JPWO2012014280A1

JPWO2012014280A1 - 運転支援装置

Info

Publication number: JPWO2012014280A1
Application number: JP2012526231A
Authority: JP
Inventors: 小川　雅弘; 雅弘小川; 塚田　明宏; 明宏塚田; フランクガルパン
Original assignee: Toyota Motor Corp
Current assignee: Toyota Motor Corp
Priority date: 2010-07-27
Filing date: 2010-07-27
Publication date: 2013-09-09
Anticipated expiration: 2030-07-27
Also published as: US9046378B2; US20130218467A1; EP2600328B1; EP2600328A4; CN103026396B; CN103026396A; WO2012014280A1; EP2600328A1; JP5429380B2

Abstract

認識範囲の異なる複数の走行経路情報を取得する走行経路情報取得手段と、走行環境に応じて複数の走行経路情報を用い自車両の進路を生成する進路生成手段と、を備えることを特徴とする運転支援装置を提供する。この発明によれば、例えば、広域マップ１、中域マップ２及び局所マップ３という認識範囲の異なる複数の走行経路情報を走行環境に応じて用いて進路を生成することにより、自車両が安全に走行することが可能になる。

Description

本発明は、運転支援装置に関する。

従来、運転支援に関するものとして、運転支援等に用いられる地図データを作成する装置が知られており、特許文献１には道路の側端部を検出し、検出された一方の側端部を基準として他方の相対位置のデータを作成することにより、データ容量を過大なものとせずに地図データを作成する車両用地図データ作成装置が記載されている。

特開２００７−２４０３１９号公報

しかし、上記の特許文献１に記載の車両用地図データ作成装置のように、至近距離にある道路の側端部を検出し地図データを作成する場合には、道路の側端部を検出する特許文献では、例えば遠距離にある道路要素が考慮されていないため、作成される車両用地図データの信頼性は運転支援に関するものとして改善の余地があった。

そこで、本発明は、自車両が安全に走行できるように進路を生成する運転支援装置を提供することを課題とする。

上記課題を解決するため、本発明に係る運転支援装置は、認識範囲の異なる複数の走行経路情報を取得する走行経路情報取得手段と、走行環境に応じて複数の走行経路情報を用い自車両の進路を生成する進路生成手段と、を備えて構成される。
なお、上記認識範囲の例として地図情報における距離から広域マップ、中域マップ、局所マップを設定しているが、その他に様々な考えで定義することができる。
例えば、距離範囲の代わりに経路設定におけるＥＣＵの演算処理時間によって広域、中域、局所の範囲を設定することができる。
また、車両に搭載する撮像装置、広帯域レーダー、狭帯域レーダー等で障害物を認識できる範囲で設定してもよい。例えば狭帯域レーダーでの検出精度の高い範囲を中域、広帯域レーダーで検出精度の高い範囲を局所と設定してもよい。また、画像によって交差点、白線、道路形状やその他の障害物を明確に認識できない遠方領域を中域、明確に判断できる近領域を局所としてもよい。またレーダーの探査範囲で反射物がゴーストかそれとも物体かが明確に判断できない領域を中域、反射物が物体と認識できる領域を局所としてもよい。
また、認識ができるできないでの区分だけではなく、認識の尤度、すなわち確からしさで区分してもよい。

この発明によれば、認識範囲の異なる複数の走行経路情報を走行環境に応じて用い進路を生成することにより、自車両が安全に走行できる。

本発明に係る運転支援装置において、複数の走行経路情報の更新頻度は互いに異なることが好ましい。複数の走行経路情報の更新頻度が異なることによって、情報更新のための演算負荷を軽減することが可能となる。

本発明に係る運転支援装置においては、複数の走行経路情報における特定の認識範囲の走行経路情報から、走行予定経路情報を取得する走行予定経路情報取得手段と、走行経路における走行可能領域を検出する走行可能領域検出手段と、をさらに備え、走行予定経路情報と走行可能領域に基づいて、走行予定経路の形状を推定することが好ましい。上記手段によって得られる走行予定経路情報及び走行可能領域を用いることによって、走行予定経路の形状を精度高く推定することができる。

本発明に係る運転支援装置においては、走行予定経路を分割して形状を推定することが好ましい。走行予定経路を分割することにより、形状をより精度高く推定することが可能となる。

本発明に係る運転支援装置においては、走行経路の形状を形状モデルとして記憶する形状モデル記憶手段をさらに備え、走行予定経路情報と形状モデルに基づいて、走行予定経路の形状を推定することが好ましい。上述の走行可能領域を検出することが困難な場合であっても、形状モデルを用いることによって、走行予定経路の形状を精度高く推定することが可能となる。

本発明に係る運転支援装置においては、過去の走行経路情報を蓄積する過去走行経路蓄積手段をさらに備え、過去の走行経路情報と推定された走行予定経路の形状との一致度に応じて、走行予定経路の形状をさらに推定することが好ましい。上記一致度が高い場合には走行予定経路の形状を精度高く推定でき、一致度が低い場合には推定された走行予定経路の形状を例えば修正することにより、精度高く推定することができる。

