JP7675359B2 - 位置推定システム - Google Patents

Description

本発明は、位置推定システムに関する。

安全運転や自動運転などに向けた技術としては、自車両に設けられたセンサ類から得られる情報により自車両の位置を判定するものが知られている。例えば、特許文献１には、道路上で走行方向に間隔をもって車載カメラから撮影された風景画像の特徴的部分を抽出して得られる複数の参照データをそれぞれ対応する地図上の位置と関連付けて記憶しておき、車載カメラから撮影される風景画像と前記複数の参照データとが一致しているか否かを判定するマッチング処理を行ない、該マッチング処理により一致していると判定された参照データに対応する地図上の位置に基づいて車両の地図上の位置を判定する位置判定装置であって、前記マッチング処理は、車両から撮影される風景画像に対して特徴的部分を抽出する所定の画像処理を施して得られる判定用データと前記参照データとの一致の程度が判定用閾値以上のときに一致していると判定し、前記一致の程度が前記判定用閾値未満のときに一致していないと判定することにより行なわれ、前記判定用閾値は、車速が大きいほど小さくなる傾向に且つハンドル操舵量が大きいほど小さくなる傾向に調整されてなる、位置判定装置が開示されている。

特開２００５－３１８５６８号公報

しかしながら、上記従来技術においては、車載カメラから撮影される風景画像と参照データとが一致しにくい状態となった場合に一致していると判定するための条件を緩和することで、風景画像と参照データとが一致する機会を無理に増やしており、自車両の位置判定の精度が低下してしまうおそれがあった。

本発明は上記に鑑みてなされたものであり、自車両の走行状態や走行環境に応じてより精度良く自車両の位置を推定することができる位置推定システムを提供することを目的とする。

上記目的を達成するために、本発明は、車両に設けられた位置推定システムであって、前記車両の前方の物体を検出する前方センサと、前記前方センサよりも近距離の範囲、かつ前記車両の少なくとも左右方向を含む範囲を検知範囲とし、前記検知範囲における前記車両の周辺の物体を検出する周辺センサと、前記前方センサの検出結果および前記周辺センサの検出結果の少なくとも一方の検出結果から物体の複数の特徴点を検出し、検出した前記複数の特徴点を用いて前記車両の位置推定を行う位置推定装置と、前記位置推定装置の推定結果に基づいて前記車両の動作を制御する制御装置と、を備え、前記位置推定装置は、前記前方センサの検出結果から検出された特徴点からなる特徴点群に対応する前方エリアと、前記周辺センサの検出結果から検出された特徴点からなる特徴点群に対応する周辺エリアと、を設定し、前記車両の状態に関する複数の情報のそれぞれについて重み付けを行うとともに、前記車両の周辺環境に関する情報について重み付けを行い、前記重み付けの結果に応じて、前記前方エリア及び前記周辺エリアをそれぞれ前記位置推定に用いるエリアと前記位置推定に用いないエリアのいずれか一方に設定し、前記位置推定に用いるエリアとして設定したエリアの特徴点群を用いて前記位置推定を行うものとする。

本発明によれば、自車両の走行状態や走行環境に応じてより精度良く自車両の位置を推定することができる。

車両に搭載される位置推定システムによる位置推定の一例を示す図である。 車両に搭載される位置推定システムによる位置推定の一例を示す図である。 車両に搭載される位置推定システムによる位置推定の一例を示す図である。 位置推定システムの全体構成を概略的に示す機能ブロック図である。 使用特徴点エリア判断部の全体構成を概略的に示す機能ブロック図である。 速度判断部の処理内容を示す図である。 旋回判断部の処理内容を示す図である。 走行環境判断部の処理内容を示す図である。 予測曲率判断部の処理内容を示す図である。 周辺環境判断部の処理内容を示す図である。 エリアコスト演算部の処理内容を示す図である。 特徴点を示す３次元点群データの一例を示す図である。 前方センサおよび周辺センサの検出範囲の一例を示す図である。 検出領域について説明する図である。 検出領域について説明する図である。 ＩＰＣの手法について説明する図である。 ＩＰＣの手法について説明する図である。 ＩＰＣの手法について説明する図である。 自車両の周辺環境の一例を示す図である。 自車両の周辺環境の一例を示す図である。 自車両の周辺環境の一例を示す図である。 自車位置推定装置における処理内容を示すフローチャートである。 使用特徴点エリア判断部におけるエリア選択処理の処理内容を示すフローチャートである。 走行状況の一例を示す図である。 走行状況の一例を示す図である。 走行状況の一例を示す図である。 従来技術における融合結果の一例を示す図である。 センサ構成の他の例を示す図である。 センサ構成の他の例を示す図である。 センサ構成の他の例を示す図である。 センサ構成の他の例を示す図である。

以下、本発明の実施の形態を図面を参照しつつ説明する。

＜第１の実施の形態＞
本発明の第１の実施の形態を図１～図２７を参照しつつ説明する。

図１～図３は、車両に搭載される位置推定システムによる位置推定の一例を示す図である。

車両のような移動体による位置推定（所謂、自車位置推定）には、図１に示すように、ＧＮＳＳ（Global Navigation Satellite System：全世界測定システム）によって自車両の地球上における緯度および経度を絶対位置として推定するものや、図２に示すように、カメラ等から得られる情報から自車両の位置を周辺の構造（道路上に設けられたラインや他の物体など）との相対位置として推定するもの、或いは、図３に示すように、ジャイロセンサや加速度センサなどの各種センサからの情報とＧＮＳＳ等との情報を合わせて演算処理することにより、トンネル内などの環境下で自車両の位置を推定するもの（所謂、デッドレコニング）などの方法がある。

