JP7328178B2 - 車両制御装置、および、自車位置推定方法 - Google Patents

Description

本発明は、自車が走行する周囲環境構造と、地図情報に記録されている構造情報を照合し、地図中の自車位置を推定する、車両制御装置および自車位置推定方法に関する。

従来、測位装置が検出した車両の現在位置を補正する技術として、衛星測位を利用した自車位置推定と、車両に搭載したカメラなどの外界センサを用いてランドマークを認識し、事前に地図情報に記録されたランドマーク位置と照合することによる自車位置推定を組み合わせることで、より精度を高めた自車位置を推定する技術が提案されている。

例えば、特許文献１では、段落００３８に「第１車両位置検出部２３は、測位部２の測定結果と地図データベース５の地図情報とに基づいて、車両の地図上の位置である第１車両位置を検出する。」との記載があり、段落００３９に「第１車両位置検出部２３は、カメラの撮像画像から抽出した白線のエッジ点と地図情報に含まれる白線の位置情報とを照合することで、車両の位置を補正する。」との記載がある。すなわち、特許文献１には、衛星測位で得た自車位置を、カメラの検出結果に基づいて補正することで、自車位置の推定精度を改善する自動運転システムが開示されている。

また、特許文献１の請求項１には、「車両の自動運転制御を実行する自動運転システムであって、前記車両の位置を測定する測位部と、地図情報を記憶する地図データベースと、前記測位部の測定結果と前記地図データベースの前記地図情報とに基づいて、前記車両の地図上の位置である第１車両位置を検出する第１車両位置検出部と、前記第１車両位置検出部の検出した前記第１車両位置と前記地図データベースの前記地図情報とに基づいて、前記車両の走行シーンを特定する走行シーン特定部と、前記車両に搭載されたカメラの撮像画像又は前記車両に搭載されたレーダセンサの検出結果、前記測位部の測定結果、及び前記地図データベースの前記地図情報に基づいて、前記走行シーンに予め関連付けられた位置検出処理により、前記車両の地図上の位置である第２車両位置を検出する第２車両位置検出部と、前記第１車両位置と前記第２車両位置との差が閾値以下であるか否かを判定する判定部と、前記第１車両位置と前記第２車両位置との差が閾値以下であると判定された場合、前記第２車両位置に基づいて前記車両の前記自動運転を実行し、前記第１車両位置と前記第２車両位置との差が前記閾値以下ではないと判定された場合、前記第１車両位置に基づいて前記車両の前記自動運転制御を実行する自動運転制御部と、を備える、自動運転システム。」との記載がある。すなわち、特許文献１には、前述した第１車両位置と、走行シーンに関連付けられた位置検出処理による第２車両位置を比較し、両者の差の大きさに応じて、何れの車両位置を採用するかを切り替えることで、自車位置の推定精度を改善する自動運転システムが開示されている。

特開２０１７－１３８２８２号公報

特許文献１では、走行している車線の白線種別や、走行路面の傾斜、トンネル内外などの走行環境に応じて、前述した第２車両位置を検出する方法を選択して切り替えることで、走行シーンに応じて位置算出方法を選択し、精度改善を図る手段が開示されている。

しかしながら、第２車両位置を求める位置検出処理については、位置検出処理方法を環境に応じて切り替えるのみであり、例えば、路面に描画された白線やトンネルといった、走行地点の固定的な環境に対応して自車の検出位置を切り替えることしかできない。

一方で、自動運転システムに用いられるＧＮＳＳ（Global Navigation Satellite System：全球測位衛星システム）では、受信機周囲に存在する建物等の遮蔽物環境と、その日時での測位衛星の配置によって、検出される自車位置が偏って出力されるが、この位置ずれのある自車位置をそのまま用いるため、精度が悪化するという課題がある。

このような課題を鑑み、本発明では、ＧＮＳＳに基づいて推定した自車位置の補正量を、環境変化に応じて適切に学習することができる、車両制御装置、および、自車位置推定方法を提供することを目的とする。

上記課題を解決するために、本発明の車両制御装置は、自車位置を推定する自車位置推定部を備え、前記自車位置推定部は、ＧＮＳＳから取得した絶対位置情報に基づいて、第一車両位置を推定する絶対位置推定部と、車外から取得した相対位置情報に基づいて、第二車両位置を推定する相対位置推定部と、車両情報または衛星情報に基づいて、自車の走行状態の変化を判定する走行状態判定部と、前記第一車両位置と前記第二車両位置の時刻を同期した上で差分量を演算する差分演算部と、前記走行状態ごとに前記差分量を時系列データとして蓄積し、蓄積した時系列データに基づいて前記走行状態ごとの前記第一車両位置の補正量を学習する学習部と、該学習部で算出した補正量に基づいて、前記第一車両位置を補正する位置補正部と、を具備するものとした。

また、本発明の自車位置推定方法は、ＧＮＳＳから取得した絶対位置情報に基づいて、第一車両位置を推定するステップと、車外から取得した相対位置情報に基づいて、第二車両位置を推定するステップと、車両情報または衛星情報に基づいて、自車の走行状態の変化を判定するステップと、前記第一車両位置と前記第二車両位置の時刻を同期した上で差分量を演算するステップと、前記走行状態ごとに前記差分量を時系列データとして蓄積し、蓄積した時系列データに基づいて前記走行状態ごとの前記第一車両位置の補正量を学習するステップと、学習した補正量に基づいて、前記第一車両位置を補正するステップと、を具備するものとした。

ＧＮＳＳにおける測位測位は、周囲の構造物による遮蔽・回折・反射の影響や、自車挙動変化による誤差発生の影響や、測位に使用する衛星の組み合わせの影響を受けて、正確な自車位置に対して偏差を持つ。こうした偏差は、周囲の構造物の環境が一定、かつ自車挙動変化が少ない、かつ測位使用衛星の組み合わせが変わらないといった走行環境が一定である間は、大きくは変動しない。

このため、一定の走行環境が継続する場合、外界センサを用いて自車の正確な位置を得られれば、それに対する測位座標の偏差をえることができ、その偏差を用いて精度を改善した測位座標を算出することができるようになる。また、走行環境が変化する場合は、再度補正量である偏差を算出しなおすことで、走行環境毎に最適な補正量を得ることができるようになる。

従って、本発明の車両制御装置、および、自車位置推定方法によれば、走行環境および走行状態に応じて、測位位置の適切な補正量（オフセット）を学習し、走行状態変化の影響を除去することで、走行環境や走行状態が変化しても、地図中の自車位置の高精度な推定を、高頻度で得ることが可能となる。

実施例１の自車位置推定部を含む電子制御ユニットの構成図 実施例１に係る自車位置推定部のブロック図 相対位置推定部の処理内容を示すフローチャート 旋回する走行車両例の模式図 旋回する走行車両例の舵角および車両方位角を表す模式図 走行環境を車速により判別する場合のテーブル 自車位置の推定タイミングを示す模式図 位置補正部の処理内容を示すフローチャート 実施例２に係る自車位置推定部のブロック図 実施例２の相対位置推定部の処理内容を示すフローチャート 横断歩道を外界認識センサで認識するときの説明図 傾斜した道路上にある横断歩道との相対関係を算出するときの説明図 傾斜した道路上にある横断歩道との相対関係を算出するときの説明図

以下、本発明に係る車両制御装置の実施例を、図面を用いて説明する。

図１は、本発明の実施例１に係る自車位置推定部１０を備えた車両制御装置１００を説明するブロック図である。ここに示すように、車両制御装置１００は、自車位置推定部１０、自律航法統合部２０、地図照合部３０、自動運転制御部４０を備えている。また、車両制御装置１００は、車両情報受信部１ａ、絶対位置取得センサ１ｂ、相対位置取得センサ１ｃ、アクチュエータ１ｄ、ＨＭＩ（Human Machine Interface）１ｅ、地図データＭを記憶した記憶装置、および、経路生成部５０に接続されている。

自車位置推定部１０は、車両情報受信部１ａからの車両情報、絶対位置取得センサ１ｂからの絶対位置情報、および、相対位置取得センサ１ｃからの相対位置情報に基づいて、自車位置を推定し、その位置推定結果を自律航法統合部２０に送出する。

自律航法統合部２０は、車両情報受信部１ａからの車両情報と、自車位置推定部１０の位置推定結果に基づき、自車位置を算出して地図照合部３０に出力する。

地図照合部３０では、自律航法統合部２０の位置推定結果と、地図データＭに基づき、地図中での自車位置を推定する。さらに、地図照合部３０の結果は自動運転制御部４０に送られる。

自動運転制御部４０では、この地図中での自車位置推定結果と経路生成部５０で生成された運転経路を元にアクチュエータ１ｄを制御し、車両Ｖの自動運転を実現する。

アクチュエータ１ｄは、例えば、車両Ｖの操舵系、駆動系、制動系等を駆動するための各種のアクチュエータであり、ＨＭＩ１ｅは、例えば、運転手が操作するハンドル、アクセルペダル、ブレーキペダル、および、それらの操作量を検出するセンサ等である。

なお、車両制御装置１００は、具体的には、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電子制御ユニット（ＥＣＵ、Electronic Control Unit）であり、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、自車位置推定部１０等の各機能を実現するが、以下では、このようなコンピュータ分野の周知技術を適宜省略しながら、各部の詳細を説明する。