本発明に係る運転支援装置においては、自車両の周囲の障害物の情報を取得する障害物情報取得手段をさらに備え、推定された走行予定経路の形状におけるエッジ情報を用い、障害物情報を取得する探索範囲を決定することが好ましい。推定された走行予定経路の形状におけるエッジ情報を用いて障害物情報を取得する探索範囲を決定することにより、自車両の周囲の障害物の情報を取得しやすくなる。

本発明に係る運転支援装置においては、自車両の周囲の障害物の情報を取得する障害物情報取得手段をさらに備え、推定された走行予定経路における障害物の可動範囲を設定し、障害物が可動範囲を逸脱した場合には、走行予定経路より縮尺の小さい走行経路情報を用いて、障害物に対する自車両の進路を生成することが好ましい。推定された走行予定経路における障害物の可動範囲を設定することにより、演算負荷を軽減することが可能となる。また、障害物が可動範囲を逸脱した場合に、より縮尺の小さい走行経路情報を用いることによって精度高く障害物の情報を取得することが可能となる。

本発明に係る運転支援装置においては、自車両の周囲の障害物の情報を画像にて取得する画像取得手段をさらに備え、画像と推定された走行予定経路の形状に基づいて、障害物を特定することが好ましい。画像取得手段による画像と推定された走行予定経路の形状を用いることにより、障害物を精度高く特定することが可能となり、自車両の安全な走行が可能となる。

本発明に係る運転支援装置においては、複数の走行経路情報のうち、特定認識範囲の走行経路情報における障害物情報を、特定認識範囲の走行経路情報より縮尺の小さい走行経路情報へ統合しグリッド化することにより、障害物情報を推定することが好ましい。障害物情報をより縮尺の小さい走行経路情報へ統合しグリッド化することにより、障害物の属性に応じた回避行動をとることができ、より安全な走行が可能となる。

本発明に係る運転支援装置においては、グリッドの一部を細分化することが好ましい。グリッドの一部を細分化することにより、障害物に対する回避行動をよりとりやすくなり、さらに安全な走行が可能となる。

本発明に係る運転支援装置においては、グリッドの縮尺を自車両の車速に応じて変更することが好ましい。車速に応じてグリッドの縮尺を変更することにより、情報の処理の効率化と自車両の安全性の確保を両立することが可能となる。

本発明によれば、自車両が安全に走行できるように精度の高い進路を生成する運転支援装置を提供することができる。

本発明の第一実施形態に係る認識範囲の異なる複数の走行経路情報を示す図である。本発明の第１実施形態に係る運転支援装置のブロック構成図である。本発明の第１実施形態に係る運転支援装置で実行される制御処理の一例を示すフローチャートである。本発明の第１実施形態に係る運転支援装置で実行される制御処理の一例を示すフローチャートである。本発明の第２実施形態に係る運転支援装置のブロック構成図である。走行予定経路情報と走行可能領域を示す図である。（ａ）走行経路、（ｂ）推定された走行予定経路の形状を示す図である。（ａ）走行経路、（ｂ）推定された走行予定経路の形状を示す図である。（ａ）走行経路、（ｂ）推定された走行予定経路の形状を示す図である。（ａ）障害物により一部が検出できない走行可能領域、（ｂ）形状モデルを示す図である。（ａ）形状モデルと構造物の重なり、（ｂ）分割形状モデルを示す図である。（ａ）過去走行蓄積情報と（ｂ）修正後の走行予定経路の形状を示す図である。（ａ）画像上に投影された走行予定経路の形状、（ｂ）設定された垂直エッジを示す図である。（ａ）設定された障害物の可動範囲、（ｂ）縮尺のより小さい走行経路情報を用いた回避行動を示す図である。（ａ）歩行者の画像情報、（ｂ）及び（ｃ）画像上からの道路構造エッジの除去を示す図である。本発明の第２実施形態に係る運転支援装置で実行される制御処理の一例を示すフローチャートである。「障害物有」、「障害物無」、「不明」という３つの分類による自車両の周囲の障害物のグリッド化を示す図である。「歩行者」、「自車両」、「その他障害物」、「障害物無」、「不明」という５つの分類による自車両の周囲の障害物のグリッド化を示す図である。一部が細分化されたグリッドを示す図である。自車両からの距離が遠くなるほど粗く、近くなるほど細かくなるグリッドを示す図である。（ａ）自車から距離が遠く粗いグリッド、（ｂ）再投票により細分化されたグリッドを示す図である。（ａ）自車速度が低い場合のグリッド、（ｂ）自車速度が高い場合のグリッドを示す図である。グリッドにおける不明領域を示す図である。不明領域を障害物が無い領域として上書きしたグリッドを示す図である。（ａ）障害物情報のグリッド化、（ｂ）及び（ｃ）データベースから読み込んだ所定の回避行動を示す図である。本発明の第３実施形態に係る運転支援装置で実行される制御処理の一例を示すフローチャートである。経路計画作成のためのウェイポイントの設定を示す図である。従来における特定の走行経路情報を示す図である。