本実施の形態に係る位置推定システムは、自車両に搭載された各種センサなどの検出結果から得られた情報と予め用意した地図の情報とを比較することにより、自車両の位置を推定するものである。より具体的には、自車両に搭載されたセンサによって自車両周辺の物体の特徴点を検出し、事前測定などによって予め作成された特徴点の情報を含む地図と対応付けすることにより、地図上の自車両の位置を推定する。以降、このような本実施の形態に係る位置推定システムの詳細について説明する。

図４は、本実施の形態に係る位置推定システムの全体構成を概略的に示す機能ブロック図である。

図４において、位置推定システムは、前方センサ２０１、周辺センサ２０２、車両内部センサ２０３、ＧＮＳＳ２０４、地図記憶部２０５、目標経路設定部２０６、外界センサ２０７、及び、自車位置推定装置１００から概略構成されている。

前方センサ２０１は、自車両１（後の図１２等参照）の前方の物体を検出する長距離狭角のセンサであり、例えば、本実施の形態ではステレオカメラを用い、ステレオカメラで得られた測定結果（画像）から物体を検出し、物体の表面（或いは内部）の位置を示す点群データとして出力する。なお、前方センサ２０１としては、自車両１の前方の物体を検出できれば良く、例えば、カメラで得られた画像から物体を検出する手法や、レーダー（Ｒａｄａｒ：Radio Detecting and Ranging：電波探知測距）、ソナー（ＳＯＮＡＲ：Sound navigation and ranging）、ライダー（ＬｉＤＡＲ：Light Detection and Ranging：光検出と測距）などの技術を用いて物体を検出する手法を用いても良い。

周辺センサ２０２は、自車両１の周辺の物体を検出する近距離全方位のセンサであり、例えば、本実施の形態では前方、左側方、後方、及び、右側方をそれぞれ検出範囲とする複数のライダーを用いるセンサ２０２ａ，２０２ｂ，２０２ｃ，２０２ｄで構成され、得られた測定結果から物体を検出し、物体の表面（或いは内部）の位置を示す点群データとして出力する。なお、周辺センサ２０２としては、自車両１の周辺の物体を検出できれば良く、例えば、カメラで得られた画像から物体を検出する手法や、レーダー（Ｒａｄａｒ：Radio Detecting and Ranging：電波探知測距）、ソナー（ＳＯＮＡＲ：Sound navigation and ranging）などの技術を用いて物体を検出する手法を用いても良い。

車両内部センサ２０３は、自車両１の情報を検出する各種センサであり、例えば、自車両の走行速度を検出する車速センサや、舵角を検出する舵角センサなどである。

ＧＮＳＳ２０４は、全世界測定システム（Global Navigation Satellite System）と呼ばれるものであり、地球座標系における自車両１の位置（すなわち、緯度および経度）を測定する。

地図記憶部２０５は、自車両１の走行環境を含む地図情報を記憶している。地図情報には、道路や建物などの構造物の特徴点の位置情報が予め測定されて、例えば、図１２に示すような特徴点を示す３次元点群データとして記憶されている。

目標経路設定部２０６は、自車両１の走行経路やその曲率を設定するものであり、例えば、自車両１が自動走行を行っている場合には、自動走行で設定された自車両の走行経路から曲率を設定する。また、手動走行を行っている場合には、前方センサ２０１や周辺センサ２０２などのセンサを含む、自車両の周辺の情報を取得するセンサからの検出結果に基づいて、自車両の走行経路の曲率を設定する。

外界センサ２０７は、自車両の走行環境の情報（例えば、自車両周辺の他の車両の有無や位置の情報）を認識結果として検出するものであり、例えば、前方センサ２０１や周辺センサ２０２で兼用する、すなわち、前方センサ２０１や周辺センサ２０２の検出結果を外界センサ２０７の検出結果として用いても良い。また、外界センサ２０７として別途センサを設けるように構成しても良い。なお、外界センサ２０７に用いる手法としては、例えば、ステレオカメラを用い、ステレオカメラで得られた測定結果（画像）から物体を検出する手法や、カメラで得られた画像から物体を検出する手法、レーダー（Ｒａｄａｒ：Radio Detecting and Ranging：電波探知測距）、ソナー（ＳＯＮＡＲ：Sound navigation and ranging）、ライダー（ＬｉＤＡＲ：Light Detection and Ranging：光検出と測距）などの技術を用いて物体を検出する手法を用いても良い。

自車位置推定装置１００は、前方センサ２０１、周辺センサ２０２、車両内部センサ２０３、ＧＮＳＳ２０４、地図記憶部２０５、目標経路設定部２０６、及び、外界センサ２０７からの情報に基づいて自車両の位置を推定し、自車両１における自動運転や手動運転などの動作を制御する制御装置３００に推定結果を出力するものであり、特徴点検出部１１０、特徴点エリア生成部１２０、前方マッチング部１３０、周辺マッチング部１４０、使用特徴点エリア判断部１５０、車両移動量推定部１６０、及び、車両位置融合部１７０から概略構成されている。

特徴点検出部１１０は、前方センサ２０１や周辺センサ２０２の測定結果である点群データから、検出された物体の複数の特徴点を検出するものである。

特徴点エリア生成部１２０は、特徴点検出部１１０で検出した複数の特徴点を予め定めた複数の検出領域の何れかと対応付けることで、それぞれが複数の特徴点からなる複数の特徴点群に分割する。

図１３は、前方センサおよび周辺センサの検出範囲の一例を示す図であり、図１４及び図１５は、本実施の形態において定義する検出領域について説明する図である。

図１３に示すように、前方センサ２０１は、自車両の前方の長距離狭角を検出範囲としており、検出範囲内の物体を検知する。また、周辺センサ２０２は、自車両の周囲に設置された複数のセンサ２０２ａ，２０２ｂ，２０２ｃ，２０２ｄによって自車両の周辺の近距離全範囲を検出範囲としており、検知範囲内の物体を検知する。

