JPH11295090A - 類似度算出方法 - Google Patents
類似度算出方法Info
- Publication number
- JPH11295090A JPH11295090A JP10115917A JP11591798A JPH11295090A JP H11295090 A JPH11295090 A JP H11295090A JP 10115917 A JP10115917 A JP 10115917A JP 11591798 A JP11591798 A JP 11591798A JP H11295090 A JPH11295090 A JP H11295090A
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- road
- vehicle
- similarity
- feature
- 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.)
- Pending
Links
Landscapes
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
- Instructional Devices (AREA)
- Navigation (AREA)
- Processing Or Creating Images (AREA)
Abstract
(57)【要約】 (修正有)
【課題】 本発明は、コンピュータからなる演算処理装
置の演算処理負荷を低減し、かつ高精度な類似度が算出
できる類似度算出方法を提供する。 【解決手段】 同時刻における自車走行軌跡パターン上
と道路パターン上のそれぞれにN(Nは自然数)個のサ
ンプリング点を設定し、自車走行軌跡パターン上の各サ
ンプリング点における旋回角を予め定めた基準となるベ
クトルから累積して累積角を求め、N個のサンプリング
点における累積角を自車走行軌跡パターン特徴とし、道
路パターン上の各サンプリング点における旋回角を前記
基準となるベクトルから累積して累積角を求め、N個の
サンプリング点における累積角を道路パターン特徴と
し、自車走行軌跡パターン特徴と道路パターン特徴に基
づいて自車走行軌跡パターンと道路パターンの類似度を
求める。
置の演算処理負荷を低減し、かつ高精度な類似度が算出
できる類似度算出方法を提供する。 【解決手段】 同時刻における自車走行軌跡パターン上
と道路パターン上のそれぞれにN(Nは自然数)個のサ
ンプリング点を設定し、自車走行軌跡パターン上の各サ
ンプリング点における旋回角を予め定めた基準となるベ
クトルから累積して累積角を求め、N個のサンプリング
点における累積角を自車走行軌跡パターン特徴とし、道
路パターン上の各サンプリング点における旋回角を前記
基準となるベクトルから累積して累積角を求め、N個の
サンプリング点における累積角を道路パターン特徴と
し、自車走行軌跡パターン特徴と道路パターン特徴に基
づいて自車走行軌跡パターンと道路パターンの類似度を
求める。
Description
【0001】
【発明の属する技術分野】本発明はカーナビゲーション
装置のマップマッチング等に利用できる類似度算出方法
に関し、さらに詳細には第1のパターンと第2のパター
ンとの類似度を算出する類似度算出方法に関する。
装置のマップマッチング等に利用できる類似度算出方法
に関し、さらに詳細には第1のパターンと第2のパター
ンとの類似度を算出する類似度算出方法に関する。
【0002】
【従来の技術】例えば、カーナビゲーション装置の場合
について説明すれば、自車位置は、人工衛星(GPS)
などの電波による位置情報を受けて自車位置を決定する
電波航法と、自車の動きを検出して自車の位置を追尾す
る自律航法との併用によって求められている。
について説明すれば、自車位置は、人工衛星(GPS)
などの電波による位置情報を受けて自車位置を決定する
電波航法と、自車の動きを検出して自車の位置を追尾す
る自律航法との併用によって求められている。
【0003】自律航法においては、車速センサ(車速パ
ルス)によって自車の速度を検出し、角度センサ(ジャイ
ロセンサ)によって自車の進行方位、相対方位を検出し
て自車の位置を追尾するように構成されている。
ルス)によって自車の速度を検出し、角度センサ(ジャイ
ロセンサ)によって自車の進行方位、相対方位を検出し
て自車の位置を追尾するように構成されている。
【0004】さらに詳細には、ジャイロセンサーを用い
たカーナビゲーション装置における自車位置算出処理
は、ジャイロセンサの出力(回転角速度)を積分して得ら
れる角度(ここでは相対角度である)と、単位時間内で
の車速パルスを積分して距離定数を乗じて得られる距離
を用いて行われる。
たカーナビゲーション装置における自車位置算出処理
は、ジャイロセンサの出力(回転角速度)を積分して得ら
れる角度(ここでは相対角度である)と、単位時間内で
の車速パルスを積分して距離定数を乗じて得られる距離
を用いて行われる。
【0005】カーナビゲーション装置で用いられるジャ
イロセンサの多くは、比較的低価格である振動ジャイロ
センサが多い。しかし、振動ジャイロセンサを用いた自
律航行では、振動ジャイロセンサから出力される方位デ
ータ出力に含まれる誤差が大きく、さらにドリフト成分
を含んでいる。仮に、振動ジャイロセンサからの誤差が
わずかであっても、その誤差は累積され、走れば走るほ
どズレが生じることになる。その校正手段の一つにマッ
プマッチングがある。
イロセンサの多くは、比較的低価格である振動ジャイロ
センサが多い。しかし、振動ジャイロセンサを用いた自
律航行では、振動ジャイロセンサから出力される方位デ
ータ出力に含まれる誤差が大きく、さらにドリフト成分
を含んでいる。仮に、振動ジャイロセンサからの誤差が
わずかであっても、その誤差は累積され、走れば走るほ
どズレが生じることになる。その校正手段の一つにマッ
プマッチングがある。
【0006】校正手段のない自律航行による道路での走
行では、自律航行の精度は、振動ジャイロセンサの性能