以下、本発明の実施の形態について説明する。なお、図面の説明において同一要素には同一符号を用い、重複する説明は省略する。また、図面の寸法比率は、説明のものと必ずしも一致していない。

（第１実施形態）
まず、本発明の第１実施形態に係る運転支援装置について説明する。従来の車両は、例えば図２８に示すように、認識範囲が一定で単一の走行経路情報を用いて、スタート地点から目的地までの自車両の進路を生成していた。

これに対し、第１実施形態に係る運転支援装置は、認識範囲の異なる複数の走行経路情報を取得する走行経路情報取得部と、走行環境に応じて複数の走行経路情報を用い自車両の進路を生成する進路生成部を備えて構成される。図１は、認識範囲の異なる複数の走行経路情報を示す概念図であり、縮尺の異なるマップとして、広域マップ１、中域マップ２及び局所マップ３が挙げられる。

広域マップ１は、例えば、数〜数百ｋｍ四方の範囲における走行経路情報を示すマップであり、自車両のスタート地点から目的地までの大まかな走行経路を決定するために用いられる。

中域マップ２は、例えば、数十〜数百ｍ四方の範囲における走行経路情報を示すマップであり、歩行者や他車両などの認識と動きの予測に用いられる。そのため、中域マップ２は自車両を中心とした座標（相対座標）で構築されることが好ましい。

局所マップ３は、例えば、数〜数十ｍ四方の範囲における走行経路情報を示すマップであり、中域マップ２では認識できない歩行者や他車両の動きの検出及びその回避に用いられる。そのため、局所マップ３は自車両を中心とした座標（相対座標）で構築されていることが好ましい。

上記認識範囲の異なる複数の走行経路情報は、更新頻度が互いに異なることが好ましい。複数の走行経路情報の更新頻度が異なることによって、情報更新のための演算負荷が軽減される。また、広域なマップほど更新頻度を低くすることが好ましい。例えば、広域マップ１のように広範囲な走行経路情報を示すマップは更新頻度を低くすることが好ましく、例えば５秒程度毎の更新であることが好ましい。中域マップ２のように、歩行者や他車両などの認識と動きの予測に用いられるマップは更新頻度をやや高くすることが好ましく、例えば２００ミリ秒程度毎の更新が好ましい。局所マップ３のように、歩行者の急な飛び出しの検出やその回避に用いられるマップは、更新頻度を高くすることが好ましく、例えば１０ミリ秒程度毎の更新が好ましい。
なお、上記認識範囲の例として地図情報における距離から広域マップ、中域マップ、局所マップを設定しているが、その他に様々な考えで定義することができる。例えば、距離範囲の代わりに経路設定におけるＥＣＵの演算処理時間によって広域、中域、局所の範囲を設定することができる。また、車両に搭載する撮像装置、広帯域レーダー、狭帯域レーダー等で障害物を認識できる範囲で設定してもよい。例えば狭帯域レーダーでの検出精度の高い範囲を中域、広帯域レーダーで検出精度の高い範囲を局所と設定してもよい。また、画像によって交差点、白線、道路形状やその他の障害物を明確に認識できない遠方領域を中域、明確に判断できる近領域を局所としてもよい。またレーダーの探査範囲で反射物がゴーストかそれとも物体かが明確に判断できない領域を中域、反射物が物体と認識できる領域を局所としてもよい。また、認識ができるできないでの区分だけではなく、認識の尤度、すなわち確からしさで区分してもよい。また、撮像装置の撮像範囲とレーザースキャン装置の探査範囲とをそれぞれ中域、局所と設定してもよい。
さらに、広域マップ、中域マップ、局所マップのそれぞれにおいて検出された事象、物票は他のマップへ情報提供され、そのマップ内や全体マップにおける経路変更に利用される。例えば広域マップにおいてＶＩＣＳやプローブカーの交通情報センターから提供される情報、路車間通信、車車間通信等により得られた渋滞情報、事故情報は中域マップ、局所マップ側へ情報が提供され、経路変更に利用される。また、中域マップにおいて画像等から横断中の歩行者の情報が得られたときは局所マップや広域マップへ情報が提供され経路変更に利用される。また局所マップにおいてレーダースキャン装置により空き缶などの障害物が路上に検出されたときは中域マップや広域マップへ情報が提供され経路変更に利用される。

図２は、第１実施形態に係る運転支援装置のブロック構成図である。第１実施形態に係る運転支援装置３０は、自車両が安全に走行できるように精度の高い進路を生成するものである。図２に示すように、運転支援装置３０は、ナビゲーションシステム６、センサ７、電子制御ユニット（以下、「ＥＣＵ」という。）１０、運転支援実行部２０を備え、ＥＣＵ１０は、ナビゲーションシステム６、センサ７及び運転支援実行部２０と電気的に接続されている。

