JPH11259639A - 走行路認識装置 - Google Patents

Abstract

(57)【要約】 【課題】走行路認識装置において、精度よく誘導線を認
識すること 【解決手段】画像処理による誘導線認識において、ステ
ップＳ１２０で、過去の誘導線パラメータ、および自動
車姿勢（カメラ姿勢）パラメータに基づいて予測演算さ
れたそられの値に基づいて、路面画像上に誘導線が存在
すると思われる位置に予測線を描く。ステップＳ１３０
で、その予測線を中心に予測線に沿い、第１の探索領域
を設ける。その領域内で誘導線候補点を探索し、各位置
偏差を求める。さらに、ステップＳ１４０で、その平均
値線を求める。ステップＳ１５０で、その平均値線を中
心に平均値線に沿い、第２の探索領域を設け、その領域
内の候補点数を求める。候補点数が、基準値以上である
と、真正の誘導線であると判断し、以下であると誤認識
と判断する。従って、急激な大きい誘導線の変化にも柔
軟に追従し、路面上異物などの誤認識も回避することが
できる。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、移動体のための走
行路認識装置であって、特に移動体に画像処理システム
を搭載し、撮像された路面画像から走行路を精度よく検
出し、安全な運転支援や自動走行を可能とする走行路認
識装置に関する。

【０００２】

【従来の技術】従来、画像処理を利用した走行路検出装
置としては、特開平５−１６４５６９号公報に開示の移
動車の走行路検出装置が知られている。簡単に説明する
と、車輌に画像処理システムを搭載し、走行中に路面に
描かれた誘導線を撮像する。撮像された画像を複数の領
域に分け、処理するのが特徴である。撮像された画像
は、図８のような、遠方で交差する２本の直線（Ｌ，
Ｒ）であり、その画像が出現すると予想される箇所に、
複数の探索領域（ウィンドウ：Ｗ１，Ｗ２・・Ｗ５）が
設定される。

【０００３】複数の領域内は、誘導線を検出するため、
それぞれ強度変化を伴うエッジ部等が探索され、その候
補点が求められる。コンピュータシステムは、求められ
た複数の候補点（Ｐ1 ，・・・Ｐn ）を基に、それらを
通る近似直線を算出し、現在の誘導線として認識する。
撮像装置によって２次元的に認識されたこの近似直線
は、幾何学的な変換則によってコンピュータシステム内
に構築された３次元空間内の直線として認識され、車輌
の姿勢制御に使用される。

【０００４】また、走行路は、連続的に徐々に変化する
ものであるから、複数の探索領域（ウィンドウ：Ｗ１，
Ｗ２・・Ｗ５）もそれに従って、変化させる必要があ
る。この変化は、現在の探索領域に補正を加えることに
よってなされ、補正量は、各探索領域の中心位置が現在
の近似直線上に重なるように設定される。このように、
複数の探索領域は、常に誘導線を捉えるように補正され
るので、確実な自立走行ができるとしている。

【０００５】また、コンピュータシステムは、路面に描
かれた歩道など他の標識や縁石を同じく誘導線として誤
認識する場合がある。このような場合には、複数の探索
領域の補正量の絶対比較および相互比較をし、その妥当
性を判定している。すなわち、ある探索領域に基準値以
上の補正量が算出された時、それは誤認識と判定され、
補正は行われずに、現在の探索領域がそのまま次回の探
索領域として使用されるのである。従って、万一ある探
索領域で誘導線以外のものを検出しても、誤認識として
排除され、総合的に正しい走行路認識が行われるので、
安全な自立走行が可能とされている。

【０００６】

【発明が解決しようする課題】しかしながら、前述の方
法は、前回の各探索領域内で検出された候補点を用い、
次回の走行路を最終的に近似直線で代用する一種のフィ
ードバック方式である。すなわち、従来手法は、道路を
高速道路などの直線路あるいは曲率の小さいきわめて緩
やかな変化の少ない曲線路には有効であるが、急激に変
化する、曲率の大きい一般カーブ道路等では、画像中の
走行路の変位量が大きくなり、必ずしも適用できるもの
ではない。従って、常に安全な自立走行が保証されるも
のではない。また、車載カメラには、大きい縦振動やピ
ッチ角振動が突然付加されることがある。このような場
合、前述の方法においては、複数の探索領域において補
正量が基準値を越える場合があり、走行路は正常である
にもかかわらず認識異常と判定される場合があった。