と算出した車速の精度如何にかかっている。現在のカー
ナビゲーション装置には、さまざまな要求に対応するべ
く種々の機能が要求されるが、その中でもマップマッチ
ングに関係する機能として、(イ)詳細地図の自車位置
表示機能、(ロ)誘導経路・走行道路案内機能がある。
(イ)では、より高精度のマップマッチングが必要とな
り、それに加えて(ロ)のためには、マップマッチング
処理の高速化が重要となる。
行では、自律航行の精度は、振動ジャイロセンサの性能
と算出した車速の精度如何にかかっている。現在のカー
ナビゲーション装置には、さまざまな要求に対応するべ
く種々の機能が要求されるが、その中でもマップマッチ
ングに関係する機能として、(イ)詳細地図の自車位置
表示機能、(ロ)誘導経路・走行道路案内機能がある。
(イ)では、より高精度のマップマッチングが必要とな
り、それに加えて(ロ)のためには、マップマッチング
処理の高速化が重要となる。
【0007】一般的なパターン認識を図9に示す構成図
により説明し、マップマッチング方法を図10に示すフ
ローチャートにより説明する。
により説明し、マップマッチング方法を図10に示すフ
ローチャートにより説明する。
【0008】特徴抽出部1では車速センサおよび振動ジ
ャイロセンサからの出力信号を受けて種々の変形に対し
ても不変となるパターンに固有の性質、すなわち入力パ
ターン特徴量(特徴パターン、特徴パラメータ)を抽出
する。標準パターン部2には予め定めた特徴量である標
準パターン(道路パターン)特徴量が格納してあり、標
準パターン特徴量と入力パターン特徴量とに基づきパタ
ーン類似度計算部3においてパターン類似度を算出し、
パターン類似度算出部3において算出されたパターン類
似度をもとに判定部4において判別関数などを用いて判
別を行って、パターン認識を行っている。
ャイロセンサからの出力信号を受けて種々の変形に対し
ても不変となるパターンに固有の性質、すなわち入力パ
ターン特徴量(特徴パターン、特徴パラメータ)を抽出
する。標準パターン部2には予め定めた特徴量である標
準パターン(道路パターン)特徴量が格納してあり、標
準パターン特徴量と入力パターン特徴量とに基づきパタ
ーン類似度計算部3においてパターン類似度を算出し、
パターン類似度算出部3において算出されたパターン類
似度をもとに判定部4において判別関数などを用いて判
別を行って、パターン認識を行っている。
【0009】マップマッチング処理は図10に示すごと
くである。GPSからの信号やセンサからの測位情報を
もとに、最新の絶対・相対自車位置を得て、自車位置を
更新し(ステップS1)、更新した自車位置を軌跡デー
タとして保持し、軌跡データより軌跡パターン特徴を算
出する(ステップS2)。従来方法で用いられるパター
ン特徴は、軌跡ポイント(パターン要素とも記す)の座
標Plocus(Lx1、Ly1)である。つまり更新
された自車位置の座標を用いて軌跡データを更新する。
ステップS2に続いて、標準パターン(道路パターン)
を更新して道路パターン特徴を算出する(ステップS
3)。マップマッチングでは、入力が自車の座標位置に
相当し、標準パターンが道路のパターンに相当する。し
たがって、必要に応じて標準パターンを生成、削除、更
新をしなければならない。
くである。GPSからの信号やセンサからの測位情報を
もとに、最新の絶対・相対自車位置を得て、自車位置を
更新し(ステップS1)、更新した自車位置を軌跡デー
タとして保持し、軌跡データより軌跡パターン特徴を算
出する(ステップS2)。従来方法で用いられるパター
ン特徴は、軌跡ポイント(パターン要素とも記す)の座
標Plocus(Lx1、Ly1)である。つまり更新
された自車位置の座標を用いて軌跡データを更新する。
ステップS2に続いて、標準パターン(道路パターン)
を更新して道路パターン特徴を算出する(ステップS
3)。マップマッチングでは、入力が自車の座標位置に
相当し、標準パターンが道路のパターンに相当する。し
たがって、必要に応じて標準パターンを生成、削除、更
新をしなければならない。
【0010】一般的な地図データベースにおける道路デ
ータは、図11(a)に示す実際の地図表示に対応する
道路データは図11(b)に模式的に示したように、複
数の直線の集合によって構成している。したがって、標
準パターンの生成、更新には、軌跡ポイントが存在する
と考えられる道路(直線)上のポイントを決定する必要
がある。一般的には図12に示すように、軌跡セグメン
トに対応する道路セグメントに対して、垂線を下した点
が候補点として決定される。図12において黒丸は自車
軌跡ポイントを示し、正方形は道路ポイントを示してい
る。
ータは、図11(a)に示す実際の地図表示に対応する
道路データは図11(b)に模式的に示したように、複
数の直線の集合によって構成している。したがって、標
準パターンの生成、更新には、軌跡ポイントが存在する
と考えられる道路(直線)上のポイントを決定する必要
がある。一般的には図12に示すように、軌跡セグメン
トに対応する道路セグメントに対して、垂線を下した点
が候補点として決定される。図12において黒丸は自車
軌跡ポイントを示し、正方形は道路ポイントを示してい
る。
【0011】図13(a)に、時刻t1、t2、t3に
おける自車の軌跡ポイントxt1、xt2、…、xt6
による自車の軌跡を示している。図13(b)に道路候
補パターン〃1〃を示し、図13(c)に道路候補パタ
ーン〃2〃を示す。図13(b)において正方形は道路
上の候補点を示し、xは自車の軌跡ポイントを示し、図
13(c)において三角形は道路上の候補点を示し、x
は自車の軌跡ポイントを示している。道路候補パターン
〃1〃、〃2〃が標準パターンに対応し、マップマッチ
ング候補の道路パターンに相当する。自車が存在する可
能性のある道路、例えばGPS測位システムの誤差範囲
である100m半径の円内に存在し、かつ自車の走行方
向に整合性のある道路を地図データから読み出し、道路
データ内の道路パターンを生成、更新、削除する。道路
パターンのパターン特徴、つまり対応するポイントの座