ナビゲーションシステム６は、ＧＰＳ（ＧｌｏｂａｌＰｏｓｉｔｉｏｎｉｎｇＳｙｓｔｅｍ）により自車両の地表面における絶対位置を測位する。ＧＰＳにより測位された自車両の地表面における絶対位置は、別途記憶されている地図情報と照合される。これにより、ナビゲーションシステム６は、自車両の地図上の位置を特定した走行経路情報をＥＣＵ１０に提供することができる。

センサ７は、自車両の周囲の情報を得るものであり、例えば、自車両の周囲の物体を検出するミリ波レーダーが用いられる。

ＥＣＵ１０は、演算処理を行うＣＰＵ、記憶部となるＲＯＭ及びＲＡＭ、入力信号回路、出力信号回路、電源回路などにより構成される。例えば、ＥＣＵ１０のＣＰＵにより、記憶部に記憶されたプログラムを実行することで、走行経路情報取得部１１、進路生成部１９が構成される。

走行経路情報取得部１１は、ナビゲーションシステム６からの走行経路情報に基づいて、認識範囲の異なる複数の走行経路情報を取得する。走行経路情報取得部１１は、認識範囲の異なる複数の走行経路情報（例えば、上記の広域マップ１、中域マップ２及び局所マップ３）を自ら作成してもよく、ナビゲーションシステム６から提供されてもよい。

進路生成部１９は、走行環境に応じて複数の走行経路情報を用い、自車両の進路を生成する。走行環境とは、例えば、道路上の渋滞、歩行者や路上駐車車両等の障害物、道路上を走行する周囲の他車両などをいう。また、複数の走行経路情報から走行環境に応じて最適な走行経路情報を選択し、選択された最適な走行経路情報に基づいて、自車両の進路を生成してもよい。

また、運転支援装置３０は、運転支援実行部２０を備える。運転支援実行部２０は、例えばブレーキＥＣＵ、エンジンＥＣＵ、操舵ＥＣＵなどにより構成され、進路生成部１９で生成された進路に基づき、自車両の運転支援を実行する。例えば、生成された進路が障害物を回避する進路である場合には、操舵ＥＣＵにより操舵角を制御して障害物を回避する。

図３は、本実施形態に係る運転支援装置３０で実行される制御処理の一例を示すフローチャートである。図３のフローチャートは、広域マップ１から、より縮尺の小さい中域マップ２又は局所マップ３を取得する場合である。まず、ＥＣＵ１０は、ナビゲーションシステム６及びセンサ７から各種データを入力する（Ｓ１）。次に、走行経路情報取得部１１は、自車両のスタート地点から目的地までの大まかな走行経路を決定するために広域マップ１を取得する（Ｓ２）。取得された広域マップ１をもとに、進路生成部１９は自車両の進路を生成する（Ｓ３）。

生成された進路において、ＥＣＵ１０は障害物検出の判定を行い、障害物を検出したと判定した場合には（Ｓ４）、走行経路情報取得部１１は、障害物の動きを予測するために中域マップ２を取得する（Ｓ５）。取得された中域マップ２をもとに進路生成部１９は、自車両の進路を生成する（Ｓ６）。

このように生成された進路において、ＥＣＵ１０は障害物接近の判定を行い、障害物が接近していると判定した場合（Ｓ７）、走行経路情報取得部１１は、障害物を回避するために、局所マップ３を取得する（Ｓ８）。取得された局所マップ３をもとに進路生成部１９は、自車両の進路を生成し（Ｓ９）、運転支援実行部２０によって回避行動をとる。

また、図４も、本実施形態に係る運転支援装置３０で実行される制御処理の一例を示すフローチャートであり、局所マップ３から、より縮尺の大きい中域マップ２、広域マップ１を取得する場合を示す。ＥＣＵ１０は、図３と同様に、ナビゲーションシステム６及びセンサ７から各種データを入力する（Ｓ１１）。次に、走行経路情報取得部１１は、縮尺の小さい範囲における自車両の走行経路を決定するために局所マップ３を取得する（Ｓ１２）。取得された局所マップ３をもとに、進路生成部１９は自車両の進路を生成する（Ｓ１３）。

生成された進路において、ＥＣＵ１０は自車両が走行可能か否かの判定を行い、走行経路を通過できないと判定した場合（Ｓ１４）、走行経路情報取得部１１は、より広い範囲の走行経路を把握するために中域マップ２を取得する（Ｓ１５）。取得された中域マップ２をもとに進路生成部１９は、自車両の進路を生成する（Ｓ１６）。

このように生成された進路において、ＥＣＵ１０は自車両が走行可能か否かの判定を行い、走行経路を通過できないとさらに判定した場合（Ｓ１７）、走行経路情報取得部１１は、さらに広い範囲の走行経路を把握するために、広域マップ１を取得する（Ｓ１８）。取得された広域マップ１をもとに進路生成部１９は、自車両の進路を生成し（Ｓ１９）、運転支援実行部２０によって自車両の制御を行う。

