toyota Motor Corp 支援制御装置
JP2008299650A (ja) 2007-05-31 2008-12-11 Aisin Aw Co Ltd 地物抽出方法、並びにそれを用いた画像認識方法及び地物データベース作成方法
WO2012141199A1 (ja) 2011-04-11 2012-10-18 クラリオン株式会社 位置算出方法及び位置算出装置
JP2016180980A (ja) 2015-03-23 2016-10-13 株式会社豊田中央研究所 情報処理装置、プログラム、及び地図データ更新システム
WO2017130419A1 (ja) 2016-01-29 2017-08-03 株式会社小松製作所 作業機械の管理システム、作業機械、作業機械の管理方法

Family Cites Families (28)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08247775A (ja) * 1995-03-15 1996-09-27 Toshiba Corp 移動体の自己位置同定装置および自己位置同定方法
JP3460488B2 (ja) * 1997-01-20 2003-10-27 日産自動車株式会社 ナビゲーションシステム
JP3917241B2 (ja) * 1997-06-25 2007-05-23 富士重工業株式会社 車両用運転支援装置
US6674434B1 (en) * 1999-10-25 2004-01-06 Navigation Technologies Corp. Method and system for automatic generation of shape and curvature data for a geographic database
JP4951481B2 (ja) 2007-12-10 2012-06-13 日立オートモティブシステムズ株式会社 路面標示認識装置
JP5249577B2 (ja) 2007-12-20 2013-07-31 三菱重工業株式会社 追尾システム及びその方法並びに車両
US20130261968A1 (en) * 2011-03-29 2013-10-03 Mitsubishi Electric Corporation Navigation device
US8798840B2 (en) * 2011-09-30 2014-08-05 Irobot Corporation Adaptive mapping with spatial summaries of sensor data
JP6506279B2 (ja) * 2014-06-16 2019-04-24 株式会社日立製作所 地図生成システム及び地図生成方法
EP3078935A1 (en) * 2015-04-10 2016-10-12 The European Atomic Energy Community (EURATOM), represented by the European Commission Method and device for real-time mapping and localization
WO2016174745A1 (ja) * 2015-04-28 2016-11-03 株式会社日立製作所 到着時刻予測装置、到着時刻予測システム及びプログラム
WO2017038012A1 (ja) * 2015-08-28 2017-03-09 パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ 地図生成方法、自己位置推定方法、ロボットシステム、およびロボット
JP6629040B2 (ja) * 2015-10-27 2020-01-15 株式会社日立製作所 交通情報提供装置及びシステム及び方法
JP6798779B2 (ja) * 2015-11-04 2020-12-09 トヨタ自動車株式会社 地図更新判定システム
WO2017079341A2 (en) * 2015-11-04 2017-05-11 Zoox, Inc. Automated extraction of semantic information to enhance incremental mapping modifications for robotic vehicles
JP6790417B2 (ja) * 2016-03-31 2020-11-25 ソニー株式会社 情報処理装置及び情報処理サーバ
JP2018025490A (ja) * 2016-08-10 2018-02-15 株式会社デンソー 位置推定装置
JP6642334B2 (ja) * 2016-08-25 2020-02-05 トヨタ自動車株式会社 車両制御装置
JP6778063B2 (ja) * 2016-09-07 2020-10-28 株式会社Ｓｏｋｅｎ 運転支援装置、運転支援方法
JP6838365B2 (ja) * 2016-11-24 2021-03-03 日産自動車株式会社 自己位置推定方法及び自己位置推定装置
EP3551967A2 (en) * 2016-12-09 2019-10-16 TomTom Global Content B.V. Method and system for video-based positioning and mapping
US10296812B2 (en) * 2017-01-04 2019-05-21 Qualcomm Incorporated Systems and methods for mapping based on multi-journey data
DE102017105086A1 (de) * 2017-03-10 2018-09-13 Valeo Schalter Und Sensoren Gmbh Aktualisieren einer Landmarkenkarte
CN110419063A (zh) * 2017-03-17 2019-11-05 麦克赛尔株式会社 Ar显示装置和ar显示方法
JP6975948B2 (ja) * 2018-03-13 2021-12-01 パナソニックＩｐマネジメント株式会社 管理装置、管理システム、および位置補正方法
JP7232604B2 (ja) * 2018-09-21 2023-03-03 フォルシアクラリオン・エレクトロニクス株式会社 ナビゲーションシステム、ナビゲーション表示方法、およびナビゲーション表示プログラム
CN112997223A (zh) * 2018-10-29 2021-06-18 赫克斯冈技术中心 设施监视系统和方法
US11287267B2 (en) * 2019-03-13 2022-03-29 Here Global B.V. Maplets for maintaining and updating a self-healing high definition map

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2007305079A (ja) 2006-05-15 2007-11-22 Toyota Motor Corp 支援制御装置
JP2008299650A (ja) 2007-05-31 2008-12-11 Aisin Aw Co Ltd 地物抽出方法、並びにそれを用いた画像認識方法及び地物データベース作成方法
WO2012141199A1 (ja) 2011-04-11 2012-10-18 クラリオン株式会社 位置算出方法及び位置算出装置
JP2016180980A (ja) 2015-03-23 2016-10-13 株式会社豊田中央研究所 情報処理装置、プログラム、及び地図データ更新システム
WO2017130419A1 (ja) 2016-01-29 2017-08-03 株式会社小松製作所 作業機械の管理システム、作業機械、作業機械の管理方法

Also Published As

Publication number Publication date
EP3907720A4 (en) 2023-02-15
CN113519019B (zh) 2023-10-20
CN113519019A (zh) 2021-10-19
JP2020148694A (ja) 2020-09-17
WO2020189079A1 (ja) 2020-09-24
US20220178717A1 (en) 2022-06-09
EP3907720A1 (en) 2021-11-10

Similar Documents

Publication Publication Date Title
JP7245084B2 (ja) 自動運転システム
CN108801276B (zh) 高精度地图生成方法及装置
KR102425272B1 (ko) 디지털 지도에 대한 위치를 판별하기 위한 방법 및 시스템
EP2133662B1 (en) Methods and system of navigation using terrain features
US8467612B2 (en) System and methods for navigation using corresponding line features
US11754415B2 (en) Sensor localization from external source data
JPWO2020039937A1 (ja) 位置座標推定装置、位置座標推定方法およびプログラム
US11846520B2 (en) Method and device for determining a vehicle position
CN114248778B (zh) 移动设备的定位方法和定位装置
CN114636414A (zh) 高清晰度城市地图绘制
Kim et al. Localization of a car based on multi-sensor fusion
US11287281B2 (en) Analysis of localization errors in a mobile object
Deusch et al. Improving localization in digital maps with grid maps
US20230236021A1 (en) Information processing device
CN114264301A (zh) 车载多传感器融合定位方法、装置、芯片及终端
CN111712855A (zh) 地面信息处理方法、装置和无人驾驶车辆
JP7302966B2 (ja) 移動体
EP4134625A1 (en) Drive device, vehicle, and method for automated driving and/or assisted driving
Zuev et al. Mobile system for road inspection and 3D modelling
CN115752455A (zh) 一种自动驾驶汽车的定位系统及方法
CN115790571A (zh) 基于异构无人系统相互观测的同时定位与地图构建方法

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20211014

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220830

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220906

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20221101

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20221212

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: 20230214

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230310

R150 Certificate of patent or registration of utility model

Ref document number: 7245084

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150