標Proad(rx、ry)を対応する道路データとし
て保持する。
おける自車の軌跡ポイントxt1、xt2、…、xt6
による自車の軌跡を示している。図13(b)に道路候
補パターン〃1〃を示し、図13(c)に道路候補パタ
ーン〃2〃を示す。図13(b)において正方形は道路
上の候補点を示し、xは自車の軌跡ポイントを示し、図
13(c)において三角形は道路上の候補点を示し、x
は自車の軌跡ポイントを示している。道路候補パターン
〃1〃、〃2〃が標準パターンに対応し、マップマッチ
ング候補の道路パターンに相当する。自車が存在する可
能性のある道路、例えばGPS測位システムの誤差範囲
である100m半径の円内に存在し、かつ自車の走行方
向に整合性のある道路を地図データから読み出し、道路
データ内の道路パターンを生成、更新、削除する。道路
パターンのパターン特徴、つまり対応するポイントの座
標Proad(rx、ry)を対応する道路データとし
て保持する。
【0012】ステップS3に続いて、パターン類似度を
算出する(ステップS4)。従来方法によるパターン類
似度Simは下記の式(1)および式(2)に示すよう
に2点間のユークリッド距離liの和から算出される。
算出する(ステップS4)。従来方法によるパターン類
似度Simは下記の式(1)および式(2)に示すよう
に2点間のユークリッド距離liの和から算出される。
【0013】 li=√{(Lxi−rxi)2+(Lyi−ryi)2} ……(1)
【0014】 Sim=Σli =Σ√{(Lxi−rxi)2+(Lyi−ryi)2}……(2)
【0015】実際のマップマッチング処理では、図14
に示すように、前後についての対応を考える必要があ
る。すなわち、パターン類似度が最大(上記式(2)で
は最小)となる対応付けに対して判別する。そこで、式
(2)は下記の式(3)に示す如くになる。
に示すように、前後についての対応を考える必要があ
る。すなわち、パターン類似度が最大(上記式(2)で
は最小)となる対応付けに対して判別する。そこで、式
(2)は下記の式(3)に示す如くになる。
【0016】
【数1】
【0017】ステップS4に続いて、ステップS5、S
6の処理では、走行道路の確定処理、すなわち判別処理
を行う。実際の判別は、式(3)に示したパターン類似
度Simがある一定の閾値以下となる道路を、走行道路
と見做してマップマッチングを行う。一定の閾値以下と
なる道路が複数ある場合、もしくは存在しない場合に
は、マップマッチング処理を保留する。また、ある閾値
以上の道路パターンを削除する。またパターン類似度S
imが最小のものを選択する方法によってもよい。
6の処理では、走行道路の確定処理、すなわち判別処理
を行う。実際の判別は、式(3)に示したパターン類似
度Simがある一定の閾値以下となる道路を、走行道路
と見做してマップマッチングを行う。一定の閾値以下と
なる道路が複数ある場合、もしくは存在しない場合に
は、マップマッチング処理を保留する。また、ある閾値
以上の道路パターンを削除する。またパターン類似度S
imが最小のものを選択する方法によってもよい。
【0018】ステップS6に続いて、位置道路の補正を
行う(ステップS7)。位置補正は対応する道路ポイン
トに最新の軌跡ポイントを合わせ込むことによりり行
う。方位補正は、最新の軌跡ポイントと一つ前の軌跡ポ
イントによって表わされるベクトルと、それぞれ対応す
る道路ポイントによって表わされるベクトルとの角度差
分、回転させることによって行う。
行う(ステップS7)。位置補正は対応する道路ポイン
トに最新の軌跡ポイントを合わせ込むことによりり行
う。方位補正は、最新の軌跡ポイントと一つ前の軌跡ポ
イントによって表わされるベクトルと、それぞれ対応す
る道路ポイントによって表わされるベクトルとの角度差
分、回転させることによって行う。
【0019】
【発明が解決しようとする課題】しかしながら、上記し
たような従来のマップマッチング方法において求めたパ
ターン特徴は、例えば図13のような場合、自車が走行
している真の道路パターンは図13(b)のように道路
候補〃1〃であるのに対し、単純にユークリッド距離の
和でパターン類似度を求めているため、道路パターンは
図13(c)のように道路候補〃2〃であると判別する
可能性が大きいという問題点があった。
たような従来のマップマッチング方法において求めたパ
ターン特徴は、例えば図13のような場合、自車が走行
している真の道路パターンは図13(b)のように道路
候補〃1〃であるのに対し、単純にユークリッド距離の
和でパターン類似度を求めているため、道路パターンは
図13(c)のように道路候補〃2〃であると判別する
可能性が大きいという問題点があった。
【0020】また、センサの特性上、方位誤差が含まれ
ているため、図15に示した軌跡ポイント(x)による
軌跡パターンに対して、破線に示すようにパターンの回
転が加わり、パターン類似度の信憑性が低くなるという
問題点があった。
ているため、図15に示した軌跡ポイント(x)による
軌跡パターンに対して、破線に示すようにパターンの回
転が加わり、パターン類似度の信憑性が低くなるという
問題点があった。
【0021】また、図14において軌跡ポイント(x)
と道路上対応ポイント(□)とに対して、破線で示すよ
うに前後対応のパターンのパターン類似度を算出する場
合にも、全ての対応ポイント間に対してユークリッド距
離を算出する必要があり、コンピュータからなる演算処
理装置の演算処理負荷が大きいという問題点があった。
と道路上対応ポイント(□)とに対して、破線で示すよ
うに前後対応のパターンのパターン類似度を算出する場
合にも、全ての対応ポイント間に対してユークリッド距
離を算出する必要があり、コンピュータからなる演算処
理装置の演算処理負荷が大きいという問題点があった。
【0022】本発明は、コンピュータからなる演算処理
装置の演算処理負荷を低減し、かつ高精度な類似度が算
出できる類似度算出方法を提供することを目的とする。
装置の演算処理負荷を低減し、かつ高精度な類似度が算