以上、第１実施形態に係る運転支援装置３０によれば、認識範囲の異なる複数の走行経路情報を取得する走行経路情報取得部１１と、走行環境に応じて複数の走行経路情報を用い自車両の進路を生成する進路生成部１９と、を備えることによって、従来のように認識範囲が単一の走行経路情報を取得する場合と比べ、例えば障害物を検出した場合にはより縮尺の小さい走行経路情報を用いて進路を生成することによって、障害物を回避することができるなど、自車両が安全に走行することができる。

（第２実施形態）
次に、本発明の第２実施形態に係る運転支援装置について説明する。図５は、本発明の第２実施形態に係る運転支援装置のブロック構成図である。第２実施形態に係る運転支援装置４０は、図３に示すように、走行経路情報取得部１１、進路生成部１９に加え、走行予定経路情報取得部１２、走行可能領域検出部１３、形状モデル記憶部１４、過去走行経路蓄積部１５、障害物情報取得部１６をＥＣＵ１０に備えて構成される点で第１実施形態に係る運転支援装置３０と相違する。また、第２実施形態に係る運転支援装置はナビゲーションシステム６、センサ７に加え、カメラ８を備える。

走行予定経路情報取得部１２は、複数の走行経路情報における特定の認識範囲の走行経路情報から、走行予定経路情報を取得する。例えば、特定の認識範囲の走行経路情報として広域マップ１を用い、自車両の目的地までの走行予定の経路の情報を取得する。

走行可能領域検出部１３は、走行経路における自車両の走行可能領域を検出する。例えば、広域マップ１を用いて、走行している道路が片側一車線なのか、十字交差点なのかなどの大まかな情報を取得する。また、センサ７によって自車両の側方をセンシングすることにより、道路に白線がなくても縁石などの側端部を抽出し、自車両の走行可能領域を検出する。

図６は、走行予定経路情報と走行可能領域を示す図である。走行予定経路情報は、例えば広域マップ１を用いて取得する。また、走行可能領域は、自車両が走行する道路の白線をセンサ７により検出し、走行予定経路の形状を座標軸上に示して推定する。また、道路に白線がなくても道路の側端部をセンサ７によって検出することができ、白線のない道路でも走行予定経路の形状を推定する。

走行予定経路は、図６に示すように分割して推定することも好ましい。走行予定経路を分割して推定することによって、形状をより精確に推定することが可能となる。

図７〜図９は、（ａ）走行経路と（ｂ）推定された走行予定経路の形状を示す図である。例えば、図７（ａ）は片側一車線が対向する二車線の道路の場合であり、道路中央の白線を用いて走行可能領域を検出することによって、走行予定経路の形状を図７（ｂ）のように推定する。図８（ａ）は、走行経路が一方通行で白線がない場合であり、自車両は道路の側端部を抽出することによって走行可能領域を検出し、走行予定経路の形状を図８（ｂ）のように推定する。図９（ａ）は、走行経路に右折する道路がある場合であり、広域マップ１などの走行経路情報から右折する道路の情報を得ることによって、走行予定経路の形状を図９（ｂ）のように推定する。

形状モデル記憶部１４は、走行経路の形状を形状モデルとして記憶する。例えば図１０（ａ）に示すように、走行経路が急なカーブで自車両の走行経路の前方に他車両などの障害物がある場合には、走行経路の側端部を検出できる範囲が限られ、推定される走行予定経路の形状の精度が悪化する場合がある。

このような場合において、形状モデル記憶部１４に記憶されている形状モデルの中から、走行経路と同じ曲率のカーブの形状モデルを選択することによって、図１０（ｂ）に示すように、障害物で走行可能領域が検出できない部分を含めて、走行予定経路の形状を精度高く推定することが可能となる。

図１１（ａ）は、形状モデルと構造物５１が重なる場合を示す図である。上記のように形状モデルを用いた場合に、推定と実測が異なる場合や、構造物５１により形状モデルがうまくフィットしない場合などにおいては、図１１（ａ）のように誤った走行予定経路を推定しまうおそれがある。このような場合に、形状モデルを例えば形状モデルとセンサデータの一致度に応じて分割し、信頼性の低いモデル領域を削除することが好ましい。例えば、形状モデル記憶部１４において、信頼性の低いモデル領域を削除した分割形状モデルを生成し、適用する（図１１（ｂ）参照）。このように分割形状モデルを用いて、信頼性の高いモデル部分のみを適用することにより、誤った推定が少なくなり、走行予定経路の形状を精度高く推定することが可能となる。

過去走行経路蓄積部１５は、自車両が過去に走行した走行経路情報を蓄積する。蓄積された過去の走行経路情報の信頼性が高い場合には、上記で推定された走行予定経路の形状と過去の走行経路情報の一致度をＥＣＵ１０において算出し、一致度が所定値よりも高い場合には、推定された走行予定経路の形状を一部見直すなどさらに推定することが好ましい。蓄積された過去の走行経路情報を用いることにより、精度高く走行予定経路の形状を推定することが可能となる。また、上記の形状モデルと同様に、障害物で走行可能領域が検出できない部分がある場合に、過去の走行経路情報を用いることも好ましい。