また、図１４及び図１５に示すように、自車両１の前方及び周辺に複数の検出領域を予め定義する。本実施の形態では、例えは、自車両１の前方であって比較的遠距離の一定の範囲を含む検出領域として前方エリアＥを定義する。同様に、自車両１の近距離における周辺について、前方の検出領域として周辺エリアＡを、左側方の検出領域として周辺エリアＢを、後方の検出領域として周辺エリアＣを、右側方の検出領域として周辺エリアＤを定義する。

本実施の形態では、前方センサ２０１及び周辺センサ２０２（センサ２０２ａ，２０２ｂ，２０２ｃ，２０２ｄ）において得られた測定結果から検出された複数の特徴点（複数の特徴点群）と予め設定した検出領域（周辺エリアＡ，Ｂ，Ｃ，Ｄ、前方エリアＥ）とをそれぞれ対応付けることで、複数の特徴点を複数の特徴点群に分割する。すなわち、前方センサ２０１の検出結果から検出された複数の特徴点は前方エリアＥに対応する特徴点群に含まれる。同様に、周辺センサ２０２（センサ２０２ａ，２０２ｂ，２０２ｃ，２０２ｄ）の検出結果から検出された特徴点は、それぞれ、周辺エリアＡ、周辺エリアＢ、周辺エリアＣ、及び、周辺エリアＤに対応する特徴点群に含まれる。

使用特徴点エリア判断部１５０は、車両内部センサ２０３、ＧＮＳＳ２０４、地図記憶部２０５、目標経路設定部２０６、及び、外界センサ２０７からの情報に基づいて、各検出領域（前方エリアＥ、周辺エリアＡ，Ｂ，Ｃ，Ｄ）に属する特徴点群のそれぞれに対し、自車両１の位置の推定処理に用いるか否かを判断する。すなわち、例えば、前方エリアＥの特徴点群を自車両１の推定処理に用いないと判断した場合には、その判断結果（選択エリア値）を前方マッチング部１３０に出力する。同様に、周辺エリアＡの特徴点群を自車両１の推定処理に用いないと判断した場合には、その判断結果（選択エリア値）を周辺マッチング部１４０に出力する。なお、使用特徴点エリア判断部１５０における判断処理の詳細については後述する。

前方マッチング部１３０は、前方センサ２０１の検出結果から得られた複数の特徴点（ここでは、前方エリアＥに属する特徴点）と地図記憶部２０５に記憶された地図の特徴点とを比較して対応付けすることにより、自車両１の地図上の位置を推定し、出力する。また、前回の対応付けの処理から位置推定の結果の更新があるか否かの情報を同時に出力する。

前方エリアＥの特徴点と地図の特徴点とを対応付けて自車両１の位置を推定する方法は種々のものが考えられるが、例えば、図１６～図１８に示すＩＰＣ（Iterative Closest Point）の手法を用いることが考えられる。この場合には、まず、図１６に示すような前方エリアＥの特徴点群の特徴点と地図の特徴点群の特徴点とに対して、図１７に示すように最近傍の特徴点を探索して対応付けし、図１８に示すように対応付けた特徴点の位置の差が最小化するように前方エリアＥの特徴点群の位置を調整する。そして、図１６～図１８の処理を繰り返して特徴点群間の差が予め定めた条件を満たした場合に、前方エリアＥの特徴点群と地図上の特徴点群とが同じ物体を表していると判定し、自車両１の地図上の位置を推定する。

なお、前方マッチング部１３０は、後述する使用特徴点エリア判断部１５０において、前方エリアＥの特徴点を位置推定に用いないと判断された場合（すなわち、前方エリアＥの選択エリア値＝０の場合）には、前方エリアＥの特徴点を用いた位置推定及び結果の出力を行わない。

同様に、周辺マッチング部１４０は、周辺センサ２０２（センサ２０２ａ，２０２ｂ，２０２ｃ，２０２ｄ）の検出結果から得られた複数の特徴点（ここでは、周辺エリアＡ，Ｂ，Ｃ，Ｄにそれぞれ属する特徴点）と地図記憶部２０５に記憶された地図の特徴点とを比較して対応付けすることにより、自車両１の地図上の位置を推定し、出力する。また、前回の対応付けの処理から位置推定の結果の更新があるか否かの情報を同時に出力する。なお、周辺エリアＡ，Ｂ，Ｃ，Ｄにそれぞれ属する特徴点と地図の特徴点とを対応付けて自車両１の位置を推定する方法は、前方マッチング部１３０と同様の手法を用いることができる。

また、周辺マッチング部１４０は、後述する使用特徴点エリア判断部１５０において、特徴点を位置推定に用いないと判断された周辺エリア（すなわち、選択エリア値＝０の周辺エリア）については、その周辺エリアの特徴点を用いた位置推定及び結果の出力を行わない。

図５は、本実施の形態に係る使用特徴点エリア判断部の全体構成を概略的に示す機能ブロック図である。

図５において、使用特徴点エリア判断部１５０は、速度判断部１５１、旋回判断部１５２、走行環境判断部１５３、予測曲率判断部１５４、周辺環境判断部１５５、及び、エリアコスト演算部１５６から概略構成されている。

図６は、速度判断部の処理内容を示す図である。

図６に示すように、速度判断部１５１は、車両内部センサ２０３から取得した車速情報に基づいて重みを演算し（すなわち、車速に係る情報の重み付けを行い）、演算結果（重みＡ）を出力する。速度判断部１５１では、例えば、車速の増加に応じて重みＡが増加するようなテーブルを予め用意し、車速が８０ｋｍ／ｈ以上の場合には重みＡ＝１．０とし、車速が８０ｋｍ／ｈ未満かつ０（ゼロ）ｋｍ／ｈより大きい場合にはテーブルに応じて重みＡを演算し、車速が０（ゼロ）ｋｍ／ｈの場合には重みＡ＝０．１とする。なお、上記の処理における各種数値は一例を示すものであり適宜変更が可能である。