出できる類似度算出方法を提供することを目的とする。
【0023】
【課題を解決するための手段】本発明にかかる類似度算
出方法は、同時刻における第1のパターン上と第2のパ
ターン上のそれぞれにN(Nは自然数)個のサンプリン
グ点を設定し、第1のパターン上の各サンプリング点に
おける旋回角を予め定めた基準となるベクトルから累積
して累積角を求め、N個のサンプリング点における累積
角を第1のパターン特徴とし、第2のパターン上の各サ
ンプリング点における旋回角を前記基準となるベクトル
から累積して累積角を求め、N個のサンプリング点にお
ける累積角を第2のパターン特徴とし、第1のパターン
特徴と第2のパターン特徴に基づいて第1のパターンと
第2のパターンとの類似度を求めることを特徴とする。
出方法は、同時刻における第1のパターン上と第2のパ
ターン上のそれぞれにN(Nは自然数)個のサンプリン
グ点を設定し、第1のパターン上の各サンプリング点に
おける旋回角を予め定めた基準となるベクトルから累積
して累積角を求め、N個のサンプリング点における累積
角を第1のパターン特徴とし、第2のパターン上の各サ
ンプリング点における旋回角を前記基準となるベクトル
から累積して累積角を求め、N個のサンプリング点にお
ける累積角を第2のパターン特徴とし、第1のパターン
特徴と第2のパターン特徴に基づいて第1のパターンと
第2のパターンとの類似度を求めることを特徴とする。
【0024】本発明にかかる類似度算出方法によれば、
第1のパターン上の各サンプリング点における旋回角を
予め定めた基準となるベクトルから累積した累積角を求
め、N個のサンプリング点における累積角を第1のパタ
ーン特徴とし、同様に第2のパターン上の各サンプリン
グ点における旋回角を前記基準となるベクトルから累積
して累積角を求めて、N個のサンプリング点における累
積角を第2のパターン特徴として、第1のパターン特徴
と第2のパターン特徴に基づいて第1のパターンと第2
のパターンの類似度を求めるため、時刻(t)の次の時
刻もしくは以前の時刻における第1のパターン特徴およ
び第2のパターン特徴は、時刻(t)における第1のパ
ターン特徴および第2のパターン特徴を記憶しておくこ
とによって、加算とシフトによってに求めることができ
て、コンピュータからなる演算処理装置による類似度演
算のための演算処理負荷は低減され、かつ高精度な類似
度が算出できることになる。
第1のパターン上の各サンプリング点における旋回角を
予め定めた基準となるベクトルから累積した累積角を求
め、N個のサンプリング点における累積角を第1のパタ
ーン特徴とし、同様に第2のパターン上の各サンプリン
グ点における旋回角を前記基準となるベクトルから累積
して累積角を求めて、N個のサンプリング点における累
積角を第2のパターン特徴として、第1のパターン特徴
と第2のパターン特徴に基づいて第1のパターンと第2
のパターンの類似度を求めるため、時刻(t)の次の時
刻もしくは以前の時刻における第1のパターン特徴およ
び第2のパターン特徴は、時刻(t)における第1のパ
ターン特徴および第2のパターン特徴を記憶しておくこ
とによって、加算とシフトによってに求めることができ
て、コンピュータからなる演算処理装置による類似度演
算のための演算処理負荷は低減され、かつ高精度な類似
度が算出できることになる。
【0025】本発明にかかる類似度算出方法において、
第1のパターンは自車走行軌跡パターンであってもよ
く、第2のパターンは道路パターンであってもよい。
第1のパターンは自車走行軌跡パターンであってもよ
く、第2のパターンは道路パターンであってもよい。
【0026】
【発明の実施の形態】以下、本発明にかかる類似度算出
方法を実施の一形態によって説明する。
方法を実施の一形態によって説明する。
【0027】本発明の実施の一形態にかかる類似度算出
方法をカーナビゲーション装置のマップマッチングにお
ける類似度算出の場合を例に説明する。
方法をカーナビゲーション装置のマップマッチングにお
ける類似度算出の場合を例に説明する。
【0028】本発明の実施の一形態にかかる類似度算出
方法では、軌跡パターン・道路パターンの形状を基に算
出される旋回角を、基準となるベクトルから累積したも
のをパターン特徴として類似度算出に用いる。類似度の
算出は、図9に示したステップS2〜S4の処理が該当
する。
方法では、軌跡パターン・道路パターンの形状を基に算
出される旋回角を、基準となるベクトルから累積したも
のをパターン特徴として類似度算出に用いる。類似度の
算出は、図9に示したステップS2〜S4の処理が該当
する。
【0029】詳細には、時刻(t)における自車走行軌
跡パターン上と道路パターン上のそれぞれにN(Nは自
然数)個のサンプリング点を設定し、自車走行軌跡パタ
ーン上の各サンプリング点における旋回角を予め定めた
基準となるベクトルから累積して累積角を求め、N個の
サンプリング点における累積角を自車走行軌跡パターン
特徴とし、道路パターン上の各のサンプリング点におけ
る旋回角を前記基準となるベクトルから累積して累積角
を求め、N個のサンプリング点における累積角を道路パ
ターン特徴とし、自車走行軌跡パターン特徴と道路パタ
ーン特徴に基づいて自車走行軌跡パターンと道路パター
ンの類似度を求める。
跡パターン上と道路パターン上のそれぞれにN(Nは自
然数)個のサンプリング点を設定し、自車走行軌跡パタ
ーン上の各サンプリング点における旋回角を予め定めた
基準となるベクトルから累積して累積角を求め、N個の
サンプリング点における累積角を自車走行軌跡パターン
特徴とし、道路パターン上の各のサンプリング点におけ
る旋回角を前記基準となるベクトルから累積して累積角
を求め、N個のサンプリング点における累積角を道路パ
ターン特徴とし、自車走行軌跡パターン特徴と道路パタ
ーン特徴に基づいて自車走行軌跡パターンと道路パター
ンの類似度を求める。
【0030】自車走行軌跡パターン特徴の算出について
も道路パターン特徴の算出についても同様であるため、
前者について説明する。先ず、車両の旋回角θを図1に