図１２（ａ）は過去の走行経路情報から得られる地図である。図１２（ａ）の過去の走行経路情報と、図１２（ｂ）の推定された走行予定経路の形状は一致度が高いので、過去の走行経路情報を用いて、推定された走行予定経路の形状を一部見直すことにより、より精度高く走行予定経路の形状が推定できる。

また、例えば中域マップ２を用いて自車両が進路を生成する場合において、道路として認識されていない箇所から歩行者や他車両、自転車などの障害物が出てきたのをセンサ７により検出した場合には、障害物が出てきた付近には走行経路情報に表されていない小道などがあることが想定される。このように、障害物などの検出結果や追跡結果をトリガーにして、出てきた歩行者などの向きなどから、走行予定経路の形状を推定することも好ましい。

障害物情報取得部１６は、自車両の周囲の障害物の情報を取得する。例えば、推定された走行予定経路の形状を用いて、障害物が飛び出す領域や境界線を設定又は特定することによって、障害物を検出する。図１３（ａ）に示すように、推定された走行予定経路の形状を画像上に投影し、そのエッジ情報から、図１３（ｂ）に示すように、垂直エッジを抽出又は設定することによって、障害物が飛び出してくる可能性のある探索範囲を決定し、自車両の周囲の障害物の情報を取得する。この際に、より障害物を的確に識別するために、水平境界高さや色などを設定することも好ましい。

また、障害物情報取得部１６においては、自車両の周囲の障害物の可動範囲を設定することも好ましい。例えば、推定された走行予定経路の形状である道路構造に応じた行動モデルを作成し、図１４（ａ）に示すように、障害物の可動範囲を設定する。障害物が可動範囲を逸脱した場合には、図１４（ｂ）に示すように、縮尺のより小さい走行経路情報を用いることによって、障害物に対する自車両の進路を安全性高く生成する。このように障害物の可動範囲を設定することによって、予測の精度を向上させるとともに、障害物を追跡する際の計算負荷を低減する。また、障害物の個体数が増えても計算負荷の増大に影響されることなく追跡することが可能になる。

さらに、障害物情報取得部１６は、画像取得部として機能することも好ましい。道路の白線や側端部は走行経路の形状を特定するためには不可欠であるが、歩行者や自車両を検出する際には余計な情報となり、認識率を低下させてしまう場合がある。そこで、図１５（ａ）に示すように、例えば歩行者をカメラ８で画像として撮影して、ＥＣＵ１０が画像情報として取得する。次に、その画像情報と推定された走行予定経路の形状を用い、道路構造エッジ情報を除去することによって、画像情報から例えば白線を除去し、歩行者を特定する。例えば、図１５（ｂ）に示すように、ヒストグラム作成時に道路構造エッジを除去してもよく、図１５（ｃ）に示すように、エッジ画像上から道路構造エッジを除去してもよい。

図１６は、本実施形態に係る運転支援装置４０で実行される制御処理の一例を示すフローチャートである。まず、ＥＣＵ１０は、ナビゲーションシステム６及びセンサ７から各種データを入力する（Ｓ２１）。

次に、走行予定経路情報取得部１２は、複数の走行経路情報における特定の認識範囲の走行経路情報から、走行予定経路情報を取得する（Ｓ２２）。続いて、走行可能領域検出部１３は、走行経路における自車両の走行可能領域を、例えばセンサ７によって道路の側端部を抽出することによって検出する（Ｓ２３）。

ＥＣＵ１０は、走行予定経路情報と走行可能領域から走行予定経路の形状を推定するが、障害物等により走行可能領域が検出できない場合には（Ｓ２４）、形状モデル記憶部１４において記憶された形状モデルの中から類似した形状モデルを選択し（Ｓ２５）、走行予定経路の形状を推定する（Ｓ２６）。

また、ＥＣＵ１０は、推定された走行予定経路の形状と過去走行経路蓄積部１５に蓄積された過去の走行経路情報の一致度が所定値よりも高いかどうかを判定し（Ｓ２７）、一致度が所定値よりも高い場合には過去の走行経路情報を用いて、推定された走行予定経路の形状の一部を見直す（Ｓ２８）。

さらに、障害物情報取得部１６により自車両の周囲の障害物の情報を取得する。例えば、推定された走行予定経路の形状である道路構造に応じた行動モデルを作成し、障害物の可動範囲を設定する（Ｓ２９）。以上のように推定された走行予定経路の形状や障害物情報をもとに進路生成部１９は、自車両の進路を生成し（Ｓ３０）、運転支援実行部２０によって自車両の制御を行う。

以上、第２実施形態に係る運転支援装置によれば、走行経路情報取得部１１、進路生成部１９に加え、走行予定経路情報取得部１２、走行可能領域検出部１３、形状モデル記憶部１４、過去走行経路蓄積部１５、障害物情報取得部１６をＥＣＵ１０に備えることによって、走行予定経路情報の取得及び走行可能領域の検出により走行予定経路の形状を推定することができる。また、記憶された形状モデルや過去の走行経路情報を用いることによりさらに精度良く走行予定経路の形状を推定することが可能となり、自車両が安全に走行することができる。