＜自車位置推定部１０＞
図２は、自車位置推定部１０の詳細を説明するブロック図である。ここに示すように、自車位置推定部１０は、絶対位置推定部１１、相対位置推定部１２、走行状態判定部１３、差分演算部１４、学習部１５、位置補正部１６、を備えている。

＜絶対位置推定部１１＞
絶対位置推定部１１は、例えばＧＮＳＳの受信装置やスードライト（擬似衛星）などの測位電波を受信できる受信装置といった絶対位置取得センサから得られる信号（絶対位置情報と衛星測位状態情報）に基づき、自車の絶対位置を認識するための１つ以上からなるセンサを用いて自車位置を推定する。なお、絶対位置取得センサによる自車位置および姿勢の推定は高頻度でおこなわれており、例えばＧＮＳＳの測位間隔は０．１秒から１秒程度であることが多いが、この測位間隔は自動運転システムの経路誘導機能に対しては十分に更新周期が高速であるといえる。

また、ＧＮＳＳによる測位は、測位衛星から発信される測位電波を受信し、その到達時刻に基づいて測位衛星と受信機アンテナ間の距離を計測する。衛星配置情報は測位電波に重畳されているため測位衛星の位置は既知であり、それらからの距離が複数得られると、受信機の位置を算出することが可能となる。しかしながら、測位衛星と受信機アンテナとの間に遮蔽物があったり、付近に構造物があったりすると、遮蔽・回折・反射の影響により測位衛星と受信機アンテナ間の距離が不正確になることがある。さらに、ＧＮＳＳの受信装置からは自車位置だけでなく、ドップラー現象を利用した各衛星からの測位電波の周波数変動を観測することで計測できる自車進行方位や走行速度も得られているものとする。

なお、スードライトにおいてもＧＮＳＳと同様のシステムであるため、測位衛星を疑似衛星信号発信器と読み替えることができ、ＧＮＳＳと類似の特性をもっている。

＜相対位置推定部１２＞
相対位置推定部１２は、Ｃ２Ｘ装置やマーカ読取装置を用いて、自車の位置を高精度に推定する。Ｃ２Ｘ装置やマーカ読取装置は、自車の走行環境中に設置されるマーカを基準とした相対位置や、発信器から出力される位置情報を基準とした相対位置を得るものであるため、相対位置取得センサ１ｃとも呼ばれる。そして、相対位置推定部１２では、マーカや発信器の位置情報とその位置情報を基準とした自車の相対位置から、自車の絶対位置を算出して出力する。

相対位置取得センサ１ｃの観測対象となるマーカや発信器は自車からの距離が短く、さらに回折・反射による位置誤差が発生しないため、絶対位置推定部１１の位置推定結果よりも、相対位置推定部１２の位置推定結果が高精度であることが期待できる。一方で、相対位置推定部１２による自車位置および姿勢の推定は、マーカが存在する場所、あるいはＣ２Ｘ通信が成立した場所でのみ行われる。このため、時間的または空間的な観点で離散的であるといえる。

前述のＣ２Ｘ装置およびマーカ読取装置について説明する。Ｃ２Ｘ装置とは、例えば環境に配置されたビーコン発信器を認識するビーコン受信機、無線ＬＡＮ（Local Area Network）通信やBluetooth通信などのアクセスポイント装置との路車間通信装置、他車両から情報を受信するための車車間通信装置などを指す。マーカ読取装置とは、例えば環境中に配置された特徴的な標示や標識、磁気を帯びたタグなどのマーカを、カメラや磁気センサなどの対応するセンサを用いて、マーカの種別や位置、姿勢といったマーカ情報を検出し、このマーカ情報を相対位置推定部１２に送信する。

＜走行状態判定部１３＞
走行状態判定部１３は、（１）旋回角度や車速などの車両情報、（２）衛星配置や可視衛星数などの衛星情報、などが変化することによりＧＮＳＳの偏差傾向が変動するため、同一の走行環境が継続していることを判定する機能、走行状態が変化したタイミングを判定する機能、のいずれか、または両方をもつ。車両情報や受信環境に関して、各パラメタ数値を時系列情報として蓄積し、所定のパラメタ数値が変化した場合や、それぞれ一定時間中の変化量が所定の閾値を超えた場合、パラメタの変化量の累積が一定値を超えた場合、などに走行状態が変化したと判定する。また、走行状態判定部１３はその出力結果を学習部１５に送信する。

前述の車両情報について説明する。車両情報には、車軸部に配置された回転速度センサのほか、各車輪付近に配置され、車輪が一定角度回転するたびにパルスを出力する車輪速パルスセンサ、単位時間あたりの車輪速パルス数を出力する車輪速パルス数センサなどから得られる車速情報や、操舵輪の角度を出力する舵角センサ、ハンドルの回転量を出力するハンドル角センサなどから得られる舵角情報、前進後退状態や変速状態などを示すシフトポジション情報などが含まれる。

前述の衛星情報について説明する。衛星情報はＧＮＳＳ受信機から得られる測位Ｆｉｘ状態、位置アキュラシや速度アキュラシなどの各精度指標、ｐＤＯＰやｖＤＯＰなどの各精度劣化指標、測位使用衛星数、各測位衛星の受信信号強度やマルチパスフラグなどの、ＧＮＳＳ測位に関わる各種パラメタを指している。

＜差分演算部１４＞
差分演算部１４は、絶対位置推定部１１と相対位置推定部１２がそれぞれ出力する自車位置の差を算出する。前述したように、絶対位置推定部１１は高頻度に推定位置を出力する反面、走行状況によって偏差が増大する場合がある。また、相対位置推定部１２は絶対位置推定部１１と比べ、出力頻度は少ないが、高精度な推定位置を出力する。このため、これらの推定位置の差分を計算する場合に、同一時刻の推定位置が出力されていない場合があるため、時刻同期機能を含む必要がある。絶対位置推定部１１と相対位置推定部１２の各出力の時刻を同期した上で、それらの差分量を算出する。この差分は各推定位置の緯度と経度と高さの差の二乗を加算したユークリッド距離でもよいし、その時点の進行方向を基準として進行方向の前後成分と左右成分と高さ成分にそれぞれ分けた距離でもよい。こうして算出された距離を学習部１５に出力する。

＜学習部１５＞
学習部１５は、差分演算部１４で算出された差分量に基づいて、絶対位置推定部１１の推定位置を補正するための補正量を算出する。例えば、走行状態判定部１３が走行状態の変化タイミングを出力した後、最初にマーカが観測されて相対位置推定部１２が出力された時点での、差分演算部１４が出力した絶対位置推定部と相対位置推定部との差分をそのまま補正量としてもよい。さらに、その補正量を保持し、次に走行状態判定部１３が走行状態の変化タイミングを出力するまで同一の補正量を位置補正部１６に出力し続けてもよい。

＜位置補正部１６＞
位置補正部１６は、絶対位置推定部１１、走行状態判定部１３、および、学習部１５の出力を受け取り、絶対位置推定部１１の推定位置を補正して出力する。例えば、走行状態判定部１３が、同一走行状態の継続と判定している状態では、学習部１５の補正量をそのまま用いて、絶対位置推定部１１の出力位置に補正量を加算して補正した位置を出力する。一方で、走行状態判定部１３が、走行状態が継続していないと判定している状態では、学習部１５の補正量を所定の割合だけ減少させた値を用いて、絶対位置推定部１１の出力位置を補正した位置を出力する。また、位置補正部１６では補正結果の精度指標も出力する。

次に、本実施例に係る各部の処理内容について、必要に応じてフローチャートを用いて説明する。

＜絶対位置推定部１１の処理内容＞
まず、絶対位置推定部１１に用いられるような車両位置の検出に関する技術文献として、特許第６４８２７２０号公報が知られている。この公報には、ＧＮＳＳ受信機などを用いてレーンレベル精度の測位を行う測位装置（ロケータ装置）および測位方法が開示されている。

測量分野では、ＧＮＳＳ受信機からの測位信号の搬送波位相を測定して行う高精度な測位方式（搬送波位相測位方式）がある。この搬送波位相測位方式では、高精度な時計を有する２周波ＧＮＳＳ受信機が必要となり、高コストとなる。一方、自車位置推定装置で行われている従来のコード測位方式は、安価な１周波ＧＮＳＳ受信機を用いて可能である。しかし、そのようなＧＮＳＳ受信機の時計の精度は低いため（車載用のＧＮＳＳ受信機の場合で１μ秒程度）、高い測位精度を得るためには、ＧＮＳＳ受信機の時計のバイアス誤差（受信機時計バイアス誤差）を高精度で補正する必要がある。

この課題を解決するため、特許第６４８２７２０号公報では、ＧＮＳＳ受信機の受信機時計バイアス誤差に起因する測位誤差を高い精度で補正できる測位装置を開示している。本実施例の絶対位置推定部１１では、このような既存技術を用いることで、絶対位置を推定するものとする。

また、絶対位置推定部１１は、測位位置だけでなく、どの衛星からの測位電波を用いて測位位置を算出したか（測位使用衛星）、各衛星からの電波強度などの衛星情報も出力する。