【０００７】本発明は、上述した問題点を解決するため
になされたものであり、前回の誘導線パラメータと自動
車走行状態パラメータによって、今回撮像時の予測線を
算出し、その予測線を基準とした誘導線候補点の分散状
態は、路面上の異物検出時には相対的に大きく、誘導線
の急激な変化箇所では相対的に小さいことに着目し、曲
率の大きい道路、あるいは路面標識等紛らわしい線が多
い一般道路でも、柔軟に追従し、精度よく走行路を検出
する走行路認識装置を提供することを目的としている。

【０００８】

【課題を解決するための手段】この目的を達成するため
に、本発明の走行路認識装置は、移動体に搭載された撮
像装置により走行路を撮像し、得られた画像から移動体
の誘導指標となる誘導線を認識する走行路認識装置であ
って、画像から誘導線の候補となる誘導線候補を抽出す
る誘導線候補抽出手段と、前回の撮像時に得られた誘導
線と、移動体の走行状態とから、次回の撮像時に得られ
る画像に対して、誘導線の出現位置を予測する誘導線予
測手段と、誘導線候補抽出手段により処理された画像に
対して、誘導線予測手段により予測された予測線を中心
として所定幅の範囲を設定し、その範囲を探索すること
により誘導線候補点を抽出し、予測線に対する誘導線候
補点の偏差分布を演算する偏差演算手段と、偏差演算手
段により演算された偏差分布の分散に関連した分散関連
値を演算する分散関連値演算手段と、分散関連値が所定
値以上の場合に、誘導線候補を真正な誘導線として採用
する誘導線決定手段とを備えている。尚、分散関連値演
算手段としては、偏差演算手段により演算された偏差分
布の平均値を演算する平均値演算手段と、その平均値を
中心として所定範囲に存在する偏差分布の割合を分散関
連値として演算する手段とで構成しても良い。

【０００９】

【発明の作用及び効果】本発明の構成要素である誘導線
候補抽出手段は、自動車等の移動体に搭載された撮像装
置によって取り込まれた画像に対し、画像演算処理を行
い誘導線の候補を抽出する。画像演算処理とは、例え
ば、２値化による強調処理、微分による輪郭処理であ
る。その抽出された画像に対して、誘導線予測手段は、
前回の撮像時に得られた誘導線と移動体の走行状態とか
ら、次回の撮像時に得られる画像に対して、その誘導線
の出現位置を予測する。

【００１０】偏差演算手段は、誘導線候補抽出手段によ
り処理された画像に対して、誘導線予測手段により得ら
れた予測線を中心として、所定幅の範囲を設定する。そ
して、その範囲内における画像を探索することによって
誘導線候補点を抽出し、予測線に対する誘導線候補点の
偏差分布を演算する。分散関連値演算手段は、その演算
された偏差分布の分散に関連した値を演算する。

【００１１】最後に、誘導線決定手段は、その分散関連
値が所定値以下である場合に、その誘導線候補を真正な
誘導線として採用する。このように、予測線と誘導線候
補との偏差分布を求め、その誘導線候補の分散が小さい
場合に、真正な誘導線と判定している。例えば、路面上
で縁石等を検出した場合、上記偏差分布の分散は大きく
なる。これに対して、白線等の真正な誘導線が急激に変
化する場合には、予測線に対する誘導線候補自体の絶対
偏差は大きくなるが、その誘導線に沿った偏差分布の分
散は小さい。従って、路面に描かれた他の標識あるいは
カメラの変動などで大きく誘導線が変動しても、確実に
それを区別することができ、より安全な走行路認識装置
となる。

【００１２】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して説明する。図１は本実施形態の１例を
示す構成図であり、本発明の走行路認識装置は、ＣＰＵ
１００、認識プログラムが書かれたＲＯＭ１１０、その
プログラム実行時の作業領域メモリであるＲＡＭ１２
０、図示しない制御機器との入出力インタ−フェ−スで
あるＩ／Ｏインタ−フェ−ス１３０、カメラから送出さ
れる映像信号を高速Ａ／Ｄ変換し、画像専用のフレーム
メモリ１６５に取り込む画像入力装置１６０から構成さ
れている。これらの構成要素は全てアドレスバス、デ−
タバス、各種信号線からなるシステムバス１４０により
つながれており、ＣＰＵ１００とＲＯＭ１１０に書かれ
た各種プログラムによって、データが授受され、コント
ロ−ルされる。本発明を構成する全ての手段は、このＲ
ＯＭ１１０に記憶された走行路認識処理プログラムとそ
れを実行する上記コンピュータシステムによって形成さ
れる。