図７は、旋回判断部の処理内容を示す図である。

図７に示すように、旋回判断部１５２は、車両内部センサ２０３から取得した舵角情報に基づいて重みを演算し（すなわち、舵角に係る情報の重み付けを行い）、演算結果（重みＢ）を出力する。旋回判断部１５２では、例えば、舵角（絶対値）の増加に応じて重みＢが減少するようなテーブルを予め用意し、舵角の絶対値が９０°の場合には重みＢ＝０．１とし、舵角の絶対値が９０°未満かつ０．０°より大きい場合にはテーブルに応じて重みＢを演算し、舵角が０°（ゼロ度）の場合には重みＢ＝０．９とする。なお、上記の処理における各種数値は一例を示すものであり適宜変更が可能である。

図８は、走行環境判断部の処理内容を示す図である。

図８に示すように、走行環境判断部１５３は、ＧＮＳＳ２０４からの位置情報および地図記憶部２０５からの地図情報に基づいて走行環境を判断し、走行環境に応じた重みを演算して（すなわち、走行環境に係る情報の重み付けを行って）、演算結果（重みＣ）を出力する。走行環境判断部１５３では、自車両１の走行環境に応じた予め重み付けの情報を有しており、例えば、自車両１の走行環境が高速道路であれば重みＣ＝０．９とし、国道や環状道路であれば重みＣ＝０．７とし、その他の道路であれば重みＣ＝０．４とし、スーパーなどの駐車場であれば重みＣ＝０．１とする。なお、上記の処理における各種数値は一例を示すものであり適宜変更が可能である。

図９は、予測曲率判断部の処理内容を示す図である。

図９に示すように、予測曲率判断部１５４、地図記憶部２０５からの地図情報、目標経路設定部２０６からの経路情報や曲率情報、及び、外界センサ２０７からの認識結果情報に基づいて、自車両１の走行経路における予測曲率を判断し、予測曲率に応じた重みを演算して（すなわち、走行環境に係る情報の重み付けを行って）、演算結果（重みＤ）を出力する。予測曲率判断部１５４では、予め定めた時間範囲において、自車両１が自動運転中である場合に得られた重みと、非自動運転中である場合に得られた重みとを平均することで、重みＤを取得している。

予測曲率判断部１５４では、自動運転中においては、目標経路と曲率とを取得し、例えば、曲率が小さい場合（すなわち、緩やかなカーブの場合）には重み＝０．５とし、曲率が大きい場合（すなわち、急カーブの場合）には重み＝０．１とし、曲率が０（ゼロ）の場合（すなわち、直線の場合）には重み＝０．９とする。

同様に、非自動運転中においては、外界センサ２０７から得られる曲率を取得し、例えば、曲率が小さい場合（すなわち、緩やかなカーブの場合）には重み＝０．５とし、曲率が大きい場合（すなわち、急カーブの場合）には重み＝０．１とし、曲率が０（ゼロ）の場合（すなわち、直線の場合）には重み＝０．９とする。

そして、自動運転中と非自動運転中における重みの時間平均を求めることで重みＤを得る。

なお、自動運転中と非自動運転中とで曲率に対する重み付けの程度を同じとした場合を例示したが、異なるように設定しても良い。また、例えば、予測曲率の増加に応じて重みが減少するようなテーブルを予め用意し、これを用いて重みを求めるように構成しても良い。また、上記の処理における各種数値は一例を示すものであり適宜変更が可能である。

図１０は、周辺環境判断部の処理内容を示す図である。

図１０に示すように、周辺環境判断部１５５は、外界センサ２０７からの認識結果に基づいて、自車両１の周辺環境における他の動的物体（例えば、他の車両やバイク、自転車など）の有無を判断し、判断結果に応じた重みを各検出領域（前方エリアＥ、周辺エリアＡ，Ｂ，Ｃ，Ｄ）ごとに演算して（すなわち、周辺環境に係る情報の重み付けを行って）、演算結果（エリア重み）を出力する。周辺環境判断部１５５では、例えば、動的物体が存在する検出領域の重み＝０．０（ゼロ）とし、動的物体が存在しない検出領域の重み＝１．０とする。

図１９～図２１は、自車両の周辺環境の一例を示す図である。

例えば、周辺環境判断部１５５は、図１９に示すように自車両１の前方に他の車両２が存在する場合、すなわち、前方の検出領域（前方エリアＥ、周辺エリアＡ）に動的物体が存在する場合には、前方エリアＥおよび周辺エリアＡの重み＝０．０とし、周辺エリアＢ，Ｃ，Ｄの重み＝１．０とする。また、例えば、図２０に示すように自車両１の前方、後方、右側方、及び、右斜め前方にそれぞれ他の車両２，３，４，５が存在する場合、すなわち、前方および周辺の検出領域（前方エリアＥ、周辺エリアＡ，Ｃ，Ｄ）に動的物体が存在する場合には、前方エリアＥおよび周辺エリアＡ，Ｃ，Ｄの重み＝０．０とし、周辺エリアＢの重み＝１．０とする。また、例えば、図２１に示すように自車両１の前方および後方の比較的遠方にそれぞれ他の車両６，７が存在する場合、すなわち、前方の検出領域（前方エリアＥ）に動的物体が存在する場合には、前方エリアＥの重み＝０．０とし、周辺エリアＡ，Ｂ，Ｃ，Ｄの重み＝１．０とする。