＜相対位置推定部１２の処理内容＞
次に、相対位置推定部１２を図３のフローチャートを用いて説明する。図３に示すフローチャートは、自車位置推定部１０の自車位置推定動作中に継続して実行される。

ステップＳ１では、相対位置推定部１２は、自車の相対位置を求める際の基準となるマーカやビーコン等の存在有無を判定する。相対位置取得センサ１ｃの具体例である、マーカ読取装置やＣ２Ｘ装置の検知可能範囲内にマーカやビーコン等が存在しているときに、相対位置推定部１２は自車の絶対位置を推定できるため、まず、これらの装置の出力に基づいて、マーカまたはビーコン等の存在有無を判定する。具体的には、基準が画像的なマーカ（ＱＲコード（登録商標）に代表される２次元バーコード）の場合は、マーカ読取装置は、切り出しシンボル（Finder Pattern）が検知でき、さらにそのコントラスト比率や大きさが一定以上の場合にマーカが存在したと判定し、そうでなければマーカが存在しないと判定する。また、基準がビーコン等の場合は、Ｃ２Ｘ装置は、特定周波数の信号が、所定の強度以上で検知できるかを判定し、検知できた場合にはビーコン等が存在したと判定し、そうでなければビーコン等が存在しないと判定する。

ステップＳ２では、相対位置推定部１２は、基準となるマーカやビーコン等までの相対距離と相対方向を算出する。これは、Ｃ２Ｘ装置あるいはマーカ読取装置の検知可能範囲はある程度の範囲に限定されるため、位置同定の正確性を上げるために、マーカまたはビーコン等までの距離を算出する。例えば、基準が２次元バーコードの場合は、切り出しシンボル間のタイミングパターンの見かけの大きさから距離と相対的な方位を算出することができる。また、基準が特定周波数の信号を出すビーコンの場合、ドップラー周波数の変化を検知することでビーコン直下を通過した瞬間を検知でき、通常ビーコンは自動車が走行するときにＣ２Ｘ装置が移動する平面とは異なる高さに設置されているため、車速を考慮することにより水平方向と高さ方向の成分を分けて距離を算出することが可能である。あるいは、ビーコンが複数存在する場合に、各ビーコンの周波数変化をそれぞれ観測し、三角測量の要領で各ビーコンまでの相対関係を算出することが可能である。

ステップＳ３では、相対位置推定部１２は、マーカまたはビーコン等から取得した信号に埋め込まれているマーカまたはビーコン等の絶対位置情報を読み出す。例えば、２次元バーコードの場合は、データ部に緯度経度や方位等に関連する情報や、図示しないデータベースを検索するための索引情報を埋め込んでおき、それを読み出してもよい。ビーコン等であれば、その発信周波数に緯度経度や方位等に関連する情報や、図示しないデータベースを検索するための索引情報を重畳しておき、それらをデコードしてもよい。

ステップＳ４では、相対位置推定部１２は、自車の絶対位置の算出、走行方位の算出、および算出された絶対位置または走行方位に対する信頼性指標を算出する。絶対位置および走行方位は、ステップＳ２で得られたマーカまたはビーコン等までの相対関係と、ステップＳ３で得られたマーカまたはビーコン等の絶対位置および設置方位とをタイミングを合わせて統合することによって算出される。信頼性指標は、二次元バーコードであればデータ部とリードソロモン符号等による誤り訂正符号部との差異がなければ信頼性が高く、誤り訂正処理により情報復元が行われているビット数が多いほど信頼性が低くなる関数として定義すればよい。ビーコン等でもデータ部とチェックサムとの差異数が大きいほど信頼性が低くなる関数として定義すればよい。あるいは、カメラを用いた外界認識の場合、薄暮や逆光などの照明環境や、高速走行や急旋回による画像ブレなどの自車挙動、観測対象の汚れやカスレなどの対象状態に基づき、照明環境に関してはコントラスト比、自車挙動に関しては周波数成分、対象状況に関してはエッジの直線度をそれぞれ閾値範囲として設定しておき、閾値範囲を満たさない条件が多いほど信頼性が低くなる関数として定義すればよい。こうして定義した関数の出力を信頼性指標として出力してもよい。

ステップＳ５では、相対位置推定部１２での算出結果を後段処理に出力する。出力内容は、自車の絶対位置、走行方位、信頼性指標、およびそれらが観測された時刻情報、のうち１つ以上を含む。例えば、自車位置推定部１０が車室内に搭載されており、他機器とＣＡＮ（Car Area Network）にて接続されている場合には、出力処理は前述した出力内容をＣＡＮ出力用のパケットに詰め直して送出する。

＜走行状態判定部１３の処理内容＞
次に、走行状態判定部１３を説明する。走行状態判定部１３は、（１）旋回角度や車速などの車両情報、（２）衛星配置や可視衛星数などの衛星情報の変化に基づいて、走行方位や平均車速の変化を算出し、同一の動向状態が継続しているか、あるいは走行状態が変化したかを判定する。以下、走行状態判定部１３による走行状態変化の判定方法を具体的に説明する。

＜右左折に伴う走行状態変化の判定方法＞
走行状態判定部１３は、車両情報から検出した右左折に基づいて、走行状態変化を判定する。具体的には、以下のように交差点などで右左折をおこない、これまで走行していた道路とは異なる道路に進入または合流したことを判定する。図４および図５の状況を想定し、前述した車軸部の回転角度センサと舵角センサまたはハンドル角センサからの観測値を用いることで、自車の走行挙動を推定する。

図４は、車両Ｖが右に約９０度旋回するときの模式図である。図から明らかなように、車両Ｖは、時刻ｔ＝ｔ_０～ｔ_２は直進、時刻ｔ＝ｔ_３～ｔ_５が旋回中、時刻ｔ＝ｔ_６～ｔ_７が旋回後に再度直進している。

図５は、このときの舵角および車両Ｖの旋回角度を示している。アッカーマンモデルに代表される車両モデルを用いることで、通常は４輪である車両Ｖを駆動輪と操舵輪の２輪にモデル化し、操舵輪の操舵角から旋回半径を算出し、駆動輪の回転量から進行距離を算出することで、旋回角度を算出することが可能である。ｔ_３時点のように、一定時間内に閾値（ｔｈｒ１）以上の旋回角度が算出された場合は、交差点などで右左折をおこない、これまで走行していた道路とは異なる道路に進入または合流したと考え、操舵角が変化し始める前の時刻（ｔ_２）に同一の走行環境が継続しなくなっていたと判定する。さらに、操舵角が中立に戻って（ｔ_６）、一定時間経過しても中立のままのとき、操舵角が中立に戻った時点（ｔ_６）を走行状態が変化し終わったタイミングであると判定する。なお、ここでの操舵角が中立とは、一定の閾値（ｔｈｒ１）以下の状態を指す。

交差点などで右左折をおこなうと、自車左右にある遮蔽物との位置関係が変化する。例えば、周囲にビル等の建築物が密集している市街地において、南北方向に走行しているということは、南北方向、すなわち自車の前後方向には建築物がなく、東西方向、すなわち自車の左右に建築物が並んでいる状況である。このとき、東西方向にある測位衛星から直接得られる測位電波は建築物に遮蔽されており、測位電波が受信できたとしてもビル等で反射されてマルチパスが発生している状態である可能性が高い。マルチパスが発生すると直接測位電波を受信した場合と比べて測位電波の伝送距離が伸びるため、マルチパスが起きている測位電波を用いて自車位置測位をおこなうと、測位衛星が存在する方位に偏差が大きくなることが考えられる。前述の状況の場合、自車から見て南北方向に存在する測位衛星からの測位電波はマルチパスが起こりにくく、東西方向に存在する測位衛星からの測位電波はマルチパスが起きやすくなるため、東西方向に偏差をもつ結果になりやすい。

次に、交差点での右左折により、自車走行方向が変化すると、今度は逆に、自車から見て東西方向に存在する測位衛星からの測位電波はマルチパスが起こりにくく、南北方向に存在する測位衛星からの測位電波はマルチパスが起きやすくなるため、南北方向に偏差をもつ結果になりやすい。交差点などでの右左折を検知して、同一の走行環境が継続しなくなっていたと判定する、あるいは、走行状態が変化し終わったタイミングであると判定することで、こうした状況の変化を切り替えることができるようになる。

＜車速変化に伴う走行状態変化の判定方法＞
走行状態判定部１３は、車両情報から検出した車速に基づいて、走行状態変化を判定する。具体的には、以下のように車速を用いて、これまで走行していた道路とは走行環境が変化したことを判別する。

通常、住宅地などの狭小環境では制限速度が３０ｋｍ／ｈ程度の低い車速に、片側複数車線の走行路をもつ幹線道路などでは制限速度が６０ｋｍ／ｈ程度に設定されている。このため、走行中の平均車速の時系列変化を観測することで、走行環境変化を判別することができる。具体的には、事前に走行環境毎に、車速域とその継続時間を図６のように定義しておき、当該車速域での走行が当該継続時間以上継続した場合に、当該走行状態に遷移したと判断する。なお、車速域が頻繁に変動するなどで、いずれの条件にも適合しない場合は走行状態が不明状態となるようにしておいてもよい。