【００１３】次に、本発明である走行路認識装置の動作
を、図２に示す走行路認識プログラムのフローチャート
に従って説明する。以下では、説明を簡単にするため、
誘導線１本について説明するが、実際は左右２本につい
て同様の処理が行われる。ここでは、この誘導線として
は、走行路の両側に引かれた白線を対象としている。ス
テップＳ１００で、画像入力装置１６０によって、撮像
装置であるカメラ１５０から路面映像が、フレームメモ
リ１６５に取り込まれる。フレームメモリは、複数のＲ
ＡＭから構成されるものであり、その１単位（１枚）
は、ＣＣＤ撮像素子の各画素に対応した、総数５１２×
５１２のＲＡＭである。任意の画素は座標（ｘ，ｙ）
と、強度Ｉで表され、その強度Ｉは０〜２５５段階にデ
ジタル化されている。又、画面の中心がｘｙ座標系の原
点であり、その原点は実空間において、カメラの光軸と
路面との交点に対応する。

【００１４】次にステップＳ１１０に移る。ステップＳ
１１０が、本発明の誘導線候補抽出手段である。ここで
は、フレームメモリ１６５に取り込まれた画像に対し
て、まずマトリクス重み付け演算であるソーベル演算子
処理等が行われ、それぞれ強度画像と濃度勾配を表す角
度画像（微分画像）が算出される。強度画像からは、所
定の閾値以上の強度を持つ線分が抽出され、角度画像か
らは、その線分に対応する複数のエッジ、すなわち、線
分と背景との正確な境界が抽出される。そしてそのエッ
ジ間の距離、すなわち線分の幅が走行路に引かれた白線
の幅に対応し、且つ、エッジ間の角度が互いに逆向きな
らば、強度画像で抽出された線分は誘導線候補として判
断される。

【００１５】図４（ａ）、（ｂ）に示すように、３次元
空間座標である道路座標系（ＸＹＺ）とカメラ座標系
（Ｘ’Ｙ’Ｚ’）とを設定する。道路座標系（ＸＹＺ）
は２本の誘導線Ａ１、Ａ２の間の中央線（以下、単に、
中央線という）上に原点を有し、その原点が自動車の移
動と共に変化するような中央線に沿って移動する路面上
の座標系である。誘導線Ａ１、Ａ２の接線方向がＺ軸、
路面に垂直な方向（高さ方向）がＸ軸、進行方向に向か
って右方向で路面に平行な方向がＹ軸である。又、カメ
ラ座標系（Ｘ’Ｙ’Ｚ’）は自動車に剛体的に固定され
たカメラから見た座標系である。Ｚ’軸方向はカメラの
光軸方向であり、Ｙ’はカメラを基準にした水平方向、
Ｘ’はカメラを基準にした垂直方向である。（ｘ，ｙ）
は画面上にとられた上述したｘｙ座標系での座標であ
る。走行路に引かれた誘導線の道路座標系（ＸＹＺ）で
の曲線の式は、次式で表現される。

【００１６】

【数１】 Ｘ＝０ （１）

【数２】 Ｙ＝ｃＺ_c ²＋κＷ−ｅ （２）

【数３】 Ｚ＝Ｚ_c （３）

【００１７】ただし、Ｚ_c は中央線上のＺ座標、ｃは誘
導線の曲率の１／２、Ｗは２本の誘導線Ａ１とＡ２の間
隔、即ち、走行路の幅の１／２、κは１，−１である。
右側の誘導線Ａ２はκ＝１、左側の誘導線Ａ２はκ＝−
１である。ｅはカメラ原点の道路座標系（ＸＹＺ）にお
けるＹ座標（カメラ原点の中央線に対する位置偏差）で
ある。上記の（１）〜（３）式は、中央線上のＺ座標Ｚ
_c を媒介変数とした誘導線Ａ１、Ａ２の曲線の方程式で
ある。