示す。図1において、現在(t)の自車位置をPi(x
i,yi)、直前時点(t−1)における自車位置をP
i−1(xi−1,yi−1)、進行方向次の時点(t
+1)における自車位置をPi+1(xi+1,yi+
1)で示し、θiは現在の自車位置から進行方向次の自
車位置への旋回角を示している。
も道路パターン特徴の算出についても同様であるため、
前者について説明する。先ず、車両の旋回角θを図1に
示す。図1において、現在(t)の自車位置をPi(x
i,yi)、直前時点(t−1)における自車位置をP
i−1(xi−1,yi−1)、進行方向次の時点(t
+1)における自車位置をPi+1(xi+1,yi+
1)で示し、θiは現在の自車位置から進行方向次の自
車位置への旋回角を示している。
【0031】ここで、特徴数(またはサンプリング数)
をNとすると、時刻tにおけるパターン特徴(Sθ)は
図2に示すように旋回角θを用いて下記の式(4)のよ
うに表わされる。図2は軌跡パターンと旋回角とを示
し、太いベクトルは基準ベクトルを示している。図3
(a)は旋回角を示し、図3(b)は累積角を示し、累
積角がパターン特徴を形成している。
をNとすると、時刻tにおけるパターン特徴(Sθ)は
図2に示すように旋回角θを用いて下記の式(4)のよ
うに表わされる。図2は軌跡パターンと旋回角とを示
し、太いベクトルは基準ベクトルを示している。図3
(a)は旋回角を示し、図3(b)は累積角を示し、累
積角がパターン特徴を形成している。
【0032】
【数2】
【0033】したがって、パターン特徴Sθ(t)の一
般形は次の式(5)のように表わされる(但し 0 ≦
j ≦(N−1))。
般形は次の式(5)のように表わされる(但し 0 ≦
j ≦(N−1))。
【0034】
【数3】
【0035】パターン特徴Sθ(t+1)はパターン特
徴Sθ(t)を用いて下記の式(6)に示すように表わ
すことができる。
徴Sθ(t)を用いて下記の式(6)に示すように表わ
すことができる。
【0036】
【数4】
【0037】つまり、パターン特徴Sθの更新は、単純
に加減算とシフト演算により実現される。
に加減算とシフト演算により実現される。
【0038】上記と同様にパターン特徴Sθ(t−1)
はパターン特徴Sθ(t)を用いて下記の式(7)に示
すように表わされる。
はパターン特徴Sθ(t)を用いて下記の式(7)に示
すように表わされる。
【0039】
【数5】
【0040】これは図4の説明図に示すとおり、時刻
(t+1)におけるパターン特徴Sθ(t+1)は、時
刻(t+1)より以前の時刻tでのθ(t)biasと
パターン特徴Sθ(t)とを保持しておけば、単純に加
算とシフト演算により再帰的に復元することが可能とな
る。パターン特徴Sθの更新処理のフローチャートを図
5〜図8に示す。
(t+1)におけるパターン特徴Sθ(t+1)は、時
刻(t+1)より以前の時刻tでのθ(t)biasと
パターン特徴Sθ(t)とを保持しておけば、単純に加
算とシフト演算により再帰的に復元することが可能とな
る。パターン特徴Sθの更新処理のフローチャートを図
5〜図8に示す。
【0041】時刻(t)でのパターン特徴Sθ(t)を
用いて時刻(t+1)におけるパターン特徴Sθ(t+
1)を算出する図5に示すフォワードプロセスの場合
は、時刻(t+1)におけるθ(t+1)newとθ
(t+1)biasとを読み込み(ステップS11)、
時刻(t+1)におけるi=0、1、2、…、(N−
2)までのパターン特徴Sθ(t+1)(i)を、Sθ
(t+1)(i)=Sθ(t)(i+1)−θ(t+
1)biasに示すように、時刻(t)におけるパター
ン特徴Sθ(t)とステップS11で得られるθ(t+
1)biasを用いて算出する(ステップS12)。
用いて時刻(t+1)におけるパターン特徴Sθ(t+
1)を算出する図5に示すフォワードプロセスの場合
は、時刻(t+1)におけるθ(t+1)newとθ
(t+1)biasとを読み込み(ステップS11)、
時刻(t+1)におけるi=0、1、2、…、(N−
2)までのパターン特徴Sθ(t+1)(i)を、Sθ
(t+1)(i)=Sθ(t)(i+1)−θ(t+
1)biasに示すように、時刻(t)におけるパター
ン特徴Sθ(t)とステップS11で得られるθ(t+
1)biasを用いて算出する(ステップS12)。
【0042】ステップS12に続いて、時刻(t+1)
におけるi=(N−1)のパターン特徴Sθ(t+1)
(N−1)を、Sθ(t)(N−1)=Sθ(t)(N
−2)+θ(t+1)newに示すように、時刻(t)
におけるパターン特徴Sθ(t)(N−2)とステップ
S11で得られるθ(t+1)newを用いて算出する
(ステップS13)。
におけるi=(N−1)のパターン特徴Sθ(t+1)
(N−1)を、Sθ(t)(N−1)=Sθ(t)(N
−2)+θ(t+1)newに示すように、時刻(t)
におけるパターン特徴Sθ(t)(N−2)とステップ
S11で得られるθ(t+1)newを用いて算出する
(ステップS13)。
【0043】時刻(t)でのパターン特徴Sθ(t)を
用いて時刻(t−1)におけるパターン特徴Sθ(t−
1)を算出する図6に示すバックワードプロセスの場合
は、時刻(t)におけるθ(t)biasとを読み込み
(ステップS21)、時刻(t−1)におけるパターン
特徴Sθ(t−1)(0)を、Sθ(t−1)(0)=
θ(t)biasにて求める(ステップS22)。
用いて時刻(t−1)におけるパターン特徴Sθ(t−
1)を算出する図6に示すバックワードプロセスの場合
は、時刻(t)におけるθ(t)biasとを読み込み
(ステップS21)、時刻(t−1)におけるパターン
特徴Sθ(t−1)(0)を、Sθ(t−1)(0)=
θ(t)biasにて求める(ステップS22)。
【0044】ステップS22に続いて、時刻(t−1)
におけるi=0、1、2、…、(N−1)までのパター
ン特徴Sθ(t−1)(i)を、Sθ(t−1)(i)
=Sθ(t)(i−1)+θ(t)biasに示すよう