一般的に、住宅地などの狭小環境では、道幅が狭く、かつ歩道も狭いため、自動車の走行路に近接して建築物が存在する場合が多い。こうした環境下では周囲の測位衛星が遮蔽されやすく、また測位に使用する衛星の組み合わせも頻繁に切り替わりやすいため、測位結果が不安定になりやすい。一方、幹線道路では走行車線幅が広く、さらに歩道があるため、自動車の走行路から一定距離離れて建築物が存在する場合が多い。こうした環境下では、先に挙げた狭小環境よりも測位衛星を直接観測することがしやすくなり、測位結果が安定しやすい。測位結果が不安定な状態から安定した状態へ、あるいはその逆の変化がある場合、同一の走行環境が継続しなくなっていたと判定する、あるいは、走行状態が変化し終わったタイミングであると判定することで、こうした状況の変化を切り替えることができるようになる。

＜使用衛星の組合せ変化に伴う走行状態変化の判定方法＞
走行状態判定部１３は、衛星情報から検出した使用衛星の組合せ変化に基づいて、走行状態変化を判定する。衛星測位では、３衛星もしくは４衛星以上の疑似距離を算出できると、中心を各衛星位置とし半径を疑似距離とした球面を仮定し、その球面の交点として観測地点の絶対位置を算出可能である。しかし、一般に算出された疑似距離は衛星軌道誤差、電離層遅延誤差、対流圏遅延誤差等の各種誤差の影響を受けるため、球面の交点は１点では交わらない。そこで、より多くの衛星からの疑似距離を算出しておき、最小二乗法などで交点に近い点を算出することが多い。このため、特定方位に疑似距離が算出できている衛星数の偏りがある場合など、測位に使用する衛星配置に偏りがあるとき、観測地点の絶対位置の誤差にも偏りが発生する。そこで、測位に使用する衛星配置が変化した時に、同一の動向状態が継続しているか、あるいは走行状態が変化したかを判定する。

具体的には、絶対位置推定部１１から出力される使用衛星情報が、一定時刻前（例えば２秒前）から現時刻直前までの状態と比べて、一定数以上（例えば３衛星以上）変化していれば走行状態が変化したと出力する。また、一定時刻の間に使用衛星が一旦変化して再度元の使用衛星に戻った場合には、走行状態が変化していないと出力する。

例えば、時刻ｔ_－２にＧ_１～Ｇ_５の５衛星、時刻ｔ_－１にＧ_１～Ｇ_４，Ｇ_６の５衛星、時刻ｔ_０にＧ_１～Ｇ_４、Ｇ_６，Ｇ_７の６衛星が測位衛星となった場合は、走行状態が変化したと判定する。一方、時刻ｔ_－２にＧ_１～Ｇ_５の５衛星、時刻ｔ_－１にＧ_１～Ｇ_３の３衛星、時刻ｔ_０にＧ_１～Ｇ_５の５衛星が測位衛星となった場合は、走行状態が変化していないと判定する。

＜測位結果のアキュラシ変化に伴う走行状態変化の判定方法＞
走行状態判定部１３は、衛星情報から検出した測位結果のアキュラシ変化に基づいて、走行状態変化を判定する。衛星測位では、前述したように複数の測位衛星の疑似距離から観測地点の絶対位置を算出する際、観測ベクトルに基づき、幾何学的な精度劣化率（ＧＤＯＰ）、空間座標に関する精度劣化率（ＰＤＯＰ）などの精度劣化率（ＤＯＰ：Position Dilution of Precision）が算出できる。これは天空における測位衛星配置にも度付いて算出される数値である。ほかにも、先に述べた最小二乗法による絶対位置算出の際の損失関数の値に基づく指標、３Ｄ測位か２Ｄ測位かなどの測位ステータスなど、算出された絶対位置の推定精度指標がある。また、ＧＮＳＳ受信機メーカー独自の精度指標（アキュラシ値）を出力するものもあるが、本実施例においてはこれらを特に区別せずに使うものとする。これらの推定精度指標が安定しているか、大きく変化したか、などを判定することで、同一の動向状態が継続しているか、あるいは走行状態が変化したかを判定する。

具体的には、一定時間内（例えば２秒間）に、ｐＤＯＰが閾値以上（例えば１．０以上）の変化がある場合に走行状態が変化したと判定してもよい。これらの精度指標のための閾値は実験的に求めた固定値を用いても良いし、後述する通信部１８を用いて当該地域に適切な閾値を受信しても良い。他推定精度指標についても同様である。

＜差分演算部１４の処理内容＞
次に、差分演算部１４について説明する。差分演算部１４では、絶対位置推定部１１と相対位置推定部１２の推定した自車位置の差分量を算出したいが、位置推定が同時刻に実施されるとは限らないため、以下のように時刻同期をおこなった後に両位置推定部が推定した自車位置の差分量を演算する。

絶対位置推定部１１では、絶対位置推定部１１がＧＮＳＳの受信装置の場合、０．１秒から１秒程度の一定間隔で絶対位置が得られる。一方、相対位置推定部１２では、数秒から数分程度の不定間隔で、マーカやビーコン等の位置情報とそれらからの相対的な位置が得られる。このため、差分演算部１４では、相対位置推定部１２の出力タイミング、もしくは、相対位置推定部１２の出力内容に含まれるマーカまたはビーコン等が観測された時刻情報の時刻に合わせて差分の演算をおこなう。

例えば、差分演算部１４では、絶対位置推定部１１の出力を、線形補間を用いて、相対位置推定部１２の出力タイミングに合わせた値に変換して、差分を演算する。ここで、絶対位置推定部１１が時刻ｔに推定した自車位置をＰ（ｔ）と定義し、相対位置推定部１２が時刻ｓに推定した自車位置をＱ（ｓ）と定義する。図７は、Ｐ（ｔ）とＱ（ｓ）の推定タイミングの関係を模式的に表した図であり、絶対位置推定部１１がＰ（ｔ_ｎ）を推定した時刻である時刻ｔ_ｎの直後の、相対位置推定部１２がＱ（ｓ）を推定した時刻を時刻ｓ_ｎとしている。なお、ｎは整数であり、絶対位置推定部１１が位置推定を行う毎に１つ増加する。また、時刻ｓ_ｎの直前の時刻ｔ_ｎを時刻ｓ_ｎｂ、時刻ｓ_ｎの直後の時刻ｔ_ｎ＋１を時刻ｓ_ｎａと定義している。なお、ｂ、ａは、それぞれ、before、afterを示す添え字である。

この場合、ｓ_１、ｓ_３についての、ｓ_ｂ、ｓ_ａは以下のようになる。

ここで、

とおくと、線形補間を用いて絶対位置推定部１１の出力を、相対位置推定部１２の出力タイミングに合わせた値Ｐ（ｓ_０）、Ｐ（ｓ_３）は以下のように計算できる。

このようにして絶対位置推定部１１の出力に基づくＰ（ｓ_０）やＰ（ｓ_３）を算出した後、差分演算部１４は、同時刻のＱ（ｓ_０）やＱ（ｓ_３）との差を算出する。この差分算出には、例えば、各推定位置の緯度と経度と高さの差の二乗を加算したユークリッド距離とそのオイラー角を、差分ベクトルとすることができる。差分演算部１４は、この差分ベクトルを学習部１５に出力する。

＜差分演算部１４の処理内容の変形例＞
以上は線形補間を用いて絶対位置推定部１１の出力を、相対位置推定部１２の出力タイミングに合わせた値に変換した例であるが、差分演算部１４では、更に前後の点まで用いて二次補間、バイキュービック補間などをおこなってもよい。これにより、補間近似の精度が向上し、演算された差分の精度が向上する効果が期待できる。

また、差分演算部１４では、相対位置推定部１２の出力頻度が絶対位置推定部１１の出力頻度より高い場合や、間隔が数倍長い程度で比較的近い場合には、相対位置推定部１２の出力を、絶対位置推定部１１の出力タイミングに合わせた値に変換してもよい。これにより、絶対位置推定部１１の出力タイミングに合わせて定期的に差分演算ができるようになり、さらに学習部１５および位置補正部１６での補正量更新のタイミングが早くなる効果が期待できる。

さらに、差分演算部１４では、自車位置を同期した後に算出する差分ベクトルとして、その時点の進行方向を基準として進行方向の前後成分と左右成分と高さ成分にそれぞれ分けたベクトルを算出してもよい。これにより、位置補正部１６において、自車の進行方向の前後方向と左右方向とに分けて、細かく位置補正をおこなうことができるようになる。

＜学習部１５の処理内容＞
次に、学習部１５について説明する。学習部１５は、差分演算部１４で算出された差分量を時系列データとして蓄積し、蓄積した時系列データに基づいて、絶対位置推定部１１に対する補正量を算出する。例えば、最も簡素な形態は、差分演算部１４が差分量を演算したタイミングで学習を実施し、差分量をそのまま補正量として採用する方式である。この方式では、相対位置推定部１２の信頼性が高い場合に使用可能であり、相対位置推定部１２が認識可能なマーカ、発信器の認識誤差が十分に小さいことを想定し、この認識結果に基づく自車位置に合わせるように補正量を生成する。このように、差分演算部１４が演算結果を出力したタイミング、すなわち、相対位置推定部１２がマーカやビーコン等の位置情報を観測したタイミングを起点とした演算により、位置情報を検知後すみやかに絶対位置推定部１１に対する補正量を確定することができるため、最新の相対位置推定部１２の結果を算出し次第、すみやかに補正を開始できるという効果がある。