【００１８】道路座標系（ＸＹＺ）におけるカメラの位
置、姿勢、焦点距離等のカメラパラメータを用いた投影
変換により、道路座標系（ＸＹＺ）から画面上の座標系
（ｘｙ）への変換が可能である。よって、上記の誘導線
上の点（Ｘ，Ｙ，Ｚ）を画像上の座標（ｘ，ｙ）で表す
と、（６）、（７）式を代入した（４）、（５）式で与
えられる。

【００１９】

【数４】 ｘ＝ｘ’cos ψ＋ｙ’sin ψ （４）

【数５】 ｙ＝−ｘ’sin ψ＋ｙ’cos ψ （５）

【数６】 ｘ’＝−Ｆ_x ｈ／Ｚ_c −Ｆ_x φ （６）

【数７】 ｙ’＝Ｆ_y （ｃＺ_c ² ／２＋κＷ−ｅ）／Ｚ_c −Ｆ_y θ （７）

【００２０】但し、Ｆ_x ，Ｆ_y はレンズ焦点距離、ｈは
カメラ原点の道路座標系（ＸＹＺ）でのＺ座標（高
さ）、θはヨー角、φはピッチ角、ψはロール角であ
る。これらの変数（θ，φ，ψ）は道路座標系（ＸＹ
Ｚ）の各軸を基準として定義される変数であり、カメラ
の姿勢を表す。但し、θとφは小さいものと仮定してい
る。

【００２１】画面上の誘導線Ａ１，Ａ２の位置から道路
座標系（ＸＹＺ）での誘導線Ａ１、Ａ２の位置が分か
る。これにより、中央線からの車体の位置偏差ｅ、姿勢
（θ，φ，ψ）、中央線上のＺ座標Ｚ_C 、誘導線の曲率
ｃを求めることができる。これらの測定されたパラメー
タに基づいて、自動車の位置及び姿勢の制御や警報が行
なわれる。この制御方法は公知の方法があり、本発明の
要旨ではないので説明を省略する。

【００２２】次に、上記のように自動車の位置及び姿勢
を制御するための本発明の要旨である画面上での誘導線
の決定の方法について説明する。前回までに観測された
画像から求められているパラメータ（ｅ（ｔ），ｃ
（ｔ），Ｗ（ｔ），θ（ｔ），φ（ｔ），ψ（ｔ））の
軌跡から次回の観測時でのこれらのパラメータの値が予
測演算されている。即ち、前回の撮像タイミングにおけ
る後述するステップＳ１６０において、次回の撮像時に
おける上記のパラメータの値がカルマンフィルタを用い
て予測されている。これについては、後述する。

【００２３】誘導線予測手段であるステップＳ１２０で
は、予測されている今回の撮像時点におけるこれらのパ
ラメータに基づいて、画面上における誘導線Ａ１，Ａ２
の存在位置が予測演算される。即ち、それらのパラメー
タを用いて、（４）〜（７）式により画面上での誘導線
Ａ１の予測線Ｌ１が求められる。図３では、誘導線Ａ１
についてのみ記載されているが、誘導線Ａ２についても
同様である。

【００２４】図３（ａ）、（ｂ）に示すように誘導線候
補が抽出された上記強度画像上に、パラメータの予測値
に基づいて計算された予測線Ｌ１が形成される。

【００２５】次に、ステップＳ１３０〜ステップＳ１５
０で、この予測線Ｌ１に基づいて、ステップＳ１１０で
抽出された誘導線候補の妥当性が調べられる。ステップ
Ｓ１３０が、偏差演算手段である。ここでは、予測線Ｌ
１に対する誘導線候補の偏差分布が求められる。図３
（ａ）、（ｂ）に示されるように予測線Ｌ１を中心に所
定の探索幅２Ｄ１を持つ第１ウィンドＤＷ１が設定さ
れ、その中で誘導線候補Ｂが探索される。

【００２６】探索方法は、便宜上、特定の走査線にイン
デクスｉを定義し、その走査線ｉと交差する予測線Ｌ１
のｙ座標値ｂｉと同じく走査線ｉと交差する誘導線候補
Ｂのｙ座標値ｃｉを求める。この走査線ｉが誘導線候補
Ｂと交差する点を、便宜上、候補点Ｃｉと呼ぶ。