図１１は、エリアコスト演算部の処理内容を示す図である。

図１１に示すように、エリアコスト演算部１５６は、速度判断部１５１、旋回判断部１５２、走行環境判断部１５３、予測曲率判断部１５４、及び、周辺環境判断部１５５からの演算結果（重みＡ，Ｂ，Ｃ，Ｄ、エリア重み）に応じて、各検出領域（前方エリアＥ、周辺エリアＡ，Ｂ，Ｃ，Ｄ）の選択エリア値をそれぞれ演算し、出力する。エリアコスト演算部１５６では、検出領域ごとに重み乗算値を算出し、重み乗算値に応じて各検出領域の選択エリア値を設定する。

すなわち、エリアコスト演算部１５６では、まず、各検出領域について、重み乗算値＝重みＡ（速度）×重みＢ（旋回）×重みＣ（走行環境）×重みＤ（予測曲率）×エリア重み（周辺環境）を演算する。

続いて、周辺エリアＡ，Ｂ，Ｃ，Ｄについては、重み乗算値が０．０よりも大きい検出領域の選択エリア値＝１とし、重み乗算値が０．０の検出領域の選択エリア値＝０とする。同様に、前方エリアＥについては、重み乗算値が予め定めた閾値以上の場合には選択エリア値＝１とし、重み乗算値が予め定めた閾値未満の場合には選択エリア値＝０とする。

エリアコスト演算部１５６における処理内容の具体例を挙げると、例えば、自車両１が直線の高速道路で１００ｋｍ／ｈで走行しており、かつ、周辺に他の動的物体が存在しない場合には、重みＡ～Ｄおよびエリア重みは、重みＡ（速度）＝１．０、重みＢ（旋回）＝０．９、重みＣ（走行環境）＝０．９、重みＤ（予測曲率）＝０．９、エリア重み（周辺環境）＝１．０（全ての検出領域）となる。ここで、前方エリアＥの重み乗算値＝０．７２９となる。したがって、閾値が０．７２９より小さい場合には、前方エリアＥの選択エリア値＝１となる。また、周辺エリアＡ，Ｂ，Ｃ，Ｄの重み乗算値はそれぞれ０．０となるので、周辺エリアＡ，Ｂ，Ｃ，Ｄの選択エリア値＝０となる。

また、例えば、自車両１が高速道路のＪＣＳ（ジャンクション）のカーブを５０ｋｍ/ｈで走行しており、かつ、周辺に他の動的物体が存在しない場合には、重みＡ～Ｄおよびエリア重みは、重みＡ（速度）＝０．５、重みＢ（旋回）＝０．５、重みＣ（走行環境）＝０．９、重みＤ（予測曲率）＝０．５、エリア重み（周辺環境）＝１．０（全ての検出領域）となる。ここで、前方エリアＥの重み乗算値＝０．１１２５となるので、閾値が０．１１２５より大きい場合には、前方エリアＥの選択エリア値＝０となる。また、周辺エリアＡ，Ｂ，Ｃ，Ｄの重み乗算値はそれぞれ０．０１２５となるので、周辺エリアＡ，Ｂ，Ｃ，Ｄの選択エリア値＝１となる。

また、例えば、自車両１が国道で渋滞に巻き込まれており、停止と発進を繰り返している状態であって、かつ、左車線を走行し、前方、後方、及び、右側方に他の動的物体（他の車両）が存在する場合には、重みＡ～Ｄは、重みＡ（速度）＝１．０、重みＢ（旋回）＝０．９、重みＣ（走行環境）＝０．７、重みＤ（予測曲率）＝０．９となる。また、周辺エリアＢのエリア重み（周辺環境）＝１．０であり、前方エリアＥ及び周辺エリアＡ，Ｃ，Ｄのエリア重み（周辺環境）＝０．０となる。ここで、前方エリアＥの重み乗算値＝０となるので、閾値が０．０より大きい場合には、前方エリアＥの選択エリア値＝０となる。また、周辺エリアＡ，Ｃ，Ｄの重み乗算値はそれぞれ０．０となるので、周辺エリアＡ，Ｃ，Ｄの選択エリア値＝０となる。また、周辺エリアＢの重み乗算値は０．００２７となるので、周辺エリアＢの選択エリア値＝１となる。

また、例えば、自車両１が交差点で右側車線の先頭位置において信号待ちをしており、かつ、後方と左側方に他の動的物体（他の車両）が存在する場合には、重みＡ～Ｄは、重みＡ（速度）＝０．１、重みＢ（旋回）＝０．９、重みＣ（走行環境）＝０．５、重みＤ（予測曲率）＝０．９となる。また、前方エリアＥおよび周辺エリアＡ，Ｄのエリア重み（周辺環境）＝１．０であり、周辺エリアＢ，Ｃのエリア重み（周辺環境）＝０．０となる。ここで、前方エリアＥの重み乗算値＝０．０４５となるので、閾値が０．００４５より小さい場合には、前方エリアＥの選択エリア値＝１となる。また、周辺エリアＡ，Ｄの重み乗算値はそれぞれ０．００４５となるので、周辺エリアＡ，Ｄの選択エリア値＝１となる。また、周辺エリアＢ，Ｃの重み乗算値は０．０となるので、周辺エリアＢ，Ｃの選択エリア値＝０となる。

図４に戻る。

車両移動量推定部１６０は、車両内部センサ２０３から取得した車速情報と舵角情報とを用いて、車両の移動量及び移動方向を推定する。車両の移動量及び移動方向の推定方法としては、種々の方法が考えられるが、例えば、ある基準点からの相対位置を推定するデッドレコニング技術を用いることが考えられる。

車両位置融合部１７０は、前方マッチング部１３０で推定された自車両１の位置情報と、周辺マッチング部１４０で推定された自車両１の位置情報と、車両移動量推定部１６０で推定された自車両１の移動量とを融合することにより、自車両１の位置を演算して制御装置３００に出力する。