また、学習部１５は、走行状態の変化が完了すると学習状態をリセットし、複数回のマーカまたはビーコン等から得た位置情報について、その観測結果の統計量に基づき補正量を算出してもよい。具体的には、走行状態判定部１３から走行状態が変化し終わったタイミングであるという判定結果を受けると、その時点までの学習状態、または補正量をリセットする。さらに、それ以降に得られた差分演算部１４の出力を複数回受信した後、その分散が閾値以下であるときに最小二乗法に基づいて損失関数が最小になる値を補正量として決定することができる。あるいは最尤推定法を用いてもよい。こうすることで、外界認識結果の不安定性を除去し、推定位置の信頼性向上の効果が期待できる。

さらに、学習部１５は、相対位置推定部１２の信頼性指標を用いてもよい。前述したように、誤り訂正情報の利用や、照明環境、自車挙動、対象状態によって認識性能が低下する。このため、こうした信頼性指標が閾値以下のマーカまたはビーコン等からの情報は学習データから除外する、あるいは重視せずに補正量を算出してもよい。具体的には前述した最小二乗法の場合であれば損失関数算出の際に当該データ点に１より小さい係数を乗じて加算することで、信頼性指標の小さいデータ点の影響を減らし、推定位置の信頼性向上の効果が期待できる。

＜位置補正部１６の処理内容＞
次に、位置補正部１６を図８のフローチャートを用いて説明する。図８に示すフローチャートは、絶対位置推定部１１が自車位置を出力するたびに実行される。位置補正部１６は、絶対位置推定部１１、走行状態判定部１３、および、学習部１５の出力を受け取り、補正された推定位置と誤差指標を出力する。

ステップＳ１１では、位置補正部１６は、走行状態判定部１３の出力に基づいて、同一の走行環境が継続しているかを判定する。走行状態判定部１３が同一の走行環境が継続しなくなっていたと判定しており、走行状態が変化中である場合（分岐のＮｏ側）は、学習部１５における補正量での補正が適切ではないため、補正量を使わずに絶対位置推定部１１の出力値を出力する（ステップＳ１４）。一方、ステップＳ１１で同一の走行状態が継続していると判定された場合（分岐のＹｅｓ側）は、ステップＳ１２に進む。

ステップＳ１２では、位置補正部１６は、学習部１５での学習が完了しているかを判定する。学習部１５の学習が完了していない場合（分岐のＮｏ側）は、学習部１５における補正量での補正が適切ではないため、補正量を使わずに絶対位置推定部１１の出力値をそのまま出力する（ステップＳ１４）。一方、学習部１５の学習が完了している場合、あるいは相対位置推定部１２の１回の出力結果のみで補正量を決定する場合（分岐のＹｅｓ側）は、ステップＳ１３に進む。

ステップＳ１３では、位置補正部１６は、学習部１５での補正量が、以前の補正量と比べて閾値以上変化したかを判定する。

学習部１５から出力される補正量が、以前までの時刻の補正量と比べて閾値以上大きく変わる場合（分岐のＹｅｓ側）は、ステップＳ１５に進む。ステップＳ１５では、位置補正部１６は、補正量変動を緩和するために、前回補正量と今回補正量とを内挿補間した補正量を絶対位置推定量に加算して出力する。具体的には、前回までに学習部１５から出力された補正量をΔｘ（ｔ－Ｎ），Δｘ（ｔ－Ｎ＋１），・・・，Δｘ（ｔ－１）とし、今回の学習部１５から出力された補正量をΔｘ（ｔ）とすると、Δｃ（Ｎ）Δｘ（ｔ－Ｎ）＋Δｃ（Ｎ－１）Δｘ（ｔ－Ｎ＋１）＋・・・＋Δｃ（１）Δｘ（ｔ－１）＋Δｃ（０）Δｘ（ｔ）を今回の補正量として用いてもよい。ここで、ΣΔｃ（ｔ）＝１、ｔ＝ｔ_０～ｔ_Ｎ、とした。

一方、ステップＳ１３で、以前までの時刻の補正量と比べて閾値以上大きく変わらない場合（分岐のＮｏ側）は、ステップＳ１６に進む。ステップＳ１６では、位置補正部１６は、学習部１５から安定した補正量が得られているとみなして、絶対位置推定部１１からの結果に学習部１５からの補正量を加算して出力する。

また、ステップＳ１４、Ｓ１５、Ｓ１６において、位置補正部１６は、それぞれ精度指標を算出する。例えば、この精度指標は例えば誤差円半径であり、ステップＳ１４においては絶対位置推定部１１が出力する精度指標をそのまま出力すればよい。例えば、ステップＳ１５においては、前回までの絶対位置推定部１１から出力された精度指標をＲ（ｔ－Ｎ），Ｒ（ｔ－Ｎ＋１），・・・、Ｒ（ｔ－１）とし、今回の絶対位置推定部１１から出力された精度指標をＲ（ｔ）とすると、Δｃ（Ｎ）ΔＲ（ｔ－Ｎ）＋Δｃ（Ｎ－１）ΔＲ（ｔ－Ｎ＋１）＋・・・＋Δｃ（１）ΔＲ（ｔ－１）＋Δｃ（０）ΔＲ（ｔ）を今回の精度指標とすれば良い。また、ステップＳ１６においては、相対位置推定部１２の信頼性指標に適当な乗数をかけて精度指標に変換すればよい。

前述した位置補正部１６からの出力は、各種処理時間分の遅延はあるものの、絶対位置推定部１１の出力タイミングに合わせておこなわれる。絶対位置推定部１１は、例えばＧＮＳＳなどの測位情報を２Ｈｚ程度で定期的に取得するものであるため、位置補正部１６も一定周期で出力することが期待できる。自動運転システムにおいては、常時自車がどこを走行しているかを取得する必要があるため、本実施例の構成をとることで、こうした自動運転システムのニーズに応えることができる。

以上で説明したように、本実施例の車両制御装置によれば、走行環境および走行状態に応じて、測位位置の適切な補正量（オフセット）を学習し、走行状態変化の影響を除去することで、走行環境や走行状態が変化しても、地図中の自車位置の高精度な推定を、高頻度で得ることが可能となる。

次に、本発明の実施例２に係る自車位置推定部１０を説明する。なお、実施例１との共通点は重複説明を省略する。

図９は、本実施例に係る自車位置推定部１０を説明するブロック図である。ここに示すように、自車位置推定部１０は、絶対位置推定部１１、相対位置推定部１２、走行状態判定部１３、差分演算部１４、学習部１５、位置補正部１６に加え、学習制御部１７、通信部１８を備えている。また、本実施例の走行状態判定部１３には、走行経路情報を含む地図データＭ_Ｔも入力され、本実施例の相対位置推定部１２には、ランドマーク情報を含む地図データＭ_Ｌも入力される。なお、本実施例の地図データＭ_Ｔと地図データＭ_Ｌは、図１の地図データＭの一部である。以下、本実施例の特徴を中心に、各部の詳細を説明する。

＜絶対位置推定部１１＞
絶対位置推定部１１は、実施例１と同様であるため説明を省略する。

＜相対位置推定部１２＞
相対位置推定部１２は、外界認識センサやＣ２Ｘ装置あるいはマーカ読取装置を用いて、自車の位置を高精度に推定する。外界認識センサ、Ｃ２Ｘ装置、マーカ読取装置は、自車の走行環境中に存在するランドマーク、マーカ、発信器の絶対位置を基準とした相対位置を得るものであるため、相対位置取得センサ１ｃとも呼ばれる。そして、相対位置推定部１２では、ランドマーク、マーカ、発信器の絶対位置を基準とした自車の相対位置から、自車の絶対位置を算出して出力する。その際に用いられるランドマークやマーカ、発信器の位置情報は、ランドマーク情報を含む地図データＭ_Ｌに格納されているものを検索して利用してもよいし、実施例１に記載したようにマーカや発信器から出力されている位置情報を用いてもよい。

相対位置取得センサ１ｃの観測対象となるランドマークは自車からの距離が短く、さらに回折・反射による位置誤差が発生しないため、絶対位置推定部１１での位置推定結果よりも、相対位置推定部１２の位置推定結果が高精度であることが期待できる。一方で、相対位置推定部１２による自車位置および姿勢の推定は、ランドマークが存在する場所、あるいはＣ２Ｘ通信が成立した場所でのみ行われる。このため、時間的または空間的な観点で離散的であるといえる。

前述の外界認識センサについて説明する。外界認識センサとは、例えば単眼カメラやステレオカメラ、Ｌｉｄａｒ、ミリ波、超音波センサといった計測機器を指す。

単眼カメラやステレオカメラは、車両Ｖの外部状況を撮像する撮像機器である。カメラは、車両Ｖのフロントガラスの内側及び車両Ｖのリアガラスの内側に設けられている。カメラは、車両Ｖの左右側面に設けられていてもよいし、車室外のライセンスプレート上部などに設けられていてもよい。カメラは車両Ｖの前方及び後方を撮像した撮像画像を、さらにステレオカメラは両眼視差に基づく奥行き情報を相対位置推定部１２に送信する。