【００２７】そして、それらの差すなわち、位置偏差ｄ
ｉ（＝ｃｉ- ｂｉ）が算出される。位置偏差ｄｉは符号
を有しており、その符号は、例えば、予測線Ｌ１を基準
として右にあれば正、左にあれば負である。そして、イ
ンデックスｉで示される個数だけのｄｉ（図３では、ｉ
＝１・・・Ｎ）すなわち偏差分布が求められ、ステップ
Ｓ１４０に移行する。

【００２８】ステップＳ１４０及び次のステップＳ１５
０が分散関連値演算手段を構成している。又、ステップ
Ｓ１４０はこの分散関連値演算手段のうちの平均値演算
手段でもある。ここでは、ステップＳ１３０で求められ
た偏差分布の平均値ｄave が算出される。

【００２９】次に、ステップＳ１５０、ステップＳ１６
０に移行する。先ずステップＳ１５０では、ステップＳ
１３０で求められた各位置偏差ｄｉの妥当性すなわち候
補点Ｃｉの妥当性を判断するため、上記偏差平均値ｄav
e を基にして、各位置偏差ｄｉの分散状態が調べられ
る。その方法は、図３（ａ）、（ｂ）に示されるよう
に、新たに、予測線Ｌ１に上記平均値ｄave を加えた平
均値線Ｌ２を作成する。そして、その平均値線Ｌ２を中
心とし、所定の探索幅２Ｄ2 を持つ第２ウィンドＤＷ２
を設定し、その領域内で、誘導線候補Ｂを探索するもの
である。

【００３０】その探索方法を、図５に示すステップＳ１
５１から始まるサブルーチンで示す。ステップＳ１５１
では、走査線インデクスｉとカウンタＷが０に初期化さ
れる。ステップＳ１５２では、そのインデックスｉが更
新され、次のステップＳ１５３で、平均値線Ｌ２からの
距離、｜ｃｉ−ｂｉ−ｄave ｜、すなわち、平均位置偏
差に対する位置偏差の偏差の絶対値｜ｄi - ｄave ｜
（＝Δｉとする）が算出される。

【００３１】その値Δｉが所定の値Ｄ２より小さいか否
かが判定され、Ｄ２より小さければ、ステップＳ１５４
へ移行して、カウンタＷを１だけ加算更新する。又、Ｄ
２より小さくなければ、カウンタＷの値は更新されな
い。次に、ステップＳ１５５へ移行して、インデックス
ｉが最終値Ｎか否かが判定され、最終値でなければ、ス
テップＳ１５２に戻り、次の走査線に対して同様な処理
が実行される。ステップＳ１５５で最終値と判定される
と、ステップＳ１５６へ移行して、カウンタＷの値が所
定値Ｔｈ以上か否かが判定される。所定値以上であれ
ば、平均値からの位置偏差の分散が所定値以下であると
して、誘導線候補は真正なものと判定される。このステ
ップＳ１５６が誘導線決定手段を構成する。

【００３２】このカウンタＷの値は、位置偏差ｄi の分
散σに対応している。よって、位置偏差の分散σが小さ
いならば、誘導線としてのまとまりがあり、線分の全体
判断として誘導線である確率が高いので、この誘導線候
補Ｂを真正な誘導線として決定する。

【００３３】真正な誘導線として決定された誘導線の情
報は、ステップＳ１５７において、インデックスｉに対
応する誘導線候補のｙ座標値ｃｉ、すなわち候補点Ｃｉ
の（ｘ，ｙ）座標として所定のメモリ領域に登録され
る。

【００３４】そのデータ構造を図６に示す。ここでｋ
は、走査線間隔を表す定数であり、例えば５走査線間隔
で調べる場合は、５とする。Ｎは、必要な誘導線形成点
の総数であり、例えば５０である。

【００３５】カウンタＷの値が所定値Ｔｈ以下であれ
ば、位置偏差の分散σが大きいことを示している。即
ち、誘導線としてのまとまりがなく、その誘導線候補
は、線分の全体判断の結果、誘導線である確率が低いの
で、この誘導線候補Ｂを真正な誘導線としては採用しな
い。