（第３実施形態）
以下に、本発明の第３実施形態に係る運転支援装置について説明する。第３実施形態に係る運転支援装置においては、上述の複数の走行経路情報のうち、特定認識範囲の走行経路情報における障害物情報を、特定認識範囲の走行経路情報より縮尺の小さい走行経路情報へ統合し、グリッド化することによって障害物情報を推定する点で、上記第１実施形態及び第２実施形態に係る運転支援装置と相違する。

例えば、局所マップ３において障害物等の属性まで識別しようとすると、処理負荷が増大し、処理周期が低下してしまう恐れがある。また、図１７に示すように、「障害物有」、「障害物無」、「不明」という３つの分類で自車両の周囲の障害物をグリッド化する場合には、障害物が例えば歩行者のような優先的に保護すべき対象なのか、ダンボールや小さな障害物など自車両と衝突しても被害が少ない物体なのか判断が難しい場合がある。

そこで、第３実施形態に係る運転支援装置においては、複数の走行経路情報のうち、特定認識範囲の走行経路情報における障害物情報を、特定認識範囲の走行経路情報より縮尺の小さい走行経路情報へ統合し、グリッド化する。

障害物の属性は、図１８に示すように、「歩行者」、「自車両」、「その他障害物」、「障害物無」、「不明」という５つの分類でグリッド化することが好ましい。このように、障害物の属性をより明確にしてグリッド化することにより、障害物の属性に応じて自車両の回避行動をとる。

上記の障害物情報のグリッド化においては、グリッドの一部を細分化することにより障害物情報を推定することも好ましい。例えば、図１８の「その他障害物」のように、中域マップ２からの障害物情報が曖昧な場合に、図１９のように該当するグリッド部分の一部を細分化することによって、より障害物情報を的確に推定し、自車両における適切な回避判断を行う。

また、上記の障害物情報のグリッド化においては、自車両からの距離が遠くなるほどグリッドを粗く、自車両からの距離が近いほどグリッドを細かく設定することも好ましい。例えば図２０に示すように、自車両からの距離が近い障害物のグリッドは細かくし、自車両からの距離が遠い領域は粗くすることによって、自車両近傍は細かいグリッドで監視し、危険が予測される場合は減速を促すという運転支援を行うことで、自車両の安全性の確保と処理の効率化を両立させる。

ここで、図２１（ａ）に示すように、自車両から距離が遠いことにより粗くグリッド化された領域において、障害物があると分かった場合には、図２１（ｂ）に示すように該当領域のみを細かいグリッドで再投票することも好ましい。このように、自車両から距離が遠い領域でも障害物があると分かった場合には細かいグリッドにすることにより、自車両の回避判断を前倒しで実行する。

また、上記の障害物情報のグリッド化においては、グリッドの縮尺を自車両の車速に応じて変更することも好ましい。図２２（ａ）に示すように、自車速度が低い場合には１０ｍ程度の縮尺の小さい範囲を細かくグリッド化することにより、また自車速度が高い場合には５０ｍ程度の縮尺の大きい範囲をより粗く、図２２（ｂ）のようにグリッド化することにより、自車両の安全性の確保と処理の効率化の両立を図る。

さらに、上記の障害物情報のグリッド化においては、図２３のようにグリッドにおける不明領域と自車両の距離が十分に長い場合には、図２４のように不明領域を障害物が無い領域として上書きすることも好ましい。例えば、センサ７であるミリ波レーダーの反射強度が低いことにより不明とされた領域に対しては、進路生成部１９は進行方向に不明な物体があるとして進路を生成し、運転支援実行部２０は自車両を減速させてしまう場合があるが、不明な物体が障害物でない場合は不要な減速となってしまいスムーズな運転を妨げてしまう。これに対し、上述のように不明領域を障害物が無い領域として上書きすることにより、自車両の到達時間の短縮やスムーズな運転行動が可能になる。

加えて、上記の障害物情報のグリッド化においては、障害物の位置関係と自車両の回避行動をあらかじめデータベースに登録しておくことが好ましい。歩行者の飛び出しなど急に障害物が現れる場合には、オンラインで車速や操舵角などを計算する運転支援実行では処理が間に合わずに、自車両と障害物が接触する恐れがある。これに対し、障害物の位置関係と自車両の回避行動をあらかじめデータベースに登録しておくことによって、衝突までの時間が短い場合には、図２５（ｂ）及び（ｃ）に示すように、回避行動のオンライン計算を行わずに、データベースから読み込んだ所定の回避行動をとる。また、障害物情報は図２５（ａ）のようにグリッド化されているため、情報が圧縮されており、高速なマッチングが可能となり、回避行動を伴う判断を短時間で行う。