Ｌｉｄａｒ、ミリ波、超音波センサは、光、電波、音波などを利用して車両Ｖの周辺の障害物を検出するレーダセンサである。レーダセンサは光、電波、音波などを車両Ｖの周辺に送信し、障害物で反射された光、電波、音波などを受信することで、障害物の有無および種別、速度、距離といった障害物情報を検出し、この障害物情報を相対位置推定部１２に送信する。ここでいう障害物とは、ガードレールや標識支柱、建物などの構造物、および歩行者、自転車、他車両等の移動障害物が含まれる。

ランドマーク情報を含む地図データＭ_Ｌについて説明する。この地図データＭ_Ｌは、外界認識センサで認識可能な地物の種別や配置を含む。例えば、カメラに対しては、走行路区分線である白線や黄線などの直線や破線、通行制限を示す斜線、交通規則や規制を示す速度制限標示や車種区分標示、一時停止線、横断歩道、走行時に視野に入る立体物であるガードレール、信号機、標識、案内標示板、看板、店舗やビルの外観などがある。また、Ｌｉｄａｒ、ミリ波、超音波センサに対しては、ガードレールやリフレクタ、マンホールの蓋、標識支柱などがある。

次に、走行経路情報を含む地図データＭ_Ｔについて説明する。この地図データＭ_Ｔは、道路情報や構造物情報、地理地形情報、経路情報を含む。道路情報とは、道路の地点情報（ノード情報）と各地点情報の接続情報（リンク情報）のほかに、道路の車線数、道路幅、速度規制情報、路肩の有無と路肩幅、歩道の有無と歩道幅などを指す。構造物情報とは、ビルや家屋、歩道橋などの建築物の幅や高さ、道路との相対関係、道路横に設置されている防音壁や防風壁の有無や壁の高さ、トンネルや落石防護用天井部に対する内外状態、橋梁や高架道路を含む周囲の立体的な道路情報などを指す。地理地形情報とは、住宅地、商業地、田畑、林地などの各地点の土地利用状況や、道路や土地の起伏情報を含む地形情報などを指す。経路情報は、経路生成部５０で生成された走行ルートや、バス等の決められたコースを走行する移動体の場合には事前に固定の走行ルートとして作成しておいてもよい。

＜走行状態判定部１３＞
走行状態判定部１３は、（１）旋回角度や車速などの車両情報、（２）衛星配置や可視衛星数などの衛星情報、（３）地形や周囲建造物などの立体物環境を含む地図情報、などが変化することによりＧＮＳＳの偏差傾向が変動するため、同一の走行環境が継続していることを判定する機能、走行状態が変化したタイミングを判定する機能、のいずれか、または両方をもつ。車両情報や受信環境に関して、各パラメタ数値を時系列情報として蓄積し、所定のパラメタ数値が変化した場合や、それぞれ一定時間中の変化量が所定の閾値を超えた場合、パラメタの変化量の累積が一定値を超えた場合、などに走行状態が変化したと判定する。また、走行状態判定部１３はその出力結果を学習制御部１７に送信する。

＜学習制御部１７＞
学習制御部１７は、学習部１５の学習状態の初期化、学習内容の更新、学習頻度などを制御するものであり、具体的には、走行状態判定部１３の結果を蓄積し、その時系列情報に基づいて学習部１５に対して学習指示を出力する。例えば、郊外の高速道路を長時間走行する場合と、右左折を繰り返しながら市街地の狭小道路を走行する場合とで、学習部１５の挙動を変えることで性能向上が期待できる。

郊外の高速道路を長時間走行する場合には、走行状態が同じ環境が継続し、相対位置推定部１２による高精度な位置推定が複数回行われることが期待できるため、差分演算部１４の一定時間内に得られた複数回の結果を用いて最頻値を出力とするような学習指示を学習部１５に出力してもよい。

一方、右左折を繰り返しながら反対に市街地の狭小道路を走行する場合には、走行状態が短時間で切り替わるため、右左折などのように走行状態判定部１３が走行状態の変化タイミングを出力した後、最初にマーカが観測されて相対位置推定部１２が出力された時点での、差分演算部１４が出力した絶対位置推定部と相対位置推定部との差分をそのまま出力とするような学習指示を学習部１５に出力してもよい。

＜差分演算部１４＞
差分演算部１４は、実施例１に記載したものと同様であるため説明を省略する。

＜学習部１５＞
学習部１５は、差分演算部１４で算出された差分量と、学習制御部１７から出力された学習指示に基づいて、絶対位置推定部１１の推定位置を補正するための補正量を算出する。例えば、学習制御部１７からの学習指示として、一定時間内に得られた複数回の結果を用いて最頻値を出力とするような学習指示、が出力されている場合には、一定時間内の差分量を蓄積し、その最頻値を出力とする。また、差分演算部１４からの差分情報を得てからの時間、および絶対位置推定部１１の推定誤差量、相対位置推定部１２の推定誤差量に基づき、学習部１５が出力する補正量の信頼性指標も出力してもよい。

＜位置補正部１６、通信部１８＞
位置補正部１６は、絶対位置推定部１１、走行状態判定部１３、および、学習部１５の出力を受け取り、絶対位置推定部１１の推定位置を補正して出力し、また、通信部１８と双方向に情報を入出力する。例えば、走行状態判定部１３が、同一走行状態の継続と判定している状態では、学習部１５の補正量をそのまま用いて、絶対位置推定部１１の出力位置に補正量を加算して補正した位置を出力する。一方で、走行状態判定部１３が、走行状態が継続していないと判定している状態では、学習部１５の補正量を所定の割合だけ減少させた値を用いて、絶対位置推定部１１の出力位置を補正した位置を出力するとともに、通信部１８にもその出力位置と学習量のほか、日時、自車の車種情報などを送信する。また、通信部１８を介して車外から補正情報を受信した場合、学習部１５から得られた補正量の信頼性指標に基づき、通信部１８からの補正情報と、学習部１５からの補正情報のいずれを用いるかを判断してもよい。

前述の通信部１８との入出力について説明する。通信部は、図示しないサーバに対して、位置補正部１６からの出力位置と学習量のほか、日時、自車の車種情報と、学習部１５からの信頼性指標と、絶対位置推定部１１からの自車位置などの情報を送信する。

図示しないサーバでの処理は、本発明には直接関係しないため、ここでは詳細に記載することは避けるが、例えば本発明を適用した複数の車両から送信された、出力位置と学習量、日時、自車の車種情報、学習の信頼性指標、自車位置などを蓄積し、日時から推定できる測位衛星配置と、車種情報から推定できる測位センサのアンテナ高さ、走行地点などの類型毎に補正量を蓄積することで、特定の車両が特定の衛星配置の環境下を走行したときに、ある日時にある経緯度において絶対位置センサに対してどのような偏差が重畳するかを推定することが可能になる。こうした推定値を当該日時に当該経緯度を走行している車両の通信部１８に送出することを想定している。

こうして通信部１８は図示しないサーバから補正情報を得ることができ、その補正情報を位置補正部１６に送出することができる。

次に、本実施例に係る各部の処理内容について、必要に応じてフローチャートを用いて説明する。

＜絶対位置推定部１１の処理内容＞
絶対位置推定部１１は、測位位置だけでなく、どの衛星からの測位電波を用いて測位位置を算出したか（測位使用衛星）、各衛星からの電波強度などの衛星情報も出力する。処理の詳細は実施例１に記載したものと同様のため省略する。

＜相対位置推定部１２の処理内容＞
相対位置推定部１２の処理内容を、図１０のフローチャートを用いて説明する。図１０に示すフローチャートは、自車位置推定部１０の自車位置推定動作中に継続して実行される。

ステップＳ１ａでは、相対位置推定部１２は、自車の相対位置を求める際の基準となる、ランドマーク、マーカ、ビーコン等の存在有無を判定する。相対位置取得センサ１ｃの具体例である、外界認識センサ、マーカ読取装置、Ｃ２Ｘ装置などの検知可能範囲内に、ランドマーク、マーカ、ビーコン等が存在しているときに、相対位置推定部１２は自車の絶対位置を推定できるため、まず、これらの装置の出力に基づいて、ランドマークやマーカ、ビーコン等の存在有無を判定する。

基準がマーカやビーコンである場合に関しては実施例１にて説明しているため省略し、ここでは、地図データＭ_Ｌと外界認識センサを用いてランドマークを認識する方法について詳細に説明する。例えば、外界認識センサの具体例であるカメラを用いて、横断歩道標示を認識するユースケースについて説明する。横断歩道標示は、主に交差点などに、車両走行路を横切るように幅０．６ｍの白線を、間隔０．６ｍおきに３本以上並べた周期的なパターンの路面標示である。