【００３６】例えば、図３（ｂ）のように縁石など誘導
線の類似物の場合には、予測線Ｌ１に対して、不規則に
分布することが予測される。この場合には、上述した位
置偏差の平均値に対する偏差の分散が大きくなる。これ
により、真正な誘導線と雑音線とを正確に区別すること
ができる。

【００３７】このようにして、真正な誘導線が決定され
た後は、図２のステップＳ１６０が実行される。ステッ
プＳ１６０では、次回の予測線の位置を求めるために、
ステップＳ１５０で得られた現在の誘導線の位置から上
述したように、（４）〜（７）式を用いて、パラメータ
（ｅ（ｔ），ｃ（ｔ），Ｗ（ｔ），θ（ｔ），φ
（ｔ），ψ（ｔ））が演算される。そして、これらのパ
ラメータから、次回の撮像タイミングにおけるパラメー
タの値が予測演算される。これは、良く知られたカルマ
ンフィルタを用いて演算される。カルマンフィルタと
は、システムのダイナミクスとノイズの統計的性質と観
測データから、システム状態の最小２乗推定を逐次的に
与える手法である。

【００３８】尚、本実施例では、拡張カルマンフィルタ
が用いられた。拡張カルマンフィルタとは、非線形のダ
イナミクスや観測過程を線型化して、カルマンフィルタ
を適用する手法である。次に、概略する。

【００３９】上述したパラメータの組（ｅ，θ，φ，
ψ，ｃ，Ｗ）（以下、時間変数ｔは記載を省略）を以下
のように６次元状態ベクトルｐで定義する。

【００４０】

【数８】 ｐ＝［ｅθφψｃＷ］^T ：Ｔは転置行列 （８） また、観測対象は、例えば、図７に示す予測線Ｌ１と誘
導線候補との距離ｄとする。

【００４１】一般に、パラメータに急激な変化がない場
合、ｋ番目の状態ベクトルｐ_k とｋ＋１番目の状態ベク
トルｐ_k+1 の間、およびｋ番目の状態ベクトルｐ_k とｋ
番目の距離ｄｋとの間には、次の関係が成立する。

【数９】 ｐ_k+1 ＝ｆ_K （ｐ_k ）＋ｕ_k （９）

【数１０】 ｄ_k ＝ｈ_k （ｐ_k ）＋ｖ_k （１０） ここで、ｋ：更新回数 ｕ_k ：システムに付加されるノイズベクトル ｆ_k ：ダイナミクスを表現する関数 ｖ_k ：観測ノイズ項のベクトル ｈ_k ：観測過程を表現する関数

【００４２】カルマンフィルタの教える所によれば、関
数ｆ_k ，ｈ_k を線形化し、行列式で表現できれば、ｋを
逐次更新することにより、この（９）、（１０）の方程
式は解くことができ、最後に次回のパラメータ状態ベク
トルｐ_k+1 が求められる。尚、実際には、ｐ_k が独立変
数６個の列ベクトルであることから、関数ｆ_k ，ｈ_k は
同じく１行６列の行列式で表される。この状態ベクトル
ｐ_k+1 を表すｅ，θ，φ，ψ，ｃ，Ｗが次回に予想され
るパラメータとなる。

【００４３】ステップＳ１６０では、このように次回の
撮像時におけるパラメータ値が予測され、その値に基づ
いて前回に決定された誘導線に対する予測偏差ｄ_k が演
算されて、その予測偏差ｄ_k に基づいて次回の予測線Ｌ
１の画面上の位置が決定される。このような処理が繰返
実行される。尚、前回に真正な誘導線が決定されなかっ
た場合には、過去の最新に決定された誘導線に基づく予
測偏差ｄ_k が演算されることになる。一方、真正な誘導
線が決定される毎に、最新のパラメータが決定され、そ
のパラメータに基づいて、又は、雑音除去のためにカル
マンフィルタにより予測されたパラメータ値に基づい
て、走行路の所定位置（例えば、中央線）に位置決め走
行路に沿った姿勢となるように、自動車の位置及び姿勢
を制御することは上述したとおりである。これらの制御
値は、Ｉ／Ｏインターフェース１３０を介して、図示し
ない制御機器に出力され、自動車の姿勢制御等に使用さ
れる。上記の手法によれば、直線道路や緩やかなカーブ
道路は言うまでもなく、曲率の大きいカーブ道路やある
いは急激な誘導線の変化も、確実に予測し捉えることが
できる。