に、時刻(t)におけるパターン特徴Sθ(t)(i−
1)とステップS21で得られるθ(t)biasを用
いて算出する(ステップS23)。
におけるi=0、1、2、…、(N−1)までのパター
ン特徴Sθ(t−1)(i)を、Sθ(t−1)(i)
=Sθ(t)(i−1)+θ(t)biasに示すよう
に、時刻(t)におけるパターン特徴Sθ(t)(i−
1)とステップS21で得られるθ(t)biasを用
いて算出する(ステップS23)。
【0045】データ更新ルーチンは図7に示すように、
新しいポイントを得て、これより旋回角θを算出する
(ステップS31)。次いで、θnew=θ、θbia
s=Sθ(0)により、θnew、θbiasを最新の
ものとしてメモリに記憶する(ステップS32)。次に
フォワードプロセスを実行して最新のパターン特徴Sθ
(・)を算出する(ステップS33)。ステップS33
にて算出したパターン特徴Sθ(・)を、最新のパター
ン特徴Sθ(・)として更新記憶する(ステップS3
4)。このようにしてパターン特徴Sθ(・)を最新の
パターン特徴Sθ(・)に更新する。
新しいポイントを得て、これより旋回角θを算出する
(ステップS31)。次いで、θnew=θ、θbia
s=Sθ(0)により、θnew、θbiasを最新の
ものとしてメモリに記憶する(ステップS32)。次に
フォワードプロセスを実行して最新のパターン特徴Sθ
(・)を算出する(ステップS33)。ステップS33
にて算出したパターン特徴Sθ(・)を、最新のパター
ン特徴Sθ(・)として更新記憶する(ステップS3
4)。このようにしてパターン特徴Sθ(・)を最新の
パターン特徴Sθ(・)に更新する。
【0046】時刻Tでのパターン特徴Sθの算出ルーチ
ンについて、図8により説明する。
ンについて、図8により説明する。
【0047】時刻Tでのパターン特徴Sθの算出ルーチ
ンの処理は、時刻T´を求めて(ステップS41)、任
意の時刻におけるパターン特徴Sθ(t)(i=01、
2、…、N−1)をメモリから得る。テンポラリデータ
が空の場合は、最新のパターン特徴Sθ(t)をコピー
してテンポラリデータとする(ステップS42)。
ンの処理は、時刻T´を求めて(ステップS41)、任
意の時刻におけるパターン特徴Sθ(t)(i=01、
2、…、N−1)をメモリから得る。テンポラリデータ
が空の場合は、最新のパターン特徴Sθ(t)をコピー
してテンポラリデータとする(ステップS42)。
【0048】ステップS42に続いてT=T´か否かを
チェックし(ステップS43)、ステップS43におい
てT=T´と判別されたときは終了する。ステップS4
3において、T=T´でないと判別されたときはT<T
´か否かをチェックし(ステップS44)、ステップS
44においてT<T´と判別されたときはフォワードプ
ロセスを実行し(ステップS45)、次いでT=(T+
1)を実行してステップS43から繰り返す(ステップ
S46)。
チェックし(ステップS43)、ステップS43におい
てT=T´と判別されたときは終了する。ステップS4
3において、T=T´でないと判別されたときはT<T
´か否かをチェックし(ステップS44)、ステップS
44においてT<T´と判別されたときはフォワードプ
ロセスを実行し(ステップS45)、次いでT=(T+
1)を実行してステップS43から繰り返す(ステップ
S46)。
【0049】ステップS44においてT<T´でないと
判別されたときはバックワードプロセスを実行し(ステ
ップS47)、次いでT=(T−1)を実行してステッ
プS43から繰り返す(ステップS48)。これらの処
理によって時刻Tでのパターン特徴Sθの算出を行う。
判別されたときはバックワードプロセスを実行し(ステ
ップS47)、次いでT=(T−1)を実行してステッ
プS43から繰り返す(ステップS48)。これらの処
理によって時刻Tでのパターン特徴Sθの算出を行う。
【0050】上記の説明において、パターン特徴は軌跡
パターンに基づいて算出の場合も道路パターンに基づい
て算出する場合も同様であって、上記のように算出する
ことができる。次に、パターン類似度としての相関値S
imは平均2乗誤差計算により、パターン特徴Sθを用
いて以下の式(8)に示すように算出される。式(8)
においてSθlocusは軌跡パターンのパターン特徴
を示し、Sθroadは道路パターンのパターン特徴を
示している。式(8)、式(9)式(10)においてS
θroadはSθRoadと表記してある。
パターンに基づいて算出の場合も道路パターンに基づい
て算出する場合も同様であって、上記のように算出する
ことができる。次に、パターン類似度としての相関値S
imは平均2乗誤差計算により、パターン特徴Sθを用
いて以下の式(8)に示すように算出される。式(8)
においてSθlocusは軌跡パターンのパターン特徴
を示し、Sθroadは道路パターンのパターン特徴を
示している。式(8)、式(9)式(10)においてS
θroadはSθRoadと表記してある。
【0051】
【数6】
【0052】軌跡によっては、前もしくは後にずらした
形でマップマッチングする方が望ましい場合もある。し
たがって、マップマッチングにおけるマッチング・シフ
ト補正を考慮したパターン類似度は、後記の式(9)に
示すように算出する。
形でマップマッチングする方が望ましい場合もある。し
たがって、マップマッチングにおけるマッチング・シフ
ト補正を考慮したパターン類似度は、後記の式(9)に
示すように算出する。
【0053】
【数7】
【0054】また、相関値に代わって相関係数を用いて
パターン類似度を算出してもよい。相関係数を用いた場
合は、次の式(10)に示すごとくである。
パターン類似度を算出してもよい。相関係数を用いた場
合は、次の式(10)に示すごとくである。
【0055】
【数8】
【0056】本発明の実施の一形態ににかかる類似度算
出方法によれば、パターン特徴Sθの更新処理の単純化
およびマッチング・シフト時における過去のパターン特
徴再計算処理の単純化ができて、これらにより、マップ