自車両１の位置の演算方法には種々のものが考えられるが、例えば、拡張カルマンフィルタを用いることが考えられる。この場合、車両位置融合部１７０は、車両移動量推定部１６０で推定された自車両１の速度、角速度、横滑り角、時間と、前方マッチング部１３０および周辺マッチング部１４０で推定された自車両の位置、姿勢、時間とを用いて拡張カルマンフィルタによる融合を行い、自車両１の位置を演算する。

図２２は、自車位置推定装置における処理内容を示すフローチャートである。

図２２において、自車位置推定装置１００の特徴点検出部１１０は、まず、前方センサ２０１および周辺センサ２０２から点群データを取得し（ステップＳ１００）、周辺の物体の特徴点を検出する（ステップＳ１１０）。

続いて、特徴点エリア生成部１２０は、特徴点検出部１１０で検出した複数の特徴点を予め定めた複数の検出領域の何れかと対応付けることで、それぞれが複数の特徴点からなる複数の特徴点群に分割する（ステップＳ１２０）。

続いて、使用特徴点エリア判断部１５０は、エリア選択処理において、車両内部センサ２０３、ＧＮＳＳ２０４、地図記憶部２０５、目標経路設定部２０６、及び、外界センサ２０７からの情報に基づいて、各検出領域（前方エリアＥ、周辺エリアＡ，Ｂ，Ｃ，Ｄ）に属する特徴点群のそれぞれに対し、自車両１の位置の推定処理に用いるか否か（すなわち、選択エリア値＝１とするか否か）を判断する（ステップＳ２００）。

続いて、車両移動量推定部１６０は、自車両１の移動量を推定する（ステップＳ１３０）。

続いて、前方マッチング部１３０は、エリア選択処理（ステップＳ２００）において、前方エリアＥが選択されたか否か、すなわち、前方エリアＥの選択エリア値＝１であるか否かを判定し、判定結果がＹＥＳの場合には、前方エリアＥの特徴点群を用いて自車両１の位置を推定する（ステップＳ１５０）。

ステップＳ１５０での処理が終了した場合、又は、ステップＳ１４０での判定結果がＮＯの場合には、続いて、周辺マッチング部１４０は、エリア選択処理（ステップＳ２００）において、周辺エリアＡ，Ｂ，Ｃ，Ｄがそれぞれ選択されたか否か、すなわち、周辺エリアＡ，Ｂ，Ｃ，Ｄのそれぞれの選択エリア値＝１であるか否かを判定する（ステップＳ１６０）。

ステップＳ１６０での判定結果がＹＥＳの場合には、選択エリア値＝１である周辺エリアの特徴点群を用いて自車両１の位置を推定する（ステップＳ１７０）。

ステップＳ１７０での処理が終了した場合、又は、ステップＳ１６０での判定結果がＮＯの場合には、続いて、車両位置融合部１７０は、前方マッチング部１３０および周辺マッチング部１４０での演算結果を融合して自車両１の位置を演算し（ステップＳ１８０）、処理を終了する。

図２３は、使用特徴点エリア判断部におけるエリア選択処理の処理内容を示すフローチャートである。

図２３において、使用特徴点エリア判断部１５０の速度判断部１５１及び旋回判断部１５２は、車両内部センサ２０３から車速情報や舵角情報などの自車情報を取得し（ステップＳ２１０）。

また、走行環境判断部１５３は、ＧＮＳＳ２０４から位置情報を取得し（ステップＳ２２０）、走行環境判断部１５３および予測曲率判断部１５４は、地図記憶部２０５から地図情報を取得する（ステップＳ２３０）。

また、予測曲率判断部１５４は、目標経路設定部２０６から経路情報や曲率情報などの目標情報を取得し（ステップＳ２４０）、周辺環境判断部１５５及び予測曲率判断部１５４は、外界センサ２０７から認識結果情報を取得する（ステップＳ２５０）。

続いて、速度判断部１５１、旋回判断部１５２、走行環境判断部１５３、予測曲率判断部１５４、及び、周辺環境判断部１５５は、重み演算処理（図６～図１０参照）を行って重みＡ，Ｂ，Ｃ，Ｄ及びエリア重みを演算し（ステップＳ３００）、エリアコスト演算部１５６は、コスト演算処理（図１１参照）を行って選択エリア値を演算し（ステップＳ４００）、処理を終了する。

以上のように構成した本実施の形態における作用効果を説明する。

安全運転や自動運転などに向けた技術としては、自車両に設けられたセンサ類から得られる情報により自車両の位置を判定するものが知られている。このような技術においては、センサ類による検出精度が自車両の位置推定の精度に影響するが、自車両の走行状況によってセンサ類の検出精度が異なる。

例えば、図２４に示すように、交差点を左折（又は右折）するような低速走行で大舵角となるような走行状況の場合には、長距離狭角の前方センサの検出範囲の変化量（横方向の移動量）が大きくなるため、検出精度が低下する傾向にあり、位置推定の精度への影響が大きい。一方、近距離全方位の周辺センサの検出範囲の変化量（横方向の移動量）が比較的小さいため、検出精度が低下しにくい傾向にあり、位置推定の精度への影響が小さい。

また、例えば、図２５に示すように、高速道路を走行するような高速走行を行う走行状況の場合には、長距離狭角の前方センサの検出範囲の変化量が比較的小さいため、検出精度が低下しにくい傾向にあり、位置推定の精度への影響が小さい。一方、近距離全方位の周辺センサの検出範囲は変化量が大きいため、検出精度が低下しやすい傾向にあり、位置推定の精度への影響が大きい。

また、例えば、図２６に示すように、渋滞中のような低速走行を行う走行状況の場合には、前方の他の車両などによって長距離狭角の前方センサの検出範囲が遮られるため、検出精度が低下しやすく、位置推定の精度への影響が大きい。一方、近距離全方位の周辺センサの検出範囲は変化量が小さいため、情報が得られる範囲が限定されてしまう場合においても検出精度が低下しにくい傾向にあり、位置推定の精度への影響が小さい。