地図データＭ_Ｌには、交差点に対する横断歩道標示の白線の長さ、端点や白線角度などの相対関係、白線本数、側線の有無などが格納されており、絶対位置推定部１１が推定した自車位置に基づいて自車周囲のランドマーク情報が、相対位置推定部１２に入力される。具体的には、絶対位置推定部１１からは、補正されていないため偏差が含まれているものの、自車位置と自車進行方位、自車速度を得ている。このため、自車進行方位をベクトルの向き、自車速度に時間Ｔを乗じてベクトルの長さとした移動ベクトルを考え、これを現在の自車位置に加算することで、時間Ｔが経過したあとの自車位置を算出することができる。自車位置と時刻Ｔ経過後の自車位置との間と、その区間にさらに一定範囲のマージン領域を考え、その領域に含まれるランドマーク情報を自車からの距離の近い順に出力することで、自車進路上のランドマークを出現する順番で相対位置推定部１２に出力することができる。

地図データＭ_Ｌから、自車進路上に存在すると横断歩道標示のランドマーク情報を受け取ると、ステップＳ１ａではカメラからの横断歩道標示の検出をおこなう。この横断歩道標示検出を図１１の模式図を用いて説明する。Ｄ_１はカメラから入力された加工前の画像である。ステップＳ１ａでは横断歩道標示検出のために入力画像に対し縦エッジ検出をおこないＤ_２を得る。その後、Ｄ_２から既存技術であるラベリング等をおこない線分要素を抽出し、端点座標および長さを得る。この線分要素のうち、閾値以内の類似した長さをもつ線分要素をグループ化した後、グループ毎に一定の間隔をもつ端点座標を抽出しＤ_３を得る。なお、この間隔はカメラのレンズ歪みの影響をうけるため閾値以内で変動していても構わない。前述したように横断歩道標示は３本以上の周期的な白線要素をもつため、線分要素の上端、下端、それぞれ６点ずつ以上の一定間隔を持つ端点座標グループとなる。さらに、横断歩道標示は走行路上に存在するため、カメラの自動車車体に対する設置角度、および設置高、画角を考慮すると、画像中の消失点あるいは地平線の高さを推定することが可能であり、路面に存在する線分要素としてＤ_４を抽出することができる。こうした端点座標グループが抽出された場合に、横断歩道標示が認識できたと判定する。

また、ランドマークが最高速度制限標識などの標識の場合は、形状および文字などが規定されているため、標識種別に対応するテンプレート画像を事前に準備しておき、カメラ映像と照合することでその有無を判定する。具体的には、距離によって見かけのサイズが変動することを考慮して、複数のサイズに拡大縮小したテンプレート画像を、カメラから入力される画像の一部と順次ずらしながら重ね合わせて相関をとり、相関値が閾値以上になる箇所に検知対象が存在すると判定する方法（テンプレートマッチング法）を用いて認識できたか否かを判定する。前述の横断歩道標示と同様、カメラの自動車車体に対する設置角度、設置高、画角を考慮して、画像中で標識を検知する領域を制限してもよい。

さらに、横断歩道標示以外の路面標示や、構造物に対しても、多くの既存技術が公開されているため、それらを用いることで、対象が存在しているか否かを判定することができる。

こうして、ステップＳ１ａではランドマークやマーカ、ビーコン等が存在しているか否かを判定する。存在している場合（分岐のＹｅｓ側）は、次のステップであるステップＳ２ａに進む。存在していない場合（分岐のＮｏ側）は再度ランドマークやマーカ、ビーコン等の存在有無の検出を試みる。

ステップＳ２ａでは、相対位置推定部１２は、基準となるランドマーク、マーカ、ビーコン等までの相対距離と相対方向を算出する。これは、外界認識センサ、Ｃ２Ｘ装置、マーカ読取装置の検知可能範囲はある程度の範囲に限定されるため、位置同定の正確性を上げるために、ランドマーク、またはマーカ、ビーコン等までの距離を算出する。基準がマーカやビーコンである場合に関しては実施例１に記載しているため省略し、ここでは地図データＭ_Ｌを用いて、外界認識センサでランドマークを認識する方法について説明する。

例えば、カメラを用いて横断歩道標示を認識するユースケースについて記載する。前述したステップＳ１ａの処理で、ランドマークが存在していると判定されており、横断歩道標示として抽出された線分要素の上端、下端のそれぞれの端点座標グループが得られているものとする。カメラの自動車車体に対する設置角度、設置高、画角、レンズ歪みを用い、さらに自車直下の走行路路面が少なくとも横断歩道標示まで平坦であると仮定すると、走行路上に横断歩道標示があると仮定したときの横断歩道標示までの距離を算出することができる。さらに、端点座標グループの各端点の並びの角度を算出することで、横断歩道標示に対する自車の角度を算出することができる。

なお、自車直下の走行路路面が少なくとも横断歩道標示まで平坦であるという仮定が成立しない場合、例えば坂道やバンク角度つきのカーブであっても、地図データＭ_Ｌから、ランドマークの大きさ情報を用いることで、ランドマークまでの距離を算出することが可能である。例えば横断歩道の場合について図１２を用いて説明する。

図１２に例示するように、上端の点群グループＧｒ_Ｕと、下端の点群グループＧｒ_Ｄの座標を用いると、横断歩道標示までの距離とその地面傾斜角を算出することができる。以下、便宜上、点群グループＧｒはそれぞれ複数の点を有するが、その重心点を代表点として扱う。任意の点Ａから任意の点群グループＧｒまでの距離とは、点Ａから点群グループＧｒの代表点までの距離のことをさす。端点座標間の距離は前述したように横断歩道の規格上０．６ｍであるため、これが画像上で観測されている大きさと画角等のカメラ情報を用いて、カメラ原点Ｏから下端の点群グループＧｒ_Ｄまでの距離と、カメラ原点Ｏと上端の端点座標グループＧｒ_Ｕまでの距離をそれぞれ算出することができる。

ここで、図１３に例示するように、カメラ原点Ｏと投影平面Ｓを固定し、カメラ原点Ｏから投影平面Ｓ上の点Ｐ_Ｈ，Ｐ_Ｌを通り、距離の定まった点Ｐ_Ｈ’，Ｐ_Ｌ’を決めると、その２点を通る直線の傾きを決めることができるため、カメラ原点Ｏから下端の点群グループＧｒ_Ｄまでの距離と、カメラ原点Ｏと上端の端点座標グループＧｒ_Ｕまでの距離から路面の傾きを推定することが可能である。

ステップＳ３ａでは、相対位置推定部１２は、ランドマークやマーカまたはビーコン等の絶対位置情報を決定する。マーカやビーコンに関しては実施例１に記載しているため省略し、ここでは地図データＭ_Ｌを用いて、外界認識センサでランドマークを認識する方法について説明する。

例えば、基準となるランドマークが横断歩道である場合、図１１のＤ_１に示すように、四隅の端点Ｐ_１～Ｐ_４について、緯度、経度、高度等の位置情報、路面標示の設置方位や、白線長さ、白線本数、側線の有無などが地図データＭ_Ｌに格納されている。ステップＳ２ａで認識した横断歩道標示の認識結果の白線本数や側線の有無、設置方位などの情報と、地図データＭ_Ｌに格納されている情報が一致している場合、横断歩道の四隅の端点の緯度経度を読出し結果として利用する。

ステップＳ４では、相対位置推定部１２は、自車の絶対位置の算出、走行方位の算出、および算出された絶対位置または走行方位に対する信頼性指標を算出する。絶対位置および走行方位は、ステップＳ２ａで得られたランドマーク、マーカ、ビーコン等までの相対関係と、ステップＳ３ａで得られたランドマーク、マーカ、ビーコン等の絶対位置および設置方位とをタイミングを合わせて統合することによって算出される。信頼性指標については実施例１に記載しているため省略する。なお、マーカ認識用のカメラと、外界認識センサとしてのカメラの信頼性指標は同じ考え方で定義することが可能である。

ステップＳ５では、相対位置推定部１２での算出結果を後段処理に出力する。出力内容は、自車の絶対位置、走行方位、信頼性指標、およびそれらが観測された時刻情報、のうち１つ以上を含む。例えば、自車位置推定部１０が車室内に搭載されており、他機器とＣＡＮにて接続されている場合には、出力処理は前述した出力内容をＣＡＮ出力用のパケットに詰め直して送出する。

＜外界認識センサがＬｉｄａｒやミリ波の場合＞
以上では、外界認識センサがカメラである例を説明したが、それ以外の外界認識センサでも基本的には同様に扱うことができる。例えば、外界認識センサがＬｉｄａｒやミリ波を用いるものである場合、ステップＳ１ａにおけるランドマークの認識有無の検出は、それぞれスキャン方向の反射強度の変化、すなわち距離情報と材質情報の空間的な変化と見なし、こうした変化パターンを地図データＭ_Ｌに事前に記録しておき、この記録された変化パターンと閾値以上の類似性の存在有無として定義できる。

また、ステップＳ２ａにおける自車までの相対関係は、Ｌｉｄａｒやミリ波で計測できる距離情報を距離として、スキャン方向の反射強度変化のバイアス変化を角度として、それぞれ定義できる。

ステップＳ３ａにおける地図データＭ_Ｌからのランドマークの読出しは、カメラの場合と同じである。

ステップＳ４における絶対位置の算出方法はカメラの場合と同じであり、信頼性指標はＬｉｄａｒやミリ波の反射強度として定義できる。Ｌｉｄａｒやミリ波の場合、車室外にレーザーやミリ波を発射し、その反射波を計測するものであるため、雨滴や泥汚れなどが付着して感度が低下すると、計測される反射強度が減少する。なお、このとき得られた計測データは、不均一に付着する雨滴や泥汚れによって歪むため、信頼性が低下しているものと考える。