マッチングの処理がシステムに及ぼす負荷を分散・軽減
化することができる。さらに、走行道路確定時における
保留状態においても、継続して類似度算出処理を行うこ
とが可能となる。
出方法によれば、パターン特徴Sθの更新処理の単純化
およびマッチング・シフト時における過去のパターン特
徴再計算処理の単純化ができて、これらにより、マップ
マッチングの処理がシステムに及ぼす負荷を分散・軽減
化することができる。さらに、走行道路確定時における
保留状態においても、継続して類似度算出処理を行うこ
とが可能となる。
【0057】
【発明の効果】以上説明したように本発明にかかる類似
度算出方法によれば、前回の類似度演算が再利用可能と
なって、コンピュータからなる演算処理装置の演算処理
負荷を低減し、かつ高精度な類似度が算出できる。
度算出方法によれば、前回の類似度演算が再利用可能と
なって、コンピュータからなる演算処理装置の演算処理
負荷を低減し、かつ高精度な類似度が算出できる。
【図1】本発明の実施の一形態にかかる類似度演算方法
の説明に供する旋回角の模式図である。
の説明に供する旋回角の模式図である。
【図2】本発明の実施の一形態にかかる類似度演算方法
の説明に供する軌跡パターンと旋回角の模式図である。
の説明に供する軌跡パターンと旋回角の模式図である。
【図3】本発明の実施の一形態にかかる類似度演算方法
の説明に供する旋回角と累積角の模式図である。
の説明に供する旋回角と累積角の模式図である。
【図4】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴の算出方法の説明に供する模式図
である。
におけるパターン特徴の算出方法の説明に供する模式図
である。
【図5】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴のフォワードプロセスによる算出
方法の説明に供するフローチャートである。
におけるパターン特徴のフォワードプロセスによる算出
方法の説明に供するフローチャートである。
【図6】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴のバックワードプロセスによる算
出方法の説明に供するフローチャートである。
におけるパターン特徴のバックワードプロセスによる算
出方法の説明に供するフローチャートである。
【図7】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴の更新方法の説明に供するフロー
チャートである。
におけるパターン特徴の更新方法の説明に供するフロー
チャートである。
【図8】本発明の実施の一形態にかかる類似度演算方法
におけるパターン特徴の時刻Tでの算出方法の説明に供
するフローチャートである。
におけるパターン特徴の時刻Tでの算出方法の説明に供
するフローチャートである。
【図9】パターン認識の一般的な説明のためのブロック
図である。
図である。
【図10】マップマッチング処理の説明に供するフロー
チャートである。
チャートである。
【図11】実際の道路地図と道路データを示す模式図で
ある。
ある。
【図12】マップマッチングの説明に供する模式図であ
る。
る。
【図13】マップマッチングの説明に供する模式図であ
る。
る。
【図14】マップマッチングの説明に供する模式図であ
る。
る。
【図15】マップマッチングの説明に供する模式図であ
る。
る。
θ 旋回角 Sθ 累積角 Sθ(t)(i) パターン特徴
Claims (3)
- 【請求項1】同時刻における第1のパターン上と第2の
パターン上のそれぞれにN(Nは自然数)個のサンプリ
ング点を設定し、 第1のパターン上の各サンプリング点における旋回角を
予め定めた基準となるベクトルから累積して累積角を求
め、N個のサンプリング点における累積角を第1のパタ
ーン特徴とし、 第2のパターン上の各サンプリング点における旋回角を
前記基準となるベクトルから累積して累積角を求め、N
個のサンプリング点における累積角を第2のパターン特
徴とし、 第1のパターン特徴と第2のパターン特徴に基づいて第
1のパターンと第2のパターンとの類似度を求めること
を特徴とする類似度算出方法。 - 【請求項2】請求項1記載に類似度算出方法において、
第1のパターンは自車走行軌跡パターンであることを特
徴とする類似度算出方法。 - 【請求項3】請求項1記載に類似度算出方法において、
第2のパターンは道路パターンであることを特徴とする
類似度算出方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10115917A JPH11295090A (ja) | 1998-04-13 | 1998-04-13 | 類似度算出方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP10115917A JPH11295090A (ja) | 1998-04-13 | 1998-04-13 | 類似度算出方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
JPH11295090A true JPH11295090A (ja) | 1999-10-29 |
Family
ID=14674418
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP10115917A Pending JPH11295090A (ja) | 1998-04-13 | 1998-04-13 | 類似度算出方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JPH11295090A (ja) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2005346467A (ja) * | 2004-06-03 | 2005-12-15 | Nintendo Co Ltd | 図形認識プログラム |