このような種々の走行状況において、各センサの検出結果から検出した特徴点と地図の特徴点とから自車両の位置を推定し、位置の推定結果を融合して自車位置を推定する場合には、図２７に示すように、検出精度の低下した検出結果に融合結果が影響を受けて、位置の推定結果が低下してしまう。

そこで、本実施の形態においては、車両に設けられた位置推定システムであって、車両の前方の物体を検出する前方センサと、前方センサよりも近距離の範囲、かつ車両の少なくとも左右方向を含む範囲を検知範囲とし、検知範囲における車両の周辺の物体を検出する周辺センサと、前方センサの検出結果および周辺センサの検出結果の少なくとも一方の検出結果から物体の複数の特徴点を検出し、検出した複数の特徴点を用いて車両の位置推定を行う位置推定装置と、位置推定装置の推定結果に基づいて車両の動作を制御する制御装置とを備え、位置推定装置は、車両の状態に関する複数の情報のそれぞれについて重み付けを行うとともに、車両の周辺環境に関する情報について重み付けを行い、前方センサ及び周辺センサで検出された複数の特徴点の一部からなる複数の特徴点群について、位置推定に用いるか否かを重み付けの結果に基づき特徴点群ごとに選択するように構成したので、自車両の走行状態や走行環境に応じてより精度良く自車両の位置を推定することができる。

＜第１の変形例＞
第１の実施の形態においては、前方センサ２０１及び周辺センサ２０２（センサ２０２ａ，２０２ｂ，２０２ｃ，２０２ｄ）において得られた測定結果から検出された複数の特徴点（複数の特徴点群）と予め設定した検出領域（前方エリアＥ、周辺エリアＡ，Ｂ，Ｃ，Ｄ）とを対応付けることで、複数の特徴点群を生成する場合を例示したが、例えば、図２８に示すように、周辺センサとして自車両１の周辺の物体一括で検出する１つのセンサを用い、その周辺センサの検出範囲を自車両１との相対位置などに応じて予め分割し、分割した検出範囲と検出領域とを予め対応付けておくことで、特徴点群を生成するように構成しても良い。また、図２９に示すように前方センサと後方センサとを用いる場合や、図３０に示すように前方センサと左右の側方センサを用いる場合、或いは、図３１に示すように前後に長い検出範囲を有する周辺センサを用いる場合などにおいても、走行状況に応じて検出領域（ここでは、センサ）を選択するように構成しても良い。

＜第２の変形例＞
第１の実施の形態に対して、さらに、前方センサ２０１及び周辺センサ２０２の複数のサブセンサ（センサ２０２ａ，２０２ｂ，２０２ｃ，２０２ｄ）のうち、位置推定に用いる選択をした特徴点群（すなわち、選択エリア値＝１である検出領域）に係るセンサのサンプリング数を増加させるように構成してもよい。

位置推定においては、演算に用いる特徴点の数（点密度）が増加するほど位置推定の精度は向上するものの、演算時間が指数関数的に増加するため、位置推定の精度と演算時間の適切な配分が必要となる。

そこで、本変形例においては、走行状況に応じて検出精度に影響の少ないセンサの検出結果を用いて位置推定を行う（すなわち、当該センサに係る検出領域の選択エリア値＝１とする）とともに、検出精度に影響の大きいセンサの検出結果を位置推定に用いない（すなわち、当該センサに係る検出領域のエリア値＝０とする）ように構成した第１の実施の形態に対して、さらに、選択エリア値＝１である検出領域に係るセンサのサンプリング数を、選択エリア値＝０である検出領域に係るセンサの数に応じて増加させる。このとき、選択しなかったセンサの検出結果による位置推定の演算に用いていた演算リソースをサンプリング数の増加によって増えた特徴点に係る演算に用いる。

これにより、演算時間の増加を抑制しつつ、さらに精度良く自車両の位置を推定することができる。

＜第３の変形例＞
第１の実施の形態においては、使用特徴点エリア判断部１５０において情報の重み付けを行い、この重み付けの結果に応じて設定される選択エリア値によって、自車両１の位置推定に用いる特徴点群の検出領域を選択するように構成したが、特徴点の数が多い検知領域を選択し、その特徴点を位置推定に用いるように構成しても良い。

＜第４の変形例＞
第１の実施の形態においては、前方センサ２０１や周辺センサ２０２によって物体の表面位置を点群として検出し、その点群から検出した特徴点を用いて位置推定を行う（所謂、点群マッチングを行う）ように構成したが、他の手法を用いても良く、例えば、センサからの取得結果から高精度地図上の白線や停止線などの路面ペイント情報と地図の路面ペイント情報を対応付けたり、或いは、標識、信号、看板、電信柱などランドマーク情報から対応付けたりするように構成してもよい。

＜付記＞
なお、本発明は上記した各実施の形態に限定されるものではなく、様々な変形例や組み合わせが含まれる。例えば、上記した実施の形態は本願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。また、上記の各構成、機能等は、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。

１…自車両、２～７…他の車両、１００…自車位置推定装置、１１０…特徴点検出部、１２０…特徴点エリア生成部、１３０…前方マッチング部、１４０…周辺マッチング部、１５０…使用特徴点エリア判断部、１５１…速度判断部、１５２…旋回判断部、１５３…走行環境判断部、１５４…予測曲率判断部、１５５…周辺環境判断部、１５６…エリアコスト演算部、１６０…車両移動量推定部、１７０…車両位置融合部、２０１…前方センサ、２０２…周辺センサ、２０２ａ～２０２ｄ…センサ、２０３…車両内部センサ、２０４…ＧＮＳＳ、２０５…地図記憶部、２０６…目標経路設定部、２０７…外界センサ、３００…制御装置