【００４４】以上、本発明を表わす１実施例を示した
が、他にさまざまな変形例が考えられる。上記実施例で
は、誘導線候補の予測線に対する位置偏差の分散を求め
るのに、位置偏差の平均値に対して所定範囲に存在する
誘導線候補上の点の数で求めているが、これを直接、位
置偏差の分散σを求めるようにしても良い。要するに、
位置偏差の分散σに関連する値を演算すれば、本発明の
効果を達成することができる。

【００４５】また、ステップＳ１５３では、各位置偏差
に符号があるため、偏差平均との差の絶対値の大きさで
判断したが、差の２乗をもって判断してもよい。また、
本実施例では、ステップＳ１６０で、誘導線に関するパ
ラメータおよびカメラ姿勢に関するパラメータの全てを
予測したが、カメラ姿勢、即ち、自動車の姿勢の変化が
緩慢な場合、誘導線に関するパラメータのみを用いても
良い。又、予測線の演算には、カルマンフィルタを用い
ているが、最小自乗近似等の他の方法でも良い。特に、
パラメータを簡略化する場合には、過去に抽出された誘
導線の時間に関するラグランジェ補間、スプライン補
間、最小２乗近似曲線補間を用いることができる。

【００４６】また、本実施例では、１台の撮像装置で画
像処理を行ったが、より高速処理が必要な場合は、左右
の誘導線に対してそれぞれ別の撮像装置を１台づつ設
け、同じ処理を施し、総合的に判断してもよい。また、
誘導線には走行路の両端に引かれている白線を用いた
が、片側の白線でも良い。その他、ガードレール等、車
両を誘導するための指標となるものであれば、任意の誘
導線を用いることが可能である。その他、いろいろな変
形例が考えられるが、本発明の主旨である誘導線候補の
予測線に対する位置偏差の分散により、誘導線の真偽を
判定するものであれば、その方法は問わない。

【図面の簡単な説明】

【図１】本発明の１実施例に係る走行路認識装置の構成
を示す構成図。

【図２】走行路認識装置のＣＰＵの処理手順を示すフロ
ーチャート。

【図３】予測線に対する位置偏差の分散により誘導線を
確定する方法を示した説明図。

【図４】道路座標系、カメラ座標系、撮像素子座標系の
関係を示した説明図。

【図５】位置偏差の分散関連値と誘導線を確定するため
のＣＰＵの処理手順を示したフローチャート。

【図６】確定された真正な誘導線の位置を記憶するため
のデータ構造を示した説明図。

【図７】カルマンフィルタを使用して予測線の位置を求
める方法を示した説明図。

【図８】従来の誘導線の確定方法を示した説明図。

【符号の説明】

１００ ＣＰＵ １１０ ＲＯＭ １２０ ＲＡＭ １４０ システムバス １５０ カメラ １６０ 画像入力装置 １６５ フレームメモリ Ｌ１ 予測線 Ｌ２ 平均値線 Ｃｉ 候補点 ＤＷ１ 第１ウィンド ＤＷ２ 第２ウィンド

Claims (1)

【特許請求の範囲】
1. 【請求項１】移動体に搭載された撮像装置により走行路
   を撮像し、得られた画像から移動体の誘導指標となる誘
   導線を認識する走行路認識装置において、 前記画像から前記誘導線の候補となる誘導線候補を抽出
   する誘導線候補抽出手段と、 前回の撮像時に得られた誘導線と、移動体の走行状態と
   から、次回の撮像時に得られる画像に対して、誘導線の
   出現位置を予測する誘導線予測手段と、 前記誘導線候補抽出手段により処理された画像に対し、
   前記誘導線予測手段により予測された予測線を中心とし
   て所定幅の範囲を設定し、該範囲内を探索する事によ
   り、誘導線候補点を抽出し、予測線に対する該誘導線候
   補点の偏差分布を演算する偏差演算手段と、 前記偏差演算手段により演算された偏差分布の分散に関
   連した分散関連値を演算する分散関連値演算手段と、 前記分散関連値が所定値以下の場合に、前記誘導線候補
   を真正な誘導線として採用する誘導線決定手段と、から
   成る走行路認識装置。