以上で説明したように、本実施例の車両制御装置によれば、ランドマーク情報、または、通信部を介して外部から入手した情報を利用することで、車両位置をより高精度に推定することができる。

次に、本発明の実施例３に係る自車位置推定部１０を説明する。なお、前述した実施例との共通点は重複説明を省略する。

本実施例では、相対位置推定部１２において、外界認識センサでランドマークを認識する際により詳細な認識特性を考慮し、補正方法に反映させる方法について述べる。

本発明の実施例３は、実施例２と装置構成上は同じであり、自車位置推定部１０は、絶対位置推定部１１、相対位置推定部１２、走行状態判定部１３、差分演算部１４、学習部１５、位置補正部１６のほかに、さらに、走行経路情報を含む地図データＭ_Ｔ、ランドマーク情報を含む地図データＭ_Ｌ、学習制御部１７、通信部１８を備えている。前述した相対位置推定部１２、差分演算部１４、位置補正部１６の内部処理が異なる。

以下では、実施例２と重複している部分については適宜省略しながら、各部の詳細を説明する。

相対位置推定部１２における認識特性とは、認識対象の形状によって、特定の方向には精度良く計測できるが、別な方向には精度が劣化したり、あるいは全く位置同定ができないものがある。

前述した横断歩道標示を例にあげて説明する。通常、自動車が走行する際、横断歩道標示に直交するように通過する。このとき、点群グループＧｒに含まれる白線の端点は周期的であり、白線同士を区別する特徴はないため、多数の白線が並ぶ場合にはその区別をつけることは難しい。つまり、自動車の左右方向に対して多数の白線が並ぶ場合にはその区別をつけることは難しく、左右方向の位置を特定する際に誤る可能性がある。一方で、自動車の前後方向、すなわち横断歩道標示を横切るように進入する方向（点群グループＧｒの並びに直交する方向）については、こうした周期性はなく、一意に位置を特定できる特徴がある。

あるいは、車線区分線の白線を例にとると、通常、自動車が走行する際、車線区分線の白線に平行に走行する。このとき、白線とアスファルト等の路面との境界を用いて位置合わせをおこなうことを考えると、自動車の左右方向に対しては位置を特定しやすいが、自動車の前後方向に対しては白線が連続しているために位置を特定することができない。

こうした認識対象の形状によって、特定の方向に位置補正がしやすくなる特徴があるため、横断歩道に対しては前後方向（縦方向）のみ、白線に対しては左右方向（横方向）のみ、最高速度制限標示に対しては前後方向と左右方向の両方、などとルールベースで事前に定義しておいてもよい。

あるいは、地図データＭ_Ｌのランドマーク情報には、各ランドマークに方向毎の位置補正可否を格納しておくとよい。これにより、細街路の横断歩道のように、外界認識センサで全体を捉えやすく左右方向の誤差が起きにくい場合と、歩行者や車両が多く部分遮蔽が発生しやすい多車線道路の横断歩道のように、外界認識センサでその一部しか捉えられず左右方向の誤差が起きやすい場合と、を分けて扱うことができるようになり、環境に応じた位置情報を得やすくなるという効果がある。

相対位置推定部１２では、ランドマーク毎に予め定義された、車両進行方向に対する方向成分に関してその位置を出力するものとする。

差分演算部１４では、絶対位置推定部１１および相対位置推定部１２の差分を、相対位置推定部１２から出力された方向成分に関して計算する。具体的には、絶対位置推定部１１から自車が北向きに走行していると得られた状態で、かつ相対位置推定部１２からは地図上で東西方向に設置された横断歩道標示に関して南北方向成分の位置情報が出力されている状態を考える。このとき、自車の南北方向の位置差分としては、絶対位置推定部１１と相対位置推定部１２の差分を算出し、自車の東西方向の位置差分としては差分量が計算されていないことを出力する。

学習部１５は、実施例２と同じであるため説明を省略する。

位置補正部１６では、学習部１５から出力される方位毎の差分量に基づき、絶対位置推定部１１の出力を補正して出力する。こうすることで、外界認識センサでランドマークを認識する際により詳細な認識特性を考慮し、補正方法に反映させることができる。

１００ 車両制御装置
１ａ 車両情報受信部
１ｂ 絶対位置取得センサ
１ｃ 相対位置取得センサ
１ｄ アクチュエータ
１ｅ ＨＭＩ
１０ 自車位置推定部
１１ 絶対位置推定部
１２ 相対位置推定部
１３ 走行状態判定部
１４ 差分演算部
１５ 学習部
１６ 位置補正部
１７ 学習制御部
１８ 通信部
２０ 自律航法統合部
３０ 地図照合部
４０ 自動運転制御部
５０ 経路生成部
Ｍ、Ｍ_Ｔ、Ｍ_Ｌ 地図データ

Claims (11)

1. 自車位置を推定する自車位置推定部を備えた車両制御装置であって、
   前記自車位置推定部は、
   ＧＮＳＳから取得した絶対位置情報に基づいて、第一車両位置を推定する絶対位置推定部と、
   車外から取得した相対位置情報に基づいて、第二車両位置を推定する相対位置推定部と、
   車両情報または衛星情報に基づいて、自車の走行状態の変化を判定する走行状態判定部と、
   前記第一車両位置と前記第二車両位置の時刻を同期した上で差分量を演算する差分演算部と、
   前記走行状態ごとに前記差分量を時系列データとして蓄積し、蓄積した時系列データに基づいて前記走行状態ごとの前記第一車両位置の補正量を学習する学習部と、
   該学習部で算出した補正量に基づいて、前記第一車両位置を補正する位置補正部と、
   を具備することを特徴とする車両制御装置。
2. 請求項１に記載の車両制御装置において、
   前記第二車両位置は、マーカ読取装置が読み取ったマーカの絶対位置を基準とした相対位置、または、Ｃ２Ｘ装置が受信した発信器もしくはアクセスポイント装置の絶対位置を基準とした相対位置であることを特徴とする車両制御装置。
3. 請求項１に記載の車両制御装置において、
   前記相対位置推定部には、自車周囲のランドマークの絶対位置を登録したランドマーク情報が入力され、
   前記第二車両位置は、外界認識センサが認識した前記ランドマークの絶対位置を基準とした相対位置であることを特徴とする車両制御装置。
4. 請求項３に記載の車両制御装置において、
   前記ランドマーク情報には、各ランドマークについて方向毎の位置補正可否情報を格納していることを特徴とする車両制御装置。
5. 請求項１に記載の車両制御装置において、
   前記走行状態判定部は、前記車両情報に基づいて、自車の右左折を検出した場合、または、自車の車速変化を検出した場合に、自車の走行状態の変化を判定することを特徴とする車両制御装置。
6. 請求項１に記載の車両制御装置において、
   前記走行状態判定部は、前記衛星情報に基づいて、前記第一車両位置の推定に使用した測位衛星の変化を検出した場合、または、測位結果のアキュラシの変化を検出した場合に、自車の走行状態の変化を判定することを特徴とする車両制御装置。
7. 請求項１に記載の車両制御装置において、
   前記差分演算部は、自車の進行方向に対して前後方向と左右方向に分けて差分量を演算し、
   前記位置補正部は、自車の進行方向に対して前後方向と左右方向に分けて前記第一車両位置を補正することを特徴とする車両制御装置。
8. 請求項１に記載の車両制御装置において、
   さらに、前記走行状態判定部の判定結果に応じて、前記学習部の学習状態の初期化、学習内容の更新、または、学習頻度を制御する学習制御部を具備することを特徴とする車両制御装置。
9. 請求項１に記載の車両制御装置において、
   さらに、車外と通信する通信部、を具備しており、
   前記位置補正部は、前記通信部を介して車外から受信した補正情報に基づいて、前記第一車両位置を補正することを特徴とする車両制御装置。
10. 請求項１から請求項９の何れか一項に記載の車両制御装置において、
    さらに、
    前記車両情報と前記自車位置推定部が推定した自車位置に基づいて自車位置を算出する自律航法統合部と、
    前記自律航法統合部が算出した自車位置と地図データに基づき、地図中の自車位置を推定する地図照合部と、
    該地図照合部が推定した地図中の自車位置と運転経路に基づいて、車両の操舵系、駆動系、制動系を制御する自動運転制御部と、
    を具備することを特徴とする車両制御装置。
11. 自車位置を推定する自車位置推定方法であって、
    ＧＮＳＳから取得した絶対位置情報に基づいて、第一車両位置を推定するステップと、
    車外から取得した相対位置情報に基づいて、第二車両位置を推定するステップと、
    車両情報または衛星情報に基づいて、自車の走行状態の変化を判定するステップと、
    前記第一車両位置と前記第二車両位置の時刻を同期した上で差分量を演算するステップと、
    前記走行状態ごとに前記差分量を時系列データとして蓄積し、蓄積した時系列データに基づいて前記走行状態ごとの前記第一車両位置の補正量を学習するステップと、
    学習した補正量に基づいて、前記第一車両位置を補正するステップと、
    を具備することを特徴とする自車位置推定方法。

Images