Claims (8)

1. 車両に設けられた位置推定システムであって、
   前記車両の前方の物体を検出する前方センサと、
   前記前方センサよりも近距離の範囲、かつ前記車両の少なくとも左右方向を含む範囲を検知範囲とし、前記検知範囲における前記車両の周辺の物体を検出する周辺センサと、
   前記前方センサの検出結果および前記周辺センサの検出結果の少なくとも一方の検出結果から物体の複数の特徴点を検出し、検出した前記複数の特徴点を用いて前記車両の位置推定を行う位置推定装置と、
   前記位置推定装置の推定結果に基づいて前記車両の動作を制御する制御装置と、
   を備え、
   前記位置推定装置は、
   前記前方センサの検出結果から検出された特徴点からなる特徴点群に対応する前方エリアと、前記周辺センサの検出結果から検出された特徴点からなる特徴点群に対応する周辺エリアと、を設定し、
   前記車両の状態に関する複数の情報のそれぞれについて重み付けを行うとともに、前記車両の周辺環境に関する情報について重み付けを行い、
   前記重み付けの結果に応じて、前記前方エリア及び前記周辺エリアをそれぞれ前記位置推定に用いるエリアと前記位置推定に用いないエリアのいずれか一方に設定し、
   前記位置推定に用いるエリアとして設定したエリアの特徴点群を用いて前記位置推定を行うことを特徴とする位置推定システム。
2. 車両に設けられた位置推定システムであって、
   前記車両の前方の物体を検出する前方センサと、
   前記前方センサよりも近距離の範囲、かつ前記車両の少なくとも左右方向を含む範囲を検知範囲とし、前記検知範囲における前記車両の周辺の物体を検出する周辺センサと、
   前記前方センサの検出結果および前記周辺センサの検出結果の少なくとも一方の検出結果から物体の複数の特徴点を検出し、検出した前記複数の特徴点を用いて前記車両の位置推定を行う位置推定装置と、
   前記位置推定装置の推定結果に基づいて前記車両の動作を制御する制御装置と、
   を備え、
   前記周辺センサは、前記車両の周辺の異なる方向を検知範囲とする複数のサブセンサから成り、
   前記位置推定装置は、
   前記前方センサの検出結果から検出された特徴点からなる特徴点群に対応する前方エリアと、前記周辺センサの複数のサブセンサのそれぞれの検出結果から検出された特徴点からなる特徴点群に対応する複数の周辺エリアと、を設定し、
   前記車両の状態に関する複数の情報のそれぞれについて重み付けを行うとともに、前記車両の周辺環境に関する情報について重み付けを行い、
   前記重み付けの結果に応じて、前記前方エリア及び複数の前記周辺エリアをそれぞれ前記位置推定に用いるエリアと前記位置推定に用いないエリアのいずれか一方に設定し、
   前記位置推定に用いるエリアとして設定したエリアの特徴点群を用いて前記位置推定を行うことを特徴とする位置推定システム。
3. 請求項１又は２に記載の位置推定システムにおいて、
   前記位置推定装置は、
   前記前方センサの検出結果から検出された前記複数の特徴点と予め定めた地図の複数の特徴点とを照合して前記地図における前記車両の位置を推定する前方位置推定部と、
   前記周辺センサの検出結果から検出された前記複数の特徴点と前記地図の特徴点とを照合して前記地図における前記車両の位置を推定する周辺位置推定部と
   を備えたことを特徴とする位置推定システム。
4. 請求項１又は２に記載の位置推定システムにおいて、
   前記位置推定装置は、
   前記車両の速度に係る情報の重み付けを行う速度判断部と、
   前記車両の舵角に係る情報の重み付けを行う舵角判断部と、
   前記車両の走行環境に係る情報の重み付けを行う走行環境判断部と、
   前記車両の走行経路の曲率に係る情報の重み付けを行う予測曲率判断部と、
   前記車両の周辺環境に係る情報の重み付けを行う周辺環境判断部と、
   前記速度判断部、前記舵角判断部、前記走行環境判断部、前記予測曲率判断部、及び、前記周辺環境判断部による重み付けの結果に基づいて、前記位置推定に用いるエリアに設定するか否かを前記前方エリア及び前記周辺エリアのそれぞれについて選択するエリアコスト演算部と
   を備えたことを特徴とする位置推定システム。
5. 請求項１又は２に記載の位置推定システムにおいて、
   前記位置推定装置は、
   前記車両の周辺環境に係る情報として、前記前方センサの検知範囲である前記前方エリアに前記車両とは異なる他の車両が存在するか否かの情報、及び、前記周辺センサの検知範囲である前記周辺エリアに前記車両とは異なる他の車両が存在するか否かの情報を取得し、それらの情報の重み付けを行う周辺環境判断部を備え、
   前記前方エリアと、前記周辺エリアとについて、前記位置推定に用いるか否かを前記周辺環境判断部による重み付けの結果に基づいて設定することを特徴とする位置推定システム。
6. 請求項１に記載の位置推定システムにおいて、
   前記位置推定装置は、前記前方エリア及び前記周辺エリアのうち、前記位置推定に用いるエリアとして設定したエリアに係る前記前方センサ又は前記周辺センサのサンプリング数を増加させることを特徴とする位置推定システム。
7. 請求項２に記載の位置推定システムにおいて、
   前記位置推定装置は、前記前方エリア及び複数の前記周辺エリアのうち、前記位置推定に用いるエリアとして設定したエリアに係る前記前方センサ又は前記サブセンサのサンプリング数を増加させることを特徴とする位置推定システム。
8. 請求項１又は２に記載の位置推定システムにおいて、
   前記位置推定装置は、前記特徴点の数が多いエリアを前記位置推定に用いるエリアとして設定することを特徴とする位置推定システム。

Images