図２６は、本実施形態に係る運転支援装置４０で実行される制御処理の一例を示すフローチャートである。図２６に示すように、障害物情報取得部１６は中域マップ２における障害物の属性情報を取得する（Ｓ３１）。次に、センサ７から障害物の接近の情報を取得し（Ｓ３２）、中域マップ２の属性情報を局所マップ３の障害物情報と統合し、グリッド化する（Ｓ３３）。グリッド化された障害物情報はトラッキングにより処理周期を高速に保ちながら更新され（Ｓ３４）、障害物の属性が付与され（Ｓ３５）、運転支援実行部２０により回避行動などの運転支援を行う（Ｓ３６）。

以上、第３実施形態に係る運転支援装置によれば、障害物情報をグリッド化することによって、障害物の属性に応じて自車両の回避行動をとることができ、自車両の安全性の確保と処理の効率化の両立を図ることができる。

本発明は、上述した実施形態に限定されるものではない。ＥＣＵ１０は、図３の障害物検出の判定や障害物接近の判定、図４の走行経路が走行可能か否かの判定のために判定部を有してもよい。

走行予定経路の形状を推定する場合においては、図２７に示すように、走行経路形状の節の中心部分を経路の目標通過地点であるウェイポイントとして設定することもできる。このように、走行予定経路の形状を推定するのと同時にウェイポイントを設定することによって経路計画が作成できるため、走行予定経路の形状を推定した後に経路計画を作成する場合と比べて処理時間を削減することが可能となる。

また、走行経路の側端部は、自車両の側方の端部だけでなく、自車両の前方で例えばミリ波レーダーが検出可能な数百ｍ先の道路の側方の端部であってもよい。

本発明に係る運転支援装置は、認識範囲の異なる複数の走行経路情報を取得する走行経路情報取得手段と、走行環境に応じて複数の走行経路情報を用い自車両の進路を生成する進路生成手段と、を備えることにより、自車両が安全に走行できるように進路を生成することができる。

１・・・広域マップ、２・・・中域マップ、３・・・局所マップ、４・・・自車両、５・・・歩行者、６・・・ナビゲーションシステム、７・・・センサ、８・・・カメラ、１０・・・ＥＣＵ、１１・・・走行経路情報取得部（取得手段）、１２・・・走行予定経路情報取得部（取得手段）、１３・・・走行可能領域検出部（検出手段）、１４・・・形状モデル記憶部（記憶手段）、１５・・・過去走行経路蓄積部（蓄積手段）、１６・・・障害物情報取得部（取得手段）、１９・・・進路生成部（生成手段）、２０・・・運転支援実行部、３０，４０・・・運転支援装置。

Claims

認識範囲の異なる複数の走行経路情報を取得する走行経路情報取得手段と、
走行環境に応じて前記複数の走行経路情報を用い自車両の進路を生成する進路生成手段と、を備えることを特徴とする運転支援装置。
前記複数の走行経路情報の更新頻度が互いに異なる請求項１記載の運転支援装置。
前記複数の走行経路情報における特定の認識範囲の走行経路情報から、走行予定経路情報を取得する走行予定経路情報取得手段と、
走行経路における走行可能領域を検出する走行可能領域検出手段と、をさらに備え、
前記走行予定経路情報と前記走行可能領域に基づいて、走行予定経路の形状を推定する請求項１又は２記載の運転支援装置。
前記走行予定経路を分割して前記形状を推定する請求項３記載の運転支援装置。
前記走行経路の形状を形状モデルとして記憶する形状モデル記憶手段をさらに備え、
前記走行予定経路情報と前記形状モデルに基づいて、前記走行予定経路の形状を推定する請求項３又は４記載の運転支援装置。
過去の走行経路情報を蓄積する過去走行経路蓄積手段をさらに備え、
前記過去の走行経路情報と推定された前記走行予定経路の形状との一致度に応じて、前記走行予定経路の形状をさらに推定する請求項３又は４記載の運転支援装置。
前記自車両の周囲の障害物の情報を取得する障害物情報取得手段をさらに備え、
推定された前記走行予定経路の形状におけるエッジ情報を用い、障害物情報を取得する探索範囲を決定する請求項３〜６のいずれか一項記載の運転支援装置。
前記自車両の周囲の障害物の情報を取得する障害物情報取得手段をさらに備え、
推定された前記走行予定経路における前記障害物の可動範囲を設定し、前記障害物が前記可動範囲を逸脱した場合には、前記走行予定経路より縮尺の小さい前記走行経路情報を用いて、前記障害物に対する前記自車両の進路を生成する請求項３〜６のいずれか一項記載の運転支援装置。
前記自車両の周囲の障害物の情報を画像にて取得する画像取得手段をさらに備え、
前記画像と推定された前記走行予定経路の形状に基づいて、前記障害物を特定する請求項３〜６のいずれか一項記載の運転支援装置。
前記複数の走行経路情報のうち、特定認識範囲の走行経路情報における前記障害物情報を、特定認識範囲の走行経路情報より縮尺の小さい走行経路情報へ統合しグリッド化することにより、前記障害物情報を推定する請求項１又は２記載の運転支援装置。
前記グリッドの一部を細分化する請求項１０記載の運転支援装置。
前記グリッドの縮尺を前記自車両の車速に応じて変更する請求項１０記載の運転支援装置。