JP2008241406A (ja) * | 2007-03-27 | 2008-10-09 | Pioneer Electronic Corp | ルート検出装置、ルート検出方法及びルート検出プログラム |
JP2009140250A (ja) * | 2007-12-06 | 2009-06-25 | Toyota Motor Corp | 車両用逆走防止装置 |
US7771279B2 (en) | 2004-02-23 | 2010-08-10 | Nintendo Co. Ltd. | Game program and game machine for game character and target image processing |
CN108022432A (zh) * | 2016-10-31 | 2018-05-11 | 杭州海康威视系统技术有限公司 | 车辆在运行线路上行驶方向的确定方法以及装置 |
CN116910577A (zh) * | 2023-05-09 | 2023-10-20 | 中国人民解放军91404部队第340所 | 航空兵蓝军模拟战术运用相似度评价方法 |
-
1998
- 1998-04-13 JP JP10115917A patent/JPH11295090A/ja active Pending
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7771279B2 (en) | 2004-02-23 | 2010-08-10 | Nintendo Co. Ltd. | Game program and game machine for game character and target image processing |
JP2005346467A (ja) * | 2004-06-03 | 2005-12-15 | Nintendo Co Ltd | 図形認識プログラム |
JP2008241406A (ja) * | 2007-03-27 | 2008-10-09 | Pioneer Electronic Corp | ルート検出装置、ルート検出方法及びルート検出プログラム |
JP2009140250A (ja) * | 2007-12-06 | 2009-06-25 | Toyota Motor Corp | 車両用逆走防止装置 |
CN108022432A (zh) * | 2016-10-31 | 2018-05-11 | 杭州海康威视系统技术有限公司 | 车辆在运行线路上行驶方向的确定方法以及装置 |
CN116910577A (zh) * | 2023-05-09 | 2023-10-20 | 中国人民解放军91404部队第340所 | 航空兵蓝军模拟战术运用相似度评价方法 |
CN116910577B (zh) * | 2023-05-09 | 2024-02-13 | 中国人民解放军91404部队第340所 | 航空兵蓝军模拟战术运用相似度评价方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6427908B2 (ja) | 地図情報生成システム、方法およびプログラム | |
US5493294A (en) | Apparatus for detecting the position of a vehicle | |
EP2224208B1 (en) | Navigation device and navigation method | |
Jagadeesh et al. | A map matching method for GPS based real-time vehicle location | |
KR100215959B1 (ko) | 미리 정해진 노선에 대한 차량의 위치 판정 방법 | |
US20070078594A1 (en) | Navigation system and vehicle position estimating method | |
JP2778374B2 (ja) | 車両用ナビゲーション装置 | |
EP0570581A4 (en) | An improved accuracy sensory system for vehicle navigation | |
JP2000097713A (ja) | 車両用現在位置検出装置、車両用現在位置表示装置、ナビゲーション装置および記録媒体 | |
KR102441073B1 (ko) | 자이로 센싱값 보상 장치, 그를 포함한 시스템 및 그 방법 | |
WO2000050917A1 (en) | Vehicle navigation system with correction for selective availability | |
JPH10307037A (ja) | ナビゲーション装置 | |
JP2007333652A (ja) | 測位装置、ナビゲーションシステム | |
JP2021092508A (ja) | 走行軌跡推定方法及び走行軌跡推定装置 | |
JP2009036651A (ja) | ナビゲーション装置、ナビゲーション方法及びナビゲーションプログラム | |
JP4594785B2 (ja) | ナビゲーション装置 | |
JPH11295090A (ja) | 類似度算出方法 | |
JP6680319B2 (ja) | 地図情報生成システム、方法およびプログラム | |
JP3333223B2 (ja) | 移動車の走行路認識装置 | |
JP3290134B2 (ja) | マップマッチング方法 | |
EP0564140B1 (en) | Vehicle location detecting apparatus | |
JP4259246B2 (ja) | 道路情報学習システム | |
KR100216535B1 (ko) | 위치 정합도를 이용한 차량 항법용 주행 차량의 위치 측정 방법 | |
JP3290133B2 (ja) | カーナビゲーションシステム | |
JPH11230772A (ja) | 車載用ナビゲーション装置 |